JP3739959B2 - デジタル音響信号符号化装置、デジタル音響信号符号化方法及びデジタル音響信号符号化プログラムを記録した媒体 - Google Patents
デジタル音響信号符号化装置、デジタル音響信号符号化方法及びデジタル音響信号符号化プログラムを記録した媒体 Download PDFInfo
- Publication number
- JP3739959B2 JP3739959B2 JP07770399A JP7770399A JP3739959B2 JP 3739959 B2 JP3739959 B2 JP 3739959B2 JP 07770399 A JP07770399 A JP 07770399A JP 7770399 A JP7770399 A JP 7770399A JP 3739959 B2 JP3739959 B2 JP 3739959B2
- Authority
- JP
- Japan
- Prior art keywords
- frequency
- block
- digital audio
- frequency band
- pure tone
- 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 - Fee Related
Links
Images
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/69—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for evaluating synthetic or decoded voice signals
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
- G10L19/02—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using spectral analysis, e.g. transform vocoders or subband vocoders
- G10L19/0204—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using spectral analysis, e.g. transform vocoders or subband vocoders using subband decomposition
- G10L19/0208—Subband vocoders
Description
【発明の属する技術分野】
本発明はデジタル音響信号符号化装置、デジタル音響信号符号化方法及びデジタル音響信号符号化プログラムを記録した媒体に関し、特に例えばDVD、デジタル放送等に利用するデジタル音響信号の圧縮・符号化に関する。
【0002】
【従来の技術】
従来より、デジタル音響信号の高品質圧縮・符号化においては、人間の聴覚心理特性が利用されている。その特性は、小さな音が大きな音によってマスキングされて聴こえなくなるというものである。即ち、ある周波数で大きな音が発生すると、その近傍の周波数の小さな音はマスクされて人間の耳には感知されなくなる。ここで、マスクされて聴こえなくなる限界の強度をマスキング閾値という。一方、人間の耳はマスキングとは無関係に、4kHz付近の音に対して最も感度が良く、それより上下の帯域になればなるほど次第に感度が悪くなっていくという性質もある。この性質は、静寂な状況で音を感知し得る限界の強度として表され、これを絶対可聴閾値という。
【0003】
これらのことを音響信号の強度分布を示す図6に従って説明する。太い実線(A)が音響信号の強度分布、点線(B)がこの音響信号に対するマスキング閾値、そして、細い実線(C)が絶対可聴閾値を、それぞれ表す。同図に示すように、人間の耳には、音響信号に対するマスキング閾値及び絶対可聴閾値よりも大きな強度の音のみ感知できる。従って、音響信号の強度分布の中で、音響信号に対するマスキング閾値及び絶対可聴閾値よりも大きな部分の情報のみを取りだしても、聴覚的には元の音響信号と同じように感じられるのである。
【0004】
このことは、音響信号の符号化においては、図6の斜線で示した部分のみに符号化ビットを割り当てることと等価である。ただし、ここでのビット割り当ては、音響信号の全体域を複数の小帯域に分割して、その分割帯域(D)の単位で行っている。各斜線の領域の横幅は、その分割体域幅に相当する。
【0005】
各分割帯域で、斜線領域の下限の強度以下の音は耳に聴こえない。よって、原音と符号/復号化音の強度の誤差がこの下限を超えなければ両者の差を感知できない。その意味で、この下限の強度を許容誤差強度と呼ぶ。音響信号を量子化して圧縮するに際し、原音に対する符号/復号化音の量子化誤差強度が許容誤差強度以下になるように量子化すれば、原音の音質を損なわずに音響信号を圧縮できる。よって、図6の斜線領域のみに符号化ビットを割り当てるということは、各分割帯域での量子化誤差強度がちょうど許容誤差強度になるように量子化することと等価である。
【0006】
この音響信号の符号化方式としては、MPEG(Moving Picture Experts Group) AudioやDolby Digital等があるが、いずれもここで説明したような性質を用いている。その中で、現在最も符号化効率がよいとされているが、ISO/IEC 13818−7にて標準化されているMPEG−2AudioAAC(Advanced AudioCoding)という方式である。
【0007】
図7はAACの符号化の基本的な構成を示すブロック図である。同図において、聴覚心理モデル部71は時間軸に沿ってブロック化された入力音響信号の各分割帯域毎に許容誤差強度を算出する。一方、同じくブロック化された入力信号に対して、ゲインコントロール72及びフィルタバンク73ではMDCT(Modified Discrete Cosine Transform)による周波数領域への変換を行い、TNS(Temporal Noise Shaping)74、予測器76では予測符号化、そしてインテンシティ/カップリング75及びMSステレオ(Middle Side Stereo)(以下M/Sと略す)77では、ステレオ相関符号化処理を、それぞれ行う。その後、正規化係数78を決定し、量子化器79ではその正規化係数78を基に音響信号を量子化する。この正規化係数は図6の許容誤差強度に対応するもので、各分割帯域毎に定められる。量子化後、ノイズレスコーディング80では予め定められたハフマン符号表に基づいて、正規化係数と量子化値にそれぞれハフマン符号を与えてノイズレスコーディングを行い、最後にマルチプレクサ81にて符号ビットストリームを形成する。
【0008】
さて、上述のフィルタバンク73におけるMDCTとは、図8に示すように時間軸に沿って変換領域を50%ずつオーバーラップさせながらDCTを施すものである。これによって、各変換領域の境界部での歪みの発生が抑えられる。また、生成されるMDCT係数の数は変換領域のサンプル数の半分である。AACでは入力音響信号ブロックに対して、2048サンプルの長い変換領域(ロングブロック)、又は各256サンプルの8個の短い変換領域(ショートブロック)のいずれかを適用する。よって、MDCT係数の数はロングの場合は1024、ショートでは128となる。ショートブロックは常に8ブロックを連続して適用することにより、ロングブロックを用いた場合とMDCT係数の数を合わせるようになっている。
【0009】
一般に、図9のように信号波形の変化の少ない定常的な部分にはロングブロックを、図10のように変化の激しいアタック部にはショートブロックを用いる。この両者の使い分けは重要で、もし図10のような信号にロングブロックを適用すると、本来のアタックの前にプリエコーとよばれるノイズが発生する。また、図9のような信号にショートブロックを適用すると、周波数領域での解像度の不足から適切なビット割り当てがなされずに符号化効率が低下し、やはりノイズが発生し、特に低周波数の音に対しては顕著である。
【0010】
ショートブロックについては、さらに、グループ分けの問題がある。グループ分けとは、上記の8つのショートブロックを、正規化係数の同じ連続するブロックごとにまとめてグループ化することである。グループ内で正規化係数を共通化することで、情報量の削減効果が上がる。具体的には、図7のノイズレスコーディング80にて正規化係数にハフマン符号を割り当てる際に、各ショートブロック単位ではなく、グループ単位で割り当てるのである。図11にグループ分けの一例を示す。ここではグループ数が3で、各グループ内のブロック数は、最初の第0グループでは5、次の第1グループでは1、最後の第2グループでは2、となっている。グループ分けを適切に行わないと、符号量の増加や音質の低下を招く。グループの分割数が多すぎると、本来共通化できるはずの正規化係数を重複して符号化することになり、符号化効率が低下する。逆に、グループ数が少なすぎると、音響信号の変化が激しいにも拘わらず共通の正規化係数で量子化することになるので、音質が低下する。なお、ISO/IEC13818−7では、グループ分けに関して、符号のシンタクスの規定はあるものの、具体的なグループ分けの基準や手法については考慮されていない。
【0011】
前述のように、符号化に際しては入力音響信号ブロックに対して適切にロングブロックとショートブロックを区別して適用しなければならない。このロング/ショートの判定を行うのは図7の聴覚心理モデル部71である。ISO/IEC13818−7では、聴覚心理モデル部71における、各着目ブロックに対するロング/ショートの判定方法の一例が示されている。その判定処理の概要を以下に説明する。
