JP2543345B2 - 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方式では、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 Coding with Ad
aptive 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ある。

また、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、低ビットレートで実現した場合、音質が劣化す
るという不都合を生じることがある。

［作用］ 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、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して上記音声データを
上記ブロック単位に圧縮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と
ともに、上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、上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ようにしたも
のである。

また、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して上記音声データを上記
ブロック単位に圧縮する音声符号化方式において、上記
音声データのうち上記符号データに含まれなかった下位
桁のデータが所定値よりも大きいときは当該符号データ
の最下位桁に１を加えた加算符号データを形成して当該
音声データに対応した符号値としてこの加算符号データ
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とともに、上
記加算符号データが桁上がりしたときには、上記スケー
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ようにしたものである。

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。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５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、サンプリングして形成された８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
ぞれ同図（ｂ）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♯２のデータであるか
ら、そのビットパタンの最上位桁の位置すなわちビット
６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７から下位５
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（ｃ）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５ビットの
符号データが順次配置される。

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。

そして、後続するデータを５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、８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。

この復号化により、同図（ｄ）に示したようなデジタ
ルデータが復号される。さらに、これをデジタル／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、このような準瞬時圧伸により符号化された符号
データには、第１図（ｃ）の右側に示したように、もと
もとのデジタルデータに含まれていた符号データよりも
下位桁のデータが切り捨てられ、この切捨ビットのデー
タが欠落している。

したがって、第１図（ａ）に一点鎖線で示したよう
に、再生された音声信号が元の音声信号と誤差を生じ、
そのために、準瞬時圧伸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１図（ｃ）のように形成された符号データ
に対して、同図（ｅ）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（ｆ）に
示したように復号値が得られる。

この加算符号データの復号値と、符号データの復号値
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♯2,♯４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♯1,♯3,♯５〜
♯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♯2,♯４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１図（ｇ）に示したように、符号データ
が補正され、同図（ｈ）に示したように復号値が改善さ
れる。その状態を第１図（ａ）に破線で示す。

また、他の方法は、サンプル点毎に、切捨ビットの内
容が所定値よりも大きいかどうかを判断し、大きい場合
には当該サンプルの符号データのLSBに１を加算した加
算符号データを、そのサンプルの符号値として選択する
というものである。この方法は、いわば切捨ビットの四
捨五入の結果を符号データに反映させることで、よりも
との音声信号に近づくようにしたものである。

またそのときの所定値とは、例えば切捨ビットのMSB
が１で他の桁が０である値である。

この方法では、サンプル♯1,♯2,♯３において加算符
号データが選択されるので、第１図（ａ）に二点鎖線で
示したように、復号値が改善される。

第２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、上述した最初の
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３を介して準瞬時圧縮部４に加
えられるとともに符号化の対象である元の音声信号（以
下原信号という）として比較部５に加えられ、また、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６に加えられている。

スケール値設定部６は、デジタル信号DS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として出力する。

このスケールデータDKは、準瞬時圧縮部４、準瞬時圧
縮部４から出力される圧縮データDCを復号するための準
瞬時伸長部７、加算器８によって圧縮データ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
るための準瞬時伸長部９、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10
の一入力端に加えられている。

準瞬時圧縮部４は、バッファ３から加えられる８ビッ
トのデジタル信号DSについて、おのおののサンプル毎
に、スケール値設定部６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MSB
とする５ビットのデータを抜き出し、それを圧縮データ
DCとして加算器８、準瞬時伸長部７およびセレクタ11の
入力端Ｂに出力する。

準瞬時伸長部７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、準瞬時圧縮部４から加
えられる圧縮データDCを８ビットの復号データDDに復号
し、この復号データDDを比較部５に出力する。

加算器８は、準瞬時圧縮部４から加えられる圧縮デー
タDCのLSBに１を加算して加算符号データDCmを形成して
それを準瞬時伸長部９およびセレクタ11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５に出力する。

準瞬時伸長部９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８から加えられ
る加算符号データDCmを８ビットの復号データDDmに復号
し、この復号データDDmを比較部５に出力する。

比較部５は、原信号であるデジタル信号DSと復号デー
タDDとの誤差、および、デジタル信号DSと復号データDD
m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11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、圧縮データDCの復号値がより原信号に近
い場合には圧縮データDCが、加算符号データの復号値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11によって選択され、符号データDCoとしてマルチ
プレクサ10に出力される。

マルチプレクサ10は、第３図に示したように、スケー
ル値設定部６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５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
を表現できなるなると判断し、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６およびマルチプレクサ10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10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６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４から出力される圧縮
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４図は、本発明の一実施例にかかる音声復号化装置
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５ビッ
トずつに区切り、そのコードデータを、スケールデータ
SCに基づいて８ビットデータに伸長し、この８ビットデ
ータをデジタル／アナログ変換器23に出力する。

デジタル／アナログ変換器23は、受入した８ビットデ
ータを8KHz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24に出力す
る。このアナログ信号は、ローパスフィルタ24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
ための音声復号化装置の構成は、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。

第５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。この音声符号化装置は、前述した後者
の方法により符号データを補正するものである。なお、
同図において第２図と同一部分および相当部分には同一
符号を付してその説明を省略する。

