JP2007504503A - 低ビットレートオーディオ符号化 - Google Patents

Abstract

正弦波オーディオエンコーダの場合、オーディオセグメントごとに複数の複数の正弦波を推定する。正弦波は周波数、振幅、及び位相により表される。本発明はトラックに依存した位相量子化を使用する。細かいものから粗いものまである可能な初期（例えば、周波数に依存する）グリッドの組のうち、選択された好適な初期量子化グリッドでトラックを符号化する。一連の時間セグメントにおいて、１つのトラックの周波数変化が所定値よりも小さい場合、そのトラックはより細かい量子化グリッドを用いて量子化される。本発明は、複合信号、特に低ビットレート量子化器の複合信号の品質を大幅に改善する。

Description

発明の詳細な説明

本発明は、ブロードバンド信号、特にオーディオ信号の符号化と復号に関する。本発明は、エンコーダとデコーダの両方に関し、また、本発明により符号化されたオーディオストリームに関し、また、オーディオストリームが格納されているデータ記憶媒体に関する。

ブロードバンド信号、例えばセリフ等のオーディオ信号を伝送するとき、圧縮または符号化方法を用いて信号の帯域幅またはビットレートを低下させる。

図１は、本発明で使用する、国際出願第ＷＯ０１／６９５９３号に記載された既知のパラメータ符号化装置、特に正弦波エンコーダを示している。このエンコーダでは、入力オーディオ信号ｘ（ｔ）は、（重なり合っていてもよい）複数の時間セグメントまたはフレーム（一般的には各２０ｍｓの長さ）に分割される。各セグメントは、過渡成分、正弦波成分、及びノイズ成分に分解される。本発明の目的には関係ないが、入力オーディオ信号の他の成分、例えば高調波成分を求めることも可能である。

図１の正弦波分析器１３０において、各セグメントの信号ｘ２は、振幅パラメータ、周波数パラメータ、及び位相パラメータにより表された複数の正弦波を用いてモデル化される。この情報は、通常、フーリエ変換（ＦＴ）を実行することにより、１つの分析期間について取り出される。フーリエ変換により、周波数、各周波数の振幅、各周波数の位相を含む、その期間のスペクトル表示が得られる。ここで、各位相は「ラップ」されている、すなわち、｛−π，π｝の範囲にある。セグメントの正弦波情報が一旦推定されると、トラッキングアルゴリズムが開始される。このアルゴリズムは、コスト関数を用いて異なるセグメントの正弦波を互いにセグメント毎にリンクさせ、いわゆるトラックを求める。このように、トラッキングアルゴリズムにより正弦波コードＣ_Ｓが得られる。正弦波コードＣ_Ｓは、ある時刻から始まり、複数の時間セグメントにわたる期間の間に時間発展し、その後停止する正弦波トラックを有する。

上記の正弦波符号化において、通常、エンコーダで形成されたトラックの周波数情報を伝送する。この伝送は、簡単なやり方で比較的低コストで実行することができるが、その理由は、トラックの周波数変化はゆっくりしているからである。それゆえ、周波数情報は時間差分符号化により効率的に伝送することができる。一般的に、振幅も時間差分符号化することができる。

周波数とは対照的に、位相は時間的により急激に変化する。周波数が一定の場合、位相は時間的に線形に変化し、周波数変化により位相が線形の変化からずれる。トラックセグメントインデックスの関数として、位相はほぼ線形に振る舞う。それゆえ、符号化された位相の伝送はより複雑である。しかし、伝送時、フーリエ変換から分かるように、位相は｛−π，π｝の範囲に限定されている、すなわち、位相は「ラップ」されている。位相のこのモジュロ２πの表現により、位相の構造的フレーム間関係は失われ、初めて見るとランダム変数であるように見える。

しかし、位相は、周波数の積分であるから、冗長であり、原理的には伝送する必要はない。このことは、位相連続（phase continuation）と呼ばれ、ビットレートを大幅に減らす。

位相連続の場合、各トラックの最初の正弦波は、ビットレートを節約するために伝送される。後続の各位相は最初の位相とトラックの周波数とから計算する。周波数は量子化され、必ずしも非常に正確に推定される訳ではないので、連続位相は測定された位相とはずれてしまう。実験によると、位相連続によりオーディオ信号の品質は低下する。

すべての正弦波の位相を伝送すると、レシーバ側での復号信号の品質は高くなるが、ビットレート／帯域幅も大幅に大きくなってしまう。それゆえ、ジョイント周波数／位相量子化器では、−πからπの値を有する正弦波トラックの測定位相が測定周波数とリンキング情報を用いて接続され、トラックの接続された位相が単調に増大することとなる。そのエンコーダでは、接続された位相は、アダプティブ差分パルスコード変調（ＡＤＰＣＭ）量子化器を用いて量子化され、デコーダに伝送される。デコーダは接続された位相トラジェクトリから正弦波トラックの周波数と位相とを求める。

位相連続においては、符号化された周波数のみが伝送され、デコーダは、位相と周波数間の積分関係を利用して位相を再生する。しかし、位相連続を使用する場合、位相は完全には再生できない。周波数の測定誤差や量子化ノイズにより周波数誤差が生じた場合、位相は、積分関係を用いて再構成され、一般的にはドリフト特性を有する誤差を示す。その理由は、周波数誤差はほぼランダムな特性を有するからである。低周波数誤差は積分により増幅され、その結果、再生された位相は実測された位相からドリフトしていってしまう傾向がある。これによるアーティファクトは聞き取ることができる。

