JP2010164809A

JP2010164809A - デコード装置および音声符号化方式推定方法

Info

Publication number: JP2010164809A
Application number: JP2009007496A
Authority: JP
Inventors: Michiya Suzuki; 道也鈴木
Original assignee: NEC Corp
Current assignee: NEC Corp
Priority date: 2009-01-16
Filing date: 2009-01-16
Publication date: 2010-07-29
Anticipated expiration: 2029-01-16
Also published as: JP5182112B2

Abstract

【課題】符号化データの音声符号化方式を短時間で推定できるデコード装置および音声符号化方式推定方法を提供する。
【解決手段】本発明のデコード装置は、外部から未知の音声符号化方式で符号化された符号化データを受信するデータ入力部と、デコード可能な音声符号化方式が互いに異なる複数のデコーダを備えるデコーダ部と、前記データ入力部から受信した符号化データを周波数解析することにより音声フレームのフレーム長を推定し、前記推定したフレーム長に基づいて前記符号化データの音声符号化方式を判別し、前記デコーダ部から前記判別した音声符号化方式に対応するデコーダを選択し、前記符号化データを該デコーダにデコードさせるデータ処理部を有する。
【選択図】図１

Description

本発明は、デコード装置および音声符号化方式推定方法に関する。

近年、音声の帯域を対象とした多様な音声符号化方式が開発され、当該多様な音声符号化方式で符号化された音声データ（以降、符号化データと称する）が通信に用いられている。一方、日本の電波法では、あらかじめ届け出られていない音声符号化方式の符号化データを用いた通信波の発信は禁止されている。テロリズムや犯罪などの防止を目的として通信波を監視する場合、発信された通信波の音声符号化方式を推定し、当該音声符号化方式が届け出されているか否かを判別する必要がある。

音声符号化方式を推定するために、符号化データを規格が公開されている音声符号化方式のデコーダで順次デコードし、音声が出力されるか否かによって判別する方法がある。

なお、特許文献１では、符号化データに対して各音声符号化方式の特徴から分布をとり、その分布の特徴を見ることにより音声符号化方式を自動的に判別する方法が提示されている。

特開２００７−２４３６５０号公報

符号化データを規格が公開されている音声符号化方式のデコーダで順次デコードし、音声が出力されたか否かを判別するためには、音声の出力レベルあるいは周波数帯域を判別するための回路が必要となり、デコード装置の構成が複雑となる。音声の出力レベルあるいは出力周波数帯域から音声が出力されたか否かを判別すると、背景雑音などの影響により判別ミスが発生する場合もある。操作者の聴音により音声が出力されたか否かを判別することも可能であるが、操作者の多大な労力を必要とすることになる。また、現在、ＩＴＵ−Ｔ（International Telecommunication Union Telecommunication Standardization Sector）あるいはＥＴＳＩ（European Telecommunications Standards Institute）などで規格が公開されている音声の帯域を対象とした音声符号化方式は約２０種類ある。規格が公開されている全ての音声符号化方式でデコードすると音声符号化方式を推定するまでに多大な時間を要することになる。

また、上述した特許文献１では、符号化データを判別するための処理が音声符号化方式ごとに異なる。音声符号化方式ごとに異なる処理を実施する必要があるため、判別に時間を要する。

本発明の目的は、符号化データの音声符号化方式を短時間で推定できるデコード装置および音声符号化方式推定方法を提供することである。

上記目的を達成するために、本発明のデコード装置は、外部から未知の音声符号化方式で符号化された符号化データを受信するデータ入力部と、デコード可能な音声符号化方式が互いに異なる複数のデコーダを備えるデコーダ部と、前記データ入力部から受信した符号化データを周波数解析することにより音声フレームのフレーム長を推定し、前記推定したフレーム長に基づいて前記符号化データの音声符号化方式を判別し、前記デコーダ部から前記判別した音声符号化方式に対応するデコーダを選択し、前記符号化データを該デコーダにデコードさせるデータ処理部を有する。

