WO2013118476A1 - 音響／音声符号化装置、音響／音声復号装置、音響／音声符号化方法および音響／音声復号方法 - Google Patents

音響／音声符号化装置、音響／音声復号装置、音響／音声符号化方法および音響／音声復号方法 Download PDF

Info

Publication number
WO2013118476A1
WO2013118476A1 PCT/JP2013/000550 JP2013000550W WO2013118476A1 WO 2013118476 A1 WO2013118476 A1 WO 2013118476A1 JP 2013000550 W JP2013000550 W JP 2013000550W WO 2013118476 A1 WO2013118476 A1 WO 2013118476A1
Authority
WO
WIPO (PCT)
Prior art keywords
codebook
bits
instruction
subvector
consumes
Prior art date
Application number
PCT/JP2013/000550
Other languages
English (en)
French (fr)
Inventor
ゾンシアン リウ
スリカンス ナジスティ
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 US14/376,501 priority Critical patent/US9454972B2/en
Priority to EP13747107.4A priority patent/EP2814028B1/en
Publication of WO2013118476A1 publication Critical patent/WO2013118476A1/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
    • 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
    • G10L19/032—Quantisation or dequantisation of spectral components
    • G10L19/038—Vector quantisation, e.g. TwinVQ audio
    • 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
    • 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
    • G10L19/08—Determination or coding of the excitation function; Determination or coding of the long-term prediction parameters
    • G10L19/12—Determination or coding of the excitation function; Determination or coding of the long-term prediction parameters the excitation function being a code excitation, e.g. in code excited linear prediction [CELP] vocoders

