JPH0540500A - 音声符号化装置 - Google Patents
音声符号化装置Info
- Publication number
- JPH0540500A JPH0540500A JP3196521A JP19652191A JPH0540500A JP H0540500 A JPH0540500 A JP H0540500A JP 3196521 A JP3196521 A JP 3196521A JP 19652191 A JP19652191 A JP 19652191A JP H0540500 A JPH0540500 A JP H0540500A
- Authority
- JP
- Japan
- Prior art keywords
- pitch
- signal
- prediction
- predictor
- pitch length
- 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
Abstract
(57)【要約】
【目的】 伝送情報量が少なく、かつ、高周波のピッチ
長の信号を精度良く予測することのできるピッチ予測器
を備えた音声符号化装置を提供する。 【構成】 ＣＥＬＰ音声符号化処理において、ピッチ長
情報の伝送を複数のサブフレーム単位で行い、ピッチ長
の決定を行うために、複数のサブフレーム毎に入力音声
信号を線形予測器で予測し、線形予測残差信号を算出す
る。適応コードブック内の過去の励振信号と、上記線形
予測残差信号から、相互相関係数を評価基準としピッチ
長を決定する。ピッチ予測係数の決定は、サブフレーム
毎に先に求めたピッチ長で、ピッチ予測係数のコードブ
ック全てに対してピッチ予測を行い、再生信号が聴覚的
重み付けした後、入力信号との誤差が最小になる係数を
選択する。
長の信号を精度良く予測することのできるピッチ予測器
を備えた音声符号化装置を提供する。 【構成】 ＣＥＬＰ音声符号化処理において、ピッチ長
情報の伝送を複数のサブフレーム単位で行い、ピッチ長
の決定を行うために、複数のサブフレーム毎に入力音声
信号を線形予測器で予測し、線形予測残差信号を算出す
る。適応コードブック内の過去の励振信号と、上記線形
予測残差信号から、相互相関係数を評価基準としピッチ
長を決定する。ピッチ予測係数の決定は、サブフレーム
毎に先に求めたピッチ長で、ピッチ予測係数のコードブ
ック全てに対してピッチ予測を行い、再生信号が聴覚的
重み付けした後、入力信号との誤差が最小になる係数を
選択する。
Description
【０００１】
【産業上の利用分野】この発明は、音声信号のピッチ構
造を利用し、ピッチ予測を行うことで効率的に音声信号
を情報圧縮し、伝送或いは蓄積する装置に関する。
造を利用し、ピッチ予測を行うことで効率的に音声信号
を情報圧縮し、伝送或いは蓄積する装置に関する。
【０００２】
【従来の技術】音声信号は近接サンプルの相関がかなり
高く、近接サンプルの信号系列による線形予測の手法を
用いて、音声信号を効率良く情報圧縮する手段が広く利
用されている。また音声信号にはピッチによる繰り返し
的な冗長性もあり、ピッチ予測により情報圧縮の効率を
更に高める手段も広く利用されている。
高く、近接サンプルの信号系列による線形予測の手法を
用いて、音声信号を効率良く情報圧縮する手段が広く利
用されている。また音声信号にはピッチによる繰り返し
的な冗長性もあり、ピッチ予測により情報圧縮の効率を
更に高める手段も広く利用されている。
【０００３】これら二つの線形予測の手段を用いた低ビ
ットレイトの音声符号化方式として、符号励振線形予測
符号化（Code-Excited Linear Prediction：以後ＣＥＬ
Ｐと記す。）が盛んに研究開発されている(例えば、"St
ochastic Coding of SpeechSignals at Very Low Bit R
ates：The Importance of Speech Perception" M,R,Sch
roeder and B,S,Atal Speech Communication 4 1985 pa
ge 155-162 North-Holland 参照)。ＣＥＬＰにおいて
は、励振信号波形を例えば４０サンプルの長さのベクト
ルとして取り扱い、ベクトル量子化の技術を用いて励振
信号波形を非常に低ビットレイトで圧縮符号化してい
る。
ットレイトの音声符号化方式として、符号励振線形予測
符号化（Code-Excited Linear Prediction：以後ＣＥＬ
Ｐと記す。）が盛んに研究開発されている(例えば、"St
ochastic Coding of SpeechSignals at Very Low Bit R
ates：The Importance of Speech Perception" M,R,Sch
roeder and B,S,Atal Speech Communication 4 1985 pa
ge 155-162 North-Holland 参照)。ＣＥＬＰにおいて
は、励振信号波形を例えば４０サンプルの長さのベクト
ルとして取り扱い、ベクトル量子化の技術を用いて励振
信号波形を非常に低ビットレイトで圧縮符号化してい
る。
【０００４】基本的なＣＥＬＰ符号化器の方式説明を、
図５を用いて行う。なお、ここではピッチ予測器として
公知の技術である閉ループの１タップのピッチ予測器を
用いる。
図５を用いて行う。なお、ここではピッチ予測器として
公知の技術である閉ループの１タップのピッチ予測器を
用いる。
【０００５】先ず図５で示すＣＥＬＰ符号化器におい
て、入力端子１０１から入力された音声信号波形は、一
