JP5224017B2 - オーディオ符号化装置、オーディオ符号化方法およびオーディオ符号化プログラム - Google Patents

Description

本発明は、オーディオ符号化装置、オーディオ符号化方法およびオーディオ符号化プログラムに関し、特に、広帯域なオーディオ信号を少ない情報量で高品質に符号化するオーディオ符号化装置、オーディオ符号化方法およびオーディオ符号化プログラムに関する。

一般的な音響信号を、少ない情報量で符号化でき、かつ高品質な再生信号を得られる技術として、帯域分割符号化を利用する方法が広く知られている。このような帯域分割を利用した符号化の代表例としては、ＩＳＯ／ＩＥＣの国際標準方式であるＭＰＥＧ−２ ＡＡＣ（Ａｄｖａｎｃeｄ Ａｕｄｉｏ Ｃｏｄｉｎｇ）があり、９６ｋｂｐｓ程度のビットレートにおいて、１６ｋＨｚ以上の広帯域ステレオ信号を高品質に符号化することが可能である。

しかしながら、ビットレートを例えば４８ｋｂｐｓ程度に低下させた場合、高品質に符号化できる帯域は１０ｋＨｚ程度以下となり、主観的には高域信号成分に不足を感じる音となる。このような帯域制限による音質劣化を補償する方法としては、たとえば、非特許文献１に記載がある、ＳＢＲ（Ｓｐｅｃｔｒａｌ Ｂａｎｄ Ｒｅｐｌｉｃａｔｉｏｎ）と呼ばれる技術がある。同様の技術は、例えば、非特許文献２においても開示されている。

ＳＢＲは、ＡＡＣ等のオーディオ符号化処理、もしくはそれに準じる帯域制限処理によって失われる高い周波数帯域の信号（高域成分）を補償することを目的としており、ＳＢＲによって補償される帯域よりも低い周波数帯域の信号（低域成分）については、他の手段を用いて伝送する必要がある。ＳＢＲによって符号化された情報には、他の手段を用いて伝送される低域成分を基に、擬似的な高域成分を生成するための情報が含まれており、前記低域成分に擬似的な高域成分を加算することにより、帯域制限による音質劣化を補償する。

以下、図６を参照しながら、ＳＢＲの動作を詳しく説明する。図６は、ＳＢＲを用いた帯域拡張符号化復号装置の一例を示す図である。符号化側は、入力信号分割部100、低域成分符号化部101、高域成分符号化部102、ビットストリーム多重化部103から構成され、復号側は、ビットストリーム分離部200、低域成分復号部201、サブバンド分割部202、帯域拡張部203、サブバンド合成部204から構成される。

符号化側では、入力信号分割部100が、入力信号1000を分析し、複数の高周波数帯域に分割した高域サブバンド信号1001と低域成分を含む低域信号1002を出力する。低域信号1002は上述のＡＡＣ等の符号化方式を用いて低域成分符号化部101により低域成分情報1004に符号化され、ビットストリーム多重化部103に伝達される。また、高域成分符号化部102は、高域サブバンド信号1001から高域エネルギ情報1102及び付加信号情報1103を抽出し、ビットストリーム多重化部103に伝達する。ビットストリーム多重化部103は低域成分情報1004と高域エネルギ情報1102及び付加信号情報1103から構成される高域成分情報を多重化し、多重化ビットストリーム1005として出力する。

ここで、高域エネルギ情報1102及び付加信号情報1103は、例えば、サブバンド毎にフレーム単位で算出される。入力信号1000の時間及び周波数方向の特性を考慮して、時間方向にはフレームをさらに細分割した時間単位で、周波数方向には複数のサブバンドをまとめたバンド単位で算出しても良い。高域エネルギ情報1102及び付加信号情報1103を、時間方向のフレームをさらに細分割した時間単位で算出する場合には、高域サブバンド信号1001の時間変化をより詳細に表すことができる。高域エネルギ情報1102及び付加信号情報1103を、複数のサブバンドをまとめたバンド単位で算出する場合には、高域エネルギ情報1102及び付加信号情報1103を符号化するために必要な総ビット数を削減できる。高域エネルギ情報1102及び付加信号情報1103の算出に利用する時間及び周波数方向の分割単位を時間周波数グリッドと呼び、その情報は高域エネルギ情報1102及び付加信号情報1103に含まれる。

このような構成では、高域エネルギ情報1102及び付加信号情報1103に含まれる情報が、高域エネルギ情報と付加信号情報だけとなる。このため、狭帯域信号の波形情報及びスペクトル情報を含む低域成分情報と比較して、少ない情報量(総ビット数)しか必要としない。したがって、広帯域信号の低ビットレート符号化に適している。

