JP4274614B2 - オーディオ信号復号方法 - Google Patents
オーディオ信号復号方法 Download PDFInfo
- Publication number
- JP4274614B2 JP4274614B2 JP06176199A JP6176199A JP4274614B2 JP 4274614 B2 JP4274614 B2 JP 4274614B2 JP 06176199 A JP06176199 A JP 06176199A JP 6176199 A JP6176199 A JP 6176199A JP 4274614 B2 JP4274614 B2 JP 4274614B2
- Authority
- JP
- Japan
- Prior art keywords
- audio signal
- partial band
- signal
- normalized residual
- partial
- 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
Description
【０００１】
【発明の属する技術分野】
本発明は、音楽や音声のオーディオ信号を小容量の伝送路での情報伝送、記録メディアへの効率的な蓄積をするために、特に人間の聴覚的な性質である聴覚感度特性に基づいてオーディオ信号を圧縮するに際し、従来よりも効率よく、高音質を保ったまま情報を圧縮したときに、量子化データからオーディオ信号を復号するオーディオ信号復号方法に関するものである。
【０００２】
【従来の技術】
オーディオ信号圧縮方法の従来例について説明する。まず入力されたオーディオ信号の時系列は、例えばＭＤＣＴ（modified discrete cosine transform：変形離散コサイン変換）、あるいはＦＦＴ（高速フーリエ変換）等により、一定周期の長さ（フレーム）毎に周波数領域信号に変換される。さらに入力オーディオ信号をフレーム毎に線形予測分析（ＬＰＣ分析）することにより、ＬＰＣ係数（線形予測係数）やＬＳＰ係数（line spectrum pair coefficient）、あるいはＰＡＲＣＯＲ係数（偏自己相関係数）等を抽出するとともに、これらの係数からＬＰＣスペクトル包絡を求める。次に、算出された周波数領域信号を、求めたＬＰＣスペクトル包絡で割り算して正規化する。そして、正規化された周波数特性を平坦化し、さらにパワーの最大値、あるいは平均値等に基づいてパワーの正規化を行ない、パワー正規化された残差信号を求める。さらにこのパワー正規化された残差信号を、スペクトル包絡を重み付けとしてベクトル量子化する。このベクトル量子化方法として、正規化された残差信号をまず第１段の量子化部で量子化し、さらに第１段の量子化部での量子化誤差成分を、第２段の量子化部で量子化する多段構成にする場合もある。このようなオーディオ信号圧縮方法の例としては、ＴｗｉｎＶＱ（岩上、守谷、三樹：「周波数重み付けインターリーブベクトル量子化（TwinVQ）によるオーディオ符号化」音講論、1-P-1,pp.339-340,(1994) ）がある。
【０００３】
【発明が解決しようとする課題】
オーディオ信号圧縮方法の従来例では、ＭＤＣＴあるいはＦＦＴ等により算出された周波数領域信号に変換し、さらにＬＰＣ分析等で得られたスペクトル包絡で割り算して正規化された周波数領域信号を求めている。そして、この周波数領域信号をベクトル量子化により量子化データに変換したり、あるいは適応ビット割り当てにより最適な量子化データに変換することでオーディオ信号の圧縮を実現している。
【０００４】
ところで一般に人間の聴覚では、低い周波数帯域の周波数分解能は高く、反対に高い周波数帯域の周波数分解能は低いという性質がある。これに対して従来のオーディオ信号圧縮方法では、周波数領域信号を圧縮する際に、この人間の聴覚の性質が十分取り入れられているとは言えず、効率的な圧縮が行われているとは言えなかった。
【０００５】
本発明は、このような従来の問題点に鑑みてなされたものであって、ＭＤＣＴ係数あるいはＦＦＴスペクトル等の周波数領域信号を、人間の聴覚的な性質である聴覚感度特性に対応した周波数分解能で複数の部分帯域に分割し、各部分帯域内に含まれる要素の平均値をそれぞれ求めて各部分帯域の代表値とし、全ての部分帯域の代表値を周波数領域信号と見なして圧縮することにより、従来よりも効率よく、高音質を保ったまま圧縮したときに、量子化データからオーディオ信号を復号するオーディオ信号復号方法を実現することを目的とする。
【０００６】
【課題を解決するための手段】
本願の請求項１の発明は、入力されたオーディオ信号を周波数領域信号に変換し、前記周波数領域信号を人間の聴覚的な性質である聴覚感度特性に対応した周波数分解能で複数の部分帯域に分割し、前記複数の部分帯域について各部分帯域内に含まれるパワー正規化残差信号の平均値を各部分帯域毎にそれぞれ求め、前記平均値を対応する部分帯域の代表値として出力し、全ての部分帯域の前記代表値を周波数領域信号と見なし、ベクトル量子化により量子化データに変換することにより、オーディオ信号の圧縮を行うオーディオ信号圧縮方法で生成された量子化データから元のオーディオ信号を復元するオーディオ信号復号方法であって、各部分帯域毎の代表値から部分帯域内に含まれる各パワー正規化残差信号を復元する方法として、元の部分帯域内に含まれる各パワー正規化残差信号毎の符号をあらかじめ保存しておき、前記各パワー正規化残差信号毎の符号と前記代表値とを用いて部分帯域内に含まれる各パワー正規化残差信号を復元することを特徴とするものである。
【０００７】