本発明によれば、符号化データの音声符号化方式を短時間で推定できる。

第１の実施の形態のデコード装置の構成を示すブロック図である。図１に示したデータ処理部の処理手順を示すフローチャートである。Ｇ．７２９ＣＳ−ＡＣＥＬＰの符号化データの周波数スペクトルの波形図である。Ｇ．７２９ＣＳ−ＡＣＥＬＰ（８．０ｋｂｐｓ）の符号化データの連長ヒストグラムの分布図である。Ｇ．７２９ＣＳ−ＡＣＥＬＰ（６．４ｋｂｐｓ）の符号化データの連長ヒストグラムの分布図である。Ｇ．７２９ＣＳ−ＡＣＥＬＰ（１１．８ｋｂｐｓ）の符号化データの連長ヒストグラムの分布図である。ＡＣＥＬＰ（６．７ｋｂｐｓ）の符号化データの連長ヒストグラムの分布図である。ＬＤ−ＣＥＬＰ（１６ｋｂｐｓ）の符号化データの連長ヒストグラムの分布図である。ＤｏＤＭＥＬＰ（５４ｋｂｐｓ）の符号化データの連長ヒストグラムの分布図である。Ｇ．７２６ＡＤＰＣＭ（１６ｋｂｐｓ）の符号化データの連長ヒストグラムの分布図である。Ｇ．７２６ＡＤＰＣＭ（２４ｋｂｐｓ）の符号化データの連長ヒストグラムの分布図である。Ｇ．７２６ＡＤＰＣＭ（３２ｋｂｐｓ）の符号化データの連長ヒストグラムの分布図である。Ｇ．７２６ＡＤＰＣＭ（４０ｋｂｐｓ）の符号化データの連長ヒストグラムの分布図である。第２の実施の形態のデコード装置の構成を示すブロック図である。

次に本発明について図面を参照して詳細に説明する。

現在、規格が公開されている音声の帯域を対象とした音声符号化方式として、Ｇ．７２９ＣＳ−ＡＣＥＬＰ（Conjugate Structure Algebraic Code Excited Linear Prediction）、Ｇ．７２８ＬＤ−ＣＥＬＰ（low delay-code excited linear prediction）、電波産業会（ＡＲＩＢ）が規定するＡＣＥＬＰ（Conjugate Structure Algebraic Code Excited Linear Prediction）、アメリカ国防総省（ＤｏＤ）が規定するＭＥＬＰ（United States Department of Defense Mixed Excitation Linear Prediction）、Ｇ．７２６ＡＤＰＣＭ（Adaptive Differential Pulse Code Modulation）あるいはＧ７２２ＳＢ−ＡＤＰＣＭ（Sub-Band Adaptive Differential Pulse Code Modulation）などがある。

原音声データは、それぞれの音声符号化方式でサイズが規定されている音声フレームごとに符号化される。符号化データは、データ値の連続性について、音声符号化方式とビットレートの組み合わせ（以降、符号化仕様と称する）ごとに異なる特徴を有する。同一の符号化仕様では、データ値が０から１、あるいは１から０に変化する、音声フレーム内のビット位置および当該ビット位置から同一のデータ値が連続する長さをあらわす連長が類似する傾向にある。

符号化データが音声フレームの生成周期で類似した値を有するため、当該符号化データを、高速フーリエ変換（以降、ＦＦＴと称する）を用いて周波数解析すると、音声フレームが生成される周波数の倍数の周波数で波の強さが大きくなる。これを利用して、音声フレームのフレーム長を推定できる。フレーム長は、音声符号化方式およびビットレートごとに規定されるので、推定したフレーム長に基づいて符号化データの音声符号化方式を判別できる。

本発明のデコード装置は、外部から受信した符号化データ（以降、受信データと称する）を周波数解析することにより音声フレームのフレーム長を推定し、推定したフレーム長に基づいて当該受信データの音声符号化方式を判別する。

また、本発明のデコード装置は、受信データの音声フレームのビット位置ごとの連長のヒストグラムを作成し、符号化仕様ごとにあらかじめ作成しておいた連長のヒストグラムと比較することにより当該受信データの音声符号化方式を判別する。

