JP3612260B2 - 音声符号化方法及び装置並びに及び音声復号方法及び装置 - Google Patents
音声符号化方法及び装置並びに及び音声復号方法及び装置 Download PDFInfo
- Publication number
- JP3612260B2 JP3612260B2 JP2000054994A JP2000054994A JP3612260B2 JP 3612260 B2 JP3612260 B2 JP 3612260B2 JP 2000054994 A JP2000054994 A JP 2000054994A JP 2000054994 A JP2000054994 A JP 2000054994A JP 3612260 B2 JP3612260 B2 JP 3612260B2
- Authority
- JP
- Japan
- Prior art keywords
- pitch
- speech
- signal
- degree
- weighting
- 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
Images
Landscapes
- Compression, Expansion, Code Conversion, And Decoders (AREA)
Description
【０００１】
【発明の属する技術分野】
本発明は、電話帯域の音声、広帯域音声及びオーディオ信号等の音声信号の圧縮符号化方法及び装置並びに復号方法及び装置に関する。
【０００２】
【従来の技術】
低ビットレートでも比較的高音質の音声を再生できる音声符号化方式として、ＣＥＬＰ（Ｃｏｄｅ Ｅｘｃｉｔｅｄ Ｌｉｎｅａｒ Ｐｒｅｄｉｃｔｉｏｎ）方式が知られている。ＣＥＬＰ方式の詳細は例えばＭ．Ｒ．Ｓｃｈｒｏｅｄｅｒ ａｎｄ Ａｔａ１． ”Ｃｏｄｅ−Ｅｘｉｔｅｄ Ｌｉｎｅａｒ Ｐｒｅｄｉｃｔｉｏｎ（ＣＥＬＰ）：ｈｉｇｈ ｑｕｑ１ｉｔｙ ｓｐｅｅｃｈ ａ ｖｅｒｙ １ｏｗ ｂｉｔ ｒａｔｅｓ”、ｉｎ Ｐｒｏｃ． ＩＣＡＳＳＰ‘８５． ｐｐ．９３７−９３９，１９８５（文献１）に示されている。ＣＥＬＰ方式の構成を図１５に示す。図１５に示されるように、ＣＥＬＰ方式では聴覚重みフィルタを用いて符号化による音声に混入する雑音（符号化雑音）の評価を行い、符号化雑音が現フレームの音声のスペクトルから決まる形状のマスキング特性にマスクされる原理（同時マスキング）を用いて雑音が聞こえにくくなるような音源の符号を選択することを特徴としている。一般に、ＣＥＬＰに用いる聴覚重みフィルタはホルマント重みフィルタとピッチ重みフィルタの縦続接続で構成される。ホルマント重みフィルタは入力音声のホルマントによるマスキング特性を利用し、ピッチ重みフィルタは入力音声の調和構造（ハーモニクス）によるマスキング特性を利用している。聴覚重みフィルタの伝達関数ｗ（ｚ）は、ホルマント重みフィルタの伝達関数Ｗｓ（ｚ）及びピッチ重みフィルタの伝達関数Ｗｐ（ｚ）を用いて
【０００３】
【数１】
【０００４】
と表される。ピッチ重みフィルタはピッチ調和周波数成分に小さな重み、調和周波数間の成分に大きな重みをそれぞれかけることにより、符号化雑音のスペクトルを入力音声と同じピッチの調和構造に整形する働きをする。ここで、ピッチ重みフィルタの伝達関数Ｗｐ（ｚ）はピッチ周期Ｔ０及びピッチ予測により求められたピッチ予測係数βｉを用いて
【０００５】
【数２】
【０００６】
と表される。ただし、Ｍはピッチ予測次数を制御する定数、γは雑音整形の度合を制御する定数である。
【０００７】
このようにして求めたピッチ重みフィルタの周波数特性を図１６に示す。図１６において、ピッチ重みフィルタの周波数特性はＷ（ｆ）、音声の周波数特性はＳ（ｆ）で表される。この図からも分かるように、ピッチ重みフィルタはピッチ調和周波数では谷の特性を持ち、調和周波数間では山の特性を持つ。従って、符号化雑音をピッチ重みフィルタで重み付けを行うことにより、音声のピッチ調和周波数では小さな重みを付け、逆に調和周波数間では大きな重みを付けて評価することができる。
【０００８】
このようにフレーム内で周波数毎の相対的な重み付けを用いて、音源の符号選択を行うことにより、符号化により生じる符号化雑音のスペクトルを図１６のＥ（ｆ）に示すように音声と同じピッチ周期の調和構造にすることができる。こうすると、符号化雑音は音声のスペクトルの凹凸にマスクされて聞こえにくいものとなる。このようにピッチ重みフィルタは比較的簡単な分析により得られ、かつ、主観的な符号化雑音を抑えた音声符号化を行うことができるため、ＣＥＬＰで用いられてきた。
【０００９】
また、ＣＥＬＰ方式では復号音声の主観品質を向上させるために、音声を復号した後にポストフィルタが用いられることが多い。一般に、ＣＥＬＰに用いるポストフィルタはホルマント強調フィルタとピッチ強調フィルタの縦続接続で構成される。ポストフィルタ伝達関数Ｈｐｆ（ｚ）は、ホルマント強調フィルタの伝達関数Ｈｓ（ｚ）及びピッチ強調フィルタの伝達関数Ｈｐ（ｚ）を用いて
【００１０】
【数３】
【００１１】
と表される。ここで、ピッチ強調フィルタの伝達関数Ｈｐ（ｚ）はピッチ周期Ｔ０及びピッチ予測係数λを用いて、
【００１２】
【数４】
【００１３】
と表される。ただし、λはピッチ強調の度合を制御する定数である。
【００１４】
【発明が解決しようとする課題】
しかし、実際の音声は帯域によって調和構造の強さが異なっており、図１７のＳ（ｆ）のように調和構造が弱い帯域が存在することもある。従来のピッチ重みフィルタを用いたピッチ重み付けでは、図１７のＷ（ｆ）のように全帯域で整形の強さが同じであるピッチ重みフィルタを使用するためにＥ（ｆ）に示される符号化雑音の調和構造と入力音声の調和構造とが異なり、復号音声の音質が劣化するという問題があった。
【００１５】
また、ポストフィルタ処理におけるピッチ強調においても同様で、式５に示す伝達関数のフィルタを用いた従来のピッチ強調では、全帯域でピッチ強調の強さが同じであるためピッチ強調の不要な帯域に対してもピッチ強調が行われ、復号音声の音質が劣化するという問題があった。
【００１６】
本発明は、このような問題点を解消し、図１８に示すように、符号化雑音の調和構造を入力音声の調和構造に近づけることで復号音声の音質を向上させる音声符号化及び復号方法並びに音声符号化及び復号化装置を提供することを目的とする。
【００１７】
【課題を解決するための手段】
第１の本発明は、入力音声情報信号とこの入力音声情報信号に対応する合成音声情報信号との差を表す誤差信号を生成し、周波数に従って前記誤差信号に対するピッチ重み付けの度合いを変えて重み付け信号を生成し、この重み付け信号に基づきインデックス情報を生成することを特徴とする音声符号化方法を提供する。
【００１８】
このようにピッチ重み付けの度合を周波数によって変化させることにより、各周波数に適したピッチ重み付けを行い、符号化雑音の調和構造を各周波数で制御することが可能となり、復号音声の音質を向上させることができる。
【００１９】
また、第２の発明は、第１の発明に係る音声符号化方法おいて、入力音声の特性に従って各周波数のピッチ重み付けの度合を変化させることを特徴とする音声符号化方法を提供する。
【００２０】
このように、各周波数のピッチ重み付けの度合を入力信号の特性に従って変化させることにより、符号化雑音の調和構造を入力音声の調和構造に対応して変化させることが可能となり、復号音声の音質を向上させることができる。
【００２１】
また、第３の発明は、第２の発明に係る音声符号化方法おいて、入力音声を分析して各周波数の有声度を求め、有声度に従って各周波数のピッチ重み付けの度合を変化させることを特徴とする音声符号化方法を提供する。
【００２２】
このように、各周波数のピッチ重み付けの度合を入力信号の各周波数の有声度に従って変化させることにより、符号化雑音の調和構造を入力音声の調和構造に対応して変化させることが可能となり、復号音声の音質を向上させることができる。
【００２３】
また、第４の発明は、第３の発明に係るに係る音声符号化方法において、有声度が高い周波数ではピッチ重み付けの度合を強くし、有声度が低い周波数ではピッチ重み付けの度合を弱くすることを特徴とする音声符号化方法を提供する。
【００２４】
このような重み付けを行うことで、符号化雑音の調和構造を入力音声の調和構造に近づけることができ、復号音声の音質を向上させることができる。
【００２５】
また、第５の発明は、入力音声情報信号とこの入力音声情報信号に対応する合成音声情報信号との差を表す誤差信号を生成し、前記入力音声情報信号を少なくとも２つの周波数帯域に分割し、該周波数帯域毎に前記誤差信号に対するピッチ重み付けの度合いを変えて重み付け信号を生成し、この重み付け信号に基づきインデックス情報を生成することを特徴とする音声符号化方法を提供する。
【００２６】
このように、ピッチ重み付けの度合を帯域毎に変化させることにより、各帯域に適したピッチ重み付けを行うことができ、符号化雑音の調和構造を帯域毎に制御し、復号音声の音質を向上させることができる。
【００２７】
また、第６の発明は、第５の発明に係る方法おいて、入力音声を分析して各帯域の有声度を求め、有声度に従って各帯域のピッチ重み付けの度合を変化させることを特徴とする音声符号化方法を提供する。
【００２８】
このように、各帯域のピッチ重み付けの度合を入力信号の各帯域の有声度に従って変化させることにより、符号化雑音の調和構造を入力音声の調和構造に対応して変化させることができ、復号音声の音質を向上させることができる。
【００２９】
また、第７の発明は、第６の発明に係る音声符号化方法において、有声度が高い帯域ではピッチ重み付けの度合を強くし、有声度が低い帯域ではピッチ重み付けの度合を弱くすることを特徴とする音声符号化方法を提供する。
【００３０】
このような重み付けを行うことで、符号化雑音の調和構造を入力音声の調和構造に近づけることができ、復号音声の音質を向上させることができる。
【００３１】
また、第８の発明は、第５の発明に係る音声符号化方法において、入力音声を分析して各帯域の有声／無声判定を行い、有声と判定された帯域に対してはピッチ重み付けを行い、無声と判定された帯域に対してはピッチ重み付けを行わないことを特徴とする音声符号化方法を提供する。
【００３２】
このように、帯域によってピッチ重み付けの度合を変化させることによって符号化雑音の調和構造を入力音声の調和構造に近づけることができるようになり、復号音声の品質を向上させることができる。
【００３３】
ここで、ピッチ重み付けの度合とは、雑音のピッチ整形の強さを指し、雑音のピッチ整形の強さは、例えば、ピッチ重みフィルタのフィルタ係数によって制御することができる。
【００３４】
また、第９の発明は、符号化音声情報からインデックス情報を抽出し、このインデックス情報に基づき復号音声信号を生成し、周波数に応じてピッチ強調の度合を変化させて前記復号音声信号にピッチ強調処理を行うことを特徴とする音声復号方法を提供する。
【００３５】
このように、ポストフィルタのピッチ強調の度合を周波数によって変化させることにより、各周波数に適したピッチ強調を行うことができ、復号音声の品質を向上させることができる。
【００３６】
また、第１０の発明は、第９の発明に係る音声復号方法において、復号音声の特性に従って各周波数のピッチ強調の度合を変化させることを特徴とする音声復号方法を提供する。
【００３７】
このように、復号音声の特性に従って各周波数のピッチ強調の度合を変化させることで、復号音声にあったピッチ強調を行うことができる。
【００３８】
また、第１１の発明は、第１０の発明に係る音声復号方法において、復号音声の各周波数の有声度に従って各周波数のピッチ強調の度合を変化させることを特徴とする音声復号方法を提供する。
【００３９】
