JP3058640B2 - 符号化方法 - Google Patents
符号化方法Info
- Publication number
- JP3058640B2 JP3058640B2 JP63240972A JP24097288A JP3058640B2 JP 3058640 B2 JP3058640 B2 JP 3058640B2 JP 63240972 A JP63240972 A JP 63240972A JP 24097288 A JP24097288 A JP 24097288A JP 3058640 B2 JP3058640 B2 JP 3058640B2
- Authority
- JP
- Japan
- Prior art keywords
- information
- vector
- spectrum
- pitch
- code
- 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
Landscapes
- Compression, Expansion, Code Conversion, And Decoders (AREA)
Description
【発明の詳細な説明】 〔産業上の利用分野〕 本発明は音声の高能率符号化装置に係り、特に高品質
の再生音声を高い情報圧縮率で得ることに好適な音声符
号化方式に関する。
の再生音声を高い情報圧縮率で得ることに好適な音声符
号化方式に関する。
従来、音声高能率符号化方式には、様々な方式が提案
されて来た。たとえば、中田和男著「デジダル情報圧
縮」（廣済堂産報出版、電子科学シリーズ100）には、
様々な方式がわかりやすく解説されており、波形符号化
方式や情報源符号化方式（パラメータ符号化方式）に属
する多数の方式が示されている。
されて来た。たとえば、中田和男著「デジダル情報圧
縮」（廣済堂産報出版、電子科学シリーズ100）には、
様々な方式がわかりやすく解説されており、波形符号化
方式や情報源符号化方式（パラメータ符号化方式）に属
する多数の方式が示されている。
これらの諸方式のうち、波形符号化方式は一般に音質
が良好なものの、情報圧縮効率を上げることが困難であ
り、パラメータ符号化方式は、情報圧縮効率は高いもの
の、逆に情報量を増しても音質に上限が生じ、十分な品
質が得られないという欠点があり、特に両者の得意な帯
域の中間の情報圧縮領域（10kb/s付近）は谷間の帯域と
なつている。これに対し、両方式の長所を組み合せたハ
イブリツド方式として、マルチパルス方式（たとえば、
B.S.Atal et al“A New Model of LPC Excitation for
Producing Matural−Sounding Speech at Low Bie Rate
s"Proc,ICASSP 82,S−5,10,（1982）など）、CELP方
式、TOR方式（A.Ichikawa et al,“A Speech Coding Me
thod Vsing Thinned−out Residual"Proc,ICASSP 85,2
5.7（1985））などが近年提案され、各種の検討がなさ
れているが、音質の点から見ても、処理に要するコスト
の面から見ても不十分な状況にある。
が良好なものの、情報圧縮効率を上げることが困難であ
り、パラメータ符号化方式は、情報圧縮効率は高いもの
の、逆に情報量を増しても音質に上限が生じ、十分な品
質が得られないという欠点があり、特に両者の得意な帯
域の中間の情報圧縮領域（10kb/s付近）は谷間の帯域と
なつている。これに対し、両方式の長所を組み合せたハ
イブリツド方式として、マルチパルス方式（たとえば、
B.S.Atal et al“A New Model of LPC Excitation for
Producing Matural−Sounding Speech at Low Bie Rate
s"Proc,ICASSP 82,S−5,10,（1982）など）、CELP方
式、TOR方式（A.Ichikawa et al,“A Speech Coding Me
thod Vsing Thinned−out Residual"Proc,ICASSP 85,2
5.7（1985））などが近年提案され、各種の検討がなさ
れているが、音質の点から見ても、処理に要するコスト
の面から見ても不十分な状況にある。
一般に、各種高能率符号化方式は、音声の情報の存在
が偏つている点に注目し、情報の存在している部分に符
号の割当てを厚くすることにより実現しているが、この
点をさらに積極的に押し進め、複数のパラメータの組み
合せとしての情報の偏りに注目し、パラメータの組み合
せセツト（ベクトルと呼ぶ）に対し、音声情報の存在し
ている部分に符号の割り当てを厚くする方式（ベクトル
量子化と呼ぶ）（たとえば、S.Roacos et al,“Segment
Quantization for Very−Low−Rate Speech Coding"Pr
oc,ICASSP 82,p1563（1982））が注目されている。ベク
トル量子化方式では、ベクトルと符号を対応付ける表を
コード・ブツクと呼ぶが、高品質の音声符号化を実現す
るためには事前に良質のコードブツクを作つておく必要
があり、十分な量の音声を用いねばならず、また、コー
ド・ブツクのサイズをどの程度大きくすれば良いか、パ
ラメータとしてどのようなものを用いれば良いか、等々
の問題がある。コード・ブツクの問題に関しては、入力
音声とコード・ブツクのすべてのベクトルとの各ベクト
ルに対する級関係数を用いて内挿するフアジーベクトル
法も提案されているが（たとえば、H.P.Tseng,et al“F
uzzy Vector Quantization Applied to Hidden Markou
Modeling"ICASSP 87',4（1987））各ベクトルとの類似
性の情報である級関数（メンバシツプ関数）情報が大量
に必要となるため、コード・ブツクの質に対し音質の向
上は期待されるものの、伝送用の技術としては用いられ
ない。音声認識などの前処理に用いることが検討されて
いる状況にある。また、情報の量をへらすために入力音
