JP4867765B2 - Information embedding device for sound signal and device for extracting information from sound signal - Google Patents
Information embedding device for sound signal and device for extracting information from sound signal Download PDFInfo
- Publication number
- JP4867765B2 JP4867765B2 JP2007098970A JP2007098970A JP4867765B2 JP 4867765 B2 JP4867765 B2 JP 4867765B2 JP 2007098970 A JP2007098970 A JP 2007098970A JP 2007098970 A JP2007098970 A JP 2007098970A JP 4867765 B2 JP4867765 B2 JP 4867765B2
- Authority
- JP
- Japan
- Prior art keywords
- acoustic
- spectrum
- frame
- frequency
- information
- 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
Landscapes
- Signal Processing For Digital Recording And Reproducing (AREA)
Abstract
Description
本発明は、CD・DVD等を用いた民生・業務用途における鑑賞用のパッケージ音楽分野、放送事業者等が商業目的で配信する放送・ネットワーク音楽配信分野における音楽著作権の保護(不正コピーの監視)および音楽属性情報の提供(楽曲タイトル検索サービス)分野、ミュージアム、イベント会場における展示説明ナレーションに連動した文字情報の提供サービス分野、放送番組やCD/DVDパッケージの音声信号からURLなどの情報を抽出し、携帯電話を用いて所定のコンテンツに関連するwebサイトにアクセスして詳細情報を抽出したり、アンケートに回答したりする非接触なインターネットのゲートウェイサービス分野に関する。 The present invention relates to the protection of music copyright (monitoring illegal copying) in the field of package music for viewing for consumer and business use using CDs and DVDs, and the field of broadcasting and network music distribution distributed for commercial purposes by broadcasters and the like. ) And music attribute information (music title search service) field, museum, event information service service field linked to exhibition explanation narration, URL and other information extracted from audio signals of broadcast programs and CD / DVD packages In addition, the present invention relates to a non-contact Internet gateway service field in which a mobile phone is used to access a web site related to a predetermined content and extract detailed information or answer a questionnaire.
従来、流れている音楽のタイトル等を知ることができる楽曲属性情報の提供サービスとして、放送された音楽に対して日時と地域を放送局に照会したり、携帯電話で流れている音楽断片を録音してデータベースに登録されているメロディーと照合したりするサービスが行われている。本出願人は、これを、さらに発展させ、音響信号の周波数成分の比率を属性情報のビット値に応じて変更することにより、属性情報(付加情報)を埋め込む手法を提案している(特許文献1、2参照)。 Conventionally, as a service for providing music attribute information that allows you to know the title of music that is playing, you can query the broadcast station for the date and time of the broadcasted music, and record music fragments that are played on mobile phones. In addition, there is a service that matches the melody registered in the database. The present applicant has further developed this and proposed a method of embedding attribute information (additional information) by changing the ratio of frequency components of an acoustic signal according to the bit value of the attribute information (Patent Literature). 1 and 2).
特許文献1、2に記載の発明では、2チャンネルステレオ音響信号に対して、左右チャンネル間で対応する信号成分を移動させながらデータを埋め込み、抽出時はステレオ再生されている2つのスピーカのL側だけにマイクロフォン等を近付けて、モノラル入力して抽出するようにしているため、広いホール等で2つのスピーカが離れている場合、R側のスピーカの近くに居ると物理的にデータ抽出が行えないという問題があるとともに、L側とR側が逆転していたり、どちらがL側であるかの判断が難しい場所があり抽出操作に混乱が生じる場合もあった。
In the inventions described in
L側信号とR側信号は相補的な関係にあるため、R側信号にも埋め込みデータに基づく改変は加わっているが、位置ずれ補正などを行う都合上、同期をとりやすくするため、抽出対象のL側はR側に比べ所定領域の信号成分が削られており、その分がR側に加わるため、R側信号からは基本的に抽出困難な設計になっている。また、L側信号だけをモノラル再生する運用形態をとると、信号劣化がL側に偏っているためノイズが目立つという問題もある。 Since the L-side signal and the R-side signal are in a complementary relationship, the R-side signal has been modified based on the embedded data. However, in order to facilitate misalignment correction, etc. On the L side, a signal component in a predetermined region is cut compared to the R side, and the amount is added to the R side, so that the design is basically difficult to extract from the R side signal. In addition, when the operation mode in which only the L-side signal is reproduced in monaural is used, there is a problem that noise is conspicuous because the signal degradation is biased to the L side.
このような問題の解決のため、本出願人は、2チャンネルステレオ音響信号のどちらのチャンネルから発せられた音であっても、その音から情報を抽出することが可能な技術を提案した(特許文献3参照)。
しかしながら、上記特許文献3に記載の発明では、双方のチャンネルからの音が混ざり合った中央付近では抽出することができないという問題がある。 However, the invention described in Patent Document 3 has a problem in that it cannot be extracted near the center where sounds from both channels are mixed.
そこで、本発明は、ステレオ再生された場合に、両スピーカの中央付近であっても、埋め込まれた情報の抽出が可能であるとともに、モノラル再生した場合であっても、再生品質の劣化を防ぐことが可能な音響信号に対する情報の埋め込み装置および音響信号からの情報の抽出装置を提供することを課題とする。 Therefore, according to the present invention, when stereo playback is performed, it is possible to extract embedded information even in the vicinity of the center of both speakers, and prevent deterioration in playback quality even when monaural playback is performed. It is an object of the present invention to provide an information embedding device for an acoustic signal and an information extracting device for the acoustic signal.
上記課題を解決するため、本発明では、時系列のサンプル列で構成される音響信号に対して、付加情報を聴取不能な状態で埋め込む装置であって、前記音響信号より、所定数のサンプルを読み込む音響フレーム読込手段と、前記読み込んだ音響フレームのうち、奇数番目、偶数番目の一方をAタイプ、他方をBタイプとし、前記Aタイプの音響フレームに対して第1窓関数を用いて周波数変換を行い、前記Bタイプの音響フレームに対して第2窓関数を用いて周波数変換を行い、前記第1窓関数に対応するスペクトルである第1窓スペクトル、前記第2窓関数に対応するスペクトルである第2窓スペクトルを得る周波数変換手段と、前記生成された各窓スペクトルから所定の周波数範囲における互いに重複しない2つのスペクトル集合を抽出し、第1窓スペクトル、第2窓スペクトルから抽出したスペクトル集合の強度を、埋め込むべきビット配列に基づいて、高周波側のスペクトル集合と低周波側のスペクトル集合の強度の大小関係が第1窓スペクトルと第2窓スペクトルにおいて逆転するように、各スペクトル集合の強度を変更する周波数成分変更手段と、前記変更されたスペクトル集合を含む各窓スペクトルに対して周波数逆変換を行って、改変音響フレームを生成する周波数逆変換手段と、前記生成された改変音響フレームを順次出力する改変音響フレーム出力手段を有する音響信号に対する情報の埋め込み装置を提供する。 In order to solve the above-described problem, the present invention is an apparatus for embedding additional information in an inaudible state with respect to an acoustic signal composed of a time-series sample sequence, and a predetermined number of samples are embedded from the acoustic signal. The acoustic frame reading means to be read, and among the read acoustic frames, odd-numbered and even-numbered one is A type and the other is B type, and the first window function is used for frequency conversion for the A type acoustic frame. The frequency conversion is performed on the B type acoustic frame using a second window function, and the first window spectrum corresponding to the first window function and the spectrum corresponding to the second window function are used. Frequency conversion means for obtaining a certain second window spectrum, and extracting two spectrum sets that do not overlap each other in a predetermined frequency range from each of the generated window spectra Based on the bit arrangement to be embedded, the intensity of the spectrum set extracted from the first window spectrum and the second window spectrum is based on the bit arrangement to be embedded. Frequency component changing means for changing the intensity of each spectrum set so as to reverse in the second window spectrum, and frequency conversion is performed on each window spectrum including the changed spectrum set to generate a modified acoustic frame. There is provided a device for embedding information with respect to an acoustic signal, comprising frequency inverse transforming means for performing, and modified acoustic frame output means for sequentially outputting the generated modified acoustic frames.
また、本発明では、あらかじめ聴取不能な状態で付加情報が埋め込まれた音響信号から前記付加情報を抽出する装置であって、前記音響信号の所定区間をデジタル化して、所定数のサンプルで構成される音響フレームを獲得する音響フレーム獲得手段と、前記読み込んだ音響フレームのうち、奇数番目、偶数番目の一方をAタイプ、他方をBタイプとし、前記Aタイプの音響フレームに対して第1窓関数を用いて周波数変換を行い、前記Bタイプの音響フレームに対して第2窓関数を用いて周波数変換を行い、前記第1窓関数に対応するスペクトルである第1窓スペクトル、前記第2窓関数に対応するスペクトルである第2窓スペクトルを得る周波数変換手段と、前記生成された各窓スペクトルから所定の周波数範囲における互いに重複しない2つのスペクトル集合を抽出し、第1窓スペクトル、第2窓スペクトルから抽出したスペクトル集合のうち、第1窓スペクトルの低周波側と第2窓スペクトルの高周波側のグループ、第1窓スペクトルの高周波側と第2窓スペクトルの低周波側のグループに分けて各グループのスペクトル強度を算出し、当該算出した各スペクトル強度に基づいて、埋め込まれていたビット値を抽出する符号化手段と、前記抽出されたビット値をワード単位で所定の規則により変換して付加情報を抽出する付加情報抽出手段を有する音響信号からの情報の抽出装置を提供する。 Further, the present invention is an apparatus for extracting the additional information from an acoustic signal in which additional information is embedded in an inaudible state in advance, and is configured by digitizing a predetermined section of the acoustic signal and including a predetermined number of samples. An acoustic frame acquisition means for acquiring an acoustic frame, and among the read acoustic frames, an odd-numbered and even-numbered one is an A type and the other is a B type, and a first window function for the A type acoustic frame The first window spectrum, which is a spectrum corresponding to the first window function, and the second window function, the frequency conversion is performed using the second window function for the B type acoustic frame. Frequency conversion means for obtaining a second window spectrum that is a spectrum corresponding to the Two spectrum sets are extracted, and among the spectrum sets extracted from the first window spectrum and the second window spectrum, a group on the low frequency side of the first window spectrum and a high frequency side of the second window spectrum, and a high frequency of the first window spectrum And the extraction means for calculating the spectral intensity of each group divided into a group on the low frequency side of the side and the second window spectrum, and extracting the embedded bit value based on the calculated spectral intensity, and the extraction There is provided an apparatus for extracting information from an acoustic signal having additional information extraction means for converting the bit value obtained in units of words according to a predetermined rule and extracting additional information.
本発明によれば、音響信号に付加情報を埋め込むにあたり、各音響フレームにおける所定周波数範囲を高周波側と低周波側に分け、これらの強度の大小関係が奇数番目の音響フレームと偶数番目の音響フレームで逆転するように、スペクトル集合の強度を変更するようにしたので、音脈分凝を生じさせることになり、ステレオ再生された場合に、両スピーカの中央付近であっても、埋め込まれた情報の抽出が可能であるとともに、モノラル再生した場合であっても、再生品質の劣化を防ぐことが可能となる。 According to the present invention, when embedding additional information in an acoustic signal, a predetermined frequency range in each acoustic frame is divided into a high frequency side and a low frequency side, and the magnitude relationship between these intensities is an odd numbered acoustic frame and an even numbered acoustic frame. Since the intensity of the spectrum set is changed so that it is reversed at Can be extracted, and even when monaural reproduction is performed, deterioration of reproduction quality can be prevented.
以下、本発明の実施形態について図面を参照して詳細に説明する。
(1.本発明の基本概念)
最初に、本発明の基本概念について説明しておく。本発明では、人間の聴覚心理特性である音脈分凝の原理を利用する。音脈分凝とは、時系列に高い音と低い音が交互に進行するパターンに対して、人間が、あたかも高低2つのトラックが連続して流れるように音を補間して聞いてしまう錯覚現象である。
Hereinafter, embodiments of the present invention will be described in detail with reference to the drawings.
(1. Basic concept of the present invention)
First, the basic concept of the present invention will be described. In the present invention, the principle of sound wave segregation, which is a human psychoacoustic characteristic, is used. The syllable segregation is an illusion that humans interpolate and hear sounds as if two tracks of high and low are flowing continuously against a pattern in which high and low sounds alternate in time series. It is.
たとえば、図14(a)に示すように、3つの低い音である低音1、低音3、低音5と3つの高い音である高音2、高音4、高音6が、低音1、高音2、低音3、高音4、低音5、高音6の順に演奏されている場合を考えてみる。低音1、低音3、低音5と高音2、高音4、高音6は1オクターブ程度離れており、低い音と高い音は同時に演奏されることはないが、時間的間隔は、ほぼ連続しているものとする。この場合、人間には、図14(b)に示すように、低い音と高い音が演奏されていない部分も補間されて演奏されているように聞こえる。すなわち、実際の演奏は単旋律であるのに、人間には、図14(b)に示すように、高音1´、高音3´、高音5´、低音2´、低音4´、低音6´が補間されて複旋律であるように聞こえる。例えば、高音3´は高音2と高音4が連続的につながるように、高音2と高音4の平均的な成分に聞こえる。また、末端部の高音1´と低音6´についても、隣接する高音2と低音5に近い成分で、各々低音1と高音6に対応するように聞こえる。しかし、マイクロフォン等の電気音響装置は、図14(a)に示したものをそのままの音として取得することになる。本発明は、このような性質を利用するのである。なお、補間された音は、前後に演奏されている音と必ずしも同じレベルに補間されて聴こえるのではなく、大雑把に言って、前後に演奏されている音の50%程度があたかも補間されているように聞こえる。
For example, as shown in FIG. 14 (a), three low sounds,
具体的には、埋め込み装置で、音響信号から抽出した所定数のサンプルで構成される音響フレーム内の所定周波数範囲の周波数成分を変更するに際し、その強弱が音脈分凝を発生させるような状態に変更する。これにより、人間には、音が途切れたようには聞こえないが、抽出装置では、その明確な変化を認識することができる。 Specifically, when the frequency component of a predetermined frequency range in an acoustic frame composed of a predetermined number of samples extracted from an acoustic signal is changed by the embedding device, the strength and weakness generate a sound pulse fraction. Change to As a result, although it does not sound as if the sound is interrupted by a human, the extraction device can recognize the clear change.
(2.1.埋め込み装置の構成)
次に、本発明に係る音響信号に対する情報の埋め込み装置について説明する。図1は、本発明に係る音響信号に対する情報の埋め込み装置の構成を示す機能ブロック図である。図1において、10は音響フレーム読込手段、20は周波数変換手段、30は周波数成分変更手段、40は周波数逆変換手段、50は改変音響フレーム出力手段、60は記憶手段、61は音響信号記憶部、62は付加情報記憶部、63は改変音響信号記憶部、70はビット配列作成手段である。なお、図1に示す装置は、ステレオ音響信号、モノラル音響信号の両方に対応可能であるが、ここでは、ステレオ音響信号に対して処理を行う場合について説明していく。
(2.1. Configuration of embedded device)
Next, an information embedding device for an acoustic signal according to the present invention will be described. FIG. 1 is a functional block diagram showing the configuration of an information embedding device for an acoustic signal according to the present invention. In FIG. 1, 10 is an acoustic frame reading means, 20 is a frequency converting means, 30 is a frequency component changing means, 40 is a frequency inverse converting means, 50 is a modified acoustic frame output means, 60 is a storage means, and 61 is an acoustic signal storage section. 62 is an additional information storage unit, 63 is a modified acoustic signal storage unit, and 70 is a bit array creation means. The apparatus shown in FIG. 1 can deal with both a stereo sound signal and a monaural sound signal. Here, a case where processing is performed on a stereo sound signal will be described.
