JP5009910B2 - レートスケーラブル及び帯域幅スケーラブルオーディオ復号化のレートの切り替えのための方法 - Google Patents

Description

本発明は、マルチレートオーディオ符号化システム、更に特に、ビットレート拡大縮小可能（スケーラブル）であると共に、適用できる場合には、帯域幅拡大縮小可能（スケーラブル）であるオーディオ符号化システムによって符号化されたオーディオ信号を復号化する際のビットレートの切り替えの方法に関係する。それは、更に、ビットレートスケーラブル及び帯域幅スケーラブルオーディオ復号化システムに対する前記方法のアプリケーション、そしてビットレートスケーラブル及び帯域幅スケーラブルオーディオ復号器に関係する。

本発明は、ボイスオーバーアイピー（voice over IP：ＶｏＩＰ）タイプのパケットネットワークを介した音声信号及び／またはオーディオ信号の伝送の分野において、伝送路の容量の関数として変更され得る品質を提供するために、特に有利なアプリケーションを見い出す。

本発明の方法は、副作用（artifact）なしで、ビットレートスケーラブル及び帯域幅スケーラブルオーディオ符号化／復号化（コーデック）の様々なビットレートの間の遷移、さらに具体的に言うと、ビットレートによって決まる後処理（bitrate-dependent post-processing）を備えた電話帯域のコアと１つ以上の広帯域拡張階層とを有するビットレートスケーラブル及び帯域幅スケーラブルオーディオ符号化に関連する電話帯域と広帯域との間の遷移を達成する。

通常の方法では、用語“電話帯域”と“狭帯域”は、周波数帯域３００ヘルツ（Ｈｚ）から３４００ヘルツ（Ｈｚ）のことを指すと共に、用語“広帯域”は、周波数帯域５０ヘルツ（Ｈｚ）から７０００ヘルツ（Ｈｚ）に確保されている。

今日では、オーディオ（音声及び／またはオーディオ）周波数信号をデジタル信号に変換するため、そしてのこのようにデジタル化された信号を処理するための多くの技術がある。

最も広く使用される技術は、ＰＣＭもしくはＡＤＰＣＭ符号化のような“波形符号化”方法、ＣＥＬＰ（符号励振線形予測）符号化のような“合成による分析を用いたパラメータ符号化（parametric coding by analysis by synthesis）”方法、及び“サブ帯域における、もしくは変換による知覚符号化（Perceptual coding in sub-bands or by transforms）”方法である。狭帯域ＣＥＬＰ符号化は、一般的に、品質を強化するために、後処理を利用する。この後処理は、一般的に、適応型後フィルタ処理、及びハイパスフィルタ処理である。オーディオ周波数信号を符号化するための標準の技術は、例えば、“"Speech Coding and Synthesis", W.B. Kleijn and K.K. Paliwal editors, Elsevier, 1995”において説明される。ここでは、オーディオ周波数信号の双方向伝送において利用される技術だけが問題とされる。

従来の音声符号化において、符号器は、固定したビットレートのビットストリームを生成する。この固定したビットレートの制限事項は、符号器及び復号器の実装及び使用を単純化する。そのようなシステムの例は、６４キロビット／秒（ｋｂｐｓ）の“Ｇ．７１１”符号化、及び８キロビット／秒（ｋｂｐｓ）の“Ｇ．７２９”符号化である。

携帯電話、ボイスオーバーアイピー（voice over IP：ＶｏＩＰ）、またはアドホックネットワーク（ad hoc network）を介した通信のような特定のアプリケーションにおいては、可変ビットレートのビットストリームを生成することが好ましいと共に、ビットレート値は、事前に定義されたセットから取得される。マルチレート符号化技術には、以下のような様々な技術がある。

・ＡＭＲ−ＮＢシステム、ＡＭＲ−ＷＢシステム、ＳＭＶシステム、またはＶＭＲ−ＷＢシステムにおいて使用されるようなソース及び／またはチャンネルによって制御されたマルチモード符号化。

・それがコアビットレート及び１つ以上の拡張階層を含むので階層的と言われるビットストリームを生成する、“スケーラブル（拡大縮小可能）”符号化としても同様に知られている階層符号化（hierarchical coding）。

４８［ｋｂｐｓ］、５６［ｋｂｐｓ］、及び６４［ｋｂｐｓ］の“Ｇ．７２２”システムは、ビットレートスケーラブル符号化（bitrate-scalable coding）の簡単な例である。ＭＰＥＧ−４のＣＥＬＰコーデックは、ビットレート拡大縮小可能（スケーラブル）及び帯域幅拡大縮小可能（スケーラブル）である（“T. Numura et al., A bitrate and bandwidth scalable CELP coder, ICASSP 1998”を参照）。

・ＭＤＣ符号化（multiple description coding）（“A. Gersho, J.D. Gibson, V. Cuperman, H. Dong, A multiple description speech coder based on AMR-WB for mobile ad hoc networks, ICASSP 2004”を参照）。

マルチレート符号化においては、ある符号化ビットレートから他の符号化ビットレートへ切り替わる際に、エラーまたは副作用を生成しないことが、確かに必要である。

もし全てのビットレートにおける符号化が、同じ帯域幅におけるオーディオ信号の同じ符号化モデルによる表現に基づいているならば、ビットレートの切り替えは、簡単である。例えば、ＡＭＲ−ＮＢシステムにおいて、いずれにせよＡＣＥＬＰ（algebraic code excited linear prediction）モデルと互換性があるＬＰＣ（linear predictive coding）タイプのモデルによって扱われるコンフォート雑音（comfort noise：無音区間疑似背景雑音）生成を除けば、信号は、電話帯域（３００［Ｈｚ］から３４００［Ｈｚ］）において定義されると共に、符号化は、ＡＣＥＬＰモデルに依存する。ＡＭＲ−ＮＢ符号化は、従来の方法では、適応型後フィルタ処理とハイパスフィルタ処理の形式の後処理を（post-processing）使用すると共に、適応型後フィルタ処理の係数は、復号化ビットレートによって決まることに注意が必要である。それでもなお、ビットレートに従って変化する後処理パラメータの使用に結び付けられたあらゆる問題を処理するための事前対策は、講じられない。対照的に、ＡＭＲ−ＷＢタイプの広帯域ＣＥＬＰ符号化は、主に複雑さの理由のために、後処理を使用しない。

