JP4055122B2 - 音響信号符号化方法及び音響信号符号化装置 - Google Patents
音響信号符号化方法及び音響信号符号化装置 Download PDFInfo
- Publication number
- JP4055122B2 JP4055122B2 JP2002214888A JP2002214888A JP4055122B2 JP 4055122 B2 JP4055122 B2 JP 4055122B2 JP 2002214888 A JP2002214888 A JP 2002214888A JP 2002214888 A JP2002214888 A JP 2002214888A JP 4055122 B2 JP4055122 B2 JP 4055122B2
- Authority
- JP
- Japan
- Prior art keywords
- block
- signal
- short
- determination result
- long
- 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)
Description
【０００１】
【発明の属する技術分野】
本発明は、デジタルオーディオ信号の圧縮符号化における周波数変換ブロック長判定に係わり、特に単位時間毎に分割されたフレームについて時間軸上で先行してブロック長を判定し、一種類に限定されたブロック長のオーディオ信号に対して符号化処理を行うものである。
【０００２】
【従来の技術】
従来より、代表的なオーディオ圧縮アルゴリズムは適応変換符号化方式が用いられている。その例としてはＩＳＯ／ＩＥＣ（International Organization for Standardization / International Electrotechnical Commission）１１１７２−３のＭＰＥＧ（moving picture experts group）−１ Ａｕｄｉｏ Ｌａｙｅｒ３、ＩＳＯ／ＩＥＣ１３８１８−７ ＭＰＥＧ−２ ＡＡＣ（Advanced Audio Coding）、及びミニディスクの圧縮方式であるＡＴＲＡＣ（Adaptive TRansform Audio Coder）などがある。
【０００３】
適応変換符号化は時間領域で表現されるＰＣＭ信号を直交変換（ＭＤＣＴ；Modified Discrete Cosine Transform）を用いて周波数領域の信号に展開し、それを解析することにより聴覚的に重要な周波数帯の重みづけに従って、聴感上不要とされる周波数領域の信号を適応的に削減するようにして符号化を行うものである。
【０００４】
図６に、ＭＤＣＴ及びＩＭＤＣＴ（Inverse Modified Discrete Cosine transform）の処理の流れを示す。ＭＤＣＴはＤＣＴ（discrete cosine transform）の一種であり、変換幅の半分づつ隣り合う変換ブロックと常にオーバーラップさせながら周波数領域に展開する周波数変換手法である。
【０００５】
図７に、ＭＤＣＴに用いられるロングウインドウによる場合の変換幅の特性を示す。
同図において横軸は時間であり、縦軸は応答値を示している。
そして、変換はオーバーラップされる変換ブロック同士が対称形を成すウィンドウ処理を行うことにより、相互に情報が補完されて変換がなされる。
【０００６】
ここで、上記した通常の圧縮アルゴリズムの例では、周波数領域への展開には２種類の変換長が用いられる。そして、長い変換長（以下変換幅と呼ぶこともある）を有する方をロングブロック、短い変換長の方をショートブロックと呼ぶ。また、周波数変換時に用いるウィンドウの形状をそれぞれロングウィンドウ、ショートウィンドウとも呼んでいる。
【０００７】
図８に、ＭＤＣＴに用いられる２種類の変換幅の特性を示す。そして、それらの変換長は変換ブロック内の信号の特徴に応じて選択可能とされている。そして、両者間で遷移するブロックとしての中間ブロックが用いられるが、その中間ウィンドウのことをスタートウィンドウ、ストップウィンドウと呼ぶ。但し、周波数変換ブロック長はロングブロックのサイズと共通である。
【０００８】
そのようにして、変換幅の違いによってウィンドウの形状も異なる。さらに、上記の理由によりオーバーラップする領域でのウィンドウは左右対称形を成していなければならない。ここに示したウィンドウの形状はＭＰＥＧ−２ ＡＡＣのものである。また、ＭＰＥＧ−１ Ｌａｙｅｒ３による符号化の場合でもこれとほぼ同じ特性のものが用いられる。
【０００９】
このときの、符号化時にロングブロックを用いるか又はショートブロックを用いるかは符号化されるディジタルオーディオ信号の特性により定められる。ＩＳＯ／ＩＥＣ１３８１８−７（MPEG-2 Advanced Audio Coding,AAC）に記載される例では、聴覚心理モデル内において、帯域毎の許容量子化雑音レベルを求め量子化ステップを決定するが、その際に周波数スペクトル毎の必要情報量を算出している。この情報量をスペクトル全体で集計したものであるＰＥ（Perceptual Entropy）の時間的な変化量に応じてブロック長判定を行なうようにしている。
【００１０】
図９に、従来のディジタルオーディオ信号符号化装置の構成を示す。
そのディジタルオーディオ信号符号化装置は、入力ＰＣＭバッファ６１、ＦＦＴ（Fast Fourier Transform）ロング６２ａ、ＦＦＴショート６２ｂ、帯域重み付情報算出部ロング６３ａ、帯域重み付情報算出部ショート６３ｂ、変換ブロック長仮判定部６４、フレームバッファ６５、変換ブロック長決定部６６、遅延器６７、パラメータ選択部６８、ＭＤＣＴ６９、量子化部７０、及び出力ビットストリーム生成部７１より構成される。
【００１１】
次に、そのように構成されるディジタルオーディオ信号符号化装置の動作について概説する。
まず、符号化されるディジタルオーディオ信号は入力ＰＣＭバッファ６１に一時記憶される。そこに記憶された信号は長い変換長を有するＦＦＴロング６２ａと短い変換長を有するＦＦＴショート６２ｂのそれぞれのＦＦＴに供給されて、それぞれのウインドウが用いられて周波数分析がなされる。
【００１２】
ＦＦＴロング６２ａで周波数分析のなされた演算結果は帯域重み付情報算出部ロング６３ａに、またＦＦＴショート６２ｂで周波数分析のなされた演算結果は帯域重み付情報算出部ショート６３ｂにそれぞれが供給され、ロング及びショートのそれぞれの帯域重み付け量が算出される。
【００１３】
一方、ＦＦＴショート６２ｂで演算された結果は変換ブロック長仮判定部６４に供給され、そこでは前述したＰＥの時間的変化量から符号化するウインドウをロングの方にするかショートの方にするかが仮決定される。
【００１４】
以上の動作は、聴覚心理モデルを基にした演算を行う部分であって、ロングブロック、及びショートブロックの両者に対応した帯域重みづけ情報を、１フレームの時間だけ先行して得るようになされている。そのことを図面上で「フレームＮ＋１番目を実行」として記述してある。
【００１５】
次に、「フレームＮ＋１番目を実行」して得た結果を基に行う「フレームＮ番目を実行」について述べる。
即ち、ロング及びショートのＦＦＴ結果を基に算出されたそれぞれの帯域重み付け情報は、フレームバッファ６５を介してパラメータ選択部６８に供給される。
【００１６】
また、変換ブロック長の仮判定された結果は変換ブロック長決定部６６に供給され、そこでロング及びショートの何れのブロック長を用いて符号化を行うかが決定される。その決定されたブロック長情報はパラメータ選択部６８、及びＭＤＣＴ６９の両者に供給される。
【００１７】
そして、ＭＤＣＴ６９には、入力ＰＣＭバッファ６１から供給されるディジタルオーディオ信号は遅延器６７により１フレームの時間遅延されてＭＤＣＴ６９に供給されており、決定されたブロック長によりＭＤＣＴ変換がなされる。
【００１８】
そのＭＤＣＴ変換された変換データは量子化部７０に供給される。そこでは、パラメータ選択器６８により選択されたロング又はショートの何れか一方の重み付け情報が決定されたブロック長情報を基に選択され、その選択された情報は量子化部７０に供給される。
【００１９】
その量子化部７０では、ＭＤＣＴ６９より供給された変換データを、パラメータ選択部６８により選択されたパラメータに従って帯域重み付けがなされた量子化幅に従って量子化がなされる。その量子化されたデータは所定のフォーマットに従って記述されるビットストリームとして生成され、出力される。
【００２０】
図１０に、従来のディジタルオーディオ信号符号化装置の動作状態を示す。
同図において、横方向に時間をフレーム単位で示し、（ａ）〜（ｅ）の動作がどのような時間関係で実行されるかを示している。
【００２１】
まず、最初の期間においてフレーム０（図中Ｆｒ０として記述）のディジタルオーディオ信号が入力される。次の期間では、Ｆｒ１のディジタルオーディオ信号が入力されると共に、ＦＲ０のＦＦＴがなされて聴覚心理モデルによる信号の解析がなされ、変換ブロック長の仮検出が行なわれる。
【００２２】
次の期間において、Ｆｒ２のディジタルオーディオ信号が入力され、Ｆｒ１の聴覚心理モデル解析及びブロック長仮判定がなされ、更にＦｒ０の最終ブロック長が決定され、ＭＤＣＴが実行される。
【００２３】
このようにして、圧縮符号化のなされたビットストリームが生成されるが、生成されたビットストリームは、定常的な音に対してはロングウインドウにより周波数分解能を高くすることで符号化効率を高め、且つ急峻な立ち上がりを持つ音（アタック音）に対してはショートウインドウにより量子化雑音レベルをエネルギーが集中する短い時間内に留めることでプリエコー成分を抑圧し、順次変化する入力信号に対し適応的にブロック長が選択された符号化信号として出力されている。
