JP2000235400A - 音響信号符号化装置、復号化装置、これらの方法、及びプログラム記録媒体 - Google Patents

Abstract

(57)【要約】 【課題】 ＣＥＬＰ方式で雑音環境の符号化でも自然な
再生音を得る。 【解決手段】 当該フレームが背景雑音区間であるか否
かの情報を受信し、背景雑音区間で、合成フィルタ３３
の出力のパワーの長時間平均値を表わすパワーレベルを
求め（６１）、また復号線形予測パラメータからその長
時間平均を表わす平均スペクトルを求め（６４）、この
平均スペクトルをフィルタ係数とする合成フィルタ６３
を白色雑音で駆動し、そのフィルタ出力をパワーレベル
を振幅調整して背景雑音の定常成分信号を得、この信号
を合成フィルタ３３の出力に加算する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】この発明は、音声をはじめと
する音響信号の信号系列を、少ない情報量でディジタル
符号化する高能率音響信号符号化方法、その復号化方
法、これらの装置に関する。

【０００２】

【従来の技術】ディジタル移動体通信において、電波を
効率的に利用したり、音声または音楽蓄積サービス等で
通信回線や記憶媒体を効率的に利用するために、高能率
音声符号化方法が用いられる。現在、音声を高能率に符
号化する方法として、原音声を、フレームまたはサブフ
レーム（以降総称してフレーム）と呼ばれる５〜５０ｍ
ｓ程度の一定間隔の区間に分割し、その１フレームの音
声を、周波数スペクトルの包絡特性を表す線形フィルタ
の特性と、そのフィルタを駆動するための駆動音源信号
との２つの情報に分離し、それぞれを符号化する手法が
提案されている。この手法において、駆動音源信号を符
号化する方法として、音声のピッチ周期（基本周波数）
に対応すると考えられる周期成分と、それ以外の成分に
分離して符号化する方法が知られている。この駆動音源
情報の符号化法の例として、符号駆動線形予測符号化
（Code-Excited Linear Prediction：ＣＥＬＰ）があ
る。この技術の詳細については、文献M.R. Schroeder a
nd B.S. Atal，“Code-Excited Linear Prediction（Ｃ
ＥＬＰ）：High Quality Speech at Very Low Bit Rate
s”，ＩＥＥＥ Proc. ICASSP-85，pp.937-940，1985に
記載されている。

【０００３】図３に上記符号化方法の構成例を示す。入
力端子１１に入力された音声ｘは、線形予測分析部１
２において、入力音声の周波数スペクトル包絡特性を表
す線形予測パラメータａが計算される。得られた線形
予測パラメータａは線形予測パラメータ符号化部１３
において、量子化および符号化され、量子化値は合成フ
ィルタ係数ａｑに変換されて合成フィルタ１４に、符
号ｂａは符号送出部１５へ送られる。なお、歪み計算
に聴覚特性を考慮するなど、入力音声のスペクトル情報
を利用して歪み計算を行う場合には、線形予測パラメー
タａまたは量子化された線形予測パラメータａｑが
波形歪み計算部１６へも送られる。線形予測分析の詳細
および線形予測パラメータの符号化例については、例え
ば古井貞煕著“ディジタル音声処理”（東海大学出版
会）に記載されている。ここで、線形予測分析部１２、
線形予測パラメータ符号化部１３および合成フィルタ１
４は非線形なものに置き換えてもよい。

【０００４】駆動音源ベクトル生成部１７では、１フレ
ーム分の長さの駆動音源ベクトル候補を生成し、合成フ
ィルタ１４に送る。駆動音源ベクトル生成部１７は、一
般に適応符号帳１８と固定符号帳１９から構成されるこ
とが多い。適応符号帳１８からはバッファに記憶された
直前の過去の駆動音源ベクトル（既に量子化された直前
の１〜数フレーム分の駆動音源ベクトル）を、ある周期
に相当する長さで切り出し、その切り出したベクトルを
フレームの長さになるまで繰り返すことによって、音声
の周期成分に対応する時系列ベクトルの候補が出力され
る。上記「ある周期」とは、波形歪み計算部１６におけ
る歪みが小さくなるような周期が選択されるが、選択さ
れた周期は、一般には音声のピッチ周期に相当すること
が多い。固定符号帳１９からは、音声の非周期成分に対
応する１フレーム分の長さの時系列符号ベクトルの候補
が出力される。これらの候補は入力音声とは独立に符号
化のためのビット数に応じて、あらかじめ指定された数
の候補ベクトルを記憶してそのうちの１つであったり、
あらかじめ決められた生成規則によってパルスを配置し
て生成されたベクトルの１つであったりする。なお、固
定符号帳１９は、本来音声の非周期成分に対応するもの
であるが、特に母音区間など、ピッチ周期性の強い音声
区間では、上記あらかじめ用意された候補ベクトルに、
ピッチ周期または適応符号帳で用いるピッチに対応する
周期を持つ櫛形フィルタをかけたり、適応符号帳での処
理と同様にベクトルを切り出して繰り返したりして固定
符号ベクトルとすることもある。適応符号帳１８および
固定符号帳１９から出力された時系列ベクトルの候補
ｃａおよびｃｒは、乗算部２１および２２におい
て、それぞれゲイン符号帳２３から出力されるゲイン候
補 ｇａ，ｇｒが乗算され、加算部２４において加
算され、駆動音源ベクトルの候補ｃとなる。図３の構
成例において、実際の動作中には適応符号帳１８のみま
たは固定符号帳１９のみが用いられる場合もある。

【０００５】合成フィルタ１４は、線形予測パラメータ
符号化部１３において量子化された線形予測パラメータ
ａｑから得られる合成フィルタ係数をフィルタの係数
とする線形フィルタであって、駆動音源ベクトル候補
ｃを入力として再生音声の候補ｙを出力する。合成
フィルタ１４の次数すなわち線形予測分析の次数は、一
般に１０〜１６次程度が用いられることが多い。なお、
既に述べたように、合成フィルタ１４は非線形なフィル
タでもよい。

