JP4903130B2 - 知覚コーディングのビット割り当てにおける複雑さを軽減した計算方法 - Google Patents

Description

本発明は、一般に知覚コーディングに関し、さらに詳細にはエンコーディングソース信号にビットを分配する知覚コーディングシステムにおける計算の複雑なプロセスを軽減する技法に関する。

ソース信号を適切に表現するために必要な情報の容量（情報容量要件）を減らすために多くのコーディングシステムが用いられている。情報容量要件を軽減させることにより、表現するための信号を狭い帯域幅を持つチャンネルで伝達することができ、あるいは、余裕の少ない媒体に記憶させることができる。

知覚コーディングで、信号中の冗長な成分又は不適切な成分を削減することにより、ソースオーディオ信号情報容量要件を減らすことができる。この形式のコーディングはフィルターバンクを用いて、スペクトル成分の基本セットを使ってソース信号をデコリレーティング（ｄｅｃｏｒｒｅｌａｔｉｎｇ）することにより冗長性を減らし、知覚心理学的基準に従いスペクトル成分の適応量子化により不適合性を減少させる。大雑把に量子化分解能に適応させたコーディングプロセスにより広い範囲で情報容量を減少させることができるが、これにより信号中に高いレベルの量子化誤差あるいは「量子化ノイズ」をもたらすことにもなる。知覚コーディングシステムにより、信号のスペクトルの内容でノイズを「マスク」するか、あるいは知覚されないようにするために、量子化ノイズのレベルを制御することが試みられる。このシステムは一般に、ソース信号でマスクすることができる量子化ノイズのレベルを予測するために知覚モデルを用いる。

知覚できないと予測されるため不適切であるとみなされたスペクトル成分をエンコードされた信号の中に含ませる必要はない。適切であるとみなされた他のスペクトル成分は、ソース信号のスペクトル成分によりちょうど知覚されないようにされる程度の量子化ノイズしか持たない位に十分細かくした量子化分解能を用いて量子化される。この量子化分解能は、各量子化されたスペクトルの成分を表現するために、用いるビット数を定めるビット割り当てプロセスにより調整される。

現実のコーディングシステムでは、通常、量子化されたスペクトル成分を伝達するエンコードされた信号のビットレートが不変で目標ビットレートに等しいか、又は、おそらく所定の範囲で可変の、平均レートが目標ビットレートに等しいようなビット割り当てを余儀なくされる。いずれにしろビット割り当てを定めるために、コーディングシステムでは反復手順が用いられる。この反復手順では、量子化ノイズが知覚モデルに従いビットレートの制約を受けて最適にマスクされるとみなされるようなビット割り当てを定める１以上のコーディングパラメータの値を捜す。このコーディングパラメータで、例えば、エンコードすべき信号の帯域幅、エンコードすべきチャンネルの数、又は目標ビットレートを指定することができる。

多くのコーディングシステムにおいて、ビット割り当てプロセスの反復において、コーディングパラメータだけからではビット割り当てを簡単に決めることができないので、多大な計算リソースが必要とされる。その結果、民生用ビデオレコーダのような低価格な用途に高品質の知覚オーディオエンコーダを導入することは難しい。

この問題を解決する１つの手段は、ビット割り当てがビットレートの制約を満足するコーディングパラメータの値を見つけたらすぐに反復処理を終わらせるようなビット割り当てプロセスを用いることである。この方法は、一般に、コーディングパラメータの最適値を見つけるような方法ではないので、計算の複雑性を減らすためにエンコーディングの質を犠牲にしている。このような犠牲は、目標ビットレートが十分高いときは許容されるかも知れないが、ビットレートに厳しい制限が課せられる多くの用途では許容されない。さらに、この方法では、最適値を見つけるのに必要な反復処理より少ない反復処理で、許容できるコーディングパラメータの値を保証することはできないので、この方法は計算の複雑さを軽減することを保証するものではない。

コーディングシステムにおいて、少ない計算リソースを用いてコーディングパラメータの最適値を定めることができるように、効率的にビット割り当て処理を実現させることが本発明の目的である。

本発明の１つの特徴によれば、オーディオ信号の知覚マスキング効果を表す第１のマスキングカーブを取得し、オーディオ信号をエンコーディングするのに用いることのできるビット数に応じて、第２のマスキングカーブと前記第１のマスキングカーブとの間のオフセットを特定するコーディングパラメータの推定値を導き出し、このコーディングパラメータの最適値を捜す反復プロセスにおいてコーディングパラメータの推定値を修正することにより、コーディングパラメータの最適値を取得し、このコーディングパラメータの最適値と前記第１のマスキングカーブとのオフセットである第２のマスキングカーブに従ってスペクトル成分を量子化することによりエンコードされたスペクトル成分を作り、このエンコードされたスペクトル成分の表現を出力信号に組み立てることで、ソース信号がエンコードされる。

