JP2000267700A - 音声符号化復号方法および装置 - Google Patents

Abstract

(57)【要約】 【課題】 音質の劣下を伴わずに更なる低ビットレート
化を実現する。 【解決手段】 復号器において、スペクトル包絡情報に
より算出される周波数軸上のスペクトル包絡値と予め定
めた閾値とを比較して、該スペクトル包絡値が閾値以上
になる周波数領域を有声領域、その他の領域を無声領域
とし、それぞれに適した音源を用いて音源信号を作るこ
とにより、付加的な周波数帯別の音源切替え情報の伝送
を必要とせずに音質の向上を図る。符号化器において、
非周期的ピッチを有するフレームでは、ピッチ周期の発
生度数に偏りがあることに着目し、非周期的ピッチの周
期に対して、その度数の大小に応じた不均一量子化を行
った結果を、無声状態および周期的ピッチの量子化結果
と共にまとめて一つの符号として伝送することにより伝
送ビット数を削減し低ビットレート化を図る。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、音声信号を低ビッ
トレートで符号化処理及び復号処理する音声符号化方法
とその装置に関するものである。

【０００２】

【従来の技術】低ビットレート音声符号化方式として、
2.4kbps ＬＰＣ（Linear PredictiveCoding：線形予測
符号化）方式と2.4kbps ＭＥＬＰ（Mixed Excitaion Li
near Prediction：混合音源線形予測）方式が知られて
いる。これらは共に米国連邦政府標準の音声符号化方式
であり、前者はＦＳ-1015（ＦＳはFederal Standard）
として標準化されており、後者は、ＦＳ-1015の音質改
良版として1996年に新たに選定、標準化された。

【０００３】この2.4kbps ＬＰＣ方式および2.4kbps Ｍ
ＥＬＰ方式に関して、次のような参考文献がある。 [1] FREDERAL STANDARD 1015,”ANALOG TO DIGITAL CON
VERSION OF VOICE BY 2400 BIT/SECOND LINEAR PREDICT
IVE CODING”, November 28, 1984 [2] Federal Information Processing Standards Publi
cation,“Analog to digital conversion of voice by
2,400 Bit/Second Mixed Excitation Linear Predictio
n”, May 28, 1998 Draft [3] L.Supplee, R.Cohn, J.Collura and A.McCree,“ME
LP：The new federal standard at 2400 bps”, Proc.
ICASSP, pp.1591-1594, 1997 [4] A.McCree and T. Barnwell III,“A Mixed Excitat
ion LPC Vocoder Modelfor Low Bit Rate Speech Codin
g”, IEEE TRANSACTIONS ON SPEECH AND AUDIOPROCESSI
NG, VOL.3, NO.4, pp.242-250, July 1995 [5] D.Thomson and D. Prezas,“SELECTIVE MODELING O
F THE LPC RESIDUAL DURING UNVOICED FRAMES：WHITE N
OISE OR PULSE EXCITATION”, Proc. ICASSP, pp.3087-
3090, 1986 [6] 佐々木、三宅，”線形予測分析・合成方式の復号
器”，特許第２７１１７３７号公報

【０００４】最初に、2.4kbps ＬＰＣ方式の原理につい
て図９および図１０を用いて説明する（処理の詳細につ
いては、参考文献[1]を参照されたい）。図９はＬＰＣ
方式の音声符号化器の構成を示すブロック図である。フ
レーム化器(11)は、100-3600Hzで帯域制限された後、8k
Hzで標本化され、少なくとも１２ビットの精度で量子化
された入力音声サンプル(a1)を蓄えるバッファであり、
１音声符号化フレーム（22.5ms）毎に音声サンプル（18
0サンプル）を取り込み、音声符号化処理部へ(b1)とし
て出力する。以下では、１音声符号化フレーム毎に実行
される処理について説明する。

【０００５】プリエンファシス器(12)は、(b1)を高域強
調処理し、高域強調処理された信号(c1)を出力する。線
形予測分析器(13)は、(c1)をDurbin-Levinson法を用い
て線形予測分析し、スペクトル包絡情報である10次の反
射係数(d1)を出力する。量子化器１(14)は(d1)を各次数
毎にスカラー量子化し、その結果である計41ビットを(e
1)を誤り訂正符号化／ビットパッキング器(19)へ出力す
る。各次数の反射係数に対するビット配分は表１に示
す。ＲＭＳ（Root Mean Square：実効値）計算器(15)は
高域強調処理された信号(c1)のレベル情報であるＲＭＳ
値を計算し、ＲＭＳ値(f1)を出力する。量子化器２(16)
は(f1)を5ビットで量子化し、その結果である(g1)を誤
り訂正符号化／ビットパッキング器(19)へ出力する。

【０００６】ピッチ検出／音響分類器(17)は、前記フレ
ーム化器１１の出力(b1)を入力し、ピッチ周期（20〜15
6サンプル（51〜400Hzに対応）の範囲をとる）および音
響分類情報（有声／無声／過渡部の識別情報）を抽出
し、それぞれ(h1)、(i1)として出力する。量子化器３(1
8)は(h1)および(i1)をまとめて7ビットで量子化し、そ
の結果(j1)を誤り訂正符号化／ビットパッキング器(19)
へ出力する。ここでの量子化方法（７ビットの符号（12
8種類の符号語）へのピッチ情報、音響分類情報の割り
当て方）は、７ビットが全て０の符号語および７ビット
中１ビットのみが１となる符号語を無声に割り当て、７
ビットが全て１の符号語および７ビット中１ビットのみ
が０となる符号語を過渡部に割り当てる。その他の符号
語は有声用としてピッチ周期情報に割り当てられる。誤
り訂正符号化／ビットパッキング器(19)は量子化された
それぞれの情報(e1)、(g1)、(j1)を54ビット／フレーム
にパッキングし、音声符号化情報フレームを構成し、１
フレーム毎に54ビットを(k1)として出力する。音声情報
ビット列(k1)は、無線通信の場合、変調器、無線機を通
り、受信側に伝送される。

【０００７】表１に１フレーム当たりのビット配分を示
す。同表から分かるように、誤り訂正符号化／ビットパ
ッキング器(19)では、そのフレームの音響的分類が有声
でないならば（つまり無声または過渡部であるなら
ば）、５〜10次の反射係数を送る代わりに誤り訂正符号
（20ビット）を送る。無声または過渡部の場合に誤り保
護される情報は、ＲＭＳ情報の上位４ビット、１〜４次
の反射係数情報である。また、各フレーム毎に１ビット
の同期ビットが付加される。

【０００８】

【表１】

【０００９】次に図１０を用いてＬＰＣ音声復号器の構
成について説明する。ビット分離／誤り訂正復号器(21)
は１フレーム毎に受信した54ビットの音声情報ビット列
(a2)を各パラメータ毎に分離すると共に、そのフレーム
が無声または過渡部の場合には前記該当ビットに対して
誤り訂正復号処理を施す。そして、その結果であるピッ
チ／音響分類情報ビット(b2)、10次の反射係数情報ビッ
ト(e2)およびＲＭＳ情報ビット(g2)を出力する。ピッチ
／音響分類情報復号器(22)は前記ピッチ／音響分類情報
ビット(b2)を復号し、ピッチ周期(c2)および音響分類情
報(d2)を出力する。反射係数復号器(23)は前記10次の反
射係数情報ビット(e2)を復号し、10次の反射係数(f2)を
出力する。ＲＭＳ復号器(24)は前記ＲＭＳ情報ビット(g
2)を復号し、ＲＭＳ情報(h2)を出力する。パラメータ補
間器(25)は、再生音声の品質を向上するため、各パラメ
ータ(c2)、(d2)、(f2)、(h2)をそれぞれ補間処理し、そ
の結果である(i2)、(j2)、(o2)、(r2)を出力する。

【００１０】次に音源信号(m2)は以下のようにして作ら
れる。音響分類切替え器(28)は、前記補間された音響分
類情報(j2)が有声を示す時は、パルス音源発生器(26)が
発生するピッチ周期(i2)に同期したパルス音源(k2)を選
択し、音響分類情報(j2)が無声音声部を示す時には雑音
発生器(27)が発生する白色雑音(l2)を選択するように動
作する。また、音響分類情報(j2)が過渡部を示す時に
は、そのフレーム内の有声部分に対してはパルス音源(k
2)、無声部分に対しては白色雑音（擬似ランダム音源）
(l2)を選択するように動作する。ここでフレーム内にお
ける有声部分と無声部分の境界はパラメータ補間器(25)
で決定される。また、ここで使用されるパルス音源(k2)
を作るためのピッチ周期情報(i2)は、隣接した有声音フ
レームのものを使用する。音響分類切替え器(28)の出力
が音源信号(m2)となる。

【００１１】ＬＰＣ合成フィルタ(30)は、線形予測係数
(p2)を係数として用いる全極型フィルタであり、音源信
号(m2)に対しスペクトル包絡情報を付加して、その結果
である信号(n2)を出力する。ここで、スペクトル包絡情
報である線形予測係数(p2)は、線形予測係数計算器(29)
により前記反射係数(o2)から計算される。また、ＬＰＣ
合成フィルタ(30)は、有声に対しては10次の線形予測係
数(p2)を用いる10次の全極型フィルタとして構成され、
無声に対しては４次の線形予測係数(p2)を用いる４次の
全極型フィルタとして構成される。ゲイン調整器(31)は
前記ＬＰＣ合成フィルタ(30)の出力(n2)に対し前記ＲＭ
Ｓ情報(r2)を用いてゲイン調整を行い、(q2)を出力す
る。最後にデエンファシス器(32)は、(q2)に対し、前述
のプリエンファシス器(12)と逆の処理を行い再生音声(s
2)を出力する。

【００１２】このようなＬＰＣ方式の問題点を以下に示
す（参考文献[4]）。 問題点Ａ：ＬＰＣ方式では、全周波数帯域に渡り、フレ
ーム毎に有声／無声／過渡部を切り替えている。しか
し、自然音声の音源信号は、小さな周波数帯域に分けて
観測すると有声の性質を持つ帯域と、無声の性質を持つ
帯域がある。従って、ＬＰＣ方式において有声と決定さ
れたフレームでは、雑音で駆動すべき成分をパルスで駆
動してしまうため、buzz音（ブンブンとうなるような
音）になる。これは、高いほうの周波数で顕著になる。 問題点Ｂ：無声から有声に変化する過渡部では、非周期
性パルスを有する音源信号となる場合があるが、ＬＰＣ
方式の過渡部フレームでは、非周期的パルス音源を表現
できない。そのため、トーン的雑音が生じる。このよう
に、ＬＰＣ方式では、buzz音、トーン的雑音の発生によ
り再生音声は聞きづらい音質（機械的な音質）となって
しまうという問題点がある。

