JP2007034326A - 音声コーダの方法とシステム - Google Patents

Abstract

【課題】本発明は、向上された符号化効率を維持しつつ、線形予測分析のような通常の符号化技術と比較して音声信号の短期間特性を知覚的に改良する符号化システムを提供する。
【解決手段】本発明は非線形変換および／またはスペクトル・ワープ処理を有効に利用して音声信号の対応する有声区間について特定の短期間スペクトル特性情報を向上させる。非線形変換および／またはワープされたスペクトル特性情報はその後線形予測分析によるなどして符号化され、対応する符号化音声信号を生じる。特定のスペクトル情報の非線形変換および／またはスペクトル・ワープ処理の使用によって、好都合なことにより多くの符号化リソースが、対応する合成音声の知覚品質により多く貢献するスペクトル成分のために使用されるようになる。この符号化技術を、例えばボコーダおよび合成による分析符号化システムを含む多様な音声符号化技術で利用することが可能である。
【選択図】図１

Description

本発明は、概して、音声通信システムに関し、より詳細には、音声を符号化および復号化するためのシステムに関する。

音声記憶および音声応答システムを含むディジタル通信システムは記憶および伝送のために必要とされるビットレートを低減するために音声符号化およびデータ圧縮技術を使用する。有声音声は声帯による声道の周期的な励起によって発生する。その結果、有声音声に対応する信号は、ピッチ期間と呼ばれる実質上共通の期間を有する同様だが徐々に変化する波形の連続を含む。通常の音声符号化は、ピッチ期間内の短期間の冗長性を利用して符号化音声信号のデータ圧縮を達成する。

引用によって本明細書の記載に援用する米国特許第３，６２４，３０２号で説明されているような通常の音声コーダ（ボコーダ）システムでは、音声信号は１０ｍｓｅｃ．〜３０ｍｓｅｃ．の連続した一定の期間に分割され、各間隔の短期間の冗長性または相関から生じる短期間周波数スペクトルに近似する係数の集合が発生する。こうした係数は、線形予測分析によって発生するので、線形予測係数（ＬＰＣ）と呼ばれる。ＬＰＣは、声道をモデル化する時間につれて変化する全極フィルタを表す。ＬＰＣは予測残差と呼ばれる励起信号を利用することによってオリジナル音声信号を再生するために使用できる。予測残差は、線形予測分析によって短期間の冗長性を除去した後に残るオリジナル音声信号の成分を表す。

ボコーダでは、予測残差は通常、無声音につていの白色雑音および有声音声のインパルスの周期的連続としてモデル化される。モデル化された残差と、声道をモデル化する線形予測フィルタのＬＰＣとに基づいてボコーダ・シンセサイザにより合成音声信号を発生することができる。ボコーダはオリジナル音声信号の時間領域波形ではなくその信号のスペクトル情報に近似する。さらに、こうしたコードから合成された音声信号は、時に理解が困難な知覚可能な合成された品質を示すことが多い。

改良された音声知覚の品質を有する別の既知の音声符号化技術は音声信号の波形に近似する。慣用の合成による分析システムはこうした符号化技術を利用する。通常の合成による分析システムは、許容できる知覚品質を有する合成音声を達成することができる。こうしたシステムは、ピッチ期間の短期冗長特性の符号化のための線形予測分析と、予測残差の長期ピッチ相関を符号化するための長期予測器（ＬＴＰ）との両方を利用する。ＬＴＰでは、過去のピッチ期間の特性を使用して現在のピッチ期間の特性の近似値を提供する。通常のＬＴＰには、過去のピッチ期間特性の遅延フィードバックかまたは過去のピッチ期間特性の重なり合うベクトルのコードブックが含まれる。

特定の合成による分析システムでは、予測残差は雑音信号の適応的または確率的コードブックによってモデル化される。最適な励起が、フレームと呼ばれる連続する音声期間に対する候補となる励起ベクトルを探索することによって発見される。その後発見された最適な励起の特定のコードブック・エントリを指定するコードが符号化されたＬＰＣおよびＬＴＰパラメータと共にチャネルを伝送される。こうした特定の合成による分析システムはコード励起線形予測（ＣＥＬＰ）システムと呼ばれる。ＣＥＬＰコーダの例は、引用によって本明細書の記載に援用する、Ｂ．Ａｔａｌ、Ｍ．Ｓｃｈｒｏｅｄｅｒ、「超低ビットレートにおける音声信号の確率的符号化」、米国電気電子学会通信国際会議会報、４８．１ページ（１９８４年５月）、Ｍ．Ｓｃｈｒｏｅｄｅｒ、Ｂ．Ａｔａｌ、「コード励起線形予測（ＣＥＬＰ）：超低ビットレートにおける高品質音声」、米国電気電子学会ＡＳＳＰ国際会議会報、９３７−９４０ページ（１９８５年）およびＰ．Ｋｒｏｏｎ、Ｅ．Ｄｅｐｒｅｔｔｅｒｅ、「４．８〜１６ＫＢ／ｓの間の速度での高品質音声コーディングのための合成による分析予測コーダの等級」、米国電気電子学会通信分野機関誌ＳＡＣ−６（２）、３５３−３６３ページ（１９８８年２月）でより詳細に説明される。

しかし、ボコーダおよび合成による分析システムでは、他の種類の音声符号化システムと同様、向上された知覚精度を有する短期間周波数スペクトルの特性を符号化する方法の必要が認識されている。

本発明は、有利な符号化効率を維持しつつ、慣用的な符号化技術と比較して音声信号の短期間スペクトル特性の改良された知覚符号化を提供する符号化システムに関する。本発明は、例えば、線形予測分析によるスペクトル符号化に先立って対応する有声音声フレームの短期間周波数スペクトルの特性を表すスペクトルの振幅の数値のシーケンスに対する非線形変換および／またはスペクトル・ワープ処理を行うことによる音声信号の連続するフレームの処理を利用する。スペクトル・ワープは、特定の周波数範囲が符号化信号から合成された対応する音声の知覚品質に対して有する影響に基づくスペクトル特性シーケンス中に表される特定の周波数範囲を拡大または圧縮する。

詳細には、スペクトル・ワープは対応する合成された音声の知覚品質に実質上影響する周波数範囲を拡大し、知覚的にあまり重要でない周波数範囲を圧縮する。対応する方法で、非線形変換はスペクトルの振幅の数値に対して振幅のワープ操作を行う。こうした変換はスペクトルの振幅の数値を増幅および／または減衰させて、対応する合成音声信号の知覚品質の特性を向上させる。

本発明は、ある周波数成分が符号化信号から合成された音声信号の知覚品質に実質上影響する対応する周波数成分について実質上等しい符号化のためのビット資源（符号化リソース）によって音声信号の短期間周波数スペクトルの符号化を行う、線形予測分析を含む通常の符号化方法の実現に基づいている。言い換えれば、典型的な符号化技術は、ある周波数成分が対応する合成音声信号に生じさせる知覚精度に基づいて短期間周波数スペクトル特性の周波数成分の符号化を行うわけではない。

