JPH11219198A - 位相検出装置及び方法、並びに音声符号化装置及び方法 - Google Patents

位相検出装置及び方法、並びに音声符号化装置及び方法

Info

Publication number
JPH11219198A
JPH11219198A JP10019963A JP1996398A JPH11219198A JP H11219198 A JPH11219198 A JP H11219198A JP 10019963 A JP10019963 A JP 10019963A JP 1996398 A JP1996398 A JP 1996398A JP H11219198 A JPH11219198 A JP H11219198A
Authority
JP
Japan
Prior art keywords
waveform
data
phase
pitch
samples
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.)
Withdrawn
Application number
JP10019963A
Other languages
English (en)
Inventor
Akira Inoue
晃 井上
Masayuki Nishiguchi
正之 西口
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sony Corp
Original Assignee
Sony Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Sony Corp filed Critical Sony Corp
Priority to JP10019963A priority Critical patent/JPH11219198A/ja
Priority to US09/236,500 priority patent/US6115685A/en
Publication of JPH11219198A publication Critical patent/JPH11219198A/ja
Withdrawn legal-status Critical Current

Links

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
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B1/00—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission
    • H04B1/66—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission for reducing bandwidth of signals; for improving efficiency of transmission
    • H04B1/667—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission for reducing bandwidth of signals; for improving efficiency of transmission using a division in frequency subbands

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Compression, Expansion, Code Conversion, And Decoders (AREA)

Abstract

(57)【要約】 【課題】 サイン波合成符号化の際等の入力信号の位相
情報を、ＦＦＴ後の補間処理なしに検出する。 【解決手段】 入力端子１０からの音声信号に基づく入
力信号の波形を波形切り出し部１１で時間軸上で１ピッ
チ周期分だけ切り出し、次元変換１２により２kサンプ
ル（ｋは整数）に次元変換する。この次元変換された波
形データに対してＦＦＴ（高速フーリエ変換）部１３で
ＦＦＴ処理し、ＦＦＴ処理されたデータの実部と虚部と
を用いてtan-1 部１４でtan-1 の計算を行うことによ
り、直接的に入力信号の各高調波毎の位相を求める。