声とコード・ブツクのすべてのベクトルと比較し、近い
ものをＮ個だけ用いるKNN法も提案されているが（たと
えば、中村他“フアジイベクトル量子化を用いたスペク
トログラムの正規化の検討”音声研究会資料SP87−123,
1988年２月19日）、近いものＮ個を選択するためのソー
テイング処理が必要であり、その処理量は実用上非常に
大きな問題となる。またＮ個全体のコードを送る必要が
あり、情報量的にも損失が生じる。
が偏つている点に注目し、情報の存在している部分に符
号の割当てを厚くすることにより実現しているが、この
点をさらに積極的に押し進め、複数のパラメータの組み
合せとしての情報の偏りに注目し、パラメータの組み合
せセツト（ベクトルと呼ぶ）に対し、音声情報の存在し
ている部分に符号の割り当てを厚くする方式（ベクトル
量子化と呼ぶ）（たとえば、S.Roacos et al,“Segment
Quantization for Very−Low−Rate Speech Coding"Pr
oc,ICASSP 82,p1563（1982））が注目されている。ベク
トル量子化方式では、ベクトルと符号を対応付ける表を
コード・ブツクと呼ぶが、高品質の音声符号化を実現す
るためには事前に良質のコードブツクを作つておく必要
があり、十分な量の音声を用いねばならず、また、コー
ド・ブツクのサイズをどの程度大きくすれば良いか、パ
ラメータとしてどのようなものを用いれば良いか、等々
の問題がある。コード・ブツクの問題に関しては、入力
音声とコード・ブツクのすべてのベクトルとの各ベクト
ルに対する級関係数を用いて内挿するフアジーベクトル
法も提案されているが（たとえば、H.P.Tseng,et al“F
uzzy Vector Quantization Applied to Hidden Markou
Modeling"ICASSP 87',4（1987））各ベクトルとの類似
性の情報である級関数（メンバシツプ関数）情報が大量
に必要となるため、コード・ブツクの質に対し音質の向
上は期待されるものの、伝送用の技術としては用いられ
ない。音声認識などの前処理に用いることが検討されて
いる状況にある。また、情報の量をへらすために入力音
声とコード・ブツクのすべてのベクトルと比較し、近い
ものをＮ個だけ用いるKNN法も提案されているが（たと
えば、中村他“フアジイベクトル量子化を用いたスペク
トログラムの正規化の検討”音声研究会資料SP87−123,
1988年２月19日）、近いものＮ個を選択するためのソー
テイング処理が必要であり、その処理量は実用上非常に
大きな問題となる。またＮ個全体のコードを送る必要が
あり、情報量的にも損失が生じる。
本発明の目的は、ソーテイング処理とＮ個のコードを
送ることなくＮ個のベクトルを決定する方法を提供する
ことにある。
送ることなくＮ個のベクトルを決定する方法を提供する
ことにある。
本発明の第２の目的は、高品質の復号音声を再生し、
かつ、ベクトル量子化に好適な方法の提供にある。
かつ、ベクトル量子化に好適な方法の提供にある。
上記の第１の目的を達成するために、コード・ブツク
の各コード毎に、近接するベクトルのコードをＮ個登録
するようにしたものである。
の各コード毎に、近接するベクトルのコードをＮ個登録
するようにしたものである。
さらに、第２の目的を達成するためにはスペクトル包
絡を直交展開したものを用いる。たとえば、PSEパラメ
ータ又はQSSパラメータと呼ばれるものをベクトル要素
とするようにしたものである。PSEパラメータは中島等
の論文“基本周波数間隔標本化に基ずく音声パワースペ
クトル包絡分析法”音声研究会資料SP86−94,電子情報
通信学会（1986年）に、又、QSSパラメータは特願昭63
−166714号公報に述べられているものである。符号化側
では音声をツチ周期と一定の関係でフーリエ変換し、さ
らにパワースペクトルを求め、該パワースペクトル上の
ピツチ周波数及びその高調波に対応する値を取り出し、
その値をさらに余弦級数等で展開した係数値をもつて、
ベクトルの要素値とし、復号化例では、コード・ブツク
よりベクトルの要素値を求め要素値を余弦級数値として
逆変換し、スペクトルのピツチ高調波値を求め、さらに
フーリエ逆変換を行ない波形領域にもどし、ピツチ周期
で順次重ね合せながら波形を再生するようにしたもので
ある。
絡を直交展開したものを用いる。たとえば、PSEパラメ
ータ又はQSSパラメータと呼ばれるものをベクトル要素
とするようにしたものである。PSEパラメータは中島等
の論文“基本周波数間隔標本化に基ずく音声パワースペ
クトル包絡分析法”音声研究会資料SP86−94,電子情報
通信学会（1986年）に、又、QSSパラメータは特願昭63
−166714号公報に述べられているものである。符号化側
では音声をツチ周期と一定の関係でフーリエ変換し、さ
らにパワースペクトルを求め、該パワースペクトル上の
ピツチ周波数及びその高調波に対応する値を取り出し、
その値をさらに余弦級数等で展開した係数値をもつて、
ベクトルの要素値とし、復号化例では、コード・ブツク
よりベクトルの要素値を求め要素値を余弦級数値として
逆変換し、スペクトルのピツチ高調波値を求め、さらに
フーリエ逆変換を行ない波形領域にもどし、ピツチ周期
で順次重ね合せながら波形を再生するようにしたもので
ある。
伝送したい音声が入力されると、順次コード・ブツク
の各ベクトルと比較され、最つとも近いコードが選択さ
れる。選択されたコードにはＮ個のコードが登録されて
いるので、このＮ個のコード及び最初に選択されたコー
ドに対応するベクトルを取り出し、入力音声との間で級
関数を求め、最初の選択されコードとＮ＋１個の級関数
を符号化して伝送する。受信側では同一情報を有するコ
ード・ブツクを持つており、受信したコードより受信し
たコードと登録されているＮ個のコードに対応するベク
トルをコード・ブツクより読み出し、級関数と組み合せ
て音声を再生する。このように動作するため、Ｎ＋１個
のコードを選択する送信側の手間と、Ｎ個分のコードを
送信する情報量が不要となるため、伝送上の符号化割当
が不要となり、高能率な伝送が可能となる。
