JP2953238B2 - 音質主観評価予測方式 - Google Patents
音質主観評価予測方式Info
- Publication number
- JP2953238B2 JP2953238B2 JP5020916A JP2091693A JP2953238B2 JP 2953238 B2 JP2953238 B2 JP 2953238B2 JP 5020916 A JP5020916 A JP 5020916A JP 2091693 A JP2091693 A JP 2091693A JP 2953238 B2 JP2953238 B2 JP 2953238B2
- Authority
- JP
- Japan
- Prior art keywords
- audio signal
- input
- parameter
- characteristic
- input audio
- 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.)
- Expired - Lifetime
Links
Description
【０００１】
【産業上の利用分野】本発明は、音質主観評価予測方式
に関し、特に入力音声信号の特徴パラメータと再生音声
信号の特徴パラメータとに重み付け距離尺度を用いて再
生音声信号の主観評価値を予測する方式に関する。
に関し、特に入力音声信号の特徴パラメータと再生音声
信号の特徴パラメータとに重み付け距離尺度を用いて再
生音声信号の主観評価値を予測する方式に関する。
【０００２】
【従来の技術】従来、音声の音質評価を行なう場合に
は、聴取実験で評価音声を主観的に評価する他に、音声
の特徴パラメータを原音声と評価音声とから抽出し、特
徴パラメータ間の比や距離を求めて客観的に評価する方
法がとられている。
は、聴取実験で評価音声を主観的に評価する他に、音声
の特徴パラメータを原音声と評価音声とから抽出し、特
徴パラメータ間の比や距離を求めて客観的に評価する方
法がとられている。
【０００３】この客観評価には、ＳＮ比（特開昭63-273
895)やセグメンタルＳＮ比などの他にケプストラム距離
やＢＳＤ距離（Ｐroc.ＩＣＡＳＳＰ 91,ＩＥＥＥＳpeec
h Ｐrocessing.,vol.1,pp.493-496,1991) などスペクト
ルの歪みが使われている。
895)やセグメンタルＳＮ比などの他にケプストラム距離
やＢＳＤ距離（Ｐroc.ＩＣＡＳＳＰ 91,ＩＥＥＥＳpeec
h Ｐrocessing.,vol.1,pp.493-496,1991) などスペクト
ルの歪みが使われている。
【０００４】また最近では、これら客観評価に用いられ
ている音声の特徴パラメータから、主観評価値を予測す
るモデルも研究されている（電子情報通信学会論文誌Ａ
Ｖol. J73-ＡＮｏ．6 pp.1039-1047 1990 年 6月）。
ている音声の特徴パラメータから、主観評価値を予測す
るモデルも研究されている（電子情報通信学会論文誌Ａ
Ｖol. J73-ＡＮｏ．6 pp.1039-1047 1990 年 6月）。
【０００５】一方、音声符号化の分野においては、高音
質な再生音声を得るため適応フィルタによる重み付け距
離が広く用いられている（特開平4-84200)。そして、こ
の重み付け距離を最小化するように符号化パラメータを
決定することで、主観的に良好な再生音声を得ることが
できるとしている。
質な再生音声を得るため適応フィルタによる重み付け距
離が広く用いられている（特開平4-84200)。そして、こ
の重み付け距離を最小化するように符号化パラメータを
決定することで、主観的に良好な再生音声を得ることが
できるとしている。
【０００６】しかし、ここで用いられている評価尺度
は、再生音声の相対的な評価を行なうためのもので、再
生音声の主観評価値を決定或いは予測するために適用で
きるものではない。
は、再生音声の相対的な評価を行なうためのもので、再
生音声の主観評価値を決定或いは予測するために適用で
きるものではない。
【０００７】
【発明が解決しようとする課題】客観評価に基づいて主
観評価値を予測する従来の音質主観評価予測方式は、低
ビットレートの符号化方式の評価には適していないとい
われている（ＩＥＥＥ Transactions on Selected Area
s in Communications,vol.SAC-6,pp.242-248,Feb.1988
) 、（ＩＥＥＥ Trans.Comm.,vol.COM-30,pp.642-654,
Apr.1982)。
観評価値を予測する従来の音質主観評価予測方式は、低
ビットレートの符号化方式の評価には適していないとい
われている（ＩＥＥＥ Transactions on Selected Area
s in Communications,vol.SAC-6,pp.242-248,Feb.1988
) 、（ＩＥＥＥ Trans.Comm.,vol.COM-30,pp.642-654,
Apr.1982)。
【０００８】そこで、低ビットレートの符号化音声の主
観評価予測の予測精度を上げるためには、人間が音声を
評価するときに用いている聴覚特性、例えばマスキング
効果を考慮した客観評価を行なう必要がある。
観評価予測の予測精度を上げるためには、人間が音声を
評価するときに用いている聴覚特性、例えばマスキング
効果を考慮した客観評価を行なう必要がある。
【０００９】このマスキング効果を考慮するためには、
音声信号の始まりから終りまでを同一の重みで評価する
のではなく、聴覚的に重要てある部分とそうでない部分
を反映した重み付けを行なうことが有効であると考えら
れる。
音声信号の始まりから終りまでを同一の重みで評価する
のではなく、聴覚的に重要てある部分とそうでない部分
を反映した重み付けを行なうことが有効であると考えら
れる。
【００１０】本発明の目的は、人間が音声信号を評価す
る場合と近いモデルで主観評価値を予測するために、入
力音声信号の特徴パラメータ値が大きい部分や、動的特
徴パラメータ値が小さい部分での評価が、他の部分と比
べて大きく評価されるような重みづけ距離尺度を用いて
評価することにより従来に比し格段に予測精度を向上で
きる音質主観評価予測方式を提供することにある。
