CN101548317B - 自适应激励矢量量化装置和自适应激励矢量量化方法 - Google Patents

自适应激励矢量量化装置和自适应激励矢量量化方法 Download PDF

Info

Publication number
CN101548317B
CN101548317B CN2007800452064A CN200780045206A CN101548317B CN 101548317 B CN101548317 B CN 101548317B CN 2007800452064 A CN2007800452064 A CN 2007800452064A CN 200780045206 A CN200780045206 A CN 200780045206A CN 101548317 B CN101548317 B CN 101548317B
Authority
CN
China
Prior art keywords
subframe
adaptive excitation
excitation vector
pitch period
vector quantization
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.)
Expired - Fee Related
Application number
CN2007800452064A
Other languages
English (en)
Other versions
CN101548317A (zh
Inventor
佐藤薰
森井利幸
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.)
III Holdings 12 LLC
Original Assignee
Matsushita Electric Industrial Co Ltd
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 Matsushita Electric Industrial Co Ltd filed Critical Matsushita Electric Industrial Co Ltd
Publication of CN101548317A publication Critical patent/CN101548317A/zh
Application granted granted Critical
Publication of CN101548317B publication Critical patent/CN101548317B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G10L19/02—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 spectral analysis, e.g. transform vocoders or subband vocoders
    • G10L19/032—Quantisation or dequantisation of spectral components
    • G10L19/038—Vector quantisation, e.g. TwinVQ audio
    • 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
    • G10L19/125—Pitch excitation, e.g. pitch synchronous innovation CELP [PSI-CELP]

Landscapes

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

Abstract

公开了自适应激励矢量量化装置等，其在第一子帧利用比第二子帧更多的信息量，以子帧为单位进行自适应激励矢量量化时，能够降低各个子帧的自适应激励矢量量化的量化精度的偏移。在该装置的第一子帧的自适应激励矢量量化中，自适应激励矢量生成单元(104)从自适应激励码本(103)中切割出长度r(r、n和m为整数，m＜r≤n，n为帧长度，m为子帧长度)的自适应激励矢量，合成滤波器(105)利用所输入的第一子帧的线性预测系数生成r×r的脉冲响应矩阵，搜索用目标矢量生成单元(106)利用以子帧为单位的目标矢量生成长度r的搜索用目标矢量，评价尺度计算单元(107)计算自适应激励矢量量化的评价尺度。