ビットレートの切り替えは、ビットレートスケーラブル及び帯域幅スケーラブルオーディオ符号化においては、なおさら問題がある。符号化は、その場合に、ビットレートによって異なるモデル及び帯域幅に基づいている。

階層型オーディオ符号化（hierarchical audio coding）の基本概念は、例えば、論文“T. Mori, H. Ohmuro, J. Ikedo, D. Tokumoto, and A. Kataoka, Scalable Speech Coding Technology for High-Quality Ubiquitous Communications, NTT Technical Review, March 2004”において例証される。そのタイプの符号化において、ビットストリームは、基本階層（base layer）及び１つ以上の拡張階層（enhancement layer）を含む。基本階層は、最小の符号化品質を保証する“コアコーデック（core codec）”と呼ばれる固定された低ビットレートの符号化によって生成される。その階層は、合格品質水準を維持するために、デコーダによって受信されなければならない。拡張階層は、品質を強化するために使用される。それらは、全て符号器によって送信されるが、それらは、復号器によって全てが受信されない可能性がある。階層符号化の主な利点は、それが単にビットストリームを切り捨てることによって、ビットレートの適応を可能にすることである。階層の数、すなわちビットストリームの可能な切り捨て（truncation：トランケーション）の数は、符号化の精度を定義する。もしビットストリームが、２つから４つ程度の階層のいくつかの階層を含むならば、符号化は、安定した精度の符号化であると言われると共に、細かい精度の符号化は、１［ｋｂｐｓ］程度の増加を可能にする。

ここでの更に大きい関心技術は、電話帯域ＣＥＬＰタイプコア符号器及び１つ以上の広帯域拡張階層を備える、ビットレート拡大縮小可能（スケーラブル）及び帯域幅拡大縮小可能（スケーラブル）な階層符号化技術である。そのようなシステムの例は、８［ｋｂｐｓ］、１４．２［ｋｂｐｓ］、及び２４［ｋｂｐｓ］における優秀な精度を備えた、

で開示される符号器において、そして３２［ｋｂｐｓ］において６．４の細かい精度を備えた、“B. Kovesi, D. Massaloux, A. Sollaud, A scalable speech and audio coding scheme with continuous bitrate flexibility, ICASSP 2004”で開示される符号化方式、またはＭＰＥＧ−４のＣＥＬＰ符号化において示される。

ビットレートスケーラブル及び帯域幅スケーラブルオーディオ符号化との関連でビットレートの切り替えの問題に結び付けられた一番適切な参照するべき言及は、国際出願ＷＯ０１／４８９３１号明細書及びＷＯ０２／０６００７５号明細書で構成され得る。

しかしながら、前述の２つの文書において説明された技術は、電話帯域符号化を使用する通信ネットワークと広帯域符号化を使用する通信ネットワークとの間のネットワーク間接続の問題のみに対処する。

特に、国際出願ＷＯ０２／０６００７５号明細書は、広帯域から電話帯域への変換のために最適化されたデシメーション（decimation）システムを説明する。

国際出願ＷＯ０１／４８９３１号明細書で提案された方法は、特に“スペクトルのプロファイル（spectral profile）”を抽出することによって、電話帯域信号から擬似広帯域信号を生成する帯域拡張技術である。従来技術の既知の類似した技術は、受信した電話帯域信号から広帯域信号を生成するための情報の伝送がない帯域拡張技術を使用して帯域の減少を回避しようとすることによって、主として広帯域から電話帯域への切り替えに結び付けられた問題に取り組む。それらの方法が実際に帯域幅の間の遷移を制御しようと試みないということ、そして、更にそれらが非常に変わりやすい品質の帯域拡張技術に依存するという欠点を有しているということ、そして、従ってそれらが安定した出力品質を保証し得ない、ということに注意が必要である。

従って、本発明の主題によって解決されるべき技術的な課題は、マルチレートオーディオ符号化システムによって符号化されたオーディオ信号を復号化する際のビットレートの切り替えの方法を提案することであり、前記復号化は、ビットレートに応じた少なくとも１つの後処理段階を含んでいると共に、復号化の際にビットレートの急速な変化が発生した場合に、特に敏感な副作用を消去するために、その方法は、それに関して使用される後処理が復号化ビットレートによって決まる、異なるビットレートの間の遷移が処理されることを可能にする。後処理は、信号に位相シフトを導入すると共に、後処理の２つの異なる形式の使用は、遷移の間の位相の連続性に関する問題を暗示する。

本発明によれば、提示された技術的課題に対する解決策は、初期のビットレートから最終のビットレートに対する切り替えの間に、前記方法が、前記初期のビットレートの信号から前記最終のビットレートの信号に対する連続的な変更の遷移段階を含み、前記信号の内の１つまたは両方が、後処理されることを特徴とする。

従って、本発明は、復号化がビットレートに応じた後処理を含むと共に、前記遷移段階の間に、初期のビットレートにおける後処理から最終のビットレートにおける後処理に対する連続的な変更が実行されるという利点を有する。本発明のこの特徴は、以下で詳細に説明されると共に、初期のビットレートで復号化されたオーディオ信号に適用された後処理においてクロスフェード（cross fade）を達成することに対応する。これは、復号化された信号が後処理される電話帯域と、一般的にオーディオ信号が後処理されない広帯域との間のビットレートの切り替えの際に特に有利であるということが理解され得る。

