JP4520922B2

JP4520922B2 - データ形式判別方法、装置、プログラム、および記録媒体

Info

Publication number: JP4520922B2
Application number: JP2005266870A
Authority: JP
Inventors: 健弘守谷; 登原田; 優鎌本
Original assignee: Nippon Telegraph and Telephone Corp
Current assignee: Nippon Telegraph and Telephone Corp
Priority date: 2005-09-14
Filing date: 2005-09-14
Publication date: 2010-08-11
Anticipated expiration: 2025-09-14
Also published as: JP2007079127A

Description

デジタルデータ中に音響データが含まれているかを判定する方法、装置、プログラム、および記録媒体に関する。

歪のない圧縮符号化としては、多くの提案がある。たとえば、文章やプログラムなどのテキストデータでは、ＺＩＰという汎用的な圧縮符号化方法が良く使われる。一方、音楽信号などの歪のない圧縮符号化方法としては、たとえば特許文献１などがある。この方法の場合、ＺＩＰより、はるかに効果的に圧縮できる。
圧縮しようとするデジタルデータを格納しているファイルに、統一的な拡張子が付されている場合は、テキストデータであるか音響データを含むものであるかは、その拡張子を見て判断できる。しかし、圧縮しようとするデジタルデータに拡張子が付されていない場合や、正しい拡張子が付されていない場合もあり、テキストデータであるか音響データを含むものであるかが分からないことも多い。このような場合に、効率良い圧縮符号化方法を選択して圧縮することができないため、特に音響データを含むデータを効率よく圧縮できていない。

つまり、デジタルデータが音響データを含むものであるか否かを判別できれば、効率的に圧縮できる。しかし、従来技術では、そのような判定技術はなかった。
特開２００５−１１５２６７号公報

従来技術では、圧縮しようとするデジタルデータが格納されたファイルの拡張子を見て音響データを含むか否かを判定することは可能である。しかし、拡張子が付されていない場合は、デジタルデータが音響データを含むか否かを判定することはできない。その結果、音響データが保有する特徴を利用した符号化ができないため、符号化の効率が大幅に悪くなる。これはアナログ波形データをサンプリングして得られたデジタル波形データの場合でも同じである。本発明の目的は、入力されたデジタルデータが音響データ等の波形データを含むか否かを判別することにある。

本発明では、入力されたデジタルデータが既知の１つまたは複数のデータ形式の波形データのサンプル値列であるとして、その波形データらしさを、サンプル値列内のサンプル値間の関係を用いて求める。求めた１つまたは複数の波形データらしさの中に、あらかじめ設定された条件を満足するものがある場合には、入力されたデジタルデータが波形データを含むと判別し、前記条件を満足するものがない場合には、入力されたデジタルデータは波形データを含まないと判別する。

本発明によれば、入力されたデジタルデータに波形データが含まれているか分からない場合にも、入力されたデジタルデータの波形データらしさを判断することで、入力されたデジタルデータが波形データを含むか否かを判別することができる。さらに、波形データを含むと判別された場合には、波形データとしてのデータ形式も予測できるので、どのような波形データ形式で符号化すればよいかも判定できる。したがって、効率的な符号化が期待できる。

以下では、最も代表的なアナログ波形データである音響データに本発明を適用した実施形態を説明する。説明の重複を避けるため同じ機能を有する構成部や同じ処理を行う処理ステップには同一の番号を付与し、説明を省略する。
［第１実施形態］
本発明の音響データ形式判別装置の機能構成例を図１に示す。また、音響データ形式判別装置１００の処理フローを図２に示す。データ形式判別装置１００は、データ記録部１１０、指標判定部１２０、データ形式判別部１３０から構成される。また、指標判定部１２０は、格納形式記録部１２１、指標計算部１２４から構成される。データ形式判別部１３０は、指標比較部１３１を備えている。