また、第１２の発明は、第１１の発明に係る音声復号方法において、有声度が高い周波数ではピッチ強調の度合を強くし、有声度が低い周波数ではピッチ強調の度合を弱くすることを特徴とする音声復号方法を提供する。
【００４０】
また、第１３の発明は、符号化音声情報からインデックス情報を抽出し、このインデックス情報に基づき復号音声信号を生成し、前記復号音声信号を少なくとも２つの周波数帯域に分割し、周波数帯域毎にピッチ強調の度合を変化させて前記復号音声信号にピッチ強調処理を行うことを特徴とする音声復号方法を提供する。
【００４１】
また、第１４の発明は、第１３の発明に係る音声復号方法において、復号音声の各帯域の有声度に従って各帯域のピッチ強調の度合を変化させることを特徴とする音声復号方法を提供する。
【００４２】
また、第１５の発明は、第１４の発明に係る音声復号方法において、有声度が高い帯域ではピッチ強調の度合を強くし、有声度が弱い帯域ではピッチ強調の度合を弱くすることを特徴とする音声復号方法を提供する。
【００４３】
また、第１６の発明は、第１３の発明に係る音声復号方法において、復号音声の各帯域の有声／無声判定を行い、有声と判定された帯域に対してはピッチ強調を行い、無声と判定された帯域に対してはピッチ強調を行わないことを特徴とする音声復号方法を提供する。
【００４４】
この第１６の発明によれば、必要な帯域に対してのみピッチ強調を行うことができるので、復号音声の品質を向上させることができる。
【００４５】
ここで、ピッチ強調の度合とは、復号音声のピッチ整形の強さを指し、ピッチ整形の強さは、例えば、ピッチ強調フィルタのフィルタ係数によって制御することができる。
【００４６】
また、第１７の発明は、入力音声情報信号とこの入力音声情報信号に対応する合成音声情報信号との差を表す誤差信号を生成する合成フィルタ手段と、周波数に従って前記誤差信号に対するピッチ重み付けの度合いを変えて重み付け信号を生成する重み付けフィルタ手段と、この重み付け信号に基づきインデックス情報を生成するインデックス情報発生手段とにより構成されることを特徴とする音声符号化装置を提供する。
【００４７】
また、第１８の発明は、入力音声情報信号とこの入力音声情報信号に対応する合成音声情報信号との差を表す誤差信号を生成する合成フィルタ手段と、前記入力音声情報信号を少なくとも２つの周波数帯域に分割する帯域分割手段と、該周波数帯域毎に前記誤差信号に対するピッチ重み付けの度合いを変えて重み付け信号を生成する重み付けフィルタ手段と、この重み付け信号に基づきインデックス情報を生成するインデックス情報発生手段とにより構成されることを特徴とする音声符号化装置を提供する。
【００４８】
また、第１９の発明は、符号化音声情報からインデックス情報を抽出する分離手段と、このインデックス情報に基づき復号音声信号を生成する合成フィルタ手段と、周波数に応じてピッチ強調の度合を変化させて前記復号音声信号にピッチ強調処理を行うポストフィルタ手段とで構成されることを特徴とする音声復号装置を提供する。
【００４９】
また、第２０の発明は、符号化音声情報からインデックス情報を抽出し、このインデックス情報に基づき復号音声信号を生成する合成フィルタ手段と、前記復号音声信号を少なくとも２つの周波数帯域に分割し、周波数帯域毎にピッチ強調の度合を変化させて前記復号音声信号にピッチ強調処理を行うポストフィルタ手段とにより構成されることを特徴とする音声復号装置を提供する。
【００５０】
【発明の実施の形態】
（第１の実施形態）
本発明の音声符号化法をＣＥＬＰ方式に適用した第１の実施形態について説明する。ＣＥＬＰ方式の符号化は、音声のスペクトル包絡情報の符号化と音源信号の符号化に大きく分けることができる。聴覚重みフィルタは音源信号の符号化に用いる。ＣＥＬＰ方式ではフレーム単位に音声の分析・符号化を行う。方式によっては、フレームをさらに小さなサブフレームに分割し、サブフレーム毎に音源信号の符号化を行う方法もあるが、ここでは説明の簡単のために音源信号の符号化もフレーム単位で行うことにする。
【００５１】
図１に、本実施形態に係る音声符号化方法を適用した音声符号化システムの構成を示す。この音声符号化システムによると、入力音声１００の線形予測係数１０１を計算する線形予測分析部１０及び帯域分割部の広域通過フィルタ２０及び低域通過フィルタ２１に入力される。広域通過フィルタ２０及び低域通過フィルタ２１の出力は各帯域のピッチ重みフィルタ係数１１２、１１３を求めるピッチ重みフィルタ係数算出部２２，２３にそれぞれ接続される。 ピッチ重みフィルタ係数算出部２２，２３の出力は聴覚重み付けフィルタ３３のピッチ重みフィルタ２９，３０にそれぞれ接続される。
【００５２】
線形予測分析部１０の出力は線形予測係数１０１を符号化する線形予測係数符号化部１７及び入力音声１００と復号音声１０７の差信号１０８にホルマント重み付けを行うホルマント重みフィルタ２５に接続される。線形予測係数符号化部１７の出力は駆動音源１０５から復号音声１０７を生成する合成フィルタ１８及びマルチプレクサ３４に接続される。ホルマント重みフィルタ２５の出力は広域通過フィルタ２６及び低域通過フィルタ２７を介してピッチ重みフィルタ２９，３０にそれぞれ接続される。帯域分割されたホルマント重み付きの差信号１１５、１１６にピッチ重み付けを行うピッチ重みフィルタ２９，３０の出力は加算器３１に入力され、この加算器３１の出力は歪み計算部３２に接続される。この歪み計算部３２の出力は音声のピッチ周期成分を符号化するための適応符号帳１１，音声のピッチ周期以外の成分を符号化するための雑音符号帳１２及び適応符号帳１１から出力された適応符号ベクトル１０２及び雑音符号帳１２から出力された雑音符号ベクトル１０３のクインを符号化するためのゲイン符号帳１３に接続されると共にマルチプレクサ３４に接続される。
【００５３】
適応符号帳１１及び雑音符号帳１２の出力はゲイン符号帳１３の出力と共にゲイン乗算器１４，１５にそれぞれ接続される。ゲイン乗算器１４，１５の出力は加算器１６に接続され、この加算器１６の出力は線形予測係数符号化部１７の出力と共に合成フィルタ１８に接続される。この合成フィルタ１８の出力は入力音声と共に加算器１９に入力される。加算器１９の出力はホルマント重みフィルタ２５に接続される。
【００５４】
即ち、この実施形態では、図１５に示す従来の音声符号化システムに対して更に高域成分を求める高域通過フィルタ２０及び２６、低域成分を求める低域通過フィルタ２１及び２７が追加されている。この構成において、帯域毎に算出されたピッチ重み係数１１２及び１１３を用いてピッチ重み付けを行う点が大きく異る。
【００５５】
この音声符号化システムでは、まず入力音声１００が５〜２０ｍｓ程度の一定間隔のフレーム単位に分割されて入力される。フレーム単位の入力音声は線形予測分析部１０に入力され、その周波数スペクトルの包絡形状を表す線形予測係数１０１が計算される。線形予測係数１０１は線形予測係数符号化部１７で符号化された後、合成フィルタ１８にフィルタ係数１０６として与えられる。また、線形予測係数１０１はホルマント重み付けを行うためにホルマント重みフィルタ２５にも供給される。
【００５６】
線形予測係数１０１の符号化の後、音源信号の符号化が行われる。音源信号の符号化では、適応符号帳１１から選択された適応符号ベクトル１０２と雑音符号帳１２から選択された雑音符号ベクトル１０３の各々にゲイン符号帳１３から選択されたゲイン１０４が乗じられて足し合わされることによって駆動音源１０５が生成される。このようにして生成された駆動音源１０５は、線形予測係数符号化部１７の出力により特徴づけられた合成フィルタ１８に入力され復号音声１０７が生成される。
【００５７】
入力音声１００と復号音声１０７の差信号１０８が計算される。差信号１０８は、先ず、ホルマント重みフィルタ２５に入力され、ホルマント重み付けが行われる。ホルマント重みフィルタ２５は、線形予測分析部１０で求められた線形予測係数１０１から算出されるホルマント重みフィルタ係数により特徴づけられる。例えば、ホルマント重みフィルタの伝達関数Ｗｓ（ｚ）は、線形予測分析部１０で求められたＬＰＣ係数から構成される予測フィルタの伝達関数Ａ（ｚ）を用いて
【００５８】
【数５】
【００５９】
と表される。定数γ１，γ２の値としては、例えばｒ１＝０．９、ｒ２＝０．４を用いることができる。なお、γ１，γ２はこの値に限定される必要はなく、異なる値を用いても良い。
【００６０】
次に、ホルマント重み付けされた差信号１１４は高域通過フィルタ２６及び低域通過フィルタ２７に入力され、２つの帯域に分割された後、各帯域のピッチ重みフィルタ２４、３０に入力される。一方、入力音声１００も高域通過フィルタ２０及び低域通過フィルタ２１に入力され、２つの帯域に分割された後、各帯域成分１１０、１１１はそれぞれピッチ重みフィルタ係数算出部２２、２３に入力される。ピッチ重みフィルタ係数算出部２２、２３では、入力された信号をピッチ予測して、ピッチ予測係数１１２、１１３が算出される。算出されたピッチ予測係数１１２、１１３はピッチ重みフィルタ２４、３０に供給される。
【００６１】
ピッチ重みフィルタでは、各帯域成分に対してそれぞれ異るピッチ重み付けが行われる。ピッチ重みフィルタはピッチ重みフィルタ係数算出部で求められたピッチ重みフィルタ係数によって特徴づけられる。例えば、高域のピッチ重みフィルタの伝達関数ＷＨｐ、及び低域のピッチ重みフィルタの伝達関数ＷＬｐは、ピッチ周期及びピッチ予測係数βＨｉ，βＬｉを用いて、
【００６２】
【数６】
【００６３】
と表される。ただし、Ｍはピッチ予測次数を制御する定数、γは雑音整形の度合を制御する定数である。定数γＨ，γＬの値としては、例えばγＨ＝γＬ＝０．４を用いることができる。なお、γＨ，γＬは別々の値を設定しても構わないし、γＨ，γＬを各帯域のピッチ強度ＳＨ，ＳＬの関数として定義し、ピッチ強度を用いて各帯域毎に制御することもできる。例えば、
【００６４】
【数７】
【００６５】
と定義することができる。ただし、ζＨ，ζＬは定数である。また、ピッチ強度ＳＨ，ＳＬは予測係数βＨｉ，βＬｉを用いて
【００６６】
【数８】
【００６７】
と定義することができる。ただし、ピッチ強度ＳＨ，ＳＬは上式に限定されず、信号のピッチ周期の強さを示すパラメータであれば良い。
【００６８】
次に、ピッチ重み付けされた高域成分１１７及び低域成分１１８は加算部３１で加算され、歪み計算部３２に入力される。歪み計算部３２では、歪みが最小となる適応符号ベクトル、雑音符号ベクトル及びゲインベクトルが選択され、これらのベクトルを表すインデックスがマルチプレクサ３４に入力される。また、マルチプレクサ３４には歪み計算部３２から入力されるインデックスとともに、線形予測係数符号化部１７からも線形予測係数を符号化して得られるインデックスが入力される。マルチプレクサ３４では、入力されたインデックスから符号化ビットストリーム１２２が生成され、この符号化ビットストリーム１２２が伝送路または蓄積媒体を経て復号側に伝送される。
【００６９】
上述したように、本実施形態では帯域毎にピッチ重み付けの度合を制御できるので、入力音声が図２のＳ（ｆ）に示す周波数特性を持つ場合でも、低域ではピッチ重み付けの度合を強くし、高域ではピッチ重み付けの度合を弱くすることで、符号化雑音の周波数特性を図２のＥ（ｆ）のような形にすることができる。このように、符号化雑音の調和構造を入力音声の調和構造に近づけることが可能となり、復号音声の音質を向上させることができる。
【００７０】
（第２の実施形態）
本発明の音声符号化法をＣＥＬＰ方式に適用した第２の実施形態について説明する。図３に本実施形態に係る音声符号化方法を適用した音声符号化システムの構成を示す。図３に示される本実施形態の音声符号化システムは、図１に示した第１の実施形態の音声符号化システムに有声／無声判定部４０、４１と切り替え部４４、４５が追加された構成となっている。図３において図１と同一の番号が付されている部分は同じ動作をするものとして、ここでは本実施形態の特徴的な部分を中心に説明する。
