Nothing Special   »   [go: up one dir, main page]

JP2008129250A - Ａａｃのためのウィンドウ切り替え方法およびｍ／ｓ符号化の帯域決定方法 - Google Patents

Ａａｃのためのウィンドウ切り替え方法およびｍ／ｓ符号化の帯域決定方法 Download PDF

Info

Publication number
JP2008129250A
JP2008129250A JP2006312942A JP2006312942A JP2008129250A JP 2008129250 A JP2008129250 A JP 2008129250A JP 2006312942 A JP2006312942 A JP 2006312942A JP 2006312942 A JP2006312942 A JP 2006312942A JP 2008129250 A JP2008129250 A JP 2008129250A
Authority
JP
Japan
Prior art keywords
window
short
band
signal
long
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.)
Pending
Application number
JP2006312942A
Other languages
English (en)
Inventor
Keimin Ryu
啓民 劉
Wen-Chieh Lee
文傑 李
Yu-Ha Hsiao
又華 蕭
Kang-Yen Peng
康硯 彭
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.)
National Yang Ming Chiao Tung University NYCU
Original Assignee
National Chiao Tung University NCTU
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 National Chiao Tung University NCTU filed Critical National Chiao Tung University NCTU
Priority to JP2006312942A priority Critical patent/JP2008129250A/ja
Publication of JP2008129250A publication Critical patent/JP2008129250A/ja
Pending legal-status Critical Current

Links

Images

Landscapes

  • Compression, Expansion, Code Conversion, And Decoders (AREA)

Abstract

【課題】量子化誤差を低減させるオーディオ圧縮方法およびＡＡＣのためのＭ／Ｓ符号化の帯域状態の決定方法を提供する。
【解決手段】本発明は、オーディオ信号の第１の範囲のグローバルエネルギー比率を決定し、グローバルエネルギー比率を第１の閾値と比較する方法を提供する。本発明はさらにＡＣＣのためのＭ／Ｓ符号化の帯域状態の決定方法を提供し、その方法は、帯域の大部分を含む少なくとも1つのオーディオストリームを受信するステップと、左信号、右信号、ミドル信号、およびサイド信号を含む各帯域の第１のノードおよび第２のノードを計算するステップと、各隣の帯域の最小コストパス値を計算するステップと、状態がＬ／Ｒ状態またはＭ／Ｓ状態であろう最小コストパス値に基づいて各帯域の状態を決定するステップとを含む。
【選択図】図２５

