JPH04502675A - Digital speech coder with improved long-term predictor - Google Patents
Digital speech coder with improved long-term predictorInfo
- Publication number
- JPH04502675A JPH04502675A JP2509641A JP50964190A JPH04502675A JP H04502675 A JPH04502675 A JP H04502675A JP 2509641 A JP2509641 A JP 2509641A JP 50964190 A JP50964190 A JP 50964190A JP H04502675 A JPH04502675 A JP H04502675A
- Authority
- JP
- Japan
- Prior art keywords
- vector
- samples
- excitation vector
- long
- excitation
- 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.)
- Granted
Links
- 230000007774 longterm Effects 0.000 title abstract description 128
- 239000013598 vector Substances 0.000 claims abstract description 145
- 230000005284 excitation Effects 0.000 claims description 96
- 238000000034 method Methods 0.000 claims description 22
- 238000004891 communication Methods 0.000 claims description 8
- 238000005070 sampling Methods 0.000 claims description 8
- 238000012935 Averaging Methods 0.000 claims 2
- 230000004044 response Effects 0.000 abstract description 27
- 230000003111 delayed effect Effects 0.000 abstract description 11
- 239000000523 sample Substances 0.000 description 59
- 238000010586 diagram Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 10
- 238000005457 optimization Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 230000005236 sound signal Effects 0.000 description 7
- 238000013459 approach Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 3
- 235000013305 food Nutrition 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 238000003786 synthesis reaction Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 244000300477 Gardenia carinata Species 0.000 description 1
- 101001096074 Homo sapiens Regenerating islet-derived protein 4 Proteins 0.000 description 1
- 241000668842 Lepidosaphes gloverii Species 0.000 description 1
- 241000219745 Lupinus Species 0.000 description 1
- 102100037889 Regenerating islet-derived protein 4 Human genes 0.000 description 1
- 206010000269 abscess Diseases 0.000 description 1
- BSJGASKRWFKGMV-UHFFFAOYSA-L ammonia dichloroplatinum(2+) Chemical compound N.N.Cl[Pt+2]Cl BSJGASKRWFKGMV-UHFFFAOYSA-L 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- -1 multipulse Proteins 0.000 description 1
- 230000010363 phase shift Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 235000021419 vinegar Nutrition 0.000 description 1
- 239000000052 vinegar Substances 0.000 description 1
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
- G10L19/04—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 using predictive techniques
- G10L19/08—Determination or coding of the excitation function; Determination or coding of the long-term prediction parameters
- G10L19/12—Determination or coding of the excitation function; Determination or coding of the long-term prediction parameters the excitation function being a code excitation, e.g. in code excited linear prediction [CELP] vocoders
-
- 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
- G10L2019/0001—Codebooks
- G10L2019/0011—Long term prediction filters, i.e. pitch estimation
-
- 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
- G10L2019/0001—Codebooks
- G10L2019/0012—Smoothing of parameters of the decoder interpolation
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)
- Complex Calculations (AREA)
- Analogue/Digital Conversion (AREA)
- Near-Field Transmission Systems (AREA)
- Signal Processing For Digital Recording And Reproducing (AREA)
Abstract
Description
【発明の詳細な説明】 改良されたロングターム予測器を 有するデジタル音声フード 発明の背景 この発明は、１９８８年６月２８日に出願され今は放棄されている、米国出願番 号第０７／２１２，４５５号の一部継続出願である、１９８９年９月１日に出願 されかつ今は放棄されている、米国出願番号第０７／４０２．２０６号の継続出 願である。[Detailed description of the invention] An improved long-term predictor Digital audio hood with Background of the invention This invention was filed on June 28, 1988 and is now abandoned, US Application No. No. 07/212,455, a continuation in part, filed on September 1, 1989 Continued filing of U.S. Application Serial No. 07/402.206, now abandoned. It is a wish.
コード励起リニア予測（ｃｏｄｅ−ｅｘｃ ｉ ｔ ｅｄｌｉｎｅａｒ ｐｒｅ ｄｉｃｔｉｏｎ：ＣＥＬＰ）は低いビットレート、すなわち、４．８〜９．６キ ロビツト／秒（Ｋｂｐｓ）における高品質の合成音声を生成できる可能性を有す る音声コーディング技術である。このクラスの音声符号化は、またベクトル励起 リニア予測または推計符号化（ｓｔｏｃｈａｓｔｉｃ ｃｏｄｉｎｇ）として知 られているが、数多くの音声通信および音声合成の用途に最もよく用いられる。Code-excited linear prediction (code-exc itedlinear pre diction: CELP) is a low bit rate, i.e. 4.8 to 9.6 bits. It has the potential to generate high-quality synthesized speech in robots per second (Kbps). This is a voice coding technology that uses This class of speech coding also uses vector excitation Also known as linear prediction or stochastic coding. However, it is most commonly used in many voice communication and speech synthesis applications.
ＣＥＬＰは音声品質、データレート、大きさおよびコストが重要な要素であるデ ジタル音声暗号化およびデジタル無線電話通信システムに特に適用可能であるこ とが分っている。CELP is a device where voice quality, data rate, size and cost are important factors. be particularly applicable to digital voice encryption and digital radiotelephone communication systems. I know that.
［符号励起（ｃｏｄｅ−ｅｘｃ ｉ ｔ ｅｄ）Ｊまたはベクトル励起（ｖｅｃ ｔｏｒ−ｅｘｃｉｔｅｄ）Ｊという用語は音声フードのための励起シーケンスが ベクトル量子化されている、すなわち単一のコード語（ｃｏｄｅｗｏｒｄ）が励 起サンプルのシーケンス、ベクトルを表すのに用いられるという事実からきてい る。このようにして、毎サンプルにつき１ビツトより小さなデータレートが励起 シーケンスを符号化するために可能となる。記憶された励起符号ベクトルは一般 に独立のランダムなホワイトガウスシーケンスからなる。フードブックからの１ つのコードベクトルはＮ個の励起サンプルの各ブロックを表すのに用いられる。[code excitation (code-exc i t ed) J or vector excitation (vec tor-excited) The term J means that the excitation sequence for the audio hood is vector quantized, i.e. a single codeword is It comes from the fact that it is used to represent a sequence of samples, a vector. Ru. In this way, a data rate of less than 1 bit per sample can be excited. It becomes possible to encode sequences. The stored excitation code vector is general consists of independent random white Gaussian sequences. 1 from the food book One codevector is used to represent each block of N excitation samples.
各々の記憶されたコードベクトルはコード語、すなわちコードベクトルメモリの ロケーションのアドレスによって表される。受信機において音声フレームを再構 成するために通信チャネルを介して音声シンセサイザに引き続き送られるのはこ のコード語である。エム・アール・シュローダおよびビー・ニス・アタルによる 、「コード励起リニア予測（ＣＥＬＰ）、非常に低いビットレートにおける高品 質音声」、音響に関するＩ ＥＥＥ国際会議紀要、音声および信号処理（ＩＣＡ ＳＳＰ）、第３巻、ＰＰ、９３７−４０．１９８５年３月、をＣＥＬＰのより詳 細な説明のために参照。Each stored code vector is a code word, i.e. a code vector memory. Represented by the address of a location. Reconstructs the audio frame at the receiver. This is then sent to the voice synthesizer via the communication channel to is the code word for By M. R. Schroeda and B. Nis Attal , “Code Excited Linear Prediction (CELP), High Quality at Very Low Bitrates” "Quality Audio", Proceedings of the IEEE International Conference on Acoustics, Audio and Signal Processing (ICA SSP), Volume 3, PP, 937-40. March 1985, in more detail in CELP. See for detailed explanation.
ＣＥＬＰ音声コーダにおいては、コードブックからの励起コードベクトルは入力 音声信号の特性を作る２個の時間変動リニアフィルタに印加される。第１のフィ ルタはそのフィードバックループにロングターム予測器を含み、これは有声音（ ｖｏｊｃｅｄ ５ｐｅｅｃｈ）のピッチの周期性を導入するために使用される、 長い遅延、すなわち、２〜１５ミリセカンドを有している。第２のフィルタはそ のフィードバックループにショートターム予測器を含み、これはスペクトル的な エンベロープまたはフォーマット構造を導入するために使用される、短い遅延、 すなわち、２ミリセカンドより短い遅延、を有している。音声の各フレームに対 して、音声コーグはそれぞれの個々のコードベクトルをフィルタに印加して再構 成された音声信号を発生し、元の入力音声信号を該再構成された信号と比較して エラー信号を発生する。このエラー信号は次に人間の聴覚に基づく応答を有する 重み付はフィルタを通すことにより重み付けされる。最適の励起信号は現在のフ レームに対して最小のエネルギを有する重み付はエラー信号を生成するコードベ クトルを選択することにより決定される。最適のコードベクトルに対するコード 語は次に通信チャネルによって送信される。In the CELP speech coder, the excitation codevector from the codebook is the input It is applied to two time-varying linear filters that create the characteristics of the audio signal. first fi router includes a long-term predictor in its feedback loop, which is used for voiced sounds ( vojced 5peech) is used to introduce pitch periodicity, It has a long delay, ie 2-15 milliseconds. The second filter includes a short-term predictor in the feedback loop of the spectral A short delay, used to introduce an envelope or formatting structure, That is, it has a delay of less than 2 milliseconds. for each frame of audio. Then, VoiceCog applies each individual codevector to a filter to reconstruct it. generating a reconstructed audio signal and comparing the original input audio signal with the reconstructed signal. Generates an error signal. This error signal then has a response based on human hearing Weighting is performed by passing through a filter. The optimal excitation signal is The weighting with the minimum energy for the frame is the codebase that produces the error signal. determined by selecting the vector. code for optimal code vector The words are then transmitted over a communication channel.
ＣＥＬＰ音声合成器においては、チャネルから受信されたコード語は励起ベクト ルのコードブックをアドレスするために使用される。単一のコードベクトルは次 にゲインファクタによって乗算され、ロングタームおよびショートタームフィル タによってろ波され再構成された音声ベクトルを得る。ゲインファクタおよび予 測器パラメータはまた該チャネルから得られる。より良好な品質の合成信号は合 成器によって使用される実際のパラメータが解析段において使用され、従って量 子化誤差を最小化することにより発生できることが分っている。従って、より高 い品質の音声を生成するためにＣＥＬＰ音声解析段においてこれらの合成パラメ ータを使用することはアナリシス・パイ・シンセシス音声コーディングと称され ている。In the CELP speech synthesizer, the codeword received from the channel is the excitation vector used to address the codebook of the file. A single code vector is is multiplied by the gain factor and the long-term and short-term filters obtain the reconstructed speech vector filtered by the filter. Gain factor and Instrument parameters are also obtained from the channel. A better quality composite signal is The actual parameters used by the generator are used in the analysis stage and therefore the quantity It is known that this can be generated by minimizing the childization error. Therefore, higher These synthesis parameters are used in the CELP speech analysis stage to generate high-quality speech. The use of data is called Analysis Pi Synthesis Audio Coding. ing.
ショートターム予測器は次の式に従って、直前の出力サンプル５（ｎ−ｉ）のリ ニアな組み合わせにより現在の出力サンプルｓ （ｎ）を予測しようと試みる。The short-term predictor calculates the previous output sample 5(n−i) according to the following formula: We try to predict the current output sample s(n) by a near combination.
ｓ （ｎ） ＝ａ ｓ （ｎ−１） ＋ａ２ｓ （ｎ−２）＋・・・＋α ｓ （ｎ−ｐ） ＋ｅ （ｎ）この式で、ｐはショートターム予測器の次数（ｏｒｄ ｅｒ）であり、ｅ （ｎ）は予測残差（ｐｒｅｄｉｃｔ、１ｏｎｒｅｓｉｄｕａ ｌ）、すなわち、ｐ個の先のサンプルの重み付けされた和によって表すことので きないｓ （ｎ）の部分、である。予測器の次数ｐは典型的には、８キロヘルツ （ＫＨｚ）のサンプリングレートを仮定すると、８〜１２の範囲にわたっている 。この式における重みＣ１，Ｃ２゜α は予測器係数と呼ばれている。ショート ターム予測器係数は伝統的なリニア予測コーディング（Ｌ Ｐ Ｇ）技術を用い て音声信号から決定される。ショートタームフィルタの出力応答は２変換表現で 次のように表される。s (n) = a s (n-1) + a2s (n-2) +...+α s (n-p) +e (n) In this formula, p is the order of the short-term predictor (or er), and e(n) is the prediction residual (predict, 1onresidua l), i.e., expressed by a weighted sum of p previous samples. This is the part of s(n) that cannot be reached. Predictor order p is typically 8 kHz Assuming a sampling rate of (KHz), it ranges from 8 to 12 . The weights C1 and C2°α in this equation are called predictor coefficients. short The term predictor coefficients are calculated using traditional linear predictive coding (LPG) techniques. is determined from the audio signal. The output response of the short-term filter is represented by two transformations. It is expressed as follows.
