JP3256215B2 - 音声符号化装置 - Google Patents

Description

【発明の詳細な説明】 （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８〜4.
8kb/s程度で高品質に符号化するための音声符号化方式
に関する。

（従来の技術） 音声信号を８〜4.8kb/s程度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.Schroeder and B.At
al氏による“Code−excited linear prediction:High q
uality speech at very low bit rates"（Proc.ICASSP,
pp.937−940,1985年）と題した論文（文献１）等に記載
されているCELP（Code Excited LPC Coding）が知られ
ている。この方法では、送信側では、フレード毎（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（ヒッチ相
関）を表すピッチパラメータを抽出し、ピッチパラメー
タにより前記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、前記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、前記スペクトル
パラメータとピッチパラメータを伝送する。受信側の説
明は省略する。

（発明が解決しようとする課題） 上述した文献１の従来方式では、高音質を得るために
は一般に、雑音信号から構成されるコードブックのビッ
トサイズを10ビット以上にきわめて大きくする必要があ
るため、コードブックを探索して最適な雑音信号（コー
ドワード）を求めるために膨大な演算量が必要であると
いう問題点があった。さらに、コードブックが基本的に
雑音信号から構成されるために、コードブックから選択
された音源信号により再生された再生音声の音質は雑音
感がともなうという問題点があった。

本発明の目的は、上述した問題点を解決し、比較的少
ない演算量及びメモリ量により、８〜4.8kb/s程度で音
質の良好な音声符号化方式を提供することにある。

（課題を解決するための手段） 本発明による音声符号化装置は、 入力した離散的な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、 前記音声信号のスペクトラム包絡を表すスペクトルパ
ラメータを求めて出力する手段と、 前記フレームを予め定められた時間長の小区間に分割
する手段と、 過去の音源信号をもとに再生した信号が前記音声信号
に近くなるようにピッチパラメータを求める手段と、 前記音声信号をもとに予め学習して構成した信号が、
インデクスに対応して格納された第１のコードブック
と、 予め定められた特性を有する信号が、インデクスに対
応して格納された第２のコードブックと、 前記第１のコードブックから選択した信号と、前記第
２のコードブックから選択した信号との線形結合により
前記音声信号の音源信号を表し、第１のコードブック、
第２のコードブックから選択された信号に対応するイン
デクスを出力するとともに、予め構成した第３のコード
ブックを用いて前記ピッチパラメータと前記音源信号の
少なくとも一方のゲインを量子化して出力する手段 とを備えることを特徴とする。

また、本発明による音声符号化装置は、 入力した離散的な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、 前記音声信号のスペクトラム包絡を表すスペクトルパ
ラメータを求めて出力する手段と、 前記フレームを予め定められた時間長の小区間に分割
する手段と、 過去の音源信号をもとに再生した信号が前記音声信号
に近くなるようにピッチパラメータの遅延量を求める手
段と、 予め構成したコードブックを用いて前記ピッチパラメ
ータのゲインを量子化して出力する手段と、 前記ピッチパラメータを用いて前記入力信号に対して
ピッチ予測を行ってピッチ予測信号を得、前記入力信号
と、このピッチ予測信号との差信号である残差信号を求
める手段と、 前記音声信号をもとに予め学習して構成した信号が、
インデクスに対応して格納された第１のコードブック
と、 予め定められた特性を有する信号が、インデクスに対
応して格納された第２のコードブックと、 前記第１のコードブックから前記残差信号をよく表す
第１の信号を選択する手段と、 前記第２のコードブックから前記残差信号に基づく信
号をよく表す第２の信号を選択する手段と、 前記第１の信号と前記第２の信号との線形結合により
前記音声信号の音源信号を表し、前記第１の信号、第２
の信号に対応するインデクスを出力する手段 とを有することを特徴とする。

（作用） 本発明による音声符号化方式の作用を示す。

第１の発明では、フレームを分割したサブフレーム毎
に、下式を最小化するように音源信号を求める。

ここでβ、Ｍは長期相関にもとづくピッチ予測（適応
コードブック）のピッチパラメータ、すなわちゲイン及
び遅延であり、ｖ（ｎ）は過去の音源信号である。ｈ
（ｎ）はスペクトルパラメータにより構成される合成フ
ィルタのインパルス応答、ｗ（ｎ）は聴感重み付けフィ
ルタのインパルス応答を示す。記号＊は畳み込み演算を
示す。なお、ｗ（ｎ）の詳細については前記文献１を参
照できる。

