JP3813025B2 - 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
- JP3813025B2 JP3813025B2 JP30899998A JP30899998A JP3813025B2 JP 3813025 B2 JP3813025 B2 JP 3813025B2 JP 30899998 A JP30899998 A JP 30899998A JP 30899998 A JP30899998 A JP 30899998A JP 3813025 B2 JP3813025 B2 JP 3813025B2
- Authority
- JP
- Japan
- Prior art keywords
- short
- block
- blocks
- acoustic signal
- conversion
- 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
Landscapes
- Compression, Expansion, Code Conversion, And Decoders (AREA)
- Transmission Systems Not Characterized By The Medium Used For Transmission (AREA)
Description
【０００１】
【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、音響信号の全帯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、その分割帯域幅に相当する。
【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のが、ＩＳＯ／ＩＥＣ １３８１８−７にて標準化されているＭＰＥＧ−２ＡｕｄｉｏＡＡＣ（Ａｄｖａｎｃｅｄ Ａｕｄｉｏ Ｃｏｄｉｎｇ）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きすぎると、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６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６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Ｓ１２０１）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Ｓ１２０２，Ｓ１２０３）、小さい場合はロングブロックと判定する（ステップＳ１２０２，Ｓ１２０４）。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。
【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。
【００２９】
【発明が解決しようとする課題】
しかしながら、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。
【００３０】
また、上記従来例の公開公報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。
【００３１】
本発明はこれらの問題点を解決するためのものであり、符号量の増加や音質の低下が起こらないように適切にロング／ショートブロックの別を判定すると共にショートブロックのグループ分けができる、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。
【００３２】
【課題を解決するための手段】
本発明は前記問題点を解決するために、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、各ブロック毎にサブバンド分割や周波数領域への変換等の処理を施し、該音響信号を複数の帯域に分割し、各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、短い変換ブロックを用いる場合は当該複数の短い変換ブロックを、それぞれ１つまたは複数の短い変換ブロックを含むような複数のブロックにグループ化し、同一グループ内に含まれる１つまたは複数の短い変換ブロックには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、各々の短い変換ブロック毎に算出した入力音響信号の知覚エントロピーを算出する知覚エントロピー算出手段と、該知覚エントロピー算出手段によって算出された知覚エントロピーの最大値と最小値との差を求める最大・最小値差算出手段と、該最大値と最小値との差と予め定めた閾値とを比較する比較手段と、該比較手段による比較結果に基づいて、複数の短い変換ブロックのグループ分けを行うグルーピング手段と、を具備することに特徴がある。また、当該グルーピング手段によって分けられたグループの数によって音響信号のブロックをロングブロック又はショートブロックのいずれかで変換するかを判定する、又はグルーピング手段によって分けられたグループの数及び知覚エントロピー算出手段によって算出された各長い変換ブロック毎の知覚エントロピーによって音響信号のブロックを１つの長いブロック又は複数の短いブロックのいずれかで周波数帯域で変換するかを判定するロング／ショートブロック判定手段を設けたことに特徴がある。よって、聴覚上の特性が似たショートブロック同士をグループ化することにより各グループ内で量子化の際の量子化係数を共通化しても音質の劣化を小さく抑えることができると共に、符号化効率を向上させることができる。また、音響信号の特性に合致した適切な判定がなされ、また音響信号の特性を反映した判定がなされることにより音質の劣化を抑えることができる。
【００３３】
また、別の発明として、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、各ブロック毎にサブバンド分割や周波数領域への変換等の処理を施し、該音響信号を複数の帯域に分割し、各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方法であって、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、短い変換ブロックを用いる場合は当該複数の短い変換ブロックを、それぞれ１つまたは複数の短い変換ブロックを含むような複数のブロックにグループ化し、同一グループ内に含まれる１つまたは複数の短い変換ブロックには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方法において、各々の短い変換ブロック毎に算出した音響信号の知覚エントロピーを用いて、同一グループ内に含まれる各短い変換ブロックに対応する各知覚エントロピーの最大値と最小値の差が予め定めた閾値以下になるように複数の短い変換ブロックのグループ分けを行うことに特徴がある。更に複数の短い変換ブロックのグループ分けの結果に基づいて、入力音響信号ブロックを１つの長い変換ブロックで周波数領域に変換するか、あるいは複数の短い変換ブロックで周波数領域に変換するかの判定を行う。そして複数の短い変換ブロックのグループ分けの結果、全ての短い変換ブロックが同一のグループに含まれる場合は、音響信号ブロックを１つの長い変換ブロックで周波数領域に変換し、短い変換ブロックが複数のグループにグループ分けされる場合は、音響信号ブロックを複数の短い変換ブロックで周波数領域に変換する。よって、音響信号の特性に合致した適切な判定がなされると共に音質の劣化を抑えることができる。更に、複数の短い変換ブロックのグループ分けの結果と、長い変換ブロックに関して算出した入力音響信号の知覚エントロピーとを用いて、入力音響ブロックを１つの長い変換ブロックで周波数領域に変換するか、あるいは、複数の短い変換ブロックで複数領域に変換するかの判定を行う。また長い変換ブロックに対応する知覚エントロピーが予め定めた閾値以下で、かつ、複数の短い変換ブロックのグループ分けの結果全ての短い変換ブロックが同一のグループに含まれる場合は、音響信号ブロックを１つの長い変換ブロックで周波数領域に変換し、これ以外の場合は、音響信号ブロックを複数の短い変換ブロックで周波数領域に変換する。そして処理対象の音響信号ブロックにおける長い変換ブロックに対応する知覚エントロピーと、既に符号化を完了した直前の音響信号ブロックにおける長い変換ブロックに対応する知覚エントロピーの差が、予め定めた閾値以下で、かつ、複数の短い変換ブロックのグループ分けの結果全ての短い変換ブロックが同一のグループに含まれる場合は、処理対象の音響信号ブロックを１つの長い変換ブロックで周波数領域に変換し、これ以外の場合は、音響信号ブロックを複数の短い変換ブロックで周波数領域に変換する。よって、音響信号の特性を反映した判定がなされる共に音質の劣化を抑えることができる。
