JP3263168B2

JP3263168B2 - 可聴音信号を符号化する方法及びデコーダ

Info

Publication number: JP3263168B2
Application number: JP06482293A
Authority: JP
Inventors: デヴィッドジョンストンジェームス
Original assignee: AT&T Corp
Current assignee: AT&T Corp
Priority date: 1992-03-02
Filing date: 1993-03-02
Publication date: 2002-03-04
Anticipated expiration: 2017-03-04
Also published as: US5627938A; KR970007663B1; EP0559348A3; CA2090160A1; JPH0651795A; USRE39080E1; KR930020412A; EP0559348A2; CA2090160C

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、信号処理に関し、詳し
くは、音声及び音楽を表す信号を含むモノラル及びステ
レオ可聴周波信号を伝送又は保存のために効率的に符号
化及び復号化する技術に関する。

【０００２】

【従来の技術】可聴周波信号を伝送又は保存のために圧
縮することを目的とする従来技術は大抵、信号源が信号
に設ける冗長度の抑圧を探求してきた。すなわち、例え
ばジェイアント（N.S.Jayant）及びノル（P.Noll）著
「波形のディジタル符号化」（プレンティスホール社１
９８４年刊）に述べられているＡＤＰＣＭサブバンド符
号化及びトランスフォーム符号化のような技術では、信
号生成源からの信号に存在する冗長性の除去を探求して
いる。

【０００３】１９９１年８月１３日付けで発行されたブ
ランデンバーグ他（Brandenburg etal）の米国特許第
５，０４０，２１７号は、知覚的考察を取り入れて高品
質可聴周波信号の効率的な符号化及び復号化を行うシス
テムについて述べている。このシステムの実施例におい
ては、特に、入力信号の、雑音又はトーンに似た品質に
ついての計測値を用いることにより、モノラル可聴周波
信号について非常に効率的な符号化を可能にしている。

【０００４】可聴周波信号の圧縮に用いられる符号化技
術が不快な人工生成要素をもたらさないことがもちろん
非常に重要である。このことは、再生のために復号化し
た際に、一方のステレオチャンネルに対応する符号化さ
れた情報が他方のステレオチャンネルに対応する符号化
された情報と干渉する、又は相互に影響し合うことがあ
り得るような、ステレオ可聴周波情報信号を符号化する
場合に、特に重要である。

【０００５】２つのステレオチャンネルの符号化を行う
場合の手段の１つとして、固定のビット伝送速度（以
下、ビットレート、又はレート）で作動する２台の独立
した符号器を用いる、いわゆる「デュアル・モノラル」
符号器がある。又、これと対照的な手段として、「ジョ
イント・モノラル」符号器があり、これには２台のモノ
ラル符号器が用いられるが、ビットレートとしては１つ
の組み合せレートを共用する。すなわち、２台の符号器
のビットレートを或る固定値以下に抑制するが、個々の
符号器のビットレートの間でバランスを求めるようにし
てもよい。

【０００６】更に別の手段である「ジョイント・ステレ
オ」符号器は、符号化利得を更に実現するために、１対
のステレオチャンネルについてのチャンネル相互特性を
用いようとするものである。

【０００７】

【発明が解決しようとする課題】１対のステレオチャン
ネルの２つのチャンネルの信号を独立して符号化するこ
とは結果として、ビットレートが低い場合に特に、望ま
しくない音響心理学的な人工生成要素がいくつも発生す
ることが判明している。これらの中には、動的に結像さ
れた信号音像の定位にに一致しないような符号化雑音の
定位に関するものがある。すなわち、もしこのような定
位の不一致を避けなければならない場合、人間のステレ
オ知覚プロセスが符号化プロセスに抑制を加えるように
見える。

【０００８】このことは、少なくとも雑音が空間的に分
離されるような低い周波数において存在するように見え
るバイノーラル遮蔽（マスキング）レベル差についての
報告と一致する。このようなバイノーラルなマスキング
レベル差は、モノラルシステムにおいてはマスクされる
ような雑音要素をマスキングせずに表に出すと考えられ
る。これについては例えば、モリー（B.C.J.Morre）著
「聴覚心理学序説、第２版」（フロリダ州オーランド、
アカデミックプレス社１９８２年刊）（特にその第５
章）を参照されたい。

【０００９】ステレオ枠組みにおける音響心理学的な人
工生成要素を減少させる技術の１つでは、ＩＳＯ−ＷＧ
１１−ＭＰＥＧ−可聴周波音響心理学ＩＩ［ＩＳＯ］モ
デルを用いる。このモデルにおいては、音響心理学モデ
ルの内部の信号対雑音比（ＳＮ比）に、第２のＳＮ比制
限値が適用される。しかし、このような、ＳＮ比の追加
抑制は一般に、低い周波数において、チャンネル容量の
追加、又は、用途が記憶の場合には記憶容量の追加使用
を必要とする一方、符号化のモノラル性能を低下させ
る。

【００１０】

【課題を解決するための手段】従来技術における上記の
制限は、本発明に基づく高品質可聴周波ステレオチャン
ネル対の符号化装置及び方法を用いることによって克服
でき、技術的進歩が得られる。本発明においては、チャ
ンネル相互間の冗長性及び非関連性を利用して、復号化
後の再生の高品質性を維持しながらより低いビットレー
トを達成するようにしている。本発明はステレオの符号
化及び復号化に用いる場合に特に適切であるが、通常の
「デュアル・モノラル」ステレオ符号器に用いても同様
の利点が得られる。

【００１１】本発明の一実施例においては、修正離散コ
サイン変換（ＭＤＣＴ）を用いるフィルタバンク構造が
採用されている。システムに入力される信号をその全範
囲にわたって符号化するために、本実施例においては、
利点として、左・右（Ｌ／Ｒ）及び和・差（Ｍ／Ｓ）の
両方の符号化方式を用い、信号従属の仕方で周波数及び
時間の両方について切り替えている。

【００１２】又、新たに設けたステレオ雑音マスキング
モデルが、符号化されたステレオ信号におけるバイノー
ラルな人工生成要素を検出して排除するので有利であ
る。そして、可聴周波信号の品質を低下させずに圧縮を
より強化するために、チャンネル相互間の冗長性が利用
される。

【００１３】更に、利点として、本実施例においては、
左・右両方の可聴周波チャンネルの時間挙動が正確にモ
ニタされ、その結果を用いて符号化プロセスの時間的分
割が制御される。すなわち、本発明の一態様において、
通常のＭＤＣＴウィンドウ、又は、信号状態によって
は、より小さいウィンドウのいずれかで入力信号の処理
が行われる。

【００１４】その上、左・右符号化モード又は和・差符
号化モード間の動的な切り替えが時間及び周波数の両方
について得られるように構成され、これによって、望ま
ないバイノーラルな雑音の定位が制御され、和・差信号
の過符号化を必要とする事態が防止され、全体的な符号
化利得が最大化される。

【００１５】又、一般的なビットストリーム定義及びレ
ート制御ループ（反復）処理が行われ、これによって、
符号器出力形成において有用な柔軟性が得られる。又、
有利になるように、チャンネル相互間の非関連性が除去
され、ステレオ雑音マスキングが改善され、これによっ
て、ジョイントで符号化されたステレオチャンネル対に
おける可聴周波信号の再生品質が改善される。

【００１６】実施例で用いられるレート制御方法におい
ては、符号器のレート制限値以下の信号について絶対し
きい値とマスキングしきい値との間の補間が行われ、又
レートが制限されるような条件下ではしきい値を上げる
方策が用いられる。

【００１７】本発明の符号器／復号器の全体システムに
関する態様においては、利点として、改良ハフマン様の
エントロピー符号器／復号器を用い、これによって更に
チャンネルビットレートの要求値が減少し、記憶用途に
ついては記憶容量要求値が減少する。本発明の無雑音圧
縮方法においては例えば、周波数区分方式と共にハフマ
ン式符号化方法が用いられ、これによって、知覚的しき
い値で定まるように、左（Ｌ）、右（Ｒ）、和（Ｍ）、
及び差（Ｓ）についての周波数サンプルを効率的に符号
化することができる。

【００１８】本発明においては、従来の量子化器／ビッ
トレート制御ループ処理装置の制約及びコストの多くを
排除しながら従来の技術とは異なるアプローチを用いて
可聴周波信号を符号化する際に用いられるスケールファ
クタ（すなわち分析フィルタバンクから出力されたＭＤ
ＣＴ係数）を定めるためのメカニズムが設けられる。本
発明に基づいて量子化された可聴周波信号は従来の技術
による場合よりも雑音が少なく、符号化された場合のビ
ット数が少ない。

【００１９】これらの結果が本発明の実施例において得
られ、これらから、量子化すべきそれぞれのスペクトル
係数の周波数に対応する周波数における、計算された聴
覚しきい値から導かれたスケールファクタと、この周波
数における絶対聴覚しきい値から導かれたスケールファ
クタとの間を補間することによって、利用スケールファ
クタが導き出され、この利用スケールファクタの導出
は、量子化されたスペクトル係数が許容される制限値以
内で符号化できるようになるまで反復して行われる。

【００２０】

【実施例】

［概要］以下、本発明を実施例について説明する。説明
を分かりやすくするため、この実施例を、個々の機能を
代表する機能ブロックから構成されるものとして述べる
（「処理装置」と名称を付けた機能ブロックを含む）。
これらのブロックが代表する機能は、兼用又は専用のい
ずれのハードウエアを用いても得ることができ、又これ
らのハードウエアにはソフトウエアを実行できるものを
含むがこれに限らない（「処理装置」の用語を用いて
も、ソフトウエアを実行できるもののみを意味するとは
限らない）。

【００２１】実施例は、例えば、下に述べる作業を行う
ＡＴ＆Ｔ社のＤＳＰ１６又はＤＳＰ３２Ｃのようなディ
ジタル信号処理装置（ＤＳＰ）とソフトウエアとからな
る。又、大規模集積回路（ＶＬＳＩ）をハードウエアと
して用いた実施例及びハイブリッドＤＳＰ／ＶＬＳＩを
用いた実施例についても述べる。

【００２２】図１は、本発明の実施例を組み込むのに有
用なシステムの全体ブロック図である。図１のシステム
は、図示のレベルにおいては、従来の技術において知ら
れているシステムの１例であるが、下に述べるシステム
の変更及び拡張によって、本発明を実施した場合の貢献
度が明確に理解されよう。

【００２３】図１において、アナログ可聴周波信号１０
１が前処理装置１０２に供給され、ここでサンプリング
され（一般に４８ＫＨｚにおいて）、標準的方法でディ
ジタルのパルス符号変調（ＰＣＭ）信号１０３に変換さ
れる。このＰＣＭ信号１０３は、知覚的可聴周波符号器
（ＰＡＣ）１０４に供給され、ここで圧縮され、被圧縮
ＰＡＣ信号として通信チャンネル／記憶媒体１０６に出
力される。

【００２４】この被圧縮ＰＡＣ信号は、通信チャンネル
／記憶媒体１０６から知覚的可聴周波復号器１０８に出
力され、ここで圧縮を解除され、この被圧縮ＰＡＣ信号
に対応するＰＣＭ信号１０９として出力される。このＰ
ＣＭ信号１０９は、知覚的可聴周波復号器１０８から後
処理装置１１０に供給され、ここでＰＣＭ信号１０９を
アナログで表す信号が生成される。

