JP2008519991A - 音声の符号化及び復号化 - Google Patents

Abstract

音声符号化装置（１００）は、音声信号（ｘ（ｎ））の過渡信号成分及び／又は正弦波信号成分を符号化して、残留信号（ｚ（ｎ））を生成する第１の符号化手段（１０１，１１１）と、残留信号を符号化する第２の符号化手段とを有する。第２の符号化手段は、残留信号の少なくとも２つの周波数帯域を選択するためのフィルタ手段（１２２）を有する。残留信号（ｚ（ｎ））の選択された周波数帯域（ＬＨ，ＨＦ）は、第１の符号化ユニット（１２３）及び第２の符号化ユニット（１２４）によって夫々符号化される。第１の符号化ユニット（１２３）は、時間領域エンコーダなどの波形エンコーダを有し、一方、第２のエンコーダユニット（１２４）はノイズエンコーダを有しうる。

Description

本発明は、音声の符号化及び復号化に関する。更に具体的には、本発明は、音声信号の過渡信号成分及び／又は正弦波信号成分を符号化して、残留信号を生成する第１の符号化手段と、残留信号を符号化する第２の符号化手段とを有する音声符号化装置に関する。本発明は、また、音声復号化装置と、音声信号を符号化する方法と、音声信号を復号する方法とに関する。

信号の伝送又は記憶に必要とされる帯域幅を低減するために音声信号を符号化することが知られる。様々な符号化技術が使用されており、これらの技術のほとんどは、特定の分類の信号に適する。異なった符号化技術は、異なった信号成分を有効に符号化するために同じ信号へ連続して適用されうる。例えば、音声信号の過渡信号成分が符号化され、その後、符号化された信号成分は、元の音声信号から減じられる。その場合に、結果として得られた信号の正弦波信号成分は、符号化され、その後、残留信号を得るために減じられる。この残留信号は、一般に、ノイズ信号を構成すると考えられており、例えば、その確率論的性質（例えば、電力、確率密度関数、電力スペクトル密度関数、及び／又はスペクトル時間エンベロープ）に基づいて残留信号を決定することによって、符号化されうる。

上述されたような配置の一例は、米国特許出願番号ＵＳ２００１／００３２０８７（オーメン等、フィリップス社）に開示されている。この文献の内容全体は、本明細書に援用されている。
米国特許出願番号ＵＳ２００１／００３２０８７

しかし、上記残留信号は、しばしば、典型的なノイズ信号ではないことが知られている。符号化誤差に起因して、全ての過渡信号成分及び正弦波信号成分が元の音声信号から除去されるわけではないことが起こり得る。結果として、残留信号は、一般に、「純粋な」ノイズに加えて、これらの成分の幾らかを含む。従って、このような残留信号へノイズモデルを適用することは、更なる符号化誤差を引き起こして、デコーダでの音響信号歪みをもたらしうる。

本発明は、従来技術のこれら及び他の問題を解決して、改善された精度により信号を符号化する音声符号化装置及び方法を提供することを目的とする。

本発明は、また、改善された精度により符号化された音声信号を復号する能力を有する復号化装置及び方法を提供することを目的とする。

従って、本発明は、音声信号の過渡信号成分及び／又は正弦波信号成分を符号化して、残留信号を生成する第１の符号化手段と、前記残留信号を符号化する第２の符号化手段とを有し、前記第２の符号化手段は、前記残留信号の少なくとも１つの周波数帯域を選択するフィルタ手段を有し、前記第２の符号化手段は、更に、前記選択された周波数帯域と、前記残留信号の更なる周波数帯域とを夫々符号化する少なくとも第１の符号化ユニット及び第２の符号化ユニットを有する、音声符号化装置を提供する。

周波数帯域毎に残留信号を符号化することによって、符号化技術と夫々の周波数帯域との間の一層より良い整合が得られる。周波数帯域間の符号化パラメータを変化させること、又は、様々な周波数帯域へ異なった符号化技術を適用することが可能である。結果として、残留信号の符号化誤差及び対応する信号歪みは、実質的に低減される。

特に、選択された周波数帯域は、主に符号化アーティファクトを含み、第１の符号化技術（例えば、波形符号化）により符号化されうる。一方、他の（例えば、残りの）周波数帯域は、主にノイズを含み、第２の異なる符号化技術（例えば、ノイズ符号化）により符号化されうる。異なった第１及び第２の符号化ユニットを用いることによって、改善された符号化精度が達成される。

好ましい実施例では、前記選択された（即ち、第１の）周波数帯域は、前記信号の周波数スペクトラムの比較的低い部分を有し、一方、前記更なる（即ち、第２の）周波数帯域は、比較的高い部分を有する。前記周波数スペクトラムのこれらの部分（周波数帯域）は、幾らかの重複を有しても、あるいは有さなくても良い。当然のことながら、例えば３、４又は５といった２よりも多い周波数帯域が選択されても良い。前記周波数帯域は、ともに、残留信号全体を実質的に構成しうるが、前記残留信号の幾つかの周波数が効率性のために符号化されない実施例も可能である。前記更なる（即ち、第２の）周波数帯域は、実質的に前記残留信号の周波数領域全体を含むが、また、フィルタ手段によって選択されて、前記周波数領域全体よりも相当に狭くても良い。

本発明者は、前記残留信号の高周波部分が、通常は、「純粋な」ノイズの良好な近似であり、従って、ノイズ信号としてモデル化可能である一方、低周波部分がノイズモデルから逸脱することに気付いた。具体的には、前記残留信号の低周波部分は、一般に、符号化誤差に起因するアーティファクトを含む。このようなアーティファクトは、残りの過渡信号成分及び正弦波信号成分を含みうる。

従って、有利に、前記第１の符号化ユニットは波形エンコーダを有し、一方、前記第２の符号化ユニットはノイズエンコーダを有する。これは、音声符号化装置が、前記第１の符号化ユニットが前記周波数スペクトラムのより低い部分を含む周波数帯域を符号化し、前記第２の符号化ユニットがより高い部分を含む周波数帯域を符号化するように配置される場合に、特に有利である。

