JP4673882B2 - 推定値を決定するための方法および装置 - Google Patents

Description

本発明は、オーディオおよび／またはビデオ情報を含む信号を符号化するための符号器に関し、特に、この信号を符号化するための情報ユニットの必要性の推定に関する。

先行技術の符号器について以下に説明する。符号化されるオーディオ信号は、入力部１０００に供給される。このオーディオ信号は、最初にスケーリングステージ１００２に供給され、そこにおいて、いわゆるＡＡＣゲイン制御がオーディオ信号のレベルを確立するために行われる。スケーリングによるサイド情報は、ブロック１００２とブロック１００４との間に位置する矢印によって表されるように、ビットストリームフォーマッタ１００４に供給される。次に、スケーリングされたオーディオ信号は、ＭＤＣＴフィルタバンク１００６に供給される。ＡＡＣ符号器については、フィルタバンクは、窓長がブロック１００８によって決定される、５０％オーバラップする窓を有する変形離散コサイン変換を実施する。

一般に言って、ブロック１００８は、過渡信号を比較的短い窓で窓掛け処理し、および定常する傾向がある信号を比較的長い窓で窓掛け処理するために存在する。これは、過渡信号の場合、比較的短い窓によって（周波数分解能を犠牲にして）より高いレベルの時間分解能に到達するために役立つが、定常する傾向がある信号の場合、（時間分解能を犠牲にして）より高い周波数分解能がより長い窓によって達成され、より長い窓はより高い符号化ゲインを生じるため、より長い窓が好まれる傾向がある。フィルタバンク１００６の出力部では、ブロックが時間的に連続しているスペクトル値のブロックが存在し、これは、フィルタバンクの実施に応じてＭＤＣＴ係数、フーリエ係数またはサブバンド信号でよく、各サブバンド信号は、フィルタバンク１００６における個々のサブバンドチャネルによって指定される特定の限られた帯域幅を有し、各サブバンド信号は、特定数のサブバンドサンプルを有する。

次に、一例として、フィルタバンクが、一般的に、入力部１０００で符号化されるオーディオ信号の連続する短期スペクトルを表す、ＭＤＣＴスペクトル係数の時間的に連続するブロックを、出力する事例を説明する。次に、ＭＤＣＴスペクトル値のブロックは、ＴＮＳ処理ブロック１０１０（ＴＮＳ＝時間領域ノイズ整形）に供給され、時間領域ノイズ整形が実行される。ＴＮＳ技術は、変換の各窓内の量子化ノイズの時間的なフォームを整形するために使用される。これは、各チャネルのスペクトルデータの部分にフィルタリング処理を適用することによって達成される。符号化は、窓ベースで実行される。特に、以下のステップは、ＴＮＳツールをスペクトルデータの窓に、すなわちスペクトル値のブロックに適用するために実行される。

先ず、ＴＮＳツールのための周波数範囲が選択される。適切な選択は、最大限可能なスケールファクタバンドまで、１．５ｋＨｚの周波数範囲をフィルタでカバーすることを含む。この周波数範囲は、ＡＡＣ規格（ＩＳＯ／ＩＥＣ１４４９６−３：２００１（Ｅ））に指定されているように、サンプリングレートによって決まることを指摘しておく。

その後、正確には、選択された目標周波数範囲に存在するスペクトルＭＤＣＴ係数を使用して、ＬＰＣ計算（ＬＰＣ＝線形予測符号化）が実行される。安定性を高めるために、２．５ｋＨｚ未満の周波数に対応する係数は、この処理から除外される。スピーチ処理から公知の一般的なＬＰＣ手順は、ＬＰＣ計算、たとえば公知のレビンソン−ダービンアルゴリズムのために使用される。この計算は、ノイズ整形フィルタの最大限許容できる次数のために実行される。

ＬＰＣ計算の結果として、予想された予測ゲインＰＧが得られる。さらに、反射係数またはＰＡＲＣＯＲ係数が得られる。

予測ゲインが特定の閾値を超えない場合、ＴＮＳツールは適用されない。この場合、制御情報の一部はビットストリーム内に書き込まれるため、復号器は、ＴＮＳ処理が実行されなかったことを知る。

しかし、予測ゲインが閾値を超える場合、ＴＮＳ処理が適用される。

次のステップでは、反射係数が量子化される。使用されるノイズ整形フィルタの次数は、閾値より小さい絶対値を有するすべての反射係数を反射係数のアレイの「後部」から除去することによって決定される。残りの反射係数の数は、ほぼノイズ整形フィルタの大きさ程度である。適切な閾値は０．１である。

