JP5706445B2 - 符号化装置、復号装置およびそれらの方法 - Google Patents

符号化装置、復号装置およびそれらの方法 Download PDF

Info

Publication number
JP5706445B2
JP5706445B2 JP2012548620A JP2012548620A JP5706445B2 JP 5706445 B2 JP5706445 B2 JP 5706445B2 JP 2012548620 A JP2012548620 A JP 2012548620A JP 2012548620 A JP2012548620 A JP 2012548620A JP 5706445 B2 JP5706445 B2 JP 5706445B2
Authority
JP
Japan
Prior art keywords
frequency
low
encoding
rate
coding rate
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 - Fee Related
Application number
JP2012548620A
Other languages
English (en)
Other versions
JPWO2012081166A1 (ja
Inventor
押切　正浩
正浩 押切
貴子 堀
貴子 堀
江原　宏幸
宏幸 江原
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Panasonic Intellectual Property Corp of America
Original Assignee
Panasonic Intellectual Property Corp of America
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Panasonic Intellectual Property Corp of America filed Critical Panasonic Intellectual Property Corp of America
Priority to JP2012548620A priority Critical patent/JP5706445B2/ja
Publication of JPWO2012081166A1 publication Critical patent/JPWO2012081166A1/ja
Application granted granted Critical
Publication of JP5706445B2 publication Critical patent/JP5706445B2/ja
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G10L19/04—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using predictive techniques
    • G10L19/16—Vocoder architecture
    • G10L19/18—Vocoders using multiple modes
    • G10L19/22—Mode decision, i.e. based on audio signal content versus external parameters
    • 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
    • G10L19/008—Multichannel audio signal coding or decoding using interchannel correlation to reduce redundancy, e.g. joint-stereo, intensity-coding or matrixing
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
    • G10L19/04—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using predictive techniques
    • G10L19/16—Vocoder architecture
    • G10L19/18—Vocoders using multiple modes
    • G10L19/24—Variable rate codecs, e.g. for generating different qualities using a scalable representation such as hierarchical encoding or layered encoding
    • 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
    • G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
    • G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
    • G10L21/038—Speech enhancement, e.g. noise reduction or echo cancellation using band spreading techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (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)
  • Mathematical Physics (AREA)
  • Compression, Expansion, Code Conversion, And Decoders (AREA)