１つの特別な実施例において、前記連続的な変更は、初期のビットレートにおける信号の重みを減少させると共に、最終のビットレートにおける信号の重みを増加させる重み付けによって達成される。

更に、本発明は、初期のビットレートの信号及び最終のビットレートの信号の両方が後処理される状況をカバーする。

更に、本発明は、コンピュータプログラムであって、前記プログラムがコンピュータによって実行された場合に、本発明の方法を実行するためのコード命令を含むコンピュータプログラムを提供する。

本発明は、ビットレートスケーラブルオーディオ復号化システムに対する本発明の方法のアプリケーションを更に提供する。

本発明は、ビットレートスケーラブル及び帯域幅スケーラブルオーディオ復号化システムに対する本発明の方法のアプリケーションであって、その中で、前記初期のビットレートが、第１の周波数帯域の第１の復号化階層で獲得され、前記最終のビットレートが、前記第１の周波数帯域を第２の周波数帯域に拡張する階層と見なされる第２の復号化階層で獲得されると共に、前記後処理段階が、前記初期のビットレートで実行される復号化に適用されることを特徴とするアプリケーションを更に提供する。

本発明は、ビットレートスケーラブル及び帯域幅スケーラブルオーディオ復号化システムに対する本発明の方法のアプリケーションであって、その中で、前記最終のビットレートが、第１の周波数帯域の第１の復号化階層で獲得され、前記初期のビットレートが、前記第１の周波数帯域を第２の周波数帯域に拡張する階層と見なされる第２の復号化階層で獲得されると共に、前記後処理段階が、前記最終のビットレートで実行される復号化に適用されることを特徴とするアプリケーションを更に提供する。

“拡張された帯域”の特別な例は、上記で定義された“広帯域”であり、その場合に、前記第１の周波数帯域は、電話帯域である。

更に、本発明は、前記復号器が、ビットレートに応じた後処理ステージを備え、前記後処理ステージが、初期のビットレートから最終のビットレートへ切り替わる際に、前記初期のビットレートの信号から前記最終のビットレートの信号に対する連続的な変更による遷移を達成するように適合され、前記信号の内の少なくとも１が、後処理されるという点で特筆すべきマルチレートオーディオ復号器を提供する。

特に、前記後処理段階は、初期のビットレートにおける信号の重みを減少させると共に、最終のビットレートにおける信号の重みを増加させる重み付けによって、前記連続的な変更を達成するように適合される。

制限しない一例として提供される、添付の図面を参照した以下の説明は、本発明の本質的なものが何であり、それがどのように実行に移されることができるかを明瞭に説明する。

本発明は、ビットレートスケーラブル及び帯域幅スケーラブルオーディオ符号化との関連で説明される。ここで考えられるビットレートスケーラブル及び帯域幅スケーラブル符号化構造は、コアの復号化に電話帯域ＣＥＬＰタイプ符号器を使用すると共に、その特別な１つの事例は、“ITU-T Recommendation G.729, Coding of Speech at 8 kbit/s using Conjugate Structure Algebraic Code Excited Linear Prediction (CS-ACELP), March 1996”、及び“R. Salami et al., Description of ITU-T Recommendation G.729 Annex A: Reduced complexity 8 kbit/s CS-ACELP codec, ICASSP 1997”において説明されたような、Ｇ．７２９Ａ符号器を使用する。

３つの拡張ステージ、すなわち電話帯域ＣＥＬＰ符号化拡張ステージ、帯域拡張ステージ、及び予測変換符号化ステージが、ＣＥＬＰコア符号化に追加される。

ここで考察されたビットレートの切り替えは、電話帯域と広帯域との間の切り替えである。

図１は、使用される符号器の図である。

１６［ｋＨｚ］でサンプリングされた５０［Ｈｚ］から７０００［Ｈｚ］のオーディオ帯域を有するオーディオ信号は、３２０サンプルの２０ミリセカンド（ｍｓ）のフレームに分割される。５０［Ｈｚ］のカットオフ周波数を有するハイパスフィルタ処理１０１は、入力信号に適用される。獲得された信号“Ｓ^ＷＢ”は、符号器の多くのブランチ回路で使用される。

最初に、第１のブランチ回路において、ローパスフィルタ処理及び１６［ｋＨｚ］から８［ｋＨｚ］への係数“２”によるアンダーサンプリング（under sampling）１０２が、信号“Ｓ^ＷＢ”に適用される。この操作は、８［ｋＨｚ］でサンプリングされた電話帯域の信号を生成する。この信号は、ＣＥＬＰタイプの符号化を使用するコア符号器１０３によって処理される。ここで、その符号化は、ビットレート８［ｋｂｐｓ］のビットストリームのコアを生成するＧ．７２９Ａ符号器に対応する。

その次に、第１の拡張階層は、ＣＥＬＰ符号化の第２のステージ１０３を導入する。この第２のステージの本質的なものは、ＣＥＬＰ励振の拡張を達成すると共に、特に非有声音に対する品質強化を提供する革新者辞書（innovator dictionary）にある。この第２の符号化ステージのビットレートは、４［ｋｂｐｓ］であると共に、関連するパラメータは、４０サンプルの各サブフレーム（８［ｋＨｚ］において５［ｍｓ］）に対する関連する革新者辞書のパルスの符号と位置、及び利得である。

コア符号器及び第１の拡張階層の復号化１０４は、電話帯域における合成された１２［ｋｂｐｓ］信号を獲得するために実行される。８［ｋＨｚ］から１６［ｋＨｚ］への係数“２”によるオーバーサンプリング（oversampling）及びローパスフィルタ処理１０５は、符号器の最初の２つのステージから、１６［ｋＨｚ］でサンプリングされたバージョンを生成する。

