JP5809066B2 - 音声符号化装置および音声符号化方法 - Google Patents

音声符号化装置および音声符号化方法 Download PDF

Info

Publication number
JP5809066B2
JP5809066B2 JP2011549936A JP2011549936A JP5809066B2 JP 5809066 B2 JP5809066 B2 JP 5809066B2 JP 2011549936 A JP2011549936 A JP 2011549936A JP 2011549936 A JP2011549936 A JP 2011549936A JP 5809066 B2 JP5809066 B2 JP 5809066B2
Authority
JP
Japan
Prior art keywords
signal
encoding
coefficient
unit
weighting
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.)
Active
Application number
JP2011549936A
Other languages
English (en)
Other versions
JPWO2011086924A1 (ja
Inventor
ゾンシアン リウ
ゾンシアン リウ
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 JP2011549936A priority Critical patent/JP5809066B2/ja
Publication of JPWO2011086924A1 publication Critical patent/JPWO2011086924A1/ja
Application granted granted Critical
Publication of JP5809066B2 publication Critical patent/JP5809066B2/ja
Active 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
    • G10L19/02—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using spectral analysis, e.g. transform vocoders or subband vocoders
    • G10L19/0212—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using spectral analysis, e.g. transform vocoders or subband vocoders using orthogonal transformation
    • 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
    • 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
    • G10L19/08—Determination or coding of the excitation function; Determination or coding of the long-term prediction parameters
    • G10L19/12—Determination or coding of the excitation function; Determination or coding of the long-term prediction parameters the excitation function being a code excitation, e.g. in code excited linear prediction [CELP] vocoders

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)
  • Quality & Reliability (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Compression, Expansion, Code Conversion, And Decoders (AREA)