Description

本発明は、音声信号及び／又は音楽信号の符号化、復号を行う符号化装置、復号装置およびそれらの方法に関する。
音声信号を低ビットレートで圧縮する音声符号化技術は、移動体通信における電波等の有効利用のために重要である。近年では、通話音声の品質向上に対する期待が高まってきており、信号帯域が広く臨場感の高い通話サービスの実現が望まれている。
音声信号を符号化する音声符号化として、ＩＴＵ−Ｔ（International Telecommunication Union Telecommunication Standardization Sector）で規格化されているＧ７２６、Ｇ７２９などの方式が存在する。これらの方式は、狭帯域（３００Ｈｚ〜３．４ｋＨｚ）信号（以後、ＮＢ（Narrow Band）信号）を対象とし、ビットレートが８ｋｂｉｔ／ｓ〜３２ｋｂｉｔ／ｓの符号化が行える。対象としている狭帯域信号は、周波数帯域が最大３．４ｋＨｚであるため、了解性は問題ないものの、その音質はこもっており臨場感に欠ける。
また、ＩＴＵ−Ｔ及び３ＧＰＰ（The 3rd Generation Partnership Project）には、信号帯域が５０Ｈｚ〜７ｋＨｚの広帯域信号（以後、ＷＢ（Wide Band）信号）を符号化する標準方式（例えば、Ｇ．７２２、ＡＭＲ−ＷＢ）が存在する。これらの方式は、ビットレートが６．６ｋｂｉｔ／ｓ〜６４ｋｂｉｔ／ｓであり、広帯域信号の符号化が行える。広帯域信号は狭帯域信号に比べ高音質であるものの、高臨場感が要求される通話サービスに対しては十分な音質とは言い難い。
一方で、従来は回線交換方式によって音声通信を実現していたが、回線交換方式は回線を占有するために非効率である。そのため、符号化データをパケット化してＩＰ（Internet Protocol）ネットワークにて伝送することにより通信路の有効利用を図る方式が台頭してきている。特に音声通話にこの技術を適用する方式は、ＶｏＩＰ（Voice over IP）と呼ばれる。移動体通信においては、例えば３ＧＰＰ ＬＴＥ（Long Term Evolution）通信システムにおいてＶｏＩＰが用いられる。
例えばＡＭＲ−ＷＢをＶｏＩＰに適用する場合、ＡＭＲ−ＷＢの符号化データがＲＴＰ（Real-time Transport Protocol）パケットのペイロードとしてＩＰネットワークに伝送されることになる。この際、ペイロードの大きさがビットレート情報として、ＲＴＰペイロードの一部であるヘッダ部のＦＴ（Frame type）フィールドに記述されている。ＲＴＰペイロードのヘッダ部は非特許文献１および非特許文献２にて規定されている。
臨場感の高い音声通信を実現するため、超広帯域（５０Ｈｚ〜１４ｋＨｚ）信号（以後、ＳＷＢ（Super Wide Band）信号）を符号化する方式がいくつか提案されている。例えば、ＩＴＵ−Ｔで標準化されたＧ．７１８ Ａｎｎｅｘ Ｂ（非特許文献３、以後、Ｇ．７１８Ｂ）方式は、２８ｋｂｉｔ／ｓ〜４８ｋｂｉｔ／ｓのビットレートでＳＷＢ信号を符号化することができる。Ｇ．７１８Ｂは複数のレイヤより成る階層構造を有し、低域部（５０Ｈｚ〜７ｋＨｚ）の信号を２４ｋｂｉｔ／ｓまたは３２ｋｂｉｔ／ｓの２種類のビットレートで、また、高域部（７ｋＨｚ〜１４ｋＨｚ）の信号を４ｋｂｉｔ／ｓ，８ｋｂｉｔ／ｓ，１６ｋｂｉｔ／ｓの３種類のビットレートで、符号化することができる。
図１は、Ｇ．７１８Ｂの場合に採り得るビットレートモードと、低域部のビットレート（以下、低域符号化レートという）および高域部のビットレート（以下、高域符号化レートという）の組み合わせとの対応関係を示す図である。図１に示すように、Ｇ．７１８Ｂは、５種類のビットレートモードのうちのいずれかのビットレートモードでＳＷＢ信号を符号化することができる。
Ｇ．７１８Ｂのように、低域符号化レートと高域符号化レートとがそれぞれ複数存在する符号化方式である場合、低域符号化レートと高域符号化レートとの組み合わせの数だけ、全体のビットレートが存在する。そのため、低域符号化レートと高域符号化レートとの全ての組み合わせを表せるように、ＲＴＰペイロードヘッダのＦＴフィールドの領域を確保しようとすると、ヘッダサイズが大きくなってしまい効率的な通信ができないという課題がある。
また、ヘッダサイズの増大を抑えるために、全体のビットレート（以下、トータル符号化レートという）が同一となる低域符号化レートと高域符号化レートとの組み合わせを一つに限定する方法が考えられる。しかし、入力信号の特性によって最適な組み合わせが変わり得るにも関わらず、一つの組み合わせに限定されてしまうことにより、効率的な符号化が行えないという課題がある。
Ｇ．７１８Ｂを例にすると、全体のビットレート（トータル符号化レート）が４０ｋｂｉｔ／ｓと設定されたとき、低域符号化レートと高域符号化レートとの組み合わせとしては、｛２４ｋｂｉｔ／ｓ，１６ｋｂｉｔ／ｓ｝または｛３２ｋｂｉｔ／ｓ，８ｋｂｉｔ／ｓ｝の２種類が存在する。どちらの組み合わせが良いかは、本来入力信号の特性によってパケット（フレーム）単位に決められるはずである。しかし、ＦＴフィールドサイズの増大を避けるため、予め｛２４ｋｂｉｔ／ｓ，１６ｋｂｉｔ／ｓ｝または｛３２ｋｂｉｔ／ｓ，８ｋｂｉｔ／ｓ｝のどちらか一方に設定し、全体のビットレートの情報のみを通知するようにすると、本来備わっているコーデックの性能を十分に引き出せないという課題が生じる。
本発明の目的は、各レイヤが複数のビットレート（マルチレート）を有する階層符号化（スケーラブル符号化、エンベディッド符号化）において、入力信号の特徴に応じて、各レイヤのビットレートの組み合わせを決定することにより、高音質な符号化／復号を実現することができる符号化装置、復号装置およびそれらの方法を提供することである。
本発明の符号化装置は、入力信号の特徴を低域部および高域部ごと分析し、分析結果を示す特徴データを生成する分析手段と、低域符号化レートおよび高域符号化レートの合計であって予め設定されたトータル符号化レートと前記特徴データとに基づいて、前記低域符号化レートおよび前記高域符号化レートの組み合わせを決定する決定手段と、前記決定された低域符号化レートを用いて前記入力信号の低域部の符号化を行い、低域符号化データを生成する低域符号化手段と、前記決定された高域符号化レートを用いて前記入力信号の高域部の符号化を行い、高域符号化データを生成する高域符号化手段と、前記低域符号化データと、前記高域符号化データと、前記特徴データとを多重化する多重化手段と、を具備する。
本発明の復号装置は、低域符号化レートを用いて入力信号の低域部の符号化を行い生成された低域符号化データと、高域符号化レートを用いて前記入力信号の高域部の符号化を行い生成された高域符号化データと、前記低域部および前記高域部ごとに前記入力信号の特徴を分析した結果を示す特徴データとが多重化された多重化データを、前記低域符号化データと、前記高域符号化データと、前記特徴データとに分離する分離手段と、前記低域符号化レートおよび前記高域符号化レートの合計であって予め設定されたトータル符号化レートと前記特徴データとに基づいて、前記低域符号化レートと前記高域符号化レートとの組み合わせを決定する決定手段と、前記決定された低域符号化レートを用いて、前記低域符号化データを復号する低域復号手段と、前記決定された高域符号化レートを用いて、前記高域符号化データを復号する高域復号手段と、を具備する。
本発明の符号化方法は、入力信号の特徴を低域部および高域部ごと分析し、分析結果を示す特徴データを生成するステップと、低域符号化レートおよび高域符号化レートの合計であって予め設定されたトータル符号化レートと前記特徴データとに基づいて、前記低域符号化レートおよび前記高域符号化レートの組み合わせを決定するステップと、前記決定された低域符号化レートを用いて前記入力信号の低域部の符号化を行い、低域符号化データを生成するステップと、前記決定された高域符号化レートを用いて前記入力信号の高域部の符号化を行い、高域符号化データを生成するステップと、前記低域符号化データと、前記高域符号化データと、前記特徴データとを多重化するステップと、を具備する。
本発明の復号方法は、低域符号化レートを用いて入力信号の低域部の符号化を行い生成された低域符号化データと、高域符号化レートを用いて前記入力信号の高域部の符号化を行い生成された高域符号化データと、前記低域部および前記高域部ごとに前記入力信号の特徴を分析した結果を示す特徴データとが多重化された多重化データを、前記低域符号化データと、前記高域符号化データと、前記特徴データとに分離するステップと、前記低域符号化レートおよび前記高域符号化レートの合計であって予め設定されたトータル符号化レートと前記特徴データとに基づいて、前記低域符号化レートと前記高域符号化レートとの組み合わせを決定するステップと、前記決定された低域符号化レートを用いて、前記低域符号化データを復号するステップと、前記決定された高域符号化レートを用いて、前記高域符号化データを復号するステップと、を具備する。
本発明によれば、各レイヤが複数のビットレート（マルチレート）を有する階層符号化（スケーラブル符号化、エンベディッド符号化）において、入力信号の特徴に応じて、各レイヤのビットレートの組み合わせを決定することにより、高音質な符号化／復号を実現することができる。
ビットレートモードと、低域符号化レートおよび高域符号化レートの組み合わせとの対応関係を示す図 本発明の実施の形態１に係る符号化装置の構成を示すブロック図 ＲＴＰパケットの構成を示す図 ビットレートモードと、ビットレート情報と、ペイロードサイズとの対応関係を示す図 本発明の実施の形態１に係る復号装置の構成を示すブロック図 本発明の実施の形態２に係る符号化装置の構成を示すブロック図 本発明の実施の形態２に係る復号装置の構成を示すブロック図 各フレームモード別にＳＮＲを調査した結果を示す図 各フレームモード別にＳＮＲを調査した結果を示す図 本発明の実施の形態３に係る符号化装置の構成を示すブロック図 本発明の実施の形態３に係る低域信号符号化部の内部構成を示すブロック図 本発明の実施の形態３に係る復号装置の構成を示すブロック図 本発明の実施の形態３に係る低域信号復号部の内部構成を示すブロック図 低域符号化レートと高域符号化レートの組み合わせの具体的な例を示す図
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。
なお、本実施の形態では、Ｇ．７１８Ｂを例に説明する。Ｇ．７１８Ｂは、ＳＷＢ（５０Ｈｚ〜１４ｋＨｚ）信号を符号化するＩＴＵ−Ｔ規格の音声符号化方式である。
Ｇ．７１８Ｂは、ＳＷＢ信号の低域部（５０Ｈｚ〜７ｋＨｚ）を２４ｋｂｉｔ／ｓまたは３２ｋｂｉｔ／ｓの２種類のビットレートで符号化を行う。また、Ｇ．７１８Ｂは、ＳＷＢ信号の高域部（７ｋＨｚ〜１４ｋＨｚ）を４ｋｂｉｔ／ｓ，８ｋｂｉｔ／ｓ，１６ｋｂｉｔ／ｓの３種類のビットレートで符号化する。
図１に示したように、Ｇ．７１８Ｂは、５種類のビットレートモードのうちのいずれかのビットレートモードでＳＷＢ信号を符号化することができる。
このとき、２８ｋｂｉｔ／ｓモードは、ミニマム品質を保証する最低ビットレートモードであり、４８ｋｂｉｔ／ｓモードは、最高品質が得られる最高ビットレートモードである。その他のモードは、中間ビットレートモードとなる。どのモードが使用されるかは、ネットワークの状況を指標の一つにして予め決められる。ネットワークの状況としては、ネットワークの混雑の程度が挙げられ、例えば、ネットワークが空いている場合には最高ビットレートモードが選択され、ネットワークで輻輳が発生している場合には最低ビットレートモードが選択され、これらの中間の状態のときには中間ビットレートが選択される。このように、ネットワークの混雑の程度によって符号化部のビットレートモードを選択する。
始めに、図２を用いて本実施の形態に係る符号化装置について説明する。
