JP4213243B2 - 音声符号化方法及び該方法を実施する装置 - Google Patents
音声符号化方法及び該方法を実施する装置 Download PDFInfo
- Publication number
- JP4213243B2 JP4213243B2 JP34346297A JP34346297A JP4213243B2 JP 4213243 B2 JP4213243 B2 JP 4213243B2 JP 34346297 A JP34346297 A JP 34346297A JP 34346297 A JP34346297 A JP 34346297A JP 4213243 B2 JP4213243 B2 JP 4213243B2
- Authority
- JP
- Japan
- Prior art keywords
- analysis
- speech
- ltp
- product
- frame
- 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 - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000004458 analytical method Methods 0.000 claims abstract description 193
- 230000005284 excitation Effects 0.000 claims description 141
- 238000003786 synthesis reaction Methods 0.000 claims description 63
- 230000015572 biosynthetic process Effects 0.000 claims description 61
- 239000013598 vector Substances 0.000 claims description 56
- 238000004891 communication Methods 0.000 claims description 39
- 230000005236 sound signal Effects 0.000 claims description 37
- 238000012546 transfer Methods 0.000 abstract description 33
- 230000007774 longterm Effects 0.000 abstract description 9
- 238000004364 calculation method Methods 0.000 description 22
- 230000006870 function Effects 0.000 description 21
- 238000004422 calculation algorithm Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 11
- 230000006978 adaptation Effects 0.000 description 9
- 230000005540 biological transmission Effects 0.000 description 6
- 238000010295 mobile communication Methods 0.000 description 6
- 230000003044 adaptive effect Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 4
- 238000013139 quantization Methods 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- 230000002123 temporal effect Effects 0.000 description 3
- 230000000593 degrading effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000005314 correlation function Methods 0.000 description 1
- 210000005069 ears Anatomy 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 210000001260 vocal cord Anatomy 0.000 description 1
- 230000001755 vocal effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
- G10L19/002—Dynamic bit allocation
Landscapes
- Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
- Transmission Systems Not Characterized By The Medium Used For Transmission (AREA)
- Analogue/Digital Conversion (AREA)
Description
【０００１】
【発明の属する技術分野】
本発明は、特に、音声符号化のために使用されるビットの数が後に続く音声フレーム間で変化し得るようになっている、可変ビットレートで動作するデジタル音声符復号器に関する。音声合成に使用されるパラメータとそれらの表示精度とは、その時の動作状態に応じて選択される。本発明は、また、音声フレームをモデル化するために利用される種々の励起パラメータの長さ（ビット数）が標準の長さの複数の音声フレームの範囲内で相互の関係で調整されるような、固定ビットレートで動作する音声符復号器に関する。
【０００２】
【従来の技術、および、発明が解決しようとする課題】
現代の情報社会では音声等のデジタル形のデータがますます大量に転送されるようになっている。その情報の大きな割合を占める部分が、例えばいろいろな移動通信システムなどの無線通信接続を利用して転送されている。数の限られている無線周波数をなるべく効率よく利用するためにデータ転送の効率に高度の要求が設定されるのは特にここである。これに加えて、新しいサービスと関連して、より大きなデータ転送容量とより良好な音声の質とが同時に求められている。これらの目標を達成するために、提供されるサービスの標準を落とすことなくデータ転送接続の平均ビット数を少なくすることを目的としていろいろな符号化アルゴリズムが開発され続けている。一般に、２つの基本的原則に従って、即ち、固定伝送速度符号化アルゴリズムをより効率よいものにしようと試みることによって、或いは、可変伝送速度を利用する符号化アルゴリズムを開発することによって、上記の目的を達成しようとする努力がなされている。
【０００３】
可変ビットレートで動作する音声符復号器の相対的な効率は、音声は変化し得る性質のものである、即ち音声信号は異なる時点で異なる量の情報を含むものであるという事実に基づいている。もし音声信号を標準の長さ（例えば２０ｍｓ）の音声フレームに分割して、その各々を別々に符号化するならば、各音声フレームをモデル化するために使うビット数を調整することができる。この様にして、少量の情報を含んでいる音声フレームを、大量の情報を含んでいる音声フレームの場合より少ないビット数を使ってモデル化することができる。この場合、固定伝送速度を利用する符復号器の場合より平均ビットレートを低く保ち、且つ同じ音声の質を維持することが可能である。
【０００４】
可変ビットレートに基づく符号化アルゴリズムをいろいろに利用することができる。例えばインターネットやＡＴＭ（Asynchronous Transfer Mode（非同期転送モード））通信網などのパケット通信網は可変ビットレート音声符復号器に良く適している。この種の通信網は、データ転送接続において転送されるべきデータパケットの長さ及び／又は送信周波数を調整することによって、音声符復号器がその時必要とするデータ転送容量を提供する。可変ビットレートを使用する音声符復号器は、例えば電話応答機及び音声メールサービス（speech mail services）などの音声のデジタル記録にも良く適している。
【０００５】
可変ビットレートで動作する音声符復号器のビットレートは、多くの方法で調整することが可能である。一般に知られている可変ビットレート音声符復号器では、送信装置のビットレートは、送信されるべき信号の符号化以前に既に決められている。これは例えば当業者に従来から知られているＣＤＭＡ（符号分割多重接続）移動通信システムで使用されるＱＣＥＬＰ型の音声符復号器と関連する処理手順であり、このシステムでは或る所定のビットレートを音声符号化のために利用することができる。しかし、それらの解決策では限られた数の異なるビットレートを有するに過ぎず、それは通常は音声信号用の２種類の、例えば全速（１／１）及び半速（１／２）の速度と、それとは別の暗騒音用の低ビットレート（例えば、１／８速度）とである。国際公開ＷＯ９６０５５９２Ａ１は、入力信号をいろいろな周波数帯域に分割し、各周波数帯域のエネルギー含有量に基づいてその周波数帯域について必要な符号化ビットレートを評価する方法を開示している。使用されるべき符号化速度（ビットレート）についての最終決定は、それらの周波数帯域固有のビットレート決定に基づいて行われる。もう一つの方法は、使用可能なデータ転送容量の関数としてビットレートを調整することである。これは、使用されるべき現在のビットレートが、使用可能なデータ転送容量の大きさに基づいて選択されるということを意味する。この様な処理手順では、通信網の負荷が重いとき（音声符号化に使用し得るビット数が限られているとき）音声の質が低下する結果となる。一方、この処理手順は、音声符号化が「容易な」時にはデータ転送接続に不必要に負担をかける。
【０００６】
可変ビットレート音声符復号器において音声符号器のビットレートを調整するために使用される、当業者に従来から知られている他の方法は、音声アクティビティの検出（ＶＡＤ、Voice Activity Detection）である。音声アクティビティの検出を、例えば固定伝送速度符復号器と関連させて使用することができる。この場合、話者が沈黙していることを音声アクティビティ検出器が検出しているときには音声符号器を完全にオフに切り換えておくことができる。その結果として、可変伝送速度で動作する実現可能な最も簡単な音声符復号器が得られる。
【０００７】
今日、例えば移動通信システムにおいて非常に広く使用されている、固定ビットレートで動作する音声符復号器は、音声信号の内容には依存せずに同じビットレートで動作する。それらの音声符復号器では、一方では、データ転送容量を余り多量に使いすぎることはないが、他方では、符号化するのが困難な音声信号に対しても充分な音質を提供する様な折衷的なビットレートを選択せざるを得ない。この処理手順で音声符号化に使用されるビットレートは、いわゆる容易な音声フレーム（easy speech frames）のためには常に不必要に大きく、より低いビットレートの音声符復号器でもそのモデル化は首尾よく実行され得たであろう。換言すれば、データ転送チャネルは効率よく使用されていない。容易な音声フレームの中には、例えば、音声アクティビティ検出器（ＶＡＤ）を用いて検出された無音の瞬間、強く有声化された音（正弦波信号に似ていて、これを振幅及び周波数に基づいてよくモデル化することができる）、及び、雑音に似ている幾つかの音素がある。聴覚の特徴の故に、元の信号と符号化された（たとえ良好にではなくても）信号との小さな差を耳は聞き分けられないので、雑音を同じく精密にモデル化する必要はない。むしろ、有声化された部分が容易に雑音を隠す。有声化されている部分は、信号の小さな差でも耳が聞き分けるので、精密に符号化されなければならない（精密なパラメータ（多数のビット）を使用しなければならない）。
【０００８】
図１は、コード励起線形予測器（ＣＥＬＰ、Code Excited Liniar Predictor ）を利用する典型的な音声符号器を示す。それは、音声生成をモデル化するために使用される数個のフィルタを有する。多数の励起ベクトルを内蔵する励起コードブックから、これらのフィルタのために適当な励起信号が選択される。ＣＥＬＰ音声符号器は通常は短時間フィルタ及び長時間フィルタの両方を有し、これらを用いて、元の音声信号になるべく似ている信号を合成しようとする試みがなされる。最良の励起ベクトルを発見するために、通常、励起コードブックに記憶されている全ての励起ベクトルがチェックされる。励起ベクトル探索中、適当な励起ベクトルが各々、合成フィルタに送られるが、これらのフィルタは通常は短時間フィルタ及び長時間フィルタの両方を含む。合成された音声信号は元の音声信号と比較され、元の信号に最も良く一致する信号を生じさせる励起ベクトルが選択される。選択基準においては、種々のエラーを発見する人間の聴力が一般に利用され、各音声フレームについて最小のエラー信号を生じさせる励起ベクトルが選択される。典型的なＣＥＬＰ音声符号器で使用される励起ベクトルは実験的に決定されている。ＡＣＥＬＰ型（Algebraic Code Excited Linear Predictor （代数コード励起線形予測器））の音声符号器が使用されるときには、励起ベクトルはゼロとは異なる一定数のパルスから成り、それらのパルスは数学的に計算される。この場合、現実の励起コードブックは不要である。最良の励起は、上記のＣＥＬＰ符号器の場合と同じエラー基準を用いて最適のパルス位置を選択することによって得られる。
【０００９】
従来から当業者に知られているＣＥＬＰ型及びＡＣＥＬＰ型の音声符号器は固定レート励起計算を使用する。励起ベクトルあたりのパルスの最大数は、１つの音声フレーム内での異なるパルス位置の数と同様に、固定されている。依然として、各パルスが固定された精度で量子化されるときには、各励起ベクトルあたりに生成されるべきビット数は、入ってくる音声信号とは無関係に一定である。ＣＥＬＰ型の符復号器は、励起信号を量子化するために多数のビットを使用する。高品質の音声が生成されるときには、充分な数の異なる励起ベクトルにアクセスできるように比較的に大きな励起信号コードブックが必要である。ＡＣＥＬＰ型の符復号器にも同様の問題がある。使用されるパルスの位置、振幅、及び、接頭部（prefix）の量子化は多数のビットを消費する。固定レートＡＣＥＬＰ音声符号器は、元のソース信号に関わりなく各音声フレーム（又はサブフレーム）について一定の数のパルスを計算する。この様に、データ転送ラインの容量を消費して総合効率を不必要に低下させる。
本発明は、質が一様で平均ビットレートの小さい可変ビットレートのデジタル音声符号化方法および装置を提供することを目的とする。
【００１０】
【課題を解決するための手段】
音声信号は通常は部分的に有声であり（音声信号は或る基本周波数を有する）、また部分的にトーンレスである（toneless、雑音によく似ている）ので、音声符号器は、複数のパルスから成る励起信号及びその他のパラメータを、符号化されるべき音声信号の関数として、更に修正することができる。この様に、例えば有声音声セグメント及びトーンレス音声セグメントに最も適する励起ベクトルを「正しい」精度（ビット数）で決定することが望ましいであろう。また、入力音声信号の分析結果の関数としてコードベクトル中の励起パルスの数を変化させることも可能であろう。励起ベクトル及びその他の音声パラメータ・ビットを表現するために使用されるビットレートを、受信された信号と符号化の性能とに基づいて、励起信号の計算の前に信頼が置けるように選択することを通して、受信装置で復号された音声の質を励起ビットレートの変動に関わらず一定に保つことができる。
【００１１】
ここでは、音声符復号器において音声合成に使用されるべき符号化パラメータを選択する方法が、その方法を利用する装置とともに発明されており、その方法を利用することにより、固定ビットレート音声符号化アルゴリズム及び可変ビットレート音声符号化アルゴリズムの長所同士を結合させて、音質が良くて効率の高い音声符号化システムを実現することができる。本発明は、通信網（電話回線網、及び、インターネットやＡＴＭ通信網などのパケット交換網）に接続される移動局や電話などの種々の通信装置に使用するのに適している。例えば、移動通信網の基地局及び基地局コントローラと関連するもののように、通信網の種々の構成要素に本発明の音声符復号器を使用することも可能である。本発明の特徴は請求項１、６、７、８及び９の特徴部分に記載されている。
【００１２】
本発明の可変ビットレート音声符復号器はソース制御され（この音声符復号器は入力音声信号の分析結果に基づいて制御される）、該音声符復号器は各音声フレームについて個別に正しいビット数を選択することによって一定の音質を維持することができる（符号化されるべき音声フレームの長さは例えば２０ｍｓであることができる）。従って、各音声フレームを符号化するために使用されるビットの数は、その音声フレームに含まれている音声情報に依存する。本発明のソース制御の音声符号化方法の利点は、音声符号化に使用される平均ビットレートが、同じ音質に達する固定レート音声符号器のそれより低いことである。或いは、同じ平均ビットレートを使用して固定ビットレート音声符復号器よりも良好な音質を得るために本発明の音声符号化方法を使用することも可能である。本発明は、音声合成の時に音声パラメータを表現するために使用されるビットの量を正しく選択するという課題を解決する。例えば、有声信号の場合、大きな励起コードブックが使用され、励起ベクトルはより精密に量子化され、音声信号の規則正しさを表す基本周波数、及び／又は、その強さを表す振幅はより精密に決定される。これは各音声フレームについて個別に実行される。種々の音声パラメータのために使用されるビットの量を決定するために、本発明の音声符復号器は、音声信号（ソース信号）の短時間周期性及び長時間周期性の両方をモデル化するフィルタを使用して該音声符復号器が実行する分析の結果を利用する。決定的な要素は、特に、音声フレームについての有声／トーンレスの判定、音声信号のエンベロープのエネルギーレベル及び種々の周波数領域へのその分布、並びに、検出された基本周波数のエネルギー及び周期性である。
【００１３】
本発明の目的は、可変伝送速度で動作して一定の音質を提供する音声符復号器を実現することである。一方、固定伝送速度で動作する音声符復号器にも本発明を使用することができ、その場合、種々の音声パラメータを表現するために使用されるビットの数は標準長のデータフレームの中で調整される（固定ビットレート符復号器及び可変ビットレート符復号器のいずれにおいても、例えば２０ｍｓの音声フレームが標準である）。この実施例では励起信号（励起ベクトル）を表現するために使用されるビットレートは本発明に従って変更されるけれども、対応して、他の音声パラメータを表現するために使用されるビットの数は、１つの音声フレームをモデル化するために使用されるビットの総数が全ての音声フレームについて一定に保たれることとなるように調整される。この様に、例えば長時間にわたって発生する規則性をモデル化するために多数のビットが使用されるときには（例えば、基本周波数は精密に符号化／量子化される）、短時間変化を表すＬＰＣ（Linear Predicting Coding（線形予測符号化））パラメータを表現するために残されるビット数は少なくなる。種々の音声パラメータを表現するために使用されるビットの量を最適に選択することによって固定ビットレート符復号器が得られ、その符復号器はソース信号に最も適するように常に最適化される。この様にして従来より良好な音質が得られる。
【００１４】
本発明の音声符復号器では、各フレームの基本周波数特性を表現するために使われるビットの数（基本周波数表現精度）を、いわゆる開ループ法を用いて得られたパラメータに基づいて予備的に決定することが可能である。必要に応じて、いわゆる閉ループ分析を用いることにより分析の精度を改善することができる。その分析の結果は、入力音声信号と、分析に使用されるフィルタの性能とに依存する。符号化された音声の質を基準として用いてビットの量を決定することによって、音声をモデル化するために使用されるその音声符復号器のビットレートは変動するが音声信号の質は一定に保たれるような音声符復号器が実現される。
【００１５】
１つの励起信号をモデル化するビットの数は、入力音声信号を符号化するために使用される他の音声符号化パラメータの計算に依存せず、且つ、それらを転送するために使用されるビットレートにも依存しない。従って、本発明の可変ビットレート音声符復号器では、１つの励起信号を作るために使用されるビットの数の選択は他の音声符号化に使用される音声パラメータのビットレートとは無関係である。付帯的情報ビットを使用して、使用される符号化モードに関する情報を符号器から復号器に転送することが可能であるけれども、復号器の符号化モード選択アルゴリズムが、符号化に使用された符号化モードを、受け取ったビット列から直接識別するように復号器を実現することもできる。
【００１６】
【発明の実施の形態】
