WO2012169133A1 - 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 - Google Patents

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 Download PDF

Info

Publication number
WO2012169133A1
WO2012169133A1 PCT/JP2012/003409 JP2012003409W WO2012169133A1 WO 2012169133 A1 WO2012169133 A1 WO 2012169133A1 JP 2012003409 W JP2012003409 W JP 2012003409W WO 2012169133 A1 WO2012169133 A1 WO 2012169133A1
Authority
WO
WIPO (PCT)
Prior art keywords
band
signal
spectrum
means includes
input signal
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.)
Ceased
Application number
PCT/JP2012/003409
Other languages
English (en)
French (fr)
Inventor
勝統 大毛
正浩 押切
宏幸 江原
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Panasonic Corp
Original Assignee
Panasonic Corp
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 Corp filed Critical Panasonic Corp
Priority to JP2013519367A priority Critical patent/JP5986565B2/ja
Priority to EP12796725.5A priority patent/EP2709103B1/en
Priority to US14/123,841 priority patent/US9264094B2/en
Publication of WO2012169133A1 publication Critical patent/WO2012169133A1/ja
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B1/00—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission
    • H04B1/66—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission for reducing bandwidth of signals; for improving efficiency of transmission
    • H04B1/667—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission for reducing bandwidth of signals; for improving efficiency of transmission using a division in frequency subbands
    • 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
    • G10L19/0204—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 subband decomposition
    • 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
    • G10L19/02—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
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
    • G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
    • G10L21/038—Speech enhancement, e.g. noise reduction or echo cancellation using band spreading techniques