る場合と近いモデルで主観評価値を予測するために、入
力音声信号の特徴パラメータ値が大きい部分や、動的特
徴パラメータ値が小さい部分での評価が、他の部分と比
べて大きく評価されるような重みづけ距離尺度を用いて
評価することにより従来に比し格段に予測精度を向上で
きる音質主観評価予測方式を提供することにある。
【００１１】
【課題を解決するための手段】第１の発明の音質主観評
価予測方式は、入力音声信号を符号化／復号化し再生音
声信号を作成する符号化／復号化部と、前記入力音声信
号から少なくとも１つの入力音声信号特徴パラメータを
抽出する入力音声信号特徴抽出部と、前記再生音声信号
から少なくとも１つの再生音声信号特徴パラメータを抽
出する再生音声信号特徴抽出部と、前記入力音声信号特
徴パラメータを用いて少なくとも１つの動的特徴パラメ
ータを抽出する入力音声信号動的特徴抽出部と、前記入
力音声信号特徴パラメータを用いて入力音声信号特徴パ
ラメータ値が大きい部分の評価が他の部分に比べて大き
く評価されるような少なくとも１つの第１の重み付け係
数を抽出する第１の重み付け係数抽出部と、前記動的特
徴パラメータを用いて動的特徴パラメータ値が小さい部
分の評価が他の部分に比べて大きく評価されるような少
なくとも１つの第２の重み付け係数を抽出する第２の重
み付け係数抽出部と、前記入力音声信号特徴パラメータ
と前記再生音声信号特徴パラメータとの距離を求める際
に前記第１の重み付け係数と前記第２の重み付け係数と
のうちの少なくとも１つの重み付け係数を用いて計算し
客観評価値を出力する客観評価部と、前記客観評価値を
用いて主観評価値を計算する主観評価予測部とを含んで
構成されている。
価予測方式は、入力音声信号を符号化／復号化し再生音
声信号を作成する符号化／復号化部と、前記入力音声信
号から少なくとも１つの入力音声信号特徴パラメータを
抽出する入力音声信号特徴抽出部と、前記再生音声信号
から少なくとも１つの再生音声信号特徴パラメータを抽
出する再生音声信号特徴抽出部と、前記入力音声信号特
徴パラメータを用いて少なくとも１つの動的特徴パラメ
ータを抽出する入力音声信号動的特徴抽出部と、前記入
力音声信号特徴パラメータを用いて入力音声信号特徴パ
ラメータ値が大きい部分の評価が他の部分に比べて大き
く評価されるような少なくとも１つの第１の重み付け係
数を抽出する第１の重み付け係数抽出部と、前記動的特
徴パラメータを用いて動的特徴パラメータ値が小さい部
分の評価が他の部分に比べて大きく評価されるような少
なくとも１つの第２の重み付け係数を抽出する第２の重
み付け係数抽出部と、前記入力音声信号特徴パラメータ
と前記再生音声信号特徴パラメータとの距離を求める際
に前記第１の重み付け係数と前記第２の重み付け係数と
のうちの少なくとも１つの重み付け係数を用いて計算し
客観評価値を出力する客観評価部と、前記客観評価値を
用いて主観評価値を計算する主観評価予測部とを含んで
構成されている。
【００１２】第２の発明の音質主観評価予測方式は、第
１の発明の音質主観評価予測方式において、入力音声信
号特徴抽出部に代えて、第１の重み付け係数抽出部と動
的特徴抽出部で用いる入力音声信号の特徴パラメータを
抽出する重み係数抽出用入力音声信号特徴抽出部と、客
観評価部で用いる前記入力音声信号の特徴パラメータを
抽出する評価用入力音声信号特徴抽出部とを含んで構成
されている。
１の発明の音質主観評価予測方式において、入力音声信
号特徴抽出部に代えて、第１の重み付け係数抽出部と動
的特徴抽出部で用いる入力音声信号の特徴パラメータを
抽出する重み係数抽出用入力音声信号特徴抽出部と、客
観評価部で用いる前記入力音声信号の特徴パラメータを
抽出する評価用入力音声信号特徴抽出部とを含んで構成
されている。
【００１３】
【実施例】次に、本発明について図面を参照して説明す
る。
る。
【００１４】図１は第１の発明の音質主観評価予測方式
の第１の一実施例を示すブロック図である。
の第１の一実施例を示すブロック図である。
【００１５】図１において、入力端子１からは、音声信
号が入力され、符号化／復号化部３と入力音声信号特徴
抽出部４へ送られる。
号が入力され、符号化／復号化部３と入力音声信号特徴
抽出部４へ送られる。
【００１６】符号化／復号化部３では、原信号を用いて
符号化／復号化を行ない再生音声信号を作成する。符号
化／復号化には例えばＣＥＬＰ（Ｐroc.Ｉnt. Ｃonf.Ａ
coust., Ｓpeech,Ｓignal Ｐrocessing,pp200-203,198
9) などが用いられる。この符号化／復号化部３にて作
成された再生音声信号は、再生音声信号特徴抽出部５へ
送られる。
符号化／復号化を行ない再生音声信号を作成する。符号
化／復号化には例えばＣＥＬＰ（Ｐroc.Ｉnt. Ｃonf.Ａ
coust., Ｓpeech,Ｓignal Ｐrocessing,pp200-203,198
9) などが用いられる。この符号化／復号化部３にて作
成された再生音声信号は、再生音声信号特徴抽出部５へ
送られる。
【００１７】入力音声信号特徴抽出部４では、入力音声
信号Ｓx を用いて一定時間（フレーム）毎に、特徴パラ
メータxparを求める。入力音声信号特徴抽出部４にて求
められた特徴パラメータxparは、入力音声信号動的特徴
抽出部６と第１の重み付け係数抽出部７へ送られる。入
力音声信号特徴抽出部４で求められる特徴パラメータxp
arとしては、例えばrms 、Ｂark スペクトル、ピッチ、
ケプストラムなど周知のものを使うことができる。
信号Ｓx を用いて一定時間（フレーム）毎に、特徴パラ
メータxparを求める。入力音声信号特徴抽出部４にて求
められた特徴パラメータxparは、入力音声信号動的特徴
抽出部６と第１の重み付け係数抽出部７へ送られる。入
力音声信号特徴抽出部４で求められる特徴パラメータxp
arとしては、例えばrms 、Ｂark スペクトル、ピッチ、
ケプストラムなど周知のものを使うことができる。
【００１８】ここでは、入力音声信号｛Ｓx （０），
…，Ｓx （Ｌ−１）｝から特徴パラメータxparを求める
例として、以下でrms とＢark スペクトルを求める式を
示す。
…，Ｓx （Ｌ−１）｝から特徴パラメータxparを求める
例として、以下でrms とＢark スペクトルを求める式を
示す。