【００３４】
更なる別の発明として、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し、各ブロック毎にサブバンド分割や周波数領域への変換等の処理を施し、該音響信号を複数の帯域に分割し、各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プログラムであって、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、短い変換ブロックを用いる場合は当該複数の短い変換ブロックを、それぞれ１つまたは複数の短い変換ブロックを含むような複数のブロックにグループ化し、同一グループ内に含まれる１つまたは複数の短い変換ブロックには共通の正規化係数を対応させて音響信号を量子化するように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おいて、各々の短い変換ブロック毎に算出した音響信号の知覚エントロピーを用いて、同一グループ内に含まれる各短い変換ブロックに対応する各知覚エントロピーの最大値と最小値の差が予め定めた閾値以下になるように複数の短い変換ブロックのグループ分けを行う機能を有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。また、別の発明として、長い変換ブロックに対応する知覚エントロピーが予め定めた閾値以下で、かつ、複数の短い変換ブロックのグループ分けの結果全ての短い変換ブロックが同一のグループに含まれる場合は、音響信号ブロックを１つの長い変換ブロックで周波数領域に変換し、これ以外の場合は、音響信号ブロックを複数の短い変換ブロックで周波数領域に変換する機能を有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。
【００３５】
【発明の実施の形態】
各々の短い変換ブロック毎に算出した入力音響信号の知覚エントロピーを算出する知覚エントロピー算出手段と、該知覚エントロピー算出手段によって算出された知覚エントロピーの最大値と最小値との差を求める最大・最小値差算出手段と、該最大値と最小値との差と予め定めた閾値とを比較する比較手段と、該比較手段による比較結果に基づいて、複数の短い変換ブロックのグループ分けを行うグルーピング手段と、を具備する。
【００３６】
【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知覚エントロピーＰＥを上述した算出式によって計算する知覚エントロピー算出手段１２、算出された知覚エントロピーの最大値と最小値の差を求める最大・最小値差算出手段１３、最大値と最小値の差と予め定めた閾値とを比較する比較手段１４、比較結果に応じてグループ分けを行うグルーピング手段１５、グループ分けの状態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１６及び各手段の動作を制御する制御手段１７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３の音響データを用いる。これは図６の音響データと同様のものであるが、図３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。
【００３７】
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知覚エントロピー算出手段１２によってそれぞれ計算し、これらを順にＰＥ（ｉ）（０≦ｉ≦７）とする（ステップＳ１０１）。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。ここでは、図３の音響データに対しては図４に示すような知覚エントロピーＰＥ（ｉ）が算出されたとする。次に、ｇｒｏｕｐ＿ｌｅｎ［０］＝１，ｇｒｏｕｐ＿ｌｅｎ［ｇｎｕｍ］＝０（０≦ｇｎｕｍ≦７）と初期化する（ステップＳ１０２）。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Ｓ１０３）。このｍｉｎ，ｍａｘは、ＰＥ（ｉ）の最小値、最大値をそれぞれ表す。図４より、ここにおける例では、ｍｉｎ＝１１０，ｍａｘ＝１１０となる。さらに、インデックスｉをｉ＝１と初期化する（ステップＳ１０４）。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。
【００３８】
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Ｓ１０５）。図４の例では、ＰＥ（１）＝９６なので、ｍｉｎ＝９６，ｍａｘ＝１１０となる。そして、グループ分けの判定をする（ステップＳ１０６）。即ち、最大・最小値差算出手段１３によって求めたｍａｘ−ｍｉｎが比較手段１４にて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の間でグルーピング手段１５においてグループ分けを行うためにステップＳ１０７に進み、ｔｈより小さい場合は、制御手段１７によりショートブロック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Ｓ１０８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。すると、ｉ＝１のときは、ｍａｘ−ｍｉｎ＝１１０−９６＝１４＜５０＝ｔｈなので、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Ｓ１０８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Ｓ１０９）。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Ｓ１０２，Ｓ１０３でｇｎｕｍ＝０かつｇｒｏｕｐ＿ｌｅｎ［０］＝１と初期化されているので、ステップＳ１０８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。
【００３９】
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Ｓ１０９）、ｉが７より小さい場合はステップＳ１０５へ戻る（ステップＳ１１０）。この例ではｉ＝２＜７となるのでステップＳ１０５）へ戻る。
【００４０】
