JPH0786952A - 音声の予測符号化方法 - Google Patents
音声の予測符号化方法Info
- Publication number
- JPH0786952A JPH0786952A JP5227577A JP22757793A JPH0786952A JP H0786952 A JPH0786952 A JP H0786952A JP 5227577 A JP5227577 A JP 5227577A JP 22757793 A JP22757793 A JP 22757793A JP H0786952 A JPH0786952 A JP H0786952A
- Authority
- JP
- Japan
- Prior art keywords
- vector
- speech
- coefficient
- noise
- voice
- 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.)
- Pending
Links
Landscapes
- Compression, Expansion, Code Conversion, And Decoders (AREA)
Abstract
(57)【要約】
【目的】 異なる周波数特性を有する音声を符号化して
伝送した場合でも、伝送先で良い品質の復号音声を得
る。 【構成】 予測係数決定部２，予測係数量子化部４は、
合成フィルタ３に予測係数を設定する。適応符号帳５，
雑音符号帳７からピッチ周期ベクトル，雑音波形ベクト
ルが出力され、利得部６，８においてそれぞれ利得が乗
算される。利得部６，８の出力は加算された後、合成フ
ィルタ３に供給され、合成音声ベクトルが合成される。
パワーが量子化された入力音声ベクトルから合成音声ベ
クトルが減算されて得られた歪は、その重み付けの度合
いが入力音声ベクトルの周波数特性に基づいて適応的に
制御された聴覚重み付けがなされた後、パワーが計算さ
れ、このパワーが最小になるように、適応符号帳５，雑
音符号帳７からピッチ周期ベクトル，雑音波形ベクトル
が選択され、利得部６，８の利得が設定される。
伝送した場合でも、伝送先で良い品質の復号音声を得
る。 【構成】 予測係数決定部２，予測係数量子化部４は、
合成フィルタ３に予測係数を設定する。適応符号帳５，
雑音符号帳７からピッチ周期ベクトル，雑音波形ベクト
ルが出力され、利得部６，８においてそれぞれ利得が乗
算される。利得部６，８の出力は加算された後、合成フ
ィルタ３に供給され、合成音声ベクトルが合成される。
パワーが量子化された入力音声ベクトルから合成音声ベ
クトルが減算されて得られた歪は、その重み付けの度合
いが入力音声ベクトルの周波数特性に基づいて適応的に
制御された聴覚重み付けがなされた後、パワーが計算さ
れ、このパワーが最小になるように、適応符号帳５，雑
音符号帳７からピッチ周期ベクトル，雑音波形ベクトル
が選択され、利得部６，８の利得が設定される。
Description
【０００１】
【産業上の利用分野】本発明は、自動車電話等のディジ
タル移動通信などに用いられ、音声を高能率に符号化す
る音声の予測符号化方法に関する。
タル移動通信などに用いられ、音声を高能率に符号化す
る音声の予測符号化方法に関する。
【０００２】
【従来の技術】近年、ディジタル移動通信などの技術分
野においては、電波を有効利用するなどの目的で、種々
の高能率符号化方法が用いられている。これらの高能率
符号化方法のうち、８ｋｂｉｔ／ｓ程度の符号化速度で
音声を符号化する高能率符号化方法としては、符号駆動
型線形予測（ＣＥＬＰ）符号化方法やベクトル加算駆動
型線形予測（ＶＳＥＬＰ）符号化方法、あるいはマルチ
パス符号化方法等がある。
野においては、電波を有効利用するなどの目的で、種々
の高能率符号化方法が用いられている。これらの高能率
符号化方法のうち、８ｋｂｉｔ／ｓ程度の符号化速度で
音声を符号化する高能率符号化方法としては、符号駆動
型線形予測（ＣＥＬＰ）符号化方法やベクトル加算駆動
型線形予測（ＶＳＥＬＰ）符号化方法、あるいはマルチ
パス符号化方法等がある。
【０００３】なお、ＣＥＬＰ符号化方法の詳細について
は、たとえば、M.R.SchroederとB.S.Atalとが著した"Co
de-Excited Linear Prediction(CELP) : High-quality
Speech at Very Low Rates" (Proc. ICASSP '85, 25.1.
1, pp. 937-940, 1985を、ＶＳＥＬＰ符号化方法の詳細
については、たとえば、I.A.GersonとM.A.Jasiukとが著
した"Vector Sum Excited Linear Prediction (VSELP)
Speech Coding at 8kps" (Proc. ICASSP '90, S9.3, p
p. 461-464, 1990)を、マルチパス符号化方法の詳細に
ついては、たとえば、小澤一範と荒関卓とが著した”ピ
ッチ情報を用いた９．６−４．８ｋｂｉｔ／ｓマルチパ
ス音声符号化方式”（信学誌（Ｄ−II），Ｊ７２−Ｄ−
II，８，ｐｐ．１１２５−１１３２，１９８９）をそれ
ぞれ参照されたい。
は、たとえば、M.R.SchroederとB.S.Atalとが著した"Co
de-Excited Linear Prediction(CELP) : High-quality
Speech at Very Low Rates" (Proc. ICASSP '85, 25.1.