入力されたデジタルデータは、まずデータ記録部１１０に記録される（Ｓ１１０）。指標判定部１２０は、以下のように、入力されたデジタルデータをあらかじめ設定された形式の音響データであると仮定して、音響データらしさの判定を行い、各データ形式での音響データらしさの指標の値を出力する（Ｓ１２４）。まず、指標判定部１２０の指標計算部１２４は、格納形式記録部１２１にあらかじめ設定された１つまたは複数の音響データ用のデータ形式の中から、データ形式を順次選択する。次に、それぞれのデータ形式であるとした場合のサンプル値列内のサンプル値間の関係を用いて、入力されたデジタルデータに対して、それぞれのデータ形式であると想定した場合の音響データらしさを評価する。そして、各データ形式での音響データらしさの指標の値を出力する（Ｓ１２４）。ここで、あらかじめ設定されたデータ形式とは、複数種類の１サンプルあたりのビット数、整数表現であるか浮動小数点表現であるか、複数種類のサンプルごとのバイト格納順、複数種類のチャネル数などである。評価に用いるデジタルデータは入力されたもの全てであっても良いし、一部であっても良い。一部を用いる場合は、例えばデジタルデータの先頭の数千サンプル〜数万サンプルを用いればよい。音響データらしさの評価であれば、数千サンプル分で構成されるフレームごとに行う。

具体的には、音響データらしさの指標として、次式を用いて評価する。

ただし、ｐはあらかじめ定めた正の整数、ｋ_ｉ（ｉ＝１〜ｐ）はＰＡＲＣＯＲ係数。
Ｆは、ｐ次の予測の場合の予測残差のエネルギーに対する入力信号のエネルギーの比を近似するものである。Ｆの値が大きい方が、音響データらしいと言え、入力されたデジタルデータを圧縮する場合は、音響データ用の符号化手段を用いることで高い圧縮効果が期待できる。なお、例えば、フレーム単位に音響データらしさの指標を計算する場合に、想定したデータ形式でのサンプル値列が複数フレーム分ある場合には、データ形式ごと、フレームごとの複数の指標の値が求まることになる。このように同じデータ形式で複数の指標の値がある場合には、それらの中の最大の値、すなわち最も音響データらしい指標の値を、当該データ形式でのサンプル値列に対する指標の値とする。

データ形式判別部１３０は、各データ形式に対応する音響データらしさの指標（Ｆ）の値を比較し、最大の指標を与えるデータ形式、すなわち最も音響データらしいと判断されたデータ形式と、その形式での音響データらしさの指標（Ｆ）の値を得る。（Ｓ１３０）。また、データ形式判別部１３０の指標比較部１３１は、当該音響データらしさの指標（Ｆ）と閾値とを比較し、音響データらしいか否かを判断する（Ｓ１３１）。後述の実験例で説明するが、例えばＦの値が１０００以上の場合を音響データらしいと判断する。ステップＳ１３１がＹｅｓの場合には、データ形式判別部１３０は、音響データを含むと判別し、その旨と音響データのデータ形式を出力する（Ｓ１４１）。またステップＳ１３１がＮｏの場合には、データ形式判別部１３０は、音響データを含まないと判別し、その旨を出力する（Ｓ１４２）。なお、あらかじめ設定するデータ形式を１つとした場合は、ステップＳ１２４では順次データ形式を選択するのではなく、当該１つのデータ形式だけでの音響データらしさを求めればよい。また、ステップＳ１３０を行う必要がない。
このようにデータ形式を判別することで、入力されたデジタルデータに音響データが含まれるのか、および音響データが含まれる場合にはそのデータ形式を推定することができる。

