JP3151874B2 - 音声パラメータ符号化方式および装置 - Google Patents
音声パラメータ符号化方式および装置Info
- Publication number
- JP3151874B2 JP3151874B2 JP26192591A JP26192591A JP3151874B2 JP 3151874 B2 JP3151874 B2 JP 3151874B2 JP 26192591 A JP26192591 A JP 26192591A JP 26192591 A JP26192591 A JP 26192591A JP 3151874 B2 JP3151874 B2 JP 3151874B2
- Authority
- JP
- Japan
- Prior art keywords
- quantization
- parameter
- vector
- audio signal
- spectrum
- 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 abstract description 55
- 239000013598 vector Substances 0.000 claims abstract description 179
- 238000001228 spectrum Methods 0.000 claims abstract description 52
- 238000013139 quantization Methods 0.000 claims description 218
- 230000003595 spectral effect Effects 0.000 claims description 72
- 230000005236 sound signal Effects 0.000 claims description 38
- 230000001186 cumulative effect Effects 0.000 claims description 37
- 238000012545 processing Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 33
- 238000004364 calculation method Methods 0.000 description 21
- 238000004458 analytical method Methods 0.000 description 16
- 230000001174 ascending effect Effects 0.000 description 13
- 238000012549 training Methods 0.000 description 11
- 230000000694 effects Effects 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 4
- 101000822695 Clostridium perfringens (strain 13 / Type A) Small, acid-soluble spore protein C1 Proteins 0.000 description 3
- 101000655262 Clostridium perfringens (strain 13 / Type A) Small, acid-soluble spore protein C2 Proteins 0.000 description 3
- 101000655256 Paraclostridium bifermentans Small, acid-soluble spore protein alpha Proteins 0.000 description 3
- 101000655264 Paraclostridium bifermentans Small, acid-soluble spore protein beta Proteins 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 101000622137 Homo sapiens P-selectin Proteins 0.000 description 1
- 102100023472 P-selectin Human genes 0.000 description 1
- 101000873420 Simian virus 40 SV40 early leader protein Proteins 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000002123 temporal effect Effects 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
- G10L19/02—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 spectral analysis, e.g. transform vocoders or subband vocoders
- G10L19/032—Quantisation or dequantisation of spectral components
- G10L19/038—Vector quantisation, e.g. TwinVQ audio
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
- H03M7/00—Conversion of a code where information is represented by a given sequence or number of digits to a code where the same, similar or subset of information is represented by a different sequence or number of digits
- H03M7/30—Compression; Expansion; Suppression of unnecessary data, e.g. redundancy reduction
- H03M7/3082—Vector coding
-
- 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
- G10L2019/0004—Design or structure of the codebook
- G10L2019/0005—Multi-stage vector quantisation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Signal Processing (AREA)
- Theoretical Computer Science (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
- Transmission Systems Not Characterized By The Medium Used For Transmission (AREA)
Description
【０００１】
【産業上の利用分野】本発明は音声信号を低いビットレ
ート、特に８ｋｂ／ｓ以下で高品質に符号化する音声符
号化方式に供するための音声パラメータ符号化方式およ
び装置に関する。
ート、特に８ｋｂ／ｓ以下で高品質に符号化する音声符
号化方式に供するための音声パラメータ符号化方式およ
び装置に関する。
【０００２】
【従来の技術】音声信号を８ｋｂ／ｓ以下の低いビット
レートで符号化する方式としては、例えば、Ｍ．Ｓｃｈ
ｒｏｅｄｅｒ ａｎｄ Ｂ．Ａｔａｌ氏による“Ｃｏｄ
ｅ−ｅｘｃｉｔｅｄ ｌｉｎｅａｒ ｐｒｅｄｉｃｔｉ
ｏｎ：Ｈｉｇｈ ｑｕａｌｉｔｙ ｓｐｅｅｃｈ ａｔ
ｖｅｒｙ ｌｏｗ ｂｉｔ ｒａｔｅｓ”（Ｐｒｏ
ｃ．ＩＣＡＳＳＰ，ｐｐ．９３７−９４０，１９８５
年）と題した論文（文献１）や、Ｋｌｅｉｊｎ氏らによ
る“Ｉｍｐｒｏｖｅｄ ｓｐｅｅｃｈ ｑｕａｌｉｔｙ
ａｎｄ ｅｆｆｉｃｉｅｎｔ ｖｅｃｔｏｒ ｑｕａ
ｎｔｉｚａｔｉｏｎｉｎ ＳＥＬＰ”（Ｐｒｏｃ．ＩＣ
ＡＳＳＰ，ｐｐ．１５５−１５８，１９８８年）と題し
た論文（文献２）等に記載されているＣＥＬＰ（Ｃｏｄ
ｅＥｘｃｉｔｅｄ ＬＰＣ Ｃｏｄｉｎｇ）が知られて
いる。この方法では、送信側では、フレーム毎（例えば
２０ｍｓ）に音声信号から音声信号のスペクトル特性を
表すスペクトルパラメータを抽出し、フレームをさらに
小区間サブフレーム（例えば５ｍｓ）に分割し、サブフ
レーム毎に過去の音源信号をもとに長時間相関（ピッチ
相関）を表すピッチパラメータを抽出し、ピッチパラメ
ータによりサブフレームの音声信号を長期予測し、長期
予測して求めた残差信号に対して、予め定められた種類
の雑音信号からなるコードブックから選択した信号によ
り合成した信号と、音声信号との誤差電力を最小化する
ように一種類の雑音信号を選択するとともに、最適なゲ
インを計算する。そして選択された雑音信号の種類を表
すインデクスとゲインならびに、スペクトルパラメータ
とピッチパラメータを伝送する。
レートで符号化する方式としては、例えば、Ｍ．Ｓｃｈ
ｒｏｅｄｅｒ ａｎｄ Ｂ．Ａｔａｌ氏による“Ｃｏｄ
ｅ−ｅｘｃｉｔｅｄ ｌｉｎｅａｒ ｐｒｅｄｉｃｔｉ
ｏｎ：Ｈｉｇｈ ｑｕａｌｉｔｙ ｓｐｅｅｃｈ ａｔ
ｖｅｒｙ ｌｏｗ ｂｉｔ ｒａｔｅｓ”（Ｐｒｏ
ｃ．ＩＣＡＳＳＰ，ｐｐ．９３７−９４０，１９８５
年）と題した論文（文献１）や、Ｋｌｅｉｊｎ氏らによ
る“Ｉｍｐｒｏｖｅｄ ｓｐｅｅｃｈ ｑｕａｌｉｔｙ
ａｎｄ ｅｆｆｉｃｉｅｎｔ ｖｅｃｔｏｒ ｑｕａ
ｎｔｉｚａｔｉｏｎｉｎ ＳＥＬＰ”（Ｐｒｏｃ．ＩＣ
ＡＳＳＰ，ｐｐ．１５５−１５８，１９８８年）と題し
た論文（文献２）等に記載されているＣＥＬＰ（Ｃｏｄ
ｅＥｘｃｉｔｅｄ ＬＰＣ Ｃｏｄｉｎｇ）が知られて
いる。この方法では、送信側では、フレーム毎（例えば
２０ｍｓ）に音声信号から音声信号のスペクトル特性を
表すスペクトルパラメータを抽出し、フレームをさらに
小区間サブフレーム（例えば５ｍｓ）に分割し、サブフ
レーム毎に過去の音源信号をもとに長時間相関（ピッチ
相関）を表すピッチパラメータを抽出し、ピッチパラメ
ータによりサブフレームの音声信号を長期予測し、長期
予測して求めた残差信号に対して、予め定められた種類
の雑音信号からなるコードブックから選択した信号によ
り合成した信号と、音声信号との誤差電力を最小化する
ように一種類の雑音信号を選択するとともに、最適なゲ
インを計算する。そして選択された雑音信号の種類を表
すインデクスとゲインならびに、スペクトルパラメータ
とピッチパラメータを伝送する。
【０００３】ＣＥＬＰ方式のビットレートをさらに低減
するためには、音源信号のみならずスペクトルパラメー
タの効率的な量子化法が重要である。
するためには、音源信号のみならずスペクトルパラメー
タの効率的な量子化法が重要である。
【０００４】
【発明が解決しようとする課題】上述したＣＥＬＰ方式
では、スペクトルパラメータとしてＬＰＣ分析により求
めたＬＰＣパラメータを量子化する。量子化法として
は、通常スカラ量子化が用いられており、１０次のＬＰ
Ｃ係数を量子化するのにフレーム当り３４ビット（１．
７ｋｂ／ｓ）程度のビット数が必要であった。ＣＥＬＰ
のビット数を４．８ｋｂ／ｓ以下に低減化するためには
スペクトルパラメータのビット数をできる限り低減する
必要があるが、これを低減すると音質が低下していた。
ＬＰＣパラメータをより効率的に量子化する方法とし
て、Ｍｏｒｉｙａ氏による“Ｔｒａｎｓｆｏｒｍ ｃｏ
ｄｉｎｇ ｏｆ ｓｐｅｅｃｈ ｕｓｉｎｇ ａ ｗｅ
ｉｇｈｔｅｄ ｖｅｃｔｏｒ ｑｕａｎｔｉｚｅｒ，”
と題した論文（ＩＥＥＥ Ｊ．Ｓｅｌ．Ａｒｅａｓ，Ｃ
ｏｍｍｕｎ．，ｐｐ４２５−４３１，１９８８年）（文
献３）等に記載されたベクトル−スカラ量子化法などが
提案されているが、それでもフレームあたり２７〜３０
ビット程度のビット数が必要であり、ビットレートの低
減には一層効率的な方法が必要であった。
では、スペクトルパラメータとしてＬＰＣ分析により求
めたＬＰＣパラメータを量子化する。量子化法として
は、通常スカラ量子化が用いられており、１０次のＬＰ
Ｃ係数を量子化するのにフレーム当り３４ビット（１．
７ｋｂ／ｓ）程度のビット数が必要であった。ＣＥＬＰ
のビット数を４．８ｋｂ／ｓ以下に低減化するためには
スペクトルパラメータのビット数をできる限り低減する
必要があるが、これを低減すると音質が低下していた。
ＬＰＣパラメータをより効率的に量子化する方法とし
て、Ｍｏｒｉｙａ氏による“Ｔｒａｎｓｆｏｒｍ ｃｏ
ｄｉｎｇ ｏｆ ｓｐｅｅｃｈ ｕｓｉｎｇ ａ ｗｅ
ｉｇｈｔｅｄ ｖｅｃｔｏｒ ｑｕａｎｔｉｚｅｒ，”
と題した論文（ＩＥＥＥ Ｊ．Ｓｅｌ．Ａｒｅａｓ，Ｃ
ｏｍｍｕｎ．，ｐｐ４２５−４３１，１９８８年）（文
献３）等に記載されたベクトル−スカラ量子化法などが
提案されているが、それでもフレームあたり２７〜３０
ビット程度のビット数が必要であり、ビットレートの低
減には一層効率的な方法が必要であった。
【０００５】さらに、スペクトルパラメータの量子化に
必要なビット数を下げためにフレーム長を長くとると、
スペクトルの時間的変化を良好に表すことが困難とな
り、時間歪が増大し音質が劣化していた。
必要なビット数を下げためにフレーム長を長くとると、
スペクトルの時間的変化を良好に表すことが困難とな
り、時間歪が増大し音質が劣化していた。
【０００６】本発明の目的は、上述した問題点を解決
し、スペクトルパラメータを従来よりもより少ないビッ
ト数で量子化しても良好な音質の得られる音声パラメー
タ符号化方式および装置を提供することにある。
し、スペクトルパラメータを従来よりもより少ないビッ
ト数で量子化しても良好な音質の得られる音声パラメー
タ符号化方式および装置を提供することにある。
【０００７】
【課題を解決するための手段】第１の本発明による音声
パラメータ符号化方式は、音声信号を入力し前記音声信
号を予め定められた時間長のフレームに分割し、前記フ
レーム毎に前記音声信号のスペクトルパラメータを予め
定められた次数だけ求め、前記スペクトルパラメータを
前記次数よりも小さい予め定められた次元毎に分割し、
前記分割したスペクトルパラメータに対してコードブッ
クを探索し、複数候補のコードベクトルを出力し、前記
コードベクトルの組合せに対して次数全体で累積歪を求
め、前記累積歪を最小化するコードベクトルの組合せを
選択することにより前記スペクトルパラメータを量子化
することを特徴とする。
パラメータ符号化方式は、音声信号を入力し前記音声信
号を予め定められた時間長のフレームに分割し、前記フ
レーム毎に前記音声信号のスペクトルパラメータを予め
定められた次数だけ求め、前記スペクトルパラメータを
前記次数よりも小さい予め定められた次元毎に分割し、
前記分割したスペクトルパラメータに対してコードブッ
クを探索し、複数候補のコードベクトルを出力し、前記
コードベクトルの組合せに対して次数全体で累積歪を求
め、前記累積歪を最小化するコードベクトルの組合せを
選択することにより前記スペクトルパラメータを量子化
することを特徴とする。
【０００８】第２の発明による音声パラメータ符号化方
式は、入力した音声信号をフレームに分割し、前記フレ
ーム毎に前記音声信号のスペクトルパラメータを予め定
められた次数だけ求め、前記スペクトルパラメータを複
数種類のコードブックの多段縦続接続で表し、前記多段
縦続接続における少なくとも一つの段では複数候補のコ
ードベクトルを出力し、前記多段縦続接続における少な
くとも一つの段では、前記次数よりも小さい予め定めら
れた次元毎にスペクトルパラメータを分割し、前記分割
したスペクトルパラメータに対してコードブックを探索
して複数候補のコードベクトルを出力し、前記候補の組
合せに対して縦続接続全体で累積歪を求め、前記累積歪
を最小化するコードベクトルの組合せを選択することに
より前記スペクトルパラメータを量子化することを特徴
とする。
式は、入力した音声信号をフレームに分割し、前記フレ
ーム毎に前記音声信号のスペクトルパラメータを予め定
