JPWO2012144127A1 - ハフマン符号化を実行するための装置および方法 - Google Patents

Abstract

オーディオ信号の符号化および復号のためにハフマン符号化を実行する装置および方法を導入すること。本発明では、ハフマンテーブルの設計を、大規模な入力シーケンスデータベースを用いて、オフラインで行うことができる。ハフマン符号化のための量子化インデックス（または差分インデックス）の範囲が識別される。各範囲値について、同じ範囲を有するすべての入力信号が集められ、範囲内の量子化インデックス（または差分インデックス）の各値の確率分布が計算される。各範囲値について、１つのハフマンテーブルが、確率に従って設計される。

Description

本発明は、ハフマン符号化を使用する、オーディオ／音声符号化装置、オーディオ／音声復号装置、ならびにオーディオ／音声符号化方法および復号方法に関する。

信号圧縮では、ハフマン符号化が広く使用され、可変長（ＶＬ）符号テーブル（ハフマンテーブル）を使用して入力信号を符号化する。ハフマン符号化は、統計的分布が一様ではない入力信号に対して、固定長（ＦＬ）符号化よりも効率的である。

ハフマン符号化では、ハフマンテーブルは、入力信号の各取りうる値の推定出現確率に基づいた特定の方法で導出される。符号化の際、各入力信号値は、ハフマンテーブル内の特定の可変長符号にマッピングされる。

ハフマン符号化では、統計的に出現の可能性がより高い信号値を、（相対的に少ないビットを使用する）相対的に短いＶＬ符号を使用して符号化し、反対に、統計的に低頻度で出現する信号値を、（相対的により多くのビットを使用する）相対的に長いＶＬ符号を使用して符号化することによって、入力信号を符号化するのに使用されるビットの総数を削減することができる。

ＩＴＵ−Ｔ勧告Ｇ．７１９ （０６／２００８） 「Ｌｏｗ−ｃｏｍｐｌｅｘｉｔｙ，ｆｕｌｌ−ｂａｎｄ ａｕｄｉｏ ｃｏｄｉｎｇ ｆｏｒ ｈｉｇｈ−ｑｕａｌｉｔｙ，ｃｏｎｖｅｒｓａｔｉｏｎａｌ ａｐｐｌｉｃａｔｉｏｎｓ」

しかし、オーディオ信号符号化など、いくつかの応用例では、信号統計が、１組のオーディオ信号と別の１組のオーディオ信号とで著しく異なることがある。同じ１組のオーディオ信号内でさえもそうである。

オーディオ信号の統計が、事前定義されたハフマンテーブルの統計から大きく異なる場合、信号の符号化を最適に行うことができない。異なる統計を有するオーディオ信号を符号化する場合、ハフマン符号化によるビット消費のほうが、固定長符号化によるビット消費よりもはるかに多くなることがある。

１つの可能な解決策は、ハフマン符号化と固定長符号化の両方を符号化に含め、消費するビットが少ない方の符号化方法を選択することである。エンコーダにおいてどちらの符号化方法が選択されたかを示すために、１つのフラグ信号がデコーダ側に伝送される。この解決策は、新たに標準化されたＩＴＵ−Ｔ音声コーデックＧ．７１９において利用されている。

この解決策は、ハフマン符号化が固定長符号化よりも多くのビットを消費するいくつかの非常に極端なシーケンスの場合に、問題を解決する。しかし、ハフマンテーブルとは異なる統計を有するが依然としてハフマン符号化を選択する他の入力信号に対しては、この解決策は、依然として最適ではない。

ＩＴＵ−Ｔによって標準化された音声コーデックＧ．７１９では、ノルムファクタの量子化インデックスの符号化において、ハフマン符号化が使用される。

Ｇ．７１９の構造が、図１に示されている。

エンコーダ側では、４８ｋＨｚでサンプリングされた入力信号が、過渡状態検出器（１０１）によって処理される。過渡状態の検出に応じて、高周波数分解能変換または低周波数分解能変換（１０２）が、入力信号フレームに適用される。獲得されたスペクトル係数は、長さが等しくない帯域にグループ化される。各帯域のノルムが、推定され（１０３）、すべての帯域のノルムから成る、結果のスペクトル包絡線が、量子化され、符号化される（１０４）。その後、係数が、量子化されたノルムによって正規化される（１０５）。量子化されたノルムは、適応スペクトル重み付けに基づいて、さらに調整され（１０６）、ビット割り当てのための入力として使用される（１０７）。正規化されたスペクトル係数は、各周波数帯域に割り当てられたビットに基づいて、格子ベクトル量子化され、符号化される（１０８）。符号化されていないスペクトル係数のレベルが、推定され、符号化され（１０９）、デコーダに伝送される。符号化されたスペクトル係数と符号化されたノルムの両方の量子化インデックスにハフマン符号化が適用される。