上記を図２ａに示した。ここで、Ωとψは、それぞれトラックの実周波数と実位相である。エンコーダとデコーダの両方で、文字「Ｉ」で表したように、周波数と位相は積分関係を有する。エンコーダにおける量子化プロセスはノイズｎを付け加えることでモデル化した。デコーダでは、このように再生された位相

（外１）

は、実位相ψとノイズ成分ε_２の２つの成分を有する。再生された位相のスペクトルとノイズε_２のパワースペクトル密度関数は両方とも顕著な低周波数特性を有する。

このように、位相連続においては、再生された位相は低周波数信号の積分であるため、再生された位相自体も低周波数信号であることが分かる。しかし、再構成プロセスで入るノイズもこの低周波数範囲では優勢である。それゆえ、符号化の際に入ったノイズｎをフィルタリングする目的でこれらの信号源を分離することは困難である。

従来の量子化方法では、周波数と位相は互いに別々に量子化される。一般的に、一様スカラー量子化器を位相パラメータに適用する。知覚的な理由から、低周波は高周波よりも正確に量子化すべきである。それゆえ、周波数は、ＥＲＢまたはＢａｒｋ関数を用いて、不均一表示に変換され、均一に量子化され、結果として不均一な量子化器である。また、物理的理由もある。調波複合音では、高い調和振動数ほど低い振動数よりも周波数変化が大きくなる傾向がある。

周波数と位相が共に量子化される場合、周波数依存の量子化の正確性は簡単ではない。一様量子化アプローチを使用すると、音声再構成の品質が低くなってしまう。

初期量子化精度の選択、すなわち量子化精度は、量子化グリッドとも呼ばれ、位相ＡＤＰＣＭ量子化器で使用される、トラックの最初のエレメントの量子化に使用されるが、以下の２つの場合のバランスである。
−予測することが困難な接続された位相を求められるスピード。
この例には、周波数が急速に変化しているトラックがある。
−予測することが容易な接続された位相を求められる精度。この例には、周波数がほぼ一定であるトラックがある。

初期量子化グリッドが細かすぎる場合、位相ＡＤＰＣＭ量子化器は、接続位相を予測することが困難なとき、それに追随することができない。この場合、トラックに大きな量子化誤差が生じ、聴取可能な歪みが入ってしまう。これによりビットレートが上昇する。一方、初期量子化グリッドが粗すぎる場合、図７に示したように、スイッチングオン振動が容易に予測可能なトラックで発生し、元のトラックの周波数がステップ状に変化する。この図において、元の周波数は約１．９Ｈｚの精度で推定されている。推定周波数の振動は聞き取ることができ、望ましくない。

本発明は、ブロードバンド信号、特にセリフ信号等のオーディオ信号を低ビットレートを用いて符号化する方法を提供する。正弦波エンコーダの場合、オーディオセグメントごとに複数の複数の正弦波を推定する。正弦波は周波数、振幅、及び位相により表される。従来、位相は周波数とは独立に量子化されていた。本発明は、複合信号、特に低ビットレート量子化器の複合信号の品質を大幅に改善する。

本発明によると、トラックは、複数の可能な初期グリッドの組のうちから選択された好適な初期量子化グリッドを用いて符号化される。この初期グリッドは、細かいものから粗い物まである。２つの可能な初期グリッドを用いてよい結果を得ることができるが、複数のグリッドを用いることもできる。一連の時間セグメントにおいて、１つのトラックの周波数変化が所定値よりも小さい場合、そのトラックはより細かい量子化グリッドを用いて量子化される。この方法により、図７の振動問題を避けることができる。初期グリッドの選択に関する情報がデコーダに送信される必要がある。

これにより、全ての周波数においてよい位相精度と信号品質を維持したまま、低ビットレートで位相情報を送信できるという利点が得られる。この方法の利点は、特に、位相と周波数の量子化に小数のビットのみを使用した場合の、位相精度の改善と、それによる音声品質の改善である。一方、必要な音声品質はより少ないビットを用いて得ることができる。

本発明の好ましい実施形態を添付した図面を参照して説明する。図面においては、同じ構成要素には同じ参照数字を付し、これらは特に言及しない限り同じ機能を果たす。本発明の好ましい実施形態において、エンコーダ１は、ＷＯ０１／６９５９３の図１に示されたタイプの正弦波エンコーダである。この従来技術に属するエンコーダとそれに対応するデコーダについては上記文献に十分説明されているので、ここでは本発明に関係するところだけを説明する。

従来技術と本発明の好ましい実施形態との両方において、オーディオエンコーダ１は、１つのサンプリング周波数で入力オーディオ信号をサンプルし、オーディオ信号のデジタル表示ｘ（ｔ）を求める。エンコーダ１は、サンプリングされた入力信号を３つの成分、すなわち過渡信号成分、持続的決定論的成分、及び持続的確率論的成分に分ける。オーディオエンコーダ１は、過渡エンコーダ１１、正弦波エンコーダ１３、及びノイズエンコーダ１４を有する。