同図において、切捨ビット判断部31は、スケール値設
定部６から出力されるスケールデータDKに基づき、バッ
ファメモリ３から出力されるデジタル信号DSのうち、圧
縮データDCに含まれない下位桁の切捨ビットを切り出す
とともに、その切捨ビットの値が所定値以上である場合
には、加算命令ADを加算器32に出力する。この所定値と
しては、切捨ビットのMSBに１が立っている最小値が設
定される。例えば、第１図（ｃ）に示したように切捨ビ
ットが３ビットからなるときには、（100）₂がその所定
値として設定される。

加算器32は、切捨ビット判断部31から加算命令ADが出
力されたサンプルについては、準瞬時圧縮部４から出力
される５ビットの圧縮データDCのLSBに１を加算して形
成した加算符号データを符号データDCoとしてマルチプ
レクサ10に出力する。また切捨ビット判断部31から加算
命令ADが出力されないサンプルについては、準瞬時圧縮
部４か出力される圧縮データDCをそのまま符号データDC
oとしてマルチプレクサ10に出力する。

また加算器32は、加算結果によって桁上がりを生じた
場合には、キャリ信号CRをスケール値設定部６およびマ
ルチプレクサ10に出力する。このようにしてキャリ信号
CRが出力されると、マルチプレクサ10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６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、上述の実施例と同様に、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。

これにより、準瞬時圧縮部４から出力される圧縮デー
タDCがより適切な値に補正され、マルチプレクサ10から
符号化データDLとして出力される。

このようにして、本実施例では、前述した実施例の装
置よりもさらに簡単な構成で、同程度の効果を得ること
ができる。

また、この実施例によって形成された符号化データDL
から音声信号を再生するものとしては、上述した音声復
号化装置と同一のものを用いることができる。

なお、上述した各実施例における圧縮データのビット
数等の各種の定数は一例であって、これ以外の態様をと
るものに対しても、本発明を実施することができる。

［効果］ 以上説明したように、本発明によれば、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
に整形して上記音声データを上記ブロック単位に圧縮す
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とともに、上記加算符号デー
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、上記スケールデータ
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
化処理を行なうようにしたので、符号化時に、準瞬時圧
伸処理による圧縮データとして、元の音声信号により近
づく値が選択され、低ビットレートで、高音質の音声を
再現することができるという効果を得る。また、符号器
側における符号化処理の段階で、圧縮データの選択を行
うので、復号器側の復号化処理が簡単なものとなり、そ
の結果、復号器の装置構成を簡単化でき、復号器の装置
コストを大幅に削減することができるという効果も得
る。

また、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して上記音声データを上記
ブロック単位に圧縮する音声符号化方式において、上記
音声データのうち上記符号データに含まれなかった下位
桁のデータが所定値よりも大きいときは当該符号データ
の最下位桁に１を加えた加算符号データを形成して当該
音声データに対応した符号値としてこの加算符号データ
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とともに、上
記加算符号データが桁上がりしたときには、上記スケー
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ようにしたので、準瞬時圧伸処
理により切り捨てられる音声データの下位桁の内容が符
号データに反映するので、低ビットレートで、高音質の
音声を再現することができるという効果を得る。また、
符号器側における符号処理の段階で、圧縮データの選択
を行うので、復号器側の復号処理が簡単なものとなり、
その結果、復号器側の装置構成を簡単化でき、復号器の
装置コストを大幅に削減することができるという効果も
得る。

【図面の簡単な説明】

第１図（ａ）〜（ｈ）は本発明の原理の説明図、第２図
は本発明の一実施例にかかる音声符号化装置を例示した
ブロック図、第３図は符号化データのフォーマットを例
示した信号配置図、第４図は本発明の一実施例にかかる
音声復号化装置を例示したブロック図、第５図は本発明
の他の実施例にかかる音声符号化装置を例示したブロッ
ク図である。 1,24……ローパスフィルタ、２……アナログ／デジタル
変換器、３……バッファメモリ、４……準瞬時圧縮部、
５……比較部、６……スケール値設定部、7,9,22……準
瞬時伸長部、8,32……加算器、10……マルチプレクサ、
11……セレクタ、21……デマルチプレクサ、23……デジ
タル／アナログ変換器、31……切捨ビット判別部。

───────────────────────────────────────────────────── フロントページの続き (56)参考文献 特開 昭56−27546（ＪＰ，Ａ) 特開 昭63−14524（ＪＰ，Ａ) 特公 昭46−25925（ＪＰ，Ｂ１)

Claims (2)

(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して上記音声データを
   上記ブロック単位に圧縮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と
   ともに、 上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、上
   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。
2. 【請求項２】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して上記音声データを
   上記ブロック単位に圧縮する音声符号化方式において、 上記音声データのうち上記符号データに含まれなかった
   下位桁のデータが所定値よりも大きいときは当該符号デ
   ータの最下位桁に１を加えた加算符号データを形成して
   当該音声データに対応した符号値としてこの加算符号デ
   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ととも
   に、上記加算符号データが桁上がりしたときには、上記
   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。