【００１３】次に、上記のようなＬＰＣ方式の問題点を
解決し、音質改良を図った方式であるＭＥＬＰ方式につ
いて説明する（参考文献[2]-[4]）。まず、ＭＥＬＰ方
式ではどのような方法で音質改善しているかについて図
１１を用いて説明する。同図（ａ）に示すように、自然
音声を周波数軸上で帯域に分けて見ると、白で示されて
いる周期的パルス成分が支配的な帯域（有声部）と、黒
で示されている雑音成分が支配的な帯域（無声部）とが
存在する。上述のようにＬＰＣボコーダで再生音が機械
的になる主な原因は、同図（ｂ）に示すように、周波数
帯域全体にわたり、有声フレームでは周期的パルス成分
で、無声音フレームでは雑音成分で音源を表現している
からである（過渡部フレームにおいては、フレームを時
間的に有声と無声に分けている。）。この問題を解決す
るため、ＭＥＬＰ方式では、同図（ｃ）に示すように、
１フレーム内で５つの周波数帯域（サブバンド）毎に有
声／無声を切替えることにより混合音源を適用してい
る。この手法は、上記ＬＰＣ方式の問題点Ａを解決し、
再生音声におけるbuzz音を低減する効果がある。また、
上記ＬＰＣ方式の問題点Ｂを解決するため、非周期的パ
ルス情報を抽出、伝送し、復号器側で非周期的パルス音
源を生成する機能を有している。その他、再生音声の音
質改善のため、適応スペクトルエンハンスメントフィル
タ、パルス拡散フィルタおよびハーモニックス振幅情報
の利用という手法を取り入れている。表２にＭＥＬＰ方
式で使用される各手法の効果をまとめる。

【００１４】

【表２】

【００１５】次に、2.4kbps ＭＥＬＰ方式の構成につい
て図１２および図１３を用いて説明する（処理の詳細に
ついては、参考文献[2]を参照されたい）。図１２はＭ
ＥＬＰ音声符号化器の構成を示すブロック図である。フ
レーム化器(41)は、100-3800Hzで帯域制限された後、8k
Hzで標本化され、少なくとも１２ビットの精度で量子化
された入力音声サンプル(a3)を蓄えるバッファであり、
１音声符号化フレーム（22.5ms）毎に音声サンプル（18
0サンプル）を取り込み、音声符号化処理部へ(b3)とし
て出力する。以下では１音声符号化フレーム毎に実行さ
れる処理について説明する。

【００１６】ゲイン計算器(42)は(b3)のレベル情報であ
るＲＭＳ値の対数を計算し、その結果である(c3)を出力
する。この処理はフレームの前半と後半について行われ
る。すなわち、１フレーム当たり２つのＲＭＳ値の対数
を(c3)として出力する。量子化器１(43)は、(c3)を前半
のものについて３ビット、後半のものについて5ビット
で線形量子化し、その結果である(d3)を誤り訂正符号化
／ビットパッキング器(70)へ出力する。線形予測分析器
(44)は、(b3)をDurbin-Levinson法を用いて線形予測分
析し、スペクトル包絡情報である10次の線形予測係数(e
3)を出力する。ＬＳＦ係数計算器(45)は、10次の線形予
測係数(e3)を10次のＬＳＦ（Line Spectrum Frequencie
s）係数(f3)に変換する。ＬＳＦ係数は、線形予測係数
と等価な特徴パラメータであるが、それに比べ、量子化
特性、補間特性に優れるため、最近の殆ど音声符号化方
式に採用されている。量子化器２(46)は10次のＬＳＦ係
数(f3)を段数４の多段ベクトル量子化により25ビットで
量子化し、(g3)を誤り訂正符号化／ビットパッキング器
(70)へ出力する。

【００１７】ピッチ検出器(54)は、前記フレーム化器４
１の出力(b3)の1kHz以下の信号成分に対して整数ピッチ
周期を求めた後、この整数ピッチ周期と、(b3)をＬＰＦ
（ローパスフィルタ）(55)により500Hz以下に帯域制限
した信号(q3)とを用いて小数ピッチ周期を求め、(r3)と
して出力する。ピッチ周期は正規化自己相関関数が最大
となる遅延量として与えられるが、この時の正規化自己
相関関数の最大値(o3)も出力される。正規化自己相関関
数の最大値の大きさは、入力信号(b3)の周期性の強さを
表す情報であり、非周期フラグ発生器(56)（後で説明す
る）で用いられる。また正規化自己相関関数の最大値(o
3)は、相関関数補正器(53)（後で説明する）で補正され
た後、誤り訂正符号化／ビットパッキング器(70)におけ
る全帯域の有声／無声判定に用いられる。そこでは、補
正後の正規化自己相関関数の最大値(n3)が閾値（=0.6）
以下であれば無声、そうでなければ有声と判定される。
量子化器３(57)は前記ピッチ検出器５４からの小数ピッ
チ周期(r3)を入力し対数変換した後、99レベルで線形量
子化し、その結果である(s3)を誤り訂正符号化／ビット
パッキング器(70)へ出力する。

【００１８】４つのＢＰＦ（バンドパスフィルタ）(5
8)、(59)、(60)および(61)は、前記フレーム化器４１の
出力(b3)をそれぞれ500〜1000Hz、1000〜2000Hz、2000
〜3000Hz、3000〜4000Hzで帯域制限し、(t3)、(u3)、(v
3)および(w3)を出力する。４つの自己相関計算器(62)、
(63)、(64)および(65)は、それぞれ(t3)、(u3)、(v3)お
よび(w3)に対し、小数ピッチ周期(r3)に対応する遅延量
における正規化自己相関関数を計算し、(x3)、(y3)、(z
3)および(a4)として出力する。次に４つの有声／無声フ
ラグ発生器(66)、(67)、(68)および(69)は、それぞれ(x
3)、(y3)、(z3)および(a4)に対し、閾値（=0.6）以下で
あれば無声、そうでなければ有声と判定し、有声／無声
を示すフラグ（１ビット）を(b4)、(c4)、(d4)および(e
4)として相関関数補正器(53)へ出力する。これらの各帯
域の有声／無声フラグ(b4)、(c4)、(d4)および(e4)は、
復号器において混合音源を生成するのに用いられる。非
周期フラグ発生器(56)は、正規化自己相関関数の最大値
(o3)を入力し、閾値（=0.5）より小さければ非周期フラ
グをONにセット、そうでなければOFFにセットして、非
周期フラグ（１ビット）(p3)を誤り訂正符号化／ビット
パッキング器(70)へ出力する。非周期フラグ(p3)は復号
器において過渡部、破裂音の音源を表現するための非周
期性パルスを生成するのに用いられる。

【００１９】ＬＰＣ分析フィルタ１(51)は10次の線形予
測係数(e3)を係数として用いる全零型フィルタであり、
入力音声(b3)からスペクトル包絡情報を除去し、その結
果である残差信号(l3)を出力する。ピーキネス計算器(5
6)は、残差信号(l3)を入力し、ピーキネス値を計算し(m
3)として出力する。ピーキネス値とは、信号中にピーク
をもつパルス的な成分（スパイク）が存在する可能性を
表すパラメータであり、上記参考文献[5]より次式で与
えられる。

【数１】 ここで、Ｎは１フレーム中のサンプル数、ｅ_nは残差信
号である。上式(1)の分子は分母に比べ大きな値の影響
を受けやすいので、ｐは残差信号中に大きなスパイクが
存在する時に大きな値となる。従って、ピーキネス値が
大きいほど、そのフレームが破裂音フレーム又は非周期
的なパルス列を有するフレームである可能性が大きくな
る（破裂音のフレームでは、部分的にスパイク（鋭いピ
ーク）を持つが、その他の部分は、白色雑音に近い性質
の信号になっているため）。

【００２０】相関関数補正器(53)は、ピーキネス値(m3)
の値により、正規化自己相関関数の最大値(o3)および有
声／無声フラグ(b4)、(c4)、(d4)および(e4)の値を補正
する。ピーキネス値(m3)が1.34より大きければ、正規化
自己相関関数の最大値(o3)を1.0（有声を示す）にセッ
トする。また、ピーキネス値(m3)が1.6より大きければ
正規化自己相関関数の最大値(o3)を1.0（有声を示す）
にセットすると共に有声／無声フラグ(b4)、(c4)、(d4)
および(e4)を有声にセットする。補正後の正規化自己相
関関数の最大値は(n3)として出力され、補正後の有声／
無声フラグ(b4)、(c4)、(d4)および(e4)は帯域毎の有声
性情報(f4)として出力される。

【００２１】前述のように、破裂音のフレームでは、部
分的にスパイク（鋭いピーク）を持つが、その他の部分
は、白色雑音に近い性質の信号になっているため、正規
化自己相関関数が0.5より小さな値（このとき非周期フ
ラグがONにセットされる）となる可能性が大きい。そこ
で、ピーキネス値により破裂音フレームを検出して正規
化自己相関関数を1.0に補正すれば、その後の誤り訂正
符号化／ビットパッキング器(70)における全帯域の有声
／無声判定において有声と判断され、復号の際に非周期
パルスを音源として用いることにより、破裂音フレーム
の音質は改善される。また、過渡部に多くみられる非周
期的なパルス列を持つフレームも、同じ理由により音質
は改善される。

【００２２】次にハーモニックス情報の検出について説
明する。線形予測係数計算器(47)は、量子化器２(46)の
出力である量子化後のＬＳＦ係数(g3)を線形予測係数に
変換し、量子化後の線形予測係数(h3)を出力する。ＬＰ
Ｃ分析フィルタ２(48)は、(h3)を係数として入力信号(b
3)からスペクトル包絡成分を除去し、残差信号(i3)を出
力する。ハーモニックス検出器(49)は(i3)における10次
のハーモニックス（基本ピッチ周波数の高調波成分）の
振幅を抽出し、その結果である(j3)を出力する。量子化
器４(50)は、(j3)を８ビットでベクトル量子化し、その
インデックス(k3)を誤り訂正符号化／ビットパッキング
器(70)へ出力する。ハーモニックス振幅情報は、残差信
号(i3)に残っているスペクトル包絡情報に相当する。従
って、ハーモニックス振幅情報を送ることにより、復号
時に入力信号のスペクトル表現をより正確に表現するこ
とができ、鼻音の品質、話者識別の性能および広帯域雑
音がある時の母音の品質を向上させることができる（表
２）。

【００２３】誤り訂正符号化／ビットパッキング器(70)
は、前述したように補正後の正規化自己相関関数の最大
値(n3)が閾値（=0.6）以下であれば無声フレーム、そう
でなければ有声フレームと設定し、表３に示すビット配
分で音声情報ビット列を構成し、１フレーム毎に54ビッ
トを(g4)として出力する。音声情報ビット列(g4)は、無
線通信の場合、変調器、無線機を通り、受信側に伝送さ
れる。表３において、ピッチ、全体の有声／無声情報が
７ビットで量子化されているが、その方法は次の通りで
ある。７ビットの符号（128種類）うち、７ビットが全
て０の符号語および７ビット中１ビットのみが１となる
符号語を無声に割り当て、７ビット中２ビットが１とな
る符号語をイレージャ（消失）に割り当てる。その他の
符号語は有声用としてピッチ周期情報（量子化器３(57)
の出力(s3)）に割り当てられる。また、同表から分かる
ように、そのフレームが無声ならばハーモニック振幅(k
3)、帯域毎の有声性(f4)および非周期フラグ(p3)を送る
代わりに、聴感上重要なビットに対し誤り訂正を施し、
その誤り訂正符号（13ビット）を送る。また、各フレー
ム毎に１ビットの同期ビットが付加される。

