JP4369140B2 - Audio high-efficiency encoding apparatus, audio high-efficiency encoding method, audio high-efficiency encoding program, and recording medium therefor - Google Patents
Audio high-efficiency encoding apparatus, audio high-efficiency encoding method, audio high-efficiency encoding program, and recording medium therefor Download PDFInfo
- Publication number
- JP4369140B2 JP4369140B2 JP2003037702A JP2003037702A JP4369140B2 JP 4369140 B2 JP4369140 B2 JP 4369140B2 JP 2003037702 A JP2003037702 A JP 2003037702A JP 2003037702 A JP2003037702 A JP 2003037702A JP 4369140 B2 JP4369140 B2 JP 4369140B2
- Authority
- JP
- Japan
- Prior art keywords
- band
- zero
- scale factor
- data
- difference
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Compression, Expansion, Code Conversion, And Decoders (AREA)
Abstract
Description
【０００１】
【発明の属する技術分野】
本発明は、オーディオ信号をスペクトルデータに変換し、可変長符号化を用いてスペクトルデータを高能率符号化するオーディオ高能率符号化装置、オーディオ高能率符号化方法、オーディオ高能率符号化プログラム及びその記録媒体に関する。
【０００２】
【従来の技術】
近年、オーディオ信号をスペクトルデータに変換し、可変長符号化を用いてスペクトルデータを符号化することにより、符号化効率を改善したオーディオ高能率符号化方法が提案されている。
【０００３】
このようなオーディオ高能率符号化方法としては、ＭＰＥＧ−２ ＡＡＣ（Advanced Audio Coding）の規格書（非特許文献１参照）に記載されたものが知られている。以下では、前記非特許文献１記載のＭＰＥＧ−２ ＡＡＣ（以下ＡＡＣと略す）のローコンプレキシティプロファイル（Low Complexity Profile）を例にとって、可変長符号化を用いてスペクトルデータを高能率符号化する従来の技術について説明する。
【０００４】
図１３は、従来のＡＡＣエンコーダの構成を示すブロック図である。このＡＡＣエンコーダには、フィルタバンク１０１、１０２、インテンシティステレオデータ生成部１１０、ミッドサイド（Ｍ／Ｓ）ステレオデータ生成部１２０、量子化部１３０、符号化部１４０が設けられている。このような構成のＡＡＣエンコーダの動作について説明する
【０００５】
フィルタバンク１０１に入力された左チャンネル（Ｌｃｈ）の時間軸のオーディオ信号は、所定の時間サンプル、即ち長変換ブロックの場合２０４８サンプルで、短変換ブロックの場合２５６サンプルからなる変換ブロックに分割される。そして、ＭＤＣＴ（Modified Discrete Cosine Transform，変形離散コサイン変換）によりスペクトルデータ（ＭＤＣＴ係数）に変換される。この変換は変換ブロックを５０％ずつオーバーラップして実行し、長変換ブロックの場合には２０４８サンプルを１０２４本のスペクトルデータに変換する。また、短変換ブロックの場合には２５６サンプルを１２８本のスペクトルデータに変換する。
【０００６】
８個連続で短変換ブロックを変換することにより、短変換ブロックの出力スペクトルデータの本数を８×１２８＝１０２４本として、長変換ブロックと一致させる。このチャンネル当り１０２４本のスペクトルデータが符号化の単位である。次に、１０２４本のスペクトルデータは、人間の耳の臨界帯域特性を模擬したスケールファクタバンドと呼ばれるバンド単位にグループ化される。
【０００７】
同様に、フィルタバンク１０２に入力された右チャンネル（Ｒｃｈ）の時間軸のオーディオ信号は、変換ブロックに分割され、ＭＤＣＴにより１０２４本のスペクトルデータに変換される。次に、１０２４本のスペクトルデータはスケールファクタバンド単位にグループ化される。
【０００８】
インテンシティステレオデータ生成部１１０は、スケールファクタバンド単位でインテンシティステレオ処理の有無情報を出力すると共に、インテンシティステレオ処理を行うスケールファクタバンドに対しては、左チャンネルのインテンシティステレオ処理されたスペクトルデータと、２つのチャンネルの位相関係を示す情報と、左チャンネルに対する右チャンネルの指向性ゲインを示すインテンシティステレオポジションとを算出して出力する。またインテンシティステレオデータ生成部１１０は、インテンシティステレオ処理を行わないスケールファクタバンドに対しては、左右のチャンネルのスペクトルデータをそのまま出力する。
【０００９】
左チャンネルのインテンシティステレオ処理されたスペクトルデータは、左チャンネルと右チャンネルのスペクトルデータの和（２つのチャンネルの位相関係が同相の場合）、あるいは差（２つのチャンネルの位相関係が逆相の場合）を、そのパワーレベルが左チャンネルの元のパワーレベルと一致するようにゲインを補正することにより生成される。そして右チャンネルのスペクトルデータは零に設定される。なお、この零スペクトルデータは符号化データとしては伝送されない。
【００１０】
ミッドサイドステレオデータ生成部（Ｍ／Ｓステレオデータ生成部）１２０は、スケールファクタバンド単位でミッドサイドステレオ処理の有無情報と、ミッドサイドステレオ処理ありの場合にはミッドサイドステレオ処理されたミッドスペクトルデータ及びサイドスペクトルデータとを生成する。ミッドスペクトルデータは左チャンネルと右チャンネルのスペクトルデータの和の１／２で生成され、左チャンネルのスペクトルデータとして出力される。また、サイドスペクトルデータは左チャンネルと右チャンネルのスペクトルデータの差の１／２で生成され、右チャンネルのスペクトルデータとして出力される。インテンシティステレオ処理とミッドサイドステレオ処理を共に行わないスケールファクタバンドの場合、左右のチャンネルにおける元のスペクトルデータがそのまま出力される。なお、インテンシティステレオ処理とミッドサイドステレオ処理とは排他的な関係にあり、一方の処理を選択すると他方の処理を選択することはできない。
【００１１】
量子化部１３０は、スケールファクタバンド単位でスペクトルデータのゲインを示すスケールファクタと、前記ゲインで正規化されたスペクトルデータとの量子化を行う。左右のチャンネルのスペクトルデータをスケールファクタバンド毎に、聴覚モデルに基づいてスペクトルデータのマスキングレベル、すなわち許容量子化ノイズレベルを算出し、算出された許容量子化ノイズレベルに基づいてスケールファクタと正規化されたスペクトルデータとの量子化を行う。
【００１２】
符号化部１４０では、量子化されたデータに対してハフマンコードによる可変長符号化を用いて符号化処理を行い、符号化データを生成して出力する。量子化部１３０と符号化部１４０の処理は、符号化データに必要なビット数を利用可能なビット数以下に調整するため、動作を繰り返して行うことにより実行される。
【００１３】
以下、符号化部１４０で生成する符号化データのフォーマットについて説明する。ステレオオーディオ信号の場合、符号化データは、２つのチャンネルで共通のデータとチャンネル毎に固有のデータとからなる。最初にチャンネル毎のデータについて説明する。チャンネル毎の主要な符号化データとしては、セクションデータ、スケールファクタデータ、符号化スペクトルデータの３つのデータがあげられる。
【００１４】
最初にセクションデータ（非特許文献１のsection＿data()）について説明する。セクションとは、同一のコードブックを使用するスケールファクタバンドの集合のことである。セクションデータは、セクションで使用するコードブック番号と、スケールファクタバンドを単位とするセクションの長さとからなるセクション毎のデータを、すべてのセクションに対して繰り返したものである。
【００１５】
ＡＡＣでは、量子化されたスペクトルデータの符号化にコードブック番号１から１１の１１種類のハフマンコードブックを用いる。また、特別なコードブック番号として、スケールファクタバンド内の量子化されたスペクトルデータがすべて零データであることを表すコードブック番号０、インテンシティステレオ処理で２つのチャンネルの位相関係が同相であることを表すコードブック番号１５、インテンシティステレオ処理で２つのチャンネルの位相関係が逆相であることを表すコードブック番号１４の３つのコードブック番号がある。
【００１６】
ＡＡＣでは、符号化効率を改善するため、零データを表すコードブック番号０のセクションのスケールファクタと量子化されたスペクトルデータは符号化データとして伝送されない。
【００１７】
上記したセクションデータのフォーマットから明らかなように、セクションの数が多いほどセクションデータに必要なビット数は増加する。したがって、複数のハフマンコードブックが選択可能な場合、セクションデータと符号化スペクトルデータとを合わせた合計の符号化データビット数が小さくなるようにコードブックを選択してセクションを形成する。このようにセクションを形成する処理をセクショニングと呼ぶ。セクショニングにより、スケールファクタバンド内のすべての量子化されたスペクトルデータが零でもコードブック番号０を使わない場合が発生する。
【００１８】
スケールファクタデータ（非特許文献１のscale＿factor＿data()）は、すべてのスケールファクタバンドに対してスケールファクタを符号化したデータと、インテンシティステレオポジションを符号化したデータとからなる。
【００１９】
スケールファクタはスケールファクタバンドの１．５ｄＢ単位のゲインを表し、スケールファクタの符号化は、スケールファクタバンド間のスケールファクタの差分をハフマンコードで可変長符号化することによってなされる。スケールファクタの符号化データは、初期値と可変長符号化されたスケールファクタの差分とからなる。可変長符号化するときのスケールファクタの差分は±６０以内である。
【００２０】
図１４及び図１５はスケールファクタの差分の可変長符号化に用いられるハフマンコードの符号長を示したものである。図１４及び図１５において、ｉｎｄｅｘはハフマンコードブックを参照する時のアドレスを表し、スケールファクタの差分に６０を加算した値である。またｄｓｆはスケールファクタの差分を表わし、ｌｅｎｇｔｈはハフマンコードの符号長（単位はビット）を表す。図１４はｉｎｄｅｘが０〜５９までの、図１５はｉｎｄｅｘが６０〜１２０までのｄｓｆとｌｅｎｇｔｈとを示す。図１５に示すように、ハフマンコードの符号長が最も短いときの差分（ｄｓｆ）は０で、符号長（ｌｅｎｇｔｈ）は１ビットである。
【００２１】
インテンシティステレオ処理されたスケールファクタバンドの右チャンネルでは、スケ−ルファクタデータとして、スケールファクタの代わりにインテンシティステレオポジションを伝送する。
【００２２】
