JP4887282B2

JP4887282B2 - 音声符号化におけるパルス割当方法

Info

Publication number: JP4887282B2
Application number: JP2007502640A
Authority: JP
Inventors: チュンオエイテオ; スアホンネオ; 幸司吉田; 道代後藤
Original assignee: Panasonic Corp; Matsushita Electric Industrial Co Ltd
Current assignee: Panasonic Corp; Panasonic Holdings Corp
Priority date: 2005-02-10
Filing date: 2006-02-09
Publication date: 2012-02-29
Anticipated expiration: 2026-02-09
Also published as: US20090043572A1; CN101116137B; WO2006085586A1; EP1847988B1; CN101116137A; JPWO2006085586A1; US8024187B2; EP1847988A1; EP1847988A4

Description

本発明は、音声符号化におけるパルス割当方法に関する。

一般的に、音声符号化では、声道モデルを利用して可能な限り原音に近似するような音声信号を合成する。そのような音声符号化の１つに、３ＧＰＰシステムで用いられる適応マルチレートワイドバンド（ＡＭＲ−ＷＢ；Adaptive MultiRate - WideBand）音声符号化がある（非特許文献１参照）。このＡＭＲ−ＷＢ音声符号化は、ＩＴＵ−Ｔ勧告Ｇ.７２２.２（非特許文献２）として、ＩＴＵ−Ｔにより選定および承認されたものでもある。以下、２３.８５ｋビット／秒のビットレートによるＡＭＲ−ＷＢ音声符号化を例に挙げて説明する。

ＡＭＲ−ＷＢ音声符号化の重要な構成要素の１つに、固定符号帳（図１）の探索がある。ＡＭＲ−ＷＢ音声符号化では、ダウンサンプリングされた２５６サンプルの音声サンプルを有するフレームが、各々６４サンプルを有する４つのサブフレームに分割される。固定符号帳が探索される過程で、このサブフレームは４つのトラックに分割される。ＡＭＲ−ＷＢ音声符号化のモード８では、各トラック毎に、各々のトラックにおいてとり得る１６個のパルス位置のうちから６つのパルス位置が選択される。つまり、各サブフレームに対するパルスの数はｐ_０〜ｐ_２３の２４本に設定されている。そして、これらｐ_０〜ｐ_２３の２４本のパルスの位置が符号化されて、各サブフレームに対する音声を合成するのに用いられる符号帳インデックスが形成される（非特許文献１参照）。

なお、ＩＴＵ−Ｔ勧告Ｇ.７２２.２では、現在、モノラル音声信号に対するＡＭＲ−ＷＢ音声符号化についてはサポートされているものの、ステレオ音声信号に対するＡＭＲ−ＷＢ音声符号化についてはサポートされていない。

ところで、近年、移動体通信やＩＰ通信での伝送帯域の広帯域化、サービスの多様化に伴い、音声通信において高音質化、高臨場感化のニーズが高まっている。例えば、今後、テレビ電話サービスにおけるハンズフリー形態での通話、テレビ会議における音声通信、多地点で複数話者が同時に会話を行うような多地点音声通信、臨場感を保持したまま周囲の音環境を伝送できるような音声通信などの需要が増加すると見込まれる。その場合、モノラル信号より臨場感があり、また複数話者の発話位置が認識できるような、ステレオ音声による音声通信を実現することが望まれる。このようなステレオ音声による音声通信を実現するためには、ステレオ音声信号の符号化が必須となる。ステレオ音声信号の符号化方法の１つに、各チャネルの音声信号を独立に符号化するものがある（デュアル・モノラル符号化）。
"AMR Wideband Speech Codec; General Description", 3GPP TS 26.171, V5.0.0 (2001-03) "Wideband Coding of Speech at Around 16 kbit/s Using Adaptive Multi-Rate Wideband (AMR-WB)", Geneva, ITU-T Recommendation G.722.2 (2003-07)

しかしながら、ステレオ音声信号に対し、単に、ＡＭＲ−ＷＢ音声符号化を用いたデュアル・モノラル符号化を行ったのでは、上述の固定符号帳の探索を、各チャネルの音声信号に対してそれぞれ行わなくてはならず、符号化効率および処理効率の点から好ましくな
い。