本発明の他の特徴によれば、コーディングパラメータの初期値を選択し、このコーディングパラメータの初期値に応じて第１のビット数を決定し、この第１のビット数と前記オーディオ信号をエンコードするのに用いることのできるビット数に該当する第３のビット数との差から第２のビット数を決定し、前記コーディングパラメータの初期値とこの第２のビット数に応じて前記コーディングパラメータの最適値の推定値を導き出し、このコーディングパラメータに従いソース信号のスペクトルの内容を表現する情報を量子化することによりエンコードされたスペクトル成分を作り、エンコードされたスペクトル成分の表現を出力信号に組み立てることで、ソース信号がエンコードされる。

本発明の様々な特徴およびその好ましい実施形態は、以下の説明と図面を参照することによりよく理解できるであろう。以下の説明と図面の内容は例示のためのものであり、本発明の範囲を制限するためのものと理解すべきではない。

Ａ．序論
本発明は、知覚コーディングシステムに用いるのに適したビット割り当て処理を効率的な実施を提供するものである。このビット割り当て処理は、次世代テレビジョン方式協会（Ａｄｖａｎｃｅｄ Ｔｅｌｅｖｉｓｉｏｎ Ｓｙｓｔｅｍ Ｃｏｍｍｉｔｔｅｅ）（ＡＴＳＣ）、標題「ディジタルオーディオ圧縮（ＡＣ-３）標準」、２００１年８月２０日発行、に記載されたエンコードされたビットストリーム標準に従うようなエンコードされたビットストリームを出力するエンコーダ又はトランスコーダを備える伝送器に組み込むことができる。このＡＴＳＣ標準に適合する具体的なエンコーダへの実施の形態を以下に記載する。しかしながら、本発明のいろいろな特徴を、広くいろいろなコーディングシステムに用いる装置に組み込むことができる。

図１は、上述のＡＴＳＣ標準に適合するコーディングシステムに組み込むことのできる知覚エンコーダを有する伝送器を図解したものである。この伝送器は、経路１から受け取ったソース信号に分析フィルターバンク２を適用してソース信号のスペクトルの内容を表すスペクトル成分を生成し、コントローラ４にてこのスペクトル成分を分析してエンコーダ制御情報を経路５に出力し、このエンコーダ制御情報に応じて改変したスペクトル成分にエンコーディングプロセスを適用してエンコーダ６にてエンコードされた情報を生成し、このエンコードされた情報にフォーマッタ８を適用して伝送に適した出力信号を経路９に出力する。この出力信号を直ちに対応する受信器に送信することもでき、又はその後送信するために記憶媒体に記憶させることもできる。

分析フィルターバンク２は、無限インパルス応答フィルター（ＩＩＲフィルター）、有限インパルス応答フィルター（ＦＩＲフィルター）、ラティス型フィルター（Ｌａｔｔｉｃｅフィルター）、およびウェーブレット変換を含むいろいろな方法で実施することができる。ＡＴＳＣ標準に適合する好ましい実施の形態では、分析フィルターバンク２は、プリンセン他の「高効率変換符号化（Ｔｉｍｅ Ｄｏｍａｉｎ Ａｌｉａｓｉｎｇ Ｃａｎｃｅｌｌａｔｉｏｎ）に基づくフィルターバンク設計を用いたサブ帯域／変換コーディング」、Proc. of the 1987 International Conference on Acoustics, Speech and Signal Processing (ICASSP), May 1987, pp. 2161-64、に記載された、修正離散コサイン変換（ＭＤＣＴ）により実施される。

エンコーダ６は、基本的に、特定のアプリケーションに求められるどんなエンコーディングプロセスも実行することができる。本明細書において、「エンコーダ」および「エンコーディング」のような用語は、適応ビット割り当て量子化以外のいかなる形式の情報処理も意味することを意図するものではない。この形式の処理（適応ビット割り当て量子化処理）はコーディングシステムにしばしば用いられ、ソース信号の情報容量要件を減少させる。付加的な処理として、エンコーダ６において、信号帯域幅の一部のスペクトル成分を廃棄しエンコードされた情報において廃棄された部分のスペクトルのエンベロープを推定するような処理がなされる。

コントローラ４は、広く様々な処理を実行しエンコーダ制御情報を生成することができる。好ましい実施の形態において、コントローラ４は、スペクトル成分に知覚モデルを適用して、ソース信号のマスク効果の予測を表す「マスキングカーブ」を取得し、マスキングカーブとともに用いられる１以上のコーディングパラメータを導き出して、ビットをどのように割り当ててスペクトル成分を量子化するかを決定する。いくつかの実施例を以下に記載する。

