JP2971266B2 - 低遅延ｃｅｌｐ符号化方法 - Google Patents
低遅延ｃｅｌｐ符号化方法Info
- Publication number
- JP2971266B2 JP2971266B2 JP4266900A JP26690092A JP2971266B2 JP 2971266 B2 JP2971266 B2 JP 2971266B2 JP 4266900 A JP4266900 A JP 4266900A JP 26690092 A JP26690092 A JP 26690092A JP 2971266 B2 JP2971266 B2 JP 2971266B2
- Authority
- JP
- Japan
- Prior art keywords
- frame
- value
- pitch
- pitch period
- signal
- 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
- 238000000034 method Methods 0.000 title claims description 147
- 239000013598 vector Substances 0.000 claims description 137
- 230000007774 longterm Effects 0.000 claims description 27
- 238000012545 processing Methods 0.000 claims description 27
- 238000005457 optimization Methods 0.000 claims description 17
- 230000006978 adaptation Effects 0.000 claims description 16
- 230000008569 process Effects 0.000 claims description 9
- 238000005070 sampling Methods 0.000 claims description 6
- 230000003111 delayed effect Effects 0.000 claims description 3
- 238000005314 correlation function Methods 0.000 claims 1
- RVRCFVVLDHTFFA-UHFFFAOYSA-N heptasodium;tungsten;nonatriacontahydrate Chemical compound O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.O.[Na+].[Na+].[Na+].[Na+].[Na+].[Na+].[Na+].[W].[W].[W].[W].[W].[W].[W].[W].[W].[W].[W] RVRCFVVLDHTFFA-UHFFFAOYSA-N 0.000 claims 1
- 239000011295 pitch Substances 0.000 description 298
- 230000005284 excitation Effects 0.000 description 74
- 238000013139 quantization Methods 0.000 description 69
- 239000000523 sample Substances 0.000 description 26
- 230000003044 adaptive effect Effects 0.000 description 25
- 238000004422 calculation algorithm Methods 0.000 description 22
- 238000004364 calculation method Methods 0.000 description 21
- 230000006870 function Effects 0.000 description 17
- 230000015572 biosynthetic process Effects 0.000 description 16
- 230000000875 corresponding effect Effects 0.000 description 16
- 238000003786 synthesis reaction Methods 0.000 description 16
- 230000004044 response Effects 0.000 description 12
- 230000015556 catabolic process Effects 0.000 description 10
- 238000006731 degradation reaction Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 7
- 239000011159 matrix material Substances 0.000 description 7
- 230000008901 benefit Effects 0.000 description 6
- 238000000605 extraction Methods 0.000 description 6
- 230000001755 vocal effect Effects 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 5
- 238000013461 design Methods 0.000 description 5
- 238000012546 transfer Methods 0.000 description 5
- 206010019133 Hangover Diseases 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 230000001976 improved effect Effects 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 230000001934 delay Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000005236 sound signal Effects 0.000 description 3
- 101000622137 Homo sapiens P-selectin Proteins 0.000 description 2
- 102100023472 P-selectin Human genes 0.000 description 2
- 101000873420 Simian virus 40 SV40 early leader protein Proteins 0.000 description 2
- 230000002457 bidirectional effect Effects 0.000 description 2
- 125000004122 cyclic group Chemical group 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 240000000489 Agave utahensis Species 0.000 description 1
- 101000822695 Clostridium perfringens (strain 13 / Type A) Small, acid-soluble spore protein C1 Proteins 0.000 description 1
- 101000655262 Clostridium perfringens (strain 13 / Type A) Small, acid-soluble spore protein C2 Proteins 0.000 description 1
- 101000655256 Paraclostridium bifermentans Small, acid-soluble spore protein alpha Proteins 0.000 description 1
- 101000655264 Paraclostridium bifermentans Small, acid-soluble spore protein beta Proteins 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000008450 motivation Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L19/00—Speech 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
- G10L19/04—Speech 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
- G10L19/16—Vocoder architecture
- G10L19/18—Vocoders using multiple modes
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L19/00—Speech 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
- G10L19/04—Speech 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
- G10L19/08—Determination or coding of the excitation function; Determination or coding of the long-term prediction parameters
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L19/00—Speech 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
- G10L19/04—Speech 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
- G10L19/08—Determination or coding of the excitation function; Determination or coding of the long-term prediction parameters
- G10L19/12—Determination 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
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L19/00—Speech 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
- G10L19/04—Speech 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
- G10L19/26—Pre-filtering or post-filtering
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L19/00—Speech 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
- G10L2019/0001—Codebooks
- G10L2019/0002—Codebook adaptations
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L19/00—Speech 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
- G10L2019/0001—Codebooks
- G10L2019/0003—Backward prediction of gain
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L19/00—Speech 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
- G10L2019/0001—Codebooks
- G10L2019/0011—Long term prediction filters, i.e. pitch estimation
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L19/00—Speech 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
- G10L2019/0001—Codebooks
- G10L2019/0013—Codebook search algorithms
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/78—Detection of presence or absence of voice signals
- G10L2025/783—Detection of presence or absence of voice signals based on threshold decision
- G10L2025/786—Adaptive threshold
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/90—Pitch determination of speech signals
- G10L2025/906—Pitch tracking
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
- G10L25/06—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters the extracted parameters being correlation coefficients
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/93—Discriminating between voiced and unvoiced parts 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)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
- Analogue/Digital Conversion (AREA)
Description
【０００１】
【産業上の利用分野】本発明は、伝送および記憶のため
の音声と関連信号の効率的符号化、および元の信号を効
率的かつ忠実に再生するために後に行われる復号の分野
に関する。
の音声と関連信号の効率的符号化、および元の信号を効
率的かつ忠実に再生するために後に行われる復号の分野
に関する。
【０００２】
【従来の技術】遠隔地との間で音声の通信を行ったり、
後で取り出して再生できるように音声情報を記憶したり
するために与えなければならない情報の量を減らすべく
多くの方法が近年開発されてきた。考慮すべき重要な点
は、そのような符号情報が符号化方式の高い品質要求に
適切に応えるように生成されるべきビット・レートであ
る。例えば、重要な用途には、毎秒３２キロビット（ｋ
bit／ｓ、以降「ｋbps」と記す）の割合で発生するデジ
タル信号によって音声が表されるものもある。勿論、記
憶または伝送の帯域幅の必要条件を最小にするために
は、可能な限り少ないデジタル信号で音声を表現するこ
とが望ましい。
後で取り出して再生できるように音声情報を記憶したり
するために与えなければならない情報の量を減らすべく
多くの方法が近年開発されてきた。考慮すべき重要な点
は、そのような符号情報が符号化方式の高い品質要求に
適切に応えるように生成されるべきビット・レートであ
る。例えば、重要な用途には、毎秒３２キロビット（ｋ
bit／ｓ、以降「ｋbps」と記す）の割合で発生するデジ
タル信号によって音声が表されるものもある。勿論、記
憶または伝送の帯域幅の必要条件を最小にするために
は、可能な限り少ないデジタル信号で音声を表現するこ
とが望ましい。
【０００３】現在使用されている最も一般的な方式は、
一括して線形予測符号化方式として周知のものである。
この広い範疇の符号化方式の中で、符号励起線形予測
（ＣＥＬＰ＝code excited linear prediction）符号化
として周知のものが、近年多くの注目を集めている。Ｃ
ＥＬＰ方式の初期の概要が、「音響、音声、信号処理に
関するＩＥＥＥ国際会議（IEEE Int.Conf.Acoust.,Spee
ch. Signal Processing）」会報p.937-p.940（１９８５
年）のＭ．Ｒ．シュレーダー（Schroeder）およびＢ．
Ｓ．アタル（Atal）による「符号励起線形予測---非常
に低いビットレートで高品質音声（Code Excited Linea
r Prediction (CELP):High-Quality Speech at Very Lo
w Bit Rates）」にある。
一括して線形予測符号化方式として周知のものである。
この広い範疇の符号化方式の中で、符号励起線形予測
（ＣＥＬＰ＝code excited linear prediction）符号化
として周知のものが、近年多くの注目を集めている。Ｃ
ＥＬＰ方式の初期の概要が、「音響、音声、信号処理に
関するＩＥＥＥ国際会議（IEEE Int.Conf.Acoust.,Spee
ch. Signal Processing）」会報p.937-p.940（１９８５
年）のＭ．Ｒ．シュレーダー（Schroeder）およびＢ．
Ｓ．アタル（Atal）による「符号励起線形予測---非常
に低いビットレートで高品質音声（Code Excited Linea
r Prediction (CELP):High-Quality Speech at Very Lo
w Bit Rates）」にある。
【０００４】前記の他に多くの環境において起こる符号
化上の制約は、音声符号化の実行に要する遅延である。
従って、例えば、遅れの小さい符号化を行うことは、エ
コーの影響を少なくして通信リンクにおけるエコー・サ
プレッサへの要求を小さくするためには非常に有効であ
る。さらに、セルラ通信システムのような環境下では、
許される全体の遅れが限られていて、チャネルの符号化
の遅れがチャネルのエラー制御の要点であるため、利用
可能な全体の遅延「資源」を最初の音声符号化に消費し
ないことが非常に望ましい。
化上の制約は、音声符号化の実行に要する遅延である。
従って、例えば、遅れの小さい符号化を行うことは、エ
コーの影響を少なくして通信リンクにおけるエコー・サ
プレッサへの要求を小さくするためには非常に有効であ
る。さらに、セルラ通信システムのような環境下では、
許される全体の遅れが限られていて、チャネルの符号化
の遅れがチャネルのエラー制御の要点であるため、利用
可能な全体の遅延「資源」を最初の音声符号化に消費し
ないことが非常に望ましい。
【０００５】現在まで、１６ｋbpsまたはそれ以下で使
用するほとんどの音声符号器において、なんとか良好な
音声品質を達成しようと大きなブロックの音声標本をバ
ッファで緩衝している。この標本ブロックには、一般
に、約２０ミリ秒の期間にわたる音声標本が含まれ、バ
ッファで緩衝される音声の冗長性を利用するために周知
の変換、予測、またはサブバンドの技術が応用できるよ
うになっている。しかし、バッファの緩衝遅延に処理に
よる遅延およびビット伝送遅延が加わり、通常の符号器
の一方向の全体的な符号化遅延は、一般に約５０乃至６
０ｍｓである。勿論、このような長い遅延は、多くの用
途において望ましくなく、許されるべくもない。
用するほとんどの音声符号器において、なんとか良好な
音声品質を達成しようと大きなブロックの音声標本をバ
ッファで緩衝している。この標本ブロックには、一般
に、約２０ミリ秒の期間にわたる音声標本が含まれ、バ
ッファで緩衝される音声の冗長性を利用するために周知
の変換、予測、またはサブバンドの技術が応用できるよ
うになっている。しかし、バッファの緩衝遅延に処理に
よる遅延およびビット伝送遅延が加わり、通常の符号器
の一方向の全体的な符号化遅延は、一般に約５０乃至６
０ｍｓである。勿論、このような長い遅延は、多くの用
途において望ましくなく、許されるべくもない。
【０００６】国際標準のグループは、最近の目標を１６
ｋbpsの音声符号化のための低遅延ＣＥＬＰ符号化の問
題に焦点を合わせている。ＣＣＩＴＴ（国際電信電話諮
問委員会）研究グループXVIIIの１９８８年６月の１６
ｋbps音声符号化に関する特別グループの参照条項（付
録１から案件Ｕ／ＸＶ）（CCITT Study Group XVIII, T
erms of reference of the ad hoc group on 16 kbit/s
speech coding(Annex 1to Question U/XV)）を参照せ
よ。ＣＣＩＴＴのグループによって課せられた条件で
は、符号化遅延は２ｍｓを目標とし５ｍｓを超えてはな
らないということであった。このＣＣＩＴＴにより課せ
られた課題に対する解決策は、例えば次の文献にある。
「ＩＥＥＥ地球圏通信会議会報（Proc. IEEE Global Co
mmun. Conf.）」p.1237-p.1241（１９８９年１１月）の
Ｊ．Ｈ．チェン（Chen）による「１６ｋbpsの頑丈な低
遅延ＣＥＬＰ音声符号器（A robust low-delay CELP sp
eechcoder at 16 kbit/s）」、「音響、音声、信号処理
に関するＩＥＥＥ国際会議会報」p.453-p.456（１９９
０年４月）のＪ．Ｈ．チェン（Chen）による「一方向の
遅延が２ｍｓ以下の高品質１６ｋbps音声符号化（High-
quality 16 kbit/s speech coding with a one-way del
ay less than 2ms）」、および「音響、音声、信号処理
に関するＩＥＥＥ国際会議会報」p.181-p.184（１９９
０年４月）のＪ．Ｈ．チェン（Chen）、Ｍ．Ｊ．メルク
ナー（Melchner）Ｒ．Ｖ．コックス（Cox）およびＤ．
Ｏ．ボウカー（Bowker）による「１６ｋbps低遅延ＣＥ
ＬＰ音声符号器の実時間動作（Real-time implemention
of a 16 kbit/s low-delay CELP speech coder）」。
ｋbpsの音声符号化のための低遅延ＣＥＬＰ符号化の問
題に焦点を合わせている。ＣＣＩＴＴ（国際電信電話諮
問委員会）研究グループXVIIIの１９８８年６月の１６
ｋbps音声符号化に関する特別グループの参照条項（付
録１から案件Ｕ／ＸＶ）（CCITT Study Group XVIII, T
erms of reference of the ad hoc group on 16 kbit/s
speech coding(Annex 1to Question U/XV)）を参照せ
よ。ＣＣＩＴＴのグループによって課せられた条件で
は、符号化遅延は２ｍｓを目標とし５ｍｓを超えてはな
らないということであった。このＣＣＩＴＴにより課せ
られた課題に対する解決策は、例えば次の文献にある。
「ＩＥＥＥ地球圏通信会議会報（Proc. IEEE Global Co
mmun. Conf.）」p.1237-p.1241（１９８９年１１月）の
Ｊ．Ｈ．チェン（Chen）による「１６ｋbpsの頑丈な低
遅延ＣＥＬＰ音声符号器（A robust low-delay CELP sp
eechcoder at 16 kbit/s）」、「音響、音声、信号処理
に関するＩＥＥＥ国際会議会報」p.453-p.456（１９９
０年４月）のＪ．Ｈ．チェン（Chen）による「一方向の
遅延が２ｍｓ以下の高品質１６ｋbps音声符号化（High-
quality 16 kbit/s speech coding with a one-way del
ay less than 2ms）」、および「音響、音声、信号処理
に関するＩＥＥＥ国際会議会報」p.181-p.184（１９９
０年４月）のＪ．Ｈ．チェン（Chen）、Ｍ．Ｊ．メルク
ナー（Melchner）Ｒ．Ｖ．コックス（Cox）およびＤ．
Ｏ．ボウカー（Bowker）による「１６ｋbps低遅延ＣＥ
ＬＰ音声符号器の実時間動作（Real-time implemention
of a 16 kbit/s low-delay CELP speech coder）」。
【０００７】最近、ＣＣＩＴＴは、さらに一歩進めて８
ｋbpsの音声符号化アルゴリズムの標準かを計画した。
やはり、候補となるアルゴリズムは、すべて遅延時間が
短いことが要求されるが、この場合、一方向の遅延の必
要条件は、約１０ｍｓへと幾分緩和されている。
ｋbpsの音声符号化アルゴリズムの標準かを計画した。
やはり、候補となるアルゴリズムは、すべて遅延時間が
短いことが要求されるが、この場合、一方向の遅延の必
要条件は、約１０ｍｓへと幾分緩和されている。
【０００８】８ｋbpsの場合、低遅延で高品質を達成す
ることは１６ｋbpsの場合より難しい。これは、一部に
は、現在の低遅延ＣＥＬＰ符号器がその予測器の係数を
前に符号化された音声に基づいて更新する、いわゆる
「後方適応」方式だからである。例えば、在ニュー・ジ
ャージーのプレンティス・ホール社（Prentice-Hall）
（１９８４年）発行のＮ．Ｓ．ジャイアント（Jayant）
およびＰ．ノル（Noll）による「波形のデジタル符号化
（Digital Coding of Waveforms）」が参考になる。さ
らに、８ｋbpsで符号化された音声の方が符号化雑音レ
ベルが高いので、後方適応が１６ｋbpsの場合より非効
率的になる。
ることは１６ｋbpsの場合より難しい。これは、一部に
は、現在の低遅延ＣＥＬＰ符号器がその予測器の係数を
前に符号化された音声に基づいて更新する、いわゆる
「後方適応」方式だからである。例えば、在ニュー・ジ
ャージーのプレンティス・ホール社（Prentice-Hall）
（１９８４年）発行のＮ．Ｓ．ジャイアント（Jayant）
およびＰ．ノル（Noll）による「波形のデジタル符号化
（Digital Coding of Waveforms）」が参考になる。さ
らに、８ｋbpsで符号化された音声の方が符号化雑音レ
ベルが高いので、後方適応が１６ｋbpsの場合より非効
率的になる。
【０００９】ＣＣＩＴＴによって発表された８ｋbps低
遅延符号器の課題の前には、その主題に関する文献は殆
どあるいは全くなかった。その発表以後、Ｔ．モリヤ
（Moriya）が、発話言語の処理に関する国際会議の議事
録（１９９０年１１月）の「コンディショナル・ピッチ
予測に基づく中程度の遅延の８ｋbps音声符号器（Mediu
m-delay 8 kbit/s speech coder based on conditional
pitch prediction）」において、例えば前記の１９８
９年のチェンの論文において記述されている１６ｋbps
の低遅延ＣＥＬＰ符号器の後方適応方式に基づく遅延時
間１０ｍｓの８ｋbpsＣＥＬＰ符号器を提案した。報告
によれば、この８ｋbps符号器の性能は、前記のシュレ
ーダーおよびアタルによる１９８５年の論文、および
「音響、音声、信号処理に関するＩＥＥＥ国際会議会報
p.1650-p.1654（１９８７年）のＰ．クルーン（Kroon）
およびＢ．Ｓ．アタル（Atal）による「４．８ｋbpsＣ
ＥＬＰ符号器のための量子化手順（Quantization proce
dure for 4.8 kbps CELP coders）」に記述されている
通常の８ｋbpsＣＥＬＰ符号器を上回ると言われてい
る。しかし、その性能が可能なのは、（計算が極めて複
雑になることを代償として）励起ベクトルの遅延決定符
号化が使用される場合に限られる。これに対して、遅延
決定が使用されない場合、音声品質が、低下して通常の
８ｋbpsＣＥＬＰより幾分劣るようになる。
遅延符号器の課題の前には、その主題に関する文献は殆
どあるいは全くなかった。その発表以後、Ｔ．モリヤ
（Moriya）が、発話言語の処理に関する国際会議の議事
録（１９９０年１１月）の「コンディショナル・ピッチ
予測に基づく中程度の遅延の８ｋbps音声符号器（Mediu
m-delay 8 kbit/s speech coder based on conditional
pitch prediction）」において、例えば前記の１９８
９年のチェンの論文において記述されている１６ｋbps
の低遅延ＣＥＬＰ符号器の後方適応方式に基づく遅延時
間１０ｍｓの８ｋbpsＣＥＬＰ符号器を提案した。報告
によれば、この８ｋbps符号器の性能は、前記のシュレ
ーダーおよびアタルによる１９８５年の論文、および
「音響、音声、信号処理に関するＩＥＥＥ国際会議会報
p.1650-p.1654（１９８７年）のＰ．クルーン（Kroon）
およびＢ．Ｓ．アタル（Atal）による「４．８ｋbpsＣ
ＥＬＰ符号器のための量子化手順（Quantization proce
dure for 4.8 kbps CELP coders）」に記述されている
通常の８ｋbpsＣＥＬＰ符号器を上回ると言われてい
る。しかし、その性能が可能なのは、（計算が極めて複
雑になることを代償として）励起ベクトルの遅延決定符
号化が使用される場合に限られる。これに対して、遅延
決定が使用されない場合、音声品質が、低下して通常の
８ｋbpsＣＥＬＰより幾分劣るようになる。
【００１０】モリヤの符号器では、最初に８ピッチの候
補を決定するために後方適応ピッチ分析を行ったうえ
で、３ビットを送って選択された候補を指定した。後方
ピッチ分析がチャネル・エラーに対して非常に敏感であ
ることは周知であるから（前記のチェンによる１９８９
年の文献が参考になる）、この符号器もチャネル・エラ
ーに対して敏感のようである。
補を決定するために後方適応ピッチ分析を行ったうえ
で、３ビットを送って選択された候補を指定した。後方
ピッチ分析がチャネル・エラーに対して非常に敏感であ
ることは周知であるから（前記のチェンによる１９８９
年の文献が参考になる）、この符号器もチャネル・エラ
ーに対して敏感のようである。
【００１１】
【発明が解決しようとする課題】本発明により、従来の
技術とは異なる方法を用いることにより、従来の符号器
の潜在的な制限および過敏性の多くを避けながら低ビッ
ト・レート低遅延の符号化および復号を与えることであ
る。本発明によって処理された音声は、従来のＣＥＬＰ
の場合と同質のものであるが、従来のＣＥＬＰの僅か１
／５程度の遅延でそのような音声を与えることができ
る。さらに、全二重の符号器が単一のデジタル信号処理
（ＤＳＰ）チップ上に好ましい形で実施できるように、
本発明では、従来の技術の複雑さの多くを回避してい
る。さらには、本発明の符号化および復号の方式を用い
ることにより、ビット誤り率が高い条件の下でも双方向
の音声通信を容易に達成することができる。
技術とは異なる方法を用いることにより、従来の符号器
の潜在的な制限および過敏性の多くを避けながら低ビッ
ト・レート低遅延の符号化および復号を与えることであ
る。本発明によって処理された音声は、従来のＣＥＬＰ
の場合と同質のものであるが、従来のＣＥＬＰの僅か１
／５程度の遅延でそのような音声を与えることができ
る。さらに、全二重の符号器が単一のデジタル信号処理
（ＤＳＰ）チップ上に好ましい形で実施できるように、
本発明では、従来の技術の複雑さの多くを回避してい
る。さらには、本発明の符号化および復号の方式を用い
ることにより、ビット誤り率が高い条件の下でも双方向
の音声通信を容易に達成することができる。
【００１２】
【課題を解決するための手段】前記の結果は、ＣＥＬＰ
符号器における本発明の説明用の実施例において得られ
る。実施例では、励起利得因子および短期（ＬＰＣ）予
測器をいわゆる後方適応を用いて更新する。この点にお
いて、この実施例は、先に引用した論文に記述された１
６ｋbps低遅延符号器との類似点がある（ほか、それと
の重要な相違点もある）。しかし、この実施例では、よ
り高い音声品質およびチャネル・エラーに対するより優
れた頑丈さを実現するために、重要なピッチ・パラメー
タは、すべて前方に送られる。
符号器における本発明の説明用の実施例において得られ
る。実施例では、励起利得因子および短期（ＬＰＣ）予
測器をいわゆる後方適応を用いて更新する。この点にお
いて、この実施例は、先に引用した論文に記述された１
６ｋbps低遅延符号器との類似点がある（ほか、それと
の重要な相違点もある）。しかし、この実施例では、よ
り高い音声品質およびチャネル・エラーに対するより優
れた頑丈さを実現するために、重要なピッチ・パラメー
タは、すべて前方に送られる。
【００１３】本発明の典型的な実施例に有利に使用され
ているピッチ予測器は、３タップ・ピッチ予測器であ
り、内部フレーム予測符号化方式を用いてピッチ周期
（またはピッチ間隔）を符号化し、閉ループ・コードブ
ック探査によって３つのタップをベクトル量子化する。
「閉ループ」は、本明細書で用いる場合、符号化された
音声の知覚的に荷重した平均２乗誤差をコードブック探
査により最小にしようとすることを意味する。この方法
は、ビットを節約し、高いピッチ予測利得（一般に５乃
至６ｄＢ）を与え、かつチャネル・エラーに対して頑丈
であることが解った。ピッチ周期は、開ループ探査方法
および閉ループ探査方法の組み合わせによって都合良く
決定される。
ているピッチ予測器は、３タップ・ピッチ予測器であ
り、内部フレーム予測符号化方式を用いてピッチ周期
（またはピッチ間隔）を符号化し、閉ループ・コードブ
ック探査によって３つのタップをベクトル量子化する。
「閉ループ」は、本明細書で用いる場合、符号化された
音声の知覚的に荷重した平均２乗誤差をコードブック探
査により最小にしようとすることを意味する。この方法
は、ビットを節約し、高いピッチ予測利得（一般に５乃
至６ｄＢ）を与え、かつチャネル・エラーに対して頑丈
であることが解った。ピッチ周期は、開ループ探査方法
および閉ループ探査方法の組み合わせによって都合良く
決定される。
【００１４】前述の１６ｋbps低遅延符号器で使用され
た後方利得適応は、本発明の説明のための実施例におい
ても有利に使用されている。また、従来のＣＥＬＰの実
施において使用された１５乃至３０ｍｓに比較して小さ
い間隔（例えば、僅か２．５乃至４．０ｍｓ）を表すフ
レームを用いることが有利であることも解った。
た後方利得適応は、本発明の説明のための実施例におい
ても有利に使用されている。また、従来のＣＥＬＰの実
施において使用された１５乃至３０ｍｓに比較して小さ
