JP3017747B2

JP3017747B2 - 音声符号化装置

Info

Publication number: JP3017747B2
Application number: JP1103398A
Authority: JP
Inventors: 政巳赤嶺; 公生三関
Original assignee: Toshiba Corp
Current assignee: Toshiba Corp
Priority date: 1989-04-25
Filing date: 1989-04-25
Publication date: 2000-03-13
Anticipated expiration: 2015-03-13
Also published as: JPH02282799A

Description

【発明の詳細な説明】〔発明の目的〕（産業上の利用分野）この発明は音声信号等を高能率に圧縮する音声符号化
方法に係り、特に伝送情報量を10kb/s以下とするような
適応密度パルス列に基づく音声符号化方法に関する。

（従来の技術）音声信号を10kb/s程度以下の伝送情報量で符号化する
効果的な方法として、一定間隔に並んだパルス系列で合
成フィルタの駆動信号を表現する方式が提案されてい
る。この詳細については、PETER KROON等によるIEEE198
6年10月Vol.ASSP−34,1054頁〜1063頁に掲載の“Regula
r Pulse Excitation A Novel Approach to Effective a
nd Efficient Multipulse Coding of Speech"と題した
論文に説明されている。

この内容を簡単に説明する。第６図と第７図は、前記
論文に記載された符号器と復合器の処理をそれぞれ示す
ブロック図である。また、第８図は、前記論文に記載さ
れた駆動信号の例を示している。

第６図において、符号器入力端子500より、A/D変換さ
れた音声信号系列ｓ（ｎ）が入力される。予測フィルタ
510は、ｓ（ｎ）の過去の系列と予測パラメータa_i（１
ｉＰ）を用い下式により予測残差信号ｒ（ｎ）を計
算し、出力する。

上式（１）でＰは予測フィルタの次数であり、論文で
はＰ＝12としている。予測フィルタの伝達関数Ａ（ｚ）
は次のように表される。

駆動信号発生回路530は、予め定められた間隔で並ん
だパルス系列Ｖ（ｎ）を発生させる。第８図に駆動パル
ス系列のパターンの一例を示す。また、図においてＲは
パルス系列の位相を示し、フレームにおける最初のパル
スの位置を表す。

第８図において横軸は離散的な時刻を示す。また、Ｒ
はパルス系列の位相を示し、フレームにおける最初のパ
ルスの位置を表す。ここでは、１フレームの長さを40サ
ンプル（サンプリング周波数8K Hzで5ms）、パルスの間
隔を４サンプルとした場合について示してある。減算器
520は、予測残差信号ｒ（ｎ）と駆動信号Ｖ（ｎ）との
差ｅ（ｎ）を計算し、重み付フィルタ540へ出力する。5
40は、ｅ（ｎ）を周波数領域で整形するものであり、聴
覚のマスキング効果を利用するためのものである。重み
付フィルタの伝達関数Ｗ（ｚ）は次式で与えられてい
る。

重み付フィルタやマスキング効果に関しては、例えば
古井貞煕著「ディジタル音声処理」1985年東海大学出版
会発行（文献１）に記述されているので、ここでは説明
を省略する。重み付フィルタ540によって重み付された
誤差ｅ′（ｎ）は、最小化回路550に出力される。誤差
最小化回路550は、ｅ′（ｎ）の２乗誤差が最小となる
ように駆動パルスの振幅と位相を決定し、駆動信号発生
回路530に対し、パルス振幅と位相の情報を与える。こ
の回路530は、与えられた振幅と位相の情報をもとに駆
動信号を発生させる。誤差最小化回路550における駆動
パルスの振幅と位相の決定手順を論文の記述に従って簡
単に説明する。

まず、フレーム長さをＬサンプル、１フレーム中の駆
動パルス数をＱ個とし、駆動パルスの位置を表すＱ×Ｌ
の行列をM_kとおく。M_kの要素m_ijは次のように表され
る。また、ｋは前述したように駆動パルス列の位相であ
る。