これに対して、本発明は、スペクトル成分をスペクトル・ワープおよび／または非線形変換によって処理し、線形予測分析によるなどして連続するスペクトルの符号化を生じる変換および／またはワープされた特性を生じ、知覚的により重要なスペクトル成分についてより多くの符号化リソースを提供し、知覚的にあまり重要でないスペクトル成分に対してはより少ない符号化リソースを提供する。従って、こうした符号化信号から生じる合成された有声音声は、符号化処理のみに関する有利な符号化効率を維持しつつ、改良された知覚品質を有する。

本発明による対応する復号器は相補的逆非線形変換および／またはスペクトル・ワープ処理を利用して、改良された知覚品質を有する音声信号の対応するフレームのもとの短期間周波数スペクトルの対応する近似値を獲得する。

例えば、ボコーダおよび合成による分析符号化システム、または音声信号の短時間周波数スペクトルの特性を表すために線形予測分析が使用されてきた他の技術を含む多様な周波数符号化装置において、本発明の符号化技術を利用することが可能である。
本発明のそれ以外の特徴と利点は、以下の詳細な説明と添付の図面とからより容易に明らかになるだろう。

本発明は、例えば、線形予測分析によるスペクトルの符号化に先立って対応する有声音声フレームの短期間周波数スペクトルの特性を表すスペクトルの振幅の数値のシーケンスに対して非線形変換および／またはスペクトル・ワープ処理を行うことによる音声信号の連続するフレームの処理を有利に利用する。ここで使用されるように、「短期間周波数スペクトル」とはピッチの周期性に起因する相関を除外した音声信号の短期間の相関から生じるスペクトル特性のことを言う。短期間（ｓｈｏｒｔ−ｔｅｒｍ）周波数スペクトルは、当該技術分野では短時間（ｓｈｏｒｔ−ｔｉｍｅ）周波数スペクトルとも呼ばれ、その全体を引用によって本明細書に援用する、Ｌ．Ｒ．Ｒａｂｉｎｅｒ、Ｒ．Ｗ．Ｓｃｈａｆｅｒ、「音声信号のディジタル処理」、６．０−６．１節、２５０−２８２ページ、（ニュージャージー州Ｐｒｅｎｔｉｃｅ−Ｈａｌｌ刊、１９７８年）でより詳細に説明されている。

スペクトル・ワープは、符号化信号から合成される対応する音声中に生じる知覚精度に周波数範囲が有する影響に基づいて、スペクトルの振幅の数値のシーケンスで表される特定の周波数範囲を拡大または圧縮する。対応する方法で、非線形変換はスペクトルの振幅の数値に対して振幅のワープ操作を行う。こうした変換はスペクトルの振幅の数値を増幅および／または減衰して対応する合成音声の知覚精度を改善するために特性を向上させる。

本発明は、知覚的に重要な周波数成分が知覚的にあまり重要でない周波数成分の符号化のために使用されるのと同一または同様のリソースを使用して符号化されるように、有声音声信号期間の周波数成分を符号化する線形予測コーダを含む通常のコーダの実現に基づいている。対照的に、本発明は、スペクトル・ワープおよび／または非線形変換によりスペクトルの振幅の数値を処理し、コーダが知覚的により重要なスペクトル成分により多くの符号化リソースを提供し、知覚的にあまり重要でないスペクトル成分にはより少ないスペクトル成分を提供するようにする少なくとも１つの特定の周波数範囲の特性が向上した変換および／またはワープされた特性を生じる。従って、こうした符号化音声信号から生じた合成音声は、有利な符号化効率を維持しつつ符号化処理のみに関して改良された知覚品質を有する。

本発明は以下、スペクトル・符号化を提供するための線形予測分析の使用に関して説明されるが、これは例示の目的のみであって、発明の制限を意図するものではない。ある周波数成分が対応する合成音声において有する対応する知覚品質または精度に基づく符号化以外の方法によって短期間周波数スペクトルの周波数成分を符号化する非常に多くの他のスペクトル・符号化技術を利用することもまた可能である。例えば、対応するスペクトル成分の知覚品質に基づいて符号化信号ビットまたは符号化リソースを割り当てない本発明によるスペクトル・コーダの使用が可能である。

本発明は、例えば、ボコーダやＣＥＬＰコーダのような合成による分析システムを含む有声音声の短期間声道特性を符号化するための多様なコーダ・システムにおいて使用可能である。本発明の技術を利用する例示としてのボコーダおよびＣＥＬＰ型コーダおよび復号器システムは、図１および図４、および図７および図８にそれぞれ示される。こうしたシステムは例示の目的のみのために説明されるのであって、発明の制限を意図するものではない。短期間周波数スペクトル特性の符号化が望まれる他の種類のコーダ・システムで本発明を使用することも可能である。

説明を明瞭にするために、本発明の例示としての実施形態は、他のものと共に固有の機能ブロックを含むものとして示される。こうしたブロックが表す機能は、ソフトウェアの命令の実行を可能にするハードウェアを含む汎用または専用ハードウェアの使用を通じて提供される。例えば、こうした機能はＬｕｃｅｎｔ ＤＳＰ１６またはＤＳＰ３２Ｃといったディジタル信号プロセッサ（ＤＳＰ）ハードウェアと、以下論じられるような機能を実行するソフトウェアによって実行されるが、これは発明の制限を意図するものではない。本発明によって超大規模集積（ＶＬＳＩ）ハードウェア素子やハイブリッドＤＳＰ／ＶＬＳＩ装置を使用することも可能である。

本発明による例示としてのボコーダ型コーダ装置１が図１に示される。図１では、話されたメッセージのような音声パターンが、対応するアナログ音声信号を発生するマイクロホン・トランスジューサ５によって受信される。このアナログ音声信号は、フィルタおよびサンプラー回路１０によって帯域制限されパルス・サンプルのシーケンスに変換される。帯域制限フィルタリングは、音声信号の処理で通常使用されるように、４．０ＫＨｚを超え、かつ８．０ＫＨｚであるサンプリング・レートｆ_ｓ に関する音声信号の周波数成分を除去することができる。各音声信号サンプルはその後アナログ−ディジタル変換器１５によってディジタルコードＳ（ｎ）のシーケンスを表す振幅に変換される。シーケンスＳ（ｎ）は普通ディジタル化音声と呼ばれる。ディジタル化音声Ｓ（ｎ）は、短期間周波数スペクトル・プロセッサ２０に供給され、そこで本発明によりディジタル化音声Ｓ（ｎ）から対応する短期間スペクトル特性が決定されかつ符号化される。

