JP3563400B2 - Audio decoding device and audio decoding method - Google Patents
Audio decoding device and audio decoding method Download PDFInfo
- Publication number
- JP3563400B2 JP3563400B2 JP2003312063A JP2003312063A JP3563400B2 JP 3563400 B2 JP3563400 B2 JP 3563400B2 JP 2003312063 A JP2003312063 A JP 2003312063A JP 2003312063 A JP2003312063 A JP 2003312063A JP 3563400 B2 JP3563400 B2 JP 3563400B2
- Authority
- JP
- Japan
- Prior art keywords
- noise
- gain
- code
- codebook
- speech
- 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
Images
Landscapes
- Compression, Expansion, Code Conversion, And Decoders (AREA)
Description
この発明は音声信号をディジタル信号に圧縮符号化復号化する際に使用する音声符号化・復号化方法及び音声符号化・復号化装置に関し、特に低ビットレートで品質の高い音声を再生するための音声符号化方法及び音声復号化方法並びに音声符号化装置及び音声復号化装置に関する。 The present invention relates to a voice coding / decoding method and a voice coding / decoding apparatus used when a voice signal is compression-coded / decoded into a digital signal, and particularly to a high-quality voice at a low bit rate. The present invention relates to an audio encoding method and an audio decoding method, and an audio encoding device and an audio decoding device.
従来、高能率音声符号化方法としては、符号駆動線形予測(Code-Excited Linear Prediction:CELP)符号化が代表的であり、その技術については、「Code-excited linear prediction(CELP):High-quality speech at very low bit rates」(M.R.Shroeder and B.S.Atal著、ICASSP '85, pp.937-940, 1985)に述べられている。 Conventionally, as a high-efficiency speech coding method, Code-Excited Linear Prediction (CELP) coding is typical, and the technique is described in "Code-excited Linear Prediction (CELP): High-quality". speech at very low bit rates "(MR Shroeder and BSAtal, ICASSP '85, pp.937-940, 1985).
図6は、CELP音声符号化復号化方法の全体構成の一例を示すもので、図中101は符号化部、102は復号化部、103は多重化手段、104は分離手段である。符号化部101は線形予測パラメータ分析手段105、線形予測パラメータ符号化手段106、合成フィルタ107、適応符号帳108、駆動符号帳109、ゲイン符号化手段110、距離計算手段111、重み付け加算手段138より構成されている。また、復号化部102は線形予測パラメータ復号化手段112、合成フィルタ113、適応符号帳114、駆動符号帳115、ゲイン復号化手段116、重み付け加算手段139より構成されている。
FIG. 6 shows an example of the overall configuration of the CELP speech coding / decoding method. In the drawing,
CELP音声符号化では、5〜50ms程度を1フレームとして、そのフレームの音声をスペクトル情報と音源情報に分けて符号化する。まず、CELP音声符号化方法の動作について説明する。符号化部101において、線形予測パラメータ分析手段105は入力音声S101を分析し、音声のスペクトル情報である線形予測パラメータを抽出する。線形予測パラメータ符号化手段106はその線形予測パラメータを符号化し、符号化した線形予測パラメータを合成フィルタ107の係数として設定する。
In CELP speech coding, about 5 to 50 ms is defined as one frame, and the speech of that frame is divided into spectrum information and sound source information and encoded. First, the operation of the CELP speech coding method will be described. In the
次に音源情報の符号化について説明する。適応符号帳108には、過去の駆動音源信号が記憶されており、距離計算手段111から入力される適応符号に対応して過去の駆動音源信号を周期的に繰り返した時系列ベクトルを出力する。駆動符号帳109には、例えば学習用音声とその符号化音声との歪みが小さくなるように学習して構成された複数の時系列ベクトルが記憶されており、距離計算手段111から入力される駆動符号に対応した時系列ベクトルを出力する。
Next, encoding of the sound source information will be described. The
適応符号帳108、駆動符号帳109からの各時系列ベクトルはゲイン符号化手段110から与えられるそれぞれのゲインに応じて重み付け加算手段138で重み付けして加算され、その加算結果を駆動音源信号として合成フィルタ107へ供給し符号化音声を得る。距離計算手段111は符号化音声と入力音声S101との距離を求め、距離が最小となる適応符号、駆動符号、ゲインを探索する。上記符号化が終了した後、線形予測パラメータの符号、入力音声と符号化音声との歪みを最小にする適応符号、駆動符号、ゲインの符号を符号化結果として出力する。
The time series vectors from the
次にCPEL音声復号化方法の動作について説明する。 Next, the operation of the CPEL audio decoding method will be described.
一方復号化部102において、線形予測パラメータ復号化手段112は線形予測パラメータの符号から線形予測パラメータを復号化し、合成フィルタ113の係数として設定する。次に、適応符号帳114は、適応符号に対応して、過去の駆動音源信号を周期的に繰り返した時系列ベクトルを出力し、また駆動符号帳115は駆動符号に対応した時系列ベクトルを出力する。これらの時系列ベクトルは、ゲイン復号化手段116でゲインの符号から復号化したそれぞれのゲインに応じて重み付け加算手段139で重み付けして加算され、その加算結果が駆動音源信号として合成フィルタ113へ供給され出力音声S103が得られる。
On the other hand, in the
またCELP音声符号化復号化方法で再生音声品質の向上を目的として改良された従来の音声符号化復号化方法として、「Phonetically-based vector excitation coding of speech at 3.6kbps」(S.Wang and A.Gersho著、ICASSP '89, pp.49-52, 1989)に示されたものがある。図6との対応手段分に同一符号を付けた図7は、この従来の音声符号化復号化方法の全体構成の一例を示し、図中符号化部101において117は音声状態判定手段、118駆動符号帳切替手段、119は第1の駆動符号帳、120は第2の駆動符号帳である。また図中復号化手段102において121は駆動符号帳切替手段、122は第1の駆動符号帳、123は第2の駆動符号帳である。このような構成による符号化復号化方法の動作を説明する。まず符号化手段101において、音声状態判定手段117は入力音声S101を分析し、音声の状態を例えば有声/無声の2つの状態のうちどちらであるかを判定する。駆動符号帳切替手段118はその音声状態判定結果に応じて、例えば有声であれば第1の駆動符号帳119を、無声であれば第2の駆動符号帳120を用いるとして符号化に用いる駆動符号帳を切り替え、また、どちらの駆動符号帳を用いたかを符号化する。
As a conventional speech coding / decoding method improved for the purpose of improving reproduced speech quality by the CELP speech coding / decoding method, “Phonetically-based vector excitation coding of speech at 3.6 kbps” (S. Wang and A. Gersho, ICASSP '89, pp.49-52, 1989). FIG. 7 in which the same reference numerals are assigned to the corresponding units as in FIG. 6 shows an example of the entire configuration of the conventional audio encoding / decoding method. In the
次に復号化手段102において、駆動符号帳切替手段121は符号化手段101でどちらの駆動符号帳を用いたかの符号に応じて、符号化手段101で用いたのと同じ駆動符号帳を用いるとして第1の駆動符号帳122と第2の駆動符号帳123とを切り替える。このように構成することにより、音声の各状態毎に符号化に適した駆動符号帳を用意し、入力された音声の状態に応じて駆動符号帳を切り替えて用いることで再生音声の品質を向上することができる。
Next, in the
また送出ビット数を増加することなく、複数の駆動符号帳を切り替える従来の音声符号化復号化方法として特開平8−185198号公報に開示されたものがある。これは、適応符号帳で選択したピッチ周期に応じて、複数個の駆動符号帳を切り替えて用いるものである。これにより、伝送情報を増やさずに入力音声の特徴に適応した駆動符号帳を用いることができる。 A conventional speech coding / decoding method for switching between a plurality of driving codebooks without increasing the number of transmission bits is disclosed in Japanese Patent Application Laid-Open No. 8-185198. In this method, a plurality of driving codebooks are switched and used according to the pitch period selected in the adaptive codebook. As a result, it is possible to use a drive codebook adapted to the characteristics of the input speech without increasing the transmission information.
