JPH10200858A - 映像信号および音声信号の符号化装置、符号化方法、復号装置および復号方法並びに記録媒体 - Google Patents

Abstract

(57)【要約】 【課題】 ＭＰＥＧ２で圧縮された映像データと、ＡＴ
ＲＡＣで符号化された音声データとの同期を取り記録媒
体に記録／再生を行うとができる。 【解決手段】 記録媒体１３には、ＧＯＰ単位で記録／
再生を行う。ＧＯＰは、ヘッダ情報、映像データおよび
音声データから構成される。１ＧＯＰは、例えば１５フ
レーム（約０．５秒）からなり、音声データのサンプル
数を整数個とするために、サンプリング周波数を４８．
０kHz と設定される。このときのサンプル数が２４，０
２４個であり、このサンプル数を４７個のサウンドグル
ープに分ける。１サウンドグループのサンプル数は、５
１１個または５１２個となる。５１１個のサンプル数の
サウンドグループを扱うときは、例外処理として、１つ
前のサンプルをダミーとして用い、５１２個のサウンド
グループとして処理を行う。このサウンドグループが５
１１個か５１２個かは、ヘッダ情報に記録される。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】この発明は、異なる単位で圧
縮が施された映像信号および音声信号を同期させること
が可能な映像信号および音声信号の符号化装置、符号化
方法、復号装置および復号方法並びに記録媒体に関す
る。

【０００２】

【従来の技術】現在、音声信号に圧縮処理を施し、ディ
スクまたはテープ等の記録媒体に記録／再生を行う手法
として、標準化されたＡＴＲＡＣ（Adaptive Transform
Acoustic Coding）が知られている。このＡＴＲＡＣ
は、ＭＤ（Mini Disk ）に採用されている。また、映像
信号と音声信号とに圧縮処理を施し、ディスクまたはテ
ープ等の記録媒体に記録／再生を行う手法として、標準
化されたＭＰＥＧ２（Moving Picture Experts Group p
hase 2）が知られている。このＭＰＥＧ２は、ＤＶＤ
（Digital Video Disk）やディジタル放送等に採用され
ている。

【０００３】

【発明が解決しようとする課題】映像信号を圧縮してデ
ィスクやテープ等のメディアに記録する方式が多数提案
されている。その１つが上述したＭＰＥＧ２であり、こ
のＭＰＥＧ２では、映像信号の圧縮が１５フレーム（約
０．５秒）単位で行われるものが主流となりつつある。
この圧縮の単位をＧＯＰ（Group of Pictures ）と呼
ぶ。ＮＴＳＣ方式において、ＧＯＰの時間は、正確に
は、１００１／２０００秒と規定されており、この単位
で映像信号と音声信号の同期を取るためには、音声信号
のサンプリング周波数とＧＯＰ周波数（２０００／１０
０１Hz）がある関係、例えば整数比の関係になければい
けない。

【０００４】具体的には、ＭＤやＣＤ等で用いられるサ
ンプリング周波数は、４４．１kHzであるが、この周波
数では、１ＧＯＰ（１００１／２０００秒）の中のサン
プル数が２２，０７２．０５個と小数になり、映像信号
と音声信号の同期を取るのは困難であった。すなわち、
これら標準化された圧縮の手法において、相互間で利用
することは困難であった。

【０００５】従って、この発明の目的は、例えば上述の
ＡＴＲＡＣおよびＭＰＥＧ２のように、異なる単位で圧
縮された映像信号および音声信号を同期させることが可
能な映像信号および音声信号の符号化装置、符号化方
法、復号装置および復号方法並びに記録媒体を提供する
ことにある。

【０００６】

【課題を解決するための手段】請求項１に記載の発明
は、映像データをＭＰＥＧで符号化し、圧縮映像データ
を生成する映像符号化手段と、圧縮映像データのＧＯＰ
単位で一定となるサンプル数が含まれるように、音声信
号のサンプリング周波数を設定し、サンプリング周波数
で音声信号をディジタル化するＡ／Ｄ変換手段と、Ａ／
Ｄ変換手段からの音声データを符号化し、符号化音声デ
ータを生成する音声符号化手段と、符号化音声データを
複数個のグループに分け、圧縮映像データおよび複数の
グループに分けられた符号化音声データをＧＯＰ毎に記
録媒体に記録する記録手段とからなることを特徴とする
映像信号および音声信号の符号化装置である。

【０００７】請求項４に記載の発明は、記録媒体に記録
された圧縮映像データおよび符号化音声データをＧＯＰ
単位で読み出す読み出し手段と、圧縮映像データをＭＰ
ＥＧで復号し、映像データを復号する映像復号手段と、
符号化音声データをＧＯＰのヘッダ情報に基づいて復号
し、音声データを復号する音声復号手段と、映像データ
および音声データをＧＯＰ単位で同期させる手段とから
なることを特徴とする映像信号および音声信号の復号装
置である。