Definitions

  • the present invention relates to an acoustic / speech encoding device, an acoustic / speech decoding device, an acoustic / speech encoding method, and an acoustic / speech decoding method using vector quantization.
  • Transform coding is to transform a signal from the time domain to the spectral domain by using discrete Fourier transform (DFT: “Discrete” Fourier Transform) or modified discrete cosine transform (MDCT: “Modified Discrete” Cosine Transform).
  • DFT discrete Fourier transform
  • MDCT modified discrete cosine transform
  • the spectral coefficient is quantized and encoded.
  • a psychoacoustic model is applied to determine the perceptual importance of the spectral coefficient, and then the spectral coefficient is quantized or encoded according to the perceptual importance.
  • Widely used conversion codecs include MPEG MP3, MPEG AAC (see Non-Patent Document 1), and Dolby AC3. Transform coding is useful for music or general acoustic signals. A simple configuration of the conversion codec is shown in FIG.
  • the encoder shown in FIG. 1 uses a time-to-frequency domain transform method such as discrete Fourier transform (DFT) or modified discrete cosine transform (MDCT) to convert the time domain signal S (n) to the frequency domain signal S (f (101).
  • DFT discrete Fourier transform
  • MDCT modified discrete cosine transform
  • the psychoacoustic model analysis is performed on the frequency domain signal S (f) to derive a masking curve (103).
  • the frequency domain signal S (f) is quantized according to the masking curve derived by the psychoacoustic model analysis so that the quantization noise becomes inaudible (102).
  • Quantization parameters are multiplexed (104) and transmitted to the decoder side.
  • all bit stream information is demultiplexed (105).
  • the quantized parameter is inversely quantized to restore the decoded frequency domain signal S ⁇ (f) (106).
  • a frequency-to-time domain transformation method such as inverse discrete Fourier transform (IDFT: Inverse Discrete Fourier Transform) or inverse modified discrete cosine transform (IMDCT: Inverse Modified Discrete Cosine Transform
  • IDFT Inverse Discrete Fourier Transform
  • IMDCT Inverse Modified Discrete Cosine Transform
  • linear predictive coding uses the property that a speech signal can be predicted in the time domain, and obtains a residual excitation signal by applying linear prediction to the input speech signal.
  • this modeling produces a very efficient speech representation.
  • the residual excitation signal is mainly encoded with two different methods, TCX and CELP.
  • TCX In TCX (see Non-Patent Document 2), the residual excitation signal is efficiently converted and encoded in the frequency domain.
  • Widely used TCX codecs include 3GPP AMR-WB + and MPEG USAC. A simple configuration of the TCX codec is shown in FIG.
  • the encoder shown in FIG. 2 performs LPC analysis on the input signal and uses the predictability of the signal in the time domain (201).
  • the LPC parameter obtained by the LPC analysis is quantized (202), the quantization index is multiplexed (207), and transmitted to the decoder side.
  • a residual (excitation) signal S r (n) is obtained by applying LPC inverse filtering to the input signal S (n) using the LPC parameters inversely quantized by the inverse quantization unit (203) ( 204).
  • DFT discrete Fourier transform
  • MDCT modified discrete cosine transform
  • S r (f) is quantized (206), the quantization parameter is multiplexed (207), and transmitted to the decoder side.
  • the decoder shown in FIG. 2 first demultiplexes all bitstream information (208).
  • the quantization parameter is inversely quantized to restore the decoded frequency domain residual signal S r ⁇ (f) (210).
  • a frequency to time domain transformation method such as inverse discrete Fourier transform (IDFT) or inverse modified discrete cosine transform (IMDCT)
  • IDDCT inverse modified discrete cosine transform
  • the decoded time domain residual signal S r ⁇ (n) is processed by the LPC synthesis filter (212) to obtain the decoded time domain signal S ⁇ ( n).
  • CELP encoding the residual excitation signal is quantized using some predetermined codebook. In order to further improve the sound quality, it is common to convert the difference signal between the original signal and the LPC synthesized signal into a frequency domain and further encode it.
  • a widely used CELP codec includes ITU-T G. 729.1 (see Non-Patent Document 3), ITU-T G. 718 (see Non-Patent Document 4).
  • a simple configuration of hierarchical coding (layered coding and embedded coding) of CELP coding and transform coding is shown in FIG.
  • the encoder shown in FIG. 3 performs CELP coding on the input signal to use the signal predictability in the time domain (301).
  • the CELP parameter is used to restore the composite signal in the CELP local decoder (302).
  • a prediction error signal S e (n) (a difference signal between the input signal and the combined signal) is obtained by subtracting the combined signal from the input signal.
  • the prediction error signal S e (n) is converted to the frequency domain signal S e (f) using a time-to-frequency domain conversion method such as discrete Fourier transform (DFT) or modified discrete cosine transform (MDCT) ( 303).
  • DFT discrete Fourier transform
  • MDCT modified discrete cosine transform
  • S e (f) is quantized (304), the quantization parameter is multiplexed (305), and transmitted to the decoder side.
  • the decoder shown in FIG. 3 first demultiplexes all bitstream information (306).
  • the quantization parameter is inversely quantized to restore the decoded frequency domain residual signal S e ⁇ (f) (308).
  • the decoded frequency domain residual signal S e ⁇ (f) is transformed into time.
  • the decoding time domain residual signal S e ⁇ (n) is restored (309).
  • CELP decoder restores the combined signal S syn (n) in CELP decoder (307) by adding the decoded prediction error signal S e ⁇ a CELP synthesis signal S syn (n) (n), Decode time domain signal S ⁇ (n) is restored.
  • the transform coding part of transform coding and linear predictive coding is usually performed using some quantization method.
  • One of the vector quantization methods is called divided multirate lattice VQ or algebra VQ (AVQ) (see Non-Patent Document 5).
  • AMR-WB + see Non-Patent Document 6
  • an LPC residual is quantized in the TCX domain using a divided multirate lattice VQ (shown in FIG. 4).
  • a newly standardized audio codec ITU-T G Also at 718, the LPC residual is quantized as a residual coding layer 3 in the MDCT domain using the split multirate lattice VQ.
  • the divided multi-rate lattice VQ is a vector quantization method based on a lattice quantizer. Specifically, in the case of the divided multi-rate lattice VQ used in AMR-WB + (see Non-Patent Document 6), a vector codebook consisting of a subset of Gosset lattice called RE8 lattice is used, and eight spectra are used. The spectrum is quantized into blocks consisting of coefficients (see Non-Patent Document 5).
  • c s ⁇ G.
  • s is a row vector of integer values
  • c is a generated grid point.
  • a multi-rate codebook can be formed by obtaining a subset of grid points that are inside spheres of different radii.
  • FIG. 4 shows a simple configuration using division multi-rate vector quantization in the TCX codec.
  • LPC analysis is performed on the input signal to use the predictability of the signal in the time domain (401).
  • the LPC parameter obtained by the LPC analysis is quantized (402), the quantization index is multiplexed (407), and transmitted to the decoder side.
  • a residual (excitation) signal S r (n) is obtained by applying LPC inverse filtering to the input signal S (n) using the LPC parameters inversely quantized by the inverse quantization unit (403) (404). ).
  • DFT discrete Fourier transform
  • MDCT modified discrete cosine transform
  • the divided multi-rate lattice vector quantization method is applied to S r (f) (406), the quantization parameters are multiplexed (407), and transmitted to the decoder side.
  • the quantization parameter is inversely quantized by the division multirate lattice vector inverse quantization method to obtain a decoded frequency domain residual signal S r ⁇ (f) (410).
  • a frequency to time domain transformation method such as inverse discrete Fourier transform (IDFT) or inverse modified discrete cosine transform (IMDCT)
  • IDDCT inverse modified discrete cosine transform
  • the decoding time domain residual signal S r ⁇ (n) is processed by the LPC synthesis filter (412), and the decoding time domain signal S ⁇ (N) is obtained.
  • FIG. 5 shows a process of the divided multi-rate lattice VQ.
  • the input spectrum S (f) is divided into several 8-dimensional blocks (or vectors) (501), and each block (or vector) is quantized by a multi-rate lattice vector quantization method (502).
  • the total gain is calculated according to the number of available bits and the energy level of the entire spectrum.
  • the ratio of the original spectrum to the total gain is quantized with several different codebooks.
  • the quantization parameters of the divided multi-rate lattice VQ are the total gain quantization index, the codebook indication of each block (or vector), and the code vector index of each block (or vector).
  • FIG. 6 summarizes the codebook list of the divided multi-rate lattice VQ employed in AMR-WB + (see Non-Patent Document 6).
  • codebooks Q0, Q2, Q3, and Q4 are base codebooks. If a given grid point is not included in those base codebooks, Voronoi extension (see Non-Patent Document 7) is applied using only the Q3 or Q4 portion of the base codebook.
  • Q5 is the Voronoi extension of Q3
  • Q6 is the Voronoi extension of Q4.
  • Each code book is composed of several code vectors.
  • the code vector index of the code book is represented by several bits.
  • the number of bits is derived by the following equation (1).
  • N bits is the number of bits consumed in the code vector index
  • N cv is the number of code vectors in the code book.
  • the code book Q0 has a zero vector, which is only one vector, which means that the quantized value of the vector is zero. Therefore, no bits are required for this code vector index.
  • a bitstream is usually formed in two ways. The first method is shown in FIG. 7, and the second method is shown in FIG.
  • the input signal S (f) is first divided into several vectors.
  • the total gain is then derived according to the number of available bits and the energy level of the spectrum.
  • the total gain is quantized with a scalar quantizer, and S (f) / G is quantized with a multirate lattice vector quantizer.
  • the total gain index forms the first part, all codebook instructions are grouped together to form the second part, and all the indices in the code vector are grouped together To form the last part.
  • the input signal S (f) is first divided into several vectors.
  • the total gain is then derived according to the number of available bits and the energy level of the spectrum.
  • the total gain is quantized with a scalar quantizer, and S (f) / G is quantized with a multirate lattice vector quantizer.
  • the total gain index forms the first part
  • the codebook indication followed by the code vector index of each vector forms the second part.
  • the energy of the subvector v3 is the largest among the eight subvectors, and according to the division multirate lattice vector quantization process, the codebook of v3 (The integer n of Qn is referred to as a codebook number here).
  • subvector v3 consumes the most bits for codebook indication.
  • a codebook with a large codebook number may consume too many bits (for example, several times the codebook instructions for a codebook with a small codebook number), so a codebook instruction for a codebook with a large codebook number It is desirable to reduce the number of bits consumed.
  • the codebook instruction of v3 consumes 11 bits
  • the codebook instruction of v4 consumes 3 bits
  • the codebook instruction of other vectors consumes 2 bits.
  • a v3 codebook instruction consumes more than five times as many bits as a v1 (v2, v5, v6, v7, or v8) codebook instruction.
  • the codebook indication and the code vector index are directly converted to binary numbers to form a bitstream. Therefore, the total number of bits consumed for all vectors can be calculated as follows.
  • Bits total is the total number of bits consumed
  • Bits gain_q is the number of bits consumed to quantize the total gain
  • Bits cb_indication is the number of bits consumed in the codebook instruction of each vector.
  • Bits cv_index is the number of bits consumed for the code vector index of each vector
  • N is the total number of vectors in the entire spectrum.
  • an idea for efficiently coding the quantization parameter of the divided multi-rate lattice vector quantization is introduced.
  • the difference value between the actual value and the estimated value is calculated.
  • the position of the subvector that uses the codebook and the difference value between the actual value and the estimated value are transmitted.
  • Detailed steps in the encoder are as follows. 1) Calculate codebook instructions for all subvectors. 2) Identify the position of the subvector where the codebook indication consumes the most bits and encode the position. Then, the codebook indications of all subvectors other than the subvector consuming the most bits are encoded. 3) Estimate the codebook whose instructions consume the most bits. 4) Encode the difference between the actual value and the estimated value.
  • Detailed steps in the decoder are as follows. 1) Decode the position of the subvector where the codebook indication consumes the most bits. 2) Decode the codebook instructions for all other subvectors. 3) Estimate the codebook whose instructions consume the most bits. 4) Decode the difference between the actual value and the estimated value. 5) The decoded value is calculated by adding the estimated value and the difference.
  • FIG. 9 The spectrum of FIG. 9 is used as an example for detailed description.
  • 1) Referring to the codebook instruction table of FIG. 6, calculate codebook instructions for all subvectors. The detailed results are shown in FIG. 2) Identify the position of the subvector where the codebook indication consumes the most bits and encode the position. Then, the codebook indications of all subvectors other than the subvector consuming the most bits are encoded. As shown in FIG. 11, the codebook indication of subvector v3 consumes the most bits. As an example, the position is encoded using the code book shown in FIG. Referring to FIG. 12, the position of v3 is encoded as “010”. 3) Estimate the codebook whose instructions consume the most bits according to the following equation:
  • cb ′ max is an estimated value of the code book that consumes the most bits
  • Bits available is the total number of available bits
  • Bits cbvi is the bit consumption of the codebook instruction vi. 4)
  • the difference value is calculated according to the following equation (4), and is encoded with reference to the table of FIG. As shown in FIG. 13, the value that the difference can take is negative. The reason is that the estimate is calculated assuming that all available bits are used in quantization. Bits exceeding the number of available bits cannot be consumed by quantization. The estimate is the maximum possible value. Therefore, the actual value will never be greater than the estimated value.
  • cb ′ max is the estimated value of the codebook consuming the most bits
  • cb max is the actual value of the codebook consuming the most bits
  • cb diff is the actual value And the estimated value.
  • cb ′ max is the estimated value of the codebook consuming the most bits
  • cb max is the actual value of the codebook consuming the most bits
  • cb diff is the actual value And the estimated value.
  • the number of bits saved by the method proposed in the present invention is calculated as the following equation (6).
  • Bits save is the number of bits saved by the method proposed in the present invention
  • Bits cbmax is the bit consumption of the codebook that consumes the most bits
  • Bits position_cbmax consumes the most bits. It is the number of bits consumed at the codebook position
  • Bits cbdiff is the number of bits consumed to encode the difference value.
  • the bit consumption of the code book that consumes the most bits is proportional to the code book number.
  • the maximum codebook number is 11, and the number of bits consumed for the codebook instruction is 11 bits.
  • the number of bits consumed for the difference value is less than the number of bits consumed by the codebook that consumes the most bits. This is because the difference value is smaller than the code book instruction. As shown in the above example, the number of bits consumed for encoding the difference value is 1 bit.
  • the number of saving bits in this example is calculated as in the following equation (7).
  • Diagram showing simple configuration of conversion codec A diagram showing a simple configuration of a TCX codec
  • segmentation multirate lattice vector quantization The figure which shows the table
  • Diagram showing codebook instructions for all subvectors Diagram showing the code table for the location of the subvector where the codebook directive consumes the most bits
  • Diagram showing the code table of difference values The figure explaining the structure of the codec which concerns on Embodiment 1 of this invention.
  • the figure which shows an example which encodes only a part of spectrum The figure which shows encoding parameters other than v2 in the case of the example of FIG.
  • Flowchart of encoding process proposed in Embodiment 7 Flowchart of decoding process proposed in Embodiment 7 Flowchart of conventional split multirate lattice VQ Flowchart of divided multirate VQ proposed in the eighth embodiment
  • FIG. 14 shows the codec of the present invention.
  • the codec comprises an encoder and a decoder that apply split multirate lattice vector quantization.
  • a time domain signal S (n) is converted to a frequency domain signal S (f) using a time to frequency domain conversion method such as discrete Fourier transform (DFT) or modified discrete cosine transform (MDCT). (1401).
  • DFT discrete Fourier transform
  • MDCT modified discrete cosine transform
  • a psychoacoustic model analysis is performed on the frequency domain signal S (f) to obtain a masking curve (1402).
  • the divided multi-rate lattice vector quantization is applied to the frequency domain signal S (f) so that the quantization noise becomes inaudible (1403).
  • three quantization parameter sets including a total gain quantization index, a codebook instruction, and a code vector index are generated.
  • the code book instruction is converted in the following manner (1404). 1) Calculate codebook indications for all subvectors. 2) Identify the position of the subvector where the codebook indication consumes the most bits and encode the position. Then, the codebook indications of all subvectors other than the subvector consuming the most bits are encoded. 3) Estimate the codebook whose instructions consume the most bits. 4) Encode the difference between the actual value and the estimated value.
  • the total gain index, the code vector index, the position of the maximum code book, the difference value between the actual value and the estimated value, and the code book instructions of other subvectors are multiplexed (1405) and transmitted to the decoder side.
