JP4625709B2

JP4625709B2 - ステレオオーディオ信号符号化装置

Info

Publication number: JP4625709B2
Application number: JP2005089855A
Authority: JP
Inventors: 広和竹内
Original assignee: Toshiba Corp
Current assignee: Toshiba Corp
Priority date: 2005-03-25
Filing date: 2005-03-25
Publication date: 2011-02-02
Anticipated expiration: 2025-03-25
Also published as: JP2006267943A

Description

本発明は、左右チャネルのオーディオ信号をそれぞれ可変長のブロック単位で時間周波数変換する処理を伴う、例えばＡＡＣ（Advanced Audio Coding）やＭＰ３（MPEG-1 Audio Layer-3）などのステレオオーディオ信号符号化方法で符号化を行うステレオオーディオ信号符号化装置に関する。

ＡＡＣやＭＰ３等の符号化では、入力信号の急激な振幅変化に伴うプリエコーを抑制するために、可変長のブロック切替えが行われる。このブロック切替えでは、心理聴覚モデルに基づく知覚エントロピーや時間域の振幅変化(パワー比)などの判定パラメータが閾値を越えた場合に、時間解像度の高いショートブロックに切替える。
「Advanced Audio Coding(AAC)」，ISO/IEC 13818-7 Information technology -Generic coding of moving pictures and associated audio information-，国際標準化機構／国際電気標準会議，１９９７年１２月１日

左右の相関が高いステレオ信号を符号化する場合で、左右のチャネルの判定パラメータの微妙な違いのためにブロック切換の判定結果が異なった場合には、ロングブロックおよびショートブロックの符号化効率等の違いに伴い、左右の量子化雑音の違いが異音として検知されることがあった。

本発明はこのような事情を考慮してなされたものであり、その目的とするところは、左右の量子化雑音の違いに伴う異音の発生を抑止できるステレオオーディオ信号符号化装置を提供することにある。

一態様によるステレオオーディオ信号符号化装置は、左チャネルのオーディオ信号および右チャネルのオーディオ信号をそれぞれ可変長のブロック単位で時間周波数変換する処理を伴うステレオオーディオ信号符号化を行うステレオオーディオ信号符号化装置において、前記左チャネルと前記右チャネルとの間の相互相関値を求める手段と、前記左チャネルのオーディオ信号の特性を表すとともにブロック判定に必要な左チャネル用の判定パラメータと、前記右チャネルのオーディオ信号の特性を表すとともにブロック判定に必要な右チャネル用の判定パラメータとを算出する算出手段と、前記左チャネルのブロック長を、前記左チャネル用の判定パラメータが第１の閾値未満である場合に第１のブロック長として、また前記左チャネル用の判定パラメータが前記第１の閾値以上である場合に前記第１のブロック長よりも短い第２のブロック長としてそれぞれ判定するとともに、前記右チャネルのブロック長を、前記右チャネル用の判定パラメータが前記第１の閾値未満である場合に前記第１のブロック長として、また前記右チャネル用の判定パラメータが前記第１の閾値以上である場合に前記第２のブロック長としてそれぞれ判定する判定手段と、前記判定された左チャネルおよび右チャネルのブロック長が互いに異なり、かつ前記相互相関値が第２の閾値以上であるときに、前記判定されたブロック長が前記第２のブロック長であるチャネル用の前記判定パラメータが前記第１の閾値よりも大きな第３の閾値未満である場合には、前記左チャネルおよび前記右チャネルともに前記第１のブロック長を前記時間周波数に使用するブロック長として確定し、前記判定されたブロック長が前記第２のブロック長であるチャネル用の前記判定パラメータが前記第３の閾値以上である場合には、前記左チャネルおよび前記右チャネルともに前記第２のブロック長を前記時間周波数変換に使用するブロック長として確定する確定手段とを備える。