図１は従来公知の固定ビットレートＣＥＬＰ符号器の構成を示すブロック図であり、それは本発明の音声符号器の基礎をなすものである。次に、従来公知の固定レートＣＥＬＰ符復号器の構成を、本発明と関連する部分について説明する。ＣＥＬＰ型の音声符復号器は、短時間ＬＰＣ（Linear Predictive Coding（線形予測符号化））分析ブロック１０を有する。ＬＰＣ分析ブロック１０は多数の線形予測パラメータ a(i) を生成するものであり、i = 1, 2, ..., mであり、m は入力音声信号 s(n) に基づく分析に使用されるＬＰＣ合成フィルタ１２のモデル次数である。パラメータ a(i) の集合は音声信号 s(n) の周波数内容を表し、それは通常は各音声フレームについてＮサンプルを用いて計算される（例えば、使用するサンプリング周波数が８ｋＨｚであれば、２０ｍｓの音声フレームが１６０サンプルで表現される）。ＬＰＣ分析１０を、もっと頻繁に、例えば２０ｍｓ音声フレームあたりに２回ずつ、実行することもできる。例えばＧＳＭシステムから従来公知となっているＥＦＲ（Enhanced Full Rate（強化全速））型音声符復号器（ETSI GSM 06.60）ではこの様に処理が行われる。当業者に従来から知られている、例えば、レビンソン・ダービン・アルゴリズム（Levinson-Durbin algorithm ）を用いてパラメータ a(i) を決定することができる。パラメータ a(i) の集合は、下記の式で表される伝達関数を用いて合成音声信号 ss(n)を形成するために短時間ＬＰＣ合成フィルタ１２で使用される：
【数１】
ここで Ｈ＝伝達関数、
Ａ＝ＬＰＣ多項式、
ｚ＝単位遅延、
ｍ＝ＬＰＣ合成フィルタ１２の性能（performance ）である。
【００１７】
一般に、ＬＰＣ分析ブロック１０では、音声中に存在する長時間冗長性を示すＬＰＣ残留信号ｒ（ＬＰＣ残留）も形成され、この残留信号はＬＴＰ（Long-term Prediction（長時間予測））分析１１で利用される。ＬＰＣ残留信号ｒは、上記のＬＰＣパラメータ a(i) を用いて次のように決定される：
【数２】
ここで ｎ＝信号時間、
ａ＝ＬＰＣパラメータ
である。
【００１８】
ＬＰＣ残留信号ｒは更に長時間ＬＴＰ分析ブロック１１に送られる。ＬＴＰ分析ブロック１１の役割は、音声符復号器に特有のＬＴＰパラメータ、即ちＬＴＰ利得（ピッチ利得）及びＬＴＰ遅れ（ピッチ遅れ）を決定することである。音声符復号器は更にＬＴＰ（Long-term Prediction（長時間予測））合成フィルタ１３を有する。ＬＴＰ合成フィルタ１３は、音声の周期性（特に、主として有声音素と関連して発生する、音声の基本周波数）を表す信号を生成するために使用される。短時間ＬＰＣ合成フィルタ１２は、（例えばトーンレスな音素と関連する）周波数スペクトルの急速な変動のためにも使用される。ＬＴＰ合成フィルタ１３の伝達関数は通常は下記の形を有する：
【数３】
ここで Ｂ＝ＬＴＰ多項式、
ｇ＝ＬＴＰピッチ利得、
Ｔ＝ＬＴＰピッチ遅れ
である。
【００１９】
ＬＴＰパラメータは音声符復号器において典型的にはサブフレーム（５ｍｓ）単位で決定される。この様にして、分析および合成フィルタ１０、１１、１２、１３の両方が音声信号 s(n) をモデル化するために使用される。短時間ＬＰＣ分析−合成フィルタ１２は、人の声道をモデル化するために使用され、長時間ＬＴＰ分析−合成フィルタ１３は声帯の振動をモデル化するために使用される。分析フィルタはモデル化を行い、合成フィルタはそのモデルを利用して信号を生成する。
【００２０】
重み付けフィルタ１４の機能は人間の聴覚の特性に基づいており、このフィルタはエラー信号 e(n) を濾波するために使用される。エラー信号 e(n) は、元の音声信号 s(n) と総和ユニット１８で形成された合成音声信号 ss(n)との差信号である。重み付けフィルタ１４は、その周波数では音声合成で付加されたエラーが音声の理解し易さを余り低下させない周波数を減衰させ、音声の理解し易さに大きな重要性を有する周波数を増幅する。各音声フレームについての励起は励起コードブック１６で形成される。もし全ての励起ベクトルをチェックするような探索機能がＣＥＬＰ符号器で使用されるならば、最適の励起ベクトル c(n) を発見するために全てのスケーリングされた（ｓｃａｌｅｄ）励起ベクトル g・c(m)が長時間合成フィルタ１２及び短時間合成フィルタ１３の両方で処理される。励起ベクトル探索コントローラ１５は、重み付けフィルタ１４の重みを付けられた出力に基づいて、励起コードブック１６に内蔵されている励起ベクトル c(n) のインデックス uを探索する。反復プロセス中に、最適の励起ベクトル c(n) （元の音声信号に最も良く一致する音声合成を生じさせる励起ベクトル）のインデックス u、即ち最小の重み付きエラーを生じさせる励起ベクトル c(n) のインデックス uが選択される。
【００２１】
スケーリング係数 gは励起ベクトル c(n) 探索コントローラ１５から得られる。それは、乗算ユニット１７で使用され、励起コードブック１６から選択された励起ベクトル c(n) に乗じられて出力される。乗算ユニット１７の出力は長時間ＬＴＰ合成フィルタ１３の入力に接続されている。受信端で音声を合成するために、線形予測により生成されたＬＰＣパラメータ a(i) 、ＬＴＰパラメータ、励起ベクトル c(n) のインデックス u、及び、スケーリング係数 gはチャネル符号器（図示せず）に送られ、更にデータ転送チャネルを通して受信装置に送られる。受信装置は音声復号器を有し、この復号器は、受信したパラメータに基づいて、元の音声信号 s(n) を模する音声信号を合成する。ＬＰＣパラメータ a(i) を表現する際には、これらのパラメータの量子化特性を改善するためにこれらのＬＰＣパラメータを、例えば、ＬＳＰ表現の形式（線スペクトル対）またはＩＳＰ表現の形式（イミタンス・スペクトル対）に変換することも可能である。
【００２２】
図２は、従来公知のＣＥＬＰ型の固定レート音声復号器の構造を示す。この音声復号器は、通信接続から（より正確には例えばチャネル復号器から）、線形予測により作られた、ＬＰＣパラメータ a(i) 、ＬＴＰパラメータ、励起ベクトル c(n) のインデックス u、及び、スケーリング係数 gを受け取る。この音声復号器は、図１に示されている音声符号器の励起コードブック（参照符号１６）に対応する励起コードブック２０を有する。励起コードブック２０は、受信した励起ベクトルのインデックス uに基づいて音声合成のための励起ベクトル c(n) を生成するために使用される。乗算ユニット２１により、生成された励起ベクトル c(n) に、受信されたスケーリング係数 gが乗じられ、その後に、得られた結果が長時間ＬＴＰ合成フィルタ２２に送られる。長時間合成フィルタ２２は、データ転送バスを通して該フィルタが音声符号器から受信したＬＴＰパラメータにより決定される方法で、受信した励起信号 c(n) ・g を変換し、修正された信号２３を更にＬＰＣ合成フィルタ２４に送る。線形予測によって作られたＬＰＣパラメータ a(i) によって制御されて、短時間ＬＰＣ合成フィルタ２４は音声中に発生した短時間変化を再現してそれを信号２３の中に実現させ、復号された（合成された）音声信号 ss(n)がＬＰＣ合成フィルタ２４の出力から得られる。
【００２３】
図３は本発明の可変ビットレート音声符号器の実施例を示すブロック図である。入力音声信号 s(n) （参照符号３０１）は、初めに、音声の短時間変化を表すＬＰＣパラメータ a(i) （参照符号３２１）を生成するために、線形ＬＰＣ分析３２において分析される。ＬＰＣパラメータ３２１は、例えば、当業者に従来から知られている上記のレビンソン・ダービンの方法を用いる自己相関法を通して得られる。得られたＬＰＣパラメータ３２１は更にパラメータ選択ブロック３８に送られる。ＬＰＣ分析ブロック３２においては、ＬＰＣ残留信号 r（参照符号３２２）の生成も実行され、この信号はＬＴＰ分析３１に送られる。ＬＴＰ分析３１において、音声の長時間変化を表す上記のＬＴＰパラメータが生成される。ＬＰＣ残留信号３２２は、ＬＰＣ合成フィルタ H(Z) = 1/A(z)（式１及び図１を参照）の逆フィルタ A(z) で音声信号３０１を濾波することにより形成される。ＬＰＣ残留信号３２２はＬＰＣモデル次数選択ブロック３３にも送られる。ＬＰＣモデル性能選択ブロック３３において、例えば、アカイケ情報基準（Akaike Information Criterion (AIC)）及びリサネンの最小記述長(MDL) 選択基準（Rissanen's Minimum Description (MDL)-selection criteria ）を用いて必要なＬＰＣモデル次数３３１が推定される。ＬＰＣモデル次数選択ブロック３３は、ＬＰＣ分析ブロック３２で使用されるべき、そして、本発明によるＬＰＣ次数に関する情報３３１をパラメータ選択ブロック３８に送る。
【００２４】
図３は、２段階ＬＴＰ分析３１を使用して実現される本発明の音声符号器を示す。それは、ＬＴＰピッチ遅れ時間（pitch lag term）Ｔの整数部分 d（参照符号３４２）を探索するための開ループＬＴＰ分析３４と、ＬＴＰピッチ遅れＴの端数部分を探索するための閉ループＬＴＰ分析３５とを使用する。本発明の第１実施例では、ＬＰＣパラメータ３２１とＬＴＰ残留信号３５１とを利用してブロック３９で音声パラメータ・ビット３９２を計算する。音声符号化のために使用されるべき音声符号化パラメータと、その表現精度との決定は、パラメータ選択ブロック３８で行われる。この様にして、本発明に従って、実行されるＬＰＣ分析３２及びＬＴＰ分析３１を利用して音声パラメータ・ビット３９２を最適化することができる。
【００２５】
本発明の他の実施例では、ＬＴＰピッチ遅れＴの端数部分を探索するために使用されるべきアルゴリズムの決定は、ＬＰＣ合成フィルタ次数 m（参照符号３３１）と、開ループＬＴＰ分析３４で計算された利得項 g（参照符号３４１）とに基づいて行われる。この決定もパラメータ選択ブロック３８で行われる。本発明に従って、この様に、既に実行されたＬＰＣ分析３２と既に部分的に実行されたＬＴＰ探索（開ループＬＴＰ分析３４）とを利用してＬＴＰ分析３１の性能を著しく改善することができる。ＬＴＰ分析に使用されるＬＴＰピッチ遅れの端数の探索については、例えば、出版物：ＩＣＡＳＳＰ−９０報告、第６６１−６６４頁、ピーター・クローン及びビシュヌ・Ｓ．アタルによる「時間分解能の高いピッチ予測器」（Peter Kroon & Bishnu S. Atal "Pitch Predictors with High Temporal Resolution" Proc of ICASSP-90 pages 661-664 ）で解説がなされている。
【００２６】
例えば、自己相関法を用いて、下記の式（４）を用いる相関関数の極大値に対応する遅れを決定することによって、開ループＬＴＰ分析３５によって実行されるＬＴＰピッチ遅れ時間Ｔの整数部分ｄを決定することができる。
【数４】
ここで、ｒ（ｎ） ＝ ＬＰＣ残留信号３２２
ｄ ＝ 音声の基本周波数を表すピッチ（ＬＴＰピッチ遅れ時間の整数部分）
ｄL 及びｄH ＝ 基本周波数についての探索限界値
である。
【００２７】
開ループＬＴＰ分析ブロック３４は、ＬＰＣ残留信号３２２と、ＬＴＰピッチ遅れ時間探索で発見された整数部分ｄとを用いて次式のように開ループ利得項ｇ（参照符号３４１）をも生成する。
【数５】
ここで ｒ（ｎ）＝ ＬＰＣ残留信号（残留信号３２２）
ｄ ＝ ＬＴＰピッチ遅れ整数遅延
Ｎ ＝ フレーム長（例えば、２０ｍｓフレームが８ｋＨｚの周波数でサンプリングされるときには、１６０サンプル）
である。
【００２８】
本発明の第２実施例ではパラメータ選択ブロックはＬＴＰ分析３１の精度を向上させるためにこの様に開ループ利得項ｇを利用する。これに対応して、閉ループＬＴＰ分析ブロック３５は、上記の決定された整数遅れ時間ｄを利用してＬＴＰピッチ遅れ時間Ｔの端数部分の精度を探索する。パラメータ選択ブロック３８は、ＬＴＰピッチ遅れ時間の端数部分を決定するとき、例えば、上記の参考文献、即ちクローン及びアタルの「時間分解能の高いピッチ予測器」で言及されている方法を利用することができる。閉ループＬＴＰ分析ブロック３５は、上記のＬＴＰピッチ遅れ時間Ｔの他に、ＬＴＰ利得ｇについての最終精度も決定し、これは受信端の復号器に送られる。
【００２９】
閉ループＬＴＰ分析ブロック３５は、ＬＴＰ分析フィルタで、即ち、その伝達関数がＬＴＰ合成フィルタ H(Z)=1/B(z)（式３を参照）の逆関数 B(z) であるフィルタでＬＰＣ残留信号３２２を濾波することによってＬＴＰ残留信号３５１を生成する。ＬＴＰ残留信号３５１は、励起信号計算ブロック３９とパラメータ選択ブロック３８とに送られる。閉ループＬＴＰ探索は、通常、先に決定した励起ベクトル３９１をも利用する。従来技術のＡＣＥＬＰ型（例えばＧＳＭ０６．６０）の符復号器では、励起信号 c(n) を符号化するために固定された数のパルスが使用される。それらのパルスを表現する精度も一定であり、従って、励起信号 c(n) は１つの固定されたコードブック６０から選択される。本発明の第１実施例では、パラメータ選択ブロック３８は励起コードブック６０〜６０''' の選択手段（図４に示されている）を有し、それは、ＬＴＰ残留信号３５１とＬＰＣパラメータ３２１とに基づいて、各音声フレームにおいて音声信号 s(n) をモデル化するために使用される励起信号６１〜６１''' （図６Ｂ）をどの精度で（何個のビットで）表現するかを決定する。
励起信号に使用される励起パルス６２の数、又は、励起パルス６２を量子化するために使用される精度を変化させることによって、数個の（several)異なる励起コードブック６０〜６０''' を形成することができる。励起コードを表現するために使用されるべき精度（コードブック）に関する情報を、励起コード計算ブロック３９に転送し、また、例えば、励起コードブック選択インデックス３８２を使用する復号器にも転送することが可能である。この励起コードブック選択インデックス３８２は、音声の符号化及び復号の両方のためにどの励起コードブック６０〜６０''' を使用するべきかを示すものである。励起コードブック・ライブラリ４１において信号３８２によって所要の励起コードブック６０〜６０''' を選択するのと同様に、他の音声パラメータ・ビット３９２の表現及び計算の精度は対応する信号を用いて選択される。これについては、図７の説明と関連させて詳しく説明するが、ＬＴＰピッチ遅れ時間を計算するために使用される精度は信号３８１（＝３８３）によって選択される。これは、遅れ時間計算精度選択ブロック４２により与えられる。同様に、また他の音声パラメータ３９２を計算し表現するために使用される精度（例えば、ＣＥＬＰ型の符復号器に特有のＬＰＣパラメータ３２１についての表現精度）が選択される。励起信号計算ブロック３９は、図１に示されているＬＰＣ合成フィルタ１２とＬＴＰ合成フィルタ１３とに対応する複数のフィルタを有し、それらのフィルタでＬＰＣ及びＬＴＰ分析- 合成の機能が実現される。可変レート音声パラメータ３９２（例えば、ＬＰＣパラメータ及びＬＴＰパラメータ）と、使用される符号化モードのための信号（例えば信号３８２及び３８３）とは通信接続に転送されて受信装置へ送信される。
【００３０】
図４は、音声信号 s(n) をモデル化するために使用される励起信号６１〜６１''' を決定するときのパラメータ選択ブロック３８の機能を示す。始めにパラメータ選択ブロック３８は、受け取ったＬＴＰ残留信号３５１に対して２つの計算を実行する。ＬＴＰ残留信号３５１の残留エネルギー値５２（図５（Ｂ））がブロック４３で測定されて適応限界値決定ブロック４４と比較ユニット４５との双方に転送される。
図５（Ａ）は音声信号の１例を示し、図５（Ｂ）は符号化後のその信号に残っている残留エネルギー値５２を時間−レベルで示している。適応限界値決定ブロック４４において、上記の測定された残留エネルギー値５２と前の音声フレームの残留エネルギー値とに基づいて適応限界値５３、５４、５５が決定される。これらの適応限界値５３、５４、５５と音声フレームの残留エネルギー値５２とに基づいて、励起ベクトル６１〜６１''' を表現するために使用される精度（ビットの数）が比較ユニット４５で選択される。１つの適応限界値５４を使用することの基礎となる考え方は、もし符号化されるべき音声フレームの残留エネルギー値５２が前の複数の音声フレームの残留エネルギー値の平均値（適応限界値５４）より大きければ、より良好な評価を得るために励起ベクトル６１〜６１''' の表現精度を高めるということである。この場合、次の音声フレームで生じる残留エネルギー値５２はより低くなると期待することができる。一方、もし残留エネルギー値５２が適応限界値５４より低い値にとどまるならば、音声の質を低下させることなく励起ベクトル６１〜６１''' を表現するために使用されるビットの数を減らすことができる。
【００３１】
次の式に従って適応閾値が計算される。
【数６】
【００３２】
利用できる励起コードブック６０〜６０''' が３つ以上あり、使用されるべき励起ベクトル６１〜６１''' がそれらの励起コードブックで選択されるとき、音声符号器はより多くの限界値５３、５４、５５を必要とする。これらの他の適応限界値は、適応限界値を決定する式においてΔＧdBを変更することによって生成される。図５（Ｃ）は、４種類の励起コードブック６０〜６０''' が利用可能であるときに、図５（Ｂ）に従って選択される励起コードブック６０〜６０''' の番号を示す。その選択は例えば表１に従って次のように行われる：
【表１】
【００３３】
各励起コードブック６０〜６０''' が励起ベクトル６１〜６１''' を表現するための一定の数のパルス６２〜６２''' と、一定の精度での量子化に基づくアルゴリズムとを使用することが本発明の音声符号器の特徴である。このことは、音声符号化に使用される励起信号のビットレートが音声信号の線形ＬＰＣ分析３２およびＬＴＰ分析３１の性能に依存することを意味する。
【００３４】
この例で使用されている４つの異なる励起コードブック６０〜６０''' は、２つのビットを使って区別することができる。パラメータ選択ブロック３８は、この情報を信号３８２の形で励起計算ブロック３９に転送するとともに、受信装置へ転送させるためにデータ転送チャネルにも転送する。励起コードブック６０〜６０''' の選択はスイッチ４８によって実行され、その位置に基づいて、選択された励起コードブック６０〜６０''' に対応する励起コードブックインデックス４７〜４７''' が更に信号３８２として転送される。上記の励起コードブック６０〜６０''' を内蔵する励起コードブック・ライブラリ６５は励起計算ブロック３９に記憶されており、正しい励起コードブック６０〜６０''' に含まれている励起ベクトル６１〜６１''' を音声合成のためにこのライブラリから検索して取り出すことができる。
【００３５】
励起コードブック６０〜６０''' を選択する上記の方法は、ＬＴＰ残留信号３５１の分析に基づいている。本発明の他の実施例では、励起コードブック６０〜６０''' の選択の正しさを制御することを可能にする制御項（control term)を励起コードブック６０〜６０''' の選択基準に組み込むことができる。それは、周波数領域での音声信号エネルギー分布を調べることに基づいている。もし音声信号のエネルギーが周波数範囲の下端に集中しているならば、間違いなく有声信号が関係している。声の質についての実験によると、有声信号の高品質の符号化を行うためには無声信号の符号化よりも多数のビットが必要である。本発明の音声符号器の場合には、それは、音声信号を合成するために使用される励起パラメータをより精密に（より多くのビットを使用して）表現しなければならないことを意味する。図４及び５（Ａ）〜（Ｃ）に示されているサンプルとの関係では、これは、より多くのビット数を使って励起ベクトル６１〜６１''' を表現する励起コードブック６０〜６０''' （図５（Ｃ）では、より大きな番号のコードブック）を選択しなければならないという結果になる。
【００３６】
ＬＰＣ分析３２で得られるＬＰＣパラメータ３２１の始めの２つの反射係数は信号のエネルギー分布についての良い見積もりを与える。反射係数は、反射係数計算ブロック４６（図４）において、例えば、従来から当業者に知られているシュール（Shur）のアルゴリズム又はレビンソン（Levinson）のアルゴリズムを使って計算される。始めの２つの反射係数ＲＣ１及びＲＣ２を平面上に表示すると（図６（Ａ））、エネルギー集中領域を容易に発見することができる。もし反射係数ＲＣ１及びＲＣ２が低周波数領域（斜線が付されている領域１）にあるならば間違いなく有声信号が関係しており、もしエネルギー集中領域が高周波数領域（斜線が付されている領域２）にあるならば、トーンレス信号が関係している。反射係数は−１〜１の範囲の値を有する。限界値（例えば、図６（Ａ）では、ＲＣ＝−０．７〜−１、ＲＣ''＝０〜１）は、有声信号及びトーンレス信号によりもたらされる反射係数同士を比較することによって実験的に選択される。反射係数ＲＣ１及びＲＣ２が有声の範囲にあるときには、より大きな番号の励起コードブック６０〜６０''' 、及び、より精密な量子化を選択するような基準が使用される。その他の場合には、より小さなビットレートに対応する励起コードブック６０〜６０''' を選択することができる。その選択は、信号４９でスイッチ４８を制御して行う。これら２領域の間に中間領域があり、その領域では音声符号器は、主としてＬＴＰ残留信号３５１に基づいて、使用されるべき励起コードブック６０〜６０''' を決定することができる。ＬＴＰ残留信号３５１の測定に基づく方法と反射係数ＲＣ１及びＲＣ２の計算に基づく上記の方法とを組み合わせれば、励起コードブック６０〜６０''' を選択する効率の良いアルゴリズムが得られる。そのアルゴリズムは、最適の励起コードブック６０〜６０''' を確実に選択することができて、異なるタイプの音声信号を必要な音質で均等に音声符号化し得ることを保証するものである。図７の説明との関係で明らかなように、他の音声パラメータ・ビット３９２を決定するためにも、それに対応する、いろいろな基準を組み合わせる方法を使用することができる。複数の方法を組み合わせることの付加的利点の１つは、何らかの理由でＬＴＰ残留信号３５１に基づく励起コードブック６０〜６０''' の選択がうまくゆかなかった場合に、殆どの場合に、音声符号化を行う前に、そのエラーを発見して、ＬＰＣパラメータ３２１としての反射係数ＲＣ１及びＲＣ２の計算に基づく方法を用いてそのエラーを訂正することができることである。