本発明の目的は、ステレオ音声信号を効率良く符号化することができるパルス割当方法を提供することである。

本発明のパルス割当方法は、ステレオ信号に対する音声符号化における固定符号帳探索の際のパルス割当方法であって、ステレオ信号の各チャネルの特性および各チャネル間の類似度に応じて、各チャネルに割り当てるパルス数を決定するようにした。

本発明によれば、ステレオ音声信号を効率良く符号化することができる。

以下、本発明の実施の形態について、添付図面を参照して詳細に説明する。なお、以下の説明では、ＡＭＲ−ＷＢ音声符号化を一例に挙げて説明する。また、以下の説明では、ＡＭＲ−ＷＢ音声符号化の符号化モードのうちモード８での実施形態について説明するが、各実施の形態は他の符号化モードに対しても同様に適用できる。

ＡＭＲ−ＷＢ音声符号化のモード８においては、固定符号帳ベクトル（イノベーションベクトル）には２４本のパルスがある。上記図１に示されるように、各サブフレームでは０〜６３の６４のとり得るパルス位置があり、これらのパルス位置は、各々のトラックが６本のパルスを含むように、１〜４の４つのトラックに分割される。

（実施の形態１）
本実施の形態では、入力ステレオ信号の各チャネル間の類似度、各チャネルの周期性および定常度に基づいて、各チャネルへのパルス数の割り当てを決定する。類似度、周期性および定常度に基づいて、各チャネルに対して必要な数のパルスを割り当てる。各チャネルへの割当パルス数の決定後、通常のＡＭＲ−ＷＢ音声符号化と同様のパルス探索を行って、各チャネルに対するパルス位置が決定される。これらのパルスは、符号語のセットとして符号化され、音声ビットストリームにおけるパラメータの１つである符号帳インデックスとして送信される。

本実施の形態に係る音声符号化の主な処理フローを図２に示す。

まず、ＳＴ（ステップ）１１において、ステレオ信号に対して、ダウンサンプリング、ハイパス・フィルタおよびプレエンファシス・フイルタによるフィルタ処理からなる前処理が施される。

ＳＴ１２では、前処理後のステレオ信号に対してＬＰＣ分析が行われ、ステレオ信号のＬチャネル（左チャネル）およびＲチャネル（右チャネル）の各チャネルのＬＰＣパラメータが得られる。ＬＰＣパラメータは、イミタンス・スペクトラム・ペア（ＩＳＰ；Immittance Spectrum Pair）および各チャネルに対する量子化ベクトルに変換される。

ＳＴ１３では、各チャネルに対してピッチ探索が行われ、オープンループ・ピッチラグが各フレームあたり２回推定される。

ＳＴ１４では、推定されたピッチラグ（推定ピッチラグ）を用いて、各々のサブフレームについて、推定ピッチラグの周辺に対して閉ループピッチを用いた適応符号帳探索が行われ、適応符号帳ベクトルが得られる。

ＳＴ１５では、適応符号帳ベクトルを用いて、パルス割当を伴う固定符号帳探索が行われ、各チャネルに対する固定符号帳ベクトルが得られる。

そして、ＳＴ１６では、フィルタメモリおよびサンプルデータが、次のサブフレームの演算のために更新される。

なお、本実施の形態において、図２に示す処理以外は、上記非特許文献１記載のものと同様である。

次いで、固定符号帳探索（ＳＴ１５）の主な処理フローを図３に示す。固定符号帳探索（ＳＴ１５）は、主にＳＴ２１〜ＳＴ２５の処理により行われる。

ＳＴ２１では、各々のサブフレームに対して、ステレオ信号の比較が行われ、ＬチャネルとＲチャネルとの類似性、すなわち、チャネル間の類似度が判断される。

ＳＴ２２では、ステレオ信号の分類が行われ、信号の特性が判断される。

ＳＴ２３では、チャネル間の類似度およびステレオ信号の特性に基づいて、ＬチャネルおよびＲチャネルの各々に対して、必要数のパルスが割り当てられる。

ＳＴ２４では、ＡＭＲ−ＷＢ音声符号化のパルス探索が実行され、各チャネルに対するパルス位置が定められる。

ＳＴ２５では、ＳＴ２４において定められたパルスが符号語のセットとして符号化され、音声ビットストリームにおけるパラメータの１つである符号帳インデックスとして音声復号装置へ送信される。

