JP4168976B2 - オーディオ信号符号化装置及び方法 - Google Patents

Description

本発明は、音声や音楽等のオーディオ信号を高能率符号化するオーディオ信号符号化装置及びその方法に関し、特に、オーディオ信号を周波数領域に変換したスペクトル信号を複数の周波数帯域（サブバンド）に分割し、このサブバンド毎にスケールファクタを用いて正規化を行う音響信号符号化装置及びその方法に関する。

従来より、音声や音楽等のオーディオ信号を高能率符号化する手法としては、例えば帯域分割符号化（サブバンドコーディング）等に代表される非ブロック化周波数帯域分割方式や、変換符号化等に代表されるブロック化周波数帯域分割方式などが知られている。

非ブロック化周波数帯域分割方式では、時間領域のオーディオ信号をブロック化せずに複数の帯域に分割して符号化を行う。また、ブロック化周波数帯域分割方式では、時間領域のオーディオ信号を周波数領域のスペクトル信号に変換（スペクトル変換）して複数の帯域に分割して、すなわちスペクトル変換して得られるスペクトル信号を所定の帯域毎にまとめて、各帯域毎に符号化を行う。

また、符号化効率をより向上させる手法として、上述の非ブロック化周波数帯域分割方式とブロック化周波数帯域分割方式とを組み合わせた高能率符号化の手法も提案されている。この手法によれば、例えば、帯域分割符号化で帯域分割を行った後、各帯域毎のオーディオ信号を周波数領域のスペクトル信号にスペクトル変換し、このスペクトル変換された各帯域毎に符号化が行われる。

ここで、周波数帯域分割を行う際には、処理が簡単であり、且つ、折り返し歪みが消去されることから、例えば、ＱＭＦ（Quadrature Mirror Filter）が用いられることが多い。なお、ＱＭＦによる帯域分割の詳細については、「R.E.Crochiere, Digital coding of speech in subbands, Bell Syst. Tech. J., Vol.55, No.8, 1976」等に記載されている。

また、周波数帯域分割を行う手法としては、この他に、例えば等バンド幅のフィルタ分割手法であるＰＱＦ（Polyphase Quadrature Filter）等がある。このＰＱＦの詳細については、「ICASSP 83 BOSTON, Polyphase Quadrature filters - A new subband coding technique, Joseph H. Rothweiler」等に記載されている。

一方、上述したスペクトル変換としては、例えば、入力されたオーディオ信号を所定単位時間のフレームでブロック化し、ブロック毎に離散フーリエ変換（Discrete Fourier Transformation；ＤＦＴ）、離散コサイン変換（Discrete Cosine Transformation；ＤＣＴ）、改良ＤＣＴ変換（Modified Discrete Cosine Transformation；ＭＤＣＴ）等を行うことで時間領域のオーディオ信号を周波数領域のオーディオ信号に変換するものがある。

なお、ＭＤＣＴについては、「ICASSP 1987, Subband/Transform Coding Using Filter Bank Designs Based on Time Domain Aliasing Cancellation, J.P.Princen, A.B.Bradley, Univ. of Surrey Royal Melbourne Inst. of Tech.」等に、その詳細が記載されている。

このように、フィルタやスペクトル変換によって得られる帯域毎の信号を量子化することにより、量子化雑音が発生する帯域を制御することができ、これによりマスキング効果等の性質を利用して聴覚的により高能率な符号化を行うことができる。また、量子化を行う前に、各帯域毎の信号成分が所定の範囲内に収まるようにスケールファクタで正規化するようにすれば、さらに高能率な符号化を行うことができる。

周波数帯域分割を行う際の各帯域の幅は、例えば、人間の聴覚特性を考慮して決定される。すなわち一般的には、例えば、臨界帯域（クリティカルバンド）と呼ばれている、高域ほど幅が広くなるような帯域幅で、オーディオ信号を複数（例えば３２バンドなど）の帯域に分割することがある。

また、各帯域毎のデータを符号化する際には、各帯域毎に所定のビット配分、或いは各帯域毎に適応的なビット割当（ビットアロケーション）が行われる。すなわち、例えばＭＤＣＴ処理されて得られた係数データをビットアロケーションによって符号化する際には、ブロック毎の信号をＭＤＣＴ処理して得られる各帯域のＭＤＣＴ係数データに対して、適応的にビット数が割り当てられて符号化が行われる。