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４より、図２のステップＳ１０５にてｍｉｎ＝９６，ｍａｘ＝１３７となるので、ステップＳ１０６では最大・最小値差算出手段１３及び比較手段１４並びに制御手段１７によってｍａｘ−ｍｉｎ＝４１＜５０＝ｔｈと判定され、やはり、ステップＳ１０６からそのままステップＳ１０８へ進む。そして、ステップＳ１０８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Ｓ１０９にてｉ＝５となった後、ステップＳ１１０を経て再びステップＳ１０５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Ｓ１０６では最大・最小値差算出手段１３及び比較手段１４並びに制御手段１７によってｍａｘ−ｍｉｎ＝５６＞５０＝ｔｈと判定されるので、ステップＳ１０７へ進む。これはグルーピング手段１５によってショートブロック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Ｓ１０７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。
【００４１】
次に、ステップＳ１０８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Ｓ１０２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。
【００４２】
以下同様に、図１のステップＳ１０９でｉ＝６となり、ステップＳ１１０からまたステップＳ１０５へ戻ると、今度は図３よりＰＥ（６）＝２６９なので、ｍｉｎ＝１５２，ｍａｘ＝２６９となり、最大・最小値差算出手段１３及び比較手段１４並びに制御手段１７によってステップＳ１０６にてｍａｘ−ｍｉｎ＝１１７＞５０と判定され、ステップＳ１０７へ進む。つまり、グルーピング手段１５によってショートブロック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Ｓ１０７にてｇｎｕｍ＝２，ｍｉｎ＝２６９，ｍａｘ＝２６９となり、さらにステップＳ１０８でｇｒｏｕｐ＿ｌｅｎ［２］＝１となる。そして、ステップＳ１０９でｉ＝７とした後これ間でと同様に、ステップＳ１０５でＰＥ（７）＝２３１なので、ｍｉｎ＝２３１，ｍａｘ＝２６９となり、最大・最小値差算出手段１３及び比較手段１４並びに制御手段１７によってステップＳ１０６にてｍａｘ−ｍｉｎ＝３８＜５０と判定され、ステップＳ１０８へ進む。つまり、グルーピング手段１５によってショートブロック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Ｓ１０８でｇｒｏｕｐ＿ｌｅｎ［２］＝２となる。さて、次のステップＳ１０９でｉ＝８となるとステップＳ１１０の判定により、ステップＳ１１１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。
【００４３】
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。これは、図１１に示したグループ分けの例と同様のものである。
【００４４】
次に、本発明の第２の実施例について図２のフローチャートを基に行う。第２の実施例では、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示している。即ち、図１のロング／ショートブロック判定手段１６は図２のステップＳ１１１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Ｓ１１２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Ｓ１１３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Ｓ１１３へ進み、ショートブロックで変換すると判定する。
【００４５】
なお、このロング／ショートの判定法は、第２の実施例に示したものに限るものではない。グループ数だけではなく、ロングブロックに関する知覚エントロピーの値も判定に用いる方法を述べている。その中で、ロングブロックに関する知覚エントロピーについてのある閾値を予め定めておき、実際に計算したロングブロックの知覚エントロピーがこの閾値以下で、かつ、グループ数が１の場合に、ロングブロックと判定し、それ以外の場合はショートブロックと判定するとしても構わない。また、ロングブロックに関する知覚エントロピーの差についてのある閾値を予め定めておいてもよい。そして、現在着目中の入力音響信号ブロックにおけるロングブロックの知覚エントロピーと、既に符号化を完了した直前の入力音響信号ブロックにおけるロングブロックの知覚エントロピーの差が、この閾値以下で、かつ、グループ数が１の場合に、ロングブロックと判定し、それ以外の場合はショートブロックと判定することも考えられる。
【００４６】
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。
【００４７】
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。
【００４８】
【発明の効果】
以上説明しように、本発明によれば、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関する知覚エントロピーに基づいてグループ化し、その際に、各グループに含まれるショートブロックの知覚エントロピーの最大値と最小値の差が予め定めた閾値以下になるようにグループ化するので、聴覚上の特性が似たショートブロック同志をグループ化することになり、その結果、各グループ内で、量子化の際の量子化係数を共通化しても音質の劣化を小さく抑えることができ、かつ、符号化効率を向上させることができる。
【００４９】
また、ロング／ショートブロックの判定に関し、音響信号ブロックを知覚エントロピーに基づくグループ分けをした結果のグループ数によって判定し、その際、グループ数が１の場合は音響信号ブロックの聴覚上の特性の変化が少ないとみなしてロングブロックと判定し、グループ数が複数以上の場合は変化が大きいとみなしてショートと判定するので、音響信号の特性に合致した適切な判定がなされ、音質の劣化を抑えることができる。
【００５０】
更に、ロング／ショートブロックの判定に関し、グループ分けの結果のグループ数を利用した判定をしているので、音響信号の特性を反映した判定がなされ、音質の劣化を抑えることができる。
【００５１】
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。
【図面の簡単な説明】
【図１】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】本実施例における音響信号の一例の信号波形を示す図である。
【図４】図３の音響信号に対する知覚エントロピーの関係を示す図である。
【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。
【符号の説明】
１１ ブロック分割手段
１２ 知覚エントロピー算出手段
１３ 最大・最小値差算出手段
１４ 比較手段
１５ グルーピング手段
１６ ロング／ショートブロック判定手段
１７ 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
【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、音響信号の全帯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、その分割帯域幅に相当する。
【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のが、ＩＳＯ／ＩＥＣ １３８１８−７にて標準化されているＭＰＥＧ−２ＡｕｄｉｏＡＡＣ（Ａｄｖａｎｃｅｄ Ａｕｄｉｏ Ｃｏｄｉｎｇ）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きすぎると、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６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】