【００２５】図１中の知覚的可聴周波符号器１０４の実
施例をブロック図の形で図２に示す。図１のシステムの
場合と同様に、図２は、例えば前に触れたブランデンバ
ーグ他の米国特許第５，０４０，２１７号に開示されて
いるシステムのような、従来の技術による或るシステム
を図示するに過ぎないが、本発明に基づき下に述べる変
更及び拡張を行うことによって重要な新しい結果が得ら
れるのである。

【００２６】図２の知覚的可聴周波符号器１０４は利点
として、分析フィルタバンク２０２、知覚的モデル処理
装置２０４、量子化器／レート制御ループ処理装置２０
６、及びエントロピー符号器２０８からなる。

【００２７】図２の分析フィルタバンク２０２は、利点
として、信号処理利得（すなわち冗長性抽出）のいくつ
かの測定値とフィルタバンク入力のマッピングとの両方
が人間の知覚的システムから見て意味のある形で得られ
るような仕方で、入力可聴周波信号の時間及び周波数に
おける変換を行う。

【００２８】又、利点として、入力信号のこのような変
換を行うのに、例えばプリンセン（J.P.Princen）及び
ブラッドレー（A.B.Bradley）の論文「時間領域エイリ
アシング消去に基づく分析／合成フィルタバンク設計」
（ＩＥＥＥ論文集、ＡＳＳＰ、第３４巻、第５号、１９
６８年１０月）に述べられている周知の「修正離散コサ
イン変換（ＭＤＣＴ）」を用いている。

【００２９】本発明において有用なＭＤＣＴの特徴の１
つは、臨界サンプリング特性、すなわち、フィルタバン
クに投入されるｎ個のサンプルごとにｎ個のサンプルが
フィルタバンクから得られるという特性である。

【００３０】これに加えて、ＭＤＣＴでは一般に、半オ
ーバラップが得られる。すなわち、変換長さが、フィル
タバンクにシフトされたサンプルの個数ｎの長さの、正
確に２倍である。半オーバラップによって、各フィルタ
タップに個々に注入される雑音の制御処理方法及び分析
ウィンドウ周波数応答が得られる。更に、量子化がない
場合、ＭＤＣＴによって入力サンプルの正確な再構築が
可能であり、その場合の不具合点は、整数サンプルの遅
れがあり得ることのみである。

【００３１】又、本発明の一態様においては、利点とし
て、ＭＤＣＴに変更を加え高効率のステレオ可聴周波符
号器に接続して用いられるようにすることができ、その
際には、極めて非静止的な構成要素を有する信号セクシ
ョンについての分析ウィンドウの長さを、臨界サンプル
と正確な再構築についての特性とが維持されるような仕
方で切り替える能力が付与される。

【００３２】図２の分析フィルタバンク２０２の機能を
実行するのに適したフィルタバンクの説明が、本出願に
関連する、フェレイラ（A.Ferreira）及びジョンストン
（J.D.Johnston）の米国特許出願「可聴周波信号の知覚
的符号化の方法及び装置」（以下、「フィルタバンク出
願」という）に記載されている。

【００３３】図２の知覚的モデル処理装置２０４は、知
覚的重要性、雑音マスキング特性、又は単に、分析バン
クにおける種々の信号構成要素のちょうど気付く程度の
雑音床の推定値を計算する。そして、これらの量を表す
信号は、他のシステム要素に供給され、これによりフィ
ルタ作業の制御が改善され、通信チャンネル又は記憶媒
体に送られるデ−タが用意される。

【００３４】本発明の実施例においては、ジョンストン
（Johnston）の論文「知覚的雑音基準を用いた、可聴周
波信号の変換符号化」（ＩＥＥＥ、Ｊ．Ｓ．Ｃ．Ａ．第
６巻、第２号、１９８８年２月）に記載されている「臨
界帯域ごとの分析」を用いるのではなく、しきい値の計
算においてより細かい周波数分割を用いるので有利であ
る。

【００３５】すなわち、上記ジョンストン論文に記載の
全体的トーン性測定基準を用いる代わりに、ブランデン
バーグ（K.Brandenburg）及びジョンストン（J.D.Johns
ton）の論文「第２世代の知覚的可聴周波符号化：ハイ
ブリッド符号器」（ＡＥＳ第８９回年次総会、１９９０
年）の記述に基づくトーン性測定方法によれば、周波数
によって変動するトーン性推定値が得られるので、複素
信号に、よりよく適合する。

【００３６】知覚的モデル処理装置２０４において行わ
れる音響心理学的分析によって、通常のＭＤＣＴウィン
ドウ及びより小さいウィンドウについて、左（Ｌ）、右
（Ｒ）、和（Ｍ）、及び差（Ｓ）の各チャンネルそれぞ
れに対応する雑音しきい値が得られる。より小さいウィ
ンドウの使用については、この音響心理学的なモデル処
理装置によって全体的に制御されるので有利である。

【００３７】実際の処理プロセスにおいて、実施例の知
覚的モデル処理装置２０４は、左及び右のチャンネルに
ついてのしきい値（それぞれ、ＴＨＲ_L、ＴＨＲ_Rとす
る）を求める。次にこれらのしきい値は、実施例では３
５個の符号器周波数区分（アクティブウィンドウに切り
替えられたブロックの場合には５６個の区分）の各々に
おいて比較される。

【００３８】これら２つのしきい値の左右間の変動値が
或る値（一般に２ｄＢ）より小さいような区分の各々に
おいて符号器は、和差（Ｍ／Ｓ）モードに切り替えられ
る。すなわち、その周波数帯域についての左の信号Ｌ
が、Ｍ＝（Ｌ＋Ｒ）／２に、又右の信号ＲがＳ＝（Ｌ−
Ｒ）／２に、それぞれ置き換えられる。この置換を起動
させる実際の差の量は、ビットレート制約及びその他の
システムパラメータによって変動する。

【００３９】Ｌ及びＲ信号のしきい値に用いられるしき
い値計算方法と同じ方法がＭ及びＳ信号のしきい値にも
用いられ、実際のＭ及びＳ信号についてしきい値が計算
される。まず第一に、基本的しきい値（それぞれＢＴＨ
Ｒ_M、ＢＴＨＲ_S）が計算される。次に、下に示すステッ
プによって、Ｍ及びＳ信号のステレオマスキング貢献値
が計算される。

【００４０】１．Ｍ及びＳのしきい値の各々について、
追加のファクタが計算される。このファクタ（ＭＬ
Ｄ_M、ＭＬＤ_S）は、拡散信号エネルギー（上記ジョンス
トン論文、上記ジョンストン及びブランデンバーグ論
文、及び上記ブランデンバーグ他の米国特許第５，０４
０，２１７号から導かれる）に、図３に示すマスキング
レベル差ファクタを乗じて計算される。この計算で、第
２のレベル、すなわち、種々のソースにおいて示される
マスキングレベル差に基づき、Ｍ及びＳチャンネルにお
ける周波数全域にわたっての雑音検出可能性のレベルが
計算される。

【００４１】２．和信号（すなわちＭ信号）についての
実際のしきい値（ＴＨＲ_M）が、ＴＨＲ_M＝ｍａｘ（ＢＴ
ＨＲ_M，ｍｉｎ（ＢＴＨＲ_S，ＭＬＤ_S））として、又、
差信号（すなわちＳ信号）についての実際のしきい値
（ＴＨＲ_S）が、ＴＨＲ_S＝ｍａｘ（ＢＴＨＲ_S，ｍｉｎ
（ＢＴＨＲ_M，ＭＬＤ_M））として計算される。

【００４２】結果として、ステレオで非マスキングの可
能性ある場合には、ＭＬＤ信号がＢ_T信号の代わりとな
る。Ｌ及びＲしきい値が等しいと判っているので、Ｌ及
びＲしきい値が等しくないことによるＭ及びＳしきい値
低下の問題を考慮する必要はない。

【００４３】図２の知覚的可聴周波符号器１０４に用い
られる量子化器／レート制御ループ処理装置２０６は、
分析フィルタバンク２０２及び知覚的モデル処理装置２
０４からの出力を受けて、与えられた用途についてのビ
ットレート要求値を満足させるように、ビット及び雑音
を割り当て、他のシステムパラメータを制御する。いく
つかの符号器の例においては、この符号２０６の装置は
量子化器のみからなり、したがって、ビットレートには
っきりと注意を払わなくても知覚的モデルの、ちょうど
気付く程度の差を超えることは決してない。

【００４４】又、符号器によっては、この符号２０６の
装置は繰り返しループの複合装置からなり、この複合装
置においてビットレートと符号化雑音との間のバランス
を得るために歪及びビットレートが調整される。特に有
用な量子化器／レート制御処理装置が、本出願の原米国
出願と同日に米国出願されたジョンストン（J.D.Johnst
on）の「知覚的符号器／復号器用レートループ処理装
置」（以下、レートループ出願という）に述べられてい
る。

【００４５】又、この符号２０６のレートループ処理装
置は、分析され量子化された信号、その他必要な側面情
報、挿入情報、及び枠組み情報の受信機能（上記のレー
トループ出願に述べられている）を備えることが望まし
い。これらの機能については、上記ブランデンバーグ他
の米国特許第５，０４０，２１７号に概略が述べられて
いる。

【００４６】次に、エントロピー符号器２０８は、レー
ト制御処理装置２０６と協力して更に無雑音の圧縮を行
うために用いられる。特に、本発明の一態様において
は、エントロピー符号器２０８は、量子化器／レート制
御ループ処理装置２０６からの出力である量子化された
可聴周波信号を含む入力を受信し、この量子化された可
聴周波信号について無損失の符号化を行い、圧縮された
可聴周波信号を通信チャンネル／記憶媒体１０６に出力
するので有利である。

【００４７】本実施例のエントロピー符号器２０８に
は、利点として、量子化された可聴周波信号の各々を符
号化するために冗長性の最小なハフマン符号化技術を新
たに変化させた技術が用いられている。ハフマン符号に
ついては、例えばハフマン（D.A.Huffman）の論文「最
小冗長性符号の構築方法」（ＩＲＥ論文集、４０：１０
９８−１１０１、（１９５２年））並びに、カバー（T.
M.Cover）及びトーマス（J.A.Thomas）著「情報理論の
要素」９２〜１０１ページ（１９９１年刊）に述べられ
ている。

【００４８】又、図２の符号器に関連して利点として用
いられているハフマン符号の有用な適用例が、本出願の
原米国出願と同日に米国出願されたジョンストン（J.D.
Johnston）及びリード（J.Reed）の「エントロピー符号
器」（以下、エントロピー符号器出願という）により詳
細に述べられている。デ−タ通信技術の当業者には、周
知のレンペル−ジブ（Lempel-Ziv）圧縮方法を含む他の
無雑音デ−タ圧縮技術を用いたエントロピー符号器２０
８の別の実施例の実現方法について容易に察知できよ
う。

【００４９】図２に示す各要素の用法については、全体
のシステム機能との関連において更に詳細に説明する。
又、知覚的モデル処理装置２０４の動作の詳細について
も下に述べる。