【０００６】波形歪み計算部１６では、合成フィルタ１
４の出力である再生音声の候補ｙと、入力音声ｘと
の歪みｄを計算する。この歪みの計算は、例えば聴覚
重み付けに代表されるように、合成フィルタ１４の係数
ａｑまたは量子化していない線形予測係数ａを考慮
にいれて行なうことが多い。符号帳検索制御部２５で
は、各再生音声候補ｙと入力音声ｘとの歪みが最小
または最小に準ずるような駆動音源符号ｂｃ、すなわ
ち周期符号、固定（雑音）符号およびゲイン符号を選択
し、そのフレームにおける駆動音源ベクトルを決定す
る。

【０００７】符号帳検索制御部２５において決定された
駆動音源符号ｂｃ（周期符号、固定符号、ゲイン符
号）と、線形予測パラメータ符号化部１３の出力である
線形予測パラメータ符号ｂａは、符号送出部１５に送
られ、利用の形態に応じて記憶装置に記憶されるか、ま
たは通信路を介して受信側へ送られる。図４に、上記符
号化方法に対応する復号方法の構成例を示した。伝送路
または記憶媒体から符号受信部３１において受信された
符号のうち、線形予測パラメータ符号ｂａは線形予測
パラメータ復号部３２において合成フィルタ係数ａｑ
に復号され、合成フィルタ３３および、必要に応じて後
処理部（ポストフィルタとも呼ばれる）３４に送られ
る。受信された符号のうち、駆動音源符号ｂｃは、駆
動音源ベクトル生成部３５に送られ、符号に対応する音
源ベクトルｃが生成される。合成フィルタ３３は、駆
動音源ベクトルｃを入力として、合成音声ｙを出力
し、後処理部３４はスペクトル強調やピッチ強調の処理
を合成音声ｙに施して、量子化ノイズを聴覚的に低減
する。なお、後処理部３４は一種の音声強調処理である
ので、処理量の関係や、入力信号の特性によって用いな
い場合もある。駆動音源ベクトル生成部３５は駆動音源
符号ｂｃ中の周期符号により適応符号帳３６から時系
列ベクトルｃａが選択され、また固定符号により固定
符号帳３７から時系列ベクトルｃｒが選択され、これ
ら時系列ベクトルｃａ，ｃｒは乗算部３８，３９
で、ゲイン符号によりゲイン符号帳４１から取り出され
たゲインｇａ，ｇｒが乗算されて加算部４２で互い
に加算されて駆動音源ベクトルｃとして合成フィルタ
３３に入力される。前述のように実際の動作中に、適応
符号帳１８のみ又は固定符号帳１９のみが符号化に用い
られる場合には、それに対応して、図４においては適応
符号帳３６又は固定符号帳３７のみが用いられる。

【０００８】

【発明が解決しようとする課題】このようなＣＥＬＰ系
符号化方式をはじめとする音声の生成モデルに基づく符
号化方式において問題となるのは、静かな環境で録音さ
れた背景雑音のない音声信号が入力された場合には、少
ない情報量で高品質な符号化を実現することができる
が、オフィスや街頭など、背景雑音のある環境で録音さ
れた音声が入力されると、キュルキュルとかバチバチと
いった大変に不快な音が再生されるといった点である。
これらの背景雑音を入力した場合の問題は、ピッチ周期
性を利用するＣＥＬＰ系の音声符号化モデルが音声の生
成モデルに基づいているのに対して、背景雑音は音声と
は異なる性質を示すためである。具体的には、適応符号
帳が音声のピッチ周期に対応する信号成分を出力するの
に対して、背景雑音には一般にピッチ周期性がないた
め、背景雑音区間において、不自然な周期音が発生す
る。また、背景雑音が重畳された音声区間においては、
本来はピッチ周期性のある音声とピッチ周期性のない雑
音信号が加算された性質の信号であるにもかかわらず、
音声のピッチ周期性を重視する符号化モデルを適用する
ために、やはり背景雑音成分が不自然な周期音となって
重畳する。固定符号帳をピッチ周期で周期化して用いる
場合には、固定符号帳のピッチ周期化もまた不自然な周
期音の発生する原因となる。上記のように、適応符号帳
や固定符号帳の構成が信号の性質に合わない場合には、
ゲインの決定方法にも問題が生じる。つまり、従来のゲ
インの決定方法は、適応符号帳や固定符号帳から出力さ
れる駆動音源ベクトルの性質が、入力信号の性質によく
合っていることを前提としたものであり、駆動音源ベク
トルの性質が入力信号の性質に合わない場合に、従来の
方法では不自然に変動する信号となる。

【０００９】この問題に対する代表的な解決法として、
ノイズリダクションによる方法と、コンフォートノイズ
ジェネレータという方法がある。前者は、入力信号の前
に、雑音低減処理を入れて、背景雑音成分を相対的に低
減するもので、雑音成分が低減された分だけ再生音にお
ける不快音も低減される。しかしながら、雑音低減処理
を入れても、完全に雑音がなくなるわけではなく、不快
音をなくしてしまうことはできない。また、背景雑音が
非定常音の場合には、十分な雑音低減効果そのものを得
ることが難しい。一方、後者のコンフォートノイズジェ
ネレータは、音声区間についてはＣＥＬＰ系符号化方式
でそのまま符号化し、雑音区間については、適当な「心
地よい」雑音、例えば白色雑音などを生成して置き換え
るというものである。コンフォートノイズジェネレータ
の方法を使うと、キュルキュルといった不快な音は再生
されなくなるが、オフィスや雑踏などさまざまな背景雑
音の性質に対して、再生される音の雑音区間は、常に同
じ性質の雑音になってしまって、背景音の情報は受信側
に伝達されないという問題が生じる。また、背景雑音の
レベルが高いときには、音声区間と雑音区間を誤りなく
切り替えることは難しく、区間検出誤りが原因で逆に再
生音が劣化してしまう場合や、区間検出誤りがなくても
音声区間と雑音区間の性質に違いがありすぎて不連続な
感じに聞こえてしまうことも多かった。