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６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Ｓ１２０１）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Ｓ１２０２，Ｓ１２０３）、小さい場合はロングブロックと判定する（ステップＳ１２０２，Ｓ１２０４）。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。
【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。
【００２９】
【発明が解決しようとする課題】
しかしながら、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。
【００３０】
また、上記従来例の公開公報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。
【００３１】
本発明はこれらの問題点を解決するためのものであり、符号量の増加や音質の低下が起こらないように適切にロング／ショートブロックの別を判定すると共にショートブロックのグループ分けができる、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。
【００３２】
【課題を解決するための手段】
本発明は前記問題点を解決するために、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、各ブロック毎にサブバンド分割や周波数領域への変換等の処理を施し、該音響信号を複数の帯域に分割し、各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、短い変換ブロックを用いる場合は当該複数の短い変換ブロックを、それぞれ１つまたは複数の短い変換ブロックを含むような複数のブロックにグループ化し、同一グループ内に含まれる１つまたは複数の短い変換ブロックには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、各々の短い変換ブロック毎に算出した入力音響信号の知覚エントロピーを算出する知覚エントロピー算出手段と、該知覚エントロピー算出手段によって算出された知覚エントロピーの最大値と最小値との差を求める最大・最小値差算出手段と、該最大値と最小値との差と予め定めた閾値とを比較する比較手段と、該比較手段による比較結果に基づいて、複数の短い変換ブロックのグループ分けを行うグルーピング手段と、を具備することに特徴がある。また、当該グルーピング手段によって分けられたグループの数によって音響信号のブロックをロングブロック又はショートブロックのいずれかで変換するかを判定する、又はグルーピング手段によって分けられたグループの数及び知覚エントロピー算出手段によって算出された各長い変換ブロック毎の知覚エントロピーによって音響信号のブロックを１つの長いブロック又は複数の短いブロックのいずれかで周波数帯域で変換するかを判定するロング／ショートブロック判定手段を設けたことに特徴がある。よって、聴覚上の特性が似たショートブロック同士をグループ化することにより各グループ内で量子化の際の量子化係数を共通化しても音質の劣化を小さく抑えることができると共に、符号化効率を向上させることができる。また、音響信号の特性に合致した適切な判定がなされ、また音響信号の特性を反映した判定がなされることにより音質の劣化を抑えることができる。
【００３３】
また、別の発明として、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、各ブロック毎にサブバンド分割や周波数領域への変換等の処理を施し、該音響信号を複数の帯域に分割し、各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方法であって、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、短い変換ブロックを用いる場合は当該複数の短い変換ブロックを、それぞれ１つまたは複数の短い変換ブロックを含むような複数のブロックにグループ化し、同一グループ内に含まれる１つまたは複数の短い変換ブロックには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方法において、各々の短い変換ブロック毎に算出した音響信号の知覚エントロピーを用いて、同一グループ内に含まれる各短い変換ブロックに対応する各知覚エントロピーの最大値と最小値の差が予め定めた閾値以下になるように複数の短い変換ブロックのグループ分けを行うことに特徴がある。更に複数の短い変換ブロックのグループ分けの結果に基づいて、入力音響信号ブロックを１つの長い変換ブロックで周波数領域に変換するか、あるいは複数の短い変換ブロックで周波数領域に変換するかの判定を行う。そして複数の短い変換ブロックのグループ分けの結果、全ての短い変換ブロックが同一のグループに含まれる場合は、音響信号ブロックを１つの長い変換ブロックで周波数領域に変換し、短い変換ブロックが複数のグループにグループ分けされる場合は、音響信号ブロックを複数の短い変換ブロックで周波数領域に変換する。よって、音響信号の特性に合致した適切な判定がなされると共に音質の劣化を抑えることができる。更に、複数の短い変換ブロックのグループ分けの結果と、長い変換ブロックに関して算出した入力音響信号の知覚エントロピーとを用いて、入力音響ブロックを１つの長い変換ブロックで周波数領域に変換するか、あるいは、複数の短い変換ブロックで複数領域に変換するかの判定を行う。また長い変換ブロックに対応する知覚エントロピーが予め定めた閾値以下で、かつ、複数の短い変換ブロックのグループ分けの結果全ての短い変換ブロックが同一のグループに含まれる場合は、音響信号ブロックを１つの長い変換ブロックで周波数領域に変換し、これ以外の場合は、音響信号ブロックを複数の短い変換ブロックで周波数領域に変換する。そして処理対象の音響信号ブロックにおける長い変換ブロックに対応する知覚エントロピーと、既に符号化を完了した直前の音響信号ブロックにおける長い変換ブロックに対応する知覚エントロピーの差が、予め定めた閾値以下で、かつ、複数の短い変換ブロックのグループ分けの結果全ての短い変換ブロックが同一のグループに含まれる場合は、処理対象の音響信号ブロックを１つの長い変換ブロックで周波数領域に変換し、これ以外の場合は、音響信号ブロックを複数の短い変換ブロックで周波数領域に変換する。よって、音響信号の特性を反映した判定がなされる共に音質の劣化を抑えることができる。
【００３４】
