JPH11202900A - 音声データ圧縮方法及びそれを適用した音声データ圧縮システム - Google Patents

Abstract

(57)【要約】 【課題】 音声データを圧縮する際に品質を損うこと無
く簡易に圧縮符号化のデータ量及び処理量を軽減し得る
音声データ圧縮システムを提供すること。 【解決手段】 このシステムは、アナログ音声データと
して原音データを入力してデジタルデータに変換処理す
るＡ／Ｄ変換処理部１１、そのデジタルデータをサンプ
リング処理するサンプリング処理部１２、及びサンプリ
ング処理された原音データを符号化して圧縮データを生
成する圧縮符号化部１３以外に、原音データの周波数成
分の分布を判別した結果に基づいてサンプリング処理時
のサンプリング周波数を可変設定制御するサンプリング
周波数制御部１４を備える。サンプリング周波数制御部
１４では周波数成分の分布判別結果として取得した成分
情報に応じて最適なサンプリング周波数を選択し、サン
プリング処理部１２は選択された最適なサンプリング周
波数に基づいて簡略的にサンプリング処理を行う。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、主としてパーソナ
ルコンピュータ等の音声圧縮に適用されると共に、元の
オーディオデータを圧縮する際のサンプリング周波数を
可変にして可変サンプリングレート符号化する音声デー
タ圧縮方法及びそれを適用した音声データ圧縮システム
に関する。

【０００２】

【従来の技術】従来、パーソナルコンピュータ（ＰＣ）
では、画像や音声を扱う際、データ量をより少なく扱う
ためにデータの圧縮・伸張技術が用いられている。こう
した技術の中でも一般的によく知られているのがＭＰＥ
Ｇ圧縮と呼ばれるアルゴリズムである。このＭＰＥＧ圧
縮は大容量のデータより少なく扱うための技術であり、
圧縮率を高くする程、データ量は少なくなって質が悪く
なり、逆に圧縮率を低くする程、データ量及び処理は多
くなって質が良くなるという性質がある。

【０００３】例えばＭＰＥＧ２の場合、主な圧縮レベル
として、画像は６Ｍｂｐｓ（ｂｉｔ／ｓｅｃ）のフレー
ムレート、音声は４４．１ｋＨｚのサンプリングレート
が用いられる。この数値の基準となっているのは、現行
テレビ並みの画質であり、コンパクトディスク並みの音
質である。

【０００４】一般に画像の場合、画面の動き（場面の変
化）の激しさとビットレートの値とによって画質が変わ
る。画面の動きの少ないところではビットレートを低く
しても画質は殆ど劣化しないが、動きの激しいところで
は非常に汚い画質になってしまう。換言すれば、動きの
少ない場面では多くのデータ量を必要とせず、ビットレ
ートを低くしても画質に問題は生じないが、逆に動きの
激しい場面ではデータ量を多くしないと画質が劣ってし
まい、非常に見難い画像となってしまう。

【０００５】そこで、考え出されたのが可変ビットレー
ト処理というアルゴリズムであり、これは動きの激しい
場面では高いビットレートで圧縮し、動きの少ない場面
では低いビットレートで圧縮するというものである。

【０００６】このように、画像に関しては上述したよう
に、必要性に応じてビットレートを変更してデータ量及
び処理をより少なくする手段が適用されている。

【０００７】一方、音声に関しては比較的処理が少ない
ため、一定のサンプリング周波数で圧縮されている。音
声自体の速度を変化（高速化／低速化）させる技術とし
て、最も一般的なものは時間領域調和スケーリング（Ｔ
ＤＨＳ：Ｔｉｍｅ Ｄｏｍａｉｎ Ｄｏｍａｉｎ Ｈａ
ｒｍｏｎｉｃ Ｓｃａｌｉｎｇ）である。

【０００８】このＴＤＨＳでは、音声データがピッチ周
期に分類される。ピッチ周期は、隣接間隔の間で高速な
ピッチ類似性が存在するように十分に小さい。音声デー
タが再生される際、所望の再生レートを生成するよう
に、ピッチ周期が必要な回数追加されるか、又は抜き去
られ、音声ピッチの歪みは殆ど感じられない。

