JP2011085643A - デコーダ、情報処理装置及び音声圧縮フォーマット判定方法 - Google Patents

Abstract

【課題】入力される音声圧縮信号の圧縮フォーマットに応じて、短時間で音声圧縮信号の復号化ができるようにする。
【解決手段】同期信号、フレーム長情報及び音声信号を含むフレームを単位として複数のフレームが順次配列して構成された符号化音声ストリームをデコード処理するデコーダであって、受信した符号化音声ストリームに含まれる同期信号及びフレーム長情報を用いて、符号化音声ストリームの音声圧縮フォーマットを判定するフォーマット判定手段と、フォーマット判定手段により判定された音声圧縮フォーマットでのデコード処理に用いる情報に基づいて、符号化音声ストリームを１フレームごとに抽出するデータ抽出手段と、フォーマット判定手段により判定された音声圧縮フォーマットでのデコード処理に用いる情報に基づいて、データ抽出手段で１フレームごとに抽出された符号化音声ストリームについてデコード処理を行うデコード手段と、を有する。
【選択図】図２

Description

本発明は、デコーダ、情報処理装置及び音声圧縮フォーマット判定方法に関し、特に、フレームを単位として複数のフレームが順次配列して構成された符号化音声ストリームのデコード処理に好ましく適用される技術に関するものである。

従来、映像データ圧縮方式ＭＰＥＧ−１で利用されるＭＰ３や、ＭＰＥＧ−２あるいはＭＰＥＧ−４で利用されるＡＡＣ（Advanced Audio Coding）等の音声圧縮方式が知られている。ＭＰ３やＡＡＣ ＡＤＴＳ（Audio Data Transport Stream）形式のファイルフォーマットにおいては、フレームごとにヘッダが備えられており、デコーダはヘッダ内に含まれる位置情報等に基づいて、フレームの先頭位置を検出して再生のための同期を取ることができる。

音声復号化装置（オーディオデコーダ）が複数の音声圧縮方式（音声圧縮フォーマット）に対応する方法としては、主に以下の２つが挙げられる。第１の方法は、復号化する前に特定の１つの音声圧縮信号フォーマットを設定して復号化を行うものである。第２の方法は、入力された符号化音声信号（音声圧縮信号）に対し、各音声圧縮フォーマット専用の復号化プログラムを順に実行し、正常に復号化処理が完了することで音声圧縮フォーマットの判別して復号化を行うものである。

しかし、第１の方法では、復号化する前に特定の１つの音声圧縮フォーマットを設定し復号化を行うため、入力される音声圧縮フォーマットに応じて復号化することができなかった。また、第２の方法では、回路に入力された音声圧縮信号に対し、各音声圧縮フォーマット専用の復号化プログラムを順に実行し、正常に復号化処理が完了することで音声圧縮フォーマットの判別を行っているため、最低でも一度復号化処理を完了させなければならない。そのため、音声圧縮フォーマット判定に時間を要し、復号化した音声ベースバンド信号の出力が遅れる場合があった。

例えば特許文献１では、ＦＳ動作で補正する際に音声ノイズが発生しないようにＡＤＴＳフレームに位相を合わせて補正するＡＤＴＳフレーム音声ＦＳ回路が開示されている。当該ＡＤＴＳフレーム音声ＦＳ回路は、ＡＤＴＳシンク信号と基準ＡＤＴＳシンク信号とが所定値以上ずれた場合にずれが生じたと判断し、複数回のタイミングで１ＡＤＴＳ分に相当するサンプル数のずれをなくした上でＦＳベースバンド音声信号を出力する。

特開２００５−２８３８３４号公報

特許文献１で開示された技術は、前段の音声符号化情報を用いて再符号化を行う装置に関し、ベースバンド音声と前段の音声符号化情報との位相のずれを解消しようとするものである。このため、複数の音声圧縮フォーマットに対応する方法として挙げた第１及び第２の方法における上記問題点を解決することはできない。