い間隔（例えば、僅か２．５乃至４．０ｍｓ）を表すフ
レームを用いることが有利であることも解った。
【００１５】典型的な実施例に関する以下の詳細な説明
において説明するその他の改良点には、閉ループ・トレ
ーニング法によって獲得されたベクトルによる励起コー
ドブックの導入も含まれる。
において説明するその他の改良点には、閉ループ・トレ
ーニング法によって獲得されたベクトルによる励起コー
ドブックの導入も含まれる。
【００１６】音声品質をさらに高めるために、本発明を
説明する実施例の復号器には後置フィルタ（例えば、カ
リフォルニア大学サンタ・バーバラ校のＪ．Ｈ．チェン
による博士論文「音声波形のベクトル量子化に基づく低
ビット・レート予測符号化（Low-bit-rate predictive
coding of speech waveforms based on vector quantiz
ation）」に提案されたものと類似のもの）を有利に使
用している。さらに、短期後置フィルタおよび長期後置
フィルタを共に使用する方が有利であることが分かる。
説明する実施例の復号器には後置フィルタ（例えば、カ
リフォルニア大学サンタ・バーバラ校のＪ．Ｈ．チェン
による博士論文「音声波形のベクトル量子化に基づく低
ビット・レート予測符号化（Low-bit-rate predictive
coding of speech waveforms based on vector quantiz
ation）」に提案されたものと類似のもの）を有利に使
用している。さらに、短期後置フィルタおよび長期後置
フィルタを共に使用する方が有利であることが分かる。
【００１７】
【実施例】本発明のより良く容易に理解できるように、
通常のＣＥＬＰ符号器の概要を簡単に説明する。次に、
（要素およびシステムのレベルで）本発明によって与え
られる新機軸を説明し、最後に、本発明の一般的な説明
用の実施例を詳細に説明する。
通常のＣＥＬＰ符号器の概要を簡単に説明する。次に、
（要素およびシステムのレベルで）本発明によって与え
られる新機軸を説明し、最後に、本発明の一般的な説明
用の実施例を詳細に説明する。
【００１８】通常のＣＥＬＰ（符号励起線形予測）の概
要 概観すると、図１のＣＥＬＰ符号器は、励起シーケンス
を励起コードブック１００から利得調整要素１０５を経
て長期合成フィルタおよび短期合成フィルタの縦続接続
へと渡すことにより、音声を合成する。長期合成フィル
タは、長期予測器１１０および総和器要素１１５からな
り、短期合成フィルタは、短期予測器１２０および総和
器１２５からなる。当分野において周知のとおり、両方
の合成フィルタは、一般に全極フィルタであり、それぞ
れの予測器が指示された閉ループ内に接続されている。
要 概観すると、図１のＣＥＬＰ符号器は、励起シーケンス
を励起コードブック１００から利得調整要素１０５を経
て長期合成フィルタおよび短期合成フィルタの縦続接続
へと渡すことにより、音声を合成する。長期合成フィル
タは、長期予測器１１０および総和器要素１１５からな
り、短期合成フィルタは、短期予測器１２０および総和
器１２５からなる。当分野において周知のとおり、両方
の合成フィルタは、一般に全極フィルタであり、それぞ
れの予測器が指示された閉ループ内に接続されている。
【００１９】長期および短期の合成フィルタの縦続接続
の出力が、前記の合成された音声である。この合成され
た音声は、比較器１３０において、一般にデジタル化標
本のフレームの形式で入力の音声と比較される。合成よ
おび比較の動作は、コードブック１００における励起シ
ーケンスの各々に対して繰り返され、最も一致するシー
ケンスのインデックスが、システム・パラメータについ
ての付加的な情報と共に後の復号に使用される。基本的
に、ＣＥＬＰ符号器は、各フレームに対し、入力音声と
合成音声との間の知覚的に加重した平均２乗誤差（ＭＳ
Ｅ）が最小になるような最良の予測器、利得、および励
起を発見するように努めて、音声をフレーム毎に符号化
する。
の出力が、前記の合成された音声である。この合成され
た音声は、比較器１３０において、一般にデジタル化標
本のフレームの形式で入力の音声と比較される。合成よ
おび比較の動作は、コードブック１００における励起シ
ーケンスの各々に対して繰り返され、最も一致するシー
ケンスのインデックスが、システム・パラメータについ
ての付加的な情報と共に後の復号に使用される。基本的
に、ＣＥＬＰ符号器は、各フレームに対し、入力音声と
合成音声との間の知覚的に加重した平均２乗誤差（ＭＳ
Ｅ）が最小になるような最良の予測器、利得、および励
起を発見するように努めて、音声をフレーム毎に符号化
する。
【００２０】長期予測器は、その主な機能が発声された
音声におけるピッチの周期性を利用することであること
から、しばしばピッチ予測器と呼ばれる。一般に、１タ
ップのピッチ予測器が用いられるが、この場合、その予
測器の伝達関数は、Ｐ1（ｚ）＝βｚ-pである。ただ
し、ｐは群遅延、即ちピッチ周期であり、βは予測器の
タップである。短期予測器は、２．４ｋbpsまたはそれ
以下のビットレートで動作する周知のＬＰＣ（線形予測
符号化）ボコーダでも使用されるので、ＬＰＣ予測器と
呼ばれることもある。このＬＰＣ予測器は、一般に、伝
達関数
音声におけるピッチの周期性を利用することであること
から、しばしばピッチ予測器と呼ばれる。一般に、１タ
ップのピッチ予測器が用いられるが、この場合、その予
測器の伝達関数は、Ｐ1（ｚ）＝βｚ-pである。ただ
し、ｐは群遅延、即ちピッチ周期であり、βは予測器の
タップである。短期予測器は、２．４ｋbpsまたはそれ
以下のビットレートで動作する周知のＬＰＣ（線形予測
符号化）ボコーダでも使用されるので、ＬＰＣ予測器と
呼ばれることもある。このＬＰＣ予測器は、一般に、伝
達関数
【数１】 を有する１０次予測器である。励起ベクトル量子化（Ｖ
Ｑ）コードブックには、等しい長さのコードブック・ベ
クトル（即ちコードベクトル）のテーブルが収容されて
いる。一般に、コードベクトルは、可能な中央クリッピ
ングを有するガウス乱数が占める。
Ｑ）コードブックには、等しい長さのコードブック・ベ
クトル（即ちコードベクトル）のテーブルが収容されて
いる。一般に、コードベクトルは、可能な中央クリッピ
ングを有するガウス乱数が占める。
【００２１】さらに具体的には、図１のＣＥＬＰ符号器
において、在ニュー・ジャージー州エンゲルウッド・ク
リフスのプレンティス・ホール社のＬ．Ｒ．ラビナ（Ra
biner）およびＲ．Ｗ．シェイファ（Schafer）による
「音声信号のデジタル処理（Digital Processing of Sp
eech Signals）」（１９７８年）に概説されている種類
の線形予測分析（ＬＰＣ分析）を入力信号に対して最初
に行うことによって、音声波形の標本をフレーム（固定
長の各フレームは一般に１５乃至３０ｍｓの長さであ
る）毎に符号化する。次に、結果的に得られたＬＰＣパ
ラメータを標準の開ループの要領で量子化する。図１で
は、ＬＰＣ分析および量子化を要素１４０によって表し
た。
において、在ニュー・ジャージー州エンゲルウッド・ク
リフスのプレンティス・ホール社のＬ．Ｒ．ラビナ（Ra
biner）およびＲ．Ｗ．シェイファ（Schafer）による
「音声信号のデジタル処理（Digital Processing of Sp
eech Signals）」（１９７８年）に概説されている種類
の線形予測分析（ＬＰＣ分析）を入力信号に対して最初
に行うことによって、音声波形の標本をフレーム（固定
長の各フレームは一般に１５乃至３０ｍｓの長さであ
る）毎に符号化する。次に、結果的に得られたＬＰＣパ
ラメータを標準の開ループの要領で量子化する。図１で
は、ＬＰＣ分析および量子化を要素１４０によって表し
た。
【００２２】図１による標準的なＣＥＬＰ符号化におい
ては、各音声フレームをそのフレーム内部で４乃至８ｍ
ｓの間隔で発生する標本を含むいくつかの等しい長さの
サブフレームまたはベクトルに分割する方が有利である
ことが解った。量子化されたＬＰＣパラメータは、通
常、各サブフレームに対して補間されて、ＬＰＣ予測器
の係数へと変換される。そして、各サブフレームに対し
て、１タップのピッチ予測器のパラメータが閉ループ量
子化される。一般に、ピッチ周期は、７ビットに量子化
され、ピッチ予測器のタップは、３または４ビットに量
子化される。次に、励起ＶＱコードブックの中の最良の
コードベクトル、および最良の利得を、やはり閉ループ
量子化によって各サブフレームに対してフィルタ１５５
で知覚的に荷重された入力に基づいて、最小平均２乗誤
差（ＭＳＥ）要素１５０によって決定する。
ては、各音声フレームをそのフレーム内部で４乃至８ｍ
ｓの間隔で発生する標本を含むいくつかの等しい長さの
サブフレームまたはベクトルに分割する方が有利である
ことが解った。量子化されたＬＰＣパラメータは、通
常、各サブフレームに対して補間されて、ＬＰＣ予測器
の係数へと変換される。そして、各サブフレームに対し
て、１タップのピッチ予測器のパラメータが閉ループ量
子化される。一般に、ピッチ周期は、７ビットに量子化
され、ピッチ予測器のタップは、３または４ビットに量
子化される。次に、励起ＶＱコードブックの中の最良の
コードベクトル、および最良の利得を、やはり閉ループ
量子化によって各サブフレームに対してフィルタ１５５
で知覚的に荷重された入力に基づいて、最小平均２乗誤
差（ＭＳＥ）要素１５０によって決定する。
【００２３】各サブフレームの量子化ＬＰＣパラメー
タ、ピッチ予測器のパラメータ、利得および励起コード
ベクトルは、図１の符号器／マルチプレクサ１６０によ
って、ビットに符号化されて、出力ビット・ストリーム
へと多重化される。
タ、ピッチ予測器のパラメータ、利得および励起コード
ベクトルは、図１の符号器／マルチプレクサ１６０によ
って、ビットに符号化されて、出力ビット・ストリーム
へと多重化される。
【００２４】図２に示したＣＥＬＰ復号器は、音声をフ
レーム毎に復号する。図２において要素２００で示した
ように、この符号器では、まず入力ビット・ストリーム
を分離（デマルチプレクス）して、ＬＰＣパラメータ、
ピッチ予測器パラメータ、利得、および励起コードベク
トルを復号する。次に、各サブフレームに対してデマル
チプレクサ２００によって識別された励起コードベクト
ルを、利得要素２１５における対応する利得因子によっ
て倍率調整した後、縦続接続された長期合成フィルタ
（長期予測器２２０および総和器２２５からなる）およ
び短期合成フィルタ（短期予測器２３０および総和器２
３５からなる）を通して、復号された音声を得る。
レーム毎に復号する。図２において要素２００で示した
ように、この符号器では、まず入力ビット・ストリーム
を分離（デマルチプレクス）して、ＬＰＣパラメータ、
ピッチ予測器パラメータ、利得、および励起コードベク
トルを復号する。次に、各サブフレームに対してデマル
チプレクサ２００によって識別された励起コードベクト
ルを、利得要素２１５における対応する利得因子によっ
て倍率調整した後、縦続接続された長期合成フィルタ
（長期予測器２２０および総和器２２５からなる）およ
び短期合成フィルタ（短期予測器２３０および総和器２
３５からなる）を通して、復号された音声を得る。
【００２５】適応後置フィルタは、例えば「音響、音
声、信号処理に関するＩＥＥＥ国際会議」会報ＡＳＳＰ
−２９（５）のp.1062-p.1066（１９８７年１０月）の
Ｊ．Ｈ．チェン（Chen）およびＡ．ガーショウ（Gerch
o）による「適応後置フィルタを用いた４８０００ｂｐ
ｓでの実時間ベクトルＡＰＣ音声符号化（Real-time ve
ctor APC speech coding at 48000 bps with adaptive
postfiltering）」において提案された種類のものであ
り、知覚上の音声品質を高めるために出力において一般
に使用される。
声、信号処理に関するＩＥＥＥ国際会議」会報ＡＳＳＰ
−２９（５）のp.1062-p.1066（１９８７年１０月）の
Ｊ．Ｈ．チェン（Chen）およびＡ．ガーショウ（Gerch
o）による「適応後置フィルタを用いた４８０００ｂｐ
ｓでの実時間ベクトルＡＰＣ音声符号化（Real-time ve
ctor APC speech coding at 48000 bps with adaptive
postfiltering）」において提案された種類のものであ
り、知覚上の音声品質を高めるために出力において一般
に使用される。
【００２６】前記のように、ＬＰＣパラメータは、ＣＥ
ＬＰ符号器によって、入力音声から直に決定され、開ル
ープ量子化されるが、ピッチ予測器、利得、および励起
は、すべて閉ループ量子化によって決定する。これらの
すべてのパラメータは、符号化されてＣＥＬＰ復号器に
送られる。
ＬＰ符号器によって、入力音声から直に決定され、開ル
ープ量子化されるが、ピッチ予測器、利得、および励起
は、すべて閉ループ量子化によって決定する。これらの
すべてのパラメータは、符号化されてＣＥＬＰ復号器に
送られる。
【００２７】低ビット・レート低遅延の符号励起線形予
測（ＣＥＬＰ）の概略 図３および４に、本発明による低遅延符号励起線形予測
（ＬＤ−ＣＥＬＰ）符号器および復号器の実施例の概略
をそれぞれ示す。便宜上、この実施例は、８ｋbpsＬＤ
−ＣＥＬＰのシステムと方法に関するＣＣＩＴＴの研究
における切実な課題の点から説明する。しかし、ここで
説明するアルゴリズムと技術は、異なる個々のビット・
レートおよび符号化遅延で動作するシステムおよび方法
に同じように適用される。
測（ＣＥＬＰ）の概略 図３および４に、本発明による低遅延符号励起線形予測
（ＬＤ−ＣＥＬＰ）符号器および復号器の実施例の概略
をそれぞれ示す。便宜上、この実施例は、８ｋbpsＬＤ
−ＣＥＬＰのシステムと方法に関するＣＣＩＴＴの研究
における切実な課題の点から説明する。しかし、ここで
説明するアルゴリズムと技術は、異なる個々のビット・
レートおよび符号化遅延で動作するシステムおよび方法
に同じように適用される。
【００２８】図３において、入力３６５に現れる都合よ
くフレームに区切られた標本の型の中の入力音声は、ベ
クトルを励起コードブック３００から利得調整器３０５
と直列の長期合成フィルタと短期合成フィルタとを通過
させることによって発生する合成音声と、比較器３４１
において再び比較される。図３の実施例において、利得
調整器は、以下においてさらに十分に説明するように後
方適応利得調整器とみなされる。長期合成フィルタは、
実例のように総和器３１５を有する帰還ループにおける
３タップのピッチ予測器からなる。ピッチ予測器の機能
は、さらに詳細に後述する。短期合成フィルタは、総和
器３２５を有する帰還ループにおける１０タップの適応
後置ＬＰＣ予測器３２０を含む。要素３２８で現される
後方適応機能については、以下においてさらに説明す
る。
くフレームに区切られた標本の型の中の入力音声は、ベ
クトルを励起コードブック３００から利得調整器３０５
と直列の長期合成フィルタと短期合成フィルタとを通過
させることによって発生する合成音声と、比較器３４１
において再び比較される。図３の実施例において、利得
調整器は、以下においてさらに十分に説明するように後
方適応利得調整器とみなされる。長期合成フィルタは、
実例のように総和器３１５を有する帰還ループにおける
３タップのピッチ予測器からなる。ピッチ予測器の機能
は、さらに詳細に後述する。短期合成フィルタは、総和
器３２５を有する帰還ループにおける１０タップの適応
後置ＬＰＣ予測器３２０を含む。要素３２８で現される
後方適応機能については、以下においてさらに説明す
る。
【００２９】コードブック・ベクトルに対する平均２乗
誤差の計算は、フィルタ３５５経由で供給された知覚的
に荷重された誤差信号に基づいて、要素３５０において
決定される。ピッチ予測器３１０において値を設定する
ために使用されるピッチ予測器パラメータ量子化は、要
素３４２において実現される。これについては、さらに
詳細に後述する。図３に示した低遅延ＣＥＬＰ符号器の
実施例の各要素間の相互関連の様子は、以下においてい
くつかの要素をさらに十分説明するとともに明らかにな
る。
誤差の計算は、フィルタ３５５経由で供給された知覚的
に荷重された誤差信号に基づいて、要素３５０において
決定される。ピッチ予測器３１０において値を設定する
ために使用されるピッチ予測器パラメータ量子化は、要
素３４２において実現される。これについては、さらに
詳細に後述する。図３に示した低遅延ＣＥＬＰ符号器の
実施例の各要素間の相互関連の様子は、以下においてい
くつかの要素をさらに十分説明するとともに明らかにな
る。
【００３０】図４に示した低遅延ＣＥＬＰ符号器の実施
例は、図３の実施例の符号器に対して、補完的な形で作
用する。さらに具体的には、入力４０５で受信される入
力ビット・ストリームは、要素４００において復号・分
離され、必要なコードブック要素の識別情報を励起コー
ドブック４１０に与えるほか、ピッチ予測器のタップお
よびピッチ周期情報も３タップのピッチ予測器４２０と
総和器４２５からなる長期合成フィルタに与える。また
適応後置フィルタ・アダプター４４０のための後置フィ
ルタ係数情報も要素４００によって供給される。本発明
によれば、後置フィルタ４４５は、長期および短期の後
置フィルタ処理機能を備えている。このことは、以下に
さらに十分に説明する。出力音声は、後置フィルタ４４
５を通過後、出力４５０に現れる。
例は、図３の実施例の符号器に対して、補完的な形で作
用する。さらに具体的には、入力４０５で受信される入
力ビット・ストリームは、要素４００において復号・分
離され、必要なコードブック要素の識別情報を励起コー
ドブック４１０に与えるほか、ピッチ予測器のタップお
よびピッチ周期情報も３タップのピッチ予測器４２０と
総和器４２５からなる長期合成フィルタに与える。また
適応後置フィルタ・アダプター４４０のための後置フィ
ルタ係数情報も要素４００によって供給される。本発明
によれば、後置フィルタ４４５は、長期および短期の後
置フィルタ処理機能を備えている。このことは、以下に
さらに十分に説明する。出力音声は、後置フィルタ４４
５を通過後、出力４５０に現れる。
【００３１】また、図４における復号器は、総和器４３
５を備えた帰還ループにおいて接続されたＬＰＣ予測器
４３０（一般には、１０タップ予測器）からなる短期合
成フィルタも含む。短期フィルタ係数の適応化は、要素
４３８による後方適応ＬＰＣ分析を用いて、行われる。
５を備えた帰還ループにおいて接続されたＬＰＣ予測器
４３０（一般には、１０タップ予測器）からなる短期合
成フィルタも含む。短期フィルタ係数の適応化は、要素
４３８による後方適応ＬＰＣ分析を用いて、行われる。
【００３２】図１および２に関連した従来のＣＥＬＰ符
号器に関する以上の説明から、一般に従来のＣＥＬＰ符
号器は、長期および短期のフィルタの情報、励起利得情
報、励起ベクトル情報を、これらの符号化成分のすべて
に対する前方適応を可能にするために、復号器に送る。
前述のチェンの論文で記述されているＣＣＩＴＴ１６ｋ
bps低遅延ＣＥＬＰの必要条件の解法は、励起を除いた
すべての符号情報に後方適応を用いることによって通常
解決されることを示している。これらの１６ｋbps低遅
延符号器において、ピッチ情報は明示的には使用されな
い。
号器に関する以上の説明から、一般に従来のＣＥＬＰ符
号器は、長期および短期のフィルタの情報、励起利得情
報、励起ベクトル情報を、これらの符号化成分のすべて
に対する前方適応を可能にするために、復号器に送る。
前述のチェンの論文で記述されているＣＣＩＴＴ１６ｋ
bps低遅延ＣＥＬＰの必要条件の解法は、励起を除いた
すべての符号情報に後方適応を用いることによって通常
解決されることを示している。これらの１６ｋbps低遅
延符号器において、ピッチ情報は明示的には使用されな
い。
【００３３】しかしながら、図３、４から分かるよう
に、本発明による低遅延低ビットレートの符号器／復号
器は、一般にピッチ予測器パラメータと励起コードベク
トル・インデックスを前方に送る。この復号器は、後方
適応を利用して、直前に量子化された信号から利得およ
びＬＰＣ予測器を局部的に得ることができるので、それ
らは送る必要がないことが分かった。
に、本発明による低遅延低ビットレートの符号器／復号
器は、一般にピッチ予測器パラメータと励起コードベク
トル・インデックスを前方に送る。この復号器は、後方
適応を利用して、直前に量子化された信号から利得およ
びＬＰＣ予測器を局部的に得ることができるので、それ
らは送る必要がないことが分かった。
【００３４】従来のＣＥＬＰ、１６ｋbps低遅延ＣＥＬ
Ｐおよび本発明による低遅延ＣＥＬＰの違いを簡単に要
約したので、以下の節では、本発明の実施例の個々の要
素をより詳細に説明する。
Ｐおよび本発明による低遅延ＣＥＬＰの違いを簡単に要
約したので、以下の節では、本発明の実施例の個々の要
素をより詳細に説明する。
【００３５】ＬＰＣ予測 一般的な応用では、１０ｍｓまたはそれ以下の一方向符
号化遅延を達成するために、ＣＥＬＰ符号器は、３乃至
４ｍｓ、即ち８ｋＨｚの標本化速度では２４乃至３２の
音声標本より大きいフレーム・バッファ・サイズをとる
ことはできない。符号化遅延と音声品質の間のトレード
オフを吟味して、２つの８ｋbpsＬＤ−ＣＥＬＰアルゴ
リズムを考えたことが好都合である。第１の例では、３
２標本（４ｍｓ）のフレーム・サイズで約１０ｍｓの一
方向遅延であったが、第２の例では、２０標本（２．５
ｍｓ）のフレーム・サイズで約７ｍｓの遅延であった。
号化遅延を達成するために、ＣＥＬＰ符号器は、３乃至
４ｍｓ、即ち８ｋＨｚの標本化速度では２４乃至３２の
音声標本より大きいフレーム・バッファ・サイズをとる
ことはできない。符号化遅延と音声品質の間のトレード
オフを吟味して、２つの８ｋbpsＬＤ−ＣＥＬＰアルゴ
リズムを考えたことが好都合である。第１の例では、３
２標本（４ｍｓ）のフレーム・サイズで約１０ｍｓの一
方向遅延であったが、第２の例では、２０標本（２．５
ｍｓ）のフレーム・サイズで約７ｍｓの遅延であった。
【００３６】８ｋbpsまたは、１標本あたり１ビットで
は、各フレームで使われるのは、２０または、３２ビッ
トだけある。ＣＥＬＰ符号化において、良い音声品質を
得るためには励起符号化でビットの大部分を使うことが
重要であるため、ＬＰＣパラメータおよびピッチ・パラ
メータのような非励起情報のためには、ほんの僅かしか
ビットが残されていないことになる。
は、各フレームで使われるのは、２０または、３２ビッ
トだけある。ＣＥＬＰ符号化において、良い音声品質を
得るためには励起符号化でビットの大部分を使うことが
重要であるため、ＬＰＣパラメータおよびピッチ・パラ
メータのような非励起情報のためには、ほんの僅かしか
ビットが残されていないことになる。
【００３７】従って、低遅延という制約（故にフレーム
・サイズの制約）があるので、前述のチェンによる１９
８９年の論文で記述されているように、後方適応によっ
てＬＰＣ予測器の係数を更新することが好都合となる。
このようなＬＰＣパラメータの後方適応は、ＬＰＣパラ
メータを細かく指定するためのビット送信を必要としな
い。このことは、前に引用されたモリヤの論文において
記述された方法と比較されるべきである。このモリヤの
論文において、有望とは言えないものの、一部後方、一
部前方適応構造が、ＬＰＣパラメータ適応化のために提
案された。
・サイズの制約）があるので、前述のチェンによる１９
８９年の論文で記述されているように、後方適応によっ
てＬＰＣ予測器の係数を更新することが好都合となる。
このようなＬＰＣパラメータの後方適応は、ＬＰＣパラ
メータを細かく指定するためのビット送信を必要としな
い。このことは、前に引用されたモリヤの論文において
記述された方法と比較されるべきである。このモリヤの
論文において、有望とは言えないものの、一部後方、一
部前方適応構造が、ＬＰＣパラメータ適応化のために提
案された。
【００３８】１６ｋbps低遅延ＬＤ−ＣＥＬＰで利用さ
れる後方適応ＬＰＣパラメータの方法は、都合良く存続
されているので、８ｋbpsで利用するために、１６ｋbps
ＬＤ−ＣＥＬＰアルゴリズムにおいて利用されるパラメ
ータを単に変更しようとしても当然である。この規模を
小さくする方法による実験では、理解はできるが、意図
した目的のためには雑音が多すぎるという結果となっ
た。このように、本発明の実施例は、ピッチ情報の明確
な誘導とピッチ予測器の使用を特徴とする。符号化およ
び復号の動作においてピッチ予測器を利用することの重
要な利点は、１６ｋbps低遅延法において利用される短
期予測器が、一般的に従来の５０タップのＬＰＣ予測器
からさらに単純な１０タップＬＰＣ予測器へと簡易化で
きるということである。
れる後方適応ＬＰＣパラメータの方法は、都合良く存続
されているので、８ｋbpsで利用するために、１６ｋbps
ＬＤ−ＣＥＬＰアルゴリズムにおいて利用されるパラメ
ータを単に変更しようとしても当然である。この規模を
小さくする方法による実験では、理解はできるが、意図
した目的のためには雑音が多すぎるという結果となっ
た。このように、本発明の実施例は、ピッチ情報の明確
な誘導とピッチ予測器の使用を特徴とする。符号化およ
び復号の動作においてピッチ予測器を利用することの重
要な利点は、１６ｋbps低遅延法において利用される短
期予測器が、一般的に従来の５０タップのＬＰＣ予測器
からさらに単純な１０タップＬＰＣ予測器へと簡易化で
きるということである。
【００３９】図３、４における構造で利用される説明の
ための１０タップＬＰＣ予測器は、前述のラビナとシェ
イファの文献において記述されたＬＰＣ分析の自己相関
法を利用してフレームごとに更新される。標準的なＡＴ
＆Ｔ ＤＳＰ３２Ｃデジタル信号処理チップを使用する
便利な浮動小数点の実施において、自己相関係数は、
「音響、音声、信号処理に関するＩＥＥＥ国際会議会
報」p.453-p.456（１９９０年４月）のＪ．Ｈ．チェン
による「２ｍｓ以下の高品質１６ｋbps音声符号化」お
よび［音響、音声、信号処理に関するＩＥＥＥ国際会議
議事録,ASSP-29(5)」p.1062-p.1066（１９８１年１０
月）のＴ．Ｐ．バーンウェル,IIIの「ＬＰＣ分析の自己
相関係数を生成するための循環窓化」に記述された修正
バーンウェル循環窓を用いて、計算される。固定小数点
を実施する場合、「音響、音声、信号処理に関するＩＥ
ＥＥ国際会議会報」p.21-p.24（１９９１年５月）の
Ｊ．Ｈ．チェン、Ｙ．Ｃ．リン（Ｌｉｎ）とＲ．Ｖ．コ
ックス（Ｃｏｘ）の「固定小数点１６ｋbpsＬＤ−ＣＥ
ＬＰアルゴリズム」に記述された種類の混成窓を利用す
る方が、有利となることがある。循環窓の窓関数は、基
本的に伝達関数
ための１０タップＬＰＣ予測器は、前述のラビナとシェ
イファの文献において記述されたＬＰＣ分析の自己相関
法を利用してフレームごとに更新される。標準的なＡＴ
＆Ｔ ＤＳＰ３２Ｃデジタル信号処理チップを使用する
便利な浮動小数点の実施において、自己相関係数は、
「音響、音声、信号処理に関するＩＥＥＥ国際会議会
報」p.453-p.456（１９９０年４月）のＪ．Ｈ．チェン
による「２ｍｓ以下の高品質１６ｋbps音声符号化」お
よび［音響、音声、信号処理に関するＩＥＥＥ国際会議
議事録,ASSP-29(5)」p.1062-p.1066（１９８１年１０
月）のＴ．Ｐ．バーンウェル,IIIの「ＬＰＣ分析の自己
相関係数を生成するための循環窓化」に記述された修正
バーンウェル循環窓を用いて、計算される。固定小数点
を実施する場合、「音響、音声、信号処理に関するＩＥ
ＥＥ国際会議会報」p.21-p.24（１９９１年５月）の
Ｊ．Ｈ．チェン、Ｙ．Ｃ．リン（Ｌｉｎ）とＲ．Ｖ．コ
ックス（Ｃｏｘ）の「固定小数点１６ｋbpsＬＤ−ＣＥ
ＬＰアルゴリズム」に記述された種類の混成窓を利用す
る方が、有利となることがある。循環窓の窓関数は、基
本的に伝達関数
【数２】 を有する２極フィルタのインパルス応答の鏡像である。
極αが１に近づくにつれて、窓の「尾」はより長くな
る。
極αが１に近づくにつれて、窓の「尾」はより長くな
る。
【００４０】後方適応ＬＰＣ分析のための窓形状は、非
常に注意深く選定されなければならず、さもなければ、
重要な性能の低下を引き起こしてしまうことになる。α
＝０．９６という値は、開ループＬＰＣ予測、１６ｋbp
sＬＤ−ＣＥＬＰ符号器、および多くの低雑音の応用に
対して適切であるが、このような値は、不自然で煩わし
く聞こえる「水っぽい」歪を生ずることがある。このよ
うに、循環窓の有効長さを長くするようにαの値を増加
させることは、実に有利である。
常に注意深く選定されなければならず、さもなければ、
重要な性能の低下を引き起こしてしまうことになる。α
＝０．９６という値は、開ループＬＰＣ予測、１６ｋbp
sＬＤ−ＣＥＬＰ符号器、および多くの低雑音の応用に
対して適切であるが、このような値は、不自然で煩わし
く聞こえる「水っぽい」歪を生ずることがある。このよ
うに、循環窓の有効長さを長くするようにαの値を増加
させることは、実に有利である。
【００４１】循環窓の有効窓長が、窓の始まりから窓関
数の値がその最大値の１０％の点までの時間間隔として
定義される場合、α＝０．９６の循環窓は、３．５ｍｓ
近辺にピークを有し、有効窓長が約１５ｍｓである。α
が０．９６と０．９７の間の値では、通常、１０次ＬＰ
Ｃ予測にとって最も高い開ループ予測利得が得られる。
しかしながら、αが０．９６の時、水っぽい歪が問題と
なる。αを０．９９に増加させることにより、窓ピーク
は約１３ｍｓに位置を変え、有効窓長は、６１ｍｓに増
加する。このように長くなった窓により、水っぽい歪は
完全になくなるが符号化音声の品質は幾分落ちてしま
う。従って、α＝０．９６の水っぽい歪もなく、α＝
０．９９での音声品質の低下もないα＝０．９８５は、
良い妥協点であることが分かった。α＝０．９８５の場
合、窓ピークは８．５ｍｓ付近で起こり、有効窓長は約
４０ｍｓである。
数の値がその最大値の１０％の点までの時間間隔として
定義される場合、α＝０．９６の循環窓は、３．５ｍｓ
近辺にピークを有し、有効窓長が約１５ｍｓである。α
が０．９６と０．９７の間の値では、通常、１０次ＬＰ
Ｃ予測にとって最も高い開ループ予測利得が得られる。
しかしながら、αが０．９６の時、水っぽい歪が問題と
なる。αを０．９９に増加させることにより、窓ピーク
は約１３ｍｓに位置を変え、有効窓長は、６１ｍｓに増
加する。このように長くなった窓により、水っぽい歪は
完全になくなるが符号化音声の品質は幾分落ちてしま
う。従って、α＝０．９６の水っぽい歪もなく、α＝
０．９９での音声品質の低下もないα＝０．９８５は、
良い妥協点であることが分かった。α＝０．９８５の場
合、窓ピークは８．５ｍｓ付近で起こり、有効窓長は約
４０ｍｓである。
【００４２】知覚的荷重フィルタ 図３、４の説明のための８ｋbpsＬＤ−ＣＥＬＰ構造で
使用される知覚加重フィルタは、先に引用したチェンの
論文に記述されている１６ｋbpsＬＤ−ＣＥＬＰで使用
されたものと好都合にも同じである。これは、
使用される知覚加重フィルタは、先に引用したチェンの
論文に記述されている１６ｋbpsＬＤ−ＣＥＬＰで使用
されたものと好都合にも同じである。これは、
【数３】 の形の伝達関数となる。ここで、Ｐ2（ｚ）は１０次の
伝達関数である。
伝達関数である。
【００４３】ＬＰＣ予測器は、量子化されていない入力
音声に対しフレーム毎にＬＰＣ分析を実施することによ
り得られる。荷重フィルタでは、音声信号にスペクトル
のピークがある周波数は弱められ、音声信号にスペクト
ルの谷がある周波数は強調される。この荷重フィルタを
励起の閉ループ量子化に使用すると、符号化雑音のスペ
クトラムが整形されて、その雑音は、この荷重フィルタ
がない場合に生成される雑音ほど人の耳には聞こえない
ようになる。
音声に対しフレーム毎にＬＰＣ分析を実施することによ
り得られる。荷重フィルタでは、音声信号にスペクトル
のピークがある周波数は弱められ、音声信号にスペクト
ルの谷がある周波数は強調される。この荷重フィルタを
励起の閉ループ量子化に使用すると、符号化雑音のスペ
クトラムが整形されて、その雑音は、この荷重フィルタ
がない場合に生成される雑音ほど人の耳には聞こえない
ようになる。
【００４４】後方ＬＰＣ分析から得られるＬＰＣ予測器
は、知覚的荷重フィルタを導き出す目的には使用しない
ので好都合である。これは、後方ＬＰＣ分析が、８ｋbp
sＬＤ−ＣＥＬＰ符号化音声に基づき、符号化歪のため
に、ＬＰＣスペクトラムが入力音声の真の包含線からは
ずれてしまうことがあるからである。知覚的荷重フィル
タは符号器にしか使われないので、復号器は、符号化過
程で使われる知覚的荷重フィルタを知る必要はない。ゆ
えに図３に示したように、知覚的荷重フィルタの係数を
導くために非量子化入力音声を使うことが可能となる。
は、知覚的荷重フィルタを導き出す目的には使用しない
ので好都合である。これは、後方ＬＰＣ分析が、８ｋbp
sＬＤ−ＣＥＬＰ符号化音声に基づき、符号化歪のため
に、ＬＰＣスペクトラムが入力音声の真の包含線からは
ずれてしまうことがあるからである。知覚的荷重フィル
タは符号器にしか使われないので、復号器は、符号化過
程で使われる知覚的荷重フィルタを知る必要はない。ゆ
えに図３に示したように、知覚的荷重フィルタの係数を
導くために非量子化入力音声を使うことが可能となる。
【００４５】ピッチ予測 ピッチ予測器およびその量子化構造は、図３、４に示し
た低ビットレート（一般的に８ｋbps）ＬＤ−ＣＥＬＰ
符号器と復号器の実施例の主要な部分を占める。それゆ
えにこれらの構造のピッチに関連した機能の背景と作用
は、かなり詳細に説明する。
た低ビットレート（一般的に８ｋbps）ＬＤ−ＣＥＬＰ
符号器と復号器の実施例の主要な部分を占める。それゆ
えにこれらの構造のピッチに関連した機能の背景と作用
は、かなり詳細に説明する。
【００４６】背景および概略 図３のピッチ予測器３１０の一つの実施例では、「音
響、音声、信号処理に関するＩＥＥＥ国際会議会報」p.
243-p.246（１９８８年４月）のＶ．イェンガー（Iyeng
ar）とＰ．カバル（Kabal）による「低遅延１６ｋbps音
声符号器」に記述されている型の後方適応の３タップ・
ピッチ予測器を有利に使用してもよい。しかし、［ＩＥ
ＥＥ地球間通信会議会報」P.1247-P.1252（１９８９年
１１月）のＲ．ペティグルー（Pettigrew）とＶ．クー
パーマン（Cuperman）による「１６ｋbps音声の低遅延
ベクトル励起符号化」に記述されている方法に一般的に
従って、非音声または無音フレームと出会う度にピッチ
・パラメータを再設定することで、３タップ後方適応ピ
ッチ予測器を修正する方が有利である（特にチャネル・
エラーに対して頑丈にする点において）。この案によっ
て、女性の音声の知覚品質はいくらか改善されたが、男
性の音声に対しては改善がそれほど認められない。さら
に、頻繁な再設定をした場合も、この案では、ＢＥＲ＝
１０-3においてチャネルエラーに対する耐性は、依然と
して必ずしも十分ではなかった。
響、音声、信号処理に関するＩＥＥＥ国際会議会報」p.