1, pp. 937-940, 1985を、ＶＳＥＬＰ符号化方法の詳細
については、たとえば、I.A.GersonとM.A.Jasiukとが著
した"Vector Sum Excited Linear Prediction (VSELP)
Speech Coding at 8kps" (Proc. ICASSP '90, S9.3, p
p. 461-464, 1990)を、マルチパス符号化方法の詳細に
ついては、たとえば、小澤一範と荒関卓とが著した”ピ
ッチ情報を用いた９．６−４．８ｋｂｉｔ／ｓマルチパ
ス音声符号化方式”（信学誌（Ｄ−II），Ｊ７２−Ｄ−
II，８，ｐｐ．１１２５−１１３２，１９８９）をそれ
ぞれ参照されたい。
【０００４】図１は、従来のＣＥＬＰ符号化方法を用い
た音声の符号化装置の構成例を表すブロック図である。
アナログの音声信号がサンプリング周波数８ｋＨｚでサ
ンプリングされて生成された入力音声データが入力端子
１から入力される。予測係数決定部２において、入力端
子１から入力された入力音声データの複数のサンプルが
１フレームとして１つのベクトルにまとめられ（以下、
入力音声ベクトルという）、この入力音声ベクトルにつ
いて線形予測分析がなされ、伝達関数｛１／Ａ（ｚ）｝
を有する合成フィルタ３の予測係数（線形予測符号化
（ＬＰＣ）係数、または線スペクトル対（ＬＳＰ）係
数）が計算され、決定される。これにより、予測係数量
子化部４において、予測係数が量子化され、合成フィル
タ３に設定される。
た音声の符号化装置の構成例を表すブロック図である。
アナログの音声信号がサンプリング周波数８ｋＨｚでサ
ンプリングされて生成された入力音声データが入力端子
１から入力される。予測係数決定部２において、入力端
子１から入力された入力音声データの複数のサンプルが
１フレームとして１つのベクトルにまとめられ（以下、
入力音声ベクトルという）、この入力音声ベクトルにつ
いて線形予測分析がなされ、伝達関数｛１／Ａ（ｚ）｝
を有する合成フィルタ３の予測係数（線形予測符号化
（ＬＰＣ）係数、または線スペクトル対（ＬＳＰ）係
数）が計算され、決定される。これにより、予測係数量
子化部４において、予測係数が量子化され、合成フィル
タ３に設定される。
【０００５】適応符号帳５は、音声の有声区間のピッチ
周期に対応した複数のピッチ周期ベクトルが記憶される
ように構成されている。この適応符号帳５から、後述す
る歪パワー計算部１２によって選択され、取り出された
ピッチ周期ベクトルに、利得部６において、同じく歪パ
ワー計算部１２によって設定された利得が乗算され、利
得部６から出力される。
周期に対応した複数のピッチ周期ベクトルが記憶される
ように構成されている。この適応符号帳５から、後述す
る歪パワー計算部１２によって選択され、取り出された
ピッチ周期ベクトルに、利得部６において、同じく歪パ
ワー計算部１２によって設定された利得が乗算され、利
得部６から出力される。
【０００６】いっぽう、雑音符号帳７には、音声の無声
区間に対応した複数の雑音波形ベクトル（たとえば、乱
数ベクトル）があらかじめ記憶されている。この雑音符
号帳７から、後述する歪パワー計算部１２によって選択
され、取り出された雑音波形ベクトルに、利得部８にお
いて、歪パワー計算部１２によって設定された利得が乗
算され、利得部８から出力される。そして、利得部６の
出力ベクトルと、利得部８の出力ベクトルとが加算器９
において加算され、加算器９の出力ベクトルが合成フィ
ルタ３に駆動ベクトルとして供給され、合成フィルタ３
において、設定された予測係数に基づいて音声ベクトル
（以下、合成音声ベクトルという）が合成される。
区間に対応した複数の雑音波形ベクトル（たとえば、乱
数ベクトル）があらかじめ記憶されている。この雑音符
号帳７から、後述する歪パワー計算部１２によって選択
され、取り出された雑音波形ベクトルに、利得部８にお
いて、歪パワー計算部１２によって設定された利得が乗
算され、利得部８から出力される。そして、利得部６の
出力ベクトルと、利得部８の出力ベクトルとが加算器９
において加算され、加算器９の出力ベクトルが合成フィ
ルタ３に駆動ベクトルとして供給され、合成フィルタ３
において、設定された予測係数に基づいて音声ベクトル
（以下、合成音声ベクトルという）が合成される。
【０００７】また、パワー量子化部１０において、入力
音声ベクトルのパワーが計算された後、そのパワーが量
子化され、これにより、量子化された入力音声ベクトル
のパワーが用いられて入力音声ベクトルとピッチ周期ベ
クトルとが正規化される。そして、減算器１１におい
て、正規化され、パワー量子化部１０から出力された入
力音声ベクトルから合成音声ベクトルが減算されて、歪
データが求められる。
音声ベクトルのパワーが計算された後、そのパワーが量
子化され、これにより、量子化された入力音声ベクトル
のパワーが用いられて入力音声ベクトルとピッチ周期ベ
クトルとが正規化される。そして、減算器１１におい
て、正規化され、パワー量子化部１０から出力された入
力音声ベクトルから合成音声ベクトルが減算されて、歪
データが求められる。
【０００８】次に、歪パワー計算部１２は、歪データの
