JP2017032906A - 音声信号復号装置および音声信号復号方法 - Google Patents

音声信号復号装置および音声信号復号方法 Download PDF

Info

Publication number
JP2017032906A
JP2017032906A JP2015155009A JP2015155009A JP2017032906A JP 2017032906 A JP2017032906 A JP 2017032906A JP 2015155009 A JP2015155009 A JP 2015155009A JP 2015155009 A JP2015155009 A JP 2015155009A JP 2017032906 A JP2017032906 A JP 2017032906A
Authority
JP
Japan
Prior art keywords
signal
decoding
ratio
adaptive codebook
fixed codebook
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
JP2015155009A
Other languages
English (en)
Other versions
JP6516099B2 (ja
Inventor
江原 宏幸
Hiroyuki Ebara
宏幸 江原
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Panasonic Intellectual Property Management Co Ltd
Original Assignee
Panasonic Intellectual Property Management Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Panasonic Intellectual Property Management Co Ltd filed Critical Panasonic Intellectual Property Management Co Ltd
Priority to JP2015155009A priority Critical patent/JP6516099B2/ja
Priority to US15/736,501 priority patent/US10347266B2/en
Priority to PCT/JP2016/002465 priority patent/WO2017022151A1/ja
Publication of JP2017032906A publication Critical patent/JP2017032906A/ja
Application granted granted Critical
Publication of JP6516099B2 publication Critical patent/JP6516099B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
    • G10L19/04Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using predictive techniques
    • G10L19/08Determination or coding of the excitation function; Determination or coding of the long-term prediction parameters
    • G10L19/12Determination or coding of the excitation function; Determination or coding of the long-term prediction parameters the excitation function being a code excitation, e.g. in code excited linear prediction [CELP] vocoders
    • G10L19/125Pitch excitation, e.g. pitch synchronous innovation CELP [PSI-CELP]
    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
    • G10L19/005Correction of errors induced by the transmission channel, if related to the coding algorithm
    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
    • G10L19/04Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using predictive techniques
    • G10L19/16Vocoder architecture
    • HELECTRICITY
    • H03ELECTRONIC CIRCUITRY
    • H03MCODING; DECODING; CODE CONVERSION IN GENERAL
    • H03M7/00Conversion of a code where information is represented by a given sequence or number of digits to a code where the same, similar or subset of information is represented by a different sequence or number of digits
    • H03M7/30Compression; Expansion; Suppression of unnecessary data, e.g. redundancy reduction
    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
    • G10L19/04Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using predictive techniques
    • G10L19/08Determination or coding of the excitation function; Determination or coding of the long-term prediction parameters
    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
    • G10L19/04Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using predictive techniques
    • G10L19/08Determination or coding of the excitation function; Determination or coding of the long-term prediction parameters
    • G10L19/12Determination or coding of the excitation function; Determination or coding of the long-term prediction parameters the excitation function being a code excitation, e.g. in code excited linear prediction [CELP] vocoders
    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L21/00Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
    • G10L21/003Changing voice quality, e.g. pitch or formants
    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/90Pitch determination of speech signals

Landscapes

  • Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Compression, Expansion, Code Conversion, And Decoders (AREA)

Abstract

【課題】正常な復号信号の再生に影響を与えずに、符号化信号の誤りに起因する大音量の異常音の再生を回避することができる音声信号復号装置および音声信号復号方法を提供する。
【解決手段】CELP方式で符号化された符号化信号の適応符号帳符号を用いて適応符号帳ベクトルを生成する適応符号帳復号部102と、符号化信号の固定符号帳符号を用いて固定符号帳ベクトルを生成する固定符号帳復号部103と、適応符号帳ベクトルと固定符号帳ベクトルとの振幅比、あるいはエネルギー比を算出する比算出部107と、振幅比、あるいはエネルギー比が所定のしきい値を超えるか否かを判定する判定部109と、振幅比、あるいはエネルギー比が所定のしきい値を超えると判定された場合に、適応符号帳ベクトルと固定符号帳ベクトルとを加算した励振信号を減衰させる減衰器110と、を有する。
【選択図】図1