次いで、図３に示した処理フローについて、図４を用いてより詳細に説明する。特に、パルス割当（ＳＴ２３）について詳しく説明する。

ＳＴ３０１では、各サブフレームのＬチャネルとＲチャネルとの比較がなされる。この比較により、パルス割当に先立って、両チャネル間の信号特性の類似度（両チャネル間にどの程度の類似性があるか）が判断される。類似度の判断にあたっては、相互相関、時間領域での信号エンベロープの比較、周波数領域でのスペクトル信号またはスペクトルエネルギーの比較、および、ミッドサイド演算等を利用することができる。

ＳＴ３０２において、ＬチャネルとＲチャネルが非常に類似している場合（例えば、相
互相関値がしきい値より大きい場合）、または、ＬチャネルとＲチャネルが同一である場合（すなわち、モノラル信号である場合）は、両方のチャネルが共通のパルスセットを用いる。つまり、ＳＴ３０３において、Ｌチャネルに対するパルス数Num_Pulse(L)がＰと設定され、Ｒチャネルに対するパルス数Num_Pulse(R)が０と設定される。または、逆に、Ｌチャネルに対するパルス数Num_Pulse(L)が０と設定され、Ｒチャネルに対するパルス数Num_Pulse(R)がＰと設定される。例えば、ＡＭＲ−ＷＢ音声符号化のモード８の場合には、Ｐ＝２４に設定される。ＳＴ３０３においてNum_Pulseが設定される様子を図５Ａに示す。この例では、Ｐ＝２４である。ＬチャネルまたはＲチャネルのいずれか一方に２４本すべてのパルスが割り当てられるため、図６Ａに示すように、両方のチャネルに対してｐ_０〜ｐ_２３の１つの共通のパルスセットが用いられる。図６Ａに示すパルス割当のタイプを、以下「タイプ０」という。

ＳＴ３０２において、ＬチャネルとＲチャネルが類似していない場合（例えば、相互相関値がしきい値以下の場合）、ＳＴ３０４において、信号の分類判断が行われ、「定常有声」信号が、ＬチャネルまたはＲチャネルに存在するか否か確認される。Ｌチャネル信号またはＲチャネル信号は、それらが周期性を有し、定常である場合に「定常有声」と判断される一方、それらが周期性を有せず、非定常である場合には、他のタイプの信号と判断される。ＬチャネルまたはＲチャネルのいずれかが「定常有声」である場合はＳＴ３０５へ進み、ＬチャネルおよびＲチャネルのいずれも「定常有声」でない場合はＳＴ３１０へ進む。なお、信号が「定常有声」であるか否かを判断するにあたっては、自己相関方法による自己相関値演算、ピッチ予測ゲイン、適応符号帳ゲイン等を利用することができる。また、各チャネルのエネルギーレベルまたは信号レベル等を用いて「定常有声」であるか否かを判断することもできる。

ＳＴ３０５において、ＬチャネルおよびＲチャネルのいずれもが「定常有声」（定常性があり、かつ、周期的）であると判断された場合は、それら双方のチャネルが各々、パルスセットを有することになる。つまり、この場合、ＳＴ３０６において、Ｐ本（Ｐ＝２４）のパルスがＬチャネルとＲチャネルとに分配され、Ｌチャネルに対するパルス数Num_Pulse(L)がパルス数K₁Pに設定される一方、Ｒチャネルに対するパルス数Num_Pulse(R)がパルス数(1-K₁)Pに設定される。ここでは、K₁=1/2とする。すなわち、双方のチャネルに対して等しい数のパルスを分配して割り当てる。ＳＴ３０６においてNum_Pulseが設定される様子を図５Ｂに示す。図５Ｂに示すようにNum_Pulseが設定されるため、Ｐ＝２４本のパルスは、１２本ずつ両チャネル間で均等に分配される。よって、図６Ｂに示すように、各チャネルに対して異なるパルスセットが用いられる。但し、各パルスセットに含まれるパルス数は同数（ここでは１２本）である。図６Ｂに示すパルス割当のタイプを、以下「タイプ１」という。