められた次数だけ求め、前記スペクトルパラメータを複
数種類のコードブックの多段縦続接続で表し、前記多段
縦続接続における少なくとも一つの段では複数候補のコ
ードベクトルを出力し、前記多段縦続接続における少な
くとも一つの段では、前記次数よりも小さい予め定めら
れた次元毎にスペクトルパラメータを分割し、前記分割
したスペクトルパラメータに対してコードブックを探索
して複数候補のコードベクトルを出力し、前記候補の組
合せに対して縦続接続全体で累積歪を求め、前記累積歪
を最小化するコードベクトルの組合せを選択することに
より前記スペクトルパラメータを量子化することを特徴
とする。
【０００９】第３の発明による音声パラメータ符号化方
式は、入力した音声信号をフレームに分割しさらにフレ
ームよりも短い複数個のサブフレームに分割し、前記サ
ブフレームの少なくとも一つについて前記音声信号に対
してスペクトルパラメータを予め定められた次数だけ求
め、一つのサブフレームのスペクトルパラメータを予め
構成した第１のコードブックを用いて量子化し、他の少
なくとも一つのサブフレームのスペクトルパラメータを
前記量子化した値と予め構成した第２のコードブックあ
るいは非線形処理とを用いて量子化することを特徴とす
る。
式は、入力した音声信号をフレームに分割しさらにフレ
ームよりも短い複数個のサブフレームに分割し、前記サ
ブフレームの少なくとも一つについて前記音声信号に対
してスペクトルパラメータを予め定められた次数だけ求
め、一つのサブフレームのスペクトルパラメータを予め
構成した第１のコードブックを用いて量子化し、他の少
なくとも一つのサブフレームのスペクトルパラメータを
前記量子化した値と予め構成した第２のコードブックあ
るいは非線形処理とを用いて量子化することを特徴とす
る。
【００１０】第４の発明による音声パラメータ符号化方
式は、入力した音声信号をフレームに分割しさらにフレ
ームよりも短い複数個のサブフレームに分割し、前記サ
ブフレームの少なくとも一つについて前記音声信号に対
してスペクトルパラメータを予め定められた次数だけ求
め、一つのサブフレームのスペクトルパラメータを予め
構成した第１のコードブックを用いて量子化し、他の少
なくとも一つのサブフレームのスペクトルパラメータと
前記量子化した値との差分信号を求め、前記差分信号を
予め構成した第２のコードブックを用いて量子化するこ
とを特徴とする。
式は、入力した音声信号をフレームに分割しさらにフレ
ームよりも短い複数個のサブフレームに分割し、前記サ
ブフレームの少なくとも一つについて前記音声信号に対
してスペクトルパラメータを予め定められた次数だけ求
め、一つのサブフレームのスペクトルパラメータを予め
構成した第１のコードブックを用いて量子化し、他の少
なくとも一つのサブフレームのスペクトルパラメータと
前記量子化した値との差分信号を求め、前記差分信号を
予め構成した第２のコードブックを用いて量子化するこ
とを特徴とする。
【００１１】第５の発明による音声パラメータ符号化装
置は、入力した音声信号をフレームに分割する手段と、
前記音声信号に対してスペクトルパラメータを予め定め
られた次数だけ求める手段と、前記スペクトルパラメー
タをベクトル量子化する手段と、前記スペクトルパラメ
ータと前記ベクトル量子化値との差分信号をスカラ量子
化する手段とを有する音声パラメータ符号化装置におい
て、前記ベクトル量子化器における予め定められた個数
のコードベクトルの各々に対し前記スカラ量子化におけ
る量子化範囲を予め定められた次数分だけ定めてスカラ
量子化を行う手段を有することを特徴とする。
置は、入力した音声信号をフレームに分割する手段と、
前記音声信号に対してスペクトルパラメータを予め定め
られた次数だけ求める手段と、前記スペクトルパラメー
タをベクトル量子化する手段と、前記スペクトルパラメ
ータと前記ベクトル量子化値との差分信号をスカラ量子
化する手段とを有する音声パラメータ符号化装置におい
て、前記ベクトル量子化器における予め定められた個数
のコードベクトルの各々に対し前記スカラ量子化におけ
る量子化範囲を予め定められた次数分だけ定めてスカラ
量子化を行う手段を有することを特徴とする。
【００１２】第６の発明による音声パラメータ符号化装
置は、入力した音声信号をフレームに分割する手段と、
前記音声信号に対してスペクトルパラメータを予め定め
られた次数だけ求める手段と、前記スペクトルパラメー
タをベクトル量子化する手段と、前記スペクトルパラメ
ータと前記ベクトル量子化値との差分信号をスカラ量子
化する手段とを有する音声パラメータ符号化装置におい
て、前記スカラ量子化手段においてスペクトルパラメー
タの各次数で複数候補の量子化値を出力する手段と、前
記候補の各々を用いて隣接するスペクトルパラメータの
量子化範囲を修正する手段と、前記量子化値による量子
化歪を予め定められた次数だけ累積し前記累積歪を最小
化する量子化値系列を出力する手段とを有することを特
徴とする。
置は、入力した音声信号をフレームに分割する手段と、
前記音声信号に対してスペクトルパラメータを予め定め
られた次数だけ求める手段と、前記スペクトルパラメー
タをベクトル量子化する手段と、前記スペクトルパラメ
ータと前記ベクトル量子化値との差分信号をスカラ量子
化する手段とを有する音声パラメータ符号化装置におい
て、前記スカラ量子化手段においてスペクトルパラメー
タの各次数で複数候補の量子化値を出力する手段と、前
記候補の各々を用いて隣接するスペクトルパラメータの
量子化範囲を修正する手段と、前記量子化値による量子
化歪を予め定められた次数だけ累積し前記累積歪を最小
化する量子化値系列を出力する手段とを有することを特
徴とする。
【００１３】第７の発明による音声パラメータ符号化装
置は、入力した音声信号をフレームに分割する手段と、
前記音声信号に対してスペクトルパラメータを予め定め
られた次数だけ求める手段と、前記スペクトルパラメー
タをベクトル量子化する手段と、前記スペクトルパラメ
ータと前記ベクトル量子化値との差分信号をスカラ量子
化する手段とを有する音声パラメータ符号化装置におい
て、前記ベクトル量子化器における予め定められた個数
のコードベクトルの各々に対し前記スカラ量子化におけ
る量子化範囲を予め定められた次数分だけ定める手段
と、前記スカラ量子化においてスペクトルパラメータの
各次数で複数候補の量子化値を出力する手段と、前記候
補の各々を用いて隣接するスペクトルパラメータの量子
化範囲を修正する手段と、前記量子化値による量子化歪
を予め定められた次数だけ累積し前記累積歪を最小化す
る量子化値系列を出力する手段とを有することを特徴と
する。
置は、入力した音声信号をフレームに分割する手段と、
前記音声信号に対してスペクトルパラメータを予め定め
られた次数だけ求める手段と、前記スペクトルパラメー
タをベクトル量子化する手段と、前記スペクトルパラメ
ータと前記ベクトル量子化値との差分信号をスカラ量子
化する手段とを有する音声パラメータ符号化装置におい
て、前記ベクトル量子化器における予め定められた個数
のコードベクトルの各々に対し前記スカラ量子化におけ
る量子化範囲を予め定められた次数分だけ定める手段
と、前記スカラ量子化においてスペクトルパラメータの
各次数で複数候補の量子化値を出力する手段と、前記候
補の各々を用いて隣接するスペクトルパラメータの量子
化範囲を修正する手段と、前記量子化値による量子化歪
を予め定められた次数だけ累積し前記累積歪を最小化す
る量子化値系列を出力する手段とを有することを特徴と
する。
【００１４】
【作用】本発明による音声パラメータ符号化方式の作用
を説明する。
を説明する。
【００１５】図１は、第１の発明の方式を説明するブロ
ック図である。図において、フレーム毎の音声信号から
計算されたスペクトルパラメータを予め定められた次数
（例えばＰ次）入力する。スペクトルパラメータの分析
には周知の線形予測（ＬＰＣ）分析法を用いることがで
きる。ここでスペクトルパラメータとしては種々のもの
が知られているが、ここでは線スペクトル対（ＬＳＰ）
パラメータを用いて説明を行う。ＬＳＰの具体的な計算
法は、菅村氏らによる“Ｑｕａｎｔｉｚｅｒｄｅｓｉｇ
ｎ ｉｎ ＬＳＰ ｓｐｅｅｃｈ ａｎａｌｙｓｉｓ−
ｓｙｎｔｈｅｓｉｓ，”と題した論文（ＩＥＥＥ Ｊ．
Ｓｅｌ．Ａｒｅａｓ Ｃｏｍｍｕｎ．，ｐｐ４２５−４
３１，１９８８年）（文献４）等を参照できる。
ック図である。図において、フレーム毎の音声信号から
計算されたスペクトルパラメータを予め定められた次数
（例えばＰ次）入力する。スペクトルパラメータの分析
には周知の線形予測（ＬＰＣ）分析法を用いることがで
きる。ここでスペクトルパラメータとしては種々のもの
が知られているが、ここでは線スペクトル対（ＬＳＰ）
パラメータを用いて説明を行う。ＬＳＰの具体的な計算
法は、菅村氏らによる“Ｑｕａｎｔｉｚｅｒｄｅｓｉｇ
ｎ ｉｎ ＬＳＰ ｓｐｅｅｃｈ ａｎａｌｙｓｉｓ−
ｓｙｎｔｈｅｓｉｓ，”と題した論文（ＩＥＥＥ Ｊ．
Ｓｅｌ．Ａｒｅａｓ Ｃｏｍｍｕｎ．，ｐｐ４２５−４
３１，１９８８年）（文献４）等を参照できる。
【００１６】分割部１００は、ＬＳＰをＰ次入力し、Ｋ
次元ずつ分割し（Ｋ＜Ｐ）、Ｋ次元ずつのＬＳＰをベク
トル量子化部１１０へ出力する。ベクトル量子化部１１
０では、分割数（例えばＮ）に対応したＮ種類のコード
ブック１５０−１〜１５０−ＮをＫ次元毎に予め構成し
ておく。ここでこれらのコードブックは、ＬＳＰに対し
てそのまま構成することもできるが、ここではＬＳＰが
次数間で相関が強い性質を利用し、より効率的に表すた
めに、スペクトルパラメータの次数間の差分値を表すよ
うに構成する。これらのコードブックに含まれるコード
ベクトルを用いてｉ次目のスペクトルパラメータは以下
のように表せる。
次元ずつ分割し（Ｋ＜Ｐ）、Ｋ次元ずつのＬＳＰをベク
トル量子化部１１０へ出力する。ベクトル量子化部１１
０では、分割数（例えばＮ）に対応したＮ種類のコード
ブック１５０−１〜１５０−ＮをＫ次元毎に予め構成し
ておく。ここでこれらのコードブックは、ＬＳＰに対し
てそのまま構成することもできるが、ここではＬＳＰが
次数間で相関が強い性質を利用し、より効率的に表すた
めに、スペクトルパラメータの次数間の差分値を表すよ
うに構成する。これらのコードブックに含まれるコード
ベクトルを用いてｉ次目のスペクトルパラメータは以下
のように表せる。
【００１７】
【数１】
【００１８】ここでΔω’IJは、コードブックに含まれ
るｊ番目のコードベクトルである。
るｊ番目のコードベクトルである。
【００１９】ここでコードブック１５０−１〜１５０−
Ｎは、予め定められた次元数毎のスペクトルパラメータ
に対して、次数間の差分値をトレーニング信号として学
習して構成する。学習の方法は、例えばＬｉｎｄｅ，Ｂ
ｕｚｏ，Ｇｒａｙ氏による“Ａｎ ａｌｇｏｒｉｔｈｍ
ｆｏｒ ｖｅｃｔｏｒ ｑｕａｎｔｉｚａｔｉｏｎｄ
ｅｓｉｇｎ”と題した論文（文献５）等を参照できる。
Ｎは、予め定められた次元数毎のスペクトルパラメータ
に対して、次数間の差分値をトレーニング信号として学
習して構成する。学習の方法は、例えばＬｉｎｄｅ，Ｂ
ｕｚｏ，Ｇｒａｙ氏による“Ａｎ ａｌｇｏｒｉｔｈｍ
ｆｏｒ ｖｅｃｔｏｒ ｑｕａｎｔｉｚａｔｉｏｎｄ
ｅｓｉｇｎ”と題した論文（文献５）等を参照できる。
【００２０】ベクトル量子化部１１０では、Ｋ次元毎に
次式で量子化歪を計算する。
次式で量子化歪を計算する。
【００２１】
【数２】
【００２２】ここでωI は入力したｉ次目のＬＳＰ、
ω’IJはｊ番目のコードベクトルを用いて表したｉ次目
のＬＳＰである。ベクトル量子化部１１０では数２を最
小化するコードベクトルの候補をＫ次元毎に歪の小さい
順にＭ種類出力する。累積歪計算部１６０では、Ｋ次元
毎に出力されたＭ種のコードベクトルの全ての組合せに
対して累積歪を下式により計算する。
ω’IJはｊ番目のコードベクトルを用いて表したｉ次目
のＬＳＰである。ベクトル量子化部１１０では数２を最
小化するコードベクトルの候補をＫ次元毎に歪の小さい
順にＭ種類出力する。累積歪計算部１６０では、Ｋ次元
毎に出力されたＭ種のコードベクトルの全ての組合せに
対して累積歪を下式により計算する。
【００２３】
【数３】
【００２４】最小判別部１７０では、累積歪Ｅを最小化
する候補の組合せを求め、このときのコードベクトルの
組合せを出力する。
する候補の組合せを求め、このときのコードベクトルの
組合せを出力する。
【００２５】次に第２の発明の作用を説明する。第２の
発明が第１の発明と異なる点は、ベクトル量子化コード
ブックが各段のコードブックの多段縦続接続となってお
り、次の段では、前段の入力信号と前段の出力信号との
誤差信号を入力してコードブックで表す点が異なってい
る。また、少なくとも一つの段において、第１の発明と
同様に、コードブックがスペクトルパラメータの次数間
の差分を表すように構成されている。ここでは一例とし
て、段数を２とし、１段目は分割無しで、２段目ではＫ
次元毎にスペクトルパラメータを分割して表す場合につ
いて、図２を用いて説明する。
発明が第１の発明と異なる点は、ベクトル量子化コード
ブックが各段のコードブックの多段縦続接続となってお
り、次の段では、前段の入力信号と前段の出力信号との
誤差信号を入力してコードブックで表す点が異なってい
る。また、少なくとも一つの段において、第１の発明と
同様に、コードブックがスペクトルパラメータの次数間
の差分を表すように構成されている。ここでは一例とし
て、段数を２とし、１段目は分割無しで、２段目ではＫ
次元毎にスペクトルパラメータを分割して表す場合につ
いて、図２を用いて説明する。
【００２６】図において、Ｐ次元のスペクトルパラメー
タを入力し、Ｐ次元のスペクトルパラメータを予め学習
して構成した第１のコードブック２１０を用いて量子化
する。ここでコードブック２１０のコードベクトルｊに
対して数２の歪を計算し、歪の小さい順にＭ種の候補を
出力する。減算器２２０は、Ｍ種の候補の各々につい
て、入力のスペクトルパラメータとの誤差信号を計算
し、これを第２のベクトル量子化部２３０へ出力する。
第２のベクトル量子化部２３０では、誤差信号を予め定
められたＫ次元毎に分割する。さらに、Ｋ次元毎に次数
間の差分を表す第２のコードブック２４０−１〜２４０
−Ｎを用いて誤差信号を表す。ここで歪の計算には数
１，数２を用いる。さらに、Ｋ次元毎に、数２の歪が小
さい順にＭ種類のコードベクトルを候補として出力す
る。累積歪計算部２５０では、１段目で出力されたＭ種
の候補と、２段目でＫ次元毎に出力された候補の全ての
組合せに対して累積歪を計算する。最小判別部２６０で
は、累積歪を最小化する候補の組合せを求め、このとき
のコードベクトルの組合わせを出力する。
タを入力し、Ｐ次元のスペクトルパラメータを予め学習
して構成した第１のコードブック２１０を用いて量子化
する。ここでコードブック２１０のコードベクトルｊに
対して数２の歪を計算し、歪の小さい順にＭ種の候補を
出力する。減算器２２０は、Ｍ種の候補の各々につい
て、入力のスペクトルパラメータとの誤差信号を計算
し、これを第２のベクトル量子化部２３０へ出力する。
第２のベクトル量子化部２３０では、誤差信号を予め定
められたＫ次元毎に分割する。さらに、Ｋ次元毎に次数
間の差分を表す第２のコードブック２４０−１〜２４０
−Ｎを用いて誤差信号を表す。ここで歪の計算には数
１，数２を用いる。さらに、Ｋ次元毎に、数２の歪が小
さい順にＭ種類のコードベクトルを候補として出力す
る。累積歪計算部２５０では、１段目で出力されたＭ種
の候補と、２段目でＫ次元毎に出力された候補の全ての
組合せに対して累積歪を計算する。最小判別部２６０で
は、累積歪を最小化する候補の組合せを求め、このとき
のコードベクトルの組合わせを出力する。
【００２７】ここで、第１のコードブックの学習は、ト
レーニング用のＰ次のＬＳＰに対して前記文献５を用い
て行う。また、第２のコードブックの学習は、誤差信号
に対して、第１の発明と同様の方法により行う。
レーニング用のＰ次のＬＳＰに対して前記文献５を用い
て行う。また、第２のコードブックの学習は、誤差信号
に対して、第１の発明と同様の方法により行う。
【００２８】次に、第３の発明による音声パラメータ符
号化方式の作用を説明する。
号化方式の作用を説明する。
【００２９】図３は、第３の発明の方式を説明するブロ