Description

本発明は、符号化された音声信号を復号する音声信号復号装置および音声信号復号方法に関する。
従来、音声を符号化することによりデータ圧縮を行う音声符号化の技術は、例えば携帯電話、VoIP(Voice over Internet Protocol)、放送、記録等の様々な分野で使用されており、広く普及している。また、符号化情報を暗号化して通信時の秘匿性を高める場合がある。この場合、種々の音声符号化技術により符号化された符号化信号を取り出すためにまず暗号の復号処理を行い、その後符号化信号から音声信号を復号することで再生できるようになる。
暗号化された符号化信号に対して暗号の復号処理がなされるまでの間に、暗号化された符号化信号の一部が失われたり、ノイズや伝送不良による誤りが発生したりすることによって、暗号の復号ができず、符号化情報を正常に復号できない場合がある。また、暗号の鍵に関する情報に誤りがある場合は、暗号の復号後の符号化情報にも誤りが生じてしまうため、復号される音声信号が著しく損なわれたものとなる。そして、符号化情報が正常に復号されなかった場合に、復号信号が過大振幅を有すると、当該信号を再生したとき、大音量の異常音が発生されることがある。なお、暗号化を行わない場合には、符号化信号が復号されるまでの間に、伝送路上等で符号化信号に直接誤りが混入することによって、前述のような状況が発生することがある。
このような誤りを回避するための技術として、例えば、特許文献1には、符号化信号に暗号化ヘッダを付加し、復号時に暗号化ヘッダを除去するとともに、暗号化ヘッダに含まれる符号化に使用した暗号化アルゴリズムの情報に基づいて復号を行う復号化装置が開示されている。
さらに、特許文献2には、音声符号情報を暗号対象データと非暗号対象データに分割し、非暗号対象データに基づいて生成した初期ベクトルと所定の鍵とを用いて音号対象データを暗号化し、これらを結合して復号装置に送信し、復号時には非暗号対象データを分離して初期ベクトルを生成し、所定の鍵とともにこれらを用いて復号を行う暗号化装置および復号装置が開示されている。
また、誤りに起因する大音量の異常音の発生を回避するための技術として、例えば特許文献3には、復号した音声信号のレベルが所定のしきい値より高い場合に、当該音声信号の出力を停止する音声抑制装置が開示されている。
特開2007−221807号公報 特開2008−283415号公報 特開平7−58687号公報
しかしながら、特許文献1に開示された復号化装置では、暗号化ヘッダの追加により符号化信号の情報量が増えてしまう。情報量の増大を回避するため暗号化ヘッダの情報量を小さいものとすると、ヘッダ長が短くなり、誤り検出性能が低くなってしまう。
また、特許文献2に開示された暗号化装置および復号装置では、非暗号対象データは暗号化されないまま暗号化装置から復号装置に送られるので、セキュリティ上の問題がある。
さらに、特許文献3に開示された音声抑制装置では、単に復号信号のレベルのみを参照して、レベルがしきい値より大きい場合に出力停止しているので、元々の音声信号のレベルが大きい場合にも再生されない恐れがある。
このようなことから、正常な復号信号の再生に影響を与えずに、信号の誤りに起因する大音量の異常音の再生を回避することができる音声信号復号装置が要望されている。
本発明の目的は、正常な復号信号の再生に影響を与えずに、信号の誤りに起因する大音量の異常音の再生を回避することができる音声信号復号装置および音声信号復号方法を提供することである。
本発明の音声信号復号装置は、CELP方式で符号化された符号化信号の適応符号帳符号を用いて適応符号帳復号成分を生成する適応符号帳復号部と、前記符号化信号の固定符号帳符号を用いて固定符号帳復号成分を生成する固定符号帳復号部と、前記適応符号帳復号成分と前記固定符号帳復号成分との振幅比、あるいはエネルギー比を算出する比算出部と、前記比算出部が算出した振幅比、あるいはエネルギー比が所定のしきい値を超えるか否かを判定する判定部と、前記判定部により前記振幅比、あるいはエネルギー比が所定のしきい値を超えると判定された場合に、前記適応符号帳復号成分と前記固定符号帳復号成分とを加算した励振信号を減衰させる減衰器と、を有する。
本発明の音声信号復号方法は、CELP方式で符号化された符号化信号の適応符号帳成分を用いて適応符号帳復号成分を生成する適応符号帳復号ステップと、前記符号化信号の固定符号帳成分を用いて固定符号帳復号成分を生成する固定符号帳復号ステップと、前記適応符号帳復号成分と前記固定符号帳復号成分との振幅比、あるいはエネルギー比を算出する比算出ステップと、前記振幅比、あるいはエネルギー比が所定のしきい値を超えるか否かを判定する判定ステップと、前記振幅比、あるいはエネルギー比が所定のしきい値を超えると判定された場合に、前記適応符号帳復号成分と前記固定符号帳復号成分とを加算した励振信号を減衰させる減衰ステップと、を有する。
本発明によれば、正常な復号信号の再生に影響を与えずに、符号化信号の誤りに起因する大音量の異常音の再生を回避することができる。
