JP3578933B2 - 重み符号帳の作成方法及び符号帳設計時における学習時のｍａ予測係数の初期値の設定方法並びに音響信号の符号化方法及びその復号方法並びに符号化プログラムが記憶されたコンピュータに読み取り可能な記憶媒体及び復号プログラムが記憶されたコンピュータに読み取り可能な記憶媒体 - Google Patents
重み符号帳の作成方法及び符号帳設計時における学習時のｍａ予測係数の初期値の設定方法並びに音響信号の符号化方法及びその復号方法並びに符号化プログラムが記憶されたコンピュータに読み取り可能な記憶媒体及び復号プログラムが記憶されたコンピュータに読み取り可能な記憶媒体 Download PDFInfo
- Publication number
- JP3578933B2 JP3578933B2 JP03919599A JP3919599A JP3578933B2 JP 3578933 B2 JP3578933 B2 JP 3578933B2 JP 03919599 A JP03919599 A JP 03919599A JP 3919599 A JP3919599 A JP 3919599A JP 3578933 B2 JP3578933 B2 JP 3578933B2
- Authority
- JP
- Japan
- Prior art keywords
- prediction
- codebook
- signal
- audio signal
- encoding
- 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
Images
Description
【０００１】
【発明の属する技術分野】
本発明は、重み符号帳の作成方法及び符号帳設計時における学習時のＭＡ予測係数の初期値の設定方法並びに音響信号の符号化方法及びその復号方法並びに符号化プログラムが記憶されたコンピュータに読み取り可能な記憶媒体及び復号プログラムが記憶されたコンピュータに読み取り可能な記憶媒体に係わり、特に音響信号を符号化あるいは復号する技術に関する。
【０００２】
【従来の技術】
ディジタル移動体通信においては、通信回線や記憶媒体を効率的に利用するために、例えば再生音響信号の歪みを所定の距離尺度の下で最小とする高能率符号化方式が採用される。この高能率符号化方式の１つとして、時間領域において音響信号をフレームまたはサブフレームと呼ばれる５〜５０ｍｓ程度の一定間隔の区分に分割し、その１フレームを周波数スペクトルの包絡特性を表す信号（短期予測信号）及びその予測残差を示す駆動音源信号に分離し、これら短期予測信号と駆動音源信号とをそれぞれ符号化する方法が提案されている。
【０００３】
また、上記駆動音源信号の符号化方式としては、音声のピッチ周期（基本周波数）に対応する周波数成分とそれ以外の成分（非周期性成分）に分離して符号化する符号駆動線形予測符号化方式（ＣＥＬＰ：Ｃｏｄｅ−Ｅｘｃｉｔｅｄ Ｌｉｎｅａｒ Ｐｒｅｄｉｃｔｉｏｎ）が知られている。この符号駆動線形予測符号化方式については、文献『Ｍ．Ｒ．Ｓｃｈｒｏｅｄｅｒ ａｎｄ Ｂ．Ｓ．Ａｔａｌ，”Ｃｏｄｅ‐Ｅｘｃｉｔｅｄ Ｌｉｎｅａｒ Ｐｒｅｄｉｃｔｉｏｎ（ＣＥＬＰ）：Ｈｉｇｈ Ｑｕａｌｉｔｙ Ｓｐｅｅｃｈ ａｔ Ｖｅｒｙ Ｌｏｗ Ｂｉｔ Ｒａｔｅｓ”，ＩＥＥＥ Ｐｒｏｃ．ｌＣＡＳＳＰ−８５，ｐ．ｐ．９３７−９４０，１９８５』に詳細が記載されている。
【０００４】
音響信号の符号化の場合、例えば符号駆動線形予測符号化方式にはＭＡ予測を用いたベクトル量子化（ＭＡ予測ベクトル量子化）が用いられる。予測ベクトル量子化には、ＡＲ予測を用いたＡＲ予測ベクトル量子化とＭＡ予測ベクトル量子化とがあり、いずれも予測を用いてフレーム間の相関を取り除くことができる。一般的には、相関のある信号列から予測可能な成分を取り除いて白色化する手法としてＡＲ予測ベクトル量子化が用いられることが多いが、音響信号の符号化においては、伝送誤り耐性の向上のためにＭＡ予測ベクトル量子化が用いられている。