Definitions

  • the present invention relates to a speech encoding apparatus, a speech decoding apparatus, a speech encoding method, and a speech decoding method having a scalable configuration, for example.
  • Mobile communication systems are required to transmit audio signals compressed at a low bit rate in order to effectively use radio resources and the like.
  • it is also desired to improve the quality of call voice and to realize a call service with a high sense of reality.
  • This technique includes a first layer that encodes an input signal in a wide band (0 kHz to 7 kHz), and a band extension layer that encodes an ultra wide band (7 kHz to 16 kHz) using the input signal and the decoded signal of the first layer.
  • a wideband part the signal band (0 kHz to 7 kHz) encoded in the first layer
  • the signal band (7 kHz to 16 kHz) encoded in the band extension layer is referred to as an extension band part.
  • FIG. 1 is a diagram illustrating a wideband part and an extended band part in an input signal spectrum.
  • the technique of performing hierarchical encoding in this way is general because the bitstream obtained from the encoding device has scalability, that is, a decoded signal can be obtained even from partial information of the bitstream. This is called scalable coding (hierarchical coding).
  • the scalable coding scheme can be flexibly adapted to communication between networks with different bit rates because of its nature, so it can be said that it is suitable for the future network environment in which various networks are integrated by the IP protocol.
  • Non-Patent Document 1 As an example of realizing scalable coding using a technology standardized by ITU-T (International Telecommunication Union Telecommunication Standardization Sector), for example, there is a technology disclosed in Non-Patent Document 1.
  • a wideband signal is encoded in the first layer, and in the band extension layer, encoding is performed by extending the signal of the extension band part using the signal of the wideband part.
  • the bit rate is high because the signal band is wide and the amount of information is large.
  • the bit rate that can be used for voice calls is limited, there is a demand for voice calls with a bit rate as low as possible.
  • frequency resources are limited, so it is necessary to suppress the communication capacity of each line, and the total bit rate used by the voice codec must be suppressed to about 16 kbps.
  • An object of the present invention is to provide a speech encoding device, speech decoding device, speech encoding method, and speech decoding method that can prevent overall quality degradation associated with encoding even when the bit rate is lowered. is there.
  • the speech encoding apparatus of the present invention is a speech encoding apparatus that encodes a wideband signal in a first layer and encodes an extended band signal that is higher than the wideband in the bandwidth extension layer, A configuration is adopted that includes band selection means for selecting a band to be restricted in encoding in the extension band, and band restriction means for applying the restriction to the selected band among the bands of the input signal.
  • the speech decoding apparatus decodes, in the first layer, first layer encoded information obtained by encoding a wideband signal generated in the encoding apparatus, and is higher than the wideband.
  • the speech coding method of the present invention is a speech coding method for coding a wideband signal in a first layer and coding a signal in an extension band higher than the wideband in the band extension layer.
  • the speech decoding method of the present invention is a speech decoding method for decoding a wideband signal in a first layer and decoding a signal in an extension band higher than the wideband in a band extension layer.
  • the present invention even when the bit rate is lowered, it is possible to prevent the overall quality deterioration accompanying the encoding.
  • Block diagram showing a modification of the speech encoding apparatus according to Embodiment 2 of the present invention The block diagram which shows the structure of the adaptive zone
  • voice coding apparatus which is not a scalable structure
  • FIG. 2 is a block diagram showing a configuration of speech encoding apparatus 100 according to Embodiment 1 of the present invention.
  • the speech encoding apparatus 100 generates a bit stream by encoding an input signal at predetermined time intervals (frames), and transmits the generated bit stream to a transmission channel (not shown).
  • 1st layer encoding part 101 performs the encoding process in the 1st layer of an input signal, and produces
  • First layer encoding section 101 outputs the generated first layer encoded data to band extension layer encoding section 103 and multiplexing section 104.
  • the adaptive band limiting unit 102 selects a band to be limited based on the pitch period of the input signal, and limits the selected band among the band of the input signal of the band extension layer. Then, adaptive band limiting section 102 outputs a band limited signal obtained by limiting the selected band to band enhancement layer encoding section 103.
  • the band to which the restriction is applied is a band excluded from the encoding target in the band extension layer or a band in which energy is attenuated in the band extension layer. Details of the configuration of the adaptive band limiting unit 102 will be described later.
  • Band extension layer encoding section 103 uses the first layer encoded data input from first layer encoding section 101 and the band limited signal input from adaptive band limiting section 102 to use the band extension layer of the extension band section. To perform band extension layer encoded data. Band extension layer encoding section 103 outputs the generated band extension layer encoded data to multiplexing section 104.
  • the multiplexing unit 104 multiplexes the first layer encoded data input from the first layer encoding unit 101 and the band extension layer encoded data input from the band extension layer encoding unit 103 to generate a bitstream.
  • the generated bit stream is output to a communication channel (not shown).
  • FIG. 3 is a block diagram showing a configuration of adaptive band limiting section 102 in the present embodiment.
  • the adaptive band selection unit 301 analyzes the characteristics of the input signal and selects a band to which a restriction is applied in the input signal based on the analysis result.
  • the adaptive band selection unit 301 outputs information on the band to which the selected limitation is applied to the band limitation signal generation unit 302 as a band limitation frequency. Details of the configuration of the adaptive band selection unit 301 will be described later.
  • Band limit signal generation section 302 generates a band limit signal based on the input signal and the band limit frequency input from adaptive band selection section 301, and outputs the generated band limit signal to band extension layer encoding section 103.
  • the band-limited signal generation unit 302 uses the frequency lower than the band-limited frequency input from the adaptive band selection unit 301 as a passband and limits the band of the input signal. That is, the band limited signal generation unit 302 outputs an input signal lower than the band limited frequency selected by the adaptive band selection unit 301 to the band extension layer encoding unit 103 as a band limited signal.
  • the band limited signal generation unit 302 is configured by, for example, a low-pass filter.
  • the band-limited signal generation unit 302 uses, as a band-limited signal, a band enhancement layer encoding unit 103 that uses, as a band-limited signal, a signal in which energy in a higher band than the band-limited frequency input from the adaptive band selection unit 301 is input. Output to.
  • FIG. 4 is a block diagram showing a configuration of adaptive band selection section 301 in the present embodiment.
  • the pitch cycle calculation unit 401 calculates the pitch cycle of the input signal and outputs the calculated pitch cycle to the band limited frequency determination unit 402.
  • the band limit frequency determination unit 402 uses the pitch period input from the pitch period calculation unit 401 to obtain a pitch frequency F0 represented by the reciprocal of the pitch period, and determines the band limit frequency Fcut using the obtained pitch frequency F0. To do.
  • the band limiting frequency Fcut is set so as to increase when the pitch frequency F0 is low, and is set so as to decrease when the pitch frequency F0 is high.
  • the band limit frequency Fcut is expressed by the following equation (1).
  • Speech with a high pitch period tends to contain a lot of energy in a relatively ultra-wideband part, and therefore it tends to give a sense of noise when encoded with a band extension layer at a low bit rate. Therefore, in the case of a voice with a high pitch period, the band limit frequency Fcut is set lower than in the case of a voice (bass) with a low pitch period. On the other hand, voices with a low pitch period tend to have less energy in the ultra-wideband part than voices with a high pitch period, so that even when encoded with a band extension layer at a low bit rate, it is difficult to perceive noise. .
  • the band limit frequency Fcut is set higher than that of a voice with a high pitch cycle (high pitch).
  • the band limiting frequency Fcut is set higher than that of a voice with a high pitch cycle (high pitch).
  • the band-limited frequency determining unit 402 outputs the determined band-limited frequency Fcut to the band-limited signal generating unit 302.
  • the band limit signal generation unit 302 limits the band so as not to pass a higher band than the band limit frequency Fcut.
  • the band limitation signal generation unit 302 limits the band by attenuating energy in a higher frequency range than the band limitation frequency Fcut.
  • a band extension layer is used.
  • the band of the input signal is adaptively limited according to the characteristics of the input signal.
  • audio quality is more audibly important for lower frequency signals. For example, in a frequency band of 7 kHz or higher, a subjective quality difference due to a difference in signal bandwidth becomes difficult to feel.
  • the noise feeling of the output signal is reduced by limiting the bandwidth of the input signal. At this time, the band feeling is lost due to the band limitation, but since the subjective quality difference due to the bandwidth difference is hardly felt, the quality as a whole is improved.
  • FIG. 5 is a block diagram showing a configuration of speech decoding apparatus 500 according to Embodiment 1 of the present invention.
  • Separating section 501 separates a bit stream input via a communication channel (not shown) into first layer encoded data and band extension layer encoded data, and converts the first layer encoded data to first The data is output to layer decoding section 502, and the band extension layer encoded data is output to band extension layer decoding section 503.
  • a part of the encoded data for example, band extension layer encoded data
  • the separation unit 501 is a case where only the first layer encoded data is included in the received encoded data, or when both the first layer encoded data and the band extension layer encoded data are included
  • the determination result is output to the switching unit 505 as layer information.
  • the layer information is, for example, “1” in the former case and “2” in the latter case. Note that, when all the encoded data is discarded, the speech decoding apparatus 500 performs a predetermined compensation process to generate an output signal.
  • First layer decoding section 502 decodes the first layer encoded data input from demultiplexing section 501 to generate a first layer decoded signal, and adds the generated first layer decoded signal to adding section 504 and switching section 505. Output to.
  • Band extension layer decoding section 503 performs a decoding process on the band extension layer encoded data input from separation section 501 to generate a band extension layer decoded signal, and outputs the generated band extension layer decoded signal to addition section 504.
  • Adder 504 adds the first layer decoded signal input from first layer decoding section 502 and the band extension layer decoded signal input from band extension layer decoding section 503 to generate an addition decoded signal, and generates the generated addition The decoded signal is output to switching section 505.
  • Switching section 505 refers to the layer information input from demultiplexing section 501 and decodes the first layer decoded signal when only the first layer encoded data is included (for example, when the layer information is “1”). The signal is output to the post-processing unit 506 as a signal. Also, the switching unit 505 refers to the layer information input from the separation unit 501 and includes both the first layer encoded data and the band extension layer encoded data (for example, when the layer information is “2”). ), The added decoded signal obtained by adding the first layer decoded signal and the band extension layer decoded signal input from the adding unit 504 is output to the post-processing unit 506 as a decoded signal.
  • the post-processing unit 506 performs post-processing such as post filtering on the decoded signal input from the switching unit 505, and outputs the result as an output signal.
  • the band limit frequency is adaptively adjusted according to the pitch period, and the band equal to or higher than the band limit frequency is excluded from the encoding target in the band extension layer, or the energy is reduced in the band extension layer. Decreasing the auditory importance by attenuating can prevent overall quality deterioration associated with encoding even if the bit rate is lowered.
  • input signal is simply encoded in first layer encoding section 101.
  • mode determination is made as to whether the input signal is speech or music, and the mode determination is performed.
  • the information may be output to the adaptive band limiting unit 102, and the adaptive band limiting unit 102 may switch whether or not to perform band limiting depending on whether the input signal is speech or music. Specifically, it may be switched so that band limitation is performed when the input signal is sound and band limitation is not performed when the input signal is music.
  • the adaptive band selection unit 301 uses a mathematical expression when determining the band limited frequency Fcut from the pitch frequency F0.
  • the present invention is not limited to this, and the pitch frequency can be determined by referring to a table.
  • the band limit frequency Fcut may be determined from F0.
  • the table is designed so that the Fcut increases as the pitch frequency F0 of the input signal decreases, or the Fcut decreases as the pitch frequency F0 of the input signal increases.
  • the band higher than the band limit frequency Fcut in the extension band part is band limited, but the present invention is not limited to this, and the predetermined bandwidth that affects the quality in the extension band part is band limited. Also good.
  • the pitch period calculation unit 401 calculates the pitch period of the input signal.
  • the present invention is not limited to this, and the first layer encoding unit 101 calculates the pitch period of the input signal to obtain the band. You may output to the limiting frequency determination part 402. FIG. In this case, the pitch period calculation unit 401 can be omitted.
  • the present embodiment is characterized in that a spectrum is obtained by performing FFT (Fast Fourier Transform) analysis on an input signal, and a band limited frequency is determined using the obtained spectrum and a threshold value determined by a pitch frequency and a bit rate. Have.
  • the bit rate is input from the outside of the speech encoding apparatus.
  • FIG. 6 is a block diagram showing a configuration of adaptive band selection section 600 according to Embodiment 2 of the present invention.
  • the speech encoding apparatus according to the present embodiment has the same configuration as that shown in FIG. Since the adaptive band limiting unit in the present embodiment has the same configuration as that of FIG. 3 except that it has an adaptive band selecting unit 600 instead of the adaptive band selecting unit 301, the description thereof is omitted.
  • the speech decoding apparatus according to the present embodiment has the same configuration as that shown in FIG.
  • the spectrum calculation unit 601 calculates the spectrum by performing FFT analysis on the input signal, and outputs the spectrum information of the calculated spectrum to the band limited frequency determination unit 604.
  • the pitch cycle calculation unit 602 calculates the pitch cycle of the input signal and outputs the calculated pitch cycle to the threshold value calculation unit 603.
  • the threshold calculation unit 603 calculates a threshold from the pitch period input from the pitch period calculation unit 602 and the input bit rate, and outputs the calculated threshold Ith to the band limited frequency determination unit 604.
  • the bit rate is a preset value.
  • the threshold value Ith is obtained from the following equation (2).
  • the pitch frequency is represented by the reciprocal of the pitch period input from the pitch period calculation unit 602. From equation (2), the threshold value Ith increases as the bit rate increases, and decreases as the pitch frequency increases. Further, the bit rate may be a bit rate assigned to the entire codec or a bit rate assigned only to the band extension layer.
  • the band limit frequency determination unit 604 determines a band limit frequency using the spectrum information input from the spectrum calculation unit 601 and the threshold value input from the threshold value calculation unit 603, and the determined band limit frequency is used as the band limit signal generation unit 302. Output to.
  • FIG. 7 is a diagram illustrating a method for determining a band-limited frequency.
  • FIG. 7 shows a case where the ultra wideband audio spectrum is divided into nine subbands E [0] to E [8]. Note that the ultra-wideband audio spectrum is not limited to being divided into nine subbands, and can be divided into any number of subbands. Further, the bandwidth of each subband is not limited to being equal, and may be different.
  • the band-limited frequency determination unit 604 compares the subband energy ratio (Ef [k] / Eall) of the cumulative sum Ef [k] of each subband energy E [k] from the low band to the total energy Eall of all subbands. )
  • k is a subband index represented by an integer from 0 to 8.
  • the signal is output to the signal generator 302.
  • FIG. 8 is a flowchart showing the operation of the band limited frequency determination unit 604.
  • Band limited frequency determination section 604 first initializes the sum Eall of all subband energies to “0” (step ST801).
  • the band limit frequency determination unit 604 obtains the total Eall of all subband energies (step ST802).
  • the band-limited frequency determination unit 604 initializes the subband index k and the subband energy cumulative sum Ef [0] to 0 in order to obtain the cumulative subband energy sum Ef [k] ( Step ST803).
  • the band limit frequency determination unit 604 obtains a cumulative sum Ef [k] of subband energy corresponding to the subband index k (step ST804), and a subband energy ratio (Ef [k]) obtained by using it. / Eall) and the threshold value Ith output from the threshold value calculation unit 603 are compared (step ST805).
  • step ST805 If the subband energy ratio is equal to or less than the threshold Ith (step ST805: NO), the band limit frequency determination unit 604 increments the value of the subband index k (step ST806), and has the search for the predetermined range been completed? It is determined whether or not (step ST807).
  • step ST807 NO
  • the band limit frequency determination unit 604 repeats the processes of step ST804 to step ST807 until the subband energy ratio becomes larger than the threshold value Ith.