但し、Ｎ＝L/Q 次に、位相ｋの駆動パルス系列の非零の振幅を要素と
する行ベクトルをとおくと、位相ｋの駆動信号を表す行ベクトルは次式のように表される。

重み付フィルタ540応答を要素とする次のＬ×Ｌ行列
をＨとおく。

このとき、重み付誤差ｅ（ｎ）を要素とする誤差ベク
トルは次式で記述される。

ここでベクトルは前フレームにおける重み付フィルタの内部状態による
重み付フィルタの出力であり、ベクトルｒは予測残差信
号ベクトルである。最適な駆動パルスの振幅を表すベク
トルは、次の２乗誤差をｂ（ｋ）で偏微分し、零とおくことにより、次式のよ
うに得られる。

ここでｔは転置を示す。

このとき、駆動パルスの位相ｋは、式（12）を各ｋについて計算
し、E^(k)が最小となるように選ぶ。

以上で駆動パルスの振幅及び位相の決定法の説明を終
了する。次に、復合器側の説明を行う。第７図におい
て、600は第６図の駆動信号発生回路530と同じものであ
り、符号器から伝送された駆動パルスの振幅と位相の情
報をもとに駆動信号を発生させる駆動信号発生回路であ
る。合成フィルタ610は、駆動信号を入力とし、合成信
号（ｎ）を出力端子620へ出力する。合成フィルタ610
は、前記予測フィルタ510と逆フイルタの関係にあり、
その伝達関数は1/A_(Z)である。

以上が従来方式（論文）の内容である。

この方式において、伝送すべき情報は合成フィルタの
パラメータa_i（１ｉＰ）と駆動パルスの振幅及び位
相であり、駆動パルスの間隔Ｎ＝L/Qを変えることによ
って伝送レートを自由に設定できる。

しかしながら、この従来方式は、10kb/s以下の伝送レ
ートで合成音に雑音が目立ち品質が悪くなる。特に、ピ
ッチ周期の短い女性の音声で品質の劣化が目立つ。これ
は、駆動パルス列を常に一定の間隔のパルス列で表現し
ていることに起因しているためである。音声信号は、有
声音のとき、ピッチによる周期的な信号となるため、そ
の予測残差信号もピッチ周期ごとにパワーが大きくなる
周期的な信号となる。このように周期ごとにパワーが大
きくなる予測残差信号では、パワーの大きい部分が重要
な情報を含んでいる。また、音韻等の劣化に伴って音声
信号の相関が変わる部分や、発生の開始部分等音声信号
のパワーが大きくなる部分では、残差信号のパワーもフ
レーム内で大きくなる。この場合も、残差信号のパワー
の大きい部分は、音声信号の性質が変化した部分である
ので重要である。従来の方式は、残差信号のパワーがフ
レーム内で変化しているにも関らず、フレーム内で常に
一定の間隔をもつ駆動パルス列で合成フィルタを駆動し
合成音を得ている。

このため、合成音の品質が著しく劣化してしまう。

（発明が解決しようとする課題）上述したように、従来方式は、フレーム内で常に一定
の間隔をもつ駆動パルス列で合成フィルタを駆動してい
るため、例えば10kb/s以下の伝送レートで合成音の品質
が劣化するという問題点がある。

本発明は、このような問題に鑑みてなされたものであ
り、その目的は、10kb/s以下の伝送レートで高品質の合
成音を得ることのできる音声符号化方法を提供すること
である。