【０００８】請求項６に記載の発明は、映像データをＭ
ＰＥＧで符号化し、圧縮映像データを生成するステップ
と、圧縮映像データのＧＯＰ単位で一定となるサンプル
数が含まれるように、音声信号のサンプリング周波数を
設定し、サンプリング周波数で音声信号をディジタル化
するステップと、ディジタル化された音声データを符号
化し、符号化音声データを生成するステップと、符号化
音声データを複数個のグループに分け、圧縮映像データ
および複数のグループに分けられた符号化音声データを
ＧＯＰ毎に記録媒体に記録するステップとからなること
を特徴とする映像信号および音声信号の符号化方法であ
る。

【０００９】請求項７に記載の発明は、記録媒体に記録
された圧縮映像データおよび符号化音声データをＧＯＰ
毎に読み出すステップと、圧縮映像データをＭＰＥＧで
復号し、映像データを復号するステップと、符号化音声
データをＧＯＰのヘッダ情報に基づいて復号し、音声デ
ータを復号するステップと、映像データおよび音声デー
タをＧＯＰ単位で同期させるステップとからなることを
特徴とする映像信号および音声信号の復号方法である。

【００１０】請求項８に記載の発明は、ＭＰＥＧが施さ
れた圧縮映像データと、符号化が施された符号化音声デ
ータとを記録するようにした記録媒体において、圧縮映
像データおよび符号化音声データを記録する記録部を有
し、記録部には、ＧＯＰを単位として、ヘッダ情報と、
圧縮映像データと、符号化音声データが記憶され、符号
化音声データは、ＧＯＰ単位で一定となるようにディジ
タル化された音声データを符号化すると共に、ＧＯＰ単
位のサンプル数が複数個のグループに分けられるように
形成されたことを特徴とする記録媒体である。

【００１１】この発明は、映像信号をＭＰＥＧで圧縮を
施し、音声信号をＡＴＲＡＣで圧縮を施した後、１ＧＯ
Ｐを単位として、同期が取られ、記録媒体に記録するこ
とができる。また、記録媒体に記録されたデータは、１
ＧＯＰ毎に再生することができ、そのときの映像信号と
音声信号との同期も容易にとることができる。そして、
記録媒体に記録されたデータは、１ＧＯＰ毎にアフレコ
（アフターレコーディング）を行うこもでき、映像信号
および音声信号、また音声信号のみでも容易にアフレコ
を行うことができる。

【００１２】

【発明の実施の形態】以下、この発明の一実施例を図面
を参照して説明する。この一実施例では、ＡＴＲＡＣに
より圧縮されるオーディオデータのサンプリング周波数
をＤＶＤ等で用いられている４８．０kHz とする。４
８．０kHz のサンプリング周波数では、１ＧＯＰの中に
２４，０２４個の整数個のサンプリング点が存在するこ
とになる。それによって、映像信号と音声信号との同期
をとることを可能とするものである。なお、サンプリン
グ周波数としては、４８．０kHz に限らず他の周波数、
例えば９６．０kHz を使用しても良い。

【００１３】この発明の一実施例の全体ブロック図を図
１に示す。まず、記録側において、１で示すビデオカメ
ラから音声信号および映像信号が出力される。ビデオカ
メラ１から出力される音声信号はＭＩＣ．ＯＵＴとし
て、Ｌチャンネルの音声信号がＡ／Ｄ変換器２へ供給さ
れ、Ｒチャンネルの音声信号がＡ／Ｄ変換器３へ供給さ
れる。Ａ／Ｄ変換器２および３は、クロック発生器（Ｃ
ＬＫ ＧＥＮ）５から供給された４８．０kHz の周波数
のサンプリングクロックによって、ディジタル化を行
う。

【００１４】Ａ／Ｄ変換器２および３からの音声データ
は、メモリ６へ供給される。メモリ６は、映像データと
音声データのタイミングを調整するためのものである。
ＣＰＵ１２の制御によって、メモリ６から音声データが
ＡＴＲＡＣエンコーダ８へ供給される。音声データは、
例えば１６ビットからなるリニアＰＣＭ（Pulse CodeMo
dulation ）データであり、時分割されたＬチャンネル
とＲチャンネルの音声信号である。ＡＴＲＡＣエンコー
ダ８では、ＣＰＵ１２からのコントロール信号に基づい
て、後述するようにＧＯＰに対応する音声データが４７
個のサウンドグループに分けられる。サウンドグループ
に分けられた音声信号は、マルチプレクサ（ＭＵＸ）１
０へ供給される。