Description

本発明は、音声符号化装置および音声符号化方法に関する。
音声符号化には、主として２つのタイプの符号化技術として、変換符号化および線形予測符号化が存在する。
変換符号化では、離散フーリエ変換（ＤＦＴ）または修正離散コサイン変換（ＭＤＣＴ）などを使用して、信号を時間領域からスペクトル領域に変換し、スペクトル係数を符号化する。符号化のプロセスにおいては、通常、心理音響モデルを適用してスペクトル係数の聴覚上の重要度を求めた後、スペクトル係数を、それぞれの聴覚上の重要度に従って符号化する。いくつかの一般的な変換符号化は、ＭＰＥＧ ＭＰ３、ＭＰＥＧ ＡＡＣ、およびＤｏｌｂｙ ＡＣ３である。変換符号化は、音楽信号や一般的な音声信号に対して有効である。
図１は変換符号化の構成を示している。
図１の符号化側においては、時間−周波数変換部１０１が、離散フーリエ変換（ＤＦＴ）または修正離散コサイン変換（ＭＤＣＴ）などの時間−周波数変換を使用して、時間領域信号Ｓ（ｎ）を周波数領域信号Ｓ（ｆ）に変換する。
心理音響モデル分析部１０３は、周波数領域信号Ｓ（ｆ）に心理音響モデル分析を行ってマスキング曲線を求める。
符号化部１０２は、心理音響モデル分析から求められたマスキング曲線に従って、周波数領域信号Ｓ（ｆ）に符号化を行って量子化雑音が聞こえないようにする。
多重化部１０４は、符号化部１０２で生成された符号化パラメータを多重化して復号側に送信する。
図１の復号側においては、分離部１０５が、ビットストリーム情報を分離して符号化パラメータを生成する。
復号部１０６は、符号化パラメータを復号し、復号化された周波数領域信号Ｓ〜（ｆ）を生成する。
周波数−時間変換部１０７は、逆離散フーリエ変換（ＩＤＦＴ）または逆修正離散コサイン変換（ＩＭＤＣＴ）などの周波数−時間変換を使用して、復号化された周波数領域信号Ｓ〜（ｆ）を時間領域に変換し、復号化された時間領域信号Ｓ〜（ｎ）を生成する。
一方、線形予測符号化では、時間領域における音声信号の冗長性を利用して、入力音声信号に線形予測を適用することによって、残差／励振信号を得る。音声信号、特に有声区間（共鳴効果と高いピッチ周期成分）の場合、線形予測符号化では、効率的に音響再生信号が生成される。線形予測の後、残差／励振信号を、主として２つの異なる方法、ＴＣＸおよびＣＥＬＰによって符号化する。
ＴＣＸでは、残差／励振信号を周波数領域において効率的に変換および符号化する。いくつかの一般的なＴＣＸ符号化として、３ＧＰＰ ＡＭＲ−ＷＢ＋，ＭＰＥＧ ＵＳＡＣ等がある。
図２はＴＣＸ符号化の構成を示している。
図２の符号化側においては、ＬＰＣ分析部２０１が、時間領域における信号の冗長性を利用するため、入力信号にＬＰＣ分析を行う。
符号化部２０２は、ＬＰＣ分析部２０１からのＬＰＣ係数を符号化する。
復号部２０３は、符号化されたＬＰＣ係数を復号する。
逆フィルタ部２０４は、復号部２０３からの復号されたＬＰＣ係数を使用して、入力信号Ｓ（ｎ）にＬＰＣ逆フィルタを適用することによって、残差（励振）信号Ｓｒ（ｎ）を得る。
時間−周波数変換部２０５は、離散フーリエ変換（ＤＦＴ）または修正離散コサイン変換（ＭＤＣＴ）などの時間−周波数変換を使用して、残差信号Ｓｒ（ｎ）を周波数領域信号Ｓｒ（ｆ）に変換する。
符号化部２０６は、Ｓｒ（ｆ）に対して符号化を行う。
多重化部２０７は、符号化部２０２で生成された、符号化されたＬＰＣ係数と、符号化部２０６で生成された符号化パラメータとを多重化し、復号側に送信する。
図２の復号側においては、分離部２０８が、ビットストリーム情報を分離して、符号化されたＬＰＣ係数と符号化パラメータとを生成する。
復号部２１０は、符号化パラメータを復号し、復号化された周波数領域の残差信号Ｓｒ 〜（ｆ）を生成する。
ＬＰＣ係数復号部２０９は、符号化されたＬＰＣ係数を復号してＬＰＣ係数を得る。
周波数−時間変換部２１１は、逆離散フーリエ変換（ＩＤＦＴ）または逆修正離散コサイン変換（ＩＭＤＣＴ）などの周波数−時間変換を使用して、復号化された周波数領域の残差信号Ｓｒ 〜（ｆ）を時間領域に変換し、復号化された時間領域の残差信号Ｓｒ 〜（ｎ）を生成する。
合成フィルタ２１２は、ＬＰＣ係数復号部２０９からの復号されたＬＰＣ係数を用いて、復号化された時間領域の残差信号Ｓｒ 〜（ｎ）をＬＰＣ合成フィルタリング処理し、復号化された時間領域信号Ｓ〜（ｎ）を得る。
また、ＣＥＬＰ符号化においては、残差／励振信号を、所定のコードブックを使用して符号化する。音質を向上させる目的で、多くの場合、元の信号とＬＰＣ合成信号との間の誤差信号を周波数領域に変換して符号化する。一般的なＣＥＬＰ符号化として、ＩＴＵ−Ｔ Ｇ．７２９．１，ＩＴＵ−Ｔ Ｇ．７１８等がある。
図３はＣＥＬＰ符号化と変換符号化とを組み合わせた符号化の構成を示している。
図３の符号化側においては、ＣＥＬＰ符号化部３０１が、時間領域における信号の冗長性を利用するため、入力信号にＣＥＬＰ符号化を行う。
ＣＥＬＰ復号部３０２は、ＣＥＬＰ符号化部３０１で生成されたＣＥＬＰパラメータを使用して合成信号Ｓｓｙｎ（ｎ）を生成する。
減算器３１０は、入力信号から合成信号を減算することによって、誤差信号Ｓｅ（ｎ）（入力信号と合成信号との間の誤差信号）を得る。
時間−周波数変換部３０３は、離散フーリエ変換（ＤＦＴ）または修正離散コサイン変換（ＭＤＣＴ）などの時間−周波数変換を使用して、誤差信号Ｓｅ（ｎ）を周波数領域信号（スペクトル係数）Ｓｅ（ｆ）に変換する。
符号化部３０４は、Ｓｅ（ｆ）を符号化する。
多重化部３０５は、ＣＥＬＰ符号化部３０１で生成されたＣＥＬＰパラメータと、符号化部３０４で生成された符号化パラメータとを多重化して復号側に送信する。
図３の復号側においては、分離部３０６が、ビットストリーム情報を分離して、ＣＥＬＰパラメータと符号化パラメータとを生成する。
復号部３０８は、符号化パラメータを復号し、復号化された周波数領域の残差信号Ｓｅ 〜（ｆ）を生成する。
ＣＥＬＰ復号部３０７は、ＣＥＬＰパラメータを使用してＣＥＬＰ合成信号Ｓｓｙｎ（ｎ）を生成する。
周波数−時間変換部３０９は、逆離散フーリエ変換（ＩＤＦＴ）または逆修正離散コサイン変換（ＩＭＤＣＴ）などの周波数−時間変換を使用して、復号化された周波数領域の残差信号Ｓｅ 〜（ｆ）を時間領域に変換し、復号化された時間領域の残差信号（予測誤差信号）Ｓｅ 〜（ｎ）を生成する。
加算器３１１は、ＣＥＬＰ合成信号Ｓｓｙｎ（ｎ）と、復号化された予測誤差信号Ｓｅ 〜（ｎ）とを加算することによって、復号化された時間領域信号Ｓ〜（ｎ）を生成する。
変換符号化および線形予測符号化では、周波数領域の信号、すなわちスペクトル係数（変換係数）に対して、何らかの符号化方法が適用される。
聴覚的に重要なスペクトル係数に限られた符号化ビットを集中させる目的で、変換符号化のスペクトル係数の符号化では、通常、符号化の前に、スペクトル係数の聴覚上の重要度を表す重み付け係数を求めてスペクトル係数の符号化に利用する。
変換符号化においては、人の聴覚系に特有のマスキング現象を利用するため、通常では心理音響モデルに従って聴覚重み付け係数を求める。
一方、線形予測符号化においては、入力信号に対して線形予測が行われるため、心理音響モデルを求めることが容易ではない。そのため、聴覚重み付け係数は、通常ではエネルギ対雑音比または信号対雑音比に基づいて計算する。
以下、変換符号化または線形予測符号化に適用されるスペクトル係数の符号化を、パルスベクトル符号化（pulse vector coding）と呼ぶことにする。
新たに標準化された音声符号化であるＩＴＵ−Ｔ Ｇ．７１８の第５レイヤにおいて、パルスベクトル符号化法の１つである階乗パルス符号化（Factorial Pulse Coding）が提案されている（図４）。
階乗パルス符号化は、符号化情報が単位振幅パルス（unit magnitude pulse）であるパルスベクトル符号化の１つである。パルスベクトル符号化では、符号化の対象となるスペクトル係数を複数のパルスで表し、これらのパルスの位置、振幅、および極性を求めて、その情報を符号化する。その際、パルスを単位振幅に正規化するため、グローバルゲインを求め、これも符号化する。よって、図５に示したように、パルスベクトル符号化の符号化パラメータは、グローバルゲイン、パルスの位置、パルスの振幅、およびパルスの極性である。
図６は、パルスベクトル符号化の概念を示している。
図６に示すように、長さがＮである入力スペクトルＳ（ｆ）において、Ｍ個のパルスそれぞれの位置、振幅、および極性と、１つのグローバルゲインとを一緒に符号化する。符号化によって生成されたスペクトルＳ〜（ｆ）においては、Ｍ個のパルスおよびそれらの位置、振幅、および極性のみが生成されており、それ以外のスペクトル係数はすべて０に設定されている。
従来の変換符号化においては、聴覚上の重要度は、サブバンドに基づいて求められる。一例は、Ｇ．７２９．１におけるＴＤＡＣ（Time Domain Aliasing Cancellation）符号化である。
図７はＧ．７２９．１におけるＴＤＡＣ符号化の構成を示している。
図７において、バンド分割部７０１は、入力信号（スペクトル係数）Ｓ（ｆ）を複数のサブバンドに分割する。ここで、入力信号は、低域部においては原信号とＣＥＬＰ復号信号との間の誤差信号ＭＤＣＴ係数、高域部においては原信号のＭＤＣＴ係数にて構成されている。