〔発明の構成〕

（課題を解決するための手段）本発明は、入力信号から予測パラメータを計算する予
測パラメータ計算手段と、入力信号と計算された予測パ
ラメータに基づいて予測残差信号を計算する予測残差信
号計算手段と、計算された予測残差信号を複数個のサブ
フレームに分割し、各サブフレームでの駆動パルス列信
号密度を計算する駆動信号パラメータ密度計算手段と、
計算された駆動信号パルス列信号密度及び駆動信号パル
ス列信号の振幅、位相に基づいて駆動信号を生成する駆
動信号生成手段と、生成された駆動信号と前記予測パラ
メータに基づいて合成信号を生成する合成フィルタと、
生成された合成信号と前記入力信号に基づいて誤差電力
を算出する誤差電力算出手段と、算出された誤差電力を
最小とするようサブフレーム毎の駆動パルス列信号の振
幅、位相を決定する振幅・位相決定手段とを具備したこ
とを特徴とする音声符号化装置を提供する。

（作用）駆動信号のパルス間隔を、重要な情報または多くの情
報が含まれるフレームでは密に、そうではないフレーム
では粗くというようにフレーム毎に設定可能な構成とす
ると共に、合成信号と入力信号との誤差が最小となるよ
うに駆動信号の振幅、位相を決定することにより、時間
毎に異なる入力信号の情報量に応じて合成信号の品質を
向上することが可能となる。

（実施例）以下本発明に係る一実施例を図面を参照しながら説明
する。第１図は本発明の一実施例に係る符号化装置を示
すブロック図であり、第２図はその復号化装置を示すブ
ロック図である。

第２図において、100は入力端子を示し、110は入力端
子から入力した音声信号を１フレーム分蓄積するバッフ
ァメモリ回路である。第１図において、各構成要素は１
フレーム毎に以下の処理を行う。

予測パラメータ計算回路120は、予測パラメータを公
知の方法を用いて計算する。予測フィルタ140が第３図
に示すような長時間予測フィルタ（ピッチ予測フィル
タ）と短時間予測フィルタの縦続接続の構成をもつ場
合、予測パラメータ計算回路120は、ピッチ周期とピッ
チ予測係数及び線形予測係数（αパラメータ又はＫパラ
メータ）を自己相関法や共分散法等の公知の方法で計算
する。計算法については、例えば「ディジタル音声処
理」（古井貞煕著1985年東海大学出版会発行）に記述さ
れている。計算された予測パラメータは、予測パラメー
タ符号化回路130へ入力される。予測パラメータ符号化
回路130は、予測パラメータを予め定められた量子化ビ
ット数に基づいて符号化し、この符号をマルチプレクサ
250に出力すると共に、復号値を予測フィルタ140と合成
フィルタ180に出力する。予測フィルタ140は、音声信号
と予測パラメータを入力し、予測残差信号を計算し、そ
れを駆動信号パラメータ計算回路150へ出力する。駆動
信号パラメータ計算回路150では、まず、１フレームの
予測残差信号を複数個のサブフレームに分割し、それぞ
れのサブフレームの予測残差信号の２乗和を計算する。
次に、予測残差信号の２乗和を基に、各サブフレームで
の駆動パルス列信号の密度，言い変えるとパルス間隔を
求める。その具体的な方法の一例は、パルス間隔とし
て、長短の２種類，パルス間隔が長いサブフレームの個
数とパルス間隔が短いサブフレームの個数を予め設定し
ておき、予測残差信号の２乗和が大きいサブフレームの
順にパルス間隔を短い値に選ぶ方法である。駆動信号パ
ラメータ計算回路150は、更に、駆動信号のゲインを例
えば、パルス間隔の短い全サブフレームの予測残差信号
の標準偏差とパルス間隔の長い全サブフレームの予測残
差信号の標準偏差を用いて２種類求める。得られた駆動
信号パラメータすなわち、駆動パルス間隔とゲインは駆
動信号パラメータ符号化回路160で符号化され、マルチ
プレクサに出力されると共に、それらの復号値が駆動信
号生成回路170へ出力される。駆動信号生成回路170は、
駆動信号パラメータ符号化回路160から入力される駆動
パルス間隔とゲイン，コードブック240から入力される
駆動パルスの正規化された振幅と、位相探索回路220か
ら入力される駆動パルスの位相をもとに、サブフレーム
単位で密度の異なる駆動信号を生成する。第４図に駆動
信号生成回路170で作成される駆動信号の例を示す。ｍ
番目のサブフレームにおける駆動パルスのゲインを
G^(m)、駆動パルスの正規化された振幅をg_i ^(m)、パルス
数をQ_m、パルス間隔をD_m、パルスの位相をK_m、サブフレ
ームの長さをＬとおくと、駆動信号V^(m)（ｎ）は次式で
記述できる。

