JP2009532976A - 多重経路トレリス符号化量子化方法およびこれを用いた多重経路トレリス符号化量子化装置 - Google Patents

Abstract

本発明は、トレリス符号化量子化に関し、より詳細には、音声符号化システムに用いられるトレリス符号化量子化方法および装置に関する。
本発明の一実施形態に係る多重経路トレリス符号化量子化方法は、トレリスのＩ（Ｉは０以上の整数）番目ステージのノードのうち１つに入ってくる２Ｎ（Ｎは２以上の整数）個の生存経路それぞれに相応する累積歪みを算出するステップと、２Ｎ個の生存経路それぞれに相応する累積歪みを比較し、２Ｎ個の生存経路のうち累積歪みが少ないＮ個の経路を選択するステップと、Ｎ個の経路をＩ＋１番目ステージに入力される生存経路として設定するステップと、前記トレリスの最後のステージのノードそれぞれに対して２Ｎ個ずつ存在する生存経路のうち前記累積歪みが最も少ない経路を最適経路として選択するステップとを含むことを特徴とする。したがって、より多くの経路を候補経路として考慮して量子化性能を高めることができる。

Description

本発明は、トレリス符号化量子化（ｔｒｅｌｌｉｓ ｃｏｄｅｄ ｑｕａｎｔｉｚａｔｉｏｎ：ＴＣＱ）に関し、より詳細には、音声符号化システムに用いられるトレリス符号化量子化方法および装置に関する。

音声符号化システムにおいて、高音質の音声符号化のためには、音声信号の短区間相関度を示す線形予測符号（Ｌｉｎｅａｒ Ｐｒｅｄｉｃｔｉｖｅ Ｃｏｄｉｎｇ：ＬＰＣ）係数を効率的に量子化することが極めて重要である。ＬＰＣフィルタで最適な線形予測符号係数値は、音声入力信号をフレーム単位に分け、各フレーム別に予測誤差のエネルギを最小化させる形態で求める。３ＧＰＰでＩＭＰ−２０００システム用広帯域音声符号化器として標準化したＡＭＲ＿ＷＢ（Ａｄａｐｔｉｖｅ Ｍｕｌｔｉ−Ｒａｔｅ＿ＷｉｄｅＢａｎｄ）音声符号化器のＬＰＣフィルタは１６次ａｌｌ−ｐｏｌｅフィルタであり、このとき用いられる１６個のＬＰＣ係数の量子化のために多くのビットが割り当てられる。例えば、ＣＤＭＡ移動通信システムに用いられる音声符号化方式であるＩＳ−９６Ａ ＱＣＥＬＰ（Ｑｕａｌｃｏｍｍ Ｃｏｄｅ Ｅｘｃｉｔｅｄ Ｌｉｎｅａｒ Ｐｒｅｄｉｃｔｉｏｎ）は、全体ビットの２５％をＬＰＣ量子化に用いており、Ｎｏｋｉａ社のＡＭＲ＿ＷＢ音声符号化器は、合計９個のモードのうち全体ビットの最高２７．３％から最低９．６％をＬＰＣ量子化に用いている。

今まで、ＬＰＣ係数の効率的な量子化のための多くの方法が開発され、実際に音声圧縮機に用いられている。このような方法のうちＬＰＣフィルタの係数を直接量子化する方法は、フィルタの特性がＬＰＣ係数の量子化誤差に極めて敏感であり、量子化後のＬＰＣフィルタの安全性が保障されないという問題点があった。したがって、ＬＰＣ係数を量子化特性が優れた他のパラメータに変換して量子化しなければならず、主に反射係数（ｒｅｆｌｅｃｔｉｏｎ ｃｏｅｆｆｉｃｉｅｎｔ）またはＬＳＦ（Ｌｉｎｅ Ｓｐｅｃｔｒｕｍ Ｆｒｅｑｕｅｎｃｙ：ラインスペクトル周波数）係数に変換して量子化する。特に、ＬＳＦ係数は、音声の周波数特性と密接に関連する性質があり、最近開発された標準音声圧縮機の大部分はＬＳＦ量子化方法を用いる。

また、ＬＳＦ係数のフレーム間の相関関係を用いれば、より効率的な量子化を実現することができる。すなわち、現在フレームのＬＳＦを直接量子化せずに、過去フレームのＬＳＦ情報から現在フレームのＬＳＦを予測し、予測された２つのフレーム間の誤差を量子化するものである。このＬＳＦ値は、音声信号の周波数特性と密接な関係があるため、時間的に予測が可能なだけでなく、極めて大きい予測利得を得ることができる。