デコーダ側では、フレーム構成を、すなわち、定常か、それとも過渡かを示す過渡フラグが最初に復号される。スペクトル包絡線が、復号され、同じビットイグザクトなノルム調整およびビット割り当てアルゴリズムが、正規化された変換係数の量子化インデックスを復号するのに必須なビット割り当てを再計算するために、デコーダにおいて使用される。逆量子化（１１２）の後、（０ビットを割り当てられた）低周波数の符号化されていないスペクトル係数が、受け取ったスペクトル係数（非０ビットを割り当てられたスペクトル係数）から構築された、スペクトルフィル（ｓｐｅｃｔｒａｌ−ｆｉｌｌ）コードブックを使用することによって、再生成される（１１３）。再生成された係数のレベルを調整するために、ノイズレベル調整インデックスが使用される。高周波数の符号化されていないスペクトル係数は、帯域幅拡張を使用して再生成される。復号されたスペクトル係数と再生成されたスペクトル係数は、組み合わされて、正規化されたスペクトルをもたらす。復号されたスペクトル包絡線が適用されて、復号されたフルバンドスペクトルをもたらす（１１４）。最後に、逆変換（１１５）が適用されて、時間領域復号信号を回復する。これは、定常モードの場合は逆修正離散コサイン変換を適用することによって、または過渡モードの場合はより高分解能の時間分解能変換の逆変換を適用することによって実行される。

エンコーダ（１０４）では、スペクトルサブバンドのノルムファクタが、３ｄＢのステップを４０個用いる一様対数スカラ量子化器を用いて、スカラ量子化される。対数量子化器のコードブックエントリが、図２に示されている。コードブックを見て分かるように、ノルムファクタの範囲は、［２^−２．５，２^１７］であり、インデックスが増加するにつれて、値は減少する。

ノルムファクタの量子化インデックスの符号化が、図３に示されている。合計で４４個のサブバンドが存在し、それに対応して、４４個のノルムファクタが存在する。第１のサブバンドの場合、ノルムファクタは、最初の３２個のコードブックエントリを使用して量子化されるが（３０１）、他のノルムファクタは、図２に示される４０個のコードブックエントリを用いてスカラ量子化される（３０２）。第１のサブバンドのノルムファクタの量子化インデックスは、５ビットを用いて直接的に符号化されるが（３０３）、他のサブバンドのインデックスは、差分符号化によって符号化される。差分インデックスは、以下の式を使用して導出される（３０４）。Diff_index(n)=Index(n)-Index(n-1)+15，n∈[1,43] ．．．（式１）

差分インデックスは、２つの可能な方法によって、すなわち、固定長符号化（３０５）とハフマン符号化（３０６）によって符号化される。差分インデックスのためのハフマンテーブルが、図４に示されている。このテーブルには、隣接サブバンド間の急激なエネルギー変化の可能性を考慮に入れた、０から３１までの、合計で３２個のエントリが存在する。

しかし、オーディオ入力信号の場合、聴覚マスキングという名前の物理現象が存在する。聴覚マスキングは、１つの音の知覚が別の音の存在によって影響される場合に発生する。例として、周波数が類似した２つの信号が、すなわち、１ｋＨｚに強力なスパイクが１つと、１．１ｋＨｚにより低レベルのトーンが１つ、同時に存在する場合、１．１ｋＨｚのより低レベルのトーンは、１ｋＨｚに強力なスパイクが存在するために、マスクされる（聞き取れない）。

音を、別の音（マスキング音）が存在するときに、知覚可能にするのに必要とされる音圧レベルは、オーディオ符号化において、マスキング閾値として定義される。マスキング閾値は、周波数、マスキング音の音圧レベルに依存する。２つの音が類似の周波数を有する場合、マスキング効果は大きく、マスキング閾値も大きい。マスキング音が大きな音圧レベルを有する場合、他の音に対して強力なマスキング効果を有し、マスキング閾値も大きい。

上記の聴覚マスキング理論によれば、１つのサブバンドが非常に大きなエネルギーを有する場合、他のサブバンドに対して、特に隣接サブバンドに対して、大きなマスキング効果を有する。その場合、他のサブバンドの、特に隣接サブバンドの、マスキング閾値は大きい。