ック図である。入力した音声信号を予め定められた時間
長のフレーム（例えば３０〜４０ｍｓ）に分割し、さら
にフレームの音声信号を、フレームよりも短いサブフレ
ーム（例えば５〜８ｍｓ）に分割し、フレーム内の少な
くとも一つのサブフレームに対して、周知のＬＰＣ分析
を行いスペクトルパラメータを求める。以下では、一例
として、フレーム内の２つのサブフレームに対してＬＰ
Ｃ分析を行うものとする。以下では、フレーム内で２つ
のサブフレームに対してスペクトルパラメータを求める
こととする。サブフレームの位置は、図４に示すフレー
ムとサブフレームの関係より、例えば、，番目のサ
ブフレームについてＬＰＣ分析をするものとする。求め
たスペクトルパラメータを、図３の端子３００，３０５
を通して入力する。端子３００からサブフレームのス
ペクトルパラメータを入力し、端子３０５から番目の
サブフレームのスペクトルパラメータを入力するものと
する。スペクトルパラメータとしては、ここでは線スペ
クトル対（ＬＳＰ）パラメータを用いて説明を行う。Ｌ
ＳＰの具体的な計算法は、前記文献４等を参照できる。
ベクトル量子化部３１０は、コードブック３２０（第１
のコードブック）を用いて、入力したＬＳＰパラメータ
をベクトル量子化する。コードブック３２０は、トレー
ニング用の多量のＬＳＰパラメータ系列を用いて予め学
習して構成する。学習の方法は、例えば前記文献５等を
参照できる。コードベクトルを探索するときの歪尺度
は、種々のものが知られているが、ここではＬＳＰの２
乗距離を用いる。ＬＳＰの２乗距離は下式で与えられ
る。
ック図である。入力した音声信号を予め定められた時間
長のフレーム（例えば３０〜４０ｍｓ）に分割し、さら
にフレームの音声信号を、フレームよりも短いサブフレ
ーム（例えば５〜８ｍｓ）に分割し、フレーム内の少な
くとも一つのサブフレームに対して、周知のＬＰＣ分析
を行いスペクトルパラメータを求める。以下では、一例
として、フレーム内の２つのサブフレームに対してＬＰ
Ｃ分析を行うものとする。以下では、フレーム内で２つ
のサブフレームに対してスペクトルパラメータを求める
こととする。サブフレームの位置は、図４に示すフレー
ムとサブフレームの関係より、例えば、，番目のサ
ブフレームについてＬＰＣ分析をするものとする。求め
たスペクトルパラメータを、図３の端子３００，３０５
を通して入力する。端子３００からサブフレームのス
ペクトルパラメータを入力し、端子３０５から番目の
サブフレームのスペクトルパラメータを入力するものと
する。スペクトルパラメータとしては、ここでは線スペ
クトル対（ＬＳＰ）パラメータを用いて説明を行う。Ｌ
ＳＰの具体的な計算法は、前記文献４等を参照できる。
ベクトル量子化部３１０は、コードブック３２０（第１
のコードブック）を用いて、入力したＬＳＰパラメータ
をベクトル量子化する。コードブック３２０は、トレー
ニング用の多量のＬＳＰパラメータ系列を用いて予め学
習して構成する。学習の方法は、例えば前記文献５等を
参照できる。コードベクトルを探索するときの歪尺度
は、種々のものが知られているが、ここではＬＳＰの２
乗距離を用いる。ＬＳＰの２乗距離は下式で与えられ
る。
【００３０】
【数４】
【００３１】ここでＬＳＰ（ｉ）は入力したｉ次目のＬ
ＳＰ係数を示す。ＬＳＰ’J （ｉ）はコードブックが有
するｊ番目のコードベクトルであり、ｊ＝１〜２B （Ｂ
はコードブックのビット数）である。数４を最小化する
コードベクトルを端子３４０から出力すると共に、予測
ベクトル量子化部３３０へも出力する。
ＳＰ係数を示す。ＬＳＰ’J （ｉ）はコードブックが有
するｊ番目のコードベクトルであり、ｊ＝１〜２B （Ｂ
はコードブックのビット数）である。数４を最小化する
コードベクトルを端子３４０から出力すると共に、予測
ベクトル量子化部３３０へも出力する。
【００３２】予測ベクトル量子化部３３０は、ベクトル
量子化部３１０の出力コードベクトルと係数コードブッ
ク３６０（コードブック２）を用いて、端子３０５より
入力した他のサブフレームのＬＳＰ系列を予測し、次式
により、予測による量子化歪を計算する。
量子化部３１０の出力コードベクトルと係数コードブッ
ク３６０（コードブック２）を用いて、端子３０５より
入力した他のサブフレームのＬＳＰ系列を予測し、次式
により、予測による量子化歪を計算する。
【００３３】
【数５】
【００３４】数５において、ＬＳＰ’（ｉ）はベクトル
量子化部３１０で求めたコードベクトルである。Ａ
L （ｉ）は係数コードブック３６０の有するｌ番目のコ
ードベクトルである。予測ベクトル量子化部３３０は、
数５を最小化する係数コードベクトルを求め、これらを
サブフレームにおけるスペクトルパラメータの量子化値
として端子３５０から出力する。係数コードブック３６
０の予測係数は、トレーニング用ＬＳＰ信号に対して、
数５を最小化するように、前記文献５等を用いて予め学
習して構成することができる。
量子化部３１０で求めたコードベクトルである。Ａ
L （ｉ）は係数コードブック３６０の有するｌ番目のコ
ードベクトルである。予測ベクトル量子化部３３０は、
数５を最小化する係数コードベクトルを求め、これらを
サブフレームにおけるスペクトルパラメータの量子化値
として端子３５０から出力する。係数コードブック３６
０の予測係数は、トレーニング用ＬＳＰ信号に対して、
数５を最小化するように、前記文献５等を用いて予め学
習して構成することができる。
【００３５】また、他の方法として、非線形処理を用い
て非線形予測を行う構成も考えられる。この方法は次の
２種に分けられる。一つは、係数コードブック３６０と
して非線形予測コードブックを用いる方法である。非線
形予測コードブックの学習法は、例えば、Ｓ．Ｗａｎｇ
氏らによる“Ｐｅｒｆｏｒｍａｎｃｅ ｏｆ ｎｏｎｌ
ｉｎｅａｒ ｐｒｅｄｉｃｔｉｏｎ ｏｆ ｓｐｅｅｃ
ｈ”と題した論文（Ｐｒｏｃ．ＩＣＳＬＰ，ｐｐ．２９
−３２，１９９０年）（文献６）等を参照できる。もう
一つは、予測ベクトル量子化部３３０及び係数コードブ
ック３６０の代わりに、神経回路網による予測を用いる
方法も考えられる。神経回路網による予測法の詳細は、
Ｉｓｏ氏らによる“Ｓｐｅａｋｅｒ−ｉｎｄｅｐｅｎｄ
ｅｎｔｗｏｒｄ ｒｅｃｏｇｎｉｔｉｏｎ ｕｓｉｎｇ
ａ ｎｅｕｒａｌ ｐｒｅｄｉｃｔｉｏｎ ｍｏｄｅ
ｌ”と題した論文（Ｐｒｏｃ．ＩＣＡＳＳＰ，ｐｐ．４
４１−４４４，１９９０年）（文献７）等を参照でき
る。
て非線形予測を行う構成も考えられる。この方法は次の
２種に分けられる。一つは、係数コードブック３６０と
して非線形予測コードブックを用いる方法である。非線
形予測コードブックの学習法は、例えば、Ｓ．Ｗａｎｇ
氏らによる“Ｐｅｒｆｏｒｍａｎｃｅ ｏｆ ｎｏｎｌ
ｉｎｅａｒ ｐｒｅｄｉｃｔｉｏｎ ｏｆ ｓｐｅｅｃ
ｈ”と題した論文（Ｐｒｏｃ．ＩＣＳＬＰ，ｐｐ．２９
−３２，１９９０年）（文献６）等を参照できる。もう
一つは、予測ベクトル量子化部３３０及び係数コードブ
ック３６０の代わりに、神経回路網による予測を用いる
方法も考えられる。神経回路網による予測法の詳細は、
Ｉｓｏ氏らによる“Ｓｐｅａｋｅｒ−ｉｎｄｅｐｅｎｄ
ｅｎｔｗｏｒｄ ｒｅｃｏｇｎｉｔｉｏｎ ｕｓｉｎｇ
ａ ｎｅｕｒａｌ ｐｒｅｄｉｃｔｉｏｎ ｍｏｄｅ
ｌ”と題した論文（Ｐｒｏｃ．ＩＣＡＳＳＰ，ｐｐ．４
４１−４４４，１９９０年）（文献７）等を参照でき
る。
【００３６】次に、第４の発明の作用について説明す
る。図５は第４の発明の作用を示すブロック図である。
第４の発明では、差分ベクトル量子化部４７０，差分コ
ードブック４８０が第３の発明と異なるので、この部分
について説明する。
る。図５は第４の発明の作用を示すブロック図である。
第４の発明では、差分ベクトル量子化部４７０，差分コ
ードブック４８０が第３の発明と異なるので、この部分
について説明する。
【００３７】差分ベクトル量子化部４７０は、端子４０
５から入力したＬＳＰ系列とベクトル量子化部４１０に
よりベクトル量子化した出力との差分信号を下式により
計算する。
５から入力したＬＳＰ系列とベクトル量子化部４１０に
よりベクトル量子化した出力との差分信号を下式により
計算する。
【００３８】
【数６】
【００３９】ここでＢは１以下の正の定数である。以下
ではＢ＝１として話を進める。
ではＢ＝１として話を進める。
【００４０】差分信号ＬＳＰE （ｉ）に対して、差分コ
ードブック４８０を用いてベクトル量子化を行う。ここ
で差分コードブック４８０は、差分ＬＳＰのトレーニン
グ信号に対して、前記文献５等の方法により予め学習し
て構成する。量子化歪を最小化するコードベクトルを選
択しこれを端子４５０から出力する。
ードブック４８０を用いてベクトル量子化を行う。ここ
で差分コードブック４８０は、差分ＬＳＰのトレーニン
グ信号に対して、前記文献５等の方法により予め学習し
て構成する。量子化歪を最小化するコードベクトルを選
択しこれを端子４５０から出力する。
【００４１】次に、第５の発明の作用について説明す
る。図６は、第５の発明の構成を示すブロック図であ
る。端子１０１から入力した音声信号を予め定められた
時間長のフレーム（例えば３０〜４０ｍｓ）に分割し、
ＬＳＰ分析部１０５では周知の分析法を行いスペクトル
パラメータを求める。スペクトルパラメータとしては、
ここでは線スペクトル対（ＬＳＰ）パラメータを用いて
説明を行う。ＬＳＰの具体的な計算法は、前記文献４等
を参照できる。ベクトル量子化部１１０は、コードブッ
ク１２０を用いて、入力したＬＳＰパラメータをベクト
ル量子化する。コードブック１２０は、トレーニング用
の多量のＬＳＰパラメータ系列を用いて予め学習して構
成する。学習の方法は、前記文献５等を参照できる。コ
ードベクトルを探索するときの歪尺度は、種々のものが
知られているが、ここではＬＳＰの２乗距離を用いる。
ＬＳＰの２乗距離は下式で与えられる。
る。図６は、第５の発明の構成を示すブロック図であ
る。端子１０１から入力した音声信号を予め定められた
時間長のフレーム（例えば３０〜４０ｍｓ）に分割し、
ＬＳＰ分析部１０５では周知の分析法を行いスペクトル
パラメータを求める。スペクトルパラメータとしては、
ここでは線スペクトル対（ＬＳＰ）パラメータを用いて
説明を行う。ＬＳＰの具体的な計算法は、前記文献４等
を参照できる。ベクトル量子化部１１０は、コードブッ
ク１２０を用いて、入力したＬＳＰパラメータをベクト
ル量子化する。コードブック１２０は、トレーニング用
の多量のＬＳＰパラメータ系列を用いて予め学習して構
成する。学習の方法は、前記文献５等を参照できる。コ
ードベクトルを探索するときの歪尺度は、種々のものが
知られているが、ここではＬＳＰの２乗距離を用いる。
ＬＳＰの２乗距離は下式で与えられる。
【００４２】
【数７】
【００４３】ここでＬＳＰ（ｉ）は入力したｉ次目のＬ
ＳＰ係数を示す。ＰはＬＳＰの次数である。ＬＳＰ’j
（ｉ）はコードブックが有するｊ番目のコードベクトル
であり、ｊ＝１〜２B （Ｂはコードブックのビット数）
である。数７を小さくするコードベクトルを求め減算器
１３０へ出力する。ここで、コードベクトルは数７を最
小化するものを１種類選択してもよいし、数７の小さい
順に複数種類選択してもよい。また、ベクトル量子化部
１１０は、選択されたコードベクトルを示すインデクス
ｊをスカラ量子化部１４０と端子１５５へ出力する。
ＳＰ係数を示す。ＰはＬＳＰの次数である。ＬＳＰ’j
（ｉ）はコードブックが有するｊ番目のコードベクトル
であり、ｊ＝１〜２B （Ｂはコードブックのビット数）
である。数７を小さくするコードベクトルを求め減算器
１３０へ出力する。ここで、コードベクトルは数７を最
小化するものを１種類選択してもよいし、数７の小さい
順に複数種類選択してもよい。また、ベクトル量子化部
１１０は、選択されたコードベクトルを示すインデクス
ｊをスカラ量子化部１４０と端子１５５へ出力する。
【００４４】減算器１３０は、入力のＬＳＰと選択され
たコードベクトルの値とを減算して残差信号ｅ（ｉ）を
求めこれを出力する。
たコードベクトルの値とを減算して残差信号ｅ（ｉ）を
求めこれを出力する。
【００４５】
【数８】
【００４６】スカラ量子化部１４０は、コードブック１
２０において予め定められたＭ種類（Ｍ≦２B ：ここで
Ｂはコードブック１２０のビット数を示す）のコードベ
クトルの各々に対して、減算器１３０により計算される
残差信号の分布範囲を次数ｉ毎に予め測定しておく。分
布範囲の具体的な測定法としては、例えば前記文献４を
参照できる。さらに、ベクトル量子化部１１０から出力
されたインデクスｊを用いて、この分布範囲を切り替え
て、次数ｉ毎に予め定められたビット数を用いてｅ
（ｉ）をスカラ量子化する。そしてスカラ量子化した結
果を端子１４５へ出力する。
２０において予め定められたＭ種類（Ｍ≦２B ：ここで
Ｂはコードブック１２０のビット数を示す）のコードベ
クトルの各々に対して、減算器１３０により計算される
残差信号の分布範囲を次数ｉ毎に予め測定しておく。分
布範囲の具体的な測定法としては、例えば前記文献４を
参照できる。さらに、ベクトル量子化部１１０から出力
されたインデクスｊを用いて、この分布範囲を切り替え
て、次数ｉ毎に予め定められたビット数を用いてｅ
（ｉ）をスカラ量子化する。そしてスカラ量子化した結
果を端子１４５へ出力する。
【００４７】次に第６の発明の作用について説明する。
図７は、第６の発明の構成を示すブロック図である。図
７において図６と同一の番号を付した構成要素は図６と
同一の動作を行うので説明は省略する。
図７は、第６の発明の構成を示すブロック図である。図
７において図６と同一の番号を付した構成要素は図６と
同一の動作を行うので説明は省略する。
【００４８】スカラ量子化部１３５は、減算器１３０の
出力である残差信号ｅ（ｉ）に対して、次数ｉ毎に残差
信号の存在範囲を予め測定しておく。さらに、ｅ（ｉ）
をスカラ量子化するときには次のように行う。次数ｉ毎
に定められた存在範囲を量子化の最大，最小として量子
化範囲を決定し、予め定められたレベル数Ｌにより最
大，最小間を分割する。ここでＬ＝２B である。次に、
各次数毎に、次式により、スカラ量子化の量子化値の各
々について、量子化歪を計算し、量子化歪の小さい順に
Ｍ種類（ここでＭ≦Ｌ）の候補を求める。
出力である残差信号ｅ（ｉ）に対して、次数ｉ毎に残差
信号の存在範囲を予め測定しておく。さらに、ｅ（ｉ）
をスカラ量子化するときには次のように行う。次数ｉ毎
に定められた存在範囲を量子化の最大，最小として量子
化範囲を決定し、予め定められたレベル数Ｌにより最
大，最小間を分割する。ここでＬ＝２B である。次に、
各次数毎に、次式により、スカラ量子化の量子化値の各
々について、量子化歪を計算し、量子化歪の小さい順に
Ｍ種類（ここでＭ≦Ｌ）の候補を求める。
【００４９】
【数９】
【００５０】ここで、ｅ’M （ｉ）はスカラ量子化器の
出力する量子化値のＭ番目の候補である。文献４等でよ
く知られているように、ＬＳＰの存在範囲は次数間で大
部分重複している。また、ＬＳＰの順序関係について
は、必ず下式が成立する。
出力する量子化値のＭ番目の候補である。文献４等でよ
く知られているように、ＬＳＰの存在範囲は次数間で大
部分重複している。また、ＬＳＰの順序関係について
は、必ず下式が成立する。
【００５１】
【数１０】
【００５２】これらの性質を利用して、ｉ次での量子化
値ｅ’M （ｉ）を用いてｉ−１次のスカラ量子化器の量
子化範囲を次のように制限する。
値ｅ’M （ｉ）を用いてｉ−１次のスカラ量子化器の量
子化範囲を次のように制限する。
【００５３】もしｉ−１次でのＬＳＰの存在範囲の最大
値＞ｉ次でのＬＳＰのベクトル−スカラ量子化値なら
ば、前記最大値＝ｉ次でのＬＳＰのベクトル−スカラ量
子化値とする。
値＞ｉ次でのＬＳＰのベクトル−スカラ量子化値なら
ば、前記最大値＝ｉ次でのＬＳＰのベクトル−スカラ量
子化値とする。
【００５４】上述の方法で量子化範囲を制限することに
より、各次数毎に残差信号を予め定められたビット数で
スカラ量子化する。
より、各次数毎に残差信号を予め定められたビット数で
スカラ量子化する。
【００５５】累積歪計算部１６５では、次式に従い、ス
カラ量子化値の候補の各々に対して求めた量子化歪を各
次数毎に累積した累積歪を計算する。
カラ量子化値の候補の各々に対して求めた量子化歪を各