復号側では、多重化ビットストリーム1005がビットストリーム分離部200において、低域成分情報1007、高域エネルギ情報1105及び付加信号情報1106に分離される。低域成分情報1007は、例えばＡＡＣ等の符号化方式を用いて符号化された情報であり、低域成分復号部201において復号されて、低域成分を表す狭帯域信号1008を生成する。狭帯域信号1008は、サブバンド分割部202において低域サブバンド信号1009に分割され、帯域拡張部203に入力される。低域サブバンド信号1009は、同時にサブバンド合成部204にも供給される。帯域拡張部203は、低域サブバンド信号1009を高域のサブバンドに複写することによって、帯域制限によって失われた高域成分を再生する。

帯域拡張部203に入力される高域エネルギ情報1105には、再生される高域サブバンドのエネルギ情報が含まれる。高域エネルギ情報1105を用いて低域サブバンド信号1009のエネルギを調整した後、高域成分として利用する。また、帯域拡張部203は、付加信号情報1106に含まれる付加信号情報にしたがって付加信号を生成する。ここで、生成される付加信号としては、正弦波トーン信号やノイズ信号が用いられる。前記エネルギ調整後の高域成分に前記付加信号を加算して、高域サブバンド信号1010としてサブバンド合成部204に供給する。サブバンド合成部204は、サブバンド分割部202から供給された低域サブバンド信号1009と帯域拡張部203から供給された高域サブバンド信号1010を帯域合成し、出力信号1011を生成する。

ここで、帯域拡張部203におけるエネルギ調整の動作について詳細に説明する。高域サブバンド信号1010のエネルギが高域エネルギ情報1105の表すエネルギ値（以下、目標エネルギとする）となるように、複写された低域サブバンド信号1009と付加信号の利得を調整してからエネルギ調整後の高域成分に加算して、高域サブバンド信号1010を生成する。複写された低域サブバンド信号1009と付加信号の利得は、例えば、次の手順で決定することができる。

まず、複写された低域サブバンド信号1009と付加信号とのうちいずれかを高域サブバンド信号1010の主成分とし、他方を副成分とする。低域サブバンド信号1009を主成分、付加信号を副成分とする場合は、次式で利得を決定する。
Ｇ_ｍａｉｎ＝ｓｑｒｔ（Ｒ／Ｅ／（１＋Ｑ））
Ｇ_ｓｕｂ＝ｓｑｒｔ（Ｒ＊Ｑ／Ｎ（１＋Ｑ））
ここで、Ｇ_ｍａｉｎは主成分の振幅調整用利得、Ｇ_ｓｕｂは副成分の振幅調整用利得、ＥとＮは、それぞれ、低域サブバンド信号1009と付加信号のエネルギを表す。付加信号のエネルギが１に正規化されている場合は、Ｎ＝１とする。また、Ｒは高域サブバンド信号1010の目標エネルギ、Ｑは主成分と副成分のエネルギ比を表し、ＲとＱは高域エネルギ情報1105及び付加信号情報1106に含まれている。なお、ｓｑｒｔ(・)は平方根を求める演算子とする。一方、付加信号を主成分、低域サブバンド信号1009を主成分とする場合は、次式で利得を決定する。
Ｇ_ｍａｉｎ＝ｓｑｒｔ（Ｒ／Ｎ／（１＋Ｑ））
Ｇ_ｓｕｂ＝ｓｑｒｔ（Ｒ＊Ｑ／Ｅ／（１＋Ｑ））
以上の手続きによって算出した利得を用いて、低域サブバンド信号1009と付加信号を重み付け加算し、高域サブバンド信号1010を算出する。

オーディオ信号を低ビットレートで高品質に符号化するためには、高域成分を少ない情報量に圧縮することが必要である。従って、高域成分符号化部102において、正確な高域エネルギ情報1102及び付加信号情報1103を抽出することが重要となる。例えば、弦楽器など低域成分より高域成分のノイズレベルが高い信号を符号化する場合、低域サブバンド信号1009を高周波数帯域にコピーした信号に適切な大きさのノイズ信号を付加することにより品質を向上させることが可能である。適切な大きさのノイズ信号を復号側で付加するためには、符号化側において生成する付加信号情報1103に、低域サブバンド信号1009と付加するノイズ信号の正確なエネルギ比Ｑを含む必要がある。このため、高域成分符号化部102において、入力信号における高域成分のノイズレベルを正確に算出する必要がある。