【００１０】この発明では、ＣＥＬＰ系の方式をはじめ
とする、音声の生成モデルに基づく音声符号化方式にお
いて、不快な音が再生されないでかつ、背景音の性質を
受信側に伝えて、より自然な再生音を実現する符号化お
よび復号する方法及びその装置を提供することにある。

【００１１】

【課題を解決するための手段】この発明では、背景雑音
の特性を、例えばガタンという音や車が通過した音、足
音、遠くでの人の話し声などの短時間特性（短時間変動
成分）と、例えば定常的にざわざわした感じとかモータ
ーの回転音などの平均的な長時間特性（長時間変動成
分）という２つの立場でとらえ、両特性をＣＥＬＰ系符
号化モデルの枠組みの中で送信パラメータに情報を乗せ
て受信側に送り、再生側で両特性を再現する信号を生成
して、それらを混合することによって、背景音のある音
声入力の場合でも、自然な再生音を出力する。発明のポ
イントは、音声に特化された符号化モデルの枠組みを大
きく切り替えることなく、かつ、限られた情報量（ビッ
トレート）のなかで、うまく雑音の特性を乗せて送ると
いう点で、雑音区間の検出にもそれほどの厳密性は要求
されない。

【００１２】この発明の復号方法によれば、適応符号帳
および固定符号帳の両方または一方からフレーム単位あ
るいはサブフレーム単位（以降総称してフレーム単位）
で取り出した符号ベクトルに、ゲイン符号帳より取り出
したゲインを乗算して駆動音源ベクトルを生成し、その
駆動音源ベクトルで合成フィルタを駆動して音声信号ま
たは音響信号（以降総称して音声信号）を生成する音声
の復号方法において、該当フレームが背景雑音区間であ
るか否かの情報を受け取り、背景雑音区間内のフレーム
において、合成フィルタの出力信号のパワーを測定し、
その長時間平均値を表すパワーレベルを計算し、背景雑
音区間内のフレームにおいて、合成フィルタのフィルタ
係数を表すスペクトルパラメータの長時間平均を表す平
均スペクトルを計算して、上記平均スペクトルの特性を
表すフィルタを、白色雑音で駆動して生成した信号を、
上記測定したパワーレベルをもとに振幅調整して、背景
雑音の定常成分信号を生成し、上記生成した背景雑音の
定常成分信号を、当該フレームが背景雑音区間であるか
否かにかかわらず、合成フィルタの出力信号に加算し
て、再生音声を生成する。

【００１３】更に入力信号の特性とは独立した、一定の
スペクトル特性、一定の振幅を持つ定常音を、上記平均
スペクトルの特性を表すフィルタを白色雑音で駆動して
生成した信号とともに、前記背景雑音の定常成分信号と
して、合成フィルタの出力信号に加算して、再生音声を
生成する。また当該フレームが背景雑音区間または子音
区間であるか否かの情報を受け取り、駆動音源ベクトル
のフレーム毎のパワーを測定し、白色雑音に、上記駆動
音源ベクトルのパワーをもとに決定した振幅を乗算して
生成した背景雑音の変動成分信号を、当該フレームが背
景雑音区間または子音区間である場合に、駆動音源ベク
トルに加算する。

【００１４】この発明の符号化方法によれば、適応符号
帳および固定符号帳の両方または一方からフレーム単位
あるいはサブフレーム単位（以降総称してフレーム単
位）で取り出した符号ベクトルに、ゲイン符号帳より取
り出したゲインを乗算して駆動音源ベクトルを生成し、
合成フィルタを駆動して生成した音声信号または音響信
号（以降総称して音声信号）と入力音声信号とを比較し
て、適応符号、固定符号、ゲイン符号を選択する符号化
方法において、入力信号を分析して、当該フレームが、
背景雑音区間または子音区間に相当するか否かを決定
し、当該フレームが、背景雑音区間または子音区間に相
当する場合には、上記合成フィルタの出力信号と入力信
号の波形歪み最小化に基づく距離尺度と、上記合成フィ
ルタの出力信号と入力信号のパワーレベル差最小化に基
づく距離尺度の、加重和を用いるか、またはパワーレベ
ル差最小化に基づく距離尺度のみを用いることによっ
て、ゲイン符号帳を検索して、最適なゲイン符号を選択
する。

【００１５】なお、この発明の実現にあたっては、信号
処理用の専用プロセッサを用いてハードウェア的に実現
してもよいし、コンピュータプログラムの形でソフトウ
ェア的に実現してもよい。

【００１６】

【発明の実施の形態】以下にこの発明の実施例を、図を
用いて説明する。図１は、この発明における符号化方法
の機能構成例を示したもので、図３と対応する部分に同
一番号を付けてある。また、図２は、この発明における
復号方法の機能構成例を示したもので、図４と対応する
部分の同一番号を付けてある。この発明のイメージをよ
りわかりやすく説明するため、まず図２の復号方法を先
に説明する。またこの発明は音声信号のみならず音楽信
号などの音響信号に適用できるが、以下の説明では音声
信号で代表して行う。

【００１７】この発明による復号方法によって再生され
る音声信号は、図２において一点鎖線で示される、駆動
音源ベクトル生成部３５、背景雑音変動成分生成部４
４、背景雑音定常成分生成部４５のそれぞれにおいて生
成される信号の全部または一部から構成される。図４に
示した従来の復号方法は、上記３つの生成部のうち、駆
動音源ベクトル生成部３５のみしか有しないため、背景
雑音のある音声信号を符号化、復号したときに再生音の
自然性が十分でなかった。自然性が十分でない理由は、
前述のように、駆動音源ベクトル生成部３５のモデル
が、人間が音声を生成する機構のモデルに基づいてお
り、背景雑音のある音声のモデル化には必ずしも適当で
ないことに起因する。これに対して、この発明は、音声
の生成モデルによって表現される再生信号（駆動音源ベ
クトルによる成分）に、雑音モデルによって表現される
再生信号が加算されるというモデルに基づいており、加
算する雑音のモデルを、短時間で特性が変動する「背景
雑音変動成分」、時間的にゆっくりとした周期で特性が
変動するか、または変動しない「背景雑音定常成分」の
２つの成分で表現する。