上述したように図6に示す従来の音声符号化復号化方法では、単一の駆動符号帳を用いて合成音声を生成している。低ビットレートでも品質の高い符号化音声を得るためには、駆動符号帳に格納する時系列ベクトルはパルスを多く含む非雑音的なものとなる。このため、背景雑音や摩擦性子音など雑音的な音声を符号化、合成した場合、符号化音声はジリジリ、チリチリといった不自然な音を発するという問題があった。駆動符号帳を雑音的な時系列ベクトルからのみ構成すればこの問題は解決するが、符号化音声全体としての品質が劣化する。 As described above, in the conventional speech encoding / decoding method shown in FIG. 6, a synthesized speech is generated using a single driving codebook. In order to obtain high-quality coded speech even at a low bit rate, the time-series vector stored in the driving codebook is non-noise containing many pulses. For this reason, when coding and synthesizing noise-like sounds such as background noise and fricative consonants, there is a problem in that the coded sounds emit unnatural sounds such as gritty sounds and dusty sounds. This problem can be solved by constructing the driving codebook only from noise-like time-series vectors, but the quality of the encoded speech as a whole deteriorates.
また改良された図7に示す従来の音声符号化復号化方法では、入力音声の状態に応じて複数の駆動符号帳を切り替えて符号化音声を生成している。これにより例えば入力音声が雑音的な無声部分では雑音的な時系列ベクトルから構成された駆動符号帳を、またそれ以外の有声部分では非雑音的な時系列ベクトルから構成された駆動符号帳を用いることができ、雑音的な音声を符号化、合成しても不自然なジリジリした音を発することはなくなる。しかし、復号化側でも符号化側と同じ駆動符号帳を用いるために、新たにどの駆動符号帳を使用したかの情報を符号化、伝送する必要が生じ、これが低ビットレート化の妨げになるという問題があった。 In the improved conventional speech encoding / decoding method shown in FIG. 7, a plurality of driving codebooks are switched according to the state of input speech to generate encoded speech. Thus, for example, in an unvoiced part where the input speech is noisy, a driving codebook composed of a noise-like time series vector is used, and in other voiced parts, a driving codebook composed of a non-noise time-series vector is used. Therefore, even if noise-like speech is encoded and synthesized, an unnatural sizzling sound is not emitted. However, since the decoding side uses the same driving codebook as the encoding side, it is necessary to encode and transmit information on which driving codebook is newly used, which hinders a reduction in bit rate. There was a problem.
また送出ビット数を増加することなく、複数の駆動符号帳を切り替える従来の音声符号化復号化方法では、適応符号帳で選択されるピッチ周期に応じて駆動符号帳を切り替えている。しかし、適応符号帳で選択されるピッチ周期は実際の音声のピッチ周期とは異なり、その値からだけでは入力音声の状態が雑音的か非雑音的かを判定できないので、音声の雑音的な部分の符号化音声が不自然であるという課題は解決されない。 Further, in the conventional speech coding / decoding method for switching between a plurality of drive codebooks without increasing the number of transmission bits, the drive codebook is switched according to a pitch cycle selected by the adaptive codebook. However, the pitch period selected in the adaptive codebook is different from the pitch period of the actual voice, and it is not possible to judge whether the state of the input voice is noisy or non-noise based on the value alone. Does not solve the problem that the coded speech is unnatural.
この発明はかかる課題を解決するためになされたものであり、低ビットレートでも品質の高い音声を再生する音声符号化復号化方法及び装置を提供するものである。 The present invention has been made to solve such a problem, and an object of the present invention is to provide an audio encoding / decoding method and apparatus for reproducing high quality audio even at a low bit rate.
上述の課題を解決するためにこの発明の音声符号化方法は、スペクトル情報、パワー情報、ピッチ情報のうち少なくとも1つの符号または符号化結果を用いて該符号化区間における音声の雑音性の度合いを評価し、評価結果に応じて複数の駆動符号帳のうち1つを選択するようにした。 In order to solve the above-described problems, a speech encoding method according to the present invention uses at least one code or encoding result of spectrum information, power information, and pitch information to determine the degree of noise of speech in the encoding section. The evaluation is performed, and one of the plurality of driving codebooks is selected according to the evaluation result.
さらに次の発明の音声符号化方法は、格納している時系列ベクトルの雑音性の度合いが異なる複数の駆動符号帳を備え、音声の雑音性の度合いの評価結果に応じて、複数の駆動符号帳を切り替えるようにした。 The speech encoding method according to the next invention further includes a plurality of driving codebooks having different degrees of noise of the stored time-series vectors, and a plurality of driving codes according to the evaluation result of the degree of noise of speech. Switch books.
さらに次の発明の音声符号化方法は、音声の雑音性の度合いの評価結果に応じて、駆動符号帳に格納している時系列ベクトルの雑音性の度合いを変化させるようにした。 Further, in the speech encoding method according to the next invention, the degree of noise of the time series vector stored in the driving codebook is changed according to the evaluation result of the degree of noise of speech.
さらに次の発明の音声符号化方法は、雑音的な時系列ベクトルを格納している駆動符号帳を備え、音声の雑音性の度合いの評価結果に応じて、駆動音源の信号サンプルを間引くことにより雑音性の度合いが低い時系列ベクトルを生成するようにした。 Furthermore, the speech encoding method according to the next invention includes a driving codebook storing a noise-like time-series vector, and thins out signal samples of the driving sound source according to the evaluation result of the degree of noise of the speech. A time series vector with a low degree of noise is generated.
さらに次の発明の音声符号化方法は、雑音的な時系列ベクトルを格納している第1の駆動符号帳と、非雑音的なの時系列ベクトルを格納している第2の駆動符号帳とを備え、音声の雑音性の度合いの評価結果に応じて、第1の駆動符号帳の時系列ベクトルと第2の駆動符号帳の時系列ベクトルを重み付けし加算した時系列ベクトルを生成するようにした。 The speech encoding method according to the next invention further comprises a first driving codebook storing a noise-like time-series vector and a second driving codebook storing a non-noise-like time-series vector. The time series vector of the first driving codebook and the time series vector of the second driving codebook are weighted and added to generate a time series vector in accordance with the evaluation result of the degree of noise of speech. .
また次の発明の音声復号化方法は、スペクトル情報、パワー情報、ピッチ情報のうち少なくとも1つの符号または復号化結果を用いて該復号化区間における音声の雑音性の度合いを評価し、評価結果に応じて複数の駆動符号帳のうちの1つを選択するようにした。 Further, the speech decoding method of the next invention evaluates the degree of noise of speech in the decoding section using at least one code or decoding result among spectrum information, power information, and pitch information, and Accordingly, one of a plurality of driving codebooks is selected.
さらに次の発明の音声復号化方法は、格納している時系列ベクトルの雑音性の度合いが異なる複数の駆動符号帳を備え、音声の雑音性の度合いの評価結果に応じて、複数の駆動符号帳を切り替えるようにした。 Furthermore, the speech decoding method of the next invention comprises a plurality of driving codebooks having different degrees of noise of stored time-series vectors, and a plurality of driving codes according to the evaluation result of the degree of noise of speech. Switch books.
