JP2917766B2 - 音声高能率符号化装置 - Google Patents
音声高能率符号化装置Info
- Publication number
- JP2917766B2 JP2917766B2 JP23239193A JP23239193A JP2917766B2 JP 2917766 B2 JP2917766 B2 JP 2917766B2 JP 23239193 A JP23239193 A JP 23239193A JP 23239193 A JP23239193 A JP 23239193A JP 2917766 B2 JP2917766 B2 JP 2917766B2
- Authority
- JP
- Japan
- Prior art keywords
- segment
- power
- ratio
- transient
- waveform
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Lifetime
Links
Landscapes
- Compression, Expansion, Code Conversion, And Decoders (AREA)
Description
【０００１】
【産業上の利用分野】本発明は、オーディオ信号を有限
長のフレーム毎に符号化する音声高能率符号化装置に関
する。
長のフレーム毎に符号化する音声高能率符号化装置に関
する。
【０００２】
【従来の技術】ミニディスク（ＭＤ）、デジタルコンパ
クトカセット（ＤＣＣ）、カラオケＣＤ等における音声
高能率符号化は、オーディオ信号のデータ量を圧縮する
ので音楽圧縮とも呼ばれている。このような符号化方式
では、オーディオ信号がデジタルフィルタまたは直交変
換により複数のサブバンドに分割され、周波数領域にお
ける聴覚心理分析に基づいてサブバンド毎の量子化ビッ
ト数が決定される。なお、以下の説明では「エンコー
ド」という用語を符号化の他に圧縮の意味で用いる場合
もある。
クトカセット（ＤＣＣ）、カラオケＣＤ等における音声
高能率符号化は、オーディオ信号のデータ量を圧縮する
ので音楽圧縮とも呼ばれている。このような符号化方式
では、オーディオ信号がデジタルフィルタまたは直交変
換により複数のサブバンドに分割され、周波数領域にお
ける聴覚心理分析に基づいてサブバンド毎の量子化ビッ
ト数が決定される。なお、以下の説明では「エンコー
ド」という用語を符号化の他に圧縮の意味で用いる場合
もある。
【０００３】図６（ａ）〜（ｄ）は周波数帯域を直交変
換により分割する例を示す。図６（ａ）はエンコードの
対象となる１６ビットＰＣＭオーディオ信号を５１２サ
ンプル分切り出したことを示し、ここでは図の長方形で
囲まれる全情報量が１６ビット＊５１２＝８１９２ビッ
トとして説明する。もちろん、切り出されるサンプル数
やＰＣＭのビット数はこの値に限定されない。
換により分割する例を示す。図６（ａ）はエンコードの
対象となる１６ビットＰＣＭオーディオ信号を５１２サ
ンプル分切り出したことを示し、ここでは図の長方形で
囲まれる全情報量が１６ビット＊５１２＝８１９２ビッ
トとして説明する。もちろん、切り出されるサンプル数
やＰＣＭのビット数はこの値に限定されない。
【０００４】図６（ｂ）は図６（ａ）に示す信号をＤＣ
Ｔ（離散コサイン変換）やＦＦＴ（高速フーリエ変換）
等の直交変換により周波数変換した信号を示し、図の曲
線が周波数スペクトルのエンベロープを示している。こ
こで、直交変換により情報量が保存されると仮定する
と、この全情報量も図の長方形領域で表現することがで
きる。一方、聴覚心理モデルによれば、図６（ｂ）に示
す信号が存在したときに、その信号によりマスキングさ
れて聞こえなくなる信号レベルをカーブとして規定する
ことができ、これは一般にマスキング効果と言われる。
Ｔ（離散コサイン変換）やＦＦＴ（高速フーリエ変換）
等の直交変換により周波数変換した信号を示し、図の曲
線が周波数スペクトルのエンベロープを示している。こ
こで、直交変換により情報量が保存されると仮定する
と、この全情報量も図の長方形領域で表現することがで
きる。一方、聴覚心理モデルによれば、図６（ｂ）に示
す信号が存在したときに、その信号によりマスキングさ
れて聞こえなくなる信号レベルをカーブとして規定する
ことができ、これは一般にマスキング効果と言われる。
【０００５】図６（ｂ）からマスキングカーブを描くと
図６（ｃ）に示すように表すことができ、ここで、図６
（ｂ）に示す信号を再量子化することを考慮すると、再
量子化により発生する量子化ノイズレベルがマスキング
カーブで規定されるレベル以下であれば、そのノイズは
人間の耳には聞こえないということができる。そこで、
図６（ｄ）に示すようにスペクトルを複数データ毎にサ
ブバンドに分割し、各サブバンド毎の最大信号レベルを
Ｓとし、また、図６（ｃ）から許容されるノイズレベル
をＮとしてこのＳ／Ｎを満足するビット数で再量子化す
れば、そのときの量子化ノイズはマスキングされて聞こ
えない。
図６（ｃ）に示すように表すことができ、ここで、図６
（ｂ）に示す信号を再量子化することを考慮すると、再
量子化により発生する量子化ノイズレベルがマスキング
カーブで規定されるレベル以下であれば、そのノイズは
人間の耳には聞こえないということができる。そこで、
図６（ｄ）に示すようにスペクトルを複数データ毎にサ
ブバンドに分割し、各サブバンド毎の最大信号レベルを
Ｓとし、また、図６（ｃ）から許容されるノイズレベル
をＮとしてこのＳ／Ｎを満足するビット数で再量子化す
れば、そのときの量子化ノイズはマスキングされて聞こ
えない。
【０００６】図６（ｄ）の矩形は圧縮時および伸長時に
必要な情報量を示し、特に図の中央の変形矩形は主情報
を、図の下側の細長い矩形は補助情報を示している。な
お、補助情報とはデコード時に必要な各サブバンドの最
大値（スケール値）と量子化ビット数を示す情報等であ
る。したがって、図６（ｄ）において示される全情報量
は主情報量と補助情報量の和であり、図６（ａ）や図６
（ｂ）における全情報量の数分の１になることが分か
る。したがて、図７に示すように以上の処理（ステップ
Ｓ１〜Ｓ６）を区間（この例では５１２サンプル区間）
毎に繰り返すことにより音質を殆ど劣化することなくエ
ンコードすることができる。
