WO2014091694A1 - 音声音響符号化装置、音声音響復号装置、音声音響符号化方法及び音声音響復号方法 - Google Patents

音声音響符号化装置、音声音響復号装置、音声音響符号化方法及び音声音響復号方法 Download PDF

Info

Publication number
WO2014091694A1
WO2014091694A1 PCT/JP2013/006948 JP2013006948W WO2014091694A1 WO 2014091694 A1 WO2014091694 A1 WO 2014091694A1 JP 2013006948 W JP2013006948 W JP 2013006948W WO 2014091694 A1 WO2014091694 A1 WO 2014091694A1
Authority
WO
WIPO (PCT)
Prior art keywords
group
energy
bits
envelope
subband
Prior art date
Application number
PCT/JP2013/006948
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
Priority to EP17173916.2A priority Critical patent/EP3232437B1/en
Priority to ES13862073.7T priority patent/ES2643746T3/es
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 JP2014551851A priority patent/JP6535466B2/ja
Priority to EP18202397.8A priority patent/EP3457400B1/en
Priority to CN201380063794.XA priority patent/CN104838443B/zh
Priority to EP13862073.7A priority patent/EP2933799B1/en
Priority to MX2015006161A priority patent/MX341885B/es
Priority to BR112015013233A priority patent/BR112015013233B8/pt
Priority to KR1020157016672A priority patent/KR102200643B1/ko
Priority to RU2015121716A priority patent/RU2643452C2/ru
Priority to PL17173916T priority patent/PL3232437T3/pl
Priority to PL13862073T priority patent/PL2933799T3/pl
Priority to US14/650,093 priority patent/US9767815B2/en
Publication of WO2014091694A1 publication Critical patent/WO2014091694A1/ja
Priority to US15/673,957 priority patent/US10102865B2/en
Priority to US16/141,934 priority patent/US10685660B2/en

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
    • G10L19/035—Scalar quantisation
    • 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
    • G10L19/0204—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 using subband decomposition
    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
    • H03M7/00—Conversion of a code where information is represented by a given sequence or number of digits to a code where the same, similar or subset of information is represented by a different sequence or number of digits
    • H03M7/30—Compression; Expansion; Suppression of unnecessary data, e.g. redundancy reduction