図２は、本実施の形態に係る符号化装置の構成を示すブロック図である。図２の符号化装置１００は、所定の時間間隔（フレーム長）単位で符号化処理を行い、ＲＴＰパケットを生成し、当該ＲＴＰパケットを、後述する復号装置に伝送する。本実施の形態では、フレーム長が２０ｍｓの場合を例に説明する。
図２の符号化装置１００は、特徴分析部１０１、ビットレート決定部１０２、ダウンサンプリング部１０３、低域信号符号化部１０４、高域信号符号化部１０５、多重化部１０６およびＲＴＰパケット構成部１０７を有する。
符号化装置１００には、入力信号としてＳＷＢ信号（例えば、サンプリングレートが３２ｋＨｚ）が入力され、入力信号は、特徴分析部１０１、ダウンサンプリング部１０３および高域信号符号化部１０５に与えられる。
特徴分析部１０１は、入力信号の特徴を分析して特徴データを生成し、特徴データをビットレート決定部１０２および多重化部１０６に与える。特徴分析部１０１の詳細については、後述する。
ビットレート決定部１０２は、特徴データに基づいて、低域信号符号化部１０４の符号化ビットレート（低域符号化レート）および高域信号符号化部１０５の符号化ビットレート（高域符号化レート）を決定する。そして、ビットレート決定部１０２は、低域符号化レートの情報を低域信号符号化部１０４に通知し、高域符号化レートの情報を高域信号符号化部１０５に通知する。ビットレート決定部１０２の詳細については、後述する。
ダウンサンプリング部１０３は、入力信号のダウンサンプリングを行い、ＷＢ信号（例えば、サンプリングレートが１６ｋＨｚ）を生成する。ＷＢ信号は、低域信号符号化部１０４に与えられる。
低域信号符号化部１０４は、ビットレート決定部１０２より決定された低域符号化レートに基づいて、入力信号の低域部（低域スペクトル部）を符号化し、低域符号化データを生成する。低域符号化データは、多重化部１０６に与えられる。本実施の形態では、Ｇ．７１８Ｂを用いる場合を想定しているため、低域信号符号化部１０４は、Ｇ．７１８符号化方式によってＷＢ信号の符号化を行う。
高域信号符号化部１０５は、ビットレート決定部１０２より決定された高域符号化レートに基づいて、入力信号の高域部（高域スペクトル部）を符号化し、高域符号化データを生成する。高域符号化データは、多重化部１０６に与えられる。
多重化部１０６は、特徴データ、低域符号化データ、高域符号化データを多重化し、多重化データを生成する。多重化データは、ＲＴＰパケット構成部１０７に与えられる。
ＲＴＰパケット構成部１０７は、多重化データ（ＲＴＰペイロード）の先頭にＲＴＰヘッダを付加してＲＴＰパケットを生成し、ＲＴＰパケットを図示しない復号部に伝送する。
ここで、図３を用いて、本発明の各実施の形態で用いるＲＴＰ関連用語を説明する。ＲＴＰパケットは、図３に示すように、ＲＴＰヘッダとＲＴＰペイロードとから成る。ＲＴＰヘッダはＩＥＴＦ（Internet Engineering Task Force）のＲＦＣ（Request for Comments）3550（非特許文献４）に記載の通りであり、ＲＴＰペイロードの種類（コーデックの種類等）によらず共通である。ＲＴＰペイロードのフォーマットはＲＴＰペイロードの種類により異なる。図３に示すように、ＲＴＰペイロードは、ヘッダ部とデータ部とから成るが、ＲＴＰペイロードの種類によってはヘッダ部が存在しない場合もある。ここでは、ヘッダ部が存在する場合を例に説明する。ＲＴＰペイロードのヘッダ部には、音声及び／又は動画等のエンコードされたデータのビット数を特定するための情報等が含まれる。ＲＴＰペイロードデータ部には音声及び／又は動画等のエンコードされたデータが含まれる。
Ｇ．７１８Ｂを用いた場合、ビットレートモードとして、２８ｋｂｉｔ／ｓモード，３２ｋｂｉｔ／ｓモード，３６ｋｂｉｔ／ｓモード，４０ｋｂｉｔ／ｓモード，４８ｋｂｉｔ／ｓモードの５種類が存在する（図１参照）。そして、このＦＴフィールドには、各モードを特定できる情報が記録される。
本実施の形態では、２８ｋｂｉｔ／ｓモード，３２ｋｂｉｔ／ｓモード，３６ｋｂｉｔ／ｓモード，４０ｋｂｉｔ／ｓモード，４８ｋｂｉｔ／ｓモードを、それぞれ０，１，２，３，４のビットレート情報（３ビット）で表し、選択されたビットレートモードに応じたビットレート情報がＦＴフィールドに記録される。
なお、図４に、ビットレートモードと、ビットレート情報と、ペイロードのデータ部のサイズとの対応関係を示す。例えば、ＦＴフィールドに記録されるビットレート情報が０を示す場合、２８ｋｂｉｔ／ｓモードであり、フレーム長が２０ｍｓの場合、ペイロードのデータ部のサイズは５６０ｂｉｔとなる。同様に、ビットレート情報が１，２，３，４を示す場合、ペイロードのデータ部のサイズは、それぞれ６４０ｂｉｔ，７２０ｂｉｔ，８００ｂｉｔ，９６０ｂｉｔとなる。
以下、特徴分析部１０１およびビットレート決定部１０２の詳細について説明する。なお、以下では、Ｇ．７１８Ｂがサポートするビットレートモードのうち、ネットワークの状況などの指標により、４０ｋｂｉｔ／ｓモードが選択された場合を例に説明する。
Ｇ．７１８Ｂのビットレートモードとして４０ｋｂｉｔ／ｓモードが選択された場合、低域符号化レートおよび高域符号化レートの組み合わせとしては、｛２４ｋｂｉｔ／ｓ，１６ｋｂｉｔ／ｓ｝、もしくは｛３２ｋｂｉｔ／ｓ，８ｋｂｉｔ／ｓ｝の２通りが存在する。
低域符号化レートおよび高域符号化レートの組み合わせが複数存在する場合、ビットレート決定部１０２は、入力信号の特徴を分析し、その分析結果に応じて、複数の組み合わせの候補から、１組の組み合わせを選択する。
入力信号の特徴としては、入力信号の低域部および高域部に共通に含まれる情報量に関連付けられるパラメータが適当である。すなわち、ビットレート決定部１０２は、低域部および高域部に共通に含まれる情報量（入力信号の特徴量）が、低域部に比較的多く含まれるようであれば、低域部のビットレート（低域符号化レート）をより高く設定する。また、ビットレート決定部１０２は、当該入力信号の特徴量が、高域部に比較的多く含まれるようであれば、高域部のビットレート（高域符号化レート）をより高く設定する。
｛２４ｋｂｉｔ／ｓ，１６ｋｂｉｔ／ｓ｝と｛３２ｋｂｉｔ／ｓ，８ｋｂｉｔ／ｓ｝とでは、｛２４ｋｂｉｔ／ｓ，１６ｋｂｉｔ／ｓ｝より｛３２ｋｂｉｔ／ｓ，８ｋｂｉｔ／ｓ｝の方が、低域符号化レートが高い。反対に、｛３２ｋｂｉｔ／ｓ，８ｋｂｉｔ／ｓ｝より｛２４ｋｂｉｔ／ｓ，１６ｋｂｉｔ／ｓ｝の方が、高域符号化レートが高い。
したがって、ビットレート決定部１０２は、入力信号の特徴量が低域部に比較的多く含まれるようであれば、｛３２ｋｂｉｔ／ｓ，８ｋｂｉｔ／ｓ｝を選択する。また、ビットレート決定部１０２は、入力信号の特徴量が高域部に比較的多く含まれるようであれば、｛２４ｋｂｉｔ／ｓ，１６ｋｂｉｔ／ｓ｝を選択する。
このようにして、ビットレート決定部１０２は、入力信号の特徴に応じて、入力信号に適したビットレートの組み合わせを選択する。なお、ビットレート決定部１０２は、このようなビットレートの切り替えをフレーム単位で行う。これにより、フレーム毎に入力信号の特徴に適したビットレートの選択が行われるようになり、高音質な符号化が実現できる。
本実施の形態では、符号化装置１００は、低域部と高域部とに共通に含まれる情報量に関連付けられるパラメータとして、信号エネルギーを用いる。
すなわち、特徴分析部１０１は、入力信号Ｓ（ｋ）の低域部（低域信号）と高域部（高域信号）のエネルギーを求める。
次に、特徴分析部１０１は、これら低域信号のエネルギーと高域信号のエネルギーとの対数領域での差分と、所定の閾値とを比較する（式（１）参照）。
Figure 0005706445
 ここで、ＦＬ，ＦＨは、それぞれ入力信号Ｓ（ｋ）の低域部の最高周波数、高域部の最高周波数を表す。また、ＴＨは、所定の閾値を表す。また、式（１）の第１項は、低域信号ＳＬ（ｋ）のエネルギーを表し、式（１）の第２項は高域信号ＳＨ（ｋ）のエネルギーを表す。式（１）では、低域信号ＳＬ（ｋ）および高域信号ＳＨ（ｋ）のエネルギーをそれぞれデシベル値で表しているが、これに限定されず、両信号のエネルギーを線形領域で比較しても良い。
なお、音声信号及び音楽信号は元来、高域信号に比べて低域信号のエネルギーの方が高い傾向にある。そのため、式（１）の閾値ＴＨには、２０〜３０（ｄＢ）を用いるのが適当である。
特徴分析部１０１は、比較結果を特徴データとして、ビットレート決定部１０２および多重化部１０６に出力する。例えば、式（１）が成立し、入力信号のエネルギーが低域部に比較的多く含まれる場合には、特徴分析部１０１は、特徴データとして０を出力する。また、式（１）が成立せず、入力信号のエネルギーが高域部に比較的多く含まれる場合には、特徴分析部１０１は、特徴データとして１を出力する。
ビットレート決定部１０２は、特徴データに基づいて、低域信号符号化部１０４のビットレート（低域符号化レート）および高域信号符号化部１０５のビットレート（高域符号化レート）を決定する。
具体的には、特徴分析部１０１からの特徴データが０を示す場合、入力信号の特徴量が低域部に比較的多く含まれるため、ビットレート決定部１０２は、｛２４ｋｂｉｔ／ｓ，１６ｋｂｉｔ／ｓ｝，｛３２ｋｂｉｔ／ｓ，８ｋｂｉｔ／ｓ｝のうち、低域符号化レートが高い｛３２ｋｂｉｔ／ｓ，８ｋｂｉｔ／ｓ｝を選択する。そして、ビットレート決定部１０２は、低域符号化レートを３２ｋｂｉｔ／ｓに設定し、高域符号化レートを８ｋｂｉｔ／ｓに設定する。
一方、特徴分析部１０１からの特徴データが１を示す場合、入力信号の特徴量が高域部に比較的多く含まれるため、ビットレート決定部１０２は、｛２４ｋｂｉｔ／ｓ，１６ｋｂｉｔ／ｓ｝，｛３２ｋｂｉｔ／ｓ，８ｋｂｉｔ／ｓ｝のうち、高域符号化レートが高い｛２４ｋｂｉｔ／ｓ，１６ｋｂｉｔ／ｓ｝を選択する。そして、ビットレート決定部１０２は、低域符号化レートを２４ｋｂｉｔ／ｓに設定し、高域符号化レートを１６ｋｂｉｔ／ｓに設定する。
このようにして、低域符号化レートおよび高域符号化レートを設定すると、ビットレート決定部１０２は、設定した低域符号化レートの情報を低域信号符号化部１０４に出力し、設定した高域符号化レートの情報を高域信号符号化部１０５に出力する。
次に、図５を用いて本実施の形態に係る復号装置について説明する。
図５は、本実施の形態に係る復号装置の構成を示すブロック図である。図５の復号装置２００は、ＲＴＰパケット分離部２０１、分離部２０２、ビットレート決定部２０３、低域信号復号部２０４、高域信号復号部２０５、アップサンプリング部２０６、および、復号信号生成部２０７を有する。
ＲＴＰパケット分離部２０１は、符号化装置１００から送られてきたＲＴＰパケットに含まれるＲＴＰペイロードのヘッダ部のＦＴフィールドを参照し、ＦＴフィールドに記載されているビットレート情報に基づいて、ＲＴＰペイロードのデータ部（多重化データ）のサイズを特定する。図４に示すように、本実施の形態では、ビットレート情報が、０，１，２，３，４を示す場合、ペイロードサイズはそれぞれ、５６０ｂｉｔ，６４０ｂｉｔ，７２０ｂｉｔ，８００ｂｉｔ，９６０ｂｉｔとなる。このように、ＲＴＰパケット分離部２０１は、ＦＴフィールドに記述されているビットレート情報に従いペイロードサイズを特定し、このペイロードサイズに従い、ＲＴＰパケットからＲＴＰペイロードのデータ部を抽出して、多重化データとして分離部２０２に出力する。
分離部２０２は、多重化データを、特徴データ、低域符号化データ、高域符号化データに分離し、それぞれビットレート決定部２０３、低域信号復号部２０４、高域信号復号部２０５に出力する。
ビットレート決定部２０３は、ビットレート決定部１０２と同様に、特徴データに基づいて、低域信号復号部２０４のビットレート（すなわち、低域符号化レート）および高域信号復号部２０５のビットレート（すなわち、高域符号化レート）を決定する。そして、ビットレート決定部２０３は、低域符号化レートの情報を低域信号復号部２０４に通知し、高域符号化レートの情報を高域信号復号部２０５に通知する。