また、ｄ（ｎ）はコードブックにより表される残差信
号示し、下式のように、第１のコードブックから選択さ
れたコードワードc₁（ｎ）と第２のコードブックから選
択されたコードワードc₂（ｎ）との線形結合で表され
る。

ここでγ_１、γ_２は選択されたコードワードc
_1j（ｎ）、c_2j（ｎ）のゲインを示す。従って、本発明
では、２種類のコードブックに分解して音源信号が表さ
れることになるため、各コードブックはコードブック全
体のビット数の1/2でよい。例えばコードブック全体の
ビット数を10ビットとすると、第１、２のコードブック
は５ビットずつでよく、コードブック探索の演算量を大
幅に低減できる。

各コードブックとして前記文献１のような雑音コード
ブックを用いると、（２）式のように分割すると、特性
的には10ビット分のコードブックよりも劣化し全体で７
〜８ビット分の性能しか出せない。

そこで、本発明では、高性能を得るために、第１のコ
ードブックはトレーニングデータを用いてあらかじめ学
習させることにより構成する。学習によるコードブック
の構成法としては、例えば、Lindeらによる“An Algori
thm for Vector Quantization Design"と題した論文（I
EEE Trans.COM−28,pp.84−95,1980年）（文献２）等が
知られている。

学習のときの距離尺度としては通常、２乗距離（ユー
クリッド距離）が用いられるが、本方法では２乗距離よ
りも性能の良好な次式による聴感重み付け距離尺度用い
る。

ここでt_j（ｎ）はｊ番目のトレーニングデータ、c
₁（ｎ）はクラスタ１のコードワードである。クラスタ
１のセントロイド（代表コードワード）は、クラスタ１
内のトレーニングデータを用いて（４）式あるいは
（５）式を最小化するように求める。

（５）式においてｇは最適ゲインを示す。

第２のコードブックは、第１のコードブックによるト
レーニングデータ依存性を救済するために、前記文献１
のガウス性雑音信号のようなあらかじめ統計的特性が確
定した雑音信号あるいは乱数信号からなるコードブック
や、他の特性を有するコードブックを使用する。なお、
雑音コードブックに対して、ある距離尺度のもとで選別
を行うことにより、さらに特性が改善される。詳細には
T.Moriya氏らによる“Transform Coding of Speech usi
ng a Weighted Vector Quantizer,"と題した論文（IEEE
J.Sel.Areas,Commun.,pp.425−431,1988年）。

（文献３）等を参照することができる。

さらに本発明では、第１、第２のコードブックから最
適なコードワードを選択した後に、第１、第２のコード
ブックのゲインγ_１、γ_２を、あらかじめ学習により構
成したコードブック（第３のコードブック）を用いて効
率的にベクトル量子化する。ベクトル量子化において、
最適コードワートの探索は、次式を最小化するコードワ
ードを選択する。

ここでγ'_iは各コードワードの示すベクトル量子化し
たゲインの値である。またc_j（ｎ）は、第１、第２のコ
ードブックから選択されたコードワードである。（６）
式において とすると、（６）、（７）式から次式を得る。

ここで である。また、（８）式の第１項は定数であるから、コ
ードワードの探索は（８）式の第２項以降を最大化する
ものを選択すればよい。

また、コードブック探索の演算量を大幅に低減するた
めには、下式に従いコードワードの選択を行ってもよ
い。

ゲインのベクトル量子化用のコードブックは、多量の
値からなるトレーニングデータを用いてあらかじめ学習
により構成する。コードブックの学習には前期文献２の
方法を用いることができる。ここで学習の際の距離尺度
は通常２乗距離であるが、さらに特性を改善するため
に、次式の距離尺度を用いることもできる。

ここでγ_tiはトレーニング用のゲインデータである。
γ'_i1はゲインコードブックのクラスタ１における代表
コードワードである。（12）式の距離尺度を用いるとき
は、クラスタ１におけるセントロイドSc_1iは次式を最小
化するように求める。