（第１の実施の形態）
図１は本発明の第１の実施の形態のデコード装置の構成を示すブロック図である。

図１に示すように、第１の実施の形態のデコード装置１は、データ入力部１０、データ処理部１１、デコーダ部１２、ＤＡ変換器１３およびデータベース１４を有する。

データ入力部１０は、図示しない外部の通信機器あるいはハードディスクなどの記憶装置から入力された受信データをデータ処理部１１に出力する。

データ処理部１１は、データ入力部１０から受信した受信データを周波数解析し、音声フレームのフレーム長を推定し、推定したフレーム長に基づいて当該受信データの音声符号化方式を判別する。

また、データ処理部１１は、符号化仕様ごとの所定のサイズの符号化データに対する音声フレームのビット位置ごとの連長のヒストグラム（以降、参照ヒストグラムと称する）をあらかじめ作成しておく。データ処理部１１は、受信データから参照ヒストグラムを作成したサイズと同サイズのデータを抽出し、音声フレームのビット位置ごとの連長のヒストグラム（以降、連長ヒストグラムと称する）を作成する。データ処理部１１は、連長ヒストグラムと参照ヒストグラムを比較し、当該受信データの音声符号化方式を判別する。

また、データ処理部１１は、連長ヒストグラムと参照ヒストグラムとを比較することで、音声フレーム内のビット位置のずれを推定し、推定したビット位置のずれに相当するデータを破棄し、音声同期ずれを補償する。

さらに、データ処理部１１は、判別した音声符号化方式に応じてデコーダ部１２が備える入力スイッチ１５および出力スイッチ１６を切り替え、デコーダ部１２が備える、判別した音声符号化方式のデコーダに受信データを出力する。

デコーダ部１２は、デコード可能な音声符号化方式が互いに異なる複数のデコーダを備える。デコーダの例として、ＣＳ−ＡＣＥＬＰデコーダ、ＬＤ−ＣＥＬＰデコーダ、ＡＣＥＬＰデコーダ、ＭＥＬＰデコーダ、ＡＤＰＣＭデコーダあるいはＳＢ−ＡＤＰＣＭデコーダなどがある。さらに、デコーダ部１２は、デコードするデコーダを選択するための入力スイッチ１５および出力スイッチ１６を備える。デコーダ部１２は、データ処理部１１から受信した受信データを、データ処理部１１によって選択されたデコーダでデコードし、デコードされたデータ（以降、デコードデータと称する）をＤＡ変換器１３に出力する。

ＤＡ変換器１３は、デコーダ部１２から受信したデコードデータをアナログ値に変換して出力する。

データベース１４は、参照ヒストグラムを記憶するための記憶装置である。

データ処理部１１は、例えば各種の論理回路からなるＬＳＩによって実現できる。

次に図１に示したデコード装置１のデータ処理部１１の処理手順について図２のフローチャートを参照して説明する。

データ処理部１１は、処理を開始すると、まず、データ入力部１０から受信データを受信するまで待機する（ステップＳ１）。

データ処理部１１は、データ入力部１０から受信データを受信すると、当該受信データの音声フレームのフレーム長を推定する（ステップＳ２）。同一の符号化仕様では、データ値が０から１、あるいは１から０に変化する、音声フレーム内のビット位置および当該ビット位置以降同一のデータ値が連続する長さを示す連長が類似する傾向にある。符号化データが音声フレームの生成周期で類似した値を有するため、符号化データを周波数軸にならべかえた周波数スペクトルを作成すると、音声フレームが生成される周波数の倍数の周波数で波の強さが大きくなることが示される。これを利用して音声フレームのフレーム長を推定する方法を、Ｇ．７２９ＣＳ−ＡＣＥＬＰの音声符号化方式を例に説明する。図３は、Ｇ．７２９ＣＳ−ＡＣＥＬＰの符号化データの周波数スペクトルの波形図である。図３の横軸は、周波数を示し、縦軸は、各周波数の波の強さを示している。なお、現在、規格が公開されている、音声の帯域を対象とした音声符号化方式のサンプリング周波数は、Ｇ７２２ＳＢ−ＡＤＰＣＭでは１６ｋＨｚであり、それ以外では８ｋＨｚである。本発明では、ＦＦＴにより抽出する最大の周波数は、想定されるサンプリング周波数のうち最小のサンプリング周波数の半分である４ｋＨｚとしている。Ｇ．７２９ＣＳ−ＡＣＥＬＰでは、サンプリング周波数が８ｋＨｚであり、音声フレームのフレーム長が８０ビットであるため、音声フレームは１００Ｈｚ周期で生成される。図３に示す周波数スペクトルでは、１００Ｈｚの倍数の周波数で波の強さが大きくなることが示されている。つまり、符号化データを周波数軸にならべかえた周波数スペクトルの波の強さが大きくなる周期を測定することにより、符号化データの音声フレームのフレーム長を推定できる。

