JP3254953B2 - 音声高能率符号化装置 - Google Patents
音声高能率符号化装置Info
- Publication number
- JP3254953B2 JP3254953B2 JP05331795A JP5331795A JP3254953B2 JP 3254953 B2 JP3254953 B2 JP 3254953B2 JP 05331795 A JP05331795 A JP 05331795A JP 5331795 A JP5331795 A JP 5331795A JP 3254953 B2 JP3254953 B2 JP 3254953B2
- Authority
- JP
- Japan
- Prior art keywords
- ratio
- audio signal
- band
- masking
- signal
- Prior art date
- Legal status (The legal status 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 status listed.)
- Expired - Lifetime
Links
Landscapes
- Reverberation, Karaoke And Other Acoustics (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
Description
【０００１】
【産業上の利用分野】本発明は、オーディオ信号を複数
の周波数帯域（サブバンド）に分割し、分割された信号
をサブバンド毎に量子化及び符号化する音声高能率符号
化装置に関し、特に聴覚心理分析に基づいてサブバンド
毎の量子化ビット数を決定する音声高能率符号化装置に
関する。
の周波数帯域（サブバンド）に分割し、分割された信号
をサブバンド毎に量子化及び符号化する音声高能率符号
化装置に関し、特に聴覚心理分析に基づいてサブバンド
毎の量子化ビット数を決定する音声高能率符号化装置に
関する。
【０００２】
【従来の技術】ミニディスク（ＭＤ）、ディジタルコン
パクトカセット（ＤＣＣ）、カラオケＣＤ等における音
声高能率符号化は、オーディオ信号のデータ量を圧縮す
るので音楽圧縮とも呼ばれている。このような符号化方
式では、オーディオ信号がデジタルフィルタ又は直交変
換により複数のサブバンドに分割され、周波数領域にお
ける聴覚心理分析に基づいてサブバンド毎の量子化ビッ
ト数が決定される。なお、以下の説明では「エンコー
ド」という用語を符号化の他に圧縮の意味で用いる場合
もある。
パクトカセット（ＤＣＣ）、カラオケＣＤ等における音
声高能率符号化は、オーディオ信号のデータ量を圧縮す
るので音楽圧縮とも呼ばれている。このような符号化方
式では、オーディオ信号がデジタルフィルタ又は直交変
換により複数のサブバンドに分割され、周波数領域にお
ける聴覚心理分析に基づいてサブバンド毎の量子化ビッ
ト数が決定される。なお、以下の説明では「エンコー
ド」という用語を符号化の他に圧縮の意味で用いる場合
もある。
【０００３】図２２の（ａ）〜（ｄ）はこのような符号
化方式で周波数帯域を直交変換により分割する例を示し
ている。図２２の（ａ）はエンコードの対象となる１６
ビットＰＣＭオーディオ信号を５１２サンプル分切り出
したことを示し、ここでは図の長方形で囲まれる全情報
量が１６ビット＊５１２＝８１９２ビットとして説明す
る。もちろん、切り出されるサンプル数やＰＣＭのビッ
ト数はこの値に限定されない。
化方式で周波数帯域を直交変換により分割する例を示し
ている。図２２の（ａ）はエンコードの対象となる１６
ビットＰＣＭオーディオ信号を５１２サンプル分切り出
したことを示し、ここでは図の長方形で囲まれる全情報
量が１６ビット＊５１２＝８１９２ビットとして説明す
る。もちろん、切り出されるサンプル数やＰＣＭのビッ
ト数はこの値に限定されない。
【０００４】図２２の（ｂ）は図２２の（ａ）に示す信
号をＤＣＴ（離散コサイン変換）やＦＦＴ（高速フーリ
エ変換）等の直交変換により周波数変換した信号を示
し、図の曲線が周波数スペクトルのエンベロープを示し
ている。ここで、直交変換により情報量が保存されると
仮定すると、この全情報量も図の長方形領域で表現する
ことができる。一方、聴覚心理モデルによれば、図２２
の（ｂ）に示す信号が存在したときにその信号によりマ
スキングされて聞こえなくなる信号レベルをカーブとし
て規定することができ、これは一般にマスキング効果
（詳しくは後述）と言われる。
号をＤＣＴ（離散コサイン変換）やＦＦＴ（高速フーリ
エ変換）等の直交変換により周波数変換した信号を示
し、図の曲線が周波数スペクトルのエンベロープを示し
ている。ここで、直交変換により情報量が保存されると
仮定すると、この全情報量も図の長方形領域で表現する
ことができる。一方、聴覚心理モデルによれば、図２２
の（ｂ）に示す信号が存在したときにその信号によりマ
スキングされて聞こえなくなる信号レベルをカーブとし
て規定することができ、これは一般にマスキング効果
（詳しくは後述）と言われる。
【０００５】図２２の（ｂ）からマスキングカーブを描
くと図２２の（ｃ）に示すように表すことができ、ここ
で、図２２の（ｂ）に示す信号を再量子化することを考
慮すると、再量子化により発生する量子化ノイズレベル
がマスキングカーブで規定されるレベル以下であれば、
そのノイズは人間の耳には聞こえないと言うことができ
る。そこで、図２２の（ｄ）に示すようにスペクトルを
複数データ毎にサブバンドに分割し、各サブバンド毎の
最大信号レベルをＳとし、また、図２２の（ｃ）から許
容されるノイズレベルをＮとしてこのＳ／Ｎを満足する
ビット数で再量子化すれば、そのときの量子化ノイズは
マスキングされて聞こえない。
くと図２２の（ｃ）に示すように表すことができ、ここ
で、図２２の（ｂ）に示す信号を再量子化することを考
慮すると、再量子化により発生する量子化ノイズレベル
がマスキングカーブで規定されるレベル以下であれば、
そのノイズは人間の耳には聞こえないと言うことができ
る。そこで、図２２の（ｄ）に示すようにスペクトルを
複数データ毎にサブバンドに分割し、各サブバンド毎の
最大信号レベルをＳとし、また、図２２の（ｃ）から許
容されるノイズレベルをＮとしてこのＳ／Ｎを満足する
ビット数で再量子化すれば、そのときの量子化ノイズは
マスキングされて聞こえない。
【０００６】図２２の（ｄ）の矩形は圧縮時および伸長
時に必要な情報量を示し、特に図の中央の変形矩形は主
情報を、図の下側の細長い矩形は補助情報を示してい
る。なお、補助情報とはデコード時に必要な各サブバン
ドの最大値（スケール値）と量子化ビット数を示す情報
等である。したがって、図２２の（ｄ）において示され
る全情報量は主情報量と補助情報量の和であり、図２２
の（ａ）や図２２の（ｂ）における全情報量の数分の１
になることが分かる。以上の処理を所定区間（この例で
は５１２サンプル区間）毎に繰り返すことにより音質を
殆ど劣化することなくエンコードすることができる。
時に必要な情報量を示し、特に図の中央の変形矩形は主
情報を、図の下側の細長い矩形は補助情報を示してい
る。なお、補助情報とはデコード時に必要な各サブバン
ドの最大値（スケール値）と量子化ビット数を示す情報
等である。したがって、図２２の（ｄ）において示され
る全情報量は主情報量と補助情報量の和であり、図２２
の（ａ）や図２２の（ｂ）における全情報量の数分の１
になることが分かる。以上の処理を所定区間（この例で
は５１２サンプル区間）毎に繰り返すことにより音質を
殆ど劣化することなくエンコードすることができる。
【０００７】図２３は一般的なエンコード処理を示して
いる。先ず、例えば１６ビットＰＣＭオーディオ信号が
５１２サンプル分切り出され、各サンプルのオーディオ
信号がＤＣＴやＦＦＴ等により直交変換され、複数のサ
ブバンドｓに分割される（ステップＳ１）。そして、聴
覚心理分析により各サブバンドｓの最大値（スケール
値）が決定されるとともに（ステップＳ２）、各サブバ
ンドの許容ノイズレベルＮ〔ｓ〕が決定される（ステッ
プＳ３）。次いで各サブバンドに必要なＳ／Ｎ比が決定
され（ステップＳ４）、次いでこのＳ／Ｎ比から各サブ
バンドの量子化ビット数が決定され（ステップＳ５）、
各サブバンドが量子化されて補助情報とともに出力され
る（ステップＳ６）。
いる。先ず、例えば１６ビットＰＣＭオーディオ信号が
５１２サンプル分切り出され、各サンプルのオーディオ
信号がＤＣＴやＦＦＴ等により直交変換され、複数のサ
ブバンドｓに分割される（ステップＳ１）。そして、聴
覚心理分析により各サブバンドｓの最大値（スケール
値）が決定されるとともに（ステップＳ２）、各サブバ
ンドの許容ノイズレベルＮ〔ｓ〕が決定される（ステッ
プＳ３）。次いで各サブバンドに必要なＳ／Ｎ比が決定
され（ステップＳ４）、次いでこのＳ／Ｎ比から各サブ
バンドの量子化ビット数が決定され（ステップＳ５）、
各サブバンドが量子化されて補助情報とともに出力され
る（ステップＳ６）。
【０００８】次に聴覚心理に基づくマスキングカーブの
計算方法を説明する。マスキング効果とはある周波数ス
ペクトルが存在する場合に、その周辺のある一定レベル
以下の音が検知できなくなることを言う。図２４は各種
周波数スペクトルに関するマスキングカーブを示し、こ
のカーブの傾斜は低域ほど急峻であり、高域ほど緩慢で
ある。
計算方法を説明する。マスキング効果とはある周波数ス
ペクトルが存在する場合に、その周辺のある一定レベル
以下の音が検知できなくなることを言う。図２４は各種
周波数スペクトルに関するマスキングカーブを示し、こ
のカーブの傾斜は低域ほど急峻であり、高域ほど緩慢で
ある。
【０００９】また、図２４の横軸（周波数）を聴覚の臨
界帯域幅に比例したスケールに変換すると、図２５に示
すようにこれらのカーブはほぼ同様な形および傾斜のカ
ーブになることが知られている。また、この臨界帯域幅
は図２６に示すように、ＤＣ〜２０ｋＨｚを２５バンド
で分割して表すことができ、マスキングを始めとする聴
覚特性は、この臨界帯域幅に比例した振る舞いをするこ
とが多い、
界帯域幅に比例したスケールに変換すると、図２５に示
すようにこれらのカーブはほぼ同様な形および傾斜のカ
ーブになることが知られている。また、この臨界帯域幅
は図２６に示すように、ＤＣ〜２０ｋＨｚを２５バンド
で分割して表すことができ、マスキングを始めとする聴
覚特性は、この臨界帯域幅に比例した振る舞いをするこ
とが多い、
【００１０】さて、図２２の（ｂ）に示すような一般的
な信号が存在したときのマスキングカーブは、図２４ま
たは図２５のように個々の周波数スペクトルに対するマ
スキングカーブの和（重ね合わせ）で表して図２２の
（ｃ）に示すような曲線で表すことができるが、実際の
計算では図２２の（ｃ）に示すような滑らかな曲線とし
てマスキングカーブを算出すると演算量が膨大となるの
で困難である。そこで、近似としてスペクトルを分析バ
ンド毎のパワーに置き換え、マスキングカーブを分析バ
ンド毎の折れ線波形として評価することが行われる。
な信号が存在したときのマスキングカーブは、図２４ま
たは図２５のように個々の周波数スペクトルに対するマ
スキングカーブの和（重ね合わせ）で表して図２２の
（ｃ）に示すような曲線で表すことができるが、実際の
計算では図２２の（ｃ）に示すような滑らかな曲線とし
てマスキングカーブを算出すると演算量が膨大となるの
で困難である。そこで、近似としてスペクトルを分析バ
ンド毎のパワーに置き換え、マスキングカーブを分析バ
ンド毎の折れ線波形として評価することが行われる。
【００１１】次に、図２２の（ｄ）においてマスキング
カーブの各サブバンド区間における最小値をそのサブバ
ンドにおいて許容されるノイズレベルＮとして、マスキ
ングカーブを算出してノイズレベルＮを導出する従来例
を図２７を参照して説明する。図２７においては（１）
〜（５）に示す処理を行い、 （１）先ず、直交変換して得られたｑ（ｊ＝０〜ｑ−
１）本の周波数スペクトルからｍ個の分析バンドｉ（ｉ
＝０〜ｍ−１）毎のバンドトータルパワーＰ〔ｉ〕を算
出する。
カーブの各サブバンド区間における最小値をそのサブバ
ンドにおいて許容されるノイズレベルＮとして、マスキ
ングカーブを算出してノイズレベルＮを導出する従来例
を図２７を参照して説明する。図２７においては（１）
〜（５）に示す処理を行い、 （１）先ず、直交変換して得られたｑ（ｊ＝０〜ｑ−
１）本の周波数スペクトルからｍ個の分析バンドｉ（ｉ
＝０〜ｍ−１）毎のバンドトータルパワーＰ〔ｉ〕を算
出する。
【００１２】
【数１】
【００１３】（２）次に、次式（数２）のように分析バ
ンドｉに応じたマスキングの基準カーブＢとバンドトー
タルパワーＰ〔ｉ〕との畳み込み演算を行うことによ
り、各分析バンドｉにおけるマスキングレベルＭ〔ｉ〕
を算出する。ここで、マスキングの基準カーブＢは、分
析バンドｉによらず一定の形の場合には図２８に示すよ
うなＢ〔ｋ〕（ｋは整数）で表すことができる。
ンドｉに応じたマスキングの基準カーブＢとバンドトー