パワーを計算し、この歪データのパワーが最も小さくな
るように、適応符号帳５および雑音符号帳７それぞれか
らピッチ周期ベクトルおよび雑音波形ベクトルをそれぞ
れ選択するとともに、利得部６および８のそれぞれの利
得を設定する。これにより、符号出力部１３において、
予測係数、入力音声ベクトルのパワー、ピッチ周期ベク
トルおよび雑音波形ベクトルそれぞれに対して選択され
た情報（コード）と利得などとがビット系列の符号に変
換されて出力され、これらの符号が伝送される。
パワーを計算し、この歪データのパワーが最も小さくな
るように、適応符号帳５および雑音符号帳７それぞれか
らピッチ周期ベクトルおよび雑音波形ベクトルをそれぞ
れ選択するとともに、利得部６および８のそれぞれの利
得を設定する。これにより、符号出力部１３において、
予測係数、入力音声ベクトルのパワー、ピッチ周期ベク
トルおよび雑音波形ベクトルそれぞれに対して選択され
た情報（コード）と利得などとがビット系列の符号に変
換されて出力され、これらの符号が伝送される。
【０００９】ところで、歪パワー計算部１２において、
合成音声ベクトルと入力音声ベクトルとの差である歪デ
ータを評価する際、歪データが最小になること、すなわ
ち、ＳＮが最大になることだけで評価すると、量子化雑
音が周波数軸上で一様に分布することになる。また、音
声信号は、低域に多くのパワーを有するが、周波数の増
加に従ってパワーは減少する。そのため、量子化雑音が
周波数軸上で一様に分布していると、高域において量子
化雑音レベルが音声レベルより相対的に高く、このこと
が符号化音声を劣化させる原因となる。
合成音声ベクトルと入力音声ベクトルとの差である歪デ
ータを評価する際、歪データが最小になること、すなわ
ち、ＳＮが最大になることだけで評価すると、量子化雑
音が周波数軸上で一様に分布することになる。また、音
声信号は、低域に多くのパワーを有するが、周波数の増
加に従ってパワーは減少する。そのため、量子化雑音が
周波数軸上で一様に分布していると、高域において量子
化雑音レベルが音声レベルより相対的に高く、このこと
が符号化音声を劣化させる原因となる。
【００１０】そこで、従来では、図２に示すように、歪
パワー計算部１２において、聴覚重み付けフィルタ１４
を用いて歪データを入力音声ベクトルのスペクトルに基
づいて重み付けを行った後、パワー計算部１５において
評価する。つまり、音声パワーの大きい低域では、一様
分布の時より多少量子化雑音レベルが大きくなっても音
声によってマスキングされるため、量子化雑音は聞こえ
ない。逆に、高域では、一様分布より低くなるように重
み付けを行う。図２において、ｅは減算器１１から出力
された歪データ、ｅ’は重み付きの歪データである。
パワー計算部１２において、聴覚重み付けフィルタ１４
を用いて歪データを入力音声ベクトルのスペクトルに基
づいて重み付けを行った後、パワー計算部１５において
評価する。つまり、音声パワーの大きい低域では、一様
分布の時より多少量子化雑音レベルが大きくなっても音
声によってマスキングされるため、量子化雑音は聞こえ
ない。逆に、高域では、一様分布より低くなるように重
み付けを行う。図２において、ｅは減算器１１から出力
された歪データ、ｅ’は重み付きの歪データである。
【００１１】聴覚重み付けフィルタ１４の伝達関数Ｗ
（ｚ）は、（１）式によって表される。
（ｚ）は、（１）式によって表される。
【数１】 ここで、
【数２】
【数３】 （１）〜（３）式において、係数αiは、予測係数決定
部２において得られた量子化されていないＬＰＣ係数で
ある。また、係数γ1およびγ2には、０＜γ2＜γ1＜１
の値が用いられる。また、係数γ1およびγ2によって聴
覚重み付けフィルタ１４の特性が左右されるため、これ
らの係数γ1およびγ2の値は、試聴によって経験的に決
定される。
部２において得られた量子化されていないＬＰＣ係数で
ある。また、係数γ1およびγ2には、０＜γ2＜γ1＜１
の値が用いられる。また、係数γ1およびγ2によって聴
覚重み付けフィルタ１４の特性が左右されるため、これ
らの係数γ1およびγ2の値は、試聴によって経験的に決
定される。
【００１２】
【発明が解決しようとする課題】ところで、電話機の音
声には、従来から、国際電信電話諮問委員会（ＣＣＩＴ
Ｔ）において標準化されているＩＲＳ特性を有する音声
が用いられてきた。しかしながら、最近では、小型のエ
レクトレット・マイクロホンの普及に伴って、ＩＲＳ特
性とは異なる周波数特性（以下、ＮＯＮ−ＩＲＳ特性と
いう）を有する音声も用いられるようになってきてい
る。そして、このような異なる周波数特性を有する音声
を符号化する場合、上述した聴覚重み付けフィルタ１４
の係数γ1およびγ2の最適値も当然異なる。
声には、従来から、国際電信電話諮問委員会（ＣＣＩＴ
Ｔ）において標準化されているＩＲＳ特性を有する音声
が用いられてきた。しかしながら、最近では、小型のエ
レクトレット・マイクロホンの普及に伴って、ＩＲＳ特
性とは異なる周波数特性（以下、ＮＯＮ−ＩＲＳ特性と
いう）を有する音声も用いられるようになってきてい