ビットアロケーション手法としては、例えば、帯域毎の信号成分の大きさに基づいてビット割当を行う手法（以下、適宜「第１のビット割当手法」という。）や、聴覚マスキングを利用することで帯域毎に必要な信号対雑音比を得て固定的なビット割当を行う手法（以下、適宜「第２のビット割当手法」という。）等が知られている。

なお、第１のビット割当手法については、例えば、「Adaptive Transform Coding of Speech Signals, R.Zelinski and P.Noll, IEEE Transactions of Accoustics, Speech and Signal Processing, vol.ASSP-25, No.4, August 1977」等にその詳細が記載されている。また、第２のビット割当手法については、例えば、「ICASSP 1980, The critical band coder digital encoding of the perceptual requirements of the auditory system, M.A.Kransner MIT」等にその詳細が記載されている。

第１のビット割当手法によれば、量子化雑音スペクトルが平坦となり、雑音エネルギが最小となる。しかしながら、聴感覚的にはマスキング効果が利用されていないために、実際の聴感上の雑音感は最適にはならない。また、第２のビット割当手法では、ある周波数にエネルギが集中する場合、例えば、サイン波等を入力した場合であっても、ビット割当が固定的であるために、特性値がそれほどよい値とはならない。

そこで、ビットアロケーションに使用できる全ビットを、各小ブロック毎に予め定められた固定ビット割当パターン分と、各ブロックの信号の大きさに依存したビット配分を行う分とに分割して使用し、その分割比を入力信号に関係する信号に依存させる、すなわち、例えば、その信号のスペクトルが滑らかなほど固定ビット割当パターン分への分割比率を大きくする高能率符号化装置が提案されている。

この方法によれば、サイン波入力のように特定のスペクトルにエネルギが集中する場合には、そのスペクトルを含むブロックに多くのビットが割り当てられ、これにより全体の信号対雑音特性を飛躍的に改善することができる。一般に、急峻なスペクトル成分を持つ信号に対して人間の聴覚は極めて敏感であるため、上述のようにして信号対雑音特性を改善することは、単に測定上の数値を向上させるばかりでなく、聴感上の音質を改善するのにも有効である。

ビットアロケーション手法としては、この他にも数多く提案されており、さらに聴覚に関するモデルが精緻化され、符号化装置の能力が向上すれば、聴覚的な観点からより高能率な符号化が可能となる。

時間領域のオーディオ信号を周波数領域のスペクトル信号に変換する方法としてＤＦＴやＤＣＴを使用した場合には、Ｍ個のサンプルからなる時間ブロックで変換を行うと、Ｍ個の独立な実数データが得られる。しかしながら、通常は時間ブロック（フレーム）間の接続歪みを軽減するために、１つのブロックは両隣のブロックとそれぞれ所定の数Ｍ１個のサンプルずつオーバラップさせて構成されるので、ＤＦＴやＤＣＴを利用した符号化方法では、平均して（Ｍ−Ｍ１）個のサンプルに対してＭ個の実数データを量子化して符号化することになる。

また、オーディオ信号をスペクトル信号に変換する方法としてＭＤＣＴを使用した場合には、両隣のブロックとＭ個ずつオーバラップさせた２Ｍ個のサンプルから、独立なＭ個の実数データが得られる。したがって、この場合には平均してＭ個のサンプルに対してＭ個の実数データを量子化して符号化することになる。この場合、復号装置においては、上述のようにしてＭＤＣＴを用いて得られる符号から、各ブロックにおいて逆変換を施して得られる波形要素を互いに干渉させながら加え合わせることにより、オーディオ信号が再構成される。

一般に、変換のための時間ブロック（フレーム）を長くすることによって、スペクトル信号の周波数分解能が高まり、特定のスペクトル係数にエネルギが集中する。したがって、両隣のブロックと半分ずつオーバラップさせて長いブロック長で変換を行い、しかも得られたスペクトル係数の数が元の時間領域のサンプル数に対して増加しないＭＤＣＴを使用する場合、ＤＦＴやＤＣＴを使用した場合よりも効率のよい符号化を行うことが可能となる。また、隣接するブロック同士に充分長いオーバラップを持たせることによって、オーディオ信号のブロック間歪みを軽減することもできる。