243-p.246（１９８８年４月）のＶ．イェンガー（Iyeng
ar）とＰ．カバル（Kabal）による「低遅延１６ｋbps音
声符号器」に記述されている型の後方適応の３タップ・
ピッチ予測器を有利に使用してもよい。しかし、［ＩＥ
ＥＥ地球間通信会議会報」P.1247-P.1252（１９８９年
１１月）のＲ．ペティグルー（Pettigrew）とＶ．クー
パーマン（Cuperman）による「１６ｋbps音声の低遅延
ベクトル励起符号化」に記述されている方法に一般的に
従って、非音声または無音フレームと出会う度にピッチ
・パラメータを再設定することで、３タップ後方適応ピ
ッチ予測器を修正する方が有利である（特にチャネル・
エラーに対して頑丈にする点において）。この案によっ
て、女性の音声の知覚品質はいくらか改善されたが、男
性の音声に対しては改善がそれほど認められない。さら
に、頻繁な再設定をした場合も、この案では、ＢＥＲ＝
１０-3においてチャネルエラーに対する耐性は、依然と
して必ずしも十分ではなかった。
【００４７】図３におけるピッチ予測器３１０のもう１
つの実施例は、前述のモリヤによる論文に記述されてい
るものに基づいている。この実施例では、単一ピッチ・
タップが完全に前方に送られ、ピッチ周期は一部は後方
に、一部は前方に適応化される。しかしながら、この技
術はチャネル誤差に対して過敏である。
つの実施例は、前述のモリヤによる論文に記述されてい
るものに基づいている。この実施例では、単一ピッチ・
タップが完全に前方に送られ、ピッチ周期は一部は後方
に、一部は前方に適応化される。しかしながら、この技
術はチャネル誤差に対して過敏である。
【００４８】図３の説明のための構造におけるピッチ予
測器３１０の好ましい実施例は、完全な前方適応ピッチ
予測に基づくものであることが分かった。
測器３１０の好ましい実施例は、完全な前方適応ピッチ
予測に基づくものであることが分かった。
【００４９】このような完全前方適応ピッチ予測器の第
１の変形において、３タップ・ピッチ予測器は、７ビッ
トに閉ループの量子化されるピッチ時間、および５乃至
６ビットに量子化される３タップの閉ループ・ベクトル
と共に利用される。このピッチ予測器は、非常に高い予
測利得（一般的には、明確な荷重信号領域において５乃
至６ｄＢ）を達成する。これは、前述の完全または部分
的な後方適応構造よりも、チャネル誤差に対して、より
頑丈なものである。しかしながら、２０または３２の標
本の大きさのフレームでは、各フレームに対して、２０
または３２ビットしか利用できない。特に、２０標本の
フレームの場合、ピッチ予測器に１２乃至１３のビット
を使ってしまうと、励起符号化のためにほんのわずかな
ビットしか残らなくなる。このようにピッチ予測器のた
めに符号化レートを低減した代案の実施例が望ましいこ
とがしばしばある。
１の変形において、３タップ・ピッチ予測器は、７ビッ
トに閉ループの量子化されるピッチ時間、および５乃至
６ビットに量子化される３タップの閉ループ・ベクトル
と共に利用される。このピッチ予測器は、非常に高い予
測利得（一般的には、明確な荷重信号領域において５乃
至６ｄＢ）を達成する。これは、前述の完全または部分
的な後方適応構造よりも、チャネル誤差に対して、より
頑丈なものである。しかしながら、２０または３２の標
本の大きさのフレームでは、各フレームに対して、２０
または３２ビットしか利用できない。特に、２０標本の
フレームの場合、ピッチ予測器に１２乃至１３のビット
を使ってしまうと、励起符号化のためにほんのわずかな
ビットしか残らなくなる。このようにピッチ予測器のた
めに符号化レートを低減した代案の実施例が望ましいこ
とがしばしばある。
【００５０】図３、４の実施例では、小さいフレーム・
サイズが使用されるので、近接したフレームのピッチ周
期は、かなり相関性が高い。このように、フレーム間予
測符号化構造は、ピッチ周期の符号化レートを減少させ
るのに役立つ。しかしながら、このようなフレーム間方
法を設計するに当たって、以下のような課題があった。 １．チャネル誤差に対して、この構造をより頑丈にする
方法 ２．無音または無声領域から発声領域に変わる時、ピッ
チ周期において急激な変化に追従する方法 ３．発声領域において高い予測利得を維持する方法
サイズが使用されるので、近接したフレームのピッチ周
期は、かなり相関性が高い。このように、フレーム間予
測符号化構造は、ピッチ周期の符号化レートを減少させ
るのに役立つ。しかしながら、このようなフレーム間方
法を設計するに当たって、以下のような課題があった。 １．チャネル誤差に対して、この構造をより頑丈にする
方法 ２．無音または無声領域から発声領域に変わる時、ピッ
チ周期において急激な変化に追従する方法 ３．発声領域において高い予測利得を維持する方法
【００５１】これらの課題は、ピッチ周期に対する複雑
な４ビット予測符号化構造によって解決される。これ
は、以下においてさらに十分に説明する。第１の課題を
解決するために、チャネル誤差に対するこの方法の耐性
（頑丈さ）を高めるために、いくつか処置を講ずる。
な４ビット予測符号化構造によって解決される。これ
は、以下においてさらに十分に説明する。第１の課題を
解決するために、チャネル誤差に対するこの方法の耐性
（頑丈さ）を高めるために、いくつか処置を講ずる。
【００５２】第１に、直前のフレームのピッチ周期か
ら、現在のフレームのピッチ周期を予測するために、単
純な１次固定係数予測器を使う。これにより、高次の適
応予測器を使うより良好な耐性が得られる。「リーキィ
な（漏れ易い）」予測器を使うことによって、チャネル
誤差の伝播を比較的短い期間に制限することが可能であ
る。
ら、現在のフレームのピッチ周期を予測するために、単
純な１次固定係数予測器を使う。これにより、高次の適
応予測器を使うより良好な耐性が得られる。「リーキィ
な（漏れ易い）」予測器を使うことによって、チャネル
誤差の伝播を比較的短い期間に制限することが可能であ
る。
【００５３】第２に、ピッチ予測器は、現在のフレーム
が入力音声の発声領域にあると検出されたときに限っ
て、始動する。つまり、現在のフレームが、発声された
音声ではない（たとえば、音節の間または文の間の無声
または無音の状態）時は必ず、図３、４の３タップ・ピ
ッチ予測器３１０は、停止され、リセットされる。フレ
ーム間予測符号化構造では、ピッチ周期で再設定され
る。これは、チャネル誤差の効果がどれほど長く伝わる
かをさらに制限するものとなる。一般的にその効果は、
１音節に限定される。
が入力音声の発声領域にあると検出されたときに限っ
て、始動する。つまり、現在のフレームが、発声された
音声ではない（たとえば、音節の間または文の間の無声
または無音の状態）時は必ず、図３、４の３タップ・ピ
ッチ予測器３１０は、停止され、リセットされる。フレ
ーム間予測符号化構造では、ピッチ周期で再設定され
る。これは、チャネル誤差の効果がどれほど長く伝わる
かをさらに制限するものとなる。一般的にその効果は、
１音節に限定される。
【００５４】第３に、本発明の好ましい実施例によるピ
ッチ予測器３１０では、「通信に関するＩＥＥＥ国際会
議会報」P.1128-P.1132（１９８７年６月）のＪ．Ｒ．
Ｂ．デマルカ（De Marca）とＮ．Ｓ．ジェイヤント（Ja
yant）による「２値インデックスを多次元量子化器のコ
ードベクトルに割り当てるアルゴリズム」および「エレ
クトロニクスレター23(12)」P.654-P.656（１９８７年
６月）のＫ．Ａ．ゼガー（Zeger）およびＡ．ガーショ
（Gersho）による「ベクトル量子化におけるゼロ余剰の
チャネル符号化」において記述された種類の疑似グレー
符号化を用いる。このような疑似グレー符号化は、励起
コードブックに使われるだけでなく、３ピッチ予測器の
タップのコードブックにも使われる。これにより、チャ
ネル誤差に対する耐性がさらに改善される。
ッチ予測器３１０では、「通信に関するＩＥＥＥ国際会
議会報」P.1128-P.1132（１９８７年６月）のＪ．Ｒ．
Ｂ．デマルカ（De Marca）とＮ．Ｓ．ジェイヤント（Ja
yant）による「２値インデックスを多次元量子化器のコ
ードベクトルに割り当てるアルゴリズム」および「エレ
クトロニクスレター23(12)」P.654-P.656（１９８７年
６月）のＫ．Ａ．ゼガー（Zeger）およびＡ．ガーショ
（Gersho）による「ベクトル量子化におけるゼロ余剰の
チャネル符号化」において記述された種類の疑似グレー
符号化を用いる。このような疑似グレー符号化は、励起
コードブックに使われるだけでなく、３ピッチ予測器の
タップのコードブックにも使われる。これにより、チャ
ネル誤差に対する耐性がさらに改善される。
【００５５】無声または無音のフレームから発声フレー
ムに変化する時に、ピッチ周期の急激な変化に迅速に追
従するという第２の課題を解決するために、２つのステ
ップを踏む。最初のステップは、無声または無音のフレ
ームのように固定のゼロでないバイアス値を使うことで
ある。伝統的にピッチ予測器の出力ピッチ周期は、発声
領域を除いて、常にゼロに設定される。これは直感的に
は自然であるが、このために、ピッチ周期の輪郭は非ゼ
ロ平均のシーケンスとなり、発声領域の始まりでピッチ
周期のフレームからフレームへの変化が不必要に大きく
なる。無声または無音のフレームのピッチ間隔のように
５０標本の固定バイアスを使うことによって、発声領域
の始まりのこのようなピッチ変化は、減少し、フレーム
間予測符号化構造にとって、急激なピッチ変化に迅速に
追従することを容易にする。
ムに変化する時に、ピッチ周期の急激な変化に迅速に追
従するという第２の課題を解決するために、２つのステ
ップを踏む。最初のステップは、無声または無音のフレ
ームのように固定のゼロでないバイアス値を使うことで
ある。伝統的にピッチ予測器の出力ピッチ周期は、発声
領域を除いて、常にゼロに設定される。これは直感的に
は自然であるが、このために、ピッチ周期の輪郭は非ゼ
ロ平均のシーケンスとなり、発声領域の始まりでピッチ
周期のフレームからフレームへの変化が不必要に大きく
なる。無声または無音のフレームのピッチ間隔のように
５０標本の固定バイアスを使うことによって、発声領域
の始まりのこのようなピッチ変化は、減少し、フレーム
間予測符号化構造にとって、急激なピッチ変化に迅速に
追従することを容易にする。
【００５６】ピッチ周期での急激な変化に追従する機能
を向上させるために取る第２のステップは、ピッチ周期
のフレーム間予測誤差のために４ビット量子化器におい
て大きな外側のレベルを使うことである。−２０，−
６，−５，−４，．．．，４，５，６，２０に位置する
１５の量子化器のレベルは、フレーム間差動符号化のた
めに使われ、無声および無音フレームの間の５０標本の
ピッチバイアスの絶対符号化のために、１６番目のレベ
ルが使われる。−２０から＋２０の大きな量子化器のレ
ベルは、発声領域の始まりにおける急激なピッチ変化に
迅速に追従することを可能にし、−６から＋６までのよ
り狭い間隔の内部量子化器のレベルは、従来の７ビット
・ピッチ量子化器と同じ精度で、続いて起こるゆっくり
としたピッチ変化に追従することを可能にする。１６番
目の「絶対」量子化器のレベルにより、現在のフレーム
は発声されたものではないことを符号器が復号器に伝え
ることが可能となり、また、従来の予測符号化構造にお
いては一般的である減衰し引きずっている尾を持たず
に、ピッチ周期の輪郭を５０標本のバイアス値に瞬時に
再設定できるようにする。
を向上させるために取る第２のステップは、ピッチ周期
のフレーム間予測誤差のために４ビット量子化器におい
て大きな外側のレベルを使うことである。−２０，−
６，−５，−４，．．．，４，５，６，２０に位置する
１５の量子化器のレベルは、フレーム間差動符号化のた
めに使われ、無声および無音フレームの間の５０標本の
ピッチバイアスの絶対符号化のために、１６番目のレベ
ルが使われる。−２０から＋２０の大きな量子化器のレ
ベルは、発声領域の始まりにおける急激なピッチ変化に
迅速に追従することを可能にし、−６から＋６までのよ
り狭い間隔の内部量子化器のレベルは、従来の７ビット
・ピッチ量子化器と同じ精度で、続いて起こるゆっくり
としたピッチ変化に追従することを可能にする。１６番
目の「絶対」量子化器のレベルにより、現在のフレーム
は発声されたものではないことを符号器が復号器に伝え
ることが可能となり、また、従来の予測符号化構造にお
いては一般的である減衰し引きずっている尾を持たず
に、ピッチ周期の輪郭を５０標本のバイアス値に瞬時に
再設定できるようにする。
【００５７】５０標本ピッチのバイアスの導入および大
きな外側の量子化器レベルの利用により、発声領域の初
めにおいてわずか２乃至３のフレーム（すなわち、約５
乃至１２ｍｓ）が、符号化ピッチ周期において、実際の
ピッチ間隔に追従するために、一般的に要求されること
が分かった。初期の２乃至３フレームの間、ピッチ予測
器はまだ十分な予測利得を得ることができないため、符
号化された音声には、より多くの符号化歪（平均２乗誤
差の意味において）が含まれる。しかしながら、人の耳
は信号変化の領域では符号化歪にあまり敏感ではないた
め、初期の処理から歪は、ほとんど、あるいは全く知覚
されない。
きな外側の量子化器レベルの利用により、発声領域の初
めにおいてわずか２乃至３のフレーム（すなわち、約５
乃至１２ｍｓ）が、符号化ピッチ周期において、実際の
ピッチ間隔に追従するために、一般的に要求されること
が分かった。初期の２乃至３フレームの間、ピッチ予測
器はまだ十分な予測利得を得ることができないため、符
号化された音声には、より多くの符号化歪（平均２乗誤
差の意味において）が含まれる。しかしながら、人の耳
は信号変化の領域では符号化歪にあまり敏感ではないた
め、初期の処理から歪は、ほとんど、あるいは全く知覚
されない。
【００５８】高い予測利得を達成するという第３の課題
を解決するために、本発明によるピッチ・パラメータ量
子化の方法および構造は、ピッチ周期の予測符号化にお
いて閉ループ量子化を行うように構成する。この構造は
以下のように作用する。まず、ピッチ検出器を用いて、
入力音声（開ループ方法）に基づく各フレームのピッチ
の推定値を得る。現在のフレームが無声または無音の場
合、ピッチ検出器は働かなくなり、閉ループでの量子化
は必要でなくなる（この場合、１６番目の量子化器レベ
ルが送られる）。現在のフレームが音声である場合、ピ
ッチ周期のフレーム間予測誤差が計算される。この予測
誤差が６標本より大きい場合、これは、フレーム間予測
符号化構造がピッチ周期の大きな変化に追い付こうとし
ていることを示す。この場合、閉ループ量子化は、大き
なピッチ変化に追い付こうとすることを妨害する可能性
があるので、行うべきではない。代わりに、１５レベル
の量子化器を使った直接開ループ量子化が使われる。一
方、ピッチ周期のフレーム間予測誤差が６標本より大き
くない場合、現在のフレームは、発声された音声区分の
安定状態の領域にあることが十分に考えられる。この場
合だけ、閉ループ量子化が達成される。ほとんどの音声
フレームは、この範疇に入るため、閉ループ量子化は、
ほとんどの音声フレームにおいて実際に使われる。
を解決するために、本発明によるピッチ・パラメータ量
子化の方法および構造は、ピッチ周期の予測符号化にお
いて閉ループ量子化を行うように構成する。この構造は
以下のように作用する。まず、ピッチ検出器を用いて、
入力音声（開ループ方法）に基づく各フレームのピッチ
の推定値を得る。現在のフレームが無声または無音の場
合、ピッチ検出器は働かなくなり、閉ループでの量子化
は必要でなくなる（この場合、１６番目の量子化器レベ
ルが送られる）。現在のフレームが音声である場合、ピ
ッチ周期のフレーム間予測誤差が計算される。この予測
誤差が６標本より大きい場合、これは、フレーム間予測
符号化構造がピッチ周期の大きな変化に追い付こうとし
ていることを示す。この場合、閉ループ量子化は、大き
なピッチ変化に追い付こうとすることを妨害する可能性
があるので、行うべきではない。代わりに、１５レベル
の量子化器を使った直接開ループ量子化が使われる。一
方、ピッチ周期のフレーム間予測誤差が６標本より大き
くない場合、現在のフレームは、発声された音声区分の
安定状態の領域にあることが十分に考えられる。この場
合だけ、閉ループ量子化が達成される。ほとんどの音声
フレームは、この範疇に入るため、閉ループ量子化は、
ほとんどの音声フレームにおいて実際に使われる。
【００５９】図３、４のＣＥＬＰ符号器および複合器に
おいて使用するために、本発明のピッチ予測器（それの
量子化構造も含む）の好ましい実施例の基本原理を紹介
したので、構造および方法の各構成要素をさらに詳細に
説明する。この目的のために、ピッチ周期および３ピッ
チ予測器タップの量子化構造のブロック／流れ図を図５
示す。
おいて使用するために、本発明のピッチ予測器（それの
量子化構造も含む）の好ましい実施例の基本原理を紹介
したので、構造および方法の各構成要素をさらに詳細に
説明する。この目的のために、ピッチ周期および３ピッ
チ予測器タップの量子化構造のブロック／流れ図を図５
示す。
【００６０】開ループピッチ周期の抽出 第１ステップでは、開ループ法で入力音声からピッチ周
期を抽出する。これには、図５の要素５１０内で、１０
次ＬＰＣ逆フィルタ処理を行い、ＬＰＣ予測残差信号を
求める。１０次ＬＰＣ逆フィルタの係数は、各フレーム
について、量子化されていない入力音声にＬＰＣ分析を
行う毎に更新される。（この同じＬＰＣ分析は、図３に
示す知覚重みづけフィルタ（知覚荷重フィルタ）の係数
更新にも使われる。） 得られたＬＰＣ予測残差信号
は、要素５１５内でピッチ周期を抽出する基となる。
期を抽出する。これには、図５の要素５１０内で、１０
次ＬＰＣ逆フィルタ処理を行い、ＬＰＣ予測残差信号を
求める。１０次ＬＰＣ逆フィルタの係数は、各フレーム
について、量子化されていない入力音声にＬＰＣ分析を
行う毎に更新される。（この同じＬＰＣ分析は、図３に
示す知覚重みづけフィルタ（知覚荷重フィルタ）の係数
更新にも使われる。） 得られたＬＰＣ予測残差信号
は、要素５１５内でピッチ周期を抽出する基となる。
【００６１】ピッチ抽出アルゴリズムの設計には、以下
の２つの課題がある。 （１）計算の繁雑さが、全８ｋbps ＬＤ−ＣＥＬＰ符
号器の単一ＤＳＰ実時間実施が可能な程度以下であるこ
と。 （２）出力ピッチの輪郭が、滑らかであること（すなわ
ち、倍数ピッチ周期は許されない）、そしてピッチ平滑
動作のために、余分な遅延は許されない。 （１）の理由は明かである。（２）の理由は、フレーム
間のピッチ周期の予測符号化は、ピッチ輪郭が音声の発
声領域において滑らかに展開してはじめて有効なためで
ある。
の２つの課題がある。 （１）計算の繁雑さが、全８ｋbps ＬＤ−ＣＥＬＰ符
号器の単一ＤＳＰ実時間実施が可能な程度以下であるこ
と。 （２）出力ピッチの輪郭が、滑らかであること（すなわ
ち、倍数ピッチ周期は許されない）、そしてピッチ平滑
動作のために、余分な遅延は許されない。 （１）の理由は明かである。（２）の理由は、フレーム
間のピッチ周期の予測符号化は、ピッチ輪郭が音声の発
声領域において滑らかに展開してはじめて有効なためで
ある。
【００６２】ピッチ抽出アルゴリズムは、上記のラビナ
（Rabiner）およびシェイファ（Schafer）の参考文献に
記述されている相関ピーク採取処理に基づいている。こ
のようなピーク採取は、ＤＳＰの実施に特によく適合す
る。しかしピッチ周期検索用の直接的相関ピーク採取ア
ルゴリズムと比較し、性能の犠牲無しでの実施効率は、
４：１削減と標準相関ピーク採取の組合せによって達成
され得る。
（Rabiner）およびシェイファ（Schafer）の参考文献に
記述されている相関ピーク採取処理に基づいている。こ
のようなピーク採取は、ＤＳＰの実施に特によく適合す
る。しかしピッチ周期検索用の直接的相関ピーク採取ア
ルゴリズムと比較し、性能の犠牲無しでの実施効率は、
４：１削減と標準相関ピーク採取の組合せによって達成
され得る。
【００６３】ピッチ周期の効率的な検索は、以下の方法
で行われる。開ループＬＰＣ予測残差標本は、まず３次
楕円フィルタにより、１ｋＨｚで低域フィルタされ、つ
いで４：１削減される。そして、得られた削減信号を使
い、５〜３５の時間的遅れ（２０〜１４０ピッチ周期に
対応）を伴った相関値が計算され、最大の相関を与える
遅れτが求められる。この時間遅延τは４：１削減信号
領域における遅延であるので、これに対応し、もとの非
削減信号領域で最大相関を与える時間遅延は、４τ−３
と４τ＋３の間にある。
で行われる。開ループＬＰＣ予測残差標本は、まず３次
楕円フィルタにより、１ｋＨｚで低域フィルタされ、つ
いで４：１削減される。そして、得られた削減信号を使
い、５〜３５の時間的遅れ（２０〜１４０ピッチ周期に
対応）を伴った相関値が計算され、最大の相関を与える
遅れτが求められる。この時間遅延τは４：１削減信号
領域における遅延であるので、これに対応し、もとの非
削減信号領域で最大相関を与える時間遅延は、４τ−３
と４τ＋３の間にある。
【００６４】もとの時間分解能を得るために、非削減Ｌ
ＰＣ予測残差標本を使って、４τ−３と４τ＋３の間の
遅れに対する相関値が計算される。ピーク相関を与える
遅れは、第１のピッチ周期候補であり、ｐ0と示す。こ
のピッチ周期候補は、真のピッチ周期の倍数となること
ががある。例えば真のピッチ周期が３０標本の場合、上
記ピッチ周期候補は、３０、６０、９０、ときには１２
０標本になることがある。これは 相関ピーク採取法の
みならず、多くの他のピッチ検出アルゴリズムに共通し
た問題である。この問題の共通の解決法は、２〜３の後
続フレームのピッチ計算値を見て、現フレームの最終的
なピッチ計算の前に、平滑化を行うことである。しかし
この方法では、現フレームの最終ピッチ周期を決定する
前に、多数のフレームが緩衝されるため、必然的に総シ
ステム遅延を増大させることとなる。遅延の増大は、符
号化の遅延を小さくしようとする目的と相反することに
なる。それゆえ、遅延を増大させずに倍数ピッチ周期を
除去する方法が考案された。
ＰＣ予測残差標本を使って、４τ−３と４τ＋３の間の
遅れに対する相関値が計算される。ピーク相関を与える
遅れは、第１のピッチ周期候補であり、ｐ0と示す。こ
のピッチ周期候補は、真のピッチ周期の倍数となること
ががある。例えば真のピッチ周期が３０標本の場合、上
記ピッチ周期候補は、３０、６０、９０、ときには１２
０標本になることがある。これは 相関ピーク採取法の
みならず、多くの他のピッチ検出アルゴリズムに共通し
た問題である。この問題の共通の解決法は、２〜３の後
続フレームのピッチ計算値を見て、現フレームの最終的
なピッチ計算の前に、平滑化を行うことである。しかし
この方法では、現フレームの最終ピッチ周期を決定する
前に、多数のフレームが緩衝されるため、必然的に総シ
ステム遅延を増大させることとなる。遅延の増大は、符
号化の遅延を小さくしようとする目的と相反することに
なる。それゆえ、遅延を増大させずに倍数ピッチ周期を
除去する方法が考案された。
【００６５】この方法は、ピッチ周期の計算が２０〜３
２音声標本毎にきわめて頻繁に行われることを利用して
行う。ピッチ周期は通常２０〜１４０標本となるので、
頻繁なピッチ計算は、各音声噴出の先頭で、倍数ピッチ
周期が上記の相関ピーク採取過程で出現するより前に、
最初に基本のピッチ周期が得られることを意味する。初
期時間以降には、相関ピークが先行フレームのピッチ周
期の近傍にあるかどうかをチェックすることで基本のピ
ッチ周期を固定化できる。
２音声標本毎にきわめて頻繁に行われることを利用して
行う。ピッチ周期は通常２０〜１４０標本となるので、
頻繁なピッチ計算は、各音声噴出の先頭で、倍数ピッチ
周期が上記の相関ピーク採取過程で出現するより前に、
最初に基本のピッチ周期が得られることを意味する。初
期時間以降には、相関ピークが先行フレームのピッチ周
期の近傍にあるかどうかをチェックすることで基本のピ
ッチ周期を固定化できる。
【００６６】ｐ■を先行フレームのピッチ周期とする。
上で得られた最初のピッチ周期候補ｐ0が、ｐ■の近傍
にないならば、時間遅延ｉ＝ｐ■−６，ｐ■−
５，．．．，ｐ■＋５，ｐ■＋６のための非削減領域内
の相関値が、評価される。１３の可能な時間遅延の中
で、最大の相関値を与える時間遅延が、第２のピッチ周
期候補であり、ｐ1と示す。
上で得られた最初のピッチ周期候補ｐ0が、ｐ■の近傍
にないならば、時間遅延ｉ＝ｐ■−６，ｐ■−
５，．．．，ｐ■＋５，ｐ■＋６のための非削減領域内
の相関値が、評価される。１３の可能な時間遅延の中
で、最大の相関値を与える時間遅延が、第２のピッチ周
期候補であり、ｐ1と示す。
【００６７】つぎに２つのピッチ周期候補（ｐ0、ｐ1）
のいずれか１つを最終のピッチ周期計算用に採用し、
ｐ"と示す。これをするために、群遅延のｐ0標本をもつ
単一タップ・ピッチ予測の最適タップ重みが決定され
る。ついでタップ重みは０〜１にクリップされる。第２
のピッチ周期候補ｐ1にもこの操作が行われる。もしｐ1
に対するタップ重みがｐ0に対するタップ重みの０．４
倍より大きいならば、第２の候補ｐ1が最終のピッチ計
算に使われる。それ以外では、第１の候補ｐ0が最終の
ピッチ計算に使われる。このようなアルゴリズムは遅延
を増大させることがない。図５の要素５１５によって受
け持たれるここに述べたアルゴリズムは単純であるが、
音声の発声領域における倍数ピッチ周期の除去に、きわ
めてよく作用する。
のいずれか１つを最終のピッチ周期計算用に採用し、
ｐ"と示す。これをするために、群遅延のｐ0標本をもつ
単一タップ・ピッチ予測の最適タップ重みが決定され
る。ついでタップ重みは０〜１にクリップされる。第２
のピッチ周期候補ｐ1にもこの操作が行われる。もしｐ1
に対するタップ重みがｐ0に対するタップ重みの０．４
倍より大きいならば、第２の候補ｐ1が最終のピッチ計
算に使われる。それ以外では、第１の候補ｐ0が最終の
ピッチ計算に使われる。このようなアルゴリズムは遅延
を増大させることがない。図５の要素５１５によって受
け持たれるここに述べたアルゴリズムは単純であるが、
音声の発声領域における倍数ピッチ周期の除去に、きわ
めてよく作用する。
【００６８】上記の図５の要素５１５内で得られた開ル
ープ計算ピッチ周期は、図５の４ビット・ピッチ周期量
子化器５２０に渡される。加えて、群遅延のｐ0標本を
もつ単一タップ・ピッチ予測のタップ重みが、波形の周
期性を示すものとして図５の発声フレーム検出器５０５
に要素５１５によって供給される。
ープ計算ピッチ周期は、図５の４ビット・ピッチ周期量
子化器５２０に渡される。加えて、群遅延のｐ0標本を
もつ単一タップ・ピッチ予測のタップ重みが、波形の周
期性を示すものとして図５の発声フレーム検出器５０５
に要素５１５によって供給される。
【００６９】発声フレーム検出器 図５の発声フレーム検出器５０５の目的は、（母音領域
に対応する）発声されたフレームの存在を検出すること
である。こうすることで、それら発声フレームに対し、
ピッチ予測をＯＮにし、（無声（unvoiced）、無音、お
よび過渡期のフレームを含む）それ以外のすべての非発
声（non-voiced）フレームに対しそれをＯＦＦにするこ
とができる。ここで使われた述語「非発声フレーム（no
n-voicedframe）」は、発声フレームとして分類されな
いすべてのフレームを意味する。これは通常、摩擦音に
対応する「無声フレーム（unvoiced frame）」とはいく
ぶん異なっている。上記のラビナ（Rabiner）およびシ
ェイファ（Schafer）の参考文献を見られたい。動機は
１音節内へのチャネル・エラー効果の広がりを制限し、
完成度を高めることである。
に対応する）発声されたフレームの存在を検出すること
である。こうすることで、それら発声フレームに対し、
ピッチ予測をＯＮにし、（無声（unvoiced）、無音、お
よび過渡期のフレームを含む）それ以外のすべての非発
声（non-voiced）フレームに対しそれをＯＦＦにするこ
とができる。ここで使われた述語「非発声フレーム（no
n-voicedframe）」は、発声フレームとして分類されな
いすべてのフレームを意味する。これは通常、摩擦音に
対応する「無声フレーム（unvoiced frame）」とはいく
ぶん異なっている。上記のラビナ（Rabiner）およびシ
ェイファ（Schafer）の参考文献を見られたい。動機は
１音節内へのチャネル・エラー効果の広がりを制限し、
完成度を高めることである。
【００７０】非発声ないし無音フレームの間、ピッチ予
測をＯＦＦにしてもなんらの顕著な性能低下をもたらさ
ないことに注目されたい。というのも、通常これらのフ
レームのピッチ予測ゲインは、どのみち０に近いからで
ある。さらに、ときたま非発声や無音フレームを発声フ
レームとして誤分類しても、無害であることにも注目さ
れたい。というのは、ピッチ予測がすべてのフレームで
使用された時にも、ＣＥＬＰ符号器は良好に作動するか
らである。一方、恒常の有声セグメントの中途で、発声
フレームを非発声として誤分類すると、音声品質を有意
に低下させることになる。それゆえ、われわれの発声フ
レーム検出器は、この種の誤分類を回避するよう、特別
に設計されている。
測をＯＦＦにしてもなんらの顕著な性能低下をもたらさ
ないことに注目されたい。というのも、通常これらのフ
レームのピッチ予測ゲインは、どのみち０に近いからで
ある。さらに、ときたま非発声や無音フレームを発声フ
レームとして誤分類しても、無害であることにも注目さ
れたい。というのは、ピッチ予測がすべてのフレームで
使用された時にも、ＣＥＬＰ符号器は良好に作動するか
らである。一方、恒常の有声セグメントの中途で、発声
フレームを非発声として誤分類すると、音声品質を有意
に低下させることになる。それゆえ、われわれの発声フ
レーム検出器は、この種の誤分類を回避するよう、特別
に設計されている。
【００７１】発声フレームの検出においては、適応強度
しきい、（ピッチ抽出アルゴリズムによって生成され
た）単一タップ・ピッチ予測のタップ重み、規準化され
た１次自己相関係数、およびゼロ・クロッシング・レー
トが（優先順位に従って）利用される。もし各フレーム
が分離して調査され、そのフレームに基づき単独に即座
の有声決定がなされるならば、発声領域に中途でときた
ま、離れてて現れる非発声フレームをなくするのは、一
般的にはきわめて困難である。そのようなフレームでピ
ッチ予測をＯＦＦにすると、有意な品質低下を引き起こ
す。
しきい、（ピッチ抽出アルゴリズムによって生成され
た）単一タップ・ピッチ予測のタップ重み、規準化され
た１次自己相関係数、およびゼロ・クロッシング・レー
トが（優先順位に従って）利用される。もし各フレーム
が分離して調査され、そのフレームに基づき単独に即座
の有声決定がなされるならば、発声領域に中途でときた
ま、離れてて現れる非発声フレームをなくするのは、一
般的にはきわめて困難である。そのようなフレームでピ
ッチ予測をＯＦＦにすると、有意な品質低下を引き起こ
す。
【００７２】この種の誤分類を回避するために、ディジ
タル音声内挿システム（ＤＳＩ）でよく使われているい
わゆる「ハング・オーバ」法が現況での使用のために採
用された。ハング・オーバ法は、上で与えた４つの決定
パラメータに基づく、予備的な有声／非発声分類を考慮
した後処理技術と考えることができる。ハング・オーバ
を使うと、後続の４つ以上のフレームが予備的に非発声
と分類された場合に限り、検出器は公式に非発声フレー
ムと宣告する。この方法は、発声領域の中途における離
れた非発声フレームを除去するのに有効である。このよ
うな遅延した宣告は、非発声フレームに対してのみ適用
される。（宣告は遅延するが、符号器がさらなる緩衝遅
延をこうむることはない。）フレームが予備的に有声と
分類されると、そのフレームは即座に、公式に有声と宣
告され、ハング・オーバ・フレーム・カウンタは０にリ
セットされる。
タル音声内挿システム（ＤＳＩ）でよく使われているい