インテンシティステレオポジションは、左チャンネルに対する右チャンネルの１．５ｄＢ単位の指向性ゲインを表す。インテンシティステレオポジションの符号化は、スケールファクタの符号化と同様な方法でなされる。すなわち、隣接するインテンシティステレオ処理されたスケールファクタバンドのインテンシティステレオポジションの差分を、スケールファクタと同一のハフマンコードブックを使って可変長符号化する。ただし、スケールファクタの差分の初期値は符号化データとして伝送されるのに対し、インテンシティステレオポジションの差分の初期値は常に０であり、伝送されない。
【００２３】
符号化スペクトルデータ（非特許文献１のspectral＿data()）は、セクションとして選択したハフマンコードブックを使って量子化されたスペクトルデータを符号化したデータである。ハフマンコードブック番号が零データを表す０、あるいはインテンシティステレオ処理を表す１４、１５の場合には、スペクトルデータは伝送されない。
【００２４】
次に２つのチャンネルで共通な符号化データとして、Ｍ／Ｓ有無・ＩＳ位相反転フラグ（非特許文献１のms＿used）と、ＭＳマスク（非特許文献１のms＿mask＿present）とについて以下に説明する。
【００２５】
Ｍ／Ｓ有無・ＩＳ位相反転フラグは、ミッドサイドステレオ処理の有無、あるいはインテンシティステレオ（ＩＳ）処理の位相反転の有無を表すフラグで、スケールファクタバンド当り１ビットのフラグである。具体的には次の状態を表す。
１）Ｍ／Ｓ有無・ＩＳ位相反転フラグ＝０
Ｍ／Ｓ処理なし、あるいはＩＳ処理の位相反転なし
２）Ｍ／Ｓ有無・ＩＳ位相反転フラグ＝１
Ｍ／Ｓ処理あり、あるいはＩＳ処理の位相反転あり
【００２６】
本フラグが、Ｍ／Ｓ処理の有無を表すか、ＩＳ処理の位相反転の有無を表すかは、右チャンネルのコードブック番号によって決定される。前記コードブック番号がインテンシティステレオ処理を表す場合はＩＳ処理の位相反転の有無を、そうでない場合はＭ／Ｓ処理の有無を表す。
【００２７】
ＭＳマスクは、Ｍ／Ｓ有無・ＩＳ位相反転フラグの符号化方法を表し、次の状態を表す。
１）ＭＳマスク＝０
すべてのＭ／Ｓ有無・ＩＳ位相反転フラグの値は０
２）ＭＳマスク＝１
バンド単位のＭ／Ｓ有無・ＩＳ位相反転フラグを伝送して指定
３）ＭＳマスク＝２
すべてのＭ／Ｓ有無フラグの値は１（ＩＳ位相反転フラグの値は０）
ＭＳマスクの値が０あるいは２の場合には、Ｍ／Ｓ有無・ＩＳ位相反転フラグは符号化データとして伝送されない。
【００２８】
図１６は、インテンシティステレオ処理された符号化データの例で、符号化データを説明するための図である。簡単のため、スケールファクタバンドの数は６としている。同図で、ｄｓｆはスケールファクタの差分（スケールファクタの差分の初期値は省略）、ｄｉｓｐはインテンシティステレオポジションの差分、ｓｄはスペクトルデータを表わす。また、「−」は該当するデータが伝送されないことを表す。
【００２９】
最初に左チャンネルのデータ（Ｌｃｈデータ）について説明する。この例では、セクションの数は３である。セクションデータを（コードブック番号，長さ）で表すと、セクションデータは（３，３），（０，１），（１，２）である。左チャンネルのスケールファクタバンド番号３のコードブック番号は０であり、スケールファクタデータの差分とスペクトルデータは伝送されない。
【００３０】
次に右チャンネルのデータ（Ｒｃｈデータ）について説明する。この例では、右チャンネルのセクションの数は３であり、セクションデータは、（３，２），（２，２）（１５，２）である。右チャンネルのスケールファクタバンド番号４と５のコードブック番号は１５で、インテンシティステレオ処理されていることを表す。インテンシティステレオ処理されたスケールファクタバンドでは、スケールファクタの差分の代わりにインテンシティステレオポジションの差分が伝送され、スペクトルデータは伝送されない。
【００３１】
左右のチャンネルの共通データについて説明する。この例では、ＭＳマスクの値が１であり、Ｍ／Ｓ有無・ＩＳ位相反転フラグが伝送される。右チャンネルのデータのコードブック番号から、スケールファクタバンド番号０から３のＭ／Ｓ有無・ＩＳ位相反転フラグはＭ／Ｓ処理の有無を表し、スケールファクタバンド番号４と５の前記フラグはＩＳ位相反転の有無を表す。
【００３２】
【非特許文献１】
ISO/IEC JTC1/SC29/WG11 N1650, "IS ISO/IEC 13818-7 (MPEG-2 Advanced Audio Coding, AAC)", 1997年4月, p.14-20, p.33-38, p.51-62, p.92-93, ANNEX B Informative Part p.57-68
【００３３】
【発明が解決しようとする課題】
しかしながら、上記従来の符号化方法では、バンド内の量子化されたスペクトルデータがすべて零であることを検出し、前記検出結果に基づいてデータを置き換えることにより、より少ないビット数で符号化データを生成するための部を備えていない。このため制限されたビットレートの環境下では符号化効率が劣化し、音質が劣化することがあるという課題があった。
【００３４】
本発明は上記問題点を解決するもので、符号化効率が向上した符号化データを生成することのできるオーディオ高能率符号化装置及びその方法を実現することを目的とする。すなわち、より少ないビット数で従来と同一の復号結果を得ることが可能な符号化データを生成すると共に、削減したビットを音質に寄与する他のデータに割り当て、音質を向上することのできるオーディオ高能率符号化装置、オーディオ高能率符号化方法、オーディオ高能率符号化プログラム及びその記録媒体を実現することを目的とする。
【００３５】
【課題を解決するための手段】
第１の発明は、スペクトルデータを、バンド単位のゲインを示すスケールファクタと前記ゲインで正規化されて量子化されたスペクトルデータとで表し、隣接するバンドのスケールファクタの差分を可変長符号化する符号化装置であって、バンド内のすべての前記量子化されたスペクトルデータが零であるか否かを検出する零検出部と、前記零であることが検出されたバンドのスケールファクタを、差分可変長符号化後に最も短い符号長となる値に置き換えるデータ置換部と、を備えたことを特徴とするオーディオ高能率符号化装置及びその方法である。
【００３６】
又第２の発明は、スペクトルデータを、バンド単位のゲインを示すスケールファクタと前記ゲインで正規化されて量子化されたスペクトルデータとで表し、隣接するバンドのスケールファクタの差分を可変長符号化する符号化装置であって、バンド内のすべての前記量子化されたスペクトルデータが零であるか否かを検出する零検出部と、前記零であることが検出されたバンドと隣接するバンドとのスケールファクタの差分が可変長符号化の最も短い符号長の値となるように、前記零であることが検出されたバンドのスケールファクタを別の値に置き換えるデータ置換部と、を備えたことを特徴とするオーディオ高能率符号化装置及びその方法である。
【００３９】
ここで可変長符号化の最も短い符号長の値を零とすることとしてもよい。
【００４２】
又第３の発明は、請求項４又は５記載のオーディオ高能率符号化方法を、コンピュータまたはデジタルシグナルプロセッサに実行させるためのプログラムである。
【００４３】
更に第４の発明は、請求項４又は５記載のオーディオ高能率符号化方法を、コンピュータまたはデジタルシグナルプロセッサに実行させるためのプログラムを記録したコンピュータ読み取り可能な記録媒体である。
【００４４】
【発明の実施の形態】
以下、本発明の実施の形態について、図面を参照しながら説明する。各実施の形態の説明では、本発明のオーディオ高能率符号化方法をＡＡＣエンコーダに適用した場合を例として説明する。
【００４５】
最初に本発明の各実施の形態におけるオーディオ高能率符号化方法に共通で、特徴的なポイントについてまとめて説明し、次に各実施の形態について固有の特徴的なポイントについて個々に説明する。
【００４６】
図１は、本発明の実施の形態におけるオーディオ高能率符号化方法によるＡＡＣエンコーダの構成を示すブロック図である。図１に示すＡＡＣエンコーダは、フィルタバンク１０１、１０２、インテンシティステレオデータ生成部１１０、ミッドサイド（Ｍ／Ｓ）ステレオデータ生成部１２０、量子化部１３０、符号化部１４０、零検出部１５１、１５２、データ置換部１６０を含んで構成される。なお、図１において図１３と同じ構成要素については同じ符号を用い、説明を省略する。
【００４７】
以下、本発明の特徴的なポイントである零検出部１５１、１５２とデータ置換部１６０とについて、その動作を説明する。零検出部１５１は、量子化部１３０からの左チャンネルの量子化されたスペクトルデータを用いて、スケールファクタバンド内の量子化されたスペクトルデータがすべて零であるか否かを検出し、検出結果をデータ置換部１６０に出力する。
【００４８】
同様に、零検出部１５２は量子化部１３０からの右チャンネルの量子化されたスペクトルデータがスケールファクタバンド内ですべて零であるか否かを検出し、検出結果をデータ置換部１６０に出力する。インテンシティステレオ処理された右チャンネルのスケールファクタバンドに関しては、零検出部１５２での零検出処理は不要である。
【００４９】
以下、零検出部１５１、１５２で零であることが検出されたスケールファクタバンドを零検出バンドと呼び、また、零であることが検出されなかったスケールファクタバンドを非零検出バンドと呼ぶことにする。
【００５０】
データ置換部１６０は、零検出部１５１、１５２からの零検出結果に基づいて零検出バンドのデータを置き換えて符号化部１４０に出力する。インテンシティステレオ処理されたスケールファクタバンドの場合、右チャンネルの復号は左チャンネルの復号結果に基づいて行われるので、左チャンネルの零検出部１５１からの検出結果に基づいて、対応する右チャンネルのスケールファクタバンドのインテンシティステレオポジションやコードブック番号を置き換える。
【００５１】
符号化部１４０は、データ置換部１６０で置換されたデータを用いて符号化を行い、符号化データを生成して出力する。
【００５２】
（実施の形態１）
図２は、実施の形態１のオーディオ高能率符号化装置において、データ置換部１６０Ａの構成を示すブロック図である。このデータ置換部１６０Ａには、非零バンド間スケールファクタ差分算出部２１１、２１２、零バンドスケールファクタ差分算出部２２１、２２２、零バンドスケールファクタ置換部２３１、２３２が設けられている。図２の上段における非零バンド間スケールファクタ差分算出部２１１、零バンドスケールファクタ差分算出部２２１、零バンドスケールファクタ置換部２３１は、左チャンネルのデータ用である。下段における非零バンド間スケールファクタ差分算出部２１２、零バンドスケールファクタ差分算出部２２２、零バンドスケールファクタ置換部２３２は右チャンネルのデータ用である。左チャンネルと右チャンネルの動作は同一であるので、以下では左チャンネルの動作について説明し、右チャンネルの動作については説明を省略する。
【００５３】
非零バンド間スケールファクタ差分算出部２１１は、零検出部１５１で非零検出バンドと検出されたスケールファクタバンド間のスケールファクタの差分を算出する。
【００５４】
零バンドスケールファクタ差分算出部２２１は、非零検出バンド間スケールファクタ差分算出部２１１からの非零検出バンド間のスケールファクタの差分を用いて、非零検出バンド間のスケールファクタの差分を変えることなく、零検出バンドと隣接するスケールファクタバンドのスケールファクタの差分を可変長符号化後に最も短い符号長にする値を算出する。