【００１９】まず、入力音声信号から、第ｋフレームの
rms を求める式（１）を示す。
rms を求める式（１）を示す。
【００２０】
【００２１】次に、入力音声信号から第ｋフレームのＢ
ark スペクトルを求める手順を説明する。 １．入力音声信号Ｓx (k)に対し、ＦＦＴを行ない、パワ
ースペクトルＸ(k) （ｆ）を求める。 ２．ワパースペクトルＸ(k) （ｆ）をＢark スケールＹ
(k) （ｘ）に変換する。ｘからｆへの変換は、以下の関
係式（２）を用いて行なう。
ark スペクトルを求める手順を説明する。 １．入力音声信号Ｓx (k)に対し、ＦＦＴを行ない、パワ
ースペクトルＸ(k) （ｆ）を求める。 ２．ワパースペクトルＸ(k) （ｆ）をＢark スケールＹ
(k) （ｘ）に変換する。ｘからｆへの変換は、以下の関
係式（２）を用いて行なう。
【００２２】
【００２３】３．Ｂark スケール変換したパワースペク
トルＹ(k) （ｘ）に臨界帯域フィルタＦ(k) （ｘ）をか
け、excitation patternＤ(k) （ｘ）を式（４）により
求める。臨界帯域フィルタＦ(k) （ｘ）は、以下の式
（３）で表される。
トルＹ(k) （ｘ）に臨界帯域フィルタＦ(k) （ｘ）をか
け、excitation patternＤ(k) （ｘ）を式（４）により
求める。臨界帯域フィルタＦ(k) （ｘ）は、以下の式
（３）で表される。
【００２４】
【００２５】ここで、α＝0.215 とする。
【００２６】
【００２７】４．Ｅxcitation pattern Ｄ(k) （ｘ）に
聴感重み付けを式（６）により行なう。
聴感重み付けを式（６）により行なう。
【００２８】１８００〜３４００Ｈｚの聴感重み付けＨ
（ｆ）は、以下の式（５）より求めることができる。
（ｆ）は、以下の式（５）より求めることができる。
【００２９】
【００３０】１８００Ｈｚ以下ではＨ（ｆ）＝１とし３
４００Ｈｚ以上では３４００Ｈｚと同じ値をとる。
４００Ｈｚ以上では３４００Ｈｚと同じ値をとる。
【００３１】
【００３２】５．第ｉ次元目、第ｋフレームのＢark ス
ペクトル｛ｘＢ(k)[i],i=1, …,T｝は、以下の式（７）
によって求められる。
ペクトル｛ｘＢ(k)[i],i=1, …,T｝は、以下の式（７）
によって求められる。
【００３３】
【００３４】但し、channel 番号ｉとＢark Ｓcale ｘ
との間には、ｘ＝1.0 * ｉとなる関係がある。
との間には、ｘ＝1.0 * ｉとなる関係がある。
【００３５】以上の手順で求めた入力信号のrms やＢar
k スペクトルの特徴パラメータは、第１の重み付け係数
抽出部７と入力音声信号動的特徴抽出部６に出力され
る。
k スペクトルの特徴パラメータは、第１の重み付け係数
抽出部７と入力音声信号動的特徴抽出部６に出力され
る。
【００３６】第１の重み付け係数抽出部７では、入力音
声信号の特徴パラメータxparを用いて重み付け係数ωを
抽出する。
声信号の特徴パラメータxparを用いて重み付け係数ωを
抽出する。
【００３７】人間が音声を聞く場合に、音の大きいとこ
ろでの違いの方が小さい方での違いより見つけやすかっ
たり、定常部での異音の方が変化している部分での異音
より耳障りに聞こえたりすることがある。本方式では、
このような人間の聴覚特性を考慮し、入力音声信号のパ
ラメータ値が大きい部分の評価が小さい部分と比べて重
要になるような重み付け距離尺度を用いている。重み付
け係数を求める１例を、第ｋフレームの重み付け係数を
ω1 (k)として以下の式（８）によって表す。
ろでの違いの方が小さい方での違いより見つけやすかっ
たり、定常部での異音の方が変化している部分での異音
より耳障りに聞こえたりすることがある。本方式では、
このような人間の聴覚特性を考慮し、入力音声信号のパ
ラメータ値が大きい部分の評価が小さい部分と比べて重
要になるような重み付け距離尺度を用いている。重み付
け係数を求める１例を、第ｋフレームの重み付け係数を
ω1 (k)として以下の式（８）によって表す。
【００３８】
【００３９】rms を用いた重み付けも、入力音声信号の
rms が大きいところの方が小さいところよりも大きく評
価する重み付けを行なう。ここで、入力音声信号のrms
の特徴パラメータをxrms、重み付け係数をωrms とする
と、第ｋフレームのrms の重み付け係数ωrms (k)は以下
の式（９）で表すことができる。
rms が大きいところの方が小さいところよりも大きく評
価する重み付けを行なう。ここで、入力音声信号のrms
の特徴パラメータをxrms、重み付け係数をωrms とする
と、第ｋフレームのrms の重み付け係数ωrms (k)は以下
の式（９）で表すことができる。
【００４０】
【００４１】特徴パラメータが多次元である場合も各次
元毎に１次元の場合と同様の重みをつける。ｉ次元目の
重み付け係数ω2 (k)[i] は、以下の式（１０）により求
めることができる。
元毎に１次元の場合と同様の重みをつける。ｉ次元目の
重み付け係数ω2 (k)[i] は、以下の式（１０）により求
めることができる。
【００４２】
【００４３】次に、Ｂark スペクトルの重み付けについ
て説明する。
て説明する。
【００４４】Ｂark スペクトルのエネルギーの大きい部
分で評価した値がより重要になるような重みづけをする
ことによって音声信号の明瞭性や自然性などに影響する
母音定常部の評価に重みをおいた。
分で評価した値がより重要になるような重みづけをする
ことによって音声信号の明瞭性や自然性などに影響する
母音定常部の評価に重みをおいた。
【００４５】入力音声信号のＢark スペクトルの特徴パ
ラメータのｘＢ、重み付け係数をωB とすると、第ｋフ
レームで抽出されたｉ次元のＢark スペクトルの特徴パ
ラメータ｛ｘＢ(k)[i],i＝１，．．．，Ｔ｝の重み付け
係数ωB (k)[i] は下の式（１１）のように表す。
ラメータのｘＢ、重み付け係数をωB とすると、第ｋフ
レームで抽出されたｉ次元のＢark スペクトルの特徴パ
ラメータ｛ｘＢ(k)[i],i＝１，．．．，Ｔ｝の重み付け
係数ωB (k)[i] は下の式（１１）のように表す。
【００４６】
【００４７】以上のように入力音声信号の特徴パラメー
タから求められた重み付け係数は、客観評価部９へ出力