必要な情報量を示し、特に図の中央の変形矩形は主情報
を、図の下側の細長い矩形は補助情報を示している。な
お、補助情報とはデコード時に必要な各サブバンドの最
大値（スケール値）と量子化ビット数を示す情報等であ
る。したがって、図６（ｄ）において示される全情報量
は主情報量と補助情報量の和であり、図６（ａ）や図６
（ｂ）における全情報量の数分の１になることが分か
る。したがて、図７に示すように以上の処理（ステップ
Ｓ１〜Ｓ６）を区間（この例では５１２サンプル区間）
毎に繰り返すことにより音質を殆ど劣化することなくエ
ンコードすることができる。
【０００７】図８（ａ）および（ｂ）はそれぞれ一般的
な音声高能率符号化および復号化装置を示す。図８
（ａ）に示す符号化装置では、例えば１６ビットＰＣＭ
オーディオ信号がフレームバッファリング部１により保
持された後、窓掛け・直交変換部３により５１２サンプ
ル分切り出され、各サンプルのオーディオ信号がＤＣＴ
やＦＦＴ等により直交変換され、複数のサブバンドに分
割される。
な音声高能率符号化および復号化装置を示す。図８
（ａ）に示す符号化装置では、例えば１６ビットＰＣＭ
オーディオ信号がフレームバッファリング部１により保
持された後、窓掛け・直交変換部３により５１２サンプ
ル分切り出され、各サンプルのオーディオ信号がＤＣＴ
やＦＦＴ等により直交変換され、複数のサブバンドに分
割される。
【０００８】そして、聴覚心理分析部４により各サブバ
ンドの量子化ビット数が決定され、量子化・符号化部５
はこの量子化ビット数で、直交変換部２により分割され
た各サブバンドのオーディオ信号を量子化および符号化
し、この量子化・符号化部４により量子化および符号化
されて圧縮されたデータと、聴覚心理分析部３により決
定された量子化ビット数はマルチプレックス部６により
多重化されて出力される。
ンドの量子化ビット数が決定され、量子化・符号化部５
はこの量子化ビット数で、直交変換部２により分割され
た各サブバンドのオーディオ信号を量子化および符号化
し、この量子化・符号化部４により量子化および符号化
されて圧縮されたデータと、聴覚心理分析部３により決
定された量子化ビット数はマルチプレックス部６により
多重化されて出力される。
【０００９】図８（ｂ）に示す復号化装置では、デマル
チプレックス部７により音声符号と量子化ビット数が分
離され、復号化・逆量子化部８により復号化された後音
声符号が量子化ビット数で逆量子化され、逆直交変換・
窓掛け部９とフレームバッファリング１０により１６ビ
ットＰＣＭオーディオ信号として再生される。
チプレックス部７により音声符号と量子化ビット数が分
離され、復号化・逆量子化部８により復号化された後音
声符号が量子化ビット数で逆量子化され、逆直交変換・
窓掛け部９とフレームバッファリング１０により１６ビ
ットＰＣＭオーディオ信号として再生される。
【００１０】次に、実際のオーディオ信号の性質とその
信号をエンコードおよびデコードした結果との関係につ
いて説明する。図９はフレーム区間でほぼ定常な場合の
信号を示し、特に図９（ａ）は原波形を、図９（ｂ）は
エンコードおよびデコード後の波形（以下、簡単に「処
理波形」という。）を示し、両信号は前述したように聴
覚心理に従って処理を行った場合には聴覚上の差は殆ど
ないと言える。
信号をエンコードおよびデコードした結果との関係につ
いて説明する。図９はフレーム区間でほぼ定常な場合の
信号を示し、特に図９（ａ）は原波形を、図９（ｂ）は
エンコードおよびデコード後の波形（以下、簡単に「処
理波形」という。）を示し、両信号は前述したように聴
覚心理に従って処理を行った場合には聴覚上の差は殆ど
ないと言える。
【００１１】他方、図１０（ａ）（ｂ）はそれぞれ、フ
レーム区間内で振幅（パワー）が急峻に立ち上がるよう
な非定常な信号の原波形、処理波形を示し、図１０
（ｂ）から明らかなようにパワーが立ち上がる前に原波
形を大きく上回るノイズ成分Ｎが出現している。このよ
うなノイズＮは一般にプリエコーと呼ばれており、立ち
上がりより約１〜３ｍsec以上遡るノイズは、信号の立
ち上がりに付帯するノイズエコーとして検知される。
レーム区間内で振幅（パワー）が急峻に立ち上がるよう
な非定常な信号の原波形、処理波形を示し、図１０
（ｂ）から明らかなようにパワーが立ち上がる前に原波
形を大きく上回るノイズ成分Ｎが出現している。このよ
うなノイズＮは一般にプリエコーと呼ばれており、立ち
上がりより約１〜３ｍsec以上遡るノイズは、信号の立
ち上がりに付帯するノイズエコーとして検知される。
【００１２】このノイズの原因は、フレームによる分析
区間よりも信号パワーの変化の区間の方が短いためであ
る。また、フレームのエンコード処理により発生する量
子化ノイズは図６（ｃ）に示すような周波数−振幅特性
を有するが、周波数−位相特性についてはランダムにな
り、したがって、処理波形上に発生する時間領域での量
子化ノイズはフレーム内に一様に（定常的に）分布する
ので、図１０（ｂ）に示すように元々信号振幅が小さか
った領域にも大振幅領域に影響された大きなノイズＮが
出現することになる。なお、信号パワーの急峻な立ち下
がりの後にも同様な理由によりノイズが出現するが、こ
の場合には先行する大きな信号が聴覚機構内に発生する
刺激の余韻が比較的長時間（１０〜２０ｍsec）持続す
るので検知されにくい。
区間よりも信号パワーの変化の区間の方が短いためであ
る。また、フレームのエンコード処理により発生する量
子化ノイズは図６（ｃ）に示すような周波数−振幅特性
を有するが、周波数−位相特性についてはランダムにな
り、したがって、処理波形上に発生する時間領域での量
子化ノイズはフレーム内に一様に（定常的に）分布する
ので、図１０（ｂ）に示すように元々信号振幅が小さか
った領域にも大振幅領域に影響された大きなノイズＮが
出現することになる。なお、信号パワーの急峻な立ち下
がりの後にも同様な理由によりノイズが出現するが、こ
の場合には先行する大きな信号が聴覚機構内に発生する
刺激の余韻が比較的長時間（１０〜２０ｍsec）持続す
るので検知されにくい。
【００１３】このようなプリエコーの対策としては、フ
レーム長を短縮する、すなわち処理の時間分解能を向上
させることが最も有効である。例えば直交変換を用いて
サブバンドに分割する場合には図１１に示すように変換
の際のフレーム長を標準長Ｔより１／４等に短縮して４
