JP3254696B2 - 音声符号化装置、音声復号化装置および音源生成方法 - Google Patents
音声符号化装置、音声復号化装置および音源生成方法Info
- Publication number
- JP3254696B2 JP3254696B2 JP24566691A JP24566691A JP3254696B2 JP 3254696 B2 JP3254696 B2 JP 3254696B2 JP 24566691 A JP24566691 A JP 24566691A JP 24566691 A JP24566691 A JP 24566691A JP 3254696 B2 JP3254696 B2 JP 3254696B2
- Authority
- JP
- Japan
- Prior art keywords
- sound source
- excitation
- spectrum
- codeword
- spectral
- 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】この発明は、音声をディジタル伝
送あるいは蓄積する場合に用いられる音声符号化装置、
音声復号化装置および音源生成方法に関するものであ
る。
送あるいは蓄積する場合に用いられる音声符号化装置、
音声復号化装置および音源生成方法に関するものであ
る。
【０００２】
【従来の技術】一ピッチ周期の音源信号（以下音源と略
す）を用いた従来の音声符号化復号化装置は例えば「”
声帯音源波形のモデルを用いた音声のARMAパラメータの
推定”マッツ ユンクヴィスト・藤崎 博也 電子情
報通信学会技術研究報告ＳＰ８６−４９、ＰＰ３９−４
５、１９８６」に記載されたものがある。この従来のも
のにおいては、スペクトルパラメータとしてARパラメー
タ（以下ARと略す）とMAパラメータ（以下MAと略す）を
用い、音源として声門音源波の微分波形上で定義される
音源波モデルを用いている。
す）を用いた従来の音声符号化復号化装置は例えば「”
声帯音源波形のモデルを用いた音声のARMAパラメータの
推定”マッツ ユンクヴィスト・藤崎 博也 電子情
報通信学会技術研究報告ＳＰ８６−４９、ＰＰ３９−４
５、１９８６」に記載されたものがある。この従来のも
のにおいては、スペクトルパラメータとしてARパラメー
タ（以下ARと略す）とMAパラメータ（以下MAと略す）を
用い、音源として声門音源波の微分波形上で定義される
音源波モデルを用いている。
【０００３】図６はこの従来の音声符号化復号化装置の
構成を示す構成図であり、図６(ａ)は分析部、図６
（ｂ）は合成部を示す。まず、図６（ａ）に示す分析部
について説明する。ARMA分析手段４４は一ピッチ周期の
入力音声１と音源生成手段１２で生成される音源１３か
らAR４５とMA４６を求め、合成手段１９に出力する。合
成手段１９では、音源１３、AR４５、MA４６より一ピッ
チ周期の合成音声２０を生成する。距離算出手段４７で
は、この合成音声２０と入力音声１との距離E1を算出す
る。
構成を示す構成図であり、図６(ａ)は分析部、図６
（ｂ）は合成部を示す。まず、図６（ａ）に示す分析部
について説明する。ARMA分析手段４４は一ピッチ周期の
入力音声１と音源生成手段１２で生成される音源１３か
らAR４５とMA４６を求め、合成手段１９に出力する。合
成手段１９では、音源１３、AR４５、MA４６より一ピッ
チ周期の合成音声２０を生成する。距離算出手段４７で
は、この合成音声２０と入力音声１との距離E1を算出す
る。
【０００４】この距離E1が閾値E0未満の場合、音源パラ
メータ４８、AR４９、MA５０を出力する。距離E1が閾値
E0以上の場合、音源パラメータの一つのパラメータに微
少な摂動を与え、これを音源パラメータ４８として音源
生成手段１２に出力する。音源生成手段１２は音源パラ
メータ４８より音源１３を生成し、ARMA分析手段４４に
出力する。この操作を音源パラメータに与える摂動を小
さくしながら距離E1が閾値E0未満になるまで繰り返す。
メータ４８、AR４９、MA５０を出力する。距離E1が閾値
E0以上の場合、音源パラメータの一つのパラメータに微
少な摂動を与え、これを音源パラメータ４８として音源
生成手段１２に出力する。音源生成手段１２は音源パラ
メータ４８より音源１３を生成し、ARMA分析手段４４に
出力する。この操作を音源パラメータに与える摂動を小
さくしながら距離E1が閾値E0未満になるまで繰り返す。
【０００５】次に、図６（ｂ）に示す合成部について説
明する。音源生成手段４０では音源パラメータ４８から
音源４１を生成する。合成手段４２は、音源４１、AR４
９、MA５０を用いて合成音声４３を生成する。
明する。音源生成手段４０では音源パラメータ４８から
音源４１を生成する。合成手段４２は、音源４１、AR４
９、MA５０を用いて合成音声４３を生成する。
【０００６】図７は、上記従来の音声符号化復号化装置
に用いられている音源波モデルを表す説明図で、横軸は
時間、縦軸は振幅である。この音源波モデルｇ（ｎ）は
微分声門音源波を表すもので、変数Ａ、Ｂ、Ｃ、Ｄ、
Ｒ、Ｆ、Ｗとピッチ周期Ｔを音源パラメータとし、式
（１）により定義される。式中、ｎは時間である。ま
た、式（１）中α、βは音源パラメータより式（２）で
算出される変数である。
に用いられている音源波モデルを表す説明図で、横軸は
時間、縦軸は振幅である。この音源波モデルｇ（ｎ）は
微分声門音源波を表すもので、変数Ａ、Ｂ、Ｃ、Ｄ、
Ｒ、Ｆ、Ｗとピッチ周期Ｔを音源パラメータとし、式
（１）により定義される。式中、ｎは時間である。ま
た、式（１）中α、βは音源パラメータより式（２）で
算出される変数である。
【０００７】
【数１】
【０００８】
【数２】
【０００９】
【発明が解決しようとする課題】従来の音声符号化復号
化装置は以上の様に構成されており、スペクトルパラメ
ータと音源パラメータの求解を各パラメータ毎にA-b-S
(Analysis by Synthesis)で行うために演算量が多く、
求めたパラメータが不安定解に陥るという問題点があっ
た。また、ピッチ周期同期処理であるため音源パラメー
タを符号化する際に固定ビットレート化及び低ビットレ