の各ベクトルと比較され、最つとも近いコードが選択さ
れる。選択されたコードにはＮ個のコードが登録されて
いるので、このＮ個のコード及び最初に選択されたコー
ドに対応するベクトルを取り出し、入力音声との間で級
関数を求め、最初の選択されコードとＮ＋１個の級関数
を符号化して伝送する。受信側では同一情報を有するコ
ード・ブツクを持つており、受信したコードより受信し
たコードと登録されているＮ個のコードに対応するベク
トルをコード・ブツクより読み出し、級関数と組み合せ
て音声を再生する。このように動作するため、Ｎ＋１個
のコードを選択する送信側の手間と、Ｎ個分のコードを
送信する情報量が不要となるため、伝送上の符号化割当
が不要となり、高能率な伝送が可能となる。
また、入力音声は、ピツチ周期が抽出され、一定間
隔、またはピツチ周期と一定の関係のある間隔でフーリ
エ変換され、さらにパワースペクトル変換後、パワース
ペクトル上のピツチ周期の高調波位置の情報のみが取り
出され、この情報系列に対して大きさを正規化後余弦展
開を行ない、たとえば20次程度までの係数を取り出す。
この係数は、サンプリング周波数の半分の周波数幅を基
本とした余弦展開に正規化されているため、同一の声送
から発声された異なつたピツチ周期の音声のスペクトル
もほぼ同一の係数として得ることが出来る。従つて、こ
の係数をベクトルの要素に用いると、類似したスペクト
ル包絡を有する音声はベクトル間距離が近くなり、ベク
トル量子化に極めて好都合である。また、金弦展開を用
いた場合はベクトルの低次の成分ほど、スペクトルの概
形をあらわし、高次ほど細部をあらわす情報となつてい
るため、コード・ブツクを係数的に作成し、木符号化技
術を用いて高速化するなどの処理にも極めて好都合であ
る。伝送には、このベクトル情報とピツチ周期情報及び
大きさをもとにもどすレベル情報を用いれば良い。これ
らのパラメータのうち、ベクトル部分については前述の
簡易化したフアジーベクトル方式を組み合せることが安
易に可能である。
隔、またはピツチ周期と一定の関係のある間隔でフーリ
エ変換され、さらにパワースペクトル変換後、パワース
ペクトル上のピツチ周期の高調波位置の情報のみが取り
出され、この情報系列に対して大きさを正規化後余弦展
開を行ない、たとえば20次程度までの係数を取り出す。
この係数は、サンプリング周波数の半分の周波数幅を基
本とした余弦展開に正規化されているため、同一の声送
から発声された異なつたピツチ周期の音声のスペクトル
もほぼ同一の係数として得ることが出来る。従つて、こ
の係数をベクトルの要素に用いると、類似したスペクト
ル包絡を有する音声はベクトル間距離が近くなり、ベク
トル量子化に極めて好都合である。また、金弦展開を用
いた場合はベクトルの低次の成分ほど、スペクトルの概
形をあらわし、高次ほど細部をあらわす情報となつてい
るため、コード・ブツクを係数的に作成し、木符号化技
術を用いて高速化するなどの処理にも極めて好都合であ
る。伝送には、このベクトル情報とピツチ周期情報及び
大きさをもとにもどすレベル情報を用いれば良い。これ
らのパラメータのうち、ベクトル部分については前述の
簡易化したフアジーベクトル方式を組み合せることが安
易に可能である。
以下、本発明の実施例を図をもつて説明する。第１図
は本発明の一実施例を説明するためのブロツク図であ
り、送信側と受信側を対にした一方向のみを示してお
り、逆方向への通信路は、図が複雑となるため省略して
ある。
は本発明の一実施例を説明するためのブロツク図であ
り、送信側と受信側を対にした一方向のみを示してお
り、逆方向への通信路は、図が複雑となるため省略して
ある。
第１図において、入力音声101はアナログ・デジタル
変換器（A/D）102を経て、二面構成のバツフアメモリ10
3に入力される。このメモリは以下の処理の時間調整
と、入力音声の中断を防止するために設けられている。
バツフアメモリ105からの音声は分析部104において、ピ
ツチ情報107、スペクトル情報106、レベル情報105を求
める。スペクトル情報106は本発明のポイントの一つで
あるフアジー・ベクトル符号化部108に加えられ、ベク
トルコード109を級関数110を得る。ベクトル・コード10
9、級関数110、ピツチ情報107、レベル情報105は送信部
111、伝送路112を経て受信部113に送られる。受信側で
は受信部で受けたベクトルコード109′、級関数110′、
ピツチ情報107′、レベル情報105′はフアジーベクトル
復号化部114に加えられ、スペクトル情報115が復元さ
れ、ピツチ情報107′、レベル情報105′と共に合成部11
6に加えられる。合成部116では音声波形に復号され、出
力用の二面バツフアメモリ117を経て出力音声118として
再生される。
変換器（A/D）102を経て、二面構成のバツフアメモリ10
3に入力される。このメモリは以下の処理の時間調整
と、入力音声の中断を防止するために設けられている。
バツフアメモリ105からの音声は分析部104において、ピ
ツチ情報107、スペクトル情報106、レベル情報105を求
める。スペクトル情報106は本発明のポイントの一つで
あるフアジー・ベクトル符号化部108に加えられ、ベク
トルコード109を級関数110を得る。ベクトル・コード10
9、級関数110、ピツチ情報107、レベル情報105は送信部
111、伝送路112を経て受信部113に送られる。受信側で
は受信部で受けたベクトルコード109′、級関数110′、
ピツチ情報107′、レベル情報105′はフアジーベクトル
復号化部114に加えられ、スペクトル情報115が復元さ
れ、ピツチ情報107′、レベル情報105′と共に合成部11
6に加えられる。合成部116では音声波形に復号され、出
力用の二面バツフアメモリ117を経て出力音声118として
再生される。
以下、各部分を詳細に説明する。
第２図と第３図は分析部104を説明するための図であ
る。
る。
第２図において、ピツチ抽出部201は入力音声のピツ
チ情報を抽出する。ピツチ情報の抽出方法はすでに広く
用いられている多数の方式があり、ここで改めて説明す
る必要はないであろう。波形切出部203は入力音声から