Definitions

  • the present invention relates to a speech / acoustic encoding apparatus, a speech / acoustic decoding apparatus, a speech / acoustic encoding method, and a speech / acoustic decoding method using a transform encoding method.
  • ITU-T International Telecommunication Union Telecommunication Standardization Sector
  • conversion encoding conversion encoding
  • transform coding uses time-frequency transform such as discrete cosine transform (DCT: Discrete Cosine Transform) or modified discrete cosine transform (MDCT: Modified Discrete Cosine Transform) to convert the input signal from time domain to frequency domain. It is an encoding method that converts the signal so that the signal can be accurately mapped to the auditory characteristic.
  • DCT discrete cosine transform
  • MDCT Modified Discrete Cosine Transform
  • spectral coefficients are divided into a plurality of frequency subbands.
  • the overall sound quality can be improved by assigning more quantized bits to bands that are perceptually important to the human ear.
  • Non-Patent Document 1 a technique disclosed in Non-Patent Document 1 is known.
  • the bit allocation method disclosed in Patent Document 1 will be described with reference to FIGS. 1 and 2.
  • FIG. 1 is a block diagram showing a configuration of a speech acoustic coding apparatus disclosed in Patent Document 1.
  • An input signal sampled at 48 kHz is input to the transient detector 11 and the conversion unit 12 of the speech acoustic coding apparatus.
  • the transient detector 11 detects, from the input signal, either a transient frame corresponding to the beginning or end of speech or a stationary frame corresponding to other speech sections, and the conversion unit 12 detects the transient detector 11. Depending on whether the detected frame is a transient frame or a steady frame, a high frequency resolution conversion or a low frequency resolution conversion is applied to the frame of the input signal to obtain a spectral coefficient (or conversion coefficient).
  • the norm estimation unit 13 divides the spectrum coefficient obtained by the conversion unit 12 into bands having different bandwidths. Further, the norm estimation unit 13 estimates the norm (or energy) of each divided band.
  • the norm quantization unit 14 Based on the norm of each band estimated by the norm estimation unit 13, the norm quantization unit 14 obtains a spectrum envelope composed of the norms of all the bands, and quantizes the obtained spectrum envelope.
  • the spectrum normalization unit 15 normalizes the spectrum coefficient obtained by the conversion unit 12 with the norm quantized by the norm quantization unit 14.
  • the norm adjustment unit 16 adjusts the norm quantized by the norm quantization unit 14 based on adaptive spectrum weighting.
  • the bit allocation unit 17 allocates usable bits for each band in the frame using the quantization norm adjusted by the norm adjustment unit 16.
  • the lattice vector encoding unit 18 performs lattice vector encoding on the spectrum coefficient normalized by the spectrum normalization unit 15 with the bits allocated for each band by the bit allocation unit 17.
  • the noise level adjustment unit 19 estimates the level of the spectrum coefficient before encoding in the lattice vector encoding unit 18 and encodes the estimated level. Thereby, the noise level adjustment index is obtained.
  • the multiplexer 20 is a frame configuration of the input signal acquired by the conversion unit 12, that is, a transient signal flag indicating whether the frame is a stationary frame or a transient frame, a norm quantized by the norm quantization unit 14, and a lattice vector encoding
  • the lattice code vector obtained by the unit 18 and the noise level adjustment index obtained by the noise level adjustment unit 19 are multiplexed to form a bit stream, and the bit stream is transmitted to the audio-acoustic decoding apparatus.
  • FIG. 2 is a block diagram showing a configuration of the audio-acoustic decoding apparatus disclosed in Patent Document 1.
  • the bit stream transmitted from the audio / acoustic encoder is received by the audio / acoustic decoder and demultiplexed by the demultiplexer 21.
  • the norm inverse quantization unit 22 inversely quantizes the quantized norm to obtain a spectrum envelope composed of norms of all bands, and the norm adjustment unit 23 performs a norm dequantized by the norm inverse quantization unit 22 Are adjusted based on the adaptive spectral weighting.
  • the bit allocation unit 24 allocates usable bits for each band in the frame using the norm adjusted by the norm adjustment unit 23. That is, the bit allocation unit 24 recalculates the bit allocation that is essential for decoding the lattice vector code of the normalized spectral coefficient.
  • the lattice decoding unit 25 decodes the transient signal flag, decodes the lattice code vector based on the frame configuration indicated by the decoded transient signal flag, and the bits allocated by the bit allocation unit 24, and obtains the spectrum coefficient. .
  • the spectrum fill generator 26 regenerates low-frequency spectral coefficients to which no bits have been allocated, using a codebook created based on the spectral coefficients decoded by the lattice decoding unit 25.
  • the spectral fill generator 26 adjusts the level of the regenerated spectral coefficient using the noise level adjustment index.
  • the spectral fill generator 26 regenerates the high frequency uncoded spectral coefficients using the low frequency encoded spectral coefficients.
  • the adder 27 combines the decoded spectral coefficient and the regenerated spectral coefficient to generate a normalized spectral coefficient.
  • the envelope forming unit 28 applies the spectrum envelope dequantized by the norm inverse quantization unit 22 to the normalized spectral coefficient generated by the adder 27 to generate a full band spectral coefficient.
  • the inverse transform unit 29 applies an inverse transform such as an inverse modified discrete cosine transform (IMDCT) to the full band spectrum coefficient generated by the envelope shaping unit 28 to convert it into a time domain signal.
  • IMDCT inverse modified discrete cosine transform
  • inverse transformation with high frequency resolution is applied in the case of a steady frame
  • inverse transformation with low frequency resolution is applied in the case of a transient frame.
  • the spectral coefficients are divided into spectral groups. Each spectral group is divided into equal length sub-vector bands as shown in FIG. Subvectors have different lengths between groups, and this length increases with increasing frequency. Regarding the resolution of conversion, a higher frequency resolution is used at a low frequency, and a lower frequency resolution is used at a high frequency. G. As described at 719, grouping allows efficient use of the bit budget available during encoding.
  • bit allocation method is the same in the encoding device and the decoding device. Here, the bit allocation method will be described with reference to FIG.
  • step (hereinafter abbreviated as “ST”) 31 the quantized norm is adjusted before bit allocation in order to adjust the psychoacoustic weighting and masking effect.
  • a subband having the maximum norm among all subbands is identified, and in ST33, 1 bit is assigned to each spectrum coefficient in the subband having the maximum norm. That is, as many bits as the number of spectral coefficients are allocated.
  • the norm is decreased according to the allocated bits, and in ST35, it is determined whether or not the remaining number of allocatable bits is 8 bits or more. If the remaining allocatable bit number is 8 bits or more, the process returns to ST32. If the remaining allocatable bit number is less than 8 bits, the bit allocation procedure is terminated.
  • the bit allocation method allocates usable bits in a frame between subbands using the adjusted quantization norm. Then, the normalized spectrum coefficient is encoded by lattice vector encoding with bits assigned to each subband.
  • bit allocation method has a problem that since the input signal characteristics are not considered when spectrum bands are grouped, efficient bit allocation cannot be performed and further improvement in sound quality cannot be expected.
  • An object of the present invention is to provide a speech / acoustic encoding device, a speech / acoustic decoding device, a speech / acoustic encoding method, and a speech / acoustic decoding method that perform efficient bit allocation and improve sound quality.
  • the speech acoustic coding apparatus includes an energy envelope representing an energy level for each of a plurality of subbands obtained by dividing a frequency spectrum of the input signal, and a conversion unit that converts an input signal from a time domain to a frequency domain.
  • Estimating means for estimating a line; quantizing means for quantizing the energy envelope; group determining means for grouping the quantized energy envelope into a plurality of groups; and assigning bits to the plurality of groups
  • the frequency spectrum is encoded using first bit allocation means, second bit allocation means for assigning bits assigned to the plurality of groups to subbands for each group, and bits assigned to the subbands. And a coding means.
  • the audio-acoustic decoding apparatus includes an inverse quantization unit that inversely quantizes a quantized spectrum envelope, a group determination unit that groups the quantized spectrum envelope into a plurality of groups, and the plurality First bit allocating means for allocating bits to a plurality of groups, second bit allocating means for allocating bits allocated to the plurality of groups to subbands for each group, and using the bits allocated to the subbands.
  • Decoding means for decoding the frequency spectrum of the acoustic signal; envelope decoding means for reproducing the decoded spectrum by applying the spectrum envelope dequantized to the decoded frequency spectrum; and decoding the spectrum from the frequency domain
  • a reverse conversion means for performing reverse conversion to the time domain.
  • the speech acoustic coding method of the present invention converts an input signal from the time domain to the frequency domain, and estimates an energy envelope representing an energy level for each of a plurality of subbands obtained by dividing the frequency spectrum of the input signal. And quantizing the energy envelope, grouping the quantized energy envelope into a plurality of groups, assigning bits to the plurality of groups, and assigning the bits assigned to the plurality of groups to a subband for each group And the frequency spectrum is encoded using the bits allocated to the subband.
  • the audio-acoustic decoding method of the present invention performs inverse quantization on the quantized spectral envelopes, groups the quantized spectral envelopes into a plurality of groups, assigns bits to the plurality of groups, and the plurality of groups.
  • the bit assigned to the subband is assigned to each group, the frequency spectrum of the audio-acoustic signal is decoded using the bit assigned to the subband, and the quantized spectrum is dequantized to the decoded frequency spectrum.
  • An envelope was applied to reproduce the decoded spectrum, and the decoded spectrum was inversely transformed from the frequency domain to the time domain.
  • efficient bit allocation can be performed to improve sound quality.
  • voice acoustic encoding apparatus disclosed by patent document 1 The block diagram which shows the structure of the speech acoustic decoding apparatus disclosed by patent document 1
  • the figure which shows grouping of the spectrum coefficient in the steady mode disclosed by patent document 1 Flow chart showing bit allocation method disclosed in Patent Document 1
  • the block diagram which shows the structure of the speech acoustic decoding apparatus which concerns on one embodiment of this invention The block diagram which shows the internal structure of the bit allocation part shown in FIG.
  • FIG. 5 is a block diagram showing a configuration of speech acoustic coding apparatus 100 according to an embodiment of the present invention.
  • An input signal sampled at 48 kHz is input to the transient detector 101 and the conversion unit 102 of the speech acoustic coding apparatus 100.
  • the transient detector 101 detects, from the input signal, either a transient frame corresponding to the beginning or end of speech or a stationary frame corresponding to another speech section, and outputs the detection result to the conversion unit 102. .
  • the conversion unit 102 applies high-frequency resolution conversion or low-frequency resolution conversion to the frame of the input signal according to whether the detection result output from the transient detector 101 is a transient frame or a steady frame, and thereby applies a spectral coefficient (or conversion coefficient). ) Is output to the norm estimation unit 103 and the spectrum normalization unit 105.
  • the conversion unit 102 also outputs to the multiplexer 110 a frame configuration that is a detection result output from the transient detector 101, that is, a transient signal flag indicating whether the frame is a steady frame or a transient frame.
  • the norm estimation unit 103 divides the spectrum coefficient output from the conversion unit 102 into bands having different bandwidths, and estimates the norm (or energy) of each divided band.
  • the norm estimation unit 103 outputs the estimated norm of each band to the norm quantization unit 104.
  • the norm quantization unit 104 Based on the norm of each band output from the norm estimation unit 103, the norm quantization unit 104 obtains a spectrum envelope including the norms of all bands, quantizes the obtained spectrum envelope, and quantizes the spectrum envelope. The line is output to the spectrum normalization unit 105 and the norm adjustment unit 106.
  • Spectral normalization section 105 normalizes the spectral coefficient output from transform section 102 with the quantized spectral envelope output from norm quantization section 104, and outputs the normalized spectral coefficient to lattice vector encoding section 108. To do.
  • the norm adjustment unit 106 adjusts the quantized spectrum envelope output from the norm quantization unit 104 based on adaptive spectrum weighting, and outputs the adjusted quantized spectrum envelope to the bit allocation unit 107.
  • the bit allocation unit 107 allocates usable bits for each band in the frame, using the adjusted quantized spectral envelope output from the norm adjustment unit 106, and assigns the allocated bits to the lattice vector encoding unit 108. Output to. Details of the bit allocation unit 107 will be described later.
  • the lattice vector encoding unit 108 performs lattice vector encoding on the spectrum coefficient normalized by the spectrum normalization unit 105 with the bits allocated for each band by the bit allocation unit 107, and converts the lattice code vector into a noise level adjustment unit. 109 and the multiplexer 110.
  • the noise level adjustment unit 109 estimates the level of the spectrum coefficient before encoding in the lattice vector encoding unit 108, and encodes the estimated level. Thereby, the noise level adjustment index is obtained.
  • the noise level adjustment index is output to the multiplexer 110.
  • the multiplexer 110 includes a transient signal flag output from the conversion unit 102, a quantized spectral envelope output from the norm quantization unit 104, a lattice code vector output from the lattice vector encoding unit 108, and a noise level.