フォーマッタ８は、多重化又は他の公知のプロセスを用いて特定のアプリケーションに適した形式の出力信号を生成する。

Ｂ．エンコーダ制御
知覚コーディングシステムにおける典型的なコントローラ４は、分析フィルターバンク２から受け取ったスペクトル成分に知覚モデルを適用して、マスキングカーブを取得する。このマスキングカーブにより、ソース信号におけるスペクトル成分のマスキング効果を推定する。知覚コーディングシステムにおける伝送器と受信器では、量子化ノイズレベルがちょうどマスキングカーブの下に来るように、伝送器においてビット割り当てとスペクトル成分の量子化を制御することにより、主観的に又は知覚的に良質な出力信号を生成することができる。残念ながら、エンコードされたこの形式の信号には、固定されたビットレート又は非常に限られた範囲に変化が制限されているビットレートを有するよう多くの標準が要求しているので、この形式のエンコーディングプロセスは、上述のＡＴＳＣ標準を含む種々のコーディング標準に準拠したエンコーディングシステムに用いることができない。このような標準に準拠したエンコーダは、一般に反復法を用いて、許容できる制限内のビットレートを有するエンコードされた信号を生成するのに使うことのできるコーディング
パラメータを探す。

１．好ましい技法
ＡＴＳＣ標準に準拠したエンコーディングとともに用いるための１つの実施例において、コントローラ４は、（１）分析フィルターバンク２から受け取ったスペクトル成分に知覚モデルを適用して、初期マスキングカーブを取得し、（２）この初期マスキングカーブと、同様の形を持つ暫定的なマスキングカーブとのレベル差を表すオフセットコーディングパラメータを選択し、（３）量子化ノイズのレベルが暫定的なマスキングカーブのすぐ下に来るように、スペクトル成分を量子化するのに必要とするビット数を計算し、（４）計算したビット数と量子化のために割り当てることのできるビット数とを比較し、（５）オフセットコーディングパラメータの値を調整して、計算したビット数が大きすぎるか又は小さすぎたとき、それぞれ暫定的なマスキングカーブを増加又は減少させ、（６）ビット数の計算し、計算したビット数と許容されるビット数との比較し、オフセットコーディングパラメータの値を調整して、計算したビット数が許容範囲内になるようなオフセットコーディングパラメータを見つけるという、反復プロセスを行う。反復処理において、オフセットコーディングパラメータの最適値を特定する「二分法」又は「バイナリーサーチ」として知られている数値計算法が用いられる。この数値計算法の詳細を補足するものは、プレス他の「数値計算法」、Cambridge University Press, 1986, pp. 89-92、により得ることができる。

本発明は、１以上のコーディングパラメータの正確な推定値を効率よく導き出すことにより上述のような反復プロセスを行うコントローラ４に必要とされる計算リソースを減らすものである。上述の特定のプロセスに対して、オフセットコーディングパラメータの正確な推定値を出力させるために本発明を用いることができる。これは、図２に示したプロセスを用いることにより実行することができる。このプロセスによれば、ステップ５１にて、コーディングパラメータの初期値Ｐ_Ｉが選択されて、暫定的なマスキングカーブが得られる。ステップ５２で、量子化ノイズレベルが暫定的なマスキングカーブのすぐ下に来るようにスペクトル成分を量子化するのに必要なビット数ｂ_１が計算される。この計算は概念的にはｂ_１＝Ｆ（ｐ_Ｉ）で表現することができ、ここで関数Ｆ（ ）は、このコーディングパラメータに応答してビット数を計算するために用いるプロセスを表す。ステップ５３では、第１のビット数ｂ_１と、スペクトル成分を量子化するために割り当てが可能なビット数に対応した第３のビット数ｂ_３との差を計算することで第２のビット数ｂ_２を決定する。この差は概念的にはｂ_２＝（ｂ_１−ｂ_３）で表現できるかもしれないが、この概念的な表現におけるいくつか又はすべての値は必要に応じて、適切な値の倍率をかけてもよい。ステップ５５では、第２のビット数ｂ_２から、オフセットコーディングパラメータの最適値の正確な推定値を導き出す。これは概念的にはｐ_Ｅ＝Ｅ（ｂ_２）で表現できるかもしれないが、ここで関数Ｅ（ ）は第２のビット数に対応した最適値を推定するためのプロセスを表す。