タルパワーＰ〔ｉ〕との畳み込み演算を行うことによ
り、各分析バンドｉにおけるマスキングレベルＭ〔ｉ〕
を算出する。ここで、マスキングの基準カーブＢは、分
析バンドｉによらず一定の形の場合には図２８に示すよ
うなＢ〔ｋ〕（ｋは整数）で表すことができる。
【００１４】
【数２】
【００１５】（３）−１：次に、分析バンドｉとサブバ
ンドｓが異なる場合にはサブバンドｓの区間における最
小のマスキングレベルＭ〔ｉ〕をそのサブバンドｓの許
容ノイズレベルＮ〔ｓ〕とする（サブバンド数ｎとす
る）。
ンドｓが異なる場合にはサブバンドｓの区間における最
小のマスキングレベルＭ〔ｉ〕をそのサブバンドｓの許
容ノイズレベルＮ〔ｓ〕とする（サブバンド数ｎとす
る）。
【００１６】
【数３】Ｎ〔ｓ〕＝min 〔Ｍ〔ｉ〕〕
【００１７】但し、ｉはサブバンドｓ〔Ｓ〕の中に含ま
れる各バンドを示し、また、ｓ＝０〜ｎ−１とする。
れる各バンドを示し、また、ｓ＝０〜ｎ−１とする。
【００１８】（３）−２：分析バンドｉとサブバンドｓ
が同一の場合には
が同一の場合には
【００１９】
【数４】Ｎ〔ｓ〕＝Ｍ〔ｓ〕 但し、ｓ＝０・・・ｎ−１
【００２０】（４）各サブバンドｓの信号レベルＳ
〔ｓ〕を求める。
〔ｓ〕を求める。
【００２１】
【数５】
【００２２】（５）信号レベルＳ〔ｓ〕と許容ノイズレ
ベルＮ〔ｓ〕により各サブバンドｓの必要Ｓ／Ｎ比（Ｓ
Ｎreq〔ｓ〕）を求める（平均Ｓ／Ｎ比）。
ベルＮ〔ｓ〕により各サブバンドｓの必要Ｓ／Ｎ比（Ｓ
Ｎreq〔ｓ〕）を求める（平均Ｓ／Ｎ比）。
【００２３】
【数６】ＳＮreq〔ｓ〕＝１０．０・log １０（Ｓ
〔ｓ〕／Ｎ〔ｓ〕）
〔ｓ〕／Ｎ〔ｓ〕）
【００２４】以上の処理（１）〜（３）により各サブバ
ンドｓの許容ノイズレベルＮ〔ｓ〕が求まり、また、処
理（４）（５）により各サブバンドｓの必要Ｓ／Ｎ比が
求まり、この必要Ｓ／Ｎ比に基づいて各サブバンドｓの
量子化ビット数（及び逆量子化ビット数）が求まる。
ンドｓの許容ノイズレベルＮ〔ｓ〕が求まり、また、処
理（４）（５）により各サブバンドｓの必要Ｓ／Ｎ比が
求まり、この必要Ｓ／Ｎ比に基づいて各サブバンドｓの
量子化ビット数（及び逆量子化ビット数）が求まる。
【００２５】ここで、このような一連の処理において重
要な役割を果たすのが、図２８において説明したマスキ
ング基準カーブＢ〔ｋ〕の設定である。一般に、マスキ
ング効果はマスクする側の信号とマスクされる側の信号
の性質により振る舞いが異なると言われ、具体的には図
２８に示すようにピーク値と「０．０」の差である「オ
フセット量Ｆ」が信号の性質の影響を受ける。
要な役割を果たすのが、図２８において説明したマスキ
ング基準カーブＢ〔ｋ〕の設定である。一般に、マスキ
ング効果はマスクする側の信号とマスクされる側の信号
の性質により振る舞いが異なると言われ、具体的には図
２８に示すようにピーク値と「０．０」の差である「オ
フセット量Ｆ」が信号の性質の影響を受ける。
【００２６】高能率符号化法では、マスクされる側の信
号は「ノイズ」であるので、マスクする側の信号が何か
によってオフセット量Ｆが変化する。実験によれば、マ
スクする側の信号が「正弦波」の場合にＦ≒２５ｄＢ、
「ノイズ」の場合にＦ≒５ｄＢであると報告されてい
る。高能率符号化に入力する実際の音楽・音声信号に
は、これらの値を上限、下限とするオフセット量Ｆが存
在し、このオフセット量Ｆを適切に測定して聴覚心理分
析に用いることが高音質を実現するために必要であると
言うことができる。
号は「ノイズ」であるので、マスクする側の信号が何か
によってオフセット量Ｆが変化する。実験によれば、マ
スクする側の信号が「正弦波」の場合にＦ≒２５ｄＢ、
「ノイズ」の場合にＦ≒５ｄＢであると報告されてい
る。高能率符号化に入力する実際の音楽・音声信号に
は、これらの値を上限、下限とするオフセット量Ｆが存
在し、このオフセット量Ｆを適切に測定して聴覚心理分
析に用いることが高音質を実現するために必要であると
言うことができる。
【００２７】また、オフセット量Ｆは処理の各区間毎
に、各周波数帯域毎に測定することが望ましい。オフセ
ット量Ｆを測定する従来の方法としては、トナリティ
（tonality）を求めるのが一般的である。トナリティと
は信号の純音度を表す指標であり、１．０（正弦波）〜
０．０（ノイズ）の範囲の値をとる。このトナリティは
図２９に示すように３つの連続する区間のそれぞれのＦ
ＦＴスペクトルＡ、Ｂ、Ｃの直線予測から計算される。
なお、区間の間は隙間があってもよいし、重なる部分が
あってもよい。また、ｑポイントのスペクトルを得るた
めには２ｑポイントのＦＦＴスペクトルが必要になる。
に、各周波数帯域毎に測定することが望ましい。オフセ
ット量Ｆを測定する従来の方法としては、トナリティ
（tonality）を求めるのが一般的である。トナリティと
は信号の純音度を表す指標であり、１．０（正弦波）〜
０．０（ノイズ）の範囲の値をとる。このトナリティは
図２９に示すように３つの連続する区間のそれぞれのＦ
ＦＴスペクトルＡ、Ｂ、Ｃの直線予測から計算される。
なお、区間の間は隙間があってもよいし、重なる部分が
あってもよい。また、ｑポイントのスペクトルを得るた
めには２ｑポイントのＦＦＴスペクトルが必要になる。
【００２８】図３０はトナリティを求めてオフセット量
Ｆを算出する従来の方法を示し、〜の処理を行う。 ３つの区間のＦＦＴ係数の振幅Ｒ1 〔ｊ〕、Ｒ2
〔ｊ〕、Ｒ3 〔ｊ〕（ｊ＝０〜ｑ−１）と位相Φ1
〔ｊ〕、Φ2 〔ｊ〕、Φ3 〔ｊ〕を求める。ここで、一
般的には（Ｒ3 ，Φ3 ）が現区間のスペクトルであり、
また、（Ｒ2 ，Φ2 ）が前区間のスペクトル、（Ｒ1 ，
Φ1 ）が２つ前の区間のスペクトルとすることが多い。
なお、振幅Ｒ〔ｊ〕と位相Φ〔ｊ〕はＦＦＴ係数の実数
部（Real〔ｊ〕）と虚数部（Imag〔ｊ〕）から以下のよ
うに求める。
Ｆを算出する従来の方法を示し、〜の処理を行う。 ３つの区間のＦＦＴ係数の振幅Ｒ1 〔ｊ〕、Ｒ2
〔ｊ〕、Ｒ3 〔ｊ〕（ｊ＝０〜ｑ−１）と位相Φ1
〔ｊ〕、Φ2 〔ｊ〕、Φ3 〔ｊ〕を求める。ここで、一
般的には（Ｒ3 ，Φ3 ）が現区間のスペクトルであり、
また、（Ｒ2 ，Φ2 ）が前区間のスペクトル、（Ｒ1 ，
Φ1 ）が２つ前の区間のスペクトルとすることが多い。
なお、振幅Ｒ〔ｊ〕と位相Φ〔ｊ〕はＦＦＴ係数の実数
部（Real〔ｊ〕）と虚数部（Imag〔ｊ〕）から以下のよ
うに求める。
【００２９】
【数７】
【００３０】Ｒ1 、Ｒ2 、Φ1 、Φ2 から予測される
３番目の区間のスペクトルＲX 〔ｊ〕、ΦX 〔ｊ〕を直
線予測により次のように求める。
３番目の区間のスペクトルＲX 〔ｊ〕、ΦX 〔ｊ〕を直
線予測により次のように求める。
【００３１】
【数８】ＲX 〔ｊ〕＝２・Ｒ2 〔ｊ〕−Ｒ1 〔ｊ〕 ΦX 〔ｊ〕＝２・Φ2 〔ｊ〕−Φ1 〔ｊ〕
【００３２】（Ｒ，Φ）平面上における予測値（Ｒ
X ，ΦX ）と実測値（Ｒ3 ，Φ3 ）との距離ｃ〔ｊ〕を
評価する。なお、この距離は予測不能度（unpredictabi
lity）よ呼ばれる。
X ，ΦX ）と実測値（Ｒ3 ，Φ3 ）との距離ｃ〔ｊ〕を
評価する。なお、この距離は予測不能度（unpredictabi
lity）よ呼ばれる。
【００３３】
【数９】
【００３４】予測不能度ｃ〔ｊ〕を分析バンドｉ毎に
パワースペクトルで重み付け、平均化し、予測不能度ｃ
２〔ｉ〕を得る。
パワースペクトルで重み付け、平均化し、予測不能度ｃ
２〔ｉ〕を得る。
【００３５】
【数１０】
【００３６】重み付け処理後の予測不能度ｃ２〔ｉ〕
をトナリティｔ〔ｉ〕に変換する。
をトナリティｔ〔ｉ〕に変換する。
【００３７】
【数１１】ｔ〔ｉ〕＝ａ＋ｂ・ln（ｃ２〔ｉ〕）
【００３８】但し、ａ、ｂは０．０≦ｔ〔ｉ〕≦１．０
となるように決定する定数。 トナリティｔ〔ｉ〕からオフセット量Ｆ〔ｉ〕を算出
する。
となるように決定する定数。 トナリティｔ〔ｉ〕からオフセット量Ｆ〔ｉ〕を算出
する。
【００３９】
【数１２】Ｆ〔ｉ〕＝α・ｔ〔ｉ〕＋β・｛１．０−ｔ
〔ｉ〕｝ 〔ｄＢ〕 但し、α＝２５．０，β＝５．０等の定数。
〔ｉ〕｝ 〔ｄＢ〕 但し、α＝２５．０，β＝５．０等の定数。
【００４０】
【発明が解決しようとする課題】しかしながら、トナリ
ティｔ〔ｉ〕を算出する方法は、以下のような問題点が
ある。 問題点（１） 演算量が多い。図３０に示す処理では、平方根やアー
クタンジェントの計算をサンプル毎に行うのでその演算
量がかなり多くなる。また、処理 3における距離演算の
場合にも平方根を用いる。
ティｔ〔ｉ〕を算出する方法は、以下のような問題点が
ある。 問題点（１） 演算量が多い。図３０に示す処理では、平方根やアー
クタンジェントの計算をサンプル毎に行うのでその演算
量がかなり多くなる。また、処理 3における距離演算の
場合にも平方根を用いる。
【００４１】ここで、システムをＤＳＰ（デジタルシグ
ナルプロセッサ）等で実現する場合、一般の積和演算を
１インストラクションで行うとすると関数演算は１００
インストラクション以上と考えられる。処理 、で
は平方根を２回、アークタンジェントを１回の演算をｑ
＝５１２（１０２４ポイントＦＦＴ）のサンプル毎に行
うので、少なくとも１００・５１２・３＝１５３６００
回の演算量を消費することになる。
ナルプロセッサ）等で実現する場合、一般の積和演算を
１インストラクションで行うとすると関数演算は１００
インストラクション以上と考えられる。処理 、で
は平方根を２回、アークタンジェントを１回の演算をｑ
＝５１２（１０２４ポイントＦＦＴ）のサンプル毎に行
うので、少なくとも１００・５１２・３＝１５３６００
回の演算量を消費することになる。
【００４２】例えばＤＳＰの能力が２０ＭＩＰＳ（Mill
ion Instruction Per Second）とすると、１区間当たり
の演算量はサンプル周波数ｆs ＝４４．１ｋＨｚのと
き、２０・１０6 ・５１２／４４１００．０≒２３２２
００回であるので、このＤＳＰでは約６６％もの演算量
を消費することになる。
ion Instruction Per Second）とすると、１区間当たり
の演算量はサンプル周波数ｆs ＝４４．１ｋＨｚのと
き、２０・１０6 ・５１２／４４１００．０≒２３２２
００回であるので、このＤＳＰでは約６６％もの演算量
を消費することになる。
【００４３】また、高能率符号化方式の中には、直交変
換としてＦＦＴの代わりにＭ（Modified）ＤＣＴ等のよ
うに変換係数が振幅、位相として表現できないものを用
いる場合がある。この場合には、トナリティ計算を行う
ために別途にＦＦＴ演算を行う必要があり、その分だけ
演算量が増加する。
換としてＦＦＴの代わりにＭ（Modified）ＤＣＴ等のよ
うに変換係数が振幅、位相として表現できないものを用
いる場合がある。この場合には、トナリティ計算を行う
ために別途にＦＦＴ演算を行う必要があり、その分だけ
演算量が増加する。
【００４４】問題点（２） 音声信号にビブラートがかかっている場合にトナリティ
計算そのものに問題がある。例えば入力信号がボーカル
や単一楽器であってビブラートがかかっている場合、図
３１に示すようにそのスペクトルは時間と共に数Ｈｚ〜
十数Ｈｚの周期でドリフトしている。また、例えば区間
長＝５１２サンプルであって区間が密接している場合、
３区間における中心の移動量は１０２４サンプル→２３
ｍsec となり、１０Ｈｚのビブラートの１／４周期（２
５ｍsec ）とほぼ一致する。
計算そのものに問題がある。例えば入力信号がボーカル
や単一楽器であってビブラートがかかっている場合、図
３１に示すようにそのスペクトルは時間と共に数Ｈｚ〜
十数Ｈｚの周期でドリフトしている。また、例えば区間
長＝５１２サンプルであって区間が密接している場合、
３区間における中心の移動量は１０２４サンプル→２３
ｍsec となり、１０Ｈｚのビブラートの１／４周期（２
５ｍsec ）とほぼ一致する。
【００４５】したがって、従来のトナリティ計算では各
スペクトル毎に直線予測を行うのでビブラートにより予
測精度が悪化し、本来、聴感上はトナリティが高い信号
であるにもかかわらず、算出されるトナリティが非常に
低くなり、聴感からずれた測定になるという問題点があ
る。
スペクトル毎に直線予測を行うのでビブラートにより予
測精度が悪化し、本来、聴感上はトナリティが高い信号
であるにもかかわらず、算出されるトナリティが非常に
低くなり、聴感からずれた測定になるという問題点があ
る。
【００４６】問題点（３） 図２７に示す処理（１）〜（５）の如く聴覚心理分析に
基づく必要Ｓ／Ｎ比（ＳＮreq〔ｓ〕）の計算は、一般
的には良好な結果をもたらすが、データの圧縮率が高
く、各サブバンドｓの量子化・逆量子化後のＳ／Ｎ比が
必要Ｓ／Ｎ比を下回る場合には問題が生じる。すなわ
ち、従来の方法では、聴覚心理分析による必要Ｓ／Ｎ比
が満足されない場合、全サブバンドｓのＳ／Ｎ比が平均
的に劣化する。Ｓ／Ｎ比が劣化するとその量に応じて徐
々にノイズが検知されるようになり、そのとき信号パワ
ーの大きなバンドの劣化ほど聴感上目立つ傾向にある。
したがって、従来の方法では、Ｓ／Ｎ比の劣化が検知で
