音声符号化装置及び音声符号化方法
【課題】時系列の信号に対する符号化の際の情報源符号を無駄にすることをなくし、計算量を抑制するとともに、周波数領域の信号における符号化性能を向上させること。
【解決手段】第１調整部１０２は、第１周波数スペクトルに対して非線形な振幅調整を行う。ＣＥＬＰ符号化部１０４は、ＣＥＬＰ符号化した後に復号して復号信号を生成する。第２ＭＤＣＴ部１０５は、復号信号に対して直交変換を行って第２周波数スペクトルを生成する。第２調整部１０６は、第１調整部１０２における振幅調整の際に第１周波数スペクトルに与えた特性と逆の特性を前記第２周波数スペクトルに与える。減算部１０７は、第１周波数スペクトルから、前記逆の特性を与えた第２周波数スペクトルを減算して残差スペクトルを生成する。ＦＰＣ符号化部１０８は、残差スペクトルをＦＰＣ符号化する。
【解決手段】第１調整部１０２は、第１周波数スペクトルに対して非線形な振幅調整を行う。ＣＥＬＰ符号化部１０４は、ＣＥＬＰ符号化した後に復号して復号信号を生成する。第２ＭＤＣＴ部１０５は、復号信号に対して直交変換を行って第２周波数スペクトルを生成する。第２調整部１０６は、第１調整部１０２における振幅調整の際に第１周波数スペクトルに与えた特性と逆の特性を前記第２周波数スペクトルに与える。減算部１０７は、第１周波数スペクトルから、前記逆の特性を与えた第２周波数スペクトルを減算して残差スペクトルを生成する。ＦＰＣ符号化部１０８は、残差スペクトルをＦＰＣ符号化する。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、多層構造を有するスケーラブルコーデック技術を用いた音声符号化装置及び音声符号化方法に関する。
【背景技術】
【０００２】
移動体通信においては、伝送帯域の有効利用のために、音声または画像のディジタル情報の圧縮符号化が必須である。その中でも携帯電話で広く利用されている音声コーデック技術に対する期待は大きく、圧縮率の高い従来の高効率符号化に対して、更により高音質となる符号化への要求が高まっている。また、音声コーデックは、公衆で使用されるため、標準化が必須であり、それに伴って世界の各社で研究開発が盛んに行われている。
【０００３】
近年、多層構造を持つスケーラブルコーデックの標準化がＩＴＵ−Ｔ（International Telecommunication Union−Telecommunication Standardization Sector）またはＭＰＥＧ（Moving Picture Experts Group）で検討されており、ＩＴＵ−ＴではＧ．７１８が勧告化されている（非特許文献１参照）。この方式では、第１層から第２層まではＣＥＬＰ（Code Excited Linear Prediction）を用いて符号化を行い、第３層以降はＭＤＣＴ（Modified Discrete Cosine Transform）を用いた変換符号化を行う。また、変換符号化では、音楽信号を効率的に符号化するためにＦＰＣ（Factorial Pulse Coding）という方式を用いているのが特徴である。
【０００４】
２０年前に確立された音声の発声機構をモデル化してベクトル量子化を巧みに応用した基本方式「ＣＥＬＰ」によって大きく性能を向上させた音声符号化技術は、非特許文献２に記載の代数的符号帳（Algebraic Codebook）のような少数パルスによる固定音源を発明したことにより、一段とその性能を向上させた。
【０００５】
Ｇ．７１８では、ＣＥＬＰを用いる層の符号化残差信号を、ＦＰＣで変換符号化する。この場合、ＣＥＬＰの復号信号を減衰させることで、総合的に性能が上がる傾向があり、Ｇ．７１８ではこの傾向を利用して減衰係数を２ビットで伝送している。
【０００６】
ここで、ターゲット信号を符号化する際の符号化歪が最少になるようにＣＥＬＰ符号化しているにも関わらず、ＣＥＬＰ符号化するよりもＣＥＬＰの復号信号を減衰した方が、ＦＰＣ方式で符号化した後の全体的符号化性能が向上する。これは、ＣＥＬＰとＦＰＣとの符号化能力の違いを明らかに示している。
【０００７】
即ち、ＣＥＬＰでは、時間軸において局所的に精度良く符号化されるが、周波数スペクトル（単にスペクトルと呼ぶ場合もある）ではすべての周波数に誤差が平均的に乗る。一方、ＦＰＣでは、周波数スペクトルを少数パルスで符号化するので、一部のスペクトルで精度よく符号化されるが、その他のスペクトルでは誤差が減らない。従って、ＣＥＬＰの合成音の周波数スペクトルに符号化歪が一律に乗っていることを考慮すると、ＣＥＬＰの復号信号のスペクトルではむしろ符号化歪ごとパワを下げてしまった方が、ＣＥＬＰの復号信号とＦＰＣで符号化されたスペクトルとを合わせた時に、総合的に符号化歪が小さくなる場合が統計的に多いということになる。
【０００８】
ＣＥＬＰの復号信号を減衰することにより総合的に符号化歪が小さくなる場合が統計的に多いということは、減衰しない方がよい場合もあるということである。従って、Ｇ．７１８では、ＦＰＣ符号化器を動かして、４通りの減衰係数のうち、総合的に符号化歪が最も小さくなる減衰係数を求める。
【０００９】
また、従来、符号化歪の量をコントロールするノイズシェイピングにより、ＦＰＣが符号化しやすい部分にスペクトルを集めるものが知られている（例えば、特許文献１）。特許文献１には、標準符号化方式ＡＡＣ（Advanced Audio Coding）内で使用されるＴＮＳ（Temporal Noise Shaping）という処理が開示されている。特許文献１では、周波数軸の信号であるＭＤＣＴ係数を時間軸の信号とみなし、ＬＰＣ（Linear Prediction Coding）フィルタにＭＤＣＴ係数を通すことにより、時間軸上の振幅の大きいところに雑音を集中させ、男性の音声などの低いピッチ周波数を含む信号の音質を向上させる。
【先行技術文献】
【特許文献】
【００１０】
【特許文献１】特開２００２−２３７９８号公報
【非特許文献】
【００１１】
【非特許文献１】Recommendation ITU-T G.718, 2008/6
【非特許文献２】Salami,Laflamme,Adoul,”8kbit/s ACELP Coding of Speech with 10ms Speech-Frame:aCandidate for CCITT Standardization”,IEEE Proc. ICASSP94,pp.II-97-II-100
【発明の概要】
【発明が解決しようとする課題】
【００１２】
しかしながら、従来の装置においては、ＣＥＬＰの復号信号のスペクトルのパワを符号化歪と共に下げることにより総合的に符号化歪を小さくするので、ＣＥＬＰ符号化の情報源符号が無駄になるという問題がある。また、従来の装置においては、４通りの減衰係数の全てについて符号器を複数回動かすため、多くの計算量を必要とするという問題がある。また、特許文献１においては、スペクトル符号化におけるノイズシェイピングについての開示はあるものの、ＣＥＬＰのような時間軸の符号化におけるノイズシェイピングについての記載はなく、ＦＰＣで符号化性能を向上させる効果のあるノイズシェイピングを、ＣＥＬＰにおいてどのように行うか解明されていないという問題がある。
【００１３】