【００５５】
ｉをスケールファクタバンドの番号とし、ｓｆ（ｉ）をｉのスケールファクタとする。ここでｉとｉ＋２を非零検出バンドとし、ｉ＋１を零検出バンドとする場合を考える。ｓｆ（ｉ＋２）−ｓｆ（ｉ）の値を用いて、表を参照することにより、図１４及び図１５のハフマンコードによる可変長符号化後の符号長を最小にする差分ｓｆ（ｉ＋１）−ｓｆ（ｉ）の値を算出する。
【００５６】
図３〜図６は、図１４及び図１５のハフマンコードを用いて、２つの差分ｄｓｆ１とｄｓｆ２の和が一定という条件で、ｄｓｆ１とｄｓｆ２の合計の符号長を最小にするｄｓｆ１とｄｓｆ２の値と、そのときの合計の符号長ｌｅｎｇｔｈを示す表である。ここでｄｓｆ１とｄｓｆ２の値は入れ替えてもよい。なお、図３はｄｓｆ１+ｄｓｆ２の値が−１２０〜−６１までのｄｓｆ１、ｄｓｆ２、ｌｅｎｇｔｈを示す。また図４はｄｓｆ１+ｄｓｆ２の値が−６０〜−１までの値を示し、図５はｄｓｆ１+ｄｓｆ２の値が０〜５９までの値を示し、図６はｄｓｆ１+ｄｓｆ２の値が６０〜１２０までの値を示す。
【００５７】
非零検出バンド間のスケールファクタの差分ｓｆ（ｉ＋２）−ｓｆ（ｉ）が、例えば−４の場合を考える。図３〜図６において、ｄｓｆ１＋ｄｓｆ２が−４となる行を参照すると、図４に示すように可変長符号化後の符号長を最小にするｓｆ（ｉ＋１）−ｓｆ（ｉ）の値は−４（ｄｓｆ１）か０（ｄｓｆ２）であり、このときのｓｆ（ｉ＋２）−ｓｆ（ｉ＋１）の値はそれぞれ０、−４であることが算出できる。
【００５８】
零検出バンドがｋ個（ただし、ｋは正整数）連続する場合には、所定の差分を（ｋ＋１）個の差分の和として表した同様な表を参照することにより、可変長符号化後の符号長を最小とする差分を算出することができる。
【００５９】
零バンドスケールファクタ置換部２３１では、零検出バンドの１つ前のスケールファクタバンドにおけるスケールファクタに対して、零バンドスケールファクタ差分算出部２２１で算出した差分を加算した値を算出し、零検出バンドのスケールファクタを置き換える。零検出バンドでは、すべての量子化されたスペクトルデータは零なので、ゲインを表すスケールファクタの値を変化させても同一の復号結果を得ることができる。
【００６０】
なお、スケールファクタの符号化時にはスケールファクタの差分を算出することが必要であり、図７に示すような構成として、零バンドスケールファクタ差分算出部２２１、２２２で算出された零検出バンドのスケールファクタの差分を直接出力し、符号化部１４０では、前記スケールファクタの差分を直接可変長符号化するようにしてもよい。この場合、零バンドスケールファクタ差分算出部２２１、２２２では、零検出バンドと隣接する２つのスケールファクタバンドとの２つのスケールファクタの差分を算出して出力する必要がある。すなわち、上記した例では、ｓｆ（ｉ＋１）−ｓｆ（ｉ）とｓｆ（ｉ＋２）−ｓｆ（ｉ＋１）の２つの差分を算出して出力することが必要である。
【００６１】
実施の形態１によれば、スケールファクタの伝送が必要なコードブック番号が１から１１のスケールファクタバンドに対して、スケールファクタデータの符号化に必要なビット数を削減することが可能である。しかしながら、コードブック番号が０のスケールファクタバンドでは、スケールファクタを伝送する必要がないので、スケールファクタデータのビット数を削減することはできない。
【００６２】
以上のように実施の形態１では、零検出部１５１、１５２からの零検出バンド／非零検出バンドの検出結果に基づいて、零検出バンドのスケールファクタを差分可変長符号化後に最も短い符号長となる値に零バンドスケールファクタ置換部２３１、２３２で置き換えることにより、より少ないビット数で従来と同一の復号結果を得ることができ、符号化効率が向上した符号化データを生成することができる。さらに、削減したビットを音質に寄与する他のデータに割り当てることにより、音質を向上させることができる。
【００６３】
（実施の形態２）
次に本発明の実施の形態２におけるオーディオ高能率符号化装置について説明する。図８は実施の形態２のオーディオ高能率符号化装置におけるデータ置換部１６０Ｂの構成を示すブロック図である。図８において、図２と同じ構成要素については同じ符号を用いる。このデータ置換部１６０Ｂには、非零バンド間スケールファクタ差分算出部２１１、２１２、差分範囲判定部２４１、２４２、零バンドスケールファクタ差分設定部２５１、２５２、零バンドスケールファクタ置換部２３１、２３２が設けられる。
【００６４】
図８の上段において、非零バンド間スケールファクタ差分算出部２１１、差分範囲判定部２４１、零バンドスケールファクタ差分設定部２５１、零バンドスケールファクタ置換部２３１は、左チャンネルのデータ用である。下段の非零バンド間スケールファクタ差分算出部２１２、差分範囲判定部２４２、零バンドスケールファクタ差分設定部２５２、零バンドスケールファクタ置換部２３２は、右チャンネルのデータ用である。左チャンネルと右チャンネルの動作は同一であるので、以下では左チャンネルの動作について説明し、右チャンネルの動作については説明を省略する。
【００６５】
非零バンド間スケールファクタ差分算出部２１１は、図１の零検出部１５１で非零検出バンドとして検出されたスケールファクタバンド間のスケールファクタの差分を算出する。
【００６６】
差分範囲判定部２４１は、非零バンド間スケールファクタ差分算出部２１１からの非零検出バンド間のスケールファクタの差分が所定の範囲内にあるか否か、本実施の形態では±６０以内にあるか否かを判定し、判定結果を出力する。
【００６７】
零バンドスケールファクタ差分設定部２５１は、差分範囲判定部２４１からの出力に基づいて、非零検出バンド間のスケールファクタの差分が±６０以内にあるときには、零検出バンドと隣接するスケールファクタバンドのスケールファクタの差分を、可変長符号化の最も短い符号長である値に設定する。本実施の形態では、可変長符号化に図１４及び図１５のハフマンコードを用いる。最も短い符号長は１ビットであり、このときの値は０である。
【００６８】
ｉをスケールファクタバンドの番号、ｓｆ（ｉ）をｉのスケールファクタ、ｉとｉ＋２を非零検出バンドで、ｉ＋１を零検出バンドとした場合、ｓｆ（ｉ＋２）−ｓｆ（ｉ）が±６０以内のとき、差分ｓｆ（ｉ＋１）−ｓｆ（ｉ）の値を０に設定する。
【００６９】
零検出バンドが２つ以上続く場合には、すべての零検出バンドに対して隣接するスケールファクタバンドとのスケールファクタの差分を０に設定する。零バンドスケールファクタ置換部２３１は、零検出バンドの１つ前のスケールファクタバンドにおけるスケールファクタに、零バンドスケールファクタ差分設定部２５１で設定した差分を加算した値を算出し、零検出バンドのスケールファクタを置き換える。本実施の形態では差分は０に設定されているので、ｓｆ（ｉ＋１）はｓｆ（ｉ）と同一の値に置き換えられる。
【００７０】
零検出バンドでは、すべての量子化されたスペクトルデータは零なので、ゲインを表すスケールファクタの値を変化させても同一の復号結果を得ることができる。
【００７１】
実施の形態２では、零検出バンドと隣接するスケールファクタバンドのスケールファクタの差分を固定値に設定すれば良いので、実施の形態１で用いた図３〜図６の表は不要である。
【００７２】
また、実施の形態２では、実施の形態１と比較して、非零検出バンド間のスケールファクタにおける差分の範囲が±６０以内の条件（非零検出バンド間のスケールファクタの差分を変えないための条件）が必要である。しかし、スケールファクタの±６０は、±９０ｄＢ（＝±６０×１．５ｄＢ）のゲインに対応し、ほとんどの場合この条件を満足するので、実質的に制約条件とはならない。
【００７３】
また、スケールファクタの差分可変長符号化後の符号長に関しても、実施の形態２で対応可能な１２１個（±６０の範囲内における整数の個数）の差分の内、１２０個の差分で最小の値であり、残りの１個も最小より１ビット長いだけという、ほぼ最適な可変長符号化を実現できる。すなわち、図３〜図６におけるｄｓｆ１＋ｄｓｆ２が±６０の範囲内で、ｄｓｆ１＋ｄｓｆ２が３１の場合を除いて、ｄｓｆ１、あるいはｄｓｆ２の値は０としている。また、ｄｓｆ１が０（１ビット）、ｄｓｆ２が３１（１９ビット）でｄｓｆ１＋ｄｓｆ２が３１の場合の符号長は２０（＝１＋１９）ビットであり、これは図５に示す最小時の１９ビットより１ビット長い。
【００７４】
なお、スケールファクタの符号化時にはスケールファクタの差分を算出することが必要なので、実施の形態１で説明したのと同様に、零バンドスケールファクタ差分設定部２５１で算出された零検出バンドのスケールファクタの差分を出力し、符号化部１４０が前記スケールファクタの差分を直接可変長符号化するようにしてもよい。
【００７５】
実施の形態２によれば、スケールファクタの伝送に必要なコードブック番号が１から１１のスケールファクタバンドでは、スケールファクタデータの符号化に必要なビット数を削減することが可能である。しかしながら、コードブック番号が０のスケールファクタバンドでは、スケールファクタを伝送する必要がないので、スケールファクタデータのビット数を削減することはできない。
【００７６】
以上のように実施の形態２では、零検出部１５１、１５２からの零検出バンド／非零検出バンドの検出結果に基づいて、零検出バンドと隣接するスケールファクタバンドのスケールファクタの差分が可変長符号化の最も短い符号長の値となるように、零検出バンドのスケールファクタを零バンドスケールファクタ置換部２３１、２３２で置き換える。このような簡単な処理により、少ないビット数で従来と同一の復号結果を得ることができ、符号化効率が向上した符号化データを生成することができる。さらに、削減したビットを音質に寄与する他のデータに割り当てることにより、音質を向上させることができる。
【００７７】
なお、実施の形態２では、非零検出バンド間のスケールファクタの差分が所定の範囲内（±６０以内）である場合にのみ、零検出バンドのスケールファクタの置き換えを行った。しかし、零検出バンドのスケールファクタの置き換えを常に行い、非零検出バンド間のスケールファクタの差分が所定の範囲外となるときには、所定の範囲内となるように非零検出バンド間のスケールファクタの差分を制限するようにしてもよい。スケールファクタの差分が±６０（±９０ｄＢ）の範囲外となる場合はほとんどないので、このようにしても実施の形態２とほぼ同じ結果を得ることができる。
【００７８】
（実施の形態３）
次に本発明の実施の形態３におけるオーディオ高能率符号化装置について説明する。図９は実施の形態３のオーディオ高能率符号化装置におけるデータ置換部１６０Ｃの構成を示すブロック図である。このデータ置換部１６０Ｃには、非零バンド間ＩＳポジション差分算出部３１０、零バンドＩＳポジション差分算出部３２０、零バンドＩＳポジション置換部３３０が設けられている。
【００７９】
非零バンド間ＩＳポジション差分算出部３１０では、インテンシティステレオ処理されて左チャンネルの零検出部１５１で非零検出バンドと検出された場合、スケールファクタバンド間の右チャンネルのインテンシティステレオ（ＩＳ）ポジションの差分を算出する。
【００８０】
零バンドＩＳポジション差分算出部３２０では、非零バンド間ＩＳポジション差分算出部３１０からの非零検出バンド間のインテンシティステレオポジションの差分を用いて、非零検出バンド間のインテンシティステレオポジションの差分を変えることなく、零検出バンドと隣接するスケールファクタバンドのインテンシティステレオポジションの差分を可変長符号化後に最も短い符号長にする値を算出する。
【００８１】