特に適切な波形符号化技術は、分析合成（Ａｎａｌｙｓｉｓ−ｂｙ−Ｓｙｎｔｈｅｓｉｓ（ＡＳ））符号化である。従って、前記第１の符号化ユニットは、分析合成エンコーダを有することが好ましい。更に具体的には、前記第１の符号化ユニットは、規則的パルス励振（Ｒｅｇｕｌａｒ Ｐｕｌｓｅ ｅｘｃｉｔａｔｉｏｎ（ＲＰＥ））エンコーダ、多重パルス励振（Ｍｕｌｔｉｐｌｅ Ｐｕｌｓｅ Ｅｘｃｉｔａｔｉｏｎ（ＭＰＥ））エンコーダ、符号励振線形予測（Ｃｏｄｅ−Ｅｘｃｉｔｅｄ Ｌｉｎｅａｒ Ｐｒｅｄｉｃｔｉｏｎ（ＣＥＬＰ））エンコーダ、又はそれらのいずれかの組合せを有することが好ましい。これらのエンコーダは、時間領域エンコーダであって、通常は、発話音声（スピーチ）のために使用され、発話音声モデルを使用する。この理由ために、それらは、一般に音声（オーディオ）信号には使用され得ない。しかし、本発明者は、発話音声エンコーダが前記残留信号の選択された周波数帯域を符号化するために使用されうることに気付いた。適切な発話音声エンコーダ技術は、更に、デルタ変調及び適応差分パルス符号変調（ＡＤＰＣＭ）を有する。ＲＰＥ又はＭＰＥエンコーダは、線形予測段を有しても良い。

前記フィルタ手段は、帯域分配器又は直交ミラーフィルタ（ＱＭＦ）バンクを有することが好ましい。このような配置は、周波数帯域の効率的選択を可能にする。

前記第１の符号化手段は、過渡合成ユニット及び第１の結合ユニットへ結合された過渡パラメータ抽出ユニットと、正弦波パラメータ合成ユニット及び第２の結合ユニットへ結合された正弦波パラメータ抽出ユニットとを有しても良い。

当該音声符号化装置は、前記第１の符号化手段及び前記第２の符号化手段によって生成された信号を結合してマルチプレクスする結合及びマルチプレクスユニットを更に有しても良い。

本発明は、また、上記装置によって符号化された音声信号を復号する音声復号化装置であって、前記音声信号の前記過渡信号成分及び／又は前記正弦波信号成分を復号する第１の復号化手段と、前記残留信号を復号する第２の復号化手段とを有し、前記第２の復号化手段は、前記残留信号の第１の周波数帯域及び第２の周波数帯域を夫々復号する少なくとも第１の復号化ユニット及び第２の復号化ユニットと、前記残留信号の前記復号された第１の周波数帯域及び第２の周波数帯域を混合する混合ユニットとを有する、音声復号化装置を提供する。

有利に、前記第１の復号化ユニットは波形デコーダを有しても良く、一方、前記第２の復号化ユニットはノイズデコーダを有する。更に具体的には、前記第１の復号化ユニットは分析合成（ＡＳ）デコーダ、更に具体的には、規則的パルス励振（ＲＰＥ）デコーダ、多重パルス励振（ＭＰＥ）デコーダ、及び／又は符号励振線形予測（ＣＥＬＰ）デコーダを有しても良い。

特に有利な実施例において、当該音声復号化装置は、更に、前記第１の周波数帯域及び／又は前記第２の周波数帯域を更に復号する第３の復号化ユニットを更に有し、前記第３の復号化ユニットは、前記第１及び／又は第２の復号化ユニットとは異なる復号方式を用いる。これは、代替の復号化技術の実質的に同時の使用を可能にする。更に、切替え手段が、前記第１の復号化ユニット又は前記第３の復号化ユニットのいずれか一方を前記混合ユニットへ選択的に接続するために設けられても良い。これは、当該復号化装置が、例えば信号品質測定又は外部制御信号に基づいて、いずれか一方の復号化ユニットから復号された信号を選択することを可能にする。この実施例は、スケーリング可能なビットストリームの復号化を可能にする。

前記第３の復号化ユニットは、前記第３の復号化ユニットによって復号される信号の周波数帯域を選択する更なるフィルタユニットを設けられても良い。即ち、前記第３の復号化ユニットによって出力される復号された信号は、幾つかの周波数帯域に分割されても良く、一方、それらの周波数帯域の夫々は、例えば、上述された第１の復号化ユニットなどの他の復号化ユニットによって復号化された対応する周波数帯域の代わりに選択的に使用されても良い。

本発明は、更に、上述されたような音声符号化装置及び音声復号化装置を有する音声伝送システムを提供する。

本発明は、また、音声信号の過渡信号成分及び／又は正弦波信号成分を符号化して、残留信号を生成するステップと、前記残留信号を符号化するステップとを有し、前記残留信号を符号化するステップは、前記残留信号の周波数帯域を選択するサブステップと、前記選択された周波数帯域と、前記残留信号の更なる周波数帯域とを別々に符号化するサブステップとを有する、音声符号化の方法を提供する。

前記選択された（即ち、第１の）周波数帯域は比較的低い周波数を有しても良く、一方、前記更なる（即ち、第２の）周波数帯域は比較的高い周波数を有しても良い。前記更なる周波数帯域は、前記残留信号の周波数領域全体、又は、選択された有限な周波数帯域を有しても良い。

前記選択された周波数帯域を符号化するステップは波形符号化を含んでも良く、一方、前記更なる周波数帯域を符号化するステップはノイズ符号化を含んでも良い。更に具体的には、前記選択された周波数帯域を符号化するステップは分析合成（ＡＳ）符号化、更に具体的には、規則的パルス励振（ＲＰＥ）符号化、多重パルス励振（ＭＰＥ）符号化、及び／又は符号励振線形予測（ＣＥＬＰ）符号化を含んでも良い。

