JP2521050B2 - 音声符号化方式 - Google Patents

Description

【発明の詳細な説明】 ［技術分野］ 本発明は、音声符号化方式に関する。

［従来技術］ 例えば、高速デジタル回線を用いて音声信号を伝送し
たり、音声応答装置のために音声信号を蓄積および合成
するなど音声信号をデジタル処理するとき、この音声信
号をなんらかの方法でデジタル信号に変換する必要があ
る。

基本的には音声信号は周波数帯域が0.3〜3.4KHzのア
ナログ信号であり、これをデジタル信号に変換するに
は、例えばサンプリング周波数8KHzで分解能が８ビット
のアナログ／デジタル変換器で変換すればよい（PCM（P
ulse Code Modulation）符号化）。そして、このデジタ
ル信号を元の音声信号に戻すには、サンプリング周波数
8KHzで分解能が８ビットのデジタル／アナログ変換器で
アナログ信号に変換し、さらにローパスフィルタを通し
て波形整形してやればよい。このとき、アナログ／デジ
タル変換器およびデジタル／アナログ変換器の分解能
（すなわちPCM符号のビット幅）が大きいほど再生した
音声の品質が高い。

ところで、このようなPCM符号化された音声信号は１
秒あたりのビット速度（データ速度；以下ビットレート
という）が64Kbpsとなり、このように高いビットレート
の音声信号を伝送するには非常に高速な伝送路を必要と
し、また、かかる音声信号を蓄積するためには厖大な記
憶容量のメモリを必要とする。そこで、従来から、音声
信号のビットレートを低減するための種々の提案がなさ
れている。

その１つに、時系列的に隣接するPCM符号の差分を形
成する差分PCM符号化方式がある。この差分PCM符号化方
式は、音声波形の相関性に基づく冗長性を利用したもの
であり、隣接したサンプル間の値の変化が、多くの場合
ダイナミック・レンジの限られた範囲に含まれることか
ら、１サンプルあたりのビット数を低減することができ
る。この差分PCM符号化方式をさらに進めた適応差分PCM
符号化方式の１つである。CCITT（国際電信電話諮問委
員会）勧告による適応差分PCM方式は、32kbpsのビット
レートを実現している。

この他には、音声信号の非定在性と線形予測可能性を
利用したAPC-AB（Adaptive Prediction Co-ding with A
daptive Bit Allocation）方式、または、音声分析合成
手法によるLSP（Line Spectrum Pair）方式などがあ
る。

しかしながら、このような適応差分PCM方式、APC-AB
方式およびLSP方式は、符号化および復号化の処理が非
常に複雑であり、それらを実現するための装置は非常に
高価なものとなるという不都合がある。

一方、放送衛星用の高品位なPCM音声伝送方式の１つ
に準瞬時圧伸方式がある。この準瞬時圧伸方式は、PCM
符号化された音声データを時系列に所定数ごとのブロッ
クに分割し、おのおののブロックにおける信号絶対値の
最大値に対応した最上位桁をあらわすスケールデータを
識別し、その最上位桁を含む所定ビット数のデータを符
号データに整形するものであり、比較的符号化処理が簡
単で、かつ、容易に１サンプルのビット数を低減するこ
とが可能である。しかしながら、このような準瞬時圧伸
方式は、効率的には充分なものではない。

そこで、この準瞬時圧伸方式の効率を改善する手法と
して「差分PCM方式の準瞬時圧伸との結合」が考えられ
るが、一般に単に準瞬時圧伸を差分PCM方式に適用した
だけでは、圧縮時の欠落ビットが伝送誤差を生じ、受信
側の積分器で誤差が累積して受信不能となる。

このような問題を解決する１つの方法として、「欠落
ビットのアキュムレーションによる差分圧伸PCM（DC-PC
M）（高橋ほか、電子通信学会論文誌'84/10 Vol.J67-B
No.10）が提案されている。

しかしながら、この方法は15ビット程度の差分データ
を８ビット程度に圧縮する場合に有効であり、８ビット
の差分データを３ビット程度に圧縮するような低ビット
レートの符号化方式には適用できない。