本発明の目的は、時系列の信号に対する符号化の際の情報源符号を無駄にすることをなくすることができ、計算量を抑制することができるとともに、周波数領域の信号における符号化性能を向上させることができる音声符号化装置及び音声符号化方法を提供することである。
【課題を解決するための手段】
【００１４】
本発明の音声符号化装置は、符号化対象のターゲット信号に対して直交変換を行って第１周波数スペクトルを生成する第１直交変換手段と、前記第１周波数スペクトルに対して非線形な第１の振幅調整を行う第１調整手段と、前記第１の振幅調整を行った前記第１周波数スペクトルに対して前記直交変換の逆変換を行って時間信号を生成する逆直交変換手段と、前記時間信号を符号化した後に復号して復号信号を生成する第１の符号化手段と、前記復号信号に対して直交変換を行って第２周波数スペクトルを生成する第２直交変換手段と、前記第１の振幅調整の際に前記第１周波数スペクトルに与えた特性と逆の特性を前記第２周波数スペクトルに与える第２調整手段と、前記第１直交変換手段で生成した前記第１周波数スペクトルから、前記第２調整手段で前記逆の特性を与えた前記第２周波数スペクトルを減算して残差スペクトルを生成する減算手段と、前記残差スペクトルを変換符号化する第２の符号化手段と、を有する構成を採る。
【００１５】
本発明の音声符号化方法は、符号化対象のターゲット信号に対して直交変換を行って第１周波数スペクトルを生成する第１直交変換ステップと、前記第１周波数スペクトルに対して非線形な振幅調整を行う第１調整ステップと、前記第１調整ステップにより振幅調整された前記第１周波数スペクトルに対して前記直交変換の逆変換を行って時間信号を生成する逆直交変換ステップと、前記時間信号を符号化した後に復号して復号信号を生成する第１の符号化ステップと、前記復号信号に対して直交変換を行って第２周波数スペクトルを生成する第２直交変換ステップと、前記第１調整ステップにより前記第１周波数スペクトルに与えた特性と逆の特性を前記第２周波数スペクトルに与える第２調整ステップと、前記第１直交変換ステップにより生成した前記第１周波数スペクトルから、前記第２調整ステップにより前記逆の特性を与えた前記第２周波数スペクトルを減算して残差スペクトルを生成する減算ステップと、前記残差スペクトルを変換符号化する第２の符号化ステップと、を有するようにした。
【発明の効果】
【００１６】
本発明によれば、時系列の信号に対する符号化の際の情報源符号を無駄にすることをなくすることができ、計算量を抑制することができるとともに、周波数領域の信号における符号化性能を向上させることができる。
【図面の簡単な説明】
【００１７】
【図１】本発明の実施の形態に係る音声符号化装置の構成を示すブロック図
【図２】本発明の実施の形態における第１調整部の構成例１を示すブロック図
【図３】本発明の実施の形態における第１調整部の構成例２を示すブロック図
【発明を実施するための形態】
【００１８】
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。
【００１９】
（実施の形態）
＜音声符号化装置の構成＞
図１は、本発明の実施の形態に係る音声符号化装置１００の構成を示すブロック図である。図１では、時系列符号化の例としてＣＥＬＰを、後段の変換符号化の例としてＦＰＣを用いている。
【００２０】
第１ＭＤＣＴ部１０１は、入力した符号化対象のターゲット信号（ターゲットベクトル）に対してＭＤＣＴによる直交変換を行うことにより第１周波数スペクトルを取得する。具体的には、第１ＭＤＣＴ部１０１は、サブフレーム長の２倍の長さのサイン窓をターゲット信号に乗じるとともにＭＤＣＴの行列をターゲット信号に乗ずることにより、第１周波数スペクトルを取得する。なお、ターゲット信号は、典型的な例としては音声信号が挙げられるが、音楽信号、または音声信号と音楽信号との双方を含む音響信号でもよく、あるいは、第１ＭＤＣＴ部１０１に入力される前にこれらの信号に何らかの前処理を施した信号であっても良い。
【００２１】
第１ＭＤＣＴ部１０１は、取得した第１周波数スペクトルを第１調整部１０２及び減算部１０７に出力する。なお、ＤＣＴ（Discrete Cosine Transform）については、計算量削減を目的とした様々な方法が検討されているが、第１ＭＤＣＴ部１０１ではいずれの方法を用いてもよい。
【００２２】
第１調整部１０２は、第１ＭＤＣＴ部１０１から入力した第１周波数スペクトルに対して振幅調整を行い、振幅調整した第１周波数スペクトルをＩＭＤＣＴ部１０３に出力する。第１調整部１０２は、振幅調整に用いた所定のパラメータの符号を符号化データとして図示しない音声復号装置に送る。なお、振幅調整の具体的な方法については後述する。
【００２３】
ＩＭＤＣＴ部１０３は、第１調整部１０２から入力した第１周波数スペクトルに対して、第１ＭＤＣＴ部１０１において行った直交変換の逆変換を行って、時系列の信号（以下「時間信号」と記載する）を取得する。ＩＭＤＣＴ部１０３は、取得した時間信号をＣＥＬＰ符号化部１０４に出力する。
【００２４】
ＣＥＬＰ符号化部１０４は、ＩＭＤＣＴ部１０３から入力した時間信号に対して符号化及び復号を行って復号信号を取得し、取得した復号信号を第２ＭＤＣＴ部１０５に出力する。ＣＥＬＰ符号化部１０４は、ＣＥＬＰ符号化により取得した符号を符号化データとして図示しない音声復号装置に送る。
【００２５】
第２ＭＤＣＴ部１０５は、ＣＥＬＰ符号化部１０４から入力した復号信号に対してＭＤＣＴによる直交変換を行うことにより第２周波数スペクトルを取得する。第２ＭＤＣＴ部１０５は、取得した第２周波数スペクトルを第２調整部１０６に出力する。
【００２６】
第２調整部１０６は、第２ＭＤＣＴ部１０５から入力した第２周波数スペクトルに対して、前記第１調整部１０２において第１周波数スペクトルに与えた特性と逆の特性を与える。具体的には、第２調整部１０６は、第１調整部１０２において減衰された部分を伸長させる。第２調整部１０６は、逆の特性を与えた第２周波数スペクトルを減算部１０７に出力する。なお、逆の特性を与える具体的な方法については後述する。
【００２７】
減算部１０７は、第１ＭＤＣＴ部１０１から入力した第１周波数スペクトルから、第２調整部１０６から入力した第２周波数スペクトルを減算して、ＦＰＣで符号化し易い残差スペクトルを取得する。減算部１０７は、取得した残差スペクトルをＦＰＣ符号化部１０８に出力する。
【００２８】
ＦＰＣ符号化部１０８は、減算部１０７から入力した残差スペクトルをＦＰＣ方式で変換符号化して符号化データを出力する。この符号化データは、図示しない音声復号装置に送られる。なお、ＦＰＣの符号化／復号アルゴリズムについてはＩＴＵ−Ｔ規格Ｇ．７１８の規格書に詳細な記載があるのでこの説明を省略する。
【００２９】
＜第１調整部の構成＞
第１調整部１０２の構成として、構成例１及び構成例２の２つの構成について、以下に説明する。なお、本実施の形態においては、構成例１及び構成例２の何れを用いてもよい。
【００３０】
（構成例１）
図２は、第１調整部１０２の構成例１を示すブロック図である。
【００３１】