本発明者は、関数Ｅ（ ）の式が経験的に導き出されることを発見した。ＡＴＳＣ標準に準拠したエンコードされた情報を生成する特定のエンコーダの実行により導き出されたこの関数を表す式の１つを以下に説明する。この実施の形態において、５チャンネルのソース信号がそれぞれ４８ｋＨｚでサンプリングされている。各チャンネルは約２０．３ｋＨｚの帯域幅を持っている。エンコードされた完全なビットストリームのビットレートは固定され、４４８ｋｂｉｔｓ/ｓｅｃとなっている。各チャンネルのスペクトル成分は、お互いに２５６サンプルが重なり合った５１２のソース信号サンプルに適用して２５６のＭＤＣＴ係数を得る、上述のＭＤＣＴフィルターバンクにより生成される。各チャンネルの係数の６個のブロックがフレームに組み立てられる。各ブロックのスペクトル成分は、指数関数値で表したスケールファクタまたは指数で縮小拡大した値からなる形で表現される。１以上の縮小拡大した値は、上述のＡＴＳＣ Ａ/５２Ａ書面に記載されている共通指数と関係付けてもよい。ビットｂ３の数は、フレーム中の縮小拡大した値を量子化するために役立つビット数を表す。複数チャンネルのスペクトル成分を結合して合成したスペクトル表現の形式にする、カップリングとして知られたコーディング技法は、この特定の実施例では禁じられる。関数Ｅ（ ）により推定される特定のコーディングパラメータは、先に概説したように、初期マスキングカーブと暫定的なマスキングカーブとのオフセットを定める。詳細は、ＡＴＳＣ Ａ/５２Ａ書面に補足説明がある。

図３のグラフは、いろいろなソース信号のスペクトルの内容を表すスペクトル成分のフレームに対するオフセットコーディングパラメータの、経験的に導き出された差分値ｂ_２と最適値ｐ_Ｏとの関係を表す。オフセットに対する値は、初期マスキングカーブのレベルと比較してｄＢで表現され、ここで、６．０２ｄＢ（２０ｌｏｇ２）は、スペクトル成分の割り当てにおける１ビットの変化に起因する量子化ノイズレベルの変化にほぼ相当する。このグラフは、フレーム中の各ブロックに対する初期マスキング閾値を決定し、各ブロックに対し初期オフセット値ｐ_Ｉを−１．８７５ｄＢに等しくなるよう選択し、このオフセットに対するフレームにおける縮小拡大されたスペクトル成分値を量子化するために必要なビット数ｂ_１を計算し、そして、計算されたビット数ｂ_１と縮小拡大された量子化されたスペクトル成分値を表現するのに利用可能なビット数ｂ_３との差分値から「残りのビット」数ｂ２を計算することにより、得られたものである。

オフセットコーディングパラメータの最適値ｐ_Ｏは、上述の反復バイナリーサーチプロセスを用いてフレーム内のすべてのブロックに対して決定された。図３のグラフにおける各点は、計算された差分値ｂ_２と、その後決定されたそれぞれのフレームに対するオフセットコーディングパラメータの最適値ｐ_Ｏを表す。オフセットコーディングパラメータの最適値ｐ_Ｏは、ｘ軸上の残りのビット数ｂ_２に対してｙ軸上に示される。経験からは、オフセットコーディングパラメータの初期値ｐ_Ｉの選択は推定した最適値ｐ_Ｅの精度に影響を与えることを示しているが、これらの結果はまた、この影響は小さくまた推定値の誤差は初期値ｐ_Ｉの選択に対して比較的鈍感であることも示している。上述のバイナリーサーチプロセスの開始オフセットとしてこの推定値ｐ_Ｅを用いることで、実験では、この反復サーチでほんの５回の反復の後、約９９％のフレームのコーディングパラメータの最適値ｐ_Ｏに収束させることができ、これは、このパラメータの開始値を選択する従来の方法で用いた反復数の半分である。

図３のグラフにおける各点は、ライン沿いにしっかり群がっており、これは、ラインを点に合わせることにより導き出された線形関数Ｅ（ｂ_２）から、オフセットコーディングパラメータの最適値ｐ_Ｏの正確な推定値ｐ_Ｅを得ることができることを示している。グラフに示された、群がった点の形から推定値ｐ_Ｅの分散は差分値ｂ_２の正の大きな値に対して増大していることを示している。このように分散が増大することは推定値の精度が低くなることを意味するが、ｂ_２が大きな正の値であることは、スペクトル成分を量子化するために用いることのできるたくさんの余剰ビットがあることを示しているので、このように推定値が不正確であることは実際の実施例ではそれほど問題にならない。そういった場合は、最適値を適当に推定することによりすべての量子化ノイズがマスクされると思われるので、コーディングパラメータの最適値を見つけることはそれほど重要ではない。

関数Ｅ（ｂ_２）は、直線または曲線を点に合わせることで導き出すことができ、ｂ２の負の値または小さな正の値に対する誤差が最小限になることに重点を置くことが好ましい。図３のグラフに示された特定の関係は、線形方程式ｐ_Ｅ＝Ｅ（ｂ_２）＝１．１９６・ｂ_２−１．９１５で妥当な制度を持って近似することができる。