【００５０】（２．１分析フィルタバンク）知覚的可聴
周波符号器１０４の分析フィルタバンク２０２は、入力
としてパルス符号変調（ＰＣＭ）ディジタル可聴周波信
号（一般には、４８ＫＨｚでサンプリングされた１６ビ
ット信号）を受信し、入力信号の個々の周波数構成要素
を識別特定するような、入力信号に対応する信号を出力
する。詳しくいえば、分析フィルタバンク２０２の出力
は、入力の修正離散コサイン変換（ＭＤＣＴ）からな
る。

【００５１】これについては、プリンセン他（J.Prince
n et al.）の論文「時間領域エイリアシング消去に基づ
くフィルタバンクを用いたサブバンド変換符号化」（Ｉ
ＥＥＥ、ＩＣＡＳＳＰ、２１６１〜２１６４ページ、
（１９８７年））を参照されたい。

【００５２】本発明の一態様に基づく分析フィルタバン
ク２０２の実施例を図４に示す。分析フィルタバンク２
０２は、入力信号バッファ３０２、ウィンドウ掛算器３
０４、ウィンドウメモリ３０６、ＦＦＴ（高速フーリエ
変換）処理装置３０８、ＭＤＣＴ（修正離散コサイン変
換）処理装置３１０、連接器３１１、遅延メモリ３１
２、及びデ−タ選択器３１４から構成される。

【００５３】分析フィルタバンク２０２は、フレームに
対して作動する。１つのフレームは、入力信号バッファ
３０２に保持されている２Ｎ個のＰＣＭ入力可聴周波信
号サンプルとして選ぶのが便利である。上に述べたよう
に、各ＰＣＭ入力可聴周波信号サンプルは、Ｍビットで
表される。例えばＮ＝５１２、Ｍ＝１６、である。

【００５４】入力信号バッファ３０２は、２つのセクシ
ョン、すなわちバッファ内の１からＮまでの位置に存在
するＮ個のサンプルからなる第１のセクションと、バッ
ファ内のＮ＋１から２Ｎまでの位置に存在するＮ個のサ
ンプルからなる第２のセクションとから構成される。知
覚的可聴周波符号器１０４によって符号化されることに
なる各フレームは、入力可聴周波信号の、互いに連続す
るＮ個のサンプルを入力信号バッファ３０２に移すこと
によって定義される。古い方のサンプルは、新しい方の
サンプルよりもより高いバッファ位置に配置される。

【００５５】与えられた時点において入力信号バッファ
３０２が２Ｎ個の可聴周波信号サンプルからなる１つの
フレームを保持していると仮定すると、このフレームに
続くフレームは、次の２つのことによって得られる。

【００５６】すなわち、（１）バッファ内の１からＮま
での位置に存在するＮ個の可聴周波信号サンプルをバッ
ファ内のＮ＋１から２Ｎまでの位置にそれぞれ移すこと
と（この場合、Ｎ＋１から２Ｎまでの位置に前に存在し
ていた可聴周波信号サンプルは上書き又は削除され
る）、（２）前処理装置１０２からＮ個の新たな可聴周
波信号サンプルを、入力信号バッファ３０２内のバッフ
ァ内の１からＮまでの位置に移すこととである。

【００５７】したがって、互いに連続するフレームの有
するサンプルのうち、Ｎ個のサンプルは共通であること
が判る。すなわち、互いに連続する２個のフレームのう
ちの第１のフレームは、共通のサンプルをバッファ内の
１からＮまでの位置に有し、同じく第２のフレームは、
共通のサンプルをバッファ内のＮ＋１から２Ｎまでの位
置に有することになる。

【００５８】分析フィルタバンク２０２は臨界サンプリ
ングシステムである（すなわち、入力信号バッファ３０
２によって受信された可聴周波信号サンプルＮ個ごと
に、分析フィルタバンク２０２がＮ個のスカラー量から
なる１個のベクトルを量子化器／レート制御ループ処理
装置２０６に送る）。

【００５９】入力可聴周波信号の各フレームが、入力信
号バッファ３０２によってウィンドウ掛算器３０４に供
給され、その結果、ウィンドウ掛算器３０４によって７
個の別個のデ−タウィンドウと各フレームとの間で掛け
算が行われる。

【００６０】各デ−タウィンドウは、「係数」と称する
スカラー量からなる１つのベクトルである。これら７個
のデ−タウィンドウの全てが２Ｎ個（すなわち、フレー
ム中に存在する可聴周波信号サンプルの数と同じ数）の
係数を有するのに対し、７個のうち４個のウィンドウの
みが（Ｎ／２）個（すなわち、フレーム中に存在する可
聴周波信号サンプルの数の１／４の数）の非ゼロ係数を
有する。下に説明するように、デ−タウィンドウ係数に
ついては、ＭＤＣＴ処理装置３１０の出力の知覚的エン
トロピーを減少させるように選ぶので有利である。

【００６１】デ−タウィンドウ係数についての情報は、
ウィンドウメモリ３０６に記憶される。ウィンドウメモ
リ３０６は例えば、ランダム・アクセス・メモリ（ＲＡ
Ｍ）、読みだし専用メモリ（ＲＯＭ）、又は他の磁気的
又は光学的媒体からなる。ウィンドウ掛算器３０４によ
って掛け算を適用される７個のデ−タウィンドウの動き
の例を図４に示す。図４に示した７個のデ−タウィンド
ウの各々についての係数の一般的なベクトルを添付書Ａ
に示す。図４及び添付書Ａから判るように、デ−タウィ
ンドウ係数のいくつかはゼロに等しい。

【００６２】デ−タウィンドウが２Ｎ個のスカラー量か
らなるベクトルであることと、可聴周波信号フレームも
又２Ｎ個のスカラー量からなるベクトルであることとに
留意して、可聴周波信号フレームスカラー量にデ−タウ
ィンドウ係数を１対１の掛け合わせで（すなわち、第１
の可聴周波信号フレームスカラー量に第１のデ−タウィ
ンドウ係数を掛け、第２の可聴周波信号フレームスカラ
ー量に第２のデ−タウィンドウ係数を掛けるというよう
にして）掛け算を行う。

【００６３】したがって、ウィンドウ掛算器３０４は、
並行して演算する７個のマイクロプロセッサからなり、
各マイクロプロセッサは、入力信号バッファ３０２に保
持される可聴周波信号フレームに７個のデ−タウィンド
ウのうちの１個を適用するために２Ｎ回の掛け算を行
う。ウィンドウ掛算器３０４の出力は、２Ｎ個のスカラ
ー量の７個のベクトルからなり、これらのベクトルを、
以下、ウィンドウを掛け合わせたフレーム・ベクトル
（ウィンドウ・フレーム・ベクトル）という。

【００６４】７個のウィンドウ・フレーム・ベクトル
は、ウィンドウ掛算器３０４によってＦＦＴ処理装置３
０８に供給される。ＦＦＴ処理装置３０８は、７個のウ
ィンドウ・フレーム・ベクトルの各々について奇数周波
数高速フーリエ変換（ＦＦＴ）を行う。奇数周波数ＦＦ
Ｔは、周波数（ｋｆ_H／２Ｎ）において行われる離散フ
ーリエ変換である。ここに、ｋ＝１，３，５，．．．，
２Ｎ、そして、ｆ_Hはサンプリングレートの１／２に等
しい。

【００６５】実施例のＦＦＴ処理装置３０８は、並行し
て作動する７個の通常のデシメーション・イン・タイム
ＦＦＴ処理装置からなり、各々が、異なるウィンドウ・
フレーム・ベクトルに対して作動する。ＦＦＴ処理装置
３０８の出力は、２Ｎ個の複素成分からなる７個のベク
トルで、以下総称して、ＦＦＴベクトルという。

【００６６】ＦＦＴ処理装置３０８は、７個のＦＦＴベ
クトルを知覚的モデル処理装置２０４及びＭＤＣＴ処理
装置３１０の両方に供給する。知覚的モデル処理装置２
０４は、ＦＦＴベクトルを用いて、デ−タ選択器３１４
及び量子化器／レート制御ループ処理装置２０６の動作
に指示を与える。デ−タ選択器３１４及び知覚的モデル
処理装置２０４の動作の詳細については下に説明する。

【００６７】ＭＤＣＴ処理装置３１０は、ＦＦＴ処理装
置３０８から受信した７個のＦＦＴベクトルの各々の実
数成分に基づいて、ＭＤＣＴ（修正離散コサイン変換）
を行う。ＭＤＣＴ処理装置３１０は、並行して作動する
７個のマイクロプロセッサからなる。これらのマイクロ
プロセッサは各々、７個のＦＦＴベクトルの１つに基づ
いてＮ個の実数スカラー量の７個のＭＤＣＴベクトルの
１つを定める。

【００６８】各ＦＦＴベクトル、Ｆ（ｋ）について、結
果として得られるＭＤＣＴベクトル、Ｘ（ｋ）は、次の
数式によって表される。Ｘ（ｋ）＝Ｒｅ［Ｆ（ｋ）］ｃｏｓ［π（２ｋ＋１）
（１＋Ｎ）／４Ｎ］ここに、１≦ｋ≦Ｎ、である。

【００６９】この計算手順においては、結果の冗長性か
ら、ｋは２Ｎまでの必要はなく、Ｎまでとればよい。す
なわち、Ｎ≦ｋ≦２Ｎ、に対しては、次の数式となる。Ｘ（ｋ）＝ −Ｘ（２Ｎ−ｋ）ＭＤＣＴ処理装置３１０は、７個のＭＤＣＴベクトルを
連接器３１１及び遅延メモリ３１２に供給する。

【００７０】ウィンドウ掛算器３０４に関連して上に述
べたように、７個のデ−タウィンドウのうちの４個は、
（Ｎ／２）個のの非ゼロ係数を有する（図１４（Ｃ）〜
図１４（Ｆ）参照）。このことは、ウィンドウ・フレー
ム・ベクトルのうちの４個が（Ｎ／２）の非ゼロ係数の
みを有することを意味する。

【００７１】したがって、これら４個のベクトルの非ゼ
ロ値は、ＭＤＣＴ処理装置３１０から出力した後に、連
接器３１１を用いて連接することにより長さ２Ｎの１個
のベクトルになる。そして、これらのベクトルは、この
ように連接した結果、以後のプロセスでは１個のベクト
ルとして用いられる。すなわち、遅延メモリ３１２に
は、７個の代わりに４個のＭＤＣＴベクトルが供給され
る。

【００７２】遅延メモリ３１２は、ＭＤＣＴ処理装置３
１０と連接器３１１とから４個のＭＤＣＴベクトルを受
信し、一時的に記憶する。又、遅延メモリ３１２は、分
析フィルタバンク２０２内で、上記４個のＭＤＣＴベク
トルの流れについて可聴周波信号フレーム（入力信号バ
ッファによって定義されたフレーム）１個を遅延させ
る。

【００７３】この遅延は、（ｉ）互いに連続する可聴周
波信号フレームを表すＭＤＣＴベクトルの最も最近の互
いに連続する２セットを記憶することと、（ｉｉ）これ
ら互いに連続する２つのベクトルセットのうちの古い方
のセットをデ−タ選択器３１４に入力として供給するこ
ととによって行われる。遅延メモリ３１２は、Ｍ×２×
４×Ｎの大きさのＲＡＭからなる。