わゆる「ハング・オーバ」法が現況での使用のために採
用された。ハング・オーバ法は、上で与えた４つの決定
パラメータに基づく、予備的な有声／非発声分類を考慮
した後処理技術と考えることができる。ハング・オーバ
を使うと、後続の４つ以上のフレームが予備的に非発声
と分類された場合に限り、検出器は公式に非発声フレー
ムと宣告する。この方法は、発声領域の中途における離
れた非発声フレームを除去するのに有効である。このよ
うな遅延した宣告は、非発声フレームに対してのみ適用
される。（宣告は遅延するが、符号器がさらなる緩衝遅
延をこうむることはない。）フレームが予備的に有声と
分類されると、そのフレームは即座に、公式に有声と宣
告され、ハング・オーバ・フレーム・カウンタは０にリ
セットされる。
【００７３】予備的分類は以下の通り作用する。適応強
度しきい関数は、標本ごとに指数関数的に、例えば０．
９９９８の減衰係数で減衰する。入力音声標本の大きさ
がしきいより大きいと、しきいはその値にセット（ある
いは更新（refreshed））され、その値から減衰を続け
る。標本ごとに現フレーム上で平均化されたしきい関数
は、比較の対象として使用される。現フレーム内の入力
音声標本のピークの大きさが平均しきいの５０％より大
きいと、即座に現フレームを有声と宣告する。入力音声
標本のピークの大きさが平均しきいの２％より小さい
と、現フレームを予備的に非発声と分類し、ハング・オ
ーバ後処理に委ねる。ピークの大きさが平均しきいの２
％と５０％の間にあるならば、灰色領域にあるとみな
し、現フレームを分類するために、次の３つの試験が行
われる。
度しきい関数は、標本ごとに指数関数的に、例えば０．
９９９８の減衰係数で減衰する。入力音声標本の大きさ
がしきいより大きいと、しきいはその値にセット（ある
いは更新（refreshed））され、その値から減衰を続け
る。標本ごとに現フレーム上で平均化されたしきい関数
は、比較の対象として使用される。現フレーム内の入力
音声標本のピークの大きさが平均しきいの５０％より大
きいと、即座に現フレームを有声と宣告する。入力音声
標本のピークの大きさが平均しきいの２％より小さい
と、現フレームを予備的に非発声と分類し、ハング・オ
ーバ後処理に委ねる。ピークの大きさが平均しきいの２
％と５０％の間にあるならば、灰色領域にあるとみな
し、現フレームを分類するために、次の３つの試験が行
われる。
【００７４】まず、現フレームの最適単一タップ・ピッ
チ予測のタップ重みが、０．５より大きいならば、現フ
レームは有声と宣告する。タップ重みが、０．５より大
きくないならば、入力音声の規準化された自己相関係数
が、０．４より大きいかどうかを調べる。大きいなら
ば、現フレームを有声と宣告する。大きくないなら、さ
らにゼロ・クロッシング・レートが０．４より大きいか
どうかを調べる。大きいなら、現フレームを有声と宣告
する。３つの試験のいずれにも該当しないならば、一時
的に現フレームを非発声と分類し、ハング・オーバ後処
理工程を通す。
チ予測のタップ重みが、０．５より大きいならば、現フ
レームは有声と宣告する。タップ重みが、０．５より大
きくないならば、入力音声の規準化された自己相関係数
が、０．４より大きいかどうかを調べる。大きいなら
ば、現フレームを有声と宣告する。大きくないなら、さ
らにゼロ・クロッシング・レートが０．４より大きいか
どうかを調べる。大きいなら、現フレームを有声と宣告
する。３つの試験のいずれにも該当しないならば、一時
的に現フレームを非発声と分類し、ハング・オーバ後処
理工程を通す。
【００７５】この単純な発声フレーム検出器はきわめて
よく作動する。実用上、他の８ｋbps ＬＤ−ＣＥＬＰ
符号器に比べ、工程が複雑そうに見えるが、この発声フ
レーム検出器は、実施に無視できるくらいのＤＳＰ実時
間を要するにすぎない。
よく作動する。実用上、他の８ｋbps ＬＤ−ＣＥＬＰ
符号器に比べ、工程が複雑そうに見えるが、この発声フ
レーム検出器は、実施に無視できるくらいのＤＳＰ実時
間を要するにすぎない。
【００７６】図５において、現フレームが有声と宣告さ
れると、全ての機能ブロックが正常に作動する。一方、
発声フレーム検出器が非発声フレームと宣告すると、次
の特別な動作が起こる。まず、４ビット・ピッチ周期量
子化器（すなわち５０標本ピッチ・バイアスの絶対符号
化）の１６番量子化レベル量子化出力として選択され
る。つぎに、３ピッチ・タップのＶＱコードブックから
特別の全ゼロ・コードベクタが選択される。すなわち、
すべての３ピッチ予測タップがゼロにセットされる。
（こういった特別な制御は、図３の点線で示してあ
る。）第３に、図５の下半分の帰還ループ内のメモリ
（遅延ユニット）が、５０標本の固定ピッチ・バイアス
の値にリセットされる。第４に、ピッチ予測メモリがゼ
ロにリセットされる。加えて、現フレームが発声フレー
ムの後の最初の非発声フレーム（例えば発声領域の後縁
など）ならば、チャネル・エラーを反映する音声符号化
内部状態は、都合よくその固有の初期値にリセットされ
る。全てのこれらの処置は、チャネル・エラーが、ひと
つの発声領域から他に広がるのを制限するためにとられ
る。じっさいそれらは符号器の粗さを改良し、チャネル
・エラーを防ぐのに役立っている。
れると、全ての機能ブロックが正常に作動する。一方、
発声フレーム検出器が非発声フレームと宣告すると、次
の特別な動作が起こる。まず、４ビット・ピッチ周期量
子化器（すなわち５０標本ピッチ・バイアスの絶対符号
化）の１６番量子化レベル量子化出力として選択され
る。つぎに、３ピッチ・タップのＶＱコードブックから
特別の全ゼロ・コードベクタが選択される。すなわち、
すべての３ピッチ予測タップがゼロにセットされる。
（こういった特別な制御は、図３の点線で示してあ
る。）第３に、図５の下半分の帰還ループ内のメモリ
（遅延ユニット）が、５０標本の固定ピッチ・バイアス
の値にリセットされる。第４に、ピッチ予測メモリがゼ
ロにリセットされる。加えて、現フレームが発声フレー
ムの後の最初の非発声フレーム（例えば発声領域の後縁
など）ならば、チャネル・エラーを反映する音声符号化
内部状態は、都合よくその固有の初期値にリセットされ
る。全てのこれらの処置は、チャネル・エラーが、ひと
つの発声領域から他に広がるのを制限するためにとられ
る。じっさいそれらは符号器の粗さを改良し、チャネル
・エラーを防ぐのに役立っている。
【００７７】ピッチ周期のフレーム間予測量子化 ピッチ周期用のフレーム間予測量子化アルゴリズムまた
は方式は４ビット・ピッチ周期量子化器５２０と図５の
下半分の予測帰還ループを含む。帰還ループの下側は１
入力を比較器５６０に供給する（他の入力は、５０標本
に対応したピッチ・バイアスを供給するバイアス源５５
５から入る）遅延要素５６５と入力をコンパレータ５５
０から受けとり、その出力を加算器５４５に供給する、
標準利得０．９６のアンプを含む。加算器、５４５への
他の入力も、バイアス源５５５から入る。加算器、５４
５の出力は丸め要素、５２５に供給され、また加算器、
５７０に戻される。加算器、５７０では外部帰還ループ
の比較器５７５からの信号と合算され、遅延要素５６５
の入力となる。図に示したように、丸め要素、５２５は
また、４ビット・ピッチ周期量子化器への入力を供給す
る。これら要素の動作を以下に示す。
は方式は４ビット・ピッチ周期量子化器５２０と図５の
下半分の予測帰還ループを含む。帰還ループの下側は１
入力を比較器５６０に供給する（他の入力は、５０標本
に対応したピッチ・バイアスを供給するバイアス源５５
５から入る）遅延要素５６５と入力をコンパレータ５５
０から受けとり、その出力を加算器５４５に供給する、
標準利得０．９６のアンプを含む。加算器、５４５への
他の入力も、バイアス源５５５から入る。加算器、５４
５の出力は丸め要素、５２５に供給され、また加算器、
５７０に戻される。加算器、５７０では外部帰還ループ
の比較器５７５からの信号と合算され、遅延要素５６５
の入力となる。図に示したように、丸め要素、５２５は
また、４ビット・ピッチ周期量子化器への入力を供給す
る。これら要素の動作を以下に示す。
【００７８】４ビット・ピッチ周期量子化器、５２０
は、まず開ループピッチ周期抽出器、５１５によって生
成されたピッチ周期ｐから、丸められた予測ピッチ周期
ｒを減じる。差ｄ＝ｐ−ｒが、６より大、または−６よ
り小ならば、量子化器の４つの出力レベル、−２０、−
６、＋６、＋２０の中の差ｄに最も近い一つに直接量子
化される。このケースでは、上に述べたようにフレーム
間の予測ピッチ量子化器ピッチ周期の大きな変化に追従
しようとする。ピッチ周期の閉ループ最適化は行っては
ならす、さもないと量子化器の変化への追従を妨害する
ことになろう。この状況下では、４ビット・ピッチ周期
量子化器の出力ポートにおけるスイッチは、上側位置、
５２１に接続されている。差ｄの量子化値をｑとする
と、量子化ピッチ周期は、ｐ＝ｒ＋ｑとなる。この量子
化ピッチ周期ｐは、３ピッチ予測タップの閉ループベク
トル量子化において使われる。
は、まず開ループピッチ周期抽出器、５１５によって生
成されたピッチ周期ｐから、丸められた予測ピッチ周期
ｒを減じる。差ｄ＝ｐ−ｒが、６より大、または−６よ
り小ならば、量子化器の４つの出力レベル、−２０、−
６、＋６、＋２０の中の差ｄに最も近い一つに直接量子
化される。このケースでは、上に述べたようにフレーム
間の予測ピッチ量子化器ピッチ周期の大きな変化に追従
しようとする。ピッチ周期の閉ループ最適化は行っては
ならす、さもないと量子化器の変化への追従を妨害する
ことになろう。この状況下では、４ビット・ピッチ周期
量子化器の出力ポートにおけるスイッチは、上側位置、
５２１に接続されている。差ｄの量子化値をｑとする
と、量子化ピッチ周期は、ｐ＝ｒ＋ｑとなる。この量子
化ピッチ周期ｐは、３ピッチ予測タップの閉ループベク
トル量子化において使われる。
【００７９】一方、ｄが−６〜＋６間にあれば、４ビッ
ト・ピッチ周期量子化器の出力ポートにおけるスイッチ
は、下側位置、５２２に接続され、開ループ抽出ピッチ
周期ｐは、さらなる閉ループ最適化を受けることにな
る。「閉ループ結合ピッチ周期とタップの最適化」と名
付けた図５のブロック５３０の動作を以下に示す。この
ブロックの２つの出力の内のどちらかが、閉ループ最適
化の後、最終的な量子化ピッチ周期ｐになる。
ト・ピッチ周期量子化器の出力ポートにおけるスイッチ
は、下側位置、５２２に接続され、開ループ抽出ピッチ
周期ｐは、さらなる閉ループ最適化を受けることにな
る。「閉ループ結合ピッチ周期とタップの最適化」と名
付けた図５のブロック５３０の動作を以下に示す。この
ブロックの２つの出力の内のどちらかが、閉ループ最適
化の後、最終的な量子化ピッチ周期ｐになる。
【００８０】図５のフレーム間のピッチ周期予測用に使
われる帰還ループについて以下に示す。ちょっと見る
と、構造が普通の予測符号器の構造とかなり違って見え
る。この差には２つの理由がある。（１）５０標本ピッ
チ・バイアスが適用され、（２）予測信号がどんな値で
も取れる他の大多数の予測符号化方式と異なり、このピ
ッチ周期は、システムの他の箇所で使われる前に、最も
近い整数値に丸められねばならない。
われる帰還ループについて以下に示す。ちょっと見る
と、構造が普通の予測符号器の構造とかなり違って見え
る。この差には２つの理由がある。（１）５０標本ピッ
チ・バイアスが適用され、（２）予測信号がどんな値で
も取れる他の大多数の予測符号化方式と異なり、このピ
ッチ周期は、システムの他の箇所で使われる前に、最も
近い整数値に丸められねばならない。
【００８１】図５について更に説明する。量子化ピッチ
周期は、ｐ＝ｒ＋ｑと表現できる。ここに、フレーム間
のピッチ周期予測エラー（例えば上記と異なった値）の
量子化値は図５に示すように、ｑ＝ｐ−ｒ として得ら
れる。ｑを、ｐ（予測ピッチ周期の浮動小数点値）に加
えた後、加算器、５７０において、復元されたピッチ周
期の浮動小数点値が得られる。Ｚ-1と名付けた遅延ユニ
ット、５６５は、要素５５５によって供給される５０標
本の固定ピッチ・バイアスを引き、先行フレームの浮動
小数点復元ピッチ周期を求めるのにに有効である。得ら
れる差は係数、０．９４によって減じられ、その結果に
５０標本のピッチ・バイアスが加えられ、浮動小数点予
測ピッチ周期、ｐが得られる。このｐは、要素５２５中
で最も近い整数に丸められ、丸められた予測ピッチ周期
ｒとなり、これで帰還ループが完結する。
周期は、ｐ＝ｒ＋ｑと表現できる。ここに、フレーム間
のピッチ周期予測エラー（例えば上記と異なった値）の
量子化値は図５に示すように、ｑ＝ｐ−ｒ として得ら
れる。ｑを、ｐ（予測ピッチ周期の浮動小数点値）に加
えた後、加算器、５７０において、復元されたピッチ周
期の浮動小数点値が得られる。Ｚ-1と名付けた遅延ユニ
ット、５６５は、要素５５５によって供給される５０標
本の固定ピッチ・バイアスを引き、先行フレームの浮動
小数点復元ピッチ周期を求めるのにに有効である。得ら
れる差は係数、０．９４によって減じられ、その結果に
５０標本のピッチ・バイアスが加えられ、浮動小数点予
測ピッチ周期、ｐが得られる。このｐは、要素５２５中
で最も近い整数に丸められ、丸められた予測ピッチ周期
ｒとなり、これで帰還ループが完結する。
【００８２】５０標本ピッチ・バイアスの減算、加算が
省かれると、図５の下側帰還ループは、従来の予測符号
器の帰還ループに還元することに注目されたい。リーケ
ージ係数の目的は、復号ピッチ周期のチャネル・エラー
効果を時間とともに減衰させることである。小さなレー
ケージ係数は、チャネル・エラー効果の減衰を速める
が、予測ピッチ周期の、先行フレームのピッチ周期との
ずれを大きくする。この点と５０標本の必要性を以下に
例示する。
省かれると、図５の下側帰還ループは、従来の予測符号
器の帰還ループに還元することに注目されたい。リーケ
ージ係数の目的は、復号ピッチ周期のチャネル・エラー
効果を時間とともに減衰させることである。小さなレー
ケージ係数は、チャネル・エラー効果の減衰を速める
が、予測ピッチ周期の、先行フレームのピッチ周期との
ずれを大きくする。この点と５０標本の必要性を以下に
例示する。
【００８３】太い男性の声で、先行フレーム１００標
本、現フレーム１０１標本、ピッチ周期が＋１標本／フ
レームの割合で徐々に増加していると想定する。もし５
０標本ピッチ・バイアスをかけないと、（丸めた）予測
ピッチ周期は、ｒ＝ｐ＝１００×０．９４＝９４、フレ
ーム間のピッチ周期予測エラーは、ｄ＝ｐ−ｒ＝１０１
−９４＝７、となる。ｄは６を超えているので、ｑ＝
６、に量子化され、量子化ピッチ周期は、ｐ＝９４＋６
＝１００、となり希望値、１０１とは異なっている。実
際の入力音声のピッチ周期が１１４標本に達し、４ビッ
ト量子化器の出力レベルが＋６に替わって＋２０になる
まで、１００標本の量子化ピッチ周期を発生し続けると
いったように、ピッチ量子化方式が入力音声の遅いピッ
チ増加にも追従できないのは、何が悪いためか。
本、現フレーム１０１標本、ピッチ周期が＋１標本／フ
レームの割合で徐々に増加していると想定する。もし５
０標本ピッチ・バイアスをかけないと、（丸めた）予測
ピッチ周期は、ｒ＝ｐ＝１００×０．９４＝９４、フレ
ーム間のピッチ周期予測エラーは、ｄ＝ｐ−ｒ＝１０１
−９４＝７、となる。ｄは６を超えているので、ｑ＝
６、に量子化され、量子化ピッチ周期は、ｐ＝９４＋６
＝１００、となり希望値、１０１とは異なっている。実
際の入力音声のピッチ周期が１１４標本に達し、４ビッ
ト量子化器の出力レベルが＋６に替わって＋２０になる
まで、１００標本の量子化ピッチ周期を発生し続けると
いったように、ピッチ量子化方式が入力音声の遅いピッ
チ増加にも追従できないのは、何が悪いためか。
【００８４】今度は、５０標本ピッチ・バイアスを使っ
た例を考える。（丸めた）予測ピッチ周期は、ｒ＝ｐ＝
５０＋（１００−５０）×０．９４＝９７、フレーム間
のピッチ周期予測エラ−は、ｄ＝１０１−９７＝４、と
なり。これは量子化範囲内であり、予測量子化方式が入
力音声の増加に追従できる。
た例を考える。（丸めた）予測ピッチ周期は、ｒ＝ｐ＝
５０＋（１００−５０）×０．９４＝９７、フレーム間
のピッチ周期予測エラ−は、ｄ＝１０１−９７＝４、と
なり。これは量子化範囲内であり、予測量子化方式が入
力音声の増加に追従できる。
【００８５】この例から固定ピッチ・バイアスが望まし
いのは、明瞭である。リーケージ係数があまり小さい
と、ピッチ周期量子化方式は、入力ピッチ周期の変化を
追跡できないこともまた明瞭である。
いのは、明瞭である。リーケージ係数があまり小さい
と、ピッチ周期量子化方式は、入力ピッチ周期の変化を
追跡できないこともまた明瞭である。
【００８６】ピッチ・バイアスのもう一つの利点は、ピ
ッチ周期量子化方式が発声領域の先頭のピッチ周期の急
激な変化により速やかに追従することを可能にすること
である。例えば、発声領域の先頭でピッチ周期が９０標
本とし、ピッチ・バイアスなし（すなわちピッチ０から
開始）では、追従するのに６フレームを要するのに対
し、５０標本ピッチ・バイアスでは追従するのは２フレ
ームにすぎない。（量子化レベル＋２０が、２回選択さ
れることによる）
ッチ周期量子化方式が発声領域の先頭のピッチ周期の急
激な変化により速やかに追従することを可能にすること
である。例えば、発声領域の先頭でピッチ周期が９０標
本とし、ピッチ・バイアスなし（すなわちピッチ０から
開始）では、追従するのに６フレームを要するのに対
し、５０標本ピッチ・バイアスでは追従するのは２フレ
ームにすぎない。（量子化レベル＋２０が、２回選択さ
れることによる）
【００８７】ピッチ予測器のタップの閉ループ量子化 ４ビット・ピッチ周期量子化器５２０が、「キャッチ・
アップ・モード」の場合、外側の量子化レベルの中の１
つが選択され、その出力にあるスイッチは、上の位置に
接続される。この場合、ピッチ周期の調整はこれ以上行
われず、量子化されたピッチ周期ｐが、３ピッチ予測器
のタップの閉ループＶＱ（ベクトル量子化）において直
接使用される。ピッチ予測器タップ・ベクトル量子化器
では、３ピッチ予測器タップを量子化し、さらに３２ま
たは６４の所属を有するＶＱコードブックを用いてそれ
ぞれ５または６ビットに符号化する。
アップ・モード」の場合、外側の量子化レベルの中の１
つが選択され、その出力にあるスイッチは、上の位置に
接続される。この場合、ピッチ周期の調整はこれ以上行
われず、量子化されたピッチ周期ｐが、３ピッチ予測器
のタップの閉ループＶＱ（ベクトル量子化）において直
接使用される。ピッチ予測器タップ・ベクトル量子化器
では、３ピッチ予測器タップを量子化し、さらに３２ま
たは６４の所属を有するＶＱコードブックを用いてそれ
ぞれ５または６ビットに符号化する。
【００８８】そのようなベクトル量子化を行う表面的に
自然な方法は、３次線形方程式を解いたうえで、歪測度
として３つのタップの平均２乗誤差（ＭＳＥ）を用いて
３つのタップを直接ベクトル量子化することにより、３
つのタップの荷重の最適集合を最初に計算する。しか
し、最終的な目的は、３つのタップのＭＳＥ自体を最小
にすることではなく、知覚的に加重された符号化雑音を
最小にすることであるから、知覚的に加重された符号化
雑音を直に最小化しようとするいわゆる閉ループ量子化
を行うことがより良い方法である。ピッチ予測器の量子
化および励起信号の量子化は、一括して２段階の連続し
た近似過程として考えることができるので、加重された
ピッチ予測残差のエネルギーを最小にすることにより、
低遅延ＣＥＬＰ符号化過程全体の総体的歪測度が直に最
小化される。直接的な係数のＭＳＥ基準と比較して、こ
の閉ループ量子化は、より良いピッチ予測利得を与える
のみならず、総体的な低遅延ＣＥＬＰ符号化歪も減少さ
せる。しかし、この加重された残差エネルギー基準によ
るコードブックの探査には、高速の探査方法を用いない
限り、計算上さらに高度な複雑さを伴うのが普通であ
る。以下において、８ｋbps低遅延ＣＥＬＰ符号器で使
用される高速探査法の原理を説明する。
自然な方法は、３次線形方程式を解いたうえで、歪測度
として３つのタップの平均２乗誤差（ＭＳＥ）を用いて
３つのタップを直接ベクトル量子化することにより、３
つのタップの荷重の最適集合を最初に計算する。しか
し、最終的な目的は、３つのタップのＭＳＥ自体を最小
にすることではなく、知覚的に加重された符号化雑音を
最小にすることであるから、知覚的に加重された符号化
雑音を直に最小化しようとするいわゆる閉ループ量子化
を行うことがより良い方法である。ピッチ予測器の量子
化および励起信号の量子化は、一括して２段階の連続し
た近似過程として考えることができるので、加重された
ピッチ予測残差のエネルギーを最小にすることにより、
低遅延ＣＥＬＰ符号化過程全体の総体的歪測度が直に最
小化される。直接的な係数のＭＳＥ基準と比較して、こ
の閉ループ量子化は、より良いピッチ予測利得を与える
のみならず、総体的な低遅延ＣＥＬＰ符号化歪も減少さ
せる。しかし、この加重された残差エネルギー基準によ
るコードブックの探査には、高速の探査方法を用いない
限り、計算上さらに高度な複雑さを伴うのが普通であ
る。以下において、８ｋbps低遅延ＣＥＬＰ符号器で使
用される高速探査法の原理を説明する。
【００８９】ｂj1、ｂj2、およびｂj3をピッチ・タップ
ＶＱコードブックにおけるｊ番目の所属の３つのピッチ
予測器タップであるとすると、対応する３タップのピッ
チ予測器は、次式の伝達関数を有する。
ＶＱコードブックにおけるｊ番目の所属の３つのピッチ
予測器タップであるとすると、対応する３タップのピッ
チ予測器は、次式の伝達関数を有する。
【数４】 ただし、ｐは、先に決定された量子化されたピッチ周期
である。
である。
【００９０】フレームの大きさを標本Ｌ個分とすると、
普遍性を欠くことなく、現在のフレームにｋ＝１からｋ
＝Ｌまで信号標本にインデックスを付けることができ
る。正でないインデックスは、前のフレームにある信号
標本に対応する。ｄ（ｋ）をＬＰＣフィルタへの励起
（即ち、ピッチ合成フィルタへの出力）のｋ番目の標本
であるとする。すると、ｊ番目の候補であるピッチ予測
器のｋ番目の出力標本は、次の式のように表すことがで
きる。
普遍性を欠くことなく、現在のフレームにｋ＝１からｋ
＝Ｌまで信号標本にインデックスを付けることができ
る。正でないインデックスは、前のフレームにある信号
標本に対応する。ｄ（ｋ）をＬＰＣフィルタへの励起
（即ち、ピッチ合成フィルタへの出力）のｋ番目の標本
であるとする。すると、ｊ番目の候補であるピッチ予測
器のｋ番目の出力標本は、次の式のように表すことがで
きる。
【数５】 ここで、Ｌ次元の列ベクトルを、
【数６】 なる式で定義すると、
【数７】 を得る。
【００９１】留意すべきは、ピッチ周期ｐがフレームの
大きさ（３２標本のフレームの場合）より小さい場合、
ｄi（ｄiは、数７において太字で記したベクトルと同じ
ものであり、それを本文ではこのように記す）は正のイ
ンデックスｋを有する成分ｄ（ｋ）の中の幾つかを持つ
ことである。つまり、それは現在のフレームの幾つかの
ｄ（ｋ）標本を必要とする。しかし、これらの標本は、
ピッチ予測器のタップおよび励起コードベクトルの量子
化がまだ完了していないので、まだ利用できない。他の
従来のＣＥＬＰ符号器における単一タップのピッチ予測
器の閉ループ量子化にも同様の問題がある。この問題
は、「拡張した適応コードブック」の概念を用いること
によって容易に回避することができるが、この概念は、
「音響、音声、信号処理に関するＩＥＥＥ国際会議（IE
EE Int.Conf.Acoust.,Speech, Signal Processing）」
会報（１９８８年４月）のＷ．Ｂ．クリージン（Kleij
n）、Ｄ．Ｊ．クラシンスキ（Krasinski）、およびＲ．
Ｈ．ケトチャム（Ketchum）による「ＳＥＬＰにおける
改良された音声品質および効率的ベクトル量子化（Impr
oved speech quality and efficient vector qnantizat
ion in SELP）」に提案されている。基本的には、前の
フレームにおけるｄ（ｋ）の最後のｐ個の標本を周期的
に繰り返すことにより、現在のフレームに対してｄ
（ｋ）シーケンスが推定される。ただし、ｐはピッチ周
期である。
大きさ（３２標本のフレームの場合）より小さい場合、
ｄi（ｄiは、数７において太字で記したベクトルと同じ
ものであり、それを本文ではこのように記す）は正のイ
ンデックスｋを有する成分ｄ（ｋ）の中の幾つかを持つ
ことである。つまり、それは現在のフレームの幾つかの
ｄ（ｋ）標本を必要とする。しかし、これらの標本は、
ピッチ予測器のタップおよび励起コードベクトルの量子
化がまだ完了していないので、まだ利用できない。他の
従来のＣＥＬＰ符号器における単一タップのピッチ予測
器の閉ループ量子化にも同様の問題がある。この問題
は、「拡張した適応コードブック」の概念を用いること
によって容易に回避することができるが、この概念は、
「音響、音声、信号処理に関するＩＥＥＥ国際会議（IE
EE Int.Conf.Acoust.,Speech, Signal Processing）」
会報（１９８８年４月）のＷ．Ｂ．クリージン（Kleij
n）、Ｄ．Ｊ．クラシンスキ（Krasinski）、およびＲ．
Ｈ．ケトチャム（Ketchum）による「ＳＥＬＰにおける
改良された音声品質および効率的ベクトル量子化（Impr
oved speech quality and efficient vector qnantizat
ion in SELP）」に提案されている。基本的には、前の
フレームにおけるｄ（ｋ）の最後のｐ個の標本を周期的
に繰り返すことにより、現在のフレームに対してｄ
（ｋ）シーケンスが推定される。ただし、ｐはピッチ周
期である。
【００９２】標準的なＣＥＬＰ符号化の処理と同様に、
３ピッチ・タップの閉ループ量子化が開始される前に、
入力音声の現在のフレームは、知覚的に加重するフィル
タに通されて、結果的に加重された音声フレームから加
重されたＬＰＣフィルタのゼロ入力応答を減ずる。差信
号ｔ（ｋ）は、ピッチ予測器タップの閉ループ量子化の
ための目標信号である。Ｌ次元の目標フレームは、次の
式で定義することができる。
３ピッチ・タップの閉ループ量子化が開始される前に、
入力音声の現在のフレームは、知覚的に加重するフィル
タに通されて、結果的に加重された音声フレームから加
重されたＬＰＣフィルタのゼロ入力応答を減ずる。差信
号ｔ（ｋ）は、ピッチ予測器タップの閉ループ量子化の
ための目標信号である。Ｌ次元の目標フレームは、次の
式で定義することができる。
【数８】
【００９３】縦続接続したＬＰＣ合成フィルタおよび知
覚的荷重フィルタ（即ち、加重されたＬＰＣフィルタ）
のインパルス応答をｈ（ｎ）とする。ｉ≧ｊの場合はｈ
ij＝ｈ（ｉ−ｊ）、ｉ＜ｊの場合はｈij＝０によって与
えられるｉｊ番目の成分を有するＬｘＬの下半３角行列
をＨ（このＨは、「化学式等を記載した書面」において
太字で記したものと同じである）と定義する。この場
合、閉ループのピッチ・タップ・コードブック探査に対
し、そのピッチ・タップＶＱコードブックにおけるｊ番
目の候補のピッチ予測器に関係付けられた歪は、次式に
よって与えられる。
覚的荷重フィルタ（即ち、加重されたＬＰＣフィルタ）
のインパルス応答をｈ（ｎ）とする。ｉ≧ｊの場合はｈ
ij＝ｈ（ｉ−ｊ）、ｉ＜ｊの場合はｈij＝０によって与
えられるｉｊ番目の成分を有するＬｘＬの下半３角行列
をＨ（このＨは、「化学式等を記載した書面」において
太字で記したものと同じである）と定義する。この場
合、閉ループのピッチ・タップ・コードブック探査に対
し、そのピッチ・タップＶＱコードブックにおけるｊ番
目の候補のピッチ予測器に関係付けられた歪は、次式に
よって与えられる。
【数９】 ただし、所与のベクトルａに対し、記号「‖ａ‖2」
は、ユークリッド型ノルムの２乗を示す、即ちａのエネ
ルギーである（これらのａは、すべて太字で記すべきベ
クトルである）。
は、ユークリッド型ノルムの２乗を示す、即ちａのエネ
ルギーである（これらのａは、すべて太字で記すべきベ
クトルである）。
【００９４】ここで、
【数１０】 と定義し、かつ式（６）における項を展開すると、次の
ようになる。
ようになる。
【数１１】 式（１０）における総和法を展開し、かつ類似の項を縮
約すると、式（１０）は次のように書くことができる。
約すると、式（１０）は次のように書くことができる。
【数１２】
【００９５】目標ベクトルのエネルギー項Ｅはコードブ
ック探査の間は一定であるから、Ｄjを最小にすること
は、２つの９次元ベクトルＢおよびＣ（ベクトルＢおよ
びＣは、「化学式等を記載した書面」において太字で記
したものと同じである）の内積
ック探査の間は一定であるから、Ｄjを最小にすること
は、２つの９次元ベクトルＢおよびＣ（ベクトルＢおよ
びＣは、「化学式等を記載した書面」において太字で記
したものと同じである）の内積
【数１３】 を最小にすることと同じである。この２つのバージョン
の８ｋbps低遅延ＣＥＬＰ符号器では、３つのピッチ予
測器タップの量子化に５または６のビットを使用するの
で、ピッチ・タップＶＱコードブックにはピッチ予測器
タップの３２または６４の候補集合がある。以下の説明
の便宜上、６ビットのコードブックが使用されるものと
仮定する。
の８ｋbps低遅延ＣＥＬＰ符号器では、３つのピッチ予
測器タップの量子化に５または６のビットを使用するの
で、ピッチ・タップＶＱコードブックにはピッチ予測器
タップの３２または６４の候補集合がある。以下の説明
の便宜上、６ビットのコードブックが使用されるものと
仮定する。
【００９６】このコードブックにおけるピッチ予測器タ
ップの６４の候補集合の各々に対し、それに関係付けら
れ対応する９次元のベクトルＢjが存在する。６４の可
能な９次元ベクトルＢjは、都合良く予め計算され記憶
されているので、コードブック探査の最中にＢjベクト
ルを求める計算の必要はない。また、ベクトルｄ1、
ｄ2、およびｄ3は、互いに少しずつ転位したものである
ことから、そのような構造が開発された場合、ベクトル
Ｃを完全に効率的に計算することができる。実際のコー
ドブック探査では、９次元ベクトルＣが一度計算される
と、６４の記憶されたベクトルＢjとの６４の内積が計
算され、最大の内積を与えるベクトルＢj*が特定され
る。そして、このベクトルＢj*の最初の３つの要素に
０．５を乗ずることによって、３つの量子化された予測
器タップが得られる。１フレームごとに、６ビットのイ
ンデックスｊ*が、出力ビット・ストリーム・マルチプ
レクサに渡される。
ップの６４の候補集合の各々に対し、それに関係付けら
れ対応する９次元のベクトルＢjが存在する。６４の可
能な９次元ベクトルＢjは、都合良く予め計算され記憶
されているので、コードブック探査の最中にＢjベクト
ルを求める計算の必要はない。また、ベクトルｄ1、
ｄ2、およびｄ3は、互いに少しずつ転位したものである
ことから、そのような構造が開発された場合、ベクトル
Ｃを完全に効率的に計算することができる。実際のコー
ドブック探査では、９次元ベクトルＣが一度計算される
と、６４の記憶されたベクトルＢjとの６４の内積が計
算され、最大の内積を与えるベクトルＢj*が特定され
る。そして、このベクトルＢj*の最初の３つの要素に
０．５を乗ずることによって、３つの量子化された予測
器タップが得られる。１フレームごとに、６ビットのイ
ンデックスｊ*が、出力ビット・ストリーム・マルチプ
レクサに渡される。
【００９７】現在のフレームが発声フレームでない時に
ピッチ予測器を完全に停止させることができるように、
ピッチ・タップＶＱコードブックにゼロ・コードベクト
ルを挿入してある。その他の３１または６３のピッチ・
タップ・コードベクトルが、コードブック設計アルゴリ
ズムを用いて、閉ループで仕込まれる。この時のコード
ブック設計アルゴリズムは、委員会２８の通信に関する
ＩＥＥＥ会報（IEEE Trans. Comm., Comm. 28）p.84-p.