ｉをスケールファクタバンドの番号、ｉｓｐ（ｉ）をｉのインテンシティステレオポジション、ｉとｉ＋２を非零検出バンドとし、ｉ＋１を零検出バンドとした場合、ｉｓｐ（ｉ＋２）−ｉｓｐ（ｉ）の値を用いて、図３〜図６に示す表を参照することにより、図１４及び図１５のハフマンコードによる可変長符号化後の符号長を最小にする差分ｉｓｐ（ｉ＋１）−ｉｓｐ（ｉ）の値を算出する。
【００８２】
インテンシティステレオポジションの差分の可変長符号化に用いるハフマンコードは、スケールファクタの差分の可変長符号化に用いるハフマンコードと同一なので、実施の形態１で用いた表をそのまま使用することができる。
【００８３】
例えば、非零検出バンド間のインテンシティステレオポジションの差分ｉｓｐ（ｉ＋２）−ｉｓｐ（ｉ）が０の場合、図３〜６の可変長符号化後の符号長を最小にするｓｆ（ｉ＋１）−ｓｆ（ｉ）の値は０であり、このときのｉｓｐ（ｉ＋２）−ｉｓｐ（ｉ＋１）の値も０である。
【００８４】
零バンドＩＳポジション置換部３３０は、零検出バンドの１つ前のスケールファクタバンドにおけるインテンシティステレオポジションに、零バンドＩＳポジション差分算出部３２０で算出した差分を加算した値を算出し、零検出バンドの右チャンネルのインテンシティステレオポジションを置き換える。
【００８５】
例えば、置き換え前のインテンシティステレオポジションの値をｉｓｐ（ｉ）＝４、ｉｓｐ（ｉ＋１）＝−４、ｉｓｐ（ｉ＋２）＝４とし、ｉとｉ＋２とを非零検出バンドとし、ｉ＋１を零検出バンドとした場合、ｉｓｐ（ｉ＋１）＝４に置き換える。この結果、置き換え前はｉｓｐ（ｉ＋１）−ｉｓｐ（ｉ）＝−８（８ビット）と、ｉｓｐ（ｉ＋２）−ｉｓｐ（ｉ＋１）＝８（８ビット）で合わせて符号化に１６（＝８＋８）ビットが必要であった。これに対し、置き換え後は、ｉｓｐ（ｉ＋１）−ｉｓｐ（ｉ）＝０（１ビット）となり、ｉｓｐ（ｉ＋２）−ｉｓｐ（ｉ＋１）＝０（１ビット）となり、計２（＝１＋１）ビットでよいので、符号化に必要なビット数を１４（＝１６−２）ビット削減できる。
【００８６】
零検出バンドでは、すべての量子化されたスペクトルデータは零なので、左チャンネルに対する右チャンネルの指向性ゲインを表すインテンシティステレオポジションの値を変化させても、同一の復号結果を得ることができる。
【００８７】
なお、インテンシティステレオポジションの符号化時にはインテンシティステレオポジションの差分を算出することが必要なので、データ置換部を図１０に示すような構成として、零バンドＩＳポジション差分算出部３２０で算出された零検出バンドの右チャンネルにおけるインテンシティステレオポジションの差分を出力し、図１の符号化部１４０が前記インテンシティステレオポジションの差分を直接可変長符号化するようにしてもよい。この場合、零バンドＩＳポジション差分算出部３２０では、零検出バンドと隣接する２つのスケールファクタバンドとの２つのインテンシティステレオポジションの差分を設定する必要がある。すなわち、上記した例では、ｉｓｐ（ｉ＋１）−ｉｓｐ（ｉ）と、ｉｓｐ（ｉ＋２）−ｉｓｐ（ｉ＋１）との２つの差分を算出して出力することが必要である。
【００８８】
実施の形態３によれば、右チャンネルのコードブック番号がインテンシティステレオ処理を表す１４か１５の場合、スケールファクタデータ中のインテンシティステレオポジションの符号化に必要なビット数を、その最小のビット数まで削減することが可能である。
【００８９】
以上のように実施の形態３では、零検出部１５１からの零検出バンド／非零検出バンドの検出結果に基づいて、零検出バンドのインテンシティステレオポジションを、差分可変長符号化後に最も短い符号長となる値に零バンドＩＳポジション置換部３３０で置き換えることにより、より少ないビット数で従来と同一の復号結果を得ることができ、符号化効率が向上した符号化データを生成することができる。さらに、削減したビットを音質に寄与する他のデータに割り当てることにより、音質を向上させることができる。
【００９０】
（実施の形態４）
次に本発明の実施の形態４におけるオーディオ高能率符号化装置について説明する。図１１は実施の形態４のオーディオ高能率符号化方法におけるデータ置換部１６０Ｄの構成を示すブロック図である。図９と同じ構成要素については同じ符号を用いる。このデータ置換部１６０Ｄには、非零バンド間ＩＳポジション差分算出部３１０、差分範囲判定部３４０、零バンドＩＳポジション差分設定部３５０、零バンドＩＳポジション置換部３３０が設けられている。
【００９１】
非零バンド間ＩＳポジション差分算出部３１０は、インテンシティステレオ処理されて左チャンネルの零検出部１５１で非零検出バンドと検出されたスケールファクタバンド間の右チャンネルにおけるインテンシティステレオポジションの差分を算出する。
【００９２】
差分範囲判定部３４０は、非零バンド間ＩＳポジション差分算出部３１０からの非零検出バンド間のインテンシティステレオポジションの差分が所定の範囲内、即ち本実施の形態では±６０以内にあるか否かを判定し、判定結果を出力する。
【００９３】
零バンドＩＳポジション差分設定部３５０は、差分範囲判定部３４０からの出力に基づいて、非零検出バンド間のインテンシティステレオポジションの差分が±６０以内にあるときには、零検出バンドと隣接するスケールファクタバンドのインテンシティステレオポジションの差分を、可変長符号化の最も短い符号長である値に設定する。本実施の形態では可変長符号化に図１４及び図１５のハフマンコードを用いるので、最も短い符号長は１ビットで値は０である。
【００９４】
ｉをスケールファクタバンドの番号、ｉｓｐ（ｉ）をｉのインテンシティステレオポジション、ｉとｉ＋２を非零検出バンドとし、ｉ＋１を零検出バンドとした場合、ｉｓｐ（ｉ＋２）−ｉｓｐ（ｉ）が±６０以内のとき、差分ｉｓｐ（ｉ＋１）−ｉｓｐ（ｉ）の値を０に設定する。
【００９５】
零検出バンドが２つ以上続く場合には、すべての零検出バンドに対して隣接するスケールファクタバンドとのインテンシティステレオポジションの差分を０に設定する。
【００９６】
零バンドＩＳポジション置換部３３０では、零検出バンドの１つ前のスケールファクタバンドにおけるインテンシティステレオポジションに、零バンドＩＳポジション差分設定部３５０で設定した差分を加算した値を算出し、零検出バンドのインテンシティステレオポジションを置き換える。本実施の形態では差分は０に設定されているので、ｉｓｐ（ｉ＋１）はｉｓｐ（ｉ）と同一の値に置き換えられる。
【００９７】
零検出バンドでは、すべての量子化されたスペクトルデータは零なので、指向性ゲインを表すインテンシティステレオポジションの値を変化させても、同一の復号結果を得ることができる。
【００９８】
実施の形態４では、零検出バンドと隣接するスケールファクタバンドのスケールファクタの差分を固定値に設定すれば良いので、実施の形態３で必要であった図３〜図６の表が不要になる。
【００９９】
また、実施の形態４では、実施の形態３と比較して、非零検出バンド間のインテンシティステレオポジションにおける差分の範囲が±６０以内の条件（非零検出バンド間のインテンシティステレオポジションの差分を変えないための条件）が必要であるが、インテンシティステレオポジションの±６０は±９０ｄＢ（＝±６０×１．５ｄＢ）のゲインに対応し、ほとんどの場合この条件を満足するので、実質的に制約条件とはならない。
【０１００】
また、インテンシティステレオポジションの差分可変長符号化後の符号長に関しても、実施の形態３で対応可能な１２１個の差分の内、１２０個が差分で最小の値であり、残りの１個も最小より１ビット長いだけである。このため、ほぼ最適な可変長符号化を実現できる。
【０１０１】
なお、インテンシティステレオポジションの符号化時には、インテンシティステレオポジションの差分を算出することが必要なので、実施の形態３で説明したのと同様に、零バンドＩＳポジション差分設定部３５０で算出された零検出バンドのインテンシティステレオポジションの差分を出力し、符号化部１４０では、前記インテンシティステレオポジションの差分を直接可変長符号化するようにしてもよい。
【０１０２】
実施の形態４によれば、右チャンネルのコードブック番号がインテンシティステレオ処理を表す１４か１５の場合、スケールファクタデータの中のインテンシティステレオポジションにおける符号化に必要なビット数を、ほとんどの場合その最小のビット数まで削減することが可能である。
【０１０３】
以上のように実施の形態４では、零検出部１５１からの零検出バンド／非零検出バンドの検出結果に基づいて、零検出バンドと隣接するスケールファクタバンドのインテンシティステレオポジションの差分が、可変長符号化の最も短い符号長の値となるように、零検出バンドのインテンシティステレオポジションを零バンドＩＳポジション置換部３３０で置き換える。このような簡単な処理により、少ないビット数で従来と同一の復号結果を得ることができ、符号化効率が向上した符号化データを生成することができる。さらに、削減したビットを音質に寄与する他のデータに割り当てることにより、音質を向上させることができる。
【０１０４】
なお、実施の形態４では、非零検出バンド間のインテンシティステレオポジションの差分が所定の範囲内（±６０以内）である場合にのみ、零検出バンドのインテンシティステレオポジションの置き換えを行った。しかし、零検出バンドのインテンシティステレオポジションの置き換えを常に行い、非零検出バンド間のインテンシティステレオポジションの差分が所定の範囲外となるときには、所定の範囲内となるように非零検出バンド間のインテンシティステレオポジションの差分を制限するようにしてもよい。インテンシティステレオポジションの差分が±６０（±９０ｄＢ）の範囲外となる場合はほとんどないので、このようにしても実施の形態４とほぼ同じ結果を得ることができる。
【０１０５】
（実施の形態５）
実施の形態５は、インテンシティステレオ処理されたスケールファクタバンドに関し、零検出バンドの右チャンネルハフマンコードブック番号をデータ置換部１６０で置き換えることを特徴とするものである。
【０１０６】
図１の左チャンネルの零検出部１５１は、インテンシティステレオ処理されたスケールファクタバンド内の量子化されたスペクトルデータがすべて零であるか否かを検出し、データ置換部１６０に出力する。
【０１０７】
データ置換部１６０は、インテンシティステレオ処理されたスケールファクタバンドに関し、以下の処理を行う。最初に非零検出バンド間の右チャンネルにおけるインテンシティステレオポジションの差分が±６０以内にあるかを判定する。±６０以内にあれば、零検出バンドのインテンシティステレオポジションを省いても、非零検出バンド間のインテンシティステレオポジションの差分を維持することができる。
【０１０８】
次に、前記差分が±６０以内にあるときには、非零検出バンドの間にある零検出バンドの右チャンネルのインテンシティステレオを表すコードブック番号（１４あるいは１５）を、零データを表すコードブック番号（０）に変更したときと変更しないとき、右チャンネルのセクションデータとスケールファクタデータの符号化に必要なビット数を算出する。変更したときの方が必要なビット数が少ないときには、インテンシティステレオを表す右チャンネルのコードブック番号を、零データを表すコードブック番号に置き換える。
【０１０９】
零データを表すコードブック番号の場合、スケールファクタを伝送する必要がないので、スケールファクタデータに必要なビット数は減少する。しかしながらコードブック番号を変更することにより、セクションの数が増加し、セクションデータに必要なビット数が増加することもある。このため、スケールファクタデータとセクションデータの符号化に必要なビット数が小さくなるときのみ、右チャンネルのコードブック番号を変更する。
