Imperial College LondonのRuiming Guo氏、Yuliang Zhu氏、Ayush Bhandari氏の研究チームが、音声波形をデジタル化する前に折り返して記録し、後から数学的に元の波形を復元する新技術「USF-Audio」を開発した。研究成果は学術誌『IEEE Transactions on Audio, Speech and Language Processing（TASLP）』に掲載され、2026年9月30日にIEEE Xploreで公開された。大学は11月11日に成果を紹介し、6ビットの試作機で従来の6ビットADCより少なくとも18 dB広いダイナミックレンジを達成したと発表した。論文の抄録によると、14の実データセットと52人が参加した聴取試験でも改善が確認されたという。ビット数を増やすのではなく、限られたビット数で記録する情報の表現方法を変えるという発想だが、18 dBの改善を得た詳細な測定条件は大学の発表文と論文抄録からは分からない。
デジタル録音の限界は、ビット数と入力範囲によって決まる
デジタル録音の基礎となるPCM（パルス符号変調）は、1937年にIT&Tのパリ研究所でAlec Reeves氏が考案した。マイクから送られるアナログ信号を一定の間隔で測定し、それぞれの値を決められたビット数の整数に変換して記録する方式だ。この変換処理を量子化と呼び、ビット数によって信号の振幅を何段階に区切って表現できるかが決まる。
例えば、6ビットでは2の6乗にあたる64段階、7ビットでは128段階で振幅を表現する。一定の入力範囲を等間隔に区切るため、ビット数が1増えると段階数は倍になり、各段階の幅は半分になる。その結果、元のアナログ信号とデジタル化された値との誤差が小さくなり、より細かな振幅の変化を記録できる。
Analog Devicesの技術資料「MT-001」によると、理想的なNビットADCにフルスケールの正弦波を入力した場合、信号対雑音比（SNR）は「6.02N + 1.76 dB」で表される。これは直流から標本化周波数の半分までの帯域を対象とした値であり、ビット数が1増えるごとにSNRが約6.02 dB改善することを意味する。この式に6ビットを当てはめると、理想的なSNRは約37.9 dBとなる（編集部計算）。
しかし、ビット数を増やして量子化の精度を高めても、ADCが扱える入力範囲そのものは広がらない。入力信号が上限を超えると、超過した部分は最大値に固定され、波形の頂点が平らに切り取られる「クリッピング」が発生する。論文の抄録では、現在のデジタル音声技術がShannon-Nyquistの標本化定理に基づく等間隔のサンプリングと一様量子化に依存しており、ダイナミックレンジとデジタル精度に根本的な制約があると指摘している。入力範囲を超えた信号はクリッピングによって失われ、範囲内の信号についても量子化雑音が実効分解能を制限するという。
こうした問題への対処法として、従来はビット数の増加や、最大入力までの余裕を確保するヘッドルームの設定、標本化周波数を高めるオーバーサンプリングなどが使われてきた。ただし、ヘッドルームを大きくすれば小さな音に対する量子化雑音の相対的な影響が増すなど、それぞれにトレードオフがある。いずれも基本的には、信号を一定の間隔で測定し、決められた入力範囲内で量子化するという仕組みを維持している。USF-Audioは、この信号の取得方法そのものを変更することで、従来とは異なる方法でダイナミックレンジの拡大を目指している。
波形を切り取らずに折り返す「USF-Audio」の仕組み
USF-Audioの特徴は、ADCでデジタル化する前に、アナログ信号を「モジュロ演算（modulo wrapping）」によって折り返すことだ。従来のADCでは入力が上限に達すると、それを超える部分は記録できず、波形が切り取られてしまう。これに対し、USF-Audioでは信号が上限を超えると、その超過分を入力範囲の下端から続く値として記録する。論文の抄録によれば、この非線形な信号取得方式によって測定値の飽和を防ぎ、折り返されたデータから元の波形を数学的に復元できるという。
