WO2013061584A1 - 音信号ハイブリッドデコーダ、音信号ハイブリッドエンコーダ、音信号復号方法、及び音信号符号化方法 - Google Patents

音信号ハイブリッドデコーダ、音信号ハイブリッドエンコーダ、音信号復号方法、及び音信号符号化方法 Download PDF

Info

Publication number
WO2013061584A1
WO2013061584A1 PCT/JP2012/006802 JP2012006802W WO2013061584A1 WO 2013061584 A1 WO2013061584 A1 WO 2013061584A1 JP 2012006802 W JP2012006802 W JP 2012006802W WO 2013061584 A1 WO2013061584 A1 WO 2013061584A1
Authority
WO
WIPO (PCT)
Prior art keywords
signal
frame
audio
decoding
encoding
Prior art date
Application number
PCT/JP2012/006802
Other languages
English (en)
French (fr)
Inventor
石川　智一
則松　武志
コック セン チョン
ダン ザオ
Original Assignee
パナソニック株式会社
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by パナソニック株式会社 filed Critical パナソニック株式会社
Priority to CN2012800043379A priority Critical patent/CN103477388A/zh
Priority to US13/996,644 priority patent/US20140058737A1/en
Priority to EP12844467.6A priority patent/EP2772914A4/en
Publication of WO2013061584A1 publication Critical patent/WO2013061584A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
    • G10L19/002—Dynamic bit allocation
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
    • G10L19/04—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using predictive techniques
    • G10L19/16—Vocoder architecture
    • G10L19/18—Vocoders using multiple modes
    • G10L19/20—Vocoders using multiple modes using sound class specific coding, hybrid encoders or object based coding
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
    • G10L19/02—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using spectral analysis, e.g. transform vocoders or subband vocoders
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
    • G10L19/04—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using predictive techniques
    • G10L19/08—Determination or coding of the excitation function; Determination or coding of the long-term prediction parameters
    • G10L19/12—Determination or coding of the excitation function; Determination or coding of the long-term prediction parameters the excitation function being a code excitation, e.g. in code excited linear prediction [CELP] vocoders