定のサンプル長（例えば１６０サンプル。これをフレー
ムと呼ぶ）毎に線形予測器１０２で線形予測係数ベクト
ル（ａ）が算出される。以下の処理はこのフレームを分
割したサブフレーム長（例えば４０サンプル）単位に行
われる。この線形予測係数ベクトル（ａ）を入力として
スペクトル予測器１０３と、聴覚的重み付けフィルタ１
１１が形成される。なお線形予測係数は、サブフレーム
毎に隣接フレームの線形予測係数より補間されて設定さ
れる。本処理は公知のものである。適応コードブック１
０４は、スペクトル予測器１０３への過去の入力信号を
保持したメモリーからなり、サブフレーム毎に制御部１
１４の指示によりピッチ長（ｔａｕ）の想定範囲（例え
ば８ＫＨｚサンプリングの場合ｔａｕ＝４０〜１６７）
の全てのについてピッチ予測信号を出力する。これを１
式に表す。ここで、ｐｉｔ［ｎ］はピッチ予測信号を、
ｅｘｃ［ｎ−ｔａｕ］はスペクトル予測器１０３への過
去の入力信号を、ａはピッチの予測係数を表す。
て、入力端子１０１から入力された音声信号波形は、一
定のサンプル長（例えば１６０サンプル。これをフレー
ムと呼ぶ）毎に線形予測器１０２で線形予測係数ベクト
ル（ａ）が算出される。以下の処理はこのフレームを分
割したサブフレーム長（例えば４０サンプル）単位に行
われる。この線形予測係数ベクトル（ａ）を入力として
スペクトル予測器１０３と、聴覚的重み付けフィルタ１
１１が形成される。なお線形予測係数は、サブフレーム
毎に隣接フレームの線形予測係数より補間されて設定さ
れる。本処理は公知のものである。適応コードブック１
０４は、スペクトル予測器１０３への過去の入力信号を
保持したメモリーからなり、サブフレーム毎に制御部１
１４の指示によりピッチ長（ｔａｕ）の想定範囲（例え
ば８ＫＨｚサンプリングの場合ｔａｕ＝４０〜１６７）
の全てのについてピッチ予測信号を出力する。これを１
式に表す。ここで、ｐｉｔ［ｎ］はピッチ予測信号を、
ｅｘｃ［ｎ−ｔａｕ］はスペクトル予測器１０３への過
去の入力信号を、ａはピッチの予測係数を表す。
【０００６】
【数１】
【０００７】なおピッチ長（ｔａｕ）がサブフレーム長
より短い場合は仮想サーチと呼ばれる手段でピッチ予測
信号を作成する手法が知られている（例えば、"Improve
d Speech Quality and Efficient Vector Quantization
in SELP" W.B.Kleijn etc.ICASSP 1988 pp.155-158
参照）。
より短い場合は仮想サーチと呼ばれる手段でピッチ予測
信号を作成する手法が知られている（例えば、"Improve
d Speech Quality and Efficient Vector Quantization
in SELP" W.B.Kleijn etc.ICASSP 1988 pp.155-158
参照）。
【０００８】ストカスティックコードブック１０６には
一定のサンプル長（例えば４０サンプル）の、励振信号
波形（コードワードと呼ぶ）が複数（例えば１０２４）
種類記憶されており、制御部１１４の指示により全ての
コードワードを順に出力する。
一定のサンプル長（例えば４０サンプル）の、励振信号
波形（コードワードと呼ぶ）が複数（例えば１０２４）
種類記憶されており、制御部１１４の指示により全ての
コードワードを順に出力する。
【０００９】最適ピッチ長（ｔａｕ）とその予測係数
（ａ）、及び最適コードワードの指標値（ｉｎｄｅｘ）
とそのそのゲイン（ｂ）の決定は、あるゲインで増幅さ
れたピッチ予測信号と励振信号の加算信号を、線形予測
器１０２に入力し再生信号を得、入力信号波形との差信
号を聴覚的重み付けフィルタ１１１でスペクトル的に整
形したあと、エネルギー算出器１１３で整形後のエネル
ギーが最小になるように、合成による分析手法（Analys
is-by-Synthesis）に従って決定する。以上の処理は公
知の技術である。
（ａ）、及び最適コードワードの指標値（ｉｎｄｅｘ）
とそのそのゲイン（ｂ）の決定は、あるゲインで増幅さ
れたピッチ予測信号と励振信号の加算信号を、線形予測
器１０２に入力し再生信号を得、入力信号波形との差信
号を聴覚的重み付けフィルタ１１１でスペクトル的に整
形したあと、エネルギー算出器１１３で整形後のエネル
ギーが最小になるように、合成による分析手法（Analys
is-by-Synthesis）に従って決定する。以上の処理は公
知の技術である。
【００１０】次にＣＥＬＰで用いられているピッチ予測
器について説明する。
器について説明する。
【００１１】１式で説明したような（１タップのピッチ
予測器と呼ばれる）予測器では、ピッチ長（ｔａｕ）と
して整数値のみしか取り得ない。それゆえ表現できるピ
ッチ周波数は、高いピッチ周波数において非常に離散的
になってしまうという欠点がある。これを解決するため
にマルチタップの予測器（３タップの場合を２式に表
す）や、オーバーサンプリングの手法を用いた非整数の
ピッチサンプル長（Fractional Delayと呼ばれる）を用
いるピッチ予測器が提案されている（例えば、"Improve
d Pitch Prediction with Fractional Delays in CELPC
oding" J.S.Marques etc. ICASSP 1990page 665-668 参
照）。
予測器と呼ばれる）予測器では、ピッチ長（ｔａｕ）と
して整数値のみしか取り得ない。それゆえ表現できるピ
ッチ周波数は、高いピッチ周波数において非常に離散的
になってしまうという欠点がある。これを解決するため
にマルチタップの予測器（３タップの場合を２式に表
す）や、オーバーサンプリングの手法を用いた非整数の