ＬＳＦ値予測方法としては、ＡＲ（ａｕｔｏ−ｒｅｇｒｅｓｓｉｖｅ）フィルタを用いる方法と、ＭＡ（ｍｏｖｉｎｇ ａｖｅｒａｇｅ）フィルタを用いる方法がある。ＡＲフィルタは、予測性能が優れている反面、受信側で伝達エラーの影響がフレーム進行にしたがって継続して伝播されるという短所がある。ＭＡフィルタはＡＲフィルタに比べて予測性能は落ちるが、伝達エラーの影響が時間的に制限されるという長所がある。したがって、無線通信のように伝達エラーが多発する環境に用いられるＡＭＲ、ＡＭＲ−ＷＢ、ＳＭＶなどのような音声圧縮機には、ＭＡフィルタを用いたＬＳＦ値予測方法が用いられている。また、フレーム間のＬＳＦ値予測の他に、フレーム内で隣り合うＬＳＦ要素値間の相関度を用いた予測方法も開発された。ＬＳＦ値は常に手順性質を繰り返すため、この方法を用いれば量子化の効率をさらに増大させることができる。

ＬＳＦ係数の予測エラー値に対する量子化方法は、スカラー量子化とベクトル量子化とに分けることができる。現在、性能に比べて多くのビットを用いるスカラー量子化よりもベクトル量子化が広く用いられている。ベクトル量子化で全体ベクトルを一度に量子化することは、ベクトルテーブルのサイズが極めて大きくなり、検索時間が多く所要されるため不可能である。これを解決するために、全体ベクトルを幾つかの副ベクトルに分け、それぞれを独立的にベクトル量子化する方法が開発されたが、これを分割ベクトル量子化（Ｓｐｌｉｔ Ｖｅｃｔｏｒ Ｑｕａｎｔｉｚａｔｉｏｎ：ＳＶＱ）方法と言う。例えば、２０ビットを用いた１０次ベクトル量子化で一度に量子化する場合、ベクトルテーブルのサイズが１０×２^２０となるが、２個の５次副ベクトルに分けて１０ビットずつ割り当てる格子ベクトル量子化方法を用いれば、ベクトルテーブルのサイズが５×２^１０×２となる。

韓国登録特許第１０−４８６７３２号には、「ブロック制限されたトレリス符号化量子化方法と音声符号化システムにおいて、これを採用したラインスペクトル周波数係数量子化方法および装置」が開示されている。韓国登録特許第１０−４８６７３２号は、入力信号および係数の量子化時に要求されるメモリサイズとコードブック探索過程で計算量および複雑度を減少させながらも優れたＳＮＲ（Ｓｉｇｎａｌ ｔｏ Ｎｏｉｓｅ Ｒａｔｉｏ）性能を有する符号化量子化方法を提供するために、トレリス符号化量子化（ｔｒｅｌｌｉｓ ｃｏｄｅｄ ｑｕａｎｔｉｚａｔｉｏｎ：ＴＣＱ）で最初と最後のステージ（ｓｔａｇｅ）に制約（ｃｏｎｓｔｒａｉｎｔ）を置き、初期状態（ｉｎｉｔｉａｌ ｓｔａｔｅ）に割り当てられるビットを減らすことができる。

しかしながら、韓国登録特許第１０−４８６７３２号は、各ステージで生存経路（ｓｕｒｖｉｖｏｒ ｐａｔｈ）を１つずつのみ格納するため、累積歪み（ｄｉｓｔｏｒｔｉｏｎ）が最小である経路が漏れるという短所がある。

したがって、より効果的に累積歪みが少ないトレリス上の経路を探し出すことができる新しいトレリス符号化量子化方法および装置の必要性が切に求められている。

本発明は、上述した従来技術の問題点を解決するために案出されたものであって、低い送信率で量子化性能を高めることを目的とする。

また、本発明は、入力信号の相関度（ｃｏｒｒｅｌａｔｉｏｎ）を用いるトレリス符号化量子化において、生存経路を１つだけ格納する場合に発生する問題点を解決することを他の目的とする。

さらに、本発明は、ＢＣ−ＴＣＱ（Ｂｌｏｃｋ Ｃｏｎｓｔｒａｉｎｅｄ−ＴＣＱ）のような量子化を用いる音声符号化システムにおいて、入力信号および係数の量子化を効率的に実行して量子化性能を向上させることをさらに他の目的とする。