る。そして、このような異なる周波数特性を有する音声
を符号化する場合、上述した聴覚重み付けフィルタ１４
の係数γ1およびγ2の最適値も当然異なる。
【００１３】しかしながら、上述した従来の音声の予測
符号化方法においては、既に説明したように、聴覚重み
付けフィルタ１４の係数γ1およびγ2の値は、入力音声
の周波数特性に関係なく、入力音声に応じて試聴を行っ
て経験的に一定の値に固定されていた。したがって、上
記聴覚重み付けフィルタ１４の係数γ1およびγ2の値に
適合しない周波数特性を有する音声を符号化して伝送し
た場合には、伝送先で良い品質の復号音声を得ることが
できないという問題があった。本発明は、このような背
景の下になされたもので、異なる周波数特性を有する音
声を符号化して伝送した場合でも、伝送先で良い品質の
復号音声を得ることができる音声の予測符号化方法を提
供することを目的とする。
符号化方法においては、既に説明したように、聴覚重み
付けフィルタ１４の係数γ1およびγ2の値は、入力音声
の周波数特性に関係なく、入力音声に応じて試聴を行っ
て経験的に一定の値に固定されていた。したがって、上
記聴覚重み付けフィルタ１４の係数γ1およびγ2の値に
適合しない周波数特性を有する音声を符号化して伝送し
た場合には、伝送先で良い品質の復号音声を得ることが
できないという問題があった。本発明は、このような背
景の下になされたもので、異なる周波数特性を有する音
声を符号化して伝送した場合でも、伝送先で良い品質の
復号音声を得ることができる音声の予測符号化方法を提
供することを目的とする。
【００１４】
【課題を解決するための手段】請求項１記載の発明は、
入力音声を線形予測分析して予測係数を算出し、該予測
係数を合成フィルタに設定し、該合成フィルタを、複数
のピッチ周期ベクトルが記憶された適応符号帳と、複数
の雑音波形ベクトルが記憶された雑音符号帳とからそれ
ぞれ選択されたピッチ周期ベクトルおよび雑音波形ベク
トルによって、前記入力音声の複数サンプルからなるフ
レーム単位に駆動して合成音声を合成することを利用し
て音声を符号化する音声の予測符号化方法において、前
記合成音声と前記入力音声との歪が最小となるように前
記適応符号帳および前記雑音符号帳から前記ピッチ周期
ベクトルおよび前記雑音波形ベクトルを選択するために
前記歪に聴覚的な重み付けを行う際に、その重み付けの
度合いを前記入力音声の周波数特性に基づいて適応的に
制御することを特徴としている。請求項２記載の発明
は、請求項１記載の発明において、前記重み付けの度合
いを、パーコール係数を用いて適応的に制御することを
特徴としている。
入力音声を線形予測分析して予測係数を算出し、該予測
係数を合成フィルタに設定し、該合成フィルタを、複数
のピッチ周期ベクトルが記憶された適応符号帳と、複数
の雑音波形ベクトルが記憶された雑音符号帳とからそれ
ぞれ選択されたピッチ周期ベクトルおよび雑音波形ベク
トルによって、前記入力音声の複数サンプルからなるフ
レーム単位に駆動して合成音声を合成することを利用し
て音声を符号化する音声の予測符号化方法において、前
記合成音声と前記入力音声との歪が最小となるように前
記適応符号帳および前記雑音符号帳から前記ピッチ周期
ベクトルおよび前記雑音波形ベクトルを選択するために
前記歪に聴覚的な重み付けを行う際に、その重み付けの
度合いを前記入力音声の周波数特性に基づいて適応的に
制御することを特徴としている。請求項２記載の発明
は、請求項１記載の発明において、前記重み付けの度合
いを、パーコール係数を用いて適応的に制御することを
特徴としている。
【００１５】
【作用】本発明によれば、合成音声と入力音声との歪に
施される聴覚的な重み付けの度合いが入力音声の周波数
特性に基づいて適応的に制御されるので、異なる周波数
特性を有する音声を符号化して伝送した場合でも、伝送
先で良い品質の復号音声が得られる。
施される聴覚的な重み付けの度合いが入力音声の周波数
特性に基づいて適応的に制御されるので、異なる周波数
特性を有する音声を符号化して伝送した場合でも、伝送
先で良い品質の復号音声が得られる。
【００１６】
【実施例】以下、図面を参照して、本発明の実施例につ
いて説明する。本発明においては、音声の符号化装置の
構成は、図１および図２とほぼ同様であるが、歪パワー
計算部１２を構成する聴覚重み付けフィルタ１４の係数
γ2の値が、以下に示す第１〜第３の実施例によってそ
れぞれ適応的に制御される。
いて説明する。本発明においては、音声の符号化装置の
構成は、図１および図２とほぼ同様であるが、歪パワー
計算部１２を構成する聴覚重み付けフィルタ１４の係数
γ2の値が、以下に示す第１〜第３の実施例によってそ
れぞれ適応的に制御される。
【００１７】（１）第１の実施例（フレーム内処理） 聴覚重み付けフィルタ１４の係数γ1およびγ2の値を決
定する際の試聴の結果、ＩＲＳ特性を有する音声におい
ては、係数γ1およびγ2の値は、γ1＝０．９、γ2＝
０．６が好ましい。いっぽう、ＮＯＮ−ＩＲＳ特性を有
する音声においては、γ1＝０．９、γ2＝０．４が好ま
しい。そこで、ＩＲＳ特性およびＮＯＮ−ＩＲＳ特性の