なお、位相K_mは、サブフレームにおけるパルスの先頭位
置である。また、δ（ｎ）はクロネッカのデルタ関数で
ある。

駆動信号生成回路170で生成された駆動信号は合成フ
ィルタ180へ入力され、合成信号が出力される。合成フ
ィルタ180は予測フィルタ140と逆フィルタの関係にあ
る。減算回路190の出力である信号と合成信号の誤差
は、聴感重みフィルタ200によりそのスペクトルが変形
された後２乗誤差計算回路210へ入力される。聴感重み
付フィルタ200は、従来例における重み付フィルタと同
様に聴覚のマスキング効果を利用するためのものであ
り、上記文献に詳述されているので説明を省略する。

２乗誤差計算回路210は、聴感重み付された誤差信号
の２乗和をコードブック240に蓄積されたコードワード
単位と位相探索回路220から出力される駆動パルスの位
相ごとに計算し、計算結果を位相探索回路220と振幅探
索回路230へ出力する。振幅探索回路230は、位相探索回
路220から出力される駆動パルスの位相１個ごとに、誤
差信号の２乗和を最小とするコードワードをコードブッ
ク240から探索し、２乗和の最小値を位相探索回路220へ
出力すると共に、２乗和を最小とするコードワードのイ
ンデックスを保持する。位相探索回路220は、駆動パル
ス列の間隔D_mに応じて駆動パルスの位相K_mを１K_mD_m
の範囲で変化させ、その値を駆動信号生成回路に与え、
D_m個の位相に対してそれぞれ決まる誤差信号の２乗和の
最小値を振幅探索回路から入力し、そのD_m個の最小値の
中で最も小さい２乗和に対応する位相をマルチプレクサ
に出力する。同時に、振幅探索回路にその時の位相を知
らせ、振幅探索回路230では、その位相に対応するコー
ドワードのインデックスをマルチプレクサに出力する。

コードブック240は、正規化された駆動パルス列の振
幅を格納し、白色雑音又は、音声データに対して解析的
に求められた駆動パルス列をトレーニングベクトルとし
て、LBGアルゴリズムにより作成される。駆動パルス列
を求める方法は、聴感重み付け誤差信号の２乗和が最小
になるように駆動パルス列を解析的に求める方法であ
り、詳細について詳述する。

まず、フレーム長をＮサンプル、サブフレーム数を
Ｍ、サブフレーム長をＬサンプル、ｍ番目のサブフレー
ムにおける駆動パルスの間隔をN_m（１ｍＭ）、駆動
パルス数をQ_m、駆動パルスの振幅をg_i ^(m)（１ｉ
Q_m）駆動パルスの位相をK_mとおく。このときの関係がある。ここでは切り捨てによる整数化の演算を示す。

第３図に、Ｍ＝５、Ｌ＝８、N₁＝N₃＝１、N₂＝N₄＝N₅
＝２、Q₁＝Q₃＝８、Q₂＝Q₄＝Q₅＝４、K₁＝K₂＝K₃＝K₄＝
１の場合の駆動信号の例をしめす。ｍ番目のサブフレー
ムにおける駆動信号をV^(m)（ｎ）とおくと、V^(m)（ｎ）
は、次式のように表される。

