JP4838774B2 - マルチチャネル線形予測符号化の予測係数決定方法及び装置、プログラム、記録媒体 - Google Patents

Description

この発明は、マルチチャネル線形予測符号化における予測係数決定方法及びそれを使った符号化方法と符号化装置に関するものである。

従来の線形予測符号化では、非特許文献１に記載されているようなＦＰＥ(Final Prediction Error: 最終予測誤差)やＡＩＣ(Akaike Information Criterion: 赤池情報量基準)を用いて、予測次数を決定していた。また、非特許文献２に記載されているような、ＭＤＬ原理(Minimum Description Length Principle)を下に、予測次数を決定する方法もある。ＭＤＬ原理は、
（符号語長）＝（モデルの記述長）＋（そのモデルによるデータの記述長） (1)
となる。ロスレス符号化で使われる言葉で言い換えると、
（ロスレスで復号するために必要な符号量）＝（PARCOR係数に必要な符号量）＋（予測残差に必要な符号量） (2)
となる。図１に模式的に示すように、PARCOR係数に必要な符号量は直線１Ａで示すように予測次数に比例して増加する。１フレームあたりのサンプル数をＮとすると、１フレームあたりの信号のエネルギーはΣ_n=1 ^Nx_n ²で表され、それをＮで割り算して得られる１サンプルあたりのエネルギー

で表され、従って、分散σ²が小さければエントロピーも小さい。ロスレス符号化であるエントロピー符号化においては、エントロピーは１サンプルあたりのビット数に対応し、ビット数は符号量に対応する。従って、予測残差のフレームあたりの符号量は予測残差のフレームあたりのエネルギーに対応する。一般に、線形予測の分析次数を高くすれば予測残差のエネルギーは小となる（平均振幅が小となる）ので、図１に曲線１Ｂで示すように予測次数が大となるにつれ、予測残差を符号化した場合の符号量は対数的に減少する。

ロスレス復号するために必要な符号量は直線１Ａと曲線１Ｂの和である曲線１Ｃに示すように、ある予測次数P₀で符号量が最小となる特徴を示す。つまり、予測次数を増加させるほど予測残差に必要な符号量は減少するが、その分PARCOR係数に必要な符号量が増加してしまうため、予測次数を増加させてもロスレス復号するための線形予測符号化に必要な符号量を減少させることができるとは限らない。そこで、式(2) を用いて、ロスレス復号するために必要な符号量が最小となる予測次数（最適予測次数）P₀を計算し、この最適予測次数P₀を用いて圧縮符号化を行っていた。

図２は従来の典型的な２チャネルの線形予測符号化装置の機能構成図を示す。一般的なマルチチャネル線形予測符号化では、各チャネル信号は別々に線形予測分析を行ないそれぞれ予測係数の符号（以下、係数符号と呼ぶ）と予測残差の符号（以下、残差符号と呼ぶ）を出力している。ただし、非特許文献３に記載されているように、入力マルチチャネル信号としては、予めいずれか１つのチャネルを親チャネルとし、他を子チャネルとし、各子チャネルは親チャネル信号との差分信号を子チャネル信号として入力する場合もある。
図２の線形予測符号化装置の右チャネル符号化構成は、右チャネル入力信号x^R(n)を線形予測分析してPARCOR係数K^Rを出力する線形予測分析部１１Ｒと、PARCOR係数K^Rを量子化して量子化済PARCOR係数K’^Rを出力する量子化部１２Ｒと、量子化済PARCOR係数K'^Rを線形予測係数a’^Rに逆変換する逆変換部１３Ｒと、線形予測係数a'^Rを使って入力信号x^R(n)を線形予測フィルタ処理して予測残差e^R(n)を出力する線形予測フィルタ１４Ｒと、量子化済PARCOR係数K’^Rを符号化して係数符号C_k ^Rを出力する係数符号化部２１Ｒと、予測残差e^R(n)を符号化して残差符号C_e ^Rを出力する残差符号化部２２Ｒと、係数符号C_k ^Rと残差符号C_e ^Rとを合成して合成符号C_g ^Rを出力する符号合成部２３Ｒとから構成されている。

左チャネル符号化構成も同様であり、線形予測分析部１１Ｌと、量子化部１２Ｌと、逆変換部１３Ｌと、線形予測フィルタ１４Ｌと、係数符号化部２１Ｌと、残差符号化部２２Ｌと、符号合成部２３Ｌとから構成されている。
図２では各チャネルで閉じた（独立した）線形予測分析を行なっており、したがって右チャネルについてのみ説明する。
線形予測分析部１１Ｒにおいては、入力信号x^R(n)をフレーム毎に線形予測分析するが、その線形予測分析の最適予測次数P₀の決定方法を図３を参照して説明する。

Step11：共分散法又は数値計算による方法のような、厳密な手法により予め決めた最小予測次数P_minから最大予測次数P_maxまでの各予測次数での入力信号の線形予測分析を行ない、線形予測係数を算出する。
Step20：予め決めた最小予測次数P_minから最大予測次数P_maxまでの各予測次数の場合の（量子化済）PARCOR係数を符号化して係数符号量を求める。
Step30：最小予測次数P_minから最大予測次数P_maxまでの各予測次数の場合の予測残差符号量を求める。

Step40：係数符号量と残差符号量との合計が最小となる予測次数を最適予測次数P₀と決める。
Step50：決定された最適予測次数P₀のときの線形予測係数を最適な予測係数として出力する。
尾崎統、北川源四郎、"時系列解析の方法"、朝倉書店、pp.82-92 "情報源符号化＝無歪データ圧縮"、培風館、pp.114-115 "チャネル間相関を用いた多チャネル信号の可逆圧縮符号化"、情報処理学会論文誌、Vol.46, No. 5, pp.1118-1128．

図２における線形予測分析部１１Ｒはこのようにして最適予測次数P₀を決定し、最適予測次数P₀の場合のStep10で得られた線形予測係数をPARCOR係数K^Rに変換して出力する。この方法によれば、より精度の高い線形予測係数を求めることができるが、各予測次数P_hごとにP_h個の全係数を計算する必要があり、必要な演算処理量が圧倒的に大となる欠点がある。
この発明の目的は、マルチチャネル線形予測符号化において、演算処理量が少なく、かつより正確な予測係数を決定できる予測係数決定方法及び装置を提供することである。

この発明の第１の観点によれば、マルチチャネル時系列信号中の何れかのチャネルに対する最適予測係数を決定する方法は、
該チャネルの時系列信号について第１の線形予測分析を行い、予め決めた範囲の各予測次数のうち、予測係数の係数符号量または推定符号量と、予測残差の残差符号量または推定符号量、の合計が最小となる次数を第１の最適予測次数として求め、求めた第１の最適予測次数について、該チャネルの時系列信号に対し上記第１の線形予測分析とは異なる、全次の線形予測係数を求める分析を行なって求めた予測係数を該チャネルの最適予測係数とすることを特徴とする。
この発明の第２の観点によれば、マルチチャネル時系列信号中の何れかのチャネルに対する最適予測係数を決定する方法は、
(a) 該チャネルの時系列信号について第１の線形予測分析を行い、予め決めた範囲の各予測次数のうち、予測係数の係数符号量または推定符号量と、予測残差の残差符号量または推定符号量、の合計が最小となる次数を第１の最適予測次数として求め、求めた第１の最適予測次数を含む予め決めた範囲の各予測次数について、該チャネルの時系列信号に対し上記第１の線形予測分析とは異なる、全次の線形予測係数を求める分析を行なって予測係数を求め、さらに、該予測係数の符号量または推定符号量と、予測残差の残差符号量または推定符号量と、を求めるステップと、
(b) 上記係数の符号量または推定符号量と、上記残差符号量または推定符号量と、の合計が最小となる予測次数を第２の最適予測次数と決定するステップと、
(c) 上記ステップ(a) で求めた予測係数のうち、上記第２の最適予測次数に対応する線形予測係数を最適予測係数とするステップ、
とを含むことを特徴とする。

