JP3616307B2

JP3616307B2 - 音声・楽音信号符号化方法及びこの方法を実行するプログラムを記録した記録媒体

Info

Publication number: JP3616307B2
Application number: JP2000150212A
Authority: JP
Inventors: 健弘守谷; 直樹岩上; 明夫神; 岳至森
Original assignee: Nippon Telegraph and Telephone Corp
Current assignee: Nippon Telegraph and Telephone Corp
Priority date: 2000-05-22
Filing date: 2000-05-22
Publication date: 2005-02-02
Anticipated expiration: 2020-05-22
Also published as: JP2001331198A

Description

【０００１】
【発明の属する技術分野】
本発明は楽音や音声信号をできるだけ少ない情報量でディジタル符号化する高能率信号符号化法に関するものである。
【０００２】
【従来の技術】
従来の信号の変換符号化復号化器は図１に示されるような構成となっている。
符号器は、楽音や音声信号を時間窓で切り出したフレームを例えば、周波数変換としてＭＤＣＴ(Modified Discrete Cosine Transform)を使い、スペクトル推定部により、その変換後の成分全体、すなわちスペクトルの包絡や全体の平均振幅を求め、平坦化・正規化部でＭＤＣＴ係数を正規化したあとで量子化部において量子化する。量子化には適応ビット配分または適応重み付けベクトル量子化などを利用する。符号器は、スペクトル推定部で生成された補助情報（スペクトル包絡成分情報）と量子化部で生成された主情報（周波数領域成分情報）を出力する。
復号器は、主情報（周波数領域成分情報）を逆量子化部で逆量子化し、逆平坦化部において、逆量子化信号を補助情報（スペクトル包絡成分情報）を用いて逆平坦化し、さらに、逆ＭＤＣＴを行ない音声や楽音信号を出力する。
【０００３】
符号化する帯域に対して、与えられたビット数が少ないと量子化雑音が多くなり、品質が劣化する。このため、ビット数が少ないときには高い周波数成分を固定的に減衰させ、帯域を狭めるかわりに量子化雑音を軽減する。音声などのようにもともと帯域が狭い場合はこの効果があるが、通常の音楽では量子化雑音が目立ちにくい反面、帯域が狭いことによる劣化が問題となり、量子化雑音と帯域の両立は難しかった。
【０００４】
【発明が解決しようとする課題】
本発明の目的は、できるだけ高品質で楽音や音声を伝送することであり、特に符号化に先立って、量子化雑音を抑えきれない周波数成分を減衰させることで、再生信号の品質の低下を抑える方法およびこの方法を実行するためのプログラムを記録した記録媒体を提供することである。
【０００５】
【課題を解決するための手段】
前記目的を達成するために、本発明は、与えられた情報量と信号の帯域に基づいて十分な精度で量子化できない周波数成分を推定し、符号化の前にその成分を減衰させることで最終的な聴覚上の歪を軽減する。すなわち、入力信号の特徴にあわせて適応的に帯域を制限する点を特徴とする。
【０００６】
【発明の実施の形態】
〈実施例〉
図２は、本発明の第１の実施例の符号器の構成図である。
音声・楽音信号を時間窓で切り出した１フレームについての処理を説明する。
この例ではフレーム単位でＭＤＣＴ係数に変換し、ＭＤＣＴ係数をスペクトル包絡とパワーで正規化したあとで量子化を行なっている。この枠組みは従来法と同じである。
【０００７】
典型的な数値としては１フレームは例えば1024サンプルからなり、ベクトルは８サンプルからなる。すなわち、１フレームあたりのベクトルの数Ｎは128
である。
本発明ではＭＤＣＴ係数を平坦化する前に前処理の変形を行なう。この前処理は、スペクトル算出部、減衰量算出部、前処理変形部によりＭＤＣＴ係数のスペクトルを分析し、符号化条件により減衰量を算出し、それに基づいてＭＤＣＴ係数を変形する。具体例としてはベクトルの絶対値または複数サンプルごとにベクトルとしてまとめたときの平均パワーＥ_iを求める。
【０００８】
【数１】

一方、フレームあたりのサンプル数とビット数からサンプルあたりのビット数を求め、後述するレート歪理論による割り当てビット数が０となるベクトルのパワー値を閾値とする。
【０００９】
ベクトルあたりの平均パワーが閾値以下のベクトルに対しては振幅を減衰させる。例えば量子化前のＭＤＣＴ係数そのものに
【００１０】
【数２】

をかける。さらにこの変形で信号全体のパワーが減衰するのでＭＤＣＴ係数全体に係数をかけて、全体のパワーが保たれるように変形してもよい。この減衰係数は、符号化条件、すなわち、サンプリング周波数、与えられる量子化ビット数などに依存し、詳細なパラメータは実験的に調整したほうがよい。
【００１１】
この変形されたＭＤＣＴ係数を入力とみなして従来の平坦化と量子化を行なう。この前処理による変形の情報は復号器には伝えられないので、復号器で再生される信号は量子化精度がよくても元の入力信号とは異なる。ただし、この変形は低ビット量子化で生じる量子化歪より十分小さいように設定することで、品質を改善できる。
【００１２】
図３は、この処理によるＭＤＣＴ係数の変形例である。
（Ａ）の実線で表わされるもとのスペクトル（ベクトル毎の平均パワー）の閾値Ｔより小さいベクトルに対して（Ｂ）のような減衰係数をかける。係数が１ということは変形なしということになる。この結果（Ａ）の破線で表わされるスペクトルに変形される。
この処理の原理はレート歪理論にある。
【００１３】
【数３】