【００３７】
本発明の音声符号化方法においては、平坦な(even)ＬＴＰパラメータ（本質的にはＬＴＰ利得ｇとＬＴＰ遅れＴ）を表現し計算する際に使用される精度に、ＬＴＰ残留信号３５１の測定とＬＰＣパラメータ３２１としての反射係数ＲＣ１及びＲＣ２の計算とに基づく、上記の有声／無声判定を利用することが可能である。ＬＴＰパラメータｇ及びＴは、有声音声信号の基本周波数特性等の、音声中の長時間周期性（long-term recurrency）を表す。基本周波数というのは、音声信号においてエネルギー集中が現れる周波数である。周期性は、音声信号において基本周波数を判定するために測定される。それは、ＬＴＰピッチ遅れ時間を用いて、殆ど類似する繰り返し生じるパルスの発生を測定することによって行われる。ＬＴＰピッチ遅れ時間の値は、一定の音声信号パルスの発生から同じパルスが再発生する瞬間までの遅延時間である。検出された信号の基本周波数は、ＬＴＰピッチ遅れ時間の逆数として得られる。
【００３８】
例えば、ＣＥＬＰ音声符復号器などの、ＬＴＰ技術を利用する幾つかの音声符復号器において、ＬＴＰピッチ遅れ時間は、始めにいわゆる開ループ法を、次にいわゆる閉ループ法を用いて、２段階で探される。開ループ法の目的は、例えば式（４）と関連して説明した自己相関法などの柔軟な数学的方法を用いて、分析されるべき音声フレームのＬＰＣ分析３２のＬＰＣ残留信号３２２からＬＴＰピッチ遅れ時間についての整数推定値ｄを発見することである。開ループ法では、ＬＴＰピッチ遅れ時間の計算精度は、音声信号をモデル化するのに使用されるサンプリング周波数に依存する。それは、音声の質については十分に精密なＬＴＰピッチ遅れ時間を得るにはしばしば低すぎる（例えば、８ｋＨｚ）。この問題を解決するためにいわゆる閉ループ法が開発されており、その目的は、オーバーサンプリング（over-sampling)を使用して、開ループ法により発見されたＬＴＰピッチ遅れ時間の値の付近にＬＴＰピッチ遅れ時間のより精密な値を探すことである。従来公知の音声符復号器では、（いわゆる整数の精度でＬＴＰピッチ遅れ時間の値を探すに過ぎない）開ループ法が使用されるか、或いは、それと組み合わせて固定オーバーサンプリング係数を使用する閉ループ法をも使用する。例えば、オーバーサンプリング係数３を使用する場合には、ＬＴＰピッチ遅れ時間の値を３倍も精密に見いだすことができる（いわゆる１／３精度）。この方法の実例が出版物：ＩＣＡＳＳＰ−９０報告の第６６１−６６４頁のピーター・クローン及びビシュヌ・Ｓ．アタルによる「時間分解能の高いピッチ予測器」（Peter Kroon & Bishnu S. Atal "Pitch Predictors with High Temporal Resolution" Proc of ICASSP-90 pages 661-664 ）に解説されている。
【００３９】
音声合成では、音声信号の基本周波数特性を表現するために必要な精度は本質的にその音声信号に依存する。それ故に、多くのレベルで音声信号をモデル化する周波数を計算し表現するために使用される精度（ビットの数）をその音声信号の関数として調整することが好ましいのである。例えば、音声のエネルギー含有量或いは有声／トーンレス判定のような選択基準が、図４との関連で励起コードブック６０〜６０''' を選択するために使用されたのと同じように使用される。
【００４０】
音声パラメータ・ビット３９２を作る本発明の可変レート音声符号器は、ＬＴＰピッチ遅れの整数部分ｄ（開ループ利得）を発見するために開ループＬＴＰ分析３４を使用し、ＬＴＰピッチ遅れの端数（小数）部分を探すために閉ループＬＴＰ分析３５を使用する。開ループＬＴＰ分析３４と、ＬＰＣ分析に使用される性能（フィルタ次数）と、反射係数とに基づいて、ＬＴＰピッチ遅れの小数部分を探すために使用されるアルゴリズムについての決定も行われる。この決定もパラメータ選択ブロック３８で行われる。図７は、ＬＴＰパラメータを探すのに使われる精度の見地から、パラメータ選択ブロック３８内の機能を示す。その選択は、好適には、開ループＬＴＰ利得３４１の決定に基づいている。論理ユニット７１における選択基準として、図５（Ａ）〜（Ｃ）と関連して説明した適応限界値と同様の基準を使用することが可能である。この様にして、ＬＴＰピッチ遅れＴの計算に使用されるべき表１の通りのアルゴリズム選択表を作成することが可能であり、その選択表に基づいて、基本周波数（ＬＴＰピッチ遅れ）を表現し計算するために使用される精度が決定される。
【００４１】
ＬＰＣ分析３２のために必要なＬＰＣフィルタの次数３３１もまた、音声信号と該信号のエネルギー分布とに関する重要な情報を与える。ＬＰＣパラメータ３２の計算に使われるモデル次数３３１の選択のために、例えば前に言及したアカイケ情報基準 (AIC)又はリサネンの最小記述長(MDL) 法が使用される。ＬＰＣ分析３２で使用されるべきモデル次数３３１はＬＰＣモデル選択ユニット３３で選択される。エネルギー分布が一様な信号については、モデル化のために２段階ＬＰＣ濾波でもしばしば充分であるが、数個の共振周波数（フォルマント周波数）を含んでいる有声信号については、例えば、１０段のＬＰＣモデル化が必要である。実例として、表２を以下に掲げるが、この表は、ＬＰＣ分析３２に使用されるフィルタのモデル次数３３１の関数としてＬＴＰピッチ遅れ時間Ｔを計算するために使用されるオーバーサンプリング係数を示す。
【表２】
【００４２】
ＬＴＰ開ループ利得ｇの大きな値は、高度に有声化された信号を表す。この場合、ＬＴＰ分析のＬＴＰピッチ遅れ特性の値は、良好な音質を得るために、高い精度で探されなければならない。この様に、ＬＴＰ利得３４１と、ＬＰＣ合成で使用されるモデル次数３３１とに基づいて、表３を作成することができる。
【表３】
【００４３】
もし音声信号のスペクトル・エンベロープが低い周波数に集中しているならば、大きなオーバーサンプリング係数を選択するのも得策である（周波数分布は例えばＬＰＣパラメータ３３の反射係数ＲＣ１及びＲＣ２から得られる。図６（Ａ）参照）。これを上記の他の基準と組み合わせることもできる。オーバーサンプリング係数７２〜７２''' 自体は、論理ユニット７１から得られる制御信号に基づいてスイッチ７３によって選択される。オーバーサンプリング係数７２〜７２''' は、信号３８１と共に閉ループＬＴＰ分析３５に転送され、且つ信号３８３として励起計算ブロック３９及びデータ転送チャネルに転送される。表２及び３と関連する場合のように、例えば２、３、及び６倍のオーバーサンプリングが使用されるときには、ＬＴＰピッチ遅れの値は、それに対応して、使用されるサンプリング間隔の１／２、１／３、及び、１／６の精度で計算され得る。
【００４４】
閉ループＬＴＰ分析３５では、ＬＴＰピッチ遅れＴの端数（小数）値が論理ユニット７１により決定された精度で探される。ＬＴＰピッチ遅れＴは、ＬＰＣ分析ブロック３２により作られたＬＰＣ残留信号３２２と前の時間に使われた励起信号３９１との相関をとることによって探される。前の励起信号３９１は、選択されたオーバーサンプリング係数７２〜７２''' を用いて補間される。最も正確な見積もりによって作られたＬＴＰピッチ遅れの端数値が決定されると、それは、音声合成に使用される他の可変レート音声パラメータ・ビット３９２とともに音声符号器に転送される。
【００４５】
図３、図４、図５（Ａ）〜（Ｃ）、図６（Ａ）〜（Ｂ）、及び、図７に、可変レート音声パラメータ・ビット３９２を作る音声符号器の機能が詳しく示されている。図８は、本発明の音声符号器の機能を機能ブロック図で示す。図１に示されている従来公知の音声符号器の場合と同様に、合成された音声信号 ss(n)は総和ユニット１８において音声信号 s(n) から差し引かれる。得られたエラー信号 e(n) に、聴覚重み付けフィルタ１４によって重み付けされる。重み付けされたエラー信号は可変レート・パラメータ生成ブロック８０に送られる。パラメータ生成ブロック８０は上記の可変ビットレート音声パラメータ・ビット３９２と励起信号とを計算するために使用されるアルゴリズムを具備し、その中からモード・セレクタ８１はスイッチ８４及び８５を用いて各音声フレームに最適の音声符号化モードを選択する。従って、各音声符号化モードのために別々のエラー最小化ブロック８２〜８２''' があり、これらの最小化ブロック８２〜８２''' は、予測生成ブロック８３〜８３''' のために、最適の励起パルス及び選択された精度を有するその他の音声パラメータ３９２を計算する。予測生成ブロック８３〜８３''' は、特に励起ベクトル６１〜６１''' を作成して、それを、選択された精度を有する他の音声パラメータ３９２（例えばＬＰＣパラメータ及びＬＴＰパラメータ）とともに更にＬＴＰ＋ＬＰＣ合成ブロック８６に転送する。信号８７は、データ転送チャネルを通して受信装置に転送される音声パラメータ（例えば可変レート音声パラメータ・ビット３９２と音声符号化モード選択信号２８２及び２８３）を表す。パラメータ生成ブロック８０により生成された音声パラメータ８７に基づいて合成音声信号 ss(n)がＬＰＣ＋ＬＴＰ合成ブロック８６において生成される。音声パラメータ８７はチャネル符号器（図示せず）に転送され、データ転送チャネルに送られる。
【００４６】
図９は本発明の可変ビットレート音声符号器９９の構成を示す。生成ブロック９０において、復号器により受信された可変レート音声パラメータ３９２は、信号３８２及び３８３により制御されて正しい予測生成ブロック９３〜９３''' に送られる。信号３８２及び３８３はＬＴＰ＋ＬＰＣ合成ブロック９４にも転送される。この様に、信号２８２及び２８４は、データ転送チャネルから受信された音声パラメータ・ビット３９２にどの音声符号化モードが適用されるのかを定める。正しい復号モードがモード・セレクタ９１によって選択される。選択された予測発生ブロック９３〜９３''' は音声パラメータ・ビット（それ自体が作った励起ベクトル６１〜６１''' 、それが符号器から受け取ったＬＴＰパラメータ及びＬＰＣパラメータ、及び、その他の音声符号化パラメータ）をＬＴＰ＋ＬＰＣ合成ブロック９４に転送し、ここで実際の音声合成が信号３８２及び３８３により定められた復号モードに特有の方法で実行される。最後に、得られた信号は、所望の音色を持つように重み付けフィルタ９５によって必要に応じて濾波される。合成音声信号 ss(n)が復号器の出力で得られる。
【００４７】
図１０は本発明による移動局を示しており、それに本発明の音声符復号器が使用されている。マイクロホン１０１から到来する、送信されるべき音声信号はＡ／Ｄ変換器１０２でサンプリングされ、音声符号器１０３で音声符号化され、その後に、従来技術で知られているように例えばチャネル符号化、インターリーブなどの基本周波数信号の処理がブロック１０４で実行される。その後に、信号は無線周波数に変換されて、送信装置１０５によりデュプレックス・フィルタＤＰＬＸ及びアンテナＡＮＴを用いて送信される。受信時には、図９と関連して説明したブロック１０７での音声復号などの、受信部の従来公知の機能が受信された信号に対して実行され、音声がスピーカ１０８により再生される。
【００４８】
図１１は本発明による通信システム１１０を示しており、このシステムは、移動局１１１及び１１１’、基地局１１２（ＢＴＳ、Base Transceiver Station（基地送受信局）、基地局コントローラ１１３、移動通信交換センタ（ＭＳＣ、Mobile Switching Center （移動交換センタ））１１４、通信網１１５及び１１６、及び、それらに直接に或いは端末装置（例えばコンピュータ１１８）を介して接続されているユーザ端末１１７及び１１８を具備している。本発明の情報転送システム１１０では、移動局及びその他のユーザ端末１１７、１１８及び１１９は、通信網１１５及び１１６を介して相互に接続されていて、図３、図４、図５（Ａ）〜（Ｃ）、及び図６〜図９と関連して解説した音声符号化システムをデータ転送のために使用する。本発明の通信システムは、低い平均データ転送容量を用いて移動局１１１、１１１’及びその他のユーザー端末１１７、１１８及び１１９の間で音声を転送することができるので、効率が良い。これは無線接続を使用する移動局１１１、１１１’との関係で特に好ましいけれども、例えば、コンピュータ１１８が独立のマイクロホン及びスピーカ（図示せず）を備えている場合には、本発明の音声符号化方法を使用することは、例えば音声がインターネット通信網を介してパケットフォーマットで転送されるときに、通信網に無駄な負担をかけない効率の良い方法である。
【００４９】
以上、本発明の実施態様とその実施例の幾つかとを解説した。本発明は上で解説した実施例の詳細に限定されるものではなく、本発明の特徴から逸脱することなく本発明を他の形で実施し得ることは当業者にとっては明らかなことである。上で解説した実例は単なる例と解されるべきであって、これらに限定をするものと解されるべきではない。従って本発明を実施し使用する可能性は特許請求の範囲によってのみ限定される。従って、請求項により定義される本発明の種々の実施例は、等価な実施例を含めて、本発明の範囲に含まれる。
【００５０】
【発明の効果】
本発明によれば、質が一様で平均ビットレートの小さい可変ビットレートのデジタル音声符号化方法および装置が提供される。
【図面の簡単な説明】
【図１】従来公知のＣＥＬＰ符号器の構成を示すブロック図である。
【図２】従来公知のＣＥＬＰ復号器の構成を示すブロック図である。
【図３】本発明の音声符号器の実施例の構成を示すブロック図である。
【図４】コードブックを選択するときのパラメータ選択ブロックの機能を示すブロック図である。
【図５】本発明の機能を説明するために使用される音声信号の例を時間−振幅レベルで示し（（Ａ））、本発明の実現に使用される適応限界値と上記音声信号の例の残留エネルギーとを時間−ｄＢレベルで示し（（Ｂ））、各音声フレームについて図５の（Ｂ）に基づいて選択され、音声信号をモデル化するために使用される励起コードブック番号を示す（（Ｃ））図である。
【図６】反射係数を計算することに基づく音声フレーム分析を示し（（Ａ））、本発明の音声符号化方法に使用される励起コードブック・ライブラリの構造を示す（（Ｂ））図である。
【図７】パラメータ選択ブロックの機能を基本周波数表示精度の見地から示すブロック図である。
【図８】本発明の音声符号器の機能ブロック図である。
【図９】本発明の音声符号器に対応する音声復号器の構成を示す図である。
【図１０】本発明の音声符号器を利用する移動局を示す図である。
【図１１】本発明の通信システムを示す図である。
【符号の説明】
１０…短時間ＬＰＣ分析ブロック
１１…ＬＴＰ分析ブロック
１２…ＬＰＣ合成フィルタ
１３…ＬＴＰ合成フィルタ
１４…（聴覚）重み付けフィルタ
１８…総和ユニット
１６…励起コードブック
１５…励起ベクトル探索コントローラ
１７…乗算ユニット
２０…励起コードブック
２１…乗算ユニット
２２…長時間ＬＴＰ合成フィルタ
２４…ＬＰＣ合成フィルタ
３１…２段階ＬＴＰ分析
３２…線形ＬＰＣ分析ブロック
３３…ＬＰＣモデル次数選択ブロック
３４…開ループＬＴＰ分析ブロック
３５…閉ループＬＴＰ分析ブロック
３８…パラメータ選択ブロック
３９…励起コード計算ブロック
４１…励起コードブック・ライブラリー
４２…遅れ時間計算精度選択ブロック
４４…適応限界値決定ブロック
４５…比較ユニット
４６…反射係数計算ブロック
４７〜４７''' …励起コードブックインデックス
５２…残留エネルギー値
５３、５４、５５…適応限界値
６０…固定されたコードブック
６０〜６０''' …励起コードブック
６２…励起パルス
７１…論理ユニット
７２〜７２''' …オーバーサンプリング係数
８０…可変レート・パラメータ生成ブロック
８１…モード・セレクタ
８２〜８２''' …エラー最小化ブロック
８３〜８３''' …予測生成ブロック
８４、８５…スイッチ
８６…ＬＴＰ＋ＬＰＣ合成ブロック
８７…音声パラメータ
９０…生成ブロック
９１…モード・セレクタ
９３〜９３''' …予測生成ブロック
９４…ＬＴＰ＋ＬＰＣ合成ブロック
９５…重み付けフィルタ
９９…可変ビットレート音声符号器
１０１…マイクロホン
１０２…Ａ／Ｄ変換器
１０３…音声符号器
１０４…ブロック
１０５…送信装置
１０６…受信装置
１０７…ブロック
１０８…スピーカ
１１０…通信システム
１１１、１１１’…移動局
１１２…基地局
１１３…基地局コントローラ
１１４…移動通信交換センタ
１１５、１１６…通信網
１１７、１１８、１１９…ユーザー端末
２８２、２８…音声符号化モード選択信号
３０１…音声信号
３２１…ＬＰＣパラメータ
３２２…ＬＰＣ残留信号
３３１…ＬＰＣモデル次数（ＬＰＣフィルタの次数）
３４１…開ループＬＴＰ利得
３４２…ＬＴＰピッチ遅れ時間Ｔの整数部分ｄ
３５１…ＬＴＰ残留信号
３８２…励起コードブック選択インデックス
３９１…励起ベクトル
３９２…可変レート音声パラメータ・ビット
ＲＣ１、ＲＣ２…反射係数
ss(n) …合成音声信号
ＤＰＬＸ…デュプレックス・フィルタ
ＡＮＴ…アンテナ
【発明の属する技術分野】
本発明は、特に、音声符号化のために使用されるビットの数が後に続く音声フレーム間で変化し得るようになっている、可変ビットレートで動作するデジタル音声符復号器に関する。音声合成に使用されるパラメータとそれらの表示精度とは、その時の動作状態に応じて選択される。本発明は、また、音声フレームをモデル化するために利用される種々の励起パラメータの長さ（ビット数）が標準の長さの複数の音声フレームの範囲内で相互の関係で調整されるような、固定ビットレートで動作する音声符復号器に関する。
【０００２】
【従来の技術、および、発明が解決しようとする課題】
現代の情報社会では音声等のデジタル形のデータがますます大量に転送されるようになっている。その情報の大きな割合を占める部分が、例えばいろいろな移動通信システムなどの無線通信接続を利用して転送されている。数の限られている無線周波数をなるべく効率よく利用するためにデータ転送の効率に高度の要求が設定されるのは特にここである。これに加えて、新しいサービスと関連して、より大きなデータ転送容量とより良好な音声の質とが同時に求められている。これらの目標を達成するために、提供されるサービスの標準を落とすことなくデータ転送接続の平均ビット数を少なくすることを目的としていろいろな符号化アルゴリズムが開発され続けている。一般に、２つの基本的原則に従って、即ち、固定伝送速度符号化アルゴリズムをより効率よいものにしようと試みることによって、或いは、可変伝送速度を利用する符号化アルゴリズムを開発することによって、上記の目的を達成しようとする努力がなされている。
【０００３】
可変ビットレートで動作する音声符復号器の相対的な効率は、音声は変化し得る性質のものである、即ち音声信号は異なる時点で異なる量の情報を含むものであるという事実に基づいている。もし音声信号を標準の長さ（例えば２０ｍｓ）の音声フレームに分割して、その各々を別々に符号化するならば、各音声フレームをモデル化するために使うビット数を調整することができる。この様にして、少量の情報を含んでいる音声フレームを、大量の情報を含んでいる音声フレームの場合より少ないビット数を使ってモデル化することができる。この場合、固定伝送速度を利用する符復号器の場合より平均ビットレートを低く保ち、且つ同じ音声の質を維持することが可能である。
【０００４】
可変ビットレートに基づく符号化アルゴリズムをいろいろに利用することができる。例えばインターネットやＡＴＭ（Asynchronous Transfer Mode（非同期転送モード））通信網などのパケット通信網は可変ビットレート音声符復号器に良く適している。この種の通信網は、データ転送接続において転送されるべきデータパケットの長さ及び／又は送信周波数を調整することによって、音声符復号器がその時必要とするデータ転送容量を提供する。可変ビットレートを使用する音声符復号器は、例えば電話応答機及び音声メールサービス（speech mail services）などの音声のデジタル記録にも良く適している。
【０００５】
可変ビットレートで動作する音声符復号器のビットレートは、多くの方法で調整することが可能である。一般に知られている可変ビットレート音声符復号器では、送信装置のビットレートは、送信されるべき信号の符号化以前に既に決められている。これは例えば当業者に従来から知られているＣＤＭＡ（符号分割多重接続）移動通信システムで使用されるＱＣＥＬＰ型の音声符復号器と関連する処理手順であり、このシステムでは或る所定のビットレートを音声符号化のために利用することができる。しかし、それらの解決策では限られた数の異なるビットレートを有するに過ぎず、それは通常は音声信号用の２種類の、例えば全速（１／１）及び半速（１／２）の速度と、それとは別の暗騒音用の低ビットレート（例えば、１／８速度）とである。国際公開ＷＯ９６０５５９２Ａ１は、入力信号をいろいろな周波数帯域に分割し、各周波数帯域のエネルギー含有量に基づいてその周波数帯域について必要な符号化ビットレートを評価する方法を開示している。使用されるべき符号化速度（ビットレート）についての最終決定は、それらの周波数帯域固有のビットレート決定に基づいて行われる。もう一つの方法は、使用可能なデータ転送容量の関数としてビットレートを調整することである。これは、使用されるべき現在のビットレートが、使用可能なデータ転送容量の大きさに基づいて選択されるということを意味する。この様な処理手順では、通信網の負荷が重いとき（音声符号化に使用し得るビット数が限られているとき）音声の質が低下する結果となる。一方、この処理手順は、音声符号化が「容易な」時にはデータ転送接続に不必要に負担をかける。
