JP3094522B2 - ベクトル量子化方法及びその装置 - Google Patents
ベクトル量子化方法及びその装置Info
- Publication number
- JP3094522B2 JP3094522B2 JP03179211A JP17921191A JP3094522B2 JP 3094522 B2 JP3094522 B2 JP 3094522B2 JP 03179211 A JP03179211 A JP 03179211A JP 17921191 A JP17921191 A JP 17921191A JP 3094522 B2 JP3094522 B2 JP 3094522B2
- Authority
- JP
- Japan
- Prior art keywords
- code
- vector
- restored
- feature amount
- codebook
- 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 - Fee Related
Links
Description
【０００１】
【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、特に高品質な再生音声を高い情報圧縮率で得る
ことに好適なベクトル量子化方法及びその装置に関す
る。
に係り、特に高品質な再生音声を高い情報圧縮率で得る
ことに好適なベクトル量子化方法及びその装置に関す
る。
【０００２】
【従来の技術】従来音声効能率符号化方式には、様々な
方式が提案されてきた。例えば、中田和男著「ディジタ
ル情報圧縮」（廣済堂産報出版、電子科学シリーズ１０
０）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）に関する多数の方式が示されている。
方式が提案されてきた。例えば、中田和男著「ディジタ
ル情報圧縮」（廣済堂産報出版、電子科学シリーズ１０
０）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）に関する多数の方式が示されている。
【０００３】
【発明が解決しようとする課題】これらの諸方式のう
ち、波形符号化方式は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
がある。特に両者の得意な帯域の中間の情報圧縮（１０
kbps付近）は谷間の帯域になっている。これに対し、両
方式の長所を組み合わせたハイブリッド方式として、マ
ルチパルス方式（例えば、B.S.Atal et al. “A new mo
del of LPCexcitation for producing natural-soundin
g speech at low bit rates”Proc.ICASSP ８２，Ｓ−
５，１０，（１９８２）など）や、ＴＯＲ方式（A.Ichi
kawaet al.,“A speech coding method using thinned-
out residual”Proc.ICASSP８５，２５.７（１９８
５)）等が近年提案され、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っている点に注目し、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。この点をさらに積極的に推し進め、
複数のパラメータの組合せとしての情報の偏りに注目
し、パラメータの組合せセット（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当てを厚く
する方式（ベクトル量子化と呼ぶ）（例えば、S.Roucos
et al.,“Segment quantization for very-low-rate s
peechcoding”Proc.ICASSP ８２，ｐ．１５６３（１９
８２））が注目されている。
ち、波形符号化方式は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
がある。特に両者の得意な帯域の中間の情報圧縮（１０
kbps付近）は谷間の帯域になっている。これに対し、両
方式の長所を組み合わせたハイブリッド方式として、マ
ルチパルス方式（例えば、B.S.Atal et al. “A new mo
del of LPCexcitation for producing natural-soundin
g speech at low bit rates”Proc.ICASSP ８２，Ｓ−
５，１０，（１９８２）など）や、ＴＯＲ方式（A.Ichi
kawaet al.,“A speech coding method using thinned-
out residual”Proc.ICASSP８５，２５.７（１９８
５)）等が近年提案され、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っている点に注目し、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。この点をさらに積極的に推し進め、
複数のパラメータの組合せとしての情報の偏りに注目
し、パラメータの組合せセット（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当てを厚く
する方式（ベクトル量子化と呼ぶ）（例えば、S.Roucos
et al.,“Segment quantization for very-low-rate s
peechcoding”Proc.ICASSP ８２，ｐ．１５６３（１９
８２））が注目されている。
【０００４】ベクトル量子化では、コードベクトル（パ
ラメータ，代表ベクトル、またはコードワードともい
う）をコード（指標，インデックスともいう）に対応付
けて格納するコードブックを用いる。ベクトル量子化は
入力ベクトルを有限個のコードベクトルに写像すると言
う意味で量子化過程であるが、指標の情報量が元のベク
トルよりも少なくできるので、情報圧縮に用いられる。
音声の予測残差に対してベクトル量子化を適用するＣＥ
ＬＰ方式（例えば、B.S.Atal et al.,“Stochastic cod
ing of speech signals at very low bit rates”Proc.