Definitions

  • the present invention relates to a sound signal hybrid decoder and a sound signal hybrid encoder capable of switching between a sound codec and an acoustic codec.
  • a hybrid codec (for example, see Patent Document 1) is a codec that combines the advantages of an acoustic codec and a voice codec (for example, see Non-Patent Document 1). According to the hybrid codec, it is possible to encode a sound signal in which audio signal-based content and audio signal-based content are mixed by switching between the audio codec and the audio codec by an encoding method suitable for each. Therefore, according to the hybrid codec, stable encoding of a sound signal at a low bit rate is realized.
  • the sound quality can be improved by using, for example, an AAC-ELD (Advanced Audio Coding-Enhanced Low Delay) mode as an acoustic codec.
  • AAC-ELD Advanced Audio Coding-Enhanced Low Delay
  • Patent Document 1 discloses signal processing at a location where the coding mode is switched in this way, but such processing is coding that requires overlap processing by a plurality of preceding frames as in the AAC-ELD mode. This method does not correspond to the method, and the method of Patent Document 1 cannot reduce the aliasing.
  • An object of the present invention is to reduce aliasing that occurs in a switching portion between a speech codec and an acoustic codec when an encoding method that requires overlap processing using a plurality of preceding frames, such as an AAC-ELD mode, is used as an acoustic codec.
  • a hybrid codec sound signal hybrid decoder and sound signal hybrid encoder
  • An audio signal hybrid decoder includes an audio frame encoded by an audio encoding process using a low delay filter bank and an audio frame encoded by an audio encoding process using a linear prediction coefficient.
  • a sound signal hybrid decoder for decoding a bitstream including: a low-delay transform decoder that decodes the acoustic frame using a low-delay inverse filter bank process; an audio signal decoder that decodes the audio frame;
  • the decoding target frame of the bit stream is the acoustic frame
  • the decoding target frame is decoded by the low-delay transform decoder.
  • the decoding target frame is the audio frame, the decoding target frame is converted to the audio signal.
  • a block switching unit that performs control of decoding by a decoder
  • the target frame is the i-th frame that is the first audio frame that is switched from the acoustic frame to the audio frame
  • the i-th frame is a frame that precedes the i-th frame by one frame.
  • the first signal generated using the signal before encoding of the i-1 frame is included in an encoded state
  • the block switching unit is (1) a frame that precedes the i-th frame by 2 frames.
  • a window-processed signal obtained by decoding a certain i-2 frame by the low-delay transform decoder and a reconstructed signal of the i-3 frame, which is a frame three frames ahead of the i frame.
  • a signal obtained by convolving the signal corresponding to the second half of the second signal frame with the signal corresponding to the first half of the second signal frame is added.
  • a signal subjected to window processing a signal obtained by performing window processing on the first signal obtained by decoding the i-th frame by the audio signal decoder, and the i-1 frame from the low delay
  • the signal of the first half of the frame of the third signal which is the portion corresponding to the i-3th frame of the signal subjected to the inverse filter bank processing and the window processing, is added to the i-1th before encoding.
  • a signal corresponding to the first half of the frame is generated, and a signal obtained by convolving the signal corresponding to the first half of the second signal frame is added to the signal corresponding to the second half of the second signal frame.
  • a signal that has been processed, a signal that has undergone convolution processing and window processing on the first signal, and a signal that corresponds to the second half of the frame of the third signal are added to perform the processing before encoding.
  • I-1th A signal corresponding to the second half of the frame is generated, or (2) a signal obtained by convolving a signal corresponding to the second half of the second signal frame with a signal corresponding to the first half of the second signal frame.
  • a signal that has been subjected to window processing by addition, a signal that has undergone convolution processing and window processing on the first signal, and a signal that corresponds to the first half of the frame of the third signal are added to perform coding.
  • a signal corresponding to the first half of the frame of the second signal is generated and a signal corresponding to the first half of the frame of the second signal is convolved with a signal corresponding to the second half of the frame of the second signal.
  • an audio codec And aliasing that occurs in the switching portion between the sound codec and the sound codec can be reduced.
  • FIG. 1 is a diagram showing an analysis window in an AAC-ELD encoder.
  • FIG. 2 is a diagram illustrating a decoding process in the AAC-ELD decoder.
  • FIG. 3 is a diagram showing a synthesis window in the AAC-ELD decoder.
  • FIG. 4 is a diagram illustrating a delay amount of AAC-ELD encoding / decoding processing.
  • FIG. 5 is a diagram for explaining the transition frame.
  • FIG. 6 is a block diagram showing a configuration of the sound signal hybrid encoder according to the first embodiment.
  • FIG. 7 is a diagram illustrating an encoded frame when the encoding mode is switched from the FD encoding mode to the ACELP encoding mode.
  • FIG. 1 is a diagram showing an analysis window in an AAC-ELD encoder.
  • FIG. 2 is a diagram illustrating a decoding process in the AAC-ELD decoder.
  • FIG. 3 is a diagram showing a synthesis window in the
  • FIG. 8A is a diagram illustrating an example of a component X generation method.
  • FIG. 8B is a flowchart of a method for generating component X.
  • FIG. 9 is a block diagram illustrating a configuration of a sound signal hybrid encoder including a TCX encoder.
  • FIG. 10 is a block diagram showing a configuration of the sound signal hybrid decoder according to the first embodiment.
  • FIG. 11 is a schematic diagram illustrating switching control of the block switching unit when a signal encoded in the FD encoding mode is switched to a signal encoded in the ACELP encoding mode.
  • FIG. 12A is a diagram illustrating a method of reconstructing the signal of frame i-1.
  • FIG. 12B is a flowchart of a method for reconstructing the signal of frame i-1.
  • FIG. 13 is a diagram showing a delay amount of the encoding / decoding process according to the first embodiment.
  • FIG. 14 is a block diagram illustrating a configuration of a sound signal hybrid decoder including a TCX decoder.
  • FIG. 15 is a diagram illustrating a method for reconstructing the signal of frame i ⁇ 1 using the composite error compensation apparatus.
  • FIG. 16 is a diagram illustrating the decoding process of the synthesis error information.
  • FIG. 17 is a diagram illustrating an encoded frame when the encoding mode is switched from the ACELP encoding mode to the FD encoding mode.
  • FIG. 18 is a schematic diagram illustrating switching control of the block switching unit when a signal encoded in the ACELP encoding mode is switched to a signal encoded in the FD encoding mode.
  • FIG. 19 is a flowchart of a method for reconstructing the signal of frame i-1 according to the second embodiment.
  • FIG. 20A is a diagram illustrating an example of a method of reconfiguring a signal of frame i ⁇ 1 according to Embodiment 2.
  • FIG. 20B is another diagram illustrating an example of a method of reconfiguring the signal of frame i ⁇ 1 according to the second embodiment.
  • FIG. 21 is a diagram illustrating an example of a method for reconstructing a signal of frame i according to the second embodiment.
  • FIG. 20A is a diagram illustrating an example of a method of reconfiguring a signal of frame i ⁇ 1 according to Embodiment 2.
  • FIG. 20B is another diagram illustrating an example of a method of reconfiguring the signal of frame i ⁇ 1 according to the second embodiment
  • FIG. 22 is a diagram illustrating an example of a method of reconfiguring the signal of frame i + 1 according to the second embodiment.
  • FIG. 23 is a diagram showing a delay amount of the encoding / decoding process according to the second embodiment.
  • FIG. 24 is a diagram illustrating a method of reconstructing the signal of frame i-1 using the SEC device.
  • FIG. 25 is a diagram illustrating a method of reconstructing the signal of frame i using the SEC device.
  • FIG. 26 is a diagram illustrating a method of reconstructing the signal of frame i ⁇ 1 using the SEC device.
  • FIG. 27 is a diagram illustrating an encoded frame when the encoding mode is switched from the FD encoding mode to the TCX encoding mode.
  • FIG. 28 is a schematic diagram illustrating switching control of the block switching unit when a signal encoded in the FD encoding mode is switched to a signal encoded in the TCX code mode.
  • FIG. 29 is a diagram illustrating a delay amount of the encoding / decoding process according to Embodiment 3.
  • FIG. 30 is a diagram illustrating an encoded frame when the encoding mode is switched from the TCX encoding mode to the FD encoding mode.
  • FIG. 31 is a diagram illustrating an encoded frame when the encoding mode is switched from the TCX encoding mode to the FD encoding mode.
  • FIG. 32 is a diagram illustrating an example of a method of reconfiguring a signal of frame i ⁇ 1 according to the fourth embodiment.
  • FIG. 33 is a diagram illustrating a delay amount of the encoding / decoding process according to the fourth embodiment.
  • the audio codec is a codec for encoding an audio signal according to the characteristics of the audio signal (see Non-Patent Document 1).
  • the audio codec realizes good sound quality with low delay when the audio signal is encoded at a low bit rate.
  • speech codecs are not suitable for encoding acoustic signals. Therefore, when an audio signal is encoded by an audio codec, the sound quality is deteriorated as compared to, for example, an encoding by an audio codec such as AAC.
  • ACELP coding mode Algebraic Code Excited Linear Prediction
  • TCX coding mode Transform Coded Excitation
  • ACELP coding mode after linear prediction analysis, an algebraic codebook is applied to the coding of the excitation signal.
  • TCX coding mode after the linear prediction analysis, transform coding is used for the excitation signal.
  • the acoustic codec is a codec suitable for encoding an acoustic signal.
  • a high bit rate is usually required to achieve stable sound quality like the audio codec.
  • Hybrid codec combines the advantages of acoustic codec and audio codec.
  • the encoding mode is divided into two systems. One is a frequency domain (FD) encoding mode such as AAC, which corresponds to the acoustic codec.
  • FD frequency domain
  • LPD linear prediction domain
  • orthogonal transform encoding such as AAC-LD encoding mode and AAC encoding mode is used.
  • LPD encoding mode a TCX encoding mode that is a frequency domain display of an LPC (Lenear Prediction Coefficient) residual and an ACELP encoding mode that is a time domain display of an LPC residual are generally used.
  • LPC Long Prediction Coefficient
  • the encoding mode is switched depending on whether the signal to be encoded is an audio signal or an acoustic signal (see Patent Document 1). Note that whether to select the ACELP encoding mode or the TCX encoding mode is selected based on, for example, a closed-loop analysis / synthesis technique.
  • AAC-ELD AAC-ELD encoding method
  • AAC and AAC-LD AAC-ELD encoding method
  • the AAC-ELD encoding scheme has the following characteristics in order to realize a sufficiently low delay.
  • the number of samples in one frame of AAC-ELD (frame size N, hereinafter the same also in this specification) is as small as 512 time domain samples and 480 time domain samples.
  • the analysis and synthesis filter bank is modified to employ a low delay filter bank. Specifically, a long window having a length of 4N is used with much overlap with the past and less overlap with the future (value N / 4 is actually zero).
  • bit reservoir is minimized or no bit reservoir is used.
  • Time domain noise shaping and long-term prediction functions are adapted according to low delay frame size.
  • low delay analysis and synthesis filter banks are used in AAC-ELD.
  • the low delay filter bank is defined as follows.
  • x n is a windowed input signal (encoding target).
  • the low delay inverse filter bank of AAC-ELD is defined as follows.
  • X k is a decoded transform coefficient
  • AAC-ELD 4 frames are encoded corresponding to one frame. Specifically, when frame i-1 is encoded, an extended frame having a length of 4N is formed by concatenating three frames i-4, i-3, i-2 preceding the frame i-1. This extension frame is encoded. If one frame size is N, the encoded frame size is 4N.
  • FIG. 1 shows an analysis window (encoder window) in an AAC-ELD encoder, which is denoted as wenc .
  • the length of the analysis window is 4N.
  • one frame is divided into two subframes.
  • the frame i-1 is divided and expressed in the form of a vector such as [a i-1 , b i-1 ].
  • the lengths of a i-1 and b i-1 are each N / 2 samples.
  • the encoder window having a length of 4N is divided into eight, and as shown in FIG. 1, these are [w 1 , w 2 , w 3 , w 4 , w 5 , w 6 , w 7 , w 8 ].
  • the extended frame is indicated as [a i-4 , b i-4 , a i-3 , b i-3 , a i-2 , b i-2 , a i-1 , b i-1 ].
  • the low delay filter bank defined by equation (1) is used to transform the windowed signal xn .
  • a converted spectral coefficient having a frame size N is generated from the windowed signal xn having a frame size 4N.
  • the basic algorithm of the low delay filter bank is the same as that of MDCT (Modified Discrete Cosine Transform).
  • MDCT Modified Discrete Cosine Transform
  • DCT-IV non-patent
  • DCT-IV has the following even / odd boundary conditions.
  • the signal of frame i-1 converted by the low delay filter bank using these boundary conditions is expressed as follows in DCT-IV.
  • (A i-4 w 1 ) R , (a i-2 w 5 ) R , (b i-3 w 4 ) R , (b i-1 w 8 ) R are respectively represented by vectors a i -4 w 1, a i-2 w 5 , b i-3 w 4, b i-1 w 8 in reverse order.
  • FIG. 2 is a diagram showing a decoding process in the AAC-ELD decoder.
  • the length (frame size) of the output signal after decoding is 4N.
  • the inverse transform signal for frame i-1 is as follows.
  • FIG. 3 shows the synthesis window in the AAC-ELD decoder, which is denoted w dec .
  • the synthesis window is obtained by reversing the analysis windows in the AAC-ELD encoder as they are. Similarly to the analysis window in the AAC-ELD encoder, for the sake of convenience, the synthesis window is divided into eight as shown in FIG.
  • the composite window is expressed in the form of a vector as follows.
  • the decoding target frame i is decoded in order to reconstruct the signal [a i-1 , b i-1 ] of the frame i-1. That is, the overlap addition process is performed using the inversely converted signals obtained by windowing the frame i and the three frames preceding the frame i. Therefore, the overlap addition process shown in FIG. 2 is expressed by the following equation.
  • the length of the reconstructed signal is N.
  • the signal [a i ⁇ 1 , b i ⁇ 1 ] of the frame i ⁇ 1 is reconstructed by the overlap addition process from the following window characteristics.
  • FIG. 4 is a diagram showing the amount of delay in AAC-ELD encoding / decoding processing. In FIG. 4, it is assumed that the encoding process for frame i-1 is started at time t.
  • the portion corresponding to N / 4 samples in the second half of the analysis window w 8 in the encoder of the AAC-ELD is zero. Therefore, as shown in FIG. 4, at time t + 3 * N / 4 samples, x i ⁇ 1 is in a state where MDCT conversion is possible, and an IMDCT converted signal y i ⁇ 1 is obtained.
  • window processing and overlap addition processing are applied to y i ⁇ 1 , y i to obtain out i, n .
  • the portion corresponding to the first half N / 4 samples of the synthesis window w R, 8 in the AAC-ELD decoder is zero.
  • AAC-ELD MDCT is performed on four consecutive frames, and the four frames are subjected to overlap addition processing as shown in FIG.
  • the MDCT conversion is also used in the TCX encoding mode. However, in the TCX encoding mode, one or more blocks exist in one frame, and the MDCT conversion is performed on the consecutive blocks. Subsequent blocks are overlapped so that the second half of one block matches the first half of the next block.
  • the decoding mode is changed from the LPD encoding mode to the AAC-ELD, or from the AAC-ELD to the LPD encoding mode in order to perform decoding using the preceding frame and the subsequent frame by the overlap addition process as described above. Aliasing occurs when the transition frame, which is the first frame switched, is decoded.
  • FIG. 5 is a diagram for explaining the transition frame.
  • a frame i in FIG. 5 is a transition frame.
  • mode 1 is AAC-ELD and mode 2 is an LPD encoding mode
  • aliasing occurs when frame i is decoded.
  • mode 1 is an LPD encoding mode
  • mode 2 is AAC-ELD
  • aliasing occurs when frame i is decoded.
  • Patent Document 1 Since the method described in Patent Document 1 does not support an encoding method that requires overlap processing using a plurality of preceding frames such as AAC-ELD, it cannot reduce the generated aliasing.
  • a sound signal hybrid decoder includes an audio frame encoded by an audio encoding process using a low-delay filter bank and audio using a linear prediction coefficient.
  • An audio signal hybrid decoder that decodes a bitstream including an audio frame encoded by an encoding process, wherein the audio frame is decoded using a low delay inverse filter bank process; and the audio
  • the decoding target frame is decoded by the low-delay transform decoder, and the decoding target frame is the audio frame
  • the decoding target frame is controlled by the audio signal decoder.
  • the i-th frame includes the i-th frame from the i-th frame.
  • the block switching unit includes (1) the i th Reconstruction of the i-3 frame, which is a frame 3 frames ahead of the i frame, obtained by decoding the i-2 frame, which is 2 frames ahead of the frame, by the low delay transform decoder
  • the signal corresponding to the first half of the second signal frame, which is a windowed signal of the processed signal corresponds to the second half of the second signal frame.
  • the signal obtained by adding the signal of the first half of the third signal frame, which is the portion corresponding to the i-3 frame of the signal obtained by subjecting the i-1 frame to the low delay inverse filter bank processing and the window processing, is encoded.
  • a signal corresponding to the first half of the frame of the second signal is generated and a signal corresponding to the first half of the frame of the second signal is convolved with a signal corresponding to the second half of the frame of the second signal.
  • a process of adding a signal obtained by performing window processing by adding the processed signals, a signal obtained by performing convolution processing and window processing on the first signal, and a signal corresponding to the second half of the frame of the third signal To generate a signal corresponding to the second half of the i-1 frame before encoding, or (2) a signal corresponding to the first half of the second signal frame is converted into a signal corresponding to the first half of the frame of the second signal.
  • the signal obtained by performing the window processing by adding the signal obtained by convolution processing the signal corresponding to the second half portion, the signal obtained by performing the convolution processing and the window processing on the first signal
  • a signal corresponding to the first half of the frame of the i-1th frame before encoding to generate a signal corresponding to the second half of the frame of the second signal.
  • a signal obtained by performing window processing by adding a signal obtained by convolving a signal corresponding to the first half portion of the signal frame, a signal obtained by performing window processing on the first signal, and a second half portion of the frame of the third signal. Add the corresponding signal Processes performed and generates a signal corresponding to the second half of the first i-1 frame before encoding that.
  • the block switching unit performs the process shown in FIG. 12A. This can reduce aliasing that occurs when the first frame whose coding mode is switched from the FD coding mode to the LPD coding mode is decoded. Therefore, seamless switching between the FD decoding technique and the LPD decoding technique is realized.
  • an acoustic frame encoded by an acoustic encoding process using a low delay filter bank and an audio frame encoded by an audio encoding process using a linear prediction coefficient are included.
  • the target frame is the acoustic frame
  • the decoding target frame is decoded by the low-delay transform decoder, and when the decoding target frame is the audio frame, the decoding target frame is controlled by the audio signal decoder.
  • a block switching unit for performing the block switching unit When the decoding target frame is the i-th frame that is the first acoustic frame that is switched from the audio frame to the acoustic frame, the i-th frame that is one frame preceding the i-th frame is used as the audio signal.
  • a signal obtained by performing window processing on the signal obtained by decoding by the decoder is added to a signal obtained by convolution processing of the fourth signal, and the fifth signal subjected to window processing is preceded by 3 frames before the i-th frame.
  • a signal obtained by convolution processing of the sixth signal is added to a sixth signal obtained by performing window processing on a signal obtained by decoding the i-3th frame which is a frame to be decoded by the audio signal decoder, and the window processing is performed.
  • the eighth signal may generate the reconstructed signal which is the signal corresponding to the first i-1 frame before encoding by performing a process of adding.
  • the block switching unit performs the processing shown in FIGS. 20A and 20B. Thereby, it is possible to reduce aliasing that occurs when the first frame whose coding mode is switched from the LPD coding mode to the FD coding mode is decoded. Therefore, seamless switching between the FD decoding technique and the LPD decoding technique is realized.
  • the block switching unit may convert the i + 1 frame to the low-delay inverse filter when the decoding target frame is an i + 1 frame that is a frame after the i-th frame.
  • a ninth signal that is a portion corresponding to the i-2 frame, which is a frame that precedes the i frame by 2 frames, and the low delay inverse filter
  • the tenth signal corresponding to the i-2th frame of the banked and windowed signals and the eleventh signal obtained by decoding the i-2 frame by the audio signal decoder are the first signal
  • a signal corresponding to the first half of the frame of the signal subjected to the window processing is added to the second half of the frame of the signal obtained by performing the first window processing on the eleventh signal.
  • the signal obtained by adding the signal subjected to the convolution process to the signal corresponding to is connected to the signal obtained by performing the convolution process on the twelfth signal, and the thirteenth signal subjected to the window process and the eleventh signal.
  • the signal corresponding to the first half of the frame of the signal subjected to the second window processing different from the first window processing corresponds to the second half of the frame of the signal subjected to the second window processing on the eleventh signal.
  • the signal obtained by adding the convolution processed signal to the signal to be added is connected to the signal obtained by convolution processing of the 14th signal and the signal inverted in sign, and the 15th signal subjected to window processing is added.
  • the signal corresponding to the i-th frame before encoding may be generated by performing the above process.
  • the block switching unit performs the processing shown in FIG. As a result, it is possible to reduce aliasing that occurs when a frame one frame after the first frame whose coding mode is switched from the LPD coding mode to the FD coding mode is decoded.
  • the block switching unit may convert the i + 2 frame to the low-delay inverse filter bank when the decoding target frame is an i + 2 frame that is a frame after the i-th frame.
  • 16th signal corresponding to the i ⁇ 1th frame of the processed and windowed signal and the i ⁇ 1th frame of the low delay inverse filter bank processing and windowed signal of the i + 1th frame A signal corresponding to the i-1th frame of the signal obtained by subjecting the i-th frame to the low delay inverse filter bank processing and the window processing, and the i-3th frame.
  • the 20th signal obtained by adding the signal subjected to the convolution processing to the signal corresponding to the latter half of the frame of the signal subjected to the window processing on the 19th signal is connected to the signal obtained by convolving the 20th signal
  • the 21st signal subjected to window processing and the signal corresponding to the first half of the frame of the signal subjected to window processing on the reconstructed signal correspond to the second half of the frame of the signal subjected to window processing on the reconstructed signal
  • the signal obtained by adding the convolution-processed signal to the signal to be added is connected to the signal obtained by convolution-processing the 22nd signal and inverted in sign, and the window-processed 23rd signal is added.
  • the signal corresponding to the (i + 1) th frame before encoding may be generated by performing the above process.
  • the block switching unit performs the process shown in FIG. As a result, it is possible to reduce aliasing that occurs when a frame two frames after the first frame whose coding mode is switched from the LPD coding mode to the FD coding mode is decoded.
  • an acoustic frame encoded by an acoustic encoding process using a low delay filter bank and an audio frame encoded by an audio encoding process using a linear prediction coefficient are included.
  • TCX Transform Coded Exitation
  • the decoding target frame of the TCX decoder and the bitstream is the acoustic frame
  • the decoding target frame is decoded by the low-delay transform decoder
  • the decoding target Frame is the audio signal
  • the decoding target frame is the first audio frame that is switched from the acoustic frame to the audio frame, and is a frame in which a transient signal is encoded.
  • the i-th frame is encoded with the first signal generated by using the signal before the encoding of the (i-1) -th frame, which is a frame preceding the i-th frame.
  • the block switching unit is (1) obtained by decoding the i-2 frame that is two frames ahead of the i frame by the low delay transform decoder.
  • the frame of the second signal which is a signal obtained by performing window processing on the reconstructed signal of the i-3th frame which is a frame three frames ahead of the i frame
  • a signal obtained by performing window processing by adding a signal corresponding to the second half of the frame of the second signal to a signal corresponding to the first half is subjected to window processing, and the i-th frame is decoded by the audio signal decoder.
  • a signal corresponding to the first half of the i-1 frame before encoding is generated by adding the signal of the first half of the frame of the third signal to the second half of the frame of the second signal.
  • a signal obtained by performing window processing by adding a signal obtained by convolving a signal corresponding to the first half of the frame of the second signal to a corresponding signal, and a signal obtained by performing convolution processing and window processing on the first signal.
  • a signal corresponding to the second half of the frame of the third signal to generate a signal corresponding to the second half of the i-1 frame before encoding, or
  • the signal corresponding to the first half of the second signal frame is added to the signal corresponding to the second half of the second signal frame and the signal is subjected to window processing, and the signal is convolved with the first signal.
  • a signal corresponding to the first half of the i-1 frame before encoding by performing a process of adding the signal subjected to the processing and window processing and the signal corresponding to the first half of the frame of the third signal.
  • the signal corresponding to the latter half of the third signal frame may generate a signal corresponding to the second half of the first i-1 frame before processing performed encoding for adding.
  • the block switching unit performs the process shown in FIG. 12A in decoding of the encoded signal when a transient signal (transient frame) occurs in the FD encoding mode. Thereby, the sound quality of the sound when the transient frame is decoded can be improved.
  • the low-delay transform decoder performs low-delay inverse filter bank processing and window processing for each of the acoustic frame and three frames that precede the acoustic frame in time.
  • An AAC-ELD (Advanced Audio Coding-Enhanced Low Delay) decoder that decodes the sound frame by performing overlap addition processing on each of the signals may be used.
  • the audio signal decoder may be an ACELP decoder that decodes the audio frame encoded using an ACELP (Algebraic Code Excited Linear Prediction) coefficient.
  • ACELP Algebraic Code Excited Linear Prediction
  • the audio signal decoder may be a TCX decoder that decodes the audio frame encoded by the TCX method.
  • the information processing apparatus further includes a synthesis error compensation device that decodes the synthesis error information encoded together with the decoding target frame, wherein the synthesis error information is a signal before the bitstream is encoded. And the signal representing the difference between the bit stream and the decoded signal, and the synthesis error compensation device is configured to generate the signal of the i-1th frame before encoding generated by the block switching unit, the block switching unit, The signal of the i-th frame before encoding generated by or the signal of the i + 1-th frame before encoding generated by the block switching unit may be corrected using the decoded synthesis error information. .
  • the sound signal hybrid encoder analyzes a sound characteristic of the sound signal, and determines whether a frame included in the sound signal is an acoustic signal or an audio signal;
  • a low-delay transform encoder that encodes the frame using a low-delay filter bank, an audio signal encoder that encodes the frame by calculating a linear prediction coefficient of the frame, and the signal classification unit is the acoustic signal
  • Block switching for performing control for encoding the encoding target frame determined to be present by the low-delay transform encoder and encoding the encoding target frame determined by the signal classification unit as the speech signal by the speech signal encoder
  • the block switching unit includes: (1) the frame to be encoded, and the signal classification unit is the sound.
  • a signal obtained by adding the convolution-processed signal and the i-th frame are encoded by the audio signal encoder.
  • the block switching unit performs the processing shown in FIG. 7 and FIG. 8A. This can reduce aliasing that occurs when the first frame whose coding mode is switched from the FD coding mode to the LPD coding mode is decoded. Therefore, seamless switching between the FD decoding technique and the LPD decoding technique is realized.
  • a signal classification unit that analyzes an acoustic characteristic of a sound signal and determines whether a frame included in the sound signal is an acoustic signal or an audio signal, and a low delay filter bank are used.
  • a low-delay transform encoder that encodes the frame
  • a TCX encoder that encodes the frame using a TCX method in which a residual of a linear prediction coefficient of the frame is processed by MDCT (Modified Discrete Cosine Transform)
  • MDCT Modified Discrete Cosine Transform
  • the block switching unit When the i-th frame that is the encoding target frame is a frame that the signal classifying unit determines to be the acoustic signal and a transient signal whose energy changes abruptly, (1) the i-th frame A signal obtained by windowing a signal corresponding to the first half of the i-1th frame, which is a frame one frame before, is added with a signal obtained by windowing the signal corresponding to the second half of the i-1th frame and performing a convolution process.
  • a signal and the i-th frame are encoded by the audio signal encoder, or (2) a signal obtained by windowing a signal corresponding to the second half of the i-1 frame is a first half of the i-1 frame
  • a signal obtained by adding a signal obtained by performing window processing on a signal corresponding to the above and convolution processing and the i-th frame may be encoded by the audio signal encoder.
  • the block switching unit performs the processing shown in FIGS. 7 and 8A in encoding when a transient signal (transient frame) occurs in the FD encoding mode. Thereby, the sound quality of the sound when the transient frame is decoded can be improved.
  • the low-delay transform encoder performs window processing and low-delay filter bank processing on an extended frame obtained by connecting the frame and three frames that precede the frame in time.
  • it may be an AAC-ELD encoder that encodes the frame.
  • the audio signal encoder may be an ACELP encoder that encodes the frame by generating ACELP coefficients.
  • the speech signal encoder may be a TCX encoder that encodes the frame by performing MDCT processing on the residual of the linear prediction coefficient.
  • a local decoder that decodes the encoded sound signal, and synthesis error information that is a difference between the sound signal and the sound signal decoded by the local decoder is encoded.
  • a local encoder may be provided.
  • Transition from FD encoding mode to ACELP encoding mode (Embodiment 1) Transition from ACELP coding mode to FD coding mode (Embodiment 2) Transition from FD encoding mode to TCX encoding mode (Embodiment 3) Transition from TCX encoding mode to FD encoding mode (Embodiment 4) Transition from FD encoding mode to transient signal encoding mode (Embodiment 5)
  • FIG. 6 is a block diagram showing a configuration of the sound signal hybrid encoder according to the first embodiment.
  • the sound signal hybrid encoder 500 includes a high-frequency encoder 501, a block switching unit 502, a signal classification unit 503, an ACELP encoder 504, an FD encoder 505, and a bit multiplexer 506.
  • the input signal is transmitted to the high frequency encoder 501 and the signal classification unit 503, respectively.
  • the high-frequency encoder 501 generates a high-frequency parameter that is a signal obtained by extracting a high-frequency band from an input signal and a low-frequency signal that is a signal obtained by extracting a low-frequency band from the input signal.
  • the high frequency parameter is transmitted to the bit multiplexer 506.
  • the low frequency signal is transmitted to the block switching unit 502.
  • the signal classification unit 503 analyzes the acoustic characteristics of the low-frequency signal, and determines whether the low-frequency signal is an acoustic signal or an audio signal every N samples (for each frame). Specifically, the signal classification unit 503 calculates the spectrum intensity of the band of 3 kHz or more of the frame and the spectrum intensity of the band of 3 kHz or less of the frame. When the spectrum intensity of 3 kHz or less is larger than the spectrum intensity of the other band, the signal classification unit 503 determines that the frame is a signal mainly composed of an audio signal, that is, an audio signal, and indicates a mode index indicating the determination result. Is transmitted to the block switching unit 502 and the bit multiplexer 506.
  • the signal classification unit 503 determines that the frame is a signal mainly composed of an acoustic signal, that is, an acoustic signal, and sets the mode index.
  • the data is transmitted to the block switching unit 502 and the bit multiplexer 506.
  • the block switching unit 502 performs switching control in which the FD encoder 505 encodes a frame indicating that the mode indicator is an acoustic signal, and the ACELP encoder 504 encodes a frame indicating that the mode indicator is an audio signal. That is, the block switching unit 502 transmits the low frequency signal received from the high frequency encoder to the FD encoder 505 and the ACELP encoder 504 for each frame according to the mode index.
  • the FD encoder 505 encodes the frame in the AAC-ELD encoding mode based on the control of the block switching unit 502, and transmits the FD transform coefficient generated by the encoding to the bit multiplexer 506.
  • the ACELP encoder 504 encodes the frame in the ACELP encoding mode based on the control of the block switching unit 502, and transmits the ACELP coefficient generated by the encoding to the bit multiplexer 506.
  • the bit multiplexer 506 generates a bit stream that combines the coding mode index, the high-band parameter, the FD conversion coefficient, and the ACELP coefficient.
  • the sound signal hybrid encoder 500 may include a storage unit that temporarily stores frames (signals).
  • FIG. 7 is a diagram illustrating an encoded frame when the encoding mode is switched from the FD encoding mode to the ACELP encoding mode.
