JPH0675590A

JPH0675590A - 知覚モデルに基づく音声信号符号化方法とその装置

Info

Publication number: JPH0675590A
Application number: JP5064825A
Authority: JP
Inventors: James D Johnston; デヴィッドジョンストンジェームス
Original assignee: American Telephone and Telegraph Co Inc
Current assignee: AT&T Corp
Priority date: 1992-03-02
Filing date: 1993-03-02
Publication date: 1994-03-18
Anticipated expiration: 2017-02-18
Also published as: DE69326492T2; CA2090159C; EP0559383A1; KR970007661B1; KR930020409A; CA2090159A1; US5285498A; EP0559383B1; JP3258424B2; DE69326492D1; US5481614A

Abstract

(57)【要約】【目的】改善された知覚モデルを用いて、高品質符号
化方法を提供する。【構成】高品質の音声信号の符号化は、チャネル間冗
長度およびチャネル間音響心理を利用する知覚フィルタ
バンク符号器により達成される。知覚原理を使用し、入
力標本からなる正常ウインドウと短ウインドウとを切替
えることにより、入力信号、特に、急激なアタックを有
する入力信号に対して出力信号の品質を改善する。切替
えは、信号状態に応じて、左右チャネルの符号化といわ
ゆる和差チャネルの符号化との間でも行われる。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、情報信号の処理に関
し、特に、記憶または伝送のために、音声および音楽情
報を表わす信号を含むモノラル音声信号およびステレオ
音声信号の効率的符号化および復合化方法に関する。

【０００２】

【従来の技術】高品質音声信号を記憶し、処理し、通信
するコンシューマ用製品、産業用製品、スタジオ用製品
および実験室用製品には、大きな需要がある。例えば、
いわゆる音楽用コンパクトディスク（ＣＤ）録音および
ディジタル・オーディオ・テープ（ＤＡＴ）録音は、長
い間親しまれたフォノグラフレコードおよびカセットテ
ープに大部分とって代った。また、最近入手できるよう
になったディジタル・オーディオ・テープ（ＤＡＴ）録
音は、高品質音声信号に対してより高い柔軟性と高い記
憶密度とを与える見込みがある。これについては、ＩＥ
ＥＥスペクトル（１９８９年１０日）の３４〜３８頁に
掲載されたタン（Ｔａｍ）およびフェルメレン（Ｖｅｒ
ｍｅｖｌｅｎ）による「データ記憶用ディジタル・オー
ディオ・テープ」をも参照のこと。ＣＤ並みの品質を示
すディジタル技術の同報通信用途に対する需要も高まり
つつある。

【０００３】これら発展途上のディジタル技術は、高品
質の信号を発生させることができるが、これは、相当量
のデータ記憶容量もしくは伝送帯域幅を犠牲にしてのみ
達成されることが多い。従って、記憶および伝送のため
に高品質音声信号を圧縮しようとして、多大の努力が行
われてきた。

【０００４】伝送および記憶のための信号圧縮に向けら
れたこれまでの努力の大部分は、信号源が信号に付加す
る冗長度を削減しようとした。例えば、１９８４年、プ
レンティスホール社のエヌ・エス・ジャイヤント（Ｎ．
Ｓ．Ｊａｙａｎｔ）およびピー・ノオル（Ｐ．Ｎｏｌ
ｌ）の「波形のデジタル符号化」に記載された適応差分
パルス符号化変調（ＡＤＰＣＭ）、サブバンド符号化お
よび変換符号化のような技術は、原始信号中に存在する
はずの冗長性を除去しようとしていた。

【０００５】他の方策によれば、原始信号中の無関係な
情報は、人間の知覚系モデルに基づく技術を使用して除
去しようとする。このような技術は、例えば、コンシュ
ーマ電子製品のＩＥＥＥＴｒａｍｓ．、Ｖｏｌ．ＣＥ
−３３、Ｎｏ．４，１９８７年１１月に掲載されたイー
・エフ・シュレーダ（Ｅ．Ｆ．Ｓｃｈｒｏｅｄｅｒ）お
よびジェイ・ジェイ・プラッテ（Ｊ．Ｊ．Ｐｌａｔｔ
ｅ）による「ＭＳＣ：ＣＤ品質と２５６キロビット／秒
の速度とを有するステレオ音声符号化」およびＩＥＥＥ
Ｊ．Ｓ．Ｃ．Ａ，Ｎｏ．２Ｖｏｌ．６のジョーンス
トン（Ｊｏｈｎｓｔｏｎ）による論文「雑音基準を使用
する音声信号の変換符号化」に記載されている。

【０００６】例えば、ジョーンストンの論文に記載され
た知覚符号化は、音声信号を再現するための必要ビット
伝送速度を落す（すなわち、使用可能ビットを再割り当
てする）、または、ビットの総数を減らす技術に関す
る。この符号化方式によれば、不要信号に対するマスキ
ングしきい値は、必要信号の周波数の関数として表わさ
れる。この場合、とりわけ、必要信号の信号成分を表現
するのに使用される量子化粗さは、符号化によってもた
らされる量子化雑音が雑音しきい値に極めて近接してい
てもよいが、この値を上回らないように選定される。こ
のため、もたらされた量子化雑音は、知覚過程において
マスキングされる。このように、知覚符号化された信号
の信号対雑音比は、比較的小さいかも知れないが、聴取
者に知覚される復号されたこれらの信号の品質は高い。

【０００７】１９９１年８月１３日に発行されたブラン
デンブルグその他の米国特許第５０４０，２１７号に
は、知覚に関する前記の考察を使用して高品質音声信号
を効率的に符号化し復号するシステムが記載されてい
る。特に、このシステムに記載された実施例は、入力信
号の「雑音状」品質または「音声状」品質の測度を使用
して、モノラル音声信号のための非常に効率的な符号化
を行う。

【０００８】音声信号を圧縮するのに使用される符号化
技術自体が耳ざわりな成分またはマーチファクトをもた
らさないことが重要なのは、当然である。これは、特に
重要である。符号化される情報が一のステレオチャンネ
ルに対応する場合のステレオ音声情報の符号化が、再生
のため復号されるとき、他のステレオチャンネルに対応
する符号化する情報と干渉すなわち相互作用する虞があ
るとき、特に重要である。二つのステレオチャンネルを
符号化するための手段選択には、一定のビット伝送速度
で動作する２個の独立した符号器を使用するいわゆる
「二重モノラル」符号器が含まれる。比較すれば、「統
合モノラル」符号器は、２個のモノラル符号器を使用す
るが、一の複合ビット伝送速度を共有する。すなわち、
前記２個のモノラル符号器のビット伝送速度は、一定速
度以下に制限される。しかし、各符号器のビット伝送速
度間にトレードオフが成立する虞がある。「統合モノラ
ル」符号器は、追加符号化利得を実現するためのステレ
オ対のチャネル間特性を利用しようとする符号器であ
る。

【０００９】

【発明が解決しようとする課題】ステレオ対の２つのチ
ャネルの独立した符号化（特に、ビット伝送速度が小さ
いとき）は望ましくない、多くの音響心理的アーチファ
クトを生じる虞があることが知られている。とりわけ、
動的に画像化された信号の局所化に適合しない符号化雑
音の局部化と関連した音響心理的アーチファクトが存在
する。従って、前記のような不適合局部化を避けるべき
であるとすれば、人間のステレオ知覚過程は、符号化過
程に対して制限を付加するように見える。この発見は、
雑音が空間的に隔離されうるように存在する（少なくと
も、低周波数に対して）ように見える両耳マスキングレ
ベル差に関する報告と一致する。このような両耳マスキ
ングレベル差は、モノラルシステムにおいてマスキング
される雑音成分をマスキングしないと判断される。例え
ば、ビー・シー・ジェイ・モリー（Ｂ．Ｃ．Ｊ．Ｍｏｒ
ｒｅ）の「聴覚心理学入門第２版」（１９８２年フロリ
ダ州オーランドアカデミック出版）の特に第５章を参
照してほしい。ステレオ環境中の音響心理的アーチファ
クトを減す一の技術は、ＩＳＯ−ＷＧ１１−ＭＰＥＧ−
音声音響心理［ＩＳＯ］モデルＩＩを使用する。このモ
デルによれば、信号対雑音比（ＳＮＲ）の第２限度が音
響心理モデル内でＳＮＲに適用される。しかし、このよ
うな追加的ＳＮＲ制限は、一般的に、低周波数におい
て、追加チャネル容量の消費を必要とするか、または、
（記憶用途において）追加記憶容量の使用を必要とす
る。これは、また、符号化のモノラル性能を低下させ
る。

【００１０】

【課題を解決するための手段】本発明によれば、高品質
音声チャネルから成る一のステレオ対を符号化する方法
および装置によって、従来技術の限界が克服されるとと
もに技術進歩がなされる。復号後の高品質再生を保ちつ
つ、より小さいビット伝送速度を達成するために、チャ
ネル間の冗長性および無関連性が利用される。本発明の
利点は、ステレオ符号化および復号に特に適している
が、従来の二重モノラルステレオ符号器においても実現
されうる。

【００１１】本発明の実施例は、修正離散コサイン変換
（ＭＤＣＴ）を使用するフィルタバンク構成を使用す
る。システムに提供されうる信号の全範囲を符号化する
ために、前記実施例は、信号依存形式で周波数と時間と
のいずれにおいても切換えられるＬ／Ｒ（左右）符号化
およびＭ／Ｓ（和／差）符号化のいずれをも使用できる
利点がある。新規ステレオ雑音マスキングモデルは、符
号化されたステレオ信号中の両耳アーチファクトを検出
し避ける利点がある。チャネル間冗長性は、音声品質を
低下させることなく、圧縮度を向上させるために利用さ
れる。

【００１２】左右の音声チャネルの時間的挙動は、正確
に監視され、その結果は、符号化過程の時間分解能を制
御するのに使用される。したがって、本発明の一態様に
よれば、本発明の実施例は、標準ＭＤＣＴウインドウ、
または、（信号状態が指示するとき）短ウインドウのい
ずれかに関する入力信号処理を行う。また、右／左符号
化モードおよび和／差符号化モード間の動的切替えは、
時間と周波数との両方において行われることにより、不
要両耳ノイズ局部化が制御され、和／差信号の過符号化
が不要となり、大域符号化利得が最大となる。

【００１３】符号器出力を形成するのに有用な柔軟性を
与える一般的なビットストリーム定義およびレート制御
ループが記載されている。チャネル間無関係性は、有利
に除去され、ステレオ雑音マスキングは改善され、これ
により、共通符号化ステレオ対における再生音声品質の
改善が達成される。実施例において使用されたレート制
御方法は、絶対しきい値と符号器のレート限界より小さ
い信号マスキングしきい値との間の補間とレート限界付
条件下でのしきい値上昇戦略とを使用する。