Description

【発明の詳細な説明】
【０００１】
【発明の属する技術分野】本発明は、サイン波合成符号
化等における各高調波（ハーモニクス）成分の位相を検
出するための位相検出装置及び方法、並びに音声符号化
装置及び方法に関する。
【０００２】
【従来の技術】オーディオ信号（音声信号や音響信号を
含む）の時間領域や周波数領域における統計的性質と人
間の聴感上の特性を利用して信号圧縮を行うような符号
化方法が種々知られている。この符号化方法としては、
大別して時間領域での符号化、周波数領域での符号化、
分析合成符号化等が挙げられる。
【０００３】音声信号等の高能率符号化の例としては、
ハーモニック（Harmonic）符号化、ＭＢＥ（Multiband
Excitation：マルチバンド励起）符号化等のサイン波分
析合成符号化（Sinusoidal Coding） や、ＳＢＣ（Sub-
band Coding:帯域分割符号化）、ＬＰＣ（Linear Predi
ctive Coding: 線形予測符号化）、あるいはＤＣＴ（離
散コサイン変換）、ＭＤＣＴ（モデファイドＤＣＴ）、
ＦＦＴ（高速フーリエ変換）等が知られている。
【０００４】
【発明が解決しようとする課題】ところで、入力音声信
号に対して上記ＭＢＥ符号化、ハーモニック符号化や、
ＳＴＣ（Sinusoidal Transform Coding） 等のサイン波
合成符号化（SinusoidalCoding） を用いるような、又
は、入力音声信号のＬＰＣ（線形予測符号化）残差に対
してこれらのサイン波合成符号化を用いるような音声高
能率符号化においては、分析合成の要素となる各サイン
波（ハーモニクス、高調波）の振幅、あるいはスペクト
ルエンベロープに関する情報を伝送しているが、位相に
ついては伝送しておらず、合成時に適宜に位相を算出し
ているのが実情である。
【０００５】そのため、復号されて再生される音声波形
は、元の入力音声信号の波形と異なることになる、とい
う問題がある。すなわち、元の波形の波形再生を実現す
るためには、各ハーモニクス（高調波）成分の位相情報
をフレーム毎に検出して伝送することが必要とされる。
【０００６】本発明は、このような実情に鑑みてなされ
たものであり、元の波形の波形再現性を実現するための
位相検出装置及び方法、並びにこの位相検出の技術を用
いた音声符号化装置及び方法の提供を目的とする。
【０００７】
【課題を解決するための手段】本発明に係る位相検出装
置及び方法は、上述した課題を解決するために、音声信
号に基づく入力信号波形を時間軸上で１ピッチ周期分だ
け切り出し、切り出された１ピッチ周期分のサンプルに
対して次元変換を施して２k サンプル（ｋは整数、２k
は上記１ピッチ周期のサンプル数以上）のデータにし、
この次元変換されたデータに対して２k ポイントＦＦＴ
等の直交変換を施し、直交変換されたデータの実部と虚
部とに基づいて上記入力信号の各高調波成分の位相情報
を検出することを特徴としている。
【０００８】また、本発明は、上記特徴を有する位相検
出を、サイン波合成符号化等の音声符号化に適用するこ
とを特徴としている。
【０００９】ここで、上記入力信号波形としては、音声
信号波形そのもの、あるいは音声信号の短期予測残差の
信号波形を用いることができる。
【００１０】また、上記次元変換としては、上記切り出
された波形データに対してオーバサンプリング、線形補
間を施して２k サンプルのデータに変換することが挙げ
られる。
【００１１】さらに、上記位相検出は、上記直交変換に
より得られたデータの実部と虚部とを用いて逆正接（ta
n-1） を求める計算により各高調波毎の位相を求めるこ
とが挙げられる。
【００１２】
【発明の実施の形態】本発明に係る位相検出装置及び方
法は、例えばマルチバンド励起（MultibandExcitation:
ＭＢＥ）符号化、サイン波変換符号化（Sinusoidal Tr
ansform Coding:ＳＴＣ）、ハーモニック符号化（Harmo
nic coding ）等のサイン波合成符号化方式に適用され
るものであり、又はＬＰＣ（Linear Predictive Codin
g）残差に上記サイン波合成符号化を用いた符号化方式
に適用されるものである。
【００１３】ここで、本発明の実施の形態の説明に先立
ち、本発明に係る位相検出装置あるいは方法が適用され
る装置としてのサイン波分析合成符号化を行うような音
声符号化装置について説明する。
【００１４】図１は、上述した位相検出装置あるいは方
法が適用される音声符号化装置の具体例の概略構成を示
している。
【００１５】図１の音声信号符号化装置は、入力信号に
対して、サイン波分析（sinusoidalanalysis ）符号
化、例えばハーモニックコーディング（harmonic codin
g ）を行う第１の符号化部１１０と、入力信号に対し
て、例えば合成による分析法を用いて最適ベクトルのク
ローズドループサーチによるベクトル量子化を用いた符
号励起線形予測（ＣＥＬＰ）符号化を施す第２の符号化
部１２０とを有し、入力信号の有声音（Ｖ：Voiced）の
部分の符号化に第１の符号化部１１０を用い、入力信号
の無声音（ＵＶ：Unvoiced）の部分の符号化には第２の
符号化部１２０を用いるようにしている。本発明に係る
位相検出の実施の形態は、第１の符号化部１１０に対し
て適用されている。なお、図１の例では、入力音声信号
の短期予測残差例えばＬＰＣ（線形予測符号化）残差を
求めた後に第１の符号化部１１０に送られるようにして
いる。
【００１６】図１において、入力端子１０１に供給され
た音声信号は、ＬＰＣ逆フィルタ１３１及びＬＰＣ分析
部１３２に送られ、また、第１の符号化部１１０のオー
プンループピッチサーチ部１１１にも送られる。ＬＰＣ
分析部１３２は、入力信号波形の２５６サンプル程度の
長さ（分析長）を１ブロックとしてハミング窓をかけ
て、自己相関法により線形予測係数、いわゆるαパラメ
ータを求める。データ出力の単位となるフレーミングの
間隔は、１６０サンプル程度とする。ここで、入力音声
信号のサンプリング周波数ｆｓが例えば８ｋHzのとき、
１フレーム間隔は１６０サンプルで２０ｍsec となる。
【００１７】ＬＰＣ分析部１３２からのαパラメータ