  • the block switching unit 502 when the frame i is encoded, a signal obtained by adding the component X generated from the signal [a i ⁇ 1 , b i ⁇ 1 ] of the preceding frame i ⁇ 1 is encoded. Specifically, the block switching unit 502 generates an extended frame that combines the component X and the signal [a i , b i ] of the frame i.
  • the extension frame has a length of (N + N / 2).
  • the extended frame is transmitted to the ACELP encoder 504 by the block switching unit 502 and encoded in the ACELP encoding mode.
  • the component X is specifically generated as follows.
  • FIG. 8A is a diagram illustrating an example of a method for generating the component X.
  • FIG. 8B is a flowchart of a method for generating component X.
  • the component a i-1 w 5 is obtained by applying the window w 5 to the input part a i-1 which is the first half of the signal of the frame i-1 (S101 in FIG. 8B).
  • b i-1 w 6 is obtained by applying the window w 6 to the input part b i-1 which is the latter half of the signal of the frame i-1 (S102 in FIG. 8B).
  • further convolution processing is applied to b i-1 w 6 (S103 in FIG. 8B).
  • volution processing on a signal means that samples constituting a signal vector are rearranged in reverse order in time for each signal vector.
  • the obtained component X is used for decoding together with a plurality of preceding frames in the decoder. Thereby, the signal [a i ⁇ 1 , b i ⁇ 1 ] of the frame i ⁇ 1 is appropriately reconstructed.
  • the convolution process is further applied to b i-1 w 6, but the convolution process may be further applied to a i-1 w 5 . That is, the component X may be (a i ⁇ 1 w 5 ) R + b i ⁇ 1 w 6 .
  • the sound signal hybrid encoder 500 may further include a TCX encoder 507.
  • the TCX encoder 507 encodes the frame in the TCX encoding mode based on the control of the block switching unit 502, and transmits the TCX coefficient generated by the encoding to the bit multiplexer 506.
  • FIG. 10 is a block diagram showing a configuration of the sound signal hybrid decoder according to the first embodiment.
  • the sound signal hybrid decoder 900 includes a demultiplexer 901, an FD decoder 902, an ACELP decoder 903, a block switching unit 904, and a high frequency decoder 905.
  • the demultiplexer 901 demultiplexes the bit stream. Specifically, the demultiplexer 901 divides the bit stream into a mode indicator, a high band parameter, and an encoded signal.
  • the mode index is transmitted to the block switching unit 904, the high-frequency parameter is transmitted to the high-frequency decoder 905, and the encoded signals (FD conversion coefficient and ACELP coefficient) are FD decoder 902 and ACELP decoder 903 corresponding to each frame. Sent to.
  • the FD decoder 902 generates an FD inverse conversion signal from the FD conversion coefficient by the AAC-ELD decoding process described with reference to FIG. That is, the FD decoder 902 decodes a frame encoded by the FD encoding mode.
  • the ACELP decoder 903 generates an ACELP composite signal from the ACELP coefficient by ACELP decoding processing. That is, the ACELP decoder 903 decodes a frame encoded by the ACELP encoding mode.
  • the FD inverse conversion signal and the ACELP composite signal are transmitted to the block switching unit 904.
  • the block switching unit 904 decodes a frame indicating that the mode indicator is an acoustic signal by the FD decoder 902 and receives an FD inverse transform signal, and decodes a frame indicating that the mode indicator is an audio signal by the ACELP decoder 903. Then, the ACELP composite signal is received.
  • the high frequency decoder 905 reconstructs the input signal using the high frequency parameter transmitted from the demultiplexer and the low frequency band time domain signal transmitted from the block switching unit 904.
  • the sound signal hybrid decoder 900 may include a storage unit that temporarily stores frames (signals).
  • switching control (decoding method) of the block switching unit 904 when a signal encoded in the FD encoding mode is switched to a signal encoded in the ACELP encoding mode will be described.
  • FIG. 11 is a schematic diagram showing switching control (decoding method) of the block switching unit 904 when a signal encoded in the FD encoding mode is switched to a signal encoded in the ACELP code mode.
  • the frame i-1 is a frame encoded by the FD encoding mode
  • the frame i that is a decoding target frame is a frame encoded by the ACELP encoding mode.
  • the decoding target frame i when the signal encoded in the FD encoding mode is continuous, the decoding target frame i can be decoded to reconstruct the signal of the frame i-1. That is, in the case shown in FIG. 11, the signal of frame i-2 can be reconstructed by a normal FD decoding process.
  • the decoding target frame i since the decoding target frame i is encoded in the ACELP encoding mode, an unnatural sound due to an aliasing component is generated in the signal of the frame i ⁇ 1. That is, the signal of frame i-1 becomes an aliasing portion as shown in FIG.
  • the block switching unit 904 performs a decoding process using the following three signals.
  • the component X signal (first signal) of the ACELP composite signal obtained by performing the ACELP decoding process on the decoding target frame i is used to reconstruct the signal of the frame i ⁇ 1 with the aliasing component reduced.
  • This signal is a signal indicated as a subframe 1001 in FIG. 11, and is the component X described with reference to FIG. 8A.
  • the decoding target frame i is a frame having a length of 3N / 2 encoded in the ACELP encoding mode. That is, the ACELP composite signal obtained by performing the ACELP decoding process on the frame i is represented as y i, n acelp .
  • the extended portion corresponding to the component X is as follows.
  • the component X is specifically a i ⁇ 1 w 5 + (b i ⁇ 1 w 6 ) R.
  • the signal (third signal) of the portion corresponding to the frame i-3 in the windowed signal has an aliasing component. Used to reconstruct the reduced frame i-1 signal. This signal is shown as subframe 1002 and subframe 1003 in FIG.
  • this signal is obtained by inversely transforming the frame i-1 as a normal frame with a length of 4N by the AAC-ELD low delay filter bank, and further performing window processing.
  • the inverse transform signal is
  • the signal corresponding to the frame i-3 (two aliasing portions indicated as subframe 1002 and subframe 1003 in FIG. 11) is extracted from the inversely transformed signal as follows. That is,
  • the signal of frame i-3 is shown as subframe 1004 and subframe 1005 in FIG.
  • the signal a i ⁇ 1 w 5 + (b i ⁇ 1 w 6 ) R indicated as the subframe 1001 in FIG. 11 and the signal [c ⁇ 3 ] i ⁇ 1 indicated as the subframe 1002 are illustrated.
  • the signal [d ⁇ 3 ] i ⁇ 1 indicated by the subframe 1003 and the signals [a i ⁇ 3 and b i ⁇ 3 ] indicated by the subframes 1004 and 1005 are the frame i ⁇ with reduced aliasing components. Used to reconstruct one signal.
  • FIG. 12A is a diagram illustrating a method of reconstructing a i-1 that is the first half sample portion of the signal of frame i-1.
  • FIG. 12B is a flowchart of a method for reconstructing a i ⁇ 1 which is the first half sample portion of the signal of frame i ⁇ 1.
  • a i-3 w 3 is obtained by applying the window w 3 to a i-3 which is the subframe 1004 (the first half of the frame of the second signal) (S201 in FIG. 12B).
  • b i-3 w 4 is obtained, and further, the convolution processing is applied.
  • B i-3 w 4 in reverse order (b i-3 w 4 ) R is obtained (S202 in FIG. 12B).
  • window processing is applied to the signal obtained by adding a i-3 w 3 and (b i-3 w 4 ) R , so that a i-3 w 3 w R, 6 ⁇ ( b i-3 w 4 ) R w R, 6 is obtained (S203 in FIG. 12B).
  • the composite window w R, 8 is applied to a i ⁇ 1 w 5 + (b i ⁇ 1 w 6 ) R which is the subframe 1001 (component X, first signal), and a i ⁇ 1 w 5 w R, 8 + (b i-1 w 6 ) R w R, 8 is obtained (S204 in FIG. 12B).
  • the subframe 1002 (the first half of the third signal frame) which is an inversely converted signal is
  • subframe 1101 which is the first half of the signal of frame i ⁇ 1 with reduced aliasing components, is obtained.
  • FIG. 12A is a diagram illustrating a method of reconstructing b i ⁇ 1 which is the second half sample portion of the signal of frame i ⁇ 1.
  • b i ⁇ 1 which is the second half sample portion of the signal of frame i ⁇ 1.
  • subframe 1102 which is the latter half of the signal of frame i ⁇ 1 with reduced aliasing components, is obtained.
  • the signal [a i ⁇ 1 , b i ⁇ 1 ] of the signal frame i ⁇ 1 obtained by concatenating the subframe 1101 and the subframe 1102 is obtained.
  • window processing is applied to the subframe 1001 shown in FIG. 12A (a), and convolution processing and window processing are applied to the subframe 1001 shown in FIG. 12A (b). .
  • This is processing when the component X is represented as a i-1 w 5 + (b i-1 w 6 ) R as described above.
  • the component X is (a i ⁇ 1 w 5 ) R + b i ⁇ 1 w 6
  • convolution processing and window processing are applied to the subframe 1001 shown in FIG.
  • Window processing is applied to the subframe 1001 shown in FIG.
  • FIG. 13 is a diagram showing a delay amount of the encoding / decoding process according to the first embodiment. In FIG. 13, it is assumed that the encoding process for frame i-1 is started at time t.
  • IMDCT-transformed output of frame i-1 due to the characteristics of the window of the low delay filter bank in AAC-ELD
  • subframes 1002 and 1003 are obtained at time t + 3 * N / 4 samples.
  • the subframe 1004 and the subframe 1005 are signals reconstructed by decoding the preceding frame, they have already been acquired.
  • the ACELP composite signal of frame i is obtained at time t + 2N samples. That is, subframe 1001 (component X) is obtained at time t + 2N samples.
  • the synthesis window w R, 8 in which the portion corresponding to the N / 4 samples in the first half is zero is applied to the subframe 1001, N / 4 samples before completely acquiring the subframe 1001 are applied. Sound output can be started.
  • the sound signal hybrid decoder 900 may further include a TCX decoder 906.
  • the TCX decoder 906 shown in FIG. 14 generates a TCX composite signal from the TCX coefficient by TCX decoding processing. That is, the TCX decoder 906 decodes a frame encoded by the TCX encoding mode.
  • the sound signal hybrid decoder 900 may further include a synthesis error compensation (SEC) device.
  • SEC synthesis error compensation
  • SEC processing is performed at the time of decoding the decoding target frame i in order to generate a final synthesized signal.
  • the purpose of adding the SEC device is to reduce (eliminate) synthesis errors caused by switching the encoding mode in the sound signal hybrid decoder 900 in order to improve sound quality.
  • FIG. 15 is a diagram illustrating a method for reconstructing the signal of frame i ⁇ 1 using the composite error compensation apparatus.
  • SEC processing is performed on the reconstructed signals [a i ⁇ 1 , b i ⁇ 1 ] in order to efficiently compensate for the influence of time domain aliasing.
  • the SEC device decodes the synthesis error information calculated by conversion using the DCT-IV, AVQ method, or the like during the encoding process in the decoding target frame.
  • the decoded synthesis error information is added to the reconstructed signal [a i ⁇ 1 , b i ⁇ 1 ] by the SEC process, and the reconstructed signal is corrected.
  • the subframe 1101 is modified to a subframe 2901 as shown in FIG. 15A
  • the subframe 1102 is modified to a subframe 2902 as shown in FIG.
  • FIG. 16 is a diagram showing encoding and decoding methods of synthesis error information.
  • the sound signal hybrid encoder 500 when encoding synthesis error information, includes a local decoder 508 and a local encoder.
  • the local decoder 508 decodes the original signal (the signal before encoding) encoded by the encoder (ACELP encoder 504, FD encoder 505, or TCX encoder 507).
  • the difference between the reconstructed signal (decoded original signal) and the original signal is synthesis error information.
  • the local encoder 509 encodes (converts) synthesis error information using DCT-IV, AVQ (Adaptive Vector Quantization), or the like.
  • the encoded synthesis error information is decoded (inversely transformed) by the SEC device 907 provided in the sound signal hybrid decoder 900, and is used for correcting the signal after reconstruction by the SEC processing as described with reference to FIG.
  • FIG. 17 is a diagram illustrating an encoded frame when the encoding mode is switched from the ACELP encoding mode to the FD encoding mode.
  • Frame i-1 is encoded by the ACELP encoding mode.
  • the frame i is encoded by being concatenated with the preceding three frames i-3, i-2, and i-1 according to the FD encoding mode.
  • the signal of the frame i-1 is obtained by performing the overlap addition process with the preceding three frames i-3, i-2, i-1 as described above.
  • the overlap addition process is a process on the premise that all consecutive frames are encoded by the FD encoding mode.
  • the frame i is a transition frame when the encoding mode is switched from the ACELP encoding mode to the FD encoding mode
  • the preceding three frames, i-3, i-2, i ⁇ 1 is encoded in the ACELP encoding mode.
  • aliasing occurs when the decoding target frame i is subjected to normal FD decoding processing.
  • the preceding three frames include a frame encoded in the ACELP encoding mode, and therefore aliasing occurs.
  • FIG. 18 is a schematic diagram illustrating switching control (decoding method) of the block switching unit 904 when a signal encoded in the ACELP encoding mode is switched to a signal encoded in the FD encoding mode.
  • the block switching unit 904 When decoding the decoding target frame i and reconstructing the signal [a i-1 , b i-1 ] of the frame i-1, in order to reduce the aliasing component, the block switching unit 904 includes the following three signals: Is used to perform the decoding process.
  • the signal corresponding to the frame i-3 in the windowed signal is used. This signal is shown as subframe 1401 and subframe 1402 in FIG.
  • the ACELP composite signal [a i ⁇ 1 , b i ⁇ 1 ] obtained by performing the ACELP decoding process on the decoding target frame i ⁇ 1 is used. This signal is shown as subframes 1403 and 1404 in FIG.
  • the signal [a i-3 , b i-3 ] of the frame i-3 obtained by performing the ACELP decoding process on the decoding target frame i-3 is used.
  • the signal of frame i-3 is shown as subframe 1407 and subframe 1408 in FIG.
  • FIG. 19 is a flowchart of a method for reconstructing the signal [a i ⁇ 1 , b i ⁇ 1 ] of the frame i ⁇ 1.
  • a windowed signal (eighth signal) is generated (S301 in FIG. 19).
  • the eighth signal is expressed by the following equation.
  • the signals corresponding to the frame i-3 are respectively expressed by the following equations.
  • FIG. 20A is a diagram illustrating an example of a method for reconstructing the signal [a i ⁇ 1 , b i ⁇ 1 ] of the frame i ⁇ 1.
  • a signal obtained by adding a signal obtained by convolving the fourth signal to a window-processed signal (fourth signal) obtained by decoding the signal obtained by decoding the i-1th frame by ACELP decoding processing is obtained as follows:
  • Frifth signal is generated (S302 in FIG. 19).
  • the fifth signal is shown as subframe 1501 and subframe 1502 in FIG. 20A.
  • FIG. 20B is another diagram illustrating an example of a method for reconstructing the signal [a i ⁇ 1 , b i ⁇ 1 ] of the frame i ⁇ 1.
  • the seventh signal, the sixth signal (subframe 1501 and subframe 1502), and the eighth signal (subframe 1401 and subframe 1402) which is an aliasing component extended from frame i. are added to generate the reconstructed signal [a i ⁇ 1 , b i ⁇ 1 ] of the frame i ⁇ 1 (S304 in FIG. 19).
  • the signal corresponding to the frame i-2 (the ninth signal) in the windowed signal is used.
  • the decoding target frame i + 1 is inversely transformed by the AAC-ELD low delay filter bank, and the windowed signal is
  • a portion (aliasing portion) corresponding to frame i-2 extracted from is as follows.
  • a signal (tenth signal) corresponding to the frame i-2 in the windowed signal after the decoding target frame i is inversely transformed by the AAC-ELD low delay filter bank is used.
  • the decoding target frame i is inversely converted by the AAC-ELD low delay filter bank, and the windowed signal is
  • the signal [a i-2 , b i-2 ] of the frame i-2 obtained by performing the ACELP decoding process on the decoding target frame i-2 is used. It is done. This signal is shown as subframe 1405 and subframe 1406 in FIG.
  • FIG. 21 is a diagram illustrating an example of a method for reconstructing the signal of frame i.
  • a signal corresponding to the first half of the frame among signals obtained by performing window processing [w 1 , w 2 ] (first window processing) on the signal [a i-2 , b i-2 ] (11th signal) of the frame i-2 Is denoted a i ⁇ 2 W 1 .
  • a signal (b i ⁇ 2 W 2 ) R obtained by convolving b i ⁇ 2 W 2 which is a signal corresponding to the latter half of the frame among signals obtained by performing window processing on the signal of frame i ⁇ 2 is added to this signal.
  • the twelfth signal is generated.
  • a signal corresponding to the first half of the frame among signals obtained by performing window processing [w 3 , w 4 ] (second window processing) on the signal of frame i-2 is denoted as a i-2 W 3 .
  • a signal (b i ⁇ 2 W 4 ) R obtained by convolving b i ⁇ 2 W 4 which is a signal corresponding to the latter half of the frame among signals obtained by performing window processing on the signal of frame i ⁇ 2 is added to this signal. As a result, the fourteenth signal is generated.
  • the fifteenth signal is added to the ninth signal and the tenth signal extracted from.
  • the signals [a i, b i ] (subframes 1701 and 1702) of the frame i from the decoding target frame i + 1 are reconstructed.
  • the signal (16th signal) of the portion (aliasing portion) corresponding to the frame i-1 in the windowed signal is used.
  • the frame i + 2 is inverse transformed by the AAC-ELD low delay filter bank, and the windowed signal is
  • the portion (aliasing portion) corresponding to frame i-1 extracted from is as follows.
  • the signal (18th signal) of the portion corresponding to the frame i-1 (aliasing portion) of the windowed signal after the frame i is inversely transformed by the AAC-ELD low delay filter bank is used.
  • the signal obtained by inversely transforming the frame i by the AAC-ELD low delay filter bank and windowing is given by
  • the signal (17th signal) of the portion (aliasing portion) corresponding to the frame i-1 in the windowed signal is used.
  • Frame i + 1 is inverse transformed by the AAC-ELD low delay filter bank and the windowed signal is
  • the eighteenth signal is as follows.
  • the 17th signal is as follows.
  • signals (19th signal) shown as subframe 1407 and subframe 1408 in FIG. 18 are used.
  • the subframe 1407 and the subframe 1408 are signals [a i-3 , b i-3 ] obtained by decoding the frame i-3 by the ACELP decoding process.
  • the reconstructed signals [a i ⁇ 1 , b i ⁇ 1 ] of the frame i ⁇ 1 shown as the subframe 1601 and the subframe 1602 in FIG. 20B are used.
  • FIG. 22 is a diagram illustrating an example of a method for reconstructing the signal of frame i + 1.
  • the signal corresponding to the first half of the frame is a i-3 W It is shown as 1 .
  • Frame i-3 of b i-3 W 2 convolution processed signal is a signal corresponding to the second half frame of the signal of the window processing signal (b i-3 W 2) that R is added to the signal
  • the twentieth signal is generated.
  • the signal corresponding to the first half of the frame is a i ⁇ 1 W 7 It is shown.
  • the signal in the frame i-1 of b i-1 W 8 convolution processed signal is a signal corresponding to the second half frame of the window processing on reconstructed signal signal (b i-1 W 8) R is added Thus, the 22nd signal is generated.
  • this 22nd signal Furthermore, by combining (concatenating) this 22nd signal with a signal obtained by convolving the 22nd signal and inverting the sign (multiplied by -1), a signal is obtained.
  • the 16th signal, the 17th signal, and the 18th signal extracted from the above, the 21st signal, and the 23rd signal are added.
  • FIG. 23 is a diagram showing a delay amount of the encoding / decoding process according to the second embodiment. In FIG. 23, it is assumed that the encoding process for frame i-1 is started at time t.
  • the ACELP composite signal of frame i-1 is obtained at time t + N samples. That is, subframes 1501 and 1502 (subframes 1403 and 1404) are obtained at time t + N samples.
  • the subframe 1407 and the subframe 1408 are signals reconstructed by decoding the preceding frame, they have already been acquired.
  • the IMDCT transformed output of frame i is obtained at time t + 7 * N / 4 samples due to the window characteristics of the low delay filter bank in AAC-ELD. That is, subframes 1401 and 1402 are obtained at time t + 7 * N / 4 samples.
  • the synthesis window w R, 8 in which the portion corresponding to the N / 4 samples in the first half is zero is applied to the subframe 1401, N / 4 samples before completely acquiring the subframe 1401 are applied. Sound output can be started.
  • the sound signal hybrid decoder 900 may further include a TCX decoder 906 as shown in FIG.
  • the sound signal hybrid decoder 900 may further include a synthesis error compensation (SEC) device.
  • SEC synthesis error compensation
  • FIG. 24 is a diagram illustrating a method of reconstructing the signal [a i ⁇ 1 , b i ⁇ 1 ] of the frame i ⁇ 1 using the SEC device.
  • the configuration shown in FIG. 24 is obtained by adding an SEC device to the configuration shown in FIG. 20B.
  • the subframes 1601 and 1602 are corrected to subframes 3101 and 3102 by SEC processing, respectively.
  • FIG. 25 is a diagram illustrating a method of reconstructing the signal [a i , b i ] of the frame i using the SEC device.
  • the configuration shown in FIG. 25 is obtained by adding an SEC device to the configuration shown in FIG.
  • subframes 1701 and 1702 are modified into subframes 3201 and 3202, respectively, by SEC processing.
  • FIG. 26 is a diagram illustrating a method of reconstructing the signal [a i + 1 , b i + 1 ] of the frame i ⁇ 1 using the SEC device.
  • the configuration shown in FIG. 26 is obtained by adding an SEC device to the configuration shown in FIG.
  • subframes 1801 and 1802 are modified into subframes 3301 and 3302, respectively, by SEC processing.
  • the sound quality can be further improved by compensating the synthesis error included in the reconstructed signal by the SEC device provided in the decoder.
  • the configuration of the sound signal hybrid encoder 500 is the same as the configuration shown in FIG. 9, but the ACELP encoder 504 in FIG. 9 can be omitted.
  • the configuration of the sound signal hybrid decoder 900 is the same as that shown in FIG. 14, but the ACELP decoder 903 in FIG. 14 can be omitted.
  • FIG. 27 is a diagram illustrating an encoded frame when the encoding mode is switched from the FD encoding mode to the TCX encoding mode.
  • the block switching unit 502 when the frame i is encoded, a signal obtained by adding the component X generated from the signal [a i ⁇ 1 , b i ⁇ 1 ] of the preceding frame i ⁇ 1 is encoded. Specifically, the block switching unit 502 generates an extended frame that combines the component X and the signal [a i , b i ] of the frame i.
  • the extension frame has a length of (N + N / 2).
  • the extended frame is transmitted to the TCX encoder 507 by the block switching unit 502 and encoded in the TCX encoding mode.
  • the component X is generated by the same method as described with reference to FIGS. 8A and 8B.
  • FIG. 28 is a schematic diagram showing switching control (decoding method) of the block switching unit 904 when a signal encoded in the FD encoding mode is switched to a signal encoded in the TCX code mode.
  • a frame i-1 is a frame encoded by the FD encoding mode
  • a frame i that is a decoding target frame is a frame encoded by the TCX encoding mode.
  • the decoding target frame i when the signal encoded in the FD encoding mode is continuous, the decoding target frame i can be decoded to reconstruct the signal of the frame i-1. That is, in the case shown in FIG. 11, the signal of frame i-2 can be reconstructed by a normal FD decoding process.
  • the decoding target frame i since the decoding target frame i is encoded in the ACELP encoding mode, an unnatural sound due to an aliasing component is generated in the signal of the frame i ⁇ 1. That is, the signal of frame i-1 becomes an aliasing portion as shown in FIG.
  • the block switching unit 904 performs a decoding process using the following three signals.
  • the component X signal of the TCX composite signal obtained by performing the TCX decoding process on the decoding target frame i is used to reconstruct the signal of the frame i ⁇ 1 in which the aliasing component is reduced.
  • This signal is a signal indicated as a subframe 2001 in FIG. 11, and is the component X described with reference to FIG. 8A.
  • the component X is specifically a i ⁇ 1 w 5 + (b i ⁇ 1 w 6 ) R.
  • the signal corresponding to the frame i-3 in the windowed signal has a reduced aliasing component in the frame i ⁇ . Used to reconstruct one signal.
  • This signal is shown as a subframe 2002 and a subframe 2003 in FIG.
  • this signal is obtained by inversely transforming the frame i-1 as a normal frame with a length of 4N by the AAC-ELD low delay filter bank, and further performing window processing.
  • the inverse transform signal is
  • the signal corresponding to the frame i-3 (the aliasing portion indicated as subframe 2002 and subframe 2003 in FIG. 28) is extracted from the inversely transformed signal as follows. That is,
  • the signal [a i-3 , b i-3 ] of the frame i-3 obtained by performing the FD decoding process on the decoding target frame i-2 regenerates the signal of the frame i-1 in which the aliasing component is reduced. Used to configure.
  • the signal of frame i-3 is shown as subframe 2004 and subframe 2005 in FIG.
  • the method for reconstructing the signal of frame i ⁇ 1 with the aliasing component reduced using the above signal is the same as the method described with reference to FIGS. 12A and 12B. Specifically, it may be considered that the subframes 1001, 1002, 1003, 1004, and 1005 in FIG. 12A are respectively replaced with the subframes 2001, 2002, 2003, 2004, and 2005 in FIG. As a result, the signal [a i ⁇ 1 , b i ⁇ 1 ] of the frame i is reconstructed.
  • FIG. 29 is a diagram showing a delay amount of the encoding / decoding process according to the third embodiment. In FIG. 29, it is assumed that the encoding process for frame i-1 is started at time t.
  • IMDCT-transformed output of frame i-1 due to the characteristics of the window of the low delay filter bank in AAC-ELD
  • a TCX composite signal for frame i is obtained at time t + 2N samples. That is, subframe 2001 (component X) is obtained at time t + 2N samples.
  • the synthesis window w R, 8 in which the portion corresponding to the N / 4 samples in the first half is zero is applied to the subframe 2001, N / 4 samples before the subframe 2001 is completely acquired. Sound output can be started.
  • the sound signal hybrid decoder 900 may further include a synthesis error compensation (SEC) device.
  • SEC synthesis error compensation
  • the configuration of the sound signal hybrid encoder 500 is the same as the configuration shown in FIG. 9, but the ACELP encoder 504 in FIG. 9 can be omitted.
  • the configuration of the sound signal hybrid decoder 900 is the same as that shown in FIG. 14, but the ACELP decoder 903 in FIG. 14 can be omitted.
  • FIG. 30 is a diagram illustrating an encoded frame when the encoding mode is switched from the TCX encoding mode to the FD encoding mode.
  • Frame i-1 is encoded by the TCX encoding mode.
  • the frame i is encoded by being concatenated with the preceding three frames i-3, i-2, and i-1 according to the FD encoding mode.
  • the signal corresponding to the frame i-3 in the windowed signal is used. This signal is shown as subframe 2301 and subframe 2302 in FIG.
  • a TCX composite signal [a i-1 , b i-1 ] obtained by performing TCX decoding on the decoding target frame i-1 is used.
  • This signal is a signal indicated by subframes 2303 and 2304 in FIG.
  • the signal [a i-3 , b i-3 ] of the frame i-3 obtained by performing the TCX decoding process on the decoding target frame i-3 is used.
  • the signal of frame i-3 is shown as subframe 2307 and subframe 2308 in FIG.
  • the signal corresponding to the frame i-3 of the windowed signal (eighth signal) (in FIG. 31, subframe 2301 and subframe 2302 Each signal) is represented by the following equation.
  • the TCX composite signal [a i-1 , b i-1 ] obtained by performing the TCX decoding process on the decoding target frame i-1 is as follows.
  • the TCX composite signal indicated as subframes 2303 and 2304 includes an aliasing component because subsequent frames are not encoded in the TCX encoding mode
  • the method for generating the subframes 2401 and 2402 shown in FIG. 32 is the same as the method shown in FIG. 20A.
  • subframes 1401, 1402, 1407, 1408, 1501, and 1502 are replaced with subframes 2301, 2302, 2307, 2308, 2401, and 2402, respectively.
  • the signal corresponding to the frame i-2 (the ninth signal) in the windowed signal is used.
  • a signal (tenth signal) corresponding to the frame i-2 in the windowed signal after the decoding target frame i is inversely transformed by the AAC-ELD low delay filter bank is used.
  • the signal [a i-2 , b i-2 ] of the frame i-2 obtained by performing the TCX decoding process on the decoding target frame i-2 is used. This signal is shown as subframe 2305 and subframe 2306 in FIG.
  • the decoding method of the decoding target frame i + 1 using the above three signals is the same as the method described with reference to FIG. Specifically, in FIG. 21, it can be considered that subframes 1405 and 1406 are replaced with subframes 2305 and 2306, respectively.
  • the signal (16th signal) of the portion (aliasing portion) corresponding to the frame i-1 in the windowed signal is used.
  • the signal (18th signal) of the portion corresponding to the frame i-1 (aliasing portion) of the windowed signal after the frame i is inversely transformed by the AAC-ELD low delay filter bank is used.
  • the signal (17th signal) of the portion (aliasing portion) corresponding to the frame i-1 in the windowed signal is used.
  • signals [a i-3 , b i-3 ] obtained by decoding the frame i-3 by the TCX decoding process are used.
  • the decoding method of the decoding target frame i + 2 using the above five signals is the same as the method described with reference to FIG. Specifically, in FIG. 22, it can be considered that subframes 1407 and 1408 are replaced with subframes 2307 and 2308, respectively. Also, subframes 1601 and 1602 shown in FIG. 22 are replaced with frames generated by the method described in the decoding method of decoding target frame i (the method of replacing a frame with a frame in TCX encoding mode in FIG. 20B). Just think of it.
  • FIG. 33 is a diagram showing a delay amount of the encoding / decoding process according to the fourth embodiment. In FIG. 33, it is assumed that the encoding process for frame i-1 is started at time t.
  • the TCX composite signal of frame i-1 is obtained at time t + N samples. That is, subframes 2401 and 2402 (subframes 2303 and 2304) are obtained at time t + N samples.
  • subframe 2307 and the subframe 2308 are signals reconstructed by decoding the preceding frame, they have already been acquired.
  • the IMDCT transformed output of frame i is obtained at time t + 7 * N / 4 samples due to the window characteristics of the low delay filter bank in AAC-ELD. That is, subframe 2301 and subframe 2302 are obtained at time t + 7 * N / 4 samples. However, the sub-frame 2301, since the first half N / 4 four synthesis window corresponding parts is zero in the sample w R, 8 is applied to N / 4 samples before obtaining the sub-frame 2301 completely Sound output can be started.
  • the sound signal hybrid decoder 900 may further include a synthesis error compensation (SEC) device.
  • SEC synthesis error compensation
  • a sound signal hybrid encoder encoding method when a transient signal is encoded and a sound signal hybrid decoder decoding method when a transient signal is decoded will be described.
  • the configuration of the sound signal hybrid encoder 500 is the same as the configuration shown in FIG. 9, but the ACELP encoder 504 in FIG. 9 can be omitted.
  • the configuration of the sound signal hybrid decoder 900 is the same as that shown in FIG. 14, but the ACELP decoder 903 in FIG. 14 can be omitted.
  • the encoding target frame i is a transient signal (transient frame)
  • the encoding target frame i when encoding the encoding target frame i, it is generated from the signal [a i-1 , b i-1 ] of the preceding frame i-1.
  • the signal to which the component X to be added is added is encoded.
  • the block switching unit 502 generates an extended frame that combines the component X and the signal [a i , b i ] of the frame i.
  • the extension frame has a length of (N + N / 2).
  • the extended frame is transmitted to the TCX encoder 507 by the block switching unit 502 and encoded in the TCX encoding mode.
  • the TCX encoder 507 performs TCX encoding using the short window mode of the MDCT filter bank.
  • the encoded frame is the same as that described with reference to FIG.
  • the component X is generated by the same method as described with reference to FIGS. 8A and 8B.
  • Whether or not the encoding target frame i is a transient signal is determined based on, for example, whether or not the energy in the encoding target frame exceeds a predetermined threshold, but is limited to such a method. is not.
  • the delay amount of the encoding / decoding process of the fifth embodiment is the same as that of the first and third embodiments and is 7 * N / 4 samples.
  • the sound signal hybrid decoder 900 may further include a synthesis error compensation (SEC) device.
  • SEC synthesis error compensation
  • a CELP system other than ACELP such as a VSELP (Vector Sum Excited Linear Prediction) encoding mode
  • VSELP Vector Sum Excited Linear Prediction
  • CELP methods other than ACELP may be used for the decoding process.
  • the AAC-ELD mode has been mainly described as an example of the FD encoding mode.
  • the present invention is not limited to the AAC-ELD mode, and is a code that requires overlap processing by a plurality of preceding frames. It is applicable to the conversion method.
  • each of the above devices can be realized by a computer system including a microprocessor, a ROM, a RAM, a hard disk unit, a display unit, a keyboard, a mouse, and the like.
  • a computer program is stored in the RAM or the hard disk unit.
  • Each device achieves its functions by the microprocessor operating according to the computer program.
  • the computer program is configured by combining a plurality of instruction codes indicating instructions for the computer in order to achieve a predetermined function.
  • a part or all of the components constituting each of the above devices may be configured by one system LSI (Large Scale Integration).
  • the system LSI is an ultra-multifunctional LSI manufactured by integrating a plurality of components on a single chip, and specifically, a computer system including a microprocessor, ROM, RAM, and the like. .
  • a computer program is stored in the ROM.
  • the system LSI achieves its functions by the microprocessor loading a computer program from the ROM to the RAM and performing operations such as operations in accordance with the loaded computer program.
  • Part or all of the constituent elements constituting each of the above devices may be configured from an IC card or a single module that can be attached to and detached from each device.
  • the IC card or module is a computer system that includes a microprocessor, ROM, RAM, and the like.
  • the IC card or the module may include the super multifunctional LSI described above.
  • the IC card or the module achieves its functions by the microprocessor operating according to the computer program. This IC card or this module may have tamper resistance.
  • the present invention may be realized by the method described above. Further, these methods may be realized by a computer program realized by a computer, or may be realized by a digital signal consisting of a computer program.
  • the present invention also relates to a computer-readable recording medium that can read a computer program or a digital signal, such as a flexible disk, hard disk, CD-ROM, MO, DVD, DVD-ROM, DVD-RAM, BD (Blu-ray Disc), You may implement
  • a computer program or a digital signal may be transmitted via an electric communication line, a wireless or wired communication line, a network represented by the Internet, a data broadcast, or the like.
  • the present invention is also a computer system including a microprocessor and a memory.
  • the memory stores a computer program, and the microprocessor may operate according to the computer program.
  • program or digital signal may be recorded on a recording medium and transferred, or the program or digital signal may be transferred via a network or the like, and may be implemented by another independent computer system.
  • this invention is not limited to these embodiment or its modification. Unless it deviates from the gist of the present invention, various modifications conceived by those skilled in the art are applied to the present embodiment or the modification thereof, or a form constructed by combining different embodiments or components in the modification. Included within the scope of the present invention.
  • the sound signal hybrid decoder and sound signal hybrid encoder of the present invention are capable of encoding and decoding sound signals with high sound quality and low delay, and can be used for broadcasting systems, portable televisions, mobile phone communications, video conferences, and the like. it can.