低域信号復号部２０４は、ビットレート決定部２０３より決定された低域符号化レートに基づいて、低域符号化データに復号処理を行い、復号低域信号を生成する。低域信号復号部２０４は、復号低域信号をアップサンプリング部２０６に出力する。
高域信号復号部２０５は、ビットレート決定部２０３より決定された高域符号化レートに基づいて、高域符号化データに復号処理を行い、復号高域信号を生成する。高域信号復号部２０５は、復号高域信号を復号信号生成部２０７に出力する。
アップサンプリング部２０６は、復号低域信号に対してアップサンプリングを行い、例えばサンプリングレートが３２ｋＨｚの信号を生成する。アップサンプリング部２０６は、アップサンプリング後の復号低域信号を復号信号生成部２０７に出力する。
復号信号生成部２０７は、アップサンプリング後の復号低域信号および復号高域信号に対して加算処理等を行い、例えばサンプリングレート３２ｋＨｚの復号信号を生成し、復号信号を出力する。
以上のように、符号化装置１００において、特徴分析部１０１は、入力信号の特徴量を抽出する。そして、ビットレート決定部１０２は、入力信号の特徴量に基づいて、入力信号の低域部の符号化を行う低域信号符号化部１０４の符号化レート（低域符号化レート）と、入力信号の高域部の符号化を行う高域信号符号化部１０５の符号化レート（高域符号化レート）との組み合わせを決定する。
すなわち、特徴分析部１０１は、入力信号の特徴量を低域部および高域部ごとに取得し、特徴量が低域部または高域部のどちらに多く含まれているか分析し、分析結果（特徴データ）を出力する。そして、ビットレート決定部１０２は、低域符号化レートおよび高域符号化レートの合計であってネットワークの状況などの指標により予め設定されたトータル符号化レートと、分析結果とに基づいて、予め設定された低域符号化レートと高域符号化レートとの組み合わせの候補から、低域信号符号化部１０４および高域信号符号化部１０５が実際に用いる低域符号化レートおよび高域符号化レートの組み合わせを決定する。
入力信号の特徴量としては、特徴分析部１０１は、入力信号の低域部および高域部のエネルギーを抽出する。そして、特徴分析部１０１は、低域部のエネルギーおよび高域部のエネルギーが、低域部または高域部のどちらに多く含まれているか分析する。
また、復号装置２００において、分離部２０２は、低域符号化データと、高域符号化データと、低域部および高域部ごとに取得された入力信号の特徴量が低域部または高域部のどちらに多く含まれているかを示す分析結果（特徴データ）とが多重化された多重化データを、低域符号化データと、高域符号化データと、分析結果（特徴データ）とに分離する。そして、ビットレート決定部２０３は、低域符号化レートおよび高域符号化レートの合計であってネットワークの状況などの指標により予め設定されたトータル符号化レートと、分析結果（特徴データ）とに基づいて、予め設定された低域符号化レートと高域符号化レートとの組み合わせの候補から、低域信号復号部２０４および高域信号復号部２０５が実際に用いる低域符号化レートおよび高域符号化レートの組み合わせを決定する。
これにより、入力信号の特徴に応じて、入力信号の低域符号化レートと高域符号化レートとの組み合わせを適応的に切り替えて、高音質化を図ることができる。
なお、以上の説明では、特徴分析部１０１が、入力信号の特徴量として、入力信号の低域部（低域信号ＳＬ（ｋ））および入力信号の高域部（高域信号ＳＨ（ｋ））のエネルギーを用いる場合について説明した。この場合には、音楽信号のように高域部のエネルギーが大きい信号に対して、高域符号化レートを高く設定できるようになり、少ない演算量で高音質化を図ることができる。
しかし、入力信号の特徴量は、これに限らず、低域信号および高域信号に共通に含まれる情報であればよい。例えば、特徴分析部１０１が、入力信号の特徴量として、ＬＰＣ（Linear Predictive Coding）予測ゲインを求めるようにしても良い。
これは次の考えに基づいている。すなわち、低域信号符号化部１０４にＣＥＬＰ（Code-Excited Linear Prediction，符号励振線形予測）を用いる場合、ＣＥＬＰ性能は、入力信号がＬＰＣ予測モデルに適した信号であるかどうかで概ね決まる。つまり、入力信号がＬＰＣ予測モデルに適していない信号の場合（例えば音楽信号）、低域信号符号化部１０４のビットレート（低域符号化レート）を大きくしても、低域信号符号化部１０４の性能向上は限定的となる。それよりは、高域信号符号化部１０５のビットレート（高域符号化レート）を大きくした方が、全体的な性能は向上し、音質改善につながる。逆に入力信号がＬＰＣ予測モデルに適している信号の場合（例えば音声信号）、高域信号符号化部１０５のビットレート（高域符号化レート）を抑え、低域信号符号化部１０４のビットレート（低域符号化レート）を大きくして、低域信号符号化部１０４の性能向上を図る方が、全体的な音質は改善する。
このような考えに基づき、特徴分析部１０１は、入力信号の特徴量として、入力信号のＬＰＣ予測ゲインを求め、ＬＰＣ予測ゲインに基づいて、特徴データを設定するようにしてもよい。
特徴分析部１０１は、次のようにして、ＬＰＣ予測ゲインを算出する。まず、特徴分析部１０１は、ＬＰＣ係数α（ｉ）を用いて入力信号ｓ（ｎ）に対して線形予測を行い、ＬＰＣ予測残差信号ｅ（ｎ）を算出する。
Figure 0005706445
 ここで、ＮＰはＬＰＣ係数の次数を表す。
次に、特徴分析部１０１は、入力信号とＬＰＣ予測残差信号とのエネルギー比を対数領域で算出し、これをＬＰＣ予測ゲインとする。ＬＰＣ予測ゲインは、次式のようにして算出される。
Figure 0005706445
 ここで、ＧＬＰＣは、ＬＰＣ予測ゲインを表し、ＮＦはフレーム長を表す。
そして、特徴分析部１０１は、ＬＰＣ予測ゲインと所定の閾値とを比較する。そして、比較結果を特徴データとして、ビットレート決定部１０２および多重化部１０６に出力する。例えば、ＬＰＣ予測ゲインが所定の閾値以上であり、入力信号がＬＰＣ予測モデルに適した信号の場合には、特徴分析部１０１は、特徴データとして０を出力する。また、ＬＰＣ予測ゲインが所定の閾値未満であり、入力信号がＬＰＣ予測モデルに適さない信号の場合には、特徴分析部１０１は、特徴データとして１を出力する。
これにより、特徴分析部１０１からの特徴データが０を示す場合、入力信号がＬＰＣ予測モデルに適した信号であるため、ビットレート決定部１０２は、符号化レートの複数の組み合わせ｛２４ｋｂｉｔ／ｓ，１６ｋｂｉｔ／ｓ｝，｛３２ｋｂｉｔ／ｓ，８ｋｂｉｔ／ｓ｝のうち、低域符号化レートが高い組み合わせ｛３２ｋｂｉｔ／ｓ，８ｋｂｉｔ／ｓ｝を選択する。すなわち、ビットレート決定部１０２は、低域符号化レートを３２ｋｂｉｔ／ｓに設定し、高域符号化レートを８ｋｂｉｔ／ｓに設定する。
一方、特徴分析部１０１からの特徴データが１を示す場合、入力信号がＬＰＣ予測モデルに適さない信号であるため、ビットレート決定部１０２は、符号化レートの複数の組み合わせ｛２４ｋｂｉｔ／ｓ，１６ｋｂｉｔ／ｓ｝，｛３２ｋｂｉｔ／ｓ，８ｋｂｉｔ／ｓ｝のうち、高域符号化レートが高い組み合わせ｛２４ｋｂｉｔ／ｓ，１６ｋｂｉｔ／ｓ｝を選択する。すなわち、ビットレート決定部１０２は、低域符号化レートを２４ｋｂｉｔ／ｓに設定し、高域符号化レートを１６ｋｂｉｔ／ｓに設定する。
このようにして、入力信号の特徴量にＬＰＣ予測ゲインを用いることにより、低域信号符号化部１０４の性能を予測することができる。また、ＬＰＣ予測ゲインの算出に必要な演算量は少なくて済むため、低演算量化を実現できる。
なお、特徴分析部１０１は、ＬＰＣ係数を、入力信号に対して算出しても良いし、低域信号に対して算出しても良い。後者の場合、式（２）は入力信号ｓ（ｎ）に代えて、低域信号ｓｌｏｗ（ｎ）を用いて、ＬＰＣ予測ゲインを算出することになる。また、低域信号ｓｌｏｗ（ｎ）に対するＬＰＣ係数は、低域信号符号化部１０４の符号化処理において求められる量子化前のＬＰＣ係数または量子化後のＬＰＣ係数を用いても良い。この場合には、入力信号の低域部を符号化する前に、低域符号化レートおよび高域符号化レートの組み合わせを決定できるようになり、演算量を削減できる。
なお、ＬＰＣ予測ゲインに基づいて設定された特徴データを含む多重化データを復号する場合の復号装置の構成は、復号装置２００の構成と同様のため図示および説明を省略する。
（実施の形態２）
図６は、本実施の形態に係る符号化装置の構成を示すブロック図である。なお、図６において、図２と共通する構成部分には共通の符号を付して説明を省略する。図６の符号化装置３００は、図２の符号化装置１００に対して、ビットレート決定部１０２に代えてビットレート決定部３０１を有し、多重化部１０６とＲＴＰパケット構成部１０７との間に、冗長ビット付加部３０２を更に追加した構成を採る。
なお、本実施の形態では、Ｇ．７１８Ｂがサポートするビットレートモードのうち、ネットワークの状況などの指標により、３６ｋｂｉｔ／ｓモードが選択された場合について説明する。
Ｇ．７１８Ｂのビットレートモードとして３６ｋｂｉｔ／ｓモードが選択された場合、低域符号化レートと高域符号化レートとの組み合わせは、｛３２ｋｂｉｔ／ｓ，４ｋｂｉｔ／ｓ｝のみとなる。そのため、実施の形態１では、ビットレート決定部１０２は、低域符号化レートを３２ｋｂｉｔ／ｓに設定し、高域符号化レートを４ｋｂｉｔ／ｓに設定する。そして、ビットレート決定部１０２は、低域信号符号化部１０４および高域信号符号化部１０５に、低域符号化レートおよび高域符号化レートがそれぞれ３２ｋｂｉｔ／ｓと４ｋｂｉｔ／ｓであることを示す情報を出力する。
しかしながら、特徴分析部１０１からの特徴データが１を示す場合、すなわち、入力信号の高域部に比較的多くの情報が含まれると判定された場合、高域符号化レートは４ｋｂｉｔ／ｓでは十分ではなく、４ｋｂｉｔ／ｓより高い８ｋｂｉｔ／ｓを用いた方が高音質化が図れる。
そこで、本実施の形態では、ビットレート決定部３０１は、予め設定された３６ｋｂｉｔ／ｓモードよりも全体のビットレート（トータル符号化レート）が低く、かつ、高域符号化レートが３６ｋｂｉｔ／ｓモードよりも高いモードである３２ｋｂｉｔ／ｓモードを選択する。
すなわち、ビットレート決定部３０１は、特徴分析部１０１からの特徴データが１を示す場合、低域信号符号化部１０４のビットレート（低域符号化レート）を２４ｋｂｉｔ／ｓに設定し、高域信号符号化部１０５のビットレート（高域符号化レート）を８ｋｂｉｔ／ｓに設定する。そして、ビットレート決定部３０１は、低域信号符号化部１０４および高域信号符号化部１０５に、低域符号化レートおよび高域符号化レートがそれぞれ２４ｋｂｉｔ／ｓと８ｋｂｉｔ／ｓであることを示す情報を出力する。
このようにして、本実施の形態では、特徴分析部１０１からの特徴データが１を示す場合、すなわち、入力信号の高域部に比較的多くの情報が含まれると判定された場合、ビットレートモードが、高域符号化レートが４ｋｂｉｔ／ｓより高い８ｋｂｉｔ／ｓである３２ｋｂｉｔ／ｓモードに設定される。
ところで、ビットレートモードが３６ｋｂｉｔ／ｓモードの場合、ペイロードサイズは、７２０ビットであった（図４参照）。これに対し、ビットレートモードが３２ｋｂｉｔ／ｓモードの場合、ペイロードサイズは、６４０ビットとなる（図４参照）。すなわち、ビットレートモードが３６ｋｂｉｔ／ｓモードから３２ｋｂｉｔ／ｓモードに変更されることにより、ビットレートの差分４ｋｂｉｔ／ｓに相当する８０（＝７２０−６４０）ビット分だけ、ペイロードサイズが短くなってしまう。しかしながら、ネットワークの状況などの指標により、既に全体のビットレート（トータル符号化レート）として３６ｋｂｉｔ／ｓが選択されているため、不足分の８０ビットを補う必要がある。
そこで、本実施の形態では、多重化部１０６とＲＴＰパケット構成部１０７との間に、冗長ビット付加部３０２を設け、冗長ビット付加部３０２がビットレートを変更したことにより生じる不足ビットを追加するようにした。
