JPH09503630A - 固定ビットレートのスピーチエンコーダ／デコーダ - Google Patents

Abstract

(57)【要約】 帯域(201)に配列された周波数係数のフレームを含むデジタル信号を送信する方法であって、上記周波数係数が、ある数のビットにより表される方法が提供される。この方法は、他の帯域の平均エネルギーに対する当該帯域のエネルギーに対応するクラス値(203)を各帯域ごとに発生することを含む。ビット数が所定のスレッシュホールド(220)を越えるときに、上記周波数係数のうち、最小のクラス値を有する帯域に属する周波数係数を排除することにより、ビット数は、上記所定のスレッシュホールド以下の値に減少される(222)。次いで、残りの周波数係数が送信される。

Description

【発明の詳細な説明】 明細書 固定ビットレートのスピーチエンコーダ／デコーダ添付資料 添付資料は、ハフマンエンコーダテーブルを示す。発明の背景 本発明は、通信チャンネルを経て送られる音声信号をエンコードしそしてその 後にデコードすることに関する。 遠隔会議及びテレビ会議の使用目的で送信される音声及び映像信号の合成帯域 幅は、使用できる通信チャンネルの帯域幅をしばしば越える。その結果、信号の 質を著しく低下せずに狭い帯域幅を用いて送信できるように音声及び映像信号を 圧縮する技術が開発された。 異なる圧縮手法を比較し得るようにするために、種々の規格団体が許容し得る 信号の質について指針を定めている。１つのこのような規格が国際７ｋＨｚ音声 規格、ＣＣＩＴＴ推奨勧告Ｇ．７２２であり、これは、４８，０００ビット／秒 の送信レートで７ｋＨｚの音声信号をデジタル送信する場合の音質指針を与える ものである。発明の要旨 本発明は、ＣＣＩＴＴ推奨勧告Ｇ．７２２と同等の音質を２４，０００ビット ／秒のみの送信レートで与える圧縮方式を提供するものであり、従って、使用で きるデジタル送信帯域を更に効率的に使用するものである。テレビ会議の使用目 的においては、音声送信に必要な送信レートをこのように下げることは、映像の 送信に更に多くの送信帯域を使用できることを意味し、ひいては、映像の質及び 全テレビ会議システムの性能を向上させる。 １つの特徴において、一般的に、本発明は、デジタル信号を送信する方法であ って、デジタル信号は、帯域に配列された周波数係数のフレームを含み、周波数 係数は、ある数のビットで表されることを特徴とする。各フレームに対し、他の 帯域の平均エネルギーに対する当該帯域のエネルギーに対応するクラス値が各帯 域ごとに発生される。周波数係数を表すビットの数が所定のスレッシュホールド を越えると、ビットの数は、最小のクラス値（ひいては、最低のエネルギー）を 有する帯域に属する周波数係数を排除することにより、所定スレッシュホールド 以下の値に減少される。次いで、残りの周波数係数が送信される。 低いクラス値を有する周波数係数を排除することにより、本発明は、周波数係 数の一部分しか送信できないときに、殆どの信号内容を有する周波数係数が送信 されるよう確保する。 好ましい実施形態においては、各帯域におけるエネルギーのスペクトル推定値 が発生され、スペクトル推定値は、クラス値の発生に使用される。更に、周波数 係数の各々に対するステップサイズが、その対応帯域に対するスペクトル推定値 に基づいて発生され、比較的高いエネルギーを有する帯域における周波数係数の ステップサイズは、比較的低いエネルギーを有する帯域における周波数係数のス テップサイズよりも大きい。 周波数係数は、周波数係数の値とそれに対応するステップサイズとの間の関係 に基づいて量子化されて、量子化周波数係数が発生され、これは、次いで、必要 に応じて減少されて送信される。クラス値が０の周波数帯域については、量子化 周波数係数が発生も送信もされない。 周波数係数に対するステップサイズをそれに対応する周波数帯域のエネルギー と共に変えることにより、本発明は、歪があまり容易にマスクされない低いエネ ルギー帯域よりも、高い信号エネルギーが歪を知覚的に良好にマスクし得る高い エネルギー帯域に多くのコード化歪を与える。その結果、聴取者は、歪を容易に 感じることはない。 一般に、量子化された周波数係数は、０の値をもつ連続的な量子化周波数係数 が一緒にエンコードされるようなエントロピーコード化機構を用いてエンコード される。典型的に、このコード化機構は、クラス値に依存し、ハフマンコードに 基づいている。 最後に、一部はクラス値に基づく量子化周波数係数を表すのに必要なビットの 数を更に制御するために、クラス値が変更される。図面の簡単な説明 図１は、本発明の好ましい実施形態によるエンコーダのブロック図である。 図２及び３は、図１のエンコーダのスペクトル推定量子化装置及び量子化装置 ルールジェネレータによって使用される手順のフローチャートである。 図４及び５は、図３の手順の特徴を示すグラフである。 図６及び７は、図１のエンコーダの量子化装置によって使用される手順のフロ ーチャートである。 