残りの反射係数は、一般に、線形予測係数に転換され、この技術は、「変数増加」法としても公知である。

次に、計算されたＬＰＣ係数は、符号器のノイズ整形フィルタ係数、すなわち予測フィルタ係数として使用される。ＦＩＲフィルタは、指定された目標周波数範囲におけるフィルタリングのために使用される。自己回帰フィルタは復号化に使用されるが、いわゆる移動平均フィルタは符号化に使用される。最終的には、ＴＮＳツールのためのサイド情報は、図３におけるＴＮＳ処理ブロック１０１０とビットストリームフォーマッタ１００４との間に矢印で表されているように、ビットストリームフォーマッタに供給される。

次に、最終的にミッド／サイド符号器１０１２に到達するまで、たとえば長期予測ツール、強度／結合ツール、予測ツール、ノイズ置換ツールのように、図３に示されていないいくつかの任意のツールを通過する。ミッド／サイド符号器１０１２は、符号化されるオーディオ信号がマルチチャネル信号、すなわち左チャネルおよび右チャネルを有するステレオ信号である場合にアクティブである。ここまで、すなわち図３においてブロック１０１２から上流では、左および右ステレオチャネルは、互いに別々に、処理され、すなわち、スケーリングされ、フィルタバンクによって変換され、ＴＮＳ処理を受けまたは受けないなどである。

ミッド／サイド符号器では、検証は、最初に、ミッド／サイド符号化が意味を成すかどうか、すなわち、とにかく符号化ゲインを生じるかどうかについて実行される。ミッド／サイド符号化は、左および右チャネルが類似する傾向がある場合、符号化ゲインを生じる。なぜなら、この場合、ミッドチャネル、すなわち左および右チャネルの合計は、１／２のファクタによるスケーリングは別として、殆ど左チャネルまたは右チャネルに等しいが、サイドチャネルは、左および右チャネル間の差に等しいため、非常に小さい値を有するからである。その結果、左および右チャネルがほぼ同じである場合、差はほぼゼロであるか、または非常に小さい値のみを含み、この値は、望ましいことだが、後続の量子化器１０１４でゼロに量子化され、その結果、エントロピー符号器１０１６は量子化器１０１４の下流に接続されるため、非常に効果的な方法で送信されることが分かる。

量子化器１０１４には、心理音響モデル１０２０によって、スケールファクタバンドごとに１つの許容できる雑音が供給される。量子化器は反復的な方法で動作し、すなわち、最初に外部反復ループが呼び出され、量子化器は、次に内部反復ループを呼び出す。一般的に、量子化器ステップサイズの初期値から始まって、値のブロックの量子化は、量子化器１０１４の入力部で最初に実行される。特に、内部ループは、ＭＤＣＴ係数を量子化し、この処理では特定数のビットが消費される。外部ループは、再び内部ループを呼び出すために、スケールファクタを使用して、係数の歪みおよび修正エネルギーを計算する。この処理は、特定の条件節が満たされるまで、このような時間の間にわたって反復される。外部反復ループにおける各反復では、信号は、量子化によって導入される雑音を計算し、この雑音と心理音響モデル１０２０によって供給される許可された雑音とを比較するように再構築される。さらに、この比較の後にさらに妨げられると考えられるこれらの周波数帯域のスケールファクタは、外部反復ループの各反復にとって正確であるために、反復から反復までの１以上のステージによって拡大される。

量子化によって導入される量子化雑音が、心理音響モデルによって決定される許可された雑音未満であるという状況に到達した後、同時にビット要求が、正確であるために、最大ビットレートを超えない状態を満たす場合、反復、すなわち合成による分析方法は終了され、得られたスケールファクタはブロック１０１４に示されるように符号化され、ブロック１０１４とブロック１００４との間に描かれている矢印によってマークされるようにビットストリームフォーマッタ１００４に、符号化されたフォームで供給される。次に、量子化された値はエントロピー符号器１０１６に供給され、エントロピー符号器１０１６は、量子化された値をバイナリフォーマットに翻訳するために、いくつかのハフマン符号テーブルを使用して様々なスケールファクタバンドのためのエントロピー符号化を一般に実行する。周知のとおり、ハフマン符号化の形式におけるエントロピー符号化は、予想された信号統計値に基づいて作成される符号テーブル上におけるフォールバックを伴い、頻繁に生じる値には、比較的頻繁に発生しない値より短い符号語が与えられる。次に、エントロピー符号化値は、実際のメイン情報としてビットストリームフォーマッタ１００４に供給され、次に、ビットストリームフォーマッタ１００４は、特定のビットストリーム構文に従って出力側で符号化オーディオ信号を出力する。