隣接サブバンド内の音成分が、（マスキング閾値よりも小さい）僅かな量子化誤差しか有さない場合、このサブバンド内の音成分の劣化を、聴取者は知覚することができない。

量子化誤差がマスキング閾値を下回る限り、このサブバンドの、分解能が非常に高いノルムファクタを符号化する必要はない。

本発明では、オーディオ信号符号化の際に、ハフマンテーブルを生成するために、またハフマンテーブルを１組の事前定義されたテーブルから選択するために、オーディオ信号特性を利用する、装置および方法が提供される。

手短に言えば、差分インデックスの範囲を狭めるために、聴覚マスキング特性が利用され、その結果、符号化のために、より少数の符号語を有するハフマンテーブルを設計して、使用することができる。ハフマンテーブルがより少数の符号語を有するので、長さがより短い（より少数のビットしか消費しない）符号コードを設計することが可能である。こうすることによって、差分インデックスを符号化するための全体的ビット消費を低減することができる。

より少数のビットしか消費しないハフマン符号を採用することによって、差分インデックスを符号化するための全体的ビット消費を低減することができる。

ＩＴＵ−Ｔ Ｇ．７１９のフレームワークを示す図 ノルムファクタ量子化のためのコードブックを示す図 ノルムファクタ量子化および符号化のプロセスを示す図 ノルムファクタインデックス符号化のために使用されるハフマンテーブルを示す図 本発明を採用するフレームワークを示す図 事前定義されたハフマンテーブルの一例を示す図 事前定義されたハフマンテーブルの一例を示す図 マスキング曲線の導出を示す図 どのようにして差分インデックスの範囲を狭めるかを示す図 どのようにしてインデックスの変更を行うかを示すフローチャート どのようにしたらハフマンテーブルを設計できるかを示す図 本発明の実施の形態２のフレームワークを示す図 本発明の実施の形態３のフレームワークを示す図 本発明の実施の形態４のエンコーダを示す図 本発明の実施の形態４のデコーダを示す図

本発明の主要な原理が、図５から図１２の助けを借りて、本セクションで説明される。当業者であれば、本発明の主旨から逸脱することなく、本発明を変更し、適合させることができる。説明を容易にするために、図が提供される。

（実施の形態１）
図５は、本発明のコーデックを示しており、本発明のコーデックは、本発明の考案をハフマン符号化に適用する、エンコーダおよびデコーダを備える。

図５に示されるエンコーダでは、サブバンドのエネルギーが、心理音響モデル（５０１）によって処理されて、マスキング閾値Ｍａｓｋ（ｎ）を導出する。導出されたＭａｓｋ（ｎ）に従って、量子化誤差がマスキング閾値を下回るサブバンドのノルムファクタの量子化インデックスが、差分インデックスの範囲をより小さくできるように変更される（５０２）。

変更されたインデックスの差分インデックスが、以下の式に従って計算される。Diff_index(n)=New_Index(n)-New_Index(n-1)+15，n∈[1,43] ．．．（式２）
ハフマン符号化の差分インデックスの範囲は、以下の式に示されるように識別される（５０４）。範囲＝[Min(Diff_index(n)),Max(Diff_index(n))] ．．．（式３）

範囲の値に従って、１組の事前定義されたハフマンテーブルの中の、その特定の範囲のために設計されたハフマンテーブルが、差分インデックスの符号化（５０６）のために選択される（５０５）。例として、入力フレームのすべての差分インデックスの中で、最小値が１２、最大値が１８である場合、範囲＝［１２，１８］である。［１２，１８］のために設計されたハフマンテーブルが、符号化のためのハフマンテーブルとして選択される。

この１組の事前定義されたハフマンテーブルは、差分インデックスの範囲に従って設計され（詳細は後の部分で説明される）、構成される。選択されたハフマンテーブルを示すフラグ信号と、符号化インデックスが、デコーダ側に伝送される。

ハフマンテーブルを選択するための別の方法は、すべてのハフマンテーブルを使用して、すべてのビット消費を計算し、その後、ビットを最も少ししか消費しないハフマンテーブルを選択することである。

例として、４つで１組の事前定義されたハフマンテーブルが、図６に示されている。この例では、４つの事前定義されたハフマンテーブルが存在し、それぞれ、［１３，１７］、［１２，１８］、［１１，１９］、および［１０，２０］の範囲をカバーする。表６．１は、フラグ信号と、対応するハフマンテーブルの範囲を示している。表６．２は、［１３，１７］の範囲内のすべての値に対するハフマン符号を示している。表６．３は、［１２，１８］の範囲内のすべての値に対するハフマン符号を示している。表６．４は、［１１，１９］の範囲内のすべての値に対するハフマン符号を示している。表６．５は、［１０，２０］の範囲内のすべての値に対するハフマン符号を示している。

