JPH01205199A - 音声符号化方式 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 〔産業上の利用分野〕 本発明は、音声の帯域圧縮に用いる音声符号化方式に関
し、特に離散音声信号を特定区間の再生音声信号の線形
結合で表す音声符号化方式に関する。

〔従来の技術〕

音声符号化方式には、単区間の音声信号５（ｎ）を位相
の異なる線形フィルタのインパルス応答の和で表すもの
がマルチパルス駆動型音声符号化法として知られており
、これは、初め、ピー・ニス・アクル（Ｂ、　Ｓ、Ａｔ
ａｌ）らにより、文献１：「アニユラ−モデル　オブ　
エル　ピー　シー　エキサイティジョン　フォー　プロ
デューシングナチュラル　サウンデイング　スピーチ　
アットロウ　ビット　レイク（Ａ　ｎｅｉｌｒｎｏｄｅ
ｌ　ｏｆ　ＬＰＣｅｘｃｉｔａｔｉｏｎ　ｆｏｒ　ｐｒ
ｏｄｕｃｉｎｇ　ｎａｔｕｒａｌ　ｓｏｕｎｄｉｎｇｓ
ｐｅｅｃｈ　ａｔ　ｌｏｗ　ｂｉｔ　ｒａｔｅｓ　）　
Ｊ　、アイ・シー・ニー・ニス・ニス・ピー８２　ＣＩ
ＣＡＳＳＰ　８２）ノロ１４　から６１７ページで提案
された。この符号化法では、１６　ｋｂ／ｓ程度のビッ
トレートでは自然性の高い再生音を提供できることが確
認されているが、ビットレートをさらに低くすると、パ
ルスの数、即ちインパルス応答の数が少なくなり、再生
音声の品質が劣化する。

そこで、これに対する対策として、ピッチ予測を組み込
む方式によるもの（文献２：手沢、小野、飛開「マルチ
パルス駆動型音声符号化法の品質改善」音響学会音声研
究会資料、５８３−７８（昭和５９年））がある。本方
式のブロック図を第２図に示す。

入力端子１０は一定間隔のフレームに分割された離散的
な音声信号を入力する入力端子である。フレームの長さ
は２０ｍ５ｅｃから３０ｍ５ｅｃが普通である。

人力された音声信号は、線形予測分析器２０とピッチ予
測分析器３０とバッファ４０とに供給される。線形予測
分析器２０においては、線形予測係数或いはＰＡＲＣＯ
Ｒ係数を求め、それを局所マルチパルス符号器５０と局
所マルチパルス復号器６０に供給するとともにマルチプ
レクサ９０へ出力する。線形予測係数或いはＰＡＲＣＯ
Ｒ係数の求め方は公知である。ピンチ予測分析器３０は
、人力音声信号の自己相関関係を計算しその最大値を与
える遅延時間とその時の値から入力音声信号の基本周期
（ピッチ周期）並びにピンチ予測係数を算出するもので
ある。これも公知の方法である。算出されたピッチ周期
並びにピッチ予測係数はピンチ予測器７０とマルチプレ
クサ９０とに出力される。バッファ４０は、入力音声信
号をピッチ予測分析器３０で抽出されたピッチ周期毎に
分割し、各ピッチ周期毎に入力音声信号を減算器８０に
出力し、ピッチ予測器７０の出力との差即ちピッチ予測
残差を計算する。計算されたピッチ予測残差は局所マル
チパルス符号器５０に供給される。局所マルチパルス符
号器５０は、減算器８０から入力されるピッチ予測残差
と前記文献１の符号化方法を適用するもので、線形予測
分析器２０から入力される線形予測係数で定まるフィル
タのインパルス応答とピッチ予測残差とをもとに。