２．代替的技法
上述の好ましい技法では、このパラメータ真の最適値ｐ_Ｏに対するバイナリーサーチにおいて、開始値としてオフセットコーディングパラメータの推定最適値ｐ_Ｅを用いる。このサーチにより見つけた最適オフセット値ｐ_Ｏと初期マスキングカーブとが共同で、フレーム中のすべてのスペクトル成分の量子化に対するビット割り当てを計算するために用いられる。

代替的技法では、フレーム中のすべてではないが少なくともいくつかのスペクトル成分に対するビット割り当てを計算するために、推定最適値ｐ_Ｅが初期マスキングカーブとともに用いられ、フレーム中の残りのブロックに対するビット割り当てを計算するために、最適値ｐ_Ｏが初期マスキングカーブとともに用いられる。

代替的技法の１つの実施例において、フレーム中の各チャンネルの５つのブロックでスペクトル成分に対するビット割り当てを計算するために、推定値ｐ_Ｅが用いられる。この割り当てに続いて、反復法により決定された最適値ｐ_Ｏを用いて、各チャンネルの残りの１ブロックにおけるスペクトル成分に残りのビットが割り当てられる。この反復は、上述のように推定した開始値を用いることが好ましい。この技法は以下のステップを実行することにより実施することができる。

（１）オフセットコーディングパラメータの初期値を選択する
（２）初期ビット割り当てｂ_１＝Ｆ（ｐ_Ｉ）を計算する
（３）残りのビットｂ_２＝ｂ_３−ｂ_１を計算する
（４）コーディングパラメータの最適値ｐ_Ｅ＝Ｅ（ｂ_２）を推定する
（５）ビット割り当てｂ_４＝Ｆ（ｐ_Ｅ）を計算する
（６）オフセットｐ_Ｅと割り当てｂ_４とを用いて１チャンネル毎に５つのブロックを量子化する
（７）残りのビットｂ_５＝ｂ_３−ｂ_４を計算する
（８）ｐ_Ｅを開始値として用いて、残りのブロックに対する最適値ｐ_Ｏを反復法により決定する
（９）オフセットｐ_Ｏと割り当てｂ_５とを用いて１チャンネル毎に残りのブロックを量子化する
他の実施例では、フレームのいくつかのチャンネルのすべてのブロックにおけるスペクトル成分に対するビット割り当ての計算にこの推定値を用い、そのフレームの他のチャンネルの少なくとも１つのブロックにおけるスペクトル成分に対するビット割り当ての計算に、反復法により決定された最適値ｐ_Ｏを用いる。オフセットコーディングパラメータの推定値および最適値は、スペクトル成分のそれぞれのブロックに対するビット割り当ての様々な計算方法において用いられる。上述のしたように、最適値ｐ_Ｏを決定する反復バイナリーサーチプロセスでは開始値として推定値ｐ_Ｅを用いることが好ましい。

Ｃ．実施
本発明のいろいろな特徴を組み込んだ装置は、コンピュータまたは汎用コンピュータのと類似する構成要素と結びついたディジタル信号プロセッサ（ＤＳＰ）回路のような特殊な構成要素を有する他の装置により実行するソフトウェアを含むさまざまな方法で実施することができる。図４は本発明の特徴を実施するために用いることのできる装置７０の概略ブロック図である。ＤＳＰ７２は計算資源を提供する。ＲＡＭ７３は信号処理のためにＤＳＰ７２により用いられるシステムランダムアクセスメモリ（ＲＡＭ）である。ＲＯＭ７４は、装置を作動させ本発明のさまざまな特徴を実行するのに必要なプログラムを記憶させるリードオンリーメモリ（ＲＯＭ）のような形式の永久記憶装置を表す。Ｉ／Ｏコントロール７５は、通信チャンネル７６，７７により信号の送受信を行うインターフェース回路を表す。アナログ・ディジタル変換器とディジタル・アナログ変換器を、アナログ信号の送受信の要望があれば、Ｉ／Ｏコントロール７５に含ませてもよい。図示の実施の形態では、すべての主なシステム構成要素は、２以上の物理的なバスを示す場合もあるバス７１に接続されている。しかしながら、バス構成は本発明を実行ために必要なものではない。

汎用コンピュータシステムにより実行される実施形態において、装置とのインターフェースのためのキーボードやマウス及びディスプレイ、及び磁気テープまたはディスクまたは光学媒体のような記憶媒体を有する記憶装置を制御するための付加的な構成要素を含ませることもできる。この記憶媒体はオペレーティングシステム、ユーティリティー、及びアプリケーションの命令プログラムを記憶するために用いることもでき、本発明の種々の特徴を実行するプログラムの実施の形態を含めることができる。

本発明の種々の特徴を実行するために必要な機能は、個別ロジック構成要素、集積回路、１以上のＡＳＩＣ及び／又はプログラム制御プロセッサを含む広くさまざまな方法により実施される。これらの構成要素を実施する方法は本発明にとって重要ではない。