上述した目的を達成し、従来技術の問題点を解決するために、本発明の多重経路トレリス符号化量子化方法は、トレリスのＩ（Ｉは０以上の整数）番目ステージのノードのうち１つに入ってくる２Ｎ（Ｎは２以上の整数）個の生存経路それぞれに相応する累積歪みを算出するステップと、前記２Ｎ個の生存経路それぞれに相応する累積歪みを比較し、前記２Ｎ個の生存経路のうち前記累積歪みが少ないＮ個の経路を選択するステップと、前記Ｎ個の経路をＩ＋１番目ステージに入力される生存経路として設定するステップと、前記トレリスの最後のステージのノードそれぞれに対して２Ｎ個ずつ存在する前記生存経路のうち前記累積歪みが最も少ない経路を最適経路として選択するステップとを含むことを特徴とする。

このとき、累積歪みを算出するステップは、前記２Ｎ個の生存経路で量子化された値を用いて前記トレリスのＩ番目ステージに相応する値を予測するステップと、前記予測された値を用いて前記トレリスのＩ番目ステージの２Ｎ個の予測エラー（ｐｒｅｄｉｃｔｉｏｎ ｅｒｒｏｒ）を求めるステップと、前記トレリスのＩ番目ステージに相応する各ブランチに割り当てられたサブコードブックから選択された代表値と前記予測エラーとの間の歪みを求めるステップと、前記歪みを用いて前記Ｉ番目ステージまでの累積歪みを算出するステップとを含むことができる。

また、本発明の一実施形態に係る多重経路トレリス符号化量子化装置は、トレリスのＩ（Ｉは０以上の整数）番目ステージのノードのうち１つに入ってくる２Ｎ（Ｎは２以上の整数）個の生存経路それぞれに相応する累積歪みを算出する累積歪み算出部と、前記２Ｎ個の生存経路それぞれに相応する累積歪みを比較し、前記２Ｎ個の生存経路のうち前記累積歪みが少ないＮ個の経路を選択し、選択された前記Ｎ個の経路をＩ＋１番目ステージに入力される生存経路として設定する生存経路設定部と、前記トレリスの最後のステージのノードそれぞれに対して２Ｎ個ずつ存在する前記生存経路のうち前記累積歪みが最も少ない経路を最適経路として選択する最適経路選択部とを備えることを特徴とする。

このとき、累積歪み算出部は、前記２Ｎ個の生存経路で量子化された値を用いて前記トレリスのＩ番目ステージに相応する値を予測する予測部と、前記予測された値を用いて前記トレリスのＩ番目ステージの２Ｎ個の予測エラーを算出する予測エラー算出部と、前記トレリスのＩ番目ステージに相応する各ブランチに割り当てられたサブコードブックから選択された代表値と前記予測エラーとの間の歪みを算出する歪み算出部と、前記歪みを用いて前記Ｉ番目ステージまでの累積歪みを算出する累積算出部とを備えることを特徴とする。

このとき、前記多重経路トレリス符号化量子化方法および装置は、入力信号のフレーム間に実行された予測エラー値の量子化に用いることができる。

このとき、前記多重経路トレリス符号化量子化方法および装置は、前処理（ｐｒｅｐｒｏｃｅｓｓｉｎｇ）された入力信号を量子化するのに用いることができる。

また、本発明の一実施形態に係る音声入力信号符号化方法は、音声入力信号に対応する線形予測符号係数を計算するステップと、前記線形予測符号係数に基づいてラインスペクトル周波数係数を計算するステップと、前記ラインスペクトル周波数係数をトレリス符号化量子化するステップと、前記量子化されたラインスペクトル周波数係数によってビットストリームを生成するステップとを含む。ここで、前記トレリス符号化量子化するステップは、第１ステージのノードからトレリス構造の最後のステージのノードとして複数の生存経路を判断するステップと、前記複数の生存経路それぞれに対する累積歪み値を計算するステップと、前記累積歪み値に基づいて前記複数の生存経路から最適経路を選択するステップとを含む。

また、本発明の一実施形態に係るトレリス符号化量子化方法は、第１ステージのノードからトレリス構造の最後のステージのノードとして複数の生存経路を判断するステップと、前記複数の生存経路それぞれに対する累積歪み値を計算するステップと、前記累積歪み値に基づいて前記複数の生存経路から最適経路を選択するステップとを含む。

また、本発明の一実施形態に係るトレリス構造を探索する方法は、Ｉ番目のステージの第１ノードとトレリス構造のＩ＋１番目の第２ノードとの間で２Ｎ個の生存経路を判断するステップと、前記２Ｎ個の生存経路それぞれに対応する予め決定された変数を計算するステップと、前記予め決定された変数に基づいて前記Ｎ個の２Ｎ個の生存経路から生存経路を選択するステップとを含む。