【００１５】映像信号は、ビデオカメラ１からＣＣＤ
ＯＵＴとして、Ａ／Ｄ変換器４へ供給される。Ａ／Ｄ変
換器４には、クロック発生器５から１３．５kHz の周波
数のサンプリングクロックが供給され、映像信号がディ
ジタル化される。ディジタル化された映像データは、カ
メラプロセス回路７へ供給される。カメラプロセス回路
７では、γ補正およびアパーチャ補正等のカメラ信号処
理が行われ、輝度データＹおよび色差データＣが生成さ
れる。この色差データＣは、時分割された色差データＣ
ｂ（青の色差データ）および色差データＣｒ（赤の色差
データ）からなる。輝度データＹおよび色差データＣ
は、それぞれ８ビットのデータとしてＭＰＥＧエンコー
ダ９へ供給される。ＭＰＥＧエンコーダ９では、ＣＰＵ
１２からのＧＯＰを指示する信号等のコントロール信号
に基づいて、輝度データＹおよび色差データＣがＭＰＥ
Ｇ２で符号化される。符号化された映像データは、マル
チプレクサ１０へ供給される。

【００１６】マルチプレクサ１０は、符号化された音声
データと符号化された映像データとＣＰＵ１２からのヘ
ッダ情報とが供給され、ヘッダ情報の付加、音声信号の
例外処理を行う。マルチプレクサ１０からは、図２に示
すように映像信号と音声信号とヘッダ情報が合成された
記録データが出力される。記録データは、チャンネルコ
ーディング回路１１へ供給される。チャンネルコーディ
ング回路１１では、（１，７）ＲＬＬの変調、スクラン
ブルおよびエラー訂正のエンコーディング等の処理が行
われる。これらの処理が施されたデータは、ビットスト
リームで記録媒体１３へ記録される。この記録媒体１３
は、磁気または光テープ、ＭＯ（光磁気）ディスク等の
記録可能なディスク、メモリカード等の半導体メモリ等
である。

【００１７】次に再生側において、記録媒体１３からビ
ットストリームで読み出されたデータは、チャンネルデ
コーディング回路２１へ供給される。チャンネルデコー
ディング回路２１では、（１，７）ＲＬＬの復調、ディ
スクランブルおよびエラー訂正等の処理が行われる。こ
れらの処理が行われたデータは、ディマルチプレクサ２
２へ供給される。ディマルチプレクサ２２では、供給さ
れたデータからヘッダ情報、映像データおよび音声デー
タが分離され、音声データはＡＴＲＡＣデコーダ２３へ
供給され、映像データはＭＰＥＧデコーダ２４へ供給さ
れる。また、ディマルチプレクサ２２で分離されるヘッ
ダ情報は、ＣＰＵ１２へ供給される。ＣＰＵ１２では、
供給されたヘッダ情報から音声信号の例外処理の位置等
の復号に必要な情報が検出され、その情報はコントロー
ル信号としてＡＴＲＡＣデコーダ２３およびＭＰＥＧデ
コーダ２４へ供給される。

【００１８】ＡＴＲＡＣデコーダ２３では、ＣＰＵ１２
からのコントロール信号に基づいて、ＡＴＲＡＣで符号
化された音声データが復号される。復号された音声デー
タは、時分割されたＬチャンネルとＲチャンネルの音声
信号であり、メモリ２５へ供給される。メモリ２５は、
ＣＰＵ１２の制御によって、映像データと音声データの
タイミングを調整するものである。メモリ２５から読み
出された音声データは、ディジタルフィルタ２７へ供給
される。ディジタルフィルタ２７は、後段のＤ／Ａ変換
器２８および２９に対するプリフィルタであり、Ｌチャ
ンネルの音声データは、Ｄ／Ａ変換器２８へ供給され、
Ｒチャンネルの音声データは、Ｄ／Ａ変換器２９へ供給
される。アナログ化された音声信号は、それぞれ出力端
子３０および３１を介してＴＶモニタ３３の音声信号入
力端子へ供給される。

【００１９】ディマルチプレクサ２２から映像データが
供給されたＭＰＥＧデコーダ２４では、ＣＰＵ１２から
のＧＯＰを指示する信号等のコントロール信号に基づい
て、ＭＰＥＧ２の復号を行う。復号された輝度データＹ
および色差データＣは、それぞれ８ビットのデータとし
てビデオエンコーダ２６へ供給される。復号された色差
データＣは、時分割された色差データＣｒおよび色差デ
ータＣｂである。ビデオエンコーダ２６では、供給され
た輝度データＹと色差データＣからＮＴＳＣ信号または
ＲＧＢ信号が復号される。ビデオエンコーダ２６には、
Ｄ／Ａ変換器が含まれビデオエンコーダ２６からアナロ
グのＮＴＳＣ信号またはＲＧＢ信号が出力される。ＮＴ
ＳＣ信号またはＲＧＢ信号は、出力端子３２を介してＴ
Ｖモニタ３３の映像信号入力端子へ供給される。

【００２０】ここで、この発明の要旨となる、ＭＰＥＧ
２によって圧縮された映像データとＡＴＡＲＣによって
圧縮された音声データとを同期して記録する方法の一例
を具体的に説明する。音声信号のサンプリング周波数
は、ＧＯＰ周波数（２０００／１００１Hz）の整数倍の
周波数が設定される。具体的には、ＧＯＰ周波数とサン
プリング周波数の最小公倍数が小さく、一般的に用いら
れている４８．０kHz を音声信号のサンプリング周波数
とする。このサンプリング周波数から求められる１ＧＯ
Ｐ中の音声データのサンプル数は、２４，０２４個であ
る。ＡＴＲＡＣエンコーダは、８通りのモードが定義さ
れており、この実施例では、一例としてコーディングモ
ード：ＡＴＲＡＣ（１），Ｌｅｖｅｌ１，Ｃｈａｎｎｅ
ｌＮｏ．＝２について説明する。