  • step ST805 when the subband energy ratio exceeds the threshold value Ith (step ST805: YES), or when the search for a predetermined range is completed (step ST807: YES), the band limited frequency determination unit 604 Subband index k is output to band limited signal generation section 302 (step ST808).
  • Each of the subband indexes k has a one-to-one correspondence with the upper end frequency of each subband, and this upper end frequency is regarded as a band limited frequency.
  • the band is divided into a relatively large band and a small band in all bands, and a band with a small energy is divided.
  • the audible importance is reduced by excluding the encoding target or by attenuating energy in a low-energy band.
  • the spectrum calculation unit 601 calculates the spectrum by performing FFT analysis on the input signal.
  • the present invention is not limited to this, and the LPC (Linear) generated by the first layer encoding unit is not limited thereto.
  • the spectral envelope may be obtained using a Prediction coding) coefficient.
  • FIG. 9 is a block diagram showing a modified example (speech encoding apparatus 900) of the speech encoding apparatus according to the present embodiment.
  • speech coding apparatus 900 shown in FIG. 9 has adaptive band limiting section 901 instead of adaptive band limiting section 102, compared to speech coding apparatus 100 according to Embodiment 1 shown in FIG.
  • FIG. 9 parts having the same configuration as in FIG.
  • 1st layer encoding part 101 performs the encoding process of an input signal, and produces
  • First layer encoding section 101 outputs the generated first layer encoded data to band extension layer encoding section 103 and multiplexing section 104, and adapts the LPC coefficients generated by first layer encoding section 101 The data is output to the band limiting unit 901.
  • the LPC coefficient is calculated by, for example, an autocorrelation method.
  • Adaptive band limiting section 901 selects a band to be limited in the band extension layer based on the input signal and the LPC coefficient input from first layer encoding section 101. Then, adaptive band limiting section 901 outputs a band limited signal obtained by limiting the selected band among the bands of the input signal to band enhancement layer encoding section 103. Details of the configuration of the adaptive band limiting unit 901 will be described later.
  • Band extension layer encoding section 103 performs encoding processing of the extension band section using the first layer encoded data input from first layer encoding section 101 and the band limited signal input from adaptive band limiting section 901. To generate band enhancement layer encoded data. Band extension layer encoding section 103 outputs the generated band extension layer encoded data to multiplexing section 104.
  • FIG. 10 is a block diagram showing the configuration of the adaptive band limiting unit 901. Note that adaptive band limiting section 901 shown in FIG. 10 has adaptive band selecting section 1001 instead of adaptive band selecting section 301, compared to adaptive band limiting section 102 in Embodiment 1 shown in FIG. In FIG. 10, parts having the same configuration as in FIG. Details of the configuration of the adaptive band selection unit 1001 will be described later.
  • Adaptive band selection section 1001 analyzes the characteristics of the input signal, and selects a band to be limited in the input signal based on the analysis result and the LPC coefficient input from first layer encoding section 101.
  • the adaptive band selection unit 1001 outputs information on the band to which the selected limitation is applied to the band limitation signal generation unit 302 as a band limitation frequency. Details of the configuration of the adaptive band selection unit 1001 will be described later.
  • Band limit signal generation section 302 generates a band limit signal based on the input signal and the band limit frequency input from adaptive band selection section 1001, and outputs the generated band limit signal to band extension layer encoding section 103. Note that the configuration and operation of the band-limited signal generation unit 302 in the present embodiment are the same as those of the band-limited signal generation unit 302 in the first embodiment, and thus detailed description thereof is omitted.
  • FIG. 11 is a block diagram showing a configuration of adaptive band selection section 1001 in the present embodiment. Note that adaptive band selection section 1001 shown in FIG. 11 adds spectrum envelope calculation section 1101 to adaptive band selection section 600 in the present embodiment shown in FIG. 6 except for spectrum calculation section 601. In FIG. 11, parts having the same configuration as in FIG.
  • the spectrum envelope calculation unit 1101 estimates the spectrum envelope using the LPC coefficients input from the first layer encoding unit 101, and outputs the estimated spectrum envelope to the band limited frequency determination unit 604 as spectrum information. Based on this spectrum information, the band-limited frequency determination unit 604 can determine the subband energy ratio in the same manner as when the spectrum is determined by FFT analysis.
  • spectrum envelope calculation section 1101 obtains a spectrum envelope using LPC coefficients, but the present invention is not limited to this, and LSP (Linear (Spectral Pairs), LSF other than LPC coefficients.
  • Spectral envelopes can be obtained using (Linear Spectral Frequencies), ISP (Immitance Spectral Pairs) ISF (Immitance Spectral Frequencies) or PARCOR (Partial Auto Correlation) coefficients.
  • the spectrum calculation unit calculates the spectrum by performing FFT analysis on the input signal.
  • the present invention is not limited to this, and the DFT (Discrete Fourier Transform) and DCT (Discrete Cosine Transform) other than FFT are used. ), MDCT (Modified Discrete Cosine Transform), a filter bank, or the like.
  • the pitch period of the input signal is calculated by the pitch period calculation unit 602.
  • the present invention is not limited to this, and the first layer encoding unit 101 calculates the pitch period of the input signal and sets the threshold value. You may output to the calculation part 603. FIG. In this case, the pitch period calculation unit 602 can be omitted.
  • the present embodiment is characterized in that the limited band is excluded from the encoding target by performing band limitation based on the comparison between the background noise spectrum in the unvoiced section and the speech spectrum in the voiced section. That is, the background noise spectrum is obtained in the unvoiced section, and the speech spectrum is obtained in the voiced section. In the voiced section, the voice spectrum in the band below the background noise level is masked by the background noise and can be regarded as not important for hearing, so the band below the background noise level is limited.
  • FIG. 12 is a block diagram showing a configuration of adaptive band selection section 1200 according to Embodiment 3 of the present invention.
  • the speech encoding apparatus according to the present embodiment has the same configuration as that shown in FIG.
  • the adaptive band limiting unit 102 according to the present embodiment has the same configuration as that of FIG. 4 except that it has an adaptive band selection unit 1200 instead of the adaptive band selection unit 301, and thus the description thereof is omitted.
  • the speech decoding apparatus according to the present embodiment has the same configuration as that shown in FIG.
  • the spectrum calculation unit 1201 obtains the spectrum of the input signal by performing FFT analysis on the input signal, and outputs the spectrum information of the obtained spectrum to the switch unit 1203 and the band limited frequency determination unit 1205.
  • the voice detection unit 1202 detects an unvoiced section or a voiced section using the input signal, and outputs detection information to the switch section 1203. For example, the voice detection unit 1202 outputs “0” to the switch unit 1203 as detection information in the case of an unvoiced section and “1” in the case of a voiced section.
  • the switch unit 1203 performs switching using the detection information input from the voice detection unit 1202. Specifically, the switch unit 1203 outputs the spectrum information input from the spectrum calculation unit 1201 to the background noise spectrum calculation unit 1204 only when the detection information is a silent section (for example, when the detection information is “0”). On the other hand, when the detection information is a voiced section (for example, when the detection information is “1”), the switch unit 1203 turns off the switch and outputs nothing.
  • the background noise spectrum calculation unit 1204 averages the subband energy in the spectrum information input from the switch unit 1203 for each subband during the frame of the silent section, and the background noise spectrum averaged for each subband The result is output to the limit frequency determination unit 1205.
  • the background noise spectrum is averaged, for example, by the following equation (3).
  • Nprev is updated by substituting Ne in the previous frame for Nprev.
  • the band-limited frequency determination unit 1205 subtracts the averaged background noise spectrum Ne input from the background noise spectrum calculation unit 1204 in the logarithmic domain from the spectrum S of the spectrum information input from the spectrum calculation unit 1201 for each subband. Then, the band limit frequency determination unit 1205 outputs the frequency value when the subtracted value is negative to the band limit signal generation unit 302 as the band limit frequency Fcut. On the other hand, if the subtracted value does not become negative, the band limit frequency determination unit 1205 sets the value of the band limit frequency Fcut to 16 kHz and outputs the set value to the band limit signal generation unit 302. That is, no band limitation is performed.
  • FIG. 13 is a diagram illustrating a method for determining a band-limited frequency in the present embodiment.
  • the band-limited frequency determination unit 1205 detects the unvoiced and voiced intervals from the input signal shown in FIG. 13A, and performs the FFT analysis of the input signal in the unvoiced interval, thereby causing the background noise shown in FIG. Get the spectrum.
  • the band limited frequency determination unit 1205 obtains a voice spectrum shown in FIG. 13C by performing FFT analysis of the input signal even in the voiced section.
  • the band limited frequency determination unit 1205 compares the spectrum of FIG. 13B with the spectrum of FIG. 13C. Then, band-limited signal generation section 302 excludes a band whose voice spectrum is lower than the background noise spectrum level (a band equal to or higher than Fcut in FIG. 13D) from the encoding target, or the voice spectrum is background noise. The band is limited by attenuating the energy of the band below the spectrum level (in FIG. 13D, the band equal to or higher than Fcut).
  • the band limit frequency is adaptively adjusted in accordance with the relationship between the level of the speech spectrum and the level of the background noise spectrum, so that the overall encoding associated with the coding can be achieved even if the bit rate is lowered. Quality deterioration can be prevented.
  • the spectrum calculation unit calculates the spectrum by performing FFT analysis on the input signal, but the present invention is not limited to this, and uses DFT, DCT, MDCT, filter bank, or the like other than FFT. be able to.
  • FIG. 14 is a block diagram showing a configuration of speech encoding apparatus 1400 that is not a scalable configuration.
  • the present invention can also be applied to a speech encoding apparatus 1400 as shown in FIG.
  • adaptive band limiting section 1401 selects a band to be limited in the band extension layer, and outputs a band limited signal in which the selected band is limited among the bands of the input signal to encoding section 1402.
  • adaptive band limiting section 1401 can determine the band limiting frequency by adopting any one of the methods shown in the first to third embodiments. At this time, for example, when the band to be encoded by the encoding unit 1402 is a narrow band (0 Hz to 3.5 kHz), the lower limit of the band limited frequency determined by the adaptive band limiting unit 1401 is up to 3.5 kHz. Can take the value of
  • the encoding unit 1402 encodes the band limited signal input from the adaptive band limiting unit 1401 to generate a bit stream, and outputs the generated bit stream to a communication path (not shown).
  • the present embodiment is characterized in that a band is limited in the speech decoding apparatus.
  • FIG. 15 is a block diagram showing a configuration of speech decoding apparatus 1500 according to the present embodiment.
  • the decoding unit 1501 decodes a bit stream input via a communication channel (not shown) to generate a decoded signal, and outputs the generated decoded signal to the adaptive band limiting unit 1502.
  • the decoding unit 1501 in this embodiment may have the same configuration as the speech decoding apparatus 500 in FIG. 5 as an example, and a detailed description thereof is omitted here.
  • the adaptive band limiting unit 1502 selects a band to which the limitation is applied, and outputs a band limited signal in which the selected band is limited among the bands of the decoded signal input from the decoding unit 1501 as an output signal. At this time, adaptive band limiting section 1502 employs any one of the methods shown in the first to third embodiments to determine the band limited frequency.
  • adaptive band limiting section 1502 selects a band to be limited based on the pitch period of the decoded signal input from decoding section 1501.
  • adaptive band limiting section 1502 performs a FFT analysis on the decoded signal input from decoding section 1501, calculates a spectrum, and applies a band limit using the calculated spectrum and the threshold value obtained from equation (2). Select.
  • adaptive band limiting section 1502 performs FFT analysis on the decoded signal input from decoding section 1501, calculates a spectrum, and averages the background noise spectrum from the spectrum calculated for each subband in the logarithmic domain. Subtraction is performed, and a frequency equal to or higher than the frequency when the subtracted value becomes negative is selected as a band to be limited.
  • adaptive band limiting section 1502 has a configuration for selecting a band to be excluded that is wider as the pitch frequency is higher, or the encoding device has a scalable configuration.
  • a configuration may be adopted in which a wider band for attenuating the energy of the expansion band is selected as the pitch frequency is higher.
  • the adaptive band limiting unit 1502 can take a value up to 3.5 kHz as the lower limit of the band limiting frequency when the band to be decoded by the decoding unit 1501 is a narrow band (0 Hz to 3.5 kHz), for example.
  • the speech decoding apparatus adaptively adjusts the band limit frequency and excludes a band equal to or higher than the band limit frequency from the encoding target in the band extension layer or attenuates energy in the band extension layer. By reducing the perceptual importance, it is possible to prevent the overall quality degradation accompanying encoding even if the bit rate is lowered.
  • FIG. 16 is a block diagram showing speech decoding apparatus 1600 according to a modification of the present embodiment.
  • Speech decoding apparatus 1600 uses adaptive band limiting section 1602 to determine the band limited frequency using the method of the second embodiment.
  • the LPC coefficient generated by the decoding unit 1601 is used.
  • the decoding unit 1601 generates a decoded signal by decoding a bitstream input via a communication channel (not shown), and outputs the generated decoded signal to the adaptive band limiting unit 1602. At this time, decoding section 1601 generates an LPC coefficient and outputs the generated LPC coefficient to adaptive band limiting section 1602.
  • the LPC coefficient is calculated by, for example, an autocorrelation method.
  • Other configurations and operations in the decoding unit 1601 are the same as those in the speech decoding apparatus 500 in FIG.
  • Adaptive band limiting section 1602 selects a band to be restricted based on the decoded signal and LPC coefficient input from decoding section 1601, and selects the selected band from the band of the band extension layer decoded signal input from decoding section 1601. Add restrictions to Then, adaptive band limiting section 1602 outputs a band limited signal obtained by limiting the selected band as an output signal.
  • FIG. 17 is a block diagram showing a configuration of adaptive band limiting section 1602 in a modification of the present embodiment.
  • the adaptive band selection unit 1701 analyzes the characteristics of the decoded signal input from the decoding unit 1601, and selects a band to which the restriction is applied in the decoded signal based on the analysis result and the LPC coefficient input from the decoding unit 1601.
  • the adaptive band selection unit 1701 outputs information on the band to which the selected limitation is applied to the band limitation signal generation unit 1702 as a band limitation frequency.
  • the band limited signal generation unit 1702 generates a band limited signal based on the decoded signal input from the decoding unit 1601 and the band limited frequency input from the adaptive band selection unit 1701, and outputs the generated band limited signal as an output signal. .
  • the band limited signal generation unit 1702 sets a frequency lower than the band limited frequency input from the adaptive band selection unit 1701 as a pass band, and limits the band in the decoded signal input from the decoding unit 1601. That is, the band limited signal generation unit 1702 outputs an input signal having a frequency lower than the band limited frequency selected by the adaptive band selection unit 1701 as an output signal (band limited signal).
  • the band limited signal generation unit 1702 is configured by, for example, a low-pass filter.
  • the band limited signal generation unit 1702 outputs, as an output signal (band limited signal), a signal obtained by attenuating energy in a higher band than the band limited frequency input from the adaptive band selecting unit 1701 among the input signals.
  • the modification of the present embodiment is not limited to the case where the decoding unit 1601 has a scalable configuration, and can be applied to configurations other than the scalable configuration.
  • Embodiments 1 to 4 described above a scalable configuration with two layers is used.
  • the present invention is not limited to this, and is applicable to a scalable configuration with three or more layers.
  • the input signal may be any of a voice signal, a music signal, or a signal in which voice and music are mixed.
  • each functional block used in the description of the first to fourth embodiments is typically realized as an LSI which is an integrated circuit. These may be individually made into one chip, or may be made into one chip so as to include a part or all of them. Although referred to as LSI here, it may be referred to as IC, system LSI, super LSI, or ultra LSI depending on the degree of integration.
  • the method of circuit integration is not limited to LSI, and implementation with a dedicated circuit or a general-purpose processor is also possible.
  • An FPGA Field Programmable Gate Array
  • a reconfigurable processor that can reconfigure the connection or setting of circuit cells inside the LSI may be used.
  • the present invention is suitable for, for example, a speech encoding device, a speech decoding device, a speech encoding method, and a speech decoding method having a scalable configuration.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Quality & Reliability (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Compression, Expansion, Code Conversion, And Decoders (AREA)