【００７４】ここに、２は互いに連続するベクトルセッ
トの数、４は１つのセット中のベクトルの数、Ｎは１つ
のＭＤＣＴベクトル中の成分の数、そしてＭは１つのＭ
ＤＣＴベクトル成分を表すのに用いられるビット数であ
る。

【００７５】デ−タ選択器３１４は、遅延メモリ３１２
から供給された４個のＭＤＣＴベクトルのうちから１個
を選択して、分析フィルタバンク２０２の出力として量
子化器／レート制御ループ処理装置２０６に送る。上に
述べたように、知覚的モデル処理装置２０４は、ＦＦＴ
処理装置３０８から供給されたＦＦＴベクトルに基づい
て、デ−タ選択器３１４の動作に指示を与える。

【００７６】遅延メモリ３１２の遅延動作から、知覚的
モデル処理装置２０４に供給された７個のＭＤＣＴベク
トルと今デ−タ選択器３１４に供給された４個のＭＤＣ
Ｔベクトルとは、同一の可聴周波入力フレームに基づく
のではなく、２つの互いに連続する入力信号フレームに
基づくことになり、ベクトルとしては、これら２つのフ
レームのうちの前の方のフレームに基づくＭＤＣＴベク
トル及び同じく後の方のフレームに基づくＦＦＴベクト
ルということになる。

【００７７】したがって、特定のＭＤＣＴベクトルの選
択は、次に続く可聴周波信号フレームにある情報に基づ
いて行われる。知覚的モデル処理装置２０４がＭＤＣＴ
ベクトルの選択を指示する基準については、次の［知覚
的モデル処理装置］説明の項で述べる。

【００７８】ステレオ実施例の説明の便宜上、上記の分
析フィルタバンク２０２は左右量チャンネルの各々に設
けるものとする。

【００７９】（２．２知覚的モデル処理装置）知覚的符
号器は、高品質可聴周波信号を正確に表すのに必要なビ
ット数を減少させるように作動する。この減少効果は、
部分的には、分析フィルタバンク２０２から得られるＭ
ＤＣＴ情報信号のような、情報を包含する信号の量子化
に付随する雑音を導入することによって達成される。も
ちろん、目標はこの雑音を知覚できない方法又は無害な
方法で導入することにある。

【００８０】この雑音形成は本来、周波数分析手段であ
るので、次のプロセスが便利である。すなわち、信号を
スペクトル的表現（例えば、分析フィルタバンク２０２
から得られるＭＤＣＴベクトル）に変換し、これらの信
号によってマスキングされる雑音の形状と量とを計算
し、スペクトル値を量子化することによって雑音を注入
するプロセスである。これらの動作は、図２に示す知覚
的符号器の構成の中で行われる。

【００８１】本実施例において、知覚的可聴周波符号器
１０４の知覚的モデル処理装置２０４は、連続するフレ
ームについて作動する分析フィルタバンク２０２から入
力信号を受信する。知覚的モデル処理装置２０４の入力
は一般に、分析フィルタバンク２０２からの７個のＦＦ
Ｔ（高速フーリエ変換）ベクトルからなる。これらは、
ＦＦＴ処理装置３０８からの出力で、２Ｎ個の複素成分
から構成され、各々ウィンドウフレームベクトルの１つ
に対応する７個のベクトルの形を取るベクトルである。

【００８２】量子化雑音を信号によってマスキングする
ためには、信号のスペクトル的内容と信号の特定のスペ
クトルパタ−ンの持続時間とを考慮する必要がある。こ
れら２つのファクタは、聴覚系の統合期間が与えられた
場合に信号と雑音とがほぼ定常状態にあるような周波数
領域におけるマスキングに関連し、又、信号と雑音とが
異なる蝸牛フィルタに当てられるような時間領域におけ
るマスキングに関連する。これらのフィルタの形状及び
長さは、周波数によって決まる。

【００８３】周波数領域におけるマスキングは、「同時
マスキング」の概念で、又、時間領域におけるマスキン
グは、「マスキング前」特性及び「マスキング後」特性
の概念で、それぞれ説明される。これらの概念について
は、例えば、ツビッカー（E.Zwicker）及びファストル
（H.Fastl）著「音響心理学、その実際及びモデル」
（シュプリンガー出版社１９９０年）等の文献に詳細に
わたって述べられている。これらの概念を知覚的符号化
に有益に用いるため、異なるいくつかの実施例が考慮さ
れた。

【００８４】「同時マスキング」の評価は、知覚的雑音
形成モデルを用いることによって行われる。信号のスペ
クトル的内容と、雑音に似た、又はトーンに似た挙動に
関しての記述とを与えらると、これらのモデルによっ
て、各スペクトル成分の量子化レベルを定める仮定マス
キングしきい値が生成される。この雑音形成は、知覚で
きる程の差を生じさせずに元の信号に導入できる最大雑
音量を表す。

【００８５】知覚的エントロピー（ＰＥ）と称する測定
法では、この仮定マスキングしきい値を用いて即応的
（トランスパレント）符号化についてのビットレートの
理論的下限値を推定する。（ジョンストン（J.D.Johnst
on）の論文「雑音マスキング基準を用いての知覚的エン
トロピーの推定」（ＩＣＡＳＳＰ、１９８９年）

【００８６】「マスキング前」特性は、雑音より大きな
マスキング信号よりも少し前に始まるこの雑音が聞こえ
るかどうかを表す。雑音の振幅は、遅延が増加するにつ
れてより減衰させる必要がある。この減衰レベルも周波
数によって決まる。もしこの雑音が合成ウィンドウの前
半によって減衰された量子化雑音の場合、最大許容遅延
時間は約１ｍｓであることが実験的に判っている。

【００８７】この問題は非常に微妙で、良好な符号化利
得を得ることと直接衝突する。静止的条件を仮定すると
（これは事実に反する前提であるが）、符号化利得は、
より大きな変換に対してより大きくなるが、量子化誤差
は、再生された時間セグメントが始まるまで拡散する。
したがって、もし、４８０００Ｈｚのレートでサンプリ
ングされたディジタル信号について１０２４サンプル相
当の変換長さが用いられる場合には、雑音は、信号に先
立つこと多くとも２１ｍｓの時点に現れることになる。

【００８８】このシナリオは、信号が、時間領域内での
鋭い過渡現象の形（普通、アタックとして知られる）を
取る場合に、特に不安定である。この場合、量子化雑音
は、アタックよりも前に聞こえる。この効果は、プリエ
コーとして知られている。

【００８９】このように、固定長さのフィルタバンク
は、信号の非静止的領域にとって、良好な知覚的解でも
なく信号処理解でもない。この問題を避けることが可能
な方法の１つが、分析／合成ウィンドウ長さを減少させ
ることによって符号器の時間的分割を改善することであ
ることを後に述べる。これは、アタックの状況が検出さ
れた場合に、ウィンドウ切り替えメカニズムとして実現
される。

【００９０】このように、大きい分析／合成ウィンドウ
を用いて得られる符号化利得は、この検出の結果として
小さい方の分析／合成ウィンドウに切り替える必要があ
るような場合にのみ影響を受ける。

【００９１】「マスキング後」特性は、より強いマスキ
ング信号が終止した後に雑音が残る場合にこの雑音が聞
こえるかどうかを表す。この場合、許容遅延時間は２０
ｍｓのオーダーである。大きい方の変換された時間セグ
メントが２１ｍｓ（１０２４サンプル）続くとした場
合、この状態の取り扱いに特に注意する必要はない。

【００９２】［ウィンドウ切り替え］特定の変換セグメ
ントの知覚的エントロピー（ＰＥ）測定によって、その
セグメントを即応的に符号化するためのビット／サンプ
ルの理論的下限が得られる。マスキング前の保護に関連
するメモリ特性のため、この測定からは、信号の強い非
静止的状態（例えば、アタック）が発生した場合、ＰＥ
値に、前の値（前のセグメントに関連する）に対して顕
著な増加がみられる。

【００９３】この重要な特性は、プリエコーを減少させ
るためにウィンドウ切り替えメカニズムを起動させるの
に用いられる。このウィンドウ切り替えメカニズムは、
新しい手法ではなく、例えば、ＩＳＯ／ＭＰＥＧ可聴周
波符号化報告（１９９０年）に述べられているＡＳＰＥ
Ｃ符号器にも用いられているが、その背後の意思決定技
術は新しいもので、ＰＥ情報を用いることにより、非静
止状態を正確に定位し、切り替えを行う正しい時点を定
義することができる。

【００９４】２つの基本的なウィンドウ長さとして１０
２４個のサンプルと２５６個のサンプルとが用いられ
る。前者は約２１ｍｓのセグメント持続長さに、又、後
者は約５ｍｓのセグメント持続長さにそれぞれ対応す
る。小ウィンドウは４個のセットとして１個の大ウィン
ドウと同量のデ−タを表す（但し、異なる数の時間的サ
ンプルを表す）。

【００９５】大ウィンドウから小ウィンドウへの、又は
その逆の移行を行うためには、更に２つの種類のウィン
ドウを用いるのが便利である。そのうちの、「スター
ト」ウィンドウは大ウィンドウ（通常のウィンドウ）か
ら小ウィンドウへの移行に、又「ストップ」ウィンドウ
はその逆の移行に用いられる（図５（Ｂ）参照）。これ
らについての有用な説明が、上に引用したプリンセン文
献に述べられている。

【００９６】これら２つの追加ウィンドウは、いずれも
１０２４個のサンプルに対応する大きさを有する。これ
らの追加ウィンドウは、信号を臨界サンプリングの状態
に保つのにも、又、移行領域で時間領域エイリアシング
消去を保証するのにも有用である。

【００９７】チャンネル相互間の冗長性及び非関連性を
活用するために、各セグメントにおいて左右両チャンネ
ルについて同じ形式のウィンドウが用いられる。

【００９８】信号の静止的挙動は、２つのレベルにおい
てモニタされる。すなわち、最初は大きな通常のウィン
ドウによってモニタされ、次にもし必要なら小ウィンド
ウでモニタされる。したがって、大ウィンドウ（通常の
ウィンドウ）のＰＥは、各セグメントについて計算され
るが、小ウィンドウのＰＥは、必要な場合にのみ計算さ
れる。しかし、信号の連続的変動に追随するために、両
方の形式のトーン性についての情報は、各セグメントに
ついて更新される。

【００９９】別段の表示のない限り、セグメントは１０
２４個のサンプルからなり、これは大ウィンドウ（通常
ウィンドウ）の長さに等しい。

【０１００】図５（Ａ）は、点「Ｎ／２」から点［３Ｎ
／２」までのセグメントを分析している際にモニタでき
る可能性をすべて表現した説明図である。図６はこれに
関連する流れ図で、モニタ作業の手順と決定技術とを示
す。必要な場合に一連の小ウィンドウの前に「スター
ト」ウィンドウを挿入できるように、セグメントの３／
２をバッファに保持しておくことが必要である。図５
（Ａ）から図５（Ｅ）までの図においては、互いに連続
するセグメント間に５０％のオーバラップをはっきりと
考慮している。