【0012】
ステップ1:音響信号の再構築
ロングブロック用に1024サンプル(ショートブロック用には128サンプル)を新たに読み込み、前ブロックにて既に読み込んでいる1024サンプル(128サンプル)と合わせて2048サンプル(256サンプル)の信号系列を再構築する。
【0013】
ステップ2:ハン窓の掛け合わせとFFT
ステップ1にて構築した2048サンプル(256サンプル)の音響信号にハン窓を掛け合わせ、さらに、FFT(Fast Fourier Transform)を施して1024個(128個)のFFT係数を算出する。
【0014】
ステップ3:FFT係数の予測値の計算
先行する2ブロック分のFFT係数の実数部と虚数部から、現在着目しているブロックのFFT係数の実数部と虚数部を予測し、それぞれ1024個(128個)の予測値を算出する。
【0015】
ステップ4:非予測可能性値の計算
ステップ2にて算出した各FFT係数の実数部と虚数部と、ステップ3にて算出した各FFT係数の実数部と虚数部の予測値から、それぞれの非予測可能性値を算出する。ここで、非予測可能性値は0から1の間の値をとり、0に近いほど音響信号の純音性が高く、1に近いほど雑音性が高い、言い替えれば純音性が低いことを示す。
【0016】
ステップ5:各分割帯域での音響信号の強度と非予測可能性値の計算
ここでの分割帯域は、図7で示したものに相当する。各分割帯域毎に、ステップ2にて算出した各FFT係数を基にして音響信号の強度を算出する。さらに、ステップ4にて算出した非予測可能性値を強度で重み付けして、各分割帯域毎の非予測可能性値を算出する。
【0017】
ステップ6:広がり関数を掛けた強度と非予測可能性値の畳み込み
各分割帯域における他の分割帯域の音響信号強度及び非予測可能性値の影響を広がり関数で求め、それぞれを畳み込んで正規化する。
【0018】
ステップ7:純音性指標の計算
各分割帯域bにおいて、ステップ6にて算出した畳み込み非予測可能性値(cb(b))を基に、純音性指標tb(b)(=−0.299−0.43loge(cb(b)))を算出する。さらに、純音性指標を0から1の間に制限する。ここで、指標が1に近いほど音響信号の純音性が高く、0に近いほど雑音性が高いことを示す。
【0019】
ステップ8:S/N比の計算
各分割帯域において、ステップ7にて算出した純音性指標を基に、S/N比を算出する。ここで、一般に雑音成分のほうが純音成分よりもマスキング効果が大きいという性質を利用する。
【0020】
ステップ9:強度比の計算
各分割帯域において、ステップ8にて算出したS/N比を基に、畳み込み音響信号強度とマスキング閾値の比を算出する。
【0021】
ステップ10:許容誤差強度の計算
各分割帯域において、ステップ6にて算出した畳み込み音響信号強度と、ステップ9にて算出した音響信号強度とマスキング閾値の比を基に、マスキング閾値を算出する。
【0022】
ステップ11:プリエコー調整と絶対可聴閾値の考慮
各分割帯域において、ステップ10にて算出したマスキング閾値を、前ブロックでの許容誤差強度を用いてプリエコー調整する。さらに、この調整値と絶対可聴閾値の大きい方の値を、現ブロックでの許容誤差強度とする。
【0023】
ステップ12:知覚エントロピーの計算
ロングブロック用とショートブロック用のそれぞれについて、式(1)で定義される知覚エントロピー(Perceptual Entropy(PE))を算出する。
【0024】
【数1】
【0025】
ただし、w(b)は分割帯域bの幅、nb(b)はステップ11にて算出した分割帯域bにおける許容誤差強度、e(b)はステップ5にて算出した分割帯域bにおける音響信号の強度、をそれぞれ示す。ここで、PEは図7におけるビット割り当て領域(斜線領域)の面積の総和に対応すると考えられる。
【0026】
ステップ13:ロング/ショートブロックの判定(図12に示すロング/ショートブロック判定動作フローを参照)
ステップ12にて算出したロングブロック用のPEの値(ステップS10)が、予め定められた定数(switch_pe)より大きい場合は、着目ブロックをショートブロックと判定し(ステップS11,S12)、小さい場合はロングブロックと判定する(ステップS11,S13)。ここで、switch_peはアプリケーションに依存して決められる値である。
【0027】
以上が、ISO/IEC13818−7にて記載されたロング/ショートの判定方法である。ところが、上述のISO/IEC13818−7にて記載されたロング/ショートブロックの判定方法では、必ずしも適切な判定がなされない。つまり、本来ショートと判定すべき部分をロングと判定して(またはその逆で)、音質の劣化を生じる場合がある。
【0028】
一方、特開平9−232964号公報では、入力信号を所定区間毎に取り込んで2乗和をそれぞれ求め、各区間毎に2乗和された信号の少なくとも2以上の区間にわたる変化度によって上記信号の過渡状態を検出するように過渡状態検出回路2を構成し、直交変換処理やフィルタ処理を行わずに、時間軸上の入力信号の2乗和計算を行うだけで過渡状態、即ち、ロング/ショートが変化する部分を検出することができるようにしている。この方法では入力信号の2乗和のみを用いて、知覚エントロピーを考慮していないので、必ずしも聴覚上の特性に合致した判定ができず、音質が劣化する恐れがある。
【0029】
そこで、同一グループ内の各ショートブロックに関する知覚エントロピーの最大値と最小値の差が予め定められた閾値より小さくなるように入力音響信号ブロックをグループ分けし、その結果、グループ数が1の場合、又はこれと他の条件を満足する場合は入力音響信号ブロックを1つのロングブロックで周波数領域に変換し、それ以外の場合は複数のショートブロックで変換するという方法がある。この方法について動作フローを示す図13に従って以下に説明する。なお、入力音響信号の例として、図14の音響データを用い、図14では連続する8つの各ショートブロックに対応する通し番号を付している。
【0030】
先ず、入力された音響信号は連続する8つのショートブロックに分割される。そして、この8つのショートブロックの知覚エントロピーをそれぞれ計算し、これらを順にPE(i)(0≦i≦7)とする(ステップS20)。この計算は、上述のISO/IEC13818−7における各着目ブロックに対するロング/ショートの判定方法のステップ1からステップ12にて説明した方法を各ショートブロックに対して行うことで実現する。次に、group_len[0]=1,group_len[gnum]=0(0≦gnum≦7)と初期化する(ステップS21)。ここで、gnumはグループ分におけるグループの通し番号、group_len[gnum]は第gnumグループ内に含まれるショートブロックの数、をそれぞれ表す。そして、gnum=0,min=PE(0),max=PE(0)とそれぞれ初期化する(ステップS22)。このmin,maxは、PE(i)の最小値、最大値をそれぞれ表す。さらに、インデックスiをi=1と初期化する(ステップS23)。このインデックスはショートブロックの通し番号に対応する。
【0031】
次に、PE(i)によってmin、又はmaxの更新をする。即ち、PE(i)<minならmin=PE(i)、PE(i)>maxならmax=PE(i)とする(ステップS24)。そして、グループ分けの判定をする(ステップS25)。即ち、求めたmax−minが予め定められた閾値thと比較されて当該閾値th以上の場合は、ショートブロックi−1とiの間でグループ分けを行うためにステップS26に進み、thより小さい場合は、ショートブロックi−1とiが同一グループに含まれると判定してステップS27に進むのである。この例ではth=50としておく。即ち、同一のグループに含まれる各ショートブロックのPE(i)の最大値と最小値の差が50より小さくなるように、グループ分けするということである。ショートブロック0と1は同一グループに含まれると判定されてステップS27へ進む。なお、ここではgnum=0なので、ショートブロック0と1は第0グループに含まれる。そして、group_len[gnum]の値を1だけインクリメントする(ステップS28)。これは、第gnumグループに含まれるショートブロックの数を1だけ増やすということである。この例では、ステップS21,S22でgnum=0かつgroup_len[0]=1と初期化されているので、ステップS27ではgroup_len[0]=2となる。これは、第0グループに含まれるショートブロックとしてブロック0,1の2つのブロックが既に確定していることに対応する。
【0032】
次に、インデックスiを1だけインクリメントし(ステップS28)、iが7より小さい場合はステップS24へ戻る(ステップS29)。
【0033】
その後、以上で説明したのと同様の動作がi=4まで続く。i=4のときは、図15より、図13のステップS24にてmin=96,max=137となるので、ステップS25ではmax−min=41<50=thと判定され、やはり、ステップS25からそのままステップS27へ進む。そして、ステップS27にて、group_len[0]=5となる。これは即ち、第0グループに含まれるショートブロックとしてブロック0,1,2,3,4の5つのブロックが確定したことに対応する。そして、ステップS28にてi=5となった後、ステップS29を経て再びステップS24に戻ると、今度はPE(5)=152なのでmin=96,max=152となる。すると、ステップS25ではmax−min=56>50=thと判定されるので、ステップS26へ進む。これはショートブロック4と5の間でグループ分けを行うことを意味する。ステップS26ではgnumの値を1だけインクリメントし、かつ、min,maxをそれぞれ最新のPE(i)に置き換える。ここでは、gnum=1,min=152,max=152となる。gnum=1はショートブロック5が含まれるグループが第1グループであることに対応する。