【０１１０】
零検出バンドでは、インテンシティステレオ処理されて量子化されたスペクトルデータはすべて零なので、右チャンネルのコードブック番号を、インテンシティステレオ処理を表す番号（１４、あるいは１５）から零データを表すコードブック番号（０）に変化させても、同一の復号結果を得ることができる。
【０１１１】
以上のように実施の形態５では、零検出部１５１からの零検出バンド／非零検出バンドの検出結果に基づいて、データ置換部１６０で、インテンシティステレオ処理された零検出バンドの右チャンネルのコードブックック番号を、インテンシティステレオ処理を表すコードブック番号から零データを表すコードブック番号に変更したときの方が符号化に必要なビット数が小さいときに、前記右チャンネルのコードブック番号を置き換える。こうすることにより、より少ないビット数で従来と同一の復号結果を得ることができ、符号化効率が向上した符号化データを生成することができる。さらに、削減したビットを音質に寄与する他のデータに割り当てることにより、音質を向上させることができる。
【０１１２】
（実施の形態６）
次に本発明の実施の形態６におけるオーディオ高能率符号化方法について説明する。図１２は実施の形態６のオーディオ高能率符号化方法におけるデータ置換部１６０Eの構成を示すブロック図である。このデータ置換部１６０Eには、非零バンドＭ／Ｓ・ＩＳ位相反転フラグ同一判定部４１０、ＭＳマスク設定部４２０が設けられている。
【０１１３】
非零バンドＭ／Ｓ・ＩＳ位相反転フラグ同一判定部４１０は、インテンシティステレオ処理されて、左チャンネルの零検出部１５１で零検出バンドと検出されたスケールファクタバンドを除いたスケールファクタバンドのＭＳ有無・ＩＳ位相反転フラグが、すべて同一の値であるかどうかを判定し、判定結果を出力する。
【０１１４】
非零バンドＭ／Ｓ・ＩＳ位相反転フラグ同一判定部４１０で、ＭＳ有無・ＩＳ位相反転フラグが同一の値であると判定されたときには、ＭＳマスク設定部４２０はバンド全体のフラグであるＭＳマスクの値を、同一の値に対応する値に置き換えて出力する。すなわち、同一の値が０の場合にはＭＳマスクの値を０に置き換え、同一の値が１の場合にはＭＳマスクの値を２に置き換える。
【０１１５】
インテンシティステレオ処理された零検出バンドでは、すべての量子化されたスペクトルデータは零なので、２つのチャンネルの位相関係を表すフラグの値を反転しても同一の復号結果を得ることができる。
【０１１６】
前述したようにＭＳマスクの値が１以外の場合には、ＭＳ有無・ＩＳ位相反転フラグを符号化データとして伝送する必要がない。従って置き換える前のＭＳマスクの値が１の場合、０あるいは２に置き換えることによって、ＭＳ有無・ＩＳ位相反転フラグビットを伝送する必要がなくなり、符号化に必要なビットを削減することができる。ＭＳ有無・ＩＳ位相反転フラグはスケールファクタバンド毎に１ビット必要なので、例えば、スケールファクタバンドの数が４９の場合、４９ビット削減することができる。
【０１１７】
以上のように実施の形態６では、零検出部１５１からの零検出バンド／非零ゼ検出バンドの検出結果に基づいて、インテンシティステレオ処理された零検出バンドを除いたスケールファクタバンドのステレオ処理の状態を表すＭＳ有無・ＩＳ位相反転フラグの値がすべて同一の場合、バンド全体のフラグの状態を表すＭＳマスクの値をＭＳマスク設定部４２０で置き換えることにより、スケールファクタバンド単位の前記フラグの伝送を不要とし、符号化効率が向上した符号化データを生成することができる。さらに、削減したビットを音質に寄与する他のデータに割り当てることにより、音質を向上させることができる。
【０１１８】
なお、上記の各実施の形態におけるオーディオ高能率符号化方法は、零検出バンドとそれに関連するデータを、より短い符号長のデータとなるように置き換えることにより、符号化効率の向上を実現している。このため、零スペクトルデータが発生しやすい低ビットレートの符号化や狭帯域信号の符号化に対して特に有効である。
【０１１９】
なお、上記の各実施の形態を組み合わせて実施することも可能であり、例えば、実施の形態１、実施の形態３、実施の形態５、実施の形態６を組み合わせて実施することもできる。ただし、同じデータを異なった形態で置き換える実施の形態１と実施の形態２、あるいは実施の形態３と実施の形態４は、同時に実施することはできない。
【０１２０】
なお、上記の各実施の形態では、オーディオ高能率符号化方法をＡＡＣエンコーダに適用した例を示した。しかし本発明は、同様な符号化フォーマットを有する他の符号化方式にも適用可能である。
【０１２１】
なお、上記の各実施の形態におけるオーディオ高能率符号化方法は、コンピュータまたはデジタルシグナルプロセッサに実行させるためのプログラムとして実現することができ、これをコンピュータ読み取り可能な記録媒体に記録してもよい。
【０１２２】
【発明の効果】
以上のように本発明によれば、符号化効率が向上した符号化データを生成することができる。すなわち、より少ないビット数で従来と同一の復号結果を得る符号化データを生成することができる。
【０１２３】
また本発明によれば、削減したビットを音質に寄与する他のデータに割り当てることにより、音質を向上させることができる。
【０１２４】
本発明は特に零スペクトルデータが発生しやすい低ビットレートの符号化や狭帯域信号の符号化に対して有効である。
【図面の簡単な説明】
【図１】本発明の各実施の形態によるオーディオ高能率符号化方法において、ＡＡＣエンコーダの構成を示すブロック図である。
【図２】本発明の実施の形態１におけるデータ置換部の構成を示すブロック図である。
【図３】２つの差分の和が一定という条件で、可変長符号化後の符号長を最小にする差分を示す表（その１）である。
【図４】２つの差分の和が一定という条件で、可変長符号化後の符号長を最小にする差分を示す表（その２）である。
【図５】２つの差分の和が一定という条件で、可変長符号化後の符号長を最小にする差分を示す表（その３）である。
【図６】２つの差分の和が一定という条件で、可変長符号化後の符号長を最小にする差分を示す表（その４）である。
【図７】本発明の実施の形態１におけるデータ置換部の別の構成を示すブロック図である。
【図８】本発明の実施の形態２におけるデータ置換部の構成を示すブロック図である。
【図９】本発明の実施の形態３におけるデータ置換部の構成を示すブロック図である。
【図１０】本発明の実施の形態３におけるデータ置換部の別の構成を示すブロック図である。
【図１１】本発明の実施の形態４におけるデータ置換部の構成を示すブロック図である。
【図１２】本発明の実施の形態６におけるデータ置換部の構成を示すブロック図である。
【図１３】従来のＡＡＣエンコーダの構成を示すブロック図である。
【図１４】スケールファクタとインテンシティステレオポジションの差分可変長符号化に用いられるハフマンコードの符号長を示す表（その１）である。
【図１５】スケールファクタとインテンシティステレオポジションの差分可変長符号化に用いられるハフマンコードの符号長を示す表（その２）である。
【図１６】インテンシティステレオ処理された符号化データの例を説明するための図である。
【符号の説明】
１０１，１０２ フィルタバンク
１１０ インテンシティステレオデータ生成部
１２０ Ｍ／Ｓステレオデータ生成部
１３０ 量子化部
１４０ 符号化部
１５１，１５２ 零検出部
１６０，１６０Ａ，１６０Ｂ，１６０Ｃ，１６０Ｄ，１６０Ｅ データ置換部
２１１，２１２ 非零バンド間スケールファクタ差分算出部
２２１，２２２ 零バンドスケールファクタ差分算出部
２３１，２３２ 零バンドスケールファクタ置換部
２４１，２４２ 差分範囲判定部
２５１，２５２ 零バンドスケールファクタ差分設定部
３１０ 非零バンド間ＩＳポジション差分算出部
３２０ 零バンドＩＳポジション差分算出部
３３０ 零バンドＩＳポジション置換部
３４０ 差分範囲判定部
３５０ 零バンドＩＳポジション差分設定部
４１０ 非零バンドＭ／Ｓ・ＩＳ位相反転フラグ同一判定部
４２０ ＭＳマスク設定部[0001]
BACKGROUND OF THE INVENTION
The present invention relates to an audio high-efficiency encoding apparatus, an audio high-efficiency encoding method, an audio high-efficiency encoding program, and an audio high-efficiency encoding program that convert audio signals into spectral data and perform high-efficiency encoding of spectral data using variable-length encoding. The present invention relates to a recording medium.
[0002]
[Prior art]
In recent years, an audio high-efficiency encoding method has been proposed in which encoding efficiency is improved by converting an audio signal into spectrum data and encoding the spectrum data using variable length encoding.
[0003]
As such an audio high-efficiency encoding method, one described in the MPEG-2 AAC (Advanced Audio Coding) standard (see Non-Patent Document 1) is known. In the following, the MPEG-2 AAC (hereinafter abbreviated as AAC) Low Complexity Profile described in Non-Patent
[0004]
FIG. 13 is a block diagram showing a configuration of a conventional AAC encoder. This AAC encoder includes
[0005]
The left channel (Lch) time axis audio signal input to the
[0006]
By converting the short transform blocks in succession, the number of output spectrum data of the short transform blocks is set to 8 × 128 = 1024 to match the long transform block. The 1024 pieces of spectral data per channel are the encoding unit. Next, 1024 pieces of spectral data are grouped into band units called scale factor bands that simulate the critical band characteristics of the human ear.