  • the noise level adjustment index output from the adjustment unit 109 is multiplexed to form a bit stream, and the bit stream is transmitted to the audio-acoustic decoding apparatus.
  • FIG. 6 is a block diagram showing the configuration of the audio-acoustic decoding apparatus 200 according to an embodiment of the present invention.
  • the bit stream transmitted from the speech acoustic encoding apparatus 100 is received by the speech acoustic decoding apparatus 200 and demultiplexed by the demultiplexer 201.
  • the norm inverse quantization unit 202 inversely quantizes the quantized spectral envelope output from the multiplexer (that is, the norm) to obtain a spectral envelope composed of norms of all bands, and adjusts the obtained spectral envelope to the norm.
  • the data is output to the unit 203.
  • the norm adjustment unit 203 adjusts the spectrum envelope output from the norm inverse quantization unit 202 based on the adaptive spectrum weighting, and outputs the adjusted spectrum envelope to the bit allocation unit 204.
  • the bit allocation unit 204 allocates usable bits for each band in the frame, using the spectrum envelope output from the norm adjustment unit 203. That is, the bit allocation unit 204 recalculates the bit allocation that is essential for decoding the normalized lattice coefficient lattice vector code.
  • the allocated bits are output to the lattice decoding unit 205.
  • the lattice decoding unit 205 decodes the lattice code vector output from the demultiplexer 201 based on the frame configuration indicated by the transient signal flag output from the demultiplexer 201 and the bits output from the bit allocation unit 204, Get spectral coefficients.
  • the spectral coefficient is output to the spectral fill generator 206 and the adder 207.
  • the spectrum fill generator 206 regenerates the low-frequency spectral coefficients to which no bits have been allocated, using a codebook created based on the spectral coefficients output from the lattice decoding unit 205. In addition, the spectrum fill generator 206 adjusts the level of the regenerated spectrum coefficient using the noise level adjustment index output from the demultiplexer 201. In addition, the spectral fill generator 206 regenerates the high frequency uncoded spectral coefficients using the low frequency encoded spectral coefficients. The low-frequency spectral coefficient whose level is adjusted and the regenerated high-frequency spectral coefficient are output to the adder 207.
  • the adder 207 combines the spectral coefficient output from the lattice decoding unit 205 and the spectral coefficient output from the spectral fill generator 206 to generate a normalized spectral coefficient, and generates the normalized spectral coefficient. Output to the envelope forming unit 208.
  • the envelope shaping unit 208 applies the spectrum envelope output from the norm inverse quantization unit 202 to the normalized spectral coefficient generated by the adder 207 to generate a full band spectral coefficient (corresponding to a decoded spectrum). To do.
  • the generated full band spectral coefficient is output to the inverse transform unit 209.
  • the inverse transform unit 209 applies an inverse transform such as inverse modified discrete cosine transform (IMDCT) to the full band spectrum coefficient output from the envelope shaping unit 208 to convert it into a time domain signal. Output the output signal.
  • IMDCT inverse modified discrete cosine transform
  • inverse transformation with high frequency resolution is applied in the case of a steady frame
  • inverse transformation with low frequency resolution is applied in the case of a transient frame.
  • bit allocation unit 107 Details of the bit allocation unit 107 described above will be described with reference to FIG. Note that since the bit allocation unit 107 of the speech acoustic coding apparatus 100 and the bit allocation unit 204 of the speech acoustic decoding apparatus 200 have the same configuration, only the bit allocation unit 107 will be described here, and the bit allocation unit 204 is described. Description of is omitted.
  • FIG. 7 is a block diagram showing an internal configuration of the bit allocation unit 107 shown in FIG.
  • the dominant frequency band identifying unit 301 Based on the quantized spectral envelope output from the norm adjusting unit 106, the dominant frequency band identifying unit 301 identifies and identifies the dominant frequency bands that are subbands in which the norm coefficient value in the spectrum has a maximum value.
  • the superior frequency band is output to the superior group determination units 302-1 to 302N, respectively.
  • the band having the maximum norm coefficient value among all the subbands is set as the dominant frequency band, or is determined in advance.
  • a band having a norm coefficient value exceeding a threshold calculated from the threshold value or the norm of all subbands may be considered as a dominant frequency band.
  • the superior group determining units 302-1 to 302N adaptively determine the group width according to the input signal characteristics with the superior frequency band output from the superior frequency band identifying unit 301 as the center. Specifically, the group width is defined as the group width until the down slope of the norm coefficient value on both sides centering on the dominant frequency band stops.
  • the superior group determination units 302-1 to 302N determine the frequency band included in the group width as the superior group, and output the determined superior group to the non-excellent group determination unit 303. When the dominant frequency band is at the edge (end of usable frequency), only one side of the downward gradient is included in the group.
  • the non-excellent group determination unit 303 determines a continuous subband other than the superior groups output from the superior group determination units 302-1 to 302N as a non-excellent group having no dominant frequency band.
  • the non-excellent group determination unit 303 outputs the superior group and the non-excellent group to the group energy calculation unit 304 and the norm variance calculation unit 306.
  • the group energy calculation unit 304 calculates the energy for each group for the superior group and the non-excellent group output from the non-excellent group determination unit 303, and outputs the calculated energy to the total energy calculation unit 305 and the group bit distribution unit 308. To do.
  • the energy for each group is calculated by the following equation (1).
  • the total energy calculation unit 305 adds all the energy for each group output from the group energy calculation unit 304 and calculates the total energy of all the groups.
  • the calculated total energy is output to the group bit distribution unit 308.
  • the total energy is calculated by the following equation (2).
  • Energy total is the total energy of all groups
  • N is the total number of groups in the spectrum
  • k is the index of the group
  • Energy (G (k)) is the energy of group k.
  • the norm variance calculation unit 306 calculates a norm variance for each group for the superior group and the non-excellent group output from the non-excellent group determination unit 303, and the calculated norm variance is used as the total norm variance calculation unit 307 and the group bit distribution unit. Output to 308.
  • the norm variance for each group is calculated by the following equation (3).
  • k is the group index
  • Norm var (G (k)) is the norm variance of group k
  • Norm max (G (k)) is the maximum norm coefficient value of group k
  • Norm min (G (k)) is Represents the minimum norm coefficient value of group k.
  • the total norm variance calculation unit 307 calculates the total norm variance of all groups based on the norm variance for each group output from the norm variance calculation unit 306.
  • the calculated total norm variance is output to group bit distribution section 308.
  • the total norm variance is calculated by the following equation (4).
  • Norm total represents the total norm variance of all groups
  • N represents the total number of groups in the spectrum
  • k represents the group index
  • Norm var (G (k)) represents the norm variance of group k.
  • the group bit distribution unit 308 (corresponding to the first bit allocation unit) is an energy for each group output from the group energy calculation unit 304, a total energy of all groups output from the total energy calculation unit 305, and a norm variance calculation unit. Based on the norm variance for each group output from 306 and the total norm variance for all groups output from the total norm variance calculation unit 307, bit allocation is performed for each group, and the bits allocated for each group are The data is output to the subband bit distribution unit 309. The bit allocated for each group is calculated by the following equation (5).
  • k is the index of the group
  • Bits (G (k)) is the number of bits allocated to group k
  • Bits total is the number of all available bits
  • scale1 is the percentage of bits allocated by energy
  • Energy ( G (k)) represents the energy of group k
  • Energy total represents the total energy of all groups
  • Normvar (G (k)) represents the norm variance of group k.
  • scale1 takes a value in the range of [0, 1], and adjusts the ratio of bits allocated by energy or norm variance.
  • the group bit allocation unit 308 allocates bits for each group, so that more bits can be allocated to the superior group and fewer bits can be allocated to the non-excellent group.
  • the perceptual importance of the group is determined by the energy and norm variance, and the superior group can be emphasized more.
  • Norm variance is consistent with masking theory and can be used to more accurately determine perceptual importance.
  • a subband bit allocation unit 309 (corresponding to the second bit allocation unit) allocates bits to the subbands in each group based on the bits for each group output from the group bit allocation unit 308, and subbands for each group.
  • the bits allocated to the band are output to the lattice vector encoding unit 108 as a bit allocation result.
  • perceptually more important subbands are allocated more bits, and perceptually less important subbands are allocated fewer bits.
  • the bit allocated to each subband in the group is calculated by the following equation (6).
  • Bits G (k) sb (i) is the bit assigned to subband i of group k
  • i is the subband index of group k
  • Bits (G (k)) is the bit assigned to group k
  • Energy (G (k)) represents the energy of group k
  • Norm (i) represents the norm coefficient value of subband i of group k.
  • the peak frequency band identifying unit 301 identifies the dominant frequency bands 9 and 20 based on the input quantized spectrum envelope (see FIG. 8B).
  • the same superior group is determined until the descending slope of the norm coefficient values on both sides centering on the dominant frequency bands 9 and 20 stops.
  • subbands 6 to 12 are determined as the superior group (group 2)
  • subbands 17 to 22 are determined as the superior group (group 4). (See FIG. 8 (c)).
  • non-excellent group determination unit 303 a continuous frequency band other than the superior group is determined as a non-excellent group having no dominant frequency band.
  • subbands 1 to 5 (group 1), subbands 13 to 16 (group 3), and subbands 23 to 25 (group 5) are determined as non-excellent groups, respectively (FIG. 8C). reference).
  • the quantized spectral envelopes are grouped into five groups: two dominant groups (groups 2, 4) and three non-dominant groups (groups 1, 3, 5).
  • Such a grouping method can adaptively determine the group width according to the input signal characteristics. Moreover, in this method, since quantized norm coefficients that can be used also in the speech acoustic decoding apparatus are used, it is not necessary to transmit additional information to the speech acoustic decoding apparatus.
  • the norm variance calculation unit 306 calculates a norm variance for each group.
  • the norm variance Energy var (G (2)) in group 2 in the example of FIG. 8 is shown in FIG.
  • a peak is comprised from the spectral component (dominant sound component) located in the dominant frequency of a speech sound signal. Peaks are perceptually very important.
  • the perceptual importance of the peak can be determined by the difference between the peak energy and the valley energy, that is, the norm variance. Theoretically, if a peak has enough energy compared to an adjacent frequency band, the peak should be encoded with a sufficient number of bits, and if encoded with an insufficient number of bits. , Mixed encoding noise becomes prominent, and sound quality deteriorates.
  • the valley is not composed of the dominant sound component of the audio-acoustic signal and is not perceptually important.
  • the dominant frequency band corresponds to the peak of the spectrum, and grouping the frequency bands includes the peak (a dominant group having the dominant frequency band) and the valley (the dominant frequency).
  • Non-excellent group without band the dominant frequency band
  • the group bit distribution unit 308 determines the perceptual importance of the peak. G.
  • the perceptual importance is determined only by energy.
  • the perceptual importance is determined by both energy and norm (energy) dispersion, and the perceptual importance thus determined is determined. Bits to be allocated to each group are determined based on importance.
  • the norm variance within the group is large, this means that the group is one of the peaks, the peak is perceptually more important, and the norm coefficient having the maximum value is accurately determined. Should be encoded. Therefore, more bits are allocated to the peak subband.
  • the norm variance within the group is very small, it means that this group is one of the valleys, and the valleys are not perceptually important and need not be encoded as accurately. For this reason, fewer bits are allocated to each subband of this group.
  • the dominant frequency band in which the norm coefficient value in the spectrum of the input speech acoustic signal has the maximum value is identified, and all the subbands are distinguished from the superior group including the dominant frequency band and the superior frequency band.
  • Group into non-excellent groups that do not include frequency bands allocate bits to each group based on the energy and norm variance for each group, and distribute the allocated bits to each group according to the ratio of norm to group energy Further allocation to each subband. As a result, many bits can be allocated to perceptually important groups and subbands, and efficient bit allocation can be performed. As a result, the sound quality can be improved.
  • the norm coefficient in this Embodiment represents subband energy, and is also called an energy envelope.
  • the audio-acoustic encoding apparatus, audio-acoustic decoding apparatus, audio-acoustic encoding method, and audio-acoustic decoding method according to the present invention are a radio communication terminal apparatus, a radio communication base station apparatus, a telephone conference terminal apparatus, a video conference terminal apparatus, and The present invention can be applied to a voice over internet protocol (VoIP) terminal device or the like.
  • 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)
  • Theoretical Computer Science (AREA)
  • Compression, Expansion, Code Conversion, And Decoders (AREA)