【０００５】
ＭＡ予測ベクトル量子化では、符号帳に所定数の代表ベクトルを各要素として予め設定しておき、駆動音源信号に応じてフレームあるいはサブフレーム毎に代表ベクトルを選択し、該選択された代表ベクトルを所定のフィルタ係数（ＭＡ予測係数）を有するＩＩＲフィルタに入力することにより駆動音源信号に対応する信号を生成する。そして、復号時には上記ＩＩＲフィルタと同一のＭＡ予測係数のＦＩＲフィルタを用いて上記信号を再生する。
【０００６】
このようなＭＡ予測ベクトル量子化においては、上記符号帳及びＭＡ予測係数を適切に決定する必要がある。従来では、図９に示すような再帰的学習法によって符号帳の各要素及びＭＡ予測係数を決定している。この学習法においては、初期符号帳の設計処理（９−１）において、初期符号帳を設計する。この初期符号帳の設計手法としては、ＬＢＧアルゴリズムが適用される。この設計手法は、ベクトル量子化すべきベクトル空間の分布をよく表すような分布をもつ学習用データ（学習用の音響信号）を量子化したときの歪みの総和が極小となるように初期符号帳を設計する手法である。ＬＢＧアルゴリズムでは、代表ベクトルの初期値をｌつ決め、最適な代表ベクトルを求める操作と代表ベクトルの数を２倍に増加させる操作とを交互に行って目的とする数の代表ベクトルを得る。
【０００７】
このＬＢＧアルゴリズムは、学習ベクトルの集合をいくつかの部分集合に分割する操作を意味し、上記部分集合をクラスタ、分割処理をクラスタリングと呼ぷ。ＬＢＧアルゴリズムの詳細については、文献『Ｙ．Ｌｉｎｄｌｅ Ａ．Ｂｕｚｏ．Ｅ．Ｍ．Ｇｒａｙ，”Ａｎ Ａｌｇｏｒｉｔｈｍ ｆｏｒ Ｖｅｃｔｏｒ Ｑｌｕａｎｔｉｚｅｒ Ｄｅｓｉｇｎ”，ＩＥＥＥ Ｔｒａｉｎｓ．Ｃｏｍｍｕｎ．ＣＯＭ‐２８ ｐ．ｐ．８４−９５，１９８０』に記載されている。予測ベクトル量子化については、文献『Ａｌｌｅｎ Ｇｅｒｓｈｏ，Ｒｏｂｅｒｔ Ｍ．Ｇｒａｙ，”ＶＥＣＴＯ ＱＵＡＮＴＩＺＡＴＩ０Ｎ ＡＮＤ ＳｌＣＮＡＬ Ｃ０ＭＰＲＥＳＳＩＯＮ”，Ｋｌｉｗｅｒ Ａｃａｄｅｍｉｃ Ｐｕｂｌｉｓｈｅｒｓ，１９９２』に記載されている。
【０００８】
続いて、ＭＡ予測係数決定処理（９−２）では、学習用データと上記初期符号帳を用いて再生信号の歪みの総和が最小となるようにＭＡ予測係数を仮決定する。そして、処理（９−３）において学習用データを符号化すると、以降、処理（９−４）〜（９−９）を繰り返すことにより、再生信号の歪みの総和Ｄが最小となるように最適な代表ベクトルとＭＡ予測係数とが最終的に決定される。
【０００９】
すなわち、学習用データがどの代表ベクトルに帰属するかを再帰的に更新することにより、その帰属状態において歪みの総和が極小となるように代表ベクトルが更新される（９−４）。この帰属更新処理と代表ベクトの更新処埋を収束するまで交互に繰り返し行うことにより、代表ベクトルは、次第に最適なものに近づいて行く。この操作は、Ｌｌｏｙｄ‐Ｍａｘまたはｋ平均アルゴリズムと呼ばれている。
【００１０】
なお、重み符号帳のＭＡ予測ベクトル量子化については、文献『ＩＴＵ‐Ｔ ＣＯＭ １５−１５２−Ｅ，”Ｇ．７２９−Ｃｏｄｉｎｇ ｏｆ Ｓｐｅｅｃｈ ａｔ ８ｋｂｉｔ／ｓ ｕｓｉｎｇ Ｃｏｎｊｕｇａｔｅ−Ｓｔｒｕｃｔｕｒｅ Ａｌｇｅｒａｉｃ−Ｃｏｄｅ−Ｅｘｃｉｔｅｄ／Ｌｉｎｅａｒ−Ｐｒｅｄｉｃｔｉｏｎ（ＣＳ−ＡＣＥＬＰ）”，Ｊｕｌ．１９９５』に詳しい。同じく，ＭＡ予測を用いるフレーム間予測ベクトル量子化に関しては、大室仲，守谷健弘，間野一則，三樹聡，”移動平均型フレーム間予測を用いるＬＳＰパラメータのベクトル量子化”，電子情報通信学会論文誌 Ａ Ｖｏｌ．Ｊ７７−Ａ Ｎｏ．３ ｐ．ｐ．３０３−３１３，１９９４等に記載がある。