スペクトル包絡計算部７０２は、サブバンド信号｛Ｓｓｂ（ｆ）｝それぞれについてスペクトル包絡（サブバンド毎のエネルギ）を計算する。
符号化部７０３は、スペクトル包絡を符号化する。
ビット割当部７０４は、符号化されたスペクトル包絡に従って、聴覚上の重要度の順位｛ｉｐｓｂ｝を求め、サブバンドへのビット割り当てを行う。
ベクトル量子化部７０５は、割り当てられたビットを用いて、分割球ベクトル量子化（split spherical VQ method）を使用して、サブバンド信号｛Ｓｓｂ（ｆ）｝を符号化する。
ITU-T Recommendation G.729.1 (2007) ''G.729-based embedded variable bit-rate coder: An 8-32kbit/s scalable wideband coder bitstream interoperable with G.729'' T. Vaillancourt et al, ''ITU-T EV-VBR: A Robust 8-32 kbit/s Scalable Coder for Error Prone Telecommunication Channels'', in Proc. Eusipco, Lausanne, Switzerland, August 2008 Lefebvre, et al., ''High quality coding of wideband audio signals using transform coded excitation (TCX)'', IEEE International Conference on Acoustics, Speech, and Signal Processing, vol. 1, pp. I/193-I/196, Apr. 1994 Karl Heinz Brandenburg, ''MP3 and AAC Explained'', AES 17thInternational Conference, Florence, Italy, September 1999.
ここで、サブバンド単位に聴覚上の重要度を求めることは、上述したパルスベクトル符号化など、特定の符号化方法においては効果的でない。
聴覚上の重要度をサブバンド単位に求めることは、サブバンドに含まれるスペクトル係数の聴覚上の重要度が同じであることを意味する。
一方で、パルス符号化では、個々のスペクトル係数の振幅値に基づいて、全帯域のスペクトルから符号化されるスペクトル係数を選択する。この場合、サブバンド単位に求められる聴覚上の重要度は、個々のスペクトル係数の聴覚上の重要度を正確には表すことができない。
図８に示したように、１つのサブバンドに５つのスペクトル係数Ｓｓｂ（ｆ０）、Ｓｓｂ（ｆ１）、Ｓｓｂ（ｆ２）、Ｓｓｂ（ｆ３）、Ｓｓｂ（ｆ４）が存在するとする。また、符号化方法としてパルスベクトル符号化を使用する。５つのスペクトル係数のうちＳｓｂ（ｆ１）が最大の振幅を有し、このサブバンドに割り当てられる符号化ビットによって１つのパルスを符号化することしかできないならば、Ｓｓｂ（ｆ１）を選択して符号化する。ここで仮に、このサブバンドにおいて聴覚上の重要度を求めて符号化したとしても、Ｓｓｂ（ｆ１）が依然として符号化されてしまう。なぜなら、５つのスペクトル係数すべての聴覚上の重要度レベルが同じであるからである。しかしながら、原信号のマスキング曲線Ｍ（ｆ）を求めると、Ｓｓｂ（ｆ３）がマスキング曲線Ｍ（ｆ）を超えているため、Ｓｓｂ（ｆ３）が聴覚上最も重要なスペクトル係数であることが分かる。したがって、サブバンドに基づいて聴覚上の重要度を求めた場合、聴覚上最も重要なスペクトル係数（この例ではＳｓｂ（ｆ３））が符号化されずに、代わりに別のスペクトル係数（この例ではＳｓｂ（ｆ１））が最も振幅値が大きいため符号化されることになる。
なお、周波数単位でマスキング曲線を求める従来技術は存在するが、符号化ビットの配分や聴感的な重み付け処理はサブバンド単位で行われている。つまり、サブバンド内に含まれるスペクトル係数の聴覚上の重要度の違いは考慮されていない。
本発明の音声符号化装置は、互いに異なる周波数の複数のスペクトル係数それぞれの聴覚上の重要度を推定する推定手段と、推定された各重要度に基づいて、前記複数のスペクトル係数それぞれの重み付け係数を算出する算出手段と、算出された各重み付け係数を用いて、前記複数のスペクトル係数それぞれを重み付けする重み付け手段と、重み付けされた前記複数のスペクトル係数を符号化する符号化手段と、を具備する構成を採る。
また、本発明の音声符号化装置は、少なくとも低位レイヤおよび高位レイヤの２階層よりなる階層符号化を行う音声符号化装置であって、入力信号と前記低位レイヤの復号信号との誤差信号を生成する生成手段と、前記入力信号および前記誤差信号を用いて信号対雑音比を算出し、前記信号対雑音比に基づいて、前記誤差信号における互いに異なる周波数の複数のスペクトル係数それぞれの聴覚上の重要度を推定する推定手段と、推定された各重要度に基づいて、前記複数のスペクトル係数それぞれの重み付け係数を算出する算出手段と、算出された各重み付け係数を用いて、前記複数のスペクトル係数それぞれを重み付けする重み付け手段と、重み付けされた前記複数のスペクトル係数を符号化する符号化手段と、を具備する構成を採る。
また、本発明の音声符号化方法は、互いに異なる周波数の複数のスペクトル係数それぞれの聴覚上の重要度を推定するステップと、推定された各重要度に基づいて、前記複数のスペクトル係数それぞれの重み付け係数を算出するステップと、算出された各重み付け係数を用いて、前記複数のスペクトル係数それぞれを重み付けするステップと、重み付けされた前記複数のスペクトル係数を符号化するステップと、を具備する。
本発明によれば、復号側において良好な音質の復号信号を得ることができる。
変換符号化の構成を示す図（従来） ＴＣＸ符号化の構成を示す図（従来） ＣＥＬＰ符号化と変換符号化とを組み合わせた符号化の構成を示す図（従来） ＩＴＵ−Ｔ Ｇ．７１８の階乗パルス符号化の構成を示す図（従来） パルスベクトル符号化の符号化パラメータを示す図（従来） パルスベクトル符号化の概念を示す図（従来） Ｇ．７２９．１におけるＴＤＡＣ符号化の構成を示す図（従来） Ｇ．７２９．１におけるＴＤＡＣ符号化の聴覚上の重要度の計算例を示す図 本発明の聴覚上の重要度の計算例を示す図 本発明の実施の形態１に係る音声符号化装置の構成を示す図 本発明の実施の形態１に係る音声復号装置の構成を示す図 本発明の実施の形態１に係る聴覚重み付け部の構成を示す図 本発明の実施の形態１において個々のスペクトル係数を聴覚的に重み付けする様子を示す図 本発明の実施の形態２に係る音声符号化装置の構成を示す図 本発明の実施の形態２に係る音声復号装置の構成を示す図 本発明の実施の形態２に係る聴覚重み付け部の構成を示す図 本発明の実施の形態２において個々のスペクトル係数を聴覚的に重み付けする様子を示す図 本発明の実施の形態３に係る音声符号化装置の構成を示す図 本発明の実施の形態３に係る音声復号装置の構成を示す図 本発明の実施の形態３に係る聴覚重み付け部の構成を示す図（構成例１） 本発明の実施の形態３に係る聴覚重み付け部の構成を示す図（構成例２） 本発明の実施の形態３において個々のスペクトル係数を聴覚的に重み付けする様子を示す図
本発明では、サブバンド単位ではなく、個々のスペクトル係数それぞれの聴覚上の重要度を求めて符号化を行う。心理音響モデル分析、信号対雑音比、または聴感に関連したパラメータに基づき求められる聴覚上の重要度に従って、重み付け係数を求めて個々のスペクトル係数に適用する。重み付け係数は、スペクトル係数の聴覚上の重要度が高いほど大きく、聴覚上の重要度が低いほど小さい。よって、聴覚的に重み付けされたスペクトル係数に対して符号化が行われることにより、聴覚的に良好な品質を達成することができる。
本発明では、図９に示したように、マスキング曲線に従って聴覚上の重要度を求める。聴覚上の重要度によると、Ｓｓｂ（ｆ１）は、振幅は最大であるが聴覚上重要ではないことが分かる。そのため、聴覚上の重要度が低いＳｓｂ（ｆ１）には小さい重みが適用されるため、Ｓｓｂ（ｆ１）は抑制される。その結果、聴覚上最も重要であるＳｓｂ（ｆ３）が符号化されるようになる。
本発明の第１の態様においては、個々のスペクトル係数それぞれの聴覚上の重要度を求め、聴覚上の重要度に従って重み付け係数を求めてスペクトル係数それぞれに適用し、聴覚的に重み付けされたスペクトル係数に対して符号化を行う。
これにより、聴覚重み付け係数は、個々のスペクトル係数それぞれについて求められるため、より正確であり、したがって、聴覚上最も重要であるスペクトル係数を選択して符号化することができ、より良好な符号化性能（音質の向上）を達成することができる。
本発明の第２の態様においては、聴覚重み付け係数の適用を符号化側にてのみ行う。つまり、復号側ではこれに対応する逆重み付け処理は行わない。
これにより、聴覚重み付け係数を復号側に送信する必要がない。そのため、聴覚重み付け係数を符号化するためのビットを節約することができる。
本発明の第３の態様においては、階層符号化（スケーラブル符号化）では、各レイヤにおいて、誤差信号の聴覚上の重要度を更新する。各レイヤにおいて、聴覚上の重要度に従って重みを計算し、符号化するスペクトル係数それぞれに適用する。
