JP3590071B2 - 音声の効率的な符号化のためのスペクトルパラメータの予測分割マトリックス量子化 - Google Patents

Description

発明の背景
１．発明の分野
本発明は、多数の音声および／またはオーディオ符号化技術に使用されるスペクトルパラメータを量子化するための改良された技術に関するものである。
２．従来技術の簡単な説明
十分な主観的品質／ビット伝送速度のトレードオフを有する大部分の性能の良いディジタル音声符号化技術は、時間で変動するスペクトル情報を伝送するために線形予測モデルを使用する。
G729 ITU-Tを含んでいるいくつかの国際規格にある１つのこのような技術は、ＡＣＥＬＰ（Algebraic Code Excited Linear Prediction）（代数符号励振線形予測）［１］技術である。
ＡＣＥＬＰと同様な技術において、サンプル音声信号は、フレームと呼ばれるＬ個のサンプルのブロックで処理されている。例えば、20ｍｓは多数の音声符号化システムでは一般のフレームの継続時間である。この継続時間は、電話音声のためのＬ＝160サンプル（8000サンプル／秒）あるいは７ＫＨｚの広域音声に関する場合にＬ＝320サンプル（16000サンプル／秒）に変換される。
スペクトル情報は、しばしば、ＬＰＣ情報と呼ばれる音声の周知の線形予測モデル［２、３］から得られた量子化スペクトルパラメータの形式の各フレームの間に伝送される。
10ｍａと30ｍａとの間のフレームに関連した従来技術では、フレーム毎に伝送されたＬＰＣ情報は単一のスペクトルモデルである。
時間で変動するスペクトルを10ｍｓのリフレッシュ速度で伝送する際の確度は、30ｍｓのリフレッシュ速度の場合よりももちろん良いが、その違いは符号化速度を３倍にする価値がない。
本発明は、２つの技術、すなわち、いくつかのフレームからのＬＰＣモデルが同時に量子化される非常に低いビット伝送速度で使用されるマトリックス量子化［４］およびフレーム間予測のマトリックスの拡張［５］を結合することによってスペクトル確度／符号化速度のジレンマを回避する。
参考文献
［１］1992年９月10日出願された発明者が“J-P Adoul&C.Laflamme”であり、名称が“代数符号に基づいた性能が良い音声符号化のためのダイナミックコードブック”の米国特許第927,528号。
［２］1976年、Springer Verlag社発行のJ.D.Markel & A.H.Gray.Jr著の“音声の線形予測”。
［３］1985年、アカデミックプレス社発行のS.サイトウ＆K.ナカタ著の“音声信号処理の基礎”。
［４］C.Tsao & R.Gray著の論文“汎用ロイドアルゴリズムを使用するＬＰＣ音声のためのマトリックス量子化設計（Matrix Quantizer Design for LPC Speech Using the Gnneralized Lloyd Algorithm），IEEE trans.ASSP Vol.33,No.3,pp537-545,June 1985。
［５］R.Salami,C.Laflamme,J-P.AdoulおよびD.Massaloux著の論文“個人通信システム（ＰＣＳ）のための総合品質82ｂ／ｓ音声コーディック”，IEEE Transactions on Vehicular Technology,Vol.43,No.3 pp 808816,August 94。
発明の目的
本発明の主目的は、単一のスペクトルモデル伝送に関して符号化速度が全然あるいはほとんど増加しない、フレーム当たり１つ以上のスペクトルモデルを量子化する方法である。したがって、この方法は、著しい符号化速度増加のコストなしでより正確な時間で変動するスペクトル表現を達成する。
新規の発明の要約
より詳細には、本発明によれば、フレーム当たりＮ個のＬＰＣスペクトルモデルの性能の良い量子化のための方法が規定されている。この方法は、音声および／またはオーディオ信号のディジタル符号化のために使用されたいろいろな技術のスペクトル確度／符号化速度のトレードオフを高めるのに有利である。
前記方法は、
（ａ）その行がＮ個のＬＰＣスペクトルモデルベクトルであるマトリックスＦを形成するステップと、
（ｂ）残差マトリックスＲを得るために１つ以上の前のフレームに基づいて時間で変動する予測マトリックスＰ（および、可能な定マトリックス項）をＦを取り除くステップと、
（ｃ）前記マトリックスＲをベクトル量子化するステップとを組合せている。
