WO2009113316A1 - 符号化装置、復号装置およびこれらの方法 - Google Patents

符号化装置、復号装置およびこれらの方法 Download PDF

Info

Publication number
WO2009113316A1
WO2009113316A1 PCT/JP2009/001129 JP2009001129W WO2009113316A1 WO 2009113316 A1 WO2009113316 A1 WO 2009113316A1 JP 2009001129 W JP2009001129 W JP 2009001129W WO 2009113316 A1 WO2009113316 A1 WO 2009113316A1
Authority
WO
WIPO (PCT)
Prior art keywords
subband
pitch coefficient
unit
subbands
encoding
Prior art date
Application number
PCT/JP2009/001129
Other languages
English (en)
French (fr)
Inventor
智史 山梨
押切　正浩
Original Assignee
パナソニック株式会社
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by パナソニック株式会社 filed Critical パナソニック株式会社
Priority to EP17195359.9A priority Critical patent/EP3288034B1/en
Priority to RU2010137838/08A priority patent/RU2483367C2/ru
Priority to CN2009801084302A priority patent/CN101971253B/zh
Priority to JP2010502731A priority patent/JP5449133B2/ja
Priority to EP09718708.2A priority patent/EP2251861B1/en
Priority to BRPI0908929A priority patent/BRPI0908929A2/pt
Priority to US12/918,575 priority patent/US8452588B2/en
Priority to MX2010009307A priority patent/MX2010009307A/es
Publication of WO2009113316A1 publication Critical patent/WO2009113316A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
    • G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
    • G10L21/038—Speech enhancement, e.g. noise reduction or echo cancellation using band spreading techniques
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
    • G10L19/02—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using spectral analysis, e.g. transform vocoders or subband vocoders
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
    • G10L19/04—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using predictive techniques
    • G10L19/16—Vocoder architecture
    • G10L19/18—Vocoders using multiple modes
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
    • G10L19/04—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using predictive techniques
    • G10L19/16—Vocoder architecture
    • G10L19/18—Vocoders using multiple modes
    • G10L19/24—Variable rate codecs, e.g. for generating different qualities using a scalable representation such as hierarchical encoding or layered encoding
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00