Landscapes

  • Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Compression, Expansion, Code Conversion, And Decoders (AREA)

Abstract

　低遅延フィルタバンクを用いた音響符号化処理で符号化された音響フレームと、線形予測係数を用いた音声符号化処理で符号化された音声フレームとが含まれるビットストリームを復号する音信号ハイブリッドデコーダであって、復号対象フレームが、音響フレームから音声フレームに切り替えられた最初の音声フレームである第ｉフレームであるとき、第ｉフレームを復号することで得られる、符号化前の第ｉ－１フレームの信号を用いて生成された信号であるサブフレーム（１００１）を用いて符号化前の第ｉ－１フレームに対応する信号であるサブフレーム（１１０１）及びサブフレーム（１１０２）を生成する。

Description

音信号ハイブリッドデコーダ、音信号ハイブリッドエンコーダ、音信号復号方法、及び音信号符号化方法
　本発明は、音声コーデックと音響コーデックとを切替可能な音信号ハイブリッドデコーダ及び音信号ハイブリッドエンコーダに関する。
　ハイブリッドコーデック（例えば、特許文献１参照）は、音響コーデックと音声コーデック（例えば、非特許文献１参照）の利点を組み合わせたコーデックである。ハイブリッドコーデックによれば、音声信号主体のコンテンツと音響信号主体のコンテンツが混合した音信号を、音響コーデックと音声コーデックとを切替えることによりそれぞれに適した符号化方法により符号化することができる。したがって、ハイブリッドコーデックによれば、低ビットレートで安定した音信号の圧縮符号化が実現される。
Ｆｕｃｈｓ，　Ｇｕｉｌｌａｕｍｅ　「Ａｐｐａｒａｔｕｓ　ａｎｄ　ｍｅｔｈｏｄ　ｆｏｒ　ｅｎｃｏｄｉｎｇ／ｄｅｃｏｄｉｎｇ　ａｎｄ　ａｕｄｉｏ　ｓｉｇｎａｌ　ｕｓｉｎｇ　ａｎ　ａｌｉａｓｉｎｇ　ｓｗｉｔｃｈ　ｓｃｈｅｍｅ」、国際公開第２０１０／００３５３２　Ａ１号
Ｍｉｌａｎ　Ｊｅｌｉｎｅｋ，「Ｗｉｄｅｂａｎｄ　Ｓｐｅｅｃｈ　Ｃｏｄｉｎｇ　Ａｄｖａｎｃｅｓ　ｉｎ　ＶＭＲ－ＷＢ　Ｓｔａｎｄａｒｄ」，ＩＥＥＥ　Ｔｒａｎｓａｃｔｉｏｎｓ　ｏｎ　Ａｕｄｉｏ，Ｓｐｅｅｃｈ　ａｎｄ　Ｌａｎｇｕａｇｅ　Ｐｒｏｃｅｓｓｉｎｇ，１５　（４），１１６７－１１７９（２００７） Ｃｈｉ－Ｍｉｎ　Ｌｉｕ　ａｎｄ　Ｗｅｎ－Ｃｈｉｅｈ　Ｌｅｅ，「Ａ　ｕｎｉｆｉｅｄ　ｆａｓｔ　ａｌｇｏｒｉｔｈｍ　ｆｏｒ　ｃｏｓｉｎｅ　ｍｏｄｕｌａｔｅｄ　ｆｉｌｔｅｒｂａｎｋｓ　ｉｎ　ｃｕｒｒｅｎｔ　ａｕｄｉｏ　ｓｔａｎｄａｒｄｓ」，Ｊ．　Ａｕｄｉｏ　Ｅｎｇｉｎｅｅｒｉｎｇ　４７（１２），１０６１－１０７５（１９９９）
　ハイブリッドコーデックの音質を向上させるために、音響コーデックとして、例えば、ＡＡＣ－ＥＬＤ（Ａｄｖａｎｃｅｄ　Ａｕｄｉｏ　Ｃｏｄｉｎｇ　－　Ｅｎｈａｎｃｅｄ　Ｌｏｗ　Ｄｅｌａｙ）モードを用いることで音質向上が期待できる。
　しかしながら、ＡＡＣ－ＥＬＤモードのような符号化方式では、先行フレームとオーバーラップしたサンプルを用いて符号化を行うために、対象フレーム内のサンプルだけで符号化が完結する音声コーデックに切り替わるときにエイリアシングが生じ、不自然な音が発生する。特許文献１では、このように符号化モードが切り替わる箇所における信号処理について開示されているが、このような処理は、ＡＡＣ－ＥＬＤモードのような複数の先行フレームによるオーバーラップ処理が必要な符号化方式に対応しておらず、特許文献１の方法では、上記エイリアシングを低減することができない。
　本発明の目的は、音響コーデックとしてＡＡＣ－ＥＬＤモードのような複数の先行フレームによるオーバーラップ処理が必要な符号化方式を用いた場合に、音声コーデックと音響コーデックとの切替部分において発生するエイリアシングを低減するハイブリッドコーデック（音信号ハイブリッドデコーダ及び音信号ハイブリッドエンコーダ）を提供することである。
　本発明の一態様に係る音信号ハイブリッドデコーダは、低遅延フィルタバンクを用いた音響符号化処理で符号化された音響フレームと、線形予測係数を用いた音声符号化処理で符号化された音声フレームとが含まれるビットストリームを復号する音信号ハイブリッドデコーダであって、前記音響フレームを低遅延逆フィルタバンク処理を用いて復号する低遅延変換デコーダと、前記音声フレームを復号する音声信号デコーダと、前記ビットストリームのうちの復号対象フレームが前記音響フレームである場合、当該復号対象フレームを前記低遅延変換デコーダによって復号し、前記復号対象フレームが前記音声フレームである場合、当該復号対象フレームを前記音声信号デコーダによって復号する制御を行うブロック切替部とを備え、前記復号対象フレームが、前記音響フレームから前記音声フレームに切り替わった最初の前記音声フレームである第ｉフレームであるとき、前記第ｉフレームには、前記第ｉフレームよりも１フレーム先行するフレームである第ｉ－１フレームの符号化前の信号を用いて生成された第１信号が符号化された状態で含まれ、前記ブロック切替部は、（１）前記第ｉフレームよりも２フレーム先行するフレームである第ｉ－２フレームを前記低遅延変換デコーダによって復号することで得られる、前記第ｉフレームよりも３フレーム先行するフレームである第ｉ－３フレームの再構成された信号を窓処理した信号である第２信号のフレームの前半部分に相当する信号に、前記第２信号のフレームの後半部分に相当する信号を畳み込み処理した信号を加算して窓処理を行った信号と、前記第ｉフレームを前記音声信号デコーダによって復号することで得られる、前記第１信号に窓処理を行った信号と、前記第ｉ－１フレームを前記低遅延逆フィルタバンク処理及び窓処理した信号の前記第ｉ－３フレームに対応する部分である第３信号のフレームの前半部分の信号と、を加算する処理を行って符号化前の前記第ｉ－１フレームの前半部分に対応する信号を生成し、前記第２信号のフレームの後半部分に相当する信号に、前記第２信号のフレームの前半部分に相当する信号を畳み込み処理した信号を加算して窓処理を行った信号と、前記第１信号に畳み込み処理及び窓処理を行った信号と、前記第３信号のフレームの後半部分に相当する信号と、を加算する処理を行って符号化前の前記第ｉ－１フレームの後半部分に対応する信号を生成する、または（２）前記第２信号のフレームの前半部分に相当する信号に、前記第２信号のフレームの後半部分に相当する信号を畳み込み処理した信号を加算して窓処理を行った信号と、前記第１信号に畳み込み処理及び窓処理を行った信号と、前記第３信号のフレームの前半部分に相当する信号と、を加算する処理を行って符号化前の前記第ｉ－１フレームの前半部分に対応する信号を生成し、前記第２信号のフレームの後半部分に相当する信号に、前記第２信号のフレームの前半部分に相当する信号を畳み込み処理した信号を加算して窓処理を行った信号と、前記第１信号に窓処理を行った信号と、前記第３信号のフレームの後半部分に相当する信号と、を加算する処理を行って符号化前の前記第ｉ－１フレームの後半部分に対応する信号を生成することを特徴とする。
　なお、これらの全般的または具体的な態様は、システム、方法、集積回路、コンピュータプログラムまたはコンピュータ読み取り可能なＣＤ－ＲＯＭなどの記録媒体で実現されてもよく、システム、方法、集積回路、コンピュータプログラム及び記録媒体の任意な組み合わせで実現されてもよい。
　本発明によれば、ＡＡＣ－ＥＬＤモードのように複数の先行フレームによるオーバーラップ処理が必要な符号化方式の音響コーデックを用いたハイブリッドコーデック（音信号ハイブリッドデコーダ及び音信号ハイブリッドエンコーダ）において、音声コーデックと音響コーデックとの切替部分において発生するエイリアシングを低減することができる。
図１は、ＡＡＣ－ＥＬＤのエンコーダにおける分析窓を示す図である。 図２は、ＡＡＣ－ＥＬＤのデコーダにおける復号処理を示す図である。 図３は、ＡＡＣ－ＥＬＤのデコーダにおける合成窓を示す図である。 図４は、ＡＡＣ－ＥＬＤの符号化・復号処理の遅延量を示す図である。 図５は、遷移フレームを説明するための図である。 図６は、実施の形態１に係る音信号ハイブリッドエンコーダの構成を示すブロック図である。 図７は、符号化モードがＦＤ符号化モードからＡＣＥＬＰ符号化モードに切り替えられる場合の符号化されたフレームを示す図である。 図８Ａは、成分Ｘの生成方法の一例を示す図である。 図８Ｂは、成分Ｘの生成方法のフローチャートである。 図９は、ＴＣＸエンコーダを備える音信号ハイブリッドエンコーダの構成を示すブロック図である。 図１０は、実施の形態１に係る音信号ハイブリッドデコーダの構成を示すブロック図である。 図１１は、ＦＤ符号化モードで符号化された信号がＡＣＥＬＰ符号化モードで符号化された信号に切り替わるときの、ブロック切替部の切替制御を示す模式図である。 図１２Ａは、フレームｉ－１の信号を再構成する方法を示す図である。 図１２Ｂは、フレームｉ－１の信号を再構成する方法のフローチャートである。 図１３は、実施の形態１に係る符号化・復号処理の遅延量を示す図である。 図１４は、ＴＣＸデコーダを備える音信号ハイブリッドデコーダの構成を示すブロック図である。 図１５は、合成エラー補償装置を用いてフレームｉ－１の信号を再構成する方法を示す図である。 図１６は、合成エラー情報の復号処理を示す図である。 図１７は、符号化モードがＡＣＥＬＰ符号化モードからＦＤ符号化モードに切り替えられる場合の符号化されたフレームを示す図である。 図１８は、ＡＣＥＬＰ符号化モードで符号化された信号がＦＤ符号化モードで符号化された信号に切り替わるときの、ブロック切替部の切替制御を示す模式図である。 図１９は、実施の形態２に係るフレームｉ－１の信号を再構成する方法のフローチャートである。 図２０Ａは、実施の形態２に係るフレームｉ－１の信号を再構成する方法の一例を示す図である。 図２０Ｂは、実施の形態２に係るフレームｉ－１の信号を再構成する方法の一例を示すもう一つの図である。 図２１は、実施の形態２に係るフレームｉの信号を再構成する方法の一例を示す図である。 図２２は、実施の形態２に係るフレームｉ＋１の信号を再構成する方法の一例を示す図である。 図２３は、実施の形態２に係る符号化・復号処理の遅延量を示す図である。 図２４は、ＳＥＣ装置を用いてフレームｉ－１の信号を再構成する方法を示す図である。 図２５は、ＳＥＣ装置を用いてフレームｉの信号を再構成する方法を示す図である。 図２６は、ＳＥＣ装置を用いてフレームｉ－１の信号を再構成する方法を示す図である。 図２７は、符号化モードがＦＤ符号化モードがＴＣＸ符号化モードに切り替えられる場合の符号化されたフレームを示す図である。 図２８は、ＦＤ符号化モードで符号化された信号がＴＣＸ符号モードで符号化された信号に切り替わるときの、ブロック切替部の切替制御を示す模式図である。 図２９は、実施の形態３に係る符号化・復号処理の遅延量を示す図である。 図３０は、符号化モードがＴＣＸ符号化モードからＦＤ符号化モードに切り替えられる場合の符号化されたフレームを示す図である。 図３１は、符号化モードがＴＣＸ符号化モードからＦＤ符号化モードに切り替えられる場合の符号化されたフレームを示す図である。 図３２は、実施の形態４に係るフレームｉ－１の信号を再構成する方法の一例を示す図である。 図３３は、実施の形態４に係る符号化・復号処理の遅延量を示す図である。
　（発明の基礎となった知見）
　音声コーデックは、特に、音声信号の特徴に応じて音声信号を符号化するためのコーデックである（非特許文献１参照）。音声コーデックは、音声信号を低ビットレートで符号化した場合、低遅延で良好な音質が実現される。しかしながら、音声コーデックは、音響信号の符号化には適していない。したがって、音声コーデックによって音響信号を符号化した場合、例えば、ＡＡＣなどの音響コーデックで符号化した場合に比べて音質は低下する。
　現在では、ＡＣＥＬＰ符号化モード（Ａｌｇｅｂｒａｉｃ　Ｃｏｄｅ　Ｅｘｃｉｔｅｄ　Ｌｉｎｅａｒ　Ｐｒｅｄｉｃｔｉｏｎ）、またはＴＣＸ符号化モード（Ｔｒａｎｓｆｏｒｍ　Ｃｏｄｅｄ　Ｅｘｃｉｔａｔｉｏｎ）などの一般的な音声コーデックは、線形予測領域符号化に基づいている（特許文献１参照）。ＡＣＥＬＰ符号化モードにおいては、線形予測分析の後、代数コードブックが励振信号の符号化に適用される。ＴＣＸ符号化モードにおいては、線形予測分析の後、変換符号化が励振信号に対して用いられる。
　一方、音響コーデックは、音響信号の符号化に適したコーデックである。しかしながら、音響コーデックが音声信号に用いられた場合、音声コーデックのように安定した音質を実現するためには、通常、高いビットレートを要する。
　ハイブリッドコーデックは、音響コーデックと音声コーデックの利点を組み合わせるものである。ハイブリッドコーデックでは、符号化モードは、２つの系統に分かれている。１つは、上記音響コーデックに相当する、ＡＡＣなどの周波数領域（ＦＤ：Ｆｒｅｑｕｅｎｃｙ　Ｄｏｍａｉｎ）符号化モードである。もう１つは、上記音声コーデックに相当する、線形予測領域（ＬＰＤ：Ｌｉｎｅａｒ　Ｐｒｅｄｉｃｔｉｏｎ　Ｄｏｍａｉｎ）符号化モードである。
　ＦＤ符号化モードとして、一般的には、ＡＡＣ－ＬＤ符号化モードやＡＡＣ符号化モードなどの直行変換符号化が用いられる。また、ＬＰＤ符号化モードとしては、一般的にＬＰＣ（Ｌｅｎｅａｒ　Ｐｒｅｄｉｃｔｉｏｎ　Ｃｏｅｆｆｉｃｉｅｎｔ）残差の周波数領域表示であるＴＣＸ符号化モードと、ＬＰＣ残差の時間領域表示であるＡＣＥＬＰ符号化モードとが用いられる。
　ハイブリッドコーデックでは、符号化対象の信号が音声信号であるか音響信号であるかに応じて、符号化モードを切替える（特許文献１参照）。なお、ＡＣＥＬＰ符号化モードと、ＴＣＸ符号化モードとのどちらを選択するかは、例えば、閉ループ分析合成技術に基づき選択される。
　ここで、ＶｏＩＰ（Ｖｏｉｃｅ　ｏｖｅｒ　Ｉｎｔｅｒｎｅｔ　Ｐｒｏｔｏｃｏｌ）やビデオ会議などのリアルタイム通信を行う場合、低遅延のハイブリッドコーデックがより望ましい。ここで低遅延を実現するために、上記ＦＤ符号化モードとして、ＡＡＣ及びＡＡＣ－ＬＤを拡張したＡＡＣ－ＥＬＤ符号化方式（以下、単にＡＡＣ－ＥＬＤとも記載する）が用いられる。ＡＡＣ－ＥＬＤ符号化方式は、十分な低遅延を実現するために、下記の特徴を有する。
　１．ＡＡＣ－ＥＬＤの１つのフレームにおけるサンプル数（フレームサイズＮ、以下本明細書中においても同様である）が、５１２時間領域サンプル及び４８０時間領域サンプルと少ない。
　２．先読み処理及びブロック切り替え処理が無効とされている。
　３．低遅延フィルタバンクを採用するために、分析及び合成フィルタバンクが変更される。具体的には、長さ４Ｎのロングウィンドウが、過去とのオーバーラップを多く、未来とのオーバーラップを少なくして用いられる（値Ｎ／４は、実際はゼロである）。
　４．ビットリザーバが最小化される、またはビットリザーバが一切使用されない。
　５．時間領域ノイズ整形及び長期予測機能が低遅延のフレームサイズに応じて適応される。
　ここで、ＡＡＣ－ＥＬＤ低遅延フィルタバンクの変換及び逆変換について説明する。なお、以下で説明される背景知識は、後続の記載においてもそのまま用いられる。
　既に述べたように、ＡＡＣ－ＥＬＤにおいては、低遅延分析及び合成フィルタバンクが用いられる。低遅延フィルタバンクは、以下のように定義される。
Figure JPOXMLDOC01-appb-M000001
　ここで、ｘｎは、窓処理された入力信号（符号化対象）である。一方、ＡＡＣ－ＥＬＤの低遅延逆フィルタバンクは、以下のように定義される。
Figure JPOXMLDOC01-appb-M000002
　ここで、Ｘｋは、復号された変換係数である。
　まず、ＡＡＣ－ＥＬＤのエンコーダにおける変換処理（ＡＡＣ－ＥＬＤの符号化処理）を説明する。
　ＡＡＣ－ＥＬＤにおいては、１つのフレームに対応して４フレームが符号化される。具体的には、フレームｉ－１が符号化される場合、当該フレームｉ－１に先行する３つのフレームｉ－４、ｉ－３、ｉ－２が連結された長さ４Ｎの拡張フレームが形成され、この拡張フレームが符号化される。１つのフレームサイズがＮである場合、符号化されるフレームサイズは、４Ｎである。
　図１は、ＡＡＣ－ＥＬＤのエンコーダにおける分析窓（エンコーダ窓）を示し、これはｗｅｎｃと示される。なお、上述のように分析窓の長さは、４Ｎである。
　なお、便宜上、１つのフレームは、２つのサブフレームに分割される。例えば、フレームｉ－１は分割され、［ａｉ－１，ｂｉ－１］のようにベクトルの形式で表される。ａｉ－１、ｂｉ－１の長さは、それぞれＮ／２サンプルである。これに対応して、長さが４Ｎのエンコーダ窓は８分割され、図１に示されるように、これらは［ｗ１，ｗ２，ｗ３，ｗ４，ｗ５，ｗ６，ｗ７，ｗ８］である。一方、拡張フレームは、［ａｉ－４，ｂｉ－４，ａｉ－３，ｂｉ－３，ａｉ－２，ｂｉ－２，ａｉ－１，ｂｉ－１］と示される。エンコーダ窓が拡張フレームに適用されて、窓処理された信号であるｘｎ＝［ａｉ－４ｗ１，ｂｉ－４ｗ２，ａｉ－３ｗ３，ｂｉ－３ｗ４，ａｉ－２ｗ５，ｂｉ－２ｗ６，ａｉ－１ｗ７，ｂｉ－１ｗ８］が得られる。
　ここで、式（１）で定義された低遅延フィルタバンクが、窓処理された信号ｘｎを変換するために用いられる。上記低遅延フィルタバンクにしたがって、フレームサイズ４Ｎの窓処理された信号ｘｎから、フレームサイズＮの変換スペクトル係数が生成される。
　なお、低遅延フィルタバンクの基本的なアルゴリズムは、ＭＤＣＴ（Ｍｏｄｉｆｉｅｄ　Ｄｉｓｃｒｅｔｅ　Ｃｏｓｉｎｅ　Ｔｒａｎｓｆｏｒｍ）と同様である。ここで、ＭＤＣＴは、ＤＣＴ－ＩＶに基づくフーリエ変換の類似形であるので、低遅延フィルタバンクとＤＣＴ－ＩＶとの間には、基本的に等価な関係性が存在することとなる（非特許文献２参照）。ＤＣＴ－ＩＶは、以下のように定義される。
Figure JPOXMLDOC01-appb-M000003
　ＤＣＴ－ＩＶは、以下のような偶数／奇数交互の境界条件を有する。
Figure JPOXMLDOC01-appb-M000004
　これらの境界条件を用いて、低遅延フィルタバンクによって変換されたフレームｉ－１の信号は、ＤＣＴ－ＩＶでは以下のように表される。
Figure JPOXMLDOC01-appb-M000005
　式中の、（ａｉ－４ｗ１）Ｒ、（ａｉ－２ｗ５）Ｒ、（ｂｉ－３ｗ４）Ｒ、（ｂｉ－１ｗ８）Ｒは、それぞれ、ベクトルａｉ－４ｗ１、ａｉ－２ｗ５、ｂｉ－３ｗ４、ｂｉ－１ｗ８の逆順である。
　次に、ＡＡＣ－ＥＬＤのデコーダにおける逆変換処理（ＡＡＣ－ＥＬＤの復号処理）について説明する。
　図２は、ＡＡＣ－ＥＬＤのデコーダにおける復号処理を示す図である。復号後の出力信号の長さ（フレームサイズ）は、４Ｎである。同様に、逆ＭＤＣＴとＤＣＴ－ＩＶとの関係性が等価であることを考慮すると（非特許文献２参照）、フレームｉ－１に対する逆変換信号は以下の通りである。
Figure JPOXMLDOC01-appb-M000006
　ｙｉ－１にＡＡＣ－ＥＬＤのデコーダにおける合成窓が適用されることで、
Figure JPOXMLDOC01-appb-M000007
 が得られる。図３は、ＡＡＣ－ＥＬＤのデコーダにおける合成窓を示し、これはｗｄｅｃと示される。合成窓は、ＡＡＣ－ＥＬＤのエンコーダにおける分析窓をそのまま逆順にしたものである。また、ＡＡＣ－ＥＬＤのエンコーダにおける分析窓と同様に、便宜上、図３に示されるように合成窓は８分割される。合成窓は、以下のようにベクトルの形式で表される。
Figure JPOXMLDOC01-appb-M000008
　したがって、窓処理された逆変換信号である
Figure JPOXMLDOC01-appb-M000009
 は、以下の通りである。
Figure JPOXMLDOC01-appb-M000010
　ＡＡＣ－ＥＬＤの復号処理では、フレームｉ－１の信号［ａｉ－１，ｂｉ－１］を再構成するために復号対象フレームｉを復号処理する。すなわち、フレームｉとこれに先行する３つのフレームの窓処理された逆変換信号をそれぞれ用いて重複加算処理を行う。よって、図２に示す重複加算処理は、以下の式で表される。
Figure JPOXMLDOC01-appb-M000011
　再構成された信号の長さはＮである。
　エイリアシングの低減は、上記重複加算式に基づき導き出される。
Figure JPOXMLDOC01-appb-M000012
 については、以下の通りである。
Figure JPOXMLDOC01-appb-M000013
 また、
Figure JPOXMLDOC01-appb-M000014
 については、以下の通りである。
Figure JPOXMLDOC01-appb-M000015
　さらに、以下の窓の特性から、フレームｉ－１の信号［ａｉ－１，ｂｉ－１］が、重複加算処理により再構成される。
Figure JPOXMLDOC01-appb-M000016
　ここで、ＡＡＣ－ＥＬＤの符号化・復号処理の遅延量について説明する。
　図４は、ＡＡＣ－ＥＬＤの符号化・復号処理の遅延量を示す図である。図４において、フレームｉ－１に対する符号化処理は、時間ｔにおいて開始されるものとする。
　図１に示されるように、ＡＡＣ－ＥＬＤのエンコーダにおける分析窓のｗ８の後半Ｎ／４個のサンプルに相当する部分は、ゼロである。したがって、図４に示すように、時間ｔ＋３＊Ｎ／４サンプルの時には、ｘｉ－１は、ＭＤＣＴ変換できる状態でありＩＭＤＣＴ変換された信号ｙｉ－１が得られる。
　同様に、図４に示すように、時間ｔ＋７＊Ｎ／４サンプルの時には、ＩＭＤＣＴ変換された信号ｙｉが得られる。
　続いて、窓処理及び重複加算処理がｙｉ－１、ｙｉに適用されて、ｏｕｔｉ，ｎが得られる。ここでも、図３に示されるように、ＡＡＣ－ＥＬＤのデコーダにおける合成窓ｗＲ，８の前半Ｎ／４個のサンプルに相当する部分は、ゼロであるので、
Figure JPOXMLDOC01-appb-M000017
 が利用可能になるＮ／４サンプル前に音の出力を開始することができる。つまり、音の出力は（ｔ＋７＊Ｎ／４）－Ｎ／４＝ｔ＋３＊Ｎ／２サンプルにおいて開始される。すなわち、ＡＡＣ－ＥＬＤ符号化・復号処理の遅延量は、３＊Ｎ／２サンプルであり、低遅延である。
　以上説明したように、ＡＡＣ－ＥＬＤでは、ＭＤＣＴが４つの連続したフレームに対して行われ、４つのフレームは、図２に示されるように重複加算処理される。このようなＡＡＣ－ＥＬＤをハイブリッドコーデックに用いることで、音質を向上させ、遅延量をさらに低減させることができる。なお、ＭＤＣＴ変換は、ＴＣＸ符号化モードにおいても用いられるが、ＴＣＸ符号化モードでは、ＭＤＣＴ変換は、１つのフレーム内に１つ以上の複数のブロックが存在し、その連続するブロックに対して行われ、１つのブロックの後半が、次のブロックの前半と一致するように後続のブロックが重複される。
　ＡＡＣ－ＥＬＤでは、上述のように重複加算処理により先行フレーム及び後続フレームを用いて復号を行うために、符号化モードをＬＰＤ符号化モードからＡＡＣ－ＥＬＤ、またはＡＡＣ－ＥＬＤからＬＰＤ符号化モードに切替えた最初のフレームである遷移フレームを復号する場合にエイリアシングが発生する。
　図５は、遷移フレームを説明するための図である。図５中のフレームｉが遷移フレームである。例えば、モード１がＡＡＣ－ＥＬＤであり、モード２がＬＰＤ符号化モードであるとき、フレームｉを復号する場合にエイリアシングが発生する。同様に、モード１がＬＰＤ符号化モードであり、モード２がＡＡＣ－ＥＬＤであるとき、フレームｉを復号する場合にエイリアシングが発生する。
　遷移フレームにおいて発生したエイリアシングによって、通常、可聴のアーチファクトが発生する。しかしながら、特許文献１に記載のような方法は、ＡＡＣ－ＥＬＤのような複数の先行フレームによるオーバーラップ処理が必要な符号化方式に対応していないため、発生したエイリアシングを低減することができない。
　このような課題を解決するために、本発明の一態様に係る音信号ハイブリッドデコーダは、低遅延フィルタバンクを用いた音響符号化処理で符号化された音響フレームと、線形予測係数を用いた音声符号化処理で符号化された音声フレームとが含まれるビットストリームを復号する音信号ハイブリッドデコーダであって、前記音響フレームを低遅延逆フィルタバンク処理を用いて復号する低遅延変換デコーダと、前記音声フレームを復号する音声信号デコーダと、前記ビットストリームのうちの復号対象フレームが前記音響フレームである場合、当該復号対象フレームを前記低遅延変換デコーダによって復号し、前記復号対象フレームが前記音声フレームである場合、当該復号対象フレームを前記音声信号デコーダによって復号する制御を行うブロック切替部とを備え、前記復号対象フレームが、前記音響フレームから前記音声フレームに切り替わった最初の前記音声フレームである第ｉフレームであるとき、前記第ｉフレームには、前記第ｉフレームよりも１フレーム先行するフレームである第ｉ－１フレームの符号化前の信号を用いて生成された第１信号が符号化された状態で含まれ、前記ブロック切替部は、（１）前記第ｉフレームよりも２フレーム先行するフレームである第ｉ－２フレームを前記低遅延変換デコーダによって復号することで得られる、前記第ｉフレームよりも３フレーム先行するフレームである第ｉ－３フレームの再構成された信号を窓処理した信号である第２信号のフレームの前半部分に相当する信号に、前記第２信号のフレームの後半部分に相当する信号を畳み込み処理した信号を加算して窓処理を行った信号と、前記第ｉフレームを前記音声信号デコーダによって復号することで得られる、前記第１信号に窓処理を行った信号と、前記第ｉ－１フレームを前記低遅延逆フィルタバンク処理及び窓処理した信号の前記第ｉ－３フレームに対応する部分である第３信号のフレームの前半部分の信号と、を加算する処理を行って符号化前の前記第ｉ－１フレームの前半部分に対応する信号を生成し、前記第２信号のフレームの後半部分に相当する信号に、前記第２信号のフレームの前半部分に相当する信号を畳み込み処理した信号を加算して窓処理を行った信号と、前記第１信号に畳み込み処理及び窓処理を行った信号と、前記第３信号のフレームの後半部分に相当する信号と、を加算する処理を行って符号化前の前記第ｉ－１フレームの後半部分に対応する信号を生成する、または（２）前記第２信号のフレームの前半部分に相当する信号に、前記第２信号のフレームの後半部分に相当する信号を畳み込み処理した信号を加算して窓処理を行った信号と、前記第１信号に畳み込み処理及び窓処理を行った信号と、前記第３信号のフレームの前半部分に相当する信号と、を加算する処理を行って符号化前の前記第ｉ－１フレームの前半部分に対応する信号を生成し、前記第２信号のフレームの後半部分に相当する信号に、前記第２信号のフレームの前半部分に相当する信号を畳み込み処理した信号を加算して窓処理を行った信号と、前記第１信号に窓処理を行った信号と、前記第３信号のフレームの後半部分に相当する信号と、を加算する処理を行って符号化前の前記第ｉ－１フレームの後半部分に対応する信号を生成することを特徴とする。
　つまり、ブロック切替部は、図１２Ａに示される処理を行う。これにより、符号化モードがＦＤ符号化モードからＬＰＤ符号化モードに切り替えられた最初のフレームを復号する場合に発生するエイリアシングを低減することができる。したがって、ＦＤ復号技術とＬＰＤ復号技術とのシームレスな切替が実現される。
　また、本発明の一態様において、低遅延フィルタバンクを用いた音響符号化処理で符号化された音響フレームと、線形予測係数を用いた音声符号化処理で符号化された音声フレームとが含まれるビットストリームを復号する音信号ハイブリッドデコーダであって、前記音響フレームを低遅延逆フィルタバンク処理によって復号する低遅延変換デコーダと、前記音声フレームを復号する音声信号デコーダと、前記ビットストリームのうちの復号対象フレームが前記音響フレームである場合、当該復号対象フレームを前記低遅延変換デコーダによって復号し、前記復号対象フレームが前記音声フレームである場合、当該復号対象フレームを前記音声信号デコーダによって復号する制御を行うブロック切替部とを備え、前記ブロック切替部は、前記復号対象フレームが、前記音声フレームから前記音響フレームに切り替わった最初の音響フレームである第ｉフレームであるとき、前記第ｉフレームよりも１フレーム先行するフレームである第ｉ－１フレームを前記音声信号デコーダによって復号することで得られる信号を窓処理した第４信号に、当該第４信号を畳み込み処理した信号を加算し、窓処理を行った第５信号と、前記第ｉフレームよりも３フレーム先行するフレームである第ｉ－３フレームを前記音声信号デコーダによって復号することで得られる信号を窓処理した第６信号に、当該第６信号を畳み込み処理した信号を加算し、窓処理を行った第７信号と、前記第ｉフレームを前記低遅延逆フィルタバンク処理及び窓処理した信号の前記第ｉ－３フレームに対応する部分である第８信号と、を加算する処理を行って符号化前の前記第ｉ－１フレームに対応する信号である再構成信号を生成してもよい。
　つまり、ブロック切替部は、図２０Ａ及び図２０Ｂに示される処理を行う。これにより、符号化モードがＬＰＤ符号化モードからＦＤ符号化モードに切り替えられた最初のフレームを復号する場合に発生するエイリアシングを低減することができる。したがって、ＦＤ復号技術とＬＰＤ復号技術とのシームレスな切替が実現される。
　また、本発明の一態様において、前記ブロック切替部は、前記復号対象フレームが、前記第ｉフレームの１フレーム後のフレームである第ｉ＋１フレームであるとき、前記第ｉ＋１フレームを前記低遅延逆フィルタバンク処理及び窓処理した信号のうちの、前記第ｉフレームよりも２フレーム先行するフレームである第ｉ－２フレームに対応する部分である第９信号と、前記第ｉフレームを前記低遅延逆フィルタバンク処理及び窓処理した信号の前記第ｉ－２フレームに対応する部分である第１０信号と、前記第ｉ－２フレームを前記音声信号デコーダによって復号することで得られる第１１信号に第１の窓処理を行なった信号のフレームの前半部分に相当する信号に、前記第１１信号に前記第１の窓処理を行った信号のフレームの後半部分に相当する信号に畳み込み処理した信号を加算することで得られる第１２信号に、当該第１２信号を畳み込み処理した信号を連結し、窓処理を行った第１３信号と、前記第１１信号に前記第１の窓処理とは異なる第２の窓処理を行った信号のフレームの前半部分に相当する信号に、前記第１１信号に前記第２の窓処理を行った信号のフレームの後半部分に相当する信号に畳み込み処理した信号を加算することで得られる第１４信号に、当該第１４信号を畳み込み処理して符号を反転させた信号を連結し、窓処理を行った第１５信号と、を加算する処理を行って、符号化前の前記第ｉフレームに対応する信号を生成してもよい。
　つまり、ブロック切替部は、図２１に示される処理を行う。これにより、符号化モードがＬＰＤ符号化モードからＦＤ符号化モードに切り替えられた最初のフレームの１フレーム後のフレームを復号する場合に発生するエイリアシングを低減することができる。
　また、本発明の一態様において、前記ブロック切替部は、前記復号対象フレームが、前記第ｉフレームの２フレーム後のフレームである第ｉ＋２フレームであるとき、前記ｉ＋２フレームを前記低遅延逆フィルタバンク処理及び窓処理した信号の前記第ｉ－１フレームに対応する部分である第１６信号と、前記第ｉ＋１フレームを前記低遅延逆フィルタバンク処理及び窓処理した信号の前記第ｉ－１フレームに対応する部分である第１７信号と、前記第ｉフレームを前記低遅延逆フィルタバンク処理及び窓処理した信号の前記第ｉ－１フレームに対応する部分である第１８信号と、前記第ｉ－３フレームを前記音声信号デコーダによって復号することで得られる第１９信号に窓処理を行なった信号のフレームの前半部分に相当する信号に、前記第１９信号に窓処理を行った信号のフレームの後半部分に相当する信号に畳み込み処理した信号を加算することで得られる第２０信号に、当該第２０信号を畳み込み処理した信号を連結し、窓処理を行った第２１信号と、前記再構成信号に窓処理を行った信号のフレームの前半部分に相当する信号に、前記再構成信号に窓処理を行った信号のフレームの後半部分に相当する信号に畳み込み処理した信号を加算することで得られる第２２信号に、当該第２２信号を畳み込み処理して符号を反転させた信号を連結し、窓処理を行った第２３信号と、を加算する処理を行って、符号化前の前記第ｉ＋１フレームに対応する信号を生成してもよい。
　つまり、ブロック切替部は、図２２に示される処理を行う。これにより、符号化モードがＬＰＤ符号化モードからＦＤ符号化モードに切り替えられた最初のフレームの２フレーム後のフレームを復号する場合に発生するエイリアシングを低減することができる。
　また、本発明の一態様において、低遅延フィルタバンクを用いた音響符号化処理で符号化された音響フレームと、線形予測係数を用いた音声符号化処理で符号化された音声フレームとが含まれるビットストリームを復号する音信号ハイブリッドデコーダであって、前記音響フレームを低遅延逆フィルタバンク処理を用いて復号する低遅延変換デコーダと、ＴＣＸ（ＴｒａｎｓｆｏｒｍＣｏｄｅｄＥｘｃｉｔａｔｉｏｎ）方式によって符号化された前記音声フレームを復号するＴＣＸデコーダと、前記ビットストリームのうちの復号対象フレームが前記音響フレームである場合、当該復号対象フレームを前記低遅延変換デコーダによって復号し、前記復号対象フレームが前記音声フレームである場合、当該復号対象フレームを前記音声信号デコーダによって復号する制御を行うブロック切替部とを備え、前記復号対象フレームが、前記音響フレームから前記音声フレームに切り替わった最初の前記音声フレームであって、過渡信号が符号化されたフレームである第ｉフレームであるとき、前記第ｉフレームには、前記第ｉフレームよりも１フレーム先行するフレームである第ｉ－１フレームの符号化前の信号を用いて生成された第１信号が符号化された状態で含まれ、前記ブロック切替部は、（１）前記第ｉフレームよりも２フレーム先行するフレームである第ｉ－２フレームを前記低遅延変換デコーダによって復号することで得られる、前記第ｉフレームよりも３フレーム先行するフレームである第ｉ－３フレームの再構成された信号を窓処理した信号である第２信号のフレームの前半部分に相当する信号に、前記第２信号のフレームの後半部分に相当する信号を畳み込み処理した信号を加算して窓処理を行った信号と、前記第ｉフレームを前記音声信号デコーダによって復号することで得られる、前記第１信号に窓処理を行った信号と、前記第ｉ－１フレームを前記低遅延逆フィルタバンク処理及び窓処理した信号の前記第ｉ－３フレームに対応する部分である第３信号のフレームの前半部分の信号と、を加算する処理を行って符号化前の前記第ｉ－１フレームの前半部分に対応する信号を生成し、前記第２信号のフレームの後半部分に相当する信号に、前記第２信号のフレームの前半部分に相当する信号を畳み込み処理した信号を加算して窓処理を行った信号と、前記第１信号に畳み込み処理及び窓処理を行った信号と、前記第３信号のフレームの後半部分に相当する信号と、を加算する処理を行って符号化前の前記第ｉ－１フレームの後半部分に対応する信号を生成する、または（２）前記第２信号のフレームの前半部分に相当する信号に、前記第２信号のフレームの後半部分に相当する信号を畳み込み処理した信号を加算して窓処理を行った信号と、前記第１信号に畳み込み処理及び窓処理を行った信号と、前記第３信号のフレームの前半部分に相当する信号と、を加算する処理を行って符号化前の前記第ｉ－１フレームの前半部分に対応する信号を生成し、前記第２信号のフレームの後半部分に相当する信号に、前記第２信号のフレームの前半部分に相当する信号を畳み込み処理した信号を加算して窓処理を行った信号と、前記第１信号に窓処理を行った信号と、前記第３信号のフレームの後半部分に相当する信号と、を加算する処理を行って符号化前の前記第ｉ－１フレームの後半部分に対応する信号を生成してもよい。