Description

自适应激励矢量量化装置和自适应激励矢量量化方法
技术领域
本发明涉及在CELP(Code Excited Linear Prediction，码激励线性预测)方式的语音编码中进行自适应激励(excitation)的矢量量化的自适应激励矢量量化装置和自适应激励矢量量化方法，特别涉及在以因特网通信为代表的分组通信系统或移动通信系统等的领域中，进行语音信号的编码的语音编码装置所使用的自适应激励矢量量化装置和自适应激励矢量量化方法。 
背景技术
在数字无线通信、以因特网通信为代表的分组通信或语音存储等领域中，为了实现电波等的传输路径容量或存储媒体的有效利用，语音信号的编码和解码技术必不可少。尤其，CELP方式的语音编码和解码技术成为主流的技术(例如，参照非专利文献1)。 
CELP方式的语音编码装置基于预先存储的语音模型，对输入语音进行编码。具体而言，CELP方式的语音编码装置将数字化后的语音信号划分为10至20ms左右的一定时间间隔的帧，对各个帧内的语音信号进行线性预测分析来求线性预测系数(LPC：Linear Prediction Coefficient)和线性预测残差矢量，并分别单独地对线性预测系数和线性预测残差矢量进行编码。在CELP方式的语音编码/解码装置中，利用存储有过去所生成的驱动激励信号的自适应激励码本以及存储有特定数个固定形状的矢量(固定代码矢量)的固定码本，对线性预测残差矢量进行编码/解码。其中，自适应激励码本用于表示线性预测残差矢量所具有的周期性分量，另一方面，固定码本用于表示在线性预测残差矢量中无法通过自适应激励码本表示的非周期性分量。 
另外，在线性预测残差矢量的编码/解码处理中，一般将帧划分为更短的时间单位(5ms至10ms左右)的子帧来进行。在非专利文献2所记载的ITU-T建议G.729中，通过将帧划分为两个子帧，对两个子帧分别使用自适应激励码本搜索音调(pitch)周期，进行自适应激励的矢量量化。这样的以子帧为单位的自适应激励矢量量化方法与以帧为单位的自适应激励矢量量化方法相比，能够降低自适应激励矢量量化方法的运算量。
非专利文献1：M.R.Schroeder、B.S.Atal著、「IEEE proc.ICASSP」、1985、「Code Excited Linear Prediction：High Quality Speech at Low Bit Rate」、p.937-940 
非专利文献2：“ITU-T Recommendation G.729”，ITU-T，1996/3，pp.17-19 
发明内容
本发明要解决的问题 
然而，在如上所述的以各个子帧为单位进行自适应激励矢量量化的装置中，各个子帧的音调周期搜索处理所使用的信息量不同时，例如在第一子帧的自适应激励矢量量化所使用的信息量为8比特、以及第二子帧的自适应激励矢量量化所使用的信息量为4比特时，存在以下的问题，即在两个子帧的自适应激励矢量量化的精度上产生偏移，第二子帧的自适应激励矢量量化精度低于第一子帧的自适应激励矢量量化精度，但未进行降低自适应激励矢量量化精度的偏移的处理。 
本发明的目的在于，提供自适应激励矢量量化装置和自适应激励矢量量化方法，其在以子帧为单位进行线性预测编码的CELP语音编码中，利用不同的信息量进行各个子帧的自适应激励矢量量化时，能够降低各个子帧的自适应激励矢量量化的量化精度的偏移，提高整体的语音编码精度。 
解决问题的方案 
本发明的自适应激励矢量量化装置，在码激励线性预测方式的语音编码中，输入通过对将长度为n的帧划分所得到的多个长度为m的子帧进行线性预测分析所生成的长度为m的线性预测残差矢量和线性预测系数，使用所述多个长度为m的子帧中的两个连续的子帧作为第一子帧和第二子帧，对所述第一子帧使用比对所述第二子帧多的比特数，进行每个子帧的自适应激励矢量量化，其中n和m为整数，该自适应激励矢量量化装置包括：自适应激励矢量生成单元，从自适应激励码本中切割出长度为r的自适应激励矢量，其中，m＜r≤n；目标矢量构成单元，将所述多个子帧的所述线性预测残差矢量相加，根据相加所得的结果生成长度为r的搜索用目标矢量；合成滤波器，利用所述多个子帧的所述线性预测系数，生成r×r的脉冲响应矩阵；评价尺度计算单元，利用所述长度为r的自适应激励矢量、所述长度为r的搜索用目标矢量以及所述r×r的脉冲响应矩阵，对多个音调周期的候补，计算自适应 激励矢量量化的评价尺度；以及评价尺度比较单元，比较与所述多个音调周期的候补对应的所述评价尺度，求使所述评价尺度最大的音调周期作为所述第一子帧的自适应激励矢量量化结果。 
本发明的自适应激励矢量量化方法，在码激励线性预测方式的语音编码中，输入通过对将长度为n的帧划分所得到的多个长度为m的子帧进行线性预测分析所生成的长度为m的线性预测残差矢量和线性预测系数，使用所述多个长度为m的子帧中的两个连续的子帧作为第一子帧和第二子帧，对所述第一子帧使用比对所述第二子帧多的比特数，进行每个子帧的自适应激励矢量量化，其中n和m为整数，该自适应激励矢量量化方法包括以下的步骤：从自适应激励码本中切割出长度为r的自适应激励矢量，其中，m＜r≤n；将所述多个子帧的所述线性预测残差矢量相加，根据相加所得的结果生成长度为r的搜索用目标矢量；利用所述多个子帧的所述线性预测系数，生成r×r的脉冲响应矩阵；利用所述长度为r的自适应激励矢量、所述长度为r的搜索用目标矢量以及所述r×r的脉冲响应矩阵，对多个音调周期的候补，计算自适应激励矢量量化的评价尺度；以及比较与所述多个音调周期的候补对应的所述评价尺度，求使所述评价尺度最大的音调周期作为所述第一子帧的自适应激励矢量量化结果。 
发明的效果 
根据本发明，在以子帧为单位进行线性预测编码的CELP语音编码中，与第二子帧相比，在第一子帧中利用较多的信息量进行以子帧为单位的自适应激励矢量量化时，通过以各个子帧为单位的线性预测系数，构成具有长于子帧长度的行和列的脉冲响应矩阵，并从自适应激励码本中切割出长于子帧长度的自适应激励矢量，进行第一子帧的自适应激励矢量量化。由此，能够降低各个子帧的自适应激励矢量量化的量化精度的偏移，能够提高整体的语音编码精度。 
附图说明
图1是表示本发明的实施方式1的自适应激励矢量量化装置的主要结构的方框图。 
图2是表示本发明的实施方式1的自适应激励码本所具备的驱动激励的图。 
图3是表示本发明的实施方式1的自适应激励矢量逆量化装置的主要结 构的方框图。 
图4是表示本发明的实施方式2的自适应激励矢量量化装置的主要结构的方框图。 
图5是表示本发明的实施方式2的自适应激励矢量量化装置的主要结构的方框图。 
图6是表示本发明的实施方式2的自适应激励矢量量化装置的主要结构的方框图。 
具体实施方式
在本发明的各个实施方式中，采用以下的情况为例，即在包含自适应激励矢量量化装置的CELP语音编码装置中，将构成16kHz的语音信号的各个帧分别划分为两个子帧，对各个子帧进行线性预测分析，求每个子帧的线性预测系数和线性预测残差矢量。另外，在以下的说明中，将帧长度表记为n，将子帧长度表记为m。 
以下，参照附图详细地说明本发明的实施方式。 
(实施方式1) 
图1是表示本发明的实施方式1的自适应激励矢量量化装置100的主要结构的方框图。 
在图1中，自适应激励矢量量化装置100包括：音调周期指示单元101、音调周期存储单元102、自适应激励码本103、自适应激励矢量生成单元104、合成滤波器105、搜索用目标矢量生成单元106、评价尺度计算单元107、以及评价尺度比较单元108。在自适应激励矢量量化装置100中，输入每个子帧的子帧索引、线性预测系数和目标矢量。其中，子帧索引表示在包含本实施方式的自适应激励矢量量化装置100的CELP语音编码装置所获得的各个子帧是在帧内的第几个子帧。另外，线性预测系数和目标矢量表示在CELP语音编码装置中对各个子帧进行线性预测分析所求得的每个子帧的线性预测系数和线性预测残差(激励信号)矢量。作为线性预测系数，利用LPC参数或可与LPC参数一对一地互换的频域的参数即LSF(Line Spectral Frequency，线谱频率)参数、以及LSP(Line Spectral Pairs，线谱对)参数等。 
音调周期指示单元101基于对每个子帧输入的子帧索引和存储在音调周期存储单元102中的第一子帧的音调周期，将预先设定的音调周期搜索范围内的音调周期依序指示给自适应激励矢量生成单元104。 