具体的には、冗長ビット付加部３０２は、多重化部１０６より送られてくる多重化データを参照し、特徴データが０または１のいずれであるかを参照する。そして、特徴データが１の場合、冗長ビット付加部３０２は、不足分の８０ビット（すなわち４ｋｂｉｔ／ｓ）の冗長ビットを多重化データに付加して、全体のビットレートを３６ｋｂｉｔ／ｓとする。そして、冗長ビットを付加した多重化データをＲＴＰパケット構成部１０７に出力する。
これにより、以下のような効果が得られる。１つ目の効果としては、ビットレート決定部３０１は、設定された全体のビットレート（トータル符号化レート）を実現する低域符号化レートと高域符号化レートとの組み合わせが複数ある場合には、実施の形態１のビットレート決定部１０２と同様に、入力信号の特徴に応じて、低域符号化レートおよび高域符号化レートを適応的に切り替える。これにより、高音質化を図ることができる。
２つ目の効果としては、冗長ビット付加部３０２が、多重化データに冗長ビットを付加することにより、全体のビットレート（トータル符号化レート）の種類を絞り込むことができる。これにより、ＲＴＰペイロードヘッダのＦＴフィールドに必要なビット数を減少させることができ、ＲＴＰペイロードヘッダに必要なビット数を削減してネットワーク利用の効率化を図ることができる。
実施の形態１では、図１に示したように、ビットレートモードの選択対象が、２８ｋｂｉｔ／ｓモード、３２ｋｂｉｔ／ｓモード、３６ｋｂｉｔ／ｓモード、４０ｋｂｉｔ／ｓモード、４８ｋｂｉｔ／ｓモードの５種類であった。そのため、ＲＴＰペイロードヘッダのＦＴフィールドは３ビット必要であった。これに対し、本実施の形態では、選択対象から３２ｋｂｉｔ／ｓモードが除外されることになる。そのため、ビットレートモードの選択対象が、２８ｋｂｉｔ／ｓモード、３６ｋｂｉｔ／ｓモード、４０ｋｂｉｔ／ｓモード、４８ｋｂｉｔ／ｓモードの４種類に限定されるので、ＦＴフィールドに必要なビット数を２ビットに削減することができる。
このように、本実施の形態では、入力信号の特徴に応じて、低域符号化レートおよび高域符号化レートを適応的に切り替えて、高音質化を図ると共に、ＦＴフィールドに必要なビット数を抑えてネットワーク利用の効率化を図ることができる。
図７は、本実施の形態に係る復号装置の構成を示すブロック図である。なお、図７において、図５と共通する構成部分には共通の符号を付して説明を省略する。図７の復号装置４００は、図５の復号装置２００に対して、ＲＴＰパケット分離部２０１と分離部２０２との間に、冗長ビット削除部４０１を更に追加した構成を採る。また、以下では、Ｇ．７１８Ｂがサポートするビットレートモードのうち、ネットワークの状況などの指標により、３６ｋｂｉｔ／ｓモードが選択された場合を例に説明する。
冗長ビット削除部４０１は、多重化データを参照し、特徴データが０または１のいずれかであるかを参照する。冗長ビット削除部４０１は、特徴データが１の場合、多重化データには８０ビット（すなわち４ｋｂｉｔ／ｓ）の冗長ビットが付加されていると判定する。そこで、特徴データが１の場合、冗長ビット削除部４０１は、多重化データから冗長ビットを削除し、冗長データ削除後の多重化データを分離部２０２に出力する。一方、特徴データが０の場合、多重化データには冗長ビットが存在しないので、冗長ビット削除部４０１は、多重化データをそのまま分離部２０２に出力する。
なお、以降の動作については、実施の形態１と同様のため説明を省略する。
以上のように、本実施の形態では、ビットレート決定部３０１は、符号化レートの組み合わせの候補を限定し、特徴分析部１０１の分析結果（特徴データ）に基づいて、限定後の組み合わせの候補から、低域信号符号化部１０４および高域信号符号化部１０５が実際に用いる符号化レートの組み合わせを決定する。そして、冗長ビット付加部３０２は、決定された組み合わせのトータル符号化レートと、予め設定されたトータル符号化レートとの差分に応じた冗長ビットを、多重化データに付加する。そして、冗長ビット削除部４０１は、決定された組み合わせのトータル符号化レートと、予め設定されたトータル符号化レートとの差分に応じた冗長ビットであって、多重化データに付加された冗長ビットを削除する。これにより、全体のビットレート（トータル符号化レート）の種類を絞り込むことができ、ＲＴＰペイロードヘッダのＦＴフィールドに必要なビット数を減少させることができる。この結果、ＲＴＰペイロードヘッダに必要なビット数を削減してネットワーク利用の効率化を図ることができる。
（実施の形態３）
以下、実施の形態３について図面を用いて説明する。本実施形態の特徴は、符号化装置から復号装置に伝送される符号化データに含まれる情報を利用して低域符号化レートと高域符号化レートを決定する点にある。つまり、符号化装置と復号装置の両者で利用できる情報に基づきビットレートを決定する。この特徴により、ビットレートを決定するために必要な特徴データの情報を符号化する必要がないので、情報量を削減することができる。
ここでは、低域信号の符号化にＧ．７１８を用いた場合を想定して、フレームに含まれる信号の特徴を表すフレームモードを用いてビットレートの組合せを決定する構成について説明する。
Ｇ．７１８では、フレーム毎に低域信号を分析して、Unvoice（ＵＣ）、Voice（ＶＣ）、Transition（ＴＣ）、Generic（ＧＣ）の４種類のフレームモードに分類する。そして、各フレームモードに適したＬＰＣ係数の量子化、音源情報の符号化を行い、音質の向上を図る。この際、フレームモードは復号部に伝送される符号化データに含まれる。
Ｇ．７１８を用いて低域信号を符号化したときに、フレームモード毎にＳＮＲを調査した結果を図８および図９に示す。図８は約２４秒の音声信号、図９は４５秒の音楽信号を用いたときの図である。図８および図９において、横軸はＳＮＲ、縦軸はそのＳＮＲとなるときのフレーム数である。
ＳＮＲは符号化の性能を表す指標とみなすことができる。ＳＮＲが高いときには符号化による歪が小さく抑えられ、聴感的に音質が高くなる。逆に、ＳＮＲが低いときには符号化歪が大きく残り、聴感的に音質が低くなる。
図８および図９から明らかなように、フレームモードとＳＮＲとの間に強い相関があることが分かる。つまり、ＵＣに分類されるフレームはＳＮＲが低い場合が多く、それ以外のＶＣ，ＴＣ、ＧＣに分類されるフレームはＳＮＲが高い場合が多い。
したがって、ＵＣに分類されるフレームの場合には、低域信号のＳＮＲが低いので、低域符号化レートを高く設定し、その分高域符号化レートを低く設定する。逆に、ＶＣ，ＴＣ、ＧＣに分類されるフレームでは、低域信号のＳＮＲが高いので、低域符号化レートを低く設定し、その分高域符号化レートを高く設定する。
なお、ここでは、ＵＣの場合とＶＣ，ＴＣ，ＧＣの場合で低域符号化レートと高域符号化レートを決定する方法を例に説明したが、本発明はこれに限定されず、各フレームモードで異なるビットレートの組合せを選択するような構成であっても良い。
このように、フレームモードを用いて、低域符号化レートと高域符号化レートを決定することにより、情報量を増加させることなく適切に低域符号化レートと高域符号化レートを特定し、符号化、復号を行うことができる。これにより、ビットレートの組合せを示す情報を符号化する事なしに、音質を向上させることができる。
次に、図１０および図１１を用いて、本実施形態の符号化装置の構成について説明する。なお、図１０において、図２と同一名称のブロックについては説明を省略する。図１０に示す符号化装置５００は、図２に示した符号化装置１００と比較して、特徴分析部１０１、ビットレート決定部１０２がない。また、符号化装置５００の低域信号符号化部５０１の機能が、符号化装置１００の低域信号符号化部１０４の機能と異なる。
低域信号符号化部５０１は、入力信号の低域部の符号化の際に使用される符号化情報を用いて低域符号化レートと高域符号化レートを決定し、高域符号化レートの情報を高域信号符号化部１０５に出力する。低域信号符号化部５０１は、低域符号化レートに基づいて、入力信号の低域部を符号化し、低域符号化データを生成する。低域信号符号化部５０１は、低域符号化データを多重化部１０６に出力する。
図１１は、低域信号符号化部５０１の内部構成を示すブロック図である。ここでは、符号化情報としてフレームモードを用いて低域符号化レートと高域符号化レートを決定する構成について説明する。
低域信号符号化部５０１は、フレームモード判定部５１１と、ビットレート決定部５１２と、ＬＰＣ係数符号化部５１３と、音源符号化部５１４と、多重化部５１５と、から主に構成される。低域信号符号化部５０１において、ダウンサンプリング部１０３の出力信号は、フレームモード判定部５１１、ＬＰＣ係数符号化部５１３及び音源符号化部５１４に入力される。
フレームモード判定部５１１は、ダウンサンプリング部１０３の出力信号を分析し、Unvoice（ＵＣ）、Voice（ＶＣ）、Transition（ＴＣ）、Generic（ＧＣ）のいずれに属するかをフレーム毎に判定する。分析の方法としては、信号エネルギー、スペクトル傾き、短期予測ゲイン、長期予測ゲイン等が用いられる。フレームモード判定部５１１は、判定結果を示すフレームモードを、ビットレート決定部５１２、ＬＰＣ係数符号化部５１３、音源符号化部５１４及び多重化部５１５に出力する。
ビットレート決定部５１２は、フレームモードに基づいて低域符号化レートおよび高域符号化レートを決定する。図８、図９で説明したフレームモードとＳＮＲの関係から、ビットレート決定部５１２は、ＵＣが選択されたフレームでは低域符号化レートを高く設定し、その分高域符号化レートを低く設定する。低域信号符号化部５０１にＧ．７１８を用い、ビットレートモードが４０ｋｂｉｔ／ｓの場合には、低域符号化レートと高域符号化レートの組合せは｛３２ｋｂｉｔ／ｓ、８ｋｂｉｔ／ｓ｝とする。ＶＣ，ＴＣ，ＧＣが選択されたフレームでは、低域符号化レートを低く設定し、その分高域符号化レートを高く設定する。低域信号符号化部５０１にＧ．７１８を用い、ビットレートモードが４０ｋｂｉｔ／ｓの場合には、低域符号化レートと高域符号化レートの組合せは｛２４ｋｂｉｔ／ｓ、１６ｋｂｉｔ／ｓ｝とする。ビットレート決定部５１２は、決定した低域符号化レートの情報をＬＰＣ係数符号化部５１３および音源符号化部５１４に出力し、高域符号化レートの情報を高域信号符号化部１０５に出力する。
ＬＰＣ係数符号化部５１３は、予め定められた複数種類のビットレートに基づいてＬＰＣ係数の符号化を行う。ＬＰＣ係数符号化部５１３は、ダウンサンプリング部１０３より出力されたダウンサンプリング後の入力信号に対してＬＰＣ分析を行い、ＬＰＣ係数を求める。このＬＰＣ係数は、量子化に適したパラメータ（例えば線形予測対（ＬＳＰ））に変換される。ＬＰＣ係数符号化部５１３は、フレームモードおよび低域符号化レートの情報に基づいてパラメータの量子化を行い、ＬＰＣ係数符号化データを生成する。ＬＰＣ係数符号化部５１３は、ＬＰＣ係数符号化データを多重化部５１５に出力する。また、ＬＰＣ係数符号化部５１３は、ＬＰＣ係数符号化データを復号して復号ＬＰＣ係数を求め、音源符号化部５１４に出力する。
音源符号化部５１４は、予め定められた複数種類のビットレートに基づいた音源情報の符号化を行う。音源符号化部５１４は、ダウンサンプリング後の入力信号に対して復号ＬＰＣ係数、フレームモードおよび低域符号化レートの情報に基づいて音源情報の符号化を行い、音源符号化データを生成する。音源符号化部５１４は、音源符号化データを多重化部５１５に出力する。
多重化部５１５は、フレームモード、ＬＰＣ係数符号化データおよび音源符号化データを多重化して低域符号化データを生成する。多重化部５１５は、低域符号化データを多重化部１０６に出力する。なお、図１１の多重化部５１５は必須の構成要素ではなく、フレームモード判定情報、ＬＰＣ係数符号化データおよび音源符号化データを低域符号化データとして、直接、多重化部１０６に出力しても良い。この場合、図１１の多重化部５１５は不要となる。