第３の拡張階層は、広帯域への帯域拡張１０６を達成する。入力信号“Ｓ^ＷＢ”は、プリエンファシス（pre-emphasis）フィルタによって前処理（pre-process）されることができる。プリエンファシスフィルタは、広帯域の線形予測（linear prediction）フィルタから高周波数の更に良い表現を生成する。プリエンファシスフィルタの効果を補償するために、逆のディエンファシス（de-emphasis）フィルタが、その場合に、合成において使用される。この符号化及び復号化構造に対する代替物は、プリエンファシスフィルタ及びディエンファシスフィルタを使用しない。

以下の段階は、広帯域線形予測フィルタを計算して、量子化する。線形予測フィルタは、１８次のフィルタであるが、しかしより低い予測次数、例えば１６次の予測が選択されることができる。線形予測フィルタは、レビンソン・ダービンのアルゴリズム（Levinson-Durbin algorithm）を使用する自己相関方法によって計算され得る。

この広帯域線形予測フィルタ“Ａ_ＷＢ（ｚ）”は、電話帯域コア符号器からのフィルタ

が提供する係数の予測を用いて量子化される。その場合に、それらの係数は、論文“H. Ehara, T. Morii, M. Oshikiri, and K. Yoshida, Predictive VQ for bandwidth scalable LSP quantization, ICASSP 2005”において説明されたように、例えば、マルチステージベクトル量子化を使用すると共に、電話帯域コア符号器の逆量子化された（dequantized）ＬＳＦ（線スペクトル周波数：line spectrum frequency）パラメータを使用して、量子化され得る。

広帯域励振は、コア符号器の電話帯域励振パラメータ、例えばピッチ期間遅延と、関連する利得と、コア符号器の代数の励振と、ＣＥＬＰ励振の第１の拡張階層と、関連する利得とから獲得される。この励振は、電話帯域ステージの励振のパラメータのオーバーサンプリングされたバージョンを用いて生成される。

この広帯域励振は、その場合に、事前に計算された合成フィルタによってフィルタ処理される。もしプリエンファシスが入力信号に適用されていた場合、ディエンファシスフィルタが、合成フィルタの出力信号に適用される。獲得された信号は、エネルギーが調整されなかった広帯域信号である。高周波帯域（３４００［Ｈｚ］〜７０００［Ｈｚ］）のエネルギーを均一にするための利得を計算するために、ハイパスフィルタ処理が、広帯域合成信号に適用される。これと並列に、同じハイパスフィルタ処理が、遅延されたオリジナル信号と先行する２つのステージの合成信号との間の差異に対応する誤差信号に適用される。これらの２つの信号は、その場合に、合成された広帯域信号に適用されるべき利得を計算するために使用される。この利得は、２つの信号の間のエネルギー比率を用いて計算される。量子化された利得“ｇ_ＷＢ”は、その次に、８０サンプルのサブフレーム（１６［ｋＨｚ］の場合５［ｍｓ］）のレベルの信号“Ｓ_１４ ^ＷＢ”に適用されると共に、このように獲得された信号は、その後、１４［ｋｂｐｓ］のビットレートに対応する広帯域信号を作成するために、先行するステージから提供される合成された信号に追加される。

符号化の残りは、予測変換符号化方式を使用する周波数領域にもたらされる。遅延された入力信号１０８、及び１４［ｋｂｐｓ］合成信号１０７は、一般的に“ｙ＝０．９２”及び“μ＝０．６８”である“Ａ_ＷＢ（ｚ／ｙ）×（１−μｚ）”の知覚的重み付けフィルタ１０９、１１１によって、それぞれフィルタ処理される。これらの信号は、ＴＤＡＣ（time domain aliasing cancellation：時間領域折り返し歪み除去技術）オーバラップ変換符号化方式（overlap transform coding scheme）（“Y. Mahieux and J.P. Petit, Transform coding of audio signals at 64 kbit/s, IEEE GLOBECOM 1990”を参照）によって符号化される。

５０［％］のオーバーラップの（ＭＤＣＴ解析のリフレッシュを２０［ｍｓ］毎に行う）重み付けされた入力信号の６４０サンプルのブロックに対して、変形離散的コサイン変換（modified discrete cosine transform：ＭＤＣＴ）１１０が適用されると共に、同様に、先行する帯域拡張ステージが提供する１４［ｋｂｐｓ］（同じブロック長で、同じオーバーラップ）の合成信号に対して、変形離散的コサイン変換（modified discrete cosine transform：ＭＤＣＴ）１１２が適用される。符号化されるべきＭＤＣＴスペクトル１１３は、０［Ｈｚ］から３４００［Ｈｚ］の帯域に対する、重み付けされた入力信号と１４［ｋｂｐｓ］における合成信号との間の差異、及び３４００［Ｈｚ］から７０００［Ｈｚ］の帯域の重み付けされた入力信号に対応する。スペクトルは、最後の４０個の係数をゼロに設定することによって（最初の２８０個の係数のみが符号化される）、７０００［Ｈｚ］に制限される。スペクトルは、１８個の帯域に分割されると共に、それは、８つの係数の１帯域と、１６個の係数の１７帯域である。スペクトルの各帯域に関して、ＭＤＣＴの係数のエネルギーが計算される（倍率）。１８個の倍率は、重み付けされた信号のスペクトル包絡線を構成すると共に、それは、その場合に、量子化されて、符号化されて、そしてフレームで送信される。図３は、ビットストリームのフォーマットを示す。

動的なビット割り当ては、スペクトル包絡線の逆量子化されたバージョンが提供するスペクトルの帯域のエネルギーに基づいている。これは、符号器の２進数の割り当てと復号器の２進数の割り当てとの間の互換性を達成する。各帯域における正規化された（微細構造）ＭＤＣＴ係数は、その場合に、サイズ及び長さでインタリーブされた辞書を使用するベクトル量子化によって量子化されると共に、辞書は、“["Vector quantization with variable dimension and resolution"], patent PCT FR 04 00219, 2004”で説明されるような、順列符号の組み合わせから構成される。最終的に、コア符号器、電話帯域ＣＥＬＰ拡張ステージ、広帯域ＣＥＬＰステージ、そして最後にスペクトル包絡線と正規化された符号化係数に関する情報が、多重化されて、フレームで送信される。