Definitions

  • the present invention relates to an encoding device, a decoding device, and these methods used in a communication system that encodes and transmits a signal.
  • Patent Document 1 among the spectrum data obtained by converting the input acoustic signal for a certain period of time, the characteristics of the high frequency part of the frequency are generated as auxiliary information, and this is combined with the encoded information of the low frequency part. Output. Specifically, the spectrum data of the high frequency part of the frequency is divided into a plurality of groups, and in each group, information for specifying the spectrum of the low frequency part that is closest to the spectrum of the group is used as auxiliary information.
  • the high frequency signal is divided into a plurality of subbands, and the similarity between the signal in the subband and the low frequency signal is determined for each subband, and an auxiliary is determined according to the determination result.
  • Patent Document 1 and Patent Document 2 in order to generate a high frequency signal (spectral data of a high frequency part), the determination of a low frequency signal similar to the high frequency part is performed by subbands (groups) of the high frequency signal. ), The coding efficiency is not sufficient.
  • the auxiliary information is encoded at a low bit rate, the quality of the decoded speech generated using the calculated auxiliary information is insufficient, and abnormal noise may occur depending on circumstances.
  • An object of the present invention is to efficiently encode high-frequency spectrum data based on low-frequency spectrum data of a wideband signal and improve the quality of a decoded signal, a decoding device, and the like Is to provide a method.
  • the encoding apparatus includes a first encoding unit that encodes a low frequency portion of an input signal having a frequency equal to or lower than a predetermined frequency to generate first encoded information, and decodes the first encoded information to generate a decoded signal.
  • a decoding means for generating, and dividing a high frequency portion of the input signal higher than the predetermined frequency into a plurality of subbands, and from the input signal or the decoded signal, each of the plurality of subbands is divided into adjacent subbands.
  • a second encoding unit configured to generate second encoded information by estimation using the estimation result.
  • the decoding device of the present invention includes first encoded information obtained by encoding a low frequency portion of an input signal that is equal to or lower than a predetermined frequency, and a high frequency portion that is higher than the predetermined frequency of the input signal. Is divided into a plurality of subbands, and each of the plurality of subbands is obtained from an estimation result of adjacent subbands from the input signal or the first decoded signal obtained by decoding the first encoded information.
  • the encoding method of the present invention includes a step of generating a first encoded information by encoding a low frequency portion of an input signal having a frequency equal to or lower than a predetermined frequency, and a step of generating a decoded signal by decoding the first encoded information;
  • the high frequency part of the input signal higher than the predetermined frequency is divided into a plurality of subbands, and each of the plurality of subbands is estimated from the input signal or the decoded signal using the estimation result of adjacent subbands.
  • the decoding method of the present invention includes a first encoded information obtained by encoding a low frequency portion of an input signal that is equal to or lower than a predetermined frequency, and a high frequency portion that is higher than the predetermined frequency of the input signal. Is divided into a plurality of subbands, and each of the plurality of subbands is obtained from an estimation result of adjacent subbands from the input signal or the first decoded signal obtained by decoding the first encoded information. Receiving the second encoded information obtained by estimation using the second encoded information, decoding the first encoded information to generate a second decoded signal, and using the second encoded information. And a step of generating a third decoded signal by estimating a high frequency part of the input signal from the second decoded signal using a decoding result of adjacent subbands.
  • the correlation between the high-frequency subbands is used, By performing the encoding based on the encoding result, it is possible to efficiently encode the spectral data of the high frequency part of the wideband signal, and to improve the quality of the decoded signal.
  • summary of the search process included in the encoding which concerns on this invention 1 is a block diagram showing a configuration of a communication system having an encoding device and a decoding device according to Embodiment 1 of the present invention.
  • the block diagram which shows the main structures inside the encoding apparatus shown in FIG. The block diagram which shows the main structures inside the 2nd layer encoding part shown in FIG.
  • the figure for demonstrating the detail of the filtering process in the filtering part shown in FIG. Flow diagram showing the steps in the process of searching for optimal pitch coefficient T p 'for the sub-band SB p in the search unit shown in FIG. 4
  • the block diagram which shows the main structures inside the 2nd layer decoding part shown in FIG. The block diagram which shows the main structures inside the encoding apparatus which concerns on Embodiment 2 of this invention.
  • the block diagram which shows the main structures inside the 2nd layer encoding part shown in FIG. The block diagram which shows the main structures inside the decoding apparatus which concerns on Embodiment 3 of this invention.
  • the block diagram which shows the main structures inside the 2nd layer decoding part shown in FIG. The block diagram which shows the main structures inside the encoding apparatus which concerns on Embodiment 4 of this invention.
  • FIG. 18 is a block diagram showing the main configuration inside the first layer decoding unit shown in FIG.
  • the block diagram which shows the main structures inside the 2nd layer decoding part shown in FIG. The block diagram which shows the main structures inside the 2nd layer encoding part which concerns on Embodiment 5 of this invention.
  • FIG. 1A shows the spectrum of the input signal
  • FIG. 1B shows the spectrum (first layer decoded spectrum) obtained by decoding the encoded data in the low frequency part of the input signal.
  • the bandwidth of a telephone band (0 to 3.4 kHz) signal is expanded to a wide band (0 to 7 kHz) signal. That is, the sampling frequency of the input signal is 16 kHz, and the sampling frequency of the decoded signal output from the low frequency encoding unit is 8 kHz.
  • the high frequency part of the spectrum of the input signal is divided into a plurality of subbands (in FIG. 1, five subband configurations from 1st to 5th are used) For each subband, the first layer decoded spectrum is searched for the portion that most closely approximates the high-band spectrum.
  • the first search range and the second search range are part of a decoded low-frequency spectrum (first layer decoded spectrum described later) similar to the first subband (1st) and the second subband (2nd) ( (Band) is searched.
  • the first search range is, for example, a range from Tmin (0 kHz) to Tmax.
  • the frequency A indicates the start position of the partial band 1st ′ of the decoded low-band spectrum similar to the first subband found by the search, and the frequency B indicates the end of the band 1st ′.
  • the search result of the first subband (1st) that has already been searched is used.
  • Search for bandwidth As a result of the search corresponding to the second subband, for example, the start position of the partial band 2nd ′ of the decoded low-band spectrum similar to the second subband is C, and the end portion is D.
  • the search corresponding to each of the third subband, the fourth subband, and the fifth subband is performed using the search result corresponding to the immediately preceding subband.
  • the sampling frequency of the input signal is 16 kHz
  • the present invention is not limited to this, and the same applies to the case where the sampling frequency of the input signal is 8 kHz, 32 kHz, or the like. Applicable. That is, the present invention is not limited by the sampling frequency of the input signal.
  • FIG. 2 is a block diagram showing a configuration of a communication system having the encoding device and the decoding device according to Embodiment 1 of the present invention.
  • the communication system includes an encoding device and a decoding device, and can communicate with each other via a transmission path. Note that both the encoding device and the decoding device are usually mounted and used in a base station device or a communication terminal device.
  • the encoding apparatus 101 divides an input signal into N samples (N is a natural number), and encodes each frame with N samples as one frame.
  • n represents the (n + 1) th signal element among the input signals divided by N samples.
  • the encoded input information is transmitted to the decoding apparatus 103 via the transmission path 102.
  • the decoding device 103 receives the encoded information transmitted from the encoding device 101 via the transmission path 102, decodes it, and obtains an output signal.
  • FIG. 3 is a block diagram showing the main components inside coding apparatus 101 shown in FIG.
  • the downsampling processing unit 201 downsamples the sampling frequency of the input signal from SR input to SR base (SR base ⁇ SR input ), and after downsampling the downsampled input signal
  • the input signal is output to first layer encoding section 202.
  • the first layer coding unit 202 performs coding on the downsampled input signal input from the downsampling processing unit 201 using, for example, a CELP (Code Excited Linear Prediction) method speech coding method.
  • One-layer encoded information is generated, and the generated first layer encoded information is output to first layer decoding section 203 and encoded information integration section 207.
  • First layer decoding section 203 decodes the first layer encoded information input from first layer encoding section 202 using, for example, a CELP speech decoding method to generate a first layer decoded signal Then, the generated first layer decoded signal is output to the upsampling processing unit 204.
  • the upsampling processing unit 204 upsamples the sampling frequency of the first layer decoded signal input from the first layer decoding unit 203 from SR base to SR input, and first upsamples the upsampled first layer decoded signal. It outputs to the orthogonal transformation process part 205 as a layer decoding signal.
  • the decoded signal yn is subjected to modified discrete cosine transform (MDCT).
  • MDCT modified discrete cosine transform
  • orthogonal transform processing section 205 respectively buffer buf1 n and buf2 n by the following equation (1) and (2), is initialized to "0" as an initial value.
  • orthogonal transform processing section 205 the input signal x n, first layer decoded signal y n the following formula with respect to (3) after the up-sampling and to MDCT according to equation (4), MDCT coefficients of the input signal (hereinafter, input spectrum called) S2 (k) and an up-sampled MDCT coefficients of the first layer decoded signal y n (hereinafter, referred to as a first layer decoded spectrum) Request S1 (k).
  • k represents the index of each sample in one frame.
  • the orthogonal transform processing unit 205 obtains x n ′, which is a vector obtained by combining the input signal x n and the buffer buf1 n by the following equation (5). Further, the orthogonal transform processing unit 205 obtains y n ′, which is a vector obtained by combining the up-sampled first layer decoded signal y n and the buffer buf2 n by the following equation (6).
  • the orthogonal transform processing unit 205 updates the buffers buf1 n and buf2 n according to equations (7) and (8).
  • the orthogonal transformation processing unit 205 outputs the input spectrum S2 (k) and the first layer decoded spectrum S1 (k) to the second layer encoding unit 206.
  • Second layer encoding section 206 generates second layer encoded information using input spectrum S2 (k) and first layer decoded spectrum S1 (k) input from orthogonal transform processing section 205, and generates the generated second layer encoding information.
  • the two-layer encoded information is output to the encoded information integration unit 207. Details of second layer encoding section 206 will be described later.
  • the encoding information integration unit 207 integrates the first layer encoding information input from the first layer encoding unit 202 and the second layer encoding information input from the second layer encoding unit 206, and integrates them. If necessary, a transmission error code or the like is added to the information source code, which is output to the transmission path 102 as encoded information.
  • Second layer encoding section 206 includes band dividing section 260, filter state setting section 261, filtering section 262, search section 263, pitch coefficient setting section 264, gain encoding section 265, and multiplexing section 266. Perform the operation.
  • a portion corresponding to the subband SB p in the input spectrum S2 (k) is referred to as a subband spectrum S2 p (k) (BS p ⁇ k ⁇ BS p + BW p ).
  • the filter state setting unit 261 sets the first layer decoded spectrum S1 (k) (0 ⁇ k ⁇ FL) input from the orthogonal transform processing unit 205 as a filter state used in the filtering unit 262.
  • the first layer decoded spectrum S1 (k) is stored as the internal state (filter state) of the filter in the band of 0 ⁇ k ⁇ FL of the spectrum S (k) of all frequency bands 0 ⁇ k ⁇ FH in the filtering unit 262. .
  • the filtering unit 262 outputs the estimated spectrum S2 p ′ (k) of the subband SB p to the search unit 263. Details of the filtering process in the filtering unit 262 will be described later. It is assumed that the number of taps of a multi-tap can take an arbitrary value (integer) of 1 or more.
  • the search unit 263 receives the estimated spectrum S2 p ′ (k) of the subband SB p input from the filtering unit 262 and the orthogonal transform processing unit 205 based on the band division information input from the band dividing unit 260.
  • the similarity with each subband spectrum S2 p (k) in the high frequency part (FL ⁇ k ⁇ FH) of the input spectrum S2 (k) is calculated.
  • the similarity is calculated by, for example, correlation calculation.
  • the processes of the filtering unit 262, the search unit 263, and the pitch coefficient setting unit 264 constitute a closed-loop search process for each subband, and in each closed loop, the search unit 263 moves from the pitch coefficient setting unit 264 to the filtering unit 262.
  • the degree of similarity corresponding to each pitch coefficient is calculated by variously changing the input pitch coefficient T.
  • the search unit 263 obtains the optimum pitch coefficient T p ′ (however, in the range of Tmin to Tmax) that maximizes the similarity in the closed loop corresponding to the subband SB p , and P optimal
  • the pitch coefficient is output to multiplexing section 266.
  • Search section 263 calculates a partial band of the first layer decoded spectrum that is similar to each subband SB p using each optimum pitch coefficient T p ′.
  • Pitch coefficient setting section 264 under the control of searching section 263, together with the filtering section 262 and searching section 263, when performing the search processing of the closed loop corresponding to the first subband SB 0 is a pitch coefficient T, predetermined
  • the output is sequentially output to the filtering unit 262 while changing little by little within the obtained search ranges Tmin to Tmax.
  • the pitch coefficient T is changed little by little based on the optimum pitch coefficient T p-1 ′ obtained in the closed loop search process corresponding to the subband SB p ⁇ 1.
  • the pitch coefficient setting unit 264 outputs the pitch coefficient T shown in the following formula (9) to the filtering unit 262.
  • SEARCH represents the search range (number of search entries) for pitch coefficient T corresponding to subband SB p .
  • This part similar to subband SB p adjacent subband SB p-1 is based on the reason that there is a tendency that adjacent to the first part-band of layer decoded spectrum similar to subband SB p-1 Is.
  • an adaptive similarity search method (ASS). This name is given for convenience, and the search method in the present invention is not limited by this name.
  • the harmonic structure of the spectrum tends to gradually weaken as it becomes higher. That is, the subband SB p tends to have a weak harmonic structure compared to the subband SB p-1 . Therefore, for subband SB p , a search is performed for a portion similar to subband SB p on the high frequency side where the harmonic structure is weaker than the portion of the first layer decoded spectrum similar to subband SB p ⁇ 1. The search efficiency can be improved. From this point of view, the efficiency of the search of this method can be explained.
  • the gain encoding unit 265 calculates gain information for the high frequency part (FL ⁇ k ⁇ FH) of the input spectrum S2 (k) input from the orthogonal transform processing unit 205. Specifically, gain encoding section 265 divides frequency band FL ⁇ k ⁇ FH into J subbands, and obtains spectrum power for each subband of input spectrum S2 (k). In this case, the spectrum power B j of the (j + 1) th subband is expressed by the following equation (12).
  • BL j represents the minimum frequency of the (j + 1) th subband
  • BH j represents the maximum frequency of the (j + 1) th subband.
  • the estimated spectrum S2 ′ (k) of the high frequency part is constructed.
  • gain encoding section 265 similarly to the case of calculating the spectral power for the input spectrum S2 (k), j to the following formula 'spectrum power B of each subband (k)' estimated spectrum S2 ( 13).
  • gain encoding section 265 calculates spectrum power variation V j for each subband of estimated spectrum S2 ′ (k) with respect to input spectrum S2 (k) according to equation (14).
  • the gain encoding unit 265 encodes the variation amount V j and outputs an index corresponding to the encoded variation amount VQ j to the multiplexing unit 266.
  • the filtering unit 262 uses the filter state input from the filter state setting unit 261, the pitch coefficient T input from the pitch coefficient setting unit 264, and the band division information input from the band division unit 260, and uses the subband.
  • the transfer function F (z) of the filter used in the filtering unit 262 is expressed by the following equation (15).
  • T represents a pitch coefficient given from the pitch coefficient setting unit 264
  • ⁇ i represents a filter coefficient stored in advance.
  • values such as ( ⁇ ⁇ 1 , ⁇ 0 , ⁇ 1 ) (0.2, 0.6, 0.2), (0.3, 0.4, 0.3) are also appropriate.
  • M 1.
  • M is an index related to the number of taps.
  • the first layer decoded spectrum S1 (k) is stored as an internal state (filter state) of the filter in the band of 0 ⁇ k ⁇ FL of the spectrum S (k) of all frequency bands in the filtering unit 262.
  • the estimated spectrum S2 p ′ (k) of the subband SB p is stored by the filtering process of the following procedure. That is, a spectrum S (k ⁇ T) having a frequency lower than this k by T is basically substituted into S2 p ′ (k). However, in order to increase the smoothness of the spectrum, actually, a spectrum ⁇ i .multidot. ⁇ Obtained by multiplying a spectrum S (k ⁇ T + i) in the vicinity away from the spectrum S (k ⁇ T) by a predetermined filter coefficient ⁇ i. A spectrum obtained by adding S (k ⁇ T + i) for all i is substituted into S2 p ′ (k). This process is expressed by the following equation (16).
  • the above filtering process is performed by clearing S (k) to zero each time in the range of BS p ⁇ k ⁇ BS p + BW p every time the pitch coefficient T is given from the pitch coefficient setting unit 264. That is, every time the pitch coefficient T changes, S (k) is calculated and output to the search unit 263.
  • search section 263 initializes minimum similarity D min that is a variable for storing the minimum value of similarity to “+ ⁇ ” (ST2010).
  • search unit 263 according to the following equation (17), is the similarity between the high frequency part (FL ⁇ k ⁇ FH) of the input spectrum S2 (k) at a certain pitch coefficient and the estimated spectrum S2 p ′ (k). D is calculated (ST2020).
  • M ′ represents the number of samples when calculating the similarity D, and may be an arbitrary value equal to or smaller than the bandwidth of each subband. It should be noted that S2 p ′ (k) does not exist in the equation (17), because this represents S2 p ′ (k) using BS p and S2 ′ (k).
  • search section 263 determines whether or not calculated similarity D is smaller than minimum similarity D min (ST2030).
  • search section 263 substitutes similarity D into minimum similarity Dmin (ST2040).
  • search section 263 determines whether or not the process over the search range has ended. That is, search section 263 determines whether or not the similarity is calculated according to the above equation (17) in ST2020 for each of all pitch coefficients within the search range (ST2050).
  • search section 263 If the process has not been completed over the search range (ST2050: “NO”), search section 263 returns the process to ST2020 again. Then, search section 263 calculates similarity according to equation (17) for a pitch coefficient different from the case where similarity was calculated according to equation (17) in the previous ST2020 procedure. On the other hand, when the process over the search range is completed (ST2050: “YES”), the search unit 263 instructs the multiplexing unit 266 to set the pitch coefficient T corresponding to the minimum similarity D min as the optimum pitch coefficient T p ′. Output (ST2060).
  • FIG. 7 is a block diagram showing a main configuration inside the decoding apparatus 103.
  • the encoded information separation unit 131 separates the first layer encoded information and the second layer encoded information from the input encoded information, and the first layer encoded information is first layer decoded. And outputs the second layer encoded information to second layer decoding section 135.
  • the first layer decoding unit 132 performs decoding on the first layer encoded information input from the encoded information separation unit 131, and outputs the generated first layer decoded signal to the upsampling processing unit 133.
  • the operation of first layer decoding section 132 is the same as that of first layer decoding section 203 shown in FIG.
  • the upsampling processing unit 133 performs a process of upsampling the sampling frequency from the SR base to the SR input on the first layer decoded signal input from the first layer decoding unit 132, and obtains the first layer decoding after the upsampling obtained.
  • the signal is output to the orthogonal transform processing unit 134.
  • the orthogonal transform processing unit 134 performs orthogonal transform processing (MDCT) on the first layer decoded signal after upsampling input from the upsampling processing unit 133, and the MDCT coefficient (1) of the first layer decoded signal after upsampling obtained.
  • S1 (k) (hereinafter referred to as first layer decoded spectrum) is output to second layer decoding section 135.
  • the operation of orthogonal transform processing section 134 is the same as the processing for the first layer decoded signal after upsampling of orthogonal transform processing section 205 shown in FIG.
  • the second layer decoding unit 135 uses the first layer decoded spectrum S1 (k) input from the orthogonal transform processing unit 134 and the second layer encoded information input from the encoded information separating unit 131 to generate a high frequency component. Is generated and output as an output signal.
  • FIG. 8 is a block diagram showing the main configuration inside second layer decoding section 135 shown in FIG.
  • the filter state setting unit 352 sets the first layer decoded spectrum S1 (k) (0 ⁇ k ⁇ FL) input from the orthogonal transform processing unit 134 as a filter state used by the filtering unit 353.
  • S (k) the spectrum of the entire frequency band 0 ⁇ k ⁇ FH in the filtering unit 353
  • the first layer decoded spectrum S1 ( k) is stored as the internal state (filter state) of the filter.
  • the configuration and operation of the filter state setting unit 352 are the same as those of the filter state setting unit 261 shown in FIG.
  • the filtering unit 353 includes a multi-tap pitch filter (the number of taps is greater than 1).
  • the filter function shown in the above equation (15) is used. However, in this case, the filtering process and the filter function are obtained by replacing T in Equation (15) and Equation (16) with T p ′.
  • the pitch coefficient T p ′′ used for filtering is calculated according to the following equation (18) using the pitch coefficient T p ⁇ 1 ′ of the subband SB p ⁇ 1 and the subband width BW p ⁇ 1.
  • the filtering process is performed according to an equation in which T is replaced with T p ′′ in equation (16).
  • subband SB p 1, 2,..., P ⁇ 1
  • subband SB p ⁇ 1 is added to pitch coefficient T p ⁇ 1 ′ of subband SB p ⁇ 1.
  • the added bandwidth BW p-1 by adding T p 'to the index obtained by subtracting half the value of the search range sEARCH, and pitch coefficient T p ".
  • the gain decoding unit 354 decodes the index of the encoded variation amount VQ j input from the separation unit 351, and obtains a variation amount VQ j that is a quantized value of the variation amount V j .
  • the spectrum adjustment unit 355 adjusts the spectrum shape of the estimated spectrum S2 ′ (k) in the frequency band FL ⁇ k ⁇ FH, generates a decoded spectrum S3 (k), and outputs it to the orthogonal transform processing unit 356.
  • the low frequency part (0 ⁇ k ⁇ FL) of the decoded spectrum S3 (k) is composed of the first layer decoded spectrum S1 (k), and the high frequency part (FL ⁇ k ⁇ FH) of the decoded spectrum S3 (k). Consists of an estimated spectrum S2 ′ (k) after spectral shape adjustment.
  • Orthogonal transform processing section 356 orthogonally transforms decoded spectrum S3 (k) input from spectrum adjusting section 355 into a time domain signal, and outputs the obtained second layer decoded signal as an output signal.
  • processing such as appropriate windowing and overlay addition is performed as necessary to avoid discontinuities between frames.
  • the orthogonal transform processing unit 356 has a buffer buf ′ (k) therein, and initializes the buffer buf ′ (k) as shown in the following equation (20).
  • orthogonal transform processing section 356 calculates and outputs second layer decoded signal y n ′′ according to the following equation (21) using second layer decoded spectrum S3 (k) input from spectrum adjusting section 355. .
  • Z4 (k) is a vector obtained by combining the decoded spectrum S3 (k) and the buffer buf ′ (k) as shown in Expression (22) below.
  • the orthogonal transform processing unit 356 updates the buffer buf ′ (k) according to the following equation (23).
  • the orthogonal transform processing unit 356 outputs the decoded signal y n ′′ as an output signal.
  • the high frequency band is divided into a plurality of subbands, Encoding for each subband is performed using the encoding result of adjacent subbands. That is, an efficient search is performed using the correlation between the high frequency sub-bands (Adaptive Similarity Search Method (ASS)), so that the high frequency spectrum is encoded / decoded more efficiently. It is possible to suppress unnatural noise contained in the decoded signal and improve the quality of the decoded signal.
  • ASS Adaptive Similarity Search Method
  • the present invention performs a high-frequency spectrum search as described above, so that the quality of the decoded signal is comparable to the method of encoding / decoding the high-frequency spectrum without using the correlation between subbands. It is possible to reduce the calculation amount of the similar partial search necessary for achieving the above.
  • the number J of subbands obtained by dividing the high frequency part of the input spectrum S2 (k) in the gain encoding unit 265 is the high frequency of the input spectrum S2 (k) in the search unit 263.
  • the case where the number is different from the number P of subbands obtained by dividing the part has been described.
  • the present invention is not limited to this, and the number of subbands obtained by dividing the high frequency part of the input spectrum S2 (k) in the gain encoding unit 265 may be P.
  • the gain encoding unit 265 performs optimal processing in the search unit 263 in place of the square root of the spectral power ratio for each subband as shown in Expression (14).
  • the pitch coefficient setting unit 264 sets the search range of the pitch coefficient T as in Expression (9) has been described as an example.
  • the present invention is not limited to this, and the following expression is used.
  • the search range of the pitch coefficient T may be set as in (25).
  • the pitch coefficient T is set to a value in the vicinity of the optimum pitch coefficient T p-1 ′ corresponding to the subband SB p ⁇ 1 . This is based on the reason that the partial band of the first layer decoded spectrum most similar to the subband SB p-1 is likely to be similar to the subband SB p . In particular, when the correlation between the subband SB p-1 and the subband SB p is very high, the search can be performed more efficiently by the pitch coefficient setting method as described above.
  • the pitch coefficient setting unit 264 sets the search range of the pitch coefficient T as shown in the equation (25)
  • the filtering unit 353 performs the filtering as shown in the equation (26) instead of the equation (18).
  • the pitch coefficient T p ′′ used in the above is calculated.
  • the pitch coefficient search range may be fixed to a range of Tmin to Tmax as in the first subband.
  • the pitch coefficient search range is fixed to a range of Tmin to Tmax.
  • This makes it possible to search result corresponding to the first subband SB 0 is, to avoid that affects all of the search from the second subband SB 1 to the P subbands SB P-1. That is, it is possible to avoid that a target for searching for a similar part is excessively biased toward a high frequency with respect to a certain subband.
  • a target for searching for a similar part is excessively biased toward a high frequency with respect to a certain subband.
  • Embodiment 2 of the present invention describes a case where transform coding such as MDCT is used in the first layer coding section without using the CELP coding method shown in Embodiment 1.
  • the communication system (not shown) according to the second embodiment is basically the same as the communication system shown in FIG. 2, and the communication shown in FIG. It differs from the encoding device 101 and decoding device 103 of the system.
  • the encoding device and the decoding device of the communication system according to the present embodiment are denoted by reference numerals “111” and “113”, respectively.
  • FIG. 9 is a block diagram showing the main components inside coding apparatus 111 according to the present embodiment.
  • coding apparatus 111 according to the present embodiment includes downsampling processing section 201, first layer coding section 212, orthogonal transform processing section 215, second layer coding section 216, and coded information integration section 207. Mainly composed.
  • the downsampling processing unit 201 and the encoded information integration unit 207 perform the same processing as in the first embodiment, description thereof is omitted.
  • the first layer encoding unit 212 encodes the input signal after downsampling input from the downsampling processing unit 201 using the transform encoding method. Specifically, first layer encoding section 212 converts the input signal after downsampling from a time domain signal to a frequency domain component using a technique such as MDCT, and converts the input signal to a frequency component obtained. Quantization is performed. First layer encoding section 212 outputs the quantized frequency component directly to second layer encoding section 216 as a first layer decoded spectrum.
  • the MDCT process in first layer encoding section 212 is the same as the MDCT process shown in Embodiment 1, and thus detailed description thereof is omitted.
  • the orthogonal transform processing unit 215 performs orthogonal transform such as MDCT on the input signal, and outputs the obtained frequency component to the second layer encoding unit 216 as a high frequency spectrum. Since the MDCT processing in the orthogonal transform processing unit 215 is the same as the MDCT processing shown in Embodiment 1, detailed description thereof is omitted.
  • the second layer encoding unit 216 is different from the second layer encoding unit 206 shown in FIG. 3 only in that the first layer decoded spectrum is input from the first layer encoding unit 212, and the other processes are the first. Since it is the same as the process of the 2-layer encoding part 206, detailed description is abbreviate
  • FIG. 10 is a block diagram showing a main configuration inside decoding apparatus 113 according to the present embodiment.
  • decoding apparatus 113 according to the present embodiment mainly includes encoded information separation section 131, first layer decoding section 142, and second layer decoding section 145. Further, the encoded information separation unit 131 performs the same processing as in the first embodiment, and thus detailed description thereof is omitted.
  • the first layer decoding unit 142 decodes the first layer encoded information input from the encoded information separation unit 131, and outputs the obtained first layer decoded spectrum to the second layer decoding unit 145.
  • a decoding process in the first layer decoding unit 142 a general inverse quantization method corresponding to the encoding method in the first layer encoding unit 212 shown in FIG. 9 is adopted, and detailed description thereof is omitted. .
  • the second layer decoding unit 145 is different from the second layer decoding unit 135 shown in FIG. 7 only in that the first layer decoding spectrum is input from the first layer decoding unit 142, and the second layer decoding is performed for the other processes. Since it is the same as the process of the part 135, detailed description is abbreviate
  • the high frequency band is divided into a plurality of subbands, Encoding for each subband is performed using the encoding result of adjacent subbands. That is, since an efficient search is performed using the correlation between the high frequency sub-bands, the high frequency spectrum can be encoded / decoded more efficiently, and unnatural abnormal noise included in the decoded signal can be detected. And the quality of the decoded signal can be improved.
  • the present invention can be applied even when, for example, a transform coding / decoding method is adopted for coding of the first layer instead of the CELP coding / decoding method. .
  • a transform coding / decoding method is adopted for coding of the first layer instead of the CELP coding / decoding method.
  • the downsampling processing unit 201 downsamples the input signal and inputs it to the first layer encoding unit 212 has been described as an example.
  • the present invention is not limited to this, and the downsampling processing unit 201 downsamples the input signal.
  • the sampling processor 201 may be omitted, and the input spectrum that is the output of the orthogonal transform processor 215 may be input to the first layer encoder 212.
  • the orthogonal transform process can be omitted in the first layer encoding unit 212, and the amount of calculation can be reduced accordingly.
  • Embodiment 3 of the present invention is a configuration that analyzes the degree of correlation between high-frequency subbands and switches whether to perform a search using the optimal pitch period of adjacent subbands based on the analysis result. explain.
  • a communication system (not shown) according to the third embodiment of the present invention is basically the same as the communication system shown in FIG. 2, and only a part of the configuration and operation of the encoding device and decoding device is shown in FIG. 2 is different from the encoding device 101 and the decoding device 103 of the communication system 2.
  • the encoding device and the decoding device of the communication system according to the present embodiment will be denoted by reference numerals “121” and “123”, respectively.
  • FIG. 11 is a block diagram showing a main configuration inside encoding apparatus 121 according to the present embodiment.
  • the encoding apparatus 121 according to the present embodiment includes a downsampling processing unit 201, a first layer encoding unit 202, a first layer decoding unit 203, an upsampling processing unit 204, an orthogonal transformation processing unit 205, a correlation determination unit 221, It mainly includes a second layer encoding unit 226 and an encoded information integration unit 227.
  • the components other than the correlation determination unit 221, the second layer encoding unit 226, and the encoded information integration unit 227 are the same as those in the first embodiment, description thereof will be omitted.
  • SFM spectral flatness measure
  • the second layer encoding unit 226 uses the input spectrum S2 (k) input from the orthogonal transform processing unit 205, the first layer decoded spectrum S1 (k), and the determination information input from the correlation determination unit 221 to perform the second processing. Layer encoding information is generated, and the generated second layer encoding information is output to the encoding information integration unit 227. Second layer encoding section 226 outputs the internally calculated band division information to correlation determination section 221. Details of the band division information in second layer encoding section 226 will be described later.
  • FIG. 12 is a block diagram showing the main configuration inside second layer encoding section 226 shown in FIG.
  • the components other than the pitch coefficient setting unit 274 and the band dividing unit 275 are the same as those in the first embodiment, and thus the description thereof is omitted.
  • the pitch coefficient setting unit 274 sets the pitch coefficient T to a predetermined search range Tmin to Tmax under the control of the search unit 263.
  • the data is sequentially output to the filtering unit 262 while changing little by little. That is, when the determination information input from the correlation determination unit 221 is “0”, the pitch coefficient setting unit 274 sets the pitch coefficient T without considering search results corresponding to adjacent subbands.
  • pitch coefficient setting unit 274 performs the same processing as pitch coefficient setting unit 264 according to Embodiment 1. That is, when the pitch coefficient setting unit 274 performs search processing of the closed loop corresponding to the first subband SB 0 with the filtering unit 262 and the search unit 263 under the control of the search unit 263, the pitch coefficient T is The data is sequentially output to the filtering unit 262 while being gradually changed within a predetermined search range Tmin to Tmax.
  • the pitch coefficient T p-1 ′ obtained in the closed loop search process corresponding to the subband SB p ⁇ 1 is used, and the pitch coefficient T p according to the above equation (9) is used.
  • the pitch coefficient T p is used.
  • the pitch coefficient setting unit 274 adaptively switches whether to set a pitch coefficient using a search result corresponding to an adjacent subband, according to the value of the input determination information. Therefore, search results corresponding to adjacent subbands can be used only when the correlation between subbands in a frame is equal to or higher than a predetermined level. Therefore, it is possible to suppress a decrease in encoding accuracy due to the use of the subband search result.
  • BS p ⁇ FH) is output as band division information to filtering section 262, search section 263, multiplexing section 266, and correlation determination section 221.
  • the encoded information integration unit 227 receives the first layer encoded information input from the first layer encoding unit 202, the determination information input from the correlation determination unit 221, and the second layer encoding unit 226.
  • the second layer encoded information is integrated, and if necessary, a transmission error code or the like is added to the integrated information source code and output to the transmission path 102 as encoded information.
  • FIG. 13 is a block diagram showing a main configuration inside decoding apparatus 123 according to the present embodiment.
  • Decoding apparatus 123 according to the present embodiment mainly includes encoded information separation section 151, first layer decoding section 132, upsampling processing section 133, orthogonal transform processing section 134, and second layer decoding section 155.
  • constituent elements other than the encoded information demultiplexing unit 151 and the second layer decoding unit 155 are the same as those in the first embodiment, and thus the description thereof is omitted.
  • the encoded information separation unit 151 separates the first layer encoded information, the second layer encoded information, and the determination information from the input encoded information, and converts the first layer encoded information into the first layer encoded information. It outputs to 1 layer decoding part 132, and outputs 2nd layer encoding information and determination information to 2nd layer decoding part 155.
  • Second layer decoding section 155 uses first layer decoded spectrum S1 (k) input from orthogonal transform processing section 134, second layer encoded information and determination information input from encoded information separating section 131, and A second layer decoded signal including a high frequency component is generated and output as an output signal.
  • FIG. 14 is a block diagram showing the main configuration inside second layer decoding section 155 shown in FIG.
  • the components other than the filtering unit 363 are the same as those in the first embodiment, and thus the description thereof is omitted.
  • the filtering unit 363 determines the pitch of adjacent subbands for all P subbands from subband SB 0 to subband SB P ⁇ 1. It performs filtering using the pitch coefficient T p 'inputted from demultiplexing section 351 without considering the factor. In this case, the filtering process and the filter function are obtained by replacing T in Equation (15) and Equation (16) with T p ′.
  • the filtering unit 363 uses the pitch coefficient obtained from the separation unit 351. respect, with the pitch coefficient in the subband SB p-1 T p-1 ' and the sub-band width BW p-1, in accordance with the above-described equation (18), calculates a pitch coefficient T p "used for filtering In this case, the filtering process and the filter function are obtained by replacing T in Equation (15) and Equation (16) with T p ′′.
  • the high frequency band is divided into a plurality of subbands, Based on the result of analyzing the degree of correlation between subbands for each frame, whether to perform coding for each subband is switched adaptively using the coding results of adjacent subbands. That is, only when the correlation between subbands in a frame is equal to or higher than a predetermined level, an efficient search can be performed using the correlation between subbands, and a high frequency spectrum can be encoded / decoded more efficiently. And unnatural noise included in the decoded signal can be suppressed.
  • the search result of the adjacent subband is not used, and the deterioration of the encoding accuracy due to the use of the search result of the adjacent subband having a low correlation is suppressed. And the quality of the decoded signal can be improved.
  • the SFM value is analyzed for each subband, the SFM values of all subbands included in one frame are comprehensively considered, and correlation determination is performed for each frame to obtain the value of the determination information.
  • the determination information value may be set by performing correlation determination individually for each subband.
  • the energy of each subband may be calculated, and correlation determination may be performed according to the energy difference or ratio between the subbands to set the value of the determination information.
  • the value of the determination information may be set by calculating the correlation for the frequency components (MDCT coefficients, etc.) between the sub-bands by correlation calculation and comparing the correlation value with a predetermined threshold value. .
  • the pitch coefficient setting unit 274 sets a search range for the pitch coefficient T as in the above equation (9) as an example.
  • the present invention is not limited to this, and the search range of the pitch coefficient T may be set as in the above equation (25).
  • the sampling frequency of the input signal is 32 kHz
  • the encoding scheme of the first layer encoding unit is the G.264 standardized by ITU-T. A configuration when the 729.1 scheme is applied will be described.
  • a communication system (not shown) according to the fourth embodiment of the present invention is basically the same as the communication system shown in FIG. 2, and only a part of the configuration and operation of the encoding device and decoding device is shown in FIG. 2 is different from the encoding device 101 and the decoding device 103 of the communication system 2.
  • the encoding device and the decoding device of the communication system according to the present embodiment will be described with reference numerals “161” and “163”, respectively.
  • FIG. 15 is a block diagram showing a main configuration inside encoding apparatus 161 according to the present embodiment.
  • Encoding apparatus 161 according to the present embodiment mainly includes downsampling processing unit 201, first layer encoding unit 233, orthogonal transform processing unit 215, second layer encoding unit 236, and encoded information integration unit 207. Composed.
  • components other than the first layer encoding unit 233 and the second layer encoding unit 236 are the same as those in the first embodiment, and thus the description thereof is omitted.
  • the first layer encoding unit 233 applies G.D. to the post-downsampled input signal input from the downsampling processing unit 201.
  • the first layer encoded information is generated by performing the encoding using the 729.1 speech encoding method. Then, first layer encoding section 233 outputs the generated first layer encoded information to encoded information integration section 207. Moreover, the 1st layer encoding part 233 outputs the information obtained in the process which produces
  • Second layer encoding section 236 generates second layer encoded information using the input spectrum input from orthogonal transform processing section 215 and the first layer decoded spectrum input from first layer encoding section 233. The generated second layer encoded information is output to encoded information integration section 207. Details of second layer encoding section 236 will be described later.
  • FIG. 16 is a block diagram showing the main configuration inside first layer encoding section 233 shown in FIG.