次に、図１２、図１３を用いて、本実施形態の復号装置の構成について説明する。なお、図１２に示す復号装置６００において、図５に示した復号装置２００と同一名称のブロックは説明を省略する。図１２の復号装置６００は、図５の復号装置２００と比較して、ビットレート決定部２０３がない。また、復号装置６００の低域信号復号部６０１の機能が、復号装置２００の低域信号復号部２０４と異なる。
低域信号復号部６０１は、分離部２０２から出力された低域符号化データに含まれる情報を用いて低域信号復号部６０１のビットレート（すなわち、低域符号化レート）と高域信号復号部２０５のビットレート（すなわち、高域符号化レート）を決定し、高域符号化レートの情報を高域信号復号部２０５に出力する。低域信号復号部６０１は、低域符号化レートに基づいて、低域符号化データに復号処理を行い、復号低域信号を生成する。低域信号復号部６０１は、復号低域信号をアップサンプリング部２０６に出力する。
図１３は、低域信号復号部６０１の内部構成を示すブロック図である。低域信号復号部６０１は、分離部６１１と、ビットレート決定部６１２と、ＬＰＣ係数復号部６１３と、音源復号部６１４と、合成フィルタ６１５と、から主に構成される。
分離部６１１は、低域符号化データを、フレームモード、ＬＰＣ係数符号化データ、音源符号化データに分離する。
ビットレート決定部６１２は、フレームモードに基づいて、低域符号化レートと高域符号化レートを決定する。図８、図９で説明したフレームモードとＳＮＲの関係から、ＵＣが選択されたフレームでは低域符号化レートを高く設定し、その分高域符号化レートを低く設定する。低域信号復号部６０１にＧ．７１８を用い、ビットレートモードが４０ｋｂｉｔ／ｓの場合には、低域符号化レートと高域符号化レートの組合せは｛３２ｋｂｉｔ／ｓ、８ｋｂｉｔ／ｓ｝とする。ＶＣ，ＴＣ，ＧＣが選択されたフレームでは、低域符号化レートを低く設定し、その分高域符号化レートを高く設定する。低域信号復号部６０１にＧ．７１８を用い、ビットレートモードが４０ｋｂｉｔ／ｓの場合には、低域符号化レートと高域符号化レートの組合せは｛２４ｋｂｉｔ／ｓ、１６ｋｂｉｔ／ｓ｝とする。ビットレート決定部６１２は、決定した低域符号化レートの情報をＬＰＣ係数復号部６１３および音源復号部６１４に出力し、高域符号化レートの情報を高域信号復号部２０５に出力する。
ＬＰＣ係数復号部６１３は、予め定められた複数種類のビットレートに基づいたＬＰＣ係数の復号を行う。ＬＰＣ係数復号部６１３は、ＬＰＣ係数符号化データ、フレームモードおよび低域符号化レートの情報に基づいてＬＰＣ係数の復号処理を行い、復号ＬＰＣ係数を生成する。ＬＰＣ係数復号部６１３は、復号ＬＰＣ係数を合成フィルタ６１５に出力する。
音源復号部６１４は、予め定められた複数種類のビットレートに基づいた音源信号の復号を行う。音源復号部６１４は、フレームモードおよび低域符号化レートの情報を用いて音源符号化データに対して復号処理を行い、音源信号を生成する。音源復号部６１４は、音源信号を合成フィルタ６１５に出力する。
合成フィルタ６１５は、復号ＬＰＣ係数を基に合成フィルタを構成する。そして、合成フィルタ６１５は、音源信号を当該合成フィルタに通してフィルタ処理を行い、復号低域信号を生成する。合成フィルタ６１５は、復号低域信号をアップサンプリング部２０６に出力する。なお、分離部６１１は必須の構成要素ではなく、図１２の分離部２０２から直接、フレームモード、ＬＰＣ係数符号化データ、音源符号化データをビットレート決定部６１２、ＬＰＣ係数復号部６１３、音源復号部６１４に出力しても良い。この場合、分離部６１１は不要になる。
なお、本発明では、フレームモードの代わりに、ＬＰＣ係数、ピッチ周期、ピッチゲインなどの符号化情報をビットレートの決定に使用する構成であっても良い。
ビットレートの決定にＬＰＣ係数の量子化情報を用いる場合、量子化後のＬＰＣ係数からスペクトル包絡を算出し、スペクトル包絡の表すホルマントの大きさからビットレートを決定する。その具体例として、予め定められたサブバンド毎にスペクトル包絡のエネルギーを算出し、当該エネルギーが最大となるサブバンドと最小となるサブバンドを検出し、サブバンドエネルギーの最大値に対する最小値の比を求める。この比と閾値とを比較し、この比が閾値を超える場合、ＬＰＣ係数が入力信号のホルマントを精度良く表しているとみなすことができるので、低域符号化レートが低く、高域符号化レートが高いビットレートの組合せを選択する。逆にこの比が閾値以下の場合、低域符号化レートが高く、高域符号化レートが低いビットレートの組合せを選択する。
ビットレートの決定にピッチ周期を用いる場合、ピッチ周期の時間的な変化量が閾値より小さい場合に、適応符号帳又はピッチフィルタによる予測が効率的に行われているとみなすことができる。そのため、低域符号化レートが低く、高域符号化レートが高いビットレートの組合せを選択する。逆に、ピッチ周期の時間的な変化量が閾値以上の場合、低域符号化レートが高く、高域符号化レートが低いビットレートの組合せを選択する。
ビットレートの決定にピッチゲインを用いる場合、ピッチゲインの大きさが閾値より大きい場合に、適応符号帳又はピッチフィルタによる予測が効率的に行われているとみなすことができる。そのため、低域符号化レートが低く、高域符号化レートが高いビットレートの組合せを選択する。逆に、ピッチゲインの大きさが閾値以下の場合、低域符号化レートが高く、高域符号化レートが低いビットレートの組合せを選択する。
以上、本発明の各実施の形態について説明した。
なお、以上の説明では、Ｇ．７１８Ｂを例に説明したが、本発明はこれに限定されない。階層符号化でかつ各レイヤの少なくとも１つのレイヤがマルチレートの符号化方式であれば、本発明の効果を享受できる。各実施の形態では、マルチレートの種類の少ないＧ．７１８Ｂを用いて説明したため、全体ビットレートが４０ｋｂｉｔ／ｓのときにのみ、実施の形態１で説明した低域符号化レートおよび高域符号化レートの組み合わせの切り替えによる本発明の効果が得られた。しかし、マルチレートの種類が多い場合には、同一の全体ビットレートに対して低域符号化レートと高域符号化レートの組み合わせが数多く存在するようになる。そのような場合には、本発明の効果がより大きく得られる。
図１４は、低域符号化レートと高域符号化レートの組み合わせの具体的な例を示す図である。図１４では、低域符号化レートが８ｋｂｉｔ／ｓから２０ｋｂｉｔ／ｓまで２ｋｂｉｔ／ｓ刻みでサポートされ、高域符号化レートが４ｋｂｉｔ／ｓから１６ｋｂｉｔ／ｓまで２ｋｂｉｔ／ｓ刻みでサポートされている例を示している。図１４において、例えば、全体のビットレートが２４ｋｂｉｔ／ｓと設定された場合、低域符号化レートと高域符号化レートの組合せは、{２０，４}、{１８，６}、{１６，８}、{１４，１０}、{１２，１２}、{１０，１４}、{８，１６}の７通りが存在する。このように２種類よりも多くの組合せが存在する構成であっても、本発明を適用することができる。
また、以上の説明では、信号帯域に対してスケーラビリティを有する多重化データを生成する符号化方式を例にして説明したが、本発明はこれに限定されない。信号帯域は一定でビットレートに対してスケーラビリティを有する多重化データを生成する符号化方式に対しても本発明の効果を享受できる。
また、以上の説明では、入力信号の特徴に基づいて、低域符号化レートおよび高域符号化レートを決定する方法について説明したが、これに限定されない。低域信号符号化部１０４（５０１）および高域信号符号化部１０５の演算量に基づいて、低域符号化レートおよび高域符号化レートを決定しても良い。これは、例えば、各実施の形態で説明した符号化装置および復号装置がバッテリで動作する携帯電話又は携帯端末に適用された場合に有効である。具体的には、バッテリの残量が少なくなったときに、演算量の少ない符号化方式が動作する低域符号化レート又は高域符号化レートを選択することにより、バッテリの電力消費を抑えることができる。このように演算量に基づいて符号化レートを決定することにより、携帯電話又は携帯端末の動作の長時間化を図ることができる。
また、本発明は、低域符号化レートが所定の値よりも小さくならないように制限する構成であっても良い。このようにすることで、復号低域信号の音質が極端に悪くならないようにし、音質の低下を防ぐことができる。
また、低域符号化レートと高域符号化レートの時間的な変化が極端に大きくならないように制限する構成であっても良い。例えば、フレーム間のビットレートの変化量を最大２ｋｂｉｔ／ｓより大きくならないようにする。図１４の例でいうと、全体のビットレートが２４ｋｂｉｔ／ｓと設定され、低域符号化レートと高域符号化レートの組合せが、{２０，４}から{８，１６}へ変化させる必要が生じた場合、フレーム間で１２ｋｂｉｔ／ｓものビットレートの変化が生じてしまう。このような急激なビットレートの組合せの変化が生じないようにするため、例えば、{２０，４}から{１８，６}へ、{１８，６}から{１６，８}へ、というように１フレーム進む度に２ｋｂｉｔ／ｓずつビットレートが変化するようにビットレートの変化量に制限を設ける。この場合、最終的にビットレートの組合せが{８，１６}となるまでには、６フレーム分の時間が必要になる。このように徐々にビットレートが変化するように制限を設けることにより、急激なビットレートの変化に起因するフレーム間の音質の変化を最小限にし、音質劣化を軽減することができる。
また、本発明は、上記実施の形態に限定されず、種々変更して実施することが可能である。
また、上記実施の形態では、本発明をハードウェアで構成する場合を例にとって説明したが、本発明はハードウェアとの連携においてソフトウェアでも実現することも可能である。
また、上記実施の形態の説明に用いた各機能ブロックは、典型的には集積回路であるＬＳＩとして実現される。これらは個別に１チップ化されてもよいし、一部又は全てを含むように１チップ化されてもよい。ここでは、ＬＳＩとしたが、集積度の違いにより、ＩＣ、システムＬＳＩ、スーパーＬＳＩ、ウルトラＬＳＩと呼称されることもある。
また、集積回路化の手法はＬＳＩに限るものではなく、専用回路又は汎用プロセッサで実現してもよい。ＬＳＩ製造後に、プログラムすることが可能なＦＰＧＡ（Field Programmable Gate Array）、又は、ＬＳＩ内部の回路セルの接続又は設定を再構成可能なリコンフィギュラブル／プロセッサを利用してもよい。
さらには、半導体技術の進歩又は派生する別技術によりＬＳＩに置き換わる集積回路化の技術が登場すれば、当然、その技術を用いて機能ブロックの集積化を行ってもよい。バイオ技術の適用等が可能性としてありえる。
２０１０年１２月１４日出願の特願２０１０−２７８２２８及び２０１１年４月６日出願の特願２０１１−０８４４４０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。
本発明に係る符号化装置、復号装置およびそれら方法は、音声信号及び／又は音楽信号の符号化、復号を行う符号化装置等として有用である。
１００、３００、５００ 符号化装置
１０１ 特徴分析部
１０２，２０３，３０１ ビットレート決定部
１０３ ダウンサンプリング部
１０４、５０１ 低域信号符号化部
１０５ 高域信号符号化部
１０６、５１５ 多重化部
１０７ ＲＴＰパケット構成部
２００、４００、６００ 復号装置
２０１ ＲＴＰパケット分離部
２０２、６１１ 分離部
２０４、６０１ 低域信号復号部
２０５ 高域信号復号部
２０６ アップサンプリング部
２０７ 復号信号生成部
３０２ 冗長ビット付加部
４０１ 冗長ビット削除部
５１１ フレームモード判定部
５１２ ビットレート決定部
５１３ ＬＰＣ係数符号化部
５１４ 音源符号化部
５１５ 多重化部
６１２ ビットレート決定部
６１３ ＬＰＣ係数復号部
６１４ 音源復号部
６１５ 合成フィルタ

