-
1. Feld der
Erfindung
-
Die
vorliegende Erfindung betrifft ein Sprachencodierverfahren und ein
Sprachdecodierverfahren, die zur Kompressions-Encodierung und -Decodierung
von Sprachsignalen, Audiosignalen und Ähnlichem benutzt werden.
-
2. Beschreibung des Standes
der Technik
-
Als
ein Verfahren der Kompressions-Encodierung von Sprachsignalen ist
ein CELP (Code-Excited Linear Prediction = lineare Prädiktion
mit Code-Anregung) ("Code-Excited
Linear Prediction (CELP): High-quality Speech at Very Low Rates" Proc. ICASSP '85, 25, 1.1. Seite
937–940,
1985).
-
Entsprechend
der charakteristischen Merkmalen des CELP-Schemas wird die Modellierung
eines Sprachsignals getrennt für
einen Synthesefilter und ein Anregungssignal zum Betrieb des Synthesefilters
durchgeführt,
und die Verzerrung wird in Übereinstimmung
mit dem Pegel eines wahrnehmungsgewichteten Sprachsignals in der
Encodierung des Anregungssignals ausgewertet, wodurch es schwierig gemacht
wird, eine Encodierungs-Verzerrung zu erkennen. Ein synthetisiertes
Sprachsignal wird nach der Encodierung durch ein Durchlaufen des
Anregungssignals durch das Synthesefilter erzeugt. Das Anregungssignal
wird durch die Vereinigung von zwei Codevektoren erzeugt, d. h.,
einem von einem adaptiven Codebuch erzeugten Codevektor, der vergangene
Anregungssignale speichert, und einem von einem stochastischen Codebuch
erzeugten, stochastischen Vektor.
-
Ein
adaptiver Codevektor repräsentiert hauptsächlich die
Wiederholung einer Wellenform auf der Grundlage einer Pitch-Periode
als ein Merkmal eines Anregungssignals in einem Stimmen-Sprachintervall.
Ein stochastischer Codevektor enthält eine Komponente zum Kompensieren
einer Komponente, die in einem Anregungssignal, welches nicht durch
einen adaptiven Codevektor ausgedrückt werden kann, enthalten
ist, und wird benutzt, ein synthetisiertes Sprachsignal natürlicher
zu machen.
-
Ein
adaptives Codebuch ist ein Codebuch, das die Tatsache benutzt, dass
eine sich wiederholende Wellenform auf der Grundlage einer Pitch-Periode
eines Anregungssignals ähnlich
ist zur sich wiederholenden Wellenform eines unmittelbar vorangehenden
Anregungssignals. Insbesondere werden vergangene Anregungssignale
im adaptiven Codebuch ohne irgendwelche Änderungen gespeichert, und
ein vergangenes Anregungssignal wird aus dem adaptiven Codebuch
in einem Umfang entsprechend zu einer Pitch-Periode herausgezogen.
Der Vektor, welcher durch die Wiederholung des herausgezogenen Signals
mit einem Pitch-Intervall bei einer Pitch-Periode bis zu einem Signalintervall
erhalten wird, wird als ein adaptiver Codevektor benutzt. Wie oben
beschrieben wird gemäß des herkömmlichen, adaptiven
Codebuches der gegenwärtige,
adaptive Codevektor durch direkte Wiederholung eines Anregungssignals
erhalten, welches in der Vergangenheit benutzt wurde. In diesem
herkömmlichen
Verfahren wird eine Verzerrung aufgrund der Encodierung deutlich
empfangen, wenn die Encodierungs-Bitrate auf ungefähr 4 kbits/s
vermindert wird, da eine unausreichende Anzahl von Bits zugewiesen
wird, um ein Anregungssignal auszudrücken. Folglich wird die Sprache
unklar oder ist mit Geräuschen
verbunden. Die Klangqualität
sinkt damit beträchtlich.
Deshalb gibt es einen Bedarf nach einem hocheffizienten Encodierungsschema,
das eine synthetisierte Sprache mit hoher Qualität erzeugen kann, sogar wenn
die Bitrate vermindert wird.
-
Der
Artikel „Pitch
sharpening for perceptually improved CELP, and the sparse-delta
codebook for redcuced computation" Taniguchi T et al., IEEEICASSP 1991
offenbart Algorithmen, die das Feedback von geräuschähnlichen Informationen zum
adaptiven Codebuch begrenzen.
-
Wie
oben beschrieben ist es im herkömmlichen
Sprachencodierverfahren schwierig, synthetisierte Sprache mit hoher
Qualität
bei einer geringen Bitrate zu erhalten.
-
Es
ist eine technische Aufgabe der vorliegenden Erfindung, ein Sprachencodierverfahren/Sprachdecodierverfahren
vorzusehen, die synthetisierte Sprache mit hoher Qualität sogar
bei einer geringen Bitrate erzeugen können.
-
Der
vorliegende Erfinder weist speziell auf die Tatsache hin, dass in
der Pitch-Periode auftretende Komponenten, welche in einem Stimmen-Sprachsignal
enthalten sind, Komponenten mit geringen Frequenzen eine Wiederholung
mit einer stärkeren Korrelation
aufweisen als Komponenten mit hohen Frequenzen, in Bezug auf die
Frequenz. Damit tendieren Pitch-Wiederholungskomponenten in einem niedrigen
Frequenzband dazu, sich langsamer zu ändern, wobei die Pitch-Wiederholungskomponenten
in einem hohen Frequenzband dazu tendieren, sich schneller zu ändern.
-
Unter
Berücksichtigung
der Merkmale der Komponenten der Pitch-Periode, die im Sprachsignal enthalten
sind, ist daher der Grad des Beitrags für einen besseren Ausdruck eines
Anregungssignals durch einen erhaltenen, adaptiven Codevektor auf der
niedrigen Frequenzseite im Allgemeinen höher als auf der hohen Frequenzseite.
