JP3336619B2

JP3336619B2 - 信号処理装置

Info

Publication number: JP3336619B2
Application number: JP17263591A
Authority: JP
Inventors: 正之西口
Original assignee: Sony Corp
Current assignee: Sony Corp
Priority date: 1991-07-12
Filing date: 1991-07-12
Publication date: 2002-10-21
Anticipated expiration: 2017-10-21
Also published as: JPH0519798A

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、音声信号を高能率符号
化して伝送させる信号処理装置に関する。

【０００２】

【従来の技術】音声信号（オーディオ信号）の高能率符
号化においては、入力した音声信号を時間軸又は周波数
軸で複数のチャンネルに分割すると共に、各チャンネル
毎のビット数を適応的に割当てるビットアロケーション
（ビット割当て）による符号化技術がある。例えば、オ
ーディオ信号等のビット割当てによる符号化技術には、
時間軸上のオーディオ信号を複数の周波数帯域に分割し
て符号化する帯域分割符号化（サブ・バンド・コーディ
ング：ＳＢＣ）や、時間軸の信号を周波数軸上の信号に
変換（直交変換）して複数の周波数帯域に分割し各帯域
毎で適応的に符号化するいわゆる適応変換符号化（ＡＴ
Ｃ）、或いはサブ・バンド・コーディングといわゆる適
応予測符号化（ＡＰＣ）とを組合せ、時間軸の信号を帯
域分割して各帯域信号をベースバンド（低域）に変換し
た後複数次の線形予測分析を行って予測符号化するいわ
ゆる適応ビット割当て（ＡＰＣ−ＡＢ）等の符号化技術
がある。

【０００３】ここで、これらの高能率符号化の内で、例
えば、適応変換符号化においては、時間軸のオーディオ
信号を、高速フーリエ変換（ＦＦＴ）或いは離散的余弦
変換（ＤＣＴ）等の直交変換によって、時間軸に直交す
る軸（周波数軸）に変換し、その後複数の帯域に分割し
て、これら分割された各帯域のＦＦＴ係数，ＤＣＴ係数
等を適応的なビット割当てによって量子化（再量子化）
している。高速フーリエ変換の適応変換符号化における
再量子化の一例としては、図５に示すように、信号を高
速フーリエ変換した後の例えばＦＦＴ振幅値Ａｍ等をブ
ロック（ブロックＢ１，Ｂ２‥‥）分けして、これら各
ブロック毎に再量子化する際に必要となる付加情報を算
出し、この付加情報を用いてブロック毎に再量子化する
と共に、付加情報自体も量子化させる手法がある。

【０００４】

【発明が解決しようとする課題】ところで、このような
直交変換によって時間軸に直交する軸に変換処理する高
能率符号化では、一般にバーク毎のパワーよりマスキン
グ・スレッショルドを求め、そのマスキング・スレッシ
ョルドレベル以下に量子化ノイズが抑えられるように、
周波数軸上でのダイナミック・ビット・アロケーション
を行っていた。ここで、１バークの幅は人間の聴覚の特
性（人間が聞き分けられる能力）より決められるもの
で、１バーク毎の上述した処理を行うことで、聴覚のマ
スキング効果（同時刻マスキング）を利用した高能率符
号化が行われる。

【０００５】しかしながら、従来のこの種の符号化技術
では、マスキング効果などの聴覚の特性を最大限に利用
しているとは言えなかった。

【０００６】本発明の目的は、聴覚の特性を利用した１
バーク毎の処理による高能率符号化が、より高い圧縮率
でできる信号処理装置を提供することにある。

【０００７】

【課題を解決するための手段】本発明は、入力音声信号
を直交変換して伝送する信号処理装置において、直交変
換された音声信号のスペクトルを複数の帯域に分割する
分割手段と、上記帯域内の複数個のスペクトルを代表す
る代表値を算出する代表値算出手段と、上記代表値を量
子化する量子化手段とを具備し、代表値算出手段は、上
記帯域内のエネルギーを復元することができるように上
記代表値を算出するようにしたものである。