【００１４】本発明の一態様による全符号器／復号器シ
ステムによれば、ハフマン状エントロピ符号器／復号器
を使用することにより、チャネルビット伝送速度に対す
る要求または記憶用途用記憶容量をさらに軽減すること
が、有利であることが判る。例として使用された雑音の
ない圧縮方法は、知覚しきい値により指示されうるよう
に、Ｌ，Ｒ，ＭおよびＳのための周波数標本を効率的に
符号化するために周波数分割スキーマと一緒にハフマン
符号化を使用する。

【００１５】本発明は、従来技術と異なる方策を使用し
て、音声信号の量子化に使用される換算係数（すなわ
ち、分析フィルタバンクからのＭＤＣＴ係数出力）を決
定する機構を提供するとともに従来の量子化器／レート
ループの多くの制約およびコストを避けることである。
本発明に従って量子化された音声信号は、従来技術より
も雑音が少なく、より少ないビットとして符号化され
る。

【００１６】これらの結果は、本発明の実施例により得
られる。これにより、使用された換算係数は、量子化さ
れたスペクトル係数が許容範囲内に符号化されうるま
で、量子化されるべき各スペクトル係数の周波数に対応
する周波数での算出聴覚しきい値から得られた換算係数
と前記周波数での絶対聴覚しきい値から得られた換算係
数との間の補間によって繰り返し得られる。

【００１７】

【実施例】

１．概要本発明の開示を簡単化するため、以下の特許証、特許出
願および刊行物の記載は、言及により本願明細書および
図面中を参照する。すなわち、１９９１年１０月１３日
付で特許証が発行されたケイ・ブランデンブルグその他
による米国特許第５，０４０，２１７号、１９８８年１
２月３０日付で出願され発明の名称「音声信号の知覚符
号化」の米国特許出願第０７／２９２，５９８号、通信
の選定領域に関するＩＥＥＥジャーナル、Ｖｏｌ．６，
Ｎｏ．２（１９８８年２月）掲載のジェイ・ディー・ジ
ョーンストン（Ｊ．Ｄ．Ｊｏｈｎｓｔｏｎ）の「知覚雑
音基準を使用する音声信号の変換符号化」、１９８８年
３月１０日付で出願された国際特許出願（ＰＣＴ）ＷＯ
８８／０１８１１、ブランデンブルグその他により１９
９０年３月９日付で出願され発明の名称「ハイブリッド
知覚符号化」の米国特許出願第０７／４９１，３７３
号、第９０回ＡＥＳ大会（１９９１年）での「高品質音
楽信号の適応スペクトルエントロピ符号化」、ＩＣＡＳ
ＳＰ（１９８８年）でのジョーンストン，ジェイ．（Ｊ
ｏｈｎｓｔｏｎ，Ｊ．）による「雑音マスキング基準を
使用する知覚エントロピの推定」、ＩＣＡＳＳＰ（１９
８９年）でのジェイ・ディー・ジョーンストンによる広
帯域ステレオ信号の知覚変換符号化、イー・エフ・シュ
レーダおよびジェイ・ジェイ・プラットによる「ＭＳ
Ｃ：ＣＤ−品質および２５６キロビット／秒の伝送速度
を有するステレオ音声符号化」、１９８７年１１月、Ｖ
ｏｌ．ＣＥ−３３，Ｎｏ．４、コンシューマ電子製品に
関するＩＥＥＥＴｒａｎｓ．、およびジョーンストン
による「雑音基準を使用する音声信号の変換符号化」、
Ｖｏｌ．６，Ｎｏ．２，ＩＥＥＥＪ．Ｓ．Ｃ．Ａ（１
９８８年２月）である。

【００１８】説明を明瞭にするため、本発明の実施例
は、個別の機能ブロック（プロセッサと名付けられた機
能ブロックを含めて）からなるものとして提示されてい
るという用語の使用は、ソフトウェアのみを指している
と解釈されるべきでない）。これらのブロックが表わす
機能は、共用または専用ハードウェア（ソフトウェアを
実行しうるハードウェアを含むが、これに限定されな
い）の使用によって提供されうる。実施例は、例えば、
ＡＴ＆ＴのＤＳＰ１６またはＤＳＰ３２Ｃのようなハー
ドウェアのディジタル信号プロセッサ（ＤＳＰ）および
後述する動作を行うソフトウェアから構成されていても
よい。本発明の実施例にかかるハードウェアの超大規模
集積回路（ＶＬＳＩ）およびハイブリッドＤＳＰ／ＶＬ
ＳＩが提供されてもよい。

【００１９】図１は、本発明の実施例を組込むのに有用
なシステム全体のブロック線図である。図示されたレベ
ルにおいて、図１のシステムは、従来技術において知ら
されたシステムである。しかし、本明細書に記載された
変形例および拡張例は、本発明による貢献を明らかにす
ることになる。図１において、アナログ音声信号１０１
は、プリプロセッサ１０２に供給され、このプリプロセ
ッサにおいて、標本化され（一般的に４８ＫＨｚで）デ
ィジタルパルス符号変調（ＰＣＭ）信号１０３（一般的
に１６ビット）に標準的方式で変換される。ＰＣＭ信号
１０３は、知覚音声符号器１０４（ＰＡＣ）に供給され
る。この知覚音声符号器は、ＰＣＭ信号を圧縮し、圧縮
ＰＡＣ信号を通信チャネル／記憶媒体１０６に出力す
る。通信チャネル／記憶媒体から、圧縮ＰＡＣ信号は、
知覚音声復号器１０２に供給される。この知覚音声復号
器は、圧縮ＰＡＣ信号を圧縮解除し、圧縮ＰＡＣ信号を
表わすＰＣＭ信号を出力する。知覚音声復号器１０８か
ら、ＰＣＭ信号１０９は、ポストプロセッサ１１０に供
給される。このポストプロセッサは、ＰＣＭ信号１０９
のアナログ形態を作り出す。

【００２０】知覚音声符号器１０４の一具体例が図２の
ブロック線図として示されている。図１に示されたシス
テムの場合のように、図２に示されたシステムは、付加
がなければ、従来技術にかかるシステム（例えば、ブラ
ンデンブルグその他による米国特許第５，０４０，２１
７号に開示されたシステム）も説明する。しかし、本明
細書に記載された拡張および変形を行えば、新しい重要
な結果が得られる。図２の知覚音声符号器は、分析フィ
ルタバンク２０２、知覚モデルプロセッサ２０４、量子
化器／レートループプロセッサ２０６およびエントロピ
符号器２０８からなるとみなしてもよい。

【００２１】図２のフィルタバンク２０２は、幾らかの
信号処理利得（すなわち、冗長性抽出）およびフィルタ
バンク入力のマッピングを人間の知覚系から見て意味の
ある方法で与えるような方法で、時間／周波数におい
て、入力音声信号を変換する。入力信号の前記変換を行
うために、例えば、ジェイ・ピー・プリンセン（Ｊ．
Ｐ．Ｐｒｉｎｃｅｎ）およびエー・ビー・ブラッドレー
（Ａ．Ｂ．Ｂｒａｄｌｅｙ）による「時間領域エーリア
シング消去に基づく分析／合成フィルタバンク」（ＩＥ
ＥＥＴｒａｎｓ．ＡＳＳＰ，Ｖｏｌ．３４，Ｎｏ．
５，１９８６年１０月）に記載された周知の修正離散コ
サイン変換（ＭＤＣＴ）が採用されてもよい。本環境に
おいて有用となるＭＤＣＴの特徴には、その臨界標本化
特性が含まれる。すなわち、フィルタバンクへ入るｎ個
の標本に対して、ｎ個の標本がフィルタバンクから得ら
れる。また、ＭＤＣＴは、一般的に、半オーバラップを
生じる。すなわち、変換長さは、正確に、フィルタバン
ク内へシフトされた標本数ｎの長さの正確に２倍であ
る。半オーバラップは、良好な分析ウインドウ周波数応
答を与えるのと同様に、各フィルタタップに独立に注入
された雑音制御を取扱う良好な方法を与える。また、量
子化が行われなければ、ＭＤＣＴは、標本の整数個分の
遅延を受けるときのみ、入力標本の正確な再構成を行
う。

【００２２】ＭＤＣＴが高能率ステレオ音声符号器に関
連して使用するために修正される一の態様は、分析ウィ
ンドウが臨海的に標本化され正確な再構成特性を保持す
るようにして、強力な非固定成分を有する信号セクショ
ンのための分析ウインドウ長を変える能力を提供するこ
とである。本件と対応の米国出願と同日付で出願された
フエライラ（Ｆｅｒｒｅｉｒａ）およびジョーンストン
による発明の名称「音声信号の知覚符号化方法および装
置」の米国特許出願（以下、フィルタバンク出願とい
う）は、図２に示された分析フィルタバンク２０２の機
能を達成するのに最適のフィルタバンクを記載してい
る。

【００２３】図２に示された知覚モデルプロセッサ２０
４は、分析フィルタバンク内の種々の信号成分の推定知
覚重要度、推定雑音マスキング特性、または、推定有意
雑音最低レベルを算出する。これらの量を表わす信号
は、その後、システムの他の構成要素に供給され、濾波
作用およびチャネルまたは記憶媒体に送信されるデータ
編成の制御を改善する。本発明の実施例は、通信の選定
領域に関するＩＥＥＥＪ．１９８８年２月のジェイ・デ
ィ・ジョーンストンによる「音声信号の変換符号化」に
記載された臨界帯域分析による臨界帯域を使用するより
も、しきい値の算出のため、より精密な周波数分解能を
使用する。このように、最後に挙げたジョーンストン論
文中の全調性測度を使用する代りに、１９９０年ＡＥＳ
第８９回大会のケイ・ブランデンブルグおよびジェイ・
ディ・ジョーンストンによる「第２世代知覚音声符号
化：ハイブリット符号器」に挙げられた全調性測度に基
づく調性方法は、周波数全体に亘って変化する推定調性
を与えるので、複合信号により適したものを生じる。知
覚モデルプロセッサ２０４で行われる音響心理的分析
は、正常ＭＤＣＴウインドウおよび短縮ウインドウの両
方に対して、最適となるように、Ｌ（左）チャネル、Ｒ
（右）チャネル、Ｍ（和）チャネルおよびＳ（差）チャ
ネルに対して雑音しきい値を与える。短縮ウインドウの
使用は、音響心理モデルプロセッサによって全体的に有
利に制御される。