Damit können
Anregungssignale in einem niedrigen Frequenzband in einem adaptiven
Codebuch gespeichert und effektiver wiederbenutzt werden als Anregungssignale
in einem hohen Frequenzband. Deshalb ist das herkömmliche
Verfahren nicht notwendigerweise effektiv, bei dem die Anregungssignale
in allen Frequenzbändern
in einem adaptiven Codebuch auf dieselbe Art und Weise gespeichert
werden.
-
Die
vorliegende Erfindung wurde unter Berücksichtigung der allgemeinen
Tendenz durchgeführt,
dass die Beiträge
der adaptiven Codevektoren in unterschiedlichen Frequenzbändern variieren
und die Beiträge
der adaptiven Codevektoren mit einer Frequenzzunahme abnehmen.
-
Synthetisierte
Sprache mit hoher Qualität kann
erhalten werden, und exzellente synthetisierte Sprache kann sogar
bei einer geringen Bitrate durch Änderung der von solchen Frequenzbändern abhängigen Merkmale
erhalten werden, d. h., durch die Aktualisierung eines adaptiven
Codebuches durch Benutzung eines Anregungssignals nach der Modifikation
durch die Anregungsfilterverarbeitung (Anpassung eines Ausgangs
in Übereinstimmung
mit einem Frequenzband).
-
Gemäß einem
Aspekt der vorliegenden Erfindung ist ein Sprachencodierverfahren
gemäß Anspruch
1 vorgesehen.
-
Gemäß einem
anderen Aspekt der vorliegenden Erfindung ist eine Sprachencodiervorrichtung
gemäß Anspruch
4 vorgesehen.
-
Gemäß einem
weiteren Aspekt der vorliegenden Erfindung ist ein Sprachdecodierverfahren gemäß Anspruch
7 vorgesehen.
-
Gemäß einem
zusätzlichen
Aspekt der vorliegenden Erfindung ist eine Sprachdecodiervorrichtung
gemäß Anspruch
10 vorgesehen.
-
Gemäß einem
noch weiteren Aspekt der vorliegenden Erfindung ist eine elektronische
Vorrichtung gemäß Anspruch
12 vorgesehen. Bevorzugte Ausführungsformen
gehen aus den abhängigen
Ansprüchen
hervor.
-
Ein
Sprachencodier-/-decodierverfahren ist vorgesehen, das Sprache mit
hoher Qualität
synthetisieren kann, durch das Speichern eines, durch eine vorbestimmte
Filterverarbeitung modifizierten Anregungssignals in einem adaptiven
Codebuch, anstelle des Speicherns eines Anregungssignals im adaptiven
Codebuch ohne irgendeine Modifikation, wie im herkömmlichen
Verfahren.
-
Wie
oben beschrieben sind Tiefpass-Merkmale bevorzugt vorgesehen, da
ein adaptiver Codevektor in einem niedrigeren Frequenzband mehr
einem Anregungssignal beisteuert. Ein Anregungssignal kann durch
die Verwendung eines ersten, von einem adaptiven Codebuch (erstes
Codebuch) erhaltenen Codevektor erzeugt werden, wobei das adaptive Codebuch
Periodizität
reflektiert, und durch die Verwendung eines zweiten, von einer anderen
Art von Codebuch (ein zweites Codebuch z. B. ein stochastisches
Codebuch) erhaltenen Codevektors (z. B. ein stochastischer Codevektor).
Die vorliegende Erfindung ist jedoch nicht auf das stochastische
Codebuch begrenzt, und die Anzahl der verwendeten Codebücher ist
nicht auf zwei begrenzt; ein Anregungssignal kann von einer Mehrzahl
von Codebüchern durch
die Miteinbeziehung eines adaptiven Codebuchs erhalten werden.
-
Die
vorliegende Erfindung kann z. B. durch ein Sprachencodierverfahren
implementiert werden, welches ein synthetisiertes Sprachsignal durch
die Benutzung eines Anregungssignals, das durch die Benutzung eines
ersten, von einem adaptiven Codebuch erhaltenen Codevektors erzeugt
wird, erzeugt, wobei das adaptive Codebuch ein vergangenes Anregungssignal
speichert, und durch die Verwendung eines zweiten, von einem vorbestimmten
Codebuch (z. B. einem stochastischen Codebuch) erhaltenen Codevektors.
Dieses Sprachencodierverfahren umfasst ausgewählte Code-Informationen, die
einen ersten Codevektor durch die Verwendung des adaptiven Codebuchs
repräsentieren,
zumal die wahrnehmungsgewichtete Verzerrung zwischen einem, von einem
Eingangs-Sprachsignal erhaltenen Zielvektor und einem synthetisierten
Vektor, welcher durch die Synthetisierung von Kandidatenvektoren
des ersten Codevektors erhalten wird, vermindert wird; ein Auswählen von
Code-Informationen, die einen zweiten Codevektor aus dem Codebuch
repräsentieren,
zumal die wahrnehmungsgewichtete Verzerrung des synthetisierten
Sprachsignals vermindert wird; ein Erzeugen eines Anregungssignals
durch die Benutzung des ausgewählten
ersten und zweiten Codevektors; ein Modifizieren des erzeugen Anregungssignals
durch eine Filterverarbeitung; und ein Speichern des modifizierten
Anregungssignals im adaptiven Codebuch.
-
Wenn
ein Anregungssignal von einem adaptiven Codevektor, der von einem
adaptiven Codebuch erhalten wird, und von einem stochastischen Codevektor,
der von einem stochastischen Codebuch erhalten wird, zu erzeugen
ist, wird ein Anregungssignal vor der Modifikation z. B. durch einen Anregungsvektor u vorgegeben, der durch die
folgende Gleichung ausgedrückt
wird, und wird in einen Synthesefilter eingegeben, um synthetisierte
Sprache zu erhalten. Es wird bemerkt, dass das Anregungssignal nicht
darauf beschränkt
ist. u = GOx0 + G1x1,wobei u einen Anregungsvektor, x0 einen adaptiven Codevektor,
x1 einen stochastischen Codevektor, G0 den Gewinn des adaptiven
Codevektors, und G1 den Gewinn des stochastischen Codevektors darstellt.