そこで、本発明は、入力される音声圧縮信号の圧縮フォーマットに応じて、短時間で音声圧縮信号の復号化ができるようにすることを目的とする。

本発明のデコーダは、フレームの先頭であることを示す同期信号、フレームの長さを表すフレーム長情報及び音声信号を含むフレームを単位として複数のフレームが順次配列して構成された符号化音声ストリームをデコード処理するデコーダであって、受信した符号化音声ストリームに含まれる同期信号及びフレーム長情報を用いて、符号化音声ストリームの音声圧縮フォーマットを判定するフォーマット判定手段と、フォーマット判定手段により判定された音声圧縮フォーマットでのデコード処理に用いる情報に基づいて、符号化音声ストリームを１フレームごとに抽出するデータ抽出手段と、フォーマット判定手段により判定された音声圧縮フォーマットでのデコード処理に用いる情報に基づいて、データ抽出手段で１フレームごとに抽出された符号化音声ストリームについてデコード処理を行うデコード手段と、を有する。

本発明の情報処理装置は、上記のデコーダを搭載した装置である。

本発明の音声圧縮フォーマット判定方法は、フレームの先頭であることを示す同期信号、フレームの長さを表すフレーム長情報及び音声信号を含むフレームを単位として複数のフレームが順次配列して構成された符号化音声ストリームのデコード処理において行う音声圧縮フォーマット判定方法であって、受信した符号化音声ストリームに含まれる同期信号を取得する第１ステップと、第１ステップで取得された同期信号と各音声圧縮フォーマットに用いられる同期信号とを比較し、音声圧縮フォーマットの仮判定を行う第２ステップと、第２ステップで両同期信号が一致した場合に、第１ステップで同期信号を取得したフレームに含まれるフレーム長情報を取得する第３ステップと、第３ステップで取得されたフレーム長情報から、該フレーム長情報が含まれるフレーム以降のフレームに含まれる同期信号のデータ位置を求め、該データ位置の同期信号を取得する第４ステップと、第４ステップで取得された同期信号と各音声圧縮フォーマットに用いられる同期信号とを比較し、音声圧縮フォーマットの本判定を行う第５ステップと、を有する。

本発明によれば、入力される音声圧縮信号の圧縮フォーマットに応じて、短時間で音声圧縮信号の復号化を行うことが可能となる。

本発明の実施形態に係る情報処理装置の概略構成図である。 本発明の実施形態に係るオーディオデコーダの概略構成図である。 本発明の実施形態に係る音声圧縮フォーマット判定処理のフローチャートである。 本発明の実施形態に係る音声圧縮フォーマット判定処理の説明図である。 本発明の実施形態に係る音声圧縮フォーマット判定処理の説明図である。

本発明では、単位時間当たりの音声データが符号化されたデータを１フレームの音声圧縮信号とし、フレーム単位で音声圧縮信号の復号化を行い、復号化した音声ベースバンド信号を出力する音声復号化装置において、入力された音声圧縮信号の音声圧縮信号フォーマットをsｙｎｃｗｏｒｄとｆｒａｍｅ ｌｅｎｇｔｈ情報を用いて自動判別する。以下、本発明の実施形態として、音声復号化装置であるオーディオデコーダを搭載したＰＣについて、図面を参照して説明する。

はじめに構成について説明する。図１は、本実施形態に係るＰＣの概略構成図である。ＰＣ１００は、アンテナ１０、チューナ２０、Ｄｅｍｕｘ３０、ビデオデコーダ４０、ビデオバッファ５０、ディスプレイ６０、オーディオデコーダ７０、オーディオバッファ８０、スピーカ９０を備える。

アンテナ１０は地上デジタル波を受信する装置であり、チューナ２０は目的とする周波数の電波を選択する同調回路を持つ装置である。Ｄｅｍｕｘ３０は、地上デジタル波を受信したアンテナ１０から地上デジタル放送データＴＳを受け取る。地上デジタル放送データＴＳは、ＭＰＥＧ−２ ＴＳに準拠した多重化データストリームであり、符号化ビデオデータ、符号化オーディオデータ、文字データ、放送局のクロック等を含んでいる。Ｄｅｍｕｘ３０は、地上デジタル放送データＴＳを、符号化ビデオデータ、符号化オーディオデータ、文字データ等に分離する。