Description

本発明はオーディオ信号に関し、特に、圧縮エラーの低減およびデジタルオーディオ符号化のための帯域毎のＭ／Ｓ符号化の帯域状態の決定方法の改良に関する。
多くのデジタルオーディオシステムは、オーディオファイルサイズを少なくするために信号圧縮の技術に依存している。そのようなオーディオシステムでは一般的に未加工のオーディオ信号をサンプルウィンドウを使用してサンプリングする。
例えば、三分間の楽曲はそれぞれの長さが０.１８秒のサンプルウィンドウを１０００使用してサンプリングされる。通常ビット内で特定の長さを有するサンプルウィンドウのビット分解能は、符号化されたオーディオ信号の品質に大きな影響を及ぼす。例えば、０.１８秒のサンプルウィンドウが１２８ビットを有する場合、それぞれのビットは０.００１４秒の音楽に対応する。これらの数は実アプリケーションと一致しないかもしれない。明らかに、ウィンドウ毎のビット数が高ければ高いほどより品質の高い音楽が記憶されるが、ビットが大すぎる場合、圧縮という目的に反してしまう。圧縮およびサンプルウィンドウを使用する一般的なデジタルオーディオシステムはＭＰ３（Motion Picture Expert Group Audio Layer-3）である。
ウィンドウ切り替えの原理は時間ベースの音声信号を周波数データに符号化する装置であるフィルタバンクのウィンドウサイズの変更であり、好適な時間周波数分解能を達成する。一般的に、ウィンドウ切り替えは二つの所定のウィンドウサイズであるラージとスモールとの間の選択に関係する。プリエコーと呼ばれる圧縮による人工的または不快なノイズが過渡信号（例えば非常に短時間の音声）が符号化されているとき発生する。過渡信号は信号変換を時間内に正確に表現する高い符号化分解能が必要であるので、全てのビット不足は量子化誤差がウィンドウ期間全体に拡散することを許してしまう。
この問題を明らかに図示するために、図１は過渡音声を有する信号が符号化される例を示す。
図１において、符号化されるオリジナル信号１００は小さい振幅範囲の後に続く高い振幅範囲の後に突然続く非常に小さな振幅範囲を有することが示されている。これは過渡信号ということがわかる。ロングウィンドウ１２０によってオリジナル信号１００は符号化された後、符号化された信号１１０が得られる。量子化誤差の拡散は過渡高振幅の前の範囲１３０の符号化された信号１１０で見られる。オリジナル信号１００のこの範囲には実質的に信号がないので、量子化誤差はより多くのドミナント信号によってマスクされない。一般的に、量子化誤差は一ウィンドウが実質的に異なる振幅を含む一エリアにかかる周波数領域符号化を使用するとき現われ、拡散する。周波数領域圧縮の結果として、ウィンドウ内のデータは特徴をシェアする傾向がある。符号化されたオーディオにおける量子化誤差はリスナーには不快である。
量子化誤差を低減させる一方法は、異なる長さのウィンドウを使用することである。図１に示すように、量子化誤差の拡散はロングウィンドウ１６０がショートウィンドウ１７０との接続で使用されたとき、量子化された信号１４０の範囲１５０で低減される。ロングウィンドウの符号化された信号１１０と比較し、量子化誤差の拡散はショートウィンドウの量子化された信号のショートウィンドウ期間によって阻止される。
プレエコー現象の説明を行う。テンポラルマスキングは同時マスキング、プレマスキングおよびポストマスキングを含む。各マスキングのタイプの効果を図２に示す。プレマスキングおよびポストマスキングの効果的なマスカーの持続期間はそれぞれおよそ２０ｍｓおよび１００ｍｓである。過渡信号またはオーディオアタックが周波数領域へと符号化されたとき、量子化誤差は時間領域の信号ブロック全体へと拡散する。アタック前の信号部分は相対的に小さいので、アタックはそのエネルギーの大部分が信号ブロックへ最も寄与し、このようにマスキング閾値の生成を制御する。そのとき閾値はブロックの静寂範囲では高すぎる。一般のロングウィンドウサイズは２０４８サンプルであり、サンプルレートが４４.１ｋＨｚのとき約４６ｍｓを表現し、プレマスキングが２０ｍｓ未満続くので、この過渡信号を符号化するのにロングウィンドウを使用したとき、量子化誤差の拡散はリスナーに容易に聞かれる。これはプレエコー現象と呼ばれる。
さらに、現在のオーディオ符号化にとって、Ｍ／Ｓ(ミドル信号／サイド信号)符号化はステレオチャンネルにおける不適切で冗長な情報を効果的に低減させる中心技術である。二つ以上のチャンネル数に対し、現在のＭＰＥＧ２ ＡＡＣおよびＭＰＥＧ４ ＡＡＣ標準で使用される方法はチャンネルをペアに分割し、それからＭ／Ｓ符号化をそれぞれのペアに用いる方法である。符号化利得がＡＡＣに存在するとき、Ｍ／Ｓ符号化の使用は選択的なスペクトル領域範囲に適用することができる。ＭＰＥＧ４ ＡＡＣ符号化標準において、帯域毎のＭ／Ｓ符号化はチャンネルの不適切性および冗長性を低減させるのに更なる融通性を提供する。しかし、その融通性はエンコーダの設計寸法および複雑度を増加させる。
Ｍ／Ｓ符号化はＬ／Ｒ(左／右)信号をＭ／Ｓ信号へと変換するＭ／Ｓ変換モデルを含む拡大された聴覚オーディオ符号化である。図３は従来技術によるＭ／Ｓ変換での聴覚符号化を示すブロック図である。Ｌ／Ｒオーディオ信号は分析フィルタバンク１０によって重複ブロックに分割され、周波数領域に変換される。仮に心理音響モデル２０によって計算される符号化利得がある場合、Ｍ／Ｓ変換モデル１５は周波数領域およびＭ／Ｓ信号への変換機のＬ／Ｒ信号を受信する。量子化／符号化モデル２５はビット割り当て３０によって決定されたいくつかのパラメータと共にこれらの信号の量子化および符号化をする信号を受信する。
心理音響モデル２０はＬ／Ｒ信号内容を分析し、関連する人間の聴覚システムの聴覚分解能を計算する。聴覚分解能および使用可能なビットに基づいて、ビット割り当て３０はビットレートに符合する好適な量子化方法を決定する。パッキングモデル３５は規格により特定されたフォーマットで符号化された情報のすべてをパッキングする。帯域毎のＭ／Ｓ符号化に関する文献が存在する。
第１の文献はＭ／Ｓ信号のための心理音響モデル２０に関するものである。心理音響モデル２０は人間の聴覚システムをシミュレートし、量子化のための正しいマスキング閾値を与えようとする。ＬおよびＲチャンネルに対する心理音響モデル２０のマスキングモデルは標準においてすでに構築されている。しかし、ＭおよびＳチャンネルに同じ手順を置くことは合理的ではない。その上、心理音響モデル２０の複雑度はＬ／Ｒ符号化の１５％以上のファクタに寄与している。心理音響モデル２０からの追加的な複雑度はＭ／Ｓ符号化の費用の増加をもたらす。
第２の文献はそれぞれの帯域に基づいた信号の符号化の決定に関するものである。この決定はＭ／Ｓ符号化からＬ／Ｒ符号化への符号化利得の測定に関係する。帯域状態の切り替えは心理音響モデル２０によって最大符号化利得を探し出すことを目的とする。全ての可能なケースを評価することによって最適の決定が探し出され、再構築信号を計算し、全てのケースから最小の歪を探し出す。オーディオ信号ファームは４９の帯域を含むので、全ての可能なケースに対して命令O(2^49)の複雑度算定数値を有する。
Ｍ／Ｓ符号化は自由に使用され、もっとも代表的なＡＡＣエンコーダであるＦＡＡＣは緻密なパラメータ調整がされたジョンストンの調査に基づいて改良された。図４は従来技術によるＦＡＡＣにおけるＭ／Ｓ符号化の帯域状態を決定する過程を示すフローチャート図である。心理音響モデル２０はＭ／Ｓ符号化のそれぞれの帯域状態を決定するＬ／Ｒ信号を受信し、下記のステップを含む。
ステップ１〜ステップ２：左信号および右信号を高速フーリエ変換（ＦＦＴ：Fast Fourier Transform）によって左ＦＦＴ（ＬFFT）信号および右ＦＦＴ（ＲFFT）信号に変換する。
ステップ３：左ＦＦＴ信号および右ＦＦＴ信号をミドルＦＦＴ（ＭFFT）信号およびサイドＦＦＴ（ＳFFT）信号に変換する。
ステップ４〜ステップ５：心理音響モデル２０のマスキングモデルによって左信号および右信号のマスキング閾値（ＴL、ＴR）をそれぞれ計算する。
ステップ６〜ステップ８：ミドル信号およびサイド信号のマスキング閾値（ＴM、ＴS）を計算し、Ｍ／Ｓ信号はＬ／Ｒ符号化の中で同じモデルであるマスキングモデルに入れられ、マスキング閾値を取得する。その後、最後のマスキング閾値がバイノーラルＭＬＤ（masking level difference）効果を利用することによって決定される。
ステップ９〜ステップ１４：ｄｂ＜０.２５のときステップ１５を実行するために計算および比較を行い、そうでなければステップ１６を実行する。
ステップ１５：ｉth帯域状態はＭ／Ｓ状態であると決定し、それからＭ／Ｓ変換モデル１５はＭ／Ｓ信号へのＮth帯域変換機のＬ／Ｒ信号を受信し、これらのＭ／Ｓ信号は量子化／符号化モデル２５によって量子化および符号化される。
ステップ１６：Ｎth帯域状態はＬ／Ｒ状態であると決定し、量子化／符号化モデル２５はＮthのＬ／Ｒ信号を受信して量子化および符号化を行う。
ＦＡＡＣの帯域状態の決定に関する問題が存在する。第１の問題は、ＦＡＡＣはＭ／Ｓ帯域使用を決定するマスキング閾値の相違度のみを使用し、Ｍ／Ｓ信号はＬ／Ｒ閾値の中で同じモデルであるマスキングモデルに入れられ、マスキング閾値を取得する。Ｍ／Ｓ信号を置くことは合理的ではない。閾値の設定および基準の比較によって帯域状態使用を容易に決定することができるが、連続した帯域情報は使用できず、一つのフレーム内の不安定な状態の切り替えは効果的にそれぞれの帯域にビットを割り当てることができず、サイド情報が増加してしまう。さらに、全ての可能なケースを評価し、再構築された信号を計算し、各ケースから最低歪を見つけることによって最適な帯域状態の決定が見つけ出される。しかし、命令O(2^49)の複雑度計算は導入するには高価すぎる。
従って、本発明は、プレエコー、時間複雑度およびその他欠点などの量子化誤差を低減させるオーディオ圧縮方法およびＡＡＣのためのＭ／Ｓ符号化の帯域状態の決定方法に関する。
特開平８−１６７８７８号公報
本発明の第１の目的は、量子化誤差を低減させる方法およびそれに関連する装置を提供することにある。
本発明の第２の目的は、各ＰＥ（聴覚エントロピー）を考慮し、隣の帯域の符号化状態を変更するための帯域の状態を決定し、時間複雑度を低減させるＡＡＣのためのＭ／Ｓ符号化の帯域状態の決定方法を提供することにある。
本発明の第３の目的は、どんな補助機能を使用するよりも簡単で、安価な計算で最適の帯域状態決定を見つけ出す方法を提供することにある。
本発明の第４の目的は、Ｍ／Ｓマスキング閾値を取得する心理音響モデルのＭ／Ｓ符号化モデルを修正する方法を提供することにあり、Ｍ／Ｓ信号を置くことは合理的である。
本発明の第５の目的は、ＡＡＣのためのＭ／Ｓ符号化の帯域状態の決定方法を提供することにあり、大多数の帯域を含む少なくとも一つのオーディオストリームを受信するステップと、左信号、右信号、ミドル信号およびサイド信号を含む各帯域の、右信号および左信号のＰＥ（聴覚エントロピー）値の合計である第１のノード、およびミドル信号およびサイド信号のＰＥ値の合計である第２のノードを計算するステップと、Ｎth帯域の第１のノードから（Ｎ＋１）th帯域の第１または第２のノード、或いはＮth帯域の第２のノードから（Ｎ＋１）th帯域の第１または第２のノードまでである各隣の帯域の最小コストパス値を計算するステップと、状態がＬ／Ｒ状態またはＭ／Ｓ状態であろう最小コストパス値に基づいて各帯域の状態を決定するステップとを含み、その方法は安価な計算およびＭ／Ｓマスキング閾値を提供し、時間複雑度を低減させる。
本発明のその他の目的は、発明を実施するための最良の形態での記述を読むことによって明らかになる。