本発明によれば、左右の量子化雑音の違いに伴う異音の発生を抑止可能となる。

以下、図面を参照して本発明の一実施形態について説明する。

図１は本実施形態に係るステレオオーディオ信号符号化装置（以下、符号化装置と称する）のブロック図である。

この符号化装置は、入力されるステレオＰＣＭ信号に対して符号化処理を行い、符号化ビットストリームを出力するものである。この符号化装置は、フレーム切り出し部１、心理聴覚モデル部２、フィルタバンク部３、量子化歪み／レート制御部４、ホストプロセッサ５、スケーリング部６、量子化部７、符号化部８およびフォーマッタ９を含む。なお、これらの各部は、ハードウェアによりそれぞれを構成することも可能であるし、各部の機能をＤＳＰ（Digital Signal Processor）等によるソフトウェア処理によって実現することも可能である。

フレーム切り出し部１には、符号化の対象となるステレオＰＣＭ信号が与えられる。このステレオＰＣＭ信号は、時間域の信号である。フレーム切り出し部１は、このステレオＰＣＭ信号からコーデックの処理単位となる規定のフレームサイズのサンプル数毎にデータを切り出す。そしてフレーム切り出し部１は、この切り出した信号を出力する。

心理聴覚モデル部２は、フレーム切り出し部１が出力する信号に対してＤＦＴ（Discrete Fourier Transform）、ＤＣＴ（Discrete Cosine Transform）、あるいはＭＤＣＴ（Modified DCT）等の直交変換を行い、これにより時間域の信号から周波数領域の信号に変換する。心理聴覚モデル部２は、上記の直交変換により得られる変換係数（周波数成分）から知覚エントロピーと呼ばれるパラメータを計算する。このパラメータは、上記の変換係数から、聴感上の周波数分解能、周波数成分の拡散、予測不能性、信号の調音性（tonality）を解析することにより１フレームを符号化するのに必要とされる情報量を推定するためのものであり、計算方法の詳細はＩＳＯ／ＩＥＣにより制定された国際標準規格13818-7にて規定されている。

ところで心理聴覚モデル部２は、ブロック切替え部２ａおよびＳＭＲ算出部２ｂを有する。ブロック切替え部２ａは、上記の知覚エントロピーに基づいて、あるいはそれに代替する過去信号とのパワー比に基づいて、実際に符号化する時の直交変換処理（ＭＤＣＴ処理）で用いるブロック長を判定する。このブロック切替えは、直交変換による符号化方式でアタック信号（急峻な振幅変化を伴う信号）を符号化した際に量子化誤差の影響で生じる耳障りなノイズ（プリエコー）を抑制するために行われる。図２は、直交変換としてＡＡＣ等で使われるＭＤＣＴを使った場合のフレームとブロック切替えの様子を示した図である。図２（ａ）はロングブロックを、図２（ｂ）はショートブロックをそれぞれ示す。プリエコーの原因となるノイズはＭＤＣＴ処理単位に拡がるため、アタック信号を含むと判定される場合には、ＭＤＣＴする処理単位を８分割したショートブロックで処理することによりノイズが発生する範囲を抑える。なお、ショートブロックとロングブロックの繋ぎ目は両者の整合を取るための特殊な窓形状によるＭＤＣＴ処理となる。ブロック切替え部２ａは、この判定の結果を示したブロック長情報をフィルタバンク部３へ出力する。ＳＭＲ算出部２ｂは、聴覚上の周波数分解能を考慮した尺度（バーク、メル等）での等間隔の帯域毎に、信号に対してマスクされる音、つまりノイズとして存在しても知覚されない許容雑音の量の比を示すＳＭＲ（Signal to Mask Ratio）を算出する。ＳＭＲ算出部２ｂは、上記算出したＳＭＲを、量子化歪み／レート制御部４へ出力する。

フィルタバンク部３は、フレーム切り出し部１の出力信号を、心理聴覚モデル部２から出力されるブロック長情報に従って直交変換する。フィルタバンク部３は、上記の直交変換により得られた周波数変換係数を出力する。なお、符号化方式としてＡＡＣを採用している場合、フィルタバンク部３での直交変換はＭＤＣＴとなる。