過渡エンコーダ１１は、過渡ディテクタ（検出器）（ＴＤ）１１０、過渡アナライザ（分析器）（ＴＡ）１１１、及び過渡シンセサイザ（合成器）（ＴＳ）１１２を有する。最初に、信号ｘ（ｔ）は過渡ディテクタ１１０に入力される。このディテクタ１１０は、過渡信号成分があるかどうかとその位置とを調べる。この情報は過渡アナライザ１１１に入力される。過渡信号成分の位置が決定された場合、過渡アナライザ１１１がその過渡信号成分（の主要部分）を取り出すように試みる。過渡アナライザ１１１は、好ましくは推定された開始位置で始まる信号セグメントに形状関数をマッチさせて、例えば複数（少数）の正弦波成分を利用して、その形状関数の下にあるコンテントを決定する。この情報は過渡コードＣ_Ｔに含まれる。過渡コードＣ_Ｔの生成に関するより詳細な情報はＷＯ０１／６９５９３に記載されている。

過渡コードＣ_Ｔは過渡シンセサイザ１１２に入力される。合成された過渡信号成分は、減算器１６において入力信号ｘ（ｔ）から減算され、信号ｘ１となる。ゲイン制御メカニズムＧＣ（１２）を用いて信号ｘ_１から信号ｘ_２を作る。

信号ｘ２は、正弦波エンコーダ１３に入力され、正弦波アナライザ（分析器）（ＳＡ）１３０で分析される。正弦波アナライザ１３０は（決定論的）正弦波成分を決定する。それゆえ、分かることは、過渡アナライザがあることが望ましいが、必ずしも必要ではなく、本発明はそのようなアナライザが無くても実施することができる。あるいは、上述のように、本発明は、例えば調和複合音アナライザを用いて実施することもできる。要するに、正弦波エンコーダは、正弦波成分のトラックが１つのフレームセグメントから次のフレームセグメントにリンクされる際、入力信号ｘ_２を符号化する。
ここで図３ａを参照する。従来技術と同様に、好ましい実施形態において、入力信号ｘ２の各セグメントがフーリエ変換（ＦＴ）部４０において周波数領域に変換される。各セグメントについて、フーリエ変換部は測定された振幅Ａ、位相φ、周波数ωを出力する。前に述べたように、フーリエ変換により与えられる位相の範囲は−π≦φ＜πに制限されている。トラッキングアルゴリズム（ＴＡ）部４２は、各セグメントの情報を取り、好適なコスト関数を利用することにより、１つのセグメントから次のセグメントに正弦波をリンクする。これにより、各トラックについて測定された位相φ（ｋ）と周波数ω（ｋ）のシーケンスを作る。

従来技術と対照的に、アナライザ１３０により最終的に得られる正弦波コードＣ_Ｓは、位相情報を含み、周波数はデコーダにおいてこの情報から再構成される。

しかし、上述のように、測定された位相はラップされている、すなわち、モジュロ２πに制限されている。それゆえ、好ましい実施形態においては、アナライザは位相接続器（ＰＵ）４４を有し、モジュロ２πの位相表現を接続して、トラックの構造的なフレーム間の位相の振る舞いψを明らかにする。正弦波トラックの周波数はほぼ一定であるから、接続された位相ψは一般的にはほぼ線形に増加（または減少）する関数であり、位相を安価に（すなわち低いビットレートで）伝送することを可能にすることが分かる。接続された位相ψは位相エンコーダ（ＰＥ）４６に入力される。その位相エンコーダ４６は伝送に好適な量子化された表示レベルｒを出力する。

ここで、位相接続器４４の動作について述べる。上述のように、トラックの瞬間的位相ψと瞬間的周波数Ωは、次の式（１）の関係を有する。

ここで、Ｔ_０は基準時刻である。

フレームｋ＝Ｋ，Ｋ＋１．．．Ｋ＋Ｌ−１の正弦波トラックは、測定された（ラジアン毎秒で表現される）周波数ω（ｋ）と測定された（ラジアンで表現される）位相φ（ｋ）を有する。フレームの中央間の距離はＵ（秒で表現される更新レート）で与えられる。測定された周波数は、ω（ｋ）＝Ω（ｋＵ）として、仮定された基礎をなす連続時間周波数トラックΩのサンプルであると考えられ、同様に、測定された位相は、φ（ｋ）＝ψ（ｋＵ）ｍｏｄ（２π）として、関連づけられた連続時間位相トラックψのサンプルである。正弦波符号化の場合、Ωはほぼ一定の関数であると仮定する。

セグメント内では周波数はほぼ一定であると仮定すると、式１は次の式（２）ように近似できる。

１つのセグメントの位相と周波数及び次のセグメントの周波数が分かると、次のセグメントの接続された位相の値を推定することが可能であり、トラックの各セグメントについても同様である。

好ましい実施形態において、位相接続器は、次の式（３）により時刻ｋにおける接続係数を決定する。

接続係数ｍ（ｋ）により、位相接続器４４は、接続された位相を求めるために加えなければならないサイクル数が分かる。

式（２）と（３）を組み合わせて、位相接続器は、次式のように増加接続係数ｅ（ｋ）を決定する。

ここでｅは整数である。しかし、測定及びモデル化による誤差のため、増加接続係数は正確には整数にならない。そこで、

とする。モデル化及び測定による誤差は小さいと仮定した。

増加接続係数ｅが分かると、式（３）のｍ（ｋ）を総和として計算できる。ここで、一般性を失わずに、位相接続器はｍ（Ｋ）＝０である最初のフレームＫから始まり、ｍ（ｋ）とφ（ｋ）から（接続された）位相ψ（ｋＵ）が決定される。

実際には、サンプルされたデータψ（ｋＵ）とΩ（ｋＵ）は、測定誤差により歪められる。

ここで、ε_１とε_２は、それぞれ位相誤差及び周波数誤差である。接続係数の決定がいい加減にならないように、データは十分な精度で測定する必要がある。このように、好ましい実施形態においては、トラッキングは次の制限を満たす：