【００２４】

【表３】

【００２５】次に図１３を用いてＭＥＬＰ音声復号器の
構成について説明する。ビット分離／誤り訂正復号器(8
1)は１フレーム毎に受信した54ビットの音声情報ビット
列(a5)の中からピッチ、全体の有声／無声情報を取り出
し、それが無声フレームを示す場合には誤り保護該当ビ
ットに対して誤り訂正復号処理を施す。また、ピッチ、
全体の有声／無声情報がイレースを示す場合には、各パ
ラメータを前フレームのもので置換処理する。そして、
分離された各パラメータの情報ビットとして、ピッチ、
全体の有声／無声情報(b5)、非周期フラグ(d5)、ハーモ
ニックス振幅インデックス(e5)、帯域毎の有声性(g5)、
ＬＳＦパラメータインデックス(j5)、およびゲイン情報
(m5)を出力する。ここで、帯域毎の有声性(g5)は、各サ
ブバンド（0〜500Hz、500〜1000Hz、1000〜2000Hz、200
0〜3000Hz、3000〜4000Hz）の有声性を示す５ビットの
フラグであり、0〜500Hzの有声性については、ピッチ、
全体の有声／無声情報から取り出された全体の有声／無
声情報を用いる。

【００２６】ピッチ復号器(82)は、ピッチ、全体の有声
／無声情報が有声を示す場合にはピッチ周期を復号し、
無声を示す場合はピッチ周期として50.0をセットして復
号されたピッチ周期(c5)を出力する。ジッタ設定器(10
2)は、非周期フラグ(d5)を入力し、非周期フラグがONを
示すならばジッタ値を0.25、OFFを示すならばジッタ値
を0にセットし、(g6)を出力する。ここで、上記の有声
／無声情報が無声を示す場合は、ジッタ値(g6)は0.25に
セットされる。ハーモニックス復号器(83)は、ハーモニ
ックス振幅のインデックス(e5)から10次のハーモニック
ス振幅(f5)を復号し出力する。パルス音源用フィルタ係
数計算器(84)は、帯域毎の有声性(g5)を入力し、有声を
示しているサブバンドのゲインを1.0、無声を示してい
るサブバンドのゲインを0にするようなＦＩＲフィルタ
の係数(h5)を計算し、出力する。また、雑音音源用フィ
ルタ係数計算器(85)は帯域毎の有声性(g5)を入力し、有
声を示しているサブバンドのゲインを0、無声を示して
るサブバンドのゲインを1.0にするようなＦＩＲフィル
タの係数(ｉ5)を計算し、出力する。ＬＳＦ復号器(87)
は、ＬＳＦパラメータインデックス(j5)から10次のＬＳ
Ｆ係数(k5)を復号し、出力する。傾斜補正係数計算器(8
6)は、10次のＬＳＦ係数(k5)から傾斜補正係数(l5)を計
算する。ゲイン復号器(88)は、ゲイン情報(m5)を復号
し、ゲイン(n5)を出力する。

【００２７】パラメータ補間器(89)は、各パラメータ(c
5)、(g6)、(f5)、(h5)、(i5)、(l5)、(k5)および(n5)に
ついてそれぞれピッチ周期に同期して線形補間し、(o
5)、(p5)、(r5)、(s5)、(t5)、(u5)、(v5)および(w5)を
出力する。ここでの線形補間処理は、次式により実施さ
れる。 補間後のパラメータ＝現フレームのパラメータ×int ＋
前フレームのパラメータ×(1.0−int) ここで、現フレームのパラメータは(c5)、(g6)、(f5)、
(h5)、(i5)、(l5)、(k5)および(n5)のそれぞれに対応
し、補間後のパラメータは(o5)、(p5)、(r5)、(s5)、(t
5)、(u5)、(v5)および(w5)のそれぞれに対応する。前フ
レームのパラメータは、前フレームにおける(c5)、(g
6)、(f5)、(h5)、(i5)、(l5)、(k5)および(n5)を保持し
ておくことにより与えられる。intは補間係数であり、
次式で求める。 int＝to／180 ここで、180は音声復号フレーム長（22.5ms）当たりの
サンプル数、toは、復号フレームにおける１ピッチ周期
の開始点であり、１ピッチ周期分の再生音声が復号され
る毎にそのピッチ周期が加算されることにより更新され
る。toが180を超えるとそのフレームの復号処理が終了
したことになり、toから180が減算される。

【００２８】ピッチ周期計算器(90)は、補間されたピッ
チ周期(o5)およびジッタ値(p5)を入力し、ピッチ周期(q
5)を次式により計算する。 ピッチ周期(q5)＝ピッチ周期(o5)×(1.0−ジッタ値(p5)
×乱数値) ここで、乱数値は-1.0〜1.0の範囲の値をとる。上式よ
り無声または非周期的フレームではジッタ値が0.25にセ
ットされているのでジッタが付加され、周期的フレーム
ではジッタ値が0にセットされているのでジッタは付加
されない。但し、ジッタ値はピッチ毎に補間処理されて
いるので、0〜0.25の範囲をとるため中間的なピッチ区
間も存在する。このように非周期フラグに基づき非周期
ピッチ（ジッタが付加されたピッチ）を発生すること
は、表２のに示したように過渡部、破裂音で生じる不
規則な（非周期的な）声門パルスを表現することによ
り、トーン的雑音を低減する効果がある。

【００２９】ピッチ周期(q5)は整数値に変換された後、
１ピッチ波形復号器(101)に入力される。１ピッチ波形
復号器(101)は、ピッチ周期(q5)毎の再生音声(f6)を復
号し出力する。従って、このブロックに含まれる全ての
ブロックはピッチ周期(q5)を入力し、それに同期して動
作する。パルス音源発生器(91)は、補間されたハーモニ
ックス振幅(r5)を入力し、そのハーモニックス情報が付
加された単一パルスを有するパルス音源(x5)を発生す
る。このパルス音源(x5)はピッチ周期(q5)に１パルス発
生される。パルスフィルタ(92)は、補間されたパルスフ
ィルタ用係数(s5)を係数とするＦＩＲフィルタであり、
パルス音源(x5)に対し有声のサブバンドのみを有効にす
るようにフィルタリングし、(y5)を出力する。雑音発生
器(94)は、白色雑音(a6)を発生する。雑音フィルタ(93)
は、補間された雑音フィルタ用係数(t5)を係数とするＦ
ＩＲフィルタであり、雑音音源(a6)に対し無声のサブバ
ンドのみを有効にするようにフィルタリングし、(z5)を
出力する。混合音源発生器(95)は(y5)および(z5)を加算
し、混合音源(b6)を発生する。この混合音源は、表２の
に示したように周波数帯毎に有声／無声音源を切り替
えることによりbuzz音を低減する効果がある。

【００３０】線形予測係数計算器(98)は補間された10次
のＬＳＦ係数(v5)から線形予測係数(h6)を計算する。適
応スペクトルエンハンスメントフィルタ(96)は、線形予
測係数(h6)に帯域幅拡張処理を施したものを係数とする
適応極／零フィルタであり、表２のに示した通り、ホ
ルマントの共振を鋭くし、自然音声のホルマントに対す
る近似度を改善することにより再生音声の自然性を向上
させる。さらに、補間された傾斜補正係数(u5)を用いて
スペクトルの傾きを補正して音のこもりを低減し、その
結果である音源信号(c6)を出力する。ＬＰＣ合成フィル
タ(97)は、線形予測係数(h6)を係数として用いる全極型
フィルタであり、音源信号(c6)に対しスペクトル包絡情
報を付加して、その結果である信号(d6)を出力する。ゲ
イン調整器(99)は(d6)に対しゲイン情報(w5)を用いてゲ
イン調整を行い、(e6)を出力する。パルス拡散フィルタ
(100)は、自然音声の声門パルス波形に対するパルス音
源波形の近似度を改善するためのフィルタであり、(e6)
をフィルタリングして自然性が改善された再生音声(f6)
を出力する。このパルス拡散フィルタの効果は表２の
に示す通りである。以上により、ＭＥＬＰ方式では、Ｌ
ＰＣ方式に比べ、同ビットレート（２．４kbps）におい
て自然性、了解性の高い再生音声を提供することができ
る。

【００３１】さらに、ＭＥＬＰ方式のように帯域毎の有
声性情報を伝送する必要なしに、上述のＬＰＣ方式の問
題点Ａを解決しようとした線形予測分析・合成方式の復
号器が提案されている（参考文献[6]）。この提案され
ている線形予測分析・合成方式の復号器の内容を以下に
示す。線形予測分析・合成方式の符号器によって音声信
号が分析符号化された入力ディジタル信号に含まれる線
形予測係数、有声無声識別信号、音源強度情報およびピ
ッチ周期情報の各パラメータを分離して出力する分離回
路と、前記ピッチ周期情報によって制御されたピッチパ
ルスを出力するピッチパルス発生器と、白色雑音を出力
する雑音発生器と、前記ピッチパルス発生器の出力と前
記雑音発生器の出力と駆動音源として前記線形予測係数
に従って復号化した音声信号を出力する合成フィルタと
を備えた線形予測分析・合成方式の復号器において、前
記分離回路からの線形予測係数と有声無声識別信号およ
び音源強度情報とが入力され、有声音のホルマントの合
成による周波数軸上のスペクトル包絡線を求めて予め定
めた閾値と比較し、該スペクトル包絡線のレベルが閾値
より大きい周波数領域を表すピッチ成分関数信号と、該
スペクトル包絡線のレベルが閾値より小さい周波数領域
を表す雑音成分関数信号とを出力する処理制御回路と、
前記ピッチパルス発生器の出力と前記ピッチ成分関数信
号とを乗算して前記閾値より大きい周波数領域のピッチ
パルスを出力する第１の出力制御回路と、前記雑音発生
器からの白色雑音と前記雑音成分関数信号とを乗算して
前記閾値より小さい周波数領域の白色雑音を出力する第
２の出力制御回路と、前記第１の出力制御回路と第２の
出力制御回路とを合成して前記合成フィルタに対する駆
動音源として出力する合成器とを備えたことを特徴とす
る線形予測分析・合成方式の復号器。しかし、この手段
では、前述のＬＰＣ方式の問題点であるbuzz音は軽減で
きるものの、再生音声の音質が雑音的になるという欠点
がある（この原因については後に述べる）。

【００３２】

【発明が解決しようとする課題】移動体通信の爆発的普
及により、ユーザ収容数の増大が必要となっており、周
波数資源の更なる有効利用が課題となっている。音声符
号化方式の更なる低ビットレート化は、この課題を解決
するための必須の技術課題の１つである。そこで、本発
明は、２．４kbpsより低いビットレートで、上述のＬＰ
Ｃ方式の問題点ＡおよびＢを解決することのできる音声
符号化復号方法および装置を提供することを目的として
いる。また、ＭＥＬＰ方式のように帯域毎の有声性情報
や非周期フラグを伝送する必要なしに、それらと同様の
効果が得られる音声符号化復号方法および装置を提供す
ることを目的としている。