上述の課題を解決するために、本発明は、オーディオ信号の第１の範囲のグローバルエネルギー比率を決定し、グローバルエネルギー比率を第１の閾値と比較する方法を提供し、オーディオ信号のブロックを受信するステップと、オーディオ信号の第１の範囲のグローバルエネルギー比率を決定し、グローバルエネルギー比率と第１の閾値とを比較するステップと、オーディオ信号の第２の範囲のゼロクロス比率を決定し、ゼロクロス比率と第２の閾値とを比較するステップと、グローバルエネルギー比率またはゼロクロス比率が第１または第２の閾値を超え、オーディオ信号の第３の範囲のトーンアタックが検出されないときショート符号化ウィンドウを選択するステップと、グローバルエネルギー比率およびゼロクロス比率が第１および第２の閾値を超えないとき、或いはオーディオ信号の第３の範囲のトーンアタックが検出されたときロング符号化ウィンドウを選択するステップと、選択された符号化ウィンドウで、第１、第２および第３の範囲と共通であるオーディオ信号の第４の範囲を符号化するステップとを含む。
本発明はさらにＡＣＣのためのＭ／Ｓ符号化の帯域状態の決定方法を提供し、帯域の大部分を含む少なくとも1つのオーディオストリームを受信するステップと、左信号、右信号、ミドル信号、およびサイド信号を含む各帯域の第１のノードおよび第２のノードを計算するステップと、各隣の帯域の最小コストパス値を計算するステップと、状態がＬ／Ｒ状態またはＭ／Ｓ状態であろう最小コストパス値に基づいて各帯域の状態を決定するステップとを含む。
本発明は、グローバルエネルギーへの考慮から、ゼロクロスおよびオーディオ信号のトーンアタックはショートウィンドウおよびロングウィンドウの選択を許し、このことによって量子化誤差をかなり低減することができる。
図５は、本発明の実施例のＡＡＣ（advanced audio coding）エンコーダ３００を示すブロック図である。
ＡＡＣエンコーダ３００は利得制御ユニット３１０、聴覚モデル３２０、フィルタバンク３３０、ウィンドウ決定モジュール３４０およびビットストリームマルチプレクサ３５０から構成される。入力信号が利得制御ユニット３１０および聴覚モデル３２０からＡＡＣエンコーダ３００に入力される。聴覚モデル３２０はウィンドウ決定方法（後ほど説明を行う）と関連がある情報をウィンドウ決定モジュール３４０に送る。ウィンドウ決定モジュール３４０はウィンドウサイズを選択し、適切な情報の入力信号を符号化するために、選択されたウィンドウサイズを使用するフィルタバンク３３０に通過させ、利得制御ユニット３１０の出力と協調して符号化されたオーディオストリームが生成される。ＡＡＣエンコーダ３００はさらにウィンドウ決定モジュール３４０とフィルタバンク３３０との間に接続されるウィンドウタイプスイッチ３６０およびフィルタバンク３３０とビットストリームマルチプレクサ３５０との間に接続される量子化モジュール３７０を備える。
上述の具体的な実施例によって本発明が制限されることはなく、ＡＡＣエンコーダ３００はＩＳＯ／ＩＥＣ ＭＰＥＧ‐２／４規格に合わせて設計することもできる。
フィルタバンク３３０はロングウィンドウまたはショートウィンドウを選択することによる２０４８サンプルまたは２５６サンプルの入力期間を有する変換間での移行によって入力信号に対して時間周波数変換を行う。
２０４８サンプルおよび２５６サンプルの二つのウィンドウサイズはただの模範であり、二つウィンドウサイズより大きなものや異なるサイズのウィンドウでもよい。２５６サンプル期間は過渡信号符号化のためのものであり、周波数選択度とプレエコー抑制との間での良好な折衷点である。
図１に示すように、ロング変換とショート変換との間の遷移の間、スタートとストップとのブリッジされた変換（即ち、スタートウィンドウおよびストップウィンドウ）はＭＤＣＴ（Modified Discrete Cosine Transformation）およびＩＭＤＣＴ（逆ＭＤＣＴ）の時間領域エイリアシング打消し特性の維持に使用され、ウィンドウアライメントが維持される。一般に、２０４８サンプルロング変換はロングシーケンスと呼ばれ、グループ内で発生する２５６サンプルショート変換はショートシーケンスと呼ばれる。ショートシーケンスは約５０％が相互に重複するように配置され、スタートウィンドウおよびストップウィンドウに重複する境界の変換の半分を有する八つのショートウィンドウ変換を有することができる。
図６に示すように、これらの重複するシーケンスグループはウィンドウをスタートシーケンス、ストップシーケンス、ロングシーケンスおよびショートシーケンスに変換する。図６の下のカーブはストップウィンドウに続く八つのショートウィンドウに続くスタートウィンドウを示し、上のカーブは過渡信号不在でのロングウィンドウ符号化を示す。
ショートウィンドウは高い時間分解能を有し、ロングウィンドウは高い周波数分解能を有するので、過渡信号はショートウィンドウから恩恵を受けてプレエコー効果を制御し、非過渡信号（即ち、変動がない）信号はロングウィンドウから恩恵を受けて余剰を取り出すために信号スペクトルの線路を分析する。仮に非過渡信号がショートウィンドウで発生した場合、低周波数分解能が周波数領域の符号化された信号の精密度を低減させる。第１の実施例では、ＡＡＣエンコーダ３００のウィンドウ決定モジュール３４０は、グローバルエネルギー比率、ゼロクロス比率およびトーンアタックを参照して次のウィンドウサイズを選択する。
グローバルエネルギー比率：時間領域エネルギーが急激に変化するとき過渡信号は通常発生する。ゆえに過渡信号を検出するのにエネルギー比率が使用される。従来のエネルギー比率の検出方法は二つのスライドするショートウィンドウ間のエネルギー比率だけが考慮されたが、このエネルギー比率は徐々に増加する信号の検出には不適当である。一般にプリエコー効果は最も高いエネルギーを有する信号部分によって生成される。
図７はスピーチ信号の例を示す図である。図７の三つの信号は上から、徐々に増加する過渡信号、エネルギー比率の従来値および本発明によるグローバルエネルギー比率である。従来のエネルギー比率の最高値は約２.１であるが、過渡検出閾値が２.０にセットされた場合、誤判断が容易に発生する。グローバルエネルギー比率方法はこの問題を解決するエネルギー比率の検出可能値をさらに容易に提供する。
２５６サンプルウィンドウＷｉのエネルギー機能Ｅn(i）を決定するために、本発明では数式１に示すような入力信号Ｘｋの二乗和を使用する。
（数１）
Figure 2008129250
それから、ショートウィンドウのエネルギーＥn(i)のセット内の最高エネルギーＭａｘ＿Ｅｎおよび最低エネルギーＭｉｎ＿Ｅｎが見つけ出される。このようにグローバルエネルギー比率は数式２のように定義される。
（数２）
Figure 2008129250
従って、グローバルエネルギー比率Ｇｌｏｂａｌ＿Ｅｎ＿Ｒａｔｉｏが所定のエネルギー閾値よりも大きい場合、信号は過渡信号であるとみなされる。図７の下部の二つのグラフの比較から分かるように、数式１および数式２は改善された過渡信号検出を提供する。
ゼロクロス比率：グローバルエネルギー比率単独ではスペクトル内容の迅速な変更のあるセグメントを有する信号の検出を行うことはできないので、信号のメインの周波数内容を表現するためにゼロクロスレートが使用される。
一例として、図８は安定したグローバルエネルギー比率での過渡信号を示す図であるが、この信号はスペクトル内容での急激な変化を有する。各２５６サンプルショートウィンドウのゼロクロスレートＺe(i)が数式３のように定義されるときゼロクロス比率はこの種の過渡信号を検出できる。
（数３）
Figure 2008129250
それから、ショートウィンドウのゼロクロスレートのセット内の最高ゼロクロスレートＭａｘ＿Ｚｅおよび最低ゼロクロスレートＭｉｎ＿Ｚｅが見つけ出される。このようにゼロクロス比率は数式４のように定義される。
（数４）
Figure 2008129250
ゼロクロス比率Ｚｅ＿Ｒａｔｉｏがゼロクロス閾値よりも大きいとき、信号は過渡信号であると見なされる。この方法は従来の方法よりも複雑度が低く、例えばバイオリンおよびスピーチ内の信号の過渡を正確に検出することができる。
トーンアタック：一般にショートウィンドウはロングウィンドウよりも低い周波数分解能を有する。図９は本発明のグローバルエネルギー比率によって恐らく過渡信号であると見なされる純音声の信号の例を示す図である。
図１０は２０４８サンプル変換（上）および２５６サンプル変換（下）によって変換された周波数を示す。図１０において、短い方の変換によるトーン信号変換はサイド帯域エネルギーの増加をもたらすことが見られる。トーンアタック効果は信号がロングウィンドウ心理音響モデル（後ほど述べる）によって分析されたトーン帯域を有するときと定義される。
ウィンドウ決定方法：ウィンドウ決定方法は上述のグローバルエネルギー比率、ゼロクロス比率およびトーンアタックが考慮される。図１１は過渡信号の検出にグローバルエネルギー比率およびゼロクロス比率を使用し、トーンアタック分析による誤検出を避けることを表すフローチャート図である。ステップ９００でエネルギー比率またはゼロクロス比率のどちらかがそれぞれの閾値を超えているか測定される。これらの比率のどちらかが閾値を超える場合、トーンアタックがステップ９１０でテストされる。両方の比率が閾値を超えない場合またはトーンアタックが検出された場合、ロングウィンドウがステップ９２０で選択される。しかし、比率のどちらかが閾値を越え、ステップ９１０でトーンアタックが検出されない場合、ステップ９３０でショートウィンドウが選択される。第１の実施例では図１１のフローチャート図で達成される手順は図５に示すＡＡＣエンコーダ３００のウィンドウ決定モジュール３４０によって実行される。
上述の手順はオーディオ信号全体の符号化が完成するように繰り返される。
図１２は、本発明のもう1つの実施例によるＡＡＣエンコーダ１０００を示すブロック図である。ＡＡＣエンコーダ３００と同様に、ＡＡＣエンコーダ１０００は聴覚モデル３２０、フィルタバンク３３０、ウィンドウ決定モジュール３４０およびビットストリームマルチプレクサ３５０を備える。ＡＡＣエンコーダ１０００はさらにウィンドウタイプスイッチ１０１０、ＴＮＳ（temporal noise shaping）ユニット１０２０、ショートウィンドウスケールファクタ評価ユニット１０３０、グルーピングユニット１０４０およびＭ／Ｓ符号化ユニット１０５０を備える。ＡＡＣエンコーダ１０００はさらに利得制御を提供する反復ループ１０６０を備える。
図１３は、本発明のさらにもう1つの実施例によるＡＡＣエンコーダ１１００を示すブロック図である。ＡＡＣエンコーダ３００と同様に、ＡＡＣエンコーダ１１００は聴覚モデル３２０、フィルタバンク３３０、ウィンドウ決定モジュール３４０およびビットストリームマルチプレクサ３５０を備える。
ＡＡＣエンコーダ１０００と同様に、ＡＡＣエンコーダ１１００はさらにウィンドウタイプスイッチ１０１０、ＴＮＳ（temporal noise shaping）ユニット１０２０、ショートウィンドウスケールファクタ評価ユニット１０３０、グルーピングユニット１０４０およびＭ／Ｓ符号化ユニット１０５０を備える。ＡＡＣエンコーダ１１００はさらにウィンドウカップリングユニット１１０５、グループカップリングユニット１１１０、ショートウィンドウスケールファクタ再評価ユニット１１２０および利得制御を提供する反復ループ１１３０を備える。
さらに、手順を表すいくつかの構成要素が併合されるが、説明を明確にするためにここでは分割して説明を行う。例えばショートウィンドウスケールファクタ評価ユニット１０３０とショートウィンドウスケールファクタ再評価ユニット１１２０は同一の物理的装置とすることができる。
ウィンドウタイプスイッチ３６０、１０１０：ウィンドウ決定モジュール３４０が次のフレームのウィンドウタイプを決定した後、現在のウィンドウタイプはウィンドウタイプスイッチ１０１０を使用して次のウィンドウタイプと前のウィンドウタイプとを比較することによって切り替えられる。
スタートタイプウィンドウはロングウィンドウとショートウィンドウとをブリッジするのに使用される。そのために、ウィンドウ決定モジュール３４０は予め次のフレームのウィンドウタイプを決定しなければならず、次のフレームが前のフレームと異なる場合、現在のフレームはスタートウィンドウタイプまたはストップウィンドウタイプに切り替えられる。
図１４は、ウィンドウタイプスイッチの全ての可能な状況の分析を示す図である。ロングウィンドウ、ショートウィンドウ、スタートウィンドウおよびストップウィンドウがそれぞれＬ、Ｓ、Ｌ＿ＳおよびＳ＿Ｌで表される。いくつかの不可能な状況を無視することによって簡単なスイッチング演算式を得ることができる。