本発明の音声符号化方法の他の実施例は、本発明の明細書から明らかとなるであろう。

更に、本発明は、音声信号を復号する方法であって、前記音声信号の過渡信号成分及び／又は正弦波信号成分を復号するステップと、残留信号を復号するステップとを有し、前記残留信号を復号するステップは、前記残留信号の第１の周波数帯域及び第２の周波数帯域を別々に復号するサブステップと、前記復号された第１の周波数帯域及び第２の周波数帯域を結合するサブステップとを有する、方法を提供する。

有利に、前記第１の周波数帯域を復号するサブステップは波形復号化を含んでも良く、一方、前記第２の周波数帯域を復号するサブステップはノイズ復号化を含む。更に具体的には、前記第１の周波数帯域を復号するサブステップは分析合成（ＡＳ）復号化、更に具体的には、規則的パルス励振（ＲＰＥ）復号化、多重パルス励振（ＭＰＥ）復号化、及び／又は符号励振線形予測（ＣＥＬＰ）復号化を含んでも良い。

本発明の音声復号化方法は、更に、異なる復号方式により更に前記第１の周波数帯域及び／又は前記第２の周波数帯域を復号するサブステップを更に有しても良い。更に、当該方法は、前記最初に復号された周波数帯域又は前記更に復号された周波数帯域のいずれか一方を選択的に用いるサブステップを更に有しても良い。

本発明は、更に、上述された方法を実行するコンピュータプログラムプロダクトを提供する。コンピュータプログラムプロダクトは、例えば、ＣＤ（コンパクトディスク）、ＤＶＤ（デジタル・バーサトル・ディスク）、フロッピー（登録商標）ディスク、又はいずれかの他の適切な媒体などの情報媒体に記憶された、コンピュータが実行可能な命令（コンピュータプログラム）の組を有することができる。代替的に、前記コンピュータが実行可能な命令の組は、例えばインターネットを介して、遠くのサーバからダウンロードされても良い。前記コンピュータが実行可能な命令の組は、コンピュータが本発明の方法を実行することを可能にするものであって、機械言語、アセンブリ言語、又は、例えばＣ＋＋若しくはＪａｖａ（登録商標）などの高度なプログラミング言語で提供されうる。本発明の絶対不可欠な方法ステップを実行する能力を有する如何なるコンピュータ実行可能なプログラムも、上述されたコンピュータプログラムプロダクトを構成すると考えられる。本発明のコンピュータプログラムを実行するために必要な特定の形式のコンピュータは関連しない。

以下、添付の図面に表される例となる実施形態を参照して本発明について更に説明する。

図１に単なる限定されない例として示される伝送システムは、音声符号化装置１００´及び音声復号化装置２００´を有する。従来技術の音声符号化装置１００´は、「パラメトリック音声コーダ」としても知られ、３つの段階で音声信号ｘ（ｎ）を符号化する。このような形式の音声伝送システムは、上記米国特許出願番号ＵＳ２００１／００３２０８７に開示される。

第１の段階では、音声信号ｘ（ｎ）の如何なる過渡信号成分も、過渡パラメータ抽出（ＴＰＥ）ユニット１０１により符号化される。パラメータは、結合及びマルチプレクス（Ｃ＆Ｍ）ユニット１５０並びに過渡合成（ＴＳ）ユニット１０２の両方へ供給される。結合及びマルチプレクスユニット１５０は、復号化装置２００´への送信のためにパラメータを適切に結合してマルチプレクスし、過渡合成ユニット１０２は符号化された過渡信号を再構成する。これらの再構成された過渡信号は、その過渡信号が実質的に除去された中間信号ｙ（ｎ）を形成するよう、第１の結合ユニット１０３で元の音声信号ｘ（ｎ）から減じられる
第２の段階では、中間信号ｙ（ｎ）の如何なる正弦波信号成分（即ち、サイン波及びコサイン波）も、正弦波パラメータ抽出（ＳＰＥ）ユニット１１１によって符号化される。結果として得られるパラメータは、結合及びマルチプレクスユニット１５０と、正弦波合成（ＳＳ）ユニット１１２とへ供給される。正弦波合成ユニット１１２によって再構成された正弦波信号は、残留信号ｚ（ｎ）を得るよう、第２の結合ユニット１１３で中間信号ｙ（ｎ）から減じられる。

第３の段階では、残留信号ｚ（ｎ）は、時間／周波数エンベロープ抽出（ＴＦＥ）ユニット１２１により符号化される。明らかなように、残留信号ｚ（ｎ）は、過渡信号及び正弦波信号が第１及び第２の段階で除去される場合に、ノイズ信号であると考えられる。従来技術に従うノイズモデル化及び符号化の技術の概説は、１９９９年、アメリカ合衆国、スタンフォード大学、Ｓ．Ｎ．レビンによる論文「Ａｕｄｉｏ Ｒｅｐｒｅｓｅｎｔａｔｉｏｎｓ ｆｏｒ Ｄａｔａ Ｃｏｍｐｒｅｓｓｉｏｎ ａｎｄ Ｃｏｍｐｒｅｓｓｅｄ Ｄｏｍａｉｎ Ｐｒｏｃｅｓｓｉｎｇ（データ圧縮及び圧縮領域処理のための音声表示）」の第５章に提示されている。

３つの段階の全てから結果として得られるパラメータは、結合及びマルチプレクス（Ｃ＆Ｍ）ユニット１５０によって適切に結合されてマルチプレクスされる。結合及びマルチプレクスユニット１５０は、また、パラメータの更なる符号化、例えば、ハフマン符号化又は時間差分符号化などを実行して、伝送のために必要とされる帯域幅を低減する。パラメータ抽出（即ち、符号化）ユニット１０１、１１１及び１２１は、抽出されたパラメータの量子化を行っても良い。代替的に又は付加的に、量子化は、結合及びマルチプレクスユニット（Ｃ＆Ｍ）１５０で実行されても良い。

