JP2007072264A - 音声量子化方法、音声量子化装置、プログラム - Google Patents

Abstract

【課題】電話帯域通信路を用いて少ビットの付加情報を伝送するだけで高品質の広帯域音声を再生する。
【解決手段】音声信号をある長さをフレーム長として、広帯域音声信号とそれに対応し広帯域信号の帯域より狭い帯域に制限された電話帯域音声信号をそれぞれ分析して、電話帯域音声信号のLSPパラメータと広帯域音声信号のLSPパラメータを算出し、広帯域音声信号のLSPパラメータを量子化するための広帯域LSPパラメータ符号帳に対して、電話帯域音声信号のLSPパラメータを用いて広帯域LSPパラメータ符号帳の中から候補を幾つかを選び出し、これら広帯域LSPパラメータ符号帳から選び出された候補の中から、入力された帯域音声信号のLSPパラメータに一番近い候補を選ぶことにより、音声の包絡情報である広帯域LSPパラメータを量子化する。
【選択図】図１

Description

この発明は、音声を符号化する時に必要な音声スペクトル包絡を表現するLSPの量子化方法及び装置、プログラムに関する。

オフィスでもパソコンで簡単にWeb会議や多地点通信会議が行えるようになっている。しかし、これらの通信の多くは、従来の電話帯域音声が用いられている。広帯域符号化方法はすでに幾つかが標準化され使用することができる。しかし、一部サービスには用いられているが、一般的には広帯域音声が用いられる例は少ない。その理由として、既存設備との互換接続の問題を挙げることができる。
つまり、従来の端末と通信を行うためには、G.711などの規格で規定される電話帯域音声信号である必要がある。多地点通信においても、電話帯域音声信号しか対応していない既存の端末が一箇所でもあると、広帯域符号化法を用いることができない。現状、既存の電話帯域端末が数多くあり、広帯域音声信号に対応した端末にすべて置き換えるのは不可能である。そのため、従来の端末とも接続でき、広帯域対応の端末同士の場合には、広帯域音声が得られるようになることが望ましい。

電話帯域音声信号(3.4kHz帯域)を広帯域音声信号(7kHz帯域)に拡張する帯域拡張方法が、非特許文献１、非特許文献２で提案されている。これらの方法では、伝送されてきた電話帯域音声信号のみから広帯域音声信号を生成するものである。帯域拡張の際、電話帯域の音声スペクトル包絡（LSPパラメータ）より広帯域音声信号のスペクトル包絡を求めることが非常に重要である。これらの方式では、音声信号のスペクトル包絡を電話帯域から広帯域に変換する方法として、マッピングを用いている。つまり、同じ音声区間を対象に学習した電話帯域用の包絡スペクトルの符号帳と広帯域用の包絡ベクトルの符号帳を予め用意しておき、送信側からは電話帯域音声情報のみが送られてくる。伝送されてきた電話帯域音声より得られた音声のスペクトル包絡情報を抽出し、電話帯域用の包絡スペクトル符号帳の中から最も近いコードを選び出す。このコードが電話帯域音声信号の包絡情報なので、このコードに対応づけされている広帯域用の符号帳のコードを広帯域音声信号のスペクトル包絡として用いられる。
吉田 由紀，阿部 匡伸、"コードブックマッピングによる狭帯域音声から広帯域音声の生成法，" 信学論，(D−2)，Vol.J78−D−2，No.3，pp.391−399，March. 1995. 中藤 良久，津島 峰生，則松 武志，"スペクトル線形写像による帯域制限音声の広帯域化，" 信学論，(D−2)，Vol.J83−D−2，No.11，pp.2246−2254，Nov. 2000.