両特性に最適となるように、入力音声に応じて係数γ2
の値を制御すればよい。つまり、入力音声がＩＲＳ特性
を有する場合には、γ2＝０．６と設定し、入力音声が
ＮＯＮ−ＩＲＳ特性を有する場合には、γ2＝０．４と
設定すればよい。
定する際の試聴の結果、ＩＲＳ特性を有する音声におい
ては、係数γ1およびγ2の値は、γ1＝０．９、γ2＝
０．６が好ましい。いっぽう、ＮＯＮ−ＩＲＳ特性を有
する音声においては、γ1＝０．９、γ2＝０．４が好ま
しい。そこで、ＩＲＳ特性およびＮＯＮ−ＩＲＳ特性の
両特性に最適となるように、入力音声に応じて係数γ2
の値を制御すればよい。つまり、入力音声がＩＲＳ特性
を有する場合には、γ2＝０．６と設定し、入力音声が
ＮＯＮ−ＩＲＳ特性を有する場合には、γ2＝０．４と
設定すればよい。
【００１８】また、ＩＲＳ特性を有する音声およびＮＯ
Ｎ−ＩＲＳ特性を有する音声を分析した結果、両者に
は、ＰＡＲＣＯＲ係数（パーコール係数）の１次の係数
ｋ1の出現確率の分布に大きな違いがあることがわかっ
た。すなわち、このＰＡＲＣＯＲ係数ｋ1は、必ず−１
＜ｋ1＜１の範囲に存在するが、ＮＯＮ−ＩＲＳ特性を
有する音声を分析して得られたＰＡＲＣＯＲ係数ｋ
1は、値＋１付近に集中する傾向があり、いっぽう、Ｉ
ＲＳ特性を有する音声を分析して得られたＰＡＲＣＯＲ
係数ｋ1には、そのような傾向がない。
Ｎ−ＩＲＳ特性を有する音声を分析した結果、両者に
は、ＰＡＲＣＯＲ係数（パーコール係数）の１次の係数
ｋ1の出現確率の分布に大きな違いがあることがわかっ
た。すなわち、このＰＡＲＣＯＲ係数ｋ1は、必ず−１
＜ｋ1＜１の範囲に存在するが、ＮＯＮ−ＩＲＳ特性を
有する音声を分析して得られたＰＡＲＣＯＲ係数ｋ
1は、値＋１付近に集中する傾向があり、いっぽう、Ｉ
ＲＳ特性を有する音声を分析して得られたＰＡＲＣＯＲ
係数ｋ1には、そのような傾向がない。
【００１９】ここで、図３に実際の音声データを処理し
て得られるＰＡＲＣＯＲ係数ｋ1の値をその出現確率の
分布別に統計を取った時の値＋１付近の、ＩＲＳ特性を
有する音声を分析して得られたＰＡＲＣＯＲ係数ｋ1の
出現確率の分布（曲線ａ）、およびＮＯＮ−ＩＲＳ特性
を有する音声を分析して得られたＰＡＲＣＯＲ係数ｋ1
の出現確率の分布（曲線ｂ）を示す。図３からわかるよ
うに、ＮＯＮ−ＩＲＳ特性を有する音声は、ＰＡＲＣＯ
Ｒ係数ｋ1＞０．９において多く存在するが、ＩＲＳ特
性を有する音声は、ＰＡＲＣＯＲ係数ｋ1＞０．９の出
現が減少している。
て得られるＰＡＲＣＯＲ係数ｋ1の値をその出現確率の
分布別に統計を取った時の値＋１付近の、ＩＲＳ特性を
有する音声を分析して得られたＰＡＲＣＯＲ係数ｋ1の
出現確率の分布（曲線ａ）、およびＮＯＮ−ＩＲＳ特性
を有する音声を分析して得られたＰＡＲＣＯＲ係数ｋ1
の出現確率の分布（曲線ｂ）を示す。図３からわかるよ
うに、ＮＯＮ−ＩＲＳ特性を有する音声は、ＰＡＲＣＯ
Ｒ係数ｋ1＞０．９において多く存在するが、ＩＲＳ特
性を有する音声は、ＰＡＲＣＯＲ係数ｋ1＞０．９の出
現が減少している。
【００２０】したがって、このＰＡＲＣＯＲ係数ｋ1の
相違の特徴を用いて、聴覚重み付けフィルタ１４の係数
γ2の値を、入力音声によって適応的に制御する。つま
り、入力音声を分析して得られたＰＡＲＣＯＲ係数ｋ1
の値がしきい値Ｔｈ（たとえば、ｔＨ＝０．９）以上で
ある場合には、聴覚重み付けフィルタ１４の係数γ２の
値を０．４に設定し、係数ｋ１の値がしきい値Ｔｈより
小さい場合には、係数γ2の値を０．６に設定する。な
お、ＰＡＲＣＯＲ係数ｋ1は、予測係数決定部２におい
て線形予測分析を行う時に求めることができる。また、
従来の技術において既に説明したように、音声の符号化
はフレーム単位で行われるため、この実施例において
は、聴覚重み付けフィルタ１４の係数γ2の適応的制御
もフレーム単位で行われる。
相違の特徴を用いて、聴覚重み付けフィルタ１４の係数
γ2の値を、入力音声によって適応的に制御する。つま
り、入力音声を分析して得られたＰＡＲＣＯＲ係数ｋ1
の値がしきい値Ｔｈ（たとえば、ｔＨ＝０．９）以上で
ある場合には、聴覚重み付けフィルタ１４の係数γ２の
値を０．４に設定し、係数ｋ１の値がしきい値Ｔｈより
小さい場合には、係数γ2の値を０．６に設定する。な
お、ＰＡＲＣＯＲ係数ｋ1は、予測係数決定部２におい
て線形予測分析を行う時に求めることができる。また、
従来の技術において既に説明したように、音声の符号化
はフレーム単位で行われるため、この実施例において
は、聴覚重み付けフィルタ１４の係数γ2の適応的制御
もフレーム単位で行われる。
【００２１】（２）第２の実施例（フレーム間処理） 図１に示す予測係数決定部２においては、入力音声デー
タについてフレーム単位で線形予測分析がなされ、合成
フィルタ３の予測係数が計算されるが、入力音声データ
の子音部や無声区間などでは、このフレーム単位での線
形予測分析が必ずしも有効ではない。そのため、ＮＯＮ
−ＩＲＳ特性を有する音声においても、フレーム単位で
は、ＰＡＲＣＯＲ係数ｋ1の値が値＋１付近に集中する
とは限らない。また、聴覚重み付けフィルタ１４の係数
γ2の値がフレーム単位で大きく変化した場合、復号音