したがって、まず、データ処理部１１は、受信データを、ＦＦＴを用いて周波数軸にならべかえた周波数スペクトルを作成する。

次に、データ処理部１１は、周波数スペクトルから波の強さのピークを抽出する。周波数軸にならべかえた周波数スペクトルをあらかじめ設定された範囲で低周波数領域から高周波数領域に順に走査し、各周波数の波の強さとあらかじめ設定された上限閾値および下限閾値を比較していく。波の強さが上限閾値以上の状態になってから下限閾値以下の状態になるまでの間に波の強さが最大となる箇所をピークとして抽出する。

続いて、データ処理部１１は、隣り合うピークの間隔を測定し、全てのピーク間隔の平均値を算出する。なお、周波数スペクトルは、周波数軸にならべられているため、算出したピーク間隔の平均値は、周波数を示す。符号化データは、当該周波数の逆数で示される周期で類似した値を有していると考えられる。このため、音声フレームは、当該周波数で生成されると推定できる。したがって、当該周波数をサンプリング周波数で割った値が、音声フレームのフレーム長であると推定できる。図３に示したＧ．７２９ＣＳ−ＡＣＥＬＰの符号化データの周波数スペクトルでは、ピーク間隔の平均値が１００Ｈｚであり、サンプリング周波数が８ｋＨｚであるため、音声フレームのフレーム長は、８０フレームであると推定される。音声フレームのフレーム長は、符号化仕様に応じて規定されているため、推定したフレーム長から符号化仕様を推定できる。なお、ステップＳ２では受信データのサンプリング周波数が判明していないため、サンプリング周波数が８ｋＨｚであると仮定して音声フレームのフレーム長を算出する。当該算出したフレーム長を規定フレーム長とする。音声符号化方式がＧ７２２ＳＢ−ＡＤＰＣＭの場合、サンプリング周波数は１６ｋＨｚであり、規定フレーム長は、実際のフレーム長の半分になる。

規定フレーム長を推定すると、データ処理部１１は、推定した規定フレーム長と規格が公開されている全ての符号化仕様の規定フレーム長を比較する（ステップＳ３）。なお、ステップＳ２で、データ処理部１１は、受信データのサンプリング周波数が８ｋＨｚであると仮定して規定フレーム長を算出した。このため、サンプリング周波数が１６ｋＨｚの音声符号化方式と比較する場合、その符号化仕様の実際のフレーム長の半分を規定フレーム長とする。データ処理部１１は、推定した規定フレーム長が、規格が公開されている符号化仕様の規定フレーム長と一致すると、当該符号化仕様を受信データの符号化仕様の候補としてピックアップする。

規格が公開されているいずれの符号化仕様も受信データの符号化仕様の候補としてピックアップされなかった場合、データ処理部１１は、受信データの音声符号化方式が不明と判断し、ステップＳ９へ移行する。ステップＳ９へ移行すると、データ処理部１１は、利用者に音声符号化方式が不明であることを通知し（ステップＳ９）、処理を終了する。

一方、１つ以上の符号化仕様が受信データの符号化仕様の候補としてピックアップされた場合、データ処理部１１は、ステップＳ４へ移行し、受信データの連長ヒストグラムを作成する（ステップＳ４）。

図４は、Ｇ．７２９ＣＳ−ＡＣＥＬＰ（８．０ｋｂｐｓ）の符号化データの連長ヒストグラムの分布図である。図４の左側の図は、０の連長ヒストグラムを示し、右側の図は、１の連長ヒストグラムを示している。図４のＹ軸は、音声フレーム内のビット位置を示し、Ｘ軸は、連長数を示し、Ｚ軸は、連長の度数をログスケールで示している。Ｙ軸の最大値は、ステップＳ２で推定した規定フレーム長である。