【００２１】このコーディングモードは、音声データの
片チャンネルの５１２個のサンプル数を２１２バイトの
圧縮データにエンコードするものである。この５１２個
のサンプル数のＡＴＲＡＣの処理単位をサウンドグルー
プ（ＳＧ）と呼ぶことにする。以下、説明を容易とする
ためにＬチャンネルのみについて説明する。２４，０２
４個の音声データのサンプル数を５１２個のサンプル単
位に区切ると、４６個のサウンドグループ＋４７２個の
音声データのサンプル数となる。従って、サウンドグル
ープを４７個分用意すれば、端数は生じるが、１ＧＯＰ
分の音声データを格納することができる。

【００２２】この４８．０kHz のサンプリング周波数で
サンプリングされた１ＧＯＰ分の音声データのサンプル
数の２４，０２４個と１ＧＯＰ分の音声データのサンプ
ルとを比較すると、１ＧＯＰ分の音声データのサンプル
数は、 ４７（ＳＧ）×５１２（サンプル）＝２４０６４（サン
プル） であるから、１ＧＯＰのサンプル数（２４，０２４個）
に対して４０個のサンプルの端数が生じる。

【００２３】この４０個のサンプルを吸収するために、
この実施例では、４７個のサウンドグループのうち４０
個のサウンドグループについて、実際に使用される音声
データのサンプル数を１個減らして５１１個として、符
号化が実行される。このように、有効なサンプル数を１
個減少させる処理が例外処理である。残りの７個のサウ
ンドグループについては、音声データのサンプル数を５
１２個として、符号化が実行される。この５１２個の音
声データのサンプル数からなるサウンドグループは、出
来るだけ４７個のサウンドグループ中に均等に配置させ
る。例えば、０、７、１４、２１、２７、３４、４１番
目に５１２個の音声データのサンプルからなるサウンド
グループを配置させることによって、ほぼ均等に音声デ
ータを配置することができる。

【００２４】４０（ＳＧ）×５１１（サンプル）＋７
（ＳＧ）×５１２（サンプル）＝２４０２４（サンプ
ル） となり、１ＧＯＰ分の音声データのサンプル数となる。
すなわち、１ＧＯＰ（約０．５秒）を単位として、映像
データおよび音声データが完結することになる。

【００２５】ここで、音声データのサンプル数が５１１
個のサウンドグループをＡＴＲＡＣでエンコードすると
きの手法を簡単に説明する。上述したように、この実施
例で使われているＡＴＲＡＣのエンコードでは、１サウ
ンドグループについて、５１２個の音声データのサンプ
ル数が必要である。しかしながら、１ＧＯＰ分の音声デ
ータのサンプル数が２４，０２４個のため、サンプル数
が５１１個のサウンドグループを４０個作るようにし
た。このサンプル数が５１１個のサウンドグループをＡ
ＴＲＡＣでエンコードする場合、１つ前のサウンドグル
ープの５１２番目のサンプルをダミーデータとして使用
する。そのダミーデータ１個を加えて、サンプル数が５
１２個となったサウンドグループがＡＴＡＲＣでエンコ
ードされる。

【００２６】次に再生について、説明する。再生時、す
なわちデコード時は、ＡＴＲＡＣのデコーダから出力さ
れる５１２個のサンプルのうち、後半５１１個のサンプ
ルを実データとして使用すれば良い。最初の１サンプル
は、エンコード時、ダミーデータという扱いだったので
捨てる。サウンドグループの境目は、後述するように、
オーバーラップ分があり、窓関数の掛ける処理がなされ
るので、波形の連続性は、保たれる。よって、ダミーデ
ータとなる１サンプルの処理は、従来に比べてオーバー
ラップのサンプル数が１サンプルだけ増えると考えれば
良い。ただし、どのサウンドグループが５１１個のサン
プルを出力するのか、または５１２個のサンプルを出力
するのかは、エンコード時にヘッダ情報に記録しておく
必要がある。

【００２７】図２に示すように、記録媒体には、上述し
たようにＧＯＰのヘッダ情報、１５フレームからなる１
ＧＯＰ分（約０．５秒）の映像データおよび約０．５秒
（１ＧＯＰ分）に相当する４７サウンドグループからな
る音声データが最小単位として、扱われる。このとき、
１サウンドグループは、５１１個または５１２個のサン
プルからなり、１ＧＯＰで２４，０２４個のサンプルが
存在する。そして、１５フレームからなる映像データ
は、ＭＰＥＧ２で圧縮処理が施され、４７サウンドグル
ープからなる音声データは、ＡＴＲＡＣで圧縮処理が施
される。また、例外処理によって有効な音声データのサ
ンプル数が５１１個とされたサウンドグループの位置の
情報がヘッダ情報に記憶される。このヘッダ情報と、圧
縮が施された映像データと音声データとからなる記録デ
ータ（ビットストリーム）が（１，７）ＲＬＬの変調さ
れ、記録媒体へ記録される。