-
Filter
mit unterschiedlichen Bedingungen können für die, für dieses Anregungssignal vor
der Modifikation durchzuführende
Filterverarbeitung benutzt werden. Die Anregungsfilterverarbeitung
wird z. B. für
das Anregungssignal vor der Modifikation durchgeführt, durch
die Benutzung eines rekursiven Filters, welches durch R(z) = 1/(1 – k1z–1)
(k1: Filterkoeffizient) in einem z-Transformationsbereich ausgedrückt wird,
und das Ergebnis wird als die spätesten
Daten im adaptiven Codebuch gespeichert.
-
Der
durch die Benutzung einer solchen Filterverarbeitung modifizierte
Anregungsvektor ist durch v(n) = u(n) + k1v(n – 1)gegeben,
wobei v den modifizierten Anregungsvektor, u(n) das aktuelle Anregungssignal,
v(n) das modifizierte Anregungssignal, und k1 einen Filterkoeffizienten
darstellt.
-
Es
ist zu erwähnen,
dass dieses Anregungsfilter nicht auf einen rekursiven Filter erster
Ordnung begrenzt ist, und ein Filter mehrfacher Ordnung oder ein
nichtrekursiver Filter können
benutzt werden.
-
Außerdem können sich
die Merkmale eines Anregungsfilters in Abhängigkeit von den Encodier-Informationen
(Synthesefilter-Informationen, Pitch-Periode, Gewinn-Informationen
und Ähnliches, oder
Eingangs-Sprachsignal) ändern.
In diesem Fall kann das Anregungssignal vor und nach der Modifikation
in Abhängigkeit
von Bedingungen dasselbige bleiben.
-
Die
vorliegende Erfindung kann auf eine elektronische Vorrichtung angewendet
werden, die ausgelegt ist, um eine digitale Sprachverarbeitung durchzuführen, wie
z. B. einem Handy-Telefon, einem tragbaren Endgerät, oder
einem PC mit Sprachverarbeitung.
-
Gemäß der vorliegenden
Erfindung ist eine elektronische Vorrichtung vorgesehen, die einen Sprachencoder
umfasst, welcher das oben aufgeführte
Sprachencodierverfahren ausführt,
und eine Sprach-Eingangsvorrichtung (eine direkte Sprach-Eingangvorrichtung
wie einem Mikrophon oder einer Eingangsvorrichtung, die ein Sprachsignal eingibt,
das extern zugeführt
wird) zum Zuführen
eines Sprachsignals zum Sprachencoder.
-
Außerdem ist
gemäß der vorliegenden
Erfindung eine elektronische Vorrichtung vorgesehen, die einen Sprachdecoder
umfasst, welcher das oben aufgeführte
Sprachdecodierverfahren für
das durch das oben erwähnte
Sprachencodierverfahren encodierte Sprachsignal ausgeführt, und
eine Sprach-Ausgangsvorrichtung (eine direkte Klangvorrichtung wie
einem Lautsprecher oder einer Sprach-Zuführvorrichtung, die ein Sprachsignal
zu einer externen Vorrichtung zuführt) zum Ausgeben eines Sprachsignals
vom Sprachdecoder.
-
Wenn
eine elektronische Vorrichtung sowohl einen Encoder als auch einen
Decoder enthält,
kann die Vorrichtung Sprachsignale encodieren und decodieren. Wenn
jedoch eine Decodierung nicht erforderlich ist, kann die Vorrichtung
nur einen Encoder zusammen mit einem anderen dafür notwendigen Mittel enthalten.
Wenn nur eine Decodierung erforderlich ist, kann die Vorrichtung
nur einen Decoder zusammen mit einem dafür notwendigen Mittel enthalten.
-
Ein
Handy-Telefon erfordert sowohl eine Encodierfunktion als auch eine
Decodierfunktion, weil es Signale an/von eine/einer Befehlsvorrichtung überträgt/empfängt.
-
In
Basisstationen und Relaystationen, welche ein Telefonnetzwerk bilden,
müssen
analoge und digitale Leitungen in einigen Fällen miteinander verbunden
werden. In solchen Fällen
müssen
genauso die Encodierung und Decodierung für die zugehörigen Betriebe durchgeführt werden,
da die encodierten Sprachsignale von der digitalen Leitungsseite
zugeführt
werden, und die analogen Sprachsignale vor der Encodierung von der
analogen Leitungsseite zugeführt
werden. Deshalb sind sowohl eine Encodierfunktion als auch eine
Decodierfunktion erforderlich. Die vorliegende Erfindung kann auch
auf eine elektronische Vorrichtung angewendet werden, die entworfen
wird, um ein Sprachsignal von einer externen Vorrichtung zu empfangen
und das Signal zur externen Vorrichtung zurückzusenden oder es zu einer
anderen Vorrichtung encodiert zu übertragen.
-
Der
Schutzbereich wird durch die Ansprüche definiert.
-
Die
Erfindung kann von der folgenden detaillierten Beschreibung in Zusammenhang
mit den begleitenden Zeichnungen besser verstanden werden, es zeigen:
-
1 ein
Blockdiagramm, das die Sprachencodierung gemäß einer Ausführungsform
der vorliegenden Erfindung aufzeigt;
-
2 ein
Blockdiagramm, das ein Anregungsfilter gemäß der Ausführungsform der vorliegenden
Erfindung aufzeigt;
-
3 eine
Abbildung zur Erklärung
eines adaptiven Codebuchs gemäß der Ausführungsform der
vorliegenden Erfindung;
-
4 ein
Blockdiagramm, das die Sprachdecodierung gemäß der Ausführungsform der vorliegenden
Erfindung aufzeigt;
-
5 eine
Abbildung zur Erklärung
der Funktion des Anregungsfilters gemäß der Ausführungsform der vorliegenden
Erfindung;
-
6 ein
Blockdiagramm, das ein Anregungsfilter gemäß der Ausführungsform der vorliegenden
Erfindung aufzeigt;
-
7 ein
Blockdiagramm, das ein Anregungsfilter gemäß der Ausführungsform der vorliegenden
Erfindung aufzeigt; und
-
8 ein
Blockdiagramm, das ein Anregungsfilter gemäß der Ausführungsform der vorliegenden
Erfindung aufzeigt.