ピッチ予測残差を最も良く表すインパルス応答の線形結
合パラメータ、即ち音源パルスの振幅並びに位置を算出
し、出力するものである。算出されたパルス振幅並びに
位置はマルチプレクサ９０と局所マルチパルス復号器６
０とに出力される。局所マルチパルス復号器６０は局所
マルチパルス符号器５０から出力されるパルスの振幅並
びに位置を受は取り、それと線形予測分析器２０から出
力される線形予測係数とをもとに当該区間の再生信号を
合成するものである。合成された再生信号は、加算器８
５に送られ、そこでピッチ予測器７０の出力と加算され
て当該区間の再生音声信号となる。再生音声信号はピッ
チ予測器７０に供給される。マルチプレクサ９０は線形
予測係数とピッチ情報とパルス振幅とパルス位置とを表
す符号を多重化して出力端子９９に出力する。

〔発明が解決しようとする課題〕

しかし、前記文献２の従来方式ではフレーム内のピッチ
周期を一定としており、フレーム内におけるピッチ周期
の変動成分はピッチ予測残差に含まれることになる。一
般に音声信号は時間的に大きく変動しているため、この
ようにフレーム内のピッチ変動を無視する構成ではピッ
チ予測残差の変動成分は大きく、それを高品質で表すに
は多く音源パルス情報を必要とする。ピンチ情報は、音
声知覚の上で重要な特徴と考えられるため、時間的に変
動するピッチ情報を高品質に符号化することは高品質音
声符号化にとって大変重要である。

本発明の目的は、高品質でかつ低いビットレートにピッ
チ情報を符号化できる音声符号化方式を提供することに
ある。

［課題を解決するための手段〕 本発明の音声符号化方式は、 離散的な音声信号列を入力し、この入力した音声信号列
の基本周期成分を抽出し、前記入力した音声信号列から
前記基本周期成分に相当する区間長の平均的な特性を表
す基準再生音声信号列を合成し、この基準再生音声信号
列の線形結合からなる再生音声信号列を形成する際に線
形結合係数を、前記入力音声信号列と再生音声信号とが
近くなるよう求め、この求めた結合係数を前記基本周期
成分を基に量子化することを特徴としている。

〔作用〕

本発明によれば、フレーム内の音声信号の基本周期長の
平均的な特性を表す基準再生音声信号を合成し、人力音
声信号を前記基準再生音声信号の線形和で表し、この線
形結合を形成するための係数並びに位相成分を前記入力
音声のピッチ変動に忠実に追随するように求めることで
、フレーム内のピッチ変動を吸収することを可能にする
高品質音声符号化方式が提供され、かつ前記線形結合係
数を量子化する際に線形結合係数と基本周期情報との間
にある相関を利用して低ビツトレートで符号化が可能な
音声符号化方式が提供される。

〔実施例〕

次に、本発明について図面を参照して説明する。

第１図は本発明の音声符号化方式の一実施例に係る音声
符号化並びに復号化装置を表すプロ・ツク図を示す。

第１図に示す如く、符号化側の装置は、入力端子１００
と、線形予測分析器１１０と、ピ・ノチ抽出を行うピッ
チ予測分析器１２０と、基準音声成分計算器１３０と、
音声変動成分計算器１４０と、量子化器１４５と、マル
チプレクサ１５０と、出力端子１６０とから成っている
。復号化側の装置は、符号入力端子２００と、デマルチ
プレクサ２１０と、逆量子化器２１５と、音源再生器２
２０と、音声再生器２３０と、再生音声出力端子２４０
とから構成される。

本発明に従う上述の符号化側の装置の特徴は、フレーム
内におけるピッチ構造（主にピンチ周期）の時間的変化
を高品質に符号化するために、フレーム内音声の平均的
な特性を表す一定区間長く例えばピッチ周期と同じ長さ
）の基準音声信号を基本に、その基準音声信号の線形結
合を形成させながらフレーム内のピッチ構造の変化に追
随するようにしたこと、線形結合パラメータを量子化に
おいてパラメータ変動とピッチ周期との関係を利用した
効率的な量子化器を備えていることにある。

以下、これに関して、まず、本発明の原理について説明
する。

いま、−フレーム内の音声信号をｓ　（ｎ）、ｓ　（ｎ
）の線形予測分析により定まる線形予測係数を係数に持
つ全極フィルタのインパルス応答をｈ（ｎ）とすると、
当該フレームの一ピンチ区間の平均的な特性を表す、基
準再生音声信号ｂ　（ｎ）は、ｂ（ｎ）＝Σｇｉｈ（ｎ
−ｍ＋）　　　　　・・・　（１）と表せる。係数（、
ｇｔ）　、位置（ｍｕ）、ｉ＝ｔ。