本発明の実施の形態に係る音声信号復号装置の構成の一例を示す図 ACB/FCB振幅比について例示した図 音声信号復号装置の動作例を示すフローチャート 音声信号復号装置の動作例を示すフローチャート
以下、本発明の実施の形態について詳細に説明する。図1は、本発明の実施の形態に係る音声信号復号装置100の構成の一例を示す図である。図1に示す音声信号復号装置100は、CELP(Code-Excited Linear Prediction:符号励振線形)と呼ばれる音声符号化方式で符号化された符号化信号を復号するものである。
人間の音声は、声帯の振動により発生した音が、のど、口腔、鼻腔等を含む声道により共振することで発生する。CELPは、音声の生成過程に基づいて、音声信号を声帯の振動による音源成分と、声道での共振による音の変化による成分(スペクトル包絡成分)との2つの成分に分けてパターン化を行うことにより音声信号の情報量を圧縮するものである。すなわち、CELPでは、符号化時には、符号帳に予め用意された多くのパターンの中から、入力された音声信号の2つの成分のそれぞれと似たパターンが抽出され、抽出したパターンに定義されている符号を利用して音声信号の符号化が行われる。そして、復号時には、符号化信号から復号された2つの成分が合成されることによって復号信号が得られる。
図1に示す音声信号復号装置100において、図示しない符号化装置によってCELP方式により符号化された音声信号である符号化信号は、多重分離部101により適応符号帳符号、固定符号帳符号、利得符号、線形予測係数符号に分離される。音声信号復号装置100は、フレーム単位で符号化信号の復号を行う。
適応符号帳符号は適応符号帳復号部102に、固定符号帳符号は固定符号帳復号部103に、利得符号は利得復号部104に、線形予測係数符号は合成フィルタ111に、それぞれ入力される。
適応符号帳復号部102は、適応符号帳符号で特定される適応符号帳ベクトルを生成し、生成した適応符号帳ベクトルを増幅器105に出力する。適応符号帳(Adaptive Code Book:ACB)は、過去に生成された励振信号であり、後述する加算器108から出力される励振信号を使用する。なお、適応符号帳ベクトルが本発明の適応符号帳復号成分に対応している。
固定符号帳復号部103は、固定符号帳符号で指定される固定符号帳ベクトルを生成し、生成した固定符号帳ベクトルを増幅器106に出力する。固定符号帳(Fixed Code Book:FCB)は、予め決められた複数の波形データを生成するものである。具体的には、固定符号帳は、所定数のガウス雑音系列のベクトルを格納したメモリであったり、所定の位置に配置できるパルスの位置と極性の組み合わせにより所定の種類のパルスベクトルを生成するものであったり、音源信号の特徴的な形状を表すために予め用意された所定数のベクトルを格納したメモリであったり、それらの組み合わせであったりする。なお、固定符号帳ベクトルが本発明の固定符号帳復号成分に対応している。
利得復号部104は、利得符号を復号して適応府符号帳利得と固定符号帳利得を生成し、適応符号帳利得を増幅器105に、固定符号帳利得を増幅器106に、それぞれ出力する。
増幅器105は、適応符号帳復号部102から出力された適応符号帳ベクトルに利得復号部104から出力された適応符号帳利得を乗算し、乗算結果の適応符号帳ベクトルを比算出部107および加算器108に出力する。
増幅器106は、固定符号帳復号部103から出力された固定符号帳ベクトルに利得復号部104から出力された固定符号帳利得を乗算し、乗算結果を比算出部107および加算器108に出力する。
比算出部107は、増幅器105から出力された乗算結果の適応符号帳ベクトルと、増幅器106から出力された乗算結果の固定符号帳ベクトルとの振幅比(ACB/FCB振幅比)を算出し、算出したACB/FCB振幅比を判定部109に出力する。あるいは、比算出部107は、乗算結果の適応符号帳ベクトルと、乗算結果の固定符号帳ベクトルとのエネルギー比を算出するようにしてもよい。
加算器108は、増幅器105から出力された乗算結果の適応符号帳ベクトルと、増幅器106から出力された乗算結果の固定符号帳ベクトルとを加算して励振信号を生成し、適応符号帳復号部102および減衰器110に出力する。
判定部109は、比算出部107から出力されたACB/FCB振幅比(あるいはエネルギー比、以下同様)が所定のしきい値より大きい場合に、検出信号を減衰器110に出力する。判定部109は、ACB/FCB振幅比が所定のしきい値以下の場合は、検出信号を出力しない。ここで、ACB/FCB振幅比が所定のしきい値より大きい場合とは、例えば符号化信号の誤りによりランダム信号が生成された場合、すなわち異常な復号信号である場合である。すなわち、判定部109は、ACB/FCB振幅比が所定のしきい値より大きいか否かを判定することにより、あるフレームの復号信号が正常であるか否かを判定している。