【００２４】動作において、知覚モデルプロセッサ２０
４の実施例は、左チャネルおよび右チャネルのしきい値
ＴＨＲｌおよびＴＨＲｒを決める。これら２個のしきい
値は、その後、例として、３５個の符号器周波数パーテ
ィション（能動ウインドウ切替えブロックの場合、５６
個パーティション）のそれぞれにおいて比較される。２
個のしきい値の違いが左と右とにおいてある量（一般的
に２ｄＢ）より小さいパーティションにおいては、符号
器は、Ｍ／Ｓモードに切替えられる。すなわち、前記周
波数帯における左信号は、Ｍ＝（Ｌ＋Ｒ）／２によって
置き換えられ、右信号は、Ｓ＝（Ｌ−Ｒ）／２によって
置き換えられる。ここに述べた置換の引金となる実差
は、ビット伝送速度制限および他のシステムパラメータ
によって異なるものとなる。

【００２５】左右しきい値に使用されるのと同一のしき
い値計算が和しきい値および差しきい値にも使用され
る。しきい値は、実際の和信号および差信号に基づいて
計算される。まず、基準しきい値（ＢＴＨＲｍおよびＭ
ＬＤｓ）が算出される。このとき、和信号および差信号
のステレオマスキング負担分を算出するため、以下のス
テップが使用される。１．和しきい値と差しきい値のそれぞれに対して追加の
係数が算出される。この係数（ＭＬＤｍおよびＭＬＤｓ
という）は、広がり信号エネルギ（例えば、１９８８年
２月、通信の選定領域に関するＩＥＥＥＪ．のジェイ
・ディー・ジョーンストンによる「知覚雑音基準を使用
する音声信号の変換符号化」１９９０年第８９回ＡＥＳ
大会でのケイ・ブランデンブルグおよびジェイ・ディー
・ジョーンストンによる「第２世代知覚音声符号化：ハ
イブリット符号器」、およびブランデンブルグその他に
よる米国特許第５，０４０，２１７号から得られる）に
図３に示されたマスキングレベル差係数を乗じることに
より算出される。これにより、種々の源において示され
たマスキングレベル差に基づいて、和チャネルおよび差
チャネルにおける周波数横断雑音第２検出レベルが算出
される。

【００２６】２．実右しきい値（ＴＨＲｍ）は、ＴＨＲ
ｍ＝ｍａｘ（ＢＴＨＲｍ、ｍｉｎ（ＢＴＨＲｓ，ＭＬＤ
ｓ））として算出され、しきい値ｍ＝ｍａｘ（ＢＴＨＲ
ｍ，ｍｉｎ（ＢＴＨＲｓ，ＭＬＤｓ））であり、差しき
い値は、ＴＨＲｓ＝ｍａｘ（ＢＴＨＲｓ，ｍｉｎ（ＢＴ
ＨＲｍ，ＭＬＤｍ））として算出される。

【００２７】事実上、ＭＬＤ信号は、ステレオアンマス
キングの機会が存在する場合には、ＢＴＨＲ信号を置換
する。左しきい値および右しきい値は、等しくないの
で、左しきい値と右しきい値とが等しくないことによる
和差しきい値降下の問題を考慮する必要はない。

【００２８】図２の符号器中に使用される量子化・レー
ト制御プロセッサ２０６には、分析フィルタバンクおよ
び知覚モデルからの出力が入力され、所定の用途に対し
て必要ビット伝送速度を満足するように、ビットおよび
雑音を割り当て、他のシステムパラメータを制御する。
幾つかの代表的符号器によれば、知覚モデルの有意差の
みを決して超過しないような量子化にすぎないこともあ
る。したがって、ビット伝送速度に何らの（明白な）注
意も払われない。幾つかの符号器によれば、ビット伝送
速度と符号化雑音との間の均衡を達成するため、ひずみ
とビット伝送速度とを調整する繰り返しループの複合セ
ットのこともある。特に有用な量子化・レート制御プロ
セッサは、本願と対応する米国出願と同日付で出願され
たジェイ・ディー・ジョーンストンによる発明の名称
「知覚符号器／復号器用レートループプロセッサ」（以
下、レートループ出願という）米国特許出願に記載され
ている。分析され量子化された信号からの情報および必
須副情報が入力され、同期を挿入し、情報をフレーム化
する機能は、レートループプロセッサ２０６によって行
われることも望ましく、前記レートループ出願に記載さ
れている。また、これらの機能は、ブランデンブルグそ
の他の米国特許証第５，０４０，２１７号に明瞭に記載
されている。

【００２９】エントロピ符号器２０８は、レート制御プ
ロセッサ２０６と共同して更に雑音のない圧縮を達成す
るのに使用される。特に、本発明の他の態様によれば、
エントロピ符号器２０８は、量子化器／レートループ２
０６から出力され、量子化音声信号を含む入力を取込
み、量子化音声信号の損失のない符号化を行ない、圧縮
音声信号を通信チャネル／記憶媒体１０６に出力する。

【００３０】エントロピ符号器２０８は、各量子化音声
信号を符号化する最小冗長度ハフマン符号化技術の新し
い変形例である。ハフマン符号化については、例えば、
ディー・エー・ハフマン（Ｄ．Ａ．Ｈｕｆｆｍａｎ）に
よる「最小冗長度符号の構成方法」、Ｐｒｏｃ．ＩＲ
Ｅ，４０：１０９８−１１０１（１９５２年）およびテ
ィー・エム・カバー（Ｔ．Ｍ．Ｃｏｖｅｒ）およびジェ
イ・エー・トーマス（Ｊ．Ａ．Ｔｈｏｍａｓ）による情
報理論の諸要素、９２〜１０１ページ（１９９１年）に
記載されている。図２の符号器の環境で有利に使用され
るハフマン符号の有用な適応は、本願の対応米国特許出
願と同日付で出願され、本願の対応米国特許出願の譲受
人に譲渡されたジェイ・ディー・ジョーンストンおよび
ジェイ・リーズ（Ｊ．Ｒｅｅｄｓ）（以下、エントロピ
符号器出願という）による米国特許出願に更に詳しく記
載されている。データ通信技術の当業者は、他の雑音の
ないデータ圧縮技術（周知のレンペル−チッブ圧縮方法
を含めて）を使用してエントロピ符号器２０８の他の実
施例を具体化する方法が容易に判るはずである。。図２
に示された各構成要素の使用は、全システム機能の環境
において更に詳しく説明されることになる。また、動作
の詳細は、知覚モデルプロセッサ２０４に対して説明さ
れることになる。

【００３１】２．１．分析フィルタバンク知覚音声符号器１０４の分析フィルタバンク２０２は、
入力として、パルス符号変調（ＰＣＭ）ディジタル音声
信号（一般的に、４８ｋＨｚで標本化された１６ビット
信号）を取り入れ、入力信号の個別周波数成分を表示す
る入力信号の表示を出力する。特に、分析フィルタバン
ク２０２の出力は、入力信号の修正離散コサイン変換
（ＭＤＣＴ）となる。ジェイ・プリンセン（Ｊ．Ｐｒｉ
ｎｃｅｎ）その他による「時間領域エーリアシング消去
に基づくフィルタバンク構成を使用する副帯変換符号
化」、ＩＥＥＥＩＣＡＳＳＰ，２１６１〜２１６４頁
（１９８７年）を参照してほしい。

【００３２】本発明の一態様による例としての分析フィ
ルタバンク２０２は、図４に示されている。分析フィル
タバンク２０２は、入力信号バッファ３０２、ウインド
ウ乗算器３０４、ウインドウメモリ３０６、ＦＦＴ（高
速フーリエ変換）プロセッサ３０８、ＭＤＣＴプロセッ
サ３１０、連結器３１１、遅延メモリ３１２、およびデ
ータ選択器１３２からなる。

【００３３】分析フィルタバンク２０２は、フレーム毎
に動作する。フレームは、入力信号バッファ３０２によ
って保持される２Ｎ個のＰＣＭ入力音声信号標本として
選定される。上述の通り、各ＰＣＭ入力音声信号標本
は、Ｍビットにより表現される。一例として、Ｎ＝５１
２およびＭ＝１６である。

【００３４】入力信号バッファ３０２は、２個のセクシ
ョンからなる。すなわち、第１セクションは、バッファ
位置１〜ＮのＮ個の標本からなる。第２セクションは、
バッファ位置Ｎ＋１〜２ＮのＮ個の標本からなる。知覚
音声符号器１０４により符号化されるべき各フレーム
は、入力音声信号のＮ個の逐次標本を入力信号バッファ
３０２内にシフトさせることにより形成される。前標本
は、新標本よりも高いバッファ位置に配置される。

【００３５】与えられた時刻において、入力信号バッフ
ァ３０２が２Ｎ個の音声信号標本からなるフレームを含
むと仮定すると、逐次フレームは、（１）１〜Ｎ個のバ
ッファ位置にあるＮ個の音声信号標本をそれぞれＮ＋１
〜２Ｎのバッファ位置にシフトすることにより（バッフ
ァ位置Ｎ＋１〜２Ｎにある前音声信号標本は、重ね書き
されても、または、削除されてもよい）および（２）プ
リプロセッサ１０２から出力されたＮ個の新音声信号標
本を入力信号バッファ３０２内のバッファ位置１〜Ｎに
シフトさせることにより得られる。したがって、逐次フ
レームが共通してＮ個の標本を含むことが理解できる。
逐次フレームの第１番目は、バッファ位置１〜Ｎに共通
の標本を有し、逐次フレームの第２番目は、バッファ位
置Ｎ＋１〜２Ｎに共通の標本を有する。分析フィルタバ
ンク２０２は、臨界的に標本化されたシステム（すなわ
ち、入力信号バッファ３０２に入力された全Ｎ個の音声
信号標本に対して、分析フィルタバンク２０２は、量子
化器／レートループ２０６に対してＮ個のスカラからな
るベクトルを出力する。

【００３６】入力音声信号の各フレームは、ウインドウ
乗算器３０４が７個のデータウインドウをフレームに適
用しうるように入力信号バッファ３０２によってウイン
ドウ掛け算器３０４に供給される。各データウインドウ
は、「係数」と称する複数のスカラからなるベクトルで
ある。７個のデータウインドウは、２Ｎ個の係数（すな
わち、フレーム内の音声信号標本と同一数）を有する
が、７個のデータウインドウのうち４個だけは、Ｎ／２
個の零でない係数（すなわち、フレーム内の音声信号標
本数の１／４）を有する。後述するように、データウイ
ンドウ係数は、ＭＤＣＴプロセッサ３１０の出力の知覚
エントロピを減らすように選定されうる。

【００３７】データウインドウ係数に対する情報は、ウ
インドウメモリ３０６内に記憶される。ウインドウメモ
リ３０６は、例として、ランダムアクセスメモリ（ＲＡ
Ｍ）、読出し専用メモリ（ＲＯＭ）、または、他の磁気
もしくは光学媒体であってもよい。ウインドウ乗算器３
０４によって使用される７個のデータウインドウの図面
は、図４に示されている。図４に示された７個のデータ
ウインドウのそれぞれのための一般的な係数ベクトル
は、付録Ａに示されている。図４および付録Ａのいずれ
からも判るように、データウインドウ係数の幾つかは、
零に等しくてもよい。