さらに次の発明の音声復号化方法は、音声の雑音性の度合いの評価結果に応じて、駆動符号帳に格納している時系列ベクトルの雑音性の度合いを変化させるようにした。 Further, in the speech decoding method of the next invention, the degree of noise of the time-series vector stored in the driving codebook is changed according to the evaluation result of the degree of noise of speech.
さらに次の発明の音声復号化方法は、雑音的な時系列ベクトルを格納している駆動符号帳を備え、音声の雑音性の度合いの評価結果に応じて、駆動音源の信号サンプルを間引くことにより雑音性の度合いが低い時系列ベクトルを生成するようにした。 Further, the speech decoding method according to the next invention includes a driving codebook storing a noise-like time-series vector, and thins out signal samples of the driving sound source according to the evaluation result of the degree of noise of the speech. A time series vector with a low degree of noise is generated.
さらに次の発明の音声復号化方法は、雑音的な時系列ベクトルを格納している第1の駆動符号帳と、非雑音的な時系列ベクトルを格納している第2の駆動符号帳とを備え、音声の雑音性の度合いの評価結果に応じて、第1の駆動符号帳の時系列ベクトルと第2の駆動符号帳の時系列ベクトルを重み付けし加算した時系列ベクトルを生成するようにした。 Further, the speech decoding method according to the next invention is characterized in that a first driving codebook storing a noise-like time series vector and a second driving codebook storing a non-noise time-series vector are used. The time series vector of the first driving codebook and the time series vector of the second driving codebook are weighted and added to generate a time series vector in accordance with the evaluation result of the degree of noise of speech. .
さらに次の発明の音声符号化装置は、入力音声のスペクトル情報を符号化し、符号化結果の1要素として出力するスペクトル情報符号化部と、このスペクトル情報符号化部からの符号化されたスペクトル情報から得られるスペクトル情報、パワー情報のうち少なくとも1つの符号または符号化結果を用いて該符号化区間における音声の雑音性の度合いを評価し、評価結果を出力する雑音度評価部と、非雑音的な複数の時系列ベクトルが記憶された第1の駆動符号帳と、雑音的な複数の時系列ベクトルが記憶された第2の駆動符号帳と、前記雑音度評価部の評価結果により、第1の駆動符号帳と第2の駆動符号帳とを切り替える駆動符号帳切替部と、前記第1の駆動符号帳または第2の駆動符号帳からの時系列ベクトルをそれぞれの時系列ベクトルのゲインに応じて重み付けし加算する重み付け加算部と、この重み付けされた時系列ベクトルを駆動音源信号とし、この駆動音源信号と前記スペクトル情報符号化部からの符号化されたスペクトル情報とに基づいて符号化音声を得る合成フィルタと、この符号化音声と前記入力音声との距離を求め、距離が最小となる駆動符号、ゲインを探索し、その結果を駆動符号,ゲインの符号を符号化結果として出力する距離計算部とを備えた。 Further, a speech encoding apparatus according to the next invention encodes spectrum information of an input speech and outputs the encoded spectrum information as one element of an encoding result, and the encoded spectrum information from the spectrum information encoding section. A noise evaluation unit that evaluates the degree of noise of speech in the coding section using at least one code or coding result of the spectrum information and power information obtained from The first driving codebook in which a plurality of time-series vectors are stored, the second driving codebook in which a plurality of noise-like time-series vectors are stored, and an evaluation result of the noise degree evaluation unit, A drive codebook switching unit for switching between the first drive codebook and the second drive codebook, and a time series vector from the first drive codebook or the second drive codebook. A weighted addition unit for weighting and adding according to the gain of the signal, and using the weighted time-series vector as a drive excitation signal, based on the drive excitation signal and the encoded spectrum information from the spectrum information encoding unit. A synthesis filter for obtaining a coded voice by means of a filter, obtaining a distance between the coded voice and the input voice, searching for a drive code and a gain that minimize the distance, and using the result as a drive code and a code for the gain to obtain the coding result. And a distance calculation unit that outputs the result as
さらに次の発明の音声復号化装置は、スペクトル情報の符号からスペクトル情報を復号化するスペクトル情報復号化部と、このスペクトル情報復号化部からの復号化されたスペクトル情報から得られるスペクトル情報、パワー情報のうち少なくとも1つの復号化結果または前記スペクトル情報の符号を用いて該復号化区間における音声の雑音性の度合いを評価し、評価結果を出力する雑音度評価部と、非雑音的な複数の時系列ベクトルが記憶された第1の駆動符号帳と、雑音的な複数の時系列ベクトルが記憶された第2の駆動符号帳と、前記雑音度評価部の評価結果により、第1の駆動符号帳と第2の駆動符号帳とを切り替える駆動符号帳切替部と、前記第1の駆動符号帳または第2の駆動符号帳からの時系列ベクトルをそれぞれの時系列ベクトルのゲインに応じて重み付けし加算する重み付け加算部と、この重み付けされた時系列ベクトルを駆動音源信号とし、この駆動音源信号と前記スペクトル情報復号化部からの復号化されたスペクトル情報とに基づいて復号化音声を得る合成フィルタとを備えた。 A speech decoding apparatus according to the next invention further comprises a spectrum information decoding unit for decoding spectrum information from a code of the spectrum information, and spectrum information and power obtained from the decoded spectrum information from the spectrum information decoding unit. A noise evaluation unit that evaluates the degree of noise of speech in the decoding section using at least one decoding result of the information or the code of the spectrum information, and outputs a non-noise evaluation unit; A first driving codebook in which a time series vector is stored, a second driving codebook in which a plurality of noise-like time series vectors are stored, and a first driving code A drive codebook switching unit for switching between a booklet and a second drive codebook, and a time-series vector from the first drive codebook or the second drive codebook. A weighted addition unit for weighting and adding according to the gain of the torquer, and using the weighted time-series vector as a drive excitation signal, based on the drive excitation signal and the decoded spectrum information from the spectrum information decoding unit. And a synthesis filter for obtaining a decoded speech.
この発明に係る音声符号化装置は、符号駆動線形予測(CELP)音声符号化装置において、スペクトル情報、パワー情報、ピッチ情報のうち少なくとも1つの符号または符号化結果を用いて該符号化区間における音声の雑音性の度合いを評価する雑音度評価部と、上記雑音度評価部の評価結果に応じて複数の駆動符号帳を切り替える駆動符号帳切替部とを備えたことを特徴とする。 A speech coding apparatus according to the present invention is a code-driven linear prediction (CELP) speech coding apparatus, wherein at least one of spectrum information, power information, and pitch information or a coding result is used. And a driving codebook switching unit that switches a plurality of driving codebooks according to the evaluation result of the noise evaluation unit.
この発明に係る音声復号化装置は、符号駆動線形予測(CELP)音声復号化装置において、スペクトル情報、パワー情報、ピッチ情報のうち少なくとも1つの符号または復号化結果を用いて該復号化区間における音声の雑音性の度合いを評価する雑音度評価部と、上記雑音度評価部の評価結果に応じて複数の駆動符号帳を切り替える駆動符号帳切替部とを備えたことを特徴とする。 A speech decoding apparatus according to the present invention is a code-driven linear prediction (CELP) speech decoding apparatus, wherein at least one of spectrum information, power information, and pitch information or a decoding result is used. And a driving codebook switching unit that switches a plurality of driving codebooks according to the evaluation result of the noise evaluation unit.