きる状況では、音質的に最適とは言えなくなる。
基づく必要Ｓ／Ｎ比（ＳＮreq〔ｓ〕）の計算は、一般
的には良好な結果をもたらすが、データの圧縮率が高
く、各サブバンドｓの量子化・逆量子化後のＳ／Ｎ比が
必要Ｓ／Ｎ比を下回る場合には問題が生じる。すなわ
ち、従来の方法では、聴覚心理分析による必要Ｓ／Ｎ比
が満足されない場合、全サブバンドｓのＳ／Ｎ比が平均
的に劣化する。Ｓ／Ｎ比が劣化するとその量に応じて徐
々にノイズが検知されるようになり、そのとき信号パワ
ーの大きなバンドの劣化ほど聴感上目立つ傾向にある。
したがって、従来の方法では、Ｓ／Ｎ比の劣化が検知で
きる状況では、音質的に最適とは言えなくなる。
【００４７】ここで、上記問題点を軽減するために、従
来の方法では、必要Ｓ／Ｎ比が満足されない場合にはパ
ワーが小さなバンドの情報を削減し、より大きなバンド
に情報を割り当てる手法がとられる。しかしながら、こ
の手法では、例えば１バンド、１ビット分の情報を移動
する場合、移動元のＳ／Ｎ比は約６ｄＢ劣化し、移動先
のＳ／Ｎ比は約６ｄＢ向上するという極端なことにな
る。また、バンドパワーそのものによって補正を行うの
で、パワーの大きなバンド（例えば中低域）が重視され
過ぎるという新たな問題点が発生する。
来の方法では、必要Ｓ／Ｎ比が満足されない場合にはパ
ワーが小さなバンドの情報を削減し、より大きなバンド
に情報を割り当てる手法がとられる。しかしながら、こ
の手法では、例えば１バンド、１ビット分の情報を移動
する場合、移動元のＳ／Ｎ比は約６ｄＢ劣化し、移動先
のＳ／Ｎ比は約６ｄＢ向上するという極端なことにな
る。また、バンドパワーそのものによって補正を行うの
で、パワーの大きなバンド（例えば中低域）が重視され
過ぎるという新たな問題点が発生する。
【００４８】問題点（４） ところで、以上の説明では独立したオーディオ信号を高
能率符号化することを考えているが、他の用途として、
また、システムによっては高能率符号化した信号と高能
率符号化しない信号を伝送し、再生側でこれらの信号を
ミキシングして１つのオーディオ信号として再生等する
ことが考えられる。
能率符号化することを考えているが、他の用途として、
また、システムによっては高能率符号化した信号と高能
率符号化しない信号を伝送し、再生側でこれらの信号を
ミキシングして１つのオーディオ信号として再生等する
ことが考えられる。
【００４９】最も単純な例としては、例えば図３２に示
すようにチャネル（ＣＨ）−Ａのオーディオ信号をオー
ディオエンコーダ２０により高能率符号化し、ＣＨ−Ｂ
のオーディオ信号を高能率符号化しないでマルチプレッ
クス部２１により多重化して伝送する。そして、再生側
ではデマルチプレックス部２２によりチャネルを分離
し、オーディオデコーダ２３によりデコードした信号Ｃ
Ｈ−Ａ’とＣＨ−Ｂのオーディオ信号をミキサ２４によ
りミキシングする。
すようにチャネル（ＣＨ）−Ａのオーディオ信号をオー
ディオエンコーダ２０により高能率符号化し、ＣＨ−Ｂ
のオーディオ信号を高能率符号化しないでマルチプレッ
クス部２１により多重化して伝送する。そして、再生側
ではデマルチプレックス部２２によりチャネルを分離
し、オーディオデコーダ２３によりデコードした信号Ｃ
Ｈ−Ａ’とＣＨ−Ｂのオーディオ信号をミキサ２４によ
りミキシングする。
【００５０】また、他の例として図３３の（ａ）に示す
ようにＣＨ−Ａのオーディオ信号を高能率符号化すると
共に、電子楽器をコントロールするデジタル信号の国際
規格であるＭＩＤＩ（Musical Instrument Digital Int
erface）シーケンサ２５によりＣＨ−Ｂのオーディオ信
号をＭＩＤＩコード化し、マルチプレックス部２１によ
り多重化して伝送する。そして、再生側ではデマルチプ
レックス部２２によりチャネルを分離し、オーディオデ
コーダ２３によりデコードした信号ＣＨ−Ａ’とＭＩＤ
Ｉコードに基づいてＭＩＤＩ音源２６により演奏された
信号ＣＨ−Ｂ’をミキサ２４によりミキシングする。
ようにＣＨ−Ａのオーディオ信号を高能率符号化すると
共に、電子楽器をコントロールするデジタル信号の国際
規格であるＭＩＤＩ（Musical Instrument Digital Int
erface）シーケンサ２５によりＣＨ−Ｂのオーディオ信
号をＭＩＤＩコード化し、マルチプレックス部２１によ
り多重化して伝送する。そして、再生側ではデマルチプ
レックス部２２によりチャネルを分離し、オーディオデ
コーダ２３によりデコードした信号ＣＨ−Ａ’とＭＩＤ
Ｉコードに基づいてＭＩＤＩ音源２６により演奏された
信号ＣＨ−Ｂ’をミキサ２４によりミキシングする。
【００５１】この変形例としては図３３の（ｂ）に示す
ようにＣＨ−Ａのオーディオ信号を高能率符号化すると
共に、ＣＨ−Ｂ１、ＣＨ−Ｂ２の２チャネルをＭＩＤＩ
コード化し、再生側で信号ＣＨ−Ａ’とＭＩＤＩコード
から演奏された２チャネルのＣＨ−Ｂ１’、ＣＨ−Ｂ
２’をそれぞれミキサ２４−１、２４−２によりミキシ
ングして２チャネルで出力する。この中でも図３３の
（ｂ）に示すシステムは近年、ＭＩＤＩコードを用いた
通信カラオケに用いられ、高能率符号化する信号は肉声
コーラスなどが多い。
ようにＣＨ−Ａのオーディオ信号を高能率符号化すると
共に、ＣＨ−Ｂ１、ＣＨ−Ｂ２の２チャネルをＭＩＤＩ
コード化し、再生側で信号ＣＨ−Ａ’とＭＩＤＩコード
から演奏された２チャネルのＣＨ−Ｂ１’、ＣＨ−Ｂ
２’をそれぞれミキサ２４−１、２４−２によりミキシ
ングして２チャネルで出力する。この中でも図３３の
（ｂ）に示すシステムは近年、ＭＩＤＩコードを用いた
通信カラオケに用いられ、高能率符号化する信号は肉声
コーラスなどが多い。
【００５２】しかしながら、高能率符号化するＣＨ−Ａ
のオーディオ信号は、オーディオエンコーダ１０のみに
よる聴覚心理分析でビット割り当てを行っているので、
再生側でミキシングされる側のＣＨ−Ｂの影響を考えて
いない。すなわち、再生側でミキシングを行った場合、
ＣＨ−Ａのオーディオ信号がＣＨ−Ｂの信号からのマス
キング効果による影響を受けることになり、したがっ
て、ＣＨ−Ａのオーディオ信号のみを聞く場合には最適
にエンコードされるが、他の信号をミキシングした場合
には音質的に最適とは言えなくなる。
のオーディオ信号は、オーディオエンコーダ１０のみに
よる聴覚心理分析でビット割り当てを行っているので、
再生側でミキシングされる側のＣＨ−Ｂの影響を考えて
いない。すなわち、再生側でミキシングを行った場合、
ＣＨ−Ａのオーディオ信号がＣＨ−Ｂの信号からのマス
キング効果による影響を受けることになり、したがっ
て、ＣＨ−Ａのオーディオ信号のみを聞く場合には最適
にエンコードされるが、他の信号をミキシングした場合
には音質的に最適とは言えなくなる。
【００５３】図３４はＣＨ−Ａの信号スペクトルと、Ｃ
Ｈ−Ａを聴覚心理分析したマスキングレベルＭ１
〔ｉ〕、及びミキシングの対象となる他のチャネルから
のマスキングレベルＭ２〔ｉ〕の一例を示し、低域と高
域ではＭ１＜Ｍ２であり、中域ではＭ１＞Ｍ２である。
この場合、ミキシング後のＣＨ−Ａの信号にとって最適
なマスキングレベルＭ〔ｉ〕は図２７に示す処理（３）
において
Ｈ−Ａを聴覚心理分析したマスキングレベルＭ１
〔ｉ〕、及びミキシングの対象となる他のチャネルから
のマスキングレベルＭ２〔ｉ〕の一例を示し、低域と高
域ではＭ１＜Ｍ２であり、中域ではＭ１＞Ｍ２である。
この場合、ミキシング後のＣＨ−Ａの信号にとって最適
なマスキングレベルＭ〔ｉ〕は図２７に示す処理（３）
において
【００５４】
【数１３】 Ｍ〔ｉ〕＝max （Ｍ１〔ｉ〕，Ｍ２〔ｉ〕） 但し、ｉ＝０〜ｍ−１
【００５５】と考えられる。図３２、図３３の（ａ）
（ｂ）に示すようにミキシングを行う場合にはマスキン
グレベルがこの最適値Ｍ〔ｉ〕からずれていることにな
り、聴感上最適とは言えないという問題点がある。特に
実際のノイズレベルがマスキングレベルと同等か又はそ
れ以上になるような圧縮率が高い場合には、聴感上にお
いても図３４においてＭ１〔ｉ〕＞Ｍ２〔ｉ〕となるよ
うな領域ではノイズが強調されて聞こえるという現象が
発生する。
（ｂ）に示すようにミキシングを行う場合にはマスキン
グレベルがこの最適値Ｍ〔ｉ〕からずれていることにな
り、聴感上最適とは言えないという問題点がある。特に
実際のノイズレベルがマスキングレベルと同等か又はそ
れ以上になるような圧縮率が高い場合には、聴感上にお
いても図３４においてＭ１〔ｉ〕＞Ｍ２〔ｉ〕となるよ
うな領域ではノイズが強調されて聞こえるという現象が
発生する。
【００５６】本発明は上記（１）（２）の問題点に鑑
み、マスキング基準カーブのオフセット量を演算する際
の演算量を減少し、聴覚心理をより満足させて音質を向
上させることができる音声高能率符号化装置を提供する
ことを目的とする。本発明はまた、上記（３）の問題点
に鑑み、データの圧縮率が高く、聴覚心理分析による必
要Ｓ／Ｎ比が満足されない場合に音質を向上させること
ができる音声高能率符号化装置を提供することを目的と
する。本発明はまた、上記（４）の問題点に鑑み、高能
率符号化した信号と高能率符号化しない信号を再生側で
ミキシングする場合に高能率符号化しない信号による影
響を考慮して聴覚心理分析を行って聴覚心理をより満足
させて音質を向上させることができる音声高能率符号化
装置を提供することを目的とする。
み、マスキング基準カーブのオフセット量を演算する際
の演算量を減少し、聴覚心理をより満足させて音質を向
上させることができる音声高能率符号化装置を提供する
ことを目的とする。本発明はまた、上記（３）の問題点
に鑑み、データの圧縮率が高く、聴覚心理分析による必
要Ｓ／Ｎ比が満足されない場合に音質を向上させること
ができる音声高能率符号化装置を提供することを目的と
する。本発明はまた、上記（４）の問題点に鑑み、高能
率符号化した信号と高能率符号化しない信号を再生側で
ミキシングする場合に高能率符号化しない信号による影
響を考慮して聴覚心理分析を行って聴覚心理をより満足
させて音質を向上させることができる音声高能率符号化
装置を提供することを目的とする。
【００５７】
【課題を解決するための手段】本発明は上記目的を達成
するために、直交変換係数からオーディオ信号のパワー
スペクトルを算出してこのパワースペクトルの自己相関
を予め定めた帯域毎に算出し、この自己相関の最大値と
最小値の比から聴覚心理上のマスキング効果のオフセッ
ト量を算出し、このオフセット量に基づいて各サブバン
ドの量子化ビット数を決定するようにしている。
するために、直交変換係数からオーディオ信号のパワー
スペクトルを算出してこのパワースペクトルの自己相関
を予め定めた帯域毎に算出し、この自己相関の最大値と
最小値の比から聴覚心理上のマスキング効果のオフセッ
ト量を算出し、このオフセット量に基づいて各サブバン
ドの量子化ビット数を決定するようにしている。
【００５８】すなわち本発明によれば、オーディオ信号
を複数の周波数帯域のサブバンドに分割する分割手段
と、前記分割手段により分割された各サブバンドのオー
ディオ信号を可変の量子化ビット数で量子化及び符号化
する量子化・符号化手段と、前記分割手段又は別途の直
交変換手段により得られた直交変換係数からオーディオ
信号のパワースペクトルを算出してこのパワースペクト
ルの自己相関を予め定めた帯域毎に算出し、この自己相
関の最大値と最小値の比から聴覚心理上のマスキング効
果のオフセット量を算出し、このオフセット量に基づい
て前記量子化・符号化手段の各サブバンドの量子化ビッ
ト数を決定する聴覚心理分析手段とを有する音声高能率
符号化装置が提供される。
を複数の周波数帯域のサブバンドに分割する分割手段
と、前記分割手段により分割された各サブバンドのオー
ディオ信号を可変の量子化ビット数で量子化及び符号化
する量子化・符号化手段と、前記分割手段又は別途の直
交変換手段により得られた直交変換係数からオーディオ
信号のパワースペクトルを算出してこのパワースペクト
ルの自己相関を予め定めた帯域毎に算出し、この自己相
関の最大値と最小値の比から聴覚心理上のマスキング効
果のオフセット量を算出し、このオフセット量に基づい
て前記量子化・符号化手段の各サブバンドの量子化ビッ
ト数を決定する聴覚心理分析手段とを有する音声高能率
符号化装置が提供される。
【００５９】本発明はまた、オーディオ信号の周波数領
域の聴覚心理分析に基づいてサブバンド毎の第１の必要
Ｓ／Ｎ比を算出すると共にサブバンド毎の信号パワーか
ら聴覚的制御を含む二乗平均誤差最小理論により第２の
必要Ｓ／Ｎ比を算出し、第１、第２の必要Ｓ／Ｎ比を重
み付けして最終の必要Ｓ／Ｎ比を算出し、この最終の必
要Ｓ／Ｎ比に基づいて各サブバンドの量子化ビット数を
決定するようにしている。
域の聴覚心理分析に基づいてサブバンド毎の第１の必要
Ｓ／Ｎ比を算出すると共にサブバンド毎の信号パワーか
ら聴覚的制御を含む二乗平均誤差最小理論により第２の
必要Ｓ／Ｎ比を算出し、第１、第２の必要Ｓ／Ｎ比を重
み付けして最終の必要Ｓ／Ｎ比を算出し、この最終の必
要Ｓ／Ｎ比に基づいて各サブバンドの量子化ビット数を
決定するようにしている。