本発明を実施するソフトウェアは、超音波から紫外線周波数を含むスペクトル範囲でのベース帯域通信経路又は変調された通信経路のような種々の機械的読み込み媒体、又は、磁気テープ、磁気カード又は磁気ディスク、光学カード又は光学ディスク、及び紙の上に印された検知可能なマーキングを含む、本来的な記憶技術を用いた情報伝達を行う記憶媒体により伝達することができる。

本発明のいろいろな特徴を組み込むことのできるコーディングシステムに用いられる伝送器の１実施の形態の概略ブロック線図である。 コーディングパラメータの推定値を導き出す１つの方法のプロセスフロー線図である。 ビットの計算値とコーディングパラメータの最適値との関係を示したグラフである。 本発明のいろいろな特徴を実施するために用いることのできる装置の概略ブロック線図である。

Claims (18)

1. オーディオ信号をエンコーディングする方法であって、
   前記オーディオ信号のスペクトルの内容を表すスペクトル成分を受け取るステップと、
   前記オーディオ信号の知覚マスキング効果を表す第１のマスキングカーブを取得するために、前記スペクトル成分に知覚モデルを適用するステップと、
   第２のマスキングカーブと前記第１のマスキングカーブとの間のオフセットを特定するコーディングパラメータの推定値を導き出すステップであって、前記コーディングパラメータの推定値は、前記オーディオ信号をエンコーディングするのに役に立つビット数に応じて導き出されたものであることを特徴とするステップと、
   前記知覚モデルにより前記コーディングパラメータの最適値を探す反復プロセスにおいて、前記コーディングパラメータの推定値を修正することによりコーディングパラメータの最適値を取得するステップと、
   前記第２のマスキングカーブに従ってスペクトル成分を量子化することによりエンコードされたスペクトル成分を作るステップであって、前記コーディングパラメータの最適値により知覚モデルによる知覚できる量子化ノイズが最小限になるように、量子化の分解能が前記第１のマスキングカーブと前記コーディングパラメータに対応していることを特徴とするステップと、
   前記エンコードされたスペクトル成分の表現を出力信号に組み立てるステップと、
   を具備することを特徴とするオーディオ信号をエンコーディングする方法。
2. 前記コーディングパラメータの推定値を導き出すステップは、
   前記コーディングパラメータの初期値を選択するステップと、
   前記スペクトル成分の量子化に用いるために前記コーディングパラメータの初期値に応じて第１のビット数を決定するステップと、
   前記第１のビット数と第３のビット数との差から第２のビット数を決定するステップであって、前記第３のビット数は、前記オーディオ信号のエンコーディングに利用可能なビット数に該当することを特徴とするステップと、
   前記コーディングパラメータの初期値とこの第２のビット数に応じて前記コーディングパラメータの推定値を導き出すステップと、
   を具備することを特徴とする請求項１に記載の方法。
3. 前記スペクトル成分は複数のブロック内に配置され、該複数のブロックはブロックのフレーム内に配置され、エンコードされたスペクトル成分は、前記フレーム中のすべてではないが少なくともいくつかのスペクトル成分を前記コーディングパラメータの推定値に従い量子化することにより作られることを特徴とする請求項１に記載の方法。
4. オーディオ信号をエンコーディングする方法であって、
   前記オーディオ信号のスペクトルの内容を表すスペクトル成分を受け取るステップと、
   コーディングパラメータの推定値を導き出すステップであって、前記推定値は、前記コーディングパラメータの最適値の推定値であり、
   前記コーディングパラメータの初期値を選択するステップと、
   前記コーディングパラメータの初期値に応じて、第１のビット数を決定するステップと、
   前記第１のビット数と前記オーディオ信号をエンコードするのに利用可能なビット数に該当する第３のビット数との差から第２のビット数を決定するステップと、
   前記前記コーディングパラメータの初期値と前記第２のビット数に応じてコーディングパラメータの推定値を導き出すステップと、
   により導き出されることを特徴とするステップと、
   前記コーディングパラメータに従いスペクトル成分を量子化することによりエンコードされたスペクトル成分を作るステップであって、前記コーディングパラメータの最適値により知覚モデルによる知覚できる量子化ノイズが最小限になるように、量子化の分解能が前記コーディングパラメータに対応していることを特徴とするステップと、
   前記エンコードされたスペクトル成分の表現を出力信号に組み立てるステップと、
   を具備することを特徴とするオーディオ信号をエンコーディングする方法。
5. 前記スペクトル成分は、ブロック内に配置され、前記方法により、前記エンコードされたスペクトル成分が、コーディングパラメータの推定値に従いいくつかのブロックのスペクトル成分を量子化し、前記コーディングパラメータの最適値に従い他のブロックのスペクトル成分を量子化することにより作られ、前記コーディングパラメータの最適値は、知覚モデルに従いコーディングパラメータの最適値を探す反復プロセスを実行することにより得られることを特徴とする請求項４に記載の方法。
