JP4682752B2 - 音声符号化復号装置及び方法、並びに音声復号装置及び方法 - Google Patents

Description

本発明は、入力された音声信号をいわゆる変換符号化によって符号化して符号列を生成すると共に、その符号列を復号して元の音声信号を復元する音声符号化復号装置及びその方法、並びに音声復号装置及びその方法に関する。

従来より、音声信号の符号化手法は種々知られているが、その１つとして、例えば時間領域の音声信号を周波数領域のスペクトル信号に変換（時間−周波数変換）する、いわゆる変換符号化手法を挙げることができる。

この時間−周波数変換としては、例えば入力された音声信号を所定単位時間（フレーム）毎にブロック化し、当該ブロック毎にＤＦＴ（Discrete Fourier Transformation）、ＤＣＴ（Discrete Cosine Transformation）、或いはＭＤＣＴ（Modified DCT）などを行うことで時間領域の音声信号を周波数領域のスペクトル信号に変換するものがある。

また、この時間−周波数変換によって生成されたスペクトル信号を符号化する際には、スペクトル信号をある一定幅の周波数帯域に分割し、周波数帯域毎に正規化した後に量子化して符号化する方法がある。周波数帯域分割を行う際の各周波数帯域の幅は、人間の聴覚特性を考慮して決定されることがある。具体的には、スペクトル信号を臨界帯域（クリティカルバンド）と呼ばれる高域ほど広くなるような帯域分割幅で複数（例えば２４や３２）の周波数帯域に分割することがある。また、各周波数帯域毎に適応的なビット割り当て（ビットアロケーション）を行って符号化することもある。ビット割り当て手法としては、例えば下記非特許文献１に記載されている手法が挙げられる。

この非特許文献１では、周波数帯域毎の各周波数成分の大きさを元にビット割り当てを行っている。この手法では、量子化雑音スペクトルが平坦になり、雑音エネルギが最小になるが、聴覚心理モデルが考慮されていないため、実際の雑音感は最小ではない。

近年では、マスキング効果や等感度曲線といった聴覚心理モデルを利用したビット割り当て手法の採用や符号化効率の向上によって聴覚上の音質が目覚ましく向上しており、その結果、音声信号の圧縮技術が一般化し、通信・メディアにおいて広く用いられるようになっている。

ここで、従来の変換符号化手法は、入力信号がＰＣＭ（Pulse Code Modulation）信号であるという前提の下で成り立っている。

ＰＣＭ信号に対する従来の音声符号化装置、音声復号装置の概略構成を図１２、図１３に示す。なお、ここでは時間−周波数変換方式としてＭＤＣＴを用い、フレーム毎にＮサンプルの入力信号に対してＮ個の周波数成分を得るものとする。

図１２に示す音声符号化装置１００において、時間−周波数変換部１０１は、入力した１フレーム当たりＮサンプルのＰＣＭ信号ＴをＭＤＣＴにより時間−周波数変換し、Ｎ個の周波数成分からなるスペクトル信号Ｓを生成する。量子化・符号化部１０２は、このスペクトル信号Ｓの周波数成分を任意の数、任意の精度で量子化・符号化し、符号Ｃを生成する。マルチプレクサ１０３は、この符号Ｃを多重化してビットストリームＢを生成し、出力する。

一方、図１３に示す音声復号装置１１０において、デマルチプレクサ１１１は、ビットストリームＢの多重化を解いて符号Ｃを復元し、復号・逆量子化部１１２は、この符号Ｃを復号・逆量子化してスペクトル信号Ｓ’を生成する。周波数−時間変換部１１３は、このスペクトル信号Ｓ’をＩＭＤＣＴ（Inverse MDCT）により周波数−時間変換してＰＣＭ信号Ｔ’を復元し、出力する。

この図１２、図１３に示す音声符号化装置１００、音声復号装置１１０では、入力されたＰＣＭ信号Ｔを完全に復元することはできない。すなわち、図１４（Ａ）、（Ｂ）に示すように、入力されたＰＣＭ信号Ｔと復元されたＰＣＭ信号Ｔ’、或いは時間−周波数変換後のスペクトル信号Ｓと復号・逆量子化後のスペクトル信号Ｓ’との間には誤差が生じている。