本願の請求項２の発明は、入力されたオーディオ信号を周波数領域信号に変換し、前記周波数領域信号を人間の聴覚的な性質である聴覚感度特性に対応した周波数分解能で複数の部分帯域に分割し、前記複数の部分帯域について各部分帯域内に含まれるパワー正規化残差信号の平均値を各部分帯域毎にそれぞれ求め、前記平均値を対応する部分帯域の代表値として出力し、全ての部分帯域の前記代表値を周波数領域信号と見なし、ベクトル量子化により量子化データに変換することにより、オーディオ信号の圧縮を行うオーディオ信号圧縮方法で生成された量子化データから元のオーディオ信号を復元するオーディオ信号復号方法であって、各部分帯域毎の代表値から部分帯域内に含まれる各パワー正規化残差信号を復元する方法として、元の部分帯域内に含まれる全てのパワー正規化残差信号の総和を求め、前記総和の符号をあらかじめ保存しておき、前記総和の符号と前記代表値とを用いて元の部分帯域内に含まれる各パワー正規化残差信号を復元することを特徴とするものである。
【０００８】
【発明の実施の形態】
本発明の前提となるオーディオ信号圧縮方法およびオーディオ信号圧縮装置と、本実施の形態におけるオーディオ信号復号方法について、図面と数式を用いて説明する。図１は本発明の前提となるオーディオ信号圧縮装置の構成を示すブロック図である。同図において、時間周波数変換手段１は、入力されたディジタルオーディオ信号や音声信号の時系列を、例えばＭＤＣＴあるいはＦＦＴ等により一定周期の長さ（フレーム）毎に周波数領域信号に変換する変換手段である。メル線形予測分析手段２は、入力されたオーディオ信号から人間の聴覚的な性質である聴覚感度特性に対応した周波数分解能を持つメル線形予測係数を算出する線形予測分析手段である。
【０００９】
スペクトル包絡変換手段３は、メル線形予測分析手段２で分析されたメル線形予測係数を、直線周波数軸のスペクトル包絡に変換する変換手段である。スペクトル包絡正規化手段４は、時間周波数変換手段１で算出された周波数領域信号を、スペクトル包絡変換手段３で求めたスペクトル包絡で割り算して正規化することにより、平坦な周波数特性を持つ残差信号を求める正規化手段である。パワー正規化手段５は、スペクトル包絡正規化手段４で平坦化された残差信号をパワーの最大値あるいは平均値等に基づいてパワーの正規化を行ない、パワー正規化残差信号を求める正規化手段である。
【００１０】
帯域分割手段６は、パワー正規化残差信号を人間の聴覚的な性質である聴覚感度特性に対応した周波数分解能で複数の部分帯域に分割する分割手段である。代表値算出手段７は、各々の部分帯域内に含まれる要素の平均値を部分帯域毎に求め、その平均値を各部分帯域の代表値として出力する算出手段である。ベクトル量子化手段８は、全ての部分帯域の代表値を周波数領域信号と見なし、ベクトル量子化により量子化データに変換する量子化手段である。
【００１１】
次に、以上の各手段の動作について説明する。入力されたディジタルオーディオ信号（以下、入力信号とも記す）の時系列が時間周波数変換手段１に入力されると、一定周期の長さ（フレーム）毎にＭＤＣＴあるいはＦＦＴ等により周波数領域信号に変換される。
【００１２】
次にメル線形予測分析手段２はフレーム毎にメル線形予測分析を行い、入力信号からメル線形予測係数を算出する。メル線形予測分析とは、通常の線形予測分析に人間の聴覚的な性質である聴覚感度特性を盛り込んだ分析手法であり、特に低域の周波数分解能を向上させた音声分析手法である。この手法は、中藤, 松本：" 音声認識におけるメル線形予測分析法の評価",信学技報,sp98-22(1998.6)に報告されている。
【００１３】
このメル線形予測係数を用いて直線周波数軸上のスペクトル包絡を求めるスペクトル包絡変換手段３の動作について述べる。まずメル線形予測係数をＦＦＴすることにより、メル周波数軸上のスペクトル包絡が求まる。 このメル周波数軸上のスペクトル包絡は、メル周波数軸上では等間隔に配置されているが、直線周波数軸上から見ると、その間隔は低域では細かく、高域では粗くなっている。そこで直線周波数軸上で等間隔になるよう低域では間引き、高域では補間するような処理を施す。こうすると、メル周波数軸上のスペクトル包絡から、直線周波数軸上のスペクトル包絡へと簡単に変換することができる。補間の方法としては、０次補間、１次補間、２次補間など様々なものが考えられるが、スペクトル包絡を補間する意味では同じであるので、どの方法を用いても差し支えない。なお、直線周波数軸上のスペクトル包絡を求める方法として、以下の方法を用いてもよい。まずメル線形予測分析手段２でメル線形予測分析の代わりに通常の線形予測分析を行い、入力信号から線形予測係数を算出する。次にスペクトル包絡変換手段３で線形予測係数をＦＦＴすることにより、直線周波数軸上のスペクトル包絡を求める方法である。この方法では、分析手法として通常の線形予測分析を用いているため、人間の聴覚的な性質である聴覚感度特性を十分取れ入れられないが、より少ない計算量で直線周波数軸上のスペクトル包絡を求めることが可能となる。更にスペクトル包絡を求める係数として、線形予測分析で得られるＰＡＲＣＯＲ係数やＬＳＰ係数、メル線形予測分析で得られるメルＰＡＲＣＯＲ係数やメルＬＳＰ係数などを用いても何ら差し支えない。
【００１４】
スペクトル包絡正規化手段４は、このようにして求めた直線周波数軸上のスペクトル包絡で、時間周波数変換手段１で求めた周波数領域信号を割ることで、平坦な周波数特性を持つ周波数領域信号に変換する。この周波数領域信号を残差信号とも呼ぶことがある。さらに、パワー正規化手段５は、スペクトル包絡正規化手段４で平坦化された周波数領域信号を、パワーの最大値あるいは平均値等に基づいてパワーを正規化する。すなわちパワーの最大値あるいは平均値等により周波数領域信号を割ることで、パワー正規化残差信号を求める。
【００１５】