この発明の第３の観点によれば、マルチチャネル時系列信号中の何れかのチャネルに対する最適予測係数を決定する方法は、
該チャネル以外のチャネルについて得られた最適予測次数について、該チャネルの時系列信号に対し全次の線形予測係数を求める分析を行なって求めた予測係数を該チャネルの最適予測係数とすることを特徴とする。
この発明の第４の観点によれば、マルチチャネル時系列信号中の何れかのチャネルに対する最適予測係数を決定する方法は、
(a) 該チャネル以外のチャネルについて得られた最適予測次数を含む予め決めた範囲の各予測次数について、該チャネルの時系列信号に対し全次の線形予測係数を求める分析を行なって予測係数を求め、さらに、該予測係数の符号量または推定符号量と、予測残差の符号量または推定符号量と、を求めるステップと、
(b) 上記係数の符号量または推定符号量と、上記残差符号量または推定符号量と、の合計が最小となる予測次数を該チャネルの最適予測次数と決定するステップと、
(c) 上記ステップ(a) で求めた予測係数のうち、該チャネルの最適予測次数に対応する線形予測係数を最適予測係数とするステップ、
とを含むことを特徴とする。

この発明によれば、同一チャネルについて別の方法で求めた最適予測次数または他チャネルで決めた最適予測次数を利用して、厳密な線形予測分析により最適予測次数を決めるので、正確な予測係数を少ない演算量で決めることができる。

図４はこの発明による最適予測係数決定方法の一実施例を示す処理手順を示す。
Step400：他チャネルについて求めた最適予測次数P₀、または、自チャネルについて下記のStep510とは別の方法で求めた最適予測次数P₀、を厳密な手法による最適次数探索の初期値P₀とする。
Step510：予め設定した探索範囲P₀−ΔP_v〜P₀+ΔP_vの各予測次数について共分散法又は数値計算法などの厳密な手法により線形予測係数を算出する。ここで、ΔP_vは例えば０≦ΔP_v＜(P_min+P_max)/2の範囲の予め決めた整数である。また、予め設定した探索範囲は最適次数探索の初期値P₀を中心とする範囲を対称とせず、例えばP₀−ΔP_b〜P₀＋ΔP_tというように非対称な範囲としてもよい。ここで、ΔP_b及びΔP_tは、０≦ΔP_b≦P₀−P_min、０≦ΔP_t≦P_max−P₀、ΔP_b≠ΔP_tの範囲で予め決めた整数である。

Step520：上記探索範囲の各予測次数での係数符号を求め、係数符号量を求める。ここで、係数符号量は実際に係数を符号化して求めた符号量でなくても、例えば、予測次数から推定される推定係数符号量や、予測次数と各予測係数の絶対値などから推定される推定係数符号量を係数符号量として用いてもよい。
Step530：上記探索範囲の各予測次数での残差符号量を求める。ここで、残差符号量は実際に予測残差を符号化して求めた符号量でなくても、例えば、予測残差のパワーや絶対値和などから推定した推定残差符号量を残差符号量として用いてもよい。

Step540：Step520で得られた係数符号量とStep530で得られた残差符号量との合計が最小となる予測次数を最適予測次数P_vと決定する。
Step550：最適予測次数P_vのときの線形予測係数を最適な予測係数と決定する。
いま、あるチャネルの最適な予測次数での予測係数と予測残差を図４のStep510〜Step550で共分散法や数値計算法のような厳密な手法に基づく線形予測分析（以下、厳密法と呼ぶ）により決める場合、そのチャネルを自チャネルとすると、Step400における予測次数P₀は自チャネルについて得たものでもよいし、他チャネルについて求めたものでもよい。また、予測次数P₀の求め方は、Levinson-Durbin法やBurg法のように、低次から順次次数を増加させながら、順次増加させた次数分のみのPARCOR係数または線形予測係数を求める逐次的方法（以下、逐次法と呼ぶ）でもよいし、共分散法や数値計算法のように、予測次数ごとに全次の線形予測係数またはPARCOR係数を求める厳密法でもよい。

図５Ａは、図４のStep400において逐次法を用いた場合の例をStep400Aとして示す。
ステップ410A：Levinson-Durbin法又はBurg法のような逐次法により最大予測次数P_maxまでのPARCOR係数を算出する。
Step420A：予め決めた範囲P_min〜P_maxの各予測次数の場合のPARCOR係数の係数符号量を求める。
Step430A：範囲P_min〜P_maxの各予測次数の場合の残差符号量を求める。
Step440A：係数符号量と残差符号量の合計が最小となる予測次数を最適予測次数探索の初期値P₀とする。

図５Ｂは、図４のStep400において厳密法を用いた場合の例をStep400Bとして示す。
Step410B：共分散法又は数値計算法のような厳密な手法により予め決めた範囲P_min〜P_maxの各予測次数の場合の線形予測係数を求め、PARCOR係数に変換する。
Step420B：範囲P_min〜P_maxの各予測次数の場合の係数符号量を求める。
Step430B：範囲P_min〜P_maxの各予測次数の場合の残差符号量を求める。
Step440B：係数符号量と残差符号量の合計が最小となる予測次数を最適予測次数探索の初期値P₀とする。

この発明で実施可能な組み合わせの例を以下に示す。ただし、Step400をＡで表し、Step510〜step550をＢで表す。また、マルチチャネル符号化において、後述のように自チャネル単独で厳密法による線形予測分析を行なう場合と、他チャネルとの相互相関を考慮した厳密法による線形予測分析を行なう場合があり、前者を「単独厳密法」、後者を「相関厳密法」と表す。ここで、他チャネルとの相関を考慮した厳密法とは、例えば鎌本、原田、守谷"MPEG-4 ALSのマルチチャネル符号化に対応した線形予測分析"、日本音響学会講演論文集、1-1-4、2007年３月１３日、（以下「参考文献１」と呼ぶ）に記載されている、予測次数毎に全次の線形予測係数を自チャネルの線形予測残差と他チャネルの線形予測残差との重み付き差分が最小となる基準で線形予測係数を求める分析方法をさす。

(a) Ａ：他チャネルで逐次法； Ｂ：自チャネルで単独厳密法
(b) Ａ：他チャネルで逐次法； Ｂ：自チャネルで相関厳密法
(c) Ａ：他チャネルで単独厳密法； Ｂ：自チャネルで単独厳密法
(d) Ａ：他チャネルで単独厳密法； Ｂ：自チャネルで相関厳密法
(e) Ａ：他チャネルで相関厳密法； Ｂ：自チャネルで単独厳密法
(f) Ａ：他チャネルで相関厳密法； Ｂ：自チャネルで相関厳密法
(g) Ａ：自チャネルで逐次法； Ｂ：自チャネルで単独厳密法
(h) Ａ：自チャネルで逐次法； Ｂ：自チャネルで相関厳密法
(i) Ａ：自チャネルで単独厳密法； B：自チャネルで相関厳密法
上記組み合わせのいずれの場合でも、Step510〜Step540を実施する代わりに初期値P₀をそのまま最適次数P_vとして、最適次数P_vについて自チャネルで単独又は相関厳密法により予測係数を決定してもよい。これは、ΔP_v＝０とおいてStep510〜Step540を実施することに対応する。

図４のStep530における各予測次数での残差符号量を求める方法は、例えば得られた線形予測係数またはその予測係数を量子化した量子化済線形予測係数を使って入力信号に対し線形予測フィルタ処理を行って予測残差を求め、その予測残差を符号化して符号量を得る方法が一般的である。
残差符号量を推定する方法としては、例えば各予測次数で得られた線形予測係数をPARCOR係数に変換し、PARCOR係数を使って求まる予測残差のエネルギーから符号量を推定する方法がある。例えば、入力信号x(n)の１フレームあたりのエネルギーE(0)は