[0007]
Similarly, the right-channel (Rch) time axis audio signal input to the
[0008]
The intensity stereo
[0009]
Spectral data after intensity stereo processing of the left channel is the sum of the spectral data of the left and right channels (when the phase relationship between the two channels is in phase) or the difference (when the phase relationship between the two channels is opposite) ) By correcting the gain so that its power level matches the original power level of the left channel. The spectral data of the right channel is set to zero. This zero spectrum data is not transmitted as encoded data.
[0010]
The mid-side stereo data generation unit (M / S stereo data generation unit) 120 is information on the presence / absence of mid-side stereo processing in units of scale factor bands, and in the case of mid-side stereo processing, mid-spectral data that has been subjected to mid-side stereo processing. And side spectrum data. The mid spectrum data is generated by a half of the sum of the left channel and right channel spectrum data, and is output as the left channel spectrum data. The side spectrum data is generated by a half of the difference between the left channel and right channel spectrum data, and is output as the right channel spectrum data. In the case of a scale factor band in which neither intensity stereo processing nor mid-side stereo processing is performed, the original spectral data in the left and right channels is output as it is. Intensity stereo processing and mid-side stereo processing are in an exclusive relationship, and if one of the processes is selected, the other process cannot be selected.
[0011]
The
[0012]
The
[0013]
Hereinafter, the format of the encoded data generated by the
[0014]
First, section data (section_data () of Non-Patent Document 1) will be described. A section is a set of scale factor bands that use the same codebook. The section data is obtained by repeating data for each section including a codebook number used in the section and a section length in units of scale factor bands for all sections.
[0015]
In AAC, 11 types of Huffman codebooks with
[0016]
In AAC, in order to improve the encoding efficiency, the scale factor of the section of
[0017]
As is clear from the section data format described above, the number of bits required for section data increases as the number of sections increases. Therefore, when a plurality of Huffman codebooks can be selected, a codebook is selected to form a section so that the total number of encoded data bits including the section data and the encoded spectrum data is reduced. The process of forming a section in this way is called sectioning. Due to the sectioning, there is a case where
[0018]
The scale factor data (scale_factor_data () of Non-Patent Document 1) includes data obtained by encoding scale factors for all scale factor bands and data obtained by encoding intensity stereo positions.
[0019]
The scale factor represents a gain of 1.5 dB unit of the scale factor band, and the scale factor is encoded by variable-length encoding the difference of the scale factor between the scale factor bands with a Huffman code. The encoded data of the scale factor consists of an initial value and a difference between the scale factor that has been subjected to variable length encoding. The difference in scale factor when performing variable length coding is within ± 60.
[0020]
14 and 15 show the code lengths of the Huffman codes used for variable length coding of scale factor differences. 14 and 15, index represents an address when referring to the Huffman codebook, and is a value obtained by adding 60 to the difference of the scale factor. Dsf represents the difference in scale factor, and length represents the code length (in bits) of the Huffman code. FIG. 14 shows dsf and length with an index ranging from 0 to 59, and FIG. 15 showing an index ranging from 60 to 120. As shown in FIG. 15, the difference (dsf) when the code length of the Huffman code is the shortest is 0, and the code length (length) is 1 bit.
[0021]
In the right channel of the scale factor band subjected to intensity stereo processing, intensity stereo position is transmitted as scale factor data instead of the scale factor.
[0022]
The intensity stereo position represents a directivity gain of 1.5 dB unit of the right channel with respect to the left channel. The intensity stereo position is encoded in the same manner as the scale factor encoding. That is, the difference in intensity stereo positions of adjacent scale factor bands subjected to intensity stereo processing is variable-length encoded using the same Huffman codebook as the scale factor. However, the initial value of the difference in scale factor is transmitted as encoded data, whereas the initial value of the difference in intensity stereo position is always 0 and is not transmitted.
[0023]
The encoded spectral data (spectral_data () of Non-Patent Document 1) is data obtained by encoding spectral data quantized using a Huffman codebook selected as a section. If the Huffman codebook number is 0 representing zero data, or 14 or 15 representing intensity stereo processing, spectrum data is not transmitted.
[0024]
Next, the M / S presence / absence / IS phase inversion flag (ms_used in Non-Patent Document 1) and the MS mask (ms_mask_present in Non-Patent Document 1) as encoded data common to the two channels will be described below.
[0025]
The presence / absence of the M / S / IS phase inversion flag is a flag indicating the presence / absence of mid-side stereo processing or the presence / absence of phase inversion of intensity stereo (IS) processing, and is a 1-bit flag per scale factor band. Specifically, it represents the following state.
1) Presence / absence of M / S / IS phase inversion flag = 0
No M / S processing or phase inversion of IS processing
2) Presence / absence of M / S / IS phase inversion flag = 1
With M / S processing or with IS processing phase inversion
[0026]
Whether this flag indicates the presence or absence of M / S processing or the presence or absence of phase inversion of IS processing is determined by the codebook number of the right channel. If the code book number represents intensity stereo processing, it indicates whether phase inversion of IS processing is present, and otherwise indicates whether M / S processing is performed.
[0027]
The MS mask represents the encoding method of the M / S presence / absence / IS phase inversion flag, and represents the following state.
1) MS mask = 0
All M / S existence / IS phase inversion flag values are 0
2) MS mask = 1
Specify M / S existence / IS phase inversion flag in band unit
3) MS mask = 2
All M / S presence / absence flag values are 1 (IS phase inversion flag value is 0)
When the value of the MS mask is 0 or 2, the M / S presence / absence / IS phase inversion flag is not transmitted as encoded data.
[0028]
FIG. 16 is an example of encoded data that has been subjected to intensity stereo processing, and is a diagram for describing the encoded data. For simplicity, the number of scale factor bands is six. In the figure, dsf represents a difference in scale factor (initial value of the difference in scale factor is omitted), disp represents a difference in intensity stereo position, and sd represents spectrum data. “-” Indicates that the corresponding data is not transmitted.
[0029]
First, left channel data (Lch data) will be described. In this example, the number of sections is three. When section data is represented by (codebook number, length), section data is (3, 3), (0, 1), (1, 2). The codebook number of scale
[0030]
Next, the right channel data (Rch data) will be described. In this example, the number of sections in the right channel is 3, and the section data is (3, 2), (2, 2) (15, 2). The code factor number of scale
[0031]
The common data for the left and right channels will be described. In this example, the MS mask value is 1, and the M / S presence / absence / IS phase inversion flag is transmitted. From the codebook number of the right channel data, the M / S presence / absence / IS phase inversion flag of scale
[0032]
[Non-Patent Document 1]
ISO / IEC JTC1 / SC29 / WG11 N1650, "IS ISO / IEC 13818-7 (MPEG-2 Advanced Audio Coding, AAC)", April 1997, p.14-20, p.33-38, p.51 -62, p.92-93, ANNEX B Informative Part p.57-68
[0033]
[Problems to be solved by the invention]
However, in the above conventional encoding method, it is detected that the quantized spectral data in the band is all zero, and the data is replaced based on the detection result, thereby encoding the encoded data with a smaller number of bits. It does not have a section for generating. For this reason, there has been a problem in that the encoding efficiency deteriorates and the sound quality may deteriorate under a limited bit rate environment.
[0034]
SUMMARY OF THE INVENTION The present invention solves the above-described problems, and an object thereof is to realize an audio high-efficiency encoding apparatus and method that can generate encoded data with improved encoding efficiency. In other words, encoded data that can obtain the same decoding result as before with a smaller number of bits is generated, and the reduced bit is assigned to other data that contributes to sound quality, so that the audio quality can be improved. An object is to realize an efficiency encoding device, an audio high efficiency encoding method, an audio high efficiency encoding program, and a recording medium thereof.
[0035]
[Means for Solving the Problems]
According to a first aspect of the present invention, spectrum data is represented by a scale factor indicating a gain in band units and spectrum data normalized and quantized by the gain, and a difference between scale factors of adjacent bands is variable-length encoded. A coding device, a zero detector for detecting whether all the quantized spectral data in a band are zero, and a scale factor of the band detected to be zero, as a difference An audio high-efficiency encoding apparatus and method, comprising: a data replacement unit that replaces a value with the shortest code length after variable-length encoding.
[0036]
According to a second aspect of the present invention, spectrum data is represented by a scale factor indicating a gain in band units and spectrum data normalized by the gain and quantized, and the difference between the scale factors of adjacent bands is variable-length encoded. A zero detector for detecting whether all the quantized spectral data in a band are zero, a band adjacent to the band detected to be zero, A data replacement unit that replaces the scale factor of the band detected to be zero with another value so that the difference of the scale factor of the band becomes the shortest code length value of the variable length coding An audio high-efficiency encoding apparatus and a method thereof.
[0039]
Here, the value of the shortest code length of variable length coding may be set to zero.
[0042]
Second 3 The invention of
[0043]
In
[0044]
DETAILED DESCRIPTION OF THE INVENTION
Hereinafter, embodiments of the present invention will be described with reference to the drawings. In the description of each embodiment, a case where the audio high efficiency encoding method of the present invention is applied to an AAC encoder will be described as an example.
[0045]
First, characteristic points common to the audio high-efficiency encoding method in each embodiment of the present invention will be described together, and then characteristic points specific to each embodiment will be individually described.
[0046]
FIG. 1 is a block diagram showing a configuration of an AAC encoder according to an audio high efficiency encoding method according to an embodiment of the present invention. The AAC encoder shown in FIG. 1 includes
[0047]
Hereinafter, the operations of the zero
[0048]
Similarly, the zero
[0049]
Hereinafter, the scale factor band detected as being zero by the zero
[0050]
The
[0051]
The
[0052]
(Embodiment 1)
FIG. 2 is a block diagram showing a configuration of
[0053]
A non-zero band scale factor
[0054]
The zero band scale factor
[0055]
Let i be the scale factor band number and sf (i) be the scale factor of i. Here, consider a case where i and i + 2 are non-zero detection bands and i + 1 is a zero detection band. Difference sf (i + 1) −sf that minimizes the code length after variable length coding by the Huffman code of FIGS. 14 and 15 by referring to the table using the value of sf (i + 2) −sf (i) The value of (i) is calculated.
[0056]
3 to 6 show values of dsf1 and dsf2 that minimize the total code length of dsf1 and dsf2 under the condition that the sum of the two differences dsf1 and dsf2 is constant, using the Huffman codes of FIGS. And the total code length length at that time. Here, the values of dsf1 and dsf2 may be interchanged. FIG. 3 shows dsf1, dsf2, and length in which the value of dsf1 + dsf2 is −120 to −61. 4 shows values of dsf1 + dsf2 from −60 to −1, FIG. 5 shows values of dsf1 + dsf2 from 0 to 59, and FIG. 6 shows values of dsf1 + dsf2 from 60 to Values up to 120 are shown.
[0057]
Consider a case where the difference sf (i + 2) −sf (i) of the scale factor between non-zero detection bands is −4, for example. 3 to 6, referring to the row where dsf1 + dsf2 is −4, as shown in FIG. 4, the value of sf (i + 1) −sf (i) that minimizes the code length after variable length coding is −4 (Dsf1) or 0 (dsf2), and the values of sf (i + 2) −sf (i + 1) at this time can be calculated to be 0 and −4, respectively.
