JP3275249B2 - 音声符号化・復号化方法 - Google Patents
音声符号化・復号化方法Info
- Publication number
- JP3275249B2 JP3275249B2 JP22584391A JP22584391A JP3275249B2 JP 3275249 B2 JP3275249 B2 JP 3275249B2 JP 22584391 A JP22584391 A JP 22584391A JP 22584391 A JP22584391 A JP 22584391A JP 3275249 B2 JP3275249 B2 JP 3275249B2
- Authority
- JP
- Japan
- Prior art keywords
- residual
- basic
- frame
- residuals
- virtual
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Lifetime
Links
Description
質で符号化する符号化方法、及びその符号化された音声
符号を復号する復号化方法に関する。
式として、M.R.Schroeder、B.S.At
alによる文献(文献1),“Code−exited
linear prediction(CELP):
high−quality speech at ve
ry low bit rate”、IEEE Pro
c.of International Conf.A
coust.、Speech & Signal Pr
ocess.、pp.937−940(1985)方式
や、T.Moriya、M.Hondaによる文献(文
献2),“Transform Coding of
Speech using a weighted v
ector quantizer”,IEEE J.S
elected Areas in Communic
ations,JSAC−6,pp.425−431
(1988)などの方式が提案され検討されて来てい
る。これらの方式はCELP方式と呼ばれ、4.8kb
psから8kbps程度の符号化速度を対象にしたもの
であり、広く検討されている。CELP方式は、音声の
スペクトル包絡情報とピッチ情報および残差情報とによ
り音声を構成するモデルを用いる。そのため、符号化側
ではこれら3種類の情報を抽出/量子化し、復号側では
伝送されてきたこれら3種類の情報に基づいて音声波形
を再生する。
レームを複数に分割したサブフレーム単位で抽出/量子
化され、これが繰り返される。図7に、従来法における
音声波形と、スペクトル包絡情報の更新フレームとピッ
チ情報の更新フレームと、残差情報の更新フレームとの
関係例を示す。この例ではスペクトル包絡情報のフレー
ム更新周期が長く、他の情報のフレーム更新周期の2倍
になっている。従来のCELP方式の特徴の1つは、全
ての情報の更新フレームの境界が一致する時刻が周期的
に存在することであり、図7では、a,b,c点がこの
時刻に相当する。
新フレームの境界が一致すると、この境界部分に歪みが
集中することとなり、特に次のフレームの先頭部分での
劣化が大きくなる可能性が高い。これは、量子化値決定
における歪み最小の基準範囲がフレームまたはサブフレ
ームに閉じているためである。フレームの中央付近の値
の量子化値は前方や後方の値との関係からフレームの歪
み最小基準のもとで決定される。ところが、フレームの
最後のサンプルの量子化値は、前方の値との関係のみか
ら決定されることになり、後方の値である次のフレーム
の先頭部分の値とは無関係に決定されてしまう。そのた
め、次のフレームの先頭部分の値から見ると、歪みを増
大する結果となる値が量子化値として選択されることが
あり、これが従来方法の問題点であった。
の従来のCELP方式の問題点を解決するため、例えば
図1に図7と対応して示すように、残差情報の量子化の
区切り(サブフレーム)が隣どうし重なり合うような構
成とする。図1に示す同一サブフレームの全体を同時に
量子化することで、いずれの部分においても信号の前後
の関係を考慮した量子化が実現できる。重なり合うサブ
フレームの信号がなめらかにつながるように、例えばラ
ップトトランスフォーム処理(例えば、文献(文献3)
H.S.Malvar,“Lapped Transf
orms for Efficient Transf
orm/Subband Coding”,IEEE
Trans.Acoust.,Speech,Sign
al Processing,vol.ASSP−3
8,pp969−978,June 1990に詳細が
記述)を用いる。
レームを重ねる毎に蓄積することを防ぐため、過去のフ
レームの量子化雑音の影響を除去するように現フレーム
の音声を符号化する構成をとる。具体的には、前フレー
ムの量子化雑音の影響(現フレームの合成フィルタのゼ