【００６０】すなわち本発明によれば、オーディオ信号
を複数の周波数帯域のサブバンドに分割する分割手段
と、前記分割手段により分割された各サブバンドのオー
ディオ信号を可変の量子化ビット数で量子化及び符号化
する量子化・符号化手段と、オーディオ信号の周波数領
域の聴覚心理分析に基づいてサブバンド毎の第１の必要
Ｓ／Ｎ比を算出すると共にサブバンド毎の信号パワーか
ら聴覚的制御を含む二乗平均誤差最小理論により第２の
必要Ｓ／Ｎ比を算出し、前記第１、第２の必要Ｓ／Ｎ比
を重み付けして最終の必要Ｓ／Ｎ比を算出し、この最終
の必要Ｓ／Ｎ比に基づいて前記量子化・符号化手段の各
サブバンドの量子化ビット数を決定する聴覚心理分析手
段とを有する音声高能率符号化装置が提供される。
を複数の周波数帯域のサブバンドに分割する分割手段
と、前記分割手段により分割された各サブバンドのオー
ディオ信号を可変の量子化ビット数で量子化及び符号化
する量子化・符号化手段と、オーディオ信号の周波数領
域の聴覚心理分析に基づいてサブバンド毎の第１の必要
Ｓ／Ｎ比を算出すると共にサブバンド毎の信号パワーか
ら聴覚的制御を含む二乗平均誤差最小理論により第２の
必要Ｓ／Ｎ比を算出し、前記第１、第２の必要Ｓ／Ｎ比
を重み付けして最終の必要Ｓ／Ｎ比を算出し、この最終
の必要Ｓ／Ｎ比に基づいて前記量子化・符号化手段の各
サブバンドの量子化ビット数を決定する聴覚心理分析手
段とを有する音声高能率符号化装置が提供される。
【００６１】本発明はまた、高能率符号化する第１のオ
ーディオ信号と、高能率符号化されず再生側で第１のオ
ーディオ信号とミキシングされる第２のオーディオ信号
をそれぞれ周波数領域で聴覚心理分析して第１、第２の
マスキングレベルを算出し、この第１、第２のマスキン
グレベルに基づいて最終のマスキングレベルを算出し、
この最終のマスキングレベルに基づいて各サブバンドの
量子化ビット数を決定するようにしている。
ーディオ信号と、高能率符号化されず再生側で第１のオ
ーディオ信号とミキシングされる第２のオーディオ信号
をそれぞれ周波数領域で聴覚心理分析して第１、第２の
マスキングレベルを算出し、この第１、第２のマスキン
グレベルに基づいて最終のマスキングレベルを算出し、
この最終のマスキングレベルに基づいて各サブバンドの
量子化ビット数を決定するようにしている。
【００６２】すなわち本発明によれば、高能率符号化す
る第１のオーディオ信号を複数の周波数帯域のサブバン
ドに分割する分割手段と、前記分割手段により分割され
た各サブバンドのオーディオ信号を可変の量子化ビット
数で量子化及び符号化する量子化・符号化手段と、前記
第１のオーディオ信号と、高能率符号化されず再生側で
前記第１のオーディオ信号とミキシングされる第２のオ
ーディオ信号をそれぞれ周波数領域で聴覚心理分析して
第１、第２のマスキングレベルを算出し、この第１、第
２のマスキングレベルに基づいて最終のマスキングレベ
ルを算出し、この最終のマスキングレベルに基づいて前
記量子化・符号化手段の各サブバンドの量子化ビット数
を決定する聴覚心理分析手段とを有する音声高能率符号
化装置が提供される。
る第１のオーディオ信号を複数の周波数帯域のサブバン
ドに分割する分割手段と、前記分割手段により分割され
た各サブバンドのオーディオ信号を可変の量子化ビット
数で量子化及び符号化する量子化・符号化手段と、前記
第１のオーディオ信号と、高能率符号化されず再生側で
前記第１のオーディオ信号とミキシングされる第２のオ
ーディオ信号をそれぞれ周波数領域で聴覚心理分析して
第１、第２のマスキングレベルを算出し、この第１、第
２のマスキングレベルに基づいて最終のマスキングレベ
ルを算出し、この最終のマスキングレベルに基づいて前
記量子化・符号化手段の各サブバンドの量子化ビット数
を決定する聴覚心理分析手段とを有する音声高能率符号
化装置が提供される。
【００６３】
【作用】本発明では、直交変換係数からオーディオ信号
のパワースペクトルを算出してこのパワースペクトルの
自己相関を予め定めた帯域毎に算出し、この自己相関の
最大値と最小値の比から聴覚心理上のマスキング効果の
オフセット量を算出し、このオフセット量に基づいて各
サブバンドの量子化ビット数を決定するので、マスキン
グ基準カーブのオフセット量を演算する際の演算量を減
少し、また、オーディオ信号にビブラートがかかってい
る場合にも聴覚心理をより満足させて音質を向上させる
ことができる。
のパワースペクトルを算出してこのパワースペクトルの
自己相関を予め定めた帯域毎に算出し、この自己相関の
最大値と最小値の比から聴覚心理上のマスキング効果の
オフセット量を算出し、このオフセット量に基づいて各
サブバンドの量子化ビット数を決定するので、マスキン
グ基準カーブのオフセット量を演算する際の演算量を減
少し、また、オーディオ信号にビブラートがかかってい
る場合にも聴覚心理をより満足させて音質を向上させる
ことができる。
【００６４】また、本発明では、オーディオ信号の周波
数領域の聴覚心理分析に基づいてサブバンド毎の第１の
必要Ｓ／Ｎ比を算出すると共にサブバンド毎の信号パワ
ーから聴覚的制御を含む二乗平均誤差最小理論により第
２の必要Ｓ／Ｎ比を算出し、第１、第２の必要Ｓ／Ｎ比
を重み付けして最終の必要Ｓ／Ｎ比を算出し、この最終
の必要Ｓ／Ｎ比に基づいて各サブバンドの量子化ビット
数を決定するので、データの圧縮率が高く、聴覚心理分
析による必要Ｓ／Ｎ比が満足されない場合に音質を向上
させることができる。
数領域の聴覚心理分析に基づいてサブバンド毎の第１の
必要Ｓ／Ｎ比を算出すると共にサブバンド毎の信号パワ
ーから聴覚的制御を含む二乗平均誤差最小理論により第
２の必要Ｓ／Ｎ比を算出し、第１、第２の必要Ｓ／Ｎ比
を重み付けして最終の必要Ｓ／Ｎ比を算出し、この最終
の必要Ｓ／Ｎ比に基づいて各サブバンドの量子化ビット
数を決定するので、データの圧縮率が高く、聴覚心理分
析による必要Ｓ／Ｎ比が満足されない場合に音質を向上
させることができる。
【００６５】また、本発明では、高能率符号化する第１
のオーディオ信号と、高能率符号化されず再生側で第１
のオーディオ信号とミキシングされる第２のオーディオ
信号をそれぞれ周波数領域で聴覚心理分析して第１、第
２のマスキングレベルを算出し、この第１、第２のマス
キングレベルに基づいて最終のマスキングレベルを算出
し、この最終のマスキングレベルに基づいて各サブバン
ドの量子化ビット数を決定するので、高能率符号化した
信号と高能率符号化しない信号を再生側でミキシングす
る場合に高能率符号化しない信号による影響を考慮して
聴覚心理分析を行って聴覚心理をより満足させて音質を
向上させることができる。
のオーディオ信号と、高能率符号化されず再生側で第１
のオーディオ信号とミキシングされる第２のオーディオ
信号をそれぞれ周波数領域で聴覚心理分析して第１、第
２のマスキングレベルを算出し、この第１、第２のマス
キングレベルに基づいて最終のマスキングレベルを算出
し、この最終のマスキングレベルに基づいて各サブバン
ドの量子化ビット数を決定するので、高能率符号化した
信号と高能率符号化しない信号を再生側でミキシングす
る場合に高能率符号化しない信号による影響を考慮して
聴覚心理分析を行って聴覚心理をより満足させて音質を
向上させることができる。
【００６６】
【実施例】以下、図面を参照して本発明の実施例につい
て説明する。図１は本発明に係る音声高能率符号化装置
の第１実施例を示すブロック図、図２は図１の変形例を
示すブロック図、図３は図１の他の変形例を示すブロッ
ク図、図４は前後のサブバンドとのパワースペクトルの
自己相関を算出する場合を示す説明図、図５はオフセッ
ト量を算出する処理を説明するためのフローチャート、
図６はビブラートが存在するオーディオ信号のスペクト
ルの一例を示す説明図、図７は従来技術のトナリティ算
出方法と第１実施例の自己相関方法により求めたオフセ
ット量を比較した説明図である。
て説明する。図１は本発明に係る音声高能率符号化装置
の第１実施例を示すブロック図、図２は図１の変形例を
示すブロック図、図３は図１の他の変形例を示すブロッ
ク図、図４は前後のサブバンドとのパワースペクトルの
自己相関を算出する場合を示す説明図、図５はオフセッ
ト量を算出する処理を説明するためのフローチャート、
図６はビブラートが存在するオーディオ信号のスペクト
ルの一例を示す説明図、図７は従来技術のトナリティ算
出方法と第１実施例の自己相関方法により求めたオフセ
ット量を比較した説明図である。
【００６７】図１に示す第１実施例はオーディオ信号の
帯域分割を直交変換により行う場合を示している。図１
において、例えば１６ビットＰＣＭオーディオ信号が窓
掛け・切出し部１により５１２サンプル分切り出され、
各サンプルのオーディオ信号が直交変換部２によりＤＣ
ＴやＦＦＴ等により直交変換され、複数のサブバンドｓ
に分割される。
帯域分割を直交変換により行う場合を示している。図１
において、例えば１６ビットＰＣＭオーディオ信号が窓
掛け・切出し部１により５１２サンプル分切り出され、
各サンプルのオーディオ信号が直交変換部２によりＤＣ
ＴやＦＦＴ等により直交変換され、複数のサブバンドｓ
に分割される。
【００６８】そして、聴覚心理分析部３によりマスキン
グ基準カーブのオフセット量Ｆが算出されて量子化ビッ
ト数が決定され、量子化・符号化部４はこの量子化ビッ
ト数で、直交変換部２により分割された各サブバンドｓ
のオーディオ信号を量子化及び符号化する。この量子化
・符号化部４により量子化および符号化されて圧縮され
たデータと、聴覚心理分析部３により決定された量子化
ビット数はマルチプレックス部５により多重化されてＭ
ＤやＤＣＣ等に出力される。なお、伸長時には圧縮デー
タは各サブバンドｓ毎の量子化ビット数に基づいて逆量
子化及び復号化される。
グ基準カーブのオフセット量Ｆが算出されて量子化ビッ
ト数が決定され、量子化・符号化部４はこの量子化ビッ
ト数で、直交変換部２により分割された各サブバンドｓ
のオーディオ信号を量子化及び符号化する。この量子化
・符号化部４により量子化および符号化されて圧縮され
たデータと、聴覚心理分析部３により決定された量子化
ビット数はマルチプレックス部５により多重化されてＭ
ＤやＤＣＣ等に出力される。なお、伸長時には圧縮デー
タは各サブバンドｓ毎の量子化ビット数に基づいて逆量
子化及び復号化される。
【００６９】図２に示す変形例では、入力オーディオ信
号がデジタルフィルタ６によりサブバンドｓに分割さ
れ、量子化・符号化部４により量子化および符号化され
て圧縮されたデータと、聴覚心理分析部３により決定さ
れた量子化ビット数はマルチプレックス部５により多重
化されるように構成されている。ここで、フィルタバン
クによるサブバンド分割方法では、本発明が必要とする
低域のバンド分解能を得ることができないので、図１に
示す場合と同様に、切出し部１により切り出された各サ
ンプルのオーディオ信号が直交変換部２により複数のサ
ブバンドｓに分割され、聴覚心理分析部３によりマスキ
ング基準カーブのオフセット量Ｆが算出されて量子化・
符号化部４の量子化ビット数が決定される。
号がデジタルフィルタ６によりサブバンドｓに分割さ
れ、量子化・符号化部４により量子化および符号化され
て圧縮されたデータと、聴覚心理分析部３により決定さ
れた量子化ビット数はマルチプレックス部５により多重
化されるように構成されている。ここで、フィルタバン
クによるサブバンド分割方法では、本発明が必要とする
低域のバンド分解能を得ることができないので、図１に
示す場合と同様に、切出し部１により切り出された各サ
ンプルのオーディオ信号が直交変換部２により複数のサ
ブバンドｓに分割され、聴覚心理分析部３によりマスキ
ング基準カーブのオフセット量Ｆが算出されて量子化・
符号化部４の量子化ビット数が決定される。
【００７０】図３に示す変形例では、オーディオ信号用
の系列と量子化ビット数決定用の窓掛け・切出し部１
ａ、１ｂ、直交変換部２ａ、２ｂ（及びオフセット算出
量算出部７）が設けられている。このように２系列で構
成した場合には、直交変換部２ａ、２ｂのポイント数が
異なるように、例えば直交変換部２ａは１０２４ポイン
ト、直交変換部２ｂは２０４８ポイントのように構成す
ることができる。
の系列と量子化ビット数決定用の窓掛け・切出し部１
ａ、１ｂ、直交変換部２ａ、２ｂ（及びオフセット算出
量算出部７）が設けられている。このように２系列で構
成した場合には、直交変換部２ａ、２ｂのポイント数が
異なるように、例えば直交変換部２ａは１０２４ポイン
ト、直交変換部２ｂは２０４８ポイントのように構成す
ることができる。
【００７１】次に、図４を参照して前後のサブバンドと
のパワースペクトルの自己相関を算出する処理について
説明する。予め決められたサブバンドｓとその前後のサ
ブバンドｓ−１、ｓ＋１のパワースペクトルが例えば図
４の（ａ）に示すような場合、サブバンドｓ内のスペク
トルとその前後のサブバンドｓ−１、ｓ＋１のパワース
ペクトルとの間で自己相関を計算する。そして、その結
果が図４の（ｂ）に示すような場合には自己相関値の最
大値と最小値の比を対数変換してオフセット量Ｆを算出