【００７１】
本実施形態では、高域と低域に分割された入力音声は、それぞれ各帯域の有声／無声判定部４０、４１とピッチ重みフィルタ係数算出部２２、２３に入力され、有声／無声判定部４０、４１では入力された帯域制限された信号１１０、１１１を分析して、その帯域の信号が有声であるか無声であるかを判定する。有声／無声の判定は、例えばＩＭＢＥ（Ｉｍｐｒｏｖｅｄ Ｍｕ１ｔｉ＝Ｂａｎｄ Ｅｘｃｉｔａｔｉｏｎ ｖｏｃｏｄｅｒ）で用いられているアルゴリズムを使用することで実現できる。なお、ＩＭＢＥの詳細は、例えばＤ．Ｗ．Ｇｒｉｆｆｉｎ ａｎｄ Ｊ．Ｓ．Ｌｉｍ ”Ｍｕｌｔｉｂａｎｄ Ｅｘｃｔａｔｉｏｎ Ｖｏｃｏｄｅｒ”， ＩＥＥＥ Ｔｒａｎｓ． Ａｃｏｕｓｔ．， Ｓｐｅｅｃｈ， Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ，ｖｏ１．ＡＳＳＰ−３６， ｐｐ．１２２３−１２３５，Ａｕｇ．１９８８（文献２）に示されている。有声／無声の判定結果はピッチ重みフィルタ係数算出部２２、２３と切り替え部４４、４５に送られる。
【００７２】
有声／無声の判定結果１４０、１４１が有声の場合、ピッチ重みフィルタ係数算出部２２、２３では入力信号を分析して、ピッチ重みフィルタ係数１１２、１１３が算出され、ピッチ重みフィルタ係数がピッチ重みフィルタに入力される。逆に、有声／無声の判定結果１４０、１４１が無声の場合、ピッチ重みフィルタ係数算出部２２、２３ではピッチ重みフィルタ係数１１２、１１３の算出は行われない。
【００７３】
一方、切り替え部４４、４５では有声／無声の判定結果１４２、１４３に従って、出力の切り替えが行われる。有声／無声の判定結果が有声の場合、切り替え部の出力はピッチ重みフィルタ２４，３０に入力される。逆に、有声／無声の判定結果が無声の場合、切り替え部の出力はそのまま加算部４６、４７に入力される。このようにして各帯域でピッチ重み付けの有／無が制御される。
【００７４】
ピッチ重み付けされた高域成分及び低域成分は加算部３１で加算され、歪み計算部３２に入力される。歪み計算部３２では、歪みが最小となる適応符号ベクトル、雑音符号ベクトル及びゲインベクトルが選択され、これらのベクトルを表すインデックスがマルチプレクサ３４に入力される。
【００７５】
また、マルチプレクサ３４には歪み計算部３２から入力されるインデックスとともに、線形予測係数符号化部１７からも線形予測係数を符号化して得られるインデックスが入力される。マルチプレクサ３４では、入力されたインデックスから符号化ビットストリーム１２２が生成され、この符号化ビットストリーム１２２が伝送路または蓄積媒体を経て符号化側に伝送される。
【００７６】
上述したように、本実施形態では帯域毎にピッチ重み付けの有／無を制御できるので、入力音声が図４のＳ（ｆ）に示す周波数特性を持つ場合でも、低域のみピッチ重み付けを行い、高域ではピッチ重み付けを行わないようにすることで、符号化雑音の周波数特性を図４のＥ（ｆ）のような形にすることができる。このように、符号化雑音の調和構造を入力音声の調和構造に近づけることが可能となり、復号音声の音質を向上させることができる。
【００７７】
なお、本発明の第２の実施形態は帯域毎にピッチ重み付けの有／無の制御を行う部分が特徴的な部分であり、帯域毎にピッチ重み付けの有／無の制御が行えるような構成であれば良く、図３の構成に限定されない。例えば、図５に示すように、図３から切り替え部４４、４５を取り除いた構成で、ピッチ重みフィルタ係数算出部２２，２３において、有声／無声判定結果に基づいてピッチ重みフィルタ係数を求めるように変更することもできる。
【００７８】
ここで、無声の場合はピッチ重み付けを行わないピッチ重みフィルタ係数を出力するようにしておくことで、ピッチ重み付けの有／無の切り替えと同様の操作を行うことができる。
【００７９】
（第３の実施形態）
本発明の音声符号化法をＣＥＬＰ方式に適用した第３の実施形態について説明する。図６に本実施形態に係る音声符号化方法を適用した音声符号化システムの構成を示す。この音声符号化システムは、図１５に示す従来のＣＥＬＰ方式と異なって、聴覚重み付け部分にピッチ重み制御フィルタ６０、６１、加算部６２及び減算部６３が追加された構成となっている。なお、ここでは本実施形態の特徴的な部分を中心に説明する。
【００８０】
ホルマント重み付けされた差信号１１４はピッチ重みフィルタ５０、ピッチ重み制御フィルタ６１及び減算部６３に入力される。ピッチ重みフィルタ５０ではホルマント重み付けされた差信号１１４に対してピッチ重み付けが行われ、処理された信号１５１がピッチ重み制御フィルタ６０に入力される。ピッチ重み制御フィルタ６０では入力された信号１５１をフィルタ処理した後、信号１５２として加算部６２に供給する。
【００８１】
一方、減算部６３では、ホルマント重み付けされた差信号１１４とホルマント重み付けされた差信号１１４をピッチ重み制御フィルタ６１でフィルタ処理した信号１５３の差信号１５４が求められ、この信号１５４が加算部６２に入力される。加算部６２では入力された２つの信号が加算され、加算された信号１５５が歪み計算部３２に入力される。歪み計算部３２では、歪みが最小となる適応符号ベクトル、雑音符号ベクトル及びゲインベクトルが選択され、これらのベクトルを表すインデックスがマルチプレクサ３４に入力される。また、マルチプレクサ３４には歪み計算部３２から入力されるインデックスとともに、線形予測係数符号化部１７からも線形予測係数を符号化して得られるインデックスが入力される。マルチプレクサ３４では、入力されたインデックスから符号化ビットストリーム１２２が生成され、この符号化ビットストリーム１２２が伝送路または蓄積媒体を経て符号化側に伝送される。
【００８２】
第３の本実施形態では、ピッチ重み制御フィルタ６０、６１は周波数に対してピッチの重み付けの度合を滑らかに変化させる役割をしている。例えば、ピッチ重みフィルタの周波数特性が図７のＷｐ（ｆ）で表され、ピッチ重み制御フィルタの周波数特性が図８のＨ（ｆ）で表されるような低域通過特性となるとき、変形ピッチ重み付けフィルタの周波数特性は図９のＷ（ｆ）のように周波数が高くなるに従ってピッチ重み付けの度合が弱くなっている。このような重み付けを行った場合、符号化により生じる符号化雑音のスペクトルは図９のＥ（ｆ）に示すように周波数が高くなるに従って調和構造が弱くなる。また、ピッチ重みフィルタの周波数特性が図７のＷｐ（ｆ）で表され、ピッチ制御フィルタの周波数特性が図１０のＨ（ｆ）で表されるような特性となるとき、変形ピッチ重み付けフィルタの周波数特性は図１１のＷ（ｆ）のように中域の周波数でピッチ重み付けの度合が弱くなっている。このような重み付けを行った場合、符号化により生じる符号化雑音のスペクトルは図１１のＥ（ｆ）に示すように中域の周波数で調和構造が弱くなる。
【００８３】
このように、ピッチ重み制御フィルタを用いることで、変形ピッチ重み付けフィルタのピッチ重み付けの度合を周波数で滑らかに変化させることができる。また、入力音声の特性に応じてピッチ重み制御フィルタの特性を変化させることもできる。例えば、入力音声を分析して周波数に対する調和構造の強さを求め、周波数に対する調和構造の強さを基にピッチ重み制御フィルタの特性を決定する。ピッチ制御フィルタの特性を調和構造が弱い周波数を減衰させるような特性にすることで、符号化雑音の調和構造を入力音声の調和構造に近づけることが可能となり、復号音声の音質を更に向上させることができる。
【００８４】
（第４の実施形態）
本発明の音声復号方法をＣＥＬＰ方式に適用した実施形態を説明する。図１２には、第４の実施形態に係る音声復号方法を適用した音声復号システムの構成が示されている。この音声復号システムでは、デマルチプレクサ７０の出力が、適応符号帳１１、雑音符号帳１２及びゲイン符号帳１３並びに線形予測係数復号部７１に接続される。
【００８５】
適応符号帳１１及び雑音符号帳１２の出力はゲイン符号帳１３の出力と共にゲイン乗算部１４、１５にそれぞれ接続される。ゲイン乗算部１４，１５の出力は加算部１６に接続される。この加算部１６の出力は適合符号帳１１に帰還され、更に線形予測係数復号部７１の出力と共に合成フィルタ１８に接続される。線形予測係数復号部７１の出力はポストフィルタ７８に接続される。
【００８６】
ポストフィルタ７８は、ホルマント強調フィルタ７２及び変形ピッチ強調フィルタ７７から構成されており、変形ピッチ強調フィルタ４７はピッチ強調制御フィルタ７３、ピッチ強調フィルタ７４、７５及び加算部７６から構成されている。
【００８７】
この音声復号システムでは、先ず、伝送路または蓄積媒体から得られたビットストリーム１７０がデマルチプレクサ７０に入力される。デマルチプレクサ７０では、入力されたビットストリーム１７０から線形予測係数を表す線形予測係数インデックス１７１、適応符号ベクトルを表す適応符号ベクトルインデックス１７２、雑音符号ベクトルを表す雑音符号ベクトルインデックス１７３、及びゲインベクトルを表すインデックス１７４が分離生成される。これらのインデックスのうち、線形予測係数インデックス１７１は線形予測係数復号部７１に、適応符号ベクトルインデックス１７２は適応符号帳１１に、雑音符号ベクトルインデックス１７３は雑音符号帳１２に、ゲインインデックス１７４はゲイン符号帳１３にそれぞれ入力される。
【００８８】
線形予測係数復号部７１では、入力された線形予測係数インデックス１７１から線形予測係数が復号され、これが合成フィルタ１８にフィルタ係数として与えられる。また、適応符号ベクトルインデックス１７２に従って適応符号帳１１から適応符号ベクトル１０２が選択され出力される。また、雑音符号ベクトルインデックス１７３に従って雑音符号帳１２から雑音符号ベクトル１０３が選択され出力される。
【００８９】
さらに、ゲインインデックス１７４に従ってゲイン符号帳１３から適応符号ベクトル及び雑音符号ベクトルに乗じるべきゲイン１０４が選択され出力される。このゲインが乗算部１４、１５で適応符号ベクトル１０２及び雑音符号ベクトル１０３に乗じられた後、これら２つのベクトルが加算部１６で足し合わされることによって復号残差波形信号１０５が生成され、この信号が駆動音源信号として合成フィルタ１８及び適応符号帳１１に入力される。
【００９０】
線形予測係数復号部７１で復号された線形予測係数により決定された合成フィルタ１８が駆動音源信号により駆動され、復号音声信号１０７が生成される。その後、復号音声１０７の主観品質を向上させるために復号音声１０７に対してポストフィルタ処理が行われる。従来のポストフィルタはホルマント強調フィルタとピッチ強調フィルタの従属接続で構成されているが、本実施形態におけるポストフィルタ４８はホルマント強調フィルタ７２と変形ピッチ強調フィルタ７３の従属接続で構成されている。変形ピッチ強調フィルタ７３は図１２に示されるように、ピッチ強調の度合を周波数毎に制御できるように、ピッチ強調フィルタ７３、ピッチ強調制御フィルタ７４、７５及び加算部７６から構成されている。この場合、変形ピッチ強調フィルタ７７の伝達関数Ｈ’ｐ（ｚ）は、ピッチ強調フィルタ７３の伝達関数Ｈ’ｐ（ｚ）、ピッチ強調制御フィルタ７４、７５の伝達関数Ｈ（ｚ）を用いて、
【００９１】
【数９】
【００９２】
と表される。なお、ホルマント強調フィルタ７２は公知の技術を用いて構成できる。
【００９３】
ここで、ピッチ強調フィルタ７３の伝達関数は式５で表され、その特性が図１３であり、また、ピッチ制御フィルタ７４、７５の特性が図８に示されるような低域通過の特性であるとき、変形ピッチ強調フィルタ４７の周波数特性は、図１４のＨ’ｐ（ｚ）に示されるような、高域ほど山谷の小さいものになる。このような変形ピッチ強調フィルタを用いれば、低域で強く高域で弱いピッチ強調を行うことができ、強いピッチ強調を行っても高域のスペクトルが変形しにくくなり、高域の品質の劣化を抑えたピッチ強調を行うことができる。