なお、図６Ｂにおいて、パルスp_ch,iのchはそのパルスの属するチャネル（ＬチャネルまたはＲチャネル）を表し、iはそのパルスの位置を表している。図６Ｃおよび図６Ｄにおいても同様である。

ＳＴ３０５において、一方のチャネルが「定常有声」であるが、他方のチャネルが「定常有声」でないと判断された場合は、パルス数Ｐは、双方のチャネル間で等しく分配されない。この場合、パルス数の分配は、何れのチャネルがより多くのパルスを必要とするかに基づいてなされる。一般的に、「定常有声」であるチャネルにはより少ない数のパルスしか必要とされず、よって、「定常有声」であるチャネルに対しては、より少ない数のパルスが割り当てられる。これは、「定常有声」であるチャネルについては、適応符号帳が効果的に機能して音源信号を生成することができるので、固定符号帳探索には、より少ない数のパルスしか必要とされないためである。

すなわち、ＳＴ３０７において、Ｌチャネルが「定常有声」であり、Ｒチャネルが「定常有声」でないと判断された場合には、Ｌチャネルではより少ない数のパルスしか必要とされないため、Ｌチャネルに対してはＲチャネルより少ない数のパルスが割り当てられる。つまり、ＳＴ３０８において、Ｌチャネルに対するパルス数Num_Pulse(L)がパルス数K₂Pに設定される一方、Ｒチャネルに対するパルス数Num_Pulse(R)がパルス数(1-K₂)Pに設定されて、Ｐ本（Ｐ＝２４）のパルスがＬチャネルとＲチャネルとに分配される。ここでは、K₂=1/3とする。これにより、Ｌチャネルに対しては８本、Ｒチャネルに対しては１６本のパルスが割り当てられ、Ｌチャネルに対しては、Ｒチャネルよりも少ない数のパルスが割り当てられる。

一方、ＳＴ３０７において、Ｌチャネルが「定常有声」でなく、Ｒチャネルが「定常有声」であると判断された場合には、Ｌチャネルより少ない数のパルスがＲチャネルに対して割り当てられる。つまり、ＳＴ３０９において、Ｌチャネルに対するパルス数Num_Pulse(L)がパルス数(1-K₂)Pに設定される一方、Ｒチャネルに対するパルス数Num_Pulse(R)がパルス数K₂Pに設定されて、Ｐ本（Ｐ＝２４）のパルスがＬチャネルとＲチャネルとに分配される。ここでは、上記同様、K₂=1/3とする。これにより、Ｒチャネルに対しては８本、Ｌチャネルに対しては１６本のパルスが割り当てられ、Ｒチャネルに対しては、Ｌチャネルよりも少ない数のパルスが割り当てられる。

ＳＴ３０８およびＳＴ３０９においてNum_Pulseが設定される様子を図５Ｃおよび図５Ｄに示す。Ｐ＝２４でK₂=1/3であるため、Num_Pulseは、８パルス（図５Ｃ）と１６パルス（図５Ｄ）になる。よって、図６Ｃおよび図６Ｄに示すように、各チャネルに対して、パルス数が異なる２つの異なるパルスセットが用いられる。図６Ｃに示すパルス割当のタイプを、以下「タイプ２」といい、図６Ｄに示すパルス割当のタイプを、以下「タイプ３」という。タイプ２では、Ｌチャネルに対しては、Ｒチャネルよりも少ない数のパルスが割り当てられ、タイプ３では、Ｒチャネルに対しては、Ｌチャネルよりも少ない数のパルスが割り当てられる。このように、タイプ２および３では、２４本のパルスが、ＬチャネルとＲチャネルとに不均等に分配される。