ICC８４，ｐｐ．１６１０−１６１３（１９８４))やそ
の改良方式であるＶＳＥＬＰ方式（例えば、I.A.Gerson
et al.,”Vector sum excited linear prediction(VSE
LP)”Proc.IEEE workshop on speech coding for telec
ommunications,pp.６６−６８（１９８９））などが提
案されている。これらの方式では合成音声と原音声の誤
差をフィードバックループを用いて最小化するような方
法を採っている。そのため合成音声の品質は良好だが、
処理量が多いこと、また、４.８kbps以下への適用が困
難という問題がある。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ックを作っておく必要が
ある。量子化特性の向上には量子化歪を小さくすること
が基本であるが、量子化歪はコードブックを大きくする
程小さくなる。また、有限個のサイズのコードブックを
用いてベクトル量子化を行うことにより生ずる問題点の
一つとして、隣合った音声フレーム間で特性に不連続の
大きな成分があると再生音声に異音が生じることがあ
る。フレーム間の特性の不連続を小さくするには、コー
ドブックに含まれるコードベクトルを増やしそれぞれの
コードベクトル間の距離を小さくする必要があるが、そ
のためにはかなり大きなサイズのコードブックを設定が
必要となる。しかし、大規模のコードブックの作成には
極めて大量の音声データを用いなければならず、かつ膨
大な処理量を要する。また、メモリ容量や探索処理量と
いった制約から、コードブックのサイズには限界があ
る。
ラメータ，代表ベクトル、またはコードワードともい
う）をコード（指標，インデックスともいう）に対応付
けて格納するコードブックを用いる。ベクトル量子化は
入力ベクトルを有限個のコードベクトルに写像すると言
う意味で量子化過程であるが、指標の情報量が元のベク
トルよりも少なくできるので、情報圧縮に用いられる。
音声の予測残差に対してベクトル量子化を適用するＣＥ
ＬＰ方式（例えば、B.S.Atal et al.,“Stochastic cod
ing of speech signals at very low bit rates”Proc.
ICC８４，ｐｐ．１６１０−１６１３（１９８４))やそ
の改良方式であるＶＳＥＬＰ方式（例えば、I.A.Gerson
et al.,”Vector sum excited linear prediction(VSE
LP)”Proc.IEEE workshop on speech coding for telec
ommunications,pp.６６−６８（１９８９））などが提
案されている。これらの方式では合成音声と原音声の誤
差をフィードバックループを用いて最小化するような方
法を採っている。そのため合成音声の品質は良好だが、
処理量が多いこと、また、４.８kbps以下への適用が困
難という問題がある。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ックを作っておく必要が
ある。量子化特性の向上には量子化歪を小さくすること
が基本であるが、量子化歪はコードブックを大きくする
程小さくなる。また、有限個のサイズのコードブックを
用いてベクトル量子化を行うことにより生ずる問題点の
一つとして、隣合った音声フレーム間で特性に不連続の
大きな成分があると再生音声に異音が生じることがあ
る。フレーム間の特性の不連続を小さくするには、コー
ドブックに含まれるコードベクトルを増やしそれぞれの
コードベクトル間の距離を小さくする必要があるが、そ
のためにはかなり大きなサイズのコードブックを設定が
必要となる。しかし、大規模のコードブックの作成には
極めて大量の音声データを用いなければならず、かつ膨
大な処理量を要する。また、メモリ容量や探索処理量と
いった制約から、コードブックのサイズには限界があ
る。
【０００５】本発明の目的はベクトル量子化方法及びそ
の装置において、連続する２つのフレーム間におけるス
ペクトルの変化をある程度以内に抑えることにより、フ
レーム間でスペクトルの特性が大幅に変化することによ
って生ずる異音の発生を抑え、再生音声の音質を改善す
ることである。
の装置において、連続する２つのフレーム間におけるス
ペクトルの変化をある程度以内に抑えることにより、フ
レーム間でスペクトルの特性が大幅に変化することによ
って生ずる異音の発生を抑え、再生音声の音質を改善す
ることである。
【０００６】
【課題を解決するための手段】上記目的を達成するため
に、ベクトル量子化方法及びその装置において、パワの
変化が急峻ではない連続する２つのフレーム間における
スペクトルの変化の度合いの著しい帯域が入力音声の特
徴をあまり反映していないことに着目し、その帯域内の
スペクトルに対し前フレームのスペクトルとの間で重み
付きの平均化を行うことにより、スペクトルをある程度
共通なものとし、フレーム間の変化をある程度以内に抑
えるように構成したものである。すなわち、符号化側と
復号化側に共通に所有されるコードブックに基づいてベ
クトル量子化を行うベクトル量子化方法において、前記
符号化側から伝送されるコードに対応するコードベクト
ルを前記コードブックを参照して選択し、前記選択され
たコードベクトルを信号の特徴量に復元し、前記復元し
た特徴量が信号の特徴を反映していない場合には、２Ｋ
Ｈｚ以上の周波数帯域に限定して、前記復元した特徴量
と前記復元した特徴量より前に復元した特徴量との間で
重み付きの平均化を行う。また、本願発明は、重み付き
の平均化をする際に、周波数成分ごとに重みを変化させ
る。また、本発明は、スペクトル変化の大きい２ＫＨｚ