【００９４】
図１２に戻りポストフィルタ７８の動作を説明する。合成フィルタ１８から出力された復号音声１０７はホルマント強調フィルタ７２に入力され、ホルマント強調フィルタ７２でホルマント強調された復号音声１７５は加算部７６、ピッチ強調制御フィルタ７３及びピッチ強調フィルタ７４に入力される。ピッチ強調フィルタ７３に入力されたホルマント強調され本復号音声１７５は、ピッチ強調フィルタ７３でピシチ強調された後、ピッチ強調制御フィルタ７５で処理され加算部７６に入力される。
【００９５】
また、ピッチ強調制御フィルタ７４に入力されたホルマント強調された復号音声１７５はピッチ強調制御フィルタ処理され、加算部７６に入力される。加算部７６では供給された３つの信号１７５、１７６、１７８が加算され、その結果が最終的な復号音声１７９となって出力される。
【００９６】
上述したように、本実施形態におけるポストフィルタ７８は、従来のポストフィルタにピッチ強調制御フィルタ７４を追加することでピッチ強調の度合を周波数毎に制御できるようにしたものである。ピッチ強調制御フィルタ７４はその特性を変化させることでピッチ強調の度合を自由に変化させることができ、復号音声の特性に従いピッチ強調制御フィルタの特性を変化させれば、復号音声の周波数にあった強さのピッチ強調を行うことができ、復号音声の品質を更に向上させることができる。
【００９７】
なお、本発明の特徴的な部分はポストフィルタのピッチ強調に関する部分であって、音声復号方式はＣＥＬＰ方式に限定される必要はなく、他の復号方式を用いても構わない。
【００９８】
また、ここで述べたピッチ強調方法を音声符号化の駆動音源信号を生成する部分に適用することも可能である。
【００９９】
以上、本発明の実施形態を幾つか説明したが、本発明は上述した実施形態に限定される必要はなく、種々変形して実施が可能である。
【０１００】
例えば、上述した第１の実施形態及び第２の実施形態では簡単のため高域と低域の２つの帯域に分割しているが、分割される帯域の数は２つに限定される必要はなく、２つ以上であれば構わない。また、帯域分割部は図１〜図５に示した構成に限定されない。帯域分割する方法として、信号を一旦ＦＦＴして、ＦＦＴ上で周波数分割した後に逆ＦＦＴする方法や、ＱＭＦフィルタを用いて帯域分割する方法などを用でも構わない。
【０１０１】
さらに、本実施形態では入力音声と再生音声の差信号に対して聴覚重み付けフィルタ処理を行い聴覚重み付け歪みを求めているが、入力音声及び再生音声それぞれに聴覚重み付けを行った後に差信号を求め、聴覚重み付け歪みを求めるような構成に変形することも可能である。
【０１０２】
【発明の効果】
以上詳述したように、本発明によれば符号化雑音の調和構造を入力音声に類似させることができるようにになり、再生音声の品質を向上させることができる。
【図面の簡単な説明】
【図１】本発明の第１の実施形態における音声符号化方法を用いた音声符号化システムの構成を示す図。
【図２】本発明の第１の実施形態における符号化雑音の周波数特性を示す図。
【図３】本発明の第２の実施形態における音声符号化方法を用いた音声符号化システムの構成を示す図。
【図４】本発明の第２の実施形態における符号化雑音の周波数特性を示す図。
【図５】本発明の第２の実施形態における音声符号化方法を用いた他の音声符号化システムの構成を示す図。
【図６】本発明の第３の実施形態における音声符号化方法を用いた音声符号化システムの構成を示す図。
【図７】本発明の第３の実施形態におけるピッチ重みフィルタの周波数特性を示す図。
【図８】本発明の第３の実施形態におけるピッチ重み制御フィルタの周波数特性を示す図。
【図９】本発明の第３の実施形態における符号化雑音の周波数特性を示す図。
【図１０】本発明の第３の実施形態におけるピッチ重み制御フィルタの周波数特性を示す図。
【図１１】本発明の第３の実施形態における符号化雑音の周波数特性を示す図。
【図１２】本発明の第４の実施形態における音声復号方法を用いた音声復号化システムの構成を示す図。
【図１３】本発明の第４の実施形態におけるピッチ強調フィルタの周波数特性を示す図。
【図１４】本発明の第４の実施形態における変形ピッチ強調フィルタの周波数特性を示す図。
【図１５】従来の音声符号化の構成を示す図である。
【図１６】従来の音声符号化における符号化雑音の周波数特性を示す第１の図。
【図１７】従来の音声符号化における符号化雑音の他の周波数特性を示す図。
【図１８】本発明の音声符号化における符号化雑音の周波数時性を示す図。
【符号の説明】
１０…線形予測分析部
１１…適応符号帳
１２…雑音符号帳
１３…ゲイン符号帳
１４、１５…ゲイン乗算部
１６…加算器
１７…線形予測係数符号化部
１８…合成フィルタ
１９…加算器
２０…広域通過フィルタ
２１…低域通過フィルタ
２２、２３…ピッチ重みフィルタ係数算出部
２４…帯域分割部
２５…ホルマント重みフィルタ
２６…広域通過フィルタ
２７…低域通過フィルタ
２８…帯域分割部
２９、３０…ピッチ重みフィルタ
３１…加算器
３２…歪み計算部
３３…聴覚重み付けフィルタ
３４…マルチプレクサ
４０、４１…有声／無声判定部
４４，４５…切り替え部
７１…線形予測係数復号部
７２…ホルマント強調フィルタ
７３…ピッチ強調フィルタ
７４…ピッチ強調制御フィルタ
７５…ピッチ強調制御フィルタ
７６…加算器
７７…変形ピッチ強調フィルタ
７８…ポストフィルタ
【発明の属する技術分野】
本発明は、電話帯域の音声、広帯域音声及びオーディオ信号等の音声信号の圧縮符号化方法及び装置並びに復号方法及び装置に関する。
【０００２】
【従来の技術】
低ビットレートでも比較的高音質の音声を再生できる音声符号化方式として、ＣＥＬＰ（Ｃｏｄｅ Ｅｘｃｉｔｅｄ Ｌｉｎｅａｒ Ｐｒｅｄｉｃｔｉｏｎ）方式が知られている。ＣＥＬＰ方式の詳細は例えばＭ．Ｒ．Ｓｃｈｒｏｅｄｅｒ ａｎｄ Ａｔａ１． ”Ｃｏｄｅ−Ｅｘｉｔｅｄ Ｌｉｎｅａｒ Ｐｒｅｄｉｃｔｉｏｎ（ＣＥＬＰ）：ｈｉｇｈ ｑｕｑ１ｉｔｙ ｓｐｅｅｃｈ ａ ｖｅｒｙ １ｏｗ ｂｉｔ ｒａｔｅｓ”、ｉｎ Ｐｒｏｃ． ＩＣＡＳＳＰ‘８５． ｐｐ．９３７−９３９，１９８５（文献１）に示されている。ＣＥＬＰ方式の構成を図１５に示す。図１５に示されるように、ＣＥＬＰ方式では聴覚重みフィルタを用いて符号化による音声に混入する雑音（符号化雑音）の評価を行い、符号化雑音が現フレームの音声のスペクトルから決まる形状のマスキング特性にマスクされる原理（同時マスキング）を用いて雑音が聞こえにくくなるような音源の符号を選択することを特徴としている。一般に、ＣＥＬＰに用いる聴覚重みフィルタはホルマント重みフィルタとピッチ重みフィルタの縦続接続で構成される。ホルマント重みフィルタは入力音声のホルマントによるマスキング特性を利用し、ピッチ重みフィルタは入力音声の調和構造（ハーモニクス）によるマスキング特性を利用している。聴覚重みフィルタの伝達関数ｗ（ｚ）は、ホルマント重みフィルタの伝達関数Ｗｓ（ｚ）及びピッチ重みフィルタの伝達関数Ｗｐ（ｚ）を用いて
【０００３】
【数１】
と表される。ピッチ重みフィルタはピッチ調和周波数成分に小さな重み、調和周波数間の成分に大きな重みをそれぞれかけることにより、符号化雑音のスペクトルを入力音声と同じピッチの調和構造に整形する働きをする。ここで、ピッチ重みフィルタの伝達関数Ｗｐ（ｚ）はピッチ周期Ｔ０及びピッチ予測により求められたピッチ予測係数βｉを用いて
【０００５】
【数２】
と表される。ただし、Ｍはピッチ予測次数を制御する定数、γは雑音整形の度合を制御する定数である。
【０００７】
このようにして求めたピッチ重みフィルタの周波数特性を図１６に示す。図１６において、ピッチ重みフィルタの周波数特性はＷ（ｆ）、音声の周波数特性はＳ（ｆ）で表される。この図からも分かるように、ピッチ重みフィルタはピッチ調和周波数では谷の特性を持ち、調和周波数間では山の特性を持つ。従って、符号化雑音をピッチ重みフィルタで重み付けを行うことにより、音声のピッチ調和周波数では小さな重みを付け、逆に調和周波数間では大きな重みを付けて評価することができる。
【０００８】
このようにフレーム内で周波数毎の相対的な重み付けを用いて、音源の符号選択を行うことにより、符号化により生じる符号化雑音のスペクトルを図１６のＥ（ｆ）に示すように音声と同じピッチ周期の調和構造にすることができる。こうすると、符号化雑音は音声のスペクトルの凹凸にマスクされて聞こえにくいものとなる。このようにピッチ重みフィルタは比較的簡単な分析により得られ、かつ、主観的な符号化雑音を抑えた音声符号化を行うことができるため、ＣＥＬＰで用いられてきた。
【０００９】
また、ＣＥＬＰ方式では復号音声の主観品質を向上させるために、音声を復号した後にポストフィルタが用いられることが多い。一般に、ＣＥＬＰに用いるポストフィルタはホルマント強調フィルタとピッチ強調フィルタの縦続接続で構成される。ポストフィルタ伝達関数Ｈｐｆ（ｚ）は、ホルマント強調フィルタの伝達関数Ｈｓ（ｚ）及びピッチ強調フィルタの伝達関数Ｈｐ（ｚ）を用いて
【００１０】
【数３】
と表される。ここで、ピッチ強調フィルタの伝達関数Ｈｐ（ｚ）はピッチ周期Ｔ０及びピッチ予測係数λを用いて、
【００１２】
【数４】
と表される。ただし、λはピッチ強調の度合を制御する定数である。
【００１４】
【発明が解決しようとする課題】
しかし、実際の音声は帯域によって調和構造の強さが異なっており、図１７のＳ（ｆ）のように調和構造が弱い帯域が存在することもある。従来のピッチ重みフィルタを用いたピッチ重み付けでは、図１７のＷ（ｆ）のように全帯域で整形の強さが同じであるピッチ重みフィルタを使用するためにＥ（ｆ）に示される符号化雑音の調和構造と入力音声の調和構造とが異なり、復号音声の音質が劣化するという問題があった。
【００１５】
また、ポストフィルタ処理におけるピッチ強調においても同様で、式５に示す伝達関数のフィルタを用いた従来のピッチ強調では、全帯域でピッチ強調の強さが同じであるためピッチ強調の不要な帯域に対してもピッチ強調が行われ、復号音声の音質が劣化するという問題があった。
【００１６】
本発明は、このような問題点を解消し、図１８に示すように、符号化雑音の調和構造を入力音声の調和構造に近づけることで復号音声の音質を向上させる音声符号化及び復号方法並びに音声符号化及び復号化装置を提供することを目的とする。
【００１７】
【課題を解決するための手段】
第１の本発明は、入力音声情報信号とこの入力音声情報信号に対応する合成音声情報信号との差を表す誤差信号を生成し、周波数に従って前記誤差信号に対するピッチ重み付けの度合いを変えて重み付け信号を生成し、この重み付け信号に基づきインデックス情報を生成することを特徴とする音声符号化方法を提供する。
【００１８】
このようにピッチ重み付けの度合を周波数によって変化させることにより、各周波数に適したピッチ重み付けを行い、符号化雑音の調和構造を各周波数で制御することが可能となり、復号音声の音質を向上させることができる。
【００１９】
また、第２の発明は、第１の発明に係る音声符号化方法おいて、入力音声の特性に従って各周波数のピッチ重み付けの度合を変化させることを特徴とする音声符号化方法を提供する。
【００２０】
このように、各周波数のピッチ重み付けの度合を入力信号の特性に従って変化させることにより、符号化雑音の調和構造を入力音声の調和構造に対応して変化させることが可能となり、復号音声の音質を向上させることができる。
【００２１】
また、第３の発明は、第２の発明に係る音声符号化方法おいて、入力音声を分析して各周波数の有声度を求め、有声度に従って各周波数のピッチ重み付けの度合を変化させることを特徴とする音声符号化方法を提供する。