実際の符号列を構成するに際しては、先ず正規化及び量子化が行われる帯域毎に、量子化を行うときの量子化ステップを表す情報である量子化精度情報と各信号成分を正規化するのに用いたスケールファクタとを所定のビット数で符号化し、次に正規化及び量子化された量子化係数を符号化する。

例えばオーディオ信号を周波数帯域分割して符号化する従来のオーディオ信号符号化装置の概略構成の一例を図５に示す。図５に示すオーディオ信号符号化装置１００において、帯域分割部１１０は、符号化すべきオーディオ信号を入力し、上述したＱＭＦ又はＰＱＦ等のフィルタを用いて、このオーディオ信号を例えば４つのサブバンドのオーディオ信号に帯域分割する。なお、各サブバンドの帯域幅は、均一であっても、また臨界帯域幅に合わせるように不均一にしてもよい。また、オーディオ信号は、４つのサブバンドに分割されるようになされているが、サブバンドの数は、これに限定されるものではない。そして、帯域分割部１１０は、４つのサブバンド（以下、４つのサブバンドそれぞれを、適宜「第１〜第４のサブバンド」という。）に分割されたオーディオ信号を、所定の時間ブロック（フレーム）毎に、スペクトル変換部１１１_１〜１１１_４に供給する。

スペクトル変換部１１１_１〜１１１_４は、各サブバンドの時間領域のオーディオ信号に対してＭＤＣＴ等のスペクトル変換を行って周波数領域のスペクトル信号を生成し、このスペクトル信号を正規化部１１２_１〜１１２_４及び量子化精度決定部１１３に供給する。

正規化部１１２_１〜１１２_４は、第１〜第４のサブバンドのスペクトル信号に応じて、予め設定された複数のスケールファクタの中から最適なものを選択する。この際、正規化部１１２_１〜１１２_４は、正規化後の正規化スペクトル信号が所定の範囲内に収まり、且つ正確性を維持するため、できる限りその範囲全体に亘るようなスケールファクタを選択する。そして、正規化部１１２_１〜１１２_４は、第１〜第４のサブバンドのスペクトル信号を構成する各スペクトル係数を、第１〜第４のサブバンドのそれぞれについて選択されたスケールファクタでそれぞれ正規化する（除算する）。正規化部１１２_１〜１１２_４は、第１〜第４のサブバンドの正規化スペクトル信号を、それぞれ量子化部１１４_１〜１１４_４に供給すると共に、第１〜第４のサブバンドのスケールファクタをマルチプレクサ１１５に供給する。

量子化精度決定部１１３は、スペクトル変換部１１１_１〜１１１_４から供給された第１〜第４のサブバンドのスペクトル信号に基づいて、第１〜第４のサブバンドの正規化スペクトル信号それぞれを量子化する際の量子化ステップを決定する。そして量子化精度決定部１１３は、その量子化ステップに対応する第１〜第４のサブバンドの量子化精度情報を、量子化部１１４_１〜１１４_４にそれぞれ供給するとともに、マルチプレクサ１１５にも供給する。

量子化部１１４_１〜１１４_４は、第１〜第４のサブバンドの正規化スペクトル信号を、第１〜第４のサブバンドの量子化精度情報に対応する量子化ステップでそれぞれ量子化し、その結果得られる第１〜第４のサブバンドの量子化スペクトル信号をマルチプレクサ１１５に供給する。

マルチプレクサ１１５は、第１〜第４のサブバンドの量子化スペクトル信号、量子化精度情報及びスケールファクタを例えばハフマン符号化により符号化した後、多重化する。そして、マルチプレクサ１１５は、多重化の結果得られる符号化ビットストリームを伝送路を介して伝送し、或いは図示しない記録媒体に記録する。

特願平９−２１４３５５号公報

ところで、例えば高い圧縮率が要求される場合、符号化側では、聴感上重要でないサブバンド、特に高域のサブバンドに対する割当ビット数が減らされることがある。また、サブバンド内においても、聴感上重要なスペクトル係数をより正確に符号化するため、一部のスペクトル係数が０又は小さい値に置き換えられることがある（例えば、特許文献１参照。）。この結果、割当ビット数が減らされたサブバンドでは、符号化前のオーディオ信号と復号後のオーディオ信号とでパワーの不一致が生じ、聴感上問題となる。