Ｃ＆Ｍユニット１５０で結合されてマルチプレクスされた（更に、随意的に、符号化及び／又は量子化された）後に、パラメータは、ユニット１５０と２５０との間の矢印によって図１で示されるように、伝送媒体を介して送信される。伝送媒体は、衛星リンク、グラスファイバーケーブル、銅ケーブル、及び／又は如何なる他の適切な媒体を有しても良い。

明らかなように、ｘ（ｎ）、ｙ（ｎ）及びｚ（ｎ）はデジタル信号であり、ｎはサンプル番号を表す。

図１の復号化装置２００´は、符号化の段階に対応する３つの段階で、送信された信号パラメータを復号する。デマルチプレクス及び分割（Ｄ＆Ｄ）ユニット２５０で信号パラメータを受信し、デマルチプレクスして分割した後、過渡パラメータは過渡合成（ＴＳ）ユニット２０２へ供給される。過渡合成ユニット２０２は、符号化装置１００´の対応ユニット１０２と同様に、信号の過渡信号成分を再構成する。正弦波パラメータは、対応ユニット１１２と同様に、正弦波合成（ＳＳ）ユニット２１２で正弦波信号成分を再構成するために使用される。再構成された過渡信号成分及び正弦波信号成分は、第１の結合ユニット２０３で結合される。

ノイズパラメータ（時間及び／又は周波数エンベロープデータ）は、ノイズ発生器２２７へ結合された時間／周波数成形（ＴＦＳ）ユニット２２１によって使用される。再構成された残留信号は、再構成された音声信号ｘ´（ｎ）を生成するよう、第２の結合ユニット２１３で、再構成された過渡信号及び正弦波信号と結合される。

この従来技術の伝送システムは、元の音声信号が正確にモデル化される場合には、具体的には、残留信号ｚ（ｎ）が「実際の」ノイズのみを有する場合には、うまく機能する。しかし、実際には、これは、しばしば事実とは異なる。最初の２つの段階における信号モデル化及びパラメータ抽出の誤差は、残留信号ｚ（ｎ）に依然として過渡信号及び正弦波信号のトレースを含ませうる。更に、元の音声信号ｘ（ｎ）は、構成する信号成分に容易に分割され得ない構成を有しうる。結果として、残留信号ｚ（ｎ）は、実際のノイズ信号ではなく、従って、ノイズ信号として適切にモデル化され得ない。従って、ＴＦＥユニット１２１によって抽出されたエンベロープデータは、不正確であり、復号化装置２００´での残留信号の不正確な再構成、及び知覚的に不正確な（即ち、歪んだ）再構成音声信号ｘ´（ｎ）を生じさせる。

本発明は、残留信号ｚ（ｎ）の改善された符号化を提供して、再構成音声信号ｘ´（ｎ）の歪みの著しい低減を実現することによって上記問題を解決する。本発明に従う符号化装置の実施例は図２ａに表され、一方、対応する復号化装置は図２ｂに表される。

図２ａに単に限定されない例として示される本発明の符号化装置１００は、同じく、過渡パラメータ抽出（ＴＰＥ）ユニット１０１と、過渡合成（ＴＳ）ユニット１０２と、第１の結合ユニット１０３と、正弦波パラメータ抽出（ＳＰＥ）ユニット１１１と、正弦波合成（ＳＳ）ユニット１１２と、第２の結合ユニット１１３と、結合及びマルチプレクス（Ｃ＆Ｍ）ユニット１５０とを有する。しかし、単一の時間／周波数エンベロープデータ抽出（ＴＦＥ）ユニット１２１が、帯域分配器（ＢＳ）１２２と、第１の符号化ユニット１２３と、第２の符号化ユニット１２４とに置き換えられている。帯域分配器１２２は、残留信号ｚ（ｎ）をフィルタ処理して、本例でＬＦ（低周波）及びＨＦ（高周波）で夫々示される多数の通過帯域に分割する。

残留信号を多数の周波数帯域に分割することによって、符号化ユニットをそれらの夫々の周波数帯域へ適合させることが可能である。当然、残留信号の夫々の周波数帯域は特有の特性を有し、符号化ユニットは残留信号を最適に符号化するようそれらの特性に適合させられうる。更に、当然のことながら、３、４、５、６又はそれ以上の周波数帯域及び関連する符号化ユニットが利用されても良い。

図２ａに示される実施例では、第１の（ＬＦ）符号化ユニット１２３は、時間領域符号化ユニット、具体的には、発話音声符号化技術を用いる符号化ユニットである。当業者には明らかなように、発話音声符号化及びオーディオ符号化は、一般的に通常は、大変異なった符号化技術を必要とする。一般に、発話音声符号化は、発話信号を解析するために人間の声道モデルを使用し、一方、このようなモデルは、一般には音響に適用することができず、任意のオーディオ信号に適用される場合には信号歪みを生じさせうる。しかし、本発明者は、発話音声符号化技術が、問題となっている符号化装置の残留信号の低周波部分を符号化するために極めて適切であることに気付いた。

（第１の）符号化ユニット１２３は、本例では、例えば分析合成（Ａｎａｌｙｓｉｓ−ｂｙ−Ｓｙｎｔｈｅｓｉｓ（ＡＳ））エンコーダなどの波形エンコーダ（ＷＥ）によって構成され、更に具体的には、ＲＰＥ（規則的パルス励振）エンコーダ、ＭＰＥ（多重パルス励振）エンコーダ、及び／又はＣＥＬＰ（符号励振線形予測）エンコーダを有しても良い。それら及び他の符号化技術に関して、１９９４年１０月、ＩＥＥＥ議事録Ｖｏｌ．８２、Ｎｏ．１０、Ａ．Ｓ．スパニアスによる「Ｓｐｅｅｃｈ Ｃｏｄｉｎｇ：Ａ Ｔｕｔｏｒｉａｌ Ｒｅｖｉｅｗ（発話音声符号化：指導書概説）」が参照される。この文献の全体の内容は、本願に援用される。