ここで、δは丸め誤差である。誤差δは、主に、Ｕとの乗算によるωの誤差により決定される。ωはサンプリング周波数Ｆ_ｓでサンプルされた入力信号からのフーリエ変換の絶対値の最大値から決定され、フーリエ変換の分解能は２π／Ｌ_ａ（Ｌ_ａは分析サイズ）であると仮定する。考慮された限度内にあるためには、

すなわち、接続を正確にするためには、分析サイズは更新サイズより少し大きくなくてはならず、例えば、δ_０＝１／４とすると、分析サイズは更新サイズの４倍でなければならない（位相測定の誤差ε_１は無視した）。

丸め操作において決定誤差を避けるために取ることができる２つめの注意は、トラックを適当に決めることである。トラッキング部４２において、正弦波トラックは、一般的に、振幅及び周波数の違いを考慮して決められる。また、リンクの基準で位相情報を説明することも可能である。
例えば、位相推定誤差εを測定値と推定値

（外２）

との差として次式で定義することも可能である。

ここで、推定値は次式による。

このように、好ましくは、トラッキング部４２は、εが一定値より大きい（例えば、ε＞π／２）であるトラックを禁止して、ｅ（ｋ）の定義をはっきりさせる。

また、エンコーダは、デコーダで利用できるような位相と周波数を計算する。デコーダで利用可能になる位相または周波数がエンコーダにある位相及び／または周波数と大きく違いすぎる場合、トラックを中断するものと決めてもよい。すなわち、トラックの終了信号を出し、現在の周波数、位相、及びリンクされた正弦波のデータを用いて新しいトラックを開始してもよい。

位相接続器（ＰＵ）４４により作られたサンプルされ接続された位相ψ（ｋＵ）は、位相エンコーダ（ＰＥ）４６に入力され、表示レベルｒの組を作る。接続された位相のように、一般的に単調に変化する特性を効率的に伝送する方法が知られている。図３ｂの好ましい実施形態において、アダプティブ差分パルス符号変調（ＡＰＣＭ）が利用される。ここで、推定器（ＰＦ）４８を使用して、次のトラックセグメントの位相を推定し、量子化器（Ｑ）５０において差のみを符号化する。ψはほぼ線形な関数であると期待され、簡単化するため、推定器４８は次の形の２次フィルタとする：

ここで、ｘは入力であり、ｙは出力である。しかし、（高次の関係を含む）他の機能的関係を取ることも可能であり、フィルター係数のアダプティブな（バックワードまたはフォワード）当てはめを含むこともできる。好ましい実施形態においては、簡単のため、バックワードアダプティブ制御メカニズム（ＱＣ）５２を使用して、量子化器５０を制御する。フォワードアダプティブ制御も可能であるが、余分なビットレートがオーバーヘッドとして必要となる。

１つのトラックに対して、エンコーダ（及びデコーダ）は、開始位相φ（０）と開始周波数ω（０）が分かってから初期化される。これらは別のメカニズムにより量子化及び伝送される。また、図５ｂに示した、エンコーダの量子化コントローラ５２とデコーダの対応するコントローラ６２で使用される初期量子化ステップは、エンコーダ及びデコーダの両方で、伝送されるか一定の値に設定される。最後に、トラックの終わりは、別のサイドストリームで、または位相のビットストリームで一意的なシンボルとして、信号を送ることもできる。

接続された位相の開始周波数は、エンコーダとデコーダの両方で既知である。この周波数に基づき、量子化精度を選択する。低い振動数で始まる接続された位相トラジェクトリの場合、より高い周波数で始まる接続された位相トラジェクトリの場合よりも、より正確な量子化グリッド、すなわち、より高い分解能を選択する。

ＡＤＰＣＭ量子化器においては、接続された位相ψ（ｋ）（ｋはトラック中の番号を表す）トラック中の先行する位相から予測／推定される。
予測された位相

（外３）

と接続された位相ψ（ｋ）の間の差が量子化され、伝送される。
量子化器は、トラック中の全ての接続された位相に適合する。予測誤差が小さいとき、量子化器は可能な値の範囲を限定し、量子化がより正確になる。一方、予測誤差が大きいとき、量子化器はより粗い量子化をする。

図３ｂの量子化器Ｑは、次式で計算される予測誤差Δを量子化する：

予測誤差Δは、ルックアップテーブルを用いて量子化できる。この目的のため、テーブルＱを保持している。例えば、２ビットのＡＤＰＣＭ量子化器の場合、テーブルＱは最初は表１に示すテーブルのようなものである。

表１：最初に使用する量子化テーブルＱ
量子化は以下のように行われる。次式が満たされるかどうか予測誤差Δを境界ｂと比較する。

上の関係を満たすｉの値から表示レベルｒをｒ＝ｉにより計算する。

関連づけられた表示レベルは表示テーブルＲに格納される。表示テーブルＲは表２に示されている。

表２：最初に使用する表示テーブルＲ
テーブルＱとＲに係数ｃをかけて、トラックの次の正弦波成分を量子化する。

トラックの復号の際、両方のテーブルは生成された表示レベルｒによりスケールされる。現在のサブフレームについてｒが１または２（内部レベル）のいずれかである場合、量子化テーブルのスケールファクタｃは、次式のように設定される：