本発明に係る音声符号化方法及び音声復号化方法並びに音声符号化装置及び音声復号化装置によれば、スペクトル情報、パワー情報、ピッチ情報のうち少なくとも1つの符号または符号化結果を用いて該符号化区間における音声の雑音性の度合いを評価し、評価結果に応じて異なる駆動符号帳を用いるので、少ない情報量で品質の高い音声を再生することができる。 According to the speech encoding method and the speech decoding method, and the speech encoding apparatus and the speech decoding apparatus according to the present invention, at least one of the spectrum information, the power information, and the pitch information or the encoding result is used for the encoding. Since the degree of noise of speech in the segmentation section is evaluated and different driving codebooks are used in accordance with the evaluation result, high-quality speech can be reproduced with a small amount of information.
またこの発明によれば、音声符号化方法及び音声復号化方法で、格納している駆動音源の雑音性の度合いが異なる複数の駆動符号帳を備え、音声の雑音性の度合いの評価結果に応じて、複数の駆動符号帳を切り替えて用いるので、少ない情報量で品質の高い音声を再生することができる。 Further, according to the present invention, in the speech encoding method and the speech decoding method, a plurality of driving codebooks having different degrees of noise of the driving excitation stored therein are provided, and the plurality of driving codebooks are provided according to the evaluation result of the degree of noise of the speech. Since a plurality of driving codebooks are switched and used, high-quality sound can be reproduced with a small amount of information.
またこの発明によれば、音声符号化方法及び音声復号化方法で、音声の雑音性の度合いの評価結果に応じて、駆動符号帳に格納している時系列ベクトルの雑音性の度合いを変化させたので、少ない情報量で品質の高い音声を再生することができる。 Further, according to the present invention, in the speech encoding method and the speech decoding method, the degree of noise of the time-series vector stored in the driving codebook is changed according to the evaluation result of the degree of noise in speech. Therefore, high-quality sound can be reproduced with a small amount of information.
またこの発明によれば、音声符号化方法及び音声復号化方法で、雑音的な時系列ベクトルを格納している駆動符号帳を備え、音声の雑音性の度合いの評価結果に応じて、時系列ベクトルの信号サンプルを間引くことにより雑音性の度合いが低い時系列ベクトルを生成したので、少ない情報量で品質の高い音声を再生することができる。 Further, according to the present invention, in the speech encoding method and the speech decoding method, a driving codebook storing a noise-like time-series vector is provided. Since a time-series vector with a low degree of noise is generated by thinning out the signal samples of the vector, high-quality sound can be reproduced with a small amount of information.
またこの発明によれば、音声符号化方法及び音声復号化方法で、雑音的な時系列ベクトルを格納している第1の駆動符号帳と、非雑音的な時系列ベクトルを格納している第2の駆動符号帳とを備え、音声の雑音性の度合いの評価結果に応じて、第1の駆動符号帳の時系列ベクトルと第2の駆動符号帳の時系列ベクトルを重み付け加算した時系列ベクトルを生成したので、少ない情報量で品質の高い音声を再生することができる。 Further, according to the present invention, in the speech encoding method and the speech decoding method, the first driving codebook storing the noise-like time-series vector and the second driving codebook storing the non-noise-like time-series vector. And a time series vector obtained by weighting and adding the time series vector of the first drive codebook and the time series vector of the second drive codebook according to the evaluation result of the degree of noise in speech. Is generated, a high-quality sound can be reproduced with a small amount of information.
以下図面を参照しながら、この発明の実施の形態について説明する。 Hereinafter, embodiments of the present invention will be described with reference to the drawings.
実施の形態1.
図1は、この発明による音声符号化方法及び音声復号化方法の実施の形態1の全体構成を示す。図中、1は符号化部、2は復号化部、3は多重化部、4は分離部である。符号化部1は、線形予測パラメータ分析部5、線形予測パラメータ符号化部6、合成フィルタ7、適応符号帳8、ゲイン符号化部10、距離計算部11、第1の駆動符号帳19、第2の駆動符号帳20、雑音度評価部24、駆動符号帳切替部25、重み付け加算部38より構成されている。また、復号化部2は線形予測パラメータ復号化部12、合成フィルタ13、適応符号帳14、第1の駆動符号帳22、第2の駆動符号帳23、雑音度評価部26、駆動符号帳切替部27、ゲイン復号化部16、重み付け加算部39より構成されている。図1中5は入力音声S1を分析し、音声のスペクトル情報である線形予測パラメータを抽出するスペクトル情報分析部としての線形予測パラメータ分析部、6はスペクトル情報であるその線形予測パラメータを符号化し、符号化した線形予測パラメータを合成フィルタ7の係数として設定するスペクトル情報符号化部としての線形予測パラメータ符号化部、19、22は非雑音的な複数の時系列ベクトルが記憶された第1の駆動符号帳、20、23は雑音的な複数の時系列ベクトルが記憶された第2の駆動符号帳、24、26は雑音の度合いを評価する雑音度評価部、25、27は雑音の度合いにより駆動符号帳を切り替える駆動符号帳切替部である。
FIG. 1 shows an overall configuration of a first embodiment of a speech encoding method and a speech decoding method according to the present invention. In the figure, 1 is an encoding unit, 2 is a decoding unit, 3 is a multiplexing unit, and 4 is a demultiplexing unit. The
以下、動作を説明する。まず、符号化部1において、線形予測パラメータ分析部5は入力音声S1を分析し、音声のスペクトル情報である線形予測パラメータを抽出する。線形予測パラメータ符号化部6はその線形予測パラメータを符号化し、符号化した線形予測パラメータを合成フィルタ7の係数として設定するとともに、雑音度評価部24へ出力する。次に、音源情報の符号化について説明する。適応符号帳8には、過去の駆動音源信号が記憶されており、距離計算部11から入力される適応符号に対応して過去の駆動音源信号を周期的に繰り返した時系列ベクトルを出力する。雑音度評価部24は、前記線形予測パラメータ符号化部6から入力された符号化した線形予測パラメータと適応符号とから、例えば図2に示すようにスペクトルの傾斜、短期予測利得、ピッチ変動から該符号化区間の雑音の度合いを評価し、評価結果を駆動符号帳切替部25に出力する。駆動符号帳切替部25は前記雑音度の評価結果に応じて、例えば雑音度が低ければ第1の駆動符号帳19を、雑音度が高ければ第2の駆動符号帳20を用いるとして符号化に用いる駆動符号帳を切り替える。
Hereinafter, the operation will be described. First, in the
第1の駆動符号帳19には、非雑音的な複数の時系列ベクトル、例えば学習用音声とその符号化音声との歪みが小さくなるように学習して構成された複数の時系列ベクトルが記憶されている。また、第2の駆動符号帳20には、雑音的な複数の時系列ベクトル、例えばランダム雑音から生成した複数の時系列ベクトルが記憶されており、距離計算部11から入力されるそれぞれ駆動符号に対応した時系列ベクトルを出力する。適応符号帳8、第1の駆動音源符号帳19または第2の駆動符号帳20からの各時系列ベクトルは、ゲイン符号化部10から与えられるそれぞれのゲインに応じて重み付け加算部38で重み付けして加算され、その加算結果を駆動音源信号として合成フィルタ7へ供給され符号化音声を得る。距離計算部11は符号化音声と入力音声S1との距離を求め、距離が最小となる適応符号、駆動符号、ゲインを探索する。以上符号化が終了した後、線形予測パラメータの符号、入力音声と符号化音声との歪みを最小にする適応符号、駆動符号,ゲインの符号を符号化結果S2として出力する。以上がこの実施の形態1の音声符号化方法に特徴的な動作である。