される。
タから求められた重み付け係数は、客観評価部９へ出力
される。
【００４８】次に、入力音声信号特徴抽出部４にて求め
られた入力音声信号Ｓx の特徴パラメータxparを、動的
特徴パラメータδxparに変換し第２の重み付け係数抽出
部８へと送る動作を行なう入力音声信号動的特徴抽出部
６について説明する。入力音声信号の特徴パラメータxp
arの動的特徴パラメータδxparに変換する方法はいくつ
かあるため、ここではその１例をあげておく。
られた入力音声信号Ｓx の特徴パラメータxparを、動的
特徴パラメータδxparに変換し第２の重み付け係数抽出
部８へと送る動作を行なう入力音声信号動的特徴抽出部
６について説明する。入力音声信号の特徴パラメータxp
arの動的特徴パラメータδxparに変換する方法はいくつ
かあるため、ここではその１例をあげておく。
【００４９】入力音声信号の特徴パラメータをxpar1 、
xpar1 から変換された動的特徴パラメータをδxpar1 と
すると、第ｋフレームで抽出された特徴パラメータxpar
1 (k)の動的特徴パラメータδxpar1 (k)は、ｓフレーム前
の特徴パラメータxpar1 (k+s)からｓフレーム後の特徴パ
ラメータxpar1 (k-s)の差によって式（１２）のように求
まる。
xpar1 から変換された動的特徴パラメータをδxpar1 と
すると、第ｋフレームで抽出された特徴パラメータxpar
1 (k)の動的特徴パラメータδxpar1 (k)は、ｓフレーム前
の特徴パラメータxpar1 (k+s)からｓフレーム後の特徴パ
ラメータxpar1 (k-s)の差によって式（１２）のように求
まる。
【００５０】
【００５１】入力音声信号の特徴パラメータとしてrms
を用いる場合の動的特徴パラメータは、以下の式（１
３）によって求められる。
を用いる場合の動的特徴パラメータは、以下の式（１
３）によって求められる。
【００５２】
【００５３】また、入力音声信号の特徴パラメータxpar
2 が多次元の場合について、xpar2から変換される動的
特徴パラメータをδxpar2 として説明する。第ｋフレー
ムで抽出されたｉ次元目の特徴パラメータ｛xpar
2 (k)[i］,i＝１，．．．，Ｔ｝の動的特徴パラメータδ
xpar2 (k)[i] は、以下の式（１４）より求めることがで
きる。
2 が多次元の場合について、xpar2から変換される動的
特徴パラメータをδxpar2 として説明する。第ｋフレー
ムで抽出されたｉ次元目の特徴パラメータ｛xpar
2 (k)[i］,i＝１，．．．，Ｔ｝の動的特徴パラメータδ
xpar2 (k)[i] は、以下の式（１４）より求めることがで
きる。
【００５４】
【００５５】入力音声信号のＢark スペクトルの特徴パ
ラメータをｘＢ、動的特徴パラメータをδｘＢとする
と、第ｋフレームで抽出されたｉ次元目Ｂark スペクト
ルの特徴パラメータ｛ｘＢ(k)[i],i＝１，．．．，Ｔ｝
の動的特徴パラメータδｘＢ(k)[i]は、以下の式（１
５）より求めることができる。
ラメータをｘＢ、動的特徴パラメータをδｘＢとする
と、第ｋフレームで抽出されたｉ次元目Ｂark スペクト
ルの特徴パラメータ｛ｘＢ(k)[i],i＝１，．．．，Ｔ｝
の動的特徴パラメータδｘＢ(k)[i]は、以下の式（１
５）より求めることができる。
【００５６】
【００５７】次に、入力音声信号の特徴パラメータを動
的特徴パラメータに変換する上記以外の方法を、入力音
声信号の特徴パラメータxpar3 と、動的特徴パラメータ
δxpar3 とを使って説明する。第ｋフレームの動的特徴
パラメータδxpar3 (k)は、特徴パラメータxpar3 (k)と特
徴パラメータxpar3 の平均特徴パラメータavgxpar （式
（１６））との差により式（１７）のように求められ
る。
的特徴パラメータに変換する上記以外の方法を、入力音
声信号の特徴パラメータxpar3 と、動的特徴パラメータ
δxpar3 とを使って説明する。第ｋフレームの動的特徴
パラメータδxpar3 (k)は、特徴パラメータxpar3 (k)と特
徴パラメータxpar3 の平均特徴パラメータavgxpar （式
（１６））との差により式（１７）のように求められ
る。
【００５８】
【００５９】
【００６０】さらに、入力音声信号の特徴パラメータxp
arを、動的特徴パラメータδxparに変換する方法とし
て、第ｋフレームの動的特徴パラメータをδxpar4 (k)と
し、入力音声信号の特徴パラメータxpar4 (k)と予測特徴
パラメータxpar4' (k) の比より求める式（１８）を以下
に示す。
arを、動的特徴パラメータδxparに変換する方法とし
て、第ｋフレームの動的特徴パラメータをδxpar4 (k)と
し、入力音声信号の特徴パラメータxpar4 (k)と予測特徴
パラメータxpar4' (k) の比より求める式（１８）を以下
に示す。
【００６１】
【００６２】第２の重み付け係数抽出部８では、入力音
声信号動的特徴抽出部６にて求められた入力音声信号の
動的特徴パラメータδxparを用いて動的特徴パラメータ
の絶対値が小さいフレームで重みが強くかかるような重
み付け係数δωを抽出する。
声信号動的特徴抽出部６にて求められた入力音声信号の
動的特徴パラメータδxparを用いて動的特徴パラメータ
の絶対値が小さいフレームで重みが強くかかるような重
み付け係数δωを抽出する。
【００６３】従来の客観評価では特徴パラメータの時間
的変化については考慮していない。しかし、低ビットレ
ートの符号化音声信号では、ピッチや声の高さの揺らぎ
などパラメータの変動が原因で音質が劣化しているもの
もある。
的変化については考慮していない。しかし、低ビットレ
ートの符号化音声信号では、ピッチや声の高さの揺らぎ
などパラメータの変動が原因で音質が劣化しているもの
もある。
【００６４】本方式では入力音声信号の動的特徴パラメ
ータから求めた重み付けを客観評価尺度に加え、パラメ
ータの時間的変動についても考慮することにした。入力
音声信号の動的特徴パラメータの値が小さい部分は揺ら
ぎが少なく音質が良いため、再生音声信号との違いが目
立ちやすい。
ータから求めた重み付けを客観評価尺度に加え、パラメ