  • G.I. A case where the 729.1 encoding scheme is applied will be described as an example.
  • the first layer encoding unit 233 illustrated in FIG. 16 includes a band division processing unit 281, a high pass filter 282, a CELP (Code Excited Linear Prediction) encoding unit 283, an FEC (Forward Error Correction) encoding unit 284, An adder 285, a low-pass filter 286, a TDAC (Time-Domain Aliasing Cancellation) encoding unit 287, a TDBWE (Time-Domain Bandwidth Extension) encoding unit 288, and a multiplexing unit 289 are provided. Each unit performs the following operations.
  • the band division processing unit 281 performs band division processing by QMF (Quadrature Mirror Filter) or the like on the input signal after down-sampling having a sampling frequency of 16 kHz, which is input from the down-sampling processing unit 201, and performs 0 to 4 kHz band The first low-frequency signal and the second low-frequency signal in the 4 to 8 kHz band are generated.
  • the band division processing unit 281 outputs the generated first low-frequency signal to the high-pass filter 282 and outputs the second low-frequency signal to the low-pass filter 286.
  • the high-pass filter 282 suppresses frequency components of 0.05 kHz or less with respect to the first low-frequency signal input from the band division processing unit 281, obtains a signal mainly composed of frequency components higher than 0.05 kHz, and performs filtering. 1 is output to the CELP encoding unit 283 and the addition unit 285 as a low frequency signal.
  • the CELP encoding unit 283 performs CELP encoding on the filtered first low-pass signal input from the high-pass filter 282, and converts the obtained CELP parameter into the FEC encoding unit 284, the TDAC encoding unit 287, and the multiplexing. To the conversion unit 289.
  • the CELP encoding unit 283 may output part of the CELP parameter or information obtained in the process of generating the CELP parameter to the FEC encoding unit 284 and the TDAC encoding unit 287.
  • CELP encoding section 283 performs CELP decoding using the generated CELP parameter, and outputs the resulting CELP decoded signal to adding section 285.
  • the FEC encoding unit 284 uses the CELP parameter input from the CELP encoding unit 283 to calculate the FEC parameter used for the erasure frame compensation process of the decoding device 163, and the calculated FEC parameter to the multiplexing unit 289. Output.
  • the addition unit 285 outputs a difference signal obtained by subtracting the CELP decoded signal input from the CELP encoding unit 283 from the filtered first low-pass signal input from the high pass filter 282 to the TDAC encoding unit 287.
  • the low-pass filter 286 suppresses a frequency component larger than 7 kHz with respect to the second low-frequency signal input from the band division processing unit 281, obtains a signal mainly composed of a frequency component equal to or lower than 7 kHz, and outputs the filtered second low-frequency signal.
  • the TDAC encoding unit 287 and the TDBWE encoding unit 288 To the TDAC encoding unit 287 and the TDBWE encoding unit 288.
  • the TDAC encoding unit 287 performs orthogonal transform such as MDCT on the differential signal input from the adding unit 285 and the filtered second low-frequency signal input from the low-pass filter 286, and the obtained frequency domain signal (MDCT) Quantize the coefficient. Then, the TDAC encoding unit 287 outputs the TDAC parameter obtained by the quantization to the multiplexing unit 289. Also, the TDAC encoding unit 287 performs decoding using the TDAC parameter, and outputs the obtained decoded spectrum to the second layer encoding unit 236 (FIG. 15) as the first layer decoded spectrum.
  • orthogonal transform such as MDCT
  • the TDBWE encoding unit 288 performs band expansion encoding in the time domain on the filtered second low-frequency signal input from the low-pass filter 286, and outputs the obtained TDBWE parameter to the multiplexing unit 289.
  • the multiplexing unit 289 multiplexes the FEC parameter, the CELP parameter, the TDAC parameter, and the TDBWE parameter, and outputs them to the encoded information integration unit 237 (FIG. 15) as the first layer encoded information. Note that these parameters may be multiplexed by the encoded information integration unit 237 without providing the multiplexing unit 289 in the first layer encoding unit 233.
  • the encoding in first layer encoding section 233 according to the present embodiment shown in FIG. 16 is performed by second layer encoding in TDAC encoding section 287 using the decoded spectrum obtained by decoding the TDAC parameter as the first layer decoded spectrum.
  • the point to be output to the unit 236 is that G. This is different from 729.1 encoding.
  • FIG. 17 is a block diagram showing the main configuration inside second layer encoding section 236 shown in FIG.
  • the constituent elements other than the pitch coefficient setting unit 294 are the same as those in the first embodiment, and thus the description thereof is omitted.
  • Pitch coefficient setting section 294 presets a pitch coefficient search range for some subbands among a plurality of subbands, and adjacent subbands for other subbands.
  • a pitch coefficient search range is set based on the search result corresponding to.
  • the pitch coefficient setting unit 294 controls the first subband SB 0 , the third subband SB 2, or the fifth subband SB 4 (subband SB) together with the filtering unit 262 and the search unit 263 under the control of the search unit 263.
  • the pitch coefficient setting unit 294 sets the pitch coefficient T to the search range Tmin1 preset for the first subband. Set while gradually changing within ⁇ Tmax1.
  • pitch coefficient setting section 294 when performing the search processing of the closed loop corresponding to the third sub-band SB 2 is a pitch coefficient T, the third preset search range for the sub-band Tmin3 ⁇ Tmax3 Set while changing little by little.
  • the pitch coefficient setting unit 294 sets the pitch coefficient T to the search range Tmin5 to Tmax5 preset for the fifth subband. Set while changing little by little.
  • the coefficient T is sequentially output to the filtering unit 262 while being changed little by little.
  • the pitch coefficient setting unit 294 sets the pitch coefficient T for the first subband, the third subband, and the fifth subband within the search range preset for each subband. Change little by little.
  • the pitch coefficient setting unit 294 may set the pitch coefficient T with a higher band (high frequency band) of the first decoded spectrum as a search range in a higher frequency band among the plurality of sub bands. That is, pitch coefficient setting section 294 presets the search range of each subband so that the higher the subband, the higher the search range of the first decoded spectrum.
  • the pitch coefficient setting unit 294 sets the search range so that the higher the sub-band, the higher the search range, so that the search unit 263 can search for the search range suitable for each sub-band. Therefore, it can be expected to improve the encoding efficiency.
  • pitch coefficient setting section 294 uses the lower band (low frequency band) of the first decoded spectrum as the search range for the higher frequency band among the plurality of subbands. T may be set. That is, pitch coefficient setting section 294 presets the search range of each subband so that the higher the subband, the lower the search range of the first decoded spectrum. For example, in the first decoded spectrum, when the spectrum of 0 to 4 kHz is compared with the spectrum of 4 to 7 kHz and the harmonic structure of the spectrum of 0 to 4 kHz is weaker, the higher the subband, the lower the subband. There is a high possibility that a portion similar to is present in the low frequency portion of the first decoded spectrum.
  • the search unit 263 has a lower frequency band whose harmonic structure is weaker than the high frequency region of the first decoded spectrum. Since the part similar to the high-frequency subband is searched for the part, the search efficiency is improved.
  • the decoding spectrum obtained from the TDAC encoding part 287 in the 1st layer encoding part 233 is made into an example as a 1st decoding spectrum.
  • the spectrum of the 0 to 4 kHz portion of the first decoded spectrum is a component obtained by subtracting the CELP decoded signal calculated by the CELP encoding unit 283 from the input signal, and the harmonic structure is relatively weak. For this reason, a method of setting the search range so as to be biased to a lower frequency region is effective for the higher frequency subbands.
  • the pitch coefficient setting unit 294 searches for the optimum pitch coefficient T p searched for in the immediately preceding subband (adjacent low band side subband) only for the second subband and the fourth subband.
  • the pitch coefficient T is set based on ⁇ 1 ′. That is, the pitch coefficient setting unit 294 sets the pitch coefficient T based on the optimum pitch coefficient T p ⁇ 1 ′ searched for the immediately preceding subband with respect to the subbands separated by one subband.
  • the influence of the search result in the low frequency subband on the search in all the subbands higher than that subband can be reduced, so the pitch coefficient set for the high frequency subband. It can be avoided that the value of T becomes too large.
  • the search range for searching for a similar portion in the high frequency sub-band is limited to the high frequency. Accordingly, it is possible to avoid searching for the optimum pitch coefficient in a band that is unlikely to be similar, and to avoid deterioration in encoding efficiency and deterioration in quality of the decoded signal.
  • FIG. 18 is a block diagram showing a main configuration inside decoding apparatus 163 according to the present embodiment.
  • Decoding apparatus 163 according to the present embodiment mainly includes encoded information separation section 171, first layer decoding section 172, second layer decoding section 173, orthogonal transform processing section 174, and addition section 175.
  • the encoded information separating unit 171 separates the first layer encoded information and the second layer encoded information from the input encoded information, and the first layer encoded information is subjected to the first layer decoding. And outputs the second layer encoded information to second layer decoding section 173.
  • the first layer decoding unit 172 applies G.R to the first layer encoded information input from the encoded information separation unit 171.
  • the decoding is performed using a speech encoding method of the 729.1 system, and the generated first layer decoded signal is output to the adding unit 175.
  • first layer decoding section 172 outputs the first layer decoded spectrum obtained in the process of generating the first layer decoded signal to second layer decoding section 173. A detailed description of the operation of the first layer decoding unit 172 will be described later.
  • Second layer decoding section 173 uses the first layer decoded spectrum input from first layer decoding section 172 and the second layer encoded information input from encoded information separation section 171 to convert the spectrum of the high frequency section.
  • the decoded second layer decoded spectrum is output to the orthogonal transform processing unit 174.
  • the processing of the second layer decoding unit 173 is the same as that of the second layer decoding unit 135 of FIG. 7 except that the input signal is different from the source of the signal, and detailed description thereof is omitted. A detailed description of the operation of second layer decoding section 173 will be given later.
  • Orthogonal transformation processing section 174 performs orthogonal transformation processing (IMDCT) on the second layer decoded spectrum input from second layer decoding section 173 and outputs the obtained second layer decoded signal to addition section 175.
  • IMDCT orthogonal transformation processing
  • the operation of the orthogonal transformation processing unit 174 is the same as the processing of the orthogonal transformation processing unit 356 shown in FIG. 8 except that the input signal and the source of the signal are different. Description is omitted.
  • Adder 175 adds the first layer decoded signal input from first layer decoding section 172 and the second layer decoded signal input from orthogonal transform processing section 174, and outputs the resulting signal as an output signal.
  • FIG. 19 is a block diagram showing the main components inside first layer decoding section 172 shown in FIG.
  • the first layer decoding unit 172 is standardized by ITU-T.
  • ITU-T A description will be given by taking as an example a configuration for performing decoding in the 729.1 system.
  • the configuration of first layer decoding section 172 shown in FIG. 19 is a configuration in the case where no frame error occurs during transmission, and the components for frame error compensation processing are not shown and description thereof is omitted.
  • the present invention can also be applied when a frame error occurs.
  • the first layer decoding unit 172 includes a separation unit 371, a CELP decoding unit 372, a TDBWE decoding unit 373, a TDAC decoding unit 374, a pre / post echo reduction unit 375, an addition unit 376, an adaptive post processing unit 377, a low pass filter 378, / Post-echo reduction unit 379, high-pass filter 380 and band synthesis processing unit 381 are provided, and each unit performs the following operations.
  • the separation unit 371 separates the first layer encoded information input from the encoded information separation unit 171 (FIG. 18) into CELP parameters, TDAC parameters, and TDBWE parameters, and outputs the CELP parameters to the CELP decoding unit 372.
  • the TDAC parameter is output to the TDAC decoding unit 374
  • the TDBWE parameter is output to the TDBWE decoding unit 373. Note that these parameters may be separated together in the encoded information separation unit 171 without providing the separation unit 371.
  • the CELP decoding unit 372 performs CELP decoding using the CELP parameter input from the separation unit 371, and uses the obtained decoded signal as a decoded CELP signal as a TDAC decoding unit 374, an addition unit 376, and a pre / post-echo reduction unit 375. Output to.
  • the CELP decoding unit 372 may output other information obtained in the process of generating the decoded CELP signal from the CELP parameter to the TDAC decoding unit 374 in addition to the decoded CELP signal.
  • the TDBWE decoding unit 373 decodes the TDBWE parameter input from the separation unit 371, and outputs the obtained decoded signal to the TDAC decoding unit 374 and the pre / post-echo reduction unit 379 as a decoded TDBWE signal.
  • the TDAC decoding unit 374 calculates the first layer decoded spectrum using the TDAC parameter input from the separation unit 371, the decoded CELP signal input from the CELP decoding unit 372, and the decoded TDBWE signal input from the TDBWE decoding unit 373. To do. Then, the TDAC decoding unit 374 outputs the calculated first layer decoded spectrum to the second layer decoding unit 173 (FIG. 18). Note that the first layer decoded spectrum obtained here is the same as the first layer decoded spectrum calculated by the first layer encoding unit 233 (FIG. 15) in the encoding device 161.
  • the TDAC decoding unit 374 performs orthogonal transform processing such as MDCT on the 0 to 4 kHz band and the 4 to 8 kHz band of the calculated first layer decoded spectrum, respectively, and the decoded first TDAC signal (0 to 4 kHz band) and the decoding The second TDAC signal (4 to 8 kHz band) is calculated.
  • the TDAC decoding unit 374 outputs the calculated decoded first TDAC signal to the pre / post-echo reduction unit 375, and outputs the decoded second TDAC signal to the pre / post-echo reduction unit 379.
  • the pre / post-echo reduction unit 375 performs a process of reducing pre / post-echo on the decoded CELP signal input from the CELP decoding unit 372 and the decoded first TDAC signal input from the TDAC decoding unit 374, thereby deleting the echo.
  • the later signal is output to the adder 376.
  • Adder 376 adds the decoded CELP signal input from CELP decoder 372 and the signal after echo reduction input from pre / post-echo reducer 375, and outputs the resulting added signal to adaptive post processor 377. .
  • the adaptive post-processing unit 377 adaptively performs post-processing on the addition signal input from the addition unit 376, and outputs the obtained decoded first low-frequency signal (0 to 4 kHz band) to the low-pass filter 378.
  • the low-pass filter 378 suppresses frequency components larger than 4 kHz with respect to the decoded first low-frequency signal input from the adaptive post-processing unit 377, obtains a signal mainly composed of frequency components of 4 kHz or less, and performs post-filter decoding first low-frequency signal.
  • the band signal is output to the band synthesis processing unit 381 as a band signal.
  • the pre / post-echo reduction unit 379 performs processing for reducing pre / post-echo on the decoded second TDAC signal input from the TDAC decoding unit 374 and the decoded TDBWE signal input from the TDBWE decoding unit 373, thereby reducing the echo.
  • the later signal is output to the high-pass filter 380 as a decoded second low-frequency signal (4 to 8 kHz band).
  • the high-pass filter 380 suppresses frequency components of 4 kHz or less with respect to the decoded second low-frequency signal input from the pre / post-echo reduction unit 379, obtains a signal mainly composed of frequency components higher than 4 kHz, and performs decoding after filtering. 2 is output to the band synthesis processing unit 381 as a low frequency signal.
  • the band synthesis processing unit 381 receives the filtered decoded first low-frequency signal from the low-pass filter 378 and receives the filtered decoded second low-frequency signal from the high-pass filter 380.
  • the band synthesis processing unit 381 performs band synthesis processing on the filtered first decoded low-frequency signal (0 to 4 kHz band) and the filtered second decoded low-frequency signal (4 to 8 kHz band) both having a sampling frequency of 8 kHz.
  • the first layer decoded signal having a sampling frequency of 16 kHz (0 to 8 kHz band) is generated.
  • Band synthesis processing section 381 then outputs the generated first layer decoded signal to addition section 175.
  • band synthesis processing may be performed collectively by the addition unit 175 without providing the band synthesis processing unit 381.
  • Decoding in first layer decoding section 172 according to the present embodiment shown in FIG. 19 is performed by TDAC decoding section 374 at the time when the first layer decoded spectrum is calculated from the TDAC parameter, to second layer decoding section 173. Only the point of output is G.C. This is different from the decoding in the 729.1 system.
  • FIG. 20 is a block diagram showing the main configuration inside second layer decoding section 173 shown in FIG.
  • the internal configuration of second layer decoding section 173 shown in FIG. 20 is a configuration in which orthogonal transform processing section 356 is omitted from second layer decoding section 135 shown in FIG. In 2nd layer decoding part 173, since it is the same as that in 2nd layer decoding part 135 about components other than filtering part 390 and spectrum adjustment part 391, description is omitted.
  • the filtering unit 390 includes a multi-tap pitch filter (the number of taps is greater than 1).
  • the filtering unit 390 also uses the filter function shown in Expression (15). However, in this case, the filtering process and the filter function are obtained by replacing T in Equation (15) and Equation (16) with T p ′.
  • the filtering process is performed according to an equation in which T is replaced with T p ′′ in equation (16).
  • subband SB p 1, 2,..., P ⁇ 1
  • subband SB p ⁇ 1 is added to pitch coefficient T p ⁇ 1 ′ of subband SB p ⁇ 1.
  • the added bandwidth BW p-1 by adding T p 'to the index obtained by subtracting half the value of the search range sEARCH, and pitch coefficient T p ".
  • the spectrum adjustment unit 391 adjusts the spectrum shape in the frequency band FL ⁇ k ⁇ FH of the estimated spectrum S2 ′ (k), and generates the decoded spectrum S3 (k).
  • the spectrum adjustment unit 391 sets the value of the low frequency part (0 ⁇ k ⁇ FL) of the decoded spectrum S3 (k) to 0.
  • the spectrum adjustment unit 391 outputs a decoded spectrum in which the value of the low band part (0 ⁇ k ⁇ FL) is 0 to the orthogonal transform processing unit 174.
  • the high frequency band is divided into a plurality of subbands, For some subbands (in this embodiment, the first subband, the third subband, and the fifth subband), a search is performed in a search range set for each subband. For other subbands (second subband and fourth subband in the present embodiment), a search is performed using the encoding result of the immediately preceding subband.
  • a search is performed using the encoding result of the immediately preceding subband.
  • the sampling frequency of the input signal is 32 kHz, as in the fourth embodiment, and the G.264 standardized by ITU-T is used as the encoding method of the first layer encoding unit. A configuration when the 729.1 scheme is applied will be described.
  • a communication system (not shown) according to the fifth embodiment of the present invention is basically the same as the communication system shown in FIG. 2, and only a part of the configuration and operation of the encoding device and decoding device is shown in FIG. 2 is different from the encoding device 101 and the decoding device 103 of the communication system 2.
  • the encoding device and the decoding device of the communication system according to the present embodiment are denoted by reference numerals “181” and “184”, respectively.
  • Encoding apparatus 181 (not shown) according to the present embodiment is basically the same as encoding apparatus 161 shown in FIG. 15, and includes downsampling processing section 201, first layer encoding section 233, and orthogonal transform.
  • the processing unit 215, the second layer encoding unit 246, and the encoded information integration unit 207 are mainly configured.
  • the components other than second layer encoding section 246 are the same as those in the fourth embodiment, description thereof will be omitted.
  • Second layer encoding section 246 generates second layer encoded information using the input spectrum input from orthogonal transform processing section 215 and the first layer decoded spectrum input from first layer encoding section 233. The generated second layer encoded information is output to encoded information integration section 207. Details of second layer encoding section 246 will be described later.
  • FIG. 21 is a block diagram showing a main configuration inside second layer encoding section 246 according to the present embodiment.
  • the constituent elements other than the pitch coefficient setting unit 404 are the same as those in the fourth embodiment, and thus the description thereof is omitted.
  • the high band part (FL ⁇ k ⁇ FH) of the input spectrum S2 (k) is divided into five subbands SB p.
  • Pitch coefficient setting section 404 presets a pitch coefficient search range for some subbands among a plurality of subbands, and adjacent subbands for the other subbands.
  • a pitch coefficient search range is set based on the search result corresponding to.
  • the pitch coefficient setting unit 404 controls the first subband SB 0 , the third subband SB 2, or the fifth subband SB 4 (subband SB) together with the filtering unit 262 and the search unit 263 under the control of the search unit 263.
  • the pitch coefficient setting unit 404 uses the pitch coefficient T as the search range Tmin1 set in advance for the first subband. Set while gradually changing within ⁇ Tmax1.
  • pitch coefficient setting section 404 when performing the search processing of the closed loop corresponding to the third sub-band SB 2 is a pitch coefficient T, the third preset search range for the sub-band Tmin3 ⁇ Tmax3 Set while changing little by little.
  • the pitch coefficient setting unit 404 uses the pitch coefficient T as a search range Tmin5 to Tmax5 preset for the fifth subband. Set while changing little by little.
  • the pitch is determined based on the optimum pitch coefficient T p-1 ′ obtained in the closed loop search process corresponding to the immediately preceding subband SB p ⁇ 1.
  • the coefficient T is sequentially output to the filtering unit 262 while being changed little by little.
  • pitch coefficient setting section 404 when performing a search process of a closed loop corresponding to the second subband SB 1, the optimal pitch coefficient of the first subband SB 0 is adjacent preceding sub-band T
  • the pitch coefficient T is set while gradually changing within the search range calculated according to the equation (27).
  • the search range in which the pitch coefficient T is calculated according to the equation (28). Set while changing little by little.
  • P 1 in Expression (27) and Expression (28).
  • SEARCH1 and SEARCH2 in Expression (27) and Expression (28) indicate a predetermined setting range of the search pitch coefficient. In the following, a case where SEARCH1> SEARCH2 is described.
  • equations (31) and (31) The range of the pitch coefficient T is corrected as shown in (32).
  • Expression (31) corresponds to Expression (27) and Expression (30)
  • Expression (32) corresponds to Expression (28) and Expression (29), respectively.
  • equations (33) and ( The range of the pitch coefficient T is corrected as shown in 34).
  • Expression (33) corresponds to Expression (27) and Expression (30)
  • Expression (34) corresponds to Expression (28) and Expression (29).
  • the pitch coefficient setting unit 404 adaptively changes the number of entries when searching for the optimum pitch for the second subband and the fourth subband. That is, the pitch coefficient setting unit 404 increases the number of entries when searching for the optimal pitch for the second subband when the optimal pitch coefficient T 0 ′ of the first subband is smaller than a preset threshold (pattern 1). When the optimum pitch coefficient T 0 ′ of the first subband is equal to or greater than the threshold, the number of entries when searching for the optimum pitch for the second subband is reduced (pattern 2). Further, pitch coefficient setting section 404 increases or decreases the number of entries when searching for the optimum pitch of the fourth subband according to the patterns (pattern 1 and pattern 2) when searching for the optimum pitch of the second subband.
  • the pitch coefficient setting unit 404 reduces the number of entries when searching for the optimum pitch of the fourth subband in the case of pattern 1, and reduces the number of entries when searching for the optimum pitch of the fourth subband in the case of pattern 2. Increase the number of entries.
  • the bit rate is set by equalizing the total number of entries when searching for the optimal pitch of the second subband and the number of entries when searching for the optimal pitch of the fourth subband. It is possible to search for an optimum pitch coefficient more efficiently while keeping it fixed.
  • the first layer decoded spectrum is generally characterized in that when the input signal is an audio signal or the like, the lower frequency side is more periodic. Therefore, the effect of increasing the number of entries at the time of searching increases as the bandwidth for searching for the optimum pitch coefficient is lower. Therefore, as described above, when the value of the optimum pitch coefficient searched for the first subband is small, the number of entries when searching for the optimum pitch for the second subband is increased to increase the second subband. It is possible to search for the optimum pitch that is more effective for the band. At this time, the number of entries when searching for the optimum pitch coefficient for the fourth subband is reduced.
  • the optimum pitch coefficient searched for the first subband when the value of the optimum pitch coefficient searched for the first subband is large, the effect is small even if the number of entries for searching the optimum pitch coefficient for the second subband is increased.
  • the number of entries when searching for the optimal pitch coefficient is reduced, and the number of entries when searching for the optimal pitch coefficient for the fourth subband is increased.
  • the number of entries (bit allocation) at the time of searching for the optimum pitch coefficient is adjusted between the second subband and the fourth subband according to the value of the optimum pitch coefficient searched for the first subband.
  • the optimum pitch coefficient can be searched more efficiently, and a decoded signal with high quality can be generated.
  • the main internal configuration of the decoding device 184 (not shown) according to the present embodiment is basically the same as that of the decoding device 163 shown in FIG.
  • the high frequency band is divided into a plurality of subbands, For some subbands (in this embodiment, the first subband, the third subband, and the fifth subband), a search is performed in a search range set for each subband. For other subbands (second subband and fourth subband in the present embodiment), a search is performed using the encoding result of the immediately preceding subband.
  • the number of entries for search is adaptively switched based on the optimum pitch searched for the first subband.
  • the present invention is not limited to this, and can be similarly applied to a configuration in which the total number of entries when searching for the optimum pitch coefficient for the second subband and the fourth subband is different for each pattern.
  • the case where the number of entries when searching for the optimum pitch coefficient for the second subband and the fourth subband increases or decreases is described as an example.
  • the search is increased by increasing the number of search entries.
  • the range is the entire low range.
  • the value of the optimal pitch coefficient T 0 ′ of the first subband is set in advance. the case is less than a defined threshold TH p (pattern 1), by increasing the number of search entries optimal pitch coefficient for the second subband (by widening the search range), the search for the optimal pitch coefficient for the fourth subband.
  • TH p threshold 1
  • the present invention is not limited to the above-described configuration, and can be similarly applied to a configuration in which reverse search range setting methods are used for the first subband pattern 1 and pattern 2.
  • the present invention when the value of the optimal pitch coefficient T 0 ′ of the first subband is less than the predetermined threshold TH p (pattern 1), the number of search entries for the optimal pitch coefficient of the second subband
  • the present invention can be similarly applied to a configuration in which the number of search entries for the optimum pitch coefficient of the fourth subband is increased (the search range is widened).
  • a search range setting method opposite to the above is adopted.
  • it is possible to efficiently encode an input signal having greatly different spectral characteristics on the low frequency side and the high frequency side in the low frequency part. Specifically, it has been experimentally confirmed that the spectrum is composed of a plurality of peak components, and that an input signal having such characteristics that the density of the peak components greatly varies depending on the band can be efficiently quantized. ing.
  • the sampling frequency of the input signal is 32 kHz
  • the G. standardized by ITU-T is used as the encoding method of the first layer encoding unit. A configuration when the 729.1 scheme is applied will be described.
  • a communication system (not shown) according to the sixth embodiment of the present invention is basically the same as the communication system shown in FIG. 2, and only a part of the configuration and operation of the encoding device and decoding device is shown in FIG. 2 is different from the encoding device 101 and the decoding device 103 of the communication system 2.
  • the encoding device and the decoding device of the communication system according to the present embodiment will be described with reference numerals “191” and “193”, respectively.
  • Encoding apparatus 191 (not shown) according to the present embodiment is basically the same as encoding apparatus 161 shown in FIG. 15, and includes downsampling processing section 201, first layer encoding section 233, and orthogonal transform.
  • the processing unit 215, the second layer encoding unit 256, and the encoded information integration unit 207 are mainly configured.
  • the constituent elements other than second layer encoding section 256 are the same as those in the fourth embodiment, and thus the description thereof is omitted.
  • Second layer encoding section 256 generates second layer encoded information using the input spectrum input from orthogonal transform processing section 215 and the first layer decoded spectrum input from first layer encoding section 233. The generated second layer encoded information is output to encoded information integration section 207. Details of second layer encoding section 256 will be described later.
  • FIG. 22 is a block diagram showing the main components inside second layer encoding section 256 according to the present embodiment.
  • the constituent elements other than the pitch coefficient setting unit 414 are the same as those in the fourth embodiment, and thus description thereof is omitted.
  • the high frequency part (FL ⁇ k ⁇ FH) of the input spectrum S2 (k) is divided into five subbands SB p.
  • Pitch coefficient setting section 414 presets a pitch coefficient search range for some subbands among a plurality of subbands, and adjacent subbands for other subbands.
  • a pitch coefficient search range is set based on the search result corresponding to.
  • the pitch coefficient setting unit 414 controls the first subband SB 0 , the third subband SB 2, or the fifth subband SB 4 (subband SB) together with the filtering unit 262 and the search unit 263 under the control of the search unit 263.
  • the pitch coefficient setting unit 414 sets the pitch coefficient T to the search range Tmin1 preset for the first subband. Set while gradually changing within ⁇ Tmax1.
  • pitch coefficient setting section 414 when performing the search processing of the closed loop corresponding to the third sub-band SB 2 is a pitch coefficient T, the third preset search range for the sub-band Tmin3 ⁇ Tmax3 Set while changing little by little. Similarly, when performing the closed loop search process corresponding to the fifth subband SB 4 , the pitch coefficient setting unit 414 sets the pitch coefficient T to the search range Tmin5 to Tmax5 preset for the fifth subband. Set while changing little by little.
  • the pitch is determined based on the optimum pitch coefficient T p-1 ′ obtained in the closed loop search process corresponding to the immediately preceding subband SB p ⁇ 1.
  • the coefficient T is sequentially output to the filtering unit 262 while being changed little by little.
  • the pitch coefficient setting unit 414 performs the optimal pitch coefficient T of the first subband SB 0 that is the immediately preceding subband.
  • the pitch coefficient T is set while gradually changing within the search range calculated according to the equation (9).
  • P 1.
  • the pitch coefficient T is gradually increased within a preset search range Tmin2 to Tmax2. Set while changing.
  • pitch coefficient setting section 414 when performing a search process of a closed loop corresponding to the fourth sub-band SB 3, the threshold TH p value of optimal pitch coefficient T 0 'of the first subband SB 0 is predetermined If it is less than the pitch range, the pitch coefficient T is calculated from the optimum pitch coefficient T 2 ′ of the third subband SB 2 , which is the immediately preceding subband, within the search range calculated according to the equation (9). Set while changing little by little.
  • Equation (9) 3.
  • the pitch coefficient T is gradually increased within a preset search range Tmin4 to Tmax4. Set while changing.
  • Pitch coefficient setting section 414 obtains the setting of the search range at the time of searching for the optimum pitch for the second subband and the fourth subband in the search processing of the closed loop corresponding to the adjacent subband SB p ⁇ 1.
  • the adaptive pitch coefficient T p-1 ′ is adaptively changed. That is, pitch coefficient setting section 414, when the optimal pitch coefficients are searched against the previous one adjacent subband SB p-1 T p-1 'is less than the threshold value only, optimal pitch coefficient T p The optimum pitch coefficient is searched for the range based on ⁇ 1 ′.
  • the pitch coefficient setting unit 414 When the optimum pitch coefficient T p-1 ′ searched for the immediately preceding subband SB p ⁇ 1 adjacent to the adjacent subband SB p ⁇ 1 is equal to or greater than the threshold, the pitch coefficient setting unit 414 The optimum pitch coefficient is searched for the range. With such a configuration, it is possible to suppress abnormal noise that occurs due to the search range of the optimum pitch being biased to a high range, and as a result, the quality of the decoded signal can be improved.
  • Decoding apparatus 193 (not shown) according to the present embodiment is basically the same as decoding apparatus 163 shown in FIG. 18, and includes encoded information separation section 171, first layer decoding section 172, and second layer decoding. Unit 183, orthogonal transform processing unit 174, and addition unit 175.
  • the components other than the second layer decoding unit 183 are the same as those in the fourth embodiment, and thus description thereof is omitted.
  • FIG. 23 is a block diagram showing a main configuration inside second layer decoding section 183 according to the present embodiment.
  • the components other than the filtering unit 490 are the same as those in the fourth embodiment, and thus the description thereof is omitted.
  • the filtering unit 490 includes a multi-tap pitch filter (the number of taps is greater than 1).
  • the filtering unit 490 also uses the filter function shown in Expression (15). However, in this case, the filtering process and the filter function are obtained by replacing T in Equation (15) and Equation (16) with T p ′.
  • the equation (18 ) To calculate a pitch coefficient T p ′′ used for filtering.
  • the filtering process is performed according to an equation in which T is replaced with T p ′′ in equation (16).
  • the value of the pitch coefficient obtained from the separation unit 351 is a predetermined threshold TH p.
  • the filtering process and the filter function are obtained by replacing T in Equation (15) and Equation (16) with T p ′.
  • the high frequency band is divided into a plurality of subbands, For some subbands (in this embodiment, the first subband, the third subband, and the fifth subband), a search is performed in a search range set for each subband. For other subbands (second subband and fourth subband in the present embodiment), a search is performed using the encoding result of the immediately preceding subband.
  • the number of entries for search is adaptively switched based on the optimum pitch searched for the first subband.
  • the first layer encoding unit and the first layer decoding unit perform G.
  • the case where the 729.1 encoding / decoding method is used has been described as an example.
  • the encoding method / decoding method used in the first layer encoding unit and the first layer decoding unit in the present invention is G.264.
  • the present invention is not limited to the 729.1 encoding / decoding method.
  • G As the encoding method / decoding method used in the first layer encoding unit and the first layer decoding unit, G.
  • the present invention can be similarly applied to configurations employing other encoding / decoding methods such as 718.
  • Embodiments 4 to 6 the case where information obtained in the first layer encoding unit (decoded spectrum of TDAC parameter obtained by TDAC encoding unit 287) is used as the first layer decoding spectrum will be described. did.
  • the present invention is not limited to this, and can be similarly applied to a case where other information calculated inside the first layer encoding unit is used as the first layer decoded spectrum.
  • the present invention also applies to the case where the first layer decoded signal obtained by decoding the first layer encoded information is subjected to processing such as orthogonal transformation and the calculated spectrum is used as the first layer decoded spectrum. Applicable to.
  • the present invention is not limited to the characteristics of the first layer decoded spectrum, but is a parameter calculated inside the first layer encoding unit or a decoded signal obtained by decoding the first layer encoded information. The same effect can be obtained when all the spectra calculated from the above are used as the first layer decoded spectrum.
  • search ranges preset in some subbands in this embodiment, the first subband, the third subband, and the fifth subband
  • search ranges preset in some subbands The case where it differs for each band has been described as an example.
  • the present invention is not limited to this, and a common search range may be set for all subbands or some subband groups.
  • the case where the variation amount of the spectrum power with the input spectrum is encoded for each subband has been described as an example.
  • the present invention is not limited to this, and the gain encoding unit 265 may encode the ideal gain corresponding to the optimum pitch coefficient T p ′ calculated by the search unit 263.
  • the subband configuration of the gain encoded by the gain encoding unit 265 is the same as the subband configuration at the time of filtering. With this configuration, it is possible to generate an estimated spectrum that approximates the high frequency part of the input spectrum, and to reduce the noise that can be included in the decoded signal.
  • the decoding signal of the second layer is always used as the output signal on the decoding side
  • the present invention is not limited to this, and the decoding signal of the first layer and the second layer
  • the decoded signal of the layer may be switched to be an output signal. For example, when a part of the encoded information is lost in the transmission path or a transmission error occurs in the encoded information, only the decoded signal by the first layer decoding may be obtained. In such a case, the decoded signal of the first layer is output as an output signal.
  • the apparatus may be a scalable encoding apparatus / decoding apparatus having three or more layers.
  • a common range called SEARCH is set for each subband as a range of pitch coefficients set by the pitch coefficient setting units 264 and 274 in order to search for an optimum pitch coefficient corresponding to each subband.
  • the pitch coefficient range set by the pitch coefficient setting units 264, 274, 294, 404, and 414 for searching for the optimum pitch coefficient corresponding to each subband is different for each subband.
  • the configuration around the position obtained by adding the previous subband width to the optimum pitch coefficient of the previous subband ( ⁇ SEARCH range) has been described using a common range called SEARCH.
  • SEARCH range a common range
  • the present invention is not limited to this, and can be similarly applied to a configuration in which an asymmetric range is used as a search range for the optimal pitch coefficient with respect to a position obtained by adding the previous subband width to the optimal pitch coefficient of the previous subband. .
  • the low frequency side is widened from the position obtained by adding the front subband width to the optimum pitch coefficient of the previous subband, and the search range is set narrow on the high frequency side.
  • a configuration has been described in which for several subbands, a range for searching for an optimal pitch coefficient is set based on the optimal pitch coefficient for an adjacent previous subband.
  • the above method uses a correlation on the frequency axis for the optimum pitch coefficient.
  • the present invention is not limited to this, and can be similarly applied to the case where the correlation on the time axis is used for the optimum pitch coefficient.
  • the periphery is set as the optimum pitch coefficient search range. To do. In this case, the vicinity of the position obtained by the fourth-order linear prediction is searched.
  • the correlation on the time axis as described above and the correlation on the frequency axis described in the above embodiments can be used in combination.
  • the search range of the optimum pitch coefficient is set for a certain subband based on the optimum pitch coefficient searched for in the past frame and the optimum pitch coefficient searched for the adjacent previous subband.
  • the search range for the optimal pitch coefficient is set using the correlation on the time axis, there is a problem that transmission errors propagate.
  • the search range for the optimal pitch coefficient is set without being based on the correlation on the time axis. This can be dealt with by providing a frame (for example, every time four frames are processed, a frame that does not use the correlation on the time axis is set).
  • the encoding device, the decoding device, and these methods according to the present invention are not limited to the above embodiments, and can be implemented with various modifications.
  • each embodiment can be implemented in combination as appropriate.
  • the decoding device in each of the above embodiments performs processing using the encoded information transmitted from the encoding device in each of the above embodiments
  • the present invention is not limited to this, and necessary parameters As long as the encoded information includes data and data, the processing is not necessarily performed by the encoded information from the encoding device in each of the above embodiments.
  • the present invention can also be applied to a case where a signal processing program is recorded and written on a machine-readable recording medium such as a memory, a disk, a tape, a CD, or a DVD, and the operation is performed. Actions and effects similar to those of the form can be obtained.
  • each functional block used in the description of each of the above embodiments is typically realized as an LSI which is an integrated circuit. These may be individually made into one chip, or may be made into one chip so as to include a part or all of them.
  • the name used here is LSI, but it may also be called IC, system LSI, super LSI, or ultra LSI depending on the degree of integration.
  • the method of circuit integration is not limited to LSI, and implementation with a dedicated circuit or a general-purpose processor is also possible.
  • An FPGA Field Programmable Gate Array
  • a reconfigurable / processor that can reconfigure the connection and setting of circuit cells inside the LSI may be used.
  • the encoding device, the decoding device, and these methods according to the present invention can improve the quality of the decoded signal when performing band extension using the low-band spectrum and estimating the high-band spectrum, For example, it can be applied to a packet communication system, a mobile communication system, and the like.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Quality & Reliability (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Compression, Expansion, Code Conversion, And Decoders (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)

