JP2658438B2

JP2658438B2 - 音声符号化方法とその装置

Info

Publication number: JP2658438B2
Application number: JP1270263A
Authority: JP
Inventors: 一範小澤
Original assignee: Nippon Electric Co Ltd
Current assignee: NEC Corp
Priority date: 1989-10-19
Filing date: 1989-10-19
Publication date: 1997-09-30
Anticipated expiration: 2012-09-30
Also published as: JPH03132799A

Description

【発明の詳細な説明】〔産業上の利用分野〕本発明は音声信号を低いビットレート、特に4.8kb/s
程度で、比較的少ない演算量により高品質に符号化する
ための音声符号化方式に関する。

〔従来の技術〕

音声信号を4.8kb/s程度の低いビットレートで符号化
する方式としては、例えば特願昭63−208201号明細書
（文献１）等に記載されている音声符号化方式が知られ
ている。この方式では、送信側では、フレーム毎の音声
信号から音声信号のスペクトル特性を表すスペクトルパ
ラメータとピッチ周期を表すピッチパラメータを抽出
し、音声信号を音響的特徴を用いて複数種類（母音性，
破裂性，摩擦性など）に分類し、母音性区間では１フレ
ームの音源信号を改良ピッチ補間により次のように表
す。１フレームをピッチ区間毎に分割した複数個のピッ
チ区間のうちの一つのピッチ区間（代表区間）について
マルチパルスを求める。同じフレームの他のピッチ区間
では、代表区間におけるマルチパルスの振幅，位相を補
正するための振幅，位相補正係数をピッチ区間毎に求め
る。そして代表区間のマルチパルスの振幅，位相、他の
ピッチ区間での振幅，位相補正係数とスペクトル，ピッ
チパラメータを伝送する。また、破裂，過渡性区間では
フレーム全体でマルチパルスを求める。また、摩擦性区
間では、予め定められた種類の雑音信号からなるコード
ブックから、雑音信号により合成した信号と入力音声信
号との誤差電力を最小化するように一種類の雑音信号を
選択するとともに最適なゲインを計算する。そして雑音
信号の種類を表すインデクスとゲインを伝送する。

〔発明が解決しようとする課題〕

上述した従来方式では、周囲雑音等の影響がなくピッ
チ周期が正しく抽出されるときは、母音性区間において
良好な音質の再生音声を得ることが可能であった。しか
しながら、話者により入力音声信号のピッチ周期が極端
に長いときや、ピッチ周期が極端に短いとき、あるいは
入力音声信号に周囲雑音等が重畳した場合などで、ピッ
チ周期が誤って抽出されると、母音性区間で音質がかな
り劣化していた。この劣化は、ピッチ補間の際に誤った
ピッチ周期を用いて補間処理を行い音源信号を復元する
と、位相歪が発生することに起因する。従ってピッチ周
期を正確に求めることは良好な音質を保持するために重
要であった。

本発明の目的は、上述した問題点を解決し、比較的少
ない演算量により4.8kb/s程度で音質の良好な音声符号
化方式を提供することにある。

〔課題を解決するための手段〕

第１の発明は、入力した離散的な音声信号から予め定
められたフレーム毎にスペクトル包絡を表すスペクトル
パラメータとピッチを表すピッチパラメータを求め、前
記音声信号の音源信号を前記ピッチパラメータを用いて
効率的に表し符号化する音声符号化方法において、複数種類の異なるピッチ周期を計算し、前記ピッチ周
期の各々に対して前記フレーム区間を前記ピッチ周期に
応じた小区間に分割し、前記小区間の内の１つの区間に
おいて複数個のパルスから構成されるマルチパルスを求
め、他の小区間では前記マルチパルスの振幅あるいは位
相の少なくとも一方を補正する補正係数を求めて音源信
号を復元し、前記復元音源信号と前記音声信号から誤差
電力を求め、前記誤差電力が最小になるピッチ周期を選
択することを特徴とする。