以下、本発明に係る好ましい実施形態について、添付の図面を参照しながら詳細に説明する。

図１は、本発明の一実施形態に係る多重経路トレリス符号化量子化方法の必要性を説明するためのトレリス図である。図１を参照するに、トレリス符号化量子化において、各ステージで１つのノードに対して１つずつの生存経路（ｓｕｒｖｉｖｅ ｐａｔｈ）を残しておく場合に、最適経路が捨てられるという問題点があることが分かる。

すなわち、ｉ−１番目ステージでノード１２１に対してノード１１１からの経路およびノード１１３からの経路のうちノード１１３からの経路１つだけが生存経路（ｓｕｒｖｉｖｏｒ ｐａｔｈ）となって次のステージに伝達されれば、ｉ番目ステージでノード１３１に対してノード１１３およびノード１２１を経る経路だけが選択されることができ、ノード１１１およびノード１２１を経る経路は選択されることができない。しかしながら、実際には、トレリス符号化量子化方法で入力信号の相関度を用いて生存経路を算出するため、ｉ番目ステージでノード１３１に対してノード１１３およびノード１２１を経る経路よりも、ノード１１１およびノード１２１を経る経路が累積歪みが小さい場合がある。

したがって、より効率的にトレリス符号化量子化を実行するためには、各ステージでノード１つに入っていく経路を２つ以上格納する必要がある。

図２は、本発明の多重経路トレリス符号化量子化方法を従来技術と比較して示す概念図である。図２を参照するに、従来技術の場合には、トレリスの特定ノードに入ってくる２つの経路のうち１つを生存経路として選択する。これに反し、本発明の多重経路トレリス符号化方法は、トレリスの特定ノードに入ってくる４つ以上の経路のうち２つ以上を生存経路として選択する。すなわち、図２において、Ｔは２以上の整数である。

このように、各ステージでノード１つに入っていく経路を２つ以上格納することで、累積歪みの小さい経路が捨てられるという問題点を解決することができ、より効率的にトレリス符号化量子化を実行することができる。

図３〜５は、本発明の一実施形態に係る多重経路トレリス符号化量子化方法を説明するためのトレリス図である。図３を参照するに、ｉ番目ステージでノード３３１を介してノード３４２に入っていく生存経路（ｓｕｒｖｉｖｏｒ ｐａｔｈ）が２つ格納されている。すなわち、ノード３３１を介してノード３４２に入っていく生存経路は、ノード３１１、ノード３２１、およびノード３３１を経る経路と、ノード３１２、ノード３２３、およびノード３３１を経る経路の２つである。

このとき、ノード３１１、ノード３２１、ノード３３１、およびノード３４２でで連結する経路と、ノード３１２、ノード３２３、ノード３３１、およびノード３４２で連結する経路の歪みは、それぞれ下記式（１）および式（２）のように計算することができる。

本発明で、

は予測エラーを示す。このとき、ｘ_ｋはｋ番目ステージの入力を示し、

である。また、

はｋ−１番目ステージの入力ｘ_ｋ−１がｋ−１番目ステージのノードｂとｋ−２番目ステージのノードａによって量子化された値を示す。また、ｄ（ａ，ｂ）はａとｂ間との距離を示すものであり、ｄ（ａ，ｂ）は｜ａ−ｂ｜の場合もあるし、（ａ−ｂ）^２の場合もある。また、ｙ^ｋ _ａ，ｂはｋ−１番目ステージのノードａとｋ番目ステージのノードｂとの間のブランチに割り当てられたサブコードブックエントリ（ｓｕｂ−ｃｏｄｅｂｏｏｋ ｅｎｔｒｙ）を示す。また、_{Ｄｋａ，ｂ}はｋ−１番目ステージのノードａとｋ番目ステージのノードｂとの間のブランチに割り当てられたサブコードブックを示す。本発明で用いられる用語についての詳細な内容は、韓国登録特許第４８６７３２号に詳細に開示されている。

図４を参照するに、ｉ番目ステージでノード３３３を介してノード３４２に入っていく生存経路も２つであることが分かる。これは、各ステージで１つのノードに入っていく経路が２つ格納されるためである。すなわち、ノード３３３を介してノード３４２に入っていく経路は、ノード３１１、ノード３２２、およびノード３３３を経る経路と、ノード３１４、ノード３２４、およびノード３３３を経る経路の２つである。