する。これにより、高調波成分がハッキリしたトーンラ
イクな信号の場合にはオフセット量Ｆは大きくなり、逆
にノイズライクな場合にはオフセット量Ｆは小さくな
る。なお、図４の（ｂ）に示すようにスライド量＝０と
その周辺の位置は最大値検索から除外する。
のパワースペクトルの自己相関を算出する処理について
説明する。予め決められたサブバンドｓとその前後のサ
ブバンドｓ−１、ｓ＋１のパワースペクトルが例えば図
４の（ａ）に示すような場合、サブバンドｓ内のスペク
トルとその前後のサブバンドｓ−１、ｓ＋１のパワース
ペクトルとの間で自己相関を計算する。そして、その結
果が図４の（ｂ）に示すような場合には自己相関値の最
大値と最小値の比を対数変換してオフセット量Ｆを算出
する。これにより、高調波成分がハッキリしたトーンラ
イクな信号の場合にはオフセット量Ｆは大きくなり、逆
にノイズライクな場合にはオフセット量Ｆは小さくな
る。なお、図４の（ｂ）に示すようにスライド量＝０と
その周辺の位置は最大値検索から除外する。
【００７２】次に、図５を参照してマスキング基準カー
ブのオフセット量Ｆを算出する処理〜について説明
する。図５は一例として直交変換として２ｑポイントＦ
ＦＴを用いた場合を示し、この直交変換のポイント数２
ｑについては１０２４〜２０４８程度の値であることが
望ましい。図５において、先ず、 直交変換係数の実数部Real〔ｊ〕と虚数部Imag〔ｊ〕
からパワースペクトルｐ〔ｊ〕を算出する。
ブのオフセット量Ｆを算出する処理〜について説明
する。図５は一例として直交変換として２ｑポイントＦ
ＦＴを用いた場合を示し、この直交変換のポイント数２
ｑについては１０２４〜２０４８程度の値であることが
望ましい。図５において、先ず、 直交変換係数の実数部Real〔ｊ〕と虚数部Imag〔ｊ〕
からパワースペクトルｐ〔ｊ〕を算出する。
【００７３】
【数１４】ｐ〔ｊ〕＝Real〔ｊ〕2 ＋Imag〔ｊ〕2 但し、ｊ＝０〜ｑ−１
【００７４】次に、予め決められたバンド毎に自己相
関Ｓc 〔ｓ〕〔ｉ〕を求める。ｑサンプルをｎ個のバン
ドに分割した場合には、
関Ｓc 〔ｓ〕〔ｉ〕を求める。ｑサンプルをｎ個のバン
ドに分割した場合には、
【００７５】
【数１５】
【００７６】最後に、各バンド毎に自己相関Ｓc
〔ｓ〕〔ｉ〕の最大値と最小値からオフセット量Ｆ
〔ｓ〕を算出する。
〔ｓ〕〔ｉ〕の最大値と最小値からオフセット量Ｆ
〔ｓ〕を算出する。
【００７７】
【数１６】
【００７８】図６の（ａ）（ｂ）は、図１〜図３に示す
直交変換部２、２ａのポイント数が１０２４であって、
ビブラートが存在するオーディオ信号のスペクトルが１
０２４ポイント（２３ｍsec ）ずれた場合を示し、図か
ら明らかなようにピークがオフセットしていることがわ
かる。図７は従来例のトナリティ算出方法と本実施例の
自己相関方法により３２バンド毎に求めたオフセット量
Ｆを示し、図から明らかなようにこのオーディオ信号は
聴感上、中低域がトーンライクであって情報量が多く、
本実施例の自己相関方法によるオフセット量Ｆが聴感に
一致している．
直交変換部２、２ａのポイント数が１０２４であって、
ビブラートが存在するオーディオ信号のスペクトルが１
０２４ポイント（２３ｍsec ）ずれた場合を示し、図か
ら明らかなようにピークがオフセットしていることがわ
かる。図７は従来例のトナリティ算出方法と本実施例の
自己相関方法により３２バンド毎に求めたオフセット量
Ｆを示し、図から明らかなようにこのオーディオ信号は
聴感上、中低域がトーンライクであって情報量が多く、
本実施例の自己相関方法によるオフセット量Ｆが聴感に
一致している．
【００７９】また、このオフセット量Ｆを求めるための
演算量は、例えば図３に示す直交変換部２ｂの２０４８
ＦＦＴポイントを含む場合を例にし、また、図４に示す
処理〜では関数演算を１００回、乗算を１回、除算
を２０回と仮定すると約９０，０００回になり、従来例
のトナリティ算出方法による約１８０，０００回に比べ
て半減させることができる。
演算量は、例えば図３に示す直交変換部２ｂの２０４８
ＦＦＴポイントを含む場合を例にし、また、図４に示す
処理〜では関数演算を１００回、乗算を１回、除算
を２０回と仮定すると約９０，０００回になり、従来例
のトナリティ算出方法による約１８０，０００回に比べ
て半減させることができる。
【００８０】次に、図８〜図１４を参照して本発明の第
２実施例について説明する。図８は第２実施例の音声高
能率符号化装置を示すブロック図、図９はノイズ・シェ
イピング・ファクタと量子化ノイズの関係を示す説明
図、図１０は第１、第２の必要Ｓ／Ｎから最終の必要Ｓ
／Ｎを算出する処理を説明するためのフローチャート、
図１１は最終の必要Ｓ／Ｎを算出する際の重み付け関数
を示す説明図、図１２はＳ／Ｎ比の劣化が検知されやす
いソースのスペクトルを示す説明図、図１３は図１２に
示すソースのＳ／Ｎ比を示す説明図、図１４は従来例と
第２実施例において音質の比較結果を示す説明図であ
る。
２実施例について説明する。図８は第２実施例の音声高
能率符号化装置を示すブロック図、図９はノイズ・シェ
イピング・ファクタと量子化ノイズの関係を示す説明
図、図１０は第１、第２の必要Ｓ／Ｎから最終の必要Ｓ
／Ｎを算出する処理を説明するためのフローチャート、
図１１は最終の必要Ｓ／Ｎを算出する際の重み付け関数
を示す説明図、図１２はＳ／Ｎ比の劣化が検知されやす
いソースのスペクトルを示す説明図、図１３は図１２に
示すソースのＳ／Ｎ比を示す説明図、図１４は従来例と
第２実施例において音質の比較結果を示す説明図であ
る。
【００８１】図８に示す第２実施例は、第１の必要Ｓ／
Ｎ比を算出等する聴覚心理分析部３と、サブバンドｓ毎
の信号パワーに基づいて二乗平均誤差最小理論により第
２の必要Ｓ／Ｎ比を算出等する第２の必要Ｓ／Ｎ算出
（及び最終必要Ｓ／Ｎ算出）部８とビット割り当て部９
を有する。第１の必要Ｓ／Ｎは、従来例と同様に純粋に
マスキング効果を中心とした聴覚心理モデルにより求め
られ、第２の必要Ｓ／Ｎ比は、各サブバンドｓ毎の信号
パワーに対して量子化ノイズを聴覚的に制御するパラメ
ータを加えた二乗平均誤差最小理論に基づいて求められ
る。
Ｎ比を算出等する聴覚心理分析部３と、サブバンドｓ毎
の信号パワーに基づいて二乗平均誤差最小理論により第
２の必要Ｓ／Ｎ比を算出等する第２の必要Ｓ／Ｎ算出
（及び最終必要Ｓ／Ｎ算出）部８とビット割り当て部９
を有する。第１の必要Ｓ／Ｎは、従来例と同様に純粋に
マスキング効果を中心とした聴覚心理モデルにより求め
られ、第２の必要Ｓ／Ｎ比は、各サブバンドｓ毎の信号
パワーに対して量子化ノイズを聴覚的に制御するパラメ
ータを加えた二乗平均誤差最小理論に基づいて求められ
る。
【００８２】ここで、後者では前者に比較してパワーが
大きなバンドの必要Ｓ／Ｎ比が若干強調される傾向にあ
る。そこで、先ず、各サブバンドの第２の必要Ｓ／Ｎ比
のトータルの平均値が第２の必要Ｓ／Ｎ比のそれと一致
するように第１の必要Ｓ／Ｎ比を正規化する。この理由
は、あくまでも第１の必要Ｓ／Ｎ比が聴覚心理と一致し
た量であって第２の必要Ｓ／Ｎ比はその補助のために用
いるものであり、さもないと第１、第２の必要Ｓ／Ｎ比
の平均値の間に差があると誤動作するからである。
大きなバンドの必要Ｓ／Ｎ比が若干強調される傾向にあ
る。そこで、先ず、各サブバンドの第２の必要Ｓ／Ｎ比
のトータルの平均値が第２の必要Ｓ／Ｎ比のそれと一致
するように第１の必要Ｓ／Ｎ比を正規化する。この理由
は、あくまでも第１の必要Ｓ／Ｎ比が聴覚心理と一致し
た量であって第２の必要Ｓ／Ｎ比はその補助のために用
いるものであり、さもないと第１、第２の必要Ｓ／Ｎ比
の平均値の間に差があると誤動作するからである。
【００８３】最後に、第１の必要Ｓ／Ｎ比と正規化した
第２の必要Ｓ／Ｎ比とを重み付けして加算し、最終の必
要Ｓ／Ｎ比を得て各サブバンドｓの量子化ビット数を決
定する。この場合、重み比率としては、例えば第１の必
要Ｓ／Ｎ比：第２の必要Ｓ／Ｎ比＝０．７：０．３のよ
うに第１の必要Ｓ／Ｎ比を重視して加算する。以上の方
法により、圧縮率が高く、Ｓ／Ｎ比が検知される場合に
も聴覚上の劣化を最小限に抑えることができ、また、パ
ワーの大きなバンドが重視され過ぎるという問題も発生
しない。
第２の必要Ｓ／Ｎ比とを重み付けして加算し、最終の必
要Ｓ／Ｎ比を得て各サブバンドｓの量子化ビット数を決
定する。この場合、重み比率としては、例えば第１の必
要Ｓ／Ｎ比：第２の必要Ｓ／Ｎ比＝０．７：０．３のよ
うに第１の必要Ｓ／Ｎ比を重視して加算する。以上の方
法により、圧縮率が高く、Ｓ／Ｎ比が検知される場合に
も聴覚上の劣化を最小限に抑えることができ、また、パ
ワーの大きなバンドが重視され過ぎるという問題も発生
しない。
【００８４】次に、二乗平均誤差最小理論によりビット
を配分する手法について説明する。一般に、音声波形は
ガウス過程で近似できると言われており、この場合、量
子化後の二乗平均誤差を最小にするビット配分（各バン
ドｓのビット数）bit 〔ｓ〕は、伝送速度−歪み理論か
ら次式１（数１７）のように表される。
を配分する手法について説明する。一般に、音声波形は
ガウス過程で近似できると言われており、この場合、量
子化後の二乗平均誤差を最小にするビット配分（各バン
ドｓのビット数）bit 〔ｓ〕は、伝送速度−歪み理論か
ら次式１（数１７）のように表される。
【００８５】
【数１７】
【００８６】そして、実際にはbit 〔ｓ〕の総和が使用
可能ビット数になるように上記係数ａ、ｂが調整され
る。ここで、式１（数１７）は聴覚制御を行わない場合
を示し、得られるbit 〔ｓ〕はバンドパワーを強く反映
したものであり、その結果の量子化ノイズはＰＣＭコー
ディングと同様のホワイトノイズとなる。そこで、本実
施例では、聴覚制御を行う際に式１（数１７）に対して
ウェイトファクタｗ〔ｓ〕を追加して次式２（数１８）
を得る。
可能ビット数になるように上記係数ａ、ｂが調整され
る。ここで、式１（数１７）は聴覚制御を行わない場合
を示し、得られるbit 〔ｓ〕はバンドパワーを強く反映
したものであり、その結果の量子化ノイズはＰＣＭコー
ディングと同様のホワイトノイズとなる。そこで、本実
施例では、聴覚制御を行う際に式１（数１７）に対して
ウェイトファクタｗ〔ｓ〕を追加して次式２（数１８）
を得る。
【００８７】
【数１８】
【００８８】式２（数１８）におけるノイズ・シェイピ
ング・ファクタγは−１．０〜０．０の範囲の値を取
り、γ＝０．０の場合に式１（数１７）と一致する。逆
にγ＝−１．０の場合には式２（数１８）のビット配分
bit 〔ｓ〕は定数となり、バンド毎の量子化ビット数は
同一となる。図９はγ＝−１．０〜０．０の場合の量子
化ノイズを示し、一般にはγ＝−０．２〜−０．１程度
のときに聴感と良く一致すると考えられている。
ング・ファクタγは−１．０〜０．０の範囲の値を取
り、γ＝０．０の場合に式１（数１７）と一致する。逆
にγ＝−１．０の場合には式２（数１８）のビット配分
bit 〔ｓ〕は定数となり、バンド毎の量子化ビット数は
同一となる。図９はγ＝−１．０〜０．０の場合の量子
化ノイズを示し、一般にはγ＝−０．２〜−０．１程度
のときに聴感と良く一致すると考えられている。
【００８９】次に、図１０を参照して第１、第２の必要
Ｓ／Ｎから最終の必要Ｓ／Ｎを算出する各処理 〜
を説明する。 先ず、直交変換係数からバンドトータルパワーＰ
〔ｓ〕を算出する。例えばｑ本のスペクトルをｎバンド
に分割する場合には、
Ｓ／Ｎから最終の必要Ｓ／Ｎを算出する各処理 〜
を説明する。 先ず、直交変換係数からバンドトータルパワーＰ
〔ｓ〕を算出する。例えばｑ本のスペクトルをｎバンド
に分割する場合には、
【００９０】
【数１９】
【００９１】次に、予め定めたバンド平均Ｓ／Ｎ比
（ＳＮavr ）から全バンド平均誤差パワー（定数）ｂを
求める。
（ＳＮavr ）から全バンド平均誤差パワー（定数）ｂを
求める。
【００９２】
【数２０】
【００９３】式２（数１８）により各バンドｓのビッ
ト配分bit 〔ｓ〕を算出する。
ト配分bit 〔ｓ〕を算出する。
【００９４】
【数２１】bit 〔ｓ〕＝ａ＋０．５・log ２（ｗ〔ｓ〕
・Ｐ〔ｓ〕／ｂ）
・Ｐ〔ｓ〕／ｂ）
【００９５】ビット配分bit 〔ｓ〕より仮の第２の必
要Ｓ／Ｎ比（＝ＳＮreq'〔ｓ〕）を算出する。
要Ｓ／Ｎ比（＝ＳＮreq'〔ｓ〕）を算出する。
【００９６】
【数２２】 ＳＮreq'〔ｓ〕＝６．０２・bit 〔ｓ〕 〔ｄＢ〕
【００９７】第１の必要Ｓ／Ｎ比と仮の第２の必要Ｓ
／Ｎ比の各平均値ＳＮreq 〔ｓ〕＿avr 、ＳＮreq'
〔ｓ〕＿avr を算出する。
／Ｎ比の各平均値ＳＮreq 〔ｓ〕＿avr 、ＳＮreq'
〔ｓ〕＿avr を算出する。
【００９８】
【数２３】
【００９９】仮の第２の必要Ｓ／Ｎ比の平均値ＳＮre
q'〔ｓ〕＿avr を正規化し、第２の必要Ｓ／Ｎ比（ＳＮ
req ２〔ｓ〕）を得る。
q'〔ｓ〕＿avr を正規化し、第２の必要Ｓ／Ｎ比（ＳＮ
req ２〔ｓ〕）を得る。
【０１００】
【数２４】 ＳＮreq ２〔ｓ〕＝ＳＮreq'〔ｓ〕 ・（ＳＮreq ＿avr ／ＳＮreq'＿avr ） 〔ｄＢ〕