Abstract

　効率的なビット配分を行い、音質の向上を図る音声音響符号化装置、音声音響復号装置、音声音響符号化方法及び音声音響復号方法を提供する。卓越周波数バンド識別部（３０１）が、入力音声音響信号のスペクトル中のノルム係数値が極大値を有する卓越周波数バンドを識別し、卓越グループ決定部（３０２－１～３０２－Ｎ）および非卓越グループ決定部（３０３）が、全てのサブバンドを、卓越周波数バンドを含む卓越グループと卓越周波数バンドを含まない非卓越グループとにグループする。グループビット配分部（３０８）がグループ毎のエネルギーおよびノルム分散に基づいて、各グループにビットを配分し、サブバンドビット配分部（３０９）がグループ毎に配分されたビットをグループのエネルギーに対するノルムの割合に応じて各サブバンドにさらに配分する。

Description

音声音響符号化装置、音声音響復号装置、音声音響符号化方法及び音声音響復号方法
　本発明は、変換符号化方式を用いた音声音響符号化装置、音声音響復号装置、音声音響符号化方法及び音声音響復号方法に関する。
　０．０２－２０ｋＨｚ帯域のフルバンド（ＦＢ：Full band）の音声信号または音楽信号を効率的に符号化できる方式として、ＩＴＵ－Ｔ（International Telecommunication Union Telecommunication Standardization Sector）で規格化された技術がある。この技術では、入力信号を周波数領域に変換し、２０ｋＨｚまでの帯域を符号化している（変換符号化）。
　ここで、変換符号化は、離散コサイン変換（ＤＣＴ：Discrete Cosine Transform）または修正離散コサイン変換（ＭＤＣＴ：Modified Discrete Cosine Transform）等の時間周波数変換を使用して、入力信号を時間領域から周波数領域に変換し、信号を聴覚特性に正確に対応させてマッピングできるようにする符号化方式である。
　変換符号化においては、スペクトル係数が複数の周波数サブバンドに分割される。各サブバンドの符号化において、より多くの量子化ビットを、人の耳にとって知覚的に重要なバンドに割り当てることにより、音質を全体的に高めることができる。
　この目的を達成するために、効率的なビット割当方法が検討されており、例えば、非特許文献１に開示の技術が知られている。以下、特許文献１に開示のビット割当方法について図１および図２を用いて説明する。
　図１は、特許文献１に開示の音声音響符号化装置の構成を示すブロック図である。４８ｋＨｚでサンプリングされた入力信号が音声音響符号化装置の過渡検出器１１および変換部１２に入力される。
　過渡検出器１１は、入力信号から、音声の始端部または終端部に対応する過渡フレーム、またはそれ以外の音声区間に対応する定常フレームのいずれかを検出し、変換部１２は、過渡検出器１１によって検出されたフレームが過渡フレームか定常フレームかに応じて、高周波数分解能変換または低周波数分解能変換を入力信号のフレームに適用し、スペクトル係数（または変換係数）を取得する。
　ノルム推定部１３は、変換部１２によって得られたスペクトル係数を帯域幅の異なるバンドに分割する。また、ノルム推定部１３は、分割した各バンドのノルム（またはエネルギー）を推定する。
　ノルム量子化部１４は、ノルム推定部１３によって推定された各バンドのノルムに基づいて、全てのバンドのノルムからなるスペクトル包絡線を求め、求めたスペクトル包絡線を量子化する。
　スペクトル正規化部１５は、変換部１２によって得られたスペクトル係数を、ノルム量子化部１４によって量子化されたノルムによって正規化する。
　ノルム調整部１６は、ノルム量子化部１４によって量子化されたノルムを適応スペクトル重み付けに基づいて、調整する。
　ビット割当部１７は、ノルム調整部１６によって調整された量子化ノルムを用いて、フレーム内のバンド毎に使用可能なビットを割り当てる。
　格子ベクトル符号化部１８は、スペクトル正規化部１５によって正規化されたスペクトル係数を、ビット割当部１７によってバンド毎に割り当てられたビットで格子ベクトル符号化を行う。
　ノイズレベル調整部１９は、格子ベクトル符号化部１８における符号化前のスペクトル係数のレベルを推定し、推定したレベルを符号化する。これにより、ノイズレベル調整インデックスが求められる。
　マルチプレクサ２０は、変換部１２が取得した入力信号のフレーム構成、すなわち、定常フレームであるか過渡フレームであるかを示す過渡信号フラグ、ノルム量子化部１４によって量子化されたノルム、格子ベクトル符号化部１８によって得られた格子符号ベクトル、および、ノイズレベル調整部１９によって得られたノイズレベル調整インデックスを多重化してビットストリームを形成し、ビットストリームを音声音響復号装置に送信する。
　図２は、特許文献１に開示の音声音響復号装置の構成を示すブロック図である。音声音響符号化装置から送信されたビットストリームが音声音響復号装置において受信され、デマルチプレクサ２１によって逆多重化される。
　ノルム逆量子化部２２は、量子化されたノルムを逆量子化し、全てのバンドのノルムからなるスペクトル包絡線を求め、ノルム調整部２３は、ノルム逆量子化部２２によって逆量子化されたノルムを適応スペクトル重み付けに基づいて、調整する。
　ビット割当部２４は、ノルム調整部２３によって調整されたノルムを用いて、フレーム内のバンド毎に使用可能なビットを割り当てる。すなわち、ビット割当部２４は、正規化されたスペクトル係数の格子ベクトル符号を復号するために必須のビット割当を再計算する。
　格子復号部２５は、過渡信号フラグを復号し、復号した過渡信号フラグが示すフレーム構成、および、ビット割当部２４によって割り当てられたビットに基づいて、格子符号ベクトルを復号し、スペクトル係数を取得する。
　スペクトルフィル生成器２６は、格子復号部２５によって復号されたスペクトル係数に基づいて作成されるコードブックを用いて、ビットが配分されなかった低周波数のスペクトル係数を再生成する。また、スペクトルフィル生成器２６は、ノイズレベル調整インデックスを用いて、再生成されたスペクトル係数のレベルを調整する。さらに、スペクトルフィル生成器２６は、高周波数の符号化されていないスペクトル係数を、低周波数の符号化されたスペクトル係数を用いて再生成する。
　加算器２７は、復号されたスペクトル係数および再生成されたスペクトル係数を合わせて、正規化されたスペクトル係数を生成する。
　包絡線成形部２８は、加算器２７によって生成された正規化スペクトル係数に、ノルム逆量子化部２２によって逆量子化されたスペクトル包絡線を適用して、フルバンドスペクトル係数を生成する。
　逆変換部２９は、包絡線成形部２８によって生成されたフルバンドスペクトル係数に逆修正離散コサイン変換（ＩＭＤＣＴ：Inverse Modified Discrete Cosine Transform）などの逆変換を適用して、時間領域信号に変換する。ここでは、定常フレームの場合には高周波数分解能の逆変換が適用され、過渡フレームの場合には低周波数分解能の逆変換が適用される。
　Ｇ．７１９では、スペクトル係数がスペクトルグループに分割される。各スペクトルグループは、図３に示すように、等しい長さのサブベクトルのバンドに分割される。サブベクトルはグループ間で異なる長さを有し、この長さは周波数の増加とともに増加する。変換の分解能については、低周波数では、より高い周波数分解能を使用し、高周波数では、より低い周波数分解能を使用する。Ｇ．７１９で述べられているように、グループ化により、符号化中に使用可能なビットバジェットを効率的に使用できるようになる。
　また、Ｇ．７１９では、ビット割当方法が符号化装置および復号装置において同一である。ここで、ビット割当方法について図４を用いて説明する。
　図４に示すように、ステップ（以下、「ＳＴ」と省略する）３１では、心理音響重み付けおよびマスキング効果を調整するために、量子化されたノルムがビット割り当て前に調整される。
　ＳＴ３２では、全サブバンドのうち最大ノルムを有するサブバンドが識別され、ＳＴ３３では、最大ノルムを有するサブバンドにおいて、各スペクトル係数について１ビットが割り当てられる。すなわち、スペクトル係数の数だけビットが割り当てられる。
　ＳＴ３４では、割り当てたビットに応じて、ノルムを減少させ、ＳＴ３５では、残りの割当可能ビット数が８ビット以上であるか否かが判定される。残りの割当可能ビット数が８ビット以上のときには、ＳＴ３２に戻り、残りの割当可能ビット数が８ビット未満のときには、ビット割当手順を終了する。
　このように、ビット割当方法は、調整された量子化ノルムを用いて、フレーム内の使用可能なビットをサブバンド間で割り当てる。そして、正規化されたスペクトル係数が、各サブバンドに割り当てられたビットで格子ベクトル符号化によって符号化される。
　しかしながら、上記ビット割当方法では、スペクトルバンドをグループ化する際、入力信号特性を考慮していないため、効率的なビット配分を行うことができず、さらなる高音質化が望めないという問題がある。
　本発明の目的は、効率的なビット配分を行い、音質の向上を図る音声音響符号化装置、音声音響復号装置、音声音響符号化方法及び音声音響復号方法を提供することである。
　本発明の音声音響符号化装置は、入力信号を時間領域から周波数領域に変換する変換手段と、前記入力信号の周波数スペクトルが分割されてなる複数のサブバンドのそれぞれについて、エネルギーレベルを表すエネルギー包絡線を推定する推定手段と、前記エネルギー包絡線を量子化する量子化手段と、量子化された前記エネルギー包絡線を複数のグループにグループ化するグループ決定手段と、前記複数のグループにビットを割り当てる第１ビット割当手段と、前記複数のグループに割り当てられたビットをグループ毎にサブバンドに割り当てる第２ビット割当手段と、前記サブバンドに割り当てられたビットを用いて、前記周波数スペクトルを符号化する符号化手段と、を具備する構成を採る。
　本発明の音声音響復号装置は、量子化されたスペクトル包絡線を逆量子化する逆量子化手段と、量子化された前記スペクトル包絡線を複数のグループにグループ化するグループ決定手段と、前記複数のグループにビットを割り当てる第１ビット割当手段と、前記複数のグループに割り当てられたビットをグループ毎にサブバンドに割り当てる第２ビット割当手段と、前記サブバンドに割り当てられたビットを用いて、音声音響信号の周波数スペクトルを復号する復号手段と、復号された前記周波数スペクトルに逆量子化された前記スペクトル包絡線を適用し、復号スペクトルを再現する包絡線成形手段と、前記復号スペクトルを周波数領域から時間領域に逆変換する逆変換手段と、を具備する構成を採る。
　本発明の音声音響符号化方法は、入力信号を時間領域から周波数領域に変換し、前記入力信号の周波数スペクトルが分割されてなる複数のサブバンドのそれぞれについて、エネルギーレベルを表すエネルギー包絡線を推定し、前記エネルギー包絡線を量子化し、量子化された前記エネルギー包絡線を複数のグループにグループ化し、前記複数のグループにビットを割り当て、前記複数のグループに割り当てられたビットをグループ毎にサブバンドに割り当て、前記サブバンドに割り当てられたビットを用いて、前記周波数スペクトルを符号化するようにした。
　本発明の音声音響復号方法は、量子化されたスペクトル包絡線を逆量子化し、量子化された前記スペクトル包絡線を複数のグループにグループ化し、前記複数のグループにビットを割り当て、前記複数のグループに割り当てられたビットをグループ毎にサブバンドに割り当て、前記サブバンドに割り当てられたビットを用いて、音声音響信号の周波数スペクトルを復号し、復号された前記周波数スペクトルに逆量子化された前記スペクトル包絡線を適用し、復号スペクトルを再現し、前記復号スペクトルを周波数領域から時間領域に逆変換するようにした。
　本発明によれば、効率的なビット配分を行い、音質の向上を図ることができる。
特許文献１に開示の音声音響符号化装置の構成を示すブロック図 特許文献１に開示の音声音響復号装置の構成を示すブロック図 特許文献１に開示の定常モードにおけるスペクトル係数のグループ化を示す図 特許文献１に開示のビット割当方法を示すフロー図 本発明の一実施の形態に係る音声音響符号化装置の構成を示すブロック図 本発明の一実施の形態に係る音声音響復号装置の構成を示すブロック図 図５に示したビット割当部の内部構成を示すブロック図 本発明の一実施の形態に係るグループ化方法を説明するための図 ノルム分散を示す図
　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。
　（一実施の形態）
　図５は、本発明の一実施の形態に係る音声音響符号化装置１００の構成を示すブロック図である。４８ｋＨｚでサンプリングされた入力信号が音声音響符号化装置１００の過渡検出器１０１および変換部１０２に入力される。
　過渡検出器１０１は、入力信号から、音声の始端部または終端部に対応する過渡フレーム、またはそれ以外の音声区間に対応する定常フレームのいずれかを検出し、検出結果を変換部１０２に出力する。変換部１０２は、過渡検出器１０１から出力された検出結果が過渡フレームか定常フレームかに応じて、高周波数分解能変換または低周波数分解能変換を入力信号のフレームに適用し、スペクトル係数（または変換係数）を取得して、ノルム推定部１０３およびスペクトル正規化部１０５に出力する。また、変換部１０２は、過渡検出器１０１から出力された検出結果であるフレーム構成、すなわち、定常フレームであるか過渡フレームであるかを示す過渡信号フラグをマルチプレクサ１１０に出力する。
　ノルム推定部１０３は、変換部１０２から出力されたスペクトル係数を帯域幅の異なるバンドに分割し、分割した各バンドのノルム（またはエネルギー）を推定する。ノルム推定部１０３は、推定した各バンドのノルムをノルム量子化部１０４に出力する。
　ノルム量子化部１０４は、ノルム推定部１０３から出力された各バンドのノルムに基づいて、全てのバンドのノルムからなるスペクトル包絡線を求め、求めたスペクトル包絡線を量子化し、量子化したスペクトル包絡線をスペクトル正規化部１０５及びノルム調整部１０６に出力する。
　スペクトル正規化部１０５は、変換部１０２から出力されたスペクトル係数を、ノルム量子化部１０４から出力された量子化スペクトル包絡線によって正規化し、正規化したスペクトル係数を格子ベクトル符号化部１０８に出力する。
　ノルム調整部１０６は、ノルム量子化部１０４から出力された量子化スペクトル包絡線を適応スペクトル重み付けに基づいて調整し、調整した量子化スペクトル包絡線をビット割当部１０７に出力する。
　ビット割当部１０７は、ノルム調整部１０６から出力された、調整された量子化スペクトル包絡線を用いて、フレーム内のバンド毎に使用可能なビットを割り当て、割り当てたビットを格子ベクトル符号化部１０８に出力する。なお、ビット割当部１０７の詳細については後述する。
　格子ベクトル符号化部１０８は、スペクトル正規化部１０５によって正規化されたスペクトル係数を、ビット割当部１０７によってバンド毎に割り当てられたビットで格子ベクトル符号化を行い、格子符号ベクトルをノイズレベル調整部１０９およびマルチプレクサ１１０に出力する。
　ノイズレベル調整部１０９は、格子ベクトル符号化部１０８における符号化前のスペクトル係数のレベルを推定し、推定したレベルを符号化する。これにより、ノイズレベル調整インデックスが求められる。ノイズレベル調整インデックスはマルチプレクサ１１０に出力される。
　マルチプレクサ１１０は、変換部１０２から出力された過渡信号フラグ、ノルム量子化部１０４から出力された量子化されたスペクトル包絡線、格子ベクトル符号化部１０８から出力された格子符号ベクトル、および、ノイズレベル調整部１０９から出力されたノイズレベル調整インデックスを多重化してビットストリームを形成し、ビットストリームを音声音響復号装置に送信する。
　図６は、本発明の一実施の形態に係る音声音響復号装置２００の構成を示すブロック図である。音声音響符号化装置１００から送信されたビットストリームが音声音響復号装置２００において受信され、デマルチプレクサ２０１によって逆多重化される。