ｃ＜１であるから、トラックの次の正弦波の周波数と位相は、より正確になる。ｒが０または３（外部レベル）、スケールファクタ次式により設定される：

ｃ＞１であるから、トラックの次の正弦波の量子化精度は低下する。これらのファクタを用いて、１つのアップスケーリングを２つのダウンスケーリングで取り消すことができる。アップスケーリングファクタとダウンスケーリングファクタの違いにより、アップスケーリングを速くなるが、対応するダウンスケーリングには２つのステップが必要となる。

量子化テーブルのエントリーが多すぎたり少なすぎたりしないように、内側レベルの絶対値がπ／６４と３π／４の間である場合にだけ、適応を行う。その場合、ｃは１に設定される。

デコーダでは、受信した表示レベルｒを量子化された予測誤差に変換するためにテーブルＲだけを保持していればよい。この逆量子化操作は図５ｂのブロックＤＱにより実行される。

上記の設定を用いて、再構成された音声の品質を改善する必要がある。本発明により、開始周波数に応じて、接続された位相トラックに対して異なる初期テーブルを使用する。これによりよい音声品質を得ることができる。これは以下のように行われる。初期テーブルＱとＲがトラックの最初の周波数に基づきスケールされる。テーブル３において、スケールファクタが周波数範囲とともに与えられる。トラックの最初の周波数が一定の周波数範囲に入っている場合、適当なスケールファクタを選択し、テーブルＲとＱがそのスケールファクタにより分割される。終点もトラックの最初の周波数によって決まりうる。デコーダにおいて、正しい初期テーブルＲを作るために対応する手順が実行される。

テーブル３：周波数に依存するスケールファクタ及び初期テーブル
テーブル３は、２ビットＡＤＰＣＭ量子化器の場合に、周波数に依存するスケールファクタの例と対応する初期テーブルＱとＲを示す。０−２２０５０Ｈｚのオーディオ周波数範囲が４つの副周波数範囲に分割されている。高い周波数範囲と比較して低い周波数範囲において位相精度がよくなっていることが分かる。

副周波数範囲の数と周波数依存スケールファクタは可変であり、個別の目的と必要性に合うように選択できる。上述のように、テーブル３の周波数依存初期テーブルＱとＲは、１つの時間セグメントから次の時間セグメントに位相が発展するのに合わせて動的にアップスケール及びダウンスケールしてもよい。

例えば、３ビットＡＤＰＣＭ量子化器において、３ビットで決まる８つの量子化区間の初期の境界は次のように決めることができる：
Ｑ＝｛−∞，−１．４１，−０．７０７，−０．３５，０，０．３５，０．７０７，１．４１，∞｝。
そして、最小グリッドサイズはπ／６４であり、最大グリッドサイズはπ／２である。表示テーブルＲは次のようになる：
Ｒ＝｛−２．１１７，−１．０５８５，−０．５２８５，−０．１７５０，０．１７５０，０．５２８５，１．０５８５，２．１１７｝
テーブル３に示したように、テーブルＱとＲの同様の周波数依存初期化をこの場合には使用することができる。

デコーダの正弦波シンセサイザ（ＳＳ）３２について説明するのと同様に、正弦波エンコーダで生成された正弦波コードＣ_Ｓから正弦波信号成分を正弦波シンセサイザ（ＳＳ）１３１により再構成する。この信号は、正弦波エンコーダ１３への入力ｘ_２から減算器１７において減算され、残余信号ｘ_３になる。正弦波エンコーダ１３により作られた残余信号ｘ_３は好ましい実施形態のノイズアナライザ１４に送られる。そのノイズアナライザ１４は、例えば、国際特許出願第ＰＣＴ／ＥＰ００／０４５９９号に記載したように、このノイズを表すノイズコードＣ_Ｎを作る。

最後に、マルチプレクサ１５において、コードＣ_Ｔ、Ｃ_Ｓ及びＣ_Ｎを含むオーディオストリームＡＳが構成される。オーディオストリームＡＳは、例えば、データバス、アンテナシステム、記憶媒体等に送られる。

図４は、データバス、アンテナシステム、記憶媒体等から得られた、例えば、図１のエンコーダ１により生成された、オーディオストリームＡＳ′を復号するのに好適なオーディオプレーヤ３を示している。コードＣ_Ｔ、Ｃ_Ｓ、Ｃ_Ｎを求めるため、オーディオストリームＡＳ′はデマルチプレクサ３０で逆多重される。これらのコードは、それぞれ過渡シンセサイザ３１、正弦波シンセサイザ３２、及びノイズシンセサイザ３３に入力される。過渡コードＣ_Ｔから、過渡信号成分が過渡シンセサイザ３１で計算される。過渡コードが形状関数を示す場合、受信したパラメータに基づいて形状が計算される。さらに、形状コンテントが正弦波成分の周波数と振幅に基づき計算される。過渡コードＣ_Ｔがステップを示している場合、過渡計算は行われない。トータルの過渡信号ｙＴは全ての過渡計算を合計したものである。

アナライザ１３０により符号化された情報を含む正弦波コードＣ_Ｓは、信号ｙ_Ｓを生成するために正弦波シンセサイザ３２により使用される。ここで、図５ａと５ｂを参照して、正弦波シンセサイザ３２は、位相エンコーダ４６と互換性のある位相デコーダ（ＰＤ）５６を有する。ここで、逆量子化器（ＤＱ）６０は、２次予測フィルタ（ＰＦ）６４とともに、表示レベルｒ、予測フィルタ（ＰＦ）６４に提供された初期情報