次数毎に累積した累積歪を計算する。
【００５６】
【数１１】
【００５７】さらに、累積歪を最小化するような候補を
次数毎に求めこのときのスカラ量子化値を端子１４５か
ら出力する。
次数毎に求めこのときのスカラ量子化値を端子１４５か
ら出力する。
【００５８】次に、第７の発明の作用について説明す
る。図８は、第７の発明の構成を示すブロック図であ
る。図において、図６，７と同一の番号を付した構成要
素は、図６，７と同一の動作をするので説明は省略す
る。図において、スカラ量子化部１７５は、コードブッ
ク１２０において予め定められたＭ種類（Ｍ＜２B ：こ
こでＢはコードブック１２０のビット数を示す）のコー
ドベクトルの各々に対して、減算器１３０により計算さ
れる残差信号の分布範囲を次数ｉ毎に予め測定してお
く。さらに、ベクトル量子化部１１０から出力されたイ
ンデクスｊを用いて、この分布範囲を切り替えて、次数
ｉ毎に予め定められたビット数を用いてｅ（ｉ）をスカ
ラ量子化する。さらに残差信号の次数毎にスカラ量子化
を行う際に、第６の発明と同様に、ｉ次において複数候
補の量子化値を求め、これを用いてｉ−１次のスカラ量
子化の量子化範囲を制限し、各候補の各々に対して量子
化歪を累積し、累積歪を最小化する量子化値次数毎に求
めこれらを端子１４５から出力する。
る。図８は、第７の発明の構成を示すブロック図であ
る。図において、図６，７と同一の番号を付した構成要
素は、図６，７と同一の動作をするので説明は省略す
る。図において、スカラ量子化部１７５は、コードブッ
ク１２０において予め定められたＭ種類（Ｍ＜２B ：こ
こでＢはコードブック１２０のビット数を示す）のコー
ドベクトルの各々に対して、減算器１３０により計算さ
れる残差信号の分布範囲を次数ｉ毎に予め測定してお
く。さらに、ベクトル量子化部１１０から出力されたイ
ンデクスｊを用いて、この分布範囲を切り替えて、次数
ｉ毎に予め定められたビット数を用いてｅ（ｉ）をスカ
ラ量子化する。さらに残差信号の次数毎にスカラ量子化
を行う際に、第６の発明と同様に、ｉ次において複数候
補の量子化値を求め、これを用いてｉ−１次のスカラ量
子化の量子化範囲を制限し、各候補の各々に対して量子
化歪を累積し、累積歪を最小化する量子化値次数毎に求
めこれらを端子１４５から出力する。
【００５９】上記説明において、コードブック１２０の
探索には重み付け距離などの他の周知な距離尺度を用い
ることができる。
探索には重み付け距離などの他の周知な距離尺度を用い
ることができる。
【００６０】
【実施例】図９は第１の発明による音声パラメータ符号
化方式を実施する符号化装置の一例を示すブロック図で
ある。
化方式を実施する符号化装置の一例を示すブロック図で
ある。
【００６１】図において、入力端子５００から音声信号
を入力し、１フレーム分（例えば２０ｍｓ）の音声信号
をバッファメモリ５１０に格納する。
を入力し、１フレーム分（例えば２０ｍｓ）の音声信号
をバッファメモリ５１０に格納する。
【００６２】ＬＰＣ分析回路５３０は、フレームの音声
信号のスペクトル特性を表すパラメータとして、ＬＳＰ
パラメータを前記フレームの音声信号から周知のＬＰＣ
分析を行い予め定められた次数Ｐだけ計算する。
信号のスペクトル特性を表すパラメータとして、ＬＳＰ
パラメータを前記フレームの音声信号から周知のＬＰＣ
分析を行い予め定められた次数Ｐだけ計算する。
【００６３】ＬＳＰ量子化回路５４０は、フレームで求
めたＬＳＰパラメータを予め定められた量子化ビット数
で量子化し、得た符号ｌKを出力端子５５０から出力す
る。
めたＬＳＰパラメータを予め定められた量子化ビット数
で量子化し、得た符号ｌKを出力端子５５０から出力す
る。
【００６４】図１０はＬＳＰ量子化回路５４０の構成を
示すブロック図である。図において、入力端子６００か
らフレームのＬＳＰパラメータをＰ次入力する。
示すブロック図である。図において、入力端子６００か
らフレームのＬＳＰパラメータをＰ次入力する。
【００６５】分割回路６１０は、ＬＳＰをＰ次入力し、
Ｋ次元ずつ分割し（Ｋ＜Ｐ）、Ｋ次元ずつのＬＳＰをベ
クトル量子化回路６２０へ出力する。ベクトル量子化回
路６２０では、分割数（例えばＮ）に対応したＮ種類の
コードブック６５０−１〜６５０−ＮをＫ次元毎に予め
構成しておく。これらのコードブックは、予め定められ
たビット数できまる種類のコードベクトルから構成され
る。またこれらのコードブックは、作用の項で述べたよ
うに、ＬＳＰの次数間の差分値を表すように構成してお
く。ベクトル量子化回路６２０では、ＬＳＰの１次目か
らＫ次元毎に数２に従い量子化歪を計算し、量子化歪の
小さい順にコードベクトルの候補をＫ次元毎にＭ種類出
力する。例えば最初のＫ次元でＭ種類の候補を出した後
に、次のＫ次元では、Ｍ種類の各候補を初期値として数
１に従いコードブック６５０−２を用いてＬＳＰを表
し、数２に従い量子化歪を求め、量子化歪の小さい順に
Ｍ種の候補を求める。以下これらの処理を分割数Ｎだけ
繰り返す。
Ｋ次元ずつ分割し（Ｋ＜Ｐ）、Ｋ次元ずつのＬＳＰをベ
クトル量子化回路６２０へ出力する。ベクトル量子化回
路６２０では、分割数（例えばＮ）に対応したＮ種類の
コードブック６５０−１〜６５０−ＮをＫ次元毎に予め
構成しておく。これらのコードブックは、予め定められ
たビット数できまる種類のコードベクトルから構成され
る。またこれらのコードブックは、作用の項で述べたよ
うに、ＬＳＰの次数間の差分値を表すように構成してお
く。ベクトル量子化回路６２０では、ＬＳＰの１次目か
らＫ次元毎に数２に従い量子化歪を計算し、量子化歪の
小さい順にコードベクトルの候補をＫ次元毎にＭ種類出
力する。例えば最初のＫ次元でＭ種類の候補を出した後
に、次のＫ次元では、Ｍ種類の各候補を初期値として数
１に従いコードブック６５０−２を用いてＬＳＰを表
し、数２に従い量子化歪を求め、量子化歪の小さい順に
Ｍ種の候補を求める。以下これらの処理を分割数Ｎだけ
繰り返す。
【００６６】累積歪計算回路６６０では、Ｋ次元毎に出
力されたＭ種のコードベクトルの全ての組合せに対して
累積歪を数３により計算する。
力されたＭ種のコードベクトルの全ての組合せに対して
累積歪を数３により計算する。
【００６７】最小判別回路６７０では、累積歪を最小化
する候補の組合せを求め、このときのコードベクトルの
インデクスの組合せを端子６８０から出力する。
する候補の組合せを求め、このときのコードベクトルの
インデクスの組合せを端子６８０から出力する。
【００６８】次に、第２の発明の実施例の説明を行う。
図１１は、第２の発明の音声パラメータ符号化方式を実
施する符号化装置の一例を示すブロック図である。図に
おいて図９と同一の番号を付した構成要素は、図９と同
一の動作を行うので説明は省略する。
図１１は、第２の発明の音声パラメータ符号化方式を実
施する符号化装置の一例を示すブロック図である。図に
おいて図９と同一の番号を付した構成要素は、図９と同
一の動作を行うので説明は省略する。
【００６９】図１１のＬＳＰ量子化回路７００の動作を
図１２にて説明する。
図１２にて説明する。
【００７０】図１２において、多段縦続接続の段数は一
例として２とする。Ｐ次元のスペクトルパラメータを端
子７０５から入力し、第１のベクトル量子化回路７０６
において、Ｐ次元のスペクトルパラメータを、予め学習
して構成した第１のコードブック７１０を用いて量子化
する。ここでコードブック７１０の各コードベクトルに
対して数２の歪を計算し、歪の小さい順にＭ種の候補を
出力する。減算器７０７は、Ｍ種の候補の各々につい
て、入力のスペクトルパラメータとの誤差信号を計算
し、これを分割回路７１２へ出力する。分割回路７１２
では、Ｐ次元の誤差信号を予め定められたＫ次元毎に分
割する（Ｋ＜Ｐ）。第２のベクトル量子化回路７１５で
は、Ｋ次元毎に次数間の差分を表すように構成した第２
のコードブック７２０−１〜７２０−Ｎを用いて誤差信
号をＫ次元毎にベクトル量子化する。ここで歪の計算に
は数１，数２を用いる。さらに、Ｋ次元毎に、数２の歪
が小さい順にＭ種類のコードベクトルを候補として出力
する。具体的な動作は図１０のベクトル量子化回路６２
０と同様である。
例として２とする。Ｐ次元のスペクトルパラメータを端
子７０５から入力し、第１のベクトル量子化回路７０６
において、Ｐ次元のスペクトルパラメータを、予め学習
して構成した第１のコードブック７１０を用いて量子化
する。ここでコードブック７１０の各コードベクトルに
対して数２の歪を計算し、歪の小さい順にＭ種の候補を
出力する。減算器７０７は、Ｍ種の候補の各々につい
て、入力のスペクトルパラメータとの誤差信号を計算
し、これを分割回路７１２へ出力する。分割回路７１２
では、Ｐ次元の誤差信号を予め定められたＫ次元毎に分
割する（Ｋ＜Ｐ）。第２のベクトル量子化回路７１５で
は、Ｋ次元毎に次数間の差分を表すように構成した第２
のコードブック７２０−１〜７２０−Ｎを用いて誤差信
号をＫ次元毎にベクトル量子化する。ここで歪の計算に
は数１，数２を用いる。さらに、Ｋ次元毎に、数２の歪
が小さい順にＭ種類のコードベクトルを候補として出力
する。具体的な動作は図１０のベクトル量子化回路６２
０と同様である。
【００７１】累積歪計算回路７５０では、１段目で出力
されたＭ種の候補と、２段目でＫ次元毎に出力された候
補の全ての組合せに対し量子化歪を累積し累積歪を計算
する。最小判別回路７６０では、累積歪を最小化する候
補の組合せを求め、このときのコードベクトルを表すイ
ンデクスの組合せを端子７７０から出力する。
されたＭ種の候補と、２段目でＫ次元毎に出力された候
補の全ての組合せに対し量子化歪を累積し累積歪を計算
する。最小判別回路７６０では、累積歪を最小化する候
補の組合せを求め、このときのコードベクトルを表すイ
ンデクスの組合せを端子７７０から出力する。
【００７２】図１３は第３の発明による音声パラメータ
符号化方式を実施する符号化装置の一例を示すブロック
図である。
符号化方式を実施する符号化装置の一例を示すブロック
図である。
【００７３】図において、入力端子８００から音声信号
を入力し、１フレーム分（例えば３０〜４０ｍｓ）の音
声信号をバッファメモリ８１０に格納する。
を入力し、１フレーム分（例えば３０〜４０ｍｓ）の音
声信号をバッファメモリ８１０に格納する。
【００７４】サブフレーム分割回路８２０は、フレーム
の音声信号を予め定められたサブフレーム（例えば５〜
８ｍｓ）に分割する。
の音声信号を予め定められたサブフレーム（例えば５〜
８ｍｓ）に分割する。
【００７５】ＬＰＣ分析回路８３０は、予め定められた
サブフレーム位置（例えば図４の，）の音声信号の
スペクトル特性を表すパラメータとして、ＬＳＰパラメ
ータを前記フレームの音声信号から周知のＬＰＣ分析を
行い予め定められた次数Ｐだけ計算する。この具体的な
計算法については前記文献４等を参照することができ
る。
サブフレーム位置（例えば図４の，）の音声信号の
スペクトル特性を表すパラメータとして、ＬＳＰパラメ
ータを前記フレームの音声信号から周知のＬＰＣ分析を
行い予め定められた次数Ｐだけ計算する。この具体的な
計算法については前記文献４等を参照することができ
る。
【００７６】ＬＳＰ量子化回路８４０は、フレームで求
めたＬＳＰパラメータを予め定められた量子化ビット数
で量子化し、得た符号ｌK を出力端子８５０から出力す
る。以下で一例として、ＬＳＰ量子化回路では少ない演
算量、並びにメモリ量で実現できるベクトル量子化とし
て、分割型ベクトル量子化を行うものとする。
めたＬＳＰパラメータを予め定められた量子化ビット数
で量子化し、得た符号ｌK を出力端子８５０から出力す
る。以下で一例として、ＬＳＰ量子化回路では少ない演
算量、並びにメモリ量で実現できるベクトル量子化とし
て、分割型ベクトル量子化を行うものとする。
【００７７】図１４はＬＳＰ量子化回路８４０の構成を
示すブロック図である。図において、入力端子９００か
らフレームのＬＳＰパラメータを入力する。
示すブロック図である。図において、入力端子９００か
らフレームのＬＳＰパラメータを入力する。
【００７８】分割回路９１０は、ＬＳＰをＰ次入力し、
Ｋ次元ずつ分割し（Ｋ＜Ｐ）、Ｋ次元ずつのＬＳＰをベ
クトル量子化回路９２０へ出力する。ベクトル量子化回
路９２０では、分割数（例えばＮ）に対応したＮ種類の
コードブック９５０−１〜９５０−ＮをＫ次元毎に予め
構成しておく。これらのコードブックは、予め定められ
たビット数Ｌで決まる種類（２L ）のコードベクトルか
ら構成される。またこれらのコードブックは、ＬＳＰの
次数間の差分値を表すように構成する。これらのコード
ブックに含まれるコードベクトルを用いてｉ次目のスペ
クトルパラメータは以下のように表せる。
Ｋ次元ずつ分割し（Ｋ＜Ｐ）、Ｋ次元ずつのＬＳＰをベ
クトル量子化回路９２０へ出力する。ベクトル量子化回
路９２０では、分割数（例えばＮ）に対応したＮ種類の
コードブック９５０−１〜９５０−ＮをＫ次元毎に予め
構成しておく。これらのコードブックは、予め定められ
たビット数Ｌで決まる種類（２L ）のコードベクトルか
ら構成される。またこれらのコードブックは、ＬＳＰの
次数間の差分値を表すように構成する。これらのコード
ブックに含まれるコードベクトルを用いてｉ次目のスペ
クトルパラメータは以下のように表せる。
【００７９】
【数１２】
【００８０】コードブック９５０−１〜９５０−Ｎは、
予め定められた次元数毎のスペクトルパラメータに対し
て、次数間の差分値をトレーニング信号として学習して
構成する。学習の方法は、前記文献５等を参照できる。
予め定められた次元数毎のスペクトルパラメータに対し
て、次数間の差分値をトレーニング信号として学習して
構成する。学習の方法は、前記文献５等を参照できる。
【００８１】また、ベクトル量子化回路９２０では、Ｋ
次元毎に次式で量子化歪を計算する。
次元毎に次式で量子化歪を計算する。
【００８２】
【数１３】
【００８３】ここでωI は入力したｉ次目のＬＳＰ、
ω’IJはｊ番目のコードベクトルを用いて表したｉ次目
のＬＳＰである。ベクトル量子化回路９２０では、ＬＳ
Ｐの１次目からＫ次元毎に数５に従い量子化歪を計算
し、量子化歪の小さい順にコードベクトルの候補をＫ次
元毎にＭ種類出力する。例えば最初のＫ次元でＭ種類の
候補を出した後に、次のＫ次元では、Ｍ種類の各候補を
初期値として数４に従いコードブック９５０−２を用い
てＬＳＰを表し、数５に従い量子化歪を求め、量子化歪
の小さい順にＭ種の候補を求める。以下これらの処理を
分割数Ｎだけ繰り返す。
ω’IJはｊ番目のコードベクトルを用いて表したｉ次目
のＬＳＰである。ベクトル量子化回路９２０では、ＬＳ
Ｐの１次目からＫ次元毎に数５に従い量子化歪を計算
し、量子化歪の小さい順にコードベクトルの候補をＫ次
元毎にＭ種類出力する。例えば最初のＫ次元でＭ種類の
候補を出した後に、次のＫ次元では、Ｍ種類の各候補を
初期値として数４に従いコードブック９５０−２を用い
てＬＳＰを表し、数５に従い量子化歪を求め、量子化歪
の小さい順にＭ種の候補を求める。以下これらの処理を
分割数Ｎだけ繰り返す。
【００８４】累積歪計算部９６０では、Ｋ次元毎に出力
されたＭ種のコードベクトルの全ての組合せに対して累
積歪を下式により計算する。
されたＭ種のコードベクトルの全ての組合せに対して累
積歪を下式により計算する。
【００８５】
【数１４】
【００８６】最小判別回路９７０では、累積歪Ｅを最小
化する候補の組合せを求め、このときのコードベクトル
の組合せを出力する。
化する候補の組合せを求め、このときのコードベクトル
の組合せを出力する。
【００８７】予測ベクトル量子化回路９９０では、最小
判別回路９７０の出力コードベクトルと係数コードブッ
ク９８０を用いて、端子９０５より入力した他のサブフ
レームのＬＳＰ系列を予測し、数５により、予測による
量子化歪を計算する。数５を最小化する係数コードベク
トルを求め、このコードベクトルと最小判別回路９７０
の出力のコードベクトルとを、２つのサブフレームにお
けるスペクトルパラメータの量子化値として端子９９５
から出力する。
判別回路９７０の出力コードベクトルと係数コードブッ
ク９８０を用いて、端子９０５より入力した他のサブフ
レームのＬＳＰ系列を予測し、数５により、予測による
量子化歪を計算する。数５を最小化する係数コードベク
トルを求め、このコードベクトルと最小判別回路９７０