音调周期存储单元102由用于存储第一子帧的音调周期的缓冲器构成，每当以子帧为单位的音调周期搜索结束，基于从评价尺度比较单元108反馈 的音调周期索引IDX，更新内置的缓冲器。 
自适应激励码本103内置存储了驱动激励的缓冲器，每当以子帧为单位的音调周期搜索结束，基于从评价尺度比较单元108反馈的音调周期索引IDX，更新驱动激励。 
自适应激励矢量生成单元104以对每个子帧输入的子帧索引对应的长度，从自适应激励码本103中切割出具有由音调周期指示单元101指示的音调周期的自适应激励矢量，并输出到评价尺度计算单元107。 
合成滤波器105利用对每个子帧输入的线性预测系数构成合成滤波器，将与对每个子帧输入的子帧索引对应的长度的脉冲响应矩阵输出到评价尺度计算单元107。 
搜索用目标矢量生成单元106将对每个子帧输入的目标矢量相加，从相加而获得的结果中切割出与对每个子帧输入的子帧索引对应的长度的搜索用目标矢量，并输出到评价尺度计算单元107。 
评价尺度计算单元107利用从自适应激励矢量生成单元104输入的自适应激励矢量、从合成滤波器105输入的脉冲响应矩阵、以及从搜索用目标矢量生成单元106输入的搜索用目标矢量，计算音调周期搜索用的评价尺度即自适应激励矢量量化的评价尺度，并输出到评价尺度比较单元108。 
评价尺度比较单元108基于对每个子帧输入的子帧索引，求在从评价尺度计算单元107输入的评价尺度最大时的音调周期，将表示求出的音调周期的索引IDX输出到外部，同时反馈给音调周期存储单元102和自适应激励码本103。 
自适应激励矢量量化装置100的各个单元进行以下的动作。 
在对每个子帧输入的子帧索引表示第一子帧时，音调周期指示单元101将预先设定的音调周期搜索范围内的音调周期T_int、例如与从“32”至“287”为止的8比特对应256种的音调周期T_int(T_int＝32、33、...、287)，依序指示给自适应激励矢量生成单元104。这里，从“32”至“287”为止是表示音调周期的索引。另外，在对每个子帧输入的子帧索引表示第二子帧时，音调周期指示单元101利用在音调周期存储单元102中存储的音调周期T_INT’，将与T_int＝T_INT’-7、T_INT’-6、...、T_INT’+8的4比特对应的16种音调周期，依序指示给自适应激励矢量生成单元104。也就是说，作为第二子帧的音调周期，利用“Δ延迟(Delta Lag)”的方法，求与第一子帧的音调周期之间的差分。 
音调周期存储单元102由存储第一子帧的音调周期的缓冲器构成，每当以子帧为单位的音调周期搜索结束，利用与从评价尺度比较单元108反馈的音调周期索引IDX对应的音调周期T_INT’，更新内置的缓冲器。 
自适应激励码本103内置存储了驱动激励的缓冲器，每当以子帧为单位的音调周期搜索结束，利用具有从评价尺度比较单元108反馈的索引IDX表示的音调周期的自适应激励矢量，更新驱动激励。 
在对每个子帧输入的子帧索引表示第一子帧时，自适应激励矢量生成单元104从自适应激励码本103中切割出相当于音调周期搜索分析长度r(m＜r≤n)的、具有由音调周期指示单元101指示的音调周期T_int的自适应激励矢量，并输出到评价尺度计算单元107作为自适应激励矢量P(T_int)。这里，在r是预先设定的值，自适应激励矢量生成单元104中所生成的帧长度n的自适应激励矢量P(T_int)是由例如在自适应激励码本103由以exc(0)、exc(1)、...、exc(e-1)表示的、具有e的长度的矢量构成时，由下式(1)表示。 
P ( T _ int ) = P exc ( e - T _ int ) exc ( e - T _ int + 1 ) · · · exc ( e - T _ int + m - 1 ) exc ( e - T _ int + m ) · · · exc ( e - T _ int + r - 1 ) . . . ( 1 )
另外，在对每个子帧输入的子帧索引表示第二子帧时，从自适应激励码本103中切割出相当于子帧长度m的、具有由音调周期指示单元101指示的音调周期T_int的自适应激励矢量，并输出到评价尺度计算单元107作为自适应激励矢量P(T_int)。例如在自适应激励码本103由以exc(0)、exc(1)、...、exc(e-1)表示的、具有e的长度的矢量构成时，自适应激励矢量生成单元104中所生成的子帧长度m的自适应激励矢量P(T_int)由下式(2)表示。 
P ( T _ int ) = P exc ( e - T _ int ) exc ( e - T _ int + 1 ) · · · exc ( e - T _ int + m - 1 ) . . . ( 2 )
图2是表示自适应激励码本103所具备的驱动激励的图。 
另外，图2也是用于说明自适应激励矢量生成单元104中的自适应激励矢量的生成动作的图，表示所生成的自适应激励矢量的长度为音调周期搜索 分析长度r的情况作为例子。在图2中，e表示驱动激励121的长度，r表示自适应激励矢量P(T_int)的长度，T_int表示由音调周期指示单元101指示的音调周期。如图2所示，自适应激励矢量生成单元104将从驱动激励121(自适应激励码本103)的末端(e的位置)相隔了相当于T_int的位置作为起点，从该起点向末端e的方向切割出长度r的部分122，以生成自适应激励矢量P(T_int)。这里，在T_int的值小于r时，自适应激励矢量生成单元104使切割出的区间的长度被反复补充直至其达到长度r为止。另外，自适应激励矢量生成单元104对由音调周期指示单元101提供的从“32”至“287”为止的256组的T_int，反复由上式(1)表示的切割处理。 
合成滤波器105利用对每个子帧输入的线性预测系数构成合成滤波器，在对每个子帧输入的子帧索引表示第一子帧时，将由下式(3)表示的r×r的脉冲响应矩阵H输出到评价尺度计算单元107。另一方面，在对每个子帧输入的子帧索引表示第二子帧时，合成滤波器105将由下式(4)表示的m×m的脉冲响应矩阵H输出到评价尺度计算单元107。 
Figure G2007800452064D00071
Figure G2007800452064D00072
如式(3)和式(4)所示，在子帧索引表示第一子帧时的脉冲响应矩阵H求得相当于长度r的矩阵，而在子帧索引表示第二子帧时的脉冲响应矩阵H求得相当于子帧长度m的矩阵。 
搜索用目标矢量生成单元106将子帧索引表示第一子帧时所输入的X1＝[x(0)x(1)...x(m-1)]与子帧索引表示第二子帧时所输入的X2＝[x(m)x(m+1)...x(n-1)]相加，生成由下式(5)表示的帧长度n的目标矢量XF。然后，搜索用目标矢量生成单元106在第一子帧的音调周期搜索处理中，根据帧长度n的目标矢量XF生成由下式(6)表示的长度r的搜索用目标矢量X，并输出到评价尺度计算单元107。另外，搜索用目标矢量生成单元106在第二子帧的音调周期搜索处理中，从帧长度n的目标矢量XF生成由下式(7)表示的 子帧长度m的搜索用目标矢量X，并输出到评价尺度计算单元107。 
XF＝[x(0)x(1)...x(m-1)x(m)...x(n-1)]    ...(5) 
X＝[x(0)x(1)...x(m-1)x(m)...x(r-1)]     ...(6) 
X＝[x(m)...x(n-1)]                      ...(7) 
评价尺度计算单元107在第一子帧的音调周期搜索处理中，利用从自适应激励矢量生成单元104输入的长度r的自适应激励矢量P(T_int)、从合成滤波器105输入的r×r的脉冲响应矩阵H、以及从搜索用目标矢量生成单元106输入的长度r的搜索用目标矢量X，根据下式(8)计算音调周期搜索用(自适应激励矢量量化)的评价尺度Dist(T_int)，并输出到评价尺度比较单元108。另外，评价尺度计算单元107在第二子帧的音调周期搜索处理中，利用从自适应激励矢量生成单元104输入的子帧长度m的自适应激励矢量P(T_int)、从合成滤波器105输入的m×m的脉冲响应矩阵H、以及从搜索用目标矢量生成单元106输入的子帧长度m的搜索用目标矢量X，根据下式(8)计算音调周期搜索用(自适应激励矢量量化)的评价尺度Dist(T_int)，并输出到评价尺度比较单元108。 