ロ入力応答)を現フレームの音声から差し引いて得られ
た信号を量子化する構成をとっている。この構成を実現
するためには、現フレーム音声の量子化処理の前に前フ
レーム音声の量子化が全て完了していることが必要とな
る。フレーム毎に全ての処理が区切られている従来のC
ELP方式においては、現フレーム音声の量子化処理の
前に前フレーム音声の量子化が全て完了しているため現
フレームの合成フィルタのゼロ入力応答が計算でき、前
フレームの量子化雑音の影響を打消すことが可能であ
る。しかし、この発明では例えば図1に示すように、現
フレーム音声の量子化処理の前に前フレーム音声の量子
化が全て完了することにならない。そのままでは、前フ
レームの量子化雑音の影響を次のフレームで打消すこと
ができないため、以下のようにする。
レームの情報でまだ量子化されてないものは残差であ
る。この量子化されていない残差を適当な条件のもとで
量子化されたと仮定してそのフレームの符号化処理を進
める構成をとる。ただし、適応符号帳の周期の量子化お
よび残差の形状の量子化(雑音符号帳のインデックス検
索)処理において、最適候補以外に複数の準最適な候補
を残しておき、この中から最終的に量子化雑音を最小に
する組み合せを選択する。従来のCELPは、適応符号
帳の周期の量子化も残差の形状の量子化も1回で決定さ
れる。
プトトランスフォーム処理を用いること、および適応符
号帳の周期の量子化および残差の形状の量子化処理にお
いて複数の準最適な候補を残しておき最終的に量子化雑
音を最小にする組み合せを選択することである。
示す。受信符号、又はファイルの読出し出力符号として
スペクトル包絡情報を示す包絡符号と、ピッチ情報を示
すピッチ符号と、残差情報を示す残差符号とが入力さ
れ、現1フレーム前の残差符号が第1のインデックスと
して雑音符号帳11に与えられ、これより読出された雑
音波形が変換器12で逆変形ラップトトランスフォーム
変換され、その2フレーム長とされた変換出力は後半切
り出し回路13で波形の後半が切り出されて利得付与回
路14へ与えられ、その出力が第1基本残差として加算
回路15へ供給される。
スとして雑音符号帳11と同一の雑音符号帳16に与え
られ、これより読出された雑音波形が変換器17で逆変
形ラップトトランスフォーム変換され、その2フレーム
長とされた変換出力は前半切り出し回路13で波形の前
半が切り出されて利得付与回路19へ与えられ、その出
力が第3基本残差として加算回路15へ供給される。
与えられ、そのピッチ符号で示す周期で適応符号帳21
が繰返し読出され、その読出された波形は利得付与回路
22で利得が与えられて第2基本残差として加算回路1
5へ供給される。加算回路15の出力は適応符号帳に記
憶されると共に線形予測・合成フィルタ23に駆動信号
として供給される。合成フィルタ23のフィルタ係数は
入力された包絡符号により制御される。合成フィルタ2
3から復号音声信号が得られる。
信号のタイミング関係を示す。残差情報は前フレームと
現フレームとが半分ずつ重ってそれぞれ符号化されてい
るため、第3および第1の基本残差が時間的に連続し、
かつ前後のフレームと重なりながら残差情報を構成す
る。このためこの発明ではフレームの先頭部分での歪が
小さく、従来のCELP方式と大きく異なる。
の処理概要を示す。通常のCELP方式では、適応符帳
のラグ(ピッチ周期相当)を決定し、次に雑音符号帳の
インデックスを決定する。しかしこの発明の方法では順
番が逆転し、雑音符号帳のインデックスを決定してから
適応符号帳のラグを決定する構成を取らざるをえない。
この発明では、先に決定される雑音符号帳のインデック
スを後に決定する適応符号帳(第2の基本残差)と組み
合わせたときのミスマッチの発生を防ぐため、雑音符号
帳のインデックスの決定の前に仮想的第2の基本残差
(第2の基本残差の推定値系列)をこの発明では導入す
る。
めることは難しいため、仮想的第2の基本残差の候補を
複数作成し、復号音声信号の歪み最小を評価基準とし
て、総当たりを行なう構成とした。ここで、仮想的第2
の基本残差の候補数をNで表すこととする。さらに、仮
想的第2の基本残差の各候補毎に、M個の雑音符号の候
補を残す構成とした。即ち、N×M個の復号音声の候補
を作成し、これから歪み最小となる候補を選択する構成
をこの実施例はとる。
号化装置の例を示す。入力端子25からの入力音声は仮
想的第2基本残差作成部26、LPC逆フィルタ27及
び最適値検索部28へ供給される。仮想的第2基本残差
作成部26からN個の仮想的第2基本残差が作成されて
雑音符号決定用音声合成部291 〜29N へ供給され
る。入力音声からスペクトル包絡の特徴を除去した残差
波形がLPC逆フィルタ27から得られ、この残差波形
は雑音符号決定用音声合成部291 〜29N のすべてへ
供給される。
て、第1の仮想的第2基本残差とLPC逆フィルタ27