このとき、ノード３１１、ノード３２２、ノード３３３、およびノード３４２で連結する経路と、ノード３１４、ノード３２４、ノード３３３、およびノード３４２で連結する経路の歪みは、それぞれ下記式（３）および式（４）のように計算することができる。

図３および図４を参照しながら分かるように、ノード３４２に入ってくる経路は、ノード３３１を経る経路２つ、およびノード３３３を経る経路２つの合計４つである。

本発明の一実施形態に係る多重経路トレリス符号化量子化方法は、１つのノードに入ってくる４つの経路のうち累積歪みが小さい２つの経路を生存経路として選択することができる。

図５を参照するに、ノード３４２に入ってくる４つの経路のうち、ノード３１１、ノード３２１、およびノード３３１を経る経路と、ノード３１４、ノード３２４、およびノード３３３を経る経路の２つが選択されて生存経路となる。このとき、本発明の一実施形態に係る多重経路トレリス符号化量子化方法は、４つの経路のうち累積歪みが小さい順に２つの経路を選択することができる。

図６〜８は、本発明の一実施形態に係る多重経路トレリス符号化量子化過程を示すトレリス図である。

図６を参照するに、ステージ０のノード１（６２１）に対してｘ^１，１ _０とｘ^３，１ _０を探索した後、ｄ^０ _１，１とｄ^０ _３，１を計算する。また、ステージ０のノード２（６２２）に対してｘ^１，２ _０とｘ^３，２ _０を探索した後、ｄ^０ _１，２とｄ^０ _３，２を計算する。また、ステージ０のノード３（６２３）に対してｘ^２，３ _０とｘ^４，３ _０を探索した後、ｄ^０ _２，３とｄ^０ _４，３を計算する。また、ステージ０のノード４（６２４）に対してｘ^２，４ _０とｘ^４，４ _０を探索した後、ｄ^０ _２，４とｄ^０ _４，４を計算する。

このとき、ｄ^ｋ _ａ，ｂは、ｋ−１番目ステージのノードａとｋ番目ステージのノードｂとの間のブランチ（ｂｒａｎｃｈ）に割り当てられたサブコードブックと入力との間の歪みである。

例えば、ｄ^ｉ _１，１はｍｉｎ（ｄ（ｘ_ｉ，ｙ^ｉ _１，１）｜ｙ^ｉ _１，１∈Ｄ^ｉ _１，１）であり、ｄ^ｉ _３，１はｍｉｎ（ｄ（ｘ_ｉ，ｙ^ｉ _３，１）｜ｙ^ｉ _３，１∈Ｄ^ｉ _３，１）であり得る。

図７を参照するに、本発明の一実施形態に係る多重経路トレリス符号化量子化方法は、ステージ１のノード７３１に対しても、図６に示す過程で計算された値を用いてｅ^１，１ _１、ｅ^３，１ _１、ｅ^２，３ _１、ｅ^４，３ _１を計算する。次に、トレリス符号化量子化方法は、サブコードブックＤ^１ _１，１のエントリとｅ^１，１ _１およびｅ^３，１ _１とをそれぞれ比較する。また、トレリス符号化量子化方法は、サブコードブックＤ^１ _３，１のエントリとｅ^２，３ _１およびｅ^４，３ _１とをそれぞれ比較する。

次に、トレリス符号化量子化方法は、サブコードブックから探索された値を用いてｄ^１ _{１，１，１}、ｄ^１ _{３，１，１}、ｄ^１ _{２，３，１}、およびｄ^１ _{４，３，１}を計算する。

また、トレリス符号化量子化方法は、ｄ^１ _{１，１，１}＋ｄ^０ _１，１、ｄ^１ _{３，１，１}＋ｄ^０ _３，１、ｄ^１ _{２，３，１}＋ｄ^０ _２，３、およびｄ^１ _{４，３，１}＋ｄ^０ _４，３をそれぞれ計算して累積歪みを求めた後、累積歪みが少ない２つの経路を選択する。図７に示す例では、ノード７１１、ノード７２１、およびノード７３１を結ぶ経路と、ノード７１２、ノード７２３、およびノード７３１を結ぶ経路が他の２つの経路よりも累積歪みが小さいため、生存経路として選択される。

図７に示すステージ１の他のノードに対しても、同じ演算を実行することができる。

図８を参照するに、ステージ２のノード８４１に対して、ノード８１１、ノード８２１、ノード８３１、およびノード８４１を経る経路と、ノード８１１、ノード８２２、ノード８３３、およびノード８４１を経る経路と、ノード８１２、ノード８２３、ノード８３１、およびノード８４１を経る経路と、ノード８１２、ノード８２４、ノード８３３、およびノード８４１を経る経路の４種類の生存経路が存在する。