高域成分のノイズレベルを算出する高域成分符号化部102の第一の従来例が、非特許文献３に開示されている。図７に示す高域成分符号化部は、時間／周波数グリッド生成部300、スペクトル包絡算出部301、ノイズレベル算出部302、ノイズレベル統合部303から構成される。

時間／周波数グリッド生成部300は、高域サブバンド信号1001を用いて、時間及び周波数方向の複数のサブバンド信号をグループ化し、時間／周波数グリッド情報1100を生成する。スペクトル包絡算出部301は、時間／周波数グリッド単位で高域サブバンド信号の目標エネルギＲを抽出し、高域エネルギ情報1102としてビットストリーム多重化部103に供給する。ノイズレベル算出部302は、各サブバンド単位で、サブバンド信号に含まれるノイズ成分の割合をノイズレベル1101として出力する。ノイズレベル統合部303は複数のサブバンドにおける前記ノイズレベルの平均値を用いて、時間／周波数グリッド単位で前述のエネルギ比Ｑを表す付加信号情報1103を求め、ビットストリーム多重化部103に供給する。

ノイズレベル算出部302におけるノイズレベル1101の算出方法としては、予測残差を用いた方法が知られており、サブバンドｋのノイズレベルＴ（ｋ）は、次の式に従って算出できる。

ここでＸ（ｋ，ｌ）とＹ（ｋ，ｌ）はそれぞれサブバンドｋのサブバンド信号と予測サブバンド信号を表す。予測サブバンド信号を算出する方法としては共分散法や自己相関法を用いて線形予測する方法が知られている。サブバンド信号にノイズ成分が少ないとき、サブバンド信号Ｘと予測サブバンド信号Ｙの差分は小さくなり、ノイズレベルＴ（ｋ）の値は大きくなる。逆にノイズ成分が多く含まれるとき、予測サブバンド信号Ｙとサブバンド信号Ｘの差分は大きくなり、ノイズレベルＴ（ｋ）の値は小さくなる。このように、サブバンド信号に含まれているノイズ成分の大きさに基づいてノイズレベルＴ（ｋ）を算出することができる。

ノイズレベル統合部303は、時間／周波数グリッド情報1100に基づき、複数のサブバンド単位で、低域サブバンド信号とノイズ信号のエネルギ比Ｑを算出する。これは、各サブバンド単位でエネルギ比Ｑを算出し符号化するよりも、複数のサブバンド単位でエネルギ比Ｑを算出したほうが、付加信号情報1103に必要なビット数を削減できるためである。例えば、サブバンドｋ₀からサブバンドｋ₀＋Ｎ−１までのＮサブバンドを同一のエネルギ比Ｑ（ｆＮｏｉｓｅ）で表す場合を考える。付加信号情報1103は、サブバンドｋ₀からサブバンドｋ₀＋Ｎ−１までＮサブバンドのノイズレベル1101を平均化することにより算出される。Ｑ（ｆＮｏｉｓｅ）は、以下の式で表される。

ここで、ｆＮｏｉｓｅは付加信号情報1103の周波数番号を表し、ｃは定数である。

高域成分のノイズレベルを算出する高域成分符号化部102の第二の従来例として、特許文献１で開示されている方法がある。第二の従来例では、入力信号に高分解能ＦＦＴを適用して算出されるスペクトル包絡の最大値と最小値の差を計算し、時間と周波数で平滑化した結果をノイズレベルとしている。
特表２００２−５３６６７９号公報 "Ｄｉｇｉｔａｌ Ｒａｄｉｏ Ｍｏｎｄｉａｌｅ（ＤＲＭ）；Ｓｙｓｔｅｍ Ｓｐｅｃｉｆｉｃａｔｉｏｎ"，ＥＴＳＩ，ＴＳ １０１ ９８０ Ｖ１．１．１，５．２．６節，２００１年９月 "ＡＥＳ（Ａｕｄｉｏ Ｅｎｇｉｎｅｅｒｉｎｇ Ｓｏｃｉｅｔｙ） Ｃｏｎｖｅｎｔｉｏｎ Ｐａｐｅｒ ５５５３"，１１２ｔｈ ＡＥＳ Ｃｏｎｖｅｎｔｉｏｎ，２００２年５月 "Ｅｎｈａｎｃｅｄ ａａｃＰｌｕｓ ｇｅｎｅｒａｌ ａｕｄｉｏ ｃｏｄｅｃ；Ｅｎｈａｎｃｅｄ ａａｃＰｌｕｓ ｅｎｃｏｄｅｒ ＳＢＲ ｐａｒｔ"、３ＧＰＰ，ＴＳ ２６．４０４ Ｖ６．０．０，２００４年９月