ＳＴ３０４においてＬチャネルおよびＲチャネルのいずれも「定常有声」でない場合は、パルスの分配については、各チャネルの最大自己相関係数（ＭＡＦ；Maximum Autocorrelation Factor）に基づいて定める。ＭＡＦは、式（１）により定義される。式（１）において、x(n)（n=0,…,N-1）は、ＬチャネルまたはＲチャネルの符号化対象サブフレームに対するＭＡＦの算出対象区間の入力信号であり、Ｎは、その算出対象区間の区間長（サンプル数）であり、τは遅延である。なお、x(n)として、入力信号の代わりにＬＰＣ逆フィルタを用いて求めたＬＰＣ残差信号を用いてもよい。

ＳＴ３１０において、ＬチャネルのＭＡＦがＲチャネルのＭＡＦよりも大きい場合、ＳＴ３１２において、ＳＴ３０８同様、Ｌチャネルに対するパルス数Num_Pulse(L)がパルス数K₂Pに設定される一方、Ｒチャネルに対するパルス数Num_Pulse(R)がパルス数(1-K₂)Pに設定されて、Ｐ本（Ｐ＝２４）のパルスがＬチャネルとＲチャネルとに分配される。ここでは、K₂=1/3とする。すなわち、Ｌチャネルに対しては８本、Ｒチャネルに対しては１６
本のパルスが割り当てられ、Ｌチャネルに対しては、Ｒチャネルよりも少ない数のパルスが割り当てられる。よって、パルス割当のタイプはタイプ２（図６Ｃ）となる。

一方、ＳＴ３１０において、ＲチャネルのＭＡＦがＬチャネルのＭＡＦ以上の場合、ＳＴ３１１において、ＳＴ３０９同様、Ｒチャネルに対するパルス数Num_Pulse(R)がパルス数K₂Pに設定される一方、Ｌチャネルに対するパルス数Num_Pulse(L)がパルス数(1-K₂)Pに設定されて、Ｐ本（Ｐ＝２４）のパルスがＬチャネルとＲチャネルとに分配される。ここでは、上記同様、K₂=1/3とする。すなわち、Ｒチャネルに対しては８本、Ｌチャネルに対しては１６本のパルスが割り当てられ、Ｒチャネルに対しては、Ｌチャネルよりも少ない数のパルスが割り当てられる。よって、パルス割当のタイプはタイプ３（図６Ｄ）となる。

ＳＴ３０３、ＳＴ３０６、ＳＴ３０８、ＳＴ３０９、ＳＴ３１１、ＳＴ３１２において上記のようにして各チャネルに対して割り当てるパルス数が決定された後、ＳＴ３１３において、各チャネルに対して、パルス位置が探索される。

そして、ＬチャネルおよびＲチャネルの両チャネルのパルス位置が探索された後、ＳＴ３１４において、ＳＴ３１３で探索されたパルスを用いて符号語のセットが生成され、ＳＴ３１５において各チャネルに対する符号帳インデックスが生成される。

なお、ＳＴ３０４においてＬチャネルおよびＲチャネルのいずれも「定常有声」でない場合のパルスの分配については、上記のように各チャネルのＭＡＦに基づいて定めるのではなく、各チャネルに対して常に等しい数のパルスを割り当てるようにしてもよい。

ここで、上記のようにK₁およびK₂を固定値とした場合には、各チャネルに割り当てるパルス数は、パルス割当の４つのタイプ（タイプ０〜３）に応じて一義的に定まるため、各チャネルに割り当てたパルス数を音声復号側へ通知するには、図７に示すように２ビットあれば足りる。すなわち、タイプ０（ＬチャネルおよびＲチャネル共通に２４パルス割り当てる場合）を符号語‘００’、タイプ１（ＬチャネルおよびＲチャネルに１２パルスずつ割り当てる場合）を符号語‘０１’、タイプ２（Ｌチャネルに８パルス、Ｒチャネルに１６パルス割り当てる場合）を符号語‘１０’、タイプ３（Ｌチャネルに１６パルス、Ｒチャネルに８パルス割り当てる場合）を符号語‘１１’として音声復号側へ通知する。

図８に、音声復号側での処理フローを示す。

ＳＴ７０１では、パルスデータが量子化された状態である符号帳インデックスがビットストリームから抽出される。また、パルス割当のタイプを示す上記２ビットの情報がビットストリームから抽出される。