【００３３】

【課題を解決するための手段】上記目的を達成するため
に、本発明の音声復号方法は、線形予測分析・合成方式
の音声符号化器によって音声信号が符号化処理された出
力である音声情報ビット列から音声信号を再生する音声
復号方法であって、前記音声情報ビット列に含まれるス
ペクトル包絡情報、有声／無声識別情報、ピッチ周期情
報およびゲイン情報を分離、復号し、前記有声／無声識
別情報が有声を示すときには、前記スペクトル包絡情報
により算出される周波数軸上のスペクトル包絡値と予め
定めた閾値とを比較して、該スペクトル包絡値が前記閾
値以上になる周波数領域を有声領域、その他の領域を無
声領域とし、有声領域の音源信号として前記ピッチ周期
情報に基づき発生されるピッチパルスを用い、無声領域
の音源信号として前記ピッチパルスと白色雑音を所定の
割合で混合した信号を用い、前記有声領域の音源信号お
よび前記無声領域の音源信号を加算した結果を音源信号
とし、前記有声／無声識別情報が無声を示すときには、
白色雑音を音源信号とし、該音源信号に対し前記スペク
トル包絡情報および前記ゲイン情報を付加して再生音声
を生成することを特徴とするものである。これにより、
付加的な情報ビットを伝送することなく、前述したＬＰ
Ｃ方式の問題点Ａを解決することができる。

【００３４】また、本発明の他の音声復号方法は、線形
予測分析・合成方式の音声符号化器によって音声信号が
符号化処理された出力である音声情報ビット列から音声
信号を再生する音声復号方法であって、前記音声情報ビ
ット列に含まれるスペクトル包絡情報、有声／無声識別
情報、ピッチ周期情報およびゲイン情報を分離、復号
し、前記有声／無声識別情報が有声を示す場合は、有声
強度情報に1.0をセットし、有声／無声識別情報が無声
を示す場合は、有声強度情報に0をセットし、前記スペ
クトル包絡情報、前記ピッチ周期情報、前記ゲイン情報
および該有声強度情報をピッチ周期に同期して線形補間
し、該補間された有声強度情報に応じた割合で、前記補
間されたピッチ周期情報に基づき発生されるピッチパル
スと白色雑音を混合して第１の混合音源信号とし、前記
補間されたスペクトル包絡情報により算出される周波数
軸上のスペクトル包絡値と予め定めた閾値とを比較し
て、該スペクトル包絡値が閾値以上になる周波数領域を
有声領域、その他の領域を無声領域とし、有声領域の音
源信号として前記第１の混合音源信号を用い、無声領域
の音源信号として前記第１の混合音源信号と白色雑音と
を所定の割合で混合した信号を用い、前記有声領域の音
源信号および前記無声領域の音源信号を加算した結果を
第２の混合音源信号とし、該第２の混合音源信号に対し
前記補間されたスペクトル包絡情報および前記補間され
たゲイン情報を付加して再生音声を生成することを特徴
とするものである。これにより、付加的な情報ビットを
伝送することなく、上述したＬＰＣ方式の問題点Ａを解
決することができる。

【００３５】さらに、本発明の音声符号化方法は、標本
化され、予め定められた時間長の音声符号化フレームに
分割された入力音声信号から、有声／無声識別情報、ピ
ッチ周期情報、周期的ピッチか非周期的ピッチかを示す
非周期ピッチ情報を抽出して、符号化する音声符号化方
法であって、前記非周期ピッチ情報が周期的ピッチを示
す音声符号化フレームでは、前記ピッチ周期情報を第１
の所定のレベル数で量子化して、これを周期的ピッチ情
報とし、前記非周期ピッチ情報が非周期的ピッチを示す
音声符号化フレームでは、それぞれのピッチ範囲に対し
その発生度数の大小に応じた量子化レベルの割り当てを
行い、第２の所定のレベル数で量子化して、これを非周
期的ピッチ情報とし、前記有声／無声識別情報が無声を
示す状態に１つの符号語を割り当て、前記有声／無声識
別情報が有声を示す状態として、前記周期的ピッチ情報
に前記第１の所定のレベル数に対応する個数の符号語を
割り当て、前記非周期的ピッチ情報に前記第２の所定の
レベル数に対応する個数の符号語を割り当て、これらを
まとめて所定のビット数を有する符号語として符号化す
ることを特徴とするものである。さらにまた、前記符号
語のビット数は７ビットであり、前記有声／無声識別情
報が無声を示す状態に全てのビットが０（又は１）の符
号語を割り当て、前記非周期的ピッチ情報に７ビット
中、１または２ビットが１（又は０）である符号語を割
り当て、その他の符号語に前記周期的ピッチ情報を割り
当てるものである。これにより、付加的な情報ビットを
伝送することなく、上述したＬＰＣ方式の問題点Ｂを解
決することができる。また、低ビットレートの音声符号
化を実現することができる。

【００３６】さらにまた、本発明の音声符号化復号方法
は、上述した音声復号方法のいずれかと上述した音声符
号化方法とを組み合わせたものである。これにより、付
加的な情報ビットを伝送することなく、上述したＬＰＣ
方式における問題点ＡおよびＢを解決することができ
る。

【００３７】さらにまた、本発明の音声符号化装置は、
所定のサンプル周波数で標本化され、量子化された音声
サンプルを入力し、予め定められた時間長の音声符号化
フレーム毎に所定数の音声サンプルを出力するフレーム
化器と、該１フレーム分の音声サンプルのレベル情報で
あるＲＭＳ値の対数を計算し、その結果である対数ＲＭ
Ｓ値を出力するゲイン計算器と、該対数ＲＭＳ値を線形
量子化し、その結果である量子化後の対数ＲＭＳ値を出
力する第１の量子化器と、前記１フレーム分の音声サン
プルに対し線形予測分析を行い、スペクトル包絡情報で
ある所定次数の線形予測係数を出力する線形予測分析器
と、該線形予測係数をＬＳＦ（Line Spectrum Frequenc
ies）係数に変換して出力するＬＳＦ係数計算器と、該
ＬＳＦ係数を量子化し、その結果であるＬＳＦパラメー
タインデックスを出力する第２の量子化器と、前記１フ
レーム分の音声サンプルを所定のカットオフ周波数でフ
ィルタリングし帯域制限された入力信号を出力するロー
パスフィルタと、該帯域制限された入力信号から正規化
自己相関関数計算に基づきピッチ周期を抽出し、ピッチ
周期および正規化自己相関関数の最大値を出力するピッ
チ検出器と、該ピッチ周期を対数変換した後、第１の所
定のレベル数で線形量子化し、その結果であるピッチ周
期インデックスを出力する第３の量子化器と、前記正規
化自己相関関数の最大値を入力し、所定の閾値より小さ
ければ非周期フラグをONにセット、そうでなければOFF
にセットして、非周期フラグを出力する非周期フラグ発
生器と、前記線形予測係数を係数として用いて前記１フ
レーム分の音声サンプルからスペクトル包絡情報を除去
し、その結果である残差信号を出力するＬＰＣ分析フィ
ルタと、該残差信号を入力し、ピーキネス値を計算し、
ピーキネス値を出力するピーキネス計算器と、該ピーキ
ネス計算器の値により、前記正規化自己相関関数の最大
値の値を補正して補正された正規化自己相関関数の最大
値を出力する相関関数補正器と、該補正された正規化自
己相関関数の最大値が所定の閾値以下であれば無声、そ
うでなければ有声と判定し、その結果である有声／無声
フラグを出力する有声／無声判定器と、前記非周期フラ
グが非周期を示しているフレームの前記ピッチ周期につ
いて、第２の所定のレベル数で不均一量子化し、非周期
的ピッチインデックスを出力する非周期ピッチインデッ
クス生成器と、前記有声／無声フラグ、前記非周期フラ
グ、前記ピッチ周期インデックス、および前記非周期的
ピッチインデックスを入力し、これらを所定のビット数
で符号化した周期／非周期ピッチ・有声／無声情報コー
ドを出力する周期／非周期ピッチおよび有声／無声情報
コード生成器と、前記量子化後の対数ＲＭＳ値、前記Ｌ
ＳＦパラメータインデックス、および前記周期／非周期
ピッチ・有声／無声情報コードを入力し、１フレーム毎
にビットパッキングを行い音声情報ビット列を出力する
ビットパッキング器とを備えたものである。

【００３８】さらにまた、本発明の音声復号装置は、前
記音声符号化装置により生成された１フレーム毎の音声
情報ビット列を各パラメータ毎に分離し、周期／非周期
ピッチ・有声／無声情報コード、量子化後の対数ＲＭＳ
値およびＬＳＦパラメータインデックスを出力するビッ
ト分離器と、前記周期／非周期ピッチ・有声／無声情報
コードを入力し、現フレームの状態が無声の場合は、ピ
ッチ周期を所定の値にセットし、有声強度を0にセット
して出力し、周期的および非周期的の場合は、ピッチ周
期を符号化の規則に基づき復号処理して出力し、有声強
度を1.0にセットして出力する有声／無声情報・ピッチ
周期復号器と、前記周期／非周期ピッチ・有声／無声情
報コードを入力し、現フレームが無声または非周期的を
示す場合は、ジッタ値を所定の値にセットして出力し、
周期的を示す場合は、ジッタ値を0にセットして出力す
るジッタ設定器と、前記ＬＳＦパラメータインデックス
から前記所定の次数のＬＳＦ係数を復号して出力するＬ
ＳＦ復号器と、該ＬＳＦ係数から傾斜補正係数を計算し
出力する傾斜補正係数計算器と、前記量子化後の対数Ｒ
ＭＳ値を復号し、ゲインを出力するゲイン復号器と、前
記ピッチ周期、前記有声強度、前記ジッタ値、前記ＬＳ
Ｆ係数、前記傾斜補正係数および前記ゲインを、それぞ
れピッチ周期に同期して線形補間し、補間後のピッチ周
期、補間後の有声強度、補間後のジッタ値、補間後のＬ
ＳＦ係数、補間後の傾斜補正係数および補間後のゲイン
を出力するパラメータ補間器と、該補間後のピッチ周期
および補間後のジッタ値を入力し、補間後のピッチ周期
にジッタを付加した後、整数値に変換されたピッチ周期
（以後、整数ピッチ周期という）を出力するピッチ周期
計算器と、該整数ピッチ周期に同期して該整数ピッチ周
期分の再生音声を復号し出力する１ピッチ波形復号器と
を備え、該１ピッチ波形復号器は、前記整数ピッチ周期
期間内に単一パルス信号を出力する単一パルス発生器
と、前記整数ピッチ周期の長さを持つ白色雑音を出力す
る雑音発生器と、前記補間後の有声強度に基づき、前記
単一パルス信号と該白色雑音とを合成して第１の混合音
源信号を出力する第１の混合音源発生器と、前記補間後
のＬＳＦ係数から線形予測係数を計算する線形予測係数
計算器と、該線形予測係数から再生音声のスペクトル包
絡形状情報を求め出力するスペクトル包絡形状計算器
と、前記スペクトル包絡形状情報の値と所定の閾値とを
比較し、スペクトル包絡形状情報の値が該閾値以上の周
波数領域を有声領域、それ以外の周波数領域を無声領域
として、前記第１の混合音源情報のＤＦＴ係数のうち前
記無声領域のものを0にした第１のＤＦＴ係数列、およ
び、前記混合音源情報のＤＦＴ係数のうち前記有声領域
のものを0とした第２のＤＦＴ係数列を出力する混合音
源用フィルタリング器と、前記白色雑音のＤＦＴ係数の
うち前記有声領域のものと0としたＤＦＴ係数列を出力
する雑音音源用フィルタリング器と、前記混合音源用フ
ィルタリング器からの前記第２のＤＦＴ係数列と前記雑
音音源ようフィルタリング器からのＤＦＴ係数列とを所
定の割合で混合して、その結果であるＤＦＴ係数列を出
力する第２の混合音源発生器と、該第２の混合音源発生
器からのＤＦＴ係数列と前記混合音源用フィルタからの
前記第１のＤＦＴ係数列とを加算した後、逆離散フーリ
エ変換を行い、混合音源信号として出力する第３の混合
音源発生器と、前記補間後の有声強度を入力し、それが
0のときは前記白色雑音を選択し、その他のときは前記
第３の混合音源発生器の出力である混合音源信号を選択
して混合音源信号として出力する切替え器と、前記線形
予測係数に帯域幅拡張処理を施したものを係数とする適
応極／零フィルタと、前記補間後の傾斜補正係数を係数
とするスペクトル傾斜補正フィルタの従属接続であり、
前記混合音源信号をフィルタリングしてスペクトルが改
善された音源信号を出力する適応スペクトルエンハンス
メントフィルタと、前記線形予測係数を係数として用い
る全極型フィルタであり、該スペクトルが改善された音
源信号に対してスペクトル包絡情報を付加して、スペク
トル包絡情報が付加された信号を出力するＬＰＣ合成フ
ィルタと、該スペクトル包絡情報が付加された信号に対
し、前記ゲインを用いてゲイン調整を行い、再生音声信
号を出力するゲイン調整器と、該再生音声信号に対し、
パルス拡散処理を施し、パルス拡散処理された再生音声
信号を出力するパルス拡散フィルタとを備えるものであ
る。