の出力のコードベクトルとを、２つのサブフレームにお
けるスペクトルパラメータの量子化値として端子９９５
から出力する。
【００８８】図１５は第４の発明の音声パラメータ符号
化方式を実施する符号化装置の一例を示すブロック図で
ある。第３の発明の実施例との違いは、ＬＳＰ量子化回
路１０００にあるので、ＬＳＰ量子化回路１０００の動
作を図１６を用いて説明する。
化方式を実施する符号化装置の一例を示すブロック図で
ある。第３の発明の実施例との違いは、ＬＳＰ量子化回
路１０００にあるので、ＬＳＰ量子化回路１０００の動
作を図１６を用いて説明する。
【００８９】図１６において、図１５と同一の番号を付
した構成要素は、図１５と同一の動作を行うので説明は
省略する。図１６において、差分ベクトル量子化回路１
０１０は、端子９０５から入力した他のサブフレームの
ＬＳＰ系列と、最小判別回路９７０の出力との差分信号
を数６により計算し、差分信号に対して差分コードブッ
ク１０２０を用いてベクトル量子化を行い、量子化歪を
最小化するコードベクトルと、最小判別回路９７０の出
力であるコードベクトルとを端子９９５から出力する。
した構成要素は、図１５と同一の動作を行うので説明は
省略する。図１６において、差分ベクトル量子化回路１
０１０は、端子９０５から入力した他のサブフレームの
ＬＳＰ系列と、最小判別回路９７０の出力との差分信号
を数６により計算し、差分信号に対して差分コードブッ
ク１０２０を用いてベクトル量子化を行い、量子化歪を
最小化するコードベクトルと、最小判別回路９７０の出
力であるコードベクトルとを端子９９５から出力する。
【００９０】図１７は第５の発明による音声パラメータ
符号化装置の一実施例を示すブロック図である。
符号化装置の一実施例を示すブロック図である。
【００９１】図において、入力端子１０１から音声信号
を入力し、１フレーム分（例えば４０ｍｓ）の音声信号
をバッファメモリ１０３に格納する。ＬＳＰ分析回路１
０７は周知のＬＰＣ分析を行い、スペクトルパラメータ
としてＬＳＰ係数を求める。
を入力し、１フレーム分（例えば４０ｍｓ）の音声信号
をバッファメモリ１０３に格納する。ＬＳＰ分析回路１
０７は周知のＬＰＣ分析を行い、スペクトルパラメータ
としてＬＳＰ係数を求める。
【００９２】ベクトル量子化回路１１２は、コードブッ
ク１２０を用いて、入力したＬＳＰパラメータをベクト
ル量子化する。コードブック１２０は、トレーニング用
の多量のＬＳＰパラメータ系列を用いて予め学習して構
成する。コードベクトルを探索するときの歪尺度は、種
々のものが知られているが、ここではＬＳＰの２乗距離
を用いる。数７を小さくするコードベクトルを求め減算
回路１３０へ出力する。ここで、コードベクトルは数７
を最小化するものを１種類選択してもよいし、数７の小
さい順に複数種類選択してもよい。また、ベクトル量子
化回路１１２は、選択されたコードベクトルを示すイン
デクスｊをスカラ量子化回路１４２と端子１５５へ出力
する。
ク１２０を用いて、入力したＬＳＰパラメータをベクト
ル量子化する。コードブック１２０は、トレーニング用
の多量のＬＳＰパラメータ系列を用いて予め学習して構
成する。コードベクトルを探索するときの歪尺度は、種
々のものが知られているが、ここではＬＳＰの２乗距離
を用いる。数７を小さくするコードベクトルを求め減算
回路１３０へ出力する。ここで、コードベクトルは数７
を最小化するものを１種類選択してもよいし、数７の小
さい順に複数種類選択してもよい。また、ベクトル量子
化回路１１２は、選択されたコードベクトルを示すイン
デクスｊをスカラ量子化回路１４２と端子１５５へ出力
する。
【００９３】減算回路１３０は、入力のＬＳＰと選択さ
れたコードベクトルの値とを数８に従い減算して残差信
号ｅ（ｉ）を求めこれを出力する。
れたコードベクトルの値とを数８に従い減算して残差信
号ｅ（ｉ）を求めこれを出力する。
【００９４】スカラ量子化回路１４２は、コードブック
１２０において予め定められたＭ種類（Ｍ＜２B ：ここ
でＢはコードブック１２０のビット数を示す）のコード
ベクトルの各々に対して、減算回路１３０により計算さ
れる残差信号の分布範囲を次数ｉ毎に予め測定し量子化
範囲テーブル１６５に格納しておく。ベクトル量子化回
路１１２から出力されたインデクスｊを用いて、テーブ
ルの量子化範囲を切り替えて、次数ｉ毎に予め定められ
たビット数を用いてｅ（ｉ）をスカラ量子化する。そし
てスカラ量子化した結果を端子１４５へ出力する。
１２０において予め定められたＭ種類（Ｍ＜２B ：ここ
でＢはコードブック１２０のビット数を示す）のコード
ベクトルの各々に対して、減算回路１３０により計算さ
れる残差信号の分布範囲を次数ｉ毎に予め測定し量子化
範囲テーブル１６５に格納しておく。ベクトル量子化回
路１１２から出力されたインデクスｊを用いて、テーブ
ルの量子化範囲を切り替えて、次数ｉ毎に予め定められ
たビット数を用いてｅ（ｉ）をスカラ量子化する。そし
てスカラ量子化した結果を端子１４５へ出力する。
【００９５】次に、第６の発明の実施例を図１８を用い
て説明する。図１８において図１７と同一の番号を付し
た構成要素は図１７と同一の動作を行うので、説明は省
略する。
て説明する。図１８において図１７と同一の番号を付し
た構成要素は図１７と同一の動作を行うので、説明は省
略する。
【００９６】スカラ量子化回路１４３は、減算回路１３
０の出力である残差信号ｅ（ｉ）に対して、次数ｉ毎に
残差信号の存在範囲を予め測定し量子化範囲テーブル１
６５に格納しておく。作用の項で述べたように、各次数
毎に数９により、スカラ量子化の量子化値の各々につい
て、量子化歪を計算し、量子化歪の小さい順にＭ種類
（ここでＭ＜Ｌ）の候補を求め、候補の各々に対する量
子化歪の値を累積歪計算回路１７５へ出力する。次に作
用の項で述べたように候補の値を用いて量子化範囲を制
限し、各次数毎に残差信号を予め定められたビット数で
スカラ量子化する。
０の出力である残差信号ｅ（ｉ）に対して、次数ｉ毎に
残差信号の存在範囲を予め測定し量子化範囲テーブル１
６５に格納しておく。作用の項で述べたように、各次数
毎に数９により、スカラ量子化の量子化値の各々につい
て、量子化歪を計算し、量子化歪の小さい順にＭ種類
（ここでＭ＜Ｌ）の候補を求め、候補の各々に対する量
子化歪の値を累積歪計算回路１７５へ出力する。次に作
用の項で述べたように候補の値を用いて量子化範囲を制
限し、各次数毎に残差信号を予め定められたビット数で
スカラ量子化する。
【００９７】累積歪計算回路１７５では、数１１に従
い、スカラ量子化値の候補の各々に対して求めた量子化
歪を各次数毎に累積した累積歪を計算する。
い、スカラ量子化値の候補の各々に対して求めた量子化
歪を各次数毎に累積した累積歪を計算する。
【００９８】判別回路１８５では、前記累積歪を最小化
するような候補を次数毎に求め、このときのスカラ量子
化値を端子１４５から出力する。
するような候補を次数毎に求め、このときのスカラ量子
化値を端子１４５から出力する。
【００９９】図１９は、第７の発明の実施例を示すブロ
ック図である。図において、図１７，１８と同一の番号
を付した構成要素は、図１７，１８と同一の動作をする
ので説明は省略する。
ック図である。図において、図１７，１８と同一の番号
を付した構成要素は、図１７，１８と同一の動作をする
ので説明は省略する。
【０１００】図において、スカラ量子化回路１９５は、
コードブック２２５において予め定められたＭ種類（Ｍ
＜２B ：ここでＢはコードブック２２５のビット数を示
す）のコードベクトルの各々に対して、減算器１３０に
より計算される残差信号の分布範囲を次数ｉ毎に予め測
定し量子化範囲テーブル１６５へ格納しておく。さら
に、ベクトル量子化回路１１２から出力されたインデク
スｊを用いて、この量子化範囲を切り替えて、次数ｉ毎
に予め定められたビット数を用いて残差信号ｅ（ｉ）を
スカラ量子化する。さらに残差信号の次数毎にスカラ量
子化を行う際に、第６の発明と同様に、ｉ次において複
数候補の量子化値を求め、これを用いてｉ−１次のスカ
ラ量子化の量子化範囲を制限し、各候補の各々に対して
スカラ量子化を行う。
コードブック２２５において予め定められたＭ種類（Ｍ
＜２B ：ここでＢはコードブック２２５のビット数を示
す）のコードベクトルの各々に対して、減算器１３０に
より計算される残差信号の分布範囲を次数ｉ毎に予め測
定し量子化範囲テーブル１６５へ格納しておく。さら
に、ベクトル量子化回路１１２から出力されたインデク
スｊを用いて、この量子化範囲を切り替えて、次数ｉ毎
に予め定められたビット数を用いて残差信号ｅ（ｉ）を
スカラ量子化する。さらに残差信号の次数毎にスカラ量
子化を行う際に、第６の発明と同様に、ｉ次において複
数候補の量子化値を求め、これを用いてｉ−１次のスカ
ラ量子化の量子化範囲を制限し、各候補の各々に対して
スカラ量子化を行う。
【０１０１】累積歪計算回路１７５では、量子化範囲の
候補の各々に対して次数毎に量子化歪を累積する。
候補の各々に対して次数毎に量子化歪を累積する。
【０１０２】判別回路１８５では、累積歪を最小化する
量子化値を次数毎に求めこれらを端子１４５から出力す
る。
量子化値を次数毎に求めこれらを端子１４５から出力す
る。
【０１０３】上述の実施例で述べた構成以外にも種々の
変形が可能である。
変形が可能である。
【０１０４】実施例では音声のスペクトルパラメータと
してＬＳＰパラメータを用いたが、他の周知なパラメー
タ、例えばＰＡＲＣＯＲ，ＬＡＲ，ケプストラムなどを
用いることもできる。
してＬＳＰパラメータを用いたが、他の周知なパラメー
タ、例えばＰＡＲＣＯＲ，ＬＡＲ，ケプストラムなどを
用いることもできる。
【０１０５】また、ＬＳＰのコードベクトルの探索に
は、数２で表されるＬＳＰの２乗距離以外に他の周知な
距離尺度を用いることができる。例えば、聴感重み付け
２乗距離などが知られており、例えば、誉田氏による
“重みつき対数スペクトル歪尺度を用いたＬＰＣパラメ
ータのベクトル量子化、”と題した論文（音響学会講演
論文集，ｐｐ．１９５−１９６、１９９０年１０月）
（文献８）等を参照することができる。
は、数２で表されるＬＳＰの２乗距離以外に他の周知な
距離尺度を用いることができる。例えば、聴感重み付け
２乗距離などが知られており、例えば、誉田氏による
“重みつき対数スペクトル歪尺度を用いたＬＰＣパラメ
ータのベクトル量子化、”と題した論文（音響学会講演
論文集，ｐｐ．１９５−１９６、１９９０年１０月）
（文献８）等を参照することができる。
【０１０６】また、第１，２の発明の実施例では、分割
回路において、Ｐ次元のパラメータをＫ次元毎に均等分
割したが、不均等に分割することもできる。
回路において、Ｐ次元のパラメータをＫ次元毎に均等分
割したが、不均等に分割することもできる。
【０１０７】また、第２の発明の実施例において、フレ
ームのＬＳＰ係数のベクトル量子化には２段のベクトル
量子化器を用いたが、これは任意の段数のベクトル量子
化器を用いることができる。
ームのＬＳＰ係数のベクトル量子化には２段のベクトル
量子化器を用いたが、これは任意の段数のベクトル量子
化器を用いることができる。
【０１０８】また、第１，第２の発明の実施例では、各
分割毎、あるいは各段のベクトル量子化毎にＭ個の候補
を求めたが、このようにすると全次数あるいは全段では
候補数が指数的に増大する（例えば３段のベクトル量子
化では全ての候補数はＭ2 ）。そこで、２番目の分割以
降あるいは、２段目以降のベクトル量子化では、各段毎
に累積歪を求め、累積歪の小さい順に各段毎に予め定め
られた一定の候補数（例えばＭ種）で枝がりを行うこと
により、各段、全段共に候補数はＭとなり、候補数が指
数的に増大するのを防ぐことができる。このようにする
と、実施例の方式に比べ、演算量を大幅に低減すること
ができるが、性能は若干低下する。
分割毎、あるいは各段のベクトル量子化毎にＭ個の候補
を求めたが、このようにすると全次数あるいは全段では
候補数が指数的に増大する（例えば３段のベクトル量子
化では全ての候補数はＭ2 ）。そこで、２番目の分割以
降あるいは、２段目以降のベクトル量子化では、各段毎
に累積歪を求め、累積歪の小さい順に各段毎に予め定め
られた一定の候補数（例えばＭ種）で枝がりを行うこと
により、各段、全段共に候補数はＭとなり、候補数が指
数的に増大するのを防ぐことができる。このようにする
と、実施例の方式に比べ、演算量を大幅に低減すること
ができるが、性能は若干低下する。
【０１０９】また、全ての段のベクトル量子化器あるい
は、全ての分割において候補を求めるのではなく、予め
定められた段数のベクトル量子化器のみ複数種の候補を
求めて出力するようにしてもよい。
は、全ての分割において候補を求めるのではなく、予め
定められた段数のベクトル量子化器のみ複数種の候補を
求めて出力するようにしてもよい。
【０１１０】また、Ｋ次元毎にベクトル量子化を行うと
きに、スペクトルパラメータの差分を表すコードブック
の学習法としては、実施例で述べた方法以外に、下式の
誤差電力あるいは、重み付け誤差電力を最小化するよう
に、コードブックΔω’I をトレーニング信号を符号化
しながら学習することもできる。
きに、スペクトルパラメータの差分を表すコードブック
の学習法としては、実施例で述べた方法以外に、下式の
誤差電力あるいは、重み付け誤差電力を最小化するよう
に、コードブックΔω’I をトレーニング信号を符号化
しながら学習することもできる。
【０１１１】
【数１５】
【０１１２】また、最適候補の組合せの選択には、周知
な高速計算法、例えば、ダイナミックプログラミング法
などを用いることもできる。
な高速計算法、例えば、ダイナミックプログラミング法
などを用いることもできる。
【０１１３】また、ベクトル量子化器としては、全探索
型ベクトル量子化器を用いたが、コードベクトルの探索
に要する演算量を低減するために、木探索，格子型，多
段型あるいは、他の周知な構成のベクトル量子化器を用
いることもできる。これらの演算量低減化法の詳細につ
いては、例えばＲ．Ｇｒａｙ氏による“Ｖｅｃｔｏｒｑ
ｕａｎｔｉｚａｔｉｏｎ，”と題した論文（ＩＥＥＥ
ＡＳＳＰ Ｍａｇａｚｉｎｅ，ｐｐ．４−２９，１９８
４年）（文献９）等を参照できる。
型ベクトル量子化器を用いたが、コードベクトルの探索
に要する演算量を低減するために、木探索，格子型，多
段型あるいは、他の周知な構成のベクトル量子化器を用
いることもできる。これらの演算量低減化法の詳細につ
いては、例えばＲ．Ｇｒａｙ氏による“Ｖｅｃｔｏｒｑ
ｕａｎｔｉｚａｔｉｏｎ，”と題した論文（ＩＥＥＥ
ＡＳＳＰ Ｍａｇａｚｉｎｅ，ｐｐ．４−２９，１９８
４年）（文献９）等を参照できる。
【０１１４】尚、第１，２の発明の実施例においては、
コードブック１〜コードブックＮは、ＬＳＰの次数間の
差分を表すコードブックを用いる例について説明した
が、ＬＳＰをそのまま表すコードブックを用いる構成と
してもよい。
コードブック１〜コードブックＮは、ＬＳＰの次数間の
差分を表すコードブックを用いる例について説明した
が、ＬＳＰをそのまま表すコードブックを用いる構成と
してもよい。
【０１１５】また第３，第４の発明の実施例において、
最小判別回路９７０を予測ベクトル量子化回路９９０あ
るいは差分ベクトル量子化回路１０１０の後ろに移動さ
せ、ベクトル量子化回路９２０で出力した候補の各々に
対して、予測ベクトル量子化、あるいは差分ベクトル量
子化を行い、累積歪計算回路９６０で求めた各候補に対
する累積歪と予測ベクトル量子化あるいは差分ベクトル
量子化による量子化歪を加算して総歪を求め、最小判定
回路９７０で、総歪を最小化するコードベクトルの組と
予測コードベクトルあるいは、差分コードベクトルとを
選択するようにしてもよい。このようにすると、演算量
は増大するが、さらに特性が改善される。
最小判別回路９７０を予測ベクトル量子化回路９９０あ
るいは差分ベクトル量子化回路１０１０の後ろに移動さ
せ、ベクトル量子化回路９２０で出力した候補の各々に
対して、予測ベクトル量子化、あるいは差分ベクトル量
子化を行い、累積歪計算回路９６０で求めた各候補に対
する累積歪と予測ベクトル量子化あるいは差分ベクトル
量子化による量子化歪を加算して総歪を求め、最小判定
回路９７０で、総歪を最小化するコードベクトルの組と