ピッチサンプル長（Fractional Delayと呼ばれる）を用
いるピッチ予測器が提案されている（例えば、"Improve
d Pitch Prediction with Fractional Delays in CELPC
oding" J.S.Marques etc. ICASSP 1990page 665-668 参
照）。
【００１２】
【数２】
【００１３】
【発明が解決しようとする課題】しかしながら、ＣＥＬ
Ｐ符号化で情報伝送量を低減させようとすると、ピッチ
長を表現するパラメータの情報量がかなりの部分を占め
る。例えばU.S.Government Department of Defenceの制
定したＣＥＬＰ（４．８ｋｂｐｓ）では、２０％程度に
なる。高音質の再生音を得るためには、３タップや非整
数遅延を用いるピッチ予測器を組み込みたいが、ピッチ
予測器に対する伝送情報量を低くおさえることに困難が
生じる。
Ｐ符号化で情報伝送量を低減させようとすると、ピッチ
長を表現するパラメータの情報量がかなりの部分を占め
る。例えばU.S.Government Department of Defenceの制
定したＣＥＬＰ（４．８ｋｂｐｓ）では、２０％程度に
なる。高音質の再生音を得るためには、３タップや非整
数遅延を用いるピッチ予測器を組み込みたいが、ピッチ
予測器に対する伝送情報量を低くおさえることに困難が
生じる。
【００１４】
【課題を解決するための手段】本発明の目的は、入力音
声信号のスペクトル予測パラメータを算出する線形予測
器と、スペクトル予測器と、ピッチ予測器と、複数の励
振信号波形ベクトルを記憶したコードブックと、入力音
声信号と再生信号との差信号のスペクトルを整形する聴
覚的重み付けフィルタと、聴覚的重み付けされた差信号
のエネルギーを算出するエネルギー算出器と、エネルギ
ー算出器の出力値が最小になるようにピッチ予測器とコ
ードブックのパラメータを最適設定する制御部を備えた
符号励振線形予測符号化器において、線形予測残差信号
を算出する手段と、適応コードブックと、ピッチ長算出
器と、３タップのピッチ予測係数のコードブックを備
え、ピッチ長情報の伝送を複数のサブフレーム単位で行
い、ピッチ予測係数はサブフレーム単位で伝送する。
声信号のスペクトル予測パラメータを算出する線形予測
器と、スペクトル予測器と、ピッチ予測器と、複数の励
振信号波形ベクトルを記憶したコードブックと、入力音
声信号と再生信号との差信号のスペクトルを整形する聴
覚的重み付けフィルタと、聴覚的重み付けされた差信号
のエネルギーを算出するエネルギー算出器と、エネルギ
ー算出器の出力値が最小になるようにピッチ予測器とコ
ードブックのパラメータを最適設定する制御部を備えた
符号励振線形予測符号化器において、線形予測残差信号
を算出する手段と、適応コードブックと、ピッチ長算出
器と、３タップのピッチ予測係数のコードブックを備
え、ピッチ長情報の伝送を複数のサブフレーム単位で行
い、ピッチ予測係数はサブフレーム単位で伝送する。
【００１５】
【作用】ＣＥＬＰ音声符号化処理において、ピッチ長情
報の伝送を複数のサブフレーム単位で行い、ピッチ予測
係数はサブフレーム単位で伝送するために、適応コード
ブックを用いる３タップのピッチ予測器のパラメータを
以下の動作で決定する。
報の伝送を複数のサブフレーム単位で行い、ピッチ予測
係数はサブフレーム単位で伝送するために、適応コード
ブックを用いる３タップのピッチ予測器のパラメータを
以下の動作で決定する。
【００１６】ピッチ長の決定を行うために、複数のサブ
フレーム毎に入力音声信号を線形予測器で予測し、線形
予測残差信号を算出する。適応コードブック内の過去の
励振信号と、上記線形予測残差信号から、相互相関係数
を評価基準としピッチ長を決定する。ピッチ予測係数の
決定は、サブフレーム毎に先に求めたピッチ長で、ピッ
チ予測係数のコードブック全てに対してピッチ予測を行
い、再生信号が聴覚的重み付けした後、入力信号との誤
差が最小になる係数を選択する。以上の処理で、ピッチ
長の伝送を複数のサブフレーム単位で行い、ピッチ予測
係数はサブフレーム単位で伝送する。
フレーム毎に入力音声信号を線形予測器で予測し、線形
予測残差信号を算出する。適応コードブック内の過去の
励振信号と、上記線形予測残差信号から、相互相関係数
を評価基準としピッチ長を決定する。ピッチ予測係数の
決定は、サブフレーム毎に先に求めたピッチ長で、ピッ
チ予測係数のコードブック全てに対してピッチ予測を行
い、再生信号が聴覚的重み付けした後、入力信号との誤
差が最小になる係数を選択する。以上の処理で、ピッチ
長の伝送を複数のサブフレーム単位で行い、ピッチ予測
係数はサブフレーム単位で伝送する。
【００１７】なお発明第２項目では、ピッチ長の決定に
おいて、サブフレーム単位にピッチ予測誤差エネルギー
を算出して、複数のザブフレーム全体で予測誤差のエネ
ルギーが最小となるようにピッチ長を決定する。
おいて、サブフレーム単位にピッチ予測誤差エネルギー
を算出して、複数のザブフレーム全体で予測誤差のエネ
ルギーが最小となるようにピッチ長を決定する。
【００１８】
【実施例】図１と図２はそれぞれ、本発明の第１の発明
の符号化器、復号化器の一実施例を示している。
の符号化器、復号化器の一実施例を示している。
【００１９】この装置は、入力音声信号の入力端子１０
１、線形予測器１０２、スペクトル予測器１０３、１２
０、ピッチ長算出器１２１、３タップピッチ予測器１２
３、予測係数コードブック１２４、適応コードブック１
０４、ストカスティックコードブック１０６、掛算器１
０７、加算器１０８、１０９、減算器１１０、１２２、
聴覚的重み付けフィルタ１１１、１１２、エネルギー算