【００１８】まず、符号化部において送信または蓄積さ
れた符号は、符号受信部３１において駆動音源符号ｂ
ｃ、線形予測パラメータ符号ｂａ、モード情報ｂｍ
に分解される。モード情報ｂｍは、雑音付加音声信号
において、母音区間、子音区間、無音区間、背景雑音区
間といったフレーム毎に区間を分類した情報である。た
だし、背景雑音のある入力音声信号を正確に上記区間に
分けることは困難であるため、曖昧なフレームは分類不
明としてもよい。

【００１９】駆動音源ベクトル生成部３５は、従来法と
同様に、適応符号帳３６と固定符号帳３７からなり、そ
れぞれの符号帳は、受信した駆動音源符号中の周期符
号、固定符号とそれぞれ対応する適応符号ベクトルｃ
ａ、固定符号ベクトルｃｒを出力する。これらベクト
ルｃａ，ｃｒは、受信した駆動音源符号中のゲイン
符号に対応してゲイン符号帳４１から出力されるゲイン
ｇａ，ｇｒをそれぞれ乗算後、加算されて駆動音源
ベクトルｃとなる。

【００２０】背景雑音変動成分生成部４４から出力され
るベクトルは、背景雑音の、フレーム単位でパワーやス
ペクトル特性が変動する成分に対応する。白色雑音生成
部５１からは、１フレーム長の白色雑音系列ベクトル
ｓ１が出力される。白色雑音の生成法として一般には
ガウス乱数を用いることが多いが、一様乱数を用いた
り、あらかじめ乱数系列をテーブルに記憶しておき、フ
レーム長単位で切り出して用いるといった擬似的な手法
を用いてもよい。

【００２１】駆動音源ベクトル生成部３５から出力され
た駆動音源ベクトルｃは、音源パワー測定部５２に入
力されて、当該フレームにおける駆動音源ベクトルｃ
のパワーＰｃが測定され、測定されたパワーＰｃと
モード情報ｂｍに基づいて、白色雑音ベクトルｓ１
と駆動音源ベクトルｃにそれぞれ乗算される重みｗ
ｓ１およびｗｃが、重み作成部５３において決定され
る。白色雑音ベクトルｓ１と駆動音源ベクトルｃ
は、それぞれ重みｗｓ１およびｗｃが、乗算部５
４，５５で乗算された後、加算部５６で加算されて、合
成フィルタ３３への入力ベクトルｃｓ１となる。

【００２２】なお、重み作成部５３において作成される
重みｗｓ１およびｗｃは、合成フィルタ入力ｃｓ
１のパワーが、駆動音源ベクトルｃのパワーと同じに
なるように決める（完全に一致する必要はないが、聴感
上同じパワーに聞こえるようにする）。また、当該フレ
ームが母音区間であるか、区間が不明の場合には、ｗ
ｓ１は０または０に近い小さい値とする。これは、母音
区間においては、入力音声は音声の生成モデルに基づく
駆動音源ベクトル生成部３５で十分良好に表現されるた
めで、背景雑音変動成分は加算する必要がない。また、
区間の分類が不確実な場合も、背景雑音変動成分は加算
しないほうが無難である。

【００２３】図２では背景雑音変動成分生成部４４の出
力は、合成フィルタ３３の手前で駆動音源ベクトルに加
算されているが、合成フィルタ３３が線形フィルタの場
合には、背景雑音変動成分生成部４４の出力を合成フィ
ルタに通したものと、駆動音源ベクトルを合成フィルタ
３３に通したものを加算しても（即ち合成してから加算
しても）結果は等価である。

【００２４】合成フィルタ３３の出力ｙｓ１は、後処
理部３４において、従来法と同様に、スペクトル包絡や
ピッチ成分が強調される。ただし、音声区間以外は強調
されると逆に不自然になるため、モード情報ｂｍが母
音区間についてのみ従来法と同程度の強調を行い、母音
性が低くなるにしたがって、強調の度合いを弱める。合
成フィルタ３３の出力ｙｓ１は、背景雑音定常成分生
成部４５の、平均雑音パワー測定部６１へも送られる。
平均雑音パワー測定部６１では、確実な背景雑音区間
（無音区間を含む）においてのみ、合成フィルタ３３の
出力信号ｙｓ１のパワーを測定し、フレーム長に対し
て十分に長い時間にわたるパワーの平均値を計算する。
ここで「確実な背景雑音区間」とは、背景雑音区間でも
母音区間や子音区間の疑いのあるフレームは除外するこ
とを意味する。この確実な背景雑音区間だけ合成フィル
タ３３の出力が平均雑音パワー測定部６１へ供給される
ようにモード情報ｂｍによりスイッチ４６が制御され
る。また「フレーム長に対して十分に長い時間」とは、
１秒〜数十秒程度がよいと考えられる。長時間平均の計
算の方法としては、バッファにフレーム毎のパワーを記
憶しておいて、一定の時間毎に平均をとってもよいし、
第ｎフレームにおける瞬時パワーをＰ（ｎ）、第ｎフレ
ームにおける平均パワーをＰave(ｎ) 、第ｎ−１フレー
ムにおける平均パワーをＰave(ｎ−１) ，０＜α＜１と
して、 Ｐave(ｎ) ＝（１−α）Ｐave(ｎ−１）＋αＰ( ｎ) のような逐次更新式を用いて近似的に求めてもよい。な
おαは値が小さいほど長時間平均に相当する。計算され
た平均雑音パワーＰｙは、重み作成部６２に送られ、
背景雑音定常成分のパワーを決定する重みｗｕが計算
される。背景雑音定常成分生成部４５から出力される信
号のパワーは、平均雑音パワーＰｙとほぼ同じになる
ように決められるが、多少低くなるように決めると、聴
感上聞きやすい音になることが多い。なお、合成フィル
タ６３の出力ｕ２のパワーは平均雑音スペクトルａ
ｕに依存するため、重み作成部６２で重みｗｕを求め
る際には、平均雑音パワーＰｙと合成フィルタ６３の
フィルタゲインを併用するか、合成フィルタ６３の出力
ｕ２のパワーを実際に測定してその値をもとにｗｕ
を求めるとよい。