回の変換を行うことにより時間分解能を４倍にすること
ができる。その結果、非定常波形に起因するノイズがよ
り短い区間に閉じ込められるのでプリエコーが減衰す
る。
レーム長を短縮する、すなわち処理の時間分解能を向上
させることが最も有効である。例えば直交変換を用いて
サブバンドに分割する場合には図１１に示すように変換
の際のフレーム長を標準長Ｔより１／４等に短縮して４
回の変換を行うことにより時間分解能を４倍にすること
ができる。その結果、非定常波形に起因するノイズがよ
り短い区間に閉じ込められるのでプリエコーが減衰す
る。
【００１４】図１２は図１０（ａ）に示す原波形を１／
４のフレーム長で処理した波形を示し、図１０（ｂ）に
示す処理波形よりプリエコーが減衰していることが分か
る。また、サブバンド分割に直交変換を用いない場合に
は、各サブバンドの時間領域のサンプル（時間波形）を
より短い区間毎に量子化することにより同様な効果が得
られる。
４のフレーム長で処理した波形を示し、図１０（ｂ）に
示す処理波形よりプリエコーが減衰していることが分か
る。また、サブバンド分割に直交変換を用いない場合に
は、各サブバンドの時間領域のサンプル（時間波形）を
より短い区間毎に量子化することにより同様な効果が得
られる。
【００１５】このようなプリエコーの対策でポイントと
なるのは、波形の非定常性（＝パワーの急峻な立ち上が
り）を如何に正確に検出するかであり、この検出を以下
では「トランジェント検出」と呼ぶことする。ここで、
一般にフレーム長を短縮すると図６（ｄ）において説明
したフレーム単位の補助情報量が主情報量より相対的に
多くなるので、主情報に割り当てられる情報量が減少す
る。また、直交変換を用いた場合には、フレーム長を短
縮すると周波数分解能が劣化するので聴覚心理の適用精
度が劣化する。したがって、定常な波形に対してはフレ
ーム長は長い程良く、したがって、トランジェント検出
が誤動作すると音質は一般に劣化する。
なるのは、波形の非定常性（＝パワーの急峻な立ち上が
り）を如何に正確に検出するかであり、この検出を以下
では「トランジェント検出」と呼ぶことする。ここで、
一般にフレーム長を短縮すると図６（ｄ）において説明
したフレーム単位の補助情報量が主情報量より相対的に
多くなるので、主情報に割り当てられる情報量が減少す
る。また、直交変換を用いた場合には、フレーム長を短
縮すると周波数分解能が劣化するので聴覚心理の適用精
度が劣化する。したがって、定常な波形に対してはフレ
ーム長は長い程良く、したがって、トランジェント検出
が誤動作すると音質は一般に劣化する。
【００１６】図１３および図１４を参照して従来のトラ
ンジェント検出方法について説明する。フレーム長とし
ては一般的には１０〜２０ｍsec程度が選択されるが、
トランジェント検出では、フレームのサンプルを約１〜
３ｍsecの短い例えばｍ個のセグメントに分割し、各セ
グメントｉのトータルパワーＰ〔ｉ〕を以下のように計
算する（ステップＳ１１、Ｓ１２）。
ンジェント検出方法について説明する。フレーム長とし
ては一般的には１０〜２０ｍsec程度が選択されるが、
トランジェント検出では、フレームのサンプルを約１〜
３ｍsecの短い例えばｍ個のセグメントに分割し、各セ
グメントｉのトータルパワーＰ〔ｉ〕を以下のように計
算する（ステップＳ１１、Ｓ１２）。
【００１７】
【数１】
【００１８】トランジェントの判定は、図１４に示すよ
うに、あるセグメントｉと隣接するセグメント（ｉ−
１）とのパワーの比を予め設定された判断基準値と比較
し、例えばｉ＝０・・・ｍ−１について
うに、あるセグメントｉと隣接するセグメント（ｉ−
１）とのパワーの比を予め設定された判断基準値と比較
し、例えばｉ＝０・・・ｍ−１について
【００１９】
【数２】 Ｐ〔ｉ〕／Ｐ〔ｉ−１〕＞Ａｔ （条件
１） 但し、Ａｔは判断基準値 Ｐ〔−１〕は前フレームのＰ〔ｍ−１〕
１） 但し、Ａｔは判断基準値 Ｐ〔−１〕は前フレームのＰ〔ｍ−１〕
【００２０】が１回でも成立する場合にそのフレーム内
にトランジェントがあるとして検出フラグｔｒａｎｓを
セットする（ステップＳ１３〜Ｓ１７）。ここで、判断
基準値Ａｔは一般的には図１５（ａ）に示すように１５
〜２０ｄＢ程度が選択される。高能率符号化ではエンコ
ードおよびデコード後の平均Ｓ／Ｎ比は２０〜３０ｄＢ
程度であることが多いので、図１０（ａ）に示すような
プリエコーの振幅がその領域の原波形の振幅と比較して
無視できなくなるレベルに判断基準値をとるのが妥当で
ある。図１０（ｂ）はプリエコーの振幅が無視できる場
合を示している。また、定常波形におけるセグメントの
パワー比の現れ方も参考にされる。
にトランジェントがあるとして検出フラグｔｒａｎｓを
セットする（ステップＳ１３〜Ｓ１７）。ここで、判断
基準値Ａｔは一般的には図１５（ａ）に示すように１５
〜２０ｄＢ程度が選択される。高能率符号化ではエンコ
ードおよびデコード後の平均Ｓ／Ｎ比は２０〜３０ｄＢ
程度であることが多いので、図１０（ａ）に示すような
プリエコーの振幅がその領域の原波形の振幅と比較して
無視できなくなるレベルに判断基準値をとるのが妥当で
ある。図１０（ｂ）はプリエコーの振幅が無視できる場
合を示している。また、定常波形におけるセグメントの
パワー比の現れ方も参考にされる。
【００２１】
【発明が解決しようとする課題】しかしながら、上記従
来のトランジェント検出方法では次のような２つの問題
点がある。 （１）例えば図１６に示すようにトランジェントがセグ
メントの丁度中央に位置する場合には検出漏れが発生す
る。この理由は、セグメントパワーが丁度２つのセグメ
ントで極大値に変化するので１つのセグメント当たりの
変化量が１／２になり、隣接セグメントとのパワーを比
較すると上記パワー比Ｐ〔ｉ〕／Ｐ〔ｉ−１〕が判断基
準値Ａｔを超えないことがあるためであり、この場合に
は図１７（ａ）（ｂ）に示すように実際の波形と検出フ
ラグｔｒａｎｓが異なることになる。
来のトランジェント検出方法では次のような２つの問題
点がある。 （１）例えば図１６に示すようにトランジェントがセグ
メントの丁度中央に位置する場合には検出漏れが発生す
る。この理由は、セグメントパワーが丁度２つのセグメ
ントで極大値に変化するので１つのセグメント当たりの
変化量が１／２になり、隣接セグメントとのパワーを比