出器１１３、制御部１１４、及び出力端子２０１から構
成される。
１、線形予測器１０２、スペクトル予測器１０３、１２
０、ピッチ長算出器１２１、３タップピッチ予測器１２
３、予測係数コードブック１２４、適応コードブック１
０４、ストカスティックコードブック１０６、掛算器１
０７、加算器１０８、１０９、減算器１１０、１２２、
聴覚的重み付けフィルタ１１１、１１２、エネルギー算
出器１１３、制御部１１４、及び出力端子２０１から構
成される。
【００２０】先ず符号化器の動作を説明する。
【００２１】線形予測器１０２は、フレーム（例えば１
６０サンプル）毎に、入力端子１０１から入力した音声
信号波形より線形予測パラメータ（ａ）を算出する。こ
の線形予測パラメータに基づいてスペクトル予測器１０
３、１２０と聴覚的重み付けフィルタ１１１、１１２の
予測係数を設定する。なお線形予測係数は、サブフレー
ム毎に隣接フレームの線形予測係数より補間されて設定
される。
６０サンプル）毎に、入力端子１０１から入力した音声
信号波形より線形予測パラメータ（ａ）を算出する。こ
の線形予測パラメータに基づいてスペクトル予測器１０
３、１２０と聴覚的重み付けフィルタ１１１、１１２の
予測係数を設定する。なお線形予測係数は、サブフレー
ム毎に隣接フレームの線形予測係数より補間されて設定
される。
【００２２】以下の処理はサブフレーム（例えば４０サ
ンプル）毎に行われる。
ンプル）毎に行われる。
【００２３】入力信号に入力側の聴覚的重み付けフィル
タを通す（この出力信号をＳｗ［ｎ］、ｎ＝０、１、
…、３９と表す）。公知の技術である重畳加算法を用い
て、過去のサブフレームの影響を除外し、現在のサブフ
レームの信号に対して処理を行うために、先ずスペクト
ル予測器１０３と再生側の聴覚的重み付けフィルタ１１
２内のメモリーを退避した後、４０サンプルの０を入力
し、その出力をＳｗ［ｎ］から減算する（この減算され
た信号をＴ［ｎ］、ｎ＝０、１、…、３９と表す）。
この後、ピッチ予測器とストカスティックコードブック
のパラメータの決定を行うが、ここでは順次最適化の手
法を用いる。
タを通す（この出力信号をＳｗ［ｎ］、ｎ＝０、１、
…、３９と表す）。公知の技術である重畳加算法を用い
て、過去のサブフレームの影響を除外し、現在のサブフ
レームの信号に対して処理を行うために、先ずスペクト
ル予測器１０３と再生側の聴覚的重み付けフィルタ１１
２内のメモリーを退避した後、４０サンプルの０を入力
し、その出力をＳｗ［ｎ］から減算する（この減算され
た信号をＴ［ｎ］、ｎ＝０、１、…、３９と表す）。
この後、ピッチ予測器とストカスティックコードブック
のパラメータの決定を行うが、ここでは順次最適化の手
法を用いる。
【００２４】先ずピッチ予測パラメータの最適化につい
て説明する。ピッチ長は伝送情報量を抑える目的で、複
数のサブフレームで１つのパラメータを伝送する。予測
係数は基本的には合成による分析手法で、予測係数のコ
ードブックを全探索して決定する。以下にこれについて
説明する。
て説明する。ピッチ長は伝送情報量を抑える目的で、複
数のサブフレームで１つのパラメータを伝送する。予測
係数は基本的には合成による分析手法で、予測係数のコ
ードブックを全探索して決定する。以下にこれについて
説明する。
【００２５】先ずピッチ長の決定と情報伝送は、複数の
サブフレーム長に１度行われる。ここでは例えば２サブ
フレームとする。先ず２サブフレーム分の入力信号か
ら、スペクトル予測器１２０で、線形予測残差信号（Ｚ
［ｎ］＝０、１、…、７９と表す）を算出する。この線
形予測残差信号と、適応コードブック１０４に記憶され
ている過去の励振信号（ｅｘｃ［ｎ］＝−１、−２、
…、−１６７と表す）の相互相関係数が最大となる遅延
値を、ピッチ長の想定範囲（例えば４０〜１６７サンプ
ル）の中で探索する。本手法により複数のサブフレーム
に渡って一定のピッチ長を算出する。
サブフレーム長に１度行われる。ここでは例えば２サブ
フレームとする。先ず２サブフレーム分の入力信号か
ら、スペクトル予測器１２０で、線形予測残差信号（Ｚ
［ｎ］＝０、１、…、７９と表す）を算出する。この線
形予測残差信号と、適応コードブック１０４に記憶され
ている過去の励振信号（ｅｘｃ［ｎ］＝−１、−２、
…、−１６７と表す）の相互相関係数が最大となる遅延
値を、ピッチ長の想定範囲（例えば４０〜１６７サンプ
ル）の中で探索する。本手法により複数のサブフレーム
に渡って一定のピッチ長を算出する。
【００２６】本音声符号化装置は３タップのピッチ予測
器を構成要素として備えている。３タップのピッチ予測
器は、ピッチ長の補間作用があり、高いピッチ周波数に
対する予測精度が高いという長所があるとともに、今回
提案するようなピッチ長を複数のサブフレーム間で固定
しても、予測係数さえサブフレーム単位で正しく設定で
きれば、ある程度のピッチ長の変化に対してもピッチ予
測ができるという特徴がある（"Efficient Encoding of
the Long-Term Predictor in Vector Excitation Code
rs"、M.Yong and A.Gersho、Advances in Speech Coding、
Kluwer Academic Publishers）。これに対して非整数遅
延を用いても、基本的には１タップのピッチ予測器は、
ピッチ長の変化に非常にセンシティブである。１タップ
のピッチ予測器ではピッチ長が正しく表現できなかった
場合、殆どピッチ予測の効果がなくなってしまう。
器を構成要素として備えている。３タップのピッチ予測
器は、ピッチ長の補間作用があり、高いピッチ周波数に