-
Eine
Ausführungsform
der vorliegenden Erfindung wird unter Bezug auf die Abbildungen
der begleitenden Zeichnungen beschrieben. 1 ist ein schematisches
Blockdiagramm, das ein Sprachencodierverfahren in dieser Ausführungsform
der vorliegenden Erfindung aufzeigt. Ein Eingangs-Sprachsignal,
das von einer Sprach-Eingangsvorrichtung (nicht aufgezeigt) wie
einem Mikrophon eingegeben wird, wird einer Analog-Digital-Wandlung
unterzogen und in Rahmeneinheiten verarbeitet, wobei jede Rahmeneinheit
einer vorbestimmten Zeitdauer entspricht. Ein LPC-Analysierer 101 analysiert
das in Rahmen eingeteilte Eingangs-Sprachsignal, um die linearen
Prädiktions-Koeffizienten
(LPC-Koeffizienten) herauszuziehen. Ein Synthesefilter-Informationsencoder 102 encodiert
die herausgezogenen LPC-Koeffizienten und gibt die Synthesefilter-Informationen
A zu einem Multiplexer 103 aus. Die linearen Prädiktions-Koeffizienten
werden als Synthesefilter-Koeffizienten (α(i): die Ordnung eines Filters
wird z. B. auf 10 gesetzt, wie benötigt) eines Synthesefilterabschnitts 104 benutzt.
Anschließend
wird z. B. jeder Rahmen in Unterrahmen aufgeteilt, entsprechend
zu den vorbestimmten Zeitintervallen, um Pitch-Perioden-Informationen
L, einen stochastischen Code C und Gewinninformationen G zu erhalten.
Ein adaptives Codebuch 105 speichert vergangene Anregungssignale
(vergangene, durch die Filterverarbeitung in der vorliegenden Erfindung
modifizierte Anregungssignale). Bei Empfang einer Pitch-Periode
als einen Kandidaten verfolgt das adaptive Codebuch 105 durch
eine Länge
entsprechend zur Pitch-Periode zurück und zieht ein Anregungssignal
heraus. Das adaptive Codebuch 105 erzeugt einen adaptiven
Codevektor durch eine Wiederholung dieses Signals.
-
Bei
der Suche nach einer Pitch-Periode berechnet ein wahrnehmungsgewichteter
Verzerrungsberechnungsabschnitt 109 die Wellenform-Verzerrung,
die verursacht wird, wenn der Synthesefilterabschnitt 104 einen
adaptiven Codevektor entsprechend zu einem Pitch-Perioden-Kandidaten
synthetisiert, und ein Code-Selektor 106 sucht eine Pitch-Periode,
bei der die Verzerrung der wahrnehmungsgewichteten, synthetisierten
Wellenform mehr mehr vermindert wird. Obwohl der durch die offene
Schleifen-Pitch-Analyse auf einer Rahmenbasis erhaltene Wert als
der Anfangswert eines Kandidaten-Pitches verwendet werden kann,
ist die vorliegende Erfindung nicht darauf beschränkt.
-
Die
durch die adaptive Codebuch-Suche bestimmte Pitch-Periode wird in
die Pitch-Perioden-Informationen L umgewandelt und zum Multiplexer 103 ausgegeben.
-
Ein
stochastisches Codebuch 107 gibt einen stochastischen Vektor
entsprechend zum zugeführten
stochastischen Code als einen stochastischen Codevektor-Kandidaten
aus. In einigen Schemata ist ein stochastisches Codebuch so aufgebaut,
dass es nicht direkt stochastische Codevektoren speichert. Z. B.
ist ein Schema, welches ein Algebraisches Codebuch benutzt, verfügbar. Dieses
Algebraische Codebuch ist ausgelegt, um einen Codevektor durch eine Vereinigung
von Pulspositionsinformationen und Polaritätsinformationen mit den Amplituden
einer vorbestimmten Anzahl von Pulsen, die auf +1 und –1 beschränkt sind,
auszudrücken.
Gemäß der charakteristischen
Merkmale des algebraischen Codebuchs kann ein Codebuch durch eine
kleine Speicherkapazität
ausgedrückt
werden, weil irgendwelche Codevektoren an sich nicht gespeichert
werden müssen, und
stochastische Komponenten, die in den Anregungsinformationen enthalten
sind, können
mit einer relativ hohen Qualität
trotz einer geringen Berechnungsmenge, welche für eine Codevektor-Auswahl erforderlich
ist, ausgedrückt
werden.
-
Ein
Schema, welches ein Algebraisches Codebuch benutzt, um Anregungssignale
zu encodieren, wird ein ACELP-Schema oder ein auf ACELP basierendes
Schema genannt und ist als ein Schema bekannt, das eine synthetisierte
Sprache mit geringer Verzerrung erhält.
-
Bei
der Suche nach dem stochastischen Code C berechnet der wahrnehmungsgewichtete Verzerrungsberechnungsabschnitt 109 die
wahrnehmungsgewichtete Verzerrung, welche in der Wellenform enthalten
ist und gebildet wird, wenn ein stochastischer Codevektor entsprechend
zu einem stochastischen Code-Kandidaten durch den Synthesefilterabschnitt 104 synthetisiert
wird, und der Code-Selektor 106 sucht einen stochastischen
Code, bei dem die Verzerrung dieser wahrnehmungsgewichteten, synthetisierten
Wellenform mehr vermindert wird. Der gefundene stochastische Code
C wird an den Multiplexer 103 ausgegeben.
-
In
dieser Ausführungsform
wird der Ausdruck „stochastisches
Codebuch" benutzt.