【０１０１】第１の必要Ｓ／Ｎ比の平均値（ＳＮreq
〔ｓ〕＿avr ）をパラメータとして、第１の必要Ｓ／Ｎ
比（ＳＮreq 〔ｓ〕）と第２の必要Ｓ／Ｎ比（ＳＮreq
２〔ｓ〕）から最終の必要Ｓ／Ｎ比（ＳＮreq ＿fin
〔ｓ〕）を求める。
〔ｓ〕＿avr ）をパラメータとして、第１の必要Ｓ／Ｎ
比（ＳＮreq 〔ｓ〕）と第２の必要Ｓ／Ｎ比（ＳＮreq
２〔ｓ〕）から最終の必要Ｓ／Ｎ比（ＳＮreq ＿fin
〔ｓ〕）を求める。
【０１０２】
【数２５】 ＳＮreq ＿fin 〔ｓ〕 ＝ｆ〔ＳＮreq ＿avr 〕・ＳＮreq 〔ｓ〕 ＋（１．０−ｆ〔ＳＮreq ＿avr 〕）・ＳＮreq ２〔ｓ〕 〔ｄＢ〕
【０１０３】ここで、ｆ〔ｘ〕は図１１に示すように、
０．０〜１．０の範囲の値の重み付け関数であり、第１
の必要Ｓ／Ｎ比の平均値（ＳＮreq 〔ｓ〕＿avr ）が大
きい場合には第２の必要Ｓ／Ｎ比（ＳＮreq ２〔ｓ〕）
が増加するように設定される。
０．０〜１．０の範囲の値の重み付け関数であり、第１
の必要Ｓ／Ｎ比の平均値（ＳＮreq 〔ｓ〕＿avr ）が大
きい場合には第２の必要Ｓ／Ｎ比（ＳＮreq ２〔ｓ〕）
が増加するように設定される。
【０１０４】ここで、図１２に示すようにＳ／Ｎ比の劣
化が検知されやすいソースのスペクトルの場合、図１３
の（ａ）に示すように第１、第２の必要Ｓ／Ｎ比はそれ
ぞれ太線、細線のような値となり、また、図１３の
（ｂ）に示すように第１の必要Ｓ／Ｎ比と最終の必要Ｓ
／Ｎ比はそれぞれ太線、細線のような値となる。このよ
うなソースの場合、パワーが大きな２〜４ｋＨｚ付近の
Ｓ／Ｎ比が補正され、したがって、聴感上のＳ／Ｎ比も
改善することができる。また、図１４に示すように従来
例と本実施例における３つの第１の必要Ｓ／Ｎ比を比較
した場合、本実施例によれば第１の必要Ｓ／Ｎ比の平均
値（ＳＮreq 〔ｓ〕＿avr ）が大きい場合に改善効果が
大きいことが分かる。
化が検知されやすいソースのスペクトルの場合、図１３
の（ａ）に示すように第１、第２の必要Ｓ／Ｎ比はそれ
ぞれ太線、細線のような値となり、また、図１３の
（ｂ）に示すように第１の必要Ｓ／Ｎ比と最終の必要Ｓ
／Ｎ比はそれぞれ太線、細線のような値となる。このよ
うなソースの場合、パワーが大きな２〜４ｋＨｚ付近の
Ｓ／Ｎ比が補正され、したがって、聴感上のＳ／Ｎ比も
改善することができる。また、図１４に示すように従来
例と本実施例における３つの第１の必要Ｓ／Ｎ比を比較
した場合、本実施例によれば第１の必要Ｓ／Ｎ比の平均
値（ＳＮreq 〔ｓ〕＿avr ）が大きい場合に改善効果が
大きいことが分かる。
【０１０５】次に、本発明の第３実施例について説明す
る。図１５は第３実施例の音声高能率符号化装置を示す
ブロック図、図１６は図１５の音声高能率符号化装置の
変形例を示すブロック図、図１７は図１５及び図１６の
オーディオエンコーダの一例を詳細に示すブロック図、
図１８は２チャネル間の同期が十分な精度で保証されて
いる場合の必要Ｓ／Ｎ比算出処理を説明するためのフロ
ーチャート、図１９は２チャネル間の同期精度が悪い場
合の必要Ｓ／Ｎ比算出処理を説明するためのフローチャ
ート、図２０は従来技術と本実施例によるミキシング後
のＭＮＲを比較した説明図、図２１は従来技術と本実施
例によるミキシング後の音質評価を比較した説明図であ
る。
る。図１５は第３実施例の音声高能率符号化装置を示す
ブロック図、図１６は図１５の音声高能率符号化装置の
変形例を示すブロック図、図１７は図１５及び図１６の
オーディオエンコーダの一例を詳細に示すブロック図、
図１８は２チャネル間の同期が十分な精度で保証されて
いる場合の必要Ｓ／Ｎ比算出処理を説明するためのフロ
ーチャート、図１９は２チャネル間の同期精度が悪い場
合の必要Ｓ／Ｎ比算出処理を説明するためのフローチャ
ート、図２０は従来技術と本実施例によるミキシング後
のＭＮＲを比較した説明図、図２１は従来技術と本実施
例によるミキシング後の音質評価を比較した説明図であ
る。
【０１０６】図１５に示す第３実施例は図３２に示すオ
ーディオエンコーダ２０に適用した場合のものである。
この場合は、エンコーダ２０により高能率符号化するＣ
Ｈ−Ａの第１のオーディオ信号と、高能率符号化されず
再生側で第１のオーディオ信号とミキシングされるＣＨ
−Ｂの第２のオーディオ信号をそれぞれ周波数領域で聴
覚心理分析して第１、第２のマスキングレベルを算出
し、この第１、第２のマスキングレベルに基づいて最終
のマスキングレベルを算出し、この最終のマスキングレ
ベルに基づいて各サブバンドの量子化ビット数を決定し
て第１のオーディオ信号を量子化および符号化し、ビッ
トストリームとして出力する。このビットストリームと
ＣＨ−Ｂの高能率符号化されない信号がマルチプレック
ス部２１により多重化される。
ーディオエンコーダ２０に適用した場合のものである。
この場合は、エンコーダ２０により高能率符号化するＣ
Ｈ−Ａの第１のオーディオ信号と、高能率符号化されず
再生側で第１のオーディオ信号とミキシングされるＣＨ
−Ｂの第２のオーディオ信号をそれぞれ周波数領域で聴
覚心理分析して第１、第２のマスキングレベルを算出
し、この第１、第２のマスキングレベルに基づいて最終
のマスキングレベルを算出し、この最終のマスキングレ
ベルに基づいて各サブバンドの量子化ビット数を決定し
て第１のオーディオ信号を量子化および符号化し、ビッ
トストリームとして出力する。このビットストリームと
ＣＨ−Ｂの高能率符号化されない信号がマルチプレック
ス部２１により多重化される。
【０１０７】また、図１６に示す第３実施例は図３３の
（ａ）に示すオーディオエンコーダ２０に適用した場合
を示している。この場合には、ＭＩＤＩシーケンサ２５
によりＣＨ−Ｂのオーディオ信号をＭＩＤＩコード化
し、ＭＩＤＩコードに基づいてＭＩＤＩ音源２６により
演奏された信号ＣＨ−Ｂ’を生成し、エンコーダ２０に
よりＣＨ−Ａの第１のオーディオ信号と信号ＣＨ−Ｂ’
の第１、第２のマスキングレベルを算出し、この第１、
第２のマスキングレベルに基づいて最終のマスキングレ
ベルを算出し、この最終のマスキングレベルに基づいて
各サブバンドの量子化ビット数を決定して第１のオーデ
ィオ信号を量子化および符号化し、ビットストリームと
して出力する。このビットストリームとＭＩＤＩコード
はマルチプレックス部２１により多重化される。
（ａ）に示すオーディオエンコーダ２０に適用した場合
を示している。この場合には、ＭＩＤＩシーケンサ２５
によりＣＨ−Ｂのオーディオ信号をＭＩＤＩコード化
し、ＭＩＤＩコードに基づいてＭＩＤＩ音源２６により
演奏された信号ＣＨ−Ｂ’を生成し、エンコーダ２０に
よりＣＨ−Ａの第１のオーディオ信号と信号ＣＨ−Ｂ’
の第１、第２のマスキングレベルを算出し、この第１、
第２のマスキングレベルに基づいて最終のマスキングレ
ベルを算出し、この最終のマスキングレベルに基づいて
各サブバンドの量子化ビット数を決定して第１のオーデ
ィオ信号を量子化および符号化し、ビットストリームと
して出力する。このビットストリームとＭＩＤＩコード
はマルチプレックス部２１により多重化される。
【０１０８】そして、再生側では図３３の（ａ）に示す
ように、デマルチプレックス部２２によりチャネルを分
離し、オーディオデコーダ２３によりデコードした信号
ＣＨ−Ａ’とＭＩＤＩコードに基づいてＭＩＤＩ音源２
６により演奏された信号ＣＨ−Ｂ’をミキサ２４により
ミキシングする。
ように、デマルチプレックス部２２によりチャネルを分
離し、オーディオデコーダ２３によりデコードした信号
ＣＨ−Ａ’とＭＩＤＩコードに基づいてＭＩＤＩ音源２
６により演奏された信号ＣＨ−Ｂ’をミキサ２４により
ミキシングする。
【０１０９】図１７に示すエンコーダ２０は一例として
オーディオ信号の帯域分割を直交変換により行い、もち
ろん帯域分割を図２に示すようにデジタルフィルタ６に
より行う場合にも適用することができる。図１７におい
て、高能率符号化を行うチャネルＣＨ−Ａの信号と、高
能率符号化を行わず再生側でミキシングするＣＨ−Ｂの
信号は、それぞれ窓掛け・切出し部１Ａ、１Ｂ及び直交
変換部２Ａ、２Ｂによりサブバンドに分割され、聴覚心
理分析部３Ａ、３Ｂに印加される。なお、ＣＨ−Ａ、Ｃ
Ｈ−Ｂの信号の再生側のミキシング比率が１：１でない
場合には、その比率を考慮したＣＨ−Ａ、ＣＨ−Ｂ間の
レベルが調整される（レベル調整部１１）。
オーディオ信号の帯域分割を直交変換により行い、もち
ろん帯域分割を図２に示すようにデジタルフィルタ６に
より行う場合にも適用することができる。図１７におい
て、高能率符号化を行うチャネルＣＨ−Ａの信号と、高
能率符号化を行わず再生側でミキシングするＣＨ−Ｂの
信号は、それぞれ窓掛け・切出し部１Ａ、１Ｂ及び直交
変換部２Ａ、２Ｂによりサブバンドに分割され、聴覚心
理分析部３Ａ、３Ｂに印加される。なお、ＣＨ−Ａ、Ｃ
Ｈ−Ｂの信号の再生側のミキシング比率が１：１でない
場合には、その比率を考慮したＣＨ−Ａ、ＣＨ−Ｂ間の
レベルが調整される（レベル調整部１１）。
【０１１０】次に、図１８を参照していずれもチャネル
ＣＨ−Ａ、ＣＨ−Ｂ間の同期処理（例えば±１ｍsec 以
内）が予め成されている場合の処理について説明する。
図１８は従来例の図２７において説明した処理に対応
し、処理（１）〜（５）が同一であり、処理（１）’、
（２）’及び（ｘ）が追加されている。聴覚心理分析部
３Ｂでは処理（１）’、（２）’においてＣＨ−Ｂの信
号の周波数領域の聴覚心理分析により得られるマスキン
グレベルＭ２を算出する。
ＣＨ−Ａ、ＣＨ−Ｂ間の同期処理（例えば±１ｍsec 以
内）が予め成されている場合の処理について説明する。
図１８は従来例の図２７において説明した処理に対応
し、処理（１）〜（５）が同一であり、処理（１）’、
（２）’及び（ｘ）が追加されている。聴覚心理分析部
３Ｂでは処理（１）’、（２）’においてＣＨ−Ｂの信
号の周波数領域の聴覚心理分析により得られるマスキン
グレベルＭ２を算出する。
【０１１１】これに対し、聴覚心理分析部３Ａは処理
（１）、（２）においてＣＨ−Ａの信号の周波数領域の
聴覚心理分析により得られるマスキングレベルＭ１を算
出し、続く処理（ｘ）においてこのマスキングレベルＭ
１と聴覚心理分析部３Ｂにより算出されたマスキングレ
ベルＭ２により、式（数１３）に示すＭ〔ｉ〕＝max
（Ｍ１〔ｉ〕，Ｍ２〔ｉ〕に基づいて高能率符号化しな
い信号による影響を考慮した最終のマスキングレベルＭ
を算出する。次いで処理（３）〜（５）においてこの最
終のマスキングレベルＭに基づいて必要Ｓ／Ｎ比を算出
する。ビット割り当て部１２はこの必要Ｓ／Ｎ比に基づ
いて各サブバンドの量子化ビット数を割り当て、量子化
・符号化部４はＣＨ−Ａ側をこの量子化ビット数に基づ
いて量子化、符号化する。
（１）、（２）においてＣＨ−Ａの信号の周波数領域の
聴覚心理分析により得られるマスキングレベルＭ１を算
出し、続く処理（ｘ）においてこのマスキングレベルＭ
１と聴覚心理分析部３Ｂにより算出されたマスキングレ
ベルＭ２により、式（数１３）に示すＭ〔ｉ〕＝max
（Ｍ１〔ｉ〕，Ｍ２〔ｉ〕に基づいて高能率符号化しな
い信号による影響を考慮した最終のマスキングレベルＭ
を算出する。次いで処理（３）〜（５）においてこの最
終のマスキングレベルＭに基づいて必要Ｓ／Ｎ比を算出
する。ビット割り当て部１２はこの必要Ｓ／Ｎ比に基づ
いて各サブバンドの量子化ビット数を割り当て、量子化
・符号化部４はＣＨ−Ａ側をこの量子化ビット数に基づ
いて量子化、符号化する。
【０１１２】次に、図１９を参照してＣＨ−Ａ、ＣＨ−
Ｂ間の同期精度が悪い場合の処理を説明する。ミキシン
グ時の同期ずれが聴感上では許されるが、聴覚心理分析
上では問題となる場合、例えば同期誤差が±５〜１０ｍ
sec の場合、聴覚心理分析部３Ｂが図１８に示す処理
（１）’、（２）’を行うと、実際のミキシング時の同
期ずれのためにマスキングレベルＭの変更が逆効果にな
る可能性がある。
Ｂ間の同期精度が悪い場合の処理を説明する。ミキシン
グ時の同期ずれが聴感上では許されるが、聴覚心理分析
上では問題となる場合、例えば同期誤差が±５〜１０ｍ
sec の場合、聴覚心理分析部３Ｂが図１８に示す処理
（１）’、（２）’を行うと、実際のミキシング時の同
期ずれのためにマスキングレベルＭの変更が逆効果にな
る可能性がある。
【０１１３】そこで、ＣＨ−Ｂ側の聴覚心理分析部３Ｂ
は、図１９に示す処理（１）’においてＣＨ−Ｂの直交
変換長をＣＨ−Ａのそれより２倍程度に設定して各分析
バンドのトータルパワーＰ２〔ｉ〕を算出することによ
り同期ずれの誤差を平坦化して軽減し、続く処理
（２）’においてこのトータルパワーＰ２〔ｉ〕とマス
キング基準カーブＢ（ｋ〕からマスキングレベルＭ２を
算出する。また、ＣＨ−Ａ側の聴覚心理分析部３Ａは式
（数１３）に基づいてＭ１〔ｉ〕及びＭ２〔ｉ〕からＭ
〔ｉ〕を決定する際に最大値をとらないで、処理（ｘ）
では、重み付け係数ａを例えばａ＝０．６として
は、図１９に示す処理（１）’においてＣＨ−Ｂの直交
変換長をＣＨ−Ａのそれより２倍程度に設定して各分析
バンドのトータルパワーＰ２〔ｉ〕を算出することによ
