JPH0378322A - データ圧縮方式 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 〔概要〕 文字等のコード列情報のデータ圧縮方式に関し、符号化
コードを処理し易い形式に保ちつつ高いデータ圧縮率が
実現されることを目的とし、符号化対象の文字列を格納
していく第１のバッファと、符号化済み文字列を格納し
ていく第２のバッファと、第１及び第２のバッファの文
字列を照合することで最大長に一致する文字部分列を求
め、この文字部分列の一致長と第２のバッファにおける
一致開始位置とを符号化する符号化手段と、符号化デー
タ・生データの複数個を１組のデータとして出力すると
きに、各々がいずれのデータなのかを表示する識別デー
タを付加して出力する出力手段とを備えるデータ圧縮方
式において、第２のバッファを複数のバッファで構成し
、かつ、各バッファの格納できる文字数と第１のバッフ
ァの格納できる文字数との合計がバイトの倍数に従って
表現できるよう構成し、更に、符号化手段は、一致開始
位置をそれが属するバッファの先頭位置からの位置情報
に従って符号化するとともに、出力手段は、その一致開
始位置が属するバッファ塩を識別データに表示するよう
構成する。

〔産業上の利用分野〕 本発明は、文字等のコード列で構成される情報のデータ
圧縮方式に関し、特に、符号化された符号化データを処
理し易い形式に保ちながらデータの圧縮率を高めること
のできるデータ圧縮方式に関するものである。

蓄積・伝送すべきデータ量が大きいときには、通信回線
や記憶装置の容量を有効に利用するために、データ列を
圧縮して蓄積・伝送し、再度そのデータを使用するとき
に元のデータ列に復元することが行われている。従来、
文字列（本明細書では、情報理論等で使われている呼称
を踏襲してデータの１ワード毎を文字と呼ぶことにする
）を能率よくデータ圧縮する方式として、Ｚｉｖ−Ｌｅ
ｓｐｅｌ符号が知られている。このＺｌｖ−Ｌｅｍｐｅ
ｌ符号では、ユニバーサル型と増分分解型という２つの
アルゴリズム（詳しくは、例えば、宗像清治：　Ｚｉｖ
−Ｌｓ■ｐｅｔノテータ圧縮法、情報処理、Ｖｏｌ、２
６．Ｎｏ、１　（１９８５））が提案されている。この
２つのアルゴリズムの内のユニバーサル型のアルゴリズ
ムは、符号化済みの文字列の中から符号化対象の文字列
に最大長に一致する文字部分列を検索して、その文字部
分列を複製として符号化を実行する方式であって、増分
分解型よりも高いデータ圧縮率が実現できる方式である
。このようなアルゴリズムを実装していくにあたっては
、データの圧縮率をより高めてい（構成を採用していく
必要があるとともに、符号化された符号化データが利用
され易い形式となる構成にしていく必要があるのである
。

〔従来の技術〕

従来のＺｉシーＬｅｍｐｅｌ符号のユニバーサル型のア
ルゴリズムを例にして、符号化済みの文字列の中から符
号化対象の文字列に最大長に一致する文字部分列を検索
して、その文字部分列を複製として符号化を実行するデ
ータ圧縮方式の従来技術について説明する。ここで、Ｚ
ｉｖ−Ｌｅｍｐａｌ符号のユニバーサル型のアルゴリズ
ムは、より実際的な方法であるＬＺＳＳ符号（Ｔ、Ｃ，
Ｂｅ１１．”Ｂｅｔｔｅｒ　ＯＰＭルＴｅｘｔＣｏｍｐ
ｒｅｓｓｉｏｎ　　＊　　ＩＥＥ！！　　Ｔｒａｎｓ、
　　ｏｎ　　Ｃｏ＋ｕ＋ｕｎ、＋Ｖｏ１．３４Ｊｏ。