スペクトル情報を分析するための波形区間を切り出すも
のであり、前記の、いわゆるPSE法では、第３図（ａ）
のToとして示したようにピツチ周期を３正間程度含む波
形が切り出される。QSS法ではTo′として示したよう
に、ピツチ１区間長分が切り出される。これらはピツチ
情報を参考に、波形の最大値を検出することにより容易
になされることは言うまでもない。切り出された波形
は、フーリエ変換部204に送られ、フーリエ級数に変換
される。PSE法では、ハミンク窓やガラス窓など、通常
用いられる窓関数を掛けた後に、前後に零データをうめ
込み2048点程度の多目の点数を用いる高速フーリエを変
換（FFT）を用いると効率的である。QSS法では、窓を掛
けるこはなく、FFTに用いる点数も、後述するように、
ピツチ周波数の高調波でのリサンプリングを行わないの
で必ずしも2048点のような多量のデータによる変換を要
せず、512点程度でも良い。FFTの結果は、第３図（ｂ）
に示すようなフーリエ級数として得られ、PSE法では、
ピツチの高調波による線スペクトル構造を有するが、QS
S法では、線は存在せず、面スペクトルとなる。
チ情報を抽出する。ピツチ情報の抽出方法はすでに広く
用いられている多数の方式があり、ここで改めて説明す
る必要はないであろう。波形切出部203は入力音声から
スペクトル情報を分析するための波形区間を切り出すも
のであり、前記の、いわゆるPSE法では、第３図（ａ）
のToとして示したようにピツチ周期を３正間程度含む波
形が切り出される。QSS法ではTo′として示したよう
に、ピツチ１区間長分が切り出される。これらはピツチ
情報を参考に、波形の最大値を検出することにより容易
になされることは言うまでもない。切り出された波形
は、フーリエ変換部204に送られ、フーリエ級数に変換
される。PSE法では、ハミンク窓やガラス窓など、通常
用いられる窓関数を掛けた後に、前後に零データをうめ
込み2048点程度の多目の点数を用いる高速フーリエを変
換（FFT）を用いると効率的である。QSS法では、窓を掛
けるこはなく、FFTに用いる点数も、後述するように、
ピツチ周波数の高調波でのリサンプリングを行わないの
で必ずしも2048点のような多量のデータによる変換を要
せず、512点程度でも良い。FFTの結果は、第３図（ｂ）
に示すようなフーリエ級数として得られ、PSE法では、
ピツチの高調波による線スペクトル構造を有するが、QS
S法では、線は存在せず、面スペクトルとなる。
ピツチ・リサンプリング部205は、PSE法の場合のみ存
在し、QSS法では不要である。ピツチ・リサンプリング
部205では、FFTFより得られたスペクトル（第３図
（ｂ））情報の中から、第３図（ｃ）のようにピツチ周
波数の高調波成分（線スペクトル成分）のみを取り出
す。PSE法ではこのように取り出してデータ（第３図
（ｃ））を後述の余弦展開時の周期の半径２πに、QSS
では原スペクトル（第３図（ｂ））のサンプリング周波
数の半分S/2を角周波数πに対応付けて以下考える。
在し、QSS法では不要である。ピツチ・リサンプリング
部205では、FFTFより得られたスペクトル（第３図
（ｂ））情報の中から、第３図（ｃ）のようにピツチ周
波数の高調波成分（線スペクトル成分）のみを取り出
す。PSE法ではこのように取り出してデータ（第３図
（ｃ））を後述の余弦展開時の周期の半径２πに、QSS
では原スペクトル（第３図（ｂ））のサンプリング周波
数の半分S/2を角周波数πに対応付けて以下考える。
パワースペクトル化部206は、スペクトルの各成分を
自乗し、パワースペクトルに変換する（第３図
（ｄ））。さらに対数化部207は、各成分を対数化し、
対数パワースペクトル（同図（ｅ））を得る。当然両者
をまとめた処理として、絶対値の対数の２倍の値を用い
てもよい。再生で平方根を取りため２倍と再生側の1/2
の省略も可である。
自乗し、パワースペクトルに変換する（第３図
（ｄ））。さらに対数化部207は、各成分を対数化し、
対数パワースペクトル（同図（ｅ））を得る。当然両者
をまとめた処理として、絶対値の対数の２倍の値を用い
てもよい。再生で平方根を取りため２倍と再生側の1/2
の省略も可である。
レベル正規化部208は入力音声の大きさにもとずくレ
ベル変動を吸収するものであるが、次の余弦変換部209
の第６次の項の出力としてまとめて抽出しても良い。余
弦変換部209は対数化パワースペクトルの包絡線を余弦
展開したものの係数であり、包絡線をＹとして、 Ｙ＝A0＋A1 cosλ＋A2 Cos2λ＋A3 Cos3λ＋…（１） で表現する。余弦関数は直交関数であるから、包絡線Ｙ
とCos nXを掛けることによりＡを得ることができる。A0
をレベル情報105、A1,…,Amをスペクトル情報106として
出力する。
ベル変動を吸収するものであるが、次の余弦変換部209
の第６次の項の出力としてまとめて抽出しても良い。余
弦変換部209は対数化パワースペクトルの包絡線を余弦
展開したものの係数であり、包絡線をＹとして、 Ｙ＝A0＋A1 cosλ＋A2 Cos2λ＋A3 Cos3λ＋…（１） で表現する。余弦関数は直交関数であるから、包絡線Ｙ
とCos nXを掛けることによりＡを得ることができる。A0
をレベル情報105、A1,…,Amをスペクトル情報106として
出力する。
ピツチ周波数の低い音声では一定帯域内に入るピツチ
高調波の数は多くなるから、有効な情報はそれだけ多く
なり、スペクトル情報の次数ｍは高い値のものまで利用
が可能である。従つてピツチによりｍの値を可変にして
おくことにより情報を有効に活用することも可能であ
る。
高調波の数は多くなるから、有効な情報はそれだけ多く
なり、スペクトル情報の次数ｍは高い値のものまで利用
が可能である。従つてピツチによりｍの値を可変にして
おくことにより情報を有効に活用することも可能であ
る。
次に第４図と第５図，第６図を用いてフアジーベクト
ル符号化部を説明する。第４図においてコード・ブツク
401には第５図に示すようなデータが記録されている。
各スペクトル情報はピツチ情報107との相関も高いこと
を利用し、コード・ブツクを引く手間を速くするため