従来の付加信号情報算出方法は、各サブバンド単位で独立に算出したノイズレベルを平均化しているため、サブバンドの聴感的な優先度が考慮されていない。そのため、聴感的に重要なサブバンドのノイズレベルがその重要度に応じて付加信号情報に反映されず、高品質なオーディオ信号符号化装置を実現できないという問題があった。

また、スペクトル包絡を用いて付加信号情報を算出する方法は、高分解能な周波数解析や平滑化処理を必要とするために、演算量が増加するという問題があった。さらに、平滑化の程度によってノイズレベルの値が大きく異なり、平滑化程度の最適化が困難であるという問題もあった。

そこで、本発明は上記課題に鑑みて発明されたものであって、その目的は、聴感的に重要なサブバンドのノイズレベルを重要度に応じて反映した付加信号情報を少ない演算量で算出することのできる、高品質なオーディオ信号符号化に関する技術を提供することにある。

上記課題を解決する第１の発明は、入力信号を低周波数帯域の低域信号と高周波数帯域の高域信号に分割し、前記低域信号を変換した信号とノイズ信号とを混合して高域信号を表現する際に使用されるノイズ信号情報を符号化するオーディオ符号化装置であって、 前記高域信号の高域周波帯域毎の聴感的な重要度を表す補正係数を算出する重要度算出手段と、前記高域周波帯域毎の補正係数に基づいて、前記ノイズ信号情報を補正するノイズ信号情報補正手段とを備えることを特徴とするオーディオ符号化装置である。

上記課題を解決する第２の発明は、上記第１の発明において、前記ノイズ信号情報補正手段は、前記高域周波数帯域毎の補正係数に基づいて補正された周波数帯域毎のノイズ信号情報を統合して、複数の周波数帯域で共通に使用するノイズ信号情報を算出することを特徴とする。

上記課題を解決する第３の発明は、上記第１の発明において、前記重要度算出手段は、前記高域信号の高域周波数帯域毎のエネルギを算出し、前記周波数帯域毎のエネルギに基づいて前記補正係数を算出することを特徴とする。

上記課題を解決する第４の発明は、上記第１の発明において、前記重要度算出手段は、高周波数帯域になるほど小さい値を有するような前記補正係数を算出することを特徴とする。

上記課題を解決する第５の発明は、上記第１又は第２の発明において、前記ノイズ信号情報補正手段は、前記高域信号の各高域周波数成分の重要度を反映させて求めたノイズ信号情報を少なくとも時間方向または周波数方向に平滑化することを特徴とする。

上記課題を解決する第６の発明は、上記第１から第４のいずれかの発明において、前記重要度算出手段は、前記高域信号の各高域周波数成分に応じて算出した前記補正係数を少なくとも時間方向または周波数方向に平滑化することを特徴とする。

上記課題を解決する第７の発明は、上記第１、２および第５のいずれかの発明において、前記ノイズ信号情報が、前記高域信号に対するノイズ信号の割合を表すノイズレベルであることを特徴とする。

上記課題を解決する第８の発明は、入力信号を低周波数帯域の低域信号と高周波数帯域の高域信号に分割し、前記低域信号を変換した信号とノイズ信号とを混合して高域信号を表現する際に使用されるノイズ信号情報を符号化するオーディオ符号化方法であって、前記高域信号の高域周波帯域毎の聴感的な重要度を表す補正係数を算出し、前記高域周波帯域毎の補正係数に基づいて、前記ノイズ信号情報を補正することを特徴とするオーディオ符号化方法である。

上記課題を解決する第９の発明は、上記第８の発明において、前記ノイズ信号情報を求める際に、前記高域周波数帯域毎の補正係数に基づいて補正された周波数帯域毎のノイズ信号情報を統合して、複数の周波数帯域で共通に使用するノイズ信号情報を算出することを特徴とする。

上記課題を解決する第１０の発明は、上記第８の発明において、前記補正係数を求める際に、前記高域信号の高域周波数帯域毎のエネルギを算出し、前記周波数帯域毎のエネルギに基づいて前記補正係数を算出することを特徴とする。

上記課題を解決する第１１の発明は、上記第８の発明において、前記補正係数を求める際に、高周波数帯域になるほど小さい値を有するような前記補正係数を算出することを特徴とする。

上記課題を解決する第１２の発明は、上記第８又は第９の発明において、前記ノイズ信号情報を求める際に、前記高域信号の各高域周波数成分の重要度を反映させて求めたノイズ信号情報を少なくとも時間方向または周波数方向に平滑化することを特徴とする。

上記課題を解決する第１３の発明は、上記第８から第１１のいずれかの発明において、前記補正係数を求める際に、前記高域信号の各高域周波数成分に応じて算出した前記補正係数を少なくとも時間方向または周波数方向に平滑化することを特徴とする。