Abstract

　ビットレートを低くしても符号化に伴う全体的な品質の劣化を防ぐことができる音声符号化装置。音声符号化装置は、広帯域の信号を第１レイヤにおいて符号化するとともに、広帯域よりも高域である拡張帯域の信号を帯域拡張レイヤにおいて符号化する。適応帯域選択部（３０１）は、拡張帯域において符号化対象から除外する帯域または拡張帯域においてエネルギーを減衰させる帯域を選択する。帯域制限信号生成部（３０２）は、入力信号の帯域のうち、適応帯域選択部（３０１）により選択された帯域を符号化対象から除外するか、または適応帯域選択部（３０１）により選択された帯域のエネルギーを減衰させる。

Description

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
　本発明は、例えばスケーラブル構成を有する音声符号化装置、音声復号装置、音声符号化方法及び音声復号方法に関する。
　移動体通信システムでは、電波資源等の有効利用のために、音声信号を低ビットレートに圧縮して伝送することが要求されている。その一方で、通話音声の品質向上及び臨場感の高い通話サービスの実現も望まれており、その実現には、より帯域の広い音声信号または音楽信号等を高品質に符号化することが望ましい。
　このように相反する２つの要求に対し、複数の符号化技術を階層的に統合する技術が有望視されている。この技術は、入力信号を広帯域（０ｋＨｚ～７ｋＨｚ）まで符号化する第１レイヤと、入力信号と第１レイヤの復号信号とを用いて超広帯域（７ｋＨｚ～１６ｋＨｚ）まで符号化を行う帯域拡張レイヤとを階層的に組み合わせるものである。以後、第１レイヤで符号化される信号帯域（０ｋＨｚ～７ｋＨｚ）を広帯域部、帯域拡張レイヤで符号化される信号帯域（７ｋＨｚ～１６ｋＨｚ）を拡張帯域部と呼ぶ。図１は、入力信号スペクトルにおける広帯域部と拡張帯域部とを示す図である。
　このように階層的に符号化を行う技術は、符号化装置から得られるビットストリームにスケーラビリティ性、すなわち、ビットストリームの一部の情報からでも復号信号を得ることができる性質を有するため、一般的にスケーラブル符号化（階層符号化）と呼ばれている。
　スケーラブル符号化方式は、その性質から、ビットレートの異なるネットワーク間の通信に柔軟に対応することができるので、ＩＰプロトコルで多様なネットワークが統合されていく今後のネットワーク環境に適したものと言える。
　ＩＴＵ－Ｔ（International Telecommunication Union Telecommunication Standardization Sector）で規格化された技術を用いてスケーラブル符号化を実現する例として、例えば、非特許文献１に開示されている技術がある。この技術は、第１レイヤにおいて、広帯域の信号を符号化し、帯域拡張レイヤにおいて、広帯域部の信号を用いて拡張帯域部の信号を拡張することで符号化を行う。このようなスケーラブル構成を用いることにより、音声信号及び、音声信号よりも帯域の広い音楽信号等の符号化における高品質化を図ることが可能となる。
　超広帯域までの信号を符号化して高音質を実現する符号化方式の場合、信号帯域が広く、情報量が多いため、ビットレートが高くなる。一方、無線通信において、音声通話に使用できるビットレートは限られているため、なるべくビットレートを低くして音声通話を行いたいという需要がある。一般に、無線通信では、周波数資源に限りがあるため、個々の回線の通信容量を抑える必要があり、音声コーデックが用いるトータルビットレートは１６ｋｂｐｓ程度に抑えなければならない。
Recommendation ITU-T G.718 AnnexB,2010年3月
　しかしながら、従来の装置においては、広帯域部の音声を高品質に符号化するためには相対的に高いビットレートが必要なため、拡張帯域部の音声の符号化には非常に低いビットレートしかビットを割り振ることができない。この結果、拡張帯域部において量子化ノイズが発生しやすくなり、全体としての品質を落としてしまうという問題がある。これに対して、広帯域部の音声の符号化に用いるビットレートを抑え、拡張帯域部の符号化に割り振るビットレートを増やした場合、広帯域音声の符号化品質が劣化するために、全体としての品質も劣化してしまうという問題がある。つまり、低ビットレートにおいて超広帯域の信号を含む音声を符号化する場合、広帯域部の品質と拡張帯域部の品質とはトレードオフの関係にある。
　本発明の目的は、ビットレートを低くしても符号化に伴う全体的な品質の劣化を防ぐことができる音声符号化装置、音声復号装置、音声符号化方法及び音声復号方法を提供することである。
　本発明の音声符号化装置は、広帯域の信号を第１レイヤにおいて符号化するとともに、前記広帯域よりも高域である拡張帯域の信号を帯域拡張レイヤにおいて符号化する音声符号化装置であって、前記拡張帯域において符号化の際に制限を加える帯域を選択する帯域選択手段と、入力信号の帯域のうち前記選択された帯域に前記制限を加える帯域制限手段と、を具備する構成を採る。
　本発明の音声復号装置は、符号化装置において生成された、広帯域の信号を符号化することによって得られた第１レイヤ符号化情報を第１レイヤにおいて復号し、前記広帯域よりも高域である拡張帯域の信号を符号化することによって得られた帯域拡張レイヤ符号化情報を帯域拡張レイヤにおいて復号する音声復号化装置であって、前記拡張帯域において出力の際に制限を加える帯域を選択する帯域選択手段と、復号信号の帯域のうち前記選択された帯域に前記制限を加える帯域制限手段と、を具備する構成を採る。
　本発明の音声符号化方法は、広帯域の信号を第１レイヤにおいて符号化するとともに、前記広帯域よりも高域である拡張帯域の信号を帯域拡張レイヤにおいて符号化する音声符号化方法であって、前記拡張帯域において符号化の際に制限を加える帯域を選択するステップと、入力信号の帯域のうち前記選択された帯域に制限を加えるステップと、を具備するようにした。
　本発明の音声復号方法は、広帯域の信号を第１レイヤにおいて復号するとともに、前記広帯域よりも高域である拡張帯域の信号を帯域拡張レイヤにおいて復号する音声復号方法であって、前記拡張帯域において出力の際に制限を加える帯域を選択するステップと、復号信号の帯域のうち前記選択された帯域に前記制限を加えるステップと、を具備するようにした。
　本発明によれば、ビットレートを低くしても符号化に伴う全体的な品質の劣化を防ぐことができる。
入力信号スペクトルにおける広帯域部と拡張帯域部とを示す図 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ブロック図 本発明の実施の形態１における適応帯域制限部の構成を示すブロック図 本発明の実施の形態１における適応帯域選択部の構成を示すブロック図 本発明の実施の形態１における音声復号装置の構成を示すブロック図 本発明の実施の形態２における適応帯域選択部の構成を示すブロック図 本発明の実施の形態２における帯域制限周波数の決定方法を示す図 本発明の実施の形態２における帯域制限周波数決定部の動作を示すフロー図 本発明の実施の形態２に係る音声符号化装置の変形例を示すブロック図 本発明の実施の形態２の変形例における適応帯域制限部の構成を示すブロック図 本発明の実施の形態２の変形例における適応帯域選択部の構成を示すブロック図 本発明の実施の形態３における適応帯域選択部の構成を示すブロック図 本発明の実施の形態３における帯域制限周波数の決定方法を示す図 スケーラブル構成ではない音声符号化装置の構成を示すブロック図 本発明の実施の形態４に係る音声復号装置の構成を示すブロック図 本発明の実施の形態４の変形例に係る音声復号装置の構成を示すブロック図 本発明の実施の形態４の変形例における適応帯域制限部の構成を示すブロック図
　以下、本発明の実施の形態について、図面を参照して詳細に説明する。
　（実施の形態１）
　＜音声符号化装置の構成＞
　図２は、本発明の実施の形態１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。
　音声符号化装置１００は、所定の時間間隔（フレーム）単位で入力信号の符号化処理を行ってビットストリームを生成し、生成したビットストリームを図示しない通信路（transmission channel）へ伝送する。
　第１レイヤ符号化部１０１は、入力信号の第１レイヤにおける符号化処理を行い、第１レイヤ符号化データを生成する。第１レイヤ符号化部１０１は、生成した第１レイヤ符号化データを帯域拡張レイヤ符号化部１０３及び多重化部１０４に出力する。
　適応帯域制限部１０２は、入力信号のピッチ周期に基づいて制限を加える帯域を選択し、帯域拡張レイヤの入力信号の帯域のうち、選択した帯域に制限を加える。そして、適応帯域制限部１０２は、選択した帯域に制限を加えた帯域制限信号を、帯域拡張レイヤ符号化部１０３に出力する。ここで、制限を加える帯域とは、帯域拡張レイヤにおいて符号化対象から除外する帯域、または帯域拡張レイヤにおいてエネルギーを減衰させる帯域である。なお、適応帯域制限部１０２の構成の詳細については後述する。
　帯域拡張レイヤ符号化部１０３は、第１レイヤ符号化部１０１から入力した第１レイヤ符号化データと、適応帯域制限部１０２から入力した帯域制限信号とを用いて、拡張帯域部の帯域拡張レイヤにおける符号化処理を行い、帯域拡張レイヤ符号化データを生成する。帯域拡張レイヤ符号化部１０３は、生成した帯域拡張レイヤ符号化データを多重化部１０４に出力する。
　多重化部１０４は、第１レイヤ符号化部１０１から入力した第１レイヤ符号化データと、帯域拡張レイヤ符号化部１０３から入力した帯域拡張レイヤ符号化データとを多重化してビットストリームを生成し、生成したビットストリームを図示しない通信路（transmission channel）に出力する。
　＜適応帯域制限部の構成＞
　図３は、本実施の形態における適応帯域制限部１０２の構成を示すブロック図である。
　適応帯域選択部３０１は、入力信号の特徴を分析し、分析結果に基づいて、入力信号において制限を加える帯域を選択する。適応帯域選択部３０１は、選択した制限を加える帯域の情報を帯域制限周波数として帯域制限信号生成部３０２に出力する。なお、適応帯域選択部３０１の構成の詳細については後述する。
　帯域制限信号生成部３０２は、入力信号と適応帯域選択部３０１から入力した帯域制限周波数とに基づいて帯域制限信号を生成し、生成した帯域制限信号を帯域拡張レイヤ符号化部１０３に出力する。
　具体的には、帯域制限信号生成部３０２は、適応帯域選択部３０１から入力した帯域制限周波数より低域の周波数を通過域とし、入力信号の帯域を制限する。即ち、帯域制限信号生成部３０２は、適応帯域選択部３０１により選択した帯域制限周波数より低域の入力信号を、帯域制限信号として帯域拡張レイヤ符号化部１０３に出力する。この場合には、帯域制限信号生成部３０２は、例えば低域通過フィルターにより構成される。
　または、帯域制限信号生成部３０２は、入力信号のうち、適応帯域選択部３０１から入力した帯域制限周波数よりも高域のエネルギーを減衰させた信号を、帯域制限信号として帯域拡張レイヤ符号化部１０３に出力する。
　＜適応帯域選択部の構成＞
　図４は、本実施の形態における適応帯域選択部３０１の構成を示すブロック図である。
　ピッチ周期算出部４０１は、入力信号のピッチ周期を算出し、算出したピッチ周期を帯域制限周波数決定部４０２に出力する。
　帯域制限周波数決定部４０２は、ピッチ周期算出部４０１から入力したピッチ周期を用いて、ピッチ周期の逆数で表されるピッチ周波数Ｆ０を求め、求めたピッチ周波数Ｆ０を用いて帯域制限周波数Ｆｃｕｔを決定する。帯域制限周波数Ｆｃｕｔは、ピッチ周波数Ｆ０が低ければ高くなるように設定し、ピッチ周波数Ｆ０が高ければ低くなるように設定する。具体的には、帯域制限周波数Ｆｃｕｔは、以下の（１）式で表される。
Figure JPOXMLDOC01-appb-M000001
　ピッチ周期が高い音声（高音）は、比較的超広帯域部にエネルギーを多く含んでいる傾向にあるため、低ビットレートにおいて帯域拡張レイヤで符号化した際にノイズ感が出やすい。従って、ピッチ周期が高い音声の場合には、ピッチ周期が低い音声（低音）の場合よりも帯域制限周波数Ｆｃｕｔを低く設定する。一方、ピッチ周期が低い音声は、ピッチ周期が高い音声に比べて超広帯域部に含まれるエネルギーが少ない傾向にあるため、低ビットレートにおいて帯域拡張レイヤで符号化した際でもノイズ感が知覚されにくい。従って、ピッチ周期が低い音声の場合には、ピッチ周期が高い音声（高音）の場合よりも帯域制限周波数Ｆｃｕｔを高く設定する。このように、帯域制限周波数Ｆｃｕｔをピッチ周期に応じて適応的に設定することによって、超広帯域部で発生する量子化ノイズの発生を抑え、音質改善を図ることができる。
　帯域制限周波数決定部４０２は、決定した帯域制限周波数Ｆｃｕｔを帯域制限信号生成部３０２に出力する。これにより、帯域制限信号生成部３０２は、帯域制限周波数Ｆｃｕｔよりも高域を通過させないようにして帯域に制限を加える。または、帯域制限信号生成部３０２は、帯域制限周波数Ｆｃｕｔよりも高域のエネルギーを減衰させて帯域に制限を加える。
　上記で説明したように、本実施の形態では、低ビットレートで超広帯域の信号を含む音声を符号化する際に、拡張帯域部で発生する量子化ノイズを低減させるために、帯域拡張レイヤに入力する信号の帯域を入力信号の特徴に合わせて適応的に制限する。一般に、音声の品質は低域の信号ほど聴感的に重要であり、例えば７ｋＨｚ以上の周波数帯域では、信号の帯域幅の差による主観的な品質の違いは感じにくくなる。この原理を利用し、入力信号の特徴から拡張帯域部で量子化ノイズが発生しやすいと判断された場合には、入力信号の帯域幅を制限することで、出力信号のノイズ感を低減させる。このとき、帯域を制限したことによって帯域感の損失は生じるが、帯域幅の差による主観的な品質の違いは感じにくいことから、全体としての品質は向上する。
　＜音声復号装置の構成＞
　図５は、本発明の実施の形態１における音声復号装置５００の構成を示すブロック図である。