に、探索範囲を限定しても良い。また、ピツチ情報を利
用してスペクトル情報の何次までを利用するかを決め、
それに従つて以下の離離計算を行うことも可能である。
コード・ブツク内には、ベクトル要素値｛A1,A2,…,A
m｝と、そのベクトルのコードνｉ、近接しているベク
トルのコード名Ki1,…,KiNなどの情報が記録されてい
る。入力音声のスペクトル情報χK106はベクトル量子化
部402でコード・ブツク401中の各ベクトルνｉとの距離
d ikが計算され、距離の最つとも近いベクトル・コード
403が選択される。以下、このコードを改めてνi403と
呼ぶことにする。νｉが決まると、第５図のように、近
傍のベクトルKi1,…,KiNが決まる。Ｎとしては５〜６程
度を取ることにする。このベクトルの様子を模式図的に
書いたのが第６図である。入力音声ベクトルχＫはベク
トルνｉの領域内にあり、Ki1,…,KiNのベクトルの領域
が、その周辺に存在する。νｉ及びKi1,…,KiNの各々の
ベクトルと入力音声のスペクトルとの距離dlK405を、ν
ｉをここでKi0とおき、 dlK＝‖χＫ−Kil‖ …（２） ‖・‖はユークリツド距離 として、距離計算部404より求める。求められた距離dlK
405は級関数計算部406に送られる。級関数μlKの決め方
は色々ありうるが、ここでは、 だだし、dlK＝０のときはμlK＝１とする。ここでαは
1.5程度が良い。このようにしてＮ＋１個の級関数μlK1
10と代表ベクトルνｉのコード109（＝403）が出力され
る。本フアジーベクトル符号化の特徴はコード・ブツク
401に近傍のベクトルコードKi1,…,KiNが予め与えられ
ており、入力毎に近傍のベクトルを求めることがなく、
従つてそのコードを伝送しなくとも同一の表が受け側に
あれば良い点にある。
ル符号化部を説明する。第４図においてコード・ブツク
401には第５図に示すようなデータが記録されている。
各スペクトル情報はピツチ情報107との相関も高いこと
を利用し、コード・ブツクを引く手間を速くするため
に、探索範囲を限定しても良い。また、ピツチ情報を利
用してスペクトル情報の何次までを利用するかを決め、
それに従つて以下の離離計算を行うことも可能である。
コード・ブツク内には、ベクトル要素値｛A1,A2,…,A
m｝と、そのベクトルのコードνｉ、近接しているベク
トルのコード名Ki1,…,KiNなどの情報が記録されてい
る。入力音声のスペクトル情報χK106はベクトル量子化
部402でコード・ブツク401中の各ベクトルνｉとの距離
d ikが計算され、距離の最つとも近いベクトル・コード
403が選択される。以下、このコードを改めてνi403と
呼ぶことにする。νｉが決まると、第５図のように、近
傍のベクトルKi1,…,KiNが決まる。Ｎとしては５〜６程
度を取ることにする。このベクトルの様子を模式図的に
書いたのが第６図である。入力音声ベクトルχＫはベク
トルνｉの領域内にあり、Ki1,…,KiNのベクトルの領域
が、その周辺に存在する。νｉ及びKi1,…,KiNの各々の
ベクトルと入力音声のスペクトルとの距離dlK405を、ν
ｉをここでKi0とおき、 dlK＝‖χＫ−Kil‖ …（２） ‖・‖はユークリツド距離 として、距離計算部404より求める。求められた距離dlK
405は級関数計算部406に送られる。級関数μlKの決め方
は色々ありうるが、ここでは、 だだし、dlK＝０のときはμlK＝１とする。ここでαは
1.5程度が良い。このようにしてＮ＋１個の級関数μlK1
10と代表ベクトルνｉのコード109（＝403）が出力され
る。本フアジーベクトル符号化の特徴はコード・ブツク
401に近傍のベクトルコードKi1,…,KiNが予め与えられ
ており、入力毎に近傍のベクトルを求めることがなく、
従つてそのコードを伝送しなくとも同一の表が受け側に
あれば良い点にある。
次に受信側の処理を説明しよう。
第７図はフアジーベクトル復号化部114を説明するた
めの図である。代表ベクトルコード109′を受信する
と、コード・ブツク701より代表ベクトルνｉ（＝Ki0）
と近傍ベクトルKi1,…,KiNが取り出され、ベクトル再生
部702に送られる。ベクトル再生部702では別途受信した
級関数μlK110′とベクトルKi1,…,KiNを用いて入力音
声信号の再生ベクトル として求める。前述の（３）式、（４）式等の関係や、
コードブツク用のベクトルの作り方については、中村他
「フアジイベクトル量子化を用いたスペクトログラムの
正規化の検討」音声研究会資料SP87−123,電子情報通信
学会，（1988−２）及びその内で引用されている文献で
詳しく述べられており、公知なのでここでは省略する。
本特許の受信部における特徴は、コード・ブツク中に近
傍ベクトル・コード情報が付加されており、近傍ベクト
ル・コードを伝送しない点にある。
めの図である。代表ベクトルコード109′を受信する
と、コード・ブツク701より代表ベクトルνｉ（＝Ki0）
と近傍ベクトルKi1,…,KiNが取り出され、ベクトル再生
部702に送られる。ベクトル再生部702では別途受信した
級関数μlK110′とベクトルKi1,…,KiNを用いて入力音
声信号の再生ベクトル として求める。前述の（３）式、（４）式等の関係や、
コードブツク用のベクトルの作り方については、中村他
「フアジイベクトル量子化を用いたスペクトログラムの
正規化の検討」音声研究会資料SP87−123,電子情報通信
学会，（1988−２）及びその内で引用されている文献で
詳しく述べられており、公知なのでここでは省略する。
本特許の受信部における特徴は、コード・ブツク中に近
傍ベクトル・コード情報が付加されており、近傍ベクト
ル・コードを伝送しない点にある。
再生ベクトル は合成部116に送られる。
合成部116を次に第８図及び第９図を用いて説明す
る。第８図において、対数パワースペクトル再生部801
では、レベル情報A0と再生ベクトル を用いて対数パワースペクトル802 を得る（第９図（ａ）（ｂ）参照）。再生対数パワース
ペクトル802は逆対数変換部803で変換 （送信部でパワー化のための２倍がない場合は単純にlo