図８は、図１のエンコーダに対するデコーダのブロック図である。好ましい実施例の詳細な説明 図１を参照すれば、固定ビットレートのスピーチエンコーダ１０は、アナログ 音声入力信号Ｉ（ｔ）をエンコードし、デジタル送信チャンネル２４を経て送信 する。ｔは、時間を表す変数である。エンコーダ１０は、低エネルギーのバック グランドノイズのような不必要な成分を排除すると共に、冗長な情報を最小にす ることにより、アナログ音声入力信号Ｉ（ｔ）を圧縮する。 最初、アナログ／デジタルコンバータ１２は、アナログ音声入力信号Ｉ（ｔ） をデジタル入力信号Ｉ（ｎ）に変換する。ｎは、時間の瞬間を表す整数である。 アナログ／デジタルコンバータ１２は１６ｋＨｚでサンプリングするので、デジ タル入力信号Ｉ（ｎ）は、毎秒１６，０００個のサンプルを含む。 ウインドウモジュール１４は、デジタル入力信号Ｉ（ｎ）を受け取り、そして Ｉ（ｎ）のサンプルをフレームＩ_F（ｎ）に分離する。これらフレームは、ここ に示す実施形態では、５１２個の連続するサンプルより成る。従って、ウインド ウモジュール１４は、ある瞬間に音声入力信号Ｉ（ｔ）の状態を各々表すサンプ ルを、その状態を更に拡張した時間幅にわたって表すフレームへとグループ分け する。フレームの始めと終わりに導入される不連続性の影響を低減するために、 各フレームは、手前のフレームからの最後の３２個のサンプルと、４８０個の新 たなサンプルとを含み、最初の３２個と最後の３２個のサンプルは、適当に重み 付けされる。現在のフレームの最後の３２個のサンプルは、次のフレームの始め に使用するためにバッファにセーブされる。従って、フレームは３０ミリ秒ごと に発生される。 離散的コサイン変換（ＤＣＴ）の変換モジュール１６は、各５１２サンプルの フレームを５１２個の周波数係数Ｆ（ｋ）の集合体へ変換する。但し、ｋはフレ ームのスペクトルにおける離散的周波数を表す整数である。周波数係数Ｆ（ｋ） は、フレームの周波数スペクトルを表し、フレームによって表された時間幅の間 に入力音声信号Ｉ（ｔ）に各周波数がどの程度存在したかを示す。５２個の最も 高い周波数の係数は、当該周波数レンジの外側の周波数に対応する（即ち、人間 のスピーチに通常関連した周波数ではない）ので、最初の４６０個の周波数係数 Ｆ（ｋ）のみがその後の処理に使用される。これらの４６０個の周波数係数は、 約７．２ｋＨｚの帯域幅に対応する（Ｆ（ｋ）当たり１５．６２５Ｈｚ）。もち ろん、ここに示す概念は、他の帯域幅、サンプリングレート及びビット送信レー トにも等しく適用できる。 次いで、スペクトル推定装置１８は、スペクトル推定値Ｓ（ｊ）を発生する。 但し、ｊは周波数帯域を表す整数である。スペクトル推定値Ｓ（ｊ）は、周波数 係数Ｆ（ｋ）から導出される輪郭であり、スペクトル包絡線のおおよその表示を 与える。エンコーダ１０は、スペクトル推定値Ｓ（ｊ）を、周波数係数Ｆ（ｋ） の特性に対するガイドラインとして使用する。ここに示す実施形態では、スペク トル推定値Ｓ（ｊ）は、最初の４６０個の周波数係数Ｆ（ｋ）から発生された２ ３個の成分を含み、その各々は、２０個の周波数係数の帯域の平均電力を表す。 スペクトル推定値Ｓ（ｊ）の成分は、式（Ｉ）に基づいて発生される。 但し、ｊの範囲は０から２２である。 スペクトル推定値量子化装置２０は、一連の数字の各数字がそれとその手前の 数字との差で表される差動パルスコード変調（ＤＰＣＭ）の良く知られた概念を 用いてスペクトル推定値Ｓ（ｊ）の成分を量子化する。例えば、０に初期化され た１のフィードバックをもつＤＰＣＭエンコーダは、一連の１、２、４、４を、 １（１−０）、１（２−１）、２（４−２）、０（４−４）としてエンコードす る。スペクトル推定値量子化装置２０がたどる手順１００が図２に示され、これ について以下に詳細に述べる。 量子化されたスペクトル推定値成分Ｑ_S(j)は、マルチプレクサ２２へ送られ、 デジタル送信チャンネル２４に沿って送信される。デジタル送信チャンネル２４ の他端にあるデコーダ５０（図８）は、量子化されたスペクトル推定値Ｑ_S(j)か らスペクトル推定値Ｓ（ｊ）を再構成し、そしてこの再構成されたスペクトル推 定値Ｓ_r（ｊ）を用いて、音声出力信号を発生する。しかしながら、スペクトル 推定値量子化装置２０の動作により、再構成されたスペクトル推定値Ｓ_r（ｊ） は、Ｓ（ｊ）に等しくない。それ故、スペクトル推定値量子化装置２０は、スペ クトル推定値Ｓ（ｊ）を再構成するためにデコーダ５０（図８）により使用され るスペクトル推定値デコード再構成装置５６（図８）の複製を含んでいて、再構 成されたスペクトル推定値Ｓ_r（ｊ）を、後で処理に使うために発生する。 又、図２を参照すれば、スペクトル推定値量子化装置２０は、スペクトル推定 値Ｓ（ｊ）の第１成分Ｓ（０）を他の成分とは異なる仕方で量子化し、そしてＳ （０）が直流利得情報を含むためにこのように行う。