音響フレーム読込手段10は、付加情報の埋め込み対象とする元のステレオ音響信号の各チャンネルから所定数のサンプルを1フレームとして読み込む機能を有している。周波数変換手段20は、音響フレーム読込手段10が読み込んだ音響信号のフレームをフーリエ変換等により周波数変換してスペクトルを生成する機能を有している。周波数成分変更手段30は、生成されたスペクトルから所定の周波数範囲に相当するスペクトル集合を複数抽出し、付加情報記憶部62から抽出した付加情報よりビット配列作成手段70が作成したビット配列に基づいて、スペクトル集合の状態を変更する機能を有している。周波数逆変換手段40は、変更されたスペクトル集合を含む複数のスペクトルに対して周波数逆変換を行うことにより、改変音響フレームを生成する機能を有している。改変音響フレーム出力手段50は、生成された改変音響フレームを順次出力する機能を有している。
The sound frame reading means 10 has a function of reading a predetermined number of samples as one frame from each channel of the original stereo sound signal to be embedded with additional information. The frequency conversion means 20 has a function of generating a spectrum by frequency-converting the frame of the acoustic signal read by the acoustic frame reading means 10 by Fourier transformation or the like. The frequency
記憶手段60は、付加情報を埋め込む対象とするステレオ音響信号を記憶した音響信号記憶部61と、ビット配列として構成され、ステレオ音響信号に埋め込まれる付加情報を記憶した付加情報記憶部62と、付加情報埋め込み後の改変音響信号を記憶する改変音響信号記憶部63を有しており、その他処理に必要な各種情報を記憶するものである。ビット配列作成手段70は、付加情報記憶部62から付加情報を抽出し、付加情報の各ワードに対して、1ビットのパリティビットを追加した後、さらに所定の規則により4ビットの検査符号ビットを追加したビット配列を作成する機能を有している。なお、付加情報とは、音響情報に付加して埋め込むべき情報であり、タイトルやアーティスト名等の属性情報、および属性情報以外の他の情報を含むものである。本実施形態では、付加情報のコード形式としてASCIIコードを採用するため、付加情報においては7ビットを1ワードとし、ビット配列作成手段70が作成するビット配列は、パリティビットを付加した後、検査符号付加処理を施した12ビットを1ワードとする。図1に示した各構成手段は、現実にはコンピュータおよびその周辺機器等のハードウェアに専用のプログラムを搭載することにより実現される。すなわち、コンピュータが、専用のプログラムに従って各手段の内容を実行することになる。
The storage means 60 includes an acoustic
(2.2.埋め込み装置の処理動作)
次に、図1に示した音響信号に対する情報の埋め込み装置の処理動作について説明する。音響フレーム読込手段10は、音響信号記憶部61に記憶されたステレオ音響信号の左右の各チャンネルから、それぞれ所定数のサンプルを1音響フレームとして読み込む。音響フレーム読込手段10が読み込む1音響フレームのサンプル数は、適宜設定することができるが、サンプリング周波数が44.1kHzの場合、4096サンプル程度とすることが望ましい。したがって、音響フレーム読込手段10は、左チャンネル、右チャンネルについてそれぞれ4096サンプルずつ、順次音響フレームとして読み込んでいくことになる。
(2.2. Processing operation of embedded device)
Next, the processing operation of the information embedding device for the acoustic signal shown in FIG. 1 will be described. The sound frame reading means 10 reads a predetermined number of samples as one sound frame from each of the left and right channels of the stereo sound signal stored in the sound
音響フレームとしては、AタイプとBタイプが存在する。Aタイプの音響フレーム、Bタイプの音響フレームは、それぞれ同タイプの先行する音響フレームの最後のサンプルの次のサンプルを先頭サンプルとして設定される。そして、AタイプとBタイプの音響フレームは互いに所定数(本実施形態では2048)のサンプルを重複して設定される。例えば、Aタイプの音響フレームを先頭からA1、A2、A3…とし、Bタイプの音響フレームを先頭からB1、B2、B3…とすると、A1はサンプル1〜4096、A2はサンプル4097〜8192、A3はサンプル8193〜12288、B1はサンプル2049〜6144、B2はサンプル6145〜10240、B3はサンプル10241〜14336となる。なお、AタイプとBタイプは相対的なものであるので、どちらが先であっても良い。すなわち、上記とは逆にA1がサンプル2049〜6144、A2がサンプル6145〜10240、A3がサンプル10241〜14336、B1がサンプル1〜4096、B2がサンプル4097〜8192、B3がサンプル8193〜12288であっても良い。
There are A type and B type as acoustic frames. In the A-type acoustic frame and the B-type acoustic frame, the next sample after the last sample of the preceding acoustic frame of the same type is set as the first sample. The A-type and B-type sound frames are set by overlapping a predetermined number (2048 in this embodiment) of samples. For example, if the A type acoustic frame is A1, A2, A3... From the top and the B type acoustic frame is B1, B2, B3... From the top, A1 is
周波数変換手段20は、音響フレーム読込手段10が読み込んだ音響フレームに対して、周波数変換を行って、その音響フレームのスペクトルを得る。具体的には、窓関数を利用して周波数変換を行う。周波数変換としては、フーリエ変換、ウェーブレット変換その他公知の種々の手法を用いることができる。本実施形態では、フーリエ変換を用いた場合を例にとって説明する。
The
一般に、所定の信号に対してフーリエ変換を行う場合、信号を所定の長さに区切って行う必要があるが、この場合、所定長さの信号に対してそのままフーリエ変換を行うと、擬似高調波成分が発生する。そこで、一般にフーリエ変換を行う場合には、ハニング窓と呼ばれる窓関数を用いて、信号の値を変化させた後、変化後の値に対してフーリエ変換を実行する。 In general, when Fourier transform is performed on a predetermined signal, it is necessary to divide the signal into predetermined lengths. In this case, if Fourier transform is performed on a signal of a predetermined length as it is, a pseudo-harmonic wave is generated. Ingredients are generated. Therefore, in general, when performing Fourier transform, a signal value is changed using a window function called a Hanning window, and then Fourier transform is performed on the changed value.
本発明では、擬似高調波成分の発生を防止するためだけではなく、一つの音響フレームから、情報を埋め込むための複数の状態を作り出すため、複数の窓関数を用意し、一つの音響フレームに対して、各窓関数を利用してフーリエ変換を行い、複数のスペクトルを得る。複数の窓関数として、本実施形態では、図2(a)〜(b)に示したような第1窓関数W(1,i)、第2窓関数W(2,i)を用意し、抽出側で認識し易いようにした。第1窓関数W(1,i)は、Aタイプの音響フレームに対して用いるためのものであり、図2(a)に示すように所定のサンプル番号iの位置において、最大値1をとり、後部においては、最小値0をとるように設定されている。どのサンプル番号の場合に最大値をとるかについては、窓関数W(1,i)の設計によって異なってくるが、本実施形態では、後述する〔数式1〕で定義される。Aタイプの音響フレームについてのフーリエ変換は、この窓関数W(1,i)を乗じたものに対して行われることになる。 In the present invention, not only to prevent the generation of pseudo-harmonic components but also to create a plurality of states for embedding information from one acoustic frame, a plurality of window functions are prepared, Then, Fourier transform is performed using each window function to obtain a plurality of spectra. In this embodiment, as the plurality of window functions, a first window function W (1, i) and a second window function W (2, i) as shown in FIGS. Easy to recognize on the extraction side. The first window function W (1, i) is for use with an A type acoustic frame, and has a maximum value of 1 at the position of a predetermined sample number i as shown in FIG. In the rear part, the minimum value is set to 0. Which sample number takes the maximum value depends on the design of the window function W (1, i), but in this embodiment, it is defined by [Equation 1] described later. The Fourier transform for the A type acoustic frame is performed on the product of the window function W (1, i).
また、第2窓関数W(2,i)は、Bタイプの音響フレームに対して用いるためのものであり、図2(b)に示すように、所定のサンプル番号iの位置において、最大値1をとり、前部においては、最小値0をとるように設定されている。どのサンプル番号の場合に最大値をとるかについては、窓関数W(2,i)の設計によって異なってくるが、本実施形態では、後述する〔数式2〕で定義される。Bタイプの音響フレームについてのフーリエ変換は、この窓関数W(2,i)を乗じたものに対して行われることになる。 The second window function W (2, i) is for use with a B-type acoustic frame, and has a maximum value at the position of a predetermined sample number i as shown in FIG. 1 is set, and the front portion is set to have a minimum value of 0. Which sample number takes the maximum value depends on the design of the window function W (2, i), but in this embodiment, it is defined by [Expression 2] described later. The Fourier transform for the B type acoustic frame is performed on the product of the window function W (2, i).
なお、本発明においては、音響フレームは重複して読み込まれる。すなわち、奇数番目の音響フレームと偶数番目の音響フレームは、所定数のサンプルを重複して読み込む。上記のように、奇数フレームと偶数フレームでは、用いられる窓関数が異なるが、奇数フレームと偶数フレームは単に奇数か偶数かの違いだけであるため、どちらに対してどちらの処理を行っても良い。したがって、本明細書では、奇数フレーム、偶数フレームの一方をAタイプフレーム、他方をBタイプフレームと呼ぶことにする。本実施形態では、奇数フレームをAタイプフレーム、偶数フレームをBタイプフレームとして説明するが、逆に偶数フレームをAタイプフレーム、奇数フレームをBタイプフレームとしても良い。 In the present invention, sound frames are read in duplicate. That is, a predetermined number of samples are redundantly read in the odd-numbered sound frames and the even-numbered sound frames. As described above, the window function used is different between the odd frame and the even frame, but since either the odd frame or the even frame is simply the difference between the odd frame and the even frame, either process may be performed on either. . Therefore, in this specification, one of the odd-numbered frame and the even-numbered frame is referred to as an A-type frame, and the other is referred to as a B-type frame. In the present embodiment, an odd frame is described as an A type frame and an even frame is described as a B type frame. Conversely, an even frame may be an A type frame and an odd frame may be a B type frame.
本実施形態では、窓関数W(1,i)、W(2,i)は、以下の〔数式1〕〜〔数式2〕で定義される。なお、図2において、横軸は時間軸(i)である。iは、後述するように、各音響フレーム内のN個のサンプルに付した通し番号であるため時刻tに比例している。また、図2(a)(b)において縦軸は信号の振幅値(レベル)を示す。図2(a)(b)において縦軸は窓関数W(1,i)、W(2,i)の値を示しており、W(1,i)、W(2,i)の最大値はいずれも1である。 In the present embodiment, the window functions W (1, i) and W (2, i) are defined by the following [Equation 1] to [Equation 2]. In FIG. 2, the horizontal axis is the time axis (i). As described later, i is a serial number assigned to N samples in each acoustic frame, and is proportional to time t. 2A and 2B, the vertical axis indicates the amplitude value (level) of the signal. 2A and 2B, the vertical axis indicates the values of the window functions W (1, i) and W (2, i), and the maximum values of W (1, i) and W (2, i). Are all 1.
〔数式1〕
i≦N/4のとき、W(1,i)=0.5−0.5cos(4πi/N)
N/4<i≦11N/16のとき、W(1,i)=1.0
11N/16<i≦13N/16のとき、W(1,i)=0.5−0.5cos(8π(i−9N/16)/N)
i>13N/16のとき、W(1,i)=0.0
[Formula 1]
When i ≦ N / 4, W (1, i) = 0.5−0.5 cos (4πi / N)
When N / 4 <i ≦ 11N / 16, W (1, i) = 1.0
When 11N / 16 <i ≦ 13N / 16, W (1, i) = 0.5−0.5 cos (8π (i−9N / 16) / N)
When i> 13N / 16, W (1, i) = 0.0
〔数式2〕
i≦3N/16のとき、W(2,i)=0.0
3N/16<i≦5N/16のとき、W(2,i)=0.5−0.5cos(8π(i−3N/16)/N)
5N/16<i≦3N/4のとき、W(2,i)=1.0
i>3N/4のとき、W(2,i)=0.5−0.5cos(4π(i−N/2)/N)
[Formula 2]
When i ≦ 3N / 16, W (2, i) = 0.0
When 3N / 16 <i ≦ 5N / 16, W (2, i) = 0.5−0.5 cos (8π (i−3N / 16) / N)
When 5N / 16 <i ≦ 3N / 4, W (2, i) = 1.0
When i> 3N / 4, W (2, i) = 0.5−0.5 cos (4π (i−N / 2) / N)
なお、図2および上記〔数式1〕〔数式2〕から明らかなように、窓関数W(1,i)とW(2,i)は、互いに非対称な形状である。これは、後述する抽出側において、両者の識別を容易にするためである。 As is clear from FIG. 2 and [Formula 1] and [Formula 2], the window functions W (1, i) and W (2, i) are asymmetrical to each other. This is for facilitating identification between the two on the extraction side described later.
本発明においては、奇数フレームと偶数フレームを、所定サンプルずつ重複して読み込むため、情報の埋め込みを行った後、音響信号に復元する際に、窓関数を乗じた奇数フレームと、窓関数を乗じた偶数フレームの重複サンプルを加算した場合に、ほぼ元の値に戻るようにしなければならない。このため、奇数フレームと偶数フレームの重複部分において、窓関数W(1,i)、W(2,i)を加算すると、全区間固定値1になるように定義されている。
In the present invention, since odd frames and even frames are redundantly read by a predetermined number of samples, after embedding information and then restoring to an acoustic signal, the odd frame multiplied by the window function and the window function are multiplied. When overlapping samples of even frames are added, it is necessary to return almost to the original value. For this reason, when the window functions W (1, i) and W (2, i) are added in the overlapping portion of the odd frame and the even frame, it is defined to be a fixed
周波数変換手段20が、Aタイプの音響フレームに対してフーリエ変換を行う場合は、左チャンネル信号Xl(i)、右チャンネル信号Xr(i)(i=0,…,N−1)に対して、窓関数W(1,i)を用いて、以下の〔数式3〕に従った処理を行い、左チャンネルに対応する変換データの実部Al(1,j)、虚部Bl(1,j)、右チャンネルに対応する変換データの実部Ar(1,j)、虚部Br(1,j)を得る。 When the frequency conversion means 20 performs Fourier transform on the A type sound frame, the left channel signal Xl (i) and the right channel signal Xr (i) (i = 0,..., N−1). The window function W (1, i) is used to perform processing according to the following [Equation 3], and real part Al (1, j) and imaginary part Bl (1, j) of the conversion data corresponding to the left channel are performed. ), Real part Ar (1, j) and imaginary part Br (1, j) of the conversion data corresponding to the right channel are obtained.
〔数式3〕
Al(1,j)=Σi=0,…,N-1W(1,i)・Xl(i)・cos(2πij/N)
Bl(1,j)=Σi=0,…,N-1W(1,i)・Xl(i)・sin(2πij/N)
Ar(1,j)=Σi=0,…,N-1W(1,i)・Xr(i)・cos(2πij/N)
Br(1,j)=Σi=0,…,N-1W(1,i)・Xr(i)・sin(2πij/N)
[Formula 3]
Al (1, j) = Σi = 0,..., N-1 W (1, i) .Xl (i) .cos (2πij / N)
Bl (1, j) = Σi = 0,..., N-1 W (1, i) · Xl (i) · sin (2πij / N)
Ar (1, j) = Σi = 0,..., N-1 W (1, i) .Xr (i) .cos (2πij / N)
Br (1, j) = Σ i = 0,..., N-1 W (1, i) · Xr (i) · sin (2πij / N)
周波数変換手段20が、Bタイプの音響フレームに対してフーリエ変換を行う場合は、左チャンネル信号Xl(i)、右チャンネル信号Xr(i)(i=0,…,N−1)に対して、窓関数W(2,i)を用いて、以下の〔数式4〕に従った処理を行い、左チャンネルに対応する変換データの実部Al(2,j)、虚部Bl(2,j)、右チャンネルに対応する変換データの実部Ar(2,j)、虚部Br(2,j)を得る。 When the frequency conversion means 20 performs Fourier transform on the B type sound frame, the left channel signal Xl (i) and the right channel signal Xr (i) (i = 0,..., N−1). The window function W (2, i) is used to perform processing according to the following [Equation 4], and the real part Al (2, j) and imaginary part Bl (2, j) of the conversion data corresponding to the left channel ), Real part Ar (2, j) and imaginary part Br (2, j) of the conversion data corresponding to the right channel are obtained.
〔数式4〕
Al(2,j)=Σi=0,…,N-1W(2,i)・Xl(i+N/2)・cos(2πij/N)
Bl(2,j)=Σi=0,…,N-1W(2,i)・Xl(i+N/2)・sin(2πij/N)
Ar(2,j)=Σi=0,…,N-1W(2,i)・Xr(i+N/2)・cos(2πij/N)
Br(2,j)=Σi=0,…,N-1W(2,i)・Xr(i+N/2)・sin(2πij/N)
[Formula 4]
Al (2, j) = Σi = 0,..., N-1 W (2, i) · Xl (i + N / 2) · cos (2πij / N)
Bl (2, j) = Σi = 0,..., N-1 W (2, i) .Xl (i + N / 2) .sin (2πij / N)
Ar (2, j) = Σi = 0,..., N-1 W (2, i) .Xr (i + N / 2) .cos (2πij / N)
Br (2, j) = Σi = 0,..., N-1 W (2, i) .Xr (i + N / 2) .sin (2πij / N)
上記〔数式3〕〔数式4〕において、iは、各音響フレーム内のN個のサンプルに付した通し番号であり、i=0,1,2,…N−1の整数値をとる。また、jは周波数の値について、値の小さなものから順に付した通し番号であり、iと同様にj=0,1,2,…N/2−1の整数値をとる。サンプリング周波数が44.1kHz、N=4096の場合、jの値が1つ異なると、周波数が10.8Hz異なることになる。 In the above [Expression 3] and [Expression 4], i is a serial number assigned to N samples in each acoustic frame, and takes an integer value of i = 0, 1, 2,... N−1. Further, j is a serial number assigned in order from the smallest value of the frequency value, and takes an integer value of j = 0, 1, 2,... N / 2-1 like i. When the sampling frequency is 44.1 kHz and N = 4096, if the value of j is different by one, the frequency will be different by 10.8 Hz.