較すると上記パワー比Ｐ〔ｉ〕／Ｐ〔ｉ−１〕が判断基
準値Ａｔを超えないことがあるためであり、この場合に
は図１７（ａ）（ｂ）に示すように実際の波形と検出フ
ラグｔｒａｎｓが異なることになる。
【００２２】（２）例えば図１８に示すように長周期の
定常波形では、セグメントパワーが部分的に非常に小さ
くなる場合があり、この場合にはパワー比Ｐ〔ｉ〕／Ｐ
〔ｉ−１〕が判断基準値Ａｔを超えるので、図１９
（ａ）（ｂ）に示すようにトランジェントと誤認するこ
とがある。したがって、従来のトランジェント検出方法
では、波形の性質によっては検出漏れや後検出が発生す
るという問題点がある。
定常波形では、セグメントパワーが部分的に非常に小さ
くなる場合があり、この場合にはパワー比Ｐ〔ｉ〕／Ｐ
〔ｉ−１〕が判断基準値Ａｔを超えるので、図１９
（ａ）（ｂ）に示すようにトランジェントと誤認するこ
とがある。したがって、従来のトランジェント検出方法
では、波形の性質によっては検出漏れや後検出が発生す
るという問題点がある。
【００２３】本発明は上記従来の問題点に鑑み、トラン
ジェントの検出漏れや誤検出を低減してプリエコーを抑
圧することができる音声高能率符号化装置を提供するこ
とを目的とする。
ジェントの検出漏れや誤検出を低減してプリエコーを抑
圧することができる音声高能率符号化装置を提供するこ
とを目的とする。
【００２４】
【課題を解決するための手段】本発明は上記目的を達成
するために、トランジェントを検出する場合に当該セグ
メントと時間的に前の隣接セグメントの各パワーの比が
所定値以上であるか、又は当該セグメントと時間的に前
に２つ離れたセグメントの各パワーの比が所定値以上で
あり、かつ当該セグメントと時間的に前に３つ離れたセ
グメントの各パワーの比が所定値以上であり、かつ当該
セグメントと時間的に前に４つ離れたセグメントの各パ
ワーの比が所定値以上である場合にトランジェントとし
て検出するようにしたものである。すなわち、本発明に
よれば、オーディオ信号を有限長のフレーム毎に処理す
ることにより符号化する音声高能率符号化装置におい
て、 オーディオ信号を標準フレーム長より十分短いセグ
メント長の区間に分割して各セグメントのトータルパワ
ーを計算し、当該セグメントと時間的に前の隣接セグメ
ントの各パワーの比が所定値以上であるか、又は当該セ
グメントと時間的に前に２つ離れたセグメントの各パワ
ーの比が所定値以上であり、かつ当該セグメントと時間
的に前に３つ離れたセグメントの各パワーの比が所定値
以上であり、かつ当該セグメントと時間的に前に４つ離
れたセグメントの各パワーの比が所定値以上である場合
に標準フレーム長より短いフレーム長でオーディオ信号
が処理されるように制御する制御手段とを有することを
特徴とする音声高能率符号化装置が提供される。
するために、トランジェントを検出する場合に当該セグ
メントと時間的に前の隣接セグメントの各パワーの比が
所定値以上であるか、又は当該セグメントと時間的に前
に２つ離れたセグメントの各パワーの比が所定値以上で
あり、かつ当該セグメントと時間的に前に３つ離れたセ
グメントの各パワーの比が所定値以上であり、かつ当該
セグメントと時間的に前に４つ離れたセグメントの各パ
ワーの比が所定値以上である場合にトランジェントとし
て検出するようにしたものである。すなわち、本発明に
よれば、オーディオ信号を有限長のフレーム毎に処理す
ることにより符号化する音声高能率符号化装置におい
て、 オーディオ信号を標準フレーム長より十分短いセグ
メント長の区間に分割して各セグメントのトータルパワ
ーを計算し、当該セグメントと時間的に前の隣接セグメ
ントの各パワーの比が所定値以上であるか、又は当該セ
グメントと時間的に前に２つ離れたセグメントの各パワ
ーの比が所定値以上であり、かつ当該セグメントと時間
的に前に３つ離れたセグメントの各パワーの比が所定値
以上であり、かつ当該セグメントと時間的に前に４つ離
れたセグメントの各パワーの比が所定値以上である場合
に標準フレーム長より短いフレーム長でオーディオ信号
が処理されるように制御する制御手段とを有することを
特徴とする音声高能率符号化装置が提供される。
【００２５】
【作用】本発明では、当該セグメントと隣接セグメント
時間的に前の隣接セグメントの各パワーの比が所定値以
上であるか、又は当該セグメントと時間的に前に２つ離
れたセグメントの各パワーの比が所定値以上であり、か
つ当該セグメントと時間的に前に３つ離れたセグメント
の各パワーの比が所定値以上であり、かつ当該セグメン
トと時間的に前に４つ離れたセグメントの各パワーの比
が所定値以上である場合にトランジェントとして検出さ
れる。したがって、トランジェントがセグメントの中央
に位置する場合には上記条件だけ離れたセグメントとの
パワー比が基準判断値以上になり、したがって、検出漏
れを防止することができる。また、長周期の定常波形に
おいてセグメントパワーが部分的に非常に小さくなる場
合には上記条件だけ離れたセグメントとのパワー比が基
準判断値以下となり、したがって、トランジェントと誤
認することを防止することができる。
時間的に前の隣接セグメントの各パワーの比が所定値以
上であるか、又は当該セグメントと時間的に前に２つ離
れたセグメントの各パワーの比が所定値以上であり、か
つ当該セグメントと時間的に前に３つ離れたセグメント
の各パワーの比が所定値以上であり、かつ当該セグメン
トと時間的に前に４つ離れたセグメントの各パワーの比
が所定値以上である場合にトランジェントとして検出さ
れる。したがって、トランジェントがセグメントの中央
に位置する場合には上記条件だけ離れたセグメントとの
パワー比が基準判断値以上になり、したがって、検出漏
れを防止することができる。また、長周期の定常波形に
おいてセグメントパワーが部分的に非常に小さくなる場
合には上記条件だけ離れたセグメントとのパワー比が基
準判断値以下となり、したがって、トランジェントと誤
認することを防止することができる。
【００２６】
【実施例】以下、図面を参照して本発明の実施例につい
て説明する。図１は本発明に係る音声高能率符号化装置
の一実施例を示すブロック図、図２は図１のトランジェ
ント検出部の比較対象セグメントを示す説明図、図３は
図１のトランジェント検出部のトランジェント検出処理
を説明するためのフローチャート、図４は非定常波形と