となる。１次のPARCOR係数k(1)を用いて、１次の線形予測を行ったときの予測残差のエネルギーE(1)は、
E(1)=E(0){1−k(1)²} (6)
となる。２次の線形予測を行ったときの予測残差のエネルギーE(2)は、
E(2)=E(1){1−k(2)²} (7)
となる。これをP_maxまで繰り返すと、P_max次の線形予測を行ったときの予測残差のエネルギーE(P_max)は、

となるので、それぞれの予測次数での残差エネルギーで予測残差の符号量を近似できる。

＜第１実施例＞
図４に示した方法を２チャネル線形予測符号化装置に適用した例を図６に示す。
例えばコンパクトディスク（ＣＤ）のオーディオ２チャネル信号（ステレオ信号）の左右チャネル信号間には比較的大きな相互相関があることが知られている。このことから、一方のチャネルにおいて線形予測分析に最適な予測次数は他方のチャネルにおける線形予測分析に最適な予測次数に近いことが推定される。図６の実施例では、このような２チャネルの線形予測符号化装置にこの発明を適用することにより演算処理量を減らす場合を示す。
右チャネルの符号化構成と左チャネルの符号化構成は図２の符号化構成と同様である。図６の装置で特徴的なことは、一方のチャネル、ここでは右チャネルの線形予測分析部で結果で得られた最適予測次数P₀が他方のチャネルの線形予測分析に利用されるよう構成されていることである。図４で説明した組み合わせ(a) 又は(c) に対応する。
線形予測分析部１１Ｒは、与えられた右チャネル入力信号x^R(n)(n=1, 2, …, N、Ｎは各フレームのサンプル数）に対しフレーム毎に予め決めた第１の範囲の各予測次数で例えば図５Ａで説明したLevinson-Durbin法やBurg法のような逐次法、あるいは図５Ｂで説明した共分散法や数値計算法のような厳密な手法により線形予測分析を行なって残差符号量と係数符号量の和が最小となる予測次数を最適予測次数P₀と決め、その予測次数に対応する予測係数をPARCOR係数K^R={k^R(1), k^R(2), …, k^R(P₀)}として出力する。即ち、予測係数を線形予測係数a^R={α^R(1), α^R(2), …, α^R(P₀)}として求めた場合は、これらをPARCOR係数K^R={k^R(1), k^R(2), …, k^R(P₀)}に変換する。量子化部１２ＲはPARCOR係数K^Rを量子化し、量子化済PARCOR係数K'^R={k'^R(1), k'^R(2), …, k'^R(P₀)}を出力する。逆変換部１３Ｒは量子化済PARCOR係数K'^Rを線形予測係数a'^R={α'^R(1), α'^R(2), …, α'^R(P₀)}に変換する。線形予測フィルタ１４Ｒは線形予測係数a'^Rを使って入力信号x^R(n)を線形予測フィルタ処理し、予測残差e^R(n)を出力する。線形予測分析部１１Ｒ、量子化部１２Ｒ、逆変換部１３Ｒ、線形予測フィルタ１４Ｒは線形予測分析手段１０Ｒを構成している。

係数符号化部２１Ｒは最適予測次数P₀と量子化済PARCOR係数K'^Rを符号化し、係数符号C_k ^Rを出力する。残差符号化部２２Ｒは、予測残差e^R(n)を例えばエントロピー符号化し、残差符号C_e ^Rを出力する。符号合成部２３Ｒは、係数符号C_k ^Rと残差符号C_e ^Rを合成し、Ｒチャネル符号C_g ^Rとして出力する。符号合成部２３Ｒは係数符号C_k ^Rと残差符号C_e ^Rを合成し、Ｒチャネル符号C_g ^Rとして出力する。係数符号化部２１Ｒ、残差符号化部２２Ｒ、符号合成部２３Ｒは符号化手段２０Ｒを構成している。
左チャネル側符号化構成においては、線形予測分析部３１Ｌは線形予測部１１Ｒから予測次数P₀が探索初期値として与えられ、P₀を含む第１の範囲より狭い第２の範囲の各予測次数で入力信号x^L(n)に対し例えば共分散法または数値計算法のような厳密な手法で線形予測分析を行ない、残差符号量と係数符号量を求める。これらの符号量の合計がもっとも小さい予測次数を最適予測次数P_vと決定し、そのときの線形予測係数をPARCOR係数K^L={k^L(1), k^L(2), …, k^L(P_v)}に変換して出力する。

量子化部３２ＬはPARCOR係数K^Lを量子化し、量子化済PARCOR係数K'^L={k'^L(1), k'^L(2), …, k'^L(P_v)}を出力する。逆変換部３３Ｌは量子化済PARCOR係数K'^Lを線形予測係数a'^L={α'^L(1), α'^L(2), …, α'^L(P_v)}に変換する。線形予測フィルタ３４Ｌは線形予測係数a'^Lを使って入力信号x^L(n)を線形予測フィルタ処理し、予測残差e^L(n)を出力する。線形予測分析部３１Ｌ、量子化部３２Ｌ、逆変換部３３Ｌ、線形予測フィルタ３４Ｌは線形予測分析手段３０Ｌを構成している。
係数符号化部２１Ｌは最適予測次数P_vと量子化済PARCOR係数K'^Lを符号化し、係数符号C_k ^Lを出力する。残差符号化部２２Ｌは、予測残差e^L(n)を例えばエントロピー符号化し、残差符号C_e ^Lを出力する。符号合成部２３Ｌは、係数符号C_k ^Lと残差符号C_e ^Lを合成し、Ｌチャネル符号C_g ^Lとして出力する。係数符号化部２１Ｌ、残差符号化部２２Ｌ、符号合成部２３Ｌは符号化手段２０Ｌを構成している。

この線形予測分析部３１Ｌがこの発明の予測係数決定装置を実現している。この実施例の予測係数決定装置３１Ｌの機能構成図を図７に示す。この実施例の予測係数決定装置３１Ｌは、厳密線形予測分析部５１０と係数符号量算出部５２０と残差符号量算出部５３０と最適次数探索部５４０と最適係数決定部５５０とにより構成されている。
この例では図６における左チャネル信号x^L(n)と、右チャネルの線形予測分析部１１Ｒにおいて図４のStep400を実行することにより得られた最適次数探索初期値P₀とが与えられ、Step510を実行して各予測次数の場合の線形予測係数を求める。係数符号量算出部５２０と残差符号量算出部５３０はそれぞれ図４のStep520とStep530を実行して各予測次数の場合の係数符号量と残差符号量を求める。最適次数探索部５４０は図４のStep540を実行して係数符号量と残差符号量の合計が最小となるときの予測次数を最適予測次数P_vと決定する。最適係数決定部５５０は、図４のStep550を行なって最適予測次数P_vが決定されたときの線形予測係数を最適な予測係数として出力する。

このように、この実施例では、左チャネルは他チャネル（この例では右チャネル）で得られた最適予測次数P₀を暫定的な最適予測次数（最適予測次数探索の初期値）として利用し、更にその次数P₀の周辺の各予測次数について共分散法や数値計算法による手法により求めた線形予測係数から残差符号の符号量を求めると共に、対応するPARCOR係数の符号量を求め、これらの残差符号量と係数符号量の合計が最小となる予測次数を最適予測次数P_vと決定する。従って、合計符号量を最小とする最適予測次数をより正確に、しかも比較的少ない演算処理量で得ることができる。もちろん、他チャネルから与えられた最適予測次数P₀を自チャネルでそのまま最適予測次数P₀=P_vとして使用すれば、更に演算量を削減できる。
以上の説明のように、マルチチャネル信号符号化にこの発明を適用する場合、あるチャネルにおける線形予測分析のための最適予測次数探索の初期値予測次数P₀としては、他のチャネルの線形予測分析部において求めた最適予測次数を使用してもよい。