ータの時間的変動についても考慮することにした。入力
音声信号の動的特徴パラメータの値が小さい部分は揺ら
ぎが少なく音質が良いため、再生音声信号との違いが目
立ちやすい。
【００６５】そこで、動的特徴パラメータの値の小さい
部分の評価が重要視されるような重みをつけている。そ
の一例として、第ｋフレームの重み付け係数δω1 (k)を
求める式（１９）を以下に示す。
部分の評価が重要視されるような重みをつけている。そ
の一例として、第ｋフレームの重み付け係数δω1 (k)を
求める式（１９）を以下に示す。
【００６６】
【００６７】入力音声信号の動的特徴パラメータδxpar
1 がrms であった場合の重み付け係数の求め方を以下に
示す。声の大きさが変化しているところよりも、変化し
ていないところの方が、音質の違いを見つけやすいた
め、rms の場合も、動的特徴パラメータの値が小さい部
分の評価が大きく影響するような重みづけ係数を求めて
いる。ここで、入力音声信号のrms の動的特徴パラメー
タをδxrms、重み付け係数をδωrms とすると、第ｋフ
レームのrms の重み付け係数δωrms (k)は、以下の式
（２０）で求めることができる。
1 がrms であった場合の重み付け係数の求め方を以下に
示す。声の大きさが変化しているところよりも、変化し
ていないところの方が、音質の違いを見つけやすいた
め、rms の場合も、動的特徴パラメータの値が小さい部
分の評価が大きく影響するような重みづけ係数を求めて
いる。ここで、入力音声信号のrms の動的特徴パラメー
タをδxrms、重み付け係数をδωrms とすると、第ｋフ
レームのrms の重み付け係数δωrms (k)は、以下の式
（２０）で求めることができる。
【００６８】
【００６９】また、動的特徴パラメータが多次元である
場合は以下のようにして求めることができる。第ｋフレ
ームで抽出されたｉ次元の動的特徴パラメータ｛δxpar
2 (k)[i],i ＝１，．．．，Ｔ｝の重み付け係数δω2 (k)
[i] は、以下の式（２１）より求めることができる。
場合は以下のようにして求めることができる。第ｋフレ
ームで抽出されたｉ次元の動的特徴パラメータ｛δxpar
2 (k)[i],i ＝１，．．．，Ｔ｝の重み付け係数δω2 (k)
[i] は、以下の式（２１）より求めることができる。
【００７０】
【００７１】入力音声信号の動的Ｂark スペクトルをδ
ｘＢ、δｘＢより求めた重み付け係数をδωB とする
と、第ｋフレームで抽出されたｉ次元の動的Ｂark スペ
クトル｛δｘＢ(k)[i],i＝１，．．．，Ｔ｝の重み付け
係数δωB (k)[i] は、以下の式（２２）で表すことがで
きる。
ｘＢ、δｘＢより求めた重み付け係数をδωB とする
と、第ｋフレームで抽出されたｉ次元の動的Ｂark スペ
クトル｛δｘＢ(k)[i],i＝１，．．．，Ｔ｝の重み付け
係数δωB (k)[i] は、以下の式（２２）で表すことがで
きる。
【００７２】
【００７３】以上のようにして入力音声信号の動的特徴
パラメータから求めた重み付け係数は、客観評価部９へ
出力される。
パラメータから求めた重み付け係数は、客観評価部９へ
出力される。
【００７４】再生音声信号特徴抽出部５では、再生音声
信号Ｓy を用いて、一定時間（フレーム）毎に特徴パラ
メータyparを求める。再生音声信号特徴抽出部５にて求
められた特徴パラメータyparは、客観評価部９へ送られ
る。
信号Ｓy を用いて、一定時間（フレーム）毎に特徴パラ
メータyparを求める。再生音声信号特徴抽出部５にて求
められた特徴パラメータyparは、客観評価部９へ送られ
る。
【００７５】再生音声信号特徴抽出部５で求められる特
徴パラメータyparとして例えば特徴パラメータrms 、Ｂ
ark スペクトル、ピッチ、ケプストラムなどがある。
徴パラメータyparとして例えば特徴パラメータrms 、Ｂ
ark スペクトル、ピッチ、ケプストラムなどがある。
【００７６】再生音声信号Ｓy から特徴パラメータypar
を求める方法は、前記入力音声信号特徴抽出部４におい
て、入力音声信号Ｓx を用いて入力音声信号の特徴パラ
メータを求める方法と同じであるため、ここでは説明を
省略する。
を求める方法は、前記入力音声信号特徴抽出部４におい
て、入力音声信号Ｓx を用いて入力音声信号の特徴パラ
メータを求める方法と同じであるため、ここでは説明を
省略する。
【００７７】客観評価部９では、入力音声信号特徴抽出
部４と、再生音声信号特徴抽出部５にて求められた特徴
パラメータxparとyparとの距離に、第１の重み付け係数
抽出部７と第２の重み付け係数抽出部８から求められた
重み付け係数をかけた客観評価値ωＡＶＧを求め、主観
評価予測部１０へ送る。
部４と、再生音声信号特徴抽出部５にて求められた特徴
パラメータxparとyparとの距離に、第１の重み付け係数
抽出部７と第２の重み付け係数抽出部８から求められた
重み付け係数をかけた客観評価値ωＡＶＧを求め、主観
評価予測部１０へ送る。
【００７８】特徴パラメータが、１次元であった場合の
重み付け客観評価値を求める式（２３）を以下に示す。
入力音声信号の特徴パラメータより求めた重み付け係数
をω1 (k)、入力音声信号の動的特徴パラメータより求め
た重み付け係数をδω1 (k)で表す。
重み付け客観評価値を求める式（２３）を以下に示す。
入力音声信号の特徴パラメータより求めた重み付け係数
をω1 (k)、入力音声信号の動的特徴パラメータより求め
た重み付け係数をδω1 (k)で表す。
【００７９】
【００８０】入力音声信号の特徴パラメータxpar1 をxr
ms、再生音声信号の特徴パラメータypar1 をyrmsとする
と重み付け客観評価値ωＡＶＧrms は以下の式（２４）
で求められる。
ms、再生音声信号の特徴パラメータypar1 をyrmsとする
と重み付け客観評価値ωＡＶＧrms は以下の式（２４）
で求められる。
【００８１】
【００８２】また、特徴パラメータが多次元である場合
の重み付け客観評価値は以下の式（２５）で求める。入
力音声信号の特徴パラメータより求めた重み付け係数を
ω2、入力音声信号の動的特徴パラメータより求めら重
み付け係数をδω2 、重み付け客観評価値をωＡＶＧ2
として説明する。
の重み付け客観評価値は以下の式（２５）で求める。入