は、例えばα→ＬＳＰ変換により線スペクトル対（ＬＳ
Ｐ）パラメータに変換される。これは、直接型のフィル
タ係数として求まったαパラメータを、例えば１０個、
すなわち５対のＬＳＰパラメータに変換する。変換は例
えばニュートン−ラプソン法等を用いて行う。このＬＳ
Ｐパラメータに変換するのは、αパラメータよりも補間
特性に優れているからである。このＬＳＰパラメータ
は、ＬＳＰ量子化器１３３によりマトリクスあるいはベ
クトル量子化される。このとき、フレーム間差分をとっ
てからベクトル量子化してもよく、複数フレーム分をま
とめてマトリクス量子化してもよい。ここでは、２０ｍ
sec を１フレームとし、２０ｍsec 毎に算出されるＬＳ
Ｐパラメータを２フレーム分まとめて、マトリクス量子
化及びベクトル量子化している。
【００１８】このＬＳＰ量子化器１３３からの量子化出
力、すなわちＬＳＰ量子化のインデクスは、端子１０２
を介して取り出され、また量子化済みのＬＳＰベクトル
は、例えばＬＳＰ補間やＬＳＰ→α変換を介してＬＰＣ
のαパラメータとされて、ＬＰＣ逆フィルタ１３１や、
後述する第２の符号化部１２０の聴覚重み付きのＬＰＣ
合成フィルタ１２２及び聴覚重み付けフィルタ１２５に
送られる。
【００１９】また、ＬＰＣ分析部１３２からのαパラメ
ータは、聴覚重み付けフィルタ算出部１３４に送られて
聴覚重み付けのためのデータが求められ、この重み付け
データが後述する聴覚重み付きのベクトル量子化器１１
６と、第２の符号化部１２０の聴覚重み付きのＬＰＣ合
成フィルタ１２２及び聴覚重み付けフィルタ１２５とに
送られる。
【００２０】ＬＰＣ逆フィルタ１３１では、上記αパラ
メータを用いて、入力音声信号の線形予測残差（ＬＰＣ
残差）を取り出すような逆フィルタリング処理を行って
いる。このＬＰＣ逆フィルタ１３１からの出力は、サイ
ン波分析符号化、具体的には例えばハーモニック符号化
を行う第１の符号化部１１０の、ＤＦＴ（離散フーリエ
変換）回路等の直交変換部１１２及び位相検出部１４０
に送られる。
【００２１】また、符号化部１１０のオープンループピ
ッチサーチ部１１１には、上記入力端子１０１からの入
力音声信号が供給されている。オープンループピッチサ
ーチ部１１１では、入力信号のＬＰＣ残差をとってオー
プンループによる比較的ラフなピッチのサーチが行わ
れ、抽出された粗ピッチデータは高精度ピッチサーチ部
１１３に送られて、後述するようなクローズドループに
よる高精度のピッチサーチ（ピッチのファインサーチ）
が行われる。また、オープンループピッチサーチ部１１
１からは、上記粗ピッチデータと共にＬＰＣ残差の自己
相関の最大値をパワーで正規化した正規化自己相関最大
値ｒ(p) が取り出され、Ｖ／ＵＶ（有声音／無声音）判
定部１１４に送られている。
【００２２】直交変換部１１２では例えばＤＦＴ（離散
フーリエ変換）等の直交変換処理が施されて、時間軸上
のＬＰＣ残差が周波数軸上のスペクトル振幅データに変
換される。この直交変換部１１２からの出力は、高精度
ピッチサーチ部１１３及びスペクトル振幅あるいはエン
ベロープを評価するためのスペクトルエンベロープ評価
部１１５に送られる。
【００２３】高精度（ファイン）ピッチサーチ部１１３
には、オープンループピッチサーチ部１１１で抽出され
た比較的ラフな粗ピッチデータと、直交変換部１１２に
より例えばＤＦＴされた周波数軸上のデータとが供給さ
れている。この高精度ピッチサーチ部１１３では、上記
粗ピッチデータ値を中心に、0.２〜0.５きざみで±数サ
ンプルずつ振って、最適な小数点付き（フローティン
グ）のファインピッチデータの値へ追い込む。このとき
のファインサーチの手法として、いわゆる合成による分
析 (Analysis by Synthesis)法を用い、合成されたパワ
ースペクトルが原音のパワースペクトルに最も近くなる
ようにピッチを選んでいる。このようなクローズドルー
プによる高精度のピッチサーチ部１４６からのピッチデ
ータについては、スペクトルエンベロープ評価部１１
５、位相検出部１４１、及び切換部１０７に送ってい
る。
【００２４】スペクトルエンベロープ評価部１１５で
は、ＬＰＣ残差の直交変換出力としてのスペクトル振幅
及びピッチに基づいて各ハーモニクスの大きさ及びその
集合であるスペクトルエンベロープが評価され、高精度
ピッチサーチ部１１３、Ｖ／ＵＶ（有声音／無声音）判
定部１１４及びスペクトルエンベロープ量子化部１１６
に送られる。スペクトルエンベロープ量子化部１１６と
しては、聴覚重み付きのベクトル量子化器が用いられ
る。
【００２５】Ｖ／ＵＶ（有声音／無声音）判定部１１４
は、直交変換部１１２からの出力と、高精度ピッチサー
チ部１１３からの最適ピッチと、スペクトルエンベロー
プ評価部１１５からのスペクトル振幅データと、オープ
ンループピッチサーチ部１１１からの正規化自己相関最
大値ｒ(p) とに基づいて、当該フレームのＶ／ＵＶ判定
が行われる。さらに、ＭＢＥの場合の各バンド毎のＶ／
ＵＶ判定結果の境界位置も当該フレームのＶ／ＵＶ判定
の一条件としてもよい。このＶ／ＵＶ判定部１１５から
の判定出力は、出力端子１０５を介して取り出される。
【００２６】ところで、スペクトル評価部１１５の出力
部あるいはスペクトルエンベロープ量子化部１１６の入
力部には、データ数変換（一種のサンプリングレート変
換）部が設けられている。このデータ数変換部は、上記
ピッチに応じて周波数軸上での分割帯域数が異なり、デ
ータ数が異なることを考慮して、エンベロープの振幅デ
ータ｜Ａm｜ を一定の個数にするためのものである。す
なわち、例えば有効帯域を３４００ｋHzまでとすると、
この有効帯域が上記ピッチに応じて、８バンド〜６３バ
ンドに分割されることになり、これらの各バンド毎に得
られる上記振幅データ｜Ａm｜ の個数も８〜６３と変化
することになる。このため上記データ数変換部で、この
可変個数の振幅データを一定個数、例えば４４個、のデ
ータに変換している。
【００２７】このスペクトルエンベロープ評価部１１５
の出力部あるいはスペクトルエンベロープ量子化部１１
６の入力部に設けられたデータ数変換部からの上記一定
個数（例えば４４個）の振幅データあるいはエンベロー
プデータが、スペクトルエンベロープ量子化部１１６に