【０００６】
可変ビットレート音声符復号器において音声符号器のビットレートを調整するために使用される、当業者に従来から知られている他の方法は、音声アクティビティの検出（ＶＡＤ、Voice Activity Detection）である。音声アクティビティの検出を、例えば固定伝送速度符復号器と関連させて使用することができる。この場合、話者が沈黙していることを音声アクティビティ検出器が検出しているときには音声符号器を完全にオフに切り換えておくことができる。その結果として、可変伝送速度で動作する実現可能な最も簡単な音声符復号器が得られる。
【０００７】
今日、例えば移動通信システムにおいて非常に広く使用されている、固定ビットレートで動作する音声符復号器は、音声信号の内容には依存せずに同じビットレートで動作する。それらの音声符復号器では、一方では、データ転送容量を余り多量に使いすぎることはないが、他方では、符号化するのが困難な音声信号に対しても充分な音質を提供する様な折衷的なビットレートを選択せざるを得ない。この処理手順で音声符号化に使用されるビットレートは、いわゆる容易な音声フレーム（easy speech frames）のためには常に不必要に大きく、より低いビットレートの音声符復号器でもそのモデル化は首尾よく実行され得たであろう。換言すれば、データ転送チャネルは効率よく使用されていない。容易な音声フレームの中には、例えば、音声アクティビティ検出器（ＶＡＤ）を用いて検出された無音の瞬間、強く有声化された音（正弦波信号に似ていて、これを振幅及び周波数に基づいてよくモデル化することができる）、及び、雑音に似ている幾つかの音素がある。聴覚の特徴の故に、元の信号と符号化された（たとえ良好にではなくても）信号との小さな差を耳は聞き分けられないので、雑音を同じく精密にモデル化する必要はない。むしろ、有声化された部分が容易に雑音を隠す。有声化されている部分は、信号の小さな差でも耳が聞き分けるので、精密に符号化されなければならない（精密なパラメータ（多数のビット）を使用しなければならない）。
【０００８】
図１は、コード励起線形予測器（ＣＥＬＰ、Code Excited Liniar Predictor ）を利用する典型的な音声符号器を示す。それは、音声生成をモデル化するために使用される数個のフィルタを有する。多数の励起ベクトルを内蔵する励起コードブックから、これらのフィルタのために適当な励起信号が選択される。ＣＥＬＰ音声符号器は通常は短時間フィルタ及び長時間フィルタの両方を有し、これらを用いて、元の音声信号になるべく似ている信号を合成しようとする試みがなされる。最良の励起ベクトルを発見するために、通常、励起コードブックに記憶されている全ての励起ベクトルがチェックされる。励起ベクトル探索中、適当な励起ベクトルが各々、合成フィルタに送られるが、これらのフィルタは通常は短時間フィルタ及び長時間フィルタの両方を含む。合成された音声信号は元の音声信号と比較され、元の信号に最も良く一致する信号を生じさせる励起ベクトルが選択される。選択基準においては、種々のエラーを発見する人間の聴力が一般に利用され、各音声フレームについて最小のエラー信号を生じさせる励起ベクトルが選択される。典型的なＣＥＬＰ音声符号器で使用される励起ベクトルは実験的に決定されている。ＡＣＥＬＰ型（Algebraic Code Excited Linear Predictor （代数コード励起線形予測器））の音声符号器が使用されるときには、励起ベクトルはゼロとは異なる一定数のパルスから成り、それらのパルスは数学的に計算される。この場合、現実の励起コードブックは不要である。最良の励起は、上記のＣＥＬＰ符号器の場合と同じエラー基準を用いて最適のパルス位置を選択することによって得られる。
【０００９】
従来から当業者に知られているＣＥＬＰ型及びＡＣＥＬＰ型の音声符号器は固定レート励起計算を使用する。励起ベクトルあたりのパルスの最大数は、１つの音声フレーム内での異なるパルス位置の数と同様に、固定されている。依然として、各パルスが固定された精度で量子化されるときには、各励起ベクトルあたりに生成されるべきビット数は、入ってくる音声信号とは無関係に一定である。ＣＥＬＰ型の符復号器は、励起信号を量子化するために多数のビットを使用する。高品質の音声が生成されるときには、充分な数の異なる励起ベクトルにアクセスできるように比較的に大きな励起信号コードブックが必要である。ＡＣＥＬＰ型の符復号器にも同様の問題がある。使用されるパルスの位置、振幅、及び、接頭部（prefix）の量子化は多数のビットを消費する。固定レートＡＣＥＬＰ音声符号器は、元のソース信号に関わりなく各音声フレーム（又はサブフレーム）について一定の数のパルスを計算する。この様に、データ転送ラインの容量を消費して総合効率を不必要に低下させる。
本発明は、質が一様で平均ビットレートの小さい可変ビットレートのデジタル音声符号化方法および装置を提供することを目的とする。
【００１０】
【課題を解決するための手段】
音声信号は通常は部分的に有声であり（音声信号は或る基本周波数を有する）、また部分的にトーンレスである（toneless、雑音によく似ている）ので、音声符号器は、複数のパルスから成る励起信号及びその他のパラメータを、符号化されるべき音声信号の関数として、更に修正することができる。この様に、例えば有声音声セグメント及びトーンレス音声セグメントに最も適する励起ベクトルを「正しい」精度（ビット数）で決定することが望ましいであろう。また、入力音声信号の分析結果の関数としてコードベクトル中の励起パルスの数を変化させることも可能であろう。励起ベクトル及びその他の音声パラメータ・ビットを表現するために使用されるビットレートを、受信された信号と符号化の性能とに基づいて、励起信号の計算の前に信頼が置けるように選択することを通して、受信装置で復号された音声の質を励起ビットレートの変動に関わらず一定に保つことができる。
【００１１】
ここでは、音声符復号器において音声合成に使用されるべき符号化パラメータを選択する方法が、その方法を利用する装置とともに発明されており、その方法を利用することにより、固定ビットレート音声符号化アルゴリズム及び可変ビットレート音声符号化アルゴリズムの長所同士を結合させて、音質が良くて効率の高い音声符号化システムを実現することができる。本発明は、通信網（電話回線網、及び、インターネットやＡＴＭ通信網などのパケット交換網）に接続される移動局や電話などの種々の通信装置に使用するのに適している。例えば、移動通信網の基地局及び基地局コントローラと関連するもののように、通信網の種々の構成要素に本発明の音声符復号器を使用することも可能である。本発明の特徴は請求項１、６、７、８及び９の特徴部分に記載されている。
【００１２】
本発明の可変ビットレート音声符復号器はソース制御され（この音声符復号器は入力音声信号の分析結果に基づいて制御される）、該音声符復号器は各音声フレームについて個別に正しいビット数を選択することによって一定の音質を維持することができる（符号化されるべき音声フレームの長さは例えば２０ｍｓであることができる）。従って、各音声フレームを符号化するために使用されるビットの数は、その音声フレームに含まれている音声情報に依存する。本発明のソース制御の音声符号化方法の利点は、音声符号化に使用される平均ビットレートが、同じ音質に達する固定レート音声符号器のそれより低いことである。或いは、同じ平均ビットレートを使用して固定ビットレート音声符復号器よりも良好な音質を得るために本発明の音声符号化方法を使用することも可能である。本発明は、音声合成の時に音声パラメータを表現するために使用されるビットの量を正しく選択するという課題を解決する。例えば、有声信号の場合、大きな励起コードブックが使用され、励起ベクトルはより精密に量子化され、音声信号の規則正しさを表す基本周波数、及び／又は、その強さを表す振幅はより精密に決定される。これは各音声フレームについて個別に実行される。種々の音声パラメータのために使用されるビットの量を決定するために、本発明の音声符復号器は、音声信号（ソース信号）の短時間周期性及び長時間周期性の両方をモデル化するフィルタを使用して該音声符復号器が実行する分析の結果を利用する。決定的な要素は、特に、音声フレームについての有声／トーンレスの判定、音声信号のエンベロープのエネルギーレベル及び種々の周波数領域へのその分布、並びに、検出された基本周波数のエネルギー及び周期性である。
【００１３】
本発明の目的は、可変伝送速度で動作して一定の音質を提供する音声符復号器を実現することである。一方、固定伝送速度で動作する音声符復号器にも本発明を使用することができ、その場合、種々の音声パラメータを表現するために使用されるビットの数は標準長のデータフレームの中で調整される（固定ビットレート符復号器及び可変ビットレート符復号器のいずれにおいても、例えば２０ｍｓの音声フレームが標準である）。この実施例では励起信号（励起ベクトル）を表現するために使用されるビットレートは本発明に従って変更されるけれども、対応して、他の音声パラメータを表現するために使用されるビットの数は、１つの音声フレームをモデル化するために使用されるビットの総数が全ての音声フレームについて一定に保たれることとなるように調整される。この様に、例えば長時間にわたって発生する規則性をモデル化するために多数のビットが使用されるときには（例えば、基本周波数は精密に符号化／量子化される）、短時間変化を表すＬＰＣ（Linear Predicting Coding（線形予測符号化））パラメータを表現するために残されるビット数は少なくなる。種々の音声パラメータを表現するために使用されるビットの量を最適に選択することによって固定ビットレート符復号器が得られ、その符復号器はソース信号に最も適するように常に最適化される。この様にして従来より良好な音質が得られる。
【００１４】
本発明の音声符復号器では、各フレームの基本周波数特性を表現するために使われるビットの数（基本周波数表現精度）を、いわゆる開ループ法を用いて得られたパラメータに基づいて予備的に決定することが可能である。必要に応じて、いわゆる閉ループ分析を用いることにより分析の精度を改善することができる。その分析の結果は、入力音声信号と、分析に使用されるフィルタの性能とに依存する。符号化された音声の質を基準として用いてビットの量を決定することによって、音声をモデル化するために使用されるその音声符復号器のビットレートは変動するが音声信号の質は一定に保たれるような音声符復号器が実現される。
【００１５】
１つの励起信号をモデル化するビットの数は、入力音声信号を符号化するために使用される他の音声符号化パラメータの計算に依存せず、且つ、それらを転送するために使用されるビットレートにも依存しない。従って、本発明の可変ビットレート音声符復号器では、１つの励起信号を作るために使用されるビットの数の選択は他の音声符号化に使用される音声パラメータのビットレートとは無関係である。付帯的情報ビットを使用して、使用される符号化モードに関する情報を符号器から復号器に転送することが可能であるけれども、復号器の符号化モード選択アルゴリズムが、符号化に使用された符号化モードを、受け取ったビット列から直接識別するように復号器を実現することもできる。
【００１６】
【発明の実施の形態】
図１は従来公知の固定ビットレートＣＥＬＰ符号器の構成を示すブロック図であり、それは本発明の音声符号器の基礎をなすものである。次に、従来公知の固定レートＣＥＬＰ符復号器の構成を、本発明と関連する部分について説明する。ＣＥＬＰ型の音声符復号器は、短時間ＬＰＣ（Linear Predictive Coding（線形予測符号化））分析ブロック１０を有する。ＬＰＣ分析ブロック１０は多数の線形予測パラメータ a(i) を生成するものであり、i = 1, 2, ..., mであり、m は入力音声信号 s(n) に基づく分析に使用されるＬＰＣ合成フィルタ１２のモデル次数である。パラメータ a(i) の集合は音声信号 s(n) の周波数内容を表し、それは通常は各音声フレームについてＮサンプルを用いて計算される（例えば、使用するサンプリング周波数が８ｋＨｚであれば、２０ｍｓの音声フレームが１６０サンプルで表現される）。ＬＰＣ分析１０を、もっと頻繁に、例えば２０ｍｓ音声フレームあたりに２回ずつ、実行することもできる。例えばＧＳＭシステムから従来公知となっているＥＦＲ（Enhanced Full Rate（強化全速））型音声符復号器（ETSI GSM 06.60）ではこの様に処理が行われる。当業者に従来から知られている、例えば、レビンソン・ダービン・アルゴリズム（Levinson-Durbin algorithm ）を用いてパラメータ a(i) を決定することができる。パラメータ a(i) の集合は、下記の式で表される伝達関数を用いて合成音声信号 ss(n)を形成するために短時間ＬＰＣ合成フィルタ１２で使用される：
【数１】
Ａ＝ＬＰＣ多項式、
ｚ＝単位遅延、
ｍ＝ＬＰＣ合成フィルタ１２の性能（performance ）である。
【００１７】
一般に、ＬＰＣ分析ブロック１０では、音声中に存在する長時間冗長性を示すＬＰＣ残留信号ｒ（ＬＰＣ残留）も形成され、この残留信号はＬＴＰ（Long-term Prediction（長時間予測））分析１１で利用される。ＬＰＣ残留信号ｒは、上記のＬＰＣパラメータ a(i) を用いて次のように決定される：
【数２】
ａ＝ＬＰＣパラメータ
である。
【００１８】
ＬＰＣ残留信号ｒは更に長時間ＬＴＰ分析ブロック１１に送られる。ＬＴＰ分析ブロック１１の役割は、音声符復号器に特有のＬＴＰパラメータ、即ちＬＴＰ利得（ピッチ利得）及びＬＴＰ遅れ（ピッチ遅れ）を決定することである。音声符復号器は更にＬＴＰ（Long-term Prediction（長時間予測））合成フィルタ１３を有する。ＬＴＰ合成フィルタ１３は、音声の周期性（特に、主として有声音素と関連して発生する、音声の基本周波数）を表す信号を生成するために使用される。短時間ＬＰＣ合成フィルタ１２は、（例えばトーンレスな音素と関連する）周波数スペクトルの急速な変動のためにも使用される。ＬＴＰ合成フィルタ１３の伝達関数は通常は下記の形を有する：
【数３】
ｇ＝ＬＴＰピッチ利得、
Ｔ＝ＬＴＰピッチ遅れ
である。
【００１９】
ＬＴＰパラメータは音声符復号器において典型的にはサブフレーム（５ｍｓ）単位で決定される。この様にして、分析および合成フィルタ１０、１１、１２、１３の両方が音声信号 s(n) をモデル化するために使用される。短時間ＬＰＣ分析−合成フィルタ１２は、人の声道をモデル化するために使用され、長時間ＬＴＰ分析−合成フィルタ１３は声帯の振動をモデル化するために使用される。分析フィルタはモデル化を行い、合成フィルタはそのモデルを利用して信号を生成する。
【００２０】
重み付けフィルタ１４の機能は人間の聴覚の特性に基づいており、このフィルタはエラー信号 e(n) を濾波するために使用される。エラー信号 e(n) は、元の音声信号 s(n) と総和ユニット１８で形成された合成音声信号 ss(n)との差信号である。重み付けフィルタ１４は、その周波数では音声合成で付加されたエラーが音声の理解し易さを余り低下させない周波数を減衰させ、音声の理解し易さに大きな重要性を有する周波数を増幅する。各音声フレームについての励起は励起コードブック１６で形成される。もし全ての励起ベクトルをチェックするような探索機能がＣＥＬＰ符号器で使用されるならば、最適の励起ベクトル c(n) を発見するために全てのスケーリングされた（ｓｃａｌｅｄ）励起ベクトル g・c(m)が長時間合成フィルタ１２及び短時間合成フィルタ１３の両方で処理される。励起ベクトル探索コントローラ１５は、重み付けフィルタ１４の重みを付けられた出力に基づいて、励起コードブック１６に内蔵されている励起ベクトル c(n) のインデックス uを探索する。反復プロセス中に、最適の励起ベクトル c(n) （元の音声信号に最も良く一致する音声合成を生じさせる励起ベクトル）のインデックス u、即ち最小の重み付きエラーを生じさせる励起ベクトル c(n) のインデックス uが選択される。
【００２１】
スケーリング係数 gは励起ベクトル c(n) 探索コントローラ１５から得られる。それは、乗算ユニット１７で使用され、励起コードブック１６から選択された励起ベクトル c(n) に乗じられて出力される。乗算ユニット１７の出力は長時間ＬＴＰ合成フィルタ１３の入力に接続されている。受信端で音声を合成するために、線形予測により生成されたＬＰＣパラメータ a(i) 、ＬＴＰパラメータ、励起ベクトル c(n) のインデックス u、及び、スケーリング係数 gはチャネル符号器（図示せず）に送られ、更にデータ転送チャネルを通して受信装置に送られる。受信装置は音声復号器を有し、この復号器は、受信したパラメータに基づいて、元の音声信号 s(n) を模する音声信号を合成する。ＬＰＣパラメータ a(i) を表現する際には、これらのパラメータの量子化特性を改善するためにこれらのＬＰＣパラメータを、例えば、ＬＳＰ表現の形式（線スペクトル対）またはＩＳＰ表現の形式（イミタンス・スペクトル対）に変換することも可能である。
【００２２】
図２は、従来公知のＣＥＬＰ型の固定レート音声復号器の構造を示す。この音声復号器は、通信接続から（より正確には例えばチャネル復号器から）、線形予測により作られた、ＬＰＣパラメータ a(i) 、ＬＴＰパラメータ、励起ベクトル c(n) のインデックス u、及び、スケーリング係数 gを受け取る。この音声復号器は、図１に示されている音声符号器の励起コードブック（参照符号１６）に対応する励起コードブック２０を有する。励起コードブック２０は、受信した励起ベクトルのインデックス uに基づいて音声合成のための励起ベクトル c(n) を生成するために使用される。乗算ユニット２１により、生成された励起ベクトル c(n) に、受信されたスケーリング係数 gが乗じられ、その後に、得られた結果が長時間ＬＴＰ合成フィルタ２２に送られる。長時間合成フィルタ２２は、データ転送バスを通して該フィルタが音声符号器から受信したＬＴＰパラメータにより決定される方法で、受信した励起信号 c(n) ・g を変換し、修正された信号２３を更にＬＰＣ合成フィルタ２４に送る。線形予測によって作られたＬＰＣパラメータ a(i) によって制御されて、短時間ＬＰＣ合成フィルタ２４は音声中に発生した短時間変化を再現してそれを信号２３の中に実現させ、復号された（合成された）音声信号 ss(n)がＬＰＣ合成フィルタ２４の出力から得られる。
【００２３】
図３は本発明の可変ビットレート音声符号器の実施例を示すブロック図である。入力音声信号 s(n) （参照符号３０１）は、初めに、音声の短時間変化を表すＬＰＣパラメータ a(i) （参照符号３２１）を生成するために、線形ＬＰＣ分析３２において分析される。ＬＰＣパラメータ３２１は、例えば、当業者に従来から知られている上記のレビンソン・ダービンの方法を用いる自己相関法を通して得られる。得られたＬＰＣパラメータ３２１は更にパラメータ選択ブロック３８に送られる。ＬＰＣ分析ブロック３２においては、ＬＰＣ残留信号 r（参照符号３２２）の生成も実行され、この信号はＬＴＰ分析３１に送られる。ＬＴＰ分析３１において、音声の長時間変化を表す上記のＬＴＰパラメータが生成される。ＬＰＣ残留信号３２２は、ＬＰＣ合成フィルタ H(Z) = 1/A(z)（式１及び図１を参照）の逆フィルタ A(z) で音声信号３０１を濾波することにより形成される。ＬＰＣ残留信号３２２はＬＰＣモデル次数選択ブロック３３にも送られる。ＬＰＣモデル性能選択ブロック３３において、例えば、アカイケ情報基準（Akaike Information Criterion (AIC)）及びリサネンの最小記述長(MDL) 選択基準（Rissanen's Minimum Description (MDL)-selection criteria ）を用いて必要なＬＰＣモデル次数３３１が推定される。ＬＰＣモデル次数選択ブロック３３は、ＬＰＣ分析ブロック３２で使用されるべき、そして、本発明によるＬＰＣ次数に関する情報３３１をパラメータ選択ブロック３８に送る。
【００２４】
図３は、２段階ＬＴＰ分析３１を使用して実現される本発明の音声符号器を示す。それは、ＬＴＰピッチ遅れ時間（pitch lag term）Ｔの整数部分 d（参照符号３４２）を探索するための開ループＬＴＰ分析３４と、ＬＴＰピッチ遅れＴの端数部分を探索するための閉ループＬＴＰ分析３５とを使用する。本発明の第１実施例では、ＬＰＣパラメータ３２１とＬＴＰ残留信号３５１とを利用してブロック３９で音声パラメータ・ビット３９２を計算する。音声符号化のために使用されるべき音声符号化パラメータと、その表現精度との決定は、パラメータ選択ブロック３８で行われる。この様にして、本発明に従って、実行されるＬＰＣ分析３２及びＬＴＰ分析３１を利用して音声パラメータ・ビット３９２を最適化することができる。
【００２５】
本発明の他の実施例では、ＬＴＰピッチ遅れＴの端数部分を探索するために使用されるべきアルゴリズムの決定は、ＬＰＣ合成フィルタ次数 m（参照符号３３１）と、開ループＬＴＰ分析３４で計算された利得項 g（参照符号３４１）とに基づいて行われる。この決定もパラメータ選択ブロック３８で行われる。本発明に従って、この様に、既に実行されたＬＰＣ分析３２と既に部分的に実行されたＬＴＰ探索（開ループＬＴＰ分析３４）とを利用してＬＴＰ分析３１の性能を著しく改善することができる。ＬＴＰ分析に使用されるＬＴＰピッチ遅れの端数の探索については、例えば、出版物：ＩＣＡＳＳＰ−９０報告、第６６１−６６４頁、ピーター・クローン及びビシュヌ・Ｓ．アタルによる「時間分解能の高いピッチ予測器」（Peter Kroon & Bishnu S. Atal "Pitch Predictors with High Temporal Resolution" Proc of ICASSP-90 pages 661-664 ）で解説がなされている。