The first driving codebook 19 stores a plurality of non-noise time-series vectors, for example, a plurality of time-series vectors configured by learning such that distortion between the learning speech and the encoded speech is reduced. Have been. The second driving codebook 20 stores a plurality of noise-like time-series vectors, for example, a plurality of time-series vectors generated from random noise. Output the corresponding time series vector. Each time-series vector from the
次に復号化部2について説明する。復号化部2では、線形予測パラメータ復号化部12は線形予測パラメータの符号から線形予測パラメータを復号化し、合成フィルタ13の係数として設定するとともに、雑音度評価部26へ出力する。次に、音源情報の復号化について説明する。適応符号帳14は、適応符号に対応して、過去の駆動音源信号を周期的に繰り返した時系列ベクトルを出力する。雑音度評価部26は、前記線形予測パラメータ復号化部12から入力された復号化した線形予測パラメータと適応符号とから符号化部1の雑音度評価部24と同様の方法で雑音の度合いを評価し、評価結果を駆動符号帳切替部27に出力する。駆動符号帳切替部27は前記雑音度の評価結果に応じて、符号化部1の駆動符号帳切替部25と同様に第1の駆動符号帳22と第2の駆動符号帳23とを切り替える。
Next, the
第1の駆動符号帳22には非雑音的な複数の時系列ベクトル、例えば学習用音声とその符号化音声との歪みが小さくなるように学習して構成された複数の時系列ベクトルが、第2の駆動符号帳23には雑音的な複数の時系列ベクトル、例えばランダム雑音から生成した複数の時系列ベクトルが記憶されており、それぞれ駆動符号に対応した時系列ベクトルを出力する。適応符号帳14と第1の駆動符号帳22または第2の駆動符号帳23からの時系列ベクトルは、ゲイン復号化部16でゲインの符号から復号化したそれぞれのゲインに応じて重み付け加算部39で重み付けして加算され、その加算結果を駆動音源信号として合成フィルタ13へ供給され出力音声S3が得られる。以上がこの実施の形態1の音声復号化方法に特徴的な動作である。
The first driving codebook 22 includes a plurality of non-noise time-series vectors, for example, a plurality of time-series vectors configured by learning such that distortion between the learning speech and the encoded speech is reduced. The second drive codebook 23 stores a plurality of noise-like time-series vectors, for example, a plurality of time-series vectors generated from random noise, and outputs a time-series vector corresponding to each drive code. The time series vectors from the
この実施の形態1によれば、入力音声の雑音の度合いを符号および符号化結果から評価し、評価結果に応じて異なる駆動符号帳を用いることにより、少ない情報量で、品質の高い音声を再生することができる。 According to the first embodiment, the degree of noise of the input speech is evaluated from the code and the coding result, and different driving codebooks are used in accordance with the evaluation result, thereby reproducing high quality speech with a small amount of information. can do.
また、上記実施の形態では、駆動符号帳19,20,22,23には、複数の時系列ベクトルが記憶されている場合を説明したが、少なくとも1つの時系列ベクトルが記憶されていれば、実施可能である。
Further, in the above embodiment, the case where a plurality of time-series vectors are stored in driving
実施の形態2.
上述の実施の形態1では、2つの駆動符号帳を切り替えて用いているが、これに代え、3つ以上の駆動符号帳を備え、雑音の度合いに応じて切り替えて用いるとしても良い。この実施の形態2によれば、音声を雑音/非雑音の2通りだけでなく、やや雑音的であるなどの中間的な音声に対してもそれに適した駆動符号帳を用いることができるので、品質の高い音声を再生することができる。
In
実施の形態3.
図1との対応部分に同一符号を付けた図3は、この発明の音声符号化方法及び音声復号化方法の実施の形態3の全体構成を示し、図中28、30は雑音的な時系列ベクトルを格納した駆動符号帳、29、31は時系列ベクトルの低振幅なサンプルの振幅値を零にするサンプル間引き部である。
FIG. 3 where the same reference numerals are assigned to corresponding parts to FIG. 1 shows the entire configuration of a speech encoding method and speech decoding method according to a third embodiment of the present invention. Driving
以下、動作を説明する。まず、符号化部1において、線形予測パラメータ分析部5は入力音声S1を分析し、音声のスペクトル情報である線形予測パラメータを抽出する。線形予測パラメータ符号化部6はその線形予測パラメータを符号化し、符号化した線形予測パラメータを合成フィルタ7の係数として設定するとともに、雑音度評価部24へ出力する。次に、音源情報の符号化について説明する。適応符号帳8には、過去の駆動音源信号が記憶されており、距離計算部11から入力される適応符号に対応して過去の駆動音源信号を周期的に繰り返した時系列ベクトルを出力する。雑音度評価部24は、前記線形予測パラメータ符号化部6から入力された符号化した線形予測パラメータと適応符号とから、例えばスペクトルの傾斜、短期予測利得、ピッチ変動から該符号化区間の雑音の度合いを評価し、評価結果をサンプル間引き部29に出力する。
Hereinafter, the operation will be described. First, in the
駆動符号帳28には、例えばランダム雑音から生成した複数の時系列ベクトルが記憶されており、距離計算部11から入力される駆動符号に対応した時系列ベクトルを出力する。サンプル間引き部29は、前記雑音度の評価結果に応じて、雑音度が低ければ前記駆動符号帳28から入力された時系列ベクトルに対して、例えば所定の振幅値に満たないサンプルの振幅値を零にした時系列ベクトルを出力し、また、雑音度が高ければ前記駆動符号帳28から入力された時系列ベクトルをそのまま出力する。適応符号帳8、サンプル間引き部29からの各時系列ベクトルは、ゲイン符号化部10から与えられるそれぞれのゲインに応じて重み付け加算部38で重み付けして加算され、その加算結果を駆動音源信号として合成フィルタ7へ供給され符号化音声を得る。距離計算部11は符号化音声と入力音声S1との距離を求め、距離が最小となる適応符号、駆動符号、ゲインを探索する。以上符号化が終了した後、線形予測パラメータの符号、入力音声と符号化音声との歪みを最小にする適応符号、駆動符号,ゲインの符号を符号化結果S2として出力する。以上がこの実施の形態3の音声符号化方法に特徴的な動作である。
The drive codebook 28 stores, for example, a plurality of time-series vectors generated from random noise, and outputs a time-series vector corresponding to the drive code input from the
次に復号化部2について説明する。復号化部2では、線形予測パラメータ復号化部12は線形予測パラメータの符号から線形予測パラメータを復号化し、合成フィルタ13の係数として設定するとともに、雑音度評価部26へ出力する。次に、音源情報の復号化について説明する。適応符号帳14は、適応符号に対応して、過去の駆動音源信号を周期的に繰り返した時系列ベクトルを出力する。雑音度評価部26は、前記線形予測パラメータ復号化部12から入力された復号化した線形予測パラメータと適応符号とから符号化部1の雑音度評価部24と同様の方法で雑音の度合いを評価し、評価結果をサンプル間引き部31に出力する。
Next, the
駆動符号帳30は駆動符号に対応した時系列ベクトルを出力する。サンプル間引き部31は、前記雑音度評価結果に応じて、前記符号化部1のサンプル間引き部29と同様の処理により時系列ベクトルを出力する。適応符号帳14、サンプル間引き部31からの各時系列ベクトルは、ゲイン復号化部16から与えられるそれぞれのゲインに応じて重み付け加算部39で重み付けして加算され、その加算結果を駆動音源信号として合成フィルタ13へ供給され出力音声S3が得られる。
The driving
この実施の形態3によれば、雑音的な時系列ベクトルを格納している駆動符号帳を備え、音声の雑音性の度合いの評価結果に応じて、駆動音源の信号サンプルを間引くことにより雑音性の度合いが低い駆動音源を生成することにより、少ない情報量で、品質の高い音声を再生することができる。また、複数の駆動符号帳を備える必要がないので、駆動符号帳の記憶に要するメモリ量を少なくする効果もある。 According to the third embodiment, a driving codebook that stores a noise-like time-series vector is provided, and a signal sample of a driving sound source is thinned out according to the evaluation result of the degree of noise of the speech. By generating a driving sound source with a low degree of sound, high-quality sound can be reproduced with a small amount of information. Further, since there is no need to provide a plurality of driving codebooks, there is also an effect of reducing the amount of memory required for storing the driving codebooks.