ビデオデコーダ４０は、Ｄｅｍｕｘ３０から符号化ビデオデータを入力して復号化（デコード）する。ビデオバッファ５０はデコード処理後のビデオデータをバッファリングし、ディスプレイ６０はビデオバッファ５０でバッファリングされたビデオデータを映像として出力する。オーディオデコーダ７０は、Ｄｅｍｕｘ３０から符号化オーディオデータを入力して復号化（デコード）する。オーディオバッファ８０はデコード処理後のオーディオデータをバッファリングし、スピーカ９０はオーディオバッファ８０でバッファリングされたオーディオデータを音声として出力する。

図２は、本実施形態に係るオーディオデコーダの概略構成図である。オーディオデコーダ７０は、フォーマット判定処理部７１、データ抽出処理部７２、復号化処理部７３、制御部７４を備え、ＭＰＥＧ−ＡＡＣ方式における一実施例である。

フォーマット判定処理部７１は、符号化音声オーディオデータに含まれる同期信号（sｙｎｃｗｏｒｄ）とフレーム長情報（ｆｒａｍｅ ｌｅｎｇｔｈ情報）を用いて符号化音声オーディオデータの音声圧縮フォーマットを判定する。データ抽出処理部７２は、フォーマット判定処理部７１で判定された音声圧縮フォーマットでのデコード処理に用いる情報に基づいて、符号化音声オーディオデータを１フレームごとに抽出する。復号化処理部７３は、フォーマット判定処理部７１で判定された音声圧縮フォーマットでのデコード処理に用いる情報に基づいて、データ抽出処理部７２で１フレームごとに抽出された符号化音声オーディオデータについてデコード処理を行う。制御部７４は、フォーマット判定処理部７１が判定した音声圧縮フォーマットに関する各種情報を管理する。具体的には、フォーマット判定処理部７１から判定結果（音声圧縮フォーマットのフォーマット名）を受け取り、該音声圧縮フォーマットでのデコード処理に用いる情報（デコード情報）をデータ抽出処理部７２と復号化処理部７３に送出する。

フォーマット判定処理部７１は、Ｄｅｍｕｘ３０から入力した音声圧縮信号１の音声圧縮フォーマットを判定し、制御部７４にフォーマット情報（フォーマット名）４を通知する。次に、データ抽出処理部７２は、制御部７４から通知されたフォーマット情報（デコード情報）５をもとに、音声圧縮信号１から１フレーム分の音声圧縮信号２を抽出し、復号化処理部７３へ出力する。そして、復号化処理部７３は、制御部７４から通知されるフォーマット情報（デコード情報）５をもとに、１フレーム分の音声圧縮信号２を復号化し、ベースバンド音声信号３を出力する。

次にフォーマット判定方法について説明する。図２のフォーマット判定処理部７１の動作について、図３の処理フローチャート、図４及び図５の説明図を用いて説明する。図５はＡＤＴＳ、ＬＡＴＭ／ＬＯＡＳフォーマットのｓｙｎｃｗｏｒｄのビット列を表す。ここではＩＳＯ／ＩＥＣ１３８１８−７やＩＳＯ／ＩＥＣ１４４９６−３にて規定された音声圧縮フォーマットであるＡＤＴＳとＬＡＴＭ／ＬＯＡＳ（Low Overhead Audio Transport Multiplex / Low Overhead Audio Stream）フォーマットを判定する場合について説明する。

まず、フォーマット判定処理部７１は、Ｄｅｍｕｘ３０から音声圧縮信号１を入力する（ステップＳ１）。次に、フォーマット判定処理部７１は、入力した音声圧縮信号１の１つ目のフレームのヘッダに含まれるｓｉｎｃｗｏｒｄのビット列（先頭１２ｂｉｔ）とＡＤＴＳフォーマットのｓｉｎｃｗｏｒｄのビット列（１２ｂｉｔ）（図５）を比較する（ステップＳ２、図４（１））。図５に示す音声圧縮フォーマットのｓｉｎｃｗｏｒｄのビット列の情報は、例えばフォーマット判定処理部７１が保持するように構成してもよい。