【0034】
次に、ステップS27でgroup_len[1]を1だけインクリメントする。group_len[1]はステップS21にて0に初期化されていたので、ここで改めてgroup_len[1]=1となる。これは、第1グループに含まれるショートブロックとしてブロック5の1つのブロックが確定したことに対応する。
【0035】
以下同様に、図13のステップS28でi=6となり、ステップS29からまたステップS24へ戻ると、今度は図15よりPE(6)=269なので、min=152,max=269となり、ステップS25にてmax−min=117>50と判定され、ステップS26へ進む。つまり、ショートブロック5と6の間でもグループ分けがなされるのである。そして、ステップS26にてgnum=2,min=269,max=269となり、さらにステップS27でgroup_len[2]=1となる。そして、ステップS28でi=7とした後これまでと同様に、ステップS24でPE(7)=231なので、min=231,max=269となり、ステップS25にてmax−min=38<50と判定され、ステップS27へ進む。つまり、ショートブロック6と7はいずれも第2グループに含まれる。これに対応して、ステップS27でgroup_len[2]=2となる。さて、次のステップS28でi=8となるとステップS29の判定により、ステップS30へ進む。これで、8つのショートブロック全てについてのグループ分けが完了したことになる。
【0036】
この例では、結局、gnum=2,group_len[0]=5,group_len[1]=1,group_len[2]=2となる。即ち、グループの数は3で、各グループに含まれるショートブロックの数は、第0グループが5、第1グループが1、第2グループが2という結果である。
【0037】
次に、グループ分けの結果グループ数によってロング/ショートを判定する方法を説明する。即ち、ステップS30にて、gnumの値が0か否かを判定する。もし0ならば、グループの数は1であり、0でないならばグループの数は2以上ということになる。そこで、gnum=0ならばステップS31へ進んで入力音響ブロックを1つのロングブロックによってMDCT変換するものと判定し、gnum=0でないならばステップS32へ進んで入力音響ブロックを8つのショートブロックによってMDCT変換するものと判定する。この例ではgnum=2なので、ステップS32へ進み、ショートブロックで変換すると判定する。
【0038】
しかし、この方法でも適切なロング/ショートの判定ができない場合がある。それは、低周波成分に純音性の高い成分を含む音響データを符号化する場合である。ショートブロックによる変換は時間領域での解像度が増す反面、周波数領域での解像度は低下する。一方、人間の耳は低周波領域で高い解像度のマスキング特性を有し、特に純音性の高い音響データに対しては非常に狭い周波数帯域のみがマスキングされる。ところが、低周波巣成分に純音性の高い成分を含む音響データをショートブロックで変換すると、ショートブロックに起因する周波数領域での解像度の不足によってもとの音響データのエネルギーが周辺の周波数帯域に分散し、それが人間の耳の低周波成分におけるマスキングの幅を超えて広がることで、結果的に音質の劣化を感じてしまう。このことは、単にショートブロックに関する知覚エントロピーのみに基づいてロング/ショートの判定を行なうのは不十分であり、更に音響データの純音性とマスキング特性の周波数依存性を組み合わせて考慮する必要があることを示している。
【0039】
そこで、入力音響信号ブロックを複数のショートブロックに分割し、それぞれのショートブロックについて、予め定めた1つ又は複数の分割帯域に含まれる音響成分の純音性指標が、分割帯域毎に予め定めた閾値より大きいかどうかを判定し、予め定めた1つ又は複数の分割帯域の全てにおいて純音性指標が予め定めた閾値より大きいようなショートブロックが少なくとも1つ存在する場合は、入力音響信号ブロックを1つのロングブロックで周波数領域に変換すると判定するという方法がある。この方法について動作フローを示す図16に従って以下に説明する。なお、上記方法と同様に、入力音響信号の例として図14の音響データを用いる。
【0040】
先ず、音響信号は連続する8つのショートブロックi(0≦i≦7)に関し、各分割帯域sfbでの純音性指標をそれぞれ計算し、これらをtb[i][sfb]とする(ステップS40)。ここで、sfbは図17に示すように、各分割帯域を識別するための通し番号である。なお、この純音性指標の計算は、上述ISO/IEC13818−7における各着目ブロックに対するロング/ショートの判定ステップの内ステップ7にて説明した方法による。次に、tonal_flag=0と初期化する(ステップS41)。更に、ショートブロックの通し番号iをi=0と初期化する(ステップS42)。そして、ショートブロックiに関し、予め定めた1つ又は複数の分割領域において各純音性指標がそれぞれの分割帯域について予め定めた閾値より大きいかどうかを調べる(ステップS43)。図16の例では、sfb=7,8,9である分割領域に関して調べており、それぞれ純音性指標の閾値を、th7,th8,th9としている。
【0041】
さて、ここにおける例では、それぞれのショートブロックiに関し、stb=7,8,9における純音性指標の値が図18に示したようなものであったとする。また、th7=0.6,th8=0.9,th9=0.8と定められているものとする。すると、最初のi=0のときは、tb[0][7]=0.12<0.6=th7,tb[0][8]=0.08<0.9=th8,tb[0][9]=0.15<0.8=th9なので、ステップS43における判定はnoとなり、次のステップS45に進む。そして、iの値が1つだけインクリメントされてi=1となり、ステップS46の判定を経て、再びステップS43に戻る。
【0042】
その後、以上説明した動作と同様の動作がi=5まで続く。i=6となった後(ステップS45)、ステップS46を経て再びステップS43に戻る。今後は、tb[6][7]=0.67>0.6=th7,tb[6][8]=0.95>0.9=th8,tb[6][9]=0.89>0.8=th9なので、ステップS43における判定はyesとなり、ステップS44に進む。そして、tonal_flag=1となる(ステップS44)。次に、i=7となり(ステップS45)、ステップS46を経てまたステップS43へ戻る。i=7ではtb[7][7]=0.42<0.6=th7,tb[7][8]=0.84<0.9=th8,tb[7][9]=0.81>0.8=th9なので、ステップS43の判定はnoであり、ステップS45へ進む。一方、tonal_flag=1のまま変わらない。そして、i=8となった後(ステップS45)、ステップS46の判定を経て今度はステップS47へ進む。そして、tonal_flagの値を調べる(ステップS47)。この例ではtonal_flag=1なので判定はyesとなりステップS48へ進む。よって、入力された音響ブロックを1つのロングブロックによってMDCT変換するものと判定される。なお、tonal_flag=1でないならばステップS49へ進んで入力音響ブロックを8つのショートブロックによってMDCT変換するものと判定する。
【0043】
【発明が解決しようとする課題】
しかしながら、この方法では、判定に用いる分割帯域の数が少ない場合、その限られた分割帯域での純音性しか考慮しないため、それ以外の周波数帯域で純音性が高くて本来ロングブロックを用いるべき場合でも、ショートブロックを採用するように判定しまう。逆に、判定に用いる分割領域が多い場合は、その全てにおいて純音性が高いような特殊な場合しか、ロングブロックを採用するという判定がなされない。このような問題が起こるのは、予め定めた1つ又は複数の分割帯域の全てにおいて純音性指標が予め定めた閾値より大きいことを判定条件としているからである。
【0044】
また、一般に、入力音響信号のサンプリング周波数が小さいと各分割領域の周波数領域での解像度は上がるので、同じ周波数でもサンプリング周波数が小さくなるほど相対的に上位の分割帯域に含まれるようになる。よって、サンプリング周波数によらずに、ロング/ショートの判定に用いる分割領域家純音性指標の閾値等を固定しておくと、適切な判定がなされない。更に、サンプリング周波数が十分に小さい場合は、分割帯域の解像度も十分に大きくなるので、前述の、ショートブロックに起因する周波数帯域での解像度の不足によってもとの音響データのエネルギーが周辺の周波数帯域に分散し、それが人間の耳の低周波成分におけるマスキングの幅を超えて広る、ということがなくなるので純音性指標を利用した判定は不要になる。
【0045】
本発明はこれらの問題点を解決するためのものであり、入力音響データの純音性と人間の耳のマスキング特性の周波数依存性を考慮しつつ、音質が劣化しないように適切にロング/ショートブロックの別を判定できるように、より適切な判定条件を与えることである。また、入力音響データのサンプリング周波数に応じて適切にロング/ショートの別が判別できる、デジタル音響信号装置、デジタル音響信号符号化方法及びデジタル音響信号符号化プログラムを記録した媒体を提供することを目的とする。
