JPS58128000A - 音声パラメ−タ符号化方式 - Google Patents

Abstract

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

Description

【発明の詳細な説明】 本発明は、有声音、無声音別（二異種形式の非線形量子
化を行なうことＣ；よりデータ圧縮を図った音声パラメ
ータ符号化方式（−関するものである。

音声の機械認識、合成あるいは高能率伝送等の各種方式
を実現する場合、音声信号を小さな情報ある。音声の特
徴パラメータは、声道の伝送特性に関する声道パラメー
タとこの声道駆動源（二関する音源パラメータ、とじ大
別される。前者は声道の周波数伝送特性（二よって表現
され、後者は有声音、無声音の別、音声振幅及び有声音
の基本周期（ピッチ）で表現される。ここで有声音は声
帯振動を伴う音源であり、これに対して無声音は声帯振
動を伴わない雑音源に類似の音源である。上述の特徴パ
ラメータを十分な高精度で抽出、再生する（二は原理的
にも実用的（二も未解決の技術的課題が多数存在するが
、含酸音質を所定のレベルに保ちつつデータ圧縮を行な
い記憶容量の低減化や伝送路の低ビツトレート化を図る
ことが大きな技術的課題の１つである。

従来このようなデータ圧縮の問題を解決するため、特徴
パラメータを２進符号の形式で抽出する場合においても
、これをそのまま記憶したり、伝送したすせずに、これ
を一旦量子化（符号化）して少ビット数の量子化パラメ
ータ（＝変換している。

ラメータをそれぞれの重要度に応じて５乃至３ビット程
度のデータに量子化しているが、これ（二伴う量子化誤
差（雑りをいかに低減するかが問題−二な罎。このため
従来は各ゲ、微パラメータの出現頻度を考慮して対数、
正接１数等による非線形量子化を採用している。

例えば、ＰＡＲＣＯＲ（Ｐａｒｔｉａｊ　Ａｕｔｏｅｏ
ｒｒｅムｔｉｏｎ：部分自己相関）方式におけるＰＡＲ
ＣＯＲ係数に１、ｋ、を約５秒間にわたる男声から抽出
してみると、それぞれ第１図、第２図のＡ（＝示す結果
が得られる。

すなわち、ｋｌは大部分がＯと−ｔｏの狭い範囲に分布
しているのに対し、ｋ、は−α４と＋１０の間の比較的
広い範囲（二分布している。従って、出現頻度の高い領
域はど量子化ステップが小さくなるように各パラメータ
ととＣ二異種の非線形量子化の形式を選択すること（二
より、量子化雑音の出現確率を低減することができる。

このよう（＝従来例Ｃ；おいては、ＰＡＲＣＯＲ係数に
茸、ｋ！、ｋｓ−（二対してその出現頻度分布に応じて
非線形量子化を行なっているが、量子化雑音の改善はま
だ十分とはいえない。

本発明者はデータ圧縮（＝伴う量子化雑音を低減するた
めＣ二種々の研究を行なった結果、新規かつ重要な現象
を発見した。すなわち、従来方法（＝従って抽出したＰ
ＡＲＣＯＲ係数ｋｌ、ｋ、、ｋ、・・・の出現頻度分布
を有声音と無声音の別（−分解してみると、両者の間Ｃ
＝明確な相違が存在することが判明した。

実験データの一例としてに、、ｋについて有声音の場合
（Ｂ）、無声音の場合（Ｃ）をそれぞれ第１図、第２図
に示す。例えばに、の場合、第１図（Ｂ）、（Ｃ）に示
すよう（二有声音の出現頻度の分布は−ｔｏと−α８の
狭い領域Ｃ二限定されており、−万態声音の頻度分布は
比較的広い範囲にわたっている。ｋｌの場會第２図（Ｂ
）、（Ｃ）（＝示すように、有声音がα８５近傍の第１
のピークを受けもっており、−万態声音がα４近傍の第
２のピークを受けもっている。

従って例えばに、の場合、有声音については一μｓと−
ｔｏの範囲を細かい量子化ステップで、他の領域は粗い
量子化ステップで非線形量子化し、−万態声ｔζ二つい
ては−１０と０の広い範囲にわたって粗い量子化ステッ
プで、他の領域は更に粗い量子化ステップで非線形量子
化すること（二より、有声音と無声音を区別しない従来
方式（二比べて量子化誤差を大幅（二低減できることが
明らかである。