具体的に、周波数帯域幅が２２ｋＨｚのオーディオ信号をサブバンド０（０〜５．５ｋＨｚ）、サブバンド１（５．５〜１１ｋＨｚ）、サブバンド２（１１〜１６．５ｋＨｚ）及びサブバンド３（１６．５〜２２ｋＨｚ）の４つのサブバンドのオーディオ信号に分割し、ＭＤＣＴによりスペクトル変換した場合のスペクトル信号と、各サブバンドにおけるスペクトル係数の平均エネルギＥ（ｄＢ）とを図６に示す。また、符号化されたオーディオ信号を復号した場合のスペクトル信号と、各サブバンドにおけるスペクトル係数の平均エネルギＦ（ｄＢ）とを図７に示す。図６、図７を比較して分かるように、特にサブバンド２、サブバンド３においてスペクトル係数の平均エネルギＦが元の平均エネルギＥと比較して大きく減少しており、再生時にパワー感の欠如として知覚されることとなる。

本発明は、このような従来の実情に鑑みて提案されたものであり、符号化の前後におけるパワーの不一致を補正し、聴感上の品質を向上させるオーディオ信号符号化装置及びその方法を提供することを目的とする。

上述した目的を達成するために、本発明に係るオーディオ信号符号化装置は、入力されたオーディオ信号を複数の周波数帯域に分割する帯域分割手段と、各周波数帯域のオーディオ信号をスペクトル信号に変換するスペクトル変換手段と、各スペクトル信号をスケールファクタを用いて正規化し、正規化スペクトル信号を生成する正規化手段と、各正規化スペクトル信号を量子化し、量子化スペクトル信号を生成する量子化手段と、
上記正規化スペクトル信号及び上記量子化スペクトル信号に基づいて、上記正規化手段で用いられたスケールファクタの値を調整するスケールファクタ調整手段と、各量子化スペクトル信号と上記正規化手段で用いられたスケールファクタ又は上記スケールファクタ調整手段によって調整されたスケールファクタとを少なくとも符号化する符号化手段とを備え、上記スケールファクタ調整手段は、上記正規化スペクトル信号のエネルギと上記量子化スペクトル信号のエネルギとの差分絶対値を周波数帯域毎に第１の閾値と比較し、該差分絶対値が該第１の閾値よりも大きい場合には、該エネルギの差分絶対値が第２の閾値以内となるように、上記正規化手段で用いられたスケールファクタの値を調整することを特徴とする。

ここで、上記スケールファクタ調整手段は、上記正規化スペクトル信号の周波数帯域毎のトーナリティ、又は上記正規化スペクトル信号の周波数帯域毎のトーナリティ及び上記量子化スペクトル信号の周波数帯域毎のトーナリティに基づいて、スケールファクタを調整するか否かを決定することができ、また、上記正規化スペクトル信号の周波数帯域毎のトーナリティ及び上記量子化スペクトル信号の周波数帯域毎のトーナリティに基づいて、上記第２の閾値を設定することができる。

また、上述した目的を達成するために、本発明に係るオーディオ信号符号化方法は、入力されたオーディオ信号を複数の周波数帯域に分割する帯域分割工程と、各周波数帯域のオーディオ信号をスペクトル信号に変換するスペクトル変換工程と、各スペクトル信号をスケールファクタを用いて正規化し、正規化スペクトル信号を生成する正規化工程と、各正規化スペクトル信号を量子化し、量子化スペクトル信号を生成する量子化工程と、上記正規化スペクトル信号及び上記量子化スペクトル信号に基づいて、上記正規化工程で用いられたスケールファクタの値を調整するスケールファクタ調整工程と、各量子化スペクトル信号と上記正規化工程で用いられたスケールファクタ又は上記スケールファクタ調整工程にて調整されたスケールファクタとを少なくとも符号化する符号化工程とを有し、上記スケールファクタ調整工程では、上記正規化スペクトル信号のエネルギと上記量子化スペクトル信号のエネルギとの差分絶対値を周波数帯域毎に第１の閾値と比較し、該差分絶対値が該第１の閾値よりも大きい場合には、該エネルギの差分絶対値が第２の閾値以内となるように、上記正規化工程で用いられたスケールファクタの値を調整することを特徴とする。

本発明に係るオーディオ信号符号化装置及びその方法によれば、正規化スペクトル信号の周波数帯域毎のエネルギと量子化スペクトル信号の周波数帯域毎のエネルギとを比較し、両者に不一致が見られる場合には、その周波数帯域におけるスケールファクタを調整することにより、両者のエネルギの不一致を補正することができ、これにより、そのオーディオ信号を再生する際に聴感上の問題が発生することを防止することができる。