構成例１では、第１調整部１０２における振幅調整の方針として、第１周波数スペクトルの各サンプルにおいて、スペクトル値が比較的小さいサンプルは減衰せずにそのままにし、スペクトル値が比較的大きいサンプルほど大きく減衰させる。例えば、第１調整部１０２は、しきい値未満のスペクトル値を有するサンプルについては減衰させずにそのままにし、しきい値以上のスペクトル値を有するサンプルに対して、スペクトル値が大きいほど大きく減衰させる振幅調整を行う。したがって、構成例１において、第１調整部１０２における振幅調整は非線形である。
【００３２】
平均値算出部２０１は、第１ＭＤＣＴ部１０１から出力された第１周波数スペクトルを入力し、下記の（１）式の計算を行って平均値ｍを求める。
【数１】
【００３３】
平均値算出部２０１は、求めた平均値ｍを振幅調整部２０２に出力する。
【００３４】
振幅調整部２０２は、平均値算出部２０１から入力した平均値ｍと、定数とを用いて、下記の（２）式によりしきい値を求める。
【数２】
【００３５】
振幅調整部２０２は、第１ＭＤＣＴ部１０１から入力した第１周波数スペクトルに対して、しきい値ｔを用いた下記の（３）式に従って振幅調整を行う。
【数３】
【００３６】
（３）式は、一次微分まで連続的な関数であり、しきい値を境に線形関数と対数関数とが入れ替わるようになっている。即ち、振幅調整部２０２は、振幅がしきい値以下のスペクトルはそのままにし、振幅がしきい値より大きいスペクトルは対数関数で減衰させる。
【００３７】
また、振幅調整部２０２は、しきい値を第２調整部１０６に出力する。また、振幅調整部２０２は、図示しない音声復号装置でも逆変換を行う必要があるので、振幅調整に用いたパラメータであるしきい値ｔを符号化し、しきい値ｔの符号をこの音声復号装置に送る。この際、符号化方法としては、整数化によるスカラ量子化が挙げられる。なお、しきい値ｔの符号化歪による悪影響を避けるために、（２）式でしきい値ｔを求めた後、符号化及び復号を行い、復号されたしきい値ｔを用いて、（３）式の処理、ならびに第２調整部１０６の処理を行う。
【００３８】
そして、振幅調整部２０２は、振幅調整した第１周波数スペクトルをＩＭＤＣＴ部１０３に出力する。
【００３９】
（構成例２）
図３は、第１調整部１０２の構成例２を示すブロック図である。
【００４０】
構成例２では、第１調整部１０２における振幅調整の方針として、第１周波数スペクトルの各サンプルにおいて、スペクトル値の変化が比較的になだらかなサンプルはスペクトル値を減衰させずにそのままにし、スペクトル値の変化にパルス性があるサンプルはスペクトル値を減衰させる。例えば、第１調整部１０２は、第１周波数スペクトルの隣接するサンプル間のスペクトル値の変化量がしきい値未満のサンプルについては減衰させずにそのままにし、前記の変化量がしきい値以上のサンプルに対して、変化量が大きいほど大きく減衰させる振幅調整を行う。したがって、構成例２でも、第１調整部１０２における振幅調整は非線形である。
【００４１】
パルス性分析部３０１は、第１ＭＤＣＴ部１０１から入力した第１周波数スペクトルを用いて、減衰係数ベクトルを求める。具体的には、パルス性分析部３０１は、中心となるサンプルのスペクトル値と、そのサンプルの周辺のサンプルのスペクトル値との関係を分析することによりパルス性を求める。この際、例えば、上記で説明したようにしきい値とスペクトル値の変化量とを比較することによりパルス性を求める。そして、パルス性分析部３０１は、パルス性有りと判断した場合は、１未満の定数値を格納し、それ以外は「１．０」を値として格納することにより減衰係数ベクトルを求める。即ち、パルス性分析部３０１は、下記の（４）式に従って減衰係数ベクトルを求める。
【数４】
【００４２】
パルス性分析部３０１は、求めた減衰係数ベクトルを振幅調整部３０２及び第２調整部１０６に出力する。ここで、減衰係数ベクトルは、パルス性のあるスペクトル値を減衰させる関数である。
【００４３】
また、パルス性分析部３０１は、音声復号装置でも逆変換を行う必要があるので、振幅調整に用いたパラメータである減衰係数ベクトルを符号化し、減衰係数ベクトルの符号を音声復号装置に送る。この際、符号化方法としては、減衰したサンプルを「１」とし、減衰しないサンプルを「０」としてベクトルをそのまま送る方法、または区間をいくつかに分割してベクトル量子化を行う方法があげられる。また、減衰させる部分の数をあらかじめ制限して、減衰係数ベクトルの一部のみを符号化して伝送するという方法も考えられる。また、極端な例としては、第２調整部１０６で得られたスペクトルから、（４）式に示す減衰係数ベクトルを作成し、全く情報を送らないという方法でもよい。この場合、減衰係数ベクトルの符号は送らない。
【００４４】
振幅調整部３０２は、パルス性分析部３０１から入力した減衰係数ベクトルを用いて、下記の（５）式に従って第１周波数スペクトルの振幅調整を行う。
【数５】
【００４５】
そして、振幅調整部３０２は、振幅調整した第１周波数スペクトルをＩＭＤＣＴ部１０３に出力する。
【００４６】
＜第２調整部における動作＞
第１調整部１０２が上記の構成例１の構成または構成例２の構成を有する各々の場合における第２調整部１０６の動作について、以下に説明する。
【００４７】
（第１調整部の構成が構成例１である場合の動作）
第２調整部１０６は、第２周波数スペクトルの振幅の大きさの全体的な傾向に応じて、適応的に振幅を調整する。第２調整部１０６の調整は第１調整部１０２の逆変換に相当し、（２）式により求めたしきい値ｔよりも大きい場合に非線形に振幅を拡大することを特徴としている。
【００４８】
第２調整部１０６は、振幅調整部２０２から入力したしきい値ｔに基づいて、下記の（６）式に従って逆変換を行うことにより調整する。
【数６】
【００４９】
第２調整部１０６は、（６）式より、第２周波数スペクトルの各サンプルのうち、しきい値ｔ未満のスペクトル値を有するサンプルは伸長させずにそのままにし、しきい値ｔ以上のスペクトル値を有するサンプルに対して、スペクトル値が大きいほど大きく伸長させる振幅調整を行う。
【００５０】
（第１調整部の構成が構成例２である場合の動作）
第２調整部１０６は、第２周波数スペクトルの振幅の大きさの全体的な傾向に応じて、適応的に振幅を調整する。第２調整部１０６の調整は第１調整部１０２の逆変換に相当し、隣接するサンプル間のスペクトル値の変化量がしきい値よりも大きい場合に、非線形に振幅を拡大することを特徴としている。
【００５１】
第２調整部１０６は、パルス性分析部３０１から入力した減衰係数ベクトルに基づいて、下記の（７）式に従って逆変換を行う。
【数７】
【００５２】
第２調整部１０６は、（７）式より、第２周波数スペクトルの隣接するサンプル間のスペクトル値の変化量がしきい値未満のサンプルは伸長させずにそのままにし、前記の変化量がしきい値以上のサンプルに対して、前記の変化量が大きいほど大きく伸長させる振幅調整を行う。
【００５３】
なお、本実施の形態の音声符号化装置に対応した音声復号装置は、伝送されてきたしきい値の符号または減衰係数ベクトルの符号に基づいて、しきい値ｔまたは減衰係数ベクトルを復号する。そして、この音声復号装置は、音声符号化装置のＣＥＬＰ符号化部１０４において復号を行う部分、第２ＭＤＣＴ部１０５、第２調整部１０６、と同じ動作を行うことで、ＣＥＬＰの合成音の復号された周波数スペクトルを生成する。さらに、音声復号装置は、このＣＥＬＰの合成音の復号された周波数スペクトルに、ＦＰＣの符号を復号して生成される、復号されたＦＰＣの周波数スペクトルを加算する。各ブロックの説明は前述の通りであるので詳細説明を省略する。