Dist ( T _ int ) = ( XHP ( T _ int ) ) 2 | HP ( T _ int ) | 2 . . . ( 8 )
如上式(8)所示，评价尺度计算单元107求对脉冲响应矩阵H和自适应激励矢量P(T_int)进行卷积所获得的再现矢量与搜索用目标矢量X之间的平方误差作为评价尺度。另外，在评价尺度计算单元107中计算评价尺度Dist(T_int)时，通常利用将搜索用脉冲响应矩阵H与在CELP语音编码装置中所包含的听觉加权滤波器的脉冲响应矩阵W相乘所获得的矩阵H’(＝H×W)，以代替上式(8)中的搜索用脉冲响应矩阵H。但是，在以下的说明中，未对H和H’进行区别而将其记载为H。 
评价尺度比较单元108在第一子帧的音调周期搜索处理中，对从评价尺度计算单元107输入的、例如256组评价尺度Dist(T_int)进行比较，求其中的与最大的评价尺度Dist(T_int)对应的音调周期T_int’，将表示音调周期T_int’的音调周期索引IDX输出到外部，同时输出到音调周期存储单元102和自适应激励码本103。另外，评价尺度比较单元108在第二子帧的音调周期搜索处理中，对从评价尺度计算单元107输入的、例如16组评价尺度 Dist(T_int)进行比较，求其中的与最大的评价尺度Dist(T_int)对应的音调周期T_int’，将表示音调周期T_int’与在第一子帧的音调周期搜索处理中求出的音调周期T_int’之间的音调周期差的音调周期索引IDX输出到外部，同时输出到音调周期存储单元102和自适应激励码本103。 
包含自适应激励矢量量化装置100的CELP语音编码装置，将包含了在评价尺度比较单元108中所生成的音调周期索引IDX的语音编码信息，发送到包含本实施方式的自适应激励矢量逆量化装置的CELP解码装置。CELP解码装置对接收到的语音编码信息进行解码，获得音调周期索引IDX，输入到本实施方式的自适应激励矢量逆量化装置。另外，与CELP语音编码装置中的语音编码处理同样，在CELP解码装置中的语音解码处理也以子帧为单位进行，CELP解码装置将子帧索引输入到本实施方式的自适应激励矢量逆量化装置。 
图3是表示本实施方式的自适应激励矢量量化装置200的主要结构的方框图。 
在图3中，自适应激励矢量逆量化装置200包括音调周期判定单元201、音调周期存储单元202、自适应激励码本203以及自适应激励矢量生成单元204，输入在CELP语音解码装置中所生成的子帧索引和音调周期索引IDX。 
在对每个子帧输入的子帧索引表示第一子帧时，音调周期判定单元201将与所输入的音调周期索引对应的音调周期T_int’，输出到音调周期存储单元202、自适应激励码本203和自适应激励矢量生成单元204。另外，在对每个子帧输入的子帧索引表示第二子帧时，音调周期判定单元201将对应于所输入的音调周期索引对应的音调周期差与音调周期存储单元202中存储的第一子帧的音调周期T_int’相加，并将相加结果即音调周期T_int’输出到自适应激励码本203和自适应激励矢量生成单元204作为第二子帧的音调周期。 
音调周期存储单元202存储从音调周期判定单元201输入的第一子帧的音调周期T_int’，所存储的第一子帧的音调周期T_int’在第二子帧的处理中通过音调周期判定单元201读出。 
自适应激励码本203内置了存储与自适应激励矢量量化装置100的自适应激励码本103所具备的驱动激励同样的驱动激励的缓冲器，每当每个子帧的自适应激励解码处理结束，利用具有从音调周期判定单元201输入的音调周期T_int’的自适应激励矢量，更新驱动激励。 
在对每个子帧输入的子帧索引表示第一子帧时，自适应激励矢量生成单元204从自适应激励码本203中切割出相当于子帧长度m的、具有从音调周期判定单元201输入的音调周期T_int’的自适应激励矢量P’(T_int’)，并将其输出作为自适应激励矢量。在自适应激励矢量生成单元204中生成的自适应激励矢量P’(T_int’)由下式(9)表示。 
P ′ ( T _ in t ′ ) = P ′ exc ( e - T _ int ′ ) exc ( e - T _ int ′ + 1 ) · · · exc ( e _ T _ int ′ + m - 1 ) . . . ( 9 )
这样，根据本实施方式，在以子帧为单位进行线性预测编码的CELP语音编码中，与第二子帧相比，在第一子帧中利用较多的信息量进行以子帧为单位的自适应激励矢量量化时，通过以各个子帧为单位的线性预测系数，构成具有长于子帧长度的行和列的脉冲响应矩阵，从自适应激励码本中切割出长于子帧长度的自适应激励矢量，进行第一子帧的自适应激励矢量量化。由此，能够降低各个子帧的自适应激励矢量量化的量化精度的偏移，能够提高整体的语音编码精度。 
另外，在本实施方式中，以预先设定满足m＜r≤n的r的情况为例进行了说明，但本发明并不限于此，也可基于用于各个子帧的自适应激励矢量量化的信息量，自适应地改变r的值。例如，用于第二子帧的自适应激励矢量量化的信息量越少，将r的值设定得越大，从而能够在第一子帧的自适应激励矢量量化中增大覆盖第二子帧的范围，更有效地降低各个子帧的自适应激励矢量量化的量化精度的偏移。 
另外，在本实施方式中，作为音调周期的候补，以从“32”至“287”为止的256组为例进行了说明，但本发明并不限于此，也可将其他的范围作为音调周期的候补。 
另外，在本实施方式中，以在包含自适应激励矢量量化装置100的CELP语音编码装置中，将一个帧划分为两个子帧，对各个子帧进行线性预测分析为前提，进行了说明，但本发明并不限于此，也可在CELP方式的语音编码装置中，将一个帧划分为三个以上的子帧，对各个子帧进行线性预测分析。 
另外，在本实施方式中，以自适应激励码本103基于从评价尺度比较单元108反馈的音调周期索引IDX更新驱动激励的情况为例进行了说明，但本 发明并不限于此，也可利用在CELP语音编码中通过自适应激励矢量和固定激励矢量生成的激励矢量，更新驱动激励。 
另外，在本实施方式中，以将线性预测残差矢量作为输入，利用自适应激励码本搜索线性预测残差矢量的音调周期的情况为例进行了说明，但本发明并不限于此，也可将语音信号本身作为输入，直接搜索语音信号本身的音调周期。 
(实施方式2) 
图4是表示本发明的实施方式2的自适应激励矢量量化装置300的主要结构的方框图。另外，自适应激励矢量量化装置300具有与实施方式1所示的自适应激励矢量量化装置100(参照图1)同样的基本结构，对相同的结构要素附加相同的标号，并省略其说明。 
自适应激励矢量量化装置300与自适应激励矢量量化装置100的不同之处在于，还具备频谱距离计算单元301和音调周期搜索分析长度决定单元302。自适应激励矢量量化装置300的自适应激励矢量生成单元304、合成滤波器305和搜索用目标矢量生成单元306与自适应激励矢量量化装置100的自适应激励矢量生成单元104、合成滤波器105和搜索用目标矢量生成单元106，在其处理上存在部分不同之处，为了表示该不同之处，附加不同的标号。 
频谱距离计算单元301将所输入的第一子帧的线性预测系数和第二子帧的线性预测系数分别变换为频谱，求第一子帧的频谱与第二子帧的频谱之间的距离，并输出到音调周期搜索分析长度决定单元302。 
音调周期搜索分析长度决定单元302根据从频谱距离计算单元301输入的子帧间的频谱距离，决定音调周期搜索分析长度r，并输出到自适应激励矢量生成单元304、合成滤波器305和搜索用目标矢量生成单元306。 
子帧间的频谱距离较大，意味着子帧间的音韵的变动较大，子帧间的音调周期的变动随着音韵的变动也变大的可能性较高。因此，在利用音调周期的时间上的连续性的“Δ延迟”的方法中，子帧间的频谱距离较大，音调周期的变动也随之较大时，无法完全通过“Δ延迟”的音调周期搜索范围覆盖子帧间的音调周期的变动的大小的可能性较高。因此，通过根据音调周期的时间上的连续性的程度，自适应地改变使第一子帧的音调周期搜索的分析长度重叠(overlap)到第二子帧端的长度，能够提高量化精度。在本实施方式中，对这样的情况，使第一子帧的音调周期搜索分析长度r更长，在第一子帧的音调 周期搜索中，设定较多的相当于考虑第二子帧的部分，从而提高量化精度。也就是说，在第一子帧的音调周期与第二子帧的音调周期之间的差较大(较为不连续)时，在第一子帧的音调周期搜索的时刻，使分析长度较长地重叠到第二子帧端。由此，选择出如能够进一步地考虑第二子帧那样的音调周期作为第一子帧的音调周期，在第二子帧中Δ延迟高效地发挥作用，从而能够改善因音调周期的时间上的不连续造成的Δ延迟的非效率性。另一方面，在第一子帧的音调周期与第二子帧的音调周期之间的差较小(较为连续)时，通过使第一子帧的音调周期搜索的分析长度只以必要的长度重叠到第二子帧端而不是过多重叠，能够适宜地校正在音调周期搜索精度的时序上的不均匀。 