以上の周波数帯域に限定して、前記復元した特徴量と前
記復元した特徴量より前に復元した特徴量との間で重み
付きの平均化を行う。また、本願発明は、異音の発生す
る周波数帯域に限定して、前記復元した特徴量と前記復
元した特徴量より前に復元した特徴量との間で重み付き
の平均化を行う。また、本願発明は、符号化側から送付
される前記フレームのパワー情報が連続する複数の前記
フレーム間において変動が小さい場合には、２ＫＨｚ以
上の周波数帯域に限定して、前記復元した特徴量と前記
復元した特徴量より前に復元した特徴量との間で重み付
きの平均化を行う。また、本願発明は、コードブックに
基づいてコードに変換された音声を再生し出力する音声
出力装置において、前記コードを受信する受信部と、前
記受信部において受信されたコードを前記コードブック
に基づいてスペクトル情報に復元する復元部と、前記復
元部において復元されたスペクトル情報に基づいて音声
を合成する合成部と、前記合成部において合成された音
声をアナログ音声に変換する変換部と、を備え、前記復
元したスペクトル情報が前記音声の特徴を反映していな
い場合には、２ＫＨｚ 以上の周波数帯域のスペクトル情
報と過去のスペクトル情報との間で重み付きの平均化を
行う。
に、ベクトル量子化方法及びその装置において、パワの
変化が急峻ではない連続する２つのフレーム間における
スペクトルの変化の度合いの著しい帯域が入力音声の特
徴をあまり反映していないことに着目し、その帯域内の
スペクトルに対し前フレームのスペクトルとの間で重み
付きの平均化を行うことにより、スペクトルをある程度
共通なものとし、フレーム間の変化をある程度以内に抑
えるように構成したものである。すなわち、符号化側と
復号化側に共通に所有されるコードブックに基づいてベ
クトル量子化を行うベクトル量子化方法において、前記
符号化側から伝送されるコードに対応するコードベクト
ルを前記コードブックを参照して選択し、前記選択され
たコードベクトルを信号の特徴量に復元し、前記復元し
た特徴量が信号の特徴を反映していない場合には、２Ｋ
Ｈｚ以上の周波数帯域に限定して、前記復元した特徴量
と前記復元した特徴量より前に復元した特徴量との間で
重み付きの平均化を行う。また、本願発明は、重み付き
の平均化をする際に、周波数成分ごとに重みを変化させ
る。また、本発明は、スペクトル変化の大きい２ＫＨｚ
以上の周波数帯域に限定して、前記復元した特徴量と前
記復元した特徴量より前に復元した特徴量との間で重み
付きの平均化を行う。また、本願発明は、異音の発生す
る周波数帯域に限定して、前記復元した特徴量と前記復
元した特徴量より前に復元した特徴量との間で重み付き
の平均化を行う。また、本願発明は、符号化側から送付
される前記フレームのパワー情報が連続する複数の前記
フレーム間において変動が小さい場合には、２ＫＨｚ以
上の周波数帯域に限定して、前記復元した特徴量と前記
復元した特徴量より前に復元した特徴量との間で重み付
きの平均化を行う。また、本願発明は、コードブックに
基づいてコードに変換された音声を再生し出力する音声
出力装置において、前記コードを受信する受信部と、前
記受信部において受信されたコードを前記コードブック
に基づいてスペクトル情報に復元する復元部と、前記復
元部において復元されたスペクトル情報に基づいて音声
を合成する合成部と、前記合成部において合成された音
声をアナログ音声に変換する変換部と、を備え、前記復
元したスペクトル情報が前記音声の特徴を反映していな
い場合には、２ＫＨｚ 以上の周波数帯域のスペクトル情
報と過去のスペクトル情報との間で重み付きの平均化を
行う。
【０００７】
【作用】本発明には種々の変形が考えられるが、その中
で代表的な手段について、その作用を説明する。
で代表的な手段について、その作用を説明する。
【０００８】伝送したい音声が入力されると、分析部に
於て特徴ベクトルが抽出され、順次コードブック中のコ
ードベクトルと比較され、最も近いベクトルが選択され
る。この時、前フレームで選択されたコードベクトルと
現フレームで選択されたコードベクトルとの間の距離
は、２つのフレームで同一のコードベクトルが選択され
ない限りコードブックのサイズが小さいほど大きくなっ
てしまう。
於て特徴ベクトルが抽出され、順次コードブック中のコ
ードベクトルと比較され、最も近いベクトルが選択され
る。この時、前フレームで選択されたコードベクトルと
現フレームで選択されたコードベクトルとの間の距離
は、２つのフレームで同一のコードベクトルが選択され
ない限りコードブックのサイズが小さいほど大きくなっ
てしまう。
【０００９】そこでまず、フレーム間でパワの急変して
いない部分に対して、前フレームでのスペクトルの情報
を記憶しておく。次に現フレームで選択されたコードベ
クトルについてスペクトルに復元した後、スペクトルの
不連続が大きく異音の発生が著しい周波数領域に対して
記憶しておいた上記スペクトルとの間で重み付きの平均
化を行う。
いない部分に対して、前フレームでのスペクトルの情報
を記憶しておく。次に現フレームで選択されたコードベ
クトルについてスペクトルに復元した後、スペクトルの
不連続が大きく異音の発生が著しい周波数領域に対して
記憶しておいた上記スペクトルとの間で重み付きの平均
化を行う。
【００１０】平均化処理を行うパワの急変していないよ
うな部分では、音声が本来持っている特徴は連続してい
るフレームの間でそれほどかけ離れるということはほと
んど無く、また本手法では選択されたコードベクトルに
対して異音の発生の著しい周波数帯域に対してのみスペ
クトルの平均化を行い、それ以外の帯域では何等の加工
も行ってはいないため、本手法によるスペクトルの変形
を行っても再生音声の明瞭性等が損なわれるようなこと