ＳＴ７０２では、上記２ビットの情報に基づき、上記図７に示すテーブルを参照して、パルス割当のタイプが判断される。

ＳＴ７０３において、パルス割当のタイプがタイプ０の場合はＳＴ７０４へ進み、タイプ１〜３の場合はＳＴ７０７へ進む。

パルス割当のタイプがタイプ０の場合は、両チャネルにより同一の符号帳を共有する。つまり、ＳＴ７０４において、Ｐ＝２４本のパルスすべてが予め定められた一方のチャネル（規定チャネル）に設定され、ＳＴ７０５において、その規定チャネルに対してＰ＝２４本のパルスが復号される。そして、ＳＴ７０６において、ＳＴ７０５で復号されたパルスが他方のチャネルにコピーされる。

一方、パルス割当のタイプがタイプ１〜３の場合は、各タイプに応じて、各チャネルに対するパルス数が設定される。つまり、タイプ１の場合は、ＬチャネルおよびＲチャネルに１２パルスずつ設定され、タイプ２の場合は、Ｌチャネルに８パルス、Ｒチャネルに１６パルス設定され、タイプ３の場合は、Ｌチャネルに１６パルス、Ｒチャネルに８パルス設定される。

規定チャネルがＬチャネルであるとすると、ＳＴ７０７ではＬチャネルに対するパルス数P_Lが設定され、ＳＴ７０８ではＲチャネルに対するパルス数P_Rが設定される。そして、ＳＴ７０９においてP_L本のパルスがＬチャネルに対する符号帳データとして復号され、ＳＴ７１０においてP_R本のパルスがＲチャネルに対する符号帳データとして復号される。

なお、規定チャネルがＲチャネルである場合は、処理フローは、ＳＴ７０８、ＳＴ７０７、ＳＴ７１０、ＳＴ７０９の順になる。

このように、本実施の形態によれば、チャネル間の類似度および各チャネルの特性（周期性および定常度）に基づいてパルス数の割り当てを決定するため、各チャネルに対し最適な数のパルスを割り当てることができる。

（実施の形態２）
本実施の形態では、音声信号の特性に基づいてK₁、K₂を決定して、各チャネル間のパルス割当を適応的に変化させる。各チャネルへのパルス数の分配比率は、例えば、各チャネルの音声信号の周期性およびＭＡＦに基づいて求めることができる。

例えば、ＬチャネルおよびＲチャネルの双方が「定常有声」である場合は、式（２）によりK₁を求める。

式（２）において、τ_L、τ_Rはそれぞれ、Ｌチャネルのピッチ周期、Ｒチャネルのピッチ周期であり、α₁は、K₁を微調整するための係数である。式（２）によれば、より短いピッチ周期、すなわち、より高いピッチを有するチャネルに対して、より多くのパルスを割り当てることができる。

また、一方のチャネルが「定常有声」であって、他方のチャネルが「定常有声」でない場合は、式（３）によりK_２を求める。

式（３）において、C_uvは「定常有声」でない方のチャネルのＭＡＦ、C_L、C_Rはそれぞれ、ＬチャネルのＭＡＦ、ＲチャネルのＭＡＦであり、α₂は、K₂を微調整するための係数である。式（３）によれば、「定常有声」のチャネルに対して、より少ない数のパルスを割り当てることができる。

なお、式（３）において、βは、「定常有声」のチャネルが少なくとも最小数のパルスを確実に有するようにするパラメータであり、式（４）により定義される。

式（４）において、Lは１つのフレーム内のサンプル数、τ_chは「定常有声」のチャネルのピッチ周期、Pはサブフレーム内の総パルス数である。よって、比率L/τ_chは、基本的に１フレーム内の周期数となる。例えば、Lを２５６、τ_chを７７とすると、比率L/τ_ch（１フレーム内の周期数）は４となる。これにより、各ピッチ周期に確実に少なくとも１つのパルスが存在することとなる。

式（２）〜（４）に従って求められたK₁およびK₂は、ＬチャネルおよびＲチャネルに対するパルス数の分配割当に用いられる。ＬチャネルおよびＲチャネルに割り当てられたパルス数は、式（５）および式（６）の条件を満たす最小値MIN_PULSE、最大値MAX_PULSEをとり得る。