そこで、図１４（Ａ）に示す誤差信号Ｅ（＝Ｔ−Ｔ’）をビットストリームＢに含めることにより、入力されたＰＣＭ信号Ｔを完全に復元する方法も知られている。この場合における音声符号化装置、音声復号装置の概略構成を図１５、図１６に示す。

図１５に示す音声符号化装置１２０において、時間−周波数変換部１２１は、入力したＰＣＭ信号ＴをＭＤＣＴにより時間−周波数変換してスペクトル信号Ｓを生成し、第１の量子化・符号化部１２２は、スペクトル信号Ｓを量子化・符号化して符号Ｃ０を生成する。復号・逆量子化部１２３は、この符号Ｃ０を復号・逆量子化してスペクトル信号Ｓ’を生成し、周波数−時間変換部１２４は、このスペクトル信号Ｓ’をＩＭＤＣＴにより周波数−時間変換してＰＣＭ信号Ｔ’を復元する。減算器１２５では、入力されたＰＣＭ信号Ｔから復元されたＰＣＭ信号Ｔ’を減算して誤差信号Ｅを生成し、第２の量子化・符号化部１２６は、この誤差信号Ｅを量子化・符号化して符号Ｃ１を生成する。そして、マルチプレクサ１２７は、符号Ｃ０と符号Ｃ１とを多重化してビットストリームＢを生成し、出力する。

一方、図１６に示す音声復号装置１３０において、デマルチプレクサ１３１は、ビットストリームＢの多重化を解いて符号Ｃ０及び符号Ｃ１を復元する。第１の復号・逆量子化部１３２は、符号Ｃ０を復号・逆量子化してスペクトル信号Ｓ’を生成し、周波数−時間変換部１３３は、このスペクトル信号Ｓ’をＩＭＤＣＴにより周波数−時間変換してＰＣＭ信号Ｔ’を復元する。また、第２の復号・逆量子化部１３４は、符号Ｃ１を復号・逆量子化して誤差信号Ｅを生成する。そして、加算器１３５は、ＰＣＭ信号Ｔ’と誤差信号Ｅとを加算して入力信号と等しいＰＣＭ信号Ｔを復元し、出力する。

IEEE Transactions of Acoustics, Speech, and Signal Processing, Vol.ASSP-25, No.4, August 1977

ところで、近年、音声信号の記録方式としてＰＣＭ方式以外にもΔΣ変調方式が例えばＳＡＣＤ（Super Audio Compact Disc）において採用されるようになっている。しかしながら、ΔΣ変調方式は、従来のＰＣＭ方式と直接的な互換性がないため、お互いの再生装置にて再生する場合には、記録方式の変換作業が発生してしまう。

従来必要とされていたΔΣ変調方式とＰＣＭ方式との相互変換作業の一例を図１７（Ａ）、（Ｂ）に示す。図１７（Ａ）は、ΔΣ変調信号及びＰＣＭ信号をそれぞれＳＡＣＤ及びＣＤに記録する際の作業を示したものであり、図１７（Ｂ）はＳＡＣＤ及びＣＤにそれぞれ記録されたΔΣ変調信号及びＰＣＭ信号を再生する際の作業を示したものである。

図１７（Ａ）に示すように、アナログ入力信号は、ΔΣ変調器１４１において２．８ＭＨｚ／１ビットのΔΣ変調信号に変換され、ＳＡＣＤ１４２に記録される。また、ΔΣ変調器１４１において変換され、又はＳＡＣＤ１４２から読み出された２．８ＭＨｚ／１ビットのΔΣ変調信号は、デシメーションフィルタ１４３でダウンサンプリングされることにより４４ｋＨｚ／１６ビットのＰＣＭ信号に変換され、ＣＤ１４４に記録される。