より、所定個数、例えば４４個のデータ毎にまとめられ
てベクトルとされ、重み付きベクトル量子化が施され
る。この重みは、聴覚重み付けフィルタ算出回路１３４
からの出力により与えられる。スペクトルエンベロープ
量子化部１１６からの上記エンベロープのインデクス
は、切換部１０７に送られる。
【００２８】位相検出部１４１では、後述するようにサ
イン波分析合成符号化の各ハーモニクス（高調波）毎の
位相や位相の固定遅延成分等の位相情報を検出し、この
位相情報を位相量子化部１４２に送って量子化し、量子
化された位相データを切換部１０７に送っている。
【００２９】切換部１０７は、Ｖ／ＵＶ判定部１１５か
らのＶ／ＵＶ判定出力に応じて、第１の符号化部１１０
のピッチ、スペクトルエンベロープのベクトル量子化イ
ンデクス、位相の各データと、第２の符号化部１２０か
らの後述するシェイプ、ゲインの各データとを切り換え
て、端子１０３より出力する。
【００３０】図１の第２の符号化部１２０は、この例で
はＣＥＬＰ（符号励起線形予測）符号化構成を有してお
り、雑音符号帳１２１からの出力を、重み付きの合成フ
ィルタ１２２により合成処理し、得られた重み付き音声
を減算器１２３に送り、入力端子１０１に供給された音
声信号を聴覚重み付けフィルタ１２５を介して得られた
音声との誤差を取り出し、この誤差を距離計算回路１２
４に送って距離計算を行い、誤差が最小となるようなベ
クトルを雑音符号帳１２１でサーチするような、合成に
よる分析（Analysis by Synthesis ）法を用いたクロー
ズドループサーチを用いた時間軸波形のベクトル量子化
を行っている。このＣＥＬＰ符号化は、上述したように
無声音部分の符号化に用いられており、雑音符号帳１２
１からのＵＶデータとしてのコードブックインデクス
は、上記Ｖ／ＵＶ判定部１１５からのＶ／ＵＶ判定結果
が無声音（ＵＶ）のとき切り換えられる切換部１０７を
介して、出力端子１０７より取り出される。
【００３１】次に、本発明に係る好ましい実施の形態に
ついて、以下に説明する。この本発明に係る位相検出装
置及び方法の実施の形態は、上記図１に示した音声信号
符号化装置の位相検出部１４１に用いられるものである
が、これに限定されないことは勿論である。
【００３２】先ず、図２は、本発明に係る好ましい実施
の形態となる位相検出装置の概略構成を示すブロック
図、図３は、本発明に係る好ましい実施の形態となる位
相検出方法を説明するためのフローチャートである。
【００３３】図２の入力端子１０に供給される入力信号
としては、ディジタル化した音声信号そのもの、あるい
は上述した図１の例のＬＰＣ逆フィルタ１３１からの信
号のようなディジタル音声信号の短期予測残差信号（Ｌ
ＰＣ残差信号）が用いられる。この入力信号に対して、
波形切り出し部１１により、図３のステップＳ１１に示
すように、１ピッチ周期分の波形信号を切り出してい
る。これは、図４に示すように、入力信号（音声信号あ
るいはＬＰＣ残差信号）ｓ(i) の分析ブロック中の分析
点（時刻）ｎから１ピッチ周期に相当するサンプル数
（ピッチラグ）pchを切り出す処理である。この図４の
例では、分析ブロック長を２５６サンプルとしている
が、これに限定されない。また、図４の横軸は分析ブロ
ック中の位置あるいは時刻をサンプル数で表しており、
上記分析点の位置あるいは時刻ｎは、分析開始からｎサ
ンプル目であることを示している。
【００３４】ここで、上記時刻ｎ（サンプル）を中心と
する分析ブロックのピッチラグがpch（サンプル） であ
るので、時刻ｎにおける基本周波数（角周波数）ω0
は、 ω0 ＝ ２π／pch （１） となる。周波数軸上のω＝０〜πの範囲にハーモニクス
（高調波）がω0 間隔にＭ本並んでいる。このＭは、 Ｍ ＝ pch／２ （２） となる。
【００３５】この切り出された１ピッチ分の波形信号に
対して、次元変換処理部１２により、図３のステップＳ
１２の次元変換処理が施される。これは、図５に示すよ
うに、上記１ピッチラグ分のpch サンプルの信号波形
を、２k サンプル、この実施の形態では、２7 ＝１２８
サンプルとなるように次元変換して、信号列re(i) （た
だし、０≦ｉ＜２k） を得る。この次元変換の具体例に
ついては後述する。
【００３６】上記信号列re(i) を実数部とし、虚数信号
列im(i) として、 im(i) ＝ ０ （０≦ｉ＜２k） を用い、ＦＦＴ処理部１３により、図３のステップＳ１
３に示すように、これらの実数信号列re(i) 及び虚数信
号列im(i) に対して２k ポイント、例えば１２８ポイン
トＦＦＴ（高速フーリエ変換）を実行する。
【００３７】このＦＦＴの実行結果に対して、tan-1 処
理部１４により、図３のステップＳ１４に示すようにta
n-1 （逆正接）を計算して位相を求める。これは、ＦＦ
Ｔの実行結果の実数部をＲe(i)、虚数部をＩm(i)とする
とき、０≦ｉ＜２k-1 が周波数軸上の０〜π（rad） に
相当し、これらの内の１≦ｉ≦Ｍの成分が、上記Ｍ本の
各ハーモニクス（高調波）の成分に相当する。すなわ
ち、第ｍ番目のハーモニクスの位相φm＝φ(m×ω0)
（ただし、１≦ｍ≦Ｍ）は、次の（３）式により表され
ることになる。
【００３８】
【数１】
【００３９】求められた位相データは、出力端子１５を
介して取り出され、その具体例を図６に示す。この図６
の×印が各ハーモニクスの位相を示しているが、上記
（３）式からも明らかなように、ＦＦＴの実行結果の各
サンプルがそのまま各ハーモニクスの位相となってい
る。このように、各ハーモニクスの位相がＦＦＴ実行結
果に直接的に表れ、各ハーモニクスの周波数での位相を
求めるための補間処理等が不要であることから、ＦＦＴ
のポイント数を少なくできるという利点がある。
【００４０】例えば入力音声信号のサンプリング周波数
を８ｋHzとするとき、女声の高い方から男声の低い方ま
で、平均的なピッチラグpch は２０〜１４７（サンプ
ル）程度である。従って、最低ピッチ周波数は、8000/1
47≒５４（Hz）であり、有効帯域を３．４ｋHzとすれ
ば、最大６２本程度のハーモニクスが並ぶことになる。
従って、０〜πまでの間に６２ポイント以上の位相が求
められればよいため、 ６２≦２k-1 を満足する整数値ｋの最小値が７であることより、上述