力音声信号の特徴パラメータより求めた重み付け係数を
ω2、入力音声信号の動的特徴パラメータより求めら重
み付け係数をδω2 、重み付け客観評価値をωＡＶＧ2
として説明する。
【００８３】
【００８４】ここで、入力音声信号の特徴パラメータxp
ar2 をｘＢ、特徴パラメータypar2をｙＢ、特徴パラメ
ータの重み付け客観評価値ωＡＶＧ2 をωＡＶＧBSD と
して、ＢＳＤの求め方を以下の式（２６）で説明する。
ar2 をｘＢ、特徴パラメータypar2をｙＢ、特徴パラメ
ータの重み付け客観評価値ωＡＶＧ2 をωＡＶＧBSD と
して、ＢＳＤの求め方を以下の式（２６）で説明する。
【００８５】
【００８６】以上の方法によって、客観評価部９で求め
られた重み付け客観評価値は、主観評価予測部１０へ送
られる。
られた重み付け客観評価値は、主観評価予測部１０へ送
られる。
【００８７】主観評価予測部１０では、少なくとも１つ
の重み付け客観評価値と少なくとも２つの予測係数で主
観評価値を予測し、評価結果を出力端子２より出力す
る。予測係数は、予め大量の音声データを用いて集めた
主観評価値と予測評価値の誤差が、最小になるように求
められる。予測係数ａと主観評価値との関係を以下に示
す。
の重み付け客観評価値と少なくとも２つの予測係数で主
観評価値を予測し、評価結果を出力端子２より出力す
る。予測係数は、予め大量の音声データを用いて集めた
主観評価値と予測評価値の誤差が、最小になるように求
められる。予測係数ａと主観評価値との関係を以下に示
す。
【００８８】
【００８９】
【００９０】予測係数と客観評価部９で求めた客観評価
値とを用いて予測主観評価値を求める式（２９）を以下
に示す。ここで、予測主観評価値はＭＯＳ’、予測係数
はａ、ｂ、ｃ、客観評価部９にて求めら特徴パラメータ
の重み付け客観評価値は、ωＡＶＧp とωＡＶＧq とす
る。
値とを用いて予測主観評価値を求める式（２９）を以下
に示す。ここで、予測主観評価値はＭＯＳ’、予測係数
はａ、ｂ、ｃ、客観評価部９にて求めら特徴パラメータ
の重み付け客観評価値は、ωＡＶＧp とωＡＶＧq とす
る。
【００９１】
【００９２】以上のようにして求められた予測主観評価
値は、出力端子２より出力される。
値は、出力端子２より出力される。
【００９３】図２と図３は、第１の発明の別の実施例を
示すブロック図である。図２は、客観評価値の重みづけ
として、入力音声の特徴パラメータから抽出した重みの
みを使う第２の一実施例で、図３は、入力音声の動的特
徴パラメータから抽出した重みのみを使う第３の一実施
例を示している。
示すブロック図である。図２は、客観評価値の重みづけ
として、入力音声の特徴パラメータから抽出した重みの
みを使う第２の一実施例で、図３は、入力音声の動的特
徴パラメータから抽出した重みのみを使う第３の一実施
例を示している。
【００９４】図４は第２の発明の音質主観評価予測方式
の実施例を示すブロック図である。図４において、同一
の番号のある構成要素は、図１の同一の動作をするので
説明は省略する。
の実施例を示すブロック図である。図４において、同一
の番号のある構成要素は、図１の同一の動作をするので
説明は省略する。
【００９５】第２の発明では、入力端子１より入力され
た音声信号が、第１の発明の入力音声信号特徴抽出部４
のかわりに、重み係数抽出用入力音声信号特徴抽出部１
１と評価用入力音声信号抽出部１２に送られる。重み係
数抽出用入力音声信号特徴抽出部１１では、入力音声信
号の特徴パラメータを抽出し、第１の重み付け係数抽出
部７と入力音声信号動的特徴抽出部６とに送る。
た音声信号が、第１の発明の入力音声信号特徴抽出部４
のかわりに、重み係数抽出用入力音声信号特徴抽出部１
１と評価用入力音声信号抽出部１２に送られる。重み係
数抽出用入力音声信号特徴抽出部１１では、入力音声信
号の特徴パラメータを抽出し、第１の重み付け係数抽出
部７と入力音声信号動的特徴抽出部６とに送る。
【００９６】評価用入力音声信号特徴抽出部１２では、
客観評価部９に送る入力音声信号の特徴パラメータを抽
出する。
客観評価部９に送る入力音声信号の特徴パラメータを抽
出する。
【００９７】重み係数抽出用入力音声信号特徴抽出部１
１と評価用入力音声信号特徴抽出部１２で、入力音声か
ら特徴パラメータを抽出する方法は、第１の発明の入力
音声信号特徴抽出部４と同じ方法が使えるのでここでは
その説明を省略する。この場合それぞれ抽出する特徴パ
ラメータは異なえることができる。
１と評価用入力音声信号特徴抽出部１２で、入力音声か
ら特徴パラメータを抽出する方法は、第１の発明の入力
音声信号特徴抽出部４と同じ方法が使えるのでここでは
その説明を省略する。この場合それぞれ抽出する特徴パ
ラメータは異なえることができる。
【００９８】ここに、従来方式（ＢＳＤ）と本方式（ω
ＢＳＤ）とを用いてポストフィルタなしとポストフィル
タありの音声信号の主観評価を予測した結果を示す。表
中の相関係数は、予測主観評価値と実際の主観評価値と
の相関を表している。
ＢＳＤ）とを用いてポストフィルタなしとポストフィル
タありの音声信号の主観評価を予測した結果を示す。表
中の相関係数は、予測主観評価値と実際の主観評価値と
の相関を表している。
【００９９】
【表１】
【０１００】実験の結果よりポストフィルタの有無に係
わらず、ωＢＳＤの方がＢＳＤよりも主観値との相関が
高くなることがわかる。よって、本方式が音声信号の特
徴パラメータから主観評価値を予測する際の予測精度を
上げるのに有効であることが示された。
わらず、ωＢＳＤの方がＢＳＤよりも主観値との相関が
高くなることがわかる。よって、本方式が音声信号の特
徴パラメータから主観評価値を予測する際の予測精度を
上げるのに有効であることが示された。
【０１０１】
【発明の効果】以上説明したように、本発明による音質
主観評価予測方式は、人間が音声信号を評価する場合と
近いモデルで主観評価値を予測する目的で、入力音声信
号の特徴パラメータ値が大きい部分や、動的特徴パラメ
ータ値が小さい部分での評価が、他の部分と比べて大き
く評価されるような重みづけ距離尺度を用いている。そ
のため、従来の音質主観評価予測方式よりも予測精度の
向上が実現できるという効果を有する。
主観評価予測方式は、人間が音声信号を評価する場合と