【００５４】
＜本実施の形態の効果＞
本発明によれば、ＣＥＬＰ符号化の際の情報源符号を無駄にすることをなくすることができ、計算量を抑制することができるとともに、ＣＥＬＰ符号化におけるノイズシェイピング処理を実現することにより、ＦＰＣ符号化性能を向上させることができる。
【００５５】
＜本実施の形態の変形例＞
上記実施の形態において、第１調整部の構成として構成例１及び構成例２を示したが、本発明はこれに限らず、スペクトル値を減衰させる構成及び動作であれば他の構成及び動作を用いてもよい。本発明は、ＣＥＬＰ符号化部の前後の調整部の構成及び動作に直接依存するものではないからである。
【００５６】
また、上記実施の形態において、第１調整部において平均値を算術平均で求めたが、本発明はこれに限らず、モードまたはメジアンを用いてもよい。メジアンを用いる場合は、あらかじめ指定された順位の振幅値を探索してそれを用いることにより、同様の効果を得ることができる。
【００５７】
また、上記実施の形態において、後段の符号器はＦＰＣ符号化部にしたが、本発明はこれに限らず、ＴＣＸ（transform coded excitation）、ＡＭＲ−ＷＢ＋（Extended Adaptive Multi-Rate Wideband）、またはＡＡＣ（Advanced Audio Coding）などの変換符号化を行う符号化部を設けてもよい。これは、パルス性のある残差スペクトルを効率よく符号化するためにはいずれの符号化方式でもよく、ＦＰＣ以外でも本発明が有効であるからである。
【００５８】
また、上記実施の形態において、ＣＥＬＰ符号化部を用いたが、本発明はこれに限らず、ＭＰＣ（Multiple Pulse Coding）またはＡＤＰＣＭなどの時系列符号化を行う符号化部を設けても良い。これらは、時系列信号を効率よく符号化できるが、後段のスペクトル符号化において復号信号の減衰に効果があるのはＣＥＬＰと同じであるからである。
【００５９】
また、上記実施の形態において、直交変換の方法としてＭＤＣＴを用いたが、本発明はこれに限らず、ＤＣＴ（Discrete Cosine Transform）またはＦＦＴなどの直交変換方法でもよい。その理由は、周波数スペクトルが得られる方法であれば、上記の実施の形態に適用できるからである。
【００６０】
なお、上記実施の形態では、装置を音声符号化装置／音声復号装置と称したが、ここでの「音声」とは、広義の意味での音声を示すものである。すなわち、音声符号化装置における入力信号及び音声復号化装置における復号信号は、音声信号、音楽信号、あるいは音声信号と音楽信号との双方を含む音響信号、など、いずれの信号をも示すものである。
【００６１】
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。
【００６２】
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、一部また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。
【００６３】
また、集積回路化の手法はＬＳＩに限るものではなく、専用回路また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）、または、ＬＳＩ内部の回路セルの接続または設定を再構成可能なリコンフィギュラブル・プロセッサーを利用してもよい。
【００６４】
さらには、半導体技術の進歩また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。
【産業上の利用可能性】
【００６５】
本発明にかかる音声符号化装置及び音声符号化方法は、多層構造を有するスケーラブルコーデック技術を用いるのに好適である。
【符号の説明】
【００６６】
１００ 音声符号化装置
１０１ 第１ＭＤＣＴ部
１０２ 第１調整部
１０３ ＩＭＤＣＴ部
１０４ ＣＥＬＰ符号化部
１０５ 第２ＭＤＣＴ部
１０６ 第２調整部
１０７ 減算部
１０８ ＦＰＣ符号化部
【技術分野】
【０００１】
本発明は、多層構造を有するスケーラブルコーデック技術を用いた音声符号化装置及び音声符号化方法に関する。
【背景技術】
【０００２】
移動体通信においては、伝送帯域の有効利用のために、音声または画像のディジタル情報の圧縮符号化が必須である。その中でも携帯電話で広く利用されている音声コーデック技術に対する期待は大きく、圧縮率の高い従来の高効率符号化に対して、更により高音質となる符号化への要求が高まっている。また、音声コーデックは、公衆で使用されるため、標準化が必須であり、それに伴って世界の各社で研究開発が盛んに行われている。
【０００３】
近年、多層構造を持つスケーラブルコーデックの標準化がＩＴＵ−Ｔ（International Telecommunication Union−Telecommunication Standardization Sector）またはＭＰＥＧ（Moving Picture Experts Group）で検討されており、ＩＴＵ−ＴではＧ．７１８が勧告化されている（非特許文献１参照）。この方式では、第１層から第２層まではＣＥＬＰ（Code Excited Linear Prediction）を用いて符号化を行い、第３層以降はＭＤＣＴ（Modified Discrete Cosine Transform）を用いた変換符号化を行う。また、変換符号化では、音楽信号を効率的に符号化するためにＦＰＣ（Factorial Pulse Coding）という方式を用いているのが特徴である。
【０００４】
２０年前に確立された音声の発声機構をモデル化してベクトル量子化を巧みに応用した基本方式「ＣＥＬＰ」によって大きく性能を向上させた音声符号化技術は、非特許文献２に記載の代数的符号帳（Algebraic Codebook）のような少数パルスによる固定音源を発明したことにより、一段とその性能を向上させた。
【０００５】
Ｇ．７１８では、ＣＥＬＰを用いる層の符号化残差信号を、ＦＰＣで変換符号化する。この場合、ＣＥＬＰの復号信号を減衰させることで、総合的に性能が上がる傾向があり、Ｇ．７１８ではこの傾向を利用して減衰係数を２ビットで伝送している。
【０００６】
ここで、ターゲット信号を符号化する際の符号化歪が最少になるようにＣＥＬＰ符号化しているにも関わらず、ＣＥＬＰ符号化するよりもＣＥＬＰの復号信号を減衰した方が、ＦＰＣ方式で符号化した後の全体的符号化性能が向上する。これは、ＣＥＬＰとＦＰＣとの符号化能力の違いを明らかに示している。
【０００７】
即ち、ＣＥＬＰでは、時間軸において局所的に精度良く符号化されるが、周波数スペクトル（単にスペクトルと呼ぶ場合もある）ではすべての周波数に誤差が平均的に乗る。一方、ＦＰＣでは、周波数スペクトルを少数パルスで符号化するので、一部のスペクトルで精度よく符号化されるが、その他のスペクトルでは誤差が減らない。従って、ＣＥＬＰの合成音の周波数スペクトルに符号化歪が一律に乗っていることを考慮すると、ＣＥＬＰの復号信号のスペクトルではむしろ符号化歪ごとパワを下げてしまった方が、ＣＥＬＰの復号信号とＦＰＣで符号化されたスペクトルとを合わせた時に、総合的に符号化歪が小さくなる場合が統計的に多いということになる。