これにより、各符号化ステップまたは各レイヤにおいて、信号がその聴覚上の重要度に従って符号化され、したがって、各符号化ステップまたは各レイヤにおいて、より良好な聴覚上の品質（音質の向上）を達成することができる。
以下、本発明の各実施の形態について図面を用いて説明する。
（実施の形態１）
図１０Ａに本実施の形態に係る音声符号化装置１０００Ａの構成を示す。また、図１０Ｂに本実施の形態に係る音声復号装置１０００Ｂの構成を示す。
本実施の形態では、パルスベクトル符号化において、個々のスペクトル係数を聴覚的に重み付けする。
音声符号化装置１０００Ａ（図１０Ａ）において、時間−周波数変換部１００１は、離散フーリエ変換（ＤＦＴ）または修正離散コサイン変換（ＭＤＣＴ）などの時間−周波数変換を使用して、時間領域信号Ｓ（ｎ）を周波数領域信号（スペクトル係数）Ｓ（ｆ）に変換する。
心理音響モデル分析部１００２は、周波数領域信号Ｓ（ｆ）に対して心理音響モデル分析を行ってマスキング曲線を求める。
聴覚重み付け部１００３は、マスキング曲線に基づいて聴覚上の重要度を推定し、個々のスペクトル係数それぞれの重み付け係数を求めてスペクトル係数に適用する。
符号化部１００４は、聴覚的に重み付けされた周波数領域信号ＳＰＷ（ｆ）を符号化する。
多重化部１００５は、符号化パラメータを多重化して音声復号装置１０００Ｂ（図１０Ｂ）に送信する。
音声復号装置１０００Ｂ（図１０Ｂ）において、分離部１００６は、ビットストリーム情報を分離して符号化パラメータを生成する。
復号部１００７は、符号化パラメータを復号し、復号化された周波数領域信号Ｓ〜（ｆ）を生成する。
周波数−時間変換部１００８は、逆離散フーリエ変換（ＩＤＦＴ）または逆修正離散コサイン変換（ＩＭＤＣＴ）などの周波数−時間変換を使用して、復号化された周波数領域信号Ｓ〜（ｆ）を時間領域に変換し、復号化された時間領域信号Ｓ〜（ｎ）を生成する。
図１１に本実施の形態に係る聴覚重み付け部１００３の構成を示す。図１１には、個々のスペクトル係数を聴覚的に重み付けするための構成を示している。
聴覚重み付け部１００３において、推定部１１０１は、マスキング曲線Ｍ（ｆ）に従って、スペクトル係数それぞれの聴覚上の重要度ｐｉ（ｆ）を推定する。聴覚上の重要度ｐｉ（ｆ）は、スペクトル係数がどの程度聴感的に重要かを定量的に示すパラメータである。聴覚上の重要度ｐｉ（ｆ）が大きい値を示すほど、そのスペクトル係数は聴感的に重要である。聴覚上の重要度ｐｉ（ｆ）はマスキング曲線Ｍ（ｆ）とスペクトル係数のエネルギに基づいて算出される。その算出は対数領域で行われても良く、例えば、次式に従い聴覚上の重要度ｐｉ（ｆ）が算出される。
Figure 0005809066
重み係数算出部１１０２は、聴覚上の重要度ｐｉ（ｆ）に基づいて重み付け係数Ｗ（ｆ）を算出する。重み付け係数Ｗ（ｆ）はスペクトル係数Ｓ（ｆ）に重み付けを行うためのものである。聴覚上の重要度ｐｉ（ｆ）が大きい値を示すほど、重み付け係数Ｗ（ｆ）は大きい値となり、例えば次式のように求められる。
Figure 0005809066
重み付け部１１０３は、重み付け係数Ｗ（ｆ）をスペクトル係数Ｓ（ｆ）に乗じ、聴覚的に重み付けされたスペクトル係数ＳＰＷ（ｆ）を生成する。よって、スペクトル係数ＳＰＷ（ｆ）は次式のようになる。
Figure 0005809066
図１２に、個々のスペクトル係数を聴覚的に重み付けする様子を示す。
図１２に示すように、スペクトル係数Ｓ（ｆ０）およびＳ（ｆ４）のエネルギはマスキング曲線Ｍ（ｆ０）およびＭ（ｆ１）よりも下回っている。したがって、これら２つのスペクトル係数に乗じられる重み付け係数Ｗ（ｆ０）およびＷ（ｆ４）は１未満の値となるため、スペクトル係数Ｓ（ｆ０）およびＳ（ｆ４）のエネルギは抑制される。
一例として、聴覚上の重要度ｐｉ（ｆ）および重み付け係数Ｗ（ｆ）が上記のように算出される場合に、聴覚的に重み付けされたスペクトル係数ＳＰＷ（ｆ０）およびＳＰＷ（ｆ４）は以下のように表され、スペクトル係数Ｓ（ｆ０）およびＳ（ｆ４）よりも小さくなることが分かる。
Figure 0005809066
このように、本実施の形態によれば、パルスベクトル符号化において、個々のスペクトル係数それぞれの聴覚上の重要度を求め、聴覚上の重要度に従って重み付け係数を求めてスペクトル係数それぞれに適用し、聴覚的に重み付けされたスペクトル係数に対して符号化を行う。
これにより、聴感的な重み付け処理をサブバンド単位で行う場合に比べ、聴覚重み付け係数は、個々のスペクトル係数それぞれについて、より正確に求めることができる。したがって、聴覚上最も重要であるスペクトル係数を選択して符号化することができるようになり、より良好な符号化性能を達成することができる。
また、本実施の形態によれば、聴覚重み付け係数の適用を符号化側（音声符号化装置１０００Ａ）にてのみ行う。つまり、復号側（音声復号装置１０００Ｂ）ではこれに対応する逆重み付け処理は行わない。
これにより、聴覚重み付け係数を復号側に送信する必要がない。そのため、聴覚重み付け係数を符号化するためのビットを節約することができる。
（実施の形態２）
図１３Ａに本実施の形態に係る音声符号化装置１３００Ａの構成を示す。また、図１３Ｂに本実施の形態に係る音声復号装置１３００Ｂの構成を示す。
本実施の形態では、ＴＣＸ符号化において、個々のスペクトル係数を聴覚的に重み付けする。
音声符号化装置１３００Ａ（図１３Ａ）において、ＬＰＣ分析部１３０１は、時間領域における信号の冗長性を利用するため、入力信号にＬＰＣ分析を行う。
符号化部１３０２は、ＬＰＣ分析部１３０１からのＬＰＣ係数を符号化する。
復号部１３０３は、符号化されたＬＰＣ係数を復号する。
逆フィルタ部１３０４は、復号部１３０３からの復号されたＬＰＣ係数を使用して、入力信号Ｓ（ｎ）にＬＰＣ逆フィルタを適用することによって、残差（励振）信号Ｓｒ（ｎ）を得る。
時間−周波数変換部１３０５は、離散フーリエ変換（ＤＦＴ）または修正離散コサイン変換（ＭＤＣＴ）などの時間−周波数変換を使用して、残差信号Ｓｒ（ｎ）を周波数領域信号（スペクトル係数）Ｓｒ（ｆ）に変換する。
時間−周波数変換部１３０６は、離散フーリエ変換（ＤＦＴ）または修正離散コサイン変換（ＭＤＣＴ）などの時間−周波数変換を使用して、原信号Ｓ（ｎ）を周波数領域信号（スペクトル係数）Ｓ（ｆ）に変換する。
聴覚重み付け部１３０７は、周波数領域信号Ｓ（ｆ）に心理音響モデル分析を行ってマスキング曲線を求める。また、聴覚重み付け部１３０７は、マスキング曲線に基づいて聴覚上の重要度を推定し、個々のスペクトル係数それぞれの重み付け係数を求めてスペクトル係数に適用する。
符号化部１３０８は、聴覚的に重み付けされた残差信号Ｓｒ＿ＰＷ（ｆ）を符号化する。
多重化部１３０９は、符号化パラメータを多重化し、復号側に送信する。
音声復号装置１３００Ｂ（図１３Ｂ）において、分離部１３１０は、ビットストリーム情報を分離して符号化パラメータを生成する。
復号部１３１１は、符号化パラメータを復号し、復号化された周波数領域の残差信号Ｓｒ 〜 ＿ＰＷ（ｆ）を生成する。
ＬＰＣ係数復号部１３１３は、ＬＰＣ係数を復号する。
周波数−時間変換部１３１２は、逆離散フーリエ変換（ＩＤＦＴ）または逆修正離散コサイン変換（ＩＭＤＣＴ）などの周波数−時間変換を使用して、復号化された周波数領域の残差信号Ｓｒ 〜 ＿ＰＷ（ｆ）を時間領域に変換し、復号化された時間領域の残差信号Ｓｒ 〜（ｎ）を生成する。
合成フィルタ１３１４は、ＬＰＣ係数復号部１３１３からの復号されたＬＰＣ係数を用いて、復号化された時間領域の残差信号Ｓｒ 〜（ｎ）をＬＰＣ合成フィルタリング処理し、復号化された時間領域信号Ｓ〜（ｎ）を得る。
図１４に本実施の形態に係る聴覚重み付け部１３０７の構成を示す。図１４には、個々のスペクトル係数を聴覚的に重み付けするための構成を示している。なお、図１４において図１１と同一の構成には同一の符号を付し説明を省略する。
聴覚重み付け部１３０７において、心理音響モデル分析部１４０１は、原信号のスペクトル係数Ｓ（ｆ）に基づいてマスキング曲線Ｍ（ｆ）を計算する。
図１５に、個々のスペクトル係数を聴覚的に重み付けする様子を示す。
図１５に示すように、スペクトル係数Ｓ（ｆ０）、Ｓ（ｆ１）、Ｓ（ｆ２）、およびＳ（ｆ４）のエネルギはマスキング曲線Ｍ（ｆ０）、Ｍ（ｆ１）、Ｍ（ｆ２）、およびＭ（ｆ４）よりも下回っている。したがって、これらのスペクトル係数においてビットが無駄にならないように、これらのスペクトル係数のエネルギを抑制する。
このように、本実施の形態によれば、ＴＣＸ符号化において、個々のスペクトル係数それぞれの聴覚上の重要度を求め、聴覚上の重要度に従って重み付け係数を求めてスペクトル係数それぞれに適用し、聴覚的に重み付けされたスペクトル係数に対して符号化を行う。
これにより、聴感的な重み付け処理をサブバンド単位で行う場合に比べ、聴覚重み付け係数は、個々のスペクトル係数それぞれについて、より正確に求めることができる。したがって、聴覚上最も重要であるスペクトル係数を選択して符号化することができるようになり、より良好な符号化性能を達成することができる。
また、本実施の形態によれば、聴覚重み付け係数の適用を符号化側（音声符号化装置１３００Ａ）にてのみ行う。つまり、復号側（音声復号装置１３００Ｂ）ではこれに対応する逆重み付け処理は行わない。