　ノルム逆量子化部２０２は、マルチプレクサから出力された量子化されたスペクトル包絡線（すなわちノルム）を逆量子化し、全てのバンドのノルムからなるスペクトル包絡線を求め、求めたスペクトル包絡線をノルム調整部２０３に出力する。
　ノルム調整部２０３は、ノルム逆量子化部２０２から出力されたスペクトル包絡線を適応スペクトル重み付けに基づいて調整し、調整したスペクトル包絡線をビット割当部２０４に出力する。
　ビット割当部２０４は、ノルム調整部２０３から出力されたスペクトル包絡線を用いて、フレーム内のバンド毎に使用可能なビットを割り当てる。すなわち、ビット割当部２０４は、正規化されたスペクトル係数の格子ベクトル符号を復号するために必須のビット割当を再計算する。割り当てたビットは格子復号部２０５に出力される。
　格子復号部２０５は、デマルチプレクサ２０１から出力された過渡信号フラグが示すフレーム構成、および、ビット割当部２０４から出力されたビットに基づいて、デマルチプレクサ２０１から出力された格子符号ベクトルを復号し、スペクトル係数を取得する。スペクトル係数は、スペクトルフィル生成器２０６および加算器２０７に出力される。
　スペクトルフィル生成器２０６は、格子復号部２０５から出力されたスペクトル係数に基づいて作成されるコードブックを用いて、ビットが配分されなかった低周波数のスペクトル係数を再生成する。また、スペクトルフィル生成器２０６は、デマルチプレクサ２０１から出力されたノイズレベル調整インデックスを用いて、再生成されたスペクトル係数のレベルを調整する。さらに、スペクトルフィル生成器２０６は、高周波数の符号化されていないスペクトル係数を、低周波数の符号化されたスペクトル係数を用いて再生成する。レベルが調整された低周波数のスペクトル係数、および、再生成された高周波数のスペクトル係数は加算器２０７に出力される。
　加算器２０７は、格子復号部２０５から出力されたスペクトル係数、および、スペクトルフィル生成器２０６から出力されたスペクトル係数を合わせて、正規化されたスペクトル係数を生成し、正規化されたスペクトル係数を包絡線成形部２０８に出力する。
　包絡線成形部２０８は、加算器２０７によって生成された正規化スペクトル係数に、ノルム逆量子化部２０２から出力されたスペクトル包絡線を適用して、フルバンドスペクトル係数（復号スペクトルに相当）を生成する。生成されたフルバンドスペクトル係数は、逆変換部２０９に出力される。
　逆変換部２０９は、包絡線成形部２０８から出力されたフルバンドスペクトル係数に逆修正離散コサイン変換（ＩＭＤＣＴ：Inverse Modified Discrete Cosine Transform）などの逆変換を適用して、時間領域信号に変換して、出力信号を出力する。ここでは、定常フレームの場合には高周波数分解能の逆変換が適用され、過渡フレームの場合には低周波数分解能の逆変換が適用される。
　次に、上述したビット割当部１０７の詳細について図７を用いて説明する。なお、音声音響符号化装置１００のビット割当部１０７と、音声音響復号装置２００のビット割当部２０４とは同一の構成であるため、ここでは、ビット割当部１０７についてのみ説明し、ビット割当部２０４の説明は省略する。
　図７は、図５に示したビット割当部１０７の内部構成を示すブロック図である。卓越周波数バンド識別部３０１は、ノルム調整部１０６から出力された量子化スペクトル包絡線に基づいて、スペクトル中のノルム係数値が極大値を有するサブバンドである卓越周波数バンドを識別し、識別した各卓越周波数バンドを卓越グループ決定部３０２－１～３０２Ｎにそれぞれ出力する。卓越周波数バンドの決定方法として、ノルム係数値が極大値を有する周波数バンドとする以外に、例えば、全サブバンドの中でノルム係数値が最大値を有するバンドを卓越周波数バンドとしたり、予め定められた閾値または全サブバンドのノルムから算出される閾値を超えるノルム係数値を有するバンドを卓越周波数バンドとしたりすることが考えられる。
　卓越グループ決定部３０２－１～３０２Ｎは、卓越周波数バンド識別部３０１から出力された卓越周波数バンドを中心に、入力信号特性に応じて適応的にグループ幅を決定する。具体的には、グループ幅は、卓越周波数バンドを中心とした両側におけるノルム係数値の下り勾配が止まるまでをグループ幅とする。卓越グループ決定部３０２－１～３０２Ｎは、グループ幅に含まれる周波数バンドを卓越グループと決定し、決定した卓越グループを非卓越グループ決定部３０３に出力する。なお、卓越周波数バンドがエッジ（使用可能周波数の端）にあるときには、下り勾配の一方の側のみがグループに含まれる。
　非卓越グループ決定部３０３は、卓越グループ決定部３０２－１～３０２Ｎから出力された卓越グループ以外の連続するサブバンドを卓越周波数バンドのない非卓越グループと決定する。非卓越グループ決定部３０３は、卓越グループおよび非卓越グループをグループエネルギー算出部３０４およびノルム分散算出部３０６に出力する。
　グループエネルギー算出部３０４は、非卓越グループ決定部３０３から出力された卓越グループおよび非卓越グループについて、グループ毎のエネルギーを算出し、算出したエネルギーを総エネルギー算出部３０５およびグループビット配分部３０８に出力する。グループ毎のエネルギーは次式（１）によって算出される。
Figure JPOXMLDOC01-appb-M000001
　ここで、ｋはグループのインデックス、Ｅｎｅｒｇｙ（Ｇ（ｋ））はグループｋのエネルギー、ｉはグループ２のサブバンドインデックス、Ｍはグループｋのサブバンドの総数、Ｎｏｒｍ（ｉ）はグループｎのサブバンドｉのノルム係数値を表す。
　総エネルギー算出部３０５は、グループエネルギー算出部３０４から出力されたグループ毎のエネルギーを全て加算し、全てのグループの総エネルギーを算出する。算出された総エネルギーはグループビット配分部３０８に出力される。総エネルギーは次式（２）によって算出される。
Figure JPOXMLDOC01-appb-M000002
　ここで、Ｅｎｅｒｇｙｔｏｔａｌは全てのグループの総エネルギー、Ｎはスペクトル中のグループの総数、ｋはグループのインデックス、Ｅｎｅｒｇｙ（Ｇ（ｋ））はグループｋのエネルギーを表す。
　ノルム分散算出部３０６は、非卓越グループ決定部３０３から出力された卓越グループおよび非卓越グループについて、グループ毎のノルム分散を算出し、算出したノルム分散を総ノルム分散算出部３０７およびグループビット配分部３０８に出力する。グループ毎のノルム分散は次式（３）によって算出される。
Figure JPOXMLDOC01-appb-M000003
　ここで、ｋはグループのインデックス、Ｎｏｒｍｖａｒ（Ｇ（ｋ））はグループｋのノルム分散、Ｎｏｒｍｍａｘ（Ｇ（ｋ））はグループｋの最大ノルム係数値、Ｎｏｒｍｍｉｎ（Ｇ（ｋ））はグループｋの最小ノルム係数値を表す。
　総ノルム分散算出部３０７は、ノルム分散算出部３０６から出力されたグループ毎のノルム分散に基づいて、全てのグループの総ノルム分散を算出する。算出された総ノルム分散はグループビット配分部３０８に出力される。総ノルム分散は次式（４）によって算出される。
Figure JPOXMLDOC01-appb-M000004
　ここで、Ｎｏｒｍｖａｒｔｏｔａｌは全てのグループの総ノルム分散、Ｎはスペクトル中のグループの総数、ｋはグループのインデックス、Ｎｏｒｍｖａｒ（Ｇ（ｋ））は、グループｋのノルム分散を表す。
　グループビット配分部３０８（第１ビット割当手段に相当）は、グループエネルギー算出部３０４から出力されたグループ毎のエネルギー、総エネルギー算出部３０５から出力された全てのグループの総エネルギー、ノルム分散算出部３０６から出力されたグループ毎のノルム分散、および、総ノルム分散算出部３０７から出力された全てのグループの総ノルム分散に基づいて、グループ毎にビット配分を行い、グループ毎に配分されたビットをサブバンドビット配分部３０９に出力する。グループ毎に配分されるビットは次式（５）によって算出される。
Figure JPOXMLDOC01-appb-M000005
　ここで、ｋはグループのインデックス、Ｂｉｔｓ（Ｇ（ｋ））はグループｋに配分されたビット数、Ｂｉｔｓｔｏｔａｌは使用可能な全てのビット数、ｓｃａｌｅ１はエネルギーによって割り当てられたビットの割合、Ｅｎｅｒｇｙ（Ｇ（ｋ））はグループｋのエネルギー、Ｅｎｅｒｇｙｔｏｔａｌは全てのグループの総エネルギー、Ｎｏｒｍｖａｒ（Ｇ（ｋ））はグループｋのノルム分散を表す。
　また、上式（５）において、ｓｃａｌｅ１は、［０，１］の範囲の値をとり、エネルギーまたはノルム分散によって割り当てられたビットの割合を調整する。ｓｃａｌｅ１の値が大きいほど、エネルギーによって割り当てられるビットが多くなり、極端な場合、その値が１であれば、全てのビットがエネルギーによって割り当てられる。ｓｃａｌｅ１の値が小さいほど、ノルム分散によって割り当てられるビットが多くなり、極端な場合、その値が０であれば、全てのビットがノルム分散によって割り当てられる。
　グループビット配分部３０８が、上述したようにグループ毎にビット配分を行うことにより、卓越グループには、より多くのビットを配分し、非卓越グループには、より少ないビットを配分することができる。
　このように、グループビット配分部３０８では、グループの知覚的重要度がエネルギーおよびノルム分散によって決定され、卓越グループをより強調することができる。また、ノルム分散は、マスキング理論に一致し、これを用いることにより、知覚的重要度をより正確に決定することができる。
　サブバンドビット配分部３０９（第２ビット割当手段に相当）は、グループビット配分部３０８から出力されたグループ毎のビットに基づいて、各グループ内のサブバンドにビットが配分され、グループ毎のサブバンドに割り当てたビットをビット割当結果として格子ベクトル符号化部１０８に出力する。ここでは、知覚的により重要なサブバンドには、より多くのビットが配分され、知覚的にあまり重要でないサブバンドには、より少ないビットが配分される。グループ内の各サブバンドに配分されるビットは次式（６）によって算出される。
Figure JPOXMLDOC01-appb-M000006
　ここで、ＢｉｔｓＧ（ｋ）ｓｂ（ｉ）はグループｋのサブバンドｉに割り当てられたビット、ｉはグループｋのサブバンドインデックス、Ｂｉｔｓ（Ｇ（ｋ））はグループｋに割り当てられたビット、Ｅｎｅｒｇｙ（Ｇ（ｋ））はグループｋのエネルギー、Ｎｏｒｍ（ｉ）はグループｋのサブバンドｉのノルム係数値を表す。
　次に、グループ化の方法について図８を用いて説明する。図８（ａ）に示すような量子化スペクトル包絡線がピーク周波数バンド識別部３０１に入力されたとする。ピーク周波数バンド識別部３０１は、入力された量子化スペクトル包絡線に基づいて、卓越周波数バンド９，２０を識別する（図８（ｂ）参照）。
　卓越グループ生成部３０２－１～３０２－Ｎでは、卓越周波数バンド９，２０を中心とした両側におけるノルム係数値の下り勾配が止まるまでが同一の卓越グループと決定される。図８の例では、卓越周波数バンド９については、サブバンド６～１２が卓越グループ（グループ２）とされ、卓越周波数バンド２０については、サブバンド１７～２２を卓越グループ（グループ４）と決定する（図８（ｃ）参照）。
　非卓越グループ決定部３０３では、卓越グループ以外の連続する周波数バンドが卓越周波数バンドのない非卓越グループと決定される。図８の例では、サブバンド１～５（グループ１）、サブバンド１３～１６（グループ３）、サブバンド２３～２５（グループ５）がそれぞれ非卓越グループと決定される（図８（ｃ）参照）。
　この結果、量子化スペクトル包絡線は、５つのグループ、すなわち、２つの卓越グループ（グループ２、４）と３つの非卓越グループ（グループ１、３、５）とにグループ化される。
　このようなグループ化方法により、入力信号特性に応じて適応的にグループ幅を決定することができる。また、この方法では、音声音響復号装置においても使用可能な量子化されたノルム係数を用いるため、追加情報を音声音響復号装置に送信する必要がない。
　なお、ノルム分散算出部３０６では、グループ毎のノルム分散が算出される。参考までに、図８の例でグループ２におけるノルム分散Ｅｎｅｒｇｙｖａｒ（Ｇ（２））を図９に示す。
　次に、知覚的重要度について説明する。一般に、音声音響信号のスペクトル中には、複数のピーク（山）およびバレー（谷）がある。ピークは、音声音響信号の卓越周波数に位置するスペクトル成分（卓越音成分）から構成される。ピークは、知覚的に非常に重要である。ピークの知覚的重要度は、ピークのエネルギーとバレーのエネルギーとの差、すなわち、ノルム分散によって判断することができる。理論的には、ピークが、隣接する周波数バンドと比較して十分大きなエネルギーを有する場合、そのピークは十分なビット数で符号化されるべきであり、不十分なビット数で符号化されると、混入する符号化ノイズが際だってしまい、音質が低下する。一方、バレーは、音声音響信号の卓越音成分から構成されず、知覚的に重要ではない。
　本実施の形態における周波数バンドのグループ化方法では、卓越周波数バンドはスペクトルのピークに対応しており、周波数バンドをグループ化することは、ピーク（卓越周波数バンドを有する卓越グループ）とバレー（卓越周波数バンドのない非卓越グループ）とを分離することになる。
　グループビット配分部３０８では、ピークの知覚的重要度を決定する。Ｇ．７１９といった技術では、エネルギーのみによって知覚的重要度を決定していたのに対して、本実施の形態では、エネルギーおよびノルム（エネルギー）分散の両方によって知覚的重要度を決定し、決定した知覚的重要度に基づいて各グループに配分するビットを決定する。
　また、サブバンドビット配分部３０９では、グループ内のノルム分散が大きい場合、このグループはピークの１つであることを意味し、ピークは知覚的により重要で、最大値を有するノルム係数は正確に符号化されるべきである。このため、このピークのサブバンドにはより多くのビットが配分される。一方、グループ内のノルム分散が非常に小さい場合、このグループは、バレーの１つであることを意味し、バレーは知覚的に重要ではなく、それほど正確に符号化される必要はない。このため、このグループの各サブバンドには少ないビットが配分される。
　このように、本実施の形態によれば、入力音声音響信号のスペクトル中のノルム係数値が極大値を有する卓越周波数バンドを識別し、全てのサブバンドを、卓越周波数バンドを含む卓越グループと卓越周波数バンドを含まない非卓越グループとにグループ化し、グループ毎のエネルギーおよびノルム分散に基づいて、各グループにビットを配分し、グループ毎に配分されたビットをグループのエネルギーに対するノルムの割合に応じて各サブバンドにさらに配分する。これにより、知覚的に重要なグループおよびサブバンドに多くのビットを割り当てることができ、効率的なビット配分を行うことができる。この結果、音質の向上を図ることができる。
　なお、本実施の形態におけるノルム係数は、サブバンドエネルギーを表すものであり、エネルギー包絡線ともいう。
　２０１２年１２月１３日出願の特願２０１２－２７２５７１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。
　本発明にかかる音声音響符号化装置、音声音響復号装置、音声音響符号化方法及び音声音響復号方法は、無線通信端末装置、無線通信基地局装置、電話会議端末装置、ビデオ会議端末装置、および、ボイスオーバーインターネットプロトコル（ＶｏＩＰ）端末装置等に適用することができる。
　１０１　過渡検出器
　１０２　変換部
　１０３　ノルム推定部
　１０４　ノルム量子化部
　１０５　スペクトル正規化部
　１０６、２０３　ノルム調整部
　１０７、２０４　ビット割当部
　１０８　格子ベクトル符号化部
　１０９　ノイズレベル調整部
　１１０　マルチプレクサ
　２０１　デマルチプレクサ
　２０２　ノルム逆量子化部
　２０５　格子復号部
　２０６　スペクトルフィル生成器
　２０７　加算器
　２０８　包絡線成形部
　２０９　逆変換部
　３０１　卓越周波数バンド識別部
　３０２－１～３０２－Ｎ　卓越グループ決定部
　３０３　非卓越グループ決定部
　３０４　グループエネルギー算出部
　３０５　総エネルギー算出部
　３０６　ノルム分散算出部
　３０７　総ノルム分散算出部
　３０８　グループビット配分部
　３０９　サブバンドビット配分部