【０００８】
ＣＥＬＰの復号信号を減衰することにより総合的に符号化歪が小さくなる場合が統計的に多いということは、減衰しない方がよい場合もあるということである。従って、Ｇ．７１８では、ＦＰＣ符号化器を動かして、４通りの減衰係数のうち、総合的に符号化歪が最も小さくなる減衰係数を求める。
【０００９】
また、従来、符号化歪の量をコントロールするノイズシェイピングにより、ＦＰＣが符号化しやすい部分にスペクトルを集めるものが知られている（例えば、特許文献１）。特許文献１には、標準符号化方式ＡＡＣ（Advanced Audio Coding）内で使用されるＴＮＳ（Temporal Noise Shaping）という処理が開示されている。特許文献１では、周波数軸の信号であるＭＤＣＴ係数を時間軸の信号とみなし、ＬＰＣ（Linear Prediction Coding）フィルタにＭＤＣＴ係数を通すことにより、時間軸上の振幅の大きいところに雑音を集中させ、男性の音声などの低いピッチ周波数を含む信号の音質を向上させる。
【先行技術文献】
【特許文献】
【００１０】
【特許文献１】特開２００２−２３７９８号公報
【非特許文献】
【００１１】
【非特許文献１】Recommendation ITU-T G.718, 2008/6
【非特許文献２】Salami,Laflamme,Adoul,”8kbit/s ACELP Coding of Speech with 10ms Speech-Frame:aCandidate for CCITT Standardization”,IEEE Proc. ICASSP94,pp.II-97-II-100
【発明の概要】
【発明が解決しようとする課題】
【００１２】
しかしながら、従来の装置においては、ＣＥＬＰの復号信号のスペクトルのパワを符号化歪と共に下げることにより総合的に符号化歪を小さくするので、ＣＥＬＰ符号化の情報源符号が無駄になるという問題がある。また、従来の装置においては、４通りの減衰係数の全てについて符号器を複数回動かすため、多くの計算量を必要とするという問題がある。また、特許文献１においては、スペクトル符号化におけるノイズシェイピングについての開示はあるものの、ＣＥＬＰのような時間軸の符号化におけるノイズシェイピングについての記載はなく、ＦＰＣで符号化性能を向上させる効果のあるノイズシェイピングを、ＣＥＬＰにおいてどのように行うか解明されていないという問題がある。
【００１３】
本発明の目的は、時系列の信号に対する符号化の際の情報源符号を無駄にすることをなくすることができ、計算量を抑制することができるとともに、周波数領域の信号における符号化性能を向上させることができる音声符号化装置及び音声符号化方法を提供することである。
【課題を解決するための手段】
【００１４】
本発明の音声符号化装置は、符号化対象のターゲット信号に対して直交変換を行って第１周波数スペクトルを生成する第１直交変換手段と、前記第１周波数スペクトルに対して非線形な第１の振幅調整を行う第１調整手段と、前記第１の振幅調整を行った前記第１周波数スペクトルに対して前記直交変換の逆変換を行って時間信号を生成する逆直交変換手段と、前記時間信号を符号化した後に復号して復号信号を生成する第１の符号化手段と、前記復号信号に対して直交変換を行って第２周波数スペクトルを生成する第２直交変換手段と、前記第１の振幅調整の際に前記第１周波数スペクトルに与えた特性と逆の特性を前記第２周波数スペクトルに与える第２調整手段と、前記第１直交変換手段で生成した前記第１周波数スペクトルから、前記第２調整手段で前記逆の特性を与えた前記第２周波数スペクトルを減算して残差スペクトルを生成する減算手段と、前記残差スペクトルを変換符号化する第２の符号化手段と、を有する構成を採る。
【００１５】
本発明の音声符号化方法は、符号化対象のターゲット信号に対して直交変換を行って第１周波数スペクトルを生成する第１直交変換ステップと、前記第１周波数スペクトルに対して非線形な振幅調整を行う第１調整ステップと、前記第１調整ステップにより振幅調整された前記第１周波数スペクトルに対して前記直交変換の逆変換を行って時間信号を生成する逆直交変換ステップと、前記時間信号を符号化した後に復号して復号信号を生成する第１の符号化ステップと、前記復号信号に対して直交変換を行って第２周波数スペクトルを生成する第２直交変換ステップと、前記第１調整ステップにより前記第１周波数スペクトルに与えた特性と逆の特性を前記第２周波数スペクトルに与える第２調整ステップと、前記第１直交変換ステップにより生成した前記第１周波数スペクトルから、前記第２調整ステップにより前記逆の特性を与えた前記第２周波数スペクトルを減算して残差スペクトルを生成する減算ステップと、前記残差スペクトルを変換符号化する第２の符号化ステップと、を有するようにした。
【発明の効果】
【００１６】
本発明によれば、時系列の信号に対する符号化の際の情報源符号を無駄にすることをなくすることができ、計算量を抑制することができるとともに、周波数領域の信号における符号化性能を向上させることができる。
【図面の簡単な説明】
【００１７】
【図１】本発明の実施の形態に係る音声符号化装置の構成を示すブロック図
【図２】本発明の実施の形態における第１調整部の構成例１を示すブロック図
【図３】本発明の実施の形態における第１調整部の構成例２を示すブロック図
【発明を実施するための形態】
【００１８】
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。
【００１９】
（実施の形態）
＜音声符号化装置の構成＞
図１は、本発明の実施の形態に係る音声符号化装置１００の構成を示すブロック図である。図１では、時系列符号化の例としてＣＥＬＰを、後段の変換符号化の例としてＦＰＣを用いている。
【００２０】
第１ＭＤＣＴ部１０１は、入力した符号化対象のターゲット信号（ターゲットベクトル）に対してＭＤＣＴによる直交変換を行うことにより第１周波数スペクトルを取得する。具体的には、第１ＭＤＣＴ部１０１は、サブフレーム長の２倍の長さのサイン窓をターゲット信号に乗じるとともにＭＤＣＴの行列をターゲット信号に乗ずることにより、第１周波数スペクトルを取得する。なお、ターゲット信号は、典型的な例としては音声信号が挙げられるが、音楽信号、または音声信号と音楽信号との双方を含む音響信号でもよく、あるいは、第１ＭＤＣＴ部１０１に入力される前にこれらの信号に何らかの前処理を施した信号であっても良い。
【００２１】
第１ＭＤＣＴ部１０１は、取得した第１周波数スペクトルを第１調整部１０２及び減算部１０７に出力する。なお、ＤＣＴ（Discrete Cosine Transform）については、計算量削減を目的とした様々な方法が検討されているが、第１ＭＤＣＴ部１０１ではいずれの方法を用いてもよい。
【００２２】