前記した非特許文献１及び非特許文献２で提案された帯域拡張方法によれば、電話帯域のスペクトル包絡が決まれば、広帯域のスペクトル包絡も一意に決定される。しかし、電話帯域内でのスペクトル包絡の形状が同じであっても、それより周波数が高い帯域が一意に決まるとは限らず、この方法では高品質を実現することはできない。
本発明の目的は電話帯域のみに応動する端末に対しても接続が可能であり、広帯域対応の端末間では広帯域音声信号で通信することを可能とすることは無論のこと、特に広帯域音声信号を高品質に復号可能とする音声量子化方法及び装置を提案しようとするものである。

電話帯域音声信号を送信側と受信側でやり取りするシステムにおいて、送信側である長さをフレーム長として、広帯域音声信号とそれに対応した電話帯域音声信号をそれぞれ分析して、電話帯域音声信号のLSPパラメータと広帯域音声信号のLSPパラメータを算出し、広帯域音声信号のLSPパラメータを量子化するための広帯域LSPパラメータ符号帳を予め用意しておき、まず、電話帯域音声信号のLSPパラメータを用いて広帯域LSPパラメータ符号帳の中から候補（ベクトル）を電話帯域音声信号のLSPパラメータと各候補のひずみを計算することで、幾つかの候補に絞り込み、これら広帯域LSPパラメータ符号帳から選びだされた候補の中から、入力された広帯域音声信号のLSPパラメータに一番近い候補を選び、その選ばれた候補ベクトルを微少ビットの符号に量子化する。

電話帯域音声信号のLSPパラメータは受信側でも得ることができるので、広帯域LSPパラメータ符号帳とひずみの計算ができる。入力された広帯域音声のLSPパラメータに近いものを選ぶときには、予め電話帯域音声信号のLSPパラメータで広帯域LSPパラメータ符号帳に格納されている多数の広帯域LSPパラメータの中から歪みの小さい順に絞り込んだ極く少数の広帯域LSPパラメータの中から選択し、量子化すればよいから、量子化に必要なビットを削減できる。

本発明によれば電話帯域音声信号のLSPパラメータに基づき、広帯域音声信号のLSPパラメータを効率的に表現するので、広帯域音声信号のLSPパラメータをそのまま量子化するより、少ないビット数で量子化することができる。更に、微少ビット数であっても、広帯域情報として付加ビット情報を送信するから、受信側ではこの付加ビット情報により広帯域情報を復号することができる。この結果、電話帯域音声信号のみを頼りに広帯域音声信号を復号する従来の方法と比較して再生音声を高品質化することができる。

本発明による音声量子化装置はハードウェアによって構成することも可能であるが、現実には本発明による音声量子化プログラムをコンピュータにインストールし、コンピュータに音声量子化装置として機能させる実施形態が最良である。
コンピュータに音声量子化装置として機能させるためには、コンピュータに本発明による音声量子化プログラムをインストールし、コンピュータに備えられたCPUで音声量子化プログラムを解読させることにより、コンピュータに音声信号をある長さをフレーム長として広帯域音声信号のLSPパラメータを算出する広帯域音声分析部と、音声信号をある長さをフレーム長として広帯域音声信号の帯域より狭い帯域に制限された電話帯域音声信号のLSPパラメータを算出する電話帯域音声分析部と、広帯域音声信号のLSPパラメータを量子化するための広帯域LSPパラメータ符号帳と、電話帯域音声信号のLSPパラメータを用いて広帯域LSPパラメータ符号帳の中から候補となるベクトルを幾つか選び出す探索部と、この探索部で選び出されたベクトルの候補の中から広帯域音声信号のLSPパラメータに最も近似したベクトルを特定し、このベクトルを基に広帯域音声信号のLSPパラメータを量子化する広帯域LSP量子化部とを構築し音声量子化装置として機能させる。

ここで本発明による音声量子化装置とこの音声量子化装置で量子化された符号を復号する復号装置の実施形態を説明する。
図１は音声量子化装置１００を示し、図２は復号装置２００を示す。音声量子化装置１００と復号化装置２００はともに電話帯域処理部と広帯域処理部とからなっている。音声量子化装置１００は広帯域音声信号をローパスフィルタ１１によって例えば3.4kHzの帯域幅に帯域制限し、ダウンサンプラ１２でダウンサンプリングしたのち電話帯域量子化部１３によって符号化する。

広帯域量子化部１５は広帯域音声信号と電話帯域量子化部１３で符号化された符号を復号して得られた復号音声信号により高域の音声生成に必要な情報を符号化する。
電話帯域量子化部１３で符号化された電話帯域符号と、広帯域量子化部１５で符号化された拡張符号はパケット化部１６でパケット化されて伝送データとして送信される。
復号装置２００は送られて来たパケット信号をパケット分離部１７で電話帯域符号と拡張符号に分離する。電話帯域符号は電話帯域復号部１８で復号され、復号音声を生成する。広帯域復号部２０は電話帯域復号部１８の復号音声と拡張符号を用いて広域部の音声信号を生成する。生成された高域部の音声信号をハイパスフィルタ１９Bによって高域のみを取り出し、アップサンプラ１９Aでアップサンプリングされた電話帯域音声信号と加算し、広帯域音声信号を得る。