【００２５】平均雑音スペクトル測定部６４では、平均
雑音パワー測定部６１と同様に、確実な背景雑音区間
（無音区間を含む）においてのみ、復号された線形予測
パラメータａｑから、フレーム長に対して十分に長い
時間にわたるスペクトルの平均値を計算する。このため
確実な背景雑音区間のみ線形予測パラメータａｑが平
均雑音スペクトル測定部６４へ供給されるようにモード
情報ｂｍによりスイッチ４７が制御される。スペクト
ルの平均値は、一般に、線形予測パラメータの一種であ
る、線スペクトル対（ＬＳＰ）の領域で平均操作を行う
ことが多いが、ケプストラムやパワースペクトルの領域
で平均をとってもよい。平均の計算方法は、上記パワー
の平均と同様に、バッファにフレーム毎のスペクトルパ
ラメータを記憶しておいて、一定の時間毎に平均をとっ
てもよいし、逐次更新式を用いてもよい。平均雑音スペ
クトル測定部６４からは、平均雑音スペクトルに対応す
る、線形フィルタ係数ａｕが出力され、合成フィルタ
６３の係数となる。なお、線スペクトル対（ＬＳＰ）か
らの線形フィルタ係数の計算方法は、前述の古井貞煕著
“ディジタル音声処理”（東海大学出版会）にも記載さ
れている。

【００２６】白色雑音生成部６５は、白色雑音生成部５
１と同様に、１フレーム長の白色雑音ｓ２を出力し、
出力された白色雑音ベクトルｓ２は、合成フィルタ６
３に通されてｕ２となる。定常音生成部６６は、入力
信号の性質に依存しない、完全に一定の音ｕ３を出力
する。背景雑音定常成分生成部４５の出力は、定常音
ｕ３の振幅を乗算部６７で重みｗｕ３を乗算して調
整した信号と、合成フィルタ６３の出力信号ｕ２とを
加算部６８で加算したものに、重み作成部６２で作成さ
れる重みｗｕを乗算部６９で乗算したものとなる。な
お、定常音生成部６６から出力される信号ｕ３は、入
力信号とは独立した音であるので、入力信号を符号化
し、復号して再生するという立場からいえば、用いても
用いなくてもよい。しかし、人間の聴覚特性上、定常な
背景雑音は安心感をもたらし、入力信号の特性と必ずし
も一致していなくても、より自然に感じることが多い。
したがって、定常音生成部６６において、ブーンといっ
た低周波の音や、サーといった定常的な白色雑音を生成
して、合成フィルタ６３の出力レベルに比べて相対的に
低いレベルに振幅を調整して加算すると、より自然な背
景雑音となる。

【００２７】背景雑音定常成分生成部４５の出力は、後
処理部３４の出力信号ｙｓ１ｅに加算部７１で加算さ
れて、再生信号出力となる。ここで注意すべきことは、
背景雑音定常成分のレベルは、平均雑音パワーの測定結
果Ｐｙによって決定され、母音区間、子音区間、背景
雑音区間といった、フレーム毎のモードにかかわらず、
ほぼ一定のレベルで加算されることである。この点は、
背景雑音変動成分が、該当フレームのモード情報によっ
て、フレーム毎に、加算される雑音レベルが制御される
点と異なっている。

【００２８】なお、背景雑音定常成分生成部４５の出力
は、合成フィルタ３３と後処理部３４との間で加算して
もよいが、後処理部３４は音声を強調するための処理で
あるので、音声強調の度合いが大きい場合には、図２に
示すように後処理部３４の後で加算したほうが処理も簡
単で再生音声の自然性も高い。次に、図１を用いて、符
号化方法を説明する。

【００２９】図２に示したような、復号方法を用いて自
然な再生音声を得るためには、符号化側では、従来の符
号化方法に加えて、以下の２点を実現しなければならな
い。１点目は、母音区間、子音区間、無音区間、背景雑
音区間といった、フレーム毎のモード分けをして、復号
側にモード情報の全部または一部を送ること、２点目
は、背景雑音区間において、雑音パワーの情報を復号側
に送ることである。

【００３０】図１において、入力音声信号ｘは、モー
ド判定部８１にも送られる。モード判定部８１では、入
力信号を分析して、区間の特性を表すモード情報ｂｍ
を出力する。符号化側のモード分けとしては、「母音区
間である」「子音区間である」「無音区間である」「背
景雑音区間である」の４つに、「よくわからない（不
明）」というカテゴリも許すことにする。不明を許すの
は、背景雑音が重畳した音声信号を分析した場合、必ず
中間的な性質のフレームが存在するためで、強制的に４
つの区間のどれかに分類してしまうのは自然な音を再生
するという立場から適当でないと考えられるからであ
る。ただし、不明を含めた５つのモード情報を受信側に
送ろうとすると、送信情報が無駄になるため、不明モー
ドは符号化側のみで利用して、送信する際には「不明」
は母音区間に含めてもよい。上記４つのモード情報を送
る場合、一般的には２ビット必要であるが、最初に母音
であるかそうでないかを１ビットで表すと、母音以外の
区間については、母音区間よりも少ない情報で入力信号
を表現できるようになるため、つまり使用ビットに余り
が生じるため、この余ったビットで子音／無音／背景雑
音の各区間を表すことができ、実質的にはこの発明を実
施するためには、従来法と比べてフレームあたり１ビッ
ト余分に使用すればよいことになる。フレームあたり１
ビットとは、例えばフレーム長が２０ミリ秒であれば５
０ビット／秒に相当し、全体の情報量の４ｋビット／秒
に対し、ごくわずかな情報量増でよい。