すなわち、このような低ビットレートの場合にはブロ
ック間において音声波形の振幅が大幅に変化したときな
どブロック間でスケール位置が大幅に変動することがあ
り、そのためにアキュムレーションされている誤差信号
の方が伝送すべき有効なデータよりも大きな値となるこ
とがある。かかる場合には、伝送すべきデータが誤差信
号に埋もれてしまい、適正なデータ伝送を実現できな
い。

［目的］ 本発明は、上述した従来技術の不都合を解決するため
になされたものであり、低ビットレートで、簡単な処理
により、高品質な音声を再現できる音声符号化方式を提
供することを目的としている。

［構成］ 本発明は、準瞬時圧伸のさいにもとまる圧縮データを
その量子化ビット内で原信号に最も近くなるように補正
することで、上記した目的を達成している。

以下、添付図面を参照しながら、本発明の実施例を詳
細に説明する。

まず、本発明の原理について説明する。

例えば、第１図（ａ）に実線で示したような音声信号
をサンプリング周波数8KHzでサンプリングし、おのおの
のサンプルを８ビットのデジタルデータ（PCM符号）に
変換し、このデジタルデータを準瞬時圧伸することを考
える。ただし、スケール値の変動を防止するために、こ
のデジタルデータの最大値を６ビットに制限する。ま
た、準瞬時圧伸の条件としては、１ブロックを構成する
サンプルの数は８、おのおののサンプルを３ビットに圧
縮し、またスケール値を３ビットであらわすものとす
る。なお、最大値が制限されて形成された６ビットのデ
ジタルデータは、２の補数であらわされたデジタルデー
タであり、最上位桁がサインビット（正負を識別するた
めの符号ビット）である。

ここで、サンプル＃１〜＃８のデジタルデータがそれ
ぞれ第２図（ａ）に示したように得られたとする。

この８つのサンプルからなるブロックにおいて、その
絶対値が最大となるのはサンプル＃１のデータであるか
ら、そのビットパターンの最上位桁の位置すなわちビッ
ト４が準瞬時圧伸のスケール位置POSに設定される。

そして、おのおののサンプル＃１〜＃８について、こ
のスケール位置よりも１桁上位桁のビット５から下位３
桁を伝送ビットすなわち符号データとして抜き出す。し
たがって、符号データのMSB（最上位桁）には、その符
号データの正負の区別をあらわすサインビット（符号ビ
ット）が位置する。

この結果、同図（ｂ）に示したように、準瞬時圧伸に
よる符号化データが得られる。すなわち、先頭３ビット
にはスケール位置POSのデータが配置され、それに続い
てサンプル＃１〜＃８において抜き出された３ビットの
符号データが順次配置される。

このとき、前述したDC-PCMを実現するために、符号デ
ータに含まれない下位ビット（以下これを欠落ビットと
いう）のデータをサンプル毎に順次累算し、その累算値
に桁上がりを生じたときには符号データのLSBに１を加
算する。この場合には、「＊」マークを付したサンプル
＃3,＃6,＃８において、この加算が生じている。

このようにして、欠落ビットの内容が反映された符号
データが形成される。

この符号化データを復号して音声信号を再生するとき
は、まず、先頭３ビットの内容からスケール位置POSを
識別する。

次に、後続するデータを３ビットずつの符号データに
順次区切り、その符号データのMSBが、さきに識別した
スケール位置POSよりも１桁上位桁に位置するように６
ビットデータのなかに配置し、その符号データよりも上
位桁にはその符号データのMSBの内容（すなわちサイン
ビットの内容）を配置し、その符号データよりも下位桁
には０を配置することで、６ビットの差分データを伸張
する（同図（ｃ）参照）。

そして、この差分データを積算し、その積算値をデジ
タル／アナログ変換してローパスフィルタで波形整形す
ることで、音声信号が再生される。

さて、このようなDC-PCMにより符号化されて再生され
た音声信号は、第１図（ｂ）に一点鎖線で示したよう
に、同図に実線で示した元の音声信号よりもレベル的に
下の位置で変化し、したがって、このように１サンプル
当りのビット数が少ない低ビットレートの音声信号（符
号化信号）に、DC-PCMを適用したとき、再生された音声
信号の音質が劣化することがある。