プロセッサ２０は、１５ｍｓｅｃ．〜７０ｍｓｅｃ．の範囲といった実質上固定した長さの時間に対応するフレームまたはブロックのシーケンスＳ（ｎ）の間隔を連続して処理する。例えば、８．０ＫＨｚのレートでサンプリングされた音声のフレーム持続期間３０ｍｓｅｃ．はシーケンスＳ（ｎ）からの２４０サンプルのフレームと約３３フレーム／秒のフレーム速度とに対応する。プロセッサ２０はまずシーケンス・フレームが表す音声が有声であるか無声音であるかを決定する。フレームが有声音声を示す場合、プロセッサ２０はフレームの少なくとも１つのピッチ期間について短期間周波数スペクトルを表すスペクトル成分の数値を決定する。フレームの短期間周波数スペクトルを表すスペクトル成分の数値を生じるために非常に多くの方法が利用できる。１つの例示としての方法が以下図２に関してより詳細に説明される。

それにも関わらず、符号器２０では、フレームの短期間周波数スペクトルを表すスペクトル成分の数値が本発明により非線形変換および／またはスペクトル・ワープ操作によって処理され、変換および／またはワープされた数値または中間数値のシーケンスを生じる。特定のスペクトル・ワープ操作が選択され、別のスペクトル範囲に関する音声信号のフレームの少なくとも１つの特定の周波数範囲の特性を向上させる。向上したスペクトル範囲が、対応する合成音声の知覚可能な品質に実質上影響する範囲であることが有利である。

プロセッサ２０はその後変換および／またはワープされたスペクトルの数値に対応する自己相関係数を決定する。線形予測分析のようなスペクトル符号化技術が自己相関係数に対して行われ、線形予測係数（ＬＰＣ）のような係数のシーケンスを発生するが、これは量子化されてディジタル化音声信号Ｓ（ｎ）の処理されたフレームに関する量子化係数シーケンスα_１ 、α_２ ．．．α_ｐ を発生する。係数の数Ｐは線形予測分析の次数に対応する。

量子化係数シーケンスα_１ 、α_２ ．．．α_ｐ はプロセッサ２０によってチャネル・コーダ３０に提供され、そこで量子化シーケンスは伝送媒体を通じた伝送または記憶媒体への記憶に適した形態に変換される。伝送のための例示としての変換にはコードを有線または無線伝送媒体上で伝送するための電気信号または光学式伝送媒体上で伝送するための光信号への変換が含まれる。同様の方法で、記憶のための例示としての変換には磁気または光学式記憶媒体への記憶のための記録可能な信号へのコードの変換が含まれる。ＬＰＣは通常容易に量子化されないので、量子化係数シーケンスα_１ 、α_２ ．．．α_ｐ を形成するために、ＬＰＣを慣用の線スペクトル対（ＬＳＰ）または偏相関（ＰＡＲＣＯＲ）パラメータといった同等の量子化可能な形態に変換することが可能である。

プロセッサ２０の残りの出力信号には、もしあれば、対応する有声音声フレームに関する短期間周波数スペクトルを表すスペクトル成分の数値をワープするために使用されるワープ関数を示すワープ・コード信号Ｗが含まれる。プロセッサ２０はまた、処理された音声フレームが有声音声と無声音声とのどちらを含んでいるかを表す信号、処理されたフレームに関する利得定数Ｇおよび処理されたフレームが有声音声の場合ピッチ期間の長さに関する信号Ｘを含む、慣用的な音声符号化システムで通常発生する他の出力信号をも発生する。

本発明による短期間周波数スペクトル・プロセッサ２０の例示としての構成が図２に示される。図２を参照すると、受信されたディジタル化音声Ｓ（ｎ）は分割器４０によって固定した数Ｎのディジタル数値のフレームに分割される。処理されるｊ番目のフレームに対して、Ｓ（ｎｊ＋ｉ）、ｉ＝１、２、．．．、ＮについてＮ個のディジタル数値がピッチ検出器５０とウィンドウ・プロセッサ５５とに提供される。前に説明した非重複フレーム間隔は例示としての目的のみであって、重複フレーム間隔も本発明により使用可能であることが容易に理解されるだろう。

ピッチ検出器５０は有声成分が音声信号のフレームに現れているかどうか、またフレームが無声音声を含むかどうかを判断する。有声音声成分を検出した場合、検出器５０は対応するピッチ期間を決定する。ピッチ期間は実質上周期的な有声音声信号１サイクル中のディジタル化サンプルの数を示す。通常、ピッチ期間は約３ｍｓｅｃ．〜２０ｍｓｅｃ．の長さを有するが、これは８．０ＫＨｚのサンプリング・レートに基づいて２４〜１６０のディジタル・サンプルに対応する。

フレームが有声音声成分を含むかどうかを決定し、ピッチ期間の間隔を決定するための例示としての方法は、前掲書「音声信号のディジタル処理」、４．８、７．２、８．１０．１節、１５０−１５７、３７２−３７８、４４７−４５０ページで説明されている。音声フレームの長期相関を調べることおよび／または音声フレームに線形予測分析を行って結果として生じた予測残差中のピッチ・インパルスのロケーションを識別することによってピッチ期間の間隔を決定することが可能である。ピッチ検出器５０はまた、処理されるフレーム・シーケンスを含むサンプルのエネルギーに基づいて利得定数Ｇを決定する。この決定のための方法は発明の実現にとって重要ではない。利得定数Ｇを決定するための例示としての方法も前掲書「音声信号のディジタル処理」、８．２節、４０４−４０７ページに説明されている。

ウィンドウ・プロセッサ５５は、本質的にはピッチ検出器５０によって決定されるピッチ期間を示す信号Ｘに基づく持続期間中のピッチ期間であるウィンドウ関数を決定する。ウィンドウ・プロセッサ５５は分割器４０から受信したフレームのディジタル・サンプルを決定されたウィンドウ関数と掛け算してディジタル数値のシーケンスＳ_ｊ （ｉ）、ｉ＝１、．．．、Ｍを得るが、これは本質的には持続期間中のピッチ期間であり、ここでＭは処理されたフレームｊに関してウィンドウ関数によって得られたゼロでないサンプルを表している。通常望ましいウィンドウ関数は通常漸進的なロールオフを有する。その結果、プロセッサ５５が望ましいシーケンスＳ_ｊ （ｉ）を得るためにピッチ期間より長い間隔をサポートすることが可能である。従って、こうしたウィンドウ関数から得られたディジタル数値はピッチ期間より長い持続期間に対応するが、そうした間隔も、本発明のこの説明ではピッチ期間間隔と呼ばれる。

さらに、ピッチ期間の開始から次のピッチ期間の開始までのサンプルのピッチ期間間隔を本質的に得るために、ディジタル化音声サンプルのフレーム・シーケンスに関して決定されたウィンドウ関数を整列させることが有利である。音声フレーム間隔に対して、例えば慣用の線形予測分析を使用して対応する発生した予測残差中に生じる対応するピッチ・インパルスを識別することによって、ピッチ検出器５０が引き続くピッチ期間間隔の開始を識別することが可能である。