また、図１７（Ｂ）に示すように、ＳＡＣＤ１４２から読み出された２．８ＭＨｚ／１ビットのΔΣ変調信号は、アナログローパスフィルタ１４５を介してアナログ出力信号として出力される。また、ＣＤ１４４から読み出された４４ｋＨｚ／１６ビットのＰＣＭ信号は、インターポレーションフィルタ１４６でオーバーサンプリングされることにより１７６ｋＨｚ／２４ビットに変換され、ΔΣ変調器１４７において２．８ＭＨｚ／１ビットのΔΣ変調信号に変換された後、ＳＡＣＤ１４２に記録されるか、又はアナログローパスフィルタ１４５を介してアナログ出力信号として出力される。

このように、従来、ΔΣ変調方式とＰＣＭ方式との相互変換を行う場合には、デシメーションフィルタやインターポレーションフィルタが必要であり、さらにこれらのフィルタには非常に高い精度が要求され、高い次数のフィルタ係数が必要であるため、作業が複雑化し、コスト高の要因となっていた。

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、相互変換を行うことなく、ΔΣ変調信号及びＰＣＭ信号の何れをも再生可能とする音声符号化復号装置及びその方法、並びに音声復号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、本発明に係る音声符号化復号装置は、入力されたΔΣ変調信号に対して時間−周波数変換を施してスペクトル信号を生成する時間−周波数変換手段と、上記時間−周波数変換手段によって生成されたスペクトル信号を量子化及び符号化してビットストリームを生成するスペクトル信号符号化手段と、上記スペクトル信号符号化手段によって生成されたビットストリームを復号及び逆量子化してスペクトル信号を生成するビットストリーム復号手段と、上記ビットストリーム復号手段によって生成されたスペクトル信号に対して周波数−時間変換を施してΔΣ変調信号を生成する周波数−時間変換手段と、上記ビットストリーム復号手段によって生成されたスペクトル信号の低域側の所定の周波数成分に対して周波数−時間変換を施してＰＣＭ信号を生成する部分的周波数−時間変換手段とを備えることを特徴とする。

また、本発明に係る音声符号化復号方法は、入力されたΔΣ変調信号に対して時間−周波数変換を施してスペクトル信号を生成する時間−周波数変換工程と、上記時間−周波数変換工程にて生成されたスペクトル信号を量子化及び符号化してビットストリームを生成するスペクトル信号符号化工程と、上記スペクトル信号符号化工程にて生成されたビットストリームを復号及び逆量子化してスペクトル信号を生成するビットストリーム復号工程と、上記ビットストリーム復号工程にて生成されたスペクトル信号に対して周波数−時間変換を施してΔΣ変調信号を生成し、又は上記ビットストリーム復号工程にて生成されたスペクトル信号の低域側の所定の周波数成分に対して周波数−時間変換を施してＰＣＭ信号を生成する周波数−時間変換工程とを有することを特徴とする。

また、上述した目的を達成するために、本発明に係る音声復号装置は、入力されたΔΣ変調信号に対して時間−周波数変換を施してスペクトル信号を生成し、該スペクトル信号を量子化及び符号化して生成されたビットストリームを入力し、該ビットストリームを復号及び逆量子化してスペクトル信号を生成するビットストリーム復号手段と、上記ビットストリーム復号手段によって生成されたスペクトル信号に対して周波数−時間変換を施してΔΣ変調信号を生成する周波数−時間変換手段と、上記ビットストリーム復号手段によって生成されたスペクトル信号の低域側の所定の周波数成分に対して周波数−時間変換を施してＰＣＭ信号を生成する部分的周波数−時間変換手段とを備えることを特徴とする。

また、本発明に係る音声復号方法は、入力されたΔΣ変調信号に対して時間−周波数変換を施してスペクトル信号を生成し、該スペクトル信号を量子化及び符号化して生成されたビットストリームを入力し、該ビットストリームを復号及び逆量子化してスペクトル信号を生成するビットストリーム復号工程と、上記ビットストリーム復号工程にて生成されたスペクトル信号に対して周波数−時間変換を施してΔΣ変調信号を生成し、又は上記ビットストリーム復号工程にて生成されたスペクトル信号の低域側の所定の周波数成分に対して周波数−時間変換を施してＰＣＭ信号を生成する周波数−時間変換工程とを有することを特徴とする。