【００３８】データウインドウが２Ｎ個のスカラからな
るベクトルであること、および、音声信号フレームも２
Ｎ個のスカラからなるベクトルであることを考えれば、
データウインドウ係数は、ポイントツーポイント乗算に
より音声信号フレームスカラに適用される（すなわち、
１番目の音声信号フレームスカラは、１番目のデータウ
インドウ係数と乗算され、２番目の音声信号フレームス
カラは、２番目のデータウインドウ係数と乗算される。
以下同様。）したがって、ウインドウ乗算器３０４は、
並列動作する７個のマイクロプロセッサであってもよ
い。各マイクロプロセッサは、入力信号バッファ３０２
により保持された音声信号フレームに対し７個のデータ
ウインドウのうち１個を適用するために、２Ｎ回の乗算
を行う。ウインドウ乗算器３０４の出力は、「ウインド
ウ付フレームベクトル」と称される２Ｎ個のスカラから
なる７個のベクトルである。

【００３９】前記７個のウインドウ付フレームベクトル
は、ウインドウ乗算器３０４によってＦＦＴプロセッサ
３０８に供給される。ＦＦＴプロセッサ３０８は、７個
のウインドウ付ベクトルのそれぞれに対して奇数周波数
ＦＦＴを行う。奇数周波数ＦＦＴは、周波数において決
定される離散フーリエ変換である。

【００４０】

【数１】

【００４１】ここでｋ＝１，３，５，…２Ｎ，ｆＨは、
標本化率の１／２に等しい。ＦＦＴプロセッサ３０８
は、並列動作しそれぞれが他と異なるウインドウ付フレ
ームベクトルに作用する従来の時間軸上１０分の１抜取
りＦＦＴプロセッサであってもよい。ＦＦＴプロセッサ
３０８の出力は、２Ｎ個の複素成分からなる７個のベク
トルであり、「ＦＦＴベクトル」と称する。

【００４２】ＦＦＴプロセッサ３０８は、知覚モデルプ
ロセッサ２０４およびＭＤＣＴプロセッサ３１０のいず
れにも７個のＦＦＴベクトルを供給する。知覚モデルプ
ロセッサ２０４は、ＦＦＴベクトルを使用することによ
り、データ選択器３１４および量子化器／レートループ
プロセッサ２０６の動作を規制する。データ選択器３１
４および知覚モデルプロセッサ２０４の動作の詳細は、
後述する。

【００４３】ＭＤＣＴプロセッサ３１０は、ＦＦＴプロ
セッサ３０８から入力された７個のＦＦＴベクトルのそ
れぞれの実成分に基づいてＭＤＣＴを行う。ＭＤＣＴプ
ロセッサ３１０は、並行動作する７個のマイクロプロセ
ッサからなっていてもよい。このような各マイクロプロ
セッサは、７個のＦＦＴベクトルのうち１個に基づくＮ
個の実スカラからなる７個の「ＭＤＣＴベクトル」のう
ち１個を決定する。各ＦＦＴベクトルＦ（ｋ）に対し
て、結果のＭＤＣＴベクトルＸ（ｋ）は、以下の通りと
なる。

【００４４】

【数２】

【００４５】結果の冗長性のため、手続きは、２Ｎでな
く、Ｎまでｋ回行われる必要がある。すなわち、Ｎ＜ｋ
≦２Ｎに対して、

【００４６】

【数３】

【００４７】ＭＤＣＴプロセッサ３１０は、連結器３１
１および遅延メモリ３１２に対して７個のＭＤＣＴベク
トルを供給する。

【００４８】ウインドウ乗算器３０４に関連して上述し
たように、７個のデータウインドウのうち４個は、Ｎ／
２個の零でない係数（図１４Ｃ〜図１４Ｆ参照）。これ
は、ウインドウ付フレームベクトルのうち４個がＮ／２
個のみの零でない値を含むことを意味する。したがっ
て、前記４個のベクトルの零でない値は、ＭＤＣＴプロ
セッサ３１０の出力に基づいて、連結器３１１により長
さ２Ｎの１個のベクトルとして連結されてもよい。結果
として生じたこれらのベクトルの連結は、後の目的のた
めに、１個のベクトルとして取扱われる。この様にし
て、遅延メモリ３１２には、７個でなく４個のＭＤＣＴ
ベクトルが供給される。

【００４９】遅延メモリ３１２には、一時的に記憶する
ため、ＭＤＣＴプロセッサ３１４および連結器３１１か
ら４個のＭＤＣＴが入力される。遅延メモリ３１２は、
分析フィルタバンク２０２を介して、４個のＭＤＣＴベ
クトルの流れに１個の音声信号フレーム分の遅延（入力
信号バッファ３０２によって定まる）を与える。遅延
は、（ｉ）逐次音声信号フレームを表わすＭＤＣＴベク
トルからなる最新の２個の逐次セットを記憶し、（ii）
ベクトルの逐次セットの前のものを入力としてデータ選
択器３１４に供給する。遅延メモリ３１２は、以下の大
きさのランダムアクセスメモリ（ＲＡＭ）であってもよ
い。

【００５０】

【数４】

【００５１】式中、２は、ベクトルの逐次セットの数で
あり、４は、一のセット内のベクトルの数であり、Ｎ
は、一のＭＤＣＴベクトル内の成分数であり、Ｍは、Ｍ
ＤＣＴベクトル成分を表わすのに使用されるビット数で
ある。

【００５２】データ選択器３１４は、フィルタバンク２
０２から量子化器／レートループ２０６に出力される、
遅延メモリ３１２によって供給される４個のＭＤＣＴベ
クトルの１個を選択する。上述したように、知覚モデル
プロセッサ２０４は、ＦＦＴプロセッサ３０８により供
給されたＦＦＴベクトルに基づいてデータ選択器の動作
を規制する。遅延メモリ３１２の動作により、知覚モデ
ルプロセッサ２０４に供給された７個のＦＦＴベクトル
と同時にデータ選択器３１４に供給された４個のＭＤＣ
Ｔベクトルとは、同一の音声入力フレームに基づかず、
２個の逐次入力信号フレーム−該フレームのうち前フレ
ームに基づくＭＤＣＴベクトルと、後フレームに基づく
ＦＦＴベクトルとからなる。したがって、特定のＭＤＣ
Ｔベクトルの選択は、次の逐次音声信号フレーム内に含
まれた情報に基づく。知覚モデルプロセッサ２０４がＭ
ＤＣＴベクトルの選択を規制するときに従う基準は、以
下の２．２項に記載されている。例としてのステレオ実
施例のため、分析フィルタバンク２０２は、左チャネル
および右チャネルのそれぞれに設けられている。

【００５３】２．２知覚モデルプロセッサ知覚符号器は、一部、例えば、フィルタバンク２０２か
らのＭＤＣＴ情報のように、情報含有信号の量子化に伴
う雑音を導入することによって、高品質音声信号を正確
に表現するのに必要なビット数の削減を達成した。もち
ろん、最終目的は、知覚されない、または、好都合な方
法で前記雑音を導入することである。このノイズシェイ
ピングは、まず、周波数分析の道具である。したがっ
て、信号をスペクトル表示（例えば、フィルタバンク２
０２によって供給されるＭＤＣＴベクトル）に変換し、
これらの信号によってマスキングされることになる雑音
の形状および量を計算し、スペクトル値を量子化するこ
とにより雑音を注入することは、好都合である。これら
基本的動作は、図２に示された知覚符号器の構造中に表
現されている。

【００５４】知覚音声符号器１０４の知覚モデルプロセ
ッサ２０４は、逐次フレームに作用する分析フィルタバ
ンク２０２から入力を受け入れる。この結果、知覚モデ
ルプロセッサ入力は、一般的に、分析フィルタバンク２
０２から出力された７個の高速フーリエ変換（ＦＦＴ）
ベクトルからなる。これらは、それぞれがウインドウ付
フレームベクトルの１個と対応する各２Ｎ個の成分から
なる７個のベクトルとしての形を有するＦＦＴプロセッ
サ３０８の出力である。信号により量子化雑音をマスキ
ングするために、信号のスペクトル量と信号の特定のス
ペクトルパターンの持続期間とを考慮しなければならな
い。これら２つの面は、聴覚系の積分期間が与えられれ
ば信号および雑音がほぼ定常状態にある周波数領域での
マスキングと関係づけられ、また、信号および雑音が種
々のうずまき管フィルタを通過せられる時間領域でのマ
スキングとも関係づけられる。

【００５５】周波数領域でのマスキングは、同時刻マス
キングの概念によって説明される。これらの概念は、文
献に広範に説明されている。例えば、イー・ツヴィッキ
ー（Ｅ．Ｚｗｉｃｋｅｒ）およびエッチ・ファストル
（Ｈ．Ｆａｓｔｌ）による「音響心理学、事実、および
モデル」、Ｓｐｒｉｎｇｅｒ−Ｖｅｒｌａｇ，１９９０
年を参照してほしい。これらの概念を知覚符号化に対し
て有用とするために、これらは、種々の方法で実施され
ている。

【００５６】同時刻マスキングは、知覚ノイズシェイピ
ングモデルを使用することにより評価される。雑信号の
スペクトルおよびその雑音状挙動または音調状挙動の記
述が与えられれば、これらのモデルは、各スペクトル成
分の量子化レベルを規制する仮想マスキングしきい値を
出力する。このノイズシェイピングは、有意差を生じる
ことなく、原信号に導入されうる雑音の最大量を表わ
す。知覚エントロピ（ＰＥ）と称される測度は、透過符
号化のためのビット伝送速度の理論的下方限界を推定す
るのに前記仮想マスキングしきい値を使用する。ＩＣＡ
ＳＳＰ，１９８９年のジェイ・ディー・ジョーンストン
による「雑音マスキング基準を使用する知覚エントロピ
の推定」を参照してほしい。

【００５７】プレマスキングは、雑音より高いマスカー
信号より前のある時刻に出発する雑音の（非）可聴度を
特徴づける。雑音の振幅は、遅延が増大するにつれてよ
り多く減衰するはずである。この減衰レベルは、また、
周波数に依存する。雑音が合成ウインドウの最初の半分
によって減衰される量子化雑音であるときは、実験的証
拠により最大許容遅延が約１ミリ秒であることが示され
ている。