フレームｊについてウィンドウ・プロセッサ５５によって発生されるシーケンスＳ_ｊ （ｉ）はスペクトル・プロセッサ６０に提供される。スペクトル・プロセッサ６０は、シーケンスの離散的フーリエ変換（ＤＦＴ）を行い、その結果生じる変換された係数の振幅を決定するなどして、ピッチ期間音声シーケンスＳ_ｊ （ｉ）の短期間周波数スペクトルの対応するスペクトルの振幅の数値Ａ（ｉ）、ｉ＝０、１、．．．、Ｋ−１を発生する。スペクトルの数値Ｋの数は、符号化のためにピッチ期間の短期間周波数スペクトルの特性を十分に表すために十分な周波数解像度を提供するように選択されるべきである。Ｋの数値を大きくすれば短期間周波数スペクトルの周波数解像度が改善される。通常１２８〜１０２４の適当な範囲のＫの数値によって十分な周波数解像度が提供される。数値Ｋがピッチ期間音声シーケンスＳ_ｊ （ｉ）におけるサンプルの数より大きい場合、Ｋ−ＭゼロをＤＦＴ処理の前にシーケンスＳ_ｊ （ｉ）に追加することができる。

スペクトルの振幅のシーケンスＡ（ｉ）は連続的、すなわち非離散的な短期間周波数スペクトルＡ（ｚ）のサンプリングされたバージョンを表す。しかし、スペクトルの振幅のシーケンスＡ（ｉ）はまた説明を容易にするために短期間周波数スペクトルとも呼ばれる。慣用ＤＦＴプロセッサは望ましいスペクトルの振幅の数値Ａ（ｉ）を発生するために使用可能である。しかし、望ましい振幅の成分に加えた位相成分は通常慣用ＤＦＴプロセッサによって発生し、本発明のこの特定の実施形態については必要ではない。従って、位相成分は本発明によれば必要ないので、直接振幅の数値を発生する他の変換がスペクトル・プロセッサ６０のために使用可能である。また、高速フーリエ変換（ＦＦＴ）プロセッサがスペクトル・プロセッサ６０のために使用できる。例示としての音声信号のピッチ期間に関するスペクトルの振幅の数値Ａ（ｉ）の例示としてのシーケンスによって表される短期間周波数スペクトルＡ（ｚ）の図が、以下説明される図３Ａに示される。

さらに、フレームｊの短期間周波数スペクトルの特性を表すスペクトルの振幅の数値のシーケンスＡ（ｉ）を生じるための前に説明した方法は、例示としての目的のみであって、本発明の制限を意味するものではない。フレームｊの短期間周波数スペクトルの特性を表すこうしたシーケンスを生じるために非常に多数の他の技術が使用可能であることが容易に理解されるだろう。

再び図２を参照すると、プロセッサ６０によって発生するスペクトルの振幅の数値Ａ（ｉ）のシーケンスがその後スペクトル・ワーパ６５に提供される。スペクトル・ワーパ６５はシーケンスＡ（ｉ）をワープして、スペクトルの振幅の数値Ａ’（ｉ）の周波数ワープ・シーケンスを発生する。シーケンスを発生する際、ワーパ６５は、周波数中で、対応する合成音声の知覚品質を向上させる少なくとも１つの周波数範囲について対応するスペクトルの振幅の数値を広げる。同様の方法で、知覚的にあまり重要でない周波数範囲の特性を表すスペクトルの振幅は圧縮される。スペクトルの振幅の数値のこうした周波数の拡大と圧縮によって、実質上実行された線形予測分析が、知覚上有効な周波数範囲についてより多くの利用可能な符号化リソースを提供し、知覚上あまり重要でない周波数範囲についてより少ない符号化リソースを提供するようになる。

図３Ｂは、図３Ａの短期間周波数スペクトルＡ（ｚ）に基づくワープされたスペクトルの振幅によって特性を表される例示された周波数ワープ短期間周波数スペクトルＡ’（ｚ）を示す。０〜Ｚ_１ およびＺ_２ 〜Ｚ_３ のシーケンスＡ（ｚ）の例示としてのスペクトル範囲は、対応する合成音声中で知覚的に重要になりやすい比較的高いエネルギーおよび／または複数の比較的鋭い振幅のピークを有する。対照的に、Ｚ_１ 〜Ｚ_２ およびＺ_３ 〜ｆ_ｓ ／２の周波数範囲は、知覚的にあまり重要でない比較的低いエネルギーと主として漸進的なピークを有する。従って、図３ＡのスペクトルＡ（ｚ）を表す対応するスペクトルの振幅の数値Ａ（ｉ）は、図３Ｂに示されるワープされたスペクトルＡ’（ｚ）を表す振幅の数値Ａ’（ｉ）に周波数ワープされる。その結果、図３Ａの周波数Ｚ_１ 、Ｚ_２ およびＺ_３ は、それぞれ図３Ｂの周波数Ｚ’_１ 、Ｚ’_２ およびＺ’_３ に写像される。従って、スペクトル・ワーパ６５は、０〜Ｚ_１ およびＺ_２ 〜Ｚ_３ の知覚的により重要な範囲をより広い範囲０〜Ｚ’_１ およびＺ’_２ 〜Ｚ’_３ に拡大し、知覚的にあまり重要でない範囲Ｚ_１ 〜Ｚ_２ およびＺ_３ 〜ｆ_ｓ ／２を縮小された範囲Ｚ’_１ 〜Ｚ’_２ およびＺ’_３ 〜ｆ_ｓ ／２に圧縮する。

図３Ａのスペクトルを表すスペクトルの振幅の数値Ａ（ｉ）をワープするためのスペクトル・ワーパ６５の例示としての方法はまず、図３Ｂのワープされたスペクトルを表すワープされたスペクトルの振幅の数値Ａ’（ｉ）を達成するために、対応する合成音声の中で知覚的に多かれ少なかれ重要でありそうな周波数範囲を表す振幅の数値のグループを識別する。従って、ワーパ６５は、図３Ａに示すように知覚的に多かれ少なかれ重要なものとして識別される４つの周波数範囲に対応する振幅の数値の４つのグループを識別する。このグループには、周波数範囲０〜Ｚ_１ に関する振幅の数値Ａ_１ （ｉ）、ｉ＝０、１、．．．ａを含む第１グループ、周波数範囲Ｚ_１ 〜Ｚ_２ に関する振幅の数値Ａ_２ （ｉ）、ｉ＝ａ＋１、ａ＋２、．．．ｂを含む第２グループ、周波数範囲Ｚ_２ 〜Ｚ_３ に関する振幅の数値Ａ_３ （ｉ）、ｉ＝ｂ＋１、ｂ＋２、．．．ｃを含む第３グループおよび周波数範囲Ｚ_３ 〜ｆ_ｓ ／２に関する振幅の数値Ａ_４ （ｉ）、ｉ＝ｃ＋１、ｃ＋２、．．．ｋ−１を含む第４グループが含まれる。以上の議論では、周波数範囲ｕ〜ｖにはｕは含まれるがｖは除外される。