したように１２８ポイントＦＦＴを実行するだけで十分
である。
【００４１】次に、上記次元変換の具体例について説明
する。この次元変換は、例えばオーバサンプリングと線
形補間により実現することができる。
【００４２】例えば、入力音声信号のサンプリング周波
数が８ｋHzのとき想定されるピッチラグpch は２０〜１
４７（サンプル）程度であるので、１ピッチ波形を、２
7 ＝１２８サンプルとなるように次元変換する。この場
合、例えば図７のようなフィルタ係数を持ち、図８のよ
うな周波数特性を有するオーバサンプリングフィルタを
用いて８倍オーバサンプリングし、必要な１２８個の点
だけを線形補間で求める。上記オーバサンプリングフィ
ルタの図７に示すフィルタ係数coef(i) は、次の（４）
式で表される。
【００４３】
【数２】
【００４４】図９及び図１０は、この次元変換の処理の
一具体例を説明するためのものであり、図９は処理のた
めのメモリ内に蓄えられるデータの一例を示す図、図１
０はこの次元変換の処理手順を示すフローチャートであ
る。
【００４５】図９は、次元変換処理に先立って、メモリ
に蓄えられるデータを示しており、上記ピッチラグpch
サンプルの前後に４サンプルずつ付加した次元数のバッ
ファメモリに蓄えられる各変数buf(i)には、先頭４サン
プルの領域に０が書き込まれ、次のpch サンプルの領域
に上記入力信号から切り出された１ピッチ分の波形デー
タ（次元変換前の波形データ）src(0)〜src(pch-1)が書
き込まれ、これに続く４サンプルの領域に上記１ピッチ
分の波形データの最後のデータsrc(pch-1)が書き込まれ
る。また、次元変換処理後の２k サンプル例えば１２８
サンプルのデータは、１２８次元の変数dst(i)にdst(0)
〜dst(127)として書き込まれる。
【００４６】このようなメモリを用いて次元変換処理を
行う場合、例えば図１０のような８倍オーバサンプリン
グ処理フィルタ処理と補間処理とを組み合わせて、１２
８サンプルのデータに変換することができる。この図１
０では、ステップＳ３１にて変数ii、i を０とする初期
化を行っており、変数iiを出力サンプルのカウントに、
変数ｉは入力サンプルのカウントにそれぞれ用いてい
る。ステップＳ３２〜Ｓ３４では、ｉがpch を超えるま
で、すなわち各サンプル毎の処理をステップＳ３５でｉ
をインクリメントしながら入力されたpch サンプルの処
理を行うことを示しており、ステップＳ３４〜ステップ
Ｓ４３は、入力pch サンプルにフィルタ係数coefを乗算
して１２８サンプルの位置でのサンプル値を補間処理
（ステップＳ４１及びＳ４２）により求める処理を示し
ている。ステップＳ３４、Ｓ３６の固定値Ｒは８で、変
数ｐが０から７までステップＳ３８でインクリメントさ
れながら処理を繰り返すような制御が行われる。ステッ
プＳ３６、Ｓ３７、Ｓ４３におけるip_ratioや、ステッ
プＳ３９、Ｓ４１、Ｓ４３におけるrel0,rel1 は、補間
のための入力サンプルに対する出力サンプルの関係や入
力サンプル値の比例配分の数値を示すものである。この
図１０に示す次元変換の処理は、通常の８倍オーバサン
プリング処理と補間処理との組み合わせを示すものであ
る。
【００４７】ところで、各ハーモニクス（高調波）の位
相を求める他の方法として、入力信号波形の１ピッチ周
期分を切り出し、切り出された波形データにゼロ詰めを
施して全体で２N サンプル（Ｎは整数、２N は上記１ピ
ッチ周期のサンプル数以上で例えば２５６）とし、ＦＦ
Ｔ等の直交変換を施して、得られたデータの実部と虚部
とを用いて逆正接（tan-1） を求める計算により位相を
求め、この位相を補間処理して各高調波毎の位相を求め
ることが考えられる。この場合には、ＦＦＴ後の位相は
上記ピッチ周波数とは無関係に表れるため、補間処理に
よって各ハーモニクス（高調波）毎の位相を計算するこ
とが必要とされる。
【００４８】このような次元変換を施さずにＦＦＴを施
して後で補間処理して各ハーモニクスの位相を求める場
合と、本実施の形態のように１ピッチ周期分の２０〜１
４７のサンプルを２k のサンプルに次元変換した後にＦ
ＦＴ処理して直接各ハーモニクスの位相を求める場合と
を比較しながら説明する。図１１は、この比較の説明に
供する図であり、この図１１では、いずれの場合も１２
８サンプルＦＦＴを行う例を示している。また、ＦＦＴ
結果はスペクトルで表している。
【００４９】図１１の（Ａ）は、入力信号からpch サン
プル分を切り出したものを示しており、残りをゼロ詰め
して１２８サンプル（一般には２k サンプル）とした後
にＦＦＴ処理することにより、図１１の（Ｂ）に示すよ
うなスペクトルが得られる。このスペクトルの間隔は、
サンプリング周波数をｆs とするときｆs／１２８ とな
る。これに対して、pch サンプルを１２８サンプル（一
般には２k サンプル）に次元変換した図１１の（Ｃ）の
波形データは、次元変換によってサンプリング周波数が
ｆs'に変化しており、これをＦＦＴ処理するとスペクト
ル間隔はｆs'／１２８となる。この次元変換後のサンプ
リング周波数ｆs'について考察する。
【００５０】先ず、ピッチラグがpch（サンプル） であ
るので、次元変換前のピッチ周期Ｔは、 Ｔ ＝ pch／ｆs （５） となり、このピッチ周期Ｔと上記次元変換後のサンプリ
ング周波数ｆs'との関係は、 Ｔ ＝ ２k／ｆs' ＝ １２８／ｆs' （６） となる。よって、 pch／ｆs ＝ ２k／ｆs' ＝ １２８／ｆs' （７） であるから、ピッチ周期Ｔに対応するピッチ周波数ｆ0
（Hz）は、 ｆ0 ＝ ｆs／pch ＝ ｆs'／２k ＝ ｆs'／128 （８） となる。この結果は、次元変換された図１１の（Ｃ）の
波形データをＦＦＴ処理すれば、得られたスペクトルの
間隔は、図１１の（Ｄ）に示すように、ｆ0 となること
を意味している。従って、位相の場合も、先に次元変換
してＦＦＴすることにより、直接的に各ハーモニクスの
位相が求められることになる。
【００５１】このように、ＦＦＴ前に次元変換を施して
おくことにより、ＦＦＴ後に線形補間処理等を行うこと
なく直接的に各ハーモニクスの位相を求めることができ
るため、位相の補間処理の手間が省け、また補間による
誤差も低減できる。