ベクトルあたりの平均ビット数が少ない時にはb_i が負の値になる場合がある。実際に配分するビット数b_i＾は負にはなりえないからb_i が負の場合は０とする。すなわち情報を送らずに復号器でそのベクトルの値を０とする。情報量が少ないときにはパワーの小さい成分の伝送を放棄することになる。
【００１４】
実際の符号化ではビット配分を示す補助情報を細かく送ることは情報量が増えてしまい得策ではないし、すでに標準化された方法では補助情報を送ることはできない。
本発明では、あらかじめ量子化ビットを配分できないような帯域の信号を減衰させることでその帯域の量子化雑音を小さくする。
【００１５】
図４は、同じフレームのなかで時間的に分割して周波数領域に変換する場合の実施例である。
この実施例の場合、一つのフレームを４つのサブフレームに分割して、それぞれのサブフレームごとにＭＤＣＴ係数を求めたものである。フレーム全体のパワーから閾値Ｔを基準に減衰量を決定する。
【００１６】
図５は、聴覚のマスキング効果を利用した減衰量を決定する実施例である。
ここまでの実施例では（Ａ）のようにもとのスペクトルに対して量子化雑音が周波数軸上で平坦になるように最適量子化を行なうことを前提としてきた。実際の符号化では（Ｂ）のようにマスキング効果を考慮してもとのスペクトルと相関をもつように量子化雑音を整形することがよく行なわれる。そこで（Ｂ）の量子化雑音が平坦となるように逆特性をもとの信号にかけることで（Ｃ）の変形したスペクトルを作る。このスペクトルを入力のスペクトルとみなしてこれまでの実施例に適用すればよい。
また、スペクトルのパワーを算出するベクトルは聴覚の分解能を考慮して、低域ほど幅が狭く、広域が広くなる周波数目盛り尺度（例えば、バーク尺度）で分割することもできる。
【００１７】
なお、本発明の符号器をＣＰＵやメモリ等を有するコンピュータで構成し、記録媒体に記録されたプログラムをコンピュータに読取り、コンピュータの動作を制御して前述の実施の形態の各構成要素を実現する。
【００１８】
【発明の効果】
本発明により、量子化歪が避けられない周波数成分を適応的に減衰させているので、その成分に対する量子化誤差を相対的に小さくすることができ、品質を改善できる。音声信号のように低域にパワーが集中している場合には量子化する帯域が狭められ、低域の量子化誤差が小さくなる。また、一般の音楽ではパワーが少なく聴覚的に重要でない帯域の信号が減衰し、その他の重要な帯域の歪が小さくなる。
【００１９】
周波数領域の量子化を行なう符号化には処理量の大きな増加はなく簡単に組み入れることができ、時間領域の符号化と組み合わせることも可能である。
【図面の簡単な説明】
【図１】従来のＭＤＣＴ係数を量子化する符号器及び復号器の構成を示す図。
【図２】本発明の第１実施例である符号器の構成を示す図。
【図３】本発明の第１実施例の符号化のＭＤＣＴ係数の変形例を示す説明図。
【図４】１つのフレームを４つのサブフレームに分割したＭＤＣＴ係数の例を示す図。
【図５】聴覚特性の補正を行なう場合の説明図。

Claims

音声・楽音信号をフレーム単位、またはフレームをさらに分割してサブフレーム単位とし、
前記音声・楽音信号をフレーム単位またはサブフレーム単位で周波数領域成分に変換し、
前記周波数領域成分を変形させて量子化し、ベクトル単位で符号化出力を得る音声・楽音信号符号化方法であって、
前記周波数領域成分の変形は、
前記周波数領域成分を構成するベクトル毎の平均パワーを求め、前記ベクトル毎の平均パワーからフレーム毎の平均パワーを求め、
前記ベクトル毎に、当該ベクトルの平均パワー及びフレーム毎の平均パワーに基いてビット配分を求め、
前記ビット配分が一定閾値以下となるベクトルに対応する周波数領域成分を減衰させる、ことを特徴とする、
音声・楽音信号符号化方法。
音声・楽音信号をフレーム単位、またはフレームをさらに分割してサブフレーム単位とする処理と、
前記音声・楽音信号をフレーム単位またはサブフレーム単位で周波数領域成分に変換する処理と、
周波数領域成分を変形させる処理と、
前記変形させた周波数領域成分を量子化する処理と、を有し、ベクトル単位で符号化出力を得る音声・楽音信号符号化方法をコンピュータに実行させるプログラムを記録したコンピュータ読取可能な記録媒体であって、
前記周波数領域成分を変形させる処理は、
前記周波数領域成分を構成するベクトル毎の平均パワーを求め、前記ベクトル毎の平均パワーからフレーム毎の平均パワーを求め、
前記ベクトル毎に、当該ベクトルの平均パワー及びフレーム毎の平均パワーに基いてビット配分を求め、
前記ビット配分が一定閾値以下となるベクトルに対応する周波数領域成分を減衰させる、ことを特徴とする、
音声・楽音信号符号化方法をコンピュータに実行させるプログラムを記録したコンピュータ読取可能な記録媒体。