スペクトル推定値量子化装 置２０は、ステップサイズが６ｄＢの中間トレッド(mid-tread)量子化装置を使 用してＳ（０）の値を量子化し、Ｑ_S(0)を形成する（ステップ１０２）。中間ト レッド量子化装置は、単一ステップ内に入る全ての入力に同じ出力値を指定し、 そしてこの出力値をステップの中央に置く。例えば、６ｄＢのステップサイズで は、−３以上であって且つ３未満の入力に出力値０が指定され、そして３以上で あって且つ９未満の入力に出力値１が指定される。Ｑ_S(0)を表すのに４ビットが 使用され、これは、９６ｄＢ（２⁴＊６ｄＢ）のダイナミックレンジを許す。次 いで、Ｑ_S(0)が再構成され、Ｓ_r（０）を形成する（ステップ１０４）。 スペクトル推定値量子化装置２０は、次いで、Ｓ_r（０）を用いてＤＰＣＭエ ンコーダを初期化する（ステップ１０６）。その後に、スペクトル推定値量子化 装置２０は、６ｄＢのステップサイズ及び１のフィードバックを有する第１次の 中間トレッドＤＰＣＭエンコーダであるＤＰＣＭエンコーダを用いて、残りの２ ２個のスペクトル推定値成分Ｓ（１）・・・Ｓ（２２）を量子化する（ステップ １０８）。量子化された値は、全て、−８と１４との間の整数である（これは、 テーブル１に示すように、１５ビット未満のハフマンコードを許す）。次いで、 これら量子化された値は、テーブル１に基づいてハフマンコード化され、Ｑ_S(1) ・・・Ｑ_S(22)を形成する（ステップ１１０）。 フレームに対するエンコードされた値Ｑ_S(1)・・・Ｑ_S(22)は、Ｑ_S(0)の４ビ ットと共に、マルチプレクサ２２へ送られる（ステップ１１２）。エンコードさ れた値Ｑ_S(1)・・・Ｑ_S(22)は再構成され、再構成スペクトル推定値Ｓ_r（１）・ ・・Ｓ_r（２２）を形成する（ステップ１１４）。最後に、再構成スペクトル 推定値Ｓ_r（１）・・・Ｓ_r（２２）は、それらのエネルギーレベルに基づいて記 憶される（ステップ１１６）。 再び図１を参照すれば、量子化ルールジェネレータ２６は、再構成されたスペ クトル推定値Ｓ_r（ｊ）及びレート指数ｒを入力として受け入れる。量子化ルー ルジェネレータ２６は、再構成されたスペクトル推定値Ｓ_r（ｊ）により表され た周波数係数の各２０係数帯域に関連したクラス値Ｃ（ｊ）と、各周波数係数Ｆ （ｋ）に関連したステップサイズＳＴ（ｋ）とを発生する。 量子化ルールジェネレータ２６は、周波数係数Ｆ（ｋ）の信号エネルギーと共 に変化するステップサイズＳＴ（ｋ）を発生し、高い信号エネルギーを有する周 波数については大きなステップサイズを発生し、そして低い信号エネルギーを有 する周波数については小さなステップサイズを発生する。ステップサイズを変え ることにより、量子化ルールジェネレータ２６は、周波数スペクトルの高エネル ギー（ピーク）領域においては低エネルギー（谷）領域よりも多くの歪を許すと いう人間の聴覚系統の現象を利用する。ピーク領域における高い信号エネルギー は、これら領域に導入される量子化歪を良好にマスクできるので、聴取者は、歪 を容易に感じることがなく、エンコーダ１０は、量子化歪を最小にする必要がな い。同様に、谷領域における低い信号エネルギーは、これらの領域に導入される 量子化歪をほとんどマスクできないので、エンコーダ１０は、これらの領域にお いて量子化歪を最小にする。 この効果を達成する１つの特徴として、以下に詳細に説明するように、非常に 低いエネルギーを有する谷領域に対応する周波数係数に、０のクラス値Ｃ（ｊ） が指定される。０のクラス値Ｃ（ｊ）をもつ周波数係数は、全く量子化も送信も されない。又、以下に説明するように、デコーダ５０（図８）は、「ノイズ充填 (noise-fill-in)」と称する技術を使用して、低エネルギーの周波数係数の送信 失敗により生じる再構成スピーチの歪を最小にする。 又、図３を参照すれば、量子化ルールジェネレータ２６は、手順１５０を実行 する。先ず、量子化ルールジェネレータ２６は、スペクトル推定値Ｓ（ｊ）の２ ３個の成分の各々に対しクラス値Ｃ（ｊ）を発生する（ステップ１５２）。各ク ラス値は、２０の周波数係数の帯域（各々のＳ（ｊ）を導出するのに用いたも のと同じ帯域）に適用され、帯域のエネルギーをフレームの他の帯域の平均エネ ルギーに関連付ける。量子化ルールジェネレータ２６は、式（２）を用いてクラ ス値を発生する。 但し、ｒは、以下に述べるようにエントロピーコーダ３０により送られるビット 使用量に関連したレート指数であり、そしてＤ＝２３は、スペクトル推定値成分 の数である。一般に、フレームの全ての帯域の平均エネルギーに対してある帯域 のエネルギーが多い程、そのクラス値Ｃ（ｊ）は高くなる。 又、図４を参照すれば、量子化ルールジェネレータ２６は、式（３）を用いて スペクトル推定値Ｓ_r（ｊ）の２３個の再構成成分の各々に対し対数ステップサ イズパラメータｌｏｇ₂（ＳＳ（ｊ））を定義する（ステップ１５４）。 ｌｏｇ₂（ＳＳ（ｊ））＝ＭＭ＊Ｃ（ｊ）−ＫＫ＋ＩＩ （３） 但し、ＫＫは、式（４）で定義される。 