グループの振幅の数値の数を低減することによって、第２および第４の振幅の数値のグループＡ_２ （ｉ）およびＡ_４ （ｉ）によって表される周波数範囲Ｚ_１ 〜Ｚ_２ およびＺ_３ 〜ｆ_ｓ ／２を圧縮することが可能である。例えば、こうしたグループの４つの連続する振幅の数値毎に３つを捨てることができる。さらに、こうした圧縮技術が使用されたならば、こうしたグループのための数値の数は、数が４の倍数になるように選択できる。また、こうしたグループのシーケンスの４つ毎の連続する振幅の数値を、４つの数値の平均である振幅を有する１つの数値によって交換できる。こうした技術によって、第２および第４グループについて、振幅の数値の数を４の因数により縮小できる。

同様の方法で、グループの振幅の数値の数を増大させることによって、第１および第３の振幅の数値のグループＡ_１ （ｉ）およびＡ_３ （ｉ）によって表される周波数範囲０〜Ｚ_１ およびＺ_２ 〜Ｚ_３ を拡張または拡大することが可能である。例えば、プロセッサ６５はこうしたグループの２つの連続する数値の間毎に新しい振幅の数値を追加できる。その結果、第１および第３グループを表す振幅の数値の数は２倍になる。さらに、各追加された振幅の数値は、両隣の振幅の数値に等しいか、または隣の振幅の数値のある他の関係に基づいている。例えば、線形補間を使用して２つの隣り合う数値の算術的平均である数値を追加することが可能である。

ワープ・スペクトルの振幅の数値Ａ’（ｉ）、ｉ＝０、１、．．．、Ｋ’−１は４つのワープされたグループの振幅の数値を連結することによって得られる。ワープ・スペクトルの振幅の数値Ｋ’はスペクトルの振幅の数値Ｋの元の数とは異なる傾向がある。さらに、本発明によるワープ・スペクトルの振幅の数値Ａ’（ｉ）を発生させるために、特定のグループの圧縮のみ、またはそれ以外のグループの拡大のみを行うことが可能である。

これまで説明したワープ法は最初に離散的フーリエ変換を行ってディジタル化音声フレームＳ_ｊ （ｎ）の短期間周波数スペクトルの特性を表すスペクトルの振幅の数値Ａ（ｉ）を発生し、その後シーケンスＡ（ｉ）中の特定の周波数範囲の特性を表すスペクトルの振幅の数値を増大または減少させて望ましいワープ・シーケンスＡ’（ｉ）を生じる。しかし、本発明によれば、離散的フーリエ変換によって、強調すべき周波数範囲についてはより多くのスペクトルの振幅の数値を発生し、強調する必要のない周波数範囲についてはより少ないスペクトルの振幅の数値を発生することによってワープ・シーケンスＡ’（ｉ）を有利に直接発生することが可能である。

さらに、有声音声フレーム中の短期間周波数スペクトルのスペクトル特性を拡大および圧縮するこれまで説明したワープ法は例示としての目的のみの区分線形ワープ関数に基づいている。周波数ワープは他の可逆的ワープ関数によっても行いうることが容易に理解されるだろう。例えば、対応する有声音声フレームについてスペクトルの振幅の数値のシーケンスＡ（ｉ）のために使用される特定のワープ処理は変換のコードブックから選択できる。この場合、信号Ｗが図２のスペクトル・ワーパ６５によって発生し、対応するフレームについてスペクトルの振幅の数値Ａ（ｉ）をワープするために使用されるコードブック変換の特定のインデックスを示す。信号Ｗは符号化された音声信号と共に復号器に伝送されるが、復号器は同様のコードブックと、受信された信号Ｗ中のインデックス番号によって示される対応する相補的逆ワープ変換エントリとを含む。さらに、例えばピッチ期間の長さといった現在または過去に処理された音声フレームの特定のプロパティに基づいてコードブック・エントリの選択を行うことが可能である。従って、信号Ｗはこうした技術を使用するとき省略できる。

スペクトル・ワーパ６５が発生するワープ・シーケンス・スペクトルの振幅の数値Ａ’（ｉ）は、シーケンスＡ’（ｉ）中の各数値に対して非線形変換を行って変換されたシーケンスＡ’’（ｉ）を生じる非線形変成器７０に提供される。例示としての非線形変換には数式Ａ’’（ｉ）＝［Ａ’（ｉ）］^Ｎが含まれるが、ここでＮは正または負の整数または正でない小数である。従って、こうした非線形変換は、こうした振幅の数値に基づいてスペクトルの振幅の数値を増幅または減衰させる。例えば、Ｎ＝−１のとき、Ａ’（ｉ）は、各ワープ・スペクトルの振幅の数値についてＡ’’（ｉ）＝１／Ａ’（ｉ）に変換され、次の線形予測分析器８５で処理することによってシーケンスＡ’（ｉ）をオール・ゼロ・スペクトルとして有効にモデル化する。

数値Ｎが負の場合、シーケンスＡ’’（ｉ）によって表される変換されたスペクトルの線形予測分析によって、シーケンスＡ’（ｉ）によって表されるスペクトルに関するオール・ゼロ・スペクトルの表示が有効に提供される。線形予測分析の次数が、３０未満といったように比較的小さい場合、−１／Ｂに対応する数値Ｎを使用することが有利であることが多いが、ここでＢは１より大きくスペクトルのダイナミックレンジを縮小する。スペクトルのダイナミックレンジのこうした縮小によって、より小さい次数のオール・ゼロ・フィルタによるスペクトルの連続モデル化を促進する時間応答を有効に短縮する。これまで非線形変換が負の数値Ｎについて説明されたが、１に等しくない正の数値Ｎを使用して、本発明による対応する全極スペクトルの表示を生じることもまた可能である。

これまで説明した非線形変換は固定変換であり、本発明によって符号化音声信号を復号化するための対応する復号器によって通常知られている。しかし、例えばチャネルから受信した符号化信号中に提供されるピッチ期間の長さＸといった現在または過去に処理された音声フレームの特定の性質（プロパティ）に基づく数値Ｎによる非線形変換もまた可能である。非線形変換の数値Ｎも変換のコードブックから決定できる。この場合、対応するコードブックのインデックスは、図１のチャネル・コーダ３０が発生する符号化信号に含まれる。さらに、Ａ”(ｉ)＝[Ａ’(ｉ)]^N(i)となるように、ワープされた振幅の数値のシーケンスＡ’(ｉ)中の周波数範囲にわたる異なった数値Ｎによって非線形変換を行うことも可能であるが、ここで異なった数値Ｎ（ｉ）は異なった数値ｉについて使用できる。