このような音質の劣化を防止するには、符号化データ
を復号して得たデータすなわち復号値が、元の音声信号
により近づくように、おのおののサンプル点における符
号データを、その量子化ビット内で補正すればよい。

そのための１つの方法は、サンプル点毎に、符号デー
タの復号値と、その符号データのLSB（最下位桁）に１
を加えたデータ（以下、加算符号データという）の復号
値のいずれがより元の音声信号に近いかを判別し、その
判別結果に基づいて当該サンプル点における符号データ
を選択するというものである。

例えば、第２図（ｂ）のように形成された符号データ
に対して、同図（ｄ）に示したような加算符号データが
得られ、この加算符号データを復号すると同図（ｅ）に
示したように復合値が得られる。

この加算符号データの復号値の積算値と、符号データ
の復号値の積算値をそれぞれ元の音声信号と比較する
と、この場合には、サンプル＃１については加算符号デ
ータの復号値がより元の音声信号に近いので、サンプル
＃２〜＃８については符号値として符号データが選択さ
れ、サンプル＃１については符号値として加算符号デー
タが選択される。

その結果、第２図（ｆ）に示したように、符号データ
が補正され、同図（ｇ）に示したように復号値が改善さ
れる。その状態を第１図（ｂ）に二点鎖線で示す。

このような補正処理によって、元の音声信号により近
い音声信号を再生することができるようになる。

第３図は、本発明の一実施例にかかる音声符号化装置
を示している。この音声符号化装置は、上述した方法に
よって符号データを補正するものである。また準瞬時圧
伸の条件は、上述したものを用いている。

同図において、入力音声信号SSは、ローパスフィルタ
１によって帯域制限されたのちにアナログ／デジタル変
換器２に加えられて８ビットのデジタル信号DSに変換さ
れる。このアナログ／デジタル変換器２は、サンプリン
グ周波数が8KHzで直線量子化するものである。

デジタル信号DSは、１ブロックをなす８サンプル分の
記憶容量をもつバッファメモリ３に蓄積されるととも
に、差分データを形成するための加減算器４のプラス入
力端に加えられている。

この加減算器４から出力される９ビットの差分データ
DDsは、最大値制限回路５によって６ビットの差分デー
タDDに変換される。このようにして差分データの最大値
を制限したのは、次のような理由による。

すなわち、差分データDDsをそのまま準瞬時圧縮した
場合、突発的に大きな差分データを含むブロックにおい
てはそれに対応した大きなスケール値が設定され、その
ために他の小さな差分データに対する準瞬時圧縮後のデ
ータの追従性が悪化する。その結果、復元した音声信号
が、聴覚上、ギクシャクした感じを与える。そこで、こ
のように差分データの最大値をある程度に制限すること
により、このような聴覚上の問題を解決することができ
る。

この差分データDDは、８サンプル分の記憶容量をもつ
バッファメモリ６、準瞬時圧縮のためのスケール値を設
定するためのスケール値設定部７および加算器８の一入
力端に加えられている。

この加算器８の出力はレジスタ９に加えられ、このレ
ジスタ９の出力は加減算器４のマイナス入力端および加
算器８の他入力端に加えられている。

このようにして、最大値制限回路５によって６ビット
に制限された差分データDDの積算値が加算器８によって
形成され、このデータが差分データDDsを形成するため
の直前のサンプルのデータとして用いられている。

バッファメモリ６の記憶データは、サンプル毎に準瞬
時圧縮符号化する準瞬時圧縮部10および符号データに含
まれない欠落ビットを累算するアキュムレータ11に加え
られている。

スケール値設定部７は、最大値制限回路５から出力さ
れる差分データDDの連続する８サンプルのうち、最も絶
対値の大きいものを識別し、そのビットパタンの最上位
桁を判別してそのビット位置を３ビットのスケールデー
タDKで出力する。