上記課題を解決する第１４の発明は、上記第８、９、および第１２の発明において、前記ノイズ信号情報が、前記高域信号に対するノイズ信号の割合を表すノイズレベルであることを特徴とする。

上記課題を解決する第１５の発明は、入力信号を低周波数帯域の低域信号と高周波数帯域の高域信号に分割し、前記低域信号を変換した信号とノイズ信号とを混合して高域信号を表現する際に使用されるノイズ信号情報を符号化するオーディオ符号化プログラムであって、前記高域信号の高域周波帯域毎の聴感的な重要度を表す補正係数を算出する処理、前記高域周波帯域毎の補正係数に基づいて、前記ノイズ信号情報を補正する処理を情報処理装置に実行させることを特徴とするオーディオ符号化プログラムである。

本発明は、高域サブバンド信号を用いて、聴感的な重要度に対応した補正係数を算出し、ノイズレベルを補正し、付加信号情報を生成するように構成されているため、聴感的に重要なサブバンドのノイズレベルを正確に反映することができる。このため、高品質のオーディオ符号化装置を実現することができる。

また、一般的なオーディオ信号の特性に基づく補正係数を用いるようにすれば、更に演算量を削減することができる。

本発明によれば、入力信号の聴感的な重要度に基づいた補正係数を算出し、各サブバンドのノイズレベルを補正することができる。

また、本発明の補正係数算出では、通常分解能の周波数解析を行うので、高分解能な周波数解析に必要な演算量を削減しつつ、聴感的な重要度を反映したサブバンドのノイズレベルを求めることができる。その結果、高品質なオーディオ符号化装置を実現することが可能となる。

本発明の第１の発明を実施するための最良の形態の構成を示すブロック図である。 本発明における補正係数算出部の動作概念を示す説明図である。 入力信号分割部の構成を表すブロック図である。 本発明の第２の発明を実施するための最良の形態の構成を示すブロック図である。 本発明の第３の発明を実施するための最良の形態の構成を示すブロック図である。 帯域拡張符号化復号装置を示すブロック図である。 高域成分符号化部の構成を示すブロック図である。

符号の説明

１００ 入力信号分割部
１０１ 低域成分符号化部
１０２、５００、５０１ 高域成分符号化部
１０３ ビットストリーム多重化部
１１０、２０２ サブバンド分割部
１１１、２０４ サブバンド合成部
１１２ ダウンサンプリングフィルタ
２００ ビットストリーム分離部
２０１ 低域成分復号部
２０３ 帯域拡張部
３００ 時間／周波数グリッド生成部
３０１ スペクトル包絡算出部
３０２ ノイズレベル算出部
３０３、４０２ ノイズレベル統合部
４００、４０３ 補正係数算出部
４０１ ノイズレベル補正部
１０００ 入力信号
１００１ 高域サブバンド信号
１００２ 低域信号
１００４、１００７ 低域成分情報
１００５ ビットストリーム
１００８ 低域成分復号信号
１００９ 低域サブバンド信号
１０１０ 高域サブバンド信号
１０１１ 帯域拡張信号
１１００ 時間／周波数グリッド情報
１１０１ ノイズレベル
１１０２、１１０５ 高域エネルギ情報
１１０３、１１０６ 付加信号情報
１２００、１２０２ 補正係数
１２０１ 補正ノイズレベル

次に、本発明を実施するための最良の形態について図面を参照して詳細に説明する。

まず、第１の実施の形態について説明する。

図１を参照すると、本発明の第１の実施の形態のオーディオ符号化装置は、入力信号分割部100、低域成分符号化部101、時間／周波数グリッド生成部300、スペクトル包絡算出部301、ノイズレベル算出部302、補正係数算出部400、ノイズレベル補正部401、ノイズレベル統合部402、ビットストリーム多重化部103から構成される。図１と図６は、高域成分符号化部102と高域成分符号化部500が異なる。これらの構成要素を図１と図７を用いてさらに詳細に比較すると、補正係数算出部400及びノイズレベル補正部401が高域成分符号化部500には付加されており、ノイズレベル統合部300がノイズレベル統合部402に置換されている。以下、補正係数算出部400、ノイズレベル補正部401及びノイズレベル統合部402に関して詳細な動作を説明する。

高域サブバンド信号1001を用いて、時間／周波数グリッド生成部300で、時間及び周波数方向の複数のサブバンド信号をグループ化して得られた時間／周波数グリッド情報1100を、補正係数算出部400に伝達する。補正係数算出部400は、高域サブバンド信号1001と時間／周波数グリッド情報1100を用いて、各サブバンドの聴感的な重要度を算出し、各サブバンドの補正係数1200をノイズレベル補正部401に伝達する。