声の連続性が失われて望ましくない。
タについてフレーム単位で線形予測分析がなされ、合成
フィルタ３の予測係数が計算されるが、入力音声データ
の子音部や無声区間などでは、このフレーム単位での線
形予測分析が必ずしも有効ではない。そのため、ＮＯＮ
−ＩＲＳ特性を有する音声においても、フレーム単位で
は、ＰＡＲＣＯＲ係数ｋ1の値が値＋１付近に集中する
とは限らない。また、聴覚重み付けフィルタ１４の係数
γ2の値がフレーム単位で大きく変化した場合、復号音
声の連続性が失われて望ましくない。
【００２２】そこで、この実施例においては、係数γ2
の値を（４）式で表されるように、現在処理しようとし
ているフレーム（現フレーム）の入力音声データの係数
γ2と、過去に処理されたＭ個のフレームのそれぞれの
入力音声データの係数γ2の和によって表現する。
の値を（４）式で表されるように、現在処理しようとし
ているフレーム（現フレーム）の入力音声データの係数
γ2と、過去に処理されたＭ個のフレームのそれぞれの
入力音声データの係数γ2の和によって表現する。
【数４】 （４）式において、ｎはフレーム番号（現フレームのフ
レーム番号はｎ）、γ2（ｎ）はフレーム番号ｎのフレ
ームの入力音声データを分析して得られたＰＡＲＣＯＲ
係数ｋ1によって決まる係数γ2、Ｍは次数（たとえば、
Ｍ＝３）、Ｗiは重み係数である。このように、係数γ2
を和の形で表現することにより、フレーム単位での係数
γ2の急激な変化が避けられるので、復号音声の連続性
が失われることはない。
レーム番号はｎ）、γ2（ｎ）はフレーム番号ｎのフレ
ームの入力音声データを分析して得られたＰＡＲＣＯＲ
係数ｋ1によって決まる係数γ2、Ｍは次数（たとえば、
Ｍ＝３）、Ｗiは重み係数である。このように、係数γ2
を和の形で表現することにより、フレーム単位での係数
γ2の急激な変化が避けられるので、復号音声の連続性
が失われることはない。
【００２３】（３）第３の実施例 ところで、実際の使用状況において、音声の符号化装置
に入力される入力音声データがＩＲＳ特性を有するか、
あるいはＮＯＮ−ＩＲＳ特性を有するか不明である。し
かしながら、たとえば、使用する電話機によって音声の
周波数特性が決まってくるので、電話機の機種が決定さ
れれば、入力音声データがＩＲＳ特性を有するか、ある
いはＮＯＮ−ＩＲＳ特性を有するかが決まり、以後、両
特性が逆転することはあまり考えられない。
に入力される入力音声データがＩＲＳ特性を有するか、
あるいはＮＯＮ−ＩＲＳ特性を有するか不明である。し
かしながら、たとえば、使用する電話機によって音声の
周波数特性が決まってくるので、電話機の機種が決定さ
れれば、入力音声データがＩＲＳ特性を有するか、ある
いはＮＯＮ−ＩＲＳ特性を有するかが決まり、以後、両
特性が逆転することはあまり考えられない。
【００２４】そこで、この実施例においては、図３に示
すＰＡＲＣＯＲ係数ｋ1のの出現確率の分布に基づい
て、聴覚重み付けフィルタ１４の係数γ2の値を（５）
式に表すように適応的に制御する。
すＰＡＲＣＯＲ係数ｋ1のの出現確率の分布に基づい
て、聴覚重み付けフィルタ１４の係数γ2の値を（５）
式に表すように適応的に制御する。
【数５】 （５）式において、γ2min＝０．４、γ2max＝０．６、
α1＝０．０５、α2＝０．０１、β＝０．００１、ａ1
＝０．９７、ａ2＝０．９５、ａ3＝０．９０、初期値γ
2（０）＝０．６とする。また、（５）式において、ｎ
はフレーム番号である。
α1＝０．０５、α2＝０．０１、β＝０．００１、ａ1
＝０．９７、ａ2＝０．９５、ａ3＝０．９０、初期値γ
2（０）＝０．６とする。また、（５）式において、ｎ
はフレーム番号である。
【００２５】入力音声データがＩＲＳ特性を有する場合
には、係数γ2は、ａ1＝０．９７以上の値が出現する確
率はゼロであり、ａ2＝０．９５以上の値が出現する確
率も非常に少ない。そのため、係数γ2（ｎ）はほとん
ど変化しない。つまり、入力音声データがＩＲＳ特性を
有する場合には、係数γ2（ｎ）が０．６に保たれる。
いっぽう、入力音声データがＮＯＮ−ＩＲＳ特性を有す
る場合には、係数γ2は、ａ2＝０．９５以上の値が出現
する確率が非常に高く、α1＝０．０５ならば、４フレ
ーム後には、γ2（ｎ）＝０．４となる。そして、音声
区間によって係数γ2の値が０．９以下である場合で
も、増加がβ＝０．００１と小さいので、急激に変化し
ない。また、係数γ2の値が０．０５を越えるフレーム
があれば、係数γ2（ｎ）は０．４に収束する。以上、
本発明の実施例を図面を参照して詳述してきたが、具体
的な構成はこれらの実施例に限られるものではなく、本
発明の要旨を逸脱しない範囲の設計の変更等があっても
本発明に含まれる。
には、係数γ2は、ａ1＝０．９７以上の値が出現する確
率はゼロであり、ａ2＝０．９５以上の値が出現する確
率も非常に少ない。そのため、係数γ2（ｎ）はほとん
ど変化しない。つまり、入力音声データがＩＲＳ特性を
有する場合には、係数γ2（ｎ）が０．６に保たれる。
いっぽう、入力音声データがＮＯＮ−ＩＲＳ特性を有す
る場合には、係数γ2は、ａ2＝０．９５以上の値が出現