前記マトリックスＲをベクトル量子化することの複雑さを減少させることは、前記マトリックスＲをＮ行を有するｑ個のサブマトリックスに分割し、かつ各サブマトリックスを独立にベクトル量子化することによって可能である。
この方法で使用される時間で変動する予測マトリックスＰは、非再帰予測方式を使用して得ることができる。時間で変動する予測マトリックスＰを計算する１つの非常に有効的な方法は下記の式で表される。
Ｐ＝ＡＲ_b′
ここで、Ａは、その成分がスカラー予測係数であるＮ×ｂのマトリックスであり、Ｒ_b′は、前のフレームのＦマトリックスをベクトル量子化することから得られるマトリックスＲ′の最後のｂ行で構成されているｂ×Ｍのマトリックスである。
この時間で変動する予測マトリックスＰは再帰予測方式を使用して得ることもできることに注目。
符号速度および複雑さを減少する前記方法の変形において、フレーム当たりＮ個のＬＰＣスペクトルモデルは、ｍ−１個のサブフレームに散在させるＮ個のサブフレームに一致する。
ここで、前記散在されたサブフレームに対応するＮ（ｍ−１）個のＬＰＣスペクトルモデルベクトルは線形補間を使用して得られる。
最後に、フレーム当たりＮ個のスペクトルモデルは、フレーム内の特定のスペクトルモデルのオーダーにより異なるウィンドウ形を使用できるＬＰＣ分析から生じる。図１に実証されたこの手段は、特に、十分な“先取り”が許されないか、あるいは“先取り”が全く許されない（フレーム境界を越える次のサンプルがない）場合、使用可能な情報から大部分を形成するのに役立つ。
【図面の簡単な説明】
添付図面では、
図１は、Ｌ＝160サンプルの20ｍｓフレームが、異なる形状のウィンドウと関連した２つのサブフレームに細分される典型的なフレーム・ウィンドウ構造を示している。
図２は、好ましい実施形態の概略ブロック図を提供する。
好ましい実施形態の詳細な説明
本発明は、処理されたＬ＝Ｎ×Ｋ個のフレームのサンプル当たりＮ（Ｎ＞１）個のスペクトルモデル（すなわち、ひとつのフレームがサイズＫのＮ個のサブフレームに細分される）を一緒に、差動的に符号化する符号化速度の有効な方法を示している。この方法は、確率、あるいは代数符号の励振線形予測技術、波形補間技術、調和／確率符号化技術のような技術であるが、これに限定されない、音声および／またはオーディオ信号のディジタル符号化のために使用されたいろいろな技術に有用である。
音声信号から線形予測符号化（ＬＰＣ）スペクトルモデルを抽出する方法は、音声符号化技術で周知である［１、２］。電話音声に関しては、オーダーＭ＝10のＬＰＣモデルが概して使用されているのに対して、オーダーＭ＝16以上のモデルは広帯域音声アプリケーションのために好ましい。
所与のサブフレームに対応するオーダーＭのＬＰＣスペクトルモデルを得るために、所与のサブフレームの周囲に中心を置かれたＬ_Aのサンプルの長い分析ウィンドウがサンプル音声に応用される。Ｌ_Aのウィンドウ入力サンプルに基づいたＬＰＣ分析は、前記サブフレームの音声スペクトルを特徴付けるＭ個の実成分のベクトルｆを発生する。
一般的には、サブフレームの周囲に中心を置かれた標準ハミングウィンドウは、通常サブフレームのサイズＫよりも大きいウィンドウサイズＬ_Aと併用される。ある場合には、フレーム内のサブフレーム位置に応じて異なるウィンドウを使用することが好ましい。この場合は図１に示されている。Ｌ＝160サンプルの20ｍｓのフレームは、サイズＫ＝80の２つのサブフレームに細分される。サブフレーム＃１はハミングウィンドウを使用する。フレーム境界を越えて延びる次の音声サンプルは分析の時点あるいは音声エキスパート言語で利用できないので、サブフレーム＃２は非対称ウィンドウを使用する。すなわち十分な“先取り”が許されないか、あるいは“先取り”が全く許されない。図１では、ウィンドウ＃２は、1/2ハミングウィンドウと1/4コサインウィンドウとを結合する。
ＬＰＣスペクトルモデルｆのいろいろな等価のＭ次元表現は音声符号化の文献で使用されていた。これらの文献には、“部分相関”、“ログエリアレシオ”、ＬＰＣケプストラムおよびラインスペクトル周波数（ＬＳＦ）が含まれている。
好ましい実施形態では、たとえ本発明で記載された方法を既に述べられたモデルを含むＬＰＣスペクトルモデルの任意の等価な表現に適用するとしても、ＬＳＦ表現がとられ、音声符号化技術に精通した誰にでも明らかである最少調整をできる。