本発明の一実施形態に係る多重経路トレリス符号化量子化方法は、ステージ２のノード８４１に対して、以前過程で計算された値を用いてｅ^１，１ _２、ｅ^３，１ _２、ｅ^２，３ _２、ｅ^４，３ _２を計算する。次に、トレリス符号化量子化方法は、サブコードブックＤ^２ _１，１のエントリとｅ^１，１ _２およびｅ^３，１ _２とをそれぞれ比較する。また、トレリス符号化量子化方法は、サブコードブックＤ^２ _３，１のエントリとｅ^２，３ _２およびｅ^４，３ _２とをそれぞれ比較する。

次に、トレリス符号化量子化方法は、サブコードブックから探索された値を用いてｄ^２ _{１，１，１}、ｄ^２ _{３，１，１}、ｄ^２ _{２，３，１}、およびｄ^２ _{４，３，１}を計算する。

また、トレリス符号化量子化方法は、ｄ^２ _{１，１，１}＋ｄ^１ _{１，１，１}、ｄ^２ _{３，１，１}＋ｄ^１ _{２，３，１}、ｄ^２ _{２，３，１}＋ｄ^１ _{１，２，３}、およびｄ^２ _{４，３，１}＋ｄ^１ _{２，４，３}をそれぞれ計算して累積歪みを求めた後、累積歪みが少ない２つの経路を選択する。

図８に示すステージ２の他のノードに対しても、同じ演算を実行することができる。

図６〜８を参照しながら説明した過程は、各ステージで繰り返されて実行される。トレリスの最後のステージで４個のノードに対して２つずつの生存経路が発生し、したがって本発明の多重経路トレリス符号化量子化方法は、８個の経路のうち累積歪みが最も小さい経路を最適経路として算出することができる。

図９は、本発明の一実施形態に係る多重経路トレリス符号化量子化装置を示すブロック図である。図９を参照するに、本発明の一実施形態に係る多重経路トレリス符号化量子化装置は、累積歪み算出部９１０と、生存経路設定部９２０と、最適経路選択部９３０とを備える。

累積歪み算出部９１０は、トレリスのＩ（Ｉは０以上の整数）番目ステージのノードのうち１つに入ってくる２Ｎ（Ｎは２以上の整数）個の生存経路それぞれに相応する累積歪みを算出する。

生存経路設定部９２０は、２Ｎ個の生存経路それぞれに相応する累積歪みを比較し、２Ｎ個の生存経路のうち累積歪みが少ないＮ個の経路を選択し、選択されたＮ個の経路をＩ＋１番目ステージに入力される生存経路として設定する。

累積歪み算出部９１０および生存経路設定部９２０は、Ｉを１ずつ増加させながら各ステージで設定された演算を繰り返し実行する。

最適経路選択部９３０は、トレリスの最後のステージのノードそれぞれに対して、２Ｎ個ずつ存在する生存経路のうち累積歪みが最も少ない経路を最適経路として選択する。

図１０は、図９に示す累積歪み算出部の一例を示すブロック図である。図１０を参照するに、図９に示す累積歪み算出部９１０は、予測部１０１０と、予測エラー算出部１０２０と、歪み算出部１０３０と、累積算出部１０４０とを備える。

予測部１０１０は、２Ｎ個の生存経路で量子化された値を用いてトレリスのＩ番目ステージに相応する値を予測する。

予測エラー算出部１０２０は、予測された値を用いてトレリスのＩ番目ステージの２Ｎ個の予測エラーを求める。

歪み算出部１０３０は、トレリスのＩ番目ステージに相応する各ブランチに割り当てられたサブコードブックから選択された代表値と予測エラーとの間の歪みを算出する。このとき、選択された代表値は、サブコードブックで予測エラーとの歪みが小さいものであり得る。

実施形態により、歪み算出部１０３０は、予測エラーと選択された代表値との間の差に対して所定の加重値を適用して歪みを算出することができる。

累積算出部１０４０は、歪みを用いてＩ番目ステージまでの累積歪みを算出する。

このとき、図１０に示す累積歪み算出部の動作は、図６〜８を参照しがらすでに詳しく説明したため、ここでは説明を省略する。

本発明の多重経路トレリス符号化量子化方法および装置は、入力信号のフレーム間に実行された予測エラー値の量子化に用いることができる。また、本発明の多重経路トレリス符号化量子化方法および装置は、前処理された入力信号を量子化するのに用いることもできる。