図４に示すように、ＩＩは切片であり、ＭＭは予め定められた直線セグメントの 傾斜である。従って、ｌｏｇ₂（ＳＳ（ｊ））の値が視覚的に選択された場合に は、Ｃ（ｊ）の適当な値に対応する線セグメント上のポイントを見つけ、そして ＫＫを減算することになる。ここに示す実施形態において、量子化ルールジェネ レータ２６への全ての入力に対して一定であるＭＭ及びＩＩの値は、各々、０． ２０７６及び１．８８３９である。量子化ルールジェネレータ２６への所与の１ 組の入力に対し、ＫＫも一定である。 ステップ１５４において、対数のステップサイズを形成した後に、量子化ルー ルジェネレータ２６は、クラス値Ｃ（ｊ）を整数形態に変換する（ステップ１５ ６）。量子化ルールジェネレータ２６は、クラス値を式（５）、（６）、（７） に基づいて切断することによりこれを行う。 Ｃ（ｊ）＝ Ｃ（ｊ）＋１」 （５） Ｃ（ｊ）＋１」＜０の場合は、Ｃ（ｊ）＝０ （６） Ｃ（ｊ）＋１」＞１０の場合は、Ｃ（ｊ）＝１０ （７） 以下に述べるように、ゼロに等しいクラス値Ｃ（ｊ）に対するスペクトル推定値 Ｓ（ｊ）に対応する２０個の周波数係数Ｆ（ｋ）は、量子化も送信もされない。 又、図５を参照すれば、量子化ルールジェネレータ２６は、スペクトル推定値 Ｓ（ｊ）の成分から形成された対数ステップサイズｌｏｇ₂（ＳＳ（ｊ））の逆 対数により４６０個の周波数係数Ｆ（ｋ）に対するステップサイズＳＴ（ｋ）を 形成する。従って、２０係数帯域における全ての周波数係数Ｆ（ｋ）のステップ サイズＳＴ（ｋ）は、その帯域に対応するスペクトル推定値Ｓ（ｊ）のステップ サイズＳＳ（ｊ）に等しい。 量子化装置２８は、０より大きなクラス値を有する最初の４６０個の周波数係 数Ｆ（ｋ）を量子化し、量子化された係数Ｑ（ｋ）を形成する。０に等しいクラ ス値を有する周波数係数Ｆ（ｋ）は、デジタル送信チャンネル２４を経て送信さ れないので、量子化されない。各周波数係数Ｆ（ｋ）は、その周波数係数に対し 量子化ルールジェネレータ２６により発生されたＳＴ（ｋ）に等しいステップサ イズをもつ中間トレッド量子化装置を用いて量子化される。量子化された係数Ｑ （ｋ）の値は、テーブル２に基づいて各クラス値に対し所定の数値範囲に制限さ れる。クラス値に基づいて出力値の範囲を制限することにより、エントリピーコ ーダ３０においてハフマンエンコードテーブルにより占有されるメモリスペース を前もって決定することができる。というのは、ハフマンエンコードテーブルの サイズは、エンコードされるべき値の範囲、ひいては、その個数に基づくからで ある。 エントロピーコーダ３０は、量子化された係数Ｑ（ｋ）をエンコードして、コ ード化された係数Ｑ_C（ｋ）を形成する。エントロピーコーダ３０は、できるだ け大きな帯域幅の圧縮が達成されるよう確保しようと試みるコード化技術を使用 し、従って、実際に送信されるコード化係数Ｑ_C（ｋ）の最大数を、音質を犠牲 にせずに、できるだけ大きなものにする。送信されるコード化係数の個数を最大 にすることにより、エントロピーコーダ３０は、デコーダ５０（図８）によって 発生される音声出力が、使用できるデジタル送信帯域幅（即ち、２４，０００ビ ット／秒）に対して最高の音質となるように確保する。 エントロピーコーダ３０により使用されるコード化技術は、エントロピーコー ダ３０、量子化ルールジェネレータ２６及び量子化装置２８を含む独特のフィー ドバックループを備えている。このフィードバックループにより、エントロピー コーダ３０は、各フレームのコード化された係数Ｑ_C（ｋ）を表すのに必要なビ ット数を制御する。エントロピーコーダ３０は、レート指数ｒの値を繰り返し調 整しそしてその調整された値を量子化ルールジェネレータ２６へ供給することに よりこれを行う。レート指数ｒは、量子化ルールジェネレータ２６により出力さ れるステップサイズＳＴ（ｋ）及びクラス値Ｃ（ｊ）を制御し、これらは、次い で、量子化装置２８により出力される量子化された係数Ｑ（ｋ）の精度を制御す る。コード化された係数Ｑ_C（ｋ）を表すのに必要なビット数は、量子化された 係数Ｑ（ｋ）の精度に直接関連する（そして精度の上昇と共に増加する）ので、 エントロピーコーダ３０は、レート指数ｒを制御することによりこのビット数を 制御する。例えば、あるフレームに対しコード化された係数Ｑ_C（ｋ）を表すの に必要なビット数が、送信できる数を越えるときには、エントロピーコーダ３０ がレート指数ｒを減少する。これは、（ａ）各周波数係数ごとにステップサイズ を増加しそして（ｂ）特定帯域に対してクラス値を減少する傾向とすることによ り、量子化された係数Ｑ（ｋ）の精度を減少する。 又、図６を参照すれば、エントロピーコーダ３０、量子化装置２８及び量子化 ルールジェネレータ２６の組合せは、上記のフィードバック機構に基づいて使用 する最終的なビット数を制御するための手順２００を用いて、各入力フレームご とに、コード化された係数Ｑ_C（ｋ）を発生する。