JP2002156999A

JP2002156999A - 雑音信号分析装置、雑音信号合成装置、雑音信号分析方法および雑音信号合成方法

Info

Publication number: JP2002156999A
Application number: JP2001070148A
Authority: JP
Inventors: Fumitada Itakura; 文忠板倉; Koji Yoshida; 幸司吉田
Original assignee: Nagoya University NUC; Matsushita Communication Industrial Co Ltd
Current assignee: Nagoya University NUC; Panasonic Mobile Communications Co Ltd
Priority date: 2000-09-06
Filing date: 2001-03-13
Publication date: 2002-05-31
Anticipated expiration: 2021-03-13
Also published as: EP1258715A1; AU2001282616A1; EP1258715A4; US6934650B2; JP3670217B2; US20020165681A1; WO2002021091A1; EP1258715B1

Abstract

(57)【要約】【課題】背景雑音信号を聴感的に高い品質で合成
すること。【解決手段】ＦＦＴ部１０２は、窓かけがなされた入
力雑音信号を周波数スペクトルに変換する。スペクトル
モデル記憶部１０３は、スペクトルモデルに関するモデ
ル情報を記憶する。スペクトルモデル系列算出部１０４
は、スペクトルモデル記憶部１０３に記憶されたモデル
情報を用いて、入力雑音信号の振幅スペクトル系列に対
応するスペクトルモデル番号系列を算出する。継続長モ
デル・遷移確率算出部１０５は、スペクトルモデル系列
算出部１０４により算出されたスペクトルモデル番号系
列を用いてモデルパラメータを出力する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、音声信号に重畳さ
れている背景雑音信号の分析および合成を行う雑音信号
の分析・合成装置に関し、また、この分析・合成装置を
用いて音声信号の符号化を行う音声符号化装置に関す
る。

【０００２】

【従来の技術】ディジタル移動通信や音声蓄積の分野に
おいては、電波や記憶媒体の有効利用のために、音声情
報を圧縮して低いビットレートで符号化する音声符号化
装置が用いられている。このような音声符号化装置にお
ける従来の技術として、ITU-T勧告のＧ.７２９ AnnexB
（"A silence compression scheme for G.729 optimize
d for terminals conforming to Recommendation V.7
0"）のＤＴＸ(Discontinuous Transmission)制御付きの
ＣＳ−ＡＣＥＬＰ符号化方式がある。

【０００３】図１９は、従来のＤＴＸ制御付きＣＳ−Ａ
ＣＥＬＰ符号化方式を採用した符号化装置の構成を示す
ブロック図である。図１９において、入力音声信号は、
有音／無音判定器１１、ＣＳ−ＡＣＥＬＰ音声符号器１
２および無音区間符号器１３に入力される。まず、有音
／無音判定器１１において、入力音声信号が有音区間か
無音区間（背景雑音のみの区間）かの判定が行われる。

【０００４】有音／無音判定器１１により有音と判定さ
れた場合には、ＣＳ−ＡＣＥＬＰ音声符号器１２では、
有音区間に対する音声符号化が行われる。有音区間の符
号化データは、ＤＴＸ制御および多重化器１４に出力さ
れる。

【０００５】一方、有音／無音判定器１１により無音と
判定された場合には、無音区間符号器１３では、無音区
間に対する雑音信号の符号化が行われる。この無音区間
符号器１３においては、入力音声信号を用いて、有音区
間の符号化におけるものと同様のＬＰＣ係数、および、
入力音声信号のＬＰＣ予測残差エネルギーが算出され、
これらが無音区間の符号化データとしてＤＴＸ制御およ
び多重化器１４に出力される。ただし、無音区間の符号
化データは、入力信号の特性（ＬＰＣ係数やエネルギ
ー）に所定の変化が検出された区間において間欠的に送
信されるものである。

【０００６】ＤＴＸ制御および多重化器１４では、有音
／無音判定器１１、ＣＳ−ＡＣＥＬＰ音声符号器１２お
よび無音区間符号器１３の出力を用いて、送信データと
して送信すべきデータが、制御および多重化された後、
送信データとして出力される。

【０００７】上記のような従来の音声符号化装置におい
ては、入力音声信号における有音区間についてのみ、Ｃ
Ｓ−ＡＣＥＬＰ音声符号器を用いて符号化を行い、入力
音声信号における無音区間（雑音のみの区間）について
は、専用の無音区間符号器を用いて音声符号器より少な
いビット数でかつ間欠的に符号化を行うことにより、伝
送する信号の平均ビットレートを低減できる効果があ
る。

【０００８】

【発明が解決しようとする課題】しかしながら、上記従
来の音声符号化方式においては、以下に示すような要因
により、送信側装置により符号化されたデータを受信す
る受信側装置では、無音区間中の雑音信号に対する復号
信号の品質が劣化するという問題がある。すなわち、ま
ず第１の要因として、送信側装置における無音区間符号
器（雑音信号の分析・符号化部）が、音声符号器と同様
な信号モデル（短区間（10〜50ms程度）毎にＡＲ型の合
成フィルタ（ＬＰＣ合成フィルタ）を雑音信号で駆動す
ることで復号信号を生成する）により符号化を行ってい
ることが挙げられる。

【０００９】第２の要因として、受信側装置は、送信側
装置において入力雑音信号を間欠的に分析することによ
り得られた符号化データを用いて、雑音を合成（生成）
していることが挙げられる。

【００１０】本発明は、かかる点に鑑みてなされたもの
であり、背景雑音信号を聴感的に高い品質で合成できる
雑音信号合成装置を提供することを目的とする。

【００１１】

【課題を解決するための手段】本発明の雑音信号分析装
置は、雑音信号を用いて、振幅スペクトル時系列に関す
る統計的情報および前記振幅スペクトル時系列の継続時
間長に関する統計的情報を含む定常雑音モデルに関する
統計的情報と、前記定常雑音モデル間の遷移に関する統
計的情報と、を生成する分析手段を具備する構成を採
る。

【００１２】本発明の雑音信号分析装置は、分析手段
が、雑音信号を周波数領域の信号に変換することによ
り、前記雑音信号のスペクトルを算出する周波数変換手
段と、定常雑音モデルに対するスペクトルに関する統計
的情報を記憶する記憶手段と、前記複数の定常雑音モデ
ルのうち、前記雑音信号のスペクトルに対応する定常雑
音モデルを選択する選択手段と、を具備し、選択された
モデルの系列を用いて定常雑音モデルに関する統計的情
報と、前記定常雑音モデル間の遷移に関する統計的情報
を生成する構成を採る。

【００１３】これらの構成によれば、雑音信号を統計的
モデルで表現した信号に変換することにより、雑音信号
合成装置においては、聴感的に劣化の少ない雑音信号を
合成することができる。

【００１４】本発明の雑音信号合成装置は、上記雑音信
号分析装置により生成された統計的情報を用いて、雑音
信号を生成する生成手段を具備する構成を採る。

【００１５】本発明の雑音信号合成装置は、生成手段
が、定常雑音モデル間の遷移に関する統計的情報を用い
て、定常雑音モデルの遷移系列に関する情報を生成する
遷移系列生成手段と、定常雑音モデルに関する統計的情
報を用いて、合成すべき定常雑音モデルの継続時間長を
算出する継続時間長算出手段と、定常雑音モデルに対す
るスペクトルに関する統計的情報を記憶する記憶手段
と、生成された前記定常雑音モデルの遷移系列に関する
情報、算出された前記継続時間長、および、生成された
乱数位相を用いて、合成すべきスペクトル時系列を生成
するスペクトル生成手段と、生成されたスペクトルを時
間領域の信号に変換する逆周波数変換手段と、を具備す
る構成を採る。

【００１６】これらの構成によれば、雑音信号分析装置
により生成された、雑音信号が統計的モデルで表現され
た信号を用いて、雑音信号を合成することにより、聴感
的に劣化の少ない雑音信号を合成することができる。

【００１７】本発明の音声符号化装置は、上記雑音信号
分析装置を用いて、音声信号の無音区間における雑音信
号の符号化を行う構成を採る。

【００１８】本発明の音声復号装置は、上記雑音信号合
成装置を用いて、音声信号の無音区間における雑音信号
の復号を行う構成を採る。

【００１９】これらの構成によれば、雑音信号を統計的
モデルで表現することにより、聴感的に劣化の少ない雑
音信号を合成することが可能となる。

【００２０】本発明の雑音信号分析装置は、分析手段
が、雑音信号を周波数領域の信号に変換することにより
前記雑音信号のスペクトルを算出する周波数変換手段
と、定常雑音モデルの振幅スペクトル時系列に関する統
計的情報であるスペクトルモデルパラメータの算出と量
子化を行うスペクトルモデルパラメータ算出・量子化手
段と、前記定常雑音モデルの振幅スペクトル時系列の継
続時間長に関する統計的情報および前記定常雑音モデル
間の遷移に関する統計的情報の算出と量子化を行う継続
長モデル・遷移確率算出・量子化手段と、を具備し、前
記スペクトルモデルパラメータ算出・量子化手段は、前
記周波数変換手段により得られた入力雑音信号の振幅ス
ペクトルに対してパワの正規化を行うパワ正規化手段
と、雑音信号を表す振幅スペクトルの代表ベクトルの集
合を記憶する記憶手段と、前記パワ正規化手段により得
られたパワ正規化振幅スペクトルに対して、前記記憶手
段に記憶されている代表ベクトル集合を用いてクラスタ
化を行うクラスタ化手段と、入力雑音信号のモデル化区
間単位で選択頻度の高い上位複数個のクラスタを選択
し、それらの選択されたクラスタに属する入力振幅スペ
クトルの平均スペクトルをクラスタ毎に算出するクラス
タ別平均スペクトル算出手段と、入力雑音信号のモデル
化区間の平均パワを算出し、その量子化を行うモデル化
区間平均パワ量子化手段と、前記クラスタ別平均スペク
トル算出手段により得られたクラスタ別平均スペクトル
およびモデル化区間平均パワ量子化手段により得られた
量子化されたモデル化区間平均パワを用いて、クラスタ
毎の誤差スペクトルとモデル化区間平均パワに対するパ
ワ補正値の量子化を行う、誤差スペクトル・パワ補正値
量子化手段と、を具備し、前記スペクトルモデルパラメ
ータ算出・量子化手段により得られた、選択されたクラ
スタに対応する代表ベクトル、モデル化区間平均パワ、
誤差スペクトルおよびパワ補正値を含むスペクトルモデ
ルパラメータの量子化インデクス、および継続長モデル
・遷移確率算出・量子化手段により得られた継続時間長
に関する統計的情報および雑音モデル間の遷移に関する
統計的情報の量子化インデクスを出力する構成を採る。

【００２１】この構成によれば、雑音信号を統計的モデ
ルで表現した信号に変換し、それを量子化することによ
り、雑音信号合成装置においては、聴感的に劣化の少な
い雑音信号を合成することができると共に、前記定常雑
音モデルおよび定常雑音モデル間の遷移に関する統計的
情報を少ない情報量で量子化することができる。

【００２２】本発明の雑音信号合成装置は、上記雑音信
号分析装置により生成された、統計的情報の量子化イン
デクスを用いて、雑音信号を生成する生成手段を具備す
る構成を採る。

【００２３】本発明の雑音信号合成装置は、生成手段
が、定常雑音モデル間の遷移に関する統計的情報の量子
化インデクスを用いて、定常雑音モデルの遷移系列に関
する情報を生成する遷移系列生成手段と、前記継続時間
長に関する統計的情報の量子化インデクスを用いて、合
成すべき定常雑音モデルの継続時間長を算出する継続時
間長算出手段と、スペクトルモデルパラメータの量子化
インデクスを用いて前記スペクトルモデルパラメータを
復号するスペクトルモデルパラメータ復号手段と、生成
された前記定常雑音モデルの遷移系列に関する情報、算
出された前記継続時間長、前記スペクトルモデルパラメ
ータ、および、生成された乱数位相を用いて、合成すべ
きスペクトル時系列を生成するスペクトル生成手段と、
生成されたスペクトルを時間領域の信号に変換する逆周
波数変換手段と、を具備する構成を採る。

【００２４】これらの構成によれば、雑音信号分析装置
により雑音信号を統計的モデルで表現しそれを少ない情
報量で量子化した情報を用いて、雑音信号を合成するこ
とにより、聴感的に劣化の少ない雑音信号を合成するこ
とができる。