からの残差波形との差が減算器31で求められ、これよ
り雑音残差、つまり後半が第1の基本残差と、前半が第
3の基本残差と対応したものが得られる。この減算器3
1の出力は変換部32で変形ラップトトランスフォーム
変換され、その変換出力は重み付きベクトル量子化/逆
量子化部33で図2中の雑音符号帳11,16と同一の
雑音符号帳34の何れかの雑音符号に重み付き量子化さ
れる。この場合M個の候補が求められ、これにより各後
半が第1の基本残差、前半が第3の基本残差の2フレー
ム分の残差波形に対するM個のインデックスが各フレー
ムごとに得られ、その各インデックスはそれぞれ雑音波
形に逆量子化されて、音声波形合成部351 〜35Mへ
供給され、M個の音声波形に合成されて最適値検索部2
8へ供給される。雑音符号決定用音声合成部292 〜2
9N も同様に構成される。
適応符号帳には、その前フレームの残差波形を適当な区
間で切り出し繰り返した信号が書かれている。この発明
の方法においては、あるフレームの前フレームの残差波
形は、第1,第2,および第3の基本残差の重み付き和
に利得を掛けたものとなる。ところが、これら基本残差
のうち第3の基本残差の量子化が終了(確定)していな
い。そのため、前フレームの残差波形、およびこれから
生成されるそのフレームの第2の基本残差が確定できな
い。
以下の方法により生成する。まず、LPC逆フィルタ2
7で、そのフレームの前フレーム以前の原音声からその
特徴を取り除いた後に残された残差(第1の残差と呼
ぶ)を生成する。その第1の残差には、量子化雑音が含
まれない。すなわち、第1の残差で合成フィルタ(量子
化されていない係数)を駆動すると、原音声と一致した
音声波形が得られることになる。次に、その前フレーム
の量子化された第1,第2の基本残差の和を求め、この
信号にその前前フレーム以前の量子化された残差(第
1,第2および第3の基本残差の和)を時間的に連続す
るように接続した信号(第2の残差と呼ぶ)を生成す
る。その第2の残差と前記第1の残差との差が、第3の
基本残差の目標波形(量子化前の第3の基本残差)であ
る。さらに、前記第1の残差および前記第2の残差の重
み付き線形和を求め、これを第3の残差と呼ぶ。次に、
その第3の残差から切り出した一部分またはその第3の
残差を時間的に補間してから切り出した一部分を直接あ
るいは繰り返して生成した波形を仮想的第2の基本残差
とする。
残差波形を生成する過程を、詳細に述べる。第3の残差
と現在のフレームの残差の相互相関を計算し、相互相関
を最大にする時間差(ピッチラグ)を求める。第3の残
差の時間的に新しい部分から、ピッチラグの長さの区間
を切り出す。切り出した区間を繰り返しながら波形を延
ばし、フレームと同じ長さにする。これが、仮想的第2
の基本残差である。仮想的第2の基本残差をN個生成す
るためには、前記相互相関を大きくするピッチラグを最
大にするものからN個残し、それぞれのピッチラグに応
じて上記の方法で仮想的第2の基本残差を生成する。第3および第1の基本残差の同時量子化法 図5中の雑音符号決定用音声合成部291 の詳細、つま
り第3および第1の基本残差の同時量子化法および最適
な合成音声波形の検索を図6に示す。前述のようにして
生成した仮想的第2の基本残差を、そのフレームの残差
波形から差し引いた波形を減算器31で生成する。この
波形を第1の基本残差として、前フレームの量子化前の
同様に得た基本残差、つまり第3の基本残差の後に時間
的に連続するように合成回路36で接続する。この接続
波形を、変換部32でモジュレイテッドラップトトラン
スフォーム(Modulated LappedTra
nsform:MLT,例えば、文献3に詳細が記述)
アルゴリズムにより変換し2分の1のデータ数の周波数
領域の波形を得る。この波形を、量子化部33aで重み
付きベクトル量子化(Weighted Vector
Quantization:WVQ,文献2に詳細が
記述)処理により雑音符号帳34の何れかの雑音符号に
量子化する。この周波数領域の波形を雑音符号帳34の
何れかの雑音波形で代表させることを各フレームごとに
行う。このとき複数個(M個)の候補を残す点にこの発
明の特長がある。さらに、これら残されたM個の各候補
について、以下の処理を行なう。
を用いて逆量子化し、(b)その逆量子化出力を変換部
37で逆変形ラップトトランスフォーム変換を行い、
(c)その変換出力を音声波形合成部55で音声波形に
合成する。 以上の処理により、M個の候補に対する復号音声を生成
する。原音声波形との距離最小となる候補を選択 以上の処理の結果、合計でN×M個の復号音声の候補が
生成される。検索部28で各候補復号音声と原音声波形
との距離を計算し、距離最小となる復号音声を決定す
る。
定のため、図5中の第2の基本残差決定部38で距離最
小となる復号音声を与える量子化された第3および第1