【００５２】次に、上述のようにして求められた位相情
報を用いてサイン波合成を行う場合の具体例について図
１２を参照しながら説明する。ここでは、時刻ｎ1から
ｎ2までのフレーム間隔Ｌ＝ｎ2−ｎ1の時間波形をサイ
ン波合成（Sinusoidal合成）により再生する場合につい
て説明する。
【００５３】時刻ｎ1 のピッチラグがpch1（サンプ
ル）、時刻ｎ2 のピッチラグがpch2（サンプル）である
とき、時刻ｎ1,ｎ2 のピッチ周波数ω1,ω2 （rad/サンフ゜
ル） は、それぞれ、 ω1 ＝ ２π／pch1 ω2 ＝ ２π／pch2 である。また、各ハーモニクス成分の振幅データを、時
刻ｎ1 では、Ａ11,Ａ12,Ａ13,...、時刻ｎ2 では、
Ａ21,Ａ22,Ａ23,...とし、各ハーモニクス成分の位相デ
ータを時刻ｎ1 では、φ11,φ12,φ13,...、時刻ｎ2 で
は、φ21,φ22,φ23,...とする。
【００５４】ピッチが連続している場合には、時刻ｎ
（ｎ1≦ｎ≦ｎ2）における第ｍ番目のハーモニクス成分
の振幅は、時刻ｎ1,ｎ2 における振幅データの線形補間
によって、次の（９）式により得られる。
【００５５】
【数３】
【００５６】時刻ｎ1,ｎ2 の間でのｍ番目のハーモニク
ス成分の周波数変化を、次の（１０）式で示すように、
（線形変化分）＋（固定変動分）であると仮定する。
【００５７】
【数４】
【００５８】このとき、第ｍ番目のハーモニクス成分の
時刻ｎにおける位相θm(n)（rad）は、次の（１２）式
で表されるから、これを計算して（１３）式が得られ
る。
【００５９】
【数５】
【００６０】よって、時刻ｎ2 におけるｍ番目のハーモ
ニクスの位相φm2（rad） は、次の（１５）式で表され
る。従って各ハーモニクス成分の周波数変化の変動分Δ
ωm（rad/サンフ゜ル） は、次の（１６）式に示すようにな
る。
【００６１】
【数６】
【００６２】
【数７】
【００６３】第ｍ番目のハーモニクス成分について、時
刻ｎ1,ｎ2 における位相φm1,φm2が与えられているの
で、上記（１６）式より、周波数変化の固定変動分Δω
m を求め、上記（１３）式により各時刻ｎの位相θm が
求まれば、第ｍ番目のハーモニクスによる時間波形Ｗ
m(n)は、 Ｗm(n) ＝ Ａm(n)cos(θm(n)) （ｎ1≦ｎ≦ｎ2） （１７） となる。このようにして得られた全てのハーモニクスに
関する時間波形の総和をとったものが、次の（１８）
式、（１９）式に示すように、合成波形Ｖ(n) となる。
【００６４】
【数８】
【００６５】次に、ピッチ不連続の場合について説明す
る。ピッチ不連続の場合は、周波数変化の連続性は考慮
せずに、時刻ｎ1 より前向きにサイン波合成した次の
（２０）式に示す波形Ｖ1(n)と、時刻ｎ2 より後ろ向き
にサイン波合成した次の（２１）式に示す波形Ｖ2(n)と
にそれぞれ窓をかけて重畳加算（overlap add） する。
【００６６】
【数９】
【００６７】
【数１０】
【００６８】以上説明したような位相検出装置によれ
ば、予め検出されたピッチ周波数を用いて、ＦＦＴと線
形補間により、所望のハーモニクス成分の位相を高速に
検出できる。これにより、音声信号のサイン波合成符号
化、又は音声信号のＬＰＣ残差にサイン波合成符号化を
用いる音声符号化において、波形再現性を実現できる。
【００６９】なお、本発明は上記実施の形態のみに限定
されるものではなく、例えば上記図１の構成について
は、各部をハードウェア的に記載しているが、いわゆる
ＤＳＰ（ディジタル信号プロセッサ）等を用いてソフト
ウェアプログラムにより実現することも可能である。
【００７０】
【発明の効果】以上の説明から明らかなように、本発明
に係る位相検出装置及び方法によれば、音声信号に基づ
く入力信号波形を時間軸上で１ピッチ周期分だけ切り出
し、切り出された１ピッチ周期分のサンプルに対して次
元変換を施して２k サンプルのデータにした後、２k ポ
イントＦＦＴ等の直交変換を施し、直交変換されたデー
タの実部と虚部とを直接用いて上記入力信号の各高調波
成分の位相情報を検出することにより、元の波形の位相
情報を簡単に検出でき、波形再現性を高めることができ
る。
【００７１】特に、予め検出されたピッチを用いて、次
元変換とＦＦＴ（高速フーリエ変換）とを用いることに
より、各ハーモニクス（高調波）成分の位相を高速に検
出できる。これによって、サイン波合成符号化に適用し
た場合に、波形再現性を高めることができ、例えば合成
音が不自然になることを未然に防止できる。
【図面の簡単な説明】
【図１】本発明に係る位相検出装置及び方法の実施の形
態が適用される音声符号化装置の一例の概略構成を示す
ブロック図である。
【図２】本発明に係る実施の形態となる位相検出装置の
概略構成を示すブロック図である。
【図３】本発明に係る実施の形態となる位相検出方法を
説明するためのフローチャートである。
【図４】位相検出の対象となる入力信号の一例を示す波
形図である。
【図５】１ピッチ分の波形及び次元変換後の波形の一例
を示す波形図である。
【図６】検出された位相の一例を示す図である。
【図７】次元変換のためのオーバサンプリングフィルタ
のフィルタ係数の一例を示す図である。
【図８】次元変換のためのオーバサンプリングフィルタ
のフィルタ特性の一例を示す図である。
【図９】次元変換処理に用いられる変数が蓄えられるメ
モリの一例を示す図である。
【図１０】次元変換の処理手順の一例を説明するための
フローチャートである。
【図１１】ＦＦＴ処理前に次元変換を行うことの意味を
説明するための図である。
【図１２】位相情報が得られたときのサイン波合成の一
例を説明するための図である。
【符号の説明】
１１ 波形切り出し部、 １２ 次元変換部、 １３
ＦＦＴ処理部、 １４tan-1部 、 １１０ 第１の符号
化部、 １１１ オープンループピッチサーチ部、 １
１２ 直交変換部、 １１３ 高精度ピッチサーチ部、
１１４ Ｖ／ＵＶ判定部、 １１５ スペクトルエン
ベロープ評価部、 １１６ スペクトルエンベロープ量
子化部、 １２０ 第２の符号化部、 １３１ ＬＰＣ
逆フィルタ、 １３２ ＬＰＣ分析部、 １３３ ＬＳ
Ｐ量子化部、 １４１ 位相検出部、 １４２ 位相量
子化部