これにより、聴覚重み付け係数を復号側に送信する必要がない。そのため、聴覚重み付け係数を符号化するためのビットを節約することができる。
（実施の形態３）
図１６Ａに本実施の形態に係る音声符号化装置１６００Ａの構成を示す。また、図１６Ｂに本実施の形態に係る音声復号装置１６００Ｂの構成を示す。
本実施の形態では、低位レイヤにＣＥＬＰ符号化、高位レイヤに変換符号化を用いた階層符号化（スケーラブル符号化）において、個々のスペクトル係数を聴覚的に重み付けする。なお、以下の説明では、低位レイヤおよび高位レイヤの２階層よりなる階層符号化を一例として説明するが、本発明は、３階層以上からなる階層符号化にも同様に適用することができる。
音声符号化装置１６００Ａ（図１６Ａ）において、ＣＥＬＰ符号化部１６０１は、時間領域における信号の冗長性を利用するため、入力信号にＣＥＬＰ符号化を行う。
ＣＥＬＰ復号部１６０２は、ＣＥＬＰパラメータを使用して合成信号Ｓｓｙｎ（ｎ）を生成する。
減算器１６１２は、入力信号から合成信号を減算することによって、誤差信号Ｓｅ（ｎ）（入力信号と合成信号との間の誤差信号）を得る。
時間−周波数変換部１６０４は、離散フーリエ変換（ＤＦＴ）または修正離散コサイン変換（ＭＤＣＴ）などの時間−周波数変換を使用して、誤差信号Ｓｅ（ｎ）を周波数領域信号（スペクトル係数）Ｓｅ（ｆ）に変換する。
時間−周波数変換部１６０３は、離散フーリエ変換（ＤＦＴ）または修正離散コサイン変換（ＭＤＣＴ）などの時間−周波数変換を使用して、ＣＥＬＰ復号部１６０２からの合成信号Ｓｓｙｎ（ｎ）を周波数領域信号（スペクトル係数）Ｓｓｙｎ（ｆ）に変換する。
聴覚重み付け部１６０５は、個々のスペクトル係数における聴覚重み付けを、スペクトル係数Ｓｅ（ｆ）に適用する。ここで、聴覚重み付け係数はスペクトル係数Ｓｓｙｎ（ｆ）と誤差信号のスペクトル係数Ｓｅ（ｆ）とを基に求められる。
符号化部１６０６は、聴覚的に重み付けされた信号を符号化する。
多重化部１６０７は、符号化パラメータおよびＣＥＬＰパラメータを多重化し、復号側に送信する。
音声復号装置１６００Ｂ（図１６Ｂ）において、分離部１６０８は、ビットストリーム情報を分離して符号化パラメータおよびＣＥＬＰパラメータを生成する。
復号部１６１０は、符号化パラメータを復号し、復号化された周波数領域の誤差信号Ｓｅ 〜（ｆ）を生成する。
ＣＥＬＰ復号部１６０９は、ＣＥＬＰパラメータを使用して合成信号Ｓｓｙｎ（ｎ）を生成する。
周波数−時間変換部１６１１は、逆離散フーリエ変換（ＩＤＦＴ）または逆修正離散コサイン変換（ＩＭＤＣＴ）などの周波数−時間変換を使用して、復号化された周波数領域の残差信号Ｓｅ 〜（ｆ）を時間領域に変換し、復号化された時間領域の誤差信号Ｓｅ 〜（ｎ）を生成する。
加算器１６１３は、ＣＥＬＰ合成信号Ｓｓｙｎ（ｎ）と、復号化された誤差信号Ｓｅ 〜（ｎ）とを加算することによって、復号化された時間領域信号Ｓ〜（ｎ）を生成する。
図１７に本実施の形態に係る聴覚重み付け部１６０５の構成（構成例１）を示す。図１７には、個々のスペクトル係数を聴覚的に重み付けするための構成を示している。なお、図１７において図１１と同一の構成には同一の符号を付し説明を省略する。
図１７に示す聴覚重み付け部１６０５（構成例１）において、心理音響モデル分析部１７０１は、ＣＥＬＰ復号信号のスペクトル係数Ｓｓｙｎ（ｆ）に基づいてマスキング曲線Ｍ（ｆ）を計算する。
図１８に本実施の形態に係る聴覚重み付け部１６０５の構成（構成例２）を示す。図１８には、個々のスペクトル係数を聴覚的に重み付けするための構成を示している。
図１８に示す聴覚重み付け部１６０５（構成例２）において、加算器１８０５は、ＣＥＬＰ復号信号のスペクトルＳｓｙｎ（ｆ）と誤差信号のスペクトルＳｅ（ｆ）とを加算することによって、原信号のスペクトルＳ（ｆ）を生成する。
ＳＮＲ算出部１８０１は、生成された原信号のスペクトルＳ（ｆ）と誤差信号のスペクトルＳｅ（ｆ）との間の信号対雑音比を計算する。信号対雑音比ＳＮＲ（ｆ）は、次式のように算出される。
Figure 0005809066
推定部１８０２は、信号対雑音比ＳＮＲ（ｆ）に基づいて、スペクトル係数それぞれの聴覚上の重要度ｐｉ（ｆ）を推定する。聴覚上の重要度ｐｉ（ｆ）は、スペクトル係数がどの程度聴感的に重要かを定量的に示すパラメータである。聴覚上の重要度ｐｉ（ｆ）が大きい値を示すほど、そのスペクトル係数は聴感的に重要である。聴覚上の重要度ｐｉ（ｆ）は信号対雑音比ＳＮＲ（ｆ）とスペクトル係数のエネルギに基づいて算出される。その算出は対数領域で行われても良く、例えば、次式に従い聴覚上の重要度ｐｉ（ｆ）が算出される。
Figure 0005809066
ここで、Ｓａｖｅ ２はサブバンドに含まれるスペクトル係数の平均エネルギであり、次式のように算出される。
Figure 0005809066
また、ＳＮＲａｖｅはサブバンドに含まれるスペクトル係数全体の信号対雑音比を表し、次式のように算出される。
Figure 0005809066
または、聴覚上の重要度ｐｉ（ｆ）を信号対雑音比の項のみを用いて次式のように求めても良い。
Figure 0005809066
重み係数算出部１８０３は、聴覚上の重要度ｐｉ（ｆ）に基づいて重み付け係数Ｗ（ｆ）を算出する。重み付け係数Ｗ（ｆ）はスペクトル係数Ｓ（ｆ）に重み付けを行うためのものである。聴覚上の重要度ｐｉ（ｆ）が大きい値を示すほど、重み付け係数Ｗ（ｆ）は大きい値となり、例えば次式のように求められる。
Figure 0005809066
重み付け部１８０４は、重み付け係数Ｗ（ｆ）をスペクトル係数Ｓ（ｆ）に乗じ、聴覚的に重み付けされたスペクトル係数Ｓｅ＿ＰＷ（ｆ）を生成する。よって、スペクトル係数Ｓｅ＿ＰＷ（ｆ）は次式のようになる。
Figure 0005809066
図１９に、個々のスペクトル係数を聴覚的に重み付けする様子を示す。
図１９においてスペクトル係数Ｓ（ｆ１）に着目すると、このスペクトル係数が他のスペクトル係数よりも大きな振幅値を有していることが分かる。また、周波数ｆ１における信号対雑音比ＳＮＲ（ｆ１）も他の信号対雑音比に比べて最大値となっている。このとき、本実施の形態では、誤差信号のスペクトル係数Ｓｅ（ｆ１）には１未満の小さな重み付け係数Ｗ（ｆ１）が乗じられることになり、重み付け後のスペクトル係数Ｓｅ＿ＰＷ（ｆ１）はＳｅ（ｆ１）よりも小さな振幅値となる。
一例として、聴覚上の重要度ｐｉ（ｆ）および重み付け係数Ｗ（ｆ）が上記のように算出される場合に、聴覚的に重み付けされたスペクトル係数Ｓｅ＿ＰＷ（ｆ１）は以下のように表され、スペクトル係数Ｓｅ（ｆ１）よりも小さくなることが分かる。
Figure 0005809066
このように、本実施の形態によれば、信号対雑音比に従って周波数単位に重み付け係数を算出することにより、信号対雑音比の高いスペクトルの重要性を下げて、このスペクトルへ符号化ビットを配分させにくくする。
これにより、他の信号対雑音比の低いスペクトルへ符号化ビットが多く配分されるようになり、音質が向上する。
以上、本発明の各実施の形態について説明した。
なお、上記各実施の形態では、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、本発明はソフトウェアで実現することも可能である。
また、上記各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）や、ＬＳＩ内部の回路セルの接続や設定を再構成可能なリコンフィギュラブル・プロセッサーを利用してもよい。
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１月１４日出願の特願２０１０−００６３１２の日本出願に含まれる明細書、図面および要約書の開示内容は、すべて本願に援用される。
本発明は、音声符号化を行う通信装置、音声復号を行う通信装置、特に無線通信装置に好適である。
１０００Ａ 音声符号化装置
１０００Ｂ 音声復号装置
１００１ 時間−周波数変換部
１００２ 心理音響モデル分析部
１００３ 聴覚重み付け部
１００４ 符号化部
１００５ 多重化部
１００６ 分離部
１００７ 復号部
１００８ 周波数−時間変換部
１１０１ 推定部
１１０２ 重み係数算出部
１１０３ 重み付け部
１３００Ａ 音声符号化装置
１３００Ｂ 音声復号装置
１３０１ ＬＰＣ分析部
１３０２ 符号化部
１３０３ 復号部
１３０４ 逆フィルタ部
１３０５ 時間−周波数変換部
１３０６ 時間−周波数変換部
１３０７ 聴覚重み付け部
１３０８ 符号化部
１３０９ 多重化部
１３１０ 分離部
１３１１ 復号部
１３１２ 周波数−時間変換部
１３１３ ＬＰＣ係数復号部
１３１４ 合成フィルタ
１４０１ 心理音響モデル分析部
１６００Ａ 音声符号化装置
１６００Ｂ 音声復号装置
１６０１ ＣＥＬＰ符号化部
１６０２ ＣＥＬＰ復号部
１６０３ 時間−周波数変換部
１６０４ 時間−周波数変換部
１６０５ 聴覚重み付け部
１６０６ 符号化部
１６０７ 多重化部
１６０８ 分離部
１６０９ ＣＥＬＰ復号部
１６１０ 復号部
１６１１ 周波数−時間変換部
１６１２ 減算器
１６１３ 加算器
１７０１ 心理音響モデル分析部
１８０１ ＳＮＲ算出部
１８０２ 推定部
１８０３ 重み係数算出部
１８０４ 重み付け部
１８０５ 加算器