変成器７０が発生する変換およびワープされたシーケンスＡ’’（ｉ）は、別の周波数範囲に対して少なくとも１つの特定の周波数範囲の特性が向上したスペクトル表示を提供する。シーケンスＡ’’（ｉ）のスペクトルの振幅の数値は二乗器７５によって二乗されて対応する電力スペクトルの数値を生じ、それが逆離散的フーリエ変換（ＩＤＦＴ）プロセッサ８０に提供される。ＩＤＦＴプロセッサ８０はその後、二乗されたスペクトルの振幅の数値Ａ’’（ｉ）、ｉ＝０、１、．．．、Ｋ’−１に基づいてＫ’個までの自己相関係数を発生する。ＦＦＴを使用してプロセッサ８０のＩＤＦＴを行うことが可能である。

発生した自己相関係数はその後Ｐ番目の次数の線形予測分析器８５に提供されるが、そこでは変換およびワープされたスペクトルの振幅の数値Ａ’’（ｉ）に対応するＰ個の線形予測係数（ＬＰＣ）が発生する。その後、発生したＬＰＣは変成器／量子化器９０によって量子化され、係数シーケンスα_１ 、α_２ ．．．α_ｐ を生じる。数値を量子化する前に、変成器／量子化器９０が、発生したＬＰＣを通常のＬＰＣより量子化されやすいＰ個の数値の数学的に同等の集合にさらに変換することが有利である。プロセッサ９０が使用する特定のＬＰＣ変換は本発明を実行する上で重要ではなく、例えば、慣用の偏相関（ＰＡＲＣＯＲ）係数または線スペクトル対（ＬＳＰ）係数への変換を含みうる。結果として生じる係数シーケンスα_１ 、α_２ ．．．α_ｐ は符号器２０によって処理されたフレーム・シーケンスの短期間周波数スペクトルを表す。

図２に示す短期間周波数スペクトル・プロセッサ２０の例示としての実施形態はスペクトル・ワーパ６５と非線形変成器７０を特定の次数で使用して、音声信号の有声音声フレームの短期間周波数スペクトルの知覚符号化を改善する。しかし、こうした向上した特性はまた、スペクトル・ワーパ６５と変成器７０とを個別または異なった順序で使用しても達成可能である。

図１のコーダ１によって発生する対応する音声フレームに対する符号化信号を復号化するための例示としての復号器１００が図４に示される。図４では、チャネル・符号化信号がチャネル復号器１０５によって検出される。チャネル復号器１０５は、フレームの有声／無声状態、利得定数Ｇ、信号Ｗ、量子化係数シーケンスα_１ 、α_２ ．．．α_ｐ およびフレームが有声音声を含む場合ピッチ期間の長さＸを含む、チャネル符号器３０によって符号化された連続して受信される音声フレームに関する対応する信号を復号化する。処理される現在の音声フレームに関する係数シーケンスα_１ 、α_２ ．．．α_ｐ と信号Ｗとは、以下図５に関してより詳細に説明される短期間周波数スペクトル復号器１１０に提供される。

短期間周波数スペクトル復号器１１０は、例えば、係数シーケンスα_１ 、α_２ ．．．α_ｐ によって表される変換および／またはワープされた短期間周波数スペクトルの逆非線形変換および／またはスペクトル・ワープ処理に基づいて処理されたフレームに関する対応するオール・ゼロ・フィルタ係数ａ_１ 、ａ_２ 、．．．ａ_Ｈ を生じる。発生したフィルタ係数ａ_１ 、ａ_２ 、．．．ａ_Ｈ はその後、音声フレームに対応する合成音声のスペクトルを形成するスペクトル包絡線の特性を表すためにオール・ゼロ合成フィルタ１１５を形成するために提供される。

フィルタ１１５は係数ａ_１ 、ａ_２ 、．．．ａ_Ｈ を使用して処理される音声フレームに関する励起シーケンスのスペクトルを修正し、図１のオリジナル音声信号に対応する合成音声信号を生じる。励起シーケンスを発生するための特定の方法は本発明の実現によって重要ではなく、慣用の方法でよい。例えば、有声音声フレームに関する励起シーケンスを発生するための例示としての方法はピッチ期間の長さによって分離されたインパルスを発生するためのインパルス発生器１２０に依存すべきである。また、ガウス白色雑音発生器のような白色雑音発生器１２５が、合成音声信号の無声部分について必要な励起を発生するために使用できる。インパルス発生器１２０と白色雑音発生器１２５とに接続されたスイッチ１３０は、受信された音声フレーム情報に基づいて励起シーケンスに関する適当なシーケンスを構成するために、対応する出力を信号増幅器１３５に適用するために有声／無声状態信号によって制御される。各フレームについて、増幅器１３５による励起信号の増幅の振幅は、チャネル復号器１０５から受信されたフレームの利得定数Ｇに基づいている。

本発明による短期間周波数スペクトル復号器１１０の例示としての構成が図５に示される。図５の復号器の構成は、図２の短期符号器の構成と実質上逆の方法で動作する。図５では、処理される音声フレームに関する変換および量子化されたＬＰＣに対応するチャネル復号化係数α_１ 、α_２ ．．．α_ｐ は、シーケンスをＬＰＣに逆に変換する逆変成器１５０に提供される。より詳細には、逆変成器１５０は図２の符号器２０中の変成器／量子化器９０によって行われたのと逆の変換を行う。従って、逆変成器１５０によって発生したＬＰＣは、音声信号の符号化中に図２のＬＰＣ分析器８５によって発生した信号に対応する。

逆変成器１５０によって発生したＬＰＣは、ワープおよび変換された短期間周波数スペクトルを表す逆数のスペクトルの振幅の数値の対応する中間数値シーケンスを発生する、離散的なフーリエ変換器のようなスペクトル・プロセッサ１６０に提供される。

図４の変成器１７０によって使用される特定の非線形変換は、図２の変成器７０によって行われる非線形変換の逆であるべきである。従って、例えば、非線形変成器７０として平方根が使用される場合、プロセッサ１７０によって平方演算が行われるべきである。

図４の逆スペクトル・ワーパ１７５はまた、例えば、スペクトルの振幅の数値のシーケンスを符号化するために使用されるスペクトル・ワープ関数のコードブック・インデックスを含むワープ信号Ｗを受信する。復号器の対応する相補的コードブックは、ワープ・インデックス信号Ｗによって示されるコードブック・エントリに、図１のコーダ１によって使用される操作と逆のスペクトル・ワープ操作を含むべきである。

これまで説明した信号Ｗは対応するコードブック・エントリを示すが、対応する音声フレームの短期間周波数スペクトルについて、別の方法で符号器によって行われる特定の利用されるスペクトル・ワープ操作を信号Ｗが示すことも可能である。また、符号化音声フレームに関して利用されるワープ関数が、例えばピッチ期間の長さといった音声フレームのプロパティに基づくとき、ワープ信号Ｗは省略できる。こうしたシステムでは、ある間隔のピッチ期間の長さを示す信号Ｘも逆ワーパ１７５に提供されるべきである。