１２、　Ｄｅｃ、１９８６）に従って説明する。

従来では、第５図（ａ）に示すように、例えば４ビツト
のインデックス情報をもってこれから符号化する文字列
を格納するＱバッファ（４ビツトのインデックスに対応
して１６個の文字数を格納できる）と、第５図（ｂ）に
示すように、例えば１２ビツトのインデックス情報をも
って符号化済みの文字列を格納するＰバッファ（１２ビ
ツトのインデックスに対応して４０９６個の文字数を格
納できる）とを備えるよう構成する。そして、第６図に
示すように、Ｑバッファの文字列とＰバッファの文字列
とを照合し最大長に一致する文字部分列を求めて、この
求められた文字部分列を指定するために、１その文字部
分列のＰバッファにおける一致開始位置」と「その文字
部分列の一致長」とを符号化していくよう処理するとと
もに、Ｑバッファ内の符号化した文字列をＰバッファに
移して、Ｑバッファ内に符号化した文字列骨の新たな文
字列を入力していくことで符号化を実行していくよう処
理する。

そして、第７図に示すように、８個の符号化データ若し
くは生データを１組のデータとしてまとめるとともに、
このまとめられた各８個のデータが符号化データなのか
生データなのかを表示する８ビツトの識別データを先頭
に付加してこの１組のデータを出力していくよう処理す
ることで、符号化できない生データの蓄積・伝送を実行
するとともに、２バイトの符号化データよりも生データ
の方を蓄積・伝送した方が有利である場合においての生
データの蓄積・伝送を実行していくという構成を採るの
である。

〔発明が解決しようとする課題〕

このような従来技術にあって、データの圧縮率を高めて
いくためには、Ｐバッファの格納文字数を多くしていく
必要があるとともに、Ｑバッファの格納文字数を多くし
ていく必要がある。しかるに、ＰバッファとＱバッファ
の格納文字数を増加させると、符号化データが８ビツト
の倍数でな（なるため、データを転送する際にビット詰
め等の面倒な処理が強いられ極めて不便なものとなる。

そうかといりて、Ｐバッファのビット幅を１８ビツト、
Ｑバッファのビット幅を６ビツト等といったように符号
化データが３バイトになるようにすれば、符号化データ
のデータ量が著しく多くなってしまうという問題点がで
てくることになる。

本発明はかかる事情に鑑みてなされたものであって、符
号化済みの文字列の中から符号化対象の文字列に最大長
に一致する文字部分列を検索して、その文字部分列を複
製として符号化を実行するデータ圧縮方式において、符
号化された符号化データを処理し易い形式に保ちながら
データの圧縮率を高めることのできる新たなデータ圧縮
方式の提供を目的とするものである。

〔課題を解決するための手段〕

第１図は本発明の原理構成図である。

図中、１は本発明を具備する符号化処理装置、２は入力
データファイルであって、符号化対象のデータを格納す
るもの、３は出力データファイルであって、符号化デー
タを格納するもの、１０はファイル続出手段であって、
入力データファイル２からデータを読み出すもの、１１
は第１のバッファであって、例えば５ビツトのインデッ
クス情報に従って符号化対象の文字列を順次格納してい
くもの、１２は第２のバッファであって、例えば３個と
いった複数のバッファの接続により構成されて、符号化
済みの文字列を順次格納していくもの、１３は第２のバ
ッファ１２を構成する複数のバッファであって、各バッ
ファ１３のインデックス情報のビット数と第１のバッフ
ァ１１のインデックス情報のビット数との合計値がバイ
トの倍数になるようなビット数のインデックス情報に従
って符号化済みの文字列を順次格納してい（もの、１４
は文字列転送制御手段であって、ファイル続出手段１０
から第１のバッファ１１への文字列転送と、第１のバッ
ファ１１から第２のバッファ１２への文字列転送を制御
するもの、１５は符号化手段であって、第１のバッファ
１１の文字列と第２のバッファ１２の文字列とを照合す
ることで最大長に一致する文字部分列を求めるとともに
、対応するバッファ１３の先頭位置からのインデックス
情報により表されるこの文字部分列の一致開始位置情報
とこの文字部分列の一致長情報とを符号化するもの、１
６は出力手段であって、符号化手段１５により符号化さ
れる符号化データ若しくは生データの複数個を１＆Ｉｌ
のデータとして出力データファイル３に出力していくも
の、１７は出力手段１６が備える識別データ付加手段で
あって、１組のデータとして出力される符号化データの
一致開始位置の位置するバッファ１３の識別名と、１組
のデータとして出力される生データの識別子とを表示す
る識別データを、出力する１組のデータの先頭に付加し
ていくものである。