Ａ （ｚ） −−−一−−−−−−−−−−−−−−−ショートタームフィルタ パラメータのその他の説明に関しては、「低ビツトレートにおける音声の予測的 コーディング」と題する、Ｉ ＥＥＥ紀要、通信、Ｃ０Ｍ−３０、ｐｐ、６００ −１４．１９８２年４月、ビー・ニス・アタルによる論文を参照。A (z) ------------ Short-term filter For other descriptions of the parameters, see Predictive Speech at Low Bit Rates. Coding, IEEE Bulletin, Communications, C0M-30, pp. 600 -14. See the paper by Bee Nis Attal, April 1982.
これに対し、ロングタームフィルタはずっと長い期間にわたり延在する先行サン プルから次の出力サンプルを予測しなければならない。予測器において単一の過 去のサンプルのみが使用されれば、予測器は単一タップ予測器である。Long-term filters, on the other hand, We have to predict the next output sample from the pull. A single error in the predictor If only previous samples are used, the predictor is a single tap predictor.
典型的には、１〜３タツプが使用される。単一タップ、ロングターム予測器を導 入したロングタームフィルタのための出力応答はＺ変換表示で次のように与えら れる。Typically 1-3 taps are used. Introducing a single-tap, long-term predictor The output response for the entered long-term filter is given in Z-transform representation as It will be done.
Ｂ （ｚ） ＝−−−−−−−−−−−−−−−−１−βｚ−Ｌ この出力応答はフィルタの遅延またはラグＬおよびフィルタ係数βのみの関数で あることに注意を要する。有声音に対しては、ラグＬは典型的には音声のピッチ 期間、あるいはその倍数である。８ＫＨｚのサンプリングレートにおいては、ラ グＬの適切な範囲は１６と１４３の間であり、これは５００Ｈｚから５６Ｈｚの 間のピッチレンジに対応する。B (z) =−−−−−−−−−−−−−−−1−βz−L This output response is a function only of the filter delay or lag L and the filter coefficient β. There is one thing that requires attention. For voiced sounds, the lag L is typically the pitch of the voice. period or a multiple thereof. At a sampling rate of 8KHz, the A suitable range for G L is between 16 and 143, which is between 500Hz and 56Hz. It corresponds to a pitch range between.
ロングターム予測器のラグＬおよびロングターム予測器の係数βは開ループまた は閉ループ構成のいずれかから決定できる。開ループ構成を用いると、ラグＬお よび係数βは入力信号（またはその残差）から直接計算される。閉ループ構成で は、ラグＬ１および係数βはロングタームフィルタの過去の出力を表す符号化デ ータおよび入力音声信号からフレームレートで計算される。符号化データを使用 する場合における、ロングターム予測器のラグ決定は合成器において存在する実 際のロングタームフィルタの状態に基づいている。従って、閉ループ構成が開ル ープ方法よりもより良好な性能を与えるが、それはピッチフィルタそれ自体がエ ラー信号の最適化に貢献するからである。さらに、単一タップの予測器は閉ルー プ構成で非常に良好に作動する。The lag L of the long-term predictor and the coefficient β of the long-term predictor are open-loop or can be determined from any closed-loop configuration. Using an open-loop configuration, the lag L and and the coefficient β are calculated directly from the input signal (or its residual). in a closed loop configuration lag L1 and coefficient β are encoded data representing the past output of the long-term filter. The frame rate is calculated from the data and the input audio signal. Use encoded data The lag determination of the long-term predictor when Based on the current long-term filter state. Therefore, the closed-loop configuration becomes gives better performance than the pitch method, but it is because the pitch filter itself This is because it contributes to the optimization of the error signal. Additionally, single-tap predictors are closed-loop Works very well in configuration.
閉ループ構成を使用すると、ロングタームフィルタの出力応答ｂ （ｎ）はロン グタームフィルタからの過去の出力サンプルのみから、かつ次の式による現在の 入力音声サンプルｓ （ｎ）から決定される。Using a closed-loop configuration, the output response b(n) of the long-term filter is from only the past output samples from the term filter, and from the current Determined from the input audio samples s(n).
ｂ （ｎ） ＝ｓ （ｎ）＋βｂ（ｎ−Ｌ）この技術はフレーム長Ｎより大きな ピッチラグしに対し、すなわち、ＬＡＮの場合に、直接的であるが、それは項ｂ （ｎ−Ｌ）は常にすべてのサンプル番号ｎ、Ｏ≦ｎ≦Ｎ−１に対し過去のサンプ ルを表すからである。さらに、Ｌ〉Ｎの場合、励起ゲインファクタγおよびロン グターム予測器係数βはラグＬおよびコード語ｉの与えられた値に対し同時に最 適化することができる。この組み合わされた最適化技術は音声品質の注目すべき 改善をもたらすことが発見されている。b (n) = s (n) + βb (n - L) This technique is used when the frame length is larger than N. Directly for pitch lag, i.e. in the case of LAN, it is the term b (n-L) is always the past sample number for all sample numbers n, O≦n≦N-1. This is because it represents . Furthermore, if L>N, the excitation gain factor γ and Ron The code word predictor coefficients β are simultaneously maximal for given values of lag L and code word i. can be optimized. This combined optimization technique improves voice quality. It has been found that it brings about improvement.
しかしながら、もしロングターム予測器のフレーム長Ｎより小さなラグＬを収容 しなければならない場合には、閉ループ手法は不都合である。この問題は高いピ ッチの女性の声の場合に容易に起こり得る。たとえば２５０Ｈｚのピッチ周波数 に対応する女性の音声は４ミリセカンド（ｍｓｅｃ）に等しいロングターム予測 器ラグＬを必要とする。However, if the long-term predictor accommodates a lag L smaller than the frame length N Closed-loop approaches are disadvantageous when This issue has a high This can easily happen with a female voice. For example, a pitch frequency of 250Hz The female voice corresponding to the long term prediction is equal to 4 milliseconds (msec). Requires a container lug L.
８ＫＨｚのサンプリングレートにおける２５０Ｈｚのピッチは３２サンプルのロ ングターム予測器のラグＬに対応する。しかしながら、４ミリセカンドより小さ なフレーム長Ｎを用いることは望ましくなく、これはＣＥＬＰ励起ベクトルはよ り長いフレーム長が用いられる場合により効率的に符号化できるからである。従 って、８ＫＨｚのサンプリングレートにおける７、５ミリセカンドのフレーム長 時間を用いると、フレーム長Ｎは６０サンプルに等しくなるであろう。これはフ レームの次の６０サンプルを予測するために３２の過去のサンプルのみが利用で きることを意味する。従って、もしロングターム予測器のラグＬがフレーム長Ｎ より小さければ、必要とされるＮサンプルの内のＬの過去のサンプルのみが規定 される。A pitch of 250Hz at a sampling rate of 8KHz is a log of 32 samples. corresponds to the lag L of the term predictor. However, less than 4 milliseconds It is undesirable to use a long frame length N, since the CELP excitation vector is This is because encoding can be performed more efficiently when a longer frame length is used. subordinate So, the frame length is 7.5 milliseconds at a sampling rate of 8KHz. Using time, the frame length N would be equal to 60 samples. This is a file Only 32 past samples are available to predict the next 60 samples of the frame. It means to be able to do something. Therefore, if the lag L of the long-term predictor is the frame length N If smaller, only L past samples out of the required N samples are specified. be done.
フレーム長Ｎより小さなピッチラグＬの問題に対処するため従来技術においてい くつかの別の手法がとられている。In order to deal with the problem of pitch lag L being smaller than frame length N, the conventional technology Several other approaches have been taken.
ロングターム予測器のラグＬおよび係数βを組み合わせて最適化する試みにおい て、第１の手法はなんらの励起信号も存在しないと仮定して方程式を直接解くよ う試みることである。この手法は「規則的なパルス励起−音声の有効かつ効率的 な多重パルス符号化」、クルーン他、音響、音声および信号処理に関するＩ Ｅ ＥＥ紀要、ＡＳＳＰ−３４巻、第５号、１９８６年１０月、ｐｐ、１０５４−１ ０６３の論文に説明されている。しかしながら、この手法に従うと、単一のパラ メータβにおける非線形方程式を解かなければならない。βにおける２次方程式 または３次方程式の解を解かなければならない。βにおける２次方程式または３ 次方程式の解は計算機的に実際的でない。その上、利得ファクタγと係数βとを 一緒にして最適化することはこの手法では依然として不可能である。In an attempt to combine and optimize the lag L and coefficient β of a long-term predictor, Therefore, the first method is to solve the equation directly assuming that no excitation signal exists. It is a good idea to try. This method is called ``Regular pulse excitation - effective and efficient method of speech production.'' "Multipulse Coding", Kroon et al., IE on Acoustics, Speech and Signal Processing EE Bulletin, ASSP-34, No. 5, October 1986, pp, 1054-1 It is explained in the paper No. 063. However, following this approach, a single parameter We have to solve the nonlinear equation in meter β. Quadratic equation in β Or you have to solve a cubic equation. Quadratic equation in β or 3 Solving the following equation is computationally impractical. Moreover, the gain factor γ and the coefficient β are Joint optimization is still not possible with this approach.
ロングターム予測器遅延りをフレーム長Ｎより大きいものと限定することによる 、第２の解法は、シングハルおよびアタルにより提案された論文「低いビットレ ートにおける多重パルスＬＰＧコーダの性能の改善Ｊ１音響、音声、および信号 処理に関するＩ ＥＥＥ国際会議の紀要、第１巻、１９８４年３月１９−２１日 、ｐｐ、１．３． １−１．３゜４において提案されている。ピッチラグしに対 するこの人工的な制約はしばしばピッチ情報を正確に表さない。従って、この手 法を用いると音声品質が高いピッチの音声に対し劣化する。By limiting the long-term predictor delay to be greater than the frame length N. , the second solution is proposed by Singhal and Atal in the paper “Low bitrate Improving the performance of multipulse LPG coders in J1 acoustics, speech, and signals Proceedings of the IEEE International Conference on Processing, Volume 1, March 19-21, 1984 , pp. 1.3. 1-1.3゜4. Against pitch lag This artificial constraint often does not accurately represent pitch information. Therefore, this method When using this method, the voice quality deteriorates for high-pitched voices.
第３の解法はフレーム長Ｎの大きさを低減することである。より短いフレーム長 により、ロングターム予測器のラグＬは常に過去のサンプルから決定することが できる。しかしながら、この手法は厳しいビットレートのペナルティを被る。よ り短いフレーム長では、より大きな数のロングターム予測器パラメータおよび励 起ベクトルを符号化しなければならず、かつ従ってチャネルのビットレートは余 分のコーディングを収容するためにより大きくなければならない。A third solution is to reduce the size of the frame length N. shorter frame length Therefore, the lag L of the long-term predictor can always be determined from past samples. can. However, this approach suffers from severe bitrate penalties. Yo For shorter frame lengths, a larger number of long-term predictor parameters and the bit rate of the channel must be encoded and therefore the bit rate of the channel is Must be larger to accommodate minutes of coding.
第２の問題は高いピッチの話者に対して存在する。コーグにおいて使用されるサ ンプリングレートは単一タップのピッチ予測器の性能に対し上限を設ける。たと えば、もしピッチ周波数が実際には４８５Ｈｚであれば、最も近いラグ値は１６ でありこれは５００Ｈｚに対応する。これは音声品質を劣化させる基本ピッチ周 波数に対し１５Ｈｚのエラーを生ずる結果となる。このエラーは該ピッチ周波数 の高調波に対し増倍されさらに劣化を引き起こす。A second problem exists for high pitch speakers. Services used at Coorg The sampling rate places an upper limit on the performance of a single tap pitch predictor. and For example, if the pitch frequency is actually 485Hz, the nearest lag value is 16 and this corresponds to 500Hz. This is the basic pitch frequency that degrades audio quality. This results in a 15 Hz error in wavenumber. This error is caused by the pitch frequency harmonics are multiplied and cause further deterioration.