［変形例１］
第１実施形態では、音響データらしさを示す指標としてＦを用いたが、周波数領域に変換する符号化の場合には、次式を用いて評価することもできる。

ただし、Ｍはあらかじめ定めた正の整数、Ｙ_ｊ（ｊ＝０〜Ｍ−１）はｊ番目の周波数領域係数の２乗値。
Ｅは、パワースペクトルに相当する係数の２乗値の相加平均の比である。係数値がｊによらず一定であればＥ＝１という最低値となる。この場合、入力されたデジタル音響データをそのデータ形式とした場合のサンプル値列は乱数であり、そのデータ形式では音響データらしいとは言えない。従って、入力されたデジタルデータを圧縮する場合に、音響データに特化した圧縮方法を利用しても、圧縮は期待できない。一方、係数の２乗値の変動が大きければＥは大きな値となる。周波数領域の係数（スペクトル）の値に大きな変動があるということで、音響データらしいと言える。従って、入力されたデジタルデータを圧縮する場合に、音響データに特化した圧縮方法を利用すれば、圧縮後のデータ量を少なくできる。つまり、高い圧縮効果が期待できる。また、これはサンプル値間の相関が強いことも意味している。
したがって、この方法によっても、入力されたデジタルデータが音響データであるか否かを推定することができる。

［変形例２］
音響データらしさを示す指標として、エネルギー／Ｆまたはエネルギー／Ｅを用いることもできる。エネルギー／Ｆまたはエネルギー／Ｅは、予測誤差のエネルギーの近似に相当し、これらの値が小さいほど音響データらしいと判断できる。したがって、この指標を用いる場合には、データ形式判別部１３０は、各データ形式に対応する指標（エネルギー／Ｆまたはエネルギー／Ｅ）の値を比較し、値が最も小さいデータ形式とその指標の値を得る（Ｓ１３０）。データ形式判別部１３０の指標比較部１３１は、当該音響データらしさの指標（エネルギー／Ｆまたはエネルギー／Ｅ）と閾値とを比較し、閾値より小さい場合に音響データらしいと判断し、そうでない場合は音響データらしくないと判断する（Ｓ１３１）。

［変形例３］
第１実施形態および変形例１、２では、ステップＳ１３１で単純に閾値との比較による判断をしていた。しかし、入力信号のデータ形式が１バイトか２バイト以上かによって、もしくはサンプル値列を波形の振幅とした場合のエネルギーの大きさによって、音響データが含まれるか否かの判断が変わる場合もある。そこで、本変形例では、データ形式判別部１３０の処理を変更した例を示す。

図３に本変形例でのデータ形式判別装置１００の処理フローを示す。この処理フローでは、図６のステップＳ１３１の代わりに、ステップＳ１３２〜Ｓ１３６が実行される。以下にステップＳ１３２〜Ｓ１３６について説明する。データ形式判別部１０３は、入力信号のデータ形式が１バイト単位であると判別されたかを確認する（Ｓ１３２）。ステップＳ１３２がＮｏの場合には、データ形式判別部１０３は、サンプル値列を波形の振幅とした場合のエネルギーを計算し（Ｓ１３３）、エネルギーが閾値よりも小さいかを確認する（Ｓ１３４）。閾値としては、例えば最大振幅でのエネルギーの１／１００とする方法などがある。ステップＳ１３４がＹｅｓの場合には、ステップＳ２４１に進む。また、ステップＳ１３４がＮｏの場合には、指標比較部１３１が、音響データらしさを示す指標が閾値より音響データらしいかを比較する（Ｓ１３５）。このステップでの、音響データらしさを示す指標であるＦやＥに対する閾値は、１００程度とすれば良い。ステップＳ１３５がＹｅｓの場合にはステップＳ２４１へ進み、Ｎｏの場合にはステップＳ２４２へ進む。ステップＳ１３２がＹｅｓの場合には、指標比較部１３１が、音響データらしさを示す指標が閾値より音響データらしいかを比較する（Ｓ１３６）。このステップは第１実施形態（図２）のステップＳ１３１と同じである。
このように、バイト数やエネルギーの違いによって、音響データが含まれているか否かを細かく判断するため、より精度の高い判別が期待できる。

［第２実施形態］
図４に本実施形態の符号化装置の機能構成例を示す。また、図５に符号化装置２００の処理フローを示す。符号化装置２００は、データ記録部１１０、指標判定部１２０、データ形式判別部１３０、符号化部２４０から構成される。また、符号化部２４０は、音響信号用の符号化手段である音響信号符号化部２４１とＺＩＰなどの汎用的な符号化手段である非音響信号符号化部を備えている。図４と図１との比較からも分かるように、図４の符号化装置２００は、図１の音響データ形式判別装置１００に符号化部２４０を付加した構成となっている。