音声量子化装置１００に用いられている広帯域量子化部１５の構成を図３に示す。処理の流れは以下の通りである。電話帯域復号部２１で復号した電話帯域音声信号を電話帯域音声分析部２３でLPC分析してLSPパラメータを得る。同様に広帯域音声信号を広帯域音声分析部２２でLPC分析して広帯域音声信号のLSPパラメータを得る。電話帯域音声信号のLSPパラメータと広帯域音声信号のLSPパラメータとを用いて広帯域LSP量子化部２４で広帯域LSPパラメータを量子化し、拡張情報としてインデックスindexを生成する。
復号部２００の広帯域復号部２０の構成を図４に示す。処理の流れは以下の通りである。

電話帯域音声信号を電話帯域音声分析部３２でLPC分析してLSPパラメータを得る。また、伝送されて来たインデックスindexと電話帯域音声信号のLSPパラメータを用い、広帯域LSP生成部３３で広帯域LSPパラメータを得る。広帯域LSPパラメータをLPC係数に変換して逆フィルタ３５と合成フィルタ３７にセットする。電話帯域音声信号をアップサンプラ３４でアップサンプル後、逆フィルタ３５に通し、電話帯域残差信号を作成する。次に、高域残差信号生成部３６において、電話帯域残差信号から非線形処理によって高域成分の残差信号を生成し、合成フィルタ３７によって高域の音声を生成する。この高域音声信号はハイパスフィルタ３８で抽出され図２に示した電話帯域復号部１８で復号された電話帯域信号に加算され、広帯域信号を生成する。

図３に示した広帯域LSP量子化部２４の詳細を図５に示す。広帯域LSP量子化部２４は図５に示す通り、LSP探索部４２は電話帯域音声信号を分析して得られたLSPパラメータYと、広帯域音声信号を分析して得られたLSPパラメータXを用いて、広帯域LSPパラメータ符号帳４１より、最も対応の良いコードを選択する。広帯域LSPパラメータ符号帳４１の各候補ベクトルZi（M候補）の低次の部分の特性が電話帯域音声信号のLSPパラメータYに対応する。例えば、電話帯域音声信号のLSPパラメータYを８次のベクトル、広帯域音声信号のLSPパラメータXを１６次のベクトルとする。

まず、広帯域LSPパラメータ符号帳４１の各候補ベクトルZiの中から電話帯域音声信号のLSPパラメータYの形状に近いものを選択するため、すべての候補（M個）について両者のひずみを計算する。次に、すべての候補の中からひずみの小さい上位N個の候補を選択する。広帯域LSPパラメータ符号帳４１に相当する符号帳は受信側にも設けられるため、この処理は受信側でも同様に行うことができる。上位N個の候補ベクトルと実際に入力された広帯域音声信号のLSPパラメータとのひずみを計算し、最もひずみの小さい候補の情報をindexとして伝送する。例えば、広帯域LSPパラメータ符号帳４１の候補M=128（７ビット）に対して、電話帯域信号のLSPパラメータで予め予備選択しておくことで、インデックスとしては７ビット全てを伝送する必要はなく、N＝８〜１６（３〜４ビット）のインデックスindexを伝送するだけですむ。

つまり、受信側では送信されたインデックスindexと復号された電話帯域信号とを用いて広帯域LSP生成部３３（図４）に備えられた広帯域LSPパラメータ符号帳から、送信側で選択した候補と同じ広帯域LSPパラメータを抽出することができる。この抽出された広帯域LSPパラメータは、送信側で実際に入力された広帯域音声信号のLSPパラメータと最も近似したLSPパラメータと判定したLSPパラメータと一致する。従ってこの広帯域LSPパラメータを用いて高域成分を復号することにより常時高品質の広帯域信号を復号できることになる。この結果、本発明によれば少数ビットのインデックスindexを付加して伝送するだけで、高品質の広帯域信号を再生できることになる。