Abstract

　復号信号の低域から高域を推定する帯域拡張において復号信号の品質を向上させること。第１レイヤ符号化部（２０２）は、入力信号の所定周波数以下の低域部分を符号化して第１レイヤ符号化情報を生成し、第１レイヤ復号部（２０３）は、第１レイヤ符号化情報を復号して第１レイヤ復号信号を生成し、第２レイヤ符号化部（２０６）は、入力信号の所定周波数より高い高域部分を複数のサブバンドに分割し、入力信号または第１レイヤ復号信号から複数のサブバンドのそれぞれを、低域側に隣接するサブバンドの推定結果を用いて推定し、この複数のサブバンドの推定結果を含む第２符号化情報を生成する。

Description

符号化装置、復号装置およびこれらの方法
　本発明は、信号を符号化して伝送する通信システムに用いられる符号化装置、復号装置およびこれらの方法に関する。
　インターネット通信に代表されるパケット通信システムや、移動通信システムなどで音声・楽音信号を伝送する場合、音声・楽音信号の伝送効率を高めるため、圧縮・符号化技術がよく使われる。また、近年では、単に低ビットレートで音声・楽音信号を符号化するという一方で、より広帯域の音声・楽音信号を符号化する技術に対するニーズが高まっている。
　このようなニーズに対して、符号化後の情報量を大幅に増加させることなく広帯域の音声・楽音信号を符号化する様々な技術が開発されてきている。例えば特許文献１では、一定時間分の入力音響信号を変換して得られるスペクトルデータのうち、周波数の高域部の特徴を補助情報として生成し、これを低域部の符号化情報とあわせて出力している。具体的には、周波数の高域部のスペクトルデータを複数のグループに分け、各グループにおいて、当該グループのスペクトルと最も近似する低域部のスペクトルを特定する情報を補助情報としている。また、特許文献２では、高域信号を複数のサブバンドに分割し、前記サブバンド毎に、サブバンド内の信号と低域信号との類似度を判定し、その判定結果に応じて、補助情報の構成（サブバンド内の振幅パラメータ、類似する低域信号の位置パラメータ、高域・低域間の残差信号パラメータ）を変更するという技術が挙げられている。
特開２００３－１４０６９２号公報 特開２００４－４５３０号公報
　しかしながら上記特許文献１および特許文献２では、高域信号（高域部のスペクトルデータ）を生成するために、高域部と類似する低域信号の判定を、高域信号の各サブバンド（グループ）毎にそれぞれ独立に行っており、符号化効率は十分とは言えない。特に低ビットレートで補助情報を符号化する場合には算出した補助情報を用いて生成される復号音声の品質が不十分であり、場合によっては異音が発生する可能性もある。
　本発明の目的は、広帯域信号の低域部のスペクトルデータに基づいて高域部のスペクトルデータを効率的に符号化し、復号信号の品質を改善することができる符号化装置、復号装置およびこれらの方法を提供することである。
　本発明の符号化装置は、入力信号の所定周波数以下の低域部分を符号化して第１符号化情報を生成する第１符号化手段と、前記第１符号化情報を復号して復号信号を生成する復号手段と、前記入力信号の前記所定周波数より高い高域部分を複数のサブバンドに分割し、前記入力信号または前記復号信号から、前記複数のサブバンドのそれぞれを、隣接するサブバンドの推定結果を用いて推定することにより第２符号化情報を生成する第２符号化手段と、を具備する構成を採る。
　本発明の復号装置は、符号化装置において生成された、入力信号の所定周波数以下の低域部分を符号化して得られる第１符号化情報と、前記入力信号の前記所定周波数より高い高域部分を複数のサブバンドに分割し、前記入力信号、または、前記第１符号化情報を復号して得られる第１復号信号から、前記複数のサブバンドのそれぞれを、隣接するサブバンドの推定結果を用いて推定して得られる第２符号化情報と、を受信する受信手段と、前記第１符号化情報を復号して第２復号信号を生成する第１復号手段と、前記第２符号化情報を用いて得られる、隣接するサブバンドの復号結果を用いて、前記第２復号信号から前記入力信号の高域部分を推定することにより第３復号信号を生成する第２復号手段と、を具備する構成を採る。
　本発明の符号化方法は、入力信号の所定周波数以下の低域部分を符号化して第１符号化情報を生成するステップと、前記第１符号化情報を復号して復号信号を生成するステップと、前記入力信号の前記所定周波数より高い高域部分を複数のサブバンドに分割し、前記入力信号または前記復号信号から、前記複数のサブバンドのそれぞれを、隣接するサブバンドの推定結果を用いて推定することにより第２符号化情報を生成するステップと、を具備するようにした。
　本発明の復号方法は、符号化装置において生成された、入力信号の所定周波数以下の低域部分を符号化して得られる第１符号化情報と、前記入力信号の前記所定周波数より高い高域部分を複数のサブバンドに分割し、前記入力信号、または、前記第１符号化情報を復号して得られる第１復号信号から、前記複数のサブバンドのそれぞれを、隣接するサブバンドの推定結果を用いて推定して得られる第２符号化情報と、を受信するステップと、前記第１符号化情報を復号して第２復号信号を生成するステップと、前記第２符号化情報を用いて得られる、隣接するサブバンドの復号結果を用いて、前記第２復号信号から前記入力信号の高域部分を推定することにより第３復号信号を生成するステップと、を具備するようにした。
　本発明によれば、符号化対象となる信号の高域部のスペクトルデータを低域部のスペクトルデータに基づいて生成する際、高域のサブバンド間の相関を利用し、隣接するサブバンドの符号化結果に基づいた符号化を行うことにより、広帯域信号の高域部のスペクトルデータを効率的に符号化することができ、復号信号の品質を改善することができる。
本発明に係る符号化に含まれる探索処理の概要を説明するための図 本発明の実施の形態１に係る符号化装置および復号装置を有する通信システムの構成を示すブロック図 図２に示した符号化装置の内部の主要な構成を示すブロック図 図３に示した第２レイヤ符号化部の内部の主要な構成を示すブロック図 図４に示したフィルタリング部におけるフィルタリング処理の詳細について説明するための図 図４に示した探索部においてサブバンドＳＢｐに対して最適ピッチ係数Ｔｐ’を探索する処理の手順を示すフロー図 図２に示した復号装置の内部の主要な構成を示すブロック図 図７に示した第２レイヤ復号部の内部の主要な構成を示すブロック図 本発明の実施の形態２に係る符号化装置の内部の主要な構成を示すブロック図 本発明の実施の形態２に係る復号装置の内部の主要な構成を示すブロック図 本発明の実施の形態３に係る符号化装置の内部の主要な構成を示すブロック図 図１１に示した第２レイヤ符号化部の内部の主要な構成を示すブロック図 本発明の実施の形態３に係る復号装置の内部の主要な構成を示すブロック図 図１３に示した第２レイヤ復号部の内部の主要な構成を示すブロック図 本発明の実施の形態４に係る符号化装置の内部の主要な構成を示すブロック図 図１５に示した第１レイヤ符号化部の内部の主要な構成を示すブロック図 図１５に示した第２レイヤ符号化部の内部の主要な構成を示すブロック図 本発明の実施の形態４に係る復号装置の内部の主要な構成を示すブロック図 図１８に示した第１レイヤ復号部の内部の主要な構成を示すブロック図 図１８に示した第２レイヤ復号部の内部の主要な構成を示すブロック図 本発明の実施の形態５に係る第２レイヤ符号化部の内部の主要な構成を示すブロック図 本発明の実施の形態６に係る第２レイヤ符号化部の内部の主要な構成を示すブロック図 本発明の実施の形態６に係る第２レイヤ復号部の内部の主要な構成を示すブロック図
　以下、本発明の実施の形態について、図面を参照して詳細に説明する。なお、本発明に係る符号化装置および復号装置として、音声符号化装置および音声復号装置を例にとって説明する。
　まず、図１を用いて本発明に係る符号化に含まれる探索処理の概要を説明する。図１（ａ）は入力信号のスペクトルを表し、図１（ｂ）は入力信号の低域部の符号化データを復号して得られるスペクトル（第１レイヤ復号スペクトル）を表す。また、ここでは、電話帯域（０～３．４ｋＨｚ）の信号を広帯域（０～７ｋＨｚ）の信号に帯域拡張する場合を例に挙げて説明する。つまり、入力信号のサンプリング周波数は１６ｋＨｚであり、また低域符号化部から出力される復号信号のサンプリング周波数は８ｋＨｚである。ここで、入力信号の高域部を符号化する際に、入力信号のスペクトルの高域部を複数のサブバンドに分割し（図１では１ｓｔから５ｔｈまでの５つのサブバンド構成とする）、サブバンド毎に、第１レイヤ復号スペクトルに対して高域部のスペクトルに最も近似する部分の探索を行う。
　図１において、第１探索範囲および第２探索範囲は第１サブバンド（１ｓｔ）および第２サブバンド（２ｎｄ）それぞれに類似する復号低域スペクトル（後述する第１レイヤ復号スペクトル）の一部（帯域）を探索する範囲を表す。ここで、第１探索範囲は例えばＴｍｉｎ（０ｋＨｚ）からＴｍａｘまでの範囲をとる。周波数Ａは、探索により見つかった、第１サブバンドに類似する復号低域スペクトルの一部帯域１ｓｔ’の開始位置を示し、周波数Ｂは、帯域１ｓｔ’の終端部を示す。続いて、第２サブバンド（２ｎｄ）に対応する探索を行う際には、すでに探索が終わった第１サブバンド（１ｓｔ）の探索結果を利用する。具体的には、第１サブバンド（１ｓｔ）に最も近似する部分１ｓｔ’の終端部付近の範囲、すなわち第２探索範囲において、第２サブバンド（２ｎｄ）に近似する復号低域スペクトルの一部帯域の探索を行う。第２サブバンドに対応する探索を行った結果、例えば第２サブバンドに類似する復号低域スペクトルの一部帯域２ｎｄ’の開始位置はＣとなり、終端部はＤとなる。第３サブバンド、第４サブバンド、及び第５サブバンドのそれぞれに対応する探索も同様に隣接する１つ前のサブバンドに対応する探索の結果を用いて行う。これにより、サブバンド間の相関を利用した効率良い近似部分探索を行うことができ、高域部のスペクトルの符号化性能を向上させることができる。なお、図１では、入力信号のサンプリング周波数が１６ｋＨｚである場合を例にとって説明したが、本発明はこれに限定されず、入力信号のサンプリング周波数が８ｋＨｚ、あるいは３２ｋＨｚ等である場合にも同様に適用できる。すなわち、本発明は入力信号のサンプリング周波数によって制限されない。
　（実施の形態１）
　図２は、本発明の実施の形態１に係る符号化装置および復号装置を有する通信システムの構成を示すブロック図である。図２において、通信システムは、符号化装置と復号装置とを備え、それぞれ伝送路を介して通信可能な状態となっている。なお、符号化装置および復号装置はいずれも、通常、基地局装置あるいは通信端末装置等に搭載されて用いられる。
　符号化装置１０１は、入力信号をＮサンプルずつ区切り（Ｎは自然数）、Ｎサンプルを１フレームとしてフレーム毎に符号化を行う。ここで、符号化の対象となる入力信号をｘｎ（ｎ＝０、…、Ｎ－１）と表すこととする。ｎは、Ｎサンプルずつ区切られた入力信号のうち、信号要素のｎ＋１番目を示す。符号化された入力情報（符号化情報）は伝送路１０２を介して復号装置１０３に符号化情報を送信する。
　復号装置１０３は、伝送路１０２を介して符号化装置１０１から送信された符号化情報を受信し、これを復号し出力信号を得る。
　図３は、図２に示した符号化装置１０１の内部の主要な構成を示すブロック図である。入力信号のサンプリング周波数をＳＲｉｎｐｕｔとすると、ダウンサンプリング処理部２０１は、入力信号のサンプリング周波数をＳＲｉｎｐｕｔからＳＲｂａｓｅまでダウンサンプリングし（ＳＲｂａｓｅ＜ＳＲｉｎｐｕｔ）、ダウンサンプリングした入力信号をダウンサンプリング後入力信号として、第１レイヤ符号化部２０２に出力する。
　第１レイヤ符号化部２０２は、ダウンサンプリング処理部２０１から入力されるダウンサンプリング後入力信号に対して、例えばＣＥＬＰ(Code Excited Linear Prediction)方式の音声符号化方法を用いて符号化を行って第１レイヤ符号化情報を生成し、生成した第１レイヤ符号化情報を第１レイヤ復号部２０３および符号化情報統合部２０７に出力する。
　第１レイヤ復号部２０３は、第１レイヤ符号化部２０２から入力される第１レイヤ符号化情報に対して、例えばＣＥＬＰ方式の音声復号方法を用いて復号を行って第１レイヤ復号信号を生成し、生成した第１レイヤ復号信号をアップサンプリング処理部２０４に出力する。
　アップサンプリング処理部２０４は、第１レイヤ復号部２０３から入力される第１レイヤ復号信号のサンプリング周波数をＳＲｂａｓｅからＳＲｉｎｐｕｔまでアップサンプリングし、アップサンプリングした第１レイヤ復号信号をアップサンプリング後第１レイヤ復号信号として、直交変換処理部２０５に出力する。
　直交変換処理部２０５は、バッファｂｕｆ１ｎおよびｂｕｆ２ｎ（ｎ＝０、…、Ｎ－１）を内部に有し、入力信号ｘｎおよびアップサンプリング処理部２０４から入力されるアップサンプリング後第１レイヤ復号信号ｙｎを修正離散コサイン変換（ＭＤＣＴ：Modified Discrete Cosine Transform）する。
　次に、直交変換処理部２０５における直交変換処理について、その計算手順と内部バッファへのデータ出力に関して説明する。
　まず、直交変換処理部２０５は、下記の式（１）および式（２）によりバッファｂｕｆ１ｎおよびｂｕｆ２ｎそれぞれを、「０」を初期値として初期化する。
Figure JPOXMLDOC01-appb-M000001
Figure JPOXMLDOC01-appb-M000002
　次いで、直交変換処理部２０５は、入力信号ｘｎ、アップサンプリング後第１レイヤ復号信号ｙｎに対し下記の式（３）および式（４）に従ってＭＤＣＴし、入力信号のＭＤＣＴ係数（以下、入力スペクトルと呼ぶ）Ｓ２（ｋ）およびアップサンプリング後第１レイヤ復号信号ｙnのＭＤＣＴ係数（以下、第１レイヤ復号スペクトルと呼ぶ）Ｓ１（ｋ）を求める。
Figure JPOXMLDOC01-appb-M000003
Figure JPOXMLDOC01-appb-M000004
　ここで、ｋは１フレームにおける各サンプルのインデックスを示す。直交変換処理部２０５は、入力信号ｘｎとバッファｂｕｆ１ｎとを結合させたベクトルであるｘｎ’を下記の式（５）により求める。また、直交変換処理部２０５は、アップサンプリング後第１レイヤ復号信号ｙｎとバッファｂｕｆ２ｎとを結合させたベクトルであるｙｎ’を下記の式（６）により求める。
Figure JPOXMLDOC01-appb-M000005
Figure JPOXMLDOC01-appb-M000006
　次に、直交変換処理部２０５は、式（７）および式（８）によりバッファｂｕｆ１ｎおよびｂｕｆ２ｎを更新する。
Figure JPOXMLDOC01-appb-M000007
Figure JPOXMLDOC01-appb-M000008
　そして、直交変換処理部２０５は、入力スペクトルＳ２（ｋ）および第１レイヤ復号スペクトルＳ１（ｋ）を第２レイヤ符号化部２０６に出力する。
　第２レイヤ符号化部２０６は、直交変換処理部２０５から入力される入力スペクトルＳ２（ｋ）および第１レイヤ復号スペクトルＳ１（ｋ）を用いて第２レイヤ符号化情報を生成し、生成した第２レイヤ符号化情報を符号化情報統合部２０７に出力する。なお、第２レイヤ符号化部２０６の詳細については後述する。
　符号化情報統合部２０７は、第１レイヤ符号化部２０２から入力される第１レイヤ符号化情報と、第２レイヤ符号化部２０６から入力される第２レイヤ符号化情報とを統合し、統合された情報源符号に対し、必要であれば伝送誤り符号などを付加した上でこれを符号化情報として伝送路１０２に出力する。
　次に、図３に示した第２レイヤ符号化部２０６の内部の主要な構成について図４を用いて説明する。
　第２レイヤ符号化部２０６は、帯域分割部２６０、フィルタ状態設定部２６１、フィルタリング部２６２、探索部２６３、ピッチ係数設定部２６４、ゲイン符号化部２６５および多重化部２６６を備え、各部は以下の動作を行う。
　帯域分割部２６０は、直交変換処理部２０５から入力される入力スペクトルＳ２（ｋ）の高域部（ＦＬ≦ｋ＜ＦＨ）をＰ個のサブバンドＳＢｐ（ｐ＝０，１，…，Ｐ－１）に分割する。そして、帯域分割部２６０は、分割した各サブバンドのバンド幅ＢＷｐ（ｐ＝０，１，…，Ｐ－１）および先頭インデックスＢＳｐ（ｐ＝０，１，…，Ｐ－１）（ＦＬ≦ＢＳｐ＜ＦＨ）を帯域分割情報としてフィルタリング部２６２、探索部２６３および多重化部２６６に出力する。以下、入力スペクトルＳ２（ｋ）のうち、サブバンドＳＢｐに対応する部分をサブバンドスペクトルＳ２ｐ（ｋ）（ＢＳｐ≦ｋ＜ＢＳｐ＋ＢＷｐ）と記す。
　フィルタ状態設定部２６１は、直交変換処理部２０５から入力される第１レイヤ復号スペクトルＳ１(ｋ)（０≦ｋ＜ＦＬ）を、フィルタリング部２６２で用いるフィルタ状態として設定する。フィルタリング部２６２における全周波数帯域０≦ｋ＜ＦＨのスペクトルＳ(ｋ)の０≦ｋ＜ＦＬの帯域に、第１レイヤ復号スペクトルＳ１(ｋ)がフィルタの内部状態（フィルタ状態）として格納される。
　フィルタリング部２６２は、マルチタップのピッチフィルタを備え、フィルタ状態設定部２６１により設定されたフィルタ状態と、ピッチ係数設定部２６４から入力されるピッチ係数と、帯域分割部２６０から入力される帯域分割情報とに基づいて、第１レイヤ復号スペクトルをフィルタリングし、各サブバンドＳＢｐ（ｐ＝０，１，…，Ｐ－１）の推定値Ｓ２ｐ’(ｋ)（ＢＳｐ≦ｋ＜ＢＳｐ＋ＢＷｐ）（ｐ＝０，１，…，Ｐ－１）（以下、「サブバンドＳＢｐの推定スペクトル」と称す）を算出する。フィルタリング部２６２は、サブバンドＳＢｐの推定スペクトルＳ２ｐ’(ｋ)を探索部２６３に出力する。なお、フィルタリング部２６２におけるフィルタリング処理の詳細については後述する。なお、マルチタップのタップ数は１以上の任意の値（整数）をとることができるものとする。
　探索部２６３は、帯域分割部２６０から入力される帯域分割情報に基づき、フィルタリング部２６２から入力されるサブバンドＳＢｐの推定スペクトルＳ２ｐ’(ｋ)と、直交変換処理部２０５から入力される入力スペクトルＳ２(ｋ)の高域部（ＦＬ≦ｋ＜ＦＨ）における各サブバンドスペクトルＳ２ｐ（ｋ）との類似度を算出する。この類似度の算出は、例えば相関演算等により行われる。また、フィルタリング部２６２、探索部２６３およびピッチ係数設定部２６４の処理は、サブバンド毎に閉ループの探索処理を構成し、各閉ループにおいて、探索部２６３は、ピッチ係数設定部２６４からフィルタリング部２６２に入力されるピッチ係数Ｔを種々に変化させることにより、各ピッチ係数に対応する類似度を算出する。探索部２６３は、サブバンド毎の閉ループにおいて、例えば、サブバンドＳＢｐに対応する閉ループにおいて類似度が最大となる最適ピッチ係数Ｔｐ’（ただしＴｍｉｎ～Ｔｍａｘの範囲）を求め、Ｐ個の最適ピッチ係数を多重化部２６６に出力する。探索部２６３は、各最適ピッチ係数Ｔｐ’を用いて、各サブバンドＳＢｐに類似する、第１レイヤ復号スペクトルの一部帯域を算出する。また、探索部２６３は、各最適ピッチ係数Ｔｐ’（ｐ＝０，１，…，Ｐ－１）に対応する推定スペクトルＳ２ｐ’（ｋ）をゲイン符号化部２６５に出力する。なお、探索部２６３における最適ピッチ係数Ｔｐ’（ｐ＝０，１，…，Ｐ－１）の探索処理の詳細については後述する。
　ピッチ係数設定部２６４は、探索部２６３の制御の下、フィルタリング部２６２および探索部２６３とともに、第１サブバンドＳＢ０に対応する閉ループの探索処理を行う場合には、ピッチ係数Ｔを、予め定められた探索範囲Ｔｍｉｎ～Ｔｍａｘの中で少しずつ変化させながら、フィルタリング部２６２に順次出力する。また、ピッチ係数設定部２６４は、探索部２６３の制御の下、フィルタリング部２６２および探索部２６３とともに、第２サブバンド以降のサブバンドＳＢｐ（ｐ＝１，２，…，Ｐ－１）に対応する閉ループの探索処理を行う場合には、サブバンドＳＢｐ－１に対応する閉ループの探索処理において求められた最適ピッチ係数Ｔｐ－１’に基づき、ピッチ係数Ｔを、少しずつ変化させながら、フィルタリング部２６２に順次出力する。具体的には、ピッチ係数設定部２６４は、下記の式（９）に示すピッチ係数Ｔをフィルタリング部２６２に出力する。式（９）において、ＳＥＡＲＣＨはサブバンドＳＢｐに対応するピッチ係数Ｔの探索範囲（探索エントリ数）を示す。
Figure JPOXMLDOC01-appb-M000009
　式（９）に示すように、第２サブバンド以降のサブバンドＳＢｐ（ｐ＝１，２，…，Ｐ－１）に対応するピッチ係数Ｔの探索範囲は、サブバンドＳＢｐ－１の最適ピッチ係数Ｔｐ－１’からサブバンドＳＢｐ－１のバンド幅ＢＷｐ－１分だけ高域側に存在するインデックス（Ｔｐ－１’＋ＢＷｐ－１）の周辺（±ＳＥＡＲＣＨ／２部分）となる。これは、サブバンドＳＢｐ－１に隣接するサブバンドＳＢｐに類似する部分は、サブバンドＳＢｐ－１に類似する第１レイヤ復号スペクトルの一部帯域に隣接する傾向があるという理由に基づくものである。サブバンドＳＢｐ－１とサブバンドＳＢｐとの間に存在するこのような相関を利用して探索を行うことにより、各サブバンドに対して固定的にＴｍｉｎ～Ｔｍａｘの探索範囲で探索を行う方法等と比べ、探索の効率を向上させることができる。
　なお、上記のように、隣接するサブバンド間の相関を利用した探索方法を適応類似探索方法（ＡＳＳ：Adaptive Similarity Search Method）と呼ぶことにする。この名称は、便宜上付与するものであり、この名称により本発明における上記探索方法が限定されるものではない。
　また、通常、スペクトルの調波構造は高域になるに従って徐々に弱くなる傾向にある。すなわち、サブバンドＳＢｐはサブバンドＳＢｐ－１に比べて調波構造が弱い傾向にある。従って、サブバンドＳＢｐに対しては、サブバンドＳＢｐ－１に類似する第１レイヤ復号スペクトルの部分よりも調波構造が弱まる高域側でサブバンドＳＢｐに類似する部分の探索を行う方が探索の効率を向上させることができる。この観点からも本方式の探索の効率性を説明することができる。
　また、式（９）に従って設定したピッチ係数Ｔの範囲が、第１レイヤ復号スペクトルの帯域の上限値を越えてしまう場合（式（１０）に示す条件に該当する場合）、下記の式（１０）に示すようにしてピッチ係数Ｔの範囲を修正する。式（１０）において、ＳＥＡＲＣＨ＿ＭＡＸはピッチ係数Ｔの設定値の上限値を示す。
Figure JPOXMLDOC01-appb-M000010
　また、式（９）に従って設定したピッチ係数Ｔの範囲が、第１レイヤ復号スペクトルの帯域の下限値を越えてしまう場合（式（１１）に示す条件に該当する場合）、下記の式（１１）に示すようにしてピッチ係数Ｔの範囲を修正する。式（１１）において、ＳＥＡＲＣＨ＿ＭＩＮはピッチ係数Ｔの設定値の下限値を示す。
Figure JPOXMLDOC01-appb-M000011
　上式（１０）および式（１１）のような処理をすることで、最適ピッチ係数の探索におけるエントリ数を減らすことなく効率的に符号化することができる。
　ゲイン符号化部２６５は、直交変換処理部２０５から入力される入力スペクトルＳ２(ｋ)の高域部（ＦＬ≦ｋ＜ＦＨ）についてのゲイン情報を算出する。具体的には、ゲイン符号化部２６５は、周波数帯域ＦＬ≦ｋ＜ＦＨをＪ個のサブバンドに分割し、入力スペクトルＳ２（ｋ）のサブバンド毎のスペクトルパワを求める。この場合、第ｊ＋１サブバンドのスペクトルパワＢｊは下記の式（１２）で表される。
Figure JPOXMLDOC01-appb-M000012
　式（１２）において、ＢＬｊは第ｊ＋１サブバンドの最小周波数、ＢＨｊは第ｊ＋１サブバンドの最大周波数を表す。また、ゲイン符号化部２６５は、探索部２６３から入力される各サブバンドの推定スペクトルＳ２ｐ’（ｋ）（ｐ＝０，１，…，Ｐ－１）を周波数領域で連続させて入力スペクトルの高域部の推定スペクトルＳ２’（ｋ）を構成する。そして、ゲイン符号化部２６５は、入力スペクトルＳ２（ｋ）に対してスペクトルパワを算出した場合と同様に、推定スペクトルＳ２’(ｋ)のサブバンド毎のスペクトルパワＢ’ｊを下記の式（１３）に従い算出する。次いで、ゲイン符号化部２６５は、入力スペクトルＳ２（ｋ）に対する推定スペクトルのＳ２’(ｋ)のサブバンド毎のスペクトルパワの変動量Ｖｊを式（１４）に従い算出する。
Figure JPOXMLDOC01-appb-M000013
Figure JPOXMLDOC01-appb-M000014
　そして、ゲイン符号化部２６５は、変動量Ｖｊを符号化し、符号化後の変動量ＶＱｊに対応するインデックスを多重化部２６６に出力する。
　多重化部２６６は、帯域分割部２６０から入力される帯域分割情報と、探索部２６３から入力される各サブバンドＳＢｐ（ｐ＝０，１，…，Ｐ－１）に対する最適ピッチ係数Ｔｐ’と、ゲイン符号化部２６５から入力される変動量ＶＱｊのインデックスと、を第２レイヤ符号化情報として多重化し、符号化情報統合部２０７に出力する。なお、Ｔｐ’と、ＶＱｊのインデックスとを直接、符号化情報統合部２０７に入力して、符号化情報統合部２０７にて第１レイヤ符号化情報と多重化しても良い。
　次いで、図４に示したフィルタリング部２６２におけるフィルタリング処理の詳細について、図５を用いて説明する。
　フィルタリング部２６２は、フィルタ状態設定部２６１から入力されるフィルタ状態と、ピッチ係数設定部２６４から入力されるピッチ係数Ｔと、帯域分割部２６０から入力される帯域分割情報とを用いて、サブバンドＳＢｐ（ｐ＝０，１，…，Ｐ－１）に対して、帯域ＢＳｐ≦ｋ＜ＢＳｐ＋ＢＷｐ（ｐ＝０，１，…，Ｐ－１）における推定スペクトルを生成する。フィルタリング部２６２において用いるフィルタの伝達関数Ｆ（ｚ）は下記の式（１５）で表される。
　以下、サブバンドＳＢｐを例にとり、サブバンドスペクトルＳ２ｐ（ｋ）の推定スペクトルＳ２ｐ’（ｋ）を生成する処理を説明する。
Figure JPOXMLDOC01-appb-M000015
　式（１５）において、Ｔはピッチ係数設定部２６４から与えられるピッチ係数、βｉは予め内部に記憶されているフィルタ係数を表している。例えば、タップ数が３の場合、フィルタ係数の候補は（β－１、β０、β１）＝（０．１、０．８、０．１）が例として挙げられる。この他に（β－１、β０、β１）＝（０．２、０．６、０．２）、（０．３、０．４、０．３）などの値も適当である。また、（β－１、β０、β１）＝（０．０、１．０、０．０）の値でも良く、この場合には帯域０≦ｋ＜ＦＬの第１レイヤ復号スペクトルの一部帯域をその形状を変化させずにそのままＢＳｐ≦ｋ＜ＢＳｐ＋ＢＷｐの帯域にコピーすることを意味する。また、式（１５）においてＭ＝１とする。Ｍはタップ数に関する指標である。
　フィルタリング部２６２における全周波数帯域のスペクトルＳ(ｋ)の０≦ｋ＜ＦＬの帯域には、第１レイヤ復号スペクトルＳ１(ｋ)がフィルタの内部状態（フィルタ状態）として格納される。
　Ｓ(ｋ)のＢＳｐ≦ｋ＜ＢＳｐ＋ＢＷｐの帯域には、以下の手順のフィルタリング処理によりサブバンドＳＢｐの推定スペクトルＳ２ｐ’(ｋ)が格納される。すなわち、Ｓ２ｐ’(ｋ)には、基本的に、このｋよりＴだけ低い周波数のスペクトルＳ(ｋ－Ｔ)が代入される。ただし、スペクトルの円滑性を増すために、実際には、スペクトルＳ(ｋ－Ｔ)からｉだけ離れた近傍のスペクトルＳ(ｋ－Ｔ＋ｉ)に所定のフィルタ係数βｉを乗じたスペクトルβｉ・Ｓ(ｋ－Ｔ＋ｉ)を、全てのｉについて加算したスペクトルをＳ２ｐ’(ｋ)に代入する。この処理は下記の式（１６）で表される。
Figure JPOXMLDOC01-appb-M000016
　上記演算を、周波数の低いｋ＝ＢＳｐから順に、ｋをＢＳｐ≦ｋ＜ＢＳｐ＋ＢＷｐの範囲で変化させて行うことにより、ＢＳｐ≦ｋ＜ＢＳｐ＋ＢＷｐにおける推定スペクトルＳ２ｐ’(ｋ)を算出する。
　以上のフィルタリング処理は、ピッチ係数設定部２６４からピッチ係数Ｔが与えられる度に、ＢＳｐ≦ｋ＜ＢＳｐ＋ＢＷｐの範囲において、その都度Ｓ(ｋ)をゼロクリアして行われる。すなわち、ピッチ係数Ｔが変化するたびにＳ(ｋ)は算出され、探索部２６３に出力される。
　図６は、図４に示した探索部２６３においてサブバンドＳＢｐに対して最適ピッチ係数Ｔｐ’を探索する処理の手順を示すフロー図である。なお、探索部２６３は、図６に示した手順を繰り返すことにより、各サブバンドＳＢｐ（ｐ＝０，１，…，Ｐ－１）に対応する最適ピッチ係数Ｔｐ’（ｐ＝０，１，…，Ｐ－１）を探索する。
　まず、探索部２６３は、類似度の最小値を保存するための変数である最小類似度Ｄｍｉｎを「＋∞」に初期化する（ＳＴ２０１０）。次いで、探索部２６３は、下記の式（１７）に従い、あるピッチ係数における入力スペクトルＳ２(ｋ)の高域部（ＦＬ≦ｋ＜ＦＨ）と、推定スペクトルＳ２ｐ’(ｋ)との類似度Ｄを算出する（ＳＴ２０２０）。
Figure JPOXMLDOC01-appb-M000017
　式（１７）において、Ｍ’は、類似度Ｄを算出する際のサンプル数を示し、各サブバンドのバンド幅以下の任意の値で良い。なお、式（１７）中にはＳ２ｐ’(ｋ)が存在しないが、これはＢＳｐとＳ２’(ｋ)を用いてＳ２ｐ’(ｋ)を表しているためである。
　次いで、探索部２６３は算出した類似度Ｄが最小類似度Ｄｍｉｎより小さいか否かを判定する（ＳＴ２０３０）。ＳＴ２０２０において算出された類似度が最小類似度Ｄｍｉｎより小さい場合（ＳＴ２０３０：「ＹＥＳ」）には、探索部２６３は、類似度Ｄを最小類似度Ｄｍｉｎに代入する（ＳＴ２０４０）。一方、ＳＴ２０２０において算出された類似度が最小類似度Ｄｍｉｎ以上である場合（ＳＴ２０３０：「ＮＯ」）には、探索部２６３は、探索範囲にわたる処理が終了した否かを判定する。すなわち、探索部２６３は、探索範囲内のすべてのピッチ係数それぞれに対し、ＳＴ２０２０において上記の式（１７）に従って類似度を算出したか否かを判定する（ＳＴ２０５０）。探索範囲にわたって処理が終了していなかった場合（ＳＴ２０５０：「ＮＯ」）には、探索部２６３は処理を再びＳＴ２０２０に戻す。そして、探索部２６３は、前回のＳＴ２０２０の手順において式（１７）に従って類似度を算出した場合とは異なるピッチ係数に対して、式（１７）に従い類似度を算出する。一方、探索範囲にわたる処理が終了した場合（ＳＴ２０５０：「ＹＥＳ」）には、探索部２６３には、最小類似度Ｄｍｉｎに対応するピッチ係数Ｔを最適ピッチ係数Ｔｐ’として多重化部２６６に出力する（ＳＴ２０６０）。
　次いで、図２に示した復号装置１０３について説明する。
　図７は、復号装置１０３の内部の主要な構成を示すブロック図である。
　図７において、符号化情報分離部１３１は、入力された符号化情報の中から第１レイヤ符号化情報と第２レイヤ符号化情報とを分離し、第１レイヤ符号化情報を第１レイヤ復号部１３２に出力し、第２レイヤ符号化情報を第２レイヤ復号部１３５に出力する。
　第１レイヤ復号部１３２は、符号化情報分離部１３１から入力される第１レイヤ符号化情報に対して復号を行い、生成された第１レイヤ復号信号をアップサンプリング処理部１３３に出力する。ここで、第１レイヤ復号部１３２の動作は、図３に示した第１レイヤ復号部２０３と同様であるため、詳細な説明は省略する。
　アップサンプリング処理部１３３は、第１レイヤ復号部１３２から入力される第１レイヤ復号信号に対してサンプリング周波数をＳＲｂａｓｅからＳＲｉｎｐｕｔまでアップサンプリングする処理を行い、得られるアップサンプリング後第１レイヤ復号信号を直交変換処理部１３４に出力する。
　直交変換処理部１３４は、アップサンプリング処理部１３３から入力されるアップサンプリング後第１レイヤ復号信号に対して直交変換処理（ＭＤＣＴ）を施し、得られるアップサンプリング後第１レイヤ復号信号のＭＤＣＴ係数（以下、第１レイヤ復号スペクトルと呼ぶ）Ｓ１(ｋ)を第２レイヤ復号部１３５に出力する。ここで、直交変換処理部１３４の動作は、図３に示した直交変換処理部２０５のアップサンプリング後第１レイヤ復号信号に対する処理と同様であるため、詳細な説明は省略する。
　第２レイヤ復号部１３５は、直交変換処理部１３４から入力される第１レイヤ復号スペクトルＳ１(ｋ)、符号化情報分離部１３１から入力される第２レイヤ符号化情報を用いて、高域成分を含む第２レイヤ復号信号を生成し出力信号として出力する。
　図８は、図７に示した第２レイヤ復号部１３５の内部の主要な構成を示すブロック図である。
　分離部３５１は、符号化情報分離部１３１から入力される第２レイヤ符号化情報を、各サブバンドのバンド幅ＢＷｐ（ｐ＝０，１，…，Ｐ－１）、先頭インデックスＢＳｐ（ｐ＝０，１，…，Ｐ－１）（ＦＬ≦ＢＳｐ＜ＦＨ）を含む帯域分割情報と、フィルタリングに関する情報である最適ピッチ係数Ｔｐ’（ｐ＝０，１，…，Ｐ－１）と、ゲインに関する情報である符号化後変動量ＶＱｊ（ｊ＝０，１，…，Ｊ－１）のインデックスと、に分離する。また、分離部３５１は、帯域分割情報および最適ピッチ係数Ｔｐ’（ｐ＝０，１，…，Ｐ－１）をフィルタリング部３５３に出力し、符号化後変動量ＶＱｊ（ｊ＝０，１，…，Ｊ－１）のインデックスをゲイン復号部３５４に出力する。なお、符号化情報分離部１３１において、帯域分割情報と、Ｔｐ’（ｐ＝０，１，…，Ｐ－１）と、ＶＱｊ（ｊ＝０，１，…，Ｊ－１）のインデックスとを分離済みの場合は、分離部３５１を配置しなくても良い。
　フィルタ状態設定部３５２は、直交変換処理部１３４から入力される第１レイヤ復号スペクトルＳ１(ｋ)（０≦ｋ＜ＦＬ）を、フィルタリング部３５３で用いるフィルタ状態として設定する。ここで、フィルタリング部３５３における全周波数帯域０≦ｋ＜ＦＨのスペクトルを便宜的にＳ(ｋ)と呼ぶ場合、Ｓ(ｋ)の０≦ｋ＜ＦＬの帯域に、第１レイヤ復号スペクトルＳ１(ｋ)がフィルタの内部状態（フィルタ状態）として格納される。ここで、フィルタ状態設定部３５２の構成および動作は、図４に示したフィルタ状態設定部２６１と同様であるため、詳細な説明は省略する。
　フィルタリング部３５３は、マルチタップ（タップ数が１より多い）のピッチフィルタを備える。フィルタリング部３５３は、分離部３５１から入力される帯域分割情報と、フィルタ状態設定部３５２により設定されたフィルタ状態と、分離部３５１から入力されるピッチ係数Ｔｐ’（ｐ＝０，１，…，Ｐ－１）と、予め内部に格納しているフィルタ係数とに基づき、第１レイヤ復号スペクトルＳ１(ｋ)をフィルタリングし、上記の式（１６）に示す、各サブバンドＳＢｐ（ｐ＝０，１，…，Ｐ－１）の推定値Ｓ２ｐ’(ｋ)（ＢＳｐ≦ｋ＜ＢＳｐ＋ＢＷｐ）（ｐ＝０，１，…，Ｐ－１）を算出する。フィルタリング部３５３でも、上記の式（１５）に示したフィルタ関数が用いられる。ただし、この場合のフィルタリング処理およびフィルタ関数は、式（１５）、式（１６）におけるＴをＴｐ’に置き換えたものとする。
　ここで、フィルタリング部３５３は、第１サブバンドに対してはピッチ係数Ｔ１’をそのまま用いてフィルタリング処理を行う。また、フィルタリング部３５３は、第２サブバンド以降のサブバンドＳＢｐ（ｐ＝１，２，…，Ｐ－１）に対しては、サブバンドＳＢｐ－１のピッチ係数Ｔｐ－１’を考慮してサブバンドＳＢｐのピッチ係数Ｔｐ”を新たに設定し、このピッチ係数Ｔｐ”を用いてフィルタリングを行う。具体的には、第２サブバンド以降のサブバンドＳＢｐ（ｐ＝１，２，…，Ｐ－１）に対するフィルタリングを行う際には、フィルタリング部３５３は、分離部３５１から得られたピッチ係数に対して、サブバンドＳＢｐ－１のピッチ係数Ｔｐ－１’とサブバンド幅ＢＷｐ－１とを用いて、下記の式（１８）に従い、フィルタリングに用いるピッチ係数Ｔｐ”を算出する。この場合のフィルタリング処理は、式（１６）において、ＴをＴｐ”に置き換えた式に従うものとする。
Figure JPOXMLDOC01-appb-M000018
　式（１８）においては、サブバンドＳＢｐ（ｐ＝１，２，…，Ｐ－１）に対しては、サブバンドＳＢｐ－１のピッチ係数Ｔｐ－１’にサブバンドＳＢｐ－１のバンド幅ＢＷｐ－１を加算し、探索範囲ＳＥＡＲＣＨの半分の値を減算したインデックスにＴｐ’を加算し、ピッチ係数Ｔｐ”とする。
　ゲイン復号部３５４は、分離部３５１から入力される、符号化後変動量ＶＱｊのインデックスを復号し、変動量Ｖｊの量子化値である変動量ＶＱｊを求める。
　スペクトル調整部３５５は、フィルタリング部３５３から入力される各サブバンドＳＢｐ（ｐ＝０，１，…，Ｐ－１）の推定値Ｓ２ｐ’(ｋ)（ＢＳｐ≦ｋ＜ＢＳｐ＋ＢＷｐ）（ｐ＝０，１，…，Ｐ－１）を周波数領域で連続させて入力スペクトルの推定スペクトルＳ２’（ｋ）を求める。また、スペクトル調整部３５５は、下記の式（１９）に従い、推定スペクトルＳ２’(ｋ)にゲイン復号部３５４から入力されるサブバンド毎の変動量ＶＱｊを乗じる。これにより、スペクトル調整部３５５は、推定スペクトルＳ２’(ｋ)の周波数帯域ＦＬ≦ｋ＜ＦＨにおけるスペクトル形状を調整し、復号スペクトルＳ３(ｋ)を生成して直交変換処理部３５６に出力する。
Figure JPOXMLDOC01-appb-M000019
　ここで、復号スペクトルＳ３(ｋ)の低域部（０≦ｋ＜ＦＬ）は第１レイヤ復号スペクトルＳ１（ｋ）からなり、復号スペクトルＳ３(ｋ)の高域部（ＦＬ≦ｋ＜ＦＨ）はスペクトル形状調整後の推定スペクトルＳ２’(ｋ)からなる。
　直交変換処理部３５６は、スペクトル調整部３５５から入力される復号スペクトルＳ３（ｋ）を時間領域の信号に直交変換し、得られる第２レイヤ復号信号を出力信号として出力する。ここでは、必要に応じて適切な窓掛けおよび重ね合わせ加算等の処理を行い、フレーム間に生じる不連続を回避する。
　以下、直交変換処理部３５６における具体的な処理について説明する。
　直交変換処理部３５６は、バッファｂｕｆ’（ｋ）を内部に有しており、下記の式（２０）に示すようにバッファｂｕｆ’（ｋ）を初期化する。
Figure JPOXMLDOC01-appb-M000020
　また、直交変換処理部３５６は、スペクトル調整部３５５から入力される第２レイヤ復号スペクトルＳ３（ｋ）を用いて下記の式（２１）に従い、第２レイヤ復号信号ｙｎ”を求めて出力する。
Figure JPOXMLDOC01-appb-M000021
　式（２１）において、Ｚ４（ｋ）は、下記の式（２２）に示すように、復号スペクトルＳ３（ｋ）とバッファｂｕｆ’（ｋ）とを結合させたベクトルである。
Figure JPOXMLDOC01-appb-M000022
　次に、直交変換処理部３５６は、下記の式（２３）に従いバッファｂｕｆ’（ｋ）を更新する。
Figure JPOXMLDOC01-appb-M000023
　次に、直交変換処理部３５６は、復号信号ｙｎ”を出力信号として出力する。
　このように、本実施の形態によれば、低域部のスペクトルを用いて帯域拡張を行い高域部のスペクトルを推定する符号化／復号において、高域部を複数のサブバンドに分割し、隣接サブバンドの符号化結果を利用してサブバンド毎の符号化を行う。すなわち、高域のサブバンド間の相関を利用して効率的な探索を行う（適応類似探索方法（ＡＳＳ：Adaptive Similarity Search Method））ため、より効率的に高域スペクトルを符号化／復号することができ、復号信号に含まれる不自然な異音を抑制し、復号信号の品質を向上させることができる。また、本発明は、上記効率的な高域スペクトルの探索を行うことにより、サブバンド間の相関を利用せずに高域スペクトルを符号化／復号する方法と比べ、同程度の復号信号の品質を達成するために必要な類似部分探索の演算量を削減することができる。