このスケールデータDKは、準瞬時圧縮部10、アキュム
レータ11、準瞬時圧縮部10から出力される圧縮差分デー
タDCを復号するための準瞬時伸長部12、加算器13によっ
て圧縮差分データDCのLSBに１が加算されて形成された
加算符号データDCmを復号するための準瞬時伸張部14、
および、１ブロック分のデータを所定の信号形式に整形
するためのマルチプレクサ15の一入力端に加えられてい
る。

準瞬時圧縮部10は、バッファメモリ６から加えられる
６ビットの差分データDDについて、おのおののサンプル
毎に、スケール値設定部７から加えられるスケールデー
タDKがあらわすスケール位置よりも１ビット上位桁をMS
Bとする３ビットのデータを抜き出すとともに、当該サ
ンプルについて、アキュムレータ11から桁上がり信号CC
が入力されているときには、その３ビットデータのLSB
に１を加え、それを圧縮差分データDCとして加算器13、
準瞬時伸長部12およびセレクタ16の入力端Ｂに出力す
る。

アキュムレータ11は、ブロックの開始毎にその内容が
クリアされるとともに、スケール値設定部７から加えら
れるスケールデータDKに基づいてバッファメモリ６から
加えられるデジタル信号DSのうち欠落ビットを識別し、
各サンプルについてその欠落ビットを累算してその累算
値桁上がりを生じたときには、桁上がり信号CCを準瞬時
圧縮部10に出力する。

準瞬時伸長部12は、スケール値設定部７から加えられ
るスケールデータDKに基づいて、準瞬時圧縮部10から加
えられる圧縮差分データDCを９ビットの復号差分データ
FDに復号し、この復号差分データDDを積分部17に出力す
る。積分部17は、受入した復号差分データFDを積算して
復号データBDを形成し、この復号データBDを比較部18の
一入力端およびセレクタ19の入力端Ｂに出力する。

加算器13は、準瞬時圧縮部10から加えられる圧縮差分
データDCのLSBに１を加算した加算符号データDCmを形成
してそれを準瞬時伸長部14およびセレクタ16の入力端Ａ
に出力するとともに、その加算結果として桁上がりを生
じた場合には、キャリ信号CYを形成してそのキャリ信号
CYを比較部18に出力する。

準瞬時伸長部14は、スケール値設定部６から加えられ
るスケールデータDKに基づいて、加算器13から加えられ
る加算符号データDCmを９ビットの復号差分データFDmに
復号し、この復号差分データFDmを積分部20に出力す
る。積分部20は、受入した復号差分データFDmを積算し
て復号データBDmを形成し、この復号データBDmを比較部
18の他入力端およびセレクタ19の入力端Ａに出力する。

比較部18には、バッファメモリ３から原信号であるデ
ジタル信号DSが加えられており、このデジタル信号DSと
復号データFDとの誤差、および、デジタル信号DSと復号
データFDmとの誤差をサンプル毎に形成し、前者が後者
よりも小さい場合にはセレクタ16,19に出力している選
択信号SLを論理レベルＬに設定し、前者が後者よりも大
きい場合には選択信号SLを論理レベルＨに設定する。

したがって、圧縮差分データDCの復号値がより原信号
に近い場合には圧縮差分データDCが、加算符号データDD
mがより原信号に近い場合には加算符号データDCmがセレ
クタ16によって選択され、符号データDCoとしてマルチ
プレクサ15に出力される。

また、ブロックの終了時点にセレクタ19によって選択
されている復号データFDあるいは復号データFDmが、レ
ジスタ９により、１つのブロックの処理を終了して次の
ブロックの処理を開始する直前で、次のブロックの最初
のサンプルについて差分データDDsを形成するための基
準データとして取り込まれる。これにより、準瞬時圧伸
に特有な欠落ビットによる誤差の累積を、次のブロック
の最初のサンプルデータを形成するときに解消すること
ができる。

マルチプレクサ15は、第４図に示したように、スケー
ル値設定部７から出力されたスケールデータDKを先頭に
配置し、それに続いて各サンプルの符号データDCoを順
次配置して構成した信号を、１ブロック分の符号化デー
タDLとして形成して次段装置（例えばデータ伝送装置あ
るいはデータ記憶装置等）に出力する。