　つまり、ブロック切替部は、ＦＤ符号化モードにおいて過渡信号（過渡フレーム）が発生した場合の符号化信号の復号において、図１２Ａに示される処理を行う。これにより、過渡フレームを復号した場合の音の音質を向上させることができる。
　また、本発明の一態様において、前記低遅延変換デコーダは、前記音響フレーム及び当該音響フレームに時間的に連続して先行する３つのフレームのそれぞれについて低遅延逆フィルタバンク処理及び窓処理を行った信号のそれぞれを重複加算処理することによって、当該音響フレームを復号するＡＡＣ－ＥＬＤ（ＡｄｖａｎｃｅｄＡｕｄｉｏＣｏｄｉｎｇ－ＥｎｈａｎｃｅｄＬｏｗＤｅｌａｙ）デコーダであってもよい。
　また、本発明の一態様において、前記音声信号デコーダは、ＡＣＥＬＰ（ＡｌｇｅｂｒａｉｃＣｏｄｅＥｘｃｉｔｅｄＬｉｎｅａｒＰｒｅｄｉｃｔｉｏｎ）係数を用いて符号化された前記音声フレームを復号するＡＣＥＬＰデコーダであってもよい。
　また、本発明の一態様において、前記音声信号デコーダは、ＴＣＸ方式によって符号化された前記音声フレームを復号するＴＣＸデコーダであってもよい。
　また、本発明の一態様において、さらに、前記復号対象フレームとともに符号化された合成エラー情報を復号する合成エラー補償装置を備え、前記合成エラー情報は、前記ビットストリームが符号化される前の信号と、前記ビットストリームを復号した信号との差分を表す情報であり、前記合成エラー補償装置は、前記ブロック切替部が生成した前記符号化前の前記第ｉ－１フレームの信号、前記ブロック切替部が生成した前記符号化前の前記第ｉフレームの信号、または前記ブロック切替部が生成した前記符号化前の前記第ｉ＋１フレームの信号を、復号した前記合成エラー情報を用いて修正してもよい。
　これにより、符号化モードが切り替えられることによって、音信号ハイブリッドデコーダにおいて発生する合成エラーが低減され、音質を向上することができる。
　また、本発明の一態様に係る音信号ハイブリッドエンコーダは、音信号の音響特性を分析し、前記音信号に含まれるフレームが音響信号であるか音声信号であるかを判断する信号分類部と、低遅延フィルタバンクを用いて前記フレームを符号化する低遅延変換エンコーダと、前記フレームの線形予測係数を算出することによって当該フレームを符号化する音声信号エンコーダと、前記信号分類部が前記音響信号であると判断した符号化対象フレームを前記低遅延変換エンコーダによって符号化し、前記信号分類部が前記音声信号であると判断した前記符号化対象フレームを前記音声信号エンコーダによって符号化する制御を行うブロック切替部とを備え、前記ブロック切替部は、（１）前記符号化対象フレームが、前記信号分類部が前記音声信号であると判断したフレームである第ｉ－１フレームの１フレーム後のフレームであって、前記信号分類部が前記音響信号であると判断したフレームである第ｉフレームであるとき、前記第ｉ－１フレームの前半部分に相当する信号を窓処理した信号に前記第ｉ－１フレームの後半部分に相当する信号を窓処理して畳み込み処理した信号を加算した信号と、前記第ｉフレームとを前記音声信号エンコーダによって符号化する、または（２）前記第ｉ－１フレームの後半部分に相当する信号を窓処理した信号に前記第ｉ－１フレームの前半部分に相当する信号を窓処理して畳み込み処理した信号を加算した信号と、前記第ｉフレームとを前記音声信号エンコーダによって符号化することを特徴とする。
　つまり、ブロック切替部は、図７及び図８Ａに示される処理を行う。これにより、符号化モードがＦＤ符号化モードからＬＰＤ符号化モードに切り替えられた最初のフレームを復号する場合に発生するエイリアシングを低減することができる。したがって、ＦＤ復号技術とＬＰＤ復号技術とのシームレスな切替が実現される。
　また、本発明の一態様において、音信号の音響特性を分析し、前記音信号に含まれるフレームが音響信号であるか音声信号であるかを判断する信号分類部と、低遅延フィルタバンクを用いて前記フレームを符号化する低遅延変換エンコーダと、前記フレームの線形予測係数の残差をＭＤＣＴ（ＭｏｄｉｆｉｅｄＤｉｓｃｒｅｔｅＣｏｓｉｎｅＴｒａｎｓｆｏｒｍ）処理したＴＣＸ方式によって前記フレームを符号化するＴＣＸエンコーダと、前記信号分類部が前記音響信号であると判断した符号化対象フレームを前記低遅延変換エンコーダによって符号化し、前記信号分類部が前記音声信号であると判断した前記符号化対象フレームを前記音声信号エンコーダによって符号化する制御を行うブロック切替部とを備え、前記ブロック切替部は、前記符号化対象フレームである第ｉフレームが、前記信号分類部が前記音響信号であり、なおかつエネルギーが急激に変化する過渡信号であると判断したフレームであるとき、（１）前記第ｉフレームの１フレーム前のフレームである第ｉ－１フレームの前半部分に相当する信号を窓処理した信号に前記第ｉ－１フレームの後半部分に相当する信号を窓処理して畳み込み処理した信号を加算した信号と、前記第ｉフレームとを前記音声信号エンコーダによって符号化する、または（２）前記第ｉ－１フレームの後半部分に相当する信号を窓処理した信号に前記第ｉ－１フレームの前半部分に相当する信号を窓処理して畳み込み処理した信号を加算した信号と、前記第ｉフレームとを前記音声信号エンコーダによって符号化してもよい。
　つまり、ブロック切替部は、ＦＤ符号化モードにおいて過渡信号（過渡フレーム）が発生した場合の符号化において、図７及び図８Ａに示される処理を行う。これにより、過渡フレームを復号した場合の音の音質を向上させることができる。
　また、本発明の一態様において、前記低遅延変換エンコーダは、前記フレームと、当該フレームに時間的に連続して先行する３つのフレームとを連結した拡張フレームについて窓処理及び低遅延フィルタバンク処理をすることによって、前記フレームを符号化するＡＡＣ－ＥＬＤエンコーダであってもよい。
　また、本発明の一態様において、前記音声信号エンコーダは、ＡＣＥＬＰ係数を生成することによって前記フレームを符号化するＡＣＥＬＰエンコーダであってもよい。
　また、本発明の一態様において、前記音声信号エンコーダは、前記線形予測係数の残差をＭＤＣＴ処理して前記フレームを符号化するＴＣＸエンコーダであってもよい。
　また、本発明の一態様において、さらに、符号化した前記音信号を復号するローカルデコーダと、前記音信号と、前記ローカルデコーダが復号した前記音信号との差分である合成エラー情報を符号化するローカルエンコーダとを備えてもよい。
　なお、これらの全般的または具体的な態様は、システム、方法、集積回路、コンピュータプログラムまたはコンピュータ読み取り可能なＣＤ－ＲＯＭなどの記録媒体で実現されてもよく、システム、方法、集積回路、コンピュータプログラム及び記録媒体の任意な組み合わせで実現されてもよい。
　以下、実施の形態について、図面を参照しながら具体的に説明する。
　以下の各実施の形態では、以下の５通りの符号化モードの遷移において、エイリアシングの影響を低減し、シームレスな符号化モードの切替を実現する音信号ハイブリッドエンコーダ及び音信号ハイブリッドデコーダについて説明する。
　　・ＦＤ符号化モードからＡＣＥＬＰ符号化モードへの遷移（実施の形態１）
　　・ＡＣＥＬＰ符号化モードからＦＤ符号化モードへの遷移（実施の形態２）
　　・ＦＤ符号化モードからＴＣＸ符号化モードへの遷移（実施の形態３）
　　・ＴＣＸ符号化モードからＦＤ符号化モードへの遷移（実施の形態４）
　　・ＦＤ符号化モードから過渡信号符号化モードへの遷移（実施の形態５）
　なお、以下で説明する実施の形態は、いずれも包括的または具体的な例を示すものである。以下の実施の形態で示される数値、形状、材料、構成要素、構成要素の配置位置及び接続形態、ステップ、ステップの順序などは、一例であり、本発明を限定する主旨ではない。また、以下の実施の形態における構成要素のうち、最上位概念を示す独立請求項に記載されていない構成要素については、任意の構成要素として説明される。
　（実施の形態１）
　実施の形態１では、符号化モードをＦＤ符号化モードからＡＣＥＬＰ符号化モードに切り替える場合の音信号ハイブリッドエンコーダの符号化方法及び音信号ハイブリッドデコーダの復号方法について説明する。なお、以下の実施の形態の説明においては、特に断りのない限り、ＦＤ符号化モードとはＡＡＣ－ＥＬＤを意味するものとする。
　［１－１．符号化方法］
　図６は、実施の形態１に係る音信号ハイブリッドエンコーダの構成を示すブロック図である。
　音信号ハイブリッドエンコーダ５００は、高周波エンコーダ５０１と、ブロック切替部５０２と、信号分類部５０３と、ＡＣＥＬＰエンコーダ５０４と、ＦＤエンコーダ５０５と、ビットマルチプレクサ５０６とを備える。
　入力信号は、高周波エンコーダ５０１と信号分類部５０３とにそれぞれ送信される。
　高周波エンコーダ５０１は、入力信号のうちの高周波帯域を抽出して符号化した信号である高周波パラメータと、入力信号のうちの低周波帯域を抽出した信号である低周波信号とを生成する。高周波パラメータは、ビットマルチプレクサ５０６に送信される。低周波信号は、ブロック切替部５０２に送信される。
　信号分類部５０３は、上記低周波信号の音響特性を分析し、低周波信号をサンプル数Ｎごと（フレームごと）に当該フレームが音響信号であるか音声信号であるか判断する。具体的には、信号分類部５０３は、当該フレームの３ｋＨｚ以上の帯域のスペクトル強度と、当該フレームの３ｋＨｚ以下の帯域のスペクトル強度とを算出する。３ｋＨｚ以下のスペクトル強度がそれ以外の帯域のスペクトル強度よりも大きい場合、信号分類部５０３は、当該フレームが音声信号主体の信号である、すなわち音声信号であると判断し、判断結果を表すモード指標をブロック切替部５０２及びビットマルチプレクサ５０６に送信する。同様に、３ｋＨｚ以下のスペクトル強度がそれ以外の帯域のスペクトル強度よりも小さい場合、信号分類部５０３は、当該フレームが音響信号主体の信号である、すなわち音響信号であると判断し、モード指標をブロック切替部５０２及びビットマルチプレクサ５０６に送信する。
　ブロック切替部５０２は、モード指標が音響信号であることを表すフレームをＦＤエンコーダ５０５によって符号化し、モード指標が音声信号であることを表すフレームをＡＣＥＬＰエンコーダ５０４によって符号化する切替制御を行う。すなわち、ブロック切替部５０２は、高周波エンコーダから受信した低周波信号をモード指標に従ってＦＤエンコーダ５０５とＡＣＥＬＰエンコーダ５０４とにフレームごとに送信する。
　ＦＤエンコーダ５０５は、ブロック切替部５０２の制御に基づき、フレームをＡＡＣ－ＥＬＤ符号化モードで符号化し、当該符号化によって生成されたＦＤ変換係数をビットマルチプレクサ５０６に送信する。
　ＡＣＥＬＰエンコーダ５０４は、ブロック切替部５０２の制御に基づき、フレームをＡＣＥＬＰ符号化モードによって符号化し、当該符号化によって生成されたＡＣＥＬＰ係数をビットマルチプレクサ５０６に送信する。
　ビットマルチプレクサ５０６は、符号化モード指標と、高帯域パラメータと、ＦＤ変換係数と、ＡＣＥＬＰ係数とを合成したビットストリームを生成する。
　なお、図示しないが、音信号ハイブリッドエンコーダ５００は、フレーム（信号）を一時的に記憶する記憶部を備えてもよい。
　次に、符号化モードがＦＤ符号化モードからＡＣＥＬＰ符号化モードに切り替えられる場合のブロック切替部５０２の制御について説明する。
　図７は、符号化モードがＦＤ符号化モードがＡＣＥＬＰ符号化モードに切り替えられる場合の符号化されたフレームを示す図である。
　この場合、フレームｉを符号化するときに、先行するフレームｉ－１の信号［ａｉ－１，ｂｉ－１］から生成される成分Ｘを加えた信号が符号化される。具体的には、ブロック切替部５０２は、成分Ｘと、フレームｉの信号［ａｉ，ｂｉ］とを合わせた拡張フレームを生成する。拡張フレームは、（Ｎ＋Ｎ／２）の長さである。拡張フレームは、ブロック切替部５０２によりＡＣＥＬＰエンコーダ５０４に送信され、ＡＣＥＬＰ符号化モードで符号化される。
　成分Ｘは、具体的には、次のように生成される。
　図８Ａは、成分Ｘの生成方法の一例を示す図である。図８Ｂは、成分Ｘの生成方法のフローチャートである。
　まず、フレームｉ－１の信号の前半部分である入力部分ａｉ－１に窓ｗ５を適用することで、成分ａｉ－１ｗ５が得られる（図８ＢのＳ１０１）。同様に、フレームｉ－１の信号の後半部分である入力部分ｂｉ－１に窓ｗ６を適用することで、ｂｉ－１ｗ６が得られる（図８ＢのＳ１０２）。次に、ｂｉ－１ｗ６に、さらに畳み込み処理（折り畳み処理）を適用する（図８ＢのＳ１０３）。
　なお、本明細書中では、「信号に畳み込み処理をする」とは、当該信号ベクトル毎に信号ベクトルを構成するサンプルを時間的に逆順に並べ変えることを意味する。
　これにより、ｂｉ－１ｗ６の逆順（ｂｉ－１ｗ６）Ｒが得られる。最後に、ａｉ－１ｗ５と（ｂｉ－１ｗ６）Ｒとが加算された成分Ｘが得られる（図８ＢのＳ１０４）。
　得られた成分Ｘは、デコーダにおいて、複数の先行フレームとともに復号に用いられる。これにより、フレームｉ－１の信号［ａｉ－１，ｂｉ－１］が適切に再構成される。
　なお、以上の説明では、ｂｉ－１ｗ６に、さらに畳み込み処理を適用したが、ａｉ－１ｗ５にさらに畳み込み処理を適用してもよい。すなわち、成分Ｘは、（ａｉ－１ｗ５）Ｒ＋ｂｉ－１ｗ６であってもよい。
　なお、図９に示されるように、音信号ハイブリッドエンコーダ５００は、さらに、ＴＣＸエンコーダ５０７を備えてもよい。
　ＴＣＸエンコーダ５０７は、ブロック切替部５０２の制御に基づき、フレームをＴＣＸ符号化モードによって符号化し、当該符号化によって生成されたＴＣＸ係数をビットマルチプレクサ５０６に送信する。
　［１－２．復号方法］
　以下、音信号ハイブリッドエンコーダ５００によって図８Ａに示されるように符号化された符号化信号を復号する音信号ハイブリッドデコーダについて説明する。
　図１０は、実施の形態１に係る音信号ハイブリッドデコーダの構成を示すブロック図である。
　音信号ハイブリッドデコーダ９００は、デマルチプレクサ９０１と、ＦＤデコーダ９０２と、ＡＣＥＬＰデコーダ９０３と、ブロック切替部９０４と、高周波デコーダ９０５とを備える。
　デマルチプレクサ９０１は、ビットストリームを逆多重化する。具体的には、デマルチプレクサ９０１は、ビットストリームをモード指標と、高帯域パラメータと、符号化信号とに分割する。モード指標は、ブロック切替部９０４に送信され、高周波パラメータは、高周波デコーダ９０５に送信され、符号化信号（ＦＤ変換係数、及びＡＣＥＬＰ係数）は、フレームごとに対応するＦＤデコーダ９０２とＡＣＥＬＰデコーダ９０３とに送信される。
　ＦＤデコーダ９０２は、図２を用いて説明したＡＡＣ－ＥＬＤ復号処理によってＦＤ変換係数からＦＤ逆変換信号を生成する。すなわち、ＦＤデコーダ９０２は、ＦＤ符号化モードによって符号化されたフレームを復号する。
　ＡＣＥＬＰデコーダ９０３は、ＡＣＥＬＰ復号処理によってＡＣＥＬＰ係数からＡＣＥＬＰ合成信号を生成する。すなわち、ＡＣＥＬＰデコーダ９０３は、ＡＣＥＬＰ符号化モードによって符号化されたフレームを復号する。
　ＦＤ逆変換信号とＡＣＥＬＰ合成信号とは、ブロック切替部９０４に送信される。
　ブロック切替部９０４は、モード指標が音響信号であることを表すフレームをＦＤデコーダ９０２によって復号してＦＤ逆変換信号を受信し、モード指標が音声信号であることを表すフレームをＡＣＥＬＰデコーダ９０３によって復号してＡＣＥＬＰ合成信号を受信する。
　高周波デコーダ９０５は、デマルチプレクサから送信される高周波パラメータとブロック切替部９０４から送信される低周波帯域の時間領域信号とを用いて入力信号を再構成する。
　なお、図示しないが、音信号ハイブリッドデコーダ９００は、フレーム（信号）を一時的に記憶する記憶部を備えてもよい。
　次に、ＦＤ符号化モードで符号化された信号がＡＣＥＬＰ符号化モードで符号化された信号に切り替わるときの、ブロック切替部９０４の切替制御（復号方法）について説明する。
　図１１は、ＦＤ符号化モードで符号化された信号がＡＣＥＬＰ符号モードで符号化された信号に切り替わるときの、ブロック切替部９０４の切替制御（復号方法）を示す模式図である。図１１に示されるようにフレームｉ－１はＦＤ符号化モードによって符号化されたフレームであり、復号対象フレームであるフレームｉは、ＡＣＥＬＰ符号化モードで符号化されたフレームである。
　上述のように、ＦＤ符号化モードで符号化された信号が連続する場合は、復号対象フレームｉを復号してフレームｉ－１の信号を再構成することができる。つまり、図１１に示される場合、フレームｉ－２の信号までは通常のＦＤ復号処理によって再構成できる。しかしながら、フレームｉ－１の信号は、復号対象フレームｉがＡＣＥＬＰ符号化モードで符号化されているため、通常の方法で再構成すると、エイリアシング成分による不自然な音が発生してしまう。すなわち、フレームｉ－１の信号は、図１１に示されるようにエイリアシング部分となる。
　エイリアシング成分を低減するために、ブロック切替部９０４は、次の３つの信号を用いて復号処理を行う。
　第１に、復号対象フレームｉをＡＣＥＬＰ復号処理することで得られるＡＣＥＬＰ合成信号の成分Ｘの信号（第１信号）がエイリアシング成分を低減したフレームｉ－１の信号を再構成するために用いられる。この信号は、図１１においてサブフレーム１００１と示される信号であり、図８Ａを用いて説明した成分Ｘである。
　復号対象フレームｉは、ＡＣＥＬＰ符号化モードで符号化された長さ３Ｎ／２のフレームである。すなわち、フレームｉをＡＣＥＬＰ復号処理することで得られるＡＣＥＬＰ合成信号は、ｙｉ，ｎ ａｃｅｌｐと示され、
Figure JPOXMLDOC01-appb-M000018
 である。したがって、成分Ｘに相当する拡張部分は、以下のようになる。
Figure JPOXMLDOC01-appb-M000019
　図８Ａを用いて説明したように、成分Ｘは、具体的には、ａｉ－１ｗ５＋（ｂｉ－１ｗ６）Ｒである。
　第２に、復号対象フレームｉ－１をＡＡＣ－ＥＬＤ低遅延フィルタバンクによって逆変換した後、窓処理した信号のうちのフレームｉ－３に対応する部分の信号（第３信号）がエイリアシング成分を低減したフレームｉ－１の信号を再構成するために用いられる。この信号は、図１１においてサブフレーム１００２及びサブフレーム１００３と示される。
　より具体的には、この信号は、フレームｉ－１をＡＡＣ－ＥＬＤ低遅延フィルタバンクによって、通常フレームとして長さ４Ｎで逆変換し、さらに窓処理することによって得られる。逆変換信号は、
Figure JPOXMLDOC01-appb-M000020
 と示される。このうち、フレームｉ－３に対応する部分の信号（図１１においてサブフレーム１００２及びサブフレーム１００３と示される２つのエイリアシング部分）は、上記逆変換信号から以下のように抽出される。すなわち、
Figure JPOXMLDOC01-appb-M000021
 及び
Figure JPOXMLDOC01-appb-M000022
 がサブフレーム１００２とサブフレーム１００３にそれぞれ対応する信号である。
　第３に、復号対象フレームｉ－２をＦＤ復号処理することによって得られるフレームｉ－３の信号［ａｉ－３，ｂｉ－３］（第２信号）がエイリアシング成分を低減したフレームｉ－１の信号を再構成するために用いられる。フレームｉ－３の信号は、図１１においてサブフレーム１００４及びサブフレーム１００５と示される。
　以上、説明したように、図１１においてサブフレーム１００１と示される信号ａｉ－１ｗ５＋（ｂｉ－１ｗ６）Ｒと、サブフレーム１００２と示される信号［ｃ－３］ｉ－１と、サブフレーム１００３と示される信号［ｄ－３］ｉ－１と、サブフレーム１００４、１００５と示される信号［ａｉ－３、ｂｉ－３］とが、エイリアシング成分を低減したフレームｉ－１の信号を再構成するために用いられる。
　上記の信号を用いたエイリアシング成分を低減したフレームｉ－１の信号を再構成する方法について具体的に説明する。
　図１２Ａの（ａ）は、フレームｉ－１の信号の前半のサンプル部分であるａｉ－１を再構成する方法を示す図である。図１２Ｂは、フレームｉ－１の信号の前半のサンプル部分であるａｉ－１を再構成する方法のフローチャートである。
　まず、サブフレーム１００４（第２信号のフレーム前半部分）であるａｉ－３に窓ｗ３を適用することで、ａｉ－３ｗ３が得られる（図１２ＢのＳ２０１）。次に、サブフレーム１００５（第２信号のフレーム後半部分）であるｂｉ－３に窓ｗ４を適用することで、ｂｉ－３ｗ４が得られ、さらに、畳み込み処理を適用することで、ｂｉ－３ｗ４の逆順である（ｂｉ－３ｗ４）Ｒが得られる（図１２ＢのＳ２０２）。
　次に、ａｉ－３ｗ３と及び（ｂｉ－３ｗ４）Ｒとが加算処理された信号に、窓処理が適用されることで、ａｉ－３ｗ３ｗＲ，６－（ｂｉ－３ｗ４）ＲｗＲ，６が得られる（図１２ＢのＳ２０３）。
　サブフレーム１００１（成分Ｘ、第１信号）であるａｉ－１ｗ５＋（ｂｉ－１ｗ６）Ｒには、合成窓ｗＲ，８が適用されて、ａｉ－１ｗ５ｗＲ，８＋（ｂｉ－１ｗ６）ＲｗＲ，８が得られる（図１２ＢのＳ２０４）。
　これに加えて、逆変換信号であるサブフレーム１００２（第３信号のフレーム前半部分）は、
Figure JPOXMLDOC01-appb-M000023
 となる。上記それぞれの信号は、加算され、ａｉ－１（ｗ５ｗＲ，８＋ｗ７ｗＲ，６）が得られる（図１２ＢのＳ２０５）。
　上述の窓の特性を考慮すると、
Figure JPOXMLDOC01-appb-M000024
 であることから、エイリアシング成分を低減したフレームｉ－１の信号の前半部分であるサブフレーム１１０１が得られる。
　同様に、図１２Ａの（ｂ）は、フレームｉ－１の信号の後半のサンプル部分であるｂｉ－１を再構成する方法を示す図である。図１２Ａの（ａ）とは、サブフレーム１００１に畳み込み処理を行う点で異なるが、その他の処理は、同様である。これにより、エイリアシング成分を低減したフレームｉ－１の信号の後半部分であるサブフレーム１１０２が得られる。
　したがって、復号対象フレームｉを復号することで、サブフレーム１１０１とサブフレーム１１０２とを連結した信号フレームｉ－１の信号［ａｉ－１，ｂｉ－１］が得られる。
　なお、以上の説明では、図１２Ａの（ａ）に示されるサブフレーム１００１に窓処理を適用した、図１２Ａの（ｂ）に示されるサブフレーム１００１には、畳み込み処理と窓処理とを適用した。これは、上述のように成分Ｘがａｉ－１ｗ５＋（ｂｉ－１ｗ６）Ｒと表される場合の処理である。成分Ｘが、（ａｉ－１ｗ５）Ｒ＋ｂｉ－１ｗ６である場合、図１２Ａの（ａ）に示されるサブフレーム１００１には畳み込み処理と窓処理とが適用され、図１２Ａの（ｂ）に示されるサブフレーム１００１には、窓処理が適用される。
　［１－３．遅延量］
　次に、以上説明した実施の形態１に係る符号化・復号処理の遅延量について説明する。
　図１３は、実施の形態１に係る符号化・復号処理の遅延量を示す図である。なお、図１３において、フレームｉ－１に対する符号化処理は、時間ｔにおいて開始されるものとする。
　既に述べたように、ＡＡＣ－ＥＬＤにおける低遅延フィルタバンクの窓の特徴により、フレームｉ－１のＩＭＤＣＴ変換された出力
Figure JPOXMLDOC01-appb-M000025
 は、時間ｔ＋３＊Ｎ／４サンプルにおいて得られる。すなわち、サブフレーム１００２、及び１００３は、時間ｔ＋３＊Ｎ／４サンプルにおいて得られる。
　サブフレーム１００４及びサブフレーム１００５は、先行フレームを復号して再構成された信号であるため、既に取得されている。
　また、時間ｔ＋２Ｎサンプルにおいて、フレームｉのＡＣＥＬＰ合成信号が得られる。すなわち、サブフレーム１００１（成分Ｘ）は、時間ｔ＋２Ｎサンプルにおいて得られる。しかしながら、サブフレーム１００１には、前半Ｎ／４個のサンプルに相当する部分がゼロである合成窓ｗＲ，８が適用されることから、サブフレーム１００１を完全に取得するＮ／４サンプル前に音の出力を開始することができる。
　このため、上述のようにサブフレーム１００１～１００５を用いた信号［ａｉ－１，ｂｉ－１］が再構成されて出力される場合の遅延量は、２Ｎ－Ｎ／４＝７＊Ｎ／４サンプルである。
　［１－４．まとめ］
　以上、説明したように、音信号ハイブリッドエンコーダ５００及び音信号ハイブリッドデコーダ９００によれば、符号化モードがＦＤ符号化モードからＡＣＥＬＰ符号化モードに切り替えられた最初のフレームである遷移フレームを復号する場合に発生するエイリアシングを低減することができ、ＦＤ復号技術とＡＣＥＬＰ復号技術とのシームレスな切替が実現される。
　なお、図１４に示されるように、音信号ハイブリッドデコーダ９００は、さらに、ＴＣＸデコーダ９０６を備えてもよい。
　図１４に示されるＴＣＸデコーダ９０６は、ＴＣＸ復号処理によってＴＣＸ係数からＴＣＸ合成信号を生成する。すなわち、ＴＣＸデコーダ９０６は、ＴＣＸ符号化モードによって符号化されたフレームを復号する。
　なお、さらなる高音質を実現するために、音信号ハイブリッドデコーダ９００は、さらに合成エラー補償（ＳＥＣ：Ｓｙｎｔｈｅｓｉｓ　Ｅｒｒｏｒ　Ｃｏｍｐｅｎｓａｔｉｏｎ）装置を備えてもよい。
　ＳＥＣ処理は、最終的な合成信号を生成するために復号対象フレームｉを復号する時点において行われる。ＳＥＣ装置を追加する目的は、音質を向上させるために、音信号ハイブリッドデコーダ９００において符号化モードが切り替えられることによって発生する合成エラーを低減（除去）することである。
　図１５は、合成エラー補償装置を用いてフレームｉ－１の信号を再構成する方法を示す図である。ここでは、時間領域のエイリアシングの影響を効率的に補償するために、再構成後の信号［ａｉ－１，ｂｉ－１］にＳＥＣ処理が行われる。
　ＳＥＣ装置は、復号対象フレームにおいて、符号化処理時にＤＣＴ－ＩＶ、ＡＶＱ方式などで変換して算出した合成エラー情報を復号する。復号された合成エラー情報は、ＳＥＣ処理により再構成後の信号［ａｉ－１，ｂｉ－１］に加算され、再構成後の信号は修正される。具体的には、図１５の（ａ）に示されるようにサブフレーム１１０１は、サブフレーム２９０１に修正され、図１５の（ｂ）に示されるようにサブフレーム１１０２は、サブフレーム２９０２に修正される。
　音信号ハイブリッドデコーダ９００側でＳＥＣ処理を行うためには、上記合成エラー情報を音信号ハイブリッドエンコーダ５００側で符号化しておくことが必要である。
　図１６は、合成エラー情報の符号化、復号方法を示す図である。
　図１６に示されるように、合成エラー情報を符号化する場合、音信号ハイブリッドエンコーダ５００は、ローカルデコーダ５０８と、ローカルエンコーダとを備える。
　ローカルデコーダ５０８は、エンコーダ（ＡＣＥＬＰエンコーダ５０４、ＦＤエンコーダ５０５、またはＴＣＸエンコーダ５０７）で符号化された元の信号（符号化前の信号）を復号する。再構成された信号（復号された元の信号）と、元の信号との差分が合成エラー情報である。
　ローカルエンコーダ５０９は、ＤＣＴ－ＩＶ、ＡＶＱ（Ａｄａｐｔｉｖｅ　Ｖｅｃｔｏｒ　Ｑｕａｎｔｉｚａｔｉｏｎ）などを用いて合成エラー情報を符号化（変換）する。符号化された合成エラー情報は、音信号ハイブリッドデコーダ９００が備えるＳＥＣ装置９０７によって復号（逆変換）され、図１５を用いて説明したようなＳＥＣ処理による再構成後の信号の修正に用いられる。
　（実施の形態２）
　実施の形態２では、符号化モードをＡＣＥＬＰ符号化モードからがＦＤ符号化モードに切り替える場合の音信号ハイブリッドエンコーダ５００の符号化方法及び音信号ハイブリッドデコーダ９００の復号方法について説明する。なお、音信号ハイブリッドエンコーダ５００及び音信号ハイブリッドデコーダ９００の構成は、実施の形態１と同じである。
　［２－１．符号化方法］
　図１７は、符号化モードがＡＣＥＬＰ符号化モードからＦＤ符号化モードに切り替えられる場合の符号化されたフレームを示す図である。
　フレームｉ－１は、ＡＣＥＬＰ符号化モードによって符号化される。フレームｉは、ＦＤ符号化モードによって先行する３つのフレームｉ－３、ｉ－２、ｉ－１と連結されて符号化される。
　［２－２．復号方法］
　以下、音信号ハイブリッドエンコーダ５００によって図１７に示されるように符号化された符号化信号を復号する音信号ハイブリッドデコーダ９００の復号方法について説明する。
　通常、復号対象フレームｉを復号する場合、上述のように先行する３つのフレームｉ－３、ｉ－２、ｉ－１と重複加算処理を行うことでフレームｉ－１の信号が得られる。
　しかしながら、上記重複加算処理は、連続するフレームが全てＦＤ符号化モードによって符号化されていることが前提の処理である。ここで、フレームｉが、符号化モードがＡＣＥＬＰ符号化モードからＦＤ符号化モードに切り替えられた場合の遷移フレームである場合、先行する３つのフレームである、フレームｉ－３、ｉ－２、ｉ－１はＡＣＥＬＰ符号化モードで符号化されている。このため、復号対象フレームｉを通常のＦＤ復号処理した場合、エイリアシングが発生することとなる。同様に、フレームｉ＋１、フレームｉ＋２においても先行する３つのフレームにＡＣＥＬＰ符号化モードで符号化されたフレームが含まれるため、エイリアシングが発生することとなる。
　　［２－２－１．復号対象フレームｉの復号方法］
　図１８は、ＡＣＥＬＰ符号化モードで符号化された信号がＦＤ符号化モードで符号化された信号に切り替わるときの、ブロック切替部９０４の切替制御（復号方法）を示す模式図である。
　復号対象フレームｉを復号してフレームｉ－１の信号［ａｉ－１，ｂｉ－１］を再構成する場合、エイリアシング成分を低減するために、ブロック切替部９０４は、次の３つの信号を用いて復号処理を行う。
　第１に、復号対象フレームｉをＡＡＣ－ＥＬＤ低遅延フィルタバンクによって逆変換した後、窓処理した信号のうちのフレームｉ－３に対応する部分の信号が用いられる。この信号は、図１８においてサブフレーム１４０１及びサブフレーム１４０２と示される。
　第２に、復号対象フレームｉ－１をＡＣＥＬＰ復号処理することで得られるＡＣＥＬＰ合成信号［ａｉ－１，ｂｉ－１］が用いられる。この信号は、図１８においてサブフレーム１４０３及び１４０４と示される信号である。
　第３に、復号対象フレームｉ－３をＡＣＥＬＰ復号処理することによって得られるフレームｉ－３の信号［ａｉ－３、ｂｉ－３］が用いられる。フレームｉ－３の信号は、図１８においてサブフレーム１４０７及びサブフレーム１４０８と示される。
　次に、上記３つの信号を用いた復号処理についてより詳細に説明する。
　図１９は、フレームｉ－１の信号［ａｉ－１，ｂｉ－１］を再構成する方法のフローチャートである。
　復号対象フレームｉをＡＡＣ－ＥＬＤ低遅延フィルタバンクによって逆変換した後、窓処理した信号（第８信号）を生成する（図１９のＳ３０１）。第８信号は、以下の式で示される。
Figure JPOXMLDOC01-appb-M000026
　このうち、フレームｉ－３に対応する部分の信号（図１８においてサブフレーム１４０１及びサブフレーム１４０２と示される信号）は、それぞれ以下の式で示される。
Figure JPOXMLDOC01-appb-M000027
Figure JPOXMLDOC01-appb-M000028
　図２０Ａは、フレームｉ－１の信号［ａｉ－１，ｂｉ－１］を再構成する方法の一例を示す図である。第ｉ－１フレームをＡＣＥＬＰ復号処理によって復号することで得られる信号を窓処理した窓処理した信号（第４信号）に、当該第４信号を畳み込み処理した信号を加算した信号は、
Figure JPOXMLDOC01-appb-M000029
 のように示される。窓［ｗＲ，６，ｗＲ，５］を
Figure JPOXMLDOC01-appb-M000030
 に適用し、信号
Figure JPOXMLDOC01-appb-M000031
 （第５信号）が生成される（図１９のＳ３０２）。第５信号は、図２０Ａにおいてサブフレーム１５０１及びサブフレーム１５０２と示される。
　図２０Ｂは、フレームｉ－１の信号［ａｉ－１，ｂｉ－１］を再構成する方法の一例を示すもう一つの図である。第ｉ－３フレームをＡＣＥＬＰ復号処理によって復号することで得られる信号を窓処理した第６信号に、当該第６信号を畳み込み処理した信号を加算した信号は、
Figure JPOXMLDOC01-appb-M000032
 のように示される。この信号に窓［ｗＲ，８，ｗＲ，７］を適用することで、
Figure JPOXMLDOC01-appb-M000033
 （第７信号）が得られる（図１９のＳ３０３）。
　図２０Ｂに示されるように、この第７信号と、第６信号（サブフレーム１５０１及びサブフレーム１５０２）、ならびにフレームｉから拡張されたエイリアシング成分である第８信号（サブフレーム１４０１及びサブフレーム１４０２）とが加算されることにより、フレームｉ－１の再構成信号［ａｉ－１，ｂｉ－１］が生成される（図１９のＳ３０４）。
　　［２－２－２．復号対象フレームｉ＋１の復号方法］
　復号対象フレームｉ＋１を復号してフレームｉの信号［ａｉ，ｂｉ］を再構成する場合、エイリアシング成分を低減するために、ブロック切替部９０４は、次の３つの信号を用いて復号処理を行う。
　第１に、復号対象フレームｉ＋１をＡＡＣ－ＥＬＤ低遅延フィルタバンクによって逆変換した後、窓処理した信号のうちのフレームｉ－２に対応する部分の信号（第９信号）が用いられる。復号対象フレームｉ＋１をＡＡＣ－ＥＬＤ低遅延フィルタバンクによって逆変換し、窓処理した信号は、
Figure JPOXMLDOC01-appb-M000034
 と示される。
Figure JPOXMLDOC01-appb-M000035
 から抽出される、フレームｉ－２に対応する部分（エイリアシング部分）は、以下の通りである。
Figure JPOXMLDOC01-appb-M000036
　第２に、復号対象フレームｉをＡＡＣ－ＥＬＤ低遅延フィルタバンクによって逆変換した後、窓処理した信号のうちのフレームｉ－２に対応する部分の信号（第１０信号）が用いられる。復号対象フレームｉをＡＡＣ－ＥＬＤ低遅延フィルタバンクによって逆変換し、窓処理した信号は、
Figure JPOXMLDOC01-appb-M000037
 と示され、この式から抽出される、フレームｉ－２に対応する部分は、以下の通りである。
Figure JPOXMLDOC01-appb-M000038
　第３に、
Figure JPOXMLDOC01-appb-M000039
 から抽出される上記フレームｉ－２に対応する部分と、
Figure JPOXMLDOC01-appb-M000040
 から抽出されるフレームｉ－２に対応する部分に加えて、復号対象フレームｉ－２をＡＣＥＬＰ復号処理することによって得られるフレームｉ－２の信号［ａｉ－２、ｂｉ－２］が用いられる。この信号は、図１８において、サブフレーム１４０５及びサブフレーム１４０６と示される。
　図２１は、フレームｉの信号を再構成する方法の一例を示す図である。
　フレームｉ－２の信号［ａｉ－２，ｂｉ－２］（第１１信号）に窓処理［ｗ１，ｗ２］（第１の窓処理）をした信号のうちフレーム前半に相当する信号は、ａｉ－２Ｗ１と示される。この信号にフレームｉ－２の信号に窓処理をした信号のうちフレーム後半に相当する信号であるｂｉ－２Ｗ２を畳み込み処理した信号（ｂｉ－２Ｗ２）Ｒが加算されることにより第１２信号が生成される。