　なお、本実施の形態では、ゲイン符号化部２６５において入力スペクトルＳ２（ｋ）の高域部を分割して得られるサブバンドの数Ｊが、探索部２６３において入力スペクトルＳ２（ｋ）の高域部を分割して得られるサブバンドの数Ｐと異なる場合を例にとって説明した。しかし、本発明はこれに限定されず、ゲイン符号化部２６５において入力スペクトルＳ２（ｋ）の高域部を分割して得られるサブバンドの数をＰ個にしても良い。また、この場合に、特許文献２に明示されているように、ゲイン符号化部２６５は、式（１４）に示すようなサブバンド毎のスペクトルパワ比の平方根の代わりに、探索部２６３において最適ピッチ係数Ｔｐ’（ｐ＝０，１，…，Ｐ－１）が探索された時の理想利得を用いても良い。なお、最適ピッチ係数Ｔｐ’（ｐ＝０，１，…，Ｐ－１）が探索された時の理想利得は、下記の式（２４）により求まる。ただし、式（２４）におけるＭ’は式（１７）で最適ピッチ係数Ｔｐ’を算出した時のＭ’と同じ値を用いる。
Figure JPOXMLDOC01-appb-M000024
　また、本実施の形態では、ピッチ係数設定部２６４において式（９）のようにピッチ係数Ｔの探索範囲を設定する場合を例にとって説明したが、本発明はこれに限定されず、下記の式（２５）のようにピッチ係数Ｔの探索範囲を設定しても良い。
Figure JPOXMLDOC01-appb-M000025
　式（２５）において、ピッチ係数Ｔは、サブバンドＳＢｐ－１に対応する最適ピッチ係数Ｔｐ－１’の近傍の値に設定される。これはサブバンドＳＢｐ－１に最も類似する第１レイヤ復号スペクトルの一部帯域はサブバンドＳＢｐにも類似する可能性が高いという理由に基づくものである。特にサブバンドＳＢｐ－１とサブバンドＳＢｐの相関が非常に高い場合には、上記のようなピッチ係数の設定方法により、より効率的に探索を行うことができる。なお、ピッチ係数設定部２６４において、式（２５）のようにピッチ係数Ｔの探索範囲を設定した場合には、フィルタリング部３５３において、式（１８）の代わりに式（２６）のようにしてフィルタリングに用いるピッチ係数Ｔｐ”を算出する。
Figure JPOXMLDOC01-appb-M000026
　また、上記各実施の形態では、第２サブバンド以降の全てのサブバンドＳＢｐ（ｐ＝１，２，…，Ｐ－１）に対し、隣接サブバンドに対応する探索結果に基づいてピッチ係数の探索範囲を設定する場合を例にとって説明した。しかし、本発明はこれに限定されず、一部のサブバンドに対しては第１サブバンドと同様にピッチ係数の探索範囲をＴｍｉｎ～Ｔｍａｘの範囲に固定しても良い。例えば、連続して所定定数以上のサブバンドに対し、隣接するサブバンドに対応する探索結果に基づいてピッチ係数の探索範囲を設定した場合には、次のサブバンドに対しては、第１サブバンドと同様にピッチ係数の探索範囲をＴｍｉｎ～Ｔｍａｘの範囲に固定する。これにより、第１サブバンドＳＢ０に対応する探索結果が、第２サブバンドＳＢ１から第ＰサブバンドＳＢＰ－１までのすべての探索に影響を及ぼすことを回避することができる。すなわち、あるサブバンドに対して、類似部分を探索する対象が高域に偏り過ぎるということを避けることができる。これにより、本来類似部分が第１レイヤ復号スペクトルの低域部分に存在するサブバンドに対して、類似部分の探索が第１レイヤ復号スペクトルの高域部分に限定されることにより発生し得る異音や音質劣化を抑制することができる。
　（実施の形態２）
　本発明の実施の形態２は、第１レイヤ符号化部に、実施の形態１で示したＣＥＬＰ方式の符号化方法を用いず、ＭＤＣＴなどの変換符号化を用いる場合について説明する。
　実施の形態２に係る通信システム（図示せず）は、図２に示した通信システムと基本的に同様であり、符号化装置、復号装置の構成および動作の一部のみにおいて、図２の通信システムの符号化装置１０１、復号装置１０３と相違する。以下、本実施の形態に係る通信システムの符号化装置および復号装置についてそれぞれ符号「１１１」および「１１３」を付し、説明を行う。
　図９は、本実施の形態に係る符号化装置１１１の内部の主要な構成を示すブロック図である。なお、本実施の形態に係る符号化装置１１１は、ダウンサンプリング処理部２０１、第１レイヤ符号化部２１２、直交変換処理部２１５、第２レイヤ符号化部２１６および符号化情報統合部２０７とから主に構成される。ここで、ダウンサンプリング処理部２０１および符号化情報統合部２０７は、実施の形態１の場合と同一の処理を行うため、説明を省略する。
　第１レイヤ符号化部２１２は、ダウンサンプリング処理部２０１から入力されるダウンサンプリング後入力信号に対し、変換符号化方式の符号化を行う。具体的には、第１レイヤ符号化部２１２は、入力されるダウンサンプリング後入力信号に対し、ＭＤＣＴなどの手法を用いて時間領域の信号から周波数領域の成分に変換し、得られる周波数成分に対して量子化を行う。第１レイヤ符号化部２１２は、量子化した周波数成分を直接、第１レイヤ復号スペクトルとして第２レイヤ符号化部２１６に出力する。第１レイヤ符号化部２１２におけるＭＤＣＴ処理は、実施の形態１で示したＭＤＣＴ処理と同様であるため、詳細な説明を省略する。
　直交変換処理部２１５は、入力信号に対してＭＤＣＴなどの直交変換を行い、得られる周波数成分を高域スペクトルとして第２レイヤ符号化部２１６に出力する。直交変換処理部２１５におけるＭＤＣＴ処理は、実施の形態１で示したＭＤＣＴ処理と同様であるため、詳細な説明を省略する。
　第２レイヤ符号化部２１６は、第１レイヤ符号化部２１２から第１レイヤ復号スペクトルが入力される点のみが図３に示した第２レイヤ符号化部２０６と異なり、その他の処理については第２レイヤ符号化部２０６の処理と同様であるため、詳細な説明を省略する。
　図１０は、本実施の形態に係る復号装置１１３の内部の主要な構成を示すブロック図である。なお、本実施の形態に係る復号装置１１３は、符号化情報分離部１３１、第１レイヤ復号部１４２および第２レイヤ復号部１４５とから主に構成される。また、符号化情報分離部１３１は、実施の形態１の場合と同一の処理を行うため、詳細な説明を省略する。
　第１レイヤ復号部１４２は、符号化情報分離部１３１から入力される第１レイヤ符号化情報を復号し、得られる第１レイヤ復号スペクトルを第２レイヤ復号部１４５に出力する。第１レイヤ復号部１４２における復号処理としては、図９に示した第１レイヤ符号化部２１２における符号化方法に対応する一般的な逆量子化方法を採るものとし、その詳細な説明を省略する。
　第２レイヤ復号部１４５は、第１レイヤ復号部１４２から第１レイヤ復号スペクトルが入力される点のみが図７に示した第２レイヤ復号部１３５と異なり、その他の処理については第２レイヤ復号部１３５の処理と同様であるため、詳細な説明を省略する。
　このように、本実施の形態によれば、低域部のスペクトルを用いて帯域拡張を行い高域部のスペクトルを推定する符号化／復号において、高域部を複数のサブバンドに分割し、隣接サブバンドの符号化結果を利用してサブバンド毎の符号化を行う。すなわち、高域のサブバンド間の相関を利用して効率的な探索を行うため、より効率的に高域スペクトルを符号化／復号することができ、復号信号に含まれる不自然な異音を抑制し、復号信号の品質を向上させることができる。
　また、本実施の形態によれば、第１レイヤの符号化に、ＣＥＬＰ方式の符号化／復号方法ではなく、例えば変換符号化／復号方法を採用した場合にも本発明を適用することができる。この場合、第１レイヤ符号化の後に、別途第１レイヤ復号信号に対して直交変換を施し第１レイヤ復号スペクトルを算出する必要がなく、その分の演算量を抑えることができる。
　なお、本実施の形態では、ダウンサンプリング処理部２０１により入力信号をダウンサンプリングしてから第１レイヤ符号化部２１２に入力する場合を例にとって説明したが、本発明はこれに限定されず、ダウンサンプリング処理部２０１を省略し、直交変換処理部２１５の出力である入力スペクトルを第１レイヤ符号化部２１２に入力しても良い。この場合には、第１レイヤ符号化部２１２においては直交変換処理を省略することが可能となり、その分の演算量を削減することができる。
　（実施の形態３）
　本発明の実施の形態３は、高域部のサブバンド間の相関の度合いを分析し、分析結果に基づき、隣接するサブバンドの最適ピッチ周期を利用した探索を行うか否かを切り替える構成について説明する。
　本発明の実施の形態３に係る通信システム（図示せず）は、図２に示した通信システムと基本的に同様であり、符号化装置、復号装置の構成および動作の一部のみにおいて、図２の通信システムの符号化装置１０１、復号装置１０３と相違する。以下、本実施の形態に係る通信システムの符号化装置および復号装置についてそれぞれ符号「１２１」および「１２３」を付し、説明を行う。
　図１１は、本実施の形態に係る符号化装置１２１の内部の主要な構成を示すブロック図である。本実施の形態に係る符号化装置１２１は、ダウンサンプリング処理部２０１、第１レイヤ符号化部２０２、第１レイヤ復号部２０３、アップサンプリング処理部２０４、直交変換処理部２０５、相関判定部２２１、第２レイヤ符号化部２２６および符号化情報統合部２２７とから主に構成される。ここで、相関判定部２２１、第２レイヤ符号化部２２６および符号化情報統合部２２７以外の構成要素については、実施の形態１の場合と同様であるため、説明を省略する。
　相関判定部２２１は、第２レイヤ符号化部２２６から入力される帯域分割情報に基づき、直交変換処理部２０５から入力される入力スペクトルの高域部（ＦＬ≦ｋ＜ＦＨ）の各サブバンド間の相関を算出し、算出した相関値に基づき判定情報の値を「０」または「１」のいずれかに設定する。具体的には、相関判定部２２１は、Ｐ個のサブバンドそれぞれに対してスペクトルフラットネスメジャー（ＳＦＭ：Spectral Flatness Measure）を算出し、隣接するサブバンドのＳＦＭ値の差（ＳＦＭｐ－ＳＦＭｐ＋１）（ｐ＝０，１，…，Ｐ－２）それぞれを算出する。相関判定部２２１は、（ＳＦＭｐ－ＳＦＭｐ＋１）（ｐ＝０，１，…，Ｐ－２）それぞれの絶対値を予め定めた閾値ＴＨＳＦＭと比較し、絶対値が閾値ＴＨＳＦＭよりも低い（ＳＦＭｐ－ＳＦＭｐ＋１）の数が所定数以上である場合には、入力スペクトルの高域部全体において、隣接サブバンド間の相関が高いと判定し、判定情報の値を「１」とする。それ以外の場合には、相関判定部２２１は、判定情報の値を「０」とする。相関判定部２２１は、設定した判定情報を第２レイヤ符号化部２２６および符号化情報統合部２２７に出力する。
　第２レイヤ符号化部２２６は、直交変換処理部２０５から入力される入力スペクトルＳ２（ｋ）、第１レイヤ復号スペクトルＳ１（ｋ）および相関判定部２２１から入力される判定情報を用いて第２レイヤ符号化情報を生成し、生成した第２レイヤ符号化情報を符号化情報統合部２２７に出力する。また、第２レイヤ符号化部２２６は、内部で算出した帯域分割情報を相関判定部２２１に出力する。第２レイヤ符号化部２２６における帯域分割情報の詳細は後述する。
　図１２は、図１１に示した第２レイヤ符号化部２２６の内部の主要な構成を示すブロック図である。
　第２レイヤ符号化部２２６において、ピッチ係数設定部２７４、帯域分割部２７５以外の構成要素は、実施の形態１の場合と同様であるため、説明を省略する。
　ピッチ係数設定部２７４は、相関判定部２２１から入力される判定情報が「０」である場合には、探索部２６３の制御の下、ピッチ係数Ｔを、予め定められた探索範囲Ｔｍｉｎ～Ｔｍａｘの中で少しずつ変化させながら、フィルタリング部２６２に順次出力する。すなわち、相関判定部２２１から入力される判定情報が「０」である場合には、ピッチ係数設定部２７４は、隣接するサブバンドに対応する探索結果を考慮せずにピッチ係数Ｔを設定する。
　また、ピッチ係数設定部２７４は、相関判定部２２１から入力される判定情報が「１」である場合には、実施の形態１に係るピッチ係数設定部２６４と同様な処理を行う。すなわち、ピッチ係数設定部２７４は、探索部２６３の制御の下、フィルタリング部２６２および探索部２６３と、第１サブバンドＳＢ０に対応する閉ループの探索処理を行う場合には、ピッチ係数Ｔを、予め定められた探索範囲Ｔｍｉｎ～Ｔｍａｘの中で少しずつ変化させながら、フィルタリング部２６２に順次出力する。一方、ピッチ係数設定部２７４は、探索部２６３の制御の下、フィルタリング部２６２および探索部２６３と、第２サブバンド以降のサブバンドＳＢｐ（ｐ＝１，２，…，Ｐ－１）に対応する閉ループの探索処理を行う場合には、サブバンドＳＢｐ－１に対応する閉ループの探索処理において求められた最適ピッチ係数Ｔｐ－１’を用い、上記式（９）に従って、ピッチ係数Ｔを、少しずつ変化させながら、フィルタリング部２６２に順次出力する。
　要するに、ピッチ係数設定部２７４は、入力される判定情報の値に応じて、隣接するサブバンドに対応する探索結果を利用してピッチ係数を設定するか否かを適応的に切り替える。したがって、フレーム内のサブバンド間の相関が所定レベル以上である場合のみ、隣接するサブバンドに対応する探索結果を利用することができ、サブバンド間の相関が所定レベルより低い場合には、隣接するサブバンドの探索結果の利用による符号化精度の低下を抑制することができる。
　帯域分割部２７５は、直交変換処理部２０５から入力される入力スペクトルＳ２（ｋ）の高域部（ＦＬ≦ｋ＜ＦＨ）をＰ個のサブバンドＳＢｐ（ｐ＝０，１，…，Ｐ－１）に分割する。そして、帯域分割部２７５は、各サブバンドのバンド幅ＢＷｐ（ｐ＝０，１，…，Ｐ－１）および先頭インデックスＢＳｐ（ｐ＝０，１，…，Ｐ－１）（ＦＬ≦ＢＳｐ＜ＦＨ）を帯域分割情報としてフィルタリング部２６２、探索部２６３、多重化部２６６、及び相関判定部２２１に出力する。
　符号化情報統合部２２７は、第１レイヤ符号化部２０２から入力される第１レイヤ符号化情報と、相関判定部２２１から入力される判定情報と、第２レイヤ符号化部２２６から入力される第２レイヤ符号化情報とを統合し、統合された情報源符号に対し、必要であれば伝送誤り符号などを付加した上でこれを符号化情報として伝送路１０２に出力する。
　図１３は、本実施の形態に係る復号装置１２３の内部の主要な構成を示すブロック図である。本実施の形態に係る復号装置１２３は、符号化情報分離部１５１、第１レイヤ復号部１３２、アップサンプリング処理部１３３、直交変換処理部１３４、第２レイヤ復号部１５５とから主に構成される。ここで、符号化情報分離部１５１および第２レイヤ復号部１５５以外の構成要素については、実施の形態１の場合と同様であるため、説明を省略する。
　図１３において、符号化情報分離部１５１は、入力された符号化情報の中から第１レイヤ符号化情報と第２レイヤ符号化情報と判定情報とを分離し、第１レイヤ符号化情報を第１レイヤ復号部１３２に出力し、第２レイヤ符号化情報および判定情報を第２レイヤ復号部１５５に出力する。
　第２レイヤ復号部１５５は、直交変換処理部１３４から入力される第１レイヤ復号スペクトルＳ１(ｋ)、符号化情報分離部１３１から入力される第２レイヤ符号化情報および判定情報を用いて、高域成分を含む第２レイヤ復号信号を生成し、出力信号として出力する。
　図１４は、図１３に示した第２レイヤ復号部１５５の内部の主要な構成を示すブロック図である。
　図１４において、フィルタリング部３６３以外の構成要素は、実施の形態１の場合と同様であるため、説明を省略する。
　フィルタリング部３６３は、マルチタップ（タップ数が１より多い）のピッチフィルタを備える。フィルタリング部３６３は、符号化情報分離部１５１から入力される判定情報に応じて、分離部３５１から入力される帯域分割情報と、フィルタ状態設定部３５２により設定されたフィルタ状態と、分離部３５１から入力されるピッチ係数Ｔｐ’と、予め内部に格納しているフィルタ係数とに基づき、第１レイヤ復号スペクトルＳ１(ｋ)をフィルタリングし、各サブバンドＳＢｐ（ｐ＝０，１，…，Ｐ－１）の推定値Ｓ２ｐ’(ｋ)（ＢＳｐ≦ｋ＜ＢＳｐ＋ＢＷｐ）（ｐ＝０，１，…，Ｐ－１）を算出する。
　ここで、判定情報に応じたフィルタリング部３６３の処理を具体的に説明する。フィルタリング部３６３は、入力された判定情報が「０」である場合には、サブバンドＳＢ０からサブバンドＳＢＰ－１までの全Ｐ個の各サブバンドに対して、隣接するサブバンドのピッチ係数を考慮せずに分離部３５１から入力されるピッチ係数Ｔｐ’を用いてフィルタリングを行う。この場合のフィルタリング処理およびフィルタ関数は、式（１５）、式（１６）におけるＴをＴｐ’に置き換えたものとする。
　また、フィルタリング部３６３は、入力された判定情報が「１」である場合には、図８に示したフィルタリング部３５３と同様な処理を行う。すなわち、フィルタリング部３６３は、第１サブバンドに対してはピッチ係数Ｔ１’をそのまま用いてフィルタリング処理を行う。また、フィルタリング部３６３は、第２サブバンド以降のサブバンドＳＢｐ（ｐ＝１，２，…，Ｐ－１）に対しては、サブバンドＳＢｐ－１のピッチ係数Ｔｐ－１’を考慮してサブバンドＳＢｐのピッチ係数Ｔｐ”を新たに設定し、このピッチ係数Ｔｐ”を用いてフィルタリングを行う。具体的には、第２サブバンド以降のサブバンドＳＢｐ（ｐ＝１，２，…，Ｐ－１）に対するフィルタリングを行う際には、フィルタリング部３６３は、分離部３５１から得られたピッチ係数に対して、サブバンドＳＢｐ－１のピッチ係数Ｔｐ－１’とサブバンド幅ＢＷｐ－１とを用いて、上記の式（１８）に従い、フィルタリングに用いるピッチ係数Ｔｐ”を算出する。この場合のフィルタリング処理およびフィルタ関数は、式（１５）、式（１６）におけるＴをＴｐ”に置き換えたものとする。
　このように、本実施の形態によれば、低域部のスペクトルを用いて帯域拡張を行い高域部のスペクトルを推定する符号化／復号において、高域部を複数のサブバンドに分割し、フレーム毎にサブバンド間の相関の度合いを分析した結果に基づき、隣接サブバンドの符号化結果を利用してサブバンド毎の符号化を行うか否かを適応的に切り替える。すなわち、フレーム内のサブバンド間の相関が所定レベル以上である場合のみ、サブバンド間の相関を利用して効率的な探索を行い、より効率的に高域スペクトルを符号化／復号することができ、復号信号に含まれる不自然な異音を抑制することができる。また、フレーム内のサブバンド間の相関が所定レベルより低い場合には、隣接するサブバンドの探索結果を利用せず、相関が低い隣接サブバンドの探索結果の利用による符号化精度の低下を抑制することができ、復号信号の品質を向上させることができる。
　なお、本実施の形態では、サブバンド毎にＳＦＭ値を分析し、１フレームに含まれるすべてのサブバンドのＳＦＭ値を総合的に考慮し、フレーム毎に相関判定を行って判定情報の値を設定する場合を例にとって説明したが、本発明はこれに限定されず、サブバンド毎に個別に相関判定を行って判定情報の値を設定しても良い。また、ＳＦＭ値の代わりに、各サブバンドのエネルギを算出し、サブバンド間のエネルギの差または比などに応じて相関判定を行って判定情報の値を設定しても良い。また、各サブバンド間の周波数成分（ＭＤＣＴ係数など）に対して相関演算などにより相関を算出し、その相関値を予め定めた閾値と比較することによって、判定情報の値を設定しても良い。
　また、本実施の形態では、判定情報の値が「１」である場合に、ピッチ係数設定部２７４は、上記の式（９）のようにピッチ係数Ｔの探索範囲を設定する場合を例にとって説明したが、本発明はこれに限定されず、上記の式（２５）のようにピッチ係数Ｔの探索範囲を設定しても良い。
　（実施の形態４）
　本発明の実施の形態４は、入力信号のサンプリング周波数が３２ｋＨｚであり、第１レイヤ符号化部の符号化方式として、ＩＴＵ－Ｔで規格化されているＧ．７２９．１方式を適用する場合の構成について説明する。
　本発明の実施の形態４に係る通信システム（図示せず）は、図２に示した通信システムと基本的に同様であり、符号化装置、復号装置の構成および動作の一部のみにおいて、図２の通信システムの符号化装置１０１、復号装置１０３と相違する。以下、本実施の形態に係る通信システムの符号化装置および復号装置についてそれぞれ符号「１６１」および「１６３」を付し、説明を行う。
　図１５は、本実施の形態に係る符号化装置１６１の内部の主要な構成を示すブロック図である。本実施の形態に係る符号化装置１６１は、ダウンサンプリング処理部２０１、第１レイヤ符号化部２３３、直交変換処理部２１５、第２レイヤ符号化部２３６および符号化情報統合部２０７とから主に構成される。ここで、第１レイヤ符号化部２３３および第２レイヤ符号化部２３６以外の構成要素については、実施の形態１の場合と同様であるため、説明を省略する。
　第１レイヤ符号化部２３３は、ダウンサンプリング処理部２０１から入力されるダウンサンプリング後入力信号に対して、Ｇ．７２９．１方式の音声符号化方法を用いて符号化を行って第１レイヤ符号化情報を生成する。そして、第１レイヤ符号化部２３３は、生成した第１レイヤ符号化情報を符号化情報統合部２０７に出力する。また、第１レイヤ符号化部２３３は、第１レイヤ符号化情報を生成する過程で得られる情報を第１レイヤ復号スペクトルとして第２レイヤ符号化部２３６に出力する。なお、第１レイヤ符号化部２３３の詳細については後述する。
　第２レイヤ符号化部２３６は、直交変換処理部２１５から入力される入力スペクトルおよび第１レイヤ符号化部２３３から入力される第１レイヤ復号スペクトルを用いて、第２レイヤ符号化情報を生成し、生成した第２レイヤ符号化情報を符号化情報統合部２０７に出力する。なお、第２レイヤ符号化部２３６の詳細については後述する。
　図１６は、図１５に示した第１レイヤ符号化部２３３の内部の主要な構成を示すブロック図である。ここでは、第１レイヤ符号化部２３３においてＧ．７２９．１符号化方式を適用する場合を例に挙げて説明する。
　図１６に示す第１レイヤ符号化部２３３は、帯域分割処理部２８１、ハイパスフィルタ２８２、ＣＥＬＰ(Code Excited Linear Prediction)符号化部２８３、ＦＥＣ(Forward Error Correction：前方誤り訂正)符号化部２８４、加算部２８５、ローパスフィルタ２８６、ＴＤＡＣ(Time-Domain Aliasing Cancellation：時間領域エイリアス除去)符号化部２８７、ＴＤＢＷＥ(Time-Domain BandWidth Extension：時間領域帯域拡張)符号化部２８８および多重化部２８９を備え、各部は以下の動作を行う。
　帯域分割処理部２８１は、ダウンサンプリング処理部２０１から入力される、サンプリング周波数が１６ｋＨｚであるダウンサンプリング後入力信号に対して、ＱＭＦ（Quadrature Mirror Filter）等による帯域分割処理を行い、０～４ｋＨｚ帯域の第１低域信号および４～８ｋＨｚ帯域の第２低域信号を生成する。帯域分割処理部２８１は、生成した第１低域信号をハイパスフィルタ２８２に出力し、第２低域信号をローパスフィルタ２８６に出力する。
　ハイパスフィルタ２８２は、帯域分割処理部２８１から入力される第１低域信号に対して０．０５ｋＨｚ以下の周波数成分を抑え、主に０．０５ｋＨｚより高い周波数成分からなる信号を得てフィルタ後第１低域信号としてＣＥＬＰ符号化部２８３および加算部２８５に出力する。
　ＣＥＬＰ符号化部２８３は、ハイパスフィルタ２８２から入力されるフィルタ後第１低域信号に対してＣＥＬＰ方式の符号化を行い、得られるＣＥＬＰパラメータをＦＥＣ符号化部２８４、ＴＤＡＣ符号化部２８７および多重化部２８９に出力する。ここで、ＣＥＬＰ符号化部２８３は、ＦＥＣ符号化部２８４およびＴＤＡＣ符号化部２８７にＣＥＬＰパラメータの一部、または、ＣＥＬＰパラメータを生成する過程で得られる情報を出力してもよい。また、ＣＥＬＰ符号化部２８３は、生成したＣＥＬＰパラメータを用いてＣＥＬＰ方式の復号を行い、得られるＣＥＬＰ復号信号を加算部２８５に出力する。
　ＦＥＣ符号化部２８４は、ＣＥＬＰ符号化部２８３から入力されるＣＥＬＰパラメータを用いて、復号装置１６３の消失フレーム補償処理に利用されるＦＥＣパラメータを算出し、算出したＦＥＣパラメータを多重化部２８９に出力する。
　加算部２８５は、ハイパスフィルタ２８２から入力されるフィルタ後第１低域信号から、ＣＥＬＰ符号化部２８３から入力されるＣＥＬＰ復号信号を減じて得られる差分信号をＴＤＡＣ符号化部２８７に出力する。
　ローパスフィルタ２８６は、帯域分割処理部２８１から入力される第２低域信号に対して７ｋＨｚより大きい周波数成分を抑え、主に７ｋＨｚ以下の周波数成分からなる信号を得てフィルタ後第２低域信号としてＴＤＡＣ符号化部２８７およびＴＤＢＷＥ符号化部２８８に出力する。
　ＴＤＡＣ符号化部２８７は、加算部２８５から入力される差分信号およびローパスフィルタ２８６から入力されるフィルタ後第２低域信号それぞれに対してＭＤＣＴ等の直交変換を施し、得られる周波数領域信号（ＭＤＣＴ係数）を量子化する。そして、ＴＤＡＣ符号化部２８７は、量子化して得られるＴＤＡＣパラメータを多重化部２８９に出力する。また、ＴＤＡＣ符号化部２８７は、ＴＤＡＣパラメータを用いて復号を行い、得られる復号スペクトルを第１レイヤ復号スペクトルとして第２レイヤ符号化部２３６（図１５）に出力する。
　ＴＤＢＷＥ符号化部２８８は、ローパスフィルタ２８６から入力されるフィルタ後第２低域信号に対して時間領域での帯域拡張符号化を行い、得られるＴＤＢＷＥパラメータを多重化部２８９に出力する。
　多重化部２８９は、ＦＥＣパラメータ、ＣＥＬＰパラメータ、ＴＤＡＣパラメータおよびＴＤＢＷＥパラメータを多重化し、第１レイヤ符号化情報として符号化情報統合部２３７（図１５）に出力する。なお、第１レイヤ符号化部２３３に多重化部２８９を設けずに、これらのパラメータを符号化情報統合部２３７で多重化してもよい。
　図１６に示した、本実施の形態に係る第１レイヤ符号化部２３３における符号化は、ＴＤＡＣ符号化部２８７において、ＴＤＡＣパラメータを復号した復号スペクトルを第１レイヤ復号スペクトルとして第２レイヤ符号化部２３６に出力する点が、Ｇ．７２９．１方式の符号化と相違する。
　図１７は、図１５に示した第２レイヤ符号化部２３６の内部の主要な構成を示すブロック図である。
　第２レイヤ符号化部２３６において、ピッチ係数設定部２９４以外の構成要素は、実施の形態１の場合と同様であるため、説明を省略する。
　また、以下の説明では、図１７に示す帯域分割部２６０において、入力スペクトルＳ２（ｋ）の高域部（ＦＬ≦ｋ＜ＦＨ）を５個のサブバンドＳＢｐ（ｐ＝０，１，…，４）に分割する場合を例にとって説明する。つまり、実施の形態１において、サブバンド数ＰがＰ＝５である場合について説明する。ただし、本発明は入力スペクトルＳ２の高域部を分割するサブバンド数を限定するものではなく、サブバンド数ＰがＰ＝５以外の場合についても同様に適用することができる。
　ピッチ係数設定部２９４は、複数のサブバンドのうち、一部のサブバンドに対してはピッチ係数の探索範囲を予め設定し、それ以外のサブバンドに対しては隣接する１つ前のサブバンドに対応する探索結果に基づいてピッチ係数の探索範囲を設定する。
　例えば、ピッチ係数設定部２９４は、探索部２６３の制御の下、フィルタリング部２６２および探索部２６３とともに、第１サブバンドＳＢ０、第３サブバンドＳＢ２または第５サブバンドＳＢ４（サブバンドＳＢｐ（ｐ＝０，２，４））に対応する閉ループの探索処理を行う場合には、ピッチ係数Ｔを、予め定められた探索範囲の中で少しずつ変化させながら、フィルタリング部２６２に順次出力する。具体的には、ピッチ係数設定部２９４は、第１サブバンドＳＢ０に対応する閉ループの探索処理を行う場合には、ピッチ係数Ｔを、第１サブバンドに対して予め設定された探索範囲Ｔｍｉｎ１～Ｔｍａｘ１の中で少しずつ変化させながら設定する。また、ピッチ係数設定部２９４は、第３サブバンドＳＢ２に対応する閉ループの探索処理を行う場合には、ピッチ係数Ｔを、第３サブバンドに対して予め設定された探索範囲Ｔｍｉｎ３～Ｔｍａｘ３の中で少しずつ変化させながら設定する。同様に、ピッチ係数設定部２９４は、第５サブバンドＳＢ４に対応する閉ループの探索処理を行う場合には、ピッチ係数Ｔを、第５サブバンドに対して予め設定された探索範囲Ｔｍｉｎ５～Ｔｍａｘ５の中で少しずつ変化させながら設定する。
　一方、ピッチ係数設定部２９４は、探索部２６３の制御の下、フィルタリング部２６２および探索部２６３とともに、第２サブバンドＳＢ１または第４サブバンドＳＢ３（サブバンドＳＢｐ（ｐ＝１，３））に対応する閉ループの探索処理を行う場合には、隣接する１つ前のサブバンドＳＢｐ－１に対応する閉ループの探索処理において求められた最適ピッチ係数Ｔｐ－１’に基づき、ピッチ係数Ｔを、少しずつ変化させながら、フィルタリング部２６２に順次出力する。具体的には、ピッチ係数設定部２９４は、第２サブバンドＳＢ１に対応する閉ループの探索処理を行う場合には、ピッチ係数Ｔを、隣接する１つ前のサブバンドである第１サブバンドＳＢ０の最適ピッチ係数Ｔ０’に基づき、式（９）に従って算出される探索範囲の中で少しずつ変化させながら設定する。この場合、式（９）においてはＰ＝１となる。同様に、ピッチ係数設定部２９４は、第４サブバンドＳＢ３に対応する閉ループの探索処理を行う場合には、ピッチ係数Ｔを、隣接する１つ前のサブバンドである第３サブバンドＳＢ２の最適ピッチ係数Ｔ２’に基づき、式（９）に従って算出される探索範囲の中で少しずつ変化させながら設定する。この場合、式（９）においてはＰ＝３となる。
　なお、式（９）に従って設定したピッチ係数Ｔの範囲が、第１レイヤ復号スペクトルの帯域の上限値を越えてしまう場合、実施の形態１と同様、式（１０）に示すようにしてピッチ係数Ｔの範囲を修正する。同様に、式（９）に従って設定したピッチ係数Ｔの範囲が、第１レイヤ復号スペクトルの帯域の下限値を下回る場合、実施の形態１と同様、式（１１）に示すようにしてピッチ係数Ｔの範囲を修正する。このようにピッチ係数Ｔの範囲を修正することで、最適ピッチ係数の探索におけるエントリ数を減らすことなく効率的に符号化することができる。
　上述したように、ピッチ係数設定部２９４は、第１サブバンド、第３サブバンドおよび第５サブバンドに対して、それぞれのサブバンドに対して予め設定された探索範囲の中でピッチ係数Ｔを少しずつ変化させる。ここで、ピッチ係数設定部２９４は、複数のサブバンドのうち高域のサブバンドほど、第１復号スペクトルのより高い帯域（高域部）を探索範囲としてピッチ係数Ｔを設定してもよい。つまり、ピッチ係数設定部２９４は、高域のサブバンドほど、探索範囲が第１復号スペクトルのより高い帯域になるように、各サブバンドの探索範囲を予め設定する。例えば、高域になるほどスペクトルの調波構造が弱まる傾向がある場合には、高域のサブバンドほど、サブバンドに類似する部分は、第１復号スペクトルの高域部に存在する可能性が高い。そこで、ピッチ係数設定部２９４が高域のサブバンドほど探索範囲がより高域に偏るように設定することで、探索部２６３はそれぞれのサブバンドに適した探索範囲に対して探索を行うことができ、符号化効率を向上することが期待できる。
　また、ピッチ係数設定部２９４は、上述した設定方法とは逆に、複数のサブバンドのうち高域のサブバンドほど、第１復号スペクトルのより低い帯域（低域部）を探索範囲としてピッチ係数Ｔを設定してもよい。つまり、ピッチ係数設定部２９４は、高域のサブバンドほど、探索範囲が第１復号スペクトルのより低い帯域になるように、各サブバンドの探索範囲を予め設定する。例えば、第１復号スペクトルのうち、０～４ｋＨｚのスペクトルと４～７ｋＨｚのスペクトルとを比較して、０～４ｋＨｚのスペクトルの調波構造の方が弱い場合、高域のサブバンドほど、サブバンドに類似する部分は、第１復号スペクトルの低域部に存在する可能性が高い。そこで、ピッチ係数設定部２９４が高域のサブバンドほど探索範囲がより低域に偏るように設定することで、探索部２６３は第１復号スペクトルの高域部よりも調波構造が弱まる低域部に対して、高域のサブバンドに類似する部分の探索を行うため、探索の効率が良くなる。ここで、本実施の形態では、第１復号スペクトルとして、第１レイヤ符号化部２３３内のＴＤＡＣ符号化部２８７から得られる復号スペクトルを例としている。この場合、第１復号スペクトルの０～４ｋＨｚ部分のスペクトルは、入力信号からＣＥＬＰ符号化部２８３で算出されるＣＥＬＰ復号信号を減じた成分となっており、調波構造が比較的弱い。このため、高域のサブバンドほど、探索範囲がより低域に偏るように設定する方法が有効である。
　また、ピッチ係数設定部２９４は、第２サブバンドおよび第４サブバンドに対してのみ、隣接する１つ前のサブバンド（隣接する低域側のサブバンド）において探索された最適ピッチ係数Ｔｐ－１’に基づきピッチ係数Ｔを設定する。すなわち、ピッチ係数設定部２９４は、１サブバンドだけ離れたサブバンドに対して、隣接する１つ前のサブバンドにおいて探索された最適ピッチ係数Ｔｐ－１’に基づきピッチ係数Ｔを設定する。これにより、低域のサブバンドにおける探索結果がそのサブバンドよりも高域のすべてのサブバンドにおける探索に与える影響を低減することができるため、高域のサブバンドに対して設定されるピッチ係数Ｔの値が大きくなり過ぎるということを避けることができる。すなわち、高域のサブバンドほど類似する部分の探索を行うための探索範囲が高域に限定されることを避けることができる。これにより、類似する可能性が低い帯域で最適ピッチ係数の探索を行うことを回避して、符号化効率が低下し復号信号の品質が劣化することを回避することができる。
　図１８は、本実施の形態に係る復号装置１６３の内部の主要な構成を示すブロック図である。本実施の形態に係る復号装置１６３は、符号化情報分離部１７１、第１レイヤ復号部１７２、第２レイヤ復号部１７３、直交変換処理部１７４および加算部１７５とから主に構成される。
　図１８において、符号化情報分離部１７１は、入力された符号化情報の中から第１レイヤ符号化情報と第２レイヤ符号化情報とを分離し、第１レイヤ符号化情報を第１レイヤ復号部１７２に出力し、第２レイヤ符号化情報を第２レイヤ復号部１７３に出力する。
　第１レイヤ復号部１７２は、符号化情報分離部１７１から入力される第１レイヤ符号化情報に対して、Ｇ．７２９．１方式の音声符号化方法を用いて復号を行い、生成された第１レイヤ復号信号を加算部１７５に出力する。また、第１レイヤ復号部１７２は、第１レイヤ復号信号を生成する過程で得られる第１レイヤ復号スペクトルを、第２レイヤ復号部１７３に出力する。なお、第１レイヤ復号部１７２の動作の詳細な説明は後述する。
　第２レイヤ復号部１７３は、第１レイヤ復号部１７２から入力される第１レイヤ復号スペクトルおよび符号化情報分離部１７１から入力される第２レイヤ符号化情報を用いて、高域部のスペクトルを復号し、生成された第２レイヤ復号スペクトルを直交変換処理部１７４に出力する。第２レイヤ復号部１７３の処理は、入力される信号とその信号の送り元が異なるという点を除けば、図７の第２レイヤ復号部１３５と同様であるため、詳細な説明は省略する。なお、第２レイヤ復号部１７３の動作の詳細な説明は後述する。
　直交変換処理部１７４は、第２レイヤ復号部１７３から入力される第２レイヤ復号スペクトルに対して直交変換処理（ＩＭＤＣＴ）を施し、得られる第２レイヤ復号信号を加算部１７５に出力する。ここで、直交変換処理部１７４の動作は、入力される信号とその信号の送り元が異なるという点を除けば、図８に示した直交変換処理部３５６の処理と同様であるため、詳細な説明は省略する。
　加算部１７５は、第１レイヤ復号部１７２から入力される第１レイヤ復号信号と直交変換処理部１７４から入力される第２レイヤ復号信号とを加算し、得られる信号を出力信号として出力する。
　図１９は、図１８に示した第１レイヤ復号部１７２の内部の主要な構成を示すブロック図である。ここでは、図１５の第１レイヤ符号化部２３３と対応させて、第１レイヤ復号部１７２がＩＴＵ－Ｔで規格化されているＧ．７２９．１方式の復号を行う構成を例に挙げて説明する。なお、図１９に示す第１レイヤ復号部１７２の構成は伝送時にフレームエラーが生じなかった場合の構成であり、フレームエラー補償処理のための構成要素は図示せずその説明を省略する。ただし、本発明はフレームエラーが生じる場合にも適用することができる。
　第１レイヤ復号部１７２は、分離部３７１、ＣＥＬＰ復号部３７２、ＴＤＢＷＥ復号部３７３、ＴＤＡＣ復号部３７４、プリ／ポストエコー削減部３７５、加算部３７６、適応ポスト処理部３７７、ローパスフィルタ３７８、プリ／ポストエコー削減部３７９、ハイパスフィルタ３８０および帯域合成処理部３８１を備え、各部は以下の動作を行う。
　分離部３７１は、符号化情報分離部１７１（図１８）から入力される第１レイヤ符号化情報を、ＣＥＬＰパラメータ、ＴＤＡＣパラメータ、ＴＤＢＷＥパラメータに分離し、ＣＥＬＰパラメータをＣＥＬＰ復号部３７２に出力し、ＴＤＡＣパラメータをＴＤＡＣ復号部３７４に出力し、ＴＤＢＷＥパラメータをＴＤＢＷＥ復号部３７３に出力する。なお、分離部３７１を設けずに、符号化情報分離部１７１においてまとめてこれらのパラメータを分離してもよい。
　ＣＥＬＰ復号部３７２は、分離部３７１から入力されるＣＥＬＰパラメータを用いてＣＥＬＰ方式の復号を行い、得られる復号信号を復号ＣＥＬＰ信号としてＴＤＡＣ復号部３７４、加算部３７６およびプリ／ポストエコー削減部３７５に出力する。なお、ＣＥＬＰ復号部３７２は、復号ＣＥＬＰ信号の他に、ＣＥＬＰパラメータから復号ＣＥＬＰ信号を生成する過程で得られる他の情報をＴＤＡＣ復号部３７４に出力してもよい。
　ＴＤＢＷＥ復号部３７３は、分離部３７１から入力されるＴＤＢＷＥパラメータを復号し、得られる復号信号を復号ＴＤＢＷＥ信号としてＴＤＡＣ復号部３７４およびプリ／ポストエコー削減部３７９に出力する。
　ＴＤＡＣ復号部３７４は、分離部３７１から入力されるＴＤＡＣパラメータ、ＣＥＬＰ復号部３７２から入力される復号ＣＥＬＰ信号およびＴＤＢＷＥ復号部３７３から入力される復号ＴＤＢＷＥ信号を用いて、第１レイヤ復号スペクトルを算出する。そして、ＴＤＡＣ復号部３７４は、算出した第１レイヤ復号スペクトルを第２レイヤ復号部１７３（図１８）に出力する。なお、ここで得られる第１レイヤ復号スペクトルは、符号化装置１６１内の第１レイヤ符号化部２３３（図１５）で算出される第１レイヤ復号スペクトルと同じである。また、ＴＤＡＣ復号部３７４は、算出した第１レイヤ復号スペクトルの０～４ｋＨｚ帯域と４～８ｋＨｚ帯域に対してそれぞれＭＤＣＴ等の直交変換処理を施し、復号第１ＴＤＡＣ信号（０～４ｋＨｚ帯域）および復号第２ＴＤＡＣ信号（４～８ｋＨｚ帯域）を算出する。ＴＤＡＣ復号部３７４は、算出した復号第１ＴＤＡＣ信号をプリ／ポストエコー削減部３７５に出力し、復号第２ＴＤＡＣ信号をプリ／ポストエコー削減部３７９に出力する。
　プリ／ポストエコー削減部３７５は、ＣＥＬＰ復号部３７２から入力される復号ＣＥＬＰ信号およびＴＤＡＣ復号部３７４から入力される復号第１ＴＤＡＣ信号に対し、プリ／ポストエコーを削減する処理を施して、エコー削除後の信号を加算部３７６に出力する。
　加算部３７６は、ＣＥＬＰ復号部３７２から入力される復号ＣＥＬＰ信号およびプリ／ポストエコー削減部３７５から入力されるエコー削減後の信号を加算し、得られる加算信号を適応ポスト処理部３７７に出力する。
　適応ポスト処理部３７７は、加算部３７６から入力される加算信号に対して適応的に後処理を施し、得られる復号第１低域信号（０～４ｋＨｚ帯域）をローパスフィルタ３７８に出力する。