第１調整部１０２は、第１ＭＤＣＴ部１０１から入力した第１周波数スペクトルに対して振幅調整を行い、振幅調整した第１周波数スペクトルをＩＭＤＣＴ部１０３に出力する。第１調整部１０２は、振幅調整に用いた所定のパラメータの符号を符号化データとして図示しない音声復号装置に送る。なお、振幅調整の具体的な方法については後述する。
【００２３】
ＩＭＤＣＴ部１０３は、第１調整部１０２から入力した第１周波数スペクトルに対して、第１ＭＤＣＴ部１０１において行った直交変換の逆変換を行って、時系列の信号（以下「時間信号」と記載する）を取得する。ＩＭＤＣＴ部１０３は、取得した時間信号をＣＥＬＰ符号化部１０４に出力する。
【００２４】
ＣＥＬＰ符号化部１０４は、ＩＭＤＣＴ部１０３から入力した時間信号に対して符号化及び復号を行って復号信号を取得し、取得した復号信号を第２ＭＤＣＴ部１０５に出力する。ＣＥＬＰ符号化部１０４は、ＣＥＬＰ符号化により取得した符号を符号化データとして図示しない音声復号装置に送る。
【００２５】
第２ＭＤＣＴ部１０５は、ＣＥＬＰ符号化部１０４から入力した復号信号に対してＭＤＣＴによる直交変換を行うことにより第２周波数スペクトルを取得する。第２ＭＤＣＴ部１０５は、取得した第２周波数スペクトルを第２調整部１０６に出力する。
【００２６】
第２調整部１０６は、第２ＭＤＣＴ部１０５から入力した第２周波数スペクトルに対して、前記第１調整部１０２において第１周波数スペクトルに与えた特性と逆の特性を与える。具体的には、第２調整部１０６は、第１調整部１０２において減衰された部分を伸長させる。第２調整部１０６は、逆の特性を与えた第２周波数スペクトルを減算部１０７に出力する。なお、逆の特性を与える具体的な方法については後述する。
【００２７】
減算部１０７は、第１ＭＤＣＴ部１０１から入力した第１周波数スペクトルから、第２調整部１０６から入力した第２周波数スペクトルを減算して、ＦＰＣで符号化し易い残差スペクトルを取得する。減算部１０７は、取得した残差スペクトルをＦＰＣ符号化部１０８に出力する。
【００２８】
ＦＰＣ符号化部１０８は、減算部１０７から入力した残差スペクトルをＦＰＣ方式で変換符号化して符号化データを出力する。この符号化データは、図示しない音声復号装置に送られる。なお、ＦＰＣの符号化／復号アルゴリズムについてはＩＴＵ−Ｔ規格Ｇ．７１８の規格書に詳細な記載があるのでこの説明を省略する。
【００２９】
＜第１調整部の構成＞
第１調整部１０２の構成として、構成例１及び構成例２の２つの構成について、以下に説明する。なお、本実施の形態においては、構成例１及び構成例２の何れを用いてもよい。
【００３０】
（構成例１）
図２は、第１調整部１０２の構成例１を示すブロック図である。
【００３１】
構成例１では、第１調整部１０２における振幅調整の方針として、第１周波数スペクトルの各サンプルにおいて、スペクトル値が比較的小さいサンプルは減衰せずにそのままにし、スペクトル値が比較的大きいサンプルほど大きく減衰させる。例えば、第１調整部１０２は、しきい値未満のスペクトル値を有するサンプルについては減衰させずにそのままにし、しきい値以上のスペクトル値を有するサンプルに対して、スペクトル値が大きいほど大きく減衰させる振幅調整を行う。したがって、構成例１において、第１調整部１０２における振幅調整は非線形である。
【００３２】
平均値算出部２０１は、第１ＭＤＣＴ部１０１から出力された第１周波数スペクトルを入力し、下記の（１）式の計算を行って平均値ｍを求める。
【数１】
【００３３】
平均値算出部２０１は、求めた平均値ｍを振幅調整部２０２に出力する。
【００３４】
振幅調整部２０２は、平均値算出部２０１から入力した平均値ｍと、定数とを用いて、下記の（２）式によりしきい値を求める。
【数２】
【００３５】
振幅調整部２０２は、第１ＭＤＣＴ部１０１から入力した第１周波数スペクトルに対して、しきい値ｔを用いた下記の（３）式に従って振幅調整を行う。
【数３】
【００３６】
（３）式は、一次微分まで連続的な関数であり、しきい値を境に線形関数と対数関数とが入れ替わるようになっている。即ち、振幅調整部２０２は、振幅がしきい値以下のスペクトルはそのままにし、振幅がしきい値より大きいスペクトルは対数関数で減衰させる。
【００３７】
また、振幅調整部２０２は、しきい値を第２調整部１０６に出力する。また、振幅調整部２０２は、図示しない音声復号装置でも逆変換を行う必要があるので、振幅調整に用いたパラメータであるしきい値ｔを符号化し、しきい値ｔの符号をこの音声復号装置に送る。この際、符号化方法としては、整数化によるスカラ量子化が挙げられる。なお、しきい値ｔの符号化歪による悪影響を避けるために、（２）式でしきい値ｔを求めた後、符号化及び復号を行い、復号されたしきい値ｔを用いて、（３）式の処理、ならびに第２調整部１０６の処理を行う。
【００３８】
そして、振幅調整部２０２は、振幅調整した第１周波数スペクトルをＩＭＤＣＴ部１０３に出力する。
【００３９】
（構成例２）
図３は、第１調整部１０２の構成例２を示すブロック図である。
【００４０】
構成例２では、第１調整部１０２における振幅調整の方針として、第１周波数スペクトルの各サンプルにおいて、スペクトル値の変化が比較的になだらかなサンプルはスペクトル値を減衰させずにそのままにし、スペクトル値の変化にパルス性があるサンプルはスペクトル値を減衰させる。例えば、第１調整部１０２は、第１周波数スペクトルの隣接するサンプル間のスペクトル値の変化量がしきい値未満のサンプルについては減衰させずにそのままにし、前記の変化量がしきい値以上のサンプルに対して、変化量が大きいほど大きく減衰させる振幅調整を行う。したがって、構成例２でも、第１調整部１０２における振幅調整は非線形である。
【００４１】
パルス性分析部３０１は、第１ＭＤＣＴ部１０１から入力した第１周波数スペクトルを用いて、減衰係数ベクトルを求める。具体的には、パルス性分析部３０１は、中心となるサンプルのスペクトル値と、そのサンプルの周辺のサンプルのスペクトル値との関係を分析することによりパルス性を求める。この際、例えば、上記で説明したようにしきい値とスペクトル値の変化量とを比較することによりパルス性を求める。そして、パルス性分析部３０１は、パルス性有りと判断した場合は、１未満の定数値を格納し、それ以外は「１．０」を値として格納することにより減衰係数ベクトルを求める。即ち、パルス性分析部３０１は、下記の（４）式に従って減衰係数ベクトルを求める。
【数４】
【００４２】
パルス性分析部３０１は、求めた減衰係数ベクトルを振幅調整部３０２及び第２調整部１０６に出力する。ここで、減衰係数ベクトルは、パルス性のあるスペクトル値を減衰させる関数である。
【００４３】
また、パルス性分析部３０１は、音声復号装置でも逆変換を行う必要があるので、振幅調整に用いたパラメータである減衰係数ベクトルを符号化し、減衰係数ベクトルの符号を音声復号装置に送る。この際、符号化方法としては、減衰したサンプルを「１」とし、減衰しないサンプルを「０」としてベクトルをそのまま送る方法、または区間をいくつかに分割してベクトル量子化を行う方法があげられる。また、減衰させる部分の数をあらかじめ制限して、減衰係数ベクトルの一部のみを符号化して伝送するという方法も考えられる。また、極端な例としては、第２調整部１０６で得られたスペクトルから、（４）式に示す減衰係数ベクトルを作成し、全く情報を送らないという方法でもよい。この場合、減衰係数ベクトルの符号は送らない。