量子化歪み／レート制御部４は、ホストプロセッサ５が指示する符号化レートと、心理聴覚モデル部２が出力するＳＭＲとに基づいて、フレーム毎に割当可能な符号量を算出する。量子化歪み／レート制御部４は、上記算出した符号量を符号化フレームの目標符号量として、スケーリング部６、量子化部７および符号化部８を制御する。例えば量子化歪み／レート制御部４は、量子化部７から与えられる量子化係数から量子化歪み量を算出し、その結果と心理聴覚モデル部２から得られるＳＭＲに応じてスケーリング部６および量子化部７へと出力指示を与える。また量子化歪み／レート制御部４は、符号化部８から通知される符号量が上記目標符号量以内になるまで繰り返し制御を行い、目標符号量以内になった時点で符号化部８へと出力指示を与える。

スケーリング部６は、フィルタバンク部３から出力される周波数変換係数（ＭＤＣＴ係数）を、所定のスケーリング係数でスケーリングする。そしてスケーリング部６は、上記のスケーリングの結果を量子化部７へ出力する。またスケーリング部６は、量子化歪み／レート制御部４からの指示に応じてスケーリング係数をフォーマッタ９へ出力する。

量子化部７は、スケーリング部６から出力された周波数変換係数を規定の式に従って補正したのち、全ての周波数変換係数について量子化を行う。量子化部７は、量子化したのちの係数を、量子化歪み誤差がＳＭＲ値に基づく許容誤差であるかを判定するための情報として量子化歪み／レート制御部４へと出力する。量子化部７は、量子化歪み／レート制御部４からの出力指示に応じて、量子化後の周波数変換係数を符号化部８へ出力する。

符号化部８は、量子化部７の出力を所定の符号化方式に従って圧縮符号化する。例えば、ＡＡＣの場合は上述の符号化方式としてハフマン符号化方式が適用される。符号化部８は、符号化後の符号量を量子化歪み／レート制御部４へと出力する。符号化部８は、量子化歪み／レート制御部４からの出力指示に応じて、符号化後の周波数変換係数をフォーマッタ９へ出力する。

フォーマッタ９は、符号化部８の出力とスケーリング部６から出力されるスケーリング係数とを所定のフォーマットに従って多重化する。フォーマッタ９は、上記の多重化の結果を、符号化オーディオ信号として出力する。

次に以上のように構成された符号化装置の動作について説明する。なお、本願発明のポイントは、ブロック切替え部２ａにおけるブロック長の判定処理にある。そこでここでは、この処理について詳細に説明する。この他の処理については、ＡＡＣに準拠する既存の符号化装置と同様な処理を適用可能である。

図３は図１中のブロック切替え部２ａにおけるブロック切替え処理の動作フローを示す図である。
フレーム切り出し部１で切り出された規定のフレームサイズのステレオＰＣＭ信号が入力されると、このフレームを処理対象として図３に示す処理を実行する。

ステップＳａ１においてブロック切替え部２ａは、左右のチャネル毎にブロック判定に必要な判定パラメータを算出する。判定パラメータとしては、心理聴覚モデルに基づく知覚エントロピーや、アタック信号を検出するために時間域でフレームあるいはサブブロック(フレームより小さい単位)毎でのパワー比等がある。ステップＳａ２においてブロック切替え部２ａは、上記の判定パラメータに基づいてチャネル毎のブロック形状（ブロック長）を判定する。ブロック形状の判定は、判定パラメータと閾値αとの比較によって行われる。判定パラメータが閾値α未満であるとき、定常的な信号と判断することができるため、ブロック切替え部２ａはブロック形状をロングブロックと判定する。一方、判定パラメータが閾値α以上であるとき、アタックを含む急峻な信号であると判断されるため、ブロック切替え部２ａはブロック形状をショートブロックと判定する。

ステップＳａ３においてブロック切替え部２ａは、左右のそれぞれのチャネルについて判定されたブロック形状が互いに同一であるか否かを確認する。この確認の結果がＹＥＳであるならば、ブロック切替え部２ａはステップＳａ３からステップＳａ９へ進む。しかしながら、上記の確認の結果がＮＯであるならば、ブロック切替え部２ａはステップＳａ３からステップＳａ４へ進む。