【００２８】この記録媒体に対して、１ＧＯＰ単位で映
像データと音声データとが記録される。まず、ヘッダ情
報に続いて、１ＧＯＰ分の圧縮映像データ、さらに続い
て２チャンネル分の音声データが１ＧＯＰの期間で記録
される。ヘッダ情報には、どのサウンドグループが５１
１個または５１２個のサンプル数かが記録されている。
この記録される音声データは、（４７（ＳＧ）×２（ｃ
ｈ）＝）９４サウンドグループからなる。さらに、ＧＯ
Ｐ単位で映像データと音声データの位相は、常に合致し
ている。

【００２９】そして、ユーザからＧＯＰ単位で再生箇所
の指定を受け取ると、指定場所からのビットストリーム
を復調した後、復調されたビットストリームは、映像デ
ータおよび音声データのデコーダへ入力される。映像デ
ータのデコーダは、ＭＰＥＧデコーダ２４であり、音声
データのデコーダは、ＡＴＲＡＣデコーダ２３である。
ＡＴＲＡＣデコーダ２３の出力は、一旦メモリ２５に入
力される。この音声データは、デコードがなされた後、
メモリ２５に記憶され、映像データとのタイミング合わ
せを行って後段へ出力される。ＡＴＲＡＣデコーダ２３
およびＭＰＥＧデコーダ２４の出力は、ＧＯＰ単位で完
結するので、一度同期を取ればずれることはない。

【００３０】また、ＡＴＲＡＣデコーダ２３から受け取
る音声データは、サウンドグループ当り５１２個のサン
プル数であったり、５１１個のサンプル数であったりす
るが、上述したように、この例外処理のなされたサウン
ドグループが１ＧＯＰ毎にヘッダ情報に書き込まれてい
るので、これを読み込むことによって、１ＧＯＰ内のサ
ンプル数が丁度２４，０２４個である音声データが得ら
れる。

【００３１】このように、この一実施例では、１ＧＯＰ
で映像データおよび音声データが完結しているので、イ
ンサートやアフレコ等をＧＯＰ単位で行うことは全く問
題なくできる。

【００３２】図１中のＡＴＲＡＣエンコーダ８の詳細な
ブロック図を図３に示す。メモリ６からの各サンプルが
１６ビットからなるＰＣＭデータ（リニアＰＣＭ）が入
力端子４１を介してＡＴＲＡＣ８へ供給される。このＰ
ＣＭデータは、リングバッファ４６へ供給される。ま
た、入力端子４２からサウンドグループのサンプル数情
報がＡＴＲＡＣエンコーダ８へ供給されると共に、出力
端子４５から後段のマルチプレクサ１０へ供給される。
このサウンドグループのサンプル数情報は、アドレス・
コントロール回路４７へ供給される。

【００３３】アドレス・コントロール回路４７では、供
給されたサウンドグループのサンプル数情報からこのサ
ウンドグループが５１１個のサンプルからなるものか、
５１２個のサンプルからなるものかが判断される。この
アドレス・コントロール回路４７でこのサウンドグルー
プは、５１１個のサンプルからなるサウンドグループで
あると判断されると、リングバッファ４６から読み出さ
れる開始アドレスが１つ前にずらされる。リングバッフ
ァ４６は、図４Ａに示すように、サウンドグループ３個
分の容量からなり、入力ＰＣＭデータが記憶される。

【００３４】乗算器４８では、図４Ａに示すように、リ
ングバッファ４６から読み出されたＰＣＭデータと窓関
数とが乗算される。この図４Ａにおいて、実線部は、今
回の１サウンドグループ分の処理であり、破線部は、次
回の１サウンドグループ分の処理である。その乗算結果
は、帯域分割フィルタ４９へ供給され、高域成分（Ｈ）
と中域成分（Ｍ）および低域成分（Ｌ）へ分割される。
高域成分（Ｈ）は、ＭＤＣＴ（Modified Discrete Cosi
ne Transform）５１へ供給され、その他の成分は、帯域
分割フィルタ５０へ供給される。帯域分割フィルタ５０
では、供給された成分が中域成分（Ｍ）と低域成分
（Ｌ）へ分割される。分割された中域成分（Ｍ）は、Ｍ
ＤＣＴ５２へ供給され、低域成分（Ｌ）は、ＭＤＣＴ５
３へ供給される。