以下、本発明を適用した具体的な実施の形態について、図面を参照しながら詳細に説明する。この実施の形態は、本発明を、オーディオ信号を周波数領域に変換したスペクトル信号を複数のサブバンドに分割し、このサブバンド毎にスケールファクタを用いて正規化を行い、さらにビットアロケーションを行って符号化するオーディオ信号符号化装置に適用したものである。

詳細は後述するが、このオーディオ信号符号化装置においては、正規化後量子化前の正規化スペクトル信号のサブバンド毎のスペクトル係数の平均エネルギと、量子化後の量子化スペクトル信号のサブバンド毎のスペクトル係数の平均エネルギとを比較し、両者に不一致が見られる場合、例えば量子化後のサブバンドのエネルギが減少している場合には、そのサブバンドにおけるスケールファクタの値を調整する。以下では、先ずこのようなオーディオ信号符号化装置の概略構成について説明し、次いでこのオーディオ信号符号化装置における本発明の適用部分について説明する。

本実施の形態におけるオーディオ信号符号化装置の構成の一例を図１に示す。図１に示すオーディオ信号符号化装置１において、帯域分割部１０は、符号化すべきオーディオ信号を入力し、ＱＭＦ（Quadrature Mirror Filter）又はＰＱＦ（Polyphase Quadrature Filter）等のフィルタを用いて、このオーディオ信号を例えば４つのサブバンドのオーディオ信号に帯域分割する。なお、各サブバンドの帯域幅は、均一であっても、また臨界帯域幅に合わせるように不均一にしてもよい。また、オーディオ信号は、４つのサブバンドに分割されるようになされているが、サブバンドの数は、これに限定されるものではない。そして、帯域分割部１０は、４つのサブバンド（以下、４つのサブバンドそれぞれを、適宜「第１〜第４のサブバンド」という。）に分割されたオーディオ信号を、所定の時間ブロック（フレーム）毎に、スペクトル変換部１１_１〜１１_４に供給する。

スペクトル変換部１１_１〜１１_４は、各サブバンドの時間領域のオーディオ信号に対してＭＤＣＴ等のスペクトル変換を行って周波数領域のスペクトル信号を生成し、このスペクトル信号を正規化部１２_１〜１２_４、量子化精度決定部１３及びスケールファクタ調整部１５に供給する。

正規化部１２_１〜１２_４は、第１〜第４のサブバンドのスペクトル信号に応じて、予め設定された複数のスケールファクタの中から最適なものを選択する。この際、正規化部１２_１〜１２_４は、正規化後の正規化スペクトル信号が所定の範囲内に収まり、且つ正確性を維持するため、できる限りその範囲全体に亘るようなスケールファクタを選択する。そして、正規化部１２_１〜１２_４は、第１〜第４のサブバンドのスペクトル信号を構成する各スペクトル係数を、第１〜第４のサブバンドのそれぞれについて選択されたスケールファクタでそれぞれ正規化する（除算する）。正規化部１２_１〜１２_４は、第１〜第４のサブバンドの正規化スペクトル信号をそれぞれ量子化部１４_１〜１４_４に供給すると共に、第１〜第４のサブバンドのスケールファクタをスケールファクタ調整部１５に供給する。

量子化精度決定部１３は、スペクトル変換部１１_１〜１１_４から供給された第１〜第４のサブバンドのスペクトル信号に基づいて、第１〜第４のサブバンドの正規化スペクトル信号それぞれを量子化する際の量子化ステップを決定する。そして量子化精度決定部１３は、その量子化ステップに対応する第１〜第４のサブバンドの量子化精度情報を、量子化部１４_１〜１４_４にそれぞれ供給するとともに、マルチプレクサ１６にも供給する。

量子化部１４_１〜１４_４は、第１〜第４のサブバンドの正規化スペクトル信号を、第１〜第４のサブバンドの量子化精度情報に対応する量子化ステップでそれぞれ量子化し、その結果得られる第１〜第４のサブバンドの量子化スペクトル信号をスケールファクタ調整部１５及びマルチプレクサ１６に供給する。