【0046】
【課題を解決するための手段】
前記問題点を解決するために、本発明のデジタル音響信号符号化方法によれば、デジタル音響信号を時間軸に沿って入力してブロック化し、各ブロック毎に周波数領域への変換の処理を施し、特定の周波数領域において複数の周波数帯域に分割する。そして、分割した各周波数帯域毎の音響信号に含まれる音響成分の純音性の度合いを示す純音性指標を算出し、算出した各周波数帯域毎の純音性指標と各周波数帯域毎において予め定めた閾値とを比較する。複数の比較結果が予め定めた判定条件に適合していた場合にはブロック化した音響信号を1つのロングブロックで周波数領域に変換すると判定する。よって、限られた分割帯域以外の周波数帯域で純音性が高く本来ロングブロックを用いる場合でもショートブロックを採用するように判定してしまうとか、逆に多くの分割領域の全てにおいて純音性が高いような特殊な場合しかロングブロックを採用するという判定がなされないという、不都合を解消できる。
【0047】
また、判定条件は、分割した各周波数帯域の中の連続した複数の周波数帯域において、各周波数帯域における各比較結果の全て又は少なくとも1つが純音性指標が閾値より大きい比較結果となる判定条件である。あるいは、分割した各周波数帯域の中の連続した複数の周波数帯域の組を複数設定し、複数の組のうち少なくとも1つの組における各周波数帯域における各比較結果の全てが、純音性指標が前記閾値より大きい比較結果となる判定条件である。また、組に含まれる周波数帯域の一部は、重複している。更に、重複している周波数帯域を含む組において同一の周波数帯域における閾値は、互いに異なる値である。よって、適切にロング・ショートの判定を行うことができる。また、入力音響データの純音性と人間の耳のマスキング特性の周波数依存性を考慮しつつ、よりふさわしい判定条件を与えられ、この判定条件に基づいて音質が劣化しないように適切にロング・ショートの判定を行うことができる。
【0048】
更に、別の発明として、コンピュータにより、デジタル音響信号を時間軸に沿って入力してブロック化する機能と、各ブロック毎に周波数領域への変換の処理を施す機能と、特定の周波数領域において複数の周波数帯域に分割する機能と、分割した各周波数帯域毎の音響信号に含まれる音響成分の純音性の度合いを示す純音性指標を算出する機能と、算出した各周波数帯域毎の純音性指標と各周波数帯域毎において予め定めた閾値とを比較する機能と、複数の比較結果が予め定めた判定条件に適合していた場合にはブロック化した音響信号を1つのロングブロックで周波数領域に変換すると判定する機能とを実行するデジタル音響信号符号化プログラムを記録した媒体に特徴がある。よって、既存のシステムを変えることなく、かつデジタル音響信号符号化システムを構築する装置を汎用的に使用することができる。
【0049】
また、別の発明としてのデジタル音響信号符号化装置は、デジタル音響信号を時間軸に沿って入力してブロック化し、各ブロック毎に周波数領域への変換の処理を施し、特定の周波数領域において複数の周波数帯域に分割し、各周波数帯域毎に符号化ビットを割り当て、割り当てた符号化ビット数に応じて正規化係数を求め、音響信号を正規化係数で量子化することにより圧縮符号化するデジタル音響信号符号化装置であって、周波数領域への変換を行う際に、ブロック化した音響信号を1つの長い変換ブロック又は複数の短い変換ブロックのいずれかにて変換し、1つの長いまたは複数の短い変換ブロックに共通の正規化係数を対応させて音響信号を量子化する。そして、本発明のデジタル音響信号符号化装置は、特定の周波数領域において複数の周波数帯域に分割した各周波数帯域の音響信号に含まれる音響成分の純音性の度合いを示す純音性指標を算出する純音性指標算出手段と、純音性指標算出手段によって算出された各周波数帯域の純音性指標と各周波数帯域において予め定めた閾値とを比較する比較手段と、比較手段による複数の比較結果が予め定めた判定条件に適合していた場合にはブロック化した音響信号を1つのロングブロックで周波数領域に変換すると判定するロングブロック判定手段とを具備している。よって、限られた分割帯域以外の周波数帯域で純音性が高く本来ロングブロックを用いる場合でもショートブロックを採用するように判定してしまうとか、逆に多くの分割領域の全てにおいて純音性が高いような特殊な場合しかロングブロックを採用するという判定がなされないという、不都合を解消できる。
【0050】
本発明のデジタル音響信号符号化装置は、特定の周波数領域において複数の周波数帯域に分割した各周波数帯域の音響信号に含まれる音響成分の純音性の度合いを示す純音性指標を算出する純音性指標算出手段と、該純音性指標算出手段によって算出された各周波数帯域の純音性指標と各周波数帯域において予め定めた閾値とを比較する比較手段と、該比較手段による複数の比較結果が予め定めた判定条件に適合していた場合にはブロック化した音響信号を1つのロングブロックで周波数領域に変換すると判定するロングブロック判定手段とを具備する。
【0051】
【実施例】
以下、本発明の実施例を図面に基づいて説明する。
図1は本発明の一実施例に係るデジタル音響信号符号化装置の構成を示すブロックである。同図に示す本実施例のデジタル音響信号符号化装置は、入力された音響信号を所定の数、以下の説明では8つの連続するブロックに分割するブロック分割手段11、分割された各ブロックの純音性指標を上述した算出式によって計算する純音性指標算出手段12、算出された純音性指標と予め定めた閾値とを比較する比較手段13、比較結果に応じてロングブロック又はショートブロックのいずれかを判定するロング/ショートブロック判定手段14及び各手段の動作を制御する制御手段15を含んで構成されている。ここで、図2はデジタル音響信号符号化装置の動作を示すフローチャートである。以下、両図を用いて本実施例の具体的な動作を説明する。その際、入力音響信号の例として、図14の音響データを用いる。
【0052】
先ず、ブロック分割手段11によって入力された音響信号は連続する8つのショートブロックi(0≦i≦7)に関し、純音性指標算出手段12によって各分割帯域sfbでの純音性指標をそれぞれ計算し、これらをtb[i][sfb]とする(ステップS50)。ここで、sfbは図17に示すように、各分割帯域を識別するための通し番号である。なお、この純音性指標の計算は、上述ISO/IEC13818−7における各着目ブロックに対するロング/ショートの判定ステップの内ステップ7にて説明した方法による。次に、tonal_flag=0と初期化する(ステップS51)。更に、ショートブロックの通し番号iをi=0と初期化する(ステップS52)。そして、ショートブロックiに関し、比較手段13によって予め定めた1つ又は複数の分割領域において各純音性指標がそれぞれの分割帯域について予め定めた閾値より大きいかどうかを調べる(ステップS53)。図2の例では、sfb=6,7,8,9である分割領域に関して調べており、それぞれ純音性指標の閾値を、sfb=6についてth61、sfb=7についてth71とth72、sfb=8についてth81とth82、sfb=9についてth91と定めている。そして、{tb[i][6]>th61ANDtb[i][7]>th71}OR{tb[i][7]>th72ANDtb[i][8]>th81}OR{tb[i][8]>th82AND[i][9]>th91}という論理判定式を満足するかどうかを判定する(ステップS53)。
【0053】
今回の例で、それぞれのショートブロックiに関し、sfb=6,7,8,9における純音性指標の値が図18に示したようなものであったとする。また、th61=0.7,th71=0.8,th72=0.8,th81=0.9,th82=0.8,th91=0.9と定めているとする。すると、ステップS53での論理判定式は、{tb[i][6]>0.7ANDtb[i][7]>0.8}OR{tb[i][7]>0.8ANDtb[i][8]>0.9}OR{tb[i][8]>0.8ANDtb[i][9]>0.9}となる。ここには、tb[i][7]>0.8という判定式が2つ含まれている。また、tb[i][8]に対しては、tb[i][8]>0.9とtb[i][8]>0.8という2つの異なる判定式が存在している。
【0054】
さて、図18における例では、最初のi=0のときは、tb[0][6]=0.09,tb[0][7]=0.12,tb[0][8]=0.08,tb[0][9]=0.15なので、比較手段13によるステップS53における判定はnoとなり、次のステップS55に進む。そして、ステップS55では、iの値が1つだけインクリメントされてi=1となり、ステップS56の判定を経て、再びステップS53に戻る。
【0055】
その後、以上説明した動作と同様の動作がi=5まで続く。i=6となった後(ステップS55)、ステップS56を経て再びステップS53に戻る。今後は、tb[6][6]=0.67,tb[6][7]=0.82,tb[6][8]=0.95,tb[6][9]=0.89なので、比較手段13によるステップS53における判定はyesとなり、ステップS54に進む。そして、tonal_flag=1となる(ステップS54)。次に、i=7となり(ステップS55)、ステップS56を経てまたステップS53へ戻る。i=7ではtb[7][6]=0.23,tb[7][7]=0.42,tb[7][8]=0.84,tb[7][9]=0.81なので、比較手段13によるステップS53の判定はnoであり、ステップS55へ進む。しかし、tonal_flag=1のまま変わらない。そして、i=8となった後(ステップS55)、ステップS565の判定を経て今度はステップS57へ進む。そして、tonal_flagの値を調べる(ステップS57)。この例ではtonal_flag=1なので判定はyesとなりステップS58へ進む。よって、ロング/ショートブロック判定手段14によって、入力された音響ブロックを1つのロングブロックによってMDCT変換するものと判定される。