（外４）

及び量子化コントローラ（ＱＣ）６２の初期量子化ステップから、接続された位相

（外５）

（の予測値）を作る。

図２ｂに示したように、周波数は、接続された位相

（外６）

から差分により再生することができる。デコーダにおける位相誤差がほぼ白色であると仮定すると、差分により高い周波数が増幅されるから、差分をローパスフィルタと組み合わせてノイズを低減し、そうすることにより、デコーダにおいて周波数を正確に推定することができる。

好ましい実施形態において、フィルタ部（ＦＲ）５８は差分を近似する。これは、前方差分、後方差分、または中央差分の方法により接続された位相から周波数

（外７）

を求めるのに必要である。これにより、デコーダは、符号化信号の正弦波成分を合成するために従来の方法で使用することができる位相

（外８）

と周波数

（外９）

を出力することができる。

同時に、信号の正弦波成分が合成される際、ノイズコードＣ_ＮがノイズシンセサイザＮＳ３３に入力される。このノイズシンセサイザＮＳ３３は、主に、ノイズのスペクトルを近似する周波数応答を有するフィルタである。ＮＳ３３は、ノイズコードＣ_Ｎで白色ノイズ信号をフィルタすることにより、再構成ノイズｙ_Ｎを生成する。トータル信号ｙ（ｔ）は、過渡信号ｙ_Ｔと、振幅解凍（ｇ）と正弦波信号ｙ_Ｓの和の積と、ノイズ信号ｙ_Ｎとを有する。オーディオプレーヤは、信号をそれぞれ合計する２つの加算器３６と３７を有する。トータル信号は、例えばスピーカである出力部３５に送られる。

図６は、本発明によるオーディオシステムを示しており、図１に示したオーディオエンコーダ１と、図４に示したオーディオプレーヤ３とを有する。このようなシステムは再生機能と記録機能とを有する。オーディオストリームＡＳは、オーディオエンコーダからオーディオプレーヤに通信チャネル２を解して送られる。通信チャネル２は、例えば、ワイヤレス接続、データバス２０、または記憶媒体である。通信チャネル２が記憶媒体である場合、その記憶媒体はシステムに固定されていてもよいし、リムーバブルのディスク、メモリカード、メモリチップ、その他の固体メモリであってもよい。通信チャネル２はオーディオシステムの一部であってもよいが、その外部にあってもよい。

複数の連続セグメントからの符号化データがリンクされる。これは以下のように行われる。複数の正弦波が（例えばＦＦＴを用いて）決定される。正弦波は周波数、振幅、及び位相により構成されている。１セグメント当たりの正弦波の数は可変である。一旦セグメントに対して正弦波が決定されると、前のセグメントの正弦波と接続するための分析が実行される。これは、「リンキング」または「トラッキング」と呼ばれている。その分析は、現在のセグメントの正弦波と、前のセグメントからの全ての正弦波の間の差に基づく。前のセグメントの差が最も小さい正弦波とリンク／トラックする。差が最も小さくても所定の閾値より大きい場合、前のセグメントの正弦波との接続はしない。このように、新しい正弦波が生成される、すなわち「生まれる」。

正弦波間の差は、コスト関数を用いて決定される。このコスト関数は、正弦波の周波数、振幅、及び位相を使用する。この分析は各セグメントに対して実行される。結果として、オーディオ信号に対して多数のトラックが得られる。トラックは、前のセグメントからの正弦波と接続していない正弦波である起源を有する。起源正弦波は差分せずに符号化される。前のセグメントからの正弦波と接続された正弦波は連続と呼ばれ、前のセグメントからの正弦波に対する差が符号化される。これにより多くのビットが節約できる。その理由は、絶対値でなく差だけが符号化されるからである。

本発明によると、例えば、各トラックに対して２つの可能な初期グリッドの組が使用された場合、２つの初期グリッドのどちらが実際に使用されたかを示す１ビットをデコーダに伝送しなければならない。エンコーダにおいて、１つのトラックに沿った周波数を調べて、周波数差を決定し、その差を所定の閾値と比較する。その差が閾値より大きい場合、粗いグリッドを選択するが、そうでない場合、細かいグリッドを選択する。周波数差は、周波数間の数値的差または差以外の統計的量（例えば、標準偏差）である。

これによりオーディオ品質がよくなる。同様に、各トラックに対して４つの可能な初期グリッドの組が使用される場合、４つの初期グリッドのどれが使用されたかを示す２ビットをデコーダに伝送しなければならない。一般的に、１２５００ビット／秒のビットレートで動作する、参考文献［１］に記載したエンコーダの場合、３００ビット／秒のビットレートがこの方法に割り当てられる。しかし、本発明の以下の方法により、オーディオ品質を維持したまま、ビットレートを低くすることができる。
エンコーダにおいて、以下の条件
ａ）少なくとも所定数のフレーム長（例えば、５フレーム）であり、
ｂ）第２フレームから第５フレームまでの最高周波数と最低周波数の間の差が所定値よりも小さい、
を満たすトラックは、上記の２条件ａ）、ｂ）を満たさない残りのトラックに対して使用される初期量子化グリッドよりも細かい（例えば、２倍細かい）初期量子化グリッドで符号化される。

好ましくは、少なくとも所定数のフレーム長（例えば、５フレーム）であるトラックの少なくとも１つの初期化を有するフレームにおいて、以下の条件の１つがあてはまる：
− フレーム中のどのトラックも細かい量子化グリッドを用いて符号化されていない。この場合、「０」がデコーダに送信され、その他の情報はデコーダに送信される必要はない。
− 細かい量子化グリッドを用いて少なくとも１つのトラックが符号化された。この場合、「１」がデコーダに送信され、所定数のフレーム長（例えば、５フレーム）のトラック全てに対して、細かい初期量子化グリッドで符号化されたか、粗い初期量子化グリッドで符号化されたかを示す。デコーダはトラッキング情報を用いて、どのトラックが少なくとも所定数フレーム長を有するか判断する。