一方、学習における演算量を大幅に低減するためには
通常の２乗距離による次式の距離尺度を用いてもよい。

次に、第２の発明では、第１の発明に加えて、ピッチ
予測（適応コードブック）のピッチパラメータにおける
ゲインを、予め学習により構成したコードブックを用い
てベクトル量子化することを特徴とする。今ピッチ予測
の次数を１次とすると、ゲインをベクトル量子化するに
は、ピッチパラメータの遅延量Ｍを決定した後で、次式
を最小化するコードワードを選択する。

コードブックの学習の際の距離尺度は次式を用いる。

ここでβ_ｔはコードブックトレーニング用のゲインデ
ータである。なお、演算量を低減するためには下式を用
いることもできる。

（実施例） 第１図は第１の発明による音声符号化方式の一実施例
を示すブロック図である。

図において、送信側では、入力端子100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110に格納する。

LPC分析回路130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衆知のLPC分析を行いあらかじめ
定められた次数Ｌだけ計算する。この具体的な計算法に
ついては前記文献６を参照することができる。次にLSP
量子化回路140は、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1_kをマルチプレケクサ
260へ出力するとともに、これを復号化してさらに線形
予測係数a_i'（ｉ＝１〜Ｌ）に変換して重み付け回路20
0、インパルス応答計算回路170、合成フィルタ281へ出
力する。LSPパラメータの複合化、LSPパラメータから線
形予測係数への変換の方法についてはSugamura氏らによ
る“Quantizer Design in LSP Speech Analysis−Systh
esis"と題した論文（IEEE J.Sel.Arees,Commun.,pp.432
−440,1988年）（文献４）等を参照することができる。

サブフレーム分割回路150は、フレームの音声信号を
サブフレームに分割する。ここで例えばフレーム長は20
ms、サブフレーム長は5msとする。

減算器190は、サブフレームに分割された入力信号か
ら合成フィルタ281の出力を減算して出力する。

重み付け回路200は、減算した信号に対して衆知の聴
感重み付けを行う。聴感重み付け関数の詳細は前記文献
１を参照できる。

適応コードブック210は、合成フィルタ281の入力信号
ｖ（ｎ）を遅延回路206を介して入力し、さらにインパ
ルス応答出力回路170から重み付けインパルス応答h
_w（ｎ）、重み付け回路200から重み付け信号を入力し、
長期相関にもとづくピッチ予測を行い、ピッチパラメー
タとして遅延Ｍとゲインβを計算する。以下の説明では
適応コードブックの予測次数は１とするが、２次以上の
高次とすることもできる。１次の適応コードブックにお
ける遅延Ｍ、ゲインβの計算法は、Kleijin氏らによる
“Improved speech quality and efficient vector qua
ntization in SELP"と題した論文（ICASSP,pp.155−158
年、1988年）（文献５）に記載されているので説明を省
略する。

さらに、適応コードブック210は、次式により予測信
号_ｗ（ｎ）を減算器に出力する。また遅延Ｍをマルチ
プレクサ260へ出力する。

上式でｖ（ｎ−Ｍ）は合成フィルタ281の入力信号で
ある。h_w（ｎ）はインパルス応答計算回路170で求めた
重み付けインパルス応答である。

遅延回路206は、合成フィルタ入力信号ｖ（ｎ）を１
サブフレーム分遅延させて適応コードブック210へ出力
する。

演算器205は、重み付け回路200の出力信号から適応コ
ードブック210の出力_ｗ（ｎ）を減算し残差信号e
_w（ｎ）を第１のコードブック探索回路230に出力する。

減算器205は、重み付け回路200の出力信号から適応コ
ードブック210の出力_ｗ（ｎ）を減算し残差信号e
_w（ｎ）を第１のコードブック探索回路230に出力する。

インパルス応答計算回路170は、聴感重み付けした合
成フィルタのインパルス応答h_w（ｎ）を予め定められた
サンプル数Ｌだけ計算する。具体的な計算法は、前記文
献１等を参照できる。