【００２４】
【発明が解決しようとする課題】
しかしながら、上述のブロック変換長判定方法では、聴覚心理モデルにおいて、情報量を削減するためのロングブロック及びショートブロックに対応した帯域重みづけ情報の両者を並列的に動作させる必要がある。
【００２５】
そして、ロング及びショートのＦＦＴ等を用いて周波数解析を行うと共に、それぞれの周波数帯毎に聴感上優位であるか否かを判断するための畳み込み演算を多数回行う必要があり、聴覚心理モデルに従った重み付け情報算出のための演算処理量が多くなる程度のものでしかなかった。
【００２６】
さらに、聴覚心理モデルの処理と時間−周波数変換部（ＭＤＣＴ）の処理との時間が１フレーム時間分だけ異なっており、その間の演算途中の中間データを一時記憶するための、メモリ領域の確保などを必要としていた。
【００２７】
本発明は上述のような課題に鑑みてなされたもので、その目的は、ブロック変換長判定部分を聴覚心理モデル、及び周波数変換部と量子化部を主とする符号化部と分離して構成する。そして、先行してブロック判定を行なうことにより、聴覚心理モデルにより算出する帯域重みづけ情報を一種類のブロック長に対してのみ行う。それにより、聴覚心理モデルにおける演算処理量を軽減する、及び中間データを一時記憶するためのメモリ回路等の削減を行う。それにより経済的にも好適なディジタルオーディオ信号の圧縮符号化装置の構成を提供しようとするものである。
【００２８】
上記目的を達成するために、本発明の変換ブロック長判定装置では、主要な符号化部より時間的に前もって変換ブロック長を検出する手段と、主要符号化部における周波数変換処理工程より前に、概フレームと前後のフレームから求めたブロック長仮判定結果から最終的なブロック長を決定する手段とを備えた。
【００２９】
【課題を解決するための手段】
本発明は、上記課題を解決するために以下の１）及び２）の手段より成るものである。
すなわち、
【００３０】
１） 入力されるディジタル音響信号を所定の時間間隔ごとの複数のブロックの信号に分割すると共に、前記分割されたブロックの信号をロングブロックの信号として符号化するか又はショートブロックの信号として符号化するかを順次判定し、それらの判定して得られたロングブロックの信号又はショートブロックの信号を符号化する音響信号符号化方法において、
前記分割されたブロックごとのディジタル音響信号に含まれるアタック音信号成分について一つ前のブロックとの変化量を検出し、その変化量が閾値以下である場合にロングブロックとし、閾値を超えた場合にショートブロックとする判定結果を仮に得る第１のステップ（１２）と、
前記第１のステップにおける仮判定結果がショートブロックであり、１つ前のブロックの判定結果がロングブロックであり、且つ２つ前のブロックの判定結果がショートブロックである場合にのみ前記１つ前のブロックの判定結果をショートブロックに変更し、それ以外の場合は前記１つ前のブロックの判定結果をそのままの判定結果として得る第２のステップ（１３）と、
前記第２のステップにより判定された前記１つ前のブロックのディジタル音響信号を聴覚心理モデルに基づいて分析し、この分析結果により帯域重み付け情報を算出する一方、前記１つ前のブロックの入力されるディジタル音響信号を周波数変換して所定周波数ごとの信号レベルを得る第３のステップ（１４、１５）と、
前記第３のステップで得られた所定周波数ごとの信号レベルを前記算出された前記帯域重み付け情報を基に適応量子化して符号化音響信号を生成する第４のステップ（１６）と、
より成ることを特徴とする音響信号符号化方法。
２） 入力されるディジタル音響信号を所定の時間間隔ごとの複数のブロックの信号に分割すると共に、前記分割されたブロックの信号をロングブロックの信号として符号化するか又はショートブロックの信号として符号化するかを順次判定し、それらの判定して得られたロングブロックの信号又はショートブロックの信号を符号化する音響信号符号化装置において、
前記分割されたブロックごとのディジタル音響信号に含まれるアタック音信号成分について一つ前のブロックとの変化量を検出し、その変化量が閾値以下である場合にロングブロックとし、閾値を超えた場合にショートブロックとする判定結果を仮に得る変換ブロック長仮判定手段（１２）と、
前記変換ブロック長仮判定手段における仮判定結果がショートブロックであり、１つ前のブロックの判定結果がロングブロックであり、且つ２つ前のブロックの判定結果がショートブロックである場合にのみ前記１つ前のブロックの判定結果をショートブロックに変更し、それ以外の場合は前記１つ前のブロックの判定結果をそのままの判定結果として得るブロック長決定手段（１３）と、
前記ブロック長決定手段により決定された前記１つ前のブロックのディジタル音響信号を聴覚心理モデルに基づいて分析し、この分析結果により帯域重み付け情報を算出する帯域重み付け情報算出手段（１４）と、
前記１つ前のブロックの入力されるディジタル音響信号を周波数変換して所定周波数ごとの信号レベルを得る周波数変換手段（１５）と、
前記周波数変換手段で得られた所定周波数ごとの信号レベルを前記算出された前記帯域重み付け情報を基に適応量子化して符号化音響信号を生成する量子化手段（１６）と、
を具備して構成したことを特徴とする音響信号符号化装置。
【００３１】
【発明の実施の形態】
以下、本発明の音響信号符号化方法及び音響信号符号化装置の実施の形態につき、好ましい実施例により説明する。
図１に、その音響信号符号化方法を採用した音響信号符号化装置の概略ブロック図を示し、その構成と動作について概説する。
【００３２】
同図において、この音響信号符号化装置は、遅延器１１、ブロック長仮判定部１２、ブロック長決定部１３、聴覚心理モデル１４、周波数変換部１５、量子化部１６、及びＭＵＸ（Multiplexer）１７より構成される。
【００３３】
次に、それらの構成による動作について概説する。
まず、符号化すべきディジタルオーディオ信号（ＰＣＭ信号）は遅延器１１及びブロック長仮判定部１２に供給される。
【００３４】
そのブロック長仮決定部１２では、ロングウインドウにより符号化を行うか、ショートウインドウにより符号化を行うかを、供給されたディジタルオーディオ信号に対して仮判定を行う。遅延器１１は、その判定に要する１フレームの期間、供給されるＰＣＭ信号を遅延させる。
【００３５】
次に、ブロック長仮決定部１２で仮判定された結果はブロック長決定部１３に供給され、ロング、及びショートの仮判定結果を基にしてロング、又はショートのブロック長を決定する。決定されたブロック長情報は聴覚心理モデル１４、及び周波数変換部（ＭＤＣＴ）１５に供給される。
【００３６】
その周波数変換部１５では、遅延器１１により時間合わせのされたＰＣＭ信号のＭＤＣＴ変換がなされる。そして、聴覚心理モデル１４ではＰＣＭ信号の聴覚心理に基づく帯域重み付け情報が演算生成される。
【００３７】
そのときの帯域重み付け情報は、決定されたロング、又はショートのいずれか一方のウインドウの信号に対して生成される。そして、生成された帯域重み付け情報及びＭＤＣＴ変換されて得られた周波数情報は量子化部１６に供給される。
【００３８】
その量子化部１６では、ロング、又はショートのいずれか一方のブロック長に従いＭＤＣＴ変換されて得られた周波数情報に対して帯域重み付け情報を基にした量子化幅により量子化がなされる。
【００３９】
次のＭＵＸ１７では、量子化のなされたデータ及び符号化パラメータに係る情報を所定のフォーマットに従って多重化しビットストリームが生成される。
【００４０】
以上の様にして、簡易な構成により実行した符号化にも拘らず、連続的な音響信号に対して歪成分が少なく、且つアタック音を含む音響信号に対してもプリエコー成分を含まない好適なビットストリームの生成がなされる。
更にその音響信号符号化装置の動作について述べる。
【００４１】
図２に、本実施例に示した音響信号符号化装置の動作の流れを示し、説明する。
同図において、入力ＰＣＭバッファ２１に入力されたディジタルオーディオ信号は後述の変換ブロック長仮判定部２３に供給され、そこでロングウインドウとショートウインドウのどちらのウインドウを用いて圧縮符号化を行うかの仮判定を行う。
【００４２】
その仮判定動作は１フレーム先行したＮ＋１番目のフレームデータに対して行なう。仮判定されたロング及びショートウインドウに係る情報は変換ブロック長決定部２４に供給され、そこでは上記の仮決定されたロング及びショートウインドウの前後の並びを基にロング及びショートウインドウの最終決定を行う。
【００４３】
その決定されたブロック長情報はＦＦＴ２５及びＭＤＣＴ２７に供給される。そのＦＦＴ２５及びＭＤＣＴ２７には遅延器２２により１フレーム分の期間遅延されたディジタルオーディオ信号が供給されている。
【００４４】
そして、ＦＦＴ２５では供給された信号の高速フーリエ変換を、ＭＤＣＴ２７では供給された信号のＭＤＣＴ変換を、供給されたブロック長情報を基にして行なう。
【００４５】
従って、ＦＦＴ２５で行われるＦＦＴ変換はロング又はショートウインドウの何れか一方のウインドウに対して行われている。さらに、従来のようにロングウインドウのＦＦＴとショートウインドウのＦＦＴの２つのＦＦＴを用いて周波数分析を行なうのに比し、本実施例では１つのＦＦＴを用いて演算している点で異なっている。
【００４６】