【００４４】
振幅調整部３０２は、パルス性分析部３０１から入力した減衰係数ベクトルを用いて、下記の（５）式に従って第１周波数スペクトルの振幅調整を行う。
【数５】
【００４５】
そして、振幅調整部３０２は、振幅調整した第１周波数スペクトルをＩＭＤＣＴ部１０３に出力する。
【００４６】
＜第２調整部における動作＞
第１調整部１０２が上記の構成例１の構成または構成例２の構成を有する各々の場合における第２調整部１０６の動作について、以下に説明する。
【００４７】
（第１調整部の構成が構成例１である場合の動作）
第２調整部１０６は、第２周波数スペクトルの振幅の大きさの全体的な傾向に応じて、適応的に振幅を調整する。第２調整部１０６の調整は第１調整部１０２の逆変換に相当し、（２）式により求めたしきい値ｔよりも大きい場合に非線形に振幅を拡大することを特徴としている。
【００４８】
第２調整部１０６は、振幅調整部２０２から入力したしきい値ｔに基づいて、下記の（６）式に従って逆変換を行うことにより調整する。
【数６】
【００４９】
第２調整部１０６は、（６）式より、第２周波数スペクトルの各サンプルのうち、しきい値ｔ未満のスペクトル値を有するサンプルは伸長させずにそのままにし、しきい値ｔ以上のスペクトル値を有するサンプルに対して、スペクトル値が大きいほど大きく伸長させる振幅調整を行う。
【００５０】
（第１調整部の構成が構成例２である場合の動作）
第２調整部１０６は、第２周波数スペクトルの振幅の大きさの全体的な傾向に応じて、適応的に振幅を調整する。第２調整部１０６の調整は第１調整部１０２の逆変換に相当し、隣接するサンプル間のスペクトル値の変化量がしきい値よりも大きい場合に、非線形に振幅を拡大することを特徴としている。
【００５１】
第２調整部１０６は、パルス性分析部３０１から入力した減衰係数ベクトルに基づいて、下記の（７）式に従って逆変換を行う。
【数７】
【００５２】
第２調整部１０６は、（７）式より、第２周波数スペクトルの隣接するサンプル間のスペクトル値の変化量がしきい値未満のサンプルは伸長させずにそのままにし、前記の変化量がしきい値以上のサンプルに対して、前記の変化量が大きいほど大きく伸長させる振幅調整を行う。
【００５３】
なお、本実施の形態の音声符号化装置に対応した音声復号装置は、伝送されてきたしきい値の符号または減衰係数ベクトルの符号に基づいて、しきい値ｔまたは減衰係数ベクトルを復号する。そして、この音声復号装置は、音声符号化装置のＣＥＬＰ符号化部１０４において復号を行う部分、第２ＭＤＣＴ部１０５、第２調整部１０６、と同じ動作を行うことで、ＣＥＬＰの合成音の復号された周波数スペクトルを生成する。さらに、音声復号装置は、このＣＥＬＰの合成音の復号された周波数スペクトルに、ＦＰＣの符号を復号して生成される、復号されたＦＰＣの周波数スペクトルを加算する。各ブロックの説明は前述の通りであるので詳細説明を省略する。
【００５４】
＜本実施の形態の効果＞
本発明によれば、ＣＥＬＰ符号化の際の情報源符号を無駄にすることをなくすることができ、計算量を抑制することができるとともに、ＣＥＬＰ符号化におけるノイズシェイピング処理を実現することにより、ＦＰＣ符号化性能を向上させることができる。
【００５５】
＜本実施の形態の変形例＞
上記実施の形態において、第１調整部の構成として構成例１及び構成例２を示したが、本発明はこれに限らず、スペクトル値を減衰させる構成及び動作であれば他の構成及び動作を用いてもよい。本発明は、ＣＥＬＰ符号化部の前後の調整部の構成及び動作に直接依存するものではないからである。
【００５６】
また、上記実施の形態において、第１調整部において平均値を算術平均で求めたが、本発明はこれに限らず、モードまたはメジアンを用いてもよい。メジアンを用いる場合は、あらかじめ指定された順位の振幅値を探索してそれを用いることにより、同様の効果を得ることができる。
【００５７】
また、上記実施の形態において、後段の符号器はＦＰＣ符号化部にしたが、本発明はこれに限らず、ＴＣＸ（transform coded excitation）、ＡＭＲ−ＷＢ＋（Extended Adaptive Multi-Rate Wideband）、またはＡＡＣ（Advanced Audio Coding）などの変換符号化を行う符号化部を設けてもよい。これは、パルス性のある残差スペクトルを効率よく符号化するためにはいずれの符号化方式でもよく、ＦＰＣ以外でも本発明が有効であるからである。
【００５８】
また、上記実施の形態において、ＣＥＬＰ符号化部を用いたが、本発明はこれに限らず、ＭＰＣ（Multiple Pulse Coding）またはＡＤＰＣＭなどの時系列符号化を行う符号化部を設けても良い。これらは、時系列信号を効率よく符号化できるが、後段のスペクトル符号化において復号信号の減衰に効果があるのはＣＥＬＰと同じであるからである。
【００５９】
また、上記実施の形態において、直交変換の方法としてＭＤＣＴを用いたが、本発明はこれに限らず、ＤＣＴ（Discrete Cosine Transform）またはＦＦＴなどの直交変換方法でもよい。その理由は、周波数スペクトルが得られる方法であれば、上記の実施の形態に適用できるからである。
【００６０】
なお、上記実施の形態では、装置を音声符号化装置／音声復号装置と称したが、ここでの「音声」とは、広義の意味での音声を示すものである。すなわち、音声符号化装置における入力信号及び音声復号化装置における復号信号は、音声信号、音楽信号、あるいは音声信号と音楽信号との双方を含む音響信号、など、いずれの信号をも示すものである。
【００６１】
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。
【００６２】
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、一部また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。
【００６３】
また、集積回路化の手法はＬＳＩに限るものではなく、専用回路また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）、または、ＬＳＩ内部の回路セルの接続または設定を再構成可能なリコンフィギュラブル・プロセッサーを利用してもよい。
【００６４】
さらには、半導体技術の進歩また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。
【産業上の利用可能性】
【００６５】
本発明にかかる音声符号化装置及び音声符号化方法は、多層構造を有するスケーラブルコーデック技術を用いるのに好適である。
【符号の説明】
【００６６】
１００ 音声符号化装置
１０１ 第１ＭＤＣＴ部
１０２ 第１調整部
１０３ ＩＭＤＣＴ部
１０４ ＣＥＬＰ符号化部
１０５ 第２ＭＤＣＴ部
１０６ 第２調整部
１０７ 減算部
１０８ ＦＰＣ符号化部
【特許請求の範囲】
【請求項１】
符号化対象のターゲット信号に対して直交変換を行って第１周波数スペクトルを生成する第１直交変換手段と、