この仕組みは、時計の針を考えると理解しやすい。時計は12時を過ぎると再び1時から数え始めるが、針の位置だけを見ても、それまでに何周したかは分からない。USF-Audioで折り返された信号も同様で、一つの測定値だけでは元の振幅が入力範囲を何回超えたのか判断できない。そこで重要になるのが、音声信号の滑らかさや、連続する測定値の関係を利用して元の波形を推定する仕組みだ。ただし、USF-Audioが採用した具体的な復元手順は、大学の発表文と論文抄録には記載されていない。
この技術の基盤となっているのが、Bhandari准教授らが研究を進めてきた「Unlimited Sensing」と呼ばれる信号取得の枠組みだ。研究グループの説明によれば、滑らかな信号では量子化雑音に相当する小数部分にも整数部分を復元する手がかりが含まれており、その性質を利用して元の信号を再構成できる。これにより、ビット数を固定したまま、最大記録電圧に依存しない一定倍率のオーバーサンプリングで、高いダイナミックレンジを持つ信号を復元できるという。もっとも、この方式でも通常より密なサンプリングが前提となり、標本化定理そのものを覆すものではない。今回のUSF-Audioで使用したオーバーサンプリング倍率については、発表文と抄録からは確認できない。
Imperial College Londonの電気電子工学科に所属するAyush Bhandari准教授は、今回の研究について「単にビット数を増やすのではなく、ビットが表すものを変えたらどうなるだろうか」と説明している（原文："what if we changed what the bits represent, rather than simply adding more of them?"、2026年11月11日）。従来もクリッピングによって失われた音声を修復する「デクリッピング」という技術は存在するが、USF-Audioとは根本的に異なる。デクリッピングは、すでに切り取られた波形を周辺の情報から推定する手法であり、失われた部分を直接記録しているわけではない。一方、USF-Audioは信号を取得する段階で折り返し処理を施し、従来なら失われていた振幅の情報を復元できる形で記録することを目指している。
1937年のPCMから2026年のUSF-Audioまで、技術開発の歩み
今回の研究につながる主な技術的進展を年代順に見ると、1937年のPCMの考案に始まり、2021年のUnlimited Sensingに基づく試作ADC、2024年の積分器型モジュロADC、そして2026年の音声向けUSF-Audioへと続く。Imperial College Londonが2021年に公開した記事によると、Unlimited SensingはBhandari准教授の博士論文と2017年の研究論文を基盤として発展し、2020年には米国で関連特許が成立している。2021年9月16日には、Bhandari准教授らが論文「Unlimited Sampling from Theory to Practice: Fourier-Prony Recovery and Prototype ADC」をIEEE Transactions on Signal Processingに発表し、モジュロ方式を用いたADCの試作機を示した。
さらに2024年には、Yuliang Zhu氏とBhandari准教授が、積分器を用いた低コストのモジュロADCに関する研究をIEEE Sensors 2024で発表した。ただし、この研究は音声に特化したものではなく、扱った信号や実験条件も今回のUSF-Audioとは異なる。その後、2026年9月30日にUSF-Audioの論文がIEEE Xploreで公開され、11月11日に大学が研究成果を紹介した。
今回の論文では、折り返された量子化測定値から元の信号を復元するための理論的保証、音声規模のデータに対応する頑健な復元アルゴリズム、ハードウェアによる一連の信号取得システムが示されたという。さらに、実際の音声を使った評価と52人による聴取試験も実施されている。2021年の研究がモジュロADCの試作、2024年の研究が低コストの変換回路を主題としていたのに対し、今回の研究は音声という具体的な用途について、理論、ハードウェア、聴感上の品質評価までを組み合わせた点に特徴がある。研究チームは、こうした一連の検証によって、Unlimited Sensingを実際の音声取得に応用できる可能性を示したとしている。