ここで、判定部109による判定の意味について説明する。図2は、ACB/FCB振幅比について例示した図である。図2(a)は、周期性が強い信号の例として、スイープ信号の符号化信号を復号した場合のACB/FCB振幅比について例示している。例えば図2(a)に示すように、スイープ信号の場合、ACB/FCB振幅比は、おおよそ50以下の値となる。これは固定周波数の正弦波信号を用いた場合でも同様である。換言すれば、誤りのない符号化情報の復号で発生しうるACB/FCB振幅比は、おおよそ50以下の値となる。
一方、図2(b)は、乱数で生成した符号化信号を復号した場合のACB/FCB振幅比について例示している。乱数系列を符号化信号として復号した場合、ACB/FCB振幅比は、図2(b)に示すように50を大幅に超える値が多く出現する。ACB/FCB振幅比が50を大幅に超える場合とは、適応符号帳ベクトルの振幅と比較して固定符号帳ベクトルの振幅が極端に低い場合である。なお、このような符号化結果が得られるケースとして考えられるのは、符号化装置への入力信号が周期性の極めて強い正弦波のような信号である場合である。
上述したように、誤りのない符号化情報の復号で発生しうるACB/FCB振幅比は、おおよそ50以下の値となる。従って、判定部109においては、所定のしきい値を50に設定し、ある符号化信号のACB/FCB振幅比がしきい値である50以下である場合に、その符号化信号は誤りがないと判定する。反対に、判定部109において、ある符号化信号のACB/FCB振幅比がしきい値である50を超える場合には、その符号化信号には誤りがあると判定する。なお、しきい値を50とすることは一例であり、本発明はこれに限定されない。しきい値は、例えば固定小数点演算で実装する場合は,2のべき乗として64としてもよい。なお、適用先のCELPコーデックに応じて最適なしきい値は異なる可能性があるので、適宜設定できるようにしてもよい。
図1の説明に戻る。減衰器110は、判定部109から検出信号が出力された場合、すなわち当該フレームの復号信号が異常であると判定された場合には、加算器108から出力された励振信号の信号レベルを減衰して合成フィルタ111に出力する。減衰器110が励振信号を減衰させる量については、本発明では限定しないが、例えば1/10まで減衰するようにすればよい。また、減衰器110は、判定部109から検出信号が出力されなかった場合、すなわち当該フレームの復号信号が正常である場合は、励振信号をそのまま合成フィルタ111に出力する。
合成フィルタ111は、多重分離部101から出力された線形予測係数符号に基づいて線形予測(Linear Predictive Coding:LPC)フィルタを生成し、当該LPCフィルタを合成フィルタとして減衰器110から出力された励振信号を整形し、復号音声信号として出力する。
このように、音声信号復号装置100は、入力された符号化信号の各フレームにおいて、ACB/FCB振幅比を算出し、当該振幅比が所定のしきい値を超える場合には当該フレームを正常でないと判定して当該フレームの信号レベルを減衰させる。このため、正常でないフレームの復号信号が再生されることにより大音量の異常音が発生する事態を回避することができる。
ただし、正常でないフレームのACB/FCB振幅比は、必ずしも所定のしきい値を超えるとは限らない。図2(b)に示すように、正常でないフレームでも、ACB/FCB振幅比が所定のしきい値である50以下の値をとる場合が存在する。しかしながら、例えば伝送不良等による符号化信号の誤りに起因して正常でないフレームが発生した場合には、数フレーム間に亘って正常でないフレームが連続する場合が多い。このような場合には、連続した正常でないフレームのACB/FCB振幅比のいずれかが所定のしきい値を超える可能性が高い。従って、音声信号復号装置100は正常でないフレームの連続した部位を高確率で検出することができるので、正常でないフレームの復号信号が再生されることにより大音量の異常音が発生する事態を高精度で回避することができる。
このように、正常でないフレームは連続する場合が多いため、減衰器110は、あるフレームにおいて判定部109から検出信号が出力された場合、すなわち当該フレームが正常でない場合、当該フレームに加えて、その後所定数のフレームの復号信号を減衰するようにすることが好ましい。このような処理によって、例えば正常でないフレームが連続しているにもかかわらず、あるフレーム以後のフレームのACB/FCB振幅比が所定の値以下であり、判定部109が正常でないと判定できない場合でも、減衰器110が当該フレームの励振信号を強制的に減衰することによって、正常でないフレームの復号信号が再生されることにより大音量の異常音が発生する事態を高精度で回避することができる。なお、減衰器110が減衰する所定数のフレームの数については本発明では限定しない。
