入力スペクトルのスパース性に応じた符号化モード組合せ多段音声符号化手法: ITU-TG.722/G.711.1Super Wideband Extension標準化候補

摘要

本稿では，ITU-T G.722/G.711.1 Super Wideband拡張の標準化におけるqualificationフェーズ時にNTT含むコンソーシアムから提出された，スケーラブル符号化方式の8-14kHz帯域レイヤに関わる音声符号化手法について詳述する．本手法は，MDCT係数の量子化において，音声や楽音など様々な音源の特性に応じて最適な符号化方式を4つのモードから選択して用いる多段量子化手法で，音源に関わらず高音質を実現する．本手法により，全ての条件でリファレンスコーデックの音質を上回り，音声品質に関する標準化要求条件を満たすことを主観評価により示した．%This paper describes a coding algorithm for 8-14 kHz bandwith layer of a scalable speech codec, submitted by a consortium including NTT as a candidate in the qualification phase of ITU-T G.722/G.711.1 super wideband extension standardization. The candidate codec achieves high speech quality irrespective of the sound source by using the proposed multistage quantization in the MDCT domain that selects the best encoding scheme among four modes according to the characteristic of various sound sources. The subjective test results showed that the candidate codec obtained higher scores than the reference codec in all samples and passed all requirements of the standardization in listening quality.