図６のハフマン符号帳を、図４に示された元のハフマンテーブルと比較してみると、同じ値のハフマン符号帳が、より少数のビットしか消費していないことが分かる。これがビットを節約する方法の説明である。

図５に示されるデコーダでは、フラグ信号に従って、対応するハフマンテーブルが、差分インデックスの復号（５０８）のために選択される（５０７）。差分インデックスは、以下の式に従って、ノルムファクタの量子化インデックスを再構成するために使用される。Diff_index(n)=Index(n)+Index(n-1)-15，n∈[1,43] ．．．（式４）

図７は、入力信号のマスキング曲線の導出を示している。最初に、サブバンドのエネルギーが計算され、これらのエネルギーを用いて、入力信号のマスキング曲線が導出される。マスキング曲線の導出は、ＭＰＥＧ ＡＡＣコーデックにおけるマスキング曲線導出方法など、従来技術のいくつかの既存の技術を利用することができる。

図８は、どのようにして差分インデックスの範囲を狭めるかを示している。最初に、マスキング閾値とサブバンドの量子化誤差エネルギーとの間の比較が行われる。量子化誤差エネルギーがマスキング閾値を下回るサブバンドについては、インデックスが、隣接サブバンドにより近い値に変更されるが、音品質に影響が及ばないように、対応する量子化誤差エネルギーがマスキング閾値を超えない変更が保証される。変更後、インデックスの範囲を狭めることができる。これを以下で説明する。

図８に示されるように、サブバンド０、２、および４については、量子化誤差エネルギーがマスキング閾値を下回るので、インデックスが、隣接インデックスにより近くなるように変更される。

インデックスの変更は、以下のように行うことができる（サブバンド２を例として使用する）。図２に示されるように、大きなインデックスは、より小さなエネルギーに対応し、その場合、Ｉｎｄｅｘ（１）は、Ｉｎｄｅｘ（２）よりも小さい。Ｉｎｄｅｘ（２）の変更は、実際には、その値を減少させることである。それは、図９に示されるように行うことができる。

サブバンド１および３については、エネルギーがマスキング閾値を上回るので、インデックスは、変更されない。その場合、差分インデックスは、中央により近づく。サブバンド１を例として使用する。Diff_index(1)=Index(1)-Index(0)+15，n∈[1,43] ．．．（式５）New_Diff_index(1)=New_Index(1)-New_Index(0)+15，n∈[1,43] ．．．（式６）∵New_index(1)-New_Index(0)<Index(1)-Index(0)∴New_diff_Index(1)-15<Diff_Index(1)-15 ．．．（式７）

本発明では、ハフマンテーブルの設計は、大規模な入力シーケンスデータベースを用いて、オフラインで行うことができる。このプロセスは、図１０において示されている。

サブバンドのエネルギーは、心理音響モデル（１００１）によって処理されて、マスキング閾値Ｍａｓｋ（ｎ）を導出する。導出されたＭａｓｋ（ｎ）に従って、量子化誤差エネルギーがマスキング閾値を下回るサブバンドのノルムファクタの量子化インデックスが、差分インデックスの範囲をより小さくできるように変更される（１００２）。

変更されたインデックスの差分インデックスが計算される（１００３）。

ハフマン符号化のための差分インデックスの範囲が識別される（１００４）。各範囲値について、同じ範囲を有するすべての入力信号が集められ、範囲内の差分インデックスの各値の確率分布が計算される。

各範囲値について、１つのハフマンテーブルが、確率に従って設計される。ハフマンテーブルを設計するために、ここでは、いくつかの従来のハフマンテーブル設計方法を使用することができる。

（実施の形態２）
この実施の形態では、ビット節約を維持できるが、差分インデックスを元の値により近い値に回復する方法が導入される。

図１１に示されるように、１１０５において、ハフマンテーブルが選択された後、元の量子化インデックスの間の差分インデックスが計算される。選択されたハフマンテーブルにおいて、元の差分インデックスと新しい差分インデックスが、同じビットを消費するかどうか、それらが比較される。

選択されたハフマンテーブルにおいて、元の差分インデックスと新しい差分インデックスが、同数のビットを消費する場合、変更された差分インデックスが、元の差分インデックスに回復される。元の差分インデックスと新しい差分インデックスが、同数のビットを消費しない場合、元の差分インデックスに最も近く、同数のビットを消費する、ハフマンテーブル内の符号語が、回復された差分インデックスとして選択される。