なお、符号化信号において、正常なフレームが連続する中で、正常でないフレームが1つのみ存在する場合には、上記したように、音声信号復号装置100は当該正常でないフレームを正常でないと判定することができるとは限らない。しかしながら、正常ではない符号化信号が1フレームのみ存在したとしても、このフレームでは適応符号帳利得が異常に大きくなっているわけではないので、当該フレームの復号音声信号を再生した時大音量の異常音が再生される可能性は低い。また、大音量になったとしても、音声信号として再生した場合に再生される時間は1フレームと非常に短いため、致命的な大音量の異常音として知覚される事態には成り難いと考えられる。
ただし、適応符号帳復号部102が正常でないフレームの後の正常な数フレームを復号するとき、正常でないフレームの励振信号が適応符号帳として使用されることになる。このため、入力フレームが正常であったとしても、正常でないフレームの後の数フレーム間は、適応符号帳復号部102の後段の信号が正常でない可能性がある。このような場合には、正常でないフレームが数フレーム連続するため、そのいずれかが適応符号帳利得が異常に大きくなるフレームである可能性が高く、判定部109によってそのフレームを問題なく検出することができる。これにより、減衰器110が正常でないフレームの励振信号の信号レベルを減衰させるので、誤りの影響が伝播する場合においても適応符号帳成分が異常に大きくなる場合を検出して大音量の異常音を発生する事態を回避することができる。
以下、音声信号復号装置100の動作例について説明する。図3および図4は、音声信号復号装置100の動作例を示すフローチャートである。
まず、音声復号信号装置100は、動作開始時に、カウンタcntおよび異常検出フラグflg[0:nf−1]をクリアする(0にする)(ステップS1)。カウンタcntは、過去nfセグメントの中でACB/FCB振幅比がしきい値を超えたセグメントの数をカウントするカウンタである。異常検出フラグflg[0:nf−1]は、現在のセグメントを含む過去nfセグメントにおいて、ACB/FCB振幅比がしきい値を超えたか否かを示すフラグを格納するメモリである。flg[0:nf−1]には、しきい値を超えると1、超えないと0が格納される。また、セグメントは、適応符号帳を復号する単位になる時間長(ブロック長)である。セグメントはフレームと置換してもよいが、1フレームが複数のサブフレームに分割されており、サブフレーム毎に復号がなされる場合は、セグメントはサブフレームに相当する。また、セグメント数nfは、しきい値を超えるACB/FCB振幅比がその中に存在するか否かを判定する単位となるセグメント数であり、例えば15である。
多重分離部101は、入力された符号化信号を、セグメント毎に適応符号帳符号、固定符号帳符号、利得符号、線形予測係数符号に分離する(ステップS2)。適応符号帳復号部102は、適応符号帳符号を用いて適応符号帳ベクトルを生成する。また、固定符号帳復号部103は、固定符号帳符号を用いて固定符号帳ベクトルを生成する。また、利得復号部104は、利得信号を復号して適応府符号帳利得と固定符号帳利得を生成する(ステップS3)。ステップS3において、適応符号帳復号部102、固定符号帳復号部103、および利得復号部104の処理の順番については本発明では限定しない。これらの処理は同時に行われてもよいし、所定の順番で行われてもよい。
次に、増幅器105は、適応符号帳ベクトルに適応符号帳利得を乗算し、乗算結果の適応符号帳ベクトルを生成する。また、増幅器106は、固定符号帳ベクトルに固定符号帳利得を乗算し、乗算結果の固定符号帳ベクトルを生成する(ステップS4)。ステップS4において、増幅器105および106の処理の順番については本発明では限定しない。これらの処理は同時に行われてもよいし、所定の順番で行われてもよい。
そして、比算出部107は、乗算結果の適応符号帳ベクトルと、乗算結果の固定符号帳ベクトルとの振幅比(ACB/FCB振幅比)を算出する(ステップS5)。加算器108は、乗算結果の適応符号帳ベクトルと、乗算結果の固定符号帳ベクトルとを加算して励振信号を生成する(ステップS6)。なお、ステップS5とステップS6とは、いずれが先に行われてもよいし、あるいは同時に行われてもよい。
この時点で、音声復号信号装置100は、カウンタcntから最も過去の異常検出フラグflg[nf−1]を減じるとともに、異常検出フラグflg[]の内容を1つずつシフトする(ステップS7)。これにより、カウンタcntの範囲内から最も古いセグメントを排除し、現セグメントを範囲内に含める準備をする。
判定部109は、現セグメントのACB/FCB振幅比が所定のしきい値、例えば50より大きいか否かを判定する(ステップS8)。ACB/FCB振幅比が所定のしきい値より大きい場合、フローはステップS9に進み、そうでない場合、ステップS10に進む。
判定部109により、現セグメントのACB/FCB振幅比が所定のしきい値より大きいと判定された場合、現セグメントは異常であるため、現セグメントの異常検出フラグflg[0]を1にする(ステップS9)。一方、判定部109により、ACB/FCB振幅比が所定のしきい値以下であると判定された場合、現セグメントは異常ではないため、現セグメントの異常検出フラグflg[0]は0とする(ステップS10)。そして、現セグメントの異常検出フラグflg[0]をカウンタcntに加算し、カウンタcntを最新の状態に更新する(ステップS11)。