対する予測精度が高いという長所があるとともに、今回
提案するようなピッチ長を複数のサブフレーム間で固定
しても、予測係数さえサブフレーム単位で正しく設定で
きれば、ある程度のピッチ長の変化に対してもピッチ予
測ができるという特徴がある（"Efficient Encoding of
the Long-Term Predictor in Vector Excitation Code
rs"、M.Yong and A.Gersho、Advances in Speech Coding、
Kluwer Academic Publishers）。これに対して非整数遅
延を用いても、基本的には１タップのピッチ予測器は、
ピッチ長の変化に非常にセンシティブである。１タップ
のピッチ予測器ではピッチ長が正しく表現できなかった
場合、殆どピッチ予測の効果がなくなってしまう。
【００２７】ピッチ予測係数の決定はサブフレーム毎に
行われる。予め作成されている予測係数のコードブック
の全てのコードワードに対して、３タップのピッチ予測
で予測信号を得、その予測信号を、過去の状態に無関係
の（メモリーの内容をクリアした）スペクトル合成フィ
ルタ１０３と、聴覚的重み付けフィルタ１１２に入力
し、ピッチ予測信号による再生信号を得る（これをＰ
［ｎ］、ｎ＝０、１、…、３９と表す）。Ｐ［ｎ］と先
に求めたＴ［ｎ］との誤差信号のエネルギーをエネルギ
ー算出器１１３で求め、この誤差エネルギーを最小化す
るように、制御部１１４により最適なピッチ予測係数の
指標値（Ｉｎｄｅｘ１）を決定する。以上がピッチ予測
パラメータの算出手順である。
行われる。予め作成されている予測係数のコードブック
の全てのコードワードに対して、３タップのピッチ予測
で予測信号を得、その予測信号を、過去の状態に無関係
の（メモリーの内容をクリアした）スペクトル合成フィ
ルタ１０３と、聴覚的重み付けフィルタ１１２に入力
し、ピッチ予測信号による再生信号を得る（これをＰ
［ｎ］、ｎ＝０、１、…、３９と表す）。Ｐ［ｎ］と先
に求めたＴ［ｎ］との誤差信号のエネルギーをエネルギ
ー算出器１１３で求め、この誤差エネルギーを最小化す
るように、制御部１１４により最適なピッチ予測係数の
指標値（Ｉｎｄｅｘ１）を決定する。以上がピッチ予測
パラメータの算出手順である。
【００２８】以上の処理で、複数のサブフレーム毎にピ
ッチ長情報を伝送し、サブフレーム毎にピッチ予測係数
を伝送する。
ッチ長情報を伝送し、サブフレーム毎にピッチ予測係数
を伝送する。
【００２９】この後の処理は公知の技術と同じであるの
で、簡単に説明する。
で、簡単に説明する。
【００３０】次にＴ［ｎ］から、先に決定した最適なピ
ッチ予測信号での合成波形Ｐ［ｎ］を減算し、ピッチ成
分では表せなかった成分の信号波形（Ｔ２［ｎ］、ｎ＝
０、１、…、３９ と表す）を算出する。
ッチ予測信号での合成波形Ｐ［ｎ］を減算し、ピッチ成
分では表せなかった成分の信号波形（Ｔ２［ｎ］、ｎ＝
０、１、…、３９ と表す）を算出する。
【００３１】ストカスティックコードブック（励振信号
ベクトル）のパラメータ最適化も、ピッチ予測器の最適
化同様、全探索の合成による分析手法で処理する。全探
索するパラメータはコードブックの指標値（Ｉｎｄｅｘ
２）で、全てのコードワードをフィルタ内部のメモリー
をクリアしたスペクトル予測器１０３と、聴覚的重み付
けフィルタ１１２に入力し、その出力波形（Ｓ［ｎ］、
ｎ＝０、１、…、３９と表す）とＴ２［ｎ］との誤差波
形のエネルギーをエネルギー算出器１１３で計算し、誤
差エネルギーの最も小さいコードブックのパラメータ
（Ｉｎｄｅｘ２、ｂ）を、制御部１１４ で決定する。
ベクトル）のパラメータ最適化も、ピッチ予測器の最適
化同様、全探索の合成による分析手法で処理する。全探
索するパラメータはコードブックの指標値（Ｉｎｄｅｘ
２）で、全てのコードワードをフィルタ内部のメモリー
をクリアしたスペクトル予測器１０３と、聴覚的重み付
けフィルタ１１２に入力し、その出力波形（Ｓ［ｎ］、
ｎ＝０、１、…、３９と表す）とＴ２［ｎ］との誤差波
形のエネルギーをエネルギー算出器１１３で計算し、誤
差エネルギーの最も小さいコードブックのパラメータ
（Ｉｎｄｅｘ２、ｂ）を、制御部１１４ で決定する。
【００３２】最適なピッチ予測パラメータとストカステ
ックコードブックのパラメータ等が決定した後、次のサ
ブフレームのデータ処理に備えて、最適なピッチ予測信
号波形と、最適なストカスティックコードワード（励振
信号波形）に最適予測係数で増幅した信号を加算した信
号を算出する（これをｅｘｃ［ｎ］、ｎ＝０、１、…、
３９と表す）。これを次のサブフレームに対するピッチ
予測器１０４内のメモリーとして設定する。及びスペク
トル予測器１０３と聴覚的重み付けフィルタ１１２に、
退避したメモリーを再設定し、ｅｘｃ［ｎ］を入力とし
て合成波形を算出することで、これら２つのフィルタの
メモリーも更新しておく。
ックコードブックのパラメータ等が決定した後、次のサ
ブフレームのデータ処理に備えて、最適なピッチ予測信
号波形と、最適なストカスティックコードワード（励振
信号波形）に最適予測係数で増幅した信号を加算した信
号を算出する（これをｅｘｃ［ｎ］、ｎ＝０、１、…、
３９と表す）。これを次のサブフレームに対するピッチ
予測器１０４内のメモリーとして設定する。及びスペク
トル予測器１０３と聴覚的重み付けフィルタ１１２に、
退避したメモリーを再設定し、ｅｘｃ［ｎ］を入力とし
て合成波形を算出することで、これら２つのフィルタの
メモリーも更新しておく。
【００３３】以上の処理で、本発明で提案する音声符号
化装置が実現できる。
化装置が実現できる。
【００３４】次に復号化器側の動作を説明する。