【０１０１】プロセスは、５１２個の新たな時間的サン
プルからなる新たなセグメントを分析することから始ま
る（残りの５１２個のサンプルは前のセグメントに属す
る）。この新セグメントのＰＥと前のセグメントとのＰ
Ｅ差とが計算される。もし後者の値が予め定められたし
きい値に到達した場合、現セグメント内に非静止状態が
存在すると判断され、その詳細は、図５（Ａ）に示す位
置を有する４個の小ウィンドウを処理することによって
得られる。

【０１０２】各小ウィンドウのＰＥ値が計算され、ＰＥ
１、ＰＥ２、ＰＥ３、及びＰＥ４の順に結果が得られ
る。これらの値から、信号の強い非静止状態の正確な開
始点が導き出される。

【０１０３】位置としては、図５（Ａ）中に、Ｌ１、Ｌ
２、Ｌ３、Ｌ４、及びＬ５として示す５箇所だけが可能
である。図から判るように、もし非静止状態が点「Ｎ／
２」から点「１５Ｎ／１６」までの間のどこかで発生し
ていたとすると、その状態は前のセグメントにおいて検
出されていたはずである。したがって、ＰＥ１の値は現
セグメントの非静止状態に関する情報を含んでいないこ
とになる。

【０１０４】ここで、小ウィンドウの平均ＰＥ値が同じ
セグメントの大ウィンドウのＰＥ値と比較される。ＰＥ
値がより小さいことはより効率的な符号化状態であるこ
とを意味する。したがって、もし前者すなわち平均値が
後者すなわち大ウィンドウの値より小さくない場合、縮
退状態が存在するものとみなされ、ウィンドウ切り替え
プロセスは中止される。

【０１０５】以上から、小ウィンドウについて、静止状
態に関する情報は、前のウィンドウのＰＥ値との差より
も現ウィンドウのＰＥ値により多く存在することが観察
された。その結果、予め定められたしきい値よりも大き
いＰＥ値を有する第１ウィンドウが検出される。ＰＥ２
は位置Ｌ１で識別され、同じくＰＥ３は位置Ｌ２で、Ｐ
Ｅ４は位置Ｌ３で識別される。いずれの場合にも、「ス
タート」ウィンドウは、小ウィンドウで符号化される現
セグメントの前に配置される。

【０１０６】プロセスを完了するには「ストップ」ウィ
ンドウが必要であるが、２つの可能性が考えられる。も
し信号の強い非静止状態の開始点として識別された位置
がＬ１又はＬ２の場合、これは、小ウィンドウの一連の
セグメントのかなり内部にあり、符号化による人工要素
は生じない。この符号化シ−ケンスを図５（Ｂ）に示
す。もし非静止状態の開始点がＬ４ならば、最悪の場
合、非静止状態は最後の小ウィンドウの右端に非常に近
いところで始まる可能性がある。

【０１０７】前の結果は、符号化状態において「ストッ
プ」ウィンドウをこれらの状況に配置することがこの切
り替え点において信号の再構築を顕著に劣化させること
を一貫して示している。この理由から、「ストップ」ウ
ィンドウの前に別の４個の小ウィンドウのセットが配置
される。その結果としての符号化シ−ケンスを図５
（Ｅ）に示す。

【０１０８】もし小ウィンドウのＰＥ値がどれもしきい
値を超えない場合、残る可能性は、Ｌ４又はＬ５であ
る。この場合、問題は小ウィンドウシ−ケンスの範囲の
先にあり、バッファ内の第１セグメントが、通常の大ウ
ィンドウを用いてすぐに符号化される。

【０１０９】正しい位置を識別特定するために、別の小
ウィンドウでの処理が必要である。これは、図５（Ａ）
中に破線で表され、そのＰＥ値であるＰＥ１_n+1も計算
される。容易に判るように、この小ウィンドウは既に次
のセグメントに属している。もしＰＥ１_n+1がしきい値
を超える場合、位置はＬ４であり、図５（Ｃ）に示すよ
うに、「スタート」ウィンドウに「ストップ」ウィンド
ウが続く形となる。この場合、量子化雑音の拡散は小ウ
ィンドウの長さに限られ、よりよい符号化利得が得られ
る。

【０１１０】まれに位置がＬ５の場合があり、その際に
は、符号化は図５（Ｄ）のように行われる。この場合に
これが正しい解であることの証明は、ＰＥ２_n+1の値が
しきい値を超えることを確認することで得られる。ＰＥ
２_n+1は、ＰＥ１_n+1で識別されるウィンドウの直後に続
く小ウィンドウ（図５には表されていない）のＰＥ値で
ある。

【０１１１】前に述べたように、各セグメントについ
て、「ＲＩＧＨＴ」（右）及び「ＬＥＦＴ」（左）のチ
ャンネルは、同じ形式の分析／合成ウィンドウを用い
る。これは、少なくとも一方のチャンネルが切り替えを
要するときには両方のチャンネルについて切り替えが行
われることを意味する。

【０１１２】以上から、ビットレートの低い用例につい
ては、図５（Ｃ）の解は、局部的にはよい音響心理学的
解ではあるが、不当に大量のビット数を必要とし、これ
が後に続くセグメントの符号化の品質に悪影響を及ぼす
ことが観察された。この理由から、符号化についてのこ
の解は、結局用いられない。

【０１１３】又、小ウィンドウが用いられた場合に再構
築された信号の詳細が、通常の大ウィンドウのみが用い
られる場合よりも元の信号に近いことも明かである。こ
れは、アタックが基本的に、広帯域幅信号であること
と、極めて短時間しか静止状態にないと考えてよいこと
とによる。小ウィンドウは大ウィンドウよりも大きな時
間的分割を有するので、変動するスペクトルパタ−ン
を、より高い忠実度で追随、再生できるのである。

【０１１４】いい替えれば、これは、信号のより正確な
局部的（時間）量子化と、同じ信号の全体的（周波数）
量子化との差である。

【０１１５】次に、ステレオ符号器の最終マスキングし
きい値が、モノラル及びステレオしきい値の組み合せを
用いて計算される。モノラルしきい値が各チャンネルに
ついて独立して計算されるのに対し、ステレオでは両チ
ャンネルが考慮される。

【０１１６】「右」チャンネル又は「左」チャンネルの
独立したマスキングしきい値は、トーンをマスキングす
る雑音と雑音をマスキングするトーンとについての表現
を含む音響心理学的モデルを用いて計算される。後者
は、雑音をマスキングする雑音の表現の控え目な近似概
算として用いられる。モノラルしきい値は、前に説明し
た作業と同じ手順を用いて計算される。

【０１１７】特に、トーン性の測定は、最後の３個のセ
グメントの全体にわたって各周波数係数のパワー及びフ
ェーズの展開を考慮して、信号がよりトーンに似るか又
はより雑音に似るかを識別する。したがって、音響心理
学的表現は各々、多かれ少なかれ他方よりも加重され
る。文献に記載のこれら表現は、よりよい性能を得るた
めに更新されている。

【０１１８】これらは次の式のように定義される。ＴＭＮ_dB ＝１９．５＋ｂａｒｋ（１８．０／２６．０）ＴＭＴ_dB ＝６．５６ − ｂａｒｋ（３．０６／２６．０）ここに、ｂａｒｋは、バーク・スケールによる周波数、
である。このスケールは、いわゆる蝸牛フィルタ又は臨
界帯状組織と称されるものに関連する。この臨界帯状組
織は、頭蓋底膜の定長セグメントのことである。最終し
きい値は、マスキングの絶対しきい値及び部分的なマス
キング前の保護を考慮して調整される。

【０１１９】モノラルしきい値の計算の全部について以
下に簡単に説明する。関連演算の説明を簡略化するた
め、いくつかの用語の導入が必要である。

【０１２０】それぞれ異なる目的に合わせるために、各
セグメントのスペクトルは３種類の異なる方法で構成さ
れる。

【０１２１】１．第１に、スペクトルは、区分に分割さ
れて構成される。各区分には、１個のバーク値が付随す
る。これらの区分によって、１個のＭＤＣＴライン又は
臨界帯域幅の１／３のいずれか広い方に近似の分割が得
られる。低い周波数においては、単一のＭＤＣＴライン
が符号器区分を構成する。高い周波数においては、多数
の線が組み合わされて１つの符号器区分が得られる。こ
の場合、付随するバーク値はこの区分の中央バーク点で
ある。

【０１２２】このスペクトル区分方法は、拡散関数に対
して受け入れ可能な分割が確実に得られるようにするた
めに必要である。後に示すように、この機能は、近隣の
臨界帯域に対するマスキングの影響を表す。

【０１２３】２．第２に、スペクトルは、帯域に分割さ
れて構成される。帯域は、パラメータ・ファイルによっ
て定義される。各帯域は、最終マスキングしきい値ベク
トルから得られる単一のスケールファクタに付随するい
くつかのスペクトル線をまとめたものである。

【０１２４】３．最後に、スペクトルは又、セクション
に分けて構成される。後で説明するが、セクションには
整数の個数からなる帯域を含み、同じハフマンコードブ
ックで符号化されるスペクトル領域を表す。

【０１２５】デ−タ値について次の３種類の指標が用い
られる。「ω→」は、計算が、ＭＤＣＴライン領域内で
周波数によってインデックスされることを表示してい
る。「ｂ→」は、計算が、しきい値計算区分領域内でイ
ンデックスされることを表示している。その領域でたた
みこみ又は和が行われる場合に、「ｂｂ」が加法変数と
して用いられる。「ｎ→」は、計算が、符号器帯域領域
内でインデックスされることを表示している。

【０１２６】更に、次の符号が用いられる。１．計算区分の指標：ｂ２．区分内の最低周波数ライン：ωｌｏｗ_b ３．区分内の最高周波数ライン：ωｈｉｇｈ_b ４．区分の中間バーク値：ｂｖａｌ_b ５．区分についての、トーンをマスキングする雑音の値
（ｄＢ）：ＴＭＮ_b ６．区分についての、雑音をマスキングするトーンの値
（ｄＢ）：ＮＭＴ_b

【０１２７】以下の説明中、数箇所で、「拡散関数」
（ｓｐｒｄｎｇｆ（ｉ,ｊ））の用語が用いられる。
これは次の方法で計算される。

【０１２８】ｔｍｐｘ＝１.０５（ｊ−ｉ）、ここに、ｉは、拡散される信号のバーク値、ｊは、拡散
先の帯域のバーク値、そして、ｔｍｐｘは、一時的数値
変数。ｘ＝８ｍｉｎｉｍｕｍ（（ｔｍｐｘ−.５）²−２（ｔ
ｍｐｘ−.５），０）、ここに、ｘは、一時的数値変数、そして、ｍｉｎｉｍ
ｕｍ（ａ，ｂ）は、ａ、又はｂ、のうち、より負数であ
る方を返す関数である。

【０１２９】ｔｍｐｙ＝１５.８１１３８９＋７.５（ｔ
ｍｐｘ＋.４７４）−１７.５（１.＋（ｔｍｐｘ＋.４７
４）²）^.5、ここに、ｔｍｐｙは、別の一時的数値変数であり、もし
（ｔｍｐｙ＜−１００）の場合、｛ｓｐｒｄｎｇｆ
（ｉ,ｊ）＝０｝、そうでない場合｛ｓｐｒｄｎｇｆ
（ｉ,ｊ）＝１０^(x+tmpy)/10.｝である。