そして、音声復号信号装置100は、カウンタcntが0より大きいか否かを判定する(ステップS12)。カウンタcntが0より大きい場合、フローはステップS13に進み、そうでない(カウンタcntが0である)場合、ステップS14に進む。
カウンタcntが0より大きい場合、現セグメントを含む過去のnfセグメントの中に異常が検出すされたセグメントが少なくとも1つあったことを意味するため、減衰器110はステップS6において生成された励振信号を所定倍、例えば1/10に減衰する(ステップS13)。そして、合成フィルタ111は、線形予測係数符号に基づいてLPCフィルタを生成し、これを合成フィルタとして励振信号から復号音声信号を生成する(ステップS14)。これにより、正常でないフレームの励振信号の信号レベルが減衰された復号音声信号が出力される。
一方、カウンタcntが0である場合、現セグメントを含む過去のnfセグメントの中には、異常が検出されたセグメントが1つもなかったことを意味するため、ステップS14において、減衰されていない励振信号に基づいた復号音声信号が生成される。このため、正常なフレームの信号レベルは減衰されず、正常な音量の復号音声信号を生成することができる。
そして、音声信号復号装置100は、現セグメントが符号化信号の最後まで到達したか否かの判定を行う(ステップS15)。現セグメントが符号化信号の最後まで到達した場合、符号化信号に対する復号が終了したとして、音声信号復号装置100は処理を終了する。そうでない場合、セグメントを1つ進めてステップS2に戻る。
以上説明したように、本発明の実施の形態に係る音声信号復号装置100は、CELP方式で符号化された符号化信号の適応符号帳符号を用いて適応符号帳ベクトルを生成する適応符号帳復号部102と、符号化信号の固定符号帳符号を用いて固定符号帳ベクトルを生成する固定符号帳復号部103と、適応符号帳ベクトルと固定符号帳ベクトルとの振幅比、あるいはエネルギー比を算出する比算出部107と、比算出部107が算出した振幅比、あるいはエネルギー比が所定のしきい値を超えるか否かを判定する判定部109と、判定部109により振幅比、あるいはエネルギー比が所定のしきい値を超えると判定された場合に、適応符号帳ベクトルと固定符号帳ベクトルとを加算した励振信号を減衰させる減衰器110と、を有する。
CELPでは、適応符号帳ベクトルと比較して固定符号帳ベクトルの値が極端に低くならないことが実験的に確認されており、あるフレームにおけるACB/FCB振幅比、あるいはエネルギー比が所定のしきい値を超える場合、すなわち、適応符号帳ベクトルの振幅と比較して固定符号帳ベクトルの振幅が極端に低い場合、当該フレームの復号信号が正常な信号ではないことがほぼ確定する。従って、本発明の実施の形態に係る音声信号復号装置100は、上記した構成により、あるフレームにおけるACB/FCB振幅比、あるいはエネルギー比が当該しきい値を超える場合には、当該フレームの復号信号が正常ではないと判定し、当該フレームの励振信号を減衰させる。このため、正常でないフレームの復号信号が再生されることにより大音量の異常音が発生する事態を高精度で回避することができる。
また、本発明の実施の形態に係る音声信号復号装置100において、減衰器110は、判定部109により振幅比、あるいはエネルギー比が所定のしきい値を超えると判定されたフレームが存在した場合に、当該フレームの後の所定数のフレームの励振信号を減衰させる。このため、音声信号復号装置100によれば、例えば正常でないフレームが連続しているにもかかわらず、あるフレーム以後のフレームのACB/FCB振幅比、あるいはエネルギー比が所定の値以下であり、正常でないと判定できない場合でも、当該フレームの励振信号を強制的に減衰することによって、正常でないフレームの復号信号が再生されることにより大音量の異常音が発生する事態を高精度で回避することができる。
また、本発明の実施の形態に係る音声信号復号装置100において、合成フィルタ111の前段に減衰器110により励振信号を減衰する構成を有する。合成フィルタ111の後段に減衰器を入れると、フレーム境界において信号の不連続性を生じてしまう。しかしながら、合成フィルタ111の前段に減衰器110を配置し、フレーム境界に不連続を生じる減衰後の信号で合成フィルタ111を駆動することにより、フレーム間で連続性を保った復号音声信号を生成できる。つまり、音声信号復号装置100によれば、上記したように合成フィルタ111の前段で減衰処理を行っているため、フレーム間の不連続を生ずることがない。
本発明は、CELP方式で符号化された音声信号を復号する音声信号復号装置に好適である。
100 音声信号復号装置
101 多重分離部
102 適応符号帳復号部
103 固定符号帳復号部
104 利得復号部
105 増幅器
106 増幅器
107 比算出部
108 加算器
109 判定部
110 減衰器
111 合成フィルタ