【００５８】この問題は、極めて敏感なものであり、良
好な符号化利得を達成するのと直接牴触しうる。固定状
態を仮定すると（これは、虚偽の前提であるが）、符号
化利得は、より大きな変換に対しては、より大きい。し
かし、量子化誤差は、再構成された時間セグメントの開
始まで拡大する。したがって、１０２４点からなる変換
長が使用され、ディジタル信号が４８０００Ｈｚの速度
で標本化されるときは、雑音は、最大、信号の２１ミリ
秒前に出現することになる。このシナリオは、信号が
「アタック」として周知の時間領域での鋭い過渡現象の
形をとるとき、特に危機的である。この場合、量子化雑
音は、アタックの前に可聴となる。この効果は、プレエ
コーとして知られている。

【００５９】このように、固定長フィルタバンクは、信
号の非固定部分に対する良好な知覚解でもないし、信号
処理解でもない。この問題を回避する可能な方法は、分
析／合成ウインドウ長さを短縮することにより符号器の
時間分解能を改善することであることが後述される。こ
れは、アタック状態が検出されたとき、ウインドウ切替
え機構として具体化される。この方法により、長い分析
／合成ウインドウを使用することにより達成される符号
化利得は、前記の検出が結果として短い分析／合成ウイ
ンドウへ切替えの必要を伴って生じるときのみ、影響を
受けることになる。

【００６０】ポストマスキングは、より強いマスカー信
号の停止後、雑音が残っているとき、雑音の（非）可聴
度を特徴づける。この場合、許容遅延は、２０ミリ秒の
レベルである。より大きく変換された時間セグメントが
２１ミリ秒（１０２４個の標本）続くとすれば、この状
況を取扱うのに特別の注意を必要としない。

【００６１】ウインドウ切替変換セグメントの知覚エントロピ（ＰＥ）測定により、
この変換セグメントを透過的に符号化するビット／標本
の理的下方限界が与えられる。前記測定の記憶特性（プ
レマスキング保護と関係する）により、前記測定は、信
号の強力な非固定状態を有するある状況（例えば、アタ
ック）が与えられたとき、ＰＥ値の先の値に対する有意
増加（先の変換セグメントと関係する）を示す。この重
要な特性は、プレエコーを削減するため、ウインドウ切
替え機構を始動するのに使用される。このウインドウ切
替え機構は、新戦略でなく、例えば、ＡＳＰＥＣ符号器
（ＩＳＯ／ＭＰＥＧ音声符号化報告書、１９９０年に記
載された）において使用されたが、その背後にある決定
技術は、非固定状態を正確に局部化し、スイッチを動作
させる正当な瞬間を決定するＰＥ情報の新しい使用であ
る。

【００６２】２個の基本的ウインドウ長さ、すなわち、
１０２４個の標本および２５６個の標本が使用される。
前者は、約２１ミリ秒のセグメント持続期間に対応し、
後者は、約５ミリ秒のセグメント持続期間に対応する。
短ウインドウは、４個のセットとして関連し、長ウイン
ドウと同一量のスペクトルデータを表わす（しかし、短
ウインドウは、「他と異なる」数の時間標本を表わ
す）。長ウインドウから短ウインドウへの移行およびそ
の逆の移行を行うためには、２個以上のタイプのウイン
ドウを使用することが便利なことがわかる。図５のＢに
示されているように、開始ウインドウは、長い正常方か
ら短い方への移行を行い、終了ウインドウは、その逆の
移行を行う。この主題に関して有用な情報を得るために
は、上述したプリンセンの文献を参照のこと。開始およ
び終了のいずれのウインドウも、１０２４個標本の広さ
である。これらのウインドウは、システムを継続して臨
界的に標本化するのに有用であり、また、移行部分にお
ける時間エーリアシング消去過程を確保するのに有用で
ある。

【００６３】チャネル間冗長性および無関連性を利用す
るために、同一タイプのウインドウが各区分において右
チャネルおよび左チャネルに使用される。

【００６４】信号の固定挙動は、２つの水準で監視され
る。最初に、長い正規ウインドウによって、その後、必
要があれば、短ウインドウによって。したがって、長正
常ウインドウのＰＥは、各セグメントについて算出され
るが、短ウインドウのＰＥは、必要とされるときにのみ
算出される。しかし、両タイプに対する調性情報は、信
号の連続的変化に追従するため、各セグメントについて
更新される。

【００６５】他の記述がない限り、セグメントには、長
い正規ウインドウの長さである１０２４個の標本が含ま
れる。図５のＡの線図は、点Ｎ／２から点３Ｎ／２まで
のセグメントが分析されているときのすべての監視可能
点を表わす。この線図に関係して、図６のフローチャー
トは、監視手順および決定技術を記載する。必要なとき
は、短ウインドウ系列より先に開始ウインドウを挿入す
ることができるようにするため、各セグメントの３個の
半分部分をバッファ内に保持する必要がある。図５のＡ
〜Ｅは、逐次セグメント間での５０％の重なりを明瞭に
考慮している。

【００６６】プロセスが５１２の新時間標本（残り５１
２標本は、前セグメントに属する）による「新」セグメ
ントを分析することにより開始される。この新セグメン
トのＰＥおよび前セグメントに対する差分ＰＥが算出さ
れる。後者の値が予定しきい値に達したとき、現セグメ
ント内の非固定の存在が宣言される。この詳細は、図５
のＡに表わされた位置を有する４個の短ウインドウを処
理することにより得られる。各短ウインドウのＰＥ値
は、算出され、順に並べられた系列ＰＥ１，ＰＥ２，Ｐ
Ｅ３およびＰＥ４を生じる。これらの値から信号の強力
な非固定の正確な開始が推定される。５個の位置のみが
ありうる。これらの位置は、Ｌ１，Ｌ２，Ｌ３，Ｌ４お
よびＬ５として図５のＡに表示されている。いかに明ら
かなように、非固定が点Ｎ／２から点１５Ｎ／１６まで
のどこかで生じたときは、この状況は、前セグメント内
で検出されていることになる。したがって、ＰＥ１値
は、現セグメントの固定に関する情報を含まない。短ウ
インドウの平均ＰＥは、同一セグメントの長ウインドウ
のＰＥと比較される。ＰＥが小さい方がより効果的符号
化状況を示す。したがって、前者の値が後者の値以下の
ときは、われわれが縮退状況に直面して、ウインドウ切
替え過程が中断されたと仮定する。

【００６７】短ウインドウに対して固定に関する情報
は、前ウインドウのＰＥ値に対する差分によりも該短ウ
インドウのＰＥ値により多く存在することが観察されて
いる。したがって、予定しきい値よりも大きいＰＥ値を
有する第１ウインドウが検出される。ＰＥ２は、位置Ｌ
１によって表示され、ＰＥ３は、位置Ｌ２によって表示
され、ＰＥ４は位置Ｌ３によって表示される。いずれの
場合にも、開始ウインドウは、短ウインドウによって符
号化される現セグメントの前に配置される。終了ウイン
ドウは、処理を完了させることが要求される。しかし、
２つの可能性が存在する。信号の強力な非定常が開始さ
れた場合において表示された位置がＬ１またはＬ２であ
るときは、この位置は、短ウインドウ系列内に存在して
おり、いずれの符号化アーティファクトも生じない。符
号化系列は、図５のＢに示されている。位置がＬ４のと
きは、最悪の状況において、非固定は、最後の短ウイン
ドウの右端に極めて近接した点で生じる虞がある。前結
果は、これらの状況において終了ウインドウを配置する
（符号化状態において）ことがこの切替え点での信号の
再構成を顕著に低下させることを一貫して示していた。
このため、４個の短ウインドウの他のセットが終了ウイ
ンドウより前に配置される。結果として生じた符号化系
列は、図５のＥに示されている。

【００６８】短ＰＥのいずれも、しきい値より大きくな
いときは、残る可能性は、Ｌ４またはＬ５である。この
場合、問題は、短ウインドウ系列の範囲より先方に存在
し、バッファ内の第１セグメントは、長い正規ウインド
ウを使用して直ちに符号化される虞がある。

【００６９】具体的な位置を特定するため、他の短ウイ
ンドウが処理されなければならない。この短ウインドウ
は、点線による曲線およびそのＰＥ値（ＰＥ１ｎ＋１）
も算出される。容易に認識されるように、この短ウイン
ドウは、既に次のセグメントに属している。ＰＥ１ｎ＋
１がしきい値より大きいときは、位置はＬ４であり、図
５のＣに示されているように、開始ウインドウに終了ウ
インドウが後続しうる。この場合、量子化雑音の開き
は、短縮ウィンドウの長さに限定されることになり、よ
り良い符号化利得が達成される。位置がＬ５となる稀な
状況において、符号化は、図５のＤの系列に従って行わ
れる。この場合において、これが正当な解であることを
証明する方法は、ＰＥ２ｎ＋１がしきい値より大きくな
ることを確認することである。ＰＥ２ｎ＋１は、ＰＥ１
ｎ＋１で表示されたウインドウの直後に続く短ウィンド
ウのＰＥ（図５には示されていない）である。

【００７０】各セグメントについて前述したように、左
右チャネルは、同一タイプの分析／合成ウインドウを使
用する。これは、少なくとも一方のチャネルが必要とす
るとき、いずれのチャネルに対しても切替えが行われる
ことを意味する。

【００７１】小さいビット伝送速度の用途に対して、図
５のＣの解（良好な局部的音響心理的解を示している
が）は、後のセグメントの符号化品質に悪影響を及ぼす
虞のある不合理な程大きいビット数を必要とすることが
観察されている。このため、前記符号化解は、終局的に
禁止されることもある。

【００７２】短ウインドウが使用されるときの再構成信
号の細部は、長い正常ウインドウのみが使用されるとき
よりも、原信号に近似している。これは、アタックが基
本的に広帯域信号であり、極めて短い時間の間でのみ固
定であると考えられるからである。短ウインドウは、長
ウインドウよりも高い時間分解能を有しているので、ス
ペクトルの変動パターンをより高い忠実度で追従し再生
することができる。換言すれば、信号のより正確な（時
間における）局部量子化と信号の（周波数における）大
域量子化との差である。

【００７３】ステレオ符号器の最終マスキングしきい値
は、モノラルしきい値とステレオしきい値との組合せを
使用して算出される。モノラルしきい値は、各チャネル
について独立に算出されるが、ステレオしきい値は、両
チャネルを考慮する。

【００７４】右チャネルまたは左チャネルの独立したマ
スキングしきい値は、音調マスキング雑音および雑音マ
スキング音調の式を含む音響心理モデルを使用して算出
される。雑音マスキング音調は、音調マスキング雑音式
の伝統的近似式として使用される。モノラルしきい値
は、先の作業と同一の手続を使用して算出される。特
に、調性測度は、最後の３個のセグメントに亘って力の
展開および各周波数係数の位相を考慮することにより、
信号がより多く、音調状であるか雑音状であるかを特定
する。したがって、各音響心理式は、他のものより多か
れ少なかれ重みが加えられる。文献に見出されるこれら
の式は、性能を良くするため更新された。これらの式
は、以下の通りである。