[0058]
When k zero detection bands are continuous (where k is a positive integer), by referring to a similar table in which a predetermined difference is expressed as a sum of (k + 1) differences, The difference that minimizes the code length can be calculated.
[0059]
The zero band scale
[0060]
Note that it is necessary to calculate the scale factor difference when encoding the scale factor, and the scale factor of the zero detection band calculated by the zero band scale factor
[0061]
According to the first embodiment, it is possible to reduce the number of bits necessary for encoding scale factor data for a scale factor band having
[0062]
As described above, in the first embodiment, based on the detection result of the zero detection band / non-zero detection band from the zero
[0063]
(Embodiment 2)
Next, an audio high efficiency coding apparatus according to
[0064]
In the upper part of FIG. 8, the non-zero band scale factor
[0065]
The non-zero band scale factor
[0066]
The difference
[0067]
Based on the output from the difference
[0068]
When i is a scale factor band number, sf (i) is a scale factor of i, i and i + 2 are non-zero detection bands, and i + 1 is a zero detection band, sf (i + 2) −sf (i) is within ± 60 In this case, the value of the difference sf (i + 1) −sf (i) is set to 0.
[0069]
When two or more zero detection bands continue, the difference in scale factor from the adjacent scale factor bands is set to 0 for all zero detection bands. The zero band scale
[0070]
In the zero detection band, since all quantized spectral data is zero, the same decoding result can be obtained even if the value of the scale factor representing the gain is changed.
[0071]
In the second embodiment, since the difference between the scale factor bands of the zero detection band and the adjacent scale factor band may be set to a fixed value, the tables of FIGS. 3 to 6 used in the first embodiment are not necessary.
[0072]
Further, in the second embodiment, as compared with the first embodiment, the range of the difference in the scale factor between the non-zero detection bands is within ± 60 (because the difference in the scale factor between the non-zero detection bands is not changed). Is required). However, the scale factor of ± 60 corresponds to a gain of ± 90 dB (= ± 60 × 1.5 dB) and satisfies this condition in most cases, so it is not substantially a constraint condition.
[0073]
Also, with respect to the code length after the scale factor difference variable length coding, the smallest of the 120 differences among the 121 differences (number of integers in the range of ± 60) that can be handled in the second embodiment. It is a value, and it is possible to realize a substantially optimum variable length coding in which the remaining one is only one bit longer than the minimum. That is, the value of dsf1 or dsf2 is 0 except in the case where dsf1 + dsf2 in the range of ± 60 in FIGS. 3 to 6 and dsf1 + dsf2 is 31. Also, when dsf1 is 0 (1 bit), dsf2 is 31 (19 bits) and dsf1 + dsf2 is 31, the code length is 20 (= 1 + 19) bits, which is 1 bit from the minimum 19 bits shown in FIG. long.
[0074]
Since it is necessary to calculate the scale factor difference when encoding the scale factor, the scale factor of the zero detection band calculated by the zero band scale factor
[0075]
According to the second embodiment, it is possible to reduce the number of bits necessary for encoding scale factor data in the scale factor band having
[0076]
As described above, in the second embodiment, based on the detection result of the zero detection band / non-zero detection band from the zero
[0077]
In the second embodiment, the scale factor of the zero detection band is replaced only when the scale factor difference between the non-zero detection bands is within a predetermined range (within ± 60). However, the scale factor of the zero detection band is always replaced, and when the difference in the scale factor between the non-zero detection bands is outside the predetermined range, the scale factor between the non-zero detection bands is set to be within the predetermined range. The difference may be limited. Since there is almost no case where the difference in scale factor is outside the range of ± 60 (± 90 dB), even in this way, almost the same result as in the second embodiment can be obtained.
[0078]
(Embodiment 3)
Next, an audio high efficiency coding apparatus according to
[0079]
In the non-zero band IS position
[0080]
The zero-band IS position
[0081]
The value of isp (i + 2) -isp (i) where i is the scale factor band number, isp (i) is the intensity stereo position of i, i and i + 2 are non-zero detection bands, and i + 1 is the zero detection band. 3 to 6, the difference isp (i + 1) −isp (i) that minimizes the code length after the variable length coding by the Huffman code in FIGS. 14 and 15 is obtained. Calculate the value.
[0082]
Since the Huffman code used for variable length coding of intensity stereo position difference is the same as the Huffman code used for variable length coding of scale factor difference, the table used in
[0083]
For example, when the difference isp (i + 2) −isp (i) of the intensity stereo position between the non-zero detection bands is 0, sf (i + 1) − that minimizes the code length after the variable length coding of FIGS. The value of sf (i) is 0, and the value of isp (i + 2) −isp (i + 1) at this time is also 0.
[0084]
The zero band IS
[0085]
For example, the intensity stereo position values before replacement are isp (i) = 4, isp (i + 1) =-4, isp (i + 2) = 4, i and i + 2 are non-zero detection bands, and i + 1 is zero detection If it is a band, it is replaced with isp (i + 1) = 4. As a result, before replacement, isp (i + 1) −isp (i) = − 8 (8 bits) and isp (i + 2) −isp (i + 1) = 8 (8 bits) are combined into 16 (= 8 + 8) for encoding. A bit was needed. On the other hand, after replacement, isp (i + 1) −isp (i) = 0 (1 bit), isp (i + 2) −isp (i + 1) = 0 (1 bit), and 2 (= 1 + 1) bits in total. Since it is good, the number of bits required for encoding can be reduced by 14 (= 16-2) bits.
[0086]
In the zero detection band, since all quantized spectral data is zero, the same decoding result can be obtained even if the intensity stereo position value representing the directivity gain of the right channel with respect to the left channel is changed.
[0087]
Since it is necessary to calculate the intensity stereo position difference when encoding the intensity stereo position, the data replacement unit is configured as shown in FIG. 10 and the zero band IS position
[0088]
According to
[0089]
As described above, in
[0090]
(Embodiment 4)
Next, an audio high efficiency coding apparatus according to
[0091]
The non-zero band IS position
[0092]
The difference
[0093]
Based on the output from the difference
[0094]
If i is the scale factor band number, isp (i) is the intensity stereo position of i, i and i + 2 are non-zero detection bands, and i + 1 is the zero detection band, isp (i + 2) −isp (i) is ± If it is within 60, the value of the difference isp (i + 1) −isp (i) is set to 0.
[0095]
When two or more zero detection bands continue, the difference in intensity stereo position between all the zero detection bands and the adjacent scale factor band is set to zero.
[0096]
The zero band IS
[0097]
In the zero detection band, since all quantized spectral data is zero, the same decoding result can be obtained even if the intensity stereo position value representing the directivity gain is changed.
[0098]
In the fourth embodiment, since the difference between the scale factor bands of the zero detection band and the adjacent scale factor band may be set to a fixed value, the tables shown in FIGS. 3 to 6 required in the third embodiment are not necessary. .
[0099]
Further, in the fourth embodiment, as compared with the third embodiment, the range of the difference in intensity stereo position between non-zero detection bands is within ± 60 (difference in intensity stereo position between non-zero detection bands). Intensity stereo position ± 60 corresponds to a gain of ± 90 dB (= ± 60 × 1.5 dB), and in most cases this condition is satisfied. It is not a constraint condition.
[0100]
Also, regarding the code length after differential variable length coding of intensity stereo positions, out of 121 differences that can be handled in the third embodiment, 120 is the smallest difference value, and the remaining one is also It is only one bit longer than the minimum. For this reason, almost optimal variable length coding can be realized.
[0101]
In addition, since it is necessary to calculate the difference of the intensity stereo position when encoding the intensity stereo position, the zero calculated by the zero band IS position
[0102]
According to the fourth embodiment, when the codebook number of the right channel is 14 or 15 representing intensity stereo processing, the number of bits required for encoding at the intensity stereo position in the scale factor data is almost always It is possible to reduce to the minimum number of bits.
[0103]
As described above, in the fourth embodiment, based on the detection result of the zero detection band / non-zero detection band from the zero
[0104]
In the fourth embodiment, the intensity stereo position of the zero detection band is replaced only when the difference in intensity stereo position between the non-zero detection bands is within a predetermined range (within ± 60). However, the intensity stereo position of the zero detection band is always replaced, and when the difference in intensity stereo position between the non-zero detection bands is outside the predetermined range, the non-zero detection band is set to be within the predetermined range. The difference in intensity stereo position may be limited. Since there is almost no case where the difference in intensity stereo position is outside the range of ± 60 (± 90 dB), even in this way, almost the same result as in the fourth embodiment can be obtained.
[0105]
(Embodiment 5)
The fifth embodiment is characterized in that the data
[0106]
1 detects whether the quantized spectral data in the scale factor band subjected to intensity stereo processing is all zero, and outputs the detected data to the
[0107]
The
[0108]
Next, when the difference is within ± 60, the code book number (14 or 15) representing the intensity stereo of the right channel of the zero detection band between the non-zero detection bands is represented as the code book number representing the zero data. When changing to (0) and not changing, the number of bits necessary for encoding the right channel section data and scale factor data is calculated. When the number of bits required is smaller when the change is made, the codebook number of the right channel representing intensity stereo is replaced with the codebook number representing zero data.
[0109]
In the case of a codebook number representing zero data, there is no need to transmit the scale factor, so the number of bits required for the scale factor data is reduced. However, changing the codebook number increases the number of sections and may increase the number of bits required for section data. Therefore, the codebook number of the right channel is changed only when the number of bits necessary for encoding the scale factor data and the section data is small.
[0110]
In the zero detection band, spectrum data quantized by intensity stereo processing and quantized are all zero, so the code book number of the right channel is changed from the number (14 or 15) indicating intensity stereo processing to the code book indicating zero data. Even if the number is changed to (0), the same decoding result can be obtained.
[0111]
As described above, in the fifth embodiment, based on the detection result of the zero detection band / non-zero detection band from the zero
[0112]
(Embodiment 6)
Next, an audio high efficiency encoding method according to
[0113]
The non-zero band M / S / IS phase inversion flag
[0114]
When the non-zero band M / S / IS phase inversion flag
[0115]
In the zero detection band subjected to intensity stereo processing, all quantized spectral data is zero, and therefore the same decoding result can be obtained even if the value of the flag representing the phase relationship between the two channels is inverted.
[0116]
As described above, when the MS mask value is other than 1, it is not necessary to transmit the MS presence / IS phase inversion flag as encoded data. Accordingly, when the value of the MS mask before replacement is 1, by replacing it with 0 or 2, it is not necessary to transmit the MS presence / absence / IS phase inversion flag bit, and the bits necessary for encoding can be reduced. Since the MS presence / absence / IS phase inversion flag requires one bit for each scale factor band, for example, when the number of scale factor bands is 49, 49 bits can be reduced.