（第２の）符号化ユニット１２４は、「標準的」ノイズエンコーダである。このようなエンコーダは、例えば出力、出力スペクトル密度関数、及び／又はスペクトル時間的エンベロープなどの１又はそれ以上の確率論的事項（パラメータ）で信号を表す。当業者には明らかなように、これらのパラメータは、例えば、周波数エンベロープを決定するためのラゲール・フィルタリング、及び（ノイズ）信号の時間エンベロープを決定するための線形予測符号化などの周知技術により決定されうる。

第２の符号化ユニット１２４は、本例では、残留信号ｚ（ｎ）のＨＦ（高周波）部分を符号化する。本発明者は、残留信号の高周波部分が、実質的に、ノイズエンコーダにより有効に符号化されうる「実際の」ノイズから成ることに気付いた。しかし、残留信号のＬＦ（低周波）部分は、ノイズ符号化技術に適合しないが、例えば発話音声符号化技術により適切に符号化されうる過渡信号及び正弦波信号の残余部を含むことが分かっている。本発明の「複合型」符号化技術を用いることによって、残留信号の極めて正確な符号化が達成可能である。

第１の符号化ユニット１２３及び第２の符号化ユニット１２４によって生成されるパラメータは、過渡パラメータ抽出（ＴＰＥ）ユニット１０１及び正弦波パラメータ抽出（ＳＰＥ）ユニット１１１によって生成された信号パラメータとともに、結合及びマルチプレクスユニット１５０へ供給される。次に、結合されてマルチプレクスされたパラメータは、例えばパラメトリック・ビットストリームとして、適切な伝送経路を介して送信されうる。このようなビットストリームは、例えば、４つのセクション、即ち、ヘッダ、過渡パラメータ、正弦波パラメータ、及びノイズ（残留信号）パラメータから成る。

図２ａの実施例では、過渡パラメータ抽出（ＴＰＥ）ユニット１０１及び正弦波パラメータ抽出（ＳＰＥ）ユニット１１１は、音声信号ｘ（ｎ）の周波数スペクトラム全体に関して動作し、一方、第１の符号化ユニット１２３及び第２の符号化ユニット１２４は、周波数スペクトラムの選択された部分に対して動作する。その選択は、帯域分配器（ＢＳ）１２２によって実行される。従って、過渡信号成分及び正弦波信号成分の周波数に依存しない符号化と、残留信号の周波数依存の符号化とが実現される。更に、この周波数依存の符号化は、異なった符号化技術を利用する別個の符号化ユニットによって実行される。

本発明に従う例となる復号化装置２００が図２ｂに表される。図２ｂの装置２００は、図２ａの装置１００によって符号化された音声信号を復号するよう設計される。

図２ｂの復号化装置２００は、図１の従来技術の復号化装置２００´と類似しており、同じく、デマルチプレクス及び分割（Ｄ＆Ｄ）ユニット２５０と、過渡合成（ＴＳ）ユニット２０２と、正弦波合成（ＳＳ）ユニット２１２と、第１の結合ユニット２０３と、第２の結合ユニット２１３とを有する。しかし、従来技術の復号化装置２００´とは対照的に、図２ｂに示される本発明の復号化装置２００は、並列に配置され且つ混合（Ｍ）ユニット２２２へ結合された第１の復号化ユニット２２３及び第２の復号化ユニット２２４を有する。第１の復号化ユニット２２３は、残留信号を表すパラメータの第１の部分、本例では低周波（ＬＦ）部分を受信する。同様に、第２の復号化ユニット２２４は、残留信号を表すパラメータの第２の部分、本例では高周波（ＨＦ）部分を受信する。これらの別個の信号パラメータの組は、夫々の復号化ユニット２２３及び２２４で別々に復号され、結果として得られる残留信号の部分は、再構成残留信号を形成するよう混合ユニット２２２によって適切に混合される。第２の結合ユニット２１３は、この再構成残留信号を、再構成音声信号ｘ´（ｎ）を形成するよう、再構成された過渡信号成分及び正弦波信号成分と結合する。

当然のことながら、２つの結合ユニット２０３及び２１３は、多数の入力を有する単一の結合ユニットに結合されても良い。結合ユニットが混合ユニット２２２に一体化される実施例も考えられる。

示される実施例では、第１の復号化ユニット２２３は波形デコーダ（ＷＤ）であり、一方、第２の復号化ユニット２２４はノイズデコーダ（ＮＤ）によって構成される。一般に、復号化ユニット２２３及び２２４は、符号化装置１００の対応する符号化ユニットに整合するように選択されうる。復号化ユニット２２３の波形デコーダは、対応するエンコーダに依存して、分析合成（Ａｎａｌｙｓｉｓ−ｂｙ−Ｓｙｎｔｈｅｓｉｓ（ＡＳ））デコーダ、更に具体的には、ＲＰＥ（規則的パルス励振）デコーダ、ＭＰＥ（多重パルス励振）デコーダ、及び／又はＣＥＬＰ（符号励振線形予測）デコーダであっても良い。

残留信号の２又はそれ以上の周波数帯域を別々に符号化及び復号化することによって、残留信号ｚ（ｎ）のより一層正確な再構成が得られる。

本発明の符号化装置１００の代替の実施例が図３ａに表される。図３ａで、帯域分配器１２２は、ＱＭＦ（直交ミラーフィルタ）分析フィルタ（ＱＡＦ）バンク１２５に置換されている。このフィルタバンクは、残留信号ｚ（ｎ）を、図３ａで０〜３の番号を付された４つの周波数帯域に分割する。示される実施例では、最低周波数帯域（帯域０）は、ＣＥＬＰ（符号励振線形予測）エンコーダ（ＣＥ）ユニット１２６によって符号化され、他の周波数帯域は、時間／周波数エンベロープデータ抽出（ＴＦＥ）ユニット１２１によって符号化される。明らかなように、これらのＴＦＥユニット１２１は、夫々、図１で表される従来技術のＴＦＥユニット１２１と同一である。しかし、従来技術の符号化装置では、単一のＴＦＥユニット１２１しか使用されておらず、一方、本発明の符号化装置では、ＴＦＥユニット１２１は、少なくとも１つの他の符号化ユニットに並列に配置されており、夫々の符号化ユニットは、特定の周波数帯域に関連付けられている。示される例では、３つのＴＦＥユニット１２１は、ＣＥ（ＣＥＬＰエンコーダ）ユニット１２６へ並列に配置されている。これら全ての符号化ユニットは、過渡パラメータ抽出（ＴＰＥ）ユニット１０１及び正弦波パラメータ抽出（ＳＰＥ）ユニット１１１とともに、結合及びマルチプレクス（Ｃ＆Ｍ）ユニット１５０へ結合されている。