　分離部５０１は、図示しない通信路（transmission channel）を介して入力されるビットストリームを第１レイヤ符号化データと帯域拡張レイヤ符号化データとに分離して、第１レイヤ符号化データを第１レイヤ復号部５０２へ出力し、帯域拡張レイヤ符号化データを帯域拡張レイヤ復号部５０３へ出力する。ただし、輻輳の発生等の通信路の状況によっては、符号化データの一部（例えば、帯域拡張レイヤ符号化データ）、または符号化データの全てが廃棄されてしまう場合がある。この際、分離部５０１は、受信した符号化データに第１レイヤ符号化データのみが含まれる場合であるのか、または第１レイヤ符号化データと帯域拡張レイヤ符号化データとの双方が含まれる場合であるのかを判定し、その判定結果をレイヤ情報として切替部５０５に出力する。レイヤ情報は、例えば、前者の場合を「１」、後者の場合を「２」とする。なお、音声復号装置５００は、全ての符号化データを廃棄した場合、所定の補償処理を行って出力信号を生成する。
　第１レイヤ復号部５０２は、分離部５０１から入力した第１レイヤ符号化データの復号処理を行って第１レイヤ復号信号を生成し、生成した第１レイヤ復号信号を加算部５０４及び切替部５０５に出力する。
　帯域拡張レイヤ復号部５０３は、分離部５０１から入力した帯域拡張レイヤ符号化データの復号処理を行って帯域拡張レイヤ復号信号を生成し、生成した帯域拡張レイヤ復号信号を加算部５０４に出力する。
　加算部５０４は、第１レイヤ復号部５０２から入力した第１レイヤ復号信号と、帯域拡張レイヤ復号部５０３から入力した帯域拡張レイヤ復号信号とを加算して加算復号信号を生成し、生成した加算復号信号を切替部５０５に出力する。
　切替部５０５は、分離部５０１から入力したレイヤ情報を参照し、第１レイヤ符号化データのみが含まれる場合（例えば、レイヤ情報が「１」の場合）には、第１レイヤ復号信号を復号信号として後処理部５０６に出力する。また、切替部５０５は、分離部５０１から入力したレイヤ情報を参照し、第１レイヤ符号化データと帯域拡張レイヤ符号化データとの双方が含まれる場合（例えば、レイヤ情報が「２」の場合）には、加算部５０４から入力した、第１レイヤ復号信号と帯域拡張レイヤ復号信号とを加算した加算復号信号を、復号信号として後処理部５０６に出力する。
　後処理部５０６は、切替部５０５から入力した復号信号にポストフィルタ等の後処理を行い、出力信号として出力する。
　＜本実施の形態の効果＞
　本実施の形態によれば、ピッチ周期に応じて帯域制限周波数を適応的に調整し、帯域制限周波数以上の帯域は、帯域拡張レイヤにおける符号化対象から除外するか、または帯域拡張レイヤにおいてエネルギーを減衰させて聴感的な重要度を下げることにより、ビットレートを低くしても符号化に伴う全体的な品質の劣化を防ぐことができる。
　＜本実施の形態の変形例＞
　本実施の形態において、第１レイヤ符号化部１０１において入力信号を単に符号化したが、本発明はこれに限らず、入力信号が音声であるのか音楽であるのかをモード判定し、そのモード判定情報を適応帯域制限部１０２に出力し、適応帯域制限部１０２において入力信号が音声の場合と音楽の場合とによって帯域制限を行うか否かを切り替えてもよい。具体的には、入力信号が音声であった場合には帯域制限を行い、入力信号が音楽であった場合には帯域制限を行わないように切り替えてもよい。
　また、本実施の形態において、適応帯域選択部３０１においてピッチ周波数Ｆ０から帯域制限周波数Ｆｃｕｔを決定する際に数式を用いたが、本発明はこれに限らず、テーブルを参照することにより、ピッチ周波数Ｆ０から帯域制限周波数Ｆｃｕｔを決定してもよい。この際、テーブルは、入力信号のピッチ周波数Ｆ０が低いほどＦｃｕｔが高くなるように、または入力信号のピッチ周波数Ｆ０が高いほどＦｃｕｔが低くなるように設計される。
　また、本実施の形態において、拡張帯域部における帯域制限周波数Ｆｃｕｔより高域を帯域制限したが、本発明はこれに限らず、拡張帯域部における品質に影響を与える所定帯域幅を帯域制限してもよい。
　また、本実施の形態において、ピッチ周期算出部４０１において入力信号のピッチ周期を算出したが、本発明はこれに限らず、第１レイヤ符号化部１０１で入力信号のピッチ周期を算出して帯域制限周波数決定部４０２に出力してもよい。この場合には、ピッチ周期算出部４０１を不要にすることができる。
　（実施の形態２）
　本実施の形態は、入力信号をＦＦＴ（Fast Fourier Transform）分析することによりスペクトルを求め、求めたスペクトルと、ピッチ周波数及びビットレートによって決まる閾値とを用いて帯域制限周波数を決定する点に特徴を有する。ここでビットレートは、音声符号化装置の外部から入力される。
　＜適応帯域選択部の構成＞
　図６は、本発明の実施の形態２における適応帯域選択部６００の構成を示すブロック図である。なお、本実施の形態における音声符号化装置は、図２と同一構成であるので、その説明を省略する。本実施の形態における適応帯域制限部は、適応帯域選択部３０１の代わりに適応帯域選択部６００を有する以外は図３と同一構成であるので、その説明を省略する。また、本実施の形態における音声復号装置は、図５と同一構成であるので、その説明を省略する。
　スペクトル算出部６０１は、入力信号に対してＦＦＴ分析を行ってスペクトルを算出し、算出したスペクトルのスペクトル情報を帯域制限周波数決定部６０４に出力する。
　ピッチ周期算出部６０２は、入力信号のピッチ周期を算出し、算出したピッチ周期を閾値算出部６０３に出力する。
　閾値算出部６０３は、ピッチ周期算出部６０２から入力したピッチ周期と、入力したビットレートとから閾値を算出し、算出した閾値Ｉｔｈを帯域制限周波数決定部６０４に出力する。ビットレートは、予め設定した値である。閾値Ｉｔｈは、以下の（２）式より求められる。
Figure JPOXMLDOC01-appb-M000002
　ここで、ピッチ周波数は、ピッチ周期算出部６０２から入力したピッチ周期の逆数で表される。（２）式より、閾値Ｉｔｈは、ビットレートが高くなるほど大きくなり、ピッチ周波数が高くなるほど小さくなる。また、ビットレートは、コーデック全体に割り当てられるビットレートでもよいし、帯域拡張レイヤだけに割り当てられるビットレートでもよい。
　帯域制限周波数決定部６０４は、スペクトル算出部６０１から入力したスペクトル情報と、閾値算出部６０３から入力した閾値とを用いて帯域制限周波数を決定し、決定した帯域制限周波数を帯域制限信号生成部３０２に出力する。
　＜帯域制限周波数の決定方法＞
　図７は、帯域制限周波数の決定方法を示す図である。図７は、超広帯域音声スペクトルを、Ｅ［０］～Ｅ［８］の９つのサブバンドに分割した場合を示す。なお、超広帯域音声スペクトルは、９つのサブバンドに分割する場合に限らず、任意の数のサブバンドに分割することができる。また、各サブバンドの帯域幅は、等幅である場合に限らず、異なる幅であってもよい。
　帯域制限周波数決定部６０４は、全サブバンドのエネルギーの総和Ｅａｌｌに対する、低域からの各サブバンドエネルギーＥ［ｋ］の累積和Ｅｆ［ｋ］のサブバンドエネルギーの比（Ｅｆ［ｋ］／Ｅａｌｌ）を求める。ここでｋは０から８までの整数で表されるサブバンドインデックスである。そして、帯域制限周波数決定部６０４は、サブバンドエネルギー比が、閾値算出部６０３から入力した閾値Ｉｔｈより大きな値になったときのサブバンドインデックスｋ（図７の場合はｋ＝５）を帯域制限信号生成部３０２に出力する。
　＜帯域制限周波数決定部の動作＞
　図８は、帯域制限周波数決定部６０４の動作を示すフロー図である。
　帯域制限周波数決定部６０４は、まず全サブバンドエネルギーの総和Ｅａｌｌを「０」にして初期化する（ステップＳＴ８０１）。
　次に、帯域制限周波数決定部６０４は、全サブバンドエネルギーの総和Ｅａｌｌを求める（ステップＳＴ８０２）。
　次に、帯域制限周波数決定部６０４は、サブバンドエネルギーの累積和Ｅｆ［ｋ］を求めるために、サブバンドインデックスｋとサブバンドエネルギーの累積和Ｅｆ［０］とを０にして初期化する（ステップＳＴ８０３）。
　次に、帯域制限周波数決定部６０４は、サブバンドインデックスｋに対応するサブバンドエネルギーの累積和Ｅｆ［ｋ］を求め（ステップＳＴ８０４）、それを用いて得られるサブバンドエネルギー比（Ｅｆ［ｋ］／Ｅａｌｌ）と閾値算出部６０３から出力された閾値Ｉｔｈとを比較する（ステップＳＴ８０５）。
　サブバンドエネルギー比が閾値Ｉｔｈ以下の場合（ステップＳＴ８０５：ＮＯ）には、帯域制限周波数決定部６０４は、サブバンドインデックスｋの値をインクリメントし（ステップＳＴ８０６）、所定の範囲の探索が終了したか否かを判定する（ステップＳＴ８０７）。
　探索が終了していない場合（ステップＳＴ８０７：ＮＯ）には、帯域制限周波数決定部６０４は、サブバンドエネルギー比が閾値Ｉｔｈより大きくなるまでステップＳＴ８０４～ステップＳＴ８０７の処理を繰り返す。
　一方、サブバンドエネルギー比が閾値Ｉｔｈを超えた場合（ステップＳＴ８０５：ＹＥＳ）、または所定の範囲の探索が終了した場合（ステップＳＴ８０７：ＹＥＳ）には、帯域制限周波数決定部６０４は、そのときのサブバンドインデックスｋを帯域制限信号生成部３０２に出力する（ステップＳＴ８０８）。サブバンドインデックスｋの各々は、各サブバンドの上端周波数と一対一で各々対応しており、この上端周波数を帯域制限周波数と見なす。
　このように、本実施の形態では、サブバンドエネルギー比を用いて帯域制限周波数を設定することで、全帯域の中でエネルギーが比較的大きい帯域と小さい帯域とに分割し、エネルギーが小さい帯域を符号化対象から除外するか、またはエネルギーが小さい帯域のエネルギーを減衰させることによって聴感的な重要度を下げる。
　＜本実施の形態の効果＞
　本実施の形態によれば、サブバンドエネルギー比に応じて帯域制限周波数を適応的に調整することにより、ビットレートを低くしても符号化に伴う全体的な品質の劣化を防ぐことができる。
　＜本実施の形態の変形例＞
　本実施の形態において、スペクトル算出部６０１は、入力信号に対してＦＦＴ分析を行うことによりスペクトルを算出したが、本発明はこれに限らず、第１レイヤ符号化部で生成されるＬＰＣ（Linear Prediction coding）係数を用いてスペクトル包絡を求めてもよい。
　図９は、本実施の形態に係る音声符号化装置の変形例（音声符号化装置９００）を示すブロック図である。なお、図９に示す音声符号化装置９００は、図２に示す実施の形態１に係る音声符号化装置１００に対して、適応帯域制限部１０２の代わりに適応帯域制限部９０１を有する。なお、図９において、図２と同一構成である部分には同一の符号を付してその説明を省略する。
　第１レイヤ符号化部１０１は、入力信号の符号化処理を行い、第１レイヤ符号化データを生成する。第１レイヤ符号化部１０１は、生成した第１レイヤ符号化データを帯域拡張レイヤ符号化部１０３及び多重化部１０４に出力するとともに、第１レイヤ符号化部１０１で生成されるＬＰＣ係数を適応帯域制限部９０１に出力する。ＬＰＣ係数は、例えば、自己相関法により算出する。
　適応帯域制限部９０１は、入力信号と、第１レイヤ符号化部１０１から入力したＬＰＣ係数とに基づいて、帯域拡張レイヤにおいて制限を加える帯域を選択する。そして、適応帯域制限部９０１は、入力信号の帯域のうち、選択した帯域に制限を加えた帯域制限信号を、帯域拡張レイヤ符号化部１０３に出力する。なお、適応帯域制限部９０１の構成の詳細については後述する。
　帯域拡張レイヤ符号化部１０３は、第１レイヤ符号化部１０１から入力した第１レイヤ符号化データと、適応帯域制限部９０１から入力した帯域制限信号とを用いて拡張帯域部の符号化処理を行い、帯域拡張レイヤ符号化データを生成する。帯域拡張レイヤ符号化部１０３は、生成した帯域拡張レイヤ符号化データを多重化部１０４に出力する。
　図１０は、適応帯域制限部９０１の構成を示すブロック図である。なお、図１０に示す適応帯域制限部９０１は、図３に示す実施の形態１における適応帯域制限部１０２に対して、適応帯域選択部３０１の代わりに、適応帯域選択部１００１を有する。なお、図１０において、図３と同一構成である部分には同一の符号を付してその説明を省略する。なお、適応帯域選択部１００１の構成の詳細については後述する。
　適応帯域選択部１００１は、入力信号の特徴を分析し、分析結果と第１レイヤ符号化部１０１から入力したＬＰＣ係数とに基づいて、入力信号において制限を加える帯域を選択する。適応帯域選択部１００１は、選択した制限を加える帯域の情報を帯域制限周波数として帯域制限信号生成部３０２に出力する。なお、適応帯域選択部１００１の構成の詳細については後述する。
　帯域制限信号生成部３０２は、入力信号と適応帯域選択部１００１から入力した帯域制限周波数とに基づいて帯域制限信号を生成し、生成した帯域制限信号を帯域拡張レイヤ符号化部１０３に出力する。なお、本実施の形態における帯域制限信号生成部３０２の構成及び動作は、上記の実施の形態１の帯域制限信号生成部３０２と同一であるので、その詳細な説明を省略する。
　図１１は、本実施の形態における適応帯域選択部１００１の構成を示すブロック図である。なお、図１１に示す適応帯域選択部１００１は、図６に示す本実施の形態における適応帯域選択部６００に対して、スペクトル算出部６０１を除き、スペクトル包絡算出部１１０１を追加する。なお、図１１において、図６と同一構成である部分には同一の符号を付してその説明を省略する。
　スペクトル包絡算出部１１０１は、第１レイヤ符号化部１０１から入力したＬＰＣ係数を用いて、スペクトル包絡を推定し、推定したスペクトル包絡をスペクトル情報として帯域制限周波数決定部６０４に出力する。このスペクトル情報を基に、帯域制限周波数決定部６０４では、ＦＦＴ分析でスペクトルを求めた場合と同様にして、前記サブバンドエネルギー比を求めることができる。
　上記の構成により、本実施の形態の効果と同様の効果を得ることができる。
　なお、本実施の形態の変形例において、スペクトル包絡算出部１１０１は、ＬＰＣ係数を用いてスペクトル包絡を求めたが、本発明はこれに限らず、ＬＰＣ係数以外のＬＳＰ（Linear Spectral Pairs）、ＬＳＦ（Linear Spectral Frequencies）、ＩＳＰ（Immitance Spectral Pairs）ＩＳＦ（Immitance Spectral Frequencies）またはＰＡＲＣＯＲ（Partial Auto Correlation）係数などを用いてスペクトル包絡を求めることができる。