更なる別の発明として、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し、各ブロック毎にサブバンド分割や周波数領域への変換等の処理を施し、該音響信号を複数の帯域に分割し、各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プログラムであって、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、短い変換ブロックを用いる場合は当該複数の短い変換ブロックを、それぞれ１つまたは複数の短い変換ブロックを含むような複数のブロックにグループ化し、同一グループ内に含まれる１つまたは複数の短い変換ブロックには共通の正規化係数を対応させて音響信号を量子化するように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おいて、各々の短い変換ブロック毎に算出した音響信号の知覚エントロピーを用いて、同一グループ内に含まれる各短い変換ブロックに対応する各知覚エントロピーの最大値と最小値の差が予め定めた閾値以下になるように複数の短い変換ブロックのグループ分けを行う機能を有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。また、別の発明として、長い変換ブロックに対応する知覚エントロピーが予め定めた閾値以下で、かつ、複数の短い変換ブロックのグループ分けの結果全ての短い変換ブロックが同一のグループに含まれる場合は、音響信号ブロックを１つの長い変換ブロックで周波数領域に変換し、これ以外の場合は、音響信号ブロックを複数の短い変換ブロックで周波数領域に変換する機能を有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。
【００３５】
【発明の実施の形態】
各々の短い変換ブロック毎に算出した入力音響信号の知覚エントロピーを算出する知覚エントロピー算出手段と、該知覚エントロピー算出手段によって算出された知覚エントロピーの最大値と最小値との差を求める最大・最小値差算出手段と、該最大値と最小値との差と予め定めた閾値とを比較する比較手段と、該比較手段による比較結果に基づいて、複数の短い変換ブロックのグループ分けを行うグルーピング手段と、を具備する。
【００３６】
【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知覚エントロピーＰＥを上述した算出式によって計算する知覚エントロピー算出手段１２、算出された知覚エントロピーの最大値と最小値の差を求める最大・最小値差算出手段１３、最大値と最小値の差と予め定めた閾値とを比較する比較手段１４、比較結果に応じてグループ分けを行うグルーピング手段１５、グループ分けの状態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１６及び各手段の動作を制御する制御手段１７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３の音響データを用いる。これは図６の音響データと同様のものであるが、図３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。
【００３７】
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知覚エントロピー算出手段１２によってそれぞれ計算し、これらを順にＰＥ（ｉ）（０≦ｉ≦７）とする（ステップＳ１０１）。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。ここでは、図３の音響データに対しては図４に示すような知覚エントロピーＰＥ（ｉ）が算出されたとする。次に、ｇｒｏｕｐ＿ｌｅｎ［０］＝１，ｇｒｏｕｐ＿ｌｅｎ［ｇｎｕｍ］＝０（０≦ｇｎｕｍ≦７）と初期化する（ステップＳ１０２）。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Ｓ１０３）。このｍｉｎ，ｍａｘは、ＰＥ（ｉ）の最小値、最大値をそれぞれ表す。図４より、ここにおける例では、ｍｉｎ＝１１０，ｍａｘ＝１１０となる。さらに、インデックスｉをｉ＝１と初期化する（ステップＳ１０４）。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。
【００３８】
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Ｓ１０５）。図４の例では、ＰＥ（１）＝９６なので、ｍｉｎ＝９６，ｍａｘ＝１１０となる。そして、グループ分けの判定をする（ステップＳ１０６）。即ち、最大・最小値差算出手段１３によって求めたｍａｘ−ｍｉｎが比較手段１４にて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の間でグルーピング手段１５においてグループ分けを行うためにステップＳ１０７に進み、ｔｈより小さい場合は、制御手段１７によりショートブロック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Ｓ１０８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。すると、ｉ＝１のときは、ｍａｘ−ｍｉｎ＝１１０−９６＝１４＜５０＝ｔｈなので、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Ｓ１０８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Ｓ１０９）。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Ｓ１０２，Ｓ１０３でｇｎｕｍ＝０かつｇｒｏｕｐ＿ｌｅｎ［０］＝１と初期化されているので、ステップＳ１０８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。
【００３９】
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Ｓ１０９）、ｉが７より小さい場合はステップＳ１０５へ戻る（ステップＳ１１０）。この例ではｉ＝２＜７となるのでステップＳ１０５）へ戻る。
【００４０】
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４より、図２のステップＳ１０５にてｍｉｎ＝９６，ｍａｘ＝１３７となるので、ステップＳ１０６では最大・最小値差算出手段１３及び比較手段１４並びに制御手段１７によってｍａｘ−ｍｉｎ＝４１＜５０＝ｔｈと判定され、やはり、ステップＳ１０６からそのままステップＳ１０８へ進む。そして、ステップＳ１０８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Ｓ１０９にてｉ＝５となった後、ステップＳ１１０を経て再びステップＳ１０５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Ｓ１０６では最大・最小値差算出手段１３及び比較手段１４並びに制御手段１７によってｍａｘ−ｍｉｎ＝５６＞５０＝ｔｈと判定されるので、ステップＳ１０７へ進む。これはグルーピング手段１５によってショートブロック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Ｓ１０７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。
【００４１】
次に、ステップＳ１０８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Ｓ１０２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。
【００４２】
以下同様に、図１のステップＳ１０９でｉ＝６となり、ステップＳ１１０からまたステップＳ１０５へ戻ると、今度は図３よりＰＥ（６）＝２６９なので、ｍｉｎ＝１５２，ｍａｘ＝２６９となり、最大・最小値差算出手段１３及び比較手段１４並びに制御手段１７によってステップＳ１０６にてｍａｘ−ｍｉｎ＝１１７＞５０と判定され、ステップＳ１０７へ進む。つまり、グルーピング手段１５によってショートブロック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Ｓ１０７にてｇｎｕｍ＝２，ｍｉｎ＝２６９，ｍａｘ＝２６９となり、さらにステップＳ１０８でｇｒｏｕｐ＿ｌｅｎ［２］＝１となる。そして、ステップＳ１０９でｉ＝７とした後これ間でと同様に、ステップＳ１０５でＰＥ（７）＝２３１なので、ｍｉｎ＝２３１，ｍａｘ＝２６９となり、最大・最小値差算出手段１３及び比較手段１４並びに制御手段１７によってステップＳ１０６にてｍａｘ−ｍｉｎ＝３８＜５０と判定され、ステップＳ１０８へ進む。つまり、グルーピング手段１５によってショートブロック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Ｓ１０８でｇｒｏｕｐ＿ｌｅｎ［２］＝２となる。さて、次のステップＳ１０９でｉ＝８となるとステップＳ１１０の判定により、ステップＳ１１１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。