【００２２】
このように、各周波数のピッチ重み付けの度合を入力信号の各周波数の有声度に従って変化させることにより、符号化雑音の調和構造を入力音声の調和構造に対応して変化させることが可能となり、復号音声の音質を向上させることができる。
【００２３】
また、第４の発明は、第３の発明に係るに係る音声符号化方法において、有声度が高い周波数ではピッチ重み付けの度合を強くし、有声度が低い周波数ではピッチ重み付けの度合を弱くすることを特徴とする音声符号化方法を提供する。
【００２４】
このような重み付けを行うことで、符号化雑音の調和構造を入力音声の調和構造に近づけることができ、復号音声の音質を向上させることができる。
【００２５】
また、第５の発明は、入力音声情報信号とこの入力音声情報信号に対応する合成音声情報信号との差を表す誤差信号を生成し、前記入力音声情報信号を少なくとも２つの周波数帯域に分割し、該周波数帯域毎に前記誤差信号に対するピッチ重み付けの度合いを変えて重み付け信号を生成し、この重み付け信号に基づきインデックス情報を生成することを特徴とする音声符号化方法を提供する。
【００２６】
このように、ピッチ重み付けの度合を帯域毎に変化させることにより、各帯域に適したピッチ重み付けを行うことができ、符号化雑音の調和構造を帯域毎に制御し、復号音声の音質を向上させることができる。
【００２７】
また、第６の発明は、第５の発明に係る方法おいて、入力音声を分析して各帯域の有声度を求め、有声度に従って各帯域のピッチ重み付けの度合を変化させることを特徴とする音声符号化方法を提供する。
【００２８】
このように、各帯域のピッチ重み付けの度合を入力信号の各帯域の有声度に従って変化させることにより、符号化雑音の調和構造を入力音声の調和構造に対応して変化させることができ、復号音声の音質を向上させることができる。
【００２９】
また、第７の発明は、第６の発明に係る音声符号化方法において、有声度が高い帯域ではピッチ重み付けの度合を強くし、有声度が低い帯域ではピッチ重み付けの度合を弱くすることを特徴とする音声符号化方法を提供する。
【００３０】
このような重み付けを行うことで、符号化雑音の調和構造を入力音声の調和構造に近づけることができ、復号音声の音質を向上させることができる。
【００３１】
また、第８の発明は、第５の発明に係る音声符号化方法において、入力音声を分析して各帯域の有声／無声判定を行い、有声と判定された帯域に対してはピッチ重み付けを行い、無声と判定された帯域に対してはピッチ重み付けを行わないことを特徴とする音声符号化方法を提供する。
【００３２】
このように、帯域によってピッチ重み付けの度合を変化させることによって符号化雑音の調和構造を入力音声の調和構造に近づけることができるようになり、復号音声の品質を向上させることができる。
【００３３】
ここで、ピッチ重み付けの度合とは、雑音のピッチ整形の強さを指し、雑音のピッチ整形の強さは、例えば、ピッチ重みフィルタのフィルタ係数によって制御することができる。
【００３４】
また、第９の発明は、符号化音声情報からインデックス情報を抽出し、このインデックス情報に基づき復号音声信号を生成し、周波数に応じてピッチ強調の度合を変化させて前記復号音声信号にピッチ強調処理を行うことを特徴とする音声復号方法を提供する。
【００３５】
このように、ポストフィルタのピッチ強調の度合を周波数によって変化させることにより、各周波数に適したピッチ強調を行うことができ、復号音声の品質を向上させることができる。
【００３６】
また、第１０の発明は、第９の発明に係る音声復号方法において、復号音声の特性に従って各周波数のピッチ強調の度合を変化させることを特徴とする音声復号方法を提供する。
【００３７】
このように、復号音声の特性に従って各周波数のピッチ強調の度合を変化させることで、復号音声にあったピッチ強調を行うことができる。
【００３８】
また、第１１の発明は、第１０の発明に係る音声復号方法において、復号音声の各周波数の有声度に従って各周波数のピッチ強調の度合を変化させることを特徴とする音声復号方法を提供する。
【００３９】
また、第１２の発明は、第１１の発明に係る音声復号方法において、有声度が高い周波数ではピッチ強調の度合を強くし、有声度が低い周波数ではピッチ強調の度合を弱くすることを特徴とする音声復号方法を提供する。
【００４０】
また、第１３の発明は、符号化音声情報からインデックス情報を抽出し、このインデックス情報に基づき復号音声信号を生成し、前記復号音声信号を少なくとも２つの周波数帯域に分割し、周波数帯域毎にピッチ強調の度合を変化させて前記復号音声信号にピッチ強調処理を行うことを特徴とする音声復号方法を提供する。
【００４１】
また、第１４の発明は、第１３の発明に係る音声復号方法において、復号音声の各帯域の有声度に従って各帯域のピッチ強調の度合を変化させることを特徴とする音声復号方法を提供する。
【００４２】
また、第１５の発明は、第１４の発明に係る音声復号方法において、有声度が高い帯域ではピッチ強調の度合を強くし、有声度が弱い帯域ではピッチ強調の度合を弱くすることを特徴とする音声復号方法を提供する。
【００４３】
また、第１６の発明は、第１３の発明に係る音声復号方法において、復号音声の各帯域の有声／無声判定を行い、有声と判定された帯域に対してはピッチ強調を行い、無声と判定された帯域に対してはピッチ強調を行わないことを特徴とする音声復号方法を提供する。
【００４４】
この第１６の発明によれば、必要な帯域に対してのみピッチ強調を行うことができるので、復号音声の品質を向上させることができる。
【００４５】
ここで、ピッチ強調の度合とは、復号音声のピッチ整形の強さを指し、ピッチ整形の強さは、例えば、ピッチ強調フィルタのフィルタ係数によって制御することができる。
【００４６】
また、第１７の発明は、入力音声情報信号とこの入力音声情報信号に対応する合成音声情報信号との差を表す誤差信号を生成する合成フィルタ手段と、周波数に従って前記誤差信号に対するピッチ重み付けの度合いを変えて重み付け信号を生成する重み付けフィルタ手段と、この重み付け信号に基づきインデックス情報を生成するインデックス情報発生手段とにより構成されることを特徴とする音声符号化装置を提供する。
【００４７】
また、第１８の発明は、入力音声情報信号とこの入力音声情報信号に対応する合成音声情報信号との差を表す誤差信号を生成する合成フィルタ手段と、前記入力音声情報信号を少なくとも２つの周波数帯域に分割する帯域分割手段と、該周波数帯域毎に前記誤差信号に対するピッチ重み付けの度合いを変えて重み付け信号を生成する重み付けフィルタ手段と、この重み付け信号に基づきインデックス情報を生成するインデックス情報発生手段とにより構成されることを特徴とする音声符号化装置を提供する。
【００４８】
また、第１９の発明は、符号化音声情報からインデックス情報を抽出する分離手段と、このインデックス情報に基づき復号音声信号を生成する合成フィルタ手段と、周波数に応じてピッチ強調の度合を変化させて前記復号音声信号にピッチ強調処理を行うポストフィルタ手段とで構成されることを特徴とする音声復号装置を提供する。
【００４９】
また、第２０の発明は、符号化音声情報からインデックス情報を抽出し、このインデックス情報に基づき復号音声信号を生成する合成フィルタ手段と、前記復号音声信号を少なくとも２つの周波数帯域に分割し、周波数帯域毎にピッチ強調の度合を変化させて前記復号音声信号にピッチ強調処理を行うポストフィルタ手段とにより構成されることを特徴とする音声復号装置を提供する。
【００５０】
【発明の実施の形態】
（第１の実施形態）
本発明の音声符号化法をＣＥＬＰ方式に適用した第１の実施形態について説明する。ＣＥＬＰ方式の符号化は、音声のスペクトル包絡情報の符号化と音源信号の符号化に大きく分けることができる。聴覚重みフィルタは音源信号の符号化に用いる。ＣＥＬＰ方式ではフレーム単位に音声の分析・符号化を行う。方式によっては、フレームをさらに小さなサブフレームに分割し、サブフレーム毎に音源信号の符号化を行う方法もあるが、ここでは説明の簡単のために音源信号の符号化もフレーム単位で行うことにする。
【００５１】
図１に、本実施形態に係る音声符号化方法を適用した音声符号化システムの構成を示す。この音声符号化システムによると、入力音声１００の線形予測係数１０１を計算する線形予測分析部１０及び帯域分割部の広域通過フィルタ２０及び低域通過フィルタ２１に入力される。広域通過フィルタ２０及び低域通過フィルタ２１の出力は各帯域のピッチ重みフィルタ係数１１２、１１３を求めるピッチ重みフィルタ係数算出部２２，２３にそれぞれ接続される。 ピッチ重みフィルタ係数算出部２２，２３の出力は聴覚重み付けフィルタ３３のピッチ重みフィルタ２９，３０にそれぞれ接続される。
【００５２】
線形予測分析部１０の出力は線形予測係数１０１を符号化する線形予測係数符号化部１７及び入力音声１００と復号音声１０７の差信号１０８にホルマント重み付けを行うホルマント重みフィルタ２５に接続される。線形予測係数符号化部１７の出力は駆動音源１０５から復号音声１０７を生成する合成フィルタ１８及びマルチプレクサ３４に接続される。ホルマント重みフィルタ２５の出力は広域通過フィルタ２６及び低域通過フィルタ２７を介してピッチ重みフィルタ２９，３０にそれぞれ接続される。帯域分割されたホルマント重み付きの差信号１１５、１１６にピッチ重み付けを行うピッチ重みフィルタ２９，３０の出力は加算器３１に入力され、この加算器３１の出力は歪み計算部３２に接続される。この歪み計算部３２の出力は音声のピッチ周期成分を符号化するための適応符号帳１１，音声のピッチ周期以外の成分を符号化するための雑音符号帳１２及び適応符号帳１１から出力された適応符号ベクトル１０２及び雑音符号帳１２から出力された雑音符号ベクトル１０３のクインを符号化するためのゲイン符号帳１３に接続されると共にマルチプレクサ３４に接続される。
【００５３】
適応符号帳１１及び雑音符号帳１２の出力はゲイン符号帳１３の出力と共にゲイン乗算器１４，１５にそれぞれ接続される。ゲイン乗算器１４，１５の出力は加算器１６に接続され、この加算器１６の出力は線形予測係数符号化部１７の出力と共に合成フィルタ１８に接続される。この合成フィルタ１８の出力は入力音声と共に加算器１９に入力される。加算器１９の出力はホルマント重みフィルタ２５に接続される。
【００５４】
即ち、この実施形態では、図１５に示す従来の音声符号化システムに対して更に高域成分を求める高域通過フィルタ２０及び２６、低域成分を求める低域通過フィルタ２１及び２７が追加されている。この構成において、帯域毎に算出されたピッチ重み係数１１２及び１１３を用いてピッチ重み付けを行う点が大きく異る。
【００５５】
この音声符号化システムでは、まず入力音声１００が５〜２０ｍｓ程度の一定間隔のフレーム単位に分割されて入力される。フレーム単位の入力音声は線形予測分析部１０に入力され、その周波数スペクトルの包絡形状を表す線形予測係数１０１が計算される。線形予測係数１０１は線形予測係数符号化部１７で符号化された後、合成フィルタ１８にフィルタ係数１０６として与えられる。また、線形予測係数１０１はホルマント重み付けを行うためにホルマント重みフィルタ２５にも供給される。
【００５６】
線形予測係数１０１の符号化の後、音源信号の符号化が行われる。音源信号の符号化では、適応符号帳１１から選択された適応符号ベクトル１０２と雑音符号帳１２から選択された雑音符号ベクトル１０３の各々にゲイン符号帳１３から選択されたゲイン１０４が乗じられて足し合わされることによって駆動音源１０５が生成される。このようにして生成された駆動音源１０５は、線形予測係数符号化部１７の出力により特徴づけられた合成フィルタ１８に入力され復号音声１０７が生成される。
【００５７】