また、ＦＦＴからの信号が供給されて実行される帯域重み付け情報算出２６も１つの回路で良い。更に、従来のような２つの帯域重み付け情報のいずれを用いるかを選択するための選択回路、及びその２つの選択回路を同期して動作させるためのフレームバッファも不要とされている。
【００４７】
以上のようにして、簡易な動作により帯域重み付け情報が算出されるが、その算出情報及びＭＤＣＴ変換されて得られた周波数情報は量子化器２８に供給され、そこでは帯域重み付け算出情報により量子化幅が設定され、周波数情報はその量子化幅で量子化された符号化信号として生成される。
【００４８】
その生成された信号は出力ビットストリーム生成２９に供給され、そこでは符号化信号に符号化に係る情報が付加された所定の記述フォーマットに従ったビットストリーム信号として出力される。
【００４９】
以上、本実施例による音響信号符号化装置の動作の流れについて述べた。そして、聴覚心理モデルは１つのＦＦＴ２５と１つの帯域重み付け情報算出２６により構成されており、簡易な構成となっている。
【００５０】
つぎに、その簡易な聴覚心理モデルを用い、且つ高品質なディジタルオーディオ信号の圧縮符号化を行なうためには、1つ前のフレームにおいてロングウインドウ及びショートウインドウのいずれを用いるかの判定がなされている必要があり、その判定方法について述べる。
【００５１】
図３に、ブロック長仮判定部の構成を示す。
同図において、ブロック長仮判定部１２はブロック分割回路１２１、周波数解析回路１２２、スペクトルエネルギー算出回路１２３、スペクトルエネルギーバッファ１２４、スペクトルエネルギー変化量算出回路１２５、しきい値比較回路１２６、及び条件適合ポイント測定回路１２７より構成される。
【００５２】
次に、そのように構成されるブロック長仮判定部１２の動作について述べる。まず、入力ＰＣＭバッファに一時記憶された１フレーム分のディジタルオーディオ信号がブロック分割回路１２１に供給される。そこでは、１フレームのディジタルオーディオ信号を、例えば４つの、所定サンプル数ごとのブロックの信号に分割する。
【００５３】
即ち、１フレームの信号を複数のブロックのサンプル数（ブロックの長さ）毎に分割するのは、オーディオ信号に含まれるアタック音の検出を確実に行い、ロングウインドウで符号化すべきか、ショートウィンドウで符号化をすべきかの判定を入力信号の状態に応じ適応的に行うためである。
【００５４】
そして、アタック音を含む信号は前後のブロック間でスペクトルのパワー比が急激に変化する。従って、演算量の増加が許す範囲で的確にその変移を捉えるには、次段以降での解析ブロック長が短い方がより信頼度の高いアタック音解析を行うことが出来る。
【００５５】
そのようにしてブロック分割された信号は周波数解析回路１２２に供給される。そこでは分割された信号毎に周波数スペクトルが算出される。その周波数スペクトルの解析は、例えば一般的な高速フーリエ変換（ＦＦＴ）等の周波数変換法によって周波数スペクトルの算出が行われる。
【００５６】
次に、周波数解析回路１２２で得られた周波数スペクトルは、スペクトルエネルギー算出部１２３に供給される。そこでは、周波数解析ポイント毎のエネルギーが求められる。
【００５７】
次に、前ブロックと現ブロックから周波数解析ポイントのエネルギー変化量を算出するため、スペクトルエネルギー算出回路１２３にて一旦求められたエネルギーは、スペクトルエネルギーバッファ１２４及びスペクトルエネルギー変化量算出回路１２５に供給される。
【００５８】
そのスペクトルエネルギーバッファ１２４では１ブロックの期間供給された信号を遅延して出力するため、スペクトルエネルギー変化量算出回路１２５ではブロック毎のエネルギー変化量を比較により求めることができる。
【００５９】
その分析周波数毎ごとに、且つブロック毎に演算されて求められたスペクトルエネルギーの変化量はしきい値比較回路１２６に供給される。そこでは、スペクトルエネルギー変化量算出回路１２５により測定されたエネルギー変化量と、予め定めておいたしきい値とを比較し、エネルギー変化量がしきい値を超えたか否かを判定する。その判定は個々の周波数スペクトルポイントにおいて行い、それらの判定結果は条件適合ポイント測定回路１２７に供給される。
【００６０】
その条件適合ポイント測定回路１２７では、誤検出を防止するため、少なくとも複数の周波数スペクトルポイントにてエネルギー変化量がしきい値を超えたことが認められた場合にのみ、アタック音が含まれているとしてショートブロックへの切り替えを許可するためのブロック長仮判定情報を生成し、変換ブロック長決定部２４に出力する。
【００６１】
以上、ブロック長仮判定部の動作について述べた。なお、このブロック長仮判定部の詳細に関しては、本願発明者が発明し本願出願人により出願された特願２００１−４００１８１号「周波数変換ブロック長適応変換装置及びプログラム」（本願出願時に未公開）に開示されている。
【００６２】
また、ここで用いられるブロック長判定方法は構成及び動作が簡易であり、且つ入力ＰＣＭ信号に対して適当なロング及びショートの符号化用ウインドウの判定ができる限り、他の方法を用いても良い。その判定方法としては、周波数領域判定法、時間領域判定法、およびそれらの複合的な判定法がある。例えば周波数領域判定法としてはＩＳＯ／ＩＥＣ１３８１８−７（MPEG-2 Advanced Audio Coding,AAC）に規定される方法がある。また、時間領域判定法としては1992年9月発行の「MD system」等の方法もある。
【００６３】
以上、ブロック長仮判定部の構成と動作について詳述した。
次に変換ブロック長決定部２４の動作について述べる。
図４に、仮判定ブロック長を基にブロック長を決定する場合の例を示す。
【００６４】
同図の（ａ）に示すように、仮判定ブロック長がロング、ショート、ロング、ショート、及びロングのように仮判定されたときは、（ｂ）に示すようにスタート、ショート、ショート、ショート、及びストップのように変更して最終決定ウインドウとする。
【００６５】
また、同図の（ｃ）に示すようにスタート、ショート、ストップ、ショート、及びストップのように仮判定された場合も、（ｂ）に示すようにストップをショートに変更して最終決定ウインドウとする。
【００６６】
上記のように、強制的にロングブロックをショートブロックに変更するときのウィンドウの形状はストップウィンドウの次のフレームがショートブロックと判定されたときである。
【００６７】
そして、ここで仮判定されたブロック長が隣接するフレームにおいて異なっているときには、中間的なウィンドウとしてスタートウインドウ、又はストップウインドウが用いられる。通常は、ショートブロックが選択された次のフレームがロングブロックであるならばストップウィンドウが用いられるが、更にその次のフレームがショートブロックであるとき、強制的に中間のブロックをショートブロックに変更するようにしている。
【００６８】
そして、ブロック長が前後のフレームの関係で強制的に変更されるのは、ショート、ロング、ショートと仮判定されるときの中間のロングブロックのときである。このような情報が入力されたときは中間のロングブロックがショートブロックに変更される。
【００６９】
その強制的な変更を行うために、変換ブロック長決定部を更に１フレーム先行させて動作させ、３フレーム分（Ｎ＋１、Ｎ、Ｎ−１）のブロック長仮判定結果を有するようにすれば良い。
【００７０】
この場合であっても聴覚心理モデル及びＭＤＣＴの回路は簡易に構成することができるものである。
なお、最終判定ウインドウはロング又はストップウインドウがショートウインドうに変更される判定であり、その判定は過去より得られている仮判定結果を分析することにより、現時点で得られる２フレーム分（Ｎ＋１、Ｎ）のウィンドウの形状からも最終的なブロック長を決定することもできる。
【００７１】
以上、ブロック長の仮判定結果を基にブロック長を最終決定する方法について述べた。
そして、得られたブロック長情報を基にしてディジタルオーディオ信号の符号化がなされる。次に、その動作タイミングについて述べる。
【００７２】
図５に、本音響信号符号化装置の動作状態を示す。
同図において、横方向に時間をフレーム単位で示し、（ａ）〜（ｅ）の実行に係る動作状態を示している。
【００７３】
まず、最初の期間においてフレーム０（図中Ｆｒ０として記述）のディジタルオーディオ信号が入力される。次の期間では、Ｆｒ１のディジタルオーディオ信号が入力されると共に、ＦＲ０のブロック長の仮判定がなされる。
【００７４】
次の期間において、Ｆｒ２のディジタルオーディオ信号が入力され、Ｆｒ１のブロック長仮判定がなされ、更にＦｒ０の最終ブロック長の決定、聴覚心理モデルによる帯域重み付け情報の算出、及びＭＤＣＴ演算がが実行される。
【００７５】
このようにして、ブロック長の仮判定が１フレーム先行してなされると共に、最終ブロック長の決定、聴覚心理モデル算出、及びＭＤＣＴ演算が同一のフレーム期間において実行されている。
【００７６】
そのようにして、主要な符号化部の時系列が一致することで回路設計等が簡易になると共に、演算処理量の削減及び記憶領域の削減による処理工程の軽減がなされる。
【００７７】
さらに、上述した音響信号符号化装置はハードウエアによる手段を中心として述べたが、その手段はコンピュータによる信号処理を用いて実現させることが出来る。そして、ＣＰＵやＤＳＰ等の演算用ＩＣを用いて装置を実現する場合では、演算ステップ数の減少、及びメモリ等の記憶領域用デバイスの縮小を図ることができる。そして、本発明は上記を実行するためのプログラムを含むものである。
【００７８】
【発明の効果】