【００２６】
例えば、自己相関法を用いて、下記の式（４）を用いる相関関数の極大値に対応する遅れを決定することによって、開ループＬＴＰ分析３５によって実行されるＬＴＰピッチ遅れ時間Ｔの整数部分ｄを決定することができる。
【数４】
ｄ ＝ 音声の基本周波数を表すピッチ（ＬＴＰピッチ遅れ時間の整数部分）
ｄL 及びｄH ＝ 基本周波数についての探索限界値
である。
【００２７】
開ループＬＴＰ分析ブロック３４は、ＬＰＣ残留信号３２２と、ＬＴＰピッチ遅れ時間探索で発見された整数部分ｄとを用いて次式のように開ループ利得項ｇ（参照符号３４１）をも生成する。
【数５】
ｄ ＝ ＬＴＰピッチ遅れ整数遅延
Ｎ ＝ フレーム長（例えば、２０ｍｓフレームが８ｋＨｚの周波数でサンプリングされるときには、１６０サンプル）
である。
【００２８】
本発明の第２実施例ではパラメータ選択ブロックはＬＴＰ分析３１の精度を向上させるためにこの様に開ループ利得項ｇを利用する。これに対応して、閉ループＬＴＰ分析ブロック３５は、上記の決定された整数遅れ時間ｄを利用してＬＴＰピッチ遅れ時間Ｔの端数部分の精度を探索する。パラメータ選択ブロック３８は、ＬＴＰピッチ遅れ時間の端数部分を決定するとき、例えば、上記の参考文献、即ちクローン及びアタルの「時間分解能の高いピッチ予測器」で言及されている方法を利用することができる。閉ループＬＴＰ分析ブロック３５は、上記のＬＴＰピッチ遅れ時間Ｔの他に、ＬＴＰ利得ｇについての最終精度も決定し、これは受信端の復号器に送られる。
【００２９】
閉ループＬＴＰ分析ブロック３５は、ＬＴＰ分析フィルタで、即ち、その伝達関数がＬＴＰ合成フィルタ H(Z)=1/B(z)（式３を参照）の逆関数 B(z) であるフィルタでＬＰＣ残留信号３２２を濾波することによってＬＴＰ残留信号３５１を生成する。ＬＴＰ残留信号３５１は、励起信号計算ブロック３９とパラメータ選択ブロック３８とに送られる。閉ループＬＴＰ探索は、通常、先に決定した励起ベクトル３９１をも利用する。従来技術のＡＣＥＬＰ型（例えばＧＳＭ０６．６０）の符復号器では、励起信号 c(n) を符号化するために固定された数のパルスが使用される。それらのパルスを表現する精度も一定であり、従って、励起信号 c(n) は１つの固定されたコードブック６０から選択される。本発明の第１実施例では、パラメータ選択ブロック３８は励起コードブック６０〜６０''' の選択手段（図４に示されている）を有し、それは、ＬＴＰ残留信号３５１とＬＰＣパラメータ３２１とに基づいて、各音声フレームにおいて音声信号 s(n) をモデル化するために使用される励起信号６１〜６１''' （図６Ｂ）をどの精度で（何個のビットで）表現するかを決定する。
励起信号に使用される励起パルス６２の数、又は、励起パルス６２を量子化するために使用される精度を変化させることによって、数個の（several)異なる励起コードブック６０〜６０''' を形成することができる。励起コードを表現するために使用されるべき精度（コードブック）に関する情報を、励起コード計算ブロック３９に転送し、また、例えば、励起コードブック選択インデックス３８２を使用する復号器にも転送することが可能である。この励起コードブック選択インデックス３８２は、音声の符号化及び復号の両方のためにどの励起コードブック６０〜６０''' を使用するべきかを示すものである。励起コードブック・ライブラリ４１において信号３８２によって所要の励起コードブック６０〜６０''' を選択するのと同様に、他の音声パラメータ・ビット３９２の表現及び計算の精度は対応する信号を用いて選択される。これについては、図７の説明と関連させて詳しく説明するが、ＬＴＰピッチ遅れ時間を計算するために使用される精度は信号３８１（＝３８３）によって選択される。これは、遅れ時間計算精度選択ブロック４２により与えられる。同様に、また他の音声パラメータ３９２を計算し表現するために使用される精度（例えば、ＣＥＬＰ型の符復号器に特有のＬＰＣパラメータ３２１についての表現精度）が選択される。励起信号計算ブロック３９は、図１に示されているＬＰＣ合成フィルタ１２とＬＴＰ合成フィルタ１３とに対応する複数のフィルタを有し、それらのフィルタでＬＰＣ及びＬＴＰ分析- 合成の機能が実現される。可変レート音声パラメータ３９２（例えば、ＬＰＣパラメータ及びＬＴＰパラメータ）と、使用される符号化モードのための信号（例えば信号３８２及び３８３）とは通信接続に転送されて受信装置へ送信される。
【００３０】
図４は、音声信号 s(n) をモデル化するために使用される励起信号６１〜６１''' を決定するときのパラメータ選択ブロック３８の機能を示す。始めにパラメータ選択ブロック３８は、受け取ったＬＴＰ残留信号３５１に対して２つの計算を実行する。ＬＴＰ残留信号３５１の残留エネルギー値５２（図５（Ｂ））がブロック４３で測定されて適応限界値決定ブロック４４と比較ユニット４５との双方に転送される。
図５（Ａ）は音声信号の１例を示し、図５（Ｂ）は符号化後のその信号に残っている残留エネルギー値５２を時間−レベルで示している。適応限界値決定ブロック４４において、上記の測定された残留エネルギー値５２と前の音声フレームの残留エネルギー値とに基づいて適応限界値５３、５４、５５が決定される。これらの適応限界値５３、５４、５５と音声フレームの残留エネルギー値５２とに基づいて、励起ベクトル６１〜６１''' を表現するために使用される精度（ビットの数）が比較ユニット４５で選択される。１つの適応限界値５４を使用することの基礎となる考え方は、もし符号化されるべき音声フレームの残留エネルギー値５２が前の複数の音声フレームの残留エネルギー値の平均値（適応限界値５４）より大きければ、より良好な評価を得るために励起ベクトル６１〜６１''' の表現精度を高めるということである。この場合、次の音声フレームで生じる残留エネルギー値５２はより低くなると期待することができる。一方、もし残留エネルギー値５２が適応限界値５４より低い値にとどまるならば、音声の質を低下させることなく励起ベクトル６１〜６１''' を表現するために使用されるビットの数を減らすことができる。
【００３１】
次の式に従って適応閾値が計算される。
【数６】
利用できる励起コードブック６０〜６０''' が３つ以上あり、使用されるべき励起ベクトル６１〜６１''' がそれらの励起コードブックで選択されるとき、音声符号器はより多くの限界値５３、５４、５５を必要とする。これらの他の適応限界値は、適応限界値を決定する式においてΔＧdBを変更することによって生成される。図５（Ｃ）は、４種類の励起コードブック６０〜６０''' が利用可能であるときに、図５（Ｂ）に従って選択される励起コードブック６０〜６０''' の番号を示す。その選択は例えば表１に従って次のように行われる：
【表１】
各励起コードブック６０〜６０''' が励起ベクトル６１〜６１''' を表現するための一定の数のパルス６２〜６２''' と、一定の精度での量子化に基づくアルゴリズムとを使用することが本発明の音声符号器の特徴である。このことは、音声符号化に使用される励起信号のビットレートが音声信号の線形ＬＰＣ分析３２およびＬＴＰ分析３１の性能に依存することを意味する。
【００３４】
この例で使用されている４つの異なる励起コードブック６０〜６０''' は、２つのビットを使って区別することができる。パラメータ選択ブロック３８は、この情報を信号３８２の形で励起計算ブロック３９に転送するとともに、受信装置へ転送させるためにデータ転送チャネルにも転送する。励起コードブック６０〜６０''' の選択はスイッチ４８によって実行され、その位置に基づいて、選択された励起コードブック６０〜６０''' に対応する励起コードブックインデックス４７〜４７''' が更に信号３８２として転送される。上記の励起コードブック６０〜６０''' を内蔵する励起コードブック・ライブラリ６５は励起計算ブロック３９に記憶されており、正しい励起コードブック６０〜６０''' に含まれている励起ベクトル６１〜６１''' を音声合成のためにこのライブラリから検索して取り出すことができる。
【００３５】
励起コードブック６０〜６０''' を選択する上記の方法は、ＬＴＰ残留信号３５１の分析に基づいている。本発明の他の実施例では、励起コードブック６０〜６０''' の選択の正しさを制御することを可能にする制御項（control term)を励起コードブック６０〜６０''' の選択基準に組み込むことができる。それは、周波数領域での音声信号エネルギー分布を調べることに基づいている。もし音声信号のエネルギーが周波数範囲の下端に集中しているならば、間違いなく有声信号が関係している。声の質についての実験によると、有声信号の高品質の符号化を行うためには無声信号の符号化よりも多数のビットが必要である。本発明の音声符号器の場合には、それは、音声信号を合成するために使用される励起パラメータをより精密に（より多くのビットを使用して）表現しなければならないことを意味する。図４及び５（Ａ）〜（Ｃ）に示されているサンプルとの関係では、これは、より多くのビット数を使って励起ベクトル６１〜６１''' を表現する励起コードブック６０〜６０''' （図５（Ｃ）では、より大きな番号のコードブック）を選択しなければならないという結果になる。
【００３６】
ＬＰＣ分析３２で得られるＬＰＣパラメータ３２１の始めの２つの反射係数は信号のエネルギー分布についての良い見積もりを与える。反射係数は、反射係数計算ブロック４６（図４）において、例えば、従来から当業者に知られているシュール（Shur）のアルゴリズム又はレビンソン（Levinson）のアルゴリズムを使って計算される。始めの２つの反射係数ＲＣ１及びＲＣ２を平面上に表示すると（図６（Ａ））、エネルギー集中領域を容易に発見することができる。もし反射係数ＲＣ１及びＲＣ２が低周波数領域（斜線が付されている領域１）にあるならば間違いなく有声信号が関係しており、もしエネルギー集中領域が高周波数領域（斜線が付されている領域２）にあるならば、トーンレス信号が関係している。反射係数は−１〜１の範囲の値を有する。限界値（例えば、図６（Ａ）では、ＲＣ＝−０．７〜−１、ＲＣ''＝０〜１）は、有声信号及びトーンレス信号によりもたらされる反射係数同士を比較することによって実験的に選択される。反射係数ＲＣ１及びＲＣ２が有声の範囲にあるときには、より大きな番号の励起コードブック６０〜６０''' 、及び、より精密な量子化を選択するような基準が使用される。その他の場合には、より小さなビットレートに対応する励起コードブック６０〜６０''' を選択することができる。その選択は、信号４９でスイッチ４８を制御して行う。これら２領域の間に中間領域があり、その領域では音声符号器は、主としてＬＴＰ残留信号３５１に基づいて、使用されるべき励起コードブック６０〜６０''' を決定することができる。ＬＴＰ残留信号３５１の測定に基づく方法と反射係数ＲＣ１及びＲＣ２の計算に基づく上記の方法とを組み合わせれば、励起コードブック６０〜６０''' を選択する効率の良いアルゴリズムが得られる。そのアルゴリズムは、最適の励起コードブック６０〜６０''' を確実に選択することができて、異なるタイプの音声信号を必要な音質で均等に音声符号化し得ることを保証するものである。図７の説明との関係で明らかなように、他の音声パラメータ・ビット３９２を決定するためにも、それに対応する、いろいろな基準を組み合わせる方法を使用することができる。複数の方法を組み合わせることの付加的利点の１つは、何らかの理由でＬＴＰ残留信号３５１に基づく励起コードブック６０〜６０''' の選択がうまくゆかなかった場合に、殆どの場合に、音声符号化を行う前に、そのエラーを発見して、ＬＰＣパラメータ３２１としての反射係数ＲＣ１及びＲＣ２の計算に基づく方法を用いてそのエラーを訂正することができることである。
【００３７】
本発明の音声符号化方法においては、平坦な(even)ＬＴＰパラメータ（本質的にはＬＴＰ利得ｇとＬＴＰ遅れＴ）を表現し計算する際に使用される精度に、ＬＴＰ残留信号３５１の測定とＬＰＣパラメータ３２１としての反射係数ＲＣ１及びＲＣ２の計算とに基づく、上記の有声／無声判定を利用することが可能である。ＬＴＰパラメータｇ及びＴは、有声音声信号の基本周波数特性等の、音声中の長時間周期性（long-term recurrency）を表す。基本周波数というのは、音声信号においてエネルギー集中が現れる周波数である。周期性は、音声信号において基本周波数を判定するために測定される。それは、ＬＴＰピッチ遅れ時間を用いて、殆ど類似する繰り返し生じるパルスの発生を測定することによって行われる。ＬＴＰピッチ遅れ時間の値は、一定の音声信号パルスの発生から同じパルスが再発生する瞬間までの遅延時間である。検出された信号の基本周波数は、ＬＴＰピッチ遅れ時間の逆数として得られる。
【００３８】
例えば、ＣＥＬＰ音声符復号器などの、ＬＴＰ技術を利用する幾つかの音声符復号器において、ＬＴＰピッチ遅れ時間は、始めにいわゆる開ループ法を、次にいわゆる閉ループ法を用いて、２段階で探される。開ループ法の目的は、例えば式（４）と関連して説明した自己相関法などの柔軟な数学的方法を用いて、分析されるべき音声フレームのＬＰＣ分析３２のＬＰＣ残留信号３２２からＬＴＰピッチ遅れ時間についての整数推定値ｄを発見することである。開ループ法では、ＬＴＰピッチ遅れ時間の計算精度は、音声信号をモデル化するのに使用されるサンプリング周波数に依存する。それは、音声の質については十分に精密なＬＴＰピッチ遅れ時間を得るにはしばしば低すぎる（例えば、８ｋＨｚ）。この問題を解決するためにいわゆる閉ループ法が開発されており、その目的は、オーバーサンプリング（over-sampling)を使用して、開ループ法により発見されたＬＴＰピッチ遅れ時間の値の付近にＬＴＰピッチ遅れ時間のより精密な値を探すことである。従来公知の音声符復号器では、（いわゆる整数の精度でＬＴＰピッチ遅れ時間の値を探すに過ぎない）開ループ法が使用されるか、或いは、それと組み合わせて固定オーバーサンプリング係数を使用する閉ループ法をも使用する。例えば、オーバーサンプリング係数３を使用する場合には、ＬＴＰピッチ遅れ時間の値を３倍も精密に見いだすことができる（いわゆる１／３精度）。この方法の実例が出版物：ＩＣＡＳＳＰ−９０報告の第６６１−６６４頁のピーター・クローン及びビシュヌ・Ｓ．アタルによる「時間分解能の高いピッチ予測器」（Peter Kroon & Bishnu S. Atal "Pitch Predictors with High Temporal Resolution" Proc of ICASSP-90 pages 661-664 ）に解説されている。
【００３９】
音声合成では、音声信号の基本周波数特性を表現するために必要な精度は本質的にその音声信号に依存する。それ故に、多くのレベルで音声信号をモデル化する周波数を計算し表現するために使用される精度（ビットの数）をその音声信号の関数として調整することが好ましいのである。例えば、音声のエネルギー含有量或いは有声／トーンレス判定のような選択基準が、図４との関連で励起コードブック６０〜６０''' を選択するために使用されたのと同じように使用される。
【００４０】
音声パラメータ・ビット３９２を作る本発明の可変レート音声符号器は、ＬＴＰピッチ遅れの整数部分ｄ（開ループ利得）を発見するために開ループＬＴＰ分析３４を使用し、ＬＴＰピッチ遅れの端数（小数）部分を探すために閉ループＬＴＰ分析３５を使用する。開ループＬＴＰ分析３４と、ＬＰＣ分析に使用される性能（フィルタ次数）と、反射係数とに基づいて、ＬＴＰピッチ遅れの小数部分を探すために使用されるアルゴリズムについての決定も行われる。この決定もパラメータ選択ブロック３８で行われる。図７は、ＬＴＰパラメータを探すのに使われる精度の見地から、パラメータ選択ブロック３８内の機能を示す。その選択は、好適には、開ループＬＴＰ利得３４１の決定に基づいている。論理ユニット７１における選択基準として、図５（Ａ）〜（Ｃ）と関連して説明した適応限界値と同様の基準を使用することが可能である。この様にして、ＬＴＰピッチ遅れＴの計算に使用されるべき表１の通りのアルゴリズム選択表を作成することが可能であり、その選択表に基づいて、基本周波数（ＬＴＰピッチ遅れ）を表現し計算するために使用される精度が決定される。
【００４１】
ＬＰＣ分析３２のために必要なＬＰＣフィルタの次数３３１もまた、音声信号と該信号のエネルギー分布とに関する重要な情報を与える。ＬＰＣパラメータ３２の計算に使われるモデル次数３３１の選択のために、例えば前に言及したアカイケ情報基準 (AIC)又はリサネンの最小記述長(MDL) 法が使用される。ＬＰＣ分析３２で使用されるべきモデル次数３３１はＬＰＣモデル選択ユニット３３で選択される。エネルギー分布が一様な信号については、モデル化のために２段階ＬＰＣ濾波でもしばしば充分であるが、数個の共振周波数（フォルマント周波数）を含んでいる有声信号については、例えば、１０段のＬＰＣモデル化が必要である。実例として、表２を以下に掲げるが、この表は、ＬＰＣ分析３２に使用されるフィルタのモデル次数３３１の関数としてＬＴＰピッチ遅れ時間Ｔを計算するために使用されるオーバーサンプリング係数を示す。
【表２】
ＬＴＰ開ループ利得ｇの大きな値は、高度に有声化された信号を表す。この場合、ＬＴＰ分析のＬＴＰピッチ遅れ特性の値は、良好な音質を得るために、高い精度で探されなければならない。この様に、ＬＴＰ利得３４１と、ＬＰＣ合成で使用されるモデル次数３３１とに基づいて、表３を作成することができる。
【表３】
もし音声信号のスペクトル・エンベロープが低い周波数に集中しているならば、大きなオーバーサンプリング係数を選択するのも得策である（周波数分布は例えばＬＰＣパラメータ３３の反射係数ＲＣ１及びＲＣ２から得られる。図６（Ａ）参照）。これを上記の他の基準と組み合わせることもできる。オーバーサンプリング係数７２〜７２''' 自体は、論理ユニット７１から得られる制御信号に基づいてスイッチ７３によって選択される。オーバーサンプリング係数７２〜７２''' は、信号３８１と共に閉ループＬＴＰ分析３５に転送され、且つ信号３８３として励起計算ブロック３９及びデータ転送チャネルに転送される。表２及び３と関連する場合のように、例えば２、３、及び６倍のオーバーサンプリングが使用されるときには、ＬＴＰピッチ遅れの値は、それに対応して、使用されるサンプリング間隔の１／２、１／３、及び、１／６の精度で計算され得る。
【００４４】
閉ループＬＴＰ分析３５では、ＬＴＰピッチ遅れＴの端数（小数）値が論理ユニット７１により決定された精度で探される。ＬＴＰピッチ遅れＴは、ＬＰＣ分析ブロック３２により作られたＬＰＣ残留信号３２２と前の時間に使われた励起信号３９１との相関をとることによって探される。前の励起信号３９１は、選択されたオーバーサンプリング係数７２〜７２''' を用いて補間される。最も正確な見積もりによって作られたＬＴＰピッチ遅れの端数値が決定されると、それは、音声合成に使用される他の可変レート音声パラメータ・ビット３９２とともに音声符号器に転送される。
【００４５】
図３、図４、図５（Ａ）〜（Ｃ）、図６（Ａ）〜（Ｂ）、及び、図７に、可変レート音声パラメータ・ビット３９２を作る音声符号器の機能が詳しく示されている。図８は、本発明の音声符号器の機能を機能ブロック図で示す。図１に示されている従来公知の音声符号器の場合と同様に、合成された音声信号 ss(n)は総和ユニット１８において音声信号 s(n) から差し引かれる。得られたエラー信号 e(n) に、聴覚重み付けフィルタ１４によって重み付けされる。重み付けされたエラー信号は可変レート・パラメータ生成ブロック８０に送られる。パラメータ生成ブロック８０は上記の可変ビットレート音声パラメータ・ビット３９２と励起信号とを計算するために使用されるアルゴリズムを具備し、その中からモード・セレクタ８１はスイッチ８４及び８５を用いて各音声フレームに最適の音声符号化モードを選択する。従って、各音声符号化モードのために別々のエラー最小化ブロック８２〜８２''' があり、これらの最小化ブロック８２〜８２''' は、予測生成ブロック８３〜８３''' のために、最適の励起パルス及び選択された精度を有するその他の音声パラメータ３９２を計算する。予測生成ブロック８３〜８３''' は、特に励起ベクトル６１〜６１''' を作成して、それを、選択された精度を有する他の音声パラメータ３９２（例えばＬＰＣパラメータ及びＬＴＰパラメータ）とともに更にＬＴＰ＋ＬＰＣ合成ブロック８６に転送する。信号８７は、データ転送チャネルを通して受信装置に転送される音声パラメータ（例えば可変レート音声パラメータ・ビット３９２と音声符号化モード選択信号２８２及び２８３）を表す。パラメータ生成ブロック８０により生成された音声パラメータ８７に基づいて合成音声信号 ss(n)がＬＰＣ＋ＬＴＰ合成ブロック８６において生成される。音声パラメータ８７はチャネル符号器（図示せず）に転送され、データ転送チャネルに送られる。
【００４６】
図９は本発明の可変ビットレート音声符号器９９の構成を示す。生成ブロック９０において、復号器により受信された可変レート音声パラメータ３９２は、信号３８２及び３８３により制御されて正しい予測生成ブロック９３〜９３''' に送られる。信号３８２及び３８３はＬＴＰ＋ＬＰＣ合成ブロック９４にも転送される。この様に、信号２８２及び２８４は、データ転送チャネルから受信された音声パラメータ・ビット３９２にどの音声符号化モードが適用されるのかを定める。正しい復号モードがモード・セレクタ９１によって選択される。選択された予測発生ブロック９３〜９３''' は音声パラメータ・ビット（それ自体が作った励起ベクトル６１〜６１''' 、それが符号器から受け取ったＬＴＰパラメータ及びＬＰＣパラメータ、及び、その他の音声符号化パラメータ）をＬＴＰ＋ＬＰＣ合成ブロック９４に転送し、ここで実際の音声合成が信号３８２及び３８３により定められた復号モードに特有の方法で実行される。最後に、得られた信号は、所望の音色を持つように重み付けフィルタ９５によって必要に応じて濾波される。合成音声信号 ss(n)が復号器の出力で得られる。