図２は、図１が提供する符号器と関連付けられた復号器の構成図である。

モジュール２０１は、ビットストリームに含まれたパラメータを逆多重化する。１フレームで受信されたビットの数の関数として、復号化の複数の場合があると共に、図２を参照して、以下の４つの場合が説明される。

１．１つ目の場合は、８［ｋｂｐｓ］の受信されたビットレートに対する、復号器による最小のビット数の受信に関係する。

この場合、第１のステージのみが復号化される。従って、ＣＥＬＰ（Ｇ．７２９Ａ＋）タイプのコア復号器２０２に関するビットストリームのみが受信されると共に、復号化される。この合成は、Ｇ．７２９復号器による、適応型後フィルタ処理２０３及びハイパスフィルタ後処理２０４によって、処理されることができる。この実施例において、用語“後処理（post-processing）”は、これらの２つの操作の組み合わせのことを指す。しかしながら、用語“後処理（post-processing）”が、同様に、適応型後フィルタ処理だけ、またはハイパスフィルタ処理タイプの後処理だけのことを指し得ることは、明確である。この信号は、１６［ｋＨｚ］でサンプリングされた信号を生成するために、オーバーサンプリングされる（２０６）と共に、フィルタ処理される（２０７）。

２．２つ目の場合は、１２［ｋｂｐｓ］の受信されたビットレートに対する、第１及び第２の復号化ステージだけに関連するビット数の受信に関係する。

この場合には、コア復号器及び第１のＣＥＬＰ励振拡張ステージが復号化される。この合成は、Ｇ．７２９復号器による、後処理２０３、２０４によって、処理されることができる。前と同様に、この信号は、１６［ｋＨｚ］でサンプリングされた信号を生成するために、オーバーサンプルされる（２０６）と共に、フィルタ処理される（２０７）。

３．３つ目の場合は、１４［ｋｂｐｓ］の受信されたビットレートに対する、最初の３つの復号化ステージに関連するビット数の受信に対応する。

この場合には、後処理がＣＥＬＰ復号化出力には適用されないという事実は別として、上記２つ目の場合と同様に、最初の２つの復号化ステージが最初に達成されると共に、その後で、帯域拡張モジュールは、広帯域におけるスペクトル線の組のパラメータ（ＷＢ−ＬＳＦ）を復号化した（２０９）後、励振と関連付けられた利得２１３と同様に、１６［ｋＨｚ］でサンプリングされた信号を生成する。広帯域励振は、コア符号器及び第１のＣＥＬＰ拡張ステージのパラメータから生成される（２０８）。この励振は、その場合に、合成フィルタ２１０と、もし符号器においてプリエンファシスフィルタが使用された場合には適切なディエンファシスフィルタ２１１によって、フィルタ処理される。ハイパスフィルタ２１２は、獲得された信号に適用されると共に、帯域拡張信号のエネルギーは、５［ｍｓ］毎に関連付けられた利得を用いて適合される（２１４）。この信号は、その場合に、最初の２つの復号化ステージから獲得される１６［ｋＨｚ］でサンプリングされた電話帯域信号２１５に加えられる。７０００［Ｈｚ］に制限された信号を獲得する目的によって、この信号は、逆ＭＤＣＴ２２０及び重み付けされた合成フィルタ２２１の前に、最後の４０個のＭＤＣＴ係数をゼロに設定することによって、変換領域においてフィルタ処理される。

４．この最後の場合は、１６［ｋｂｐｓ］より大きいか、または１６［ｋｂｐｓ］に等しい受信されたビットレートに対する、復号器の全てのステージの復号化に対応する。

最終ステージは、予測変換復号器から構成される。上述のステップ３が最初に実行される。そして、受信された追加のビット数の関数として、予測変換復号化方式が適用される。

・もしビット数がスペクトル包絡線の一部分のみ、または受信された微細構造以外のスペクトル包絡線の全体に対応するならば、部分的な、もしくは完全なスペクトル包絡線が、帯域拡張ステージによって生成された信号２１５に対応する３４００［Ｈｚ］から７０００［Ｈｚ］の範囲において、ＭＤＣＴ係数（２１６、２１７）の帯域のエネルギーを調整するために使用される（２１８）。このシステムは、受信されたビット数の関数として、音質の進歩的な強化を達成する。

・もしビット数がスペクトル包絡線全体、及び微細構造の一部分または全体に対応するならば、ビット割り当ては、符号器におけるビット割り当てと同じ方法で達成される。微細構造が受信される帯域において、復号化されたＭＤＣＴ係数は、スペクトル包絡線、及び逆量子化された微細構造から計算される。微細構造が受信されなかった範囲３４００［Ｈｚ］から７０００［Ｈｚ］におけるスペクトル帯域においては、前段落からの手順が使用され、すなわち、帯域の拡張によって獲得された信号から計算されたＭＤＣＴ係数（２１６、２１７）は、受信されたスペクトル包絡線に基づいて、エネルギーが調整される（２１８）。合成のために使用されるＭＤＣＴスペクトルは、従って、０［Ｈｚ］と３４００［Ｈｚ］との間の帯域では、復号化された誤差信号に加えられる最初の２つのステージにおける合成信号によって構成されると共に、そして更に、３４００［Ｈｚ］から７０００［Ｈｚ］の範囲の帯域上で、及び３４００［Ｈｚ］から７０００［Ｈｚ］の範囲の帯域に関しては、同様に、微細構造が受信された帯域において復号化されたＭＤＣＴ係数と、他のスペクトル帯域に関してエネルギーが調整された帯域拡張ステージのＭＤＣＴ係数とによって構成される。

