JP4063508B2 - ビットレート変換装置およびビットレート変換方法 - Google Patents

Description

【０００１】
【発明の属する技術分野】
本発明は、圧縮されたオーディオ信号などのビットレート変換装置に関し、特に低演算量で実現できるビットレート変換装置およびビットレート変換方法に関する。
【０００２】
【従来の技術】
従来のビットレート変換システムの一例が、特開２００１−２８７３１に記載されている。この公報に記載されたシステムにおいてビットレート変換を行う箇所の構成を図５に示す。このシステムは、復号化部５０１、音声・映像処理部５０２、符号化器５０３によってビットレート変換を実現している。
【０００３】
図５において、復号化部５０１は圧縮されているオーディオ・ビデオビットストリームを復号し、オーディオおよびビデオ信号を得る。音声・映像処理部５０２は、復号化部５０１が出力したビデオ信号の解像度変換などの処理を行う。符号化器５０３は、音声・映像処理部５０２が出力したオーディオ・ビデオ信号を所望のビットレートで符号化し、オーディオおよびビデオのビットストリームを生成する。このように従来のビットレート変換システムでは、ビットストリームを一旦デコーダで復号し、再度所望のビットレートで符号化することでビットレート変換を行っている。
【０００４】
現在、オーディオ符号化方式として国際標準規格であるＭＰＥＧ圧縮規格が広く用いられている。図６は、ＭＰＥＧオーディオ符号化方式を例として、図５の復号化部５０１および符号化器５０３のより詳細な構成を示している。ここで、音声・映像処理部５０２はオーディオビットストリームのビットレート変換の際には何も処理を行わないために記載を省略する。なお、ＭＰＥＧオーディオ符号化方式の詳細については、「１９９７年、インフォメーション テクノロジー − ジェネリック コーディング オブ ムービング ピクチャーズ アンド アソシエイティッド オーディオ、パート７：アドバンスド オーディオ コーディング、エーエーシー”（Ｉｎｆｏｒｍａｔｉｏｎ Ｔｅｃｈｎｏｌｏｇｙ−Ｇｅｎｅｒｉｃ ｃｏｄｉｎｇ ｏｆ ｍｏｖｉｎｇ ｐｉｃｔｕｒｅｓ ａｎｄ ａｓｓｏｃｉａｔｅｄ ａｕｄｉｏ， Ｐａｒｔ７：Ａｄｖａｎｃｅｄ Ａｕｄｉｏ Ｃｏｄｉｎｇ，ＡＡＣ」などに記述され広く知られてので、ここではその概略について説明するにとどめる。
【０００５】
図６において、復号化部５０１は、量子化値復号手段６０１、逆量子化手段６０２、逆写像変換手段６０３を含む。量子化値復号手段６０１は、オーディオビットストリームを復号し、周波数領域信号の量子化値や副情報を得る。逆量子化手段６０２は、副情報に含まれる量子化精度情報に基づいて量子化値を逆量子化して周波数領域信号を得る。逆写像変換手段６０３は、周波数領域信号に逆写像変換を施して、時間領域のオーディオ信号を得る。
【０００６】
符号化器５０３は、写像変換手段６０４、量子化手段６０５、量子化値符号化手段６０６、心理聴覚分析手段６０７を含む。写像変換手段６０４は、入力されたオーディオ信号に写像変換を施し、周波数領域信号を得る。量子化手段６０５は、周波数領域信号を量子化して周波数領域信号の量子化値を得る。量子化においては、後述する心理聴覚分析手段６０７の計算結果に基づき、限られた符号量内で主観的に最高音質が得られるよう量子化精度の制御を行う。量子化値符号化手段６０６は、量子化値を符号化し、その符号と、量子化精度情報などの副情報を多重化し、ビットストリームを形成する。
【０００７】
心理聴覚分析手段６０７は、時間領域のオーディオ信号または周波数領域のオーディオ信号、もしくはその両方を分析し、各周波数領域信号がどの程度人間の聴覚に知覚されやすいかを計算する。量子化手段６０５では、この計算結果に基づき、聴覚に知覚されやすい周波数領域信号については量子化精度を細かく、そうでない信号については量子化精度を粗くする。一般に、量子化精度を細かくすれば音質は向上するが符号化に必要なビット数は増加する。逆に、量子化精度を粗くすれば符号化に必要なビット数は減少するが音質は劣化する。これらを考慮し、量子化精度は限られた符号量内で主観的に最高音質が得られるように決定される。
【０００８】