〔作用〕

本発明では、第１のバッファ１１が例えば５ビツトのイ
ンデックス情報に従って３２個の符号化対象の文字列を
格納してい（ときには、例えば３個設けられる各バッフ
ァ１３は、例えば１１ビットのインデックス情報を持つ
よう構成されることで２０４８個の文字数を格納できる
よう構成される。従って、このとき第２のバッファ１２
は、２０４８Ｘ　３個の文字数を格納できるよう構成さ
れる。

符号化手段１５は、この第１のバッファ１１を第６図で
説明したＱバッファとして用い、第２のバッファ１２を
第６図で説明したＰバッファとして用いて、第１のバッ
ファ１１の文字列と第２のバッファ１２の文字列とを照
合することで最大長に一致する文字部分列を求めて、こ
の求められた文字部分列の第２のバッファ１２における
位置を指定するために、「文字部分列の一致開始位置の
位置するバッファ１３の識別名」を特定する々ともに、
「その特定されたバッファ１３における文字部分列の一
致開始位置のインデックス情報」とｒ文字部分列の一致
長情報」とを符号化する。このようにして符号化される
符号化データは、１１ビツトのインデックス情報と一致
長情報の５ビツトとに従って２バイトで表されることに
なる。

そして、出力手段１６が符号化手段１５により符号化さ
れる２バイトの符号化データ若しくは生データの例えば
４個を１＆Ｉｌのデータとして出力データファイル３に
出力してい（ときにあって、識別データ付加手段１７は
、符号化データの元となったインデックス情報がどのバ
ッファ１３に係るものなのかを識別データの中に表示し
ていくよう処理することで、第２のバッファ１２中にお
ける文字部分列の一致開始位置を特定できるよう処理す
る。

このように、第６図に説明した従来技術であれば、１６
個の文字数しか格納できないＱバッファと４０９６個の
文字数しか格納できないＰバッファとに従って、２バイ
トの符号化データが生成されていたのに対して、本発明
によれば、例えば、３２個の文字数を格納できる第１の
バッファ１と２０４８Ｘ３個の文字数を格納できる第２
のバッファ１２とに従って、同じ２バイトの符号化デー
タを生成できるようになる。これから、符号化済みの文
字列の中から符号化対象の文字列に最大長に一致する文
字部分列を検索して、その文字部分列を複製として符号
化を実行するデータ圧縮方式において、符号化データを
例えば２バイトというバイトの倍数の処理し易い形式に
保ちながら、照合対象の文字数を増加させることでデー
タの圧縮率を高めることができるようになるのである。

〔実施例〕

以下、実施例に従って本発明の詳細な説明する。

第２図に、第５図で説明したところのＰバッファとＱバ
ッファについての本発明の一実施例を図示する。この第
２図（ａ）に示すように、本発明のＱバッファは、従来
のＱバッファより多くの文字数である例えば３２個の文
字数を格納できるように、例えば５ビツトのインデック
ス情報を有するもので構成される。一方、本発明のＰバ
ッファは、この第２図（ｂ）に示すように、例えばＰ、
バッフｙ　１３−ａ、　Ｐ、バッフｙ　１３−ｂ、、Ｐ
、バッファ１３−ｃという３個のバッファを接続するこ
とで構成されるもので、この各Ｐｉバッフｙ　１３−ｔ
（ｉ−ａ、ｂ。

Ｃ）は、各Ｐｉバッファ１３−１のインデックス情報の
ビット数とＱバッファのインデックス情報のビット数と
の合計値がバイトの倍数となるビット数のインデックス
情報を有するもので構成されることになる。具体的には
、各Ｐｉバッファ１３−１は、例えば１１ビツトという
同一のインデックス情報を有するもので構成される。従
って、本発明のＰバッファは、この１１ビツトのインデ
ックス情報に従って例えば２０４８Ｘ３個の文字数を格
納できることになる。

このように、第５図に図示した従来技術であれば、Ｑバ
ッファが１６個の文字数、Ｐバッファが４０９６個の文
字数しか格納できないのに対して、本発明では、Ｑバッ
ファが３２個の文字数、Ｐバッファが２０４８Ｘ３個の
文字数を格納できるように構成されるのである。