両ビット列が一致した場合（ステップＳ２／ＹＥＳ）は、入力した音声圧縮信号１がＡＤＴＳフォーマットであると仮定し、フォーマット判定処理部７１は、音声圧縮信号１の１つ目のフレームのヘッダに含まれるｆｒａｍｅ ｌｅｎｇｔｈ情報が格納されたフィールドからｆｒａｍｅ ｌｅｎｇｔｈ情報を抽出する（ステップＳ３、図４（２））。そして、抽出したｆｒａｍｅ ｌｅｎｇｔｈ情報が規格値を満たしていることを確認する（ステップＳ４、図４（３））。音声圧縮フォーマットごとのｆｒａｍｅ ｌｅｎｇｔｈ情報の規格値は、例えばフォーマット判定処理部７１が保持するように構成してもよい。

抽出したｆｒａｍｅ ｌｅｎｇｔｈ情報が規格値を満たしている場合（ステップＳ４／ＹＥＳ）、フォーマット判定処理部７１は、ｆｒａｍｅ ｌｅｎｇｔｈ情報を用いて、２つ目のフレームのヘッダに含まれるｓｉｎｃｗｏｒｄが格納されているフィールドの位置を算出する（ステップＳ５、図４（４））。そして、当該フィールドに格納されているｓｉｎｃｗｏｒｄビット列とＡＤＴＳフォーマットのｓｉｎｃｗｏｒｄのビット列（図５）を比較する（ステップＳ６、図４（５））。

両ビット列が一致した場合（ステップＳ６／ＹＥＳ）、フォーマット判定処理部７１は、入力した音声圧縮信号１がＡＤＴＳフォーマットであると判定する（ステップＳ１３）。

一方、音声圧縮信号１（１つ目のフレーム）に含まれるｓｉｎｃｗｏｒｄのビット列とＡＤＴＳフォーマットのｓｉｎｃｗｏｒｄのビット列（図５）を比較して両ビット列が一致しなかった場合（ステップＳ２／ＮＯ）、フォーマット判定処理部７１は、音声圧縮信号１のｓｉｎｃｗｏｒｄのビット列（先頭１１ｂｉｔ）とＬＡＴＭ／ＬＯＡＳフォーマットのｓｉｎｃｗｏｒｄのビット列（１１ｂｉｔ）（図５）を比較する（ステップＳ７、図４（１））。

両ビット列が一致した場合（ステップＳ７／ＹＥＳ）は、入力した音声圧縮信号１がＬＡＴＭ／ＬＯＡＳフォーマットであると仮定し、フォーマット判定処理部７１は、音声圧縮信号１の１つ目のフレームのヘッダに含まれるｆｒａｍｅ ｌｅｎｇｔｈ情報が格納されたフィールドからｆｒａｍｅ ｌｅｎｇｔｈ情報を抽出する（ステップＳ８、図４（２））。そして、抽出したｆｒａｍｅ ｌｅｎｇｔｈ情報が規格値を満たしていることを確認する（ステップＳ９、図４（３））。

抽出したｆｒａｍｅ ｌｅｎｇｔｈ情報が規格値を満たしている場合（ステップＳ９／ＹＥＳ）、フォーマット判定処理部７１は、ｆｒａｍｅ ｌｅｎｇｔｈ情報を用いて、２つ目のフレームのヘッダに含まれるｓｉｎｃｗｏｒｄが格納されているフィールドの位置を算出する（ステップＳ１０、図４（４））。そして、当該フィールドに格納されているｓｉｎｃｗｏｒｄビット列とＬＡＴＭ／ＬＯＡＳフォーマットのｓｉｎｃｗｏｒｄのビット列を比較する（ステップＳ１１、図４（５））。

両ビット列が一致した場合（ステップＳ１１／ＹＥＳ）、フォーマット判定処理部７１は、入力した音声圧縮信号１がＬＡＴＭ／ＬＯＡＳフォーマットであると判定する（ステップＳ１３）。