具体而言，在子帧间的频谱距离为规定的阈值以下时，音调周期搜索分析长度决定单元302将音调周期搜索分析长度r设定为满足m＜r’≤n的条件的r’，而在子帧间的频谱距离大于规定的阈值时，将音调周期搜索分析长度r设定为满足m＜r”≤n且r’＜r”的条件的r”。 
自适应激励矢量生成单元304、合成滤波器305和搜索用目标矢量生成单元306与自适应激励矢量量化装置100的自适应激励矢量生成单元104、合成滤波器105和搜索用目标矢量生成单元106的不同之处仅在于，利用从音调周期搜索分析长度决定单元302输入的音调周期搜索分析长度r，代替预先设定的音调周期搜索分析长度r，所以这里省略详细的说明。 
这样，根据本实施方式，自适应激励矢量量化装置根据子帧间的频谱距离决定音调周期搜索分析长度r，所以在子帧间的音调周期的变动较大时，能够将音调周期搜索分析长度r设定得更长，能够进一步地降低各个子帧的自适应激励矢量量化的量化精度的偏移，从而进一步提高整体的语音编码精度。 
另外，在本实施方式中，以频谱距离计算单元301从线性预测系数求频谱，音调周期搜索分析长度决定单元302根据子帧间的频谱距离决定音调周期搜索分析长度r的情况为例进行了说明，但本发明并不限于此，音调周期搜索分析长度决定单元302也可根据倒频谱(cepstrum)距离、α参数的距离和在LSP领域的距离等，决定音调周期搜索分析长度r。 
另外，在本实施方式中，以音调周期搜索分析长度决定单元302利用子帧间的频谱距离作为用于预测子帧间的音调周期的变动的程度的参数的情况为例进行了说明，但本发明并不限于此，也可利用输入语音信号的子帧间的功率的差或子帧间的音调周期的差作为用于预测子帧间的音调周期的变动的 程度的参数即用于预测音调周期的时间上的连续性的参数。在上述的情况下，子帧间的音韵的变动越大，子帧间的功率的差或前一帧的子帧间的音调周期的差越大，所以将音调周期搜索分析长度r设定得更长。 
以下，说明利用输入语音信号的子帧间的功率之差或前一帧的子帧间的音调周期之差作为预测子帧间的音调周期的变动程度的参数时的自适应激励矢量量化装置的动作。 
在利用输入语音信号的子帧间的功率之差作为预测子帧间的音调周期的变动程度的参数时，图5所示的自适应激励矢量量化装置400的功率差计算单元401通过下式(10)求输入语音信号的第一子帧的功率与第二子帧的功率之间的差Pow_dist。 
Pow _ dist = | Σ 0 i = m - 1 ( sp ( m + i ) 2 - sp ( i ) 2 ) | . . . ( 10 )
其中，sp是以sp(0)、sp(1)、...、sp(n-1)表示的输入语音。另外，sp(0)是与当前时刻对应的输入语音样本，与第一子帧对应的输入语音以sp(0)、sp(1)、...、sp(m-1)表示，与第二子帧对应的输入语音以sp(m)、sp(m+1)、...、sp(n-1)表示。 
功率差计算单元401既可根据上式(10)从子帧长度的输入语音样本求功率的差，也可根据下式(11)，从包括过去的输入语音的范围的、满足m2＞m的m2的长度的输入语音求功率的差。 
Pow _ dist = | Σ 0 i = m 2 - 1 ( sp ( i - m 2 + n ) 2 - sp ( i - m 2 + m ) 2 ) | . . . ( 11 )
在子帧间的功率之差为规定的阈值以下时，音调周期搜索分析长度决定单元402将音调周期搜索分析长度r设定为满足m＜r’≤n的条件的r’。然后，在子帧间的功率之差大于规定的阈值时，音调周期搜索分析长度决定单元402将音调周期搜索分析长度r设定为满足m＜r”≤n且r’＜r”的条件的r”。 
另一方面，在利用前一帧的子帧间的音调周期之差作为预测子帧间的音调周期的变动程度的参数时，图6所示的自适应激励矢量量化装置500的音调周期差计算单元501通过下式(12)求前一帧的第一子帧的音调周期与第二子帧的音调周期之间的差Pit_dist。 
Pit_dist＝|T_pre2-T_pre1|        ...(12) 
其中，T_pre1是前一帧的第一子帧的音调周期，T_pre2是前一帧的第二 子帧的音调周期。 
在前一帧的子帧间的音调周期的差Pit_dist为规定的阈值以下时，音调周期搜索分析长度决定单元502将音调周期搜索分析长度r设定为满足m＜r’≤n的条件的r’。然后，在前一帧的子帧间的音调周期的差Pit_dist大于规定的阈值时，音调周期搜索分析长度决定单元502将音调周期搜索分析长度r设定为满足m＜r”≤n且r’＜r”的条件的r”。 
或者，音调周期搜索分析长度决定单元502也可仅利用过去帧的第一子帧的音调周期T_pre1或第二子帧的音调周期T_pre2作为预测子帧间的音调周期的变动程度的参数。 
有以下的统计上的倾向，即过去帧的音调周期的值越大，与前一帧的音调周期相比，当前一帧的音调周期容易产生较大的变动，相对于此，过去帧的音调周期的值越小，与前一帧的音调周期相比，当前一帧的音调周期的变动的幅度容易变小。因此，在利用音调周期的时间性的连续性的“Δ延迟”的方法中，过去帧的音调周期较大，音调周期的变动也随之较大时，无法完全地通过“Δ延迟”的音调周期搜索范围覆盖子帧间的音调周期的变动的大小的可能性高。因此，在这样的情况下，使第一子帧的音调周期搜索分析长度r更长，在第一子帧的音调周期搜索中，设定较多的相当于考虑第二子帧的部分，从而提高量化精度。例如，在过去帧的第二子帧的音调周期的T_pre2的值为规定的阈值以下时，音调周期搜索分析长度决定单元502将音调周期搜索分析长度r设定为满足m＜r’≤n的条件的r’，而在过去帧的第二子帧的音调周期T_pre2的值大于规定的阈值时，将音调周期搜索分析长度r设定为满足m＜r”≤n且r’＜r”的条件的r”。 
另外，在本实施方式中，以将用于预测子帧间的音调周期的变动程度的参数与规定的一个阈值进行比较，并基于比较结果决定音调周期搜索分析长度r的情况为例进行了说明，但本发明并不限于此，也可将用于预测子帧间的音调周期的变动程度的参数与多个阈值进行比较，并且预测子帧间的音调周期的变动程度的参数越大，将音调周期搜索分析长度r设定得越小。 
以上，说明了本发明的实施方式。 
本发明的自适应激励矢量量化装置能够装载于进行语音传输的移动通信系统中的通信终端装置，由此能够提供具有与上述同样的作用效果的通信终端装置。 
另外，这里，以由硬件构成本发明的情况为例进行了说明，但也能够由软件实现本发明。例如，通过利用编程语言(programming language)记述本发明的自适应激励矢量量化方法的算法，将该程序存储在存储器后使信息处理单元执行该程序，从而能够实现与本发明的自适应激励矢量量化装置和自适应矢量逆量化装置同样的功能。 
另外，用于上述实施方式的说明中的各功能块通常作为集成电路即LSI来实现。这些块既可以单独地集成为一个芯片，也可以包含一部分或全部地集成为一个芯片。 
另外，虽然此处称为LSI，但根据集成程度，也可以称为IC、系统LSI、超大LSI(Super LSI)、特大LSI(Ultra LSI)等。 
另外，实现集成电路化的方法不仅限于LSI，也可使用专用电路或通用处理器来实现。也可以使用在LSI制造后可编程的FPGA(Field ProgrammableGate Array：现场可编程门阵列)，或者可重构LSI内部的电路单元的连接和设定的可重构处理器。 
再者，随着半导体的技术进步或随之派生的其它技术的出现，如果能够出现替代LSI的集成电路化的新技术，当然可利用该新技术进行功能块的集成化。有可能适用于生化技术等。 
在2006年12月15日提交的特愿第2006-338343号的日本专利申请以及在2007年5月23日提交的特愿第2007-137031号的日本专利申请中所包含的说明书、附图以及说明书摘要的公开内容，全部引用于本发明。 
工业实用性 
本发明的自适应激励矢量量化装置和自适应激励矢量量化方法能够适用于语音编码和语音解码等用途。 