6. 前記反復プロセスは、コーディングパラメータの推定値に等しい初期値から始めて前記コーディング処理の最適値を探すことを特徴とする請求項５に記載の方法。
7. オーディオ信号をエンコーディングする方法を実行する装置において実施可能な命令のプログラムを運ぶ媒体であって、
   オーディオ信号のスペクトルの内容を表すスペクトル成分を受け取るステップと、
   オーディオ信号の知覚マスキング効果を表す第１のマスキングカーブを取得するためにスペクトル成分に知覚モデルを適用するステップと、
   第２のマスキングカーブと前記第１のマスキングカーブとの間のオフセットを特定するコーディングパラメータの推定値を導き出すステップであって、前記コーディングパラメータの推定値は、前記オーディオ信号をエンコーディングするのに役に立つビット数に応じて導き出されたものであることを特徴とするステップと、
   前記知覚モデルに従い前記コーディングパラメータの最適値を探す反復プロセスにおいて前記コーディングパラメータの推定値を修正することにより前記コーディングパラメータの最適値を取得するステップと、
   前記第２のマスキングカーブに従いスペクトル成分を量子化することによりエンコードされたスペクトル成分を作るステップであって、前記コーディングパラメータの最適値により知覚モデルによる知覚できる量子化ノイズが最小限になるように、量子化の分解能が前記第１のマスキングカーブと前記コーディングパラメータに対応していることを特徴とするステップと、
   前記エンコードされたスペクトル成分の表現を出力信号に組み立てるステップと、
   を具備することを特徴とする命令のプログラムを運ぶ媒体。
8. 前記コーディングパラメータの推定値を導き出すステップは、
   前記コーディングパラメータの初期値を選択するステップと、
   前記スペクトル成分の量子化に用いるために前記コーディングパラメータの初期値に応じて第１のビット数を決定するステップと、
   前記第１のビット数と第３のビット数との差から第２のビット数を決定するステップであって、前記第３のビット数は、前記オーディオ信号のエンコーディングに利用可能なビット数に該当することを特徴とするステップと、
   前記コーディングパラメータの初期値とこの第２のビット数に応じて前記コーディングパラメータの推定値を導き出すステップと、
   を具備することを特徴とする請求項７に記載の媒体。
9. 前記スペクトル成分は複数のブロック内に配置され、該複数のブロックはブロックのフレーム内に配置され、エンコードされたスペクトル成分は、前記フレーム中のすべてではないが少なくともいくつかのスペクトル成分を前記コーディングパラメータの推定値に従い量子化することにより作られることを特徴とする請求項７に記載の媒体。
10. オーディオ信号をエンコーディングする方法を実行する装置において実施可能な命令のプログラムを運ぶ媒体であって、
    前記オーディオ信号のスペクトルの内容を表すスペクトル成分を受け取るステップと、
    コーディングパラメータの推定値を導き出すステップであって、前記推定値は、前記コーディングパラメータの最適値の推定値であり、
    前記コーディングパラメータの初期値を選択するステップと、
    前記コーディングパラメータの初期値に応じて、第１のビット数を決定するステップと、
    前記第１のビット数と前記オーディオ信号をエンコードするのに利用可能なビット数に該当する第３のビット数の差から第２のビット数を決定するステップと、
    前記前記コーディングパラメータの初期値と前記第２のビット数に応じてコーディングパラメータの推定値を導き出すステップと、
    により導き出されることを特徴とするステップと、
    前記コーディングパラメータに従いスペクトル成分を量子化することによりエンコードされたスペクトル成分を作るステップであって、前記コーディングパラメータの最適値により知覚モデルによる知覚できる量子化ノイズが最小限になるように、量子化の分解能が前記コーディングパラメータに対応していることを特徴とするステップと、
    前記エンコードされたスペクトル成分の表現を出力信号に組み立てるステップと、
    を具備することを特徴とする命令のプログラムを運ぶ媒体。
11. 前記スペクトル成分は、ブロック内に配置され、前記方法により、前記エンコードされたスペクトル成分が、コーディングパラメータの推定値に従いいくつかのブロックのスペクトル成分を量子化し、前記コーディングパラメータの最適値に従い他のブロックのスペクトル成分を量子化することにより作られ、前記コーディングパラメータの最適値は、知覚モデルに従いコーディングパラメータの最適値を探す反復プロセスを実行することにより得られることを特徴とする請求項１０に記載の媒体。
12. 前記反復プロセスは、コーディングパラメータの推定値に等しい初期値から始めて前記コーディング処理の最適値を探すことを特徴とする請求項１１に記載の媒体。
13. オーディオ信号をエンコーディングする装置であって、