またに、の場合例えば有声ｆ４：ついてはα８５近傍に
細い量子化ステップを配分し、−万態声音（二ついては
α４近傍に細い量子化ステップを配分する。

これはに１、ｋ４・・・の高次のＰＡＲＣＯＲ係数につ
いても同様である。一般−二ＰＡＲＣＯＲ係数は精度の
向上とデータ圧縮という相反する要求を調和させるため
にｋ１６程度までが採用されるが、本発明−二おいても
同様な理由からこれらの係数の一部についてだけ有声音
、無声音の区別を行なってもよい。またＰＡＲＣＯＲ方
式以外の他の方式、例えば線形予測方式（二おいても本
発明を使用できることは明らかである。これはＰＡＲＣ
ＯＲ係数と線形予測係数が１対１Ｃ二対応しているため
、ＰＡＲＣＯＲ係数Ｃ二ついて有声音と無声音間の頻度
分布の差があるということは、線形予測係数（二ついて
も同様の差が存在することを意味しているからである。

さら（＝、有声音、無声音別シー最適の非線形量子化形
式を選択するＣ二あたっては、有声音と無声音間の出現
頻度が考慮される。典型的には、有声音の出現頻度は２
４程度である。

このよう（＝、本発明は新規かつ有用な知見に基づいて
なされたものであり、有声音であるか無声音であるか（
二応じて異なる形式の非線形量子化を行なうこと（二よ
り、量子化雑音の低減を図るものである。これはまた、
従来と同程度の量子化雑音を許容する場合（二は、量子
化雑音の低減分だけデータ圧縮が可能であり、記憶容量
の低減化、伝送路の低ビツトレート化等が達成できるこ
とを意味している。

以下実施例（二より本発明を更に詳細に説明する。

第３図は本発明方式の一実施例を適用する音声分析・合
成系の構成の一例を示すブロック図であり、音声分析系
１０と音声含酸系２ｏから構成されている。音声分析系
１０は声道パラメータ分析装置１１、音源パラメータ分
析装置１２及び符号化装置１５を備えており、一方音声
合成系２ｏは声道模擬装置２１、音源生成装置２２及び
復号化装［２３を備えている。

まず本発明Ｃ二おける音声分析の方法について説明すれ
ば、ディジタル化された音声が声道パラメータ分析装置
１１に供給される。この声道パラメ゛−タ分析装置１１
は、線形予測係数やＰＡＲＣＯＲ係数を分析・抽出する
ための適宜な公知装置で構成されており、計算機プログ
ラム（二よりあるいはディジタルフィルタを主体とした
八−ドウエア的な構成Ｃ二より声道パラメータ、例えば
ＰＡＲＣＯＲ係数に１、ｋ、、ｋｌ・・・ｋ、・を分析
・抽出して符号化装置１３屯二連なる信号線１４上も；
これらの係数を出力すると共Ｃ二、音源パラメータ分析
装置１２４二連なる信号線１５上に残差信号を出力する
。公知の適宜な音源パラメータ分析装置で構成される音
源パラメータ分析装置１２は、残差信号の自己相関係数
を求めること（二より声帯振動の有無すなわち有声音で
あるか無声音であるかを表示ｆる１ビツトの積別符号（
Ｖ／ＵＶ）、音声振幅り及び有声音のピッチＴを符号化
装置１３に連なる信号線上（二出力する。

声道パラメータ符号化装置１０１は、声道パラメータ（
この場合はＰＡＲＣＯＲ係数に８、ｋ！、ｋｊ・・・）
の量子化（符号化）を順次実行するが、まず各係数に３
、ｋ、・・・の量子化（二先立って対応の次数を符号表
選択装置１０３（：、通知する。これを受けた符号表選
択装置゛１０３は、音源パラメータ分析装置１２から。

受けた有声音、無声音の識別符号（Ｖ／ＵＶ）（二基づ
いて符号表１０２の先頭番地を決定し、これを符号化装
置１０１（二通知する。これを受けた符号化装置１０１
は符号表１０２の指定された先頭番地内（＝格納されて
いる最小の量子化レベルを続出して符号化すべき係数に
１と比較する。符号化すべき係数に１の方が大きい場合
４＝は、符号化装置１０１は符号表１０２内の次の番地
から次Ｃ二大きな値を有する第２の量子化レベルを読出
して符号化すべき係数ｋｌと比較する。このようにして
符号表１０２から続出した量子化レベルが符号化すべき
係数ｋｉに等しいか又はこれよりも大ｉく゛なるまで上
述の続出しと比較が行なわれる。この読出しと比較操作
の繰返し′回数が２進カクンタで計測されており、上述
の条件が達成されて続出しが終了したときの２進カクン
タの内容が、先頭番地からの相対番地の形式でｋｉの量
子化レベルを表示する。

このように、各ＰＡＲＣＯＲ係数について有声音、無声
音別（二異なる形式の量子化データを符号表１０２Ｃ二
格納しておき、Ｖ／ｖｖ符号（二よって読出すべき量子
化データの先頭番地を指定する構成であるから、有声音
であるか無声音であるか（：応じて異なる形式の非線形
量子化を行うことができる。

同様にして音源パラメータ符号化装置１０４は、音源パ
ラメータ分析装置１２から受けた音声振幅り及び有声音
のピッチＴを符号表１０５から読出した量子化データと
の比較、読出しの繰返しＣ二より符号化を行う。勿論Ｖ
／ＵＶ符号はもともと１ビツトの符号であるから、これ
はそのまま記憶ないしは伝送路に送出される。