請求項１記載の発明によれば、ディジタル音響入力信号に含まれるアタック音信号成分を周波数領域判定及び／又は時間領域判定により検出し、ロングブロックにより又はショートブロックのいずれにより圧縮符号化を行うかを現在のブロック、１つ前のブロック、及び２つ前のブロックの判定結果を基に１つ前のブロックについて判定し、次に１つ前のブロックのディジタル音響入力信号について、その判定された方の、ロングブロック信号又はショートブロック信号を聴覚心理モデルにより分析して行う帯域重み付け情報の算出、及び判定された方のロング又はショートブロック信号を周波数変換して周波数領域信号を得、その得られた周波数領域信号を上記帯域重み付け情報を基にして適応量子化して圧縮符号化音響信号を生成するようにしているため、聴覚心理モデルの算出及び音響入力信号の周波数変換はロング又はショートブロック信号の何れか一方に対して行えば良く、聴覚心理モデルにおける演算処理量の軽減、及び演算処理中の中間データの蓄積に係るメモリの削減した音響信号符号化方法を提供できる効果がある。
【００７９】
また、請求項２記載の発明によれば、ディジタル音響入力信号に含まれるアタック音信号成分を周波数領域判定及び／又は時間領域判定により検出し、ロングブロックにより又はショートブロックのいずれにより圧縮符号化を行うかを現在のブロック、１つ前のブロック、及び２つ前のブロックの判定結果を基に１つ前のブロックについて判定し、次に１つ前のブロックのディジタル音響入力信号について、その判定された方の、ロングブロック信号又はショートブロック信号を聴覚心理モデルにより分析して行う帯域重み付け情報の算出、及び判定された方のロング又はショートブロック信号を周波数変換して周波数領域信号を得、その得られた周波数領域信号を上記帯域重み付け情報を基にして適応量子化して圧縮符号化音響信号を生成するようにしているため、聴覚心理モデルの算出及び音響入力信号の周波数変換はロング又はショートブロック信号の何れか一方に対して行えば良く、聴覚心理モデルにおける演算処理量の軽減、及び演算処理中の中間データの蓄積に係るメモリの削減した音響信号符号化装置の構成を提供できる効果がある。
【図面の簡単な説明】
【図１】本発明の実施に係る、音響信号符号化装置の概略構成を例示した図である。
【図２】本発明の実施に係る、音響信号符号化装置の動作の流れを例示した図である。
【図３】本発明の実施に係る、ブロック長仮判定部の構成を例示した図である。
【図４】本発明の実施に係る、仮判定ブロック長を基に行うブロック長の決定例を示した図である。
【図５】本発明の実施に係る、本音響信号符号化装置のフレーム毎の動作状態を例示した図である。
【図６】従来例による、ＭＤＣＴ及びＩＭＤＣＴの処理の流れ例示した図である。
【図７】従来例による、ＭＤＣＴに用いられるロングウインドウの変換幅の特性を示した図である。
【図８】従来例による、ＭＤＣＴに用いられる２種類の変換幅の特性を示した図である。
【図９】従来例による、ディジタルオーディオ信号符号化装置の構成を示した図である。
【図１０】従来例による、ディジタルオーディオ信号符号化装置の動作状態を示した図である。
【符号の説明】
１１ 遅延器
１２ ブロック長仮判定部
１３ ブロック長決定部
１４ 聴覚心理モデル
１５ 周波数変換部
１６ 量子化部
１７ ＭＵＸ
６１ 入力ＰＣＭバッファ
６２ａ ＦＦＴロング
６２ｂ ＦＦＴショート
６３ａ 帯域重み付情報算出部ロング
６３ｂ 帯域重み付情報算出部ショート
６４ 変換ブロック長仮判定部
６５ フレームバッファ
６６ 変換ブロック長決定部
６７ 遅延器
６８ パラメータ選択部
６９ ＭＤＣＴ
７０ 量子化部
７１ 出力ビットストリーム生成部
１２１ ブロック分割回路
１２２ 周波数解析回路
１２３ スペクトルエネルギー算出回路
１２４ スペクトルエネルギーバッファ
１２５ スペクトルエネルギー変化量算出回路
１２６ しきい値比較回路
１２７ 条件適合ポイント測定回路
【発明の属する技術分野】
本発明は、デジタルオーディオ信号の圧縮符号化における周波数変換ブロック長判定に係わり、特に単位時間毎に分割されたフレームについて時間軸上で先行してブロック長を判定し、一種類に限定されたブロック長のオーディオ信号に対して符号化処理を行うものである。
【０００２】
【従来の技術】
従来より、代表的なオーディオ圧縮アルゴリズムは適応変換符号化方式が用いられている。その例としてはＩＳＯ／ＩＥＣ（International Organization for Standardization / International Electrotechnical Commission）１１１７２−３のＭＰＥＧ（moving picture experts group）−１ Ａｕｄｉｏ Ｌａｙｅｒ３、ＩＳＯ／ＩＥＣ１３８１８−７ ＭＰＥＧ−２ ＡＡＣ（Advanced Audio Coding）、及びミニディスクの圧縮方式であるＡＴＲＡＣ（Adaptive TRansform Audio Coder）などがある。
【０００３】
適応変換符号化は時間領域で表現されるＰＣＭ信号を直交変換（ＭＤＣＴ；Modified Discrete Cosine Transform）を用いて周波数領域の信号に展開し、それを解析することにより聴覚的に重要な周波数帯の重みづけに従って、聴感上不要とされる周波数領域の信号を適応的に削減するようにして符号化を行うものである。
【０００４】
図６に、ＭＤＣＴ及びＩＭＤＣＴ（Inverse Modified Discrete Cosine transform）の処理の流れを示す。ＭＤＣＴはＤＣＴ（discrete cosine transform）の一種であり、変換幅の半分づつ隣り合う変換ブロックと常にオーバーラップさせながら周波数領域に展開する周波数変換手法である。
【０００５】
図７に、ＭＤＣＴに用いられるロングウインドウによる場合の変換幅の特性を示す。
同図において横軸は時間であり、縦軸は応答値を示している。
そして、変換はオーバーラップされる変換ブロック同士が対称形を成すウィンドウ処理を行うことにより、相互に情報が補完されて変換がなされる。
【０００６】
ここで、上記した通常の圧縮アルゴリズムの例では、周波数領域への展開には２種類の変換長が用いられる。そして、長い変換長（以下変換幅と呼ぶこともある）を有する方をロングブロック、短い変換長の方をショートブロックと呼ぶ。また、周波数変換時に用いるウィンドウの形状をそれぞれロングウィンドウ、ショートウィンドウとも呼んでいる。
【０００７】
図８に、ＭＤＣＴに用いられる２種類の変換幅の特性を示す。そして、それらの変換長は変換ブロック内の信号の特徴に応じて選択可能とされている。そして、両者間で遷移するブロックとしての中間ブロックが用いられるが、その中間ウィンドウのことをスタートウィンドウ、ストップウィンドウと呼ぶ。但し、周波数変換ブロック長はロングブロックのサイズと共通である。
【０００８】
そのようにして、変換幅の違いによってウィンドウの形状も異なる。さらに、上記の理由によりオーバーラップする領域でのウィンドウは左右対称形を成していなければならない。ここに示したウィンドウの形状はＭＰＥＧ−２ ＡＡＣのものである。また、ＭＰＥＧ−１ Ｌａｙｅｒ３による符号化の場合でもこれとほぼ同じ特性のものが用いられる。
【０００９】
このときの、符号化時にロングブロックを用いるか又はショートブロックを用いるかは符号化されるディジタルオーディオ信号の特性により定められる。ＩＳＯ／ＩＥＣ１３８１８−７（MPEG-2 Advanced Audio Coding,AAC）に記載される例では、聴覚心理モデル内において、帯域毎の許容量子化雑音レベルを求め量子化ステップを決定するが、その際に周波数スペクトル毎の必要情報量を算出している。この情報量をスペクトル全体で集計したものであるＰＥ（Perceptual Entropy）の時間的な変化量に応じてブロック長判定を行なうようにしている。
【００１０】
図９に、従来のディジタルオーディオ信号符号化装置の構成を示す。
そのディジタルオーディオ信号符号化装置は、入力ＰＣＭバッファ６１、ＦＦＴ（Fast Fourier Transform）ロング６２ａ、ＦＦＴショート６２ｂ、帯域重み付情報算出部ロング６３ａ、帯域重み付情報算出部ショート６３ｂ、変換ブロック長仮判定部６４、フレームバッファ６５、変換ブロック長決定部６６、遅延器６７、パラメータ選択部６８、ＭＤＣＴ６９、量子化部７０、及び出力ビットストリーム生成部７１より構成される。
【００１１】
次に、そのように構成されるディジタルオーディオ信号符号化装置の動作について概説する。
まず、符号化されるディジタルオーディオ信号は入力ＰＣＭバッファ６１に一時記憶される。そこに記憶された信号は長い変換長を有するＦＦＴロング６２ａと短い変換長を有するＦＦＴショート６２ｂのそれぞれのＦＦＴに供給されて、それぞれのウインドウが用いられて周波数分析がなされる。
【００１２】
ＦＦＴロング６２ａで周波数分析のなされた演算結果は帯域重み付情報算出部ロング６３ａに、またＦＦＴショート６２ｂで周波数分析のなされた演算結果は帯域重み付情報算出部ショート６３ｂにそれぞれが供給され、ロング及びショートのそれぞれの帯域重み付け量が算出される。
【００１３】
一方、ＦＦＴショート６２ｂで演算された結果は変換ブロック長仮判定部６４に供給され、そこでは前述したＰＥの時間的変化量から符号化するウインドウをロングの方にするかショートの方にするかが仮決定される。
【００１４】