95（１９８０年１月）のＹ．リンデ（Linde）、Ａ．バ
ゾ（Buso）、およびＲ．Ｍ．グレィ（Gray）による「ベ
クトル量子化器設計のためのアルゴリズム（An algorit
hm for vector quantizer design）」において説明され
た種類のものである。発声フレーム検出器が非発声フレ
ームを宣言すると、如何なる場合も、ピッチ周期を５０
標本分のバイアス値に設定し直すだけでなく、すべてゼ
ロのコードベクトルをピッチ・タップＶＱ出力として選
択する。つまり、３つのピッチ・タップがすべてゼロに
量子化される。従って、４ビットのピッチ周期インデッ
クス、および５または６ビットのピッチ・タップ・イン
デックスの両方を非発声フレームを示すものとして使用
することができる。発声された領域の中央で発声された
フレームを誤って非発声として復号すると、一般に極め
て厳しい音声品質の劣化を招くが、この種のエラーは、
可能ならば避けるべきである。従って、復号器では、４
ビットのピッチ周期インデックスおよび５または６ビッ
トのピッチ・タップ・インデックスの両方が、現在のフ
レームが非発声フレームであることを示す場合に限っ
て、現在のフレームを非発声のものであると宣言する。
両インデックスを非発声フレームの指示子として用いる
ことにより、発声フレームを非発声のものとする復号エ
ラーを防ぐタイプの冗長性が与えられる。
ピッチ予測器を完全に停止させることができるように、
ピッチ・タップＶＱコードブックにゼロ・コードベクト
ルを挿入してある。その他の３１または６３のピッチ・
タップ・コードベクトルが、コードブック設計アルゴリ
ズムを用いて、閉ループで仕込まれる。この時のコード
ブック設計アルゴリズムは、委員会２８の通信に関する
ＩＥＥＥ会報（IEEE Trans. Comm., Comm. 28）p.84-p.
95（１９８０年１月）のＹ．リンデ（Linde）、Ａ．バ
ゾ（Buso）、およびＲ．Ｍ．グレィ（Gray）による「ベ
クトル量子化器設計のためのアルゴリズム（An algorit
hm for vector quantizer design）」において説明され
た種類のものである。発声フレーム検出器が非発声フレ
ームを宣言すると、如何なる場合も、ピッチ周期を５０
標本分のバイアス値に設定し直すだけでなく、すべてゼ
ロのコードベクトルをピッチ・タップＶＱ出力として選
択する。つまり、３つのピッチ・タップがすべてゼロに
量子化される。従って、４ビットのピッチ周期インデッ
クス、および５または６ビットのピッチ・タップ・イン
デックスの両方を非発声フレームを示すものとして使用
することができる。発声された領域の中央で発声された
フレームを誤って非発声として復号すると、一般に極め
て厳しい音声品質の劣化を招くが、この種のエラーは、
可能ならば避けるべきである。従って、復号器では、４
ビットのピッチ周期インデックスおよび５または６ビッ
トのピッチ・タップ・インデックスの両方が、現在のフ
レームが非発声フレームであることを示す場合に限っ
て、現在のフレームを非発声のものであると宣言する。
両インデックスを非発声フレームの指示子として用いる
ことにより、発声フレームを非発声のものとする復号エ
ラーを防ぐタイプの冗長性が与えられる。
【００９８】これまで、図５において「３つのピッチ・
タップの閉ループＶＱ（ベクトル量子化）」と記された
ブロック５３０によって代表される機能を、フレーム間
のピッチ周期の予測誤差が６標本を超える大きさである
場合に対して説明してきた。次に、そのようなピッチ周
期の予測誤差の大きさが６標本に等しいか、それ以下で
ある場合を説明する。この場合、閉ループの意味でより
良いピッチ周期を発見できるという見込みをもってピッ
チ周期のさらに細かな調節をする機会がある。従って、
４ビット・ピッチ量子化器の出力にあるスイッチ５２３
は、ピッチ周期およびタップの閉ループ連帯最適化を許
すために下の位置５２２に位置決めされる。
タップの閉ループＶＱ（ベクトル量子化）」と記された
ブロック５３０によって代表される機能を、フレーム間
のピッチ周期の予測誤差が６標本を超える大きさである
場合に対して説明してきた。次に、そのようなピッチ周
期の予測誤差の大きさが６標本に等しいか、それ以下で
ある場合を説明する。この場合、閉ループの意味でより
良いピッチ周期を発見できるという見込みをもってピッ
チ周期のさらに細かな調節をする機会がある。従って、
４ビット・ピッチ量子化器の出力にあるスイッチ５２３
は、ピッチ周期およびタップの閉ループ連帯最適化を許
すために下の位置５２２に位置決めされる。
【００９９】理想的に言えば、探査の際に、ピッチ量子
化器の１３のレベル（−６から６まで）と３タップＶＱ
コードブックの３２または６４のコードベクトルとの可
能なすべての組み合わせを通して、最良の閉ループ量子
化結果が得られることである。しかし、そのような徹底
的な連帯探査の計算的複雑さは、実時間の実施には過度
であることもある。従って、比較的簡単な次善の方法を
求める方が有利となる。
化器の１３のレベル（−６から６まで）と３タップＶＱ
コードブックの３２または６４のコードベクトルとの可
能なすべての組み合わせを通して、最良の閉ループ量子
化結果が得られることである。しかし、そのような徹底
的な連帯探査の計算的複雑さは、実時間の実施には過度
であることもある。従って、比較的簡単な次善の方法を
求める方が有利となる。
【０１００】本発明の応用として使用し得るような方法
の第１の実施例には、従来の（単一タップのピッチ予測
器の公式化に基づく）ＣＥＬＰ符号器と同じ方法を用い
てピッチ周期の閉ループ最適化を最初に行うことをが必
然的に含まれる。結果的に閉ループ最適化されたピッチ
周期がｐ*であったとすると、３つの別々の閉ループピ
ッチ・タップ・コードブック探査が、前述の高速探査方
法により、３つの可能なピッチ周期ｐ*−１、ｐ*、およ
びｐ*＋１（勿論、［ｒ−６，ｒ＋６］という量子化器
の範囲制限による）について行われる。この方法は、極
めて高いピッチ予測利得が得られるが、用途によっては
許容できない複雑さが依然としてある。
の第１の実施例には、従来の（単一タップのピッチ予測
器の公式化に基づく）ＣＥＬＰ符号器と同じ方法を用い
てピッチ周期の閉ループ最適化を最初に行うことをが必
然的に含まれる。結果的に閉ループ最適化されたピッチ
周期がｐ*であったとすると、３つの別々の閉ループピ
ッチ・タップ・コードブック探査が、前述の高速探査方
法により、３つの可能なピッチ周期ｐ*−１、ｐ*、およ
びｐ*＋１（勿論、［ｒ−６，ｒ＋６］という量子化器
の範囲制限による）について行われる。この方法は、極
めて高いピッチ予測利得が得られるが、用途によっては
許容できない複雑さが依然としてある。
【０１０１】計算上の複雑さを少なくする第２の好まし
い方法では、ピッチ周期の閉ループ量子化は省略する
が、３ピッチ・タップの閉ループ量子化の実行時は５つ
の候補ピッチ周期が許される。５つの候補ピッチ周期
は、ｐ_−２、ｐ_−１、ｐ_、ｐ_＋１、およびｐ_＋２
（同様に［ｒ−６，ｒ＋６］の範囲制限に従う）であっ
た。ただし、ｐ_は、開ループ・ピッチ抽出アルゴリズ
ムによって得られたピッチ周期であった。これは、ピッ
チ量子化器の範囲を狭くして（ピッチ周期の候補を１３
ではなく５にして）閉ループの要領でピッチ周期および
ピッチ・タップを連帯的に量子化することに相当した。
この比較的簡単な方法によって得た予測利得は、第１の
方法のそれに匹敵した。
い方法では、ピッチ周期の閉ループ量子化は省略する
が、３ピッチ・タップの閉ループ量子化の実行時は５つ
の候補ピッチ周期が許される。５つの候補ピッチ周期
は、ｐ_−２、ｐ_−１、ｐ_、ｐ_＋１、およびｐ_＋２
（同様に［ｒ−６，ｒ＋６］の範囲制限に従う）であっ
た。ただし、ｐ_は、開ループ・ピッチ抽出アルゴリズ
ムによって得られたピッチ周期であった。これは、ピッ
チ量子化器の範囲を狭くして（ピッチ周期の候補を１３
ではなく５にして）閉ループの要領でピッチ周期および
ピッチ・タップを連帯的に量子化することに相当した。
この比較的簡単な方法によって得た予測利得は、第１の
方法のそれに匹敵した。
【０１０２】ピッチ予測器の性能 以上説明した複雑なフレーム間ピッチ・パラメータ量子
化方式によって、７ビットのピッチ周期および５または
６ビットのピッチ・タップを有する最初の方法とほぼ同
じピッチ予測利得（知覚的に加重された信号範囲におい
て５〜６ｄＢ）を達成することができた。さらに、我々
が普通に聞いたところによれば、雑音がちのチャネル状
態の下では、従来の７ビットのピッチ量子化器または本
発明の４ビットのフレーム間予測量子化器の何れを用い
た場合も、全く匹敵する音声品質が得られた。換言すれ
ば、ピッチ予測利得もチャネル・エラーに対する強度も
妥協することなく、ピッチ周期の符号化率を７bit／フ
レームから４bit／フレームまで下げたことになる。こ
の３ビットの節約は、一見、重要なことではないかも知
れないが、この小さなフレーム・サイズにより、この節
約は、全ビットレートの１０乃至１５％程度（７５０〜
１２００ｂｐｓ）に相当する。これらの３ビットを励起
コードベクトルの符号化に割り当てた後では符号化され
た音声の知覚品質が著しく改善されることを発見した。
化方式によって、７ビットのピッチ周期および５または
６ビットのピッチ・タップを有する最初の方法とほぼ同
じピッチ予測利得（知覚的に加重された信号範囲におい
て５〜６ｄＢ）を達成することができた。さらに、我々
が普通に聞いたところによれば、雑音がちのチャネル状
態の下では、従来の７ビットのピッチ量子化器または本
発明の４ビットのフレーム間予測量子化器の何れを用い
た場合も、全く匹敵する音声品質が得られた。換言すれ
ば、ピッチ予測利得もチャネル・エラーに対する強度も
妥協することなく、ピッチ周期の符号化率を７bit／フ
レームから４bit／フレームまで下げたことになる。こ
の３ビットの節約は、一見、重要なことではないかも知
れないが、この小さなフレーム・サイズにより、この節
約は、全ビットレートの１０乃至１５％程度（７５０〜
１２００ｂｐｓ）に相当する。これらの３ビットを励起
コードベクトルの符号化に割り当てた後では符号化され
た音声の知覚品質が著しく改善されることを発見した。
【０１０３】利得の適応 励起利得適応方法は、１６ｋbps低遅延ＣＥＬＰアルゴ
リズムの場合と本質的に同じである。「音響、音声、信
号処理に関するＩＥＥＥ国際会議会報」p.181-p.184
（１９９０年４月）のＪ．Ｈ．チェン（Chen）による
「一方向の遅延が２ｍｓ以下の高品質１６ｋbps低遅延
ＣＥＬＰ音声符号化（High-quality 16 kbit/s low-del
ay CELP speech coding with a one-way delay less th
an 2ms）」参照。励起利得は、対数利得変域で動作させ
た１０次線形予測器によって後方適応化される。この１
０次の対数利得予測器の係数は、フレームごとに、倍率
調整された励起ベクトルの前の対数利得に対し後方適応
ＬＰＣ分析を行うことによって、更新される。
リズムの場合と本質的に同じである。「音響、音声、信
号処理に関するＩＥＥＥ国際会議会報」p.181-p.184
（１９９０年４月）のＪ．Ｈ．チェン（Chen）による
「一方向の遅延が２ｍｓ以下の高品質１６ｋbps低遅延
ＣＥＬＰ音声符号化（High-quality 16 kbit/s low-del
ay CELP speech coding with a one-way delay less th
an 2ms）」参照。励起利得は、対数利得変域で動作させ
た１０次線形予測器によって後方適応化される。この１
０次の対数利得予測器の係数は、フレームごとに、倍率
調整された励起ベクトルの前の対数利得に対し後方適応
ＬＰＣ分析を行うことによって、更新される。
【０１０４】励起符号化 次の表１に、フレーム・サイズ、励起ベクトルの次元、
ならびに本発明の実施例による８ｋbps低遅延ＣＥＬＰ
符号器の２つのバージョンおよび６．４ｋbps低遅延Ｃ
ＥＬＰ（以下、「ＬＤ−ＣＥＬＰ」と記す）符号器を示
す。フレーム・サイズが２０標本の８ｋbps版の符号器
は、各フレームに１つの励起ベクトルを収容している。
一方、３２標本／フレームの符号器は、各フレームに２
つの励起ベクトルを持つ。６．４ｋbpsのＬＤ-ＣＥＬＰ
符号器は、単に３２標本／フレームの符号器のフレーム
・サイズおよびベクトルの次元を大きくし、その他はす
べて同じに維持することによって得られる。３つのすべ
ての符号器において、各励起ベクトルに対し、励起形状
コードブックに７ビット、強度コードブックに３ビッ
ト、そして符号に１ビットを使用する。
ならびに本発明の実施例による８ｋbps低遅延ＣＥＬＰ
符号器の２つのバージョンおよび６．４ｋbps低遅延Ｃ
ＥＬＰ（以下、「ＬＤ−ＣＥＬＰ」と記す）符号器を示
す。フレーム・サイズが２０標本の８ｋbps版の符号器
は、各フレームに１つの励起ベクトルを収容している。
一方、３２標本／フレームの符号器は、各フレームに２
つの励起ベクトルを持つ。６．４ｋbpsのＬＤ-ＣＥＬＰ
符号器は、単に３２標本／フレームの符号器のフレーム
・サイズおよびベクトルの次元を大きくし、その他はす
べて同じに維持することによって得られる。３つのすべ
ての符号器において、各励起ベクトルに対し、励起形状
コードブックに７ビット、強度コードブックに３ビッ
ト、そして符号に１ビットを使用する。
【表１】
【０１０５】これらの実施例で使用する励起コードブッ
ク探査の手順および方法は、１６ｋbpsＬＤ−ＣＥＬＰ
のコードブック探査とは幾分異なる。８ｋbpsの方がベ
クトルの次元および利得コードブックの大きさが大きい
ので、引用したチェンの論文に記述された比較的前の１
６ｋbpsＬＤ−ＤＥＬＰ方法で使用されたものと同じコ
ードブック探査手順を使用すると、計算上極めて複雑と
なり、例えば、単一の８０ｎｓのＡＴ＆Ｔ ＤＳＰ３２
Ｃチップのような特定のハードウェア上に全二重符号器
を実施することは不可能になる。従って、コードブック
探査の複雑さを軽減する方が、有利である。
ク探査の手順および方法は、１６ｋbpsＬＤ−ＣＥＬＰ
のコードブック探査とは幾分異なる。８ｋbpsの方がベ
クトルの次元および利得コードブックの大きさが大きい
ので、引用したチェンの論文に記述された比較的前の１
６ｋbpsＬＤ−ＤＥＬＰ方法で使用されたものと同じコ
ードブック探査手順を使用すると、計算上極めて複雑と
なり、例えば、単一の８０ｎｓのＡＴ＆Ｔ ＤＳＰ３２
Ｃチップのような特定のハードウェア上に全二重符号器
を実施することは不可能になる。従って、コードブック
探査の複雑さを軽減する方が、有利である。
【０１０６】８ｋbpsと１６ｋbpsのＬＤ−ＣＥＬＰ符号
器の間のコードブック探査方法には、２つの主な相違が
ある。第１に、複雑さを軽減するためには、１６ｋbps
の場合のように励起の形状および利得を連帯して最適化
するより、８ｋbpsで形状そして利得というように順に
最適化する方が有利である。第２に、１６ｋbpsの符号
器がフィルタ処理された形状コードベクトルのエネルギ
ー（時として、「コードブック・エネルギー」と呼ばれ
ることがある）を直に計算するのに対し、８ｋbpsの符
号器では、はるかに高速な新奇な方法を使用する。以下
において、まずコードブック探査手順を説明し、続い
て、コードブック・エネルギーを計算する第１の方法を
説明する。
器の間のコードブック探査方法には、２つの主な相違が
ある。第１に、複雑さを軽減するためには、１６ｋbps
の場合のように励起の形状および利得を連帯して最適化
するより、８ｋbpsで形状そして利得というように順に
最適化する方が有利である。第２に、１６ｋbpsの符号
器がフィルタ処理された形状コードベクトルのエネルギ
ー（時として、「コードブック・エネルギー」と呼ばれ
ることがある）を直に計算するのに対し、８ｋbpsの符
号器では、はるかに高速な新奇な方法を使用する。以下
において、まずコードブック探査手順を説明し、続い
て、コードブック・エネルギーを計算する第１の方法を
説明する。
【０１０７】励起コードブックの探査手順 励起コードブック探査を開始する前に、３タップ・ピッ
チ予測器の量子化のために、目標フレームからピッチ予
測器の貢献分を引く。結果として、励起ベクトル量子化
のための目標ベクトルを得る。これは、次のように算出
される。
チ予測器の量子化のために、目標フレームからピッチ予
測器の貢献分を引く。結果として、励起ベクトル量子化
のための目標ベクトルを得る。これは、次のように算出
される。
【数１４】
【０１０８】ただし、この式の右辺の記号は、すべて前
記の「ピッチ予測器のタップの閉ループ量子化」と題す
る節において定義したものである。以降の説明を明確に
するために、ここでは、ベクトルの時間インデックスｎ
を励起目標ベクトルｘ（ｎ）に追加した。
記の「ピッチ予測器のタップの閉ループ量子化」と題す
る節において定義したものである。以降の説明を明確に
するために、ここでは、ベクトルの時間インデックスｎ
を励起目標ベクトルｘ（ｎ）に追加した。
【０１０９】２０標本／フレーム版の８ｋbpsＬＤ−Ｃ
ＥＬＰ符号器の場合、励起ベクトルの次元は、フレーム
・サイズと同じであり、励起コードブック探査に励起目
標ベクトルｘ（ｎ）を直接使用することができる。これ
に対して、（第１表の２列目および３列目のように）各
フレームに１つ以上の励起ベクトルが入っている場合、
励起目標ベクトルの計算は、さらに複雑になる。この場
合、まず式（１７）を用いて励起目標フレームを計算す
る。すると、第１の励起目標ベクトルは、励起目標フレ
ームの対応する部分と標本毎に等しい。しかし、第２の
ベクトルからは、ｍ番目の励起目標ベクトルを計算する
とき、励起ベクトル１から励起ベクトル（ｎ−１）のた
めに加重されたＬＰＣフィルタのゼロ入力応答を励起目
標フレームから引かなければならない。これを行うの
は、加重されたＬＰＣフィルタの記憶の影響を分離する
ためである。これにより、加重されたＬＰＣフィルタの
インパルス応答による畳み込みによって、励起コードベ
クトルのフィルタ処理を行うことができる。さらに好都
合となるように、ｎ番目の励起ベクトルに対する最後の
目標ベクトルを表すのに記号ｘ（ｎ）を依然として使用
する。
ＥＬＰ符号器の場合、励起ベクトルの次元は、フレーム
・サイズと同じであり、励起コードブック探査に励起目
標ベクトルｘ（ｎ）を直接使用することができる。これ
に対して、（第１表の２列目および３列目のように）各
フレームに１つ以上の励起ベクトルが入っている場合、
励起目標ベクトルの計算は、さらに複雑になる。この場
合、まず式（１７）を用いて励起目標フレームを計算す
る。すると、第１の励起目標ベクトルは、励起目標フレ
ームの対応する部分と標本毎に等しい。しかし、第２の
ベクトルからは、ｍ番目の励起目標ベクトルを計算する
とき、励起ベクトル１から励起ベクトル（ｎ−１）のた
めに加重されたＬＰＣフィルタのゼロ入力応答を励起目
標フレームから引かなければならない。これを行うの
は、加重されたＬＰＣフィルタの記憶の影響を分離する
ためである。これにより、加重されたＬＰＣフィルタの
インパルス応答による畳み込みによって、励起コードベ
クトルのフィルタ処理を行うことができる。さらに好都
合となるように、ｎ番目の励起ベクトルに対する最後の
目標ベクトルを表すのに記号ｘ（ｎ）を依然として使用
する。
【０１１０】７ビット形状コードブックにおけるｊ番目
のコードベクトルをｙjとし、後方利得適応方式によっ
て評価された励起利得をσ（ｎ）とする。３ビットの強
度コードブックおよび１つの符号ビットを組み合わせ
て、（正負の両利得に関する）４ビットの「利得コード
ブック」を得ることができる。この４ビットの利得コー
ドブックにおけるｉ番目の利得レベルをｇiとする。励
起コードブック・インデックスの対（ｉ，ｊ）に対応す
る倍率調整された励起ベクトルｅ（ｎ）は、次のように
表される。
のコードベクトルをｙjとし、後方利得適応方式によっ
て評価された励起利得をσ（ｎ）とする。３ビットの強
度コードブックおよび１つの符号ビットを組み合わせ
て、（正負の両利得に関する）４ビットの「利得コード
ブック」を得ることができる。この４ビットの利得コー
ドブックにおけるｉ番目の利得レベルをｇiとする。励
起コードブック・インデックスの対（ｉ，ｊ）に対応す
る倍率調整された励起ベクトルｅ（ｎ）は、次のように
表される。
【数１５】
【０１１１】インデックスの対（ｉ，ｊ）に対応する歪
は、次式によって与えられる。
は、次式によって与えられる。
【数１６】 ここでも、加重されたＬＰＣフィルタのインパルス応答
の標本によって占められた副対角要素（subdiagonals）
を有する下半３角行列を表すのに、便宜上、記号Ｈを用
いる。この行列は、その大きさがＬｘＬではなくＫｘＫ
である点を除くと、段落９３のＨ行列と全く同じ形式で
ある。ここで、Ｋは、励起ベクトルの次元（Ｋ≦Ｌ、か
つＬ／Ｋ＝正の整数）である。式（１９）の項を展開す
ると、次式を得る。
の標本によって占められた副対角要素（subdiagonals）
を有する下半３角行列を表すのに、便宜上、記号Ｈを用
いる。この行列は、その大きさがＬｘＬではなくＫｘＫ
である点を除くと、段落９３のＨ行列と全く同じ形式で
ある。ここで、Ｋは、励起ベクトルの次元（Ｋ≦Ｌ、か
つＬ／Ｋ＝正の整数）である。式（１９）の項を展開す
ると、次式を得る。
【数１７】
【０１１２】項‖ｘ∧（ｎ）‖2およびσ2（ｎ）の値は
コードブック探査の間は固定されるので、Ｄを最小にす
ることは、次の式を最小かすることに等しい。
コードブック探査の間は固定されるので、Ｄを最小にす
ることは、次の式を最小かすることに等しい。
【数１８】
【０１１３】Ｅjは、実際にはｊ番目のフィルタ処理さ
れた形状コードベクトルのエネルギーであり、ＶＱ目標
ベクトルｘ∧（ｎ）には依存しないことに注意を要す
る。また、形状コードベクトルｙjは固定であり、行列
ＨのみがＬＰＣフィルタおよび荷重フィルタ（これら
は、各フレームにわたって固定されている）に依存する
点に注意を要する。都合の良いことに、Ｅjも各フレー
ムにわたって固定されている。従って、各フレームに１
つ以上の励起ベクトルが含まれる限り、各フレームの最
初に１２８の可能なエネルギー項Ｅj（ｊ＝０，
１，．．．，１２７）を計算して格納しておき、これら
のエネルギー項をそのフレームのすべてのベクトルに繰
り返し使用することにより、計算を節約することができ
る。
れた形状コードベクトルのエネルギーであり、ＶＱ目標
ベクトルｘ∧（ｎ）には依存しないことに注意を要す
る。また、形状コードベクトルｙjは固定であり、行列
ＨのみがＬＰＣフィルタおよび荷重フィルタ（これら
は、各フレームにわたって固定されている）に依存する
点に注意を要する。都合の良いことに、Ｅjも各フレー
ムにわたって固定されている。従って、各フレームに１
つ以上の励起ベクトルが含まれる限り、各フレームの最
初に１２８の可能なエネルギー項Ｅj（ｊ＝０，
１，．．．，１２７）を計算して格納しておき、これら
のエネルギー項をそのフレームのすべてのベクトルに繰
り返し使用することにより、計算を節約することができ
る。
【０１１４】次のように定義すると、
【数１９】 Ｄ∧の式は、さらに次のように簡単化することができ
る。
る。
【数２０】
【０１１５】１６ｋbpsＬＤ−ＣＥＬＰのコードブック
探査では、式（２５）のＤ∧を最小にするインデックス
の組み合わせを見つけるために、２つのインデックスｉ
およびｊの可能なすべての組み合わせが調べられる。し
かし、８ｋbps符号器の利得コードブックの大きは１６
ｋbps符号器のそれの２倍の大きさであるから、そのよ
うな形状と利得の連帯的最適化を行うと、探査の複雑さ
がかなり増大する。従って、最初に最良の形状コードベ
クトルを捜し、次に既に選ばれた形状コードベクトルに
対して最良の利得レベルを決定することによって、複雑
さを軽減するために別の次善の方法を使用する方が有利
である。事実、この方法は、他のほとんどの通常の前方
適応ＣＥＬＰ符号器によって使用されている。この周知
の方法においては、最初に、利得ｇiは「流動的」で如
何なる値もとることができると仮定する（即ち、量子化
されていない利得を想定する）。従って、
探査では、式（２５）のＤ∧を最小にするインデックス
の組み合わせを見つけるために、２つのインデックスｉ
およびｊの可能なすべての組み合わせが調べられる。し
かし、８ｋbps符号器の利得コードブックの大きは１６
ｋbps符号器のそれの２倍の大きさであるから、そのよ
うな形状と利得の連帯的最適化を行うと、探査の複雑さ
がかなり増大する。従って、最初に最良の形状コードベ
クトルを捜し、次に既に選ばれた形状コードベクトルに
対して最良の利得レベルを決定することによって、複雑
さを軽減するために別の次善の方法を使用する方が有利
である。事実、この方法は、他のほとんどの通常の前方
適応ＣＥＬＰ符号器によって使用されている。この周知
の方法においては、最初に、利得ｇiは「流動的」で如
何なる値もとることができると仮定する（即ち、量子化
されていない利得を想定する）。従って、
【数２１】 と設定することにより、最適な量子化されていない励起
利得を
利得を
【数２２】 として得ることができる。式（２５）においてｇi＝ｇi
*を代入して、
*を代入して、
【数２３】 を得る。従って、形状コードブックの最良のインデック
スは、Ｐj 2／Ｅjを最大にするインデックスを見つける
ことによって決定される。形状コードブックの選択され
た最良のインデックスｊが与えられると、４ビット利得
コードブックを用いて最適利得ｇi *を直に量子化するこ
とによって、対応する最良の利得インデックスを発見す
ることができる。利得の量子化は、形状コードブックの
探査ループから外れるので、探査の複雑さが大いに軽減
される。一度、最良の形状コードブック・インデックス
およびそれに対応する利得コードブック・インデックス
が特定されると、それら２つのインデックスを連結し
て、単一の１１ビットの符号語を形成し、この符号語を
出力ビットストリーム・マルチプレクサに渡す。
スは、Ｐj 2／Ｅjを最大にするインデックスを見つける
ことによって決定される。形状コードブックの選択され
た最良のインデックスｊが与えられると、４ビット利得
コードブックを用いて最適利得ｇi *を直に量子化するこ
とによって、対応する最良の利得インデックスを発見す
ることができる。利得の量子化は、形状コードブックの
探査ループから外れるので、探査の複雑さが大いに軽減
される。一度、最良の形状コードブック・インデックス
およびそれに対応する利得コードブック・インデックス
が特定されると、それら２つのインデックスを連結し
て、単一の１１ビットの符号語を形成し、この符号語を
出力ビットストリーム・マルチプレクサに渡す。
【０１１６】１２８個のフィルタ処理された（即ち、畳
み込まれた）コードベクトルＨｙj（ｊ＝０，１，
２，．．．，１２７）がすべて同じユークリッド型ノル
ムを持つ場合、前記の順次最適化の原則によって、連帯
的最適化探査方法と同一の出力インデックスｉおよびｊ
が得られる。実際には、行列Ｈは時間的に変化するの
で、Ｈｙjベクトルは、一般に同じノルムを持たない。
この条件に対する精密な近似は、１２８の固定されたｙ
jコードベクトルが同じノルムを持つことを要求するこ
とにより、達成することができる。従って、励起形状コ
ードブックの閉ループ設計の後に、コードベクトルの全
部が単位ユークリッド型ノルムを持つように、コードブ
ックを正規化する。このような正規化手順は、符号化性
能の目立つ劣化の原因とはならない。
み込まれた）コードベクトルＨｙj（ｊ＝０，１，
２，．．．，１２７）がすべて同じユークリッド型ノル
ムを持つ場合、前記の順次最適化の原則によって、連帯
的最適化探査方法と同一の出力インデックスｉおよびｊ
が得られる。実際には、行列Ｈは時間的に変化するの
で、Ｈｙjベクトルは、一般に同じノルムを持たない。
この条件に対する精密な近似は、１２８の固定されたｙ
jコードベクトルが同じノルムを持つことを要求するこ
とにより、達成することができる。従って、励起形状コ
ードブックの閉ループ設計の後に、コードベクトルの全
部が単位ユークリッド型ノルムを持つように、コードブ
ックを正規化する。このような正規化手順は、符号化性
能の目立つ劣化の原因とはならない。
【０１１７】従来のＣＥＬＰ符号器において連帯的最適
化の方法ではなく順次最適化の方法を用いると、励起利
得の量子化が十分な解を持つ限り目立つ性能上の劣化が
ないことに他の研究者は注目してきた。比較的以前の１
６ｋbpsＬＤ−ＣＥＬＰにおいて、２ビットの強度コー
ドブックに関して、順次最適化を用いると著しい劣化が
有り得ることが分かった。従って、その場合は、形状お
よび利得の連帯的最適化が本当に必要である。一方、８
ｋbpsＬＤ−ＣＥＬＰ符号器では、利得の量子化におい
て一層の解像度を与える３ビットの強度コードブックに
関して、順次最適化による相対的な劣化は小さいので本
質的に無視できることが分かった。
化の方法ではなく順次最適化の方法を用いると、励起利
得の量子化が十分な解を持つ限り目立つ性能上の劣化が
ないことに他の研究者は注目してきた。比較的以前の１
６ｋbpsＬＤ−ＣＥＬＰにおいて、２ビットの強度コー
ドブックに関して、順次最適化を用いると著しい劣化が
有り得ることが分かった。従って、その場合は、形状お
よび利得の連帯的最適化が本当に必要である。一方、８
ｋbpsＬＤ−ＣＥＬＰ符号器では、利得の量子化におい
て一層の解像度を与える３ビットの強度コードブックに
関して、順次最適化による相対的な劣化は小さいので本
質的に無視できることが分かった。
【０１１８】コードブック・エネルギーの計算 既に概観した励起コードブック探査の原理に関して、ｊ
＝０，１，２，．．．，１２７に対するエネルギーＥｊ
の計算を説明する。Ｅｊの直接計算には、行列とベクト
ルの乗算Ｈｙj、およびこれに続くその結果のＫ次元ベ
クトルのエネルギー計算が伴う。１２８個すべてのＥj
項に必要な乗法演算の総数は、１２８ｘ［Ｋ（Ｋ＋１）
／２＋Ｋ］である。従って、計算上の複雑さは、励起ベ
クトルの次元Ｋと共に本質的に徐々に増大する。
＝０，１，２，．．．，１２７に対するエネルギーＥｊ
の計算を説明する。Ｅｊの直接計算には、行列とベクト
ルの乗算Ｈｙj、およびこれに続くその結果のＫ次元ベ
クトルのエネルギー計算が伴う。１２８個すべてのＥj
項に必要な乗法演算の総数は、１２８ｘ［Ｋ（Ｋ＋１）
／２＋Ｋ］である。従って、計算上の複雑さは、励起ベ
クトルの次元Ｋと共に本質的に徐々に増大する。
【０１１９】１６ｋbpsＬＤ−ＣＥＬＰ符号器では、ベ
クトルの次元は、非常に低い（僅か５標本）ので、これ
らのエネルギー項は直接計算することができる。しか
し、８ｋbps以下のＬＤ−ＣＥＬＰ符号器では、使用さ
れる最低のベクトル次元は、１６（第１表参照）であ
る。このようなベクトル次元の場合、コードブック・エ
ネルギーの直接計算だけで、ＡＴ＆ＴのＤＳＰ３２Ｃチ
ップ上で実施するには毎秒約４．８百万命令（ＭＩＰ
Ｓ）がかかる。符号器および復号器におけるコードブッ
ク探査およびその他の仕事を考慮すると、全二重符号器
に必要な対応する全ＤＳＰ処理能力は、そのような８０
ｎｓのＤＳＰ３２Ｃで利用できる１２．５ＭＩＰＳを超
える可能性がある。従って、コードブック・エネルギー
の計算の複雑さを軽減することが望ましい。
クトルの次元は、非常に低い（僅か５標本）ので、これ
らのエネルギー項は直接計算することができる。しか
し、８ｋbps以下のＬＤ−ＣＥＬＰ符号器では、使用さ
れる最低のベクトル次元は、１６（第１表参照）であ
る。このようなベクトル次元の場合、コードブック・エ
ネルギーの直接計算だけで、ＡＴ＆ＴのＤＳＰ３２Ｃチ
ップ上で実施するには毎秒約４．８百万命令（ＭＩＰ
Ｓ）がかかる。符号器および復号器におけるコードブッ
ク探査およびその他の仕事を考慮すると、全二重符号器
に必要な対応する全ＤＳＰ処理能力は、そのような８０
ｎｓのＤＳＰ３２Ｃで利用できる１２．５ＭＩＰＳを超
える可能性がある。従って、コードブック・エネルギー
の計算の複雑さを軽減することが望ましい。
【０１２０】ＣＥＬＰ符号化の文献ににおいて、コード
ブック探査およびコードブック・エネルギーの計算の複
雑さを軽減するべく、いくつかの技法が提案されてき
た。（これらの技法の包括的な概観のためには、「音
響、音声、信号処理に関するＩＥＥＥ会報（IEEE Tran
s. Acoust.,Speech. Signal Processing）」ASSP-38(8)
p.1330-p.1342（１９９０年８月）のＷ．Ｂ．クリージ
ン（Kleijn）、Ｄ．Ｊ．クラシンスキ（Krasinski）、
およびＲ．Ｈ．ケトチャム（Ketchum）による「ＣＥＬ
Ｐ音声符号化アルゴリズムのための高速な方法（Fast m
ethod for the CELP speech coding algorithm）」があ
る。）しかし、これらの技法の多くは、複雑さの軽減を
実現するために励起形状コードブックに組み込まれた特
殊な構造に依存するものである。ＬＤ−ＣＥＬＰの場合
は閉ループで仕込まれた励起形状コードブックを用いる
ことが極めて重要であり、さらにこのコードブックは、
反復性のアルゴリズムによって仕込まれるため特殊な構
造を持たないと言う理由から、それらの方法は、ＬＤ−
ＣＥＬＰには明らかに不適当である。（注意を要するこ
とであるが、後方適応ＬＰＣ予測器は、低遅延符号化に
より適しているが、音声波形における冗長性の除去にお
いては通常のＣＥＬＰ符号器の前方適応ＬＰＣ予測器ほ
ど効率的でないこともある。結論として、励起の符号化
は、所望の精度まで励起の量子化をするという比較的大
きな負荷を持つので、ＬＤ−ＣＥＬＰ符号器の全体的な
性能にとって、良く仕込まれたコードブックが決定的と
なり得る。）
ブック探査およびコードブック・エネルギーの計算の複
雑さを軽減するべく、いくつかの技法が提案されてき
た。（これらの技法の包括的な概観のためには、「音
響、音声、信号処理に関するＩＥＥＥ会報（IEEE Tran
s. Acoust.,Speech. Signal Processing）」ASSP-38(8)
p.1330-p.1342（１９９０年８月）のＷ．Ｂ．クリージ
ン（Kleijn）、Ｄ．Ｊ．クラシンスキ（Krasinski）、
およびＲ．Ｈ．ケトチャム（Ketchum）による「ＣＥＬ
Ｐ音声符号化アルゴリズムのための高速な方法（Fast m
ethod for the CELP speech coding algorithm）」があ
る。）しかし、これらの技法の多くは、複雑さの軽減を
実現するために励起形状コードブックに組み込まれた特
殊な構造に依存するものである。ＬＤ−ＣＥＬＰの場合
は閉ループで仕込まれた励起形状コードブックを用いる
ことが極めて重要であり、さらにこのコードブックは、
反復性のアルゴリズムによって仕込まれるため特殊な構
造を持たないと言う理由から、それらの方法は、ＬＤ−
ＣＥＬＰには明らかに不適当である。（注意を要するこ
とであるが、後方適応ＬＰＣ予測器は、低遅延符号化に
より適しているが、音声波形における冗長性の除去にお
いては通常のＣＥＬＰ符号器の前方適応ＬＰＣ予測器ほ
ど効率的でないこともある。結論として、励起の符号化
は、所望の精度まで励起の量子化をするという比較的大
きな負荷を持つので、ＬＤ−ＣＥＬＰ符号器の全体的な
性能にとって、良く仕込まれたコードブックが決定的と
なり得る。）
【０１２１】構造化されていないコードブックに利用可
能な複雑度軽減方法は僅かしかない。それらの大半は、
複雑度を軽減するには非効率的であったり、莫大なメモ
リを必要としたりする。１つの例外は、「音響、音声、
信号処理に関するＩＥＥＥ国際会議（IEEE Int.Conf.Ac
oust.,Speech. Signal Processing）」会報p.2375-p.23
79（１９８６年）のＩ．Ｍ．トランコソ（Trancoso）お
よびＢ．Ｓ．アタル（Atal）による「確率的符号器にお
いて最適なイノベーションを発見する効率的な手順（Ef
ficient procedures for finding the optimum innovat
ion in stochastic coders）」に説明されている自己相
関法であり、この方法は、必要なメモリはほどほどに増
加するだけで、計算上も実に効率的である。
能な複雑度軽減方法は僅かしかない。それらの大半は、
複雑度を軽減するには非効率的であったり、莫大なメモ
リを必要としたりする。１つの例外は、「音響、音声、
信号処理に関するＩＥＥＥ国際会議（IEEE Int.Conf.Ac
oust.,Speech. Signal Processing）」会報p.2375-p.23
79（１９８６年）のＩ．Ｍ．トランコソ（Trancoso）お
よびＢ．Ｓ．アタル（Atal）による「確率的符号器にお
いて最適なイノベーションを発見する効率的な手順（Ef
ficient procedures for finding the optimum innovat
ion in stochastic coders）」に説明されている自己相
関法であり、この方法は、必要なメモリはほどほどに増
加するだけで、計算上も実に効率的である。
【０１２２】この自己相関法は、次のように作用する。
ベクトルの次元Ｋが十分大きいため、加重されたＬＰＣ
フィルタのインパルス応答シーケンス｛ｈ（ｋ）｝は、
ｋがＫに近付くにつれて、ほぼゼロに減衰するものと仮
定する。（この仮定は、Ｋが４０またはそれ以上の場
合、通常のＣＥＬＰ符号器に対して大体成立する。）個
のように仮定すると、エネルギー項Ｅjは、次のように
近似できる。
ベクトルの次元Ｋが十分大きいため、加重されたＬＰＣ
フィルタのインパルス応答シーケンス｛ｈ（ｋ）｝は、
ｋがＫに近付くにつれて、ほぼゼロに減衰するものと仮
定する。（この仮定は、Ｋが４０またはそれ以上の場
合、通常のＣＥＬＰ符号器に対して大体成立する。）個
のように仮定すると、エネルギー項Ｅjは、次のように
近似できる。
【数２４】 ただし、μiは、インパルス応答ベクトル［ｈ（０），
ｈ（１），...,ｈ（Ｋ−１）］Tのｉ番目の自己相関係
数であり、次の式で算出される。
ｈ（１），...,ｈ（Ｋ−１）］Tのｉ番目の自己相関係
数であり、次の式で算出される。
【数２５】 νjiは、ｊ番目の形状コードベクトルｙjのｉ番目の自
己相関係数であり、
己相関係数であり、
【数２６】 によって算出される。ただし、ｙj（ｋ）は、ｙjのｋ番
目の成分である。従って、１２８個のＫ次元ベクトル
目の成分である。従って、１２８個のＫ次元ベクトル
【数２７】 を再計算して記憶しておくと、実際の符号化の最中に
は、まずＫ（Ｋ＋１）／２回の乗算を用いて、Ｋ次元ベ
クトル
は、まずＫ（Ｋ＋１）／２回の乗算を用いて、Ｋ次元ベ
クトル
【数２８】 を計算し、次に、１２８ｘＫ回の乗算を用いて、１２８
個の近似されたコードブック・エネルギー項を
個の近似されたコードブック・エネルギー項を
【数２９】 として計算することができる。この方法における乗算の
総数は、僅か１２８［Ｋ＋Ｋ（Ｋ＋１）／２５６］であ
り、ベクトルの次元Ｋと共に、およそ直線的に（直接計
算の場合に２次的であるのに対し）増加する。これに払
う代償は、コードブックのメモリが２倍必要になること
である。２つのテーブルを記憶する必要があるためで、
１つは、形状コードブック自体のもので、他の１つは、
１２８個の自己相関ベクトルｖj（ｊ＝０，１，．．）
のものである。
総数は、僅か１２８［Ｋ＋Ｋ（Ｋ＋１）／２５６］であ
り、ベクトルの次元Ｋと共に、およそ直線的に（直接計
算の場合に２次的であるのに対し）増加する。これに払
う代償は、コードブックのメモリが２倍必要になること
である。２つのテーブルを記憶する必要があるためで、
１つは、形状コードブック自体のもので、他の１つは、
１２８個の自己相関ベクトルｖj（ｊ＝０，１，．．）
のものである。
【０１２３】このメモリ必要量の増加は、一般の８ｋbp
sＬＤ−ＣＥＬＰの実施においては許容できるものであ
る。従って、この方法を用いて、コードブック・エネル