【0056】
次に、別の例として、sfb=6,7,8,9における純音性指標の値が図3に示したような場合を考える。ただし、th61=0.7,th71=0.8,th72=0.8,th81=0.9,th82=0.8,th91=0.9は上記と同様に変わらないものとする。この場合は図18の例とは異なり、{tb[i][6]>0.7ANDtb[i][7]>0.8}OR{tb[i][7]>0.8ANDtb[i][8]>0.9}OR{tb[i][8]>0.8ANDtb[i][9]>0.9}が真となるようなショートブロックiは存在しない。よって、比較手段13によるステップS53における判定は常にnoとなり、ステップS54を通過することはない。その結果、tonal_flagの値は初期値のtonal_flag=0のままステップS57へ進むことになる。
【0057】
そして、ステップS57での判定がnoとなるので、次のステップS59へ進み、上述の従来の判定方法、ISO/IEC13818−7にて記載されたロング/ショートの判定方法などの他の判定手段によるロング/ショートの判定を行いその判定結果に従う。例えば図13に示す判定方法を使っている場合は、同一グループ内の各ショートブロックに関する知覚エントロピーの最大値と最小値の差が予め定められた閾値より小さくなるように入力音響信号ブロックをグループ分けし、その結果グループ数が1の場合、又はこれと他の条件を満足する場合は入力音響信号ブロックを1つのロングブロックでMDCT変換し、それ以外の場合は複数のショートブロックで変換する、と判定する。
【0058】
なお、図2のステップS53にて純音性指標の判定に用いる分割帯域は上記の例のようにsfb=6,7,8,9に限るものではなく、また各閾値もth61=0.7,th71=0.8,th72=0.8,th81=0.9,th82=0.8,th91=0.9に限らない。更に、論理判定式の構成も、上記の例に限るものではなく、{tb[i][6]>th61ANDtb[i][7]>th71ANDtb[i][8]>th81}OR{tb[i][8]>th82ANDtb[i][9]>th91}とか、tb[i][6]>th61ORtb[i][7]>th71ORtb[i][8]>th81ORtb[i][9]>th91等、いろいろな構成が可能である。
【0059】
次に、本発明の第2の実施例について動作フローを示す図4に従って説明する。ここでは、入力音響信号のサンプリング周波数に応じて適切にロング/ショートの判定ができるような方法を与えている。それは、図2のステップS53にて純音性指標の判定に用いる分割帯域や、それぞれの分割帯域に対応して定める純音性指標の閾値、それにロング/ショートの論理判定式を、サンプリング周波数毎に個別に定めるということである。
【0060】
図4のフローチャートにより、その具体例を説明する。ここでは、上記の図2の例により入力音響信号のサンプリング周波数が小さい場合を考える。図4は図2とほぼ同様であるが、ステップS63(図2ではステップS53)の部分のみが異なっている。
【0061】
さて、前述のように、サンプリング周波数が小さくなると、分割帯域の解像度が増し、かつ同じ周波数が相対的に上位の分割帯域に含まれるようになる。そこで、上記の例を、より小さいサンプリング周波数の入力音響信号に対して行なう場合は、純音性指標の判定に用いる分割帯域の数を増やして上位にシフトする。
【0062】
図4のステップS63では、sfb=8,9,10,11,12としている。そして、純音性指標の閾値を、sfb=8についてth81、sfb=9についてth91とth92、sfb=10についてth101,th102,th103、sfb=11についてth111とth112、sfb=12についてth121、とそれぞれ定めている。前記の図2の例と同様に、各閾値のth81,th91,・・・にはそれぞれ具体的な数値を予め定めておく。そして、ロング/ショートの論理判定式を{tb[i][8]>th81ANDtb[i][9]>th91ANDtb[i][10]>th101}OR{tb[i][9]>th92ANDtb[i][10]>th102ANDtb[i][11]>th111}OR{tb[i][10]>th103ANDtb[i][11]>th112ANDtb[i][12]>th121}としている。
【0063】
このステップS63における判定の部分を除いて、図2の例と同様の動作により、ロング/ショートの判定を行なうのである。
【0064】
他のサンプリング周波数に対しても同様に、図2のステップS53(図4のステップS63)に対応する部分のみを置き換えて、図2と同様の処理によりロング/ショートの判定を行なう。
【0065】
さて、よりサンプリング周波数が小さい場合は、前述のように分割帯域の解像度が十分に大きくなるので、純音性指標を利用した判定は不要になる。そこで、サンプリング周波数が予め定めたある閾値以下の場合は、純音性指標を利用した方法を用いず、他の方法のみによってロング/ショートの判定を行なう。即ち、サンプリング周波数に関する予め定めた閾値を例えばth_sf=24kHzと定めた場合は、入力音響信号のサンプリング周波数とこれを比較し、サンプリング周波数が24kHz以下なら、純音性指標を利用したロング/ショートの判定方法を用いずに、他の手段による判定方法のみでロング/ショートを判定する。24kHzより大きいときは、純音性指標を用いた判定方法と、他の手段による判定方法を併用する。このように、純音性指標を用いた判定方法と、他の手段による判定方法を併用する場合は、サンプリング周波数ごとに個別に定められた純音性指標の判定に用いる分割帯域や、それぞれの分割帯域に対応して定める純音性指標の閾値、それに、ロング/ショートの論理判定式によって判定する。他の方法による判定結果との関係も既に図2の例で説明している(図2のステップS57,S58,S59の部分)。即ち、純音性指標による方法でロングブロックと判定した場合は、他の方法での判定結果にかかわらず、ロングブロックで周波数領域に変換し、純音性指標による方法でショートブロックと判定した場合は、他の方法での判定結果に従う。
【0066】
次に、図5は本発明のシステム構成を示すブロック図である。つまり、同図は上記実施例におけるデジタル音響信号符号化方法によるソフトウェアを実行するマイクロプロセッサ等から構築するハードウェアを示すものである。同図において、デジタル音響信号符号化システムはインターフェース(以下I/Fと略す)51、CPU52、ROM53、RAM54、表示装置55、ハードディスク56、キーボード57及びCD−ROMドライブ58を含んで構成されている。また、汎用の処理装置を用意し、CD−ROM59などの読取可能な記録媒体には、本発明のデジタル音響信号符号化方法を実行するプログラムが記録されている。更に、I/F51を介して外部装置から制御信号が入力され、キーボード57によって操作者による指令又は自動的に本発明のプログラムが起動される。そして、CPU52は当該プログラムに従って上述のデジタル音響信号符号化方法に伴う符号化制御処理を施し、その処理結果をRAM54やハードディスク56等の記憶装置に格納し、必要により表示装置55などに出力する。以上のように、本発明のデジタル音響信号符号化方法を実行するプログラムが記録した媒体を用いることにより、既存のシステムを変えることなく、かつ符号化システムを構築する装置を汎用的に使用することができる。
【0067】
なお、本発明は上記実施例に限定されるものではなく、特許請求の範囲内に記載であれば多種の変形や置換可能であることは言うまでもない。
【0068】
【発明の効果】
以上説明したように、本発明によれば、デジタル音響信号を時間軸に沿って入力してブロック化し、各ブロック毎に周波数領域への変換の処理を施し、特定の周波数領域において複数の周波数帯域に分割する。そして、分割した各周波数帯域毎の音響信号に含まれる音響成分の純音性の度合いを示す純音性指標を算出し、算出した各周波数帯域毎の純音性指標と各周波数帯域毎において予め定めた閾値とを比較する。複数の比較結果が予め定めた判定条件に適合していた場合にはブロック化した音響信号を1つのロングブロックで周波数領域に変換すると判定する。よって、限られた分割帯域以外の周波数帯域で純音性が高く本来ロングブロックを用いる場合でもショートブロックを採用するように判定してしまうとか、逆に多くの分割領域の全てにおいて純音性が高いような特殊な場合しかロングブロックを採用するという判定がなされないという、不都合を解消できる。
【0069】
また、判定条件は、分割した各周波数帯域の中の連続した複数の周波数帯域において、各周波数帯域における各比較結果の全て又は少なくとも1つが純音性指標が閾値より大きい比較結果となる判定条件である。あるいは、分割した各周波数帯域の中の連続した複数の周波数帯域の組を複数設定し、複数の組のうち少なくとも1つの組における各周波数帯域における各比較結果の全てが、純音性指標が前記閾値より大きい比較結果となる判定条件である。また、組に含まれる周波数帯域の一部は、重複している。更に、重複している周波数帯域を含む組において同一の周波数帯域における閾値は、互いに異なる値である。よって、適切にロング・ショートの判定を行うことができる。また、入力音響データの純音性と人間の耳のマスキング特性の周波数依存性を考慮しつつ、よりふさわしい判定条件を与えられ、この判定条件に基づいて音質が劣化しないように適切にロング・ショートの判定を行うことができる。