これまで、オーディオ信号のデータ整理は、一連の国際規格（たとえば、ＩＳＯ／ＭＰＥＧ−１、ＭＰＥＧ−２ ＡＡＣ、ＭＰＥＧ−４）の対象である公知の技術である。

上述の方法では、一般に、入力信号は、いわゆる符号器によって、知覚に関連する効果（心理音響学、心理光学）を利用してコンパクトなデータ整理表現に変えられる。このため、通常、信号のスペクトル分析が実行され、知覚モデルを考慮に入れて、対応する信号成分が量子化され、次に、できるだけコンパクトになるように、いわゆるビットストリームとして符号化される。

実際の量子化の前に、符号化される特定の信号部分がいくつのビットを必要とするかを推定するために、いわゆる心理聴覚エントロピー（ＰＥ）が使用される。ＰＥは、符号器が特定の信号またはその部分を符号化することがどの程度困難かという基準も提供する。

実際に必要なビット数と比べたＰＥの偏差は、推定の質のために重要である。

さらに、過渡信号は定常信号に比べて符号化のためにより多くのビットを必要とするため、心理聴覚エントロピーおよび／または信号を符号化するための情報ユニットの必要性の各推定値が、信号が過渡状態であるか定常状態であるかを推定するために使用される。信号の過渡特性の推定は、図３におけるブロック１００８に示されるように、たとえば、窓長の決定を実行するために使用される。

図６では、心理聴覚エントロピーは、ＩＳＯ／ＩＥＣ ＩＳ １３８１８−７（ＭＰＥＧ−２アドバンストオーディオコーディング（ＡＡＣ））に従って計算されるように示される。図６に示される方程式は、この心理聴覚エントロピーの計算、すなわち帯域的な心理聴覚エントロピーの計算に使用される。この方程式では、パラメータｐｅは、心理聴覚エントロピーを表す。さらに、ｗｉｄｔｈ（ｂ）は、個々の帯域ｂにおけるスペクトル係数の数を表す。さらに、ｅ（ｂ）は、この帯域における信号のエネルギーである。最後に、ｎｂ（ｂ）は、対応するマスキング閾値、または、より一般的には、たとえば量子化によって信号内に導入されることが可能であるが、それにも関わらず人間のリスナーにとってまったく聞こえないかまたはごく微量の雑音としか聞こえない許容できる雑音である。

この帯域は、心理音響モデル（図３におけるブロック１０２０）の帯域偏差から生じるか、または量子化に使用されるいわゆるスケールファクタバンド（ｓｃｆｂ）である。心理音響マスキング閾値は、量子化誤差が超えてはならないエネルギー値である。

したがって、図６に示される図は、このようにして決定された心理聴覚エントロピーが、符号化に必要なビット数の推定として、いかに良好に機能するかを示す。このため、個々の心理聴覚エントロピーは、個々のブロックごとに異なるビットレートでＡＡＣ符号器の例において使用されたビットに応じてプロットされた。使用されるテストピースは、音楽、スピーチおよび個々の機器の代表的な混合を含む。

理想的には、これらの点は、ゼロ点を通る直線に沿って収集される。理想線からの偏差を有する点の連続の広がりは、不正確な推定を明確にする。

したがって、図６に示される概念で不利なことは偏差であり、この偏差は、たとえば、心理聴覚エントロピーのためにあまりに高い値が生じるという点で影響を与え、その結果、実際に必要とされるビットより多くのビットが必要とされるということが量子化器に信号で伝えられることを意味する。これは、量子化器があまりに微細に量子化する、すなわち、許容できる雑音の基準を使い果たさず、符号化ゲインの減少を生じるという事実になる。一方、心理聴覚エントロピーのための値があまりに小さいと決定される場合、実際に必要とされるビットより少ないビットが信号を符号化するために必要とされるということが量子化器に信号で伝えられる。その結果、量子化器はあまりに粗雑に量子化し、対策を講じない場合、信号に直ちに可聴雑音がもたらされるという事実が生じる。この対策は、量子化器が１以上のさらなる反復ループを必要とし、符号器の演算時間を増加することである。

心理聴覚エントロピーの計算を改善するために、図７に示されるように、１．５などの定数項を対数式に導入することができる。次に、より良好な結果、すなわちより小さい上方または下方偏差は、以前から得ることができるが、それにも関わらず、対数式における定数項を考慮に入れる場合、心理聴覚エントロピーがビットの必要性をあまりに楽観的に信号で伝えるという状況は確かに減少する。一方、図７から、あまりに多数のビットが意味ありげに信号で伝えられ、その結果、量子化器は常にあまりに微細に量子化する、すなわち、ビットの必要性は、実際に必要であるよりも多く仮定され、その結果、符号化ゲインの減少を生じることが明らかに分かる。対数式における定数は、サイド情報のために必要とされるビットの粗い推定である。

したがって、ある項を対数式に挿入すると、確かに、図６に示されているように、帯域的な心理聴覚エントロピーが改善される。なぜなら、ゼロに量子化されるスペクトル係数の送信のために一定量のビットも必要であるため、エネルギーとマスキング閾値との間の距離が非常に小さい帯域がより考慮に入れられるからである。