はほとんど無い。また本手法の処理は全て受信側のみで
行われるため、送信側より送信される情報は従来のまま
であり伝送量の増加はない。
うな部分では、音声が本来持っている特徴は連続してい
るフレームの間でそれほどかけ離れるということはほと
んど無く、また本手法では選択されたコードベクトルに
対して異音の発生の著しい周波数帯域に対してのみスペ
クトルの平均化を行い、それ以外の帯域では何等の加工
も行ってはいないため、本手法によるスペクトルの変形
を行っても再生音声の明瞭性等が損なわれるようなこと
はほとんど無い。また本手法の処理は全て受信側のみで
行われるため、送信側より送信される情報は従来のまま
であり伝送量の増加はない。
【００１１】
【実施例】以下、本発明の実施例を図面を用いて説明す
る。
る。
【００１２】図１は本発明の一実施例を説明するための
ブロック図である。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、図が複雑になる
ため省略してある。
ブロック図である。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、図が複雑になる
ため省略してある。
【００１３】図１において、入力音声１０１はアナログ
・ディジタル（Ａ／Ｄ）変換器102を経て、２面構成の
バッファメモリ１０３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。バッファメモリ１０３からの音声は分
析部１０４に入力され、レベル情報１０５，スペクトル
情報１０６，ピッチ情報１０７、が求められる。スペク
トル情報１０６はベクトル量子化部１０８に加えられ、
ベクトルコード１０９を得る。ベクトルコード１０９，
ピッチ情報１０７，レベル情報１０５は送信部１１０，
伝送路１１１を経て受信部１１２に送られる。受信側で
は受信部１１２で受けたベクトルコード１０９′，ピッ
チ情報１０７′，レベル情報１０５′はベクトル逆量子
化部113に加えられ、スペクトル情報１１４が復元さ
れ、ピッチ情報１０７′、レベル情報１０５′と共に合
成部１１５に加えられる。合成部１１５では音声波形に
復号され、出力用の２面バッファメモリ１１６を経て、
ディジタル・アナログ（Ｄ／Ａ）変換器１１７によりア
ナログ信号に変換され、出力音声１１８として再生され
る。
・ディジタル（Ａ／Ｄ）変換器102を経て、２面構成の
バッファメモリ１０３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。バッファメモリ１０３からの音声は分
析部１０４に入力され、レベル情報１０５，スペクトル
情報１０６，ピッチ情報１０７、が求められる。スペク
トル情報１０６はベクトル量子化部１０８に加えられ、
ベクトルコード１０９を得る。ベクトルコード１０９，
ピッチ情報１０７，レベル情報１０５は送信部１１０，
伝送路１１１を経て受信部１１２に送られる。受信側で
は受信部１１２で受けたベクトルコード１０９′，ピッ
チ情報１０７′，レベル情報１０５′はベクトル逆量子
化部113に加えられ、スペクトル情報１１４が復元さ
れ、ピッチ情報１０７′、レベル情報１０５′と共に合
成部１１５に加えられる。合成部１１５では音声波形に
復号され、出力用の２面バッファメモリ１１６を経て、
ディジタル・アナログ（Ｄ／Ａ）変換器１１７によりア
ナログ信号に変換され、出力音声１１８として再生され
る。
【００１４】以下、各部分を詳細に説明する。
【００１５】図２は分析部１０４を説明するための図で
ある。本実施例では、分析部はパワスペクトル包絡（Ｐ
ＳＥ）分析法による。ＰＳＥ分析法は、中島等の論文
“パワースペクトル包絡（ＰＳＥ）音声分析・合成
系”、日本音響学会誌４４巻１１号（昭６３−１１）に
詳細に述べられている。ここではその概要を述べる。
ある。本実施例では、分析部はパワスペクトル包絡（Ｐ
ＳＥ）分析法による。ＰＳＥ分析法は、中島等の論文
“パワースペクトル包絡（ＰＳＥ）音声分析・合成
系”、日本音響学会誌４４巻１１号（昭６３−１１）に
詳細に述べられている。ここではその概要を述べる。
【００１６】図２において、ピッチ抽出部２０１は入力
音声のピッチ情報（ピッチ周波数またはピッチ周期）を
抽出する。ピッチ抽出の方法は、相関法やＡＭＤＦ法な
ど公知の方法を用いれば良い。波形切り出し部２０２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、２０〜６０ｍｓ程度の区間を切
り出す。固定長の区間とすることが多いが、ピッチ周期
に依存し、その３倍程度の可変長にすることもある。切
り出された波形は、フーリエ変換部２０３に送られ、フ
ーリエ級数に変換される。このとき、切り出された波形
にハミング窓等、通常用いられる窓関数を掛けた後、前
後に零データを埋め込み、２０４８点のデータとし、高
速フーリエ変換（ＦＦＴ）を用いることで、高速かつ周
波数分解能の高いデータが得られる。フーリエ係数を絶
対値で表示したものが切り出し波形の周波数成分、すな
わちスペクトルとなる。切り出し波形が周期構造を有す
る場合は、スペクトルはピッチの高調波による線スペク
トル構造を有する。
音声のピッチ情報（ピッチ周波数またはピッチ周期）を
抽出する。ピッチ抽出の方法は、相関法やＡＭＤＦ法な
ど公知の方法を用いれば良い。波形切り出し部２０２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、２０〜６０ｍｓ程度の区間を切
り出す。固定長の区間とすることが多いが、ピッチ周期
に依存し、その３倍程度の可変長にすることもある。切
り出された波形は、フーリエ変換部２０３に送られ、フ
ーリエ級数に変換される。このとき、切り出された波形