上述したように、本発明の好ましい実施形態を参照して説明したが、該当の技術分野において熟練した当業者にとっては、特許請求の範囲に記載された本発明の思想および領域から逸脱しない範囲内で、本発明を多様に修正および変更させることができることを理解することができるであろう。すなわち、本発明の技術的範囲は、特許請求の範囲に基づいて定められ、発明を実施するための最良の形態により制限されるものではない。

本発明の多重経路トレリス符号化量子化方法および装置は、低い送信率で効率的に量子化を実行することができる。

また、本発明は、入力信号の相関度を用いるトレリス符号化量子化において、生存経路を１つだけ格納する場合に発生する問題点を効果的に解決することができる。

さらに、本発明は、ＢＣ−ＴＣＱ（Ｂｌｏｃｋ Ｃｏｎｓｔｒａｉｎｅｄ−ＴＣＱ）のような量子化を用いる音声符号化システムにおいて、入力信号および係数の量子化を効率的に実行して量子化性能を向上させることができる。

本発明の一実施形態に係る多重経路トレリス符号化量子化方法の必要性を説明するためのトレリス図である。 本発明の多重経路トレリス符号化量子化方法を従来技術と比較して示す概念図である。 本発明の一実施形態に係る多重経路トレリス符号化量子化方法を説明するためのトレリス図である。 本発明の一実施形態に係る多重経路トレリス符号化量子化方法を説明するためのトレリス図である。 本発明の一実施形態に係る多重経路トレリス符号化量子化方法を説明するためのトレリス図である。 本発明の一実施形態に係る多重経路トレリス符号化量子化過程を示すトレリス図である。 本発明の一実施形態に係る多重経路トレリス符号化量子化過程を示すトレリス図である。 本発明の一実施形態に係る多重経路トレリス符号化量子化過程を示すトレリス図である。 図９は、本発明の一実施形態に係る多重経路トレリス符号化量子化装置を示すブロック図である。 図９に示す累積歪み算出部の一例を示すブロック図である。

Claims (21)