本発明に係る音声符号化復号装置及びその方法、並びに音声復号装置及びその方法によれば、相互変換を行うことなく、ΔΣ変調信号を符号化したビットストリームからΔΣ変調信号及びＰＣＭ信号の何れをも再生することができる。

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、時間領域のΔΣ変調信号を周波数領域のスペクトル信号に変換してビットストリームを生成する音声符号化装置、及び、そのビットストリームを復号してΔΣ変調信号を復元すると共に、同じビットストリームからＰＣＭ信号を生成する音声復号装置に適用したものである。

先ず、本実施の形態における音声符号化装置、音声復号装置について説明するのに先立って、ΔΣ変調信号を符号化したビットストリームからＰＣＭ信号を生成する原理について説明する。

現在、音声信号の記録方式として採用されているΔΣ変調方式は、例えばＳＡＣＤのように「非常に優れた音質」を訴求する方式として利用されている。この「非常に優れた音質」の本質は、ΔΣ変調方式がもたらす再現周波数の広帯域化ではなく、ノイズシェーピング技術によってノイズを超高域に追いやることで得られる可聴帯域内（約２０ｋＨｚ程度まで）の信号の精度の高さによって得られるものである。以下、この点について説明する。

ＰＣＭ信号とそのスペクトル分布の一例を図１（Ａ）、（Ｂ）に示す。また、ΔΣ変調信号とそのスペクトル分布の一例を図２（Ａ）、（Ｂ）に示す。ＰＣＭ信号のＳＮＲ（Signal to Noise Ratio）は全周波数成分に亘って平坦であり（図１（Ｂ））、２４ビットのＰＣＭ信号の場合に約１４４ｄＢ、１６ビットのＰＣＭ信号の場合に約９６ｄＢとなる。一方、ΔΣ変調信号では、ノイズシェーピング技術によってノイズを超高域に追いやる結果、低域の周波数成分のＳＮＲが高域の周波数成分のＳＮＲよりも大きくなっている（図２（Ｂ））。

８８ｋＨｚ／２４ビットのＰＣＭ信号と、２．８ＭＨｚ／１ビットのΔΣ変調信号とを、ＳＮＲ及び周波数応答について比較した図を図３に示す。ここで、ビット長を単純に振幅に置き換えてしまうと、ΔΣ変調信号は振幅を１ビット、ＰＣＭ信号は振幅を２４ビットで表現しているため利得が一致せず、図３のような比較はできない。そこで図３では、それぞれの方式の利得を０ｄＢに合わせて、ＳＮＲ及び周波数応答を比較している。

図３から分かるように、ΔΣ変調信号は１ビット信号であるにも拘わらず、ノイズシェーピング技術によって２４ビットのＰＣＭ信号をも上回る最大ＳＮＲを実現することが可能となっている。つまり、図３における低域の周波数成分が「非常に優れた音質」の本質である。

ここで、図４に示すように、ΔΣ変調信号に対して時間−周波数変換を施したスペクトル信号Ｓの全周波数成分を、全周波数成分の１／Ｍに相当する低域の周波数成分Ｓ_ｐとそれ以外の周波数成分Ｓ_ｅとに便宜的に分けることにする。音声符号化装置において、図５（Ａ）に示すようなΔΣ変調信号を時間−周波数変換したスペクトル信号Ｓを量子化・符号化してビットストリームＢを生成している場合、復元したスペクトル信号Ｓ’の低域の周波数成分Ｓ'_ｐに対して１／Ｍのサイズの部分的な周波数−時間変換を施した後、振幅を定率のＡ倍すると、図５（Ｂ）に示すようなＰＣＭ信号が得られる。元のスペクトル信号Ｓと低域の周波数成分Ｓ'_ｐとの誤差を図５（Ｃ）に示す。このＰＣＭ信号を３２ビット、或いは６４ビットといった非常に高い精度で復元・再生すれば、例えば２４ビットのＰＣＭ信号よりも高音質を実現することができる。

以上がΔΣ変調信号を符号化したビットストリームからＰＣＭ信号を生成する原理である。

次に、本実施の形態における音声符号化装置、音声復号装置について説明する。本実施の形態における音声符号化装置、音声復号装置の概略構成を図６、７に示す。なお、ここでは時間−周波数変換方式としてＭＤＣＴを用い、フレーム毎にＮサンプルの入力信号に対してＮ個の周波数成分を得るものとする。