Claims (5)

  1. CELP方式で符号化された符号化信号の適応符号帳符号を用いて適応符号帳復号成分を生成する適応符号帳復号部と、
    前記符号化信号の固定符号帳符号を用いて固定符号帳復号成分を生成する固定符号帳復号部と、
    前記適応符号帳復号成分と前記固定符号帳復号成分との振幅比、あるいはエネルギー比を算出する比算出部と、
    前記比算出部が算出した振幅比、あるいはエネルギー比が所定のしきい値を超えるか否かを判定する判定部と、
    前記判定部により前記振幅比、あるいはエネルギー比が所定のしきい値を超えると判定された場合に、前記適応符号帳復号成分と前記固定符号帳復号成分とを加算した励振信号を減衰させる減衰器と、
    を有する音声信号復号装置。
  2. 前記符号化信号をフレーム毎に前記適応符号帳符号および前記固定符号帳符号に分離する多重分離部をさらに有する、
    請求項1に記載の音声信号復号装置。
  3. 前記減衰器は、前記判定部により前記振幅比、あるいはエネルギー比が所定のしきい値を超えると判定されたフレームが存在した場合に、当該フレームの後の所定数のフレームの励振信号を減衰させる、
    請求項2に記載の音声信号復号装置。
  4. 前記減衰器により減衰された励振信号を整形して復号音声信号を生成する合成フィルタをさらに有する、
    請求項1に記載の音声信号復号装置。
  5. CELP方式で符号化された符号化信号の適応符号帳成分を用いて適応符号帳復号成分を生成する適応符号帳復号ステップと、
    前記符号化信号の固定符号帳成分を用いて固定符号帳復号成分を生成する固定符号帳復号ステップと、
    前記適応符号帳復号成分と前記固定符号帳復号成分との振幅比、あるいはエネルギー比を算出する比算出ステップと、
    前記振幅比、あるいはエネルギー比が所定のしきい値を超えるか否かを判定する判定ステップと、
    前記振幅比、あるいはエネルギー比が所定のしきい値を超えると判定された場合に、前記適応符号帳復号成分と前記固定符号帳復号成分とを加算した励振信号を減衰させる減衰ステップと、
    を有する音声信号復号方法。
JP2015155009A 2015-08-05 2015-08-05 音声信号復号装置および音声信号復号方法 Active JP6516099B2 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP2015155009A JP6516099B2 (ja) 2015-08-05 2015-08-05 音声信号復号装置および音声信号復号方法
US15/736,501 US10347266B2 (en) 2015-08-05 2016-05-20 Speech signal decoding device and method for decoding speech signal
PCT/JP2016/002465 WO2017022151A1 (ja) 2015-08-05 2016-05-20 音声信号復号装置および音声信号復号方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2015155009A JP6516099B2 (ja) 2015-08-05 2015-08-05 音声信号復号装置および音声信号復号方法