【００３９】

【発明の実施の形態】本発明の音声符号化復号方法およ
び装置の一実施の形態について、図１〜８を用いて詳し
く説明する。なお、以下では、具体的な数値を用いて説
明するが、本発明は以下の説明に用いた数値以外の数値
を用いても実施することができる点に注意されたい。図
１は、本発明の音声符号化復号方法が適用された音声符
号化器の一構成例のブロック図である。この図におい
て、フレーム化器(111)は、100-3800Hzで帯域制限され
た後、8kHzで標本化され、少なくとも１２ビットの精度
で量子化された入力音声サンプル(a7)を蓄えるバッファ
であり、１音声符号化フレーム（20ms）毎に音声サンプ
ル（160サンプル）を取り込み、音声符号化処理部へ(b
7)として出力する。以下では１音声符号化フレーム毎に
実行される処理について説明する。

【００４０】ゲイン計算器(112)は(b7)のレベル情報で
あるＲＭＳ値の対数を計算し、その結果である(c7)を出
力する。第１の量子化器（以下、「量子化器１」とい
う）(113)は(c7)を５ビットで線形量子化し、その結果
である(d7)をビットパッキング器(125)へ出力する。線
形予測分析器(114)は、(b7)をDurbin-Levinson法を用い
て線形予測分析し、スペクトル包絡情報である10次の線
形予測係数(e7)を出力する。ＬＳＦ係数計算器(115)
は、10次の線形予測係数(e7)を10次のＬＳＦ（Line Spe
ctrum Frequencies）係数(f7)に変換する。第２の量子
化器（以下、「量子化器２」という）(116)は10次のＬ
ＳＦ係数(f7)を段数４の多段ベクトル量子化により25ビ
ットで量子化し、その結果であるＬＳＦパラメータイン
デックス(g7)をビットパッキング器(125)へ出力する。

【００４１】ローパスフィルタ（ＬＰＦ）(120)は(b7)
をカットオフ周波数1000Hzでフィルタリングし、(k7)を
出力する。ピッチ検出器(121)は、(k7)からピッチ周期
を求め、(m7)として出力する。ピッチ周期は正規化自己
相関関数が最大となる遅延量として与えられるが、この
時の正規化自己相関関数の最大値(l7)も出力される。正
規化自己相関関数の最大値の大きさは、入力信号(b7)の
周期性の強さを表す情報であり、非周期フラグ発生器(1
22)（後で説明する）で用いられる。また正規化自己相
関関数の最大値(l7)は、相関関数補正器(119)（後で説
明する）で補正された後、有声／無声判定器(126)にお
ける有声／無声判定に用いられる。そこでは、補正後の
正規化自己相関関数の最大値(j7)が所定の閾値（例え
ば、0.6）以下であれば無声、そうでなければ有声と判
定され、その結果である有声／無声フラグ(s7)が出力さ
れる。

【００４２】第３の量子化器（以下、「量子化器３」と
いう）(123)はピッチ周期(m7)を入力し対数変換した
後、99レベルで線形量子化し、その結果であるピッチイ
ンデックス(o7)を周期／非周期ピッチおよび有声／無声
情報コード生成器(127)へ出力する。図３に量子化器３
(123)への入力であるピッチ周期（20〜160サンプルの範
囲をとる）とその出力であるインデックスの値（０〜98
の範囲をとる）の関係を示す。非周期フラグ発生器(12
2)は、正規化自己相関関数の最大値(l7)を入力し、所定
の閾値（例えば、0.5）より小さければ非周期フラグをO
Nにセット、そうでなければOFFにセットして、非周期フ
ラグ（１ビット）(n7)を非周期ピッチインデックス生成
器(124)および、周期／非周期ピッチおよび有声／無声
情報コード生成器(127)へ出力する。ここで、非周期フ
ラグ(n7)がONであれば、現フレームが非周期性をもつ音
源であることを意味する。

【００４３】ＬＰＣ分析フィルタ(117)は10次の線形予
測係数(r7)を係数として用いる全零型フィルタであり、
入力音声(b7)からスペクトル包絡情報を除去し、その結
果である残差信号(h7)を出力する。ピーキネス計算器(1
18)は、残差信号(h3)を入力し、ピーキネス値を計算し
(i7)として出力する。このピーキネス値はＭＥＬＰ方式
で説明したのと同様の方法を用いて計算する。相関関数
補正器(119)は、ピーキネス値(i7)が所定の値（例え
ば、1.34）より大きければ、正規化自己相関関数の最大
値(l7)を1.0（有声を示す）にセットし(j7)を出力す
る。また、前記以下の場合には、前記(l7)をそのまま出
力する。

【００４４】上に述べたピーキネス値の計算および相関
関数補正処理は、非周期的なパルスを有するフレームお
よび破裂音フレームを検出し、正規化自己相関関数の最
大値を1.0（有声を示す値）に補正するための処理であ
る。破裂音フレームでは、部分的にスパイク（鋭いピー
ク）を持つが、その他の部分は、白色雑音に近い性質の
信号になっているため、補正される前の正規化自己相関
関数は0.5より小さくなる可能性が大きい（つまり、非
周期フラグがONにセットされている可能性が大きい）。
一方、ピーキネス値は大きくなる。従って、ピーキネス
値により破裂音フレームを検出して正規化自己相関関数
を1.0に補正すると、その後の有声／無声判定器(126)に
おける有声／無声判定において有声と判定され、復号の
際に非周期パルスが音源として用いられることになるた
め、破裂音フレームの音質は改善される。また、過渡部
に多くみられる非周期的なパルス列を持つフレームも同
じ理由により音質は改善される。

【００４５】非周期ピッチインデックス生成器(124)
は、非周期フレームにおけるピッチ周期(m7)を28レベル
で不均一量子化しインデックス(p7)を出力する。この処
理内容について説明する。まず、有声／無声フラグ(s7)
が有声、かつ、非周期フラグ(n7)がONになっているフレ
ーム（過渡部または破裂音フレームに対応する）に対
し、ピッチ周期の度数を調べた結果を図４に、その累積
度数を図５に示す。これらは男女各４名（６音声サンプ
ル／各１名）で構成される合計112.12[s]（5606フレー
ム）の音声データについて測定した結果である。上記の
条件（有声／無声フラグ(s7)が有声、かつ、非周期フラ
グ(n7)がON）を満たすフレームは、5606フレーム中425
フレーム存在した。図４より、その条件を満たすフレー
ム（以後、非周期フレームと記す）におけるピッチ周期
の分布はおよそ25〜100に集中していることが分かる。
よって、度数（出現頻度）に基づく不均一量子化を行え
ば、すなわち、度数が大きなピッチ周期ほど細かく、そ
れが小さいピッチ周期ほど荒く量子化すれば高能率に伝
送できる。また、復号器では、非周期フレームのピッチ
周期は次式により計算される。 非周期フレームのピッチ周期＝伝送されたピッチ周期×
(1.0＋0.25×乱数値) 上式で、伝送されたピッチ周期とは、非周期ピッチイン
デックス生成器(124)の出力であるインデックスにより
伝送されるピッチ周期であり、（1.0＋0.25×乱数値）
を乗算することによりピッチ周期毎にジッタが付加され
る。したがって、ピッチ周期が大きいほど、ジッタの量
も大きくなるため、荒い量子化が許される。

【００４６】上記の考えに基づいた非周期フレームのピ
ッチ周期に対する量子化テーブルの例を表４に示す。同
表では、入力ピッチ周期が20〜24の範囲を１レベル、25
〜50の範囲を13レベル（２ステップ幅）、51〜95の範囲
を９レベル（5ステップ幅）、96〜135の範囲を４レベル
（10ステップ幅）、136〜160の範囲を１レベルで量子化
し、インデックス（非周期０〜27）を出力する。通常の
ピッチ周期の量子化は、６４レベル以上必要であるのに
対し、この非周期フレームのピッチ周期の量子化は、度
数、復号方法を考慮することにより、２８レベルで量子
化することが可能となる。

【００４７】

【表４】

【００４８】周期／非周期ピッチおよび有声／無声情報
コード生成器(127)は、有声／無声フラグ(s7)、非周期
フラグ(n7)、ピッチインデックス(o7)、非周期的ピッチ
インデックス(p7)を入力し、７ビット（128レベル）の
周期／非周期ピッチ・有声／無声情報コード(t7)を出力
する。ここでの処理について以下に述べる。有声／無声
フラグ(s7)が無声を示す場合は、７ビットの符号（128
種類の符号語を持つ）のうち、７ビットが全て０の符号
語を割り当てる。同フラグが有声を示す場合は、残りの
符号語（127種類）を非周期フラグ(n7)に基づき、ピッ
チインデックス(o7)または非周期ピッチインデックス(p
7)に割り当てる。非周期フラグ(n7)がONの時は、非周期
ピッチインデックス(p7)（非周期０〜27）を７ビット中
１ビットおよび２ビットが１となる符号語（28種類）を
割り当てる。その他の符号語（99種類）は周期的なピッ
チインデックス(o7)（周期０〜98）に割り当てる。