以上の動作は、聴覚心理モデルを基にした演算を行う部分であって、ロングブロック、及びショートブロックの両者に対応した帯域重みづけ情報を、１フレームの時間だけ先行して得るようになされている。そのことを図面上で「フレームＮ＋１番目を実行」として記述してある。
【００１５】
次に、「フレームＮ＋１番目を実行」して得た結果を基に行う「フレームＮ番目を実行」について述べる。
即ち、ロング及びショートのＦＦＴ結果を基に算出されたそれぞれの帯域重み付け情報は、フレームバッファ６５を介してパラメータ選択部６８に供給される。
【００１６】
また、変換ブロック長の仮判定された結果は変換ブロック長決定部６６に供給され、そこでロング及びショートの何れのブロック長を用いて符号化を行うかが決定される。その決定されたブロック長情報はパラメータ選択部６８、及びＭＤＣＴ６９の両者に供給される。
【００１７】
そして、ＭＤＣＴ６９には、入力ＰＣＭバッファ６１から供給されるディジタルオーディオ信号は遅延器６７により１フレームの時間遅延されてＭＤＣＴ６９に供給されており、決定されたブロック長によりＭＤＣＴ変換がなされる。
【００１８】
そのＭＤＣＴ変換された変換データは量子化部７０に供給される。そこでは、パラメータ選択器６８により選択されたロング又はショートの何れか一方の重み付け情報が決定されたブロック長情報を基に選択され、その選択された情報は量子化部７０に供給される。
【００１９】
その量子化部７０では、ＭＤＣＴ６９より供給された変換データを、パラメータ選択部６８により選択されたパラメータに従って帯域重み付けがなされた量子化幅に従って量子化がなされる。その量子化されたデータは所定のフォーマットに従って記述されるビットストリームとして生成され、出力される。
【００２０】
図１０に、従来のディジタルオーディオ信号符号化装置の動作状態を示す。
同図において、横方向に時間をフレーム単位で示し、（ａ）〜（ｅ）の動作がどのような時間関係で実行されるかを示している。
【００２１】
まず、最初の期間においてフレーム０（図中Ｆｒ０として記述）のディジタルオーディオ信号が入力される。次の期間では、Ｆｒ１のディジタルオーディオ信号が入力されると共に、ＦＲ０のＦＦＴがなされて聴覚心理モデルによる信号の解析がなされ、変換ブロック長の仮検出が行なわれる。
【００２２】
次の期間において、Ｆｒ２のディジタルオーディオ信号が入力され、Ｆｒ１の聴覚心理モデル解析及びブロック長仮判定がなされ、更にＦｒ０の最終ブロック長が決定され、ＭＤＣＴが実行される。
【００２３】
このようにして、圧縮符号化のなされたビットストリームが生成されるが、生成されたビットストリームは、定常的な音に対してはロングウインドウにより周波数分解能を高くすることで符号化効率を高め、且つ急峻な立ち上がりを持つ音（アタック音）に対してはショートウインドウにより量子化雑音レベルをエネルギーが集中する短い時間内に留めることでプリエコー成分を抑圧し、順次変化する入力信号に対し適応的にブロック長が選択された符号化信号として出力されている。
【００２４】
【発明が解決しようとする課題】
しかしながら、上述のブロック変換長判定方法では、聴覚心理モデルにおいて、情報量を削減するためのロングブロック及びショートブロックに対応した帯域重みづけ情報の両者を並列的に動作させる必要がある。
【００２５】
そして、ロング及びショートのＦＦＴ等を用いて周波数解析を行うと共に、それぞれの周波数帯毎に聴感上優位であるか否かを判断するための畳み込み演算を多数回行う必要があり、聴覚心理モデルに従った重み付け情報算出のための演算処理量が多くなる程度のものでしかなかった。
【００２６】
さらに、聴覚心理モデルの処理と時間−周波数変換部（ＭＤＣＴ）の処理との時間が１フレーム時間分だけ異なっており、その間の演算途中の中間データを一時記憶するための、メモリ領域の確保などを必要としていた。
【００２７】
本発明は上述のような課題に鑑みてなされたもので、その目的は、ブロック変換長判定部分を聴覚心理モデル、及び周波数変換部と量子化部を主とする符号化部と分離して構成する。そして、先行してブロック判定を行なうことにより、聴覚心理モデルにより算出する帯域重みづけ情報を一種類のブロック長に対してのみ行う。それにより、聴覚心理モデルにおける演算処理量を軽減する、及び中間データを一時記憶するためのメモリ回路等の削減を行う。それにより経済的にも好適なディジタルオーディオ信号の圧縮符号化装置の構成を提供しようとするものである。
【００２８】
上記目的を達成するために、本発明の変換ブロック長判定装置では、主要な符号化部より時間的に前もって変換ブロック長を検出する手段と、主要符号化部における周波数変換処理工程より前に、概フレームと前後のフレームから求めたブロック長仮判定結果から最終的なブロック長を決定する手段とを備えた。
【００２９】
【課題を解決するための手段】
本発明は、上記課題を解決するために以下の１）及び２）の手段より成るものである。
すなわち、
【００３０】
１） 入力されるディジタル音響信号を所定の時間間隔ごとの複数のブロックの信号に分割すると共に、前記分割されたブロックの信号をロングブロックの信号として符号化するか又はショートブロックの信号として符号化するかを順次判定し、それらの判定して得られたロングブロックの信号又はショートブロックの信号を符号化する音響信号符号化方法において、
前記分割されたブロックごとのディジタル音響信号に含まれるアタック音信号成分について一つ前のブロックとの変化量を検出し、その変化量が閾値以下である場合にロングブロックとし、閾値を超えた場合にショートブロックとする判定結果を仮に得る第１のステップ（１２）と、
前記第１のステップにおける仮判定結果がショートブロックであり、１つ前のブロックの判定結果がロングブロックであり、且つ２つ前のブロックの判定結果がショートブロックである場合にのみ前記１つ前のブロックの判定結果をショートブロックに変更し、それ以外の場合は前記１つ前のブロックの判定結果をそのままの判定結果として得る第２のステップ（１３）と、
前記第２のステップにより判定された前記１つ前のブロックのディジタル音響信号を聴覚心理モデルに基づいて分析し、この分析結果により帯域重み付け情報を算出する一方、前記１つ前のブロックの入力されるディジタル音響信号を周波数変換して所定周波数ごとの信号レベルを得る第３のステップ（１４、１５）と、
前記第３のステップで得られた所定周波数ごとの信号レベルを前記算出された前記帯域重み付け情報を基に適応量子化して符号化音響信号を生成する第４のステップ（１６）と、
より成ることを特徴とする音響信号符号化方法。
２） 入力されるディジタル音響信号を所定の時間間隔ごとの複数のブロックの信号に分割すると共に、前記分割されたブロックの信号をロングブロックの信号として符号化するか又はショートブロックの信号として符号化するかを順次判定し、それらの判定して得られたロングブロックの信号又はショートブロックの信号を符号化する音響信号符号化装置において、
前記分割されたブロックごとのディジタル音響信号に含まれるアタック音信号成分について一つ前のブロックとの変化量を検出し、その変化量が閾値以下である場合にロングブロックとし、閾値を超えた場合にショートブロックとする判定結果を仮に得る変換ブロック長仮判定手段（１２）と、
前記変換ブロック長仮判定手段における仮判定結果がショートブロックであり、１つ前のブロックの判定結果がロングブロックであり、且つ２つ前のブロックの判定結果がショートブロックである場合にのみ前記１つ前のブロックの判定結果をショートブロックに変更し、それ以外の場合は前記１つ前のブロックの判定結果をそのままの判定結果として得るブロック長決定手段（１３）と、
前記ブロック長決定手段により決定された前記１つ前のブロックのディジタル音響信号を聴覚心理モデルに基づいて分析し、この分析結果により帯域重み付け情報を算出する帯域重み付け情報算出手段（１４）と、
前記１つ前のブロックの入力されるディジタル音響信号を周波数変換して所定周波数ごとの信号レベルを得る周波数変換手段（１５）と、
前記周波数変換手段で得られた所定周波数ごとの信号レベルを前記算出された前記帯域重み付け情報を基に適応量子化して符号化音響信号を生成する量子化手段（１６）と、
を具備して構成したことを特徴とする音響信号符号化装置。
【００３１】
【発明の実施の形態】
以下、本発明の音響信号符号化方法及び音響信号符号化装置の実施の形態につき、好ましい実施例により説明する。
図１に、その音響信号符号化方法を採用した音響信号符号化装置の概略ブロック図を示し、その構成と動作について概説する。
【００３２】
同図において、この音響信号符号化装置は、遅延器１１、ブロック長仮判定部１２、ブロック長決定部１３、聴覚心理モデル１４、周波数変換部１５、量子化部１６、及びＭＵＸ（Multiplexer）１７より構成される。
【００３３】
次に、それらの構成による動作について概説する。
まず、符号化すべきディジタルオーディオ信号（ＰＣＭ信号）は遅延器１１及びブロック長仮判定部１２に供給される。
【００３４】
そのブロック長仮決定部１２では、ロングウインドウにより符号化を行うか、ショートウインドウにより符号化を行うかを、供給されたディジタルオーディオ信号に対して仮判定を行う。遅延器１１は、その判定に要する１フレームの期間、供給されるＰＣＭ信号を遅延させる。
【００３５】
次に、ブロック長仮決定部１２で仮判定された結果はブロック長決定部１３に供給され、ロング、及びショートの仮判定結果を基にしてロング、又はショートのブロック長を決定する。決定されたブロック長情報は聴覚心理モデル１４、及び周波数変換部（ＭＤＣＴ）１５に供給される。