従って、ロングターム予測器のラグＬを決定するための改良された方法を提供す る必要性が存在する。最適の解法は高いピッチの音声のコーディングに対し計算 機的な複雑性および音声品質の双方に向けられなければならない。Therefore, we provide an improved method for determining the lag L of a long-term predictor. There is a need to The optimal solution is calculated for coding high pitch speech. Both mechanical complexity and voice quality must be addressed.
発明の概要 従って、本発明の一般的な目的は、低いビットレートにおいて高い品質の音声を 生成する改良されたデジタル音声コーディング技術を提供することにある。Summary of the invention Therefore, the general object of the present invention is to provide high quality audio at low bitrates. An object of the present invention is to provide an improved digital speech coding technique for generating.
本発明のより特定的な目的は、閉ループ手法を用いたロングターム予測器のパラ メータを決定するための方法を提供することにある。A more specific object of the invention is to develop the parameters of a long term predictor using a closed loop approach. The objective is to provide a method for determining the meter.
本発明の他の目的は、ロングターム予測器のラグパラメータＬが非整数である場 合にロングターム予測器の出力応答を決定するための改良された方法を提供する ことにある。Another object of the present invention is that when the lag parameter L of the long-term predictor is a non-integer Provides an improved method for determining the output response of a long-term predictor when There is a particular thing.
本発明のさらに他の目的は、最適の励起コードベクトルのためのコードブックサ ーチの間に利得ファクタγおよびロングターム予測器係数βの組み合わされた最 適化を許容する改良されたＣＥＬＰ音声コーダを提供することにある。Still another object of the present invention is to provide a codebook support for optimal excitation codevectors. During the search, the combined optimum of the gain factor γ and the long-term predictor coefficient β is The object of the present invention is to provide an improved CELP speech coder that allows optimization.
本発明の新規な見地によれば、パラメータＬの分解能（ｒｅｓｏｌｕｔｉｏｎ） はＬが整数でない値をとることを許容することにより増大される。これはロング ターム予測器の状態の補間されたサンプルを提供するために補間フィルタを使用 することにより達成される。閉ループ構成においては、ロングターム予測器の状 態の将来のサンプルは補間フィルタにとって利用できない。この問題はロングタ ーム予測器の状態を補間フィルタによる使用のために将来にわたってピッチ同期 的に延長することにより回避される。According to a novel aspect of the invention, the resolution of the parameter L is increased by allowing L to take on non-integer values. this is long Use interpolation filter to provide interpolated samples of term predictor states This is achieved by In a closed-loop configuration, the shape of the long-term predictor Future samples of the state are not available to the interpolation filter. This problem is long future pitch synchronization of the state of the system predictor for use by interpolation filters This can be avoided by extending the term.
次のフレームに対する実際の励起サンプルが利用できるようになると、ロングタ ーム予測器の状態が（ピッチ同期的に延長されたサンプルに基づくものに置き代 わる）実際の励起サンプルを反映するために更新される。たとえば、補間は各々 の存在するサンプルの間の１つのサンプルを補間するために使用でき従ってＬの 分解能をサンプルの半分に倍加する。３または４のような、より高い補間ファク タもまた選択でき、これはＬの分解能を１つのサンプルの３分の１または４分の １に増加するであろう。When the actual excitation samples for the next frame are available, the long The state of the frame predictor (replaced by one based on pitch-synchronously extended samples) updated) to reflect the actual excitation sample. For example, each interpolation can be used to interpolate one sample between the existing samples of L. Double the resolution to half the sample. Higher interpolation factors, such as 3 or 4 The resolution of L can also be selected by one-third or one-fourth of one sample. will increase to 1.
図面の簡単な説明 新規であると信じられる本発明の特徴は特に添付の請求の範囲に記載されている 。本発明は、そのさらに他の目的および利点とともに、添付の図面を取り入れて 以下の説明を参照することにより最もよく理解でき、そのいくつかの図面におい ては同様の参照数字は同様の要素を表わし、かつ各図面において、 第１図は、本発明とともに使用するためのロングタームフィルタの位置を示す、 コード励起リニア予測音声コーグの一般的なブロック図であり、 第２Ａ図は、第１図のロングタームフィルタの１実施例を示す詳細なブロック図 であり、フィルタのラグＬが整数である場合のロングターム予測器の応答を示し ており、第２Ｂ図は、第２Ａ図におけるロングターム予測器の動作を説明するた めに用いることができるシフトレジスタを示す概略図であり、 第２Ｃ図は、第１図のロングタームフィルタの他の実施例を示す詳細なブロック 図であり、フィルタのラグＬが整数である場合のロングターム予測器の応答を示 しており、第３図は、第２Ａ図のロングタームフィルタにより達成される動作を 説明する詳細なフローチャートであり、第４図は、本発明に従って使用するため の音声合成器の一般的なブロック図であり、 第５図は、第１図のロングタームフィルタの詳細なブロック図であり、本発明に 従いサブサンプルの分解能のロングターム予測器応答を示しており、 第６Ａ図および第６Ｂ図は、第５図のロングタームフィルタにより行われる動作 を説明する詳細なフローチャートであり、そして 第７図は、第４図における音声合成器のショートタームフィルタおよびＤ／Ａコ ンバータを相互結合するためのピッチポストフィルタを示す詳細なブロック図で ある。Brief description of the drawing The features of the invention believed to be novel are particularly pointed out in the appended claims. . The invention, together with further objects and advantages, incorporates the accompanying drawings. It can be best understood by referring to the following description, some of which are illustrated in the drawings. Like reference numerals represent like elements, and in each drawing: FIG. 1 shows the location of a long-term filter for use with the present invention; A general block diagram of a code-excited linear predictive speech cog, FIG. 2A is a detailed block diagram illustrating one embodiment of the long-term filter of FIG. and denotes the response of the long-term predictor when the filter lag L is an integer. FIG. 2B is a diagram for explaining the operation of the long-term predictor in FIG. 2A. 1 is a schematic diagram showing a shift register that can be used for FIG. 2C is a detailed block diagram illustrating another embodiment of the long-term filter of FIG. , which shows the response of the long-term predictor when the filter lag L is an integer. Figure 3 shows the operation achieved by the long-term filter of Figure 2A. FIG. 4 is a detailed flowchart illustrating the flowchart for use in accordance with the present invention; is a general block diagram of a speech synthesizer, FIG. 5 is a detailed block diagram of the long-term filter shown in FIG. Therefore, we show the long-term predictor response with subsample resolution, 6A and 6B illustrate the operations performed by the long-term filter of FIG. is a detailed flowchart explaining, and Figure 7 shows the short-term filter and D/A controller of the speech synthesizer in Figure 4. with a detailed block diagram showing a pitch post filter for interconnecting inverters. be.
好ましい実施例の詳細な説明 次に第１図を参照すると、本発明に係わるロングタームフィルタを利用するコー ド励起リニア予測音声コーグ１００の一般的なブロック図が示されている。分析 されるべき音響入力信号はマイクロホン１０２において音声コーグ１００に印加 される。典型的には音声信号である、入力信号は次にフィルタ１０４に印加され る。フィルタ１０４は一般的にはバンドパスフィルタ特性を示す。しかしながら 、もし音声の帯域幅がすでに適切であれば、フィルタ１０４は直接的なワイヤ接 続であってもよい。DETAILED DESCRIPTION OF PREFERRED EMBODIMENTS Next, referring to FIG. 1, a code using a long-term filter according to the present invention is shown. A general block diagram of a highly excited linear predictive speech code 100 is shown. analysis The acoustic input signal to be transmitted is applied to the audio cog 100 at the microphone 102. be done. The input signal, typically an audio signal, is then applied to filter 104. Ru. Filter 104 generally exhibits bandpass filter characteristics. however , if the audio bandwidth is already adequate, the filter 104 can be connected directly to the wire. It may be a continuation.
フィルタ１０４からのアナログ音声信号は次に−続きのＮパルスのサンプルに変 換され、かつ各パルスサンプルの振幅は次に、技術上知られているように、アナ ログ−デジタル（Ａ／Ｄ）コンバータ１０８においてデジタル符号により表され る。サンプリングレートはサンプルクロックＳＣにより決定され、これは好まし い実施例においては８゜０ｋＨｚのレートを呈する。サンプルクロックＳＣはク ロック１１２によってフレームクロックＦＣとともに発生される。The analog audio signal from filter 104 is then transformed into a sample of N consecutive pulses. and the amplitude of each pulse sample is then analyzed by an analyzer, as is known in the art. represented by a digital code in a log-to-digital (A/D) converter 108 Ru. The sampling rate is determined by the sample clock SC, which is preferably In the preferred embodiment, it exhibits a rate of 8°0 kHz. The sample clock SC is Generated by lock 112 along with frame clock FC.
Ａ／Ｄ １０８のデジタル出力は、入力音声ベクトル５（ｎ）として表されるが 、次に係数アナライザ１１０に印加される。この入力音声ベクトルｓ （ｎ）は 別々のフレーム、すなわち、その長さがフレームクロックＦＣによって決定され る、時間のブロック、において反復的に得られる。The digital output of A/D 108 is represented as input audio vector 5(n). , which is then applied to coefficient analyzer 110. This input speech vector s(n) is separate frames, i.e. their length is determined by the frame clock FC is obtained iteratively in blocks of time.
好ましい実施例においては、入力音声ベクトルｓ （ｎ）、０≦ｎ≦Ｎ−１、は Ｎ＝６０サンプルを含む７．５ミリセカンドのフレームを表し、この場合者サン プルはデジタルコードの１２〜１６ビツトによって表される。この実施例におい ては、音声の各ブロックに際し、−組のリニア予測コーディング（Ｌ Ｐ Ｇ） パラメータがオープンループ構成の係数アナライザー１０によって生成される。In a preferred embodiment, the input speech vector s(n), 0≦n≦N-1, is N= represents a 7.5 millisecond frame containing 60 samples, in which case A pull is represented by 12-16 bits of digital code. In this example For each block of audio, - sets of linear predictive coding (LPG) are applied. Parameters are generated by a coefficient analyzer 10 in an open loop configuration.
ショトターム予測器パラメータα０、ロングターム予測器係数β、公称ロングタ ーム予測器うグパラメータＬ１重み付はフィルタパラメータＷＦＰ、および励起 利得ファクタγ（後に説明する最善の励起コード語Ｉとともに）はマルチプレク サ１５０に印加されかつ音声合成器による使用のためチャネルによって送られる 。この実施例のためにこれらのパラメータを発生する代表的な方法については、 ビー・ニス・アタルによる、１９８２年４月、ｐｐ、６００−１４、Ｃ０Ｍ−３ ０巻、Ｉ ＥＥＥ通信紀要、［低いビットレートにおける音声の予測コーディン グ」と題する論文を参照。入力音声ベクトルｓ （ｎ）はまた減算器１３０にも 印加され、その機能は後に説明する。short-term predictor parameter α0, long-term predictor coefficient β, nominal long term The weighting parameter L1 of the program predictor is the filter parameter WFP, and the excitation The gain factor γ (along with the best excitation codeword I, explained later) is channel 150 and sent by the channel for use by the speech synthesizer. . For a typical method of generating these parameters for this example: By B. Nis Attal, April 1982, pp. 600-14, C0M-3 Volume 0, IEEE Communication Bulletin, [Predictive coding of speech at low bit rates] See the paper entitled ``G. The input speech vector s(n) is also input to the subtractor 130. and its function will be explained later.
コードブックＲＯＭＩ２０は一組のＭ個の励起ベクトルｕ、（ｎ）を含み、ここ で１≦ｉ≦Ｍであり、各々Ｎ個のサンプルから成り、この場合０≦ｎ≦Ｎ−１で ある。コードブツクＲＯＭ１２０は好ましくはここに参照のため導入される、米 国特許第４，８１７．１５７号に述べられたようにして実施される。コードブッ クＲＯＭ１２０は一組の励起コード語ｉの内の特定の１つに応じてこれらの擬似 ランダム励起ベクトルを発生する。Ｍ個の励起ベクトルの各々は−続きのランダ ムなホワイトガウスサンプルから成るが、他の形式の励起ベクトルも本発明とと もに使用することができる。もし励起信号が６０サンプルの各々に対しサンプル ごとに０． ２ビツトのレートで符号化されたならば、可能な励起ベクトルに対 応する４０９６のコード語ｉがある。The codebook ROMI 20 contains a set of M excitation vectors u,(n), where and 1≦i≦M, each consisting of N samples, in which case 0≦n≦N-1 and be. Codebook ROM 120 is preferably a US Pat. It is carried out as described in National Patent No. 4,817.157. code book The ROM 120 stores these pseudo-code words in response to a particular one of a set of excitation code words i. Generate random excitation vectors. Each of the M excitation vectors is a -continuation randa consists of a typical white Gaussian sample, but other types of excitation vectors are also compatible with the present invention. Can also be used. If the excitation signal is sampled for each of the 60 samples 0. If encoded at a rate of 2 bits, for the possible excitation vectors There are 4096 corresponding codewords i.