スケールファクタ調整部１５は、スペクトル変換部１１_１〜１１_４から供給された第１〜第４のサブバンドのそれぞれのスペクトル係数の平均エネルギと、量子化部１４_１〜１４_４から供給された第１〜第４のサブバンドのそれぞれのスペクトル係数の平均エネルギとを比較する。そして、その差分絶対値が閾値未満である場合には、正規化部１２_１〜１２_４から供給されたスケールファクタをそのままマルチプレクサ１６に供給する。一方、差分絶対値が閾値以上である場合、例えば量子化後のサブバンドの平均エネルギが減少している場合には、量子化後のサブバンドの平均エネルギが量子化前のサブバンドの平均エネルギに近付くようにそのサブバンドにおけるスケールファクタの値を調整し、調整後のスケールファクタをマルチプレクサ１６に供給する。なお、スケールファクタ調整部１５は、サブバンド位置や局所的なスペクトル特徴（例えばトーナリティ）に応じてスケールファクタの調整量等を変化させるが、詳細については後述する。

マルチプレクサ１６は、第１〜第４のサブバンドの量子化スペクトル信号、量子化精度情報及びスケールファクタを例えばハフマン符号化により符号化した後、多重化する。そして、マルチプレクサ１６は、多重化の結果得られる符号化ビットストリームを伝送路を介して伝送し、或いは図示しない記録媒体に記録する。

以下、上述したスケールファクタ調整部１５におけるスケールファクタの調整処理について、図２のフローチャートを用いて説明する。

先ずステップＳ１において、現在処理しているサブバンドがスケールファクタの調整対象であるか否か、具体的には現在のサブバンドが所定の境界周波数以上であるか否かを判別し、所定の境界周波数以上である場合（Yes）にはステップＳ２に進む。一方、現在のサブバンドが所定の境界周波数未満である場合（No）にはスケールファクタを調整せずに処理を終了する。これは、低域のサブバンドではスケールファクタを調整してパワーを一致させることによる聴感上の影響よりもその調整によってスペクトル信号の波形が変化してしまうことによる影響の方が大きく、高域のサブバンドではその逆だからである。スケールファクタを調整するか否かの境界周波数はビットレートに応じて決定することが好ましい。例えば低ビットレートの場合、量子化後の量子化スペクトル信号は本来的にあまり正確なものではないため、より低域のサブバンドまでスケールファクタの調整対象としても構わない。

次にステップＳ２において、正規化後量子化前のサブバンドのスペクトル係数の平均エネルギＥを算出し、ステップＳ３において、量子化後のサブバンドのスペクトル係数の平均エネルギＦを算出する。

続いてステップＳ４において、平均エネルギＥと平均エネルギＦとの差分絶対値｜Ｅ−Ｆ｜が所定の閾値Ｖよりも大きいか否かを判別する。ここで、閾値Ｖは、例えば予め複数設定されているスケールファクタの値を１段階増減させることにより変化するエネルギ（例えば２ｄＢ）とすることができる。ステップＳ４において差分絶対値｜Ｅ−Ｆ｜が閾値Ｖ以下である場合（No）には、スケールファクタを調整してもこれ以上両者のエネルギを近づけることができないため、処理を終了する。一方、差分絶対値｜Ｅ−Ｆ｜が閾値Ｖよりも大きい場合（Yes）にはステップＳ５に進み、スケールファクタの調整処理を行う。

ステップＳ５におけるスケールファクタの調整処理について、図３のフローチャートを用いてさらに説明する。

先ずステップＳ１０において、正規化後量子化前のサブバンドのトーナリティｔを算出し、ステップＳ１１において、量子化後のサブバンドのトーナリティｔ’を算出する。サブバンド内にｎ個のスペクトル係数Ｘ_ｉ（ｉ＝１，２，・・・，ｎ）が存在する場合、例えば以下の式（１）に従ってトーナリティｔを算出することができる。

次にステップＳ１２において、トーナリティｔ及びトーナリティｔとトーナリティｔ’との比ｔ’／ｔに基づいて、量子化及びビットアロケーションによるスペクトルの変化が、心理音響モデルに基づいたスケールファクタの調整を行うのに十分な程度に小さいか否かを判断する。例えばサブバンドに高調波が含まれトーナリティｔが高い場合には、スケールファクタを調整しないことが好ましく、逆にノイズ性でトーナリティｔが１に近い場合にはエネルギの不一致を解消するためにスケールファクタを調整することが好ましい。ステップＳ１２においてスペクトルの変化が大きい場合（No）には処理を終了し、スペクトルの変化が小さい場合（Yes）にはステップＳ１３に進む。