【0070】
更に、別の発明として、コンピュータにより、デジタル音響信号を時間軸に沿って入力してブロック化する機能と、各ブロック毎に周波数領域への変換の処理を施す機能と、特定の周波数領域において複数の周波数帯域に分割する機能と、分割した各周波数帯域毎の音響信号に含まれる音響成分の純音性の度合いを示す純音性指標を算出する機能と、算出した各周波数帯域毎の純音性指標と各周波数帯域毎において予め定めた閾値とを比較する機能と、複数の比較結果が予め定めた判定条件に適合していた場合にはブロック化した音響信号を1つのロングブロックで周波数領域に変換すると判定する機能とを実行するデジタル音響信号符号化プログラムを記録した媒体に特徴がある。よって、既存のシステムを変えることなく、かつデジタル音響信号符号化システムを構築する装置を汎用的に使用することができる。
【0071】
また、別の発明としてのデジタル音響信号符号化装置は、デジタル音響信号を時間軸に沿って入力してブロック化し、各ブロック毎に周波数領域への変換の処理を施し、特定の周波数領域において複数の周波数帯域に分割し、各周波数帯域毎に符号化ビットを割り当て、割り当てた符号化ビット数に応じて正規化係数を求め、音響信号を正規化係数で量子化することにより圧縮符号化するデジタル音響信号符号化装置であって、周波数領域への変換を行う際に、ブロック化した音響信号を1つの長い変換ブロック又は複数の短い変換ブロックのいずれかにて変換し、1つの長いまたは複数の短い変換ブロックに共通の正規化係数を対応させて音響信号を量子化する。そして、本発明のデジタル音響信号符号化装置は、特定の周波数領域において複数の周波数帯域に分割した各周波数帯域の音響信号に含まれる音響成分の純音性の度合いを示す純音性指標を算出する純音性指標算出手段と、純音性指標算出手段によって算出された各周波数帯域の純音性指標と各周波数帯域において予め定めた閾値とを比較する比較手段と、比較手段による複数の比較結果が予め定めた判定条件に適合していた場合にはブロック化した音響信号を1つのロングブロックで周波数領域に変換すると判定するロングブロック判定手段とを具備している。よって、限られた分割帯域以外の周波数帯域で純音性が高く本来ロングブロックを用いる場合でもショートブロックを採用するように判定してしまうとか、逆に多くの分割領域の全てにおいて純音性が高いような特殊な場合しかロングブロックを採用するという判定がなされないという、不都合を解消できる。
【図面の簡単な説明】
【図1】本発明に係るデジタル音響信号符号化装置の構成を示すブロック図である。
【図2】本発明の一実施例に係るデジタル音響信号符号化方法の動作を示すフローチャートである。
【図3】ショートブロック別の純音性指標の関係の一例を示す図である。
【図4】本発明の一実施例に係るデジタル音響信号符号化方法の別の動作を示すフローチャートである。
【図5】本発明のシステム構成を示すブロック図である。
【図6】音響信号とマスキング閾値及び絶対可聴閾値の強度分布を示す図である。
【図7】AACの符号化の基本的な構成を示すブロック図である。
【図8】MDCTの変換領域を示す図である。
【図9】変化の少ない信号波形の場合のMDCTの変換領域を示す図である。
【図10】変化の激しい信号波形の場合のMDCTの変換領域を示す図である。
【図11】グループ分けの一例を示す図である。
【図12】ISO/IEC13818−7におけるロング/ショートブロック判定動作を示すフローチャートである。
【図13】従来のデジタル音響信号符号化方法の動作を示すフローチャートである。
【図14】音響信号の一例の信号波形を示す図である。
【図15】音響信号に対する知覚エントロピーとの関係を示す図である。
【図16】別の従来のデジタル音響信号符号化方法の動作を示すフローチャートである。
【図17】分割領域識別番号の付与の様子を示す図である。
【図18】従来のショートブロック別の純音性指標の関係の一例を示す図である。
【符号の説明】
11 ブロック分割手段
12 純音性指標算出手段
13 比較手段
14 ロング/ショートブロック判定手段
15 制御手段
51 I/F
52 CPU
53 ROM
54 RAM
55 表示装置
56 ハードディスク
57 キーボード
58 CD−ROMドライブ
59 CD−ROM
Claims (11)
- デジタル音響信号を時間軸に沿って入力してブロック化し、
各ブロック毎に周波数領域への変換の処理を施し、
特定の周波数領域において複数の周波数帯域に分割し、
分割した各周波数帯域毎の前記音響信号に含まれる音響成分の純音性の度合いを示す純音性指標を算出し、
算出した各周波数帯域毎の前記純音性指標と各周波数帯域毎において予め定めた閾値とを比較し、
複数の比較結果が予め定めた判定条件に適合していた場合には前記ブロック化した前記音響信号を1つのロングブロックで周波数領域に変換すると判定することを特徴とするデジタル音響信号符号化方法。 - 前記判定条件は、前記分割した各周波数帯域の中の連続した複数の周波数帯域において、各周波数帯域における各比較結果の全て又は少なくとも1つが前記純音性指標が前記閾値より大きい比較結果となる判定条件である請求項1記載のデジタル音響信号符号化方法。
- 前記判定条件は、前記分割した各周波数帯域の中の連続した複数の周波数帯域の組を複数設定し、複数の組のうち少なくとも1つの組における各周波数帯域における各比較結果の全てが、前記純音性指標が前記閾値より大きい比較結果となる判定条件である請求項1記載のデジタル音響信号符号化方法。
- 前記組に含まれる周波数帯域の一部は、重複している請求項3記載のデジタル音響符号化方法。
- 重複している周波数帯域を含む組において同一の周波数帯域における前記閾値は、互いに異なる値である請求項4記載のデジタル音響符号化方法。
- コンピュータにより、
デジタル音響信号を時間軸に沿って入力してブロック化する機能と、
各ブロック毎に周波数領域への変換の処理を施す機能と、
特定の周波数領域において複数の周波数帯域に分割する機能と、
分割した各周波数帯域毎の前記音響信号に含まれる音響成分の純音性の度合いを示す純音性指標を算出する機能と、
算出した各周波数帯域毎の前記純音性指標と各周波数帯域毎において予め定めた閾値とを比較する機能と、
複数の比較結果が予め定めた判定条件に適合していた場合には前記ブロック化した前記音響信号を1つのロングブロックで周波数領域に変換すると判定する機能と
を実行するデジタル音響信号符号化プログラムを記録した媒体。 - デジタル音響信号を時間軸に沿って入力してブロック化し、各ブロック毎に周波数領域への変換の処理を施し、特定の周波数領域において複数の周波数帯域に分割し、各周波数帯域毎に符号化ビットを割り当て、割り当てた符号化ビット数に応じて正規化係数を求め、前記音響信号を前記正規化係数で量子化することにより圧縮符号化するデジタル音響信号符号化装置であって、前記周波数領域への変換を行う際に、ブロック化した前記音響信号を1つの長い変換ブロック又は複数の短い変換ブロックのいずれかにて変換し、1つの長いまたは複数の短い変換ブロックに共通の正規化係数を対応させて音響信号を量子化するデジタル音響信号符号化装置において、
特定の周波数領域において複数の周波数帯域に分割した前記各周波数帯域の前記音響信号に含まれる音響成分の純音性の度合いを示す純音性指標を算出する純音性指標算出手段と、
該純音性指標算出手段によって算出された各周波数帯域の前記純音性指標と各周波数帯 域において予め定めた閾値とを比較する比較手段と、
該比較手段による複数の比較結果が予め定めた判定条件に適合していた場合には前記ブロック化した前記音響信号を1つのロングブロックで周波数領域に変換すると判定するロングブロック判定手段と
を具備することを特徴とするデジタル音響信号符号化装置。 - 前記判定条件は、前記分割した各周波数帯域の中の連続した複数の周波数帯域において、各周波数帯域における各比較結果の全て又は少なくとも1つが前記純音性指標が前記閾値より大きい比較結果となる判定条件である請求項7記載のデジタル音響信号符号化装置。
- 前記判定条件は、前記分割した各周波数帯域の中の連続した複数の周波数帯域の組を複数設定し、複数の組のうち少なくとも1つの組における各周波数帯域における各比較結果の全てが、前記純音性指標が前記閾値より大きい比較結果となる判定条件である請求項7記載のデジタル音響信号符号化装置。
- 前記組に含まれる周波数帯域の一部は、重複している請求項9記載のデジタル音響符号化装置。
- 重複している周波数帯域を含む組において同一の周波数帯域における前記閾値は、互いに異なる値である請求項10記載のデジタル音響符号化装置。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP07770399A JP3739959B2 (ja) | 1999-03-23 | 1999-03-23 | デジタル音響信号符号化装置、デジタル音響信号符号化方法及びデジタル音響信号符号化プログラムを記録した媒体 |