近いモデルで主観評価値を予測する目的で、入力音声信
号の特徴パラメータ値が大きい部分や、動的特徴パラメ
ータ値が小さい部分での評価が、他の部分と比べて大き
く評価されるような重みづけ距離尺度を用いている。そ
のため、従来の音質主観評価予測方式よりも予測精度の
向上が実現できるという効果を有する。
【図１】第１の発明の音質主観評価予測方式の第１の一
実施例を示すブロック図である。
実施例を示すブロック図である。
【図２】第１の発明の音質主観評価予測方式の第２の一
実施例を示すブロック図である。
実施例を示すブロック図である。
【図３】第１の発明の音質主観評価予測方式の第３の一
実施例を示すブロック図である。
実施例を示すブロック図である。
【図４】第２の発明の音質主観評価予測方式の一実施例
を示すブロック図である。
を示すブロック図である。
【符号の説明】 １ 入力端子 ２ 出力端子 ３ 符号化／復号化部 ４ 入力音声信号特徴抽出部 ５ 再生音声信号特徴抽出部 ６ 入力音声信号動的特徴抽出部 ７ 第１の重み付け係数抽出部 ８ 第２の重み付け係数抽出部 ９ 客観評価部 １０ 主観評価予測部 １１ 重み係数抽出用入力音声信号特徴抽出部 １２ 評価用入力音声信号特徴抽出部
フロントページの続き (58)調査した分野(Int.Cl.6，ＤＢ名) G10L 3/00 G10L 9/00 - 9/18
Claims (2)
- 【請求項１】 入力音声信号を符号化／復号化し再生音
声信号を作成する符号化／復号化部と、前記入力音声信
号から少なくとも１つの入力音声信号特徴パラメータを
抽出する入力音声信号特徴抽出部と、前記再生音声信号
から少なくとも１つの再生音声信号特徴パラメータを抽
出する再生音声信号特徴抽出部と、前記入力音声信号特
徴パラメータを用いて少なくとも１つの動的特徴パラメ
ータを抽出する入力音声信号動的特徴抽出部と、前記入
力音声信号特徴パラメータを用いて入力音声信号特徴パ
ラメータ値が大きい部分の評価が他の部分に比べて大き
く評価されるような少なくとも１つの第１の重み付け係
数を抽出する第１の重み付け係数抽出部と、前記動的特
徴パラメータを用いて動的特徴パラメータ値が小さい部
分の評価が他の部分に比べて大きく評価されるような少
なくとも１つの第２の重み付け係数を抽出する第２の重
み付け係数抽出部と、前記入力音声信号特徴パラメータ
と前記再生音声信号特徴パラメータとの距離を求める際
に前記第１の重み付け係数と前記第２の重み付け係数と
のうちの少なくとも１つの重み付け係数を用いて計算し
客観評価値を出力する客観評価部と、前記客観評価値を
用いて主観評価値を計算する主観評価予測部とを含むこ
とを特徴とする音質主観評価予測方式。 - 【請求項２】 請求項１記載の音質主観評価予測方式に
おいて、入力音声信号特徴抽出部に代えて、第１の重み
付け係数抽出部と動的特徴抽出部で用いる入力音声信号
の特徴パラメータを抽出する重み係数抽出用入力音声信
号特徴抽出部と、客観評価部で用いる前記入力音声信号
の特徴パラメータを抽出する評価用入力音声信号特徴抽
出部とを有することを特徴とする音質主観評価予測方
式。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP5020916A JP2953238B2 (ja) | 1993-02-09 | 1993-02-09 | 音質主観評価予測方式 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP5020916A JP2953238B2 (ja) | 1993-02-09 | 1993-02-09 | 音質主観評価予測方式 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH06236198A JPH06236198A (ja) | 1994-08-23 |
| JP2953238B2 true JP2953238B2 (ja) | 1999-09-27 |
Family
ID=12040553
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP5020916A Expired - Lifetime JP2953238B2 (ja) | 1993-02-09 | 1993-02-09 | 音質主観評価予測方式 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2953238B2 (ja) |
Families Citing this family (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3448586B2 (ja) * | 2000-08-29 | 2003-09-22 | 独立行政法人産業技術総合研究所 | 聴覚障害を考慮した音の測定方法およびシステム |
| JP3426207B2 (ja) | 2000-10-26 | 2003-07-14 | 三菱電機株式会社 | 音声符号化方法および装置 |
| US7499856B2 (en) | 2002-12-25 | 2009-03-03 | Nippon Telegraph And Telephone Corporation | Estimation method and apparatus of overall conversational quality taking into account the interaction between quality factors |
| EP1465156A1 (en) * | 2003-03-31 | 2004-10-06 | Koninklijke KPN N.V. | Method and system for determining the quality of a speech signal |
| US7305341B2 (en) * | 2003-06-25 | 2007-12-04 | Lucent Technologies Inc. | Method of reflecting time/language distortion in objective speech quality assessment |