【００１１】
【発明が解決しようとする課題】
ところで、音響信号の符号化においては、音響信号をデジタル表現する際のビット数が制限されることから、上記符号駆動線形予測符号化方式に用いられる符号帳の要素数にも制限がある。この符号帳は、複数の学習用の音響信号を用いることにより予め各要素を決定し、実際に伝送する音響信号の符号化に共されるものである。
【００１２】
しかし、従来では学習用の音響信号の集合全体に対して再生音響信号の波形歪みの総和が最小、つまり再生音響信号のＳ／Ｎが最大となるように符号帳の各要素を学習によって決定している。このような学習用の音響信号全体に亘って波形歪みを最小にするような距離尺度で符号帳の各要素を決定した場合、入カ音響信号のパワーが大きなところに重点を置いた符号帳が生成される。
【００１３】
人問の音圧知覚特性は、パワーの小さな音では少しのパワーの変化も十分に知覚可能であり、むしろパワーの大きな部分で知覚感度が荒い。このため、従来の学習によって得られた符号帳を用いて実際に伝送する音響信号を符号化した場合、音響信号のバワーの小さな部分に対応する符号帳要素の割合か少な過ぎるため、入力音響信号の大きさが比較的小さい場合に再生音響信号の音質劣化が顕著に知覚される。この結果として、そのような符号帳を用いて再生された再生音響は不安定な印象を与える。
【００１４】
一方、少ないビット数で少しでも高品質な再生音響信号を得るためには、従来の符号帳の学習方法を改善し、入力音響信号の量子化効率を可能な限り良くする必要がある。上記符号帳の要素の量子化には、伝送誤り耐性向上のために復号時にＦＩＲフィルタを用いるＭＡ予測ベクトル量子化が用いられてきたが、一般的に、ＭＡ予測を用いてＡＲ予測と同程度の予測性能を得るためには、ＭＡ予測の次数（ＩＩＲフィルタ及びＦＩＲフィルタの次数）を非常に高次に設定する必要がある。しかし、伝送誤りからの復旧時間を考慮して４次程度の少ない次数が用いられちことが多く、この低い次数のＭＡ予測係数を開ループで安定に決定することは極めて困難であった。
【００１５】
従来のＭＡ予測ベクトル量子化では、上述したように初期符号帳を先に決めなければＭＡ予測係数が決まらず、またＭＡ予測係数を決定しなければ初期符号帳を決定することができないという制約条件がある。一度、初期符号帳が決定されれば、あとは初期符号帳とＭＡ予測係数を交互に学習する再帰学習法によって、各値は漸近的に局所的最適解に収束していく。従来では、ＭＡ予測を使わないで設計した初期符号帳を用いる方法またはＭＡ予測係数の初期値を経験的に決定する方法が採用されており、よって初期符号帳によっては局所解に陥ったり、あるいは適当に与えたＭＡ予測係数が安定でない場合があるため、最適な初期符号帳の決定は難しく、再帰学習結果として得られた符号帳も局所的な最適解しか得られない。
【００１６】
本発明は、上述する問題点に鑑みてなされたもので、以下の点を目的とするものである。
（１）入力音響信号の大きさが比較的小さい場合における再生音響信号の音質劣化を抑える。
（２）低いビット数の符号化でも高品質な再生音響信号を得る。
【００１７】
【課題を解決するための手段】
上記目的を達成するために、本発明では、重み符号帳及びその作成方法に係わる第１の手段として、入力音響信号を、その短期間の周波数スペクトルの包絡特性の予測結果を示す短期予測信号とその予測残差を示す駆動音源信号とに分離し、該駆動音源信号に基づいて正規化ベクトルを選択すると共に該正規化ベクトルの大きさを規定する重み量を該重み量を各要素とする重み符号帳から選択して駆動音源ベクトル候補を生成し、該駆動音源ベクトル候補と前記短期予測信号とに基づいて生成された再生音声候補の入力音響信号に対する歪みが所定の距離尺度の下で最小となるように前記駆動音源信号を生成し、このようにして生成された駆動音源信号と前記短期予測信号とを符号化する符号化方法における前記重み符号帳の作成方法において、人間の音圧知覚特性を加味した距離尺度を用いて前記重み符号帳の各要素を設定するという手段を採用する。