Jedoch muss offensichtlich ein stochastischer Codevektor, der durch
dieses Codebuch ausgedrückt
wird, nicht immer stochastisch sein. Dieser Codevektor kann z. B.
ein Pulsanregungs-Codevektor sein, wie in einem Algebraischen Codebuch.
-
Ein
Gewinn-Codebuch 108 speichert Kandidaten für einen
Gewinn G0, der für
einen adaptiven Codevektor benutzt wird, und einen Gewinn G1, der für einen
stochastischen Codevektor benutzt wird. Bei der Suche nach einem
Gewinn-Code kann z. B. der wahrnehmungsgewichtete Verzerrungsberechnungsabschnitt 109 die
wahrnehmungsgewichtete Verzerrung berechnen, die in der Wellenform
enthalten ist und gebildet wird, wenn der Anregungs-Codevektor,
welcher erhalten wird durch das Addieren des adaptiven Codevektors
und des stochastischen Codevektors, der durch die entsprechenden
Gewinn-Kandidaten multipliziert wird, durch das Synthesefilter synthetisiert
wird. Der Code-Selektor 106 sucht einen Gewinn-Code, bei
dem die Verzerrung der wahrnehmungsgewichteten, synthetisierten
Wellenform mehr vermindert wird.
-
Der
gefundene Gewinn-Code G wird an den Multiplexer 103 ausgegeben.
Unterschiedliche Verfahren können
benutzt werden, um die oben genannten Pitch-Perioden-Informationen
L, den stochastischen Code C und die Gewinn-Informationen G zu bestimmen.
Das folgende Verfahren kann z. B. benutzt werden.
-
Die
Pitch-Perioden-Informationen L werden durch eine adaptive Codebuch-Suche
(adaptiver Codevektor) erhalten. Der stochastische Code C (stochastischer
Codevektor) wird dann dadurch erhalten, dass ein stochastisches
Codebuch zur Suche veranlasst wird, so dass die Differenz zwischen
dem Zielvektor und dem durch die Multiplizierung des erhaltenen
adaptiven Codevektors mit einem vorübergehenden Gewinn (z. B. optimaler
Gewinn) erhaltene Vektor reduziert wird. Die Gewinn-Informationen
G (Gewinn-Codevektor) wird dadurch erhalten, dass eine Gewinn-Codebuch-Suche
veranlasst wird, den erhaltenen, adaptiven Codevektor und den stochastischen Codevektor
zu benutzen.
-
Die
vorliegende Erfindung ist offensichtlich nicht auf das oben genannte
Verfahren beschränkt. Durch
die Benutzung der Pitch-Perioden-Information L, des stochastischen
Codes C und der Gewinn-Informationen G, die auf diese Art und Weise
gefunden werden, wird ein Anregungssignal (Anregungsvektor) u gemäß (1) erzeugt: u = G0x0 + G1x1, (1)wobei x0
den adaptiven Codevektor darstellt, der vom adaptiven Codebuch 105 in Übereinstimmung mit
den Pitch-Perioden-Informationen L erhalten wird, x1 den stochastischen
Codevektor darstellt, der vom stochastischen Codebuch 107 in Übereinstimmung
mit dem stochastischen Code C erhalten wird, G0 einen Gewinn darstellt,
der vom Gewinn-Codebuch 108 in Übereinstimmung mit den Gewinn-Informationen
G erhalten wird und mit dem adaptiven Codevektor in einem Multiplizierer 111 multipliziert
wird, und G1 einen Gewinn darstellt, der vom Gewinn-Codebuch 108 in Übereinstimmung
mit den Gewinn-Informationen G erhalten wird und mit dem stochastischen
Codevektor in einem Multiplizierer 112 multipliziert wird.
Die Ausgänge
der Mulitplizierer 111 und 112 werden durch einen
Addierer 113 addiert.
-
Der
Synthesefilterabschnitt 104 erzeugt eine synthetisierte
Sprache durch die Ausführung
einer Synthesefilterung, welche durch 1/A(z):A(z) = 1 + Σα(i)z –' ausgedrückt wird,
wobei α(i)
einen Synthesefilter-Koeffizienten (Synthesefilter-Informationen A)
in einem z-Transformatiosbereich mit Bezug auf den Eingang des Anregungssignals u darstellt, welches auf diese
Art und Weise erhalten wird. Diese synthetisierte Sprache und die
Eingangssprache werden in einem Addierer 114 voneinander
abgezogen, und die oben erwähnten,
unterschiedlichen Auswahl-/Bestimmungsschritte werden dann durchgeführt, um
die Differenz, d. h., die Verzerrung der wahrnehmungsgewichteten,
synthetisierten Wellenform, welche durch den wahrnehmungsgewichteten
Verzerrungsberechnungsabschnitt 109 berechnet wird, zu
vermindern.
-
Der
erhaltene Anregungsvektor u wird
modifiziert (oder korrigiert) durch das Anregungsfilter 110 und
im adaptiven Codebuch 105 gespeichert. Unterschiedliche
Verfahren können
für diese
Modifikation (oder Korrektur) benutzt werden. Der Vektor kann z. B.
durch direkte Filterung unter Benutzung eines Anregungsfilters mit
vorbestimmten Merkmalen modifiziert werden. Es kann z. B. ein rekursiver
Filter als dieser Anregungsfilter erster Ordnung benutzt werden,
welches durch die unten angegebene Gleichung (2) ausgedrückt wird: R(z) = 1/(1 – k1z–1), (2)wobei k1
einen Filterkoeffizienten darstellt.
-
Wenn
ein Anregungsfilter mit solchen Ausgangsmerkmalen benutzt wird,
kann ein Anregungssignal v(n) nach der Modifikation durch v(n) = u(n) + k1v(n – 1) (3)angegeben
werden, wobei u(n) das Anregungssignal vor der Modifikation, v(n)
das Anregungssignal nach der Modifikation (n = 0, ..., N – 1, wobei
N die Ordnung eines Anregungsvektors darstellt) und k1 einen Filterkoeffizienten
darstellt.