エンコーダで適用されて、上記の符号化方法により、デコーダは、トラックが細かい初期量子化グリッドと粗い初期量子化グリッドのどちらで符号化されたか決定することができる。

本発明の方法を参考文献［１］に記載したエンコーダに適用する場合、全ビットレート１２５００ビット／秒のうち、約１００ビット／秒が必要である。本発明の方法において、ビットレートを低減した場合（１００ビット／秒）と通常の場合（３００ビット／秒）の間のビットレートのゲインは、２つより多い初期グリッドを使用した場合、大幅に大きくなる。
参考文献:[1]Gerard HothoとRobSluijter「A low bit rate audio and speech sinusoidal coder fornarrowband signals」In Proc. 1st IEEE Benelux workshop on MPCA-2002, pages 1-4, Leuven, Belgium, November 15, 2002。

本発明の一実施形態を実施する従来技術に属するオーディオエンコーダを示す図である。 従来のシステムにおける位相と周波数との関係を示す図である。 本発明によるオーディオシステムにおける位相と周波数との関係を示す図である。 図３ａと図３ｂは、図１のオーディオエンコーダの正弦波エンコーダ構成要素の好ましい実施形態を示す図である。 本発明の一実施形態を実施するオーディオプレーヤを示す図である。 図５ａと図５ｂは、図４のオーディオプレーヤの正弦波シンセサイザ構成要素の好ましい実施形態を示す図である。 本発明によるオーディオエンコーダとオーディオプレーヤを有するシステムを示す図である。 元の周波数トラックの例と、異なる量子化グリッドを用いた位相ＡＤＰＣＭ量子化器による２通りの推定を示す図である。

Claims (23)