第１のコードブック探索回路230は、第１のコードブ
ック235を用いて最適なコードワードc_1j（ｎ）を探索す
る。ここで作用の項に記したように、第１のコードブッ
クは、あらかじめトレーニング信号を用いて学習してお
く。

第２図は第１のコードブック探索回路230のブロック
図を示す。コードワードの探索は下式に従う。

（21）式を最小化するγ_１を求めるためには、（21）
式をγ_１で偏微分して０とおくことにより得た下式を用
いる。

ただし このとき（21）式は となる。ここで（25）式の第１項は定数であるので、第
２項を最大化するようにコードブックのコードワードc
_1j（ｎ）を選択し、（22）式からゲインγ_１を計算す
る。

第２図において、相互相関関数計算回路410は、（2
3）式の計算を行い、自己相関関数計算回路420は（24）
式の計算を行い、判別回路430は（25）式の計算を行
い、C_1j（ｎ）を選択し、それを表すインデクスを出力
する。

また、コードブックの探索に要する演算量を低減する
には、以下の方法を用いることもできる。

但し ここでμ（ｉ）、v_j（ｉ）はそれぞれh_w（ｎ）のｉ次遅
れの自己相関、コードワードc_1j（ｎ）のｉ次遅れの自
己相関を示す。

以上の方法により求めたコードワードを示すインデク
スをマルチプレクサ260に出力する。また、選択された
コードワードc_j（ｎ）を乗算器241に出力する。

乗算器241は、コードワードc_j（ｎ）にゲインγ_１を
下式により乗じて音源信号ｑ（ｎ）を求め合成フィルタ
250へ出力する。

合成フィルタ250は乗算器241の出力ｑ（ｎ）を入力
し、下式に従い重み付け合成信号y_w（ｎ）を求め出力す
る。

減算器255は、e_w（ｎ）からy_w（ｎ）を減算して第２
のコードブック探索回路270へ出力する。

第２のコードブック探索回路270は、第２のコードブ
ック275から最適なコードワードを計算する。第２のコ
ードブック探索回路の構成は、第２図に示した第１のコ
ードブック探索回路の構成と基本的に同一の構成を用い
ることができる。また、コードワードの探索法として
は、前記第１のコードブックの探索と同一の方法を用い
ることができる。第２のコードブックの構成法として
は、作用の項で述べたように、学習コードブックの高効
率を保ちながらトレーニングデータ依存性を救済するた
めに、乱数系列からなるコードブックを用いる。乱数系
列からなるコードブックの構成法は前記文献１を参照で
きる。

また、コードブック探索の演算量の低減化のために、
第２のコードブックとして、重畳型（overlap）乱数コ
ードブックを用いることができる。重畳型乱数コードブ
ックの構成法、コードワード探索法については前記文献
５等を参照できる。

ゲイン量子化器286は、作用に述べた方法により、予
め学習により前記（12）、（13）式を用いて作製したゲ
インコードブック287を用いて、ゲインγ_１、γ_２をベ
クトル量子化する。ベクトル量子化の際の最適なコード
ワードの選択には、前記（８）式を用いる。第３図はゲ
イン量子化器286の構成を示すブロック図である。図に
おいて、再生回路505は、c₁（ｎ）、c₂（ｎ）、h
_w（ｎ）を入力して前記（９）、（10）式にもとづき、s
_w1（ｎ）、s_w2（ｎ）を求める。

相互相関関数計算回路500、自己相関関数計算回路510
は、e_w（ｎ）、s_w1（ｎ）、s_w2（ｎ）、ゲインコードブ
ック287の出力であるコードワードを入力し、前記
（８）式の第２項以下の各項を計算する。最大値判別回
路520は、第（８）式の第２項以下の最大値を判別し、
そのときのゲインコードワードとコードワードを示すイ
ンデクスを出力する。ゲイン復号回路530は前記インデ
クスを用いてゲインを復号化して出力する。そしてコー
ドブックのインデクスをマルチプレクサ260に出力す
る。またゲインの復号化値γ₁'、γ₂'を乗算器242に出
力する。

乗算器242は、第１、第２のコードブックにより選択
されたコードワードc_1j（ｎ）、c_2j（ｎ）に対してそれ
ぞれ量子化複号化したゲインγ₁'、γ₂'を乗じて合成フ
ィルタ281に出力する。