さらに、心理聴覚エントロピーの非常に演算時間集約的な計算が図８に示される。図８には、心理聴覚エントロピーが直線的な方法で計算される場合が示される。しかし、この場合の欠点は、直線的な計算のより高い演算費用にある。この場合、エネルギーの代わりに、スペクトル係数Ｘ（ｋ）が使用され、ｋＯｆｆｓｅｔ（ｂ）は、帯域ｂの最初のインデックスを指定する。図８を図７と比較すると、上方「偏位」の減少は、２，０００〜３，０００ビットの範囲で明確に見られる。したがって、ＰＥ推定はより正確になり、すなわち、過度に悲観的に推定することがなく、むしろ最適な状態を保つため、符号化ゲインは、図６および図７に示される計算方法と比べて増加する、および／または量子化器における反復の数が減少する。

しかし、図８に示される方程式を評価するために必要な演算時間は、心理聴覚エントロピーの直線的な計算において不利である。

こうした演算時間の不利な点は、符号器が強力なＰＣまたは強力なワークステーション上で動作する場合、必ずしも何らかの役割を果たすわけではない。しかし、符号器が携帯ＵＭＴＳ電話などの携帯デバイス内に収容される場合、状況は完全に異なり、符号器は、一方では小型で安価である必要があり、他方では、ＵＭＴＳ接続を解して送信されるオーディオ信号またはビデオ信号の符号化を可能にするために、電流の必要性が低く、さらに迅速に動作しなければならない。

本発明の目的は、信号を符号化するための情報ユニットの必要性の推定値を決定するための効率的かつ正確な概念を提供することである。

この目的は、請求項１の装置、請求項１０の方法または請求項１１のコンピュータプログラムによって達成される。

本発明は、情報ユニットの必要性の推定値の周波数帯域的な計算は、演算時間の点で維持しなければならないが、推定値の正確な決定を得るために、帯域的な方法で計算される周波数帯域におけるエネルギーの分布を考慮に入れなければならないという発見結果に基づく。

これで、量子化器の後のエントロピー符号器は、ある点では暗に、情報ユニットの必要性の推定値の決定に「引き込」まれる。エントロピー符号化は、より大きいスペクトル値を送信する場合より、より小さいスペクトル値を送信する場合に、より少量のビットが必要になることを可能にする。エントロピー符号器は、ゼロに量子化されるスペクトル値を送信できる場合、特に効果的である。これらは最も頻繁に生じるため、ゼロに量子化されるスペクトルラインを送信するための符号語は最短の符号語であり、次第に大きくなる量子化スペクトルラインを送信するための符号語は次第に長くなる。さらに、ゼロに量子化される一連のスペクトル値を送信するために特に効果的な概念では、同等のランレングス符号化が使用され、その結果、平均的に見て、ゼロに量子化されるスペクトル値ごとにゼロ続きの場合、単一ビットさえ必要ない。

先行技術に使用される情報ユニットの必要性の推定値を決定するための帯域的な心理聴覚エントロピーの計算は、この周波数帯域におけるエネルギーの分布が、完全に均一な分布から逸脱する場合、下流のエントロピー符号器の動作モードを完全に無視する。

したがって、本発明によれば、帯域的な計算の不正確さを減少するために、帯域内でエネルギーがどのように分布するかを考慮に入れる。

実施に応じて、この周波数帯域におけるエネルギーの分布のための基準は、量子化器でゼロに量子化されない周波数ラインの推定によってまたは実際の大きさに基づいて決定される。「ｎｌ」とも呼ばれるこの基準は、ｎｌが「有効ラインの数」を表し、演算時間の効率の点で好ましい。しかし、ゼロまたはより微細な再分割に量子化されるスペクトルラインの数が考慮に入れられ、この推定がますます正確になり、下流のエントロピー符号器のより多くの情報が考慮に入れられる。エントロピー符号器がハフマン符号テーブルに基づいて構築される場合、これらの符号テーブルの特性は特によく統合される。なぜなら、符号テーブルは、オンラインで、すなわち信号統計によって計算されるのではなく、符号テーブルは、実際の信号に関係なくとにかく固定されるからである。

しかし、演算時間の制限に応じて、特に効果的な計算の場合、この周波数帯域におけるエネルギーの分布のための基準は、量子化後も存続するラインの決定、すなわち有効ラインの数によって実行される。

本発明は、先行技術より正確かつ効果的な情報のコンテンツの必要性の推定値が決定される際に有利である。

さらに、本発明は、様々なアプリケーションのためにスケーリング可能であり、これは、増加した演算時間のコストを犠牲にするが、エントロピー符号器のより多くの特性を常に推定値の所望の正確さに応じてビットの必要性の推定に考慮することができるからである。