図６に示す音声符号化装置１０において、時間−周波数変換部１１は、入力した１フレーム当たりＮサンプルのΔΣ変調信号Ｔ_ΔΣに対してＭＤＣＴにより時間−周波数変換を施し、Ｎ個の周波数成分からなるスペクトル信号Ｓを生成する。量子化・符号化部１２は、このスペクトル信号Ｓの周波数成分を任意の数、任意の精度で量子化・符号化し、符号Ｃを生成する。マルチプレクサ１３は、この符号Ｃを多重化してビットストリームＢを生成し、出力する。

一方、図７に示す音声復号装置２０において、デマルチプレクサ２１は、ビットストリームＢの多重化を解いて符号Ｃを復元し、復号・逆量子化部２２は、この符号Ｃを復号・逆量子化してスペクトル信号Ｓ’を生成する。周波数−時間変換部２３は、このスペクトル信号Ｓ’に対してＩＭＤＣＴにより周波数−時間変換を施して１フレーム当たりＮサンプルのΔΣ変調信号Ｔ'_ΔΣを復元し、出力する。また、周波数選択部２４は、スペクトル信号Ｓ’の１／Ｍに相当する低域の周波数成分Ｓ'_ｐを選択し、部分的周波数−時間変換部２５は、この低域の周波数成分Ｓ'_ｐに対して１／Ｍのサイズの部分的周波数−時間変換を施し、乗算器２６は、信号の振幅をＡ倍して１フレーム当たりＮ／ＭサンプルのＰＣＭ信号Ｔ'_ＰＣＭを生成し、出力する。

このように、音声復号装置２０では、ΔΣ変調信号Ｔ_ΔΣを符号化したビットストリームＢを復号してΔΣ変調信号Ｔ'_ΔΣを復元すると共に、同じビットストリームＢからＰＣＭ信号Ｔ'_ＰＣＭを生成することができる。

ΔΣ変調信号を符号化したビットストリームを記録媒体に記録すると共に、記録媒体に記録されたビットストリームからΔΣ変調信号及びＰＣＭ信号を再生する様子を図８（Ａ）、（Ｂ）に示す。なお、この図８においてＭ＝６４とする。

図８（Ａ）に示すように、ΔΣ変調器３１は、アナログ入力信号を２．８ＭＨｚ／１ビットのΔΣ変調信号に変換し、音声符号化装置１０は、このΔΣ変調信号を符号化してビットストリームを生成し、記録媒体３２に記録する。

また、図８（Ｂ）に示すように、音声復号装置２０は、記録媒体３２から読み出したビットストリームから２．８ＭＨｚ／１ビットのΔΣ変調信号を復元し、アナログローパスフィルタ３３を介してアナログ出力信号として出力する。また、音声復号装置２０は、記録媒体３２から読み出したビットストリームから４４ｋＨｚ／１６ビットのＰＣＭ信号を生成し、マルチビットＤ／Ａ（Digital/Analog）変換器３４を介してアナログ出力信号として出力する。

このように、本実施の形態における音声符号化装置１０、音声復号装置２０を用いれば、従来のようにデシメーションフィルタやインターポレーションフィルタを用いた相互変換作業が必要ないため、作業を簡略化し、コストを抑えることができる。

ところで、音声復号装置１０においてスペクトル信号Ｓが必要十分な精度で記録されている場合には、音声復号装置２０において元のΔΣ変調信号Ｔ_ΔΣを完全に復元することができるが、スペクトル信号Ｓが必要十分な精度で記録されていない場合には、音声復号装置２０において復元されるΔΣ変調信号Ｔ'_ΔΣは、元のΔΣ変調信号Ｔ_ΔΣとは完全には一致しないことがある。