【００３５】ＭＤＣＴ５１、５２および５３では、供給
された高域成分、中域成分および低域成分に対して変形
ＤＣＴの演算が施され、各周波数成分に分解される。Ｍ
ＤＣＴ５１、５２および５３の出力は、ビット割当計算
回路５４および正規化／量子化回路５５へ供給される。
ビット割当計算回路５４では、供給された各成分から計
算によって、割り当てられる量子化ビット数が算出され
る。量子化ビット数を表す情報は、正規化／量子化回路
５５へ供給されるとともに、出力端子４３から出力さ
れ、後段のマルチプレクサ１０へ供給される。

【００３６】正規化／量子化回路５５では、量子化ビッ
ト数の情報から量子化ビット数を決定し、その量子化ビ
ット数を用いてＭＤＣＴ５１、５２および５３から供給
された高域成分、中域成分および低域成分（ＡＣ成分）
に対して量子化が実行される。さらに、量子化がなされ
た各ＡＣ成分に対して正規化が実行される。また、正規
化／量子化回路５５からは、処理後のＡＣ成分がスペク
トル情報として、ＤＣ成分とともに出力され、この出力
が出力端子４４を介して後段のマルチプレクサ１０へ供
給される。

【００３７】ここで、音声データのサンプル数が５１１
個のサウンドグループをＡＴＲＡＣでエンコードする手
法を具体的に説明する。この実施例で使われているＡＴ
ＲＡＣのエンコードは、１サウンドグループすなわち５
１２個の音声データのサンプル数を単位として実行され
る。しかしながら、実際には、この５１２個のサンプル
以外に前後をそれぞれ２５６個のサンプルを加えて、合
計１０２４個のサンプルのデータを持ってきて、窓関数
を掛けてＡＴＲＡＣのエンコードは行われる。この窓関
数は、図４に示すように、１０２４個の全サンプル数の
両端を０でうめるような関数である。

【００３８】当然、５１１個のサンプルを扱うときも１
０２４個のサンプルをＡＴＲＡＣエンコーダの入力とし
て用いる。ただし、この場合の有効サンプル数は、１サ
ンプル減り、２５８番目から７６８番目までの５１１個
のサンプルとなる。すなわち、図４Ｂに示すように、ｎ
番目のサウンドグループをエンコードする場合、中心と
なるサウンドグループのサンプル数の５１２個と、その
サウンドグループの前後の２５６個のサンプルの合計
１，０２４個がＡＴＲＡＣエンコーダに入力される。

【００３９】しかしながら、次のｎ＋１番目のサウンド
グループをエンコードする場合、サウンドグループのサ
ンプル数は５１１個のため、ｎ番目のサウンドグループ
の５１２番目を含めてサンプルを５１２個とし、その５
１２個のサウンドグループの前後の２５６個のサンプル
の合計１，０２４個がＡＴＲＡＣエンコーダに入力され
る。すなわち、サウンドグループのサンプルが５１１個
の場合、１サンプルだけ重なって、処理されるが、この
重なった部分は、ｎ番目のサウンドグループの符号化の
処理においては、本来の処理であり、今回（ｎ＋１番
目）のサウンドグループの符号化の処理では、ダミーデ
ータとして処理される。

【００４０】図１中のＡＴＲＡＣデコーダ２４の詳細な
ブロック図を図５に示す。入力端子６１から量子化ビッ
ト数の情報および正規化係数の情報がＡＴＲＡＣデコー
ダ２４へ供給され、同様に入力端子６２からスペクトル
情報がＡＴＲＡＣデコーダ２４へ供給される。また、入
力端子６３からサウンドグループのサンプル数情報がＡ
ＴＲＡＣデコーダ２４へ供給されると共に、出力端子６
５を介してＣＰＵ１２へ供給される。

【００４１】ＡＴＲＡＣデコーダ２４に供給された量子
化ビット数の情報、正規化係数の情報およびスペクトル
情報がスペクトル復元回路７１へ供給される。スペクト
ル復元回路７１では、供給されたスペクトル情報、正規
化係数の情報および量子化ビット数の情報からＡＣ成分
が生成される。生成されたＡＣ成分の高域成分（Ｈ）
は、ＩＭＤＣＴ（逆ＭＤＣＴ）７２へ供給される。同様
にＡＣ成分の中域成分（Ｍ）は、ＩＭＤＣＴ７３へ供給
される。さらに、低域成分（Ｌ）のＡＣ成分およびＤＣ
成分は、ＩＭＤＣＴ７４へ供給される。

【００４２】ＩＭＤＣＴ７２、７３および７４では、供
給された各成分に対して逆ＭＤＣＴ処理が施される。Ｉ
ＭＤＣＴ７２で逆ＭＤＣＴ処理により得られた高域成分
の信号は、帯域合成フィルタ７６へ供給される。また、
ＩＭＤＣＴ７３および７４で逆ＭＤＣＴ処理により得ら
れた中域成分および低域成分の信号は、帯域合成フィル
タ７５へ供給される。帯域合成フィルタ７５では、中域
成分の信号と低域成分の信号とが合成され、その合成信
号は、帯域合成フィルタ７６へ供給される。帯域合成フ
ィルタ７６では、高域成分と合成信号との合成が行わ
れ、その合成信号は、乗算器７７へ供給される。