【００４３】
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。これは、図１１に示したグループ分けの例と同様のものである。
【００４４】
次に、本発明の第２の実施例について図２のフローチャートを基に行う。第２の実施例では、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示している。即ち、図１のロング／ショートブロック判定手段１６は図２のステップＳ１１１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Ｓ１１２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Ｓ１１３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Ｓ１１３へ進み、ショートブロックで変換すると判定する。
【００４５】
なお、このロング／ショートの判定法は、第２の実施例に示したものに限るものではない。グループ数だけではなく、ロングブロックに関する知覚エントロピーの値も判定に用いる方法を述べている。その中で、ロングブロックに関する知覚エントロピーについてのある閾値を予め定めておき、実際に計算したロングブロックの知覚エントロピーがこの閾値以下で、かつ、グループ数が１の場合に、ロングブロックと判定し、それ以外の場合はショートブロックと判定するとしても構わない。また、ロングブロックに関する知覚エントロピーの差についてのある閾値を予め定めておいてもよい。そして、現在着目中の入力音響信号ブロックにおけるロングブロックの知覚エントロピーと、既に符号化を完了した直前の入力音響信号ブロックにおけるロングブロックの知覚エントロピーの差が、この閾値以下で、かつ、グループ数が１の場合に、ロングブロックと判定し、それ以外の場合はショートブロックと判定することも考えられる。
【００４６】
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。
【００４７】
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。
【００４８】
【発明の効果】
以上説明しように、本発明によれば、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関する知覚エントロピーに基づいてグループ化し、その際に、各グループに含まれるショートブロックの知覚エントロピーの最大値と最小値の差が予め定めた閾値以下になるようにグループ化するので、聴覚上の特性が似たショートブロック同志をグループ化することになり、その結果、各グループ内で、量子化の際の量子化係数を共通化しても音質の劣化を小さく抑えることができ、かつ、符号化効率を向上させることができる。
【００４９】
また、ロング／ショートブロックの判定に関し、音響信号ブロックを知覚エントロピーに基づくグループ分けをした結果のグループ数によって判定し、その際、グループ数が１の場合は音響信号ブロックの聴覚上の特性の変化が少ないとみなしてロングブロックと判定し、グループ数が複数以上の場合は変化が大きいとみなしてショートと判定するので、音響信号の特性に合致した適切な判定がなされ、音質の劣化を抑えることができる。
【００５０】
更に、ロング／ショートブロックの判定に関し、グループ分けの結果のグループ数を利用した判定をしているので、音響信号の特性を反映した判定がなされ、音質の劣化を抑えることができる。
【００５１】
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。
【図面の簡単な説明】
【図１】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】本実施例における音響信号の一例の信号波形を示す図である。
【図４】図３の音響信号に対する知覚エントロピーの関係を示す図である。
【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。
【符号の説明】
１１ ブロック分割手段
１２ 知覚エントロピー算出手段
１３ 最大・最小値差算出手段
１４ 比較手段
１５ グルーピング手段
１６ ロング／ショートブロック判定手段
１７ 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、各ブロック毎にサブバンド分割や周波数領域への変換等の処理を施し、該音響信号を複数の帯域に分割し、各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、短い変換ブロックを用いる場合は当該複数の短い変換ブロックを、それぞれ１つまたは複数の短い変換ブロックを含むような複数のブロックにグループ化し、同一グループ内に含まれる１つまたは複数の短い変換ブロックには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、
各々の短い変換ブロック毎に算出した入力音響信号の知覚エントロピーを算出する知覚エントロピー算出手段と、
該知覚エントロピー算出手段によって算出された知覚エントロピーの最大値と最小値との差を求める最大・最小値差算出手段と、
該最大値と最小値との差と予め定めた閾値とを比較する比較手段と、
該比較手段による比較結果に基づいて、複数の短い変換ブロックのグループ分けを行うグルーピング手段と、
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。 - 前記グルーピング手段によって分けられたグループの数によって音響信号のブロックをロングブロック又はショートブロックのいずれかで変換するかを判定するロング／ショートブロック判定手段を具備する請求項１記載のデジタル音響信号符号化装置。
- 前記グルーピング手段によって分けられたグループの数及び前記知覚エントロピー算出手段によって算出された各短い変換ブロック毎の知覚エントロピーによって音響信号のブロックを１つの長いブロック又は複数の短いブロックのいずれかで周波数帯域で変換するかを判定するロング／ショートブロック判定手段を具備する請求項１記載のデジタル音響信号符号化装置。
- 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、各ブロック毎にサブバンド分割や周波数領域への変換等の処理を施し、該音響信号を複数の帯域に分割し、各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方法であって、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、短い変換ブロックを用いる場合は当該複数の短い変換ブロックを、それぞれ１つまたは複数の短い変換ブロックを含むような複数のブロックにグループ化し、同一グループ内に含まれる１つまたは複数の短い変換ブロックには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方法において、