しかしながら、このようにＰバッファのインデックス情
報を多（すると、符号化データを２バイトの構成にでき
な（なり、データを転送する際にビット詰め等の面倒な
処理が強いられて橿めて不便なものになる。そこで、本
発明では、まとめて出力する１組のデータの先頭に付加
されることになる識別データ（第７図に図示しであるも
の）を利用して、求められる文字部分列の一致開始位置
が属するＰ、バッファ１３−１の識別名をこの識別デー
タに表示するよう構成するものである。そして、符号化
対象となる実際のＰバッファのインデックス情報（文字
部分列の一致開始位置情報を指定するもの）については
、一致開始位置が属するＰ、バッファ１３−１のインデ
ックス情報を使用することで１１ビツトで済ませるよう
にして、符号化データを従来通りの２バイトで実現でき
るよう構成するものである。

すなわち、本発明では、Ｐバッファを３個のＰ１バッフ
ァ１３−１で構成するときには、第３図に示すように、
まとめて出力する１組のデータを４個とするとともに、
８ビツトの職別データを２ビット単位に区切って、符号
化データの元となった文字部分列の一致開始位置がＰ、
バッファ１３−１に属するときにはこの２ビツトに“０
０”を割り付け、Ｐエバソファ１３−２に属するときに
は０１″を割り付け、Ｐ、バッファ１３−３に属すると
きには“１０’を割り付けることで、符号化データに関
してのインデックス情報がとのＰ、バッファ１３−４に
係るものであるのかを表示するよう構成するのである。

なお、生データについては、この識別データの２ビツト
に′１１”が割り付けられることになる。

次に、第４図のフローチャートに従って、このように構
成される本発明の符号化処理について説明する。

第４図のフローチャートのステップ１で示すように、先
ず最初に、符号化対象の文字列をＱバッファに読み込む
、続いて、ステップ２で、符号化対象とされるすべての
文字列の処理が終了したのか否かを判断する。この判断
で、未だ処理が終了していないと判断するときには、次
のステップ３で、ＰバッファとＱバッファとの照合処理
（以下、Ｐバッファスキャンと称する）を４回実行した
のか否かを判断する。すなわち、１組としてまとめて出
力する符号化データ・生データが得られたのか否かを判
断するのである。このステップ３の判断で未だ４回のＰ
バッファスキャンを実行していないと判断するときには
、ステップ４に進んでＰバッファスキャンを実行するこ
とで、Ｐバッファの中で一致する最大長の文字部分列を
求める処理を行う、このＰバッファスキャンのとき、３
個のＰ、バッファ１３−１に格納されている符号化済み
の文字列は、あたかも−続きの文字列として扱われるこ
とになる。

ステップ４でのＰバッファスキャンにより文字部分列が
無いと判断されるときには、ステップ５に進んで、生デ
ータを出力処理のために用意される出カバソファに格納
し、次のステップ６で、生データであることを表す識別
子を生データとの対応をとりつつ出力バッファに格納し
てから、続（ステップ７で、Ｐバッファの更新処理を実
行（このステップ６を経由するときには実質的な更新処
理は行われない）してステップ１に戻るよう処理する。

一方、ステップ４でのＰバッファスキャンにより文１部
分列が有ると判断されるときには、ステップ８に進んで
、その文字部分列の一致開始位置が属するＰｉバッファ
１３−１の識別名を検出するとともに、文字部分列の一
致開始位置が位置するインデックス情報をその検出され
たＰ、バッファ１３−ｉのインデックス情報に換算して
作成し、更に、文字部分列の一致長を検出する処理を実
行する。すなわち、第２図（ｂ）のＰバッファ構成で具
体的に説明するならば、作成されるインデックス値Ｉは
、検出される文字部分列の一致開始位置のインデックス
値■′から、次式に従って、＊　２１≦Ｉ”≦２”Ｘ２
−１のとき １−１’−２” ＊　２目×２≦■°≦２”Ｘ３−１のとき１−１’−２
”Ｘ２ で算出されることになる。