【００３６】
その周波数変換部１５では、遅延器１１により時間合わせのされたＰＣＭ信号のＭＤＣＴ変換がなされる。そして、聴覚心理モデル１４ではＰＣＭ信号の聴覚心理に基づく帯域重み付け情報が演算生成される。
【００３７】
そのときの帯域重み付け情報は、決定されたロング、又はショートのいずれか一方のウインドウの信号に対して生成される。そして、生成された帯域重み付け情報及びＭＤＣＴ変換されて得られた周波数情報は量子化部１６に供給される。
【００３８】
その量子化部１６では、ロング、又はショートのいずれか一方のブロック長に従いＭＤＣＴ変換されて得られた周波数情報に対して帯域重み付け情報を基にした量子化幅により量子化がなされる。
【００３９】
次のＭＵＸ１７では、量子化のなされたデータ及び符号化パラメータに係る情報を所定のフォーマットに従って多重化しビットストリームが生成される。
【００４０】
以上の様にして、簡易な構成により実行した符号化にも拘らず、連続的な音響信号に対して歪成分が少なく、且つアタック音を含む音響信号に対してもプリエコー成分を含まない好適なビットストリームの生成がなされる。
更にその音響信号符号化装置の動作について述べる。
【００４１】
図２に、本実施例に示した音響信号符号化装置の動作の流れを示し、説明する。
同図において、入力ＰＣＭバッファ２１に入力されたディジタルオーディオ信号は後述の変換ブロック長仮判定部２３に供給され、そこでロングウインドウとショートウインドウのどちらのウインドウを用いて圧縮符号化を行うかの仮判定を行う。
【００４２】
その仮判定動作は１フレーム先行したＮ＋１番目のフレームデータに対して行なう。仮判定されたロング及びショートウインドウに係る情報は変換ブロック長決定部２４に供給され、そこでは上記の仮決定されたロング及びショートウインドウの前後の並びを基にロング及びショートウインドウの最終決定を行う。
【００４３】
その決定されたブロック長情報はＦＦＴ２５及びＭＤＣＴ２７に供給される。そのＦＦＴ２５及びＭＤＣＴ２７には遅延器２２により１フレーム分の期間遅延されたディジタルオーディオ信号が供給されている。
【００４４】
そして、ＦＦＴ２５では供給された信号の高速フーリエ変換を、ＭＤＣＴ２７では供給された信号のＭＤＣＴ変換を、供給されたブロック長情報を基にして行なう。
【００４５】
従って、ＦＦＴ２５で行われるＦＦＴ変換はロング又はショートウインドウの何れか一方のウインドウに対して行われている。さらに、従来のようにロングウインドウのＦＦＴとショートウインドウのＦＦＴの２つのＦＦＴを用いて周波数分析を行なうのに比し、本実施例では１つのＦＦＴを用いて演算している点で異なっている。
【００４６】
また、ＦＦＴからの信号が供給されて実行される帯域重み付け情報算出２６も１つの回路で良い。更に、従来のような２つの帯域重み付け情報のいずれを用いるかを選択するための選択回路、及びその２つの選択回路を同期して動作させるためのフレームバッファも不要とされている。
【００４７】
以上のようにして、簡易な動作により帯域重み付け情報が算出されるが、その算出情報及びＭＤＣＴ変換されて得られた周波数情報は量子化器２８に供給され、そこでは帯域重み付け算出情報により量子化幅が設定され、周波数情報はその量子化幅で量子化された符号化信号として生成される。
【００４８】
その生成された信号は出力ビットストリーム生成２９に供給され、そこでは符号化信号に符号化に係る情報が付加された所定の記述フォーマットに従ったビットストリーム信号として出力される。
【００４９】
以上、本実施例による音響信号符号化装置の動作の流れについて述べた。そして、聴覚心理モデルは１つのＦＦＴ２５と１つの帯域重み付け情報算出２６により構成されており、簡易な構成となっている。
【００５０】
つぎに、その簡易な聴覚心理モデルを用い、且つ高品質なディジタルオーディオ信号の圧縮符号化を行なうためには、1つ前のフレームにおいてロングウインドウ及びショートウインドウのいずれを用いるかの判定がなされている必要があり、その判定方法について述べる。
【００５１】
図３に、ブロック長仮判定部の構成を示す。
同図において、ブロック長仮判定部１２はブロック分割回路１２１、周波数解析回路１２２、スペクトルエネルギー算出回路１２３、スペクトルエネルギーバッファ１２４、スペクトルエネルギー変化量算出回路１２５、しきい値比較回路１２６、及び条件適合ポイント測定回路１２７より構成される。
【００５２】
次に、そのように構成されるブロック長仮判定部１２の動作について述べる。まず、入力ＰＣＭバッファに一時記憶された１フレーム分のディジタルオーディオ信号がブロック分割回路１２１に供給される。そこでは、１フレームのディジタルオーディオ信号を、例えば４つの、所定サンプル数ごとのブロックの信号に分割する。
【００５３】
即ち、１フレームの信号を複数のブロックのサンプル数（ブロックの長さ）毎に分割するのは、オーディオ信号に含まれるアタック音の検出を確実に行い、ロングウインドウで符号化すべきか、ショートウィンドウで符号化をすべきかの判定を入力信号の状態に応じ適応的に行うためである。
【００５４】
そして、アタック音を含む信号は前後のブロック間でスペクトルのパワー比が急激に変化する。従って、演算量の増加が許す範囲で的確にその変移を捉えるには、次段以降での解析ブロック長が短い方がより信頼度の高いアタック音解析を行うことが出来る。
【００５５】
そのようにしてブロック分割された信号は周波数解析回路１２２に供給される。そこでは分割された信号毎に周波数スペクトルが算出される。その周波数スペクトルの解析は、例えば一般的な高速フーリエ変換（ＦＦＴ）等の周波数変換法によって周波数スペクトルの算出が行われる。
【００５６】
次に、周波数解析回路１２２で得られた周波数スペクトルは、スペクトルエネルギー算出部１２３に供給される。そこでは、周波数解析ポイント毎のエネルギーが求められる。
【００５７】
次に、前ブロックと現ブロックから周波数解析ポイントのエネルギー変化量を算出するため、スペクトルエネルギー算出回路１２３にて一旦求められたエネルギーは、スペクトルエネルギーバッファ１２４及びスペクトルエネルギー変化量算出回路１２５に供給される。
【００５８】
そのスペクトルエネルギーバッファ１２４では１ブロックの期間供給された信号を遅延して出力するため、スペクトルエネルギー変化量算出回路１２５ではブロック毎のエネルギー変化量を比較により求めることができる。
【００５９】
その分析周波数毎ごとに、且つブロック毎に演算されて求められたスペクトルエネルギーの変化量はしきい値比較回路１２６に供給される。そこでは、スペクトルエネルギー変化量算出回路１２５により測定されたエネルギー変化量と、予め定めておいたしきい値とを比較し、エネルギー変化量がしきい値を超えたか否かを判定する。その判定は個々の周波数スペクトルポイントにおいて行い、それらの判定結果は条件適合ポイント測定回路１２７に供給される。
【００６０】
その条件適合ポイント測定回路１２７では、誤検出を防止するため、少なくとも複数の周波数スペクトルポイントにてエネルギー変化量がしきい値を超えたことが認められた場合にのみ、アタック音が含まれているとしてショートブロックへの切り替えを許可するためのブロック長仮判定情報を生成し、変換ブロック長決定部２４に出力する。
【００６１】
以上、ブロック長仮判定部の動作について述べた。なお、このブロック長仮判定部の詳細に関しては、本願発明者が発明し本願出願人により出願された特願２００１−４００１８１号「周波数変換ブロック長適応変換装置及びプログラム」（本願出願時に未公開）に開示されている。
【００６２】
また、ここで用いられるブロック長判定方法は構成及び動作が簡易であり、且つ入力ＰＣＭ信号に対して適当なロング及びショートの符号化用ウインドウの判定ができる限り、他の方法を用いても良い。その判定方法としては、周波数領域判定法、時間領域判定法、およびそれらの複合的な判定法がある。例えば周波数領域判定法としてはＩＳＯ／ＩＥＣ１３８１８−７（MPEG-2 Advanced Audio Coding,AAC）に規定される方法がある。また、時間領域判定法としては1992年9月発行の「MD system」等の方法もある。
【００６３】
以上、ブロック長仮判定部の構成と動作について詳述した。
次に変換ブロック長決定部２４の動作について述べる。
図４に、仮判定ブロック長を基にブロック長を決定する場合の例を示す。
【００６４】
同図の（ａ）に示すように、仮判定ブロック長がロング、ショート、ロング、ショート、及びロングのように仮判定されたときは、（ｂ）に示すようにスタート、ショート、ショート、ショート、及びストップのように変更して最終決定ウインドウとする。
【００６５】
また、同図の（ｃ）に示すようにスタート、ショート、ストップ、ショート、及びストップのように仮判定された場合も、（ｂ）に示すようにストップをショートに変更して最終決定ウインドウとする。
【００６６】
上記のように、強制的にロングブロックをショートブロックに変更するときのウィンドウの形状はストップウィンドウの次のフレームがショートブロックと判定されたときである。
【００６７】
そして、ここで仮判定されたブロック長が隣接するフレームにおいて異なっているときには、中間的なウィンドウとしてスタートウインドウ、又はストップウインドウが用いられる。通常は、ショートブロックが選択された次のフレームがロングブロックであるならばストップウィンドウが用いられるが、更にその次のフレームがショートブロックであるとき、強制的に中間のブロックをショートブロックに変更するようにしている。