上記〔数式3〕〔数式4〕に従った処理を実行することにより、各音響フレームの各窓関数に対応するスペクトルが得られる。続いて、周波数成分変更手段30が、生成されたスペクトルから所定周波数範囲のスペクトル集合を抽出する。本実施形態では、F1以上F2以下の範囲のものを抽出する。
By executing the processing according to the above [Equation 3] and [Equation 4], a spectrum corresponding to each window function of each acoustic frame is obtained. Subsequently, the frequency
周波数成分変更手段30は、Aタイプの音響フレームについて、ビット配列作成手段70が作成したビット配列に応じて、所定周波数成分の割合を変更する処理を行う。本発明では、ビット配列を1ビットずつ読み込み、1音響フレームに対して1ビットの情報を埋め込む。埋め込まれる1ビットの値は、“0” “1”の2通りがある。本実施形態では、これらを値1、値2と定義する。2種類の符号を埋め込むことができるという点で、これらを符号1、符号2と表現することも可能である。この際、“0”“1”の2通りのうち、いずれを値1、値2(符号1、符号2)と定義しても良い。抽出側において、埋め込み側で埋め込まれた1ビットが特定できれば良いためである。したがって、この定義は、埋め込み側と抽出側で一致している必要がある。
The frequency
本実施形態では、音響フレームの変更対象周波数帯の成分を2つの状態に変更し、1ビットの情報を埋め込むようにしている。ここで、埋め込み処理の前後における音響フレームの所定周波数成分の変化の状態について説明する。図3に、本実施形態によるAタイプ、Bタイプの各チャンネル1音響フレームの所定周波数成分の状態を示す。図3に示す各音響フレームにおいて、横軸は時間方向、縦軸は周波数方向を示している。また、網掛けされた部分は、周波数成分が存在している部分を示し、網掛けが濃いほど成分強度が強いことを示している。
In this embodiment, the component of the change target frequency band of the acoustic frame is changed to two states, and 1-bit information is embedded. Here, the state of change of the predetermined frequency component of the acoustic frame before and after the embedding process will be described. FIG. 3 shows a state of a predetermined frequency component of each
図3においては、縦軸の周波数方向において、周波数領域が4つに区分されているが、上から2番目と3番目の領域、すなわち、周波数F1以上F2以下の間が変更対象周波数帯であり、最上部すなわち周波数F2超、最下部すなわちF1未満は、変更対象でない周波数帯である。すなわち、本実施形態では、周波数F1以上F2以下を所定周波数範囲として、スペクトル集合の強度を変更することになる。図3(a)に示すように、LチャンネルのAタイプ音響フレームの変更対象周波数帯については、高周波側におけるスペクトルをL1U、低周波側におけるスペクトルをL1Dで表現し、RチャンネルのAタイプ音響フレームの変更対象周波数帯については、高周波側におけるスペクトルをR1U、低周波側におけるスペクトルをR1Dで表現することとする。また、図3(b)に示すように、LチャンネルのBタイプ音響フレームの変更対象周波数帯については、高周波側におけるスペクトルをL2U、低周波側におけるスペクトルをL2Dで表現し、RチャンネルのBタイプ音響フレームの変更対象周波数帯については、高周波側におけるスペクトルをR2U、低周波側におけるスペクトルをR2Dで表現することとする。 In FIG. 3, the frequency region is divided into four in the frequency direction of the vertical axis, but the second and third regions from the top, that is, the frequency band from F1 to F2 is the frequency band to be changed. The uppermost part, that is, the frequency exceeding F2, and the lowermost part, that is, less than F1, are frequency bands not to be changed. That is, in the present embodiment, the intensity of the spectrum set is changed by setting the frequency F1 to F2 as a predetermined frequency range. As shown in FIG. 3 (a), for the change target frequency band of the L channel A type acoustic frame, the spectrum on the high frequency side is represented by L1U, the spectrum on the low frequency side is represented by L1D, and the A type acoustic frame of the R channel is represented. For the frequency band to be changed, the spectrum on the high frequency side is represented by R1U, and the spectrum on the low frequency side is represented by R1D. Also, as shown in FIG. 3B, for the change target frequency band of the L-channel B type acoustic frame, the spectrum on the high frequency side is represented by L2U, the spectrum on the low frequency side is represented by L2D, and the B channel type of the R channel is represented. For the frequency band to be changed of the acoustic frame, the spectrum on the high frequency side is represented by R2U, and the spectrum on the low frequency side is represented by R2D.
本実施形態で、符号1を埋め込む場合、図3(c)(e)に示すように、L1D、R1D、L2U、R2Uの成分を相対的に強い状態に変更し、L1U、R1U、L2D、R2Dの成分を相対的に弱い状態に変更する。この状態を“状態1”と呼ぶことにする。符号2を埋め込む場合は、図3(d)(f)に示すように、L1U、R1U、L2D、R2Dの成分を相対的に強い状態に変更し、L1D、R1D、L2U、R2Uの成分を相対的に弱い状態に変更する。この状態を“状態2”と呼ぶことにする。
In the present embodiment, when the
本実施形態では、図3(c)(e)または(d)(f)に示すような2つの状態にAタイプ、Bタイプの音響フレームの周波数成分を変更することにより、情報の埋め込みを行っている。2つの状態であるので1ビット分の情報量に相当する。 In the present embodiment, information is embedded by changing the frequency components of the A-type and B-type acoustic frames to two states as shown in FIGS. 3C, 3E, 3D, and 3F. ing. Since there are two states, this corresponds to an information amount of 1 bit.
本実施形態では、上記変更対象周波数帯F1〜F2を、“1.7kHz〜3.4kHz”または “3.4kHz〜6.8kHz”のいずれかに設定する。これは、以下のような理由による。 In the present embodiment, the change target frequency bands F1 to F2 are set to either “1.7 kHz to 3.4 kHz” or “3.4 kHz to 6.8 kHz”. This is due to the following reasons.
すなわち、音声通信として普及度の高い携帯電話機を受信端末として利用する場合、上限については、電話回線帯域および携帯電話機の上限である3.4kHzとする必要がある。そこで、下限については、上限の3.4kHzから1オクターブ下がった1.7kHzとすることとした。また、携帯電話機以外を受信端末として利用する場合には、可聴周波数の上限(22kHz)以下であれば3.4kHzより高い周波数領域を用いることができるが、10kHzを超える高音域では、圧縮・変調などの信号処理の影響を受け易く、スピーカによっては再生能力が低下するため、下限を電話回線帯域の上限である3.4kHzとし、上限を3.4kHzから1オクターブ上がった6.8kHzとすることとした。なお、“1.7kHz”“3.4kHz”“6.8kHz”という値は、代表的な値であり、必ずしも正確な値である必要はなく、そこから若干ずれた値であっても良い。なお、本明細書においては、“1.7kHz〜3.4kHz”を「電話高周波帯」、“3.4kHz〜6.8kHz”を「超電話周波帯」と呼ぶことにする。また、電話回線帯域の上限は上述のように3.4kHz近辺であるので、上記「電話高周波帯」、「超電話周波帯」はそれぞれ可聴周波数範囲で電話回線帯域の上限より若干低音側、若干高音側における所定の周波数帯に該当する。 That is, when a mobile phone having a high degree of spread as voice communication is used as a receiving terminal, the upper limit needs to be 3.4 kHz which is the upper limit of the telephone line band and the mobile phone. Therefore, the lower limit is set to 1.7 kHz, which is one octave lower than the upper limit of 3.4 kHz. Further, when a device other than a mobile phone is used as a receiving terminal, a frequency region higher than 3.4 kHz can be used as long as it is below the upper limit of audible frequency (22 kHz), but in a high sound region exceeding 10 kHz, compression / modulation is possible. The lower limit is set to 3.4 kHz, which is the upper limit of the telephone line bandwidth, and the upper limit is set to 6.8 kHz, which is one octave higher than 3.4 kHz. It was. Note that the values “1.7 kHz”, “3.4 kHz”, and “6.8 kHz” are representative values, and are not necessarily accurate values, and may be slightly deviated from them. In the present specification, “1.7 kHz to 3.4 kHz” is referred to as “telephone high frequency band”, and “3.4 kHz to 6.8 kHz” is referred to as “super telephone frequency band”. Further, since the upper limit of the telephone line band is around 3.4 kHz as described above, the above “telephone high frequency band” and “super telephone frequency band” are slightly lower than the upper limit of the telephone line band in the audible frequency range. This corresponds to a predetermined frequency band on the high sound side.
図3に示した例では、相対的に強い状態と弱い状態に変更することについて説明したが、この強弱の程度については、状況に応じて設定することが可能である。両者の割合は、以下に述べるように、大きいほど抽出時の精度が高くなるが、補間される割合は不完全になり、再生時に不連続成分によるノイズが聞こえる。一方、両者の割合が均等であるほど再生品質は原音に近付くが、埋め込んだビットの抽出ができなくなり、再生品質と抽出精度はトレードオフの関係になる。例えば、強い方を100%、弱い方を0%とした場合、音脈分凝により、補間される部分の音は図3のような変更を行なう前に原音響信号で鳴っていた音の50%程度となることが確認されている。そこで、強い方を70%、弱い方を30%とした場合、音脈分凝により、補間される部分の音は図3のような変更を行なう前に原音響信号で鳴っていた音とほぼ同程度となり、この割合が抽出精度を維持できる限界であることが確認されている。このため、相対的に強いスペクトル集合と、相対的に弱いスペクトル集合の強度の割合を70%と30%とすることを目標に設定することが好ましい。これを実現するため、本実施形態では、後述する具体的な処理において、強い状態を設定するための係数α=0.7、弱い状態を設定するための係数β=0.3とする。ただし、強い状態に変更すべきスペクトル集合の強度が元々小さい場合には、係数α、βを補正する必要が生じる。このため、周波数成分変更手段30は、まず、以下の〔数式5〕に従った処理を実行することにより、弱い状態に変更すべきスペクトル集合に対する強い状態に変更すべきスペクトル集合の強度割合γを算出する。 In the example shown in FIG. 3, the change to the relatively strong state and the weak state has been described. However, the degree of the strength can be set according to the situation. As will be described below, the larger the ratio between the two, the higher the accuracy at the time of extraction. However, the ratio of interpolation becomes incomplete, and noise due to discontinuous components is heard during reproduction. On the other hand, as the ratio between the two is equal, the reproduction quality approaches the original sound, but the embedded bits cannot be extracted, and the reproduction quality and extraction accuracy are in a trade-off relationship. For example, when the strong side is set to 100% and the weak side is set to 0%, the sound of the portion to be interpolated is 50% of the sound that was played in the original acoustic signal before the change as shown in FIG. % Has been confirmed. Therefore, if the strong side is set to 70% and the weak side is set to 30%, the sound of the portion to be interpolated is almost the same as the sound played by the original acoustic signal before the change as shown in FIG. It has been confirmed that this ratio is the limit that can maintain the extraction accuracy. For this reason, it is preferable to set the intensity ratio of the relatively strong spectrum set and the relatively weak spectrum set as 70% and 30%. In order to realize this, in this embodiment, in a specific process described later, a coefficient α = 0.7 for setting a strong state and a coefficient β = 0.3 for setting a weak state are set. However, when the intensity of the spectrum set to be changed to a strong state is originally small, it is necessary to correct the coefficients α and β. For this reason, the frequency component changing means 30 first executes the processing according to the following [Equation 5] to obtain the intensity ratio γ of the spectrum set to be changed to the strong state with respect to the spectrum set to be changed to the weak state. calculate.
〔数式5〕
E1d=Σj=m,…,m+G-1{Al(1,j)2+Bl(1,j)2}
E2d=Σj=m,…,m+G-1{Al(2,j)2+Bl(2,j)2}
E1u=Σj=m+G,…,m+2G-1{Al(1,j)2+Bl(1,j)2}
E2u=Σj=m+G,…,m+2G-1{Al(2,j)2+Bl(2,j)2}
埋め込みデータが値1の場合、γ=(E1d+E2u)/(E1u+E2d)
埋め込みデータが値2の場合、γ=(E1u+E2d)/(E1d+E2u)
[Formula 5]
E1d = Σ j = m,..., M + G−1 {Al (1, j) 2 + Bl (1, j) 2 }
E2d = Σ j = m,..., M + G−1 {Al (2, j) 2 + Bl (2, j) 2 }
E1u = Σ j = m + G,..., M + 2G-1 {Al (1, j) 2 + Bl (1, j) 2 }
E2u = Σ j = m + G,..., M + 2G-1 {Al (2, j) 2 + Bl (2, j) 2 }
When the embedded data has a
When the embedded data is 2, γ = (E1u + E2d) / (E1d + E2u)
上記〔数式5〕において、mは変更対象周波数帯の下限の成分の番号、m+2Gは変更対象周波数帯の上限の成分の番号である。例えば、変更対象周波数帯として、1.7kHz〜3.4kHzを設定する場合、m=160、m+2G=320となる。したがって、1つの周波数領域の幅G=80である。 In the above [Equation 5], m is the number of the lower limit component of the change target frequency band, and m + 2G is the number of the upper limit component of the change target frequency band. For example, when 1.7 kHz to 3.4 kHz is set as the change target frequency band, m = 160 and m + 2G = 320. Therefore, the width G of one frequency region is 80.
そして、さらに強度割合γの値に応じて、周波数成分変更手段30は、以下の〔数式6〕に従った処理を実行することにより、係数α、βを補正して係数α´、β´を得る。
Further, according to the value of the intensity ratio γ, the frequency
〔数式6〕
γ<1.0の場合、α´=α・γ-1/2、β´=β・γ1/2
γ≧1.0の場合、α´=α・γ1/2、β´=β・γ-1/2
[Formula 6]
When γ <1.0, α ′ = α · γ −1/2 , β ′ = β · γ 1/2
When γ ≧ 1.0, α ′ = α · γ 1/2 , β ′ = β · γ −1/2
なお、γ≧1.0の場合は、補正を行わないような設定にしておいても良い。さらに、周波数成分変更手段30は、埋め込むべき情報が“値1”である場合、以下の〔数式7〕に従った処理を実行することにより、周波数成分の状態を“状態1”、すなわち、図3(c)(e)に示したような状態に変更する。
If γ ≧ 1.0, it may be set not to perform correction. Further, when the information to be embedded is “
〔数式7〕
j=m〜m+G−1の各成分に対して
E(1,j)={Al(1,j)2+Bl(1,j)2+Ar(1,j)2+Br(1,j)2}1/2
Al´(1,j)=Al(1,j)・E(1,j)・α/{Al(1,j)2+Bl(1,j)2}1/2
Bl´(1,j)=Bl(1,j)・E(1,j)・α/{Al(1,j)2+Bl(1,j)2}1/2
Ar´(1,j)=Ar(1,j)・E(1,j)・α/{Ar(1,j)2+Br(1,j)2}1/2
Br´(1,j)=Br(1,j)・E(1,j)・α/{Ar(1,j)2+Br(1,j)2}1/2
E(2,j)={Al(2,j)2+Bl(2,j)2+Ar(2,j)2+Br(2,j)2}1/2
Al´(2,j)=Al(2,j)・E(2,j)・β/{Al(2,j)2+Bl(2,j)2}1/2
Bl´(2,j)=Bl(2,j)・E(2,j)・β/{Al(2,j)2+Bl(2,j)2}1/2
Ar´(2,j)=Ar(2,j)・E(2,j)・β/{Ar(2,j)2+Br(2,j)2}1/2
Br´(2,j)=Br(2,j)・E(2,j)・β/{Ar(2,j)2+Br(2,j)2}1/2
j=m+G〜m+2G−1の各成分に対して
E(1,j)={Al(1,j)2+Bl(1,j)2+Ar(1,j)2+Br(1,j)2}1/2
Al´(1,j)=Al(1,j)・E(1,j)・β/{Al(1,j)2+Bl(1,j)2}1/2
Bl´(1,j)=Bl(1,j)・E(1,j)・β/{Al(1,j)2+Bl(1,j)2}1/2
Ar´(1,j)=Ar(1,j)・E(1,j)・β/{Ar(1,j)2+Br(1,j)2}1/2
Br´(1,j)=Br(1,j)・E(1,j)・β/{Ar(1,j)2+Br(1,j)2}1/2
E(2,j)={Al(2,j)2+Bl(2,j)2+Ar(2,j)2+Br(2,j)2}1/2