また第２の発明は、入力した離散的な音声信号から予
め定められたフレーム毎にスペクトル包絡を表すスペク
トルパラメータを求め符号化するスペクトルパラメータ
計算手段と、ピッチを表すピッチパラメータを求めて符号化するピ
ッチパラメータ計算手段と、前記音声信号の音源信号を前記ピッチパラメータを用
いて効率的に表し符号化する音声符号化装置において、異なるピッチ周期を計算する複数種類のピッチ周期計
算手段と、前記ピッチ周期の各々に対して前記フレーム区間を前
記ピッチ周期に応じた小区間に分割し、前記小区間の内
の１つの区間において複数個のパルスから構成されるマ
ルチパルスを求め、他の小区間では前記マルチパルスの
振幅あるいは位相の少なくとも一方を補正する補正係数
を求めて符号化しさらに音源信号を復元する音源計算手
段と、前記ピッチ周期の各々に対して前記復元音源信号と前
記音声信号から誤差電力を求め、前記誤差電力の最小値
に対応するピッチ周期を選択する選択手段と、前記スペクトルパラメータ計算手段と前記選択手段と
前記音源計算手段から出力される符号を組み合わせて出
力する出力手段とを有することを特徴とする。

〔作用〕

本発明による音声符号化方式は、特にピッチ抽出の方
法に特徴がある。フレーム区間（例えば20ms）毎の音声
信号から、異なるＮ種類のピッチ抽出法を並列に用いて
Ｎ種類のピッチ周期（T₁〜T_N）を計算する。

ここでピッチ周期の抽出法としては、例えば、周知の
自己相関関数に基づく方法、変形共分散関数を用いる方
法、予測残差信号の自己相関関数を用いる方法、ケプス
トラムを用いる方法、AMDF関数を用いる方法などがあ
る。各方法については、例えば、Markel,Gray氏らによ
る“Linear Prediction"（Springer−Verlag社1975年）
と題した刊行物（文献２）や、Rabiner氏らによる“A C
omparative Performance Study of Several Pitch Dete
ction Algorithms"（IEEE Trans.A.S.S.P.,pp.399−41
8,1976）（文献３）や、Ramachandran“Pitch Predicti
on Filters in Speech Coding"（IEEE Trans.Acoust.Sp
eech and Signal Processing,pp.467−478,1989）と題
した論文（文献４）等を参照できるので、ここでは説明
は省略する。

Ｎ種類のピッチ周期に対して、フレーム区間の音声信
号をピッチ周期に等しい長さのサブフレーム区間に分割
し、一つのサブフレーム区間でマルチパルスを一旦求め
る。そして他のサブフレームでは前記マルチパルスのゲ
イン，位相を補正するためのゲイン，位相補正係数を求
め、フレームの音源信号を復元する。以上の処理を各ピ
ッチ周期に対して並列に行う。そして入力音声との誤差
電力が最も小さくなるピッチ周期を選択する。

次に前記選択されたピッチ周期を用いて音源信号を計
算し符号化するのであるが、これらの処理は前記文献１
の音源信号計算回路，符号化回路等を参照できる。

〔実施例〕

第１図は、第１の本発明による音声符号化方式を実施
する音声符号化装置の構成を示すブロック図である。

図において、送信側では、入力端子100から音声信号
を入力し、１フレーム分（例えば20ms）の音声信号をバ
ッファメモリ110に格納する。

LPS分析回路130は、フレームの音声信号のスペクトル
特性を表すパラメータとして、Ｋパラメータを前記フレ
ームの音声信号から周知のLPC分析を行い、予め定めら
れた次数Ｐだけ計算する。この具体的な計算法について
は前記文献１のＫパラメータ計算回路を参照することが
できる。なお、ＫパラメータはPARCOR係数と同一のもの
である。次にＫパラメータを予め定められた量子化ビッ
ト数で量子化して得た符号l_kをマルチプレクサ260へ出
力するとともに、これを復号化してさらに線形予測係数
a_i′（ｉ＝１〜Ｍ）に変換し、重み付け回路200,インパ
ルス応答計算回路170,合成フィルタ281へ出力する。Ｋ
パラメータの符号化,Kパラメータから線形予測係数への
変換の方法については、前記文献１等を参照できる。