にハミング窓等、通常用いられる窓関数を掛けた後、前
後に零データを埋め込み、２０４８点のデータとし、高
速フーリエ変換（ＦＦＴ）を用いることで、高速かつ周
波数分解能の高いデータが得られる。フーリエ係数を絶
対値で表示したものが切り出し波形の周波数成分、すな
わちスペクトルとなる。切り出し波形が周期構造を有す
る場合は、スペクトルはピッチの高調波による線スペク
トル構造を有する。
【００１７】ピッチ再標本化部２０４では、ＦＦＴによ
り得られたスペクトル情報の中から、ピッチ周波数の高
調波成分（線スペクトル成分）のみを取り出す。このよ
うにして取り出したデータは、後述の余弦級数展開時の
周期πに対応付けて、以下考える。
り得られたスペクトル情報の中から、ピッチ周波数の高
調波成分（線スペクトル成分）のみを取り出す。このよ
うにして取り出したデータは、後述の余弦級数展開時の
周期πに対応付けて、以下考える。
【００１８】パワスペクトル化部２０５は、スペクトル
の各成分を自乗し、パワスペクトルに変換する。さら
に、対数化部２０６は、各成分を対数化し、対数パワス
ペクトルを得る。
の各成分を自乗し、パワスペクトルに変換する。さら
に、対数化部２０６は、各成分を対数化し、対数パワス
ペクトルを得る。
【００１９】レベル正規化部２０７は入力音声の大きさ
に基づくレベル変動を吸収するものであるが、次の余弦
変換部２０８において、まとめて抽出しても良い。
に基づくレベル変動を吸収するものであるが、次の余弦
変換部２０８において、まとめて抽出しても良い。
【００２０】余弦変換部２０８は対数パワスペクトルを
再標本化したデータを用いて、有限項の余弦級数で近似
的に表現するものである。項数ｍは、通常２５程度に設
定する。パワスペクトル包絡を次のように表現する。
再標本化したデータを用いて、有限項の余弦級数で近似
的に表現するものである。項数ｍは、通常２５程度に設
定する。パワスペクトル包絡を次のように表現する。
【００２１】
【数１】 Ｙ＝Ａ０＋Ａ０・Ａ１・cosλ＋Ａ０・Ａ２・cos２λ＋…＋Ａ０・Ａｍ・cos ｍλ 係数Ａは、再標本化されたパワスペクトルデータと、数
１によるＹとの２乗誤差が最小となるように求められ
る。係数の第０項Ａ０は入力のレベルを表わしているの
でレベル情報１０５として、Ａ１，…，Ａｍをスペクト
ル情報１０６として出力する。
１によるＹとの２乗誤差が最小となるように求められ
る。係数の第０項Ａ０は入力のレベルを表わしているの
でレベル情報１０５として、Ａ１，…，Ａｍをスペクト
ル情報１０６として出力する。
【００２２】次に図３を用いてベクトル量子化部を説明
する。図３において、コードブック３０１にはコードベ
クトルの要素の値とそのコードが記憶されている。照合
部３０２において、スペクトル情報（入力ベクトル）１
０６が入力されると、コードブック３０１から各コード
ベクトルが読みだされ、入力ベクトル１０６との距離が
計算される。ここで距離尺度は、ベクトルの各要素に重
み付けしたユークリッド距離であるが、他の適当な尺度
を用いても良いことは言うまでもない。全数探索の場合
はコードブック中の全てのコードベクトルに対して距離
値が計算され、距離値が最小となるコードベクトル（最
近傍ベクトル）のコード１０９を出力する。なお、ピッ
チ情報１０７などを利用して、照合の対象とするコード
ベクトルの範囲を限定することも可能である。また、ベ
クトル量子化手法として相補型ベクトル量子化（特願平
3−75700号）などの手法を採用する事も可能である。
する。図３において、コードブック３０１にはコードベ
クトルの要素の値とそのコードが記憶されている。照合
部３０２において、スペクトル情報（入力ベクトル）１
０６が入力されると、コードブック３０１から各コード
ベクトルが読みだされ、入力ベクトル１０６との距離が
計算される。ここで距離尺度は、ベクトルの各要素に重
み付けしたユークリッド距離であるが、他の適当な尺度
を用いても良いことは言うまでもない。全数探索の場合
はコードブック中の全てのコードベクトルに対して距離
値が計算され、距離値が最小となるコードベクトル（最
近傍ベクトル）のコード１０９を出力する。なお、ピッ
チ情報１０７などを利用して、照合の対象とするコード
ベクトルの範囲を限定することも可能である。また、ベ
クトル量子化手法として相補型ベクトル量子化（特願平
3−75700号）などの手法を採用する事も可能である。
【００２３】ここで、コードブック３０１について説明
する。学習データを図１の分析部までと同様な処理をし
てトレーニングベクトルを得、信号の特徴空間に分布す
る複数個のトレーニングベクトルをトレーニングベクト
ルの数よりも少ない複数個のクラスタに分類し、それぞ
れのクラスタから代表ベクトルを作成しコードブックに
登録する。代表ベクトルの作成法としては、まず各クラ
スタにおいて重心を求め、各クラスタ内に分布するトレ
ーニングベクトルに対し重心との距離が最小のトレーニ
ングベクトルをそのクラスタの代表ベクトルとする。ま
たは、クラスタの重心からの距離が予め定めた範囲内に
含まれる複数個のトレーニングベクトルを用いて求めた
重心を代表ベクトルとするなどの方法がある。本実施例
では約５０００個のトレーニングベクトルを用い、１０
２４のサイズのコードブックを作成した。
する。学習データを図１の分析部までと同様な処理をし
てトレーニングベクトルを得、信号の特徴空間に分布す
る複数個のトレーニングベクトルをトレーニングベクト
ルの数よりも少ない複数個のクラスタに分類し、それぞ
れのクラスタから代表ベクトルを作成しコードブックに
登録する。代表ベクトルの作成法としては、まず各クラ
スタにおいて重心を求め、各クラスタ内に分布するトレ
ーニングベクトルに対し重心との距離が最小のトレーニ