【００２５】本発明の音声符号化装置は、上記雑音信号
分析装置を用いて、音声信号の無音区間における雑音信
号の符号化を行う構成を採る。

【００２６】本発明の音声復号装置は、上記雑音信号合
成装置を用いて、音声信号の無音区間における雑音信号
の復号を行う構成を採る。

【００２７】これらの構成によれば、雑音信号を統計的
モデルで表現することにより、聴感的に劣化の少ない雑
音信号を合成することが可能となる。また、少ない情報
量、すなわち低ビットレートで雑音信号を伝送すること
が可能となる。

【００２８】本発明の雑音信号分析方法は、雑音信号を
周波数領域の信号に変換することにより、前記雑音信号
のスペクトルを算出する周波数変換工程と、定常雑音モ
デルに対するスペクトルに関する統計的情報を記憶する
記憶工程と、前記複数の定常雑音モデルのうち、前記雑
音信号のスペクトルに対応する定常雑音モデルを選択す
る選択工程と、選択されたモデルの系列を用いて、振幅
スペクトル時系列に関する統計的情報および前記振幅ス
ペクトル時系列の継続時間長に関する統計的情報を含む
定常雑音モデルに関する統計的情報と、前記定常雑音モ
デル間の遷移に関する統計的情報とを生成する分析工程
と、を具備する。

【００２９】この方法によれば、雑音信号を統計的モデ
ルで表現した信号に変換することにより、雑音信号合成
装置（受信側装置）においては、聴感的に劣化の少ない
雑音信号を合成することができる。

【００３０】本発明の雑音信号合成方法は、上記雑音信
号分析方法により生成された統計的情報における定常雑
音モデル間の遷移に関する統計的情報を用いて、定常雑
音モデルの遷移系列に関する情報を生成する遷移系列生
成工程と、前記統計的情報における定常雑音モデルに関
する統計的情報を用いて、合成すべき定常雑音モデルの
継続時間長を算出する継続時間長算出工程と、定常雑音
モデルに対するスペクトルに関する統計的情報を記憶す
る記憶工程と、生成された前記定常雑音モデルの遷移系
列に関する情報、算出された前記継続時間長、および、
生成された乱数位相を用いて、合成すべきスペクトル時
系列を生成するスペクトル生成工程と、生成されたスペ
クトルを時間領域の信号に変換する逆周波数変換工程
と、を具備する。

【００３１】この方法によれば、雑音信号分析装置によ
り生成された、雑音信号が統計的モデルで表現された信
号を用いて、雑音信号を合成することにより、聴感的に
劣化の少ない雑音信号を合成することができる。

【００３２】本発明の雑音信号分析方法は、雑音信号を
周波数領域の信号に変換することにより前記雑音信号の
スペクトルを算出する周波数変換工程と、定常雑音モデ
ルの振幅スペクトル時系列に関する統計的情報であるス
ペクトルモデルパラメータの算出と量子化を行うスペク
トルモデルパラメータ算出・量子化工程と、前記定常雑
音モデルの振幅スペクトル時系列の継続時間長に関する
統計的情報および前記定常雑音モデル間の遷移に関する
統計的情報の算出と量子化を行う継続長モデル・遷移確
率算出・量子化工程と、を具備し、前記スペクトルモデ
ルパラメータ算出・量子化工程は、前記周波数変換手段
により得られた入力雑音信号の振幅スペクトルに対して
パワの正規化を行うパワ正規化工程と、雑音信号を表す
振幅スペクトルの代表ベクトルの集合を記憶する記憶工
程と、前記パワ正規化工程により得られたパワ正規化振
幅スペクトルに対して、前記記憶工程により記憶されて
いる代表ベクトル集合を用いてクラスタ化を行うクラス
タ化工程と、入力雑音信号のモデル化区間単位で選択頻
度の高い上位複数個のクラスタを選択し、それらの選択
されたクラスタに属する入力振幅スペクトルの平均スペ
クトルをクラスタ毎に算出するクラスタ別平均スペクト
ル算出工程と、入力雑音信号のモデル化区間の平均パワ
を算出し、その量子化を行うモデル化区間平均パワ量子
化工程と、前記クラスタ別平均スペクトル算出工程によ
り得られたクラスタ別平均スペクトルおよびモデル化区
間平均パワ量子化工程により得られた量子化されたモデ
ル化区間平均パワを用いて、クラスタ毎の誤差スペクト
ルとモデル化区間平均パワに対するパワ補正値の量子化
を行う、誤差スペクトル・パワ補正値量子化工程と、を
具備し、前記スペクトルモデルパラメータ算出・量子化
工程により得られた、選択されたクラスタに対応する代
表ベクトル、モデル化区間平均パワ、誤差スペクトルお
よびパワ補正値を含むスペクトルモデルパラメータの量
子化インデクス、および継続長モデル・遷移確率算出・
量子化工程により得られた継続時間長に関する統計的情
報および雑音モデル間の遷移に関する統計的情報の量子
化インデクスを出力する。

【００３３】この方法によれば、雑音信号を統計的モデ
ルで表現した信号に変換し、それを量子化することによ
り、雑音信号合成装置（受信側装置）においては、聴感
的に劣化の少ない雑音信号を合成することができると共
に、前記定常雑音モデルおよび定常雑音モデル間の遷移
に関する統計的情報を少ない情報量で量子化することが
できる。

【００３４】本発明の雑音信号合成方法は、上記雑音信
号分析方法により生成された統計的情報の量子化インデ
クスを入力する工程と、定常雑音モデル間の遷移に関す
る統計的情報の量子化インデクスを用いて、定常雑音モ
デルの遷移系列に関する情報を生成する遷移系列生成工
程と、前記継続時間長に関する統計的情報の量子化イン
デクスを用いて、合成すべき定常雑音モデルの継続時間
長を算出する継続時間長算出工程と、スペクトルモデル
パラメータの量子化インデクスを用いて前記スペクトル
モデルパラメータを復号するスペクトルモデルパラメー
タ復号工程と、生成された前記定常雑音モデルの遷移系
列に関する情報、算出された前記継続時間長、前記スペ
クトルモデルパラメータ、および、生成された乱数位相
を用いて、合成すべきスペクトル時系列を生成するスペ
クトル生成工程と、生成されたスペクトルを時間領域の
信号に変換する逆周波数変換工程と、を具備する。

【００３５】この方法によれば、雑音信号分析装置によ
り雑音信号を統計的モデルで表現しそれを少ない情報量
で量子化した情報を用いて、雑音信号を合成することに
より、聴感的に劣化の少ない雑音信号を合成することが
できる。

【００３６】

【発明の実施の形態】本発明の骨子は、雑音信号を統計
的モデルで表現することである。具体的には、雑音信号
を用いて、振幅スペクトル時系列に関する統計的情報お
よび前記振幅スペクトル時系列の継続時間長に関する統
計的情報を含む定常雑音モデルに関する統計的情報と、
前記定常雑音モデル間の遷移に関する統計的情報と、を
生成することである。

【００３７】以下、本発明の実施の形態について、図面
を参照して詳細に説明する。

【００３８】（実施の形態１）本発明においては、雑音
信号を統計的なモデルで表現する。すなわち、ある統計
的分布に従う継続時間長からなる別の統計的分布に従う
振幅スペクトル時系列で表された複数の定常雑音モデル
を用いて、その定常雑音モデル間を統計的に遷移するス
ペクトル系列として雑音信号を表現する。

【００３９】より具体的には、定常雑音スペクトルは、
ある継続時間長（フレーム数）LiからなるM個の振幅ス
ペクトル時系列[Si(n)] (n=1,．．．,Li, i=1,．．．,
M)で表現し、かつ[Ｓｉ(n)]およびLiは各々正規分布に
従うものとする。そして、そのスペクトル時系列モデル
[Ｓｉ(n)]間を遷移確率p(i,j) (i,j=1,．．．,M)で遷移
するスペクトル系列として背景雑音を表現する。

【００４０】図１は、本発明の実施の形態１にかかる雑
音信号分析装置の構成を示すブロック図である。図１に
示す雑音信号分析装置において、窓かけ部１０１は、一
定区間（以下「フレーム」という。）毎に入力された第
mフレーム(m=0,1,2,．．．)に対する入力雑音信号ｘ(j)
（j=0,．．．,N-1; N:分析長）に対して、ハニング窓
等による窓かけを行う。ＦＦＴ（高速フーリエ変換）部
１０２は、窓かけがなされた入力雑音信号を周波数スペ
クトルに変換して、第mフレームの入力振幅スペクトルX
(m)を算出する。

【００４１】スペクトルモデル系列算出部１０４は、ス
ペクトルモデル記憶部１０３に蓄えられているスペクト
ルモデルＳｉ (i=1,．．．,M)に関するモデル情報を用
いて、入力雑音信号の振幅スペクトル系列[X(m)] (m=0,
1,2,．．．)に対応するスペクトルモデル番号系列[inde
x(m)]（1≦index(m)≦M, m=0,1,2,．．．）を算出す
る。ここで、スペクトルモデルＳｉ (i=1,．．．,M)に
関するモデル情報は、Ｓｉの統計パラメータである平均
振幅Sav#iおよび標準偏差Sdv#iを含むものである。これ
らは、予め学習により用意しておくことが可能である。
また、対応するスペクトルモデル番号系列の算出は、入
力振幅スペクトルX(m)からの距離が最も小さい平均振幅
Sav#iを有するスペクトルモデルＳｉの番号iを求めるこ
とにより、なされる。

【００４２】継続長モデル・遷移確率算出部１０５は、
スペクトルモデル系列算出部１０４により得られたスペ
クトルモデル番号系列[index(m)]を用いて、Ｓｉ各々に
対する継続フレーム数Liに関する統計パラメータ（Liの
平均値Lav#iおよび標準偏差値Ldv#i）およびＳｉ間の遷
移確率p(i,j)を算出し、それらを入力雑音信号に対する
モデルパラメータとして出力する。なお、これらのモデ
ルパラメータは、ある一定期間毎あるいは任意の間隔で
算出・伝送される。

【００４３】図２は、本発明の実施の形態１にかかる雑
音信号合成装置の構成を示すブロック図である。図２に
示す雑音信号合成装置において、遷移系列生成部２０１
は、図１に示した雑音信号分析装置により得られたモデ
ルパラメータ（Liの平均値Lav#i，標準偏差値Ldv#iおよ
びＳｉ間の遷移確率p(i,j)）のうちＳｉ間の遷移確率p
(i,j)を用いて、スペクトルモデルＳｉの遷移がその与
えられた遷移確率p(i,j)となるようなスペクトルモデル
番号遷移系列[index'(l)]（1≦index'(l)≦M, l=0,1,
2,．．．）を生起させる。

【００４４】スペクトル生成部２０５は、遷移系列生成
部２０１により得られたモデル番号index'(l)、およ
び、スペクトルモデル記憶部２０２に保持されているス
ペクトルモデルＳｉ (i=1,．．．,M)に関するモデル情
報（Ｓｉの平均振幅Sav#iおよび標準偏差Sdv#i）用い
て、次式で示されるindex'(l)に対するスペクトル振幅
時系列[X'(n)]を生成する。

【００４５】｛X'(n)]＝[S _index'(l)(n)], n=1,2,．．．,L −(1) ここで、S _index'(l)は、i=index'(l)に対する平均振幅
Sav#i、標準偏差Sdv#iを有する正規分布に従うものと
し、また継続フレーム数Lは、継続長制御部２０３にお
いて、雑音信号分析装置から出力されたスペクトルモデ
ルＳｉに対する継続フレーム数Liの統計モデルパラメー
タ（Liの平均値Lav#i，標準偏差値Ldv#i）を用いて、i=
index'(l)に対する平均値Lav#i、標準偏差Ldv#iを有す
る正規分布に従うように制御されたものである。

【００４６】さらに、スペクトル生成部２０５は、上記
の方法により、遷移系列[index'(l)]に沿って生成した
所定の時間長（フレーム数）のスペクトル振幅時系列に
対して、乱数位相生成部２０４により生成された乱数位
相を与えて、スペクトル時系列を作成する。なお、スペ
クトル生成部２０５において、生成された振幅スペクト
ル時系列に対してスペクトルが滑らかに変化するよう平
滑化を行ってもよい。