Claims (19)

  1. 入力信号の特徴を低域部および高域部ごと分析し、分析結果を示す特徴データを生成する分析手段と、
    低域符号化レートおよび高域符号化レートの合計であって予め設定されたトータル符号化レートと前記特徴データとに基づいて、前記低域符号化レートおよび前記高域符号化レートの組み合わせを決定する決定手段と、
    前記決定された低域符号化レートを用いて前記入力信号の低域部の符号化を行い、低域符号化データを生成する低域符号化手段と、
    前記決定された高域符号化レートを用いて前記入力信号の高域部の符号化を行い、高域符号化データを生成する高域符号化手段と、
    前記低域符号化データと、前記高域符号化データと、前記特徴データとを多重化する多重化手段と、
    を具備し、
    前記分析手段は、前記入力信号とＬＰＣ予測残差信号とのエネルギー比であるＬＰＣ予測ゲインと閾値との比較結果を前記特徴データとする、
    符号化装置。
  2. 入力信号の特徴を低域部および高域部ごと分析し、分析結果を示す特徴データを生成する分析手段と、
    低域符号化レートおよび高域符号化レートの合計であって予め設定されたトータル符号化レートと前記特徴データとに基づいて、前記低域符号化レートおよび前記高域符号化レートの組み合わせを決定する決定手段と、
    前記決定された低域符号化レートを用いて前記入力信号の低域部の符号化を行い、低域符号化データを生成する低域符号化手段と、
    前記決定された高域符号化レートを用いて前記入力信号の高域部の符号化を行い、高域符号化データを生成する高域符号化手段と、
    前記低域符号化データと、前記高域符号化データと、前記特徴データとを多重化する多重化手段と、
    を具備し、
    前記決定手段は、前記組み合わせの候補を限定し、限定後の組み合わせの候補の中から実際に用いる組み合わせを決定し、
    前記決定された組み合わせのトータル符号化レートと、前記予め設定されたトータル符号化レートとの差分に応じた冗長ビットを、前記多重化されたデータに付加する付加手段を更に具備する、
    符号化装置。
  3. 前記決定手段は、
    前記特徴データが、前記入力信号の低域部および高域部に共通に含まれる情報量である特徴量が前記高域部に多く含まれていることを示す場合、前記予め設定されたトータル符号化レートよりも、トータル符号化レートが低い組み合わせの候補の中から前記高域符号化レートが前記低域符号化レートよりも高い組み合わせを実際に用いる組み合わせに決定する、
    請求項２記載の符号化装置。
  4. 入力信号の特徴を低域部および高域部ごと分析し、分析結果を示す特徴データを生成する分析手段と、
    低域符号化レートおよび高域符号化レートの合計であって予め設定されたトータル符号化レートと入力信号の低域部の符号化の際に使用される符号化情報とに基づいて、前記低域符号化レートおよび前記高域符号化レートの組み合わせを決定し、前記決定された低域符号化レートを用いて入力信号の低域部の符号化を行い、低域符号化データを生成する低域符号化手段と、
    前記決定された高域符号化レートを用いて前記入力信号の高域部の符号化を行い、高域符号化データを生成する高域符号化手段と、
    前記低域符号化データと、前記高域符号化データと、前記特徴データとを多重化する多重化手段と、
    を具備する符号化装置。
  5. 前記符号化情報は、入力信号の低域部がUnvoice（ＵＣ）、Voice（ＶＣ）、Transition（ＴＣ）、Generic（ＧＣ）のいずれに属するかを示すフレームモードである、請求項４記載の符号化装置。
  6. 前記符号化情報は、ＬＰＣ係数である、請求項４記載の符号化装置。
  7. 前記符号化情報は、ピッチ周期である、請求項４記載の符号化装置。
  8. 前記符号化情報は、ピッチゲインである、請求項４記載の符号化装置。
  9. 請求項１または請求項２のいずれかに記載の符号化装置を備える移動局装置。
  10. 請求項１または請求項２のいずれかに記載の符号化装置を備える基地局装置。
  11. 低域符号化レートを用いて入力信号の低域部の符号化を行い生成された低域符号化データと、高域符号化レートを用いて前記入力信号の高域部の符号化を行い生成された高域符号化データと、前記低域部および前記高域部ごとに前記入力信号の特徴を分析した結果を示す特徴データとが多重化された多重化データを、前記低域符号化データと、前記高域符号化データと、前記特徴データとに分離する分離手段と、
    前記低域符号化レートおよび前記高域符号化レートの合計であって予め設定されたトータル符号化レートと前記特徴データとに基づいて、前記低域符号化レートと前記高域符号化レートとの組み合わせを決定する決定手段と、
    前記決定された低域符号化レートを用いて、前記低域符号化データを復号する低域復号手段と、
    前記決定された高域符号化レートを用いて、前記高域符号化データを復号する高域復号手段と、
    を具備し、
    前記決定手段は、前記組み合わせの候補を限定し、限定後の前記組み合わせの候補の中から実際に用いる組み合わせを決定し、
    前記決定された組み合わせのトータル符号化レートと前記予め設定されたトータル符号化レートとの差分に応じて前記多重化データに付加された冗長ビットを削除する削除手段を更に具備する、
    復号装置。
  12. 前記決定手段は、
    前記特徴データが、前記入力信号の低域部および高域部に共通に含まれる情報量である特徴量が前記高域部に多く含まれていることを示す場合、予め設定されたトータル符号化レートよりも、トータル符号化レートが低い組み合わせの候補の中から前記高域符号化レートが前記低域符号化レートよりも高い組み合わせを実際に用いる組み合わせに決定する、請求項１１記載の復号装置。
  13. 低域符号化レートを用いて入力信号の低域部の符号化を行い生成された低域符号化データと、高域符号化レートを用いて前記入力信号の高域部の符号化を行い生成された高域符号化データと、入力信号の低域部の符号化の際に使用される符号化情報とが多重化された多重化データを、前記低域符号化データと、前記高域符号化データと、前記符号化情報とに分離する分離手段と、
    前記低域符号化レートおよび前記高域符号化レートの合計であって予め設定されたトータル符号化レートと前記符号化情報とに基づいて、前記低域符号化レートと前記高域符号化レートとの組み合わせを決定し、前記決定された低域符号化レートを用いて、前記低域符号化データを復号する低域復号手段と、
    前記決定された高域符号化レートを用いて、前記高域符号化データを復号する高域復号手段と、
    を具備する復号装置。
  14. 請求項１１記載の復号装置を備える移動局装置。
  15. 請求項１１記載の復号装置を備える基地局装置。
  16. 入力信号の特徴を低域部および高域部ごと分析し、分析結果を示す特徴データを生成するステップと、
    低域符号化レートおよび高域符号化レートの合計であって予め設定されたトータル符号化レートと前記特徴データとに基づいて、前記低域符号化レートおよび前記高域符号化レートの組み合わせを決定するステップと、
    前記決定された低域符号化レートを用いて前記入力信号の低域部の符号化を行い、低域符号化データを生成するステップと、
    前記決定された高域符号化レートを用いて前記入力信号の高域部の符号化を行い、高域符号化データを生成するステップと、
    前記低域符号化データと、前記高域符号化データと、前記特徴データとを多重化するステップと、
    を具備し、
    前記特徴データは、前記入力信号とＬＰＣ予測残差信号とのエネルギー比であるＬＰＣ予測ゲインと閾値との比較結果である、
    符号化方法。
  17. 入力信号の特徴を低域部および高域部ごと分析し、分析結果を示す特徴データを生成するステップと、
    低域符号化レートおよび高域符号化レートの合計であって予め設定されたトータル符号化レートと入力信号の低域部の符号化の際に使用される符号化情報とに基づいて、前記低域符号化レートおよび前記高域符号化レートの組み合わせを決定し、前記決定された低域符号化レートを用いて入力信号の低域部の符号化を行い、低域符号化データを生成するステップと、
    前記決定された高域符号化レートを用いて前記入力信号の高域部の符号化を行い、高域符号化データを生成するステップと、
    前記低域符号化データと、前記高域符号化データと、前記特徴データとを多重化するステップと、
    を具備する符号化方法。
  18. 低域符号化レートを用いて入力信号の低域部の符号化を行い生成された低域符号化データと、高域符号化レートを用いて前記入力信号の高域部の符号化を行い生成された高域符号化データと、前記低域部および前記高域部ごとに前記入力信号の特徴を分析した結果を示す特徴データとが多重化された多重化データを、前記低域符号化データと、前記高域符号化データと、前記特徴データとに分離するステップと、
    前記低域符号化レートおよび前記高域符号化レートの合計であって予め設定されたトータル符号化レートと前記特徴データとに基づいて、前記低域符号化レートと前記高域符号化レートとの組み合わせを決定するステップと、
    前記組み合わせの候補を限定し、限定後の前記組み合わせの候補の中から実際に用いる組み合わせを決定するステップと、
    前記決定された組み合わせのトータル符号化レートと前記予め設定されたトータル符号化レートとの差分に応じて前記多重化データに付加された冗長ビットを削除するステップと、
    前記決定された低域符号化レートを用いて、前記低域符号化データを復号するステップと、
    前記決定された高域符号化レートを用いて、前記高域符号化データを復号するステップと、
    を具備する復号方法。
  19. 低域符号化レートを用いて入力信号の低域部の符号化を行い生成された低域符号化データと、高域符号化レートを用いて前記入力信号の高域部の符号化を行い生成された高域符号化データと、入力信号の低域部の符号化の際に使用される符号化情報とが多重化された多重化データを、前記低域符号化データと、前記高域符号化データと、前記符号化情報とに分離するステップと、
    前記低域符号化レートおよび前記高域符号化レートの合計であって予め設定されたトータル符号化レートと前記符号化情報とに基づいて、前記低域符号化レートと前記高域符号化レートとの組み合わせを決定し、前記決定された低域符号化レートを用いて、前記低域符号化データを復号するステップと、
    前記決定された高域符号化レートを用いて、前記高域符号化データを復号するステップと、
    を具備する復号方法。
JP2012548620A 2010-12-14 2011-11-08 符号化装置、復号装置およびそれらの方法 Expired - Fee Related JP5706445B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2012548620A JP5706445B2 (ja) 2010-12-14 2011-11-08 符号化装置、復号装置およびそれらの方法