Al´(2,j)=Al(2,j)・E(2,j)・α/{Al(2,j)2+Bl(2,j)2}1/2
Bl´(2,j)=Bl(2,j)・E(2,j)・α/{Al(2,j)2+Bl(2,j)2}1/2
Ar´(2,j)=Ar(2,j)・E(2,j)・α/{Ar(2,j)2+Br(2,j)2}1/2
Br´(2,j)=Br(2,j)・E(2,j)・α/{Ar(2,j)2+Br(2,j)2}1/2
[Formula 7]
For each component of j = m to m + G−1, E (1, j) = {Al (1, j) 2 + Bl (1, j) 2 + Ar (1, j) 2 + Br (1, j) 2 } 1/2
Al ′ (1, j) = Al (1, j) · E (1, j) · α / {Al (1, j) 2 + Bl (1, j) 2 } 1/2
Bl ′ (1, j) = Bl (1, j) · E (1, j) · α / {Al (1, j) 2 + Bl (1, j) 2 } 1/2
Ar ′ (1, j) = Ar (1, j) · E (1, j) · α / {Ar (1, j) 2 + Br (1, j) 2 } 1/2
Br ′ (1, j) = Br (1, j) · E (1, j) · α / {Ar (1, j) 2 + Br (1, j) 2 } 1/2
E (2, j) = {Al (2, j) 2 + Bl (2, j) 2 + Ar (2, j) 2 + Br (2, j) 2 } 1/2
Al ′ (2, j) = Al (2, j) · E (2, j) · β / {Al (2, j) 2 + Bl (2, j) 2 } 1/2
Bl ′ (2, j) = Bl (2, j) · E (2, j) · β / {Al (2, j) 2 + Bl (2, j) 2 } 1/2
Ar ′ (2, j) = Ar (2, j) · E (2, j) · β / {Ar (2, j) 2 + Br (2, j) 2 } 1/2
Br ′ (2, j) = Br (2, j) · E (2, j) · β / {Ar (2, j) 2 + Br (2, j) 2 } 1/2
For each component of j = m + G to m + 2G-1, E (1, j) = {Al (1, j) 2 + Bl (1, j) 2 + Ar (1, j) 2 + Br (1, j) 2 } 1/2
Al ′ (1, j) = Al (1, j) · E (1, j) · β / {Al (1, j) 2 + Bl (1, j) 2 } 1/2
Bl ′ (1, j) = B1 (1, j) · E (1, j) · β / {Al (1, j) 2 + B1 (1, j) 2 } 1/2
Ar ′ (1, j) = Ar (1, j) · E (1, j) · β / {Ar (1, j) 2 + Br (1, j) 2 } 1/2
Br ′ (1, j) = Br (1, j) · E (1, j) · β / {Ar (1, j) 2 + Br (1, j) 2 } 1/2
E (2, j) = {Al (2, j) 2 + Bl (2, j) 2 + Ar (2, j) 2 + Br (2, j) 2 } 1/2
Al ′ (2, j) = Al (2, j) · E (2, j) · α / {Al (2, j) 2 + Bl (2, j) 2 } 1/2
Bl ′ (2, j) = Bl (2, j) · E (2, j) · α / {Al (2, j) 2 + Bl (2, j) 2 } 1/2
Ar ′ (2, j) = Ar (2, j) · E (2, j) · α / {Ar (2, j) 2 + Br (2, j) 2 } 1/2
Br ′ (2, j) = Br (2, j) · E (2, j) · α / {Ar (2, j) 2 + Br (2, j) 2 } 1/2
埋め込むべき情報が“値2”である場合は、以下の〔数式8〕に従った処理を実行することにより、周波数成分の状態を“状態2” 、すなわち、図3(d)(f)に示したような状態に変更する。
When the information to be embedded is “
〔数式8〕
j=m〜m+G−1の各成分に対して
E(1,j)={Al(1,j)2+Bl(1,j)2+Ar(1,j)2+Br(1,j)2}1/2
Al´(1,j)=Al(1,j)・E(1,j)・β/{Al(1,j)2+Bl(1,j)2}1/2
Bl´(1,j)=Bl(1,j)・E(1,j)・β/{Al(1,j)2+Bl(1,j)2}1/2
Ar´(1,j)=Ar(1,j)・E(1,j)・β/{Ar(1,j)2+Br(1,j)2}1/2
Br´(1,j)=Br(1,j)・E(1,j)・β/{Ar(1,j)2+Br(1,j)2}1/2
E(2,j)={Al(2,j)2+Bl(2,j)2+Ar(2,j)2+Br(2,j)2}1/2
Al´(2,j)=Al(2,j)・E(2,j)・α/{Al(2,j)2+Bl(2,j)2}1/2
Bl´(2,j)=Bl(2,j)・E(2,j)・α/{Al(2,j)2+Bl(2,j)2}1/2
Ar´(2,j)=Ar(2,j)・E(2,j)・α/{Ar(2,j)2+Br(2,j)2}1/2
Br´(2,j)=Br(2,j)・E(2,j)・α/{Ar(2,j)2+Br(2,j)2}1/2
j=m+G〜m+2G−1の各成分に対して
E(1,j)={Al(1,j)2+Bl(1,j)2+Ar(1,j)2+Br(1,j)2}1/2
Al´(1,j)=Al(1,j)・E(1,j)・α/{Al(1,j)2+Bl(1,j)2}1/2
Bl´(1,j)=Bl(1,j)・E(1,j)・α/{Al(1,j)2+Bl(1,j)2}1/2
Ar´(1,j)=Ar(1,j)・E(1,j)・α/{Ar(1,j)2+Br(1,j)2}1/2
Br´(1,j)=Br(1,j)・E(1,j)・α/{Ar(1,j)2+Br(1,j)2}1/2
E(2,j)={Al(2,j)2+Bl(2,j)2+Ar(2,j)2+Br(2,j)2}1/2
Al´(2,j)=Al(2,j)・E(2,j)・β/{Al(2,j)2+Bl(2,j)2}1/2
Bl´(2,j)=Bl(2,j)・E(2,j)・β/{Al(2,j)2+Bl(2,j)2}1/2
Ar´(2,j)=Ar(2,j)・E(2,j)・β/{Ar(2,j)2+Br(2,j)2}1/2
Br´(2,j)=Br(2,j)・E(2,j)・β/{Ar(2,j)2+Br(2,j)2}1/2
[Formula 8]
For each component of j = m to m + G−1, E (1, j) = {Al (1, j) 2 + Bl (1, j) 2 + Ar (1, j) 2 + Br (1, j) 2 } 1/2
Al ′ (1, j) = Al (1, j) · E (1, j) · β / {Al (1, j) 2 + Bl (1, j) 2 } 1/2
Bl ′ (1, j) = B1 (1, j) · E (1, j) · β / {Al (1, j) 2 + B1 (1, j) 2 } 1/2
Ar ′ (1, j) = Ar (1, j) · E (1, j) · β / {Ar (1, j) 2 + Br (1, j) 2 } 1/2
Br ′ (1, j) = Br (1, j) · E (1, j) · β / {Ar (1, j) 2 + Br (1, j) 2 } 1/2
E (2, j) = {Al (2, j) 2 + Bl (2, j) 2 + Ar (2, j) 2 + Br (2, j) 2 } 1/2
Al ′ (2, j) = Al (2, j) · E (2, j) · α / {Al (2, j) 2 + Bl (2, j) 2 } 1/2
Bl ′ (2, j) = Bl (2, j) · E (2, j) · α / {Al (2, j) 2 + Bl (2, j) 2 } 1/2
Ar ′ (2, j) = Ar (2, j) · E (2, j) · α / {Ar (2, j) 2 + Br (2, j) 2 } 1/2
Br ′ (2, j) = Br (2, j) · E (2, j) · α / {Ar (2, j) 2 + Br (2, j) 2 } 1/2
For each component of j = m + G to m + 2G-1, E (1, j) = {Al (1, j) 2 + Bl (1, j) 2 + Ar (1, j) 2 + Br (1, j) 2 } 1/2
Al ′ (1, j) = Al (1, j) · E (1, j) · α / {Al (1, j) 2 + Bl (1, j) 2 } 1/2
Bl ′ (1, j) = Bl (1, j) · E (1, j) · α / {Al (1, j) 2 + Bl (1, j) 2 } 1/2
Ar ′ (1, j) = Ar (1, j) · E (1, j) · α / {Ar (1, j) 2 + Br (1, j) 2 } 1/2
Br ′ (1, j) = Br (1, j) · E (1, j) · α / {Ar (1, j) 2 + Br (1, j) 2 } 1/2
E (2, j) = {Al (2, j) 2 + Bl (2, j) 2 + Ar (2, j) 2 + Br (2, j) 2 } 1/2
Al ′ (2, j) = Al (2, j) · E (2, j) · β / {Al (2, j) 2 + Bl (2, j) 2 } 1/2
Bl ′ (2, j) = Bl (2, j) · E (2, j) · β / {Al (2, j) 2 + Bl (2, j) 2 } 1/2
Ar ′ (2, j) = Ar (2, j) · E (2, j) · β / {Ar (2, j) 2 + Br (2, j) 2 } 1/2
Br ′ (2, j) = Br (2, j) · E (2, j) · β / {Ar (2, j) 2 + Br (2, j) 2 } 1/2
なお、上記〔数式4〕に従った処理を実行して係数α´、β´を得た場合は、上記〔数式7〕〔数式8〕において、係数α、βに代えて係数α´、β´を用いる。 When the coefficients α ′ and β ′ are obtained by executing the processing according to the above [Expression 4], the coefficients α ′ and β are replaced with the coefficients α and β in the above [Expression 7] and [Expression 8]. 'Is used.
周波数逆変換手段40は、上記のようにして、周波数成分の状態が変更されたフレームスペクトルを周波数逆変換して改変音響フレームを得る処理を行う。この周波数逆変換は、当然のことながら、周波数変換手段20が実行した手法に対応していることが必要となる。本実施形態では、周波数変換手段20において、フーリエ変換を施しているため、周波数逆変換手段40は、フーリエ逆変換を実行することになる。
As described above, the frequency inverse transform means 40 performs the process of obtaining the modified sound frame by performing the frequency inverse transform on the frame spectrum in which the state of the frequency component is changed. Naturally, the inverse frequency conversion needs to correspond to the method executed by the frequency conversion means 20. In the present embodiment, since the
具体的には、Aタイプの音響フレームに対しては、周波数逆変換手段40は、上記〔数式7〕〔数式8〕のいずれかにより得られたスペクトルの左チャンネルの実部Al´(1,j)等、虚部Bl´(1,j)等、右チャンネルの実部Ar´(1,j)等、虚部Br´(1,j)等を用いて、以下の〔数式9〕に従った処理を行い、Xl´(i)、Xr´(i)を算出する。なお、上記〔数式7〕〔数式8〕において改変されていない周波数成分については、Al´(1,j)等として、元の周波数成分であるAl(1,j)等を用いる。 Specifically, for the A type sound frame, the frequency inverse transform means 40 performs the real part Al ′ (1,1) of the left channel of the spectrum obtained by any of the above [Formula 7] and [Formula 8]. j), imaginary part Bl ′ (1, j), etc., real part Ar ′ (1, j), etc. of the right channel, imaginary part Br ′ (1, j), etc. The process according to this is performed and Xl '(i) and Xr' (i) are calculated. For frequency components that are not modified in the above [Equation 7] and [Equation 8], the original frequency component Al (1, j) or the like is used as Al ′ (1, j) or the like.
〔数式9〕
Xl´(i)=1/N・{ΣjAl´(1,j)・cos(2πij/N)−ΣjBl´(1,j)・sin(2πij/N)}+Xlp(i+N/2)
Xr´(i)=1/N・{ΣjAr´(1,j)・cos(2πij/N)−ΣjBr´(1,j)・sin(2πij/N)}+Xrp(i+N/2)
[Formula 9]
Xl' (i) = 1 / N · {Σ j Al' (1, j) · cos (2πij / N) -Σ j Bl' (1, j) · sin (2πij / N)} + Xlp (i + N / 2 )
Xr' (i) = 1 / N · {Σ j Ar' (1, j) · cos (2πij / N) -Σ j Br' (1, j) · sin (2πij / N)} + Xrp (i + N / 2 )
上記〔数式9〕においては、式が繁雑になるのを防ぐため、Σj=0,…,N-1をΣjとして示している。上記〔数式9〕における第1式の“+Xlp(i+N/2)”、第2式の“+Xrp(i+N/2)”の項は、直前に改変された改変音響フレームのデータXlp(i)、Xrp(i)が存在する場合に、時間軸上N/2サンプル分重複することを考慮して加算するためのものである。上記〔数式9〕によりAタイプの改変音響フレームの左チャンネルの各サンプルXl´(i)、右チャンネルの各サンプルXr´(i)、が得られることになる。 In the above [Formula 9], Σ j = 0, ... , N−1 is shown as Σ j in order to prevent the expression from becoming complicated. The terms “+ Xlp (i + N / 2)” in the first equation and “+ Xrp (i + N / 2)” in the second equation in the above [Equation 9] are the data Xlp (i) of the modified acoustic frame modified immediately before, When Xrp (i) exists, the addition is performed in consideration of the overlap of N / 2 samples on the time axis. By the above [Equation 9], each sample Xl ′ (i) of the left channel and each sample Xr ′ (i) of the right channel of the A type modified acoustic frame are obtained.
Bタイプの音響フレームに対しては、周波数逆変換手段40は、上記〔数式7〕〔数式8〕のいずれかにより得られたスペクトルの左チャンネルの実部Al´(2,j)、虚部Bl´(2,j)、右チャンネルの実部Ar´(2,j)、虚部Br´(2,j)を用いて、以下の〔数式10〕に従った処理を行い、Xl´(i)、Xr´(i)を算出する。なお、上記〔数式7〕〔数式8〕において改変されていない周波数成分については、以下の〔数式10〕においてはAl´(2,j)、Bl´(2,j)、Ar´(2,j)、Br´(2,j)として、元の値であるAl(2,j)、Bl(2,j)、Ar(2,j)、Br(2,j)を用いる。 For the B type acoustic frame, the frequency inverse transform means 40 performs the real part Al ′ (2, j) and imaginary part of the left channel of the spectrum obtained by any one of the above [Formula 7] and [Formula 8]. Using Bl ′ (2, j), the real part Ar ′ (2, j) of the right channel, and the imaginary part Br ′ (2, j), processing according to the following [Equation 10] is performed, and Xl ′ ( i) and Xr ′ (i) are calculated. For frequency components that are not modified in the above [Formula 7] and [Formula 8], in the following [Formula 10], Al ′ (2, j), Bl ′ (2, j), Ar ′ (2, The original values Al (2, j), Bl (2, j), Ar (2, j), and Br (2, j) are used as j) and Br ′ (2, j).
〔数式10〕
Xl´(i+N/2)=1/N・{ΣjAl´(2,j)・cos(2πij/N)−ΣjBl´(2,j)・sin(2πij/N)}+Xlp(i+N)
Xr´(i+N/2)=1/N・{ΣjAr´(2,j)・cos(2πij/N)−ΣjBr´(2,j)・sin(2πij/N)}+Xrp(i+N)
[Formula 10]
Xl' (i + N / 2) = 1 / N · {Σ j Al' (2, j) · cos (2πij / N) -Σ j Bl' (2, j) · sin (2πij / N)} + Xlp (i + N )
Xr' (i + N / 2) = 1 / N · {Σ j Ar' (2, j) · cos (2πij / N) -Σ j Br' (2, j) · sin (2πij / N)} + Xrp (i + N )
上記〔数式10〕によりBタイプの改変音響フレームの左チャンネルの各サンプルXl´(i)、右チャンネルの各サンプルXr´(i)、が得られることになる。 According to the above [Equation 10], each sample Xl ′ (i) of the left channel and each sample Xr ′ (i) of the right channel of the B type modified sound frame are obtained.
改変音響フレーム出力手段50は、周波数逆変換手段40の処理により得られたAタイプの改変音響フレーム、Bタイプの改変音響フレームを順次出力ファイルに出力する。
The modified sound
次に、図1に示した音響信号に対する情報の埋め込み装置の処理の全体的な流れを、図4のフローチャートに従って説明する。図1に示した装置を構成する各構成要素は、連携して図4に従った処理を実行する。図4は、付加情報1ワード分の処理に対応したものとなっている。1ワードとしては、任意のビット数に設定することができるが、上述のように、本実施形態では、ASCIIコードの実質7ビットに設定されている。 Next, the overall flow of processing of the information embedding device for the acoustic signal shown in FIG. 1 will be described with reference to the flowchart of FIG. Each component which comprises the apparatus shown in FIG. 1 cooperates, and performs the process according to FIG. FIG. 4 corresponds to processing of one word of additional information. Although one word can be set to any number of bits, as described above, in this embodiment, it is set to substantially 7 bits of the ASCII code.
図4においては、まず、ビット配列作成手段70は、付加情報記憶部62から抽出した付加情報に対して所定の処理を施し新たなビット配列を作成する(S101)。具体的には、まず、付加情報記憶部62から1ワード(7ビット)単位で抽出し、これに検査符号を5ビット付加して12ビットとする。
In FIG. 4, first, the bit array creation means 70 performs a predetermined process on the additional information extracted from the additional
具体的には、図5(a)に示すように、付加情報から抽出した7ビットD1〜D7に対して5つの検査符号P1〜P5を付加したビット配列を作成する。各検査符号P1〜P5は、図5(b)に示したように定義される。このうち、検査符号P1はパリティ符号であり、検査符号P2〜P5は4ビットのハミング符号である。具体的には、検査符号P1は、ビットD1〜D7の排他的論理和として算出される。検査符号P2は、ビットD1、D2、D3、D7の排他的論理和として算出される。検査符号P3は、ビットD1、D4、D5、D7、P1の排他的論理和として算出される。検査符号P4は、ビットD2、D4、D6、D7、P1の排他的論理和として算出される。検査符号P5は、ビットD3、D5、D6、P1の排他的論理和として算出される。したがって、ビット配列作成手段70は、S101において、図5(b)に示した定義に従って図5(a)に示したような12ビットのビット配列を作成することになる。 Specifically, as shown in FIG. 5A, a bit array is created by adding five check codes P1 to P5 to 7 bits D1 to D7 extracted from the additional information. Each check code P1 to P5 is defined as shown in FIG. Among these, the check code P1 is a parity code, and the check codes P2 to P5 are 4-bit Hamming codes. Specifically, the check code P1 is calculated as an exclusive OR of the bits D1 to D7. The check code P2 is calculated as an exclusive OR of the bits D1, D2, D3, and D7. The check code P3 is calculated as an exclusive OR of the bits D1, D4, D5, D7, and P1. The check code P4 is calculated as an exclusive OR of the bits D2, D4, D6, D7, and P1. The check code P5 is calculated as an exclusive OR of the bits D3, D5, D6, and P1. Accordingly, the bit array creation means 70 creates a 12-bit bit array as shown in FIG. 5A in S101 according to the definition shown in FIG. 5B.