ート化が困難であるという問題点があった。
化装置は以上の様に構成されており、スペクトルパラメ
ータと音源パラメータの求解を各パラメータ毎にA-b-S
(Analysis by Synthesis)で行うために演算量が多く、
求めたパラメータが不安定解に陥るという問題点があっ
た。また、ピッチ周期同期処理であるため音源パラメー
タを符号化する際に固定ビットレート化及び低ビットレ
ート化が困難であるという問題点があった。
【００１０】さらに、従来の音源波モデルはパラメータ
数が多いため、求解のための演算量が多いという問題点
があった。
数が多いため、求解のための演算量が多いという問題点
があった。
【００１１】この発明は上記問題点を解消するためにな
されたもので、スペクトルパラメータと音源パラメータ
求解の演算量を削減し、パラメータ求解を安定化して、
品質の優れた合成音声生成を実現し、また、フレーム同
期処理を行うことにより固定ビットレート化及び低ビッ
トレート化することを目的としている。
されたもので、スペクトルパラメータと音源パラメータ
求解の演算量を削減し、パラメータ求解を安定化して、
品質の優れた合成音声生成を実現し、また、フレーム同
期処理を行うことにより固定ビットレート化及び低ビッ
トレート化することを目的としている。
【００１２】
【課題を解決するための手段】この発明に係る音声符号
化装置は、入力音声を分析して周波数スペクトル特性を
表すスペクトルパラメータを抽出するスペクトル分析手
段と、スペクトルパラメータをスペクトル符号語として
複数セット格納したスペクトル符号帳と、前記スペクト
ル分析手段で抽出されたスペクトルパラメータとの距離
の近い有限個のスペクトル符号語を前記スペクトル符号
帳から予備選択するスペクトル予備選択手段と、一ピッ
チ周期の声門音源波モデルに基づいて定義された音源信
号を表す音源パラメータを音源符号語として複数セット
格納した音源符号帳と、過去に選択された音源符号語と
の音源パラメータ上の距離の近い有限個の音源符号語を
前記音源符号帳から予備選択する音源予備選択手段と、
前記音源予備選択手段で予備選択された前記有限個の音
源符号語から音源信号を生成する音源生成手段と、前記
有限個のスペクトル符号語と前記音源信号とから合成音
声を生成する合成手段と、前記合成音声と前記入力音声
の距離を最小にするスペクトル符号語と音源符号語の組
み合わせを前記スペクトル予備選択手段及び前記音源予
備選択手段でそれぞれ予備選択された前記有限個のスペ
クトル符号語と前記有限個の音源符号語の中から選択
し、選択された組み合わせのスペクトル符号語及び音源
符号語に対応するスペクトル符号語番号及び音源符号語
番号を出力する最適符号語選択手段とを備えるものであ
る。また、次の発明に係る音声符号化装置は、前記入力
音声から一定時間の分析フレーム内に存在する全ての一
ピッチ周期の音源信号の開始点を検出し音源位置として
出力する音源位置検出手段を備え、前記音源生成手段
は、前記音源予備選択手段で予備選択された前記有限個
の音源符号語を用いて前記音源位置検出手段で出力され
た音源位置に同期した音源信号を生成し、前記最適符号
語選択手段は、前及び又は後のフレームを含む複数フレ
ーム中の数ピッチ周期の範囲において、前記合成音声と
前記入力音声の距離を最小にするスペクトル符号語と音
源符号語の組み合わせを前記スペクトル予備選択手段及
び前記音源予備選択手段でそれぞれ予備選択された前記
有限個のスペクトル符号語と前記有限個の音源符号語の
中から選択するように構成されるものである。
化装置は、入力音声を分析して周波数スペクトル特性を
表すスペクトルパラメータを抽出するスペクトル分析手
段と、スペクトルパラメータをスペクトル符号語として
複数セット格納したスペクトル符号帳と、前記スペクト
ル分析手段で抽出されたスペクトルパラメータとの距離
の近い有限個のスペクトル符号語を前記スペクトル符号
帳から予備選択するスペクトル予備選択手段と、一ピッ
チ周期の声門音源波モデルに基づいて定義された音源信
号を表す音源パラメータを音源符号語として複数セット
格納した音源符号帳と、過去に選択された音源符号語と
の音源パラメータ上の距離の近い有限個の音源符号語を
前記音源符号帳から予備選択する音源予備選択手段と、
前記音源予備選択手段で予備選択された前記有限個の音
源符号語から音源信号を生成する音源生成手段と、前記
有限個のスペクトル符号語と前記音源信号とから合成音
声を生成する合成手段と、前記合成音声と前記入力音声
の距離を最小にするスペクトル符号語と音源符号語の組
み合わせを前記スペクトル予備選択手段及び前記音源予
備選択手段でそれぞれ予備選択された前記有限個のスペ
クトル符号語と前記有限個の音源符号語の中から選択
し、選択された組み合わせのスペクトル符号語及び音源
符号語に対応するスペクトル符号語番号及び音源符号語
番号を出力する最適符号語選択手段とを備えるものであ
る。また、次の発明に係る音声符号化装置は、前記入力
音声から一定時間の分析フレーム内に存在する全ての一
ピッチ周期の音源信号の開始点を検出し音源位置として
出力する音源位置検出手段を備え、前記音源生成手段
は、前記音源予備選択手段で予備選択された前記有限個
の音源符号語を用いて前記音源位置検出手段で出力され
た音源位置に同期した音源信号を生成し、前記最適符号
語選択手段は、前及び又は後のフレームを含む複数フレ
ーム中の数ピッチ周期の範囲において、前記合成音声と
前記入力音声の距離を最小にするスペクトル符号語と音
源符号語の組み合わせを前記スペクトル予備選択手段及
び前記音源予備選択手段でそれぞれ予備選択された前記
有限個のスペクトル符号語と前記有限個の音源符号語の
中から選択するように構成されるものである。
【００１３】さらにまた、次の発明に係る音声復号化装
置は、入力音声を分析して周波数スペクトル特性を表す
スペクトルパラメータを抽出するスペクトル分析手段
と、スペクトルパラメータをスペクトル符号語として複
数セット格納したスペクトル符号帳と、前記スペクトル
分析手段で抽出されたスペクトルパラメータとの距離の
近い有限個のスペクトル符号語を前記スペクトル符号帳
から予備選択するスペクトル予備選択手段と、一ピッチ