図２は、好ましい実施形態によるフレームのＮ個のスペクトルモデルを一緒に量子化するために必要とされるステップを示している。
ステップ１：ＬＳＦベクトルｆ₁を発生するＬＰＣ分析は、各サブフレームｉ（ｉ＝１，．．．Ｎ）に対して（並列にあるいは逐次的に）実行される。
ステップ２：サイズＮ×ＭのマトリックスＦは行ベクトルとしてとられた前記抽出ＬＳＦベクトルから形成される。
ステップ３：平均マトリックスは、サイズＮ×ＭのマトリックスＺを生じるようにＦから除去される。平均マトリックスの行は互いに同一であり、ある行における第ｊ番目の要素は、ＬＰＣ分析から生じるＬＳＦベクトルｆのｊ番目の成分予測値である。
ステップ４：予測マトリックスＰは、サイズＮ×Ｍの残差マトリックスＲを生じるようにＺから除去される。マトリックスＰは、Ｚが過去のフレームに基づいてとるであろう最も可能性がある値を推測する。Ｐを得るための手順はその後のステップに詳述される。
ステップ５：残差マトリックスＲは、量子化の複雑性を減らす目的でｑ個のサブマトリックスに分割される。より詳細には、Ｒは下記のように分割される。
Ｒ＝［Ｖ₁ Ｖ₂．．．Ｖ_q］
ここで、Ｖ₁は、ｍ₁＋ｍ₂．．．＋ｍ_q＝ＭであるようなサイズＮ×ｍ₁のサブマトリックスである。
Ｎ×ｍ₁ベクトルとみなされる各サブマトリックスＶ₁は、デコーダに伝送される量子化インデックスおよび前記インデックスに対応する量子化サブマトリックスＶ₁′の両方を生じるように別々に量子化されたベクトルである。量子化残差マトリックスＲ′は下記のように再構成される。
Ｒ′＝［Ｖ₁′ Ｖ₂′．．．Ｖ_q′］
全てのその後のステップと同様にこの再構成はデコーダで同様に実行されることに注目。
ステップ６：予測マトリックスＰは、Ｒ′に逆に加算され、Ｚ′を生じる。
ステップ７：平均マトリックスは、さらに加算され、量子化マトリックスＦ′を生じる。前記Ｆ′マトリックスの第ｉ番目の行は、関連ディジタル音声符号化技術によって有利に使用することができるサブフレームｉの（量子化）スペクトルモデルｆ₁′である。スペクトルモデルｆ₁′の伝送は、スペクトルモデルｆ₁′が他のサブフレームともに差動的に、一緒に量子化されているために、最小符号化速度を必要とすることに注目。
ステップ８：最終のテストの目的は、次のフレームを処理する際に使用される予測マトリックスＰを決定することにある。明瞭にするために、フレームインデックスｎを使用する。予測マトリックスＰ_n+1は、再帰式あるいは非再帰式のいずれかで得ることができる。
より直感的である再帰方法は、過去のＺ_n′ベクトルの関数、すなわち
Ｐ_n+1＝ｇ（Ｚ_n′，Ｚ_n-1′．．．）
として作動する。
図２に示された実施形態では、本来チャネル誤差に強いために、非再帰方式の方が、好ましい。この場合、一般的な場合は、過去のＲ_n′マトリックスの関数ｈ、すなわち、
Ｐ_n+1＝ｈ（Ｒ_n′，Ｒ_n-1′．．．）
を使用して表すことができる。
本発明は、ｈ関数の下記の簡単な実施形態が最も予測的な情報を獲得していることをさらに開示している。
Ｐ_n+1＝ＡＲ_b′
Ｐ＝ＡＲ_b′
ここで、Ａは、その成分がスカラー予測係数であるＮ×ｂのマトリックスであり、Ｒ_b′は、マトリックスＲ′の最後のｂ行で構成されているｂ×Ｍのマトリックスである。（すなわち、フレームｎの最後のｂ個のサブフレームに対応する）
補間サブフレーム：次に、フレームが多数のサブフレームに分割される場合、ある程度の符号化速度を使用しないで複雑さを簡素化する、本発明の方法に開示された基本方法の変形を説明する。
フレームがＮｍ個のサブフレームに細分する場合を考察する。ここで、Ｎおよびｍは整数である（例えば、12＝４×３サブフレーム）。
符号化速度および量子化の複雑さの両方を除くために、前述された“予測分割マトリックス量子化”方法は、線形補間が使用されるｍ−１個のサブフレームに散在されたＮ個のサブフレームだけに適用される。
より正確には、その添字がｍの倍数であるスペクトルモデルは、予測分割マトリックス量子化を使用して量子化される。
ｆ_mは、ｆ_m′に量子化される。
ｆ_2mは、ｆ_2m′に量子化される。
… …
ｆ_kmは、ｆ_km′に量子化される。
… …
ｆ_Nmは、ｆ_Nm′に量子化される。
ｋ＝1,2，．．．Nは、このように量子化されたこれらスペクトルモデルに対する自然添字であることに注目。