そして、この12ビットが、音響信号に対する情報の埋め込み装置として用いられるコンピュータ内のレジスタに読み込まれることになる。このように、付加情報記憶部62においては、1ワードは7ビットであるが、埋め込み処理時は、この12ビットの配列で、付加情報内の1ワード分の処理を行う。
These 12 bits are read into a register in a computer used as an information embedding device for an acoustic signal. Thus, in the additional
次に、周波数成分変更手段30が、レジスタに保持された12ビットから1ビットを読み込む処理を行う(S102)。続いて、音響フレーム読込手段10が、音響信号記憶部61に記憶されたステレオ音響信号の左右の各チャンネルから、それぞれ所定数のサンプルをAタイプの1音響フレームとして読み込む(S103)。続いて、周波数変換手段20および周波数成分変更手段30が、読み込んだビット値に応じてAタイプ音響フレームの周波数成分の状態を変更する処理を行う(S104)。具体的には、まず、読み込んだ音響フレームに対して、周波数変換を行って、その音響フレームのスペクトルであるフレームスペクトルを得る。すなわち、各音響フレームについて、窓関数W(1,i)を用いて、上記〔数式3〕に従った処理を行う。そして、周波数成分変更手段30は、ビット配列作成手段70から受け取った値1、値2に応じて上記〔数式7〕〔数式8〕に従った処理を実行し、変更対象周波数帯の成分の状態を“状態1”、“状態2”に応じた状態のいずれかに変更する。
Next, the frequency
次に、周波数逆変換手段40が、上記S104の処理により各スペクトル集合の強度が変更されたスペクトルを周波数逆変換して改変音響フレームを得る処理を行う(S105)。この周波数逆変換は、当然のことながら、周波数変換手段20がS104において実行した手法に対応していることが必要となる。本実施形態では、周波数変換手段20において、フーリエ逆変換を施しているため、周波数逆変換手段40は、フーリエ逆変換を実行することになる。具体的には、上記〔数式7〕〔数式8〕のいずれかにより得られたスペクトルの左チャンネルの実部Al´(1,j)等、虚部Bl´(1,j)等、右チャンネルの実部Ar´(1,j)等、虚部Br´(1,j)等を用いて、上記〔数式9〕に従った処理を行い、Xl´(i)、Xr´(i)を算出する。改変音響フレーム出力手段50は、得られた改変音響フレームを順次出力ファイルに出力する。
Next, the frequency inverse transform means 40 performs a process of performing frequency inverse transform on the spectrum whose intensity of each spectrum set has been changed by the process of S104 to obtain a modified acoustic frame (S105). As a matter of course, this frequency inverse transform needs to correspond to the method executed by the
続いて、音響フレーム読込手段10が、音響信号記憶部61に記憶されたステレオ音響信号の左右の各チャンネルから、それぞれ所定数のサンプルをBタイプの1音響フレームとして読み込む(S103)。次に、周波数変換手段20および周波数成分変更手段30が、読み込んだビット値に応じてBタイプ音響フレームの周波数成分の状態を変更する処理を行う(S107)。具体的には、まず、読み込んだ音響フレームに対して、周波数変換を行って、その音響フレームのスペクトルであるフレームスペクトルを得る。すなわち、各音響フレームについて、窓関数W(2,i)を用いて、上記〔数式4〕に従った処理を行う。そして、周波数成分変更手段30は、ビット配列作成手段70から受け取った値1、値2に応じて上記〔数式7〕〔数式8〕に従った処理を実行し、変更対象周波数帯の成分の状態を“状態1”、“状態2”に応じた状態のいずれかに変更する。
Subsequently, the acoustic frame reading means 10 reads a predetermined number of samples as one B-type acoustic frame from each of the left and right channels of the stereo acoustic signal stored in the acoustic signal storage unit 61 (S103). Next, the
次に、周波数逆変換手段40が、上記S107の処理により各スペクトル集合の強度が変更されたスペクトルを周波数逆変換して改変音響フレームを得る処理を行う(S108)。具体的には、上記〔数式7〕〔数式8〕のいずれかにより得られたスペクトルの左チャンネルの実部Al´(2,j)等、虚部Bl´(2,j)等、右チャンネルの実部Ar´(2,j)等、虚部Br´(2,j)等を用いて、上記〔数式10〕に従った処理を行い、Xl´(i)、Xr´(i)を算出する。 Next, the frequency inverse transform means 40 performs the process of obtaining the modified sound frame by performing the frequency inverse transform on the spectrum in which the intensity of each spectrum set is changed by the process of S107 (S108). Specifically, the real channel Al ′ (2, j), etc., the imaginary part Bl ′ (2, j), etc. of the left channel of the spectrum obtained by any one of the above [Equation 7] and [Equation 8], the right channel. Using the real part Ar ′ (2, j), etc., the imaginary part Br ′ (2, j), etc., the processing according to the above [Equation 10] is performed, and Xl ′ (i), Xr ′ (i) calculate.
図4のフローチャートにおいては、S103〜S105においてAタイプ音響フレームの状態を変更し、S106〜S108においてBタイプ音響フレームの状態を変更していることになる。 In the flowchart of FIG. 4, the state of the A type sound frame is changed in S103 to S105, and the state of the B type sound frame is changed in S106 to S108.
改変音響フレーム出力手段50は、得られた改変音響フレームを順次出力ファイルに出力する。こうして各チャンネルについて、Aタイプ、Bタイプ1つずつの音響フレームに対する処理を終えたら、周波数成分変更手段30がビット配列中の次の1ビットを読み込む(S102)。以上のような処理を音響信号の両チャンネルの全サンプルに渡って実行していく。すなわち、所定数のサンプルを音響フレームとして読み込み、音響信号から読み込むべき音響フレームがなくなったら(S103、S106)、処理を終了する。なお、S101において読み込んだ1ワード分のビット配列(12ビット)の各ビットに対応する処理を終えた場合、S102からS101に戻り、付加情報の次のワードを読み込んでビット配列を作成する処理を行うことになる。付加情報の全ワードに対して処理が終了した場合は、付加情報の先頭ワードに戻って処理を行う。この結果、全ての音響フレームに対して処理を行った全ての改変音響フレームが出力ファイルに記録されて、改変音響信号として得られる。得られた改変音響信号は、記憶手段60内の改変音響信号記憶部63に出力され、記憶される。
The modified sound frame output means 50 sequentially outputs the obtained modified sound frames to an output file. When the processing for one acoustic frame for each of the A type and B type is finished for each channel, the frequency component changing means 30 reads the next 1 bit in the bit array (S102). The above processing is executed over all samples of both channels of the acoustic signal. That is, a predetermined number of samples are read as sound frames, and when there are no more sound frames to be read from the sound signal (S103, S106), the process ends. When the processing corresponding to each bit of the bit arrangement (12 bits) for one word read in S101 is completed, the process returns from S102 to S101, and the process of reading the next word of the additional information and creating the bit arrangement is performed. Will do. When the processing is completed for all the words of the additional information, the processing returns to the first word of the additional information. As a result, all modified acoustic frames that have been processed for all acoustic frames are recorded in the output file and obtained as modified acoustic signals. The obtained modified acoustic signal is output to and stored in the modified acoustic
なお、本実施形態では、付加情報を1ワード7ビットとし、検査符号を加えて12ビットとして、付加情報1ワード分の処理をする場合について説明したが、抽出側と取り決めがある限り、付加情報の1ワードを任意のビット数単位で記録することが可能である。 In the present embodiment, the case has been described in which the additional information is 7 bits per word, the check code is added to 12 bits, and processing is performed for 1 word of additional information. However, as long as there is an agreement with the extraction side, the additional information Can be recorded in an arbitrary number of bits.
上記のようにして得られた改変音響信号の左チャンネルのうち、付加情報が埋め込まれている部分については、変更対象周波数帯の成分は、上記状態1、状態2の2通りの分布しかないことになる。しかし、変更対象周波数帯の成分以外については、元の音響信号のままであるので、制作者の設定に基づいた種々な分布になる。また、上記〔数式7〕〔数式8〕の処理からも明らかなように、変更対象周波数帯の成分は、左チャンネルと右チャンネルにおいて同等の割合で変化させられている。したがって、両スピーカと等距離の位置においても、変更対象周波数帯の成分は、相殺されることなく増幅させる関係となり、情報を抽出し易くなる。
Of the left channel of the modified acoustic signal obtained as described above, with respect to the portion where the additional information is embedded, the component of the change target frequency band has only two distributions of the
(3.1.抽出装置の構成)
次に、本発明に係る音響信号からの情報の抽出装置について説明する。図6は、本発明に係る音響信号からの情報の抽出装置の一実施形態を示す構成図である。図6において、100は音響信号入力手段、110は基準フレーム獲得手段、120は位相変更フレーム設定手段、130は周波数変換手段、140は符号判定パラメータ算出手段、150は符号出力手段、160は付加情報抽出手段、170は音響フレーム保持手段である。
(3.1. Configuration of extraction device)
Next, an apparatus for extracting information from an acoustic signal according to the present invention will be described. FIG. 6 is a block diagram showing an embodiment of an apparatus for extracting information from an acoustic signal according to the present invention. In FIG. 6, 100 is an acoustic signal input unit, 110 is a reference frame acquisition unit, 120 is a phase change frame setting unit, 130 is a frequency conversion unit, 140 is a code determination parameter calculation unit, 150 is a code output unit, and 160 is additional information. Extraction means 170 is an acoustic frame holding means.
音響信号入力手段100は、流れている音声をデジタル音響信号として取得し、入力する機能を有している。現実には、マイクロフォンおよびA/D変換器により実現される。マイクロフォンとしては、変更対象周波数帯の成分が検出可能なものであれば、モノラル無指向性のものであっても、ステレオ指向性のものであっても使用可能である。ステレオ指向性のものであっても一方のチャンネルだけ利用すれば良い。また、図1に示した装置で情報の埋め込みを行った場合には、ステレオで再生されるが、左右どちらのスピーカの音を入力しても、双方のスピーカの音を混合入力しても良く、マイクロフォンの設置位置に制約がない。もちろん、上記信号がモノラル再生される場合、あるいは上記と異なりモノラルで情報が埋め込まれた場合は、再生される単一のスピーカにマイクロフォンを向ければ良い。このマイクロフォンは特別精度の高いものでなく、一般的な精度のマイクロフォンを用いても情報の抽出が可能となる。基準フレーム獲得手段110は、入力されたデジタルのモノラル音響信号(あるいはステレオ音響信号の1チャンネル)から所定数のサンプルで構成される音響フレームを基準フレームとして読み込む機能を有している。位相変更フレーム設定手段120は、基準フレームと所定サンプルずつ移動させることにより位相を変更した音響フレームを位相変更フレームとして設定する機能を有している。周波数変換手段130は、図1に示した周波数変換手段20と同様の機能を有している。
The acoustic
符号判定パラメータ算出手段140は、生成されたスペクトルから所定の周波数範囲に相当するスペクトル集合を抽出し、各スペクトル集合の強度値E1d´、E2d´、E1u´、E2u´を以下の〔数式12〕に基づいて算出する。また、各要素jに対応する成分の強度値を利用して符号判定パラメータC1d、C2d、C1u、C2uを算出し、この符号判定パラメータC1d、C2d、C1u、C2uの大小関係に基づいて、所定の状態であると判断する機能を有している。上述のように、本実施形態では、Aタイプの音響フレームとBタイプの音響フレームがN/2サンプルずつ重複して設定されているため、ある音響フレームについて、強度値E1d´、E2d´、E1u´、E2u´、符号判定パラメータC1d、C2d、C1u、C2uを算出する際には、直前の音響フレームによる残響成分を除去する必要がある。Aタイプの音響フレームの各成分Al(1,j,p)、Bl(1,j,p)に対して1フレーム分前のBタイプの音響フレームに対応する各成分をAl-1(2,j,p)、Bl-1(2,j,p)とすると、Bタイプの音響フレームの各成分Al(2,j,p)、Bl(2,j,p)に対応して、1フレーム分前の音響フレームは以下補正を施す前の前記Aタイプの音響フレームとなり、残響成分を除去した強度E(1,j,p)、E(2,j,p)は、以下の〔数式11〕により算出する。
The code determination
〔数式11〕
E(1,j,p)=Al(1,j,p)2+Bl(1,j,p)2−q{Al-1(2,j,p)2+Bl-1(2,j,p)2}
E(2,j,p)=Al(2,j,p)2+Bl(2,j,p)2−q{Al(1,j,p)2+Bl(1,j,p)2}
[Formula 11]
E (1, j, p) = Al (1, j, p) 2 + Bl (1, j, p) 2 −q {Al −1 (2, j, p) 2 + Bl −1 (2, j, p 2 }
E (2, j, p) = Al (2, j, p) 2 + Bl (2, j, p) 2 −q {Al (1, j, p) 2 + Bl (1, j, p) 2 }
上記〔数式11〕における2つの式のうち、上の式は、あるAタイプの音響フレームに着目したときに、その前半のN/2サンプルが重複するBタイプの音響フレームからの残響成分を除去するためのものである。また、下の式は、あるBタイプの音響フレームに着目したときに、その前半のN/2サンプルが重複するAタイプの音響フレームからの残響成分を除去するためのものである。上記〔数式11〕において、qは残響成分の大きさを示す係数であるが、この係数qについては、実験の結果、N=4096のときq=0.06、N=2048のときq=0.12、N=1024のときq=0.24、N=2048のときq=0.48が最適である。また、pは位相番号であり、0〜5の整数値をとる。なお、抽出時には、1チャンネルの信号のみを利用するので、Lチャンネル、Rチャンネルを区別する必要はないが、〔数式11〕においては、Lチャンネルと同じ記号Al、Blを用いている。したがって、Al、Blに代えてAr、Brを用いても良い。 Of the two formulas in [Formula 11], the above formula removes the reverberation component from the B-type acoustic frame in which the N / 2 samples in the first half overlap when focusing on a certain A-type acoustic frame. Is to do. The following equation is for removing a reverberation component from an A type acoustic frame in which the N / 2 samples in the first half overlap when focusing on a certain B type acoustic frame. In the above [Expression 11], q is a coefficient indicating the magnitude of the reverberation component. As a result of experiments, q = 0.06 when N = 4096, and q = 0 when N = 2048. .12, q = 0.24 when N = 1024, and q = 0.48 when N = 2048. P is a phase number and takes an integer value of 0 to 5. Since only one channel signal is used at the time of extraction, it is not necessary to distinguish between the L channel and the R channel. However, in [Formula 11], the same symbols Al and Bl as those of the L channel are used. Therefore, Ar and Br may be used instead of Al and Bl.
そして、各スペクトル集合の強度値E1d´、E2d´、E1u´、E2u´を、算出した残響成分E(1,j,p)、E(2,j,p)を用いて以下の〔数式12〕に基づいて算出する。 Then, the intensity values E1d ′, E2d ′, E1u ′, and E2u ′ of each spectrum set are calculated using the calculated reverberation components E (1, j, p) and E (2, j, p) as follows: ] Based on the above.
〔数式12〕
E1d´=Σj=m,…,m+G-1E(1,j,p)・F(j−m)・(aj)2
E2d´=Σj=m,…,m+G-1E(2,j,p)・F(j−m)・(aj)2
E1u´=Σj=m+G,…,m+2G-1E(1,j,p)・F(j−m−G)・(aj)2
E2u´=Σj=m+G,…,m+2G-1E(2,j,p)・F(j−m−G)・(aj)2
[Formula 12]
E1d ′ = Σ j = m,..., M + G−1 E (1, j, p) · F (j−m) · (aj) 2
E2d ′ = Σ j = m,..., M + G−1 E (2, j, p) · F (j−m) · (aj) 2
E1u ′ = Σ j = m + G,..., M + 2G-1 E (1, j, p) .F (jm-G). (Aj) 2
E2u '= [Sigma] j = m + G, ..., m + 2G-1 E (2, j, p) .F (jm-G). (Aj) 2
上記〔数式12〕において、(aj)2、F(j−m)は共に各jに対応するスペクトル要素を補正するために用いられる関数である。このうち、(aj)2は、一般的には(af)bで表現される補正関数であり、b=2.0とした場合を示している。なお、jは周波数fに比例する値であるため、〔数式12〕においては、周波数fに代えてjが用いられる。ここで、音響信号の周波数とエネルギー分布の関係を図7に示す。図7に示すように、音響信号のエネルギー分布は、周波数fの2乗に比例して下がる傾向にある。このため、高周波成分について、情報が埋め込まれているかどうかの判断を行う際、低周波成分よりも信号強度が大きくなるように補正した方が、誤判断が生じ難くなる。そこで、本発明では、補正関数(af)bにより補正した強度値E1d´、E2d´、E1u´、E2u´を求めるのである。また、aは1以下の実数定数であり、本実施形態では、a=0.178・(512/N)である。F(j−m)は、以下の〔数式13〕で定義される周波数方向窓関数である。これらの関数は、各スペクトル要素に対して作用するが、スペクトル集合の強度の算出にあたり、上記〔数式12〕では、各スペクトル要素の強度の総和を求めるため、その総和に作用させる形式となっている。 In the above [Equation 12], (aj) 2 and F (j−m) are functions used to correct the spectral elements corresponding to each j. Among these, (aj) 2 is a correction function generally expressed by (af) b and shows a case where b = 2.0. Since j is a value proportional to the frequency f, in [Equation 12], j is used instead of the frequency f. Here, the relationship between the frequency of the acoustic signal and the energy distribution is shown in FIG. As shown in FIG. 7, the energy distribution of the acoustic signal tends to decrease in proportion to the square of the frequency f. For this reason, when it is determined whether or not information is embedded in the high frequency component, it is more difficult to make an erroneous determination if the signal intensity is corrected to be larger than that of the low frequency component. Therefore, in the present invention, the intensity values E1d ′, E2d ′, E1u ′, E2u ′ corrected by the correction function (af) b are obtained. Moreover, a is a real number constant of 1 or less, and in this embodiment, a = 0.178 · (512 / N). F (j−m) is a frequency direction window function defined by the following [Equation 13]. Although these functions act on each spectral element, in calculating the intensity of the spectrum set, the above [Equation 12] calculates the total sum of the intensities of each spectral element, so that it acts on the sum. Yes.