帯域分割手段６は、パワー正規化手段５で得られたパワー正規化残差信号を、人間の聴覚的な性質である聴覚感度特性に対応した周波数分解能で複数の部分帯域に分割する。従来、パワー正規化残差信号Ｓｊ（ｊ＝１，・・・，Ｎ）は、直線周波数軸上で等間隔に配置されている。本実施の形態では、パワー正規化残差信号Ｓｊを、ｊ番目の要素あるいは成分あるいはＭＤＣＴ係数という呼び方をしている。ところで人間の聴覚的な性質では、低い周波数成分は高い周波数成分より重要視されることが分かっている。そこで、メル尺度あるいバーク尺度のように低域成分の情報量はそのままで、あまり聴覚的に重要でない高域成分を削減してから量子化すれば、より少ない情報で効率的な量子化が行えると考えられる。
【００１６】
そこでこれを実現する方法として、まず帯域分割手段６により、メルまたはバーク周波数軸上でほぼ等間隔の部分帯域Ωｉ（ｉ＝１，・・・，Ｍ）に分割する。部分帯域Ωｉとは、ＭＤＣＴ係数をメルまたはバーク周波数軸上でほぼ等間隔の部分帯域で分割したものであり、Ｍは部分帯域数である。
【００１７】
次に代表値算出手段７で、各部分帯域の代表振幅Ｓｉ(ave) を（１）式で近似することで、各々の部分帯域内に含まれる要素をその平均スペクトルで代表させる。
【数１】
すなわち、（１）式で得られた代表振幅Ｓｉ（ave)は、ｉ番目の部分帯域の平均スペクトルである。尚、（１）式の右辺のＮｉは、ある部分帯域Ωｉに含まれるＳｊの成分数である。例えば１０２４ポイントのＭＤＣＴ係数の場合は、パワー正規化残差信号Ｓｊの総成分数Ｎは１０２４となる。ＭＤＣＴ係数の表す全帯域が０〜２０. ４８ｋＨｚの場合にＮ＝１０２４であれば、０〜２０. ４８ｋＨｚの周波数範囲が１０２４等分に離散化される。一例としてｊ＝１番目のＳｊは、０〜２０Ｈｚの周波数成分を表し、ｊ＝１０２４番目のＳｊは、２０. ４６〜２０. ４８ｋＨｚの成分を表している。成分数削減率をＭ／Ｎで定義すると、成分数削減率が１／２の場合は、部分帯域数Ｍ＝５１２となる。この成分削減率はビットレートと復号化音の品質との関係で決定される。高いビットレートで高品質の場合は、ＭをＮの値を超えない大きな値に設定し、低いビットレートが必要な場合は、Ｍの値を小さくする。Ｍ＝７６８であれば、成分数削減率は３／４となり、Ｍ＝２５６であれば、成分数削減率は１／４となる。Ｍとしては任意の値が設定可能である。
【００１８】
これにより、総成分数はＮからＭに低減する。図２は、直線周波数軸上のスペクトル包絡から、メル度あるいバーク周波数軸上のスペクトル包絡へと変換する際に、成分数を低減する様子を示した説明図である。
【００１９】
最後に、このように成分低減されたパワー正規化残差信号、すなわち各々の部分帯域の代表値をメルまたはバーク周波数軸上でのパワー正規化残差信号と見なし、ベクトル量子化手段８により量子化データへと変換する。
【００２０】
以上の処理の流れの中で、帯域分割手段６および代表値算出手段７が、パワー正規化手段５の前、あるいはスペクトル包絡正規化手段４の前で処理されても一向に構わない。また、圧縮方式によっては、パワー正規化手段５あるいはスペクトル包絡正規化手段４あるいはその両者が無い場合もありうる。その場合でも帯域分割手段６および代表値算出手段７を用いることが可能である。また、本実施の形態では、成分低減されたパワー正規化残差信号をベクトル量子化手段８により量子化データへと変換したが、別の量子化アプローチ、例えば適応ビット割り当てにより、最適な量子化データに変換する方法を用いても同様の効果を得ることが可能である。更に成分低減されたパワー正規化残差信号をベクトル量子化する方法として、成分低減されたパワー正規化残差信号を直接ベクトル量子化する方法や成分低減されたパワー正規化残差信号をインターリーブし、複数のベクトルに分割した後に行ってもよい。
【００２１】
ところで、成分低減されたパワー正規化残差信号を、元のパワー正規化残差信号に復元する方法（復号化方法）について以下に述べる。復号化後のパワー正規化残差信号をＳｊ(dec) （ｊ＝１，・・・，Ｎ）で表す。復号化信号を得るには、各部分帯域Ωｉ毎の代表振幅Ｓｉ(ave) を用いて、まず復号化後のパワー正規化残差信号Ｓｊ(dec) を（２）式を用いて求める必要がある。なぜなら、代表振幅Ｓｉ(ave) は符号（位相）を持たない平均スペクトルであるため、符号情報が失われているためである。このとき、符号情報（符号あるいは位相とも呼ぶ）Ｃｊが必要となる。
【数２】
もちろん符号情報すら伝送せずに、代表振幅のみで復号化信号を得る方法もあるが、その場合は、ｊに関わらずＣｊ＝１とすれば良い。
【００２２】
各部分帯域毎の代表値から部分帯域内に含まれる各要素を復元する方法として、（２）式における符号（位相）Ｃｊを次の３つの方法で設定する。
（方法１）
（３）式により、元の部分帯域内に含まれる各要素毎の符号を求め、あらかじめ保存しておき、各要素毎の符号と代表値とを用いて部分帯域内に含まれる各要素を復元する。
【数３】
【００２３】
（方法２)
（４）式により、元の部分帯域内に含まれる全ての要素の総和をとることで総和の符号を求め、あらかじめ保存しておき、総和の符号と代表値とを用いて元の部分帯域内に含まれる各要素を復元する。
【数４】
【００２４】
（方法３)
（５）式により、ランダムに作成した符号と代表値とを用いて元の部分帯域内に含まれる各要素を復元する。
【数５】
【００２５】
以上３つの方法により、成分低減されたパワー正規化残差信号を元のパワー正規化残差信号に復元する。こうして圧縮符号化された量子化データから、オーディオ信号を復号することが可能となる。
【００２６】
【発明の効果】