図５の処理フローも、図２の処理フローにステップＳ２４１とＳ２４２が付加された処理フローである。ステップＳ２４１では、音響信号符号化部２４１が、データ形式判別部１３０が判別した音響データのデータ形式にしたがって、データ記録部１１０に記録されたデジタルデータを符号化する。したがって、音響信号符号化部２４１には、複数の音響データのデータ形式に対応できる符号化手段が備えられている必要がある。つまり指標計算部１２４で音響データらしさの指標を計算するとき（ステップＳ１２４）に用いるデータ形式は、音響信号符号化部２４１で対応できる符号化方法の範囲内に限られる。ステップＳ２４２では、非音響信号符号化部２４２が、ＺＩＰなどの汎用的な符号化手段によりデータ記録部１１０に記録されたデジタルデータを符号化する。
このように、本実施形態では、入力されたデジタルデータを、音響データが含まれる場合には最も音響データらしいと判定されたデータ形式であるとして符号化し、音響データが含まれない場合には汎用的な符号化手段で符号化できるので、高い圧縮効率が期待できる。

［変形例］
第２実施形態では、ステップＳ１３１で単純に閾値との比較による判断をしていた。しかし、入力信号のデータ形式が１バイトか２バイト以上かによって、もしくはサンプル値列を波形の振幅とした場合のエネルギーの大きさによって、音響用の符号化手段を用いた方が良いか、非音響用の符号化手段を用いた方が良いかが変わる場合もある。そこで、本変形例では、データ形式判別部１３０の処理を変更した例を示す。

図６に本変形例での符号化装置２００の処理フローを示す。図６の処理フローも、図３の処理フローにステップＳ２４１とＳ２４２が付加された処理フローである。したがって、図６と図３の違いは、図５（第２実施形態）と図２（第１実施形態）の違いと同じである。
このように、バイト数やエネルギーの違いによって、音響データが含まれているか否かを細かく判断するため、より精度の高い判別が期待できる。したがって、より効率の良い符号化が期待できる。

第１、第２実施形態では、入力データが音響信号をサンプリングして得られたデジタル音響データかもしれない場合について説明した。しかし、入力データがアナログ波形データをサンプリングして得たものかもしれない場合であれば、その他の時系列データ等であっても本発明を利用することができる。この場合、各実施形態の「音響データらしさの判定」を、「波形データらしさの判定」に変更するだけで、一般的な波形データに対して本発明が適用できる。
なお、上記の実施形態はコンピュータに、上記方法の各ステップを実行させるプログラムを読み込ませ、実施することもできる。また、コンピュータに読み込ませる方法としては、プログラムをコンピュータ読み取り可能な記録媒体に記録しておき、記録媒体からコンピュータに読み込ませる方法、サーバ等に記録されたプログラムを電気通信回線等を通じてコンピュータに読み込ませる方法などがある。

［実験例］
本発明の効果を評価するため、第１実施形態でのシミュレーション結果を以下に示す。シミュレーションの条件は次のとおりである。１つ目の入力信号は、２バイト／サンプル、２０４８サンプル／フレームのデータ量（１７５フレーム）、２チャネルの音響データである。あらかじめ設定したデータ形式は、チャネル数（１、２、３）である。２つ目の入力信号は、１バイト単位のテキストデータである。計算した指標は、エネルギー、Ｆ（ｐ＝１、２、３、２０）である。また、Ｆを計算する際に仮定した音響データのデータ形式は、１つ目の入力のデータ形式と同じ（２バイト、２チャネル）としている。シミュレーションでは、入力信号の先頭の９フレームに対してエネルギーとＦを計算した。たとえば、１つ目の入力信号では、チャネル数が２なので、第１チャネルの５フレーム分と第２チャネルの４フレーム分である。