動作の際、図２のスペクトル・ワーパ６５が、図３Ａに示す前に説明した例のように音声信号の符号化中にＺ_１ 〜Ｚ_２ の周波数範囲を表す合計スペクトル数値の割合を変更した場合、逆ワーパ１７５はその周波数範囲を表す振幅の数値を処理し、振幅の数値を縮小して実質上もとの割合に戻す。非常に多数の技術が、こうした逆スペクトル・ワープ操作を達成する処理のために使用できる。例えば、特定の周波数範囲の特性を表すスペクトルの振幅の数値の数を半分に縮小するために、逆ワーパ１７５は周波数範囲の特性を表すシーケンス中の他のすべてのスペクトルの数値を除去するか、そのシーケンス中の隣り合う数値の代わりに平均値を用いることができる。

プロセッサ１８５によって発生される電力スペクトルの数値の逆数シーケンスは、Ｋ’’個までの対応する自己相関係数を発生するＩＤＦＴプロセッサ１９０に提供される。ＦＦＴを使用してプロセッサ１９０のＩＤＦＴを行うことが可能である。発生した自己相関係数は、処理される有声音声フレームの短期間周波数スペクトルの逆変換および逆ワープされたスペクトル特性に対応するＨ個の線形予測フィルタ係数ａ_１ 、ａ_２ ．．．ａ_Ｈ を発生するＨ次線形予測分析器１９５に提供される。こうした発生されたフィルタ係数は、こうした有声音声フレームに対応する合成音声のスペクトル包絡線を形成するための、図４に示すオール・ゼロ合成フィルタ１１５を形成するために使用可能である。

図５の例示としての短期間周波数スペクトル復号器１１０は特性を向上するために特定の順序の逆非線形変換およびスペクトル・ワープを利用するが、こうした向上した特性が逆変成器１７０および逆ワーパ１７５を個別または異なった順序で使用しても達成可能であることが容易に理解されるべきである。

図６Ａは、図３Ａおよび図３Ｂに関して前に説明した方法でスペクトル・ワープされ、２５次ＬＰＣ分析を使用して符号化された音声信号間隔に関する逆ワープされたスペクトルの振幅の例示としてのシーケンスを示す。図６Ｂは、スペクトル・ワープなしで慣用の２５次ＬＰＣ分析を使用して符号化された図３Ａに示す同じ間隔のスペクトルの振幅を示す。図６Ａでは、知覚的に重要な周波数範囲０〜Ｚ_１ およびＺ_２ 〜Ｚ_３ の特性を表す逆ワープ・スペクトル・パラメータが、その周波数範囲で、図６Ｂの対応するスペクトル・パラメータよりも図３Ａのオリジナル・スペクトルにより近い振幅を表す。

本発明による音声信号の短期間周波数スペクトルを符号化するための方法が図１〜図６のボコーダ型音声コーダに関して説明された。しかし、本発明は、例えば、合成による分析符号化システムを含む他の種類の符号化システムでも使用可能である。本発明による例示としてのＣＥＬＰ合成による分析コーダ２００と復号器３００とがそれぞれ図６および図７に示される。図１および図７中の同様の構成要素は、説明を明瞭にするために、例えばＡ／Ｄ変換器１５や短期間周波数スペクトル・コーダ２０のように同じ参照番号を含む。同様に、図４および図８の同様の構成要素も、短期間周波数スペクトル復号器１１０やチャネル復号器１０５のように同じ参照番号を含む。

図７のＣＥＬＰコーダ２００を参照すると、マイクロホン５によって受信される音声パターンが、図１に関して前に説明されたようにフィルタおよびサンプラー１０とＡ／Ｄ変換器１５とによって処理され、ディジタル化音声シーケンスＳ（ｎ）を発生する。ディジタル化音声シーケンスＳ（ｎ）はその後短期間周波数スペクトル符号器２０に提供され、そこでシーケンスＳ（ｎ）の連続するフレームについて符号化された短期間周波数係数シーケンスα_１ 、α_２ ．．．α_ｐ とワープ信号Ｗとが生じる。対応する音声フレームの短期間周波数スペクトルの特性を表す発生した係数シーケンスα_１ 、α_２ ．．．α_ｐ とワープ信号Ｗは、符号化されてチャネル上で伝送または記憶するためにチャネル・コーダ３０に提供される。符号化された短期間周波数スペクトル係数シーケンスα_１ 、α_２ ．．．α_ｐ とワープ信号Ｗとのこの発生は、図１および図２に関して前に説明したものと実質上同一である。

図１および図７の符号器１および２００の間の相違は、予測残差の符号化に関する。符号器２００は長期間予測分析とコードブック励起エントリに基づいて予測残差を符号化するが、コーダ１は、有声音声に関する周期的インパルス列と無声音声に関する白色雑音との比較的単純なモデルに基づいて予測残差の符号化を行う。予測残差は図７で次の方法で符号化される。ディジタル化音声シーケンスＳ（ｎ）はピッチ予測分析器２０５に提供され、そこでシーケンスＳ（ｎ）の対応するフレームに基づいて対応する長期間フィルタ・タップ係数β_１ 、β_２ 、β_３ と遅延Ｈが発生する。例示としてのピッチ予測分析器は、引用によって本明細書の記載に援用するＢ．Ｓ．Ａｔａｌ「低ビットレートにおける音声の予測符号化」、米国電気電子学会通信関係会報、第ＣＯＭ−３０巻、６００−６１４ページ、（１９８２年４月）により詳細に説明されている。対応するフレームに関する対応する発生した長期間フィルタ・タップ係数β_１ 、β_２ 、β_３ と遅延Ｈをチャネル上で伝送または記憶するためチャネル・コーダ３０に提供される。

さらに、各シーケンスが一連の乱数を含む、ランダム雑音状のコードワード・シーケンスの、１０２４といった固定した数を含む、確率的コードブックまたはコード記憶装置２１０が利用される。各乱数はフレームの持続期間と同等の持続期間に関する一連のパルスを表す。各コードワードは定数Ｇによって基準化されたシーケンサ２２０によってスケーラ２１５に適用される。

長期間予測フィルタ２２５は、長期フィルタ・タップ係数β_１ 、β_２ 、β_３ と遅延Ｈに基づく係数を利用する。例示としての長期間予測コーダは、前掲文献「低ビットレートにおける音声の予測符号化」でより詳細に説明されている。

各音声フレームについて、合成フィルタ２３０は、発生したスペクトル係数シーケンスα_１ 、α_２ ．．．α_ｐ から短期間周波数スペクトル復号器１１０によって発生するフィルタ係数ａ_１ 、ａ_２ 、．．．ａ_Ｈ と符号器２０によって発生するワープ信号Ｗとを使用する。復号器１１０に関する適当な復号器の動作は図４に関して前に説明されている。

誤りシーケンスの数値はその後二乗器２４０によって二乗され、シーケンスに基づく平均値が平均器２４５によって決定される。

その後、ピーク・ピッカー２５０がシーケンサ２２０を制御して、コードブック２１０中のコードワードを順番付けし、実質上最小の平均二乗誤り信号を生じる適当なコードワードと利得Ｇの数値を選択する。決定されたコードブックのインデックスＬと利得Ｇはその後、チャネル上で対応する音声信号フレームを符号化および伝送または記憶するためにチャネル・コーダ３０に提供される。