以上のように、請求項１記載のオーディオ信号圧縮方法によれば、入力されたオーディオ信号を周波数領域信号に変換し、周波数領域信号を人間の聴覚的な性質である聴覚感度特性に対応した周波数分解能で複数の部分帯域に分割し、複数の部分帯域について各部分帯域内に含まれるパワー正規化残差信号の平均値を各部分帯域毎にそれぞれ求め、平均値を対応する部分帯域の代表値とし、全ての部分帯域の代表値を周波数領域信号と見なし、ベクトル量子化により量子化データに変換するようにしているので、人間の聴覚的な性質を利用して効率の良い量子化を行なうことができ、このオーディオ信号圧縮方法による圧縮後の量子化データから元のオーディオ信号を復元する際に、各部分帯域毎の代表値から部分帯域内に含まれる各パワー正規化残差信号を復元する方法として、元の部分帯域内に含まれる各パワー正規化残差信号毎の符号をあらかじめ保存しておき、各パワー正規化残差信号毎の符号と代表値とを用いて部分帯域内に含まれる各パワー正規化残差信号を復元するようにしているので、人間の聴覚的な性質を利用して効率の良い復号化を行なうことができる。
【００２７】
また、上述したオーディオ信号圧縮方法において、圧縮後の量子化データから元のオーディオ信号を復元する際に、各部分帯域毎の代表値から部分帯域内に含まれる各パワー正規化残差信号を復元する方法として、元の部分帯域内に含まれる全てのパワー正規化残差信号の総和を求め、総和の符号をあらかじめ保存しておき、総和の符号と代表値とを用いて元の部分帯域内に含まれる各パワー正規化残差信号を復元するようにしているので、人間の聴覚的な性質を利用して効率の良い復号化を行なうことができる。
【図面の簡単な説明】
【図１】 本発明の前提となるオーディオ信号圧縮装置の構成例を示すブロック図である。
【図２】 スペクトル成分の平均化周波数帯域を示す説明図である。
【符号の説明】
１ 時間周波数変換手段
２ メル線形予測分析手段
３ スペクトル包絡変換手段
４ スペクトル包絡正規化手段
５ パワー正規化手段
６ 帯域分割手段
７ 代表値算出手段
８ ベクトル量子化手段
【発明の属する技術分野】
本発明は、音楽や音声のオーディオ信号を小容量の伝送路での情報伝送、記録メディアへの効率的な蓄積をするために、特に人間の聴覚的な性質である聴覚感度特性に基づいてオーディオ信号を圧縮するに際し、従来よりも効率よく、高音質を保ったまま情報を圧縮したときに、量子化データからオーディオ信号を復号するオーディオ信号復号方法に関するものである。
【０００２】
【従来の技術】
オーディオ信号圧縮方法の従来例について説明する。まず入力されたオーディオ信号の時系列は、例えばＭＤＣＴ（modified discrete cosine transform：変形離散コサイン変換）、あるいはＦＦＴ（高速フーリエ変換）等により、一定周期の長さ（フレーム）毎に周波数領域信号に変換される。さらに入力オーディオ信号をフレーム毎に線形予測分析（ＬＰＣ分析）することにより、ＬＰＣ係数（線形予測係数）やＬＳＰ係数（line spectrum pair coefficient）、あるいはＰＡＲＣＯＲ係数（偏自己相関係数）等を抽出するとともに、これらの係数からＬＰＣスペクトル包絡を求める。次に、算出された周波数領域信号を、求めたＬＰＣスペクトル包絡で割り算して正規化する。そして、正規化された周波数特性を平坦化し、さらにパワーの最大値、あるいは平均値等に基づいてパワーの正規化を行ない、パワー正規化された残差信号を求める。さらにこのパワー正規化された残差信号を、スペクトル包絡を重み付けとしてベクトル量子化する。このベクトル量子化方法として、正規化された残差信号をまず第１段の量子化部で量子化し、さらに第１段の量子化部での量子化誤差成分を、第２段の量子化部で量子化する多段構成にする場合もある。このようなオーディオ信号圧縮方法の例としては、ＴｗｉｎＶＱ（岩上、守谷、三樹：「周波数重み付けインターリーブベクトル量子化（TwinVQ）によるオーディオ符号化」音講論、1-P-1,pp.339-340,(1994) ）がある。
【０００３】
【発明が解決しようとする課題】
オーディオ信号圧縮方法の従来例では、ＭＤＣＴあるいはＦＦＴ等により算出された周波数領域信号に変換し、さらにＬＰＣ分析等で得られたスペクトル包絡で割り算して正規化された周波数領域信号を求めている。そして、この周波数領域信号をベクトル量子化により量子化データに変換したり、あるいは適応ビット割り当てにより最適な量子化データに変換することでオーディオ信号の圧縮を実現している。
【０００４】
ところで一般に人間の聴覚では、低い周波数帯域の周波数分解能は高く、反対に高い周波数帯域の周波数分解能は低いという性質がある。これに対して従来のオーディオ信号圧縮方法では、周波数領域信号を圧縮する際に、この人間の聴覚の性質が十分取り入れられているとは言えず、効率的な圧縮が行われているとは言えなかった。
【０００５】
本発明は、このような従来の問題点に鑑みてなされたものであって、ＭＤＣＴ係数あるいはＦＦＴスペクトル等の周波数領域信号を、人間の聴覚的な性質である聴覚感度特性に対応した周波数分解能で複数の部分帯域に分割し、各部分帯域内に含まれる要素の平均値をそれぞれ求めて各部分帯域の代表値とし、全ての部分帯域の代表値を周波数領域信号と見なして圧縮することにより、従来よりも効率よく、高音質を保ったまま圧縮したときに、量子化データからオーディオ信号を復号するオーディオ信号復号方法を実現することを目的とする。
【０００６】
【課題を解決するための手段】
本願の請求項１の発明は、入力されたオーディオ信号を周波数領域信号に変換し、前記周波数領域信号を人間の聴覚的な性質である聴覚感度特性に対応した周波数分解能で複数の部分帯域に分割し、前記複数の部分帯域について各部分帯域内に含まれるパワー正規化残差信号の平均値を各部分帯域毎にそれぞれ求め、前記平均値を対応する部分帯域の代表値として出力し、全ての部分帯域の前記代表値を周波数領域信号と見なし、ベクトル量子化により量子化データに変換することにより、オーディオ信号の圧縮を行うオーディオ信号圧縮方法で生成された量子化データから元のオーディオ信号を復元するオーディオ信号復号方法であって、各部分帯域毎の代表値から部分帯域内に含まれる各パワー正規化残差信号を復元する方法として、元の部分帯域内に含まれる各パワー正規化残差信号毎の符号をあらかじめ保存しておき、前記各パワー正規化残差信号毎の符号と前記代表値とを用いて部分帯域内に含まれる各パワー正規化残差信号を復元することを特徴とするものである。