　ローパスフィルタ３７８は、適応ポスト処理部３７７から入力される復号第１低域信号に対して４ｋＨｚより大きい周波数成分を抑え、主に４ｋＨｚ以下の周波数成分からなる信号を得てフィルタ後復号第１低域信号として帯域合成処理部３８１に出力する。
　プリ／ポストエコー削減部３７９は、ＴＤＡＣ復号部３７４から入力される復号第２ＴＤＡＣ信号およびＴＤＢＷＥ復号部３７３から入力される復号ＴＤＢＷＥ信号に対してプリ／ポストエコーを削減する処理を施して、エコー削減後の信号を復号第２低域信号（４～８ｋＨｚ帯域）としてハイパスフィルタ３８０に出力する。
　ハイパスフィルタ３８０は、プリ／ポストエコー削減部３７９から入力される復号第２低域信号に対して４ｋＨｚ以下の周波数成分を抑え、主に４ｋＨｚより高い周波数成分からなる信号を得てフィルタ後復号第２低域信号として帯域合成処理部３８１に出力する。
　帯域合成処理部３８１には、ローパスフィルタ３７８からフィルタ後復号第１低域信号が入力され、ハイパスフィルタ３８０からフィルタ後復号第２低域信号が入力される。帯域合成処理部３８１は、サンプリング周波数が共に８ｋＨｚであるフィルタ後復号第１低域信号（０～４ｋＨｚ帯域）およびフィルタ後復号第２低域信号（４～８ｋＨｚ帯域）に対して帯域合成処理を施し、サンプリング周波数が１６ｋＨｚ（０～８ｋＨｚ帯域）である第１レイヤ復号信号を生成する。そして、帯域合成処理部３８１は、生成した第１レイヤ復号信号を加算部１７５に出力する。
　なお、帯域合成処理部３８１を設けずに、帯域合成処理を加算部１７５でまとめて行ってもよい。
　図１９に示した、本実施の形態に係る第１レイヤ復号部１７２における復号は、ＴＤＡＣ復号部３７４において、ＴＤＡＣパラメータから第１レイヤ復号スペクトルを算出した時点でこれを第２レイヤ復号部１７３に出力するという点のみがＧ．７２９．１方式の復号と相違する。
　図２０は、図１８に示した第２レイヤ復号部１７３の内部の主要な構成を示すブロック図である。図２０に示す第２レイヤ復号部１７３の内部の構成は、図８に示す第２レイヤ復号部１３５において、直交変換処理部３５６を省略した構成である。第２レイヤ復号部１７３において、フィルタリング部３９０およびスペクトル調整部３９１以外の構成要素については、第２レイヤ復号部１３５内の構成要素と同一であるため、説明を省略する。
　フィルタリング部３９０は、マルチタップ（タップ数が１より多い）のピッチフィルタを備える。フィルタリング部３９０は、分離部３５１から入力される帯域分割情報と、フィルタ状態設定部３５２により設定されたフィルタ状態と、分離部３５１から入力されるピッチ係数Ｔｐ’（ｐ＝０，１，…，Ｐ－１）と、予め内部に格納しているフィルタ係数とに基づき、第１レイヤ復号スペクトルＳ１(ｋ)をフィルタリングし、式（１６）に示す、各サブバンドＳＢｐ（ｐ＝０，１，…，Ｐ－１）の推定値Ｓ２ｐ’(ｋ)（ＢＳｐ≦ｋ＜ＢＳｐ＋ＢＷｐ）（ｐ＝０，１，…，Ｐ－１）を算出する。フィルタリング部３９０でも、式（１５）に示したフィルタ関数が用いられる。ただし、この場合のフィルタリング処理およびフィルタ関数は、式（１５）、式（１６）におけるＴをＴｐ’に置き換えたものとする。
　ここで、フィルタリング部３９０は、第１サブバンド、第３サブバンドおよび第５サブバンドＳＢｐ（ｐ＝０，２，４）に対してはピッチ係数Ｔｐ’（ｐ＝０，２，４）をそのまま用いてフィルタリング処理を行う。また、フィルタリング部３９０は、第２サブバンドおよび第４サブバンドＳＢｐ（ｐ＝１，３）に対しては、サブバンドＳＢｐ－１のピッチ係数Ｔｐ－１’を考慮してサブバンドＳＢｐのピッチ係数Ｔｐ”を新たに設定し、このピッチ係数Ｔｐ”を用いてフィルタリングを行う。具体的には、第２サブバンドおよび第４サブバンドＳＢｐ（ｐ＝１，３）に対するフィルタリングを行う際には、フィルタリング部３９０は、分離部３５１から得られたピッチ係数に対して、サブバンドＳＢｐ－１（ｐ＝１，３）のピッチ係数Ｔｐ－１’とサブバンド幅ＢＷｐ－１とを用いて、式（１８）に従い、フィルタリングに用いるピッチ係数Ｔｐ”を算出する。この場合のフィルタリング処理は、式（１６）において、ＴをＴｐ”に置き換えた式に従うものとする。
　式（１８）においては、サブバンドＳＢｐ（ｐ＝１，２，…，Ｐ－１）に対しては、サブバンドＳＢｐ－１のピッチ係数Ｔｐ－１’にサブバンドＳＢｐ－１のバンド幅ＢＷｐ－１を加算し、探索範囲ＳＥＡＲＣＨの半分の値を減算したインデックスにＴｐ’を加算し、ピッチ係数Ｔｐ”とする。
　スペクトル調整部３９１は、フィルタリング部３９０から入力される各サブバンドＳＢｐ（ｐ＝０，１，…，Ｐ－１）の推定値Ｓ２ｐ’(ｋ)（ＢＳｐ≦ｋ＜ＢＳｐ＋ＢＷｐ）（ｐ＝０，１，…，Ｐ－１）を周波数領域で連続させて入力スペクトルの推定スペクトルＳ２’（ｋ）を求める。また、スペクトル調整部３９１は、式（１９）に従い、推定スペクトルＳ２’(ｋ)にゲイン復号部３５４から入力されるサブバンド毎の変動量ＶＱｊを乗じる。これにより、スペクトル調整部３９１は、推定スペクトルＳ２’(ｋ)の周波数帯域ＦＬ≦ｋ＜ＦＨにおけるスペクトル形状を調整し、復号スペクトルＳ３(ｋ)を生成する。次いで、スペクトル調整部３９１は、復号スペクトルＳ３(ｋ)の低域部（０≦ｋ＜ＦＬ）の値を０とする。そして、スペクトル調整部３９１は、低域部（０≦ｋ＜ＦＬ）の値を０とした復号スペクトルを直交変換処理部１７４に出力する。
　このように、本実施の形態によれば、低域部のスペクトルを用いて帯域拡張を行い高域部のスペクトルを推定する符号化／復号において、高域部を複数のサブバンドに分割し、一部のサブバンド（本実施の形態では第１サブバンド、第３サブバンドおよび第５サブバンド）に対してはサブバンド毎に設定された探索範囲において探索を行う。また、それ以外のサブバンド（本実施の形態では第２サブバンドおよび第４サブバンド）に対しては隣接する１つ前のサブバンドの符号化結果を利用して探索を行う。これにより、サブバンド間の相関を利用して効率的な探索を行い、より効率的に高域スペクトルを符号化／復号するとともに、探索範囲が高域に偏ることで発生する異音を抑制することができるため、結果として復号信号の品質を向上させることができる。
　（実施の形態５）
　本発明の実施の形態５は、実施の形態４と同様に入力信号のサンプリング周波数が３２ｋＨｚであり、第１レイヤ符号化部の符号化方式として、ＩＴＵ－Ｔで規格化されているＧ．７２９．１方式を適用する場合の構成について説明する。
　本発明の実施の形態５に係る通信システム（図示せず）は、図２に示した通信システムと基本的に同様であり、符号化装置、復号装置の構成および動作の一部のみにおいて、図２の通信システムの符号化装置１０１、復号装置１０３と相違する。以下、本実施の形態に係る通信システムの符号化装置および復号装置についてそれぞれ符号「１８１」および「１８４」を付し、説明を行う。
　本実施の形態に係る符号化装置１８１（図示せず）は、図１５に示した符号化装置１６１と基本的に同様であり、ダウンサンプリング処理部２０１、第１レイヤ符号化部２３３、直交変換処理部２１５、第２レイヤ符号化部２４６および符号化情報統合部２０７とから主に構成される。ここで、第２レイヤ符号化部２４６以外の構成要素については、実施の形態４の場合と同様であるため、説明を省略する。
　第２レイヤ符号化部２４６は、直交変換処理部２１５から入力される入力スペクトルおよび第１レイヤ符号化部２３３から入力される第１レイヤ復号スペクトルを用いて、第２レイヤ符号化情報を生成し、生成した第２レイヤ符号化情報を符号化情報統合部２０７に出力する。なお、第２レイヤ符号化部２４６の詳細については後述する。
　図２１は、本実施の形態に係る第２レイヤ符号化部２４６の内部の主要な構成を示すブロック図である。
　第２レイヤ符号化部２４６において、ピッチ係数設定部４０４以外の構成要素は、実施の形態４の場合と同様であるため、説明を省略する。
　また、以下の説明では、実施の形態４と同様に、図２１に示す帯域分割部２６０において、入力スペクトルＳ２（ｋ）の高域部（ＦＬ≦ｋ＜ＦＨ）を５個のサブバンドＳＢｐ（ｐ＝０，１，…，４）に分割する場合を例にとって説明する。つまり、実施の形態１において、サブバンド数ＰがＰ＝５である場合について説明する。ただし、本発明は入力スペクトルＳ２の高域部を分割するサブバンド数を限定するものではなく、サブバンド数ＰがＰ＝５以外の場合についても同様に適用することができる。
　ピッチ係数設定部４０４は、複数のサブバンドのうち、一部のサブバンドに対してはピッチ係数の探索範囲を予め設定し、それ以外のサブバンドに対しては隣接する１つ前のサブバンドに対応する探索結果に基づいてピッチ係数の探索範囲を設定する。
　例えば、ピッチ係数設定部４０４は、探索部２６３の制御の下、フィルタリング部２６２および探索部２６３とともに、第１サブバンドＳＢ０、第３サブバンドＳＢ２または第５サブバンドＳＢ４（サブバンドＳＢｐ（ｐ＝０，２，４））に対応する閉ループの探索処理を行う場合には、ピッチ係数Ｔを、予め定められた探索範囲の中で少しずつ変化させながら、フィルタリング部２６２に順次出力する。具体的には、ピッチ係数設定部４０４は、第１サブバンドＳＢ０に対応する閉ループの探索処理を行う場合には、ピッチ係数Ｔを、第１サブバンドに対して予め設定された探索範囲Ｔｍｉｎ１～Ｔｍａｘ１の中で少しずつ変化させながら設定する。また、ピッチ係数設定部４０４は、第３サブバンドＳＢ２に対応する閉ループの探索処理を行う場合には、ピッチ係数Ｔを、第３サブバンドに対して予め設定された探索範囲Ｔｍｉｎ３～Ｔｍａｘ３の中で少しずつ変化させながら設定する。同様に、ピッチ係数設定部４０４は、第５サブバンドＳＢ４に対応する閉ループの探索処理を行う場合には、ピッチ係数Ｔを、第５サブバンドに対して予め設定された探索範囲Ｔｍｉｎ５～Ｔｍａｘ５の中で少しずつ変化させながら設定する。
　一方、ピッチ係数設定部４０４は、探索部２６３の制御の下、フィルタリング部２６２および探索部２６３とともに、第２サブバンドＳＢ１または第４サブバンドＳＢ３（サブバンドＳＢｐ（ｐ＝１，３））に対応する閉ループの探索処理を行う場合には、隣接する１つ前のサブバンドＳＢｐ－１に対応する閉ループの探索処理において求められた最適ピッチ係数Ｔｐ－１’に基づき、ピッチ係数Ｔを、少しずつ変化させながら、フィルタリング部２６２に順次出力する。具体的には、ピッチ係数設定部４０４は、第２サブバンドＳＢ１に対応する閉ループの探索処理を行う際、隣接する１つ前のサブバンドである第１サブバンドＳＢ０の最適ピッチ係数Ｔ０’の値が予め定められた閾値ＴＨｐ未満である場合（パターン１）には、ピッチ係数Ｔを式（２７）に従って算出される探索範囲の中で少しずつ変化させながら設定する。一方、第１サブバンドＳＢ０の最適ピッチ係数Ｔ０’の値が予め定められた閾値ＴＨｐ以上である場合（パターン２）には、ピッチ係数Ｔを式（２８）に従って算出される探索範囲の中で少しずつ変化させながら設定する。この場合、式（２７）および式（２８）においてはＰ＝１となる。ここで、式（２７）および式（２８）中のＳＥＡＲＣＨ１、ＳＥＡＲＣＨ２は予め定められた探索ピッチ係数の設定範囲を示す。なお、以下では、ＳＥＡＲＣＨ１＞ＳＥＡＲＣＨ２である場合について説明する。
Figure JPOXMLDOC01-appb-M000027
Figure JPOXMLDOC01-appb-M000028
　同様に、ピッチ係数設定部４０４は、第４サブバンドＳＢ３に対応する閉ループの探索処理を行う際、第１サブバンドＳＢ０の最適ピッチ係数Ｔ０’の値が予め定められた閾値ＴＨｐ未満である場合（パターン１）には、隣接する１つ前のサブバンドである第３サブバンドＳＢ２の最適ピッチ係数Ｔ２’に基づき、ピッチ係数Ｔを式（２９）に従って算出される探索範囲の中で少しずつ変化させながら設定する。一方、第１サブバンドＳＢ０の最適ピッチ係数Ｔ０’の値が予め定められた閾値ＴＨｐ以上である場合（パターン２）には、ピッチ係数Ｔを式（３０）に従って算出される探索範囲の中で少しずつ変化させながら設定する。この場合、式（２９）および式（３０）においてはＰ＝３となる。
Figure JPOXMLDOC01-appb-M000029
Figure JPOXMLDOC01-appb-M000030
　なお、式（２７）～式（３０）に従って設定したピッチ係数Ｔの範囲が、第１レイヤ復号スペクトルの帯域の上限値を越えてしまう場合、実施の形態１と同様、式（３１）および式（３２）に示すようにしてピッチ係数Ｔの範囲を修正する。この時、式（２７）および式（３０）に対しては式（３１）が、式（２８）および式（２９）に対しては式（３２）がそれぞれ対応する。同様に、式（２７）～式（３０）に従って設定したピッチ係数Ｔの範囲が、第１レイヤ復号スペクトルの帯域の下限値を下回る場合、実施の形態１と同様、式（３３）および式（３４）に示すようにしてピッチ係数Ｔの範囲を修正する。この時、式（２７）および式（３０）に対しては式（３３）が、式（２８）および式（２９）に対しては式（３４）がそれぞれ対応する。このようにピッチ係数Ｔの範囲を修正することで、最適ピッチ係数の探索におけるエントリ数を減らすことなく効率的に符号化することができる。
Figure JPOXMLDOC01-appb-M000031
Figure JPOXMLDOC01-appb-M000032
Figure JPOXMLDOC01-appb-M000033
Figure JPOXMLDOC01-appb-M000034
　ピッチ係数設定部４０４は、第２サブバンド及び第４サブバンドに対する最適ピッチ探索時のエントリ数を適応的に変化させる。つまり、ピッチ係数設定部４０４は、第１サブバンドの最適ピッチ係数Ｔ０’が予め設定した閾値よりも小さい場合には第２サブバンドに対する最適ピッチ探索時のエントリ数を多くし（パターン１）、第１サブバンドの最適ピッチ係数Ｔ０’が閾値以上である場合には第２サブバンドに対する最適ピッチ探索時のエントリ数を少なくする（パターン２）。また、ピッチ係数設定部４０４は、第２サブバンドの最適ピッチ探索時のパターン（パターン１およびパターン２）に応じて、第４サブバンドの最適ピッチ探索時のエントリ数を増減させる。具体的には、ピッチ係数設定部４０４は、パターン１の場合には第４サブバンドの最適ピッチ探索時のエントリ数を少なくし、パターン２の場合には第４サブバンドの最適ピッチ探索時のエントリ数を多くする。この時、パターン１及びパターン２のそれぞれに対して、第２サブバンドの最適ピッチ探索時のエントリ数と第４サブバンドの最適ピッチ探索時のエントリ数の合計を等しくすることで、ビットレートを固定にしたまま、より効率的な最適ピッチ係数の探索をすることができる。
　第１レイヤ復号スペクトルについては、一般的に入力信号が音声信号などである場合には、低域側ほど周期性が強いという特徴がある。従って、最適ピッチ係数を探索する帯域が低域側であるほど、探索時のエントリ数を増加させることによる効果が大きい。そこで、上記のように、第１サブバンドに対して探索された最適ピッチ係数の値が小さい場合には、第２サブバンドに対する最適ピッチの探索時のエントリ数を大きくすることで、第２サブバンドに対してより効果的な最適ピッチ探索をすることができる。この時、第４サブバンドに対する最適ピッチ係数の探索時のエントリ数を減少させる。一方、第１サブバンドに対して探索された最適ピッチ係数の値が大きい場合には、第２サブバンドに対する最適ピッチ係数の探索のエントリ数を多くしてもその効果は小さいため、第２サブバンドに対しては、最適ピッチ係数の探索時のエントリ数を少なくし、第４サブバンドに対する最適ピッチ係数の探索時のエントリ数を増加させる。このように、第１サブバンドに対して探索された最適ピッチ係数の値に応じて、第２サブバンドおよび第４サブバンド間で最適ピッチ係数の探索時のエントリ数（ビットアロケーション）を調整することで、より効率的に最適ピッチ係数を探索することができ、品質の良い復号信号を生成することが可能になる。
　本実施の形態に係る復号装置１８４（図示せず）の内部の主要な構成は、図１８に示した復号装置１６３と基本的には同じであるため、説明を省略する。
　このように、本実施の形態によれば、低域部のスペクトルを用いて帯域拡張を行い高域部のスペクトルを推定する符号化／復号において、高域部を複数のサブバンドに分割し、一部のサブバンド（本実施の形態では第１サブバンド、第３サブバンドおよび第５サブバンド）に対してはサブバンド毎に設定された探索範囲において探索を行う。また、それ以外のサブバンド（本実施の形態では第２サブバンドおよび第４サブバンド）に対しては隣接する１つ前のサブバンドの符号化結果を利用して探索を行う。なお、ここで、第２サブバンドおよび第４サブバンドに対する最適ピッチの探索時に、第１サブバンドに対して探索された最適ピッチに基づいて、探索のエントリ数を適応的に切り替える。これにより、サブバンド間の相関を利用するとともに、サブバンド毎に適応的にエントリ数を変更することができ、より効率的に高域スペクトルを符号化／復号することができる。その結果として復号信号の品質をさらに向上させることができる。
　なお、本実施の形態では、第２サブバンドおよび第４サブバンドに対する最適ピッチ係数の探索時のエントリ数の合計が等しい場合を例に挙げて説明した。しかし、本発明はこれに限定されず、第２サブバンドおよび第４サブバンドに対する最適ピッチ係数の探索時のエントリ数の合計がパターン毎に異なる構成についても同様に適用できる。
　また、本実施の形態では、第２サブバンドおよび第４サブバンドに対する最適ピッチ係数の探索時のエントリ数が増減する場合を例に挙げて説明したが、探索エントリ数を多くしたことによって、探索範囲が低域の全範囲になる場合に対しても同様に適用できる。
　また、本実施の形態では、第２サブバンドおよび第４サブバンドに対する最適ピッチ係数の探索時のエントリ数が増減する場合の例として、第１サブバンドの最適ピッチ係数Ｔ０’の値が予め定められた閾値ＴＨｐ未満である場合（パターン１）には、第２サブバンドの最適ピッチ係数の探索エントリ数を多くし（探索範囲を広くし）、第４サブバンドの最適ピッチ係数の探索エントリ数を少なくする（探索範囲を狭くする）構成について説明した。また、上記構成は、第１サブバンドの最適ピッチ係数Ｔ０’の値が予め定められた閾値ＴＨｐ以上である場合（パターン２）には、上記とは逆の探索範囲の設定方法を採る。しかし、本発明は上記構成に限らず、第１サブバンドのパターン１、パターン２に対してそれぞれ逆の探索範囲設定方法を採る構成についても同様に適用できる。すなわち、本発明は、第１サブバンドの最適ピッチ係数Ｔ０’の値が予め定められた閾値ＴＨｐ未満である場合（パターン１）には、第２サブバンドの最適ピッチ係数の探索エントリ数を少なくし（探索範囲を狭くし）、第４サブバンドの最適ピッチ係数の探索エントリ数を多くする（探索範囲を広くする）構成についても同様に適用できる。なお、本構成は、第１サブバンドの最適ピッチ係数Ｔ０’の値が予め定められた閾値ＴＨｐ以上である場合（パターン２）には、上記とは逆の探索範囲の設定方法を採る。この構成により、低域部分の中でも、低域側と高域側で大きくスペクトル特性が異なる入力信号に対して、効率的に符号化することができる。具体的には、スペクトルが複数のピーク成分から構成されており、さらにピーク成分の存在する密度が帯域によって大きく異なるような特性を有する入力信号に対して効率的に量子化できることが実験により確認されている。
　（実施の形態６）
　本発明の実施の形態６は、実施の形態４と同様に入力信号のサンプリング周波数が３２ｋＨｚであり、第１レイヤ符号化部の符号化方式として、ＩＴＵ－Ｔで規格化されているＧ．７２９．１方式を適用する場合の構成について説明する。
　本発明の実施の形態６に係る通信システム（図示せず）は、図２に示した通信システムと基本的に同様であり、符号化装置、復号装置の構成および動作の一部のみにおいて、図２の通信システムの符号化装置１０１、復号装置１０３と相違する。以下、本実施の形態に係る通信システムの符号化装置および復号装置についてそれぞれ符号「１９１」および「１９３」を付し、説明を行う。
　本実施の形態に係る符号化装置１９１（図示せず）は、図１５に示した符号化装置１６１と基本的に同様であり、ダウンサンプリング処理部２０１、第１レイヤ符号化部２３３、直交変換処理部２１５、第２レイヤ符号化部２５６および符号化情報統合部２０７とから主に構成される。ここで、第２レイヤ符号化部２５６以外の構成要素については、実施の形態４の場合と同様であるため、説明を省略する。
　第２レイヤ符号化部２５６は、直交変換処理部２１５から入力される入力スペクトルおよび第１レイヤ符号化部２３３から入力される第１レイヤ復号スペクトルを用いて、第２レイヤ符号化情報を生成し、生成した第２レイヤ符号化情報を符号化情報統合部２０７に出力する。なお、第２レイヤ符号化部２５６の詳細については後述する。
　図２２は、本実施の形態に係る第２レイヤ符号化部２５６の内部の主要な構成を示すブロック図である。
　第２レイヤ符号化部２５６において、ピッチ係数設定部４１４以外の構成要素は、実施の形態４の場合と同様であるため、説明を省略する。
　また、以下の説明では、実施の形態４と同様に、図２２に示す帯域分割部２６０において、入力スペクトルＳ２（ｋ）の高域部（ＦＬ≦ｋ＜ＦＨ）を５個のサブバンドＳＢｐ（ｐ＝０，１，…，４）に分割する場合を例にとって説明する。つまり、実施の形態１において、サブバンド数ＰがＰ＝５である場合について説明する。ただし、本発明は入力スペクトルＳ２の高域部を分割するサブバンド数を限定するものではなく、サブバンド数ＰがＰ＝５以外の場合についても同様に適用することができる。
　ピッチ係数設定部４１４は、複数のサブバンドのうち、一部のサブバンドに対してはピッチ係数の探索範囲を予め設定し、それ以外のサブバンドに対しては隣接する１つ前のサブバンドに対応する探索結果に基づいてピッチ係数の探索範囲を設定する。
　例えば、ピッチ係数設定部４１４は、探索部２６３の制御の下、フィルタリング部２６２および探索部２６３とともに、第１サブバンドＳＢ０、第３サブバンドＳＢ２または第５サブバンドＳＢ４（サブバンドＳＢｐ（ｐ＝０，２，４））に対応する閉ループの探索処理を行う場合には、ピッチ係数Ｔを、予め定められた探索範囲の中で少しずつ変化させながら、フィルタリング部２６２に順次出力する。具体的には、ピッチ係数設定部４１４は、第１サブバンドＳＢ０に対応する閉ループの探索処理を行う場合には、ピッチ係数Ｔを、第１サブバンドに対して予め設定された探索範囲Ｔｍｉｎ１～Ｔｍａｘ１の中で少しずつ変化させながら設定する。また、ピッチ係数設定部４１４は、第３サブバンドＳＢ２に対応する閉ループの探索処理を行う場合には、ピッチ係数Ｔを、第３サブバンドに対して予め設定された探索範囲Ｔｍｉｎ３～Ｔｍａｘ３の中で少しずつ変化させながら設定する。同様に、ピッチ係数設定部４１４は、第５サブバンドＳＢ４に対応する閉ループの探索処理を行う場合には、ピッチ係数Ｔを、第５サブバンドに対して予め設定された探索範囲Ｔｍｉｎ５～Ｔｍａｘ５の中で少しずつ変化させながら設定する。
　一方、ピッチ係数設定部４１４は、探索部２６３の制御の下、フィルタリング部２６２および探索部２６３とともに、第２サブバンドＳＢ１または第４サブバンドＳＢ３（サブバンドＳＢｐ（ｐ＝１，３））に対応する閉ループの探索処理を行う場合には、隣接する１つ前のサブバンドＳＢｐ－１に対応する閉ループの探索処理において求められた最適ピッチ係数Ｔｐ－１’に基づき、ピッチ係数Ｔを、少しずつ変化させながら、フィルタリング部２６２に順次出力する。具体的には、ピッチ係数設定部４１４は、第２サブバンドＳＢ１に対応する閉ループの探索処理を行う際、隣接する１つ前のサブバンドである第１サブバンドＳＢ０の最適ピッチ係数Ｔ０’の値が予め定められた閾値ＴＨｐ未満である場合には、ピッチ係数Ｔを式（９）に従って算出される探索範囲の中で少しずつ変化させながら設定する。ここで、式（９）においてはＰ＝１となる。一方、第１サブバンドＳＢ０の最適ピッチ係数Ｔ０’の値が予め定められた閾値ＴＨｐ以上である場合には、ピッチ係数Ｔを予め設定された探索範囲Ｔｍｉｎ２～Ｔｍａｘ２の中で少しずつ変化させながら設定する。
　同様に、ピッチ係数設定部４１４は、第４サブバンドＳＢ３に対応する閉ループの探索処理を行う際、第１サブバンドＳＢ０の最適ピッチ係数Ｔ０’の値が予め定められた閾値ＴＨｐ未満である場合には、隣接する１つ前のサブバンドである第３サブバンドＳＢ２の最適ピッチ係数Ｔ２’に基づき、ピッチ係数Ｔを式（９）に従って算出される探索範囲の中で少しずつ変化させながら設定する。ここで、式（９）においてはＰ＝３となる。一方、第３サブバンドＳＢ２の最適ピッチ係数Ｔ２’の値が予め定められた閾値ＴＨｐ以上である場合には、ピッチ係数Ｔを予め設定された探索範囲Ｔｍｉｎ４～Ｔｍａｘ４の中で少しずつ変化させながら設定する。
　なお、式（９）に従って設定したピッチ係数Ｔの範囲が、第１レイヤ復号スペクトルの帯域の上限値を越えてしまう場合、実施の形態１と同様、式（１０）に示すようにしてピッチ係数Ｔの範囲を修正する。同様に、式（９）に従って設定したピッチ係数Ｔの範囲が、第１レイヤ復号スペクトルの帯域の下限値を下回る場合、実施の形態１と同様、式（１１）に示すようにしてピッチ係数Ｔの範囲を修正する。このようにピッチ係数Ｔの範囲を修正することで、最適ピッチ係数の探索におけるエントリ数を減らすことなく効率的に符号化することができる。
　ピッチ係数設定部４１４は、第２サブバンドおよび第４サブバンドに対する最適ピッチ探索時の探索範囲の設定を、隣接する１つ前のサブバンドＳＢｐ－１に対応する閉ループの探索処理において求められた最適ピッチ係数Ｔｐ－１’に基づいて適応的に変更する。つまり、ピッチ係数設定部４１４は、隣接する１つ前のサブバンドＳＢｐ－１に対して探索された最適ピッチ係数Ｔｐ－１’が閾値未満であった場合にのみ、最適ピッチ係数Ｔｐ－１’に基づいた範囲に対して最適ピッチ係数の探索を行う。一方、ピッチ係数設定部４１４は、隣接する１つ前のサブバンドＳＢｐ－１に対して探索された最適ピッチ係数Ｔｐ－１’が閾値以上であった場合には、予め設定された探索範囲に対して最適ピッチ係数の探索を行う。このような構成により、最適ピッチの探索範囲が高域に偏ることで発生する異音を抑制することができるため、結果として復号信号の品質を向上させることができる。
　本実施の形態に係る復号装置１９３（図示せず）は、図１８に示した復号装置１６３と基本的に同様であり、符号化情報分離部１７１、第１レイヤ復号部１７２、第２レイヤ復号部１８３、直交変換処理部１７４および加算部１７５とから主に構成される。ここで、第２レイヤ復号部１８３以外の構成要素は、実施の形態４の場合と同様であるため、説明を省略する。
　図２３は、本実施の形態に係る第２レイヤ復号部１８３の内部の主要な構成を示すブロック図である。
　第２レイヤ復号部１８３において、フィルタリング部４９０以外の構成要素は、実施の形態４の場合と同様であるため、説明を省略する。
　フィルタリング部４９０は、マルチタップ（タップ数が１より多い）のピッチフィルタを備える。フィルタリング部４９０は、分離部３５１から入力される帯域分割情報と、フィルタ状態設定部３５２により設定されたフィルタ状態と、分離部３５１から入力されるピッチ係数Ｔｐ’（ｐ＝０，１，…，Ｐ－１）と、予め内部に格納しているフィルタ係数とに基づき、第１レイヤ復号スペクトルＳ１(ｋ)をフィルタリングし、式（１６）に示す、各サブバンドＳＢｐ（ｐ＝０，１，…，Ｐ－１）の推定値Ｓ２ｐ’(ｋ)（ＢＳｐ≦ｋ＜ＢＳｐ＋ＢＷｐ）（ｐ＝０，１，…，Ｐ－１）を算出する。フィルタリング部４９０でも、式（１５）に示したフィルタ関数が用いられる。ただし、この場合のフィルタリング処理およびフィルタ関数は、式（１５）、式（１６）におけるＴをＴｐ’に置き換えたものとする。
　ここで、フィルタリング部４９０は、第１サブバンド、第３サブバンドおよび第５サブバンドＳＢｐ（ｐ＝０，２，４）に対してはピッチ係数Ｔｐ’（ｐ＝０，２，４）をそのまま用いてフィルタリング処理を行う。また、フィルタリング部４９０は、第２サブバンドおよび第４サブバンドＳＢｐ（ｐ＝１，３）に対しては、サブバンドＳＢｐ－１のピッチ係数Ｔｐ－１’を考慮してサブバンドＳＢｐのピッチ係数Ｔｐ”を新たに設定し、このピッチ係数Ｔｐ”を用いてフィルタリングを行う。具体的には、第２サブバンドおよび第４サブバンドＳＢｐ（ｐ＝１，３）に対するフィルタリングを行う際には、フィルタリング部４９０は、分離部３５１から得られたピッチ係数の値が予め定められた閾値ＴＨｐ未満である場合に対して、サブバンドＳＢｐ－１（ｐ＝１，３）のピッチ係数Ｔｐ－１’とサブバンド幅ＢＷｐ－１とを用いて、式（１８）に従い、フィルタリングに用いるピッチ係数Ｔｐ”を算出する。この場合のフィルタリング処理は、式（１６）において、ＴをＴｐ”に置き換えた式に従うものとする。また、フィルタリング部４９０は、第２サブバンドおよび第４サブバンドＳＢｐ（ｐ＝１，３）に対するフィルタリングを行う際、分離部３５１から得られたピッチ係数の値が予め定められた閾値ＴＨｐ以上である場合に対しては、分離部３５１から入力されるピッチ係数Ｔｐ’（ｐ＝０，１，…，Ｐ－１）と、予め内部に格納しているフィルタ係数とに基づき、第１レイヤ復号スペクトルＳ１(ｋ)をフィルタリングし、式（１６）に示す、各サブバンドＳＢｐ（ｐ＝０，１，…，Ｐ－１）の推定値Ｓ２ｐ’(ｋ)（ＢＳｐ≦ｋ＜ＢＳｐ＋ＢＷｐ）（ｐ＝０，１，…，Ｐ－１）を算出する。ただし、この場合のフィルタリング処理およびフィルタ関数は、式（１５）、式（１６）におけるＴをＴｐ’に置き換えたものとする。
　このように、本実施の形態によれば、低域部のスペクトルを用いて帯域拡張を行い高域部のスペクトルを推定する符号化／復号において、高域部を複数のサブバンドに分割し、一部のサブバンド（本実施の形態では第１サブバンド、第３サブバンドおよび第５サブバンド）に対してはサブバンド毎に設定された探索範囲において探索を行う。また、それ以外のサブバンド（本実施の形態では第２サブバンドおよび第４サブバンド）に対しては隣接する１つ前のサブバンドの符号化結果を利用して探索を行う。なお、ここで、第２サブバンドおよび第４サブバンドに対する最適ピッチの探索時に、第１サブバンドに対して探索された最適ピッチに基づいて、探索のエントリ数を適応的に切り替える。これにより、サブバンド間の相関を利用するとともに、サブバンド毎に適応的にエントリ数を変更することができ、より効率的に高域スペクトルを符号化／復号することができる。その結果として復号信号の品質をさらに向上させることができる。
　なお、上記実施の形態４～６では、第１レイヤ符号化部および第１レイヤ復号部において、Ｇ．７２９．１符号化／復号方式を用いる場合を例に採って説明した。しかし、本発明において第１レイヤ符号化部および第１レイヤ復号部で用いる符号化方式／復号方式はＧ．７２９．１符号化／復号方式に限定されるものではない。例えば、第１レイヤ符号化部、および第１レイヤ復号部で用いる符号化方式／復号方式としてＧ．７１８等の他の符号化／復号方式を採る構成についても本発明を同様に適用できる。
　また、上記実施の形態４～６では、第１レイヤ復号スペクトルとして、第１レイヤ符号化部の内部で得られる情報（ＴＤＡＣ符号化部２８７で得られるＴＤＡＣパラメータの復号スペクトル）を用いる場合について説明した。しかし、本発明はこれに限らず、第１レイヤ符号化部の内部で算出される他の情報を第１レイヤ復号スペクトルとして用いる場合についても同様に適用することができる。また、本発明は、第１レイヤ符号化情報を復号して得られる第１レイヤ復号信号に対して直交変換等の処理を行い、算出されたスペクトルを第１レイヤ復号スペクトルとして用いる場合についても同様に適用できる。つまり、本発明は第１レイヤ復号スペクトルの特性に限定されるものではなく、第１レイヤ符号化部の内部で算出されるパラメータ、または、第１レイヤ符号化情報を復号して得られる復号信号から算出される全てのスペクトルを第１レイヤ復号スペクトルとして利用する場合にも同様の効果を得ることができる。
　また、上記実施の形態４～６では、一部のサブバンド（本実施の形態では、第１サブバンド、第３サブバンド、第５サブバンド）に予め設定された探索範囲が、それぞれのサブバンド毎に異なる場合を例にとって説明した。しかし、本発明はこれに限定されず、全てのサブバンドまたは一部のサブバンド群に対して共通の探索範囲を設定してもよい。
　以上、本発明の各実施の形態について説明した。
　なお、上記各実施の形態においては、各サブバンドＳＢｐ（ｐ＝０，…，Ｐ－１）に最も近似する部分を、第１レイヤ復号スペクトルにおいて探索した後に、ゲイン符号化部２６５にてサブバンド毎に、入力スペクトルとのスペクトルパワの変動量を符号化する場合を例にとって説明した。しかし、本発明はこれに限定されず、ゲイン符号化部２６５において、探索部２６３で算出される最適ピッチ係数Ｔｐ’に対応する理想利得を符号化しても良い。この場合には、ゲイン符号化部２６５で符号化するゲインのサブバンド構成は、フィルタリング時のサブバンド構成と同一とした方が好ましい。この構成により、入力スペクトルの高域部により近似する推定スペクトルを生成することができ、復号信号に含まれうる雑音感を減少させることができる。
　また、上記各実施の形態では、復号側において常に第２レイヤの復号信号を出力信号とする場合を例にとって説明したが、本発明はこれに限定されず、第１レイヤの復号信号と第２レイヤの復号信号とを切替えて出力信号としても良い。例えば、伝送路において一部の符号化情報が消失したり、符号化情報に伝送誤りが生じたりする場合には、第１レイヤの復号による復号信号しか得られない場合がある。このような場合には、第１レイヤの復号信号を出力信号として出力する。
　また、上記各実施の形態では、符号化装置／復号装置としてそれぞれ２つの階層からなるスケーラブル符号化装置／復号装置を例にとって説明したが、本発明はこれに限定されず、符号化装置／復号装置はそれぞれ３階層以上からなるスケーラブル符号化装置／復号装置であっても良い。
　また、上記各実施の形態では、各サブバンドに対応する最適ピッチ係数を探索するためにピッチ係数設定部２６４、２７４で設定するピッチ係数の範囲として各サブバンドに対してＳＥＡＲＣＨという共通の範囲を利用する場合について説明した。しかし、本発明はこれに限定されず、サブバンド毎に探索範囲を別途ＳＥＡＲＣＨｐ（ｐ＝０，…，Ｐ－１）としても良い。例えば、高域部の中でも低域に近いサブバンドに対しては探索範囲をより広く設定し、高域部の中でもより高域のサブバンドに対しては探索範囲をより狭く設定することにより、周波数帯域に応じた柔軟なビット割当を実現することができる。
　また、上記各実施の形態では、各サブバンドに対応する最適ピッチ係数を探索するためにピッチ係数設定部２６４、２７４、２９４、４０４、４１４で設定するピッチ係数の範囲が、各サブバンドに対してＳＥＡＲＣＨという共通の範囲を利用し、前サブバンドの最適ピッチ係数に前サブバンド幅を加えた位置の周辺（±ＳＥＡＲＣＨの範囲）である構成について説明した。しかし、本発明はこれに限らず、前サブバンドの最適ピッチ係数に前サブバンド幅を加えた位置に対して、非対称的な範囲を最適ピッチ係数の探索範囲とする構成についても同様に適用できる。例えば、前サブバンドの最適ピッチ係数に前サブバンド幅を加えた位置からより低域側を広めにし、高域側は狭く探索範囲を設定する方法がある。この構成により、最適ピッチ係数の探索範囲が高域側に偏り過ぎる傾向を軽減でき、復号信号の品質が向上する可能性がある。
　また、上記各実施の形態では、幾つかのサブバンドに対しては、隣接する前サブバンドに対する最適ピッチ係数に基づいて最適ピッチ係数を探索する範囲を設定する構成について説明した。上記方法は、最適ピッチ係数について周波数軸上の相関を利用した方法である。しかし、本発明はこれに限らず、最適ピッチ係数について時間軸上の相関を利用した場合についても同様に適用できる。具体的には、同一サブバンドにおいて、時間的に前に処理されたフレーム（例えば過去３フレームなど）に対して探索された最適ピッチ係数に基づいて、その周辺を最適ピッチ係数の探索範囲に設定する。この場合は、４次の線形予測によって求められる位置の周辺を探索する。また上記のように時間軸上の相関と、上記各実施の形態で説明した周波数軸上の相関を併用することも可能である。この場合、あるサブバンドに対して、過去のフレームで探索された最適ピッチ係数と隣接する前サブバンドに対して探索された最適ピッチ係数とに基づき、最適ピッチ係数の探索範囲が設定される。また、時間軸上の相関を利用して最適ピッチ係数の探索範囲を設定する場合には、伝送誤りが伝播するという問題点がある。この問題点に対しては、一定以上連続して時間軸上の相関に基づいて最適ピッチ係数の探索範囲を設定した後、時間軸上の相関に基づかずに最適ピッチ係数の探索範囲を設定するフレームを設けることで対処できる（例えば、４フレーム処理する毎に、時間軸上の相関を利用しないフレームを設定するなど）。
　また、本発明に係る符号化装置、復号装置およびこれらの方法は、上記各実施の形態に限定されず、種々変更して実施することが可能である。例えば、各実施の形態は、適宜組み合わせて実施することが可能である。
　また、上記各実施の形態における復号装置は、上記各実施の形態における符号化装置から伝送された符号化情報を用いて処理を行うとしたが、本発明はこれに限定されず、必要なパラメータやデータを含む符号化情報であれば、必ずしも上記各実施の形態における符号化装置からの符号化情報でなくても処理は可能である。
　また、信号処理プログラムを、メモリ、ディスク、テープ、ＣＤ、ＤＶＤ等の機械読み取り可能な記録媒体に記録、書き込みをし、動作を行う場合についても、本発明は適用することができ、本実施の形態と同様の作用および効果を得ることができる。
　また、上記各実施の形態では、本発明をハードウェアで構成する場合を例にとって説明したが、本発明はソフトウェアで実現することも可能である。
　また、上記各実施の形態の説明に用いた各機能ブロックは、典型的には集積回路であるＬＳＩとして実現される。これらは個別に１チップ化されてもよいし、一部または全てを含むように１チップ化されてもよい。ここでは、ＬＳＩとしたが、集積度の違いにより、ＩＣ、システムＬＳＩ、スーパーＬＳＩ、ウルトラＬＳＩと呼称されることもある。
　また、集積回路化の手法はＬＳＩに限るものではなく、専用回路または汎用プロセッサで実現してもよい。ＬＳＩ製造後に、プログラムすることが可能なＦＰＧＡ（Field Programmable Gate Array）や、ＬＳＩ内部の回路セルの接続や設定を再構成可能なリコンフィギュラブル／プロセッサを利用してもよい。
　さらには、半導体技術の進歩または派生する別技術によりＬＳＩに置き換わる集積回路化の技術が登場すれば、当然、その技術を用いて機能ブロックの集積化を行ってもよい。バイオ技術の適用等が可能性としてありえる。
　２００８年３月１４日出願の特願２００８－６６２０２、２００８年５月３０日出願の特願２００８－１４３９６３及び２００８年１１月２１日出願の特願２００８－２９８０９１の日本出願に含まれる明細書、図面及び要約書の開示内容は、すべて本願に援用される。
　本発明にかかる符号化装置、復号装置およびこれらの方法は、低域部のスペクトルを用いて帯域拡張を行い高域部のスペクトルを推定する際に、復号信号の品質を向上することができ、例えば、パケット通信システム、移動通信システムなどに適用できる。