周期の声門音源波モデルに基づいて定義された音源信号
を表す音源パラメータを音源符号語として複数セット格
納した音源符号帳と、過去に選択された音源符号語との
音源パラメータ上の距離の近い有限個の音源符号語を前
記音源符号帳から予備選択する音源予備選択手段と、前
記音源予備選択手段で予備選択された前記有限個の音源
符号語から音源信号を生成する第１の音源生成手段と、
前記有限個のスペクトル符号語と前記音源信号とから合
成音声を生成する第１の合成手段と、前記合成音声と前
記入力音声の距離を最小にするスペクトル符号語と音源
符号語の組み合わせを前記スペクトル予備選択手段及び
前記音源予備選択手段でそれぞれ予備選択された前記有
限個のスペクトル符号語と前記有限個の音源符号語の中
から選択し、選択された組み合わせのスペクトル符号語
及び音源符号語に対応するスペクトル符号語番号及び音
源符号語番号を出力する最適符号語選択手段とを備える
音声符号化装置で符号化された音声を復号化する音声復
号化装置において、前記音声符号化装置と同じスペクト
ル符号帳と、前記音声符号化装置と同じ音源符号帳と、
前記スペクトル符号語番号に対応するスペクトル符号語
を前記スペクトル符号帳より取得するスペクトル逆量子
化手段と、前記音源符号語番号に対応する音源符号語を
前記音源符号帳より取得する音源逆量子化手段と、前記
音源逆量子化手段で取得された音源符号語から音源信号
を生成する第２の音源生成手段と、前記第２の音源生成
手段で生成された音源信号と前記スペクトル逆量子化手
段で取得されたスペクトル符号語とから合成音声を生成
する第２の合成手段を備えるものである。また、次の発
明に係る音声復号化装置は、前記スペクトル逆量子化手
段により得られた現在のフレームのスペクトル符号語と
前フレームのスペクトル符号語をピッチ周期毎に補間
し、得られた補間スペクトルパラメータを出力するスペ
クトル補間手段と、前記音源逆量子化手段により得られ
た現在のフレームの音源符号語と前フレームで選択され
た音源符号語をピッチ周期毎に補間し、得られた補間音
源パラメータを出力する音源補間手段とを備え、前記第
２の音源生成手段は、前記補間音源パラメータからフレ
ーム内の音源信号を生成するように構成されるものであ
る。
置は、入力音声を分析して周波数スペクトル特性を表す
スペクトルパラメータを抽出するスペクトル分析手段
と、スペクトルパラメータをスペクトル符号語として複
数セット格納したスペクトル符号帳と、前記スペクトル
分析手段で抽出されたスペクトルパラメータとの距離の
近い有限個のスペクトル符号語を前記スペクトル符号帳
から予備選択するスペクトル予備選択手段と、一ピッチ
周期の声門音源波モデルに基づいて定義された音源信号
を表す音源パラメータを音源符号語として複数セット格
納した音源符号帳と、過去に選択された音源符号語との
音源パラメータ上の距離の近い有限個の音源符号語を前
記音源符号帳から予備選択する音源予備選択手段と、前
記音源予備選択手段で予備選択された前記有限個の音源
符号語から音源信号を生成する第１の音源生成手段と、
前記有限個のスペクトル符号語と前記音源信号とから合
成音声を生成する第１の合成手段と、前記合成音声と前
記入力音声の距離を最小にするスペクトル符号語と音源
符号語の組み合わせを前記スペクトル予備選択手段及び
前記音源予備選択手段でそれぞれ予備選択された前記有
限個のスペクトル符号語と前記有限個の音源符号語の中
から選択し、選択された組み合わせのスペクトル符号語
及び音源符号語に対応するスペクトル符号語番号及び音
源符号語番号を出力する最適符号語選択手段とを備える
音声符号化装置で符号化された音声を復号化する音声復
号化装置において、前記音声符号化装置と同じスペクト
ル符号帳と、前記音声符号化装置と同じ音源符号帳と、
前記スペクトル符号語番号に対応するスペクトル符号語
を前記スペクトル符号帳より取得するスペクトル逆量子
化手段と、前記音源符号語番号に対応する音源符号語を
前記音源符号帳より取得する音源逆量子化手段と、前記
音源逆量子化手段で取得された音源符号語から音源信号
を生成する第２の音源生成手段と、前記第２の音源生成
手段で生成された音源信号と前記スペクトル逆量子化手
段で取得されたスペクトル符号語とから合成音声を生成
する第２の合成手段を備えるものである。また、次の発
明に係る音声復号化装置は、前記スペクトル逆量子化手
段により得られた現在のフレームのスペクトル符号語と
前フレームのスペクトル符号語をピッチ周期毎に補間
し、得られた補間スペクトルパラメータを出力するスペ
クトル補間手段と、前記音源逆量子化手段により得られ
た現在のフレームの音源符号語と前フレームで選択され
た音源符号語をピッチ周期毎に補間し、得られた補間音
源パラメータを出力する音源補間手段とを備え、前記第
２の音源生成手段は、前記補間音源パラメータからフレ
ーム内の音源信号を生成するように構成されるものであ
る。
【００１４】さらにまた、次の発明に係る音源生成方法
は、下式の波形ｇ（ｎ）よりなる一ピッチ周期の音源信
号を生成するものである。 ｇ（ｎ）＝Ａｎ−Ｂｎ2 （０≦ｎ≦Ｌ1） ｇ（ｎ）＝Ｃ（ｎ−Ｌ2）2 （Ｌ1＜ｎ≦Ｌ2） ｇ（ｎ）＝０ （Ｌ2＜ｎ≦Ｔ）ただしｎは時間、Ａ、Ｂ、Ｃは任意の変数、Ｌ 1 は声門
音源波の声門開放点から極小点までの時間、Ｌ 2 は声門
音源波の声門開放点から極小点を通過し0交差するまで
の時間、Ｔはピッチ周期である 。
は、下式の波形ｇ（ｎ）よりなる一ピッチ周期の音源信
号を生成するものである。 ｇ（ｎ）＝Ａｎ−Ｂｎ2 （０≦ｎ≦Ｌ1） ｇ（ｎ）＝Ｃ（ｎ−Ｌ2）2 （Ｌ1＜ｎ≦Ｌ2） ｇ（ｎ）＝０ （Ｌ2＜ｎ≦Ｔ）ただしｎは時間、Ａ、Ｂ、Ｃは任意の変数、Ｌ 1 は声門
音源波の声門開放点から極小点までの時間、Ｌ 2 は声門
音源波の声門開放点から極小点を通過し0交差するまで
の時間、Ｔはピッチ周期である 。
【００１５】
【作用】この発明においては、スペクトル分析手段によ
り得られたスペクトルパラメータとの距離が小さいスペ
クトル符号語をスペクトル予備選択手段がスペクトル符
号帳から有限Ｌ個予備選択し、音源予備選択手段が、過
去に選択された音源符号語との音源パラメータ上の距離