【０００８】

【課題を解決するための手段】本発明は、入力音声信号
を直交変換して伝送する信号処理装置において、直交変
換された音声信号のスペクトルを複数の帯域に分割する
分割手段と、上記帯域内の複数個のスペクトルを代表す
る代表値を算出する代表値算出手段と、上記代表値を量
子化する量子化手段とを具備し、代表値算出手段は、上
記帯域内のエネルギーを復元可能とするために、代表値
に対応する複数個のスペクトルの自乗和の値と、代表値
の自乗和に上記代表値に対応するスペクトルの個数倍し
た値が等しくなるように、上記代表値を算出するように
したものである。

【０００９】

【実施例】以下、本発明の一実施例を図１〜図４を参照
して説明する。

【００１０】本例においては、音声信号の送出側（エン
コーダ側）を図１に示すように構成し、音声信号の受信
側（デコーダ側）を図２に示すように構成する。

【００１１】まず、音声信号を高能率符号化するエンコ
ーダ側の構成について説明すると、図１において、１は
音声信号の入力端子を示し、この入力端子１に得られる
デジタル音声信号（デジタルオーディオ信号）をピッチ
予測回路２に供給し、時間軸上のピッチ予測が行われた
データを窓がけ・直交変換回路３に供給し、適当な窓が
けが行われ、直交変換が施される。このときの窓がけと
しては、入力信号のサンプリング周波数ｆ_Sを例えば４
８ｋＨｚとすると、例えば図３に示すように、１０２４
サンプルを１単位として窓がけを行う。この場合、オー
バーラップする範囲を１／１６として、６４サンプルず
つオーバーラップさせている。

【００１２】そして、直交変換が施されたデータをスペ
クトル強度計算回路４に供給し、各スペクトルの強度
（パワー）を算出する。本例においては、高速フーリエ
変換（ＦＦＴ）処理を行うので、各係数の（実部）²＋
（虚部）²で強度を算出する。このときの各スペクトル
の強度データは、バーク積分回路５に供給され、クリテ
ィカルバンド毎に積分されて、バークスペクトルの強度
が算出される。このときには、次式による積分が行われ
る。

【００１３】

【数１】

【００１４】そして、このバークスペクトルの強度分布
に基づいて、マスキング・スレッショルド及びＲＭＳ値
計算回路６で、マスキング・スレッショルドの値を各バ
ーク帯域毎に求める。この際には、聴覚の最小可聴カー
ブより求めたアブソリュート・スレッショルドを考慮し
て求める。ここで求めたマスキング・スレッショルドの
値は、各バークの帯域幅で割ってから平方根をとって、
各サンプル当たりの実効値としておく。また、ＲＭＳ値
（フローティング係数）も、このマスキング・スレッシ
ョルド及びＲＭＳ値計算回路６で求めておく。

【００１５】次に、マスキング・スレッショルド及びＲ
ＭＳ値計算回路６で求めたスレッショルド値及びＲＭＳ
値をパラメータ量子化器７に供給し、スレッショルド値
及びＲＭＳ値を量子化する。このとき、ＲＭＳ値は各バ
ークの強度をそのバーク内のサンプル数で割って平方根
をとり、サンプル当たりの実効値として量子化する。

【００１６】そして、パラメータ量子化器７で量子化さ
れたスレッショルド値及びＲＭＳ値のレシオから、ビッ
トアロケーション計算回路８で各バーク内の１サンプル
に割り振るビット数を求める。そして、パラメータ量子
化器７で量子化されたスレッショルド値及びＲＭＳ値
と、ビットアロケーション計算回路８で求めた各バーク
内の１サンプルに割り振るビット数の値とを、後述する
適応量子化器１０に供給する。