続いてステップＳ１３において、トーナリティｔ及びトーナリティｔとトーナリティｔ’との比ｔ’／ｔに基づいて、差分絶対値｜Ｅ−Ｆ｜と比較する新たな閾値Ｖ’を設定し、ステップＳ１４において、差分絶対値｜Ｅ−Ｆ｜が閾値Ｖ’以下となるようにスケールファクタを修正する。例えば、値を１段階増減させることによりエネルギが一定量（例えば２ｄＢ）変化するように予めスケールファクタが設定されている場合には、差分絶対値｜Ｅ−Ｆ｜と閾値Ｖ’との差分に応じた段階数だけスケールファクタを修正することができる。それ以外の場合も、１段階ずつ増減させてその都度エネルギを算出することで、差分絶対値｜Ｅ−Ｆ｜を閾値Ｖ’以下とすることができる。ここで、閾値Ｖ’を設定する際、例えば比ｔ’／ｔが１に近い場合には、スペクトルの変化が小さいと考えられるので、閾値Ｖ’を上述の閾値Ｖと同じ値に設定し、エネルギの差を最小とすることが好ましい。逆に、比ｔ’／ｔが大きすぎるか又は小さすぎる場合には、スペクトルの変化が大きいと考えられるので、閾値Ｖ’を閾値Ｖよりも大きな値に設定し、調整量を小さくすることが好ましい。このようにして、エネルギの調整量と符号化の精度とのトレードオフをとることができる。

具体的に、図６に示したスペクトル信号を正規化及び量子化し、上述のようにスケールファクタを調整して符号化した場合における復号後のスペクトル信号と、各サブバンドにおけるスペクトル係数の平均エネルギＦ（ｄＢ）とを図４に示す。この図４から、サブバンド２、サブバンド３においてスペクトル係数の平均エネルギＦがそれぞれ４ｄＢ、２ｄＢ増加しており、元の平均エネルギＥに近付いていることが分かる。なお、スケールファクタの値を１段階増減させることによりエネルギが２ｄＢ変化する場合、サブバンド２については２段階、サブバンド３については１段階だけスケールファクタを調整したことに相当する。

以上説明したように、本実施の形態におけるオーディオ信号符号化装置１によれば、正規化後量子化前の正規化スペクトル信号のサブバンド毎のスペクトル係数の平均エネルギと、量子化後の量子化スペクトル信号のサブバンド毎のスペクトル係数の平均エネルギとを比較し、両者に不一致が見られる場合、例えば量子化後のサブバンドのエネルギが減少している場合には、そのサブバンドにおけるスケールファクタを調整することにより、両者のエネルギの不一致を補正することができ、これにより、そのオーディオ信号を再生する際に聴感上の問題が発生することを防止することができる。

なお、本発明は上述した実施の形態のみに限定されるものではなく、本発明の要旨を逸脱しない範囲において種々の変更が可能であることは勿論である。

本実施の形態におけるオーディオ信号符号化装置の概略構成を示す図である。 同オーディオ信号符号化装置におけるスケールファクタの修正処理について説明するフローチャートである。 同オーディオ信号符号化装置におけるスケールファクタの修正処理について説明するフローチャートである。 図６のスペクトル信号をスケールファクタを調整した上で符号化して復号した後のスペクトル信号と、各サブバンドにおけるスペクトル係数の平均エネルギＦ（ｄＢ）とを示す図である。 従来のオーディオ信号符号化装置の概略構成を示す図である。 周波数帯域幅が２２ｋＨｚのオーディオ信号を４つのサブバンドのオーディオ信号に分割し、ＭＤＣＴによりスペクトル変換した場合のスペクトル信号と、各サブバンドにおけるスペクトル係数の平均エネルギＥ（ｄＢ）とを示す図である。 図６のスペクトル信号を符号化して復号した後のスペクトル信号と、各サブバンドにおけるスペクトル係数の平均エネルギＦ（ｄＢ）とを示す図である。

符号の説明

１ オーディオ信号符号化装置、１０ 帯域分割部、１１_１〜１１_４ スペクトル変換部、１２_１〜１２_４ 正規化部、１３ 量子化精度決定部、１４_１〜１４_４ 量子化部、１５ スケールファクタ調整部、１６ マルチプレクサ