Applications Claiming Priority (6)

Application Number Priority Date Filing Date Title
JP2010278228 2010-12-14
JP2010278228 2010-12-14
JP2011084440 2011-04-06
JP2011084440 2011-04-06
JP2012548620A JP5706445B2 (ja) 2010-12-14 2011-11-08 符号化装置、復号装置およびそれらの方法
PCT/JP2011/006236 WO2012081166A1 (ja) 2010-12-14 2011-11-08 符号化装置、復号装置およびそれらの方法

Publications (2)

Publication Number Publication Date
JPWO2012081166A1 JPWO2012081166A1 (ja) 2014-05-22
JP5706445B2 true JP5706445B2 (ja) 2015-04-22

Family

ID=46244286

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2012548620A Expired - Fee Related JP5706445B2 (ja) 2010-12-14 2011-11-08 符号化装置、復号装置およびそれらの方法

Country Status (4)

Country Link
US (1) US9373332B2 (ja)
JP (1) JP5706445B2 (ja)
CN (1) CN102985969B (ja)
WO (1) WO2012081166A1 (ja)

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9479886B2 (en) 2012-07-20 2016-10-25 Qualcomm Incorporated Scalable downmix design with feedback for object-based surround codec
US9761229B2 (en) 2012-07-20 2017-09-12 Qualcomm Incorporated Systems, methods, apparatus, and computer-readable media for audio object clustering
US10199044B2 (en) * 2013-03-20 2019-02-05 Nokia Technologies Oy Audio signal encoder comprising a multi-channel parameter selector
CN104217727B (zh) * 2013-05-31 2017-07-21 华为技术有限公司 信号解码方法及设备
KR102244612B1 (ko) 2014-04-21 2021-04-26 삼성전자주식회사 무선 통신 시스템에서 음성 데이터를 송신 및 수신하기 위한 장치 및 방법
CN113259059B (zh) * 2014-04-21 2024-02-09 三星电子株式会社 用于在无线通信***中发射和接收语音数据的装置和方法
CN107452391B (zh) 2014-04-29 2020-08-25 华为技术有限公司 音频编码方法及相关装置
US10109285B2 (en) * 2014-09-08 2018-10-23 Sony Corporation Coding device and method, decoding device and method, and program
US10061554B2 (en) * 2015-03-10 2018-08-28 GM Global Technology Operations LLC Adjusting audio sampling used with wideband audio
CN106033982B (zh) * 2015-03-13 2018-10-12 ***通信集团公司 一种实现超宽带语音互通的方法、装置和终端
GB2559200A (en) * 2017-01-31 2018-08-01 Nokia Technologies Oy Stereo audio signal encoder
CN113870872A (zh) * 2018-06-05 2021-12-31 安克创新科技股份有限公司 基于深度学习的语音音质增强方法、装置和***
CN112885363A (zh) * 2019-11-29 2021-06-01 北京三星通信技术研究有限公司 语音发送方法和装置以及语音接收方法和装置、电子设备
EP4055594A4 (en) * 2019-11-29 2022-12-28 Samsung Electronics Co., Ltd. METHOD, DEVICE AND ELECTRONIC APPARATUS FOR TRANSMITTING AND RECEIVING A VOICE SIGNAL

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09504124A (ja) * 1994-08-10 1997-04-22 クゥアルコム・インコーポレイテッド 可変レートボコーダーにおけるエンコーディングレート選択決定のための方法および装置
JPH10268897A (ja) * 1997-03-28 1998-10-09 Sony Corp 信号符号化方法及び装置
JP2001222297A (ja) * 1999-11-29 2001-08-17 Digital Voice Syst Inc マルチバンドハーモニック変換コーダ
JP2001267928A (ja) * 2000-03-17 2001-09-28 Casio Comput Co Ltd オーディオデータ圧縮装置、及び記憶媒体
JP2002341900A (ja) * 2001-05-17 2002-11-29 Sony Corp 高能率符号化方法、高能率符号化装置、符号化データ復号方法、符号化データ復号装置、データ伝送方法、データ伝送装置、付加情報付加方法、付加情報付加装置および記録媒体
JP2005215502A (ja) * 2004-01-30 2005-08-11 Matsushita Electric Ind Co Ltd 符号化装置、復号化装置、およびこれらの方法
JP2005328542A (ja) * 2004-05-12 2005-11-24 Samsung Electronics Co Ltd 複数のルックアップテーブルを利用したデジタル信号の符号化方法、デジタル信号の符号化装置及び複数のルックアップテーブル生成方法
WO2007046027A1 (en) * 2005-10-21 2007-04-26 Nokia Corporation Audio coding
JP2009288560A (ja) * 2008-05-29 2009-12-10 Sanyo Electric Co Ltd 音声符号化装置、音声復号装置、及びプログラム

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3700820A (en) * 1966-04-15 1972-10-24 Ibm Adaptive digital communication system
KR100548891B1 (ko) 1998-06-15 2006-02-02 마츠시타 덴끼 산교 가부시키가이샤 음성 부호화 장치 및 음성 부호화 방법
KR20070037945A (ko) 2005-10-04 2007-04-09 삼성전자주식회사 오디오 신호의 부호화/복호화 방법 및 장치
JP2007258841A (ja) * 2006-03-20 2007-10-04 Ntt Docomo Inc チャネル符号化及び復号化を行うための装置及び方法
CN101197576A (zh) * 2006-12-07 2008-06-11 上海杰得微电子有限公司 一种音频信号编码、解码方法
WO2009084221A1 (ja) 2007-12-27 2009-07-09 Panasonic Corporation 符号化装置、復号装置およびこれらの方法
JP5448850B2 (ja) 2008-01-25 2014-03-19 パナソニック株式会社 符号化装置、復号装置およびこれらの方法
KR101452722B1 (ko) * 2008-02-19 2014-10-23 삼성전자주식회사 신호 부호화 및 복호화 방법 및 장치
JP5764488B2 (ja) 2009-05-26 2015-08-19 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 復号装置及び復号方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09504124A (ja) * 1994-08-10 1997-04-22 クゥアルコム・インコーポレイテッド 可変レートボコーダーにおけるエンコーディングレート選択決定のための方法および装置
JPH10268897A (ja) * 1997-03-28 1998-10-09 Sony Corp 信号符号化方法及び装置
JP2001222297A (ja) * 1999-11-29 2001-08-17 Digital Voice Syst Inc マルチバンドハーモニック変換コーダ
JP2001267928A (ja) * 2000-03-17 2001-09-28 Casio Comput Co Ltd オーディオデータ圧縮装置、及び記憶媒体
JP2002341900A (ja) * 2001-05-17 2002-11-29 Sony Corp 高能率符号化方法、高能率符号化装置、符号化データ復号方法、符号化データ復号装置、データ伝送方法、データ伝送装置、付加情報付加方法、付加情報付加装置および記録媒体
JP2005215502A (ja) * 2004-01-30 2005-08-11 Matsushita Electric Ind Co Ltd 符号化装置、復号化装置、およびこれらの方法
JP2005328542A (ja) * 2004-05-12 2005-11-24 Samsung Electronics Co Ltd 複数のルックアップテーブルを利用したデジタル信号の符号化方法、デジタル信号の符号化装置及び複数のルックアップテーブル生成方法
WO2007046027A1 (en) * 2005-10-21 2007-04-26 Nokia Corporation Audio coding
JP2009288560A (ja) * 2008-05-29 2009-12-10 Sanyo Electric Co Ltd 音声符号化装置、音声復号装置、及びプログラム

Also Published As

Publication number Publication date
US9373332B2 (en) 2016-06-21
WO2012081166A1 (ja) 2012-06-21
JPWO2012081166A1 (ja) 2014-05-22
US20130132099A1 (en) 2013-05-23
CN102985969A (zh) 2013-03-20
CN102985969B (zh) 2014-12-10

Similar Documents

Publication Publication Date Title
JP5706445B2 (ja) 符号化装置、復号装置およびそれらの方法
KR101344174B1 (ko) 오디오 신호 처리 방법 및 오디오 디코더 장치
US9406307B2 (en) Method and apparatus for polyphonic audio signal prediction in coding and networking systems
JP5328368B2 (ja) 符号化装置、復号装置、およびこれらの方法
JP5203929B2 (ja) スペクトルエンベロープ表示のベクトル量子化方法及び装置
JP5363488B2 (ja) マルチチャネル・オーディオのジョイント強化
RU2418324C2 (ru) Поддиапазонный речевой кодекс с многокаскадными таблицами кодирования и избыточным кодированием
US7848921B2 (en) Low-frequency-band component and high-frequency-band audio encoding/decoding apparatus, and communication apparatus thereof
KR101139172B1 (ko) 스케일러블 음성 및 오디오 코덱들에서 양자화된 ｍｄｃｔ 스펙트럼에 대한 코드북 인덱스들의 인코딩/디코딩을 위한 기술
KR101075845B1 (ko) 오디오 신호 인코딩
US9830920B2 (en) Method and apparatus for polyphonic audio signal prediction in coding and networking systems
US20080208575A1 (en) Split-band encoding and decoding of an audio signal
JP2010503881A (ja) 音声・音響送信器及び受信器のための方法及び装置
WO2008072737A1 (ja) 符号化装置、復号装置およびこれらの方法
JPWO2007126015A1 (ja) 音声符号化装置、音声復号化装置、およびこれらの方法
KR101081781B1 (ko) 대역폭 적응 양자화
WO2012169133A1 (ja) 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
WO2008053970A1 (fr) Dispositif de codage de la voix, dispositif de décodage de la voix et leurs procédés
EP2057626B1 (en) Encoding an audio signal
Bhatt Implementation and overall performance evaluation of CELP based GSM AMR NB coder over ABE
JP5774490B2 (ja) 符号化装置、復号装置およびこれらの方法
KR101551236B1 (ko) 패킷 손실 은닉에서의 적응형 뮤팅 방법
Babu et al. High quality voice calls on mobile communication networks: A better user experience

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20140508

A711 Notification of change in applicant

Free format text: JAPANESE INTERMEDIATE CODE: A711

Effective date: 20140605

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20141028

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20141211

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20150203

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20150226

R150 Certificate of patent or registration of utility model

Ref document number: 5706445

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

S111 Request for change of ownership or part of ownership

Free format text: JAPANESE INTERMEDIATE CODE: R313113

R350 Written notification of registration of transfer

Free format text: JAPANESE INTERMEDIATE CODE: R350

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

LAPS Cancellation because of no payment of annual fees