　さらに、この第１２信号に、当該第１２信号を畳み込み処理した信号を組み合わせる（連結する）ことによって、信号
Figure JPOXMLDOC01-appb-M000041
 が得られる。ここで、窓［ｗＲ，８，ｗＲ，７］が
Figure JPOXMLDOC01-appb-M000042
 に適用されて、第１３信号（エイリアシング成分）
Figure JPOXMLDOC01-appb-M000043
 が得られる。
　一方、フレームｉ－２の信号に窓処理［ｗ３，ｗ４］（第２の窓処理）をした信号のうちフレーム前半に相当する信号は、ａｉ－２Ｗ３と示される。この信号にフレームｉ－２の信号に窓処理をした信号のうちフレーム後半に相当する信号であるｂｉ－２Ｗ４を畳み込み処理した信号（ｂｉ－２Ｗ４）Ｒが加算されることにより第１４信号が生成される。
　さらに、この第１４信号に、当該１５信号を畳み込み処理し、なおかつ符号を反転させた（－１を掛け合わせた）信号を組み合わせる（連結する）ことによって、信号
Figure JPOXMLDOC01-appb-M000044
 が得られる。ここで、窓［ｗＲ，６，ｗＲ，５］が
Figure JPOXMLDOC01-appb-M000045
 に適用されて、第１５信号（エイリアシング成分）
Figure JPOXMLDOC01-appb-M000046
 が得られる。
　最後に、図２１に示されるように、エイリアシングが低減されたフレームｉの信号［ａｉ，ｂｉ］を取得するために、
Figure JPOXMLDOC01-appb-M000047
 及び
Figure JPOXMLDOC01-appb-M000048
 から抽出された第９信号及び第１０信号に第１５信号が加算される。
Figure JPOXMLDOC01-appb-M000049
　ここで、上述の窓の特性を考慮すると、復号対象フレームｉ＋１からフレームｉの信号［ａｉ，ｂｉ］（サブフレーム１７０１及び１７０２）が再構成される。
　　［２－２－３．復号対象フレームｉ＋２の復号方法］
　復号対象フレームｉ＋２を復号してフレームｉ＋１の信号［ａｉ＋１，ｂｉ＋１］を再構成する場合、エイリアシング成分を低減するために、ブロック切替部９０４は、次の５つの信号を用いて復号処理を行う。
　第１に、フレームｉ＋２をＡＡＣ－ＥＬＤ低遅延フィルタバンクによって逆変換した後、窓処理した信号のうちのフレームｉ－１に対応する部分（エイリアシング部分）の信号（第１６信号）が用いられる。フレームｉ＋２をＡＡＣ－ＥＬＤ低遅延フィルタバンクによって逆変換し、窓処理した信号は、
Figure JPOXMLDOC01-appb-M000050
 と示される。
Figure JPOXMLDOC01-appb-M000051
 から抽出される、フレームｉ－１に対応する部分（エイリアシング部分）は、以下の通りである。
Figure JPOXMLDOC01-appb-M000052
　第２に、フレームｉをＡＡＣ－ＥＬＤ低遅延フィルタバンクによって逆変換した後、窓処理した信号のうちのフレームｉ－１に対応する部分（エイリアシング部分）の信号（第１８信号）が用いられる。フレームｉをＡＡＣ－ＥＬＤ低遅延フィルタバンクによって逆変換し、窓処理した信号は、
Figure JPOXMLDOC01-appb-M000053
 と示される。
　第３に、フレームｉ＋１をＡＡＣ－ＥＬＤ低遅延フィルタバンクによって逆変換した後、窓処理した信号のうちのフレームｉ－１に対応する部分（エイリアシング部分）の信号（第１７信号）が用いられる。フレームｉ＋１をＡＡＣ－ＥＬＤ低遅延フィルタバンクによって逆変換し、窓処理した信号は、
Figure JPOXMLDOC01-appb-M000054
 と示される。上記第１８信号は、以下の通りである。
Figure JPOXMLDOC01-appb-M000055
 また、上記第１７信号は、以下の通りである。
Figure JPOXMLDOC01-appb-M000056
　第４に、
Figure JPOXMLDOC01-appb-M000057
 から抽出される上記第１８信号と、
Figure JPOXMLDOC01-appb-M000058
 から抽出される上記第１７信号と、
Figure JPOXMLDOC01-appb-M000059
 から抽出される上記第１６信号に加えて、図１８においてサブフレーム１４０７及びサブフレーム１４０８と示される信号（第１９信号）が用いられる。サブフレーム１４０７及びサブフレーム１４０８は、フレームｉ－３をＡＣＥＬＰ復号処理によって復号した信号［ａｉ－３，ｂｉ－３］である。
　第５に、図２０Ｂにおいてサブフレーム１６０１及びサブフレーム１６０２と示されるフレームｉ－１の再構成信号［ａｉ－１，ｂｉ－１］が用いられる。
　図２２は、フレームｉ＋１の信号を再構成する方法の一例を示す図である。
　フレームｉ－３の信号［ａｉ－３，ｂｉ－３］（第１９信号）に窓処理［ｗ１，ｗ２］をした信号のうちフレーム前半に相当する信号は、ａｉ－３Ｗ１と示される。この信号にフレームｉ－３の信号に窓処理をした信号のうちフレーム後半に相当する信号であるｂｉ－３Ｗ２を畳み込み処理した信号（ｂｉ－３Ｗ２）Ｒが加算されることにより第２０信号が生成される。
　さらに、この第２０信号に、当該第２０信号を畳み込み処理した信号を組み合わせる（連結する）ことによって、信号
Figure JPOXMLDOC01-appb-M000060
 が得られる。ここで、窓［ｗＲ，４，ｗＲ，３］が
Figure JPOXMLDOC01-appb-M000061
 に適用されて、第２１信号（エイリアシング成分）
Figure JPOXMLDOC01-appb-M000062
 が得られる。
　一方、フレームｉ－１の再構成信号［ａｉ－１，ｂｉ－１］に窓処理［ｗ７，ｗ８］をした信号のうちフレーム前半に相当する信号は、ａｉ－１Ｗ７と示される。この信号にフレームｉ－１の再構成信号に窓処理をした信号のうちフレーム後半に相当する信号であるｂｉ－１Ｗ８を畳み込み処理した信号（ｂｉ－１Ｗ８）Ｒが加算されることにより第２２信号が生成される。
　さらに、この第２２信号に、当該第２２信号を畳み込み処理し、なおかつ符号を反転させた（－１を掛け合わせた）信号を組み合わせる（連結する）ことによって、信号
Figure JPOXMLDOC01-appb-M000063
 が得られる。ここで、窓［ｗＲ，２，ｗＲ，１］が
に適用されて、第２３信号（エイリアシング成分）
Figure JPOXMLDOC01-appb-M000065
 が得られる。
　最後に、図２２に示されるように、エイリアシングが低減されたフレームｉ＋１の信号［ａｉ，ｂｉ］を取得するために、
Figure JPOXMLDOC01-appb-M000066
Figure JPOXMLDOC01-appb-M000067
 及び
Figure JPOXMLDOC01-appb-M000068
 から抽出された第１６信号、第１７信号、及び第１８信号と、上記第２１信号と、上記第２３信号とが加算される。
Figure JPOXMLDOC01-appb-M000069
　ここで、上述の窓の特性を考慮すると、復号対象フレームｉ＋２からフレームｉ＋１の信号［ａｉ＋１，ｂｉ＋１］（サブフレーム１８０１及び１８０２）が再構成される。
　［２－３．遅延量］
　次に、以上説明した実施の形態２に係る符号化・復号処理の遅延量について説明する。
　図２３は、実施の形態２に係る符号化・復号処理の遅延量を示す図である。なお、図２３において、フレームｉ－１に対する符号化処理は、時間ｔにおいて開始されるものとする。
　フレームｉ－１のＡＣＥＬＰ合成信号は、時間ｔ＋Ｎサンプルにおいて得られる。すなわち、サブフレーム１５０１、及び１５０２（サブフレーム１４０３、及び１４０４）は、時間ｔ＋Ｎサンプルにおいて得られる。
　サブフレーム１４０７及びサブフレーム１４０８は、先行フレームを復号して再構成された信号であるため、既に取得されている。
　また、既に述べたように、ＡＡＣ－ＥＬＤにおける低遅延フィルタバンクの窓の特徴により、フレームｉのＩＭＤＣＴ変換された出力は、時間ｔ＋７＊Ｎ／４サンプルにおいて得られる。すなわち、サブフレーム１４０１、及び１４０２は、時間ｔ＋７＊Ｎ／４サンプルにおいて得られる。しかしながら、サブフレーム１４０１には、前半Ｎ／４個のサンプルに相当する部分がゼロである合成窓ｗＲ，８が適用されることから、サブフレーム１４０１を完全に取得するＮ／４サンプル前に音の出力を開始することができる。
　このため、上述のように再構成された信号［ａｉ－１，ｂｉ－１］は、時間ｔ＋３＊Ｎ／２サンプルにおいて出力が開始され、遅延量は、（ｔ＋３＊Ｎ／２）－ｔ＝３＊Ｎ／２サンプルである。
　［２－４．まとめ］
　以上、実施の形態２において説明したように、音信号ハイブリッドエンコーダ５００及び音信号ハイブリッドデコーダ９００によれば、符号化モードがＡＣＥＬＰ符号化モードからＦＤ符号化モードに切り替えられた最初のフレームである遷移フレームを復号する場合に発生するエイリアシングを低減することができ、ＡＣＥＬＰ復号処理とＦＤ復号処理とのシームレスな切替が実現される。
　なお、実施の形態１と同様に、実施の形態２に係る音信号ハイブリッドデコーダ９００は、さらに、図１４に示されるようなＴＣＸデコーダ９０６を備えてもよい。
　なお、実施の形態１と同様に、さらなる高音質を実現するために、実施の形態２に係る音信号ハイブリッドデコーダ９００は、さらに合成エラー補償（ＳＥＣ）装置を備えてもよい。
　図２４は、ＳＥＣ装置を用いてフレームｉ－１の信号［ａｉ－１，ｂｉ－１］を再構成する方法を示す図である。図２４に示される構成は、図２０Ｂに示される構成にＳＥＣ装置を追加したものである。図２４に示されるようにサブフレーム１６０１及び１６０２は、ＳＥＣ処理によってそれぞれサブフレーム３１０１及び３１０２に修正される。
　図２５は、ＳＥＣ装置を用いてフレームｉの信号［ａｉ，ｂｉ］を再構成する方法を示す図である。図２５に示される構成は、図２１に示される構成にＳＥＣ装置を追加したものである。図２５に示されるようにサブフレーム１７０１及び１７０２は、ＳＥＣ処理によってそれぞれサブフレーム３２０１及び３２０２に修正される。
　図２６は、ＳＥＣ装置を用いてフレームｉ－１の信号［ａｉ＋１，ｂｉ＋１］を再構成する方法を示す図である。図２６に示される構成は、図２２に示される構成にＳＥＣ装置を追加したものである。図２６に示されるようにサブフレーム１８０１及び１８０２は、ＳＥＣ処理によってそれぞれサブフレーム３３０１及び３３０２に修正される。
　このように、再構成された信号含まれる合成エラーをデコーダに設けられたＳＥＣ装置により補償することで、さらに音質を向上させることができる。
　（実施の形態３）
　実施の形態３では、符号化モードをＦＤ符号化モードからＴＣＸ符号化モードに切り替える場合の音信号ハイブリッドエンコーダ５００の符号化方法及び音信号ハイブリッドデコーダ９００の復号方法について説明する。
　音信号ハイブリッドエンコーダ５００の構成は、図９に示される構成と同様であるが、図９中のＡＣＥＬＰエンコーダ５０４は、省略可能である。また、音信号ハイブリッドデコーダ９００の構成は、図１４に示される構成と同様であるが、図１４中のＡＣＥＬＰデコーダ９０３は、省略可能である。
　［３－１．符号化方法］
　まず、符号化モードがＦＤ符号化モードからＴＣＸ符号化モードに切り替えられる場合のブロック切替部５０２の制御について説明する。
　図２７は、符号化モードがＦＤ符号化モードがＴＣＸ符号化モードに切り替えられる場合の符号化されたフレームを示す図である。
　この場合、フレームｉを符号化するときに、先行するフレームｉ－１の信号［ａｉ－１，ｂｉ－１］から生成される成分Ｘを加えた信号が符号化される。具体的には、ブロック切替部５０２は、成分Ｘと、フレームｉの信号［ａｉ，ｂｉ］とを合わせた拡張フレームを生成する。拡張フレームは、（Ｎ＋Ｎ／２）の長さである。拡張フレームは、ブロック切替部５０２によりＴＣＸエンコーダ５０７に送信され、ＴＣＸ符号化モードで符号化される。また、成分Ｘは、図８Ａ及び図８Ｂを用いて説明した方法と同じ方法で生成される。
　［３－２．復号方法］
　次に、ＦＤ符号化モードで符号化された信号がＴＣＸ符号化モードで符号化された信号に切り替わるときの、ブロック切替部９０４の切替制御（復号方法）について説明する。
　図２８は、ＦＤ符号化モードで符号化された信号がＴＣＸ符号モードで符号化された信号に切り替わるときの、ブロック切替部９０４の切替制御（復号方法）を示す模式図である。図２８に示されるようにフレームｉ－１はＦＤ符号化モードによって符号化されたフレームであり、復号対象フレームであるフレームｉは、ＴＣＸ符号化モードで符号化されたフレームである。
　上述のように、ＦＤ符号化モードで符号化された信号が連続する場合は、復号対象フレームｉを復号してフレームｉ－１の信号を再構成することができる。つまり、図１１に示される場合、フレームｉ－２の信号までは通常のＦＤ復号処理によって再構成できる。しかしながら、フレームｉ－１の信号は、復号対象フレームｉがＡＣＥＬＰ符号化モードで符号化されているため、通常の方法で再構成すると、エイリアシング成分による不自然な音が発生してしまう。すなわち、フレームｉ－１の信号は、図１１に示されるようにエイリアシング部分となる。
　エイリアシング成分を低減するために、ブロック切替部９０４は、次の３つの信号を用いて復号処理を行う。
　第１に、復号対象フレームｉをＴＣＸ復号処理することで得られるＴＣＸ合成信号の成分Ｘの信号がエイリアシング成分を低減したフレームｉ－１の信号を再構成するために用いられる。この信号は、図１１においてサブフレーム２００１と示される信号であり、図８Ａを用いて説明した成分Ｘである。
　図８Ａを用いて説明したように、成分Ｘは、具体的には、ａｉ－１ｗ５＋（ｂｉ－１ｗ６）Ｒである。
　第２に、復号対象フレームｉ－１をＡＡＣ－ＥＬＤ低遅延フィルタバンクによって逆変換した後、窓処理した信号のうちのフレームｉ－３に対応する部分の信号がエイリアシング成分を低減したフレームｉ－１の信号を再構成するために用いられる。この信号は、図２８においてサブフレーム２００２及びサブフレーム２００３と示される。
　より具体的には、この信号は、フレームｉ－１をＡＡＣ－ＥＬＤ低遅延フィルタバンクによって、通常フレームとして長さ４Ｎで逆変換し、さらに窓処理することによって得られる。逆変換信号は、
Figure JPOXMLDOC01-appb-M000070
 と示される。このうち、フレームｉ－３に対応する部分の信号（図２８においてサブフレーム２００２及びサブフレーム２００３と示されるエイリアシング部分）は、上記逆変換信号から以下のように抽出される。すなわち、
Figure JPOXMLDOC01-appb-M000071
 及び
Figure JPOXMLDOC01-appb-M000072
 がサブフレーム２００２とサブフレーム２００３にそれぞれ対応する信号である。
　第３に、復号対象フレームｉ－２をＦＤ復号処理することによって得られるフレームｉ－３の信号［ａｉ－３，ｂｉ－３］がエイリアシング成分を低減したフレームｉ－１の信号を再構成するために用いられる。フレームｉ－３の信号は、図２８においてサブフレーム２００４及びサブフレーム２００５と示される。
　上記の信号を用いたエイリアシング成分を低減したフレームｉ－１の信号を再構成する方法は、図１２Ａ及び図１２Ｂを用いて説明した方法と同じである。具体的には、図１２Ａにおけるサブフレーム１００１、１００２、１００３、１００４、１００５が、図２８のサブフレーム２００１、２００２、２００３、２００４、２００５にそれぞれ置き換えたと考えればよい。これにより、フレームｉの信号［ａｉ－１，ｂｉ－１］が再構成される。
　［３－３．遅延量］
　次に、以上説明した実施の形態１に係る符号化・復号処理の遅延量について説明する。
　図２９は、実施の形態３に係る符号化・復号処理の遅延量を示す図である。なお、図２９において、フレームｉ－１に対する符号化処理は、時間ｔにおいて開始されるものとする。
　既に述べたように、ＡＡＣ－ＥＬＤにおける低遅延フィルタバンクの窓の特徴により、フレームｉ－１のＩＭＤＣＴ変換された出力
Figure JPOXMLDOC01-appb-M000073
 は、時間ｔ＋３＊Ｎ／４サンプルにおいて得られる。すなわち、サブフレーム２００２、及び２００３は、時間ｔ＋３＊Ｎ／４サンプルにおいて得られる。
　サブフレーム２００４及びサブフレーム２００５は、先行フレームを復号して再構成された信号であるため、既に取得されている。
　また、時間ｔ＋２Ｎサンプルにおいて、フレームｉのＴＣＸ合成信号が得られる。すなわち、サブフレーム２００１（成分Ｘ）は、時間ｔ＋２Ｎサンプルにおいて得られる。しかしながら、サブフレーム２００１には、前半Ｎ／４個のサンプルに相当する部分がゼロである合成窓ｗＲ，８が適用されることから、サブフレーム２００１を完全に取得するＮ／４サンプル前に音の出力を開始することができる。
　このため、上述のようにサブフレーム２００１～２００５を用いて信号［ａｉ－１，ｂｉ－１］が再構成されて出力される場合の遅延量は、２Ｎ／４－Ｎ／４＝７＊Ｎ／４サンプルである。
　［３－４．まとめ］
　以上、説明したように、音信号ハイブリッドエンコーダ５００及び音信号ハイブリッドデコーダ９００によれば、符号化モードがＦＤ符号化モードからＴＣＸ符号化モードに切り替えられた最初のフレームである遷移フレームを復号する場合に発生するエイリアシングを低減することができ、ＦＤ復号技術とＴＣＸ復号技術とのシームレスな切替が実現される。
　なお、さらなる高音質を実現するために、音信号ハイブリッドデコーダ９００は、さらに合成エラー補償（ＳＥＣ）装置を備えてもよい。この場合の信号の再構成方法は、図１５に示されるものと同様である。
　（実施の形態４）
　実施の形態４では、符号化モードをＴＣＸ符号化モードからＦＤ符号化モードに切り替える場合の音信号ハイブリッドエンコーダ５００符号化方法及び音信号ハイブリッドデコーダ９００の復号方法について説明する。
　音信号ハイブリッドエンコーダ５００の構成は、図９に示される構成と同様であるが、図９中のＡＣＥＬＰエンコーダ５０４は、省略可能である。また、音信号ハイブリッドデコーダ９００の構成は、図１４に示される構成と同様であるが、図１４中のＡＣＥＬＰデコーダ９０３は、省略可能である。
　［４－１．符号化方法］
　図３０は、符号化モードがＴＣＸ符号化モードからＦＤ符号化モードに切り替えられる場合の符号化されたフレームを示す図である。
　フレームｉ－１は、ＴＣＸ符号化モードによって符号化される。フレームｉは、ＦＤ符号化モードによって先行する３つのフレームｉ－３、ｉ－２、ｉ－１と連結されて符号化される。
　［４－２．復号方法］
　以下、音信号ハイブリッドエンコーダ５００によって図３１に示されるように符号化された符号化信号を復号する音信号ハイブリッドデコーダ９００の復号方法について説明する。
　　［４－２－１．復号対象フレームｉの復号方法］
　復号対象フレームｉを復号する場合、エイリアシング成分を低減するために、ブロック切替部９０４は、次の３つの信号を用いて復号処理を行う。
　第１に、復号対象フレームｉをＡＡＣ－ＥＬＤ低遅延フィルタバンクによって逆変換した後、窓処理した信号のうちのフレームｉ－３に対応する部分の信号が用いられる。この信号は、図３１において、サブフレーム２３０１及びサブフレーム２３０２と示される。
　第２に、復号対象フレームｉ－１をＴＣＸ復号処理することで得られるＴＣＸ合成信号［ａｉ－１，ｂｉ－１］が用いられる。この信号は、図３１においてサブフレーム２３０３及び２３０４と示される信号である。
　第３に、復号対象フレームｉ－３をＴＣＸ復号処理することによって得られるフレームｉ－３の信号［ａｉ－３、ｂｉ－３］が用いられる。フレームｉ－３の信号は、図３１においてサブフレーム２３０７及びサブフレーム２３０８と示される。
　復号対象フレームｉをＡＡＣ－ＥＬＤ低遅延フィルタバンクによって逆変換した後、窓処理した信号（第８信号）のフレームｉ－３に対応する部分の信号（図３１においてサブフレーム２３０１及びサブフレーム２３０２と示される信号）は、それぞれ以下の式で示される。
Figure JPOXMLDOC01-appb-M000074
Figure JPOXMLDOC01-appb-M000075
　ここで、復号対象フレームｉ－１をＴＣＸ復号処理することで得られるＴＣＸ合成信号［ａｉ－１，ｂｉ－１］は、説明の便宜上、
Figure JPOXMLDOC01-appb-M000076
 のように分割される。これに対応して、窓［ｗ７，ｗ８］は、
Figure JPOXMLDOC01-appb-M000077
 に分割される。サブフレーム２３０３及び２３０４と示されるＴＣＸ合成信号は、後続するフレームがＴＣＸ符号化モードで符号化されていないため、エイリアシング成分を含み、
Figure JPOXMLDOC01-appb-M000078
 と示される。ここで、分析窓ｗ８の特性、すなわちｗ８，２＝０を考慮して窓［ｗ７，ｗ８］をＴＣＸ合成信号
Figure JPOXMLDOC01-appb-M000079
 に適用すると、
Figure JPOXMLDOC01-appb-M000080
 が得られる。これは、図３２に示される
Figure JPOXMLDOC01-appb-M000081
 と実際には等価である。
　したがって、図３２に示されるサブフレーム２４０１、２４０２を生成する方法は、図２０Ａに示される方法と同じである。
　つまり、以降の処理は、図２０Ｂを用いて説明した方法と同様である。具体的には、図２０Ｂにおいて、サブフレーム１４０１、１４０２、１４０７、１４０８、１５０１、及び１５０２が、それぞれ、サブフレーム２３０１、２３０２、２３０７，２３０８、２４０１、及び２４０２に置き換えられたと考えればよい。
　　［４－２－２．復号対象フレームｉ＋１の復号方法］
　復号対象フレームｉ＋１を復号する場合、エイリアシング成分を低減するために、ブロック切替部９０４は、次の３つの信号を用いて復号処理を行う。
　第１に、復号対象フレームｉ＋１をＡＡＣ－ＥＬＤ低遅延フィルタバンクによって逆変換した後、窓処理した信号のうちのフレームｉ－２に対応する部分の信号（第９信号）が用いられる。
　第２に、復号対象フレームｉをＡＡＣ－ＥＬＤ低遅延フィルタバンクによって逆変換した後、窓処理した信号のうちのフレームｉ－２に対応する部分の信号（第１０信号）が用いられる。
　以上の第９信号及び第１０信号については、図２１を用いて説明したものと同様である。
　第３に、復号対象フレームｉ－２をＴＣＸ復号処理することによって得られるフレームｉ－２の信号［ａｉ－２、ｂｉ－２］が用いられる。この信号は、図３１において、サブフレーム２３０５及びサブフレーム２３０６と示される。
　上記の３つの信号を用いた、復号対象フレームｉ＋１の復号方法は、図２１を用いて説明した方法と同様である。具体的には、図２１において、サブフレーム１４０５、１４０６が、それぞれ、サブフレーム２３０５、及び２３０６に置き換えられたと考えればよい。
　　［４－２－３．復号対象フレームｉ＋２の復号方法］
　復号対象フレームｉ＋２を復号する場合、エイリアシング成分を低減するために、ブロック切替部９０４は、次の５つの信号を用いて復号処理を行う。
　第１に、フレームｉ＋２をＡＡＣ－ＥＬＤ低遅延フィルタバンクによって逆変換した後、窓処理した信号のうちのフレームｉ－１に対応する部分（エイリアシング部分）の信号（第１６信号）が用いられる。
　第２に、フレームｉをＡＡＣ－ＥＬＤ低遅延フィルタバンクによって逆変換した後、窓処理した信号のうちのフレームｉ－１に対応する部分（エイリアシング部分）の信号（第１８信号）が用いられる。
　第３に、フレームｉ＋１をＡＡＣ－ＥＬＤ低遅延フィルタバンクによって逆変換した後、窓処理した信号のうちのフレームｉ－１に対応する部分（エイリアシング部分）の信号（第１７信号）が用いられる。
　これら第１６信号、第１７信号、及び第１８信号の３つの信号は、図２２を用いて説明したものと同様である。
　第４に、フレームｉ－３をＴＣＸ復号処理によって復号した信号［ａｉ－３，ｂｉ－３］が用いられる。
　第５に、フレームｉ－１をＴＣＸ復号処理によって復号した信号［ａｉ－１，ｂｉ－１］が用いられる。
　上記の５つの信号を用いた、復号対象フレームｉ＋２の復号方法は、図２２を用いて説明した方法と同様である。具体的には、図２２において、サブフレーム１４０７、１４０８が、それぞれ、サブフレーム２３０７、及び２３０８に置き換えられたと考えればよい。また、図２２に示されるサブフレーム１６０１、及び１６０２は、復号対象フレームｉの復号方法で説明した方法（図２０ＢにおいてフレームをＴＣＸ符号化モードのフレームに置き換える方法）で生成されたフレームに置き換えられたと考えればよい。
　［４－３．遅延量］
　次に、以上説明した実施の形態４に係る符号化・復号処理の遅延量について説明する。
　図３３は、実施の形態４に係る符号化・復号処理の遅延量を示す図である。なお、図３３において、フレームｉ－１に対する符号化処理は、時間ｔにおいて開始されるものとする。
　フレームｉ－１のＴＣＸ合成信号は、時間ｔ＋Ｎサンプルにおいて得られる。すなわち、サブフレーム２４０１、及び２４０２（サブフレーム２３０３、及び２３０４）は、時間ｔ＋Ｎサンプルにおいて得られる。
　サブフレーム２３０７及びサブフレーム２３０８は、先行フレームを復号して再構成された信号であるため、既に取得されている。
　また、既に述べたように、ＡＡＣ－ＥＬＤにおける低遅延フィルタバンクの窓の特徴により、フレームｉのＩＭＤＣＴ変換された出力は、時間ｔ＋７＊Ｎ／４サンプルにおいて得られる。すなわち、サブフレーム２３０１、及びサブフレーム２３０２は、時間ｔ＋７＊Ｎ／４サンプルにおいて得られる。しかしながら、サブフレーム２３０１には、前半Ｎ／４個のサンプルに相当する部分がゼロである合成窓ｗＲ，８が適用されることから、サブフレーム２３０１を完全に取得するＮ／４サンプル前に音の出力を開始することができる。
　このため、上述のように再構成された信号［ａｉ－１，ｂｉ－１］は、時間ｔ＋３＊Ｎ／２サンプルにおいて出力が開始され、遅延量は、（ｔ＋３＊Ｎ／２）－ｔ＝３＊Ｎ／２サンプルである。
　［４－４．まとめ］
　以上、説明したように、音信号ハイブリッドエンコーダ５００及び音信号ハイブリッドデコーダ９００によれば、符号化モードがＴＣＸ符号化モードからＦＤ符号化モードに切り替えられた最初のフレームである遷移フレームを復号する場合に発生するエイリアシングを低減することができ、ＴＣＸ復号技術とＦＤ復号技術とのシームレスな切替が実現される。
　なお、さらなる高音質を実現するために、音信号ハイブリッドデコーダ９００は、さらに合成エラー補償（ＳＥＣ）装置を備えてもよい。この場合の信号の再構成方法は、図２４～図２６に示されるものと同様である。
　（実施の形態５）
　実施の形態５では、過渡信号を符号化する場合の音信号ハイブリッドエンコーダの符号化方法、及び過渡信号を復号する場合の音信号ハイブリッドデコーダの復号方法について説明する。実施の形態５において、音信号ハイブリッドエンコーダ５００の構成は、図９に示される構成と同様であるが、図９中のＡＣＥＬＰエンコーダ５０４は、省略可能である。また、音信号ハイブリッドデコーダ９００の構成は、図１４に示される構成と同様であるが、図１４中のＡＣＥＬＰデコーダ９０３は、省略可能である。
　ＦＤ符号化モードでは、ロングウィンドウが用いられる（時間幅が大きい窓が用いられる）ため、エネルギー（＝信号電力、すなわち符号化フレームにおける音信号の振幅の自乗和に比例する値）が急激に変化する過渡信号の符号化には適していない。すなわち、過渡信号を処理するときに、ショートウィンドウ（時間幅が小さい窓）を用いてもよい。
　［５－１．符号化方法］
　まず、符号化対象フレームｉが過渡信号（過渡フレーム）である場合、符号化対象フレームｉを符号化するときには、先行するフレームｉ－１の信号［ａｉ－１，ｂｉ－１］から生成される成分Ｘを加えた信号が符号化される。具体的には、ブロック切替部５０２は、成分Ｘと、フレームｉの信号［ａｉ，ｂｉ］とを合わせた拡張フレームを生成する。拡張フレームは、（Ｎ＋Ｎ／２）の長さである。拡張フレームは、ブロック切替部５０２によりＴＣＸエンコーダ５０７に送信され、ＴＣＸ符号化モードで符号化される。なお、このとき、ＴＣＸエンコーダ５０７は、ＭＤＣＴフィルタバンクのショートウィンドウモードを用いたＴＣＸ符号化を行う。このとき、符号化されたフレームは、図２７を用いて説明したものと同様である。また、成分Ｘは、図８Ａ及び図８Ｂを用いて説明した方法と同じ方法で生成される。
　なお、符号化対象フレームｉが過渡信号であるか否かの判断は、例えば、符号化対象フレームにおけるエネルギーが所定の閾値を越えるか否かによってなされるが、このような方法に限定されるものではない。
　［５－２．復号方法］
　上記のように符号化された過渡フレームの復号方法は、ＦＤ符号化モードで符号化された信号がＴＣＸ符号化モードで符号化された信号に切り替わるときの復号方法と同様である。すなわち、図１２Ａまたは図２８を用いて説明した方法と同様である。
　なお、実施の形態５の符号化・復号処理の遅延量は、実施の形態１及び３と同じであり、７＊Ｎ／４サンプルである。
　［５－３．まとめ］
　以上、説明したように、音信号ハイブリッドデコーダ９００によれば、ＦＤ符号化モードで符号化を行っているときの過渡フレームにおいて、ＴＣＸ符号化モードで符号化し、復号することによって、より音質を向上させることができる。
　なお、さらなる高音質を実現するために、音信号ハイブリッドデコーダ９００は、さらに合成エラー補償（ＳＥＣ）装置を備えてもよい。この場合の信号の再構成方法は、図１５に示されるものと同様である。
　（変形例）
　以上、本発明を上記実施の形態に基づいて説明してきたが、本発明は、上記の実施の形態に限定されないのはもちろんである。
　例えば、例えば、ＬＰＤ符号化モードとしてＶＳＥＬＰ（Ｖｅｃｔｏｒ　Ｓｕｍ　Ｅｘｃｉｔｅｄ　Ｌｉｎｅａｒ　Ｐｒｅｄｉｃｔｉｏｎ）符号化モード等、ＡＣＥＬＰ以外のＣＥＬＰ方式を用いてもよい。復号処理についても同様に、ＡＣＥＬＰ以外のＣＥＬＰ方式を用いてもよい。
　また、本実施の形態では、ＦＤ符号化モードの一例としてＡＡＣ－ＥＬＤモードについて主に説明したが、本発明は、ＡＡＣ－ＥＬＤモードのみならず、複数の先行フレームによるオーバーラップ処理が必要な符号化方式に適用可能である。
　また、以下のような場合も本発明に含まれる。
　（１）上記の各装置は、具体的には、マイクロプロセッサ、ＲＯＭ、ＲＡＭ、ハードディスクユニット、ディスプレイユニット、キーボード、マウスなどから構成されるコンピュータシステムで実現され得る。ＲＡＭまたはハードディスクユニットには、コンピュータプログラムが記憶されている。マイクロプロセッサが、コンピュータプログラムにしたがって動作することにより、各装置は、その機能を達成する。ここでコンピュータプログラムは、所定の機能を達成するために、コンピュータに対する指令を示す命令コードが複数個組み合わされて構成されたものである。
　（２）上記の各装置を構成する構成要素の一部または全部は、１個のシステムＬＳＩ（Ｌａｒｇｅ　Ｓｃａｌｅ　Ｉｎｔｅｇｒａｔｉｏｎ：大規模集積回路）から構成されているとしてもよい。システムＬＳＩは、複数の構成部を１個のチップ上に集積して製造された超多機能ＬＳＩであり、具体的には、マイクロプロセッサ、ＲＯＭ、ＲＡＭなどを含んで構成されるコンピュータシステムである。ＲＯＭには、コンピュータプログラムが記憶されている。マイクロプロセッサが、ＲＯＭからＲＡＭにコンピュータプログラムをロードし、ロードしたコンピュータプログラムにしたがって演算等の動作することにより、システムＬＳＩは、その機能を達成する。
　（３）上記の各装置を構成する構成要素の一部または全部は、各装置に脱着可能なＩＣカードまたは単体のモジュールから構成されてもよい。ＩＣカードまたはモジュールは、マイクロプロセッサ、ＲＯＭ、ＲＡＭなどから構成されるコンピュータシステムである。ＩＣカードまたはモジュールには、上記の超多機能ＬＳＩが含まれてもよい。マイクロプロセッサが、コンピュータプログラムにしたがって動作することにより、ＩＣカードまたはモジュールは、その機能を達成する。このＩＣカードまたはこのモジュールは、耐タンパ性を有してもよい。
　（４）本発明は、上記に示す方法で実現されてもよい。また、これらの方法をコンピュータにより実現するコンピュータプログラムで実現してもよいし、コンピュータプログラムからなるデジタル信号で実現してもよい。
　また、本発明は、コンピュータプログラムまたはデジタル信号をコンピュータ読み取り可能な記録媒体、例えば、フレキシブルディスク、ハードディスク、ＣＤ－ＲＯＭ、ＭＯ、ＤＶＤ、ＤＶＤ－ＲＯＭ、ＤＶＤ－ＲＡＭ、ＢＤ（Ｂｌｕ－ｒａｙ　Ｄｉｓｃ）、半導体メモリなどに記録したもので実現してもよい。また、これらの記録媒体に記録されているデジタル信号で実現してもよい。
　また、本発明は、コンピュータプログラムまたはデジタル信号を、電気通信回線、無線または有線通信回線、インターネットを代表とするネットワーク、データ放送等を経由して伝送してもよい。
　また、本発明は、マイクロプロセッサとメモリを備えたコンピュータシステムであって、メモリは、コンピュータプログラムを記憶しており、マイクロプロセッサは、コンピュータプログラムにしたがって動作してもよい。
　また、プログラムまたはデジタル信号を記録媒体に記録して移送することにより、またはプログラムまたはデジタル信号をネットワーク等を経由して移送することにより、独立した他のコンピュータシステムにより実施するとしてもよい。
　（５）上記実施の形態及び上記変形例をそれぞれ組み合わせるとしてもよい。
　なお、本発明は、これらの実施の形態またはその変形例に限定されるものではない。本発明の趣旨を逸脱しない限り、当業者が思いつく各種変形を本実施の形態またはその変形例に施したもの、あるいは異なる実施の形態またはその変形例における構成要素を組み合わせて構築される形態も、本発明の範囲内に含まれる。
　本発明の音信号ハイブリッドデコーダ及び音信号ハイブリッドエンコーダは、高音質で低遅延な音信号の符号化及び復号が可能であり、放送システム、携帯用テレビ、携帯電話通信、テレビ会議などに用いることができる。
　５００　音信号ハイブリッドエンコーダ
　５０１　高周波エンコーダ
　５０２　ブロック切替部
　５０３　信号分類部
　５０４　ＡＣＥＬＰエンコーダ
　５０５　ＦＤエンコーダ
　５０６　ビットマルチプレクサ
　５０７　ＴＣＸエンコーダ
　５０８　ローカルデコーダ
　５０９　ローカルエンコーダ
　９００　音信号ハイブリッドデコーダ
　９０１　デマルチプレクサ
　９０２　ＦＤデコーダ
　９０３　ＡＣＥＬＰデコーダ
　９０４　ブロック切替部
　９０５　高周波デコーダ
　９０６　ＴＣＸデコーダ
　９０７　ＳＥＣ装置
　１００１～１００５、１１０１、１１０２　サブフレーム
　１４０１～１４０８、１５０１、１５０２、１６０１、１６０２　サブフレーム
　１７０１、１７０２、１８０１、１８０２　サブフレーム
　２００１～２００５、２３０１～２３０８、２４０１、２４０２　サブフレーム
　２９０１、２９０２、３１０１、３１０２、３２０１、３２０２　サブフレーム
　３３０１、３３０２　サブフレーム