【０００７】
本願の請求項２の発明は、入力されたオーディオ信号を周波数領域信号に変換し、前記周波数領域信号を人間の聴覚的な性質である聴覚感度特性に対応した周波数分解能で複数の部分帯域に分割し、前記複数の部分帯域について各部分帯域内に含まれるパワー正規化残差信号の平均値を各部分帯域毎にそれぞれ求め、前記平均値を対応する部分帯域の代表値として出力し、全ての部分帯域の前記代表値を周波数領域信号と見なし、ベクトル量子化により量子化データに変換することにより、オーディオ信号の圧縮を行うオーディオ信号圧縮方法で生成された量子化データから元のオーディオ信号を復元するオーディオ信号復号方法であって、各部分帯域毎の代表値から部分帯域内に含まれる各パワー正規化残差信号を復元する方法として、元の部分帯域内に含まれる全てのパワー正規化残差信号の総和を求め、前記総和の符号をあらかじめ保存しておき、前記総和の符号と前記代表値とを用いて元の部分帯域内に含まれる各パワー正規化残差信号を復元することを特徴とするものである。
【０００８】
【発明の実施の形態】
本発明の前提となるオーディオ信号圧縮方法およびオーディオ信号圧縮装置と、本実施の形態におけるオーディオ信号復号方法について、図面と数式を用いて説明する。図１は本発明の前提となるオーディオ信号圧縮装置の構成を示すブロック図である。同図において、時間周波数変換手段１は、入力されたディジタルオーディオ信号や音声信号の時系列を、例えばＭＤＣＴあるいはＦＦＴ等により一定周期の長さ（フレーム）毎に周波数領域信号に変換する変換手段である。メル線形予測分析手段２は、入力されたオーディオ信号から人間の聴覚的な性質である聴覚感度特性に対応した周波数分解能を持つメル線形予測係数を算出する線形予測分析手段である。
【０００９】
スペクトル包絡変換手段３は、メル線形予測分析手段２で分析されたメル線形予測係数を、直線周波数軸のスペクトル包絡に変換する変換手段である。スペクトル包絡正規化手段４は、時間周波数変換手段１で算出された周波数領域信号を、スペクトル包絡変換手段３で求めたスペクトル包絡で割り算して正規化することにより、平坦な周波数特性を持つ残差信号を求める正規化手段である。パワー正規化手段５は、スペクトル包絡正規化手段４で平坦化された残差信号をパワーの最大値あるいは平均値等に基づいてパワーの正規化を行ない、パワー正規化残差信号を求める正規化手段である。
【００１０】
帯域分割手段６は、パワー正規化残差信号を人間の聴覚的な性質である聴覚感度特性に対応した周波数分解能で複数の部分帯域に分割する分割手段である。代表値算出手段７は、各々の部分帯域内に含まれる要素の平均値を部分帯域毎に求め、その平均値を各部分帯域の代表値として出力する算出手段である。ベクトル量子化手段８は、全ての部分帯域の代表値を周波数領域信号と見なし、ベクトル量子化により量子化データに変換する量子化手段である。
【００１１】
次に、以上の各手段の動作について説明する。入力されたディジタルオーディオ信号（以下、入力信号とも記す）の時系列が時間周波数変換手段１に入力されると、一定周期の長さ（フレーム）毎にＭＤＣＴあるいはＦＦＴ等により周波数領域信号に変換される。
【００１２】
次にメル線形予測分析手段２はフレーム毎にメル線形予測分析を行い、入力信号からメル線形予測係数を算出する。メル線形予測分析とは、通常の線形予測分析に人間の聴覚的な性質である聴覚感度特性を盛り込んだ分析手法であり、特に低域の周波数分解能を向上させた音声分析手法である。この手法は、中藤, 松本：" 音声認識におけるメル線形予測分析法の評価",信学技報,sp98-22(1998.6)に報告されている。
【００１３】
このメル線形予測係数を用いて直線周波数軸上のスペクトル包絡を求めるスペクトル包絡変換手段３の動作について述べる。まずメル線形予測係数をＦＦＴすることにより、メル周波数軸上のスペクトル包絡が求まる。 このメル周波数軸上のスペクトル包絡は、メル周波数軸上では等間隔に配置されているが、直線周波数軸上から見ると、その間隔は低域では細かく、高域では粗くなっている。そこで直線周波数軸上で等間隔になるよう低域では間引き、高域では補間するような処理を施す。こうすると、メル周波数軸上のスペクトル包絡から、直線周波数軸上のスペクトル包絡へと簡単に変換することができる。補間の方法としては、０次補間、１次補間、２次補間など様々なものが考えられるが、スペクトル包絡を補間する意味では同じであるので、どの方法を用いても差し支えない。なお、直線周波数軸上のスペクトル包絡を求める方法として、以下の方法を用いてもよい。まずメル線形予測分析手段２でメル線形予測分析の代わりに通常の線形予測分析を行い、入力信号から線形予測係数を算出する。次にスペクトル包絡変換手段３で線形予測係数をＦＦＴすることにより、直線周波数軸上のスペクトル包絡を求める方法である。この方法では、分析手法として通常の線形予測分析を用いているため、人間の聴覚的な性質である聴覚感度特性を十分取れ入れられないが、より少ない計算量で直線周波数軸上のスペクトル包絡を求めることが可能となる。更にスペクトル包絡を求める係数として、線形予測分析で得られるＰＡＲＣＯＲ係数やＬＳＰ係数、メル線形予測分析で得られるメルＰＡＲＣＯＲ係数やメルＬＳＰ係数などを用いても何ら差し支えない。
【００１４】