【００４７】
図１０は本発明による移動局を示しており、それに本発明の音声符復号器が使用されている。マイクロホン１０１から到来する、送信されるべき音声信号はＡ／Ｄ変換器１０２でサンプリングされ、音声符号器１０３で音声符号化され、その後に、従来技術で知られているように例えばチャネル符号化、インターリーブなどの基本周波数信号の処理がブロック１０４で実行される。その後に、信号は無線周波数に変換されて、送信装置１０５によりデュプレックス・フィルタＤＰＬＸ及びアンテナＡＮＴを用いて送信される。受信時には、図９と関連して説明したブロック１０７での音声復号などの、受信部の従来公知の機能が受信された信号に対して実行され、音声がスピーカ１０８により再生される。
【００４８】
図１１は本発明による通信システム１１０を示しており、このシステムは、移動局１１１及び１１１’、基地局１１２（ＢＴＳ、Base Transceiver Station（基地送受信局）、基地局コントローラ１１３、移動通信交換センタ（ＭＳＣ、Mobile Switching Center （移動交換センタ））１１４、通信網１１５及び１１６、及び、それらに直接に或いは端末装置（例えばコンピュータ１１８）を介して接続されているユーザ端末１１７及び１１８を具備している。本発明の情報転送システム１１０では、移動局及びその他のユーザ端末１１７、１１８及び１１９は、通信網１１５及び１１６を介して相互に接続されていて、図３、図４、図５（Ａ）〜（Ｃ）、及び図６〜図９と関連して解説した音声符号化システムをデータ転送のために使用する。本発明の通信システムは、低い平均データ転送容量を用いて移動局１１１、１１１’及びその他のユーザー端末１１７、１１８及び１１９の間で音声を転送することができるので、効率が良い。これは無線接続を使用する移動局１１１、１１１’との関係で特に好ましいけれども、例えば、コンピュータ１１８が独立のマイクロホン及びスピーカ（図示せず）を備えている場合には、本発明の音声符号化方法を使用することは、例えば音声がインターネット通信網を介してパケットフォーマットで転送されるときに、通信網に無駄な負担をかけない効率の良い方法である。
【００４９】
以上、本発明の実施態様とその実施例の幾つかとを解説した。本発明は上で解説した実施例の詳細に限定されるものではなく、本発明の特徴から逸脱することなく本発明を他の形で実施し得ることは当業者にとっては明らかなことである。上で解説した実例は単なる例と解されるべきであって、これらに限定をするものと解されるべきではない。従って本発明を実施し使用する可能性は特許請求の範囲によってのみ限定される。従って、請求項により定義される本発明の種々の実施例は、等価な実施例を含めて、本発明の範囲に含まれる。
【００５０】
【発明の効果】
本発明によれば、質が一様で平均ビットレートの小さい可変ビットレートのデジタル音声符号化方法および装置が提供される。
【図面の簡単な説明】
【図１】従来公知のＣＥＬＰ符号器の構成を示すブロック図である。
【図２】従来公知のＣＥＬＰ復号器の構成を示すブロック図である。
【図３】本発明の音声符号器の実施例の構成を示すブロック図である。
【図４】コードブックを選択するときのパラメータ選択ブロックの機能を示すブロック図である。
【図５】本発明の機能を説明するために使用される音声信号の例を時間−振幅レベルで示し（（Ａ））、本発明の実現に使用される適応限界値と上記音声信号の例の残留エネルギーとを時間−ｄＢレベルで示し（（Ｂ））、各音声フレームについて図５の（Ｂ）に基づいて選択され、音声信号をモデル化するために使用される励起コードブック番号を示す（（Ｃ））図である。
【図６】反射係数を計算することに基づく音声フレーム分析を示し（（Ａ））、本発明の音声符号化方法に使用される励起コードブック・ライブラリの構造を示す（（Ｂ））図である。
【図７】パラメータ選択ブロックの機能を基本周波数表示精度の見地から示すブロック図である。
【図８】本発明の音声符号器の機能ブロック図である。
【図９】本発明の音声符号器に対応する音声復号器の構成を示す図である。
【図１０】本発明の音声符号器を利用する移動局を示す図である。
【図１１】本発明の通信システムを示す図である。
【符号の説明】
１０…短時間ＬＰＣ分析ブロック
１１…ＬＴＰ分析ブロック
１２…ＬＰＣ合成フィルタ
１３…ＬＴＰ合成フィルタ
１４…（聴覚）重み付けフィルタ
１８…総和ユニット
１６…励起コードブック
１５…励起ベクトル探索コントローラ
１７…乗算ユニット
２０…励起コードブック
２１…乗算ユニット
２２…長時間ＬＴＰ合成フィルタ
２４…ＬＰＣ合成フィルタ
３１…２段階ＬＴＰ分析
３２…線形ＬＰＣ分析ブロック
３３…ＬＰＣモデル次数選択ブロック
３４…開ループＬＴＰ分析ブロック
３５…閉ループＬＴＰ分析ブロック
３８…パラメータ選択ブロック
３９…励起コード計算ブロック
４１…励起コードブック・ライブラリー
４２…遅れ時間計算精度選択ブロック
４４…適応限界値決定ブロック
４５…比較ユニット
４６…反射係数計算ブロック
４７〜４７''' …励起コードブックインデックス
５２…残留エネルギー値
５３、５４、５５…適応限界値
６０…固定されたコードブック
６０〜６０''' …励起コードブック
６２…励起パルス
７１…論理ユニット
７２〜７２''' …オーバーサンプリング係数
８０…可変レート・パラメータ生成ブロック
８１…モード・セレクタ
８２〜８２''' …エラー最小化ブロック
８３〜８３''' …予測生成ブロック
８４、８５…スイッチ
８６…ＬＴＰ＋ＬＰＣ合成ブロック
８７…音声パラメータ
９０…生成ブロック
９１…モード・セレクタ
９３〜９３''' …予測生成ブロック
９４…ＬＴＰ＋ＬＰＣ合成ブロック
９５…重み付けフィルタ
９９…可変ビットレート音声符号器
１０１…マイクロホン
１０２…Ａ／Ｄ変換器
１０３…音声符号器
１０４…ブロック
１０５…送信装置
１０６…受信装置
１０７…ブロック
１０８…スピーカ
１１０…通信システム
１１１、１１１’…移動局
１１２…基地局
１１３…基地局コントローラ
１１４…移動通信交換センタ
１１５、１１６…通信網
１１７、１１８、１１９…ユーザー端末
２８２、２８…音声符号化モード選択信号
３０１…音声信号
３２１…ＬＰＣパラメータ
３２２…ＬＰＣ残留信号
３３１…ＬＰＣモデル次数（ＬＰＣフィルタの次数）
３４１…開ループＬＴＰ利得
３４２…ＬＴＰピッチ遅れ時間Ｔの整数部分ｄ
３５１…ＬＴＰ残留信号
３８２…励起コードブック選択インデックス
３９１…励起ベクトル
３９２…可変レート音声パラメータ・ビット
ＲＣ１、ＲＣ２…反射係数
ss(n) …合成音声信号
ＤＰＬＸ…デュプレックス・フィルタ
ＡＮＴ…アンテナ
Claims (14)
- 音声信号（３０１）の符号化のために、
フレーム毎に音声符号化を行うために音声信号（３０１）を音声フレームに分割し、
被験音声フレームを第１のタイムスロットにおいてモデル化するための複数の第１の予測パラメータ（３２１、３２２）を含む第１の生成物（３２１、３２２）を生成するために、前記被験音声フレームに対して第１の分析（１０、３２、３３）を行い、
前記被験音声フレームを第２のタイムスロットにおいてモデル化するための複数の第２の予測パラメータ（３４１、３４２、３５１）を含む第２の生成物（３４１、３４２、３５１）を生成するために、前記被験音声フレームに対して第２の分析（１１、３１、３４、３５）を行い、
前記第１及び第２の予測パラメータ（３２１、３２２、３４１、３４２、３５１）はデジタル形で表現される音声符号化方法において、
前記第１の分析（１０、３２、３３）及び前記第２の分析（１１、３１、３４、３５）で得られた前記第１及び第２の生成物（３２１、３２２、３４１、３４２、３５１）に基づいて、前記第１の予測パラメータ（３２１、３２２、３３１）、前記第２の予測パラメータ（３４１、３４２、３５１）、及び、これらの組み合わせのうちの１つを表現するために使用されるビットの数を決定し、
ここに被験音声フレームをモデル化する前記第２の予測パラメータは励起ベクトル（６１〜６１''' ）を含み、
前記第１の生成物及び前記第２の生成物（３２１、３２２、３４１、３４２、３５１）は、前記第１のタイムスロットにおいて被験音声フレームをモデル化するＬＰＣパラメータ（３２１）と、前記第２のタイムスロットにおいて被験音声フレームをモデル化するＬＴＰ分析残留信号（３５１）とを含み、
前記被験音声フレームをモデル化するために使用される前記励起ベクトル（６１〜６１''' ）を表現するために使用されるビットの数は前記ＬＰＣパラメータ（３２１）及びＬＴＰ分析残留信号（３５１）に基づいて決定されることを特徴とする方法。 - 音声信号（３０１）の符号化のために、
フレーム毎に音声符号化を行うために音声信号（３０１）を音声フレームに分割し、
被験音声フレームを第１のタイムスロットにおいてモデル化するための複数の第１の予測パラメータ（３２１、３２２）を含む第１の生成物（３２１、３２２）を生成するために、前記被験音声フレームに対して第１の分析（１０、３２、３３）を行い、
前記被験音声フレームを第２のタイムスロットにおいてモデル化するための複数の第２の予測パラメータ（３４１、３４２、３５１）を含む第２の生成物（３４１、３４２、３５１）を生成するために、前記被験音声フレームに対して第２の分析（１１、３１、３４、３５）を行い、
前記第１及び第２の予測パラメータ（３２１、３２２、３４１、３４２、３５１）はデジタル形で表現される音声符号化方法において、
前記第１の分析（１０、３２、３３）及び前記第２の分析（１１、３１、３４、３５）で得られた前記第１及び第２の生成物（３２１、３２２、３４１、３４２、３５１）に基づいて、前記第１の予測パラメータ（３２１、３２２、３３１）、前記第２の予測パラメータ（３４１、３４２、３５１）、及び、これらの組み合わせのうちの１つを表現するために使用されるビットの数を決定し、
ここに前記第１の分析（１０、３２、３３）は短時間ＬＰＣ分析（１０、３２、３３）であり、前記第２の分析（１１、３１、３４、３５）は長時間ＬＴＰ分析（１１、３１、３４、３５）であり、
被験音声フレームをモデル化する前記第２の予測パラメータは励起ベクトル（６１〜６１''' ）を含み、
前記第１の生成物及び前記第２の生成物（３２１、３２２、３４１、３４２、３５１）は、前記第１のタイムスロットにおいて被験音声フレームをモデル化するＬＰＣパラメータ（３２１）と、前記第２のタイムスロットにおいて被験音声フレームをモデル化するＬＴＰ分析残留信号（３５１）とを含み、
前記被験音声フレームをモデル化するために使用される前記励起ベクトル（６１〜６１''' ）を表現するために使用されるビットの数は前記ＬＰＣパラメータ（３２１）及びＬＴＰ分析残留信号（３５１）に基づいて決定されることを特徴とする方法。 - 音声信号（３０１）の符号化のために、
フレーム毎に音声符号化を行うために音声信号（３０１）を音声フレームに分割し、
被験音声フレームを第１のタイムスロットにおいてモデル化するための複数の第１の予測パラメータ（３２１、３２２）を含む第１の生成物（３２１、３２２）を生成するために、前記被験音声フレームに対して第１の分析（１０、３２、３３）を行い、
前記被験音声フレームを第２のタイムスロットにおいてモデル化するための複数の第２の予測パラメータ（３４１、３４２、３５１）を含む第２の生成物（３４１、３４２、３５１）を生成するために、前記被験音声フレームに対して第２の分析（１１、３１、３４、３５）を行い、
前記第１及び第２の予測パラメータ（３２１、３２２、３４１、３４２、３５１）はデジタル形で表現される音声符号化方法において、
前記第１の分析（１０、３２、３３）及び前記第２の分析（１１、３１、３４、３５）で得られた前記第１及び第２の生成物（３２１、３２２、３４１、３４２、３５１）に基づいて、前記第１の予測パラメータ（３２１、３２２、３３１）、前記第２の予測パラメータ（３４１、３４２、３５１）、及び、これらの組み合わせのうちの１つを表現するために使用されるビットの数を決定し、
ここに前記第２の予測パラメータはＬＴＰピッチ遅れ時間を含み、
ＬＰＣ分析には分析／合成フィルタ（１０、１２、３２、３９）が使用され、
利得係数（３４１）を有する開ループがＬＴＰ分析に使用され、
前記第１及び第２の予測パラメータ（３２１、３２２、３３１、３４１、３４２、３５１）を表現するために使用されるビットの数を決定する前に、前記ＬＰＣ分析（３２）に使用される分析／合成フィルタ（１０、１２、３２、３９）のモデル次数（ｍ）が決定され、
前記第１及び第２の予測パラメータ（３２１、３２２、３３１、３４１、３４２、３５１）を表現するために使用されるビットの数を決定する前に、該開ループにおける前記利得係数（３４１）が前記ＬＴＰ分析（３１、３４）において決定され、
前記被験音声フレームをモデル化する際に使用される前記ＬＴＰピッチ遅れ時間を計算するために使用される精度は、前記モデル次数（ｍ）及び前記開ループにおける前記利得係数（３４１）に基づいて決定されることを特徴とする方法。 - 音声信号（３０１）の符号化のために、
フレーム毎に音声符号化を行うために音声信号（３０１）を音声フレームに分割し、
被験音声フレームを第１のタイムスロットにおいてモデル化するための複数の第１の予測パラメータ（３２１、３２２）を含む第１の生成物（３２１、３２２）を生成するために、前記被験音声フレームに対して第１の分析（１０、３２、３３）を行い、
前記被験音声フレームを第２のタイムスロットにおいてモデル化するための複数の第２の予測パラメータ（３４１、３４２、３５１）を含む第２の生成物（３４１、３４２、３５１）を生成するために、前記被験音声フレームに対して第２の分析（１１、３１、３４、３５）を行い、
前記第１及び第２の予測パラメータ（３２１、３２２、３４１、３４２、３５１）はデジタル形で表現される音声符号化方法において、
前記第１の分析（１０、３２、３３）及び前記第２の分析（１１、３１、３４、３５）で得られた前記第１及び第２の生成物（３２１、３２２、３４１、３４２、３５１）に基づいて、前記第１の予測パラメータ（３２１、３２２、３３１）、前記第２の予測パラメータ（３４１、３４２、３５１）、及び、これらの組み合わせのうちの１つを表現するために使用されるビットの数を決定し、
ここに前記第１の分析（１０、３２、３３）は短時間ＬＰＣ分析（１０、３２、３３）であり、前記第２の分析（１１、３１、３４、３５）は長時間ＬＴＰ分析（１１、３１、３４、３５）であり、
前記第２の予測パラメータはＬＴＰピッチ遅れ時間を含み、
前記ＬＰＣ分析には分析／合成フィルタ（１０、１２、３２、３９）が使用され、
利得係数（３４１）を有する開ループが前記ＬＴＰ分析に使用され、
前記第１及び第２の予測パラメータ（３２１、３２２、３３１、３４１、３４２、３５１）を表現するために使用されるビットの数を決定する前に、前記ＬＰＣ分析（３２）に使用される分析／合成フィルタ（１０、１２、３２、３９）のモデル次数（ｍ）が決定され、
前記第１及び第２の予測パラメータ（３２１、３２２、３３１、３４１、３４２、３５１）を表現するために使用されるビットの数を決定する前に、該開ループにおける前記利得係数（３４１）が前記ＬＴＰ分析（３１、３４）において決定され、
前記被験音声フレームをモデル化する際に使用される前記ＬＴＰピッチ遅れ時間を計算するために使用される精度は、前記モデル次数（ｍ）及び前記開ループにおける前記利得係数（３４１）に基づいて決定されることを特徴とする方法。 - 音声信号（３０１）の符号化のために、
フレーム毎に音声符号化を行うために音声信号（３０１）を音声フレームに分割し、
被験音声フレームを第１のタイムスロットにおいてモデル化するための複数の第１の予測パラメータ（３２１、３２２）を含む第１の生成物（３２１、３２２）を生成するために、前記被験音声フレームに対して第１の分析（１０、３２、３３）を行い、
前記被験音声フレームを第２のタイムスロットにおいてモデル化するための複数の第２の予測パラメータ（３４１、３４２、３５１）を含む第２の生成物（３４１、３４２、３５１）を生成するために、前記被験音声フレームに対して第２の分析（１１、３１、３４、３５）を行い、
前記第１及び第２の予測パラメータ（３２１、３２２、３４１、３４２、３５１）はデジタル形で表現される音声符号化方法において、
前記第１の分析（１０、３２、３３）及び前記第２の分析（１１、３１、３４、３５）で得られた前記第１及び第２の生成物（３２１、３２２、３４１、３４２、３５１）に基づいて、前記第１の予測パラメータ（３２１、３２２、３３１）、前記第２の予測パラメータ（３４１、３４２、３５１）、及び、これらの組み合わせのうちの１つを表現するために使用されるビットの数を決定し、
ここに前記第２の予測パラメータはＬＴＰピッチ遅れ時間を含み、
ＬＰＣ分析には分析／合成フィルタ（１０、１２、３２、３９）が使用され、
利得係数（３４１）を有する開ループがＬＴＰ分析に使用され、
前記第１及び第２の予測パラメータ（３２１、３２２、３３１、３４１、３４２、３５１）を表現するために使用されるビットの数を決定する前に、前記ＬＰＣ分析（３２）に使用される分析／合成フィルタ（１０、１２、３２、３９）のモデル次数（ｍ）が決定され、
前記第１及び第２の予測パラメータ（３２１、３２２、３３１、３４１、３４２、３５１）を表現するために使用されるビットの数を決定する前に、該開ループにおける前記利得係数（３４１）が前記ＬＴＰ分析（３１、３４）において決定され、
前記被験音声フレームをモデル化する際に使用される前記ＬＴＰピッチ遅れ時間を計算するために使用される精度は、前記モデル次数（ｍ）及び前記開ループにおける前記利得係数（３４１）に基づいて決定され、
前記第２の予測パラメータを決定するときに、前記ＬＴＰピッチ遅れ時間をより高い精度で決定するために閉ループＬＴＰ分析（３１、３５、３９１）が使用されることを特徴とする方法。 - 音声信号（３０１）の符号化のために、
フレーム毎に音声符号化を行うために音声信号（３０１）を音声フレームに分割し、
被験音声フレームを第１のタイムスロットにおいてモデル化するための複数の第１の予測パラメータ（３２１、３２２）を含む第１の生成物（３２１、３２２）を生成するために、前記被験音声フレームに対して第１の分析（１０、３２、３３）を行い、
前記被験音声フレームを第２のタイムスロットにおいてモデル化するための複数の第２の予測パラメータ（３４１、３４２、３５１）を含む第２の生成物（３４１、３４２、３５１）を生成するために、前記被験音声フレームに対して第２の分析（１１、３１、３４、３５）を行い、
前記第１及び第２の予測パラメータ（３２１、３２２、３４１、３４２、３５１）はデジタル形で表現される音声符号化方法において、
前記第１の分析（１０、３２、３３）及び前記第２の分析（１１、３１、３４、３５）で得られた前記第１及び第２の生成物（３２１、３２２、３４１、３４２、３５１）に基づいて、前記第１の予測パラメータ（３２１、３２２、３３１）、前記第２の予測パラメータ（３４１、３４２、３５１）、及び、これらの組み合わせのうちの１つを表現するために使用されるビットの数を決定し、
ここに前記第１の分析（１０、３２、３３）は短時間ＬＰＣ分析（１０、３２、３３）であり、前記第２の分析（１１、３１、３４、３５）は長時間ＬＴＰ分析（１１、３１、３４、３５）であり、
前記第２の予測パラメータはＬＴＰピッチ遅れ時間を含み、
前記ＬＰＣ分析には分析／合成フィルタ（１０、１２、３２、３９）が使用され、
利得係数（３４１）を有する開ループが前記ＬＴＰ分析に使用され、
前記第１及び第２の予測パラメータ（３２１、３２２、３３１、３４１、３４２、３５１）を表現するために使用されるビットの数を決定する前に、前記ＬＰＣ分析（３２）に使用される分析／合成フィルタ（１０、１２、３２、３９）のモデル次数（ｍ）が決定され、
前記第１及び第２の予測パラメータ（３２１、３２２、３３１、３４１、３４２、３５１）を表現するために使用されるビットの数を決定する前に、該開ループにおける前記利得係数（３４１）が前記ＬＴＰ分析（３１、３４）において決定され、
前記被験音声フレームをモデル化する際に使用される前記ＬＴＰピッチ遅れ時間を計算するために使用される精度は、前記モデル次数（ｍ）及び前記開ループにおける前記利得係数（３４１）に基づいて決定され、
前記第２の予測パラメータを決定するときに、前記ＬＴＰピッチ遅れ時間をより高い精度で決定するために閉ループＬＴＰ分析（３１、３５、３９１）が使用されることを特徴とする方法。 - 複数の通信手段（１１１、１１１’、１１２、１１３、１１４、１１５、１１６、１１７、１１８、１１９）を有し、該通信手段（１１１、１１１’、１１２、１１３、１１４、１１５、１１６、１１７、１１８、１１９）間で通信接続を確立して情報を転送するための通信システム（１１０）であって、前記通信手段（１１１、１１１’、１１２、１１３、１１４、１１５、１１６、１１７、１１８、１１９）は音声符号器（１０３）を有し、前記音声符号器（１０３）は、更に、
フレーム毎に符号化を行うために音声信号（３０１）を音声フレームに分割するための手段と、
第１のタイムスロットにおける被験音声フレームをモデル化する第１の予測パラメータ（３２１、３２２）を含む第１の生成物（３２１、３２２）を生成するために、前記被験音声フレームに対して第１の分析（１０、３２、３３）を実行するための手段と、