if (Current == S) {
if (Previous == S || Previous == L_S)
Current = S;
} else {
if (Previous == L || Previous == S_L) {
if (Next == L)
Current = L;
else Current = L_S;
} else if (Previous == S) {
if (Next == L)
Current = S_L;
else
Current = S;
}
}
Previous [] = Current[]; Current [] = Next[]
この演算式はウィンドウタイプスイッチ３６０および／または１０１０によって実行され、そのような変更が隣接するウィンドウタイプによって必要とされる場合、現在のウィンドウは変更される。
心理音響モデル：心理音響モデルはどの特定の音声信号が人間に聞き取られ、どれが聞き取られないかを決定し、どの音声を無視してよいかを制御する。異なるウィンドウサイズは心理音響モデルの異なる解釈および標準化を要求する。仮にウィンドウシーケンスが八つのショートウィンドウから構成される場合、ＡＡＣエンコーダ３００、１０００、１１００はショートウィンドウ心理音響モデルを八回実行する必要がある。
心理音響モデルはフィルタバンク３３０のそれぞれの帯域のために顕著なノイズレベルを決定するのに必要である最低マスキング閾値を計算する。
図１５は、サンプルレートが４４.１kHzのときのショートウィンドウの１４の帯域に対応するロングウィンドウの４９の帯域のマッピング結果の例を示す図である。仮にフレームがショートウィンドウを使用する場合、ＳＭＲｓはロングウィンドウから取得される。
この改良はＡＡＣエンコーダ３００、１０００および１１００の聴覚モデル３２０またはウィンドウ決定モジュール３４０によって実行される。
グルーピングユニット１０４０およびスケールファクタ評価ユニット１０３０／１１２０：仮にウィンドウシーケンスが八つのショートウィンドウから構成される場合、１０２４係数のセットは実際は八つのショートウィンドウの持続期間上の信号の時間周波数分解能を表す８×１２８周波数係数のマトリクスである。具体的に述べると、１０２４係数のセットｃはインターリーブ前に次のように索引付けされる。
c[g][w][b][k]
ｇはグループ索引であり、ｗはグループ内でのウィンドウの索引であり、ｂはウィンドウ内でのスケールファクタ帯域の索引であり、ｋはスケールファクタ帯域内での係数の索引であり、最左側の索引は最も迅速に変わる。
インターリーブ後、係数は次のように索引付けされる。
c[g][b][w][k]
図１６はショートウィンドウグルーピングおよびインターリーブの例を示す図である。図１６において、グループ０は０、１および２と索引付けされたショートウィンドウを含む。インターリーブ後、これらの三つのショートウィンドウの第１の帯域は大きなスケールファクタ帯域（ｓｆｂ ０）を形成する。グルーピング方法は異なる符号化の考慮のためにスケールファクタ帯域の数に柔軟性を提供する。
ショートウィンドウはショートウィンドウ内にある量子化のノイズの拡散を制御することによって過渡信号を好適に取り扱うことができる。しかし、ＡＡＣエンコーダ１０００、１１００がショートウィンドウを使用する場合、スケールファクタ帯域の総数は1つのロングウィンドウを使用する場合の二倍となる。
本発明では、グルーピングユニット１０４０で実行されるグルーピング方法はスケールファクタ推定ユニット１０３０または１１２０で決定された八つのショートウィンドウの推定スケールファクタを使用する。従って、スケールファクタはＡＡＣエンコーダ１０００内で相対的に初期にあるショートウィンドウスケールファクタ評価ユニット１０３０で推定されるので、グルーピング方法は他のコーデックモジュール（例えばＭ／Ｓ符号化ユニット１０５０）でより柔軟に適用される。
スケールファクタを推定するために、次の方程式が使用され、非一様量子化器の量子化誤差の予想ｅｉは、数式５のようになる。
（数５）
Figure 2008129250
Δｑは量子化ステップサイズであって、数式６のように定義される。
（数６）
Figure 2008129250
ｇはスケールファクタ帯域ｑの独立したグローバル利得である。ｃｑは各スケールファクタ帯域のスケールファクタである。
ビット割り当てのスケールファクタ推定は、帯域幅比例ノイズシェーピング基準に基づく。スケールファクタ帯域に対するノイズレベルは有効帯域幅Ｂ（ｑ）に比例する。
（数７）
Figure 2008129250
σ2 N(q)およびσ2 M(q)はスケールファクタバンドｑに関連するノイズエネルギーおよびマスキングエネルギーである。
数式５でスケールファクタをノイズパワーと関係させ、簡単に数式５と数式６とを結びつける。Ｅ[ei 2]＝σ2 N(q) をさせ、Ｔ2 q＝σ2 M(q)・Ｂ(q) を定義する。ビット割り当てのための量子化誤差の予想は数式８で表される。
（数８）
Figure 2008129250
量子化ステップサイズの二乗Δq 2は数式９で表される。
（数９）
Figure 2008129250
グローバル利得ｇとスケールファクタとの違いは数式１０によって評価される。
（数１０）
Figure 2008129250
数式１０から、グローバル利得ｇは数式１１から評価される。
（数１１）
Figure 2008129250
そして全てのサブ帯域に対するスケールファクタが得られる。
グルーピング方法に関して、同じグループのショートウィンドウはグループ内の全てのスケールファクタ帯域間でスケールファクタをシェアするので、同じグループのショートウィンドウのシェアされたスケールファクタ（sharesfbg,b）および推定スケールファクタ（sfb,w）の違いは制限される。スケールファクタの違いに加え、この違いの影響は帯域幅（bandwidthb）に比例する。従って、グループｇのスケールファクタエラーは数式１２によって推定される。
（数１２）
Figure 2008129250
グルーピング方法の基準はグルーピング数を最小化し、各グループのスケールファクタエラーＥｇは閾値Ｍよりも小さくなる。この基準によって、図１７のフローチャート図に示す演算式が実行される。先ずスケールファクタ推定が実行される。その後、第１のショートウィンドウでグルーピング方法がスタートする。1つのグループのショートウィンドウは連続的であるので、演算式は各ショートウィンドウを前のショートウィンドウが属するグループに置こうとする。新しいグループのスケールファクタエラーが閾値Ｍよりも小さい場合、与えられたショートウィンドウはグループに入れられる。そうでなければ、ショートウィンドウのために新しいグループが作られる。
ＴＮＳユニット１０２０：ＴＮＳはプレエコー現象を避けるための技術である。この技術は本発明のＴＮＳユニット１０２０で適用される。図１８はエリアジングを緩和する試みにＴＮＳが適用されたときのウィンドウタイプスイッチ構成を示す図である。図１９は下記の対応する演算式を有するウィンドウタイプスイッチ１０１０のために修正されたウィンドウタイプスイッチテーブルを示す。
if (Current == S) {
if (Previous == S || Previous == L_S)
Current = S;
} else {
if (Previous == L || Previous == S_L) {
if (Next == L)
Current = L;
else
Current = L_S;
}else if (Previous == S || Previous = L_S) {
if (Next == L)
Current = S_L;
else Current = S;
}
}
Previous [] = Current[]; Current [] = Next[]
図１９に示すように、現在のウィンドウタイプがロングである場合、ＴＮＳが適用されたときスタートウィンドウタイプに切り替えられる。次の時間（ｎ＋１）において、新しい状況（前のウィンドウタイプがスタート、現在のウィンドウタイプがロング、次のウィンドウタイプもロングのとき）が考慮される。
Ｍ／Ｓ符号化ユニット１０５０およびウィンドウカップリングユニット１１０５：ステレオ符号化で、二つのステレオチャンネルのウィンドウタイプおよびグルーピング方法が同じときＭ／Ｓメカニズムは適用可能である。
ＭＰＥＧ基準で定義されるように、聴覚エントロピー（ＰＥ）は数式１３で示すように、類似性を判断するのを補助ことができる。
（数１３）
Figure 2008129250
bは閾値計算区画の索引であり、Ebは区画bのエネルギー合計であり、BWbは区画bの周波数ラインの数であり、Maskingbは区画bのマスキングである。
プレエコー制御を行うために、期間Maskingbは数式１４のように修正される。
（数１４）
Figure 2008129250
qthrbは静寂での閾値であり、nbb およびnb_lbは現在および前のブロックのための区画の閾値であり、repelevは不変である。
信号が高いエネルギーにバーストしたとき、信号エネルギーの増加の結果、nb_lb からnbbまでの閾値は高くなる。それからMaskingbは小さく、PEの値は大きくなる。フレームPEが所定の閾値PE_SWITCHよりも高くなったとき、エンコーダは時間分解能を増加させ、プレエコー効果を低減させるためにウィンドウタイプをショートに変更する。
図２０は、ウィンドウカップリングを示すフローチャート図である。左チャンネルＰＥと右チャンネルＰＥの違いは類似性を判断するために、閾値T1と比較される。その他のPE閾値T2はウィンドウタイプを決定するために使用される。一般に上述の手順はＭ／Ｓ符号化ユニット１０５０およびウィンドウカップリングユニット１１０５によって実行される。
グループカップリングユニット１１１０：グループカップリングユニット１１１０に関して、スケールファクタエラーの合計がチャンネルおよびグループの二つのチャンネルで同時に計算される。図２１の左部分で、グルーピング方法が二つのチャンネルで個々に使用されている。グループカップリングの目的は、図２１の右部分に示すように、両方のチャンネルで同じグルーピング構成を維持させることにある。
本発明のグルーピングはグループの数を最小にし、両チャンネルの各グループのトータルのスケールファクタエラーEgを制限し、新しい閾値2Mより小さくする。
図２２は、ウィンドウカップリングおよびグループカップリングを示すフローチャート図であり、さらにＭ／Ｓコーディングとの関連を示す。Ｍ／Ｓがオンになったとき、二つのチャンネルのエネルギーは修正され、各スケールファクタ帯域と関連したスケールファクタは再推定される。Ｍ／Ｓが使用されないとき、グルーピングは二つのステレオチャンネルに個別に適用される。
図５、１２、１３の実施例の装置で示されるエレメントの特徴は記述を明らかにするためだけのものである。
さらに、本発明は心理音響モデルによって計算される聴覚エントロピー（ＰＥ）にも関係し、それは左帯域、右帯域およびサイド帯域のために評価されるトランスペアレント品質を持つことが要求される最低ビットに反映される。ＰＥ値は帯域の左信号、右信号、ミドル信号およびサイド信号のためにビットを評価するのに最も簡単な方法となる。それから心理音響モデルは、Ｌ／Ｒ帯域およびＭ／Ｓ帯域からのＰＥの値を比較することによって各隣の帯域の最低コストパス値を計算し、帯域状態をＬ／Ｒ状態またはＭ／Ｓ状態に決定する。
ＰＥは数式１５のように定義される。
（数１５）
Figure 2008129250
Ｗi、ＥiおよびＴiはｉth帯域の帯域幅、エネルギーおよびマスキング閾値である。
Ｍ／Ｓチャンネルのマスキング閾値を引き出すために、数式１６、１７のように再構築された左チャンネルおよび右チャンネルを考慮する。
（数１６）
Figure 2008129250
（数１７）
Figure 2008129250
数式１６、１７から数式１８、１９が導き出される。
（数１８）
Figure 2008129250
（数１９）
Figure 2008129250