そのトランジェント検出フラグを示す説明図、図５は定
常波形とそのトランジェント検出フラグを示す説明図で
ある。
て説明する。図１は本発明に係る音声高能率符号化装置
の一実施例を示すブロック図、図２は図１のトランジェ
ント検出部の比較対象セグメントを示す説明図、図３は
図１のトランジェント検出部のトランジェント検出処理
を説明するためのフローチャート、図４は非定常波形と
そのトランジェント検出フラグを示す説明図、図５は定
常波形とそのトランジェント検出フラグを示す説明図で
ある。
【００２７】図１において、例えば１６ビットＰＣＭオ
ーディオ信号がフレームバッファリング部１により保持
され、本実施例では、トランジェント検出部２はトラン
ジェントを検出する際のセグメントのパワーＰ〔ｉ〕を
比較する場合に、隣接セグメント間に加えて１以上離れ
たセグメント間でも行い、例えば図２の実線に示すよう
にＰ〔ｉ〕とＰ〔ｉ−１〕およびＰ〔ｉ〕とＰ〔ｉ−
２〕を比較することにより、例えば図１６に示すように
トランジェントがセグメントの丁度中央に位置する場合
の検出漏れを防止するようにしている。
ーディオ信号がフレームバッファリング部１により保持
され、本実施例では、トランジェント検出部２はトラン
ジェントを検出する際のセグメントのパワーＰ〔ｉ〕を
比較する場合に、隣接セグメント間に加えて１以上離れ
たセグメント間でも行い、例えば図２の実線に示すよう
にＰ〔ｉ〕とＰ〔ｉ−１〕およびＰ〔ｉ〕とＰ〔ｉ−
２〕を比較することにより、例えば図１６に示すように
トランジェントがセグメントの丁度中央に位置する場合
の検出漏れを防止するようにしている。
【００２８】
【数３】 （Ｐ〔ｉ〕／Ｐ〔ｉ−１〕＞Ａｔ） ｏｒ （Ｐ〔ｉ〕／Ｐ〔ｉ−２〕＞Ａｔ）
（条件２）
（条件２）
【００２９】また、本実施例では、例えば図２の破線に
示すようにＰ〔ｉ〕とＰ〔ｉ−３〕およびＰ〔ｉ〕とＰ
〔ｉ−４〕を比較することにより、例えば図１８に示す
ようにセグメントパワーが部分的に非常に小さくなる場
合がある長周期の定常波形におけるトランジェントの誤
認を防止するようにしている。
示すようにＰ〔ｉ〕とＰ〔ｉ−３〕およびＰ〔ｉ〕とＰ
〔ｉ−４〕を比較することにより、例えば図１８に示す
ようにセグメントパワーが部分的に非常に小さくなる場
合がある長周期の定常波形におけるトランジェントの誤
認を防止するようにしている。
【００３０】
【数４】 （Ｐ〔ｉ〕／Ｐ〔ｉ−３〕＞Ａｔ２） ａｎｄ （Ｐ〔ｉ〕／Ｐ〔ｉ−４〕＞Ａｔ２）
（条件３） 但し、Ａｔ２はＡｔと同一または異なる数値の判断基準
値
（条件３） 但し、Ａｔ２はＡｔと同一または異なる数値の判断基準
値
【００３１】窓掛け・直交変換部３は、フレームバッフ
ァリング部１からのＰＣＭオーディオ信号を例えば５１
２サンプル分切り出し、次いでトランジェント検出部２
からの検出フラグｔｒａｎｓに基づいて図１１（ａ）に
示すような標準フレーム長Ｔまたは図１１（ａ）に示す
ような短縮フレーム長（Ｔ／４）で各サンプルのオーデ
ィオ信号をＤＣＴやＦＦＴ等により直交変換し、複数の
サブバンドに分割する。
ァリング部１からのＰＣＭオーディオ信号を例えば５１
２サンプル分切り出し、次いでトランジェント検出部２
からの検出フラグｔｒａｎｓに基づいて図１１（ａ）に
示すような標準フレーム長Ｔまたは図１１（ａ）に示す
ような短縮フレーム長（Ｔ／４）で各サンプルのオーデ
ィオ信号をＤＣＴやＦＦＴ等により直交変換し、複数の
サブバンドに分割する。
【００３２】また、聴覚心理分析部４により各サブバン
ドの量子化ビット数が決定され、量子化・符号化部５は
この量子化ビット数で、直交変換部２により分割された
各サブバンドのオーディオ信号を量子化および符号化す
る。この量子化・符号化部５により量子化および符号化
されて圧縮されたデータと、トランジェント検出部２に
より検出されたフラグｔｒａｎｓと、聴覚心理分析部３
により決定された量子化ビット数はマルチプレックス部
６により多重化されて出力される。また、図示省略のデ
コーダでは、これらのデータが分離されて復号化され
る。
ドの量子化ビット数が決定され、量子化・符号化部５は
この量子化ビット数で、直交変換部２により分割された
各サブバンドのオーディオ信号を量子化および符号化す
る。この量子化・符号化部５により量子化および符号化
されて圧縮されたデータと、トランジェント検出部２に
より検出されたフラグｔｒａｎｓと、聴覚心理分析部３
により決定された量子化ビット数はマルチプレックス部
６により多重化されて出力される。また、図示省略のデ
コーダでは、これらのデータが分離されて復号化され
る。
【００３３】図３を参照してトランジェント検出部３の
トランジェント検出処理を説明する。先ず、フレーム長
として１０〜２０ｍsec程度が選択されている場合にフ
レームのサンプルを約１〜３ｍsecの短い例えばｍ個の
セグメントに分割し、次いでトランジェント検出フラグ
ｔｒａｎｓとセグメントのインデックスｉをリセットす
るとともに前４個分のセグメントのトータルパワーＰ
〔−１〕〜Ｐ〔−４〕をロードし（ステップＳ２１）、
次いで各セグメントｉのトータルパワーＰ〔ｉ〕を前述
した式（数１）に基づいて計算する（ステップＳ２
２）。
トランジェント検出処理を説明する。先ず、フレーム長
として１０〜２０ｍsec程度が選択されている場合にフ
レームのサンプルを約１〜３ｍsecの短い例えばｍ個の
セグメントに分割し、次いでトランジェント検出フラグ
ｔｒａｎｓとセグメントのインデックスｉをリセットす
るとともに前４個分のセグメントのトータルパワーＰ
〔−１〕〜Ｐ〔−４〕をロードし（ステップＳ２１）、
次いで各セグメントｉのトータルパワーＰ〔ｉ〕を前述
した式（数１）に基づいて計算する（ステップＳ２
２）。
【００３４】次いで、条件（２）を満たすか否かを判別
し（ステップＳ２３）、満たさない場合にはステップＳ
２４、Ｓ２５を経て、ステップＳ２２から同様の処理を
繰り返す。そして、ステップＳ２３において条件（２）
を満たす場合には条件（３）を満たすか否かを判別し
（ステップＳ２６）、満たさない場合にはステップ２
４、Ｓ２５を経て、ステップＳ２２から同様の処理を繰
り返し、満たす場合には検出フラグｔｒａｎｓをセット
し（ステップＳ２７）、ステップＳ２８に進む。全ての
ｉについてステップＳ２７が実行されない場合にはｔｒ
ａｎｓはセットされないままステップＳ２８に進む。