【００４３】乗算器７７では、窓関数と合成信号との乗
算が行われ、その乗算結果は、リングバッファ７８に記
録される。この窓関数は、図４に示すように、１０２４
個の全サンプル数の両端を０でうめるような関数であ
る。図４Ａに示すように、今回の窓関数により得られた
乗算結果と、次回の窓関数により得られた乗算結果との
オーバーラップとをリングバッファ７８に書き込む時
は、前に書き込んだデータを読み出し、読み出したデー
タと現データとを加算する。このように合成された窓関
数は、リングバッファ７８に記録される。このリングバ
ッファ７８は、サウンドグループ３個分の容量からな
る。アドレス・コントロール回路７９では、入力端子６
３から供給されたサウンドグループのサンプル数情報か
らリングバッファ７８に記録されたサウンドグループが
５１１個のサンプルからなるものか、５１２個のサンプ
ルからなるものかが判断される。このアドレス・コント
ロール回路７９でこのサウンドグループは、５１１個の
サンプルからなるサウンドグループであると判断される
と、リングバッファ７８の開始アドレスが１つ前にずら
される。リングバッファ７８から１６ビットからなるＰ
ＣＭデータが読み出されるときに、ダミーデータの１サ
ンプル分を取り除き、出力端子６４から後段のメモリ２
５へ供給される。

【００４４】この一実施例を適用して動き予測を用いた
動画圧縮メディアの場合、映像データあるいは映像デー
タおよび音声データの編集は、ＧＯＰ単位で行うことが
一般的なので、上述の通り問題は生じない。しかしなが
ら、音声データのみのアフレコ等の場合、ＧＯＰ単位と
は限らない。この音声データのみのアフレコの場合の１
つの方法は、サウンドグループ（５１１／５１２個のサ
ンプル）単位とすることである。これにより、より細か
い単位での編集作業が可能となる。ただし、サンプル数
が５１１個か５１２個かを知る必要があるため、編集開
始点がＧＯＰ内の何サウンドグループ目かを正しく認識
する必要がある。

【００４５】さらに細かい編集作業を要求される場合に
は、記録時に編集開始箇所および編集終了箇所が含まれ
るサウンドグループのデータが読み込まれ、そのデータ
がデコードされた後、メモリに取り込まれる。そして、
更新すべきデータがメモリに書き込まれ、編集がなされ
た後、サウンドグループは、再度エンコードされて記録
媒体へ書き込まれる。という方法がある。この方法の場
合、１サンプル単位で編集が可能となるが、エンコード
／デコードを繰り返すため、編集開始点および編集終了
点を含むサウンドグループが編集の度に劣化する欠点を
持つ。しかしながら、最初から非可逆な圧縮を行ってい
る点、さらにサウンドグループが約１０ｍｓと極めて短
い点から大きな問題はない。一般的には、サウンドグル
ープ単位のアフレコで十分である。

【００４６】上述の実施例では、１サウンドグループの
データを５１２個のサンプルと仮定して説明したが、１
０２４個のサンプルの時も同様の考え方を適用できる。
その場合、１ＧＯＰが１５フレームならば、ＧＯＰ内の
サウンドグループは１チャンネル２４となり、ダミーデ
ータの個数を変更する必要がある。さらに、１サウンド
グループあたりのサンプル数が別の値をとるとき、１Ｇ
ＯＰのフレーム数が別の値をとるとき、音声データのサ
ンプリング周波数が異なる時も１ＧＯＰあたりの音声デ
ータのサンプル数が整数になりさえすれば、同様の考え
方を適用できる。このときも、ＧＯＰ内のサウンドグル
ープ数、サウンドグループあたりのダミーデータ数を変
更することで、この発明を問題なく適用することができ
る。

【００４７】

【発明の効果】この発明に依れば、ＭＰＥＧ圧縮された
映像データとＡＴＲＡＣ圧縮された音声データとを同期
してメディアに記録することができる。

【００４８】また、この発明に依れば、ＧＯＰ単位で記
録／再生を行うことができ、このときどのＧＯＰから再
生を開始しても映像と音声の同期（リップシンク）が守
られる。