  • all bit stream information is demultiplexed by the demultiplexer (1406).
  • the position of the maximum codebook and the difference value between the actual value and the estimated value are converted into the maximum codebook instruction by the codebook instruction conversion unit (1407).
  • Detailed steps in the codebook instruction conversion unit (1407) are as follows. 1) Decode the position of the subvector where the codebook indication consumes the most bits. 2) Decode the codebook instructions for all other subvectors. 3) Estimate the codebook whose instructions consume the most bits. 4) Decode the difference between the actual value and the estimated value. 5) Calculate the decoded value by adding the estimated value and the difference.
  • the total gain index, the code vector index, and the original codebook instruction are inversely quantized by the divided multirate lattice vector inverse quantization method to restore the decoded frequency domain signal S ⁇ (f) (1408).
  • the decoded frequency domain signal S ⁇ (f) By transforming the decoded frequency domain signal S ⁇ (f) back into the time domain using a frequency to time domain transformation method such as inverse discrete Fourier transform (IDFT) or inverse modified discrete cosine transform (IMDCT). Then, the decoding time domain signal S ⁇ (n) is restored (1409).
  • a frequency to time domain transformation method such as inverse discrete Fourier transform (IDFT) or inverse modified discrete cosine transform (IMDCT).
  • the encoder shown in FIG. 15 performs LPC analysis on the input signal and uses the predictability of the signal in the time domain (1501).
  • the LPC parameter obtained by the LPC analysis is quantized (1502), the quantization index is multiplexed (1508), and transmitted to the decoder side.
  • a residual (excitation) signal S r (n) is obtained by applying LPC inverse filtering to the input signal S (n) using the LPC parameters quantized by the inverse quantization unit (1503) (1504). ).
  • DFT discrete Fourier transform
  • MDCT modified discrete cosine transform
  • a total gain quantization index In the divided multi-rate lattice vector quantization, three sets of quantization parameters are generated: a total gain quantization index, a codebook instruction, and a code vector index.
  • the code book instruction is converted in the following manner (1507). 1) Calculate codebook instructions for all subvectors. 2) Identify the position of the subvector where the codebook indication consumes the most bits and encode the position. Then, the codebook indications of all subvectors other than the subvector consuming the most bits are encoded. 3) Estimate the codebook whose instructions consume the most bits. 4) Encode the difference between the actual value and the estimated value.
  • the total gain index, the code vector index, the position of the maximum code book, the difference value between the actual value and the estimated value, and the code book instructions of other subvectors are multiplexed (1508) and transmitted to the decoder side.
  • the position of the maximum codebook and the difference value between the actual value and the estimated value are converted into the maximum codebook instruction by the codebook instruction conversion unit (1510).
  • Detailed steps in the codebook instruction conversion unit are as follows. 1) Decode the position of the subvector where the codebook indication consumes the most bits. 2) Decode the codebook instructions for all other subvectors. 3) Estimate the codebook whose instructions consume the most bits. 4) Decode the difference between the actual value and the estimated value. 5) Calculate the decoded value by adding the estimated value and the difference.
  • the total gain index, the code vector index, and the original codebook instruction are inversely quantized by the divided multirate lattice vector inverse quantization method to restore the decoded frequency domain signal S r ⁇ (f) (1511).
  • the decoded frequency domain residual signal S r ⁇ (f) is transformed into the time domain.
  • the decoding time domain residual signal S r ⁇ (n) is restored by returning to (1512).
  • the decoded time domain residual signal S r ⁇ (n) is processed by the LPC synthesis filter (1514) to obtain the decoded time domain signal S ⁇ ( n).
  • a feature of this embodiment is that the spectrum cluster analysis method is applied in hierarchical coding (layered coding, embedded coding) of CELP coding and transform coding.
  • the encoder shown in FIG. 16 performs CELP coding on the input signal and uses the predictability of the signal in the time domain (1601). Using the CELP parameter, the composite signal is restored by the CELP decoder (1602), the CELP parameter is multiplexed (1606), and transmitted to the decoder side. By subtracting the combined signal from the input signal, a prediction error signal S e (n) (a difference signal between the input signal and the combined signal) is obtained.
  • the prediction error signal S e (n) is converted to the frequency domain signal S e (f) using a time-to-frequency domain conversion method such as discrete Fourier transform (DFT) or modified discrete cosine transform (MDCT) ( 1603).
  • DFT discrete Fourier transform
  • MDCT modified discrete cosine transform
  • a divided multi-rate lattice vector quantization is applied to the frequency domain signal S e (f) (1604).
  • three quantization parameter sets including a total gain quantization index, a codebook instruction, and a code vector index are generated.
  • the code book instruction is converted in the following manner (1605). 1) Calculate codebook instructions for all subvectors. 2) Identify the position of the subvector where the codebook indication consumes the most bits and encode the position. Then, the codebook indications of all subvectors other than the subvector consuming the most bits are encoded. 3) Estimate the codebook whose instructions consume the most bits. 4) Encode the difference between the actual value and the estimated value.
  • the total gain index, the code vector index, the position of the maximum code book, the difference value between the actual value and the specified value, and the code book instructions of other subvectors are multiplexed (1606) and transmitted to the decoder side.
  • the position of the maximum codebook and the difference value between the actual value and the estimated value are converted into the maximum codebook instruction by the codebook instruction conversion unit (1608).
  • Detailed steps in the codebook instruction conversion unit (1608) are as follows. 1) Decode the position of the subvector where the codebook indication consumes the most bits. 2) Decode the codebook instructions for all other subvectors. 3) Estimate the codebook whose instructions consume the most bits. 4) Decode the difference between the actual value and the estimated value. 5) Calculate the decoded value by adding the estimated value and the difference.
  • the total gain index, the code vector index, and the original codebook instruction are inversely quantized by the divided multirate lattice vector inverse quantization method to restore the decoded frequency domain signal S e ⁇ (f) (1609).
  • the CELP decoder restores the synthesized signal S syn (n) (1611), and adds the CELP synthesized signal S syn (n) and the decoded prediction error signal S e ⁇ (n), Decode time domain signal S ⁇ (n) is restored.
  • the bit consumption of the novel method of the present invention is higher than that of the conventional method. May also increase.
  • Equation (6) when Bits cbmax ⁇ Bits position_cbmax + Bits cbdiff , the bit consumption of the new method of the present invention is larger than that of the conventional method. In order to prevent this problem, this embodiment proposes one idea.
  • This idea is to reduce the number of bits consumed to indicate the position of the codebook that consumes the most bits.
  • a fixed subvector codebook eg, the last subvector codebook
  • the difference value between the actual code book instruction and the estimated value is encoded and transmitted to the decoder side.
  • the estimated codebook indication calculated with the assumption that most of the allocated bits are used for sub-vector coding and all bits are used by the calculation of the total gain becomes the actual value.
  • the absolute value of the difference becomes smaller than the actual codebook instruction, and the number of bits consumed for encoding the difference value is guaranteed to be smaller than the actual value.
  • the detailed encoding process is as follows. 1) Calculate codebook instructions for all subvectors. 2) Identify the location of the subvector where the codebook indication consumes the most bits. 3) Compare the codebook indication with a predetermined threshold (the threshold is a predetermined value calculated based on a large database to ensure that the bit consumption of the method of the invention is less than that of the conventional method) .
  • codebook instruction is less than or equal to the threshold, the following is performed. a) Estimate the codebook indication of the last subvector. b) Encode the difference between the actual value and the estimated value and encode the codebook indication for all subvectors other than the last subvector.
  • the detailed encoding process is as follows. 1) Decode codebook instructions for all other subvectors. 2) Estimate the codebook indication of the subvector into which the codebook indication has been converted. 3) Decode the difference between the actual value and the estimated value. 4) Calculate the decoded value by adding the estimated value and the difference. 5) Compare the decoded value with a predetermined threshold.
  • the number of consumed bits realized by the method of the present invention is greater than the original divided multi-rate VQ by comparing the codebook indication that consumes the maximum number of bits with some predetermined threshold. To avoid the situation. This ensures that bit savings are always achieved.
  • the fixed subvector is not limited to the last subvector, and may be determined according to the characteristics of the input spectrum. As an example, if the codebook of the first subvector is statistically larger than the other subvectors, the first subvector can be selected.
  • the last code vector is encoded as the maximum codebook and its position is fixed. Bit consumption for notification is avoided. Then, it can be assured that the number of bits saved by the method of the present invention is a positive value.
  • Non-Patent Document 7 The indication of Q0 has the least number of bits consumed (1 bit), but the probability is very low, only 3%.
  • the use probability of Q2 is the highest (29%), but the number of bits consumed is not the minimum.
  • the codebook instruction is designed using the Huffman table design method and the codebook instruction
  • the basic policy is to allocate fewer bits to a codebook with a high probability and allocate more bits to a codebook with a low probability.
  • the method of the present invention is applied not to the codebook instruction having the largest codebook number but to the codebook instruction that consumes the most bits.
  • Detailed steps in the encoder are as follows. 1) Encode the codebook indication for all subvectors. 2) Locate and encode the position of the subvector where the codebook indication consumes the most bits. 3) Estimate the codebook whose instructions consume the most bits. 4) Encode the difference between the actual value and the estimated value.
  • Detailed steps in the decoder are as follows. 1) Decode the position of the subvector where the codebook indication consumes the most bits. 2) Decode the codebook instructions for all other subvectors. 3) Estimate the codebook whose instructions consume the most bits. 4) Decode the difference between the actual value and the estimated value. 5) The decoded value is calculated by adding the estimated value and the difference.
  • the bit saved by the codebook instruction conversion method is used to divide the spectrum into small bands and assign a “gain correction factor” to each band, thereby giving finer resolution to the total gain.
  • the gain correction factor By transmitting the gain correction factor using the saved bits, the quantization performance can be improved and the sound quality can be improved.
  • the codebook instruction conversion method of the present invention can be applied to encoding of stereo signals or multichannel signals.
  • the method of the present invention is applied to side signal encoding, and the saved bits are used for main signal encoding. Since the main signal is perceptually more important than the side signal, this provides a subjective improvement in sound quality.
  • the codebook instruction conversion method of the present invention can be applied to a codec that encodes spectral coefficients in units of a plurality of frames (or units of a plurality of subframes).
  • the bits saved by the codebook directed conversion method can be stored and used to encode spectral coefficients or some other parameter in the next encoding stage.
  • the sound quality can be maintained in a situation where there is a frame loss.
  • the configurations proposed in the first embodiment, the second embodiment, and the third embodiment are based on the premise that all subvectors are quantized by AVQ. If all subvectors are quantized with AVQ, all possible values of cb diff are negative. The reason is that the estimated codebook indication is calculated assuming that all available bits are used in quantization. Bits exceeding the number of available bits cannot be consumed by quantization. The estimated codebook indication is the maximum possible value. Therefore, the actual codebook instruction will never be larger than the estimated codebook instruction.
  • cb diff may be positive.
  • the energy is concentrated in the low frequency part of the spectrum, all the bits are distributed in the low frequency subvector, and no bits are allocated to the high frequency subvector.
  • the total number of bits allocated to quantize 8 subvector spectra is 72 bits, and the codebook instructions for all subvectors are shown in FIG. It can be seen that the last two subvectors leave no bits to encode their codebook indications. In this case, in order to apply the method of the present invention, it is necessary to transmit the codebook instructions of the last two subvectors, and 2 bits are used for those instructions.
  • the bit consumption of all subvectors other than v2, which is the subvector consuming the most bits, is shown in FIG.
  • the codebook of v2 is estimated by the following formula (8).
  • a simple method is to include a positive value for cb diff in the codebook. However, this method increases the bit consumption for encoding cb diff .
  • Another idea is to invalidate the idea proposed by the present invention when not all of the subvectors are quantized by AVQ.
  • the problem is that a flag is required to indicate whether the proposed idea is valid.
  • this information can be extracted from the available information.
  • This idea is to determine whether or not to enable the method proposed by the present invention by encoding AVQ parameters on the encoder side and using bit usage information on the decoder side as is conventionally done.
  • step (hereinafter abbreviated as “ST”) 1701 the total number of consumed bits N ′ bits of all subvectors is calculated.
  • Step1702 it is checked whether or not the number of available bits N bits is sufficient to encode the AVQ parameters of all subvectors (N bits ⁇ N ′ bits ). If the number of available bits is sufficient to encode the AVQ parameters of all subvectors, the process proceeds to ST1703, and if not enough, the process proceeds to ST1713.
  • the codebook instruction specifies the position of the subvector that consumes the most bits.
  • the codebook instruction is compared with a predetermined threshold, and if the codebook instruction is larger than the threshold, the process proceeds to ST1705, and if the codebook instruction is less than the threshold, the process proceeds to ST1709.
  • codebook instructions of all subvectors other than the subvector consuming the most bits are encoded.
  • the codebook instruction is estimated as the codebook instruction of the subvector consuming the most bits.
  • codebook instructions of a predetermined subvector for example, all subvectors other than the last subvector are encoded.
  • a codebook instruction cb last of a predetermined subvector for example, the last subvector is estimated.
  • the codebook instruction of the subvector into which the codebook instruction is converted is estimated. That is, the estimated codebook instruction cb ′ max is calculated.
  • the decoded codebook instruction is calculated by adding the estimated codebook instruction and the difference.
  • the decoded codebook instruction is compared with a predetermined threshold value. If the decoded codebook instruction is larger than the threshold value, the process proceeds to ST1811. If the decoded codebook instruction is equal to or less than the threshold value, the process proceeds to ST1812. Transition.
  • the codebook instruction decodes the position of the subvector that consumes the most bits.
  • This embodiment solves the problem that the value of cb diff becomes positive without using flag information by using information on the number of bits remaining after each subvector is decoded on the decoder side.
  • Non-Patent Document 5 also states that the amount of bits used may be less than the number of allocated bits.
  • equation (6) when Bits cbmax ⁇ Bits position_cbmax + Bits cbdifff , the bit consumption of the new method of the present invention is larger than that of the conventional method, and if there are a large number of unused bits, the value of cb diff
  • an idea for preventing this problem is proposed.
  • This idea is to use all allocated bits in vector quantization.
  • One possible scheme is to use unused bits to increase the codebook number of the subvector with the greatest energy, and another possible scheme is to use unused bits to Are encoded as subvectors.
  • FIG. 21 shows a flowchart of the original divided multirate lattice VQ
  • FIG. 22 shows a flowchart of the method proposed by the present invention.
  • the estimated total gain g is used to normalize the subvector, and in ST1904, the normalized subvector is quantized into the RE8 lattice.
  • the number of unused bits is calculated, and in ST1908, unused bits are allocated to the subvector having the maximum energy (selected subvector), and the codebook and code vector of the selected subvector are updated. To do.
  • allocating unused bits to selected subvectors provides two technical benefits. One is that most of the allocated bits are used to encode the sub-vector of the current frame. Second, the difference value cb diff becomes very small, so that the number of bits used to encode the difference value is reduced. As a result, more bits are saved.
  • An acoustic / speech encoding device, an acoustic / speech decoding device, an acoustic / speech encoding method, and an acoustic / speech decoding method according to the present invention include a wireless communication terminal device, a base station device, a remote conference terminal device, and a television in a mobile communication system.
  • the present invention can be applied to a conference terminal device and a voice over internet protocol (VoIP) terminal device.
  • VoIP voice over internet protocol