の近い音源符号語を音源符号帳から有限Ｍ個予備選択
し、最適符号語選択手段が合成音声と入力音声の距離を
最小にするスペクトル符号語と音源符号語の組み合わせ
を予備選択スペクトル符号語と予備選択音源符号語の中
から選択してそれぞれ番号を出力することで安定に演算
量少なく符号化がおこなわれ、また復号化部では選択ス
ペクトル符号語番号、予備選択音源符号語番号により適
正に復号化が行われる。またこの発明に係わる音源生成
方法によれば、少ないパラメータで良好に一ピッチ周期
の音源信号が生成される。
り得られたスペクトルパラメータとの距離が小さいスペ
クトル符号語をスペクトル予備選択手段がスペクトル符
号帳から有限Ｌ個予備選択し、音源予備選択手段が、過
去に選択された音源符号語との音源パラメータ上の距離
の近い音源符号語を音源符号帳から有限Ｍ個予備選択
し、最適符号語選択手段が合成音声と入力音声の距離を
最小にするスペクトル符号語と音源符号語の組み合わせ
を予備選択スペクトル符号語と予備選択音源符号語の中
から選択してそれぞれ番号を出力することで安定に演算
量少なく符号化がおこなわれ、また復号化部では選択ス
ペクトル符号語番号、予備選択音源符号語番号により適
正に復号化が行われる。またこの発明に係わる音源生成
方法によれば、少ないパラメータで良好に一ピッチ周期
の音源信号が生成される。
【００１６】
実施例１．図１はこの発明の一実施例に係る音声符号化
復号化装置の符号化部の構成図、図２は復号化部の構成
図である。以下、動作についてを説明する。なお図１、
図２において図６と同一の部分については同一符号を付
している。まず、図１の符号化部について説明する。
復号化装置の符号化部の構成図、図２は復号化部の構成
図である。以下、動作についてを説明する。なお図１、
図２において図６と同一の部分については同一符号を付
している。まず、図１の符号化部について説明する。
【００１７】AR分析手段４は入力音声１をAR分析して、
AR５を出力する。AR予備選択手段６は距離尺度として例
えば２乗距離を用い、AR５とのパラメータ間の距離の近
いAR符号語をAR符号帳７より有限Ｌ個選択し、これを予
備選択AR符号語８として出力する。
AR５を出力する。AR予備選択手段６は距離尺度として例
えば２乗距離を用い、AR５とのパラメータ間の距離の近
いAR符号語をAR符号帳７より有限Ｌ個選択し、これを予
備選択AR符号語８として出力する。
【００１８】音源位置検出手段２は、例えば、入力音声
１のLPC残差信号のピッチ周期毎のピーク位置を検出
し、これを音源位置３として出力する。
１のLPC残差信号のピッチ周期毎のピーク位置を検出
し、これを音源位置３として出力する。
【００１９】音源予備選択手段９は距離尺度として例え
ば音源パラメータ間の重み付け２乗距離を用い、前フレ
ームで選択された音源符号語との距離が小さい音源符号
語を音源符号帳１０から有限Ｍ個選択し、これを予備選
択音源符号語１１として出力する。音源生成手段１２は
予備選択音源符号語１１からを用い、音源位置３に同期
した音源を生成し、音源１３として出力する。
ば音源パラメータ間の重み付け２乗距離を用い、前フレ
ームで選択された音源符号語との距離が小さい音源符号
語を音源符号帳１０から有限Ｍ個選択し、これを予備選
択音源符号語１１として出力する。音源生成手段１２は
予備選択音源符号語１１からを用い、音源位置３に同期
した音源を生成し、音源１３として出力する。
【００２０】MA算出手段１４は予備選択AR符号語８と音
源１３を用いてMA１５を算出する。MA予備選択手段１６
は距離尺度として例えばパラメータ間の２乗距離を用
い、MA１５との距離の近いMA符号語をMA符号帳１７より
有限Ｎ個選択し、これを予備選択MA符号語１８として出
力する。
源１３を用いてMA１５を算出する。MA予備選択手段１６
は距離尺度として例えばパラメータ間の２乗距離を用
い、MA１５との距離の近いMA符号語をMA符号帳１７より
有限Ｎ個選択し、これを予備選択MA符号語１８として出
力する。
【００２１】合成手段１９は予備選択AR符号語８と予備
選択MA符号語１８と音源１３より合成音声２０を生成す
る。最適符号語選択手段２１は、入力音声１と合成音声
２０の距離が最も小さくなるAR符号語とMA符号語と音源
符号語の組み合わせを選択し、その組み合わせにおける
AR符号語番号２２とMA符号語番号２３と音源符号語番号
２４を出力する。
選択MA符号語１８と音源１３より合成音声２０を生成す
る。最適符号語選択手段２１は、入力音声１と合成音声
２０の距離が最も小さくなるAR符号語とMA符号語と音源
符号語の組み合わせを選択し、その組み合わせにおける
AR符号語番号２２とMA符号語番号２３と音源符号語番号
２４を出力する。
【００２２】図３は、最適符号語選択手段の動作の一例
を説明したもので、まず前後の数ピッチ周期も含めた距
離計算範囲ａでの入力音声（実線）と合成音声（破線）
の距離E1を最小にするAR符号語とMA符号語と音源符号語
の組み合わせを選択し、距離E1が予め定められた閾値E0
以下の場合はこれを選択する。
を説明したもので、まず前後の数ピッチ周期も含めた距
離計算範囲ａでの入力音声（実線）と合成音声（破線）
の距離E1を最小にするAR符号語とMA符号語と音源符号語
の組み合わせを選択し、距離E1が予め定められた閾値E0
以下の場合はこれを選択する。
【００２３】距離E1が予め定められた閾値E0を越えた場
合は、入力音声のパワーの大きい数ピッチ周期長を距離
計算範囲ｂ（ｂ＜ａ）として、この範囲での入力音声と
合成音声の距離を最小にするAR符号語とMA符号語と音源
符号語の組み合わせを選択する。
合は、入力音声のパワーの大きい数ピッチ周期長を距離
計算範囲ｂ（ｂ＜ａ）として、この範囲での入力音声と
合成音声の距離を最小にするAR符号語とMA符号語と音源
符号語の組み合わせを選択する。
【００２４】なお、AR符号帳７と音源符号帳１０とMA符
号帳１７は、大量の学習音声についてパラメータ毎のA-
b-Sにより安定解になるまで求解したARパラメータと音
源パラメータとMAパラメータを例えばLBGアルゴリズム
によりそれぞれクラスタリングして作成されている。
号帳１７は、大量の学習音声についてパラメータ毎のA-