第２のタイムスロットにおける被験音声フレームをモデル化する第２の予測パラメータ（３４１、３４２、３５１）を含む第２の生成物（３４１、３４２、３５１）を生成するために、前記被験音声フレームに対して第２の分析（１１、３１、３４、３５）を実行するための手段と、
前記第１及び第２の予測パラメータ（３２１、３２２、３４１、３４２、３５１）をデジタル形で表現するための手段とを有する通信システムにおいて、
前記音声符号器は更に、該第１の生成物（３２１、３２２）及び該第２の生成物（３４１、３４２、３５１）に基づいて、前記第１の分析（１０、３２、３３）及び前記第２の分析（１１、３１、３４、３５）の性能を分析するための手段（３８、３９、４１、４２、４３、４４、４５、４６、４８、７１、７３）を有し、
前記性能分析手段（３８、３９、４１、４２、４３、４４、４５、４６、４８、７１、７３）は、前記第１の予測パラメータ（３２１、３２２、３３１）、前記第２の予測パラメータ（３４１、３４２、３５１）、及び、それらの組み合わせのうちの１つを表現するために使用されるビットの数を決定するように構成され、
ここに被験音声フレームをモデル化する前記第２の予測パラメータは励起ベクトル（６１〜６１''' ）を含み、
前記第１の生成物及び前記第２の生成物（３２１、３２２、３４１、３４２、３５１）は、前記第１のタイムスロットにおいて被験音声フレームをモデル化するＬＰＣパラメータ（３２１）と、前記第２のタイムスロットにおいて被験音声フレームをモデル化するＬＴＰ分析残留信号（３５１）とを含み、
前記被験音声フレームをモデル化するために使用される前記励起ベクトル（６１〜６１''' ）を表現するために使用されるビットの数は前記ＬＰＣパラメータ（３２１）及びＬＴＰ分析残留信号（３５１）に基づいて決定されることを特徴とする通信システム。 - 複数の通信手段（１１１、１１１’、１１２、１１３、１１４、１１５、１１６、１１７、１１８、１１９）を有し、該通信手段（１１１、１１１’、１１２、１１３、１１４、１１５、１１６、１１７、１１８、１１９）間で通信接続を確立して情報を転送するための通信システム（１１０）であって、前記通信手段（１１１、１１１’、１１２、１１３、１１４、１１５、１１６、１１７、１１８、１１９）は音声符号器（１０３）を有し、前記音声符号器（１０３）は、更に、
フレーム毎に符号化を行うために音声信号（３０１）を音声フレームに分割するための手段と、
第１のタイムスロットにおける被験音声フレームをモデル化する第１の予測パラメータ（３２１、３２２）を含む第１の生成物（３２１、３２２）を生成するために、前記被験音声フレームに対して第１の分析（１０、３２、３３）を実行するための手段と、
第２のタイムスロットにおける被験音声フレームをモデル化する第２の予測パラメータ（３４１、３４２、３５１）を含む第２の生成物（３４１、３４２、３５１）を生成するために、前記被験音声フレームに対して第２の分析（１１、３１、３４、３５）を実行するための手段と、
前記第１及び第２の予測パラメータ（３２１、３２２、３４１、３４２、３５１）をデジタル形で表現するための手段とを有する通信システムにおいて、
前記音声符号器は更に、該第１の生成物（３２１、３２２）及び該第２の生成物（３４１、３４２、３５１）に基づいて、前記第１の分析（１０、３２、３３）及び前記第２の分析（１１、３１、３４、３５）の性能を分析するための手段（３８、３９、４１、４２、４３、４４、４５、４６、４８、７１、７３）を有し、
前記性能分析手段（３８、３９、４１、４２、４３、４４、４５、４６、４８、７１、７３）は、前記第１の予測パラメータ（３２１、３２２、３３１）、前記第２の予測パラメータ（３４１、３４２、３５１）、及び、それらの組み合わせのうちの１つを表現するために使用されるビットの数を決定するように構成され、
ここに前記第２の予測パラメータはＬＴＰピッチ遅れ時間を含み、
ＬＰＣ分析には分析／合成フィルタ（１０、１２、３２、３９）が使用され、
利得係数（３４１）を有する開ループがＬＴＰ分析に使用され、
前記第１及び第２の予測パラメータ（３２１、３２２、３３１、３４１、３４２、３５１）を表現するために使用されるビットの数を決定する前に、前記ＬＰＣ分析（３２）に使用される分析／合成フィルタ（１０、１２、３２、３９）のモデル次数（ｍ）が決定され、
前記第１及び第２の予測パラメータ（３２１、３２２、３３１、３４１、３４２、３５１）を表現するために使用されるビットの数を決定する前に、該開ループにおける前記利得係数（３４１）が前記ＬＴＰ分析（３１、３４）において決定され、
前記被験音声フレームをモデル化する際に使用される前記ＬＴＰピッチ遅れ時間を計算するために使用される精度は、前記モデル次数（ｍ）及び前記開ループにおける前記利得係数（３４１）に基づいて決定されることを特徴とする通信システム。 - 音声を転送するための手段（１０３、１０４、１０５、ＤＰＬＸ、ＡＮＴ、１０６、１０７）と、音声符号化を行う音声符号器（１０３）とを有する通信装置であって、該音声符号器（１０３）は、
フレーム毎に符号化を行うために音声信号（３０１）を音声フレームに分割するための手段と、
第１のタイムスロットにおいて被験音声フレームをモデル化する第１の予測パラメータ（３２１、３２２）を含む第１の生成物（３２１、３２２）を生成するために、前記被験音声フレームに対して第１の分析（１０、３２、３３）を実行するための手段と、
第２のタイムスロットにおいて被験音声フレームをモデル化する第２の予測パラメータ（３４１、３４２、３５１）を含む第２の生成物（３４１、３４２、３５１）を生成するために、前記被験音声フレームに対して第２の分析（１１、３１、３４、３５）を実行するための手段と、
前記第１及び第２の予測パラメータ（３２１、３２２、３４１、３４２、３５１）をデジタル形で表現するための手段とを有してなる通信装置において、
前記音声符号器は更に、前記第１の生成物（３２１、３２２）及び前記第２の生成物（３４１、３４２、３５１）に基づいて、該音声符号器（１０３）の前記第１の分析（１０、３２、３３）及び前記第２の分析（１１、３１、３４、３５）の性能を分析するための手段（３８、３９、４１、４２、４３、４４、４５、４６、４８、７１、７３）を有し、
前記性能分析手段（３８、３９、４１、４２、４３、４４、４５、４６、４８、７１、７３）は、前記第１の予測パラメータ（３２１、３２２、３３１）、前記第２の予測パラメータ（３４１、３４２、３５１）、及び、それらの組み合わせのうちの１つを表現するために使用されるビットの数を決定するように構成され、
ここに被験音声フレームをモデル化する前記第２の予測パラメータは励起ベクトル（６１〜６１''' ）を含み、
前記第１の生成物及び前記第２の生成物（３２１、３２２、３４１、３４２、３５１）は、前記第１のタイムスロットにおいて被験音声フレームをモデル化するＬＰＣパラメータ（３２１）と、前記第２のタイムスロットにおいて被験音声フレームをモデル化するＬＴＰ分析残留信号（３５１）とを含み、
前記被験音声フレームをモデル化するために使用される前記励起ベクトル（６１〜６１''' ）を表現するために使用されるビットの数は前記ＬＰＣパラメータ（３２１）及びＬＴＰ分析残留信号（３５１）に基づいて決定されることを特徴とする通信装置。 - 音声を転送するための手段（１０３、１０４、１０５、ＤＰＬＸ、ＡＮＴ、１０６、１０７）と、音声符号化を行う音声符号器（１０３）とを有する通信装置であって、該音声符号器（１０３）は、
フレーム毎に符号化を行うために音声信号（３０１）を音声フレームに分割するための手段と、
第１のタイムスロットにおいて被験音声フレームをモデル化する第１の予測パラメータ（３２１、３２２）を含む第１の生成物（３２１、３２２）を生成するために、前記被験音声フレームに対して第１の分析（１０、３２、３３）を実行するための手段と、
第２のタイムスロットにおいて被験音声フレームをモデル化する第２の予測パラメータ（３４１、３４２、３５１）を含む第２の生成物（３４１、３４２、３５１）を生成するために、前記被験音声フレームに対して第２の分析（１１、３１、３４、３５）を実行するための手段と、
前記第１及び第２の予測パラメータ（３２１、３２２、３４１、３４２、３５１）をデジタル形で表現するための手段とを有してなる通信装置において、
前記音声符号器は更に、前記第１の生成物（３２１、３２２）及び前記第２の生成物（３４１、３４２、３５１）に基づいて、該音声符号器（１０３）の前記第１の分析（１０、３２、３３）及び前記第２の分析（１１、３１、３４、３５）の性能を分析するための手段（３８、３９、４１、４２、４３、４４、４５、４６、４８、７１、７３）を有し、
前記性能分析手段（３８、３９、４１、４２、４３、４４、４５、４６、４８、７１、７３）は、前記第１の予測パラメータ（３２１、３２２、３３１）、前記第２の予測パラメータ（３４１、３４２、３５１）、及び、それらの組み合わせのうちの１つを表現するために使用されるビットの数を決定するように構成され、
ここに前記第２の予測パラメータはＬＴＰピッチ遅れ時間を含み、
ＬＰＣ分析には分析／合成フィルタ（１０、１２、３２、３９）が使用され、
利得係数（３４１）を有する開ループがＬＴＰ分析に使用され、
前記第１及び第２の予測パラメータ（３２１、３２２、３３１、３４１、３４２、３５１）を表現するために使用されるビットの数を決定する前に、前記ＬＰＣ分析（３２）に使用される分析／合成フィルタ（１０、１２、３２、３９）のモデル次数（ｍ）が決定され、
前記第１及び第２の予測パラメータ（３２１、３２２、３３１、３４１、３４２、３５１）を表現するために使用されるビットの数を決定する前に、該開ループにおける前記利得係数（３４１）が前記ＬＴＰ分析（３１、３４）において決定され、
前記被験音声フレームをモデル化する際に使用される前記ＬＴＰピッチ遅れ時間を計算するために使用される精度は、前記モデル次数（ｍ）及び前記開ループにおける前記利得係数（３４１）に基づいて決定されることを特徴とする通信装置。 - フレーム毎に符号化を行うために音声信号（３０１）を音声フレームに分割するための手段と、
第１のタイムスロットにおいて被験音声フレームをモデル化する第１の予測パラメータ（３２１、３２２）を含む第１の生成物（３２１、３２２）を生成するために、前記被験音声フレームに対して第１の分析（１０、３２、３３）を実行するための手段と、
第２のタイムスロットにおいて被験音声フレームをモデル化する第２の予測パラメータ（３４１、３４２、３５１）を含む第２の生成物（３４１、３４２、３５１）を生成するために、前記被験音声フレームに対して第２の分析（１１、３１、３４、３５）を実行するための手段と、
前記第１及び第２の予測パラメータ（３２１、３２２、３４１、３４２、３５１）をデジタル形で表現するための手段とを有する音声符号器（１０３）において、
該音声符号器は更に、前記第１の生成物（３２１、３２２）及び前記第２の生成物（３４１、３４２、３５１）に基づいて、該音声符号器（１０３）の前記第１の分析（１０、３２、３３）及び前記第２の分析（１１、３１、３４、３５）の性能を分析するための手段（３８、３９、４１、４２、４３、４４、４５、４６、４８、７１、７３）を有し；
前記性能分析手段（３８、３９、４１、４２、４３、４４、４５、４６、４８、７１、７３）は、前記第１の予測パラメータ（３２１、３２２、３３１）、前記第２の予測パラメータ（３４１、３４２、３５１）、及びそれらの組み合わせのうちの１つを表現するために使用されるビットの数を決定し、
ここに被験音声フレームをモデル化する前記第２の予測パラメータは励起ベクトル（６１〜６１''' ）を含み、
前記第１の生成物及び前記第２の生成物（３２１、３２２、３４１、３４２、３５１）は、前記第１のタイムスロットにおいて被験音声フレームをモデル化するＬＰＣパラメータ（３２１）と、前記第２のタイムスロットにおいて被験音声フレームをモデル化するＬＴＰ分析残留信号（３５１）とを含み、
前記被験音声フレームをモデル化するために使用される前記励起ベクトル（６１〜６１''' ）を表現するために使用されるビットの数は前記ＬＰＣパラメータ（３２１）及びＬＴＰ分析残留信号（３５１）に基づいて決定されることを特徴とする音声符号器。 - フレーム毎に符号化を行うために音声信号（３０１）を音声フレームに分割するための手段と、
第１のタイムスロットにおいて被験音声フレームをモデル化する第１の予測パラメータ（３２１、３２２）を含む第１の生成物（３２１、３２２）を生成するために、前記被験音声フレームに対して第１の分析（１０、３２、３３）を実行するための手段と、
第２のタイムスロットにおいて被験音声フレームをモデル化する第２の予測パラメータ（３４１、３４２、３５１）を含む第２の生成物（３４１、３４２、３５１）を生成するために、前記被験音声フレームに対して第２の分析（１１、３１、３４、３５）を実行するための手段と、
前記第１及び第２の予測パラメータ（３２１、３２２、３４１、３４２、３５１）をデジタル形で表現するための手段とを有する音声符号器（１０３）において、
該音声符号器は更に、前記第１の生成物（３２１、３２２）及び前記第２の生成物（３４１、３４２、３５１）に基づいて、該音声符号器（１０３）の前記第１の分析（１０、３２、３３）及び前記第２の分析（１１、３１、３４、３５）の性能を分析するための手段（３８、３９、４１、４２、４３、４４、４５、４６、４８、７１、７３）を有し；
前記性能分析手段（３８、３９、４１、４２、４３、４４、４５、４６、４８、７１、７３）は、前記第１の予測パラメータ（３２１、３２２、３３１）、前記第２の予測パラメータ（３４１、３４２、３５１）、及びそれらの組み合わせのうちの１つを表現するために使用されるビットの数を決定し、
ここに前記第２の予測パラメータはＬＴＰピッチ遅れ時間を含み、
ＬＰＣ分析には分析／合成フィルタ（１０、１２、３２、３９）が使用され、
利得係数（３４１）を有する開ループがＬＴＰ分析に使用され、
前記第１及び第２の予測パラメータ（３２１、３２２、３３１、３４１、３４２、３５１）を表現するために使用されるビットの数を決定する前に、前記ＬＰＣ分析（３２）に使用される分析／合成フィルタ（１０、１２、３２、３９）のモデル次数（ｍ）が決定され、
前記第１及び第２の予測パラメータ（３２１、３２２、３３１、３４１、３４２、３５１）を表現するために使用されるビットの数を決定する前に、該開ループにおける前記利得係数（３４１）が前記ＬＴＰ分析（３１、３４）において決定され、
前記被験音声フレームをモデル化する際に使用される前記ＬＴＰピッチ遅れ時間を計算するために使用される精度は、前記モデル次数（ｍ）及び前記開ループにおける前記利得係数（３４１）に基づいて決定されることを特徴とする音声符号器。 - 通信接続から音声を音声パラメータ（３９２、３８２、３８３）の形で受信するための手段であって、該音声パラメータ（３９２、３８２、３８３）は、第１のタイムスロットで音声をモデル化するための第１の予測パラメータ（３２１、３２２、３３１）と、第２のタイムスロットで音声をモデル化するための第２の予測パラメータ（３４１、３９２）とを含む、前記の受信するための手段と、
前記音声パラメータ（３９２、３８２、３８３）に基づいて元の音声信号（ s(n) ）をモデル化する合成音声信号（ ss(n)）を生成するための生成手段（２０、２１、２２、２４、９０、９１、９３〜９３''' 、９４、９５）とを有する音声復号器において、
前記生成手段（２０、２１、２２、２４、９０、９１、９３〜９３''' 、９４、９５）はモード・セレクタ（９１）を有し、
前記音声パラメータ（３９２、３８２、３８３）は情報パラメータ（３８２、３８３）を有し、
前記モード・セレクタ（９１）は、前記情報パラメータ（３８２、３８３）に基づいて前記第１の予測パラメータ及び前記第２の予測パラメータについて正しい音声復号モードを選択するように構成され、
ここに被験音声フレームをモデル化する前記第２の予測パラメータは励起ベクトル（６１〜６１''' ）を含み、
第１の生成物及び第２の生成物（３２１、３２２、３４１、３４２、３５１）は、前記第１のタイムスロットにおいて被験音声フレームをモデル化するＬＰＣパラメータ（３２１）と、前記第２のタイムスロットにおいて被験音声フレームをモデル化するＬＴＰ分析残留信号（３５１）とを含み、
前記被験音声フレームをモデル化するために使用される前記励起ベクトル（６１〜６１''' ）を表現するために使用されるビットの数は前記ＬＰＣパラメータ（３２１）及びＬＴＰ分析残留信号（３５１）に基づいて決定されることを特徴とする音声復号器。 - 通信接続から音声を音声パラメータ（３９２、３８２、３８３）の形で受信するための手段であって、該音声パラメータ（３９２、３８２、３８３）は、第１のタイムスロットで音声をモデル化するための第１の予測パラメータ（３２１、３２２、３３１）と、第２のタイムスロットで音声をモデル化するための第２の予測パラメータ（３４１、３９２）とを含む、前記の受信するための手段と、
前記音声パラメータ（３９２、３８２、３８３）に基づいて元の音声信号（ s(n) ）をモデル化する合成音声信号（ ss(n)）を生成するための生成手段（２０、２１、２２、２４、９０、９１、９３〜９３''' 、９４、９５）とを有する音声復号器において、
前記生成手段（２０、２１、２２、２４、９０、９１、９３〜９３''' 、９４、９５）はモード・セレクタ（９１）を有し、
前記音声パラメータ（３９２、３８２、３８３）は情報パラメータ（３８２、３８３）を有し、
前記モード・セレクタ（９１）は、前記情報パラメータ（３８２、３８３）に基づいて前記第１の予測パラメータ及び前記第２の予測パラメータについて正しい音声復号モードを選択するように構成され、
ここに前記第２の予測パラメータはＬＴＰピッチ遅れ時間を含み、
ＬＰＣ分析には分析／合成フィルタ（１０、１２、３２、３９）が使用され、
利得係数（３４１）を有する開ループがＬＴＰ分析に使用され、
前記第１及び第２の予測パラメータ（３２１、３２２、３３１、３４１、３４２、３５１）を表現するために使用されるビットの数を決定する前に、前記ＬＰＣ分析（３２）に使用される分析／合成フィルタ（１０、１２、３２、３９）のモデル次数（ｍ）が決定され、
前記第１及び第２の予測パラメータ（３２１、３２２、３３１、３４１、３４２、３５１）を表現するために使用されるビットの数を決定する前に、該開ループにおける前記利得係数（３４１）が前記ＬＴＰ分析（３１、３４）において決定され、
被験音声フレームをモデル化する際に使用される前記ＬＴＰピッチ遅れ時間を計算するために使用される精度は、前記モデル次数（ｍ）及び前記開ループにおける前記利得係数（３４１）に基づいて決定されることを特徴とする音声復号器。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FI964975A FI964975A (fi) | 1996-12-12 | 1996-12-12 | Menetelmä ja laite puheen koodaamiseksi |
| FI964975 | 1996-12-12 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH10187197A JPH10187197A (ja) | 1998-07-14 |
| JP4213243B2 true JP4213243B2 (ja) | 2009-01-21 |
Family
ID=8547256
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP34346297A Expired - Fee Related JP4213243B2 (ja) | 1996-12-12 | 1997-12-12 | 音声符号化方法及び該方法を実施する装置 |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US5933803A (ja) |
| EP (1) | EP0848374B1 (ja) |
| JP (1) | JP4213243B2 (ja) |
| DE (1) | DE69727895T2 (ja) |
| FI (1) | FI964975A (ja) |
Families Citing this family (37)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH10210139A (ja) * | 1997-01-20 | 1998-08-07 | Sony Corp | 音声記録機能付き電話装置及び音声記録機能付き電話装置の音声記録方法 |
| FI114248B (fi) * | 1997-03-14 | 2004-09-15 | Nokia Corp | Menetelmä ja laite audiokoodaukseen ja audiodekoodaukseen |
| DE19729494C2 (de) * | 1997-07-10 | 1999-11-04 | Grundig Ag | Verfahren und Anordnung zur Codierung und/oder Decodierung von Sprachsignalen, insbesondere für digitale Diktiergeräte |
| US8032808B2 (en) * | 1997-08-08 | 2011-10-04 | Mike Vargo | System architecture for internet telephone |
| US6356545B1 (en) * | 1997-08-08 | 2002-03-12 | Clarent Corporation | Internet telephone system with dynamically varying codec |