[0117]
As described above, in the sixth embodiment, the stereo processing of the scale factor band excluding the zero detection band subjected to the intensity stereo processing based on the detection result of the zero detection band / non-zero detection band from the zero
[0118]
Note that the audio high-efficiency encoding method in each of the above embodiments realizes improvement in encoding efficiency by replacing the zero detection band and the data related thereto with data having a shorter code length. Yes. For this reason, it is particularly effective for low bit rate encoding and narrowband signal encoding in which zero spectrum data is likely to be generated.
[0119]
In addition, it is also possible to implement combining said each embodiment, For example,
[0120]
In each of the above embodiments, an example in which the audio high-efficiency encoding method is applied to an AAC encoder has been described. However, the present invention can also be applied to other encoding methods having similar encoding formats.
[0121]
Note that the audio high-efficiency encoding method in each of the above embodiments can be realized as a program to be executed by a computer or a digital signal processor, and may be recorded on a computer-readable recording medium.
[0122]
【The invention's effect】
As described above, according to the present invention, encoded data with improved encoding efficiency can be generated. That is, encoded data that obtains the same decoding result as before can be generated with a smaller number of bits.
[0123]
In addition, according to the present invention, sound quality can be improved by assigning the reduced bits to other data that contributes to sound quality.
[0124]
The present invention is particularly effective for low bit rate encoding and narrowband signal encoding, which are likely to generate zero spectrum data.
[Brief description of the drawings]
FIG. 1 is a block diagram showing a configuration of an AAC encoder in an audio high-efficiency encoding method according to each embodiment of the present invention.
FIG. 2 is a block diagram showing a configuration of a data replacement unit in
FIG. 3 is a table (No. 1) showing a difference that minimizes the code length after variable length coding under the condition that the sum of two differences is constant.
FIG. 4 is a table (No. 2) showing a difference that minimizes the code length after variable length coding under the condition that the sum of two differences is constant.
FIG. 5 is a table (No. 3) showing a difference that minimizes the code length after variable length coding under the condition that the sum of two differences is constant.
FIG. 6 is a table (No. 4) showing a difference that minimizes the code length after variable length coding on condition that the sum of two differences is constant;
FIG. 7 is a block diagram showing another configuration of the data replacement unit in the first embodiment of the present invention.
FIG. 8 is a block diagram showing a configuration of a data replacement unit in
FIG. 9 is a block diagram showing a configuration of a data replacement unit in
FIG. 10 is a block diagram showing another configuration of the data replacement unit in the third embodiment of the present invention.
FIG. 11 is a block diagram showing a configuration of a data replacement unit in
FIG. 12 is a block diagram showing a configuration of a data replacement unit in
FIG. 13 is a block diagram showing a configuration of a conventional AAC encoder.
FIG. 14 is a table (part 1) showing a code length of a Huffman code used for differential variable length coding of a scale factor and intensity stereo position.
FIG. 15 is a table (No. 2) showing a code length of a Huffman code used for differential variable length coding of a scale factor and intensity stereo position.
FIG. 16 is a diagram for describing an example of encoded data subjected to intensity stereo processing;
[Explanation of symbols]
101,102 Filter bank
110 Intensity stereo data generator
120 M / S stereo data generator
130 Quantizer
140 Encoding unit
151,152 Zero detector
160, 160A, 160B, 160C, 160D, 160E Data replacement unit
211,212 Scale factor difference calculation unit between non-zero bands
221, 222 Zero band scale factor difference calculation unit
231,232 Zero band scale factor replacement unit
241,242 Difference range determination unit
251,252 Zero band scale factor difference setting unit
310 IS position difference calculation unit between non-zero bands
320 Zero band IS position difference calculator
330 Zero band IS position replacement
340 Difference range determination unit
350 Zero band IS position difference setting section
410 Non-zero band M / S / IS phase inversion flag identity determination unit
420 MS mask setting part
Claims (8)
バンド内のすべての前記量子化されたスペクトルデータが零であるか否かを検出する零検出部と、
前記零であることが検出されたバンドのスケールファクタを、差分可変長符号化後に最も短い符号長となる値に置き換えるデータ置換部と、を備えたことを特徴とするオーディオ高能率符号化装置。An encoding device that represents spectrum data by a scale factor indicating a gain in band units and spectrum data normalized and quantized by the gain and variable-length-encoding the difference between the scale factors of adjacent bands. ,
A zero detector for detecting whether all the quantized spectral data in the band are zero;
A high-efficiency audio encoding device comprising: a data replacement unit that replaces a scale factor of a band detected to be zero with a value that becomes the shortest code length after differential variable-length encoding.
バンド内のすべての前記量子化されたスペクトルデータが零であるか否かを検出する零検出部と、
前記零であることが検出されたバンドと隣接するバンドとのスケールファクタの差分が可変長符号化の最も短い符号長の値となるように、前記零であることが検出されたバンドのスケールファクタを別の値に置き換えるデータ置換部と、を備えたことを特徴とするオーディオ高能率符号化装置。An encoding device that represents spectrum data by a scale factor indicating a gain in band units and spectrum data normalized and quantized by the gain and variable-length-encoding the difference between the scale factors of adjacent bands. ,
A zero detector for detecting whether all the quantized spectral data in the band are zero;
The scale factor of the band detected to be zero so that the difference in scale factor between the band detected to be zero and the adjacent band becomes the value of the shortest code length of the variable length coding A high-efficiency audio encoding device comprising: a data replacement unit that replaces a value with another value.
バンド内のすべての前記量子化されたスペクトルデータが零であるか否かを検し、
前記零であることが検出されたバンドのスケールファクタを、差分可変長符号化後に最も短い符号長となる値に置き換えることを特徴とするオーディオ高能率符号化方法。An encoding method for representing spectral data by a scale factor indicating a gain in band units and spectral data normalized and quantized by the gain and variable-length encoding a difference between scale factors of adjacent bands. ,
Check if all the quantized spectral data in the band are zero,
A high-efficiency audio encoding method, characterized in that a scale factor of a band detected to be zero is replaced with a value that becomes the shortest code length after differential variable-length encoding.
バンド内のすべての前記量子化されたスペクトルデータが零であるか否かを検出し、
前記零であることが検出されたバンドと隣接するバンドのスケールファクタとの差分が可変長符号化の最も短い符号長の値となるように、前記零であることが検出されたバンドのスケールファクタを別の値に置き換えることを特徴とするオーディオ高能率符号化方法。An encoding method for representing spectral data by a scale factor indicating a gain in band units and spectral data normalized and quantized by the gain and variable-length encoding a difference between scale factors of adjacent bands. ,
Detect if all the quantized spectral data in the band are zero,
The scale factor of the band detected to be zero so that the difference between the scale factor of the band detected to be zero and the adjacent band is the shortest code length value of the variable length coding A high-efficiency audio encoding method characterized by substituting for another value.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2003037702A JP4369140B2 (en) | 2003-02-17 | 2003-02-17 | Audio high-efficiency encoding apparatus, audio high-efficiency encoding method, audio high-efficiency encoding program, and recording medium therefor |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2003037702A JP4369140B2 (en) | 2003-02-17 | 2003-02-17 | Audio high-efficiency encoding apparatus, audio high-efficiency encoding method, audio high-efficiency encoding program, and recording medium therefor |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2004246224A JP2004246224A (en) | 2004-09-02 |
| JP4369140B2 true JP4369140B2 (en) | 2009-11-18 |
Family
ID=33022416
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2003037702A Expired - Fee Related JP4369140B2 (en) | 2003-02-17 | 2003-02-17 | Audio high-efficiency encoding apparatus, audio high-efficiency encoding method, audio high-efficiency encoding program, and recording medium therefor |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP4369140B2 (en) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102005010057A1 (en) | 2005-03-04 | 2006-09-07 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Apparatus and method for generating a coded stereo signal of an audio piece or audio data stream |
| US7991610B2 (en) | 2005-04-13 | 2011-08-02 | Fraunhofer-Gesellschaft Zur Foerderung Der Angewandten Forschung E.V. | Adaptive grouping of parameters for enhanced coding efficiency |
| US7788106B2 (en) * | 2005-04-13 | 2010-08-31 | Fraunhofer-Gesellschaft Zur Foerderung Der Angewandten Forschung E.V. | Entropy coding with compact codebooks |
| US8064608B2 (en) * | 2006-03-02 | 2011-11-22 | Qualcomm Incorporated | Audio decoding techniques for mid-side stereo |
| CN104485111B (en) * | 2011-04-20 | 2018-08-24 | 松下电器（美国）知识产权公司 | Audio/speech code device, audio/speech decoding apparatus and its method |
| EP3067885A1 (en) * | 2015-03-09 | 2016-09-14 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Apparatus and method for encoding or decoding a multi-channel signal |
-
2003
- 2003-02-17 JP JP2003037702A patent/JP4369140B2/en not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JP2004246224A (en) | 2004-09-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| RU2368074C2 (en) | Adaptive grouping of parametres for improved efficiency of coding | |
| KR101967122B1 (en) | Signal processing apparatus and method, and program | |
| CN1905010B (en) | Apparatus and method for encoding audio data, and apparatus and method for decoding audio data | |
| JP5688861B2 (en) | Entropy coding to adapt coding between level mode and run length / level mode | |
| CA2601821A1 (en) | Planar multiband antenna | |
| EP1854218B1 (en) | Lossless encoding of information with guaranteed maximum bitrate | |
| JP2011059714A (en) | Signal encoding device and method, signal decoding device and method, and program and recording medium | |
| JP4685165B2 (en) | Interchannel level difference quantization and inverse quantization method based on virtual sound source position information | |
| JP4369140B2 (en) | Audio high-efficiency encoding apparatus, audio high-efficiency encoding method, audio high-efficiency encoding program, and recording medium therefor | |
| KR20160120713A (en) | Decoding device, encoding device, decoding method, encoding method, terminal device, and base station device | |
| KR100952065B1 (en) | Coding method, apparatus, decoding method, and apparatus | |
| JP2004325633A (en) | Method and program for encoding signal, and recording medium therefor | |
| JP2006003580A (en) | Device and method for coding audio signal | |
| JP2003316394A (en) | System, method, and program for decoding sound | |
| JP4062971B2 (en) | Audio signal encoding method | |
| JP2005004119A (en) | Sound signal encoding device and sound signal decoding device | |
| JP2006047561A (en) | Audio signal encoding device and audio signal decoding device | |
| JP4273062B2 (en) | Encoding method, encoding apparatus, decoding method, and decoding apparatus | |
| JP4635400B2 (en) | Audio signal encoding method | |
| JP4195598B2 (en) | Encoding method, decoding method, encoding device, decoding device, encoding program, decoding program | |
| JPH0918348A (en) | Acoustic signal encoding device and acoustic signal decoding device | |
| JP4993992B2 (en) | Signal processing method, signal processing apparatus, and program | |
| KR101644883B1 (en) | A method and an apparatus for processing an audio signal | |
| JP2006211243A (en) | Device and method for digital signal encoding | |
| JP2003271199A (en) | Encoding method and encoding system for audio signal |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20060120 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20090123 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20090203 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20090403 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20090630 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20090713 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20090804 |
|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20090827 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120904 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130904 Year of fee payment: 4 |
|
| S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313113 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| LAPS | Cancellation because of no payment of annual fees |