　＜本実施の形態におけるその他の変形例＞
　本実施の形態において、スペクトル算出部は、入力信号に対してＦＦＴ分析を行ってスペクトルを算出したが、本発明はこれに限らず、ＦＦＴ以外のＤＦＴ（Discrete Fourier Transform）、ＤＣＴ（Discrete Cosine Transform）、ＭＤＣＴ（Modified Discrete Cosine Transform）またはフィルタバンクなどを使用することができる。
　また、本実施の形態において、ピッチ周期算出部６０２において入力信号のピッチ周期を算出したが、本発明はこれに限らず、第１レイヤ符号化部１０１で入力信号のピッチ周期を算出して閾値算出部６０３に出力してもよい。この場合には、ピッチ周期算出部６０２を不要にすることができる。
　（実施の形態３）
　本実施の形態は、無声区間における背景雑音スペクトルと、有声区間における音声スペクトルとの比較に基づく帯域制限を行うことで、制限帯域を符号化対象から除外する点に特徴を有する。すなわち、無声区間においては背景雑音スペクトルを求め、有声区間では音声スペクトルを求める。有声区間においては、背景雑音のレベルを下回る帯域の音声スペクトルに関しては背景雑音にマスキングされ、聴感上重要ではないとみなすことができるので、この背景雑音のレベルを下回る帯域を制限する。
　＜適応帯域選択部の構成＞
　図１２は、本発明の実施の形態３における適応帯域選択部１２００の構成を示すブロック図である。なお、本実施の形態における音声符号化装置は、図２と同一構成であるので、その説明を省略する。また、本実施の形態における適応帯域制限部１０２は、適応帯域選択部３０１の代わりに適応帯域選択部１２００を有する以外は図４と同一構成であるので、その説明を省略する。また、本実施の形態における音声復号装置は、図５と同一構成であるので、その説明を省略する。
　スペクトル算出部１２０１は、入力信号に対してＦＦＴ分析を行うことにより、入力信号のスペクトルを求め、求めたスペクトルのスペクトル情報をスイッチ部１２０３及び帯域制限周波数決定部１２０５に出力する。
　音声検出部１２０２は、入力信号を用いて無声区間か有声区間かを検出し、検出情報をスイッチ部１２０３に出力する。音声検出部１２０２は、例えば無声区間なら「０」、有声区間なら「１」を検出情報としてスイッチ部１２０３に出力する。
　スイッチ部１２０３は、音声検出部１２０２から入力した検出情報を用いてスイッチングを行う。具体的には、スイッチ部１２０３は、検出情報が無声区間の場合（例えば、検出情報「０」の場合）のみ、スペクトル算出部１２０１から入力したスペクトル情報を背景雑音スペクトル算出部１２０４に出力する。一方、スイッチ部１２０３は、検出情報が有声区間の場合（例えば、検出情報「１」の場合）は、スイッチをオフにして何も出力しない。
　背景雑音スペクトル算出部１２０４は、無声区間のフレームの間、スイッチ部１２０３から入力したスペクトル情報におけるサブバンドエネルギーの平均化をサブバンド毎に行い、サブバンド毎に平均化された背景雑音スペクトルを帯域制限周波数決定部１２０５に出力する。背景雑音スペクトルの平均化は、例えば次の（３）式のように行われる。
Figure JPOXMLDOC01-appb-M000003
　（３）式において、次の無声区間のフレームにおけるＮｅを求める際には、Ｎｐｒｅｖに前フレームにおけるＮｅを代入することでＮｐｒｅｖを更新する。
　帯域制限周波数決定部１２０５は、サブバンドごとにスペクトル算出部１２０１から入力したスペクトル情報のスペクトルＳから、背景雑音スペクトル算出部１２０４から入力した平均化された背景雑音スペクトルＮｅを対数領域において引き算する。そして、帯域制限周波数決定部１２０５は、引き算した値が負になったときの周波数の値を、帯域制限周波数Ｆｃｕｔとして帯域制限信号生成部３０２に出力する。一方、帯域制限周波数決定部１２０５は、引き算した値が負にならなかった場合には、帯域制限周波数Ｆｃｕｔの値を１６ｋＨｚに設定して、帯域制限信号生成部３０２に出力する。すなわち、帯域制限を行わない。
　＜帯域制限周波数の決定方法＞
　図１３は、本実施の形態における帯域制限周波数の決定方法を示す図である。
　帯域制限周波数決定部１２０５は、図１３（Ａ）に示す入力信号から無声区間と有声区間とを検出し、無声区間において入力信号のＦＦＴ分析を行うことにより、図１３（Ｂ）に示す背景雑音スペクトルを得る。
　また、帯域制限周波数決定部１２０５は、有声区間においても入力信号のＦＦＴ分析を行うことにより、図１３（Ｃ）に示す音声スペクトルを得る。
　帯域制限周波数決定部１２０５は、図１３（Ｄ）に示すように、図１３（Ｂ）のスペクトルと図１３（Ｃ）のスペクトルとを比較する。そして、帯域制限信号生成部３０２は、音声スペクトルが背景雑音スペクトルのレベルを下回る帯域（図１３（Ｄ）においてはＦｃｕｔ以上の帯域）を、符号化対象から除外するか、または音声スペクトルが背景雑音スペクトルのレベルを下回る帯域（図１３（Ｄ）においてはＦｃｕｔ以上の帯域）のエネルギーを減衰させることにより帯域に制限を加える。
　＜本実施の形態の効果＞
　本実施の形態によれば、音声スペクトルのレベルと背景雑音スペクトルのレベルとの関係に応じて帯域制限周波数を適応的に調整することにより、ビットレートを低くしても符号化に伴う全体的な品質の劣化を防ぐことができる。
　＜本実施の形態の変形例＞
　本実施の形態において、スペクトル算出部は、入力信号に対してＦＦＴ分析を行ってスペクトルを算出したが、本発明はこれに限らず、ＦＦＴ以外のＤＦＴ、ＤＣＴ、ＭＤＣＴまたはフィルタバンクなどを使用することができる。
　＜実施の形態１～実施の形態３に共通の変形例＞
　上記の実施の形態１～実施の形態３において、音声符号化装置をスケーラブル構成として説明したが、本発明はこれに限らず、スケーラブル構成ではない符号化方式にも適用可能である。図１４は、スケーラブル構成ではない音声符号化装置１４００の構成を示すブロック図である。本発明は、図１４に示すような音声符号化装置１４００にも適用することができる。
　図１４より、適応帯域制限部１４０１は、帯域拡張レイヤにおいて制限する帯域を選択し、入力信号の帯域のうち選択した帯域を制限した帯域制限信号を符号化部１４０２に出力する。なお、適応帯域制限部１４０１は、上記の実施の形態１～実施の形態３に示した何れか１つの方法を採用して帯域制限周波数を決定することができる。この際、例えば符号化部１４０２が符号化対象とする帯域が狭帯域（０Ｈｚ～３．５ｋＨｚ）の場合には、適応帯域制限部１４０１で決定される帯域制限周波数の下限は、３．５ｋＨｚまでの値をとり得る。
　符号化部１４０２は、適応帯域制限部１４０１から入力した帯域制限信号を符号化してビットストリームを生成し、生成したビットストリームを図示しない通信路に出力する。
　（実施の形態４）
　本実施の形態は、音声復号装置において帯域に制限を加える点に特徴を有する。
　図１５は、本実施の形態に係る音声復号装置１５００の構成を示すブロック図である。
　復号部１５０１は、図示しない通信路（transmission channel）を介して入力されるビットストリームを復号して復号信号を生成し、生成した復号信号を適応帯域制限部１５０２に出力する。なお、本実施の形態における復号部１５０１は、一例として、図５の音声復号装置５００と同一構成としてもよく、ここではその詳細な説明を省略する。
　適応帯域制限部１５０２は、制限を加える帯域を選択し、復号部１５０１から入力した復号信号の帯域のうち、選択した帯域に制限を加えた帯域制限信号を出力信号として出力する。この際、適応帯域制限部１５０２は、上記の実施の形態１～実施の形態３に示した何れか１つの方法を採用して帯域制限周波数を決定する。
　即ち、適応帯域制限部１５０２は、復号部１５０１から入力した復号信号のピッチ周期に基づいて制限を加える帯域を選択する。または、適応帯域制限部１５０２は、復号部１５０１から入力した復号信号に対してＦＦＴ分析を行ってスペクトルを算出し、算出したスペクトルと（２）式により求めた閾値とを用いて制限を加える帯域を選択する。または、適応帯域制限部１５０２は、復号部１５０１から入力した復号信号に対してＦＦＴ分析を行ってスペクトルを算出し、サブバンドごとに算出したスペクトルから、平均化された背景雑音スペクトルを対数領域において引き算し、引き算した値が負になったときの周波数以上の周波数を制限を加える帯域として選択する。
　すなわち、前述の実施の形態の符号化装置のように、適応帯域制限部１５０２は、ピッチ周波数が高いほど広い、除外する帯域を選択する構成を有するようにしたり、あるいは、符号化装置がスケーラブル構成の場合は、ピッチ周波数が高いほど広い、拡張帯域のエネルギーを減衰させる帯域を選択する構成を有するようにしてもよい。
　なお、適応帯域制限部１５０２は、例えば復号部１５０１が復号対象とする帯域が狭帯域（０Ｈｚ～３．５ｋＨｚ）の場合には、帯域制限周波数の下限として３．５ｋＨｚまでの値をとり得る。
　＜本実施の形態の効果＞
　本実施の形態による音声復号装置は、帯域制限周波数を適応的に調整し、帯域制限周波数以上の帯域を、帯域拡張レイヤにおける符号化対象から除外するか、または帯域拡張レイヤにおいてエネルギーを減衰させて聴感的な重要度を下げることにより、ビットレートを低くしても符号化に伴う全体的な品質の劣化を防ぐことができる。
　＜本実施の形態の変形例＞
　図１６は、本実施の形態の変形例に係る音声復号装置１６００を示すブロック図である。
　本実施の形態の変形例における音声復号装置１６００は、適応帯域制限部１６０２において、上記実施の形態２の方法を用いて帯域制限周波数を決定する。この場合、復号部１６０１で生成されるＬＰＣ係数を用いる。
　復号部１６０１は、図示しない通信路（transmission channel）を介して入力されるビットストリームを復号して復号信号を生成し、生成した復号信号を適応帯域制限部１６０２に出力する。この際、復号部１６０１は、ＬＰＣ係数を生成し、生成したＬＰＣ係数を適応帯域制限部１６０２に出力する。ＬＰＣ係数は、例えば、自己相関法により算出する。なお、復号部１６０１におけるその他の構成及び動作は、図５の音声復号装置５００と同一であるので、その説明を省略する。
　適応帯域制限部１６０２は、復号部１６０１から入力した復号信号及びＬＰＣ係数に基づいて、制限を加える帯域を選択し、復号部１６０１から入力した帯域拡張レイヤの復号信号の帯域のうち、選択した帯域に制限を加える。そして、適応帯域制限部１６０２は、選択した帯域に制限を加えた帯域制限信号を出力信号として出力する。
　図１７は、本実施の形態の変形例における適応帯域制限部１６０２の構成を示すブロック図である。
　適応帯域選択部１７０１は、復号部１６０１から入力した復号信号の特徴を分析し、分析結果と復号部１６０１から入力したＬＰＣ係数とに基づいて、復号信号において制限を加える帯域を選択する。適応帯域選択部１７０１は、選択した制限を加える帯域の情報を帯域制限周波数として帯域制限信号生成部１７０２に出力する。
　帯域制限信号生成部１７０２は、復号部１６０１から入力した復号信号と適応帯域選択部１７０１から入力した帯域制限周波数とに基づいて帯域制限信号を生成し、生成した帯域制限信号を出力信号として出力する。
　具体的には、帯域制限信号生成部１７０２は、適応帯域選択部１７０１から入力した帯域制限周波数より低域の周波数を通過域とし、復号部１６０１から入力した復号信号において帯域に制限を加える。即ち、帯域制限信号生成部１７０２は、適応帯域選択部１７０１により選択した帯域制限周波数より低域の入力信号を出力信号（帯域制限信号）として出力する。この場合には、帯域制限信号生成部１７０２は、例えば低域通過フィルターにより構成される。
　または、帯域制限信号生成部１７０２は、入力信号のうち、適応帯域選択部１７０１から入力した帯域制限周波数よりも高域のエネルギーを減衰させた信号を、出力信号（帯域制限信号）として出力する。
　この変形例によれば、上記実施の形態２と同様の効果を得ることができる。
　なお、本実施の形態の変形例は、復号部１６０１がスケーラブル構成である場合に限らず、スケーラブル構成以外の構成にも適用可能である。
　＜全ての実施の形態に共通の変形例＞
　上記の実施の形態１～実施の形態４において、階層数が２のスケーラブル構成にしたが、本発明はこれに限らず、階層数が３以上のスケーラブル構成にも適用可能である。
　また、上記の実施の形態１～実施の形態４において、入力信号は音声信号、音楽信号、あるいは音声と音楽とが混在する信号の何れであってもよい。
　また、上記の実施の形態１～実施の形態４において、本発明をハードウェアで構成する場合を例にとって説明したが、本発明はハードウェアとの連携においてソフトウェアでも実現することも可能である。
　また、上記の実施の形態１～実施の形態４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。
　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を利用してもよい。
　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。
　２０１１年６月９日出願の特願２０１１－１２９４２８の日本出願及び２０１１年８月５日出願の特願２０１１－１７２３９３の日本出願に含まれる明細書、図面及び要約書の開示内容は、すべて本願に援用される。
　本発明は、例えばスケーラブル構成を有する音声符号化装置、音声復号装置、音声符号化方法及び音声復号方法に好適である。
　１０１　第１レイヤ符号化部
　１０２、９０１、１４０１、１５０２、１６０２　適応帯域制限部
　１０３　帯域拡張レイヤ符号化部
　１０４　多重化部
　３０１、６００、１００１、１７０１　適応帯域選択部
　３０２、１７０２　帯域制限信号生成部
　４０１、６０２　ピッチ周期算出部
　４０２、６０４、１２０５　帯域制限周波数決定部
　６０１、１２０１　スペクトル算出部
　６０３　閾値算出部
　１１０１　スペクトル包絡算出部
　１２０２　音声検出部
　１２０３　スイッチ部
　１２０４　背景雑音スペクトル算出部
　１４０２　符号化部
　１５０１、１６０１　復号部