当業者には明らかなように、ＱＭＦ分析フィルタ（ＱＡＦ）バンク１２５はフィルタバンクの有効な実施を提供するが、代替のフィルタ配置が同様の結果を得るために使用され得る。同様に、単一のＣＥＬＰエンコーダユニット１２６及び３つのＴＦＥユニット１２１の選択は、ＱＭＦ分析フィルタバンク１２５（又はその等価なもの）によって選択された特定の周波数帯域に依存しうる。本発明者は、残留信号のより低い周波数は、例えばＣＥＬＰ又はＲＰＥ符号化などの波形符号化により正確且つ効率的に符号化可能であり、一方、より高い周波数は（時間及び／又は周波数）エンベロープデータ抽出により適切に符号化されうることに気付いた。この理由は、より低い周波数は過渡信号成分及び正弦波信号成分の残余部と、場合により符号化アーティファクトとを含み、一方、より高い周波数は「純粋な」ノイズに類似しうるためである。

当然のことながら、ＣＥＬＰエンコーダユニット１２６は、例えばＲＰＥエンコーダユニット、ＭＰＥエンコーダユニット、又は他の波形符号化ユニットなど、他のエンコーダユニットに置換されても良い。

図３ａの符号化装置に対応する復号化装置は図３ｂに示される。図３ｂの例となる復号化装置２００は、ＣＥＬＰデコーダ（ＣＤ）ユニット２２６と、３つの時間／周波数成形（ＴＦＳ）ユニット２２１とを有する。夫々の時間／周波数成形（ＴＦＳ）ユニット２２１は、ノイズ発生器２２７へ結合されている（当然のことながら、単一のノイズ発生器２２７が、全ての時間／周波数成形ユニット２２１に対してノイズ信号を発生させるために使用されても良い。）。

ＣＥＬＰ復号化ユニット２２６及び３つの時間／周波数成形ユニット２２１は、残留信号の（図３ｂで０から３の番号を付された）夫々の周波数帯域を再構成するよう、デマルチプレクス及び分割（Ｄ＆Ｄ）（及び随意的に、復号化）ユニット２２５から信号パラメータを受信する。再構成された部分的な信号は、ＱＭＦ（直交ミラーフィルタ）合成フィルタ（ＱＳＦ）バンク２２５へ供給され、ＱＳＦバンク２２５で残留信号は再構成される。次に、この再構成された残留信号は、再構成音声信号ｘ´（ｎ）を生成するよう（第２の）結合ユニット２１３へ供給される。

図４ａの符号化装置１００は、同様に、残留信号ｚ（ｎ）を（０〜３の番号を付された）４つの周波数帯域に分割するＱＭＦ（直交ミラーフィルタ）分析フィルタ（ＱＡＦ）バンク１２５を有する。図３ａとは対照的に、図４ａの実施例は、また、第２の結合ユニット１１３と、結合及びマルチプレクス（Ｃ＆Ｍ）ユニット１５０との間に、即ち、ＱＭＦ分析フィルタバンク１２５及び符号化ユニット１２６に並列に結合された時間／周波数エンベロープデータ抽出（ＴＦＥ）ユニット１２１を有する。この特に有利な実施例では、残留信号ｚ（ｎ）は、最初は従来技術の場合と同じく符号化されたノイズであるが、更に、符号化ユニット１２６によって周波数帯域ごとに符号化された波形である。結合及びマルチプレクスユニット１５０は、時間／周波数エンベロープデータ抽出ユニット１２１によって生成されたパラメータの幾つかが符号化ユニット１２６によって上書きされうるように配置されうる。その場合に、（ＣＥＬＰ又は等価な）エンコーダユニット１２６は、改善された信号パラメータを供給するよう働き、一方、ＴＦＥユニット１２１は、基本信号パラメータを供給するよう働く。代替的に、ＴＦＥユニット１２１及びＣＥＬＰエンコーダユニット１２６の両方からのパラメータが送信されても良い。

結合されてマルチプレクスされたパラメータは、拡張可能なビットストリームとして配置されうる。このようなビットストリームは、例えば、８つのセクション、即ち、ヘッダ、過渡パラメータ、正弦波パラメータ、ノイズパラメータ、及び、ＣＥＬＰ（又は等価な）パラメータのための４つの更なるセクションから成っても良い。このような構成を有するビットストリームは、夫々のＣＥＬＰパラメータセクションの前又は後で切り捨てられても良い。明らかなように、夫々のＣＥＬＰパラメータセクションは、最初の４つのセクションによって構成される基本層で伝送される音声を拡張するためのエンハンスメント層として考えられる。

結合及びマルチプレクスユニット１５０は、どのエンコーダユニット（即ち、４つのＣＥユニット１２６又はＴＦＥユニット１２１のどれ）が特定のパラメータを生成するために使用されたかを示す情報を送信することができる。このエンコーダ情報は、復号化装置が適切な復号化ユニットを選択することを可能にする。代替的に、復号化装置は、送信されたパラメータを基にこのような選択を行う。例えば、ＱＭＦ分析フィルタバンク２２９でのある周波数帯域のエネルギーが、ＣＥＬＰデコーダ２２６での同じ帯域のエネルギーよりも著しく大きい場合に、ＱＭＦ分析フィルタバンク２２９は、その特定の周波数帯域に関して選択されるべきである。