    （ａ）入力ターミナルと
    （ｂ）出力ターミナルと
    （ｃ）前記入力ターミナルと前記出力ターミナルとに接続された信号処理回路と、
    を具備し、前記信号処理回路は、
    前記入力ターミナルから信号を受け取りオーディオ信号のスペクトルの内容を表すスペクトル成分を取得するステップと、
    前記オーディオ信号の知覚マスキング効果を表す第１のマスキングカーブを取得するために、前記スペクトル成分に知覚モデルを適用するステップと、
    第２のマスキングカーブと前記第１のマスキングカーブとの間のオフセットを特定するコーディングパラメータの推定値を導き出すステップであって、前記コーディングパラメータの推定値は、前記オーディオ信号をエンコーディングするのに利用可能なビット数に応じて導き出されたものであることを特徴とするステップと、
    前記知覚モデルにより前記コーディングパラメータの最適値を探す反復プロセスにおいて、前記コーディングパラメータの推定値を修正することによりコーディングパラメータの最適値を取得するステップと、
    前記第２のマスキングカーブに従ってスペクトル成分を量子化することによりエンコードされたスペクトル成分を作るステップであって、前記コーディングパラメータの最適値により知覚モデルによる知覚できる量子化ノイズが最小限になるように、量子化の分解能が前記第１のマスキングカーブと前記コーディングパラメータに対応していることを特徴とするステップと、
    前記エンコードされたスペクトル成分の表現を出力信号に組み立てるステップと、
    を具備するよう作られることを特徴とするオーディオ信号をエンコーディングする装置。
14. 前記コーディングパラメータの推定値を導き出すステップは、
    前記コーディングパラメータの初期値を選択するステップと、
    前記スペクトル成分の量子化に用いるために前記コーディングパラメータの初期値に応じて第１のビット数を決定するステップと、
    前記第１のビット数と第３のビット数との差から第２のビット数を決定するステップであって、前記第３のビット数は、前記オーディオ信号のエンコーディングに利用可能なビット数に該当することを特徴とするステップと、
    前記コーディングパラメータの初期値とこの第２のビット数に応じて前記コーディングパラメータの推定値を導き出すステップと、
    を具備することを特徴とする請求項１３に記載の装置。
15. 前記スペクトル成分は複数のブロック内に配置され、該複数のブロックはブロックのフレーム内に配置され、エンコードされたスペクトル成分は、前記フレーム中のすべてではないが少なくともいくつかのスペクトル成分を前記コーディングパラメータの推定値に従い量子化することにより作られることを特徴とする請求項１３に記載の装置。
16. オーディオ信号をエンコーディングする装置であって、
    （ａ）入力ターミナルと
    （ｂ）出力ターミナルと
    （ｃ）前記入力ターミナルと前記出力ターミナルとに接続された信号処理回路と、
    を具備し、前記信号処理回路は、
    前記オーディオ信号のスペクトルの内容を表すスペクトル成分を受け取るステップと、
    コーディングパラメータの推定値を導き出すステップであって、前記推定値は、前記コーディングパラメータの最適値の推定値であり、
    前記コーディングパラメータの初期値を選択するステップと、
    前記コーディングパラメータの初期値に応じて、第１のビット数を決定するステップと、
    前記第１のビット数と前記オーディオ信号をエンコードするのに利用可能なビット数に該当する第３のビット数の差から第２のビット数を決定するステップと、
    前記前記コーディングパラメータの初期値と前記第２のビット数に応じてコーディングパラメータの推定値を導き出すステップと、
    により導き出されることを特徴とするステップと、
    前記コーディングパラメータに従いスペクトル成分を量子化することによりエンコードされたスペクトル成分を作るステップであって、前記コーディングパラメータの最適値により知覚モデルによる知覚できる量子化ノイズが最小限になるように、量子化の分解能が前記コーディングパラメータに対応していることを特徴とするステップと、
    前記エンコードされたスペクトル成分の表現を出力信号に組み立てるステップと、
    を具備するよう作られていることを特徴とするオーディオ信号をエンコーディングする装置。
17. 前記スペクトル成分は、ブロック内に配置され、前記方法により、前記エンコードされたスペクトル成分が、コーディングパラメータの推定値に従いいくつかのブロックのスペクトル成分を量子化し、前記コーディングパラメータの最適値に従い他のブロックのスペクトル成分を量子化することにより作られ、前記コーディングパラメータの最適値は、知覚モデルに従いコーディングパラメータの最適値を探す反復プロセスを実行することにより得られることを特徴とする請求項１６に記載の装置。
18. 前記反復プロセスは、コーディングパラメータの推定値に等しい初期値から始めて前記コーディング処理の最適値を探すことを特徴とする請求項１７に記載の装置。

Images