【００３１】モードを母音区間／子音区間／無音区間／
背景雑音区間に分ける手法としては、信号のパワー、パ
ワーの変動分、スペクトル包絡の傾き、ピッチ周期性な
どを分析して求め、それぞれをしきい値と比較して判断
する。また、背景雑音区間の場合は、信号の性質が多岐
に渡るので、モードの連続性を考慮したり、過去の背景
雑音区間のパワーや性質と比較して、相対的なしきい値
を用いるとよい。分析して得られた値とそれぞれのしき
い値を比較しても、明確な区間分類ができない場合は、
区間が「不明」とする。

【００３２】２点目の、背景雑音区間において雑音パワ
ーの情報を復号側に送るために、この発明では、ゲイン
符号帳２３の探索に、歪み計算部１６とパワーレベル差
計算部８２のそれぞれの出力の加重和を用いて符号帳を
検索する。ＣＥＬＰ系の符号化方式において、特に背景
雑音区間や子音区間では、入力信号のパワーが再生音の
パワーに必ずしも反映されない。これは、従来のＣＥＬ
Ｐ系符号化方式の符号帳探索が、サンプル単位の波形歪
みを小さくすることを念頭において行われていることに
対して、符号化のモデルが背景雑音や子音の生成過程に
合っていないことに起因する。したがって、従来法を用
いた場合、背景雑音区間や子音区間では、再生信号のパ
ワーが、入力信号のパワーを正しく表さないだけでな
く、不自然で不安定に変動することが多かった。この発
明では、復号側で、合成フィルタ出力ｙｓ１のパワー
を計算して、背景雑音レベルＰｙを推定するため、従
来の符号帳探索方法を用いるのでは、復号側で間違った
雑音レベルが推定されてしまうことになる。そこで、こ
の発明における符号化側では、合成フィルタ１４の出力
ｙを従来と同様の波形歪み計算部１６に送って、入力
信号とのサンプル単位での波形歪み値ｄを計算するほ
か、合成フィルタ出力ｙをパワーレベル計算部８２に
も送り、入力信号のパワーと合成信号ｙのパワーの差
も計算する。一般にＣＥＬＰ系符号化では、適応符号ベ
クトルｃａと固定符号ベクトルｃｒと、それらに乗
算するゲインｇａ，ｇｒの最適な組み合わせを探索
するが、実際には、これらの同時最適値を探索するには
膨大な演算量が必要となるため、適応符号帳１８と固定
符号帳１９を先に探索して最適または準最適な適応符号
ベクトルｃａと固定符号ベクトルｃｒを決めた後、
ゲイン符号帳２３を最後に探索することが多い。

【００３３】この発明でも上記探索順序によるものとす
るが、適応符号帳１８と固定符号帳１９の探索には、従
来と同様に、波形歪みｄの最小化に基づいて符号帳を
探索し、ゲイン符号帳２３の探索時には、波形歪みｄ
とパワーレベル差ｄｐを併用して探索する。重み作成
部８３では、当該フレームのモード情報ｂｍに基づい
て、波形歪み値ｄとパワーレベル差ｄｐのそれぞれ
の値に乗算部８４，８５で乗算する重みｗｄ，ｗｐ
を作成する。例えば、母音区間では波形歪み値ｄのみ
を用いるか波形歪み値ｄを優先する重みの組を使い、
子音区間や背景雑音区間ではパワーレベル差ｄｐのみ
を用いるかパワーレベル差ｄｐを優先する重みの組を
使用する。この結果、母音区間では従来と同様の波形歪
みの少ない良好な品質の音が、子音区間や背景雑音区間
では、合成波形ｙの形状は入力信号ｘの形状と相似
性が高く、パワーは入力信号のパワーをできるだけ保存
するような音を再生するための駆動音源符号が選択され
る。なお、「不明」区間は母音区間と子音や背景雑音区
間との中間的な性質であるので、ゲイン符号帳２３を探
索する重みとしてはパワーレベル差ｄｐを重視するよ
うな重みを用いるのがよい。乗算部８４，８５でそれぞ
れ重み付けされた波形歪み値ｄとパワーレベル差ｄ
ｐは加算部８６で加算されて符号帳検索制御部２５に入
力される。

【００３４】

【発明の効果】この発明の効果を調べるために、この発
明をコンピュータプログラムによるシミュレーションの
形で実現し、実際の音声データを用いて主観品質評価実
験を行った。フレーム長は２０ミリ秒とし、フレームは
２つのサブフレームに分割した。ビットレートは４キロ
ビット／秒で設計した。フレームあたりの詳細なビット
配分は、図５に示すように、線形予測パラメータ２０ビ
ット、適応符号帳１３ビット、固定符号帳３４ビットと
し、ゲイン符号帳は母音区間では１２ビット、母音以外
の区間では１０ビットとした。モード情報は母音区間で
１ビット、母音以外の区間で３ビットである。

【００３５】音声データは、修正ＩＲＳ特性と呼ばれる
一般的な電話の特性に準拠したもので、ＳＮ比が１５ｄ
Ｂの自動車雑音付加音声と、ＳＮ比が３０ｄＢのオフィ
ス雑音付加音声を、それぞれ従来法とこの発明を用いて
符号化および復号して、それぞれ再生された音を実際に
聞いて比較した。被験者は一般人２４名で、試験方法
は、原音と符号化音声の品質を比較して、非常に悪い
（−３）、悪い（−２）、少し悪い（−１）、同品質
（０）、少し良い（＋１）、良い（＋２）、非常に良い
（＋３）の７段階で評価した。