【００４９】以上に基づく周期／非周期ピッチ・有声／
無声情報コードの生成テーブルを表５に示す。通常、伝
送誤りにより有声／無声情報に誤りが発生し、無声フレ
ームが誤って有声フレームとして復号された場合、周期
的音源が使用されるため再生音声の品質は著しく劣下す
る。本発明においては、非周期ピッチインデックス(p7)
（非周期０〜27）を７ビット中１ビットおよび２ビット
が１となる符号語（28種類）に割り当てることにより、
無声の符号語（0x0）が伝送誤りにより１または２ビッ
ト誤ったとしても、非周期的なピッチパルスにより音源
信号が作られるため、伝送誤りによる影響を軽減するこ
とが出来る。また、前述したＭＥＬＰ方式では非周期フ
ラグの伝送に１ビット使用していたが、本発明を用いる
ことにより、それが不要となり、伝送ビット数の削減が
可能となる。

【００５０】

【表５】

【００５１】ビットパッキング器(125)は、量子化され
たＲＭＳ値（ゲイン情報）(d7)、ＬＳＦパラメータイン
デックス(g7)、周期／非周期ピッチ・有声／無声情報コ
ード(t7)を入力すると共に１ビットの同期ビットを付加
して、１フレーム（20ms）当たり38ビットの音声情報ビ
ット列(q7)を出力する（表６）。ここに示した実施の形
態では音声符号化速度1.9kbpsが実現できる。また、本
実施の形態では、ＭＥＬＰ方式のようにハーモニック振
幅情報は伝送していない。この理由は次の通りである。
音声符号化フレーム長を20msと短くしているため（ＭＥ
ＬＰ方式では22.5ms）、ＬＳＦパラメータを抽出する周
期が短くなり、スペクトル表現の正確さが向上する。従
ってハーモニック振幅情報は必要としない。

【００５２】

【表６】

【００５３】次に、図２を用いて本発明の音声復号方法
が適用された音声復号器の一実施の形態について説明す
る。図２において、ビット分離器(131)は１フレーム毎
に受信した38ビットの音声情報ビット列(a8)を各パラメ
ータ毎に分離し、周期／非周期ピッチ・有声／無声情報
コード(b8)、ゲイン情報(i8)およびＬＳＦパラメータイ
ンデックス(f8)を出力する。有声／無声情報・ピッチ周
期復号器(132)は周期／非周期ピッチ・有声／無声情報
コード(b8)を入力し、前記表5に示したテーブルに基づ
き、無声／周期的／非周期的のうちどれであるかを求
め、無声ならば、ピッチ周期(c8)を所定の値（例えば、
50）にセット、有声強度(d8)を０にセットして出力す
る。周期的および非周期的の場合は、ピッチ周期(c8)を
復号処理（非周期的の場合は表4を用いる）して出力
し、有声強度(d8)を1.0にセットして出力する。

【００５４】ジッタ設定器(133)は、周期／非周期ピッ
チ・有声／無声情報コード(b8)を入力し、表5のテーブ
ルに基づき、無声／周期的／非周期的のうちどれである
かを求め、無声または非周期的を示す場合は、ジッタ値
(e8)を所定の値（例えば、0.25）にセットして出力す
る。周期的を示す場合は、ジッタ値(e8)を0にセットし
て出力する。ＬＳＦ復号器(134)はＬＳＦパラメータイ
ンデックス(f8)から10次のＬＳＦ係数(ｇ８)を復号し出
力する。傾斜補正係数計算器(135)は、10次のＬＳＦ係
数(g8)から傾斜補正係数(h8)を計算する。ゲイン復号器
(136)はゲイン情報(i8)を復号し、ゲイン(j8)を出力す
る。

【００５５】パラメータ補間器(137)は、各パラメータ
(c8)、(d8)、(e8)、(g8)、(h8)および(j8)についてそれ
ぞれピッチ周期に同期して線形補間し、(k8)、(n8)、(l
8)、(u8)、(v8)および(w8)を出力する。ここでの線形補
間処理は、次式により実施される。 補間後のパラメータ＝現フレームのパラメータ×int＋
前フレームのパラメータ×(1.0−int) ここで、現フレームのパラメータは(c8)、(d8)、(e8)、
(g8)、(h8)および(j8)のそれぞれに対応し、補間後のパ
ラメータは(k8)、(n8)、(l8)、(u8)、(v8)および(w8)の
それぞれに対応する。前フレームのパラメータは、前フ
レームにおける(c8)、(d8)、(e8)、(g8)、(h8)および(j
8)を保持しておくことにより与えられる。また、intは
補間係数であり、次式で求める。 int＝to／160 ここで、160.0は音声復号フレーム長（20ms）当たりの
サンプル数、toは、復号フレームにおける１ピッチ周期
の開始点であり、１ピッチ周期分の再生音声が復号され
る毎にそのピッチ周期が加算されることにより更新され
る。toが160を超えるとそのフレームの復号処理が終了
したことになり、toから160が減算される。ここで、補
間係数intを1.0に固定するとピッチ周期に同期した線形
補間処理は実施されないことになる。

【００５６】ピッチ周期計算器(138)は、補間されたピ
ッチ周期(k8)およびジッタ値(l8)を入力し、ピッチ周期
(m8)を次式により計算する。 ピッチ周期(m8)＝ピッチ周期(k8)×(1.0−ジッタ値(l8)
×乱数値) ここで、乱数値は-1.0〜1.0の範囲の値をとる。このピ
ッチ周期(m8)は小数を持つが、四捨五入され整数に変換
される。整数に変換されたピッチ周期(m8)を以下では”
Ｔ”と表す。上式より、無声または非周期的フレームで
はジッタ値が所定の値（この実施の形態では、0.25）に
セットされているのでジッタが付加され、完全な周期的
フレームではジッタ値が0にセットされているのでジッ
タは付加されない。但し、ジッタ値はピッチ毎に補間処
理されているので、0〜0.25の範囲をとるため中間的な
ジッタ量が付加されるピッチ区間も存在する。このよう
に非周期ピッチ（ジッタが付加されたピッチ）を発生す
ることは、ＭＥＬＰ方式の説明で述べたように過渡部、
破裂音で生じる不規則な（非周期的な）声門パルスを表
現することにより、トーン的雑音を低減する効果があ
る。

【００５７】１ピッチ波形復号器(152)は、ピッチ周期
（Ｔサンプル）毎の再生音声(e9)を復号し出力する。従
って、このブロックに含まれる全てのブロックはピッチ
周期(Ｔ)を入力し、それに同期して動作する。第１の混
合音源発生器（以下、「混合音源１発生器」という）(1
41)は、補間された有声強度(n8)（0〜1.0の値をとる）
に基づき、次式により単一パルス発生器(139)から出力
される単一パルス信号(o8)（Ｔサンプルの期間内に１つ
のパルスが発生され、それ以外のサンプル値は０）と雑
音発生器(140)から出力される白色雑音(p8)を次式に基
づいて合成して、第１の混合音源信号（以下、「混合音
源１」という）１(q8)を生成する。ここで、単一パルス
信号(o8)および白色雑音(p8)のレベルは所定のＲＭＳ値
になるように調整されている。 混合音源１(q8)＝単一パルス信号(o8)×有声強度(n8)＋
白色雑音(p8)×（1.0−有声強度(n8)） この処理により、無声音源（白色雑音）から有声音源
（単一パルス信号）（またはこの逆）への急激な切り替
わりを防ぐことができ、再生音声の品質が改善される。
混合音源１(q8)は、完全な有声フレームでは有声強度(n
8)が1.0となるため単一パルス信号(o8)に等しくなり、
完全な無声フレームでは有声強度(n8)が0となるため白
色雑音(p8)に等しくなる。

【００５８】線形予測係数計算器(147)は補間された10
次のＬＳＦ係数(u8)から線形予測係数(x8)を計算する。
スペクトル包絡形状計算器(146)は、線形予測係数(x8)
から再生音声のスペクトル包絡形状情報(y8)を求め出力
する。この処理の実現例について説明する。線形予測係
数(x8)をTポイントＤＦＴ（離散フーリエ変換）を行
い、その大きさ（マグニチュード）を計算することによ
りＬＰＣ分析フィルタの伝達関数を求めた後、それを反
転させることにより逆特性（これはＬＰＣ合成フィルタ
の伝達関数、すなわち再生音声のスペクトル包絡形状に
対応）を求める。それを正規化しスペクトル包絡形状情
報(y8)として出力する。スペクトル包絡形状情報(y8)は
図６（ａ）に示すような０〜4000Hzの再生音声のスペク
トル包絡成分を、Ｔが偶数の時はＴ／２個のＤＦＴ係
数、Ｔが奇数の時は（Ｔ−１）／２個のＤＦＴ係数で表
す情報である。

【００５９】混合音源用フィルタリング器(142)は、混
合音源１(q8)を入力し、ＴポイントＤＦＴを行い、Ｔが
偶数の時はＴ／２個のＤＦＴ係数、Ｔが奇数の時は（Ｔ
−１）／２個のＤＦＴ係数を求める（図６（ｂ））。但
し、図６（ｂ）では、簡単のため混合音源１(q8)が単一
パルスである場合（完全に有声の場合）について示して
おり、各ＤＦＴ係数は全て1.0の値を持つ。次に、スペ
クトル包絡形状情報(y8)と閾値(f9)を入力し、図６
（ａ）に示すようにスペクトル包絡形状情報(y8)を表す
ＤＦＴ係数の大きさが閾値以上になる周波数領域（同図
ではa〜bおよびc〜dの区間）（以後、有声領域と呼ぶ）
を調べ、混合音源１(q8)のＤＦＴ結果（図６（ｂ））に
おいて、有声領域以外の領域（以後、無声領域と呼ぶ）
のＤＦＴ係数を０にしたＤＦＴ係数列(r8)（図６（ｃ）
の実線）を出力する。なお、この閾値の値としては、0.
6〜0.9の範囲の値が適当であり、ここでは閾値は0.8と
する。また、混合音源１(q8)のＤＦＴ結果（図６
（ｂ））において、有声領域のＤＦＴ係数を０としたＤ
ＦＴ係数列(s8)（図６（ｃ）の点線）を出力する。つま
り、ここでは混合音源１(q8)を、スペクトル包絡形状情
報(y8)の大きさが閾値以上になる周波数領域（有声領
域）の成分と、それ以外の周波数領域（無声領域）の成
分に分けて、ＤＦＴ係数の形で、それぞれ(r8)、(s8)と
して出力している。

【００６０】雑音音源用フィルタリング器(143)は、白
色雑音(p8)を入力し、ＴポイントＤＦＴを行い、Ｔが偶
数の時はＴ／２個のＤＦＴ係数、Ｔが奇数の時は（Ｔ−
１）／２個のＤＦＴ係数を求める（図６（ｄ））。次
に、スペクトル包絡形状情報(y8)と閾値(f9)を入力し、
図６（ａ）に示すようにスペクトル包絡形状情報(y8)を
表すＤＦＴ係数の大きさが閾値以上になる周波数領域
（有声領域）を調べ、白色雑音(p8)のＤＦＴ結果（図６
（d））において、有声領域のＤＦＴ係数を０にしたＤ
ＦＴ係数列(t8)（図６（ｅ））を出力する。第２の混合
音源発生器（以下、混合音源２発生器）(144)は、ＤＦ
Ｔ係数列(s8)（図６（ｃ）の点線）およびＤＦＴ係数列
(t8)（図６（ｅ））を入力し、所定の割合でこれらを混
合して、その結果であるＤＦＴ係数列(z8)を出力する。
本実施形態では、ＤＦＴ係数列(s8)を６割、ＤＦＴ係数
列(t8)を4割で混合している。なお、この混合比率は、
(s8)を５〜７割、(t8)が５〜３割の範囲の値とするのが
好適である。第３の混合音源発生器（以下、「混合音源
３発生器」という）(145)は、ＤＦＴ係数列(r8)および
ＤＦＴ係数列(z8)を入力し、これらを加算した後（この
時のＤＦＴ係数を図６（ｆ）に示す）、ＩＤＦＴ（逆離
散フーリエ変換）を行い時間波形に戻し、混合音源信号
(g9)として出力する。