ピッチ周期計算回路150では、第２図に詳細を示すよ
うに、まず複数種類の異なるピッチ周期抽出回路151₁〜
151_Nを並列に動作させ、フレーム毎の音声信号のピッチ
周期T₁〜T_Nを計算する。ピッチ周期の計算法としては、
例えば、周知の自己相関関数に基づく方法、変形共分散
関数を用いる方法、予測残差信号の自己相関関数を用い
る方法、ケプストラムを用いる方法、AMDF関数を用いる
方法などがある。各方法については、例えば、前記文献
２〜４を参照することができるので、ここでは説明は省
略する。

マルチパルス計算回路152₁〜152_Nでは、フレーム区間
を前記ピッチ周期T₁〜T_Nを用いてピッチ周期毎のサブフ
レームに分割し、一つのサブフレーム（例えばフレーム
の先頭のサブフレーム）に対して予め定められた個数の
マルチパルスを求める。マルチパルスの振幅，位相の計
算法としては、例えば特願昭57−231603号明細書（文献
５）等を参照できる。

次に補正係数計算回路153₁〜153_Nは、前記マルチパル
スを用いて、同一フレームの他のサブフレームにおける
前記マルチパルスのゲイン，位相補正係数をサブフレー
ム毎に計算する。補正係数計算の具体的な方法について
は、前記文献１等を参照できるのでここでは説明を省略
する。

次に誤差電力計算回路154₁〜154_Nは、マルチパルスと
補正係数を用いて次式によりフレームの音源信号ｖ
（ｎ）を復元する。

ここでc_j,d_jはサブフレーム区間ｊで求めたゲイン，位
相補正係数である。g_i,m_iは先頭のサブフレームを求め
たｉ番目のマルチパルスの振幅，位相を示す。Ｔはピッ
チ周期である。

復元した音源信号を用いて信号を再生し入力音声信号
との聴感重み付け誤差電力E_wは次式のようになる。

ここでΦは、次式で表される聴感重み付け入力信号x_w
（ｎ）と、聴感重み付け合成フィルタのインパルス応答
h_w（ｎ）との相互相関関数である。

またR_hh（ｍ）はインパルス応答h_w（ｎ）の自己相関
関数である。

ここで、各サブフレーム毎にゲイン補正係数を求めた
ときに各サブフレーム毎の聴感重み付け誤差電力E_wjは
次式のように計算できる。

従って、聴感重み付け誤差電力は（２）また（３）式
を用いることにより、信号を実際に再生しなくても計算
することができる。また、（２），（３）式の第１項は
フレーム内では定数であるので、聴感重み付け誤差電力
を最小化するには、（２），（３）式の右辺第２項と第
３項の和を最大化すればよい。従って、ピッチ周期選択
回路155は、（２），（３）式の第２項と第３項の和が
最大となるピッチ周期をT₁〜T_Nのうちから選択して出力
する。

第１図にもどって、符号器160は、選択されたピッチ
周期を予め定められたビット数で量子化して得た符号を
マルチプレクサ260へ出力するとともに、これを復号化
して得た復号ピッチ周期Ｔ′を駆動音源復元回路283,音
源計算回路220,補正係数計算回路270へ出力する。

インパルス応答計算回路170は、前記線形予測係数
a_i′を用いて、聴感重み付けを行った合成フィルタのイ
ンパルス応答h_w（ｎ）を計算し、これを自己相関関数計
算回路180,相互相関関数計算回路210へ出力する。