式（５）および（６）において、MIN_PULSE、MAX_PULSEは、特定のチャネルに対してサブフレームあたりに割り当て可能なパルス数の最小値、最大値であり、TOTAL_PULSEは、両方のチャネルに対してサブフレームあたりに割り当て可能な合計のパルス数である。例えば、MIN_PULSE＝４、MAX_PULSE＝２０、TOTAL_PULSE＝２４が典型的な値である。なお、算出されたパルス数を、１、２または４の倍数のうちの最も近い倍数値に丸めるようにしてもよい。

ここで、各チャネルに割り当てるパルス数を適応的に変化させる場合、各チャネルに割り当てたパルス数を音声復号側へ通知する必要がある。但し、一方のチャネルへの割当数は、両チャネルの全パルス数から他方のチャネルの割当数を差し引くことにより導くことができるため、いずれか一方のチャネルを規定チャネルと定め、その規定チャネルの割当数のみ通知すればよい。例えばＬチャネルを規定チャネルと定め、Ｌチャネルに対するパルス数Num_Pulse(L)を通知し、Ｒチャネルに対するパルス数Num_Pulse(R)を式（７）により求める。

規定チャネルに対するパルス数の通知方法を以下に示す。

各チャネルに対するパルス数が４の倍数である場合は、規定チャネルに対するパルス数は、４パルス、８パルス、１２パルス、１６パルス、２０パルスの５つの可能性がある。よって、これら５つのパルス数を区別するには３ビットあれば足りる。また、各チャネルに対するパルス数が２の倍数である場合は、規定チャネルに対するパルス数は、４パルス、６パルス、８パルス、１０パルス、１２パルス、１４パルス、１６パルス、１８パルス、２０パルスの９つの可能性がある。よって、これら９つのパルス数を区別するには４ビット必要である。また、各チャネルに対するパルス数が４から２０までの１パルス刻みの数である場合は、１７の可能性があり、１７のパルス数を区別するには５ビット必要である。よって、これらのパルス数は、図９に示すテーブルにまとめることができる。音声符号化側では、このテーブルを参照してパルス数を３〜５ビットの符号語に変換して通知し、音声復号側では、同様にこのテーブルを参照して、通知された符号語から各チャネルに割り当てられるパルス数を導出する。

図１０に、音声復号側での処理フローを示す。

ＳＴ９０１では、パルスデータが量子化された状態である符号帳インデックスがビットストリームから抽出される。また、パルス数を示す符号語（３〜５ビット）がビットストリームから抽出される。

ＳＴ９０２では、パルス数を示す符号語に基づき、上記図９に示すテーブルを参照して、規定チャネルのパルス数が判断される。ここでは、規定チャネルをＬチャネルとする。

ＳＴ９０３では、式（７）に従って、他方のチャネル、すなわち、Ｒチャネルのパルス数を算出する。

ＳＴ９０４において、いずれかのチャネルのパルス数が０の場合はＳＴ９０５へ進み、それ以外の場合はＳＴ９０７へ進む。

いずれかのチャネルのパルス数が０の場合は、両チャネルにより同一の符号帳を共有する。つまり、ＳＴ９０５において、Ｐ＝２４本のパルスすべてが規定チャネルに設定され、その規定チャネルに対してＰ＝２４本のパルスが復号される。そして、ＳＴ９０６において、ＳＴ９０５で復号されたパルスが他方のチャネルにコピーされる。

一方、ＳＴ９０７では、上記図９に示すテーブルを参照してＬチャネル（規定チャネル）に対するパルス数P_Lが設定され、P_L本のパルスがＬチャネルに対する符号帳データとして復号される。そして、ＳＴ９０８において、式（７）に従ってＲチャネルに対するパルス数P_Rが設定され、P_R本のパルスがＲチャネルに対する符号帳データとして復号される。

なお、規定チャネルがＲチャネルである場合は、処理フローは、ＳＴ９０８、ＳＴ９０７の順になる。

このように、本実施の形態によれば、音声信号の特性に基づいてK₁、K₂を決定して、各チャネル間のパルス割当を適応的に変化させるため、チャネル間においてより柔軟かつ正確なパルス数の分配を行うことができる。