Claims (10)

  1. 　入力信号を時間領域から周波数領域に変換する変換手段と、
    　前記入力信号の周波数スペクトルが分割されてなる複数のサブバンドのそれぞれについて、エネルギーレベルを表すエネルギー包絡線を推定する推定手段と、
    　前記エネルギー包絡線を量子化する量子化手段と、
    　量子化された前記エネルギー包絡線を複数のグループにグループ化するグループ決定手段と、
    　前記複数のグループにビットを割り当てる第１ビット割当手段と、
    　前記複数のグループに割り当てられたビットをグループ毎にサブバンドに割り当てる第２ビット割当手段と、
    　前記サブバンドに割り当てられたビットを用いて、前記周波数スペクトルを符号化する符号化手段と、
    　を具備する音声音響符号化装置。
  2. 　前記周波数スペクトルのうち、エネルギー包絡線が極大値を有するサブバンドである卓越周波数バンドを識別する卓越周波数バンド識別手段をさらに具備し、
    　前記グループ決定手段は、
    　前記卓越周波数バンド、および、前記卓越周波数バンドの両側におけるエネルギー包絡線の下り勾配をなすサブバンドを卓越グループに決定し、前記卓越周波数バンド以外の連続するサブバンドを非卓越グループに決定する、
    　請求項１に記載の音声音響符号化装置。
  3. 　グループ毎のエネルギーを算出するエネルギー算出手段と、
    　グループ毎のエネルギー包絡線分散を算出する分散算出手段と、
    　をさらに具備し、
    　前記第１ビット割当手段は、
    　算出された前記グループ毎のエネルギーおよび前記グループ毎のエネルギー包絡線分散に基づいて、エネルギーおよびエネルギー包絡線分散の少なくとも一方が大きいほど、より多くのビットをグループに割り当て、エネルギーおよびエネルギー包絡線分散の少なくとも一方が小さいほど、より少ないビットをグループに割り当てる、
    　請求項１に記載の音声音響符号化装置。
  4. 　前記第２ビット割当手段は、
    　前記サブバンドのエネルギー包絡線が大きいほど、当該サブバンドにより多くのビットを割り当て、前記サブバンドのエネルギー包絡線が小さいほど、当該サブバンドにより少ないビットを割り当てる、
    　請求項１に記載の音声音響符号化装置。
  5. 　量子化されたスペクトル包絡線を逆量子化する逆量子化手段と、
    　量子化された前記スペクトル包絡線を複数のグループにグループ化するグループ決定手段と、
    　前記複数のグループにビットを割り当てる第１ビット割当手段と、
    　前記複数のグループに割り当てられたビットをグループ毎にサブバンドに割り当てる第２ビット割当手段と、
    　前記サブバンドに割り当てられたビットを用いて、音声音響信号の周波数スペクトルを復号する復号手段と、
    　復号された前記周波数スペクトルに逆量子化された前記スペクトル包絡線を適用し、復号スペクトルを再現する包絡線成形手段と、
    　前記復号スペクトルを周波数領域から時間領域に逆変換する逆変換手段と、
    　を具備する音声音響復号装置。
  6. 　前記周波数スペクトルのうち、エネルギー包絡線が極大値を有するサブバンドである卓越周波数バンドを識別する卓越周波数バンド識別手段をさらに具備し、
    　前記グループ決定手段は、
    　前記卓越周波数バンド、および、前記卓越周波数バンドの両側におけるエネルギー包絡線の下り勾配をなすサブバンドを卓越グループに決定し、前記卓越周波数バンド以外の連続するサブバンドを非卓越グループに決定する、
    　請求項５に記載の音声音響復号装置。
  7. 　グループ毎のエネルギーを算出するエネルギー算出手段と、
    　グループ毎のエネルギー包絡線分散を算出する分散算出手段と、
    　をさらに具備し、
    　前記第１ビット割当手段は、
    　算出された前記グループ毎のエネルギーおよび前記グループ毎のエネルギー包絡線分散に基づいて、エネルギーおよびエネルギー包絡線分散の少なくとも一方が大きいほど、より多くのビットをグループに割り当て、エネルギーおよびエネルギー包絡線分散の少なくとも一方が小さいほど、より少ないビットをグループに割り当てる、
    　請求項５に記載の音声音響復号装置。
  8. 　前記第２ビット割当手段は、
    　前記サブバンドのエネルギー包絡線が大きいほど、当該サブバンドにより多くのビットを割り当て、前記サブバンドのエネルギー包絡線が小さいほど、当該サブバンドにより少ないビットを割り当てる、
    　請求項５に記載の音声音響復号装置。
  9. 　入力信号を時間領域から周波数領域に変換し、
    　前記入力信号の周波数スペクトルが分割されてなる複数のサブバンドのそれぞれについて、エネルギーレベルを表すエネルギー包絡線を推定し、
    　前記エネルギー包絡線を量子化し、
    　量子化された前記エネルギー包絡線を複数のグループにグループ化し、
    　前記複数のグループにビットを割り当て、
    　前記複数のグループに割り当てられたビットをグループ毎にサブバンドに割り当て、
    　前記サブバンドに割り当てられたビットを用いて、前記周波数スペクトルを符号化する、
    　音声音響符号化方法。
  10. 　量子化されたスペクトル包絡線を逆量子化し、
    　量子化された前記スペクトル包絡線を複数のグループにグループ化し、
    　前記複数のグループにビットを割り当て、
    　前記複数のグループに割り当てられたビットをグループ毎にサブバンドに割り当て、
    　前記サブバンドに割り当てられたビットを用いて、音声音響信号の周波数スペクトルを復号し、
    　復号された前記周波数スペクトルに逆量子化された前記スペクトル包絡線を適用し、復号スペクトルを再現し、
    　前記復号スペクトルを周波数領域から時間領域に逆変換する、
    　音声音響復号方法。
PCT/JP2013/006948 2012-12-13 2013-11-26 音声音響符号化装置、音声音響復号装置、音声音響符号化方法及び音声音響復号方法 WO2014091694A1 (ja)