【０００９】入力信号長と出力信号長との比として定義
される所望の音声レートに対し、周期Ｔがその期間内で
ＴＤＨＳ処理が１度実行されるように定義される。周期
Ｔは音声がデジタル的に符号化される場合、音声フレー
ムを再生するために要する時間でもあり、音声フレーム
は通常１／３０秒の固定周期内に収集されるサンプルか
ら成る。

【００１０】こうしたＴＤＨＳの詳細な技術は、例えば
特開平７−３０３２４０号公報に開示されたデジタル記
録音声及びビデオの同期式可変速度再生に記載されてい
るように、Ｄ．Ｍａｌａｈ による論文“Ｔｉｍｅ−Ｄ
ｏｍａｉｎ Ａｌｇｏｒｉｔｈｍｓ ｆｏｒ Ｈａｒｍ
ｏｎｉｃ Ｂａｎｄｗｉｄｔｈ Ｒｅｄｕｃｔｉｏｎａ
ｎｄ Ｔｉｍｅ Ｓｃａｌｉｎｇ ｏｆ Ｓｐｅｅｄ
Ｓｉｇｎａｌｓ”（ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎ
ｓ ｏｎ Ａｃｏ ｕｓｔｉｃｓ，Ｓｐｅｅｃｈ，ａｎ
ｄ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ，Ｖｏｌ．Ａ
ＳＳＰ−２７，ｐｐ．１２１−１３３，１９７９）で述
べられ、又米国特許第４８９０３２５号でも述べられて
いる。

【００１１】又、特公昭５９−３７６０号公報に開示さ
れた音声蓄積再生装置は、電話交換サービスにおける音
声の符号化・復号化に際し、通話品質の劣化，再生時に
早送りのサービスができないという従来の欠点を解消す
るため、符号化におけるサンプリング周波数及び復号化
における再生スピードをサービスに応じて選択できる音
声蓄積再生装置を提案している。この技術は、サービス
に応じて転送制御装置から制御することにより、クロッ
ク・レートを任意に変更する制御手段を符号復号装置内
に設け、蓄積時の符号化のビット・レート及びそれに対
応する再生時の複合化のビット・レートを各々独立に可
変することを特徴としている。

【００１２】因みに、音声並びに画像の圧縮やそれに際
してのサンプリング処理に関連するその他の周知技術と
しては、特開昭５６−３６７００号公報に開示された音
声発生装置，特開昭６４−１０７１７号公報に開示され
た音質調整装置，特開平４−３８７６７号公報に開示さ
れた音声録音再生方法，特開平７−１５４４４１号公報
に開示されたディジタル無線受信方法および装置，特開
平８−１７２６４５号公報に開示された立体情報記録媒
体及びその立体情報記録装置，特開平８−２０５０９２
号公報に開示されたコンピュータシステム等が挙げられ
る。

【００１３】

【発明が解決しようとする課題】上述したように、動画
像・音声データを符号化圧縮する際、画像に関してはデ
ータをより少なく、質を劣化させることなく、効率的に
圧縮するために可変長符号化技術が用いられ、比較的デ
ータ量や処理量が少ない音声に関しては一定のサンプリ
ング周波数での符号化圧縮を行っているが、圧縮技術を
主として用いるパーソナルコンピュータ（ＰＣ）等では
あらゆる処理のソフトウェア（Ｓ／Ｗ）化が進むに伴っ
て中央処理演算装置（ＣＰＵ）に対する負荷が深刻化さ
れて重視されており、データ量の少ない音声データでも
それなりに大きなデータ量になってしまうため、特に音
声圧縮の処理を如何に軽減するかということが問題とな
っている。