Landscapes

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

Abstract

　分割マルチレート格子ベクトル量子化の量子化パラメータを効率的に符号化する音響／音声符号化装置、音響／音声復号装置、音響／音声符号化方法および音響／音声復号方法を提供すること。本発明では、はじめにコードブック指示が最も多くのビットを消費するサブベクトルの位置を特定し、利用可能な総ビット数および他のサブベクトルのビット使用状況についての情報に基づいて、そのコードブックの値を推定する。実際の値と推定値との差分値を計算する。最後に、最も多くのビットを消費するコードブック指示を送信する代わりに、コードブック指示が最も多くのビットを消費するサブベクトルの位置、および実際の値と推定値との差分値を送信する。本発明の方法を適用することにより、コードブック指示からビットを節減することができる。

Description

音響／音声符号化装置、音響／音声復号装置、音響／音声符号化方法および音響／音声復号方法
　本発明は、ベクトル量子化を使用した、音響／音声符号化装置、音響／音声復号装置、音響／音声符号化方法および音響／音声復号方法に関する。
　音響および音声の符号化には、主として変換符号化と線形予測符号化の２種類の符号化方式がある。
　変換符号化は、離散フーリエ変換（ＤＦＴ: Discrete Fourier Transform）または修正離散コサイン変換（ＭＤＣＴ: Modified Discrete Cosine Transform）などを使用して、信号を時間領域からスペクトル領域に変換するものである。スペクトル係数を量子化し、符号化する。量子化または符号化の過程では、通常は音響心理学モデルを適用してスペクトル係数の知覚的重要度を判断した後、その知覚的重要度に応じてスペクトル係数を量子化または符号化する。広く使用される変換コーデックには、ＭＰＥＧ ＭＰ３、ＭＰＥＧ ＡＡＣ（非特許文献１参照）、およびＤｏｌｂｙ ＡＣ３がある。変換符号化は、音楽または一般的な音響信号に有効である。変換コーデックの単純な構成を図１に示す。
　図１に示すエンコーダでは、離散フーリエ変換（ＤＦＴ）または修正離散コサイン変換（ＭＤＣＴ）などの時間から周波数領域への変換方法を使用して、時間領域信号Ｓ（ｎ）を周波数領域信号Ｓ（ｆ）に変換する（１０１）。
　周波数領域信号Ｓ（ｆ）に音響心理学モデル解析を行って、マスキング曲線を導出する（１０３）。音響心理学モデル解析で導出されたマスキング曲線に従って周波数領域信号Ｓ（ｆ）を量子化して、量子化ノイズが不可聴になるようにする（１０２）。
　量子化パラメータを多重化し（１０４）、デコーダ側に送信する。
　図１に示すデコーダでは、はじめにすべてのビットストリーム情報が逆多重化される（１０５）。量子化パラメータを逆量子化して、復号周波数領域信号Ｓ~（ｆ）を復元する（１０６）。
　逆離散フーリエ変換（ＩＤＦＴ: Inverse Discrete Fourier Transform）または逆修正離散コサイン変換（ＩＭＤＣＴ: Inverse Modified Discrete Cosine Transform）などの周波数から時間領域への変換方法を使用して、復号周波数領域信号Ｓ~（ｆ）を変換して時間領域に戻すことにより、復号時間領域信号Ｓ~（ｎ）を復元する（１０７）。
　一方、線形予測符号化は、時間領域で音声信号が予測可能である性質を利用し、入力音声信号に線形予測を適用することによって残差励振信号を取得する。音声信号、特に、共振効果と、ピッチ周期の倍数であるタイムシフトに伴う高い類似度とを持つ有声領域に対しては、このモデル化で非常に効率的な音声表現が生成される。線形予測の後、残差励振信号は、主として２つの異なる方法、ＴＣＸおよびＣＥＬＰで符号化される。
　ＴＣＸ（非特許文献２参照）では、残差励振信号は周波数領域で効率的に変換および符号化される。広く使用されるＴＣＸコーデックには、３ＧＰＰ ＡＭＲ－ＷＢ＋、ＭＰＥＧ ＵＳＡＣがある。ＴＣＸコーデックの単純な構成を図２に示す。
　図２に示すエンコーダでは、入力信号にＬＰＣ解析を行って、時間領域における信号の予測可能性を利用する（２０１）。ＬＰＣ解析で得られたＬＰＣパラメータを量子化し（２０２）、量子化インデックスを多重化して（２０７）、デコーダ側に送信する。逆量子化部（２０３）によって逆量子化されたＬＰＣパラメータを使用して、入力信号Ｓ（ｎ）にＬＰＣ逆フィルタリングを適用することにより、残差（励振）信号Ｓｒ（ｎ）を得る（２０４）。
　離散フーリエ変換（ＤＦＴ）または修正離散コサイン変換（ＭＤＣＴ）などの時間から周波数領域への変換方法を使用して、残差信号Ｓｒ（ｎ）を周波数領域信号Ｓｒ（ｆ）に変換する（２０５）。
　Ｓｒ（ｆ）を量子化し（２０６）、量子化パラメータを多重化して（２０７）、デコーダ側に送信する。
　図２に示すデコーダでは、はじめにすべてのビットストリーム情報を逆多重化する（２０８）。
　量子化パラメータを逆量子化して、復号周波数領域残差信号Ｓｒ~（ｆ）を復元する（２１０）。
　逆離散フーリエ変換（ＩＤＦＴ）または逆修正離散コサイン変換（ＩＭＤＣＴ）などの周波数から時間領域への変換方法を使用して、復号周波数領域残差信号Ｓｒ~（ｆ）を変換して時間領域に戻すことにより、復号時間領域残差信号Ｓｒ~（ｎ）を復元する（２１１）。
　逆量子化部（２０９）によって逆量子化されたＬＰＣパラメータを使用して、復号時間領域残差信号Ｓｒ~（ｎ）をＬＰＣ合成フィルタ（２１２）で処理して復号時間領域信号Ｓ~（ｎ）を得る。
　ＣＥＬＰ符号化では、何らかの所定のコードブックを使用して残差励振信号を量子化する。そして、音質をさらに向上させるために、元の信号とＬＰＣ合成信号との差分信号を周波数領域に変換し、さらに符号化するのが一般的である。広く使用されるＣＥＬＰコーデックには、ＩＴＵ－Ｔ Ｇ．７２９．１（非特許文献３参照）、ＩＴＵ－Ｔ Ｇ．７１８（非特許文献４参照）がある。ＣＥＬＰ符号化および変換符号化の階層符号化（層化符号化、埋め込み符号化）の単純な構成を図３に示す。
　図３に示すエンコーダでは、入力信号にＣＥＬＰ符号化を行って、時間領域における信号の予測可能性を利用する（３０１）。ＣＥＬＰパラメータを用いて、ＣＥＬＰローカルデコーダ（３０２）で合成信号を復元する。入力信号から合成信号を減算することにより予測誤差信号Ｓｅ（ｎ）（入力信号と合成信号との差分信号）を得る。
　離散フーリエ変換（ＤＦＴ）または修正離散コサイン変換（ＭＤＣＴ）などの時間から周波数領域への変換方法を使用して、予測誤差信号Ｓｅ（ｎ）を周波数領域信号Ｓｅ（ｆ）に変換する（３０３）。
　Ｓｅ（ｆ）を量子化し（３０４）、量子化パラメータを多重化して（３０５）、デコーダ側に送信する。
　図３に示すデコーダでは、はじめにすべてのビットストリーム情報を逆多重化する（３０６）。
　量子化パラメータを逆量子化して、復号周波数領域残差信号Ｓｅ~（ｆ）を復元する（３０８）。
　逆離散フーリエ変換（ＩＤＦＴ）または逆修正離散コサイン変換（ＩＭＤＣＴ）などの周波数から時間領域への変換方法を使用して、復号された周波数領域残差信号Ｓｅ~（ｆ）を変換して時間領域に戻すことにより、復号時間領域残差信号Ｓｅ~（ｎ）を復元する（３０９）。
　ＣＥＬＰパラメータを使用して、ＣＥＬＰデコーダ（３０７）で合成信号Ｓｓｙｎ（ｎ）を復元し、ＣＥＬＰ合成信号Ｓｓｙｎ（ｎ）と復号予測誤差信号Ｓｅ~（ｎ）とを加算することにより、復号時間領域信号Ｓ~（ｎ）を復元する。
　変換符号化および線形予測符号化の変換符号化部分は、通常、何らかの量子化方法を利用して行われる。
　ベクトル量子化方法の１つは、分割マルチレート格子ＶＱまたは代数ＶＱ（ＡＶＱ）（非特許文献５参照）と呼ばれるものである。ＡＭＲ－ＷＢ＋（非特許文献６参照）では、分割マルチレート格子ＶＱを使用してＴＣＸ領域でＬＰＣ残差を量子化する（図４に示す）。新たに標準化された音声コーデックＩＴＵ－Ｔ Ｇ．７１８でも、分割マルチレート格子ＶＱを使用して、ＭＤＣＴ領域で残差符号化レイヤ３としてＬＰＣ残差を量子化する。
　分割マルチレート格子ＶＱは、格子量子化器に基づくベクトル量子化方法である。具体的には、ＡＭＲ－ＷＢ＋（非特許文献６参照）で使用される分割マルチレート格子ＶＱの場合は、ＲＥ８格子と呼ばれるＧｏｓｓｅｔ格子のサブセットからなるベクトルコードブックを使用して、８個のスペクトル係数からなるブロックにスペクトルを量子化する（非特許文献５参照）。
　所与の格子のすべての点は、格子のいわゆる二乗生成行列Ｇからｃ＝ｓ・Ｇとして生成することができる。ここで、ｓは整数値の行ベクトルであり、ｃは生成される格子点である。
　所与のレートでベクトルコードブックを形成するために、所与の半径の球（８次元）の内側にある格子点だけを取り出す。従って、半径が異なる球の内側にある格子点のサブセットを取得することによって、マルチレートのコードブックを形成することができる。
　ＴＣＸコーデックで分割マルチレートベクトル量子化を利用する単純な構成を図４に示す。
　図４に示すエンコーダでは、入力信号にＬＰＣ解析を行って時間領域における信号の予測可能性を利用する（４０１）。ＬＰＣ解析で得られるＬＰＣパラメータを量子化し（４０２）、量子化インデックスを多重化して（４０７）、デコーダ側に送信する。逆量子化部（４０３）によって逆量子化されたＬＰＣパラメータを使用して、入力信号Ｓ（ｎ）にＬＰＣ逆フィルタリングを適用することにより残差（励振）信号Ｓｒ（ｎ）を得る（４０４）。
　離散フーリエ変換（ＤＦＴ）または修正離散コサイン変換（ＭＤＣＴ）などの時間から周波数領域への変換方法を使用して、残差信号Ｓｒ（ｎ）を周波数領域信号Ｓｒ（ｆ）に変換する（４０５）。
　Ｓｒ（ｆ）に分割マルチレート格子ベクトル量子化方法を適用し（４０６）、量子化パラメータを多重化して（４０７）、デコーダ側に送信する。
　図４に示すデコーダでは、はじめにすべてのビットストリーム情報が逆多重化される（４０８）。
　分割マルチレート格子ベクトル逆量子化方法で量子化パラメータを逆量子化して、復号された周波数領域残差信号Ｓｒ~（ｆ）を得る（４１０）。
　逆離散フーリエ変換（ＩＤＦＴ）または逆修正離散コサイン変換（ＩＭＤＣＴ）などの周波数から時間領域への変換方法を使用して、復号周波数領域残差信号Ｓｒ~（ｆ）を変換して時間領域に戻すことにより、復号時間領域残差信号Ｓｒ~（ｎ）を復元する（４１１）。
　逆量子化部（４０９）によって逆量子化されたＬＰＣパラメータを使用して、復号時間領域残差信号Ｓｒ~（ｎ）をＬＰＣ合成フィルタ（４１２）で処理して、復号時間領域信号Ｓ~（ｎ）を得る。
　図５に、分割マルチレート格子ＶＱの工程を示す。この工程では、入力スペクトルＳ（ｆ）をいくつかの８次元ブロック（またはベクトル）に分割し（５０１）、各ブロック（またはベクトル）をマルチレート格子ベクトル量子化方法で量子化する（５０２）。量子化ステップでは、利用可能なビット数と全スペクトルのエネルギーレベルに従って総ゲインを計算する。次いで、ブロック（ベクトル）ごとに、元のスペクトルと総ゲインとの比をいくつかの異なるコードブックで量子化する。分割マルチレート格子ＶＱの量子化パラメータは、総ゲインの量子化インデックス、各ブロック（またはベクトル）のコードブック指示、および各ブロック（またはベクトル）のコードベクトルインデックスである。
　図６は、ＡＭＲ－ＷＢ＋（非特許文献６参照）で採用される分割マルチレート格子ＶＱのコードブックのリストをまとめたものである。表中、コードブックＱ０、Ｑ２、Ｑ３、およびＱ４がベースコードブックである。所与の格子点がそれらのベースコードブックに含まれていない場合は、ベースコードブックのＱ３またはＱ４部分のみを使用してボロノイ拡張（非特許文献７参照）を適用する。例として、表では、Ｑ５がＱ３のボロノイ拡張であり、Ｑ６がＱ４のボロノイ拡張である。
　各コードブックは、いくつかのコードベクトルで構成される。コードブックのコードベクトルインデックスはいくつかのビットで表される。ビット数は下記の式（１）によって導出される。
Figure JPOXMLDOC01-appb-M000001
　ここで、Ｎｂｉｔｓはコードベクトルインデックスで消費されるビット数であり、Ｎｃｖはコードブック中のコードベクトルの数である。
　コードブックＱ０には１つのみのベクトルである零ベクトルがあり、これはベクトルの量子化値が０であることを意味する。したがって、このコードベクトルインデックスにはビットが必要とされない。
　分割マルチレート格子ＶＱの場合は、総ゲインのインデックス、コードブック指示、およびコードベクトルインデックスの３つの量子化パラメータのセットがある。ビットストリームは通常２つの方式で形成される。第１の方法を図７に示し、第２の方法を図８に示す。
　図７では、はじめに入力信号Ｓ（ｆ）がいくつかのベクトルに分割される。次いで、利用可能なビット数とスペクトルのエネルギーレベルに従って、総ゲインを導出する。総ゲインをスカラー量子化器で量子化し、Ｓ（ｆ）／Ｇをマルチレート格子ベクトル量子化器で量子化する。ビットストリームが形成される際には、総ゲインのインデックスが第１の部分を形成し、すべてのコードブック指示が共にまとめられて第２の部分を形成し、コードベクトルのすべてのインデックスが共にまとめられて最後の部分を形成する。
　図８では、はじめに入力信号Ｓ（ｆ）がいくつかのベクトルに分割される。次いで、利用可能なビット数とスペクトルのエネルギーレベルに従って、総ゲインを導出する。総ゲインをスカラー量子化器で量子化し、Ｓ（ｆ）／Ｇをマルチレート格子ベクトル量子化器で量子化する。ビットストリームが形成される際には、総ゲインのインデックスが第１の部分を形成し、コードブック指示とその後に続く各ベクトルのコードベクトルインデックスが第２の部分を形成することになる。
Karl Heinz Brandenburg, "MP3 and AAC Explained", AES 17th International Conference, Florence, Italy, September 1999. Lefebvre, et al., "High quality coding of wideband audio signals using transform coded excitation (TCX)", IEEE International Conference on Acoustics, Speech, and Signal Processing, vol. 1, pp. I/193-I/196, Apr. 1994 ITU-T Recommendation G.729.1 (2007) "G.729-based embedded variable bit-rate coder: An 8-32kbit/s scalable wideband coder bitstream interoperable with G.729" T. Vaillancourt et al, "ITU-T EV-VBR: A Robust 8-32 kbit/s Scalable Coder for Error Prone Telecommunication Channels", in Proc. Eusipco, Lausanne, Switzerland, August 2008 M. Xie and J.-P. Adoul, "Embedded algebraic vector quantization (EAVQ) with application to wideband audio coding" IEEE International Conference on Acoustics, Speech, and Signal Processing (ICASSP), Atlanta, GA, U.S.A, 1996, vol. 1, pp. 240-243 3GPP TS 26.290 "Extended AMR Wideband Speech Codec (AMR-WB+)" S. Ragot, B. Bessette and R. Lefebvre, "Low-complexity Multi-Rate Lattice Vector Quantization with Application to Wideband TCX Speech Coding at 32kbit/s," Proc. IEEE International Conference on Acoustics, Speech, and Signal Processing (ICASSP), Montreal, QC, Canada,May,2004, vol. 1, pp. 501-504
　入力スペクトルは、通常はすべてのサブベクトルが同じエネルギーを有するのではなく、サブベクトルの一部にエネルギーが集中している。一例として、図９に示すスペクトルの場合は、８個のサブベクトルのうちサブベクトルｖ３のエネルギーが最も大きく、分割マルチレート格子ベクトル量子化の処理に従うと、ｖ３のコードブックは、サブベクトルの中で最も大きいコードブック番号を持つ（ここでは、Ｑｎの整数ｎをコードブック番号と呼ぶ）。
　図６のコードブック指示表に示すように、コードブック番号が大きいほどコードブック指示が消費するビット数が多くなる。よって、この例では、サブベクトルｖ３がコードブック指示に最も多くのビットを消費する。コードブック番号が大きいコードブックは過度に多くのビットを消費する場合があるため（例えば、コードブック番号が小さいコードブックのコードブック指示の数倍）、コードブック番号が大きいコードブックのコードブック指示の消費ビット数を減らすことが望ましい。
　非特許文献７では、ＴＣＸ音声コーデックに分割マルチレート格子ＶＱを使用し、サブベクトルの数Ｎｓｖ＝８と、利用可能なビット数Ｂｉｔｓａｖａｉｌａｂｌｅ＝１３２ビットがパラメータとなる。そして、実際には、最高で「１１」のコードブック番号が計測されたことが述べられている。
　図９のスペクトルの場合に、ｖ３がＱ１１のコードブックを利用し、ｖ４がＱ３のコードブックを利用し、それ以外のすべてのサブベクトルのコードブックがＱ２であると仮定する。このビット消費情報をまとめると図１０のようになる。
　図１０に示すように、ｖ３のコードブック指示は１１ビットを消費し、ｖ４のコードブック指示は３ビットを消費し、その他のベクトルのコードブック指示は２ビットを消費する。ｖ３のコードブック指示は、ｖ１（ｖ２、ｖ５、ｖ６、ｖ７、またはｖ８）のコードブック指示の５倍以上のビットを消費する。