b-Sにより安定解になるまで求解したARパラメータと音
源パラメータとMAパラメータを例えばLBGアルゴリズム
によりそれぞれクラスタリングして作成されている。
【００２５】次に図２の復号化部について説明する。AR
逆量子化手段２５はAR符号語番号２２に対応するAR符号
語２７をAR符号帳２６より得る。
逆量子化手段２５はAR符号語番号２２に対応するAR符号
語２７をAR符号帳２６より得る。
【００２６】MA逆量子化手段３０はMA符号語番号２３に
対応するMA符号語３２をMA符号帳３１より得る。音源逆
量子化手段３５は音源符号語番号２４に対応する音源符
号語３７を音源符号帳３６より得る。
対応するMA符号語３２をMA符号帳３１より得る。音源逆
量子化手段３５は音源符号語番号２４に対応する音源符
号語３７を音源符号帳３６より得る。
【００２７】図４はAR符号語とMA符号語と音源符号語の
補間方法を示した説明図で、図中、Ｖ、Ｗ、Ｘ、Ｙ、Ｚ
は一ピッチ周期の合成区間である。AR補間手段２８は、
現在のフレームのAR符号語２７と前フレームのAR符号語
を前記区間毎に例えば線形補間し、補間AR２９として出
力する。
補間方法を示した説明図で、図中、Ｖ、Ｗ、Ｘ、Ｙ、Ｚ
は一ピッチ周期の合成区間である。AR補間手段２８は、
現在のフレームのAR符号語２７と前フレームのAR符号語
を前記区間毎に例えば線形補間し、補間AR２９として出
力する。
【００２８】MA補間手段３２は現在のフレームのMA符号
語３２と前フレームのMA符号語を前記区間毎に例えば線
形補間し、補間MA３４として出力する。音源補間手段３
８は現在のフレームの音源符号語３７と前フレームの符
号語を前記区間毎に例えば線形補間し、補間音源パラメ
ータ３９として出力する。音源生成手段４０は、補間音
源パラメータ３９から音源４１を生成する。合成手段４
２は、音源４１と補間AR２９と補間MA３４から合成音声
４３を生成する。
語３２と前フレームのMA符号語を前記区間毎に例えば線
形補間し、補間MA３４として出力する。音源補間手段３
８は現在のフレームの音源符号語３７と前フレームの符
号語を前記区間毎に例えば線形補間し、補間音源パラメ
ータ３９として出力する。音源生成手段４０は、補間音
源パラメータ３９から音源４１を生成する。合成手段４
２は、音源４１と補間AR２９と補間MA３４から合成音声
４３を生成する。
【００２９】上記のようにそれぞれ前後のフレームの符
号語との間で補間しながら合成することによりフレーム
同期処理を行うことで、低ビットレート化及び固定ビッ
トレート化を可能にする。なお、AR符号帳７とAR符号帳
２６、音源符号帳１０と音源符号帳３６、MA符号帳１７
とMA符号帳３１はそれぞれ同じものである。
号語との間で補間しながら合成することによりフレーム
同期処理を行うことで、低ビットレート化及び固定ビッ
トレート化を可能にする。なお、AR符号帳７とAR符号帳
２６、音源符号帳１０と音源符号帳３６、MA符号帳１７
とMA符号帳３１はそれぞれ同じものである。
【００３０】図５はこの発明の音源生成方法を説明する
ための、音源波モデルの一実施例を示す説明図であり、
図中縦軸は音源波の時間微分値で、横軸は時間である。
また区間ａは声門開放点から極小点までの時間、区間ｂ
はピッチ周期Ｔから区間ａを差し引いた時間、区間ｃは
極小点から０交差するまでの時間、区間ｄは声門開放点
から最初に０交差するまでの時間である。
ための、音源波モデルの一実施例を示す説明図であり、
図中縦軸は音源波の時間微分値で、横軸は時間である。
また区間ａは声門開放点から極小点までの時間、区間ｂ
はピッチ周期Ｔから区間ａを差し引いた時間、区間ｃは
極小点から０交差するまでの時間、区間ｄは声門開放点
から最初に０交差するまでの時間である。
【００３１】この音源波モデルは声門音源波の微分波形
上で定義されるものであり、微分声門音源波は、ピッチ
周期Ｔ、振幅ＡＭ、ＯＱ（区間ａがピッチ周期中に占め
る割合）、ＯＰ（区間ｄが区間ａに占める割合）、ＣＴ
（区間ｃが区間ｂに占める割合）の５つの音源パラメー
タを用いて式（３）から算出される。なお、式中ｎは時
間である。また式（３）中、Ａ、Ｂ、Ｃ、Ｌは式（４）
で定義される変数である。
上で定義されるものであり、微分声門音源波は、ピッチ
周期Ｔ、振幅ＡＭ、ＯＱ（区間ａがピッチ周期中に占め
る割合）、ＯＰ（区間ｄが区間ａに占める割合）、ＣＴ
（区間ｃが区間ｂに占める割合）の５つの音源パラメー
タを用いて式（３）から算出される。なお、式中ｎは時
間である。また式（３）中、Ａ、Ｂ、Ｃ、Ｌは式（４）
で定義される変数である。
【００３２】
【数３】
【００３３】
【数４】
【００３４】実施例２．上記実施例１では１フレームに
一組のAR符号語、MA符号語、音源符号語を選択している
が、それぞれのパラメータに対し複数の符号語を選択す
ることも可能である。
一組のAR符号語、MA符号語、音源符号語を選択している
が、それぞれのパラメータに対し複数の符号語を選択す
ることも可能である。
【００３５】実施例３．上記実施例１ではスペクトルパ
ラメータとしてARとMAを用いているが、ARのみとするこ
とも可能である。
ラメータとしてARとMAを用いているが、ARのみとするこ
とも可能である。
【００３６】実施例４．上記実施例１では合成手段にお
いて合成音声をスペクトルパラメータと音源パラメータ
より生成しているが、スペクトルパラメータと音源パラ
メータを補間しながら合成音声を生成し、合成音声と入
力音声の距離を計算することも可能である。
いて合成音声をスペクトルパラメータと音源パラメータ
より生成しているが、スペクトルパラメータと音源パラ
メータを補間しながら合成音声を生成し、合成音声と入
力音声の距離を計算することも可能である。
【００３７】実施例５．上記実施例１の最適符号語選択
手段において、合成音声と入力音声の距離の大きいフレ
ームでは、スペクトルパラメータと音源パラメータを前
後のフレームから補間して現フレームのパラメータとす
ることも可能である。
手段において、合成音声と入力音声の距離の大きいフレ
ームでは、スペクトルパラメータと音源パラメータを前
後のフレームから補間して現フレームのパラメータとす
ることも可能である。