Claims (18)

    【特許請求の範囲】
  1. 【請求項１】 音声信号に基づく入力信号波形を時間軸
    上で１ピッチ周期分だけ切り出す波形切り出し手段と、 切り出された１ピッチ周期分の波形データのサンプル数
    を２k サンプル（ｋは整数）に次元変換する次元変換手
    段と、 この次元変換された２k サンプルのデータに対して直交
    変換を施す直交変換手段と、 この直交変換手段からのデータの実部と虚部とに基づい
    て上記入力信号の各高調波成分の位相情報を検出する位
    相検出手段とを有することを特徴とする位相検出装置。
  2. 【請求項２】 上記入力信号波形は音声信号波形である
    ことを特徴とする請求項１記載の位相検出装置。
  3. 【請求項３】 上記入力信号波形は音声信号の短期予測
    残差の信号波形であることを特徴とする請求項１記載の
    位相検出装置。
  4. 【請求項４】 上記次元変換手段は、上記波形切り出し
    手段からの切り出し波形データに対してオーバサンプリ
    ング、線形補間を施して２k サンプルのデータに次元変
    換することを特徴とする請求項１記載の位相検出装置。
  5. 【請求項５】 上記直交変換手段は、高速フーリエ変換
    回路であり、上記次元変換された２k サンプルのデータ
    に対して２k ポイント高速フーリエ変換処理を施すこと
    を特徴とする請求項１記載の位相検出装置。
  6. 【請求項６】 上記位相検出手段は、上記直交変換手段
    からのデータの実部と虚部とを用いて逆正接（tan-1）
    を求める計算により各高調波毎の位相を求めることを特
    徴とする請求項１記載の位相検出装置。
  7. 【請求項７】 音声信号に基づく入力信号波形を時間軸
    上で１ピッチ周期分だけ切り出す波形切り出し工程と、 切り出された１ピッチ周期分の波形データのサンプル数
    を２k サンプル（ｋは整数）に次元変換する次元変換工
    程と、 この次元変換された２k サンプルのデータに対して直交
    変換を施す直交変換工程と、 この直交変換工程により得られたデータの実部と虚部と
    に基づいて上記入力信号の各高調波成分の位相情報を検
    出する位相検出工程とを有することを特徴とする位相検
    出方法。
  8. 【請求項８】 上記次元変換工程は、上記波形切り出し
    工程により得られた切り出し波形データに対してオーバ
    サンプリング、線形補間を施して２k サンプルのデータ
    に次元変換することを特徴とする請求項７記載の位相検
    出方法。
  9. 【請求項９】 上記位相検出工程では、上記直交変換工
    程により得られたデータの実部と虚部とを用いて逆正接
    （tan-1） を求める計算により各高調波毎の位相を求め
    ることを特徴とする請求項７記載の位相検出方法。
  10. 【請求項１０】 音声信号に基づく入力信号を時間軸上
    でブロック単位で区分し、区分された各ブロック毎にピ
    ッチを求めると共に、各ブロック単位でサイン波分析合
    成符号化を施す音声符号化装置において、 上記入力信号の波形を時間軸上で上記ピッチの１ピッチ
    周期分だけ切り出す波形切り出し手段と、 切り出された１ピッチ周期分の波形データのサンプル数
    を２k サンプル（ｋは整数、２k は上記１ピッチ周期の
    サンプル数以上）に次元変換する次元変換手段と、 この次元変換された２k サンプルのデータに対して直交
    変換を施す直交変換手段と、 この直交変換手段からのデータの実部と虚部とに基づい
    て上記入力信号の上記サイン波合成のための各高調波成
    分の位相情報を検出する位相検出手段とを有することを
    特徴とする音声符号化装置。
  11. 【請求項１１】 上記入力信号は音声信号であることを
    特徴とする請求項１０記載の音声符号化装置。
  12. 【請求項１２】 上記入力信号は音声信号の短期予測残
    差信号であることを特徴とする請求項１０記載の音声符
    号化装置。
  13. 【請求項１３】 上記次元変換手段は、上記波形切り出
    し手段からの切り出し波形データに対してオーバサンプ
    リング、線形補間を施して２k サンプルのデータに次元
    変換することを特徴とする請求項１０記載の音声符号化
    装置。
  14. 【請求項１４】 上記直交変換手段は、高速フーリエ変
    換回路であり、上記次元変換された２k サンプルのデー
    タに対して２k ポイント高速フーリエ変換処理を施すこ
    とを特徴とする請求項１０記載の音声符号化装置。
  15. 【請求項１５】 上記位相検出手段は、上記直交変換手
    段からのデータの実部と虚部とを用いて逆正接（ta
    n-1） を求める計算により各高調波毎の位相を求めるこ
    とを特徴とする請求項１０記載の音声符号化装置。
  16. 【請求項１６】 音声信号に基づく入力信号を時間軸上
    でブロック単位で区分し、区分された各ブロック毎にピ
    ッチを求めると共に、各ブロック単位でサイン波分析合
    成符号化を施す音声符号化方法において、 上記入力信号の波形を時間軸上で上記ピッチの１ピッチ
    周期分だけ切り出す波形切り出し工程と、 切り出された１ピッチ周期分の波形データのサンプル数
    を２k サンプル（ｋは整数）に次元変換する次元変換工
    程と、 この次元変換された２k サンプルのデータに対して直交
    変換を施す直交変換工程と、 この直交変換工程により得られたデータの実部と虚部と
    に基づいて上記入力信号の各高調波成分の位相情報を検
    出する位相検出工程とを有することを特徴とする音声符
    号化方法。
  17. 【請求項１７】 上記次元変換工程は、上記波形切り出
    し工程により得られた切り出し波形データに対してオー
    バサンプリング、線形補間を施して２k サンプルのデー
    タに次元変換することを特徴とする請求項１６記載の音
    声符号化方法。
  18. 【請求項１８】 上記位相検出工程では、上記直交変換
    工程により得られたデータの実部と虚部とを用いて逆正
    接（tan-1） を求める計算により各高調波毎の位相を求
    めることを特徴とする請求項１６記載の音声符号化方
    法。
JP10019963A 1998-01-30 1998-01-30 位相検出装置及び方法、並びに音声符号化装置及び方法 Withdrawn JPH11219198A (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP10019963A JPH11219198A (ja) 1998-01-30 1998-01-30 位相検出装置及び方法、並びに音声符号化装置及び方法
US09/236,500 US6115685A (en) 1998-01-30 1999-01-26 Phase detection apparatus and method, and audio coding apparatus and method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP10019963A JPH11219198A (ja) 1998-01-30 1998-01-30 位相検出装置及び方法、並びに音声符号化装置及び方法