・・・、　Ｍ　（Ｍ　：　ｂ　（ｎ）を形成するインパ
ルス応答ｈ　（ｎ）の数）の決定法は幾つか考えられる
が、最も望ましいものは、次の重み付き平均二乗誤差Ｅ
を最小化するものである。

１ｗ（ｎ）］　”　　　　・・・　（２）ここで、Ｔは
フレーム内の平均ピ・ソチ周期、ｗ（ｎ）は重み関数で
ある。ｗ（ｎ）は、目的に合った任意の関数を選択する
ことができる。例えば、文献１のように入力音声信号の
スペクトル包絡によって決まるものや、音声信号の周期
性を強調するコムフィルタ特性を用いるものなどがある
。尚、第（２）式において（ａｉ）と（ｇｔ）とは積の
関係にあるので、（ｇ、）を容易に求めることは難しい
。そこで、例えば、全てのａ、を１、τを０として求め
ることとする。すると、第（２）式は、１ｗ（ｎ）］　
”　　　　・・・　（３）と表される。ここで、Ｔは既
知であるから、第（３）式をできるだけ小さくする（ｇ
ｔ）　と（ｍ８）を求める問題は、前記文献１にあるマ
ルチパルス符号化におけるパルスの振幅と位相を求める
問題と同一になり、従来から良く知られている。例えば
、そのためのアルゴリズムは、前記文献１や文献３　（
Ｋ、Ｏｚａｗａ、　Ｓ、Ｏｎｏ、　ａｎｄ　Ｔ、Ａｒａ
ｓｅｋｉ、　”Ａ　５ｔｕｄｙｏｎ　Ｐｕ１ｓｅ　５ｅ
ａｒｃｈ　Ｌｏｇｏｒｉｔｈｍｓ　ｆｏｒ　Ｍｕｌｔｉ
−ＰｕｌｓｅＥｘｃｉｔｅｄ　５ｐｅｅｃｈ　Ｃｏｄｅ
ｒ　Ｒｅａｌｉｚａｔｉｏｎ、　　”　　ＩＥＥＥＳＡ
Ｃ，ｖｏｌ−４，ｐｐ、１３３−１４１．　Ｊａｎｕａ
ｒＶ　１９８６．　）に記載されているものを利用する
ことができる。これは、基本的に第（３）式の両辺を（
ｇ、）で偏微分して零として正規方程式を求め、Ｇａｕ
ｓｓの消去法などの数値解析の手法を用いて正規方程式
の解を求めることで、所望のパラメータを計算するもの
である。

次に、定まったｂ（ｎ）の線形結合で入力音声信号ｓ　
（ｎ）を表すことを考える。これは、次式の近似問題を
解（ことに等しく、重み付き平均二乗誤差 １ｗ（ｎ）］　　”　　　　　・　・　・　（４）をな
るべく小さくする（Ｃｋ）　と（ｄう）、ｋ＝１゜・・
・、Ｋ（Ｋ：線形結合を形成するｂ　（ｎ）の数）を求
めるものである。（Ｃｋ）　と（ｄｋ）を求める問題は
、やはり、第（３）式の場合と同様にマルチパルス符号
化におけるパルス探索問題となり、従来例である前記文
献１や前記文献３に詳しく述べられているアルゴリズム
を用いて解くことができる。

一方、音声を再生するためには、 ｘ（ｎ）−ΣＣ１１δ（ｎ　　ｄｍ） ｙ（ｎ）−Σｇｉδ（ｎ−ｍｔ） なる信号を形成し、 ｖ　（ｎ）＝　ｘ　（ｎ）　＊　ｙ　（ｎ）　　　　　
　・・・　（５）なるｖ（ｎ）で線形予測係数合成フィ
ルタを駆動すればよい。