＜第２実施例＞
チャネル間相関を利用した符号化
マルチチャネル信号の圧縮符号化では、非特許文献３に示されているように、所望の１つのチャネルを親チャネルとし、他を子チャネルとし、それぞれのチャネルごとに独立に線形予測分析を行って予測残差の基準値（エネルギーなど）を最小化するように、例えばLevinson-Durbin法などにより線形予測分析が行なわれ、分析により得られた線形予測係数a={α(1), α(2), …, α(P)}, α(0)=1を用いたフィルタを通して得られる親チャネルの予測残差に対して各子チャネルの予測残差を重み付き減算処理して残差差分を求め、親チャネルについてはその予測係数と予測残差を符号化し、各子チャネルについてはその予測係数と残差差分を符号化している。

マルチチャネル信号間に相互相関がある場合、それぞれのチャネル毎に線形予測残差のエネルギーが小さくなるように求めた線形予測係数を用いて線形予測分析を行っても、子チャネルにおいて符号化の対象となる残差差分信号についてはエネルギーが最小となっているわけではなく、残差差分信号をエントロピー符号化した際の符号量は必ずしも少なくできず、効率の良い符号化を行っているとはいえない。そこで合計の基準値（言い換えれば実際に符号化される信号の基準値）、例えば入力信号が２チャネルステレオ信号の右チャネル信号x^R(n)を親チャネル信号、左チャネル信号x^L(n)を子チャネル信号とする場合、親チャネルの予測残差エネルギー基準と、親チャネル予測残差と子チャネル予測残差の重みつき減算処理後の残差差分信号エネルギー基準の合計

が最小となるように、子チャネル予測残差を求めるための線形予測係数を決めることが非特許文献３に示されている。ここで、重み係数γは前述のように減算処理後のエネルギーが最小となるように、

によって決められる。
このようにチャネル間の相互相関を考慮した式(9)を最小化する線形予測係数を求めるため、式(9)を線形予測係数で偏微分して０とおいた式を解くことにより線形予測係数を求める変形された共分散法（以降、変形共分散法と呼ぶ）は、参考文献１に示されている。以下のマルチチャネル信号符号化装置の実施例においても、相互相関を利用した線形予測分析部においてこの手法を使うものとする。

図８はチャネル間相関を利用した線形予測分析を行なうマルチチャネル信号符号化装置の例を示し、図４で説明した組み合わせ(b) 又は(d) に対応する。
あるフレーム（Ｎサンプル）のＲチャネルの信号をx^R(n)(n=1, 2, …, N)、Ｌチャネルの信号をx^L(n)(n=1, 2, …, N)とする。ここでは、Ｒチャネルを親チャネル、Ｌチャネルを子チャネルとする。
線形予測分析部１１Ｒは入力された親チャネル信号x^R(n)から図５Ａ又は５Ｂで説明した方法により最適予測次数P₀を決定し、その予測次数でのPARCOR係数K^R={k^R(1), k^R(2), …, k^R(P₀)}を得る。また、その最適予測次数P₀を探索初期値としてチャネル間相関を利用した線形予測分析部５４Ｍに与える。量子化部１２Ｒは入力されたPARCOR係数K^R={k^R(1), k^R(2), …, k^R(P₀)}を量子化し、量子化済PARCOR係数K'^R={k'^R(1), k'^R(2), …, k'^R(P₀)}を出力する。逆変換部１３Ｒは入力された量子化済PARCOR係数K'^R={k^R(1), k'^R(2), …, k'^R(P₀)}を量子化済予測係数a'^R={α'^R(1), α'^R(2), …, α'^R(P₀)}に逆変換する。線形予測フィルタ１４Ｒは量子化済予測係数a'^R={α'^R(1), α'^R(2), …, α'^R(P₀)}をフィルタ係数として、入力された親チャネル原信号x^R(n)を次式でフィルタリングし予測残差e^R(n)を得る。ただしα'^R(0)=1とする。

係数符号化部２１Ｒは最適予測次数P₀と量子化済PARCOR係数K'^R={k'^R(1), k'^R(2), …, k'^R(P₀)}を符号化し係数符号C_k ^Rを出力する。残差符号化部２２Ｒは予測残差e^R(n)を符号化し残差符号C_e ^Rを出力する。符号合成部２３Ｒは残差符号C_e ^Rと係数符号C_k ^Rを合成し、親チャネル合成符号C_g ^Rを出力する。
チャネル間相関を利用した線形予測分析部５４Ｍは、与えられた最適予測次数の初期値P₀の周辺（P₀±ΔP_vの範囲）の各予測次数P_h(h=−ΔPv, …, +ΔP_v)について以下のStep1〜Step4を行う。
Step1：入力された子チャネル信号x^L(n)と、線形予測フィルタ１４Ｒからの親チャネル予測残差e^R(n)とを使ってチャネル間の相互相関を考慮した変形共分散法により相互相関を考慮した線形予測係数a^M={α^M(1), α^M(2), …, α^M(P_h)}を求める。
Step2：線形予測係数a^MをPARCOR係数に変換し、係数符号量を求める。
Step3：親チャネル予測残差e^R(n)と相関を考慮した子チャネル予測残差e^M(n)とから変形共分散法により残差差分信号e'^M(n)=e^R(n)−γe^M(n)を推定し、その符号量を残差符号量として求める。
Step4：Step2とStep3で得た係数符号量と残差符号量の合計符号量を求める。

チャネル間相関を利用した線形予測分析部５４Ｍは、すべての予測次数について得られた合計符号量から合計符号量を最小にする予測次数P_hを最適予測次数P_vと決定する。
変換部５５Ｍは線形予測係数a^M={α^M(1), α^M(2), …, α^M(P_v)}をPARCOR係数K^M={k^M(1), k^M(2), …, k^M(P_v)}に変換する。量子化部５６Ｍは入力されたPARCOR係数K^Mを量子化し、量子化済PARCOR係数K'^M={k'^M(1), k'^M(2), …, k'^M(P_v)}を出力する。逆変換部５７Ｍは入力された量子化済PARCOR係数K'^M={k'^M(1), k'^M(2), …, k'^M(P_v)}を量子化済予測係数a'^M={α'^M(1), α'^M(2), …, α'^M(P_v)}に逆変換する。線形予測フィルタ５８Ｍは量子化済予測係数a'^M={α'^M(1), α'^M(2), …, α'^M(P_v)}をフィルタ係数として、入力された子チャネル信号x^L(n)を以下の式でフィルタリングし予測残差e^M(n)を得る。ただしα'^M(0)=1とする。

重み計算部５１は親チャネルの予測残差e^R(n)と相互相関を考慮した予測残差e^M(n)を用いて以下の式から重み係数γを求める。

重み量子化部５２は重み係数γを量子化し、量子化済重み係数γ'を得る。重み付き減算処理部５３は、予測残差e^R(n)、e^M(n)と量子化済重み係数γ'を用いて以下の式より、残差差分信号e'^M(n)を得る。