【０１３０】（しきい値計算のステップ）符号器におい
て用いられるＳＭＲ_n値を計算するには、次のステップ
が必要である。

【０１３１】１．入力信号の５１２個の新たなサンプル
を連接して、１０２４個のサンプルからなる別のセグメ
ントを形成する（図５（Ａ）を参照）。

【０１３２】２．第２．０項に述べたようにＯ−ＦＦＴ
を用い、又サイン・ウィンドウを用いて、入力信号の複
素スペクトルを計算する。

【０１３３】３．予測されたｒ及びφを計算する。変換
の極座標による表示が計算される。ｒω及びφωは、変
換されたセグメントの或るスペクトル線の大きさの成分
及び位相の成分を表す（本明細書において記号の後に付
く添え文字のωを、上記のように同列併記する場合と、
下付き文字で表記する場合とがあるが、これらは同一内
容を意味する）。

【０１３４】ｒωの予測値（次の数式［数１］の符号で
示す）及びφωの予測値（次の数式［数２］の符号で示
す）、

【数１】

【数２】は、先の２つのしきい値計算ブロックのｒ及びφから次
の数式［数３］及び［数４］により計算される。

【数３】

【数４】ここに、ｔは、現ブロック番号を表し、ｔ−１は、１つ
前のブロックのデ−タを示し、ｔ−２は、その更に１つ
前のブロックのデ−タを示す。

【０１３５】４．予測不能性の測定値ｃωを計算する。
予測不能性の測定値ｃωは、次の数式［数５］により計
算される。

【数５】

【０１３６】５．しきい値計算区分におけるエネルギー
及び予測不能性を計算する。各区分におけるエネルギ
ー、ｅ_bは、次の数式［数６］により計算され、

【数６】加重した予測不能性、ｃ_bは、次の数式［数７］により
計算される。

【数７】

【０１３７】６．区分されたエネルギー及び予測不能性
を、拡散関数でたたみこむ。これらの値ｅｃｂ_b及びｃ
ｔ_bは、次の数式［数８］及び［数９］により計算され
る。

【数８】

【数９】

【０１３８】ｃｔ_bは、信号エネルギーで加重されてい
るので、正規化する必要があり、正規化された値、ｃｂ
_bは次の式で計算される。ｃｂ_b ＝ｃｔ_b／ｅｃｂ_b 同時に、拡散関数が非正規化特性を有するため、ｅｃｂ
_bは再正規化する必要があり、再正規化されたエネルギ
ー値、ｅｎ_bは次の式で計算される。ｅｎ_b ＝ｅｃｂ_b／ｒｎｏｒｍ_b 再正規化係数、ｒｎｏｒｍ_bは次の数式［数１０］によ
り計算される。

【数１０】

【０１３９】７．ｃｂ_bを次の式によりｔｂ_bに変換す
る。ｔｂ_b ＝ −.２９９−.４３ｌｏｇ_e（ｃｂ_b）各ｔｂ_bは、０≦ｔｂ_b≦１の範囲に限定される。

【０１４０】８．各区分において要求される信号対雑音
比（ＳＮ比）を計算する。ＴＭＮ_b ＝１９.５＋ｂｖａｌ_b（１８.０）／（２
６.０）ＮＭＴ_b ＝６.５６ − ｂｖａｌ_b（３.０６）／（２
６.０）ここに、ＴＭＮ_bはトーンをマスキングする雑音の値
（ｄＢ）、ＮＭＴ_bは雑音をマスキングするトーンの値
（ｄＢ）である。要求される信号対雑音比、ＳＮＲ_bは
次の式で計算される。ＳＮＲ_b ＝ｔｂ_b × ＴＭＮ_b ＋（１−ｔｂ_b）ＮＭＴ
_b

【０１４１】９．パワー比、ｂｃ_b、を次の式で計算す
る。ｂｃ_b ＝１０^-SNRb/10

【０１４２】１０．実際のエネルギーしきい値、ｎ
ｂ_b、を次の式で計算する。ｎｂ_b ＝ｅｎ_b × ｂｃ_b

【０１４３】１１．しきい値エネルギーをＭＤＣＴライ
ン上に拡散し、結果としての値、ｎｂω、を次の式で計
算する。ｎｂω ＝ｎｂ_b／（ωｈｉｇｈ_b − ωｌｏｗ_b ＋
１）

【０１４４】１２．絶対しきい値を算入し、最終の可聴
性エネルギーしきい値、ｔｈｒω、を次の式で計算す
る。ｔｈｒω ＝ｍａｘ（ｎｂω，ａｂｓｔｈｒω）「絶対しきい値テーブル」に示される絶対しきい値（ａ
ｂｓｔｈｒ）のｄＢ値は、しきい値計算に用いられるＭ
ＤＣＴ内で±（１／２）ｌｓｂのサイン波が有するレベ
ルに比例する。ｄＢ値は、実際に用いられたＭＤＣＴ正
規化を考慮後、エネルギー領域へ変換する必要がある。

【０１４５】１３．プリエコー制御を行う。

【０１４６】１４．信号対マスク比（ＳＭ比）、ＳＭＲ
_nを計算する。「符号器の帯域」には次の２つの情報が
示される。（１）帯域の指標、ｎ。（２）帯域ｎの上部指標、ωｈｉｇｈ_n。下部指標ωｌ
ｏｗ_nは、前の帯域の値から、ωｈｉｇｈ_n-1＋１として
計算される。

【０１４７】各帯域を更に分類するために、別の変数と
して、幅指標、ｗｉｄｔｈ_nを新たに設ける。この幅指
標、ｗｉｄｔｈ_nは、もしｎが知覚的に狭い帯域の場
合、「１」の値を取り、もしｎが知覚的に広い帯域の場
合、「０」の値を取る。前者は、次の数式［数１１］が
成立する場合に生じる。

【数１１】式中、「ｂａｎｄｌｅｎｇｔｈ」は初期化ルーチンにお
いてセットされるパラメータである。数式［数１１］が
成立しない場合は、後者とみなされる。

【０１４８】次に、もし、ｗｉｄｔｈ_n ＝１、の場
合、符号器帯域における雑音レベル、ｎｂａｎｄ_n、が
次の数式［数１２］で計算される。

【数１２】もしそうでない場合には、ｎｂａｎｄ_n、は次の数式
［数１３］で計算される。

【数１３】ここに、この場合、ｍｉｎｉｍｕｍ（ａ，．．．，ｚ）
は、独立変数ａ．．．ｚのうちの最も負である負数又は
最も小さい正数を返す関数である。

【０１４９】復号器に送るべき信号対マスク比、ＳＭＲ
_nは、が次の数式［数１４］で計算される。

【数１４】

【０１５０】ここで、トーン性についての測定値がスペ
クトル分析プロセスの出力であるので、分析ウィンドウ
は大又は小ウィンドウの全ての場合についてサイン形状
を有する、ということを強調したい。特に、セグメント
が「スタート」又は「ストップ」ウィンドウとして選択
され符号化される場合、そのトーン性についての情報
は、サインウィンドウを考慮して得られる。残りの作
業、例えばしきい値の計算及び係数の量子化は、適切な
ウィンドウで得られたスペクトルを考慮する。

【０１５１】［ステレオしきい値］ステレオしきい値に
はいくつかの目的がある。大部分の時間について２つの
チャンネル上の音が互いに同一に聞こえることが知られ
ている。すなわち、符号化利得に変換できる何らかの相
関関係が存在する。これら２つのチャンネルの時間的表
示について検討した場合に、この相関関係は明白ではな
い。しかし、スペクトル的表示には、利用すると有利
な、いくつかの興味深い特徴がみられる。

【０１５２】実際には、２つのチャンネルを表示する新
たな基盤を考えるのが、非常に実際的且つ有用である。
この基盤は、次の数式［数１５］に示す一次結合によっ
て定義される２つの直交ベクトル、すなわち「ＳＵＭ」
（和）ベクトル及び「ＤＩＦＦＥＲＥＮＣＥ」（ＤＩ
Ｆ、又は、差）に関するものである。

【数１５】

【０１５３】変換プロセスが定義から一次演算であるた
め、これらのベクトル（使用中のウィンドウと同じ長さ
を有する）は、周波数領域において生成される。このこ
とは、演算負荷を簡単化するという利点がある。

【０１５４】ステレオしきい値の第１の目的は、２つの
信号について、より相関関係の少ない表示を求めること
である。これら新しいチャンネルの一方にエネルギーの
大部分が集中する状態は、「右」チャンネル及び「左」
チャンネルの間に存在する冗長性の結果として得られる
もので、これから、概して、常に符号化利得が得られ
る。

【０１５５】第２の目的は、「右」チャンネル及び
「左」チャンネルの量子化雑音を相関させることと、雑
音の位置特定（定位）又は非マスキング（アンマスキン
グ）効果を制御することとである。この問題は、「右」
チャンネル及び「左」チャンネルが独立して量子化され
符号化される場合に生じる。

【０１５６】この概念は、次の例で説明できる。或る特
定の信号についてマスキングのしきい値が計算されたと
仮定すると、２つの状態が生じる。まず第１に、しきい
値に対応する雑音量を信号に加える。この同じ信号をこ
の同じ雑音と共に両方の耳に聞かせると、雑音がマスキ
ング（遮蔽）される。

【０１５７】しかし、もししきい値に対応する雑音を信
号に加えてこの組み合せを一方の耳に聞かせてから、他
方の耳に同じことを、但し雑音については前と相関関係
をもたせないようにして、行った場合には、雑音はマス
キングされない。再度マスキング状態を得るには、両方
の耳に対する雑音をマスキングレベル差（ＭＬＤ）によ
って与えられるレベルだけ減少させる必要がある。

【０１５８】非マスキング問題は、概説すれば次の状態
として説明できる。すなわち、量子化雑音がマスキング
信号の定位に追随しない場合、量子化雑音がマスキング
されない、という状態である。特に、限定された２つの
場合が考えられる。信号が中央に定位され聴者の側部に
おいて非マスキングがより顕著である場合と、信号が側
部に定位され、非マスキングが中央線上でより顕著であ
る場合とである。

【０１５９】新たな「和」ベクトル及び「差」ベクトル
は、聴者の中央に定位された信号と側部に定位された信
号との両方を表すので非常に便利である。また、これら
のベクトルによって。中央及び側部イメ−ジで量子化を
制御することが可能となる。したがって、非マスキング
問題は、これらのベクトルを用いてマスキングレベル差
（ＭＬＤ）についての保護レベルを制御することによっ
て解決できる。

【０１６０】いくつかの音響心理学的情報及び他の実験
結果に基づいていえば、ＭＬＤ保護は、約３ＫＨｚの非
常に低い周波数については特に不安定で、信号のパワー
にのみ依り、トーン性についての特性には依らない。

【０１６１】ＭＬＤを次の数式で表すとよい結果が得ら
れる。ＭＬＤｄＢ（ｉ）＝２５.５［ｃｏｓ（πｂ（ｉ）／
３２.０）］² ここに、ｉは、スペクトルの区分指標（［７］参照）、
ｂ（ｉ）は、区分（ｉ）の中心のバーク周波数である。
この式は、ｂ（ｉ）≦１６.０の場合、すなわち３ＫＨ
ｚより低い周波数についてのみ有効である。