上記の説明から分かるように、（ｄｋ）の自己相関関数
はピッチ周期Ｔに近い周期性を示すことが期待される。

従って、（ｄｋ）を量子化する際には、ピッチ周期Ｔを
利用することが考えられ、（ｄｋ）を直接量子化するの
でなく、ｄ、とｋ・Ｔとの差を量子化するようにすれば
効率的になる。

また、（Ｃｋ）はピンチ周期毎の入力音声信号系列と基
準再生音声信号系列との相関係数という性質を持ってい
るので、入力音声信号が急峻に変化しない限り隣り合う
　（Ｃｋ）には高い相関があると考えられるので、（Ｃ
２）を直接量子化する代わりにＣｋ−１とｃｋとの差を
量子化することで高い圧縮率が期待できる。

第１図に戻り、次に第１図を参照して符号化側の具体的
な処理について説明する。

図の符号化側の処理において、入力端子１００には、一
定間隔のフレームに分割されたＮサンプルの離散的音声
信号（例えば８　ｋＨｚサンプリングで、Ｎ　＝　１６
０　（２０ｍｓｅｃ）　）を人力し、線形予測分析器１
１０とピッチ予測分析器１２０とに供給する。線形予測
分析器１１０は入力端子１００から入力した音声信号か
らＰＡＲＣＯＲ係数を求め、量子化した後、基準音声成
分計算器１３０とマルチプレクサ１５０とに出力する。

ピッチ予測分析器１２０は、当該フレーム内の音声信号
の基本周期成分と平均的なピッチ予測係数を求めるもの
で、入力音声信号の自己相関関数の最大値から定められ
る。その他の平均ピッチ周期成分子を求める手段は、例
えば、文献４：古井著、ディジタル音声処理、東海大学
出版会（昭和６０）の第４章に記載されている。計算さ
れたピッチは量子化した後、基準音声成分計算器１３０
と音声変動成分計算器１４０とマルチプレクサ１５０と
に出力される。基準音声成分計算器１３０は、前記の第
（１）式で示したｂ　（ｎ）を求めるものである。線形
予測分析器１１０から供給されるＰＡＲＣＯＲ係数を逆
量子化したあとそれを線形予測係数に変換し当該全極フ
ィルタのインパルス応答ｈ（ｎ）を計算する。計算され
たｈ　（ｎ）と、入力端子１００から入力される離散音
声信号と、ピッチ分析器１２０から入力されるピッチ周
期とから前記第（３）弐で表される最小化問題を解いて
、所望の（ｇ、）と（ｍｔ）とを求める。前記第（３）
式にある重み関数ｗ（ｎ）は、例えば前記文献１にある
ように、 ｗ（ｎ）＝δ（ｎ）＋Σａ、δ（ｎ−ｉ）−戸ｙ’ａ４
ｗ（ｎ−ｉ）　・・・　（６）ただし、 δ（ｎ）二単位インパルス （ａｉ）　　：線形予測係数 γ　：係数（０〈γ〈１） として計算できる。また、この重み関数は、線形予測係
数の時間的変化、即ち過去のフレームに於ける線形予測
係数に応じて選ぶこともできる。

（ｇｔｌ　と（ｍｔ）との計算の仕方は、前記文献４の
外、例えば文献５：特願昭５８−１５０７８３号明細書
。

「音声符号化方法」に詳しく説明されているので、ここ
では簡単に説明する。まず、第（３）式の両辺を（ｇｉ
）で偏微分して零とおく。それは整理すると次のような
正規力、程式になる。

ｋ＝１．・・・、Ｋ　・・・　（７） （記載の簡易化のため重み関数ｗ（ｎ）は省略しである
） 例えば、上式をｋが１から所望の値までの各問題に対し
て解いていけばよい。（ｍ４）は各にと全ての可能なｍ
、に対して第（７）式で求めた（ｇ、）に対して第（３
）式を計算し、その時の値を最も小さくするｍｉが求め
るものとなる。計算した（ｇ、）と（ｍｉ）　は量子化
されマルチプレクサ１５０に供給されるとともに、前記
第（１）式のｂ（ｎ）に相当する信号に変換されて音声
変動成分計算器１４０に供給される。音声変動成分計算
器１４０は、入力端子１００から人力する音声信号と基
準音声成分計算器１３０から入力する基準音声成分ｂ（
ｎ）と、ピンチ予測分析器１２０から入力するピッチ周
期と、線形予測分析器１１０から入力される線形予測係
数とから、前記第（４）式の最小化問題を解いて、所望
の（Ｃ，）　と（ｄ３）　とを求めるものである。