【００４７】ＩＦＦＴ（逆高速フーリエ変換）部２０６
は、スペクトル生成部２０５により作成されたスペクト
ル時系列を時間領域の波形に変換する。重ね合わせ加算
部２０７は、フレーム間の信号の重ね合わせ加算を行う
ことにより、最終的な合成雑音信号を出力する。

【００４８】次いで、上記構成を有する雑音信号分析装
置および雑音信号合成装置の動作について、さらに図３
および図４を参照して説明する。図３は、本発明の実施
の形態１にかかる雑音信号分析装置の動作を示すフロー
図である。図４は、本発明の実施の形態１にかかる雑音
信号合成装置の動作を示すフロー図である。

【００４９】まず、本実施の形態にかかる雑音信号分析
装置の動作について、図３を参照して説明する。まず、
工程（以下「ＳＴ」という。）３０１において、フレー
ム毎の雑音信号x(j)（j=0,．．．,N-1; N:分析長）
が、窓かけ部１０１に入力される。ＳＴ３０２におい
て、第mフレーム(m=0,1,2,．．．)に対する入力雑音信
号に対してハニング窓等による窓かけが、窓かけ部１０
１によりなされる。ＳＴ３０３において、窓かけがなさ
れた入力雑音信号は、ＦＦＴ部１０２により、ＦＦＴ
（高速フーリエ変換）がなされて、周波数スペクトルに
変換される。これにより、第mフレームの入力振幅スペ
クトルX(m)が算出される。

【００５０】ＳＴ３０４において、スペクトルモデル系
列算出部１０４により、スペクトルモデルＳｉ (i=
1,．．．,M)に関するモデル情報を用いて、入力雑音信
号の振幅スペクトル系列[X(m)] (m=0,1,2,．．．)に対
応するスペクトルモデル番号系列[index(m)]（1≦index
(m)≦M, m=0,1,2,．．．）が算出される。

【００５１】ここで、スペクトルモデルＳｉ (i=
1,．．．,M)に関するモデル情報は、Ｓｉの統計パラメ
ータである平均振幅Sav#iおよび標準偏差Sdv#iを含むも
のである。これらは、予め学習により用意しておくこと
が可能なものである。また、対応するスペクトルモデル
番号系列の算出は、入力振幅スペクトルX(m)からの距離
が最も小さい平均振幅Sav#iを有するスペクトルモデル
Ｓｉの番号iを求めることにより、なされる。以上のＳ
Ｔ３０１〜ＳＴ３０４の処理がフレーム単位で行われ
る。

【００５２】ＳＴ３０５では、ＳＴ３０４で得られたス
ペクトルモデル番号系列[index(m)]を用いて、継続長モ
デル・遷移確率算出部１０５により、Ｓｉ各々に対する
継続フレーム数Liに関する統計パラメータ（Liの平均値
Lav#iおよび標準偏差値Ldv#i）およびＳｉ間の遷移確率
p(i,j)が算出される。ＳＴ３０６において、これらは、
入力雑音信号に対するモデルパラメータとして出力され
る。なお、これらのモデルパラメータは、ある一定期間
毎あるいは任意の間隔で算出・伝送される。

【００５３】本実施の形態にかかる雑音信号合成装置の
動作について、図４を参照して説明する。まず、ＳＴ４
０１において、雑音信号分析装置により得られたモデル
パラメータ（Liの平均値Lav#i，標準偏差値Ldv#iおよび
Ｓｉ間の遷移確率p(i,j)）が、遷移系列生成部２０１お
よび継続長制御部２０３に入力される。

【００５４】ＳＴ４０２において、入力されたモデルパ
ラメータのうちＳｉ間の遷移確率p(i,j)を用いて、遷移
系列生成部２０１により、スペクトルモデルＳｉの遷移
がその与えられた遷移確率p(i,j)となるようなスペクト
ルモデル番号遷移系列[index'(l)]（1≦index'(l)≦M,
l=0,1,2,．．．）が生起される。

【００５５】次に、ＳＴ４０３において、入力されたモ
デルパラメータのうちスペクトルモデルＳｉに対する継
続フレーム数Liの統計モデルパラメータ（Liの平均値La
v#i，標準偏差値Ldv#i）を用いて、i=index'(l)に対し
て平均値Lav#i、標準偏差Ldv#iを有する正規分布に従う
ように制御された継続フレーム数Lが、継続長制御部２
０３により生成される。また、ＳＴ４０４において、乱
数位相生成部２０４により乱数位相が生成される。

【００５６】ＳＴ４０５において、ＳＴ４０２で得られ
たモデル番号index'(l)および予め用意されているスペ
クトルモデルＳｉ (i=1,．．．,M)に関するモデル情報
（Ｓｉの平均振幅Sav#iおよび標準偏差Sdv#i）を用い
て、スペクトル生成部２０５により、式で示したinde
x'(l)に対するスペクトル振幅時系列[X'(n)]が生成され
る。なお、生成された振幅スペクトル時系列に対してス
ペクトルが滑らかに変化するよう平滑化を行っても良
い。

【００５７】ここで、S _index'(l)は、i=index'(l)に対
する平均振幅Sav#i、標準偏差Sdv#iを有する正規分布に
従うものとし、継続フレーム数Lは、ＳＴ４０４におい
て生成されたものである。

【００５８】さらに、遷移系列[index'(l)]に沿って生
成した所定の時間長（フレーム数）のスペクトル振幅時
系列に対して、ＳＴ４０４により生成された乱数位相が
与えられて、スペクトル時系列が作成される。

【００５９】ＳＴ４０６において、作成されたスペクト
ル時系列は、ＩＦＦＴ部２０６により時間領域の波形に
変換された後、ＳＴ４０７において、重ね合わせ加算部
２０７によりフレーム間の信号の重ねあわせ加算が行わ
れる。ＳＴ４０８において、重ね合わせ加算された信号
が最終的な合成雑音信号として出力される。

【００６０】このように、本実施の形態においては、背
景雑音信号を統計的モデルで表現している。すなわち、
雑音信号分析装置（送信側装置）において、雑音信号を
用いて、雑音信号スペクトルのスペクトル変化を含めた
統計的情報（統計モデルパラメータ）を生成し、生成し
た情報を雑音信号合成装置（受信側装置）に送信してい
る。また、雑音信号合成装置（受信側装置）において
は、雑音信号分析装置（送信側装置）から送信された上
記情報（統計モデルパラメータ）を用いて、雑音信号を
合成している。これにより、雑音信号合成装置（受信側
装置）においては、間欠的に分析された雑音信号のスペ
クトルではなく、雑音信号スペクトルのスペクトル変化
を含めた統計的情報を用いて、雑音信号を合成すること
ができるので、聴感的に劣化の少ない雑音信号を合成す
ることができる。

【００６１】なお、本実施の形態では、図１および図２
に示す構成の雑音信号分析装置・合成装置、および図３
および図４に示す雑音信号分析方法・合成方法を用い
て、上記に示した内容で説明したが、本発明の主旨に逸
脱することなく別の実現手段にて実現することも可能で
ある。たとえば、上記実施の形態では、スペクトルモデ
ル情報として、スペクトルSの統計モデル（Sの平均と標
準偏差）は予め学習により用意したものとして説明した
が、入力雑音信号に対して実時間的に学習する、または
ＬＰＣ係数等別のスペクトル表現パラメータで量子化し
て合成側に伝送する形態にすることもできる。また、ス
ペクトル継続長の統計パラメータ（Lの平均Lav，標準偏
差Ldv）やスペクトルモデルＳｉ間の統計遷移パラメー
タを予めパターン化しておき、その中から適切なもの
を、ある一定期間中の入力雑音信号に対して選択して伝
送し、それに基づき合成することも可能である。

【００６２】（実施の形態２）本実施の形態では、実施
の形態１で説明した雑音信号分析装置を用いて音声符号
化装置を実現し、また、実施の形態１で説明した雑音信
号合成装置を用いて音声復号装置を実現する場合につい
て説明する。

【００６３】まず、本実施の形態にかかる音声符号化装
置について、図５を参照して説明する。図５は、本発明
の実施の形態２にかかる音声符号化装置の構成を示すブ
ロック図である。図５において、入力音声信号は、有音
／無音判定器５０１、音声符号器５０２および雑音信号
符号器５０３に入力される。

【００６４】有音／無音判定器５０１は、入力音声信号
に対して有音区間か無音区間（雑音のみの区間）かを判
定しその判定結果を出力する。有音／無音判定器５０１
は、任意のものでよく、一般には、入力信号のパワー、
スペクトルやピッチ周期などの複数のパラメータの瞬時
量または変化量等を用いて判定を行うものである。

【００６５】音声符号器５０２は、有音／無音判定器５
０１による判定結果が有音である場合に、入力音声信号
に対して音声符号化を行いその符号化データを、ＤＴＸ
制御および多重化器５０４に出力する。この音声符号器
５０２は、有音区間用の符号器であり、音声を高能率に
符号化する任意の符号器である。

【００６６】雑音信号符号器５０３は、有音／無音判定
器５０１による判定結果が無音である場合に、入力音声
信号に対して雑音信号の符号化を行い入力雑音信号に対
するモデルパラメータを出力する。この雑音信号符号器
５０３は、実施の形態１で説明した雑音信号分析装置
（図１参照）に対して、出力モデルパラメータを量子化
・符号化して符号化パラメータとして出力する構成を付
加したものである。

【００６７】ＤＴＸ制御および多重化器５０４は、有音
／無音判定器５０１、音声符号器５０２および雑音信号
符号器５０３からの出力を用いて送信データとして送信
すべき情報の制御と送信情報の多重化を行い、送信デー
タを出力する。

【００６８】次に、本発明の実施の形態２にかかる音声
復号装置について、図６を参照して説明する。図６は、
本発明の実施の形態２にかかる音声復号装置の構成を示
すブロック図である。図６において、図５に示した音声
符号化装置により送信された送信データは、受信データ
として分離およびＤＴＸ制御器６０１に入力される。

【００６９】分離およびＤＴＸ制御器６０１は、受信デ
ータを、音声復号および雑音生成に必要な、音声符号化
データまたは雑音モデル符号化パラメータおよび有音／
無音判定フラグに分離する。

【００７０】音声復号器６０２は、前記有音／無音判定
フラグが有音区間を示す場合に、前記音声符号化データ
を用いて音声復号を行い復号音声を出力する。雑音信号
復号器６０３は、前記有音/無音判定フラグが無音区間
を示す場合に、前記雑音モデル符号化パラメータを用い
て雑音信号の生成を行い、雑音信号を出力する。この雑
音信号復号器６０３は、実施の形態１で説明した雑音信
号合成装置（図２）に対して、入力されたモデル符号化
パラメータを各々のモデルパラメータに復号する構成を
付加したものである。

【００７１】出力切り替え器６０４は、音声復号器６０
２の出力と雑音信号復号器６０３の出力を、有音／無音
判定フラグの結果に応じて切り替えて出力し、出力信号
とする。

【００７２】次に、上記構成を有する音声符号化装置お
よび音声復号装置の動作について説明する。まず、音声
符号化装置の動作について、図７を参照して説明する。
図７は、本発明の実施の形態２にかかる音声符号化装置
の動作を示すフロー図である。

【００７３】まず、ＳＴ７０１において、フレーム毎の
音声信号が入力され、ＳＴ７０２において、入力音声信
号に対して有音区間か無音区間（雑音のみの区間）かが
判定されその判定結果が出力される。この有音／無音判
定は任意の方法でよく、一般には、入力信号のパワー、
スペクトルやピッチ周期などの複数のパラメータの瞬時
量または変化量等を用いて判定が行われる。

【００７４】ＳＴ７０２における有音／無音判定結果が
有音である場合には、ＳＴ７０４において入力音声信号
に対する音声符号化が行われ、その符号化データが出力
される。この音声符号化処理は有音区間用の符号化で、
音声を高能率に符号化する任意の方法でよい。

【００７５】一方、前記有音／無音判定結果が無音であ
る場合には、ＳＴ７０５において、入力音声信号に対す
る雑音信号の符号化が行われ、入力雑音信号に対するモ
デルパラメータが出力される。この雑音信号符号化は、
実施の形態１にて説明した雑音信号の分析方法に対し
て、出力モデルパラメータを量子化・符号化して符号化
パラメータとして出力する工程を追加したものである。

【００７６】ＳＴ７０６において、前記有音／無音判定
結果、音声符号化および雑音信号符号化からの出力を用
いて送信データとして送信すべき情報の制御（ＤＴＸ制
御）と送信情報の多重化が行われ、ＳＴ７０７において
送信データとして出力される。