Claims (20)

  1. 　広帯域の信号を第１レイヤにおいて符号化するとともに、前記広帯域よりも高域である拡張帯域の信号を帯域拡張レイヤにおいて符号化する音声符号化装置であって、
    　前記拡張帯域において符号化の際に制限を加える帯域を選択する帯域選択手段と、
    　入力信号の帯域のうち前記選択された帯域に前記制限を加える帯域制限手段と、
    　を具備する音声符号化装置。
  2. 　前記帯域選択手段は、
    　前記拡張帯域において符号化対象から除外する帯域を前記制限を加える帯域として選択し、
    　前記帯域制限手段は、
    　前記選択された帯域を符号化対象から除外することにより前記制限を加える、
    　請求項１記載の音声符号化装置。
  3. 　前記帯域選択手段は、
    　前記拡張帯域においてエネルギーを減衰させる帯域を前記制限を加える帯域として選択し、
    　前記帯域制限手段は、
    　前記選択された帯域のエネルギーを減衰させることにより前記制限を加える、
    　請求項１記載の音声符号化装置。
  4. 　前記帯域選択手段は、
    　前記入力信号のピッチ周波数が高いほど広い前記除外する帯域を選択する、
    　請求項２記載の音声符号化装置。
  5. 　前記帯域選択手段は、
    　前記入力信号のピッチ周波数が高いほど広い前記エネルギーを減衰させる帯域を選択する、
    　請求項３記載の音声符号化装置。
  6. 　前記帯域選択手段は、
    　前記入力信号のピッチ周波数とビットレートとにより閾値を求め、前記入力信号のスペクトルの各サブバンドエネルギーの総和に対する、低域からの各サブバンドエネルギーの累積和の比が、前記閾値より大きくなる帯域より高域を前記除外する帯域として選択する、
    　請求項２記載の音声符号化装置。
  7. 　前記帯域選択手段は、
    　前記入力信号のピッチ周波数とビットレートとにより閾値を求め、前記入力信号のスペクトルの各サブバンドエネルギーの総和に対する、低域からの各サブバンドエネルギーの累積和の比が、前記閾値より大きくなる帯域より高域を前記エネルギーを減衰させる帯域として選択する、
    　請求項３記載の音声符号化装置。
  8. 　前記帯域選択手段は、
    　前記入力信号の無声区間より背景雑音のスペクトルを推定し、前記入力信号のスペクトルが前記背景雑音のスペクトルよりも小さい帯域を前記除外する帯域として選択する、
    　請求項２記載の音声符号化装置。
  9. 　前記帯域選択手段は、
    　前記入力信号の無声区間より背景雑音のスペクトルを推定し、前記入力信号のスペクトルが前記背景雑音のスペクトルよりも小さい帯域を前記エネルギーを減衰させる帯域として選択する、
    　請求項３記載の音声符号化装置。
  10. 　符号化装置において生成された、広帯域の信号を符号化することによって得られた第１レイヤ符号化情報を第１レイヤにおいて復号し、前記広帯域よりも高域である拡張帯域の信号を符号化することによって得られた帯域拡張レイヤ符号化情報を帯域拡張レイヤにおいて復号する音声復号装置であって、
    　前記拡張帯域において出力の際に制限を加える帯域を選択する帯域選択手段と、
    　復号信号の帯域のうち前記選択された帯域に前記制限を加える帯域制限手段と、
    　を具備する音声復号装置。
  11. 　前記帯域選択手段は、
    　前記拡張帯域において出力対象から除外する帯域を前記制限を加える帯域として選択し、
    　前記帯域制限手段は、
    　前記選択された帯域を出力対象から除外することにより前記制限を加える、
    　請求項１０記載の音声復号装置。
  12. 　前記帯域選択手段は、
    　前記拡張帯域においてエネルギーを減衰させる帯域を前記制限を加える帯域として選択し、
    　前記帯域制限手段は、
    　前記選択された帯域のエネルギーを減衰させることにより前記制限を加える、
    　請求項１０記載の音声復号装置。
  13. 　前記帯域選択手段は、
    　前記復号信号のピッチ周波数が高いほど広い前記除外する帯域を選択する、
    　請求項１１記載の音声復号装置。
  14. 　前記帯域選択手段は、
    　前記復号信号のピッチ周波数が高いほど広い前記エネルギーを減衰させる帯域を選択する、
    　請求項１２記載の音声復号装置。
  15. 　前記帯域選択手段は、
    　前記復号信号のピッチ周波数とビットレートとにより閾値を求め、前記入力信号のスペクトルの各サブバンドエネルギーの総和に対する、低域からの各サブバンドエネルギーの累積和の比が、前記閾値より大きくなる帯域より高域を前記除外する帯域として選択する、
    　請求項１１記載の音声復号装置。
  16. 　前記帯域選択手段は、
    　前記復号信号のピッチ周波数とビットレートとにより閾値を求め、前記入力信号のスペクトルの各サブバンドエネルギーの総和に対する、低域からの各サブバンドエネルギーの累積和の比が、前記閾値より大きくなる帯域より高域を前記エネルギーを減衰させる帯域として選択する、
    　請求項１２記載の音声復号装置。
  17. 　前記帯域選択手段は、
    　前記復号信号の無声区間より背景雑音のスペクトルを推定し、前記入力信号のスペクトルが前記背景雑音のスペクトルよりも小さい帯域を前記除外する帯域として選択する、
    　請求項１１記載の音声復号装置。
  18. 　前記帯域選択手段は、
    　前記復号信号の無声区間より背景雑音のスペクトルを推定し、前記入力信号のスペクトルが前記背景雑音のスペクトルよりも小さい帯域を前記エネルギーを減衰させる帯域として選択する、
    　請求項１２記載の音声復号装置。
  19. 　広帯域の信号を第１レイヤにおいて符号化するとともに、前記広帯域よりも高域である拡張帯域の信号を帯域拡張レイヤにおいて符号化する音声符号化方法であって、
    　前記拡張帯域において符号化の際に制限を加える帯域を選択するステップと、
    　入力信号の帯域のうち前記選択された帯域に制限を加えるステップと、
    　を具備する音声符号化方法。
  20. 　広帯域の信号を第１レイヤにおいて復号するとともに、前記広帯域よりも高域である拡張帯域の信号を帯域拡張レイヤにおいて復号する音声復号方法であって、
    　前記拡張帯域において出力の際に制限を加える帯域を選択するステップと、
    　復号信号の帯域のうち前記選択された帯域に前記制限を加えるステップと、
    　を具備する音声復号方法。
PCT/JP2012/003409 2011-06-09 2012-05-25 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 Ceased WO2012169133A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP2013519367A JP5986565B2 (ja) 2011-06-09 2012-05-25 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
EP12796725.5A EP2709103B1 (en) 2011-06-09 2012-05-25 Voice coding device, voice decoding device, voice coding method and voice decoding method
US14/123,841 US9264094B2 (en) 2011-06-09 2012-05-25 Voice coding device, voice decoding device, voice coding method and voice decoding method