自己相関関数計算回路180は、前記インパルス応答の
自己相関関数R_hh（ｎ）を予め定められた遅れ時間まで
計算して出力する。インパルス応答計算回路170、自己
相関関数計算回路180の動作は前記文献１等を参照する
ことができる。

減算器190は、フレームの音声信号ｘ（ｎ）から合成
フィルタ281の出力を１フレーム分減算し減算結果を重
み付け回路200へ出力する。

重み付け回路200は、前記減算結果をインパルス応答
がｗ（ｎ）で表される聴感重み付けフィルタに通し、重
み付け信号x_w（ｎ）を得てこれを出力する。重み付けの
方法は、前記文献１等を参照できる。

相互相関関数計算回路210は、x_w（ｎ）とh_w（ｎ）を
入力して相互相関関数Φ_xhを予め定められた遅れ時間ま
で計算し出力する。この計算法は、前記文献１等を参照
できる。

次に音源計算回路220は、符号器160で得られたピッチ
周期を用いて、入力音声の母音性区間では改良ピッチ補
間にもとづき、フレームをピッチ周期に等しい長さのピ
ッチ区間に分割し、一つのピッチ区間（代表区間）にお
いて予め定められた個数のマルチパルスの振幅と位相を
求める。具体的な方法は前記文献１を参照できる。

パルス符号器225は、代表区間のマルチパルスの振幅g
_i,位相m_iを予め定められたビット数で符号化してマルチ
プレクサ260へ出力するとともに、これらを復号化して
補正係数計算回路270,駆動音源復元回路283へ出力す
る。

補正係数計算回路270は、代表区間以外のピッチ区間
におけるゲイン，位相補正係数を求め出力する。

符号器230は、ゲイン補正係数c_k,位相補正係数d_kを予
め定められたビット数で符号化してマルチプレクサ260
へ出力する。さらに、これらを復号化して駆動信号復元
回路283へ出力する。

駆動音源復元回路283は、ピッチ周期Ｔ′を用いてフ
レームをピッチ周期に等しいピッチ区間毎に分割し、代
表区間に前記マルチパルスにより求めた音源信号ｄ
（ｎ）を発生し、代表区間以外のピッチ区間では、前記
代表区間の音源信号と復号化されたゲイン補正係数、復
号化された位相補正係数を用いて、次式に従いフレーム
全体の音源信号ｖ（ｎ）を復元する。

ｖ（ｎ）＝Σc_k・ｄ（ｎ−Ｔ′−d_k）＋ｄ（ｎ）・・・
（11）合成フィルタ281は、復元された音源信号ｖ（ｎ）を
入力し、線形予測係数a_i′を入力して１フレーム分の合
成音声信号を求めるとともに、次のフレームへの影響信
号を１フレーム分計算しこれを減算器190へ出力する。
なお、影響信号の計算法は前記特願昭57−231605号明細
書等を参照できる。

これらの回路における詳細な計算方法については、前
記文献１の音源信号計算回路、ゲイン，位相補正係数計
算回路、駆動信号復元回路等を参照できる。

マルチプレクサ260は、代表区間のマルチパルスの振
幅，位相を表す符号、代表区間のフレーム内の位置を表
す符号、ピッチ周期の符号、ゲイン補正係数，位相補正
係数を表す符号、Ｋパラメータを表す符号を組み合わせ
て出力する。

第３図は第２の発明を実施する音声符号化装置の構成
を示すブロック図である。第３図において第１図，第２
図と同一の番号を付した構成要素は第１図，第２図と同
一の動作を行うので、説明は省略する。

本発明では、ピッチ周期計算回路151₁〜151_Nにより、
異なるＮ種類のピッチ周期T₁〜T_Nを抽出する。そしてこ
れらのピッチ周期を用いて、音源計算回路220₁〜220_N、
符号器225₁〜225_N、補正係数計算回路270₁〜270_N、符号
器230₁〜230_N、誤差電力計算回路154₁〜154_Nを並列に動
作させ、Ｎ種類の符号化を行う。