【００７７】次に、音声復号装置の動作について、図８
を参照して説明する。図８は、本発明の実施の形態２に
かかる音声復号装置の動作を示すフロー図である。

【００７８】まず、ＳＴ８０１において、符号化側で入
力信号に対して符号化され送信された送信データが受信
データとして受信される。ＳＴ８０２において、受信デ
ータは、音声復号および雑音生成に必要な、音声符号化
データまたは雑音モデル符号化パラメータおよび有音／
無音判定フラグに分離される。

【００７９】前記有音／無音判定フラグが有音区間を示
す場合には、ＳＴ８０４において前記音声符号化データ
を用いて音声復号が行われ、復号音声が出力される。一
方、前記有音／無音判定フラグが無音区間を示す場合に
は、ＳＴ８０５において前記雑音モデル符号化パラメー
タを用いて雑音信号の生成が行われ、雑音信号が出力さ
れる。この雑音信号復号処理は、実施の形態１で説明し
た雑音信号の合成方法に対して、入力されたモデル符号
化パラメータを各々のモデルパラメータに復号する工程
を追加したものである。

【００８０】ＳＴ８０６において、有音／無音判定フラ
グの結果に応じてＳＴ８０４における音声復号またはＳ
Ｔ８０５における雑音信号復号の出力が、復号信号とし
て出力される。

【００８１】このように、本実施の形態によれば、有音
区間では音声信号を高品質で符号化できる音声符号化
で、無音区間では聴感的に劣化が少ない雑音信号分析装
置および合成装置を用いて雑音信号の符号化および復号
を行うことにより、背景雑音環境下においても高品質な
符号化を行える。また、実際の周囲騒音下での雑音信号
の統計的な特性は比較的長期間（例えば数秒〜十数秒）
に渡り一定であることが想定されることから、モデルパ
ラメータの伝送周期もその程度の長期間周期で良いた
め、復号側に伝送すべき雑音信号のモデルパラメータの
情報量は少なくて済み、効率的な伝送を実現できる。

【００８２】（実施の形態３）図９は、本発明の実施の
形態３にかかる雑音信号分析装置の構成を示すブロック
図である。

【００８３】本実施の形態においても、実施の形態１と
同様、定常雑音スペクトルをある継続時間長（フレーム
数）LiからなるM個の振幅スペクトル時系列[Ｓｉ(n)]
(n=1,．．．,Li, i=1,．．．,M)で表現（[Ｓｉ(n)]およ
びLiは各々正規分布に従うものとする）し、そのスペク
トル時系列モデル[Ｓｉ(n)]間を遷移確率p(i,j) (i,j=
1,．．．,M)で遷移するスペクトル系列として背景雑音
を表現する。

【００８４】図９に示す雑音信号分析装置において、窓
かけ部９０１は、一定区間（以下「フレーム」とい
う。）毎に入力された第mフレーム(m=0,1,2,．．．)に
対する入力雑音信号x(j)（j=0,．．．,N-1; N:分析
長）に対して、ハニング窓等による窓かけを行う。ＦＦ
Ｔ（高速フーリエ変換）部９０２は、窓かけがなされた
入力雑音信号を周波数スペクトルに変換して、第mフレ
ームの入力振幅スペクトルX(m)を算出する。スペクトル
モデルパラメータ算出・量子化部９０３は、入力雑音信
号の振幅スペクトル系列[X(m)] (m=0,1,2,．．．)を一
定フレーム数の区間、または何らかの指標により適応的
に定められたフレーム数からなる区間をモデル化を行う
単位区間（モデル化区間）として区切り、そのモデル化
区間におけるスペクトルモデルパラメータの算出および
量子化を行い、スペクトルモデルパラメータの量子化イ
ンデクスを出力すると共に、入力雑音信号の振幅スペク
トル系列[X(m)]に対応するスペクトルモデル番号系列[i
ndex(m)]（1≦index(m)≦M, m=mk,mk+1,mk+2,．．．,m
k+NFRM-1; mkは当該モデル化区間の先頭フレーム番号、
NFRMはモデル化区間のフレーム数）を出力する。ここ
で、スペクトルモデルパラメータとは、スペクトルモデ
ルＳｉ (i=1,．．．,M)の統計パラメータである平均振
幅Sav#iおよび標準偏差Sdv#iを含むものである。このス
ペクトルモデルパラメータ算出・量子化部９０３の構成
については、図１０により詳細に説明する。

【００８５】継続長モデル・遷移確率算出・量子化部９
０４は、スペクトルモデルパラメータ算出・量子化部９
０３により得られたモデル化区間のスペクトルモデル番
号系列[index(m)]を用いて、Ｓｉ各々に対する継続フレ
ーム数Liに関する統計パラメータ（継続長モデルパラメ
ータ）（Liの平均値Lav#iおよび標準偏差値Ldv#i）およ
びＳｉ-Sj間の遷移確率p(i,j)を算出・量子化し、それ
らの量子化インデクスを出力する。量子化方法は任意で
あるが、Lav#i、Ldv#i、およびp(i,j)の各要素を各々ス
カラ量子化してもよい。

【００８６】以上の、スペクトルモデルパラメータ、継
続長モデルパラメータおよび遷移確率パラメータの量子
化インデクスを、モデル化区間の入力雑音信号の統計モ
デルパラメータ量子化インデクスとして出力する。

【００８７】図１０は、図９のスペクトルモデルパラメ
ータ算出・量子化部９０３の詳細構成を示すブロック図
である。本実施例におけるスペクトルモデルパラメータ
算出・量子化部９０３は、予め用意した雑音信号を表す
振幅スペクトルの代表ベクトル集合の中から、入力雑音
のモデル化区間における入力振幅スペクトル時系列を表
すのに適切な代表ベクトルをモデル数（=Ｍ）個選択
し、それをベースにスペクトルモデルパラメータを算出
・量子化する。

【００８８】まず、モデル化区間内のフレーム単位の入
力振幅スペクトルX(m) (m=mk,mk+1,mk+2,．．．,mk+NFR
M-1)に対して、パワ算出部１００１で算出されたパワ値
を用いて、パワ正規化部１００２でパワの正規化を行
う。そして、そのパワ正規化された入力振幅スペクトル
に対して、クラスタ化部１００４において、雑音スペク
トル代表ベクトル記憶部１００３の各代表ベクトルをク
ラスタ中心とするクラスタ化（ベクトル量子化）を行
い、各入力スペクトルがどのクラスタに所属するかの情
報を出力する。ここで、雑音スペクトル代表ベクトル記
憶部１００３には、代表的な雑音信号の振幅スペクトル
を代表ベクトルとして予め学習により作成し、記憶して
いるもので、代表ベクトルの数は雑音モデル数(M)以上
とする。そして、クラスタ別平均スペクトル算出部１０
０５において、クラスタ化部１００４で得られた所属す
るクラスタ（代表ベクトル）番号の系列に対して、モデ
ル化区間で所属頻度の高い上位Ｍ個のクラスタ（対応す
る代表ベクトルをCi(i=1,2,…,M)とする）を選択し、そ
の各クラスタに所属する入力雑音振幅スペクトルの平均
スペクトルをクラスタ毎に算出し、それらをスペクトル
モデルの平均振幅スペクトルSav#i(i=1,2,…,M)とす
る。また、入力雑音信号の振幅スペクトル系列[X(m)]に
対するスペクトルモデル番号系列[index(m)]（1≦index
(m)≦M, m=mk,mk+1,mk+2,．．．,mk+NFRM-1）をあわせ
て出力する。この番号系列は、クラスタ化部１００４で
得られた所属するクラスタ（代表ベクトル）番号の系列
をベースに，上位Ｍ個のクラスタに属す番号系列として
生成する。すなわち、上位Ｍ個のクラスタに属さないフ
レームに対しては、任意の方法（例えば、再度のクラス
タ化や前フレームのクラスタ番号に置換するなど）で上
記Ｍ個のクラスタの番号に対応付けるか、またはそのフ
レームは系列から削除するなどを行う。次に、モデル化
区間平均パワ量子化部１００６において、パワ算出部１
００１で算出されたフレーム毎のパワ値を、モデル化区
間全体で平均し、その平均パワに対してスカラ量子化な
ど任意の方法で量子化を行い、パワインデクスおよびモ
デル化区間平均パワ値（量子化値）Ｅを出力する。そし
て、誤差スペクトル・パワ補正値量子化部１００７にお
いて、Sav#iを(2)式のように、対応する代表ベクトルC
i，Ciからの誤差スペクトルdi，モデル化区間平均パワ
Ｅおよび各スペクトルモデル別のＥに対するパワ補正値
eiで表し、di, eiをスカラ量子化等任意の方法で量子化
する。

【００８９】 Sav#i = sqrt(E)・ei・(Ci+di) (i=1,…,M) −(2) ここで、誤差スペクトルdiの量子化は、diを複数の帯域
に分割し、帯域毎に各帯域の平均値のスカラ量子化を行
う構成としてもよい。以上、クラスタ別平均スペクトル
算出部１００５で得られたＭ個の代表ベクトルインデク
ス、誤差スペクトル・パワ補正値量子化部１００７で得
られた、誤差スペクトル量子化インデクスおよびパワ補
正値量子化インデクス、モデル区間平均パワ量子化部１
００６で得られたパワ量子化インデクスを、スペクトル
モデルパラメータの量子化インデクスとして出力する。

【００９０】なお、スペクトルモデルパラメータのうち
標準偏差Sdv#iは、雑音スペクトル代表ベクトル学習時
に得られるCiに対するクラスタ内標準偏差値をそのまま
使用する。この値に関しては雑音スペクトル代表ベクト
ル記憶部に予め記憶させておくことで、量子化インデク
スの出力は不要である。また、クラスタ別平均スペクト
ル算出部１００５で、平均スペクトル算出時に、クラス
タ内の標準偏差も算出し、その量子化を行ってもよい。
この場合は、その量子化インデクスをスペクトルモデル
パラメータの量子化インデクスの一部として出力する。

【００９１】なお、上記実施の形態では、誤差スペクト
ルの量子化を帯域別のスカラ量子化により説明したが、
全帯域のベクトル量子化等他の方法で量子化することも
可能である。また、パワ情報をモデル化区間の平均パワ
とモデル別の平均パワに対する補正値により表現した構
成を説明したが、モデル別のパワのみでの表現や、モデ
ル化区間の平均パワで全モデルのパワを代表するように
してもよい。

【００９２】次に、図１１は、本発明の実施の形態３に
かかる雑音信号合成装置の構成を示すブロック図であ
る。図１１に示す雑音信号合成装置において、まず遷移
系列生成部１１０１にて、図９に示した雑音信号分析装
置により得られた統計モデルパラメータ量子化インデク
スのうち、Si-Sj間の遷移確率p(i,j)の量子化インデク
スを用いて遷移確率p(i,j)を復号し、スペクトルモデル
Ｓｉの遷移が与えられた遷移確率p(i,j)となるようなス
ペクトルモデル番号遷移系列[index'(l)]（1≦index'
(l)≦M, l=0,1,2,．．．）を生起させる。次に、スペ
クトルモデルパラメータ復号部１１０３においてスペク
トルモデルパラメータの量子化インデクスからスペクト
ルモデルＳｉの統計パラメータである平均振幅Sav#iお
よび標準偏差Sdv#i(i=1,．．．,M)を復号する。ここ
で、平均振幅Sav#iの復号は、符号化装置のスペクトル
パラメータ算出・量子化部９０３で得られた量子化イン
デクスおよび、スペクトルモデルパラメータ復号部１１
０３内に備えられた符号化側と同一の雑音スペクトル代
表ベクトル記憶部内の代表ベクトルを用い、(2)式に基
き復号する。また、標準偏差Sdv#iに関しては、符号化
装置にて雑音スペクトル代表ベクトル学習時に得られる
Ciに対するクラスタ内標準偏差値をそのまま使用した場
合には、該当する値を雑音スペクトル代表ベクトル記憶
部１００３から得ることで復号する。そして、スペクト
ル生成部１１０５は、遷移系列生成部１１０１により得
られたモデル番号index'(l)、および、スペクトルモデ
ルパラメータ復号部１１０３で得られたスペクトルモデ
ルＳｉ (i=1,．．．,M)に関するモデル情報（Ｓｉの平
均振幅Sav#iおよび標準偏差Sdv#i）用いて、次式で示さ
れるindex'(l)に対するスペクトル振幅時系列[X'(n)]を
生成する。