g-1）を行ない零位相化スペクトル804を得逆フーリエ変
換部805に送られる。逆フーリエ変換部805では高速フー
リエ逆変換IFFTにより音声素片806が得られる（第９図
（ｃ）及び（ｄ）参照）。音声素片806は波形合成部807
でピツチ情報107′に従つて順次ピツチ間隔だけずらし
ながら加え合せ、音声波形808（第９図（ｅ））として
出力される。ピツチ周期の音声素片編集合成の方法はす
でに広く知られており、改めてこれ以上詳しく述べる必
要はないであろう。受信側ではPSE法とQSS法で特に異な
つた処理を行う必要はない。
る。第８図において、対数パワースペクトル再生部801
では、レベル情報A0と再生ベクトル を用いて対数パワースペクトル802 を得る（第９図（ａ）（ｂ）参照）。再生対数パワース
ペクトル802は逆対数変換部803で変換 （送信部でパワー化のための２倍がない場合は単純にlo
g-1）を行ない零位相化スペクトル804を得逆フーリエ変
換部805に送られる。逆フーリエ変換部805では高速フー
リエ逆変換IFFTにより音声素片806が得られる（第９図
（ｃ）及び（ｄ）参照）。音声素片806は波形合成部807
でピツチ情報107′に従つて順次ピツチ間隔だけずらし
ながら加え合せ、音声波形808（第９図（ｅ））として
出力される。ピツチ周期の音声素片編集合成の方法はす
でに広く知られており、改めてこれ以上詳しく述べる必
要はないであろう。受信側ではPSE法とQSS法で特に異な
つた処理を行う必要はない。
なお送信側と受信側の基本処理を10ミリ秒〜20ミリ秒
程度の一定間隔に取り、再生側で推定スペクトル情報 をその間の素片に対し内挿して推定するなどの情報量の
圧縮も行うことができる。
程度の一定間隔に取り、再生側で推定スペクトル情報 をその間の素片に対し内挿して推定するなどの情報量の
圧縮も行うことができる。
また、送信側にフアジーベクトルに復号化部をもた
せ、（４）式に相当する処理を行い、入力ベクトルにχ
Ｋと再生ベクトル の誤差を評価し、値の大きい級関数値から順次巡回修正
を行ない誤差をより小さくした上で伝送すれば、より高
精度の伝送が可能となる。
せ、（４）式に相当する処理を行い、入力ベクトルにχ
Ｋと再生ベクトル の誤差を評価し、値の大きい級関数値から順次巡回修正
を行ない誤差をより小さくした上で伝送すれば、より高
精度の伝送が可能となる。
また、フアジー符号化や、簡易フアジー符号化を省略
し、ベクトル量子化のみをPSE又はQSS方式適用すること
も、もちろん可能である。この場合は、第１図の関連部
を取りはずせば容易に実施できる。
し、ベクトル量子化のみをPSE又はQSS方式適用すること
も、もちろん可能である。この場合は、第１図の関連部
を取りはずせば容易に実施できる。
ベクトル量子化方式の一つの問題点であるコード・ブ
ツクの各ベクトルと入力ベクトルの距離を求めるための
処理量に対しては、本方式ではスペクトル情報の特徴を
生かして大幅にへらすことも可能である。すなわち、ス
ペクトル情報A1,…,ANは順次スペクトルの大極的特徴か
ら細かい特徴へを対応しており、類似したベクトルは低
次のスペクトル情報が類似している。従つて、コード・
ブツクを低次のスペクトル情報の似ているものをまと
め、順次階層的に高次のスペクトル情報を取り出せるよ
うにしておくことにより、先ず低次のものから順次距離
を調べ、似たものについてはさらに高次と見ることによ
り、すべてのコードと比較することなく、類似コードを
知ることが可能となる。また、次数により、たとえば音
質に大きく影響する低次に重みをつけ評価することも可
能でである。
ツクの各ベクトルと入力ベクトルの距離を求めるための
処理量に対しては、本方式ではスペクトル情報の特徴を
生かして大幅にへらすことも可能である。すなわち、ス
ペクトル情報A1,…,ANは順次スペクトルの大極的特徴か
ら細かい特徴へを対応しており、類似したベクトルは低
次のスペクトル情報が類似している。従つて、コード・
ブツクを低次のスペクトル情報の似ているものをまと
め、順次階層的に高次のスペクトル情報を取り出せるよ
うにしておくことにより、先ず低次のものから順次距離
を調べ、似たものについてはさらに高次と見ることによ
り、すべてのコードと比較することなく、類似コードを
知ることが可能となる。また、次数により、たとえば音
質に大きく影響する低次に重みをつけ評価することも可
能でである。
また、ここに示した符号化方法は、単に伝送用だけで
なく、音声メールのように蓄積に用いたり、分析部は音
声認識の分析部として、合成部は音声合成装置の合成部
として、各々別個に独立に利用できることは言うまでも
ない。
なく、音声メールのように蓄積に用いたり、分析部は音
声認識の分析部として、合成部は音声合成装置の合成部
として、各々別個に独立に利用できることは言うまでも
ない。
本発明は、以上説明したように構成されているので以
下に記載されているような効果を奏する。
下に記載されているような効果を奏する。
すなわち、複数のコード・ベクトルとのフアジー関係
により音声表現の精度を向上するに当り、各ベクトル・
コード毎に複数個の近傍ベクトルを了め登録してあるの
で、ベクトルコードとしては入力に最も近いベクトルコ
ードのみを送れば良く、情報量を有効に用いることがで
きる。さらに、スペクトル情報として、スペクトルにエ
ンベロープの余弦係数展開係数を用いているので、ベク
トルコード化時の処理を階層化することが容易であり、
処理量を大幅に低減できる。また、このパラメータを内
挿することにより、音声の変化部分を安定に近似するこ
とが可能となるので、伝送間隔を低減することが可能と
なり、伝送情報量を低減することが可能となる。
により音声表現の精度を向上するに当り、各ベクトル・
コード毎に複数個の近傍ベクトルを了め登録してあるの
で、ベクトルコードとしては入力に最も近いベクトルコ
ードのみを送れば良く、情報量を有効に用いることがで
きる。さらに、スペクトル情報として、スペクトルにエ
ンベロープの余弦係数展開係数を用いているので、ベク
トルコード化時の処理を階層化することが容易であり、
処理量を大幅に低減できる。また、このパラメータを内