Priority Applications (15)

Application Number Priority Date Filing Date Title
KR1020157016672A KR102200643B1 (ko) 2012-12-13 2013-11-26 음성 음향 부호화 장치, 음성 음향 복호 장치, 음성 음향 부호화 방법 및 음성 음향 복호 방법
BR112015013233A BR112015013233B8 (pt) 2012-12-13 2013-11-26 dispositivo e método de codificação de voz/áudio
JP2014551851A JP6535466B2 (ja) 2012-12-13 2013-11-26 音声音響符号化装置、音声音響復号装置、音声音響符号化方法及び音声音響復号方法
ES13862073.7T ES2643746T3 (es) 2012-12-13 2013-11-26 Dispositivo de codificación de audio de voz, dispositivo de descodificación de audio de voz, método de codificación de audio de voz y método de descodificación de audio de voz
CN201380063794.XA CN104838443B (zh) 2012-12-13 2013-11-26 语音声响编码装置、语音声响解码装置、语音声响编码方法及语音声响解码方法
EP13862073.7A EP2933799B1 (en) 2012-12-13 2013-11-26 Voice audio encoding device, voice audio decoding device, voice audio encoding method, and voice audio decoding method
RU2015121716A RU2643452C2 (ru) 2012-12-13 2013-11-26 Устройство кодирования аудио/голоса, устройство декодирования аудио/голоса, способ кодирования аудио/голоса и способ декодирования аудио/голоса
EP17173916.2A EP3232437B1 (en) 2012-12-13 2013-11-26 Voice audio encoding device, voice audio decoding device, voice audio encoding method, and voice audio decoding method
EP18202397.8A EP3457400B1 (en) 2012-12-13 2013-11-26 Voice audio encoding device, voice audio decoding device, voice audio encoding method, and voice audio decoding method
MX2015006161A MX341885B (es) 2012-12-13 2013-11-26 Dispositivo de codificacion de sonido de voz, dispositivo de decodificacion de sonido de voz, metodo de codificacion de sonido de voz y metodo de decodificacion de sonido de voz.
PL17173916T PL3232437T3 (pl) 2012-12-13 2013-11-26 Urządzenie do kodowania głosowego audio, urządzenie do dekodowania głosowego audio, sposób kodowania głosowego audio i sposób dekodowania głosowego audio
PL13862073T PL2933799T3 (pl) 2012-12-13 2013-11-26 Urządzenie kodujące głos, urządzenie dekodujące głos, sposób kodowania głosu i sposób dekodowania głosu
US14/650,093 US9767815B2 (en) 2012-12-13 2013-11-26 Voice audio encoding device, voice audio decoding device, voice audio encoding method, and voice audio decoding method
US15/673,957 US10102865B2 (en) 2012-12-13 2017-08-10 Voice audio encoding device, voice audio decoding device, voice audio encoding method, and voice audio decoding method
US16/141,934 US10685660B2 (en) 2012-12-13 2018-09-25 Voice audio encoding device, voice audio decoding device, voice audio encoding method, and voice audio decoding method

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2012272571 2012-12-13
JP2012-272571 2012-12-13

Related Child Applications (2)

Application Number Title Priority Date Filing Date
US14/650,093 A-371-Of-International US9767815B2 (en) 2012-12-13 2013-11-26 Voice audio encoding device, voice audio decoding device, voice audio encoding method, and voice audio decoding method
US15/673,957 Continuation US10102865B2 (en) 2012-12-13 2017-08-10 Voice audio encoding device, voice audio decoding device, voice audio encoding method, and voice audio decoding method

Publications (1)

Publication Number Publication Date
WO2014091694A1 true WO2014091694A1 (ja) 2014-06-19

Family

ID=50934002

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2013/006948 WO2014091694A1 (ja) 2012-12-13 2013-11-26 音声音響符号化装置、音声音響復号装置、音声音響符号化方法及び音声音響復号方法

Country Status (13)

Country Link
US (3) US9767815B2 (ja)
EP (3) EP3232437B1 (ja)
JP (3) JP6535466B2 (ja)
KR (1) KR102200643B1 (ja)
CN (2) CN104838443B (ja)
BR (1) BR112015013233B8 (ja)
ES (3) ES2706148T3 (ja)
HK (1) HK1249651A1 (ja)
MX (1) MX341885B (ja)
PL (3) PL2933799T3 (ja)
PT (2) PT2933799T (ja)
RU (1) RU2643452C2 (ja)
WO (1) WO2014091694A1 (ja)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016009026A (ja) * 2014-06-23 2016-01-18 富士通株式会社 オーディオ符号化装置、オーディオ符号化方法、オーディオ符号化プログラム
CN109286922A (zh) * 2018-09-27 2019-01-29 珠海市杰理科技股份有限公司 蓝牙提示音处理方法、系统、可读存储介质和蓝牙设备
JP2020518030A (ja) * 2017-04-25 2020-06-18 ディーティーエス・インコーポレイテッドＤＴＳ，Ｉｎｃ． デジタルオーディオ信号における差分データ

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104838443B (zh) * 2012-12-13 2017-09-22 松下电器（美国）知识产权公司 语音声响编码装置、语音声响解码装置、语音声响编码方法及语音声响解码方法
EP3066760B1 (en) * 2013-11-07 2020-01-15 Telefonaktiebolaget LM Ericsson (publ) Methods and devices for vector segmentation for coding
EP4407609A3 (en) * 2013-12-02 2024-08-21 Top Quality Telephony, Llc A computer-readable storage medium and a computer software product
CN106409303B (zh) * 2014-04-29 2019-09-20 华为技术有限公司 处理信号的方法及设备
PL3174050T3 (pl) 2014-07-25 2019-04-30 Fraunhofer Ges Forschung Urządzenie do kodowania sygnałów audio, urządzenie do dekodowania sygnałów audio i ich sposoby
KR102709737B1 (ko) * 2016-11-30 2024-09-26 삼성전자주식회사 오디오 신호를 전송하는 전자 장치 및 오디오 신호를 전송하는 전자 장치의 제어 방법
KR20190069192A (ko) 2017-12-11 2019-06-19 한국전자통신연구원 오디오 신호의 채널 파라미터 예측 방법 및 장치
US10559315B2 (en) 2018-03-28 2020-02-11 Qualcomm Incorporated Extended-range coarse-fine quantization for audio coding
US10586546B2 (en) 2018-04-26 2020-03-10 Qualcomm Incorporated Inversely enumerated pyramid vector quantizers for efficient rate adaptation in audio coding
US10734006B2 (en) 2018-06-01 2020-08-04 Qualcomm Incorporated Audio coding based on audio pattern recognition
US10762910B2 (en) 2018-06-01 2020-09-01 Qualcomm Incorporated Hierarchical fine quantization for audio coding
US10580424B2 (en) * 2018-06-01 2020-03-03 Qualcomm Incorporated Perceptual audio coding as sequential decision-making problems
KR20200142787A (ko) * 2019-06-13 2020-12-23 네이버 주식회사 멀티미디어 신호 인식을 위한 전자 장치 및 그의 동작 방법
CN112037802B (zh) * 2020-05-08 2022-04-01 珠海市杰理科技股份有限公司 基于语音端点检测的音频编码方法及装置、设备、介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS6358500A (ja) * 1986-08-25 1988-03-14 インターナシヨナル・ビジネス・マシーンズ・コーポレーシヨン 副帯域音声コ−ダ用ビツト割振り方法
JP2001044844A (ja) * 1999-07-26 2001-02-16 Matsushita Electric Ind Co Ltd サブバンド符号化方式
JP2002542522A (ja) * 1999-04-16 2002-12-10 ドルビー・ラボラトリーズ・ライセンシング・コーポレーション 音声符号化のための利得−適応性量子化及び不均一符号長の使用
JP2009063623A (ja) * 2007-09-04 2009-03-26 Nec Corp 符号化装置および符号化方法、ならびに復号化装置および復号化方法
WO2012016126A2 (en) * 2010-07-30 2012-02-02 Qualcomm Incorporated Systems, methods, apparatus, and computer-readable media for dynamic bit allocation
WO2012144128A1 (ja) * 2011-04-20 2012-10-26 パナソニック株式会社 音声音響符号化装置、音声音響復号装置、およびこれらの方法