【００１８】
重み符号帳及びその作成方法に係わる第２の手段として、上記第１の手段において、人間の音圧知覚特性を入力音響信号のパワーの関数をして加味した距離尺度を用いるという手段を採用する。
【００１９】
重み符号帳及びその作成方法に係わる第３の手段として、上記第２の手段において、入力音響信号をｘとした場合に、前記関数を（｜ｘ｜２）ｐ／｜ｘ｜２によって与えるという手段を採用する。ただし、ｐは、０＜ｐ＜１の範囲内の値である。
【００２０】
また、本発明では、ＭＡ予測係数の初期値の設定方法に係わる第１の手段として、ＭＡ予測ベクトル量子化におけるＭＡ予測係数の初期値の設定方法において、複数の学習用データから算出されたＡＲ予測係数をＭＡ予測の手法を用いて近似することによりＭＡ予測係数の初期値を算出するという手段を採用する。
【００２１】
ＭＡ予測係数の初期値の設定方法に係わる第２の手段として、ＭＡ予測ベクトル量子化におけるＭＡ予測係数の初期値の設定方法において、複数の学習用データの平均値を算出する行程と、各学習用データから前記平均値を差し引いたものを用いて共分散法に基づいて第１のＡＲ予測係数を算出する行程と、第１のＡＲ予測係数をフィルタ係数とするフィルタのインパルス応答を求める行程と、インパルス応答を入力とし、自己相関法に基づいてＭＡ予測係数と同次数の第２のＡＲ予測係数を算出する行程と、第２のＡＲ予測係数をフィルタ係数とするフィルタの逆フィルタを求めることによりＭＡ予測係数の初期値を算出する行程とを有する手段を採用する。
【００２２】
また、本発明では、ＭＡ予測ベクトル量子化用の重み符号帳及びその作成方法に係わる第１の手段として、ＭＡ予測係数の初期値の設定方法に係わる上記各手段を用いてＭＡ予測係数の初期値を算出すると、ＬＢＧアルゴリズムに基づいて重み符号帳の初期符号帳を作成する行程と、ＭＡ予測係数の初期値と初期符号帳を備えたＭＡ予測ベクトル量子化処理において、再帰的な学習によって各学習用データについて算出される再生信号の歪みの総和が最小となるように重み符号帳の各要素及びＭＡ予測係数を順次更新して最終的に各要素を決定する行程とを有する手段を採用する。
【００２３】
ＭＡ予測ベクトル量子化用の重み符号帳及びその作成方法に係わる第２の手段として、上記第１の手段において、再生信号の歪みを人間の音圧知覚特性を加味した距離尺度を用いて算出するという手段を採用する。
【００２４】
ＭＡ予測ベクトル量子化用の重み符号帳及びその作成方法に係わる第３の手段として、上記第１の手段において、再生信号の歪みを入力音響信号のパワーの関数を加味した距離尺度を用いて算出するという手段を採用する。
【００２５】
ＭＡ予測ベクトル量子化用の重み符号帳及びその作成方法に係わる第４の手段として、上記第１の手段において、再生信号の歪みを下式（１）に示す入力音響信号ｘのパワーの関数Ｗを加味した距離尺度を用いて算出するという手段を採用する。ただし、ｐは、０＜ｐ＜１の範囲内の値である。
Ｗ＝（｜ｘ｜２）ｐ／｜ｘ｜２ （１）
【００２６】