１つ目の入力に対するシミュレーション結果を図７、２つ目の入力に対するシミュレーション結果を図８に示す。１つ目の入力の場合、最初の２つのフレームは音響データらしさの指標の値が小さいが、その他の値は大きい。特に、ｐ＝２０の６フレーム目では、２７６０８という大きな値となっている。それに対し、２つ目の入力の場合は、Ｆの値はどれも１０以下であり、小さな値となっている。
また、１つ目の入力を音響データとして符号化した場合には３０．９０％に、ＺＩＰにより符号化した場合は８８．１４％に圧縮できた。２つ目の入力を音響データとして符号化した場合は９６．４０％、ＺＩＰにより符号化した場合は２０．３６％に圧縮できた。

したがって、音響データらしさの指標（Ｆ）を用いてデジタルデータを評価することにより、音響データが含まれているか否かの判断ができ、効率の良い符号化が期待できることが分かる。
なお、Ｆの値は、ｐを増加させると単調に増加する。また、Ｙ_ｊを平滑化したパワースペクトルまたは微小な正の値を加えたパワースペクトルとしてＥの値を計算すると、その値はｐを大きくしたときのＦの値と近似することが知られている。したがって、ｐが小さい値の場合でもチャネル数を３とするべきであることは分かるが、ｐを２０程度の値にしたＦやＥもしくはエネルギー／Ｆやエネルギー／Ｅを指標とすることが望ましい。また、少なくともｐを３以上とすべきである。

第１実施形態の音響データ形式判別部の機能構成例を示す図。第１実施形態の音響データ形式判別部の処理フローを示す図。第１実施形態の変形例３の音響データ形式判別部の処理フローを示す図。第２実施形態の符号化装置の機能構成例を示す図。第２実施形態の符号化装置の処理フローを示す図。第２実施形態の変形例の符号化装置の処理フローを示す図。音響データを入力とする場合のシミュレーション結果を示す図。テキストデータを入力とする場合のシミュレーション結果を示す図。

Claims

入力されたデジタルデータが音響データを含むか否かを判別するデータ形式判別方法であって、
入力されたデジタルデータ中のサンプル値列について、

ただし、ｐはあらかじめ定めた正の整数、ｋ _ｉ（ｉ＝１〜ｐ）はＰＡＲＣＯＲ係数、を求める指標計算ステップと、
前記指標計算ステップで求めた前記Fの値があらかじめ設定された閾値以上である場合には入力されたデジタルデータが音響データを含むと判断し、前記Fの値が当該閾値より小さい場合には入力されたデジタルデータが音響データを含まないと判断するデータ形式判別ステップと
を有することを特徴とするデータ形式判別方法。
入力されたデジタルデータが音響データを含むか否かを判別するデータ形式判別方法であって、
入力されたデジタルデータ中のサンプル値列について、

ただし、Ｍはあらかじめ定めた正の整数、Ｙ _ｊ（ｊ＝０〜Ｍ−１）はｊ番目の周波数領域係数の２乗、を求める指標計算ステップと、
前記指標計算ステップで求めた前記Eの値があらかじめ設定された閾値以上である場合には入力されたデジタルデータが音響データを含むと判断し、前記Eの値が当該閾値より小さい場合には入力されたデジタルデータが音響データを含まないと判断するデータ形式判別ステップと
を有することを特徴とするデータ形式判別方法。
入力されたデジタルデータが音響データを含むか否かを判別するデータ形式判別方法であって、
入力されたデジタルデータ中のサンプル値列について、エネルギー／F、ただし、

、ｐはあらかじめ定めた正の整数、ｋ _ｉ（ｉ＝１〜ｐ）はＰＡＲＣＯＲ係数、を求める指標計算ステップと、
前記指標計算ステップで求めた前記エネルギー／Fの値があらかじめ設定された閾値より小さい場合には入力されたデジタルデータが音響データを含むと判断し、前記エネルギー／Fの値が当該閾値以上である場合には入力されたデジタルデータが音響データを含まないと判断するデータ形式判別ステップと
を有することを特徴とするデータ形式判別方法。
入力されたデジタルデータが音響データを含むか否かを判別するデータ形式判別方法であって、
入力されたデジタルデータ中のサンプル値列について、エネルギー／E、ただし、