Claims (20)

  1. 　低遅延フィルタバンクを用いた音響符号化処理で符号化された音響フレームと、線形予測係数を用いた音声符号化処理で符号化された音声フレームとが含まれるビットストリームを復号する音信号ハイブリッドデコーダであって、
    　前記音響フレームを低遅延逆フィルタバンク処理を用いて復号する低遅延変換デコーダと、
    　前記音声フレームを復号する音声信号デコーダと、
    　前記ビットストリームのうちの復号対象フレームが前記音響フレームである場合、当該復号対象フレームを前記低遅延変換デコーダによって復号し、前記復号対象フレームが前記音声フレームである場合、当該復号対象フレームを前記音声信号デコーダによって復号する制御を行うブロック切替部とを備え、
    　前記復号対象フレームが、前記音響フレームから前記音声フレームに切り替わった最初の前記音声フレームである第ｉフレームであるとき、
    　前記第ｉフレームには、前記第ｉフレームよりも１フレーム先行するフレームである第ｉ－１フレームの符号化前の信号を用いて生成された第１信号が符号化された状態で含まれ、
    　前記ブロック切替部は、
    　（１）
    　前記第ｉフレームよりも２フレーム先行するフレームである第ｉ－２フレームを前記低遅延変換デコーダによって復号することで得られる、前記第ｉフレームよりも３フレーム先行するフレームである第ｉ－３フレームの再構成された信号を窓処理した信号である第２信号のフレームの前半部分に相当する信号に、前記第２信号のフレームの後半部分に相当する信号を畳み込み処理した信号を加算して窓処理を行った信号と、前記第ｉフレームを前記音声信号デコーダによって復号することで得られる、前記第１信号に窓処理を行った信号と、前記第ｉ－１フレームを前記低遅延逆フィルタバンク処理及び窓処理した信号の前記第ｉ－３フレームに対応する部分である第３信号のフレームの前半部分の信号と、を加算する処理を行って符号化前の前記第ｉ－１フレームの前半部分に対応する信号を生成し、
    　前記第２信号のフレームの後半部分に相当する信号に、前記第２信号のフレームの前半部分に相当する信号を畳み込み処理した信号を加算して窓処理を行った信号と、前記第１信号に畳み込み処理及び窓処理を行った信号と、前記第３信号のフレームの後半部分に相当する信号と、を加算する処理を行って符号化前の前記第ｉ－１フレームの後半部分に対応する信号を生成する、または
    　（２）
    　前記第２信号のフレームの前半部分に相当する信号に、前記第２信号のフレームの後半部分に相当する信号を畳み込み処理した信号を加算して窓処理を行った信号と、前記第１信号に畳み込み処理及び窓処理を行った信号と、前記第３信号のフレームの前半部分に相当する信号と、を加算する処理を行って符号化前の前記第ｉ－１フレームの前半部分に対応する信号を生成し、
    　前記第２信号のフレームの後半部分に相当する信号に、前記第２信号のフレームの前半部分に相当する信号を畳み込み処理した信号を加算して窓処理を行った信号と、前記第１信号に窓処理を行った信号と、前記第３信号のフレームの後半部分に相当する信号と、を加算する処理を行って符号化前の前記第ｉ－１フレームの後半部分に対応する信号を生成する
    　音信号ハイブリッドデコーダ。
  2. 　低遅延フィルタバンクを用いた音響符号化処理で符号化された音響フレームと、線形予測係数を用いた音声符号化処理で符号化された音声フレームとが含まれるビットストリームを復号する音信号ハイブリッドデコーダであって、
    　前記音響フレームを低遅延逆フィルタバンク処理によって復号する低遅延変換デコーダと、
    　前記音声フレームを復号する音声信号デコーダと、
    　前記ビットストリームのうちの復号対象フレームが前記音響フレームである場合、当該復号対象フレームを前記低遅延変換デコーダによって復号し、前記復号対象フレームが前記音声フレームである場合、当該復号対象フレームを前記音声信号デコーダによって復号する制御を行うブロック切替部とを備え、
    　前記ブロック切替部は、
    　前記復号対象フレームが、前記音声フレームから前記音響フレームに切り替わった最初の音響フレームである第ｉフレームであるとき、
    　前記第ｉフレームよりも１フレーム先行するフレームである第ｉ－１フレームを前記音声信号デコーダによって復号することで得られる信号を窓処理した第４信号に、当該第４信号を畳み込み処理した信号を加算し、窓処理を行った第５信号と、前記第ｉフレームよりも３フレーム先行するフレームである第ｉ－３フレームを前記音声信号デコーダによって復号することで得られる信号を窓処理した第６信号に、当該第６信号を畳み込み処理した信号を加算し、窓処理を行った第７信号と、前記第ｉフレームを前記低遅延逆フィルタバンク処理及び窓処理した信号の前記第ｉ－３フレームに対応する部分である第８信号と、を加算する処理を行って符号化前の前記第ｉ－１フレームに対応する信号である再構成信号を生成する
    　音信号ハイブリッドデコーダ。
  3. 　前記ブロック切替部は、
    　前記復号対象フレームが、前記第ｉフレームの１フレーム後のフレームである第ｉ＋１フレームであるとき、
    　前記第ｉ＋１フレームを前記低遅延逆フィルタバンク処理及び窓処理した信号のうちの、前記第ｉフレームよりも２フレーム先行するフレームである第ｉ－２フレームに対応する部分である第９信号と、前記第ｉフレームを前記低遅延逆フィルタバンク処理及び窓処理した信号の前記第ｉ－２フレームに対応する部分である第１０信号と、前記第ｉ－２フレームを前記音声信号デコーダによって復号することで得られる第１１信号に第１の窓処理を行なった信号のフレームの前半部分に相当する信号に、前記第１１信号に前記第１の窓処理を行った信号のフレームの後半部分に相当する信号に畳み込み処理した信号を加算することで得られる第１２信号に、当該第１２信号を畳み込み処理した信号を連結し、窓処理を行った第１３信号と、前記第１１信号に前記第１の窓処理とは異なる第２の窓処理を行った信号のフレームの前半部分に相当する信号に、前記第１１信号に前記第２の窓処理を行った信号のフレームの後半部分に相当する信号に畳み込み処理した信号を加算することで得られる第１４信号に、当該第１４信号を畳み込み処理して符号を反転させた信号を連結し、窓処理を行った第１５信号と、を加算する処理を行って、符号化前の前記第ｉフレームに対応する信号を生成する
    　請求項２に記載の音信号ハイブリッドデコーダ。
  4. 　前記ブロック切替部は、
    　前記復号対象フレームが、前記第ｉフレームの２フレーム後のフレームである第ｉ＋２フレームであるとき、
    　前記ｉ＋２フレームを前記低遅延逆フィルタバンク処理及び窓処理した信号の前記第ｉ－１フレームに対応する部分である第１６信号と、前記第ｉ＋１フレームを前記低遅延逆フィルタバンク処理及び窓処理した信号の前記第ｉ－１フレームに対応する部分である第１７信号と、前記第ｉフレームを前記低遅延逆フィルタバンク処理及び窓処理した信号の前記第ｉ－１フレームに対応する部分である第１８信号と、前記第ｉ－３フレームを前記音声信号デコーダによって復号することで得られる第１９信号に窓処理を行なった信号のフレームの前半部分に相当する信号に、前記第１９信号に窓処理を行った信号のフレームの後半部分に相当する信号に畳み込み処理した信号を加算することで得られる第２０信号に、当該第２０信号を畳み込み処理した信号を連結し、窓処理を行った第２１信号と、前記再構成信号に窓処理を行った信号のフレームの前半部分に相当する信号に、前記再構成信号に窓処理を行った信号のフレームの後半部分に相当する信号に畳み込み処理した信号を加算することで得られる第２２信号に、当該第２２信号を畳み込み処理して符号を反転させた信号を連結し、窓処理を行った第２３信号と、を加算する処理を行って、符号化前の前記第ｉ＋１フレームに対応する信号を生成する
    　請求項３に記載の音信号ハイブリッドデコーダ。
  5. 　低遅延フィルタバンクを用いた音響符号化処理で符号化された音響フレームと、線形予測係数を用いた音声符号化処理で符号化された音声フレームとが含まれるビットストリームを復号する音信号ハイブリッドデコーダであって、
    　前記音響フレームを低遅延逆フィルタバンク処理を用いて復号する低遅延変換デコーダと、
    　ＴＣＸ（Ｔｒａｎｓｆｏｒｍ　Ｃｏｄｅｄ　Ｅｘｃｉｔａｔｉｏｎ）方式によって符号化された前記音声フレームを復号するＴＣＸデコーダと、
    　前記ビットストリームのうちの復号対象フレームが前記音響フレームである場合、当該復号対象フレームを前記低遅延変換デコーダによって復号し、前記復号対象フレームが前記音声フレームである場合、当該復号対象フレームを前記音声信号デコーダによって復号する制御を行うブロック切替部とを備え、
    　前記復号対象フレームが、前記音響フレームから前記音声フレームに切り替わった最初の前記音声フレームであって、過渡信号が符号化されたフレームである第ｉフレームであるとき、
    　前記第ｉフレームには、前記第ｉフレームよりも１フレーム先行するフレームである第ｉ－１フレームの符号化前の信号を用いて生成された第１信号が符号化された状態で含まれ、
    　前記ブロック切替部は、
    　（１）
    　前記第ｉフレームよりも２フレーム先行するフレームである第ｉ－２フレームを前記低遅延変換デコーダによって復号することで得られる、前記第ｉフレームよりも３フレーム先行するフレームである第ｉ－３フレームの再構成された信号を窓処理した信号である第２信号のフレームの前半部分に相当する信号に、前記第２信号のフレームの後半部分に相当する信号を畳み込み処理した信号を加算して窓処理を行った信号と、前記第ｉフレームを前記音声信号デコーダによって復号することで得られる、前記第１信号に窓処理を行った信号と、前記第ｉ－１フレームを前記低遅延逆フィルタバンク処理及び窓処理した信号の前記第ｉ－３フレームに対応する部分である第３信号のフレームの前半部分の信号と、を加算する処理を行って符号化前の前記第ｉ－１フレームの前半部分に対応する信号を生成し、
    　前記第２信号のフレームの後半部分に相当する信号に、前記第２信号のフレームの前半部分に相当する信号を畳み込み処理した信号を加算して窓処理を行った信号と、前記第１信号に畳み込み処理及び窓処理を行った信号と、前記第３信号のフレームの後半部分に相当する信号と、を加算する処理を行って符号化前の前記第ｉ－１フレームの後半部分に対応する信号を生成する、または
    　（２）
    　前記第２信号のフレームの前半部分に相当する信号に、前記第２信号のフレームの後半部分に相当する信号を畳み込み処理した信号を加算して窓処理を行った信号と、前記第１信号に畳み込み処理及び窓処理を行った信号と、前記第３信号のフレームの前半部分に相当する信号と、を加算する処理を行って符号化前の前記第ｉ－１フレームの前半部分に対応する信号を生成し、
    　前記第２信号のフレームの後半部分に相当する信号に、前記第２信号のフレームの前半部分に相当する信号を畳み込み処理した信号を加算して窓処理を行った信号と、前記第１信号に窓処理を行った信号と、前記第３信号のフレームの後半部分に相当する信号と、を加算する処理を行って符号化前の前記第ｉ－１フレームの後半部分に対応する信号を生成する
    　音信号ハイブリッドデコーダ。
  6. 　前記低遅延変換デコーダは、前記音響フレーム及び当該音響フレームに時間的に連続して先行する３つのフレームのそれぞれについて低遅延逆フィルタバンク処理及び窓処理を行った信号のそれぞれを重複加算処理することによって、当該音響フレームを復号するＡＡＣ－ＥＬＤ（Ａｄｖａｎｃｅｄ　Ａｕｄｉｏ　Ｃｏｄｉｎｇ　－　Ｅｎｈａｎｃｅｄ　Ｌｏｗ　Ｄｅｌａｙ）デコーダである
    　請求項１～５のいずれか１項に記載の音信号ハイブリッドデコーダ。
  7. 　前記音声信号デコーダは、ＡＣＥＬＰ（Ａｌｇｅｂｒａｉｃ　Ｃｏｄｅ　Ｅｘｃｉｔｅｄ　Ｌｉｎｅａｒ　Ｐｒｅｄｉｃｔｉｏｎ）係数を用いて符号化された前記音声フレームを復号するＡＣＥＬＰデコーダである
    　請求項１～４のいずれか１項に記載の音信号ハイブリッドデコーダ。
  8. 　前記音声信号デコーダは、ＴＣＸ方式によって符号化された前記音声フレームを復号するＴＣＸデコーダである
    　請求項１～４のいずれか１項に記載の音信号ハイブリッドデコーダ。
  9. 　さらに、前記復号対象フレームとともに符号化された合成エラー情報を復号する合成エラー補償装置を備え、
    　前記合成エラー情報は、前記ビットストリームが符号化される前の信号と、前記ビットストリームを復号した信号との差分を表す情報であり、
    　前記合成エラー補償装置は、前記ブロック切替部が生成した前記符号化前の前記第ｉ－１フレームの信号、前記ブロック切替部が生成した前記符号化前の前記第ｉフレームの信号、または前記ブロック切替部が生成した前記符号化前の前記第ｉ＋１フレームの信号を、復号した前記合成エラー情報を用いて修正する
    　請求項１～８のいずれか１項に記載の音信号ハイブリッドデコーダ。
  10. 　音信号の音響特性を分析し、前記音信号に含まれるフレームが音響信号であるか音声信号であるかを判断する信号分類部と、
    　低遅延フィルタバンクを用いて前記フレームを符号化する低遅延変換エンコーダと、
    　前記フレームの線形予測係数を算出することによって当該フレームを符号化する音声信号エンコーダと、
    　前記信号分類部が前記音響信号であると判断した符号化対象フレームを前記低遅延変換エンコーダによって符号化し、前記信号分類部が前記音声信号であると判断した前記符号化対象フレームを前記音声信号エンコーダによって符号化する制御を行うブロック切替部とを備え、
    　前記ブロック切替部は、
    　（１）前記符号化対象フレームが、前記信号分類部が前記音声信号であると判断したフレームである第ｉ－１フレームの１フレーム後のフレームであって、前記信号分類部が前記音響信号であると判断したフレームである第ｉフレームであるとき、
    　前記第ｉ－１フレームの前半部分に相当する信号を窓処理した信号に前記第ｉ－１フレームの後半部分に相当する信号を窓処理して畳み込み処理した信号を加算した信号と、前記第ｉフレームとを前記音声信号エンコーダによって符号化する、または
    　（２）前記第ｉ－１フレームの後半部分に相当する信号を窓処理した信号に前記第ｉ－１フレームの前半部分に相当する信号を窓処理して畳み込み処理した信号を加算した信号と、前記第ｉフレームとを前記音声信号エンコーダによって符号化する
    　音信号ハイブリッドエンコーダ。
  11. 　音信号の音響特性を分析し、前記音信号に含まれるフレームが音響信号であるか音声信号であるかを判断する信号分類部と、
    　低遅延フィルタバンクを用いて前記フレームを符号化する低遅延変換エンコーダと、
    　前記フレームの線形予測係数の残差をＭＤＣＴ（Ｍｏｄｉｆｉｅｄ　Ｄｉｓｃｒｅｔｅ　Ｃｏｓｉｎｅ　Ｔｒａｎｓｆｏｒｍ）処理したＴＣＸ方式によって前記フレームを符号化するＴＣＸエンコーダと、
    　前記信号分類部が前記音響信号であると判断した符号化対象フレームを前記低遅延変換エンコーダによって符号化し、前記信号分類部が前記音声信号であると判断した前記符号化対象フレームを前記音声信号エンコーダによって符号化する制御を行うブロック切替部とを備え、
    　前記ブロック切替部は、
    　前記符号化対象フレームである第ｉフレームが、前記信号分類部が前記音響信号であり、なおかつエネルギーが急激に変化する過渡信号であると判断したフレームであるとき、
    　（１）前記第ｉフレームの１フレーム前のフレームである第ｉ－１フレームの前半部分に相当する信号を窓処理した信号に前記第ｉ－１フレームの後半部分に相当する信号を窓処理して畳み込み処理した信号を加算した信号と、前記第ｉフレームとを前記音声信号エンコーダによって符号化する、または
    　（２）前記第ｉ－１フレームの後半部分に相当する信号を窓処理した信号に前記第ｉ－１フレームの前半部分に相当する信号を窓処理して畳み込み処理した信号を加算した信号と、前記第ｉフレームとを前記音声信号エンコーダによって符号化する
    　音信号ハイブリッドエンコーダ。
  12. 　前記低遅延変換エンコーダは、前記フレームと、当該フレームに時間的に連続して先行する３つのフレームとを連結した拡張フレームについて窓処理及び低遅延フィルタバンク処理をすることによって、前記フレームを符号化するＡＡＣ－ＥＬＤエンコーダである
    　請求項１０または１１に記載の音信号ハイブリッドエンコーダ。
  13. 　前記音声信号エンコーダは、ＡＣＥＬＰ係数を生成することによって前記フレームを符号化するＡＣＥＬＰエンコーダである
    　請求項１０～１２のいずれか１項に記載の音信号ハイブリッドエンコーダ。
  14. 　前記音声信号エンコーダは、前記線形予測係数の残差をＭＤＣＴ処理して前記フレームを符号化するＴＣＸエンコーダである
    　請求項１０～１２のいずれか１項に記載の音信号ハイブリッドエンコーダ。
  15. 　さらに、
    　符号化した前記音信号を復号するローカルデコーダと、
    　前記音信号と、前記ローカルデコーダが復号した前記音信号との差分である合成エラー情報を符号化するローカルエンコーダとを備える
    　請求項１０～１４のいずれか１項に記載の音信号ハイブリッドエンコーダ。
  16. 　低遅延フィルタバンクを用いた音響符号化処理で符号化された音響フレームと、線形予測係数を用いた音声符号化処理で符号化された音声フレームとが含まれるビットストリームを復号する音信号復号方法であって、
    　前記音響フレームを低遅延逆フィルタバンク処理を用いて復号する低遅延変換デコードステップと、
    　前記音声フレームを復号する音声信号デコードステップと、
    　前記ビットストリームのうちの復号対象フレームが前記音響フレームである場合、当該復号対象フレームを前記低遅延変換デコードステップによって復号し、前記復号対象フレームが前記音声フレームである場合、当該復号対象フレームを前記音声信号デコードステップによって復号する制御を行う制御ステップとを含み、
    　前記復号対象フレームが、前記音響フレームから前記音声フレームに切り替わった最初の前記音声フレームである第ｉフレームであるとき、
    　前記第ｉフレームには、前記第ｉフレームよりも１フレーム先行するフレームである第ｉ－１フレームの符号化前の信号を用いて生成された第１信号が符号化された状態で含まれ、
    　前記制御ステップでは、
    　（１）
    　前記第ｉフレームよりも２フレーム先行するフレームである第ｉ－２フレームを前記低遅延変換デコードステップによって復号することで得られる、前記第ｉフレームよりも３フレーム先行するフレームである第ｉ－３フレームの再構成された信号を窓処理した信号である第２信号のフレームの前半部分に相当する信号に、前記第２信号のフレームの後半部分に相当する信号を畳み込み処理した信号を加算して窓処理を行った信号と、前記第ｉフレームを前記音声信号デコードステップによって復号することで得られる、前記第１信号に窓処理を行った信号と、前記第ｉ－１フレームを前記低遅延逆フィルタバンク処理及び窓処理した信号の前記第ｉ－３フレームに対応する部分である第３信号のフレームの前半部分の信号と、を加算する処理を行って符号化前の前記第ｉ－１フレームの前半部分に対応する信号を生成し、
    　前記第２信号のフレームの後半部分に相当する信号に、前記第２信号のフレームの前半部分に相当する信号を畳み込み処理した信号を加算して窓処理を行った信号と、前記第１信号に畳み込み処理及び窓処理を行った信号と、前記第３信号のフレームの後半部分に相当する信号と、を加算する処理を行って符号化前の前記第ｉ－１フレームの後半部分に対応する信号を生成する、または
    　（２）
    　前記第２信号のフレームの前半部分に相当する信号に、前記第２信号のフレームの後半部分に相当する信号を畳み込み処理した信号を加算して窓処理を行った信号と、前記第１信号に畳み込み処理及び窓処理を行った信号と、前記第３信号のフレームの前半部分に相当する信号と、を加算する処理を行って符号化前の前記第ｉ－１フレームの前半部分に対応する信号を生成し、
    　前記第２信号のフレームの後半部分に相当する信号に、前記第２信号のフレームの前半部分に相当する信号を畳み込み処理した信号を加算して窓処理を行った信号と、前記第１信号に窓処理を行った信号と、前記第３信号のフレームの後半部分に相当する信号と、を加算する処理を行って符号化前の前記第ｉ－１フレームの後半部分に対応する信号を生成する
    　音信号復号方法。
  17. 　低遅延フィルタバンクを用いた音響符号化処理で符号化された音響フレームと、線形予測係数を用いた音声符号化処理で符号化された音声フレームとが含まれるビットストリームを復号する音信号復号方法であって、
    　前記音響フレームを低遅延逆フィルタバンク処理によって復号する低遅延変換デコードステップと、
    　前記音声フレームを復号する音声信号デコードステップと、
    　前記ビットストリームのうちの復号対象フレームが前記音響フレームである場合、当該復号対象フレームを前記低遅延変換デコードステップによって復号し、前記復号対象フレームが前記音声フレームである場合、当該復号対象フレームを前記音声信号デコードステップによって復号する制御を行う制御ステップとを含み、
    　前記制御ステップは、
    　前記復号対象フレームが、前記音声フレームから前記音響フレームに切り替わった最初の音響フレームである第ｉフレームであるとき、
    　前記第ｉフレームよりも１フレーム先行するフレームである第ｉ－１フレームを前記音声信号デコードステップによって復号することで得られる信号を窓処理した第４信号に、当該第４信号を畳み込み処理した信号を加算し、窓処理を行った第５信号と、前記第ｉフレームよりも３フレーム先行するフレームである第ｉ－３フレームを前記音声信号デコードステップによって復号することで得られる信号を窓処理した第６信号に、当該第６信号を畳み込み処理した信号を加算し、窓処理を行った第７信号と、前記第ｉフレームを前記低遅延逆フィルタバンク処理及び窓処理した信号の前記第ｉ－３フレームに対応する部分である第８信号と、を加算する処理を行って符号化前の前記第ｉ－１フレームに対応する信号である再構成信号を生成する
    　音信号復号方法。
  18. 　低遅延フィルタバンクを用いた音響符号化処理で符号化された音響フレームと、線形予測係数を用いた音声符号化処理で符号化された音声フレームとが含まれるビットストリームを復号する音信号復号方法であって、
    　前記音響フレームを低遅延逆フィルタバンク処理を用いて復号する低遅延変換デコードステップと、
    　ＴＣＸ方式によって符号化された前記音声フレームを復号するＴＣＸデコードステップと、
    　前記ビットストリームのうちの復号対象フレームが前記音響フレームである場合、当該復号対象フレームを前記低遅延変換デコードステップによって復号し、前記復号対象フレームが前記音声フレームである場合、当該復号対象フレームを前記音声信号デコードステップによって復号する制御を行う制御ステップとを含み、
    　前記復号対象フレームが、前記音響フレームから前記音声フレームに切り替わった最初の前記音声フレームであって、エネルギーが急激に変化する過渡信号が符号化されたフレームである第ｉフレームであるとき、
    　前記第ｉフレームには、前記第ｉフレームよりも１フレーム先行するフレームである第ｉ－１フレームの符号化前の信号を用いて生成された第１信号が符号化された状態で含まれ、
    　前記制御ステップでは、
    　（１）
    　前記第ｉフレームよりも２フレーム先行するフレームである第ｉ－２フレームを前記低遅延変換デコードステップによって復号することで得られる、前記第ｉフレームよりも３フレーム先行するフレームである第ｉ－３フレームの再構成された信号を窓処理した信号である第２信号のフレームの前半部分に相当する信号に、前記第２信号のフレームの後半部分に相当する信号を畳み込み処理した信号を加算して窓処理を行った信号と、前記第ｉフレームを前記音声信号デコードステップによって復号することで得られる、前記第１信号に窓処理を行った信号と、前記第ｉ－１フレームを前記低遅延逆フィルタバンク処理及び窓処理した信号の前記第ｉ－３フレームに対応する部分である第３信号のフレームの前半部分の信号と、を加算する処理を行って符号化前の前記第ｉ－１フレームの前半部分に対応する信号を生成し、
    　前記第２信号のフレームの後半部分に相当する信号に、前記第２信号のフレームの前半部分に相当する信号を畳み込み処理した信号を加算して窓処理を行った信号と、前記第１信号に畳み込み処理及び窓処理を行った信号と、前記第３信号のフレームの後半部分に相当する信号と、を加算する処理を行って符号化前の前記第ｉ－１フレームの後半部分に対応する信号を生成する、または
    　（２）
    　前記第２信号のフレームの前半部分に相当する信号に、前記第２信号のフレームの後半部分に相当する信号を畳み込み処理した信号を加算して窓処理を行った信号と、前記第１信号に畳み込み処理及び窓処理を行った信号と、前記第３信号のフレームの前半部分に相当する信号と、を加算する処理を行って符号化前の前記第ｉ－１フレームの前半部分に対応する信号を生成し、
    　前記第２信号のフレームの後半部分に相当する信号に、前記第２信号のフレームの前半部分に相当する信号を畳み込み処理した信号を加算して窓処理を行った信号と、前記第１信号に窓処理を行った信号と、前記第３信号のフレームの後半部分に相当する信号と、を加算する処理を行って符号化前の前記第ｉ－１フレームの後半部分に対応する信号を生成する
    　音信号復号方法。
  19. 　音信号の音響特性を分析し、前記音信号に含まれるフレームが音響信号であるか音声信号であるかを判断する判断ステップと、
    　低遅延フィルタバンクを用いて前記フレームを符号化する低遅延変換エンコードステップと、
    　前記フレームの線形予測係数を算出することによって当該フレームを符号化する音声信号エンコードステップと、
    　前記判断ステップにおいて前記音響信号であると判断した符号化対象フレームを前記低遅延変換エンコードステップによって符号化し、前記判断ステップにおいて前記音声信号であると判断した前記符号化対象フレームを前記音声信号エンコードステップによって符号化する制御を行う制御ステップとを含み、
    　前記制御ステップでは、
    　（１）前記符号化対象フレームが、前記判断ステップにおいて前記音声信号であると判断したフレームである第ｉ－１フレームの１フレーム後のフレームであって、前記判断ステップにおいて前記音響信号であると判断したフレームである第ｉフレームであるとき、
    　前記第ｉ－１フレームの前半部分に相当する信号を窓処理した信号に前記第ｉ－１フレームの後半部分に相当する信号を窓処理して畳み込み処理した信号を加算した信号と、前記第ｉフレームとを前記音声信号エンコードステップによって符号化する、または
    　（２）前記第ｉ－１フレームの後半部分に相当する信号を窓処理した信号に前記第ｉ－１フレームの前半部分に相当する信号を窓処理して畳み込み処理した信号を加算した信号と、前記第ｉフレームとを前記音声信号エンコードステップによって符号化する
    　音信号符号化方法。
  20. 　音信号の音響特性を分析し、前記音信号に含まれるフレームが音響信号であるか音声信号であるかを判断する判断ステップと、
    　低遅延フィルタバンクを用いて前記フレームを符号化する低遅延変換エンコードステップと、
    　前記フレームの線形予測係数の残差をＭＤＣＴ処理したＴＣＸ方式によって前記フレームを符号化するＴＣＸエンコードステップと、
    　前記判断ステップにおいて前記音響信号であると判断した符号化対象フレームを前記低遅延変換エンコードステップによって符号化し、前記判断ステップにおいて前記音声信号であると判断した前記符号化対象フレームを前記音声信号エンコードステップによって符号化する制御を行う制御ステップとを含み、
    　前記制御ステップでは、
    　前記符号化対象フレームである第ｉフレームが、前記判断ステップにおいて前記音響信号であり、なおかつエネルギーが急激に変化する過渡信号であると判断したフレームであるとき、
    　（１）前記第ｉフレームの１フレーム前のフレームである第ｉ－１フレームの前半部分に相当する信号を窓処理した信号に前記第ｉ－１フレームの後半部分に相当する信号を窓処理して畳み込み処理した信号を加算した信号と、前記第ｉフレームとを前記音声信号エンコードステップによって符号化する、または
    　（２）前記第ｉ－１フレームの後半部分に相当する信号を窓処理した信号に前記第ｉ－１フレームの前半部分に相当する信号を窓処理して畳み込み処理した信号を加算した信号と、前記第ｉフレームとを前記音声信号エンコードステップによって符号化する
    　音信号符号化方法。
PCT/JP2012/006802 2011-10-28 2012-10-24 音信号ハイブリッドデコーダ、音信号ハイブリッドエンコーダ、音信号復号方法、及び音信号符号化方法 WO2013061584A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN2012800043379A CN103477388A (zh) 2011-10-28 2012-10-24 声音信号混合解码器、声音信号混合编码器、声音信号解码方法及声音信号编码方法
US13/996,644 US20140058737A1 (en) 2011-10-28 2012-10-24 Hybrid sound signal decoder, hybrid sound signal encoder, sound signal decoding method, and sound signal encoding method
EP12844467.6A EP2772914A4 (en) 2011-10-28 2012-10-24 DECODER FOR HYBRID SOUND SIGNALS, COORDINATORS FOR HYBRID SOUND SIGNALS, DECODING PROCEDURE FOR SOUND SIGNALS AND CODING SIGNALING PROCESSES