選択回路300では、誤差電力を最小にする、つまり誤
差電力計算に（２），（３）式を用いるときは第２項を
最大化する符号化パスをＮ種類の符号化パスから選択す
る。また（10）式を用いるときは第2,3項を最大化する
符号化パスをＮ種類の符号化パスから選択する。

マルチプレクサ260は、選択回路300により選択された
符号化パスのパラメータ（代表区間のフレーム内位置を
表す符号、代表区間で求めたマルチパルスの振幅，位相
を表す符号、ピッチ周期の符号、ゲイン，位相補正係数
を表す符号）と、Ｋパラメータを表す符号を組み合わせ
て出力する。

上述した各実施例はあくまで本発明の一例にすぎず、
その変形例も種々考えられる。

例えば、代表区間以外のピッチ区間では、ゲイン補正
係数c_kと位相補正係数d_kを求めて伝送したが、復号化し
た平均ピッチ周期Ｔ′を隣接のピッチ周期を用いてピッ
チ区間毎に補間することにより位相補正係数を伝送しな
い構成とすることもできる。またゲイン補正係数はピッ
チ区間毎に伝送するのではなくて、ピッチ区間毎に求め
たゲイン補正係数の値を最小２乗曲線あるいは最小２乗
直線で近似して、前記曲線あるいは直線の係数符号化し
て伝送するような構成にしてもよい。これらの方法は任
意の組合せにより用いることができる。これらの構成よ
り補正情報の伝送のための情報量を低減することができ
る。

また位相補正係数として、例えばOno,Ozawa氏らによ
る“2.4kbps Pitch Prediction Multi−pulse Speech C
oding"と題した論文（Proc.ICASSPS4.9,1988）（文献
６）等に記載されているように、フレームの端で線形位
相項τを求め、これを各ピッチ区間に分配し、ピッチ区
間毎には位相補正係数を求めない構成とすることもでき
る。これ以外にも、ピッチ区間毎に求めた位相補正係数
の値を最小２乗直線あるいは最小２乗曲線等で近似し
て、その係数を符号化して伝送するようにしてもよい。

また、誤差電力計算回路において、演算量は増加する
が入力音声と再生音声との誤差電力を実際に計算しても
よい。具体的には、復元した音源信号を用いて合成フィ
ルタを駆動して再生信号（ｎ）を求め、次式に従い誤
差電力E_wを計算することもできる。

また、文献１のように、フレームの音声信号の特徴に
応じて異なる音源信号を用いるようにすることもでき
る。例えば、音声信号を母音性，鼻音性，摩擦性，破裂
性などに分類し、母音性区間に本発明による構成を用い
るようにすることもできる。

また、音源信号としては、本実施例で述べた改良ピッ
チ補間マルチパルスに限らず、ピッチ補間マルチパルス
音源や、ピッチ予測マルチパルス音源などを用いること
もできる。ピッチ補間マルチパルス音源の具体的な求め
方は、特願昭59−272435号明細書（文献７）等を参照で
きる。また、ピッチ予測マルチパルス音源の求め方は、
特願昭59−131925号明細書（文献８）や、特願昭63−14
7253号明細書（文献９）等を参照することができる。

また、スペクトルパラメータとしてＫパラメータを符
号化し、その分析法としてLPC分析を用いたが、スペク
トルパラメータとしては他の周知なパラメータ、例えば
LSP、LPCケプストラム、ケプストラム、改良ケプストラ
ム、一般ケプストラム、メルケプストラムなどを用いる
こともできる。また各パラメータに最適な分析法を用い
ることができる。

また、演算量を低減するために、送信側では影響信号
の計算を省略することもできる。これによって、送信側
における駆動音源復元回路283,合成フィルタ281,減算器
190は不要となり演算量低減が可能となるが、音質は低
下する。