-
2 zeigt
schematisch die Verarbeitung mit diesem Anregungsfilter auf. Das
Eingangs-Anregungssignal u(n) wird an ein Anregungsfilter 210 eingegeben,
wobei das Anregungsfilter 210 eine Verzögerungsvorrichtung 211,
einen Multiplizierer 212 und einen Addierer 213 enthält. In diesem
Anregungsfilter 210 multipliziert der Multiplizierer 212 ein
Signal v(n – 1),
das durch eine Verzögerung
des Ausgangssignals v(n) vom Anregungsfilter unter Benutzung der Verzögerungsvorrichtung 211 erhalten
wird, mit dem Filterkoeffizienten k1, und der Addierer 213 addiert dann
das Anregungssignal u(n) zum Produkt, wodurch das sich ergebende
Signal als das modifizierte Anregungssignal v(n) ausgegeben wird.
-
Wie
oben beschrieben kann ein besserer Effekt durch das Vorsehen von
Tiefpass-Merkmalen erhalten werden, da ein besserer Effekt durch
die Zunahme des Grades des Beitrags in einem niedrigen Frequenzband
erhalten werden kann. Gemäß von Experimenten
wird ein Wert, der die Ungleichung 0 < k1 < 0.25
oder Ähnliches
erfüllt,
bevorzugt benutzt. Das auf diese Art und Weise modifizierte Anregungssignal
v(n) wird als die spätesten
Informationen im adaptiven Codebuch gespeichert. Das adaptive Codebuch
wird durch die Verschiebung um N Abtastwerte als Ganzes aktualisiert,
so dass die ältesten Anregungssignaldaten
verworfen und die spätesten Anregungssignaldaten
gespeichert werden. Die spätesten
Daten werden auf diese Art und Weise addiert. 3 ist
eine schematische Abbildung, die diesen Zustand aufzeigt. Das adaptive
Codebuch vor der Aktualisierungsoperation wird gebildet durch v(–K)v(-K
+ 1), ..., v(–K
+ N – 1)v(–K + N)v(–K + N + 1),
..., v(–2)v(–1), wobei
N die Anzahl der Anregungsvektoren darstellt und K die Anzahl der
im adaptiven Codebuch gespeicherten Anregungssignaldaten darstellt.
Das älteste
Anregungssignal ist v(–K)v(–K + 1), ...,
v(–K +
N – 1),
welches verworfen wird. Die Daten „v(0)v(1), ..., v(N – 1)", welche vom ältesten
Anregungssignal „u(0)u(1),
..., u(N – 1)" vor der Modifikation
durch die Anregungsfilterung [v(n) = u(n) + k1v(n – 1): (n
= 0, ..., N – 1)]
erhalten werden, werden im adaptiven Codebuch als die ältesten
Daten gespeichert.
-
Die
Synthesefilter-Informationen A, die Pitch-Perioden-Informationen
L, der stochastische Code C und die Gewinn-Informationen G, welche durch
das oben aufgeführte
Encodierverfahren erhalten werden, werden gemultiplext, und der
gemultiplexte, encodierte Ausgang wird ausgesendet.
-
Die
beim Empfang dieser encodierten Informationen durchzuführende Decodierung
wird nachfolgend mit Bezug auf 4 beschrieben.
Ein Demultiplexer 401 demultiplext den encodierten Eingang,
um die Synthesefilter-Informationen A, die linearen, Prädiktions-Pitch-Perioden-Informationen
L, den stochastischen Code C und die Gewinn-Informationen G zu erhalten.
Diese Informationsbestandteile werden entsprechend zu einem Synthesefilter-Informationsdecoder 402,
dem adaptiven Codebuch 403, dem stochastischen Codebuch 404 und
dem Gewinn-Codebuch 405 ausgesendet.
-
Der
Synthesefilter-Informationsdecoder 402 erhält einen
linearen Prädiktions-Koeffizienten
(LPC) auf der Grundlage der erhaltenen Synthesefilter-Informationen
A, rekonstruiert denselben LPC-Koeffizienten wie den auf der Encodierungs-Seite und sendet
den LPC-Koeffizienten zu einem Synthesefilterabschnitt 406.
Das adaptive Codebuch 403 speichert vergangene Anregungssignale
wie das Codebuch auf der Encodierungs-Seite. Das adaptive Codebuch 403 verfolgt
aus dem spätesten
Signal durch eine Länge
entsprechend zur Pitch-Periode L zurück und zieht ein Anregungssignal
heraus. Das adaptive Codebuch 403 erzeugt einen adaptiven
Codevektor durch die Wiederholung dieses Signals.
-
Das
stochastische Codebuch 404 gibt einen stochastischen Codevektor
entsprechend zum stochastischen Code C auf der Grundlage des Codes
C aus. Das Gewinn-Codebuch 405 gibt den Gewinn G0 für einen
adaptiven Codevektor und den Gewinn G1 für einen stochastischen Codevektor
auf der Grundlage des Gewinn-Codes G aus.
-
Der
auf die oben erwähnte
Art und Weise erhaltene Codevektor wird in einem Multiplizierer 408 mit
dem Gewinn G0 multipliziert, und der stochastische Codevektor wird
in einem Multiplizierer 409 mit dem Gewinn G1 multipliziert.
Diese Vektoren werden dann durch einen Addierer 410 addiert,
und das sich ergebende Signal wird als das Anregungssignal u an einen Synthesefilterabschnitt 406 eingegeben.
Diese Operation ist äquivalent
zur Gleichung 1 in der Encodierungs-Operation. Der Synthesefilterabschnitt 406 führt eine
Synthesefilterverarbeitung durch, welche durch 1/A(z) für den Eingang
des Anregungssignalvektors (Vektor, der durch die Multiplikation
der zugehörigen
Vektoren mit den Gewinnen erhalten wird) repräsentiert wird, auf der Grundlage
des adaptiven Codevektors und des stochastischen Codevektors auf
dieselbe Art und Weise wie auf der Encodierungs-Seite, wodurch eine
synthetisierte Sprache erzeugt wird.