L'i[k],R'i[k],M'i[k] およびS'i[k]はデコーダからの再量子化された周波数ラインである。量子化誤差のために再構築された信号は数式２０、２１のように書き換えられる。
（数２０）
Figure 2008129250
（数２１）
Figure 2008129250
NLi[k]，NRi[k]，NMi[k]およびNsi[k]は各チャンネルに対する関連したノイズである。トランスペアレントオーディオ符号化のために、NLi[k]とNRi[k]との違いはＬ帯域信号およびＲ帯域信号のマスキング閾値未満でなければならない。区画帯域に関する違いは数式２２、２３によって強制される。
（数２２）
Figure 2008129250
（数２３）
Figure 2008129250
不等式である数式２２、２３を満たす十分条件は数式２４、２５、２６である。
（数２４）
Figure 2008129250
（数２５）
Figure 2008129250
（数２６）
Figure 2008129250
ゆえに、数式２７に示すように、閾値はＭ／Ｓ信号から直接出ている閾値に取って代わるために使用される。
（数２７）
Figure 2008129250
都合がよいように、ＰＥはしばしば心理モデルのＦＦＴから伝達された結果を使用する。しかし、実際の符号化信号はＭＤＣＴ（modified discrete cosine transform）分析フィルタバンクの結果から来る。従って、マスキング閾値を調整し直し、エネルギーをＦＦＴフォーマットからＭＤＣＴフォーマットに変更する必要がある。修正されたマスキング閾値は数式２８、２９、３０のように表される。
（数２８）
Figure 2008129250
（数２９）
Figure 2008129250
（数３０）
Figure 2008129250
数式１５によって各状態の各帯域のＰＥは数式３１、３２、３３、３４のように引き出される。
（数３１）
Figure 2008129250
（数３２）
Figure 2008129250
（数３３）
Figure 2008129250
（数３４）
Figure 2008129250
ＬおよびＲ、ＭおよびＳのすべての帯域ＰＥは利用可能であるので、好適な代替法はそのＰＥの比較後に選ばれる。
心理音響モデルは修正されたビタビ演算式によって各隣の帯域の最小コストパス値を計算し、帯域状態をＬ／Ｒ状態またはＭ／Ｓ状態に決定する。図２３はＭ／Ｓ符号化コストを最小化するための修正されたビタビ演算式を示すブロック図である。状態ｉおよびＬ／Ｒ状態が０を表し、Ｍ／Ｓ状態が１を表すｋth帯域の終わりのためのコストＳk(i)を最小化するためにトレリスが構築される。各エッジは符号化状態を変更するための過渡コストファクタを表し、各ノードは比較のためにその帯域ＰＥを有する。修正されたビタビ演算式は第１のスケールファクタ帯域から最後まで最小コストパスを探す。
Ｓk(i)に第１の帯域からkth帯域までの状態ｉの最小累積コストを記録させ、ｎk(i)はｋth帯域のｉth状態ノードコストを表し、メインビタビ演算式プロセスは数式３５のように実行される。
（数３５）
Figure 2008129250
Ｑは全ての状態セットを意味し、αi,jは過渡コストファクタを表す。最小コストパスは追跡パスをリバースすることによって見つけ出される。言い換えると、この修正されたビタビ演算式によって最適な帯域モード使用法を見つけることができる。
時間複雑度を分析するために、第１の帯域ノード以外のすべてのノードが各ステージにおいて一回だけ比較を行うことを観察する。
図２４は、本発明の修正されたビタビ演算法の使用実施例を示すブロック図であり、第１の帯域４０、第２の帯域４５および第３の帯域５０を備え、各帯域は第１のノードおよび第２のノードを備える。第１の帯域４０の第１のノード４０１は１０にセットされ、第１の帯域４０の第２のノード４０２は２０にセットされ、第２の帯域４５の第１のノード４５１は３０にセットされ、第２の帯域４５の第２のノード４５２は４０にセットされ、第３の帯域５０の第１のノード５０１は５０にセットされ、第３の帯域５０の第２のノード５０２は６０にセットされる。
第１の帯域４０の第１のノード４０１から第２の帯域４５の第１のノード４５１までの過渡コストは１にセットされ、第１の帯域４０の第１のノード４０１から第２の帯域４５の第２のノード４５２までの過渡コストは２にセットされ、第１の帯域４０の第２のノード４０２から第２の帯域４５の第１のノード４５１までの過渡コストは３にセットされ、第１の帯域４０の第２のノード４０２から第２の帯域４５の第２のノード４５２までの過渡コストは４にセットされ、第２の帯域４５の第１のノード４５１から第３の帯域５０の第１のノード５０１までの過渡コストは５にセットされ、第２の帯域４５の第１のノード４５１から第３の帯域５０の第２のノード５０２は６にセットされる。第１の帯域４０と第２の帯域４５との間に四つのコストパス値が存在し、第２の帯域４５と第３の帯域５０との間に二つのコストパス値が存在する。
第１の帯域４０の第１のノード４０１、過渡コストおよび第２の帯域４５の第１のノード４５１の合計は第１のコストパス値であり、第１のコストパス値は４１である。第１の帯域４０の第１のノード４０１、過渡コストおよび第２の帯域４５の第２のノード４５２の合計は第２のコストパス値であり、第２のコストパス値は５２である。第１の帯域４０の第２のノード４０２、過渡コストおよび第２の帯域４５の第１のノード４５１の合計は第３のコストパス値であり、第３のコストパス値は５３である。第１の帯域４０の第２のノード４０２、過渡コストおよび第２の帯域４５の第２のノード４５２の合計は第４のコストパス値であり、第４のコストパス値は６４である。
四つのコストパス値は最小コストパスを得るために比較される。最小コストパス値は４１であり、最小コストパス値を有する第２の帯域４５の第１のノード４５１は４１にセットされた累積値を含む。第２の帯域４５の第２のノード４５２から第３の帯域５０のノードまでのコストパス値を計算するよりむしろ、第２の帯域４５の第１のノード４５１から第３の帯域５０のノードまでのコストパス値を計算する。
累積値、過渡コストおよび第３の帯域５０の第１のノード５０１の合計は第１のコストパス値であり、第１のコストパス値は９６であり、累積値は第２の帯域４５の第１のノード４５１に属する。累積値、過渡コストおよび第３の帯域５０の第２のノード５０２の合計は第２のコストパス値であり、第２のコストパス値は１０７であり、累積値は第２の帯域４５の第１のノード４５１に属する。二つのコストパス値は最小コストパスを得るために比較される。最小コストパス値は９６であり、最小コストパス値を有する第３の帯域５０の第１のノード５０１は累積値を含む。最後に最小コストパスは第１の帯域４０から第３の帯域５０まで見つけられる。
図２５は、本発明のＭ／Ｓ符号化の帯域状態の決定方法を示すフローチャート図である。
ステップ２１：心理音響モデルによって各帯域が左信号を含む帯域の大多数を受信し、ＦＦＴ（fast fourier transform）によって左信号を左ＦＦＴ信号（ＬFFT）に変換する。
ステップ２２：心理音響モデルによって各帯域が右信号を含む帯域の大多数を受信し、ＦＦＴ（fast fourier transform）によって右信号を右ＦＦＴ信号（ＲFFT）に変換する。
ステップ２３：分析フィルタバンクのＭＤＣＴ（modified discrete cosine transform）によって左信号を左ＭＤＣＴ信号（ＬMDCT）に変換する。
ステップ２４：分析フィルタバンクのＭＤＣＴ（modified discrete cosine transform）によって右信号を右ＭＤＣＴ信号（ＲMDCT）に変換する。
ステップ２５：同じ帯域の左信号および右信号を使用することによってミドル信号およびサイド信号を計算する。
ステップ２６：左ＦＦＴ信号のマスキング閾値（ＴLFFT）を計算するために、ＬFFT信号を受信する。
ステップ２７：右FFT信号のマスキング閾値（ＴRFFT）を計算するために、ＲFFT信号を受信する。
ステップ２８：左信号および右信号のマスキング閾値（ＴL、ＴR）をそれぞれ計算するために、ＴLFFT信号、ＴRFFT信号、ＬＦＦＴ信号、ＲＦＦＴ信号、ＬMDCT信号およびＲMDCT信号を受信する。
ステップ２９：ミドル信号および右信号のマスキング閾値（ＴM、ＴS）をそれぞれ計算するために、ＴＬ信号およびＴＲ信号を受信する。
ステップ３０：左信号のＰＥ値（ＰＥL）を計算するために、ＴLFFT信号およびＬFFT信号を受信する。
ステップ３１：右信号のＰＥ値（ＰＥＲ）を計算するために、ＴRFFT信号およびＲFFT信号を受信する。
ステップ３２：第１のノードを計算する。ＰＥＬおよび右ＰＥＲの合計が第１のノードである。
ステップ３３：ミドル信号のＰＥ値（ＰＥM）を計算するためにＴＭ信号およびミドル信号を受信する。
ステップ３４：サイド信号のＰＥ値（ＰＥｓ）を計算するためにＴｓ信号およびサイド信号を受信する。
ステップ３５：第２のノードを計算する。ＰＥＭおよび右ＰＥＳの合計が第２のノードである。
ステップ３６：修正されたビタビ演算法によって各隣の帯域の最小コストパスを計算する。
ステップ３７：最小コストパス値に基づいて各帯域の状態を決定する。状態はＬ／Ｒ状態またはＭ／Ｓ状態である。
心理音響モデルによって帯域状態がＭ／Ｓ状態に決定されたとき、Ｍ／Ｓ変換モデルはＮth帯域のＬ／Ｒ信号を受信し、Ｍ／Ｓ信号に変換し、量子化／符号化モデルによってＮth帯域のＭ／Ｓ信号の量子化および符号化を行い、そうでなければ量子化／符号化モデルが量子化および符号化を行うためにＮth帯域のＬ／Ｒ信号を受信する。
本発明は帯域、ＰＥおよび修正されたビタビ演算式を通じて効果的な計算方法で帯域状態を決定する方法を提供する。修正されたビタビ演算法はＡＡＣのための命令O(2^49)からO(49*2)まで複雑度を低減させることができる。さらにＭ／Ｓマスキング閾値はＭ／Ｓ符号化閾値を得るためにＬ／Ｒ心理音響モデルから引き出すように修正され、Ｍ／Ｓ信号を置くことは合理的である。
本発明の説明過程でこれらの装置および方法は多くの修正や変更がなされることが容易に分かる。よって、上述の説明は特許請求の範囲によってのみ制限されると解釈されるべきである。
符号化されている過渡音声を有する信号を示す図である。 異なるタイプのマスキングの効果を示す図である。 従来技術におけるＭ／Ｓ変換による聴覚符号化を示すブロック図である。 従来技術におけるＦＡＡＣのＭ／Ｓ符号化の帯域決定方法を示すフローチャート図である。 本発明によるＡＡＣエンコーダを示すブロック図である。 ロングウィンドウ符号化およびスタート‐ショート‐ストップウィンドウシーケンスを示す図である。 徐々に増加する過渡信号、エネルギー比率の従来値および本発明によるグローバルエネルギー比率を示す図である。 安定したグローバルエネルギー比率およびスペクトル内容の急激な変化での過渡信号を示す図である。 純音声の信号の例を示す図である。 ２０４８サンプル変換（上）および２５６サンプル変換（下）によって変換された周波数を示す図である。 本発明によるウィンドウ決定方法を示すフローチャート図である。 本発明の第２のＡＡＣエンコーダを示すブロック図である。 本発明の第３のＡＡＣエンコーダを示すブロック図である。 ウィンドウタイプスイッチテーブルを示す図である。 ロング‐ショートウィンドウ心理音響マッピング結果を示す図である。 ショートウィンドウグルーピングおよびインターリーブの例を示す図である。 本発明のショートウィンドウグルーピング方法を示すフローチャート図である。 ＴＮＳが適用されたときのウィンドウタイプスイッチ構成を示す図である。 ＴＮＳが適用されたときの修正されたウィンドウタイプスイッチテーブルを示す図である。 ウィンドウカップリング方法を示すフローチャート図である。 チャンネルグルーピングの例を示す図である。 ウィンドウカップリングおよびグループカップリング方法を示すフローチャート図である。 Ｍ／Ｓ符号化コストを最小化するための修正されたビタビ演算式を示すブロック図である。 本発明の修正されたビタビ演算法の使用実施例を示すブロック図である。 本発明のＭ／Ｓ符号化の帯域状態の決定方法を示すフローチャート図である。