レート指数ｒにより維持され るフィードバックは、エントロピーコーダ３０が、２４，０００ビット／秒（又 は７２０ビット／入力フレーム）の使用可能なチャンネル帯域幅の完全な利用を 確保できるようにする。このフィードバックは、エンコードに使用される全ビッ ト数を支配し、その合計が、デジタル送信チャンネル２４を経て所与のフレーム （７２０ビット）を送信するのに許容された数にできるだけ近いものになるよう にする。 最初に、量子化装置２８は周波数係数Ｆ（ｋ）を分類し、周波数係数Ｆ（ｋ） の各２０の係数の帯域は、対応する再構成されたスペクトル推定値Ｓ_r（ｊ）の 分類された位置に基づき再配置される（ステップ２０１）。例えば、Ｓ_r（５） が最も高いエネルギーレベルを有し、そして再構成されたスペクトル推定値のリ ストの始めへ移動された場合に、Ｆ（１００）・・・Ｆ（１１９）は、周波数係 数のリストの始めへ移動される。 次いで、エントロピーコーダ３０は、レート指数ｒを０．１（ここに示す実施 形態において有用であると分かっている値）に初期化すると共に、繰り返しカウ ントｉを１に初期化する（ステップ２０２）。次いで、量子化ルールジェネレー タ２６は、レート指数ｒと、分類され再構成されたスペクトル推定値Ｓ_r（ｊ） に基づいてクラス値Ｃ（ｊ）を発生する（ステップ２０３）。クラス値Ｃ（ｊ） 及び分類された周波数係数Ｆ（ｋ）に基づき、量子化装置２８は、量子化された 係数Ｑ（ｋ）を発生する（ステップ２０４）。 クラス値Ｃ（ｊ）を用いて、以下に詳細に述べる手順２５０に基づきＱ（ｋ） の対応グループのハフマンコードを制御することによって、エントロピーコーダ ３０は、量子化された係数Ｑ（ｋ）をエンコードして、コード化された係数Ｑ_c （ｋ）を発生する（ステップ２０６）。以下に述べるように、量子化された係数 Ｑ（ｋ）をエンコードする間に、エントロピーコーダ３０は、フレームを表すの に必要な全ビット数ＴＢを、（ａ）コード化された係数Ｑ_C（ｋ）におけるビッ ト数と、（ｂ）量子化されたスペクトル推定値Ｑ_s(j)におけるビット数と、（ｃ ）ｒを表すのに必要なビット数との和に等しくセットする。 次いで、エントロピーコーダ３０は、ＴＢが上限スレッシュホールドＴＨを越 えるかどうか決定する（ステップ２０８）。ここに示す実施形態では、この上限 スレッシュホールドは７５６に等しく、それ故、デジタル送信チャンネル２４を 経ての送信に許されたビット数ＴＣ（７２０に等しい）を越える。ＴＢがＴＨよ り大きい場合には、エントロピーコーダ３０は、指数レートを減少する（ステッ プ２１０）。これは、次いで、次の繰り返し中にフレームをエンコードするのに 必要な全ビット数を（手前のレート指数ｒに比べたときに）式（８）に基づいて 減少する。 ｒ＝ｒ−Ｃ／ｉ （８） 但し、ｉは繰り返しカウントであり、Ｃは０．４５に等しい定数である。繰り返 しカウントは、各繰り返しごとにレート指数ｒが小さな量だけ変化するように、 レート指数ｒを変更するのに使用される。これは、レート指数ｒを最適値に接近 させることができる。例えば、レート指数ｒの初期値が非常に大きなＴＢを形成 し（レート指数ｒが大き過ぎたために）、そしてレート指数ｒに対する第１の繰 り返し値が非常に小さなＴＢを形成する（調整されたレート指数ｒが小さ過ぎた ために）場合には、レート指数ｒに対する第２の繰り返し値は、おそらく許容で きるＴＢを形成することになる（新たなレート指数ｒは、以下に述べるように、 大き過ぎるか又は小さ過ぎる手前の２つの値の間のどこかにあるからである）。 ＴＢがＴＨ以下である場合には、エントロピーコーダ３０は、ＴＢが下限スレ ッシュホールドＴＬより小さいかどうか決定する（ステップ２１２）。ここに示 す実施形態では、ＴＬは７２０に等しく、それ故、ＴＣにも等しい。ＴＢがＴＬ より小さい場合には、エントロピーコーダ３０は、指数レートを増加し（ステッ プ２１４）、これは、次いで、次の繰り返し中にフレームをエンコードするのに 必要な全ビット数を（手前のレート指数ｒに比べたときに）式（９）に基づいて 増加する。 ｒ＝ｒ＋Ｃ／ｉ （９） 但し、ｉは繰り返しカウントであり、Ｃは０．４５に等しい定数である。 ＴＢがＴＨより大きいかＴＬより小さい場合には、エントロピーコーダ３０は 繰り返しカウントを増加し（ステップ２１６）、そして新たな繰り返しカウント が所定の最大値（ここに示す実施形態では４に等しい）を越えるかどうか決定す る（ステップ２１８）。繰り返しカウントが最大値を越えない場合には、同じフ レームに対し、量子化ルールジェネレータ２６は、新たなクラス値Ｃ（ｊ）を発 生し（ステップ２０３）、そして量子化装置２８は、新たな量子化係数Ｑ（ｋ） を発生し（ステップ２０４）、これらはエントロピーコーダ３０によりエンコー ドされる（ステップ２０６）。 繰り返しカウントが最大値を越える場合、又はＴＢがＴＨ以下であり且つＴＬ 以上である場合には、エントロピーコーダ３０は、ＴＢがＴＣより大きいかどう か決定する（ステップ２２０）。