合成フィルタ281は、加算器290の出力ｖ（ｎ）を入力
し、下式により合成音声を１フレーム分求め、さらにも
う１フレーム分は０の系列をフィルタに入力して応答信
号系列を求め、１フレーム分の応答信号系列を減算器19
0に出力する。

ただし マルチプレクサ260は、LSP量子化器140、第１のコード
ブック探索回路230、第２のコードブック探索回路270、
ゲイン量子化器286の出力符号系列を組みあわせて出力
する。

以上で第１の発明の実施例の説明を終える。

第４図は、第２の発明の一実施例を示すブロック図で
ある。図において、第１図と同一の番号を付した構成要
素は、第１図と同一の動作を行うので説明は省略する。

図において、量子化器225は、前記（17）式にもとづ
き予め学習して構成したコードブック226を用いて、適
応コードブックのゲインをベクトル量子化する。最適な
コードワードのインデクスを示す符号をマルチプレクサ
260へ出力すると共に、ゲインを量子化復号化して適応
コードブック210へ出力する。

以上で第２の発明の実施例の説明を終える。

以上の実施例の他、適応コードブックのゲインと第
１、第２のコードブックのゲインをまとめてベクトル量
子化することもできる。

以上の発明では、適応コードブックのゲイン、第１、
第２のコードブックのゲインには同時最適化を施さなか
ったが、適応コードブック、第１のコードブック、第２
のコードブックのゲインについて、同時最適化を行い、
さらに特性を改善する。この同時最適化は、作用の項で
述べたように、第１、２のコードブックのコードワード
を求めるときに適用するとさらに特性が改善される。

例えば、適応コードブックの遅延、ゲインβを求めた
後に、第１のコードブックのコードワードc_1j（ｎ）、
ゲインγ_１を探索するときに、各コードワード毎に、次
式を最小化するように解いてβとγ_１を同時最適化す
る。

これから ここで、 次に、第２のコードワードを決定するときに、次式を最
小化するように適応コードブックのゲイン、第１、第２
のコードブックのゲインを同時最適化する。

なお、演算量の低減化のために、第１のコードブック
のコードワード探索のときに（33）式によるゲイン最適
化を行い、第２のコードブックの探索のときには行わな
い構成とすることもできる。

また、さらに演算量を低減するためには、コードブッ
クのコードワードの探索のときにはゲインの最適化を行
わずに、第１のコードブックのコードワードが選択され
たときに、適応コードブックと第１のコードブックのゲ
インの同時最適化を行い、第２のコードブックのコード
ワードが選択されたときには、適応コードブックと第
１、２のコードブックのゲインを同時に最適化する構成
を用いることもできる。

また、さらに演算量を低減化するためには、第１と２
のコードブックのコードワードが選択された後に、適応
コードブックのゲインβと、第１、第２のコードブック
のゲインγ_１、γ_２の３種を同時に最適化するような構
成とすることもできる。

また、適応コードブックのゲイン、第１、第２のコー
ドブックのゲインγ_１、γ_２のベクトル量子化における
最適コードワードの選択には、演算量低減化のためにそ
れぞれ前記（18）式、（11）式を用いることもできる。

また、適応コードブックのゲイン、第１、第２のコー
ドブックのゲインのベクトル量子化において、第３のコ
ードブックをゲインの絶対値に対して学習してあらかじ
め求めておき、ベクトル量子化のときはゲインの絶対値
を量子化し、符号は別に伝送するような構成としてもよ
い。

また、上記実施例において、第１のコードブックの探
索法は実施例の方法以外にも他の衆知な方法を用いるこ
とができる。例えば、前記文献１に記載の方法や、あら
かじめコードブックの各コードワードc_1j（ｎ）の直交
変換c₁（ｋ）を求めて格納しておき、サブフレーム毎
に、前記重み付けインパルス応答h_w（ｎ）の直交変換H_w
（ｋ）と、残差信号e_w（ｎ）の直交変換E_w（ｋ）を予め
定められた点数だけ求め、前記（23）、（24）式の代わ
りに下式を用いてもよい。