り同期ずれの誤差を平坦化して軽減し、続く処理
（２）’においてこのトータルパワーＰ２〔ｉ〕とマス
キング基準カーブＢ（ｋ〕からマスキングレベルＭ２を
算出する。また、ＣＨ−Ａ側の聴覚心理分析部３Ａは式
（数１３）に基づいてＭ１〔ｉ〕及びＭ２〔ｉ〕からＭ
〔ｉ〕を決定する際に最大値をとらないで、処理（ｘ）
では、重み付け係数ａを例えばａ＝０．６として
【０１１４】
【数２６】 Ｍ〔ｉ〕＝Ｍ１〔ｉ〕・０．６＋Ｍ２〔ｉ〕・０．４
【０１１５】のように、Ｍ１〔ｉ〕を重視してＭ〔ｉ〕
を決定することにより、ＣＨ−Ａ、ＣＨ−Ｂ間の同期精
度が悪い場合の聴覚心理分析上の問題を解決することが
できる。したがって、この第３実施例によれば、高能率
符号化した信号と高能率符号化しない信号を再生側でミ
キシングする場合に、ミキシングされた音質が最適にな
るように高能率符号化することができる。
を決定することにより、ＣＨ−Ａ、ＣＨ−Ｂ間の同期精
度が悪い場合の聴覚心理分析上の問題を解決することが
できる。したがって、この第３実施例によれば、高能率
符号化した信号と高能率符号化しない信号を再生側でミ
キシングする場合に、ミキシングされた音質が最適にな
るように高能率符号化することができる。
【０１１６】ここで、一般にオーディオ信号の再生品質
を客観的に評価する場合にはＭＮＲ（Mask to Noise Ra
tio ）を測定することが多い。具体的には図３４におい
て示したように周波数領域におけるマスキングレベルＭ
と、実際に信号中に生じている（量子化）ノイズＮとの
比を求める。この場合、ＭＮＲが正の領域では聴覚心理
上のマスキング効果は満足されており、ノイズは検知さ
れない。逆にＭＮＲが負の領域では聴覚心理上のマスキ
ング効果が満足されず、ノイズが検知される。また、Ｍ
ＮＲが正の場合であってもできるだけフラットな周波数
特性を示す方が聴覚心理上好ましいと考えられる。その
理由は、帯域によってはＭＮＲに差があるとバランス
上、若干不自然な音に感じられるからである。
を客観的に評価する場合にはＭＮＲ（Mask to Noise Ra
tio ）を測定することが多い。具体的には図３４におい
て示したように周波数領域におけるマスキングレベルＭ
と、実際に信号中に生じている（量子化）ノイズＮとの
比を求める。この場合、ＭＮＲが正の領域では聴覚心理
上のマスキング効果は満足されており、ノイズは検知さ
れない。逆にＭＮＲが負の領域では聴覚心理上のマスキ
ング効果が満足されず、ノイズが検知される。また、Ｍ
ＮＲが正の場合であってもできるだけフラットな周波数
特性を示す方が聴覚心理上好ましいと考えられる。その
理由は、帯域によってはＭＮＲに差があるとバランス
上、若干不自然な音に感じられるからである。
【０１１７】図２０はあるオーディオ信号を従来技術と
本実施例によりそれぞれ処理した場合のミキシング後の
ＭＮＲ〔ｄＢ〕の測定例を示している。本実施例（実
線）ではほぼ全周波数領域においてフラットな特性を示
すのに対し、従来技術（破線）では特性にうねりがあ
り、一部の領域（図の１０ｋＨｚ前後）では負の値を示
している。このように平均ＭＮＲが０ｄＢに近い場合に
は効果は特に大きい。
本実施例によりそれぞれ処理した場合のミキシング後の
ＭＮＲ〔ｄＢ〕の測定例を示している。本実施例（実
線）ではほぼ全周波数領域においてフラットな特性を示
すのに対し、従来技術（破線）では特性にうねりがあ
り、一部の領域（図の１０ｋＨｚ前後）では負の値を示
している。このように平均ＭＮＲが０ｄＢに近い場合に
は効果は特に大きい。
【０１１８】図２１は従来技術と本実施例により多数の
ソースでミキシングした後の音質主観評価（５段階評
価）を行った例を示し、本実施例によれば、評価値の平
均値が向上し、特に評価値のバラツキが減少することが
分かる。
ソースでミキシングした後の音質主観評価（５段階評
価）を行った例を示し、本実施例によれば、評価値の平
均値が向上し、特に評価値のバラツキが減少することが
分かる。
【０１１９】
【発明の効果】以上説明したように本発明によれば、直
交変換係数からオーディオ信号のパワースペクトルを算
出してこのパワースペクトルの自己相関を予め定めた帯
域毎に算出し、この自己相関の最大値と最小値の比から
聴覚心理上のマスキング効果のオフセット量を算出し、
このオフセット量に基づいて各サブバンドの量子化ビッ
ト数を決定するので、マスキング基準カーブのオフセッ
ト量を演算する際の演算量を減少し、また、オーディオ
信号にビブラートがかかっている場合にも聴覚心理をよ
り満足させて音質を向上させることができる。
交変換係数からオーディオ信号のパワースペクトルを算
出してこのパワースペクトルの自己相関を予め定めた帯
域毎に算出し、この自己相関の最大値と最小値の比から
聴覚心理上のマスキング効果のオフセット量を算出し、
このオフセット量に基づいて各サブバンドの量子化ビッ
ト数を決定するので、マスキング基準カーブのオフセッ
ト量を演算する際の演算量を減少し、また、オーディオ
信号にビブラートがかかっている場合にも聴覚心理をよ
り満足させて音質を向上させることができる。
【０１２０】また、本発明では、オーディオ信号の周波
数領域の聴覚心理分析に基づいてサブバンド毎の第１の
必要Ｓ／Ｎ比を算出すると共にサブバンド毎の信号パワ
ーから聴覚的制御を含む二乗平均誤差最小理論により第
２の必要Ｓ／Ｎ比を算出し、第１、第２の必要Ｓ／Ｎ比
を重み付けして最終の必要Ｓ／Ｎ比を算出し、この最終
の必要Ｓ／Ｎ比に基づいて各サブバンドの量子化ビット
数を決定するので、データの圧縮率が高く、聴覚心理分
析による必要Ｓ／Ｎ比が満足されない場合に音質を向上
させることができる。
数領域の聴覚心理分析に基づいてサブバンド毎の第１の
必要Ｓ／Ｎ比を算出すると共にサブバンド毎の信号パワ
ーから聴覚的制御を含む二乗平均誤差最小理論により第
２の必要Ｓ／Ｎ比を算出し、第１、第２の必要Ｓ／Ｎ比
を重み付けして最終の必要Ｓ／Ｎ比を算出し、この最終
の必要Ｓ／Ｎ比に基づいて各サブバンドの量子化ビット
数を決定するので、データの圧縮率が高く、聴覚心理分
析による必要Ｓ／Ｎ比が満足されない場合に音質を向上
させることができる。
【０１２１】また、本発明では、高能率符号化する第１
のオーディオ信号と、高能率符号化されず再生側で第１
のオーディオ信号とミキシングされる第２のオーディオ
信号をそれぞれ周波数領域で聴覚心理分析して第１、第
２のマスキングレベルを算出し、この第１、第２のマス
キングレベルに基づいて最終のマスキングレベルを算出
し、この最終のマスキングレベルに基づいて各サブバン
ドの量子化ビット数を決定するので、高能率符号化した
信号と高能率符号化しない信号を再生側でミキシングす
る場合に高能率符号化しない信号による影響を考慮して
聴覚心理分析を行って聴覚心理をより満足させて音質を
向上させることができる。
のオーディオ信号と、高能率符号化されず再生側で第１
のオーディオ信号とミキシングされる第２のオーディオ
信号をそれぞれ周波数領域で聴覚心理分析して第１、第
２のマスキングレベルを算出し、この第１、第２のマス
キングレベルに基づいて最終のマスキングレベルを算出
し、この最終のマスキングレベルに基づいて各サブバン
ドの量子化ビット数を決定するので、高能率符号化した
信号と高能率符号化しない信号を再生側でミキシングす
る場合に高能率符号化しない信号による影響を考慮して
聴覚心理分析を行って聴覚心理をより満足させて音質を
向上させることができる。
【図１】本発明に係る音声高能率符号化装置の第１実施
例を示すブロック図である。
例を示すブロック図である。
【図２】図１の変形例を示すブロック図である。
【図３】図１の他の変形例を示すブロック図である。
【図４】前後のサブバンドとのパワースペクトルの自己
相関を算出する場合を示す説明図である。
相関を算出する場合を示す説明図である。
【図５】オフセット量を算出する処理を説明するための
フローチャートである。
フローチャートである。
【図６】ビブラートが存在するオーディオ信号のスペク
トルの一例を示す説明図である。
トルの一例を示す説明図である。
【図７】従来技術のトナリティ算出方法と第１実施例の
自己相関方法により求めたオフセット量を比較した説明
図である。
自己相関方法により求めたオフセット量を比較した説明
図である。
【図８】第２実施例の音声高能率符号化装置を示すブロ
ック図である。
ック図である。
【図９】ノイズ・シェイピング・ファクタと量子化ノイ
ズの関係を示す説明図である。
ズの関係を示す説明図である。
【図１０】第１、第２の必要Ｓ／Ｎから最終の必要Ｓ／
Ｎを算出する処理を説明するためのフローチャートであ
る。
Ｎを算出する処理を説明するためのフローチャートであ
る。
【図１１】最終の必要Ｓ／Ｎを算出する際の重み付け関
数を示す説明図である。
数を示す説明図である。
【図１２】Ｓ／Ｎ比の劣化が検知されやすいソースのス
ペクトルを示す説明図である。
ペクトルを示す説明図である。
【図１３】図１２に示すソースのＳ／Ｎ比を示す説明図
である。
である。
【図１４】従来例と第２実施例において音質の比較結果
を示す説明図である。
を示す説明図である。
【図１５】第３実施例の音声高能率符号化装置を示すブ
ロック図である。
ロック図である。
【図１６】図１５の音声高能率符号化装置の変形例を示
すブロック図である。
すブロック図である。
【図１７】図１５及び図１６のオーディオエンコーダの
一例を詳細に示すブロック図である。
一例を詳細に示すブロック図である。
【図１８】２チャネル間の同期が十分な精度で保証され
ている場合の必要Ｓ／Ｎ比算出処理を説明するためのフ
ローチャートである。
ている場合の必要Ｓ／Ｎ比算出処理を説明するためのフ
ローチャートである。
【図１９】２チャネル間の同期精度が悪い場合の必要Ｓ
／Ｎ比算出処理を説明するためのフローチャートであ
る。
／Ｎ比算出処理を説明するためのフローチャートであ
る。
【図２０】従来技術と第３実施例によるミキシング後の
ＭＮＲを比較した説明図である。
ＭＮＲを比較した説明図である。
【図２１】従来技術と第３実施例によるミキシング後の
音質評価を比較した説明図である。
音質評価を比較した説明図である。
【図２２】音声高能率符号化方法を模式的に示す説明図
である。
である。
【図２３】図２２の音声高能率符号化処理を説明するた
めのフローチャートである。
めのフローチャートである。
【図２４】各種周波数スペクトルにおけるマスキングカ
ーブの一例を示す説明図である。
ーブの一例を示す説明図である。
【図２５】図２４の横軸の周波数を臨界帯域に置き換え
たマスキングカーブを示す説明図である。
たマスキングカーブを示す説明図である。
【図２６】２５バンドの臨界帯域幅を示す説明図であ
る。
る。
【図２７】従来の必要Ｓ／Ｎ比算出処理を説明するため
のフローチャートである。
のフローチャートである。
【図２８】マスキング基準カーブの一例を示す説明図で
ある。
ある。
【図２９】３区間のスペクトルを直線予測する方法を示
す説明図である。
す説明図である。
【図３０】従来のオフセット算出処理を説明するための
フローチャートである。
フローチャートである。
【図３１】ビブラートが存在する信号のスペクトルの一
例を示す説明図である。
例を示す説明図である。
【図３２】従来のミキシング回路を示すブロック図であ
る。
る。
【図３３】他の従来のミキシング回路を示すブロック図
である。
である。
【図３４】高能率符号化する信号及びそのマスキングレ
ベルと高能率符号化しない信号のマスキングレベルを示
す説明図である。
ベルと高能率符号化しない信号のマスキングレベルを示
す説明図である。
１，１ａ，１ｂ，１Ａ，１Ｂ 窓掛け切出し部 ２，２ａ，２ｂ，２Ａ，２Ｂ 直交変換部（分割手段） ３，３Ａ，３Ｂ 聴感心理分析部（聴感心理分析手段） ４ 量子化・符号化部（量子化・符号化手段） ５ マルチプレックス部 ６ サブバンドフィルタ部（分割手段） ７ オフセット量算出部（聴感心理分析手段） ８ 第２の必要Ｓ／Ｎ算出部（聴感心理分析手段） ９ ビット割り当て部（聴感心理分析手段）
───────────────────────────────────────────────────── フロントページの続き (56)参考文献 特開 平７−46137（ＪＰ，Ａ) 特開 平３−250923（ＪＰ，Ａ) 特開 平６−232761（ＪＰ，Ａ) 特開 平７−66733（ＪＰ，Ａ) (58)調査した分野(Int.Cl.7，ＤＢ名) H03M 7/30
Claims (3)
- 【請求項１】 オーディオ信号を複数の周波数帯域のサ
ブバンドに分割する分割手段と、 前記分割手段により分割された各サブバンドのオーディ
オ信号を可変の量子化ビット数で量子化及び符号化する
量子化・符号化手段と、 前記分割手段又は別途の直交変換手段により得られた直
交変換係数からオーディオ信号のパワースペクトルを算
出してこのパワースペクトルの自己相関を予め定めた帯
域毎に算出し、この自己相関の最大値と最小値の比から
聴覚心理上のマスキング効果のオフセット量を算出し、
このオフセット量に基づいて前記量子化・符号化手段の
各サブバンドの量子化ビット数を決定する聴覚心理分析