【００１４】又、特公昭５９−３７６０号公報記載の音
声蓄積再生装置の場合、電話サービスに対して行われる
音声データの符号化に際するサンプリング周波数の可変
方法として、サービス内容（話中時の伝言サービス，不
特定多数の人に対して行う広報サービス等）に応じてサ
ンプリング周波数を変更しており、サンプリング周波数
の指定をサービスの種別毎に固定しておくか、又はサー
ビスを開始する際に使用者が指定するようにしている
が、このような方法によれば、１つのサービス内でフレ
キシブルにサンプリング周波数を変更することはでき
ず、又サービスを開始する際に使用者が指定するときに
は使用者がその都度設定しなくてはならないという煩雑
さが問題となっている。

【００１５】本発明は、このような問題点を解決すべく
なされたもので、その技術的課題は、音声データを圧縮
する際に品質を損うこと無く簡易に圧縮符号化のデータ
量及び処理量を軽減し得る音声データ圧縮方法及びそれ
を適用した音声データ圧縮システムを提供することにあ
る。

【００１６】

【課題を解決するための手段】本発明によれば、音声デ
ータとしてオーディオデータを圧縮処理する音声データ
圧縮方法において、オーディオデータの圧縮処理に際し
て入力した原音データの周波数成分の分布を判別する周
波数成分判別過程を含む音声データ圧縮方法が得られ
る。

【００１７】又、本発明によれば、上記音声データ圧縮
方法において、オーディオデータの圧縮処理に際して原
音データの周波数成分の分布判別結果に基づいてサンプ
リング周波数を可変にする可変サンプリング周波数過程
を含む音声データ圧縮方法が得られる。

【００１８】更に、本発明によれば、上記音声データ圧
縮方法において、周波数成分判別過程では周波数成分の
分布判別結果として成分情報を取得し、可変サンプリン
グ周波数過程では成分情報に応じて最適なサンプリング
周波数を選択する音声データ圧縮方法が得られる。

【００１９】加えて、本発明によれば、上記音声データ
圧縮方法において、選択された最適なサンプリング周波
数に基づいて簡略的にサンプリング処理を行うサンプリ
ング処理過程を含む音声データ圧縮方法が得られる。

【００２０】一方、本発明によれば、アナログデータに
よる音声データとして原音データを入力してデジタルデ
ータに変換処理するＡ／Ｄ変換処理部と、デジタルデー
タの原音データをサンプリング処理するサンプリング処
理部と、サンプリング処理された原音データを符号化し
て圧縮データを生成する圧縮符号化部とを備えた音声デ
ータ圧縮システムにおいて、原音データの周波数成分の
分布を判別した結果に基づいてサンプリング処理に際し
てのサンプリング周波数を可変設定制御するサンプリン
グ周波数制御部を備えた音声データ圧縮システムが得ら
れる。

【００２１】他方、本発明によれば、上記音声データ圧
縮システムにおいて、サンプリング周波数制御部は、周
波数成分の分布判別結果として取得した成分情報に応じ
て最適なサンプリング周波数を選択し、サンプリング処
理部は、選択された最適なサンプリング周波数に基づい
て簡略的にサンプリング処理を行う音声データ圧縮シス
テムが得られる。

【００２２】

【発明の実施の形態】以下に実施例を挙げ、本発明の音
声データ圧縮方法及びそれを適用した音声データ圧縮シ
ステムについて、図面を参照して詳細に説明する。

【００２３】最初に、本発明の音声データ圧縮方法の概
要を簡単に説明する。この音声データ圧縮方法は、音声
データとしてオーディオデータを圧縮処理する際、入力
した原音データの周波数成分の分布を判別する周波数成
分判別過程と、原音データの周波数成分の分布判別結果
に基づいてサンプリング（標本化）周波数を可変にする
可変サンプリング周波数過程とを実行するものである。