【００９３】｛X'(n)｝＝[S _index'(l)(n)], n=1,2,．．．,L −(3) ここで、S _index'(l)は、i=index'(l)に対する平均振幅
Sav#i、標準偏差Sdv#iを有する正規分布に従うものと
し、また継続フレーム数Lは、継続長制御部１１０２に
おいて、雑音信号分析装置から出力されたスペクトルモ
デルＳｉに対する継続フレーム数Liの統計モデルパラメ
ータの量子化インデクスからの復号値（Liの平均値Lav#
i，標準偏差値Ldv#i）を用いて、i=index'(l)に対する
平均値Lav#i、標準偏差Ldv#iを有する正規分布に従うよ
うに制御されたものである。

【００９４】さらに、スペクトル生成部１１０５は、上
記の方法により、遷移系列[index'(l)]に沿って生成し
た所定の時間長（＝当該モデル化区間のフレーム数NFR
M）のスペクトル振幅時系列に対して、乱数位相生成部
１１０４により生成された乱数位相を与えて、スペクト
ル時系列を作成する。なお、スペクトル生成部１１０５
において、生成された振幅スペクトル時系列に対してス
ペクトルが滑らかに変化するよう平滑化を行ってもよ
い。

【００９５】ＩＦＦＴ（逆高速フーリエ変換）部１１０
６は、スペクトル生成部１１０５により作成されたスペ
クトル時系列を時間領域の波形に変換する。重ね合わせ
加算部１１０７は、フレーム間の信号の重ね合わせ加算
を行うことにより、最終的な合成雑音信号を出力する。

【００９６】次いで、上記構成を有する雑音信号分析装
置および雑音信号合成装置の動作について、さらに図１
２〜図１４を参照して説明する。

【００９７】まず、本実施の形態にかかる雑音信号分析
装置の動作について、図１２を参照して説明する。ま
ず、工程（以下「ＳＴ」という。）１２０１において、
フレーム毎の雑音信号x(j)（j=0,．．．,N-1; N:分析
長）が、窓かけ部９０１に入力される。ＳＴ１２０２に
おいて、第mフレーム(m=0,1,2,．．．)に対する入力雑
音信号に対してハニング窓等による窓かけが、窓かけ部
９０１によりなされる。次に、ＳＴ１２０３において、
窓かけがなされた入力雑音信号に対して、ＦＦＴ部９０
２によりＦＦＴ（高速フーリエ変換）がなされて周波数
スペクトルに変換される。これにより第mフレームの入
力振幅スペクトルX(m)が算出される。ＳＴ１２０４にお
いて、スペクトルモデルパラメータ算出・量子化部９０
３により、入力雑音信号の振幅スペクトル系列[X(m)]
(m=0,1,2,．．．)を一定フレーム数の区間、または何ら
かの指標により適応的に定められたフレーム数からなる
区間をモデル化を行う単位区間（モデル化区間）として
区切り、そのモデル化区間におけるスペクトルモデルパ
ラメータの算出および量子化が行われ、スペクトルモデ
ルパラメータの量子化インデクスが出力されると共に、
入力雑音信号の振幅スペクトル系列[X(m)]に対応するス
ペクトルモデル番号系列[index(m)]（1≦index(m)≦M,
m= mk,mk+1,mk+2,．．．,mk+NFRM-1; mkは当該モデル
化区間の先頭フレーム番号、NFRMはモデル化区間のフレ
ーム数）が出力される。ここで、スペクトルモデルパラ
メータとは、スペクトルモデルＳｉ (i=1,．．．,M)の
統計パラメータである平均振幅Sav#iおよび標準偏差Sdv
#iを含むものである。このＳＴ１２０４におけるスペク
トルモデルパラメータ算出・量子化部９０３の動作につ
いては、図１３により詳細に説明する。

【００９８】次に、ＳＴ１２０５において、継続長モデ
ル・遷移確率算出・量子化部９０４により、ＳＴ１２０
４にて得られたモデル化区間のスペクトルモデル番号系
列[index(m)]を用いて、Ｓｉ各々に対する継続フレーム
数Liに関する統計パラメータ（継続長モデルパラメー
タ）（Liの平均値Lav#iおよび標準偏差値Ldv#i）および
Si-Sj間の遷移確率p(i,j)が算出・量子化され、それら
の量子化インデクスが出力される。量子化方法は任意で
あるが、Lav#i、Ldv#i、およびp(i,j)の各要素を各々ス
カラ量子化してもよい。

【００９９】そして、ＳＴ１２０６において、以上の、
スペクトルモデルパラメータ、継続長モデルパラメータ
および遷移確率パラメータの量子化インデクスが、モデ
ル化区間の入力雑音信号の統計モデルパラメータ量子化
インデクスとして出力される。

【０１００】図１３は、図１２のＳＴ１２０４における
スペクトルモデルパラメータ算出・量子化部９０３の詳
細動作を示すフロー図である。本実施例におけるスペク
トルモデルパラメータ算出・量子化部９０３は、予め用
意した雑音信号を表す振幅スペクトルの代表ベクトル集
合の中から、入力雑音のモデル化区間における入力振幅
スペクトル時系列を表すのに適切な代表ベクトルをモデ
ル数（=Ｍ）個選択し、それをベースにスペクトルモデ
ルパラメータを算出・量子化する。

【０１０１】まず、ＳＴ１３０１において、モデル化区
間内のフレーム単位の入力振幅スペクトルX(m) (m= mk,
mk+1,mk+2,．．．,mk+NFRM-1)が入力される。そして、
ＳＴ１３０２において、入力振幅スペクトルに対して、
パワ算出部１００１により当該フレームのパワが算出さ
れ、ＳＴ１３０３において、パワ算出部１００１で算出
されたパワ値を用いて、パワ正規化部１００２によりパ
ワの正規化が行われる。次に、ＳＴ１３０４において、
そのパワ正規化された入力振幅スペクトルに対して、ク
ラスタ化部１００４により、雑音スペクトル代表ベクト
ル記憶部１００３の各代表ベクトルをクラスタ中心とす
るクラスタ化（ベクトル量子化）が行われ、各入力スペ
クトルがどのクラスタに所属するかの情報が出力され
る。そして、ＳＴ１３０５において、クラスタ別平均ス
ペクトル算出部１００５により、クラスタ化部１００４
で得られた所属するクラスタ（代表ベクトル）番号の系
列に対して、モデル化区間で所属頻度の高い上位Ｍ個の
クラスタ（対応する代表ベクトルをCi(i=1,2,…,M)とす
る）が選択される。その各クラスタに所属する入力雑音
振幅スペクトルの平均スペクトルがクラスタ毎に算出さ
れ、それらをスペクトルモデルの平均振幅スペクトルSa
v#i(i=1,2,…,M)とする。また、入力雑音信号の振幅ス
ペクトル系列[X(m)]に対するスペクトルモデル番号系列
[index(m)]（1≦index(m)≦M, m= mk,mk+1,mk+
2,．．．,mk+NFRM-1）があわせて出力される。この番号
系列は、クラスタ化部１００４で得られた所属するクラ
スタ（代表ベクトル）番号の系列をベースに、上位Ｍ個
のクラスタに属す番号系列として生成される。すなわ
ち、上位Ｍ個のクラスタに属さないフレームに対して
は、任意の方法（例えば、再度のクラスタ化や前フレー
ムのクラスタ番号に置換するなど）で上記Ｍ個のクラス
タの番号に対応付けるか、またはそのフレームは系列か
ら削除するなどが行われる。次に、ＳＴ１３０６におい
て、モデル化区間平均パワ量子化部１００６により、１
００１で算出されたフレーム毎のパワ値が、モデル化区
間全体で平均され、その平均パワに対してスカラ量子化
など任意の方法で量子化が行われ、パワインデクスおよ
びモデル化区間平均パワ値（量子化値）Ｅが出力され
る。そして、ＳＴ１３０７において、誤差スペクトル・
パワ補正値量子化部１００７により、(2)式に示すよう
に、対応する代表ベクトルCi，Ciからの誤差スペクトル
di、モデル化区間平均パワＥおよび各スペクトルモデル
別のＥに対するパワ補正値eiで表されたSav#iに対し
て、di, eiがスカラ量子化等任意の方法で量子化され
る。

【０１０２】ここで、誤差スペクトルdiの量子化は、di
を複数の帯域に分割し、帯域毎に各帯域の平均値をスカ
ラ量子化を行うようにしてもよい。そして、ＳＴ１３０
８において、上記、ＳＴ１３０５にて得られたＭ個の代
表ベクトルインデクス、ＳＴ１３０７にて得られた誤差
スペクトル量子化インデクス、および、パワ補正値量子
化インデクス、ＳＴ１３０６にて得られたパワ量子化イ
ンデクスが、スペクトルモデルパラメータの量子化イン
デクスとして出力される。

【０１０３】なお、スペクトルモデルパラメータのうち
標準偏差Sdv#iは、雑音スペクトル代表ベクトル学習時
に得られるCiに対するクラスタ内標準偏差値がそのまま
使用される。この値に関しては雑音スペクトル代表ベク
トル記憶部に予め記憶させておくことで、量子化インデ
クスの出力は不要である。また、ＳＴ１３０５におい
て、クラスタ別平均スペクトル算出部１００５による平
均スペクトル算出時にクラスタ内の標準偏差も算出し、
その量子化を行ってもよい。この場合は、その量子化イ
ンデクスが、スペクトルモデルパラメータの量子化イン
デクスの一部として出力される。

【０１０４】なお、上記実施の形態では、誤差スペクト
ルの量子化を帯域別のスカラ量子化により説明したが、
全帯域のベクトル量子化等他の方法で量子化することも
可能である。また、パワ情報をモデル化区間の平均パワ
とモデル別の平均パワに対する補正値により表現した構
成を説明したが、モデル別のパワのみでの表現や、モデ
ル化区間の平均パワで全モデルのパワを代表するように
してもよい。

【０１０５】次に、本実施の形態にかかる雑音信号合成
装置の動作について、図１４を参照して説明する。ま
ず、ＳＴ１４０１において、雑音信号分析装置により得
られた統計モデルパラメータの各量子化インデクスが入
力される。そして、ＳＴ１４０２において、スペクトル
モデルパラメータ復号部１１０３によりスペクトルモデ
ルパラメータの量子化インデクスからスペクトルモデル
Ｓｉの統計パラメータである平均振幅Sav#iおよび標準
偏差Sdv#i(i=1,．．．,M)を復号する。次に、ＳＴ１４
０３において、遷移系列生成部１１０１により、Si-Sj
間の遷移確率p(i,j)の量子化インデクスを用いて遷移確
率p(i,j)が復号され、スペクトルモデルＳｉの遷移が与
えられた遷移確率p(i,j)となるようなスペクトルモデル
番号遷移系列[index'(l)]（1≦index'(l)≦M, l=0,1,
2,．．．）が生起される。

【０１０６】次に、ＳＴ１４０４において、スペクトル
モデルＳｉに対する継続フレーム数Liの統計モデルパラ
メータの量子化インデクスからの復号値（Liの平均値La
v#i，標準偏差値Ldv#i）を用いて、i=index'(l)に対し
て平均値Lav#i、標準偏差Ldv#iを有する正規分布に従う
ように制御された継続フレーム数Lが、継続長制御部１
１０２により生成される。また、ＳＴ１４０５におい
て、乱数位相生成部１１０４により乱数位相が生成され
る。

【０１０７】そして、ＳＴ１４０６において、スペクト
ル生成部１１０５により、ＳＴ１４０３において得られ
たモデル番号index'(l)、および、ＳＴ１４０２におい
て得られたスペクトルモデルＳｉ (i=1,．．．,M)に関
するモデル情報（Ｓｉの平均振幅Sav#iおよび標準偏差S
dv#i）を用いて、(3)式で示されるindex'(l)に対するス
ペクトル振幅時系列[X'(n)]が生成される。

【０１０８】ここで、S _index'(l)は、i=index'(l)に対
する平均振幅Sav#i、標準偏差Sdv#iを有する正規分布に
従うものとし、また継続フレーム数Lは、ＳＴ１４０４
において生成されたものである。なお、生成された振幅
スペクトル時系列に対してスペクトルが滑らかに変化す
るよう平滑化を行ってもよい。さらに、遷移系列[inde
x'(l)]に沿って生成した所定の時間長（＝当該モデル化
区間のフレーム数NFRM）のスペクトル振幅時系列に対し
て、ＳＴ１４０５において生成された乱数位相を与え
て、スペクトル時系列を作成する。