1. 信号の符号化方法であって、
   複数の順次時間セグメントのそれぞれについてサンプルされた信号値の組を与えるステップと、
   前記複数の順次セグメントのそれぞれについて１つ以上の正弦波成分であって、それぞれが周波数値と位相値を含む正弦波成分を決定するため、前記サンプルされた信号値を分析するステップと、
   正弦波トラックを求めるため複数の順次セグメントにわたる正弦波成分をリンクするステップと、
   前記複数の順次セグメントのそれぞれの各正弦波トラックに、少なくとも前のセグメントの位相値の関数として推定された位相値を決定するステップと、
   各正弦波トラックについて、一般的に単調に変化する値を有する測定された位相値を決定するステップと、
   各トラックについて、前記トラック中の複数の正弦波を選択するステップと、
   各トラックについて、前記セグメントの推定された位相値と測定された位相値の関数として正弦波コードを、前記選択された正弦波の周波数に応じて量子化するステップと、
   前記周波数及び前記位相及びリンク情報を表す正弦波コードを含む符号化信号を生成するステップと、を有することを特徴とする方法。
2. 請求項１に記載の方法であって、
   所定の時間セグメントにある２つの正弦波を選択し、
   前記正弦波コードが前記２つの正弦波の周波数間の違いに応じて量子化されることを特徴とする方法。
3. 請求項１に記載の方法であって、
   前記正弦波コードが前記選択された２つの正弦波の周波数の標準偏差に応じて量子化されることを特徴とする方法。
4. 請求項２に記載の方法であって、
   前記第１と第２の周波数値が第１の差を有する第１の正弦波トラックにおいて、前記正弦波コードは第１の量子化グリッドを用いて量子化され、
   前記第１と第２の周波数値が前記第１の差より小さい第２の差を有する第２の正弦波トラックにおいて、前記正弦波コードは前記第１の量子化グリッドと同じかまたはより細かい第２の量子化グリッドを用いて量子化されることを特徴とする方法。
5. 請求項４に記載の方法であって、
   時間セグメントにおいて、１つ以上の正弦波コードが前記第２の量子化グリッドを用いて量子化されたかどうかを示すコードを生成するステップをさらに有することを特徴とする方法。
6. 請求項４に記載の方法であって、
   前記符号化信号は、前記第１と第２の量子化精度が等しいか否かに応じたコードを含むことを特徴とする方法。
7. 請求項１に記載の方法であって、
   １つのトラックの正弦波コードは、初期位相値と初期周波数値を含み、前記推定するステップは最初の推定をするために前記初期周波数値と前記初期位相値を使用することを特徴とする方法。
8. 請求項１に記載の方法であって、
   各リンクされたセグメントの位相値は、前のセグメントの周波数と前記リンクされたセグメントの周波数の積分と、及び前のセグメントの位相との関数として決定され、前記正弦波成分は範囲｛−π，π｝に位相値を含むことを特徴とする方法。
9. 請求項１に記載の方法であって、
   前記正弦波コードの量子化は、
   各推定された位相値間の位相差の決定と、
   対応する観測された位相値と、を含むことを特徴とする方法。
10. 請求項６に記載の方法であって、
    前記生成するステップは、前記量子化された正弦波コードの関数として前記量子化するステップを制御するステップを有することを特徴とする方法。
11. 請求項８に記載の方法であって、
    前記正弦波コードは、トラックの終わりのインジケータを含むことを特徴とする方法。
12. 請求項１に記載の方法であって、
    前記正弦波コードを用いて前記正弦波成分を合成するステップと、
    オーディオ信号の残余成分を表す一組の値を与えるため、前記サンプルされた信号値から前記合成された信号値を減算するステップと、
    パラメータを決定し、前記残余成分を近似することにより前記オーディオ信号の残余成分をモデル化するステップと、
    オーディオストリームに前記パラメータを含めるステップと、をさらに有することを特徴とする方法。
13. 請求項１に記載の方法であって、
    前記サンプルされた信号値は過渡成分が取り除かれたオーディオ信号を表すことを特徴とする方法。
14. オーディオストリームの復号方法であって、
    前記オーディオストリームは、周波数、位相、リンク情報、及び量子化グリッド情報を表す正弦波コードのトラックを含み、
    前記方法は、
    前記オーディオストリームを含む信号を受信するステップと、
    量子化グリッドの情報に応じて前記正弦波コードを逆量子化して接続された逆量子化位相値を求めるステップと、
    前記逆量子化された接続された位相値から周波数値を計算するステップと、
    前記オーディオ信号の前記正弦波成分を合成するため、前記逆量子化された周波数値と位相値とを使用するステップと、を有することを特徴とする方法。
15. 請求項１４に記載の方法であって、
    前記量子化グリッドの情報は、所定数の一連の時間セグメントにおいて、１つ以上の正弦波コードのトラックがデフォルト量子化グリッド以外の量子化グリッドを用いて量子化されたかどうかを示すコードを含み、
    前記方法は、どのトラックを前記デフォルト量子化グリッド以外の量子化グリッドを用いて量子化するか決定するために前記リンク情報を用いるステップをさらに有することを特徴とする方法。
16. 請求項１４に記載の方法であって、
    リンクされた各正弦波成分の位相値は、前のセグメントの周波数と前記リンクされたセグメントの周波数と、前のセグメントの位相の関数として決定され、
    前記正弦波成分は｛−π，π｝の範囲の位相値を含むことを特徴とする方法。
17. 請求項１４に記載の方法であって、
    前記量子化グリッドは、前記量子化された正弦波コードの関数として制御されることを特徴とする方法。
18. 複数の順次時間セグメントのそれぞれについて、サンプルされた信号値の組を処理するように構成されたオーディオエンコーダであって、
    前記複数の順次セグメントのそれぞれについて１つ以上の正弦波成分であって、それぞれが周波数値と位相値を含む正弦波成分を決定するため、前記サンプルされた信号値を分析するアナライザと、
    正弦波トラックを求めるため複数の順次セグメントにわたる正弦波成分をリンクするリンカと、
    前記複数の順次セグメントのそれぞれの各正弦波トラックに、少なくとも前のセグメントの位相値の関数として推定された位相値を決定し、
    各正弦波トラックについて、一般的に単調に変化する値を有する測定された位相値を決定する位相接続器と、
    前記セグメントの推定された位相値と測定された位相値の関数として正弦波コードを、第１の時間セグメントの第１の周波数値と第２の時間セグメントの第２の周波数値に応じて量子化する、前記第１と第２の時間セグメントは一連の所定数の時間セグメントから選択される量子化器と、
    前記周波数及び前記位相を表す正弦波コードを含む符号化信号を与える手段と、を有することを特徴とするオーディオエンコーダ。
19. 請求項１６に記載のオーディオエンコーダであって、
    前記量子化器は、
    前記第１と第２の周波数値が第１の差を有する第１の正弦波トラックにおいて、前記正弦波コードを第１の量子化グリッドを用いて量子化し、
    前記第１と第２の周波数値が前記第１の差より小さい第２の差を有する第２の正弦波トラックにおいて、前記正弦波コードを前記第１の量子化グリッドと同じかまたはより細かい第２の量子化グリッドを用いて量子化することを特徴とするオーディオエンコーダ。
20. オーディオプレーヤであって、
    リンクされた正弦波成分の各トラックの周波数と位相、及び位相とリンク情報と量子化グリッド情報を表す正弦波コードのトラックを含む符号化オーディオ信号を読み出す手段と、
    量子化グリッド情報に応じて前記正弦波コードを逆量子化して接続された逆量子化位相値を求め、前記逆量子化した接続された位相値から周波数値を計算する逆量子化器と、
    前記オーディオ信号の前記正弦波成分を合成するため、前記生成された位相値と周波数値とを使用するシンセサイザと、を有することを特徴とするオーディオプレーヤ。
21. オーディオシステムであって、請求項１６に記載のオーディオエンコーダと、請求項２０に記載のオーディオプレーヤとを有することを特徴とするオーディオシステム。
22. オーディオ信号の複数の順次時間セグメントにわたってリンクした正弦波成分のトラックを表す正弦波コードを有するオーディオストリームであって、
    前記コードが少なくとも前のセグメントの位相値の関数としての推定された位相値と、一般的に単調に変化する値を有する測定された位相値とを表し、
    前記正弦波コードがそのセグメントの推定された位相値と測定された位相値の関数として量子化され、
    前記正弦波コードがそのセグメントの予測された位相値と測定された位相値に応じて量子化され、
    前記正弦波コードが第１の時間セグメントの第１の周波数値と第２の時間セグメントの第２の周波数値に応じて量子化され、
    前記第１と第２の時間セグメントが一連の所定数の時間セグメントから選択されることを特徴とするオーディオストリーム。
23. 記憶媒体であって、請求項２０に記載のオーディオストリームが格納されたことを特徴とする記憶媒体。

Images