挿することにより、音声の変化部分を安定に近似するこ
とが可能となるので、伝送間隔を低減することが可能と
なり、伝送情報量を低減することが可能となる。
なお、本発明の説明では対象はすべて音声を例にして
いるが、類似の構造の情報を持つものに利用できること
も言うまでもない。
いるが、類似の構造の情報を持つものに利用できること
も言うまでもない。
第１図は本発明の一実施例のシステム構成を説明するブ
ロツク図、第２図は第３図は分析部を説明する図、第４
図、第５図、第６図はフアジーベクトル符号化部を説明
する図、第７図はフアジーベクトル復合化部を説明する
図、第８図と第９図は合成部を説明する図である。
ロツク図、第２図は第３図は分析部を説明する図、第４
図、第５図、第６図はフアジーベクトル符号化部を説明
する図、第７図はフアジーベクトル復合化部を説明する
図、第８図と第９図は合成部を説明する図である。
───────────────────────────────────────────────────── フロントページの続き (72)発明者 在塚 俊之 東京都国分寺市東恋ケ窪１丁目280番地 株式会社日立製作所中央研究所内 (56)参考文献 特開 昭59−99496（ＪＰ，Ａ) 特開 昭62−238600（ＪＰ，Ａ) 特開 昭63−285599（ＪＰ，Ａ) 特開 平１−237600（ＪＰ，Ａ) (58)調査した分野(Int.Cl.7，ＤＢ名) G10L 19/00 - 19/14 H03M 7/30
Claims (4)
- 【請求項１】入力情報を、予め設定しておいたベクトル
セットに含まれる複数のベクトルの組み合わせて表現し
て符号化する符号化方法であって、 前記ベクトルセットの各ベクトルに、前記ベクトルセッ
トに含まれるＮ（Ｎは正の整数）個のベクトルを対応付
けておき、情報が入力されると、前記ベクトルセットの
各ベクトルのうち前記入力情報に最も近いベクトルを選
択し、前記最も近いベクトルおよびそれに対応付けられ
たＮ個のベクトルと前記入力情報の関係を表す関数を求
め、前記最も近いベクトルおよび前記関数を符号化する
ことを特徴とする符号化方法。 - 【請求項２】前記符号化した情報を復号し、その復号し
た復号情報と前記入力情報とを比較し、前記復号情報と
前記入力情報との誤差が小さくなるように、前記最も近
いベクトルの選択およびそれに対応付けられたＮ個のベ
クトルと入力情報の関係を表す関数の修正を行うことを
特徴とする前記特許請求の範囲第１項記載の符号化方
法。 - 【請求項３】前記ベクトルセットに含まれるベクトル
は、スペクトル包絡情報を直交展開係数で表現したもの
であることを特徴とする前記特許請求の範囲第１項また
は第２項記載の符号化方法。 - 【請求項４】前記スペクトル包絡情報は、対数パワース
ペクトル上のピッチ高調波成分の情報であることを特徴
とする前記特許請求の範囲第３項記載の符号化方法。
Priority Applications (5)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP63240972A JP3058640B2 (ja) | 1988-09-28 | 1988-09-28 | 符号化方法 |
| CA000613182A CA1321645C (en) | 1988-09-28 | 1989-09-26 | Method and system for voice coding based on vector quantization |
| US07/412,987 US5077798A (en) | 1988-09-28 | 1989-09-26 | Method and system for voice coding based on vector quantization |
| EP19890117857 EP0361443A3 (en) | 1988-09-28 | 1989-09-27 | Method and system for voice coding based on vector quantization |
| US07/776,842 US5384891A (en) | 1988-09-28 | 1991-10-15 | Vector quantizing apparatus and speech analysis-synthesis system using the apparatus |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP63240972A JP3058640B2 (ja) | 1988-09-28 | 1988-09-28 | 符号化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH0290200A JPH0290200A (ja) | 1990-03-29 |
| JP3058640B2 true JP3058640B2 (ja) | 2000-07-04 |
Family
ID=17067398
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP63240972A Expired - Lifetime JP3058640B2 (ja) | 1988-09-28 | 1988-09-28 | 符号化方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3058640B2 (ja) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101612711B1 (ko) * | 2014-10-31 | 2016-04-15 | 대교에코필드주식회사 | 레저용 컬링 |
| KR101612717B1 (ko) * | 2014-10-31 | 2016-04-15 | 대교에코필드주식회사 | 컬링스톤의 제작방법 |
| KR101923683B1 (ko) | 2017-08-11 | 2018-11-29 | 주식회사 아이그라스 | 플로어 컬링스톤 및 그 제작방법 |