Claims (2)

  1. 少なくとも低位レイヤおよび高位レイヤの２階層よりなる階層符号化を行う音声符号化装置であって、
    入力信号と前記低位レイヤの復号信号との誤差信号を生成する生成手段と、
    前記入力信号および前記誤差信号を用いて信号対雑音比を算出し、前記信号対雑音比に基づいて、前記誤差信号における互いに異なる周波数の複数のスペクトル係数それぞれの聴覚上の重要度を推定する推定手段と、
    推定された各重要度に基づいて、前記複数のスペクトル係数それぞれの重み付け係数を算出する算出手段と、
    算出された各重み付け係数を用いて、前記複数のスペクトル係数それぞれを重み付けする重み付け手段と、
    重み付けされた前記複数のスペクトル係数を符号化する符号化手段と、
    を具備する音声符号化装置。
  2. 少なくとも低位レイヤおよび高位レイヤの２階層よりなる階層符号化を行う音声符号化方法であって、
    入力信号と前記低位レイヤの復号信号との誤差信号を生成するステップと、
    前記入力信号および前記誤差信号を用いて信号対雑音比を算出し、前記信号対雑音比に基づいて、前記誤差信号における互いに異なる周波数の複数のスペクトル係数それぞれの聴覚上の重要度を推定するステップと、
    推定された各重要度に基づいて、前記複数のスペクトル係数それぞれの重み付け係数を算出するステップと、
    算出された各重み付け係数を用いて、前記複数のスペクトル係数それぞれを重み付けするステップと、
    重み付けされた前記複数のスペクトル係数を符号化するステップと、
    を具備する音声符号化方法。
JP2011549936A 2010-01-14 2011-01-13 音声符号化装置および音声符号化方法 Active JP5809066B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2011549936A JP5809066B2 (ja) 2010-01-14 2011-01-13 音声符号化装置および音声符号化方法