【００２４】但し、周波数成分判別過程では周波数成分
の分布判別結果として成分情報を取得し、可変サンプリ
ング周波数過程では成分情報に応じて最適なサンプリン
グ周波数を選択するようにする。この結果、引き続いて
選択された最適なサンプリング周波数に基づいて簡略的
にサンプリング処理を行うサンプリング処理過程と、簡
略的にサンプリング処理された原音データを符号化して
圧縮データを生成する圧縮符号化処理過程とが実行さ
れ、可変サンプリングレート符号化により音声データを
圧縮する際に品質を損うこと無く圧縮符号化のデータ量
及び処理量を軽減できるものとなる。

【００２５】即ち、この音声データ圧縮方法では、オー
ディオデータの圧縮処理に際して入力した原音データの
周波数成分の分布を判別した結果として成分情報を取得
し、この成分情報に応じて最適なサンプリング周波数を
選択するように、サンプリング処理に際してのサンプリ
ング周波数を可変するため、例えばパーソナルコンピュ
ータ等のディジタルデータ処理システムにおいて、ＭＰ
ＥＧ等のディジタルデータ圧縮処理を行う際、場面に応
じて必要とされる適当な音質を得るためのサンプリング
周波数により簡略的にサンプリング処理を行って無駄の
無い圧縮処理を行うことができる。又、生成される圧縮
データに関しても、最適なサンプリング周波数によって
サンプリング処理を行うため、高品質なデータを必要と
する場面では高周波のサンプリング周波数によりサンプ
リング処理を行い、品質を要求されない場面では低周波
のサンプリング周波数によりサンプリング処理を行うこ
とになり、それによって圧縮符号化のデータ量が軽減さ
れ、一定の高サンプリング周波数で処理した場合に比べ
て処理量も軽減される。

【００２６】図１は、上述した本発明の音声データ圧縮
方法を適用した一実施例に係る音声データ圧縮システム
の基本構成を示したブロック図である。

【００２７】この音声データ圧縮システムは、既存の圧
縮符号化に必要とされるアナログデータによる音声デー
タとして原音データを入力してデジタルデータに変換処
理するＡ／Ｄ変換処理部１１と、デジタルデータの原音
データをサンプリング処理するサンプリング処理部１２
と、サンプリング処理された原音データを符号化して圧
縮データを生成する圧縮符号化部１３とを備える他、原
音データの周波数成分の分布を判別した結果に基づいて
サンプリング処理に際してのサンプリング周波数を可変
設定制御するサンプリング周波数制御部１４を備えてい
る。

【００２８】このサンプリング周波数制御部１４の基本
機能は、後文で説明するようにユーザが場面毎に任意に
サンプリング周波数を変更するためのものであり、ソフ
トウェア（Ｓ／Ｗ）によって具現されるものであるが、
ここでは具体的な動作として周波数成分の分布判別結果
として取得した成分情報に応じて最適なサンプリング周
波数を選択する。これにより、サンプリング処理部１２
では選択された最適なサンプリング周波数に基づいて簡
略的にサンプリング処理を行い、圧縮符号化部１３では
簡略的にサンプリング処理された原音データを符号化し
て圧縮データを生成することによる可変サンプリングレ
ート符号化が実行されることになる。

【００２９】図２は、この音声データ圧縮システムにお
ける可変サンプリングレート符号化を説明するために原
音データと圧縮データ（拡大）とのサンプリング周波数
割り当ての相対を例示したものである。尚、図中のＡＡ
Ｕはオーディオ復号単位（Ａｕｄｉｏ Ａｃｃｅｓｓ
Ｕｎｉｔ）を示す。

【００３０】ここで、ユーザは原音を圧縮する際に、サ
ンプリング周波数制御部１４において原音の場面毎に任
意のサンプリング周波数を設定し、具体的には原音デー
タの内容に応じてユーザがサンプリング周波数を任意に
割り当ててサンプリング処理部１２でサンプリング処理
を行わせるようにする。圧縮符号化部１３で生成される
圧縮データは、通常或る特定の単位毎に生成し、原音デ
ータの場面の切り替わりとは必ずしも一致しないため、
図示のように原音データの場面の切り替わりを示す点線
と圧縮データの単位の区切りを示す点線とはずれが生じ
る。