図４に示した連長ヒストグラムの分布図の作成手順例を以下に示す。データ処理部１１は、受信データを先頭から走査し、データ値が１から０に変化すると、データ値が変化した音声フレーム内のビット位置をＹ軸上の値とし、当該ビット位置からデータ値０が連続する長さをＸ軸上の値として、０の連長ヒストグラムにプロットする。データ処理部１１は、同様に、データ値が０から１に変化すると、データ値が変化した音声フレーム内のビット位置をＹ軸上の値とし、当該ビット位置からデータ値１が連続する長さをＸ軸上の値として、１の連長ヒストグラムにプロットする。なお、データ値０が連続する長さが０の連長であり、データ値１が連続する長さが１の連長である。

データ処理部１１は、受信データの連長ヒストグラムを作成すると、作成した連長ヒストグラムを、ステップＳ３で受信データの符号化仕様の候補としてピックアップした全ての符号化仕様の参照ヒストグラムと比較する（ステップＳ５）。

図５は、Ｇ．７２９ＣＳ−ＡＣＥＬＰ（６．４ｋｂｐｓ）の符号化データの連長ヒストグラムの分布図である。図６は、Ｇ．７２９ＣＳ−ＡＣＥＬＰ（１１．８ｋｂｐｓ）の符号化データの連長ヒストグラムの分布図である。図７は、ＡＣＥＬＰ（６．７ｋｂｐｓ）の符号化データの連長ヒストグラムの分布図である。図８は、ＬＤ−ＣＥＬＰ（１６ｋｂｐｓ）の符号化データの連長ヒストグラムの分布図である。図９は、ＤｏＤＭＥＬＰ（５４ｋｂｐｓ）の符号化データの連長ヒストグラムの分布図である。図１０は、Ｇ．７２６ＡＤＰＣＭ（１６ｋｂｐｓ）の符号化データの連長ヒストグラムの分布図である。図１１は、Ｇ．７２６ＡＤＰＣＭ（２４ｋｂｐｓ）の符号化データの連長ヒストグラムの分布図である。図１２は、Ｇ．７２６ＡＤＰＣＭ（３２ｋｂｐｓ）の符号化データの連長ヒストグラムの分布図である。図１３は、Ｇ．７２６ＡＤＰＣＭ（４０ｋｂｐｓ）の符号化データの連長ヒストグラムの分布図である。図４から図１３までに示したように、連長ヒストグラムは、符号化仕様によって異なる特徴を有する。また、同一の符号化仕様では、データ値が０から１に、あるいは１から０に変化する、音声フレーム内のビット位置および当該ビット位置での連長が類似する傾向にある。したがって、ステップＳ４で作成した連長ヒストグラムを規格が公開されている符号化仕様ごとにあらかじめ作成しておいた参照ヒストグラムと比較し、その相関性を求めることにより、受信データの音声符号化方式を推定できる。

ステップＳ４で作成した０の連長ヒストグラムをｆ₀（ｘ、ｙ）、１の連長ヒストグラムをｆ₁（ｘ、ｙ）とする。また、規格が公開されている符号化仕様ごとにあらかじめ作成しておいた０の参照ヒストグラムをｇ₀（ｘ、ｙ）、１の参照ヒストグラムをｇ₁（ｘ、ｙ）とする。ここで、ｘは、各音声フレーム内のビット位置における連長数であり、連長数の最大値をＭとすると、１≦ｘ≦Ｍの範囲の値となる。また、ｙは、音声フレーム内のビット位置であり、音声フレームの規定フレーム長をＮとすると、０≦ｙ≦（Ｎ−１）の範囲の値となる。

また、デコード装置１は、図示しないエンコード装置と必ずしも同期をとっているわけではない。このため、デコード装置１は、エンコード装置がエンコードした符号化データを必ずしも先頭から受信しているとは限らない。したがって、ステップＳ４で作成した連長ヒストグラムと参照ヒストグラムとの相関性は、音声フレーム内のビット位置のずれを考慮して、求められなければならない。

そこで、データ処理部１１は、連長ヒストグラムの音声フレーム内のビット位置を値ｋずつずらして参照ヒストグラムとの相関値を求める。なお、ｋは、音声フレーム内のビット位置の範囲内の値であり、音声フレームの規定フレーム長以上の値にはならない。