Claims (8)

1. 入力されたオーディオ信号を複数の周波数帯域に分割する帯域分割手段と、
   各周波数帯域のオーディオ信号をスペクトル信号に変換するスペクトル変換手段と、
   各スペクトル信号をスケールファクタを用いて正規化し、正規化スペクトル信号を生成する正規化手段と、
   各正規化スペクトル信号を量子化し、量子化スペクトル信号を生成する量子化手段と、
   上記正規化スペクトル信号及び上記量子化スペクトル信号に基づいて、上記正規化手段で用いられたスケールファクタの値を調整するスケールファクタ調整手段と、
   各量子化スペクトル信号と上記正規化手段で用いられたスケールファクタ又は上記スケールファクタ調整手段によって調整されたスケールファクタとを少なくとも符号化する符号化手段とを備え、
   上記スケールファクタ調整手段は、上記正規化スペクトル信号のエネルギと上記量子化スペクトル信号のエネルギとの差分絶対値を周波数帯域毎に第１の閾値と比較し、該差分絶対値が該第１の閾値よりも大きい場合には、該エネルギの差分絶対値が第２の閾値以内となるように、上記正規化手段で用いられたスケールファクタの値を調整する
   ことを特徴とするオーディオ信号符号化装置。
2. 上記スケールファクタ調整手段は、所定の境界よりも高域の周波数帯域においてのみ上記正規化手段で用いられたスケールファクタの値を調整することを特徴とする請求項１記載のオーディオ信号符号化装置。
3. 上記スケールファクタ調整手段は、上記正規化スペクトル信号の周波数帯域毎のトーナリティ、又は上記正規化スペクトル信号の周波数帯域毎のトーナリティ及び上記量子化スペクトル信号の周波数帯域毎のトーナリティに基づいて、スケールファクタを調整するか否かを決定することを特徴とする請求項１記載のオーディオ信号符号化装置。
4. 上記スケールファクタ調整手段は、上記正規化スペクトル信号の周波数帯域毎のトーナリティ及び上記量子化スペクトル信号の周波数帯域毎のトーナリティに基づいて、上記第２の閾値を設定することを特徴とする請求項１記載のオーディオ信号符号化装置。
5. 入力されたオーディオ信号を複数の周波数帯域に分割する帯域分割工程と、
   各周波数帯域のオーディオ信号をスペクトル信号に変換するスペクトル変換工程と、
   各スペクトル信号をスケールファクタを用いて正規化し、正規化スペクトル信号を生成する正規化工程と、
   各正規化スペクトル信号を量子化し、量子化スペクトル信号を生成する量子化工程と、
   上記正規化スペクトル信号及び上記量子化スペクトル信号に基づいて、上記正規化工程で用いられたスケールファクタの値を調整するスケールファクタ調整工程と、
   各量子化スペクトル信号と上記正規化工程で用いられたスケールファクタ又は上記スケールファクタ調整工程にて調整されたスケールファクタとを少なくとも符号化する符号化工程とを有し、
   上記スケールファクタ調整工程では、上記正規化スペクトル信号のエネルギと上記量子化スペクトル信号のエネルギとの差分絶対値を周波数帯域毎に第１の閾値と比較し、該差分絶対値が該第１の閾値よりも大きい場合には、該エネルギの差分絶対値が第２の閾値以内となるように、上記正規化工程で用いられたスケールファクタの値を調整する
   ことを特徴とするオーディオ信号符号化方法。
6. 上記スケールファクタ調整工程では、所定の境界よりも高域の周波数帯域においてのみ上記正規化工程で用いられたスケールファクタの値を調整することを特徴とする請求項５記載のオーディオ信号符号化方法。
7. 上記スケールファクタ調整工程では、上記正規化スペクトル信号の周波数帯域毎のトーナリティ、又は上記正規化スペクトル信号の周波数帯域毎のトーナリティ及び上記量子化スペクトル信号の周波数帯域毎のトーナリティに基づいて、スケールファクタを調整するか否かを決定することを特徴とする請求項５記載のオーディオ信号符号化方法。
8. 上記スケールファクタ調整工程では、上記正規化スペクトル信号の周波数帯域毎のトーナリティ及び上記量子化スペクトル信号の周波数帯域毎のトーナリティに基づいて、上記第２の閾値を設定することを特徴とする請求項５記載のオーディオ信号符号化方法。

Images