【００１７】そして、窓がけ・直交変換回路３で直交変
換が施されたデータを高速フーリエ変換（ＦＦＴ）回路
９に供給し、クリティカルバンド内でのデシメンション
（平均化，平滑化）を行う。そして、高速フーリエ変換
回路９でデシメンションされたデータを適応量子化器１
０に供給し、量子化を行う。ここで本例においては、適
応量子化器１０で各クリティカルバンド内の代表値の量
子化を行う。

【００１８】そして、量子化された各クリティカルバン
ド内の代表値を、代表値出力端子１１から伝送させる。
また、付加情報としてパラメータ量子化器７で量子化さ
れたスレッショルド値とＲＭＳ値とを、付加情報出力端
子１２から伝送させる。

【００１９】次に、このような構成のエンコーダにて処
理されるデータについて説明すると、まず各バーク（即
ち各クリティカルバンド：臨界帯域）の一覧を表１に示
す。

【００２０】

【表１】

【００２１】ここで、例えばサンプリング周波数ｆ_S＝
３２ｋＨｚとし、１０２４サンプルのＦＦＴを行ったと
すると、０〜１６ｋＨｚの周波数範囲ｆに対して５１２
点のスペクトルが存在する。このとき、スペクトルのス
ペーシングは３１．２５Ｈｚ（＝１６０００／５１２）
となる。ここで、オーディオ信号のときには、主な成分
は殆どの場合５ｋＨｚ以下に集中し、特に２ｋＨｚ〜３
ｋＨｚにエネルギーが集中している。

【００２２】いま、１ｋＨｚの存在するクリティカルバ
ンド（バーク）について考えると、上述の〔表１〕より
Ｎｏ．９のクリティカルバンドに１ｋＨｚが存在する。
このＮｏ．９のクリティカルバンドは、９２０Ｈｚから
１０８０Ｈｚまでの幅があり、スペクトルとしては５〜
６本存在する。例えば図４のＡに示すように、５本のス
ペクトルｘ₁，ｘ₂，ｘ₃，ｘ₄，ｘ₅が存在したとす
る。このとき、本例のエンコーダでは図４のＢに示すよ
うに、平滑化された５本のスペクトルｙ₁，ｙ ₂，
ｙ₃，ｙ₄，ｙ₅とする。そして本例においては、平滑
化によりｙ₁＝ｙ₂＝ｙ₃，ｙ₄＝ｙ₅となっているの
で、スペクトルｙ₁とスペクトルｙ₄との量子化値だけ
を代表値として伝送させる。

【００２３】ここで、スペクトルｘからスペクトルｙへ
の変換処理例を示すと、各クリティカルバンド内及び平
滑化する帯域内（図４のＡのｘ₁〜ｘ₃の帯域及びｘ₄
〜ｘ ₅の帯域）でのエネルギーは、変換によって影響を
受けないようにする必要があるので、〔数２〕式及び
〔数３〕式の処理が行われる。

【００２４】

【数２】

【００２５】

【数３】

【００２６】この〔数２〕式及び〔数３〕式より、スペ
クトルｙ₁とスペクトルｙ₄とは、〔数４〕式及び〔数
５〕式で示される。

【００２７】

【数４】

【００２８】

【数５】

【００２９】この〔数４〕式及び〔数５〕式で示される
スペクトルｙ₁とスペクトルｙ₄とが、各サンプル当た
りの実効値になる。そして、この代表値ｙ₁，ｙ₄とク
リティカルバンドのｒｍｓ値との関係が、次式で示され
る。

【００３０】

【数６】

【００３１】つまり、１個のクリティカルバンドをｎ個
のサブバンドに分割して平滑化するのであれば、そのク
リティカルバンド全体のＲＭＳ値及びｎ−１個の代表値
より、ｎ個目の代表値が求まる。そして、この代表値
を、量子化済のスレッショルド値とＲＭＳ値とに基づい
て決められた１サンプル当たりのビット数で、量子化す
ることで、伝送されるデータが決まる。