次に、残りのスペクトルモデルの“量子化”を検討する。この目的のために、前のフレームの最後のサブフレームの量子化スペクトルモデルをｆ₀′と呼ぶ（すなわち、場合ｋ＝0）。形式ｉ＝ｋｍ＋ｊ（すなわちｊ≠0）の添字を有するスペクトルモデルは、下記のようにｆ_km′およびｆ_(k+1)m′の線形補間によって“量子化”される。
ｆ_km+j′＝ｊ/ｍ ｆ_km′＋（ｍ−ｊ）/ｍ ｆ_(k+1)m′
ここで、比ｊ/ｍおよび（ｍ−ｊ）/ｍは補間係数として使用される。
本発明の好ましい実施形態は、ここでは上記に詳述されているけれども、これらの実施形態は、本発明の特徴および精神から逸脱しないで、添付の請求の範囲内に任意に修正することができる。さらに、本発明は音声信号の処理に限定されない。オーディオのような他の種類の音信号は処理できる。基本原理を保持するこのような修正は主題発明の明らかに範囲内である。

Claims (11)

1. サンプル音声信号をディジタル符号化するための技術におけるスペクトル確度／符号化速度というトレードオフを増すために、該サンプル音声信号のフレーム当たりＮ個（Ｎ＞１）の線形予測符号化スペクトルモデルを一緒に量子化する方法であって、
   前記方法が、
   （ａ）Ｎ個の行を有するマトリックスであり、かつ、該行の各々が現在のフレームの線形予測符号化スペクトルモデルベクトルであるマトリックスＦを形成するステップと、
   （ｂ）少なくとも１つ以上の前のフレームに基づいて、時間で変動する予測マトリックスＰを形成するステップと、
   （ｃ）残差マトリックスＲを得るために、時間で変動する予測マトリックスＰをマトリックスＦから取り除くステップと、
   （ｄ）前記残差マトリックスＲをベクトル量子化するステップと
   を具備することを特徴とする方法。
2. 前記残差マトリックスＲをベクトル量子化することの複雑さを減少させるために、前記ステップ（ｄ）は、前記残差マトリックスＲをＮ個の行を有するｑ個のサブマトリックスに分割し、各々のサブマトリックスを独立にベクトル量子化するステップを具備することを特徴とする請求項１に記載の方法。
3. 前記時間で変動する予測マトリックスＰを、非再帰予測方式を使用して得るステップを具備することを特徴とする請求項１に記載の方法。
4. 前記非再帰予測方式が、下記の式に従って時間で変動する予測マトリックスＰを計算することからなることを特徴とする請求項３に記載の方法。
   Ｐ＝ＡＲ_b′
   ここで、Ａは、その成分がスカラー予測係数であるＮ×ｂのマトリックス（Ｎ，ｂは整数）であり、Ｒ_b′は、前のフレームの残差マトリックスＲのベクトル量子化から生じたマトリックスＲ′の最後のｂ行で構成されているｂ×Ｍのマトリックスである。
5. 前記サンプル音声信号の各フレームがＮｍ個の（ｍは整数）サブフレームのセットに細分され、
   前記フレーム当たりＮ個の線形予測符号化スペクトルモデルが、前記セットのうちのＮ個の第１サブフレームに一致し、各々の前記第１のサブフレームの間にｍ−１個の第２サブフレームが配置され、
   前記ｍ−１個の第２サブフレームに対応する線形予測符号化スペクトルモデルベクトルが線形補間を使用して得られることを特徴とする請求項１に記載の方法。
6. 前記時間で変動する予測マトリックスＰを、再帰予測方式を使用して得るステップをさらに具備することを特徴とする請求項１に記載の方法。
7. 前記フレーム当たりＮ個の線形予測符号化スペクトルモデルが、前記フレーム内の特定のスペクトルモデルの順序に従って異なるウィンドウ形を使用して線形予測符号化分析から得られることを特徴とする請求項１に記載の方法。
8. 前記ステップ（ｂ）の前に、互いに同一である行を有する平均マトリックスをマトリックスＦから取り除くステップをさらに具備し、前記行は、前記Ｎ個のベクトルのｊ番目の成分予測値である第ｊ番目の成分を有することを特徴とする請求項１に記載の方法。
9. 量子化残差マトリックスに、平均マトリックスを加算するステップをさらに具備することを特徴とする請求項８に記載の方法。
10. 量子化残差マトリックスに、時間で変動する予測マトリックスＰを加算するステップと、
    時間で変動する予測マトリックスＰを加算された量子化残差マトリックスに、平均マトリックスを加算するステップと
    をさらに具備することを特徴とする請求項８に記載の方法。
11. 量子化残差マトリックスに、時間で変動する予測マトリックスＰを加算するステップをさらに具備することを特徴とする請求項１に記載の方法。

Images