広帯域LSPパラメータ符号帳４１の各候補ベクトルZi(j)と電話帯域信号のLSPパラメータベクトルY(j)のひずみ計算方法として、図６に示すように各候補ベクトルZi(j)と電話帯域信号のLSPパラメータベクトルY(j)同士のひずみを、低次のベクトルより順番に計算し、その総和を求め、総和の小さい方からN個の候補ベクトルを抽出する。この探索方法を順序探索法と称す。この順序探索法を数式で表すと、

となる。

広帯域LSPパラメータ符号帳４１の各候補ベクトルZi(j)と電話帯域信号のLSPパラメータベクトルY(j)のひずみ計算の方法として、図７に示すように、電話帯域音声信号のLSPパラメータ各要素に対して広帯域LSPパラメータ符号帳４１の候補ベクトルZi(j)の要素のすべての組み合せについてひずみを求め、電話帯域音声信号のLSPパラメータ要素に対して一番小さいひずみを与える候補ベクトルの要素の組み合わせを対とし、電話帯域信号LSPパラメータのすべての要素について一番小さいひずみを与える対のひずみの和を求め、その候補ベクトルのひずみとし、各候補ベクトルについても同様に計算して、ひずみの小さい上位N個を選択する。この選択方法を最小ひずみ探索法と称す。この最小ひずみ探索法を数式で表わすと、

となる。

広帯域用LSPパラメータ符号帳４１を一段の符号帳ではなく、多段の符号帳とする。２段目以降の情報を伝送するものとする。例えば、２段構成の時には次式で表される。

広帯域用LSPパラメータ符号帳４１を該当フレームのみで求めるのではなく、前フレームのものに重み掛けを用いて量子化する。例えば第ｎフレーム目のLSPパラメータΩnは１次のフレーム間予測を用いて次式によって量子化する。
Ωn＝G0・Cn＋G1・Cn−1
Giは固定の予測係数、G0は現フレームに対する値、G1は前フレームに対する値、CnはLSP符号帳の出力ベクトルである。
以上説明した本発明による音声量子化装置はハードウェアによって構成することも可能であるが、より簡素に実現するにはコンピュータに本発明による音声量子化プログラムをインストールし、この音声量子化プログラムをコンピュータに備えられたCPUに解読させ実行させることによりコンピュータを音声量子化装置として機能させる実施形態が最良である。

本発明による音声量子化プログラムはコンピュータが解読可能なプログラム言語によって記述され、コンピュータが読み取り可能な磁気ディスク或いはCD-ROMのような記録媒体に記録される。コンピュータにインストールするにはこれらの記録媒体から或いは通信回線を通じてインストールされる。

電話会議装置の分野或いはインターネットを利用したIP電話の分野で活用される。

本発明による音声量子化装置の全体を説明するためのブロック図。 本発明による音声量子化装置で量子化した符号を復号する復号部を説明するためのブロック図。 本発明による音声量子化装置に用いる広帯域量子化部の概要を説明するためのブロック図。 図２に示した復号部で用いる広帯域復号部の構成を説明するためのブロック図。 本発明による音声量子化装置に用いる探索部を説明するためのブロック図。 図５に示した探索部で用いる探索方法の一例を説明するための図。 図５に示した探索部で用いる探索方法の他の例を説明ための図。

符号の説明

１００ 音声量子化装置 ２２ 広帯域音声分析部
１１ ローパスフィルタ ２３ 電話帯域音声分析部
１２ ダウンサンプラ ２４ 広帯域LSP量子化部
１３ 電話帯域量子化部 ３１ 電話帯域復号部
１４ 遅延器 ３２ 電話帯域音声分析部
１５ 広帯域量子化部 ３３ 広帯域LSP生成部 １６ パケット化部 ３４ アップサンプラ
１７ パケット分離部 ３５ 逆フィルタ
１８ 電話帯域復号部 ３６ 高域残差信号生成部
１９Ａ アップサンプラ ３７ 合成フィルタ
１９Ｂ ハイパスフィルタ ３８ ハイパスフィルタ
２０ 広帯域復号部 ４１ 広帯域LSPパラメータ符号帳
２１ 電話帯域復号部 ４２ LSP探索部

Claims (7)