スペクトル包絡正規化手段４は、このようにして求めた直線周波数軸上のスペクトル包絡で、時間周波数変換手段１で求めた周波数領域信号を割ることで、平坦な周波数特性を持つ周波数領域信号に変換する。この周波数領域信号を残差信号とも呼ぶことがある。さらに、パワー正規化手段５は、スペクトル包絡正規化手段４で平坦化された周波数領域信号を、パワーの最大値あるいは平均値等に基づいてパワーを正規化する。すなわちパワーの最大値あるいは平均値等により周波数領域信号を割ることで、パワー正規化残差信号を求める。
【００１５】
帯域分割手段６は、パワー正規化手段５で得られたパワー正規化残差信号を、人間の聴覚的な性質である聴覚感度特性に対応した周波数分解能で複数の部分帯域に分割する。従来、パワー正規化残差信号Ｓｊ（ｊ＝１，・・・，Ｎ）は、直線周波数軸上で等間隔に配置されている。本実施の形態では、パワー正規化残差信号Ｓｊを、ｊ番目の要素あるいは成分あるいはＭＤＣＴ係数という呼び方をしている。ところで人間の聴覚的な性質では、低い周波数成分は高い周波数成分より重要視されることが分かっている。そこで、メル尺度あるいバーク尺度のように低域成分の情報量はそのままで、あまり聴覚的に重要でない高域成分を削減してから量子化すれば、より少ない情報で効率的な量子化が行えると考えられる。
【００１６】
そこでこれを実現する方法として、まず帯域分割手段６により、メルまたはバーク周波数軸上でほぼ等間隔の部分帯域Ωｉ（ｉ＝１，・・・，Ｍ）に分割する。部分帯域Ωｉとは、ＭＤＣＴ係数をメルまたはバーク周波数軸上でほぼ等間隔の部分帯域で分割したものであり、Ｍは部分帯域数である。
【００１７】
次に代表値算出手段７で、各部分帯域の代表振幅Ｓｉ(ave) を（１）式で近似することで、各々の部分帯域内に含まれる要素をその平均スペクトルで代表させる。
【数１】
【００１８】
これにより、総成分数はＮからＭに低減する。図２は、直線周波数軸上のスペクトル包絡から、メル度あるいバーク周波数軸上のスペクトル包絡へと変換する際に、成分数を低減する様子を示した説明図である。
【００１９】
最後に、このように成分低減されたパワー正規化残差信号、すなわち各々の部分帯域の代表値をメルまたはバーク周波数軸上でのパワー正規化残差信号と見なし、ベクトル量子化手段８により量子化データへと変換する。
【００２０】
以上の処理の流れの中で、帯域分割手段６および代表値算出手段７が、パワー正規化手段５の前、あるいはスペクトル包絡正規化手段４の前で処理されても一向に構わない。また、圧縮方式によっては、パワー正規化手段５あるいはスペクトル包絡正規化手段４あるいはその両者が無い場合もありうる。その場合でも帯域分割手段６および代表値算出手段７を用いることが可能である。また、本実施の形態では、成分低減されたパワー正規化残差信号をベクトル量子化手段８により量子化データへと変換したが、別の量子化アプローチ、例えば適応ビット割り当てにより、最適な量子化データに変換する方法を用いても同様の効果を得ることが可能である。更に成分低減されたパワー正規化残差信号をベクトル量子化する方法として、成分低減されたパワー正規化残差信号を直接ベクトル量子化する方法や成分低減されたパワー正規化残差信号をインターリーブし、複数のベクトルに分割した後に行ってもよい。
【００２１】
ところで、成分低減されたパワー正規化残差信号を、元のパワー正規化残差信号に復元する方法（復号化方法）について以下に述べる。復号化後のパワー正規化残差信号をＳｊ(dec) （ｊ＝１，・・・，Ｎ）で表す。復号化信号を得るには、各部分帯域Ωｉ毎の代表振幅Ｓｉ(ave) を用いて、まず復号化後のパワー正規化残差信号Ｓｊ(dec) を（２）式を用いて求める必要がある。なぜなら、代表振幅Ｓｉ(ave) は符号（位相）を持たない平均スペクトルであるため、符号情報が失われているためである。このとき、符号情報（符号あるいは位相とも呼ぶ）Ｃｊが必要となる。
【数２】
【００２２】
各部分帯域毎の代表値から部分帯域内に含まれる各要素を復元する方法として、（２）式における符号（位相）Ｃｊを次の３つの方法で設定する。
（方法１）
（３）式により、元の部分帯域内に含まれる各要素毎の符号を求め、あらかじめ保存しておき、各要素毎の符号と代表値とを用いて部分帯域内に含まれる各要素を復元する。
【数３】
（方法２)
（４）式により、元の部分帯域内に含まれる全ての要素の総和をとることで総和の符号を求め、あらかじめ保存しておき、総和の符号と代表値とを用いて元の部分帯域内に含まれる各要素を復元する。
【数４】
（方法３)
（５）式により、ランダムに作成した符号と代表値とを用いて元の部分帯域内に含まれる各要素を復元する。
【数５】
以上３つの方法により、成分低減されたパワー正規化残差信号を元のパワー正規化残差信号に復元する。こうして圧縮符号化された量子化データから、オーディオ信号を復号することが可能となる。
【００２６】
【発明の効果】
以上のように、請求項１記載のオーディオ信号圧縮方法によれば、入力されたオーディオ信号を周波数領域信号に変換し、周波数領域信号を人間の聴覚的な性質である聴覚感度特性に対応した周波数分解能で複数の部分帯域に分割し、複数の部分帯域について各部分帯域内に含まれるパワー正規化残差信号の平均値を各部分帯域毎にそれぞれ求め、平均値を対応する部分帯域の代表値とし、全ての部分帯域の代表値を周波数領域信号と見なし、ベクトル量子化により量子化データに変換するようにしているので、人間の聴覚的な性質を利用して効率の良い量子化を行なうことができ、このオーディオ信号圧縮方法による圧縮後の量子化データから元のオーディオ信号を復元する際に、各部分帯域毎の代表値から部分帯域内に含まれる各パワー正規化残差信号を復元する方法として、元の部分帯域内に含まれる各パワー正規化残差信号毎の符号をあらかじめ保存しておき、各パワー正規化残差信号毎の符号と代表値とを用いて部分帯域内に含まれる各パワー正規化残差信号を復元するようにしているので、人間の聴覚的な性質を利用して効率の良い復号化を行なうことができる。
【００２７】