このようにして、ステップ８の処理により符号化すべき
インデックス値と一致長とが求まると、次のステップ９
で、従来技術と同様の処理に従って符号化データを作成
して出力バッファに格納し、続くステップ１０で、ステ
ップ８の処理により求められたＰ、バッファ１３−１の
識別名を符号化データとの対応をとりつつ出力バッファ
に格納してから、ステップ７に進んで、Ｐバッファの更
新処理を実行してステップ１に戻るよう処理する。なお
、このフローチャートでは省略しであるが、符号化デー
タよりも生データを蓄積・伝送した方が有利であること
が判明したときには、ステップ５及びステップ６での処
理が実行されることになる。

このようにして、Ｐバッファスキャンを繰り返し実行し
ていくと、ステップ３の判断でＰバッファスキャンを４
回実行したことが判断されることになるので、このとき
には、ステップ１１に進んで、出力バッファを参照する
ことで１組として出力することになる４個のデータに関
しての識別データを作成し、次のステップ１２で、出力
バッファを参照することで１組として出力することにな
る４個のデータをまとめるよう処理し、そして、続くス
テップ１３で、この識別データとまとめられたデータと
を図示しない出力ファイル等に出力してステップ１に戻
ることで、処理対象の文字列の符号化処理を実行してい
くよう処理することになる。

以上図示実施例について説明したが、本発明はこれに限
定されるものではない０例えば明細書中の数値は説明の
便宜のために用いたものであって、これに限られるもの
ではないのである。

〔発明の効果〕

以上説明したように、本発明によれば、符号化済みの文
字列の中から符号化対象の文字列に最大長に一致する文
字部分列を検索して、その文字部分列を複製として符号
化を実行するデータ圧縮方式において、照合処理の対象
となる文字列数を長くとれるようになることからデータ
圧縮率を高めることができるようになるとともに、符号
化データを例えば２バイトというようにバイトの倍数に
設定できるので、ビット詰め等の処理を必要とすること
なく符号化データを処理し易い形式に保てるのである。

【図面の簡単な説明】

第１図は本発明の原理構成図、 第２図は本発明のＰバッファとＱバッファの一実施例、 第３図は本発明の符号化データ構造の一実施例、第４図
は本発明が実行するフローチャート、第５図、第６図及
び第７図は従来技術の説明図である。 図中、■は符号化処理装置、２は入力データファイル、
３は出力データファイル、１０はファイル続出手段、１
１は第１のバッファ、１２は第２のバッファ、１３はバ
ッファ、１４は文字列転送制御手段、１５は符号化手段
、１６は出力手段、１７は識別データ付加手段である。

Claims (1)

1. 【特許請求の範囲】 符号化対象となる文字列を順次格納していく第１のバッ
   ファ（１１）と、符号化済みの文字列を順次格納してい
   く第２のバッファ（１２）と、該第１のバッファ（１１
   ）の文字列と該第２のバッファ（１２）の文字列とを照
   合することで最大長に一致する文字部分列を求めるとと
   もに、該文字部分列の該第２のバッファ（１２）におけ
   る一致開始位置情報と該文字部分列の一致長情報とを符
   号化する符号化手段（１５）と、該符号化手段（１５）
   により符号化される符号化データ若しくは符号化されな
   い生データの複数個を１組のデータとして出力していく
   とともに、この出力時に、該複数個のデータの各々が符
   号化データなのか生データなのかを表示する識別データ
   を付加して出力していくよう処理する出力手段（１６）
   とを備えるデータ圧縮方式において、上記第２のバッフ
   ァ（１２）を同一文字数を格納できる複数のバッファ（
   １３）で構成し、かつ、該各バッファ（１３）の格納で
   きる文字数と上記第１のバッファ（１１）の格納できる
   文字数との合計がバイトの倍数に従って表現できるよう
   構成し、 更に、上記符号化手段（１５）は、上記文字部分列の一
   致開始位置情報を該一致開始位置情報が属する上記バッ
   ファ（１３）の先頭位置からの位置情報に従って符号化
   するとともに、上記出力手段（１６）は、該一致開始位
   置情報が属する上記バッファ（１３）の識別名を上記識
   別データに表示することで符号化データが出力されてい
   ることを表示するよう処理することを、 特徴とするデータ圧縮方式。