本発明の好ましい実施形態が添付図面を参照して後に詳細に説明されるが、これらの図としては：
図１は、推定値を決定するための本発明の装置のブロック回路図であり、
図２ａは、周波数帯域におけるエネルギーの分布のための基準を計算するための手段の好ましい実施態様を示し、
図２ｂは、ビットの必要性の推定値を計算するための手段の好ましい実施態様を示し、
図３は、公知のオーディオ符号器のブロック回路図であり、
図４は、推定値の決定における帯域内のエネルギー分布の影響を説明するための原理図であり、
図５は、本発明による推定値計算のための図であり、
図６は、ＩＳＯ／ＩＥＣ ＩＳ １３８１８−７（ＡＡＣ）による推定値計算のための図であり、
図７は、定数項を有する推定値計算のための図であり、
図８は、定数項を有する直線的な推定値計算のための図である。

続いて、図１に関して、信号を符号化するための情報ユニットの必要性の推定値を決定するための本発明の装置について説明する。信号は、オーディオおよび／またはビデオ信号であり、入力部１００を介して供給される。好ましくは、信号は、スペクトル値を有するスペクトル表現として既に存在する。しかし、これは、時間信号を有するいくらかの計算も、たとえば、対応する帯域通過フィルタリングによって実行されるため、絶対的に必要なわけではない。

信号は、信号の周波数帯域のための許容できる雑音ための基準を提供するための手段１０２に供給される。許容できる雑音は、図３（ブロック１０２０）に基づいて説明したように、たとえば心理音響モデルによって決定される。手段１０２は、この周波数帯域における信号のエネルギーのための基準も提供するように、さらに動作可能である。許容できる雑音または信号エネルギーが示される周波数帯域が、信号のスペクトル表現の少なくとも２以上のスペクトルラインを含むことは、帯域的な計算のために前提条件である。代表的な標準オーディオ符号器では、周波数帯域は、スケールファクタバンドであることが好ましい。なぜなら、ビットの必要性の推定は、行われる量子化がビット基準に適合するかどうかを確認するために、量子化器によって直ちに必要とされるからである。

手段１０２は、帯域における信号の許容できる雑音ｎｂ（ｂ）および信号エネルギーｅ（ｂ）の両方を、ビットの必要性の推定値を計算するための手段１０４に供給するために形成される。

本発明によれば、ビットの必要性の推定値を計算するための手段１０４は、許容できる雑音および信号エネルギーに関係なく、周波数帯域におけるエネルギーの分布のための基準ｎｌ（ｂ）を考慮に入れるように形成され、この場合、周波数帯域におけるエネルギーの分布は、完全に均一な分布から逸脱する。帯域のスペクトル分析を実行し、たとえば周波数帯域におけるエネルギーの分布のための基準を得るために、エネルギーの分布のための基準は手段１０６で計算され、手段１０６は、少なくとも１つの帯域、すなわち、帯域通過信号としてまたは直接スペクトルラインの結果として、オーディオまたはビデオ信号の考慮された周波数帯域を必要とする。

当然、オーディオまたはビデオ信号は、時間信号として手段１０６に供給され、手段１０６は、帯域フィルタリングおよび帯域における分析を実行する。別の方法として、手段１０６に供給されるオーディオまたはビデオ信号は、たとえばＭＤＣＴ係数として、または、ＭＤＣＴフィルタバンクと比べると帯域通過フィルタの数がより少ないフィルタバンクにおける帯域通過信号として、周波数領域に既に存在してもよい。

好ましい実施態様では、計算するための手段１０６は、推定値を計算するために、周波数帯域におけるスペクトル値の現在の大きさを考慮に入れるために形成される。

さらに、エネルギーの分布のための基準を計算するための手段は、エネルギーの分布のための基準として、その大きさが所定の大きさ閾値より大きい若しくはそれに等しい、または、その大きさがその大きさ閾値より小さい若しくはそれに等しいスペクトル値の数を決定するために形成され、その大きさ閾値は、好ましくは、量子化器において、ゼロに量子化される量子化器ステージより小さいまたはそれに等しい値を生じる、推定された量子化器ステージである。この場合、エネルギーのための基準は、有効ラインの数、すなわち、量子化後に存続しているかまたはゼロに等しくないラインの数である。