、Ｍはあらかじめ定めた正の整数、Ｙ _ｊ（ｊ＝０〜Ｍ−１）はｊ番目の周波数領域係数の２乗、を求める指標計算ステップと、
前記指標計算ステップで求めた前記エネルギー／Eの値があらかじめ設定された閾値より小さい場合には入力されたデジタルデータが音響データを含むと判断し、前記エネルギー／Eの値が当該閾値以上である場合には入力されたデジタルデータが音響データを含まないと判断するデータ形式判別ステップと
を有することを特徴とするデータ形式判別方法。
入力されたデジタルデータが音響データを含むか否かを判別するデータ形式判別装置であって、
入力されたデジタルデータを記録するデータ記録部と、
入力されたデジタルデータ中のサンプル値列について、

ただし、ｐはあらかじめ定めた正の整数、ｋ _ｉ（ｉ＝１〜ｐ）はＰＡＲＣＯＲ係数、を求める指標計算部と、
前記指標計算部で求めた前記Fの値があらかじめ設定された閾値以上である場合には入力されたデジタルデータが音響データを含むと判断し、前記Fの値が当該閾値より小さい場合には入力されたデジタルデータが音響データを含まないと判断するデータ形式判別部と
を備えるデータ形式判別装置。
入力されたデジタルデータが音響データを含むか否かを判別するデータ形式判別装置であって、
入力されたデジタルデータを記録するデータ記録部と、
入力されたデジタルデータ中のサンプル値列について、

ただし、Ｍはあらかじめ定めた正の整数、Ｙ _ｊ（ｊ＝０〜Ｍ−１）はｊ番目の周波数領域係数の２乗、を求める指標計算部と、
前記指標計算部で求めた前記Eの値があらかじめ設定された閾値以上である場合には入力されたデジタルデータが音響データを含むと判断し、前記Eの値が当該閾値より小さい場合には入力されたデジタルデータが音響データを含まないと判断するデータ形式判別部と
を備えるデータ形式判別装置。
入力されたデジタルデータが音響データを含むか否かを判別するデータ形式判別装置であって、
入力されたデジタルデータを記録するデータ記録部と、
入力されたデジタルデータ中のサンプル値列について、エネルギー／F、ただし、

、ｐはあらかじめ定めた正の整数、ｋ _ｉ（ｉ＝１〜ｐ）はＰＡＲＣＯＲ係数、を求める指標計算部と、
前記指標計算部で求めた前記エネルギー／Fの値があらかじめ設定された閾値より小さい場合には入力されたデジタルデータが音響データを含むと判断し、前記エネルギー／Fの値が当該閾値以上である場合には入力されたデジタルデータが音響データを含まないと判断するデータ形式判別部と
を備えるデータ形式判別装置。
入力されたデジタルデータが音響データを含むか否かを判別するデータ形式判別装置であって、
入力されたデジタルデータを記録するデータ記録部と、
入力されたデジタルデータ中のサンプル値列について、エネルギー／Ｅ、ただし、

、Ｍはあらかじめ定めた正の整数、Ｙ _ｊ（ｊ＝０〜Ｍ−１）はｊ番目の周波数領域係数の２乗、を求める指標計算部と、
前記指標計算部で求めた前記エネルギー／Eの値があらかじめ設定された閾値より小さい場合には入力されたデジタルデータが音響データを含むと判断し、前記エネルギー／Eの値が当該閾値以上である場合には入力されたデジタルデータが音響データを含まないと判断するデータ形式判別部と
を備えるデータ形式判別装置。
請求項１から請求項４のいずれかに記載の方法をコンピュータにより実行させるプログラム。
請求項９に記載のプログラムを記録したコンピュータ読み取り可能な記録媒体。