そして（37）、（38）式を逆直交変換して、相互相関
関数G_j、自己相関関数C_jを計算し、前記（25）、（22）
式に従いコードワードの探索、ゲインの計算をするよう
な構成としてもよい。このとき、直交変換としては、フ
ーリエ変換、あるいはFFT、コサイン変換などを用いる
ことができる。この方法によれば、（23）、（24）式の
畳み込み演算を周波数軸上で乗算に帰着できるので演算
量を低減することができる。

また、第２のコードブックの探索法としては、前記実
施例の方法以外にも上記で示した方法や、前記文献５に
記載の方法や、他の衆知な良好な方法を用いることがで
きる。

また、第２のコードブックの構成法としては、前記実
施例に記載した方法以外に、例えば予め膨大な乱数系列
をコードブックとして用意して、それらを用いてトレー
ニングデータに対して乱数系列の探索を行い、選択され
る頻度が高いものからコードワードとして登録して第２
のコードブックを構成することもできる。なお、この構
成法は、第１のコードブックの構成にも適用することが
できる。

また、上記実施例では、適応コードブックのゲインと
第１、第２のコードブックのゲインは別々にベクトル量
子化したが、３種のゲインβ、γ_１、γ_２をまとめてベ
クトル量子化するような構成をとることもできる。学習
によるベクトル量子化器のコードブックの作成は前記文
献２を参照できる。

また、上記実施例では、適応コードブックの次数は１
次としたが、２次以上の高次とすることもできる。ま
た、次数は１次のままで遅延を整数値ではなく少数値と
することもできる。これらについての詳細は、例えばMa
rque氏らによる“Pitch Prediction with Fractional D
elays in CELP Coding"と題した論文（EUROSPEECH,pp.5
09−513,1989年）（文献６）等を参照できる。以上のよ
うにした方が特性は向上するが、ゲインあるいは遅延の
伝送に必要な情報量が若干増大する。

また、上記の実施例では、スペクトルパラメータとし
てＫパラメータ、LSPパラメータを符号化し、その分析
法としてLPC分析を用いたが、スペクトルパラメータと
しては他の衆知なパラメータ、例えばLPCケプストラ
ム、ケプストラム、改良ケプストラム、一般化ケプスト
ラム、メルケプストラムなどを用いることもできる。ま
た各パラメータに最適な分析法を用いることができる。

また、フレームで求めたLPC係数をLSP上や線形予測係
数上でサブフレーム毎に補間し、補間した係数を用いて
適応コードブック、第１、第２のコードブックの探索を
行う構成としてもよい。このような構成とすることによ
り、音質がさらに改善される。

また、LSP係数は衆知の方法により、ベクトル量子
化、あるいはベクトルースカラ量子化の方法については
例えば前記文献３等を参照できる。

また、演算量を低減するために、送信側では影響信号
の計算を省略することもできる。これによって、送信側
における合成フィルタ281、減算器190は不要となり演算
量低減が可能となるが、音質は若干低下する。

また、減算量を低減するために、重み付け回路200を
サブフレーム分割回路150の前に配置させ、合成フィル
タ281では下式により重み付け合成信号を計算するよう
にしてもよい。

ここでγは聴感重み付けの程度を決める重み付け係数
である。

また、受信側は、量子化雑音を整形することにより聴
覚的にきき易くするために、ピッチとスペクトル包絡の
少なくとも１つについて動作する適応形ポストフィルタ
を付加してもよい。適応型ポストフィルタの構成につい
ては、例えば、Kroon氏らによる“A Class of Analysis
−by−synthesis Predictive Coders for High Quality
Speech Coding at Rates between 4.8 and 16kb/s,"
（IEEE JSAC,vol.6,2,353−363,1988）（文献７）等を
参照できる。

なお、デジタル信号処理の分野でよく知られているよ
うに、自己相関関数は周波数軸上でパワスペクトルに、
相互相関関数はクロスパワスペクトルに対応しているの
で、これらから計算することもできる。これらの計算法
については、Oppenheim氏らによる“Digital Signal Pr
ocessing"（Prentice−Hall,1975）と題した単行本（文
献８）を参照できる。