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2011-236912 2011-10-28
JP2011236912 2011-10-28

Publications (1)

Publication Number Publication Date
WO2013061584A1 true WO2013061584A1 (ja) 2013-05-02

Family

ID=48167435

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2012/006802 WO2013061584A1 (ja) 2011-10-28 2012-10-24 音信号ハイブリッドデコーダ、音信号ハイブリッドエンコーダ、音信号復号方法、及び音信号符号化方法

Country Status (5)

Country Link
US (1) US20140058737A1 (ja)
EP (1) EP2772914A4 (ja)
JP (1) JPWO2013061584A1 (ja)
CN (1) CN103477388A (ja)
WO (1) WO2013061584A1 (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10770084B2 (en) 2015-09-25 2020-09-08 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Encoder, decoder and methods for signal-adaptive switching of the overlap ratio in audio transform coding
CN113272896A (zh) * 2018-11-05 2021-08-17 弗劳恩霍夫应用研究促进协会 提供经处理音频信号表示的装置和处理器、音频解码器、音频编码器、方法及计算机程序

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10141004B2 (en) * 2013-08-28 2018-11-27 Dolby Laboratories Licensing Corporation Hybrid waveform-coded and parametric-coded speech enhancement
CN106448688B (zh) 2014-07-28 2019-11-05 华为技术有限公司 音频编码方法及相关装置
US9555308B2 (en) 2014-08-18 2017-01-31 Nike, Inc. Bag with multiple storage compartments
CN104967755A (zh) * 2015-05-28 2015-10-07 魏佳 一种基于嵌入式编码的远程互动方法
US10504530B2 (en) 2015-11-03 2019-12-10 Dolby Laboratories Licensing Corporation Switching between transforms
US11488613B2 (en) * 2019-11-13 2022-11-01 Electronics And Telecommunications Research Institute Residual coding method of linear prediction coding coefficient based on collaborative quantization, and computing device for performing the method
CN115223579A (zh) * 2021-04-20 2022-10-21 华为技术有限公司 一种编解码器协商与切换方法
CN117356092A (zh) * 2021-04-22 2024-01-05 Op方案有限责任公司 用于混合特征视频比特流和解码器的系统、方法和比特流结构

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08263098A (ja) * 1995-03-28 1996-10-11 Nippon Telegr & Teleph Corp <Ntt> 音響信号符号化方法、音響信号復号化方法
WO2010003532A1 (en) 2008-07-11 2010-01-14 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Apparatus and method for encoding/decoding an audio signal using an aliasing switch scheme
WO2010003663A1 (en) * 2008-07-11 2010-01-14 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Audio encoder and decoder for encoding frames of sampled audio signals
JP2010210680A (ja) * 2009-03-06 2010-09-24 Ntt Docomo Inc 音信号符号化方法、音信号復号方法、符号化装置、復号装置、音信号処理システム、音信号符号化プログラム、及び、音信号復号プログラム
WO2011158485A2 (ja) * 2010-06-14 2011-12-22 パナソニック株式会社 オーディオハイブリッド符号化装置およびオーディオハイブリッド復号装置

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2415105A1 (en) * 2002-12-24 2004-06-24 Voiceage Corporation A method and device for robust predictive vector quantization of linear prediction parameters in variable bit rate speech coding
CA2457988A1 (en) * 2004-02-18 2005-08-18 Voiceage Corporation Methods and devices for audio compression based on acelp/tcx coding and multi-rate lattice vector quantization
PT2165328T (pt) * 2007-06-11 2018-04-24 Fraunhofer Ges Forschung Codificação e descodificação de um sinal de áudio tendo uma parte do tipo impulso e uma parte estacionária
PT2301011T (pt) * 2008-07-11 2018-10-26 Fraunhofer Ges Forschung Método e discriminador para classificar diferentes segmentos de um sinal de áudio compreendendo segmentos de discurso e de música
JP5243661B2 (ja) * 2009-10-20 2013-07-24 フラウンホッファー−ゲゼルシャフト ツァ フェルダールング デァ アンゲヴァンテン フォアシュンク エー．ファオ オーディオ信号符号器、オーディオ信号復号器、オーディオコンテンツの符号化表現を供給するための方法、オーディオコンテンツの復号化表現を供給するための方法、および低遅延アプリケーションにおける使用のためのコンピュータ・プログラム
TR201900663T4 (tr) * 2010-01-13 2019-02-21 Voiceage Corp Doğrusal öngörücü filtreleme kullanarak ileri doğru zaman alanı alıasıng iptali ile ses kod çözümü.

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08263098A (ja) * 1995-03-28 1996-10-11 Nippon Telegr & Teleph Corp <Ntt> 音響信号符号化方法、音響信号復号化方法
WO2010003532A1 (en) 2008-07-11 2010-01-14 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Apparatus and method for encoding/decoding an audio signal using an aliasing switch scheme
WO2010003663A1 (en) * 2008-07-11 2010-01-14 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Audio encoder and decoder for encoding frames of sampled audio signals
JP2010210680A (ja) * 2009-03-06 2010-09-24 Ntt Docomo Inc 音信号符号化方法、音信号復号方法、符号化装置、復号装置、音信号処理システム、音信号符号化プログラム、及び、音信号復号プログラム
WO2011158485A2 (ja) * 2010-06-14 2011-12-22 パナソニック株式会社 オーディオハイブリッド符号化装置およびオーディオハイブリッド復号装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
CHI-MIN LIU; WEN-CHIEH LEE: "A unified fast algorithm for cosine modulated filterbanks in current audio standards", J. AUDIO ENGINEERING, vol. 47, no. 12, 1999, pages 1061 - 1075
MILAN JELINEK: "Wideband Speech Coding Advances in VMR-WB Standard", IEEE TRANSACTIONS ON AUDIO, SPEECH AND LANGUAGE PROCESSING, vol. 15, no. 4, 2007, pages 1167 - 1179, XP011177208, DOI: doi:10.1109/TASL.2007.894514
See also references of EP2772914A4

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10770084B2 (en) 2015-09-25 2020-09-08 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Encoder, decoder and methods for signal-adaptive switching of the overlap ratio in audio transform coding
CN113272896A (zh) * 2018-11-05 2021-08-17 弗劳恩霍夫应用研究促进协会 提供经处理音频信号表示的装置和处理器、音频解码器、音频编码器、方法及计算机程序
US11948590B2 (en) 2018-11-05 2024-04-02 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Apparatus and audio signal processor, for providing processed audio signal representation, audio decoder, audio encoder, methods and computer programs
US11990146B2 (en) 2018-11-05 2024-05-21 Fraunhofer-Gesellschaft Zur Foerderung Der Angewandten Forschung E.V. Apparatus and audio signal processor, for providing processed audio signal representation, audio decoder, methods and computer programs

Also Published As

Publication number Publication date
EP2772914A1 (en) 2014-09-03
JPWO2013061584A1 (ja) 2015-04-02
CN103477388A (zh) 2013-12-25
US20140058737A1 (en) 2014-02-27
EP2772914A4 (en) 2015-07-15

Similar Documents

Publication Publication Date Title
WO2013061584A1 (ja) 音信号ハイブリッドデコーダ、音信号ハイブリッドエンコーダ、音信号復号方法、及び音信号符号化方法
JP5171842B2 (ja) 時間領域データストリームを表している符号化および復号化のための符号器、復号器およびその方法
EP3958257B1 (en) Audio encoder for encoding a multichannel signal and audio decoder for decoding an encoded audio signal
JP5208901B2 (ja) 音声信号および音楽信号を符号化する方法
KR101508819B1 (ko) 멀티 모드 오디오 코덱 및 이를 위해 적응된 ｃｅｌｐ 코딩
KR101699898B1 (ko) 스펙트럼 영역에서 디코딩된 오디오 신호를 처리하기 위한 방법 및 장치
JP5882895B2 (ja) 復号装置
JP6067601B2 (ja) 音声／音楽統合信号の符号化／復号化装置
RU2584463C2 (ru) Кодирование звука с малой задержкой, содержащее чередующиеся предсказательное кодирование и кодирование с преобразованием
TWI479478B (zh) 用以使用對齊的預看部分將音訊信號解碼的裝置與方法
JP6126006B2 (ja) 音信号ハイブリッドエンコーダ、音信号ハイブリッドデコーダ、音信号符号化方法、及び音信号復号方法
US20200035253A1 (en) Methods, encoder and decoder for linear predictive encoding and decoding of sound signals upon transition between frames having different sampling rates
KR20130069821A (ko) 오디오 신호를 처리하고 결합된 통합형 음성 및 오디오 코덱（ｕｓａｃ）을 위한 보다 높은 시간적 입도를 제공하기 위한 장치 및 방법
US9984696B2 (en) Transition from a transform coding/decoding to a predictive coding/decoding
JP3748083B2 (ja) 広帯域音声復元方法及び広帯域音声復元装置
JP3598112B2 (ja) 広帯域音声復元方法及び広帯域音声復元装置
JP2006065362A (ja) 広帯域音声復元装置

Legal Events

Date Code Title Description
ENP Entry into the national phase

Ref document number: 2013512289

Country of ref document: JP

Kind code of ref document: A

121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 12844467

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 13996644

Country of ref document: US

Ref document number: 2012844467

Country of ref document: EP

NENP Non-entry into the national phase

Ref country code: DE