Claims (22)

  1. 　入力信号の所定周波数以下の低域部分を符号化して第１符号化情報を生成する第１符号化手段と、
    　前記第１符号化情報を復号して復号信号を生成する復号手段と、
    　前記入力信号の前記所定周波数より高い高域部分を複数のサブバンドに分割し、前記入力信号または前記復号信号から、前記複数のサブバンドのそれぞれを、隣接するサブバンドの推定結果を用いて推定することにより第２符号化情報を生成する第２符号化手段と、
    　を具備する符号化装置。
  2. 　前記第２符号化手段は、
    　前記入力信号の前記高域部分をＮ（Ｎは１より大きい整数）個のサブバンドに分割し、前記Ｎ個のサブバンドそれぞれの開始位置と帯域幅とを帯域分割情報として得る分割手段と、
    　前記復号信号をフィルタリングして、第１推定信号から第Ｎ推定信号までのＮ個の第ｎ（ｎ＝１，２，…，Ｎ）推定信号を生成するフィルタリング手段と、
    　前記フィルタリング手段に用いられるピッチ係数を変化させながら設定する設定手段と、
    　前記ピッチ係数のうち、前記第ｎ推定信号と、第ｎサブバンドとの類似度合いを最も大きくするものを第ｎ最適ピッチ係数として探索する探索手段と、
    　第１最適ピッチ係数から第Ｎ最適ピッチ係数までのＮ個の最適ピッチ係数と、前記帯域分割情報とを多重化して前記第２符号化情報を得る多重化手段と、
    　を具備し、
    　前記設定手段は、
    　第１サブバンドを推定するために前記フィルタリング手段に用いられるピッチ係数を、所定の範囲で変化させながら設定し、第２サブバンド以降の第ｍ（ｍ＝２，３，…，Ｎ）サブバンドを推定するために前記フィルタリング手段に用いられるピッチ係数を、第ｍ－１最適ピッチ係数に応じた範囲、または前記所定の範囲で変化させながら設定する、
    　請求項１記載の符号化装置。
  3. 　前記設定手段は、
    　前記第ｍ－１最適ピッチ係数を含む所定幅の範囲を、前記第ｍ－１最適ピッチ係数に応じた範囲として前記ピッチ係数を設定する、
    　請求項２記載の符号化装置。
  4. 　前記設定手段は、
    　前記第ｍ－１最適ピッチ係数に前記第ｍ－１サブバンドの帯域幅を加算したピッチ係数を含む所定幅の範囲を、前記第ｍ－１最適ピッチ係数に応じた範囲として前記ピッチ係数を設定する、
    　請求項２記載の符号化装置。
  5. 　前記設定手段は、
    　前記第２サブバンド以降のすべての第ｍサブバンドそれぞれを推定するために前記フィルタリング手段に用いられるピッチ係数を、前記第ｍ－１最適ピッチ係数に応じた範囲で変化させながら設定する、
    　請求項２記載の符号化装置。
  6. 　前記設定手段は、
    　前記第２サブバンド以降の第ｍサブバンドのうち、所定数おきの第ｍサブバンドを推定するために前記フィルタリング手段に用いられるピッチ係数を、前記所定の範囲で変化させながら設定し、それ以外の第ｍサブバンドを推定するために前記フィルタリング手段に用いられるピッチ係数を、前記第ｍ－１最適ピッチ係数に応じた範囲で変化させながら設定する、
    　請求項２記載の符号化装置。
  7. 　前記設定手段は、
    　前記複数のサブバンドのうち、高域のサブバンドほど前記復号信号のより低い帯域を前記所定の範囲として前記ピッチ係数を設定する、
    　請求項２記載の符号化装置。
  8. 　前記設定手段は、
    　前記複数のサブバンドのうち、高域のサブバンドほど前記復号信号のより高い帯域を前記所定の範囲として前記ピッチ係数を設定する、
    　請求項２記載の符号化装置。
  9. 　前記第ｍサブバンドと第ｍ－１サブバンドとの相関を第ｍ相関として算出し、Ｎ－１個の前記第ｍ相関それぞれが所定レベル以上であるか否かを判定する判定手段、
    　をさらに具備し、
    　前記設定手段は、
    　前記判定手段において前記第ｍ相関が所定レベル以上であると判定された前記第ｍサブバンドを推定するために前記フィルタリング手段に用いられる前記ピッチ係数を、前記第ｍ－１最適ピッチ係数に応じた範囲で変化させながら設定し、
    　前記判定手段において前記第ｍ相関が所定レベルより低いと判定された前記第ｍサブバンドを推定するために前記フィルタリング手段に用いられる前記ピッチ係数を、前記所定の範囲で変化させながら設定する、
    　請求項２記載の符号化装置。
  10. 　前記第ｍサブバンドと前記第ｍ－１サブバンドとの相関を第ｍ相関として算出し、Ｎ－１個の前記第ｍ相関のうち、所定レベル以上となる前記第ｍ相関の数が所定数以上であるか否かを判定する判定手段、
    　をさらに具備し、
    　前記設定手段は、
    　前記判定手段において前記所定レベル以上となる前記第ｍ相関の数が所定数以上であると判定した場合には、前記第２サブバンド以降のすべての前記第ｍサブバンドそれぞれを推定するために前記フィルタリング手段に用いられる前記ピッチ係数を、前記第ｍ－１最適ピッチ係数に応じた範囲で変化させながら設定し、
    　前記判定手段において前記所定レベル以上となる前記第ｍ相関の数が所定数より小さいと判定した場合には、前記第２サブバンド以降のすべての前記第ｍサブバンドそれぞれを推定するために前記フィルタリング手段に用いられる前記ピッチ係数を、前記所定の範囲で変化させながら設定する、
    　請求項２記載の符号化装置。
  11. 　前記判定手段は、
    　前記Ｎ個のサブバンドそれぞれのＳＦＭ（SpectralFlatness Measure）を算出し、前記第ｍサブバンドと前記第ｍ－１サブバンドとのＳＦＭの差または比の絶対値の逆数を前記第ｍ相関として算出する、
    　請求項９記載の符号化装置。
  12. 　前記判定手段は、
    　前記Ｎ個のサブバンドそれぞれのエネルギを算出し、前記第ｍサブバンドと前記第ｍ－１サブバンドとの前記エネルギの差または比の絶対値の逆数を前記第ｍ相関として算出する、
    　請求項９記載の符号化装置。
  13. 　前記設定手段は、
    　前記第ｍ－１最適ピッチ係数の値を予め設定した閾値と比較し、比較結果に応じて、前記第ｍサブバンドを推定するために前記フィルタリング手段に用いられるピッチ係数を探索する際のエントリ数を増加または減少させる、
    　請求項２記載の符号化装置。
  14. 　前記設定手段は、
    　前記第ｍ－１最適ピッチ係数の値を予め設定した閾値と比較し、比較結果に応じて、前記第ｍサブバンドを推定するために前記フィルタリング手段に用いられるピッチ係数の設定方法を切り替える、
    　請求項２記載の符号化装置。
  15. 　前記設定手段は、
    　前記所定の範囲で変化させながら設定する方法と、前記第ｍ－１最適ピッチ係数に応じた範囲で変化させながら設定する方法とを切り替える、
    　請求項１４記載の符号化装置。
  16. 　請求項１記載の符号化装置を具備する通信端末装置。
  17. 　請求項１記載の符号化装置を具備する基地局装置。
  18. 　符号化装置において生成された、入力信号の所定周波数以下の低域部分を符号化して得られる第１符号化情報と、前記入力信号の前記所定周波数より高い高域部分を複数のサブバンドに分割し、前記入力信号、または、前記第１符号化情報を復号して得られる第１復号信号から、前記複数のサブバンドのそれぞれを、隣接するサブバンドの推定結果を用いて推定して得られる第２符号化情報と、を受信する受信手段と、
    　前記第１符号化情報を復号して第２復号信号を生成する第１復号手段と、
    　前記第２符号化情報を用いて得られる、隣接するサブバンドの復号結果を用いて、前記第２復号信号から前記入力信号の高域部分を推定することにより第３復号信号を生成する第２復号手段と、
    　を具備する復号装置。
  19. 　請求項１８記載の復号装置を具備する通信端末装置。
  20. 　請求項１８記載の復号装置を具備する基地局装置。
  21. 　入力信号の所定周波数以下の低域部分を符号化して第１符号化情報を生成するステップと、
    　前記第１符号化情報を復号して復号信号を生成するステップと、
    　前記入力信号の前記所定周波数より高い高域部分を複数のサブバンドに分割し、前記入力信号または前記復号信号から、前記複数のサブバンドのそれぞれを、隣接するサブバンドの推定結果を用いて推定することにより第２符号化情報を生成するステップと、
    　を具備する符号化方法。
  22. 　符号化装置において生成された、入力信号の所定周波数以下の低域部分を符号化して得られる第１符号化情報と、前記入力信号の前記所定周波数より高い高域部分を複数のサブバンドに分割し、前記入力信号、または、前記第１符号化情報を復号して得られる第１復号信号から、前記複数のサブバンドのそれぞれを、隣接するサブバンドの推定結果を用いて推定して得られる第２符号化情報と、を受信するステップと、
    　前記第１符号化情報を復号して第２復号信号を生成するステップと、
    　前記第２符号化情報を用いて得られる、隣接するサブバンドの復号結果を用いて、前記第２復号信号から前記入力信号の高域部分を推定することにより第３復号信号を生成するステップと、
    　を具備する復号方法。
PCT/JP2009/001129 2008-03-14 2009-03-13 符号化装置、復号装置およびこれらの方法 WO2009113316A1 (ja)