【００３５】復号化器を図２に示す。復号化器に伝送さ
れる情報は、線型予測パラメータ（ａ）、ピッチ長（ｔ
ａｕ）、ピッチ予測ゲインの指標値（ｉｎｄｅｘ１）、
ストカスティックコードブックの指標値（ｉｎｄｅｘ
２）、励振ベクトルのゲイン（ｂ）である。
れる情報は、線型予測パラメータ（ａ）、ピッチ長（ｔ
ａｕ）、ピッチ予測ゲインの指標値（ｉｎｄｅｘ１）、
ストカスティックコードブックの指標値（ｉｎｄｅｘ
２）、励振ベクトルのゲイン（ｂ）である。
【００３６】基本的にＣＥＬＰは、合成による分析手法
を用いて符号化されているので、復号化の処理は符号化
処理の中に含まれている。以下に処理の手順を説明す
る。
を用いて符号化されているので、復号化の処理は符号化
処理の中に含まれている。以下に処理の手順を説明す
る。
【００３７】先ず、伝送されたピッチ長（ｔａｕ）とピ
ッチ予測ゲインの指標値（ｉｎｄｅｘ１）に基づき、ピ
ッチ予測器１２３でピッチ予測信号を出力する。次に励
振信号の情報として伝送されたコードブックの指標値
（ｉｎｄｅｘ２）に基づき、コードブック１０６は励振
信号を出力し、伝送された励振ベクトルのゲイン（ｂ）
に基づき、掛算器１０７で信号を増幅し加算器１０８に
出力する。
ッチ予測ゲインの指標値（ｉｎｄｅｘ１）に基づき、ピ
ッチ予測器１２３でピッチ予測信号を出力する。次に励
振信号の情報として伝送されたコードブックの指標値
（ｉｎｄｅｘ２）に基づき、コードブック１０６は励振
信号を出力し、伝送された励振ベクトルのゲイン（ｂ）
に基づき、掛算器１０７で信号を増幅し加算器１０８に
出力する。
【００３８】加算器１０８で上記２つの信号は加算さ
れ、これを次のフレームに対するデータとして適応コー
ドブック１０４に設定する。また伝送された線型予測パ
ラメータ（ａ）に基づき、スペクトル予測器１０３を構
成し、この加算信号を入力することで再生信号が算出さ
れ、出力端子２０１に出力する。
れ、これを次のフレームに対するデータとして適応コー
ドブック１０４に設定する。また伝送された線型予測パ
ラメータ（ａ）に基づき、スペクトル予測器１０３を構
成し、この加算信号を入力することで再生信号が算出さ
れ、出力端子２０１に出力する。
【００３９】次に発明の第２項目の実施例について説明
する。
する。
【００４０】第１項目の発明では、複数のサブフレーム
に渡るピッチ長の抽出を、相互相関係数を評価基準とし
た。この手法では、複数のサブフレームの信号を、その
区間一定の予測係数で予測する場合に最適予測となる。
しかしながら先に説明したように、複数のサブフレーム
で一定のピッチ長を用い、サブフレーム毎に予測係数を
設定する場合には、上記手法によるピッチ長の決定法が
必ずしも良いとは言えない。
に渡るピッチ長の抽出を、相互相関係数を評価基準とし
た。この手法では、複数のサブフレームの信号を、その
区間一定の予測係数で予測する場合に最適予測となる。
しかしながら先に説明したように、複数のサブフレーム
で一定のピッチ長を用い、サブフレーム毎に予測係数を
設定する場合には、上記手法によるピッチ長の決定法が
必ずしも良いとは言えない。
【００４１】本発明の手法は、各サブフレーム毎にスペ
クトル予測残差波形のピッチ予測誤差エネルギーを算出
し、複数のサブフレーム全体での誤差エネルギーが最小
になるようにピッチ長を決定する手法である。以下に、
このピッチ長の決定の２つの手法を説明する。
クトル予測残差波形のピッチ予測誤差エネルギーを算出
し、複数のサブフレーム全体での誤差エネルギーが最小
になるようにピッチ長を決定する手法である。以下に、
このピッチ長の決定の２つの手法を説明する。
【００４２】先ず第１の手法は、あるピッチ長に対し
て、各サブフレーム毎に３タップピッチ予測器の最適予
測係数を算出し、その係数での予測誤差エネルギーを算
出し、各サブフレームでの予測誤差エネルギーを、ピッ
チ長を伝送する単位の複数のサブフレームで累積する。
この複数のサブフレーム全体の予測誤差エネルギーを最
小にするピッチ長を全探索の手段で決定する。この処理
の流れを図３に示す。第１の手法ではピッチ長の決定に
際して、予測係数を計算上の値で設定していた。しかし
ながら実際は、ピッチ予測係数は量子化されて予測係数
コードブック１２４に記憶された種類しか取り得ない。
第２の手法は、この点を厳密に考慮し、予測係数も量子
化して決定する方法である。この手法について説明す
る。
て、各サブフレーム毎に３タップピッチ予測器の最適予
測係数を算出し、その係数での予測誤差エネルギーを算
出し、各サブフレームでの予測誤差エネルギーを、ピッ
チ長を伝送する単位の複数のサブフレームで累積する。
この複数のサブフレーム全体の予測誤差エネルギーを最
小にするピッチ長を全探索の手段で決定する。この処理
の流れを図３に示す。第１の手法ではピッチ長の決定に
際して、予測係数を計算上の値で設定していた。しかし
ながら実際は、ピッチ予測係数は量子化されて予測係数
コードブック１２４に記憶された種類しか取り得ない。
第２の手法は、この点を厳密に考慮し、予測係数も量子
化して決定する方法である。この手法について説明す
る。
【００４３】あるピッチ長に対して、各サブフレーム毎
に全ての予測係数でピッチ予測を行い、予測誤差エネル
ギーが最小になるものを探索する。この処理をピッチ長
を伝送する単位の複数のサブフレームで行い、各サブフ
レームの予測誤差エネルギーを累積する。この複数のサ
ブフレーム全体の予測誤差エネルギーを最小にするピッ
チ長を全探索の手段で決定する。この処理の流れを図４
に示す。
に全ての予測係数でピッチ予測を行い、予測誤差エネル
ギーが最小になるものを探索する。この処理をピッチ長