ステップＳａ４においてブロック切替え部２ａは、左右チャネル間の相互相関値を算出する。相互相関値Corrは、Ｌチャネル側の信号L(k)、Ｒチャネル側の信号をR(k)、判定すべき信号の範囲をＮとした場合、次式で求められる。なお、ここで算出する相互相関値は、時間域であっても、周波数領域であっても良い。

ステップＳａ５においてブロック切替え部２ａは、上記の相互相関値が閾値β以上であるか否かを確認する。左右チャネル間の相関が小さく、上記の確認の結果がＮＯとなるのであれば、ブロック切替え部２ａはステップＳａ５からステップＳａ９へ進み、ステップＳａ２で判定したブロック形状をそのまま用いる。しかしながら、左右チャネル間の相関が大きく、上記の確認の結果がＹＥＳとなるのであれば、ブロック切替え部２ａはステップＳａ５からステップＳａ６へ進む。

ステップＳａ６においてブロック切替え部２ａは、ショートブロックと判定されているチャネルに関してステップＳａ１で算出された判定パラメータが閾値α′以上であるか否かを確認する。閾値α′は、閾値αよりも若干大きな値に設定される。上記の確認の結果がＹＥＳとなるのであれば、ブロック切替え部２ａはステップＳａ６からステップＳａ７へ進む。ステップＳａ７においてブロック切替え部２ａは、ロングブロックと判定されているチャネル（ロング側チャネル）をショートブロックに変更する。この後にブロック切替え部２ａは、ステップＳａ９へ進む。これに対して、上記の確認の結果がＮＯとなるのであれば、ブロック切替え部２ａはステップＳａ６からステップＳａ８へ進む。ステップＳａ８においてブロック切替え部２ａは、ショートブロックと判定されているチャネル（ショート側チャネル）をロングブロックに変更する。この後にブロック切替え部２ａは、ステップＳａ９へ進む。

ステップＳａ９においてブロック切替え部２ａは、ここへ進んだ時点における各チャネルのブロック形状を、今回の処理対象としているブロックに関するブロック形状として確定し、これをフィルタバンク部３へ通知する。

かくして本実施形態によれば、判定パラメータと閾値αとの比較に基づいて判定されるブロック形状が左右のチャネルで互いに同一であれば、左右チャネルともにその判定されたブロック形状に確定される。

判定パラメータと閾値αとの比較に基づいて判定されるブロック形状が左右のチャネルで互いに異なり、かつ左右チャネル間の相関が比較的大きいのであれば、左右のチャネルのブロック形状が強制的に共通化される。左右の量子化雑音の違いは小さく抑えられ、異音の発生が抑えられる。

なお本実施形態では、ショート側チャネルの判定パラメータが閾値αよりも若干大きな閾値α′以上であるならば、左右のチャネルのブロック形状はショートブロックに共通化され、そうでないならばロングブロックに共通化される。従って、ショート側チャネルが、判定パラメータが閾値αより若干大きいためにショートブロックと判定されているのであれば、これをロングブロックに変更しても大きくは品質低下を来さないから、ロングブロックに共通化することで符号化効率を向上させることができる。しかし、ショート側チャネルが、判定パラメータが閾値αよりも十分に大きいのであれば、これをロングブロックに変更することによる品質低下が大きくなってしまう。そこで、ショートブロックに共通化することにより、品質を向上させることができる。

判定パラメータと閾値αとの比較に基づいて判定されるブロック形状が左右のチャネルで互いに異なったとしても、左右チャネル間の相関が比較的小さいのであれば、左右のチャネルともにその判定されたブロック形状に確定される。左右チャネル間の相関が比較的小さいステレオＰＣＭ信号としては、デュアルモノ音源に係わる信号が想定される。このデュアルモノ音源の場合、チャネル毎独立に聴聞する利用が想定されるため、チャネル間の影響を受けないように独立に符号化することが望ましく、無理にブロック形状を強制的に共通化すると音質劣化が引き起こされる恐れがある。しかし本実施形態では、上記のように左右チャネル間の相関が比較的小さい場合には、左右のチャネルのブロック形状が異なることを許容しているので、デュアルモノ音源に係わる信号も高品質に符号化できる。