さらに、本発明では、音響信号の符号化方法に係わる第１の手段として、入力音響信号を、その短期間の周波数スペクトルの包絡特性の予測結果を示す短期予測信号とその予測残差を示す駆動音源信号とに分離し、該駆動音源信号に基づいて正規化ベクトルを選択すると共に該正規化ベクトルの大きさを規定する重み量を該重み量を各要素とする重み符号帳から選択して駆動音源ベクトル候補を生成し、該駆動音源ベクトル候補と前記短期予測信号とに基づいて生成された再生音声候補の入力音響信号に対する歪みが所定の距離尺度の下で最小となるように前記駆動音源信号を生成し、このようにして生成された駆動音源信号と前記短期予測信号とを符号化する音響信号の符号化方法において、人間の音圧知覚特性を加味した距離尺度を用いて前記重み符号帳の各要素を設定するという手段を採用する。
【００２７】
音響信号の符号化方法に係わる第２の手段として、上記第１の手段において、人間の音圧知覚特性を入力音響信号のパワーの関数をして加味した距離尺度を用いるという手段を採用する。
【００２８】
音響信号の符号化方法に係わる第３の手段として、上記第２の手段において、入力音響信号をｘとした場合に、前記関数を（｜ｘ｜２）ｐ／｜ｘ｜２によって与えるという手段を採用する。ただし、ｐは、０＜ｐ＜１の範囲内の値である。
【００２９】
音響信号の符号化方法に係わる第４の手段として、上記第１〜第３いずれかの手段において、ＭＡ予測ベクトル量子化を用いて駆動音源信号から駆動音源ベクトル候補を生成する場合、上記ＭＡ予測ベクトル量子化用の重み符号帳の作成方法に係わる第１の手段によって得られた重み符号帳及びＭＡ予測係数を用いるという手段を採用する。
【００３０】
さらに、本発明では、上記音響信号の復号方法に係わる第１の手段として、上記音響信号の符号化方法に係わる第１〜第３いずれかの手段によって生成された符号を復号する音響信号の復号方法において、これらの音響信号の符号化方法に用いられる重み符号帳を用いて前記符号を復号するという手段を採用する。
【００３１】
上記音響信号の復号方法に係わる第２の手段として、上記音響信号の符号化方法に係わる第４の手段によって生成された符号を復号する音響信号の復号方法において、この音響信号の符号化方法に用いられる重み符号帳及びＭＡ予測係数を用いて前記符号を復号するという手段を採用する。
【００３２】
また、本発明では、上記音響信号の符号化方法に係わる各手段に従った処理をコンピュータに読み取り可能な記憶媒体に記憶した符号化プログラムとするという手段を採用する。
【００３３】
さらに、上記音響信号の復号方法に係わる各手段に従った処理をコンピュータに読み取り可能な記憶媒体に記憶した復号プログラムとするという手段を採用する。
【００３４】
【発明の実施の形態】
以下、図面を参照して、本発明に係わる重み符号帳の作成方法及び符号帳設計時における学習時のＭＡ予測係数の初期値の設定方法並びに音響信号の符号化方法及びその復号方法並びに符号化プログラムが記憶されたコンピュータに読み取り可能な記憶媒体及び復号プログラムが記憶されたコンピュータに読み取り可能な記憶媒体の一実施形態について説明する。
【００３５】
図１は、本実施形態に係わる符号化器の機能構成を示すブロック図である。この図に示すように、入力音声（入力音響信号）ｘは、線形予測分析部１−１と歪み計算部１−６とに入力される。こ線形予測分析部１−１は、入力音声ｘの周波数スペクトル包絡特性を表す線形予測パラメータａを算出し、線形予測パラメータ符号化部１−２及び歪み計算部１−６に出力する。
【００３６】
ここで、入力音声ｘは、例えば１０ｍｓの間隔で分割されたフレームとして線形予測分析部１−１に入力されるようになっており、線形予測分析部１−１から出力される線形予測パラメータａは、各フレームの周波数スペクトル包絡特性を表すものとなる。
【００３７】
線形予測パラメータ符号化部１−２は、線形予測パラメータａをフレーム毎に符号化し、線形予測パラメータ符号ａｆとして線形予測バラメータ復号部１−３及び符号送出部１−９に出力する。線形予測パラメータ復号部１−３は、線形予測パラメータ符号化部１−２から入力された線形予測パラメータ符号ａｆから合成フィルタ係数ｂを再生し、合成フィルタ１−５に送出する。