各々の短い変換ブロック毎に算出した音響信号の知覚エントロピーを用いて、同一グループ内に含まれる各短い変換ブロックに対応する各知覚エントロピーの最大値と最小値の差が予め定めた閾値以下になるように複数の短い変換ブロックのグループ分けを行うことを特徴とするデジタル音響信号符号化方法。 - 複数の短い変換ブロックのグループ分けの結果、全ての短い変換ブロックが同一のグループに含まれる場合は、音響信号ブロックを１つの長い変換ブロックで周波数領域に変換し、短い変換ブロックが複数のグループにグループ分けされる場合は、音響信号ブロックを複数の短い変換ブロックで周波数領域に変換する請求項４記載のデジタル音響信号符号化方法。
- 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、各ブロック毎にサブバンド分割や周波数領域への変換等の処理を施し、該音響信号を複数の帯域に分割し、各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方法であって、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、短い変換ブロックを用いる場合は当該複数の短い変換ブロックを、それぞれ１つまたは複数の短い変換ブロックを含むような複数のブロックにグループ化し、同一グループ内に含まれる１つまたは複数の短い変換ブロックには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方法において、
長い変換ブロックに対応する知覚エントロピーが予め定めた閾値以下で、かつ、複数の短い変換ブロックのグループ分けの結果全ての短い変換ブロックが同一のグループに含まれる場合は、音響信号ブロックを１つの長い変換ブロックで周波数領域に変換し、これ以外の場合は、音響信号ブロックを複数の短い変換ブロックで周波数領域に変換することを特徴とするデジタル音響信号符号化方法。 - 複数の短い変換ブロックのグループ分けの結果に基づいて、入力音響信号ブロックを１つの長い変換ブロックで周波数領域に変換するか、あるいは複数の短い変換ブロックで周波数領域に変換するかの判定を行う請求項４又は６に記載のデジタル音響信号符号化方法。
- 複数の短い変換ブロックのグループ分けの結果と、長い変換ブロックに関して算出した入力音響信号の知覚エントロピーとを用いて、入力音響ブロックを１つの長い変換ブロックで周波数領域に変換するか、あるいは、複数の短い変換ブロックで複数領域に変換するかの判定を行う請求項４又は６に記載のデジタル音響信号符号化方法。
- 処理対象の音響信号ブロックにおける長い変換ブロックに対応する知覚エントロピーと、既に符号化を完了した直前の音響信号ブロックにおける長い変換ブロックに対応する知覚エントロピーの差が、予め定めた閾値以下で、かつ、複数の短い変換ブロックのグループ分けの結果全ての短い変換ブロックが同一のグループに含まれる場合は、処理対象の音響信号ブロックを１つの長い変換ブロックで周波数領域に変換し、これ以外の場合は、音響信号ブロックを複数の短い変換ブロックで周波数領域に変換する請求項４又は６に記載のデジタル音響信号符号化方法。
- 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し、各ブロック毎にサブバンド分割や周波数領域への変換等の処理を施し、該音響信号を複数の帯域に分割し、各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プログラムであって、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、短い変換ブロックを用いる場合は当該複数の短い変換ブロックを、それぞれ１つまたは複数の短い変換ブロックを含むような複数のブロックにグループ化し、同一グループ内に含まれる１つまたは複数の短い変換ブロックには共通の正規化係数を対応させて音響信号を量子化するように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おいて、
各々の短い変換ブロック毎に算出した音響信号の知覚エントロピーを用いて、同一グループ内に含まれる各短い変換ブロックに対応する各知覚エントロピーの最大値と最小値の差が予め定めた閾値以下になるように複数の短い変換ブロックのグループ分けを行う機能を有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。 - 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し、各ブロック毎にサブバンド分割や周波数領域への変換等の処理を施し、該音響信号を複数の帯域に分割し、各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プログラムであって、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、短い変換ブロックを用いる場合は当該複数の短い変換ブロックを、それぞれ１つまたは複数の短い変換ブロックを含むような複数のブロックにグループ化し、同一グループ内に含まれる１つまたは複数の短い変換ブロックには共通の正規化係数を対応させて音響信号を量子化するように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おいて、
長い変換ブロックに対応する知覚エントロピーが予め定めた閾値以下で、かつ、複数の短い変換ブロックのグループ分けの結果全ての短い変換ブロックが同一のグループに含まれる場合は、音響信号ブロックを１つの長い変換ブロックで周波数領域に変換し、これ以外の場合は、音響信号ブロックを複数の短い変換ブロックで周波数領域に変換する機能を有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。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP30899998A JP3813025B2 (ja) | 1998-10-29 | 1998-10-29 | 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 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP30899998A JP3813025B2 (ja) | 1998-10-29 | 1998-10-29 | 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 |
|---|---|
| JP2000137497A JP2000137497A (ja) | 2000-05-16 |
| JP3813025B2 true JP3813025B2 (ja) | 2006-08-23 |
Family
ID=17987707
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP30899998A Expired - Fee Related JP3813025B2 (ja) | 1998-10-29 | 1998-10-29 | 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 (1)
| Country | Link |
|---|---|
| JP (1) | JP3813025B2 (ja) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002175098A (ja) * | 2000-09-21 | 2002-06-21 | Matsushita Electric Ind Co Ltd | 符号化装置、符号化方法、プログラムおよびプログラム記録媒体 |