予測コードベクトルあるいは、差分コードベクトルとを
選択するようにしてもよい。このようにすると、演算量
は増大するが、さらに特性が改善される。
【０１１６】また、ベクトル量子化回路９２０のベクト
ル量子化方法としては、他の周知な方法を用いることも
できる。例えば、複数種のコードブックを多段縦続接続
する多段ベクトル量子化と実施例の分割ベクトル量子化
とを組み合わせてもよい。
ル量子化方法としては、他の周知な方法を用いることも
できる。例えば、複数種のコードブックを多段縦続接続
する多段ベクトル量子化と実施例の分割ベクトル量子化
とを組み合わせてもよい。
【０１１７】また、実施例では、ベクトル量子化回路９
２０において、各分割毎のベクトル量子化でＭ個の候補
を求めたが、このようにすると全次数では候補数が指数
的に増大する（例えば３分割では全候補数はＭ2 ）。そ
こで、２番目の分割以降では、各段毎に累積歪を求め、
累積歪の小さい順に予め定められた一定の候補数（例え
ばＭ種）で枝がりを行うことにより、候補数は全体で常
にＭとなり、候補数が指数的に増大するのを防ぐことが
できる。このようにすると、実施例の方式に比べ、演算
量を大幅に低減することができるが、性能は若干低下す
る。
２０において、各分割毎のベクトル量子化でＭ個の候補
を求めたが、このようにすると全次数では候補数が指数
的に増大する（例えば３分割では全候補数はＭ2 ）。そ
こで、２番目の分割以降では、各段毎に累積歪を求め、
累積歪の小さい順に予め定められた一定の候補数（例え
ばＭ種）で枝がりを行うことにより、候補数は全体で常
にＭとなり、候補数が指数的に増大するのを防ぐことが
できる。このようにすると、実施例の方式に比べ、演算
量を大幅に低減することができるが、性能は若干低下す
る。
【０１１８】また、全ての分割において候補を求めるの
ではなく、予め定められた分割のベクトル量子化器のみ
複数種の候補を求めて出力するようにしてもよい。
ではなく、予め定められた分割のベクトル量子化器のみ
複数種の候補を求めて出力するようにしてもよい。
【０１１９】また、Ｋ次元毎にベクトル量子化を行うと
きに、スペクトルパラメータの差分を表すコードブック
の学習法としては、実施例で述べた方法以外に、下式の
誤差電力あるいは、重み付け誤差電力を最小化するよう
に、コードブックΔω’I をクローズドループ法により
トレーニング信号を符号化しながら学習することもでき
る。
きに、スペクトルパラメータの差分を表すコードブック
の学習法としては、実施例で述べた方法以外に、下式の
誤差電力あるいは、重み付け誤差電力を最小化するよう
に、コードブックΔω’I をクローズドループ法により
トレーニング信号を符号化しながら学習することもでき
る。
【０１２０】
【数１６】
【０１２１】また、コードブックと予測係数あるいは差
分コードブックを独立に学習するのではなく、トレーニ
ング信号を用いて交互に学習をくり返すことにより、最
適学習を行ってもよい。
分コードブックを独立に学習するのではなく、トレーニ
ング信号を用いて交互に学習をくり返すことにより、最
適学習を行ってもよい。
【０１２２】また、実施例の分割回路９１０において、
ＬＳＰをＫ次元毎に均等分割したが、不均等分割でもよ
い。
ＬＳＰをＫ次元毎に均等分割したが、不均等分割でもよ
い。
【０１２３】また、最適候補の組合せの選択には、周知
な高速計算法、例えば、ダイナミックプログラミング法
などを用いることもできる。
な高速計算法、例えば、ダイナミックプログラミング法
などを用いることもできる。
【０１２４】さらに、第３の発明の実施例のようにサブ
フレーム単位で予測係数コードブックを作成するのでは
なく、複数サブフレームをまとめてコードブックを作成
する、マトリクスコードブックを用いるようにしてもよ
い。マトリクスコードブックの作成法は例えば、Ｃ．Ｔ
ｓａｏ氏らによる“Ｍａｔｒｉｘ ｑｕａｎｔｉｚｅｒ
ｄｅｓｉｇｎ ｆｏｒ ＬＰＣ ｓｐｅｅｃｈ ｕｓ
ｉｎｇ ｔｈｅ ｇｅｎｅｒａｌｉｚｅｄ Ｌｌｏｙｄ
ａｌｇｏｒｉｔｈｍ，”と題した論文（ＩＥＥＥ Ｔ
ｒａｎｓ．ＡＳＳＰ，ｐｐ．５３７−５４５，１９８５
年）（文献１０）を参照できる。マトリクスコードブッ
クを用いる構成によれば、複数サブフレームをまとめて
コードベクトルで表現することになるので、予測係数コ
ードベクトル伝送に必要なビット数を低減することがで
きる。
フレーム単位で予測係数コードブックを作成するのでは
なく、複数サブフレームをまとめてコードブックを作成
する、マトリクスコードブックを用いるようにしてもよ
い。マトリクスコードブックの作成法は例えば、Ｃ．Ｔ
ｓａｏ氏らによる“Ｍａｔｒｉｘ ｑｕａｎｔｉｚｅｒ
ｄｅｓｉｇｎ ｆｏｒ ＬＰＣ ｓｐｅｅｃｈ ｕｓ
ｉｎｇ ｔｈｅ ｇｅｎｅｒａｌｉｚｅｄ Ｌｌｏｙｄ
ａｌｇｏｒｉｔｈｍ，”と題した論文（ＩＥＥＥ Ｔ
ｒａｎｓ．ＡＳＳＰ，ｐｐ．５３７−５４５，１９８５
年）（文献１０）を参照できる。マトリクスコードブッ
クを用いる構成によれば、複数サブフレームをまとめて
コードベクトルで表現することになるので、予測係数コ
ードベクトル伝送に必要なビット数を低減することがで
きる。
【０１２５】また、第４の発明の実施例において、数６
のＢは１以外の値を用いることもできる。またＢをコー
ドブックとしてもち、最適な係数をコードブックから選
択するようにしてもよい。
のＢは１以外の値を用いることもできる。またＢをコー
ドブックとしてもち、最適な係数をコードブックから選
択するようにしてもよい。
【０１２６】また、ベクトル量子化における距離尺度、
スカラ量子化における距離尺度としては、２乗距離以外
に他の周知な距離尺度、例えば、重み付け距離尺度，ケ
プストラム距離尺度，メルケプストラム距離尺度などを
用いることもできる。
スカラ量子化における距離尺度としては、２乗距離以外
に他の周知な距離尺度、例えば、重み付け距離尺度，ケ
プストラム距離尺度，メルケプストラム距離尺度などを
用いることもできる。
【０１２７】また、フレームの音声信号に対してスペク
トルパラメータを計算したが、フレームをそれよりも短
いサブフレームに分割し、予め定められたサブフレーム
に対してスペクトルパラメータを計算しベクトル−スカ
ラ量子化してもよい。
トルパラメータを計算したが、フレームをそれよりも短
いサブフレームに分割し、予め定められたサブフレーム
に対してスペクトルパラメータを計算しベクトル−スカ
ラ量子化してもよい。
【０１２８】また、第５及び第７の発明において、ベク
トル量子化の予め定められた個数のコードベクトルに対
して、スカラ量子化における量子化範囲を予め定められ
た次数だけ定めるときに、全てのコードベクトル
（２B ）の各々に対して量子化範囲を測定しても良い
し、少ない種類のコードベクトルの各々に対して量子化
範囲を測定しておいてもよい。また、コードベクトル毎
に異なる量子化範囲を定めてもよいし、いくつかのコー
ドベクトルについては共通の量子化範囲を定めてもよ
い。また、量子化範囲を測定するときは、スペクトルパ
ラメータの全ての次数に対して測定しても良いし、少な
い次数に対してのみ測定しておき、それ以外の次数に対
しては、予め定められた量子化範囲を与えておいてもよ
い。
トル量子化の予め定められた個数のコードベクトルに対
して、スカラ量子化における量子化範囲を予め定められ
た次数だけ定めるときに、全てのコードベクトル
（２B ）の各々に対して量子化範囲を測定しても良い
し、少ない種類のコードベクトルの各々に対して量子化
範囲を測定しておいてもよい。また、コードベクトル毎
に異なる量子化範囲を定めてもよいし、いくつかのコー
ドベクトルについては共通の量子化範囲を定めてもよ
い。また、量子化範囲を測定するときは、スペクトルパ
ラメータの全ての次数に対して測定しても良いし、少な
い次数に対してのみ測定しておき、それ以外の次数に対
しては、予め定められた量子化範囲を与えておいてもよ
い。
【０１２９】また、フレームをそれよりも短いサブフレ
ームに分割し、一つのサブフレームに対して本発明を適
用してスペクトルパラメータを量子化し、他の少なくと
も一つのサブフレームに対しては、前記当該フレームで
のスペクトルパラメータの量子化値と過去のフレームで
のスペクトルパラメータの量子化値と補間係数あるいは
補間係数コードブックとを用いて表すようにしてもよ
い。
ームに分割し、一つのサブフレームに対して本発明を適
用してスペクトルパラメータを量子化し、他の少なくと
も一つのサブフレームに対しては、前記当該フレームで
のスペクトルパラメータの量子化値と過去のフレームで
のスペクトルパラメータの量子化値と補間係数あるいは
補間係数コードブックとを用いて表すようにしてもよ
い。
【０１３０】
【発明の効果】以上述べたように、第１の発明によれ
ば、音声のスペクトル特性を表すスペクトルパラメータ
を量子化するときに、スペクトルパラメータを分割して
分割毎にベクトル量子化を行う。さらに、複数の候補を
出力し、全次数における各候補の組合せに対する量子化
歪の累積値を求め、これを最小化する候補の組合せを選
択しているので、少ないビット数でも比較的少ない演算
量で、性能のよい量子化器を提供することができるとい
う効果がある。
ば、音声のスペクトル特性を表すスペクトルパラメータ
を量子化するときに、スペクトルパラメータを分割して
分割毎にベクトル量子化を行う。さらに、複数の候補を
出力し、全次数における各候補の組合せに対する量子化
歪の累積値を求め、これを最小化する候補の組合せを選
択しているので、少ないビット数でも比較的少ない演算
量で、性能のよい量子化器を提供することができるとい
う効果がある。
【０１３１】また、第２の発明では、この構成を多段縦
続接続ベクトル量子化に組み合わせており、コードブッ
ク蓄積に必要なメモリと演算量をさらに低減したうえで
性能の良好なベクトル量子化器を提供できるという効果
がある。
続接続ベクトル量子化に組み合わせており、コードブッ
ク蓄積に必要なメモリと演算量をさらに低減したうえで
性能の良好なベクトル量子化器を提供できるという効果
がある。
【０１３２】また、第３の発明によれば、音声のスペク
トル特性を表すスペクトルパラメータを量子化するとき
に、フレームをそれよりも短いサブフレームに分割し、
少なくとも１つのサブフレームでスペクトルパラメータ
を求めてベクトル量子化し、他のサブフレームのスペク
トルパラメータは、ベクトル量子化した値をもとにして
予測で表しているので、ビットレートを低減するために
フレーム長を増大させても、少ないビット数及び演算量
でスペクトルパラメータを良好に量子化できると共に、
時間変化も良好に表すことができるという大きな効果が
ある。
トル特性を表すスペクトルパラメータを量子化するとき
に、フレームをそれよりも短いサブフレームに分割し、
少なくとも１つのサブフレームでスペクトルパラメータ
を求めてベクトル量子化し、他のサブフレームのスペク
トルパラメータは、ベクトル量子化した値をもとにして
予測で表しているので、ビットレートを低減するために
フレーム長を増大させても、少ないビット数及び演算量
でスペクトルパラメータを良好に量子化できると共に、
時間変化も良好に表すことができるという大きな効果が
ある。
【０１３３】また、第４の発明では、前記他のサブフレ
ームのスペクトルパラメータは、差分信号をベクトル量
子化して表しているので、ビットレートを低減するため
にフレーム長を増大させても、少ないビット数及び演算
量でスペクトルパラメータを良好に量子化できると共
に、時間変化も良好に表すことができるという大きな効
果がある。
ームのスペクトルパラメータは、差分信号をベクトル量
子化して表しているので、ビットレートを低減するため
にフレーム長を増大させても、少ないビット数及び演算
量でスペクトルパラメータを良好に量子化できると共
に、時間変化も良好に表すことができるという大きな効
果がある。
【０１３４】また、第５〜第７の発明によれば、音声信
号のスペクトルパラメータをベクトル量子化し、スペク
トルパラメータとベクトル量子化値との差分信号をスカ
ラ量子化する際に、ベクトル量子化の予め定められた個
数のコードベクトルに対してスカラ量子化における量子
化範囲を予め定められた次数分だけ定めてスカラ量子化
を行う。また、第５〜第７の発明によれば、差分信号を
スカラ量子化する際に、スカラ量子化で複数候補の量子
化値を出力しこの量子化値を用いて隣接するスペクトル
パラメータの量子化範囲を修正し、候補の各々に対して
スカラ量子化したときの量子化歪を予め定められた次数
分だけ累積し、累積歪を最小にする量子化値系列を出力
している。従って、スペクトルパラメータの量子化に必
要なビット数を従来法よりも低減化することができると
いう大きな効果がある。
号のスペクトルパラメータをベクトル量子化し、スペク
トルパラメータとベクトル量子化値との差分信号をスカ
ラ量子化する際に、ベクトル量子化の予め定められた個
数のコードベクトルに対してスカラ量子化における量子
化範囲を予め定められた次数分だけ定めてスカラ量子化
を行う。また、第５〜第７の発明によれば、差分信号を
スカラ量子化する際に、スカラ量子化で複数候補の量子
化値を出力しこの量子化値を用いて隣接するスペクトル
パラメータの量子化範囲を修正し、候補の各々に対して
スカラ量子化したときの量子化歪を予め定められた次数
分だけ累積し、累積歪を最小にする量子化値系列を出力
している。従って、スペクトルパラメータの量子化に必
要なビット数を従来法よりも低減化することができると
いう大きな効果がある。
【図１】第１の発明による音声パラメータ符号化方式の
作用を示すブロック図である。
作用を示すブロック図である。
【図２】第２の発明による音声パラメータ符号化方式の
作用を示すブロック図である。
作用を示すブロック図である。
【図３】第３の発明による音声パラメータ符号化方式の
作用を示すブロック図である。
作用を示すブロック図である。
【図４】フレームとサブフレームの関係を表す図であ
る。
る。
【図５】第４の発明による音声パラメータ符号化方式の
作用を示すブロック図である。
作用を示すブロック図である。
【図６】第５の発明による音声パラメータ符号化装置の
作用を説明するためのブロック図である。
作用を説明するためのブロック図である。
【図７】第６の発明による音声パラメータ符号化装置の
作用を説明するためのブロック図である。
作用を説明するためのブロック図である。
【図８】第７の発明による音声パラメータ符号化装置の
作用を説明するためのブロック図である。
作用を説明するためのブロック図である。
【図９】第１の発明による音声パラメータ符号化方式を
実施する符号化装置の一例を示すブロック図である。
実施する符号化装置の一例を示すブロック図である。
【図１０】図９のＬＳＰ量子化回路の構成を示すブロッ
ク図である。
ク図である。
【図１１】第２の発明による音声パラメータ符号化方式
を実施する符号化装置の一例を示すブロック図である。
を実施する符号化装置の一例を示すブロック図である。
【図１２】図１１のＬＳＰ量子化回路の構成を示すブロ
ック図である。
ック図である。
【図１３】第３の発明による音声パラメータ符号化方式
を実施する符号化装置の一例を示すブロック図である。
を実施する符号化装置の一例を示すブロック図である。
【図１４】図１３のＬＳＰ量子化回路の構成を示すブロ
ック図である。
ック図である。
【図１５】第４の発明による音声パラメータ符号化方式
を実施する符号化装置の一例を示すブロック図である。
を実施する符号化装置の一例を示すブロック図である。
【図１６】図１５のＬＳＰ量子化回路の構成を示すブロ
ック図である。
ック図である。
【図１７】第５の発明の音声パラメータ符号化装置の一
実施例を示すブロック図である。
実施例を示すブロック図である。
【図１８】第６の発明の音声パラメータ符号化装置の一
実施例を示すブロック図である。
実施例を示すブロック図である。
【図１９】第７の発明の音声パラメータ符号化装置の一
実施例を示すブロック図である。
実施例を示すブロック図である。