ノイズレベル補正部401には、高域サブバンド信号1001を用いてノイズレベル算出部302で算出された各サブバンドのノイズレベル1101も、伝達される。ノイズレベル補正部401は、補正係数1200に基づいて、各サブバンドのノイズレベル1101を補正し、補正ノイズレベル1201をノイズレベル統合部402に出力する。

ノイズレベル統合部402は、時間／周波数グリッド情報1100に基づいて、複数のサブバンドにおける補正ノイズレベル1103の平均値を計算する。時間／周波数グリッド単位でノイズ成分のエネルギ比を算出し、付加信号情報1103として出力する。

図２は、入力信号1000を周波数分析したときのスペクトルの一部を表しており、横軸が周波数、縦軸がエネルギである。

図２において、サブバンドｋ_０からサブバンドｋ_０＋Ｎ−１までのＮ個のサブバンドに対して、ノイズ信号のエネルギ比Ｑを１つ算出することを考える。これは、復号側においてサブバンドｋ_０からサブバンドｋ_０＋Ｎ−１までのＮ個のサブバンド全てに同一のエネルギ比Ｑを適用することを意味する。このように、複数のサブバンドに対して共通のエネルギ比Ｑを用いると、各サブバンドに対して異なるエネルギ比を適用するよりも付加信号情報1103に必要なビット数を削減できる。

ここで、図２に示すようなエネルギ分布を有する信号の場合、領域２のエネルギは領域１や領域３のエネルギよりも大きい。エネルギの大きい信号はエネルギの小さい信号よりも聴感的に重要となるため、領域２の信号をより正確に符号化する必要がある。

高品質な符号化を可能にするためには、領域２におけるノイズ成分のエネルギ比Qが付加信号情報1103に、領域２の重要度に応じて反映されていなければならない。そのためには、各サブバンドの聴感的な重要度をあらかじめ算出しておく必要がある。

各サブバンドの聴感的な重要度を表す補正係数1200は、例えば、高域サブバンド信号1001のエネルギに応じて算出することができる。サブバンドｋ_０からサブバンドｋ_０＋Ｎ−１−１までのＮサブバンドから、ノイズ信号のエネルギ比Ｑを１つ算出するとしたとき、サブバンドｋの補正係数ａ（ｋ）は、例えば、以下の式で表すことができる。

ここで、Ｅは各サブバンドのエネルギを表す。なお、各サブバンドのエネルギは、時間／周波数グリッド情報1100に含まれる時間グリッド単位に算出してもよいし、複数の時間グリッドに含まれるサブバンド信号を用いて算出してもよい。

上述の手法では、高域サブバンド信号1001のエネルギをそのまま用いているが、サブバンド信号1101のエネルギを修正したものを用いてもよい。例えば、人間の聴覚特性として、音の強さの知覚は対数に比例していることが知られている。このため、サブバンド信号のエネルギをそのまま用いるのではなく、対数化してから補正係数算出に用いることもできる。単なる対数ばかりでなく、より複雑な関数や多項式などを用いて、エネルギを修正することも可能である。対数を近似する多項式は、これらの例の一つであり、演算量削減に貢献する。

さらに、聴覚の特性を積極的に用いて補正係数を算出してもよい。例えば、大きな音と同時に存在する小さな音が知覚できなくなる同時マスキングや、時間方向に発生する継時マスキングの影響を考慮した補正係数を算出することもできる。マスキング閾値よりも小さな音は知覚できないため、聴感上無視できるサブバンドの補正係数を相対的に小さくすることにより、聴感的な重要度に応じた補正係数を算出することができる。逆に、マスキング閾値よりも大きいサブバンドの補正係数を相対的に大きくしてもよい。

これまでの説明では、サブバンドのエネルギを用いて補正係数1200を表すａ（ｋ）を算出する例について説明してきた。しかし、聴感的な重要度に応じて変化する指標となるものであれば、いかなる指標を用いてもよいことは明らかである。また、補正係数1200を表すａ（ｋ）を時間方向に対して平滑化し、急激な値の変化を避けるようにしてもよい。

次に、ノイズレベル補正部401の動作について詳細に説明する。ノイズレベル補正部401は、補正係数算出部で算出した補正係数1200に基づいて、ノイズレベル算出部で算出した各サブバンドのノイズレベル1101を補正し、補正ノイズレベル1201をノイズレベル統合部303に出力する。