各々の個々の励起ベクトルｕ、（ｎ）に対し、再構成された音声ベクトルｓ’ 、（ｎ）が入力音声ベクトルｓ （ｎ）に対する比較のために発生される。利得 ブロック１２２には、フレームに対する内容である、励起利得ファクタγにより 励起ベクトルｕ、（ｎ）を尺度変更（ｓｃａｌｅ）する。励起利得ファクタγは 係数アナライザー１０によってあらかじめ計算されかつ第１図に示されるように すべての励起ベクトルを解析するために使用され、あるいは最善の励起コード語 ｒのサーチと組み合わせて最適化されかっコードブックサーチコントローラー４ ０により発生される。For each individual excitation vector u,(n), the reconstructed speech vector s' , (n) are generated for comparison against the input speech vector s(n). gain Block 122 includes an excitation gain factor γ, which is the content for the frame. Scale the excitation vector u,(n). The excitation gain factor γ is As previously calculated by the coefficient analyzer 10 and shown in FIG. used to analyze all excitation vectors, or the best excitation codeword Optimized codebook search controller in combination with r search 4 Generated by 0.
尺度変更された励起信号γｕ−（ｎ）は次に再構成された音声ベクトルｓ’ 、 （ｎ）を発生するためにロングタームフィルター２４およびショートタームフィ ルタ１２６によりろ波される。フィルター２４は音声の周期性を導入するために ロングターム予測器パラメータβおよびＬを利用し、かつフィルタ１２６は上に 述べたように、スペクトル的なエンベロープを導入するためにショートターム予 測器パラメータα１を利用する。ロングタームフィルター２４は以下の図面にお いて詳細に説明する。ブロック１２４および１２６は実際にはそれぞれのフィー ドバック経路にロングターム予測器およびショートターム予測器を含む再帰（ｒ ｅｃｕｒｓｉｖｅ）フィルタである。The rescaled excitation signal γu-(n) is then converted into the reconstructed speech vector s', A long-term filter 24 and a short-term filter are used to generate (n). filter 126. Filter 24 is used to introduce periodicity in the audio. utilizing the long-term predictor parameters β and L, and the filter 126 is As mentioned, a short-term forecast is used to introduce a spectral envelope. The instrument parameter α1 is used. The long term filter 24 is shown in the drawing below. This will be explained in detail. Blocks 124 and 126 are actually Recursion (r cursive) filter.
ｉ番目の励起コードベクトルに対する再構成された音声ベクトルｓ’ −（ｎ） は入力音声ベクトルｓ （ｎ）の同じブロックとこれら２つの信号を減算器１３ ０において減算することにより比較される。差分ベクトルｅ、（ｎ）は音声の元 のおよび再構成されたブロックの間の差を表す。差分ベクトルは係数アナライザ ー１０によって発生される重み付はフィルタのパラメータＷＴＰを利用して、重 み付はフィルター３２により知覚的に重み付けされる。代表的な重み付はフィル タの伝達関数に対する先の参照物を参照されたい。知覚的な重み付けはエラーが 知覚的に人間の耳にとってより重要な周波数を強調し、かつ他の周波数を減衰さ せる。Reconstructed speech vector s′−(n) for the i-th excitation codevector is the same block of input speech vector s(n) and these two signals are subtracted by subtractor 13 Compare by subtracting at zero. The difference vector e, (n) is the source of the voice and the reconstructed block. Difference vector is coefficient analyzer -10 is generated using the filter parameter WTP. The impressions are perceptually weighted by filter 32. Typical weighting is fill See the previous reference to the data transfer function. Perceptual weighting is error-prone Emphasizes frequencies that are perceptually more important to the human ear, and attenuates other frequencies. let
エネルギ計算機１３４は重み付は差分ベクトルｅ／ 。The energy calculator 134 weights the difference vector e/.
（ｎ）のエネルギを計算し、かつこのエラー信号Ｅ、をコードブックサーチコン トローラー４０に印加する。該サーチコントローラは現在の励起ベクトルｕ、（ ｎ）に対するｉ番目のエラー信号を先のエラー信号に対して比較し最小のエラー を生成する励起ベクトルを決定する。最小のエラーを有するｉ番目の励起ベクト ルのコードは次にチャネルによって最善の励起コードＩとして出力される。ある いは、サーチコントローラー４０は、あらかじめ規定されたエラーしきい値に合 致するような、何等かの所定の基準を有するエラー信号を提供する特定のコード 語を決定することができる。(n), and convert this error signal E into a codebook search controller. is applied to the troller 40. The search controller determines the current excitation vector u, ( Compare the i-th error signal for n) with the previous error signal and find the minimum error. Determine the excitation vector that generates . i-th excitation vector with minimum error This code is then output by the channel as the best excitation code I. be Alternatively, the search controller 40 may meet a predefined error threshold. a specific code that provides an error signal with some predetermined criteria, such that The word can be determined.
第１図は、コード励起リニア予測音声コーグに対する本発明の１実施例を示す。FIG. 1 shows one embodiment of the present invention for a code-excited linear predictive speech cog.
この実施例においては、ロングタームフィルタのパラメータＬおよびβは係数ア ナライザー１０によってオープンループ構成で決定される。あるいは、ロングタ ームフィルタのパラメータは先に述べたシングハルおよびアタルの参照文献に述 べられているように閉ループ構成で決定することができる。一般に、音声コーグ の性能は閉ループ構成で決定されるロングタームフィルタのパラメータを使用す ることにより改善される。本発明に係わるロングターム予測器の新規な構造はフ レーム長Ｎより小さなラグＬに対するこれらのパラメータの閉ループ決定の使用 に大いに便宜を与える。In this example, the parameters L and β of the long-term filter are coefficients determined by analyzer 10 in an open-loop configuration. Or long tag The parameters of the system filter are described in the Singhal and Attal reference cited above. can be determined in a closed-loop configuration as described above. In general, voice cog The performance of is determined by using long-term filter parameters determined in a closed-loop configuration. This can be improved by The novel structure of the long-term predictor according to the present invention is Use of closed-loop determination of these parameters for lag L smaller than frame length N give great convenience to
第２Ａ図は、第１図のロングタームフィルター２４の１実施例を示し、この場合 しは整数に限定されている。第１図は尺度変更された励起ベクトルγｕ−（ｎ） が利得プロツク１２２からロングタームフィルター２４へ入力されるものとして 示されているが、第２Ａ図においては説明の目的で代表的な入力音声ベクトルｓ （ｎ）が使用されている。FIG. 2A shows one embodiment of the long-term filter 24 of FIG. is limited to integers. Figure 1 shows the scaled excitation vector γu-(n) is input from gain block 122 to long-term filter 24. However, in FIG. 2A, for illustrative purposes, a representative input speech vector s (n) is used.
従って、入力音声ベクトルｓ （ｎ）のＮ個のサンプルのフレームが加算器２１ ０に印加される。加算器２１０の出力はロングタームフィルター２４のための出 力ベクトルｂ（ｎ）を生成する。出力ベクトルｂ （ｎ）はロングターム予測器 の遅延ブロック２３０にフィードバックされる。公称ロングターム予測器ラグパ ラメータＬもまた遅延ブロック２３０に入力される。ロングターム予測器遅延ブ ロックは出力ベクトルｑ （ｎ）をロングターム予測器の乗算器ブロック２２０ に提供し、これはロングターム予測器の係数βによりロングターム予測器の応答 を尺度変更する。尺度変更された出力βｑ （ｎ）は次に再帰フィルタのフィー ドバックループを完成させるために加算器２１０に印加される。Therefore, a frame of N samples of the input speech vector s(n) is sent to the adder 21 Applied to 0. The output of adder 210 is the output for long-term filter 24. Generate force vector b(n). The output vector b(n) is a long-term predictor is fed back to delay block 230. Nominal long-term predictor lagpa The parameter L is also input to delay block 230. Long-term predictor delay block The lock converts the output vector q(n) to the multiplier block 220 of the long-term predictor. , which gives the response of the long-term predictor by the coefficient β of the long-term predictor scale. The scaled output βq(n) is then applied to the recursive filter is applied to adder 210 to complete the backloop.
ロングタームフィルター２４の出力応答Ｈ（ｚ）はＺ変換表示で次のように定義 される。The output response H(z) of the long-term filter 24 is defined as follows in Z-transform representation. be done.
この場合、ｎはＮ個のサンプルを含むフレームのサンプル数を表し、０≦ｎ≦Ｎ −１であり、βはフィルタ係数を表し、Ｌはロングターム予測器の公称ラグまた は遅延を表かまたは等しい最も近い整数を表す。ロングターム予測器の遅延 １ （ｎ、＋Ｌ） ／ＬＪ Ｌはサンプル数ｎの関数として変化する。従って、本発 明によれば、実際のロングターム予測器の遅延はｋＬになり、この場合りは基本 的なまたは公称のロングターム予測器のラグであり、かっｋはサンプル数ｎの関 数として組み（１，２，３，４，、、ｉから選択された整数である。従って、ロ ングタームフィルタの出力応答ｂ （ｎ）は公称ロングターム予測器のラグパラ メータＬおよびフレームの始めに存在するフィルタ状態ＦＳの関数である。この ステートメントはピッチラグＬがフレーム長Ｎより小さい問題の場合に対してさ え、Ｌのすべての値に対して当−Ｃはまる。In this case, n represents the number of samples in a frame containing N samples, and 0≦n≦N −1, β represents the filter coefficients, and L is the nominal lag of the long-term predictor or represents the delay or the nearest integer equal to it. Long-term predictor delay 1 (n, +L) /LJ L changes as a function of the number of samples n. Therefore, the original According to Akira, the actual delay of the long-term predictor is kL, and in this case the basic is the lag of the formal or nominal long-term predictor, where k is the function of the number of samples n. As a number, the set is an integer selected from 1, 2, 3, 4, , i. The output response b(n) of the long-term filter is the lag parameter of the nominal long-term predictor. It is a function of the meter L and the filter state FS present at the beginning of the frame. this The statement is for the problem where the pitch lag L is smaller than the frame length N. Well, -C holds true for all values of L.
ロングターム予測器の遅延ブロック２３０の機能は将来のサンプルを予測するた めに現在の入力サンプルを記憶するこ、とである。第２Ｂ図は、シフトレジスタ の単純化した図であり、これは第２Ａ図のロングターム予測器遅延ブロック２３ ０の動作を理解する上で有用であろう。ｎ＝１（エル）のようなサンプル数１ （エル）に対し、現在の出力サンプルｂ （ｎ）がシフトレジスタの入力に印加 され、これは第２Ｂ図の右側に示されている。次のサンプルｎ＝１＋１に対して は、先のサンプルｂ （ｎ）は左にシフトレジスタの中にシフトされる。このサ ンプルは今や最初の過去のサンプルｂ（ｎ−１）となる。次のサンプルｎ＝１＋ ２に対しては、ｂ （ｎ）の他のサンプルがレジスタ中にシ多 フトされ、かつ 元のサンプルが再び左にシフトされて第２の過去のサンプルｂ（ｎ−２）になる 。Ｌ個のサンプルがシフトされた後、元のサンプルはＬの回数圧にシフトされて おり従ってそれはｂ （ｎ−Ｌ）として表すことができる。The function of the long-term predictor delay block 230 is to predict future samples. The purpose of this is to remember the current input sample. Figure 2B shows the shift register is a simplified diagram of the long-term predictor delay block 23 of FIG. 2A. This will be useful in understanding the operation of 0. The number of samples is 1, such as n = 1 (L) (el), the current output sample b(n) is applied to the input of the shift register and this is shown on the right side of Figure 2B. For the next sample n=1+1 , the previous sample b(n) is shifted to the left into the shift register. This service The sample is now the first past sample b(n-1). Next sample n=1+ 2, another sample of b(n) is shifted into the register, and The original sample is shifted left again to become the second past sample b(n-2) . After L samples are shifted, the original samples are shifted L times. Therefore, it can be expressed as b(n-L).