【００３１】ここでは、映画やドラマ等のオーディオデ
ータを圧縮符号化しようとした場合、原音データが図示
のように音楽の場面，人の声の場面，無音の場面，車が
走り抜ける（車の音の）場面等で構成される場合を仮定
し、品質が重視されない場面には低いサンプリング周波
数を設定し、高品質であることが重視される場面には高
いサンプリング周波数を割り当てる。即ち、無音の場面
や車が通り過ぎるだけの場面等には高いサンプリング周
波数が必要でないため、そういう場面には低いサンプリ
ング周波数を設定する。

【００３２】このようなオーディオデータの場合、サン
プリング周波数として、高品質を要求される音楽の場面
には、ＣＤ（コンパクトディスク）並みの４４．１ｋＨ
ｚを設定するが、中程度の質が必要になる人の声の場面
には１６ｋＨｚ（又は３２ｋＨｚ）を割り当て、無音の
場面や車の音等の音質が低くても良い場面には低周波数
の８ｋＨｚを設定する。但し、上述したように圧縮デー
タの単位に対して場面の切り替わりは、あくまでも同期
するものではないため、場面が跨がってしまうものに対
しては幅を多めにして高い方の周波数を設定する。

【００３３】即ち、音声データ圧縮システムでは、原音
データが入力されたＡ／Ｄ変換処理部１１でＡ／Ｄ変換
したデータをサンプリング処理部１２でサンプリング処
理する際、サンプリング周波数制御部１４においてユー
ザが設定したサンプリング周波数の設定値に従ってサン
プリング処理が行われる。このサンプリング周波数の設
定処理は、サンプリング周波数の値が変わる都度行われ
るが、同じ周波数が設定されていれば、この設定制御が
行われずに前に設定されているサンプリング周波数のま
まサンプリング処理が行われる。

【００３４】この後、圧縮符号化部１３で原音データに
対する圧縮符号化を行い、ＡＡＵ単位毎に付加されてい
るヘッダ内のサンプリング周波数を記述するビットに設
定されているサンプリング周波数を記述する。

【００３５】ところで、この圧縮データを伸張（再生）
する場合には、そのヘッダ部分に記述されているサンプ
リング周波数により伸張・再生処理を行う。これによ
り、場面に適した音声の再生が可能となる。

【００３６】図３は、図２で示した原音データを圧縮し
た場合の圧縮データの内容（サンプリング周波数）と実
際のデータ量との相対関係を示したもので、同図（ａ）
は従来の方法（例えばサンプリング周波数４４．１ｋＨ
ｚで一定とする）で圧縮した場合に関するもの，同図
（ｂ）は本発明の方法（可変サンプリング周波数）で圧
縮した場合に関するものである。

【００３７】図３（ａ）を参照すれば、従来の方法では
サンプリング周波数が一定であるため、ＡＡＵ単位のデ
ータ量が全て４４．１ｋＨｚでサンプリング処理を行っ
た状態の量になっているが、図３（ｂ）を参照すれば、
各場面毎に最低８ｋＨｚ，最高４４．４１ｋＨｚのサン
プリング周波数を可変させて割り当てたため、低いサン
プリング周波数のデータの箇所はデータ量が少なくなっ
ている。

【００３８】このように、場面に適したサンプリング周
波数を可変的に設定して原音データに対して圧縮符号化
を行うことにより、圧縮符号化部１４で圧縮符号化され
るデータ量を少なくすることができ、それに伴う処理も
少なくなる。圧縮データの質としては、低いサンプリン
グ周波数を設定された場面では悪くなってしまうが、上
述したように無音の場面や車の音だけの場面では、音が
多少悪くても気になるものではなく、データ処理上にお
いて都合が良いものとなるが、逆に無音の場面において
高いサンプリング周波数によりサンプリング処理を行う
ことはデータ処理上において無駄であり、不都合であ
る。