　従来技術では、コードブック指示およびコードベクトルインデックスを直接２進数に変換してビットストリームを形成する。そのため、全ベクトルの総消費ビット数は以下のように計算することができる。
Figure JPOXMLDOC01-appb-M000002
　ここで、Ｂｉｔｓｔｏｔａｌは、総消費ビット数であり、Ｂｉｔｓｇａｉｎ＿ｑは、総ゲインを量子化するための消費ビット数であり、Ｂｉｔｓｃｂ＿ｉｎｄｉｃａｔｉｏｎは、各ベクトルのコードブック指示に消費されるビット数であり、Ｂｉｔｓｃｖ＿ｉｎｄｅｘは、各ベクトルのコードベクトルインデックスに消費されるビット数であり、Ｎは、スペクトル全体の合計ベクトル数である。
　ビットを多く消費し過ぎるため、コードブック番号が大きいコードブックのコードブック指示によるビット消費を減らすことが望ましい。
　本発明では、分割マルチレート格子ベクトル量子化の量子化パラメータを効率的に符号化するための発想を導入する。まず、コードブック指示が最も多くのビットを消費するサブベクトルの位置を特定し、利用可能な総ビット数および他のサブベクトルのビット使用状況についての情報に基づいて、そのコードブックの値を推定する。実際の値と推定値との差分値を計算する。そして、最も多くのビットを消費するコードブック指示を送信する代わりに、そのコードブックを使用するサブベクトルの位置、および実際の値と推定値との差分値を送信する。本発明の方法を適用することにより、コードブック指示のビットを節減することができる。
　エンコーダにおける詳細な工程は以下の通りである。
 １）すべてのサブベクトルのコードブック指示を算出する。
 ２）コードブック指示が最も多くのビットを消費するサブベクトルの位置を特定し、その位置を符号化する。そして、最も多くのビットを消費するサブベクトル以外のすべてのサブベクトルのコードブック指示を符号化する。
 ３）指示が最も多くのビットを消費するコードブックを推定する。
 ４）実際の値と推定値との差分を符号化する。
　デコーダにおける詳細な工程は以下の通りである。
 １）コードブック指示が最も多くのビットを消費するサブベクトルの位置を復号する。
 ２）それ以外のすべてのサブベクトルのコードブック指示を復号する。
 ３）指示が最も多くのビットを消費するコードブックを推定する。
 ４）実際の値と推定値との差分を復号する。
 ５）推定値と差分を加算することにより、復号された値を算出する。
　図９のスペクトルを詳細な説明のための例として使用する。
 １）図６のコードブック指示表を参照して、すべてのサブベクトルのコードブック指示を算出する。この詳細な結果を図１１に示す。
 ２）コードブック指示が最も多くのビットを消費するサブベクトルの位置を特定し、その位置を符号化する。そして、最も多くのビットを消費するサブベクトル以外のすべてのサブベクトルのコードブック指示を符号化する。図１１に示すように、サブベクトルｖ３のコードブック指示が最も多くのビットを消費する。一例として、図１２に示すコードブックを使用して位置を符号化する。図１２を参照すると、ｖ３の位置は「０１０」に符号化される。
 ３）以下の式に従って、指示が最も多くのビットを消費するコードブックを推定する。
Figure JPOXMLDOC01-appb-M000003
　ここで、ｃｂ’ｍａｘは、最も多くのビットを消費するコードブックの推定値であり、Ｂｉｔｓａｖａｉｌａｂｌｅは利用可能な総ビット数であり、Ｂｉｔｓｃｂｖｉは、コードブック指示ｖｉのビット消費である。
 ４）実際の値と推定値との差分を符号化する。差分値は下記の式（４）に従って計算し、図１３の表を参照して符号化する。図１３に示すように、差分が取り得る値は負になる。その理由は、推定値は、すべての利用可能なビット数が量子化で使用されることを想定して計算されるためである。利用可能なビット数を超えるビットが量子化で消費されることは起こりえない。推定値は最大の可能な値である。したがって、実際の値が推定値より大きくなることは決してない。
Figure JPOXMLDOC01-appb-M000004
　ここで、ｃｂ’ｍａｘは、最も多くのビットを消費するコードブックの推定値であり、ｃｂｍａｘは、最も多くのビットを消費するコードブックの実際の値であり、ｃｂｄｉｆｆは、実際の値と推定値との差分値である。
　デコーダにおける詳細な工程は以下の通りである。
 １）コードブック指示が最も多くのビットを消費するサブベクトルの位置を復号する。図１２の表を参照すると、「０１０」がｖ３に対応する。
 ２）ｖ３以外のすべてのサブベクトルのコードブック指示を復号する。
 ３）指示が最も多くのビットを消費するコードブックを推定する。これは式（３）により行う。
 ４）実際の値と推定値との差分を復号する。差分値は図１３の表を参照して復号し、差分のコード０は差分０に対応する。
 ５）推定値と差分を加算することにより、復号された値を算出する。詳細な計算は次の式（５）で得られる。
Figure JPOXMLDOC01-appb-M000005
　ここで、ｃｂ’ｍａｘは、最も多くのビットを消費するコードブックの推定値であり、ｃｂｍａｘは、最も多くのビットを消費するコードブックの実際の値であり、ｃｂｄｉｆｆは、実際の値と推定値との差分値である。
　本発明の方法を適用することにより、消費するビットを節減することができる。
　本発明で提案される方法による節減ビット数は以下の式（６）のように計算される。
Figure JPOXMLDOC01-appb-M000006
　ここで、Ｂｉｔｓｓａｖｅは、本発明で提案される方法による節減ビット数であり、Ｂｉｔｓｃｂｍａｘは最も多くのビットを消費するコードブックのビット消費であり、Ｂｉｔｓｐｏｓｉｔｉｏｎ＿ｃｂｍａｘは、最も多くのビットを消費するコードブックの位置に消費されるビット数であり、Ｂｉｔｓｃｂｄｉｆｆは差分値を符号化するために消費されるビット数である。
　上記の式（６）で、最も多くのビットを消費するコードブックのビット消費は、そのコードブック番号に比例する。通常は、スペクトルに利用可能なビットが多い場合、最大のコードブック番号は大きい値になる。上記の例に示すように、最大のコードブック番号は１１であり、そのコードブック指示に消費されるビット数は１１ビットである。
　最も多くのビットを消費するコードブックの位置のビット消費は、固定されたビット数（Ｂｉｔｓｐｏｓｉｔｉｏｎ＿ｃｂｍａｘ＝ｌｏｇ２（Ｎｓｖ））を消費する。上記例に示すように、サブベクトルの数は８個である。最大のコードブックの位置を知らせるためのビット消費は３ビットとなる。
　差分値の消費ビット数は、最も多くのビットを消費するコードブックの消費ビット数より少ない。これは、差分値はコードブック指示より小さいためである。上記の例に示すように、差分値を符号化するための消費ビット数は１ビットである。
　この例における節減ビット数は、以下の式（７）のように計算される。
Figure JPOXMLDOC01-appb-M000007
変換コーデックの単純な構成を示す図 ＴＣＸコーデックの単純な構成を示す図 階層コーデック（ＣＥＬＰ符号化と変換符号化の組み合わせ）の単純な構成を示す図 分割マルチレート格子ベクトル量子化を利用するＴＣＸコーデックの構成の図 分割マルチレート格子ベクトル量子化の工程を説明する図 分割マルチレート格子ＶＱのコードブックの表を示す図 ビットストリーム形成の１方式を説明する図 ビットストリーム形成の別の方式を説明する図 入力スペクトルの例を示す図 図９のスペクトルのコードブック情報を示す図 すべてのサブベクトルについてのコードブック指示を示す図 コードブック指示が最も多くのビットを消費するサブベクトルの位置についてのコード表を示す図 差分値のコード表を示す図 本発明の実施の形態１に係るコーデックの構成を説明する図 本発明の実施の形態２に係るコーデックの構成を説明する図 本発明の実施の形態３に係るコーデックの構成を説明する図 スペクトルの一部のみを符号化する一例を示す図 図１７の例の場合のｖ２以外の符号化パラメータを示す図 実施の形態７で提案される符号化工程のフローチャート 実施の形態７で提案される復号工程のフローチャート 従来の分割マルチレート格子ＶＱのフローチャート 実施の形態８で提案される分割マルチレートＶＱのフローチャート
　この項では、本発明の基本となる原理を図１４～図１６を参照して説明する。当業者は、本発明の主旨から逸脱しない範囲で、本発明を改変および適合することができる。説明の助けとして図示を提供する。
　（実施の形態１）
　図１４に本発明のコーデックを示す。このコーデックは、分割マルチレート格子ベクトル量子化を適用するエンコーダおよびデコーダを備える。
　図１４に示すエンコーダでは、離散フーリエ変換（ＤＦＴ）または修正離散コサイン変換（ＭＤＣＴ）などの時間から周波数領域への変換方法を使用して、時間領域信号Ｓ（ｎ）を周波数領域信号Ｓ（ｆ）に変換する（１４０１）。
　周波数領域信号Ｓ（ｆ）に音響心理学モデル解析を行ってマスキング曲線を得る（１４０２）。音響心理学モデル解析で導出されたマスキング曲線に従って、周波数領域信号Ｓ（ｆ）に分割マルチレート格子ベクトル量子化を適用して、量子化ノイズが不可聴になるようにする（１４０３）。
　分割マルチレート格子ベクトル量子化では、総ゲインの量子化インデックス、コードブック指示、およびコードベクトルインデックスの３つの量子化パラメータセットが生成される。
　コードブック指示は、以下の要領で変換される（１４０４）。
 １）すべてのサブベクトルのコードブック指示を計算する。
 ２）コードブック指示が最も多くのビットを消費するサブベクトルの位置を特定し、その位置を符号化する。そして、最も多くのビットを消費するサブベクトル以外のすべてのサブベクトルのコードブック指示を符号化する。
 ３）指示が最も多くのビットを消費するコードブックを推定する。
 ４）実際の値と推定値との差分を符号化する。
　総ゲインインデックス、コードベクトルインデックス、最大のコードブックの位置、実際の値と推定値との差分値、および他のサブベクトルのコードブック指示を多重化し（１４０５）、デコーダ側に送信する。
　図１４に示すデコーダでは、はじめにすべてのビットストリーム情報を逆多重化部（１４０６）で逆多重化する。
　最大のコードブックの位置および実際の値と推定値との差分値を、コードブック指示変換部（１４０７）で最大のコードブック指示に変換する。
　コードブック指示変換部（１４０７）における詳細な工程は以下の通りである。
 １）コードブック指示が最も多くのビットを消費するサブベクトルの位置を復号する。
 ２）それ以外のすべてのサブベクトルのコードブック指示を復号する。
 ３）指示が最も多くのビットを消費するコードブックを推定する。
 ４）実際の値と推定値との差分を復号する。
 ５）推定値と差分を加算することにより、復号された値を計算する。
　総ゲインインデックス、コードベクトルインデックス、および元のコードブック指示を分割マルチレート格子ベクトル逆量子化方法で逆量子化して、復号周波数領域信号Ｓ~（ｆ）を復元する（１４０８）。
　逆離散フーリエ変換（ＩＤＦＴ）または逆修正離散コサイン変換（ＩＭＤＣＴ）などの周波数から時間領域への変換方法を使用して、復号周波数領域信号Ｓ~（ｆ）を変換して時間領域に戻すことにより、復号時間領域信号Ｓ~（ｎ）を復元する（１４０９）。
　この実施の形態では、スペクトルに関して最大のコードブックの値を推定し、最大のコードブック指示を、最大のコードブックの位置、および、実際の値と推定値との差分値に変換することにより、消費ビット数を減らすことができる。
　（実施の形態２）
　この実施の形態の特徴は、本発明の方法をＴＣＸコーデックで適用する点である。
　図１５に示すエンコーダでは、入力信号にＬＰＣ解析を行って、時間領域における信号の予測可能性を利用する（１５０１）。ＬＰＣ解析で得られたＬＰＣパラメータを量子化し（１５０２）、量子化インデックスを多重化して（１５０８）、デコーダ側に送信する。逆量子化部（１５０３）によって量子化されたＬＰＣパラメータを使用して、入力信号Ｓ（ｎ）にＬＰＣ逆フィルタリングを適用することにより、残差（励振）信号Ｓｒ（ｎ）を得る（１５０４）。
　離散フーリエ変換（ＤＦＴ）または修正離散コサイン変換（ＭＤＣＴ）などの時間から周波数領域への変換方法を使用して、残差信号Ｓｒ（ｎ）を周波数領域信号Ｓｒ（ｆ）に変換する（１５０５）。
　周波数領域信号Ｓｒ（ｆ）に分割マルチレート格子ベクトル量子化を適用する（１５０６）。
　分割マルチレート格子ベクトル量子化では、総ゲインの量子化インデックス、コードブック指示、およびコードベクトルインデックス、の３つの量子化パラメータのセットが生成される。
　コードブック指示は、以下の要領で変換される（１５０７）。
 １）すべてのサブベクトルのコードブック指示を算出する。
 ２）コードブック指示が最も多くのビットを消費するサブベクトルの位置を特定し、その位置を符号化する。そして、最も多くのビットを消費するサブベクトル以外のすべてのサブベクトルのコードブック指示を符号化する。
 ３）指示が最も多くのビットを消費するコードブックを推定する。
 ４）実際の値と推定値との差分を符号化する。
　総ゲインインデックス、コードベクトルインデックス、最大のコードブックの位置、実際の値と推定値との差分値、およびその他のサブベクトルのコードブック指示を多重化し（１５０８）、デコーダ側に送信する。
　図１５に示すデコーダでは、はじめにすべてのビットストリーム情報を逆多重化部（１５０９）で逆多重化する。
　最大のコードブックの位置および実際の値と推定値との差分値を、コードブック指示変換部（１５１０）で最大のコードブック指示に変換する。
　コードブック指示変換部（１５１０）における詳細な工程は以下の通りである。
 １）コードブック指示が最も多くのビットを消費するサブベクトルの位置を復号する。
 ２）それ以外のすべてのサブベクトルのコードブック指示を復号する。
 ３）指示が最も多くのビットを消費するコードブックを推定する。
 ４）実際の値と推定値との差分を復号する。
 ５）推定値と差分を加算することにより、復号された値を計算する。
　総ゲインインデックス、コードベクトルインデックス、および元のコードブック指示を分割マルチレート格子ベクトル逆量子化方法で逆量子化して、復号周波数領域信号Ｓｒ~（ｆ）を復元する（１５１１）。
　逆離散フーリエ変換（ＩＤＦＴ）または逆修正離散コサイン変換（ＩＭＤＣＴ）などの周波数領域から時間領域への変換方法を使用して、復号周波数領域残差信号Ｓｒ~（ｆ）を変換して時間領域に戻すことにより、復号時間領域残差信号Ｓｒ~（ｎ）を復元する（１５１２）。
　逆量子化部（１５１３）によって逆量子化されたＬＰＣパラメータを使用して、復号時間領域残差信号Ｓｒ~（ｎ）をＬＰＣ合成フィルタ（１５１４）で処理して復号時間領域信号Ｓ~（ｎ）を得る。
　（実施の形態３）
　この実施の形態の特徴は、ＣＥＬＰ符号化および変換符号化の階層符号化（層化符号化、埋め込み符号化）においてスペクトルクラスタ解析法を適用する点である。
　図１６に示すエンコーダでは、入力信号にＣＥＬＰ符号化を行って、時間領域における信号の予測可能性を利用する（１６０１）。ＣＥＬＰパラメータを用いて、ＣＥＬＰデコーダ（１６０２）で合成信号を復元し、ＣＥＬＰパラメータを多重化し（１６０６）、デコーダ側に送信する。入力信号から合成信号を減算することにより、予測誤差信号Ｓｅ（ｎ）（入力信号と合成信号との差分信号）を得る。
　離散フーリエ変換（ＤＦＴ）または修正離散コサイン変換（ＭＤＣＴ）などの時間から周波数領域への変換方法を使用して、予測誤差信号Ｓｅ（ｎ）を周波数領域信号Ｓｅ（ｆ）に変換する（１６０３）。
　周波数領域信号Ｓｅ（ｆ）に分割マルチレート格子ベクトル量子化を適用する（１６０４）。
　分割マルチレート格子ベクトル量子化では、総ゲインの量子化インデックス、コードブック指示、およびコードベクトルインデックスの３つの量子化パラメータセットが生成される。
　コードブック指示は、以下の要領で変換される（１６０５）。
 １）すべてのサブベクトルのコードブック指示を算出する。
 ２）コードブック指示が最も多くのビットを消費するサブベクトルの位置を特定し、その位置を符号化する。そして、最も多くのビットを消費するサブベクトル以外のすべてのサブベクトルのコードブック指示を符号化する。
 ３）指示が最も多くのビットを消費するコードブックを推定する。
 ４）実際の値と推定値との差分を符号化する。
　総ゲインインデックス、コードベクトルインデックス、最大のコードブックの位置、実際の値と指定値との差分値、および他のサブベクトルのコードブック指示を多重化し（１６０６）、デコーダ側に送信する。
　図１６に示すデコーダでは、はじめにすべてのビットストリーム情報を逆多重化部（１６０７）で逆多重化する。
　最大のコードブックの位置および実際の値と推定値との差分値を、コードブック指示変換部（１６０８）で最大のコードブック指示に変換する。
　コードブック指示変換部（１６０８）における詳細な工程は以下の通りである。
 １）コードブック指示が最も多くのビットを消費するサブベクトルの位置を復号する。
 ２）それ以外のすべてのサブベクトルのコードブック指示を復号する。
 ３）指示が最も多くのビットを消費するコードブックを推定する。
 ４）実際の値と推定値との差分を復号する。
 ５）推定値と差分を加算することにより、復号された値を計算する。
　総ゲインインデックス、コードベクトルインデックス、および元のコードブック指示を分割マルチレート格子ベクトル逆量子化方法で逆量子化して、復号周波数領域信号Ｓｅ~（ｆ）を復元する（１６０９）。
　逆離散フーリエ変換（ＩＤＦＴ）または逆修正離散コサイン変換（ＩＭＤＣＴ）などの周波数から時間領域への変換方法を使用して、復号周波数領域信号Ｓｅ~（ｆ）を変換して時間領域に戻すことにより、復号時間領域信号Ｓｅ~（ｎ）を復元する（１６１０）。
　ＣＥＬＰパラメータを使用して、ＣＥＬＰデコーダで合成信号Ｓｓｙｎ（ｎ）を復元し（１６１１）、ＣＥＬＰ合成信号Ｓｓｙｎ（ｎ）と復号予測誤差信号Ｓｅ~（ｎ）とを加算することにより、復号時間領域信号Ｓ~（ｎ）を復元する。
　（実施の形態４）
　この実施の形態では、本発明の新規の方法が、元となった分割マルチレート格子ＶＱ法よりも多くのビットを消費する可能性を防ぐための発想を説明する。
　実施の形態１、実施の形態２および実施の形態３で提案した構成では、最大のコードブックがそれほど多くのビットを消費しない場合には、本発明の新規の方法のビット消費が従来の方法よりも多くなる可能性がある。式（６）に示すように、Ｂｉｔｓｃｂｍａｘ＜Ｂｉｔｓｐｏｓｉｔｉｏｎ＿ｃｂｍａｘ＋Ｂｉｔｓｃｂｄｉｆｆの場合は、本発明の新規の方法のビット消費が従来の方法より多くなる。この問題を防ぐために、この実施の形態では１つの発想を提案する。