上に述べたように、ラグＬは典型的には有声音のピッチ期間またはその倍数であ ろう。もしラグＬが少なくともフ； レーム長Ｎと同じぐらい長ければ、十分な 数の過去のサンプルが音声の次のフレームを予測するためにシフト入力されかつ 記憶されている。Ｌ＝Ｎかつｎ＝Ｎ−１の極端な場合でも、ｂ（ｎ−Ｌ）はｂ（ −１）であり、これは真に過去のサンプルである。従って、サンプルｂ（ｎ−Ｌ ）は出力サンプルｑ （ｎ）としてシフトレジスタから出力されるであろう。As mentioned above, the lag L is typically the pitch period of the voiced sound or a multiple thereof. Dew. If the lag L is at least as long as the frame length N, then A number of past samples are shifted in and out to predict the next frame of audio. remembered. Even in the extreme case of L=N and n=N-1, b(n-L) is b( -1), which is truly a past sample. Therefore, sample b(n-L ) will be output from the shift register as output samples q(n).
しかしながら、もしロングターム予測器のラグパラメータＬがフレーム長Ｎより 短ければ、不十分な数のサンプルが次のフレームの開始までにシフトレジスタ中 にシフト入力される。２５０Ｈｚのピッチ期間の上の例を用いると、ピッチラグ Ｌは３２に等しくなる。従って、Ｌ＝３２かっＮ＝６０の場合、かつに＝Ｎ−１ ＝５９の場合、ｂ（ｎ−Ｌ）は通常ｂ（２７）となり、これは６０サンプルのフ ルームの始めに関して将来のサンプルを表す。言い換えれば、完全なロングター ム予測器応答を提供するためには不十分な過去のサンプルが格納されていること になる。予測器パラメータの閉ループ解析が達成できるようにフレームの始めに おいて完全なロングターム予測器の応答が必要である。However, if the lag parameter L of the long-term predictor is less than the frame length N If it is short, an insufficient number of samples will be in the shift register by the start of the next frame. Shift input is performed. Using the example above with a pitch period of 250Hz, the pitch lag L will be equal to 32. Therefore, if L=32 and N=60, and =N-1 = 59, b(n-L) is usually b(27), which is a frame of 60 samples. Represents a future sample with respect to the beginning of the room. In other words, a complete long term Insufficient past samples are stored to provide a system predictor response. become. at the beginning of the frame so that a closed-loop analysis of the predictor parameters can be achieved. A complete long-term predictor response is required.
その場合本発明によれば、同じ記憶されたサンプルｂ（ｎ−Ｌ）、Ｏ≦ｎ≦Ｌ１ が繰り返されそれによりロングターム予測器の出力応答は常に現在のフレームの 開始に先立ちロングターム予測器の遅延ブロックに入力されたサンプルの関数で ある。第２Ｂ図に関しては、ロングターム予測器の遅延ブロック２３０の構造を 変更することを示す、他のｋＬサンプルの記憶のためにシフトレジスタが延長さ れている。従って、該シフトレジスタが新しいサンプルｂ （ｎ）で満たされる から、ｋはｂ（ｎ−ｋＬ）がフレームの開始に先立ちシフトレジスタ中に存在す るサンプルを表すように選択されなければならない。Ｌ＝３２およびＮ＝６０の 先の例を用いると、出力サンプルｑ（３２）はサンプルｑ（０）の繰り返しであ り、これはｂ （０−Ｌ） ＝ｂ （３２−２Ｌ）またはｂ（−３２）である。In that case, according to the invention, the same stored sample b(n-L), O≦n≦L1 is repeated so that the output response of the long-term predictor is always the same as that of the current frame. is a function of the samples input to the long-term predictor's delay block prior to starting. be. With respect to FIG. 2B, the structure of the long-term predictor delay block 230 is The shift register is extended to store another kL sample indicating the change. It is. Therefore, the shift register is filled with new samples b(n) Since, k is b(n-kL) in the shift register before the start of the frame. must be selected to represent a sample of L=32 and N=60 Using the previous example, output sample q(32) is a repeat of sample q(0). Therefore, this is b (0-L) = b (32-2L) or b (-32).
従って、ロングターム予測器遅延ブロック２３０の出力応答ｑ （ｎ）は、 ｑ （ｎ） ＝ｂ （ｎ−ｋＬ） に対応し、ここで０≦ｎ≦Ｎ−１であり、ｋは（ｎ −ｋ Ｌ）が負になるよう に選択された最も小さな整数である。より特定的にはもしｓ （ｎ）のＮサンプ ルのフレームがロングターム予測器フィルタ１２４に入力されると、各サンプル 番号ｎはｊ≦ｎ≦Ｎ＋ｊ−１であり、ここでｊはＮサンプルのフレームの最初の サンプルに対するインデックスである。従って、変数には（ｎ−ｋＬ）が常にｊ より小さくなるように変化する。このことはロングターム予測器が出力応答を予 測するために該フレームの開始に先立ち利用できるサンプルのみを利用すること を保証する。Therefore, the output response q(n) of the long-term predictor delay block 230 is: q (n) = b (n-kL) , where 0≦n≦N-1, and k is such that (n - k L) is negative. is the smallest integer selected. More specifically, if N samples of s(n) When a frame of four frames is input to the long-term predictor filter 124, each sample The number n is j≦n≦N+j−1, where j is the first of a frame of N samples. This is an index for the sample. Therefore, the variable (n-kL) is always j Change to become smaller. This means that the long-term predictor predicts the output response. use only the samples available prior to the start of the frame to measure guaranteed.
第２Ａ図のロングタームフィルタ１２４の動作を第３図のフローチャートに従っ て説明する。ステップ３５０においてスタートすると、サンプル番号ｎはステッ プ３５１において０に初期化される。公称ロングターム予測器ラグパラメータＬ およびロングターム予測器係数βはステップ３５２において係数アナライザ１１ ０から入力される。ステップ３５３において、サンプル数または番号ｎがテスト され全フレームが出力されたかを見る。もしｎ＝Ｎであれば、動作はステップ３ ６１において終了する。もしすべてのサンプルがまだ計算されておらなければ、 ステップ３５４において信号サンプルｓ （ｎ）が入力される。ステップ３５５ において、ロングターム予測器遅延ブロック２３０の出力応答が次の式に従って 計算される。The operation of the long-term filter 124 in FIG. 2A is performed according to the flowchart in FIG. I will explain. Starting in step 350, sample number n is It is initialized to 0 in step 351. Nominal long-term predictor lag parameter L and the long-term predictor coefficients β are determined by the coefficient analyzer 11 in step 352. Input from 0. In step 353, the number of samples or number n tested to see if all frames have been output. If n=N, the operation is step 3 The process ends at 61. If all samples have not been calculated yet, In step 354, signal samples s(n) are input. Step 355 , the output response of the long-term predictor delay block 230 is according to the equation Calculated.
いかまたは等しい最も近い整数を表す。たとえば、もしｎ＝５６かつＬ＝３２で あれば、 巨＋Ｌ）／ＬＪＬ）は１（５６＋３２／３２Ｊ Ｌとなり、これは Ｌ（２，７５）」Ｌまたは２Ｌとなる。ステップ３５６において、ロングターム フィルタの出力応答ｂ （ｎ）は次の式に従って計算される。Represents the nearest integer equal to or equal to. For example, if n=56 and L=32 If there is, Giant+L)/LJL) will be 1(56+32/32JL), which is L(2,75)''L or 2L. In step 356, the long term The output response b(n) of the filter is calculated according to the following equation.
ｂ （ｎ） ＝βｑ （ｎ） ＋ｓ （ｎ）これは乗算器２２０および加算器２ １０の機能を表す。b (n) = βq (n) + s (n) This is multiplier 220 and adder 2 Represents 10 functions.
ステップ３５７において、ｂ（ｎ−２）およびｂ（ｎ−ＬＭＡＸ）の間のすべて のレジスタのロケーションに対して、シフトレジスタのサンプルが左に１ポジシ ヨンシフトされ、ここでＬ は割り当て可能な最大のロングターム予測ＡＸ 器ラグを表す。好ましい実施例においては、Ｌ はＩＡＸ ４３に等しい。ステップ３５８において、出力サンプルｂ（ｎ）がシフトレジス タの最初のロケーションｂ（ｎ−１）に入力される。ステップ３５９はろ渡され たサンプルｂ（ｎ）を出力する。サンプル数ｎは次にステップ３６０において増 分され、かつ次にステップ３５３においてテストされる。すべてのＮサンプルが 計算されたとき、処理はステップ３６１において終了する。In step 357, everything between b(n-2) and b(n-LMAX) For a register location, the shift register sample moves one position to the left. where L is the maximum assignable long-term prediction AX Represents a vessel rug. In a preferred embodiment, L is IAX Equal to 43. In step 358, the output samples b(n) are transferred to the shift register. data is input into the first location b(n-1) of the data. Step 359 is passed output sample b(n). The number of samples n is then increased in step 360. and then tested in step 353. All N samples are Once calculated, processing ends at step 361.
第２Ｃ図は本発明を導入したロングタームフィルタの別の実施例である。フィル タ１２４′は第２Ａ図の再帰（ｒｅｃｕｒｓｉｖｅ）フィルタ構成のフィードフ ォワード反転板である。入力ベクトルｓ （ｎ）は減算器２４０およびロングタ ーム予測器遅延ブロック２６０の双方に印加される。遅延されたベクトルｑ （ ｎ）は乗算器２５０に出力され、該乗算器２５０はロングターム予測器係数βに よって該ベクトルを尺度変更する。デジタルフィルタ１２４′の出力応答Ｈ（ｚ ）は２変換表示で次のように与えられる。FIG. 2C is another embodiment of a long-term filter incorporating the present invention. fill The filter 124' is the feedfif of the recursive filter configuration of FIG. 2A. It is a forward reversal board. The input vector s(n) is input to the subtracter 240 and the long is applied to both system predictor delay blocks 260. Delayed vector q ( n) is output to a multiplier 250, which multiplier 250 inputs the long-term predictor coefficient β Therefore, scale the vector. The output response H(z ) is given in two-transform representation as follows.
この式において、ｎはＮのサンプルを含むフレームのサンプル番号を表し、０≦ ｎ≦Ｎ−１であり、βはロングタームフィルタの係数を表し、Ｌはロングターム 予測器の公（ｎ＋Ｌ）／’Ｌより小さいかまたはこれに等しい最も近い整数を表 す。フィルタ１２４′の出力信号ｂ （ｎ）はまた入力信号ｓ （ｎ）に関し次 のように規定できる。In this formula, n represents the sample number of the frame containing N samples, and 0≦ n≦N-1, β represents the coefficient of the long-term filter, and L represents the long-term filter. represents the nearest integer less than or equal to the predictor's common (n+L)/'L vinegar. The output signal b(n) of the filter 124' also has the following relation to the input signal s(n): It can be specified as follows.
この場合、０≦ｎ≦Ｎ−１である。当業者に理解できるように、ロングターム予 測器の構造は再びロングターム予測器のラグＬがフレーム長Ｎより小さい場合に 該ロングターム予測器の同じ記憶されたサンプルを繰り返し出力するように変更 されている。In this case, 0≦n≦N-1. As can be understood by those skilled in the art, long-term forecasting The structure of the instrument is again when the lag L of the long-term predictor is smaller than the frame length N. Changed the long-term predictor to repeatedly output the same stored samples. has been done.
次に第５図を参照すると、第１図のロングタームフィルタ１２４の好ましい実施 例が示されており、これはラグパラメータＬに対するサブサンプルの分解能を許 容する。入力音声ベクトルｓ （ｎ）のＮサンプルのフレームが加算器５１０に 印加される。加算器５１０の出力はロングタームフィルタ１２４に対する出力ベ クトルｂ （ｎ）を生成する。Referring now to FIG. 5, a preferred implementation of the long-term filter 124 of FIG. An example is shown, which allows subsample resolution for the lag parameter L. To tolerate. A frame of N samples of the input speech vector s(n) is sent to the adder 510. applied. The output of adder 510 is the output vector for long-term filter 124. vector b(n) is generated.
出力ベクトルｂ （ｎ）はロングターム予測器の遅延されたベクトル発生器ブロ ック５３０にフィードバックされる。The output vector b(n) is the delayed vector generator block of the long-term predictor. feedback to block 530.