Publications (1)

Publication Number Publication Date
JPH11219198A true JPH11219198A (ja) 1999-08-10

Family

ID=12013861

Family Applications (1)

Application Number Title Priority Date Filing Date
JP10019963A Withdrawn JPH11219198A (ja) 1998-01-30 1998-01-30 位相検出装置及び方法、並びに音声符号化装置及び方法

Country Status (2)

Country Link
US (1) US6115685A (ja)
JP (1) JPH11219198A (ja)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2004105253A1 (ja) * 2003-05-21 2004-12-02 Sony Corporation データ処理装置、符号化装置および符号化方法、復号装置および復号方法、並びにプログラム
JP2007509363A (ja) * 2003-10-13 2007-04-12 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ オーディオ符号化方法及び装置
KR101386645B1 (ko) * 2007-09-19 2014-04-17 삼성전자주식회사 모바일 기기에서 지각적 오디오 코딩 장치 및 방법

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11219199A (ja) * 1998-01-30 1999-08-10 Sony Corp 位相検出装置及び方法、並びに音声符号化装置及び方法
JPH11224099A (ja) * 1998-02-06 1999-08-17 Sony Corp 位相量子化装置及び方法
JP4505899B2 (ja) * 1999-10-26 2010-07-21 ソニー株式会社 再生速度変換装置及び方法
US7523032B2 (en) * 2003-12-19 2009-04-21 Nokia Corporation Speech coding method, device, coding module, system and software program product for pre-processing the phase structure of a to be encoded speech signal to match the phase structure of the decoded signal
CN102841252B (zh) * 2012-09-07 2015-09-30 上海电力学院 通频型单相交流电源基波与谐波的快速检测与计算方法
EP3301461A1 (en) * 2016-09-28 2018-04-04 Siemens Aktiengesellschaft Method for detection of harmonics of a univariate signal

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4065665A (en) * 1976-03-08 1977-12-27 Deutsche Texaco Aktiengesellschaft Method and apparatus for the determination of start time difference and overall phase shift between two signals
US5381512A (en) * 1992-06-24 1995-01-10 Moscom Corporation Method and apparatus for speech feature recognition based on models of auditory signal processing
US5727119A (en) * 1995-03-27 1998-03-10 Dolby Laboratories Licensing Corporation Method and apparatus for efficient implementation of single-sideband filter banks providing accurate measures of spectral magnitude and phase

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2004105253A1 (ja) * 2003-05-21 2004-12-02 Sony Corporation データ処理装置、符号化装置および符号化方法、復号装置および復号方法、並びにプログラム
US7333034B2 (en) 2003-05-21 2008-02-19 Sony Corporation Data processing device, encoding device, encoding method, decoding device decoding method, and program
JP2007509363A (ja) * 2003-10-13 2007-04-12 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ オーディオ符号化方法及び装置
KR101386645B1 (ko) * 2007-09-19 2014-04-17 삼성전자주식회사 모바일 기기에서 지각적 오디오 코딩 장치 및 방법

Also Published As

Publication number Publication date
US6115685A (en) 2000-09-05

Similar Documents

Publication Publication Date Title
US6741960B2 (en) Harmonic-noise speech coding algorithm and coder using cepstrum analysis method
KR100452955B1 (ko) 음성부호화방법, 음성복호화방법, 음성부호화장치, 음성복호화장치, 전화장치, 피치변환방법 및 매체
EP0770987A2 (en) Method and apparatus for reproducing speech signals, method and apparatus for decoding the speech, method and apparatus for synthesizing the speech and portable radio terminal apparatus
JPH11224099A (ja) 位相量子化装置及び方法
JPH08328588A (ja) ピッチラグを評価するためのシステム、音声符号化装置、ピッチラグを評価する方法、および音声符号化方法
JPH0869299A (ja) 音声符号化方法、音声復号化方法及び音声符号化復号化方法
JP3687181B2 (ja) 有声音／無声音判定方法及び装置、並びに音声符号化方法
US6029134A (en) Method and apparatus for synthesizing speech
JPH10149199A (ja) 音声符号化方法、音声復号化方法、音声符号化装置、音声復号化装置、電話装置、ピッチ変換方法及び媒体
JP3191926B2 (ja) 音響波形のコード化方式
JPH11177434A (ja) 音声符号化復号方式
JPH11219198A (ja) 位相検出装置及び方法、並びに音声符号化装置及び方法
JP3297751B2 (ja) データ数変換方法、符号化装置及び復号化装置
JPH11219199A (ja) 位相検出装置及び方法、並びに音声符号化装置及び方法
JP3218679B2 (ja) 高能率符号化方法
US6662153B2 (en) Speech coding system and method using time-separated coding algorithm
JPH11219200A (ja) 遅延検出装置及び方法、並びに音声符号化装置及び方法
JP3362471B2 (ja) 音声信号の符号化方法及び復号化方法
JP3297750B2 (ja) 符号化方法
JP3223564B2 (ja) ピッチ抽出方法
JP3398968B2 (ja) 音声分析合成方法
JP3321933B2 (ja) ピッチ検出方法
JP3271193B2 (ja) 音声符号化方法
JP3221050B2 (ja) 有声音判別方法
JP3302075B2 (ja) 合成パラメータ変換方法および装置

Legal Events

Date Code Title Description
A300 Application deemed to be withdrawn because no request for examination was validly filed

Free format text: JAPANESE INTERMEDIATE CODE: A300

Effective date: 20050405