入力音声１００と復号音声１０７の差信号１０８が計算される。差信号１０８は、先ず、ホルマント重みフィルタ２５に入力され、ホルマント重み付けが行われる。ホルマント重みフィルタ２５は、線形予測分析部１０で求められた線形予測係数１０１から算出されるホルマント重みフィルタ係数により特徴づけられる。例えば、ホルマント重みフィルタの伝達関数Ｗｓ（ｚ）は、線形予測分析部１０で求められたＬＰＣ係数から構成される予測フィルタの伝達関数Ａ（ｚ）を用いて
【００５８】
【数５】
と表される。定数γ１，γ２の値としては、例えばｒ１＝０．９、ｒ２＝０．４を用いることができる。なお、γ１，γ２はこの値に限定される必要はなく、異なる値を用いても良い。
【００６０】
次に、ホルマント重み付けされた差信号１１４は高域通過フィルタ２６及び低域通過フィルタ２７に入力され、２つの帯域に分割された後、各帯域のピッチ重みフィルタ２４、３０に入力される。一方、入力音声１００も高域通過フィルタ２０及び低域通過フィルタ２１に入力され、２つの帯域に分割された後、各帯域成分１１０、１１１はそれぞれピッチ重みフィルタ係数算出部２２、２３に入力される。ピッチ重みフィルタ係数算出部２２、２３では、入力された信号をピッチ予測して、ピッチ予測係数１１２、１１３が算出される。算出されたピッチ予測係数１１２、１１３はピッチ重みフィルタ２４、３０に供給される。
【００６１】
ピッチ重みフィルタでは、各帯域成分に対してそれぞれ異るピッチ重み付けが行われる。ピッチ重みフィルタはピッチ重みフィルタ係数算出部で求められたピッチ重みフィルタ係数によって特徴づけられる。例えば、高域のピッチ重みフィルタの伝達関数ＷＨｐ、及び低域のピッチ重みフィルタの伝達関数ＷＬｐは、ピッチ周期及びピッチ予測係数βＨｉ，βＬｉを用いて、
【００６２】
【数６】
と表される。ただし、Ｍはピッチ予測次数を制御する定数、γは雑音整形の度合を制御する定数である。定数γＨ，γＬの値としては、例えばγＨ＝γＬ＝０．４を用いることができる。なお、γＨ，γＬは別々の値を設定しても構わないし、γＨ，γＬを各帯域のピッチ強度ＳＨ，ＳＬの関数として定義し、ピッチ強度を用いて各帯域毎に制御することもできる。例えば、
【００６４】
【数７】
と定義することができる。ただし、ζＨ，ζＬは定数である。また、ピッチ強度ＳＨ，ＳＬは予測係数βＨｉ，βＬｉを用いて
【００６６】
【数８】
と定義することができる。ただし、ピッチ強度ＳＨ，ＳＬは上式に限定されず、信号のピッチ周期の強さを示すパラメータであれば良い。
【００６８】
次に、ピッチ重み付けされた高域成分１１７及び低域成分１１８は加算部３１で加算され、歪み計算部３２に入力される。歪み計算部３２では、歪みが最小となる適応符号ベクトル、雑音符号ベクトル及びゲインベクトルが選択され、これらのベクトルを表すインデックスがマルチプレクサ３４に入力される。また、マルチプレクサ３４には歪み計算部３２から入力されるインデックスとともに、線形予測係数符号化部１７からも線形予測係数を符号化して得られるインデックスが入力される。マルチプレクサ３４では、入力されたインデックスから符号化ビットストリーム１２２が生成され、この符号化ビットストリーム１２２が伝送路または蓄積媒体を経て復号側に伝送される。
【００６９】
上述したように、本実施形態では帯域毎にピッチ重み付けの度合を制御できるので、入力音声が図２のＳ（ｆ）に示す周波数特性を持つ場合でも、低域ではピッチ重み付けの度合を強くし、高域ではピッチ重み付けの度合を弱くすることで、符号化雑音の周波数特性を図２のＥ（ｆ）のような形にすることができる。このように、符号化雑音の調和構造を入力音声の調和構造に近づけることが可能となり、復号音声の音質を向上させることができる。
【００７０】
（第２の実施形態）
本発明の音声符号化法をＣＥＬＰ方式に適用した第２の実施形態について説明する。図３に本実施形態に係る音声符号化方法を適用した音声符号化システムの構成を示す。図３に示される本実施形態の音声符号化システムは、図１に示した第１の実施形態の音声符号化システムに有声／無声判定部４０、４１と切り替え部４４、４５が追加された構成となっている。図３において図１と同一の番号が付されている部分は同じ動作をするものとして、ここでは本実施形態の特徴的な部分を中心に説明する。
【００７１】
本実施形態では、高域と低域に分割された入力音声は、それぞれ各帯域の有声／無声判定部４０、４１とピッチ重みフィルタ係数算出部２２、２３に入力され、有声／無声判定部４０、４１では入力された帯域制限された信号１１０、１１１を分析して、その帯域の信号が有声であるか無声であるかを判定する。有声／無声の判定は、例えばＩＭＢＥ（Ｉｍｐｒｏｖｅｄ Ｍｕ１ｔｉ＝Ｂａｎｄ Ｅｘｃｉｔａｔｉｏｎ ｖｏｃｏｄｅｒ）で用いられているアルゴリズムを使用することで実現できる。なお、ＩＭＢＥの詳細は、例えばＤ．Ｗ．Ｇｒｉｆｆｉｎ ａｎｄ Ｊ．Ｓ．Ｌｉｍ ”Ｍｕｌｔｉｂａｎｄ Ｅｘｃｔａｔｉｏｎ Ｖｏｃｏｄｅｒ”， ＩＥＥＥ Ｔｒａｎｓ． Ａｃｏｕｓｔ．， Ｓｐｅｅｃｈ， Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ，ｖｏ１．ＡＳＳＰ−３６， ｐｐ．１２２３−１２３５，Ａｕｇ．１９８８（文献２）に示されている。有声／無声の判定結果はピッチ重みフィルタ係数算出部２２、２３と切り替え部４４、４５に送られる。
【００７２】
有声／無声の判定結果１４０、１４１が有声の場合、ピッチ重みフィルタ係数算出部２２、２３では入力信号を分析して、ピッチ重みフィルタ係数１１２、１１３が算出され、ピッチ重みフィルタ係数がピッチ重みフィルタに入力される。逆に、有声／無声の判定結果１４０、１４１が無声の場合、ピッチ重みフィルタ係数算出部２２、２３ではピッチ重みフィルタ係数１１２、１１３の算出は行われない。
【００７３】
一方、切り替え部４４、４５では有声／無声の判定結果１４２、１４３に従って、出力の切り替えが行われる。有声／無声の判定結果が有声の場合、切り替え部の出力はピッチ重みフィルタ２４，３０に入力される。逆に、有声／無声の判定結果が無声の場合、切り替え部の出力はそのまま加算部４６、４７に入力される。このようにして各帯域でピッチ重み付けの有／無が制御される。
【００７４】
ピッチ重み付けされた高域成分及び低域成分は加算部３１で加算され、歪み計算部３２に入力される。歪み計算部３２では、歪みが最小となる適応符号ベクトル、雑音符号ベクトル及びゲインベクトルが選択され、これらのベクトルを表すインデックスがマルチプレクサ３４に入力される。
【００７５】
また、マルチプレクサ３４には歪み計算部３２から入力されるインデックスとともに、線形予測係数符号化部１７からも線形予測係数を符号化して得られるインデックスが入力される。マルチプレクサ３４では、入力されたインデックスから符号化ビットストリーム１２２が生成され、この符号化ビットストリーム１２２が伝送路または蓄積媒体を経て符号化側に伝送される。
【００７６】
上述したように、本実施形態では帯域毎にピッチ重み付けの有／無を制御できるので、入力音声が図４のＳ（ｆ）に示す周波数特性を持つ場合でも、低域のみピッチ重み付けを行い、高域ではピッチ重み付けを行わないようにすることで、符号化雑音の周波数特性を図４のＥ（ｆ）のような形にすることができる。このように、符号化雑音の調和構造を入力音声の調和構造に近づけることが可能となり、復号音声の音質を向上させることができる。
【００７７】
なお、本発明の第２の実施形態は帯域毎にピッチ重み付けの有／無の制御を行う部分が特徴的な部分であり、帯域毎にピッチ重み付けの有／無の制御が行えるような構成であれば良く、図３の構成に限定されない。例えば、図５に示すように、図３から切り替え部４４、４５を取り除いた構成で、ピッチ重みフィルタ係数算出部２２，２３において、有声／無声判定結果に基づいてピッチ重みフィルタ係数を求めるように変更することもできる。
【００７８】
ここで、無声の場合はピッチ重み付けを行わないピッチ重みフィルタ係数を出力するようにしておくことで、ピッチ重み付けの有／無の切り替えと同様の操作を行うことができる。
【００７９】
（第３の実施形態）
本発明の音声符号化法をＣＥＬＰ方式に適用した第３の実施形態について説明する。図６に本実施形態に係る音声符号化方法を適用した音声符号化システムの構成を示す。この音声符号化システムは、図１５に示す従来のＣＥＬＰ方式と異なって、聴覚重み付け部分にピッチ重み制御フィルタ６０、６１、加算部６２及び減算部６３が追加された構成となっている。なお、ここでは本実施形態の特徴的な部分を中心に説明する。
【００８０】
ホルマント重み付けされた差信号１１４はピッチ重みフィルタ５０、ピッチ重み制御フィルタ６１及び減算部６３に入力される。ピッチ重みフィルタ５０ではホルマント重み付けされた差信号１１４に対してピッチ重み付けが行われ、処理された信号１５１がピッチ重み制御フィルタ６０に入力される。ピッチ重み制御フィルタ６０では入力された信号１５１をフィルタ処理した後、信号１５２として加算部６２に供給する。
【００８１】
一方、減算部６３では、ホルマント重み付けされた差信号１１４とホルマント重み付けされた差信号１１４をピッチ重み制御フィルタ６１でフィルタ処理した信号１５３の差信号１５４が求められ、この信号１５４が加算部６２に入力される。加算部６２では入力された２つの信号が加算され、加算された信号１５５が歪み計算部３２に入力される。歪み計算部３２では、歪みが最小となる適応符号ベクトル、雑音符号ベクトル及びゲインベクトルが選択され、これらのベクトルを表すインデックスがマルチプレクサ３４に入力される。また、マルチプレクサ３４には歪み計算部３２から入力されるインデックスとともに、線形予測係数符号化部１７からも線形予測係数を符号化して得られるインデックスが入力される。マルチプレクサ３４では、入力されたインデックスから符号化ビットストリーム１２２が生成され、この符号化ビットストリーム１２２が伝送路または蓄積媒体を経て符号化側に伝送される。
【００８２】
第３の本実施形態では、ピッチ重み制御フィルタ６０、６１は周波数に対してピッチの重み付けの度合を滑らかに変化させる役割をしている。例えば、ピッチ重みフィルタの周波数特性が図７のＷｐ（ｆ）で表され、ピッチ重み制御フィルタの周波数特性が図８のＨ（ｆ）で表されるような低域通過特性となるとき、変形ピッチ重み付けフィルタの周波数特性は図９のＷ（ｆ）のように周波数が高くなるに従ってピッチ重み付けの度合が弱くなっている。このような重み付けを行った場合、符号化により生じる符号化雑音のスペクトルは図９のＥ（ｆ）に示すように周波数が高くなるに従って調和構造が弱くなる。また、ピッチ重みフィルタの周波数特性が図７のＷｐ（ｆ）で表され、ピッチ制御フィルタの周波数特性が図１０のＨ（ｆ）で表されるような特性となるとき、変形ピッチ重み付けフィルタの周波数特性は図１１のＷ（ｆ）のように中域の周波数でピッチ重み付けの度合が弱くなっている。このような重み付けを行った場合、符号化により生じる符号化雑音のスペクトルは図１１のＥ（ｆ）に示すように中域の周波数で調和構造が弱くなる。
【００８３】
このように、ピッチ重み制御フィルタを用いることで、変形ピッチ重み付けフィルタのピッチ重み付けの度合を周波数で滑らかに変化させることができる。また、入力音声の特性に応じてピッチ重み制御フィルタの特性を変化させることもできる。例えば、入力音声を分析して周波数に対する調和構造の強さを求め、周波数に対する調和構造の強さを基にピッチ重み制御フィルタの特性を決定する。ピッチ制御フィルタの特性を調和構造が弱い周波数を減衰させるような特性にすることで、符号化雑音の調和構造を入力音声の調和構造に近づけることが可能となり、復号音声の音質を更に向上させることができる。
【００８４】
（第４の実施形態）