また、オーディオ信号の圧縮の困難さは、オーディオ信号の特性に依存する。したがって、圧縮が容易なオーディオ信号の符号化に過大な符号量が割り当てられないようにビットレート配分を制御するのも一般的に心理聴覚分析手段６０７の役割である。圧縮が容易なオーディオ信号の符号化において少ないビットレート配分とし、その替わりに、圧縮が困難なオーディオ信号の符号化においてビットレート配分を増加させることで、平均ビットレートを増加させることなく、音質を向上させることができる。
【０００９】
【発明が解決しようとする課題】
問題点は、システムが必要とする演算量が大きいことである。その理由は、システムがデコーダ（図５の復号化部５０１）とエンコーダ（図５の符号化器５０３）の両方をシステム内に含むためである。本発明の目的は、低演算量で実現できるビットレート変換システムを提供することにある。
【００１０】
【課題を解決するための手段】
本発明の第１のビットレート変換システムは、周波数領域でビットレートを行うことで逆写像変換および写像変換処理を不要とした。また周波数領域でのビットレート変換に特有の問題を解決するために逆量子化処理前の量子化値の値を変更した上で周波数領域でビットレートの変換を行う。より具体的には量子化値変更手段（図１の１０２）を有する。
【００１１】
また、本発明の第２のビットレート変換システムは、周波数領域でビットレートを行うことで逆写像変換および写像変換処理を不要とした。また周波数領域でのビットレート変換に特有の問題を解決するために逆量子化処理後の逆量子化値の値を変更した上で周波数領域でビットレートの変換を行う。より具体的には逆量子化値変更手段（図３の３０２）を有する。
【００１２】
【作用】
量子化値変更手段（図１の１０２）あるいは逆量子化値変更手段（図３の３０２）が値の変更を行うことで、量子化手段（図１の１０４、図３の１０４）へ入力される周波数領域信号において、多くの同一信号値が含まれる状況を防ぐことができる。これにより所望のビットレートを容易に得ることができるようになる。
【００１３】
【発明の実施の形態】
次に、本発明の実施の形態について図面を参照して詳細に説明する。図１を参照すると、本発明の第１の実施の形態は、量子化値復号手段１０１、量子化値変更手段１０２、逆量子化手段１０３、量子化手段１０４、量子化値符号化手段１０５とを含む。量子化値復号手段１０１はオーディオビットストリームを復号し、周波数領域信号の量子化値と副情報を得る。量子化値と副情報は量子化値変更手段１０２へ出力される。量子化値変更手段１０２は、量子化値復号手段１０１が出力した量子化値に変更を施す。この変更手法の詳細については後述する。値が変更された量子化値は逆量子化手段１０３へ出力される。
【００１４】
逆量子化手段１０３は副情報に含まれる量子化精度情報に基づいて量子化値を逆量子化して周波数領域信号を得る。得られた周波数領域信号は量子化手段１０４へ出力される。量子化手段１０４は、周波数領域信号を量子化して周波数領域信号の量子化値を得る。得られた量子化値は量子化値符号化手段１０５へ出力される。量子化値符号化手段１０５は、量子化値を符号化して得られた符号や副情報を多重化し、ビットストリームを形成する。
【００１５】
本発明と従来技術とでは同様な処理をいくつか含む。例えば、量子化復号手段（図１の１０１と図６の６０１）、逆量子化手段（図１の１０３と図６の６０３）、量子化手段（図１の１０４と図６の６０５）、量子化値符号化手段（図１の１０５と図６の６０６）はほぼ同様である。本発明の第１の実施の形態の相違点を明確にするために、その相違点を図１と図６を比較しながら説明する。
【００１６】
まず第１の違いは、図６の逆写像変換６０３および写像変換手段６０４が、図１の本発明の実施の形態（図１）は無いことである。従来技術では時間領域のオーディオ信号を復元した後、再符号化を行うことで所望のビットレートへの変換を行っていた。しかしながら、本発明では時間領域ではなく、周波数領域でビットレートの変換を行う。そのため、逆写像変換手段および写像変換手段が不要となる。これによりシステムが必要とする演算量・装置規模を低減できる。
【００１７】
第２の違いは、図６の心理聴覚分析手段６０７が、本発明の実施の形態（図１）に無いことである。上述のとおり、従来技術において、心理聴覚分析手段は、量子化精度の決定と、ビットレート配分の決定に不可欠である。本発明においては量子化精度の決定とビットレート配分の決定を以下に述べる方法で行うことで心理聴覚分析を不要とし演算量を低減させた。
【００１８】