ギーの計算の複雑さを実例のレベルである４．８ＭＩＰ
Ｓから０．６１ＭＩＰＳへと減少させることができる。
この方法を適用した後は、単一のＡＴ＆Ｔ ＤＳＰ３２
Ｃチップ上で全二重符号器を実施することができる。こ
の方法は、一般の実施例において大抵の場合は良く役立
つが、時として、エネルギー項の近似が十分でないこと
もある。このような場合には、コードブック探査に誤り
が起こる可能性があり、不適切な候補の形状コードベク
トルを採用することもある。最終的な結果として、出力
の符号化された音声に、時々ではないが希に劣化した音
節が現れる。この問題の原因は、僅か１６または２０と
いうベクトルの次元Ｋでは、ｋがＫに近付くと共にｈ
（ｋ）がほぼゼロまで減衰するには、すべての場合にお
いて十分に大きいとは限らないことのようである。
sＬＤ−ＣＥＬＰの実施においては許容できるものであ
る。従って、この方法を用いて、コードブック・エネル
ギーの計算の複雑さを実例のレベルである４．８ＭＩＰ
Ｓから０．６１ＭＩＰＳへと減少させることができる。
この方法を適用した後は、単一のＡＴ＆Ｔ ＤＳＰ３２
Ｃチップ上で全二重符号器を実施することができる。こ
の方法は、一般の実施例において大抵の場合は良く役立
つが、時として、エネルギー項の近似が十分でないこと
もある。このような場合には、コードブック探査に誤り
が起こる可能性があり、不適切な候補の形状コードベク
トルを採用することもある。最終的な結果として、出力
の符号化された音声に、時々ではないが希に劣化した音
節が現れる。この問題の原因は、僅か１６または２０と
いうベクトルの次元Ｋでは、ｋがＫに近付くと共にｈ
（ｋ）がほぼゼロまで減衰するには、すべての場合にお
いて十分に大きいとは限らないことのようである。
【０１２４】この問題に対処するために、コードブック
・エネルギーを計算する新たな方法が考案された。その
基本概念は、インパルス応答シーケンスをすべて制御す
ることは不可能かも知れないが、１２８個の固定された
形状コードベクトルｙj（ｊ＝０、１、２,...,１２７）
の各々に関する直感的な知識は確かに存在する---従っ
て、それらは前もって処理することができる、というも
のである。この方法を理解するために、
・エネルギーを計算する新たな方法が考案された。その
基本概念は、インパルス応答シーケンスをすべて制御す
ることは不可能かも知れないが、１２８個の固定された
形状コードベクトルｙj（ｊ＝０、１、２,...,１２７）
の各々に関する直感的な知識は確かに存在する---従っ
て、それらは前もって処理することができる、というも
のである。この方法を理解するために、
【数３０】 を考える。Ｋ次元ベクトルＨｙjは、基本的には、２つ
のＫ次元ベクトルｙjとｈ＝［ｈ（０），ｈ（１），ｈ
（２）,...,ｈ（Ｋ−１）］Tとの間の畳み込み演算の最
初のＫ個の出力標本である。畳み込みは可換性の演算で
あるから、Ｅj＝‖Ｈｙj‖2と書かずに、
のＫ次元ベクトルｙjとｈ＝［ｈ（０），ｈ（１），ｈ
（２）,...,ｈ（Ｋ−１）］Tとの間の畳み込み演算の最
初のＫ個の出力標本である。畳み込みは可換性の演算で
あるから、Ｅj＝‖Ｈｙj‖2と書かずに、
【数３１】 と表すことができる。ただし、Ｙjは、ｍ≧ｎのときｙj
（ｍ−ｎ）に等しく、ｍ＜ｎのとき０に等しいｍｎ番目
の要素を有するＫｘＫの下半３角行列である。これは、
ｈおよび１２８個の可能な「インパルス応答ベクトル」
ｙj（ｊ＝０，１，２,...,１２７）のコードベクトルを
持つことに等しい。従って、自己相関法（式（２８）の
右辺）は、ベクトルの終わりに向かって小さな成分を有
するようなｙjベクトルに対し、エネルギー項の極めて
良好な近似を生成する。一方、ベクトルの先頭の近くに
比較的小さい成分を有し、終わりに向かって徐々に大き
な成分を有するようなｙjベクトルは、実際のインパル
ス応答ベクトルｈがどうであれ、常に劣等なエネルギー
近似を生じる傾向がある。これらの「問題を起こす」コ
ードベクトルは、「危険な」コードベクトルと称する。
秘訣は、これらの危険なコードベクトルをコードブック
から識別し、正確な計算によって、それに対応するエネ
ルギー項を得ることである。
（ｍ−ｎ）に等しく、ｍ＜ｎのとき０に等しいｍｎ番目
の要素を有するＫｘＫの下半３角行列である。これは、
ｈおよび１２８個の可能な「インパルス応答ベクトル」
ｙj（ｊ＝０，１，２,...,１２７）のコードベクトルを
持つことに等しい。従って、自己相関法（式（２８）の
右辺）は、ベクトルの終わりに向かって小さな成分を有
するようなｙjベクトルに対し、エネルギー項の極めて
良好な近似を生成する。一方、ベクトルの先頭の近くに
比較的小さい成分を有し、終わりに向かって徐々に大き
な成分を有するようなｙjベクトルは、実際のインパル
ス応答ベクトルｈがどうであれ、常に劣等なエネルギー
近似を生じる傾向がある。これらの「問題を起こす」コ
ードベクトルは、「危険な」コードベクトルと称する。
秘訣は、これらの危険なコードベクトルをコードブック
から識別し、正確な計算によって、それに対応するエネ
ルギー項を得ることである。
【０１２５】危険なコードベクトルをその他から区別す
るための適切な基準を見つけることは、容易な仕事では
ない。なぜなら、エネルギー近似誤差が、時間で変化す
るインパルス応答ベクトルｈの形に依存するからであ
る。次の統計的な方法は採用して好都合であった。エネ
ルギー近似誤差（ｄＢ）は、
るための適切な基準を見つけることは、容易な仕事では
ない。なぜなら、エネルギー近似誤差が、時間で変化す
るインパルス応答ベクトルｈの形に依存するからであ
る。次の統計的な方法は採用して好都合であった。エネ
ルギー近似誤差（ｄＢ）は、
【数３２】 と定義される。ただし、Ｅ∧jおよびＥjは、式（２８）
で定義されている。
で定義されている。
【０１２６】形状コードベクトルｙjが与えられている
とすると、それに対応するエネルギー近似誤差Δjは、
インパルス応答ベクトルｈにのみ依存する。実際のＬＤ
−ＣＥＬＰ符号化では、ベクトルｈは、フレームごとに
変化するので、Δjもフレームごとに変化する。従っ
て、Δjは、確率変数として処理され、その平均および
標準偏差は次のように評価される。８ｋbpsＬＤ−ＣＥ
ＬＰ符号器を用いて非常に大きな音声ファイル（仕込用
の集合）を符号化し、計算過程でΔj（ｊ＝０，１，
２,...,１２７）を各フレームに対して計算し、また各
ｊに対しフレーム全体にわたってΔjおよびΔj 2（ｎ）
の総和を積算する。仕込用の集合にＮフレームあるもの
と仮定し、さらにΔj（ｎ）をｎ番目のフレームにある
Δjの値とする。すると、仕込用の集合を符号化した後
は、Δjの平均（または期待値）が、
とすると、それに対応するエネルギー近似誤差Δjは、
インパルス応答ベクトルｈにのみ依存する。実際のＬＤ
−ＣＥＬＰ符号化では、ベクトルｈは、フレームごとに
変化するので、Δjもフレームごとに変化する。従っ
て、Δjは、確率変数として処理され、その平均および
標準偏差は次のように評価される。８ｋbpsＬＤ−ＣＥ
ＬＰ符号器を用いて非常に大きな音声ファイル（仕込用
の集合）を符号化し、計算過程でΔj（ｊ＝０，１，
２,...,１２７）を各フレームに対して計算し、また各
ｊに対しフレーム全体にわたってΔjおよびΔj 2（ｎ）
の総和を積算する。仕込用の集合にＮフレームあるもの
と仮定し、さらにΔj（ｎ）をｎ番目のフレームにある
Δjの値とする。すると、仕込用の集合を符号化した後
は、Δjの平均（または期待値）が、
【数３３】 として容易に得られる。Δjの標準偏差は、次の式で与
えられる。
えられる。
【数３４】
【０１２７】Δjの平均が利用できるようになると、自
己相関法のエネルギー近似誤差を小さくすることができ
る。自己相関法によって生成した近似されたコードブッ
ク・エネルギー項Ｅ∧jは、常に真のエネルギーＥjの過
大な推定値となることが分かる。（つまり、Δj≧０で
ある。）換言すれば、Ｅ∧jは、Ｅjの偏った推定値であ
る。１０の−Ｅ［Δj］／１０乗をＥ∧jに乗じる（これ
は、Ｅ∧jのｄＢ値からＥ［Δj］を引くことに相当す
る）と、結果的に得られる値は、Ｅjの偏っていない推
定値となり、エネルギー近似誤差が減少する。
己相関法のエネルギー近似誤差を小さくすることができ
る。自己相関法によって生成した近似されたコードブッ
ク・エネルギー項Ｅ∧jは、常に真のエネルギーＥjの過
大な推定値となることが分かる。（つまり、Δj≧０で
ある。）換言すれば、Ｅ∧jは、Ｅjの偏った推定値であ
る。１０の−Ｅ［Δj］／１０乗をＥ∧jに乗じる（これ
は、Ｅ∧jのｄＢ値からＥ［Δj］を引くことに相当す
る）と、結果的に得られる値は、Ｅjの偏っていない推
定値となり、エネルギー近似誤差が減少する。
【０１２８】所与のΔjが小さい標準偏差を有する場
合、それは予測可能性が高く、その平均値は、如何なる
特定のフレームにおいても、その実際の値に対する最良
の推定値として使用することができる。これに対して、
Δjが比較的大きな標準偏差を持つ場合、それは一段と
予測可能性が低く、その平均値を推定値として用いる
と、やはり大きな平均推定値誤差が得られる。従って、
Δjの大きな標準偏差を有するようなコードベクトル
は、「問題を起こす」と考えられる。なぜなら、仮にΔ
jの平均値をもってしても、それらの危険なコードベク
トルは依然として大きなエネルギー近似誤差を生じるか
らである。従って、危険なコードベクトルを識別するた
めの基準としてΔjの平均標準偏差を用いるのは、意味
のあることである。
合、それは予測可能性が高く、その平均値は、如何なる
特定のフレームにおいても、その実際の値に対する最良
の推定値として使用することができる。これに対して、
Δjが比較的大きな標準偏差を持つ場合、それは一段と
予測可能性が低く、その平均値を推定値として用いる
と、やはり大きな平均推定値誤差が得られる。従って、
Δjの大きな標準偏差を有するようなコードベクトル
は、「問題を起こす」と考えられる。なぜなら、仮にΔ
jの平均値をもってしても、それらの危険なコードベク
トルは依然として大きなエネルギー近似誤差を生じるか
らである。従って、危険なコードベクトルを識別するた
めの基準としてΔjの平均標準偏差を用いるのは、意味
のあることである。
【０１２９】これらの危険なコードベクトルが特定され
ても、それらがコードブック全体に分散している場合、
コードブックを進んで行きながら、それらを特別に処理
しようとすることには、かなりの間接的な負担がある。
従って、それらをすべてコードブックの始めに配置する
ことが望ましい。これを行うために、Δjの標準偏差に
基づき、かつΔjの標準偏差がインデックスｊの増加と
共に減少するように励起形状コードベクトルを並べ替え
て、ソート（分類）を行う。Δjの平均値も、相応に並
べ替える。図６および７は、分類・並べ替えの後のΔj
の標準偏差および平均をそれぞれ示す。
ても、それらがコードブック全体に分散している場合、
コードブックを進んで行きながら、それらを特別に処理
しようとすることには、かなりの間接的な負担がある。
従って、それらをすべてコードブックの始めに配置する
ことが望ましい。これを行うために、Δjの標準偏差に
基づき、かつΔjの標準偏差がインデックスｊの増加と
共に減少するように励起形状コードベクトルを並べ替え
て、ソート（分類）を行う。Δjの平均値も、相応に並
べ替える。図６および７は、分類・並べ替えの後のΔj
の標準偏差および平均をそれぞれ示す。
【０１３０】図６および７から分かるように、コードブ
ックを並べ替えてしまうと、危険なコードベクトルは、
すべてそのコードブックの最初に配置される。一般に実
時間で実施することにより、最初のＭ個のコードベクト
ルに対する正確なエネルギー計算の実行が可能となると
仮定すると、エネルギー計算の手順は次のとおりであ
る。 １．数３０を用いて、ｊ＝０，１，２,...,Ｍに対する
Ｅjの正確な値を計算する。 ２．前記のトランコソおよびアタルの自己相関法を用い
て、エネルギー
ックを並べ替えてしまうと、危険なコードベクトルは、
すべてそのコードブックの最初に配置される。一般に実
時間で実施することにより、最初のＭ個のコードベクト
ルに対する正確なエネルギー計算の実行が可能となると
仮定すると、エネルギー計算の手順は次のとおりであ
る。 １．数３０を用いて、ｊ＝０，１，２,...,Ｍに対する
Ｅjの正確な値を計算する。 ２．前記のトランコソおよびアタルの自己相関法を用い
て、エネルギー
【数３５】 の予備的な推定値を計算する。 ３．Ｅ∧jの推定値の偏りを修正し、最終的なエネルギ
ー推定値
ー推定値
【数３６】 を計算する。
【数３７】 の１２８−Ｍ個の項は、予め計算し、テーブルに記憶し
て、計算を節約することができる。
て、計算を節約することができる。
【０１３１】１２８のコードブック・サイズに対してＭ
が１０と小さい場合、音節の劣化という希な事象もすべ
て完全に回避されることが分かった。説明用の実施例に
おいては、Ｍ＝１６、即ちコードブック・サイズの１／
８を使用する。図４から、Ｍ＞１６の場合、エネルギー
近似誤差の標準偏差は１ｄＢ以内であることが分かる。
が１０と小さい場合、音節の劣化という希な事象もすべ
て完全に回避されることが分かった。説明用の実施例に
おいては、Ｍ＝１６、即ちコードブック・サイズの１／
８を使用する。図４から、Ｍ＞１６の場合、エネルギー
近似誤差の標準偏差は１ｄＢ以内であることが分かる。
【０１３２】計算上の複雑さという点において、最初の
１６個の（危険な）コードベクトルの正確なエネルギー
計算には、実証的に約０．６ＭＩＰＳを要するが、その
他の１１２のコードベクトルに対する偏らない自己相関
法では、実証的に約０．５７ＭＩＰＳを要する。このよ
うに、コードブックのエネルギー計算の全体的な複雑さ
は、最初の４．８ＭＩＰＳから１．１７ＭＩＰＳまで減
少した---１／４の縮小である。
１６個の（危険な）コードベクトルの正確なエネルギー
計算には、実証的に約０．６ＭＩＰＳを要するが、その
他の１１２のコードベクトルに対する偏らない自己相関
法では、実証的に約０．５７ＭＩＰＳを要する。このよ
うに、コードブックのエネルギー計算の全体的な複雑さ
は、最初の４．８ＭＩＰＳから１．１７ＭＩＰＳまで減
少した---１／４の縮小である。
【０１３３】前記のエネルギー計算方法の１つの利点
は、ＤＳＰのソフトウェア開発の完了後にＤＳＰプロセ
ッサの実時間がどれだけ残っているかによってＭを１０
と１２８との間のどこにでも選ぶことができると言う点
において、容易に倍率調整ができることである。例え
ば、Ｍ＝１６という初期値を選択しても、実時間で実施
して未使用のプロセッサ時間が生じた場合、実時間が不
足することなく正確に計算されたコードブック・エネル
ギー項をより多く得るために、Ｍを３２に大きくするこ
とも可能である。
は、ＤＳＰのソフトウェア開発の完了後にＤＳＰプロセ
ッサの実時間がどれだけ残っているかによってＭを１０
と１２８との間のどこにでも選ぶことができると言う点
において、容易に倍率調整ができることである。例え
ば、Ｍ＝１６という初期値を選択しても、実時間で実施
して未使用のプロセッサ時間が生じた場合、実時間が不
足することなく正確に計算されたコードブック・エネル
ギー項をより多く得るために、Ｍを３２に大きくするこ
とも可能である。
【０１３４】後置フィルタ 従来のほとんどのＣＥＬＰ符号器のように、本発明の説
明用の実施例による８ｋbpsＬＤ−ＣＥＬＰ符号器は、
図４に示すように音声品質を高めるために後置フィルタ
を有利に使用している。この後置フィルタは、都合良く
長期後置フィルタ、これに続く短期後置フィルタおよび
出力利得制御段からなる。短期後置フィルタおよび出力
利得制御段は、既に引用したチェンおよびガーショウの
論文において提案されたものと本質的に同様であるが、
遊休チャネルの効率を改善するために利得制御段が非線
形倍率調整の付加的な特徴を備えている点が異なる。一
方、長期後置フィルタは、既に引用したチェンの学位論
文に説明されているタイプのものである。
明用の実施例による８ｋbpsＬＤ−ＣＥＬＰ符号器は、
図４に示すように音声品質を高めるために後置フィルタ
を有利に使用している。この後置フィルタは、都合良く
長期後置フィルタ、これに続く短期後置フィルタおよび
出力利得制御段からなる。短期後置フィルタおよび出力
利得制御段は、既に引用したチェンおよびガーショウの
論文において提案されたものと本質的に同様であるが、
遊休チャネルの効率を改善するために利得制御段が非線
形倍率調整の付加的な特徴を備えている点が異なる。一
方、長期後置フィルタは、既に引用したチェンの学位論
文に説明されているタイプのものである。
【０１３５】注意を要するのは、符号器においてピッチ
周期およびピッチ・タップの閉ループ連帯最適化によっ
て、量子化されたピッチ周期が決定された場合、復号さ
れたピッチ周期が真のピッチ周期と異なる場合があるこ
とである。これは、閉ループ連帯最適化のために量子化
されたピッチ周期が開ループ抽出ピッチ周期から１乃至
２標本だけ逸れる可能性があるためであり、そのような
逸れたピッチ周期は、タップ・コードブックからのピッ
チ予測器タップのある集合と組み合わされると、全体的
に最も低い知覚的に加重された歪を与えるという理由だ
けで、非常にしばしば選択される。しかし、これは、復
号器の後置フィルタに対しては問題となる。これは、長
期後置フィルタが効率的に作用するために真のピッチ周
期の滑らかな輪郭を必要とするからである。この問題
は、復号器において真のピッチ周期を求める探査を付加
的に行うことによって解決される。所望の真のピッチ周
期の滑らかな輪郭を回復するには、この単純な方法で十
分である。
周期およびピッチ・タップの閉ループ連帯最適化によっ
て、量子化されたピッチ周期が決定された場合、復号さ
れたピッチ周期が真のピッチ周期と異なる場合があるこ
とである。これは、閉ループ連帯最適化のために量子化
されたピッチ周期が開ループ抽出ピッチ周期から１乃至
２標本だけ逸れる可能性があるためであり、そのような
逸れたピッチ周期は、タップ・コードブックからのピッ
チ予測器タップのある集合と組み合わされると、全体的
に最も低い知覚的に加重された歪を与えるという理由だ
けで、非常にしばしば選択される。しかし、これは、復
号器の後置フィルタに対しては問題となる。これは、長
期後置フィルタが効率的に作用するために真のピッチ周
期の滑らかな輪郭を必要とするからである。この問題
は、復号器において真のピッチ周期を求める探査を付加
的に行うことによって解決される。所望の真のピッチ周
期の滑らかな輪郭を回復するには、この単純な方法で十
分である。
【０１３６】第４表から分かるように、後置フィルタ
は、実施にあたり非常に小さな量しか計算を要しない
が、出力音声の知覚的品質には目立った改善を与える。
は、実施にあたり非常に小さな量しか計算を要しない
が、出力音声の知覚的品質には目立った改善を与える。
【０１３７】実時間での実施 以下の第２、３、および４表により、単一の８０ｎｓの
ＡＴ＆Ｔ ＤＳＰ３２Ｃプロセッサを用いた本発明の諸
相によって構築された典型的な８ｋbpsＬＤ−ＣＥＬＰ
符号器の実施の一定の構成面および計算面を説明する。
この符号器は、３２標本分（４ｍｓ）のフレーム・サイ
ズで実施した。
ＡＴ＆Ｔ ＤＳＰ３２Ｃプロセッサを用いた本発明の諸
相によって構築された典型的な８ｋbpsＬＤ−ＣＥＬＰ
符号器の実施の一定の構成面および計算面を説明する。
この符号器は、３２標本分（４ｍｓ）のフレーム・サイ
ズで実施した。
【０１３８】次の第２表は、この実施のプロセッサ時間
およびメモリ用途を示す。
およびメモリ用途を示す。
【表２】
【０１３９】この説明のための実施に際し、符号器は、
ＤＳＰ３２Ｃのプロセッサ時間の８０．１％をとるのに
対し、復号器は、１２．４％とるだけである。全二重符
号器は、４０．９１ｋバイト（または約１０ｋワード）
のメモリを必要とする。この数には、ＤＳＰ３２Ｃチッ
プ上の１．５ｋワードのＲＡＭも含まれる。この数は、
別個の半二重の符号器および復号器に必要なメモリの合
計よりかなり低い。これは、符号器および復号器が同一
のＤＳＰ３２Ｃチップ上で実施されるとメモリを幾らか
共有することができるからである。
ＤＳＰ３２Ｃのプロセッサ時間の８０．１％をとるのに
対し、復号器は、１２．４％とるだけである。全二重符
号器は、４０．９１ｋバイト（または約１０ｋワード）
のメモリを必要とする。この数には、ＤＳＰ３２Ｃチッ
プ上の１．５ｋワードのＲＡＭも含まれる。この数は、
別個の半二重の符号器および復号器に必要なメモリの合
計よりかなり低い。これは、符号器および復号器が同一
のＤＳＰ３２Ｃチップ上で実施されるとメモリを幾らか
共有することができるからである。
【０１４０】第３表は、説明のための８ｋbpsＬＤ−Ｃ
ＥＬＰ符号器の異なる部分の計算的複雑さを示す。第４
図は、復号器に対する同様の表である。符号器のある部
分（例えば、ピッチ予測器の量子化）の複雑さは、フレ
ームによって変化する。第３および４表に示した複雑さ
は、最悪の場合の数（即ち、可能な最大数）に相当す
る。符号器において、ピッチの周期およびタップの閉ル
ープ連帯量子化は、ＤＳＰ３２Ｃのプロセッサ時間の２
２．５％を要し、計算が最も集中する動作であるが、良
好な音声品質を達成するために重要な動作でもある。
ＥＬＰ符号器の異なる部分の計算的複雑さを示す。第４
図は、復号器に対する同様の表である。符号器のある部
分（例えば、ピッチ予測器の量子化）の複雑さは、フレ
ームによって変化する。第３および４表に示した複雑さ
は、最悪の場合の数（即ち、可能な最大数）に相当す
る。符号器において、ピッチの周期およびタップの閉ル
ープ連帯量子化は、ＤＳＰ３２Ｃのプロセッサ時間の２
２．５％を要し、計算が最も集中する動作であるが、良
好な音声品質を達成するために重要な動作でもある。
【表３】
【表４】
【０１４１】性 能 ８ｋbpsＬＤ−ＣＥＬＰ符号器を同じかそれ以上のビッ
ト・レートで動作している他の標準的な符号器と対比し
て評価し、この８ｋbpsＬＤ−ＣＥＬＰ符号器が、僅か
に１／５の遅延量で同じ音声品質を与えることが分かっ
た。本発明の実施による８ｋbpsＬＤ−ＣＥＬＰの４ｍ
ｓフレーム版に対し、８ｋbpsの伝送チャネルを仮定
し、さらにピッチ・パラメータに対応するビットが各フ
レームで利用できるようになると直ちに伝送されるもの
と仮定すると、１０ｍｓに満たない一方向符号化遅延を
容易に達成することができる。同様に、８ｋbpsＬＤ−
ＣＥＬＰの２．５ｍｓフレーム版では、６ｍｓと７ｍｓ
の間の一方向符号化遅延を、音声品質の劣化も本質的に
なく、得ることができる。
ト・レートで動作している他の標準的な符号器と対比し
て評価し、この８ｋbpsＬＤ−ＣＥＬＰ符号器が、僅か
に１／５の遅延量で同じ音声品質を与えることが分かっ
た。本発明の実施による８ｋbpsＬＤ−ＣＥＬＰの４ｍ
ｓフレーム版に対し、８ｋbpsの伝送チャネルを仮定
し、さらにピッチ・パラメータに対応するビットが各フ
レームで利用できるようになると直ちに伝送されるもの
と仮定すると、１０ｍｓに満たない一方向符号化遅延を
容易に達成することができる。同様に、８ｋbpsＬＤ−
ＣＥＬＰの２．５ｍｓフレーム版では、６ｍｓと７ｍｓ
の間の一方向符号化遅延を、音声品質の劣化も本質的に
なく、得ることができる。
【０１４２】低遅延ＣＥＬＰ符号器／復号器の実施に関
する前記の説明は、大部分８ｋbpsの実施という点から
進めてきたが、符号器パラメータを幾つか変更すること
によって、８ｋbps以下のビット・レートについても、
本発明によるＬＤ−ＣＥＬＰの実施を行うことができ
る。例えば、本発明の原理による６．４ｋbpsのＬＤ−
ＣＥＬＰ符号器の音声品質が、最小限の最適化をやり直
すだけで８ｋbpsＬＤ−ＣＥＬＰのそれと殆ど同様に実
現され、すべて以上の教訓から照らして当分屋の実施者
の技術の範囲内である。さらに、４．８ｋbpsのビット
・レートにおいて、フレーム・サイズが４．５ｍｓ内外
の本発明によるＬＤ−ＣＥＬＰ符号器は、３０ｍｓに及
ぶフレーム・サイズの他のほとんどの４．８ｋbpsＣＥ
ＬＰ符号器に少なくとも匹敵する音声品質を生成する。
する前記の説明は、大部分８ｋbpsの実施という点から
進めてきたが、符号器パラメータを幾つか変更すること
によって、８ｋbps以下のビット・レートについても、
本発明によるＬＤ−ＣＥＬＰの実施を行うことができ
る。例えば、本発明の原理による６．４ｋbpsのＬＤ−
ＣＥＬＰ符号器の音声品質が、最小限の最適化をやり直
すだけで８ｋbpsＬＤ−ＣＥＬＰのそれと殆ど同様に実
現され、すべて以上の教訓から照らして当分屋の実施者
の技術の範囲内である。さらに、４．８ｋbpsのビット
・レートにおいて、フレーム・サイズが４．５ｍｓ内外
の本発明によるＬＤ−ＣＥＬＰ符号器は、３０ｍｓに及
ぶフレーム・サイズの他のほとんどの４．８ｋbpsＣＥ
ＬＰ符号器に少なくとも匹敵する音声品質を生成する。
【０１４３】「化学式等を記載した書面」において例え
ば「ｘ］に「＾」を冠した表記などは、本文においては
「ｘ∧」のように記した。
ば「ｘ］に「＾」を冠した表記などは、本文においては
「ｘ∧」のように記した。
【０１４４】
【発明の効果】以上述べたように、本発明によれば、低
ビット・レート低遅延の符号化および復号が可能とな
る。従来のＣＥＬＰの僅か１／５程度の遅延で、従来の
ＣＥＬＰと同等の音声品質が与られる。さらに、従来の
技術の複雑さの多くを回避することにより、全二重の符
号器が単一のデジタル信号処理（ＤＳＰ）チップ上に好
ましい形で実施できる。さらには、本発明の符号化およ
び復号の方式を用いることにより、ビット誤り率が高い
条件の下でも双方向の音声通信を容易に達成することが
できる。
ビット・レート低遅延の符号化および復号が可能とな
る。従来のＣＥＬＰの僅か１／５程度の遅延で、従来の
ＣＥＬＰと同等の音声品質が与られる。さらに、従来の
技術の複雑さの多くを回避することにより、全二重の符
号器が単一のデジタル信号処理（ＤＳＰ）チップ上に好
ましい形で実施できる。さらには、本発明の符号化およ
び復号の方式を用いることにより、ビット誤り率が高い
条件の下でも双方向の音声通信を容易に達成することが
できる。
【図１】従来の技術のＣＥＬＰ符号器を示す図である。
【図２】従来の技術のＣＥＬＰ復号器を示す図である。
【図３】本発明による低ビット・レート低遅延ＣＥＬＰ
符号器の典型的な実施例である。
符号器の典型的な実施例である。
【図４】本発明による低ビット・レート低遅延ＣＥＬＰ
復号器の典型的な実施例である。
復号器の典型的な実施例である。
【図５】量子化器を備えたピッチ予測器の典型的な実施
例を示す図である。
例を示す図である。
【図６】典型的なコードブックに対するエネルギー近似
誤差の標準偏差を示す図である。
誤差の標準偏差を示す図である。
【図７】典型的なコードブックに対するエネルギー近似
誤差の平均値を示す図である。
誤差の平均値を示す図である。
１００、２１０励起ＶＱ（ベクトル量子化）コードブッ
ク １０５、２１５利得調整要素 １１０、２２０１タップ長期予測器 １１５、１２５、２２５、２３５総和器 １２０、２３０短期予測器 １３０ 比較器 １４０ 線形予測分析／量子化 １５０ 最小ＭＳＥ（平均２乗誤差）要素 １５５ 知覚的荷重フィルタ １６０ 符号器／マルチプレクサ ２００ デマルチプレクサ／復号器 ２４０ 後置フィルタの係数調節器 ２４５ 適応後置フィルタ
ク １０５、２１５利得調整要素 １１０、２２０１タップ長期予測器 １１５、１２５、２２５、２３５総和器 １２０、２３０短期予測器 １３０ 比較器 １４０ 線形予測分析／量子化 １５０ 最小ＭＳＥ（平均２乗誤差）要素 １５５ 知覚的荷重フィルタ １６０ 符号器／マルチプレクサ ２００ デマルチプレクサ／復号器 ２４０ 後置フィルタの係数調節器 ２４５ 適応後置フィルタ
フロントページの続き (56)参考文献 特開 昭63−37724（ＪＰ，Ａ) 特開 昭63−214032（ＪＰ，Ａ) 特開 平１−179100（ＪＰ，Ａ) 特表 平２−502857（ＪＰ，Ａ) (58)調査した分野(Int.Cl.6，ＤＢ名) G10L 9/14,9/18 H04M 7/30 H04B 14/04
Claims (36)
- 【請求項１】 Ｒキロビット／秒の速度で標本化される
入力信号の標本からなるＦミリ秒のフレームをＤミリ秒
の符号化遅延で符号化する低遅延ＣＥＬＰ符号化方法に
おいて、 それぞれのインデックス信号を有する複数のコードブッ
ク・ベクトルの各々に対し、 利得調整されたベクトルを生成するために、利得因子に
より前記ベクトルを調整するステップと、 合成された候補信号を生成するために、前記入力信号の
長期的特性を反映する長期フィルタおよび前記入力信号
の短期的特性を反映する短期フィルタの縦続接続に前記
の利得調整されたベクトルを適用するステップと、 前記フレームの標本化された入力信号を最適に近似する
候補信号を決定するために、前記候補信号の各々を前記
フレームの標本化された入力信号と比較する比較ステッ
プと、 前記フレームの標本化された入力信号を最適に近似する
候補信号に対応するインデックスを前記フレームの後の
復号に利用できるようにするステップと、 前記の長期フィルタに対するフィルタ・パラメータを生
成する長期パラメータ生成ステップと、 前記の長期フィルタに対するフィルタ・パラメータを前
記フレームの後の復号に利用できるようにする長期パラ
メータ利用ステップと、 前記の短期フィルタに対するフィルタ・パラメータを後
向き適応によって生成する短期パラメータ生成ステップ
とを備えたことを特徴とする低遅延ＣＥＬＰ符号化方
法。 - 【請求項２】 前記短期フィルタが、２０に満たないＮ
Ｓ個のフィルタ・タップを有するフィルタであり、かつ
前記の短期パラメータ生成ステップが、 前記のＮＳ個のタップの各々に対する係数の値を生成す
るステップを含むことを特徴とする請求項１記載の方
法。 - 【請求項３】 Ｆが５以下であることを特徴とする請求
項１記載の方法。 - 【請求項４】 Ｄが１０以下であることを特徴とする請
求項１記載の方法。 - 【請求項５】 Ｒが１６未満であることを特徴とする請
求項４記載の方法。 - 【請求項６】 前記利得因子が、後向き適応によって調
整されることを特徴とする請求項２記載の方法。 - 【請求項７】 前記比較ステップが、 各候補信号に対し、前記入力フレームと前記候補信号と
の間の差を表す差信号を形成するステップと、 知覚的により重要な周波数を強調するように加重された
差信号を形成するために、前記の差信号を周波数荷重す
るステップと、 前記の加重された差信号に対する最小値を決定するステ
ップとを備えたことを特徴とする請求項１記載の方法。 - 【請求項８】 その係数が入力フレーム信号の分析によ
って決定されるようなフィルタに前記の差信号を通すこ
とによって、前記の周波数荷重を実現することを特徴と
する請求項７記載の方法。 - 【請求項９】 前記の入力フレーム信号の分析が、量子
化されていない入力フレーム信号のＬＰＣ分析からなる
ことを特徴とする請求項８記載の方法。 - 【請求項１０】 ＮＳ＝１０であることを特徴とする請
求項２記載の方法。 - 【請求項１１】 前記の長期パラメータ生成ステップ
が、 ピッチ周期パラメータおよびＮＬ＞１なるＮＬ個のフィ
ルタ・タップの係数パラメータを生成するステップを含
むことを特徴とする請求項１記載の方法。 - 【請求項１２】 ＮＬ＝３であることを特徴とする請求
項１１記載の方法。 - 【請求項１３】 標本化された入力信号の前記フレーム
が、有声情報列の一部であるか否かを判断する判断ステ
ップと、 標本化された入力信号の前記フレームが、有声情報列の
一部であるとき復号のために、前記長期フィルタに対す
る前記フィルタ・パラメータを利用できるようにするス
テップをさらに備えたことを特徴とする請求項１記載の
方法。 - 【請求項１４】 前記判断ステップが、 各フレームに対して有声／非有声の予備的な判断を行う
予備判断ステップと、 現在のフレームおよび所定の数Ｋの直前のフレームの各
々に対する前記の予備的な判断が非有声である場合、現
在のフレームが有声音声フレームの列の一部ではないと
判断するステップとを備えたことを特徴とする請求項１
３記載の方法。 - 【請求項１５】 前記の予備判断ステップが、 入力フレームにある標本にしきい値を設定するステップ
と、 現在の標本に対する値が既存のしきい値に等しいか、そ
れ以下である場合は常に、Ｔ＜１である所定の因数Ｔを
既存のしきい値に乗じるサブステップ、および、現在の
標本の値が既存のしきい値を超える場合、しきいを現在
の標本の値に設定するサブステップによって、入力フレ
ームにおいて連続する各標本に対して前記しきいを調節
するステップと、 各入力フレームに対し、そのフレームにおける標本に対
するしきい値に基づいて基準値を形成する基準値形成ス
テップと、 現在のフレームの標本に対する値が前記基準値に関係す
る第１の所定の条件を満たす場合は常に、現在のフレー
ムは有声フレームであるとの判断を下すステップと、 現在のフレームの標本に対する値が前記基準値に関係す
る第２の所定の条件を満たす場合は常に、現在のフレー
ムは非有声フレームであるとの予備的な判断を下すステ
ップとを備えたことを特徴とする請求項１４記載の方
法。 - 【請求項１６】 前記基準値形成ステップが、 現在のフレームの標本に対し、しきい関数の平均を形成
するステップを含み、 前記の第１の所定の条件が、前記基準値の半分を超える
現在のフレームの標本に対する最大強度を有することか
らなり、 前記の第２の所定の条件が、前記基準値の２％を超えな
い現在のフレームの標本に対し最大強度を有することか
らなり、さらに前記方法が、 タップが１つの予測器に対する最適なタップ値を現在の
入力フレームに基づいて決定するステップと、 前記の第１および第２の所定の条件が満たされず、前記
のタップが１つの予測器のタップ値が所定の値より大き
い場合、前記の現在のフレームは有声フレームであると
判断するステップとを備えたことを特徴とする請求項１
５記載の方法。 - 【請求項１７】 前記基準値形成ステップが、 現在のフレームの標本に対し、しきい関数の平均を形成
するステップを含み、 前記の第１の所定の条件が、前記基準値の半分を超える
現在のフレームの標本に対する最大強度を有することか
らなり、 前記の第２の所定の条件が、前記基準値の２％を超えな
い現在のフレームの標本に対し最大強度を有することか
らなり、さらに前記方法が、 現在のフレームの標本の正規化された１次自己相関係数
を決定するステップと、 前記の第１および第２の条件が満たされず、前記の自己
相関係数が所定の値より大きい場合、前記の現在のフレ
ームは有声フレームであると判断するステップとを備え
たことを特徴とする請求項１５記載の方法。 - 【請求項１８】 前記基準値形成ステップが、 現在のフレームの標本に対し、しきい関数の平均を形成
するステップを含み、 前記の第１の所定の条件が、前記基準値の半分を超える
現在のフレームの標本に対する最大強度を有することか
らなり、 前記の第２の所定の条件が、前記基準値の２％を超えな
い現在のフレームの標本に対し最大強度を有することか
らなり、さらに前記方法が、 現在のフレームの標本全体に対するゼロ交差率を決定す
るステップと、 前記の第１および第２の条件が満たされず、前記のゼロ
交差率が所定の値より大きい場合、前記の現在のフレー
ムは有声フレームであると判断するステップとを備えた
ことを特徴とする請求項１５記載の方法。 - 【請求項１９】 Ｋ＝３であることを特徴とする請求項
１４記載の方法。 - 【請求項２０】 前記長期フィルタに対するピッチ周期
を生成するステップが、 入力フレームの信号のＬ次ＬＰＣ分析を行うステップ
と、 予測残差信号を決定するために、前記Ｌ次ＬＰＣ分析に
より生成したフィルタ係数に基づいて前記入力フレーム
信号の逆ＬＰＣフィルタ処理を行うステップと、 前記の予測残差信号の関数の相関ピーク採取によって前
記ピッチ周期を抽出する抽出ステップとを備えたことを
特徴とする請求項１１記載の方法。 - 【請求項２１】 前記予測残差信号の前記関数が、前記
予測残差信号の時間削減され低域通過フィルタを通され
た関数であることを特徴とする請求項２０記載の方法。 - 【請求項２２】 前記の相関ピーク採取が、可能なピッ
チ周期の持続時間の範囲にわたる時間遅れに対して行わ
れ、かつ前記抽出ステップが、最大の相関を与える時間
遅れを選択するステップを含むことを特徴とする請求項
２０記載の方法。 - 【請求項２３】 前記の相関ピーク採取が、可能なピッ
チ周期の持続時間の範囲にわたる時間遅れに対して行わ
れ、かつ前記抽出ステップが、 最大の相関を与える時間遅れを選択するステップと、 ピッチ周期の値ｐ０を与えるために、前記の選択された
時間遅れを前記時間処理を補償するように調節するステ
ップとを備えたことを特徴とする請求項２１記載の方
法。 - 【請求項２４】 基準値として前の周期に対して決定さ
れたピッチ周期を確立するサブステップ、および、前記
のピーク採取において前記基準値の予め選択された範囲
にあるピークによって示されるピッチ周期値ｐ１を現在
のフレームに対して選択するサブステップによって、真
のピッチ周期の不正な倍数を前記の調節された時間遅れ
から除去するステップをさらに備え、かつフレーム列に
おいて重要なピッチ成分を有する最初のフレームに対す
る基準値が、前のピッチ周期値を参照することなく前記
相関関数のピークとして選択されることを特徴とする請
求項２３記載の方法。 - 【請求項２５】 ピッチ周期ｐ０を有する入力フレーム
に基づいて単一タップ予測器に対する最適タップ荷重を
決定し、さらにそれを０と１との間の範囲に正規化する
ことによって、値Ｗ０Ｎを形成するサブステップと、 ピッチ周期ｐ１を有する入力フレームに基づいて単一タ
ップ予測器に対する最適タップ荷重を決定し、さらにそ
れを０と１との間の範囲に正規化することによって、値
Ｗ１Ｎを形成するサブステップと、 Ｗ１ＮがＷ０Ｎの所定の割合に等しいか、またはそれ以
上である場合、正しいピッチ推定値としてｐ１を選択
し、そでない場合、正しいピッチ推定値としてｐ０を選
択するサブステップとによって、 前記所定の範囲にあるピッチ周期ｐ１の値と前記所定の
範囲の外にあるピッチ周期ｐ０の値との間で起こり得る
競合を解消するステップをさらに備えたことを特徴とす
る請求項２４記載の方法。 - 【請求項２６】 前記の所定の割合が、ほぼ０．４に等
しいことを特徴とする請求項２５記載の方法。 - 【請求項２７】 前記の長期パラメータ利用可能ステッ
プが、 現在のフレームの入力標本からピッチ周期の第１の推定
値を生成するステップと、 前記のピッチ周期の第１の推定値を丸めた表現ｒを生成
するステップと、 入力フレームの信号のＬ次ＬＰＣ分析を実行し、予測残
差信号を決定するために、Ｌ次ＬＰＣ分析によって生成
したフィルタ係数に基づいて前記入力フレーム信号の逆
ＬＰＣフィルタ処理を実行し、さらに、前記予測残差信
号の関数の相関ピーク採取によってピッチ周期の第２の
推定値を抽出する開ループ・ステップによって、前記第
２のピッチ周期推定値を生成するステップと、 前記第２のピッチ周期推定値と前記のピッチ周期の第１
の推定値を丸めた表現との間の差を表す差信号を形成す
るステップとを備え、 前記差信号が、予め選択された値より大きい強度を有す
るときには、さらに前記差信号を複数ｑの所定の値の中
の１つに量子化するステップと、 前記ピッチ周期に対して量子化された値ｐを、ｐ＝ｒ＋
ｑにしたがって形成するステップとを備え、また、 前記差信号が、前記の予め選択された値に等しいか、ま
たはそれに満たない強度を有するときには、さらに前記
のピッチ周期の値の量子化を閉ループ量子化方法で最適
化するステップを備えることを特徴とする請求項１１記
載の方法。 - 【請求項２８】 前記のピッチ周期の第１の推定値を生
成するステップが、 前記入力フレームに基づいて開ループ・ピッチ予測を形
成するステップを含むことを特徴とする請求項２７記載
の方法。 - 【請求項２９】 前記の開ループ・ピッチ予測を形成す
るステップが、 前記入力フレームが発声された情報を表す標本から構成
されているかどうかを判断するステップと、 前記入力フレームが発声された入力情報から構成されて