| FI973873A (fi) * | 1997-10-02 | 1999-04-03 | Nokia Mobile Phones Ltd | Puhekoodaus |
| US6064678A (en) * | 1997-11-07 | 2000-05-16 | Qualcomm Incorporated | Method for assigning optimal packet lengths in a variable rate communication system |
| JP3273599B2 (ja) * | 1998-06-19 | 2002-04-08 | 沖電気工業株式会社 | 音声符号化レート選択器と音声符号化装置 |
| US6311154B1 (en) | 1998-12-30 | 2001-10-30 | Nokia Mobile Phones Limited | Adaptive windows for analysis-by-synthesis CELP-type speech coding |
| US7307980B1 (en) * | 1999-07-02 | 2007-12-11 | Cisco Technology, Inc. | Change of codec during an active call |
| FI116992B (fi) * | 1999-07-05 | 2006-04-28 | Nokia Corp | Menetelmät, järjestelmä ja laitteet audiosignaalin koodauksen ja siirron tehostamiseksi |
| US6604070B1 (en) * | 1999-09-22 | 2003-08-05 | Conexant Systems, Inc. | System of encoding and decoding speech signals |
| US6574593B1 (en) * | 1999-09-22 | 2003-06-03 | Conexant Systems, Inc. | Codebook tables for encoding and decoding |
| US6445696B1 (en) | 2000-02-25 | 2002-09-03 | Network Equipment Technologies, Inc. | Efficient variable rate coding of voice over asynchronous transfer mode |
| US6862298B1 (en) | 2000-07-28 | 2005-03-01 | Crystalvoice Communications, Inc. | Adaptive jitter buffer for internet telephony |
| CN1338834A (zh) * | 2000-08-19 | 2002-03-06 | 华为技术有限公司 | 基于网络协议的低速语音编码方法 |
| US7313520B2 (en) * | 2002-03-20 | 2007-12-25 | The Directv Group, Inc. | Adaptive variable bit rate audio compression encoding |
| US8090577B2 (en) | 2002-08-08 | 2012-01-03 | Qualcomm Incorported | Bandwidth-adaptive quantization |
| FI20021936A (fi) * | 2002-10-31 | 2004-05-01 | Nokia Corp | Vaihtuvanopeuksinen puhekoodekki |
| US7668968B1 (en) | 2002-12-03 | 2010-02-23 | Global Ip Solutions, Inc. | Closed-loop voice-over-internet-protocol (VOIP) with sender-controlled bandwidth adjustments prior to onset of packet losses |
| US6996626B1 (en) | 2002-12-03 | 2006-02-07 | Crystalvoice Communications | Continuous bandwidth assessment and feedback for voice-over-internet-protocol (VoIP) comparing packet's voice duration and arrival rate |
| WO2004090870A1 (ja) | 2003-04-04 | 2004-10-21 | Kabushiki Kaisha Toshiba | 広帯域音声を符号化または復号化するための方法及び装置 |
| FI118835B (fi) * | 2004-02-23 | 2008-03-31 | Nokia Corp | Koodausmallin valinta |
| EP1569200A1 (en) * | 2004-02-26 | 2005-08-31 | Sony International (Europe) GmbH | Identification of the presence of speech in digital audio data |
| KR20070007851A (ko) * | 2004-04-28 | 2007-01-16 | 마츠시타 덴끼 산교 가부시키가이샤 | 계층 부호화 장치 및 계층 부호화 방법 |
| ATE352138T1 (de) * | 2004-05-28 | 2007-02-15 | Cit Alcatel | Anpassungsverfahren für ein mehrraten-sprach- codec |
| US7624021B2 (en) * | 2004-07-02 | 2009-11-24 | Apple Inc. | Universal container for audio data |
| US8000958B2 (en) * | 2006-05-15 | 2011-08-16 | Kent State University | Device and method for improving communication through dichotic input of a speech signal |
| US20090094026A1 (en) * | 2007-10-03 | 2009-04-09 | Binshi Cao | Method of determining an estimated frame energy of a communication |
| US20090099851A1 (en) * | 2007-10-11 | 2009-04-16 | Broadcom Corporation | Adaptive bit pool allocation in sub-band coding |
| US8504365B2 (en) * | 2008-04-11 | 2013-08-06 | At&T Intellectual Property I, L.P. | System and method for detecting synthetic speaker verification |
| US8380503B2 (en) | 2008-06-23 | 2013-02-19 | John Nicholas and Kristin Gross Trust | System and method for generating challenge items for CAPTCHAs |
| US9186579B2 (en) | 2008-06-27 | 2015-11-17 | John Nicholas and Kristin Gross Trust | Internet based pictorial game system and method |
| CN101615395B (zh) * | 2008-12-31 | 2011-01-12 | 华为技术有限公司 | 信号编码、解码方法及装置、*** |
| CN102812512B (zh) * | 2010-03-23 | 2014-06-25 | Lg电子株式会社 | 处理音频信号的方法和装置 |
| ES2901749T3 (es) * | 2014-04-24 | 2022-03-23 | Nippon Telegraph & Telephone | Método de descodificación, aparato de descodificación, programa y soporte de registro correspondientes |
| PL3703051T3 (pl) | 2014-05-01 | 2021-11-22 | Nippon Telegraph And Telephone Corporation | Koder, dekoder, sposób kodowania, sposób dekodowania, program kodujący, program dekodujący i nośnik rejestrujący |
Family Cites Families (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4890328A (en) * | 1985-08-28 | 1989-12-26 | American Telephone And Telegraph Company | Voice synthesis utilizing multi-level filter excitation |
| US4868867A (en) * | 1987-04-06 | 1989-09-19 | Voicecraft Inc. | Vector excitation speech or audio coder for transmission or storage |
| US4969192A (en) * | 1987-04-06 | 1990-11-06 | Voicecraft, Inc. | Vector adaptive predictive coder for speech and audio |
| EP0379587B1 (en) * | 1988-06-08 | 1993-12-08 | Fujitsu Limited | Encoder/decoder apparatus |
| DE69029120T2 (de) * | 1989-04-25 | 1997-04-30 | Toshiba Kawasaki Kk | Stimmenkodierer |
| US5091945A (en) * | 1989-09-28 | 1992-02-25 | At&T Bell Laboratories | Source dependent channel coding with error protection |
| US5307441A (en) * | 1989-11-29 | 1994-04-26 | Comsat Corporation | Wear-toll quality 4.8 kbps speech codec |
| CA2010830C (en) * | 1990-02-23 | 1996-06-25 | Jean-Pierre Adoul | Dynamic codebook for efficient speech coding based on algebraic codes |
| CH680030A5 (ja) * | 1990-03-22 | 1992-05-29 | Ascom Zelcom Ag | |
| BR9206143A (pt) * | 1991-06-11 | 1995-01-03 | Qualcomm Inc | Processos de compressão de final vocal e para codificação de taxa variável de quadros de entrada, aparelho para comprimir im sinal acústico em dados de taxa variável, codificador de prognóstico exitado por córdigo de taxa variável (CELP) e descodificador para descodificar quadros codificados |
| US5233660A (en) * | 1991-09-10 | 1993-08-03 | At&T Bell Laboratories | Method and apparatus for low-delay celp speech coding and decoding |
| SE469764B (sv) * | 1992-01-27 | 1993-09-06 | Ericsson Telefon Ab L M | Saett att koda en samplad talsignalvektor |
| FI95085C (fi) * | 1992-05-11 | 1995-12-11 | Nokia Mobile Phones Ltd | Menetelmä puhesignaalin digitaaliseksi koodaamiseksi sekä puhekooderi menetelmän suorittamiseksi |
| US5734789A (en) * | 1992-06-01 | 1998-03-31 | Hughes Electronics | Voiced, unvoiced or noise modes in a CELP vocoder |
| US5327520A (en) * | 1992-06-04 | 1994-07-05 | At&T Bell Laboratories | Method of use of voice message coder/decoder |
| FI91345C (fi) * | 1992-06-24 | 1994-06-10 | Nokia Mobile Phones Ltd | Menetelmä kanavanvaihdon tehostamiseksi |
| JP3265726B2 (ja) * | 1993-07-22 | 2002-03-18 | 松下電器産業株式会社 | 可変レート音声符号化装置 |
| EP0699334B1 (en) * | 1994-02-17 | 2002-02-20 | Motorola, Inc. | Method and apparatus for group encoding signals |
| US5742734A (en) * | 1994-08-10 | 1998-04-21 | Qualcomm Incorporated | Encoding rate selection in a variable rate vocoder |
-
1996
- 1996-12-12 FI FI964975A patent/FI964975A/fi unknown
-
1997
- 1997-11-26 EP EP97660131A patent/EP0848374B1/en not_active Expired - Lifetime
- 1997-11-26 DE DE69727895T patent/DE69727895T2/de not_active Expired - Lifetime
- 1997-12-05 US US08/986,110 patent/US5933803A/en not_active Expired - Lifetime
- 1997-12-12 JP JP34346297A patent/JP4213243B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| EP0848374B1 (en) | 2004-03-03 |
| DE69727895D1 (de) | 2004-04-08 |
| EP0848374A3 (en) | 1999-02-03 |
| DE69727895T2 (de) | 2005-01-20 |
| JPH10187197A (ja) | 1998-07-14 |
| US5933803A (en) | 1999-08-03 |
| EP0848374A2 (en) | 1998-06-17 |
| FI964975A (fi) | 1998-06-13 |
| FI964975A0 (fi) | 1996-12-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP4213243B2 (ja) | 音声符号化方法及び該方法を実施する装置 | |
| KR100575193B1 (ko) | 적응 포스트필터를 포함하는 디코딩 방법 및 시스템 | |
| RU2262748C2 (ru) | Многорежимное устройство кодирования | |
| EP2099028B1 (en) | Smoothing discontinuities between speech frames | |
| KR100804461B1 (ko) | 보이스화된 음성을 예측적으로 양자화하는 방법 및 장치 | |
| JP4005359B2 (ja) | 音声符号化及び音声復号化装置 | |
| KR100488080B1 (ko) | 멀티모드 음성 인코더 | |
| JP4302978B2 (ja) | 音声コーデックにおける擬似高帯域信号の推定システム | |
| JP2002202799A (ja) | 音声符号変換装置 | |
| KR20040005970A (ko) | 손실 프레임을 처리하기 위한 음성 통신 시스템 및 방법 | |
| MXPA04011751A (es) | Metodo y dispositivo para ocultamiento de borrado adecuado eficiente en codecs de habla de base predictiva lineal. | |
| JP4874464B2 (ja) | 遷移音声フレームのマルチパルス補間的符号化 | |
| KR100421648B1 (ko) | 음성코딩을 위한 적응성 표준 | |
| KR20020012509A (ko) | 입력 신호의 보코딩 장치 및 방법 | |
| US7089180B2 (en) | Method and device for coding speech in analysis-by-synthesis speech coders | |
| JP3490325B2 (ja) | 音声信号符号化方法、復号方法およびその符号化器、復号器 | |
| Drygajilo | Speech Coding Techniques and Standards | |
| JPH08160996A (ja) | 音声符号化装置 | |
| GB2391440A (en) | Speech communication unit and method for error mitigation of speech frames | |
| JPH01258000A (ja) | 音声信号符号化復号化方法並びに音声信号符号化装置及び音声信号復号化装置 | |
| WO2001009880A1 (en) | Multimode vselp speech coder | |
| JPH07135490A (ja) | 音声検出器及び音声検出器を有する音声符号化器 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20041021 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20070703 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20071001 |
|
| A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A712 Effective date: 20071001 |
|
| 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: 20080930 |
|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20081030 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111107 Year of fee payment: 3 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111107 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121107 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121107 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20131107 Year of fee payment: 5 |
|
| LAPS | Cancellation because of no payment of annual fees |