逆ＭＤＣＴ２２０は、その場合に、復号化されたＭＤＣＴ係数に適用されると共に、重み付けされた合成フィルタ２２１によるフィルタ処理が、出力信号を生成する。

本発明に従った切り替え方法は、図２で提供される復号器に照らして、以下で説明される。

ブロック２０５は、“クロスフェード（cross fade）”モジュールを表す。もし復号器によって受信されたビット数が、第１ステージ以外、または第１及び第２のステージを復号化するのに不十分であるならば、すなわち８［ｋｂｐｓ］または１２［ｋｂｐｓ］の受信ビットレートに関して、復号器の最終出力の有効帯域幅は、電話帯域である。これらの状況において、合成信号の品質を強化するために、広い意味で“Ｇ．７２９Ａ”復号器の一部分である後処理２０３、２０４が、オーバーサンプリングの前に、電話帯域において適用される。

対照的に、もし１４［ｋｐｓ］より大きいかまたは等しい受信ビットレートに関して、広帯域ステージにおける復号化が同様に達成されるならば、符号器において、更に高いステージにおける符号化が、電話帯域の後処理なしのバージョンから計算されたので、この後処理は、活性化されない。

後処理２０３及び後処理２０４は、位相シフトを信号に導入する。後処理を備えるモードと後処理を備えないモードとの間の切り替えでは、従って、ソフトな遷移が実行されなければならない。図４は、クロスフェードを適用することによって、後処理された電話帯域信号と後処理されない電話帯域信号との間のこの遅い遷移を提供するブロック２０５の実装を示す。

ステップ４０１は、現在のフレームが電話帯域フレームであるか否かを調査、すなわち現在のフレームのビットレートが８［ｋｂｐｓ］または１２［ｋｂｐｓ］であるか否かを確認する。否定応答の場合には、電話帯域において、先行するフレームが後処理されたか、または後処理されなかったかを確認するために、ステップ４０２が呼び出される（それは、結局、先行するフレームのビットレートが８［ｋｂｐｓ］または１２［ｋｂｐｓ］であるか否かを確認することになる。）。否定応答の場合には、ステップ４０３において、後処理されなかった信号Ｓ_１が、信号Ｓ_３にコピーされる。対照的に、テスト４０２に対する肯定応答では、ステップ４０４において、信号Ｓ_３は、クロスフェードの結果を含むことになり、ここでは、後処理されなかった成分Ｓ_１の重みが増加される一方、後フィルタ処理された成分Ｓ_２の重みが減少される。ステップ４０４の後には、フラグ“ｐｒｅｖＰＦ”を更新するステップ４０５が続いている。

ステップ４０１において肯定応答があるとき、ステップ４０６において、先行するフレームにおいて、電話帯域における後処理が活性化されていたか、または活性化されていなかったかに関して、確認が実行される。肯定応答の場合には、ステップ４０８において、後処理された信号Ｓ_２が、信号Ｓ_３にコピーされる。対照的に、ステップ４０６における否定応答の場合には、ステップ４０７において、信号Ｓ_３が、クロスフェードの結果として計算され、ここでは、今度は、後処理されなかった成分Ｓ_１の重みが減少される一方、後処理された成分Ｓ_２の重みが増加される。ステップ４０７の後で、値“１”によってフラグ“ｐｒｅｖＰＦ”を更新するために、ステップ４０９が呼び出される。

この実施例の変形において、もし復号器によって受信されたビット数が、第１のステージのみ、または第１及び第２のステージが復号化されることを可能にするならば、すなわち８［ｋｂｐｓ］または１２［ｋｂｐｓ］の受信ビットレートに関して、復号器の最終の出力の有効な帯域幅は、電話帯域（信号Ｓ_１）である。これらの状況において、合成信号の品質を強化するために、電話帯域における後処理が、オーバーサンプリングの前に適用される。

対照的に、もし広帯域ステージの復号化が、１４［ｋｂｐｓ］より大きいか、または１４［ｋｂｐｓ］に等しい受信ビットレートに関して、同様に実行されるならば、符号器において、異なる後処理（信号Ｓ_２）が活性化されると共に、更に高いステージの符号化が電話帯域のこの後処理によるバージョンから計算されていた。

８［ｋｂｐｓ］または１２［ｋｂｐｓ］のビットレートに関して使用される後処理と、１４［ｋｂｐｓ］より大きいか、または１４［ｋｂｐｓ］に等しいビットレートに関して使用される後処理は、異なる位相シフトを信号に導入する。後処理の異なる形式を備えるモードの間の切り替えでは、従って、ソフトな遷移が実行されなければならない。後処理の様々な形式を有する電話帯域信号の間のこの遅い遷移は、クロスフェード（それは信号Ｓ_３を生成する）を適用することによって達成される。

現在のフレームが電話帯域のフレームであるか否かが確認される。否定応答の場合には、先行するフレームが電話帯域のフレームであったか否かが確認される。否定応答の場合には、後処理された信号Ｓ_１が、信号Ｓ_３にコピーされる。対照的に、肯定応答の場合には、信号Ｓ_３は、クロスフェードの結果を含むことになり、ここでは、後処理された成分Ｓ_１の重みが増加される一方、後処理された成分Ｓ_２の重みが減少される。

肯定応答があるとき、先行するフレームが電話帯域のフレームであったか否かが確認される。肯定応答の場合には、後処理された信号Ｓ_２が、信号Ｓ_３にコピーされる。対照的に、否定応答の場合には、信号Ｓ_３が、クロスフェードの結果として計算され、ここでは、今度は、後処理された成分Ｓ_１の重みが減少される一方、後処理された成分Ｓ_２の重みが増加される。