【００３８】実施例６．上記実施例１では音源符号語に
ピッチ周期Ｔと振幅ＡＭを含めているが、ピッチ周期Ｔ
と振幅ＡＭは音源符号語から除いてクラスタリングして
音源符号帳を作成し、ピッチ周期と振幅は別途符号化復
号化することも可能である。
ピッチ周期Ｔと振幅ＡＭを含めているが、ピッチ周期Ｔ
と振幅ＡＭは音源符号語から除いてクラスタリングして
音源符号帳を作成し、ピッチ周期と振幅は別途符号化復
号化することも可能である。
【００３９】
【発明の効果】以上説明したようにこの発明の音声符号
化装置によれば、入力音声と合成音声の距離を最小にす
るスペクトル符号語と音源符号語の組み合わせをそれぞ
れ予め予備選択された有限個のスペクトル符号語と有限
個の音源符号語の安定な符号後の中から選択することで
スペクトルパラメータと音源パラメータの求解を安定化
し、スペクトル符号語と音源符号語の予備選択を行うこ
とでスペクトルパラメータと音源パラメータの求解にお
ける演算量を削減する効果がある。また、次の発明の音
声符号化装置によれば、前及び又は後のフレームを含む
複数フレーム中の数ピッチ周期の範囲において、入力音
声と合成音声の距離を最小にするスペクトル符号語と音
源符号語の組み合わせをそれぞれ予め予備選択された有
限個のスペクトル符号語と有限個の音源符号語の安定な
符号後の中から選択することで、入力音声と合成音声の
距離の大きいフレームでもスペクトルパラメータと音源
パラメータの求解を安定化し、スペクトル符号語と音源
符号語の予備選択を行うことでスペクトルパラメータと
音源パラメータの求解における演算量を削減する効果が
ある。
化装置によれば、入力音声と合成音声の距離を最小にす
るスペクトル符号語と音源符号語の組み合わせをそれぞ
れ予め予備選択された有限個のスペクトル符号語と有限
個の音源符号語の安定な符号後の中から選択することで
スペクトルパラメータと音源パラメータの求解を安定化
し、スペクトル符号語と音源符号語の予備選択を行うこ
とでスペクトルパラメータと音源パラメータの求解にお
ける演算量を削減する効果がある。また、次の発明の音
声符号化装置によれば、前及び又は後のフレームを含む
複数フレーム中の数ピッチ周期の範囲において、入力音
声と合成音声の距離を最小にするスペクトル符号語と音
源符号語の組み合わせをそれぞれ予め予備選択された有
限個のスペクトル符号語と有限個の音源符号語の安定な
符号後の中から選択することで、入力音声と合成音声の
距離の大きいフレームでもスペクトルパラメータと音源
パラメータの求解を安定化し、スペクトル符号語と音源
符号語の予備選択を行うことでスペクトルパラメータと
音源パラメータの求解における演算量を削減する効果が
ある。
【００４０】さらにまた、次の発明の音声復号化装置に
よれば、入力音声と合成音声の距離を最小にするスペク
トル符号語と音源符号語の組み合わせをそれぞれ予め予
備選択された有限個のスペクトル符号語と有限個の音源
符号語の安定な符号語の中から選択して音声を符号化す
る音声符号化装置と同じ符号語を格納した符号帳を備え
ることで、前記音声符号化装置によって符号化された音
声を復号化することができる。また、次の発明の音声復
号化装置によれば、スペクトル符号語と音源符号語をそ
れぞれ前後のフレームの符号語との間で補間しながら合
成することによりフレーム同期処理を行うことで、低ビ
ットレート化及び固定ビットレート化を可能にする。
よれば、入力音声と合成音声の距離を最小にするスペク
トル符号語と音源符号語の組み合わせをそれぞれ予め予
備選択された有限個のスペクトル符号語と有限個の音源
符号語の安定な符号語の中から選択して音声を符号化す
る音声符号化装置と同じ符号語を格納した符号帳を備え
ることで、前記音声符号化装置によって符号化された音
声を復号化することができる。また、次の発明の音声復
号化装置によれば、スペクトル符号語と音源符号語をそ
れぞれ前後のフレームの符号語との間で補間しながら合
成することによりフレーム同期処理を行うことで、低ビ
ットレート化及び固定ビットレート化を可能にする。
【００４１】また、この発明の音源生成方法を用いれ
ば、少ないパラメータで一ピッチ周期の音源を良好に表
現し、音源パラメータ求解における演算量を削減する効
果を奏する。
ば、少ないパラメータで一ピッチ周期の音源を良好に表
現し、音源パラメータ求解における演算量を削減する効
果を奏する。
【図１】この発明の実施例を示す音声符号化復号化装置
の符号化部の構成図である。
の符号化部の構成図である。
【図２】この発明の実施例を示す音声符号化復号化装置
の復号化部の構成図である。
の復号化部の構成図である。
【図３】この発明の実施例における最適符号語選択手段
の動作説明図である。
の動作説明図である。
【図４】この発明の実施例における音源符号語とAR符号
語とMA符号語の補間方法の説明図である。
語とMA符号語の補間方法の説明図である。
【図５】この発明の音源生成方法による音源波モデルの
説明図である。
説明図である。
【図６】従来の音声符号化復号化装置を示す構成図であ
る。
る。
【図７】従来の音源波モデルの説明図である。
１ 入力音声 ２ 音源位置検出手段 ４ AR分析手段 ６ AR予備選択手段 ７ AR符号帳 ８ 予備選択AR符号語 ９ 音源予備選択手段 １０ 音源符号帳 １１ 予備選択音源符号語 １２ 音源生成手段 １４ MA算出手段 １６ MA予備選択手段 １７ MA符号帳 １８ 予備選択MA符号語 １９ 合成手段 ２１ 最適符号語選択手段 ２５ AR逆量子化手段 ２６ AR符号帳 ２８ AR補間手段 ３０ MA逆量子化手段 ３１ MA符号帳 ３２ MA符号語 ３３ MA補間手段 ３５ 音源逆量子化手段 ３６ 音源符号帳 ３８ 音源補間手段 ４０ 音源生成手段 ４２ 合成手段
───────────────────────────────────────────────────── フロントページの続き (56)参考文献 特開 昭62−254196（ＪＰ，Ａ) 特開 平１−319799（ＪＰ，Ａ) 特開 昭61−252600（ＪＰ，Ａ) 特開 平２−84699（ＪＰ，Ａ) 特開 平３−231800（ＪＰ，Ａ) (58)調査した分野(Int.Cl.7，ＤＢ名) G10L 19/00 - 19/14 H03M 7/30 H04B 14/04