し（ステップＳ２３）、満たさない場合にはステップＳ
２４、Ｓ２５を経て、ステップＳ２２から同様の処理を
繰り返す。そして、ステップＳ２３において条件（２）
を満たす場合には条件（３）を満たすか否かを判別し
（ステップＳ２６）、満たさない場合にはステップ２
４、Ｓ２５を経て、ステップＳ２２から同様の処理を繰
り返し、満たす場合には検出フラグｔｒａｎｓをセット
し（ステップＳ２７）、ステップＳ２８に進む。全ての
ｉについてステップＳ２７が実行されない場合にはｔｒ
ａｎｓはセットされないままステップＳ２８に進む。
【００３５】したがって、上記実施例によれば、例えば
図２中の実線で示すようにＰ〔ｉ〕とＰ〔ｉ−１〕およ
びＰ〔ｉ〕とＰ〔ｉ−２〕を比較するので、図４に示す
ように非定常波形の場合の検出漏れを防止することがで
き、また、例えば図２中の破線で示すようにＰ〔ｉ〕と
Ｐ〔ｉ−３〕およびＰ〔ｉ〕とＰ〔ｉ−４〕を比較する
ので、図５に示すように長周期の定常波形におけるトラ
ンジェントの誤認を防止することができる。なお、サブ
バンド分割に直交変換を用いない場合には、各サブバン
ドの時間領域のサンプル（時間波形）をより短い区間毎
に量子化することにより短縮フレーム長の使用と同様な
効果を得ることができる。
図２中の実線で示すようにＰ〔ｉ〕とＰ〔ｉ−１〕およ
びＰ〔ｉ〕とＰ〔ｉ−２〕を比較するので、図４に示す
ように非定常波形の場合の検出漏れを防止することがで
き、また、例えば図２中の破線で示すようにＰ〔ｉ〕と
Ｐ〔ｉ−３〕およびＰ〔ｉ〕とＰ〔ｉ−４〕を比較する
ので、図５に示すように長周期の定常波形におけるトラ
ンジェントの誤認を防止することができる。なお、サブ
バンド分割に直交変換を用いない場合には、各サブバン
ドの時間領域のサンプル（時間波形）をより短い区間毎
に量子化することにより短縮フレーム長の使用と同様な
効果を得ることができる。
【００３６】
【発明の効果】以上説明したように本発明によれば、当
該セグメントと時間的に前の隣接セグメントの各パワー
の比が所定値以上であるか、又は当該セグメントと時間
的に前に２つ離れたセグメントの各パワーの比が所定値
以上であり、かつ当該セグメントと時間的に前に３つ離
れたセグメントの各パワーの比が所定値以上であり、か
つ当該セグメントと時間的に前に４つ離れたセグメント
の各パワーの比が所定値以上である場合にトランジェン
トとして検出するようにしたものである。 すなわち、本
発明によれば、オーディオ信号を有限長のフレーム毎に
処理することにより符号化する音声高能率符号化装置に
おいて、 オーディオ信号を標準フレーム長より十分短い
セグメント長の区間に分割して各セグメントのトータル
パワーを計算し、当該セグメントと時間的に前の隣接セ
グメントの各パワーの比が所定値以上であるか、又は当
該セグメントと時間的に前に２つ離れたセグメントの各
パワーの比が所定値以上であり、かつ当該セグメントと
時間的に前に３つ離れたセグメントの各パワーの比が所
定値以上であり、かつ当該セグメントと時間的に前に４
つ離れたセグメントの各パワーの比が所定値以上である
場合にトランジェントとして検出するので、トランジェ
ントがセグメントの中央に位置する場合には上記条件だ
け離れたセグメントとのパワー比が基準判断値以上にな
り、したがって、検出漏れを防止することができる。ま
た、長周期の定常波形においてセグメントパワーが部分
的に非常に小さくなる場合には上記条件だけ離れたセグ
メントとのパワー比が基準判断値以下となり、したがっ
て、トランジェントと誤認することを防止することがで
きる。
該セグメントと時間的に前の隣接セグメントの各パワー
の比が所定値以上であるか、又は当該セグメントと時間
的に前に２つ離れたセグメントの各パワーの比が所定値
以上であり、かつ当該セグメントと時間的に前に３つ離
れたセグメントの各パワーの比が所定値以上であり、か
つ当該セグメントと時間的に前に４つ離れたセグメント
の各パワーの比が所定値以上である場合にトランジェン
トとして検出するようにしたものである。 すなわち、本
発明によれば、オーディオ信号を有限長のフレーム毎に
処理することにより符号化する音声高能率符号化装置に
おいて、 オーディオ信号を標準フレーム長より十分短い
セグメント長の区間に分割して各セグメントのトータル
パワーを計算し、当該セグメントと時間的に前の隣接セ
グメントの各パワーの比が所定値以上であるか、又は当
該セグメントと時間的に前に２つ離れたセグメントの各
パワーの比が所定値以上であり、かつ当該セグメントと
時間的に前に３つ離れたセグメントの各パワーの比が所
定値以上であり、かつ当該セグメントと時間的に前に４
つ離れたセグメントの各パワーの比が所定値以上である
場合にトランジェントとして検出するので、トランジェ
ントがセグメントの中央に位置する場合には上記条件だ
け離れたセグメントとのパワー比が基準判断値以上にな
り、したがって、検出漏れを防止することができる。ま
た、長周期の定常波形においてセグメントパワーが部分
的に非常に小さくなる場合には上記条件だけ離れたセグ
メントとのパワー比が基準判断値以下となり、したがっ
て、トランジェントと誤認することを防止することがで
きる。
【図１】本発明に係る音声高能率符号化装置の一実施例
を示すブロック図である。
を示すブロック図である。
【図２】図１のトランジェント検出部の比較対象セグメ
ントを示す説明図である。
ントを示す説明図である。
【図３】図１のトランジェント検出部のトランジェント
検出処理を説明するためのフローチャートである。
検出処理を説明するためのフローチャートである。
【図４】非定常波形とそのトランジェント検出フラグを
示す説明図である。
示す説明図である。
【図５】定常波形とそのトランジェント検出フラグを示
す説明図である。
す説明図である。
【図６】音声高能率符号化方法を模式的に示す説明図で
ある。
ある。
【図７】図６の音声高能率符号化処理を説明するための
フローチャートである。
フローチャートである。
【図８】一般的な音声高能率符号化および復号化装置を
示すブロック図である。
示すブロック図である。
【図９】フレーム区間でほぼ正常な場合の原波形とその
エンコードおよびデコード後の波形を示す説明図であ
る。
エンコードおよびデコード後の波形を示す説明図であ
る。
【図１０】フレーム区間内で振幅（パワー）が急峻に立