Claims (37)

  1. オーディオ信号のブロックを受信するステップと、
    オーディオ信号の第１の範囲のグローバルエネルギー比率を決定し、前記グローバルエネルギー比率を第１の閾値と比較するステップと、
    オーディオ信号の第２の範囲のゼロクロス比率を決定し、前記ゼロクロス比率を第２の閾値と比較するステップと、
    グローバルエネルギー比率またはゼロクロス比率のどちらかが第１または第２の閾値を超え、オーディオ信号の第３の範囲のトーンアタックが検出されないとき、ショート符号化ウィンドウを選択するステップと、
    グローバルエネルギー比率およびゼロクロス比率がどちらも第１および第２の閾値を超えないか、或いはオーディオ信号の第３の範囲のトーンアタックが検出されたとき、ロング符号化ウィンドウを選択するステップと、
    選択された符号化ウィンドウで第１、第２および第３の範囲と実質的に共通であるオーディオ信号の第４の範囲を符号化するステップと
    を含むことを特徴とするオーディオ信号の符号化方法。
  2. 前記グローバルエネルギー比率は、第１の範囲の最大エネルギーと第１の範囲の最小エネルギーとの比率であることを特徴とする請求項１記載のオーディオ信号の符号化方法。
  3. 前記ゼロクロス比率は、第２の範囲の第１のサブ範囲のゼロクロスレートと第２の範囲の第２のサブ範囲のゼロクロスレートとの比率であり、前記第１のサブ範囲のゼロクロスレートは第２の範囲の最大値であり、前記第２のサブ範囲のゼロクロスレートは第２の範囲の最小値であることを特徴とする請求項１記載のオーディオ信号の符号化方法。
  4. 前記トーンアタックは、トーン閾値よりも高い調性を有することを特徴とする請求項１記載のオーディオ信号の符号化方法。
  5. 前記グローバルエネルギー比率は、第１の範囲の最大エネルギーと第１の範囲の最小エネルギーとの比率であり、前記ゼロクロス比率は、第２の範囲の第１のサブ範囲のゼロクロスレートと第２の範囲の第２のサブ範囲のゼロクロスレートとの比率であり、前記第１のサブ範囲のゼロクロスレートは第２の範囲の最大値であり、前記第２のサブ範囲のゼロクロスレートは第２の範囲の最小値であり、前記トーンアタックはトーン閾値よりも高い調性を有することを特徴とする請求項１記載のオーディオ信号の符号化方法。
  6. 前記選択されたウィンドウは次のウィンドウであり、二つの予め選択されたウィンドウは現在のウィンドウおよび前のウィンドウであり、さらに、
    前のウィンドウがロングウィンドウであり、現在のウィンドウがロングウィンドウであり、次のウィンドウがショートウィンドウであるとき、現在のウィンドウをロングからショートへの遷移ウィンドウに変更するステップと、
    前のウィンドウがショートウィンドウであり、現在のウィンドウがロングウィンドウであり、次のウィンドウがロングウィンドウであるとき、現在のウィンドウをショートからロングへの遷移ウィンドウに変更するステップと、
    前のウィンドウがショートウィンドウであり、現在のウィンドウがロングウィンドウであり、次のウィンドウがショートウィンドウであるとき、現在のウィンドウをショートウィンドウに変更するステップと、
    前のウィンドウがショートからロングへの遷移ウィンドウであり、現在のウィンドウがロングウィンドウであり、次のウィンドウがショートウィンドウであるとき、現在のウィンドウをロングからショートへの遷移ウィンドウに変更するステップと
    を含むことを特徴とする請求項１記載のオーディオ信号の符号化方法。
  7. さらに、選択されたショートウィンドウの心理音響モデルを仮想ロングウィンドウの対応する範囲の心理音響モデルと定義するステップを含むことを特徴とする請求項１記載のオーディオ信号の符号化方法。
  8. さらに、ショートウィンドウに対してスケールファクタを推定するステップと、
    所定のエラーに類似するスケールファクタを有するショートウィンドウをグルーピングするステップと
    を含むことを特徴とする請求項１記載のオーディオ信号の符号化方法。
  9. さらに、オーディオ信号に対してＭ／Ｓ符号化を実行するステップと、
    その後ショートウィンドウに対してスケールファクタの再評価を行うステップと
    を含むことを特徴とする請求項８記載のオーディオ信号の符号化方法。
  10. 前記選択されたウィンドウは、次のウィンドウであり、二つの予め選択されたウィンドウは現在のウィンドウおよび前のウィンドウであり、さらに、
    オーディオ信号の第４の範囲にＴＮＳを適用するステップと、
    前のウィンドウがロングウィンドウであり、現在のウィンドウがロングウィンドウであり、次のウィンドウがショートウィンドウであるとき、現在のウィンドウをロングからショートへの遷移ウィンドウに変更するステップと、
    前のウィンドウがショートウィンドウであり、現在のウィンドウがロングウィンドウであり、次のウィンドウがロングウィンドウであるとき、現在のウィンドウをショートからロングへの遷移ウィンドウに変更するステップと、
    前のウィンドウがショートウィンドウであり、現在のウィンドウがロングウィンドウであり、次のウィンドウがショートウィンドウであるとき、現在のウィンドウをショートウィンドウに変更するステップと、
    前のウィンドウがロングからショートへの遷移ウィンドウであり、現在のウィンドウがロングウィンドウであり、次のウィンドウがロングウィンドウであるとき、現在のウィンドウをショートからロングへの遷移ウィンドウに変更するステップと、
    前のウィンドウがロングからショートへの遷移ウィンドウであり、現在のウィンドウがロングウィンドウであり、次のウィンドウがショートウィンドウであるとき、現在のウィンドウをショートウィンドウに変更するステップと、
    前のウィンドウがショートからロングへの遷移ウィンドウであり、現在のウィンドウがロングウィンドウであり、次のウィンドウがショートウィンドウであるとき、現在のウィンドウをロングからショートへの遷移ウィンドウに変更するステップと
    を含むことを特徴とする請求項１記載のオーディオ信号の符号化方法。
  11. 前記オーディオ信号は、二チャンネルのステレオ信号であり、さらに、
    各チャンネルに対してロングまたはショート符号化を選択するステップと、
    オーディオ信号の各チャンネルの符号化ウィンドウサイズが一致しないとき、二つのチャンネルのＰＥにおける違いを検出するステップと、
    ＰＥにおける違いが検出され、両方のチャンネルのＰＥが聴覚閾値より高いとき、両方のチャンネルでショート符号化ウィンドウを使用し、両方のチャンネルのＰＥが聴覚閾値よりも低いとき、両方のチャンネルでロング符号化ウィンドウを使用するステップと
    を含むことを特徴とする請求項１記載のオーディオ信号の符号化方法。
  12. 利得制御ユニット、聴覚モデル、フィルタバンク、ビットストリームマルチプレクサおよび請求項１の方法を実行するようにプログラムされたウィンドウ決定モジュールを備えることを特徴とするＡＡＣエンコーダ。
  13. オーディオ信号のブロックを受信するステップと、
    オーディオ信号の第１の範囲のグローバルエネルギー比率を決定し、前記グローバルエネルギー比率を第１の閾値と比較し、前記グローバルエネルギー比率は第１の範囲の最大エネルギーと第１の範囲の最小エネルギーとの比率であるステップと、
    オーディオ信号の第２の範囲のゼロクロス比率を決定し、前記ゼロクロス比率を第２の閾値と比較し、前記ゼロクロス比率は第２の範囲の第１のサブ範囲のゼロクロスレートと第２の範囲の第２のサブ範囲のゼロクロスレートとの比率であり、前記第１のサブ範囲のゼロクロスレートは第２の範囲の最大値であり、第２のサブ範囲のゼロクロスレートは第２の範囲の最小値であるステップと、
    グローバルエネルギー比率またはゼロクロス比率のどちらかが第１または第２の閾値を超え、オーディオ信号の第３の範囲のトーンアタックが検出されないとき、ショート符号化ウィンドウを選択し、前記前記トーンアタックはトーン閾値よりも高い調性を有するときショート符号化ウィンドウを選択するステップと、
    グローバルエネルギー比率およびゼロクロス比率がどちらも第１および第２の閾値を超えないか、或いはオーディオ信号の第３の範囲のトーンアタックが検出されたとき、ロング符号化ウィンドウを選択するステップと、
    選択された符号化ウィンドウで第１、第２および第３の範囲と実質的に共通であるオーディオ信号の第４の範囲を符号化するステップと
    を含むことを特徴とするオーディオ信号の符号化方法。
  14. 前記選択されたウィンドウは、次のウィンドウであり、二つの予め選択されたウィンドウは現在のウィンドウおよび前のウィンドウであり、さらに、
    前のウィンドウがロングウィンドウであり、現在のウィンドウがロングウィンドウであり、次のウィンドウがショートウィンドウであるとき、現在のウィンドウをロングからショートへの遷移ウィンドウに変更するステップと、
    前のウィンドウがショートウィンドウであり、現在のウィンドウがロングウィンドウであり、次のウィンドウがロングウィンドウであるとき、現在のウィンドウをショートからロングへの遷移ウィンドウに変更するステップと、
    前のウィンドウがショートウィンドウであり、現在のウィンドウがロングウィンドウであり、次のウィンドウがショートウィンドウであるとき、現在のウィンドウをショートウィンドウに変更するステップと、
    前のウィンドウがショートからロングへの遷移ウィンドウであり、現在のウィンドウがロングウィンドウであり、次のウィンドウがショートウィンドウであるとき、現在のウィンドウをロングからショートへの遷移ウィンドウに変更するステップと
    を含むことを特徴とする請求項１３記載のオーディオ信号の符号化方法。
  15. さらに、選択されたショートウィンドウの心理音響モデルを仮想ロングウィンドウの対応する範囲の心理音響モデルと定義するステップを含むことを特徴とする請求項１３記載のオーディオ信号の符号化方法。
  16. さらに、ショートウィンドウに対してスケールファクタを推定するステップと、
    所定のエラーに類似するスケールファクタを有するショートウィンドウをグルーピングするステップと
    を含むことを特徴とする請求項１３記載のオーディオ信号の符号化方法。
  17. さらに、オーディオ信号に対してＭ／Ｓ符号化を実行するステップと、
    その後ショートウィンドウに対してスケールファクタの再評価を行うステップと
    を含むことを特徴とする請求項１６記載のオーディオ信号の符号化方法。
  18. 前記選択されたウィンドウは、次のウィンドウであり、二つの予め選択されたウィンドウは現在のウィンドウおよび前のウィンドウであり、さらに、
    オーディオ信号の第４の範囲にＴＮＳを適用するステップと、