Claims (8)

1.自适应激励矢量量化装置，在码激励线性预测方式的语音编码中，输入通过对将长度为n的帧划分所得到的多个长度为m的子帧进行线性预测分析所生成的长度为m的线性预测残差矢量和线性预测系数，使用所述多个长度为m的子帧中的两个连续的子帧作为第一子帧和第二子帧，对所述第一子帧使用比对所述第二子帧多的比特数，进行每个子帧的自适应激励矢量量化，其中n和m为整数，该自适应激励矢量量化装置包括：
自适应激励矢量生成单元，从自适应激励码本中切割出长度为r的自适应激励矢量，其中，m＜r≤n；
目标矢量构成单元，将所述多个子帧的所述线性预测残差矢量相加，根据相加所得的结果生成长度为r的搜索用目标矢量；
合成滤波器，利用所述多个子帧的所述线性预测系数，生成r×r的脉冲响应矩阵；
评价尺度计算单元，利用所述长度为r的自适应激励矢量、所述长度为r的搜索用目标矢量以及所述r×r的脉冲响应矩阵，对多个音调周期的候补，计算自适应激励矢量量化的评价尺度；以及
评价尺度比较单元，比较与所述多个音调周期的候补对应的所述评价尺度，求使所述评价尺度最大的音调周期作为所述第一子帧的自适应激励矢量量化结果。
2.如权利要求1所述的自适应激励矢量量化装置，
用于所述第一子帧的自适应激励矢量量化的比特数与用于所述第二子帧的自适应激励矢量量化的比特数之间的差越大，则将所述r设定得越大。
3.如权利要求1所述的自适应激励矢量量化装置，还包括：
计算单元，将所述多个子帧的线性预测系数分别变换为多个频谱，并计算所述多个频谱间的距离；以及
设定单元，所述频谱间的距离越大，其将所述r设定得越长。
4.如权利要求1所述的自适应激励矢量量化装置，还包括：
计算单元，计算所述多个子帧间的功率的差；以及
设定单元，所述子帧间的功率的差越大，其将所述r设定得越长。
5.如权利要求1所述的自适应激励矢量量化装置，还包括：
设定单元，过去帧的所述多个子帧的音调周期的值越大，其将所述r设定得越长。
6.如权利要求1所述的自适应激励矢量量化装置，还包括：
计算单元，计算过去帧的所述多个子帧间的音调周期的差；以及
设定单元，所述过去帧的所述多个子帧间的音调周期的差越大，其将所述r设定得越长。
7.码激励线性预测语音编码装置，包括权利要求1所述的自适应激励矢量量化装置。
8.自适应激励矢量量化方法，在码激励线性预测方式的语音编码中，输入通过对将长度为n的帧划分所得到的多个长度为m的子帧进行线性预测分析所生成的长度为m的线性预测残差矢量和线性预测系数，使用所述多个长度为m的子帧中的两个连续的子帧作为第一子帧和第二子帧，对所述第一子帧使用比对所述第二子帧多的比特数，进行每个子帧的自适应激励矢量量化，其中n和m为整数，该自适应激励矢量量化方法包括以下的步骤：
从自适应激励码本中切割出长度为r的自适应激励矢量，其中，m＜r≤n；
将所述多个子帧的所述线性预测残差矢量相加，根据相加所得的结果生成长度为r的搜索用目标矢量；
利用所述多个子帧的所述线性预测系数，生成r×r的脉冲响应矩阵；
利用所述长度为r的自适应激励矢量、所述长度为r的搜索用目标矢量以及所述r×r的脉冲响应矩阵，对多个音调周期的候补，计算自适应激励矢量量化的评价尺度；以及
比较与所述多个音调周期的候补对应的所述评价尺度，求使所述评价尺度最大的音调周期作为所述第一子帧的自适应激励矢量量化结果。
CN2007800452064A 2006-12-15 2007-12-14 自适应激励矢量量化装置和自适应激励矢量量化方法 Expired - Fee Related CN101548317B (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
JP338343/2006 2006-12-15
JP2006338343 2006-12-15
JP137031/2007 2007-05-23
JP2007137031 2007-05-23
PCT/JP2007/074137 WO2008072736A1 (ja) 2006-12-15 2007-12-14 適応音源ベクトル量子化装置および適応音源ベクトル量子化方法