US09/531,320 US6456963B1 (en) | 1999-03-23 | 2000-03-20 | Block length decision based on tonality index |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP07770399A JP3739959B2 (ja) | 1999-03-23 | 1999-03-23 | デジタル音響信号符号化装置、デジタル音響信号符号化方法及びデジタル音響信号符号化プログラムを記録した媒体 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2000276197A JP2000276197A (ja) | 2000-10-06 |
JP3739959B2 true JP3739959B2 (ja) | 2006-01-25 |
Family
ID=13641272
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP07770399A Expired - Fee Related JP3739959B2 (ja) | 1999-03-23 | 1999-03-23 | デジタル音響信号符号化装置、デジタル音響信号符号化方法及びデジタル音響信号符号化プログラムを記録した媒体 |
Country Status (2)
Country | Link |
---|---|
US (1) | US6456963B1 (ja) |
JP (1) | JP3739959B2 (ja) |
Families Citing this family (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6735561B1 (en) | 2000-03-29 | 2004-05-11 | At&T Corp. | Effective deployment of temporal noise shaping (TNS) filters |
US7099830B1 (en) | 2000-03-29 | 2006-08-29 | At&T Corp. | Effective deployment of temporal noise shaping (TNS) filters |
JP4021124B2 (ja) * | 2000-05-30 | 2007-12-12 | 株式会社リコー | デジタル音響信号符号化装置、方法及び記録媒体 |
US20030215013A1 (en) * | 2002-04-10 | 2003-11-20 | Budnikov Dmitry N. | Audio encoder with adaptive short window grouping |
KR100477699B1 (ko) * | 2003-01-15 | 2005-03-18 | 삼성전자주식회사 | 양자화 잡음 분포 조절 방법 및 장치 |
KR100547113B1 (ko) * | 2003-02-15 | 2006-01-26 | 삼성전자주식회사 | 오디오 데이터 인코딩 장치 및 방법 |
US7620545B2 (en) * | 2003-07-08 | 2009-11-17 | Industrial Technology Research Institute | Scale factor based bit shifting in fine granularity scalability audio coding |
US20050010396A1 (en) * | 2003-07-08 | 2005-01-13 | Industrial Technology Research Institute | Scale factor based bit shifting in fine granularity scalability audio coding |
US7983909B2 (en) * | 2003-09-15 | 2011-07-19 | Intel Corporation | Method and apparatus for encoding audio data |
US7349842B2 (en) * | 2003-09-29 | 2008-03-25 | Sony Corporation | Rate-distortion control scheme in audio encoding |
US7426462B2 (en) * | 2003-09-29 | 2008-09-16 | Sony Corporation | Fast codebook selection method in audio encoding |
US7325023B2 (en) * | 2003-09-29 | 2008-01-29 | Sony Corporation | Method of making a window type decision based on MDCT data in audio encoding |
US7283968B2 (en) * | 2003-09-29 | 2007-10-16 | Sony Corporation | Method for grouping short windows in audio encoding |
US20050096918A1 (en) * | 2003-10-31 | 2005-05-05 | Arun Rao | Reduction of memory requirements by overlaying buffers |
KR100537517B1 (ko) * | 2004-01-13 | 2005-12-19 | 삼성전자주식회사 | 오디오 데이타 변환 방법 및 장치 |
WO2005071667A1 (en) * | 2004-01-20 | 2005-08-04 | Dolby Laboratories Licensing Corporation | Audio coding based on block grouping |
DE102004061312B4 (de) * | 2004-12-20 | 2007-10-25 | Infineon Technologies Ag | Vorrichtung und Verfahren zum Detektieren eines potentiellen Angriffs auf eine kryptographische Berechnung |
US7627481B1 (en) * | 2005-04-19 | 2009-12-01 | Apple Inc. | Adapting masking thresholds for encoding a low frequency transient signal in audio data |
KR20090110242A (ko) * | 2008-04-17 | 2009-10-21 | 삼성전자주식회사 | 오디오 신호를 처리하는 방법 및 장치 |
KR101599875B1 (ko) * | 2008-04-17 | 2016-03-14 | 삼성전자주식회사 | 멀티미디어의 컨텐트 특성에 기반한 멀티미디어 부호화 방법 및 장치, 멀티미디어의 컨텐트 특성에 기반한 멀티미디어 복호화 방법 및 장치 |
KR20090110244A (ko) * | 2008-04-17 | 2009-10-21 | 삼성전자주식회사 | 오디오 시맨틱 정보를 이용한 오디오 신호의 부호화/복호화 방법 및 그 장치 |
CN101751928B (zh) * | 2008-12-08 | 2012-06-13 | 扬智科技股份有限公司 | 应用音频帧频谱平坦度简化声学模型分析的方法及其装置 |
GB2466201B (en) * | 2008-12-10 | 2012-07-11 | Skype Ltd | Regeneration of wideband speech |
US9947340B2 (en) * | 2008-12-10 | 2018-04-17 | Skype | Regeneration of wideband speech |
GB0822537D0 (en) | 2008-12-10 | 2009-01-14 | Skype Ltd | Regeneration of wideband speech |
CN104378075B (zh) * | 2008-12-24 | 2017-05-31 | 杜比实验室特许公司 | 频域中的音频信号响度确定和修改 |
WO2011048820A1 (ja) * | 2009-10-23 | 2011-04-28 | パナソニック株式会社 | 符号化装置、復号装置およびこれらの方法 |
EP2661705A4 (en) * | 2011-01-05 | 2016-06-01 | Google Inc | METHOD AND SYSTEM FOR FACILITATING TEXT INPUT |
FR2984580A1 (fr) * | 2011-12-20 | 2013-06-21 | France Telecom | Procede de detection d'une bande de frequence predeterminee dans un signal de donnees audio, dispositif de detection et programme d'ordinateur correspondant |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5341457A (en) * | 1988-12-30 | 1994-08-23 | At&T Bell Laboratories | Perceptual coding of audio signals |