【００６１】完全な無声フレームでは、有声強度(n8)が
０なので、混合音源１(q8)および混合音源信号(g9)は白
色雑音(p8)と等しくなる。従って、上記の混合音源信号
(g9)を生成する処理を実施する前に、切替え器(153)は
有声強度(n8)を観測し、それが0（完全無音）であれば
混合音源信号として白色雑音(p8)を選択し、その他は混
合音源信号(g9)を選択し(a9)として出力する。これによ
り完全無音フレームでの処理量を節約することができ
る。

【００６２】以下に、スペクトル包絡形状計算器(14
6)、混合音源用フィルタリング器(142)、雑音音源用フ
ィルタリング器(143)、混合音源２発生器(144)および混
合音源３発生器(145)を用いた混合音源信号生成の効果
について説明する。入力音声に対しスペクトル包絡形状
を求め、その大きさ（マグニチュード）が閾値以上にな
る周波数成分と、閾値より小さくなる周波数成分に分割
し、それぞれの時間波形についてピッチ周期を遅延時間
としたときの正規化自己相関関数を計算し、度数を調べ
た結果を図７に、その累積度数を図８に示す。但し、こ
の測定では有声フレーム（周期的および非周期的フレー
ム）のみを有効とした。被験音声として男女各４名（２
音声サンプル／各１名）で構成される合計36.22[s]（18
11フレーム）の音声データを用いたが、有効フレーム
（有声フレーム）数は、1616フレームであった。また、
これらは閾値を0.8とした時の測定例である。

【００６３】図７、８より、スペクトル包絡形状の大き
さ（マグニチュード）が閾値以上になる成分では、正規
化自己相関関数の分布は1.0（最大値）付近に集中し、
閾値より小さくなる成分では0.25付近で最大となり、広
く分布することが分かる。正規化自己相関関数が大きい
程、入力音声の周期性は強く、それが小さい程、入力音
声の周期性は弱い（白色雑音に近くなる）ことを意味す
る。従って、本発明の復号方法のようにスペクトル包絡
形状の大きさ（マグニチュード）が閾値より小さい周波
数領域のみに対し、白色雑音を付加して混合音源とする
方法が妥当であることが分かる。この処理により、ＭＥ
ＬＰ方式のように帯域毎の有声性情報を伝送する必要な
しに前述のＬＰＣ方式の問題点Ａであるbuzz音を低減す
ることができる。

【００６４】また、参考文献[6]（線形予測分析・合成
方式の復号器）において提案された方法では、ＬＰＣ方
式の問題点Ａ（buzz音）は軽減できるものの、再生音声
の音質が雑音的になるという欠点があると前述したが、
その理由は次の通りである。図８において、スペクトル
包絡形状の大きさ（マグニチュード）が閾値より小さい
周波数領域の成分（○により表示）では、正規化自己相
関関数が0.6以上に分布する割合が全体の約２０％を占
めている。従って、全てのフレームにおいてスペクトル
包絡形状の大きさ（マグニチュード）が閾値より小さい
周波数領域を白色雑音で置き換えてしまうと、再生音声
の雑音感が増大し、品質を劣下させてしまう。本発明の
方法を用いればこの問題を解決することができる。

【００６５】適応スペクトルエンハンスメントフィルタ
(148)は、線形予測係数(x8)に帯域幅拡張処理を施した
ものを係数とする適応極／零フィルタであり、表２の
に示した通り、ホルマントの共振を鋭くし、自然音声の
ホルマントに対する近似度を改善することにより再生音
声の自然性を向上させる。さらに、補間された傾斜補正
係数(v8)を用いてスペクトルの傾きを補正して音のこも
りを低減する。前記切替え器(153)の出力(a9)は適応ス
ペクトルエンハンスメントフィルタ(148)によりフィル
タリングされ音源信号(b9)が出力される。ＬＰＣ合成フ
ィルタ(149)は、線形予測係数(x8)を係数として用いる
全極型フィルタであり、音源信号(b9)に対しスペクトル
包絡情報を付加して、その結果である信号(c9)を出力す
る。ゲイン調整器(150)は(c9)に対しゲイン情報(w8)を
用いてゲイン調整を行い、(d9)を出力する。パルス拡散
フィルタ(151)は、自然音声の声門パルス波形に対する
パルス音源波形の近似度を改善するためのフィルタであ
り、(d9)をフィルタリングして自然性が改善された再生
音声(e9)を出力する。このパルス拡散フィルタの効果は
表２のに示す通りである。

【００６６】なお、以上説明した本発明の音声符号化装
置および音声復号装置は、ＤＳＰ（デジタル・シグナル
・プロセッサ）によって容易に実現可能である。また、
前述した本発明の音声復号方法は、音声符号化器として
従来方式（ＬＰＣ方式）のものを用いた場合にも、その
まま適用することができる。さらに、上述の量子化レベ
ル数、符号語のビット数、音声符号化フレーム長、線形
予測係数、ＬＳＦ係数などの次数、各フィルタのカット
オフ周波数などは、それぞれ前述した実施の形態におい
て用いられた値に限られることはなく、それぞれの場合
に応じた値を採用することができる。

【００６７】

【発明の効果】以上説明したように、本発明の音声符号
化復号方法および装置を用いることにより、付加的な情
報ビットを伝送すること無く、従来方式（ＬＰＣ）にお
いて品質劣下の原因となっているbuzz音、トーン的雑音
を低減でき、再生音声の音質を向上できると共に、従来
方式（ＭＥＬＰ）よりも符号化速度を下げることが可能
となる。したがって、無線通信に用いる際には、周波数
利用効率の向上を図ることができる。

【図面の簡単な説明】

【図１】 本発明の音声符号化方法が適用された音声符
号化器の一実施の形態の構成を示すブロック図である。

【図２】 本発明の音声復号方法が適用された音声復号
器の一実施の形態の構成を示すブロック図である。

【図３】 ピッチ周期とインデックスの関係を説明する
ための図である。

【図４】 ピッチ周期の度数を説明するための図であ
る。

【図５】 ピッチ周期の累積度数を説明するための図で
ある。

【図６】 本発明の復号方法における混合音源作成方法
を説明するための図である。

【図７】 正規化自己相関関数の度数を説明するための
図である。

【図８】 正規化自己相関関数の累積度数を説明するた
めの図である。

【図９】 従来方式（ＬＰＣ）の音声符号化器の構成を
示す図である。

【図１０】 従来方式（ＬＰＣ）の音声復号器の構成を
示す図である。

【図１１】 ＬＰＣ方式およびＭＥＬＰ方式のスペクト
ルについて説明するための図である。

【図１２】 従来方式（ＭＥＬＰ）の音声符号化器の構
成を示す図である。

【図１３】 従来方式（ＭＥＬＰ）の音声復号器の構成
を示す図である。

【符号の説明】

１１１ フレーム化器、１１２ ゲイン計算機、１１３
量子化器１、１１４線形予測分析器、１１５ ＬＳＦ
係数計算器、１１６ 量子化器２、１１７ＬＰＣ分析フ
ィルタ、１１８ ピーキネス計算器、１１９ 相関関数
補正器、１２０ ローパスフィルタ、１２１ ピッチ検
出器、１２２ 非周期フラグ発生器、１２３ 量子化器
３、１２４ 非周期ピッチインデックス生成器、１２５
ビットパッキング器、１２６ 有声／無声判定器、１
２７ 周期／非周期ピッチおよび有声／無声情報コード
生成器、１３１ ビット分離器、１３２ 有声／無声情
報・ピッチ周期復号器、１３３ ジッタ設定器、１３４
ＬＳＦ復号器、１３５ 傾斜補正係数計算器、１３６
ゲイン復号器、１３７ パラメータ補間器、１３８
ピッチ周期計算器、１３９ 単一パルス発生器、１４０
雑音発生器、１４１ 混合音源１発生器、１４２ 混
合音源用フィルタリング器、１４３ 雑音音源用フィル
タリング器、１４４ 混合音源２発生器、１４５ 混合
音源３発生器、１４６ スペクトル包絡形状計算器、１
４７ 線形予測係数計算器、１４８ 適応スペクトルフ
ィルタ、１４９ ＬＰＣ合成フィルタ、１５０ ゲイン
調整器、１５１ パルス拡散フィルタ、１５２ １ピッ
チ波形復号器

───────────────────────────────────────────────────── フロントページの続き Ｆターム(参考） 5D045 CA04 5J064 AA01 BB03 BB04 BB12 BC08 BC12 BC16 BC22 BC27 BD02 9A001 BB03 BB04 CC05 EE04 GG05 GG22 HH15 HH16 HH17 HH18 KK37 LL02

Claims (7)