図２ａは、周波数帯域におけるエネルギーの分布のための基準を計算するための手段１０６のための好ましい実施態様を示す。周波数帯域におけるエネルギーの分布のための基準は、図２ａにｎｌ（ｂ）で示される。フォームファクタｆｆａｃ（ｂ）は、既に周波数帯域におけるエネルギーの分布のための基準である。ブロック１０６から分かるように、スペクトル分布ｎｌのための基準は、帯域幅ｗｉｄｔｈ（ｂ）および／またはスケールファクタバンドｂにおけるラインの数で除算した信号エネルギーｅ（ｂ）の４乗根で重み付けすることによって、フォームファクタｆｆａｃ（ｂ）から決定される。これに関連して、フォームファクタは、エネルギーの分布のための基準を示す数量の一例でもあり、ｎｌ（ｂ）は、これと対照的に、量子化のために関連したラインの数のための推定値を表す数量の一例であるという事実を指摘しておく。

フォームファクタｆｆａｃ（ｂ）は、スペクトルラインの大きさ形成、それに続くこのスペクトルラインのルート形成およびそれに続く帯域におけるスペクトルラインの大きさの「ルート」の合計によって計算される。

図２ｂは、推定値ｐｅを計算するための手段１０４の好ましい実施態様を示し、事例の差別化も図２ｂに導入され、すなわちエネルギー対許容できる雑音の比率の底が２である対数が定数ファクタｃ１より大きいかまたはその定数ファクタに等しい場合に導入される。この場合、ブロック１０４の最上位の選択肢が選ばれ、すなわち、スペクトル分布ｎｌのための基準は対数式で乗算される。

一方、信号エネルギー対許容できる雑音の比率の底が２である対数が、値ｃ１より小さいと決定された場合、図２ｂのブロック１０４における最下位の選択肢が使用され、これは、加算定数ｃ２も定数ｃ２およびｃ１から計算された乗算定数ｃ３もさらに有する。

その後、図４ａおよび図４ｂに基づいて、本発明の概念を説明する。図４ａは、大きさがすべて等しい４本のスペクトルラインが存在する帯域を示す。したがって、この帯域におけるエネルギーは、帯域全体に均一に分布する。対照的に、図４ｂは、帯域におけるエネルギーが１本のスペクトルラインに存在し、他の３本のスペクトルラインがゼロに等しいという状況を示す。図４ｂでゼロに設定されるスペクトルラインが、量子化以前の最初の量子化器ステージより小さく、量子化器によってゼロに設定される、すなわち「存続しない」場合、図４ｂに示される帯域は、たとえば量子化以前に存在するか、または量子化後に得られる。

したがって、図４ｂの有効ラインの数は１に等しく、図４ｂにおけるパラメータｎｌは２の平方根として計算される。対照的に、値ｎｌ、すなわちエネルギーのスペクトル分布のための基準は、図４ａで４として計算される。これは、スペクトルエネルギーの分布のための基準がより大きい場合、エネルギーのスペクトル分布がより均一であることを意味する。

先行技術による心理聴覚エントロピーの帯域的な計算は、２つの事例間の相違を確認しないという事実を指摘しておく。特に、図４ａおよび４ｂに示される両方の帯域に同じエネルギーが存在する場合、相違は確認されない。

しかし、ゼロに設定された３本のスペクトルラインは非常に効果的に送信できるため、図４ｂに示される事例は、明らかに、ビットが少ない１本の関連ラインのみで符号化できる。一般に、図４ｂに示される事例のより単純な量子化能力は、量子化および可逆符号化後、より小さい値、および特にゼロに量子化される値が、送信のためにより少ないビットを必要とするという事実に基づく。

したがって、本発明によれば、エネルギーが帯域内でどのように分布するかが考慮される。上述のとおり、これは、既知の方程式（図６）における帯域ごとのラインの数を、量子化後ゼロに等しくないラインの数の推定と置き換えることによって行われる。この推定は、図２ａに示される。

さらに、図２ａに示されるフォームファクタも、符号器の別の時点、たとえば量子化ステップサイズを決定するための量子化ブロック１０１４内で必要とされる。フォームファクタが、他のある時点で既に計算されている場合、ビット推定のために再度計算してはならないため、所要ビットのための基準の推定を改善するという本発明の概念は、最低限の演算間接費で間に合う。

既に上述のとおり、Ｘ（ｋ）は、後に量子化されるスペクトル係数であるが、変数ｋＯｆｆｓｅｔ（ｂ）は、帯域ｂにおける最初のインデックスを指定する。

図４ａおよび４ｂから分かるように、図４ａにおけるスペクトルはｎｌ＝４の値を生成し、図４ｂにおけるスペクトルは１．４１の値を生成する。したがって、フォームファクタを用いて、帯域内のスペクトルフィールド構造の量子化のための基準が利用可能である。

したがって、改良された帯域的な心理聴覚エントロピーを計算するための新たな公式は、エネルギーのスペクトル分布のための基準と、信号エネルギーｅ（ｂ）が分子で生じ、許容できる雑音が分母で生じる対数式との乗算に基づき、項が、図７において既に説明されたように、必要に応じて対数内に挿入される。この項は、図２ｂに示される事例と同様に、たとえば１．５でよいが、ゼロに等しくてもよく、これは、たとえば実験的に決定される。