    前のウィンドウがロングウィンドウであり、現在のウィンドウがロングウィンドウであり、次のウィンドウがショートウィンドウであるとき、現在のウィンドウをロングからショートへの遷移ウィンドウに変更するステップと、
    前のウィンドウがショートウィンドウであり、現在のウィンドウがロングウィンドウであり、次のウィンドウがロングウィンドウであるとき、現在のウィンドウをショートからロングへの遷移ウィンドウに変更するステップと、
    前のウィンドウがショートウィンドウであり、現在のウィンドウがロングウィンドウであり、次のウィンドウがショートウィンドウであるとき、現在のウィンドウをショートウィンドウに変更するステップと、
    前のウィンドウがロングからショートへの遷移ウィンドウであり、現在のウィンドウがロングウィンドウであり、次のウィンドウがロングウィンドウであるとき、現在のウィンドウをショートからロングへの遷移ウィンドウに変更するステップと、
    前のウィンドウがロングからショートへの遷移ウィンドウであり、現在のウィンドウがロングウィンドウであり、次のウィンドウがショートウィンドウであるとき、現在のウィンドウをショートウィンドウに変更するステップと、
    前のウィンドウがショートからロングへの遷移ウィンドウであり、現在のウィンドウがロングウィンドウであり、次のウィンドウがショートウィンドウであるとき、現在のウィンドウをロングからショートへの遷移ウィンドウに変更するステップと
    を含むことを特徴とする請求項１３記載のオーディオ信号の符号化方法。
  19. 前記オーディオ信号は、二チャンネルのステレオ信号であり、さらに、
    各チャンネルに対してロングまたはショート符号化を選択するステップと、
    オーディオ信号の各チャンネルの符号化ウィンドウサイズが一致しないとき、二つのチャンネルのＰＥにおける違いを検出するステップと、
    ＰＥにおける違いが検出され、両方のチャンネルのＰＥが聴覚閾値より高いとき、両方のチャンネルでショート符号化ウィンドウを使用し、両方のチャンネルのＰＥが聴覚閾値よりも低いとき、両方のチャンネルでロング符号化ウィンドウを使用するステップと
    を含むことを特徴とする請求項１３記載のオーディオ信号の符号化方法。
  20. 利得制御ユニット、聴覚モデル、フィルタバンク、ビットストリームマルチプレクサおよび請求項１３の方法を実行するようにプログラムされたウィンドウ決定モジュールを備えることを特徴とするＡＡＣエンコーダ。
  21. 帯域の大多数を有し、各帯域は左信号および右信号を有する少なくとも1つのオーディオストリームを受信するステップと、
    同じ帯域の左信号および右信号を使用することによってミドル信号およびサイド信号を計算するステップと、
    各帯域の、左信号と右信号のＰＥ値の合計である第１のノードと、ミドル信号とサイド信号のＰＥ値の合計である第２のノードとを計算するステップと、
    Ｎth帯域の第１のノードから（Ｎ＋１）th帯域の第１または第２のノード、或いはＮth帯域の第２のノードから（Ｎ＋１）th帯域の第１または第２のノードまでである各隣の帯域の最小コストパス値を計算するステップと、
    状態がＬ／Ｒ状態またはＭ／Ｓ状態であろう最小コストパス値に基づいて各帯域の状態を決定するステップと
    を含むことを特徴とするＡＡＣのためのＭ／Ｓ符号化の帯域状態の決定方法。
  22. さらに、最小コストパス値を計算するステップと含み、前記ステップは、
    各コストパス値が第１の帯域のノードから第２の帯域のノードまでであるコストパス値の大部分を計算するステップと、
    コストパス値を比較して最小コストパス値を取得するステップと
    を含むことを特徴とする請求項２１記載のＡＡＣのためのＭ／Ｓ符号化の帯域状態の決定方法。
  23. 前記オーディオストリームは、第１の帯域と第２の帯域との間の四つのコストパス値およびオーディオストリームの残りの隣の帯域間の二つのコストパス値を含むことを特徴とする請求項２１記載のＡＡＣのためのＭ／Ｓ符号化の帯域状態の決定方法。
  24. さらに、第１の帯域と第２の帯域との間の最小コストパス値を計算するステップを含み、前記ステップは、
    第１の帯域のノード、過渡コストおよび第２の帯域のノードの合計を使用することによって各コストパス値を計算するステップと、
    コストパス値を比較して最小コストパス値を取得するステップと
    を含むことを特徴とする請求項２３記載のＡＡＣのためのＭ／Ｓ符号化の帯域状態の決定方法。
  25. さらに、残りの隣の帯域のＮth帯域と（Ｎ＋１）th帯域との間の最小コストパス値を計算するステップを含み、前記ステップは、
    累積値、過渡コストおよび（Ｎ＋１）th帯域のノードの合計を使用することによって各コストパス値を計算するステップと、
    コストパス値を比較して最小コストパス値を取得するステップと
    を含むことを特徴とする請求項２３記載のＡＡＣのためのＭ／Ｓ符号化の帯域状態の決定方法。
  26. 前記累積値は、（Ｎ−１）th帯域とＮth帯域との間の最小コストパスを有するＮth帯域のノードに属することを特徴とする請求項２５記載のＡＡＣのためのＭ／Ｓ符号化の帯域状態の決定方法。
  27. さらに、最小コストパス値を計算するステップを含み、前記ステップは、
    修正されたビタビ演算式によってオーディオストリームの各隣の帯域の最小コストパス値を計算するステップを含むことを特徴とする請求項２１記載のＡＡＣのためのＭ／Ｓ符号化の帯域状態の決定方法。
  28. さらに、最小コストパス値を計算するステップと含み、前記ステップは、
    各コストパス値が第１の帯域のノードから第２の帯域のノードまでであるコストパス値の大部分を計算するステップと、
    コストパス値を比較して最小コストパス値を取得するステップと
    を含むことを特徴とする請求項２７記載のＡＡＣのためのＭ／Ｓ符号化の帯域状態の決定方法。
  29. 前記オーディオストリームは、第１の帯域と第２の帯域との間の四つのコストパス値およびオーディオストリームの残りの隣の帯域間の二つのコストパス値を含むことを特徴とする請求項２７記載のＡＡＣのためのＭ／Ｓ符号化の帯域状態の決定方法。
  30. さらに、第１の帯域と第２の帯域との間の最小コストパス値を計算するステップを含み、前記ステップは、
    第１の帯域のノード、過渡コストおよび第２の帯域のノードの合計を使用することによって各コストパス値を計算するステップと、
    コストパス値を比較して最小コストパス値を取得するステップと
    を含むことを特徴とする請求項２９記載のＡＡＣのためのＭ／Ｓ符号化の帯域状態の決定方法。
  31. さらに、残りの隣の帯域のＮth帯域と（Ｎ＋１）th帯域との間の最小コストパス値を計算するステップを含み、前記ステップは、
    累積値、過渡コストおよび（Ｎ＋１）th帯域のノードの合計を使用することによって各コストパス値を計算するステップと、
    コストパス値を比較して最小コストパス値を取得するステップと
    を含むことを特徴とする請求項２９記載のＡＡＣのためのＭ／Ｓ符号化の帯域状態の決定方法。
  32. 前記累積値は、（Ｎ−１）th帯域とＮth帯域との間の最小コストパスを有するＮth帯域のノードに属することを特徴とする請求項３１記載のＡＡＣのためのＭ／Ｓ符号化の帯域状態の決定方法。
  33. さらに、左信号および右信号のＰＥ値を計算するステップを含み、前記ステップは、
    ＦＦＴによって左信号および右信号を左ＦＦＴ信号および右ＦＦＴ信号に変換するステップと、
    左ＦＦＴ信号および右ＦＦＴ信号のマスキング閾値を計算するために、左ＦＦＴ信号および右ＦＦＴ信号を受信するステップと、
    左信号および右信号のＰＥ値をそれぞれ計算するためにマスキング閾値、左ＦＦＴ信号および右ＦＦＴ信号を受信するステップと
    を含むことを特徴とする請求項２１記載のＡＡＣのためのＭ／Ｓ符号化の帯域状態の決定方法。
  34. さらに、ミドル信号およびサイド信号を計算する前に、
    ＭＤＣＴによって左信号および右信号を左ＭＤＣＴ信号および右ＭＤＣＴ信号に変換し、ミドル信号およびサイド信号を計算するステップを含むことを特徴とする請求項２１記載のＡＡＣのためのＭ／Ｓ符号化の帯域状態の決定方法。
  35. さらに、ミドル信号およびサイド信号のＰＥ値を計算するステップを含み、前記ステップは、
    ミドル信号およびサイド信号のマスキング閾値を計算するステップと、
    ミドル信号およびサイド信号のＰＥ値をそれぞれ計算するために、マスキング閾値、ミドル信号およびサイド信号を受信するステップと
    を含むことを特徴とする請求項３４記載のＡＡＣのためのＭ／Ｓ符号化の帯域状態の決定方法。
  36. ミドル信号およびサイド信号のマスキング閾値を計算するステップを含み、前記ステップは、
    ＭＤＣＴによって左信号および右信号を左ＭＤＣＴ信号および右ＭＤＣＴ信号に変換するステップ
    ＦＦＴによって左信号および右信号を左ＦＦＴ信号および右ＦＦＴ信号に変換するステップと、
    左ＦＦＴ信号および右ＦＦＴ信号のマスキング閾値を計算するために、左ＦＦＴ信号および右ＦＦＴ信号を受信するステップと
    左信号および右信号のマスキング閾値を計算するために、左ＦＦＴ信号および右ＦＦＴ信号のマスキング閾値、左ＦＦＴ信号、右ＦＦＴ信号、左ＭＤＣＴ信号および右ＭＤＣＴ信号を受信するステップと、
    ミドル信号および右信号のマスキング閾値をそれぞれ計算するために、左信号および右信号のマスキング閾値を受信するステップと
    を含むことを特徴とする請求項３５記載のＡＡＣのためのＭ／Ｓ符号化の帯域状態の決定方法。
  37. ミドル信号およびサイド信号のマスキング閾値は、左信号および右信号のマスキング閾値の最小値の半分にそれぞれセットされることを特徴とする請求項３６記載のＡＡＣのためのＭ／Ｓ符号化の帯域状態の決定方法。
JP2006312942A 2006-11-20 2006-11-20 Ａａｃのためのウィンドウ切り替え方法およびｍ／ｓ符号化の帯域決定方法 Pending JP2008129250A (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2006312942A JP2008129250A (ja) 2006-11-20 2006-11-20 Ａａｃのためのウィンドウ切り替え方法およびｍ／ｓ符号化の帯域決定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2006312942A JP2008129250A (ja) 2006-11-20 2006-11-20 Ａａｃのためのウィンドウ切り替え方法およびｍ／ｓ符号化の帯域決定方法