もしそうならば、エントロピーコーダ３０は、 最低のクラス値を有する帯域内の最高周波数に対応する係数でスタートして、最 高のクラス値を有する帯域内の最低周波数に対応する係数に向かって作用するこ とにより、転送されるべきフレームにおけるコード化係数Ｑ_C（ｋ）の数を減少 し（ステップ２２２）、そしてＴＢがＴＣ−１６以下になるまでこれを行う。転 送されるべきコード化係数Ｑ_C（ｋ）の数を減少した後に、エントロピーコーダ ３０は、コード化係数Ｑ_C（ｋ）の終わりに、１６ビットまでの長さであるブロ ック終了記号を挿入する（ステップ２２４）。この記号は、全ての量子化係数Ｑ （ｋ）がコード化係数Ｑ_C（ｋ）として転送のためにエンコードされたのではな いことをデコーダに指示する。最終的に、エントロピーコーダ３０は、コード化 係数Ｑ_C（ｋ）をマルチプレクサ２２へ送信する（ステップ２２６）。 図７を参照すれば、コード化係数Ｑ_C（ｋ）を形成すると共に、レート指数ｒ の特定の値に対してＴＢを決定するために、スタートアップ（ステップ２５２） の後に、エントロピーコーダ３０は、ｊの値を得る（ステップ２５４）。ｊの値 は、量子化係数Ｑ（ｋ）の分類された順序に基づく。例えば、第１の量子化係数 Ｑ（ｋ）がＱ（４０）である場合には、エントロピーコーダ３０は、ｊを２に等 しくセットする（即ち、ｊは、ｋが４０ないし５９に等しいときに、２に等しく なる）。 次いで、エントロピーコーダ３０は、クラス値Ｃ（ｊ）が０より大きいかどう か決定する（ステップ２５６）。もしそうならば、エントロピーコーダ３０は、 クラス値Ｃ（ｊ）に基づいてハフマンエンコーダテーブルを選択する（ステップ ２５８）。１と１０との間のクラス値Ｃ（ｊ）の各々に対して１つづつ、１０個 のハフマンエンコーダテーブルがある。１のクラス値に対するハフマンエンコー ダテーブルは、テーブル４として以下に示し、２ないし１０のクラス値に対する ハフマンエンコーダテーブルは、添付資料に含まれている。既に述べたように、 関連クラス値Ｃ（ｊ）が０に等しいときには量子化係数Ｑ（ｋ）は発生されず、 従って、ハフマンエンコーダテーブルは、このクラス値については必要でない。 ハフマンエンコーダテーブルを選択した後に、エントロピーコーダ３０は、変数 ｘを初期化する（ステップ２６０）。殆どの場合に、ｘは０に初期化される。し かしながら、以下に述べるように、一連の連続する０が帯域境界を含むときは、 ｘは、その一連の連続する０を考慮するために何らかの他の値に初期化される。 選択されたハフマンエンコーダテーブルに基づいて、エントロピーコーダ３０ は、量子化係数Ｑ（２０ｊ＋ｘ）と、連続する０の値を有するその後の量子化係 数を、一連の１５個のこのような係数まで一緒にエンコードする（ステップ２６ ２）。このようなその後の０値の量子化係数が存在するときには、エントロピー コーダ３０は、ｊを更新すると共に、エンコード係数を考慮するように必要に応 じてｘを増加する。例えば、ｊが３に等しく、ｘが１５に等しくそして量子化係 数Ｑ（７５）の後に一連の４個の連続する０が続く（これは、３に等しいｊによ り定められた帯域を完成する）場合には、エントロピーコーダ３０は、ｘを １９に等しくセットする。次の帯域が、例えば、一連の５個の付加的な連続する ０で始まった場合には、エントロピーコーダ３０は、これらの０もエンコードし 、そして（ステップ２６０において）ｘを５に初期化する。 Ｑ（２０ｊ＋ｘ）をエンコードするために、エントロピーコーダ３０は、先ず テーブル３に示した所定の１組のカテゴリーの中のどのカテゴリーが量子化係数 Ｑ（２０ｊ＋ｘ）を含むか決定する。 カテゴリーと、連続する０値の量子化係数の個数（０から１５の範囲のランレ ングス）は、１バイトとして一緒に表される。このバイトに値「１」が追加され て、バイトが決して０にならないよう確保される（０の値は、特殊なブロック終 了記号を表すのに使用されるので）。次いで、このバイトの新たな値が、既に選 択されたハフマンエンコーダテーブルから選択される。ハフマンエンコーダテー ブルにおけるエントリーの数は、クラス値と共に変化する。というのは、クラス 値は、量子化係数の値の範囲を制限し、ひいては、考えられるカテゴリーの数を 制限するからである。例えば、テーブル４に示すように、１のクラス値に対して ハフマンエンコーダテーブルには４９のエントリーがある。これらの４９のエン トリーは、３つの考えられるカテゴリー（０、１又は２）と、１６個の考えられ るランレングスとの積、及びブロック終了記号に対応する。 カテゴリー及びランレングスをエンコードした後に、量子化係数の実際の値が カテゴリー内の指数としてエンコードされる。この指数は、カテゴリーに等しい 振幅ビットとして知られている一連のビットによって表される。従って、カテゴ リー３には３つの振幅ビットがあり、そしてカテゴリー１には１つの振幅ビット のみがある。振幅ビットは、ハフマンコードの終わりに添付され、エンコードさ れた量子化係数Ｑ_C（２０ｊ＋ｘ）を形成する。 量子化係数をエンコードした後に、エントロピーコーダ３０は、ＴＢがＴＨを 越えるかどうか決定する（ステップ２６４）。