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
JP2010006312 2010-01-14
JP2010006312 2010-01-14
PCT/JP2011/000134 WO2011086924A1 (ja) 2010-01-14 2011-01-13 音声符号化装置および音声符号化方法
JP2011549936A JP5809066B2 (ja) 2010-01-14 2011-01-13 音声符号化装置および音声符号化方法

Publications (2)

Publication Number Publication Date
JPWO2011086924A1 JPWO2011086924A1 (ja) 2013-05-16
JP5809066B2 true JP5809066B2 (ja) 2015-11-10

Family

ID=44304200

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2011549936A Active JP5809066B2 (ja) 2010-01-14 2011-01-13 音声符号化装置および音声符号化方法

Country Status (4)

Country Link
US (1) US20130030796A1 (ja)
EP (1) EP2525355B1 (ja)
JP (1) JP5809066B2 (ja)
WO (1) WO2011086924A1 (ja)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102081927B (zh) * 2009-11-27 2012-07-18 中兴通讯股份有限公司 一种可分层音频编码、解码方法及***
PL2933799T3 (pl) 2012-12-13 2017-12-29 Panasonic Intellectual Property Corporation Of America Urządzenie kodujące głos, urządzenie dekodujące głos, sposób kodowania głosu i sposób dekodowania głosu
CN105408957B (zh) * 2013-06-11 2020-02-21 弗朗霍弗应用研究促进协会 进行语音信号的频带扩展的装置及方法
KR102315920B1 (ko) * 2013-09-16 2021-10-21 삼성전자주식회사 신호 부호화방법 및 장치와 신호 복호화방법 및 장치
CN105745703B (zh) 2013-09-16 2019-12-10 三星电子株式会社 信号编码方法和装置以及信号解码方法和装置
US9401823B2 (en) * 2013-11-26 2016-07-26 Plusn Llc System and method for radio frequency carrier aggregation
EP3040987B1 (en) * 2013-12-02 2019-05-29 Huawei Technologies Co., Ltd. Encoding method and apparatus
TWI569257B (zh) * 2014-07-04 2017-02-01 玄舟科技有限公司 音訊處理裝置及其音訊處理方法
PT3413307T (pt) * 2014-07-25 2020-10-19 Fraunhofer Ges Forschung Aparelho de codificação de sinal de áudio, dispositivo de descodificação de sinal de áudio, e seus métodos
MX356371B (es) * 2014-07-25 2018-05-25 Fraunhofer Ges Forschung Dispositivo de codificacion de señal acustica, dispositivo de decodificacion de señal acustica, metodo para codificar una señal acustica y metodo para decodificar una señal acustica.
CN106448688B (zh) * 2014-07-28 2019-11-05 华为技术有限公司 音频编码方法及相关装置
CN113196387A (zh) * 2019-01-13 2021-07-30 华为技术有限公司 高分辨率音频编解码