【００６８】
そして、ブロック長が前後のフレームの関係で強制的に変更されるのは、ショート、ロング、ショートと仮判定されるときの中間のロングブロックのときである。このような情報が入力されたときは中間のロングブロックがショートブロックに変更される。
【００６９】
その強制的な変更を行うために、変換ブロック長決定部を更に１フレーム先行させて動作させ、３フレーム分（Ｎ＋１、Ｎ、Ｎ−１）のブロック長仮判定結果を有するようにすれば良い。
【００７０】
この場合であっても聴覚心理モデル及びＭＤＣＴの回路は簡易に構成することができるものである。
なお、最終判定ウインドウはロング又はストップウインドウがショートウインドうに変更される判定であり、その判定は過去より得られている仮判定結果を分析することにより、現時点で得られる２フレーム分（Ｎ＋１、Ｎ）のウィンドウの形状からも最終的なブロック長を決定することもできる。
【００７１】
以上、ブロック長の仮判定結果を基にブロック長を最終決定する方法について述べた。
そして、得られたブロック長情報を基にしてディジタルオーディオ信号の符号化がなされる。次に、その動作タイミングについて述べる。
【００７２】
図５に、本音響信号符号化装置の動作状態を示す。
同図において、横方向に時間をフレーム単位で示し、（ａ）〜（ｅ）の実行に係る動作状態を示している。
【００７３】
まず、最初の期間においてフレーム０（図中Ｆｒ０として記述）のディジタルオーディオ信号が入力される。次の期間では、Ｆｒ１のディジタルオーディオ信号が入力されると共に、ＦＲ０のブロック長の仮判定がなされる。
【００７４】
次の期間において、Ｆｒ２のディジタルオーディオ信号が入力され、Ｆｒ１のブロック長仮判定がなされ、更にＦｒ０の最終ブロック長の決定、聴覚心理モデルによる帯域重み付け情報の算出、及びＭＤＣＴ演算がが実行される。
【００７５】
このようにして、ブロック長の仮判定が１フレーム先行してなされると共に、最終ブロック長の決定、聴覚心理モデル算出、及びＭＤＣＴ演算が同一のフレーム期間において実行されている。
【００７６】
そのようにして、主要な符号化部の時系列が一致することで回路設計等が簡易になると共に、演算処理量の削減及び記憶領域の削減による処理工程の軽減がなされる。
【００７７】
さらに、上述した音響信号符号化装置はハードウエアによる手段を中心として述べたが、その手段はコンピュータによる信号処理を用いて実現させることが出来る。そして、ＣＰＵやＤＳＰ等の演算用ＩＣを用いて装置を実現する場合では、演算ステップ数の減少、及びメモリ等の記憶領域用デバイスの縮小を図ることができる。そして、本発明は上記を実行するためのプログラムを含むものである。
【００７８】
【発明の効果】
請求項１記載の発明によれば、ディジタル音響入力信号に含まれるアタック音信号成分を周波数領域判定及び／又は時間領域判定により検出し、ロングブロックにより又はショートブロックのいずれにより圧縮符号化を行うかを現在のブロック、１つ前のブロック、及び２つ前のブロックの判定結果を基に１つ前のブロックについて判定し、次に１つ前のブロックのディジタル音響入力信号について、その判定された方の、ロングブロック信号又はショートブロック信号を聴覚心理モデルにより分析して行う帯域重み付け情報の算出、及び判定された方のロング又はショートブロック信号を周波数変換して周波数領域信号を得、その得られた周波数領域信号を上記帯域重み付け情報を基にして適応量子化して圧縮符号化音響信号を生成するようにしているため、聴覚心理モデルの算出及び音響入力信号の周波数変換はロング又はショートブロック信号の何れか一方に対して行えば良く、聴覚心理モデルにおける演算処理量の軽減、及び演算処理中の中間データの蓄積に係るメモリの削減した音響信号符号化方法を提供できる効果がある。
【００７９】
また、請求項２記載の発明によれば、ディジタル音響入力信号に含まれるアタック音信号成分を周波数領域判定及び／又は時間領域判定により検出し、ロングブロックにより又はショートブロックのいずれにより圧縮符号化を行うかを現在のブロック、１つ前のブロック、及び２つ前のブロックの判定結果を基に１つ前のブロックについて判定し、次に１つ前のブロックのディジタル音響入力信号について、その判定された方の、ロングブロック信号又はショートブロック信号を聴覚心理モデルにより分析して行う帯域重み付け情報の算出、及び判定された方のロング又はショートブロック信号を周波数変換して周波数領域信号を得、その得られた周波数領域信号を上記帯域重み付け情報を基にして適応量子化して圧縮符号化音響信号を生成するようにしているため、聴覚心理モデルの算出及び音響入力信号の周波数変換はロング又はショートブロック信号の何れか一方に対して行えば良く、聴覚心理モデルにおける演算処理量の軽減、及び演算処理中の中間データの蓄積に係るメモリの削減した音響信号符号化装置の構成を提供できる効果がある。
【図面の簡単な説明】
【図１】本発明の実施に係る、音響信号符号化装置の概略構成を例示した図である。
【図２】本発明の実施に係る、音響信号符号化装置の動作の流れを例示した図である。
【図３】本発明の実施に係る、ブロック長仮判定部の構成を例示した図である。
【図４】本発明の実施に係る、仮判定ブロック長を基に行うブロック長の決定例を示した図である。
【図５】本発明の実施に係る、本音響信号符号化装置のフレーム毎の動作状態を例示した図である。
【図６】従来例による、ＭＤＣＴ及びＩＭＤＣＴの処理の流れ例示した図である。
【図７】従来例による、ＭＤＣＴに用いられるロングウインドウの変換幅の特性を示した図である。
【図８】従来例による、ＭＤＣＴに用いられる２種類の変換幅の特性を示した図である。
【図９】従来例による、ディジタルオーディオ信号符号化装置の構成を示した図である。
【図１０】従来例による、ディジタルオーディオ信号符号化装置の動作状態を示した図である。
【符号の説明】
１１ 遅延器
１２ ブロック長仮判定部
１３ ブロック長決定部
１４ 聴覚心理モデル
１５ 周波数変換部
１６ 量子化部
１７ ＭＵＸ
６１ 入力ＰＣＭバッファ
６２ａ ＦＦＴロング
６２ｂ ＦＦＴショート
６３ａ 帯域重み付情報算出部ロング
６３ｂ 帯域重み付情報算出部ショート
６４ 変換ブロック長仮判定部
６５ フレームバッファ
６６ 変換ブロック長決定部
６７ 遅延器
６８ パラメータ選択部
６９ ＭＤＣＴ
７０ 量子化部
７１ 出力ビットストリーム生成部
１２１ ブロック分割回路
１２２ 周波数解析回路
１２３ スペクトルエネルギー算出回路
１２４ スペクトルエネルギーバッファ
１２５ スペクトルエネルギー変化量算出回路
１２６ しきい値比較回路
１２７ 条件適合ポイント測定回路
Claims (2)
- 入力されるディジタル音響信号を所定の時間間隔ごとの複数のブロックの信号に分割すると共に、前記分割されたブロックの信号をロングブロックの信号として符号化するか又はショートブロックの信号として符号化するかを順次判定し、それらの判定して得られたロングブロックの信号又はショートブロックの信号を符号化する音響信号符号化方法において、
前記分割されたブロックごとのディジタル音響信号に含まれるアタック音信号成分について一つ前のブロックとの変化量を検出し、その変化量が閾値以下である場合にロングブロックとし、閾値を超えた場合にショートブロックとする判定結果を仮に得る第１のステップと、
前記第１のステップにおける仮判定結果がショートブロックであり、１つ前のブロックの判定結果がロングブロックであり、且つ２つ前のブロックの判定結果がショートブロックである場合にのみ前記１つ前のブロックの判定結果をショートブロックに変更し、それ以外の場合は前記１つ前のブロックの判定結果をそのままの判定結果として得る第２のステップと、
前記第２のステップにより判定された前記１つ前のブロックのディジタル音響信号を聴覚心理モデルに基づいて分析し、この分析結果により帯域重み付け情報を算出する一方、前記１つ前のブロックの入力されるディジタル音響信号を周波数変換して所定周波数ごとの信号レベルを得る第３のステップと、
前記第３のステップで得られた所定周波数ごとの信号レベルを前記算出された前記帯域重み付け情報を基に適応量子化して符号化音響信号を生成する第４のステップと、
より成ることを特徴とする音響信号符号化方法。 - 入力されるディジタル音響信号を所定の時間間隔ごとの複数のブロックの信号に分割すると共に、前記分割されたブロックの信号をロングブロックの信号として符号化するか又はショートブロックの信号として符号化するかを順次判定し、それらの判定して得られたロングブロックの信号又はショートブロックの信号を符号化する音響信号符号化装置において、
前記分割されたブロックごとのディジタル音響信号に含まれるアタック音信号成分について一つ前のブロックとの変化量を検出し、その変化量が閾値以下である場合にロングブロックとし、閾値を超えた場合にショートブロックとする判定結果を仮に得る変換ブロック長仮判定手段と、
前記変換ブロック長仮判定手段における仮判定結果がショートブロックであり、１つ前のブロックの判定結果がロングブロックであり、且つ２つ前のブロックの判定結果がショートブロックである場合にのみ前記１つ前のブロックの判定結果をショートブロックに変更し、それ以外の場合は前記１つ前のブロックの判定結果をそのままの判定結果として得るブロック長決定手段と、
前記ブロック長決定手段により決定された前記１つ前のブロックのディジタル音響信号を聴覚心理モデルに基づいて分析し、この分析結果により帯域重み付け情報を算出する帯域重み付け情報算出手段と、