また、上述したオーディオ信号圧縮方法において、圧縮後の量子化データから元のオーディオ信号を復元する際に、各部分帯域毎の代表値から部分帯域内に含まれる各パワー正規化残差信号を復元する方法として、元の部分帯域内に含まれる全てのパワー正規化残差信号の総和を求め、総和の符号をあらかじめ保存しておき、総和の符号と代表値とを用いて元の部分帯域内に含まれる各パワー正規化残差信号を復元するようにしているので、人間の聴覚的な性質を利用して効率の良い復号化を行なうことができる。
【図面の簡単な説明】
【図１】 本発明の前提となるオーディオ信号圧縮装置の構成例を示すブロック図である。
【図２】 スペクトル成分の平均化周波数帯域を示す説明図である。
【符号の説明】
１ 時間周波数変換手段
２ メル線形予測分析手段
３ スペクトル包絡変換手段
４ スペクトル包絡正規化手段
５ パワー正規化手段
６ 帯域分割手段
７ 代表値算出手段
８ ベクトル量子化手段
Claims (2)
- 入力されたオーディオ信号を周波数領域信号に変換し、
前記周波数領域信号を人間の聴覚的な性質である聴覚感度特性に対応した周波数分解能で複数の部分帯域に分割し、
前記複数の部分帯域について各部分帯域内に含まれるパワー正規化残差信号の平均値を各部分帯域毎にそれぞれ求め、前記平均値を対応する部分帯域の代表値として出力し、
全ての部分帯域の前記代表値を周波数領域信号と見なし、ベクトル量子化により量子化データに変換することにより、オーディオ信号の圧縮を行うオーディオ信号圧縮方法で生成された量子化データから元のオーディオ信号を復元するオーディオ信号復号方法であって、
各部分帯域毎の代表値から部分帯域内に含まれる各パワー正規化残差信号を復元する方法として、元の部分帯域内に含まれる各パワー正規化残差信号毎の符号をあらかじめ保存しておき、前記各パワー正規化残差信号毎の符号と前記代表値とを用いて部分帯域内に含まれる各パワー正規化残差信号を復元することを特徴とするオーディオ信号復号方法。 - 入力されたオーディオ信号を周波数領域信号に変換し、
前記周波数領域信号を人間の聴覚的な性質である聴覚感度特性に対応した周波数分解能で複数の部分帯域に分割し、
前記複数の部分帯域について各部分帯域内に含まれるパワー正規化残差信号の平均値を各部分帯域毎にそれぞれ求め、前記平均値を対応する部分帯域の代表値として出力し、
全ての部分帯域の前記代表値を周波数領域信号と見なし、ベクトル量子化により量子化データに変換することにより、オーディオ信号の圧縮を行うオーディオ信号圧縮方法で生成された量子化データから元のオーディオ信号を復元するオーディオ信号復号方法であって、
各部分帯域毎の代表値から部分帯域内に含まれる各パワー正規化残差信号を復元する方法として、元の部分帯域内に含まれる全てのパワー正規化残差信号の総和を求め、前記総和の符号をあらかじめ保存しておき、前記総和の符号と前記代表値とを用いて元の部分帯域内に含まれる各パワー正規化残差信号を復元することを特徴とするオーディオ信号復号方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP06176199A JP4274614B2 (ja) | 1999-03-09 | 1999-03-09 | オーディオ信号復号方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP06176199A JP4274614B2 (ja) | 1999-03-09 | 1999-03-09 | オーディオ信号復号方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2000259190A JP2000259190A (ja) | 2000-09-22 |
| JP4274614B2 true JP4274614B2 (ja) | 2009-06-10 |
Family
ID=13180462
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP06176199A Expired - Fee Related JP4274614B2 (ja) | 1999-03-09 | 1999-03-09 | オーディオ信号復号方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP4274614B2 (ja) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4296752B2 (ja) | 2002-05-07 | 2009-07-15 | ソニー株式会社 | 符号化方法及び装置、復号方法及び装置、並びにプログラム |
| KR100788706B1 (ko) | 2006-11-28 | 2007-12-26 | 삼성전자주식회사 | 광대역 음성 신호의 부호화/복호화 방법 |
| KR101546793B1 (ko) | 2008-07-14 | 2015-08-28 | 삼성전자주식회사 | 오디오 신호의 부호화/복호화 방법 및 장치 |
| BRPI0917953B1 (pt) | 2008-08-08 | 2020-03-24 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Aparelho de atenuação de espectro, aparelho de codificação, aparelho terminal de comunicação, aparelho de estação base e método de atenuação de espectro. |
| JP7115353B2 (ja) | 2019-02-14 | 2022-08-09 | 株式会社Ｊｖｃケンウッド | 処理装置、処理方法、再生方法、及びプログラム |