音声圧縮信号１（１つ目あるいは２つ目のフレーム）に含まれるｓｉｎｃｗｏｒｄのビット列とＡＤＴＳあるいはＬＡＴＭ／ＬＯＡＳフォーマットのｓｉｎｃｗｏｒｄのビット列との比較でいずれとも一致しなかった場合（ステップＳ２／ＮＯ、ステップＳ７／ＮＯ、ステップＳ６／ＮＯ、ステップＳ１１／ＮＯ）、また抽出したｆｒａｍｅ ｌｅｎｇｔｈ情報が規格値を満たしていない場合（ステップＳ４／ＮＯ、ステップＳ９／ＮＯ）には、フォーマット判定処理部７１は、音声圧縮信号１を１バイトシフトさせて（ステップＳ１２）、再度、１つ目のフレームに含まれるｓｉｎｃｗｏｒｄのビット列とＡＤＴＳフォーマットのｓｉｎｃｗｏｒｄのビット列との比較を行う（ステップＳ２）。

なお、上述したフローでは、２つ目のｓｙｎｃｗｏｒｄを検出した時点で音声圧縮フォーマットを判定しているが、３つ目、４つ目のｓｙｎｃｗｏｒｄまで検出した時点にて判定するように同様の処理を複数回繰り返してもよい。このように構成することで、音声圧縮フォーマット判定の精度が上がり、誤検知の可能性を抑えることができる。

上述した本実施形態によれば、入力した音声圧縮信号に含まれるｓｙｎｃｗｏｒｄ及びｆｒａｍｅ ｌｅｎｇｔｈ情報を用いて、該信号の符号化で用いられた音声圧縮フォーマットを判定するため、復号化する前に特定の１つの音声圧縮フォーマットの設定が不要となるだけでなく、音声圧縮フォーマット判定時間を短縮化でき復号化処理の開始を早くすることが可能となる。

なお、上述する実施形態は、本発明の好適な実施形態であり、上記実施形態のみに本発明の範囲を限定するものではなく、本発明の要旨を逸脱しない範囲において種々の変更を施した形態での実施が可能である。本発明が適用される情報処理装置は、上述したＰＣのほか、携帯電話機、ＰＤＡ（Personal Digital Assistant）等でもよい。また、本発明は、テレビ受信装置や再生録画装置に適用することも可能である。

また、本実施形態のオーディオデコーダの各機能は回路等のハードウェアで構成してもよいし、プログラム等のソフトウェアで構成してもよい。後者の場合、該プログラムは、先に述べた各部（フォーマット判定処理部７１、データ抽出処理部７２、復号化処理部７３等）に相当する機能を実現するモジュール構成となっており、実際のハードウェアを用いて具体的手段を実現する。すなわち、コンピュータ（ＣＰＵ）が所定の記録媒体からプログラムを読み出して実行することにより上記各部に相当する手段が主記憶装置上にロードされて生成される。

そして、該プログラムは、インターネット等のネットワークに接続されたコンピュータ上に格納され、ネットワーク経由でダウンロードさせることにより提供されるように構成してもよい。また、上記プログラムをインターネット等のネットワーク経由で提供あるいは配布するように構成してもよい。

また、上記プログラムは、インストール可能な形式又は実行可能な形式のファイルで、フロッピー（登録商標）ディスク、ハードディスク、光ディスク、光磁気ディスク、ＣＤ−ＲＯＭ、ＣＤ−Ｒ、ＤＶＤ、不揮発性のメモリカード等のコンピュータで読み取り可能な記録媒体に記録されて提供されるように構成してもよい。また、上記プログラムは、ＲＯＭ等にあらかじめ組み込んで提供するように構成してもよい。

この場合、上記記録媒体から読み出された又は通信回線を通じてロードし実行されたプログラムコード自体が前述の実施形態の機能を実現することになる。そして、そのプログラムコードを記録した記録媒体は本発明を構成する。