手段とを、 有する音声高能率符号化装置。 - 【請求項２】 オーディオ信号を複数の周波数帯域のサ
ブバンドに分割する分割手段と、 前記分割手段により分割された各サブバンドのオーディ
オ信号を可変の量子化ビット数で量子化及び符号化する
量子化・符号化手段と、 オーディオ信号の周波数領域の聴覚心理分析に基づいて
サブバンド毎の第１の必要Ｓ／Ｎ比を算出すると共にサ
ブバンド毎の信号パワーから聴覚的制御を含む二乗平均
誤差最小理論により第２の必要Ｓ／Ｎ比を算出し、前記
第１、第２の必要Ｓ／Ｎ比を重み付けして最終の必要Ｓ
／Ｎ比を算出し、この最終の必要Ｓ／Ｎ比に基づいて前
記量子化・符号化手段の各サブバンドの量子化ビット数
を決定する聴覚心理分析手段とを、 有する音声高能率符号化装置。 - 【請求項３】 高能率符号化する第１のオーディオ信号
を複数の周波数帯域のサブバンドに分割する分割手段
と、 前記分割手段により分割された各サブバンドのオーディ
オ信号を可変の量子化ビット数で量子化及び符号化する
量子化・符号化手段と、 前記第１のオーディオ信号と、高能率符号化されず再生
側で前記第１のオーディオ信号とミキシングされる第２
のオーディオ信号をそれぞれ周波数領域で聴覚心理分析
して第１、第２のマスキングレベルを算出し、この第
１、第２のマスキングレベルに基づいて最終のマスキン
グレベルを算出し、この最終のマスキングレベルに基づ
いて前記量子化・符号化手段の各サブバンドの量子化ビ
ット数を決定する聴覚心理分析手段とを、 有する音声高能率符号化装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP05331795A JP3254953B2 (ja) | 1995-02-17 | 1995-02-17 | 音声高能率符号化装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP05331795A JP3254953B2 (ja) | 1995-02-17 | 1995-02-17 | 音声高能率符号化装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH08223052A JPH08223052A (ja) | 1996-08-30 |
| JP3254953B2 true JP3254953B2 (ja) | 2002-02-12 |
Family
ID=12939350
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP05331795A Expired - Lifetime JP3254953B2 (ja) | 1995-02-17 | 1995-02-17 | 音声高能率符号化装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3254953B2 (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6400523B1 (en) | 1992-09-28 | 2002-06-04 | Hitachi, Ltd. | Method and apparatus for recording and reproducing disk-type recording medium with dual head including reading head and writing head having offset cores |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS6052756A (ja) * | 1983-09-01 | 1985-03-26 | Shimadzu Corp | 抵抗式湿度センサ− |
| US6151442A (en) | 1996-07-08 | 2000-11-21 | Victor Company Of Japan, Ltd. | Signal compressing apparatus |
| JP4174859B2 (ja) * | 1998-07-15 | 2008-11-05 | ヤマハ株式会社 | デジタルオーディオ信号のミキシング方法およびミキシング装置 |
| US6910011B1 (en) * | 1999-08-16 | 2005-06-21 | Haman Becker Automotive Systems - Wavemakers, Inc. | Noisy acoustic signal enhancement |
| US6778953B1 (en) * | 2000-06-02 | 2004-08-17 | Agere Systems Inc. | Method and apparatus for representing masked thresholds in a perceptual audio coder |
| US7447631B2 (en) | 2002-06-17 | 2008-11-04 | Dolby Laboratories Licensing Corporation | Audio coding system using spectral hole filling |
| TWI288915B (en) * | 2002-06-17 | 2007-10-21 | Dolby Lab Licensing Corp | Improved audio coding system using characteristics of a decoded signal to adapt synthesized spectral components |
| KR101301245B1 (ko) | 2008-12-22 | 2013-09-10 | 한국전자통신연구원 | 스펙트럼 계수의 서브대역 할당 방법 및 장치 |
| EP2520863B1 (en) | 2011-05-05 | 2016-11-23 | General Electric Technology GmbH | Method for protecting a gas turbine engine against high dynamical process values and gas turbine engine for conducting said method |
-
1995
- 1995-02-17 JP JP05331795A patent/JP3254953B2/ja not_active Expired - Lifetime
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6400523B1 (en) | 1992-09-28 | 2002-06-04 | Hitachi, Ltd. | Method and apparatus for recording and reproducing disk-type recording medium with dual head including reading head and writing head having offset cores |
Also Published As
| Publication number | Publication date |
|---|---|
| JPH08223052A (ja) | 1996-08-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101120911B1 (ko) | 음성신호 복호화 장치 및 음성신호 부호화 장치 | |
| US7155383B2 (en) | Quantization matrices for jointly coded channels of audio | |
| US7548855B2 (en) | Techniques for measurement of perceptual audio quality | |
| KR100978018B1 (ko) | 공간 오디오의 파라메터적 표현 | |
| CA2185746C (en) | Perceptual noise masking measure based on synthesis filter frequency response | |
| JP3153933B2 (ja) | データ符号化装置及び方法並びにデータ復号化装置及び方法 | |
| JP3186292B2 (ja) | 高能率符号化方法及び装置 | |
| AU1448992A (en) | High efficiency digital data encoding and decoding apparatus | |
| KR20110040820A (ko) | 대역폭 확장 출력 데이터를 생성하기 위한 장치 및 방법 | |
| JPH04177300A (ja) | 音声帯域分割符号化装置 | |
| KR101035104B1 (ko) | 다중-채널 신호들의 처리 | |
| JP3254953B2 (ja) | 音声高能率符号化装置 | |
| US20020022898A1 (en) | Digital audio coding apparatus, method and computer readable medium | |
| JP3519859B2 (ja) | 符号器及び復号器 | |
| US6385572B2 (en) | System and method for efficiently implementing a masking function in a psycho-acoustic modeler | |
| JPH07281697A (ja) | Ｍｐｅｇ規格の音声信号デコーダ | |
| WO2000008631A1 (en) | System and method for implementing a refined psycho-acoustic modeler | |
| JP2993324B2 (ja) | 音声高能率符号化装置 | |
| JP2001148632A (ja) | 符号化装置、符号化方法、及びその記録媒体 | |
| JPH08204575A (ja) | 適応的符号化システム及びビット割当方法 | |
| Absar et al. | AC-3 Encoder Implementation on the D950 DSP-Core | |
| JPH11195995A (ja) | 画像音声圧縮伸長装置 | |
| JPH08102677A (ja) | Ｍｐｅｇ規格の音声信号デコーダ | |
| JPH0758643A (ja) | 音声高能率符号化および復号化装置 | |
| JP2002229598A (ja) | ステレオ符号化信号復号化装置及び復号化方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20011030 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20071130 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20081130 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20091130 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20101130 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20101130 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111130 Year of fee payment: 10 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121130 Year of fee payment: 11 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121130 Year of fee payment: 11 |
|
| S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313111 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121130 Year of fee payment: 11 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121130 Year of fee payment: 11 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20131130 Year of fee payment: 12 |
|
| EXPY | Cancellation because of completion of term |