| JP4635400B2 (ja) * | 2001-09-27 | 2011-02-23 | パナソニック株式会社 | オーディオ信号符号化方法 |
| DE60204039T2 (de) | 2001-11-02 | 2006-03-02 | Matsushita Electric Industrial Co., Ltd., Kadoma | Vorrichtung zur kodierung und dekodierung von audiosignalen |
| DE102012211031B3 (de) * | 2012-06-27 | 2013-11-28 | Siemens Aktiengesellschaft | Verfahren zur Codierung eines Datenstroms |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH05316355A (ja) * | 1992-05-13 | 1993-11-26 | Matsushita Electric Ind Co Ltd | 画像データ符号化復号化装置 |
| JP2776277B2 (ja) * | 1994-12-08 | 1998-07-16 | 日本電気株式会社 | 音声符号化装置 |
| JP3418305B2 (ja) * | 1996-03-19 | 2003-06-23 | ルーセント テクノロジーズ インコーポレーテッド | オーディオ信号を符号化する方法および装置および知覚的に符号化されたオーディオ信号を処理する装置 |
| DE19613643A1 (de) * | 1996-04-04 | 1997-10-09 | Fraunhofer Ges Forschung | Verfahren zum Codieren eines mit einer niedrigen Abtastrate digitalisierten Audiosignals |
-
1998
- 1998-10-29 JP JP30899998A patent/JP3813025B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JP2000137497A (ja) | 2000-05-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| 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 | |
| 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 | |
| US9153240B2 (en) | Transform coding of speech and audio signals | |
| US9305558B2 (en) | Multi-channel audio encoding/decoding with parametric compression/decompression and weight factors | |
| EP1715476B1 (en) | Low-bitrate encoding/decoding method and system | |
| US7539612B2 (en) | Coding and decoding scale factor information | |
| US7383180B2 (en) | Constant bitrate media encoding techniques | |
| US8615391B2 (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 | |
| US20080082325A1 (en) | Sound signal encoding method and apparatus, sound signal decoding method and apparatus, program, and recording medium | |
| JP4021124B2 (ja) | デジタル音響信号符号化装置、方法及び記録媒体 | |
| KR100813193B1 (ko) | 정보 신호의 양자화 방법 및 장치 | |
| US7466245B2 (en) | Digital signal processing apparatus, digital signal processing method, digital signal processing program, digital signal reproduction apparatus and digital signal reproduction method | |
| JP2004199075A (ja) | ビット率調節可能なステレオオーディオ符号化・復号化方法及びその装置 | |
| 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 | |
| RU2752520C1 (ru) | Управление полосой частот в кодерах и/или декодерах | |
| Davidson | Digital audio coding: Dolby AC-3 | |
| JP4721355B2 (ja) | 符号化データの符号化則変換方法および装置 | |
| 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 | |
| Liu et al. | Audio coding standards | |
| KR100640833B1 (ko) | 디지털 오디오의 부호화 방법 | |
| JPH0918348A (ja) | 音響信号符号化装置及び音響信号復号装置 | |
| Nosirov et al. | The fractal method of compression of broadband audio signals | |
| 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 | |
| KR20050031227A (ko) | 디지털 오디오 부호화 방법 및 장치 | |
| JPH11177435A (ja) | 量子化装置 |
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: 20050502 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20050630 |
|
| 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: 20060530 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20060530 |
|
| 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: 20090609 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100609 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110609 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110609 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120609 Year of fee payment: 6 |
|
| LAPS | Cancellation because of no payment of annual fees |