まず、量子化精度については、量子化値復号手段１０１に入力されるビットレート変更前のビットストリームに多重化されている量子化精度の情報を流用した。ビットストリームには、逆量子化手段１０３が量子化値を逆量子化する際に必要となる量子化精度の情報（ＭＰＥＧオーディオ符号化方式ではスケールファクタと呼ばれている）が、副情報として、含まれている。この量子化精度の情報はビットレート変換前のビットストリームを生成する際に心理聴覚分析結果に基づいて計算されたものであり、本発明における量子化手段１０４においても流用可能と考えられる。そこで、量子化手段１０４では、量子化値復号手段１０１がビットストリームを復号して得られる量子化精度情報を流用することとした。
【００１９】
次に、ビットレート配分についても、量子化精度情報と同様にビットレート変換前のビットストリームに含まれる情報を流用した。すなわち、ビットレート変換前のビットストリームにおいて、ある時間区間のあるチャネルのオーディオ信号を符号化するのに使用されたビットレートを知ることができる。このビットレートと、平均符号化ビットレートの比を用いて、ビットレート配分を決定する。
【００２０】
例えば、ビットレート変換前のビットストリームの平均ビットレートが２５６ｋｂｐｓであり、そのビットストリームにおいて、ある時間区間のあるチャネルのオーディオ信号が３８４ｋｂｐｓで符号化されていたとする。このビットストリームを１２８ｋｂｐｓへ変換する場合、この時間区間のこのチャネルのオーディオ信号を、ビットレート変更前のビットレート比率（３８４÷２５６）に応じて、１２８×（３８４÷２５６）＝１９２ｋｂｐｓとする。つまり、ある時間のあるチャネルのオーディオ信号を符号化する際のビットレートは、ビットレート変換前ビットストリームの平均ビットレートをＡ、ビットレート変換前ビットストリームで実際に符号化で使用されたビットレートをＢ、ビットレート変換後の平均ビットレートをＣとした場合、おおよそＣ×（Ｂ÷Ａ）で与えられる。
【００２１】
第３の違いは、本発明には従来技術に無い量子化値変更手段１０２が追加されていることである。量子化値変更手段１０２は量子化値に変更を施す処理を行う。 値の変更の一例としては、−０．５から０．５程度の値の乱数値を量子化値に加算する方法がある。この量子化値変更手段１０２の効果は逆量子化手段１０３の出力である周波数領域信号が多くの同一値を含まないようにすることである。
【００２２】
量子化値変更手段１０２が無い場合、逆量子化手段１０３の出力である周波数領域信号には多くの同一値が含まれることがある。例えば、１２８ｋｂｐｓ程度のビットレートで４４．１ｋＨｚサンプリングのステレオオーディオ信号を符号化する場合、１０ｋＨｚ以上の周波数領域信号の量子化値は０、＋１、−１のいずれかとなることが多い。また、逆量子化手段１０３において量子化精度は複数の量子化値に対して同一の値が用いられるため、０、＋１、−１の量子化値を多く含む周波数帯域を同一の量子化精度で逆量子化した場合、逆量子化結果も０、＋１、−１に対応する３通りの値しか取らない。このようにして、周波数領域信号に多くの同一値が含まれる状況が発生する。
【００２３】
このように多くの同一値を含む周波数領域信号を量子化手段１０４で量子化することを考える。
【００２４】
量子化手段１０４ではビットレート変更前のビットストリームに多重化されている副情報に含まれる量子化精度の情報を基本とし、さらに所望のビットレートを満たすよう量子化精度情報を変更し量子化を行う。具体的には、ＭＰＥＧオーディオ符号化方式では、各周波数帯域の量子化精度を表すスケールファクタの値はそのまま流用し、全周波数帯域の量子化精度を表すグローバルゲインを変更することでビットレートの制御を行うと良い。
【００２５】
量子化手段１０４では所望のビットレートにできるだけ近いビットレートが得られるような量子化精度を、量子化精度を様々に変化させた条件下での必要ビットレートを計算することで探索する。周波数領域信号が多くの同一値を含む場合、これらの同一値を同一の量子化精度で量子化を行うと、全ての量子化値が一様に変化してしまう。したがって、最適な量子化精度を探索する過程において、量子化精度を僅かに変更しただけでも多くの量子化値が同時に変化し、必要符号量が大きく変化してしまう。このため、所望のビットレートに近いビットレートを得ることができず、音質が劣化することがある。
【００２６】
この問題を解決するために、本発明の第１の実施の形態では、量子化値変更手段１０２が用いられている。
【００２７】