〔数式13〕
0≦j<G/8のときF(j)=0.5j2/(G/8)2
G/8≦j<G/4のときF(j)=1.0−0.5・(j−G/4)2/(G/8)2
G/4≦j<3G/4のときF(j)=1.0
3G/4≦j<7G/8のときF(j)=1.0−0.5・(j−3G/4)2/(G/8)2
7G/8≦j<GのときF(j)=0.5(G−j)2/(G/8)2
[Formula 13]
When 0 ≦ j <G / 8, F (j) = 0.5j 2 / (G / 8) 2
When G / 8 ≦ j <G / 4, F (j) = 1.0−0.5 · (j−G / 4) 2 / (G / 8) 2
When G / 4 ≦ j <3G / 4, F (j) = 1.0
When 3G / 4 ≦ j <7G / 8, F (j) = 1.0−0.5 · (j−3G / 4) 2 / (G / 8) 2
When 7G / 8 ≦ j <G, F (j) = 0.5 (G−j) 2 / (G / 8) 2
上記〔数式13〕において、Gは所定周波数帯におけるスペクトル集合の成分数を示し、G=(M−m)/2である。ここで、周波数方向窓関数F(j)、補正関数(aj)2のグラフを図8に示す。上記〔数式12〕においては、jがmからm+G−1、m+Gからm+2G−1のそれぞれG個の各スペクトル要素に対して、周波数方向窓関数F(j)、補正関数(aj)2が乗じられることになる。また、周波数方向窓関数F(j)のさらに詳細なグラフを図9に示す。図9と上記〔数式13〕を対比するとわかるように、周波数方向窓関数F(j)は、jの値により5つに区分されており、特にj<G/8の場合とj≧7G/8のときに、値が小さくなる。このため、周波数方向窓関数F(j)は、所定周波数帯を周波数方向に複数に区分してスペクトル集合を抽出する場合に、低周波成分側のスペクトル集合と高周波成分側のスペクトル集合を明確に区別するのに役立つ。 In the above [Equation 13], G represents the number of components of the spectrum set in the predetermined frequency band, and G = (M−m) / 2. Here, a graph of the frequency direction window function F (j) and the correction function (aj) 2 is shown in FIG. In the above [Equation 12], the frequency direction window function F (j) and the correction function (aj) 2 are multiplied by G spectrum elements each having j ranging from m to m + G−1 and m + G to m + 2G−1. Will be. A more detailed graph of the frequency direction window function F (j) is shown in FIG. As can be seen from a comparison between FIG. 9 and the above [Equation 13], the frequency direction window function F (j) is divided into five according to the value of j, particularly when j <G / 8 and j ≧ 7G /. When the value is 8, the value decreases. For this reason, when the frequency direction window function F (j) extracts a spectrum set by dividing a predetermined frequency band into a plurality of frequency directions, the spectrum set on the low frequency component side and the spectrum set on the high frequency component side are clearly defined. Help to distinguish.
また、符号判定パラメータ算出手段140は、j=m,…,m+G−1のG個の要素の中で、E(1,j,p)>E(2,j,p)を満たす要素の個数を符号判定パラメータC1d(p)として算出し、G−C1d(p)を符号判定パラメータC2d(p)として算出する。また、j=m+G,…,m+2G−1のG個の要素の中で、E(1,j,p)>E(2,j,p)を満たす要素の個数を符号判定パラメータC1u(p)として算出し、G−C1u(p)を符号判定パラメータC2u(p)として算出する。
In addition, the sign determination
符号出力手段150は、1つの基準フレームに対応する音響フレーム(基準フレームおよび位相変更フレーム)の中から最適な位相であると判断されるものを判断し、その音響フレームの状態に対応する符号を出力する機能を有している。符号判定パラメータ算出手段140と符号出力手段150により符号化手段が構成される。付加情報抽出手段160は、符号出力手段150により出力された2値の配列を、所定の規則により変換して意味のある付加情報として抽出する機能を有している。音響フレーム保持手段170は、連続する2個の基準フレームを保持可能なバッファメモリである。図6に示した各構成手段は、現実には情報処理機能を有する小型のコンピュータおよびその周辺機器等のハードウェアに専用のプログラムを搭載することにより実現される。特に、本発明の目的をより簡易に達成するためには、携帯電話機等の携帯型端末装置をハードウェアとして用いることが望ましい。なお、携帯電話機等の携帯型端末装置であっても、演算処理機能を有するものは、コンピュータの一種である。
The code output means 150 determines what is determined to be the optimum phase from the acoustic frames (reference frame and phase change frame) corresponding to one reference frame, and selects a code corresponding to the state of the acoustic frame. It has a function to output. The code determination
(3.2.抽出装置の処理動作)
次に、図6に示した音響信号からの情報の抽出装置の処理動作について説明する。本発明に係る抽出装置は、検査符号によりエラーを検出した際、エラー訂正を行わない設定とすることもできるし、1ビットのエラー訂正をするものと設定することもできる。ここからは、エラー訂正を行わない設定における抽出装置の処理動作を、図10のフローチャートに従って説明する。まず、本装置では、位相判定テーブルS(p)、位相決定ログ、位相確定フラグ、ビットカウンタを初期化する(S200)。位相判定テーブルS(p)は、位相を判定するためのテーブルであり、pは0〜5の整数値をとる。初期値はS(p)=0に設定されている。位相決定ログは、1つの基準フレームと5つの位相変更フレームの組ごとに、決定された位相すなわち位相番号pを記録していくものであり、初期状態では0が設定されている。位相確定フラグは、位相が確定しているかどうかを示すフラグであり、初期状態ではOffに設定されている。ビットカウンタについては初期値として0を設定する。
(3.2. Processing operation of extraction device)
Next, the processing operation of the apparatus for extracting information from the acoustic signal shown in FIG. 6 will be described. The extraction apparatus according to the present invention can be set not to perform error correction when an error is detected by a check code, or can be set to perform 1-bit error correction. Hereafter, the processing operation of the extraction apparatus in a setting in which error correction is not performed will be described according to the flowchart of FIG. First, the apparatus initializes the phase determination table S (p), the phase determination log, the phase determination flag, and the bit counter (S200). The phase determination table S (p) is a table for determining the phase, and p takes an integer value of 0 to 5. The initial value is set to S (p) = 0. The phase determination log records the determined phase, that is, the phase number p for each set of one reference frame and five phase change frames, and 0 is set in the initial state. The phase determination flag is a flag indicating whether or not the phase is fixed, and is set to Off in the initial state. For the bit counter, 0 is set as an initial value.
このように、初期値が設定されている状態で、利用者が流れている音楽について、その楽曲名等の属性情報を知りたいと思った場合、まず、抽出装置に対して、抽出装置としての起動の指示を行う。これは、例えば、抽出装置を携帯電話機等の携帯端末で実現している場合は、所定のボタンを操作することにより実行できる。抽出装置は、指示が入力されると、音響信号入力手段100が、流れている音楽を録音し、デジタル化してデジタル音響信号として入力する。具体的には、無指向性マイクロフォン(または指向性マイクロフォンの一方のチャンネル)から入力される音声を、A/D変換器によりデジタル化する処理を行うことになる。
In this way, when the initial value is set and the user wants to know the attribute information such as the song name of the music that is flowing, first, the extraction device Instruct startup. For example, this can be executed by operating a predetermined button when the extraction device is realized by a mobile terminal such as a mobile phone. When an instruction is input to the extraction device, the acoustic
続いて、基準フレーム獲得手段110が、音響信号入力手段100から入力された音響信号から、所定数のサンプルで構成される音響フレームを基準フレームとして抽出する(S201)。具体的には、Aタイプ、Bタイプについての基準フレームを抽出して音響フレーム保持手段170に読み込むことになる。基準フレーム獲得手段110が基準フレームとして読み込む1音響フレームのサンプル数は、図1に示した音響フレーム読込手段10で設定されたものと同一にする必要がある。したがって、本実施形態の場合、基準フレーム獲得手段110は、Aタイプ、Bタイプについてそれぞれ4096サンプルずつ、順次基準フレームとして読み込んでいくことになる。音響フレーム保持手段170には、各チャンネルについて、Aタイプ、Bタイプ2個ずつの基準フレーム、すなわち2.5Nサンプルが格納可能となっており、新しい基準フレームが読み込まれると、古い基準フレームを破棄するようになっている。したがって、音響フレーム保持手段170には、常に基準フレーム4個分(連続する10240サンプル)が格納されていることになる。
Subsequently, the reference
抽出装置で処理する音響フレームは、先頭から途切れることなく隣接して設定される基準フレームと、この基準フレームと位相を変更した位相変更フレームとに分けることができる。基準フレームについては、Aタイプの音響フレームとBタイプの音響フレームが、2048サンプルずつ重複している場合、最初の基準フレームとしてサンプル番号1からサンプル番号4096までを設定したら、次の基準フレームは、サンプル番号2049からサンプル番号6144、さらに次の基準フレームは、サンプル番号4097からサンプル番号8192、さらに次の基準フレームは、サンプル番号6145からサンプル番号10240、というように途切れることなく設定される。そして、各基準フレームについて、1/6フレーム(約683サンプル)ずつ移動した5個の位相変更フレームを設定する。例えば、最初の基準フレームについては、サンプル番号683、1366、2049、2732、3413から始まる4096のサンプルで構成される5個の位相変更フレームが設定されることになる。続いて、周波数変換手段130、符号判定パラメータ算出手段140が、読み込んだ各音響フレームについて、位相を特定した後、埋め込まれている情報を判定し、対応する符号を出力する(S202)。出力される情報の形式は、付加情報が埋め込まれる場合に対応する値1、値2の2通りの形式となる。
The acoustic frame processed by the extraction device can be divided into a reference frame that is set adjacently without interruption from the beginning, and a phase change frame in which the phase is changed. As for the reference frame, when the A type sound frame and the B type sound frame overlap each other by 2048 samples, after setting
ここで、ステップS202の位相確定および符号判定の詳細を図11のフローチャートに従って説明する。まず、位相確定フラグがOnであるかOffであるかの確認を行う(S301)。位相確定フラグがOnである場合は、位相確定処理(S303〜S309)を行わず、符号判定処理のみを行う(S302)。ただし、初期状態では位相は確定しておらず、位相確定フラグがOffとなっているので、候補符号テーブルB(p)の初期化を行う(S303)。候補符号テーブルB(p)は、1つの基準フレームおよび5個の位相変更フレームを特定するp=0〜5の位相番号および、この6個の音響フレームの状態から得られる2値の符号を記録するものである。 Here, details of phase determination and code determination in step S202 will be described with reference to the flowchart of FIG. First, it is confirmed whether the phase determination flag is On or Off (S301). When the phase determination flag is On, the phase determination process (S303 to S309) is not performed, and only the code determination process is performed (S302). However, since the phase is not fixed in the initial state and the phase determination flag is Off, the candidate code table B (p) is initialized (S303). Candidate code table B (p) records one reference frame and five phase change frames, a phase number of p = 0 to 5 and a binary code obtained from the states of these six acoustic frames. To do.
続いて、符号判定パラメータ算出手段140は、符号判定処理を行う(S302)。ここで、符号判定処理の詳細を図12に示す。まず、周波数変換手段130が、読み込んだ各音響フレームに対して、周波数変換を行って各窓スペクトルを得る(S401)。この処理は、図1に示した周波数変換手段20における処理と同様である。ただし、抽出に用いるのは、左チャンネルだけであるので、上記〔数式3〕に従った処理を行い、左チャンネルに対応する変換データの実部Al(1,j)等、虚部Bl(1,j)等を得る。
Subsequently, the code determination
上記周波数変換手段130における処理により、周波数に対応した成分であるスペクトルで表現されたフレームスペクトルが得られる。続いて、符号判定パラメータ算出手段140は、符号判定パラメータC1d(p)、C2d(p)、C1u(p)、C2u(p)を上述のようにして算出した後、符号判定パラメータC1d(p)、C2d(p)、C1u(p)、C2u(p)を用いて、変更対象周波数帯の成分の状態がどのような状態であるか、すなわち、1ビットの値としてどのような値が埋め込まれていたかを判断する処理を行う(S402)。具体的には、まず、以下の判定処理を実行し、その結果、対応する状態であったと判断し、対応する値を出力する。
By the processing in the frequency conversion means 130, a frame spectrum expressed by a spectrum that is a component corresponding to the frequency is obtained. Subsequently, the code determination
C1d(p)+C2u(p)>C2d(p)+C1u(p)の場合、“状態1”であると判断し、値1を出力する。
上記以外の場合、“状態2”であると判断し、値2を出力する。
When C1d (p) + C2u (p)> C2d (p) + C1u (p), it is determined that the state is “1”, and a value of 1 is output.
In cases other than the above, it is determined that the state is “
S401、S402の処理については、実際には、1組のAタイプ音響フレームとBタイプ音響フレームについて周波数変換を行った後、上記〔数式11〕に従って残響成分を除去した強度E(1,j,p)、E(2,j,p)を算出し、さらにC1d(p)、C2d(p)、C1u(p)、C2u(p)を算出する処理を行うことになる。 Regarding the processing of S401 and S402, actually, after performing frequency conversion on one set of A type sound frame and B type sound frame, intensity E (1, j, p) and E (2, j, p) are calculated, and further, C1d (p), C2d (p), C1u (p), and C2u (p) are calculated.
符号判定パラメータ算出手段140は、各音響フレーム単位で、上記判定結果に応じて値1、値2のいずれかを候補符号テーブルB(p)に設定する(S403)。具体的には、値1の場合はB(p)=0とし、値2の場合はB(p)=1とする。
The code determination parameter calculation means 140 sets either
また、上記判定の結果、位相pにおける候補符号テーブルB(p)に値1、値2のいずれかを設定した場合には、さらに、以下の〔数式14〕に従って位相判定テーブルS(p)の更新を行う(S404)。
Further, as a result of the above determination, when either
〔数式14〕
“状態1”であると判断し、値1を出力した場合、
S(p)←S(p)+EC1+EC4−EC2−EC3
“状態2”であると判断し、値2を出力した場合、
S(p)←S(p)+EC2+EC3−EC1−EC4
[Formula 14]
If it is determined that the status is "1" and the
S (p) ← S (p) + E C1 + E C4 −E C2 −E C3
If it is determined that the status is "2" and the
S (p) ← S (p) + E C2 + E C3 −E C1 −E C4
ここで、図11のフローチャートに戻って、符号判定パラメータ算出手段140は、候補符号テーブルに、位相pにおいて符号判定処理(S302)で仮決定された符号を保存する(S304)。
Returning to the flowchart of FIG. 11, the code determination
続いて、全ての位相番号pに対応する処理を終えたかどうかを判定する(S305)。これは、ある基準フレームに対して全ての位相変更フレームの処理を行ったかどうかを判定している。本実施形態では、pが0〜5までの値をとるので、6回分処理していない場合は、処理していた音響フレームから所定サンプル数ずらして、位相の異なる音響フレームを設定し、S302に戻って処理を繰り返す。なお、p=0の場合が基準フレームであり、p=1〜5の場合が位相変更フレームである。全ての位相番号pに対応する処理を終えた場合は、位相判定テーブルS(p)の値が最大となる位相番号pmaxに対応する位相が最適位相であると判定し、候補符号テーブルB(p)に記録されている符号B(pmax)を出力する(S306)。 Subsequently, it is determined whether or not the processing corresponding to all the phase numbers p has been completed (S305). This determines whether all phase change frames have been processed for a certain reference frame. In this embodiment, since p takes a value from 0 to 5, if the processing is not performed six times, an acoustic frame having a different phase is set by shifting a predetermined number of samples from the acoustic frame being processed. Return and repeat the process. The case where p = 0 is a reference frame, and the case where p = 1 to 5 is a phase change frame. When the processing corresponding to all the phase numbers p is completed, it is determined that the phase corresponding to the phase number pmax having the maximum value in the phase determination table S (p) is the optimum phase, and the candidate code table B (p The code B (pmax) recorded in () is output (S306).
続いて、位相決定ログの更新を行う(S307)。位相決定ログとは、1つの基準フレームと5つの位相変更フレームの組ごとに、決定された位相すなわち位相番号pを記録するものである。そして、位相決定ログを参照して、位相が過去所定回数同一であったかどうかを判断する(S308)。本実施形態では、この回数を10回としている。位相が過去所定回数同一であった場合には、位相確定フラグをOnに設定する(S309)。これにより、同一位相が所定回数続いた場合には、最適位相はpmaxとなる可能性が高いため、位相確定処理(S303〜S309)を行わず、位相番号p=pmaxに対してのみ符号判定処理(S302)を行うことになる。 Subsequently, the phase determination log is updated (S307). The phase determination log records the determined phase, that is, the phase number p for each set of one reference frame and five phase change frames. Then, referring to the phase determination log, it is determined whether or not the phase has been the same a predetermined number of times in the past (S308). In the present embodiment, this number is 10 times. If the phase has been the same a predetermined number of times in the past, the phase determination flag is set to On (S309). As a result, when the same phase continues for a predetermined number of times, the optimum phase is likely to be pmax. Therefore, the phase determination process (S303 to S309) is not performed, and the code determination process is performed only for the phase number p = pmax. (S302) is performed.
再び図10のフローチャートに戻って説明する。位相確定および符号出力が行なわれたら、出力された符号の値に対応する1ビットをバッファに保存する(S203)。次に、ビットカウンタを“1”だけカウントアップする(S204)。 Returning to the flowchart of FIG. When the phase is determined and the code is output, 1 bit corresponding to the output code value is stored in the buffer (S203). Next, the bit counter is incremented by “1” (S204).
次に、ビットカウンタが11以下であるか12以上であるかを判断する(S205)。ビットカウンタが11以下の場合は、S201に戻って、次のAタイプ、Bタイプの基準フレームを抽出する処理を行う。 Next, it is determined whether the bit counter is 11 or less or 12 or more (S205). If the bit counter is 11 or less, the process returns to S201 to perform processing for extracting the next A type and B type reference frames.
ビットカウンタが12以上である場合は、バッファに保存されたビット配列のうちの前7ビットから検査符号を算出する(S206)。具体的には、図5(b)に示した定義に従って算出することになる。これにより、5個の検査符号が得られる。続いて、算出した検査符号とビット配列中の後5ビットとの照合を行う(S207)。具体的には、S206において算出された5個の検査符号と、後5ビットの各値をそれぞれ順に照合する。この結果、5個全て一致する場合は完全適合、その他の場合は不適合と判断する。S207において不適合と判断された場合は、S201に戻って、次の基準フレームを抽出する処理を行う。 If the bit counter is 12 or more, a check code is calculated from the previous 7 bits in the bit array stored in the buffer (S206). Specifically, the calculation is performed according to the definition shown in FIG. As a result, five check codes are obtained. Subsequently, the calculated check code is compared with the last 5 bits in the bit array (S207). Specifically, the five check codes calculated in S206 and the subsequent 5 bits are collated in order. As a result, if all five pieces match, it is judged to be complete conformity, and in other cases it is judged to be nonconformity. If it is determined in S207 that it is nonconforming, the process returns to S201 to perform processing for extracting the next reference frame.