を伝送する単位の複数のサブフレームで行い、各サブフ
レームの予測誤差エネルギーを累積する。この複数のサ
ブフレーム全体の予測誤差エネルギーを最小にするピッ
チ長を全探索の手段で決定する。この処理の流れを図４
に示す。
【００４４】しかしながら第２の手法は処理量が非常に
多くなる。予測係数を全探索ではなく、第１の手法で述
べたように、各サブフレーム毎に３タップピッチ予測器
の最適予測係数を算出し、予測係数のコードブックの中
から予測係数のレベルで最小距離となるものを量子化値
として設定し、予測誤差エネルギーを算出する方法も考
えられる。
多くなる。予測係数を全探索ではなく、第１の手法で述
べたように、各サブフレーム毎に３タップピッチ予測器
の最適予測係数を算出し、予測係数のコードブックの中
から予測係数のレベルで最小距離となるものを量子化値
として設定し、予測誤差エネルギーを算出する方法も考
えられる。
【００４５】
【発明の効果】以上より明らかのように、入力音声信号
のスペクトル予測パラメータを算出する線形予測器と、
スペクトル予測器と、ピッチ予測器と、複数の励振信号
波形ベクトルを記憶したコードブックと、入力音声信号
と再生信号との差信号のスペクトルを整形する聴覚的重
み付けフィルタと、聴覚的重み付けされた差信号のエネ
ルギーを算出するエネルギー算出器と、エネルギー算出
器の出力値が最小になるように、ピッチ予測器とコード
ブックのパラメータを最適設定する制御部を備えた符号
励振線形予測符号化器において、線形予測残差信号を算
出する手段と、適応コードブックと、ピッチ長算出器
と、３タップのピッチ予測係数のコードブックを備え、
ピッチ長の伝送を複数のサブフレーム単位で行い、ピッ
チ予測係数はサブフレーム単位で伝送することで、ピッ
チ長の情報伝送量を低く抑えて、高周波のピッチ信号も
精度良く予測できる。
のスペクトル予測パラメータを算出する線形予測器と、
スペクトル予測器と、ピッチ予測器と、複数の励振信号
波形ベクトルを記憶したコードブックと、入力音声信号
と再生信号との差信号のスペクトルを整形する聴覚的重
み付けフィルタと、聴覚的重み付けされた差信号のエネ
ルギーを算出するエネルギー算出器と、エネルギー算出
器の出力値が最小になるように、ピッチ予測器とコード
ブックのパラメータを最適設定する制御部を備えた符号
励振線形予測符号化器において、線形予測残差信号を算
出する手段と、適応コードブックと、ピッチ長算出器
と、３タップのピッチ予測係数のコードブックを備え、
ピッチ長の伝送を複数のサブフレーム単位で行い、ピッ
チ予測係数はサブフレーム単位で伝送することで、ピッ
チ長の情報伝送量を低く抑えて、高周波のピッチ信号も
精度良く予測できる。
【図１】本発明の音声符号化装置の符号化器の一実施例
のブロック図である。
のブロック図である。
【図２】本発明の音声符号化装置の復号化器の一実施例
のブロック図である。
のブロック図である。
【図３】本発明の第１のピッチ長の決定手法を説明する
図である。
図である。
【図４】本発明の第２のピッチ長の決定手法を説明する
図である。
図である。
【図５】従来技術のＣＥＬＰ音声符号化装置のブロック
図である。
図である。
１０１ 入力端子 １０２ 線形予測器 １０３、１２０ スペクトル予測器 １０４、１２３ピッチ予測器 １０５、１０７ 掛算器 １０６ ストカスティックコードブック １０８、１０９ 加算器 １１０、１２２ 減算器 １１１、１１２ 聴覚的重み付けフィルタ １１３ エネルギー算出器 １１４ 制御部 １２１ ピッチ長算出器 １２４ 予測係数コードブック ３０１ 出力端子
Claims (2)
- 【請求項１】入力音声信号のスペクトル予測パラメータ
を算出する線形予測器と、スペクトル予測器と、ピッチ
予測器と、複数の励振信号波形ベクトルを記憶したコー
ドブックと、入力音声信号と再生信号との差信号のスペ
クトルを整形する聴覚的重み付けフィルタと、聴覚的重
み付けされた差信号のエネルギーを算出するエネルギー
算出器と、エネルギー算出器の出力値が最小になるよう
に、ピッチ予測器とコードブックのパラメータを最適設
定する制御部を備えた符号励振線形予測符号化器におい
て、 線形予測残差信号を算出する手段と、適応コードブック
と、ピッチ長算出器と、３タップのピッチ予測係数のコ
ードブックを備え、ピッチ長の伝送を複数のサブフレー
ム単位で行い、ピッチ予測係数はサブフレーム単位で伝
送することを特徴とする音声符号化装置。 - 【請求項２】前記音声符号化装置において、サブフレー
ム単位にピッチ予測誤差エネルギーを算出して、複数の
ザブフレーム全体で予測誤差のエネルギーが最小となる
ようにピッチ長を決定する手段をもつことを特徴とする
請求項１記載の音声符号化装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP3196521A JP3002299B2 (ja) | 1991-08-06 | 1991-08-06 | 音声符号化装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP3196521A JP3002299B2 (ja) | 1991-08-06 | 1991-08-06 | 音声符号化装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH0540500A true JPH0540500A (ja) | 1993-02-19 |
| JP3002299B2 JP3002299B2 (ja) | 2000-01-24 |
Family
ID=16359124