ブロック２０９は、帯域拡張ステージ及び予測変換復号化ステージにとって必要な広帯域線形予測フィルタを計算する。もしフレームのビットストリームの電話帯域部分のみが受信されるならば、この計算が必要であると共に、広帯域フレームを受信した後で、帯域効果を維持するために帯域の拡張が必要とされる。“ＬＳＦ”のセットは、その場合に、電話帯域コア復号器の“ＬＳＦ”から推定される。例えば、８つの“ＬＳＦ”は、電話帯域が提供する最後のＬＳＦとナイキスト周波数との間の帯域にわたって一様に分散され得る。線形予測フィルタは、その場合に、高い周波数に関して平坦な振幅応答のフィルタである傾向があり得る。

ブロック２１３は、本発明による帯域拡張のために使用される利得適応を提供する。このブロックに対応するフローチャートは、図５及び図７を参照して説明される。

高周波数帯域に適用された利得の適応減衰の原理は、図５を参照して説明される。まず第一に、第１広帯域復号化階層（first wideband decoding layer）の利得は、２つの可能性に従って計算される（５０１）。もしこの帯域拡張階層に対応するビットストリームが受信されたならば、その利得は、復号化によって獲得される（５０３）。対照的に、もしこの利得がビットストリームにおいて得られなかったならば、この復号化階層と関連付けられた利得が推定される（５０２）。例えば、利得計算は、以前に実行された電話帯域の実際の復号化によって、広帯域復号化ステージのベースバンドのエネルギーを調整することにより実行され得る。

以前に受信された広帯域フレーム数のカウンタは、その場合に、図７を参照して説明された原理に従って更新される（５０４）。

最終的に、このカウンタは、第１広帯域復号化ステージの利得に適用された減衰のパラメータを設定するために使用される（５０５）。

図７は、受信された広帯域フレーム数の計数を管理するための手順のフローチャートを表す。カウンタは、以下の方法において更新される。もし現在のフレームが広帯域フレームであるならば、そして、もし第１広帯域復号化ステージに関連付けられた利得が受信されていた場合（図５におけるブロック５０１）、及び先行するフレームも同様に広帯域フレームである場合、その場合に、カウンタは、１つだけインクリメントされると共に、値“ＭＡＸ＿ＣＯＵＮＴ＿ＲＣＶ”で飽和状態になる。この値は、その間に、広帯域復号化信号が電話帯域ビットレートと広帯域ビットレートとの間で切り替わる間に減衰されることになるフレームの数に対応する。

対照的に、もし受信された現在のフレームが電話帯域のフレームであるならば、いくつかの可能な動作がある。もし先行するフレームが同様に電話帯域フレームであったならば、カウンタは、“０”に設定される。もしそうでなければ、そしてもし先行するフレームが広帯域フレームであり、更にカウンタが“ＭＡＸ＿ＣＯＵＮＴ＿ＲＣＶ”より小さい値を有するならば、カウンタは、同様に“０”に設定される。全ての他の状況において、カウンタは以前の値に留まる。

このフローチャートの機能は、図８の表において要約される。減衰係数によって使用される値は、“ＭＡＸ＿ＣＯＵＮＴ＿ＲＣＶ”が値“１００”を有するとき、図９の表において示されると共に、このテーブルは、一例として提供される。電話帯域における復号化を拡張する段階に対応して、フレーム６５まで減衰係数が“０”で保持される点に注意が必要である。固有の遷移段階が、減衰係数を次第に増加することによって、フレーム６６から達成される。

図６を参照して説明されたように、ブロック２１９は、本発明に従った変換によって、予測符号化による強化階層の適応減衰を達成する。

この図は、予測変換復号化階層の適応減衰の手順のフローチャートである。第一に、この階層のスペクトル包絡線の全部が受信されたか否かが検証される（６０１）。もしそうであるならば、その場合に、０［Ｈｚ］〜３５００［Ｈｚ］の低帯域補正ＭＤＣＴ補正係数は、受信された広帯域フレームのカウンタと図９の減衰表を使用して減衰される（６０２）。

そして、両方の場合において、受信された広帯域フレームの数が監視される（６０３）。もしその数が“ＭＡＸ＿ＣＯＵＮＴ＿ＲＣＶ”より少ない場合、情報の伝送による帯域拡張を備える第１広帯域復号化ステージに対応するＭＤＣＴ係数は、予測変換復号化ステージのために使用される（６０５）。対照的に、もしカウンタが最大値を有するならば、その場合に、復号化されたスペクトル包絡線を有する予測変換復号化帯域のエネルギーを均一にするための手順が実行される（６０４）。

４階層のビットレートスケーラブル及び帯域幅スケーラブル符号器の図である。 図１が提供する符号器と関連付けられた本発明の復号器の図である。 図１の符号器と関連付けられたビットストリームの構造を示す図である。 本発明の復号器の電話帯域における後処理された信号と後処理されない信号との間の切り替えの方法のフローチャートである。 本発明による電話帯域と帯域拡張による広帯域との間の切り替えのための方法のフローチャートである。 本発明による電話帯域と予測変換復号化階層による広帯域との間の切り替えのための方法のフローチャートである。 本発明の方法による、ビットレートの間及び帯域の間の切り替えのための、受信された広帯域フレームの計数を管理するための手順のフローチャートである。 図７のフローチャートの動作を要約する表である。 電話帯域から広帯域への切り替えのための適応減衰係数を示す表である。

符号の説明

１０１ ハイパスフィルタ処理
１０２ アンダーサンプリング
１０３ コア符号器
１０４ 第１の拡張階層の復号化
１０５ オーバーサンプリング及びローパスフィルタ処理
１０６ 広帯域への帯域拡張
１０７ 合成信号
１０８ 遅延された入力信号
１０９、１１１ 知覚的重み付けフィルタ
１１０、１１２ 変形離散的コサイン変換（ＭＤＣＴ）
１１３ ＭＤＣＴスペクトル
２０１ 逆多重化モジュール
２０２ コア復号器
２０３ 適応型後フィルタ処理
２０４ ハイパスフィルタ後処理
２０５ クロスフェードモジュール
２０６ オーバーサンプリング
２０７ フィルタ処理
２０８ 広帯域励振生成
２０９ スペクトルエンベロープ復号化
２１０ 合成フィルタ
２１１ ディエンファシスフィルタ
２１２ ハイパスフィルタ
２１３ 利得適応ブロック
２１４ 乗算
２１５ 加算
２１６ 知覚的重み付けフィルタ
２１７ ＭＤＣＴ
２１８ 復号化及び逆量子化
２１９ 適応減衰ブロック
２２０ 逆ＭＤＣＴ
２２１ 重み付けされた合成フィルタ