１０３ バッファメモリ １０７ ＬＳＰ分析回路 １１２ ベクトル量子化回路 １２０ コードブック １３０ 減算回路 １４２，１４３，１９５ スカラ量子化回路 １６５ 量子化範囲テーブル １７５ 累積歪計算回路 １８５ 判別回路 ５３０ ＬＰＣ分析回路 ５４０，７００ ＬＳＰ量子化回路 ６５０，７２０ コードブック ６６０，７５０ 累積歪計算回路 ６７０，７６０ 最小判別回路 ７０６ 第１のベクトル量子化回路 ７０７ 減算器 ７１０ 第１のコードブック ７１５ 第２のベクトル量子化回路 ８１０ バッファメモリ ８２０ サブフレーム分割回路 ８３０ ＬＰＣ分析回路 ８４０，１０００ ＬＳＰ量子化回路 ９２０ ベクトル量子化回路 ９６０ 累積歪計算回路 ９７０ 最小判別回路 ９８０ 係数コードブック ９９０ 予測ベクトル量子化回路 １０１０ 差分ベクトル量子化回路 １０２０ 差分コードブック
Claims (7)
- 【請求項１】音声信号を入力し前記音声信号を予め定め
られた時間長のフレームに分割し、 前記フレーム毎に前記音声信号のスペクトラムパラメー
タを予め定められた次数だけ求め、 前記スペクトラムパラメータを前記次数よりも小さい予
め定められた次元毎に分割し、 前記分割したスペクトラムパラメータの次元毎にコード
ブックを探索し、次元毎に複数候補のコードベクトルを
出力し、 前記コードベクトルの組合せに対し、前記予め定めた次
数全体で累積歪を求め、 前記累積歪を最小化するコードベクトルの組合せを選択
することにより前記スペクトルパラメータを量子化する
ことを特徴とする音声パラメータ符号化方式。 - 【請求項２】入力した音声信号をフレームに分割し、 前記フレーム毎に前記音声信号のスペクトラムパラメー
タを予め定められた次数だけ求め、 前記スペクトラムパラメータを複数種類のコードブック
の多段接続で表し、前記多段接続における少なくとも一
つの段では複数候補のコードベクトルを出力し、 前記多段接続における少なくとも一つの段では、前記次
数よりも予め定められた次元毎にスペクトラムパラメー
タを分割し、 前記分割したスペクトラムパラメータの次元毎にコード
ブックを探索し、次元毎に複数候補のコードベクトルを
出力し、 前記候補の組合せに対して従属接続全体で累積歪みを求
め、 前記累積歪を最小化するコードベクトルの組合せを選択
することにより前記スペクトルパラメータを量子化する
ことを特徴とする音声パラメータ符号化方式。 - 【請求項３】入力した音声信号をフレームに分割しさら
にフレームより短い複数個のサブフレームに分割し、 前記サブフレームの少なくとも一つについて前記音声信
号に対してスペクトラムパラメータを予め定められた次
数だけ求め、 一つのサブフレームのスペクトラムパラメータを予め構
成した第１のコードブックを用いて量子化し、同一フレーム内の 他の少なくとも一つのサブフレームの
スペクトルパラメータを前記量子化した値と予め構成し
た第２のコードブックあるいは非線形処理とを用いて量
子化することを特徴とする音声パラメータ符号化方式。 - 【請求項４】入力した音声信号をフレームに分割しさら
にフレームより短い複数個のサブフレームに分割し、 前記サブフレームの少なくとも一つについて前記音声信
号に対してスペクトラムパラメータを予め定められた次
数だけ求め、 一つのサブフレームのスペクトラムパラメータを予め構
成した第１のコードブックを用いて量子化し、同一フレーム内の 他の少なくとも一つのサブフレームの
スペクトルパラメータと前記量子化した値との差分信号
を求め、前記差分信号を予め構成した第２のコードブッ
クを用いて量子化することを特徴とする音声パラメータ
符号化方式。 - 【請求項５】音声信号を入力し前記音声信号を予め定め
られた時間長のフレームに分割する手段と、前記フレー
ム毎に前記音声信号のスペクトラムパラメータを予め定
められた次数だけ求める手段と、前記スペクトラムパラ
メータをベクトル量子化する手段と、前記スペクトルパ
ラメータと前記ベクトル量子化値との差分信号をスカラ
ー量子化する手段とを有する音声パラメータ符号化装置
において、 前記ベクトル量子化手段における予め定められた個数の
コードベクトルの各々に対し前記スカラー量子化におけ
る量子化範囲を予め定められた次数分だけ定めてスカラ
ー量子化を行う手段を有することを特徴とする音声パラ
メータ符号化装置。 - 【請求項６】入力した音声信号を入力し前記音声信号を
フレームに分割する手段と、前記音声信号に対してスペ
クトラムパラメータを予め定められた次数だけ求める手
段と、前記スペクトラムパラメータをベクトル量子化す
る手段と、前記スペクトルパラメータと前記ベクトル量
子化値との差分信号をスカラー量子化する手段とを有す
る音声パラメータ符号化装置において、 前記スカラー量子化手段においてスペクトルパラメータ
の各次数で複数候補の値を出力する手段と、前記候補の
各々を用いて隣接するスペクトルパラメータの量子化範
囲を修正する手段と、前記量子化値による量子化歪を予
め定められた次数だけ累積し前記累積歪を最小化する量
子化値系列を出力する手段とを有することを特徴とする
音声パラメータ符号化装置。 - 【請求項７】入力した音声信号を入力し前記音声信号を
フレームに分割する手段と、前記音声信号に対してスペ
クトラムパラメータを予め定められた次数だけ求める手
段と、前記スペクトラムパラメータをベクトル量子化す
る手段と、前記スペクトルパラメータと前記ベクトル量
子化値との差分信号をスカラー量子化する手段とを有す
る音声パラメータ符号化装置において、 前記ベクトル量子化手段における予め定められた個数の
コードベクトルの各々に対し、前記スカラー量子化にお
ける量子化範囲を予め定められた次数分だけ定める手段
と、前記スカラー量子化においてスペクトラムパラメー
タの各次数で複数候補の量子化値を出力する手段と、前
記候補の各々を用いて隣接するスペクトルパラメータの
量子化範囲を修正する手段と、前記量子化値による量子
化歪を予め定められた次数だけ累積し前記累積歪を最小
化する量子化値系列を出力する手段とを有することを特
徴とする音声パラメータ符号化装置。
Priority Applications (9)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP26192591A JP3151874B2 (ja) | 1991-02-26 | 1991-10-09 | 音声パラメータ符号化方式および装置 |
| DE69232879T DE69232879T2 (de) | 1991-02-26 | 1992-02-25 | Sprachparameterkodierungsvorrichtung |
| EP98124813A EP0910063B1 (en) | 1991-02-26 | 1992-02-25 | Speech parameter coding method |
| DE69229974T DE69229974T2 (de) | 1991-02-26 | 1992-02-25 | Verfahren und Vorrichtung zur Kodierung von Sprachparametern |
| EP92103179A EP0504627B1 (en) | 1991-02-26 | 1992-02-25 | Speech parameter coding method and apparatus |
| CA002061832A CA2061832C (en) | 1991-02-26 | 1992-02-25 | Speech parameter coding method and apparatus |
| EP98124814A EP0910064B1 (en) | 1991-02-26 | 1992-02-25 | Speech parameter coding apparatus |
| DE69232887T DE69232887T2 (de) | 1991-02-26 | 1992-02-25 | Sprachkodierungsverfahren |
| US07/841,726 US5487128A (en) | 1991-02-26 | 1992-02-26 | Speech parameter coding method and appparatus |
Applications Claiming Priority (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP10326791 | 1991-02-26 | ||
| JP3-103267 | 1991-02-26 | ||
| JP26192591A JP3151874B2 (ja) | 1991-02-26 | 1991-10-09 | 音声パラメータ符号化方式および装置 |
| US07/841,726 US5487128A (en) | 1991-02-26 | 1992-02-26 | Speech parameter coding method and appparatus |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH04363000A JPH04363000A (ja) | 1992-12-15 |
| JP3151874B2 true JP3151874B2 (ja) | 2001-04-03 |
Family
ID=27309938
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP26192591A Expired - Lifetime JP3151874B2 (ja) | 1991-02-26 | 1991-10-09 | 音声パラメータ符号化方式および装置 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US5487128A (ja) |
| EP (1) | EP0504627B1 (ja) |
| JP (1) | JP3151874B2 (ja) |
| CA (1) | CA2061832C (ja) |
Families Citing this family (58)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6007676A (en) * | 1992-09-29 | 1999-12-28 | Boehringer Ingelheim International Gmbh | Atomizing nozzle and filter and spray generating device |
| JP2746039B2 (ja) * | 1993-01-22 | 1998-04-28 | 日本電気株式会社 | 音声符号化方式 |
| DE4315313C2 (de) * | 1993-05-07 | 2001-11-08 | Bosch Gmbh Robert | Vektorcodierverfahren insbesondere für Sprachsignale |
| DE4315319C2 (de) * | 1993-05-07 | 2002-11-14 | Bosch Gmbh Robert | Verfahren zur Aufbereitung von Daten, insbesondere von codierten Sprachsignalparametern |
| JP2624130B2 (ja) * | 1993-07-29 | 1997-06-25 | 日本電気株式会社 | 音声符号化方式 |
| JP2655046B2 (ja) * | 1993-09-13 | 1997-09-17 | 日本電気株式会社 | ベクトル量子化装置 |
| JPH07160297A (ja) * | 1993-12-10 | 1995-06-23 | Nec Corp | 音声パラメータ符号化方式 |
| US5692100A (en) * | 1994-02-02 | 1997-11-25 | Matsushita Electric Industrial Co., Ltd. | Vector quantizer |
| CA2154911C (en) * | 1994-08-02 | 2001-01-02 | Kazunori Ozawa | Speech coding device |
| JP3179291B2 (ja) * | 1994-08-11 | 2001-06-25 | 日本電気株式会社 | 音声符号化装置 |
| JP3557255B2 (ja) * | 1994-10-18 | 2004-08-25 | 松下電器産業株式会社 | Ｌｓｐパラメータ復号化装置及び復号化方法 |
| US5751903A (en) * | 1994-12-19 | 1998-05-12 | Hughes Electronics | Low rate multi-mode CELP codec that encodes line SPECTRAL frequencies utilizing an offset |
| JPH08179796A (ja) * | 1994-12-21 | 1996-07-12 | Sony Corp | 音声符号化方法 |
| JP2982637B2 (ja) * | 1995-01-17 | 1999-11-29 | 日本電気株式会社 | スペクトルパラメータを用いた音声信号伝送システムおよびそれに用いられる音声パラメータ符号化装置および復号化装置 |
| EP0723258B1 (en) * | 1995-01-17 | 2000-07-05 | Nec Corporation | Speech encoder with features extracted from current and previous frames |
| JP3303580B2 (ja) * | 1995-02-23 | 2002-07-22 | 日本電気株式会社 | 音声符号化装置 |
| JPH08292797A (ja) * | 1995-04-20 | 1996-11-05 | Nec Corp | 音声符号化装置 |
| GB9509831D0 (en) | 1995-05-15 | 1995-07-05 | Gerzon Michael A | Lossless coding method for waveform data |
| JP3308764B2 (ja) * | 1995-05-31 | 2002-07-29 | 日本電気株式会社 | 音声符号化装置 |
| JP3616432B2 (ja) * | 1995-07-27 | 2005-02-02 | 日本電気株式会社 | 音声符号化装置 |
| KR100322706B1 (ko) * | 1995-09-25 | 2002-06-20 | 윤종용 | 선형예측부호화계수의부호화및복호화방법 |
| JP3196595B2 (ja) * | 1995-09-27 | 2001-08-06 | 日本電気株式会社 | 音声符号化装置 |
| WO1997016821A1 (en) * | 1995-10-31 | 1997-05-09 | Motorola Inc. | Method and system for compressing a speech signal using nonlinear prediction |
| US6175817B1 (en) * | 1995-11-20 | 2001-01-16 | Robert Bosch Gmbh | Method for vector quantizing speech signals |
| US6393391B1 (en) * | 1998-04-15 | 2002-05-21 | Nec Corporation | Speech coder for high quality at low bit rates |
| WO1997027578A1 (en) * | 1996-01-26 | 1997-07-31 | Motorola Inc. | Very low bit rate time domain speech analyzer for voice messaging |
| JPH09281995A (ja) * | 1996-04-12 | 1997-10-31 | Nec Corp | 信号符号化装置及び方法 |
| JP3094908B2 (ja) * | 1996-04-17 | 2000-10-03 | 日本電気株式会社 | 音声符号化装置 |
| JP3335841B2 (ja) * | 1996-05-27 | 2002-10-21 | 日本電気株式会社 | 信号符号化装置 |