なお比較部18は、選択信号SLを論理レベルＨに設定す
るときにキャリ信号CYを入力しているときには、そのと
きに設定したスケール値ではそのサンプルの符号データ
を表現できなくなると判断し、当該ブロックにおけるス
ケール値を１つ大きくするために再処理信号REをスケー
ル値設定部７およびマルチプレクサ15に出力する。この
再処理信号REが出力されると、マルチプレクサ15はその
ときに入力された１ブロックデータを出力せず、また、
スケール値設定部７は設定したスケール値を１つ大きく
した状態に変更する。これにより、同一ブロックのデー
タについて、再度準瞬時圧縮の処理が実行される。

このようにして、準瞬時圧縮部10から出力される圧縮
差分データDCが補正されて、符号化データDLとして出力
される。

第５図は、本発明の一実施例にかかる音声復号化装置
の一例を示している。この音声復号化装置は、上述した
音声符号化装置によって符号化された符号化データDLを
復号して音声信号を出力するものである。

同図において、例えばデータ受信装置あるいはデータ
記憶装置等の前段装置（図示略）から出力された符号化
データDLは、デマルチプレクサ21に加えられ、おのおの
のブロック毎に、先頭の３ビットがスケール値SCとして
識別されて準瞬時伸長部22のスケール値入力端に加えら
れ、それ以外のコードデータ（圧縮差分データ）は、準
瞬時伸長部22のコードデータ入力端に加えられる。

準瞬時伸長部22は、加えられるコードデータを３ビッ
トずつに区切るとともに、９ビットデータにおいて入力
したスケールデータSCに対応したビット位置にその３ビ
ットのデータを配置し、そのコードデータよりも上位桁
には符号ビットの内容を、下位桁には０を配置して９ビ
ットデータに伸張し、この９ビットデータを積分部23出
力する。

積分部23は、順次入力される９ビットデータを積算し
て音声信号の各サンプルにおける８ビットの信号値を形
成し、これをデジタル／アナログ変換器24に出力する。

デジタル／アナログ変換器24は、受入した信号値を8K
Hzの変換周波数で対応するアナログ信号（レベル信号）
に変換し、これをローパスフィルタ25に出力する。この
アナログ信号は、ローパスフィルタ25によって波形整形
されたのち、再生音声信号として次段装置（例えば音声
出力装置等）に出力される。

このように、本発明にかかる符号化データを復号する
ための音声復号装置の構成は、非常に簡単なものとな
る。したがって、例えば、汎用の８ビットマイクロプロ
セッサを用いてこの音声復号化装置を実現することもで
き、コストを極く小さく抑えることができる。

ところで、上述した実施例においては、準瞬時圧縮部
10が出力する圧縮差分データDCと加算器13が出力する加
算符号データDCmのおのおのに基づいて形成した復号デ
ータBDとBDmを原信号と比較することにより、圧縮差分
データDCあるいは加算符号データDCmのいずれかをサン
プル毎に選択しているが、この選択のための基準として
は、復号データ以外のものを用いることもできる。

第６図は、本発明の他の実施例にかかる音声符号化装
置を示している。この実施例では、上記した選択のため
の基準として、差分データDDを用いている。なお、同図
において第３図と同一部分および相当する部分には同一
符号を付してその説明を省略する。

同図において、最大値制限回路５から出力される差分
データDDは、その１ブロック分のデータがバッファメモ
リ3aに記憶され、このバッファメモリ3aの記憶データが
比較の基準信号として比較部18に加えられている。

比較部18は、バッファメモリ3aから加えられる基準信
号と準瞬時伸長部12から加えられる復号差分データFDと
の誤差、および、基準信号と準瞬時伸長部14から加えら
れる復号差分データFDmとの誤差をサンプル毎に形成
し、前者が後者よりも小さい場合にはセレクタ16に出力
している選択信号SLを論理レベルＬに設定し、前者が後
者よりも大きい場合には選択信号SLを論理レベルＨに設
定する。