図８の復号器３００は図７のコーダ２００によって生じるＣＥＬＰ符号化フレームを復号化することができる。図８を参照すると、チャネル復号器１０５はチャネルから受信または読み出した符号化シーケンスを復号する。

以上、本発明の多数の実施形態が詳細に説明されたが、本発明の教えから離れることなく多くの修正を行うことができる。こうした修正のすべては特許請求の範囲の各請求項の中に包含されるよう意図される。例えば、前に説明した実施形態はＬＰＣ分析を利用して非線形変換および／またはワープされたスペクトル・パラメータを符号化したが、こうした符号化は本発明による非常に多くの代替技術によって行うことができる。こうした代替技術には、周波数成分が対応する合成音声中に有する対応する知覚品質または精度に基づく符号化以外の方法によって短期間周波数スペクトルの周波数成分を符号化する技術が含まれる。

本発明による短期間周波数スペクトル符号器を利用する例示としてのボコーダの構成の略ブロック図である。 図１のボコーダで使用するための本発明による例示としての短期間周波数符号器の略ブロック図である。 図２の符号器によって生じるスペクトルの振幅の数値によって特徴づけられる例示としての短期間周波数スペクトルのグラフを示す図である。 図２の符号器によって生じるスペクトルの振幅の数値によって特徴づけられる例示としての短期間周波数スペクトルのグラフを示す図である。 本発明による短期間周波数スペクトル復号器を利用する例示としての音声復号器の構成の略ブロック図である。 図４の音声復号器で使用するための本発明による例示としての短期間周波数復号器の略ブロック図である。 図３Ｂで示されるワープ・スペクトルの振幅の数値に基づいて図４の復号器が発生する逆ワープ・スペクトルの振幅の数値によって表される例示としての短期間周波数スペクトルのグラフを示す図である。 図３Ａで示されるスペクトルの振幅の数値に基づく復号化非ワープ・スペクトルの振幅の数値によって表される例示としての短期間周波数スペクトルのグラフを示す図である。 図２の符号器を利用する例示としてのコードブック励起線形予測（ＣＥＬＰ）符号器の略ブロック図である。 図５の復号器を利用する例示としてのＣＥＬＰ復号器の略ブロック図である。

Claims (6)

1. 音声信号を符号化して、符号化信号を発生するための方法であって、
   有声音声を表わす該音声信号のフレーム区間について、スペクトル振幅値の系列を発生するステップであって、該スペクトル振幅値の系列が該フレーム区間の短期間周波数スペクトルのスペクトル成分を特徴づけるものであり、該フレーム区間の少なくとも１つのピッチ期間のスペクトル成分に基づいて発生する処理がなされるようなステップと、
   該スペクトル振幅値の系列に非線形変換を施して、中間スペクトル値の系列を生成するステップであって、知覚的により重要なスペクトル成分についてより多くの符号化リソースを、また知覚的にあまり重要でないスペクトル成分に対してはより少ない符号化リソースを提供するように、該中間スペクトル値の系列における少なくとも１つの特定の周波数範囲が、別の周波数範囲に対して高められた特性を有するようになっているステップと、
   該中間スペクトル値の系列を符号化して、該フレーム区間について該符号化信号の少なくとも一部分を生成するステップと、を含むことを特徴とする方法。
2. 請求項１に記載の方法において、
   該スペクトル振幅値の系列を発生するステップが、
   ピッチ周期を表わす該フレーム区間の一部分を識別する処理と、
   該フレーム区間の該識別された部分の離散フーリエ変換を行ない、スペクトル成分値の系列を発生する処理と、
   該スペクトル成分値のそれぞれの振幅を決定して、該フレーム区間について該スペクトル振幅値の系列を生成する処理とを含む方法。
3. 音声信号の引き続く符号化フレーム区間を含む符号化音声信号を復号するための方法であって、
   有声音声を表わすフレーム区間の少なくとも一部分について、該フレーム区間の短期間周波数スペクトルのスペクトル成分を特徴づける中間スペクトル値の系列であって、少なくとも１つの特定の周波数範囲が別の周波数範囲に対して高められた特性を有するような中間スペクトル値の系列を発生するステップであって、該短期間周波数スペクトルが該フレーム区間において表わされる有声音声のピッチ期間に対応しているステップと、
   該中間スペクトル値の系列を逆非線形変換により処理して、該フレーム区間の有声部分についての短期間周波数スペクトルを特徴づけるスペクトル振幅値の系列を生成するステップと、を含むことを特徴とする方法。
4. 音声信号の引き続く符号化フレーム区間を含む符号化音声信号を復号するための方法であって、
   有声音声を表わす符号化されたフレーム区間の少なくとも一部分について、該フレーム区間の短期間周波数スペクトルのスペクトル成分を特徴づける中間スペクトル値の系列であって、少なくとも１つの特定の周波数範囲が別の周波数範囲に対して高められた特性を有するような中間スペクトル値の系列を発生するステップと、
   該中間スペクトル値の系列を逆非線形変換により処理して、該フレーム区間の有声部分についての短期間周波数スペクトルを特徴づけるスペクトル振幅値の系列を生成するステップであって、該逆非線形変換が該フレーム区間における有声音声のピッチ期間の接続期間に基づくものであるステップと、を含むことを特徴とする方法。
5. 音声信号に基づいて符号化信号を発生するためのコーダであって、
   該音声信号の有声音声を表わす少なくとも１つのフレーム区間について、このフレーム区間の短期間周波数スペクトルのスペクトル成分を特徴づけるスペクトル振幅値の系列を発生するためのスペクトル変換器であって、該フレーム区間における有声セグメントにおいて表わされる少なくとも１つのピッチ期間に基づいた変換（５５、６０）を行うよう構成されているスペクトルに変換器（１０、１５、４０、５０、５５、６０）と
   該スペクトル変換器に結合され、該スペクトル振幅値の系列に該非線形変換を施して中間スペクトル値の系列を生成するためのエンコーダであって、該中間スペクトル値の系列においては少なくとも１つの特定の周波数範囲が別の周波数範囲に対して高められた特性を有するようになっているエンコーダと、
   該エンコーダに結合され、該中間スペクトル値の系列を符号化して、該フレーム区間について該符号化信号の少なくとも一部分を生成するためのスペクトルコード（７５、８０、８５、９０）と、を含むことを特徴とするコーダ。
6. 請求項５に記載のコーダにおいて、該スペクトル変換器が、該フレーム区間における区間を識別するためのウィンドウ・プロセッサ（５５）およびピッチ検出器（５０）と、
   該ウィンドウ・プロセッサに結合され、該フレーム区間について該スペクトル振幅値の系列を発生するための離散フーリエ変換器（６０）とを含むコーダ。
   

Images