-
Es
ist zu erwähnen,
dass ein auf der Grundlage des erzeugten Anregungssignals u durch ein Anregungsfilter 407 modifiziertes
Anregungssignal v als die spätesten Daten
im adaptiven Codebuch wie in der Encodierungs-Operation gespeichert
wird. Das bedeutet, dass das adaptive Codebuch, welches Informationen
aufweist, die mit den Informationen auf der Encodierungs-Seite übereinstimmen,
auch auf der Decodierungs-Seite gehalten wird. Durch die Speicherung
des Anregungssignals, das durch das Anregungsfilter im adaptiven
Codebuch genauso wie auf der Decodierungs-Seite modifiziert wird,
kann ein auf der Encodierungs-Seite erhaltenes Sprachsignal mit
geringer Wahrnehmungs-Verzerrung genau reproduziert werden.
-
Die
funktionelle Rolle des Anregungsfilters in der Encodierungs-/Decodierungs-Operation
der vorliegenden Erfindung wird mit Bezug auf 5 beschrieben.
Unter Bezugnahme auf 5 kennzeichnet das Referenzsymbol
(a) die Zeit-Wellenform eines Anregungssignals vor der Modifikation;
(b) kennzeichnet die Zeit-Wellenform eines Anregungssignals nach
der Modifikation unter Benutzung eines Anregungsfilters; und (c)
und (d) kennzeichnen die Amplitudenmerkmale des Anregungssignals
(a) und des modifizierten Anregungssignals (b) auf der Frequenzachse.
-
Wie
durch die gestrichelte Linie dargestellt, ist die Frequenzamplitude
des Anregungssignals u vor
der Modifikation unter Benutzung eines Anregungsfilters fast flach
ohne irgendeine Neigung im Durchschnitt. Im Gegensatz dazu ist die
Frequenzamplitude des durch das Anregungsfilter 110 modifizierte
Anregungssignal v im Mittel
nicht flach, aber weist eine Neigung unter Aufweisung einer höheren Amplitude
in einem Bereich mit niedriger Frequenz auf. Dies zeigt an, dass
die Frequenzmerkmale des Anregungsfilters mit jenen, durch die gestrichelte
Linie repräsentierten
Frequenzmerkmalen, aufgezeigt durch „(d)" in 5, äquivalent
sind. Im Allgemeinen weist dieser Filter Tiefpass-Merkmale auf.
-
Wie
oben beschrieben, steuert ein adaptiver Codevektor mehr einem besseren
Ausdruck einer Anregungsquelle in einem niedrigen Frequenzbereich
bei, und somit wird ein Anregungsfilter mit solchen Merkmalen bevorzugt
benutzt, um eine hohe Qualität
zu realisieren. Außerdem
bleibt die Leistung eines Anregungssignals, welches das Filter durchlaufen
hat, bevorzugt dieselbige. In diesem Fall kann ein Anregungsfilter
wie folgt gebildet werden: R(z) = b0/(1 – b1z–1),wobei
b0 und b1 Filterkoeffizienten darstellen. Es wird bemerkt, dass
b0 + b1 = 1 ist.
-
Durch
die Benutzung eines Anregungsfilters mit solchen Ausgangsmerkmalen
kann das Anregungssignal v(n) nach der Modifikation durch v(n) = b0u(n) + b1v(n – 1)ausgedrückt werden.
-
6 zeigt
schematisch die Verarbeitung mit diesem Anregungsfilter auf. Ein
Anregungsfilter 610 enthält einen Verzögerungsabschnitt 611,
einen ersten Multiplizierer 612, einen Addierer 613 und
einen zweiten Multiplizierer 614. Der Verzögerungsabschnitt 611 verzögert das
Ausgangssignal v(n) vom Anregungsfilter um einen Abtastzyklus, um
ein Signal v(n – 1)
zu erhalten. Der erste Multiplizierer 612 multipliziert
dann das Signal v(n – 1)
mit dem Filterkoeffizienten b1. Der Addierer 613 addiert
das sich ergebende Signal zum Signal, welches durch die Multiplikation
des Anregungssignals u(n) mit dem Filterkoeffizienten b0 erhalten
wird, unter der Benutzung des zweiten Multiplizierers 614,
und gibt das sich ergebende Signal als das multiplizierte Anregungssignal v(n)
aus. In diesem Fall wird genauso ein Wert, der die Ungleichung 0 < b1 < 0.25 oder Ähnliches
erfüllt, bevorzugt
gesetzt, um die Tiefpass-Merkmale zu realisieren.
-
Das
zu benutzende Anregungsfilter ist nicht auf die oben genannten rekursiven
Filter begrenzt, und die vorliegende Erfindung kann einen nicht
rekursiven Filter benutzen, wie den rekursiven Filter, welcher durch R(z) = 1 + k2z–1 ausgedrückt wird,
wobei k2 einen Filterkoeffizienten darstellt.
-
In
diesem Fall ist ein Anregungssignal v(n) nach der Modifikation,
welches durch Eingabe des Anregungssignals u an das Anregungsfilter erhalten wird,
gegeben durch v(n) = u(n) + k2u(n – 1).
-
7 zeigt
schematisch die Verarbeitung mit diesem Anregungsfilter auf.
-
Ein
Anregungsfilter 710 enthält einen Verzögerungsabschnitt 711,
einen Multiplizierer 712 und einen Addierer 713.
Der Verzögerungsabschnitt 711 verzögert das
Anregungssignal v(n) um einen Abtastzyklus, um ein Signal u(n – 1) zu
erhalten. Der erste Multiplizierer 712 multipliziert dann
das Signal u(n – 1)
mit einem Filterkoeffizienten k2. Der Addierer 713 addiert
das Anregungssignal u(n) mit dem sich ergebenden Signal und gibt
das sich ergebende Signal als das modifizierte Anregungssignal v(n)
aus.