式（１）に示すように、相関値は、連長ヒストグラムと参照ヒストグラムの音声フレーム内のビット位置ごとの０の連長の差分絶対値と１の連長の差分絶対値の総和で算出される。

０≦ｋ≦（Ｎ−１）の範囲で、式（１）により算出される相関値が最小となるｋが、音声フレーム内のビット位置のずれであると推定できる。

データ処理部１１は、ステップＳ３で受信データの符号化仕様の候補としてピックアップした全ての符号化仕様の参照ヒストグラムに対して相関値を算出する。データ処理部１１は、当該相関値が最小となる参照ヒストグラムの音声符号化方式が受信データの音声符号化方式であると推定する。なお、ステップＳ３で受信データの符号化仕様の候補としてピックアップした符号化仕様が１種類のみである場合、当該符号化仕様の音声符号化方式が受信データの音声符号化方式であると推定する。

続いて、データ処理部１１は、ステップＳ５で算出した相関値が、あらかじめ設定された閾値以下であるか否かを判別する（ステップＳ６）。ステップＳ５で算出した相関値があらかじめ設定された閾値以下でない場合、データ処理部１１は、受信データの音声符号化方式が不明と判断し、ステップＳ９へ移行する。ステップＳ９へ移行すると、データ処理部１１は、利用者に音声符号化方式が不明であることを通知し（ステップＳ９）、処理を終了する。

一方、ステップＳ５で算出した相関値があらかじめ設定された閾値以下の場合、データ処理部１１は、受信データがステップＳ５で推定した符号化仕様の音声符号化方式で符号化されたと判断し、ステップＳ７へ移行する。

ステップＳ７へ移行すると、データ処理部１１は、受信データの先頭からステップＳ６で推定した音声フレーム内のビット位置のずれに相当するデータを破棄し、音声フレームの同期をあわせる（ステップＳ７）。

続いて、デコーダ部１２が備える入力スイッチ１５および出力スイッチ１６を切り替え、推定した音声符号化方式のデコーダを選択し（ステップＳ８）、処理を終了する。

第１の実施の形態のデコード装置は、ステップＳ２でフレーム長を推定した後に、ステップＳ４に移行し、受信データの連長ヒストグラムに基づいて、音声符号化方式を限定する。ステップＳ２でフレーム長を推定したときに、受信データの音声符号化方式が限定できる場合、ステップＳ４からステップＳ７を省略し、フレーム長から推定した音声符号化方式のデコーダを選択してもよい。この場合、データ処理部１１で同期ずれ補償ができず、デコーダ部１２で同期ずれ補償を実施する必要があるが、ステップＳ４からステップＳ７を省略できるため、より高速に受信データの音声符号化方式を推定できる。

第１の実施の形態のデコード装置は、受信データを周波数解析することにより、音声フレームのフレーム長を推定する。推定したフレーム長が、規格が公開されている符号化仕様のうち、１種類のみの符号化仕様で規定されているフレーム長と一致する場合、当該符号化仕様の音声符号化方式が受信データの音声符号化方式であると推定できる。また、推定したフレーム長が、規格が公開されている全ての符号化仕様で規定されているフレーム長と一致しない場合、受信データは、不明な音声符号化方式で符号化されていると推定できる。

また、第１の実施の形態のデコード装置は、受信データの連長ヒストグラムを作成し、規格が公開されている符号化仕様ごとにあらかじめ作成しておいた参照ヒストグラムと比較することにより、受信データの音声符号化方式を推定する。受信データの音声フレームのフレーム長から音声符号化方式を限定できなかった場合、連長ヒストグラムと参照ヒストグラムを比較することにより当該音声符号化方式を１種類に限定できる。また、連長ヒストグラムと参照ヒストグラムを比較することにより受信データの音声符号化方式の推定の確度を高めることができる。

また、第１の実施の形態のデコード装置は、連長ヒストグラムの音声フレーム内のビット位置のずれを考慮して、参照ヒストグラムとの相関性を求める。このため、デコード装置とエンコード装置の同期が取られていない場合でも、デコード装置は、受信データの音声符号化方式を推定できる。デコード装置は、音声フレーム内のビット位置のずれに相当するデータを破棄した受信データをデコーダ部に供給するため、デコーダ部で音声フレームの同期をとる必要がなくなり、デコード処理を実施するまでの時間を短縮できる。