ングベクトルをそのクラスタの代表ベクトルとする。ま
たは、クラスタの重心からの距離が予め定めた範囲内に
含まれる複数個のトレーニングベクトルを用いて求めた
重心を代表ベクトルとするなどの方法がある。本実施例
では約５０００個のトレーニングベクトルを用い、１０
２４のサイズのコードブックを作成した。
【００２４】次に復号側（受信側）について説明する。
【００２５】図１においてベクトル逆量子化部１１３で
はベクトルコード１０９′が受信されると、コードブッ
クから対応するコードベクトルが読みだされる。なお、
受信側のコードブックは送信側のコードブック３０１と
同一の内容であることは言うまでもない。再生コードベ
クトルｙ′＝｛Ａ１′，Ａ２′，…，Ａｍ′｝はスペク
トル情報１１４として合成部１１５に送られる。
はベクトルコード１０９′が受信されると、コードブッ
クから対応するコードベクトルが読みだされる。なお、
受信側のコードブックは送信側のコードブック３０１と
同一の内容であることは言うまでもない。再生コードベ
クトルｙ′＝｛Ａ１′，Ａ２′，…，Ａｍ′｝はスペク
トル情報１１４として合成部１１５に送られる。
【００２６】次に、合成部１１５について図４を用いて
説明する。同図において、対数パワスペクトル再生部４
０１についての説明は図５を用いて行う。スペクトル変
換部５０１では、伝送された再生ベクトル(スペクトル
情報１１４）の各要素Ａ１′,Ａ２′，…，Ａｍ′を用
いて対数パワスペクトルＹ′を次式にしたがって得る。
説明する。同図において、対数パワスペクトル再生部４
０１についての説明は図５を用いて行う。スペクトル変
換部５０１では、伝送された再生ベクトル(スペクトル
情報１１４）の各要素Ａ１′,Ａ２′，…，Ａｍ′を用
いて対数パワスペクトルＹ′を次式にしたがって得る。
【００２７】
【数２】 Ｙ′＝１＋Ａ１′cosλ＋Ａ２′cos２λ＋…＋Ａｍ′cos ｍλ 次にパワ比較部５０２において前フレームとのパワを比
較し、破裂音などパワが急変しているフレームに対して
はレベル再生部５１２に出力を出し、パワの急変してい
ないフレームでは周波数弁別部５０３に出力を切り替え
る。周波数弁別部５０３では入力された対数パワスペク
トル５０２をスペクトルの共通化を行う周波数成分Ｆｎ
５０４とそれ以外の成分５０５とに分離する。なお本実
施例では２ｋＨｚ以上の周波数帯域に対して共通化を行
っている。重み付き平均化部５０６では、予めデータ格
納部５０７に格納してある前フレームのスペクトルの共
通化成分Ｆｎ−１ ５０８を取り出し、入力スペクトル
の共通化する成分Ｆｎ′５０４との間で数３に従って重
み付きの平均化を行う。
較し、破裂音などパワが急変しているフレームに対して
はレベル再生部５１２に出力を出し、パワの急変してい
ないフレームでは周波数弁別部５０３に出力を切り替え
る。周波数弁別部５０３では入力された対数パワスペク
トル５０２をスペクトルの共通化を行う周波数成分Ｆｎ
５０４とそれ以外の成分５０５とに分離する。なお本実
施例では２ｋＨｚ以上の周波数帯域に対して共通化を行
っている。重み付き平均化部５０６では、予めデータ格
納部５０７に格納してある前フレームのスペクトルの共
通化成分Ｆｎ−１ ５０８を取り出し、入力スペクトル
の共通化する成分Ｆｎ′５０４との間で数３に従って重
み付きの平均化を行う。
【００２８】
【数３】 Ｆｎ＝（Ｗ１・Ｆｎ′＋Ｗ２・Ｆｎ−１）／（Ｗ１＋Ｗ２） なお、それぞれの重みＷ１，Ｗ２は周波数によって変化
させることも出来る。重み付き平均化部５０６の出力５
０９はデータ格納部５０７のデータを更新すると共に、
周波数弁別部５０３から出力された残りの周波数成分５
０５と周波数混合部５１０において再び混合される。周
波数混合部５１０から出力されたスペクトル５１１は、
レベル再生部５１２においてレベル情報Ａ０ １０５′
を用いることにより入力音声の大きさに基づくレベル情
報が付与される。
させることも出来る。重み付き平均化部５０６の出力５
０９はデータ格納部５０７のデータを更新すると共に、
周波数弁別部５０３から出力された残りの周波数成分５
０５と周波数混合部５１０において再び混合される。周
波数混合部５１０から出力されたスペクトル５１１は、
レベル再生部５１２においてレベル情報Ａ０ １０５′
を用いることにより入力音声の大きさに基づくレベル情
報が付与される。
【００２９】再び図４に戻ると、再生された対数パワス
ペクトル４０２は指数変換部４０３で指数変換を行い、
零位相化スペクトル４０４を得、逆フーリエ変換部４０
５へ送られる。逆フーリエ変換部４０５では高速フーリ
エ逆変換（ＩＦＦＴ）により音声素片４０６が得られ
る。音声素片４０６は波形合成部４０７でピッチ情報１
０７′にしたがって順次ピッチ間隔だけずらしながら加
え合わせられ、再生音声４０８として出力される。
ペクトル４０２は指数変換部４０３で指数変換を行い、
零位相化スペクトル４０４を得、逆フーリエ変換部４０
５へ送られる。逆フーリエ変換部４０５では高速フーリ
エ逆変換（ＩＦＦＴ）により音声素片４０６が得られ
る。音声素片４０６は波形合成部４０７でピッチ情報１
０７′にしたがって順次ピッチ間隔だけずらしながら加
え合わせられ、再生音声４０８として出力される。
【００３０】実施例における発明の効果は２ｋＨｚ以上
の周波数のスペクトルを前フレームのスペクトルで重み
付きの平均化を行っているため合成音声のスペクトルの
時間的不連続に起因する異音の発生が抑えられ、一方２
ｋＨｚ以下の周波数に対しては何等の処理も加えていな
いため、明瞭性を損なわれずに音質の向上が得られた。
なお、情報の伝送量についても、送信側では従来のベク
トル量子化システムをそのまま用いているため伝送量は
従来のままである。
の周波数のスペクトルを前フレームのスペクトルで重み