この時点で、再び図５に注意する必要があり、本発明に従って計算される心理聴覚エントロピーは図５から明らかであり、すなわち所要ビットに対して描かれている。図６、７および８の比較例とは対照的に、この推定のより高度な正確さは明らかに分かる。本発明に従って修正された帯域的な計算は、少なくとも直線的な計算と同様に行われる。

場合によっては、本発明による方法は、ハードウェアまたはソフトウェアで実施されてもよい。この実施は、その方法が実行されるように、プログラム可能なコンピュータシステムと協働することができ、電子的に読み出すことができる制御信号を有する、デジタル記憶媒体、特に、プロッピーディスクまたはＣＤ上で行うことができる。本発明は、一般に、コンピュータプログラム製品がコンピュータ上で実行されるときに、機械で読み出し可能なキャリアに記憶された本発明の方法を実行するためのプログラムコードを有するコンピュータプログラム製品にも存在する。言い換えれば、本発明は、コンピュータプログラムがコンピュータ上で実行されるときに、この方法を実行するためのプログラムコードを有するコンピュータプログラムとしても実現することができる。

図１は、推定値を決定するための本発明の装置のブロック回路図である。 図２ａは、周波数帯域におけるエネルギーの分布のための基準を計算するための手段の好ましい実施態様を示す。 図２ｂは、ビットの必要性の推定値を計算するための手段の好ましい実施態様を示す。 図３は、公知のオーディオ符号器のブロック回路図である。 図４は、推定値の決定における帯域内のエネルギー分布の影響を説明するための原理図である。 図５は、本発明による推定値計算のための図である。 図６は、ＩＳＯ／ＩＥＣ ＩＳ １３８１８−７（ＡＡＣ）による推定値計算のための図である。 図７は、定数項を有する推定値計算のための図である。 図８は、定数項を有する直線的な推定値計算のための図である。

Claims (11)

1. オーディオ情報を有する信号を符号化するために必要な情報ビットの数の推定値（ｐｅ）を決定するための装置であって、前記信号はいくつかの周波数帯域を有し、
   前記信号の周波数帯域（ｂ）のための許容できる雑音のための雑音基準（ｎｂ（ｂ））および前記周波数帯域における前記信号のエネルギーのためのエネルギー基準（ｅ（ｂ））を提供するための手段（１０２）であって、前記周波数帯域（ｂ）は前記周波数帯域における異なる周波数インデックスのための前記信号のスペクトル表現の少なくとも２つのスペクトル値を有する手段（１０２）と、
   前記周波数帯域（ｂ）における前記エネルギー（ｅ（ｂ））の分布のためのエネルギー分布基準（ｎｌ（ｂ））を計算するための手段（１０６）であって、前記周波数帯域における前記エネルギーの前記分布は前記周波数帯域における前記エネルギーの完全に均一な分布とは異なり、前記周波数帯域は少なくとも１つの有効ラインを有する手段（１０６）と、
   前記エネルギー分布基準（ｎｌ（ｂ））を計算するための前記手段（１０６）は、前記エネルギー分布基準として、所定の大きさ閾値より大きい大きさを有するスペクトル値の数のための推定値であって、所定の大きさ閾値より大きい大きさを有するスペクトル値の前記数は有効ラインの数である推定値、または、前記大きさ閾値より小さい若しくはそれに等しい大きさを有するスペクトル値の数のための推定値を決定するために形成され、前記大きさ閾値の値は、量子化器ステージに対応し、前記量子化器ステージは、前記量子化器ステージより小さいまたはそれに等しい前記値が量子化器（１０１４）に入力された場合にゼロに量子化され、
   前記雑音基準（ｎｂ（ｂ））、前記エネルギー基準および前記エネルギー分布基準を用いて前記推定値（ｐｅ）を計算するための手段（１０４）とを含む、装置。
2. 前記エネルギー分布基準を計算するための前記手段（１０６）は、前記エネルギー分布基準の前記計算のために前記周波数帯域におけるスペクトル値の大きさを考慮に入れるために形成される、請求項１に記載の装置。
3. 前記エネルギー分布基準を計算するための前記手段（１０６）は、以下の方程式
   

   

   に従ってフォームファクタを計算するために形成され、
   ここで、Ｘ（ｋ）は周波数インデックスｋにおけるスペクトル値であり、ｋＯｆｆｓｅｔは帯域ｂにおける最初のスペクトル値であり、ｆｆａｃ（ｂ）は前記フォームファクタである、請求項１および２のいずれかに記載の装置。
4. 前記エネルギー分布基準を計算するための前記手段（１０６）は、前記周波数帯域における前記エネルギーと前記周波数帯域の幅または前記周波数帯域における前記スペクトル値の数との間の比率の４乗根を考慮に入れるために形成される、請求項１ないし３のいずれかに記載の装置。
5. 前記エネルギー分布基準を計算するための前記手段（１０６）は、以下の方程式
   