前記第１周波数スペクトルに対して非線形な第１の振幅調整を行う第１調整手段と、
前記第１の振幅調整を行った前記第１周波数スペクトルに対して前記直交変換の逆変換を行って時間信号を生成する逆直交変換手段と、
前記時間信号を符号化した後に復号して復号信号を生成する第１の符号化手段と、
前記復号信号に対して直交変換を行って第２周波数スペクトルを生成する第２直交変換手段と、
前記第１の振幅調整の際に前記第１周波数スペクトルに与えた特性と逆の特性を前記第２周波数スペクトルに与える第２調整手段と、
前記第１直交変換手段で生成した前記第１周波数スペクトルから、前記第２調整手段で前記逆の特性を与えた前記第２周波数スペクトルを減算して残差スペクトルを生成する減算手段と、
前記残差スペクトルを変換符号化する第２の符号化手段と、
を有する音声符号化装置。
【請求項２】
前記第１調整手段は、前記第１周波数スペクトルの各サンプルのうち、しきい値以上のスペクトル値を有するサンプルに対して、前記スペクトル値が大きいほど大きく減衰させることにより前記第１の振幅調整を行う請求項１記載の音声符号化装置。
【請求項３】
前記第２調整手段は、前記第２周波数スペクトルの各サンプルのうち、しきい値以上のスペクトル値を有するサンプルに対して、前記スペクトル値が大きいほど大きく伸長させる第２の振幅調整を、前記第２周波数スペクトルの振幅に応じて適応的に行うことにより、前記逆の特性を前記第２周波数スペクトルに与える請求項２記載の音声符号化装置。
【請求項４】
前記第１調整手段は、前記第１周波数スペクトルの、隣接するサンプル間のスペクトル値の変化量がしきい値以上のサンプルにおいて、前記変化量が大きいほど大きく減衰させることにより前記第１の振幅調整を行う請求項１記載の音声符号化装置。
【請求項５】
前記第２調整手段は、前記第２周波数スペクトルの隣接するサンプル間のスペクトル値の変化量がしきい値以上のサンプルに対して、前記変化量が大きいほど大きく伸長させる第２の振幅調整を、前記第２周波数スペクトルの振幅に応じて適応的に行うことにより、前記逆の特性を前記第２周波数スペクトルに与える請求項４記載の音声符号化装置。
【請求項６】
符号化対象のターゲット信号に対して直交変換を行って第１周波数スペクトルを生成する第１直交変換ステップと、
前記第１周波数スペクトルに対して非線形な振幅調整を行う第１調整ステップと、
前記第１調整ステップにより振幅調整された前記第１周波数スペクトルに対して前記直交変換の逆変換を行って時間信号を生成する逆直交変換ステップと、
前記時間信号を符号化した後に復号して復号信号を生成する第１の符号化ステップと、
前記復号信号に対して直交変換を行って第２周波数スペクトルを生成する第２直交変換ステップと、
前記第１調整ステップにより前記第１周波数スペクトルに与えた特性と逆の特性を前記第２周波数スペクトルに与える第２調整ステップと、
前記第１直交変換ステップにより生成した前記第１周波数スペクトルから、前記第２調整ステップにより前記逆の特性を与えた前記第２周波数スペクトルを減算して残差スペクトルを生成する減算ステップと、
前記残差スペクトルを変換符号化する第２の符号化ステップと、
を有する音声符号化方法。
【請求項１】
符号化対象のターゲット信号に対して直交変換を行って第１周波数スペクトルを生成する第１直交変換手段と、
前記第１周波数スペクトルに対して非線形な第１の振幅調整を行う第１調整手段と、
前記第１の振幅調整を行った前記第１周波数スペクトルに対して前記直交変換の逆変換を行って時間信号を生成する逆直交変換手段と、
前記時間信号を符号化した後に復号して復号信号を生成する第１の符号化手段と、
前記復号信号に対して直交変換を行って第２周波数スペクトルを生成する第２直交変換手段と、
前記第１の振幅調整の際に前記第１周波数スペクトルに与えた特性と逆の特性を前記第２周波数スペクトルに与える第２調整手段と、
前記第１直交変換手段で生成した前記第１周波数スペクトルから、前記第２調整手段で前記逆の特性を与えた前記第２周波数スペクトルを減算して残差スペクトルを生成する減算手段と、
前記残差スペクトルを変換符号化する第２の符号化手段と、
を有する音声符号化装置。
【請求項２】
前記第１調整手段は、前記第１周波数スペクトルの各サンプルのうち、しきい値以上のスペクトル値を有するサンプルに対して、前記スペクトル値が大きいほど大きく減衰させることにより前記第１の振幅調整を行う請求項１記載の音声符号化装置。
【請求項３】
前記第２調整手段は、前記第２周波数スペクトルの各サンプルのうち、しきい値以上のスペクトル値を有するサンプルに対して、前記スペクトル値が大きいほど大きく伸長させる第２の振幅調整を、前記第２周波数スペクトルの振幅に応じて適応的に行うことにより、前記逆の特性を前記第２周波数スペクトルに与える請求項２記載の音声符号化装置。
【請求項４】
前記第１調整手段は、前記第１周波数スペクトルの、隣接するサンプル間のスペクトル値の変化量がしきい値以上のサンプルにおいて、前記変化量が大きいほど大きく減衰させることにより前記第１の振幅調整を行う請求項１記載の音声符号化装置。
【請求項５】
前記第２調整手段は、前記第２周波数スペクトルの隣接するサンプル間のスペクトル値の変化量がしきい値以上のサンプルに対して、前記変化量が大きいほど大きく伸長させる第２の振幅調整を、前記第２周波数スペクトルの振幅に応じて適応的に行うことにより、前記逆の特性を前記第２周波数スペクトルに与える請求項４記載の音声符号化装置。
【請求項６】
符号化対象のターゲット信号に対して直交変換を行って第１周波数スペクトルを生成する第１直交変換ステップと、
前記第１周波数スペクトルに対して非線形な振幅調整を行う第１調整ステップと、
前記第１調整ステップにより振幅調整された前記第１周波数スペクトルに対して前記直交変換の逆変換を行って時間信号を生成する逆直交変換ステップと、
前記時間信号を符号化した後に復号して復号信号を生成する第１の符号化ステップと、
前記復号信号に対して直交変換を行って第２周波数スペクトルを生成する第２直交変換ステップと、
前記第１調整ステップにより前記第１周波数スペクトルに与えた特性と逆の特性を前記第２周波数スペクトルに与える第２調整ステップと、
前記第１直交変換ステップにより生成した前記第１周波数スペクトルから、前記第２調整ステップにより前記逆の特性を与えた前記第２周波数スペクトルを減算して残差スペクトルを生成する減算ステップと、
前記残差スペクトルを変換符号化する第２の符号化ステップと、
を有する音声符号化方法。
【図１】
【図２】
【図３】
【図２】
【図３】
【公開番号】特開２０１３−５７７９２（Ｐ２０１３−５７７９２Ａ）
【公開日】平成２５年３月２８日（２０１３．３．２８）
【国際特許分類】
【出願番号】特願２０１１−１９５８９２（Ｐ２０１１−１９５８９２）
【出願日】平成２３年９月８日（２０１１．９．８）
【出願人】（０００００５８２１）パナソニック株式会社 (73,050)
【公開日】平成２５年３月２８日（２０１３．３．２８）
【国際特許分類】
【出願日】平成２３年９月８日（２０１１．９．８）
【出願人】（０００００５８２１）パナソニック株式会社 (73,050)
[ Back to top ]