１ 音声圧縮信号
２ １フレーム分の音声圧縮信号
３ ベースバンド音声信号
４ フォーマット情報（フォーマット名）
５ フォーマット情報（デコード情報）
１０ アンテナ
２０ チューナ
３０ Ｄｅｍｕｘ
４０ ビデオデコーダ
５０ ビデオバッファ
６０ ディスプレイ
７０ オーディオデコーダ
７１ フォーマット判定処理部
７２ データ抽出処理部
７３ 復号化処理部
７４ 制御部
８０ オーディオバッファ
９０ スピーカ
１００ ＰＣ

Claims (7)

1. フレームの先頭であることを示す同期信号、前記フレームの長さを表すフレーム長情報及び音声信号を含む前記フレームを単位として複数のフレームが順次配列して構成された符号化音声ストリームをデコード処理するデコーダであって、
   受信した符号化音声ストリームに含まれる前記同期信号及び前記フレーム長情報を用いて、前記符号化音声ストリームの音声圧縮フォーマットを判定するフォーマット判定手段と、
   前記フォーマット判定手段により判定された音声圧縮フォーマットでのデコード処理に用いる情報に基づいて、前記符号化音声ストリームを１フレームごとに抽出するデータ抽出手段と、
   前記フォーマット判定手段により判定された音声圧縮フォーマットでのデコード処理に用いる情報に基づいて、前記データ抽出手段で１フレームごとに抽出された符号化音声ストリームについてデコード処理を行うデコード手段と、
   を有することを特徴とするデコーダ。
2. 前記フォーマット判定手段は、受信した符号化音声ストリームに含まれる前記同期信号と各音声圧縮フォーマットに用いられる前記同期信号とを比較して音声圧縮フォーマットを判定することを特徴とする請求項１に記載のデコーダ。
3. 前記フォーマット判定手段は、受信した符号化音声ストリームに含まれる前記フレーム長情報から、該フレーム長情報が含まれるフレーム以降のフレームに含まれる前記同期信号のデータ位置を求めることを特徴とする請求項１又は２に記載のデコーダ。
4. 前記フォーマット判定手段は、各音声圧縮フォーマットに用いられる前記フレーム長情報の規格値に基づいて、受信した符号化音声ストリームに含まれる前記フレーム長情報が前記規格値を満たしているか判定し、前記規格値を満たしていると判定された場合に、該フレーム長情報から該フレーム長情報が含まれるフレーム以降のフレームに含まれる前記同期信号のデータ位置を求め、前記データ位置の前記前記同期信号と各音声圧縮フォーマットに用いられる前記同期信号とを比較して音声圧縮フォーマットを判定することを特徴とする請求項１から３のいずれか１項に記載のデコーダ。
5. 前記フォーマット判定手段は、受信した符号化音声ストリームの音声圧縮フォーマットを判定した後に、該音声圧縮フォーマットでのデコード処理に用いる情報を前記データ抽出手段及び前記デコード手段に送出することを特徴とする請求項１から４のいずれか１項に記載のデコーダ。
6. 請求項１から５のいずれか１項に記載のデコーダを搭載することを特徴とする情報処理装置。
7. フレームの先頭であることを示す同期信号、前記フレームの長さを表すフレーム長情報及び音声信号を含む前記フレームを単位として複数のフレームが順次配列して構成された符号化音声ストリームのデコード処理において行う音声圧縮フォーマット判定方法であって、
   受信した符号化音声ストリームに含まれる前記同期信号を取得する第１ステップと、
   前記第１ステップで取得された前記同期信号と各音声圧縮フォーマットに用いられる前記同期信号とを比較し、音声圧縮フォーマットの仮判定を行う第２ステップと、
   前記第２ステップで両同期信号が一致した場合に、前記第１ステップで前記同期信号を取得したフレームに含まれる前記フレーム長情報を取得する第３ステップと、
   前記第３ステップで取得された前記フレーム長情報から、該フレーム長情報が含まれるフレーム以降のフレームに含まれる前記同期信号のデータ位置を求め、該データ位置の前記同期信号を取得する第４ステップと、
   前記第４ステップで取得された前記同期信号と各音声圧縮フォーマットに用いられる前記同期信号とを比較し、音声圧縮フォーマットの本判定を行う第５ステップと、
   を有することを特徴とする音声圧縮フォーマット判定方法。

Images