6ビットでダイナミックレンジを18 dB拡大、ただし測定条件には不明点も
Imperial College Londonの発表によると、開発した試作機は1サンプルあたり6ビットで動作し、従来の6ビットADCと比較して少なくとも18 dB広いダイナミックレンジを達成した。大学は、これは記録可能な振幅の範囲が約8倍に広がることに相当すると説明している。試作ADCは市販の電子部品を使って組み立てられており、特殊な半導体製造工程を必要としない構成だという。ただし、18 dBという数値は大学の発表に基づくものであり、測定条件を含む論文本文の詳細を確認したものではない。
ここで注意したいのは、18 dBという改善値がダイナミックレンジの拡大を指しており、信号対雑音比（SNR）の改善を意味するとは限らないことだ。大学の発表も、記録可能な振幅の範囲が広がったと説明しており、SNRが18 dB向上したとは述べていない。したがって、先に示した6ビットADCの理想的なSNRである約37.9 dBに、今回の18 dBを単純に加えることはできない。なお、振幅比をデシベルに換算する「20×log10(8)」は約18.06 dBであり、大学が示した約8倍という説明とは整合している（編集部計算）。
論文の抄録では、音声、音楽、生体音、動物の鳴き声、歴史的録音などを含む14の実データセットを使って性能を評価したと説明している。さらに52人が参加した主観的な聴取試験を実施し、従来のADCによる録音や最先端のデクリッピング手法と比較した。その結果、ダイナミックレンジ、ENOB（有効ビット数）、人間が知覚する音声品質のいずれについても、一貫した改善が得られたという。大学の発表では、聴取試験で従来の6ビット録音やクリッピングが発生した録音と比較したところ、USF-Audioで復元した音声の方が高く評価されたと説明している。
一方、大学の発表文と論文抄録だけでは、評価結果を詳しく検証するための条件が十分に分からない。例えば、18 dBの改善を測定した際の入力信号の種類や振幅、オーバーサンプリング倍率、標本化周波数などは明らかにされていない。聴取試験についても、使用した評価尺度や試行数、統計検定の詳細は記載されていない。また、比較対象となったデクリッピング手法の名称や個別の改善幅、復元の理論的保証が成立するための具体的な前提条件も確認できない。
こうした条件は、今回の成果がどの程度一般化できるかを判断するうえで重要になる。例えば、入力信号の種類や振幅が分からなければ、18 dBの改善が幅広い音声に対して得られるものなのか、特定の条件下で測定されたものなのかを判断できない。同様に、既存のデクリッピング手法より一貫して優れているという結果についても、比較対象ごとの具体的な改善幅を確認する必要がある。これらは論文本文で詳しく検証すべき点だ。
デジタル聴診器や環境センサーへの応用を想定、実用化には追加検証が必要
研究チームは、USF-Audioの応用先として、デジタル聴診器、環境センサー、AI向けのセンシングシステムなどを挙げている。これらの機器では、小さな信号を高い精度で測定する一方、突発的に大きな入力が発生する可能性もあり、幅広い振幅を扱えることが重要になる。USF-Audioは、ビット数を増やさずに大きな入力信号の情報を保持できる可能性があるため、研究チームは将来的に小型で省電力なセンシング機器の開発につながると期待している。
ただし、省電力化や小型化は現時点では将来の可能性として示されているものであり、実際の機器で定量的に実証された成果ではない。デジタル聴診器や環境センサーなど、それぞれの用途でどの程度の性能改善が得られるのかについても、大学の発表文には具体的な数値が示されていない。試作機は市販部品を組み合わせた研究段階の装置であり、研究チーム自身も、実用機器でこうした利点を確立するにはさらなる工学的検討が必要だと認めている。
USF-Audioが示したのは、ADCのビット数を増やすだけでなく、信号の取得方法を変えることでも録音性能を改善できる可能性だ。6ビットの試作機で少なくとも18 dBのダイナミックレンジ拡大を報告し、52人による聴取試験でも改善が確認されたことは、その有効性を示す初期の成果といえる。今後は測定条件の詳細な検証に加え、実用的な音声機器に組み込んだ際の性能、消費電力、回路の複雑さなどを評価することが重要になる。