ｌ＝（ｉ−１）N_m＋K_m,1K_mN_m （15）ここで、δ（・）はクロネッカデルタ関数である。

次に合成フィルタのインパルス応答をｈ（ｎ）とおく
と、合成フィルタの出力は駆動信号とインパルス応答の
たたみ込み和と、前記フレームにおける合成フィルタの
内部状態によるフィルタ出力との和として表される。従
って、ｍ番目のサブフレームにおける合成信号y
^(m)（ｎ）は、次式で記述することができる。

ただし、＊はたたみ込み和を表す。また、y_o(j)は前
フレームの最後における合成フィルタの内部状態による
フィルタ出力であり、前フレームの合成フィルタの出力
をy_OLD(j)とおくと、y_o(j)を次のように表される。

なおy_oの初期状態はy_o(0)＝y_OLD(N)、y_0(-1)＝y
_OLD(N-1)、y_o(-i)＝y_OLD(N-i)とする。

また、合成フィルタ1/A（ｚ）と重み付フィルタＷ
（ｚ）の縦続接続フィルタの伝達関数をH_w（ｚ）、その
インパルス応答をh_w（ｚ）とおくと、V^(m)（ｎ）を駆動
信号とした場合の縦続接続フィルタの出力^(m)（ｎ）
は次式のように書ける。

また、このとき、入力音声信号ｓ（ｎ）と合成信号y
^(m)（ｎ）との重み付誤差e^(m)（ｎ）は次のように書け
る。

e^(m)（ｎ）＝S_w｛ｎ＋（ｍ−１）Ｌ｝＝^(m)（ｎ）
（21）ただし、S_w（ｎ）は入力音声信号ｓ（ｎ）を重み付フ
ィルタに入力した場合の重み付フィルタの出力である。

重み付誤差のサブフレーム分を２乗和Ｊは式（14），
（15），（17），（21）を用いて次式のように書くこと
ができる。

ただしｌ＝（ｉ−１）N_m＋K_m （23） x_j＝S_w(j)−_o(j);j＝1,2…Ｎ（24）次に式（22）をg_i ^(m)で偏微分して０とおくことによ
り次式を導出することができる。

この方程式は、係数行列が対称行列となるQ_m次の連立
一次方程式となり、cholesky分解によりQm³のオーダー
で解くことができる。式（25）において、ψ_hh（i,j）
及びはh_w（ｎ）の相互相関係数を表し、ψ^(m) _xh(i)はｍ番目
のサブフレームにおけるｘ（ｎ）とh_w（ｎ）の自己相関
係数を表し、次のように表される。ψ_hh（i,j），は音声信号処理の分野では、共分散係数と呼ばれること
が多いので、ここでもそのように呼ぶ。

位相がKmの駆動パルスの振幅g_i（ｍ）（１ｉQm）ほ
式（29）を解くことにより得られる。位相Kmは、Kmのそ
れぞれの値に対しパルスの振幅を求め、その時の重み付
２乗誤差をそれぞれ計算し、それが最小となるように選
ぶことができる。

マルチプレクサ250は予測パラメータ，駆動信号パラ
メータ，駆動パルスの位相，振幅の符号を多重化して伝
送路へ出力する。尚、この聴感重み付フィルタ200を介
さず直接減算回路190の出力を２乗誤差計算回路210へ入
力してもよい。

以上が符号器の説明である。次に復号器の説明を行
う。

第２図において、デマルチプレクサ310は入力端子300
から入力した符号を、予測パラメータ，駆動信号パラメ
ータ，駆動パルスの位相，駆動パルスの振幅の符号に分
離する。駆動信号パラメータ復号化回路は、前記駆動パ
ルスの間隔と前記駆動パルスのゲインの符号を復号し、
駆動信号生成回路330へ出力する。コードブック350は符
号器のコードブック240と同一のものであり、送られた
駆動パルス振幅のインデックスに対応するコードワーク
を駆動信号生成回路330へ出力する。予測パラメータ復
号化回路360は予測パラメータ符号化回路130で符号化さ
れた予測パラメータの符号を復号し、合成フィルタ340
へ出力する。駆動信号生成回路330は、符号器の170と同
様に、入力した駆動パルス間隔と駆動パルスのゲイン，
駆動パルスの正規化された振幅と、駆動パルスの位相を
もとにサブフレーム単位で密度の異なる駆動信号を生成
する。合成フィルタ340は符号器の180と同一のものであ
り、駆動信号と予測パラメータを入力して合成信号を出
力する。