1. 音声信号をある長さをフレーム長として、広帯域音声信号とそれに対応し、前記広帯域音声信号の帯域より狭い帯域に制限された電話帯域音声信号をそれぞれ分析して、電話帯域音声信号のLSPパラメータと広帯域音声信号のLSPパラメータを算出し、広帯域音声信号のLSPパラメータを量子化するための広帯域LSPパラメータ符号帳に対して、電話帯域音声信号のLSPパラメータを用いて広帯域LSPパラメータ符号帳の中から候補を幾つか選び出し、これら広帯域LSPパラメータ符号帳から選び出された候補の中から、入力された広帯域音声信号のLSPパラメータに一番近い候補を選ぶことにより、音声の包絡情報であるLSPパラメータを量子化することを特徴とする音声量子化方法。
2. 請求項１記載の音声量子化方法において、
   広帯域LSPパラメータ符号帳から電話帯域音声のLSPパラメータベクトルを用いて候補ベクトルを選択する際、それぞれのベクトルを低次より順番にベクトル相互のひずみを計算して各ひずみの和を求め、和の値の小さいものから順番に予め定めたＮ個まで選択することを特徴とする音声量子化方法。
3. 請求項１記載の音声量子化方法において、
   前記探索部が前記広帯域LSPパラメータ符号帳から電話帯域音声信号のLSPパラメータベクトルを用いて候補ベクトルを選択する際、前記電話帯域音声信号のLSPパラメータ各要素に対して広帯域LSPパラメータ符号帳の要素のすべての組み合せについてひずみを求め、前記電話帯域音声信号のLSPパラメータ要素に対して一番小さいひずみを与える候補ベクトルの要素を対とし、前記電話帯域音声信号のLSPパラメータのすべての要素について一番小さいひずみを与える対のひずみの和を求め、その候補ベクトルとのひずみとし、各候補ベクトルについても同様に計算して、ひずみの和の小さいものから順番に予め定めたＮ個まで選択することを特徴とする音声量子化方法。
4. 音声信号をある長さをフレーム長として広帯域音声信号のLSPパラメータを算出する広帯域音声分析部と、
   音声信号をある長さをフレーム長として前記広帯域音声信号の帯域より狭い帯域に制限された電話帯域音声信号のLSPパラメータを算出する電話帯域音声分析部と、
   広帯域音声信号のLSPパラメータを量子化するための広帯域LSPパラメータ符号帳と、
   電話帯域音声信号のLSPパラメータを用いて広帯域LSPパラメータ符号帳の中から候補となるベクトルを幾つか選び出す探索部と、
   この探索部で選び出されたベクトルの候補の中から前記広帯域音声のLSPパラメータに最も近似したベクトルを特定し、このベクトルを基に前記広帯域音声信号のLSPパラメータを量子化する広帯域量子化部と、
   を備えることを特徴とする音声量子化装置。
5. 請求項４記載の音声量子化装置において、
   前記探索部は前記広帯域LSPパラメータ符号帳から前記電話帯域音声信号のLSPパラメータのベクトルを用いて候補ベクトルを選択する際、それぞれのベクトルを低次より順番にひずみを計算し、ひずみの和を求め、ひずみの和の値が小さいものから順番に予め定めたＮ個まで選択することを特徴とする音声量子化装置。
6. 請求項４記載の音声量子化装置において、
   前記探索部は広帯域LSPパラメータ符号帳から電話帯域音声信号のLSPパラメータのベクトルを用いて候補ベクトルを選択する際、電話帯域音声信号のLSPパラメータ各要素に対して広帯域LSPパラメータ符号帳の候補ベクトルの要素のすべての組み合せについてひずみを求め、電話帯域音声信号のLSPパラメータ要素に対して一番小さいひずみを与える候補ベクトルの要素を対とし、電話帯域音声信号のLSPパラメータのすべての要素について一番小さいひずみを与える対のひずみの和を求め、その候補ベクトルとのひずみとし、各候補ベクトルについても同様に計算して、ひずみの和の値が小さいものから順番に予め定めたＮ個まで選択することを特徴とする音声量子化装置。
7. コンピユータが解読可能なプログラム言語によって記述され、コンピユータに請求項４乃至６記載の装置として機能させるプログラム。

Images