実施の形態4.
上述の実施の形態3では、時系列ベクトルのサンプルを間引く/間引かないの2通りとしているが、これに代え、雑音の度合いに応じてサンプルを間引く際の振幅閾値を変更するとしても良い。この実施の形態4によれば、音声を雑音/非雑音の2通りだけでなく、やや雑音的であるなどの中間的な音声に対してもそれに適した時系列ベクトルを生成し、用いることができるので、品質の高い音声を再生することができる。
Embodiment 4 FIG.
In the above-described third embodiment, the time series vector samples are decimated / not decimated. Alternatively, the amplitude threshold value for decimating the samples may be changed according to the degree of noise. According to the fourth embodiment, it is possible to generate and use a time-series vector suitable not only for two kinds of speech, that is, noise / non-noise but also for an intermediate speech such as a little noise. As a result, high-quality sound can be reproduced.
実施の形態5.
図1との対応部分に同一符号を付けた図4は、この発明の音声符号化方法及び音声復号化方法の実施の形態5の全体構成を示し、図中32、35は雑音的な時系列ベクトルを記憶している第1の駆動符号帳、33、36は非雑音的な時系列ベクトルを記憶している第2の駆動符号帳、34、37は重み決定部である。
FIG. 4 in which parts corresponding to those in FIG. 1 are assigned the same reference numerals shows the overall configuration of a fifth embodiment of the speech encoding method and the speech decoding method of the present invention. The
以下、動作を説明する。まず、符号化部1において、線形予測パラメータ分析部5は入力音声S1を分析し、音声のスペクトル情報である線形予測パラメータを抽出する。線形予測パラメータ符号化部6はその線形予測パラメータを符号化し、符号化した線形予測パラメータを合成フィルタ7の係数として設定するとともに、雑音度評価部24へ出力する。次に、音源情報の符号化について説明する。適応符号帳8には、過去の駆動音源信号が記憶されており、距離計算部11から入力される適応符号に対応して過去の駆動音源信号を周期的に繰り返した時系列ベクトルを出力する。雑音度評価部24は、前記線形予測パラメータ符号化部6から入力された符号化した線形予測パラメータと適応符号とから、例えばスペクトルの傾斜、短期予測利得、ピッチ変動から該符号化区間の雑音の度合いを評価し、評価結果を重み決定部34に出力する。
Hereinafter, the operation will be described. First, in the
第1の駆動符号帳32には、例えばランダム雑音から生成した複数の雑音的な時系列ベクトルが記憶されており、駆動符号に対応した時系列ベクトルを出力する。第2の駆動符号帳33には、例えば学習用音声とその符号化音声との歪みが小さくなるように学習して構成された複数の時系列ベクトルが記憶されており、距離計算部11から入力される駆動符号に対応した時系列ベクトルを出力する。重み決定部34は前記雑音度評価部24から入力された雑音度の評価結果に応じて、例えば図5に従って、第1の駆動符号帳32からの時系列ベクトルと第2の駆動符号帳33からの時系列ベクトルに与える重みを決定する。第1の駆動符号帳32、第2の駆動符号帳33からの各時系列ベクトルは上記重み決定部34から与えられる重みに応じて重み付けして加算される。適応符号帳8から出力された時系列ベクトルと、前記重み付け加算して生成された時系列ベクトルはゲイン符号化部10から与えられるそれぞれのゲインに応じて重み付け加算部38で重み付けして加算され、その加算結果を駆動音源信号として合成フィルタ7へ供給し符号化音声を得る。距離計算部11は符号化音声と入力音声S1との距離を求め、距離が最小となる適応符号、駆動符号、ゲインを探索する。この符号化が終了した後、線形予測パラメータの符号、入力音声と符号化音声との歪みを最小にする適応符号、駆動符号、ゲインの符号を符号化結果として出力する。
The first driving codebook 32 stores, for example, a plurality of noise-like time-series vectors generated from random noise, and outputs a time-series vector corresponding to the driving code. The second driving codebook 33 stores, for example, a plurality of time-series vectors configured by learning such that distortion between the learning speech and the encoded speech is reduced, and is input from the
次に復号化部2について説明する。復号化部2では、線形予測パラメータ復号化部12は線形予測パラメータの符号から線形予測パラメータを復号化し、合成フィルタ13の係数として設定するとともに、雑音度評価部26へ出力する。次に、音源情報の復号化について説明する。適応符号帳14は、適応符号に対応して、過去の駆動音源信号を周期的に繰り返した時系列ベクトルを出力する。雑音度評価部26は、前記線形予測パラメータ復号化部12から入力された復号化した線形予測パラメータと適応符号とから符号化部1の雑音度評価部24と同様の方法で雑音の度合いを評価し、評価結果を重み決定部37に出力する。
Next, the
第1の駆動符号帳35および第2の駆動符号帳36は駆動符号に対応した時系列ベクトルを出力する。重み決定部37は前記雑音度評価部26から入力された雑音度評価結果に応じて、符号化部1の重み決定部34と同様に重みを与えるとする。第1の駆動符号帳35、第2の駆動符号帳36からの各時系列ベクトルは上記重み決定部37から与えれるそれぞれの重みに応じて重み付けして加算される。適応符号帳14から出力された時系列ベクトルと、前記重み付け加算して生成された時系列ベクトルは、ゲイン復号化部16でゲインの符号から復号化したそれぞれのゲインに応じて重み付け加算部39で重み付けして加算され、その加算結果が駆動音源信号として合成フィルタ13へ供給され出力音声S3が得られる。
The
この実施の形態5によれば、音声の雑音の度合いを符号および符号化結果から評価し、評価結果に応じて雑音的な時系列ベクトルと非雑音的な時系列ベクトルを重み付き加算して用いることにより、少ない情報量で、品質の高い音声を再生することができる。 According to the fifth embodiment, the degree of speech noise is evaluated from the code and the coding result, and a noise-like time-series vector and a non-noise time-series vector are weighted and used in accordance with the evaluation result. Thus, high-quality sound can be reproduced with a small amount of information.
実施の形態6.
上述の実施の形態1〜5でさらに、雑音の度合いの評価結果に応じてゲインの符号帳を変更するとしても良い。この実施の形態6によれば、駆動符号帳に応じて最適なゲインの符号帳を用いることができるので、品質の高い音声を再生することができる。
In the above-described first to fifth embodiments, the codebook of the gain may be changed according to the evaluation result of the degree of noise. According to the sixth embodiment, a codebook having an optimum gain can be used according to the driving codebook, so that high-quality sound can be reproduced.
実施の形態7.
上述の実施の形態1〜6では、音声の雑音の度合いを評価し、その評価結果に応じて駆動符号帳を切り替えているが、有声の立ち上がりや破裂性の子音などをそれぞれ判定、評価し、その評価結果に応じて駆動符号帳を切り替えても良い。この実施の形態7によれば、音声の雑音的な状態だけでなく、有声の立ち上がりや破裂性子音などさらに細かく分類し、それぞれに適した駆動符号帳を用いることができるので、品質の高い音声を再生することができる。
Embodiment 7 FIG.