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1020898A (ja) * 1996-07-01 1998-01-23 Matsushita Electric Ind Co Ltd オーディオ信号圧縮方法，およびオーディオ信号圧縮装置
JP2001331198A (ja) * 2000-05-22 2001-11-30 Nippon Telegr & Teleph Corp <Ntt> 音声・楽音信号符号化方法及びこの方法を実行するプログラムを記録した記録媒体
JP2006011170A (ja) * 2004-06-28 2006-01-12 Sony Corp 信号符号化装置及び方法、並びに信号復号装置及び方法
WO2006075563A1 (ja) * 2005-01-11 2006-07-20 Nec Corporation オーディオ符号化装置、オーディオ符号化方法およびオーディオ符号化プログラム
JP2007193043A (ja) * 2006-01-18 2007-08-02 Casio Comput Co Ltd 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

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7146313B2 (en) * 2001-12-14 2006-12-05 Microsoft Corporation Techniques for measurement of perceptual audio quality
US7240001B2 (en) * 2001-12-14 2007-07-03 Microsoft Corporation Quality improvement techniques in an audio encoder
US7725313B2 (en) * 2004-09-13 2010-05-25 Ittiam Systems (P) Ltd. Method, system and apparatus for allocating bits in perceptual audio coders
MX2007005261A (es) * 2004-11-04 2007-07-09 Koninkl Philips Electronics Nv Codificacion y descodificacion de un conjunto de senales.
KR100707173B1 (ko) * 2004-12-21 2007-04-13 삼성전자주식회사 저비트율 부호화/복호화방법 및 장치
KR100851970B1 (ko) * 2005-07-15 2008-08-12 삼성전자주식회사 오디오 신호의 중요주파수 성분 추출방법 및 장치와 이를이용한 저비트율 오디오 신호 부호화/복호화 방법 및 장치
US8046218B2 (en) * 2006-09-19 2011-10-25 The Board Of Trustees Of The University Of Illinois Speech and method for identifying perceptual features
US8396707B2 (en) * 2007-09-28 2013-03-12 Voiceage Corporation Method and device for efficient quantization of transform information in an embedded speech and audio codec
US8515767B2 (en) * 2007-11-04 2013-08-20 Qualcomm Incorporated Technique for encoding/decoding of codebook indices for quantized MDCT spectrum in scalable speech and audio codecs
JP5508692B2 (ja) 2008-06-30 2014-06-04 日本プラスト株式会社 フェンダープロテクタを取付けた車両
FR2947944A1 (fr) * 2009-07-07 2011-01-14 France Telecom Codage/decodage perfectionne de signaux audionumeriques

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1020898A (ja) * 1996-07-01 1998-01-23 Matsushita Electric Ind Co Ltd オーディオ信号圧縮方法，およびオーディオ信号圧縮装置
JP2001331198A (ja) * 2000-05-22 2001-11-30 Nippon Telegr & Teleph Corp <Ntt> 音声・楽音信号符号化方法及びこの方法を実行するプログラムを記録した記録媒体
JP2006011170A (ja) * 2004-06-28 2006-01-12 Sony Corp 信号符号化装置及び方法、並びに信号復号装置及び方法
WO2006075563A1 (ja) * 2005-01-11 2006-07-20 Nec Corporation オーディオ符号化装置、オーディオ符号化方法およびオーディオ符号化プログラム
JP2007193043A (ja) * 2006-01-18 2007-08-02 Casio Comput Co Ltd 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

Also Published As

Publication number Publication date
EP2525355A4 (en) 2016-11-02
US20130030796A1 (en) 2013-01-31
WO2011086924A1 (ja) 2011-07-21
EP2525355A1 (en) 2012-11-21
EP2525355B1 (en) 2017-11-01
JPWO2011086924A1 (ja) 2013-05-16

Similar Documents

Publication Publication Date Title
JP5809066B2 (ja) 音声符号化装置および音声符号化方法
JP6170520B2 (ja) オーディオ及び／またはスピーチ信号符号化及び／または復号化方法及び装置
RU2667382C2 (ru) Улучшение классификации между кодированием во временной области и кодированием в частотной области
JP5695074B2 (ja) 音声符号化装置および音声復号化装置
RU2485606C2 (ru) Схема кодирования/декодирования аудио сигналов с низким битрейтом с применением каскадных переключений
JP5863868B2 (ja) 適応的正弦波パルスコーディングを用いるオーディオ信号の符号化及び復号化方法及び装置
KR101411901B1 (ko) 오디오 신호의 부호화/복호화 방법 및 장치
WO2014115225A1 (ja) 帯域幅拡張パラメータ生成装置、符号化装置、復号装置、帯域幅拡張パラメータ生成方法、符号化方法、および、復号方法
KR101792712B1 (ko) 주파수 도메인 내의 선형 예측 코딩 기반 코딩을 위한 저주파수 강조
WO2013168414A1 (ja) 音信号ハイブリッドエンコーダ、音信号ハイブリッドデコーダ、音信号符号化方法、及び音信号復号方法
JPWO2007088853A1 (ja) 音声符号化装置、音声復号装置、音声符号化システム、音声符号化方法及び音声復号方法
US9786292B2 (en) Audio encoding apparatus, audio decoding apparatus, audio encoding method, and audio decoding method
JP5629319B2 (ja) スペクトル係数コーディングの量子化パラメータを効率的に符号化する装置及び方法
JP6042900B2 (ja) 音声信号の帯域選択的量子化方法及び装置
Song et al. Harmonic enhancement in low bitrate audio coding using an efficient long-term predictor
JP4354561B2 (ja) オーディオ信号符号化装置及び復号化装置
WO2011052221A1 (ja) 符号化装置、復号装置、およびそれらの方法
Motlicek et al. Wide-band audio coding based on frequency-domain linear prediction
Ko Transform coding based on source filter model in the MDCT domain
Lee et al. Bandwidth Extension of a Narrowband Speech Coder for Music Streaming Services Over IP Networks
KR20120089230A (ko) 신호 복호화 장치

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20130517

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20140527

A711 Notification of change in applicant

Free format text: JAPANESE INTERMEDIATE CODE: A711

Effective date: 20140604

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20140723

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20150203

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20150518

A911 Transfer to examiner for re-examination before appeal (zenchi)

Free format text: JAPANESE INTERMEDIATE CODE: A911

Effective date: 20150525

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: 20150908

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20150910

R150 Certificate of patent or registration of utility model

Ref document number: 5809066

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150