　この発想は、最も多くのビットを消費するコードブックの位置を示すための消費ビット数を減らすというものである。エンコーダ側で、固定されたサブベクトルのコードブック、例えば、最後のサブベクトルのコードブックを、利用可能な総ビット数およびすべての他のサブベクトルのビット使用状況に基づいて推定する。実際のコードブックの代わりに、実際のコードブック指示と推定値との差分値を符号化し、デコーダ側に送信する。分割マルチレートＶＱでは、総ゲインの計算により、割り振られたビットの大半がサブベクトルの符号化で利用され、すべてのビットが利用されるという想定で計算される推定コードブック指示が実際の値に非常に近くなり、差分の絶対値が実際のコードブック指示より小さくなり、差分値を符号化するための消費ビット数が実際の値より小さくなることが保証される。
　詳細な符号化工程は以下の通りである。
 １）すべてのサブベクトルのコードブック指示を算出する。
 ２）コードブック指示が最も多くのビットを消費するサブベクトルの位置を特定する。
 ３）コードブック指示を所定の閾値と比較する（閾値は、本発明の方法のビット消費が従来の方法よりも確実に少なくなるように、大きなデータベースに基づいて計算された所定の値である）。
　Ａ．コードブック指示が閾値より大きい場合は、以下を行う。
 ａ）指示が最も多くのビットを消費するコードブック指示のコードブックインデックスを推定する。
 ｂ）実際の値と推定値との差分を符号化する。
 ｃ）コードブック指示が最も多くのビットを消費するサブベクトルの位置を符号化し、最も多くのビットを消費するサブベクトル以外のすべてのサブベクトルのコードブック指示を符号化する。
　Ｂ．コードブック指示が閾値以下の場合は、以下を行う。
 ａ）最後のサブベクトルのコードブック指示を推定する。
 ｂ）実際の値と推定値の差分を符号化し、最後のサブベクトル以外のすべてのサブベクトルのコードブック指示を符号化する。
　詳細な符号化工程は以下の通りである。
 １）すべての他のサブベクトルのコードブック指示を復号する。
 ２）コードブック指示が変換されたサブベクトルのコードブック指示を推定する。
 ３）実際の値と推定値との差分を復号する。
 ４）推定値と差分を加算することにより、復号された値を計算する。
 ５）復号された値を所定の閾値と比較する。
　Ａ．復号された値が閾値より大きい場合は、以下を行う。
 ａ）コードブック指示が最も多くのビットを消費するサブベクトルの位置を復号する。
　Ｂ．復号された値が閾値以下の場合は、ｃｂｌａｓｔ＝ｃｂｍａｘを行う。
　この実施の形態では、最大のビット数を消費するコードブック指示を何らかの所定の閾値と比較することにより、本発明の方法によって実現される消費ビット数が、元となった分割マルチレートＶＱより多くなる状況を回避する。これにより、ビット節減が常に実現されることが保証される。
　なお、固定サブベクトルは、最後のサブベクトルに限定されず、入力スペクトルの特性に応じて決定してよい。例として、最初のサブベクトルのコードブックが統計的に他のサブベクトルより大きい場合は、最初のサブベクトルを選択することができる。
　この実施の形態では、最大のコードブックの消費ビット数がそれほど多くない状況では、最後のコードベクトルが最大のコードブックとして符号化され、その位置が固定されるため、最大のコードブックの位置を知らせるためのビット消費が回避される。そして、本発明の方法による節減ビット数が正の値になることを保証することができる。
　（実施の形態５）
　従来技術では、コードブック指示はコードブック使用の確率に応じて設計されるのではなく、単に、図６に示すようなコードブック指示表が広く使用される。
　ビットレートまたはサブベクトル数が異なるなど、状況が異なると、コードブックの使用についての統計は変化する。
　非特許文献７におけるＲＥ８コードブックの使用の統計を図１７にまとめている（コードブック番号についての統計（単位％））。
　この統計情報から、図６のコードブック指示表の設計は非特許文献７で適用するには効率的でないことが見て取れる。Ｑ０の指示は消費ビット数が最も少ない（１ビット）が、その確率は非常に低く、わずか３％である。Ｑ２の使用確率は最も高い（２９％）が、その消費ビット数は最小ではない。
　したがって、各コードブックの確率に従って、固定された条件（同じビットレート、同じ数の量子化サブベクトル）ごとに、ハフマン表設計方法を使用してコードブック指示を設計し、そのコードブック指示にビットを割り振ることが望ましく、確率が高いコードブックにより少ないビットを割り振り、確率が低いコードブックにより多くのビットを割り振ることが基本方針となる。
　そして、本発明の方法を、最大のコードブック番号を持つコードブック指示ではなく、最も多くのビットを消費するコードブック指示に適用する。
　エンコーダにおける詳細な工程は以下の通りである。
 １）すべてのサブベクトルのコードブック指示を符号化する。
 ２）コードブック指示が最も多くのビットを消費するサブベクトルの位置を特定し、符号化する。
 ３）指示が最も多くのビットを消費するコードブックを推定する。
 ４）実際の値と推定値との差分を符号化する。
　デコーダにおける詳細な工程は以下の通りである。
 １）コードブック指示が最も多くのビットを消費するサブベクトルの位置を復号する。
 ２）それ以外のすべてのサブベクトルのコードブック指示を復号する。
 ３）指示が最も多くのビットを消費するコードブックを推定する。
 ４）実際の値と推定値との差分を復号する。
 ５）推定値と差分を加算することにより、復号された値を算出する。
　（実施の形態６）
　この実施の形態の特徴は、本発明のコードブック指示変換方法で節減されたビットを利用して、量子化されたベクトルのゲイン精度を向上させる点である。
　この実施の形態では、コードブック指示変換方法で節減されたビットを利用して、スペクトルを小さいバンドに分割し、各バンドに「ゲイン補正率」を割り当てることにより、総ゲインにより細かい分解能を与える。節減されたビットを利用してゲイン補正率を送信することにより、量子化の性能を向上させ、音質を向上させることができる。
　本発明のコードブック指示変換方法は、ステレオ信号または多チャネル信号の符号化に適用することができる。例えば、本発明の方法をサイド信号の符号化に適用し、節減されたビットを主信号の符号化に使用する。主信号は、サイド信号よりも知覚的に重要であるため、これにより主観的な音質の向上が得られる。
　さらに、本発明のコードブック指示変換方法は、複数のフレーム単位（または複数のサブフレーム単位）でスペクトル係数を符号化するコーデックに適用することができる。この応用例では、コードブック指示変換方法で節減されたビットを蓄積し、次の符号化段階でスペクトル係数または何らかの他のパラメータを符号化する際に利用することができる。
　さらに、コードブック指示変換方法で節減されたビットをＦＥＣ（フレーム消去隠蔽）で利用することにより、フレーム損失のある状況で音質を維持することができる。
　なお、上記の各実施の形態では、すべて分割マルチレート格子ベクトル量子化を使用して説明したが、本発明は、分割マルチレート格子ベクトル量子化の使用に限定されず、他のスペクトル係数符号化方法も適用することができる。当業者は、本発明の主旨から逸脱しない範囲で本発明を改変および適合することができる。
　（実施の形態７）
　この実施の形態では、実際のコードブック指示ｃｂｍａｘと推定されるコードブック指示ｃｂ’ｍａｘとの差分ｃｂｄｉｆｆが正になる可能性を防ぐための発想である。
　実施の形態１、実施の形態２および実施の形態３で提案した構成では、すべてのサブベクトルをＡＶＱで量子化することを前提としている。すべてのサブベクトルがＡＶＱで量子化される場合、ｃｂｄｉｆｆのすべての取り得る値は負になる。その理由は、推定コードブック指示は、すべての利用可能なビット数が量子化で使用されることを想定して計算されるためである。利用可能なビット数を超えるビットが量子化で消費されることは起こりえない。推定コードブック指示は最大の可能な値である。従って、実際のコードブック指示が推定コードブック指示より大きくなることは決してない。
　ただし、サブベクトルのすべてがＡＶＱで量子化される訳ではない場合は、ｃｂｄｉｆｆが正になる可能性がある。特に、エネルギーがスペクトルの低周波数部分に集中している場合は、ビットはすべて低周波数のサブベクトルに分散され、高周波数のサブベクトルにはビットが割り振られない。例として、８個のサブベクトルスペクトルを量子化するために割り振られる合計ビット数は７２ビットであり、すべてのサブベクトルのコードブック指示を図１７に示す。最後の２つのサブベクトルでは、それらのコードブック指示を符号化するためのビットが残らないことが分かる。この場合は、本発明の方法を適用するために、最後の２つのサブベクトルのコードブック指示を送信する必要があり、２ビットがそれらの指示に利用される。
　コードブック指示が最も多くのビットを消費するサブベクトルであるｖ２以外のすべてのサブベクトルのビット消費を図１８に示す。ｖ２のコードブックを下記の式（８）で推定する。
Figure JPOXMLDOC01-appb-M000008
　実際のコードブック指示と推定コードブック指示の差分は、以下の式（９）により計算する。
Figure JPOXMLDOC01-appb-M000009
　この問題を解決するために、この実施の形態でいくつかの発想を提案する。
　単純な方法は、ｃｂｄｉｆｆについて正の値をコードブックに含めるものである。ただし、この方法ではｃｂｄｉｆｆを符号化するためのビット消費が増大する。
　別の発想は、サブベクトルのすべてがＡＶＱで量子化されるのではない場合に、本発明が提案する発想を無効にするものである。問題点は、提案される発想を有効にするか否かを示すためのフラグが必要となることである。フラグの送信を回避するために、入手可能な情報からこの情報を引き出すことができる発想を導入する。
　この発想は、従来行われるようにエンコーダ側でＡＶＱパラメータを符号化し、デコーダ側でビットの使用情報を使用して、本発明の提案する方法を有効にするか否かを判断するものである。
　詳細な符号化工程は以下の通りである（図１９のフローチャート参照）。ステップ（以下、「ＳＴ」と省略する）１７０１では、すべてのサブベクトルの合計消費ビット数Ｎ’ｂｉｔｓを計算する。
　ＳＴ１７０２では、利用可能なビット数Ｎｂｉｔｓが、すべてのサブベクトルのＡＶＱパラメータを符号化するのに十分であるかどうか（Ｎｂｉｔｓ≧Ｎ’ｂｉｔｓ）を調べる。利用可能なビット数がすべてのサブベクトルのＡＶＱパラメータを符号化するのに十分である場合は、ＳＴ１７０３に移行し、十分ではない場合は、ＳＴ１７１３に移行する。
　ＳＴ１７０３では、コードブック指示が最も多くのビットを消費するサブベクトルの位置を特定する。
　ＳＴ１７０４では、コードブック指示を所定の閾値と比較し、コードブック指示が閾値より大きい場合は、ＳＴ１７０５に移行し、コードブック指示が閾値以下の場合は、ＳＴ１７０９に移行する。
　ＳＴ１７０５では、最も多くのビットを消費するサブベクトル以外のすべてのサブベクトルのコードブック指示を符号化する。
　ＳＴ１７０６では、コードブック指示を最も多くのビットを消費するサブベクトルのコードブック指示と推定する。
　ＳＴ１７０７では、実際のコードブック指示（ｃｂｍａｘ）と推定コードブック指示（ｃｂ’ｍａｘ）との差分（ｃｂｄｉｆｆ）を計算する。
　ＳＴ１７０８では、コードブック指示が最も多くのビットを消費するサブベクトルの位置を符号化し、差分ｃｂｄｉｆｆを符号化する。
　ＳＴ１７０４において、コードブック指示が閾値以下の場合、ＳＴ１７０９において、所定のサブベクトル、例えば、最後のサブベクトル以外のすべてのサブベクトルのコードブック指示を符号化する。
　ＳＴ１７１０では、所定のサブベクトル、例えば、最後のサブベクトルのコードブック指示ｃｂｌａｓｔを推定する。
　ＳＴ１７１１では、実際のコードブック指示（ｃｂｌａｓｔ）と推定コードブック指示（ｃｂ’ｌａｓｔ）との差分（ｃｂｄｉｆｆ）を計算する。
　ＳＴ１７１２では、差分ｃｂｄｉｆｆを符号化する。
　ＳＴ１７０２において、利用可能なビット数がすべてのサブベクトルのＡＶＱパラメータを符号化するのに十分でない場合は、ＳＴ１７１３において、残りのビットがなくなるまで、サブベクトルのコードブック指示を符号化する。
　詳細な復号工程は以下の通りである（図２０のフローチャート参照）。ＳＴ１８０１では、ｉ＝０に初期化し、ＳＴ１８０２では、サブベクトルｓｖ（ｉ）のコードブック指示を復号し、ＳＴ１８０３では、残りのビット数を計算する。
　ＳＴ１８０４では、すべてのサブベクトルが復号される前に残りのビット数が０になる場合は、以降の処理を行わず、復号工程を終了する。一方、すべての他のサブベクトルが復号された後に残りのビット数が０より大きい場合は、ＳＴ１８０５に移行する。
　ＳＴ１８０５では、ｉがサブベクトル数Ｎｓｖから１減算した値より小さい（ｉ＜Ｎｓｖ－１）かどうかを調べ、小さい場合にはＳＴ１８０６においてｉをインクリメントしてＳＴ１８０２に戻り、ｉ≧Ｎｓｖ－１である場合にはＳＴ１８０７に移行する。
　ＳＴ１８０７では、コードブック指示が変換されたサブベクトルのコードブック指示を推定する。すなわち、推定コードブック指示ｃｂ’ｍａｘを計算する。
　ＳＴ１８０８では、実際のコードブック指示と推定コードブック指示との差分ｃｂｄｉｆｆを復号する。
　ＳＴ１８０９では、推定コードブック指示と差分を加算することにより、復号されたコードブック指示を計算する。
　ＳＴ１８１０では、復号されたコードブック指示を所定の閾値と比較し、復号されたコードブック指示が閾値より大きい場合は、ＳＴ１８１１に移行し、復号されたコードブック指示が閾値以下の場合は、ＳＴ１８１２に移行する。
　ＳＴ１８１１では、コードブック指示が最も多くのビットを消費するサブベクトルの位置を復号する。
　ＳＴ１８１０において、復号されたコードブック指示が閾値以下の場合は、ＳＴ１８１２において、ｃｂｍａｘを所定のサブベクトル、例えば、最後のサブベクトルに割り当てる（ｃｂｌａｓｔ＝ｃｂｍａｘ）。
　この実施の形態では、デコーダ側で各サブベクトルが復号された後に残るビット数の情報を利用することにより、フラグ情報を用いずに、ｃｂｄｉｆｆの値が正になる問題を解決する。
　（実施の形態８）
　この実施の形態では、本発明の新規の方法が、元となった分割マルチレート格子ＶＱ法よりも多くのビットを消費する可能性を防ぐための発想を説明する。
　実施の形態１、実施の形態２および実施の形態３で提案した構成では、未使用ビット数がかなり多い場合には、本発明の新規の方法のビット消費が従来の方法よりも多くなる可能性がある。非特許文献５では、ビットの使用量が割り振られたビット数より少ない場合があることも述べられている。式（６）に示すように、Ｂｉｔｓｃｂｍａｘ＜Ｂｉｔｓｐｏｓｉｔｉｏｎ＿ｃｂｍａｘ＋Ｂｉｔｓｃｂｄｉｆｆfの場合は、本発明の新規の方法のビット消費が従来の方法より多くなり、多数の未使用ビットがあると、ｃｂｄｉｆｆの値が大きくなり、したがってその消費ビット数も多くなり、本発明の新規の方法のビット消費が従来の方法より多くなる可能性がある。この実施の形態ではこの問題を防止するための発想を提案する。
　この発想は、割り振られたビットをすべてベクトル量子化で利用するというものである。可能な方式の１つは、未使用ビットを利用して最大のエネルギーを有するサブベクトルのコードブック番号を増大させるものであり、別の可能な方式は、未使用ビットを利用して、零ベクトルとして符号化されるサブベクトルを符号化するものである。
　エンコーダ側において、推定総ゲインでビット消費を推定した後に未使用ビット数を計算し、最も大きなエネルギーを有するサブベクトル、または零ベクトルとして符号化されるサブベクトルに、未使用ビットを配分する。元となった分割マルチレート格子ＶＱのフローチャートを図２１に示し、本発明が提案する方法のフローチャートを図２２に示す。
　図２２において、ＳＴ１９０１では、スペクトルを８次元のサブベクトルに分割し、ＳＴ１９０２では、総ゲインｇを推定する。
　ＳＴ１９０３では、推定した総ゲインｇを使用してサブベクトルを正規化し、ＳＴ１９０４では、正規化したサブベクトルをＲＥ８格子に量子化する。
　ＳＴ１９０５では、コードブック指示およびコードベクトルインデックスを計算し、ＳＴ１９０６では、合計消費ビット数Ｎ’ｂｉｔｓを計算する。
　ＳＴ１９０７では、未使用ビット数を計算し、ＳＴ１９０８では、最大のエネルギーを有するサブベクトル（選択されたサブベクトル）に未使用ビットを配分し、この選択されたサブベクトルのコードブックおよびコードベクトルを更新する。
　この実施の形態では、未使用ビットを選択されたサブベクトルに配分することにより、２つの技術的利益が得られる。１つは、割り振られたビットの大半が現在のフレームのサブベクトルの符号化に利用されることである。２つ目は、差分値ｃｂｄｉｆｆが非常に小さくなり、そのため、差分値の符号化に使用されるビット数が減ることである。その結果、より多くのビットが節減される。
　２０１２年２月１０日出願の特願２０１２－０２７７０２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。
　本発明にかかる音響／音声符号化装置、音響／音声復号装置、音響／音声符号化方法および音響／音声復号方法は、移動通信システムのワイヤレス通信端末装置、基地局装置、遠隔会議端末装置、テレビ会議端末装置、およびボイスオーバーインターネットプロトコル（ＶｏＩＰ）端末装置に適用することができる。
　１４０１、１５０５、１６０３　Ｔ／Ｆ変換部
　１４０２　音響心理学的モデル解析部
　１４０３、１５０６、１６０４　分割マルチレート格子ＶＱ部
　１４０４、１４０７、１５０７、１５１０、１６０５、１６０８　コードブック指示変換部
　１４０５、１５０８、１６０６　多重化部
　１４０６、１５０９、１６０７　逆多重化部
　１４０８、１５１１、１６０９　分割マルチレート格子ＶＱ－１部
　１４０９、１５１２、１６１０　Ｆ／Ｔ変換部
　１５０１　ＬＰＣ解析部
　１５０２　量子化部
　１５０３、１５１３　逆量子化部
　１５０４　ＬＰＣ逆フィルタ
　１５１４　ＬＰＣ合成フィルタ
　１６０１　ＣＥＬＰエンコーダ
　１６０２　ＣＥＬＰローカルデコーダ
　１６１１　ＣＥＬＰデコーダ