【００７５】

【数５】

【００７６】前記数式において、ｂａｒｋは、バルク尺
度での周波数である。この尺度は、われわれがうずまき
管フィルタ、または、臨界帯域と呼びうるものと関係し
ている。うずまき管フィルタおよび臨界帯域は、基底膜
の固定長セグメントによって特定される。最終しきい値
は、絶対マスキングしきい値および部分プレマスキング
保護を考慮するように調整される。

【００７７】モノラルしきい値の全計算の簡単な説明は
以下の通りである。関連する演算の説明を簡単化するた
め、幾つかの用語が導入されなければならない。各セグ
メントのスペクトルは、それぞれ異なる目的に従って、
３つの方法により構成される。

【００７８】１．第１に、前記スペクトルは、パーティ
ションとして構成されうる。各パーティションは、１個
のバルク値と組み合わされている。これらのパーティシ
ョンは、ほぼ１本のＭＤＣＴラインまたは臨界帯域の１
／３のいずれか広い方分の分解能を有する。低い周波数
において、１本のＭＤＣＴラインは、符号器パーティシ
ョンを構成する。この場合、組み合わされたバルク値
は、パーティションの中央バルク点である。スペクトル
のこの分割は、広がり関数の許容分解能を確保するのに
必要である。後述するように、この関数は、隣接する臨
界帯域間のマスキングの影響を表わす。

【００７９】２．第２に、スペクトルは、帯域として構
成されうる。帯域は、パラメータファイルによって定義
される。各帯域は、最終マスキングしきい値ベクトルか
ら生じた１個の倍率と組み合わされた複数のスペクトル
線をグループ化する。

【００８０】３．最後に、スペクトルは、セクションと
して構成されうる。セクションが整数個の帯域を含み、
同一のハフマン符号ブックによって符号化されたスペク
トルの領域を表現する。

【００８１】３個のデータ値指標が使用される。これら
は、以下の通りである。 ω→計算がＭＤＣＴライン領域での周波数によって指標
化されることを示す。ｂ→計算がしきい値算出パーティション領域で指標化さ
れることを示す。ｎ→計算が符号化帯域領域で指標化されることを示す。その他、幾つかの符号も使用される。すなわち、１．計算パーティションの指標として、ｂ。２．計算パーティション内の最低周波数ラインとして、
ω低ｂ。３．計算パーティション内の最高周波数ラインとして、
ω高ｂ。４．計算パーティションの中央バルク値として、ｂｖａ
ｌｂ。５．計算パーティションの音調マスキング雑音値（ｄＢ
単位）として、ＴＭＮｂ。６．計算パーティションの雑音マスキング音調値（ｄＢ
単位）として、ＮＭＴｂ。

【００８２】以下の説明中の複数の点は、「広がり関
数」に言及する。この関数は、以下の方法により算出さ
れる。

【００８３】

【数６】

【００８４】式中、ｉは、信号の広がりのバルク値であ
り、ｊは、帯域の広がりのバルク値であり、ｔｍｐｘ
は、時間変数である。

【００８５】

【数７】

【００８６】式中、ｘは、時間変数であり、最小（ａ，
ｂ）は、ａまたはｂのより負の方を帰還させる関数であ
る。

【００８７】

【数８】

【００８８】式中、ｔｅｍｐｙは、他の時間変数であ
る。

【００８９】

【数９】

【００９０】しきい値算出ステップ以下のステップは、符号器内で使用されるＳＭＲｎの算
出に必要なステップである。１．入力信号の５１２個の新標本を連結して、他の１０
２４個の標本を構成する。これについては、図５のＡを
参照してほしい。２．２．０項に記載されたＯ−ＦＦＴを使用して、およ
び、正弦ウインドウを使用して入力信号の複素スペクト
ルを算出する。３．予測γおよびφを算出する。変換の極表現が算出される。γωおよびφωは、変換セ
グメントのスペクトル線のマグニチュードと位相成分と
を表わす。

【００９１】予測マグニチュードγωおよび予測位相φ
ωは、先行する２個のしきい値算出ブロックのγおよび
φから算出される。

【００９２】

【数１０】

【００９３】

【数１１】

【００９４】式中、ｔは、現ブックの番号を表わし、ｔ
−１は、前ブロックのデータを表わし、ｔ−２は、前ブ
ロックより前のしきい値算出ブロックからのデータを表
わす。４．予測不能度Ｃωを算出する。Ｃω（予測不
能度）は、

【００９５】

【数１２】

【００９６】５．しきい値計算パーティションにおける
エネルギと予測不能度とを算出する。各パ−ティション
におけるエネルギｅｂは、

【００９７】

【数１３】

【００９８】重みつき予測不能度Ｃｂは、

【００９９】

【数１４】

【０１００】６．広がり関数によって分割されたエネル
ギおよび予測不能度をくりこむ。

【０１０１】

【数１５】

【０１０２】

【数１６】

【０１０３】Ｃｔは、信号エネルギによって重みがつけ
られているので、Ｃｂｂに繰り込まれなければならな
い。

【０１０４】

【数１７】

【０１０５】同時に、広がり関数の非正常性のために、
ｅｃｂｂは、再正規化されるべきであり、正規化エネル
ギｅｎｂが算出される。

【０１０６】正規化係数ｒｎｏｒｍｂは、

【０１０７】

【数１８】

【０１０８】７．ｃｂｂをｔｂｂに変換する。

【０１０９】

【数１９】

【０１１０】各ｔｂｂは、０≦ｔｂｂ≦１の範囲に限定
される。

【０１１１】８．各パーティションにおける必要ＳＮＲ
を算出する。

【０１１２】

【数２０】

【０１１３】式中、ＴＭＮｂは、ＣＢで表わした音調マ
スキング雑音でありＮＭＴｂは、ｄＢで表わした雑音マ
スキング音調値である。必要信号対雑音比ＳＮＲｂは、

【０１１４】

【数２１】

【０１１５】９．出力比を算出する。出力比ｂｃｂは、

【０１１６】

【数２２】

【０１１７】１０．実エネルギしきい値ｎｂｂを算出す
る。

【０１１８】

【数２３】

【０１１９】１１．しきい値エネルギをＭＤＣＴライン
全体に拡大すると、収量ｎｂωは、

【０１２０】

【数２４】

【０１２１】１２．絶対しきい値を導入すると、最終可
聴度エネルギしきい値ｔｈｒωが得られる。

【０１２２】

【数２５】

【０１２３】「絶対しきい値表」に示された絶対ｔｈｒ
のｄＢ値は、±１／２１ｓｂの正弦曲線がしきい値算
出に使用されたＭＤＣＴにおいて有する水準と関連す
る。ｄＢ値は、実際に使用されたＭＤＣＴ正規化を考慮
した後でエネルギ領域へ変換されなければならない。１３．プレエコー制御する。１４．信号を計算してマスク比ＳＭＲｎを算出する。符
号器の帯域表は、以下のものを示す。１．帯域ｎの上方指標は、ω高ｎである。下側指標は、
ω低ｎであり、前帯域からω高ｎ−１＋１として算出さ
れる。各帯域を更に区分するために、他の一の変数が作
り出される。幅指標幅ｎは、ｎが知覚的に狭帯域である
とき、幅ｎの値＝０となる。以下の式が成立すれば、前
者の場合が生じる。

【０１２４】

【数２６】

【０１２５】帯域長さは、初期化ルーチンにおけるパラ
メータセットである。その他の場合には、後者のケース
が仮定される。

【０１２６】幅ｎ＝１のときは、符号器帯域内の雑音レ
ベルｎ帯域ｎは、以下のように算出される。

【０１２７】

【数２７】

【０１２８】その他のときは、

【０１２９】

【数２８】

【０１３０】式中、最小（ａ，…ｚ）は、引き数ａ…ｚ
のうち最も負すなわち最小の正の引き数を帰還させる関
数である。符号器に送られるレートＳＭＲｎは、以下の
様に算出される。

【０１３１】

【数２９】

【０１３２】調性測度は、スペクトル分析過程の出力で
あるから、分析ウインドウは、長セグメントまたは短セ
グメントの全てのケースに対して正弦曲線を有する。特
に、セグメントが開始ウインドウまたは終了ウインドウ
として符号化されるように選定されたときは、このセグ
メントの調性情報は、正弦ウインドウを考慮することに
より得られる。残りの演算（例えば、しきい値算出およ
び係数の量子化）は、最適のウインドウによって得られ
たスペクトルを考慮する。

【０１３３】ステレオしきい値ステレオしきい値は、複数の目標を有する。大部分の時
間において、両チャネルが「同様に」響くことが知られ
ている。したがって、符号化利得に変換されうる何らか
の相関が存在する。両チャネルの時間表現を見詰めて
も、前記相関は、明らかでない。しかし、スペクトル表
現は、有利に利用しうる数多くの興味深い特徴を有す
る。実際上、極めて実用的で有用な可能性は、両チャネ
ルを表現するための新しい基礎を作り出すことである。
この基礎は、以下の線形組合せにより定義される和ベク
トルおよび差ベクトルである２個の直交ベクトルを含
む。

【０１３４】

【数３０】

【０１３５】これらのベクトル（使用されているウイン
ドウの長さを有する）は、変換過程が線形演算の定義に
よるので、周波数領域に生成される。これは、計算負荷
を減らす利点を有する。

【０１３６】第１目標は、２個の信号の相関度の小さい
表現を有することである。これらの新チャネルにおける
大部分のエネルギの濃度は、右チャネルと左チャネルと
の間に存在する冗長度の結果であり、概して、常に符号
化利得につながる。第２目標は、右チャネルと左チャネ
ルとの量子化雑音を相関させることであり、雑音の局部
化、すなわち、アンマスキング効果を制御することであ
る。この問題は、左右チャネルが独立して量子化され符
号化されたときに生じる。この概念は、以下の文脈によ
って実証される。信号のマスキングしきい値が算出され
ていると仮定すると、２つの状況が生じうる。まず、わ
れわれは、信号に前記マスキングしきい値に相当する量
の雑音を付加する。前記同一の雑音を含む前記同一の信
号を両耳に供給したとき、雑音は、マスキングされる。
しかし、信号に、しきい値に相当する量の雑音を付加
し、この組合わされたものを一方の耳に供給し、他方の
耳に対して同一の操作を行うが、雑音を前の雑音と相関
させないときは、雑音は、マスキングされない。再び、
マスキングを達成するためには、両耳での雑音は、マス
キングレベル差（ＭＬＤ）によって与えられたレベルだ
け削減されなければならない。