公称ロングターム予測器ラグパラメータＬもまた遅延ベクトル発生器ブロック５ ３０に入力される。ロングターム予測器ラグパラメータＬは非整数有理数の値を 取り得る。好ましい実施例はＬが２分の１の倍数である値を取ることを許容する 。本発明のサブサンプル分解能ロングターム予測器の別の構成は３分の１または ４分の１あるいは任意の他の有理分数の倍数である値を許容することができる。The nominal long-term predictor lag parameter L is also determined by the delay vector generator block 5. 30 is input. The long-term predictor lag parameter L is a non-integer rational number. It can be taken. The preferred embodiment allows L to take on values that are multiples of 1/2. . Another configuration of the subsample resolution long-term predictor of the present invention is one-third or Values that are multiples of a quarter or any other rational fraction can be accepted.
好ましい実施例においては、遅延ベクトル発生器５３０はｂ （ｎ）の過去のサ ンプルを保持するメモリを含む。さらに、ｂ （ｎ）の補間されたサンプルもま た遅延ベクトル発生器５３０で計算されかつそのメモリ内に格納される。In the preferred embodiment, delay vector generator 530 uses the past samples of b(n). Contains memory that holds samples. Furthermore, the interpolated samples of b(n) are also is calculated by the delay vector generator 530 and stored in its memory.
好ましい実施例においては、遅延ベクトル発生器５３０に含まれるロングターム 予測器の状態（ｓ ｔ ａ ｔ ｅ）はｂ（ｎ）の各々の記憶されたサンプルに 対し２つのサンプルを有している。１つのサンプルはｂ （ｎ）に対するもので ありかつ他のサンプルは２つの連続するｂ （ｎ）のサンプルの間の補間された サンプルを表す。このようにして、ｂ（ｎ）のサンプルは整数の遅延またはハー フサンプルの遅延の倍数に対応する遅延ベクトル発生器５３０から得ることがで きる。この補間は、１９８３年に、プレンティス・ホール・ルーピン・ドナリー により出版された、アール・クロチーアおよびエル・ラビナーによる「多重レー ト・デジタル信号処理」に述べられている補間有限インパルス応答フィルタを用 いて行われる。ベクトル遅延発生器５３０の動作は第６Ａ図および第６Ｂ図のフ ローチャートに関連してさらに詳細に説明される。In a preferred embodiment, delay vector generator 530 includes a long term The state of the predictor (s t a t e) is set for each stored sample of b(n). However, there are two samples. One sample is for b(n) and other samples are interpolated between two consecutive samples of b(n) Represents a sample. In this way, the samples of b(n) are integer delayed or hard can be obtained from delay vector generator 530 corresponding to a multiple of the delay of the fsample. Wear. This interpolation was developed in 1983 by Prentice Hall, Lupine, and Donnalley. “Multiple Ray” by Earl Clochia and Elle Rabiner, published by Using the interpolating finite impulse response filter described in It will be carried out. The operation of vector delay generator 530 is shown in FIGS. 6A and 6B. Further details will be explained in connection with the lowchart.
遅延ベクトル発生器５３０はロングターム乗算器ブロック５２０に出力ベクトル ｑ （ｎ）を提供し、該ロングターム乗算器ブロック５２０はロングターム予測 器係数βによりロングターム予測器応答を尺度変更する。尺度変更された出力β ｑ （ｎ）は次に加算器５１０に印加され第５図における再帰フィルタ１２４の フィードバックループを完成する。Delay vector generator 530 supplies the output vector to long-term multiplier block 520. q(n), and the long-term multiplier block 520 provides long-term prediction scale the long-term predictor response by the predictor coefficient β. scaled output β q(n) is then applied to adder 510 and is applied to recursive filter 124 in FIG. Complete the feedback loop.
第６Ａ図および第６Ｂ図を参照すると、第５図のロングタームフィルタにより行 われる動作を詳細に説明するための詳細フローチャートが示されている。本発明 の好ましい実施例によれば、ロングターム予測器メモリの分解能はＮポイントの シーケンスｂ （ｎ）を、２Ｎポイントのベクトルｅｘ （ｉ）にマツピングす ることにより拡張される。ｅｘ （ｉ）の負のインデックスされたサンプルはロ ングタームフィルタ出力ｂ（ｎ）、励起、または拡張分解能ロングタームヒスト リの拡張された分解能の過去の値を含む。該マツピング処理はそれが印加される 各時間ごとに、ロングターム予測器メモリの一時的な分解能を倍加する。ここで は簡単化のために単一段のマツピングが説明されているが、付加的な段も本発明 の他の実施例においては実施することができる。Referring to FIGS. 6A and 6B, the long-term filter of FIG. A detailed flowchart is shown to explain in detail the operations performed. present invention According to a preferred embodiment, the long-term predictor memory has a resolution of N points. Mapping the sequence b (n) to the 2N point vector ex (i) Expanded by The negative indexed samples of ex (i) are long-term filter output b(n), excitation, or extended resolution long-term hist Contains past values of extended resolution for The mapping process is applied Each time, double the temporal resolution of the long-term predictor memory. here Although a single stage of mapping is described for simplicity, additional stages are also contemplated by the present invention. can be implemented in other embodiments.
第６Ａ図におけるステップ６０２のスタートに入ると、フローチャートはステッ プ６０４に進み、そこでＬ１βおよびｓ （ｎ）が入力される。ステップ６０８ において、ベクトルｑ （ｎ）が次の式に従って構成される。Upon entering the start of step 602 in FIG. 6A, the flowchart The process advances to step 604, where L1β and s(n) are input. Step 608 , the vector q(n) is constructed according to the following equation.
この式において ｉ（ｎ＋Ｌ）／ＬＪは（ｎ＋Ｌ）／Ｌより小さいかまたは等し い最も近い整数を表し、かつＬはロングターム予測器ラグである。有声音に対し ては、ロングターム予測器ラグＬはピッチ期間またはピッチ期間の倍数である。In this formula, i(n+L)/LJ is less than or equal to (n+L)/L. and L is the long-term predictor lag. for voiced sounds In other words, the long-term predictor lag L is the pitch period or a multiple of the pitch period.
Ｌは整数または好ましい実施例においてはその少数部分が０． ５である実数で ある。Ｌの少数部分が０．５である場合、Ｌはサンプルの半分の実効分解能を有 する。L is an integer or, in a preferred embodiment, the decimal portion thereof is 0. A real number that is 5 be. If the fractional part of L is 0.5, then L has an effective resolution of half the sample. do.
ステップ６１０において、ロングタームフィルタのベクトルｂ （ｎ）は次の式 によって計算される。In step 610, the long-term filter vector b(n) is determined by the following equation: Calculated by
ｂ （ｎ） ＝βＱ （ｎ） ＋ｓ （ｎ）但し、０≦ｎ≦Ｎ−１ ステップ６１２において、ロングタームフィルタのベクトルｂ （ｎ）が出力さ れる。ステップ６１４において、拡張された分解能の状態ｅｘ（ｎ）が更新され ｑ （ｎ）の補間値が発生されかつ遅延ベクトル発生器５３０のメモリ内に格納 される。ステップ６１４は第６Ｂ図により詳細に示されている。次に、ステップ ６１６において処理は完了しかつ停止する。b (n) = βQ (n) + s (n) However, 0≦n≦N-1 In step 612, the long-term filter vector b(n) is output. It will be done. In step 614, the extended resolution state ex(n) is updated. An interpolated value of q(n) is generated and stored in the memory of the delay vector generator 530. be done. Step 614 is shown in more detail in Figure 6B. Then step At 616, processing is complete and stops.
第６ＢＩＩのステップ６２２におけるスタートに入ると、フローチャートはステ ップ６２４に進み、そこでこのサブフレームにおいて計算されるべきｅｘ （ｉ ）におけるサンプルが０に合わせられ、すなわちｉ ＝−Ｍ、 −Ｍ＋２． 、 。Upon entering the start at step 622 of the sixth BII, the flowchart Proceed to step 624 where ex(i ) are zeroed, i.e. i = -M, -M+2 . , .
、、２Ｎ−１に対しｅｘ （ｉ）＝０とされ、ここでＭは２Ｍ＋１次のフィルタ のために奇数に選択される。たとえば、フィルタの次数が３９であれば、Ｍは１ ９である。もちろんＭは単純化のために奇数であるとして選択されているが、Ｍ はまた偶数でもよい。ステップ６２６において、ｉ＝０゜２、、、、．２（Ｎ− １）に対するｅｘ （ｉ）の１つおきのサンプルが次の式に従いｂ （ｎ）のサ ンプルで初期化される。,, ex (i) = 0 for 2N-1, where M is the 2M+1st-order filter is chosen to be an odd number. For example, if the order of the filter is 39, M is 1 It is 9. Of course, M is chosen to be odd for simplicity, but M can also be an even number. In step 626, i=0°2, . 2(N- For 1), every other sample of ex (i) is the sample of b (n) according to the following formula. initialized with a sample.
ｅｘ （２ｉ） ＝ｂ （ｆ） 但し、ｉ＝０．１．、、、、Ｎ−１゜ 従って、ｊ＝０． ２． 、 、 、 、 ２ （Ｎ−１）に対するｅｘ （ｉ ）はその偶数の指数に対しマツピングされた現在のサブフレームに対する出力ベ クトルｂ （ｎ）を保持し、一方ｉ＝１． ３． 、 、 、 、 ２ （Ｎ− １） ＋１に対するｅｘｄ（ｉ）の奇数の指数は０で初期化されている。ex (2i) = b (f) However, i=0.1. ,,,,N-1゜ Therefore, j=0. 2. , , , , ex (i ) is the output vector for the current subframe mapped to that even index. vector b(n), while i=1. 3. , , , , 2 (N- 1) Odd exponents of exd(i) for +1 are initialized to 0.
ステップ６２８において、０に初期化されたｅｘ （ｉ）の補間されたサンプル がそのようなＦＩＲフィルタの次数が上に述べたように２Ｍ＋１であると仮定し て、対称、ゼロ位相シフトフィルタを使用し、ＦＩＲ補間により再構成される。In step 628, the interpolated samples of ex(i) initialized to 0 Assume that the order of such a FIR filter is 2M+1 as mentioned above. is reconstructed by FIR interpolation using a symmetric, zero phase shift filter.
ＦＩＲフィルタの係数はａ （Ｄであり、ここでｊ＝−Ｍ、−Ｍ＋２．、、、、 Ｍ−１，Ｍおよびａ （Ｄ＝ａ（−ｊ）である。ＦＩＲフィルタのタップに向け られた偶数サンプルのみがサンプル再構成において使用されるが、それは奇数サ ンプルは０にセットされているからである。その結果、２Ｍ＋１サンプルの代わ りにＭ＋１サンプルが実際に重み付けられかつ各々の再構成されたサンプルのた めに加算される。ＦＩＲ補間は次の式に従って行われる。The coefficients of the FIR filter are a (D, where j=-M, -M+2., , M-1, M and a (D=a(-j). Towards the tap of the FIR filter Only the even numbered samples are used in the sample reconstruction, while the odd numbered samples This is because sample is set to 0. As a result, instead of 2M+1 samples, Then M+1 samples are actually weighted and for each reconstructed sample will be added to the FIR interpolation is performed according to the following equation.
（Ｍ＋］） ｅｔ（ｉ）＝ ２Σ”２ｊ−１［ｅｘ（ｉ−２ｉ＋Ｉ）＋ｅｘ（ｉ＋２ｉ−１） ］ｊ・１ 但し、ｉ＝−Ｍ、 −１１＋２． 、 、 、 、２ （Ｎ−１） −Ｍ−２， ２（Ｎ〜１）−Ｍ再構成されるべき最初のサンプルはｅｘ（−Ｍ）であり、期待 するようにｅｘ（１）ではないことに注意を要する。(M+]) et(i)= 2Σ”2j-1[ex(i-2i+I)+ex(i+2i-1) ]j・1 However, i=-M, -11+2. , , , , 2 (N-1) -M-2, 2(N~1)-M The first sample to be reconstructed is ex(-M) and the expected Note that it is not ex(1) as shown in the figure.
これは、指数−Ｍ、 −Ｍ＋２． 、 、 、 、−１における補間されたサン プルは現在のフレームにおける励起の評価を用いて先のフレームにおいて再構成 されたからであり、それは実際の励起サンプルはその時規定されていなかったか らである。現在のフレームにおいてこれらのサンプルは知られており（我々はｂ （ｎ）を有している）、かつ従ってｉ＝−Ｍ、−Ｍ＋、、、、、−１に対する ｅｘ（ｉ）のサンプルは今や再び再構成され、フィルタのタップは実際のかつ評 価されていない値ｂ （ｎ）に向けられている。This is the index -M, -M+2. Interpolated samples at , , , , -1 Pull reconstructs in the previous frame using the evaluation of the excitation in the current frame because the actual excitation sample was not specified at that time. It is et al. In the current frame these samples are known (we have b (n)), and therefore for i=-M, -M+, , , , -1 The samples of ex(i) are now reconstructed again and the taps of the filter are is directed to the unvalued value b(n).