すなわち、図９（Ａ）に示すように、元のΔΣ変調信号Ｔ_ΔΣは０／１の２値信号であるが、音声復号装置２０における時間−周波数変換は小数点精度で行うため、時間−周波数変換後のΔΣ変調信号Ｔ''_ΔΣの信号の状態は図９（Ｂ）に示すように小数点値である。音声復号装置２０の出力は０／１の２値信号であるべきであるため、図９（Ｃ）に示すように小数点値が整数値に丸められ、ΔΣ変調信号Ｔ'_ΔΣとなるが、スペクトル信号Ｓの記録精度が十分でないと、図９（Ｄ）に示すようにＴ_ΔΣとＴ'_ΔΣとの間には誤差が発生する。

そこで、図９（Ｄ）に示す誤差信号Ｅ_ΔΣ（＝Ｔ_ΔΣ−Ｔ'_ΔΣ）をビットストリームＢに含めることにより、元のΔΣ変調信号Ｔ_ΔΣを完全に復元するようにしても構わない。この場合における音声符号化装置、音声復号装置の概略構成を図１０、図１１に示す。

図１０に示す音声符号化装置４０において、時間−周波数変換部４１は、入力したΔΣ変調信号Ｔ_ΔΣに対してＭＤＣＴにより時間−周波数変換を施してスペクトル信号Ｓを生成し、第１の量子化・符号化部４２は、スペクトル信号Ｓを量子化・符号化して符号Ｃ０を生成する。復号・逆量子化部４３は、この符号Ｃ０を復号・逆量子化してスペクトル信号Ｓ’を生成し、周波数−時間変換部４４は、このスペクトル信号Ｓ’に対してＩＭＤＣＴにより周波数−時間変換を施してΔΣ変調信号Ｔ'_ΔΣを復元する。減算器４５では、入力したΔΣ変調信号Ｔ_ΔΣから復元したΔΣ変調信号Ｔ'_ΔΣを減算して誤差信号Ｅ_ΔΣを生成し、第２の量子化・符号化部４６は、この誤差信号Ｅ_ΔΣを量子化・符号化して符号Ｃ１を生成する。そして、マルチプレクサ４７は、符号Ｃ０と符号Ｃ１とを多重化してビットストリームＢを生成し、出力する。

一方、図１１に示す音声復号装置５０において、デマルチプレクサ５１は、ビットストリームＢの多重化を解いて符号Ｃ０及び符号Ｃ１を復元する。第１の復号・逆量子化部５２は、符号Ｃ０を復号・逆量子化してスペクトル信号Ｓ’を生成し、周波数−時間変換部５３は、このスペクトル信号Ｓ’に対してＩＭＤＣＴにより周波数−時間変換を施してΔΣ変調信号Ｔ'_ΔΣを復元する。また、第２の復号・逆量子化部５４は、符号Ｃ１を復号・逆量子化して誤差信号Ｅ_ΔΣを生成する。そして、加算器５５は、ΔΣ変調信号Ｔ'_ΔΣと誤差信号Ｅ_ΔΣとを加算して入力信号と等しいΔΣ変調信号Ｔ_ΔΣを復元し、出力する。また、周波数選択部５６は、スペクトル信号Ｓ’の１／Ｍに相当する低域の周波数成分Ｓ'_ｐを選択する。部分的周波数−時間変換部５７は、この低域の周波数成分Ｓ'_ｐに対して１／Ｍのサイズの部分的周波数−時間変換を施し、乗算器５８は、信号の振幅をＡ倍して１フレーム当たりＮ／ＭサンプルのＰＣＭ信号Ｔ'_ＰＣＭを生成し、出力する。

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。

例えば、上述した実施の形態では、音声符号化装置１０において、スペクトル信号Ｓの全周波数成分を量子化・符号化するものとして説明したが、低域の周波数成分Ｓ_ｐのみを量子化・符号化するようにしても構わない。低域の周波数成分Ｓ_ｐが高精度に記録されていれば、それ以外の周波数成分Ｓ_ｅが存在しなくても、復元されたΔΣ変調信号Ｔ'_ΔΣは聴覚上十分に高い音質を実現することができる。

また、上述した実施の形態では、ハードウェアの構成として説明したが、これに限定されるものではなく、任意の処理を、ＣＰＵ（Central Processing Unit）にコンピュータプログラムを実行させることにより実現することも可能である。この場合、コンピュータプログラムは、記録媒体に記録して提供することも可能であり、また、インターネットその他の伝送媒体を介して伝送することにより提供することも可能である。