S207において完全適合と判断された場合は、付加情報抽出手段160が、前7ビットに1ビット付加して出力する(S208)。S207において完全適合であった場合は、バッファ中の先頭の1ビット目が、付加情報内のワードの1ビット目であった可能性が高いことになる。このため、その先頭からの7ビットにビット“0”を付加することによりASCIIコードにおける1ワードとして出力するのである。不適合の場合は、照合に用いた前7ビットが、付加情報内のワードとずれている可能性が高いことになる。この場合は、先頭の1ビットを破棄して、S201からS204の処理により新たな1ビットを得るための処理を行うのである。
If it is determined in S207 that it is completely compatible, the additional
完全適合と判断された場合は、その部分がワードの区切りである可能性が高いので、それが本当に区切りであれば、以降は12ビットずつ抽出すれば、全て正確にワード単位で抽出を行うことができる。逆に、完全適合と判断されたとしても、それが偶然であり、実はワードの区切りではない場合も考えられる。このような場合は、次の検査の際に不適合となる可能性が高く、何回か繰り返しているうちに正しい区切りが正確に判断できることになる。S208において、前7ビットに1ビット付加して出力した場合には、ビットカウンタを0に初期化する(S209)。そして、S201に戻って、次の基準フレームを抽出する処理を行う。 If it is judged to be a perfect match, there is a high possibility that the part is a word delimiter, so if it is really a delimiter, then if it is extracted 12 bits at a time, all will be extracted accurately in units of words. Can do. On the other hand, even if it is determined to be a perfect match, it may be a coincidence and not actually a word break. In such a case, there is a high possibility of nonconformity at the next inspection, and the correct division can be accurately determined after repeating several times. In S208, when 1 bit is added to the previous 7 bits and output, the bit counter is initialized to 0 (S209). Then, the process returns to S201 to perform processing for extracting the next reference frame.
図10に示す処理を各基準フレームに対して実行することにより、付加情報が抽出されることになる。S201において全ての基準フレームが抽出されたと判断された場合には、処理を終了する。 By executing the processing shown in FIG. 10 for each reference frame, additional information is extracted. If it is determined in S201 that all reference frames have been extracted, the process ends.
上記S208の処理において、付加情報抽出手段160は、まず、符号出力手段150により出力された値を、所定の規則により変換して意味のある付加情報として抽出する。所定の規則としては、情報を埋め込む者が意図した情報が受け取った者に認識可能な状態にすることができるものであれば、さまざまな規則が採用できるが、本実施形態では、ASCIIコードを採用している。すなわち、付加情報抽出手段160は、符号判定パラメータ算出手段140が判定し、符号出力手段150から出力される符号から得られるビット値の配列を1バイト(8ビット)単位で認識し、これをASCIIコードに従って文字情報を認識する。このようにして得られた文字情報は、表示装置(図示省略)の画面に表示出力される。
In the process of S208, the additional
従って、埋め込み装置により音響信号に、その楽曲の曲名やアーチスト等の属性情報を文字情報として埋め込んでおけば、利用者は、その音楽が流れているのを聞いて、その曲名やアーチストを知りたいと思ったときに、抽出装置として機能する自身の携帯端末に所定の操作を行えば、自身の携帯端末の画面に曲名やアーチスト等の属性情報が文字情報として表示されることになる。 Therefore, if the embedding device embeds the attribute information such as the song title or artist in the sound signal as the character information, the user wants to know the song title or artist by listening to the music being played. If a predetermined operation is performed on the mobile terminal that functions as the extraction device, attribute information such as a song title and an artist is displayed as character information on the screen of the mobile terminal.
上記の例では、図10のフローチャートに従ってエラー訂正を行わない設定における抽出装置の処理動作を説明した。エラー訂正を行わない場合は、エラーが生じない場合にのみ、付加情報1ワードの出力が可能となる。 In the above example, the processing operation of the extraction apparatus in a setting in which error correction is not performed has been described according to the flowchart of FIG. When error correction is not performed, it is possible to output one word of additional information only when no error occurs.
次に、1ビットのエラー訂正をする設定における抽出装置の処理動作を、図13のフローチャートに従って説明する。図13においては、図10と同一処理を行う部分が含まれている。そこで、図10と同一処理を行う部分については、同一符号を付して説明を省略する。図13の例においても、まず、初期化処理を行う(S200)。この初期化処理では、図10の例と同様、位相判定テーブルS(p)、位相決定ログ、位相確定フラグ、ビットカウンタを初期化するが、さらに、自動訂正モードをOFFにする設定を行う。 Next, the processing operation of the extraction apparatus in a setting for performing 1-bit error correction will be described with reference to the flowchart of FIG. 13 includes a portion that performs the same processing as in FIG. Therefore, portions that perform the same processing as in FIG. Also in the example of FIG. 13, first, initialization processing is performed (S200). In this initialization process, as in the example of FIG. 10, the phase determination table S (p), the phase determination log, the phase determination flag, and the bit counter are initialized, and further, the automatic correction mode is set to OFF.
続いて、図10と同様、所定数のサンプルで構成される音響フレームを基準フレームとして抽出した後(S201)、読み込んだ各音響フレームについて、位相を特定した後、埋め込まれている情報を判定し、対応する符号を出力する(S202)。なお、S202の処理については、図11、図12に示したようなものとなる。 Subsequently, as in FIG. 10, after extracting an acoustic frame composed of a predetermined number of samples as a reference frame (S201), after identifying the phase of each read acoustic frame, the embedded information is determined. The corresponding code is output (S202). Note that the processing of S202 is as shown in FIGS.
位相確定および符号出力が行なわれたら、出力された符号の値に対応する1ビットをバッファに保存して(S203)、ビットカウンタを“1”だけカウントアップする(S204)。そして、ビットカウンタが11以下であるか12以上であるかを判断し(S205)、ビットカウンタが11以下の場合は、S201に戻って、次の基準フレームを抽出する処理を行う。 When the phase is determined and the code is output, 1 bit corresponding to the output code value is stored in the buffer (S203), and the bit counter is incremented by "1" (S204). Then, it is determined whether the bit counter is 11 or less or 12 or more (S205). If the bit counter is 11 or less, the process returns to S201 to perform processing for extracting the next reference frame.
ビットカウンタが12以上である場合は、バッファに保存されたビット配列のうちの前7ビットから検査符号を算出する(S206)。続いて、算出した検査符号と後5ビットとの照合を行う(S207)。S207において、完全適合、と判断された場合は、S208におけるビット列の出力処理の直前に、自動訂正モードをONに設定する処理を行う(S210)。 If the bit counter is 12 or more, a check code is calculated from the previous 7 bits in the bit array stored in the buffer (S206). Subsequently, the calculated check code is compared with the subsequent 5 bits (S207). If it is determined in S207 that the matching is complete, processing for setting the automatic correction mode to ON is performed immediately before the bit string output processing in S208 (S210).
S207において不適合と判断された場合は、誤りビットが特定できるかどうかを判断する(S211)。具体的には、P1が不合格で、P2とP3、P2とP4、P2とP5、P3とP4、P3とP5、P4とP5のいずれか2ビットが不合格の場合、各々D1、D2、D3、D4、D5、D6の1ビット誤りと特定する。P1が不合格で、P2とP3とP4、P3とP4とP5のいずれか3ビットが不合格の場合、各々D7、P1の1ビット誤りと特定する。P1が不合格で、P2〜P5のいずれか1ビットが不合格の場合、各々それ自身の1ビット誤りと特定する。判断の結果、誤りビットが特定できなかった場合には、自動設定モードをOFFに設定する処理を行った後(S212)、S201に戻って、次の基準フレームを抽出する処理を行う。 If it is determined in S207 that it is nonconforming, it is determined whether or not an error bit can be specified (S211). Specifically, when P1 is rejected and P2 and P3, P2 and P4, P2 and P5, P3 and P4, P3 and P5, and any two bits of P4 and P5 are rejected, D1, D2, It is specified as a one-bit error of D3, D4, D5, and D6. If P1 is unsuccessful, and any 3 bits of P2, P3, and P4, and P3, P4, and P5 are unsuccessful, they are identified as 1-bit errors of D7 and P1, respectively. If P1 fails and any one of P2 to P5 fails, each is identified as its own 1-bit error. If the error bit cannot be specified as a result of the determination, the process of setting the automatic setting mode to OFF is performed (S212), and the process returns to S201 to perform the process of extracting the next reference frame.
S211における判断の結果、誤りビットが特定できた場合には、自動訂正モードがONであるかOFFであるかの判断を行う(S213)。自動訂正モードがOFFである場合は、S201に戻って、次の基準フレームを抽出する処理を行う。 If the error bit can be identified as a result of the determination in S211, it is determined whether the automatic correction mode is ON or OFF (S213). If the automatic correction mode is OFF, the process returns to S201 to perform processing for extracting the next reference frame.
自動訂正モードがONである場合は、前7ビット中の1ビットを反転訂正する(S214)。この際、反転すべきビットは、S211において特定された誤りビットである。続いて反転訂正後のバッファ内ビットのうち前7ビットにビット“0”を付加して出力する(S208)。 If the automatic correction mode is ON, 1 bit in the previous 7 bits is inverted and corrected (S214). At this time, the bit to be inverted is the error bit specified in S211. Subsequently, a bit “0” is added to the previous 7 bits of the in-buffer bits after inversion correction and output (S208).
図13の例のように、1ビットのエラー訂正をする設定の場合は、1ビットのエラーが生じた場合であっても、付加情報1ワードの出力が可能となる。
As shown in the example of FIG. 13, in the case of setting for 1-bit error correction, even if a 1-bit error occurs, it is possible to
(3.3.位相補正処理について)
上記のように、抽出時には、埋め込み時に埋め込んだ音響フレームに対応して、音響信号を読み込むことができるとは限らない。そこで、音響フレームの位相をずらして複数通り(本実施形態では6通り)で読み込み、その中で最適な位相を決定し、その位相で特定される音響フレームに対応する符号を出力することにしている。例えば、6通りで読み込む場合、先頭の音響フレームは、本来サンプル番号1〜4096のサンプルであるが、サンプル番号1、683、1366、2049、2732、3413から始まる4096のサンプルで構成される6個の各音響フレームに対して処理を行い、最適な音響フレームに対応する符号を出力することになる。なお、図11のフローチャートを用いて説明したように、本実施形態では、同一位相が所定回数連続した場合には、それ以降はその位相を確定したものとして処理を行う。
(3.3. About phase correction processing)
As described above, at the time of extraction, it is not always possible to read an acoustic signal corresponding to the acoustic frame embedded at the time of embedding. Therefore, the phase of the acoustic frame is shifted and read in a plurality of ways (six in this embodiment), the optimum phase is determined, and a code corresponding to the acoustic frame specified by the phase is output. Yes. For example, in the case of reading in six ways, the top acoustic frame is originally a sample of
(4.信号成分が小さくても情報の埋め込みを確実に行う手法)
ここまでの説明のように、本発明では、元の信号成分の状態如何にかかわらず、常に変更対象周波数帯の信号成分を変更するものであるが、その成分の大きさは、両チャンネルの信号強度より大きくなることはない。このため、元の信号成分が存在しないか、または小さすぎる場合には、抽出に必要な信号成分が得られないため、情報の抽出を適切に行うことができず抽出エラーとなる。そこで、以下、元の信号成分が小さくても、情報の抽出を適切に行えるように信号の埋め込みを可能とする手法について説明する。
(4. Method of reliably embedding information even if the signal component is small)
As described so far, in the present invention, the signal component of the frequency band to be changed is always changed regardless of the state of the original signal component, but the magnitude of the component is the signal of both channels. There is no greater than strength. For this reason, if the original signal component does not exist or is too small, the signal component necessary for extraction cannot be obtained, and information cannot be appropriately extracted, resulting in an extraction error. Therefore, hereinafter, a method for enabling signal embedding so that information can be appropriately extracted even when the original signal component is small will be described.
従来は、元の信号成分が小さい場合に情報の抽出を適切に行うために、上記特許文献3に示すように、所定の固定値をスペクトル集合中の成分の強度として強制的に与えることにより、情報の埋め込みを可能とした。しかし、この手法では、再生品質に劣化が生ずるという問題がある。そこで、本実施形態では、音響信号に聴取困難な微弱な白色ノイズを重畳させることとした。 Conventionally, in order to appropriately extract information when the original signal component is small, as shown in Patent Document 3, by giving a predetermined fixed value as the intensity of the component in the spectrum set, It was possible to embed information. However, this method has a problem that the reproduction quality is deteriorated. Therefore, in this embodiment, weak white noise that is difficult to hear is superimposed on the acoustic signal.
この場合、図1に示した音響フレーム読込手段10は、所定数のサンプルを1音響フレームとして読み込んだ後、所定の振幅範囲で所定サンプル数単位で同一値を加算または減算する機能を有している。本実施形態では、左チャンネル信号Xl(i)、右チャンネル信号Xr(i)(i=0,…,N−1)に対して、−32〜+32の振幅範囲(Xl(i)、Xr(i)のとり得る値が−32768〜+32767の場合)で一様乱数Hを発生させ、K(本実施形態ではK=5)個のサンプル間は同一値Hを用いて以下の〔数式15〕に示すような処理を実行し、Xl(i)、Xr(i)の値を更新する。 In this case, the acoustic frame reading means 10 shown in FIG. 1 has a function of adding or subtracting the same value in units of a predetermined number of samples within a predetermined amplitude range after reading a predetermined number of samples as one acoustic frame. Yes. In this embodiment, with respect to the left channel signal Xl (i) and the right channel signal Xr (i) (i = 0,..., N−1), an amplitude range of −32 to +32 (Xl (i), Xr ( i) is a value between −32768 to +32767), and a uniform random number H is generated, and the same value H is used between K (K = 5 in the present embodiment) samples as follows: The processing as shown in FIG. 5 is executed to update the values of Xl (i) and Xr (i).
〔数式15〕
Xl(i)←Xl(i)+H
Xr(i)←Xr(i)−H
[Formula 15]
Xl (i) ← Xl (i) + H
Xr (i) ← Xr (i) -H
すなわち、上記〔数式15〕に従った処理をNサンプルに渡って実行することにより、1つの音響フレームに白色ノイズが発生されることになる。この白色ノイズの発生処理は、図4のフローチャートにおいては、S103の音響フレーム抽出処理の直後に行われることになる。 That is, white noise is generated in one acoustic frame by executing the process according to the above [Formula 15] over N samples. The white noise generation process is performed immediately after the acoustic frame extraction process of S103 in the flowchart of FIG.
上記のように、白色ノイズを発生させた場合であっても、抽出側の、音響信号からの情報の抽出装置の構成は図6と同一であり、処理動作は図10〜図13のフローチャートに従ったものと同一である。 As described above, even when white noise is generated, the configuration of the extraction device for extracting information from the acoustic signal on the extraction side is the same as that in FIG. 6, and the processing operation is shown in the flowcharts of FIGS. It is the same as followed.
(5.その他)
以上、本発明の好適な実施形態について限定したが、本発明は上記実施形態に限定されず、種々の変形が可能である。例えば、上記実施形態では、1音響フレームのサンプル数N=4096としたが、N=2048、1024、512等を設定するようにしても良い。これにより、同一時間あたりの音響フレーム数が、2倍、4倍、8倍となり、全体として2〜8倍の情報の埋め込みが可能となる。
(5. Other)
As mentioned above, although it limited about the suitable embodiment of the present invention, the present invention is not limited to the above-mentioned embodiment, and various modifications are possible. For example, in the above embodiment, the number of samples of one acoustic frame is N = 4096, but N = 2048, 1024, 512, etc. may be set. As a result, the number of sound frames per same time is doubled, quadrupled, and quadrupled, and 2 to 8 times of information can be embedded as a whole.
また、上記実施形態では、音響信号からの情報の抽出装置を、携帯電話機等の携帯型端末装置単体で実現した場合を例にとって説明したが、他のコンピュータと連携して実現するようにしても良い。具体的には、携帯型端末装置と専用コンピュータを無線通信可能に接続し、音響信号入力手段100〜音響フレーム保持手段170の構成要素のうち、演算負荷の大きいものは、専用コンピュータで処理する。例えば、音響信号入力手段100、基準フレーム獲得手段110、位相変更フレーム設定手段120、付加情報抽出手段160を携帯型端末装置に備え、周波数変換手段130、符号判定パラメータ算出手段140、符号出力手段150、音響フレーム保持手段170を専用コンピュータに備えるようにして、必要な情報を両者間で通信するようにする。これにより、携帯型端末装置の処理性能が低い場合であっても高速な処理を行うことが可能となる。
In the above-described embodiment, the case where the device for extracting information from the acoustic signal is realized by a single mobile terminal device such as a mobile phone has been described as an example. However, the device may be realized in cooperation with other computers. good. Specifically, the portable terminal device and the dedicated computer are connected so as to be capable of wireless communication, and among the components of the acoustic
また、上記実施形態では、2チャンネルのステレオ音響信号を利用した場合を例にとって説明したが、1チャンネルのモノラル音響信号を利用しても良い。この場合は、上記LチャンネルまたはRチャンネルのいずれか一方に対して行った処理を実行すれば良い。 In the above embodiment, a case where a two-channel stereo sound signal is used has been described as an example. However, a one-channel monaural sound signal may be used. In this case, the process performed on either the L channel or the R channel may be executed.