の基本残差(図4のの信号)を用い、第2の基本残差
(図4のの信号)を決定する。以上、この発明の符号
化処理を図4にそってまとめる。
グした残差波形から、複数(N個)の仮想的第2基本残
差を生成する。 (2)各仮想的第2基本残差に対して、複数(M個)の
量子化された第3および第1基本残差の組を求める。 (3)復号音声と原音声波形との距離を選択の尺度とし
て、N×M個の復号音声の候補から最適候補を決定す
る。
化された第3および第1基本残差を用いて、第2基本残
差を決定する。 図2において、逆MLT処理は高速に行われるため、雑
音符号帳11,16、逆MLT回路12,17を各1つ
とし、各時間領域に変換された2フレームの残差の前半
を現フレームで、後半を前フレームで用いるようにして
もよい。上述では重複サブフレームを1としたが複数サ
ブフレームずつ重複させてもよい。
残差情報、つまり雑音波形の量子化をフレームを一部重
複させながら行っているため、フレームの境界における
量子化雑音の増加を押さえ、かつ平均的な量子化雑音が
低下し、しかも少ない量子化ビットで済む。
タイムチャート。
例を示すブロック図。
ート。
ャート。
例を示すブロック図。
示すブロック図。
示すタイムチャート。
Claims (3)
- 【請求項1】 音声信号をフレームに分割し、そのフレ
ームの特徴パラメータを抽出しこれを符号化し、その音
声信号からその符号化された特徴パラメータにより表現
される成分を取り除き残差を算出し、その残差を、第2
の基本残差と、雑音符号帳から選択した第1,および第
3の基本残差との和として表現し、これら各基本残差を
量子化する音声符号化方法において、 各フレームの第1の基本残差の量子化の前に、そのフレ
ームの複数の仮想的な第2の基本残差を生成し、これら複数の仮想的な第2の基本残差の生成は、 そのフレームの前フレーム以前の原音声からその特徴を
取り除いた後に残された残差(第1の残差と呼ぶ)を生
成し、その前フレームの量子化された第1,第2の基本
残差の和を求め、この信号にその前フレーム以前の量子
化された残差(第1,第2および第3の基本残差の和)
を時間的に接続した信号(第2の残差と呼ぶ)を生成
し、これら第1の残差および第2の残差から線形な処理
により信号(第3の残差と呼ぶ)を構成し、その第3の
残差から切り出した一部分を直接あるいは繰り返して複
数の波形を、上記複数の仮想的な第2の基本残差として
生成し、 上記 フレームの残差から上記複数の仮想的な第2の基本
残差をそれぞれ差し引いた複数の仮想残差を生成し、これら 仮想残差をそれぞれそのフレームの上記第1の基
本残差とし、その前フレームのその仮想残差を上記第3
の基本残差として、これら第1の基本残差および第3の
基本残差の量子化値を同時に決定し、 その後、これら量子化された第1の基本残差および第3
の基本残差を用い、上記複数の仮想的な第2の基本残差
中から上記第2の基本残差の量子化値を最終決定する、 ことを特徴とする音声符号化方法。 - 【請求項2】 上記フレームの第1の基本残差およびそ
のフレームの前のフレームの第3の基本残差を、ラップ
トトランスフォーム処理を用いて生成し、これを量子化
することを特徴とする請求項1記載の音声符号化方法。 - 【請求項3】 包絡符号と、ピッチ符号と雑音符号とを
入力し、 その雑音符号により雑音符号帳を読出し、 その読出された雑音波形を2フレームに伸ばし、 現フレームで伸ばされた雑音波形の前半を取出し、前フ
レームで伸ばされた雑音波形の後半を取出し、 上記ピッチ符号で適応符号帳の波形を繰返し読出し、 その適応符号帳の出力と上記伸ばされた雑音波形の前半
と、上記伸ばされた雑音波形の後半とを加算し、 その加算出力を、上記包絡符号でフィルタ係数が制御さ
れる合成フィルタへ駆動信号として供給して復号音声信
号を得る音声復号化方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP22584391A JP3275249B2 (ja) | 1991-09-05 | 1991-09-05 | 音声符号化・復号化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP22584391A JP3275249B2 (ja) | 1991-09-05 | 1991-09-05 | 音声符号化・復号化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPH0566800A JPH0566800A (ja) | 1993-03-19 |
JP3275249B2 true JP3275249B2 (ja) | 2002-04-15 |
Family
ID=16835700
