調和ベクトル励起符号化

ハーモニックベクトルエキサイテーションコーディング（ HVXC）は、MPEG-4パート3（MPEG-4オーディオ）標準で規定された、非常に低いビットレートの音声コーディングのための音声コーディング アルゴリズムです。HVXCは、固定および可変ビットレートモードで2kbit/sおよび4kbit/sのビットレートと8kHzのサンプリング周波数をサポートします。また、可変ビットレート技術を使用して、1.2～1.7kbit/sなどのより低いビットレートでも動作します。^[1]エンコーダとデコーダの合計アルゴリズム遅延は36msです。 ^[2]

これは1999年にISO / IEC 14496-3:1999 (MPEG-4 Audio)のサブパート2として公開されました。^[3] HVXCの拡張バージョンはMPEG-4 Audioバージョン2 (ISO/IEC 14496-3:1999/Amd 1:2000)で公開されました。^{[4] [5]}

MPEG-4自然音声符号化ツールセットは、HVXCとCELP（コード励起線形予測）の2つのアルゴリズムを使用します。HVXCは2または4kbit/sの低ビットレートで使用されます。3.85kbit/sに加えて4kbit/sを超える高ビットレートはCELPでカバーされます。^[6]

HVXCは、20msごとにブロックごとに適応する線形予測符号化（LPC）を使用します。 ^{[2] LPCパラメータは}線スペクトル対（LSP）係数に変換され、共同で量子化されます。^[2] LPC残差信号は、有声音または無声音に分類されます。有声音の場合、残差はパラメトリック表現で符号化され（ボコーダとして動作）、無声音の場合、残差波形は量子化されます（したがって、ハイブリッド音声コーデックとして動作します）。

有声音セグメントでは、残差信号はピッチ周期とスペクトルエンベロープの2つのパラメータによって表される。^[2]ピッチ周期は、残差信号の自己相関のピーク値から推定される。 ^[2]このプロセスでは、残差信号はシフトされたコピーと比較され、線形従属の尺度によって最大の類似性をもたらすシフトがピッチ周期として識別される。 スペクトルエンベロープは、高調波ごとに1つの振幅値のセットによって表される。^[2]これらの値を抽出するには、LPC残差信号をDFT領域に変換します。^[2] DFTスペクトルは、高調波ごとに1つの帯域に分割されます。 m番目の高調波の周波数帯域は、(m-1/2)ω ₀から(m+1/2)ω ₀までのDFT係数で構成され、 ω ₀はピッチ周波数です。^[2] m番目の高調波の振幅値は、これらのDFT係数を最適に表すように選択されます。^[2]このプロセスでは位相情報は破棄されます。その後、スペクトルエンベロープは可変次元重み付きベクトル量子化を使用して符号化されます。このプロセスはハーモニックVQとも呼ばれます。

有声音と無声音の混合音を含む音声をより自然で滑らかにするために、3つの異なる有声音モード（混合有声音-1、混合有声音-2、全有声音）が区別されます。^[2]有声化の程度は、1ピッチ周期のシフトにおける正規化された自己相関関数の値によって決まります。選択されたモードに応じて、デコーダーによって合成された倍音信号に異なる量のバンドパスガウスノイズが追加されます。

無声音セグメントは、ベクトル励起符号化（VXC）とも呼ばれるCELP方式に従って符号化されます。 ^[2] HVXQのCELP符号化は、確率的コードブックのみを使用して実行されます。他のCELPコーデックでは、有声音セグメントの長期予測を実行するために動的コードブックが追加で使用されます。ただし、HVXCは有声音セグメントにCELPを使用しないため、動的コードブックは設計から省略されています。

• Opus（オーディオ形式）