【００３９】

【発明の効果】以上に説明したように、本発明によれ
ば、オーディオデータの圧縮処理に際して入力した原音
データの周波数成分の分布を判別した結果として成分情
報を取得し、この成分情報に応じて最適なサンプリング
周波数を選択するように、サンプリング処理に際しての
サンプリング周波数を可変するため、例えば場面に応じ
てサンプリング周波数を変更し、品質が重視される場面
では高品質の圧縮データを生成し、無音を含む品質が重
視されない場面では低品質の圧縮データを生成する等、
サンプリング処理の無駄を無くして場面に適した品質の
圧縮データを生成でき、従来のように一定のサンプリン
グ周波数を用いてサンプリング処理を行ったときに比べ
て圧縮符号化のデータ量及び処理量を軽減させることが
できるようになる。

【図面の簡単な説明】

【図１】本発明の音声データ圧縮方法を適用した一実施
例に係る音声データ圧縮システムの基本構成を示したブ
ロック図である。

【図２】図１に示す音声データ圧縮システムにおける可
変サンプリングレート符号化を説明するために原音デー
タと圧縮データとのサンプリング周波数割り当ての相対
を例示したものである。

【図３】図２に示した原音データを圧縮した場合の圧縮
データの内容（サンプリング周波数）と実際のデータ量
との相対関係を示したもので、（ａ）は従来の方法（例
えばサンプリング周波数４４．１ｋＨｚで一定とする）
で圧縮した場合に関するもの，（ｂ）は本発明の方法
（可変サンプリング周波数）で圧縮した場合に関するも
のである。

【符号の説明】

１１ Ａ／Ｄ変換処理部 １２ サンプリング処理部 １３ 圧縮符号化部 １４ サンプリング周波数制御部

Claims (6)

【特許請求の範囲】
1. 【請求項１】 音声データとしてオーディオデータを圧
   縮処理する音声データ圧縮方法において、前記オーディ
   オデータの圧縮処理に際して入力した原音データの周波
   数成分の分布を判別する周波数成分判別過程を含むこと
   を特徴とする音声データ圧縮方法。
2. 【請求項２】 請求項１記載の音声データ圧縮方法にお
   いて、前記オーディオデータの圧縮処理に際して前記原
   音データの周波数成分の分布判別結果に基づいてサンプ
   リング周波数を可変にする可変サンプリング周波数過程
   を含むことを特徴とする音声データ圧縮方法。
3. 【請求項３】 請求項２記載の音声データ圧縮方法にお
   いて、前記周波数成分判別過程では前記周波数成分の分
   布判別結果として成分情報を取得し、前記可変サンプリ
   ング周波数過程では前記成分情報に応じて最適なサンプ
   リング周波数を選択することを特徴とする音声データ圧
   縮方法。
4. 【請求項４】 請求項３記載の音声データ圧縮方法にお
   いて、前記選択された最適なサンプリング周波数に基づ
   いて簡略的にサンプリング処理を行うサンプリング処理
   過程を含むことを特徴とする音声データ圧縮方法。
5. 【請求項５】 アナログデータによる音声データとして
   原音データを入力してデジタルデータに変換処理するＡ
   ／Ｄ変換処理部と、前記デジタルデータの原音データを
   サンプリング処理するサンプリング処理部と、前記サン
   プリング処理された原音データを符号化して圧縮データ
   を生成する圧縮符号化部とを備えた音声データ圧縮シス
   テムにおいて、前記原音データの周波数成分の分布を判
   別した結果に基づいて前記サンプリング処理に際しての
   サンプリング周波数を可変設定制御するサンプリング周
   波数制御部を備えたことを特徴とする音声データ圧縮シ
   ステム。
6. 【請求項６】 請求項５記載の音声データ圧縮システム
   において、前記サンプリング周波数制御部は、前記周波
   数成分の分布判別結果として取得した成分情報に応じて
   最適なサンプリング周波数を選択し、前記サンプリング
   処理部は、前記選択された最適なサンプリング周波数に
   基づいて簡略的にサンプリング処理を行うことを特徴と
   する音声データ圧縮システム。