ち上がる非定常な信号の原波形とそのエンコードおよび
デコード後の波形を示す説明図である。
ち上がる非定常な信号の原波形とそのエンコードおよび
デコード後の波形を示す説明図である。
【図１１】標準フレーム長と短縮フレーム長を示す説明
図である。
図である。
【図１２】図１０（ａ）に示す原波形を１／４のフレー
ム長で処理した波形を示す説明図である。
ム長で処理した波形を示す説明図である。
【図１３】従来のトランジェント検出処理を説明するた
めのフローチャートである。
めのフローチャートである。
【図１４】従来の比較対象セグメントを示す説明図であ
る。
る。
【図１５】従来のトランジェント検出の判断基準値を示
す説明図である。
す説明図である。
【図１６】トランジェントがセグメントの中央に位置す
る場合を示す説明図である。
る場合を示す説明図である。
【図１７】図１６に示す場合の原波形とトランジェント
検出フラグを示す説明図である。
検出フラグを示す説明図である。
【図１８】長周期の定常波形とそのセグメントパワーを
示す説明図である。
示す説明図である。
【図１９】図１８に示す場合の原波形とトランジェント
検出フラグを示す説明図である。
検出フラグを示す説明図である。
１ フレームバッファリング部 ２ トランジェント検出部（制御手段） ３ 窓掛け・直交変換部 ４ 聴覚心理分析部 ５ 量子化・符号化部 ６ マルチプレックス部
───────────────────────────────────────────────────── フロントページの続き (58)調査した分野(Int.Cl.6，ＤＢ名) H03M 7/30
Claims (1)
- 【請求項１】 オーディオ信号を有限長のフレーム毎に
処理することにより符号化する音声高能率符号化装置に
おいて、 オーディオ信号を標準フレーム長より十分短いセグメン
ト長の区間に分割して各セグメントのトータルパワーを
計算し、当該セグメントと時間的に前の隣接セグメント
の各パワーの比が所定値以上であるか、又は当該セグメ
ントと時間的に前に２つ離れたセグメントの各パワーの
比が所定値以上であり、かつ当該セグメントと時間的に
前に３つ離れたセグメントの各パワーの比が所定値以上
であり、かつ当該セグメントと時間的に前に４つ離れた
セグメントの各パワーの比が所定値以上である場合に標
準フレーム長より短いフレーム長でオーディオ信号が処
理されるように制御する制御手段とを有することを特徴
とする音声高能率符号化装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP23239193A JP2917766B2 (ja) | 1993-08-25 | 1993-08-25 | 音声高能率符号化装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP23239193A JP2917766B2 (ja) | 1993-08-25 | 1993-08-25 | 音声高能率符号化装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH0766733A JPH0766733A (ja) | 1995-03-10 |
| JP2917766B2 true JP2917766B2 (ja) | 1999-07-12 |
Family
ID=16938512
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP23239193A Expired - Lifetime JP2917766B2 (ja) | 1993-08-25 | 1993-08-25 | 音声高能率符号化装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2917766B2 (ja) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2809126B2 (ja) * | 1995-03-30 | 1998-10-08 | 日本電気株式会社 | 音声信号処理回路および音声信号処理方法 |
| JP4533386B2 (ja) * | 2004-07-22 | 2010-09-01 | 富士通株式会社 | オーディオ符号化装置及びオーディオ符号化方法 |
-
1993
- 1993-08-25 JP JP23239193A patent/JP2917766B2/ja not_active Expired - Lifetime
Also Published As
| Publication number | Publication date |
|---|---|
| JPH0766733A (ja) | 1995-03-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR100348368B1 (ko) | 디지털 음향 신호 부호화 장치, 디지털 음향 신호 부호화방법 및 디지털 음향 신호 부호화 프로그램을 기록한 매체 | |
| US5471558A (en) | Data compression method and apparatus in which quantizing bits are allocated to a block in a present frame in response to the block in a past frame | |
| EP1440300B1 (en) | Encoding device, decoding device and audio data distribution system | |
| EP0424161B1 (en) | System for coding and decoding an orthogonally transformed audio signal | |
| US5825320A (en) | Gain control method for audio encoding device | |
| JP4290997B2 (ja) | プレノイズの縮減による低ビットレートオーディオコーディングにおけるトランジエント効率の改善 | |