Publications (2)

Publication Number Publication Date
CN101548317A CN101548317A (zh) 2009-09-30
CN101548317B true CN101548317B (zh) 2012-01-18

Family

ID=39511749

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2007800452064A Expired - Fee Related CN101548317B (zh) 2006-12-15 2007-12-14 自适应激励矢量量化装置和自适应激励矢量量化方法

Country Status (5)

Country Link
US (1) US8249860B2 (zh)
EP (1) EP2101320B1 (zh)
JP (1) JP5230444B2 (zh)
CN (1) CN101548317B (zh)
WO (1) WO2008072736A1 (zh)

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5241509B2 (ja) * 2006-12-15 2013-07-17 パナソニック株式会社 適応音源ベクトル量子化装置、適応音源ベクトル逆量子化装置、およびこれらの方法
EP2128855A1 (en) * 2007-03-02 2009-12-02 Panasonic Corporation Voice encoding device and voice encoding method
US20110026581A1 (en) * 2007-10-16 2011-02-03 Nokia Corporation Scalable Coding with Partial Eror Protection
US20110189250A1 (en) * 2008-01-15 2011-08-04 George John Green approach in metal nanoparticle-embedded antimicrobial coatings from vegetable oils and oil-based materials
WO2009090876A1 (ja) * 2008-01-16 2009-07-23 Panasonic Corporation ベクトル量子化装置、ベクトル逆量子化装置、およびこれらの方法
US20090319261A1 (en) * 2008-06-20 2009-12-24 Qualcomm Incorporated Coding of transitional speech frames for low-bit-rate applications
US8768690B2 (en) * 2008-06-20 2014-07-01 Qualcomm Incorporated Coding scheme selection for low-bit-rate applications
CN101615394B (zh) * 2008-12-31 2011-02-16 华为技术有限公司 分配子帧的方法和装置
EP2551848A4 (en) 2010-03-23 2016-07-27 Lg Electronics Inc METHOD AND APPARATUS FOR PROCESSING AUDIO SIGNAL
US9418671B2 (en) * 2013-08-15 2016-08-16 Huawei Technologies Co., Ltd. Adaptive high-pass post-filter
CN103794219B (zh) * 2014-01-24 2016-10-05 华南理工大学 一种基于m码字分裂的矢量量化码本生成方法
JP6542796B2 (ja) * 2014-03-28 2019-07-10 サムスン エレクトロニクス カンパニー リミテッド 線形予測係数量子化方法及びその装置、並びに線形予測係数逆量子化方法及びその装置
KR20230149335A (ko) 2014-05-07 2023-10-26 삼성전자주식회사 선형예측계수 양자화방법 및 장치와 역양자화 방법 및 장치
CN109030983B (zh) * 2018-06-11 2020-07-03 北京航空航天大学 一种考虑激励测试的诊断关系矩阵生成方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5598504A (en) * 1993-03-15 1997-01-28 Nec Corporation Speech coding system to reduce distortion through signal overlap
CN1192817A (zh) * 1995-06-16 1998-09-09 诺基亚流动电话有限公司 语音编码器
CN1287658A (zh) * 1998-10-27 2001-03-14 松下电器产业株式会社 Celp型语音编码装置