もしそうでなければ、エントロピ ーコーダは、ｘを１だけ増加する（ステップ２６６）。ｘの増加された値が２０ 未満である場合には（ステップ２６８）、エントロピーコーダ３０は、次の量子 化係数Ｑ（２０ｊ＋ｘ）をエンコードする（ステップ２６２）。 ｘの増加された値が２０に等しいか（ステップ２６８）又はＣ（ｊ）が０に等 しい（ステップ２５６）場合には、エントロピーコーダ３０は、ｊが分類された 量子化係数Ｑ（ｋ）の最後の帯域を表すかどうか決定する（ステップ２７０）。 もしそうでなければ、エントロピーコーダ３０は、ｊの新たな値を得る（ステッ プ２５４）。 ｊが分類された量子化係数Ｑ（ｋ）の最後の帯域を表す（ステップ２７０）か 又はＴＢがＴＨより大きい（ステップ２６４）場合には、エントロピーコーダ３ ０は、上記のようにＱ（ｋ）のエンコードを停止する（ステップ２７２）。 図８を参照すれば、デコーダ５０は、デマルチプレクサ５２を備え、これは、 到来する２４ｋビット／秒のビット流を受け取り、そしてそれを量子化スペクト ル推定値Ｑ_s(j)、レート指数ｒ、及びコード化された係数Ｑ_C（ｋ）（これらは 量子化スペクトル推定値Ｑ_s(j)がデコードされた後にデコードされる）に分割す る。この情報に基づいて、エンコーダ１０（図１）により使用されるハフマンコ ードテーブルのコピーと、デコーダ１０のスペクトル推定量子化装置２０に埋設 されるＤＰＣＭデコーダ及び量子化ルールジェネレータ２６の複製とを有するの に加えて、このデコーダ５０は、エンコーダ１０に供給されるアナログ音声信号 Ｉ（ｔ）の厳密な近似であるアナログ音声出力信号Ｏ（ｔ）を発生する。 スペクトル推定デコーダ５４は、量子化スペクトル推定値Ｑ_s(j)からデコード された量子化スペクトル推定値Ｑ_D（ｊ）を発生する。スペクトル推定デコーダ ５４は、Ｑ_S(0)に対して非ハフマンコード化記号（４ビット）をデコードし、そ してハフマンは、残りの２２個のスペクトル推定値Ｑ_S(1)・・・Ｑ_S(22)をデコ ードする。スペクトル推定値再構成装置５６は、スペクトル推定値量子化装置２ ０（図１）に埋設されたＤＰＣＭデコーダと同等のＤＰＣＭデコーダを使用して 再構成されたスペクトル推定値Ｓ_r（ｊ）を発生する。ＤＰＣＭデコーダの初期 状態は、Ｑ_S(0)の再構成レベルに基づいてセットされる。次いで、エンコーダ１ ０（図１）の場合と同様の量子化ルールジェネレータ２６が、フレームに対して 再構成されたスペクトル推定値Ｓ_r（ｊ）及び送信されたレート指数ｒからクラ ス値Ｃ（ｊ）及びステップサイズＳＴ（ｋ）を発生する。 エントロピーデコーダ５８は、量子化ルールジェネレータ２６からのクラス値 Ｃ（ｊ）を使用して、コード化された係数Ｑ_C（ｋ）を、デコードされた係数Ｑ （ｋ）へとデコードする。クラス値Ｃ（ｊ）は、どのハフマンデコードテーブル を用いて各係数をデコードするか指示する。又、エントロピーデコーダ５８は、 デコードされた係数Ｑ（ｋ）を分類し、デコードされた係数Ｑ（ｋ）を周波数の 順序で配置する（デコーダ１０により送信されたクラス値の順序ではなくて）。 周波数係数再構成装置６０は、ステップサイズＳＴ（ｋ）を用いて、デコードさ れた係数Ｑ（ｋ）を再構成された周波数係数Ｆ_r（ｋ）に変換する。周波数係数 再構成装置６０は、元の周波数係数Ｆ（ｋ）に対して優れた平均平方エラーマッ チングを生じる均一スレッシュホールド量子化装置を使用する。 ノイズ充填モジュール６２は、信号内容の不充分な周波数帯域を考慮し、信号 内容の不充分なこれらの周波数帯域を変更することにより周波数係数Ｆ_rn（ｋ） を発生する。ノイズ充填は、３つの形式の周波数帯域において使用され、それら は、（ａ）クラス値Ｃ（ｊ）が０に等しいために送信されなかった帯域、（ｂ） 全ての再構成された周波数係数Ｆ_r（ｋ）が０に等しいような帯域、及び（ｃ） 再構成された周波数係数Ｆ_r（ｋ）の全エネルギーが、そのＦ_r（ｋ）に対応する 再構成されたスペクトル推定値Ｓ_r（ｊ）よりも、ここに示す実施形態では６ｄ Ｂである所定の量だけ小さいような帯域である。これらの各々の場合に、対応す るスペクトル推定値の平方に等しい分散（Ｓ_r（ｊ））²を有するランダムノ イズが、信号内容の不充分な周波数帯域の再構成された周波数係数Ｆ_r（ｋ）を このランダムノイズに置き換えることにより注入される。不所望な高い周波数に 対応するために決して送信されない周波数係数（ｋ＞４５９）についてはノイズ 充填が使用されないことに注意されたい。 ノイズ充填モジュール６２は、ノイズ充填を使用しなければ聴取者に聞こえる であろう歪を主観的にマスキングできるようにし、高品質の低ビットレートエン コーダを形成する。ノイズ充填は、位相歪に対する耳の見掛け上の不感性を利用 するものである。 ノイズ充填モジュール６２は、ノイズを発生するためのゼロ平均ランダム番号 ジェネレータを使用する。