この実施の形態の利点は、ノルムファクタの量子化誤差をより小さくできるが、ビット消費は実施の形態１と同じであることである。

（実施の形態３）
この実施の形態では、心理音響モデルの使用を回避して、何らかのエネルギー比閾値だけを使用する方法が導入される。

図１２に示されるように、マスキング閾値を導入するために、心理音響モデルを使用する代わりに、サブバンドのエネルギーと事前定義されたエネルギー比閾値が、その特定のサブバンドの量子化インデックスを変更すべきかどうかを判定するために使用される（１２０１）。以下の式に示されるように、現在のサブバンドと隣接サブバンドの間のエネルギー比が閾値を下回る場合、現在のサブバンドはあまり重要とは見なされず、現在のサブバンドの量子化インデックスを変更することができる。Energy(n)/Energy(n-1)<Threshold&& Energy(n)/Energy(n+1)<Threshold ．．．（式８）

量子化インデックスの変更は、以下の式に示されるように、行うことができる。

この実施の形態の利点は、非常に複合的な複雑度の高い心理音響モデルを回避できることである。

（実施の形態４）
この実施の形態では、差分インデックスの範囲を狭めながらも、差分インデックスを完全に再構成できる方法が導入される。

図１３に示されるように、差分インデックスが、以下の式に従って、元の量子化インデックスから導出される（１３０１）。Diff_index(n)=Index(n)-Index(n-1)+15 ．．．（式１０）ここで、Diff_index(n)は、サブバンドｎの差分インデックスを意味し、index(n)は、サブバンドｎの量子化インデックスを意味し、index(n-1)は、サブバンドｎ−１の量子化インデックスを意味する。

差分インデックスの範囲を縮小するために、いくつかの差分インデックスの値を変更するためのモジュールが実施される（１３０２）。

変更は、先行サブバンドの差分インデックスの値と閾値とに従って行われる。

（ｎ≧１の場合に）差分インデックスを変更するための１つの方法は、以下の式に示されるように行うことができ、第１の差分インデックスは、デコーダ側において完全な再構成を達成するために変更されない。if Diff_index(n-1)>(15+Threshold),Diff index_new(n)=Diff_index(n)+Diff_index(n-1)-(15+Threshold);else if Diff_index(n-1)<(15-Threshold),Diff index_new(n)=Diff_index(n)+Diff_index(n-1)-(15-Threshold);otherwiseDiff index_new(n)=Diff_index(n) ．．．（式１１）ここで、ｎ≧１であり、Diff_index(n)は、サブバンドｎの差分インデックスを意味し、Diff_index(n-1)は、サブバンドｎ−１の差分インデックスを意味し、Diff_index_new(n)は、サブバンドｎの新しい差分インデックスを意味し、Thresholdは、差分インデックスの変更を行うべきかどうかを検査するための値を意味する。

この変更が差分インデックスの範囲を縮小できる理由は、次のように説明される。すなわち、オーディオ／音声信号の場合、１つの周波数帯域から別の周波数帯域に移るにつれて、エネルギーが変動することは本当である。しかし、通常は隣接周波数帯域からの急激なエネルギー変化は起こらないことが観察される。１つの周波数帯域から別の周波数帯域に移るにつれて、エネルギーは徐々に増加し、または減少する。エネルギーを表すノルムファクタも徐々に変化する。ノルムファクタの量子化インデックスも徐々に変化し、その場合、差分インデックスは小さな範囲内で変動する。

急激なエネルギー変化は、大きなエネルギーを有するいくつかの主要な音成分が、周波数帯域において影響を示し始めた場合、またはそのような影響が衰え始めた場合に限って発生する。エネルギーを表すノルムファクタも、先行周波数帯域からの急激な変化を有し、ノルムファクタの量子化インデックスも、突然、大きな値で増加し、または減少する。その場合、非常に大きな、または非常に小さな差分インデックスがもたらされる。