ここで、重み関数は前記第（６）式と同じものを用いる
。音声変動成分計算器１４０において、ｂ　（ｎ）と入
力音声信号とから（Ｃ５）と（ｄ６）を、求める手段は
既に述べたように前記文献４と文献５において述べられ
ている方法を用いる。即ち、前記第（４）式の両辺を（
Ｃ５）で偏微分して零とおいて、次のような正規方程式
を立てる。

Σ５（ｎ）ｂ（ｎ−ｄ、）＝ ｔ＝１．・・・、Ｋ　・・・　（８） （記載の簡易化のため重み関数ｗ（ｎ）は省略しである
） この式から（Ｃ６）と（ｄｋ）を求めるのは前記第（７
）式の場合と同じである。量子化器１４５は（ｄｋ）　
と（Ｃ５）の量子化を、前記原理で述べたように、ピッ
チ周期情報を使うことで効率良く実現するものである。

ここでは、（ｄｋｌを・・・　（９） と変換して、（ｄ’ｋ）を量子化する。また（Ｃｋ）は
、 と変換して、（Ｃｋ）を量子化する。更しこ、（ｄｋ）
を求める際に、パルス位置（ｄ３）がピ・ノチ周期内に
偏らないように（ｄｋ）の各要素間の距離力くピッチ周
期Ｔを用いて制御させることで、よりｔａ’ｔ、）の変
動を小さくすることもできる。求めた（Ｃ５）と（ｄｋ
）　とは、量子化された後、マルチプレクサ１５０に出
力される。マルチプレクサ１５０は、線形予測分析器１
１０からＰＡＲＣＯＲ係数を表す符号を、ピンチ分析器
１２０から平均ピ・ノチ周期を表す符号を、基準音声成
分計算器１３０力・ら基準音声成分の（ｇｉ）　と（ｍ
ｉ）　とを表す符号を、量子化器１４５から音声変動成
分の（ｃｍ）と（ｄｋ）　とを表す符号とを入力し、そ
れらを多重化して出力端子１６０から出力する。

上述のように、（ｄｋ）を量子化する際には、ピンチ周
期Ｔを利用し、（ｄ、）を直接量子化するのではなく、
ｄよとに−Ｔとの差を量子化するようにすれば効率的で
ある。また、（Ｃ３）はピッチ周期毎の入力音声信号系
列と基準再生音声信号系列との相関係数という性質を持
っており、入力音声信号が急峻に変化しない限り隣り合
う（Ｃｋ）には高い相関があるので、（Ｃｋ）　と直接
量子化する代わりにＣｋ−１とＣｋとの差を量子化する
ことで高い圧縮率が期待できる。

このようにして、符号化側では、線形結合を形成するた
めの係数並びに位相成分を入力音声のピンチ変動に忠実
に追随するように求めることにより、フレーム内のピン
チ変動を吸収することが可能で高品質な音声符号化を行
うことができ、また前記線形結合係数を量子化する際に
線形結合係数と基本周期情報との間にある相関を利用し
て低ビツトレートで音声符号化を行うことができる。