ランダムジェネレータの分散は、上記のように、考慮 されている特定のスペクトル推定値Ｓ_r（ｊ）に等しくなるように調整される。 一定のノイズ係数がノイズ分散に対し最終調整として使用されると共に、注入さ れるランダムノイズの分散をスケーリングするのに使用される。ここに示す実施 形態では、ノイズ係数は２．３に等しい。 次いで、逆変換モジュール６４は、周波数係数Ｆ_rn（ｋ）の各フレームを時間 ドメインにおける５１２のサンプルフレームＯ_F（ｎ）に変換する。変換を実行 する前に、逆変換モジュール６４は、４５９より大きなｋに対しＦ_rn（ｋ）の全 ての値を０に等しくセットし、これにより、逆変換器への入力として使用するた めの１組の５１２の周波数係数を形成する。ウインドウモジュール６６は、各フ レームからの最初の４８０個のサンプルをデジタル出力信号Ｏ（ｎ）として出力 する。ウインドウモジュール６６は、各フレームからの最後の３２個のサンプル を保持し、そしてこれらサンプルを次のフレームの最初の３２個のサンプルと共 に、出力前に、適切にウインドウ処理する。最後に、デジタル／アナログコンバ ータ６８は、デジタル出力信号Ｏ（ｎ）を音声出力信号Ｏ（ｔ）へ変換する。 このように、本発明により動作すると、通常音声信号に許された帯域幅の半分 のみを使用するだけで、審美的に満足を与える高質の音響再現を得ることができ る。 他の実施形態は、請求の範囲に記載する。例えば、離散的フーリエ変換のよう な他の変換をＤＣＴ変換に置き換えることができ及び／又は線型予想技術をスペ クトル推定値に置き換えることができる。同様に、演算コード化をハフマンコー ド化に置き換えることもできる。

───────────────────────────────────────────────────── フロントページの続き (81)指定国 ＥＰ(ＡＴ，ＢＥ，ＣＨ，ＤＥ， ＤＫ，ＥＳ，ＦＲ，ＧＢ，ＧＲ，ＩＥ，ＩＴ，ＬＵ，Ｍ Ｃ，ＮＬ，ＰＴ，ＳＥ)，ＣＡ，ＪＰ (72)発明者 ファン ジキソン アメリカ合衆国 マサチューセッツ州 02135 ブライトン ブロック ストリー ト １―40

Claims (1)

1. 【特許請求の範囲】 １．帯域に配列された周波数係数のフレームを含むデジタル信号を送信するた めの方法であって、各フレームに対する上記周波数係数は、フレームで決定され るビット数により表され、上記方法は、各フレームごとに、 他の帯域の平均エネルギーに対する当該帯域のエネルギーに対応するクラス値 を各帯域ごとに発生し、 上記ビット数が所定のスレッシュホールドを越えるときに、上記周波数係数の うち、最小のクラス値を有する帯域に属する周波数係数を排除することにより、 上記ビット数を上記所定のスレッシュホールド以下の値に減少し、そして 上記減少段階で排除されなかった上記周波数係数を送信する、 という段階を備えたことを特徴とする方法。 ２．各々の帯域におけるエネルギーのスペクトル推定値を発生する段階を更に 備え、上記クラス値は、上記スペクトル推定値に基づいて発生される請求の範囲 第１項に記載の方法。 ３．対応する帯域のスペクトル推定値に基づいて各々の周波数係数ごとにステ ップサイズを発生し、比較的高いエネルギーを有する帯域における周波数係数の ステップサイズは、比較的低いエネルギーを有する帯域における周波数係数のス テップサイズより大きく、 周波数係数の値とそれに対応するステップサイズとの間の関係に基づいて上記 周波数係数の各々を量子化して、量子化された周波数係数を発生し、 上記減少及び送信段階は、上記量子化された周波数係数に基づいて動作する、 という段階を更に備えた請求の範囲第２項に記載の方法。 ４．対応する帯域のスペクトル推定値に基づいて各々の周波数係数ごとにステ ップサイズを発生し、比較的高いエネルギーを有する帯域における周波数係数の ステップサイズは、比較的低いエネルギーを有する帯域における周波数係数のス テップサイズより大きく、 周波数係数の値とそれに対応するステップサイズとの間の関係に基づいて上記 周波数係数の各々を量子化して、量子化された周波数係数を発生し、 上記クラス値を用いて上記量子化された周波数係数をエンコードして、エンコ ードされた量子化周波数係数を発生し、そして 上記減少及び送信段階は、上記エンコードされた量子化周波数係数に基づいて 動作する、 という段階を更に備えた請求の範囲第２項に記載の方法。 ５．上記エンコードされた量子化周波数係数は、多数のビットによって表され 、この数は上記クラス値に影響されるものであり、上記方法は、更に、上記ビッ ト数を制御するように上記クラス値を変更する段階を含む請求の範囲第４項に記 載の方法。 ６．上記エンコード段階は、０の値を有する連続する量子化周波数係数を一緒 にエンコードするエントロピーコード化を使用する請求の範囲第４項に記載の方 法。 ７．上記クラス値は、上記量子化周波数係数を発生するのに使用される請求の 範囲第３項に記載の方法。 ８．上記量子化周波数係数は、クラス値が０の帯域については発生も送信もさ れない請求の範囲第７項に記載の方法。