-
Wie
oben beschrieben kann ein besserer Effekt durch das Vorsehen von
Tiefpass-Merkmalen erhalten werden, da ein besserer Effekt durch
die Zunahme des Grads der Beitrags in einem niedrigen Frequenzband
erhalten werden kann. Gemäß von Experimenten
wird ein Wert, der die Ungleichung 0 < k2 < 0.25
oder Ähnliches
erfüllt,
bevorzugt gesetzt. In diesem Fall kann auch der Gewinn des Anregungsfilters
angepasst werden. In diesem Fall kann das folgende Anregungsfilter
benutzt werden: R(z) = c0 + c1z–1,wobei
c0 und c1 die Filterkoeffizienten darstellen.
-
In
diesem Fall ist das Anregungssignal v(n) nach der Modifikation,
welches durch die Eingabe des Anregungssignals u an das Anregungsfilter erhalten wird,
gegeben durch v(n) = c0u(n) + c1u(n – 1).
-
Der
Gewinn des Anregungsfilters kann auf 1 durch das Setzen von c0 +
c1 = 1 gesetzt werden. In diesem Fall kann genauso ein besserer
Effekt durch das Vorsehen von Tiefpass-Merkmalen für das Anregungsfilter
erhalten werden, wie oben beschrieben, da ein besserer Effekt durch
die Zunahme des Grads des Beitrags in einem niedrigen Frequenzband
erhalten wird. Ein Wert, der die Ungleichung 0 < (c1/c0) < 0.25 oder Ähnliches erfüllt, wird
bevorzugt gesetzt.
-
8 zeigt
schematisch die Verarbeitung mit diesem Anregungsfilter auf. Ein
Anregungsfilter 810 enthält einen Verzögerungsabschnitt 811,
einen ersten Multiplizierer 812, einen Addierer 813 und
einen zweiten Multiplizierer 814. Der Verzögerungsabschnitt 811 verzögert das
Anregungssignal v(n) um einen Abtastzyklus, um das Signal u(n – 1) zu
erhalten. Der erste Multiplizierer 812 multipliziert das
Signal u(n – 1)
mit einem Filterkoeffizienten c1. Der Addierer 813 addiert
dann das sich ergebende Signal zum Signal, welches durch die Multiplikation
des Anregungssignals u(n) mit einem Filterkoeffizienten c0 erhalten
wird, unter Benutzung des zweiten Multiplizierers 814,
und gibt das sich ergebende Signal als das modifizierte Anregungssignal
v(n) aus.
-
Der
Anregungsfilter muss keine festgelegten Merkmale aufweisen. Eine
Mehrzahl von Anregungsfiltern mit unterschiedlichen Merkmalen kann
ausgewählt
benutzt werden, oder ein Anregungsfilter mit veränderlichen Merkmalen, z. B.
ein Anregungsfilter, das fähig
ist, den Wert des/der Filterkoeffizienten zu verändern, kann benutzt werden.
Es wird bemerkt, dass die Informationsübertragung durchgeführt werden
muss, um die Benutzung von Anregungsfiltern mit denselben Merkmalen
auf den Encodierungs- und Decodierungs-Seiten zu erlauben.
-
Es
ist z. B. ein Verfahren zum Ändern
der Filtermerkmale eines Anregungsfilters durch die Benutzung der
encodierten Informationen eines Sprachsignals verfügbar. Ein
Mechanismus, um die Filtermerkmale des in 1 aufgezeigten
Anregungsfilters auf der Grundlage von gegenwärtigen oder vergangenen, encodierten
Informationen (A, L, G und Ähnliches)
adaptiv zu machen, kann benutzt werden. In diesem Fall ist ein Filtermerkmal
R(f(y), z): f(y) des Anregungsfilters eine Funktion von einer variablen y, und y kann als gegenwärtige oder vergangene, encodierte
Informationen ausgedrückt
werden. Alternativ können
Anregungsfilter durch das Auswählen
eines Satzes von Anregungsfilterkoeffizienten aus einer Mehrzahl
von Sätzen
von Anregungsfilterkoeffizienten umgeschaltet werden.
-
Durch
das Umschalten der Merkmale eines Anregungsfilters auf der Grundlage
der encodierten Sprachinformationen kann ein Anregungsfilter in Übereinstimmung
mit den Merkmalen eines Sprachsignals adaptiv benutzt werden. Außerdem gibt
es keinen Bedarf, zusätzliche
Informationen zu senden, die für
das Umschalten der Anregungsfilter erforderlich sind.
-
Ein
für die
Erzeugung einer synthetisierten Sprache benutztes Anregungssignal
kann bevorzugt im adaptiven Codebuch ohne irgendeine Modifikation in
Abhängigkeit
von Bedingungen gespeichert werden. Aus diesem Grund wird das Umschalten
der Anregungsfilter oder die Änderung
der Filterkoeffizienten bevorzugt unter Berücksichtigung des oben genannten
Falls ausgewählt,
genauso für
den Fall, bei dem keine Anregungsfilterung durchgeführt wird.
Die vorliegende Erfindung ist nicht auf jene, oben beschriebene
Anregungsfilter beschränkt,
und unterschiedliche Anregungsfilter können benutzt werden. Durch
die Aktualisierung des adaptiven Codebuchs mit Anregungssignalen,
welche eine durchgeführte Modifikation
durch das Anregungsfilter aufweisen, kann ein adaptives Codebuch
erhalten werden, das einen Schwerpunkt auf einen Abschnitt setzt,
der einen großen
Beitrag zu einem Anregungssignal aufweist.
-
Eine
synthetisierte Sprache kann erhalten werden, welche eine hohe Qualität aufweist,
verglichen mit einem Fall, bei dem ein adaptives Codebuch benutzt
wird, das Anregungssignale ohne irgendwelche Änderungen speichert.
-
Wie
oben beschrieben wurde, kann gemäß der vorliegenden
Erfindung ein Sprachencodier-/-decodierverfahren erhalten werden,
die fähig
sind, eine synthetisierte Sprache mit hoher Qualität zu erhalten.