In the above-described first to sixth embodiments, the degree of noise in speech is evaluated, and the driving codebook is switched according to the evaluation result. However, voiced rising and bursting consonants are determined and evaluated, respectively. The driving codebook may be switched according to the evaluation result. According to the seventh embodiment, not only the noise state of the voice but also voiced rising and burst consonants can be further finely classified, and a driving codebook suitable for each voice can be used. Can be played.
実施の形態8.
上述の実施の形態1〜6では、図2に示すスペクトル傾斜、短期予測利得、ピッチ変動から、符号化区間の雑音の度合いを評価しているが、適応符号帳出力に対するゲイン値の大小を用いて評価しても良い。
In the above-described first to sixth embodiments, the degree of noise in the coding section is evaluated based on the spectrum tilt, the short-term prediction gain, and the pitch fluctuation shown in FIG. 2, but the magnitude of the gain value for the adaptive codebook output is used. May be evaluated.
Claims (4)
上記ゲインの符号を入力し、入力したゲインの符号に応じて復号化区間における音声のゲインを復号化するゲイン復号化部と、
上記ゲイン復号化部が復号化したゲインの値の大小を用いて、上記復号化区間における音声の雑音性の度合いの大小を評価する雑音度評価部と、
複数の予め定められた駆動音源信号に対応する複数の時系列ベクトルを記憶する駆動符号帳と、
上記駆動符号帳から時系列ベクトルを入力し、上記雑音度評価部で評価された音声の雑音性の度合いの大小の評価結果に応じて上記駆動符号帳から出力された時系列ベクトルの雑音性の度合いを変化させ、雑音性の度合いを変化させた時系列ベクトルを出力する雑音度制御部と、
上記駆動符号帳から出力され上記雑音度制御部により雑音性の度合いを変化させられた時系列ベクトルと上記ゲイン復号化部が復号化したゲインとを入力し、上記駆動符号帳から出力され上記雑音度制御部により雑音性の度合いを変化させられた時系列ベクトルを上記ゲインを用いて重み付けする重み付け加算部と
を備えたことを特徴とする音声復号化装置。 In a code-driven linear prediction (CELP) speech decoding device that receives speech code including gain code and synthesizes speech,
A gain decoding unit that inputs the gain code and decodes the audio gain in the decoding section according to the input gain code,
Using the magnitude of the value of the gain decoded by the gain decoding unit, a noise degree evaluation unit that evaluates the degree of the degree of noise of speech in the decoding section,
A drive codebook that stores a plurality of time-series vectors corresponding to a plurality of predetermined drive excitation signals,
A time-series vector is input from the driving codebook, and the noise level of the time-series vector output from the driving codebook according to the evaluation result of the degree of noise of the speech evaluated by the noise evaluation unit is determined. the degree is changed and a noise level controller you output time-series vector with varying degrees of noise resistance,
The time series vector output from the driving codebook and the noise degree is changed by the noise degree control unit and the gain decoded by the gain decoding unit are input, and the noise output from the driving codebook is output from the driving codebook. A weight adder for weighting the time-series vector whose degree of noise has been changed by the degree controller using the gain.
過去の駆動音源信号を記憶し、適応符号を入力し、入力した適応符号に応じて過去の駆動音源信号に対応する時系列ベクトルを出力する適応符号帳と、
複数の予め定められた駆動音源信号に対応する複数の時系列ベクトルを記憶し、駆動符号を入力し、入力した駆動符号に応じて駆動音源信号に対応する時系列ベクトルを出力する駆動符号帳と、
ゲインの符号を入力し、入力したゲインの符号に応じて復号化区間における音声のゲインを復号化するゲイン復号化部と、
上記ゲイン復号化部が復号化したゲインを入力し、入力したゲインの値の大小を用いて上記復号化区間における音声の雑音性の度合いの大小を評価する雑音度評価部と、
上記雑音度評価部で評価された音声の雑音性の度合いの大小の評価結果と上記駆動符号帳から出力された時系列ベクトルとを入力し、上記雑音度評価部で評価された音声の雑音性の度合いの大小の評価結果に応じて上記駆動符号帳から出力された時系列ベクトルの雑音性の度合いを変化させ、雑音性の度合いを変化させた時系列ベクトルを出力する雑音度制御部と、
上記適応符号帳から出力された時系列ベクトルと上記駆動符号帳から出力され上記雑音度制御部により雑音性の度合いを変化させられた時系列ベクトルと上記ゲイン復号化部が復号化したゲインとを入力し、上記適応符号帳から出力された時系列ベクトルと上記駆動符号帳から出力され上記雑音度制御部により雑音性の度合いを変化させられた時系列ベクトルとを上記ゲインを用いて重み付けし、上記ゲインを用いて重み付けした二つの時系列ベクトルを加算し、加算結果を出力する重み付け加算部と、
上記線形予測パラメータの符号を入力し、入力した線形予測パラメータの符号から線形予測パラメータを復号化し、出力する線形予測パラメータ復号化部と、
上記線形予測パラメータ復号化部から出力された線形予測パラメータと上記重み付け加算部から出力された加算結果とを入力し、上記線形予測パラメータと上記加算結果とを用いて音声を合成する合成フィルタと
を備えたことを特徴とする音声復号化装置。 In a code-driven linear prediction (CELP) speech decoding device that inputs a speech code including a code of a linear prediction parameter, an adaptive code, a drive code, and a gain code and synthesizes speech,
An adaptive codebook that stores a past driving excitation signal, inputs an adaptive code, and outputs a time-series vector corresponding to the past driving excitation signal according to the input adaptive code,
A drive codebook that stores a plurality of time-series vectors corresponding to a plurality of predetermined drive excitation signals, inputs a drive code, and outputs a time-series vector corresponding to the drive excitation signal according to the input drive code. ,
A gain decoding unit that inputs a gain code and decodes a gain of a voice in a decoding section according to the input gain code,
The gain decoding unit inputs the decoded gain, a noise level evaluation unit that evaluates the degree of the noise level of the voice in the decoding section using the level of the input gain value,
The evaluation result of the degree of noise of the speech evaluated by the noise degree evaluation unit and the time series vector output from the driving codebook are input, and the noise level of the speech evaluated by the noise degree evaluation unit is input. depending on the magnitude degree of evaluation results by changing the degree of noise of time-series vector outputted from the driving codebook, a noise level controller you output time-series vector with varying degrees of noise of ,
The time series vector output from the adaptive codebook, the time series vector output from the driving codebook and the degree of noise is changed by the noise degree control unit, and the gain decoded by the gain decoding unit. Input, weighting the time series vector output from the adaptive codebook and the time series vector output from the driving codebook and the degree of noise is changed by the noise degree control unit using the gain, A weighted addition unit that adds the two time-series vectors weighted using the gain, and outputs an addition result;
A linear prediction parameter decoding unit that receives the sign of the linear prediction parameter, decodes the linear prediction parameter from the input sign of the linear prediction parameter, and outputs the linear prediction parameter;
A synthesis filter that inputs the linear prediction parameter output from the linear prediction parameter decoding unit and the addition result output from the weighting addition unit, and synthesizes a voice using the linear prediction parameter and the addition result. An audio decoding device, comprising:
上記ゲインの符号を入力し、入力したゲインの符号に応じて復号化区間における音声のゲインを復号化し、
上記復号化したゲインの値の大小を用いて、上記復号化区間における音声の雑音性の度合いの大小を評価し、
複数の予め定められた駆動音源信号に対応する複数の時系列ベクトルを駆動符号帳へ記憶し、
上記駆動符号帳から時系列ベクトルを入力し、音声の雑音性の度合いの大小の評価結果に応じて上記駆動符号帳から出力された時系列ベクトルの雑音性の度合いを変化させ、雑音性の度合いを変化させた時系列ベクトルを出力し、
上記駆動符号帳から出力され雑音性の度合いを変化させられた時系列ベクトルと上記ゲインとを入力し、上記駆動符号帳から出力され雑音性の度合いを変化させられた時系列ベクトルを上記ゲインを用いて重み付けすることを特徴とする音声復号化方法。 In a code-driven linear prediction (CELP) speech decoding method for inputting a speech code including a gain code and synthesizing speech,
The above-mentioned gain code is input, and the voice gain in the decoding section is decoded according to the input gain code,
Using the magnitude of the decoded gain value, the magnitude of the degree of noise of the speech in the decoding section is evaluated,
A plurality of time-series vectors corresponding to a plurality of predetermined drive excitation signals are stored in the drive codebook,
Enter the time-series vector from the driving codebook, according to the evaluation result of the magnitude of the degree of the noise of the sound by varying the degree of noise of time-series vector outputted from the driving codebook, the degree of noise resistance Output a time-series vector with
The time series vector output from the driving codebook and the degree of noise is changed and the gain are input, and the time series vector output from the driving codebook and the degree of noise is changed and the gain is converted to the gain. A speech decoding method characterized by using and weighting.