この実施形態は、次のような種々の変形実施が可能である。
ブロック形状を強制的に共通化する場合に、無条件にロングブロックまたはショートブロックのいずれかに共通化しても良い。例えば、符号化効率を優先するならばロングブロックに、また品質を優先するならばショートブロックにそれぞれ共通化することが考えられる。

なお、本発明は上記実施形態そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化できる。また、上記実施形態に開示されている複数の構成要素の適宜な組み合わせにより、種々の発明を形成できる。例えば、実施形態に示される全構成要素から幾つかの構成要素を削除してもよい。

本発明の一実施形態に係るステレオオーディオ信号符号化装置のブロック図。ＭＤＣＴ処理におけるブロック切り替えの様子を示す図。図１中のブロック切替え部２ａにおけるブロック切替え処理の動作フローを示す図。

符号の説明

１…フレーム切り出し部、２…心理聴覚モデル部、２ａ…ブロック切替え部、２ｂ…ＳＭＲ算出部、３…フィルタバンク部、４…量子化歪み／レート制御部、５…ホストプロセッサ、６…スケーリング部、７…量子化部、８…符号化部、９…フォーマッタ。

Claims

左チャネルのオーディオ信号および右チャネルのオーディオ信号をそれぞれ可変長のブロック単位で時間周波数変換する処理を伴うステレオオーディオ信号符号化を行うステレオオーディオ信号符号化装置において、
前記左チャネルと前記右チャネルとの間の相互相関値を求める手段と、
前記左チャネルのオーディオ信号の特性を表すとともにブロック判定に必要な左チャネル用の判定パラメータと、前記右チャネルのオーディオ信号の特性を表すとともにブロック判定に必要な右チャネル用の判定パラメータとを算出する算出手段と、
前記左チャネルのブロック長を、前記左チャネル用の判定パラメータが第１の閾値未満である場合に第１のブロック長として、また前記左チャネル用の判定パラメータが前記第１の閾値以上である場合に前記第１のブロック長よりも短い第２のブロック長としてそれぞれ判定するとともに、前記右チャネルのブロック長を、前記右チャネル用の判定パラメータが前記第１の閾値未満である場合に前記第１のブロック長として、また前記右チャネル用の判定パラメータが前記第１の閾値以上である場合に前記第２のブロック長としてそれぞれ判定する判定手段と、
前記判定された左チャネルおよび右チャネルのそれぞれのブロック長が互いに異なり、かつ前記相互相関値が第２の閾値以上であるときに、前記判定されたブロック長が前記第２のブロック長であるチャネル用の前記判定パラメータが前記第１の閾値よりも大きな第３の閾値未満である場合には、前記左チャネルおよび前記右チャネルともに前記第１のブロック長を前記時間周波数に使用するブロック長として確定し、前記判定されたブロック長が前記第２のブロック長であるチャネル用の前記判定パラメータが前記第３の閾値以上である場合には、前記左チャネルおよび前記右チャネルともに前記第２のブロック長を前記時間周波数変換に使用するブロック長として確定する確定手段とを具備したことを特徴とするステレオオーディオ信号符号化装置。
前記確定手段は、前記判定された左チャネルおよび右チャネルのそれぞれのブロック長が互いに同一であるときに、前記判定されたブロック長のそれぞれを前記時間周波数変換に使用するブロック長として確定する請求項１に記載のステレオオーディオ信号符号化装置。
前記確定手段は、前記判定された左チャネルおよび右チャネルのそれぞれのブロック長が互いに異なり、かつ前記相互相関値が第２の閾値未満であるときに、前記判定されたブロック長のそれぞれを前記時間周波数変換に使用するブロック長として確定する請求項１に記載のステレオオーディオ信号符号化装置。
前記算出手段は、心理聴覚モデルに基づく知覚エントロピー、または時間域でフレームあるいはサブブロック毎でのパワー比を前記判定パラメータとして算出する請求項１に記載のステレオオーディオ信号符号化装置。