前記１つ前のブロックの入力されるディジタル音響信号を周波数変換して所定周波数ごとの信号レベルを得る周波数変換手段と、
前記周波数変換手段で得られた所定周波数ごとの信号レベルを前記算出された前記帯域重み付け情報を基に適応量子化して符号化音響信号を生成する量子化手段と、
を具備して構成したことを特徴とする音響信号符号化装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2002214888A JP4055122B2 (ja) | 2002-07-24 | 2002-07-24 | 音響信号符号化方法及び音響信号符号化装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2002214888A JP4055122B2 (ja) | 2002-07-24 | 2002-07-24 | 音響信号符号化方法及び音響信号符号化装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2004054156A JP2004054156A (ja) | 2004-02-19 |
| JP4055122B2 true JP4055122B2 (ja) | 2008-03-05 |
Family
ID=31937061
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2002214888A Expired - Fee Related JP4055122B2 (ja) | 2002-07-24 | 2002-07-24 | 音響信号符号化方法及び音響信号符号化装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP4055122B2 (ja) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2006008817A1 (ja) * | 2004-07-22 | 2006-01-26 | Fujitsu Limited | オーディオ符号化装置及びオーディオ符号化方法 |
| US8121836B2 (en) | 2005-07-11 | 2012-02-21 | Lg Electronics Inc. | Apparatus and method of processing an audio signal |
| JP4438713B2 (ja) | 2005-07-25 | 2010-03-24 | ブラザー工業株式会社 | 画像読取装置 |
| JP2007079455A (ja) * | 2005-09-16 | 2007-03-29 | Matsushita Electric Ind Co Ltd | 音声符号化復号化装置 |
| KR100880995B1 (ko) | 2007-01-25 | 2009-02-03 | 후지쯔 가부시끼가이샤 | 오디오 부호화 장치 및 오디오 부호화 방법 |
-
2002
- 2002-07-24 JP JP2002214888A patent/JP4055122B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JP2004054156A (ja) | 2004-02-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101395250B1 (ko) | 스펙트럼 포락선의 수를 산출하기 위한 장치 및 그 방법 | |
| KR100608062B1 (ko) | 오디오 데이터의 고주파수 복원 방법 및 그 장치 | |
| RU2504026C2 (ru) | Способ и устройство для селективного кодирования сигнала на основе характеристик базового кодера | |
| JP5975243B2 (ja) | 符号化装置および方法、並びにプログラム | |
| RU2680352C1 (ru) | Способ и устройство для определения режима кодирования, способ и устройство для кодирования аудиосигналов и способ и устройство для декодирования аудиосигналов | |
| US8886548B2 (en) | Audio encoding device, decoding device, method, circuit, and program | |
| KR101411901B1 (ko) | 오디오 신호의 부호화/복호화 방법 및 장치 | |
| TW201250671A (en) | Audio codec using noise synthesis during inactive phases | |
| CN103594090A (zh) | 使用时间分辨率能选择的低复杂性频谱分析/合成 | |
| KR20100086000A (ko) | 오디오 신호 처리 방법 및 장치 | |
| KR20090083070A (ko) | 적응적 ｌｐｃ 계수 보간을 이용한 오디오 신호의 부호화,복호화 방법 및 장치 | |
| JP3999807B2 (ja) | 改良された周波数領域におけるエラー隠蔽技術 | |
| JP5633431B2 (ja) | オーディオ符号化装置、オーディオ符号化方法及びオーディオ符号化用コンピュータプログラム | |
| EP2626856B1 (en) | Encoding device, decoding device, encoding method, and decoding method | |
| US7197454B2 (en) | Audio coding | |
| JP2004198485A (ja) | 音響符号化信号復号化装置及び音響符号化信号復号化プログラム | |
| JP4055122B2 (ja) | 音響信号符号化方法及び音響信号符号化装置 | |
| JP3815323B2 (ja) | 周波数変換ブロック長適応変換装置及びプログラム | |
| JP3894722B2 (ja) | ステレオオーディオ信号高能率符号化装置 | |
| US8751219B2 (en) | Method and related device for simplifying psychoacoustic analysis with spectral flatness characteristic values | |
| JP4281131B2 (ja) | 信号符号化装置及び方法、並びに信号復号装置及び方法 | |
| JP2008129250A (ja) | Ａａｃのためのウィンドウ切り替え方法およびｍ／ｓ符号化の帯域決定方法 | |
| JP3353266B2 (ja) | 音響信号変換符号化方法 | |
| KR100349329B1 (ko) | 엠펙-2 고품질 오디오 처리 알고리즘의 병렬 처리 방법 | |
| JP2000268510A (ja) | 符号化装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20041129 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20061025 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20061107 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20070109 |
|
| 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: 20071116 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20071129 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20101221 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111221 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111221 Year of fee payment: 4 |
|
| S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313111 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111221 Year of fee payment: 4 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121221 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121221 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20131221 Year of fee payment: 6 |
|
| LAPS | Cancellation because of no payment of annual fees |