1. トレリスのＩ（Ｉは０以上の整数）番目ステージのノードのうち１つに入ってくる２Ｎ（Ｎは２以上の整数）個の生存経路それぞれに相応する累積歪みを算出するステップと、
   前記２Ｎ個の生存経路それぞれに相応する累積歪みを比較し、前記２Ｎ個の生存経路のうち前記累積歪みが少ないＮ個の経路を選択するステップと、
   前記Ｎ個の経路をＩ＋１番目ステージに入力される生存経路として設定するステップと、
   前記トレリスの最後のステージのノードそれぞれに対して２Ｎ個ずつ存在する前記生存経路のうち前記累積歪みが最も少ない経路を最適経路として選択するステップと、
   を含むことを特徴とする多重経路トレリス符号化量子化方法。
2. 前記累積歪みを算出するステップは、
   前記２Ｎ個の生存経路で量子化された値を用いて前記トレリスのＩ番目ステージに相応する値を予測するステップと、
   前記予測された値を用いて前記トレリスのＩ番目ステージの２Ｎ個の予測エラーを求めるステップと、
   前記トレリスのＩ番目ステージに相応する各ブランチに割り当てられたサブコードブックから選択された代表値と前記予測エラーとの間の歪みを求めるステップと、
   前記歪みを用いて前記Ｉ番目ステージまでの累積歪みを算出するステップと、
   を含むことを特徴とする請求項１に記載の多重経路トレリス符号化量子化方法。
3. 前記選択された代表値は、前記サブコードブックで予測エラーとの歪みが小さいものであることを特徴とする請求項２に記載の多重経路トレリス符号化量子化方法。
4. 前記歪みを算出するステップは、
   前記予測エラーと前記選択された代表値との間の差に対して所定の加重値を適用して前記歪みを算出することを特徴とする請求項３に記載の多重経路トレリス符号化量子化方法。
5. 前記多重経路トレリス符号化量子化方法は、入力信号のフレーム間に実行された予測エラー値の量子化に用いられることを特徴とする請求項１に記載の多重経路トレリス符号化量子化方法。
6. 前記多重経路トレリス符号化量子化方法は、前処理された入力信号を量子化するのに用いられることを特徴とする請求項１に記載の多重経路トレリス符号化量子化方法。
7. トレリスのＩ（Ｉは０以上の整数）番目ステージのノードのうち１つに入ってくる２Ｎ（Ｎは２以上の整数）個の生存経路それぞれに相応する累積歪みを算出する累積歪み算出部と、
   前記２Ｎ個の生存経路それぞれに相応する累積歪みを比較し、前記２Ｎ個の生存経路のうち前記累積歪みが少ないＮ個の経路を選択し、選択された前記Ｎ個の経路をＩ＋１番目ステージに入力される生存経路として設定する生存経路設定部と、
   前記トレリスの最後のステージのノードそれぞれに対して２Ｎ個ずつ存在する前記生存経路のうち前記累積歪みが最も少ない経路を最適経路として選択する最適経路選択部と、
   を備えることを特徴とする多重経路トレリス符号化量子化装置。
8. 前記累積歪み算出部は、
   前記２Ｎ個の生存経路で量子化された値を用いて前記トレリスのＩ番目ステージに相応する値を予測する予測部と、
   前記予測された値を用いて前記トレリスのＩ番目ステージの２Ｎ個の予測エラーを算出する予測エラー算出部と、
   前記トレリスのＩ番目ステージに相応する各ブランチに割り当てられたサブコードブックから選択された代表値と前記予測エラーとの間の歪みを算出する歪み算出部と、
   前記歪みを用いて前記Ｉ番目ステージまでの累積歪みを算出する累積算出部と、
   を備えることを特徴とする請求項７に記載の多重経路トレリス符号化量子化装置。
9. 前記選択された代表値は、前記サブコードブックで予測エラーとの歪みが小さいものであることを特徴とする請求項８に記載の多重経路トレリス符号化量子化装置。
10. 前記歪み算出部は、
    前記予測エラーと前記選択された代表値との間の差に対して所定の加重値を適用して前記歪みを算出することを特徴とする請求項９に記載の多重経路トレリス符号化量子化装置。
11. 前記多重経路トレリス符号化量子化装置は、入力信号のフレーム間に実行された予測エラー値の量子化に用いられることを特徴とする請求項７に記載の多重経路トレリス符号化量子化装置。
12. 前記多重経路トレリス符号化量子化装置は、前処理された入力信号を量子化するのに用いられることを特徴とする請求項７に記載の多重経路トレリス符号化量子化装置。
13. 請求項１の方法を実行させるためのプログラムを記録したコンピュータ読み取り可能な記録媒体。
14. 第１ステージのノードからトレリス構造の最後のステージのノードとして複数の生存経路を判断するステップと、
    前記複数の生存経路それぞれに対する累積歪み値を計算するステップと、
    前記累積歪み値に基づいて前記複数の生存経路から最適経路を選択するステップと、
    を含むことを特徴とするトレリス符号化量子化方法。
15. 前記累積歪み値は、予測値とサブコードブックの代表値との間の差に基づいて決定されることを特徴とする請求項１４に記載のトレリス符号化量子化方法。
16. 音声入力信号に対応する線形予測符号係数を計算するステップと、
    前記線形予測符号係数に基づいてラインスペクトル周波数係数を計算するステップと、
    前記ラインスペクトル周波数係数をトレリス符号量子化するステップと、
    前記量子化されたラインスペクトル周波数係数によってビットストリームを生成するステップと、
    を含み、
    前記トレリス符号量子化ステップは、
    第１ステージのノードからトレリス構造の最後のステージのノードとして複数の生存経路を判断するステップと、
    前記複数の生存経路それぞれに対する累積歪み値を計算するステップと、
    前記累積歪み値に基づいて前記複数の生存経路から最適経路を選択するステップと、
    を含むことを特徴とする音声入力信号符号化方法。
17. 前記ラインスペクトル周波数係数は、前記音声入力信号のフレーム間の係数値の相互相関に基づいて計算されることを特徴とする請求項１６に記載の音声入力信号符号化方法。
18. 前記ラインスペクトル周波数係数は、前記音声入力信号の単一フレーム内にある隣接した係数値の相互相関に基づいて計算されることを特徴とする請求項１６に記載の音声入力信号符号化方法。
19. 前記トレリス符号量子化するステップは、ベクトル量子化を用いて実行されることを特徴とする請求項１６に記載の音声入力信号符号化方法。
20. Ｉ番目のステージの第１ノードとトレリス構造のＩ＋１番目の第２ノードとの間で２Ｎ個の生存経路を判断するステップと、
    前記２Ｎ個の生存経路それぞれに対応する予め決定された変数を計算するステップと、
    前記予め決定された変数に基づいて前記Ｎ個の２Ｎ個の生存経路から生存経路を選択するステップと、
    を含み、
    前記Ｎは２よりも大きいか同じ整数であることを特徴とするトレリス構造を探索する方法。
21. 前記予め決定された変数は、歪み値であることを特徴とする請求項２０に記載のトレリス構造を探索する方法。

Images