重み計算部５１、重み量子化部５２、重み付き減算処理部５３、チャネル間相関を利用した線形予測分析部５４Ｍ、変換部５５Ｍ、量子化部５６Ｍ、逆変換部５７Ｍ、線形予測フィルタ５８Ｍは線形予測分析手段５０を構成している。
残差符号化部６１Ｍは残差差分信号e'^M(n)を符号化し残差符号C_e ^Mを出力する。係数符号化部６４Ｍは最適予測次数P_vと量子化済PARCOR係数K'^M={k'^M(1), k'^M(2), …, k'^M(P_v)}を符号化し係数符号C_k ^Mを出力する。重み符号化部６２Ｍは量子化済重み係数γ'を符号化し重み符号C_w ^Mを出力する。符号合成部６３Ｍは残差符号C_e ^Mと重み符号C_w ^Mと係数符号C_k ^Mを合成し、子チャネル合成符号C_g ^Mを出力する。残差符号化部６１Ｍ、重み符号化部６２Ｍ、符号合成部６３Ｍ、係数符号化部６４Ｍは符号化手段６０を構成している。
この実施例ではチャネル間相関を利用した線形予測分析ぶ５４Ｍがこの発明の予測係数決定装置を実現している。

＜第３実施例＞
図８の実施例において、子チャネルについては、図７のように通常の線形予測分析を行なって求めた係数符号C_k ^Lと残差符号C_e ^Lとを合成して得た符号C_g ^Lと、図８の実施例で求めたチャネル間相関を考慮した合成符号C_g ^Mの符号量を比較し、少ないほうを子チャネル符号として出力してもよい。その実施例を図９に示す。この実施例は図８の実施例に対し線形予測分析部１１Ｌ、量子化部１２Ｌ、逆変換部１３Ｌ、線形予測フィルタ１４Ｌ、係数符号化部２１Ｌ、残差符号化部２２Ｌ、符号合成部２３Ｌ、符号量比較部７１が追加されている。

図９の実施例では、子チャネル信号x^L(n)に対する線形予測分析部１１Ｌにおいて逐次法あるいは厳密法により求めた最適予測次数P₀を、同じ子チャネル信号x^L(n)に対するチャネル間相関を利用した線形予測分析部５４Ｍに与え、チャネル間相関を考慮した線形予測分析を厳密法で行なうための最適予測次数P_vを決めている。従って、この実施例は図４で説明した組み合わせ(h)または(i) に対応している。
線形予測分析部１１Ｌは入力された子チャネル信号x^L(n)を従来の線形予測分析方法（Levinson-Durbin法又はBurg法のような逐次法、または、共分散法や数値計算法などの厳密法など）により線形予測分析し、残差符号量と係数符号量の和が最小となる予測次数を最適予測次数P₀として求め、最適予測次数に対応する予測係数をPARCOR係数K^L={k^L(1), k^L(2), …, k^L(P₀)}として出力する。量子化部１２Ｌは入力されたPARCOR係数K^L={k^L(1), k^L(2), …, k^L(P₀)}を量子化し、量子化済PARCOR係数K'^L={k'^L(1), k'^L(2), …, k'^L(P₀)}を出力する。逆変換部１３Ｌは入力された量子化済PARCOR係数K'^L={k'^L(1), k'^L(2), …, k'^L(P₀)}を量子化済予測係数a'^L={α'^L(1), α'^L(2), …, α'^L(P₀)}に逆変換する。線形予測フィルタ１４Ｌは量子化済予測係数a'^L={α'^L(1), α'^L(2), …, α'^L(P₀)}をフィルタ係数として、入力された子チャネル信号x^L(n)を以下の式でフィルタリングし予測残差e^L(n)を得る。ただしα'^L(0)=1とする。

残差符号化部２２Ｌは予測残差e^L(n)を符号化し残差符号C_e ^Lを出力する。係数符号化部２１Ｌは最適予測次数P₀と量子化済PARCOR係数K'^L={k'^L(1), k'^L(2), …, k'^L(P₀)}を符号化し係数符号C_k ^Lを出力する。符号合成部２３Ｌは残差符号C_e ^Lと係数符号C_k ^Lを合成し、通常子チャネル合成符号C_g ^Lを出力する。
この実施例では、子チャネルの線形予測分析部１１Ｌにおいて図５Ａ又は５Ｂの方法により求めた最適予測次数P₀がチャネル間相関を利用した線形予測分析部５４Ｍに与えられる。チャネル間相関を利用した線形予測分析部５４Ｍは、与えられた予測次数P₀を初期値とし、図８で説明したと同様の手法でP₀±ΔP_vの範囲で各予測次数について前述の変形共分散法により線形予測係数を求め、残差差分の符号量と係数符号量の合計が最小となる予測次数P_vを最適予測次数と決め、そのときの線形予測係数を変換部５５Ｍに与える。この線形予測係数に基づく量子化済線形予測係数を使って線形予測フィルタ５８Ｍにより子チャネルのチャネル間相関を考慮した予測残差e^M(n)を生成し、重み計算部５１及び重み付き減算処理部５３に与える。

符号合成部２３Ｌからの合成符号C_g ^Lと符号合成部６３Ｍからの合成符号C_g ^Mが符号量比較部７１に与えられてそれらの符号量が比較され、少ない方の合成符号を選択してどちらを選択したかを表す情報と共に子チャネルの符号として出力する。
この実施例ではチャネル間相関を利用した線形予測分析部５４Ｍがこの発明の予測係数決定装置を実現している。
この実施例によれば、減算処理を行わないほうが符号量が少ない場合には、通常の線形予測分析の結果を用いることになるので、従来法と比べて圧縮率が悪化することは常にない。

図１０は図９において、線形予測分析部１１Ｌにより入力信号x^L(n)の各フレーム毎にLevinson-Durbin法により最適予測次数P₀を求め、そのP₀を初期値としてチャネル間相関を利用した線形予測分析部５４Ｍにより変形共分散法に基づく連立方程式を解くことを繰り返すことにより最適予測次数P_vを求め、P₀とＰ_vの差を求めることを入力信号x^L(n)の一連のフレームについて実行することにより得た、P₀とP_vの差に対する最適予測次数の出現確率分布を示す。入力信号x^L(n)はサンプル周波数48kHz、各サンプル長16ビット、のステレオ音響信号で、それぞれ３０秒のファイルを１５ファイル用いた。最大次数P_max＝３１とした。図９の実施例において、線形予測分析部１１Ｌから与えられる最適予測次数P₀に対し、チャネル間相関を利用した線形予測分析部５４Ｍで探索を行なって得られる最適予測次数P_vが同じとなる出現確率は約４０％であり、P₀=P_vを中心に前後４の範囲に最適予測次数が存在する確率は、７０％以上となることを示している。

図１１は、図７又は図８又は図９における親チャネル符号化構成部１１Ｒ〜１４Ｒ，２１Ｒ，２２Ｒ，２３Ｒの代わりに実施可能な変形例を示す。前述のようにLevinson-Durbin法では、信号に窓関数を掛けることで定常とみなし、分析を行なっている。そのため、正確な予測係数を得るには窓を用いない共分散法を用いたほうがよいが、共分散法を用いた場合のほうが常に符号量が小さくなるとは限らない。そこで、ここではLevinson-Durvin法で求めた最適次数P₀を使って推定した符号量と、予測次数P₀を初期値として、共分散法の最適予測次数を探索により見つけて、符号量を求めた場合を比較し、符号量の少ない方を採用する。

入力信号x(n)から符号化構成部１１〜１４，２１，２２，２３により合成符号C_gxを出力するまでは図７，８と同様にLevinson-Durbin法により最適な予測次数P₀が決定され、そのときの予測係数に基づいてPARCOR係数及び予測残差の符号化が行なわれ、符号合成部２３で合成される。ここでは、線形予測分析部１１Ｖで探索する予測次数の範囲をP₀-ΔP_v〜P₀+ΔP_vとする。ただし、P₀-ΔP_vが予め定められた下限P_min（例えば０）を下回った場合は、ΔP_b=P₀-P_minとし（つまり次数が負にならないようにする）、同様にP₀+ΔP_vが予め定められた上限P_maxを上回った場合は、ΔP_t=P₀+P_maxとし、探索範囲をP₀-ΔP_b〜P₀+ΔP_v、P₀-ΔP_v〜P₀+ΔP_t、P₀-ΔP_b〜P₀+ΔP_t、というように非対称に変形することもある。また、すでに処理を終えたフレームまでの次数の差の出現確率分布に基づく統計量を用いてもよい。例えば統計的分布が左右対称でない場合は、３次統計量などを利用して、P₀-ΔP_b〜P₀+ΔP_tというような非対称の探索範囲としてもよい。ここで、ΔP_bとΔP_tは同じ値になることも、異なる値となることもありえる。