【０１３７】アンマスキング問題は以下の形に一般化さ
れうる。すなわち、量子化雑音はマスキング信号の局部
化に追従しないときは、マスキングされない。したがっ
て、特に、２つの限界的場合がありうる。アンマスキン
グを聴取者の両側でより顕著にして、信号の中央局部化
する場合と、アンマスキングを中心線上でより顕著にし
て信号を側方局部化する場合とである。

【０１３８】新しい和ベクトルおよび差ベクトルは、聴
取者の中央と両側とで局部化された信号を表わすので、
極めて都合よい。また、これらのベクトルは、中央イメ
ージおよび側方イメージによって量子化雑音を制御する
ことも可能とする。したがって、アンマスキング問題
は、これらのベクトルによって、ＭＬＤの保護レベルを
制御することにより解決される。幾らかの音響心理情
報、他の実験およびその結果に基づいて、ＭＬＤ保護
は、約３ｋＨｚに達する極めて低い周波数に対して特に
臨界的となる。この保護は、信号電力にのみ依存し、信
号調性特性に依存しないように見える。以下のＭＬＤの
式が良好な結果を生じることが証明された。

【０１３９】

【数３１】

【０１４０】式中、ｉは、スペクトルのパーティション
指標（［７］参照）であり、ｂ（ｉ）は、パーティショ
ンｉの中央のバルク周波数である。この式は、ｂ（ｉ）
≦１６．０、すなわち、３ｋＨｚ未満の周波数に対して
のみ有効である。ＭＬＤしきい値の式は、以下のように
与えられる。

【０１４１】

【数３２】

【０１４２】式中、Ｃ（ｉ）は、基底膜上の広がり信号
エネルギであり、パーティションｉにのみ対応する。

【０１４３】最後の第３の目標は、ステレオ信号イメー
ジを利用することにより、該イメージマスキングされた
信号の諸方向から無関係性を抽出することである。原則
として、これは、ステレオ信号の豊富さを傷付けないた
めに、ステレオイメージが一方向に強力に形成されると
きにのみなされる。和ベクトルおよび差ベクトルに基づ
いて、この目標は、以下の２重の原理を仮定することに
より達成される。すなわち、１．信号の（したがって、雑音の）の強力な低下が聴取
者の両側に存在するときは、中心線（中央イメージ）上
の雑音の増加は、知覚的に許容される。上方限界は、側
方の雑音である。２．信号の（したがって、雑音の）強力な局部化が存在
するときは、（両側での（相関のある）雑音の増加は、
知覚的に許容される。上方限界は、中央雑音である。しかし、雑音レベルのいずれの上昇もＭＬＤしきい値に
よって訂正される。

【０１４４】これらの目標にしたがって、最終ステレオ
しきい値は、以下の様に算出される。まず、和チャネル
および差チャネルのしきい値は、雑音マスキング音調お
よび音調マスキング雑音のモノラルモデルを使用して算
出される。手続は、３．２のステップ１０までに与えら
れたものの通りである。この点において、両チャネルに
ついて帯域当りの実エネルギしきい値ｎｂｂを得る。便
宜上、和チャネルおよび差チャネルのそれぞれについ
て、これらのしきい値をＴＨＲｎＳＵＭおよびＴＨＲｎ
ＤＩＦという。第２に、両チャネルのＭＬＤしきい値Ｔ
ＨＲｎＭＬＤ，ＳＵＭおよびＴＨＲｎＭＬＤ，ＤＩＦ
も、以下の式により算出される。

【０１４５】

【数３３】

【０１４６】ＭＬＤ保護およびステレオ無関係度は、以
下の式の計算により考慮される。

【０１４７】

【数３４】

【０１４８】これらの演算後、３．２に示された第１１
ステップ後の残りのステップも両チャネルに対して行わ
れる。本質的に、これら最後のしきい値は、絶対しきい
値および部分プレマスキング保護も考慮するようにさら
に調整される。このプレマスキング保護は、モノラルの
場合からのみ採用されたことに注目しなければならな
い。これは、約２ミリ秒の片耳時間分解能を考慮する。
しかし、両耳時間分解能は、６ミリ秒の精度である。チ
ャネル間時間差に基づく関連ステレオイメージを有する
ステレオ信号を便利に符号化するため、さらに調査を要
する主題が存在する。

【０１４９】ステレオ符号器ステレオ符号器の簡単化された構造が図１２に示されて
いる。分析中のデータの各セグメントについて、両信号
チャネルの独立挙動および相対挙動に関する詳細な情報
は、長変換および短変換によって得られた情報によって
入手されうる。この情報は、一のセグメントを符号化す
るのに要する必要ステップ数に従って使用される。こり
らのステップは、本質的に、分析ウインドウの選択、符
号化モード（右／左または和／差）の帯域基礎に基づく
定義、係数および倍率の量子化およびハフマン符号化、
および、最後にビットストリーム構成を含む。

【０１５０】符号化モード選択新セグメントが読み込まれるとき、長短分析ウインドウ
の調性更新がなされる。モノラルしきい値およびＰＥ値
は、３．１節に記載された技術に従って算出される。こ
れは、両チャネルについて使用されるウインドウのタイ
プに関する最初の決定を与える。

【０１５１】ウインドウ系列が選択されると、直交符号
化決定が考慮される。この決定は、右／左モードであ
る、チャネルの独立した符号化と和チャネルおよび差チ
ャネルを使用する共同符号化とのいずれかの選択を含
む。この決定は、符号器の帯域に基づいて行われる。こ
れは、両耳知覚が両耳における同一臨界帯域の出力の関
数であるという仮定に基づく。両チャネルでのしきい値
が非常に異なるときは、ＭＬＤ保護の必要がなく、信号
は、和チャネルおよび差チャネルが考慮されたとき、よ
り多く無相関となることがない。信号がステレオイメー
ジを生成するようなものであるときは、ＭＬＤ保護は、
始動されなければならず、また、追加利得は、和／差符
号化モードを選択することにより利用されうる。この後
者の状況を検出する都合良い方法は、右チャネルと左チ
ャネルとのモノラルしきい値を比較することである。一
の帯域内の複数のしきい値の相違が予定値（例えば、２
ｄＢ）以下のときは、和／差符号化モードが選択され
る。その他の場合は、独立した右／左モードが仮定され
る。各帯域に、該帯域の符号化モードを指定し、副情報
として復号器に伝送されなければならない１ビットのフ
ラッグが組み合わされる。以下、これを符号化モードフ
ラッグという。

【０１５２】符号化モード決定は、同一帯域で後続のセ
グメントに対して異なりうるので時間適応的であり、同
一セグメントで後続の帯域の符号化モードが異なりうる
ので、周波数適応的である。符号化決定は、図１３に例
示されている。この例示は、長セグメントに対しておよ
び短セグメントに対しても有効である。

【０１５３】現時点で、ウインドウ切替え機構は、モノ
ラル測度のみを含むので、セグメント当りのＰＥ測度の
最大数が１０（２チャネル×［１長ウインドウ＋４短ウ
インドウ］）であることは、明らかである。しかし、わ
れわれが算出する必要がありうるしきい値の最大個数
は、２０である。したがって、２０個の調性測度が常に
各セグメントについて更新されなければならない（４チ
ャネル×［１長ウインドウ＋４短ウインドウ］）。

【０１５４】ビット伝送速度調整ウインドウ切替え決定および符号化モード選択決定が互
いに依存しないという意味で直交的であることは、上述
した。量子化、ハフマン符号化およびビットストリーム
構成を含む符号化プロセスの最終ステップも前記ウイン
ドウ切替え決定および符号化モード選択決定に対して独
立である。すなわち、フィードバック路が存在しない。
この事実は、最小値（１０２４／４８００＝２１．３ミ
リ秒）に対して全符号化遅延を減らす利点および通常で
ない符号化状況による不安定を避ける利点も有する。

【０１５５】量子化過程は、スペクトル係数および倍率
の両方に影響を及ぼす。スペクトル係数は、各帯域が同
一のステップサイズまたは倍率を有する帯域内で一つに
まとめられる。各ステップサイズは、３．２のステップ
１４に見られるように帯域に対応するマスキングしきい
値から直接算出される。量子化された値（整数）は、続
いて、可変語長すなわちハフマン符号に変換される。ビ
ットストリームの追加フィールドを考慮して、セグメン
トを符号化する全ビット数が算出される。ビット伝送速
度は、一定に保持されなければならないから、量子化過
程は、ビット数が予定された限界内に入るまで繰り返し
行わなければならない。一のセグメント全体を符号化す
るのに必要なビット数の後で、基準マスキングしきい値
を考慮して、調性度がバッファ制御ユニットにより命令
される。このバッファ制御ユニットは、各セグメントの
必要に応じて、複数のセグメント間で追加ビットの不足
または残を共有する。

【０１５６】ビット伝送速度調整技術は、図９のフロー
チャートに示されている。現セグメントによって使用さ
れる使用可能ビットの数が算出された後で、繰り返し手
続は、全ての初期しきい値に係数αが乗じられるとき、
最終ビット数が使用可能ビット数に含まれる誤差δより
小さくなるような係数αを見出そうとする。近似曲線が
最大回数繰り返しても、その範囲内にαが見出されない
ように、敵対的であるときにも、１個の許容解は、常に
入手できる。

【０１５７】このルーチンの主ステップは、以下の通り
である。まず、解を含む期間が見出される。ついで、ル
ープは、解に急速に収束することを求める。各繰り返し
において、最良解が更新される。

【０１５８】長ウインドウおよび短ウインドウにより符
号化されたセグメントに対して同一手続を使用するため
に、４個の短ウインドウの全係数は、短ウインドウによ
る場合、相同帯域を連結することによりひとつにまとめ
られる。倍数は、同一のものとしてひとつにまとめられ
る。

【０１５９】ビット伝送速度ルーチンは、ハフマン符号
化されたすべての語を表わすためのビット数を計算する
他のルーチン（係数および倍率）を呼び出す。後者のル
ーチンは、係数の振幅分布に従ってスペクトル分割を行
う。目標は、スペクトルのセクションに予定ハフマン符
号ブックを割り当てることである。各セクションは、可
変数の帯域をグループ化し、該セクションの係数は、便
宜のブックによりハフマン符号化される。セクションの
限界および符号ブック参照は、副情報として復号器に送
出されなければならない。

【０１６０】スペクトル分割は、最小コスト戦略を使用
して行われる。主ステップは、以下の通りである。ま
ず、全ての可能セクションが定義される（限界は、各帯
域について１個のセクションである）。各セクション
は、該セクション内で係数の振幅分布に最良の形で適合
する。スペクトル全体の始端および終端が知られている
ので、Ｋをセクション数とすれば、各セクション間にＫ
−１個の分離文字が存在する。より低いプライスを有す
る分離文字は、除去される（初期プライスは、負でもよ
い）。次の繰り返し前に、再び、プライスが算出され
る。この処理は、最大許容セクション数が得られるま
で、および、他の分離文字を除去する最低プライスが予
定値より大きくなるまで、繰り返される。