【００４９】さらに、この発明に依れば、１サウンドフ
レーム（約１０．６７ｍｓ）単位でアフレコを行うこと
ができる。

【図面の簡単な説明】

【図１】この発明の一実施例のブロック図である。

【図２】この発明に係るＭＰＥＧで圧縮を行う映像デー
タとＡＴＲＡＣで圧縮を行う音声データとを説明するた
めの略線図である。

【図３】この発明に係るＡＴＲＡＣエンコーダの一例を
示す略線図である。

【図４】この発明に係るＡＴＲＡＣエンコーダを説明す
るための略線図である。

【図５】この発明に係るＡＴＲＡＣデコーダの一例を示
す略線図である。

【符号の説明】

１・・・ビデオカメラ、２、３、４・・・Ａ／Ｄ変換
器、５・・・クロック発生器、６、２５・・・メモリ、
７・・・カメラプロセス回路、８・・・ＡＴＲＡＣエン
コーダ、９・・・ＭＰＥＧエンコーダ、１０・・・マル
チプレクサ、１１・・・チャンネルコーディング、１２
・・・ＣＰＵ、１３・・・記録媒体、２１・・・チャン
ネルデコーディング、２２・・・逆マルチプレクサ、２
３・・・ＡＴＲＡＣデコーダ、２４・・・ＭＰＥＧデコ
ーダ、２６・・・ビデオエンコーダ、２７・・・ディジ
タルフィルタ、２８、２９・・・Ｄ／Ａ変換器、３３・
・・ＴＶモニタ

───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.⁶ 識別記号 ＦＩ Ｈ０４Ｎ 7/24 Ｈ０４Ｎ 7/13 Ｚ

Claims (8)

【特許請求の範囲】
1. 【請求項１】 映像データをＭＰＥＧで符号化し、圧縮
   映像データを生成する映像符号化手段と、 上記圧縮映像データのＧＯＰ単位で一定となるサンプル
   数が含まれるように、上記音声信号のサンプリング周波
   数を設定し、上記サンプリング周波数で上記音声信号を
   ディジタル化するＡ／Ｄ変換手段と、 上記Ａ／Ｄ変換手段からの音声データを符号化し、符号
   化音声データを生成する音声符号化手段と、 上記符号化音声データを複数個のグループに分け、上記
   圧縮映像データおよび上記複数のグループに分けられた
   上記符号化音声データを上記ＧＯＰ毎に記録媒体に記録
   する記録手段とからなることを特徴とする映像信号およ
   び音声信号の符号化装置。
2. 【請求項２】 請求項１において、 上記グループ単位で映像データと同期して音声データを
   アフターレコーディングが行えるようにしたことを特徴
   とする映像信号および音声信号の符号化装置。
3. 【請求項３】 請求項１において、 上記グループのサンプル単位で映像データと同期して音
   声データをアフターレコーディングが行えるようにした
   ことを特徴とする映像信号および音声信号の符号化装
   置。
4. 【請求項４】 記録媒体に記録された圧縮映像データお
   よび符号化音声データをＧＯＰ単位で読み出す読み出し
   手段と、 上記圧縮映像データをＭＰＥＧで復号し、映像データを
   復号する映像復号手段と、 上記符号化音声データを上記ＧＯＰのヘッダ情報に基づ
   いて復号し、音声データを復号する音声復号手段と、 上記映像データおよび上記音声データを上記ＧＯＰ単位
   で同期させる手段とからなることを特徴とする映像信号
   および音声信号の復号装置。
5. 【請求項５】 請求項４において、 上記音声復号手段は、 上記ヘッダ情報から上記符号化音声データを構成するグ
   ループのサンプル数を読み取り、上記読み取られたサン
   プル数に基づいて上記符号化音声データを復号するよう
   にしたことを特徴とする映像信号および音声信号の復号
   装置。
6. 【請求項６】 映像データをＭＰＥＧで符号化し、圧縮
   映像データを生成するステップと、 上記圧縮映像データのＧＯＰ単位で一定となるサンプル
   数が含まれるように、上記音声信号のサンプリング周波
   数を設定し、上記サンプリング周波数で上記音声信号を
   ディジタル化するステップと、 上記ディジタル化された音声データを符号化し、符号化
   音声データを生成するステップと、 上記符号化音声データを複数個のグループに分け、上記
   圧縮映像データおよび上記複数のグループに分けられた
   上記符号化音声データを上記ＧＯＰ毎に記録媒体に記録
   するステップとからなることを特徴とする映像信号およ
   び音声信号の符号化方法。
7. 【請求項７】 記録媒体に記録された圧縮映像データお
   よび符号化音声データをＧＯＰ毎に読み出すステップ
   と、 上記圧縮映像データをＭＰＥＧで復号し、映像データを
   復号するステップと、 上記符号化音声データを上記ＧＯＰのヘッダ情報に基づ
   いて復号し、音声データを復号するステップと、 上記映像データおよび上記音声データをＧＯＰ単位で同
   期させるステップとからなることを特徴とする映像信号
   および音声信号の復号方法。
8. 【請求項８】 ＭＰＥＧが施された圧縮映像データと、
   符号化が施された符号化音声データとを記録するように
   した記録媒体において、 上記圧縮映像データおよび上記符号化音声データを記録
   する記録部を有し、 上記記録部には、ＧＯＰを単位として、ヘッダ情報と、
   上記圧縮映像データと、上記符号化音声データが記憶さ
   れ、 上記符号化音声データは、上記ＧＯＰ単位で一定となる
   ようにディジタル化された音声データを符号化すると共
   に、上記ＧＯＰ単位のサンプル数が複数個のグループに
   分けられるように形成されたことを特徴とする記録媒
   体。