【特許請求の範囲】
1. 【請求項１】 線形予測分析・合成方式の音声符号化器
   によって音声信号が符号化処理された出力である音声情
   報ビット列から音声信号を再生する音声復号方法であっ
   て、 前記音声情報ビット列に含まれるスペクトル包絡情報、
   有声／無声識別情報、ピッチ周期情報およびゲイン情報
   を分離、復号し、 前記有声／無声識別情報が有声を示すときには、前記ス
   ペクトル包絡情報により算出される周波数軸上のスペク
   トル包絡値と予め定めた閾値とを比較して、該スペクト
   ル包絡値が前記閾値以上になる周波数領域を有声領域、
   その他の領域を無声領域とし、有声領域の音源信号とし
   て前記ピッチ周期情報に基づき発生されるピッチパルス
   を用い、無声領域の音源信号として前記ピッチパルスと
   白色雑音を所定の割合で混合した信号を用い、前記有声
   領域の音源信号および前記無声領域の音源信号を加算し
   た結果を音源信号とし、 前記有声／無声識別情報が無声を示すときには、白色雑
   音を音源信号とし、 該音源信号に対し前記スペクトル包絡情報および前記ゲ
   イン情報を付加して再生音声を生成することを特徴とす
   る音声復号方法。
2. 【請求項２】 線形予測分析・合成方式の音声符号化器
   によって音声信号が符号化処理された出力である音声情
   報ビット列から音声信号を再生する音声復号方法であっ
   て、 前記音声情報ビット列に含まれるスペクトル包絡情報、
   有声／無声識別情報、ピッチ周期情報およびゲイン情報
   を分離、復号し、 前記有声／無声識別情報が有声を示す場合は、有声強度
   情報に1.0をセットし、有声／無声識別情報が無声を示
   す場合は、有声強度情報に0をセットし、 前記スペクトル包絡情報、前記ピッチ周期情報、前記ゲ
   イン情報および該有声強度情報をピッチ周期に同期して
   線形補間し、 該補間された有声強度情報に応じた割合で、前記補間さ
   れたピッチ周期情報に基づき発生されるピッチパルスと
   白色雑音を混合して第１の混合音源信号とし、 前記補間されたスペクトル包絡情報により算出される周
   波数軸上のスペクトル包絡値と予め定めた閾値とを比較
   して、該スペクトル包絡値が閾値以上になる周波数領域
   を有声領域、その他の領域を無声領域とし、有声領域の
   音源信号として前記第１の混合音源信号を用い、無声領
   域の音源信号として前記第１の混合音源信号と白色雑音
   とを所定の割合で混合した信号を用い、前記有声領域の
   音源信号および前記無声領域の音源信号を加算した結果
   を第２の混合音源信号とし、 該第２の混合音源信号に対し前記補間されたスペクトル
   包絡情報および前記補間されたゲイン情報を付加して再
   生音声を生成することを特徴とする音声復号方法。
3. 【請求項３】 標本化され、予め定められた時間長の音
   声符号化フレームに分割された入力音声信号から、有声
   ／無声識別情報、ピッチ周期情報、周期的ピッチか非周
   期的ピッチかを示す非周期ピッチ情報を抽出して、符号
   化する音声符号化方法であって、 前記非周期ピッチ情報が周期的ピッチを示す音声符号化
   フレームでは、前記ピッチ周期情報を第１の所定のレベ
   ル数で量子化して、これを周期的ピッチ情報とし、 前記非周期ピッチ情報が非周期的ピッチを示す音声符号
   化フレームでは、それぞれのピッチ範囲に対しその発生
   度数の大小に応じた量子化レベルの割り当てを行い、第
   ２の所定のレベル数で量子化して、これを非周期的ピッ
   チ情報とし、 前記有声／無声識別情報が無声を示す状態に１つの符号
   語を割り当て、前記有声／無声識別情報が有声を示す状
   態として、前記周期的ピッチ情報に前記第１の所定のレ
   ベル数に対応する個数の符号語を割り当て、前記非周期
   的ピッチ情報に前記第２の所定のレベル数に対応する個
   数の符号語を割り当て、これらをまとめて所定のビット
   数を有する符号語として符号化することを特徴とする音
   声符号化方法。
4. 【請求項４】 前記符号語のビット数は７ビットであ
   り、前記有声／無声識別情報が無声を示す状態に全ての
   ビットが０（又は１）の符号語を割り当て、前記非周期
   的ピッチ情報に７ビット中、１または２ビットが１（又
   は０）である符号語を割り当て、その他の符号語に前記
   周期的ピッチ情報を割り当てることを特徴とする前記請
   求項３記載の音声符号化方法。
5. 【請求項５】 前記請求項３に記載された音声符号化方
   法と、前記請求項１あるいは２に記載された音声復号方
   法とからなる音声符号化復号方法。
6. 【請求項６】 所定のサンプル周波数で標本化され、量
   子化された音声サンプルを入力し、予め定められた時間
   長の音声符号化フレーム毎に所定数の音声サンプルを出
   力するフレーム化器と、 該１フレーム分の音声サンプルのレベル情報であるＲＭ
   Ｓ値の対数を計算し、その結果である対数ＲＭＳ値を出
   力するゲイン計算器と、 該対数ＲＭＳ値を線形量子化し、その結果である量子化
   後の対数ＲＭＳ値を出力する第１の量子化器と、 前記１フレーム分の音声サンプルに対し線形予測分析を
   行い、スペクトル包絡情報である所定次数の線形予測係
   数を出力する線形予測分析器と、 該線形予測係数をＬＳＦ（Line Spectrum Frequencie
   s）係数に変換して出力するＬＳＦ係数計算器と、 該ＬＳＦ係数を量子化し、その結果であるＬＳＦパラメ
   ータインデックスを出力する第２の量子化器と、 前記１フレーム分の音声サンプルを所定のカットオフ周
   波数でフィルタリングし帯域制限された入力信号を出力
   するローパスフィルタと、 該帯域制限された入力信号から正規化自己相関関数計算
   に基づきピッチ周期を抽出し、ピッチ周期および正規化
   自己相関関数の最大値を出力するピッチ検出器と、 該ピッチ周期を対数変換した後、第１の所定のレベル数
   で線形量子化し、その結果であるピッチ周期インデック
   スを出力する第３の量子化器と、 前記正規化自己相関関数の最大値を入力し、所定の閾値
   より小さければ非周期フラグをONにセット、そうでなけ
   ればOFFにセットして、非周期フラグを出力する非周期
   フラグ発生器と、 前記線形予測係数を係数として用いて前記１フレーム分
   の音声サンプルからスペクトル包絡情報を除去し、その
   結果である残差信号を出力するＬＰＣ分析フィルタと、 該残差信号を入力し、ピーキネス値を計算し、ピーキネ
   ス値を出力するピーキネス計算器と、 該ピーキネス計算器の値により、前記正規化自己相関関
   数の最大値の値を補正して補正された正規化自己相関関
   数の最大値を出力する相関関数補正器と、 該補正された正規化自己相関関数の最大値が所定の閾値
   以下であれば無声、そうでなければ有声と判定し、その
   結果である有声／無声フラグを出力する有声／無声判定
   器と、 前記非周期フラグが非周期を示しているフレームの前記
   ピッチ周期について、第２の所定のレベル数で不均一量
   子化し、非周期的ピッチインデックスを出力する非周期
   ピッチインデックス生成器と、 前記有声／無声フラグ、前記非周期フラグ、前記ピッチ
   周期インデックス、および前記非周期的ピッチインデッ
   クスを入力し、これらを所定のビット数で符号化した周
   期／非周期ピッチ・有声／無声情報コードを出力する周
   期／非周期ピッチおよび有声／無声情報コード生成器
   と、 前記量子化後の対数ＲＭＳ値、前記ＬＳＦパラメータイ
   ンデックス、および前記周期／非周期ピッチ・有声／無
   声情報コードを入力し、１フレーム毎にビットパッキン
   グを行い音声情報ビット列を出力するビットパッキング
   器とを備えた音声符号化装置。
7. 【請求項７】 前記請求項６記載の音声符号化装置によ
   り生成された１フレーム毎の音声情報ビット列を各パラ
   メータ毎に分離し、周期／非周期ピッチ・有声／無声情
   報コード、量子化後の対数ＲＭＳ値およびＬＳＦパラメ
   ータインデックスを出力するビット分離器と、 前記周期／非周期ピッチ・有声／無声情報コードを入力
   し、現フレームの状態が無声の場合は、ピッチ周期を所
   定の値にセットし、有声強度を0にセットして出力し、
   周期的および非周期的の場合は、ピッチ周期を符号化の
   規則に基づき復号処理して出力し、有声強度を1.0にセ
   ットして出力する有声／無声情報・ピッチ周期復号器
   と、 前記周期／非周期ピッチ・有声／無声情報コードを入力
   し、現フレームが無声または非周期的を示す場合は、ジ
   ッタ値を所定の値にセットして出力し、周期的を示す場
   合は、ジッタ値を0にセットして出力するジッタ設定器
   と、 前記ＬＳＦパラメータインデックスから前記所定の次数
   のＬＳＦ係数を復号して出力するＬＳＦ復号器と、 該ＬＳＦ係数から傾斜補正係数を計算し出力する傾斜補
   正係数計算器と、 前記量子化後の対数ＲＭＳ値を復号し、ゲインを出力す
   るゲイン復号器と、 前記ピッチ周期、前記有声強度、前記ジッタ値、前記Ｌ
   ＳＦ係数、前記傾斜補正係数および前記ゲインを、それ
   ぞれピッチ周期に同期して線形補間し、補間後のピッチ
   周期、補間後の有声強度、補間後のジッタ値、補間後の
   ＬＳＦ係数、補間後の傾斜補正係数および補間後のゲイ
   ンを出力するパラメータ補間器と、 該補間後のピッチ周期および補間後のジッタ値を入力
   し、補間後のピッチ周期にジッタを付加した後、整数値
   に変換されたピッチ周期（以後、整数ピッチ周期とい
   う）を出力するピッチ周期計算器と、 該整数ピッチ周期に同期して該整数ピッチ周期分の再生
   音声を復号し出力する１ピッチ波形復号器とを備え、 該１ピッチ波形復号器は、 前記整数ピッチ周期期間内に単一パルス信号を出力する
   単一パルス発生器と、 前記整数ピッチ周期の長さを持つ白色雑音を出力する雑
   音発生器と、 前記補間後の有声強度に基づき、前記単一パルス信号と
   該白色雑音とを合成して第１の混合音源信号を出力する
   第１の混合音源発生器と、 前記補間後のＬＳＦ係数から線形予測係数を計算する線
   形予測係数計算器と、 該線形予測係数から再生音声のスペクトル包絡形状情報
   を求め出力するスペクトル包絡形状計算器と、 前記スペクトル包絡形状情報の値と所定の閾値とを比較
   し、スペクトル包絡形状情報の値が該閾値以上の周波数
   領域を有声領域、それ以外の周波数領域を無声領域とし
   て、前記第１の混合音源情報のＤＦＴ係数のうち前記無
   声領域のものを0にした第１のＤＦＴ係数列、および、
   前記混合音源情報のＤＦＴ係数のうち前記有声領域のも
   のを0とした第２のＤＦＴ係数列を出力する混合音源用
   フィルタリング器と、 前記白色雑音のＤＦＴ係数のうち前記有声領域のものと
   0としたＤＦＴ係数列を出力する雑音音源用フィルタリ
   ング器と、 前記混合音源用フィルタリング器からの前記第２のＤＦ
   Ｔ係数列と前記雑音音源ようフィルタリング器からのＤ
   ＦＴ係数列とを所定の割合で混合して、その結果である
   ＤＦＴ係数列を出力する第２の混合音源発生器と、 該第２の混合音源発生器からのＤＦＴ係数列と前記混合
   音源用フィルタからの前記第１のＤＦＴ係数列とを加算
   した後、逆離散フーリエ変換を行い、混合音源信号とし
   て出力する第３の混合音源発生器と、 前記補間後の有声強度を入力し、それが0のときは前記
   白色雑音を選択し、その他のときは前記第３の混合音源
   発生器の出力である混合音源信号を選択して混合音源信
   号として出力する切替え器と、 前記線形予測係数に帯域幅拡張処理を施したものを係数
   とする適応極／零フィルタと、前記補間後の傾斜補正係
   数を係数とするスペクトル傾斜補正フィルタの従属接続
   であり、前記混合音源信号をフィルタリングしてスペク
   トルが改善された音源信号を出力する適応スペクトルエ
   ンハンスメントフィルタと、 前記線形予測係数を係数として用いる全極型フィルタで
   あり、該スペクトルが改善された音源信号に対してスペ
   クトル包絡情報を付加して、スペクトル包絡情報が付加
   された信号を出力するＬＰＣ合成フィルタと、 該スペクトル包絡情報が付加された信号に対し、前記ゲ
   インを用いてゲイン調整を行い、再生音声信号を出力す
   るゲイン調整器と、 該再生音声信号に対し、パルス拡散処理を施し、パルス
   拡散処理された再生音声信号を出力するパルス拡散フィ
   ルタとを備える音声復号装置。