量子化値変更手段１０２では量子化値に変更を施すことにより、多くの量子化値が同一値となることを防ぐ。これにより逆量子化手段１０３が出力する周波数領域信号においても多くの同一値が含まれる状況を回避でき、所望のビットレートに近いビットレートを得ることが容易になる。量子化値変更手段１０２における量子化値の変更方法の一例としては、乱数値を量子化値に加算することが挙げられる。この場合、乱数値は−０．５程度から０．５程度の値域が良い。
【００２８】
次に図１および図２を参照して本発明の第１の実施の形態の動作について説明する。
【００２９】
入力されたビットストリームは量子化値復号手段１０１に供給される。量子化値復号手段１０１はビットストリームを復号して量子化値と量子化精度などの副情報を得る（図２のステップ２０１）。量子化値変更手段１０２は、量子化値復号手段１０１が出力する量子化値に変更を加える（図２のステップ２０２）。逆量子化手段１０３は、量子化値変更手段１０２が出力する量子化値を量子化精度に基づいて逆量子化し周波数領域信号を得る（図２のステップ２０３）。量子化手段１０４は、逆量子化手段１０３が出力する周波数領域信号を量子化して量子化値を得る。（図２のステップ２０４）。量子化値符号化手段１０５は、量子化手段１０４が出力する量子化値や副情報を多重化してビットストリームを得る（図２のステップ２０５）。
【００３０】
次に本発明の第２の実施の形態について図面を参照して詳細に説明する。図３を参照すると、本発明の第２の実施の形態は、量子化値復号手段１０１、逆量子化手段１０３、逆量子化値変更手段３０２、量子化手段１０４、量子化値符号化手段１０５とを含む。
【００３１】
本発明の第１の実施の形態と比較すると、本発明の第２の実施の形態においては、量子化値変更手段１０２の替わりに逆量子化値変更手段３０２が設けられている。本発明の第１の実施の形態では量子化値変更手段１０２が量子化値に変更を加えることで、量子化手段１０４へ入力される周波数領域信号において多くの同一値が含まれることを防いでいた。これに対して本発明の第２の実施の形態では逆量子化値変更手段３０２が逆量子化手段１０３が出力した逆量子化値に変更を加えることで、量子化手段１０４へ入力される周波数領域信号において多くの同一値が含まれることを防ぐ。その他の処理については、本発明の第１の実施例と同じである。
【００３２】
逆量子化値変更手段３０２における逆量子化値への変更手法については、量子化値変更手段１０２での変更手法と同様に、乱数の加算が一例として挙げられる。
【００３３】
次に図３および図４を参照して本発明の第２の実施の形態の動作について説明する。
【００３４】
入力されたビットストリームは量子化値復号手段１０１に供給される。量子化値復号手段１０１はビットストリームを復号して量子化値と量子化精度などの副情報を得る（図４のステップ２０１）。逆量子化手段１０３は、量子化値復号手段１０１が出力する量子化値を量子化精度に基づいて逆量子化し周波数領域信号を得る（図４のステップ２０３）。逆量子化値変更手段３０２は、逆量子化手段１０３が出力する逆量子化値に変更を加える（図４のステップ２０２）。量子化手段１０４は、逆量子化値変更手段３０２が出力する周波数領域信号を量子化して量子化値を得る（図４のステップ２０４）。量子化値符号化手段１０５は、量子化手段１０４が出力する量子化値や副情報を多重化してビットストリームを得る（図４のステップ２０５）。
【００３５】
本発明の第１の実施の形態、および、第２の実施の形態は、国際標準オーディオ符号化方式であるＭＰＥＧ−１ Ａｕｄｉｏ ＬａｙｅｒIII規格やＭＰＥＧ−２ ＡＡＣ規格などに対して適用することができる。
【００３６】
【発明の効果】
以上説明したとおり、本発明では、逆写像変換手段、写像変換手段、心理聴覚分析手段が不要となるため、ビットレート変換処理を低演算量で実現できる。
【図面の簡単な説明】
【図１】本発明の第１のビットレート変換システムを示す図である。
【図２】本発明の第１のビットレート変換手法を示す図である。
【図３】本発明の第２のビットレート変換システムを示す図である。
【図４】本発明の第２のビットレート変換手法を示す図である。
【図５】従来のビットレート変換システムを示す図である。
【図６】従来のオーディオビットレート変換システムを示す図である。
【符号の説明】
１０１ 量子化値復号手段
１０２ 量子化値変更手段
１０３ 逆量子化手段
１０４ 量子化手段
１０５ 量子化値符号化手段
３０２ 逆量子化値変更手段
５０１ 復号化部
５０２ 音声・映像処理部
５０３ 符号化器