また、セレクタ16から出力される符号データDCoは準
瞬時伸長部31に加えられており、この準瞬時伸長部31に
よってスケール値設定部７から出力されるスケールデー
タDKに基づきサンプル毎に復号伸長され、積分部32によ
ってそれらが積算されて復号値が形成され、この復号値
は１ブロック分の処理が終了する時点で、次のブロック
の最初のサンプルを形成するたの基準値としレジスタ９
に取り込まれる。

この実施例によって形成された符号化データDLに基づ
いて音声信号を出力する音声復号化装置としては、第５
図に示したものと同一の音声復号化装置を用いることが
できる。

なお、上述した各実施例における各種定数（例えば処
理ビット数等）は、上述したものに限るものではない。

［効果］ 以上説明したように、本発明によれば、準瞬時圧伸の
さいにもとまる圧縮データをその量子化ビット内で原信
号に最も近くなるように補正しているので、低ビットレ
ートで、簡単な処理により、高品質な音声を再現できる
という効果を得ることができる。

【図面の簡単な説明】

第１図（ａ），（ｂ）は本発明の原理を説明するための
波形図、第２図（ａ）〜（ｇ）は本発明の原理を説明す
るための信号配置図、第３図は本発明の一実施例にかか
る音声符号化装置の一例を示したブロック図、第４図は
符号化データの一例を示した信号配置図、第５図は音声
復号化装置の一例を示したブロック図、第６図は本発明
の他の実施例にかかる音声符号化装置の一例を示したブ
ロック図である。 1,25……ローパスフィルタ、２……アナログ／デジタル
変換器、3,3a,6……バッファメモリ、４……加減算器、
５……最大値制限回路、７……スケール値設定部、8,13
……加算器、９……レジスタ、10……準瞬時圧縮部、11
……アキュムレータ、12,14,22,31……準瞬時伸長部、1
5……マルチプレクサ、16,19……セレクタ、17,20,23,3
2……積分部、24……デジタル／アナログ変換器。

フロントページの続き (72)発明者 門川 雄一 東京都大田区中馬込１丁目３番６号 株 式会社リコー内 (56)参考文献 特開 昭62−190930（ＪＰ，Ａ) 特開 昭63−14523（ＪＰ，Ａ) 特開 昭63−14524（ＪＰ，Ａ) 電子通信学会論文誌’84／10Ｖｏｌ. Ｊ67−Ｂ Ｎｏ．10Ｐ．1033−1039

Claims (3)

(57)【特許請求の範囲】
1. 【請求項１】PCM符号化された音声データのうち隣接す
   るサンプル間の差分値を形成してその差分値を時系列に
   所定数ごとのブロックに分割し、おのおののブロックに
   おける差分値の絶対値の最大値に対応した最上位桁をあ
   らわすスケールデータを識別し、その最上位桁を含む所
   定ビット数のデータを符号データに整形して上記音声デ
   ータを圧縮するとともにその符号データに含まれなかっ
   た欠落ビットの積算値が桁上がりを生じたときには当該
   サンプルの符号データの最下位桁に１を加えてその符号
   データを補正する音声符号化方式において、上記符号デ
   ータの最下位桁に１を加えた加算符号データを形成し、
   この加算符号データの復号値と当該加算符号データに対
   応した上記音声データとの誤差がその加算符号データに
   対応した上記符号データの復号値と当該符号データに対
   応した上記音声データとの誤差よりも小さいときに当該
   音声データに対応した符号値として上記加算符号データ
   を選択し、それ以外のときには当該音声データに対応し
   た符号値として上記符号データを選択することを特徴と
   する音声符号化方式。
2. 【請求項２】特許請求の範囲第１項記載において、前記
   差分値は、その絶対値の最大値が制限されることを特徴
   とする音声符号化方式。
3. 【請求項３】特許請求の範囲第１項記載において、前記
   加算符号データが桁上がりし、かつ、この桁上がりした
   加算符号データが符号値に選択されたときには、前記ス
   ケールデータを１つ増加させた状態で当該ブロックにつ
   いて再度符号化処理を行なうことを特徴とする音声符号
   化方式。