【００３６】図６に試験結果を示す。グラフは低いほど
原音に比べて品質が悪いことを示す。図より、この発明
を用いた場合の品質は、この発明を用いない従来の方法
による品質に比べて大きく改善することが示された。従
来法とこの発明による音の性質の差を言葉で表現する
と、従来法による再生音は、子音区間と背景雑音区間に
おいて、大変に不自然で不快な音であったが、この発明
によって再生された音は、自動車騒音とオフィス雑音の
それぞれの雰囲気が再現されているうえに、安心して聞
ける自然な品質の音であった。また、背景雑音区間だけ
でなく母音区間においても、音声と背景雑音が混合し
た、より自然な再生音という観点でこの発明のほうが優
れていた。

【００３７】なお、この発明を背景雑音のない音声に適
用した場合には、「背景雑音」は無音区間として分類さ
れ、「背景雑音」の平均レベルは０であると判断される
ため、理論的に悪影響を及ぼさないことは言うまでもな
い。実際の音声を入力した場合も、母音区間と無音区間
（背景雑音区間）については従来法と同等の音質が、子
音区間については、この発明によるほうが自然な音質で
あった。

【図面の簡単な説明】

【図１】この発明による符号化装置の機能構成例を示す
ブロック図。

【図２】この発明による復号化装置の機能構成例を示す
ブロック図。

【図３】従来の音声の符号駆動線形予測符号化（Code-E
xcited Linear Prediction：ＣＥＬＰ）装置の機能構成
を示すブロック図。

【図４】従来の音声の符号駆動線形予測符号化（Code-E
xcited Linear Prediction：ＣＥＬＰ）に対応する復号
装置の機能構成を示すブロック図。

【図５】シミュレーション実験におけるビット配合を示
す図。

【図６】シミュレーション実験結果を示す図。

───────────────────────────────────────────────────── フロントページの続き Ｆターム(参考） 5D045 CA04 5K041 AA05 AA08 BB08 CC01 CC07 DD02 EE00 EE35 EE38 EE51 HH27 JJ14 9A001 CZ05 EE04 HH15 HH16

Claims (15)