これらにより、受信データの音声符号化方式を短時間に推定できる。

（第２の実施の形態）
第１の実施の形態のデータ処理部の処理はプログラムによって実現されても良い。

図１４は第２の実施の形態のデコード装置の構成を示すブロック図である。

図１４に示すように、第２の実施の形態のデコード装置１は、ＣＰＵ２０と、主記憶装置２１と、補助記憶装置２２と、記録媒体インタフェース装置２３と、記録媒体２４と、データ入力部１０と、データベース１４と、デコーダ部１２と、ＤＡ変換器１３とを備え、それらが内部バス３０を介して接続される。

記録媒体２４には、第１の実施の形態のデータ処理部の機能を実現するためのプログラムが記録される。記録媒体２４に記録されたプログラムはＣＰＵ２０によって記憶媒体インタフェース装置２３を介して主記憶装置２１に読み込まれる。ＣＰＵ２０は主記憶装置２１に読み込んだプログラムにしたがって処理を実行する。なお、記録媒体２４は、磁気ディスク、半導体メモリ、光ディスクあるいはその他の記録媒体であってもよい。

１デコード装置
１０データ入力部
１１データ処理部
１２デコーダ部
１３ＤＡ変換器
１４データベース
１５入力スイッチ
１６出力スイッチ
２０ＣＰＵ
２１主記憶装置
２２補助記憶装置
２３記録媒体インタフェース部
２４記録媒体

Claims

外部から未知の音声符号化方式で符号化された符号化データを受信するデータ入力部と、
デコード可能な音声符号化方式が互いに異なる複数のデコーダを備えるデコーダ部と、
前記データ入力部から受信した符号化データを周波数解析することにより音声フレームのフレーム長を推定し、前記推定したフレーム長に基づいて前記符号化データの音声符号化方式を判別し、前記デコーダ部から前記判別した音声符号化方式に対応するデコーダを選択し、前記符号化データを該デコーダにデコードさせるデータ処理部と、
を有するデコード装置。
前記データ処理部は、
前記符号化データの音声フレームのビット位置ごとの連長のヒストグラムを作成し、規格が公開されている音声符号化方式およびビットレートの組み合わせごとにあらかじめ作成しておいた音声フレームのビット位置ごとの連長のヒストグラムと比較することにより前記符号化データの音声符号化方式を判別する請求項１記載のデコード装置。
前記データ処理部は、
前記符号化データの音声フレームのビット位置ごとの連長のヒストグラムと、前記規格が公開されている音声符号化方式およびビットレートの組み合わせごとにあらかじめ作成しておいた音声フレームのビット位置ごとの連長のヒストグラムの比較により、音声フレーム内のビット位置のずれを推定し、前記推定したビット位置のずれに相当するデータを破棄した前記符号化データを前記デコーダ部に供給する請求項２記載のデコード装置。
互いにデコード可能な音声符号化方式が異なる複数のデコーダを備えるデコード装置の音声符号化方式推定方法であって、
受信した符号化データを周波数解析することにより音声フレームのフレーム長を推定し、
前記推定したフレーム長に基づいて前記符号化データの音声符号化方式を判別し、
前記判別した音声符号化方式に対応するデコーダを選択し、前記符号化データを該デコーダにデコードさせる音声符号化方式推定方法。
前記符号化データの音声フレームのビット位置ごとの連長のヒストグラムを作成し、規格が公開されている音声符号化方式およびビットレートの組み合わせごとにあらかじめ作成しておいた音声フレームのビット位置ごとの連長のヒストグラムと比較することにより前記符号化データの音声符号化方式を判別する請求項４記載の音声符号化方式推定方法。
前記符号化データの音声フレームのビット位置ごとの連長のヒストグラムと、前記規格が公開されている音声符号化方式およびビットレートの組み合わせごとにあらかじめ作成しておいた音声フレームのビット位置ごとの連長のヒストグラムの比較により、音声フレーム内のビット位置のずれを推定し、
前記推定したビット位置のずれに相当するデータを破棄した前記符号化データを前記デコーダに供給する請求項５記載の音声符号化方式推定方法。