（発明の効果） 以上述べたように、本発明によれば、音源信号を表す
コードブックを２段に分離して、１段目はあらかじめ多
量の残差信号によるトレーニング信号に対して学習して
求めたコードブック、２段目は予め定められた統計的特
性を有するコードブックを用い、さらに前記コードブッ
クのゲインやピッチ予測による適応コードブックのゲイ
ンをあらかじめ多量のトレーニング信号に対して学習し
て構成したコードブックを用いてベクトル量子化するこ
とにより、従来方式に比べてより少ない演算量でより良
好な特性を得ることができるという効果がある。また、
コードブックのゲインを最適化することによりさらに特
性が改善される。従って本発明によれば、従来方式に比
べて、８〜4.8kb/sのビットレートで、良好な音質の符
号化再生音声を得ることができるという大きな効果があ
る。

【図面の簡単な説明】

第１図は第１の発明による音声符号化方式の一実施例を
示すブロック図、第２図は第１の発明による音声符号化
方式のコードブック探索回路の構成を示すブロック図、
第３図は第１の発明によるゲイン量子化器の構成を示す
ブロック図、第４図は第２の発明による音声符号化方式
の一実施例を示すブロック図である。 図において、110……バッファメモリ、130……LPC計算
回路、140……量子化回路、150……サブフレーム分割回
路、170……インパルス応答計算回路、190、205、255、
325……減算器、200……重み付け回路、206……遅延回
路、210……適応コードブック、220……量子化器、286
……ゲイン量子化器、230……第１のコードブック探索
回路、235……第１のコードブック、250、281……合成
フィルタ、230……第２のコードブック探索回路、241、
242……乗算器、275……第２のコードブック、287……
ゲインコードブック、410、500……相互相関関数計算回
路、420、510……自己相関関数計算回路、430、520……
判別回路、530……ゲイン復号回路を示す。

Claims (2)

(57)【特許請求の範囲】
1. 【請求項１】入力した離散的な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、 前記音声信号のスペクトラム包絡を表すスペクトルパラ
   メータを求めて出力する手段と、 前記フレームを予め定められた時間長の小区間に分割す
   る手段と、 過去の音源信号をもとに再生した信号が前記音声信号に
   近くなるようにピッチパラメータを求める手段と、 前記音声信号をもとに予め学習して構成した信号が、イ
   ンデクスに対応して格納された第１のコードブックと、 予め定められた特性を有する信号が、インデクスに対応
   して格納された第２のコードブックと、 前記第１のコードブックから選択した信号と、前記第２
   のコードブックから選択した信号との線形結合により前
   記音声信号の音源信号を表し、第１のコードブック、第
   ２のコードブックから選択された信号に対応するインデ
   クスを出力するとともに、予め構成した第３のコードブ
   ックを用いて前記ピッチパラメータと前記音源信号の少
   なくとも一方のゲインを量子化して出力する手段 とを備えることを特徴とする音声符号化装置。
2. 【請求項２】入力した離散的な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、 前記音声信号のスペクトラム包絡を表すスペクトルパラ
   メータを求めて出力する手段と、 前記フレームを予め定められた時間長の小区間に分割す
   る手段と、 過去の音源信号をもとに再生した信号が前記音声信号に
   近くなるようにピッチパラメータの遅延量を求める手段
   と、 予め構成したコードブックを用いて前記ピッチパラメー
   タのゲインを量子化して出力する手段と、 前記ピッチパラメータを用いて前記入力信号に対してピ
   ッチ予測を行ってピッチ予測信号を得、前記入力信号
   と、このピッチ予測信号との差信号である残差信号を求
   める手段と、 前記音声信号をもとに予め学習して構成した信号が、イ
   ンデクスに対応して格納された第１のコードブックと、 予め定められた特性を有する信号が、インデクスに対応
   して格納された第２のコードブックと、 前記第１のコードブックから前記残差信号をよく表す第
   １の信号を選択する手段と、 前記第２のコードブックから前記残差信号に基づく信号
   をよく表す第２の信号を選択する手段と、 前記第１の信号と前記第２の信号との線形結合により前
   記音声信号の音源信号を表し、前記第１の信号、第２の
   信号に対応するインデクスを出力する手段 とを有することを特徴とする音声符号化装置。