【００３８】
合成フィルタ１−５は、上記合成フィルタ係数ｂによって特性が規定される線形フィルタであり、この合成フィルタ係数ｂと駆動音源ベクトル生成部１−４から入力された駆動音源ベクトル侯補ｃとを用いて再生音声候補ｙを生成出力する。この合成フィルタ１−５の次数つまり上記線形予測分析部１−１における線形予測分析の次数は、例えば１０〜１６次程度である。
【００３９】
なお、上記線形予測分析部１−１、線形予測パラメータ符号化部１−２、線形予測パラメータ復号部１−３及び合成フィルタ１−５を非線型なものに置き換えても良い。線形予測分析の詳細及び線形予測パラメータの符号化は、周知の技術事項であり、例えば古井忠著『ディジタル音声処理』（東海大学出版会）に詳細が記載されている。
【００４０】
歪み計算部１−６は、上記入力音声ｘ、線形予測パラメータａ及び合成フィルタ１−５から入力される再生音声候補ｙに基づいて、再生音声候補ｙの入力音声ｘに対する歪みｄを上記フレーム毎に算出して符号帳検索制御部１−８に出力するものである。
【００４１】
図２は、上記歪み計算部１−６の詳細構成を示すブロック図である。この図に示すように、当該歪み計算部１−６は、聴覚重み付けを考慮して再生音声候補ｙの歪みｄを計算するために、合成フィルタ１−５から出力された再生音声候補ｙを聴覚重みフィルタ２−２を通してから距離計算部２−４に入力すると共に、入力音声ｘをも聴覚重みフィルタ２−３を通して距離計算部２−４に入力するように構成されている。
【００４２】
聴覚重みフィルタ２−２は、上記線形予測バラメータａを係数とするものであり、再生音声候補ｙを聴覚重みつき再生音声候補ｙｗに変換して距離計算部２−４に出力する。また、聴覚重みフィルタ２−３は、固定係数を用いるフィルタであり、入力音声ｘを聴覚重みつき入力音声ｘｗに変換して距離計算部２−４に出力する。これら聴覚重みフィルタ２−２，２−３は、距離計算部２−４の後に１つのフィルタとして挿入しても等価であるが、処理量の観点から距離計算部２−４の手前に独立して設けられている。
【００４３】
一方、符号張検索制御部１−８は、上記再生音声候補ｙの歪みｄの総和が各フレーム毎に最小となるような駆動音源符号ｅを選択して駆動音源ベクトル生成部１−４に出力する。本実施形態では、図３及び図４を参照して以下に説明するように、駆動音源ベクトル生成部１−４が適応符号帳３−１、固定符号帳２−２及び重み符号帳４−１を用いて駆動音源ベクトル侯補ｃを算出するように構成されている。
【００４４】
このことに関連して、符号張検索制御部１−８は、再生音声候補ｙの歪みｄの総和が各フレーム毎に最小となるように適応符号帳３−１用の周期符号、固定符号帳２−２用の固定（雑音）符号及び重み符号帳４−１用の重み符号を選択し、駆動音源符号ｅとして駆動音源ベクトル生成部１−４に出力するように構成されている。
【００４５】
符号送出部１−９は、駆動音源符号ｅ及び線形予測パラメータ符号ａｆを、利用形態に応じて記憶装置あるいは伝送路に出力する。上記駆動音源ベクトル生成部１−４は、入力音声ｘの１フレーム分の長さの駆動音源ベクトル侯補ｃを生成して合成フィルタ１−５に出力するものである。
【００４６】
図３は、上記駆動音源ベクトル生成部１−４の詳細構成を示すブロック図である。この図において、適応符号帳３−１は、バッファ部（図示略）に記憶されていた１フレーム前（過去）の駆動音源ベクトルｃ（ｔ‐１）と上記駆動音源符号ｅに含まれる周期符号とに基づいて入力音声ｘの周期成分に対応する時系列ベクトル候補Ｖａをフレーム毎に生成する。
【００４７】