| CA2580763C (en) * | 2004-09-20 | 2014-07-29 | John Gerard Beerends | Frequency compensation for perceptual speech analysis |
| JP2007049462A (ja) * | 2005-08-10 | 2007-02-22 | Ntt Docomo Inc | 音声品質評価装置、音声品質評価プログラム及び音声品質評価方法 |
| JP5326465B2 (ja) * | 2008-09-26 | 2013-10-30 | 富士通株式会社 | オーディオ復号方法、装置、及びプログラム |
| JP5309944B2 (ja) * | 2008-12-11 | 2013-10-09 | 富士通株式会社 | オーディオ復号装置、方法、及びプログラム |
| JP5782402B2 (ja) * | 2012-03-29 | 2015-09-24 | 日本電信電話株式会社 | 音声品質客観評価装置及び方法 |
| JP6434470B2 (ja) * | 2016-10-12 | 2018-12-05 | 日本電信電話株式会社 | 評価試験計画装置、主観評価装置、それらの方法、およびプログラム |
| JP7424587B2 (ja) * | 2020-08-27 | 2024-01-30 | 日本電信電話株式会社 | 学習装置、学習方法、推定装置、推定方法及びプログラム |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS622286A (ja) * | 1985-06-27 | 1987-01-08 | 松下電器産業株式会社 | 発音練習装置 |
| JPS63273895A (ja) * | 1987-05-06 | 1988-11-10 | 松下電器産業株式会社 | 高能率音声符復号化装置の音質評価装置 |
| JP2734028B2 (ja) * | 1988-12-06 | 1998-03-30 | 日本電気株式会社 | 音声収録装置 |
| JPH0359700A (ja) * | 1989-07-28 | 1991-03-14 | Toshiba Corp | 予測残差信号のベクトル量子化方式 |
| GB2235354A (en) * | 1989-08-16 | 1991-02-27 | Philips Electronic Associated | Speech coding/encoding using celp |
-
1993
- 1993-02-09 JP JP5020916A patent/JP2953238B2/ja not_active Expired - Lifetime
Also Published As
| Publication number | Publication date |
|---|---|
| JPH06236198A (ja) | 1994-08-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2964879B2 (ja) | ポストフィルタ | |
| JP3653826B2 (ja) | 音声復号化方法及び装置 | |
| RU2262748C2 (ru) | Многорежимное устройство кодирования | |
| EP0673013B1 (en) | Signal encoding and decoding system | |
| KR101213840B1 (ko) | 복호화 장치 및 복호화 방법, 및 복호화 장치를 구비하는 통신 단말 장치 및 기지국 장치 | |
| US5937375A (en) | Voice-presence/absence discriminator having highly reliable lead portion detection | |
| JP2953238B2 (ja) | 音質主観評価予測方式 | |
| JP4040126B2 (ja) | 音声復号化方法および装置 | |
| JP3189598B2 (ja) | 信号合成方法および信号合成装置 | |
| JPH0850500A (ja) | 音声エンコーダ及び音声デコーダ、並びに音声符号化方法及び音声復号化方法 | |
| US6243674B1 (en) | Adaptively compressing sound with multiple codebooks | |
| JP2006526161A (ja) | オーディオ符号化 | |
| US20090161882A1 (en) | Method of Measuring an Audio Signal Perceived Quality Degraded by a Noise Presence | |
| JP3248215B2 (ja) | 音声符号化装置 | |
| JP2006171751A (ja) | 音声符号化装置及び方法 | |
| JPH10105195A (ja) | ピッチ検出方法、音声信号符号化方法および装置 | |
| Zha et al. | Objective speech quality measurement using statistical data mining | |
| KR0155315B1 (ko) | Lsp를 이용한 celp보코더의 피치 검색방법 | |
| JP4281131B2 (ja) | 信号符号化装置及び方法、並びに信号復号装置及び方法 | |
| JP3353266B2 (ja) | 音響信号変換符号化方法 | |
| JPH11504733A (ja) | 聴覚モデルによる量子化を伴う予測残余信号の変形符号化による多段音声符号器 | |
| JPH07225599A (ja) | 音声の符号化方法 | |
| KR100678717B1 (ko) | 음성 시스템을 통한 오디오 정보 제공 시스템 | |
| JP4618823B2 (ja) | 信号符号化装置及び方法 | |
| JP3047761B2 (ja) | 音声符号化装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 19990615 |