【０１０９】ＳＴ１４０７において、ＩＦＦＴ部１１０
６により、作成されたスペクトル時系列が時間領域の波
形に変換された後、ＳＴ１４０８において、重ね合わせ
加算部１１０７によりフレーム間の信号の重ね合わせ加
算が行なわれる。ＳＴ１４０９において、重ね合わせ加
算された信号が最終的な合成雑音信号として出力され
る。

【０１１０】このように、本実施の形態においては、背
景雑音信号を統計的モデルで表現している。すなわち、
雑音信号分析装置（送信側装置）において、雑音信号を
用いて、雑音信号スペクトルのスペクトル変化を含めた
統計的情報（統計モデルパラメータ）を生成し、生成し
た情報を雑音信号合成装置（受信側装置）に送信してい
る。また、雑音信号合成装置（受信側装置）において
は、雑音信号分析装置（送信側装置）から送信された上
記情報（統計モデルパラメータ）を用いて、雑音信号を
合成している。これにより、雑音信号合成装置（受信側
装置）においては、間欠的に分析された雑音信号のスペ
クトルではなく、雑音信号スペクトルのスペクトル変化
を含めた統計的情報を用いて、雑音信号を合成すること
ができるので、聴感的に劣化の少ない雑音信号を合成す
ることができる。また、実際の周囲騒音下での雑音信号
の統計的な特性は比較的長期間（例えば数秒〜十数秒）
に渡り一定であることが想定されることから、モデルパ
ラメータの伝送周期もその程度の長期間周期で良いた
め、復号側に伝送すべき雑音信号のモデルパラメータの
情報量は少なくて済み、効率的な伝送を実現できる。

【０１１１】（実施の形態４）本実施の形態では、実施
の形態３で説明した雑音信号分析装置を用いて音声符号
化装置を実現し、また、実施の形態３で説明した雑音信
号合成装置を用いて音声復号装置を実現する場合につい
て説明する。

【０１１２】まず、本実施の形態にかかる音声符号化装
置について、図１５を参照して説明する。図１５は、本
発明の実施の形態４にかかる音声符号化装置の構成を示
すブロック図である。図１５において、入力音声信号
は、有音／無音判定器１５０１、音声符号器１５０２お
よび雑音信号符号器１５０３に入力される。

【０１１３】有音／無音判定器１５０１は、入力音声信
号に対して有音区間か無音区間（雑音のみの区間）かを
判定しその判定結果を出力する。有音／無音判定器１５
０１は、任意のものでよく、一般には、入力信号のパワ
ー、スペクトルやピッチ周期などの複数のパラメータの
瞬時量または変化量等を用いて判定を行うものである。

【０１１４】音声符号器１５０２は、有音／無音判定器
１５０１による判定結果が有音である場合に、入力音声
信号に対して音声符号化を行い、その符号化データをＤ
ＴＸ制御および多重化器１５０４に出力する。この音声
符号器１５０２は、有音区間用の符号器であり、音声を
高能率に符号化する任意の符号器である。

【０１１５】雑音信号符号器１５０３は、有音／無音判
定器１５０１による判定結果が無音である場合に、入力
音声信号に対して雑音信号の符号化を行い入力雑音信号
に対する統計モデルパラメータの量子化インデクスを符
号化データとして出力する。この雑音符号器１５０３と
して、実施の形態３で説明した雑音分析装置(図９)を用
いる。

【０１１６】ＤＴＸ制御および多重化器１５０４は、有
音／無音判定器１５０１、音声符号器１５０２および雑
音信号符号器１５０３からの出力を用いて送信データと
して送信すべき情報の制御と送信情報の多重化を行い、
送信データを出力する。

【０１１７】次に、本発明の実施の形態４にかかる音声
復号装置について、図１６を参照して説明する。図１６
は、本発明の実施の形態４にかかる音声復号装置の構成
を示すブロック図である。図１６において、図１５に示
した音声符号化装置により送信された送信データは、受
信データとして分離およびＤＴＸ制御器１６０１に入力
される。

【０１１８】分離およびＤＴＸ制御器１６０１は、受信
データを音声復号および雑音生成に必要な音声符号化デ
ータ、または雑音モデル符号化データ、および有音／無
音判定フラグに分離する。

【０１１９】音声復号器１６０２は、前記有音／無音判
定フラグが有音区間を示す場合に、前記音声符号化デー
タを用いて音声復号を行い復号音声を出力する。雑音信
号復号器１６０３は、前記有音/無音判定フラグが無音
区間を示す場合に、前記雑音モデル符号化データを用い
て雑音信号の生成を行い、雑音信号を出力する。この雑
音信号復号器１６０３として、実施の形態３で説明した
雑音信号合成装置（図１１）を用いる。

【０１２０】出力切り替え器１６０４は、音声復号器１
６０２の出力と雑音信号復号器１６０３の出力を、有音
／無音判定フラグの結果に応じて切り替えて出力し、出
力信号とする。

【０１２１】次に、上記構成を有する音声符号化装置お
よび音声復号装置の動作について説明する。まず、音声
符号化装置の動作について、図１７を参照して説明す
る。図１７は、本発明の実施の形態４にかかる音声符号
化装置の動作を示すフロー図である。

【０１２２】まず、ＳＴ１７０１において、フレーム毎
の音声信号が入力され、ＳＴ１７０２、ＳＴ１７０３に
おいて、入力音声信号に対して有音区間か無音区間（雑
音のみの区間）かが判定されその判定結果が出力され
る。この有音／無音判定は任意の方法でよく、一般に
は、入力信号のパワー、スペクトルやピッチ周期などの
複数のパラメータの瞬時量または変化量等を用いて判定
が行われる。

【０１２３】ＳＴ１７０２における有音／無音判定結果
が有音である場合には、ＳＴ１７０４において入力音声
信号に対する音声符号化が行われ、その符号化データが
出力される。この音声符号化処理は有音区間用の符号化
で、音声を高能率に符号化する任意の方法でよい。

【０１２４】一方、前記有音／無音判定結果が無音であ
る場合には、ＳＴ１７０５において、入力音声信号に対
する雑音信号の符号化が行われ、入力雑音信号に対する
モデルパラメータが出力される。この雑音信号符号化と
して、実施の形態３にて説明した雑音信号の分析方法を
用いる。

【０１２５】ＳＴ１７０６において、前記有音／無音判
定結果、音声符号化および雑音信号符号化からの出力を
用いて送信データとして送信すべき情報の制御（ＤＴＸ
制御）と送信情報の多重化が行われ、ＳＴ１７０７にお
いて送信データとして出力される。

【０１２６】次に、音声復号装置の動作について、図１
８を参照して説明する。図１８は、本発明の実施の形態
４にかかる音声復号装置の動作を示すフロー図である。

【０１２７】まず、ＳＴ１８０１において、符号化側で
入力信号に対して符号化され送信されたデータが受信デ
ータとして受信される。ＳＴ１８０２において、受信デ
ータは、音声復号および雑音生成に必要な音声符号化デ
ータ、または雑音モデル符号化パラメータ、および有音
／無音判定フラグに分離される。

【０１２８】前記有音／無音判定フラグが有音区間を示
す場合には、ＳＴ１８０４において前記音声符号化デー
タを用いて音声復号が行われ、復号音声が出力される。
一方、前記有音／無音判定フラグが無音区間を示す場合
には、ＳＴ１８０５において前記雑音モデル符号化パラ
メータを用いて雑音信号の生成が行われ、雑音信号が出
力される。この雑音信号復号処理として、実施の形態４
で説明した雑音信号の合成方法を用いる。

【０１２９】ＳＴ１８０６において、有音／無音判定フ
ラグの結果に応じてＳＴ１８０４における音声復号また
はＳＴ１８０５における雑音信号復号の出力が、復号信
号として出力される。

【０１３０】なお、上記実施の形態においては、復号信
号の出力を有音区間と無音区間で復号音声信号と合成雑
音信号の切り替えで出力されるものとして説明したが、
別の形態として、無音区間で合成した雑音信号を有音区
間においても復号音声信号に加算して出力するようにし
てもよい。さらに、音声符号化側で雑音信号を含む入力
音声信号を、雑音信号と雑音を含まない音声信号とに分
離する手段を設けて、分離後の音声信号および雑音信号
を符号化したデータを用いて、復号側で無音区間で合成
した雑音信号を、上記と同様に有音区間においても復号
音声信号に加算して出力するようにしてもよい。

【０１３１】このように、本実施の形態によれば、有音
区間では音声信号を高品質で符号化できる音声符号化
を、無音区間では聴感的に劣化が少ない雑音信号分析装
置および合成装置を用いて雑音信号の符号化および復号
を行うことにより、背景雑音環境下においても高品質な
符号化を行える。また、実際の周囲騒音下での雑音信号
の統計的な特性は比較的長期間（例えば数秒〜十数秒）
に渡り一定であることが想定されることから、モデルパ
ラメータの伝送周期もその程度の長期間周期で良いた
め、復号側に伝送すべき雑音信号のモデルパラメータの
情報量は少なくて済み、効率的な伝送を実現できる。

【０１３２】なお、上記実施の形態１および３で説明し
た雑音信号分析装置および雑音信号合成装置によりなさ
れる処理、ならびに、上記実施の形態２および４で説明
した音声符号化装置および音声復号装置によりなされる
処理をソフトウェア（プログラム）により実現し、この
ソフトウェア（プログラム）を、コンピュータにより読
み取ることが可能な記録媒体に格納することが可能であ
る。

【０１３３】

【発明の効果】以上説明したように、本発明によれば、
雑音信号を統計的モデルで表現することにより、聴感的
に劣化の少ない雑音信号を合成することができる。

【図面の簡単な説明】

【図１】本発明の実施の形態１にかかる雑音信号分析装
置の構成を示すブロック図

【図２】本発明の実施の形態１にかかる雑音信号合成装
置の構成を示すブロック図

【図３】本発明の実施の形態１にかかる雑音信号分析装
置の動作を示すフロー図

【図４】本発明の実施の形態１にかかる雑音信号合成装
置の動作を示すフロー図

【図５】本発明の実施の形態２にかかる音声符号化装置
の構成を示すブロック図

【図６】本発明の実施の形態２にかかる音声復号装置の
構成を示すブロック図

【図７】本発明の実施の形態２にかかる音声符号化装置
の動作を示すフロー図

【図８】本発明の実施の形態２にかかる音声復号装置の
動作を示すフロー図

【図９】本発明の実施の形態３にかかる雑音信号分析装
置の構成を示すブロック図

【図１０】本発明の実施の形態３にかかるスペクトルモ
デルパラメータ算出・量子化部の構成を示すブロック図

【図１１】本発明の実施の形態３にかかる雑音信号合成
装置の構成を示すブロック図

【図１２】本発明の実施の形態３にかかる雑音信号分析
装置の動作を示すフロー図

【図１３】本発明の実施の形態３にかかるスペクトルモ
デルパラメータ算出・量子化部の動作を示すフロー図

【図１４】本発明の実施の形態３にかかる雑音信号合成
装置の動作を示すフロー図

【図１５】本発明の実施の形態４にかかる音声符号化装
置の構成を示すブロック図

【図１６】本発明の実施の形態４にかかる音声復号装置
の構成を示すブロック図

【図１７】本発明の実施の形態４にかかる音声符号化装
置の動作を示すフロー図

【図１８】本発明の実施の形態４にかかる音声復号装置
の動作を示すフロー図

【図１９】従来のＤＴＸ制御付きＣＳ−ＡＣＥＬＰ符号
化方式を採用した符号化装置の構成を示すブロック図

【符号の説明】

１０１窓かけ部１０２ＦＦＴ部１０３スペクトルモデル記憶部１０４スペクトルモデル系列算出部１０５継続長モデル・遷移確率算出部２０１遷移系列生成部２０２スペクトルモデル記憶部２０３継続長制御部２０４乱数位相生成部２０５スペクトル生成部２０６ＩＦＦＴ部２０７重ね合わせ加算部