いない場合、前記のピッチ周期の第１の推定値を所定の
値に設定する推定値設定ステップとを備えたことを特徴
とする請求項２８記載の方法。 - 【請求項３０】 前記の推定値設定ステップが、前記の
ピッチ周期の第１の推定値をピッチ周期の予測される範
囲の下限から約１０％と５０％との間の値に設定するス
テップを含むことを特徴とする請求項２９記載の方法。 - 【請求項３１】 前記のピッチ周期パラメータを生成す
るステップが、 前記入力フレームに基づく予測を用いて前記のピッチ周
期の第１の推定値を形成するステップと、 直前のフレームに対するピッチ周期の予測に基づいて第
２の推定値を形成するステップと、 前記の第１および第２の推定値の間の差を表す差信号を
形成するステップと、 前記差信号が、所定の値より大きい場合、量子化された
差信号を形成するために、前記の差の値を固定された複
数の値の中の１つへと量子化するステップと、 前記第２の推定値および前記の量子化された差信号の和
から前記ピッチ周期を得るステップとを備えたことを特
徴とする請求項１１記載の方法。 - 【請求項３２】 前記の第２の推定値を形成するステッ
プが、 直前のフレームに対する予測値の値を遅らせるステップ
と、 バイアスで調節した値を与えるために、前記の遅らせた
値から固定されたピッチ・バイアス値を減ずるステップ
と、 大きさを調節した値を形成するために、前記のバイアス
で調節した値の大きさを調節するステップと、 予測ピッチ周期信号を形成するために、前記の固定され
たピッチ・バイアス値を前記の大きさを調節した値に加
えるステップとを備えたことを特徴とする請求項３１記
載の方法。 - 【請求項３３】 丸められた予測ピッチ値を形成するた
めに、前記の予測されたピッチ周期信号を丸めるステッ
プをさらに備えたことを特徴とする請求項３２記載の方
法。 - 【請求項３４】 前記の長期パラメータ生成ステップ
が、 前記の入力信号のフレームが、有声情報を表さない場
合、入力信号の特定の値に依存しない固定された所定の
値に前記フィルタ・パラメータを設定するステップを含
むことを特徴とする請求項１３記載の方法。 - 【請求項３５】 前記の長期パラメータ生成ステップ
が、 前記のピッチ周期パラメータを、有声情報を含む入力フ
レームに対するピッチ周期の値の予測される範囲の下限
から約１０％と５０％との間の値に設定するステップを
含むことを特徴とする請求項３４記載の方法。 - 【請求項３６】 前記の入力信号のフレームが、有声信
号を表さない場合、フィルタ・タップ係数をゼロの値に
等しく設定するステップをさらに備えたことを特徴とす
る請求項３５記載の方法。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US07/757,168 US5233660A (en) | 1991-09-10 | 1991-09-10 | Method and apparatus for low-delay celp speech coding and decoding |
| US757168 | 1991-09-10 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH0750586A JPH0750586A (ja) | 1995-02-21 |
| JP2971266B2 true JP2971266B2 (ja) | 1999-11-02 |
Family
ID=25046668
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP4266900A Expired - Lifetime JP2971266B2 (ja) | 1991-09-10 | 1992-09-10 | 低遅延ｃｅｌｐ符号化方法 |
Country Status (5)
| Country | Link |
|---|---|
| US (4) | US5233660A (ja) |
| EP (1) | EP0532225B1 (ja) |
| JP (1) | JP2971266B2 (ja) |
| DE (1) | DE69230329T2 (ja) |
| ES (1) | ES2141720T3 (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7467083B2 (en) | 2001-01-25 | 2008-12-16 | Sony Corporation | Data processing apparatus |
Families Citing this family (194)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2010830C (en) * | 1990-02-23 | 1996-06-25 | Jean-Pierre Adoul | Dynamic codebook for efficient speech coding based on algebraic codes |
| US5754976A (en) * | 1990-02-23 | 1998-05-19 | Universite De Sherbrooke | Algebraic codebook with signal-selected pulse amplitude/position combinations for fast coding of speech |
| US5701392A (en) * | 1990-02-23 | 1997-12-23 | Universite De Sherbrooke | Depth-first algebraic-codebook search for fast coding of speech |
| US5233660A (en) * | 1991-09-10 | 1993-08-03 | At&T Bell Laboratories | Method and apparatus for low-delay celp speech coding and decoding |
| SE469764B (sv) * | 1992-01-27 | 1993-09-06 | Ericsson Telefon Ab L M | Saett att koda en samplad talsignalvektor |
| US5694519A (en) * | 1992-02-18 | 1997-12-02 | Lucent Technologies, Inc. | Tunable post-filter for tandem coders |
| US5495555A (en) * | 1992-06-01 | 1996-02-27 | Hughes Aircraft Company | High quality low bit rate celp-based speech codec |
| US5327520A (en) * | 1992-06-04 | 1994-07-05 | At&T Bell Laboratories | Method of use of voice message coder/decoder |
| US5513297A (en) * | 1992-07-10 | 1996-04-30 | At&T Corp. | Selective application of speech coding techniques to input signal segments |
| IT1257065B (it) * | 1992-07-31 | 1996-01-05 | Sip | Codificatore a basso ritardo per segnali audio, utilizzante tecniche di analisi per sintesi. |
| US5717824A (en) * | 1992-08-07 | 1998-02-10 | Pacific Communication Sciences, Inc. | Adaptive speech coder having code excited linear predictor with multiple codebook searches |
| CA2108623A1 (en) * | 1992-11-02 | 1994-05-03 | Yi-Sheng Wang | Adaptive pitch pulse enhancer and method for use in a codebook excited linear prediction (celp) search loop |
| US5455888A (en) * | 1992-12-04 | 1995-10-03 | Northern Telecom Limited | Speech bandwidth extension method and apparatus |
| JP2947685B2 (ja) * | 1992-12-17 | 1999-09-13 | シャープ株式会社 | 音声コーデック装置 |
| US5864560A (en) | 1993-01-08 | 1999-01-26 | Multi-Tech Systems, Inc. | Method and apparatus for mode switching in a voice over data computer-based personal communications system |
| US6009082A (en) | 1993-01-08 | 1999-12-28 | Multi-Tech Systems, Inc. | Computer-based multifunction personal communication system with caller ID |
| US5453986A (en) | 1993-01-08 | 1995-09-26 | Multi-Tech Systems, Inc. | Dual port interface for a computer-based multifunction personal communication system |
| US5812534A (en) | 1993-01-08 | 1998-09-22 | Multi-Tech Systems, Inc. | Voice over data conferencing for a computer-based personal communications system |
| US5535204A (en) | 1993-01-08 | 1996-07-09 | Multi-Tech Systems, Inc. | Ringdown and ringback signalling for a computer-based multifunction personal communications system |
| US5754589A (en) | 1993-01-08 | 1998-05-19 | Multi-Tech Systems, Inc. | Noncompressed voice and data communication over modem for a computer-based multifunction personal communications system |
| US5617423A (en) | 1993-01-08 | 1997-04-01 | Multi-Tech Systems, Inc. | Voice over data modem with selectable voice compression |
| US5452289A (en) | 1993-01-08 | 1995-09-19 | Multi-Tech Systems, Inc. | Computer-based multifunction personal communications system |
| US5546395A (en) | 1993-01-08 | 1996-08-13 | Multi-Tech Systems, Inc. | Dynamic selection of compression rate for a voice compression algorithm in a voice over data modem |
| US5526464A (en) * | 1993-04-29 | 1996-06-11 | Northern Telecom Limited | Reducing search complexity for code-excited linear prediction (CELP) coding |
| WO1994025959A1 (en) * | 1993-04-29 | 1994-11-10 | Unisearch Limited | Use of an auditory model to improve quality or lower the bit rate of speech synthesis systems |
| FI96248C (fi) * | 1993-05-06 | 1996-05-27 | Nokia Mobile Phones Ltd | Menetelmä pitkän aikavälin synteesisuodattimen toteuttamiseksi sekä synteesisuodatin puhekoodereihin |
| DE4315319C2 (de) * | 1993-05-07 | 2002-11-14 | Bosch Gmbh Robert | Verfahren zur Aufbereitung von Daten, insbesondere von codierten Sprachsignalparametern |
| IT1270438B (it) * | 1993-06-10 | 1997-05-05 | Sip | Procedimento e dispositivo per la determinazione del periodo del tono fondamentale e la classificazione del segnale vocale in codificatori numerici della voce |
| JP2658816B2 (ja) * | 1993-08-26 | 1997-09-30 | 日本電気株式会社 | 音声のピッチ符号化装置 |
| CA2136891A1 (en) * | 1993-12-20 | 1995-06-21 | Kalyan Ganesan | Removal of swirl artifacts from celp based speech coders |
| CN1139988A (zh) * | 1994-02-01 | 1997-01-08 | 夸尔柯姆股份有限公司 | 猝发脉冲激励的线性预测 |
| CA2142391C (en) * | 1994-03-14 | 2001-05-29 | Juin-Hwey Chen | Computational complexity reduction during frame erasure or packet loss |
| US5757801A (en) | 1994-04-19 | 1998-05-26 | Multi-Tech Systems, Inc. | Advanced priority statistical multiplexer |
| US5682386A (en) | 1994-04-19 | 1997-10-28 | Multi-Tech Systems, Inc. | Data/voice/fax compression multiplexer |
| GB9408037D0 (en) * | 1994-04-22 | 1994-06-15 | Philips Electronics Uk Ltd | Analogue signal coder |
| US5487087A (en) * | 1994-05-17 | 1996-01-23 | Texas Instruments Incorporated | Signal quantizer with reduced output fluctuation |
| JPH0896514A (ja) * | 1994-07-28 | 1996-04-12 | Sony Corp | オーディオ信号処理装置 |
| CA2154911C (en) * | 1994-08-02 | 2001-01-02 | Kazunori Ozawa | Speech coding device |
| TW271524B (ja) * | 1994-08-05 | 1996-03-01 | Qualcomm Inc | |
| DE69526017T2 (de) * | 1994-09-30 | 2002-11-21 | Kabushiki Kaisha Toshiba, Kawasaki | Vorrichtung zur Vektorquantisierung |
| US5550543A (en) * | 1994-10-14 | 1996-08-27 | Lucent Technologies Inc. | Frame erasure or packet loss compensation method |
| US5704000A (en) * | 1994-11-10 | 1997-12-30 | Hughes Electronics | Robust pitch estimation method and device for telephone speech |
| US5751903A (en) * | 1994-12-19 | 1998-05-12 | Hughes Electronics | Low rate multi-mode CELP codec that encodes line SPECTRAL frequencies utilizing an offset |
| JP3087591B2 (ja) * | 1994-12-27 | 2000-09-11 | 日本電気株式会社 | 音声符号化装置 |
| US5978783A (en) * | 1995-01-10 | 1999-11-02 | Lucent Technologies Inc. | Feedback control system for telecommunications systems |
| SE504010C2 (sv) * | 1995-02-08 | 1996-10-14 | Ericsson Telefon Ab L M | Förfarande och anordning för prediktiv kodning av tal- och datasignaler |
| US5708756A (en) * | 1995-02-24 | 1998-01-13 | Industrial Technology Research Institute | Low delay, middle bit rate speech coder |
| CN1155942C (zh) * | 1995-05-10 | 2004-06-30 | 皇家菲利浦电子有限公司 | 具有改进的音调检测的编码语音传输系统和方法 |
| US5649051A (en) * | 1995-06-01 | 1997-07-15 | Rothweiler; Joseph Harvey | Constant data rate speech encoder for limited bandwidth path |
| US5668925A (en) * | 1995-06-01 | 1997-09-16 | Martin Marietta Corporation | Low data rate speech encoder with mixed excitation |
| US5822724A (en) * | 1995-06-14 | 1998-10-13 | Nahumi; Dror | Optimized pulse location in codebook searching techniques for speech processing |
| GB9512284D0 (en) * | 1995-06-16 | 1995-08-16 | Nokia Mobile Phones Ltd | Speech Synthesiser |
| US5664054A (en) * | 1995-09-29 | 1997-09-02 | Rockwell International Corporation | Spike code-excited linear prediction |
| JP2861889B2 (ja) * | 1995-10-18 | 1999-02-24 | 日本電気株式会社 | 音声パケット伝送システム |
| JP3680380B2 (ja) * | 1995-10-26 | 2005-08-10 | ソニー株式会社 | 音声符号化方法及び装置 |
| JP3653826B2 (ja) * | 1995-10-26 | 2005-06-02 | ソニー株式会社 | 音声復号化方法及び装置 |
| KR0155315B1 (ko) * | 1995-10-31 | 1998-12-15 | 양승택 | Lsp를 이용한 celp보코더의 피치 검색방법 |
| ATE192259T1 (de) * | 1995-11-09 | 2000-05-15 | Nokia Mobile Phones Ltd | Verfahren zur synthetisierung eines sprachsignalblocks in einem celp-kodierer |
| TW317051B (ja) * | 1996-02-15 | 1997-10-01 | Philips Electronics Nv | |
| US5864795A (en) * | 1996-02-20 | 1999-01-26 | Advanced Micro Devices, Inc. | System and method for error correction in a correlation-based pitch estimator |
| US5696873A (en) * | 1996-03-18 | 1997-12-09 | Advanced Micro Devices, Inc. | Vocoder system and method for performing pitch estimation using an adaptive correlation sample window |
| US6636641B1 (en) | 1996-03-19 | 2003-10-21 | Mitsubishi Denki Kabushiki Kaisha | Encoding apparatus, decoding apparatus, encoding method and decoding method |
| US6744925B2 (en) | 1996-03-19 | 2004-06-01 | Mitsubishi Denki Kabushiki Kaisha | Encoding apparatus, decoding apparatus, encoding method, and decoding method |
| AU1041097A (en) * | 1996-03-19 | 1997-10-10 | Mitsubishi Denki Kabushiki Kaisha | Encoder, decoder and methods used therefor |
| JP2940464B2 (ja) * | 1996-03-27 | 1999-08-25 | 日本電気株式会社 | 音声復号化装置 |
| SE506341C2 (sv) * | 1996-04-10 | 1997-12-08 | Ericsson Telefon Ab L M | Metod och anordning för rekonstruktion av en mottagen talsignal |
| US5960386A (en) * | 1996-05-17 | 1999-09-28 | Janiszewski; Thomas John | Method for adaptively controlling the pitch gain of a vocoder's adaptive codebook |
| KR100389895B1 (ko) * | 1996-05-25 | 2003-11-28 | 삼성전자주식회사 | 음성 부호화 및 복호화방법 및 그 장치 |
| JP4040126B2 (ja) * | 1996-09-20 | 2008-01-30 | ソニー株式会社 | 音声復号化方法および装置 |
| JPH10105194A (ja) * | 1996-09-27 | 1998-04-24 | Sony Corp | ピッチ検出方法、音声信号符号化方法および装置 |
| GB2318029B (en) * | 1996-10-01 | 2000-11-08 | Nokia Mobile Phones Ltd | Audio coding method and apparatus |
| EP1071081B1 (en) * | 1996-11-07 | 2002-05-08 | Matsushita Electric Industrial Co., Ltd. | Vector quantization codebook generation method |
| FI964975A (fi) * | 1996-12-12 | 1998-06-13 | Nokia Mobile Phones Ltd | Menetelmä ja laite puheen koodaamiseksi |
| US6516299B1 (en) | 1996-12-20 | 2003-02-04 | Qwest Communication International, Inc. | Method, system and product for modifying the dynamic range of encoded audio signals |
| US5845251A (en) * | 1996-12-20 | 1998-12-01 | U S West, Inc. | Method, system and product for modifying the bandwidth of subband encoded audio data |
| US5864820A (en) * | 1996-12-20 | 1999-01-26 | U S West, Inc. | Method, system and product for mixing of encoded audio signals |
| US5864813A (en) * | 1996-12-20 | 1999-01-26 | U S West, Inc. | Method, system and product for harmonic enhancement of encoded audio signals |
| US6477496B1 (en) | 1996-12-20 | 2002-11-05 | Eliot M. Case | Signal synthesis by decoding subband scale factors from one audio signal and subband samples from different one |
| US6463405B1 (en) | 1996-12-20 | 2002-10-08 | Eliot M. Case | Audiophile encoding of digital audio data using 2-bit polarity/magnitude indicator and 8-bit scale factor for each subband |
| US6782365B1 (en) | 1996-12-20 | 2004-08-24 | Qwest Communications International Inc. | Graphic interface system and product for editing encoded audio data |
| US6202046B1 (en) * | 1997-01-23 | 2001-03-13 | Kabushiki Kaisha Toshiba | Background noise/speech classification method |
| JP3067676B2 (ja) * | 1997-02-13 | 2000-07-17 | 日本電気株式会社 | Ｌｓｐの予測符号化装置及び方法 |
| US6131084A (en) * | 1997-03-14 | 2000-10-10 | Digital Voice Systems, Inc. | Dual subframe quantization of spectral magnitudes |
| JP3064947B2 (ja) * | 1997-03-26 | 2000-07-12 | 日本電気株式会社 | 音声・楽音符号化及び復号化装置 |
| PL193825B1 (pl) * | 1997-04-07 | 2007-03-30 | Koninkl Philips Electronics Nv | Sposób i urządzenie do kodowania sygnału mowy |
| FR2762464B1 (fr) * | 1997-04-16 | 1999-06-25 | France Telecom | Procede et dispositif de codage d'un signal audiofrequence par analyse lpc "avant" et "arriere" |
| CN1145925C (zh) * | 1997-07-11 | 2004-04-14 | 皇家菲利浦电子有限公司 | 具有改进语音编码器和解码器的发射机 |
| US6161086A (en) * | 1997-07-29 | 2000-12-12 | Texas Instruments Incorporated | Low-complexity speech coding with backward and inverse filtered target matching and a tree structured mutitap adaptive codebook search |
| US5976457A (en) * | 1997-08-19 | 1999-11-02 | Amaya; Herman E. | Method for fabrication of molds and mold components |
| US6021228A (en) * | 1997-10-14 | 2000-02-01 | Netscape Communications Corporation | Integer-only short-filter length signal analysis/synthesis method and apparatus |
| EP1746583B1 (en) * | 1997-10-22 | 2008-09-17 | Matsushita Electric Industrial Co., Ltd. | Sound encoder and sound decoder |
| JP3553356B2 (ja) * | 1998-02-23 | 2004-08-11 | パイオニア株式会社 | 線形予測パラメータのコードブック設計方法及び線形予測パラメータ符号化装置並びにコードブック設計プログラムが記録された記録媒体 |
| FI113571B (fi) * | 1998-03-09 | 2004-05-14 | Nokia Corp | Puheenkoodaus |
| US6098037A (en) * | 1998-05-19 | 2000-08-01 | Texas Instruments Incorporated | Formant weighted vector quantization of LPC excitation harmonic spectral amplitudes |
| GB2338630B (en) * | 1998-06-20 | 2000-07-26 | Motorola Ltd | Speech decoder and method of operation |
| US6493665B1 (en) * | 1998-08-24 | 2002-12-10 | Conexant Systems, Inc. | Speech classification and parameter weighting used in codebook search |
| US6480822B2 (en) * | 1998-08-24 | 2002-11-12 | Conexant Systems, Inc. | Low complexity random codebook structure |
| US6823303B1 (en) * | 1998-08-24 | 2004-11-23 | Conexant Systems, Inc. | Speech encoder using voice activity detection in coding noise |
| US6260010B1 (en) * | 1998-08-24 | 2001-07-10 | Conexant Systems, Inc. | Speech encoder using gain normalization that combines open and closed loop gains |
| US7072832B1 (en) * | 1998-08-24 | 2006-07-04 | Mindspeed Technologies, Inc. | System for speech encoding having an adaptive encoding arrangement |
| US6507814B1 (en) * | 1998-08-24 | 2003-01-14 | Conexant Systems, Inc. | Pitch determination using speech classification and prior pitch estimation |
| US6275798B1 (en) * | 1998-09-16 | 2001-08-14 | Telefonaktiebolaget L M Ericsson | Speech coding with improved background noise reproduction |
| US6397178B1 (en) * | 1998-09-18 | 2002-05-28 | Conexant Systems, Inc. | Data organizational scheme for enhanced selection of gain parameters for speech coding |
| FR2790343B1 (fr) * | 1999-02-26 | 2001-06-01 | Thomson Csf | Systeme pour l'estimation du gain complexe d'un canal de transmission |
| US6295520B1 (en) * | 1999-03-15 | 2001-09-25 | Tritech Microelectronics Ltd. | Multi-pulse synthesis simplification in analysis-by-synthesis coders |
| US6260017B1 (en) * | 1999-05-07 | 2001-07-10 | Qualcomm Inc. | Multipulse interpolative coding of transition speech frames |
| FI116992B (fi) * | 1999-07-05 | 2006-04-28 | Nokia Corp | Menetelmät, järjestelmä ja laitteet audiosignaalin koodauksen ja siirron tehostamiseksi |
| US6581032B1 (en) * | 1999-09-22 | 2003-06-17 | Conexant Systems, Inc. | Bitstream protocol for transmission of encoded voice signals |
| US6604070B1 (en) * | 1999-09-22 | 2003-08-05 | Conexant Systems, Inc. | System of encoding and decoding speech signals |
| US6782360B1 (en) * | 1999-09-22 | 2004-08-24 | Mindspeed Technologies, Inc. | Gain quantization for a CELP speech coder |
| US6959274B1 (en) * | 1999-09-22 | 2005-10-25 | Mindspeed Technologies, Inc. | Fixed rate speech compression system and method |
| US6370500B1 (en) * | 1999-09-30 | 2002-04-09 | Motorola, Inc. | Method and apparatus for non-speech activity reduction of a low bit rate digital voice message |
| JP3594854B2 (ja) | 1999-11-08 | 2004-12-02 | 三菱電機株式会社 | 音声符号化装置及び音声復号化装置 |
| USRE43209E1 (en) | 1999-11-08 | 2012-02-21 | Mitsubishi Denki Kabushiki Kaisha | Speech coding apparatus and speech decoding apparatus |
| US7006787B1 (en) * | 2000-02-14 | 2006-02-28 | Lucent Technologies Inc. | Mobile to mobile digital wireless connection having enhanced voice quality |
| ATE420432T1 (de) * | 2000-04-24 | 2009-01-15 | Qualcomm Inc | Verfahren und vorrichtung zur prädiktiven quantisierung von stimmhaften sprachsignalen |
| JP2002062899A (ja) * | 2000-08-23 | 2002-02-28 | Sony Corp | データ処理装置およびデータ処理方法、学習装置および学習方法、並びに記録媒体 |
| EP1944759B1 (en) * | 2000-08-09 | 2010-10-20 | Sony Corporation | Voice data processing device and processing method |