線形予測分析部１１Ｖは以下の処理を実行する。
Step1：入力信号x(n)を用いて予測次数P_vi=P₀の共分散法による線形予測分析を行ない、線形予測係数a_vi={α_vi(1), α_vi(2), …, α_vi(P_vi)}を得る。これをPARCOR係数K_vi={P_vi, k_vi(1), k_vi(2), …, k_vi(P_vi)}に変換し、係数符号量を得る。式(8)においてP_max=P_viとし、エネルギー残差を求め、残差符号量を推定する。係数符号量と残差符号量を合計した符号量を求める。
Step2：入力信号x(n)を用いて予測次数P_v=P₀−1の共分散法による線形予測分析を行ない、線形予測係数a_vi={α_vi(1), α_vi(2), …, α_vi(P_vi)}を得る。これをPARCOR係数K_vi={P_vi, k_vi(1), k_vi(2), …, k_vi(P_vi)}に変換し、係数符号量を得る。式(8)においてP_max=P_viとし、エネルギー残差を求め、残差符号量を推定する。係数符号量と残差符号量を合計した符号量を求める。
Step3：入力信号x(n)を用いて予測次数P_vi=P₀+1の共分散法による線形予測分析を行ない、線形予測係数a_vi={α_vi(1), α_vi(2), …, α_vi(P_vi)}を得る。これをPARCOR係数K_vi={ k_vi(1), k_vi(2), …, k_vi(P_vi)}に変換し、予測次数P_viの符号量を含む係数符号量を得る。式(8)においてP_max=P_viとし、エネルギー残差を求め、残差符号量を推定する。係数符号量と残差符号量を合計した符号量を求める。

このように上記StepをP₀−ΔP_vからP₀+ΔP_vまで繰り返し、最も合計符号量が小さくなる予測次数P_viを最適予測次数P_vと決定する。
線形予測分析部１１Ｖは、最適予測次数とPARCOR係数K_v={ k_v(1), k_v(2), …, k_v(P_v)}を出力する。量子化部１２ＶはPARCOR係数K_vを量子化し、量子化済PARCOR係数K'_v={ k'(1), k'(2), …, k'(P_v)}を出力する。逆変換部１３Ｖは量子化済PARCOR係数K'_vを線形予測係数a'_v={α'_v(1), α'_v(2), …, α'(P_v)}に変換して出力する。線形予測フィルタ１４Ｖは線形予測係数a'_vをフィルタ係数として、入力された信号x(n)(n=1, 2, …, N)をP_v次の線形予測フィルタ処理し、予測残差

を得る。残差符号化部２２Ｖは予測残差e_v(n)を例えばエントロピー符号化し、残差符号C_evを出力する。係数符号化部２１Ｖは最適予測次数P_vと量子化済PARCOR係数K'_vを符号化し、係数符号C_kvを出力する。符号合成部２３Ｖは残差符号C_evと係数符号C_kvを合成し、合成符号C_gvを出力する。符号量比較部２４は、合成符号C_gxと合成符号C_gvを比較し、符号量の小さいほうを合成符号C_gとして出力する。線形予測分析部１１Ｖ、量子化部１２Ｖ、逆量子化部１３Ｖ、線形予測フィルタ１４Ｖは線形予測分析手段１０Ｖを構成し、係数符号化部２１Ｖ、残差符号化部２２Ｖ、符号合成部２３Ｖは符号化手段を構成している。

図１１の変形例は図９における子チャネル側符号化構成部３１Ｌ〜３４Ｌ，４２Ｌ，４３Ｌ，４４Ｌにも同様に適用できる。また、図１１の装置を単独のチャネルの符号化装置として使用してもよい。
図１２は、図１１の変形実施例である。入力信号x(n)から符号化構成部１１〜１４，２１〜２３により合成符号C_aを出力するまでは図１１と同様にLevinson-Durbin法やBurg法などにより最適予測次数P₀が決定され、そのときの予測次数に基づいてPARCOR係数及び予測残差の符号化が行なわれ、符号合成部２３で合成される。図１１では線形予測分析部１１Ｖは入力信号x(n)から各予測次数ごとに共分散法に基づく線形予測分析により係数符号量及び残差符号量を推定して合計符号量が最小となる予測次数を決定した。しかし、図１２では、線形予測分析部１１Ｖは各予測次数P_vi=P₀-ΔP_v,P₀−ΔP_v+1, …, P₀, …, P₀+ΔP_v−1, P₀+ΔP_vごとに共分散法に基づく線形予測分析により線形予測係数を求め、PARCOR係数に変換して出力し、以下、そのPARCOR係数から量子化部１２Ｖ、逆変換部１３Ｖ，線形予測フィルタ１４Ｖ、係数符号化部２１Ｖ、残差符号化部２２Ｖ、符号合成部２３Ｖにより実際に係数符号及び残差符号を求め、合成符号を生成し、線形予測分析部１１Ｖに与える。線形予測分析部１１Ｖは各予測次数P_vに対する合成符号の符号量を比較し、最小符号量となる予測次数を決定する。

以下では、線形予測分析部１１から与えられた最適予測次数の初期値P₀に対し、探索予測次数をP_vi=P₀+iとおき、ｉを−ΔP_v〜ΔP_vの範囲で変化させる場合の各予測次数P_viでの処理手順を説明する。
Step1：線形予測分析部１１Ｖでは、入力信号x(n)を用いて予測次数P_viの共分散法又は数値計算法による線形予測分析を行ない、線形予測係数a_vi={α_vi(1), α_vi(2), …, α_vi(P_vi)}を変換したPARCOR係数K_vi={ k_vi(1), k_vi(2), …, k_vi(P_vi)}を出力する。
Step2：量子化部１２ＶはPARCOR係数K_viを量子化し、量子化済PARCOR係数K'_vi={ k'_vi(1), k'_vi(2), …, k'_vi(P_vi)}を出力する。
Step3：逆量子化部１３Ｖは量子化済PARCOR係数K'_viを線形予測係数a'_vi={α'_vi(1), α'_vi(2), …, α'_vi(P_vi)}に変換して出力する。
Step4：線形予測フィルタ１４Ｖは線形予測係数a'_vi={α'_vi(1), α'_vi(2), …, α'_vi(P_vi)}をフィルタ係数として、入力信号x(n)(n=1, 2, …, N)を次式でP_vi次の線形予測フィルタ処理を行い、予測残差e_vi(n)を得る。

Step5：残差符号化部２２Ｖは予測残差e_vi(n)を例えばエントロピー符号化し、残差符号C_eviを出力する。
Step6：係数符号化部２１Ｖは予測次数P_viと量子化済PARCOR係数K'_vi={ k'_vi(1), k'_vi(2), …, k'_vi(P_vi)}を符号化し、係数符号C_kviを出力する。
Step7：符号合成部２３Ｖは残差符号C_eviと係数符号C_kviを合成し、合成符号C_gviを線形予測分析部１１Ｖに与える。
上記Step1〜Step7が−ΔP_v〜+ΔP_v の範囲のｉについてすべて実行され、それによって線形予測分析部１１Ｖは各予測次数P_vi=P₀+iに対する合成符号の符号量を得て、それらの中で最小の符号量に対応する予測次数を最適予測次数と決定し、符号合成部２４Ｖはその最適予測次数に対応する合成符号C_gvを符号量比較部２４に出力する。符号量比較部２４は符号合成部２３及び２３Ｖからの合成符号C_gx及びC_gvの符号量を比較し、小さいほうを合成符号C_gとして出力する。
予測次数P_vの探索範囲が広くなれば、圧縮率は向上するが、処理量が増えるため処速度が低下するので、図１０の結果を参考にすれば、予測次数P₀の周辺５次程度で探索すれば十分な性能が得られる。図１２の装置も単独チャネルの符号化装置として使用してもよい。