Claims (14)

1. マルチレートオーディオ符号化システムによって符号化されたオーディオ信号の復号化の際のビットレートの切り替え方法であって、
   復号化信号から、第１信号及び第２信号と呼ばれる２つの信号が、クロスフェードモジュールの入力に供給され、前記２つの信号の内の少なくとも１つが後処理段階において後処理され、前記後処理が、異なるレートセットに適した後処理操作のセットの一部を形成すると共に、
   前記方法は、
   −第１のレートセットの中に含まれるレートにおける現在のフレームと第２のレートセットの中に含まれるレートにおける先行するフレームとの間のレートの切り替えを検出すると、出力信号を獲得するために、前記第２のレートセットに適した前記後処理に従って後処理がされた、または後処理がされなかった前記第２信号の重みを減らし、そして、前記第１のレートセットに適した前記後処理に従って後処理がされた、または後処理がされなかった前記第１信号の重みを増やすことによる重み付けによって、クロスフェード段階が実行され、
   −第２のレートセットの中に含まれるレートにおける現在のフレームと第１のレートセットの中に含まれるレートにおける先行するフレームとの間のレートの切り替えを検出すると、出力信号を獲得するために、前記第１のレートセットに適した前記後処理に従って後処理がされた、または後処理がされなかった前記第１信号の重みを減らし、そして、前記第２のレートセットに適した前記後処理に従って後処理がされた、または後処理がされなかった前記第２信号の重みを増やすことによる重み付けによって、クロスフェード段階が実行される
   ことを特徴とする方法。
2. 前記後処理操作の内の１つが、ハイパスフィルタ処理である
   ことを特徴とする請求項１に記載の方法。
3. 前記後処理操作の内の１つが、適応型後フィルタ処理である
   ことを特徴とする請求項１に記載の方法。
4. 前記後処理操作の内の１つが、ハイパスフィルタ処理と適応型後フィルタ処理との組み合わせである
   ことを特徴とする請求項１に記載の方法。
5. 前記クロスフェードモジュールの入力における単一の信号が後処理される
   ことを特徴とする請求項１に記載の方法。
6. 前記クロスフェードモジュールの入力における２つの信号が異なるレートセットに適した異なる後処理操作によって後処理される
   ことを特徴とする請求項１に記載の方法。
7. 請求項１から請求項６のいずれか一項に記載のビットレートの切り替え方法を実行することを特徴とするオーディオ信号のオーディオビットレートスケーラブル復号化システム。
8. 請求項１から請求項６のいずれか一項に記載のビットレートの切り替え方法を実行するオーディオビットレートスケーラブル及び帯域幅スケーラブル復号化システムであって、
   前記システムが、
   その中で第１のレートが第１の周波数帯域で獲得される第１の復号化手段と、
   その中で第２のレートが獲得され、前記第１の周波数帯域を第２の周波数帯域に拡張する手段として見なされる第２の復号化手段と
   を備えることを特徴とするオーディオビットレートスケーラブル及び帯域幅スケーラブル復号化システム。
9. マルチレートオーディオ復号器であって、
   前記復号器が、復号化信号から獲得された第１信号と第２信号を入力として受け取るクロスフェードモジュールを備え、前記２つの信号の内の少なくとも１つが、異なるレートセットに適した後処理操作のセットが提供する後処理を受けると共に、
   前記クロスフェードモジュールは、
   −第１のレートセットの中に含まれるレートにおける現在のフレームと第２のレートセットの中に含まれるレートにおける先行するフレームとの間のレートの切り替えを検出すると、前記クロスフェードモジュールからの出力信号を獲得するために、前記第２のレートセットに適した前記後処理操作に従って後処理がされた、または後処理がされなかった前記第２信号の重みを減らし、そして、前記第１のレートセットに適した前記後処理操作に従って後処理がされた、または後処理がされなかった前記第１信号の重みを増やすことによる重み付けによって、クロスフェードを実行することができ、
   −第２のレートセットの中に含まれるレートにおける現在のフレームと第１のレートセットの中に含まれるレートにおける先行するフレームとの間のレートの切り替えを検出すると、前記クロスフェードモジュールからの出力信号を獲得するために、前記第１のレートセットに適した前記後処理操作に従って後処理がされた、または後処理がされなかった前記第１信号の重みを減らし、そして、前記第２のレートセットに適した前記後処理操作に従って後処理がされた、または後処理がされなかった前記第２信号の重みを増やすことによる重み付けによって、クロスフェードを実行することができる
   ことを特徴とするマルチレートオーディオ復号器。
10. 前記後処理操作の内の少なくとも１つが、ハイパスフィルタ処理である
    ことを特徴とする請求項９に記載の復号器。
11. 前記後処理操作の内の少なくとも１つが、適応型後フィルタ処理である
    ことを特徴とする請求項９に記載の復号器。
12. 前記後処理操作の内の少なくとも１つが、ハイパスフィルタ処理と適応型後フィルタ処理との組み合わせである
    ことを特徴とする請求項９に記載の復号器。
13. 前記クロスフェードモジュールの入力における単一の信号が後処理される
    ことを特徴とする請求項９に記載の復号器。
14. 前記クロスフェードモジュールの入力における２つの信号が異なるレートセットに適した異なる後処理操作によって後処理される
    ことを特徴とする請求項９に記載の復号器。

Images