| KR102060510B1 (ko) * | 2018-04-13 | 2019-12-30 | 주식회사 불티나토이 | 컬링스톤 완구 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS5999496A (ja) * | 1982-11-29 | 1984-06-08 | 日本電信電話株式会社 | ベクトル量子化法 |
-
1988
- 1988-09-28 JP JP63240972A patent/JP3058640B2/ja not_active Expired - Lifetime
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101612711B1 (ko) * | 2014-10-31 | 2016-04-15 | 대교에코필드주식회사 | 레저용 컬링 |
| KR101612717B1 (ko) * | 2014-10-31 | 2016-04-15 | 대교에코필드주식회사 | 컬링스톤의 제작방법 |
| KR101923683B1 (ko) | 2017-08-11 | 2018-11-29 | 주식회사 아이그라스 | 플로어 컬링스톤 및 그 제작방법 |
| KR102060510B1 (ko) * | 2018-04-13 | 2019-12-30 | 주식회사 불티나토이 | 컬링스톤 완구 |
Also Published As
| Publication number | Publication date |
|---|---|
| JPH0290200A (ja) | 1990-03-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US5384891A (en) | Vector quantizing apparatus and speech analysis-synthesis system using the apparatus | |
| JP2779886B2 (ja) | 広帯域音声信号復元方法 | |
| US5323486A (en) | Speech coding system having codebook storing differential vectors between each two adjoining code vectors | |
| US6725190B1 (en) | Method and system for speech reconstruction from speech recognition features, pitch and voicing with resampled basis functions providing reconstruction of the spectral envelope | |
| US5077798A (en) | Method and system for voice coding based on vector quantization | |
| US6078880A (en) | Speech coding system and method including voicing cut off frequency analyzer | |
| US8412526B2 (en) | Restoration of high-order Mel frequency cepstral coefficients | |
| US6138092A (en) | CELP speech synthesizer with epoch-adaptive harmonic generator for pitch harmonics below voicing cutoff frequency | |
| US6678655B2 (en) | Method and system for low bit rate speech coding with speech recognition features and pitch providing reconstruction of the spectral envelope | |
| US7027979B2 (en) | Method and apparatus for speech reconstruction within a distributed speech recognition system | |
| JPH0869299A (ja) | 音声符号化方法、音声復号化方法及び音声符号化復号化方法 | |
| CN105741846A (zh) | 确定加权函数的设备和方法以及量化设备和方法 | |
| WO2006083550A2 (en) | Audio compression using repetitive structures | |
| US7305339B2 (en) | Restoration of high-order Mel Frequency Cepstral Coefficients | |
| JP2779325B2 (ja) | ボコーダーにおける前処理の相関関係式を用いたピッチ検索時間短縮方法 | |
| JP3058640B2 (ja) | 符号化方法 | |
| JP3297749B2 (ja) | 符号化方法 | |
| JP3237178B2 (ja) | 符号化方法及び復号化方法 | |
| CN115035904A (zh) | 一种基于生成式对抗神经网络的高质量声码器模型 | |
| JP3218679B2 (ja) | 高能率符号化方法 | |
| JP2931059B2 (ja) | 音声合成方式およびこれに用いる装置 | |
| JP3916934B2 (ja) | 音響パラメータ符号化、復号化方法、装置及びプログラム、音響信号符号化、復号化方法、装置及びプログラム、音響信号送信装置、音響信号受信装置 | |
| JP3878254B2 (ja) | 音声圧縮符号化方法および音声圧縮符号化装置 | |
| JP3731575B2 (ja) | 符号化装置及び復号装置 | |
| JP3489748B2 (ja) | 音声符号化装置及び音声復号化装置 |