例として、周波数サブバンドｎにおいて大きなエネルギーを有する１つの主要な音成分が存在すると仮定する。周波数サブバンド（ｎ−１）および（ｎ＋１）にある間は、主要な音成分は存在しない。その場合、図２のハフマンテーブルによれば、Ｉｎｄｅｘ（ｎ）は、非常に小さな値を有するが、Ｉｎｄｅｘ（ｎ−１）およびＩｎｄｅｘ（ｎ＋１）は、非常に大きな値を有する。その場合、式（１０）によれば、Ｄｉｆｆ＿ｉｎｄｅｘ（ｎ）は、非常に小さく（（１５−Ｔｈｒｅｓｈｏｌｄ）よりも小さい）、Ｄｉｆｆ＿ｉｎｄｅｘ（ｎ＋１）は、非常に大きい。式（１１）の変更が行われる場合、以下の式（１２）によれば、差分インデックスの上限をおそらく引き下げることができ、したがって、差分インデックスの範囲を狭めることができる。∵Diff index_new(n-1)<(15-Threshold);∴Diff index(n-1)-(15-Threshold)<0∵Diff index_new(n)=Diff_index(n)+Diff_index(n-1)-(15-Threshold)∴Diff index_new(n)<Diff_index(n) ．．．（式１２）

図１４に示されるように、デコーダ側では、差分インデックスを完全に再構成するために、「差分インデックスの再構成」という名前の１つのモジュール（１４０３）が実施される。再構成は、先行サブバンドの差分インデックスの値と閾値とに従って行われる。デコーダにおける閾値は、エンコーダにおいて使用された閾値と同じである。

エンコーダにおける変更に対応する、（ｎ≧１の場合に）差分インデックスを再構成するための方法は、以下の式に示されるように行うことができ、第１の差分インデックスは、エンコーダ側において変更されていないので、直接受け取られる。if Diff_index(n-1)>(15+Threshold),Diff index(n)=Diff_index_new(n)-Diff_index(n-1)+(15+Threshold);else if Diff_index(n-1)<(15-Threshold),Diff index(n)=Diff_index_new(n)-Diff_index(n-1)+(15-Threshold);otherwiseDiff index(n)=Diff_index_new(n) ．．．（式１３）ここで、ｎ≧１であり、Diff_index(n)は、サブバンドｎの差分インデックスを意味し、Diff_index(n-1)は、サブバンドｎ−１の差分インデックスを意味し、Diff_index_new(n)は、サブバンドｎの新しい差分インデックスを意味し、Ｔｈｒｅｓｈｏｌｄは、差分インデックスの再構成を行うべきかどうかを検査するための値を意味する。

上の式（１１）および式（１３）に示されるように、差分インデックスの変更を行うべきかどうか、またどれだけの変更を行うべきかはすべて、先行周波数帯域の差分インデックスに依存する。先行周波数帯域の差分インデックスを完全に再構成できる場合、現在の差分インデックスも完全に再構成することができる。

上の式（１１）および式（１３）に示されるように、第１の差分インデックスは、エンコーダ側において変更されず、直接受け取られ、完全に再構成することができ、その後、第２の差分インデックスは、第１の差分インデックスの値に従って再構成することができ、その後、第３の差分インデックス、第４の差分インデックス、それ以降のインデックスも、同じ手順を踏むことによって、すべての差分インデックスを完全に再構成することができる。

この実施の形態の利点は、差分インデックスの範囲を縮小できながら、デコーダ側において、差分インデックスを依然として完全に再構成できることである。したがって、量子化インデックスのビットイグザクトネスを保持しながら、ビット効率を改善することができる。

さらに、本発明がハードウェアによって構成されるケースが、上記の実施の形態を用いて説明されているが、本発明は、ハードウェアと組み合わされたソフトウェアによって実施することもできる。

上記の実施の形態の説明において利用された各機能ブロックは、集積回路によって構成されるＬＳＩとして一般に実施することができる。これらは、個々のチップとすることができ、または部分的もしくは全体的に単一のチップ上に含むことができる。ここでは、「ＬＳＩ」が採用されているが、これは、異なる集積度に応じて、「ＩＣ」、「システムＬＳＩ」、「スーパＬＳＩ」、または「ウルトラＬＳＩ」とも呼ばれることもある。

さらに、回路集積の方法は、ＬＳＩに限定されず、専用回路または汎用プロセッサを使用する実施も可能である。ＬＳＩ製造後、ＬＳＩ内の回路セルの接続および設定を再構成できる、ＦＰＧＡ（フィールドプログラマブルゲートアレイ）または再構成可能プロセッサの利用も可能である。

さらに、半導体技術または他の派生技術の進歩の結果、ＬＳＩに取って代わる集積回路技術が出現した場合、その技術を使用して機能ブロック統合を実行することも当然可能である。バイオテクノロジの利用も可能である。

２０１１年４月２０日出願の特願２０１１−９４２９５および２０１１年６月１５日出願の特願２０１１−１３３４３２の日本出願に含まれる明細書、図面および要約書の開示内容は、すべて本願に援用される。