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
JP2011129428 2011-06-09
JP2011-129428 2011-06-09
JP2011172393 2011-08-05
JP2011-172393 2011-08-05

Publications (1)

Publication Number Publication Date
WO2012169133A1 true WO2012169133A1 (ja) 2012-12-13

Family

ID=47295725

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2012/003409 Ceased WO2012169133A1 (ja) 2011-06-09 2012-05-25 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

Country Status (4)

Country Link
US (1) US9264094B2 (ja)
EP (1) EP2709103B1 (ja)
JP (1) JP5986565B2 (ja)
WO (1) WO2012169133A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104681032A (zh) * 2013-11-28 2015-06-03 中国移动通信集团公司 一种语音通信方法和设备

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9208798B2 (en) * 2012-04-09 2015-12-08 Board Of Regents, The University Of Texas System Dynamic control of voice codec data rate
JP6335190B2 (ja) 2012-12-21 2018-05-30 フラウンホーファー−ゲゼルシャフト・ツール・フェルデルング・デル・アンゲヴァンテン・フォルシュング・アインゲトラーゲネル・フェライン 低ビットレートで背景ノイズをモデル化するためのコンフォートノイズ付加
US9697843B2 (en) 2014-04-30 2017-07-04 Qualcomm Incorporated High band excitation signal generation
WO2020003727A1 (ja) 2018-06-28 2020-01-02 ソニー株式会社 復号装置、復号方法、プログラム
CN112313603B (zh) 2018-06-28 2024-05-17 索尼公司 编码装置、编码方法、解码装置、解码方法和程序
US11823557B2 (en) 2018-07-03 2023-11-21 Sony Corporation Encoding apparatus, encoding method, decoding apparatus, decoding method, transmission system, receiving apparatus, and program
KR20250129118A (ko) * 2018-08-08 2025-08-28 소니그룹주식회사 복호 장치, 복호 방법, 프로그램
US20230110255A1 (en) * 2021-10-12 2023-04-13 Zoom Video Communications, Inc. Audio super resolution

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07327014A (ja) * 1994-06-01 1995-12-12 Matsushita Electric Ind Co Ltd オーディオ信号高能率符号化装置
JPH09127987A (ja) * 1995-10-26 1997-05-16 Sony Corp 信号符号化方法及び装置
JP2008107415A (ja) * 2006-10-23 2008-05-08 Fujitsu Ltd 符号化装置
JP2010224180A (ja) * 2009-03-23 2010-10-07 Oki Electric Ind Co Ltd 帯域拡張装置、方法及びプログラム、並びに、量子化雑音学習装置、方法及びプログラム
JP2011129428A (ja) 2009-12-18 2011-06-30 Toyota Motor Corp 蓄電素子のホルダ
JP2011172393A (ja) 2010-02-19 2011-09-01 Sumitomo Wiring Syst Ltd バスバー回路構造体

Family Cites Families (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3134455B2 (ja) * 1992-01-29 2001-02-13 ソニー株式会社 高能率符号化装置及び方法
TW321810B (ja) 1995-10-26 1997-12-01 Sony Co Ltd
SE512719C2 (sv) * 1997-06-10 2000-05-02 Lars Gustaf Liljeryd En metod och anordning för reduktion av dataflöde baserad på harmonisk bandbreddsexpansion
US6539355B1 (en) * 1998-10-15 2003-03-25 Sony Corporation Signal band expanding method and apparatus and signal synthesis method and apparatus
GB2351889B (en) * 1999-07-06 2003-12-17 Ericsson Telefon Ab L M Speech band expansion
FI115329B (fi) * 2000-05-08 2005-04-15 Nokia Corp Menetelmä ja järjestely lähdesignaalin kaistanleveyden vaihtamiseksi tietoliikenneyhteydessä, jossa on valmiudet useisiin kaistanleveyksiin
US7330814B2 (en) * 2000-05-22 2008-02-12 Texas Instruments Incorporated Wideband speech coding with modulated noise highband excitation system and method
JP3576935B2 (ja) * 2000-07-21 2004-10-13 株式会社ケンウッド 周波数間引き装置、周波数間引き方法及び記録媒体
JP2002169599A (ja) * 2000-11-30 2002-06-14 Toshiba Corp ノイズ抑制方法及び電子機器
ATE320651T1 (de) * 2001-05-08 2006-04-15 Koninkl Philips Electronics Nv Kodieren eines audiosignals
JP4119696B2 (ja) 2001-08-10 2008-07-16 松下電器産業株式会社 送信装置、受信装置及び無線通信方法
US7162415B2 (en) * 2001-11-06 2007-01-09 The Regents Of The University Of California Ultra-narrow bandwidth voice coding
US7447631B2 (en) * 2002-06-17 2008-11-04 Dolby Laboratories Licensing Corporation Audio coding system using spectral hole filling
CN100508030C (zh) * 2003-06-30 2009-07-01 皇家飞利浦电子股份有限公司 一种编码/解码音频信号的方法及相应设备
JP4222250B2 (ja) * 2004-04-26 2009-02-12 ヤマハ株式会社 圧縮楽音データ再生装置
US8260611B2 (en) * 2005-04-01 2012-09-04 Qualcomm Incorporated Systems, methods, and apparatus for highband excitation generation
ATE528748T1 (de) * 2006-01-31 2011-10-15 Nuance Communications Inc Verfahren und entsprechendes system zur erweiterung der spektralen bandbreite eines sprachsignals
US20080300866A1 (en) * 2006-05-31 2008-12-04 Motorola, Inc. Method and system for creation and use of a wideband vocoder database for bandwidth extension of voice
CN101903943A (zh) * 2008-01-01 2010-12-01 Lg电子株式会社 用于处理信号的方法和装置
JP5337381B2 (ja) * 2008-01-18 2013-11-06 富士フイルム株式会社 メロシアニン色素及び光電変換素子
WO2010028301A1 (en) * 2008-09-06 2010-03-11 GH Innovation, Inc. Spectrum harmonic/noise sharpness control
US8532998B2 (en) * 2008-09-06 2013-09-10 Huawei Technologies Co., Ltd. Selective bandwidth extension for encoding/decoding audio/speech signal
GB2476041B (en) * 2009-12-08 2017-03-01 Skype Encoding and decoding speech signals
US8738385B2 (en) * 2010-10-20 2014-05-27 Broadcom Corporation Pitch-based pre-filtering and post-filtering for compression of audio signals

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07327014A (ja) * 1994-06-01 1995-12-12 Matsushita Electric Ind Co Ltd オーディオ信号高能率符号化装置
JPH09127987A (ja) * 1995-10-26 1997-05-16 Sony Corp 信号符号化方法及び装置
JP2008107415A (ja) * 2006-10-23 2008-05-08 Fujitsu Ltd 符号化装置
JP2010224180A (ja) * 2009-03-23 2010-10-07 Oki Electric Ind Co Ltd 帯域拡張装置、方法及びプログラム、並びに、量子化雑音学習装置、方法及びプログラム
JP2011129428A (ja) 2009-12-18 2011-06-30 Toyota Motor Corp 蓄電素子のホルダ
JP2011172393A (ja) 2010-02-19 2011-09-01 Sumitomo Wiring Syst Ltd バスバー回路構造体

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP2709103A4

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104681032A (zh) * 2013-11-28 2015-06-03 中国移动通信集团公司 一种语音通信方法和设备

Also Published As

Publication number Publication date
US9264094B2 (en) 2016-02-16
EP2709103B1 (en) 2015-10-07
JP5986565B2 (ja) 2016-09-06
EP2709103A1 (en) 2014-03-19
JPWO2012169133A1 (ja) 2015-02-23
US20140122065A1 (en) 2014-05-01
EP2709103A4 (en) 2014-03-26

Similar Documents

Publication Publication Date Title
JP5986565B2 (ja) 音声符号化装置、音声復号装置、音声符号化方法及び音声復号方法
US10559313B2 (en) Speech/audio signal processing method and apparatus
RU2658892C2 (ru) Устройство и способ для расширения диапазона частот для акустических сигналов
US7983904B2 (en) Scalable decoding apparatus and scalable encoding apparatus
US10217470B2 (en) Bandwidth extension system and approach
JP5706445B2 (ja) 符号化装置、復号装置およびそれらの方法
CN110706715B (zh) 信号编码和解码的方法和设备
ES2706148T3 (es) Dispositivo de codificación de audio vocal, dispositivo de decodificación de audio vocal, procedimiento de codificación de audio vocal, y procedimiento de decodificación de audio vocal
JP5171256B2 (ja) ステレオ符号化装置、ステレオ復号装置、及びステレオ符号化方法
AU2011282276A1 (en) Spectrum flatness control for bandwidth extension
CN112119457A (zh) 可截断的预测编码
KR20080049085A (ko) 음성 부호화 장치 및 음성 부호화 방법
JPWO2007126015A1 (ja) 音声符号化装置、音声復号化装置、およびこれらの方法
WO2012066727A1 (ja) ステレオ信号符号化装置、ステレオ信号復号装置、ステレオ信号符号化方法及びステレオ信号復号方法
US8599981B2 (en) Post-filter, decoding device, and post-filter processing method
US20140288925A1 (en) Bandwidth extension of audio signals
JP2011501228A (ja) 知覚モデルの適応的調整
JP6082703B2 (ja) 音声復号装置及び音声復号方法
WO2015151451A1 (ja) 符号化装置、復号装置、符号化方法、復号方法、およびプログラム
JP5295380B2 (ja) 符号化装置、復号化装置およびこれらの方法
Gibson Challenges in speech coding research
HK1190838B (en) Signal coding and decoding method and equipment thereof
HK1190838A (en) Signal coding and decoding method and equipment thereof

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 12796725

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2013519367

Country of ref document: JP

Kind code of ref document: A

WWE Wipo information: entry into national phase

Ref document number: 14123841

Country of ref document: US

NENP Non-entry into the national phase

Ref country code: DE

WWE Wipo information: entry into national phase

Ref document number: 2012796725

Country of ref document: EP