Claims (11)

  1. 　時間領域入力信号を周波数スペクトルに変換する時間周波数領域変換部と、
    　前記周波数スペクトルの入力信号をサブバンドに分割し、サブバンドに分割した入力信号を量子化して、コードブック指示を生成するベクトル量子化部と、
    　前記コードブック指示を変換するコードブック指示変換部と、
    　を具備し、
    　前記コードブック指示変換部は、
    　前記コードブック指示が最も多くのビットを消費するサブベクトルの位置を特定し、特定した位置、および、最も多くのビットを消費するサブベクトル以外のすべてのサブベクトルのコードブック指示を符号化し、
    　前記コードブック指示が最も多くのビットを消費するコードブックを推定し、
    　実際のコードブック指示と推定されたコードブック指示との差分を符号化する、
    　音響／音声符号化装置。
  2. 　前記コードブック指示変換部は、前記コードブック指示が前記閾値より大きい場合、
    　前記コードブック指示が最も多くのビットを消費するサブベクトル以外のすべてのサブベクトルのコードブック指示を符号化し、
    　利用可能な総ビット数および他のサブベクトルのビット使用状況の情報に基づいて、最も多くのビットを消費するコードブック指示を推定し、
    　実際のコードブック指示と推定されたコードブック指示との差分と、前記コードブック指示が最も多くのビットを消費するサブベクトルの位置とを符号化する、
    　請求項１に記載の音響／音声符号化装置。
  3. 　前記コードブック指示変換部は、前記コードブック指示が前記閾値以下である場合、
    　所定のサブバンド以外のすべてのサブバンドのコードブック指示を符号化し、
    　利用可能な総ビット数および他のサブベクトルのビット使用状況の情報に基づいて、前記所定のサブバンドのコードブック指示を推定し、
    　実際のコードブック指示と推定されたコードブック指示との差分を符号化する、
    　請求項１に記載の音響／音声符号化装置。
  4. 　前記コードブック指示変換部は、総消費ビット数が割り振られた総ビット数より大きい場合、
    　残りのビットがなくなるまで前記サブベクトルのコードブック指示を符号化する、
    　請求項１に記載の音響／音声符号化装置。
  5. 　前記コードブック指示変換部は、
    　最も大きなエネルギーを有するサブベクトルに未使用ビットを配分し、前記未使用ビットを配分したサブベクトルのコードブックおよびコードベクトルを更新する、
    　請求項２に記載の音響／音声符号化装置。
  6. 　前記コードブック指示変換部は、
    　零ベクトルとして符号化されるサブベクトルに前記未使用ビットを配分し、前記未使用ビットを配分したサブベクトルのコードブックおよびコードベクトルを更新する、
    　請求項２に記載の音響／音声符号化装置。
  7. 　音響／音声符号化装置によって符号化されたコードブック指示が最も多くのビットを消費するサブベクトルの位置を復号し、最も多くのビットを消費するサブベクトル以外のすべてのサブベクトルのコードブック指示を復号し、前記コードブック指示が最も多くのビットを消費するコードブック指示を推定し、実際のコードブック指示と推定したコードブック指示との差分を復号し、推定した前記コードブック指示に復号した前記差分を加算してコードブック指示を復号するコードブック指示変換部と、
    　復号された前記コードブック指示を含む各サブベクトルのスペクトル係数を逆量子化するベクトル逆量子化部と、
    　前記逆量子化されたスペクトル係数を時間領域に変換する周波数時間領域変換部と、
    　を具備する音響／音声復号装置。
  8. 　前記コードブック指示変換部は、
    　サブベクトルのコードブック指示を順次復号し、すべてのサブベクトルのコードブック指示が復号される前に残りのビット数が０より大きい場合、利用可能な総ビット数と他のサブベクトルのビット使用状況に基づいて、前記音響／音声符号化装置によって符号化されたコードブック指示を推定し、前記残りのビット数が０になる場合、復号処理を終了する、
    　請求項７に記載の音響／音声復号装置。
  9. 　前記コードブック指示変換部は、
    　復号された前記コードブック指示が所定の閾値より大きい場合、サブベクトルの位置を復号し、復号された前記コードブック指示を対応するサブベクトルに割り当て、
    　復号された前記コードブック指示が前記閾値以下である場合、復号された前記コードブック指示を所定のサブバンドに割り当てる、
    　請求項８に記載の音響／音声復号装置。
  10. 　時間領域入力信号を周波数スペクトルに変換する時間周波数領域変換工程と、
    　前記周波数スペクトルの入力信号をサブバンドに分割し、サブバンドに分割した入力信号を量子化して、コードブック指示を生成するベクトル量子化工程と、
    　前記コードブック指示を変換するコードブック指示変換工程と、
    　を具備し、
    　前記コードブック指示変換工程は、
    　前記コードブック指示が最も多くのビットを消費するサブベクトルの位置を特定し、特定した位置、および、最も多くのビットを消費するサブベクトル以外のすべてのサブベクトルのコードブック指示を符号化し、
    　前記コードブック指示が最も多くのビットを消費するコードブックを推定し、
    　実際のコードブック指示と推定されたコードブック指示との差分を符号化する、
    　音響／音声符号化方法。
  11. 　音響／音声符号化装置によって符号化されたコードブック指示が最も多くのビットを消費するサブベクトルの位置を復号し、最も多くのビットを消費するサブベクトル以外のすべてのサブベクトルのコードブック指示を復号し、前記コードブック指示が最も多くのビットを消費するコードブック指示を推定し、実際のコードブック指示と推定したコードブック指示との差分を復号し、推定した前記コードブック指示に復号した前記差分を加算してコードブック指示を復号するコードブック指示変換工程と、
    　復号された前記コードブック指示を含む各サブベクトルのスペクトル係数を逆量子化するベクトル逆量子化工程と、
    　前記逆量子化されたスペクトル係数を時間領域に変換する周波数時間領域変換工程と、
    　を具備する音響／音声復号方法。
PCT/JP2013/000550 2012-02-10 2013-02-01 音響／音声符号化装置、音響／音声復号装置、音響／音声符号化方法および音響／音声復号方法 WO2013118476A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
US14/376,501 US9454972B2 (en) 2012-02-10 2013-02-01 Audio and speech coding device, audio and speech decoding device, method for coding audio and speech, and method for decoding audio and speech
EP13747107.4A EP2814028B1 (en) 2012-02-10 2013-02-01 Audio and speech coding device, audio and speech decoding device, method for coding audio and speech, and method for decoding audio and speech