| US7283961B2 (en) | 2000-08-09 | 2007-10-16 | Sony Corporation | High-quality speech synthesis device and method by classification and prediction processing of synthesized sound |
| JP4517262B2 (ja) * | 2000-11-14 | 2010-08-04 | ソニー株式会社 | 音声処理装置および音声処理方法、学習装置および学習方法、並びに記録媒体 |
| US7412381B1 (en) | 2000-09-14 | 2008-08-12 | Lucent Technologies Inc. | Method and apparatus for diversity control in multiple description voice communication |
| EP1195745B1 (en) * | 2000-09-14 | 2003-03-19 | Lucent Technologies Inc. | Method and apparatus for diversity control in multiple description voice communication |
| US6937979B2 (en) * | 2000-09-15 | 2005-08-30 | Mindspeed Technologies, Inc. | Coding based on spectral content of a speech signal |
| US6850884B2 (en) * | 2000-09-15 | 2005-02-01 | Mindspeed Technologies, Inc. | Selection of coding parameters based on spectral content of a speech signal |
| US6842733B1 (en) | 2000-09-15 | 2005-01-11 | Mindspeed Technologies, Inc. | Signal processing system for filtering spectral content of a signal for speech coding |
| US6947888B1 (en) * | 2000-10-17 | 2005-09-20 | Qualcomm Incorporated | Method and apparatus for high performance low bit-rate coding of unvoiced speech |
| FR2815457B1 (fr) * | 2000-10-18 | 2003-02-14 | Thomson Csf | Procede de codage de la prosodie pour un codeur de parole a tres bas debit |
| US7171355B1 (en) | 2000-10-25 | 2007-01-30 | Broadcom Corporation | Method and apparatus for one-stage and two-stage noise feedback coding of speech and audio signals |
| US7478042B2 (en) * | 2000-11-30 | 2009-01-13 | Panasonic Corporation | Speech decoder that detects stationary noise signal regions |
| US6804218B2 (en) | 2000-12-04 | 2004-10-12 | Qualcomm Incorporated | Method and apparatus for improved detection of rate errors in variable rate receivers |
| US7505594B2 (en) * | 2000-12-19 | 2009-03-17 | Qualcomm Incorporated | Discontinuous transmission (DTX) controller system and method |
| US6804350B1 (en) * | 2000-12-21 | 2004-10-12 | Cisco Technology, Inc. | Method and apparatus for improving echo cancellation in non-voip systems |
| JP4857468B2 (ja) | 2001-01-25 | 2012-01-18 | ソニー株式会社 | データ処理装置およびデータ処理方法、並びにプログラムおよび記録媒体 |
| US6996522B2 (en) * | 2001-03-13 | 2006-02-07 | Industrial Technology Research Institute | Celp-Based speech coding for fine grain scalability by altering sub-frame pitch-pulse |
| US7110942B2 (en) * | 2001-08-14 | 2006-09-19 | Broadcom Corporation | Efficient excitation quantization in a noise feedback coding system using correlation techniques |
| US7647223B2 (en) * | 2001-08-16 | 2010-01-12 | Broadcom Corporation | Robust composite quantization with sub-quantizers and inverse sub-quantizers using illegal space |
| US7610198B2 (en) * | 2001-08-16 | 2009-10-27 | Broadcom Corporation | Robust quantization with efficient WMSE search of a sign-shape codebook using illegal space |
| US7617096B2 (en) * | 2001-08-16 | 2009-11-10 | Broadcom Corporation | Robust quantization and inverse quantization using illegal space |
| DE60217522T2 (de) * | 2001-08-17 | 2007-10-18 | Broadcom Corp., Irvine | Verbessertes verfahren zur verschleierung von bitfehlern bei der sprachcodierung |
| US6985857B2 (en) * | 2001-09-27 | 2006-01-10 | Motorola, Inc. | Method and apparatus for speech coding using training and quantizing |
| US7512535B2 (en) * | 2001-10-03 | 2009-03-31 | Broadcom Corporation | Adaptive postfiltering methods and systems for decoding speech |
| US7386447B2 (en) * | 2001-11-02 | 2008-06-10 | Texas Instruments Incorporated | Speech coder and method |
| US7206740B2 (en) * | 2002-01-04 | 2007-04-17 | Broadcom Corporation | Efficient excitation quantization in noise feedback coding with general noise shaping |
| US20030216921A1 (en) * | 2002-05-16 | 2003-11-20 | Jianghua Bao | Method and system for limited domain text to speech (TTS) processing |
| CN100369111C (zh) * | 2002-10-31 | 2008-02-13 | 富士通株式会社 | 话音增强装置 |
| US7047188B2 (en) * | 2002-11-08 | 2006-05-16 | Motorola, Inc. | Method and apparatus for improvement coding of the subframe gain in a speech coding system |
| US7054807B2 (en) | 2002-11-08 | 2006-05-30 | Motorola, Inc. | Optimizing encoder for efficiently determining analysis-by-synthesis codebook-related parameters |
| US8352248B2 (en) * | 2003-01-03 | 2013-01-08 | Marvell International Ltd. | Speech compression method and apparatus |
| US6961696B2 (en) * | 2003-02-07 | 2005-11-01 | Motorola, Inc. | Class quantization for distributed speech recognition |
| GB2400003B (en) * | 2003-03-22 | 2005-03-09 | Motorola Inc | Pitch estimation within a speech signal |
| KR20050008356A (ko) * | 2003-07-15 | 2005-01-21 | 한국전자통신연구원 | 음성의 상호부호화시 선형 예측을 이용한 피치 지연 변환장치 및 방법 |
| US7478040B2 (en) * | 2003-10-24 | 2009-01-13 | Broadcom Corporation | Method for adaptive filtering |
| US8473286B2 (en) * | 2004-02-26 | 2013-06-25 | Broadcom Corporation | Noise feedback coding system and method for providing generalized noise shaping within a simple filter structure |
| GB0416720D0 (en) * | 2004-07-27 | 2004-09-01 | British Telecomm | Method and system for voice over IP streaming optimisation |
| US7475011B2 (en) * | 2004-08-25 | 2009-01-06 | Microsoft Corporation | Greedy algorithm for identifying values for vocal tract resonance vectors |
| US20060136202A1 (en) * | 2004-12-16 | 2006-06-22 | Texas Instruments, Inc. | Quantization of excitation vector |
| KR100703325B1 (ko) * | 2005-01-14 | 2007-04-03 | 삼성전자주식회사 | 음성패킷 전송율 변환 장치 및 방법 |
| US20060215683A1 (en) * | 2005-03-28 | 2006-09-28 | Tellabs Operations, Inc. | Method and apparatus for voice quality enhancement |
| US20060217972A1 (en) * | 2005-03-28 | 2006-09-28 | Tellabs Operations, Inc. | Method and apparatus for modifying an encoded signal |
| US20060217970A1 (en) * | 2005-03-28 | 2006-09-28 | Tellabs Operations, Inc. | Method and apparatus for noise reduction |
| US20060217988A1 (en) * | 2005-03-28 | 2006-09-28 | Tellabs Operations, Inc. | Method and apparatus for adaptive level control |
| US20060217983A1 (en) * | 2005-03-28 | 2006-09-28 | Tellabs Operations, Inc. | Method and apparatus for injecting comfort noise in a communications system |
| CN101395661B (zh) | 2006-03-07 | 2013-02-06 | 艾利森电话股份有限公司 | 音频编码和解码的方法和设备 |
| DE102006022346B4 (de) * | 2006-05-12 | 2008-02-28 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Informationssignalcodierung |
| US7852792B2 (en) * | 2006-09-19 | 2010-12-14 | Alcatel-Lucent Usa Inc. | Packet based echo cancellation and suppression |
| US20080103765A1 (en) * | 2006-11-01 | 2008-05-01 | Nokia Corporation | Encoder Delay Adjustment |
| KR100883656B1 (ko) * | 2006-12-28 | 2009-02-18 | 삼성전자주식회사 | 오디오 신호의 분류 방법 및 장치와 이를 이용한 오디오신호의 부호화/복호화 방법 및 장치 |
| US8457953B2 (en) * | 2007-03-05 | 2013-06-04 | Telefonaktiebolaget Lm Ericsson (Publ) | Method and arrangement for smoothing of stationary background noise |
| JP4882899B2 (ja) * | 2007-07-25 | 2012-02-22 | ソニー株式会社 | 音声解析装置、および音声解析方法、並びにコンピュータ・プログラム |
| US20090094026A1 (en) * | 2007-10-03 | 2009-04-09 | Binshi Cao | Method of determining an estimated frame energy of a communication |
| KR20090122143A (ko) * | 2008-05-23 | 2009-11-26 | 엘지전자 주식회사 | 오디오 신호 처리 방법 및 장치 |
| US20090319261A1 (en) * | 2008-06-20 | 2009-12-24 | Qualcomm Incorporated | Coding of transitional speech frames for low-bit-rate applications |
| US20090319263A1 (en) * | 2008-06-20 | 2009-12-24 | Qualcomm Incorporated | Coding of transitional speech frames for low-bit-rate applications |
| US8768690B2 (en) * | 2008-06-20 | 2014-07-01 | Qualcomm Incorporated | Coding scheme selection for low-bit-rate applications |
| US20090314154A1 (en) * | 2008-06-20 | 2009-12-24 | Microsoft Corporation | Game data generation based on user provided song |
| CA2972808C (en) | 2008-07-10 | 2018-12-18 | Voiceage Corporation | Multi-reference lpc filter quantization and inverse quantization device and method |
| US20100063816A1 (en) * | 2008-09-07 | 2010-03-11 | Ronen Faifkov | Method and System for Parsing of a Speech Signal |
| CN101599272B (zh) * | 2008-12-30 | 2011-06-08 | 华为技术有限公司 | 基音搜索方法及装置 |
| GB2466668A (en) * | 2009-01-06 | 2010-07-07 | Skype Ltd | Speech filtering |
| AU2009353896B2 (en) | 2009-10-15 | 2013-05-23 | Widex A/S | Hearing aid with audio codec and method |
| US8280726B2 (en) * | 2009-12-23 | 2012-10-02 | Qualcomm Incorporated | Gender detection in mobile phones |
| WO2012153165A1 (en) * | 2011-05-06 | 2012-11-15 | Nokia Corporation | A pitch estimator |
| US9418671B2 (en) * | 2013-08-15 | 2016-08-16 | Huawei Technologies Co., Ltd. | Adaptive high-pass post-filter |
| US10251002B2 (en) * | 2016-03-21 | 2019-04-02 | Starkey Laboratories, Inc. | Noise characterization and attenuation using linear predictive coding |
| US10283143B2 (en) * | 2016-04-08 | 2019-05-07 | Friday Harbor Llc | Estimating pitch of harmonic signals |
| EP3483882A1 (en) | 2017-11-10 | 2019-05-15 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Controlling bandwidth in encoders and/or decoders |
| EP3483886A1 (en) | 2017-11-10 | 2019-05-15 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Selecting pitch lag |
| EP3483879A1 (en) | 2017-11-10 | 2019-05-15 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Analysis/synthesis windowing function for modulated lapped transformation |
| EP3483880A1 (en) | 2017-11-10 | 2019-05-15 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Temporal noise shaping |
| WO2019091573A1 (en) | 2017-11-10 | 2019-05-16 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Apparatus and method for encoding and decoding an audio signal using downsampling or interpolation of scale parameters |
| WO2019091576A1 (en) | 2017-11-10 | 2019-05-16 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Audio encoders, audio decoders, methods and computer programs adapting an encoding and decoding of least significant bits |
| EP3483884A1 (en) | 2017-11-10 | 2019-05-15 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Signal filtering |
| EP3483878A1 (en) | 2017-11-10 | 2019-05-15 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Audio decoder supporting a set of different loss concealment tools |
| EP3483883A1 (en) | 2017-11-10 | 2019-05-15 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Audio coding and decoding with selective postfiltering |
Family Cites Families (26)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| NL177950C (nl) * | 1978-12-14 | 1986-07-16 | Philips Nv | Spraakanalysesysteem voor het bepalen van de toonhoogte in menselijke spraak. |
| JPS5918717B2 (ja) * | 1979-02-28 | 1984-04-28 | ケイディディ株式会社 | 適応形ピツチ抽出方式 |
| US4696038A (en) * | 1983-04-13 | 1987-09-22 | Texas Instruments Incorporated | Voice messaging system with unified pitch and voice tracking |
| NL8400552A (nl) * | 1984-02-22 | 1985-09-16 | Philips Nv | Systeem voor het analyseren van menselijke spraak. |
| JPS63214032A (ja) * | 1987-03-02 | 1988-09-06 | Fujitsu Ltd | 符号化伝送装置 |
| US4969192A (en) * | 1987-04-06 | 1990-11-06 | Voicecraft, Inc. | Vector adaptive predictive coder for speech and audio |
| US4868867A (en) * | 1987-04-06 | 1989-09-19 | Voicecraft Inc. | Vector excitation speech or audio coder for transmission or storage |
| US5125030A (en) * | 1987-04-13 | 1992-06-23 | Kokusai Denshin Denwa Co., Ltd. | Speech signal coding/decoding system based on the type of speech signal |
| US4809334A (en) * | 1987-07-09 | 1989-02-28 | Communications Satellite Corporation | Method for detection and correction of errors in speech pitch period estimates |
| JP2968530B2 (ja) * | 1988-01-05 | 1999-10-25 | 日本電気株式会社 | 適応ピッチ予測方法 |
| EP0331857B1 (en) * | 1988-03-08 | 1992-05-20 | International Business Machines Corporation | Improved low bit rate voice coding method and system |
| US4991213A (en) * | 1988-05-26 | 1991-02-05 | Pacific Communication Sciences, Inc. | Speech specific adaptive transform coder |
| US5018200A (en) * | 1988-09-21 | 1991-05-21 | Nec Corporation | Communication system capable of improving a speech quality by classifying speech signals |
| US5321636A (en) * | 1989-03-03 | 1994-06-14 | U.S. Philips Corporation | Method and arrangement for determining signal pitch |
| US4963034A (en) * | 1989-06-01 | 1990-10-16 | Simon Fraser University | Low-delay vector backward predictive coding of speech |
| EP0401452B1 (en) * | 1989-06-07 | 1994-03-23 | International Business Machines Corporation | Low-delay low-bit-rate speech coder |
| IL95753A (en) * | 1989-10-17 | 1994-11-11 | Motorola Inc | Digits a digital speech |
| CA2010830C (en) * | 1990-02-23 | 1996-06-25 | Jean-Pierre Adoul | Dynamic codebook for efficient speech coding based on algebraic codes |
| GB9007788D0 (en) * | 1990-04-06 | 1990-06-06 | Foss Richard C | Dynamic memory bitline precharge scheme |
| CA2051304C (en) * | 1990-09-18 | 1996-03-05 | Tomohiko Taniguchi | Speech coding and decoding system |
| US5138661A (en) * | 1990-11-13 | 1992-08-11 | General Electric Company | Linear predictive codeword excited speech synthesizer |
| US5195137A (en) * | 1991-01-28 | 1993-03-16 | At&T Bell Laboratories | Method of and apparatus for generating auxiliary information for expediting sparse codebook search |
| US5233660A (en) * | 1991-09-10 | 1993-08-03 | At&T Bell Laboratories | Method and apparatus for low-delay celp speech coding and decoding |
| US5339384A (en) * | 1992-02-18 | 1994-08-16 | At&T Bell Laboratories | Code-excited linear predictive coding with low delay for speech or audio signals |
| US5327520A (en) * | 1992-06-04 | 1994-07-05 | At&T Bell Laboratories | Method of use of voice message coder/decoder |
| US5313554A (en) * | 1992-06-16 | 1994-05-17 | At&T Bell Laboratories | Backward gain adaptation method in code excited linear prediction coders |
-
1991
- 1991-09-10 US US07/757,168 patent/US5233660A/en not_active Expired - Lifetime
-
1992
- 1992-09-03 EP EP92307997A patent/EP0532225B1/en not_active Expired - Lifetime
- 1992-09-03 ES ES92307997T patent/ES2141720T3/es not_active Expired - Lifetime
- 1992-09-03 DE DE69230329T patent/DE69230329T2/de not_active Expired - Lifetime
- 1992-09-10 JP JP4266900A patent/JP2971266B2/ja not_active Expired - Lifetime
-
1993
- 1993-05-03 US US08/057,068 patent/US5651091A/en not_active Expired - Lifetime
-
1995
- 1995-11-29 US US08/564,610 patent/US5745871A/en not_active Expired - Lifetime
- 1995-11-29 US US08/564,611 patent/US5680507A/en not_active Expired - Lifetime
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7467083B2 (en) | 2001-01-25 | 2008-12-16 | Sony Corporation | Data processing apparatus |
Also Published As
| Publication number | Publication date |
|---|---|
| US5745871A (en) | 1998-04-28 |
| EP0532225A3 (en) | 1993-10-13 |
| US5680507A (en) | 1997-10-21 |
| DE69230329T2 (de) | 2001-09-06 |
| US5651091A (en) | 1997-07-22 |
| DE69230329D1 (de) | 1999-12-30 |
| EP0532225A2 (en) | 1993-03-17 |
| EP0532225B1 (en) | 1999-11-24 |
| US5233660A (en) | 1993-08-03 |
| JPH0750586A (ja) | 1995-02-21 |
| ES2141720T3 (es) | 2000-04-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2971266B2 (ja) | 低遅延ｃｅｌｐ符号化方法 | |
| Gersho | Advances in speech and audio compression | |
| CN100369112C (zh) | 可变速率语音编码 | |
| US6073092A (en) | Method for speech coding based on a code excited linear prediction (CELP) model | |
| KR101406113B1 (ko) | 스피치 신호에서 천이 프레임을 코딩하기 위한 방법 및 장치 | |
| US7693710B2 (en) | Method and device for efficient frame erasure concealment in linear predictive based speech codecs | |
| US5751903A (en) | Low rate multi-mode CELP codec that encodes line SPECTRAL frequencies utilizing an offset | |
| US5307441A (en) | Wear-toll quality 4.8 kbps speech codec | |
| JP5978218B2 (ja) | 低ビットレート低遅延の一般オーディオ信号の符号化 | |
| CN104021796B (zh) | 语音增强处理方法和装置 | |
| US20010023395A1 (en) | Speech encoder adaptively applying pitch preprocessing with warping of target signal | |
| Chen et al. | Transform predictive coding of wideband speech signals | |
| KR20020052191A (ko) | 음성 분류를 이용한 음성의 가변 비트 속도 켈프 코딩 방법 | |
| Kroon et al. | Predictive coding of speech using analysis-by-synthesis techniques | |
| Kleijn et al. | A 5.85 kbits CELP algorithm for cellular applications | |
| EP2608200B1 (en) | Estimation of speech energy based on code excited linear prediction (CELP) parameters extracted from a partially-decoded CELP-encoded bit stream | |
| Cuperman et al. | Backward adaptation for low delay vector excitation coding of speech at 16 kbit/s | |
| Yong et al. | Efficient encoding of the long-term predictor in vector excitation coders | |
| Cuperman et al. | Backward adaptive configurations for low-delay vector excitation coding | |
| Paulus | Variable bitrate wideband speech coding using perceptually motivated thresholds | |
| KR20040041716A (ko) | 대수 코드북을 이용하는 켈프 보코더의 코드북 검색방법 | |
| JPH09508479A (ja) | バースト励起線形予測 | |
| Cuperman et al. | Robust low-complexity backward adaptive pitch predictor for low-delay speech coding | |
| Lee et al. | On reducing computational complexity of codebook search in CELP coding | |
| Tseng | An analysis-by-synthesis linear predictive model for narrowband speech coding |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080827 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090827 Year of fee payment: 10 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100827 Year of fee payment: 11 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110827 Year of fee payment: 12 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120827 Year of fee payment: 13 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120827 Year of fee payment: 13 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130827 Year of fee payment: 14 |
|
| EXPY | Cancellation because of completion of term | ||
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130827 Year of fee payment: 14 |