【００３２】ここで、平滑化する例を次の〔表２〕に示
す。

【００３３】

【表２】

【００３４】この〔表２〕のバークＮｏ．は〔表１〕の
バークＮｏ．に対応したものである。この〔表２〕にお
いては、平滑化により括る数の例を、平滑化例１と平滑
化例２との２種類示していて、例えば図４に示したＮ
ｏ．９のクリティカルバンドの場合には、２本のスペク
トルを括ると共に３本のスペクトルを括ることが平滑化
例１より判る。また、Ｎｏ．１３以降のクリティカルバ
ンドの場合には、平滑化例１と平滑化例２とが選択でき
るが、実際にはＮｏ．９のクリティカルバンドからＮ
ｏ．１２のクリティカルバンドまでで平滑化例１で括
り、Ｎｏ．１３以降のクリティカルバンドでは平滑化例
２で括るのが好ましい。

【００３５】この〔表２〕より判るように、本来は全帯
域で各クリティカルバンドのスペクトル本数を合計した
５１２本のスペクトルの量子化値を伝送する必要がある
のに、平滑化例１だけで括った場合には６２本のスペク
トルの量子化値を伝送するだけで良く、上述したように
平滑化例１と平滑化例２とを組み合わせた場合にも、１
０４本のスペクトルの量子化値を伝送するだけで良い。
従って、伝送信号のデータ量を大幅に少なくすることが
でき、より高い圧縮率の高能率符号化が行われるように
なる。

【００３６】なお、本例においては入力信号のピッチ予
測を行ってから圧縮処理を行うようにしたので、より効
果的に高能率符号化が行われる。

【００３７】次に、このようにして平滑化されて量子化
されたデータを受信するデコーダについて図２を参照し
て説明すると、図中２１は各クリティカルバンド内の代
表値の量子化値が伝送される代表値入力端子を示し、２
２はこの値の付加情報（スレッショルド値及びＲＭＳ値
の量子化値）が伝送される付加情報入力端子を示す。そ
して、両入力端子２１，２２に得られるデータを適応逆
量子化器２３に供給し、各クリティカルバンド内の代表
値を得、この代表値を係数補間回路２４で補間処理す
る。このときには、各クリティカルバンド内のエネルギ
ーを変化させない必要があり、例えば代表値をそのまま
繰り返して補間させる。そして、補間されたデータを逆
変換・窓がけ重ね合わせ回路２５に供給し、周波数軸を
時間軸に逆変換すると共に窓がけされたデータを重ね合
わせる。そして、この逆変換・窓がけ重ね合わせ回路２
５で処理されたデータをピッチ逆予測回路２６に供給し
て、元のデジタルオーディオ信号を復元し、音声信号出
力端子２７にこのデジタルオーディオ信号を供給する。

【００３８】このようにしてデコードされたデジタルオ
ーディオ信号は、各クリティカルバンド内のエネルギー
が元のオーディオ信号と同じであるので、このオーディ
オ信号を再生したときの聴感上の音質劣化が最小限に抑
えられ、実際には聴覚の周波数成分特定能力の低下があ
るので、ほとんど音質劣化がない。即ち、人間の聴覚は
１バーク内のエネルギーが不変であれば、そのバーク内
のスペクトルの位置を特定することが困難であるので、
上述した高能率符号化が行われて伝送された音声を再生
させても、実質的な音質劣化につながらない。

【００３９】なお、上述実施例においては、付加情報と
してマスキング・スレッショルド値を伝送するようにし
たが、量子化済のＲＭＳ値より作成されたスレッショル
ド値であればデコーダ側でもこのＲＭＳ値より得ること
が可能であるので、スレッショルド値は伝送させなくて
も良く、この場合には付加情報の伝送レートが低くな
り、より伝送レートを低くさせることができるようにな
る。