| CN112444742B (zh) * | 2020-11-09 | 2022-05-06 | 国网山东省电力公司信息通信公司 | 一种继电保护通道监视预警系统 |
-
1999
- 1999-03-09 JP JP06176199A patent/JP4274614B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JP2000259190A (ja) | 2000-09-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN1838239B (zh) | 一种用于增强信源解码器的设备及方法 | |
| US6826526B1 (en) | Audio signal coding method, decoding method, audio signal coding apparatus, and decoding apparatus where first vector quantization is performed on a signal and second vector quantization is performed on an error component resulting from the first vector quantization | |
| US7243061B2 (en) | Multistage inverse quantization having a plurality of frequency bands | |
| US6681204B2 (en) | Apparatus and method for encoding a signal as well as apparatus and method for decoding a signal | |
| JPH06118995A (ja) | 広帯域音声信号復元方法 | |
| JP3344962B2 (ja) | オーディオ信号符号化装置、及びオーディオ信号復号化装置 | |
| KR19990077753A (ko) | 오디오 신호 부호화 장치, 오디오 신호 복호화 장치 및 오디오 신호 부호화/복호화 장치 | |
| GB2357231A (en) | Encoding and decoding speech signals | |
| EP3040988B1 (en) | Audio decoding based on an efficient representation of auto-regressive coefficients | |
| JP3186007B2 (ja) | 変換符号化方法、復号化方法 | |
| WO2009125588A1 (ja) | 符号化装置および符号化方法 | |
| JP3344944B2 (ja) | オーディオ信号符号化装置，オーディオ信号復号化装置，オーディオ信号符号化方法，及びオーディオ信号復号化方法 | |
| JP3087814B2 (ja) | 音響信号変換符号化装置および復号化装置 | |
| JP4274614B2 (ja) | オーディオ信号復号方法 | |
| JP4359949B2 (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 | |
| 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 | |
| JPH05265499A (ja) | 高能率符号化方法 | |
| JP3353266B2 (ja) | 音響信号変換符号化方法 | |
| JP3698418B2 (ja) | オーディオ信号圧縮方法，およびオーディオ信号圧縮装置 | |
| JPH05297898A (ja) | データ数変換方法 | |
| JP4618823B2 (ja) | 信号符号化装置及び方法 | |
| JP3230782B2 (ja) | 広帯域音声信号復元方法 | |
| JP4024185B2 (ja) | デジタルデータ符号化装置 | |
| JP4327420B2 (ja) | オーディオ信号符号化方法、及びオーディオ信号復号化方法 | |
| JP3297750B2 (ja) | 符号化方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20051104 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20080901 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20080909 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20081029 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20081125 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20090107 |
|
| 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: 20090203 |
|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20090303 |
|
| 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: 20120313 Year of fee payment: 3 |
|
| LAPS | Cancellation because of no payment of annual fees |