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP22584391A Expired - Lifetime JP3275249B2 (ja) | 1991-09-05 | 1991-09-05 | 音声符号化・復号化方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP3275249B2 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4622164B2 (ja) * | 2001-06-15 | 2011-02-02 | ソニー株式会社 | 音響信号符号化方法及び装置 |
CN115376530A (zh) * | 2021-05-17 | 2022-11-22 | 华为技术有限公司 | 三维音频信号编码方法、装置和编码器 |
-
1991
- 1991-09-05 JP JP22584391A patent/JP3275249B2/ja not_active Expired - Lifetime
Also Published As
Publication number | Publication date |
---|---|
JPH0566800A (ja) | 1993-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP0409239B1 (en) | Speech coding/decoding method | |
JP2002541499A (ja) | Celp符号変換 | |
JP2903533B2 (ja) | 音声符号化方式 | |
JP3266178B2 (ja) | 音声符号化装置 | |
JP2000155597A (ja) | デジタル音声符号器において使用するための音声符号化方法 | |
JP3275249B2 (ja) | 音声符号化・復号化方法 | |
JP3303580B2 (ja) | 音声符号化装置 | |
JP3299099B2 (ja) | 音声符号化装置 | |
JP2968109B2 (ja) | コード励振線形予測符号化器及び復号化器 | |
KR0155798B1 (ko) | 음성신호 부호화 및 복호화 방법 | |
JP2956068B2 (ja) | 音声符号化復号化方式 | |
JP2946525B2 (ja) | 音声符号化方式 | |
JP3163206B2 (ja) | 音響信号符号化装置 | |
JP3089967B2 (ja) | 音声符号化装置 | |
JPH10111700A (ja) | 音声圧縮符号化方法および音声圧縮符号化装置 | |
JPH10340098A (ja) | 信号符号化装置 | |
JP3047761B2 (ja) | 音声符号化装置 | |
JP3472974B2 (ja) | 音響信号符号化方法および音響信号復号化方法 | |
JP2853170B2 (ja) | 音声符号化復号化方式 | |
JPH028900A (ja) | 音声符号化復号化方法並びに音声符号化装置及び音声復合化装置 | |
JP2001142499A (ja) | 音声符号化装置ならびに音声復号化装置 | |
JP3515216B2 (ja) | 音声符号化装置 | |
JPS63127299A (ja) | 音声信号符号化・復号化方式およびその装置 | |
JP3144244B2 (ja) | 音声符号化装置 | |
JP3199128B2 (ja) | 音声の符号化方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080208 Year of fee payment: 6 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090208 Year of fee payment: 7 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100208 Year of fee payment: 8 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100208 Year of fee payment: 8 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110208 Year of fee payment: 9 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120208 Year of fee payment: 10 |
|
EXPY | Cancellation because of completion of term | ||
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120208 Year of fee payment: 10 |