【０１６２】ＭＬＤしきい値の式は次の数式［数１６］
で与えられる。

【数１６】ここに、Ｃ（ｉ）は、頭蓋底膜上の拡散信号エネルギー
で、区分（ｉ）にのみ対応する。

【０１６３】ステレオしきい値の第３の、すなわち最後
の目的は、特定のステレオ信号イメ−ジを利用してこの
イメ−ジによってマスキングされた信号の方向から非関
連性を導き出すことである。原理的には、これは、ステ
レオ信号の音の豊富さを損なわないために、ステレオ信
号イメ−ジが一方向に強く表示されているときにのみ行
われる。「和」ベクトル及び「差」に基づき、この目的
は、次の２つの二元的な原理を前提とすることによって
実現される。

【０１６４】１．もし聴者の両側部において信号の（し
たがって、雑音の）強い減衰がある場合、中央線（中心
イメ−ジ）上の雑音の増大は知覚的に許容される。上限
は、側部雑音である。２．もし聴者の中央線において信号の（したがって、雑
音の）強い局在性がある場合、両側部における相関雑音
の増大は知覚的に許容される。上限は、中心雑音であ
る。しかし、雑音レベルが増加した場合には、ＭＬＤしきい
値によって矯正する必要がある。

【０１６５】これらの目的に合わせて、最終ステレオし
きい値は次のように計算される。第１に、「ＳＵＭ」
（和）チャンネル及び「ＤＩＦＦＥＲＥＮＣＥ」（差）
チャンネルについてのしきい値が、雑音をマスキングす
るトーンと、トーンをマスキングする雑音とについての
モノラルモデルを用いて計算される。この手順は、３．
２項のステップ１０までに説明された手順と全く同じで
ある。

【０１６６】この時点で、帯域当りの実際のエネルギー
しきい値、ｎｂ_bが、両チャンネルについて得られる。
便宜上、「ＳＵＭ」（和）チャンネル及び「ＤＩＦＦＥ
ＲＥＮＣＥ」（差）チャンネルについてのこれらの値を
それぞれ、ＴＨＲｎ_SUM及びＴＨＲｎ_DIF、と呼ぶことと
する。

【０１６７】第２に、これら両チャンネルについてのＭ
ＬＤしきい値、すなわち、ＴＨＲｎ_MLD,SUM及びＴＨＲ
ｎ_MLD,DIF、がそれぞれ、次の数式［数１７］及び［数
１８］によって計算される。

【数１７】

【数１８】ＭＬＤ保護及びステレオ非関連性の考慮は、次の式の計
算によって行われる。ｎｔｈｒ_SUM＝ＭＡＸ［ＴＨＲｎ_SUM，ＭＩＮ（ＴＨＲｎ
_DIF，ＴＨＲｎ_MLD,DIF）］ｎｔｈｒ_DIF＝ＭＡＸ［ＴＨＲｎ_DIF，ＭＩＮ（ＴＨＲｎ
_SUM，ＴＨＲｎ_MLD,SUM）］

【０１６８】これらの演算後、３．２項において説明し
たステップ１１以降の残りのステップも又、これらのチ
ャンネルについて実行される。要点としては、これら最
後のしきい値が、絶対しきい値と、部分的なマスキング
前保護とを考慮して調整される。尚、このマスキング前
保護はモノラルの場合のものから採用されたに過ぎな
い。これは、モノラルの約２ｍｓの時間分割を考慮して
いる。しかし、バイノーラルの時間分割は、６μｓ程度
に精密である。

【０１６９】ステレオ信号を、チャンネル相互間の時間
差に基づき関連ステレオイメ−ジを用いる使いやすい符
号化が今後検討を要する課題である。

【０１７０】［ステレオ符号器］ステレオ符号器の簡略
化した構成を図１２に示す。分析中の各セグメントにつ
いて、両方の信号チャンネルの独立挙動及び関連挙動に
関する詳細情報は、大変換及び小変換によって与えられ
る情報を通じて得られる。この情報は、特定のセグメン
トの符号化に必要な複数のステップにおいて用いられ
る。

【０１７１】これらのステップは、本質的に、分析ウィ
ンドウの選択、符号化モードＲ／Ｌ（右／左）、又はＳ
／Ｄ（和／差）の、帯域に基づく定義、係数とスケール
ファクタとの量子化及びハフマン符号化、並びに、ビッ
トストリームの組み立てである。

【０１７２】（符号化モード選択）新しいセグメントが
読まれると、大及び小の分析ウィンドウについてのトー
ン性の更新が行われる。３．１項に説明した手法に基づ
いてモノラルしきい値及びＰＥ（知覚的エントロピー）
値が計算される。これによって、両チャンネルについて
用いるべきウィンドウの形式が、最初に決定される。

【０１７３】ウィンドウのシ−ケンスが選択されると、
次に直交符号化についての決定が行われる。この決定
は、「右」／「左」（Ｒ／Ｌ）チャンネルの独立符号
化、又は「和」／「差」（ＳＵＭ／ＤＩＦＦＥＲＥＮＣ
Ｅ）チャンネルを用いるジョイント符号化のいずれかを
選択する決定であり、符号器の帯域に基づいて行われ
る。これは、バイノーラルの知覚が、両方の耳における
同じ臨界帯状組織の出力の関数であるという仮定に基づ
いている。

【０１７４】もし両方のチャンネルにおけるしきい値が
非常に異なる場合には、ＭＬＤ保護の必要はなく、もし
「和」チャンネル及び「差」チャンネルが考慮される場
合、信号の相関関係をより少なくする作業は行われな
い。もし信号がステレオイメ−ジを生成するような信号
の場合には、ＭＬＤ保護を起動する必要があり、追加利
得を求めてＳ／Ｄ（和／差）符号化モードが選択される
ことになる。

【０１７５】この後者の状態を検出する便利な方法は、
「右」チャンネルと「左」チャンネルとの間でモノラル
しきい値を比較することである。もし特定の帯域におけ
るしきい値の差がが、予め定められた値、例えば２ｄＢ
よりも大きくない場合は、Ｓ／Ｄ符号化モードが選択さ
れ、もしそうでない場合には、独立のＲ／Ｌ（右／左）
モードが取られる。各帯域には、その帯域の符号化モー
ドを示す１ビットのフラッグが付随する。このフラッグ
については、サイド情報として復号器に送る必要があ
る。以下、このフラッグを、符号化モードフラッグとい
う。

【０１７６】符号化モードの決定は、同じ帯域について
もセグメントによって異なるので、時間面で適応性があ
り、又同じセグメントについても帯域によって異なるの
で、周波数面で適応性がある。符号化決定手順の例を図
１３に示す。この例は、大セグメント及び小セグメント
の両方に有効である。

【０１７７】この時点において、ウィンドウ切り替えメ
カニズムがモノラル測定値のみを含むため、セグメント
当りのＰＥ測定値の最大個数は１０（２チャンネル×
［大ウィンドウ１個＋小ウィンドウ４個］）であること
が明白である。しかし、計算を要するしきい値の、セグ
メント当りの最大個数は２０（４チャンネル×［大ウィ
ンドウ１個＋小ウィンドウ４個］であり、したがってト
ーン性についての測定値２０個をセグメントごとに更新
する必要がある。

【０１７８】（ビットレート調整）ウィンドウ切り替え
についての決定と符号化モード選択についての決定と
は、相互に依存しないという意味で直交であると前に述
べた。量子化、ハフマン符号化、及びビットストリーム
の組み立てを含む、符号化プロセスの最終ステップも、
これらの決定に対して独立である。すなわち、フィード
バック・パスは存在しない。このことは、符号化全体の
遅延を最低値（１０２４／４８０００＝２１．３ｍｓ）
まで減少させ、且つ、非直交符号化の場合に生じる不安
定性を避けることができるという利点がある。

【０１７９】量子化プロセスは、スペクトル係数及びス
ケールファクタの両方に影響を与える。スペクトル係数
は、帯域状に結集し、各帯域は同一のステップサイズ、
又はスケールファクタを有する。各ステップサイズは、
３．２項のステップ１４に示すようにその帯域に対応す
るマスキングしきい値から直接計算される。

【０１８０】次いで、量子化された値（整数値）は変動
ワード長さ又はハフマン符号に変換される。そのセグメ
ントを符号化するための総ビット数が、ビットストリー
ムの追加フィールドを考慮して計算される。ビットレー
トを一定に保持する必要があるため、量子化プロセス
は、ビット数が予め定められた制限値以内になるまで反
復して行われる。

【０１８１】そのセグメント全部を符号化するためのビ
ット数が、基本マスキングしきい値を考慮して計算され
た後、調整度が、バッファ制御ユニットによって指示さ
れる。このバッファ制御ユニットは、いくつかのセグメ
ント間で、個々のセグメントの必要に応じて、追加ビッ
トの不足又は余剰を共通させて調整する。

【０１８２】ビットレート調整手法のルーチンを図９に
示す。現セグメント用に利用可能な総ビット数が計算さ
れた後、初期しきい値全てにファクタαを乗じた場合に
最終の総ビット数が、利用可能なビット数の誤差δ以内
になるようなファクタα、を求めるプロセスが反復して
行われる。もし近似カーブにうまく乗らず、最大反復回
数以内にファクタαが得られない場合でも、受け入れ可
能な解が常に１つは求められる。

【０１８３】このルーチンの主要ステップは次の通りで
ある。最初に、この解を含む時間間隔が求められる。次
に、ループによって最良解への急速な集斂が図られる。
各反復ごとに最良解が更新される。

【０１８４】大ウィンドウ及び小ウィンドウで符号化さ
れるセグメントについても同じ手順を用いるために、こ
の後者の場合に、相同帯域を連接させることによって、
４個の小ウィンドウの係数をクラスタ化させる。スケー
ルファクタも同様にクラスタ化させる。

【０１８５】次にビットレート調整ルーチンはハフマン
符号化語（係数及びスケールファクタ）全てを表す総ビ
ット数を計算する別のルーチンを呼び出す。この後者の
ルーチンは、係数の振幅分布に基づくスペクトル区分化
を行う。目的は、予め定められたハフマンコードブック
をスペクトルの各セクションに割り当てることである。
各セクションは、変動する個数の帯域をグループ化し、
その係数は、便利なコードブックでハフマン方式で符号
化される。そのセクションの限度とコードブックの参照
番号とをサイド情報として復号器に送る必要がある。

【０１８６】スペクトルの区分化は、最小コスト手法を
用いて行われる。その主要ステップは次の通りである。
最初に、対象となる全てのセクションが定義され（限度
は、帯域当り１セクション）、各セクションは、そのセ
クション内の係数の振幅分布に最もよくマッチするコー
ドブックを与えられる。スペクトル全体の初めと終わり
は判っている。もしＫがセクションの総数とすると、セ
クション間にＫ−１個の分離隔壁が存在する。