| CA2213909C (en) * | 1996-08-26 | 2002-01-22 | Nec Corporation | High quality speech coder at low bit rates |
| US6192336B1 (en) * | 1996-09-30 | 2001-02-20 | Apple Computer, Inc. | Method and system for searching for an optimal codevector |
| KR100389897B1 (ko) * | 1996-10-31 | 2003-10-17 | 삼성전자주식회사 | 분할된 lsf 벡터의 예측-연결 양자화 방법 |
| JP3266178B2 (ja) * | 1996-12-18 | 2002-03-18 | 日本電気株式会社 | 音声符号化装置 |
| US5902244A (en) * | 1997-02-05 | 1999-05-11 | Olympus Optical Co., Ltd. | Ultrasonic diagnosis apparatus including simple digital scan converter |
| 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 |
| US6009387A (en) * | 1997-03-20 | 1999-12-28 | International Business Machines Corporation | System and method of compression/decompressing a speech signal by using split vector quantization and scalar quantization |
| KR100446594B1 (ko) * | 1997-04-15 | 2005-06-02 | 삼성전자주식회사 | 음성선스펙트럼주파수의부호화/복호화장치및그방법 |
| CN1124590C (zh) * | 1997-09-10 | 2003-10-15 | 三星电子株式会社 | 改善话音信号编码器性能的方法 |
| US6151414A (en) * | 1998-01-30 | 2000-11-21 | Lucent Technologies Inc. | Method for signal encoding and feature extraction |
| KR20010040902A (ko) * | 1998-02-12 | 2001-05-15 | 비센트 비.인그라시아, 알크 엠 아헨 | 분리 벡터 양자화 데이터 부호화를 제공하기 위한 시스템및 방법 |
| US6064955A (en) | 1998-04-13 | 2000-05-16 | Motorola | Low complexity MBE synthesizer for very low bit rate voice messaging |
| JP3180762B2 (ja) | 1998-05-11 | 2001-06-25 | 日本電気株式会社 | 音声符号化装置及び音声復号化装置 |
| EP1093230A4 (en) | 1998-06-30 | 2005-07-13 | Nec Corp | speech |
| JP3319396B2 (ja) | 1998-07-13 | 2002-08-26 | 日本電気株式会社 | 音声符号化装置ならびに音声符号化復号化装置 |
| SE521225C2 (sv) * | 1998-09-16 | 2003-10-14 | Ericsson Telefon Ab L M | Förfarande och anordning för CELP-kodning/avkodning |
| DE19845888A1 (de) * | 1998-10-06 | 2000-05-11 | Bosch Gmbh Robert | Verfahren zur Codierung oder Decodierung von Sprachsignalabtastwerten sowie Coder bzw. Decoder |
| JP3180786B2 (ja) | 1998-11-27 | 2001-06-25 | 日本電気株式会社 | 音声符号化方法及び音声符号化装置 |
| SE9804455L (sv) * | 1998-12-21 | 2000-06-22 | Ericsson Telefon Ab L M | Förfarande och arrangemang för att finna en optimal rekonstruktionspunkt |
| JP3426207B2 (ja) * | 2000-10-26 | 2003-07-14 | 三菱電機株式会社 | 音声符号化方法および装置 |
| EP1353323B1 (en) * | 2000-11-27 | 2007-01-17 | Nippon Telegraph and Telephone Corporation | Method, device and program for coding and decoding acoustic parameter, and method, device and program for coding and decoding sound |
| WO2004032520A1 (en) * | 2002-10-03 | 2004-04-15 | Koninklijke Philips Electronics N.V. | Encoding and decoding a media signal |
| US8352248B2 (en) * | 2003-01-03 | 2013-01-08 | Marvell International Ltd. | Speech compression method and apparatus |
| KR100651712B1 (ko) * | 2003-07-10 | 2006-11-30 | 학교법인연세대학교 | 광대역 음성 부호화기 및 그 방법과 광대역 음성 복호화기및 그 방법 |
| JPWO2007132750A1 (ja) * | 2006-05-12 | 2009-09-24 | パナソニック株式会社 | Ｌｓｐベクトル量子化装置、ｌｓｐベクトル逆量子化装置、およびこれらの方法 |
| JP5253518B2 (ja) * | 2008-12-22 | 2013-07-31 | 日本電信電話株式会社 | 符号化方法、復号方法、それらの装置、プログラム及び記録媒体 |
| US9135919B2 (en) * | 2010-09-17 | 2015-09-15 | Panasonic Intellectual Property Corporation Of America | Quantization device and quantization method |
| US9588155B2 (en) * | 2014-10-16 | 2017-03-07 | Freescale Semiconductor, Inc. | Current detection circuit with over-current protection |
| JP6640896B2 (ja) | 2018-02-15 | 2020-02-05 | 株式会社東芝 | データ処理装置、データ処理方法およびプログラム |
Family Cites Families (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA1323934C (en) * | 1986-04-15 | 1993-11-02 | Tetsu Taguchi | Speech processing apparatus |
| GB2210236B (en) * | 1987-09-24 | 1991-12-18 | Newbridge Networks Corp | Speech processing system |
| US4852179A (en) * | 1987-10-05 | 1989-07-25 | Motorola, Inc. | Variable frame rate, fixed bit rate vocoding method |
| DE3883701T2 (de) * | 1987-10-30 | 1994-02-10 | Nippon Telegraph & Telephone | Verfahren und Vorrichtung für multiplexierte Vektorquantifizierung. |
| US5194950A (en) * | 1988-02-29 | 1993-03-16 | Mitsubishi Denki Kabushiki Kaisha | Vector quantizer |
| JP2625998B2 (ja) * | 1988-12-09 | 1997-07-02 | 沖電気工業株式会社 | 特徴抽出方式 |
| JPH0365822A (ja) * | 1989-08-04 | 1991-03-20 | Fujitsu Ltd | ベクトル量子化符号器及びベクトル量子化復号器 |
| JP3256215B2 (ja) * | 1990-02-22 | 2002-02-12 | 日本電気株式会社 | 音声符号化装置 |
| EP0443548B1 (en) * | 1990-02-22 | 2003-07-23 | Nec Corporation | Speech coder |
| US5271089A (en) * | 1990-11-02 | 1993-12-14 | Nec Corporation | Speech parameter encoding method capable of transmitting a spectrum parameter at a reduced number of bits |
-
1991
- 1991-10-09 JP JP26192591A patent/JP3151874B2/ja not_active Expired - Lifetime
-
1992
- 1992-02-25 CA CA002061832A patent/CA2061832C/en not_active Expired - Lifetime
- 1992-02-25 EP EP92103179A patent/EP0504627B1/en not_active Expired - Lifetime
- 1992-02-26 US US07/841,726 patent/US5487128A/en not_active Expired - Lifetime
Non-Patent Citations (1)
| Title |
|---|
| 小沢ら「ＬＳＰパラメータの効率的なベクトル量子化法の検討」１９９０年電子情報通信学会秋季全国大会論文集Ａ−１３０、ｐｐ１−１３２ |
Also Published As
| Publication number | Publication date |
|---|---|
| CA2061832A1 (en) | 1992-08-27 |
| CA2061832C (en) | 1996-04-30 |
| JPH04363000A (ja) | 1992-12-15 |
| US5487128A (en) | 1996-01-23 |
| EP0504627B1 (en) | 1999-09-15 |
| EP0504627A3 (en) | 1993-02-24 |
| EP0504627A2 (en) | 1992-09-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP3151874B2 (ja) | 音声パラメータ符号化方式および装置 | |
| EP0443548B1 (en) | Speech coder | |
| JP3196595B2 (ja) | 音声符号化装置 | |
| JP3114197B2 (ja) | 音声パラメータ符号化方法 | |
| CA2202825C (en) | Speech coder | |
| KR100194775B1 (ko) | 벡터양자화장치 | |
| JP3143956B2 (ja) | 音声パラメータ符号化方式 | |
| CZ304196B6 (cs) | Vektorové kvantizační zařízení LPC parametru, kodér řeči a přijímací zařízení signálu řeči | |
| US20040023677A1 (en) | Method, device and program for coding and decoding acoustic parameter, and method, device and program for coding and decoding sound | |
| JP2800618B2 (ja) | 音声パラメータ符号化方式 | |
| EP0834863A2 (en) | Speech coder at low bit rates | |
| JPH05216500A (ja) | 音声符号化装置 | |
| JP2624130B2 (ja) | 音声符号化方式 | |
| EP0745972B1 (en) | Method of and apparatus for coding speech signal | |
| JP3148778B2 (ja) | 音声の符号化方法 | |
| JPH0764599A (ja) | 線スペクトル対パラメータのベクトル量子化方法とクラスタリング方法および音声符号化方法並びにそれらの装置 | |
| JPH08292797A (ja) | 音声符号化装置 | |
| JP3153075B2 (ja) | 音声符号化装置 | |
| US5978758A (en) | Vector quantizer with first quantization using input and base vectors and second quantization using input vector and first quantization output | |
| EP0910064B1 (en) | Speech parameter coding apparatus | |
| JP3194930B2 (ja) | 音声符号化装置 | |
| JP3192051B2 (ja) | 音声符号化装置 | |
| JP3335650B2 (ja) | 音声符号化方式 | |
| JP2808841B2 (ja) | 音声符号化方式 | |
| JP3230380B2 (ja) | 音声符号化装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080126 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090126 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100126 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110126 Year of fee payment: 10 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110126 Year of fee payment: 10 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120126 Year of fee payment: 11 |
|
| EXPY | Cancellation because of completion of term | ||
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120126 Year of fee payment: 11 |