なお、上記各実施の形態においては、各チャネルに割り当てるパルス数の合計は固定（上記各実施の形態ではＰ＝２４本で固定）として説明したが、各チャネルに割り当てるパルス数の合計を、チャネル間の類似度および各チャネルの特性（周期性および定常度）に
応じて変化させてもよい。例えば、実施の形態１において、パルス割当タイプが「タイプ０」、すなわち、ＬチャネルとＲチャネルが非常に類似している場合（例えば、相互相関値がしきい値より大きい場合）、または、ＬチャネルとＲチャネルが同一である場合（すなわち、モノラル信号である場合）には、他のタイプでの割当パルス数の合計（上記各実施の形態ではＰ＝２４本）よりも少ない数のパルスをＲチャネルまたはＬチャネルのいずれか一方のみに割り当てるようにしてもよい。このようにすることで、伝送効率をより向上させることができる。

また、上記各実施の形態に係る処理フローを音声符号化装置や音声復号装置において実施することができる。また、その音声符号化装置や音声復号装置を、移動体通信システムにおいて使用される無線通信移動局装置や無線通信基地局装置等の無線通信装置に搭載することも可能である。

また、上記実施の形態に係る処理フローは、典型的には集積回路であるＬＳＩとして実現される。これらは個別に１チップ化されてもよいし、一部または全てを含むように１チップ化されてもよい。

ここでは、ＬＳＩとしたが、集積度の違いにより、ＩＣ、システムＬＳＩ、スーパーＬＳＩ、ウルトラＬＳＩと呼称されることもある。

また、集積回路化の手法はＬＳＩに限るものではなく、専用回路または汎用プロセッサで実現してもよい。ＬＳＩ製造後に、プログラムすることが可能なＦＰＧＡ（Field Programmable Gate Array）や、ＬＳＩ内部の回路セルの接続や設定を再構成可能なリコンフィギュラブル・プロセッサーを利用してもよい。

さらには、半導体技術の進歩または派生する別技術によりＬＳＩに置き換わる集積回路化の技術が登場すれば、当然、その技術を用いて機能ブロックの集積化を行ってもよい。バイオ技術の適応等が可能性としてありえる。

本明細書は、２００５年２月１０日出願の特願２００５−０３４９８４に基づくものである。この内容はすべてここに含めておく。

本発明は、移動体通信システムやインターネットプロトコルを用いたパケット通信システム等における通信装置の用途に適用できる。

ＡＭＲ−ＷＢ音声符号化の固定符号帳本発明の実施の形態１に係る音声符号化の処理フロー本発明の実施の形態１に係る固定符号帳探索の主な処理フロー本発明の実施の形態１に係る固定符号帳探索の詳細処理フロー本発明の実施の形態１に係るパルス割当の一例本発明の実施の形態１に係るパルス割当の一例本発明の実施の形態１に係る通知例本発明の実施の形態１に係る音声復号の処理フロー本発明の実施の形態２に係る通知例本発明の実施の形態２に係る音声復号の処理フロー

Claims

ステレオ信号に対する音声符号化における固定符号帳探索の際のパルス割当方法であって、
ステレオ信号の各チャネルの特性および各チャネル間の類似度に応じて、各チャネルに割り当てるパルス数を決定する、
パルス割当方法。
前記類似度がしきい値以上の場合、いずれか１つのチャネルにすべてのパルスを割り当てる、
請求項１記載のパルス割当方法。
前記特性を各チャネルの定常度、周期性および最大自己相関係数の少なくとも１つに基づいて判断する、
請求項１記載のパルス割当方法。
前記定常度、前記周期性および前記最大自己相関係数がより大きいチャネルに対して、より少ないパルス数を割り当てる、
請求項３記載のパルス割当方法。
各チャネルの特性が等しい場合、各チャネルに対して均等にパルス数を割り当てる、
請求項１記載のパルス割当方法。
各チャネルに割り当てたパルス数を示す符号語を音声復号側へ通知する、
請求項１記載のパルス割当方法。