【０１８７】各分離隔壁を除去するためのコストが計算
され、このコストの低い分離隔壁は除去される（初期コ
ストは負数となる）。次回の反復前にコストが再度計算
される。このプロセスが、最大許容セクション数が得ら
れ、且つ分離隔壁を除去する最低コストが予め定められ
た値より高くなるまで、反復して行われる。

【０１８８】次に、図２の量子化器／レート制御ループ
処理装置２０６によって行われるプロセスについて説明
する。従来の技術においては、レート・ループのメカニ
ズムにモノラルの場合に関する仮定が含まれていた。モ
ノラルからステレオの知覚的符号器への移行に伴い、レ
ート・ループに対する要求が増大することになる。

【０１８９】図２の量子化器／レート制御ループ処理装
置２０６への入力は、分析フィルタバンク２０２によっ
て導かれたスペクトル係数（すなわち、ＭＤＣＴ係
数）、及び知覚的モデル処理装置２０４の出力からな
り、スペクトル係数に対応する計算されたしきい値を含
む。

【０１９０】量子化器／レート制御ループ処理装置２０
６は、部分的に、計算されたしきい値及び聴覚の絶対し
きい値に基づいてスペクトル情報を量子化を行い、この
ために、ビットストリームをエントロピー符号器２０８
に供給する。ビットストリームは、次の３部に分割され
た信号を有する。

【０１９１】すなわち、（１）標準化されたサイド情報
を含む第１部、（２）３５または３６個の帯域について
のスケールファクタ、及びいわゆるウィンドウの適応切
り替えに用いる追加サイド情報を含む第２部（この第２
部の長さは、第１部の情報に依って変動する）、及び
（３）量子化されたスペクトル係数からなる第３部であ
る。

【０１９２】利用スケールファクタ、Δ、は計算された
スケールファクタと、量子化対象のそれぞれのスペクト
ル係数の周波数に対応する周波数において聴覚の絶対し
きい値から導かれたスケールファクタとの間を補間する
ことによって導き出され、この導出は、量子化されたス
ペクトル係数が許容限度以内で符号化できるまで反復し
て行われる。

【０１９３】本発明の実施例の量子化についての流れ図
を図１３に示す。ステップ１３０１において、量子化器
／レート制御ループ処理装置２０６は、スペクトル係数
Ｃ_f及びこのスペクトル係数に対応するエネルギーしき
い値、Ｅ、を受信する。次いで、ステップ１３０３にお
いて、しきい値スケールファクタ、Δ₀が、次の数式
［数１９］によって計算される。

【数１９】

【０１９４】又、絶対スケールファクタ、Δ_Aも、聴覚
の絶対しきい値（すなわち、スケールファクタに対応す
る周波数において聞こえる最も静かな音）に基づいて計
算される。利点として、補間定数、α、及び補間限度α
_high、α_low、が利用スケールファクタの調整を助ける
ために次のように初期化される。 α_high ＝１ α_low ＝０ α ＝ α_high

【０１９５】次に、ステップ１３０５において、利用ス
ケールファクタが次の数式［数２０］によって計算され
る。

【数２０】更に、ステップ１３０７において、利用スケールファク
タが自身で量子化される。すなわち、利用スケールファ
クタは、上で計算されたままでは離散値ではないが、伝
送、使用されるときには離散値になるので有利である。 Δ ＝Ｑ^-1（Ｑ（Δ））

【０１９６】次に、ステップ１３０９において、スペク
トル係数が、利用スケールファクタを用いて量子化さ
れ、次の数式の、量子化スペクトル係数、Ｑ（Ｃｆ，
Δ）が得られる。Ｑ（Ｃｆ，Δ）＝ＮＩＮＴ（Ｃｆ／Δ）ここに、「ＮＩＮＴ」は、最も近い整数関数である。

【０１９７】量子化器／レート制御ループ処理装置２０
６は量子化スペクトル係数及び利用スケールファクタの
両方を伝送する必要があるので、これら両方を伝送する
ために要するビット数に付随するコスト、Ｃ、がステッ
プ１３１１において次の数式により計算される。Ｃ＝ＦＯＯ（Ｑ（Ｃｆ，Δ），Ｑ（Δ））ここに、「ＦＯＯ」は、デ−タ通信技術に関する当業者
が容易に定めることのできる関数で、個々の実施例によ
って異なる。

【０１９８】そしてステップ１３１３において、コスト
Ｃが許容範囲内にあるかどうかが点検される。コストＣ
が許容範囲内にある場合、Ｑ（Ｃｆ，Δ）及びＱ（Δ）
は、エントロピー符号器２０８に伝送される。

【０１９９】コストＣと許容範囲との関連によるが、補
間定数及び補間限度は、利用スケールファクタから許容
範囲以内のコストの量子化スペクトル係数が得られるま
で、反復調整されるので有利である。ステップ１３１５
において、補間限度が人手によって調整され、二分探索
が行われる。

【０２００】詳しく説明すれば、Ｃ＞［許容範囲］の場
合、α_high ＝ α、であり、Ｃ＜［許容範囲］の場合、
α_low ＝ α、である。いずれの場合にも、新しい補間
定数が、次の数式によって計算される。 α ＝（α_low ＋ α_high ）／２プロセスは、更にステップ１３０５に戻り、Ｃが許容範
囲以内になるまで反復継続する。

【０２０１】［ステレオ復号器］ステレオ復号器は、非
常に簡単な構造を有する。その主要機能は、入力される
ビットストリームを読み、全デ−タを復号化し、「右」
及び「左」のチャンネルの量子化と再構築とを反転する
ことである。その手法を図１２に示す。

【０２０２】以上説明した実施例は、ＡＴ＆Ｔ社のＤＳ
Ｐ１６又はＤＳＰ３２Ｃのような、ディジタル信号処理
装置（ＤＳＰ）及び上に述べた作業を行うソフトウエア
化ら構成されているが、超大規模集積回路（ＶＬＳＩ）
ハードウエアを用いた実施例及び、ハイブリッドＤＳＰ
／ＶＬＳＩを用いた実施例も可能である。

【０２０３】更に又、この技術分野の当業者であれば、
上記実施例に関連して本発明の種々の変形例を考え得る
が、それらはいずれも本発明の技術的範囲に包含され
る。尚、特許請求の範囲に記載した参照番号は発明の容
易な理解のためで、その技術的範囲を制限するよう解釈
されるべきではない。

【０２０４】

【発明の効果】以上述べたごとく、本発明によれば、復
号後の可聴周波再生の高品質性を維持しながらより低い
ビットレートが得られ、圧縮をより強化できる。量子化
された可聴周波信号は従来の技術による場合よりも雑音
が少なく、符号化された場合のビット数を減少できる。
ステレオ雑音のマスキングが改善され、ステレオチャン
ネルにおける可聴周波再生品質が改善される。したがっ
て、再生後の可聴周波信号の品質を低下させずに変換圧
縮効率を高めることができる。

【図面の簡単な説明】

【図１】本発明の適用可能な種類の、従来技術による可
聴周波通信／記憶システムの一例を示す説明図である。

【図２】本発明の適用可能な、従来技術による知覚的可
聴周波符号器の一例を示す説明図である。

【図３】しきい値計算に用いられる便利なマスキングレ
ベル差ファクタを示す線図である。

【図４】本発明に基づく分析フィルタバンクの一例を示
す説明図である。

【図５】種々のウィンドウ機能の動作を示す説明図であ
る（図５（Ａ）〜図５（Ｅ））。

【図６】ウィンドウ切り替え機能を示す流れ図である。

【図７】出力ビットストリームを得るための入力信号処
理の全体とその流れを示すブロック図である。

【図８】或るしきい値変動を示す線図である。

【図９】或るビット割当機能を示す流れ図である。

【図１０】ビットストリームの構成を示す説明図であ
る。

【図１１】或るハフマン符号化作業をを示す説明図であ
る（図１１(A)〜図１１(C)）。

【図１２】符号器の作業を補間する復号器における作業
を示す流れ図である。

【図１３】本発明の一態様に基づく或る量子化作業の流
れ図である。

【図１４】図４のフィルタによって用いられるウィンド
ウの例を示す説明図である（図１４(A)〜図１４(G)）。

【符号の説明】

１０１アナログ可聴周波信号１０２前処理装置１０３ディジタルのパルス符号変調（ＰＣＭ）信号１０４知覚的可聴周波符号器（ＰＡＣ）１０６通信チャンネル／記憶媒体１０８知覚的可聴周波復号器１０９ＰＣＭ信号１１０後処理装置２０２分析フィルタバンク２０４知覚的モデル処理装置２０６量子化器／伝送速度（レート）制御ループ処理
装置２０８エントロピー符号器３０２入力信号バッファ３０４ウィンドウ掛算器３０６ウィンドウメモリ３０８ＦＦＴ（高速フーリエ変換）処理装置３１０ＭＤＣＴ（修正離散コサイン変換）処理装置３１１連接器３１２遅延メモリ３１４デ−タ選択器

───────────────────────────────────────────────────── フロントページの続き (56)参考文献特開昭63−236415（ＪＰ，Ａ) 特開平２−183468（ＪＰ，Ａ) 特開平４−219799（ＪＰ，Ａ) 特表平２−501507（ＪＰ，Ａ) (58)調査した分野(Int.Cl.⁷，ＤＢ名) G10L 19/00 - 19/14 H03M 7/30 H04B 14/04

Claims

(57)【特許請求の範囲】

【請求項１】可聴音信号を符号化する方法であって、（ａ）可聴音信号の時間領域表現を、周波数係数のセッ
トからなる可聴音信号の周波数領域表現へと変換するス
テップと、（ｂ）前記周波数係数のセットに基づいてマスキングし
きい値を計算するステップと、（ｃ）前記周波数係数のセットを符号化するのに用いる
ため、量子化ステップサイズ係数のセットを決めるため
に、レートループプロセッサを繰り返し用いるステップ
と、ここで、この量子化ステップサイズ係数のセットは、前記マスキ
ングしきい値及び絶対聴覚しきい値を用いて決められ、（ｄ）前記量子化ステップサイズ係数のセットに基づい
て周波数係数のセットを符号化するステップとを有する
ことを特徴とする方法。
【請求項２】前記周波数係数のセットは、修正離散コ
サイン変換（ＭＤＣＴ）係数であることを特徴とする請
求項１の方法。
【請求項３】前記周波数係数のセットを符号化するの
に必要なビット数のビットにより測定されたコストが所
定範囲内であれば、前記レートループプロセッサを繰り
返し用いるステップ（ｃ）は中断することを特徴とする
請求項１の方法。
【請求項４】可聴音信号を表す周波数係数のセットを
復号するデコーダであって、（Ａ）（ａ）可聴音信号の時間領域表現を周波数係数の
セットからなる可聴音信号の周波数領域表現へと変換
し、（ｂ）前記周波数係数のセットに基づいてマスキングし
きい値を計算し、（ｃ）前記周波数係数のセットを符号化するのに用いる
ための量子化ステップサイズ係数のセットを決めるため
に、レートループプロセッサを繰り返し用い、（ｄ）前記量子化ステップサイズ係数のセットに基づい
て周波数係数のセットを符号化することによって、符号
化された周波数係数のセットを受信する手段と、（Ｂ）前記周波数係数のセットを時間領域信号へと変換
する手段とを有することを特徴とするデコーダ。