本発明による、符号化装置、復号装置、ならびに符号化方法および復号方法は、ワイヤレス通信端末装置、移動通信システム内の基地局装置、電話会議端末装置、テレビ会議端末装置、およびボイスオーバインターネットプロトコル（ＶＯＩＰ）端末装置に適用可能である。

１０１ 過渡状態検出器
１０２ 変換
１０３ ノルム推定
１０４ ノルム量子化および符号化
１０５ スペクトル正規化
１０６ ノルム調整
１０７ ビット割り当て
１０８ 格子ベクトル量子化および符号化
１０９ ノイズレベル調整
１１０ 多重化
１１１ 逆多重化
１１２ 格子復号
１１３ スペクトルフィル生成器
１１４ 包絡線整形
１１５ 逆変換
３０１ スカラ量子化（３２個のステップ）
３０２ スカラ量子化（４０個のステップ）
３０３ 直接的伝送（５ビット）
３０４ 差分
３０５ 固定長符号化
３０６ ハフマン符号化
５０１ 心理音響モデル
５０２ インデックスの変更
５０３ 差分
５０４ 範囲の検査
５０５ ハフマン符号テーブルの選択
５０６ ハフマン符号化
５０７ ハフマンテーブルの選択
５０８ ハフマン復号
５０９ 合算
１００１ 心理音響モデル
１００２ インデックスの変更
１００３ 差分
１００４ 範囲の検査
１００５ 確率
１００６ ハフマン符号の導出
１１０１ 心理音響モデル
１１０２ インデックスの変更
１１０３ 差分
１１０４ 範囲の検査
１１０５ ハフマン符号テーブルの選択
１１０６ 差分
１１０７ 差分インデックスの回復
１１０８ ハフマン符号化
１２０１ インデックスの変更
１２０２ 差分
１２０３ 範囲の検査
１２０４ ハフマン符号テーブルの選択
１２０５ ハフマン符号化
１３０１ 差分
１３０２ 差分インデックスの変更
１３０３ 範囲の検査
１３０４ ハフマン符号テーブルの選択
１３０５ ハフマン符号化
１４０１ ハフマン符号テーブルの選択
１４０２ ハフマン符号化
１４０３ 差分インデックスの再構成
１４０４ 合算

Claims (13)