する確率が非常に高く、α1＝０．０５ならば、４フレ
ーム後には、γ2（ｎ）＝０．４となる。そして、音声
区間によって係数γ2の値が０．９以下である場合で
も、増加がβ＝０．００１と小さいので、急激に変化し
ない。また、係数γ2の値が０．０５を越えるフレーム
があれば、係数γ2（ｎ）は０．４に収束する。以上、
本発明の実施例を図面を参照して詳述してきたが、具体
的な構成はこれらの実施例に限られるものではなく、本
発明の要旨を逸脱しない範囲の設計の変更等があっても
本発明に含まれる。
【００２６】
【発明の効果】以上説明したように、本発明によれば、
聴覚重み付けフィルタの係数を入力音声の周波数特性に
応じて適応的に制御することができるので、異なる周波
数特性を有する音声を符号化して伝送した場合でも、伝
送先で良い品質の復号音声を得ることができるという効
果がある。
聴覚重み付けフィルタの係数を入力音声の周波数特性に
応じて適応的に制御することができるので、異なる周波
数特性を有する音声を符号化して伝送した場合でも、伝
送先で良い品質の復号音声を得ることができるという効
果がある。
【図１】本発明の第１〜第３の実施例および従来例によ
る音声の予測符号化方法を適用した音声の符号化装置の
構成を表すブロック図である。
る音声の予測符号化方法を適用した音声の符号化装置の
構成を表すブロック図である。
【図２】歪パワー計算部１２の構成の一例を示すブロッ
ク図である。
ク図である。
【図３】入力音声の周波数特性の違いによるＰＡＲＣＯ
Ｒ係数ｋ1の出現確率の分布の一例を示す図である。
Ｒ係数ｋ1の出現確率の分布の一例を示す図である。
１ 入力端子 ２ 予測係数決定部 ３ 合成フィルタ ４ 予測係数量子化部 ５ 適応符号帳 ６，８ 利得部 ７ 雑音符号帳 ９ 加算器 １０ パワー量子化部 １１ 減算器 １２ 歪パワー計算部 １３ 符号出力部 １４ 聴覚重み付けフィルタ １５ パワー計算部
Claims (2)
- 【請求項１】 入力音声を線形予測分析して予測係数を
算出し、該予測係数を合成フィルタに設定し、該合成フ
ィルタを、複数のピッチ周期ベクトルが記憶された適応
符号帳と、複数の雑音波形ベクトルが記憶された雑音符
号帳とからそれぞれ選択されたピッチ周期ベクトルおよ
び雑音波形ベクトルによって、前記入力音声の複数サン
プルからなるフレーム単位に駆動して合成音声を合成す
ることを利用して音声を符号化する音声の予測符号化方
法において、 前記合成音声と前記入力音声との歪が最小となるように
前記適応符号帳および前記雑音符号帳から前記ピッチ周
期ベクトルおよび前記雑音波形ベクトルを選択するため
に前記歪に聴覚的な重み付けを行う際に、その重み付け
の度合いを前記入力音声の周波数特性に基づいて適応的
に制御することを特徴とする音声の予測符号化方法。 - 【請求項２】 前記重み付けの度合いを、パーコール係
数を用いて適応的に制御することを特徴とする請求項１
記載の音声の予測符号化方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP5227577A JPH0786952A (ja) | 1993-09-13 | 1993-09-13 | 音声の予測符号化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP5227577A JPH0786952A (ja) | 1993-09-13 | 1993-09-13 | 音声の予測符号化方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH0786952A true JPH0786952A (ja) | 1995-03-31 |
Family
ID=16863101
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP5227577A Pending JPH0786952A (ja) | 1993-09-13 | 1993-09-13 | 音声の予測符号化方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH0786952A (ja) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08292797A (ja) * | 1995-04-20 | 1996-11-05 | Nec Corp | 音声符号化装置 |
| KR100501919B1 (ko) * | 2002-09-06 | 2005-07-18 | 주식회사 보이스웨어 | 2개의 증폭기를 구비한 음성인식기 및 그 음성인식 방법 |
| WO2008032828A1 (fr) * | 2006-09-15 | 2008-03-20 | Panasonic Corporation | Dispositif de codage audio et procédé de codage audio |
| JP2010066335A (ja) * | 2008-09-09 | 2010-03-25 | Nippon Telegr & Teleph Corp <Ntt> | 信号広帯域化装置、信号広帯域化方法、そのプログラム、その記録媒体 |