【００４０】また、上述実施例においては、入力信号の
ピッチ予測を行ってから圧縮処理を行うようにしたが、
ピッチ予測をしないで圧縮処理を行うようにしても良
い。但し、ピッチ予測をした方が、より効果的に高能率
符号化が行われる。

【００４１】また、エンコーダ側のバーク積分回路５で
積分されたスペクトルを、ラウドネス変換などの聴感補
正をしてから、マスキング・スレッショルド及びＲＭＳ
値計算回路６に供給するようにしても良い。

【００４２】また、上述実施例においては、ＦＦＴで直
交変換するようにしたが、他の変換処理を施す高能率符
号化にも適用できる。例えば、ＤＣＴ（離散的余弦変
換）やＭＤＣＴ（ＭｏｄｉｆｉｅｄＤＣＴ）による高
能率符号化にも適用できる。この場合、例えばＤＣＴを
適用したときには、エンコーダのスペクトル強度計算回
路４での計算が、（実部）²だけで行われる（ＤＣＴの
場合には虚部がない）。また、スペクトル強度の積分処
理も、ＤＣＴの場合には〔数１〕式の代わりに次式の演
算が行われる。

【００４３】

【数７】

【００４４】さらに、上述実施例ではエンコーダで高能
率符号化されたデータの伝送系については何も説明しな
かったが、有線系，無線系による各種伝送システムが適
用できると共に、エンコーダで高能率符号化されたデー
タを各種記録媒体に記録させた後、この記録媒体からの
再生信号をデコーダで復元させるようにしても良い。何
れの場合でも、本例ではビットレートが大幅に低減され
ているので、伝送効率（記録効率）が良い。

【００４５】

【発明の効果】本発明によると、人間の聴覚の周波数成
分特定能力の低下を利用した一層の高能率符号化が行わ
れて、より圧縮効率が向上し、伝送レートをより低くす
ることができる。この場合、伝送データの受信側では、
本発明による圧縮で聴感上は音質劣化を感じることがな
く、実質的に音質劣化のない良好な音声の再生が可能に
なる。

【図面の簡単な説明】

【図１】本発明の一実施例によるエンコーダを示す構成
図である。

【図２】本発明の一実施例によるデコーダを示す構成図
である。

【図３】一実施例による窓がけ状態を示す説明図であ
る。

【図４】一実施例によるスペクトルの例を示す説明図で
ある。

【図５】適応変換符号化のブロックを示す説明図であ
る。

【符号の説明】１音声信号入力端子２ピッチ予測回路３窓がけ・直交変換回路４スペクトル強度計算回路５バーク積分回路６マスキング・スレッショルド及びＲＭＳ値計算回路７パラメータ量子化器８ビットアロケーション計算回路９高速フーリエ変換回路１０適応量子化器１１代表値出力端子１２付加情報出力端子２１代表値入力端子２２付加情報入力端子２３適応逆量子化器２４係数補間回路２５逆変換・窓がけ重ね合わせ回路２６ピッチ逆予測回路２７音声信号出力端子

───────────────────────────────────────────────────── フロントページの続き (58)調査した分野(Int.Cl.⁷，ＤＢ名) G10L 11/00 G10L 19/00 - 19/02 H03M 7/38

Claims

(57)【特許請求の範囲】

【請求項１】入力音声信号を直交変換して伝送する信
号処理装置において、上記直交変換された音声信号のスペクトルを複数の帯域
に分割する分割手段と、上記帯域内の複数個のスペクトルを代表する代表値を算
出する代表値算出手段と、上記代表値を量子化する量子化手段とを具備し、上記代表値算出手段は、上記帯域内のエネルギーを復元可能とするために、代表値に対応する上記複数個のスペクトルの自乗和の値
と、代表値の自乗和に上記代表値に対応するスペクトルの個
数倍した値が等しくなるように、上記代表値を算出する
ことを特徴とする信号処理装置。