＜応用例１＞
前述の図７及び８のマルチチャネル線形予測符号化においては、１つのチャネルでの線形予測分析で決めた最適予測次数P₀を他の１つのチャネルの線形予測分析における最適予測次数探索の初期値として利用する場合を示した。脳磁場計測（ＭＥＧ）信号やマイクロホンアレー信号などのようなマルチチャネル信号（Ｍチャネル、Ｍは３以上の整数）において、Ｈチャネル（Ｈは２以上Ｍ未満の整数）の最適次数の平均値や中央値（即ち、統計的な代表値）を初期値として、残りのM−Hチャネルの最適係数をそれぞれ求めてもよい。Ｍ−Ｈチャネルのうちの１つのチャネルにおけるその処理手順を図１３に示す。
Step450：複数の他チャネルについて求めた最適予測次数の平均値又は中央値などを厳密法による最適予測次数探索の初期値P₀とする。
Step510：厳密法によりP₀−ΔP_v〜P₀+ΔP_vの範囲の各予測次数の場合の線形予測係数を算出する。
Step520：上記範囲の各予測次数の場合の係数符号量を求める。
Step530：上記範囲の各予測次数の場合の残差符号量を求める。
Step540：係数符号量と残差符号量の合計が最小となる予測次数を最適予測次数P_vとする。
Step550：最適予測次数P_vのときの線形予測係数を最適な予測係数とする。
例えば、512チャネルのＭＥＧ信号(M=512)であれば、その１０分の１程度の５０チャネルをＨとし、残りの462チャネルのそれぞれについて上記処理を実行する。

＜応用例２＞
上記応用例１において、探索範囲を決めるΔP_vの値は例えば標準偏差などの統計量に基づいて決めることができる。その場合の処理手順を図１４に示す。
Step460：複数の他チャネルについて求めた最適予測次数の平均値又は中央値などを厳密法による最適予測次数探索の初期値P₀とする。
Step470：複数の他のチャネルについて求めた最適予測次数の標準偏差に最も近い整数値（切り上げ、切り捨て、四捨五入など）をΔP_vとする。ただし、P₀-ΔP_vが予め定められた下限P_min（例えば０）を下回った場合は、ΔP_b=P₀-P_minとし（つまり次数が負にならないようにする）、同様にP₀+ΔP_vが予め定められた上限P_maxを上回った場合は、ΔP_t=P₀+P_maxとし、探索範囲をP₀-ΔP_b〜P₀+ΔP_v、P₀-ΔP_v〜P₀+ΔP_t、P₀-ΔP_b〜P₀+ΔP_t、というように非対称に変形することもある。また、標準偏差に限らず他の統計量を用いてもよい。例えば統計的分布が左右対称でない場合は、３次統計量などを利用して、P₀-ΔP_b〜P₀+ΔP_tというような非対称の探索範囲としてもよい。ここで、ΔP_bとΔP_tは同じ値になることも、異なる値となることもありえる。
以降のStep510〜Step550は図１３の場合と同様なので説明を省略する。
ここで、Step460において平均値や中央値などを求める対象のチャネルやチャネル数と、Step470において標準偏差を求める対象のチャネルやチャネル数とは同じとするのが通常であるが、必ずしも同じである必要はなく、異なってもよい。

以上説明したこの発明による予測係数決定装置は、この発明による予測係数決定方法を処理手順として表したコンピュータプログラムを実行するコンピュータにより実現してもよい。また、そのコンピュータは、記録媒体に記録された上記プログラムを読み取り、実行するように構成してもよい。

ロスレス符号化における予測次数と符号量の関係を説明するためのグラフ。 従来の２チャネル線形予測符号化装置の機能構成ブロック図。 従来の予測係数決定方法の処理手順を示すフロー図。 この発明による予測係数決定方法の処理手順を示すフロー図。 Ａは図４におけるStep400を逐次法により実行する処理手順を示すフローであり、Ｂは厳密法により実行する処理手順を示すフロー。 この発明の位置実施例による予測次数決定装置の機能構成ブロック図。 この発明が適用されたマルチチャネル符号化装置の第１実施例を示す機能構成ブロック図。 この発明を適用したマルチチャネル符号化装置の第２実施例を示す機能構成ブロック図。 この発明を適用したマルチチャネル符号化装置の第３実施例を示す機能構成ブロック図。 入力された予測次数からのずれに対する最適予測次数の出現確率の例を示すグラフ。 この発明が適用された符号化装置の変形実施例を示す機能構成ブロック図。 この発明が適用された符号化装置の他の変形実施例を示す機能構成ブロック図。 マルチチャネル予測符号化におけるこの発明の応用例を説明するためのフロー図。 図１３における初期予測次数の決め方を説明するためのフロー図。

Claims (22)