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5717824A (en) * 1992-08-07 1998-02-10 Pacific Communication Sciences, Inc. Adaptive speech coder having code excited linear predictor with multiple codebook searches
JP2746039B2 (ja) 1993-01-22 1998-04-28 日本電気株式会社 音声符号化方式
US5651090A (en) * 1994-05-06 1997-07-22 Nippon Telegraph And Telephone Corporation Coding method and coder for coding input signals of plural channels using vector quantization, and decoding method and decoder therefor
CA2154911C (en) 1994-08-02 2001-01-02 Kazunori Ozawa Speech coding device
JP3233184B2 (ja) * 1995-03-13 2001-11-26 日本電信電話株式会社 音声符号化方法
EP1085504B1 (en) * 1996-11-07 2002-05-29 Matsushita Electric Industrial Co., Ltd. CELP-Codec
JP3095133B2 (ja) * 1997-02-25 2000-10-03 日本電信電話株式会社 音響信号符号化方法
US6330531B1 (en) * 1998-08-24 2001-12-11 Conexant Systems, Inc. Comb codebook structure
JP3583945B2 (ja) 1999-04-15 2004-11-04 日本電信電話株式会社 音声符号化方法
CN1296888C (zh) * 1999-08-23 2007-01-24 松下电器产业株式会社 音频编码装置以及音频编码方法
JP4414705B2 (ja) * 2003-09-17 2010-02-10 パナソニック株式会社 音源信号符号化装置、及び音源信号符号化方法
FI118704B (fi) * 2003-10-07 2008-02-15 Nokia Corp Menetelmä ja laite lähdekoodauksen tekemiseksi
JP2006338343A (ja) 2005-06-02 2006-12-14 Yamatake Corp 時刻連携ウィンドウシステム
JP2006338342A (ja) * 2005-06-02 2006-12-14 Nippon Telegr & Teleph Corp <Ntt> 単語ベクトル生成装置、単語ベクトル生成方法およびプログラム
JP4444201B2 (ja) 2005-11-22 2010-03-31 国立大学法人 東京大学 パルプ射出成形品の成形方法
JP5241509B2 (ja) * 2006-12-15 2013-07-17 パナソニック株式会社 適応音源ベクトル量子化装置、適応音源ベクトル逆量子化装置、およびこれらの方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5598504A (en) * 1993-03-15 1997-01-28 Nec Corporation Speech coding system to reduce distortion through signal overlap
CN1192817A (zh) * 1995-06-16 1998-09-09 诺基亚流动电话有限公司 语音编码器
CN1287658A (zh) * 1998-10-27 2001-03-14 松下电器产业株式会社 Celp型语音编码装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
JP特开2005-91749A 2005.04.07
JP特开平10-242867A 1998.09.11
JP特开平8-248995A 1996.09.27

Also Published As

Publication number Publication date
CN101548317A (zh) 2009-09-30
WO2008072736A1 (ja) 2008-06-19
JPWO2008072736A1 (ja) 2010-04-02
EP2101320B1 (en) 2014-09-03
JP5230444B2 (ja) 2013-07-10
EP2101320A1 (en) 2009-09-16
US20100106492A1 (en) 2010-04-29
EP2101320A4 (en) 2011-10-12
US8249860B2 (en) 2012-08-21

Similar Documents

Publication Publication Date Title
CN101548317B (zh) 自适应激励矢量量化装置和自适应激励矢量量化方法
CN101622664B (zh) 自适应激励矢量量化装置和自适应激励矢量量化方法
US8185385B2 (en) Method for searching fixed codebook based upon global pulse replacement
JP3180762B2 (ja) 音声符号化装置及び音声復号化装置
JPWO2008155919A1 (ja) 適応音源ベクトル量子化装置および適応音源ベクトル量子化方法
JP5241509B2 (ja) 適応音源ベクトル量子化装置、適応音源ベクトル逆量子化装置、およびこれらの方法
JP3275247B2 (ja) 音声符号化・復号化方法
US20050256702A1 (en) Algebraic codebook search implementation on processors with multiple data paths
JP2538450B2 (ja) 音声の励振信号符号化・復号化方法
JP3174733B2 (ja) Ｃｅｌｐ型音声復号化装置、およびｃｅｌｐ型音声復号化方法
JPH0519796A (ja) 音声の励振信号符号化・復号化方法
KR101168158B1 (ko) 대수 코드북 검색을 위한 어드레스 생성기
JP6053145B2 (ja) 符号化装置、復号装置、これらの方法、プログラム、および記録媒体
Choi et al. A fast VSELP speech coder based on mutually orthonormal regular pulse vectors
CN1873779B (zh) 语音编码解码装置及方法
JP2000347699A (ja) 拡散音源ベクトル生成装置及び拡散音源ベクトル生成方法
JP2001022400A (ja) Ｃｅｌｐ型音声符号化装置及びｃｅｌｐ型音声符号化方法
JP2000347700A (ja) Ｃｅｌｐ型音声復号化装置及びｃｅｌｐ型音声復号化方法
JP2001027900A (ja) 音源ベクトル生成装置及び音源ベクトル生成方法
JP2001022398A (ja) Ｃｅｌｐ型音声復号化装置及びｃｅｌｐ型音声復号化方法
JP2000148195A (ja) 音声符号化装置
JP2000338999A (ja) Ｃｅｌｐ型音声符号化装置及びｃｅｌｐ型音声符号化方法
JP2000330596A (ja) 拡散音源ベクトル生成装置及び拡散音源ベクトル生成方法
JP2001022399A (ja) Ｃｅｌｐ型音声符号化装置とｃｅｌｐ型音声符号化方法、及びｃｅｌｐ型音声復号化装置とｃｅｌｐ型音声復号化方法
JPH09269800A (ja) 音声符号化装置

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20170522

Address after: Delaware

Patentee after: III Holdings 12 LLC

Address before: Osaka Japan

Patentee before: Matsushita Electric Industrial Co.,Ltd.

TR01 Transfer of patent right
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20120118

CF01 Termination of patent right due to non-payment of annual fee