【特許請求の範囲】
1. 【請求項１】 適応符号帳と固定符号帳の少くとも一方
   からフレーム単位で符号ベクトルを選択し、ゲイン符号
   帳から選択されたゲインを前記選択された符号ベクトル
   に乗算して駆動音源ベクトルを生成し、 前記駆動音源ベクトルで合成フィルタを駆動して音響信
   号を出力する音響信号復号化装置において、 当該フレームが背景雑音区間であるか否かを示す情報を
   受信する手段と、 背景雑音区間であるフレームにおいて前記合成フィルタ
   からの出力信号パワーの長時間平均値を表すパワーレベ
   ルを計算する手段と、 背景雑音区間であるフレームにおいて前記合成フィルタ
   のフィルタ係数よりスペクトルの長時間平均を表す平均
   スペクトルを計算する手段と、 白色雑音で駆動され、前記平均スペクトルがフィルタ係
   数として与えられる第２合成フィルタと、 前記第２合成フィルタで生成された信号を、前記計算さ
   れたパワーレベルに基づいて振幅調整して背景雑音の定
   常成分信号を生成する手段と、 前記定常成分信号を、当該フレームが背景雑音区間であ
   るか否かに関わらず前記合成フィルタからの出力信号に
   加算して再生音響信号を出力する手段と、 を有する音響信号復号化装置。
2. 【請求項２】 一定のスペクトル特性及び一定の振幅を
   有する定常音を生成する手段と、 前記背景雑音の定常成分信号を生成する手段よりの定常
   成分信号と前記定常音を加算して定常成分信号として出
   力する手段とを備えることを特徴とする請求項１記載の
   音響信号復号化装置。
3. 【請求項３】 当該フレームが背景雑音区間又は子音区
   間であるか否かを示す情報を受信する手段と、 前記駆動音源ベクトルのパワーに基づいて重みを決定す
   る手段と、 前記重みを白色雑音に乗算して背景雑音の変動成分信号
   を生成する手段と、 背景雑音区間又は子音区間であるフレームにおいて、前
   記変動成分信号を前記駆動音源ベクトルに加算する手段
   と、 を有することを特徴とする請求項１又は２記載の音響信
   号復号化装置。
4. 【請求項４】 適応符号帳と固定符号帳の少くとも一方
   からフレーム単位で符号ベクトルを選択し、ゲイン符号
   帳から選択されたゲインを前記選択された符号ベクトル
   に乗算して駆動音源ベクトルを生成し、 前記駆動音源ベクトルで合成フィルタを駆動して得られ
   た音響信号と入力音響信号とを比較して前記符号ベクト
   ルと前記ゲインを選択する音響信号符号化装置におい
   て、 入力音響信号を分析して、当該フレームが背景雑音区間
   又は子音区間に相当するか否かを決定する手段と、 前記合成フィルタの出力信号と入力音響信号とのパワー
   レベル差を計算する手段と、 前記ゲイン選択に際し、背景雑音区間又は子音区間のフ
   レームにおいて前記パワーレベル差を距離尺度とし、そ
   の距離尺度を最小とするゲインをゲイン符号帳から選択
   する手段と、 を備えることを特徴とする音響信号符号化装置。
5. 【請求項５】 前記距離尺度として、前記合成フィルタ
   からの出力信号と入力音響信号との波形歪みと、前記パ
   ワーレベル差との加重和が用いられることを特徴とする
   請求項４記載の音響信号符号化装置。
6. 【請求項６】 適応符号帳と固定符号帳の少くとも一方
   からフレーム単位で符号ベクトルを選択し、ゲイン符号
   帳から選択されたゲインを前記選択された符号ベクトル
   に乗算して駆動音源ベクトルを生成し、 前記駆動音源ベクトルで合成フィルタを駆動して音響信
   号を出力する音響信号復号化方法において、 当該フレームが背景雑音区間であるか否かを示す情報を
   受信する過程と、 背景雑音区間であるフレームで前記合成フィルタからの
   出力信号パワーの長時間平均値を表すパワーレベルを計
   算する過程と、 前記合成フィルタのフィルタ係数よりスペクトルの長時
   間平均を表す平均スペクトルを計算する過程と、 前記平均スペクトルをフィルタ係数とする第２合成フィ
   ルタを白色雑音で駆動する過程と、 前記第２合成フィルタで生成された信号を、前記計算さ
   れたパワーレベルに基づいて振幅調整して背景雑音の定
   常成分信号を生成する過程と、 前記定常成分信号を、当該フレームが背景雑音区間であ
   るか否かに関わらず前記合成フィルタからの出力信号に
   加算して音響信号を出力する過程と、 を有する音響信号復号化方法。
7. 【請求項７】 一定のスペクトル特性及び一定の振幅を
   有する定常音を生成する過程と、 前記背景雑音の定常成分信号と前記定常音を加算して定
   常成分信号として出力する過程とを有する、 ことを特徴とする請求項６記載の音響信号復号化方法。
8. 【請求項８】 当該フレームが背景雑音区間又は子音区
   間であるか否かを示す情報を受信する過程と、 前記駆動音源ベクトルのパワーに基づいて重みを決定す
   る過程と、 前記重みを白色雑音に乗算して背景雑音の変動成分信号
   を生成する過程と、 背景雑音区間又は子音区間のフレームで、前記変動成分
   信号を前記駆動音源ベクトルに加算する過程と、を有す
   ることを特徴とする請求項６又は７記載の音響信号復号
   化方法。
9. 【請求項９】 適応符号帳と固定符号帳の少くとも一方
   からフレーム単位で符号ベクトルを選択し、各々ゲイン
   符号帳から選択されたゲインを前記選択された符号ベク
   トルに乗算して駆動音源ベクトルを生成し、 前記駆動音源ベクトルで合成フィルタを駆動して得られ
   た音響信号と入力音響信号とを比較して前記符号ベクト
   ルと前記ゲインを選択する音響信号符号化方法におい
   て、 入力音響信号を分析して、当該フレームが背景雑音区間
   又は子音区間に相当するか否かを決定する過程と、 前記合成フィルタの出力信号と入力音響信号とのパワー
   レベル差を計算する過程と、 前記ゲイン選択に際し、背景雑音区間又は子音区間のフ
   レームで前記パワーレベル差を距離尺度とし、該距離尺
   度を最小とするゲインをゲイン符号帳から選択する過程
   と、 を有することを特徴とする音響信号符号化方法。
10. 【請求項１０】 前記距離尺度として、前記合成フィル
    タからの出力信号と入力音響信号との波形歪みと、前記
    パワーレベル差との加重和を用いることを特徴とする請
    求項９記載の音響信号符号化方法。
11. 【請求項１１】 適応符号帳と固定符号帳の少くとも一
    方からフレーム単位で符号ベクトルを選択し、各々ゲイ
    ン符号帳から選択されたゲインを前記選択された符号ベ
    クトルに乗算して駆動音源ベクトルを生成し、 前記駆動音源ベクトルで合成フィルタを駆動して音響信
    号を出力する音響信号復号化装置のコンピュータに、 当該フレームが背景雑音区間であるか否かを示す情報を
    受信する処理と、 背景雑音区間のフレームで前記合成フィルタからの出力
    信号パワーの長時間平均値を表すパワーレベルを計算す
    る処理と、 前記合成フィルタのフィルタ係数よりスペクトルの長時
    間平均を表す平均スペクトルを計算する処理と、 白色雑音で前記平均スペクトルをフィルタ係数とする第
    ２合成フィルタを白色雑音で駆動する処理と、 前記第２合成フィルタで生成された信号を、前記計算さ
    れたパワーレベルに基づいて振幅調整して背景雑音の定
    常成分信号を生成する処理と、 前記定常成分信号を、当該フレームが背景雑音区間であ
    るか否かに関わらず前記合成フィルタからの出力信号に
    加算して音響信号を出力する処理と、 を実行させるプログラムを記憶した記録媒体。
12. 【請求項１２】 一定のスペクトル特性及び一定の振幅
    を有する定常音を生成する処理と、 前記背景雑音の定常成分信号と前記定常音を加算して定
    常成分信号として出力する処理とを、 前記コンピュータに実行させるプログラムを前記プログ
    ラムが含むことを特徴とする請求項１１記載の記録媒
    体。
13. 【請求項１３】 当該フレームが背景雑音区間又は子音
    区間であるか否かを示す情報を受信する処理と、 前記駆動音源ベクトルのパワーに基づいて重みを決定す
    る処理と、 前記重みを白色雑音に乗算して背景雑音の変動成分信号
    を生成する処理と、 背景雑音区間又は子音区間のフレームで、前記変動成分
    信号を前記駆動音源ベクトルに加算する処理と、 を前記コンピュータに実行させるプログラムを前記プロ
    グラムが含むことを特徴とする請求項１１又は１２記載
    の記録媒体。
14. 【請求項１４】 適応符号帳と固定符号帳の少くとも一
    方からフレーム単位で符号ベクトルを選択し、各々ゲイ
    ン符号帳から選択されたゲインを前記選択された符号ベ
    クトルに乗算して駆動音源ベクトルを生成し、 前記駆動音源ベクトルで合成フィルタを駆動して得られ
    た音響信号と入力音響信号とを比較して前記符号ベクト
    ルと前記ゲインを選択する音響信号符号化装置のコンピ
    ュータに、 入力音響信号を分析して、当該フレームが背景雑音区間
    又は子音区間に相当するか否かを決定する処理と、 前記合成フィルタの出力信号と入力音響信号とのパワー
    レベル差を計算する処理と、 前記ゲイン選択に際し、背景雑音区間又は子音区間のフ
    レームで前記パワーレベル差を距離尺度とし、該距離尺
    度を最小とするゲインをゲイン符号帳から選択する処理
    と、 を実行するプログラムを記憶した記録媒体。
15. 【請求項１５】 前記距離尺度として、前記合成フィル
    タからの出力信号と入力音声信号との波形歪みと、前記
    パワーレベル差との加重和を求める処理を前記コンピュ
    ータに実行させるプログラムを前記プログラムに含むこ
    とを特徴とする請求項１４記載の記録媒体。