このよう（ニして音声合成系１０（二おいて符号化され
た声道パラメータ及び音源パラメータは、系の使用目的
（二応じて配憶装置あるいは伝送路を介して音声合成系
２０に送られる。復号化装置２５内の符号表２０２及び
２０５ならびＣ二符号表選択装置２０３は、それぞれ符
号化装置１３内の符号表１０２及び２０５ならび（二符
号表選択装置１０３と全く同−Ｃ二構成されており、全
く同一の機能を有している。

従って、これらの装置（二ついては重複した説明を要し
ないであろう。声道パラメータ復号化装置２０１は、各
ｋｉについて、符号表選択装置２０３から受けた続出し
の先頭番地及び声道パラメータ符号化装置１０１から受
けた相対番地を加算すること仁より読出すべき符号表２
０２の絶対番地を決定し、その番地（二格納されている
量子化レベルを読出す。

この読出された声道パラメータ、すなわち復号化ないし
再生された声道パラメータは声道模擬装置゛　２１４二
連なる信号線２４上に出力される。

同様にして音源パラメータ復号化装置２０４で復号化さ
れた有声音、無声音の識別符号Ｖ／ＵＶ　、音声振幅り
、有声音のピッチＴはそれぞれ音源生成装置２２（二供
給される。音源生成装置２２は、Ｖ／ＵＶが有声音であ
る旨を表示している場合（：は、音声振幅り及びピッチ
Ｔのそれぞれ（＝よって指定された振幅及び周期のパル
ス列を信号線２５上（二出力する。一方Ｖ／ＵＶが無声
音である旨を表示している場會（＝は、音源生成装置２
２は、音声振幅りで指定された振幅の雑音を信号線２５
上（二出力する。

公知の適宜な声道模擬装置で構成される声道模擬装置２
１は、典型的（二は可変パラメータのディジタシフ４ル
タで構成されており、これは声道パラメータ復号化装置
２０１から受けた声道パラメータ喀二応じて回路パラメ
ータを変更する。従って音源生成装置２２から供給され
た所定レベル、所定ピッチの有声音又は所定レベルの無
声音（雑音）は声道模擬装置２１で原音声に再生され出
力される。この出力は、記録装置（二供給されるかある
いはＤ／ム変換されかつ低域−波されてスピーカに供給
される。

第６図の構成例（二おいては、符号表選択装置１０３．
２０３を使用じたが、続出すべき量子化レベルを有声音
、無声音別に符号表１０２，２０２の異なるチップに格
納しておき、識別符号Ｖ／ＵＶ　ｔニー基づいて続出す
べきチップを選択する構成とすることにより、符号表選
択装置１０３，２０３を省略することもできる。さらに
符号表１０３，２０３に量子化レベルを直接格納する構
成（二代えて、各パラメータの次数及び有声音、無声音
の別に応じて適用すべき最良の非線形量子化の形式を対
数関数、正接関数等の変換関数の形式で格納しておく構
成とすることもできる。

以上詳細Ｃ二説明したように、本発明は声道パラメータ
の出現頻度分布が有声音であるか無声音であるかによっ
て異るという新規な知見に基づいて、少くとも１部の声
道パラメータについては有声音であるか無声音であるか
（二応じて異なる形式の非線形量子化により符号化及び
復号化を行う構成であるから、一定のデータ量のもとで
量子化雑音を低減でき、また一定の量子化雑音のもとで
データ圧縮が可能であるという利点な有している。

【図面の簡単な説明】

第１図、第２図は本発明の基礎となる実験データを例示
する図、第３図は本発明方式の一実施例が適用される音
声分析・合成系の構成の一例な示すブロック図である。 １０・・・音声分析系、１１・・・声道パラメータ分析
装置、１２・・・音源パラメータ分析装置、１３・・・
符号化装置、２０・・・音声合成系、２１・・・声道模
擬装置、２２・・・音源生成装置、２３・・・復号化装
置、１０１・・・声道パラメータ符号化装置、１０２．
１０５゜２０２．２０５・・・符号表、１０３．２０３
・・・符号表選択装置、１０４・・・音源パラメータ符
号化装置、２０１・・・声道パラメータ復号化装置、２
０４・・・音源パラメータ復号化装置。 特許出願人　　住友電気工業株式会社 代理人　弁理士玉蟲久五部

Claims (1)

【特許請求の範囲】
1. 音声から声道パラメータ及び音源パラメータを分析抽出
   し、該分析抽出した両パラメータをディジタル符号化し
   、該ディジタル符号化した両パラメータ（二基づいて前
   記音声を再生するパラメータ応じて異なる形式の非線形
   量子化（二より符号化及び復号化を行′なうことを特徴
   とする音声パラメータ符号化方式。