-
1993
- 1993-09-13 JP JP5227577A patent/JPH0786952A/ja active Pending
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08292797A (ja) * | 1995-04-20 | 1996-11-05 | Nec Corp | 音声符号化装置 |
| US6006177A (en) * | 1995-04-20 | 1999-12-21 | Nec Corporation | Apparatus for transmitting synthesized speech with high quality at a low bit rate |
| KR100501919B1 (ko) * | 2002-09-06 | 2005-07-18 | 주식회사 보이스웨어 | 2개의 증폭기를 구비한 음성인식기 및 그 음성인식 방법 |
| WO2008032828A1 (fr) * | 2006-09-15 | 2008-03-20 | Panasonic Corporation | Dispositif de codage audio et procédé de codage audio |
| US8239191B2 (en) | 2006-09-15 | 2012-08-07 | Panasonic Corporation | Speech encoding apparatus and speech encoding method |
| JP2010066335A (ja) * | 2008-09-09 | 2010-03-25 | Nippon Telegr & Teleph Corp <Ntt> | 信号広帯域化装置、信号広帯域化方法、そのプログラム、その記録媒体 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| RU2257556C2 (ru) | Квантование коэффициентов усиления для речевого кодера линейного прогнозирования с кодовым возбуждением | |
| US5778335A (en) | Method and apparatus for efficient multiband celp wideband speech and music coding and decoding | |
| US6694293B2 (en) | Speech coding system with a music classifier | |
| JP4390803B2 (ja) | 可変ビットレート広帯域通話符号化におけるゲイン量子化方法および装置 | |
| JPH02155313A (ja) | 符号化方法 | |
| JP3357795B2 (ja) | 音声符号化方法および装置 | |
| EP1096476B1 (en) | Speech signal decoding | |
| JP3628268B2 (ja) | 音響信号符号化方法、復号化方法及び装置並びにプログラム及び記録媒体 | |
| EP0856185B1 (en) | Repetitive sound compression system | |
| JPH09152896A (ja) | 声道予測係数符号化・復号化回路、声道予測係数符号化回路、声道予測係数復号化回路、音声符号化装置及び音声復号化装置 | |
| JP2645465B2 (ja) | 低遅延低ビツトレート音声コーダ | |
| JPH0944195A (ja) | 音声符号化装置 | |
| US20090018823A1 (en) | Speech coding | |
| JPH0786952A (ja) | 音声の予測符号化方法 | |
| JP3088163B2 (ja) | Ｌｓｐ係数の量子化方法 | |
| JP3050978B2 (ja) | 音声符号化方法 | |
| JP3417362B2 (ja) | 音声信号復号方法及び音声信号符号化復号方法 | |
| JP3878254B2 (ja) | 音声圧縮符号化方法および音声圧縮符号化装置 | |
| JP3496618B2 (ja) | 複数レートで動作する無音声符号化を含む音声符号化・復号装置及び方法 | |
| JP3232701B2 (ja) | 音声符号化方法 | |
| JP3153075B2 (ja) | 音声符号化装置 | |
| JP2968109B2 (ja) | コード励振線形予測符号化器及び復号化器 | |
| JP2002073097A (ja) | Ｃｅｌｐ型音声符号化装置とｃｅｌｐ型音声復号化装置及び音声符号化方法と音声復号化方法 | |
| JP3192051B2 (ja) | 音声符号化装置 | |
| JP2002169595A (ja) | 固定音源符号帳及び音声符号化／復号化装置 |