付きの平均化を行っているため合成音声のスペクトルの
時間的不連続に起因する異音の発生が抑えられ、一方２
ｋＨｚ以下の周波数に対しては何等の処理も加えていな
いため、明瞭性を損なわれずに音質の向上が得られた。
なお、情報の伝送量についても、送信側では従来のベク
トル量子化システムをそのまま用いているため伝送量は
従来のままである。
【００３１】
【発明の効果】本発明によれば、同一のコードブックを
用いた場合、従来のベクトル量子化よりも明瞭性を損な
うことなしに、合成音声のスペクトルの時間的不連続起
因する異音の発生が抑えられることによる音質の向上が
計ることができる。
用いた場合、従来のベクトル量子化よりも明瞭性を損な
うことなしに、合成音声のスペクトルの時間的不連続起
因する異音の発生が抑えられることによる音質の向上が
計ることができる。
【００３２】なお、本発明の説明では、対象は全て音声
を例にしているが、類似の構造をもつものにも利用でき
ることは言うまでもない。
を例にしているが、類似の構造をもつものにも利用でき
ることは言うまでもない。
【図１】本発明の一実施例のシステム構成を説明する図
である。
である。
【図２】分析部を説明する図である。
【図３】ベクトル量子化部を説明する図である。
【図４】合成部を説明する図である。
【図５】対数パワスペクトル再生部を説明する図であ
る。
る。
１０１…入力音声、１０３，１１６…バッファメモリ、
１０４…分析部、106,１１４…スペクトル情報、１０
７，１０７′…ピッチ情報、１０８…ベクトル量子化
部、１０９，１０９′…ベクトルコード、１１３…ベク
トル逆量子化部、１１５…合成部、１１９…出力音声。
１０４…分析部、106,１１４…スペクトル情報、１０
７，１０７′…ピッチ情報、１０８…ベクトル量子化
部、１０９，１０９′…ベクトルコード、１１３…ベク
トル逆量子化部、１１５…合成部、１１９…出力音声。
───────────────────────────────────────────────────── フロントページの続き (56)参考文献 特開 昭60−262200（ＪＰ，Ａ) 特開 昭61−215599（ＪＰ，Ａ) (58)調査した分野(Int.Cl.7，ＤＢ名) G10L 11/00 - 21/00 ＪＩＣＳＴファイル（ＪＯＩＳ)
Claims (4)
- 【請求項１】 符号化側と復号化側に共通に所有される
コードブックに基づいてベクトル量子化を行うベクトル
量子化方法において、 前記符号化側から伝送されるコードに対応するコードベ
クトルを前記コードブックを参照して選択し、 前記選択されたコードベクトルを信号の特徴量に復元
し、 前記復元した特徴量が信号の特徴を反映していない場合
には、２ＫＨｚ以上の周波数帯域に限定して、前記復元
した特徴量と前記復元した特徴量より前に復元した特徴
量との間で重み付きの平均化を行うことを特徴とするベ
クトル量子化方法。 - 【請求項２】 請求項１に記載のベクトル量子化方法に
おいて、前記重み付きの平均化をする際に、周波数成分
ごとに重みを変化させることを特徴とするベクトル量子
化方法。 - 【請求項３】 コードブックに基づいてコードに変換さ
れた音声を再生し出力する音声出力装置において、 前記コードを受信する受信部と、 前記受信部において受信されたコードを前記コードブッ
クに基づいてスペクトル情報に復元する復元部と、 前記復元部において復元されたスペクトル情報に基づい
て音声を合成する合成部と、 前記合成部において合成された音声をアナログ音声に変
換する変換部と、 を備え、前記復元したスペクトル情報が前記音声の特徴
を反映していない場合には、２ＫＨｚ以上の周波数帯域
のスペクトル情報と過去のスペクトル情報との間で重み
付きの平均化を行うことを特徴とする音声出力装置。 - 【請求項４】 符号化側と復号化側に共通に所有される
コードブックに基づいてベクトル量子化を行うベクトル
量子化方法において、 前記符号化側から伝送されるコードに対応するコードベ
クトルを前記コードブックを参照して選択し、 前記選択されたコードベクトルを信号の特徴量に復元
し、 前記符号化側から送付される前記フレームのパワー情報
が連続する複数の前記フレーム間において変動が小さい
場合には、２ＫＨｚ以上の周波数帯域に限定して、前記
復元した特徴量と前記復元した特徴量より前に復元した
特徴量との間で重み付きの平均化を行うことを特徴とす
るベクトル量子化方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP03179211A JP3094522B2 (ja) | 1991-07-19 | 1991-07-19 | ベクトル量子化方法及びその装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP03179211A JP3094522B2 (ja) | 1991-07-19 | 1991-07-19 | ベクトル量子化方法及びその装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH0527799A JPH0527799A (ja) | 1993-02-05 |
| JP3094522B2 true JP3094522B2 (ja) | 2000-10-03 |
Family
ID=16061876