Publications (1)

Publication Number Publication Date
JP2008129250A true JP2008129250A (ja) 2008-06-05

Family

ID=39555132

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2006312942A Pending JP2008129250A (ja) 2006-11-20 2006-11-20 Ａａｃのためのウィンドウ切り替え方法およびｍ／ｓ符号化の帯域決定方法

Country Status (1)

Country Link
JP (1) JP2008129250A (ja)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104538041A (zh) * 2014-12-11 2015-04-22 深圳市智美达科技有限公司 异常声音检测方法及系统
JP2018513402A (ja) * 2015-03-09 2018-05-24 フラウンホッファー−ゲゼルシャフト ツァ フェルダールング デァ アンゲヴァンテン フォアシュンク エー．ファオ マルチチャンネル信号を符号化又は復号化するための装置と方法
CN110097889A (zh) * 2013-02-20 2019-08-06 弗劳恩霍夫应用研究促进协会 生成经编码的信号或对经编码的信号解码的设备及方法
JP2019207419A (ja) * 2013-07-22 2019-12-05 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 変換長切替えをサポートする周波数ドメインオーディオ符号化

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH02259699A (ja) * 1989-03-30 1990-10-22 Sharp Corp 録音再生装置
JPH08179794A (ja) * 1994-12-21 1996-07-12 Sony Corp サブバンド符号化方法及び装置
JP2000004163A (ja) * 1998-06-16 2000-01-07 Matsushita Electric Ind Co Ltd オーディオ符号化のための動的ビット割り当て方法及び装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH02259699A (ja) * 1989-03-30 1990-10-22 Sharp Corp 録音再生装置
JPH08179794A (ja) * 1994-12-21 1996-07-12 Sony Corp サブバンド符号化方法及び装置
JP2000004163A (ja) * 1998-06-16 2000-01-07 Matsushita Electric Ind Co Ltd オーディオ符号化のための動的ビット割り当て方法及び装置

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11621008B2 (en) 2013-02-20 2023-04-04 Fraunhofer-Gesellschaft Zur Foerderung Der Angewandten Forschung E.V. Apparatus and method for encoding or decoding an audio signal using a transient-location dependent overlap
CN110097889B (zh) * 2013-02-20 2023-09-01 弗劳恩霍夫应用研究促进协会 生成经编码的信号或对经编码的信号解码的设备及方法
CN110097889A (zh) * 2013-02-20 2019-08-06 弗劳恩霍夫应用研究促进协会 生成经编码的信号或对经编码的信号解码的设备及方法
US11682408B2 (en) 2013-02-20 2023-06-20 Fraunhofer-Gesellschaft Zur Foerderung Der Angewandten Forschung E.V. Apparatus and method for generating an encoded signal or for decoding an encoded audio signal using a multi overlap portion
US10984809B2 (en) 2013-07-22 2021-04-20 Fraunhofer-Gesellschaft Zur Foerderung Der Angewandten Forschung E.V. Frequency-domain audio coding supporting transform length switching
JP2019207419A (ja) * 2013-07-22 2019-12-05 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 変換長切替えをサポートする周波数ドメインオーディオ符号化
US11862182B2 (en) 2013-07-22 2024-01-02 Fraunhofer-Gesellschaft Zur Foerderung Der Angewandten Forschung E.V. Frequency-domain audio coding supporting transform length switching
CN104538041A (zh) * 2014-12-11 2015-04-22 深圳市智美达科技有限公司 异常声音检测方法及系统
US10762909B2 (en) 2015-03-09 2020-09-01 Fraunhofer-Gesellschaft Zur Foerderung Der Angewandten Forschung E.V. Apparatus and method for encoding or decoding a multi-channel signal
US11508384B2 (en) 2015-03-09 2022-11-22 Fraunhofer-Gesellschaft Zur Foerderung Der Angewandten Forschung E.V. Apparatus and method for encoding or decoding a multi-channel signal
US10388289B2 (en) 2015-03-09 2019-08-20 Fraunhofer-Gesellschaft Zur Foerderung Der Angewandten Forschung E.V. Apparatus and method for encoding or decoding a multi-channel signal
JP2018513402A (ja) * 2015-03-09 2018-05-24 フラウンホッファー−ゲゼルシャフト ツァ フェルダールング デァ アンゲヴァンテン フォアシュンク エー．ファオ マルチチャンネル信号を符号化又は復号化するための装置と方法
US11955131B2 (en) 2015-03-09 2024-04-09 Fraunhofer-Gesellschaft Zur Foerderung Der Angewandten Forschung E.V. Apparatus and method for encoding or decoding a multi-channel signal

Similar Documents

Publication Publication Date Title
JP5539203B2 (ja) 改良された音声及びオーディオ信号の変換符号化
JP3623449B2 (ja) 符号化されたオーディオ信号中のエラーを隠蔽する方法と装置および符号化されたオーディオ信号を復号化する方法と装置
KR102205596B1 (ko) 다중 채널 신호 인코딩 방법 및 인코더
US7613603B2 (en) Audio coding device with fast algorithm for determining quantization step sizes based on psycho-acoustic model
KR101395257B1 (ko) 스펙트럼 포락선의 수를 산출하기 위한 장치 및 그 방법
JP5485909B2 (ja) オーディオ信号処理方法及び装置
JP2019502966A (ja) チャネル間時間差を推定する装置及び方法
US20070016405A1 (en) Coding with improved time resolution for selected segments via adaptive block transformation of a group of samples from a subband decomposition
US9293146B2 (en) Intensity stereo coding in advanced audio coding
BR112019020515A2 (pt) aparelho para pós-processamento de um sinal de áudio usando uma detecção de localização transiente
JP2001053617A (ja) デジタル音響信号符号化装置、デジタル音響信号符号化方法及びデジタル音響信号符号化プログラムを記録した媒体
KR20080039462A (ko) 스테레오 부호화 장치, 스테레오 복호 장치 및 스테레오부호화 방법
EP2345026A1 (en) Apparatus for binaural audio coding
TW200417990A (en) Encoder and a encoding method capable of detecting audio signal transient
US10762912B2 (en) Estimating noise in an audio signal in the LOG2-domain
WO2019170955A1 (en) Audio coding
MXPA06006497A (es) Metodo para el ocultamiento de errores en el dominio de frecuencia, mejorado.
KR100477701B1 (ko) Ｍｐｅｇ 오디오 인코딩 방법 및 ｍｐｅｇ 오디오 인코딩장치
JP2008129250A (ja) Ａａｃのためのウィンドウ切り替え方法およびｍ／ｓ符号化の帯域決定方法
WO2009129822A1 (en) Efficient encoding and decoding for multi-channel signals
JP2006003580A (ja) オーディオ信号符号化装置及びオーディオ信号符号化方法
JP2012519309A (ja) オーディオ符号化のための量子化
JP4055122B2 (ja) 音響信号符号化方法及び音響信号符号化装置
JP2007004050A (ja) ステレオ信号の符号化装置及び符号化プログラム
KR100640833B1 (ko) 디지털 오디오의 부호화 방법

Legal Events

Date Code Title Description
RD02 Notification of acceptance of power of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7422

Effective date: 20090828

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20100315

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20101201