─────────────────────────────────────────────────────

【手続補正書】

【提出日】平成１３年９月１２日（２００１．９．１
２）

【手続補正１】

【補正対象書類名】明細書

【補正対象項目名】特許請求の範囲

【補正方法】変更

【補正内容】

【特許請求の範囲】

【手続補正２】

【補正対象書類名】明細書

【補正対象項目名】００１１

【補正方法】変更

【補正内容】

【００１１】

【課題を解決するための手段】本発明の雑音信号分析装
置は、ある統計的分布に従う振幅スペクトル時系列で表
され、かつ、その振幅スペクトル時系列の継続時間長が
別の統計的分布に従う複数の定常雑音モデルを生成する
生成手段と、前記複数の定常雑音モデル間を統計的に遷
移するスペクトル系列として雑音信号を処理する処理手
段と、を具備する構成を採る。

【手続補正３】

【補正対象書類名】明細書

【補正対象項目名】００１２

【補正方法】変更

【補正内容】

【００１２】本発明の雑音信号分析装置は、雑音信号を
周波数領域の信号に変換して、前記雑音信号のスペクト
ルを算出する周波数変換手段と、定常雑音モデルのスペ
クトルに関する複数のモデル情報を記憶する記憶手段
と、前記複数のモデル情報のうち、所定の条件に基づい
て、前記雑音信号のスペクトルに対応するモデル情報を
選択する選択手段と、選択されたモデル情報の時間的な
系列を用いて定常雑音モデルに関する統計パラメータと
複数の定常雑音モデル間を遷移する確率である遷移確率
情報を生成する情報生成手段と、を具備する構成を採
る。また、本発明のプログラムは、コンピュータを、雑
音信号を周波数領域の信号に変換して、前記雑音信号の
スペクトルを算出する周波数変換手段、定常雑音モデル
のスペクトルに関する複数のモデル情報を記憶する記憶
手段、前記複数のモデル情報のうち、所定の条件に基づ
いて前記雑音信号のスペクトルに対応するモデル情報を
選択する選択手段、選択されたモデル情報の時間的な系
列を用いて定常雑音モデルに関する統計パラメータと複
数の定常雑音モデル間を遷移する確率である確率情報を
生成する情報生成手段として機能させる。

【手続補正４】

【補正対象書類名】明細書

【補正対象項目名】００１３

【補正方法】変更

【補正内容】

【００１３】これらの構成およびプログラムによれば、
雑音信号を統計的モデルで表現した信号に変換すること
により、雑音信号合成装置においては、聴感的に劣化の
少ない雑音信号を合成することができる。

【手続補正５】

【補正対象書類名】明細書

【補正対象項目名】００１４

【補正方法】変更

【補正内容】

【００１４】本発明の雑音信号合成装置は、上記雑音信
号分析装置により生成された統計パラメータと遷移確率
情報を用いて、雑音信号を生成する雑音信号生成手段を
具備する構成を採る。

【手続補正６】

【補正対象書類名】明細書

【補正対象項目名】００１５

【補正方法】変更

【補正内容】

【００１５】本発明の雑音信号合成装置は、複数の定常
雑音モデル間を遷移する確率である遷移確率情報を用い
て、定常雑音モデルの遷移系列に関する情報を生成する
遷移系列生成手段と、定常雑音モデルに関する統計パラ
メータを用いて、定常雑音モデルの継続時間長を算出す
る継続時間長算出手段と、定常雑音モデルのスペクトル
に関するモデル情報を記憶する記憶手段と、乱数位相を
生成する乱数位相生成手段と、生成された前記定常雑音
モデルの遷移系列に関する情報、算出された前記継続時
間長、記憶された前記定常雑音モデルのスペクトルに関
するモデル情報、および、生成された乱数位相を用い
て、スペクトル時系列を生成するスペクトル生成手段
と、生成されたスペクトルを時間領域の信号に変換する
逆周波数変換手段と、を具備する構成を採る。また、本
発明のプログラムは、コンピュータを、複数の定常雑音
モデル間を遷移する確率である確率情報を用いて、定常
雑音モデルの遷移系列に関する情報を生成する遷移系列
生成手段、定常雑音モデルに関する統計パラメータを用
いて、定常雑音モデルの継続時間長を算出する継続時間
長算出手段、定常雑音モデルのスペクトルに関するモデ
ル情報を記憶する記憶手段、乱数位相を生成する乱数位
相生成手段、生成された前記定常雑音モデルの遷移系列
に関する情報、算出された前記継続時間長、記憶された
前記定常雑音モデルのスペクトルに関するモデル情報、
および、生成された乱数位相を用いて、スペクトル時系
列を生成するスペクトル生成手段、生成されたスペクト
ルを時間領域の信号に変換する逆周波数変換手段として
機能させる。

【手続補正７】

【補正対象書類名】明細書

【補正対象項目名】００１６

【補正方法】変更

【補正内容】

【００１６】これらの構成およびプログラムによれば、
雑音信号分析装置により生成された、雑音信号が統計的
モデルで表現された信号を用いて、雑音信号を合成する
ことにより、聴感的に劣化の少ない雑音信号を合成する
ことができる。

【手続補正８】

【補正対象書類名】明細書

【補正対象項目名】００２０

【補正方法】変更

【補正内容】

【００２０】本発明の雑音信号分析装置は、雑音信号を
周波数領域の信号に変換して、前記雑音信号のスペクト
ルを算出する周波数変換手段と、定常雑音モデルの振幅
スペクトル時系列に関する統計パラメータであるスペク
トルモデルパラメータの算出と量子化を行い、量子化イ
ンデクスを出力するスペクトルモデルパラメータ算出・
量子化手段と、前記定常雑音モデルの振幅スペクトル時
系列の継続時間長に関する統計パラメータおよび複数の
定常雑音モデル間を遷移する確率である遷移確率情報の
算出と量子化を行い、量子化インデクスを出力する継続
長モデル・遷移確率算出・量子化手段と、を具備する構
成を採る。また、本発明の雑音信号分析装置は、スペク
トルモデルパラメータ算出・量子化手段は、周波数変換
手段により得られた入力雑音信号の振幅スペクトルに対
してパワの正規化を行うパワ正規化手段と、雑音信号を
表す振幅スペクトルの代表ベクトルの集合を記憶する記
憶手段と、前記パワ正規化手段により得られたパワ正規
化振幅スペクトルに対して、前記記憶手段に記憶されて
いる代表ベクトル集合を用いてクラスタ化を行うクラス
タ化手段と、入力雑音信号のモデル化区間単位で選択頻
度の高い上位複数個のクラスタを選択し、それらの選択
されたクラスタに属する入力振幅スペクトルの平均スペ
クトルをクラスタ毎に算出するクラスタ別平均スペクト
ル算出手段と、入力雑音信号のモデル化区間の平均パワ
を算出し、その量子化を行うモデル化区間平均パワ量子
化手段と、前記クラスタ別平均スペクトル算出手段によ
り得られたクラスタ別平均スペクトルおよびモデル化区
間平均パワ量子化手段により得られた量子化されたモデ
ル化区間平均パワを用いて、クラスタ毎の誤差スペクト
ルとモデル化区間平均パワに対するパワ補正値の量子化
を行う、誤差スペクトル・パワ補正値量子化手段と、を
具備する構成を採る。

【手続補正９】

【補正対象書類名】明細書

【補正対象項目名】００２２

【補正方法】変更

【補正内容】

【００２２】本発明の雑音信号合成装置は、上記雑音信
号分析装置により生成された量子化インデクスを用い
て、雑音信号を生成する雑音信号生成手段を具備する構
成を採る。

【手続補正１０】

【補正対象書類名】明細書

【補正対象項目名】００２３

【補正方法】変更

【補正内容】

【００２３】本発明の雑音信号合成装置は、複数の定常
雑音モデル間を遷移する確率である遷移確率情報の量子
化インデクスを用いて、定常雑音モデルの遷移系列に関
する情報を生成する遷移系列生成手段と、継続時間長に
関する統計パラメータの量子化インデクスを用いて、定
常雑音モデルの継続時間長を算出する継続時間長算出手
段と、スペクトルモデルパラメータの量子化インデクス
を用いて前記スペクトルモデルパラメータを復号するス
ペクトルモデルパラメータ復号手段と、乱数位相を生成
する乱数位相生成手段と、生成された前記定常雑音モデ
ルの遷移系列に関する情報、算出された前記継続時間
長、前記スペクトルモデルパラメータ、および、生成さ
れた乱数位相を用いて、スペクトル時系列を生成するス
ペクトル生成手段と、生成されたスペクトルを時間領域
の信号に変換する逆周波数変換手段と、を具備する構成
を採る。

【手続補正１１】

【補正対象書類名】明細書

【補正対象項目名】００２８

【補正方法】変更

【補正内容】

【００２８】本発明の雑音信号分析方法は、雑音信号を
周波数領域の信号に変換して、前記雑音信号のスペクト
ルを算出する周波数変換工程と、定常雑音モデルのスペ
クトルに関する複数のモデル情報を記憶する記憶工程
と、前記複数のモデル情報のうち、所定の条件に基づい
て、前記雑音信号のスペクトルに対応するモデル情報を
選択する選択工程と、選択されたモデル情報の時間的な
系列を用いて定常雑音モデルに関する統計パラメータと
複数の定常雑音モデル間を遷移する確率である遷移確率
情報を生成する情報生成工程と、を具備する。

【手続補正１２】

【補正対象書類名】明細書

【補正対象項目名】００３０

【補正方法】変更

【補正内容】

【００３０】本発明の雑音信号合成方法は、上記雑音信
号分析方法により生成された複数の定常雑音モデル間を
遷移する確率である遷移確率情報を用いて、定常雑音モ
デルの遷移系列に関する情報を生成する遷移系列生成工
程と、定常雑音モデルに関する統計パラメータを用い
て、定常雑音モデルの継続時間長を算出する継続時間長
算出工程と、定常雑音モデルのスペクトルに関するモデ
ル情報を記憶する記憶工程と、乱数位相を生成する乱数
位相生成工程と、生成された前記定常雑音モデルの遷移
系列に関する情報、算出された前記継続時間長、記憶さ
れた前記定常雑音モデルのスペクトルに関するモデル情
報、および、生成された乱数位相を用いて、スペクトル
時系列を生成するスペクトル生成工程と、生成されたス
ペクトルを時間領域の信号に変換する逆周波数変換工程
と、を具備する。

【手続補正１３】

【補正対象書類名】明細書

【補正対象項目名】００３２

【補正方法】変更

【補正内容】

【００３２】本発明の雑音信号分析方法は、雑音信号を
周波数領域の信号に変換して、前記雑音信号のスペクト
ルを算出する周波数変換工程と、定常雑音モデルの振幅
スペクトル時系列に関する統計パラメータであるスペク
トルモデルパラメータの算出と量子化を行い、量子化イ
ンデクスを出力するスペクトルモデルパラメータ算出・
量子化工程と、前記定常雑音モデルの振幅スペクトル時
系列の継続時間長に関する統計パラメータおよび複数の
定常雑音モデル間を遷移する確率である遷移確率情報の
算出と量子化を行い、量子化インデクスを出力する継続
長モデル・遷移確率算出・量子化工程と、を具備する。
また、本発明の雑音信号分析方法は、スペクトルモデル
パラメータ算出・量子化工程は、周波数変換工程により
得られた入力雑音信号の振幅スペクトルに対してパワの
正規化を行うパワ正規化工程と、雑音信号を表す振幅ス
ペクトルの代表ベクトルの集合を記憶する記憶工程と、
前記パワ正規化工程により得られたパワ正規化振幅スペ
クトルに対して、前記記憶工程により記憶されている代
表ベクトル集合を用いてクラスタ化を行うクラスタ化工
程と、入力雑音信号のモデル化区間単位で選択頻度の高
い上位複数個のクラスタを選択し、それらの選択された
クラスタに属する入力振幅スペクトルの平均スペクトル
をクラスタ毎に算出するクラスタ別平均スペクトル算出
工程と、入力雑音信号のモデル化区間の平均パワを算出
し、その量子化を行うモデル化区間平均パワ量子化工程
と、前記クラスタ別平均スペクトル算出工程により得ら
れたクラスタ別平均スペクトルおよびモデル化区間平均
パワ量子化工程により得られた量子化されたモデル化区
間平均パワを用いて、クラスタ毎の誤差スペクトルとモ
デル化区間平均パワに対するパワ補正値の量子化を行
う、誤差スペクトル・パワ補正値量子化工程と、を具備
する。