ＰＣＭ信号とそのスペクトル分布の一例を示す図である。 ΔΣ変調信号とそのスペクトル分布の一例を示す図である。 ＰＣＭ信号とΔΣ変調信号とをＳＮＲ及び周波数応答について比較した図である。 ΔΣ変調信号の全周波数成分Ｓを、全周波数成分Ｓの１／Ｍに相当する低域の周波数成分Ｓ_ｐとそれ以外の周波数成分Ｓ_ｅとに分けた図である。 ΔΣ変調信号からＰＣＭ信号を生成する方法を説明する図である。 本実施の形態における音声符号化装置の概略構成を示す図である。 図６に対応した音声復号装置の概略構成を示す図である。 ΔΣ変調信号を符号化したビットストリームを記録媒体に記録すると共に、記録媒体に記録されたビットストリームからΔΣ変調信号及びＰＣＭ信号を再生する様子を示す図である。 入力されたΔΣ変調信号Ｔ_ΔΣと復元されたΔΣ変調信号Ｔ'_ΔΣとの間の誤差を示す図である。 入力されたΔΣ変調信号Ｔ_ΔΣを完全に復元する音声符号化装置の概略構成を示す図である。 図１０に対応した音声復号装置の概略構成を示す図である。 ＰＣＭ信号に対する従来の音声符号化装置の概略構成を示す図である。 図１２に対応した従来の音声復号装置の概略構成を示す図である。 入力されたＰＣＭ信号Ｔと復元されたＰＣＭ信号Ｔ’、時間−周波数変換後のスペクトル信号と復号・逆量子化後のスペクトル信号Ｓ’との間の誤差を示す図である。 入力されたＰＣＭ信号Ｔを完全に復元する従来の音声符号化装置の概略構成を示す図である。 図１５に対応した従来の音声復号装置の概略構成を示す図である。 ΔΣ変調方式とＰＣＭ方式との相互変換作業の一例を示す図である。

符号の説明

１０ 音声符号化装置、１１ 時間−周波数変換部、１２ 量子化・符号化部、１３ マルチプレクサ、２０ 音声復号装置、２１ デマルチプレクサ、２２ 復号・逆量子化部、２３ 周波数−時間変換部、２４ 周波数選択部、２５ 部分的周波数−時間変換部、２６ 乗算器、４０ 音声符号化装置、４１ 時間−周波数変換部、４２ 第１の量子化・符号化部、４３ 復号・逆量子化部、４４ 周波数−時間変換部、４５ 減算器、４６ 第２の量子化・符号化部、４７ マルチプレクサ、５０ 音声復号装置、５１ デマルチプレクサ、５２ 第１の復号・逆量子化部、５３ 周波数−時間変換部、５４ 第２の復号・逆量子化部、５５ 加算器、５６ 周波数選択部、５７ 部分的周波数−時間変換部、５８ 乗算器

Claims (8)