Publications (2)

Publication Number Publication Date
JP2017032906A true JP2017032906A (ja) 2017-02-09
JP6516099B2 JP6516099B2 (ja) 2019-05-22

Family

ID=57942676

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2015155009A Active JP6516099B2 (ja) 2015-08-05 2015-08-05 音声信号復号装置および音声信号復号方法

Country Status (3)

Country Link
US (1) US10347266B2 (ja)
JP (1) JP6516099B2 (ja)
WO (1) WO2017022151A1 (ja)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001154699A (ja) * 1999-11-23 2001-06-08 Texas Instr Inc <Ti> フレーム消去の隠蔽及びその方法
JP2015509214A (ja) * 2012-01-20 2015-03-26 クゥアルコム・インコーポレイテッドQualcomm Incorporated 冗長フレーム符号化および復号のためのデバイス

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5091945A (en) * 1989-09-28 1992-02-25 At&T Bell Laboratories Source dependent channel coding with error protection
JP3418976B2 (ja) 1993-08-20 2003-06-23 ソニー株式会社 音声抑制装置
JP3416331B2 (ja) * 1995-04-28 2003-06-16 松下電器産業株式会社 音声復号化装置
US6810377B1 (en) * 1998-06-19 2004-10-26 Comsat Corporation Lost frame recovery techniques for parametric, LPC-based speech coding systems
JP4464488B2 (ja) * 1999-06-30 2010-05-19 パナソニック株式会社 音声復号化装置及び符号誤り補償方法、音声復号化方法
US6564182B1 (en) * 2000-05-12 2003-05-13 Conexant Systems, Inc. Look-ahead pitch determination
JP4698593B2 (ja) * 2004-07-20 2011-06-08 パナソニック株式会社 音声復号化装置および音声復号化方法
JPWO2008018464A1 (ja) * 2006-08-08 2009-12-24 パナソニック株式会社 音声符号化装置および音声符号化方法
JP2007221807A (ja) 2007-03-12 2007-08-30 Softbank Mobile Corp 復号化装置および電子機器
JP5110956B2 (ja) 2007-05-10 2012-12-26 三菱電機株式会社 暗号化装置及び復号装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001154699A (ja) * 1999-11-23 2001-06-08 Texas Instr Inc <Ti> フレーム消去の隠蔽及びその方法
JP2015509214A (ja) * 2012-01-20 2015-03-26 クゥアルコム・インコーポレイテッドQualcomm Incorporated 冗長フレーム符号化および復号のためのデバイス

Also Published As

Publication number Publication date
JP6516099B2 (ja) 2019-05-22
US10347266B2 (en) 2019-07-09
US20180182407A1 (en) 2018-06-28
WO2017022151A1 (ja) 2017-02-09

Similar Documents

Publication Publication Date Title
JP5587405B2 (ja) スピーチフレーム内の情報のロスを防ぐためのシステムおよび方法
EP2438592B1 (en) Method, apparatus and computer program product for reconstructing an erased speech frame
US8204743B2 (en) Apparatus and method for concealing frame erasure and voice decoding apparatus and method using the same
US8812306B2 (en) Speech decoding and encoding apparatus for lost frame concealment using predetermined number of waveform samples peripheral to the lost frame
JP4579273B2 (ja) ステレオ音響信号の処理方法と装置
KR20140005277A (ko) 저-지연 통합 스피치 및 오디오 코딩에서 에러 은닉을 위한 장치 및 방법
JP6356360B2 (ja) 音声通信システム
JP2015172778A (ja) オーディオ信号符号化方法および装置
US8996389B2 (en) Artifact reduction in time compression
TW202044231A (zh) 用於包括全訊框丟失隱匿及部分訊框丟失隱匿的lc3隱匿之解碼器及解碼方法
JP5289319B2 (ja) 隠蔽フレーム(パケット)を生成するための方法、プログラムおよび装置
JP3566931B2 (ja) 音声信号の符号列のパケット組立方法、装置及びパケット分解方法、装置並びにこれらの方法を実行するプログラム、プログラムを記録する記録媒体
JP2010518442A (ja) エラーフレームのパラメータ更新方法及び装置
JP6516099B2 (ja) 音声信号復号装置および音声信号復号方法
US20150194163A1 (en) Decoding method, decoding apparatus, program, and recording medium therefor
JP6012620B2 (ja) エンコーダおよび予測的に符号化する方法、デコーダおよび復号化する方法、予測的に符号化および復号化するシステムおよび方法、および予測的に符号化された情報信号
US9123329B2 (en) Method and apparatus for generating sideband residual signal
KR102132326B1 (ko) 통신 시스템에서 오류 은닉 방법 및 장치
JP2001265390A (ja) 複数レートで動作する無音声符号化を含む音声符号化・復号装置及び方法
WO2013024508A1 (ja) 音声処理装置、再生装置、音声処理方法およびプログラム
KR20140111480A (ko) 보코더 잡음 억제 방법 및 장치
JPH11249697A (ja) ピッチ位置抽出方法及びピッチ位置抽出装置
KR20130069682A (ko) 오디오 복호화방법

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20180425

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20190312

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20190402

R151 Written notification of patent or utility model registration

Ref document number: 6516099

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R151