Claims (4)
- 【請求項１】 入力音声を分析して周波数スペクトル特
性を表すスペクトルパラメータを抽出するスペクトル分
析手段と、 スペクトルパラメータをスペクトル符号語として複数セ
ット格納したスペクトル符号帳と、 前記スペクトル分析手段で抽出されたスペクトルパラメ
ータとの距離の近い有限個のスペクトル符号語を前記ス
ペクトル符号帳から予備選択するスペクトル予備選択手
段と、 一ピッチ周期の声門音源波モデルに基づいて定義された
音源信号を表す音源パラメータを音源符号語として複数
セット格納した音源符号帳と、 過去に選択された音源符号語との音源パラメータ上の距
離の近い有限個の音源符号語を前記音源符号帳から予備
選択する音源予備選択手段と、前記 音源予備選択手段で予備選択された前記有限個の音
源符号語から音源信号を生成する音源生成手段と、 前記有限個のスペクトル符号語と前記音源信号とから合
成音声を生成する合成手段と、 前記合成音声と前記入力音声の距離を最小にするスペク
トル符号語と音源符号語の組み合わせを前記スペクトル
予備選択手段及び前記音源予備選択手段でそれぞれ予備
選択された前記有限個のスペクトル符号語と前記有限個
の音源符号語の中から選択し、選択された組み合わせの
スペクトル符号語及び音源符号語に対応するスペクトル
符号語番号及び音源符号語番号を出力する最適符号語選
択手段とを備えることを特徴とする音声符号化装置。 - 【請求項２】 前記入力音声から一定時間の分析フレー
ム内に存在する全ての一ピッチ周期の音源信号の開始点
を検出し音源位置として出力する音源位置検出手段を備
え、 前記音源生成手段は、前記音源予備選択手段で予備選択
された前記有限個の音源符号語を用いて前記音源位置検
出手段で出力された音源位置に同期した音源信号を生成
し、 前記最適符号語選択手段は、前及び又は後のフレームを
含む複数フレーム中の数ピッチ周期の範囲において、前
記合成音声と前記入力音声の距離を最小にするスペクト
ル符号語と音源符号語の組み合わせを前記スペクトル予
備選択手段及び前記音源予備選択手段でそれぞれ予備選
択された前記有限個のスペクトル符号語と前記有限個の
音源符号語の中から選択するように構成されることを特
徴とする請求項１記載の音声符号化装置。 - 【請求項３】 入力音声を分析して周波数スペクトル特
性を表すスペクトルパラメータを抽出するスペクトル分
析手段と、 スペクトルパラメータをスペクトル符号語として複数セ
ット格納したスペクトル符号帳と、 前記スペクトル分析手段で抽出されたスペクトルパラメ
ータとの距離の近い有限個のスペクトル符号語を前記ス
ペクトル符号帳から予備選択するスペクトル予備選択手
段と、 一ピッチ周期の声門音源波モデルに基づいて定義された
音源信号を表す音源パラメータを音源符号語として複数
セット格納した音源符号帳と、 過去に選択された音源符号語との音源パラメータ上の距
離の近い有限個の音源符号語を前記音源符号帳から予備
選択する音源予備選択手段と、前記 音源予備選択手段で予備選択された前記有限個の音
源符号語から音源信号を生成する第１の音源生成手段
と、 前記有限個のスペクトル符号語と前記音源信号とから合
成音声を生成する第１の合成手段と、 前記合成音声と前記入力音声の距離を最小にするスペク
トル符号語と音源符号語の組み合わせを前記スペクトル
予備選択手段及び前記音源予備選択手段でそれぞれ予備
選択された前記有限個のスペクトル符号語と前記有限個
の音源符号語の中から選択し、選択された組み合わせの
スペクトル符号語及び音源符号語に対応するスペクトル
符号語番号及び音源符号語番号を出力する最適符号語選
択手段とを備える音声符号化装置で符号化された音声を
復号化する音声復号化装置において、 前記音声符号化装置と同じスペクトル符号帳と、 前記音声符号化装置と同じ音源符号帳と、 前記スペクトル符号語番号に対応するスペクトル符号語
を前記スペクトル符号帳より取得するスペクトル逆量子
化手段と、 前記音源符号語番号に対応する音源符号語を前記音源符
号帳より取得する音源逆量子化手段と、前記音源逆量子化手段で取得された 音源符号語から音源
信号を生成する第２の音源生成手段と、 前記第２の音源生成手段で生成された音源信号と前記ス
ペクトル逆量子化手段で取得されたスペクトル符号語と
から合成音声を生成する第２の合成手段を備えることを
特徴とする音声復号化装置。 - 【請求項４】 前記スペクトル逆量子化手段により得ら
れた現在のフレームのスペクトル符号語と前フレームの
スペクトル符号語をピッチ周期毎に補間し、得られた補
間スペクトルパラメータを出力するスペクトル補間手段
と、 前記音源逆量子化手段により得られた現在のフレームの
音源符号語と前フレームで選択された音源符号語をピッ
チ周期毎に補間し、得られた補間音源パラメータを出力
する音源補間手段とを備え、 前記第２の音源生成手段は、前記補間音源パラメータか
らフレーム内の音源信号を生成するように構成されるこ
とを特徴とする請求項３記載の音声復号化装置。
Priority Applications (5)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP24566691A JP3254696B2 (ja) | 1991-09-25 | 1991-09-25 | 音声符号化装置、音声復号化装置および音源生成方法 |
| CA002078927A CA2078927C (en) | 1991-09-25 | 1992-09-23 | Code-book driven vocoder device with voice source generator |
| EP92116408A EP0534442B1 (en) | 1991-09-25 | 1992-09-24 | Vocoder device for encoding and decoding speech signals |
| DE69229660T DE69229660T2 (de) | 1991-09-25 | 1992-09-24 | Vokoder zur Kodierung und Dekodierung von Sprachsignalen |