EP0559348A3 (en) * | 1992-03-02 | 1993-11-03 | AT&T Corp. | Rate control loop processor for perceptual encoder/decoder |
JP3173218B2 (ja) * | 1993-05-10 | 2001-06-04 | ソニー株式会社 | 圧縮データ記録方法及び装置、圧縮データ再生方法、並びに記録媒体 |
US5608713A (en) * | 1994-02-09 | 1997-03-04 | Sony Corporation | Bit allocation of digital audio signal blocks by non-linear processing |
US5682463A (en) * | 1995-02-06 | 1997-10-28 | Lucent Technologies Inc. | Perceptual audio compression based on loudness uncertainty |
US5699479A (en) * | 1995-02-06 | 1997-12-16 | Lucent Technologies Inc. | Tonality for perceptual audio compression based on loudness uncertainty |
DE19505435C1 (de) * | 1995-02-17 | 1995-12-07 | Fraunhofer Ges Forschung | Verfahren und Vorrichtung zum Bestimmen der Tonalität eines Audiosignals |
US5956674A (en) * | 1995-12-01 | 1999-09-21 | Digital Theater Systems, Inc. | Multi-channel predictive subband audio coder using psychoacoustic adaptive bit allocation in frequency, time and over the multiple channels |
JPH09232964A (ja) | 1996-02-20 | 1997-09-05 | Nippon Steel Corp | ブロック長可変型変換符号化装置および過渡状態検出装置 |
-
1999
- 1999-03-23 JP JP07770399A patent/JP3739959B2/ja not_active Expired - Fee Related
-
2000
- 2000-03-20 US US09/531,320 patent/US6456963B1/en not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JP2000276197A (ja) | 2000-10-06 |
US6456963B1 (en) | 2002-09-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP3739959B2 (ja) | デジタル音響信号符号化装置、デジタル音響信号符号化方法及びデジタル音響信号符号化プログラムを記録した媒体 | |
JP3762579B2 (ja) | デジタル音響信号符号化装置、デジタル音響信号符号化方法及びデジタル音響信号符号化プログラムを記録した媒体 | |
US7668711B2 (en) | Coding equipment | |
JP3784993B2 (ja) | 音響信号の符号化・量子化方法 | |
JP5539203B2 (ja) | 改良された音声及びオーディオ信号の変換符号化 | |
KR101213840B1 (ko) | 복호화 장치 및 복호화 방법, 및 복호화 장치를 구비하는 통신 단말 장치 및 기지국 장치 | |
KR101779426B1 (ko) | 오디오 신호 처리 방법 및 장치 | |
JP4767687B2 (ja) | スペクトル包絡線符号化のための時間境界及び周波数分解能の決定方法 | |
EP2803067B1 (en) | Method and system for encoding audio data with adaptive low frequency compensation | |
JP4021124B2 (ja) | デジタル音響信号符号化装置、方法及び記録媒体 | |
US20090106030A1 (en) | Method of signal encoding | |
WO2007027006A1 (en) | Method and apparatus to extract important spectral component from audio signal and low bit-rate audio signal coding and/or decoding method and apparatus using the same | |
CA2840788A1 (en) | Encoding device and encoding method, decoding device and decoding method, and program | |
KR100695125B1 (ko) | 디지털 신호 부호화/복호화 방법 및 장치 | |
JP2019514065A (ja) | 高位周波数帯域における検出されたピークスペクトル領域を考慮してオーディオ信号を符号化するオーディオ符号器、オーディオ信号を符号化する方法、及びコンピュータプログラム | |
US6128593A (en) | System and method for implementing a refined psycho-acoustic modeler | |
KR102486258B1 (ko) | 스테레오 신호 인코딩 방법 및 인코딩 장치 | |
JP3813025B2 (ja) | デジタル音響信号符号化装置、デジタル音響信号符号化方法及びデジタル音響信号符号化プログラムを記録した媒体 | |
JP2000151413A (ja) | オーディオ符号化における適応ダイナミック可変ビット割り当て方法 | |
CN112771610A (zh) | 用压扩对密集瞬态事件进行译码 | |
JP2000206990A (ja) | デジタル音響信号符号化装置、デジタル音響信号符号化方法及びデジタル音響信号符号化プログラムを記録した媒体 | |
JP2000276198A (ja) | デジタル音響信号符号化装置、デジタル音響信号符号化方法及びデジタル音響信号符号化プログラムを記録した媒体 | |
KR100640833B1 (ko) | 디지털 오디오의 부호화 방법 | |
Liu et al. | Audio coding standards | |
JPH0746137A (ja) | 音声高能率符号化装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20050401 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20050510 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20050927 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20051003 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20051101 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20051104 |
|
R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20081111 Year of fee payment: 3 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20091111 Year of fee payment: 4 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20101111 Year of fee payment: 5 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111111 Year of fee payment: 6 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111111 Year of fee payment: 6 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121111 Year of fee payment: 7 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20131111 Year of fee payment: 8 |
|
LAPS | Cancellation because of no payment of annual fees |