６０１ 量子化値復号手段
６０２ 逆量子化手段
６０３ 逆写像変換手段
６０４ 写像変換手段
６０５ 量子化手段
６０６ 量子化値符号化手段
６０７ 心理聴覚分析手段

Claims (12)

1. ビットストリームを復号し第１の量子化値と副情報を得る量子化値復号手段と、前記第１の量子化値に対して値の変更を施して変更量子化値を出力する量子化値変更手段と、前記変更量子化値を前記副情報に含まれる第１の量子化精度情報に従って逆量子化して逆量子化信号を得る逆量子化手段と、前記逆量子化信号を前記第１の量子化精度情報とは異なる第２の量子化精度情報に従って量子化して第２の量子化値を得る量子化手段と、前記第２の量子化値を符号化して得られた符号と前記第２の量子化精度情報を含む副情報を多重化してビットストリームを生成する量子化値符号化手段とを有し、前記量子化値変更手段は前記第２の量子化値が同一値とならないよう前記第１の量子化値を変更するものであり、前記第２の量子化精度情報は所望のビットレートを満たすよう前記第１の量子化精度情報を変更したものであることを特徴とするビットレート変換装置。
2. 前記量子化手段は、ビットレート変換後の第１の時間区間、第２のチャネルに対するビットレートとビットレート変換後の平均ビットレートの比率が、ビットレート変換前のビットストリームにおける前記第１の時間区間、前記第２のチャネルに対するビットレートとビットレート変換前の平均ビットレートの比率とおおむね等しくなるように、ビットレート変換後の前記第１の時間区間、前記第２のチャネルに対するビットレート配分を決定することを特徴とする請求項１に記載のビットレート変換装置。
3. 同一の逆量子化信号に対するビットレート変換前の量子化精度とビットレート変換後の量子化精度の比が、同一時間区間内の任意の逆量子化信号において同一であることを特徴とする請求項１または２に記載のビットレート変換装置。
4. 前記量子化値変更手段における前記第１の量子化値に対する値の変更が乱数の加算であることを特徴とする請求項１、２または３に記載のビットレート変換装置。
5. 前記第１の量子化値が整数であり、前記乱数の値域がおおよそ−０．５から＋０．５であることを特徴とする請求項４に記載のビットレート変換装置。
6. ビットストリームを復号し第１の量子化値と副情報を得、前記第１の量子化値に対して値の変更を施して変更量子化値を出力し、前記変更量子化値を前記副情報に含まれる第１の量子化精度情報に従って逆量子化して逆量子化信号を得、前記逆量子化信号を前記第１の量子化精度情報とは異なる第２の量子化精度情報に従って量子化して第２の量子化値を得、前記第２の量子化値を符号化して得られた符号と前記第２の量子化精度情報を含む副情報を多重化してビットストリームを生成し、前記変更量子化値は前記第２の量子化値が同一値とならないよう前記第１の量子化値を変更したものであり、前記第２の量子化精度情報は所望のビットレートを満たすよう前記第１の量子化精度情報を変更したものであることを特徴とするビットレート変換方法。
7. 前記量子化において、ビットレート変換後の第１の時間区間、第２のチャネルに対するビットレートとビットレート変換後の平均ビットレートの比率が、ビットレート変換前のビットストリームにおける前記第１の時間区間、前記第２のチャネルに対するビットレートとビットレート変換前の平均ビットレートの比率とおおむね等しくなるように、ビットレート変換後の前記第１の時間区間、前記第２のチャネルに対するビットレート配分を決定することを特徴とする請求項６に記載のビットレート変換方法。
8. 同一の逆量子化信号に対するビットレート変換前の量子化精度とビットレート変換後の量子化精度の比が、同一時間区間内の任意の逆量子化信号において同一であることを特徴とする請求項６または７に記載のビットレート変換方法。
9. 前記第１の量子化値に対する値の変更が乱数の加算であることを特徴とする請求項６、７または８に記載のビットレート変換方法。
10. 前記第１の量子化値が整数であり、前記乱数の値域がおおよそ−０．５から＋０．５であることを特徴とする請求項９に記載のビットレート変換方法。
11. オーディオ信号が圧縮されたビットストリームのビットレート変換を行うことを特徴とする請求項１、２、３、４または５に記載のビットレート変換装置。
12. オーディオ信号が圧縮されたビットストリームのビットレート変換を行うことを特徴とする請求項６、７、８、９または１０に記載のビットレート変換方法。

Images