本発明の音声復号方法をＣＥＬＰ方式に適用した実施形態を説明する。図１２には、第４の実施形態に係る音声復号方法を適用した音声復号システムの構成が示されている。この音声復号システムでは、デマルチプレクサ７０の出力が、適応符号帳１１、雑音符号帳１２及びゲイン符号帳１３並びに線形予測係数復号部７１に接続される。
【００８５】
適応符号帳１１及び雑音符号帳１２の出力はゲイン符号帳１３の出力と共にゲイン乗算部１４、１５にそれぞれ接続される。ゲイン乗算部１４，１５の出力は加算部１６に接続される。この加算部１６の出力は適合符号帳１１に帰還され、更に線形予測係数復号部７１の出力と共に合成フィルタ１８に接続される。線形予測係数復号部７１の出力はポストフィルタ７８に接続される。
【００８６】
ポストフィルタ７８は、ホルマント強調フィルタ７２及び変形ピッチ強調フィルタ７７から構成されており、変形ピッチ強調フィルタ４７はピッチ強調制御フィルタ７３、ピッチ強調フィルタ７４、７５及び加算部７６から構成されている。
【００８７】
この音声復号システムでは、先ず、伝送路または蓄積媒体から得られたビットストリーム１７０がデマルチプレクサ７０に入力される。デマルチプレクサ７０では、入力されたビットストリーム１７０から線形予測係数を表す線形予測係数インデックス１７１、適応符号ベクトルを表す適応符号ベクトルインデックス１７２、雑音符号ベクトルを表す雑音符号ベクトルインデックス１７３、及びゲインベクトルを表すインデックス１７４が分離生成される。これらのインデックスのうち、線形予測係数インデックス１７１は線形予測係数復号部７１に、適応符号ベクトルインデックス１７２は適応符号帳１１に、雑音符号ベクトルインデックス１７３は雑音符号帳１２に、ゲインインデックス１７４はゲイン符号帳１３にそれぞれ入力される。
【００８８】
線形予測係数復号部７１では、入力された線形予測係数インデックス１７１から線形予測係数が復号され、これが合成フィルタ１８にフィルタ係数として与えられる。また、適応符号ベクトルインデックス１７２に従って適応符号帳１１から適応符号ベクトル１０２が選択され出力される。また、雑音符号ベクトルインデックス１７３に従って雑音符号帳１２から雑音符号ベクトル１０３が選択され出力される。
【００８９】
さらに、ゲインインデックス１７４に従ってゲイン符号帳１３から適応符号ベクトル及び雑音符号ベクトルに乗じるべきゲイン１０４が選択され出力される。このゲインが乗算部１４、１５で適応符号ベクトル１０２及び雑音符号ベクトル１０３に乗じられた後、これら２つのベクトルが加算部１６で足し合わされることによって復号残差波形信号１０５が生成され、この信号が駆動音源信号として合成フィルタ１８及び適応符号帳１１に入力される。
【００９０】
線形予測係数復号部７１で復号された線形予測係数により決定された合成フィルタ１８が駆動音源信号により駆動され、復号音声信号１０７が生成される。その後、復号音声１０７の主観品質を向上させるために復号音声１０７に対してポストフィルタ処理が行われる。従来のポストフィルタはホルマント強調フィルタとピッチ強調フィルタの従属接続で構成されているが、本実施形態におけるポストフィルタ４８はホルマント強調フィルタ７２と変形ピッチ強調フィルタ７３の従属接続で構成されている。変形ピッチ強調フィルタ７３は図１２に示されるように、ピッチ強調の度合を周波数毎に制御できるように、ピッチ強調フィルタ７３、ピッチ強調制御フィルタ７４、７５及び加算部７６から構成されている。この場合、変形ピッチ強調フィルタ７７の伝達関数Ｈ’ｐ（ｚ）は、ピッチ強調フィルタ７３の伝達関数Ｈ’ｐ（ｚ）、ピッチ強調制御フィルタ７４、７５の伝達関数Ｈ（ｚ）を用いて、
【００９１】
【数９】
と表される。なお、ホルマント強調フィルタ７２は公知の技術を用いて構成できる。
【００９３】
ここで、ピッチ強調フィルタ７３の伝達関数は式５で表され、その特性が図１３であり、また、ピッチ制御フィルタ７４、７５の特性が図８に示されるような低域通過の特性であるとき、変形ピッチ強調フィルタ４７の周波数特性は、図１４のＨ’ｐ（ｚ）に示されるような、高域ほど山谷の小さいものになる。このような変形ピッチ強調フィルタを用いれば、低域で強く高域で弱いピッチ強調を行うことができ、強いピッチ強調を行っても高域のスペクトルが変形しにくくなり、高域の品質の劣化を抑えたピッチ強調を行うことができる。
【００９４】
図１２に戻りポストフィルタ７８の動作を説明する。合成フィルタ１８から出力された復号音声１０７はホルマント強調フィルタ７２に入力され、ホルマント強調フィルタ７２でホルマント強調された復号音声１７５は加算部７６、ピッチ強調制御フィルタ７３及びピッチ強調フィルタ７４に入力される。ピッチ強調フィルタ７３に入力されたホルマント強調され本復号音声１７５は、ピッチ強調フィルタ７３でピシチ強調された後、ピッチ強調制御フィルタ７５で処理され加算部７６に入力される。
【００９５】
また、ピッチ強調制御フィルタ７４に入力されたホルマント強調された復号音声１７５はピッチ強調制御フィルタ処理され、加算部７６に入力される。加算部７６では供給された３つの信号１７５、１７６、１７８が加算され、その結果が最終的な復号音声１７９となって出力される。
【００９６】
上述したように、本実施形態におけるポストフィルタ７８は、従来のポストフィルタにピッチ強調制御フィルタ７４を追加することでピッチ強調の度合を周波数毎に制御できるようにしたものである。ピッチ強調制御フィルタ７４はその特性を変化させることでピッチ強調の度合を自由に変化させることができ、復号音声の特性に従いピッチ強調制御フィルタの特性を変化させれば、復号音声の周波数にあった強さのピッチ強調を行うことができ、復号音声の品質を更に向上させることができる。
【００９７】
なお、本発明の特徴的な部分はポストフィルタのピッチ強調に関する部分であって、音声復号方式はＣＥＬＰ方式に限定される必要はなく、他の復号方式を用いても構わない。
【００９８】
また、ここで述べたピッチ強調方法を音声符号化の駆動音源信号を生成する部分に適用することも可能である。
【００９９】
以上、本発明の実施形態を幾つか説明したが、本発明は上述した実施形態に限定される必要はなく、種々変形して実施が可能である。
【０１００】
例えば、上述した第１の実施形態及び第２の実施形態では簡単のため高域と低域の２つの帯域に分割しているが、分割される帯域の数は２つに限定される必要はなく、２つ以上であれば構わない。また、帯域分割部は図１〜図５に示した構成に限定されない。帯域分割する方法として、信号を一旦ＦＦＴして、ＦＦＴ上で周波数分割した後に逆ＦＦＴする方法や、ＱＭＦフィルタを用いて帯域分割する方法などを用でも構わない。
【０１０１】
さらに、本実施形態では入力音声と再生音声の差信号に対して聴覚重み付けフィルタ処理を行い聴覚重み付け歪みを求めているが、入力音声及び再生音声それぞれに聴覚重み付けを行った後に差信号を求め、聴覚重み付け歪みを求めるような構成に変形することも可能である。
【０１０２】
【発明の効果】
以上詳述したように、本発明によれば符号化雑音の調和構造を入力音声に類似させることができるようにになり、再生音声の品質を向上させることができる。
【図面の簡単な説明】
【図１】本発明の第１の実施形態における音声符号化方法を用いた音声符号化システムの構成を示す図。
【図２】本発明の第１の実施形態における符号化雑音の周波数特性を示す図。
【図３】本発明の第２の実施形態における音声符号化方法を用いた音声符号化システムの構成を示す図。
【図４】本発明の第２の実施形態における符号化雑音の周波数特性を示す図。
【図５】本発明の第２の実施形態における音声符号化方法を用いた他の音声符号化システムの構成を示す図。
【図６】本発明の第３の実施形態における音声符号化方法を用いた音声符号化システムの構成を示す図。
【図７】本発明の第３の実施形態におけるピッチ重みフィルタの周波数特性を示す図。
【図８】本発明の第３の実施形態におけるピッチ重み制御フィルタの周波数特性を示す図。
【図９】本発明の第３の実施形態における符号化雑音の周波数特性を示す図。
【図１０】本発明の第３の実施形態におけるピッチ重み制御フィルタの周波数特性を示す図。
【図１１】本発明の第３の実施形態における符号化雑音の周波数特性を示す図。
【図１２】本発明の第４の実施形態における音声復号方法を用いた音声復号化システムの構成を示す図。
【図１３】本発明の第４の実施形態におけるピッチ強調フィルタの周波数特性を示す図。
【図１４】本発明の第４の実施形態における変形ピッチ強調フィルタの周波数特性を示す図。
【図１５】従来の音声符号化の構成を示す図である。
【図１６】従来の音声符号化における符号化雑音の周波数特性を示す第１の図。
【図１７】従来の音声符号化における符号化雑音の他の周波数特性を示す図。
【図１８】本発明の音声符号化における符号化雑音の周波数時性を示す図。
【符号の説明】
１０…線形予測分析部
１１…適応符号帳
１２…雑音符号帳
１３…ゲイン符号帳
１４、１５…ゲイン乗算部
１６…加算器
１７…線形予測係数符号化部
１８…合成フィルタ
１９…加算器
２０…広域通過フィルタ
２１…低域通過フィルタ
２２、２３…ピッチ重みフィルタ係数算出部
２４…帯域分割部
２５…ホルマント重みフィルタ
２６…広域通過フィルタ
２７…低域通過フィルタ
２８…帯域分割部
２９、３０…ピッチ重みフィルタ
３１…加算器
３２…歪み計算部
３３…聴覚重み付けフィルタ
３４…マルチプレクサ
４０、４１…有声／無声判定部
４４，４５…切り替え部
７１…線形予測係数復号部
７２…ホルマント強調フィルタ
７３…ピッチ強調フィルタ
７４…ピッチ強調制御フィルタ
７５…ピッチ強調制御フィルタ
７６…加算器
７７…変形ピッチ強調フィルタ
７８…ポストフィルタ
Claims (18)
- 入力音声情報信号とこの入力音声情報信号に対応する合成音声情報信号との差を表す誤差信号を生成し、前記入力音声情報信号の特性に従って周波数毎に前記誤差信号に対するピッチ重み付けの度合いを変えて重み付け信号を生成し、この重み付け信号に基づきインデックス情報を生成することを特徴とする音声符号化方法。
- 前記入力音声情報信号を分析して各周波数の有声度を求め、前記有声度に従って周波数毎に前記誤差信号に対するピッチ重み付けの度合を変化させることを特徴とする請求項１記載の音声符号化方法。
- 前記有声度が高い周波数ではピッチ重み付けの度合を強くし、前記有声度が低い周波数ではピッチ重み付けの度合を弱くすることを特徴とする請求項２記載の音声符号化方法。
- 入力音声情報信号とこの入力音声情報信号に対応する合成音声情報信号との差を表す誤差信号を生成し、前記入力音声情報信号を少なくとも２つの周波数帯域に分割し、該周波数帯域毎に前記誤差信号に対するピッチ重み付けの度合いを変えて重み付け信号を生成し、この重み付け信号に基づきインデックス情報を生成することを特徴とする音声符号化方法。
- 前記入力音声情報信号を分析して各帯域の有声度を求め、前記有声度に従って帯域毎にピッチ重み付けの度合を変化させることを特徴とする請求項４記載の音声符号化方法。
- 前記有声度が高い帯域ではピッチ重み付けの度合を強くし、前記有声度が低い帯域ではピッチ重み付けの度合を弱くすることを特徴とする請求項５記載の音声符号化方法。
- 前記入力音声情報信号を分析して帯域毎に有声／無声を判定し、有声と判定された帯域に対してはピッチ重み付けを行い、無声と判定された帯域に対してはピッチ重み付けを行わないことを特徴とする請求項４記載の音声符号化方法。
- 符号化音声情報からインデックス情報を抽出し、このインデックス情報に基づき復号音声信号を生成し、復号音声信号の特性に従って周波数毎にピッチ強調の度合を変化させて前記復号音声信号にピッチ強調処理を行うことを特徴とする音声復号方法。
- 前記復号音声信号の各周波数の有声度に従って各周波数のピッチ強調の度合を変化させることを特徴とする請求項８記載の音声復号方法。