1. マルチチャネル時系列信号中の何れかのチャネルに対する最適予測係数を決定する方法であり、
   予測係数決定手段が、該チャネルの時系列信号について第１の線形予測分析を行い、予め決めた範囲の各予測次数のうち、予測係数の係数符号量または推定符号量と、予測残差の残差符号量または推定符号量、の合計が最小となる次数を第１の最適予測次数として求め、求めた第１の最適予測次数について、該チャネルの時系列信号に対し上記第１の線形予測分析とは異なる、全次の線形予測係数を求める分析を行なって求めた予測係数を該チャネルの最適予測係数とする
   ことを特徴とする予測係数決定方法。
2. マルチチャネル時系列信号中の何れかのチャネルに対する最適予測係数を決定する方法であり、
   (a) 線形予測分析手段が、該チャネルの時系列信号について第１の線形予測分析を行い、予め決めた範囲の各予測次数のうち、予測係数の係数符号量または推定符号量と、予測残差の残差符号量または推定符号量、の合計が最小となる次数を第１の最適予測次数として求め、求めた第１の最適予測次数を含む予め決めた範囲の各予測次数について、該チャネルの時系列信号に対し上記第１の線形予測分析とは異なる、全次の線形予測係数を求める分析を行なって予測係数を求め、さらに、該予測係数の符号量または推定符号量と、予測残差の残差符号量または推定符号量と、を求めるステップと、
   (b) 最適次数探索手段が、上記係数の符号量または推定符号量と、上記残差符号量または推定符号量と、の合計が最小となる予測次数を第２の最適予測次数と決定するステップと、
   (c) 最適係数決定手段が、上記ステップ(a) で求めた予測係数のうち、上記第２の最適予測次数に対応する線形予測係数を最適予測係数とするステップ、
   とを含むことを特徴とする予測係数決定方法。
3. マルチチャネル時系列信号中の何れかのチャネルに対する最適予測係数を決定する方法であり、
   予測係数決定手段が、該チャネル以外のチャネルについて得られた最適予測次数について、該チャネルの時系列信号に対し全次の線形予測係数を求める分析を行なって求めた予測係数を該チャネルの最適予測係数とする
   ことを特徴とする予測係数決定方法。
4. マルチチャネル時系列信号中の何れかのチャネルに対する最適予測係数を決定する方法であり、
   (a) 線形予測分析手段が、該チャネル以外のチャネルについて得られた最適予測次数を含む予め決めた範囲の各予測次数について、該チャネルの時系列信号に対し全次の線形予測係数を求める分析を行なって予測係数を求め、さらに、該予測係数の符号量または推定符号量と、予測残差の符号量または推定符号量と、を求めるステップと、
   (b) 最適次数探索手段が、上記係数の符号量または推定符号量と、上記残差符号量または推定符号量と、の合計が最小となる予測次数を該チャネルの最適予測次数と決定するステップと、
   (c) 最適係数決定手段が、上記ステップ(a) で求めた予測係数のうち、該チャネルの最適予測次数に対応する線形予測係数を最適予測係数とするステップ、
   とを含むことを特徴とする予測係数決定方法。
5. 請求項３記載の予測係数決定方法において、
   最適予測係数を決定する対象以外の複数個のチャネルの最適予測次数の統計的な代表値を上記該チャネル以外のチャネルについて得られた最適予測次数とする
   ことを特徴とする予測係数決定方法。
6. 請求項４記載の予測係数決定方法において、
   最適予測係数を決定する対象以外の複数個のチャネルの最適予測次数の統計的な代表値を上記該チャネル以外のチャネルについて得られた最適予測次数とする
   ことを特徴とする予測係数決定方法。
7. 請求項４または６記載の予測係数決定方法において、
   最適予測係数を決定する対象以外の複数個のチャネルについて求めた最適予測次数の統計的分布に基づく値をΔP_b及びΔP_t、上記該チャネル以外のチャネルについて得られた最適予測次数をP₀としたとき、上記予め決めた範囲の代わりにP₀−ΔP_bからP₀＋ΔP_tまでの範囲を用いることを特徴とする予測係数決定方法。
8. 請求項７記載の予測係数決定方法において、上記ΔP_b及びΔP_tは上記複数個のチャネルについて得られた最適予測次数の標準偏差に最も近い整数であることを特徴とする予測係数決定方法。
9. 請求項７又は８記載の予測係数決定方法において、上記P₀-ΔP_bが予め設定した下限値を下回る場合は、上記予め設定した下限値を上記P₀-ΔP_bの代わりに範囲の下限として用い、及び／又は上記P₀＋ΔP_tが予め設定した上限値を上回る場合は、上記予め設定した上限値を上記P₀+ΔP_tの代わりに範囲の上限値として用いることを特徴とする予測係数決定方法。
10. 請求項１または２記載の予測係数決定方法において、
    上記第１の線形予測分析は、低次から順次次数を増加させながら、順次増加させた次数分のみの線形予測係数を求める分析手順である
    ことを特徴とする予測係数決定方法。
11. 請求項１乃至４の何れか記載の予測係数決定方法において、
    上記第１の線形予測分析は、該チャネルの線形予測残差が最小となる基準で線形予測係数を求める分析手順であり、
    上記全次の線形予測係数を求める分析は、予測次数毎に全次の線形予測係数を該チャネルの線形予測残差と他チャネルの線形予測残差との重み付き差分が最小となる基準で決める分家器手順である
    ことを特徴とする予測係数決定方法。
12. マルチチャネル時系列信号中の何れかのチャネルに対する最適予測係数を決定する装置であり、
    該チャネルの時系列信号について第１の線形予測分析を行い、予め決めた範囲の各予測次数のうち、予測係数の係数符号量または推定符号量と、予測残差の残差符号量または推定符号量、の合計が最小となる次数を第１の最適予測次数として求め、求めた第１の最適予測次数について、該チャネルの時系列信号に対し上記第１の線形予測分析とは異なる、全次の線形予測係数を求める分析を行なって求めた予測係数を該チャネルの最適予測係数とする手段、
    を含むことを特徴とする予測係数決定装置。
13. マルチチャネル時系列信号中の何れかのチャネルに対する最適予測係数を決定する装置であり、
    該チャネルの時系列信号について第１の線形予測分析を行い、予め決めた範囲の各予測次数のうち、予測係数の係数符号量または推定符号量と、予測残差の残差符号量または推定符号量、の合計が最小となる次数を第１の最適予測次数として求め、求めた第１の最適予測次数を含む予め決めた範囲の各予測次数について、該チャネルの時系列信号に対し上記第１の線形予測分析とは異なる、全次の線形予測係数を求める分析を行なって予測係数を求め、さらに、該予測係数の符号量または推定符号量と、予測残差の残差符号量または推定符号量と、を求める手段と、
    上記係数の符号量または推定符号量と、上記残差符号量または推定符号量と、の合計が最小となる予測次数を第２の最適予測次数と決定する手段と、
    上記厳密な線形予測分析により求めた予測係数のうち、上記第２の最適予測次数に対応する線形予測係数を最適予測係数とする手段、
    とを含むことを特徴とする予測係数決定装置。
14. マルチチャネル時系列信号中の何れかのチャネルに対する最適予測係数を決定する装置であり、
    該チャネル以外のチャネルについて得られた最適予測次数について、該チャネルの時系列信号に対し全次の線形予測係数を求める分析を行なって求めた予測係数を該チャネルの最適予測係数とする手段、
    を含むことを特徴とする予測係数決定装置。
15. マルチチャネル時系列信号中の何れかのチャネルに対する最適予測係数を決定する装置であり、
    該チャネル以外のチャネルについて得られた第１の最適予測次数を含む予め決めた範囲の各予測次数について、該チャネルの時系列信号に対し全次の線形予測係数を求める分析を行なって予測係数を求め、さらに、該予測係数の符号量または推定符号量と、予測残差の符号量または推定符号量とを求める手段と、
    上記係数の符号量または推定符号量と、上記残差符号量または推定符号量と、の合計が最小となる予測次数を該チャネルの最適予測次数と決定する手段と、
    上記全次の線形予測係数を求める分析により求めた予測係数のうち、該チャネルの最適予測次数に対応する線形予測係数を最適予測係数とする手段、
    とを含むことを特徴とする予測係数決定装置。
16. 請求項１４記載の予測係数決定装置において、
    最適予測係数を決定する対象以外の複数個のチャネルの最適予測次数の統計的な代表値を上記外チャネル以外のチャネルについて得られた最適予測次数とする
    ことを特徴とする予測係数決定装置。
17. 請求項１５記載の予測係数決定装置において、
    最適予測係数を決定する対象以外の複数個のチャネルの最適予測次数の統計的な代表値を上記外チャネル以外のチャネルについて得られた最適予測次数とする
    ことを特徴とする予測係数決定装置。
18. 請求項１５または１７記載の予測係数決定装置において、
    最適予測係数を決定する対象以外の複数個のチャネルについて求めた最適予測次数の統計的分布に基づく値をΔP_b及びΔP_t、上記該チャネル以外のチャネルについて得られた最適予測次数をP₀としたとき、上記予め決めた範囲の代わりにP₀−ΔP_bからP₀＋ΔP_tまでの範囲を用いることを特徴とする予測係数決定装置。
19. 請求項１８記載の予測係数決定装置において、上記ΔP_b及びΔP_tは上記複数個のチャネルについて得られた最適予測次数の標準偏差に最も近い整数であることを特徴とする予測係数決定装置。
20. 請求項１８又は１９記載の予測係数決定装置において、上記P₀-ΔP_bが予め設定した下限値を下回る場合は、上記予め設定した下限値を上記P₀-ΔP_bの代わりに範囲の下限として用い、及び／又は上記P₀＋ΔP_tが予め設定した上限値を上回る場合は、上記予め設定した上限値を上記P₀+ΔP_tの代わりに範囲の上限値として用いることを特徴とする予測係数決定装置。
21. コンピュータを請求項１２乃至２０のいずれか記載の予測係数決定装置として機能させるためのプログラム。
22. コンピュータを請求項１２乃至２０の何れか記載の予測係数決定装置として機能させるためのプログラムを記録したコンピュータで読み取り可能な記録媒体。

Images