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP3196521A Expired - Fee Related JP3002299B2 (ja) | 1991-08-06 | 1991-08-06 | 音声符号化装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3002299B2 (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002049396A (ja) * | 2000-08-02 | 2002-02-15 | Sony Corp | ディジタル信号処理方法、学習方法及びそれらの装置並びにプログラム格納媒体 |
| JP2002049395A (ja) * | 2000-08-02 | 2002-02-15 | Sony Corp | ディジタル信号処理方法、学習方法及びそれらの装置並びにプログラム格納媒体 |
-
1991
- 1991-08-06 JP JP3196521A patent/JP3002299B2/ja not_active Expired - Fee Related
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002049396A (ja) * | 2000-08-02 | 2002-02-15 | Sony Corp | ディジタル信号処理方法、学習方法及びそれらの装置並びにプログラム格納媒体 |
| JP2002049395A (ja) * | 2000-08-02 | 2002-02-15 | Sony Corp | ディジタル信号処理方法、学習方法及びそれらの装置並びにプログラム格納媒体 |
| JP4645866B2 (ja) * | 2000-08-02 | 2011-03-09 | ソニー株式会社 | ディジタル信号処理方法、学習方法及びそれらの装置並びにプログラム格納媒体 |
| JP4645868B2 (ja) * | 2000-08-02 | 2011-03-09 | ソニー株式会社 | ディジタル信号処理方法、学習方法及びそれらの装置並びにプログラム格納媒体 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP3002299B2 (ja) | 2000-01-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US5787391A (en) | Speech coding by code-edited linear prediction | |
| CA2202825C (en) | Speech coder | |
| JP2002202799A (ja) | 音声符号変換装置 | |
| RU2005137320A (ru) | Способ и устройство для квантования усиления в широкополосном речевом кодировании с переменной битовой скоростью передачи | |
| JP3180762B2 (ja) | 音声符号化装置及び音声復号化装置 | |
| KR102259112B1 (ko) | 음성 부호화 장치, 음성 부호화 방법, 음성 부호화 프로그램, 음성 복호 장치, 음성 복호 방법 및 음성 복호 프로그램 | |
| JPH0990995A (ja) | 音声符号化装置 | |
| JPH04270398A (ja) | 音声符号化方式 | |
| JPH056199A (ja) | 音声パラメータ符号化方式 | |
| US7680669B2 (en) | Sound encoding apparatus and method, and sound decoding apparatus and method | |
| JPH0341500A (ja) | 低遅延低ビツトレート音声コーダ | |
| JPH09319398A (ja) | 信号符号化装置 | |
| JP3095133B2 (ja) | 音響信号符号化方法 | |
| JP3888097B2 (ja) | ピッチ周期探索範囲設定装置、ピッチ周期探索装置、復号化適応音源ベクトル生成装置、音声符号化装置、音声復号化装置、音声信号送信装置、音声信号受信装置、移動局装置、及び基地局装置 | |
| JP3002299B2 (ja) | 音声符号化装置 | |
| JP3435310B2 (ja) | 音声符号化方法および装置 | |
| JPH06282298A (ja) | 音声の符号化方法 | |
| JP3299099B2 (ja) | 音声符号化装置 | |
| JP3153075B2 (ja) | 音声符号化装置 | |
| JP3249144B2 (ja) | 音声符号化装置 | |
| 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 | |
| JPH08185199A (ja) | 音声符号化装置 | |
| EP1113418A1 (en) | Voice encoding/decoding device | |
| JP3192051B2 (ja) | 音声符号化装置 | |
| JPH08320700A (ja) | 音声符号化装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20081112 Year of fee payment: 9 |
|
| LAPS | Cancellation because of no payment of annual fees |