なお、デジタル信号処理の分野でよく知られているよ
うに、自己相関関数は周波数軸上でパワスペクトルに、
相互相関関数はクロスパワスペクトルに対応しているの
で、これらから計算することもできる。これらの計算法
については、Oppenheim氏らによる“Digital Signal Pr
ocessing"（Prentice−Hall,1975）と題した刊行物（文
献10）等を参照できる。

〔発明の効果〕

以上述べたように、本発明によれば、異なる複数種類
のピッチ抽出法を並列に動作させ、音源信号であるマル
チパルスを一旦求め、最終的な誤差電力を計算して最も
良好なピッチ周期を選択し、符号化を行っているため、
入力音声に周囲雑音が重畳したり、ピッチ周期の抽出が
困難であった話者に対しても、正確なピッチ抽出が可能
で、4.8kb/s程度のビットレートで、良好な音質の符号
化再生音声を得ることができるという大きな効果があ
る。

【図面の簡単な説明】

第１図は第１の発明による音声符号化方式を実施する音
声符号化装置の構成を示すブロック図、第２図はピッチ周期計算回路の構成を示す図、第３図は第２の発明による音声符号化方式を実施する音
声符号化装置の構成を示すブロック図である。 110……バッファメモリ 130……LPC分析回路 150……ピッチ周期計算回路 151₁〜151_N……ピッチ周期抽出回路 152₁〜152_N……マルチパルス計算回路 153₁〜153_N……補正係数計算回路 154₁〜154_N……誤差電力計算回路 155……ピッチ周期選択回路 160,225,225₁〜225_N, 170……インパルス応答計算回路 180……自己相関関数計算回路 200……重み付け回路 220,220₁〜220_N……音源信号計算回路 230,230₁〜230_N……符号器 260……マルチプレクサ 270,270₁〜270_N……補正係数計算回路 281……合成フィルタ 283……駆動音源復元回路 300……選択回路

Claims

(57)【特許請求の範囲】

【請求項１】入力した離散的な音声信号から予め定めら
れたフレーム毎にスペクトル包絡を表すスペクトルパラ
メータとピッチを表すピッチパラメータを求め、前記音
声信号の音源信号を前記ピッチパラメータを用いて効率
的に表し符号化する音声符号化方法において、複数種類の異なるピッチ周期を計算し、前記ピッチ周期
の各々に対して前記フレーム区間を前記ピッチ周期に応
じた小区間に分割し、前記小区間の内の１つの区間にお
いて複数個のパルスから構成されるマルチパルスを求
め、他の小区間では前記マルチパルスの振幅あるいは位
相の少なくとも一方を補正する補正係数を求めて音源信
号を復元し、前記復元音源信号と前記音声信号から誤差
電力を求め、前記誤差電力が最小になるピッチ周期を選
択することを特徴とする音声符号化方法。
【請求項２】入力した離散的な音声信号から予め定めら
れたフレーム毎にスペクトル包絡を表すスペクトルパラ
メータを求め符号化するスペクトルパラメータ計算手段
と、ピッチを表すピッチパラメータを求めて符号化するピッ
チパラメータ計算手段と、前記音声信号の音源信号を前記ピッチパラメータを用い
て効率的に表し符号化する音声符号化装置において、異なるピッチ周期を計算する複数種類のピッチ周期計算
手段と、前記ピッチ周期の各々に対して前記フレーム区間を前記
ピッチ周期に応じた小区間に分割し、前記小区間の内の
１つの区間において複数個のパルスから構成されるマル
チパルスを求め、他の小区間では前記マルチパルスの振
幅あるいは位相の少なくとも一方を補正する補正係数を
求めて符号化しさらに音源信号を復元する音源計算手段
と、前記ピッチ周期の各々に対して前記復元音源信号と前記
音声信号から誤差電力を求め、前記誤差電力の最小値に
対応するピッチ周期を選択する選択手段と、前記スペクトルパラメータ計算手段と前記選択手段と前
記音源計算手段から出力される符号を組み合わせて出力
する出力手段とを有することを特徴とする音声符号化装
置。