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP03179211A Expired - Fee Related JP3094522B2 (ja) | 1991-07-19 | 1991-07-19 | ベクトル量子化方法及びその装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3094522B2 (ja) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1041539A4 (en) * | 1997-12-08 | 2001-09-19 | Mitsubishi Electric Corp | METHOD AND DEVICE FOR PROCESSING THE SOUND SIGNAL |
-
1991
- 1991-07-19 JP JP03179211A patent/JP3094522B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JPH0527799A (ja) | 1993-02-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR100427753B1 (ko) | 음성신호재생방법및장치,음성복호화방법및장치,음성합성방법및장치와휴대용무선단말장치 | |
| US6081776A (en) | Speech coding system and method including adaptive finite impulse response filter | |
| US6067511A (en) | LPC speech synthesis using harmonic excitation generator with phase modulator for voiced speech | |
| US6078880A (en) | Speech coding system and method including voicing cut off frequency analyzer | |
| US6098036A (en) | Speech coding system and method including spectral formant enhancer | |
| US7181389B2 (en) | Efficient spectral envelope coding using variable time/frequency resolution and time/frequency switching | |
| US5778335A (en) | Method and apparatus for efficient multiband celp wideband speech and music coding and decoding | |
| US6119082A (en) | Speech coding system and method including harmonic generator having an adaptive phase off-setter | |
| EP1028411B1 (en) | Coding apparatus | |
| US6138092A (en) | CELP speech synthesizer with epoch-adaptive harmonic generator for pitch harmonics below voicing cutoff frequency | |
| US6094629A (en) | Speech coding system and method including spectral quantizer | |
| JP3317470B2 (ja) | 音響信号符号化方法、音響信号復号化方法 | |
| CN101568959B (zh) | 用带宽扩展进行编码和/或解码的方法 | |
| EP1353323A1 (en) | Method, device and program for coding and decoding acoustic parameter, and method, device and program for coding and decoding sound | |
| JP3344962B2 (ja) | オーディオ信号符号化装置、及びオーディオ信号復号化装置 | |
| WO2003010752A1 (en) | Speech bandwidth extension apparatus and speech bandwidth extension method | |
| KR20030046468A (ko) | 부호화 음향 신호를 지각적으로 개선 강화시키는 방법 및장치 | |
| JP3062226B2 (ja) | 条件付き確率的励起符号化法 | |
| EP1264303B1 (en) | Speech processing | |
| JP3344944B2 (ja) | オーディオ信号符号化装置，オーディオ信号復号化装置，オーディオ信号符号化方法，及びオーディオ信号復号化方法 | |
| JP3064947B2 (ja) | 音声・楽音符号化及び復号化装置 | |
| US20090210219A1 (en) | Apparatus and method for coding and decoding residual signal | |
| JP3353852B2 (ja) | 音声の符号化方法 | |
| JP3094522B2 (ja) | ベクトル量子化方法及びその装置 | |
| 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 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| LAPS | Cancellation because of no payment of annual fees |