10・・・音響フレーム読込手段
20・・・周波数変換手段
30・・・周波数成分変更手段
40・・・周波数逆変換手段
50・・・改変音響フレーム出力手段
60・・・記憶手段
61・・・音響信号記憶部
62・・・付加情報記憶部
63・・・改変音響信号記憶部
70・・・ビット配列作成手段
100・・・音響信号入力手段
110・・・基準フレーム獲得手段
120・・・位相変更フレーム設定手段
130・・・周波数変換手段
140・・・符号判定パラメータ算出手段
150・・・符号出力手段
160・・・付加情報抽出手段
170・・・音響フレーム保持手段
DESCRIPTION OF
Claims (14)
前記音響信号より、所定数のサンプルを読み込む音響フレーム読込手段と、
前記読み込んだ音響フレームのうち、奇数番目、偶数番目の一方をAタイプ、他方をBタイプとし、前記Aタイプの音響フレームに対して第1窓関数を用いて周波数変換を行い、前記Bタイプの音響フレームに対して第2窓関数を用いて周波数変換を行い、前記第1窓関数に対応するスペクトルである第1窓スペクトル、前記第2窓関数に対応するスペクトルである第2窓スペクトルを得る周波数変換手段と、
前記生成された各窓スペクトルから所定の周波数範囲における互いに重複しない2つのスペクトル集合を抽出し、第1窓スペクトル、第2窓スペクトルから抽出したスペクトル集合の強度を、埋め込むべきビット配列に基づいて、高周波側のスペクトル集合と低周波側のスペクトル集合の強度の大小関係が第1窓スペクトルと第2窓スペクトルにおいて逆転するように、各スペクトル集合の強度を変更する周波数成分変更手段と、
前記変更されたスペクトル集合を含む各窓スペクトルに対して周波数逆変換を行って、改変音響フレームを生成する周波数逆変換手段と、
前記生成された改変音響フレームを順次出力する改変音響フレーム出力手段と、
を有することを特徴とする音響信号に対する情報の埋め込み装置。 A device for embedding additional information in an inaudible state with respect to an acoustic signal composed of a time-series sample sequence,
An acoustic frame reading means for reading a predetermined number of samples from the acoustic signal;
Of the read acoustic frames, odd-numbered and even-numbered ones are A type and the other is B type, and frequency conversion is performed on the A type acoustic frames using a first window function, and the B type Frequency conversion is performed on the acoustic frame using the second window function to obtain a first window spectrum that is a spectrum corresponding to the first window function and a second window spectrum that is a spectrum corresponding to the second window function. Frequency conversion means;
Two spectrum sets that do not overlap each other in a predetermined frequency range are extracted from each of the generated window spectra, and the intensities of the spectrum sets extracted from the first window spectrum and the second window spectrum are based on the bit arrangement to be embedded, Frequency component changing means for changing the intensity of each spectrum set so that the magnitude relationship between the intensity of the spectrum set on the high frequency side and the spectrum set on the low frequency side is reversed in the first window spectrum and the second window spectrum;
Frequency inverse transform means for performing frequency inverse transform on each window spectrum including the modified spectrum set to generate a modified acoustic frame;
Modified acoustic frame output means for sequentially outputting the generated modified acoustic frames;
An information embedding device for an acoustic signal, comprising:
前記音響信号が2以上のチャンネルのステレオ信号であり、
前記音響フレーム読込手段、前記周波数変換手段、前記周波数成分変更手段、前記周波数逆変換手段、前記改変音響フレーム出力手段は、各チャンネルに対して処理を実行するものであることを特徴とする音響信号に対する情報の埋め込み装置。 In claim 1,
The acoustic signal is a stereo signal of two or more channels;
The acoustic signal is characterized in that the acoustic frame reading means, the frequency converting means, the frequency component changing means, the frequency inverse converting means, and the modified acoustic frame output means execute processing for each channel. An information embedding device.
前記周波数成分変更手段は、前記第1窓スペクトル、第2窓スペクトルから抽出した高周波側のスペクトル集合を1U、2U、低周波側のスペクトル集合を1D、2Dとした場合に、1Dと2U、1Uと2Dをそれぞれグループとし、強度を相対的に大きく変更するグループのスペクトル集合に対しては、係数αを乗じた強度とし、強度を相対的に小さく変更するグループのスペクトル集合に対しては、係数αより小さい係数βを乗じた強度とするものであることを特徴とする音響信号に対する情報の埋め込み装置。 In claim 1,
The frequency component changing means is 1D, 2U, 1U when the high-frequency spectrum set extracted from the first window spectrum and the second window spectrum is 1U, 2U, and the low-frequency spectrum set is 1D, 2D. And 2D are groups, and the intensity of a group whose intensity is changed relatively large is multiplied by a coefficient α, and the intensity of the spectrum set of a group whose intensity is changed relatively small is a coefficient. A device for embedding information in an acoustic signal, characterized in that the intensity is multiplied by a coefficient β smaller than α.
前記周波数成分変更手段は、前記強度を相対的に大きく変更するグループの強度の総和の、前記強度を相対的に小さく変更するグループの強度の総和に対する比率が、所定値より小さい場合に、前記係数αをさらに大きくした係数α´と前記係数βをさらに小さくした係数β´を、前記係数α、βに代えて用いるものであることを特徴とする音響信号に対する情報の埋め込み装置。 In claim 3,
The frequency component changing unit is configured to change the coefficient when the ratio of the sum of the intensities of the groups that change the intensity relatively large to the sum of the intensities of the groups that change the intensity relatively small is smaller than a predetermined value. A device for embedding information in an acoustic signal, wherein a coefficient α ′ having a larger α and a coefficient β ′ having a smaller coefficient β are used in place of the coefficients α and β.
前記ビット配列を、付加情報中のビット列の誤りを検出するための検査符号を付加することにより作成するビット配列作成手段をさらに有し、
前記周波数成分変更手段は、前記ビット配列に基づいて、前記スペクトル集合の強度を変更するものであることを特徴とする音響信号に対する情報の埋め込み装置。 In any one of Claims 1-4,
A bit array creating means for creating the bit array by adding a check code for detecting an error in the bit string in the additional information;
The apparatus for embedding information in an acoustic signal, wherein the frequency component changing means changes the intensity of the spectrum set based on the bit arrangement.
前記音響フレーム読込手段は、前記Aタイプの音響フレームと前記Bタイプの音響フレームを、所定数のサンプルを重複させて読み込むものであり、
前記改変音響フレーム出力手段は、前記生成された改変音響フレームを先行する改変音響フレームと連結させて出力するものであることを特徴とする音響信号に対する情報の埋め込み装置。 In any one of Claims 1-5,
The acoustic frame reading means reads the A type acoustic frame and the B type acoustic frame by overlapping a predetermined number of samples,
The apparatus for embedding information in an acoustic signal, wherein the modified acoustic frame output means outputs the generated modified acoustic frame by connecting it with a preceding modified acoustic frame.
前記周波数成分変更手段は、前記所定周波数範囲を1.7kHz以上および3.4kHz以下として設定するか、または3.4kHz以上および6.8kHz以下として設定するものであることを特徴とする音響信号に対する情報の埋め込み装置。 In any one of Claims 1-6,
The frequency component changing means sets the predetermined frequency range as 1.7 kHz or more and 3.4 kHz or less, or sets the predetermined frequency range as 3.4 kHz or more and 6.8 kHz or less. An information embedding device.
前記音響フレーム読込手段は、前記音響フレームと同サンプル数で、再生時に聴取困難な極めて低振幅の白色ノイズを作成し、前記音響フレームに対して加算するものであることを特徴とする音響信号に対する情報の埋め込み装置。 In any one of Claims 1-7,
The acoustic frame reading means generates white noise with extremely low amplitude that is difficult to hear during reproduction with the same number of samples as the acoustic frame, and adds the white noise to the acoustic frame. An information embedding device.
前記音響信号の所定区間をデジタル化して、所定数のサンプルで構成される音響フレームを獲得する音響フレーム獲得手段と、
前記読み込んだ音響フレームのうち、奇数番目、偶数番目の一方をAタイプ、他方をBタイプとし、前記Aタイプの音響フレームに対して第1窓関数を用いて周波数変換を行い、前記Bタイプの音響フレームに対して第2窓関数を用いて周波数変換を行い、前記第1窓関数に対応するスペクトルである第1窓スペクトル、前記第2窓関数に対応するスペクトルである第2窓スペクトルを得る周波数変換手段と、
前記生成された各窓スペクトルから所定の周波数範囲における互いに重複しない2つのスペクトル集合を抽出し、第1窓スペクトル、第2窓スペクトルから抽出したスペクトル集合のうち、第1窓スペクトルの低周波側と第2窓スペクトルの高周波側のグループ、第1窓スペクトルの高周波側と第2窓スペクトルの低周波側のグループに分けて各グループのスペクトル強度を算出し、当該算出した各スペクトル強度に基づいて、埋め込まれていたビット値を抽出する符号化手段と、
前記抽出されたビット値をワード単位で所定の規則により変換して付加情報を抽出する付加情報抽出手段と、
を有することを特徴とする音響信号からの情報の抽出装置。 An apparatus for extracting the additional information from an acoustic signal in which the additional information is embedded in a state incapable of being heard in advance,
An acoustic frame acquisition means for digitizing a predetermined section of the acoustic signal and acquiring an acoustic frame composed of a predetermined number of samples;
Of the read acoustic frames, odd-numbered and even-numbered ones are A type and the other is B type, and frequency conversion is performed on the A type acoustic frames using a first window function, and the B type Frequency conversion is performed on the acoustic frame using the second window function to obtain a first window spectrum that is a spectrum corresponding to the first window function and a second window spectrum that is a spectrum corresponding to the second window function. Frequency conversion means;
Two spectrum sets that do not overlap each other in a predetermined frequency range are extracted from each of the generated window spectra. Among the spectrum sets extracted from the first window spectrum and the second window spectrum, the low frequency side of the first window spectrum and Dividing the high frequency side group of the second window spectrum, the high frequency side of the first window spectrum and the low frequency side group of the second window spectrum to calculate the spectral intensity of each group, based on the calculated spectral intensity, An encoding means for extracting the embedded bit value;
Additional information extracting means for converting the extracted bit value in units of words according to a predetermined rule and extracting additional information;
An apparatus for extracting information from an acoustic signal, comprising:
前記符号化手段は、各グループのスペクトル強度の算出を、直前の音響フレームの対応する周波数成分に1未満の値をもつ係数qを乗じた値を減算することにより行うものであることを特徴とする音響信号に対する情報の埋め込み装置。 In claim 10,
The encoding means is characterized in that the spectral intensity of each group is calculated by subtracting a value obtained by multiplying a corresponding frequency component of the immediately preceding acoustic frame by a coefficient q having a value of less than 1. An information embedding device for an acoustic signal.
前記付加情報抽出手段は、前記抽出されたビット値の集合が所定ビット数のビット配列となった場合に、当該ビット配列の後ろから所定数のビットを検査符号として用い、前記ビット配列中の検査符号以外のビットを基に算出される符号と前記検査符号を照合し、その判定結果が所定の状態である場合に、前記ビット配列中の検査符号以外の一部のビットを反転し、前記ビット配列中の検査符号以外の全てのビットを付加情報として出力することにより、付加情報を抽出するものであることを特徴とする音響信号からの情報の抽出装置。 In claim 10 or claim 11,
When the set of extracted bit values becomes a bit array having a predetermined number of bits, the additional information extracting means uses a predetermined number of bits from the back of the bit array as a check code, and checks the bit array. The code calculated based on the bits other than the code is compared with the check code, and when the determination result is in a predetermined state, some bits other than the check code in the bit array are inverted, and the bit An apparatus for extracting information from an acoustic signal, wherein the additional information is extracted by outputting all bits other than the check code in the array as additional information.
前記音響フレーム獲得手段は、前記音響信号から、所定数のサンプルで構成される音響フレームを基準フレームとして獲得する基準フレーム獲得手段と、前記基準フレームと所定サンプルずつ移動させることにより位相を変更して設定される複数の音響フレームを位相変更フレームとして設定する位相変更フレーム設定手段により構成され、
前記符号化手段は、前記抽出したスペクトル集合に基づいて、符号判定パラメータを算出する符号判定パラメータ算出手段と、基準フレームが異なる過去の同位相の音響フレームにおいて算出された符号判定パラメータに基づいて、前記基準フレームおよび複数の位相変更フレームのうち1つの音響フレームを位相が最適なものであると判断し、当該最適な位相の音響フレームについて判断された前記符号判定パラメータに基づいて、所定の符号を出力する符号出力手段を有するものであることを特徴とする音響信号からの情報の抽出装置。 In any one of Claims 10-12,
The acoustic frame acquisition means changes a phase by moving a reference frame and a predetermined sample from a reference frame acquisition means for acquiring an acoustic frame composed of a predetermined number of samples as a reference frame from the acoustic signal. It is constituted by phase change frame setting means for setting a plurality of set sound frames as phase change frames,
The encoding means is based on the code determination parameter calculation means for calculating a code determination parameter based on the extracted spectrum set, and on the code determination parameter calculated in a past in-phase acoustic frame having a different reference frame, It is determined that one of the reference frame and the plurality of phase change frames has an optimal phase, and a predetermined code is determined based on the code determination parameter determined for the acoustic frame having the optimal phase. An apparatus for extracting information from an acoustic signal, characterized by comprising code output means for outputting.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2007098970A JP4867765B2 (en) | 2007-04-05 | 2007-04-05 | Information embedding device for sound signal and device for extracting information from sound signal |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2007098970A JP4867765B2 (en) | 2007-04-05 | 2007-04-05 | Information embedding device for sound signal and device for extracting information from sound signal |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2008256948A JP2008256948A (en) | 2008-10-23 |
JP4867765B2 true JP4867765B2 (en) | 2012-02-01 |
Family
ID=39980582
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2007098970A Expired - Fee Related JP4867765B2 (en) | 2007-04-05 | 2007-04-05 | Information embedding device for sound signal and device for extracting information from sound signal |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP4867765B2 (en) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5157863B2 (en) * | 2008-12-08 | 2013-03-06 | 大日本印刷株式会社 | Information embedding device for acoustic signal and position detecting device using acoustic signal |
JP5157931B2 (en) * | 2009-01-20 | 2013-03-06 | 大日本印刷株式会社 | Information embedding device for acoustic signal and position detecting device using acoustic signal |
JP5310498B2 (en) * | 2009-11-13 | 2013-10-09 | 大日本印刷株式会社 | Information embedding device for acoustic signals |
JP5569033B2 (en) * | 2010-02-26 | 2014-08-13 | 大日本印刷株式会社 | Information embedding device for acoustic signals |
JP2013015601A (en) * | 2011-07-01 | 2013-01-24 | Dainippon Printing Co Ltd | Sound source identification apparatus and information processing apparatus interlocked with sound source |
JP5906659B2 (en) * | 2011-10-21 | 2016-04-20 | 大日本印刷株式会社 | Device for embedding interfering signals with respect to acoustic signals |
JP5987511B2 (en) * | 2012-07-10 | 2016-09-07 | 大日本印刷株式会社 | Device for embedding interfering sound for acoustic signals |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003208187A (en) * | 2001-09-17 | 2003-07-25 | Matsushita Electric Ind Co Ltd | Data-update apparatus, reproduction apparatus, data- addition apparatus, data-detection apparatus and data- removal apparatus |
JP4629495B2 (en) * | 2005-05-19 | 2011-02-09 | 大日本印刷株式会社 | Information embedding apparatus and method for acoustic signal |
JP4660275B2 (en) * | 2005-05-20 | 2011-03-30 | 大日本印刷株式会社 | Information embedding apparatus and method for acoustic signal |
JP4839721B2 (en) * | 2005-08-05 | 2011-12-21 | 大日本印刷株式会社 | Information embedding device for acoustic signals |
-
2007
- 2007-04-05 JP JP2007098970A patent/JP4867765B2/en not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JP2008256948A (en) | 2008-10-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4867765B2 (en) | Information embedding device for sound signal and device for extracting information from sound signal | |
JP4660275B2 (en) | Information embedding apparatus and method for acoustic signal | |
JP4629495B2 (en) | Information embedding apparatus and method for acoustic signal | |
JP5011849B2 (en) | Information embedding device for sound signal and device for extracting information from sound signal | |
JP4910920B2 (en) | Information embedding device for sound signal and device for extracting information from sound signal | |
JP4910959B2 (en) | Information embedding device for sound signal and device for extracting information from sound signal | |
JP5569033B2 (en) | Information embedding device for acoustic signals | |
JP4968468B2 (en) | Information embedding device for sound signal and device for extracting information from sound signal | |
JP4876978B2 (en) | Information embedding device for sound signal and device for extracting information from sound signal | |
JP4910921B2 (en) | Information embedding device for sound signal and device for extracting information from sound signal | |
JP5104200B2 (en) | Network connection device | |
JP4973417B2 (en) | Information embedding device for sound signal and device for extracting information from sound signal | |
JP4713181B2 (en) | Information embedding device for sound signal, device for extracting information from sound signal, and sound signal reproducing device | |
JP5212715B2 (en) | Device for extracting information from acoustic signals | |
JP4877007B2 (en) | Information embedding device for sound signal and device for extracting information from sound signal | |
JP4713180B2 (en) | Device for extracting information from acoustic signals | |
JP5310498B2 (en) | Information embedding device for acoustic signals | |
JP2010078728A (en) | Device for embedding information in sound signal and device for extracting information from sound signal | |
JP5003164B2 (en) | Device for extracting information from acoustic signals | |
JP5011855B2 (en) | Information embedding device for sound signal and device for extracting information from sound signal | |
JP2008152154A (en) | Device for embedding information on sound signal and device for extracting information from sound signal | |
JP5104202B2 (en) | Real-time information embedding device for acoustic signals | |
JP2008129198A (en) | Information embedding device for acoustic signal and information extracting device from acoustic signal | |
JP5011872B2 (en) | Information embedding device for sound signal and device for extracting information from sound signal | |
JP2008139491A (en) | Device for embedding information in sound signal and device for extracting information from sound signal |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20100225 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20110922 |
|
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: 20111018 |
|
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: 20111031 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 4867765 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20141125 Year of fee payment: 3 |
|
LAPS | Cancellation because of no payment of annual fees |