   

   に従って前記エネルギー分布基準を計算するために形成され、
   ここで、Ｘ（ｋ）は周波数インデックスｋにおけるスペクトル値であり、ｋＯｆｆｓｅｔは帯域ｂにおける最初のスペクトル値であり、ｆｆａｃ（ｂ）はフォームファクタであり、ｎｌ（ｂ）は前記帯域ｂにおける前記エネルギー分布基準を表し、ｅ（ｂ）は前記帯域ｂにおける信号エネルギーであり、ｗｉｄｔｈ（ｂ）は前記帯域の幅である、請求項１ないし４のいずれかに記載の装置。
6. 前記推定値を計算するための前記手段（１０４）は、前記周波数帯域における前記エネルギーと前記周波数帯域における前記雑音との商を用いるために形成される、請求項１ないし５のいずれかに記載の装置。
7. 前記推定値を計算するための前記手段（１０４）は、以下の式
   

   

   を用いて前記推定値を計算するために形成され、
   ここで、ｐｅは前記推定値であり、ｎｌ（ｂ）は前記帯域ｂにおける前記エネルギー分布基準を表し、ｅ（ｂ）は前記帯域ｂにおける前記信号のエネルギーであり、ｎｂ（ｂ）は前記帯域ｂにおける前記許容できる雑音であり、ｓは好ましくは１．５に等しい加算項である、請求項１ないし６のいずれかに記載の装置。
8. 前記推定値を計算するための前記手段（１０４）は、以下の式
   

   

   ここで、ｐｅは前記推定値であり、ｎｌ（ｂ）は前記帯域ｂにおける前記エネルギー分布基準を表し、ｅ（ｂ）は前記帯域ｂにおける前記信号のエネルギーであり、ｎｂ（ｂ）は前記帯域ｂにおける前記許容できる雑音であり、ｓは好ましくは１．５に等しい加算項であり、Ｘ（ｋ）は周波数インデックスｋにおけるスペクトル値であり、ｋＯｆｆｓｅｔは帯域ｂにおける最初のスペクトル値であり、ｆｆａｃ（ｂ）はフォームファクタであり、ｗｉｄｔｈ（ｂ）は前記帯域の幅である、請求項１ないし７のいずれかに記載の装置。
9. 前記信号は、スペクトル値を有するスペクトル表現として与えられる、請求項１ないし８のいずれかに記載の装置。
10. オーディオ情報を有する信号を符号化するために必要な情報ビットの数の推定値を決定する方法であって、前記信号はいくつかの周波数帯域を有し、
    前記信号の周波数帯域（ｂ）のための許容できる雑音のための雑音基準（ｎｂ（ｂ））および前記周波数帯域（ｂ）における前記信号のエネルギーのためのエネルギー基準（ｅ（ｂ））を提供するステップ（１０２）であって、前記周波数帯域は、前記周波数帯域における異なる周波数インデックスのための前記信号のスペクトル表現の少なくとも２つのスペクトル値を有するステップ（１０２）と、
    前記周波数帯域（ｂ）における前記エネルギーの分布のためのエネルギー分布基準（ｎｌ（ｂ））を計算するステップ（１０６）であって、前記周波数帯域における前記エネルギーの前記分布は、前記周波数帯域における前記エネルギーの完全に均一な分布とは異なり、前記周波数帯域は、少なくとも１つの有効ラインを有するステップ（１０６）と、前記エネルギー分布基準として、所定の大きさ閾値より大きい大きさを有するスペクトル値の数のための推定値であって、所定の大きさ閾値より大きい大きさを有するスペクトル値の前記数は有効ラインの数である推定値、または、前記大きさ閾値より小さい若しくはそれに等しい大きさを有するスペクトル値の数のための推定値が決定され、前記大きさ閾値の値は、量子化器ステージに対応し、前記量子化器ステージは、前記量子化器ステージより小さいまたはそれに等しい前記値が量子化器（１０１４）に入力された場合にゼロに量子化され、
    前記雑音基準（ｎｂ（ｂ））、前記エネルギー基準（ｅ（ｂ））および前記エネルギー分布基準（ｎｌ（ｂ））を用いて前記推定値（ｐｅ）を計算するステップ（１０４）とを含む、方法。
11. プログラムがコンピュータ上で実行されるときに、請求項１０の信号を符号化するために必要な情報ビットの数の推定値を決定する前記方法を実行するためのプログラムコードを有する、コンピュータプログラム。

Images