| US20040181403A1 (en) | Coding apparatus and method thereof for detecting audio signal transient | |
| US5699484A (en) | Method and apparatus for applying linear prediction to critical band subbands of split-band perceptual coding systems | |
| Sinha et al. | Audio compression at low bit rates using a signal adaptive switched filterbank | |
| US20040162720A1 (en) | Audio data encoding apparatus and method | |
| JPH05304479A (ja) | オーディオ信号の高能率符号化装置 | |
| US6772111B2 (en) | Digital audio coding apparatus, method and computer readable medium | |
| EP1998321B1 (en) | Method and apparatus for encoding/decoding a digital signal | |
| KR20080053739A (ko) | 적응적으로 윈도우 크기를 적용하는 부호화 장치 및 방법 | |
| US7725323B2 (en) | Device and process for encoding audio data | |
| JP3088580B2 (ja) | 変換符号化装置のブロックサイズ決定法 | |
| JP2917766B2 (ja) | 音声高能率符号化装置 | |
| US20050254586A1 (en) | Method of and apparatus for encoding/decoding digital signal using linear quantization by sections | |
| US7305346B2 (en) | Audio processing method and audio processing apparatus | |
| JPH113091A (ja) | 音声信号の立ち上がり検出装置 | |
| JP2993324B2 (ja) | 音声高能率符号化装置 | |
| JP2906483B2 (ja) | ディジタル音声データの高能率符号化方法及びディジタル音声データの復号化装置 | |
| JP2002182695A (ja) | 高能率符号化方法及び装置 | |
| JP2001077698A (ja) | オーディオ符号化アプリケーションに対するブロックサイズ決定方法 | |
| JPH0758643A (ja) | 音声高能率符号化および復号化装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 19990323 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090423 Year of fee payment: 10 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090423 Year of fee payment: 10 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100423 Year of fee payment: 11 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110423 Year of fee payment: 12 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120423 Year of fee payment: 13 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120423 Year of fee payment: 13 |
|
| S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313111 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120423 Year of fee payment: 13 |
|
| R360 | Written notification for declining of transfer of rights |
Free format text: JAPANESE INTERMEDIATE CODE: R360 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120423 Year of fee payment: 13 |
|
| R360 | Written notification for declining of transfer of rights |
Free format text: JAPANESE INTERMEDIATE CODE: R360 |
|
| R371 | Transfer withdrawn |
Free format text: JAPANESE INTERMEDIATE CODE: R371 |
|
| S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313111 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120423 Year of fee payment: 13 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130423 Year of fee payment: 14 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140423 Year of fee payment: 15 |
|
| EXPY | Cancellation because of completion of term |