| US07/951,727 US5553194A (en) | 1991-09-25 | 1992-09-25 | Code-book driven vocoder device with voice source generator |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP24566691A JP3254696B2 (ja) | 1991-09-25 | 1991-09-25 | 音声符号化装置、音声復号化装置および音源生成方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH0580798A JPH0580798A (ja) | 1993-04-02 |
| JP3254696B2 true JP3254696B2 (ja) | 2002-02-12 |
Family
ID=17137012
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP24566691A Expired - Fee Related JP3254696B2 (ja) | 1991-09-25 | 1991-09-25 | 音声符号化装置、音声復号化装置および音源生成方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3254696B2 (ja) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0830299A (ja) * | 1994-07-19 | 1996-02-02 | Nec Corp | 音声符号化装置 |
| CA2415105A1 (en) * | 2002-12-24 | 2004-06-24 | Voiceage Corporation | A method and device for robust predictive vector quantization of linear prediction parameters in variable bit rate speech coding |
-
1991
- 1991-09-25 JP JP24566691A patent/JP3254696B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JPH0580798A (ja) | 1993-04-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| RU2255380C2 (ru) | Способ и устройство воспроизведения речевых сигналов и способ их передачи | |
| US4821324A (en) | Low bit-rate pattern encoding and decoding capable of reducing an information transmission rate | |
| JP2003512654A (ja) | 音声の可変レートコーディングのための方法およびその装置 | |
| JP3364825B2 (ja) | 音声符号化装置および音声符号化復号化装置 | |
| MXPA06012617A (es) | Codificacion de audio con diferentes longitudes de cuadro de codificacion. | |
| JPH0353300A (ja) | 音声符号化装置 | |
| KR20100086000A (ko) | 오디오 신호 처리 방법 및 장치 | |
| JP2707564B2 (ja) | 音声符号化方式 | |
| JPH0713600A (ja) | 駆動同期時間符号化ボコーダおよび方法 | |
| EP1096476B1 (en) | Speech signal decoding | |
| JP4558205B2 (ja) | スピーチコーダパラメータの量子化方法 | |
| US6064955A (en) | Low complexity MBE synthesizer for very low bit rate voice messaging | |
| US5673364A (en) | System and method for compression and decompression of audio signals | |
| EP1727130A2 (en) | Speech signal decoding method and apparatus | |
| WO2004070541A2 (en) | 600 bps mixed excitation linear prediction transcoding | |
| JP3254696B2 (ja) | 音声符号化装置、音声復号化装置および音源生成方法 | |
| US5553194A (en) | Code-book driven vocoder device with voice source generator | |
| JPH10143199A (ja) | 音声符号化方法および復号化方法 | |
| JP2003044099A (ja) | ピッチ周期探索範囲設定装置及びピッチ周期探索装置 | |
| JP3050978B2 (ja) | 音声符号化方法 | |
| JP2797348B2 (ja) | 音声符号化・復号化装置 | |
| JP3296411B2 (ja) | 音声符号化方法および復号化方法 | |
| JP2992045B2 (ja) | 音声符号化装置 | |
| JP3148920B2 (ja) | 音声符号化復号化装置 | |
| JPH1185198A (ja) | ボコーダ符号化復号装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| LAPS | Cancellation because of no payment of annual fees |