【０１６１】図２の量子化器／レートループ２０６によ
って遂行される処理の諸態様を以下に示す。従来技術に
よれば、レートループ機構は、モノラルの場合に関係し
た仮定を含む。モノラル知覚符号器からステレオ知覚符
号器へのシフトにより、レートループに対する需要は、
増大する。

【０１６２】図２の量子化器／レートループ２０６の入
力は、分析フィルタバンク２０２によって得られたスペ
クトル係数（すなわち、ＭＤＣＴ係数）および知覚モデ
ル２０４の出力からなり、スペクトル係数に対応する算
出しきい値を含む。

【０１６３】量子化器／レートループ２０６は、一部、
算出しきい値および絶対聴覚しきい値に基づくスペクト
ル情報を量子化し、これにより、エントロピ符号器２０
８にビットストリームを供給する。ビットストリーム
は、以下の３個の部分に分割された信号を含む。すなわ
ち、（１）標準副情報を含む第１部分、（２）使用時、
３５個または５６個の帯域に対する倍率と、いわゆる適
応ウインドウ切替えに使用される追加副情報とを含む第
２部分（この部分は、第１部分内の情報によって変動し
うる）、（３）量子化されたスペクトル係数からなる第
３部分である。

【０１６４】使用倍率△は、量子化スペクトル係数が許
容限界内で符号化されうるまで、算出倍率と、量子化さ
れるべき各スペクトル係数の周波数に対応する周波数で
の聴覚絶対しきい値から得られた倍率との間で補間する
ことにより、繰り返し得られる。

【０１６５】本発明の実施例は、図１１Ｃに見られる。
Ｗ０１で示されているように、量子化器／レートループ
には、スペクトル係数Ｃｆ、およびスペクトル係数に対
応するエネルギしきい値Ｅが入力される。倍率しきい値
△ｏは、以下の式により算出される。

【０１６６】

【数３５】

【０１６７】「絶対しきい値」△Ａも、聴覚絶対しきい
値（すなわち、倍率と対応する周波数で聴き取れる最も
静かな音）に基づいて算出される。補間定数αおよび補
間限界αｈｉｇｈおよびαｌｏｗは、使用倍率の調整に
役立つように初期化される。

【０１６８】

【数３６】

【０１６９】次に、Ｗ０５で示されているように、使用
倍率は、以下の式から決定される。

【０１７０】

【数３７】

【０１７１】つぎに、Ｗ０７で示されているように、前
記の通り算出された使用倍率は、分散的ではなく、伝送
および使用時に分散的となるので、使用倍率自身が、量
子化される。

【０１７２】

【数３８】

【０１７３】次に、Ｗ０９で示されているように、スペ
クトル係数は、使用倍率を使用することにより量子化さ
れ、「量子化スペクトル係数」Ｑ（Ｃｆ，△）を生成す
る。

【０１７４】

【数３９】

【０１７５】式中、「ＮＩＮＴ」は、最近似の整数値関
数である。量子化器／レートループ２０６は、量子化ス
ペクトル係数および使用倍率の両方を伝送しなければな
らないので、両方を伝送するのに必要なビット数と関係
するコストＣが算出される。図Ｗ１１から分かるよう
に、Ｃは、以下の式で示される。

【０１７６】

【数４０】

【０１７７】式中、ＦＯＯは、実施例によるが、データ
通信分野の当業者によって容易に決定できる関数であ
る。Ｗ１３により示されているように、コストＣは、許
容範囲ＰＲ内にあるかどうか決定するためテストされ
る。コストが許容範囲内に存在するときは、Ｑ（Ｃｆ，
△）およびＱ（△）は、エントロピ符号器２０８に伝送
される。

【０１７８】有利に、および、コストと許容範囲ＰＲと
の関係により、補間定数および補間限界は、使用倍率が
許容範囲内のコストを有する量子化スペクトル係数を生
じる間で、調整される。例として、図ＷのＷ１３により
示されているように、補間限界は、２分探索を生じるよ
うに操作される。明示すれば、Ｃ＞ＰＲのとき、αｈｉ
ｇｈ＝αであり、または、Ｃ＜ＰＲのとき、αｌｏｗ＝
αである。いずれの場合にも、補間定数は以下の式によ
り算出される。

【０１７９】

【数４１】

【０１８０】処理は、コストＣが許容範囲ＰＲ内に入る
まで、繰り返しＷ０５において続行される。

【０１８１】ステレオ復号器ステレオ復号器は、非常に簡単な構成を有する。その主
機能は、左右チャネルの入力ビットストリームを読み込
み、全データを復号化し、逆量子化および再構成するこ
とである。この技術は、図１２に表わされている。

【０１８２】実施例は、例えば、ＡＴ＆ＴＤＳＰ１６
またはＤＳＰ３２Ｃのようなハードウェアとしてのディ
ジタル信号プロセッサ（ＤＳＰ）、および上述した動作
を行うソフトウェアからなっていてもよい。本発明の実
施例にかかるハードウェアとしての超大規模集積回路
（ＶＬＳＩ）およびハイブリッドＤＳＰ／ＶＬＳＩも使
用しうる。

【図面の簡単な説明】

【図１】従来の音声通信／記憶システムの説明用ブロッ
ク線図である。

【図２】従来の知覚音声符号器（ＰＡＣ）の説明用ブロ
ック線図である。

【図３】しきい値算出に使用される有用なマスキングレ
ベル差係数のグラフである。

【図４】本発明の一態様に従う分析フィルタバンクのブ
ロック線図である。

【図５】ウインドウ機能の一の動作を示すグラフであ
る。

【図６】ウインドウ切替え機能を説明するフローチャー
トである。

【図７】出力ビットストリームを得る入力信号の処理過
程全体を示すブロック／フロー線図である。

【図８】しきい値変動を示すグラフである。

【図９】ビット割当て機能のフローチャートである。

【図１０】ビットストリーム構成を示す模式図である。

【図１１】ハフマン符号化動作を示す模式図である。

【図１２】符号化器の動作と対をなす復号器での動作を
示すフローチャートである。

【図１３】本発明の一態様にかかる量子化作用を示すフ
ローチャートである。

【図１４】図４に示されたフィルタバンクに使用される
ウインドウを示すグラフである。

【符号の説明】

１０２プリプロセッサ１０４知覚音声符号器１０６通信チャネル／記憶媒体１０８知覚音声復号器１１０ホストプロセッサ

Claims

【特許請求の範囲】

【請求項１】左チャネルおよび右チャネルの信号セッ
トからなるステレオ音声信号の入力セットを符号化する
方法において、（ａ）左右チャネルの信号セットのそれぞれに対し
て、前記入力系列の周波数内容を表わす第１信号セット
を形成するステップと、前記第１信号セットが、複数の
周波数帯のそれぞれの振幅情報および位相情報を表わす
信号からなり、（ｂ）前記第１信号セットのそれぞれに対して前記周
波数帯のそれぞれのランダム度を決定するステップと、（ｃ）前記第１信号セットのそれぞれの周波数に伴う
力分布に基づいて、および、前記第１信号セットのそれ
ぞれのランダム度に基づいて、周波数の関数としての調
性関数を形成するステップと、（ｄ）前記ランダム度に基づいて、前記左右チャネル
の信号セットのそれぞれの第１知覚しきい値を決定する
ステップとからなることを特徴とする知覚モデルに基づ
く音声信号符号化方法。
【請求項２】前記（ａ）ステップは、複数の周波数帯のそれぞれの左チャネルに関する振幅情
報および位相情報を表わす信号を形成するステップと、複数の周波数帯のそれぞれの右チャネルに関する振幅情
報および位相情報を表わす信号を形成するステップとを
含むことを特徴とする請求項１記載の方法。
【請求項３】前記（ａ）ステップは、左右チャネルの
前記信号セットのそれぞれに対して離散短時間スペクト
ルを生成するステップを含むことを特徴とする請求項１
記載の方法。
【請求項４】量子化により導入された雑音が、前記第
１信号セットのそれぞれの前記知覚しきい値より低いレ
ベルにあるように、前記左右チャネルのそれぞれに対し
て前記第１信号セットを量子化するステップを更に含む
ことを特徴とする請求項１記載の方法。
【請求項５】左右チャネルの前記信号セットは、Ｎ個
の信号を含み、戦記離散短時間スペクトル生成ステップは、前記左右チ
ャネルの前記Ｎ個の信号のそれぞれのＮ個のスペクトル
値を生成するステップを含むことを特徴とする請求項３
記載の方法。
【請求項６】前記左右チャネルの前記信号セットは、
交互に、Ｎ／ｋ個の信号を含み、前記離散短時間スペクトル生成ステップは、交互に、左
チャネルのＮ／ｋ個の信号と、右チャネルのＮ／ｋ個の
信号のそれぞれに対し、Ｎ／ｋ個のスペクトル値を生成
する（Ｎ／ｋは整数）するステップを含み、更に、左右チャネルの信号セットのそれぞれの知覚エントロピ
測度を生成するステップと、左右チャネルの信号セットのいずれかを交互に選択し、
前記知覚エントロピの値に基づいてスペクトル値を対応
させるステップとを有することを特徴とする請求項５記
載の方法。
【請求項７】左チャネルの第１信号セット内の第１信
号の和に対応する和チャネル信号セットと、左チャネル
の第１信号セット内の第１信号と前記右チャネルの第１
信号セットとの差に対応する差チャネル信号セットとを
形成するステップを更に含むことを特徴とする請求項１
記載の方法。
【請求項８】前記周波数帯のそれぞれの決定されたし
きい値に基づいて、（ｉ）前記和チャネル信号と差チャ
ネル信号とのいずれか一方、または（ii）前記左チャネ
ル信号と前記右チャネル信号とのいずれか一方を選択す
るステップを更に含むことを特徴とする請求項７記載の
方法。
【請求項９】第１信号が所定量以下しか相違しない周
波数帯に対して、前記和チャネル信号および前記差チャ
ネル信号を選択するステップを更に含むことを特徴とす
る請求項８記載の方法。
【請求項１０】前記所定量は、ほぼ２ｄＢであること
を特徴とする請求項９に記載の方法。
【請求項１１】Ｌｉが、前記左チャネルのｉ番目の第
１信号であり、Ｒｉが、前記右チャネルのｉ番目の第１信号である時、前記チャネル信号が、Ｍｉ＝（Ｌｉ＋Ｒｉ）／２で与え
られることを特徴とする請求項９記載の方法。
【請求項１２】ｋ＝４であることを特徴とする請求項
６に記載の方法。