補正の方法としては、例えば、補正係数1200とノイズレベル1101の積を補正ノイズレベル1201とすることができる。すなわち、補正ノイズレベルT_２（ｋ）は、次式で与えられる。

T_２（ｋ）＝ａ（ｋ）×T（ｋ）
また、前記積に定数を加算した結果を補正ノイズレベルとすることもできる。さらに、補正係数1200及びノイズレベル1101の任意の関数として、補正ノイズレベルを定義することもできる。

ノイズレベル統合部402は、補正ノイズレベル1201を用いて、時間／周波数グリッド情報1100に含まれる周波数グリッド単位で付加信号のエネルギ比Ｑを算出し、付加信号情報1103として出力する。例えば、サブバンドｋ_０からサブバンドｋ_０＋Ｎ−１までのＮサブバンドから、ノイズ信号のエネルギ比Ｑを１つ算出するとしたとき、補正ノイズレベルT_２（ｋ）を用いたエネルギ比Qは、以下の式で与えられる。

ここで、ｆＮｏｉｓｅは付加信号情報の周波数指標を表し、ｃは定数である。

入力信号分割部100は、図３（ａ）に示すように、サブバンド分割部110とサブバンド合成部111で構成することができる。サブバンド分割部110は、入力信号1000をＮ個のサブバンドに分割し、高域サブバンド信号1001を出力する。サブバンド合成部111は、前記サブバンド信号の低域のＭ（Ｍ＜Ｎ）個のサブバンド信号を用いてサブバンド合成することにより、低域信号1002を生成する。低域信号1002を生成するための別の方法として、例えば、図３（ｂ）のように、ダウンサンプリングフィルタ112を用いて入力信号1000をダウンサンプリングすることもできる。ダウンサンプリングフィルタ112は、低域信号1002の帯域に相当する通過帯域を有する低域通過フィルタを含み、ダウンサンプリング処理の前に低域フィルタによる高域抑圧処理を行う。また、図３（ｃ）のように、入力信号1000を加工せずに低域信号1002として出力してもよい。

本実施の形態では、高域サブバンド信号1001を用いて、聴感的な重要度に対応した補正係数1200を算出し、ノイズレベル1101を補正し、付加信号情報1103を生成するように構成されているため、聴感的に重要なサブバンドのノイズレベルを正確に反映することができる。このため、高品質のオーディオ符号化装置を実現することができる。

次に、本発明の第２の実施の形態について図４を用いて詳細に説明する。

図４を参照すると、本発明の第２の発明を実施するための最良の形態は、入力信号分割部100、低域成分符号化部101、時間／周波数グリッド生成部300、スペクトル包絡算出部301、ノイズレベル算出部302、補正係数算出部403、ノイズレベル補正部401、ノイズレベル統合部402、ビットストリーム多重化部103とを含む。

本発明の第２の実施の形態は、本発明の第１の実施の形態と比較して、補正係数算出部400が補正係数算出部403に置き換わっているだけであり、他の部分については全く同一である。そこで、補正係数算出部403について詳細に説明する。

補正係数算出部403は、時間／周波数グリッド情報1100に基づき、予め定められた手法で補正係数1202を算出し、ノイズレベル補正部401へ出力する。

補正係数1202の算出方法は、例えば、高い周波数に対して補正係数1202が小さい値をとるようにすることができる。周波数と補正係数1202の対応関係は、最も簡単な例として線形関数で表されるように定めることもできるし、非線形関数で表されるように定めてもよい。オーディオ信号の一般的な特性として、高周波数の信号成分は低周波数の信号成分より減衰していることが多いため、上述の方法を用いて高品質な付加信号情報1103を算出することができる。

本実施の形態は、一般的なオーディオ信号の特性に基づく補正係数1202を用いるために、本発明の第１の実施の形態と比較して、演算量を削減することができる。

次に、本発明の第３の実施の形態ついて図面を参照して詳細に説明する。

図５を参照すると、本発明の第３の実施の形態は、上述した本発明の第１および第２の実施の形態をプログラム601により構成した場合に、そのプログラム601により動作するコンピュータ600の構成図である。

プログラム601は、コンピュータ600（中央処理装置；プロセッサ；データ処理装置）に読み込まれ、コンピュータ600（中央処理装置；プロセッサ；データ処理装置）の動作を制御する。コンピュータ600（中央処理装置；プロセッサ；データ処理装置）はプログラム601の制御により、上述した本発明の第１及び第２の発明において説明した処理と同一の処理を実行し、入力信号1000からビットストリーム1005を出力する。

なお、本発明が上記各実施形態に限定されず、本発明の技術思想の範囲内において、各実施形態が適宜変更され得ることは明らかである。

Claims (13)