上の式においてｉの最大の値は２ （Ｎ−１）−Ｍである。In the above equation, the maximum value of i is 2(N-1)-M.
これは、ｉ ＝２Ｎ−Ｍ、２Ｎ−Ｍ＋２． 、 、 、 、 ２ （Ｎ −１） ＋１に対し、ｅｘ （ｉ）の（Ｍ＋１）／２の奇数サンプルが依然として再構成 されるべきであることを意味する。This means that i = 2N-M, 2N-M+2. , , , , 2 (N-1) +1, (M+1)/2 odd samples of ex (i) are still reconstructed means that it should be done.
しかしながら、指数（ｉｎｄｅｘ）ｉのこれらの値に対し、補間フィルタのより 上のタップはまだ規定されていない励起の将来のサンプルを指示している。これ らの指数に対するｅｘ （ｉ）の値を計算するためには、１＝２Ｎ、２Ｎ＋２． 、、、．２Ｎ＋Ｍに対するｅｘ （ｉ） （７）将来の状態カステップ６３０に おいて評価することにより拡張される。However, for these values of index i, the interpolation filter's The top tap indicates future samples of excitation that have not yet been defined. this To calculate the value of ex (i) for the exponents of 1=2N, 2N+2. ,,,． ex (i) for 2N+M (7) Future state Ka step 630 It is expanded by evaluating the
ｅｘ （ｉ）＝λｅｘ（ｉ−２Ｌ） 但し、１＝２Ｎ、２Ｎ＋２．、、、．２Ｎ＋Ｍ−１この機構において使用される べき２Ｌの最小値は２Ｍ＋１である。この束縛は次のように規定することにより 解放できる。ex (i) = λex (i-2L) However, 1=2N, 2N+2. ,,,． 2N+M-1 used in this mechanism The minimum value of power 2L is 2M+1. This binding can be achieved by specifying It can be released.
ｅｘ （ｉ）＝λｅｘ （Ｆ （ｉ−２Ｌ） ）但し、１＝２Ｎ、２Ｎ＋２．、 、、．２Ｎ＋Ｍ−１この場合、奇数に等しい１−２Ｌに対し、Ｆ （ｉ−２Ｌ） は次式で与えられる。ex (i) = λex (F (i-2L)) where 1 = 2N, 2N + 2. , ,,． 2N+M-1 In this case, F (i-2L) for 1-2L which is equal to an odd number is given by the following equation.
また、偶数に等しい１−２Ｌに対するＦ（ｉ−２Ｌ）は次式により与えられる。Further, F(i-2L) for 1-2L, which is an even number, is given by the following equation.
パラメータλ、すなわちヒストリ拡張スケールファクタは、ピッチ予測器係数で ある、βに等しくセットすることができ、あるいは１にセットされる。The parameter λ, i.e. the history expansion scale factor, is the pitch predictor coefficient 1, can be set equal to β, or is set to 1.
励起ヒストリがこのように拡張されると、ステップ６３２において、現行の拡張 されたレゾリュージョンのサブフレームの最後の（Ｍ＋１）／２のゼロサンプル は次式を用いて計算される。Once the excitation history has been expanded in this way, in step 632 the current expansion The last (M+1)/2 zero samples of the subframe of the resolved resolution is calculated using the following formula.
（Ｍ＋１） ｅｘ（ｉ）＝ ２Σ ’２ｉ−１［ｅｘ（ｉ−２ｉ＋１）＋ｅｘ（ｉ＋２ｉ−１ ） ］ｉ＝１ 但し、ｉ・２Ｎ−Ｍ、 ２Ｎ−Ｍ＋２． 、 、 、 、２ （Ｎ−１） ＋１ これらのサンプルは、１＝２Ｎ、２Ｎ＋２．、、、．２Ｎ＋Ｍ−１に対するｅｘ （ｆ）のための実際の励起サンプルが一旦利用可能になると、次のサブフレー ムで再計算されるであろう。(M+1) ex(i)=2Σ'2i-1[ex(i-2i+1)+ex(i+2i-1 )]i=1 However, i・2N-M, 2N-M+2. , , , , 2 (N-1) +1 These samples are 1=2N, 2N+2. ,,,． ex for 2N+M-1 Once the actual excitation sample for (f) is available, the next subframe will be recalculated in the next session.
従って、ｎ＝０．Ｎ−１に対し、ｂ （ｎ）がベクトルｅｘ （ｉ）にマツピン グされ、ここでｉ＝ｏ、２．、、、。Therefore, n=0. For N-1, b (n) is attached to vector ex (i) , where i=o, 2. ,,,.
２ （Ｎ−１）である。失われたゼロ化サンプルはＦＩＲ補間フィルタを用いて 再構成されている。ＦＩＲ補間は失われたサンプルにのみ適用されることに注意 を要する。これはｅｘ （ｉ）の偶数の指数に格納されている、知られたサンプ ルに何等のひずみも無用に導入されないことを保証する。失われたサンプルのみ を処理する付加的な利点は補間に関連する計算が半分になることである。2 (N-1). Lost zeroed samples are removed using a FIR interpolation filter. It has been restructured. Note that FIR interpolation is only applied to missing samples It takes. This is the known sample stored in the even exponent of ex(i). ensure that no strain is unnecessarily introduced into the module. lost samples only An additional advantage of processing is that the computations associated with interpolation are halved.
ステップ６３４において、最後にロングターム予測器ヒストリが２Ｎポイントに より拡張されたレゾリュージョン励起ベクトルｅｘ （ｉ）の内容をシフトダウ ンすることにより更新される。In step 634, the long-term predictor history finally reaches the 2N point. Shift down the contents of the more extended resolution excitation vector ex (i) Updated by logging in.
ｅｘ （ｉ）＝ｅｘ （ｉ＋２Ｎ） 但し、ｉ＝２Ｍａｘ Ｌ、−１ ここで、ＭａｘＬは用いられる最大のロングターム予測器遅延である。次に、ス テップ６３６において、処理は完了しかつ停止する。ex (i) = ex (i+2N) However, i=2Max L, -1 where MaxL is the maximum long-term predictor delay used. Next, At step 636, processing is complete and stops.
次に第４図を参照すると、音声合成器（ｓｐｅｅｃｈｓｙｎｔｈｅｓｉｚｏｒ） のブロック図が本発明のロングタームフィルタを用いて図示されている。シンセ サイザ４００はデマルチプレクサ４５０を介し、チャネルから受信したショート ターム予測器パラメータα１、ロングターム予測器パラメータβおよびＬ１励起 利得ファクタγおよびコード語■を得る。コード語ＩはコードブックＲＯＭ４２ ０に印加され励起ベクトルのコードブックをアドレスする。Referring now to FIG. 4, a speech synthesizer (speech synthesizer) A block diagram of is illustrated using the long-term filter of the present invention. synth The sizer 400 sends short signals received from the channel via a demultiplexer 450. Term predictor parameter α1, long term predictor parameter β and L1 excitation Obtain the gain factor γ and the code word ■. Code word I is code book ROM42 0 to address the codebook of excitation vectors.
コードブックＲＯＭ４２０は好ましくは、ここに参照のため導入される、米国特 許第４，８１７，１５７号に述べられているようにして実施される。単一の励起 ベクトルｕ■（ｎ）が次にブロック４２２において利得ファクタγにより乗算さ れ、ロングターム予測器フィルタ４２４およびショートターム予測器フィルタ４ ２６によりろ波され再構成された音声ベクトルｓ’ １（ｎ）を得る。再構成さ れた音声のフレームを表す、このベクトルは次にアナログ−デジタル（Ａ／Ｄ） コンバータ４０８に印加され再構成されたアナログ信号を生成し、これは次にフ ィルタ４０４によりエイリアシングを低減するために低域ろ波され、かつスピー カ４０２のような出力変換器に印加される。従って、このＣＥＬＰシンセサイザ は第１図のＣＥＬＰアナライザと同じコードブック、利得ブロック、ロングター ムフィルタ、およびショートタームフィルタを用いる。Codebook ROM 420 is preferably a US Pat. No. 4,817,157. single excitation The vector u(n) is then multiplied by the gain factor γ in block 422. , long-term predictor filter 424 and short-term predictor filter 4 26 to obtain the filtered and reconstructed speech vector s'1(n). reconstructed This vector is then converted into an analog-to-digital (A/D) is applied to a converter 408 to produce a reconstructed analog signal, which is then applied to a converter 408. filter 404 to reduce aliasing and is applied to an output transducer such as 402. Therefore, this CELP synthesizer has the same codebook, gain block, and long term as the CELP analyzer in Figure 1. A short-term filter and a short-term filter are used.
第７図は、第４図における音声シンセサイザのショートタームフィルタ４２６お よびＤ／Ａコンバータ４０８を相互結合するためのピッチポストフィルタの詳細 なブロック図である。ピッチポストフィルタは音声品質をフィルタ４２４および ４２６により導入されるノイズを除去することにより増大する。Ｎサンプルの再 構成された音声ベクトルｓ’ １ （ｎ）のフレームが加算器７１０に印加され る。加算器７１０の出力はピッチポストフィルタのための出力ベクトルｓ”（ｎ ）を生成する。出力ベクトルｓ″ （ｎ）はピッチポストフィルタの遅延サンプ ル発生器ブロック６３０にフィードバックされる。公称（ｎｏｍｉｎａｌ）ロン グターム予測器ラグパラメータＬもまた遅延サンプル発生器ブロック７３０に入 力される。Ｌは本発明に対しては非整数値をとることができる。もしＬが非整数 であれば、補間ＦＩＲフィルタが使用され必要とされる分数的サンプル遅延を発 生する。遅延サンプル発生器７３０は出力ベクトルｑ （ｎ）を乗算器ブロック ７２０に提供し、該乗算器ブロック７２０はピッチポストフィルタ応答をロング ターム予測器係数βの関数である係数Ｒによって尺度変更する。FIG. 7 shows the short-term filter 426 and the voice synthesizer in FIG. Pitch post filter details for mutually coupling D/A converter 408 and D/A converter 408 It is a block diagram. The pitch post filter improves the audio quality by filtering 424 and 426 is increased by removing the noise introduced by 426. N samples re The constructed frame of speech vector s'1(n) is applied to adder 710. Ru. The output of adder 710 is the output vector s''(n ) is generated. The output vector s'' (n) is the delayed sample of the pitch post filter is fed back to the file generator block 630. nominal Ron The term predictor lag parameter L also enters delayed sample generator block 730. Powered. L can take non-integer values for the present invention. If L is a non-integer If so, an interpolating FIR filter is used to generate the required fractional sample delay. live. Delayed sample generator 730 transfers the output vector q(n) to the multiplier block 720, the multiplier block 720 provides a pitch postfilter response to a long Scale by a coefficient R that is a function of the term predictor coefficient β.
尺度変更された出力Ｒｑ （ｎ）は次に加算器７１０に印加され第７図のピッチ ポストフィルタのフィードバックループを、完成する。The scaled output Rq(n) is then applied to an adder 710 to generate the pitch of FIG. Complete the postfilter feedback loop.
本発明に係わるロングターム予測器応答を利用する際に、励起利得ファクタγお よびロングターム予測器係数βは閉ループ構成におけるＬのすべての値に対し同 時に最適化することができる。この結合された最適化技術はＬ＜Ｎの値に対して は今までは実際的ではなかったが、それは結合最適化方程式が単一パラメータβ において非線形となるからであった。本発明はロングターム予測器の構造を変更 しリニアな結合最適化方程式を許容する。さらに、本発明はロングターム予測器 ラグが１サンプルより良好な分解能を持つことを許容し、それによりその性能を 増強する。When utilizing the long-term predictor response according to the present invention, the excitation gain factor γ and and long-term predictor coefficient β are the same for all values of L in the closed-loop configuration. can be optimized at times. This combined optimization technique works for values of L<N. has not been practical until now, since the joint optimization equation has a single parameter β This is because it becomes nonlinear in . The present invention changes the structure of the long-term predictor and allows linear joint optimization equations. Furthermore, the present invention provides a long-term predictor Allows the lag to have better resolution than one sample, thereby improving its performance. Strengthen.