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2012-027702 2012-02-10
JP2012027702 2012-02-10

Publications (1)

Publication Number Publication Date
WO2013118476A1 true WO2013118476A1 (ja) 2013-08-15

Family

ID=48947247

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2013/000550 WO2013118476A1 (ja) 2012-02-10 2013-02-01 音響／音声符号化装置、音響／音声復号装置、音響／音声符号化方法および音響／音声復号方法

Country Status (4)

Country Link
US (1) US9454972B2 (ja)
EP (1) EP2814028B1 (ja)
JP (1) JPWO2013118476A1 (ja)
WO (1) WO2013118476A1 (ja)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113766237A (zh) * 2021-09-30 2021-12-07 咪咕文化科技有限公司 一种编码方法、解码方法、装置、设备及可读存储介质
WO2021256082A1 (ja) * 2020-06-18 2021-12-23 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 符号化装置、復号装置、符号化方法、及び、復号方法
WO2022201632A1 (ja) * 2021-03-23 2022-09-29 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 符号化装置、復号装置、符号化方法、及び、復号方法
WO2023100494A1 (ja) * 2021-12-01 2023-06-08 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 符号化装置、復号装置、符号化方法、及び、復号方法

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2643452C2 (ru) 2012-12-13 2018-02-01 Фраунхофер-Гезелльшафт Цур Фердерунг Дер Ангевандтен Форшунг Е.Ф. Устройство кодирования аудио/голоса, устройство декодирования аудио/голоса, способ кодирования аудио/голоса и способ декодирования аудио/голоса
TWM487509U (zh) 2013-06-19 2014-10-01 杜比實驗室特許公司 音訊處理設備及電子裝置
US9418671B2 (en) * 2013-08-15 2016-08-16 Huawei Technologies Co., Ltd. Adaptive high-pass post-filter
EP3044876B1 (en) 2013-09-12 2019-04-10 Dolby Laboratories Licensing Corporation Dynamic range control for a wide variety of playback environments

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005528839A (ja) * 2002-05-31 2005-09-22 ヴォイスエイジ・コーポレーション 信号のマルチレートによる格子ベクトル量子化の方法とシステム
JP2007525707A (ja) * 2004-02-18 2007-09-06 ヴォイスエイジ・コーポレーション Ａｃｅｌｐ／ｔｃｘに基づくオーディオ圧縮中の低周波数強調の方法およびデバイス
WO2012004998A1 (ja) * 2010-07-06 2012-01-12 パナソニック株式会社 スペクトル係数コーディングの量子化パラメータを効率的に符号化する装置及び方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6370502B1 (en) * 1999-05-27 2002-04-09 America Online, Inc. Method and system for reduction of quantization-induced block-discontinuities and general purpose audio codec
US20070147518A1 (en) 2005-02-18 2007-06-28 Bruno Bessette Methods and devices for low-frequency emphasis during audio compression based on ACELP/TCX
US8515767B2 (en) 2007-11-04 2013-08-20 Qualcomm Incorporated Technique for encoding/decoding of codebook indices for quantized MDCT spectrum in scalable speech and audio codecs
CN102081927B (zh) * 2009-11-27 2012-07-18 中兴通讯股份有限公司 一种可分层音频编码、解码方法及系统
US9786292B2 (en) * 2011-10-28 2017-10-10 Panasonic Intellectual Property Corporation Of America Audio encoding apparatus, audio decoding apparatus, audio encoding method, and audio decoding method

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005528839A (ja) * 2002-05-31 2005-09-22 ヴォイスエイジ・コーポレーション 信号のマルチレートによる格子ベクトル量子化の方法とシステム
JP2007525707A (ja) * 2004-02-18 2007-09-06 ヴォイスエイジ・コーポレーション Ａｃｅｌｐ／ｔｃｘに基づくオーディオ圧縮中の低周波数強調の方法およびデバイス
WO2012004998A1 (ja) * 2010-07-06 2012-01-12 パナソニック株式会社 スペクトル係数コーディングの量子化パラメータを効率的に符号化する装置及び方法

Non-Patent Citations (10)

* Cited by examiner, † Cited by third party
Title
"Extended AMR Wideband Speech Codec (AMR-WB+", 3GPP TS 26.290
"G.729-based embedded variable bit-rate coder: An 8-32kbit/s scalable wideband coder bitstream interoperable with G.729", ITU-T RECOMMENDATION G.729.1, 2007
KARL HEINZ BRANDENBURG: "MP3 and AAC Explained", AES 1 INTERNATIONAL CONFERENCE, September 1999 (1999-09-01)
LEFEBVRE ET AL.: "High quality coding of wideband audio signals using transform coded excitation (TCX", IEEE INTERNATIONAL CONFERENCE ON ACOUSTICS, SPEECH, AND SIGNAL PROCESSING, vol. 1, April 1994 (1994-04-01), pages 1,193 - 1,196
M. XIE; J.-P. ADOUL: "Embedded algebraic vector quantization (EAVQ) with application to wideband audio coding", IEEE INTERNATIONAL CONFERENCE ON ACOUSTICS, SPEECH, AND SIGNAL PROCESSING (ICASSP, vol. 1, 1996, pages 240 - 243
M.XIE ET AL.: "Embedded algebraic vector quantizers (EAVQ) with application to wideband speech coding", PROCEEDINGS OF THE 1996 IEEE INTERNATIONAL CONFERENCE ON ACOUSTICS, SPEECH AND SIGNAL PROCESSING (ICASSP'96), vol. I, May 1996 (1996-05-01), pages 240 - 243, XP002252600 *
S. RAGOT; B. BESSETTE; R. LEFEBVRE: "Low-complexity Multi-Rate Lattice Vector Quantization with Application to Wideband TCX Speech Coding at 32kbit/s", PROC. IEEE INTERNATIONAL CONFERENCE ON ACOUSTICS, SPEECH, AND SIGNAL PROCESSING (ICASSP, vol. 1, May 2004 (2004-05-01), pages 501 - 504, XP010717675, DOI: doi:10.1109/ICASSP.2004.1326032
S.RAGOT ET AL.: "Low-complexity multi-rate lattice vector quantization with application to wideband TCX speech coding at 32kbit/s", PROCEEDINGS OF THE 2004 IEEE INTERNATIONAL CONFERENCE ON ACOUSTICS, SPEECH AND SIGNAL PROCESSING (ICASSP'04), vol. I, May 2004 (2004-05-01), pages 501 - 504, XP010717675 *
See also references of EP2814028A4 *
T. VAILLANCOURT ET AL.: "ITU-T EV-VBR: A Robust 8-32 kbit/s Scalable Coder for Error Prone Telecommunication Chamiels", PROC. EUSIPCO, August 2008 (2008-08-01)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021256082A1 (ja) * 2020-06-18 2021-12-23 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 符号化装置、復号装置、符号化方法、及び、復号方法
WO2022201632A1 (ja) * 2021-03-23 2022-09-29 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 符号化装置、復号装置、符号化方法、及び、復号方法
CN113766237A (zh) * 2021-09-30 2021-12-07 咪咕文化科技有限公司 一种编码方法、解码方法、装置、设备及可读存储介质
WO2023100494A1 (ja) * 2021-12-01 2023-06-08 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 符号化装置、復号装置、符号化方法、及び、復号方法

Also Published As

Publication number Publication date
EP2814028A4 (en) 2015-05-06
EP2814028B1 (en) 2016-08-17
US20150025879A1 (en) 2015-01-22
JPWO2013118476A1 (ja) 2015-05-11
EP2814028A1 (en) 2014-12-17
US9454972B2 (en) 2016-09-27

Similar Documents

Publication Publication Date Title
WO2013118476A1 (ja) 音響／音声符号化装置、音響／音声復号装置、音響／音声符号化方法および音響／音声復号方法
CA2923218C (en) Adaptive bandwidth extension and apparatus for the same
JP5357055B2 (ja) 改良形デジタルオーディオ信号符号化／復号化方法
KR101139172B1 (ko) 스케일러블 음성 및 오디오 코덱들에서 양자화된 ｍｄｃｔ 스펙트럼에 대한 코드북 인덱스들의 인코딩/디코딩을 위한 기술
JP5695074B2 (ja) 音声符号化装置および音声復号化装置
CN105679327B (zh) 用于对音频信号进行编码和解码的方法及设备
TWI619116B (zh) 產生帶寬延伸訊號的裝置及方法、及非暫時性電腦可讀記錄媒體
JP6980871B2 (ja) 信号符号化方法及びその装置、並びに信号復号方法及びその装置
EP2772912B1 (en) Audio encoding apparatus, audio decoding apparatus, audio encoding method, and audio decoding method
JP2015172779A (ja) オーディオ及び／またはスピーチ信号符号化及び／または復号化方法及び装置
JP5629319B2 (ja) スペクトル係数コーディングの量子化パラメータを効率的に符号化する装置及び方法
JP5863765B2 (ja) 符号化方法および装置、そして、復号化方法および装置
JP2014513813A (ja) 適応的な利得−シェイプのレート共用
WO2009022193A2 (en) Devices, methods and computer program products for audio signal coding and decoding
US20100280830A1 (en) Decoder
KR102148407B1 (ko) 소스 필터를 이용한 주파수 스펙트럼 처리 장치 및 방법

Legal Events

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

Ref document number: 13747107

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2013557416

Country of ref document: JP

Kind code of ref document: A

REEP Request for entry into the european phase

Ref document number: 2013747107

Country of ref document: EP

WWE Wipo information: entry into national phase

Ref document number: 14376501

Country of ref document: US

Ref document number: 2013747107

Country of ref document: EP

NENP Non-entry into the national phase

Ref country code: DE