1. 入力信号を低周波数帯域の低域信号と高周波数帯域の高域信号に分割し、前記低域信号を変換した信号とノイズ信号とを混合して高域信号を表現する際に使用されるノイズ信号情報を符号化するオーディオ符号化装置であって、
   前記高域信号の高周波数帯域毎の聴感的な重要度を表す補正係数を算出する重要度算出手段と、
   前記高周波数帯域毎の補正係数に基づいて、前記ノイズ信号情報を補正するノイズ信号情報補正手段と
   を備え、
   前記重要度算出手段は、高周波数帯域になるほど小さい値を有するような前記補正係数を算出する
   ことを特徴とするオーディオ符号化装置。
2. 前記ノイズ信号情報補正手段は、前記高域周波数帯域毎の補正係数に基づいて補正された周波数帯域毎のノイズ信号情報を統合して、複数の周波数帯域で共通に使用するノイズ信号情報を算出することを特徴とする請求項１に記載のオーディオ符号化装置。
3. 前記重要度算出手段は、前記高域信号の高域周波数帯域毎のエネルギを算出し、前記周波数帯域毎のエネルギに基づいて前記補正係数を算出することを特徴とする請求項１に記載のオーディオ符号化装置。
4. 前記ノイズ信号情報補正手段は、前記高域信号の各高域周波数成分の重要度を反映させて求めたノイズ信号情報を少なくとも時間方向または周波数方向に平滑化することを特徴とする請求項１又は請求項２に記載のオーディオ符号化装置。
5. 前記重要度算出手段は、前記高域信号の各高域周波数成分に応じて算出した前記補正係数を少なくとも時間方向または周波数方向に平滑化することを特徴とする請求項１から請求項３のいずれかに記載のオーディオ符号化装置。
6. 前記ノイズ信号情報が、前記高域信号に対するノイズ信号の割合を表すノイズレベルであることを特徴とする請求項１、請求項２、および請求項４のいずれかに記載のオーディオ符号化装置。
7. 入力信号を低周波数帯域の低域信号と高周波数帯域の高域信号に分割し、前記低域信号を変換した信号とノイズ信号とを混合して高域信号を表現する際に使用されるノイズ信号情報を符号化するオーディオ符号化方法であって、
   前記高域信号の高周波数帯域毎の聴感的な重要度を表す補正係数を算出し、
   前記高周波数帯域毎の補正係数に基づいて、前記ノイズ信号情報を補正し、
   前記補正係数を求める際に、高周波数帯域になるほど小さい値を有するような前記補正係数を算出する
   ことを特徴とするオーディオ符号化方法。
8. 前記ノイズ信号情報を求める際に、前記高域周波数帯域毎の補正係数に基づいて補正された周波数帯域毎のノイズ信号情報を統合して、複数の周波数帯域で共通に使用するノイズ信号情報を算出することを特徴とする請求項７に記載のオーディオ符号化方法。
9. 前記補正係数を求める際に、前記高域信号の高域周波数帯域毎のエネルギを算出し、前記周波数帯域毎のエネルギに基づいて前記補正係数を算出することを特徴とする請求項７に記載のオーディオ符号化方法。
10. 前記ノイズ信号情報を求める際に、前記高域信号の各高域周波数成分の重要度を反映させて求めたノイズ信号情報を少なくとも時間方向または周波数方向に平滑化することを特徴とする請求項７又は請求項８に記載のオーディオ符号化方法。
11. 前記補正係数を求める際に、前記高域信号の各高域周波数成分に応じて算出した前記補正係数を少なくとも時間方向または周波数方向に平滑化することを特徴とする請求項７から請求項９のいずれかに記載のオーディオ符号化方法。
12. 前記ノイズ信号情報が、前記高域信号に対するノイズ信号の割合を表すノイズレベルであることを特徴とする請求項７、請求項８、および請求項１０のいずれかに記載のオーディオ符号化方法。
13. 入力信号を低周波数帯域の低域信号と高周波数帯域の高域信号に分割し、前記低域信号を変換した信号とノイズ信号とを混合して高域信号を表現する際に使用されるノイズ信号情報を符号化するオーディオ符号化プログラムであって、
    前記高域信号の高周波数帯域毎の聴感的な重要度を表す補正係数を算出する処理、
    前記高周波数帯域毎の補正係数に基づいて、前記ノイズ信号情報を補正する処理
    を情報処理装置に実行させ、
    前記補正係数を算出する処理では、高周波数帯域になるほど小さい値を有するような前記補正係数を算出する
    ことを特徴とするオーディオ符号化プログラム。

Images