さらに、フードブックサーチ手順がさらに単純化されるが、それはロングターム フィルタのゼロ状態応答がフレーム長より小さなラグに対しゼロになるからであ る。この付加的な特徴は当業者がロングタームフィルタの効果をフードブックサ ーチ手順から除去することを許容する。従って、実際の実施上の利点および低い ビットレートを維持しながらすべてのピッチレートに対しより高い品質の音声を 提供できるＣＥＬＰ音声コーダコーされた。In addition, the food book search procedure is further simplified, but only in long terms. This is because the zero-state response of the filter goes to zero for lags smaller than the frame length. Ru. This additional feature allows those skilled in the art to appreciate the effectiveness of long-term filters in food book studies. be removed from the process. Therefore, the practical implementation advantage and low Higher quality audio for all pitch rates while maintaining bitrate CELP audio coder can be provided.
本発明の特定の実施例が示されかつ説明されたが、その広い見地における本発明 から離れることなくさらに別の変更および改良を行うことができる。例えば、任 意の形式の音声コーディング（例えば、ＲＥＬＰ、マルチパルス、ＲＰＥ、ＬＰ Ｇ、その他）をここに述べたサブサンプル分解能ロングターム予測器ろ波技術と ともに用いることができる。さらに、サブサンプル分解能のロングターム予測器 構造の付加的な等画構成を上に述べたものと同じ計算を行うように構成すること ができる。While specific embodiments of the invention have been shown and described, the invention in its broader aspects Further changes and improvements can be made without departing from the. For example, Any form of audio coding (e.g. RELP, multipulse, RPE, LP) G, et al.) with the subsample resolution long-term predictor filtering techniques described here. Both can be used. Additionally, a long-term predictor with subsample resolution Configuring additional isometric configurations of structures to perform the same calculations as described above. Can be done.
ＦＩＧ、６Ｂ 閑瞭膿査報告 １ｍｓ□ＩＡ″″−“’ｐＣｗ１０ｃＱｎ／（ＩＭ２５FIG.6B Absolute abscess report 1ms□IA″″−“’pCw10cQn/(IM25
Claims (4)
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US40220689A | 1989-09-01 | 1989-09-01 | |
| US402,206 | 1989-09-01 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH04502675A true JPH04502675A (en) | 1992-05-14 |
| JP3268360B2 JP3268360B2 (en) | 2002-03-25 |
Family
ID=23590969
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP50964190A Expired - Lifetime JP3268360B2 (en) | 1989-09-01 | 1990-06-25 | Digital speech coder with improved long-term predictor |
Country Status (12)
| Country | Link |
|---|---|
| EP (1) | EP0450064B2 (en) |
| JP (1) | JP3268360B2 (en) |
| CN (1) | CN1026274C (en) |
| AT (1) | ATE191987T1 (en) |
| AU (1) | AU634795B2 (en) |
| CA (1) | CA2037899C (en) |
| DE (1) | DE69033510T3 (en) |
| DK (1) | DK0450064T4 (en) |
| ES (1) | ES2145737T5 (en) |
| MX (1) | MX167644B (en) |
| SG (1) | SG47028A1 (en) |
| WO (1) | WO1991003790A1 (en) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5687284A (en) * | 1994-06-21 | 1997-11-11 | Nec Corporation | Excitation signal encoding method and device capable of encoding with high quality |
| WO2002059876A1 (en) * | 2001-01-25 | 2002-08-01 | Sony Corporation | Data processing apparatus |
| WO2002059877A1 (en) * | 2001-01-25 | 2002-08-01 | Sony Corporation | Data processing device |
Families Citing this family (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5327520A (en) * | 1992-06-04 | 1994-07-05 | At&T Bell Laboratories | Method of use of voice message coder/decoder |
| FR2702590B1 (en) * | 1993-03-12 | 1995-04-28 | Dominique Massaloux | Device for digital coding and decoding of speech, method for exploring a pseudo-logarithmic dictionary of LTP delays, and method for LTP analysis. |
| FI96248C (en) | 1993-05-06 | 1996-05-27 | Nokia Mobile Phones Ltd | Method for providing a synthetic filter for long-term interval and synthesis filter for speech coder |
| DE4421853A1 (en) * | 1994-06-22 | 1996-01-04 | Philips Patentverwaltung | Mobile terminal |
| GB9408037D0 (en) * | 1994-04-22 | 1994-06-15 | Philips Electronics Uk Ltd | Analogue signal coder |
| FR2729246A1 (en) * | 1995-01-06 | 1996-07-12 | Matra Communication | SYNTHETIC ANALYSIS-SPEECH CODING METHOD |
| FR2729247A1 (en) * | 1995-01-06 | 1996-07-12 | Matra Communication | SYNTHETIC ANALYSIS-SPEECH CODING METHOD |
| FR2729244B1 (en) * | 1995-01-06 | 1997-03-28 | Matra Communication | SYNTHESIS ANALYSIS SPEECH CODING METHOD |
| US5708757A (en) * | 1996-04-22 | 1998-01-13 | France Telecom | Method of determining parameters of a pitch synthesis filter in a speech coder, and speech coder implementing such method |
| GB2466674B (en) | 2009-01-06 | 2013-11-13 | Skype | Speech coding |
| GB2466673B (en) | 2009-01-06 | 2012-11-07 | Skype | Quantization |
| GB2466671B (en) | 2009-01-06 | 2013-03-27 | Skype | Speech encoding |
| GB2466675B (en) | 2009-01-06 | 2013-03-06 | Skype | Speech coding |
| GB2466672B (en) * | 2009-01-06 | 2013-03-13 | Skype | Speech coding |
| CN104025191A (en) * | 2011-10-18 | 2014-09-03 | 爱立信(中国)通信有限公司 | An improved method and apparatus for adaptive multi rate codec |
| FR3015754A1 (en) | 2013-12-20 | 2015-06-26 | Orange | RE-SAMPLING A CADENCE AUDIO SIGNAL AT A VARIABLE SAMPLING FREQUENCY ACCORDING TO THE FRAME |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS63214032A (en) * | 1987-03-02 | 1988-09-06 | Fujitsu Ltd | Coding transmitter |
| JPS63249200A (en) * | 1987-04-06 | 1988-10-17 | 日本電信電話株式会社 | Vector quantization system |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| NL168669C (en) * | 1974-09-16 | 1982-04-16 | Philips Nv | INTERPOLING DIGITAL FILTER WITH INPUT BUFFER. |
| US4080660A (en) * | 1975-07-11 | 1978-03-21 | James Nickolas Constant | Digital signal time scale inversion |
| US4020332A (en) * | 1975-09-24 | 1977-04-26 | Bell Telephone Laboratories, Incorporated | Interpolation-decimation circuit for increasing or decreasing digital sampling frequency |
| NL8105801A (en) * | 1981-12-23 | 1983-07-18 | Philips Nv | RECURSIVE DIGITAL FILTER. |
| US4573135A (en) * | 1983-04-25 | 1986-02-25 | Rca Corporation | Digital lowpass filter having controllable gain |
| JPS60116000A (en) * | 1983-11-28 | 1985-06-22 | ケイディディ株式会社 | Voice encoding system |
| JPH01177227A (en) * | 1988-01-05 | 1989-07-13 | Toshiba Corp | Sound coder and decoder |
-
1990
- 1990-06-25 DE DE69033510T patent/DE69033510T3/en not_active Expired - Lifetime
- 1990-06-25 AU AU59525/90A patent/AU634795B2/en not_active Expired
- 1990-06-25 DK DK91905041T patent/DK0450064T4/en active
- 1990-06-25 AT AT91905041T patent/ATE191987T1/en not_active IP Right Cessation
- 1990-06-25 SG SG1996002783A patent/SG47028A1/en unknown
- 1990-06-25 CA CA002037899A patent/CA2037899C/en not_active Expired - Lifetime
- 1990-06-25 EP EP91905041A patent/EP0450064B2/en not_active Expired - Lifetime
- 1990-06-25 WO PCT/US1990/003625 patent/WO1991003790A1/en active IP Right Grant
- 1990-06-25 JP JP50964190A patent/JP3268360B2/en not_active Expired - Lifetime
- 1990-06-25 ES ES91905041T patent/ES2145737T5/en not_active Expired - Lifetime
- 1990-08-15 MX MX021980A patent/MX167644B/en unknown
- 1990-08-31 CN CN90109233A patent/CN1026274C/en not_active Expired - Lifetime
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS63214032A (en) * | 1987-03-02 | 1988-09-06 | Fujitsu Ltd | Coding transmitter |
| JPS63249200A (en) * | 1987-04-06 | 1988-10-17 | 日本電信電話株式会社 | Vector quantization system |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5687284A (en) * | 1994-06-21 | 1997-11-11 | Nec Corporation | Excitation signal encoding method and device capable of encoding with high quality |
| WO2002059876A1 (en) * | 2001-01-25 | 2002-08-01 | Sony Corporation | Data processing apparatus |
| WO2002059877A1 (en) * | 2001-01-25 | 2002-08-01 | Sony Corporation | Data processing device |
| US7269559B2 (en) | 2001-01-25 | 2007-09-11 | Sony Corporation | Speech decoding apparatus and method using prediction and class taps |
| US7467083B2 (en) | 2001-01-25 | 2008-12-16 | Sony Corporation | Data processing apparatus |
Also Published As
| Publication number | Publication date |
|---|---|
| JP3268360B2 (en) | 2002-03-25 |
| ES2145737T5 (en) | 2007-03-01 |
| DE69033510D1 (en) | 2000-05-25 |
| DK0450064T3 (en) | 2000-10-02 |
| CN1050633A (en) | 1991-04-10 |
| AU634795B2 (en) | 1993-03-04 |
| CN1026274C (en) | 1994-10-19 |
| EP0450064B1 (en) | 2000-04-19 |
| DK0450064T4 (en) | 2006-09-04 |
| CA2037899C (en) | 1996-09-17 |
| ATE191987T1 (en) | 2000-05-15 |
| AU5952590A (en) | 1991-04-08 |
| CA2037899A1 (en) | 1991-03-02 |
| DE69033510T3 (en) | 2007-06-06 |
| EP0450064A4 (en) | 1995-04-05 |
| EP0450064B2 (en) | 2006-08-09 |
| MX167644B (en) | 1993-03-31 |
| DE69033510T2 (en) | 2000-11-23 |
| SG47028A1 (en) | 1998-03-20 |
| EP0450064A1 (en) | 1991-10-09 |
| ES2145737T3 (en) | 2000-07-16 |
| WO1991003790A1 (en) | 1991-03-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US5359696A (en) | Digital speech coder having improved sub-sample resolution long-term predictor | |
| US6401062B1 (en) | Apparatus for encoding and apparatus for decoding speech and musical signals | |
| JPH04502675A (en) | Digital speech coder with improved long-term predictor | |
| JP4005359B2 (en) | Speech coding and speech decoding apparatus | |
| USRE43099E1 (en) | Speech coder methods and systems | |
| JP3541680B2 (en) | Audio music signal encoding device and decoding device | |
| US20040111257A1 (en) | Transcoding apparatus and method between CELP-based codecs using bandwidth extension | |
| SE521600C2 (en) | Lågbittaktskodek | |
| JP2005515486A (en) | Transcoding scheme between speech codes by CELP | |
| JP4008607B2 (en) | Speech encoding / decoding method | |
| JP2645465B2 (en) | Low delay low bit rate speech coder | |
| KR20040045586A (en) | Apparatus and method for transcoding between CELP type codecs with a different bandwidths | |
| JP3531780B2 (en) | Voice encoding method and decoding method | |
| JP3168238B2 (en) | Method and apparatus for increasing the periodicity of a reconstructed audio signal | |
| KR100312336B1 (en) | speech quality enhancement method of vocoder using formant postfiltering adopting multi-order LPC coefficient | |
| JPH05273998A (en) | Voice encoder | |
| JP4007730B2 (en) | Speech encoding apparatus, speech encoding method, and computer-readable recording medium recording speech encoding algorithm | |
| JP4293005B2 (en) | Speech and music signal encoding apparatus and decoding apparatus | |
| KR950001437B1 (en) | Method of voice decoding | |
| JP2000305597A (en) | Coding for speech compression | |
| JPH11184499A (en) | Voice encoding method and voice encoding method | |
| WO2001009880A1 (en) | Multimode vselp speech coder | |
| Kao | Thesis Report | |
| JP2000305598A (en) | Adaptive post filter | |
| JPH04346400A (en) | Voice analysis/synthesis method |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080118 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090118 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090118 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100118 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110118 Year of fee payment: 9 |
|
| EXPY | Cancellation because of completion of term | ||
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110118 Year of fee payment: 9 |