過去の駆動音源信号を記憶する適応符号帳へ適応符号を入力し、入力した適応符号に応じて過去の駆動音源信号に対応する時系列ベクトルを上記適応符号帳から出力し、
複数の予め定められた駆動音源信号に対応する複数の時系列ベクトルを駆動符号帳へ記憶し、
上記駆動符号帳へ駆動符号を入力し、入力した駆動符号に応じて駆動音源信号に対応する時系列ベクトルを上記駆動符号帳から出力し、
ゲインの符号を入力し、入力したゲインの符号を用いて、復号化区間における音声のゲインを復号化し、
復号化したゲインを入力し、入力したゲインの値の大小を用いて上記復号化区間における音声の雑音性の度合いの大小を評価し、
音声の雑音性の度合いの大小の評価結果と上記駆動符号帳から出力された時系列ベクトルとを入力し、上記音声の雑音性の度合いの大小の評価結果に応じて上記駆動符号帳から出力された時系列ベクトルの雑音性の度合いを変化させ、雑音性の度合いを変化させた時系列ベクトルを出力し、
上記適応符号帳から出力された時系列ベクトルと上記駆動符号帳から出力され雑音性の度合いを変化させられた時系列ベクトルと上記復号化したゲインとを入力し、上記適応符号帳から出力された時系列ベクトルと上記駆動符号帳から出力され雑音性の度合いを変化させられた時系列ベクトルとを上記ゲインを用いて重み付けし、上記ゲインを用いて重み付けした二つの時系列ベクトルを加算し、加算結果を出力し、
上記線形予測パラメータの符号を入力し、入力した線形予測パラメータの符号から線形予測パラメータを復号化して出力し、
出力された線形予測パラメータと上記出力された加算結果とを入力し、上記線形予測パラメータと上記加算結果とを用いて音声を合成することを特徴とする音声復号化方法。 In a code-driven linear prediction (CELP) speech decoding method for inputting a speech code including a code of a linear prediction parameter, an adaptive code, a drive code, and a gain code and synthesizing speech,
Input an adaptive code to the adaptive codebook that stores the past drive excitation signal, and output a time-series vector corresponding to the past drive excitation signal from the adaptive codebook according to the input adaptive code,
A plurality of time-series vectors corresponding to a plurality of predetermined drive excitation signals are stored in the drive codebook,
A drive code is input to the drive codebook, and a time-series vector corresponding to the drive excitation signal is output from the drive codebook according to the input drive code,
A gain code is input, and the gain of the audio in the decoding section is decoded using the input gain code,
The decoded gain is input, and the magnitude of the degree of noise of the speech in the decoding section is evaluated using the magnitude of the input gain value,
The evaluation result of the degree of noise of speech and the time-series vector output from the driving codebook are input, and are output from the driving codebook according to the evaluation result of the degree of noise of the speech. Change the degree of noise of the time series vector, and output a time series vector with the degree of noise changed,
The time series vector output from the adaptive codebook, the time series vector output from the driving codebook and changed in the degree of noise, and the decoded gain are input and output from the adaptive codebook. The time series vector and the time series vector output from the driving codebook and having a changed degree of noise are weighted using the gain, and the two time series vectors weighted using the gain are added and added. Output the result,
Input the sign of the linear prediction parameter, decode and output the linear prediction parameter from the input sign of the linear prediction parameter,
A speech decoding method comprising: inputting the output linear prediction parameter and the output result, and synthesizing a speech using the linear prediction parameter and the addition result.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2003312063A JP3563400B2 (en) | 1997-12-24 | 2003-09-04 | Audio decoding device and audio decoding method |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP35475497 | 1997-12-24 | ||
JP2003312063A JP3563400B2 (en) | 1997-12-24 | 2003-09-04 | Audio decoding device and audio decoding method |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2002202211A Division JP3736801B2 (en) | 1997-12-24 | 2002-07-11 | Speech decoding method and speech decoding apparatus |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2004046232A JP2004046232A (en) | 2004-02-12 |
JP3563400B2 true JP3563400B2 (en) | 2004-09-08 |
Family
ID=31719167
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2003312063A Expired - Lifetime JP3563400B2 (en) | 1997-12-24 | 2003-09-04 | Audio decoding device and audio decoding method |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP3563400B2 (en) |
-
2003
- 2003-09-04 JP JP2003312063A patent/JP3563400B2/en not_active Expired - Lifetime
Also Published As
Publication number | Publication date |
---|---|
JP2004046232A (en) | 2004-02-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4916521B2 (en) | Speech decoding method, speech encoding method, speech decoding apparatus, and speech encoding apparatus | |
JP3134817B2 (en) | Audio encoding / decoding device | |
JP3180762B2 (en) | Audio encoding device and audio decoding device | |
JP3746067B2 (en) | Speech decoding method and speech decoding apparatus | |
JP2002268686A (en) | Voice coder and voice decoder | |
JP4800285B2 (en) | Speech decoding method and speech decoding apparatus | |
JP4510977B2 (en) | Speech encoding method and speech decoding method and apparatus | |
JP3563400B2 (en) | Audio decoding device and audio decoding method | |
JP3319396B2 (en) | Speech encoder and speech encoder / decoder | |
JP3144284B2 (en) | Audio coding device | |
JP4170288B2 (en) | Speech coding method and speech coding apparatus | |
JP3736801B2 (en) | Speech decoding method and speech decoding apparatus | |
JP3292227B2 (en) | Code-excited linear predictive speech coding method and decoding method thereof |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20031210 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20031216 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20040119 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20040127 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20040318 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20040512 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20040601 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20040602 |
|
R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080611 Year of fee payment: 4 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080611 Year of fee payment: 4 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090611 Year of fee payment: 5 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100611 Year of fee payment: 6 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100611 Year of fee payment: 6 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110611 Year of fee payment: 7 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120611 Year of fee payment: 8 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120611 Year of fee payment: 8 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313113 |
|
S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120611 Year of fee payment: 8 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120611 Year of fee payment: 8 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130611 Year of fee payment: 9 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
EXPY | Cancellation because of completion of term |