明らかなように、単一のＣＥＬＰエンコーダ（ＣＥ）ユニット１２６のみが、従来技術に対する改良を予め提供するよう存在しうる。このような実施例では、単一のＣＥＬＰエンコーダユニット１２６は、残留信号ｚ（ｎ）の周波数領域全体、又はその選択された周波数帯域のみを符号化することができる。代替的に、２又は３のＣＥＬＰエンコーダユニット１２６は、夫々関連する周波数帯域を符号化するために設けられても良い。有利に、最も高い周波数帯域のＣＥＬＰエンコーダユニット１２６は、この周波数帯域が「純粋な」ノイズに類似する信号を含む可能性が最も高いので、省略されても良い。

更に、符号化ユニット１２６は、また、夫々、ＣＥＬＰエンコーダの代わりに（又は、それに加えて）、ＲＰＥ、ＭＰＥ又は他のエンコーダ（一般に、波形エンコーダ）を有しても良いことが知られる。

図４ａの符号化装置に対応する復号化装置は図４ｂに示される。図４ｂの例となる復号化装置２００は、夫々（０〜３の番号を付された）選択された周波数帯域のための複数のＣＥＬＰデコーダ（ＣＤ）ユニット２２６を有する。更に、（ノイズ発生器２２７へ結合された）時間／周波数成形（ＴＦＳ）ユニット２２１は、デコーダユニット２２６へ並列に配置されている。時間／周波数成形（ＴＦＳ）ユニット２２１によって再構成された（残留）信号は、ＱＭＦ分析フィルタ（ＱＡＦ）バンク２２９へ供給されて、（０〜３の番号を付された）複数の周波数帯域に分割される。ひと組のスイッチ２３０は、ＣＥＬＰデコーダユニット２２６又はＱＭＦ分析フィルタバンク２２９のいずれか一方をＱＭＦ合成フィルタ（ＱＳＦ）バンク２２５へ接続する能力を有する。スイッチ２３０は、デマルチプレクス及び分割（Ｄ＆Ｄ）ユニット２５０から選択情報を受信するスイッチ制御ユニット２３１によって個々に制御される。従って、夫々の周波数帯域は、時間／周波数成形（ＴＦＳ）ユニット２２１又はＣＥＬＰデコーダ（ＣＤ）ユニット２２６のいずれかにより復号されうる。代替的に、スイッチ制御ユニット２３１は、残留信号の品質を測定して、その測定された信号品質に従ってスイッチ２３０を制御する信号品質試験ユニットを設けられても良い。

当然のことながら、ＣＥＬＰデコーダユニット２２６は、例えばＲＰＥ又はＭＰＥデコーダユニットなどの等価なデコーダユニットにより個々に又は集合的に置換されても良い。更なる変形が可能であり、例えば、時間／周波数成形（ＴＦＳ）ユニット２２１はＱＡＦユニット２２９に一体化されても良い。

本発明は、音声信号から過渡信号成分及び正弦波信号成分を減じた後に、残留信号が「純粋な」ノイズではなく、そのようなものとして正確に符号化され得ないという見識に基づく。本発明は、残留信号が周波数帯域毎に残留信号を符号化することによってより正確に符号化され得るという更なる見識から恩恵を受ける。このことは、更に、特定の符号化技術を周波数帯域に依存して使用させることを可能にする。

本願で使用される如何なる用語も、本発明の適用範囲を限定するように解釈されるべきではない。具体的には、語「有する」は、特に挙げられていない如何なる要素も排除することを意味しているわけではない。単一の（回路）素子は、複数の（回路）素子又はそれらの等価なものにより置換されても良い。

当業者にとっては明らかなように、本発明は上記実施例に限定されず、多数の変更及び付加が添付の特許請求の範囲で定められる本発明の適用範囲から逸脱することなくなされうる。

従来技術に従う符号化装置及び復号化装置を有する伝送システムを示す。 本発明に従う符号化装置の第１の実施例を示す。 本発明に従う復号化装置の第１の実施例を示す。 本発明に従う符号化装置の第２の実施例を示す。 本発明に従う復号化装置の第２の実施例を示す。 本発明に従う符号化装置の第３の実施例を示す。 本発明に従う復号化装置の第３の実施例を示す。

Claims (35)