【手続補正１４】

【補正対象書類名】明細書

【補正対象項目名】００３４

【補正方法】変更

【補正内容】

【００３４】本発明の雑音信号合成方法は、上記雑音信
号分析方法により生成された複数の定常雑音モデル間を
遷移する確率である遷移確率情報の量子化インデクスを
用いて、定常雑音モデルの遷移系列に関する情報を生成
する遷移系列生成工程と、継続時間長に関する統計パラ
メータの量子化インデクスを用いて、定常雑音モデルの
継続時間長を算出する継続時間長算出工程と、スペクト
ルモデルパラメータの量子化インデクスを用いて前記ス
ペクトルモデルパラメータを復号するスペクトルモデル
パラメータ復号工程と、乱数位相を生成する乱数位相生
成工程と、生成された前記定常雑音モデルの遷移系列に
関する情報、算出された前記継続時間長、前記スペクト
ルモデルパラメータ、および、生成された乱数位相を用
いて、スペクトル時系列を生成するスペクトル生成工程
と、生成されたスペクトルを時間領域の信号に変換する
逆周波数変換工程と、を具備する。

フロントページの続き (72)発明者吉田幸司神奈川県横浜市港北区綱島東四丁目３番１号松下通信工業株式会社内Ｆターム(参考） 5D045 DA11 DA20 5J064 AA01 BA13 BA16 BC08 BC14 BC16 BC28 BD01

Claims

【特許請求の範囲】

【請求項１】雑音信号を用いて、振幅スペクトル時系
列に関する統計的情報および前記振幅スペクトル時系列
の継続時間長に関する統計的情報を含む定常雑音モデル
に関する統計的情報と、前記定常雑音モデル間の遷移に
関する統計的情報と、を生成する分析手段を具備するこ
とを特徴とする雑音信号分析装置。
【請求項２】分析手段は、雑音信号を周波数領域の信
号に変換することにより、前記雑音信号のスペクトルを
算出する周波数変換手段と、定常雑音モデルに対するス
ペクトルに関する統計的情報を記憶する記憶手段と、前
記複数の定常雑音モデルのうち、前記雑音信号のスペク
トルに対応する定常雑音モデルを選択する選択手段と、
を具備し、選択されたモデルの系列を用いて定常雑音モ
デルに関する統計的情報と、前記定常雑音モデル間の遷
移に関する統計的情報を生成することを特徴とする請求
項１に記載の雑音信号分析装置。
【請求項３】請求項１または請求項２に記載の雑音信
号分析装置により生成された統計的情報を用いて、雑音
信号を生成する生成手段を具備することを特徴とする雑
音信号合成装置。
【請求項４】生成手段は、定常雑音モデル間の遷移に
関する統計的情報を用いて、定常雑音モデルの遷移系列
に関する情報を生成する遷移系列生成手段と、定常雑音
モデルに関する統計的情報を用いて、合成すべき定常雑
音モデルの継続時間長を算出する継続時間長算出手段
と、定常雑音モデルに対するスペクトルに関する統計的
情報を記憶する記憶手段と、生成された前記定常雑音モ
デルの遷移系列に関する情報、算出された前記継続時間
長、および、生成された乱数位相を用いて、合成すべき
スペクトル時系列を生成するスペクトル生成手段と、生
成されたスペクトルを時間領域の信号に変換する逆周波
数変換手段と、を具備することを特徴とする請求項３に
記載の雑音信号合成装置。
【請求項５】請求項１または請求項２に記載の雑音信
号分析装置を用いて、音声信号の無音区間における雑音
信号の符号化を行うことを特徴とする音声符号化装置。
【請求項６】請求項３または請求項４に記載の雑音信
号合成装置を用いて、音声信号の無音区間における雑音
信号の復号を行うことを特徴とする音声復号装置。
【請求項７】分析手段は、雑音信号を周波数領域の信
号に変換することにより前記雑音信号のスペクトルを算
出する周波数変換手段と、定常雑音モデルの振幅スペク
トル時系列に関する統計的情報であるスペクトルモデル
パラメータの算出と量子化を行うスペクトルモデルパラ
メータ算出・量子化手段と、前記定常雑音モデルの振幅
スペクトル時系列の継続時間長に関する統計的情報およ
び前記定常雑音モデル間の遷移に関する統計的情報の算
出と量子化を行う継続長モデル・遷移確率算出・量子化
手段と、を具備し、前記スペクトルモデルパラメータ算出・量子化手段は、
前記周波数変換手段により得られた入力雑音信号の振幅
スペクトルに対してパワの正規化を行うパワ正規化手段
と、雑音信号を表す振幅スペクトルの代表ベクトルの集
合を記憶する記憶手段と、前記パワ正規化手段により得
られたパワ正規化振幅スペクトルに対して、前記記憶手
段に記憶されている代表ベクトル集合を用いてクラスタ
化を行うクラスタ化手段と、入力雑音信号のモデル化区
間単位で選択頻度の高い上位複数個のクラスタを選択
し、それらの選択されたクラスタに属する入力振幅スペ
クトルの平均スペクトルをクラスタ毎に算出するクラス
タ別平均スペクトル算出手段と、入力雑音信号のモデル
化区間の平均パワを算出し、その量子化を行うモデル化
区間平均パワ量子化手段と、前記クラスタ別平均スペク
トル算出手段により得られたクラスタ別平均スペクトル
およびモデル化区間平均パワ量子化手段により得られた
量子化されたモデル化区間平均パワを用いて、クラスタ
毎の誤差スペクトルとモデル化区間平均パワに対するパ
ワ補正値の量子化を行う、誤差スペクトル・パワ補正値
量子化手段と、を具備し、前記スペクトルモデルパラメータ算出・量子化手段によ
り得られた、選択されたクラスタに対応する代表ベクト
ル、モデル化区間平均パワ、誤差スペクトルおよびパワ
補正値を含むスペクトルモデルパラメータの量子化イン
デクス、並びに継続長モデル・遷移確率算出・量子化手
段により得られた継続時間長に関する統計的情報および
雑音モデル間の遷移に関する統計的情報の量子化インデ
クスを出力することを特徴とする請求項１に記載の雑音
信号分析装置。
【請求項８】請求項７に記載の雑音信号分析装置によ
り生成された統計的情報の量子化インデクスを用いて、
雑音信号を生成する生成手段を具備することを特徴とす
る雑音信号合成装置。
【請求項９】生成手段は、定常雑音モデル間の遷移に
関する統計的情報の量子化インデクスを用いて、定常雑
音モデルの遷移系列に関する情報を生成する遷移系列生
成手段と、前記継続時間長に関する統計的情報の量子化
インデクスを用いて、合成すべき定常雑音モデルの継続
時間長を算出する継続時間長算出手段と、スペクトルモ
デルパラメータの量子化インデクスを用いて前記スペク
トルモデルパラメータを復号するスペクトルモデルパラ
メータ復号手段と、生成された前記定常雑音モデルの遷
移系列に関する情報、算出された前記継続時間長、前記
スペクトルモデルパラメータ、および、生成された乱数
位相を用いて、合成すべきスペクトル時系列を生成する
スペクトル生成手段と、生成されたスペクトルを時間領
域の信号に変換する逆周波数変換手段と、を具備するこ
とを特徴とする請求項８に記載の雑音信号合成装置。
【請求項１０】請求項７に記載の雑音信号分析装置を
用いて、音声信号の無音区間における雑音信号の符号化
を行うことを特徴とする音声符号化装置。
【請求項１１】請求項８または請求項９に記載の雑音
信号合成装置を用いて、音声信号の無音区間における雑
音信号の復号を行うことを特徴とする音声復号装置。
【請求項１２】雑音信号を周波数領域の信号に変換す
ることにより、前記雑音信号のスペクトルを算出する周
波数変換工程と、定常雑音モデルに対するスペクトルに
関する統計的情報を記憶する記憶工程と、前記複数の定
常雑音モデルのうち、前記雑音信号のスペクトルに対応
する定常雑音モデルを選択する選択工程と、選択された
モデルの系列を用いて、振幅スペクトル時系列に関する
統計的情報および前記振幅スペクトル時系列の継続時間
長に関する統計的情報を含む定常雑音モデルに関する統
計的情報と、前記定常雑音モデル間の遷移に関する統計
的情報とを生成する分析工程と、を具備することを特徴
とする雑音信号分析方法。
【請求項１３】請求項１２に記載の雑音信号分析方法
により生成された統計的情報における定常雑音モデル間
の遷移に関する統計的情報を用いて、定常雑音モデルの
遷移系列に関する情報を生成する遷移系列生成工程と、
前記統計的情報における定常雑音モデルに関する統計的
情報を用いて、合成すべき定常雑音モデルの継続時間長
を算出する継続時間長算出工程と、定常雑音モデルに対
するスペクトルに関する統計的情報を記憶する記憶工程
と、生成された前記定常雑音モデルの遷移系列に関する
情報、算出された前記継続時間長、および、生成された
乱数位相を用いて、合成すべきスペクトル時系列を生成
するスペクトル生成工程と、生成されたスペクトルを時
間領域の信号に変換する逆周波数変換工程と、を具備す
ることを特徴とする雑音信号合成方法。
【請求項１４】雑音信号を周波数領域の信号に変換す
ることにより前記雑音信号のスペクトルを算出する周波
数変換工程と、定常雑音モデルの振幅スペクトル時系列
に関する統計的情報であるスペクトルモデルパラメータ
の算出と量子化を行うスペクトルモデルパラメータ算出
・量子化工程と、前記定常雑音モデルの振幅スペクトル
時系列の継続時間長に関する統計的情報および前記定常
雑音モデル間の遷移に関する統計的情報の算出と量子化
を行う継続長モデル・遷移確率算出・量子化工程と、を
具備し、前記スペクトルモデルパラメータ算出・量子化工程は、
前記周波数変換手段により得られた入力雑音信号の振幅
スペクトルに対してパワの正規化を行うパワ正規化工程
と、雑音信号を表す振幅スペクトルの代表ベクトルの集
合を記憶する記憶工程と、前記パワ正規化工程により得
られたパワ正規化振幅スペクトルに対して、前記記憶工
程により記憶されている代表ベクトル集合を用いてクラ
スタ化を行うクラスタ化工程と、入力雑音信号のモデル
化区間単位で選択頻度の高い上位複数個のクラスタを選
択し、それらの選択されたクラスタに属する入力振幅ス
ペクトルの平均スペクトルをクラスタ毎に算出するクラ
スタ別平均スペクトル算出工程と、入力雑音信号のモデ
ル化区間の平均パワを算出し、その量子化を行うモデル
化区間平均パワ量子化工程と、前記クラスタ別平均スペ
クトル算出工程により得られたクラスタ別平均スペクト
ルおよびモデル化区間平均パワ量子化工程により得られ
た量子化されたモデル化区間平均パワを用いて、クラス
タ毎の誤差スペクトルとモデル化区間平均パワに対する
パワ補正値の量子化を行う、誤差スペクトル・パワ補正
値量子化工程と、を具備し、前記スペクトルモデルパラメータ算出・量子化工程によ
り得られた、選択されたクラスタに対応する代表ベクト
ル、モデル化区間平均パワ、誤差スペクトルおよびパワ
補正値を含むスペクトルモデルパラメータの量子化イン
デクス、および継続長モデル・遷移確率算出・量子化工
程により得られた継続時間長に関する統計的情報および
雑音モデル間の遷移に関する統計的情報の量子化インデ
クスを出力することを特徴とする雑音信号分析方法。
【請求項１５】請求項１４に記載の雑音信号分析方法
により生成された統計的情報の量子化インデクスを入力
する工程と、定常雑音モデル間の遷移に関する統計的情
報の量子化インデクスを用いて、定常雑音モデルの遷移
系列に関する情報を生成する遷移系列生成工程と、前記
継続時間長に関する統計的情報の量子化インデクスを用
いて、合成すべき定常雑音モデルの継続時間長を算出す
る継続時間長算出工程と、スペクトルモデルパラメータ
の量子化インデクスを用いて前記スペクトルモデルパラ
メータを復号するスペクトルモデルパラメータ復号工程
と、生成された前記定常雑音モデルの遷移系列に関する
情報、算出された前記継続時間長、前記スペクトルモデ
ルパラメータ、および、生成された乱数位相を用いて、
合成すべきスペクトル時系列を生成するスペクトル生成
工程と、生成されたスペクトルを時間領域の信号に変換
する逆周波数変換工程と、を具備することを特徴とする
雑音信号合成方法。