- 前記有声度が高い周波数ではピッチ強調の度合を強くし、前記有声度が低い周波数ではピッチ強調の度合を弱くすることを特徴とする請求項９記載の音声復号方法。
- 符号化音声情報からインデックス情報を抽出し、このインデックス情報に基づき復号音声信号を生成し、前記復号音声信号を少なくとも２つの周波数帯域に分割し、周波数帯域毎にピッチ強調の度合を変化させて前記復号音声信号にピッチ強調処理を行うことを特徴とする音声復号方法。
- 前記復号音声の各帯域の有声度に従って各帯域のピッチ強調の度合を変化させることを特徴とする請求項１１記載の音声復号方法。
- 前記有声度が高い帯域ではピッチ強調の度合を強くし、前記有声度が低い帯域ではピッチ強調の度合を弱くすることを特徴とする請求項１２記載の音声復号方法。
- 前記復号音声信号の帯域毎に有声／無声の判定を行い、有声と判定された帯域に対してはピッチ強調を行い、無声と判定された帯域に対してはピッチ強調を行わないことを特徴とする請求項１１記載の音声復号方法。
- 入力音声情報信号とこの入力音声情報信号に対応する合成音声情報信号との差を表す誤差信号を生成する合成フィルタ手段と、前記入力音声情報信号の特性に従って周波数毎に前記誤差信号に対するピッチ重み付けの度合いを変えて重み付け信号を生成する重み付けフィルタ手段と、この重み付け信号に基づきインデックス情報を生成するインデックス情報発生手段とにより構成されることを特徴とする音声符号化装置。
- 入力音声情報信号とこの入力音声情報信号に対応する合成音声情報信号との差を表す誤差信号を生成する合成フィルタ手段と、前記入力音声情報信号を少なくとも２つの周波数帯域に分割する帯域分割手段と、該周波数帯域毎に前記誤差信号に対するピッチ重み付けの度合いを変えて重み付け信号を生成する重み付けフィルタ手段と、この重み付け信号に基づきインデックス情報を生成するインデックス情報発生手段とにより構成されることを特徴とする音声符号化装置。
- 符号化音声情報からインデックス情報を抽出する分離手段と、このインデックス情報に基づき復号音声信号を生成する合成フィルタ手段と、前記復号音声信号の特性に従って周波数毎にピッチ強調の度合を変化させて前記復号音声信号にピッチ強調処理を行うポストフィルタ手段とで構成されることを特徴とする音声復号装置。
- 符号化音声情報からインデックス情報を抽出し、このインデックス情報に基づき復号音声信号を生成する合成フィルタ手段と、前記復号音声信号を少なくとも２つの周波数帯域に分割し、周波数帯域毎にピッチ強調の度合を変化させて前記復号音声信号にピッチ強調処理を行うポストフィルタ手段とにより構成されることを特徴とする音声復号装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2000054994A JP3612260B2 (ja) | 2000-02-29 | 2000-02-29 | 音声符号化方法及び装置並びに及び音声復号方法及び装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2000054994A JP3612260B2 (ja) | 2000-02-29 | 2000-02-29 | 音声符号化方法及び装置並びに及び音声復号方法及び装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2001242899A JP2001242899A (ja) | 2001-09-07 |
| JP3612260B2 true JP3612260B2 (ja) | 2005-01-19 |
Family
ID=18576182
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2000054994A Expired - Lifetime JP3612260B2 (ja) | 2000-02-29 | 2000-02-29 | 音声符号化方法及び装置並びに及び音声復号方法及び装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3612260B2 (ja) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2388352A1 (en) * | 2002-05-31 | 2003-11-30 | Voiceage Corporation | A method and device for frequency-selective pitch enhancement of synthesized speed |
| EP1619666B1 (en) | 2003-05-01 | 2009-12-23 | Fujitsu Limited | Speech decoder, speech decoding method, program, recording medium |
| US6983241B2 (en) * | 2003-10-30 | 2006-01-03 | Motorola, Inc. | Method and apparatus for performing harmonic noise weighting in digital speech coders |
| KR100571824B1 (ko) * | 2003-11-26 | 2006-04-17 | 삼성전자주식회사 | 부가정보 삽입된 ｍｐｅｇ-4 오디오 ｂｓａｃ부호화/복호화 방법 및 장치 |
| EP1892702A4 (en) * | 2005-06-17 | 2010-12-29 | Panasonic Corp | POST-FILTER, DECODER AND POST-FILTRATION METHOD |
| CN112992164A (zh) * | 2014-07-28 | 2021-06-18 | 日本电信电话株式会社 | 编码方法、装置、程序以及记录介质 |
| CN110390953B (zh) * | 2019-07-25 | 2023-11-17 | 腾讯科技（深圳）有限公司 | 啸叫语音信号的检测方法、装置、终端及存储介质 |
-
2000
- 2000-02-29 JP JP2000054994A patent/JP3612260B2/ja not_active Expired - Lifetime
Also Published As
| Publication number | Publication date |
|---|---|
| JP2001242899A (ja) | 2001-09-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP3678519B2 (ja) | オーディオ周波数信号の線形予測解析方法およびその応用を含むオーディオ周波数信号のコーディングならびにデコーディングの方法 | |
| JP3653826B2 (ja) | 音声復号化方法及び装置 | |
| JP4843124B2 (ja) | 音声信号を符号化及び復号化するためのコーデック及び方法 | |
| JP4740260B2 (ja) | 音声信号の帯域幅を疑似的に拡張するための方法および装置 | |
| EP2491555B1 (en) | Multi-mode audio codec | |
| JP5602769B2 (ja) | 符号化装置、復号装置、符号化方法及び復号方法 | |
| JP4040126B2 (ja) | 音声復号化方法および装置 | |
| WO2013168414A1 (ja) | 音信号ハイブリッドエンコーダ、音信号ハイブリッドデコーダ、音信号符号化方法、及び音信号復号方法 | |
| HUE031761T2 (en) | Systems and procedures for performing noise modulation and gain adjustment | |
| JPH07160296A (ja) | 音声復号装置 | |
| JP3612260B2 (ja) | 音声符号化方法及び装置並びに及び音声復号方法及び装置 | |
| JP6400801B2 (ja) | ベクトル量子化装置及びベクトル量子化方法 | |
| JP4438280B2 (ja) | トランスコーダ及び符号変換方法 | |
| JP3785363B2 (ja) | 音声信号符号化装置、音声信号復号装置及び音声信号符号化方法 | |
| JP3510168B2 (ja) | 音声符号化方法及び音声復号化方法 | |
| JP4820954B2 (ja) | デジタル音声符号器における高調波ノイズ重み付け | |
| JP2000235400A (ja) | 音響信号符号化装置、復号化装置、これらの方法、及びプログラム記録媒体 | |
| JP2004151423A (ja) | 帯域拡張装置及び方法 | |
| JP3598111B2 (ja) | 広帯域音声復元装置 | |
| JP3468862B2 (ja) | 音声符号化装置 | |
| JPH09138697A (ja) | ホルマント強調方法 | |
| JP3560964B2 (ja) | 広帯域音声復元装置及び広帯域音声復元方法及び音声伝送システム及び音声伝送方法 | |
| JP3598112B2 (ja) | 広帯域音声復元方法及び広帯域音声復元装置 | |
| JPH08221098A (ja) | 音声符号化・復号化装置 | |
| JP3773509B2 (ja) | 広帯域音声復元装置及び広帯域音声復元方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20040625 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20040706 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20040906 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20041019 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20041022 |
|
| R151 | Written notification of patent or utility model registration |
Ref document number: 3612260 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20081029 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20081029 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20091029 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20101029 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111029 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111029 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121029 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20131029 Year of fee payment: 9 |
|
| EXPY | Cancellation because of completion of term |