復号化側における再生は、以下のようにして行うことが
できる。

即ち、復号化側では、符号入力端子２００より多重化さ
れた符号列を入力し、デマルチプレクサ２１０で、音声
の変動成分（ｃ’、）と（ｄ’ｋ）を表す符号を、逆量
子化器２１５へ出力し、基準音声成分（ｇｉ）　と（ｍ
ｉ）　とを表す符号と、平均ピッチ周期Ｔを表す符号を
音源再生器２２０へ出力し、ＰＡＲＣＯＲ係数を表す符
号を音声再生器２３０へ出力−する。逆量子化器２１５
は（Ｃ’ｈ）と（ａ’ｉ＝）から（Ｃｋ）　とｃｄ、）
を求めて音源再生器２２０へ出力する。音源再生器２２
０は、復号化・逆量子化した各パラメータから、 ｅ　（ｎ）＝ ・・・（１１） ＊：畳み込み を計算して、音源信号ｅ（ｎ）を再生する。再生された
ｅ（ｎ）は音声再生器２３０へ出力される。音声再生器
２３０では、デマルチプレクサ２１０により供給される
ＰＡＲＣＯＲ係数から線形予測係数（ａ、）を求め、音
源再生器２２０から供給される音源ｅ　（ｎ）から次式
に従って再生音声５（ｎ）を計算する。

５（ｎ）＝−Σａｉｓ（ｎ−ｉ）＋ｅ（ｎ）直 ・・・（１２） 再生音声ｓ　（ｎ）は出力端子２４０より出力される。

尚、以上の説明において、パルス振幅（ｇ、）並びに（
Ｃ３）の量子化法は種々考えられ、例えばスラカー量子
化を用いる場合は文献６のジャイヤントとノルの著書、
ディジタル　コーディングオブ　ウニイブフオーム、プ
レンティスホール、１９８４　　（Ｎ、Ｓ、Ｊａｉｙａ
ｎｔ　　ａｎｄ　　Ｐｅｔｅｒ　　Ｎｏ１ｌ、　　ＤＩ
ＧＩＴＡＬＣＯＤＩＮＧ　ＯＦ　ＷＡＩＦＯＲＭＳ、　
Ｐｒｅｎｔｉｃｅ−Ｈａｌｌ　１９８４．）の第４章に
詳しく記載されている。一方、ＰＡＲＣＯＲ係数の量子
化法も既に良く知られており、例えば文献７：北脇、板
金、斎胚、”　ＰＡＲＣＯＲ形音声分析合成系における
最適符号構成、”電子通信学会論文誌Ｊ６１−Ａ、２、
ｐｐ、１１９〜１２６（昭和５３−２）に詳しく述べら
れている。

〔発明の効果〕

以上説明したように、本発明によれば、フレーム内にお
けるピッチ構造の時間的変化を高品質に符号化するため
に、フレーム内音声の平均的な特性を表す一定区間長の
基準音声信号を基本に、その基準音声信号の線形結合を
形成させながらフレーム内のピッチ構造の変化に追随す
るようにし、また、線形結合パラメータの量子化におい
てパラメータ変動とピッチ周期との関係を利用した効率
的な量子化を行うようにしたので、ピンチ構造のパラメ
ータをフレーム内で固定する従来方式と比較して、高品
質でかつ低いビットレートにピッチ情報を符号化できる
効果がある。

【図面の簡単な説明】

第１図は本発明の一実施例を示すブロック図、第２図は
従来例を示すブロック図である。 １００　　・・・・・入力端子 １１０　　・・・・・線形予測分析器 １２０　　・・・・・ピッチ予測分析器１３０　　・・
・・・基準音声成分計算器１４０　　・・・・・音声変
動成分計算器１４５　　・・・・・量子化器 １５０　　・・・・・マルチプレクサ １６０　　・・・・・出力端子 ２００　　・・・・・符号入力端子 ２１０　　・・・・・デマルチプレクサ２１５　　・・
・・・逆量子化器 ２２０　　・・・・・音源再生器 ２３０　　・・・・・音声再生器 ２４０　　・・・・・再生音声出力端子代理人　弁理士
　　岩　佐　　義　幸

Claims (1)

【特許請求の範囲】
1. （１）離散的な音声信号列を入力し、この入力した音声
   信号列の基本周期成分を抽出し、前記入力した音声信号
   列から前記基本周期成分に相当する区間長の平均的な特
   性を表す基準再生音声信号列を合成し、この基準再生音
   声信号列の線形結合からなる再生音声信号列を形成する
   際に線形結合係数を、前記入力音声信号列と再生音声信
   号とが近くなるよう求め、この求めた結合係数を前記基
   本周期成分を基に量子化することを特徴とする音声符号
   化方式。