Priority Applications (8)

Application Number Priority Date Filing Date Title
EP17195359.9A EP3288034B1 (en) 2008-03-14 2009-03-13 Decoding device, and method thereof
RU2010137838/08A RU2483367C2 (ru) 2008-03-14 2009-03-13 Устройство кодирования, устройство декодирования и способ для их работы
CN2009801084302A CN101971253B (zh) 2008-03-14 2009-03-13 编码装置、解码装置以及其方法
JP2010502731A JP5449133B2 (ja) 2008-03-14 2009-03-13 符号化装置、復号装置およびこれらの方法
EP09718708.2A EP2251861B1 (en) 2008-03-14 2009-03-13 Encoding device and method thereof
BRPI0908929A BRPI0908929A2 (pt) 2008-03-14 2009-03-13 dispositivo de codificação, dispositivo de decodificação, e método dos mesmos
US12/918,575 US8452588B2 (en) 2008-03-14 2009-03-13 Encoding device, decoding device, and method thereof
MX2010009307A MX2010009307A (es) 2008-03-14 2009-03-13 Dispositivo de codificacion, dispositivo de decodificacion y metodo de los mismos.

Applications Claiming Priority (6)

Application Number Priority Date Filing Date Title
JP2008-066202 2008-03-14
JP2008066202 2008-03-14
JP2008143963 2008-05-30
JP2008-143963 2008-05-30
JP2008-298091 2008-11-21
JP2008298091 2008-11-21

Publications (1)

Publication Number Publication Date
WO2009113316A1 true WO2009113316A1 (ja) 2009-09-17

Family

ID=41064989

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2009/001129 WO2009113316A1 (ja) 2008-03-14 2009-03-13 符号化装置、復号装置およびこれらの方法

Country Status (9)

Country Link
US (1) US8452588B2 (ja)
EP (2) EP2251861B1 (ja)
JP (1) JP5449133B2 (ja)
KR (1) KR101570550B1 (ja)
CN (1) CN101971253B (ja)
BR (1) BRPI0908929A2 (ja)
MX (1) MX2010009307A (ja)
RU (1) RU2483367C2 (ja)
WO (1) WO2009113316A1 (ja)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120089389A1 (en) * 2010-04-14 2012-04-12 Bruno Bessette Flexible and Scalable Combined Innovation Codebook for Use in CELP Coder and Decoder
WO2012052802A1 (en) * 2010-10-18 2012-04-26 Nokia Corporation An audio encoder/decoder apparatus
JP2012530946A (ja) * 2009-06-23 2012-12-06 ヴォイスエイジ・コーポレーション 重み付けされた信号領域またはオリジナルの信号領域で適用される順方向時間領域エイリアシング取り消し
US9093066B2 (en) 2010-01-13 2015-07-28 Voiceage Corporation Forward time-domain aliasing cancellation using linear-predictive filtering to cancel time reversed and zero input responses of adjacent frames

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8660851B2 (en) 2009-05-26 2014-02-25 Panasonic Corporation Stereo signal decoding device and stereo signal decoding method
MX2012004564A (es) 2009-10-20 2012-06-08 Fraunhofer Ges Forschung Codificador de audio, decodificador de audio, metodo para codificar informacion de audio y programa de computacion que utiliza una reduccion de tamaño de intervalo interactiva.
WO2011058752A1 (ja) 2009-11-12 2011-05-19 パナソニック株式会社 符号化装置、復号装置およびこれらの方法
JP5711733B2 (ja) * 2010-06-11 2015-05-07 パナソニック インテレクチュアル プロパティ コーポレーション オブアメリカＰａｎａｓｏｎｉｃ Ｉｎｔｅｌｌｅｃｔｕａｌ Ｐｒｏｐｅｒｔｙ Ｃｏｒｐｏｒａｔｉｏｎ ｏｆ Ａｍｅｒｉｃａ 復号装置、符号化装置及びこれらの方法
RU2012155222A (ru) * 2010-06-21 2014-07-27 Панасоник Корпорэйшн Устройство декодирования, устройство кодирования и соответствующие способы
EP3518234B1 (en) * 2010-11-22 2023-11-29 NTT DoCoMo, Inc. Audio encoding device and method
CN102610231B (zh) * 2011-01-24 2013-10-09 华为技术有限公司 一种带宽扩展方法及装置
US9418671B2 (en) * 2013-08-15 2016-08-16 Huawei Technologies Co., Ltd. Adaptive high-pass post-filter
US8879858B1 (en) * 2013-10-01 2014-11-04 Gopro, Inc. Multi-channel bit packing engine
US9786291B2 (en) * 2014-06-18 2017-10-10 Google Technology Holdings LLC Communicating information between devices using ultra high frequency audio
US10306632B2 (en) * 2014-09-30 2019-05-28 Qualcomm Incorporated Techniques for transmitting channel usage beacon signals over an unlicensed radio frequency spectrum band
EP3182411A1 (en) * 2015-12-14 2017-06-21 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Apparatus and method for processing an encoded audio signal
US10242696B2 (en) 2016-10-11 2019-03-26 Cirrus Logic, Inc. Detection of acoustic impulse events in voice applications
US10475471B2 (en) * 2016-10-11 2019-11-12 Cirrus Logic, Inc. Detection of acoustic impulse events in voice applications using a neural network
US20180336469A1 (en) * 2017-05-18 2018-11-22 Qualcomm Incorporated Sigma-delta position derivative networks

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003140692A (ja) 2001-11-02 2003-05-16 Matsushita Electric Ind Co Ltd 符号化装置及び復号化装置
JP2004004530A (ja) 2002-01-30 2004-01-08 Matsushita Electric Ind Co Ltd 符号化装置、復号化装置およびその方法
WO2005111568A1 (ja) * 2004-05-14 2005-11-24 Matsushita Electric Industrial Co., Ltd. 符号化装置、復号化装置、およびこれらの方法
WO2006049204A1 (ja) * 2004-11-05 2006-05-11 Matsushita Electric Industrial Co., Ltd. 符号化装置、復号化装置、符号化方法及び復号化方法
WO2008084688A1 (ja) * 2006-12-27 2008-07-17 Panasonic Corporation 符号化装置、復号装置及びこれらの方法

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2635914A1 (en) * 1991-06-11 1992-12-23 Qualcomm Incorporated Error masking in a variable rate vocoder
SE501340C2 (sv) * 1993-06-11 1995-01-23 Ericsson Telefon Ab L M Döljande av transmissionsfel i en talavkodare
JP3747492B2 (ja) * 1995-06-20 2006-02-22 ソニー株式会社 音声信号の再生方法及び再生装置
SE0001926D0 (sv) * 2000-05-23 2000-05-23 Lars Liljeryd Improved spectral translation/folding in the subband domain
EP1440433B1 (en) 2001-11-02 2005-05-04 Matsushita Electric Industrial Co., Ltd. Audio encoding and decoding device
DE60323331D1 (de) 2002-01-30 2008-10-16 Matsushita Electric Ind Co Ltd Verfahren und vorrichtung zur audio-kodierung und -dekodierung
US7844451B2 (en) * 2003-09-16 2010-11-30 Panasonic Corporation Spectrum coding/decoding apparatus and method for reducing distortion of two band spectrums
EP2221808B1 (en) 2003-10-23 2012-07-11 Panasonic Corporation Spectrum coding apparatus, spectrum decoding apparatus, acoustic signal transmission apparatus, acoustic signal reception apparatus and methods thereof
JPWO2006025313A1 (ja) 2004-08-31 2008-05-08 松下電器産業株式会社 音声符号化装置、音声復号化装置、通信装置及び音声符号化方法
CN101048649A (zh) * 2004-11-05 2007-10-03 松下电器产业株式会社 可扩展解码装置及可扩展编码装置
JP4899359B2 (ja) * 2005-07-11 2012-03-21 ソニー株式会社 信号符号化装置及び方法、信号復号装置及び方法、並びにプログラム及び記録媒体
DE602007013026D1 (de) * 2006-04-27 2011-04-21 Panasonic Corp Audiocodierungseinrichtung, audiodecodierungseinrichtung und verfahren dafür
KR101379263B1 (ko) * 2007-01-12 2014-03-28 삼성전자주식회사 대역폭 확장 복호화 방법 및 장치
BRPI0722269A2 (pt) * 2007-11-06 2014-04-22 Nokia Corp Encodificador para encodificar um sinal de áudio, método para encodificar um sinal de áudio; decodificador para decodificar um sinal de áudio; método para decodificar um sinal de áudio; aparelho; dispositivo eletrônico; produto de programa de comoputador configurado para realizar um método para encodificar e para decodificar um sinal de áudio

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003140692A (ja) 2001-11-02 2003-05-16 Matsushita Electric Ind Co Ltd 符号化装置及び復号化装置
JP2004004530A (ja) 2002-01-30 2004-01-08 Matsushita Electric Ind Co Ltd 符号化装置、復号化装置およびその方法
WO2005111568A1 (ja) * 2004-05-14 2005-11-24 Matsushita Electric Industrial Co., Ltd. 符号化装置、復号化装置、およびこれらの方法
WO2006049204A1 (ja) * 2004-11-05 2006-05-11 Matsushita Electric Industrial Co., Ltd. 符号化装置、復号化装置、符号化方法及び復号化方法
WO2008084688A1 (ja) * 2006-12-27 2008-07-17 Panasonic Corporation 符号化装置、復号装置及びこれらの方法

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012530946A (ja) * 2009-06-23 2012-12-06 ヴォイスエイジ・コーポレーション 重み付けされた信号領域またはオリジナルの信号領域で適用される順方向時間領域エイリアシング取り消し
US9093066B2 (en) 2010-01-13 2015-07-28 Voiceage Corporation Forward time-domain aliasing cancellation using linear-predictive filtering to cancel time reversed and zero input responses of adjacent frames
US20120089389A1 (en) * 2010-04-14 2012-04-12 Bruno Bessette Flexible and Scalable Combined Innovation Codebook for Use in CELP Coder and Decoder
CN102844810A (zh) * 2010-04-14 2012-12-26 沃伊斯亚吉公司 用于在码激励线性预测编码器和解码器中使用的灵活和可缩放的组合式创新代码本
US9053705B2 (en) * 2010-04-14 2015-06-09 Voiceage Corporation Flexible and scalable combined innovation codebook for use in CELP coder and decoder
AU2011241424B2 (en) * 2010-04-14 2016-05-05 Voiceage Evs Llc Flexible and scalable combined innovation codebook for use in CELP coder and decoder
WO2012052802A1 (en) * 2010-10-18 2012-04-26 Nokia Corporation An audio encoder/decoder apparatus
US9230551B2 (en) 2010-10-18 2016-01-05 Nokia Technologies Oy Audio encoder or decoder apparatus

Also Published As

Publication number Publication date
CN101971253A (zh) 2011-02-09
MX2010009307A (es) 2010-09-24
EP2251861A4 (en) 2014-01-15
KR20100134580A (ko) 2010-12-23
KR101570550B1 (ko) 2015-11-19
JP5449133B2 (ja) 2014-03-19
CN101971253B (zh) 2012-07-18
RU2010137838A (ru) 2012-03-20
EP3288034B1 (en) 2019-02-20
JPWO2009113316A1 (ja) 2011-07-21
EP2251861B1 (en) 2017-11-22
EP2251861A1 (en) 2010-11-17
US20100332221A1 (en) 2010-12-30
EP3288034A1 (en) 2018-02-28
RU2483367C2 (ru) 2013-05-27
BRPI0908929A2 (pt) 2016-09-13
US8452588B2 (en) 2013-05-28

Similar Documents

Publication Publication Date Title
JP5449133B2 (ja) 符号化装置、復号装置およびこれらの方法
JP5448850B2 (ja) 符号化装置、復号装置およびこれらの方法
JP5404418B2 (ja) 符号化装置、復号装置および符号化方法
JP5511785B2 (ja) 符号化装置、復号装置およびこれらの方法
JP5339919B2 (ja) 符号化装置、復号装置およびこれらの方法
WO2009084221A1 (ja) 符号化装置、復号装置およびこれらの方法
JP5730303B2 (ja) 復号装置、符号化装置およびこれらの方法
JP5419876B2 (ja) スペクトル平滑化装置、符号化装置、復号装置、通信端末装置、基地局装置及びスペクトル平滑化方法
JP5565914B2 (ja) 符号化装置、復号装置およびこれらの方法
WO2013057895A1 (ja) 符号化装置及び符号化方法
JP5774490B2 (ja) 符号化装置、復号装置およびこれらの方法

Legal Events

Date Code Title Description
WWE Wipo information: entry into national phase

Ref document number: 200980108430.2

Country of ref document: CN

121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 09718708

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 2010502731

Country of ref document: JP

WWE Wipo information: entry into national phase

Ref document number: 12918575

Country of ref document: US

WWE Wipo information: entry into national phase

Ref document number: MX/A/2010/009307

Country of ref document: MX

WWE Wipo information: entry into national phase

Ref document number: 1794/MUMNP/2010

Country of ref document: IN

ENP Entry into the national phase

Ref document number: 20107019870

Country of ref document: KR

Kind code of ref document: A

REEP Request for entry into the european phase

Ref document number: 2009718708

Country of ref document: EP

WWE Wipo information: entry into national phase

Ref document number: 2009718708

Country of ref document: EP

WWE Wipo information: entry into national phase

Ref document number: 2010137838

Country of ref document: RU

NENP Non-entry into the national phase

Ref country code: DE

REG Reference to national code

Ref country code: BR

Ref legal event code: B01E

Ref document number: PI0908929

Country of ref document: BR

Free format text: APRESENTAR, EM ATE 60 (SESSENTA) DIAS, PROCURACAO REGULAR, UMA VEZ QUE A PROCURACAO APRESENTADA NA PETICAO NO 020100085367 DE 13/09/2010 NAO POSSUI DATA DE ASSINATURA DA MESMA.

ENP Entry into the national phase

Ref document number: PI0908929

Country of ref document: BR

Kind code of ref document: A2

Effective date: 20100913