以上の実施例では、コードブックは一種類としたが、
コードブックを複数個用意し、駆動パルスの間隔によっ
て切り替えて用いてもよい。駆動パルス列の統計的な性
質は駆動パルスの間隔によって異なるので、切り替えて
用いることにより性能が向上する効果がある。この実施
例に係る符号器と復号器のブロック図を第５図と第６図
に示す。第５図と第６図において、第１図と第２図と同
一の番号が付与された回路は同一の機能を有する。

第５図の245と第６図の355は、駆動パルスの位相によ
って、コードブックの出力を選択するコードブック選択
回路である。

〔発明の効果〕

本発明の、駆動信号のパルス列を、重要な情報又は多
くの情報が含まれる場合には密、そうでない場合には粗
となる構成によれば、合成信号の品質を向上させること
ができる。

【図面の簡単な説明】

第１図は本発明の一実施例に係る符号器の一構成例を示
すブロック図、第２図は本発明の一実施例に係る復号器
の一構成例を示すブロック図、第３図は第１図に記載の
予測フィルタの一構成例を示すブロック図、第４図は本
発明の一実施例における駆動信号の一例を示す図、第５
図は本発明の第２の実施例に係る符号器の一構成例を示
すブロック図、第６図は本発明の第２の実施例に係る復
号器の一構成例を示すブロック図、第７図は従来方式の
符号器の構成を示すブロック図、第８図は従来方式の復
号器の構成を示すブロック図、第９図は従来方式による
駆動信号の例を示す図である。 100,300,400,500……入力端子 110……バッファメモリ回路 120……予測パラメータ計算回路 130……予測パラメータ符号化回路 140,510……予測フィルタ 150……駆動信号パラメータ計算回路 160……駆動信号パラメータ符号化回路 170,330……駆動信号生成回路 180,340,610……合成フィルタ 190,410,520……減算回路 200,540……聴感重み付フィルタ 210……２乗誤差計算回路 220……位相探索回路、230……振幅探索回路 240,350……コードブック 250……マルチプレクサ、260,620……出力端子 310……デマルチプレクサ 320……駆動信パラメータ復号化回路 360……予測パラメータ復号化回路 245,355……コードブック選択回路 530,600……駆動信号発生回路 420……長時間予測フィルタ 430……短時間予測フィルタ 550……誤差最小化回路

───────────────────────────────────────────────────── フロントページの続き (58)調査した分野(Int.Cl.⁷，ＤＢ名) G10L 9/14 G10L 9/18

Claims

(57)【特許請求の範囲】

【請求項１】入力信号から予測パラメータを計算する予
測パラメータ計算手段と、入力信号と計算された予測パラメータに基づいて予測残
差信号を計算する予測残差信号計算手段と、計算された予測残差信号を複数個のサブフレームに分割
し、各サブフレームでの駆動パルス列信号密度を計算す
る駆動信号パラメータ密度計算手段と、計算された駆動信号パルス列信号密度及び駆動信号パル
ス列信号の振幅、位相に基づいて駆動信号を生成する駆
動信号生成手段と、生成された駆動信号と前記予測パラメータに基づいて合
成信号を生成する合成フィルタと、生成された合成信号と前記入力信号に基づいて誤差電力
を算出する誤差電力算出手段と、算出された誤差電力を最小とするようサブフレーム毎の
駆動パルス列信号の振幅、位相を決定する振幅・位相決
定手段とを具備したことを特徴とする音声符号化装置。