1. 時間領域入力信号を周波数領域信号に変換する変換部と、
   入力信号の周波数スペクトルを複数のサブバンドに分割する帯域分割部と、
   各サブバンドのエネルギーのレベルを表すノルムファクタを導出するノルムファクタ計算部と、
   前記ノルムファクタを量子化する量子化部と、
   量子化インデックスを変更するインデックス変更部と、
   いくつかの事前定義されたハフマンテーブルの中からハフマンテーブルを選択するハフマンテーブル選択部と、
   前記選択されたハフマンテーブルを使用して、前記インデックスを符号化するハフマン符号化部と、
   前記選択されたハフマンテーブルを示すフラグ信号を伝送するフラグ信号伝送セッションと
   を備えるオーディオ／音声符号化装置。
2. 前記インデックス変更部が、
   各サブバンドの前記エネルギーを計算するエネルギー計算部と、
   各サブバンドのマスキング閾値を導出する心理音響モデル部と、
   量子化誤差が前記導出されたマスキング閾値を下回るサブバンドを識別する検査部と、
   前記識別されたサブバンドのインデックスを変更するインデックス変更部であって、前記変更が、前記識別されたサブバンドのインデックスをその隣接サブバンドのインデックスにより近づける一方で、新しいインデックスの量子化誤差が、依然として前記導出されたマスキング閾値を下回ることが保証される、インデックス変更部と
   を備える、請求項１に記載のオーディオ／音声符号化装置。
3. 前記インデックス変更部が、
   各サブバンドの前記エネルギーを計算するエネルギー計算部と、
   エネルギーが隣接サブバンドのエネルギーの一定のパーセンテージを下回るサブバンドを識別する検査部と、
   前記識別されたサブバンドのインデックスを変更するインデックス変更部であって、前記変更が、前記識別されたサブバンドのインデックスをその隣接サブバンドのインデックスにより近づける、インデックス変更部と
   を備える、請求項１に記載のオーディオ／音声符号化装置。
4. 前記ハフマンテーブル選択が、
   前記インデックスの範囲を計算する範囲計算部と、
   前記計算された範囲のために事前定義されたハフマンテーブルを選択するハフマンテーブル選択部と
   を備える、請求項１に記載のオーディオ／音声符号化装置。
5. 前記ハフマンテーブル選択が、
   すべての前記事前定義されたハフマンテーブルのビット消費を計算するビット消費計算部と、
   消費するビットが最も少ないハフマンテーブルを選択するハフマンテーブル選択部と
   を備える、請求項１に記載のオーディオ／音声符号化装置。
6. 前記ハフマン符号化部が、
   前記変更されたインデックス値を、同数のビットを消費するが、元のインデックスにより近い値に回復するインデックス回復部と、
   前記回復されたインデックスを符号化するハフマン符号化部と
   を備える、請求項１に記載のオーディオ／音声符号化装置。
7. 前記ハフマン符号化部が、
   現在のサブバンドと先行サブバンドの間の差分インデックスを計算する差分インデックス計算部と、
   前記差分インデックスを符号化するハフマン符号化部と
   を備える、請求項１に記載のオーディオ／音声符号化装置。
8. 時間領域入力信号を周波数領域信号に変換する変換部と、
   入力信号の周波数スペクトルを複数のサブバンドに分割する帯域分割部と、
   各サブバンドのエネルギーのレベルを表すノルムファクタを導出するノルムファクタ計算部と、
   前記ノルムファクタを量子化する量子化部と、
   現在のサブバンドと先行サブバンドの間の差分インデックスを計算する差分インデックス計算部と、
   前記差分インデックスの範囲を縮小するために、前記差分インデックスを変更する差分インデックス変更部であって、前記変更が、前記先行サブバンドの差分インデックスが定義された範囲を上回った、または下回った場合に限って、差分インデックスに対して行われる、差分インデックス変更部と、
   いくつかの事前定義されたハフマンテーブルの中からハフマンテーブルを選択するハフマンテーブル選択部と、
   前記選択されたハフマンテーブルを使用して、前記差分インデックスを符号化するハフマン符号化部と、
   前記選択されたハフマンテーブルを示すフラグ信号を伝送するフラグ信号伝送部と
   を備えるオーディオ／音声符号化装置。
9. 前記差分インデックス変更部が、
   前記先行サブバンドの前記差分インデックスと前記定義された範囲に対応する境界との間の差分に従って、オフセット値を計算するオフセット値計算部と、
   前記先行サブバンドの前記差分インデックスが前記定義された範囲を下回った場合に、現在の差分インデックスから前記オフセット値を減算し、前記先行サブバンドの前記差分インデックスが前記定義された範囲を上回った場合に、現在の差分インデックスに前記オフセット値を加算する、変更部と
   を備える、請求項８に記載のオーディオ／音声符号化装置。
10. 選択されたハフマンテーブルを示すフラグ信号を復号するフラグ信号復号セッションと
    前記フラグ信号に従って、ハフマンテーブルを選択するハフマンテーブル選択部と、
    前記選択されたハフマンテーブルを使用して、インデックスを復号するハフマン復号部と、
    ノルムファクタを逆量子化する逆量子化部と、
    前記ノルムファクタを用いてスペクトル係数を再構成する係数再構成部と、
    周波数領域入力信号を時間領域信号に変換する変換部と
    を備えるオーディオ／音声復号装置。
11. 前記ハフマン復号部が、
    差分インデックスを復号するハフマン復号部と、
    前記復号された差分インデックスを使用して、量子化インデックスを計算するインデックス計算部と
    を備える、請求項１０に記載のオーディオ／音声復号装置。
12. 前記ハフマン復号部が、
    差分インデックスを復号するハフマン復号部と、
    前記差分インデックスの値を再構成する差分インデックス再構成部であって、前記再構成が、先行サブバンドの差分インデックスが定義された範囲を上回った、または下回った場合に限って、差分インデックスに対して行われる、差分インデックス再構成部と、
    前記復号された差分インデックスを使用して、量子化インデックスを計算するインデックス計算部と
    を備える、請求項１０に記載のオーディオ／音声復号装置。
13. 前記差分インデックス再構成部が、
    前記先行サブバンドの前記差分インデックスと前記定義された範囲に対応する境界との間の差分に従って、オフセット値を計算するオフセット値計算部と、
    前記先行サブバンドの前記差分インデックスが前記定義された範囲を下回った場合に、現在の差分インデックスから前記オフセット値を減算し、前記先行サブバンドの前記差分インデックスが前記定義された範囲を上回った場合に、現在の差分インデックスに前記オフセット値を加算する、変更部と
    を備える、請求項１２に記載のオーディオ／音声復号装置。
    

Images