Family Cites Families (36)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5222189A (en) * 1989-01-27 1993-06-22 Dolby Laboratories Licensing Corporation Low time-delay transform coder, decoder, and encoder/decoder for high-quality audio
US5893065A (en) * 1994-08-05 1999-04-06 Nippon Steel Corporation Apparatus for compressing audio data
US5956674A (en) 1995-12-01 1999-09-21 Digital Theater Systems, Inc. Multi-channel predictive subband audio coder using psychoacoustic adaptive bit allocation in frequency, time and over the multiple channels
JP3189660B2 (ja) * 1996-01-30 2001-07-16 ソニー株式会社 信号符号化方法
US6246945B1 (en) * 1996-08-10 2001-06-12 Daimlerchrysler Ag Process and system for controlling the longitudinal dynamics of a motor vehicle
JPH10233692A (ja) * 1997-01-16 1998-09-02 Sony Corp オーディオ信号符号化装置および符号化方法並びにオーディオ信号復号装置および復号方法
KR100261254B1 (ko) 1997-04-02 2000-07-01 윤종용 비트율 조절이 가능한 오디오 데이터 부호화/복호화방법 및 장치
KR100261253B1 (ko) 1997-04-02 2000-07-01 윤종용 비트율 조절이 가능한 오디오 부호화/복호화 방법및 장치
EP0966109B1 (en) * 1998-06-15 2005-04-27 Matsushita Electric Industrial Co., Ltd. Audio coding method and audio coding apparatus
JP3466507B2 (ja) * 1998-06-15 2003-11-10 松下電器産業株式会社 音声符号化方式、音声符号化装置、及びデータ記録媒体
JP3434260B2 (ja) * 1999-03-23 2003-08-04 日本電信電話株式会社 オーディオ信号符号化方法及び復号化方法、これらの装置及びプログラム記録媒体
US6246345B1 (en) 1999-04-16 2001-06-12 Dolby Laboratories Licensing Corporation Using gain-adaptive quantization and non-uniform symbol lengths for improved audio coding
JP4168976B2 (ja) * 2004-05-28 2008-10-22 ソニー株式会社 オーディオ信号符号化装置及び方法
KR100888474B1 (ko) * 2005-11-21 2009-03-12 삼성전자주식회사 멀티채널 오디오 신호의 부호화/복호화 장치 및 방법
JP4548348B2 (ja) 2006-01-18 2010-09-22 カシオ計算機株式会社 音声符号化装置及び音声符号化方法
KR101434198B1 (ko) * 2006-11-17 2014-08-26 삼성전자주식회사 신호 복호화 방법
KR101412255B1 (ko) * 2006-12-13 2014-08-14 파나소닉 인텔렉츄얼 프로퍼티 코포레이션 오브 아메리카 부호화 장치, 복호 장치 및 이들의 방법
CN101868821B (zh) * 2007-11-21 2015-09-23 Lg电子株式会社 用于处理信号的方法和装置
EP2144230A1 (en) * 2008-07-11 2010-01-13 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Low bitrate audio encoding/decoding scheme having cascaded switches
WO2010031003A1 (en) * 2008-09-15 2010-03-18 Huawei Technologies Co., Ltd. Adding second enhancement layer to celp based core layer
KR101301245B1 (ko) * 2008-12-22 2013-09-10 한국전자통신연구원 스펙트럼 계수의 서브대역 할당 방법 및 장치
US8386266B2 (en) 2010-07-01 2013-02-26 Polycom, Inc. Full-band scalable audio codec
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
WO2011080916A1 (ja) 2009-12-28 2011-07-07 パナソニック株式会社 音声符号化装置および音声符号化方法
US20130030796A1 (en) 2010-01-14 2013-01-31 Panasonic Corporation Audio encoding apparatus and audio encoding method
JP5695074B2 (ja) 2010-10-18 2015-04-01 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 音声符号化装置および音声復号化装置
CN102741831B (zh) * 2010-11-12 2015-10-07 宝利通公司 多点环境中的可伸缩音频
EP2681734B1 (en) * 2011-03-04 2017-06-21 Telefonaktiebolaget LM Ericsson (publ) Post-quantization gain correction in audio coding
EP2701144B1 (en) * 2011-04-20 2016-07-27 Panasonic Intellectual Property Corporation of America Device and method for execution of huffman coding
TWI606441B (zh) 2011-05-13 2017-11-21 三星電子股份有限公司 解碼裝置
CN102208188B (zh) * 2011-07-13 2013-04-17 华为技术有限公司 音频信号编解码方法和设备
WO2013061531A1 (ja) * 2011-10-28 2013-05-02 パナソニック株式会社 音声符号化装置、音声復号装置、音声符号化方法及び音声復号方法
US9454972B2 (en) 2012-02-10 2016-09-27 Panasonic Intellectual Property Corporation Of America Audio and speech coding device, audio and speech decoding device, method for coding audio and speech, and method for decoding audio and speech
CN104838443B (zh) * 2012-12-13 2017-09-22 松下电器（美国）知识产权公司 语音声响编码装置、语音声响解码装置、语音声响编码方法及语音声响解码方法
EP4407609A3 (en) * 2013-12-02 2024-08-21 Top Quality Telephony, Llc A computer-readable storage medium and a computer software product
JP6358500B2 (ja) 2014-06-06 2018-07-18 株式会社リコー クリーニングブレード、画像形成装置、及びプロセスカートリッジ

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS6358500A (ja) * 1986-08-25 1988-03-14 インターナシヨナル・ビジネス・マシーンズ・コーポレーシヨン 副帯域音声コ−ダ用ビツト割振り方法
JP2002542522A (ja) * 1999-04-16 2002-12-10 ドルビー・ラボラトリーズ・ライセンシング・コーポレーション 音声符号化のための利得−適応性量子化及び不均一符号長の使用
JP2001044844A (ja) * 1999-07-26 2001-02-16 Matsushita Electric Ind Co Ltd サブバンド符号化方式
JP2009063623A (ja) * 2007-09-04 2009-03-26 Nec Corp 符号化装置および符号化方法、ならびに復号化装置および復号化方法
WO2012016126A2 (en) * 2010-07-30 2012-02-02 Qualcomm Incorporated Systems, methods, apparatus, and computer-readable media for dynamic bit allocation
WO2012144128A1 (ja) * 2011-04-20 2012-10-26 パナソニック株式会社 音声音響符号化装置、音声音響復号装置、およびこれらの方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
"Low-complexity full-band audio coding for high-quality conversational applications", ITU-T RECOMMENDATION G.719, 2009

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016009026A (ja) * 2014-06-23 2016-01-18 富士通株式会社 オーディオ符号化装置、オーディオ符号化方法、オーディオ符号化プログラム
JP2020518030A (ja) * 2017-04-25 2020-06-18 ディーティーエス・インコーポレイテッドＤＴＳ，Ｉｎｃ． デジタルオーディオ信号における差分データ
JP7257965B2 (ja) 2017-04-25 2023-04-14 ディーティーエス・インコーポレイテッド デジタルオーディオ信号における差分データ
CN109286922A (zh) * 2018-09-27 2019-01-29 珠海市杰理科技股份有限公司 蓝牙提示音处理方法、系统、可读存储介质和蓝牙设备
CN109286922B (zh) * 2018-09-27 2021-09-17 珠海市杰理科技股份有限公司 蓝牙提示音处理方法、系统、可读存储介质和蓝牙设备

Also Published As

Publication number Publication date
ES2643746T3 (es) 2017-11-24
US10102865B2 (en) 2018-10-16
JP7010885B2 (ja) 2022-01-26
EP3457400C0 (en) 2023-08-16
US9767815B2 (en) 2017-09-19
ES2706148T3 (es) 2019-03-27
EP3232437B1 (en) 2018-11-21
US20170345431A1 (en) 2017-11-30
CN104838443B (zh) 2017-09-22
EP2933799B1 (en) 2017-07-12
JP2022050609A (ja) 2022-03-30
JP2019191594A (ja) 2019-10-31
RU2643452C2 (ru) 2018-02-01
CN107516531A (zh) 2017-12-26
EP3457400A1 (en) 2019-03-20
MX2015006161A (es) 2015-08-07
CN107516531B (zh) 2020-10-13
EP3457400B1 (en) 2023-08-16
PL3232437T3 (pl) 2019-05-31
PL3457400T3 (pl) 2024-02-19
KR102200643B1 (ko) 2021-01-08
RU2015121716A (ru) 2017-01-16
PL2933799T3 (pl) 2017-12-29
US20190027155A1 (en) 2019-01-24
BR112015013233B8 (pt) 2021-03-16
BR112015013233A2 (pt) 2017-07-11
JP6535466B2 (ja) 2019-06-26
PT3232437T (pt) 2019-01-11
CN104838443A (zh) 2015-08-12
HK1249651A1 (zh) 2018-11-02
JPWO2014091694A1 (ja) 2017-01-05
ES2970676T3 (es) 2024-05-30
EP3232437A1 (en) 2017-10-18
US10685660B2 (en) 2020-06-16
MX341885B (es) 2016-09-07
BR112015013233B1 (pt) 2021-02-23
KR20150095702A (ko) 2015-08-21
PT2933799T (pt) 2017-09-05
US20150317991A1 (en) 2015-11-05
EP2933799A1 (en) 2015-10-21
EP2933799A4 (en) 2016-01-13

Similar Documents

Publication Publication Date Title
JP7010885B2 (ja) 音声または音響符号化装置、音声または音響復号装置、音声または音響符号化方法及び音声または音響復号方法
CN104485111B (zh) 音频/语音编码装置、音频/语音解码装置及其方法
JP6600054B2 (ja) 方法、符号化器、復号化器、及び移動体機器
JP2011509428A (ja) オーディオ信号処理方法及び装置
WO2013143221A1 (zh) 信号编码和解码的方法和设备
WO2015151451A1 (ja) 符号化装置、復号装置、符号化方法、復号方法、およびプログラム
JP2012118205A (ja) オーディオ符号化装置、オーディオ符号化方法及びオーディオ符号化用コンピュータプログラム
JP2019070823A (ja) 音響信号符号化装置、音響信号復号装置、音響信号符号化方法および音響信号復号方法

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: 13862073

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2014551851

Country of ref document: JP

Kind code of ref document: A

WWE Wipo information: entry into national phase

Ref document number: MX/A/2015/006161

Country of ref document: MX

REEP Request for entry into the european phase

Ref document number: 2013862073

Country of ref document: EP

WWE Wipo information: entry into national phase

Ref document number: 14650093

Country of ref document: US

Ref document number: 2013862073

Country of ref document: EP

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 20157016672

Country of ref document: KR

Kind code of ref document: A

REG Reference to national code

Ref country code: BR

Ref legal event code: B01A

Ref document number: 112015013233

Country of ref document: BR

ENP Entry into the national phase

Ref document number: 2015121716

Country of ref document: RU

Kind code of ref document: A

ENP Entry into the national phase

Ref document number: 112015013233

Country of ref document: BR

Kind code of ref document: A2

Effective date: 20150608