1. 入力されたΔΣ変調信号に対して時間−周波数変換を施してスペクトル信号を生成する時間−周波数変換手段と、
   上記時間−周波数変換手段によって生成されたスペクトル信号を量子化及び符号化してビットストリームを生成するスペクトル信号符号化手段と、
   上記スペクトル信号符号化手段によって生成されたビットストリームを復号及び逆量子化してスペクトル信号を生成するビットストリーム復号手段と、
   上記ビットストリーム復号手段によって生成されたスペクトル信号に対して周波数−時間変換を施してΔΣ変調信号を生成する周波数−時間変換手段と、
   上記ビットストリーム復号手段によって生成されたスペクトル信号の低域側の所定の周波数成分に対して周波数−時間変換を施してＰＣＭ信号を生成する部分的周波数−時間変換手段と
   を備えることを特徴とする音声符号化復号装置。
2. 上記スペクトル信号符号化手段によって生成されたビットストリームを復号及び逆量子化し、さらに周波数−時間変換を施して生成されたΔΣ変調信号を、上記入力されたΔΣ変調信号から減算することにより誤差信号を生成する減算手段と、
   上記減算手段によって生成された誤差信号を量子化及び符号化する誤差信号符号化手段と、
   上記誤差信号符号化手段によって量子化及び符号化された上記誤差信号を上記ビットストリームに多重化する多重化手段と、
   上記ビットストリームから上記誤差信号を分離する分離手段と、
   上記分離手段によって分離された上記誤差信号を復号及び逆量子化する誤差信号復号手段と、
   上記周波数−時間変換手段によって生成されたΔΣ変調信号と、上記誤差信号復号手段によって復号及び逆量子化された上記誤差信号とを加算する加算手段と
   をさらに備えることを特徴とする請求項１記載の音声信号符号化復号装置。
3. 上記スペクトル信号符号化手段は、上記時間−周波数変換手段によって生成されたスペクトル信号の低域側の所定の周波数成分を量子化及び符号化してビットストリームを生成することを特徴とする請求項１記載の音声信号符号化復号装置。
4. 入力されたΔΣ変調信号に対して時間−周波数変換を施してスペクトル信号を生成する時間−周波数変換工程と、
   上記時間−周波数変換工程にて生成されたスペクトル信号を量子化及び符号化してビットストリームを生成するスペクトル信号符号化工程と、
   上記スペクトル信号符号化工程にて生成されたビットストリームを復号及び逆量子化してスペクトル信号を生成するビットストリーム復号工程と、
   上記ビットストリーム復号工程にて生成されたスペクトル信号に対して周波数−時間変換を施してΔΣ変調信号を生成し、又は上記ビットストリーム復号工程にて生成されたスペクトル信号の低域側の所定の周波数成分に対して周波数−時間変換を施してＰＣＭ信号を生成する周波数−時間変換工程と
   を有することを特徴とする音声符号化復号方法。
5. 入力されたΔΣ変調信号に対して時間−周波数変換を施してスペクトル信号を生成し、該スペクトル信号を量子化及び符号化して生成されたビットストリームを入力し、該ビットストリームを復号及び逆量子化してスペクトル信号を生成するビットストリーム復号手段と、
   上記ビットストリーム復号手段によって生成されたスペクトル信号に対して周波数−時間変換を施してΔΣ変調信号を生成する周波数−時間変換手段と、
   上記ビットストリーム復号手段によって生成されたスペクトル信号の低域側の所定の周波数成分に対して周波数−時間変換を施してＰＣＭ信号を生成する部分的周波数−時間変換手段と
   を備えることを特徴とする音声復号装置。
6. 上記ビットストリームには、該ビットストリームを復号及び逆量子化し、さらに周波数−時間変換を施して生成されたΔΣ変調信号を、上記入力されたΔΣ変調信号から減算することにより生成された誤差信号が、量子化及び符号化されて多重化されており、
   上記ビットストリームから上記誤差信号を分離する分離手段と、
   上記分離手段によって分離された上記誤差信号を復号及び逆量子化する誤差信号復号手段と、
   上記周波数−時間変換手段によって生成されたΔΣ変調信号と、上記誤差信号復号手段によって復号及び逆量子化された上記誤差信号とを加算する加算手段と
   をさらに備えることを特徴とする請求項５記載の音声信号復号装置。
7. 上記ビットストリームは、時間−周波数変換によって生成されたスペクトル信号の低域側の所定の周波数成分を量子化及び符号化して生成されたものであることを特徴とする請求項５記載の音声信号復号装置。
8. 入力されたΔΣ変調信号に対して時間−周波数変換を施してスペクトル信号を生成し、該スペクトル信号を量子化及び符号化して生成されたビットストリームを入力し、該ビットストリームを復号及び逆量子化してスペクトル信号を生成するビットストリーム復号工程と、
   上記ビットストリーム復号工程にて生成されたスペクトル信号に対して周波数−時間変換を施してΔΣ変調信号を生成し、又は上記ビットストリーム復号工程にて生成されたスペクトル信号の低域側の所定の周波数成分に対して周波数−時間変換を施してＰＣＭ信号を生成する周波数−時間変換工程と
   を有することを特徴とする音声復号方法。

Images