1. 音声信号の過渡信号成分及び／又は正弦波信号成分を符号化して、残留信号を生成する第１の符号化手段と、
   前記残留信号を符号化する第２の符号化手段とを有し、
   前記第２の符号化手段は、前記残留信号の少なくとも１つの周波数帯域を選択するフィルタ手段を有し、
   前記第２の符号化手段は、更に、前記選択された周波数帯域と、前記残留信号の更なる周波数帯域とを夫々符号化する少なくとも第１の符号化ユニット及び第２の符号化ユニットを有する、音声符号化装置。
2. 前記フィルタ手段は、前記選択された周波数帯域が比較的低い周波数を有し、前記更なる周波数帯域が比較的高い周波数を有するように配置される、請求項１記載の音声符号化装置。
3. 前記フィルタ手段は、前記更なる周波数帯域を更に選択するよう配置される、請求項１記載の音声符号化装置。
4. 前記更なる周波数帯域は、実質的に前記残留信号の周波数領域全体を含む、請求項１記載の音声符号化装置。
5. 前記第１の符号化ユニットは波形エンコーダを有し、前記第２の符号化ユニットはノイズエンコーダを有する、請求項１記載の音声符号化装置。
6. 前記第１の符号化ユニットは分析合成（ＡＳ）エンコーダを有する、請求項５記載の音声符号化装置。
7. 前記第１の符号化ユニットは、規則的パルス励振（ＲＰＥ）エンコーダ、及び／又は多重パルス励振（ＭＰＥ）エンコーダ、及び／又は符号励振線形予測（ＣＥＬＰ）エンコーダを有する、請求項５記載の音声符号化装置。
8. 前記フィルタ手段は、帯域分配器又は直交ミラーフィルタ（ＱＭＦ）バンクを有する、請求項１記載の音声符号化装置。
9. 前記第１の符号化手段は、過渡合成ユニット及び第１の結合ユニットへ結合された過渡パラメータ抽出ユニットと、正弦波パラメータ合成ユニット及び第２の結合ユニットへ結合された正弦波パラメータ抽出ユニットとを有する、請求項１記載の音声符号化装置。
10. 前記第１の符号化手段及び前記第２の符号化手段によって生成された信号を結合してマルチプレクスする結合及びマルチプレクスユニットを更に有する、請求項１記載の音声符号化装置。
11. 請求項１記載の音声符号化装置によって符号化された音声信号を復号する音声復号化装置であって、
    前記音声信号の前記過渡信号成分及び／又は前記正弦波信号成分を復号する第１の復号化手段と、
    前記残留信号を復号する第２の復号化手段とを有し、
    前記第２の復号化手段は、前記残留信号の第１の周波数帯域及び第２の周波数帯域を夫々復号する少なくとも第１の復号化ユニット及び第２の復号化ユニットと、前記残留信号の前記復号された第１の周波数帯域及び第２の周波数帯域を混合する混合ユニットとを有する、音声復号化装置。
12. 前記第１の復号化ユニットは波形デコーダを有し、前記第２の復号化ユニットはノイズデコーダを有する、請求項１１記載の音声復号化装置。
13. 前記第１の復号化ユニットは分析合成（ＡＳ）デコーダを有する、請求項１２記載の音声復号化装置。
14. 前記第１の復号化ユニットは、規則的パルス励振（ＲＰＥ）デコーダ、多重パルス励振（ＭＰＥ）デコーダ、及び／又は符号励振線形予測（ＣＥＬＰ）デコーダを有する、請求項１２記載の音声復号化装置。
15. 前記混合手段は、直交ミラーフィルタ（ＱＭＦ）合成フィルタバンクを有する、請求項１１記載の音声復号化装置。
16. 更に前記第１の周波数帯域及び／又は前記第２の周波数帯域を復号する第３の復号化ユニットを更に有し、
    前記第３の復号化ユニットは、前記第１及び／又は第２の復号化ユニットとは異なる復号方式を用いる、請求項１１記載の音声復号化装置。
17. 前記第１の復号化ユニット又は前記第３の復号化ユニットのいずれか一方を前記混合ユニットへ選択的に接続する切替え手段を更に有する、請求項１６記載の音声復号化装置。
18. 前記第３の復号化ユニットは、前記第３の復号化ユニットによって復号される信号の周波数帯域を選択する更なるフィルタユニットを設けられる、請求項１１記載の音声復号化装置。
19. 前記第１の復号化手段は、過渡合成ユニット及び第１の結合ユニットと、正弦波パラメータ合成ユニット及び第２の結合ユニットとを有する、請求項１１記載の音声復号化装置。
20. 伝送チャネルから受信されたパラメータをデマルチプレスして分割するデマルチプレクス及び分割ユニットを更に有する、請求項１１記載の音声復号化装置。
21. 請求項１記載の音声符号化装置と、請求項１１記載の音声復号化装置とを有する音声伝送システム。
22. 音声信号の過渡信号成分及び／又は正弦波信号成分を符号化して、残留信号を生成するステップと、
    前記残留信号を符号化するステップとを有し、
    前記残留信号を符号化するステップは、前記残留信号の周波数帯域を選択するサブステップと、前記選択された周波数帯域と、前記残留信号の更なる周波数帯域とを別々に符号化するサブステップとを有する、音声符号化の方法。
23. 前記選択された周波数帯域は比較的低い周波数を有し、前記更なる周波数帯域は比較的高い周波数を有する、請求項２２記載の方法。
24. 前記更なる周波数帯域は、また、選択された周波数帯域である、請求項２２記載の方法。
25. 前記更なる周波数帯域は、実質的に前記残留信号の周波数領域全体を含む、請求項２２記載の方法。
26. 前記選択された周波数帯域を符号化するステップは波形符号化を含み、
    前記更なる周波数帯域を符号化するステップはノイズ符号化を含む、請求項２２記載の方法。
27. 前記選択された周波数帯域を符号化するステップは分析合成（ＡＳ）符号化を含む、請求項２６記載の方法。
28. 前記選択された周波数帯域を符号化するステップは、規則的パルス励振（ＲＰＥ）符号化、多重パルス励振（ＭＰＥ）符号化、及び／又は符号励振線形予測（ＣＥＬＰ）符号化を含む、請求項２６記載の方法。
29. 請求項２２記載の方法によって符号化された音声信号を復号する方法であって、
    前記音声信号の前記過渡信号成分及び／又は前記正弦波信号成分を復号するステップと、
    前記残留信号を復号するステップとを有し、
    前記残留信号を復号するステップは、前記残留信号の第１の周波数帯域及び第２の周波数帯域を別々に復号するサブステップと、前記復号された第１の周波数帯域及び第２の周波数帯域を結合するサブステップとを有する、方法。
30. 前記第１の周波数帯域を復号するサブステップは波形復号化を含み、
    前記第２の周波数帯域を復号するサブステップはノイズ復号化を含む、請求項２９記載の方法。
31. 前記第１の周波数帯域を復号するサブステップは分析合成（ＡＳ）復号化を含む、請求項３０記載の方法。
32. 前記第１の周波数帯域を復号するサブステップは、規則的パルス励振（ＲＰＥ）復号化、多重パルス励振（ＭＰＥ）復号化、及び／又は符号励振線形予測（ＣＥＬＰ）復号化を含む、請求項３０記載の方法。
33. 異なる復号方式により更に前記第１の周波数帯域及び／又は前記第２の周波数帯域を復号するサブステップを更に有する、請求項２９記載の方法。
34. 前記最初に復号された周波数帯域又は前記更に復号された周波数帯域のいずれか一方を選択的に用いるサブステップを更に有する、請求項３３記載の方法。
35. 請求項２２又は請求項２９に記載された方法を実行するコンピュータプログラム。

Images