この適応符号帳３−１は、駆動音源ベクトルｃ（ｔ‐１）を周期符号を用いて所定周期に相当する長さで切り出し、この切り出したベクトルをフレームの長さになるまで繰り返すことによって入力音声ｘの周期成分に対応する周期符号ベクトル候補Ｖａ（正規化ベクトル）を選択して出力する。適応符号帳３−１には、周期符号に対応する正規化ベクトルが各要素として所定数記憶されている。
【００４８】
上記所定周期は、再生音声候補ｙの歪みｄが小さくなるように選択されるが、一般には入力音声ｘのピッチ周期に相当する周期である。本実施形態もこれに従う。固定符号帳３−２は、音声の非周期成分に対応する１フレーム分の長さの固定符号ベクトル侯補（正規化ベクトル）を選択出力する。この固定符号ベクトル侯補は、入力音声ｘとは独立に符号化のためのビット数に応じて予め指定された数の候補ベクトルとして固定符号帳３−２に記憶されている。
【００４９】
周期化部３−３は、固定符号帳３−２から出力された固定符号ベクトル候補を周期符号で指定される上記所定周期（ビッチ周期に相当）で周期化した時系列ベクトル候補Ｖｆを出力する。この周期化は、指定された周期位置にタップを有する櫛形フィルタをかけるか、適応符号帳３−１と同様にフレームの先頭から指定された周期に相当する長さで切り出したベクトルを繰り返す処理である。このような周期化部３−３は、符号化効率向上の点から用いられることが多い。また、子音区間等、入力音声ｘそのものにピッチ成分がないかあるいは少ない場合などには、周期化部３−３は何の働きもしない。
【００５０】
重み符号生成部３−７は、上記駆動音源符号ｅに含まれるフレーム単位（１０ｍｓ単位）の重み符号をさらに５ｍｓ毎の２つのサプフレームに分割することにより、正規化ベクトルである上記適応符号帳３−１の周期符号ベクトル候補Ｖａに対する重み量ｇａ及び周期化部３−３から出力された非周期性の時系列ベクトル候補Ｖｆ（正規化ベクトル）に対する重み量ｇｆとをサブフレーム毎に生成出力するものである。この重み符号生成部３−７の詳細については、以下に詳説する。
【００５１】
乗算部３−４は、上記適応符号帳３−１から入力された周期符号ベクトル候補Ｖａと重み符号生成部３−７から入力された重み量ｇａとを乗算し、ベクトル候補ｃａとして加算部３−６に出力する。乗算部３−５は、周期化部３−３から入力された時系列ベクトル候補Ｖｆと重み符号生成部３−７から入力された重み量ｇｆとを乗算し、ベクトル候補ｃｆとして加算部３−６に出力する。加算部３−６は、上記ベクトル候補ｃａとベクトル候補ｃｆとを加算し、駆動音源ベクトルの侯補ｃとして合成フィルタ１−５に出力する。
【００５２】
図４は、上記重み符号生成部３−７の詳細構成を示す図であり、このうち（ａ）はブロック図、（ｂ）は重み符号帳４−１の具体的構成例である。図４（ａ）に示すように、重み符号生成部３−７は、ＭＡ予側ベクトル量子化を適用したものであり、重み符号帳４−１とＭＡ予測部４−２とから構成されている。
【００５３】
重み符号帳４−１は、上記適応符号帳３−１に登録された規格化ベクトルに対する重み係数ｇａと固定符号帳３−２に登録された規格化ベクトルに対する重みのＭＡ予測算差ｘｆとを要素とする２次元ベクトル（要素ベクトル）を所定数登録したものである。例えば、各要素ベクトルを６ビットのデータとした場合、重み符号帳４−１は、図４（ｂ）に示すように６４個（＝２６）の要素ベクトルから構成される。
【００５４】
重み符号帳４−１は、実際の入力音声ｘの符号化時においては、上記駆動音源符号ｅ内の重み符号に基づいて要素ベクトルを選択し、この選択された要素ベクトルの重み係数ｇａを乗算部３−４に出力すると共に、この重み係数ｇａと組をなすＭＡ予測算差ｘｆをＭＡ予測部４−２に出力する。
【００５５】
ＭＡ予測部４−２は、ＭＡ予測算差ｘｆを１サブフレーム分遅延させる（ｍ−１）段直列接続されたバッファ部４ｂ１，４ｂ２，……４ｂ（ｍ−１）、重み符号帳４−１から出力されたＭＡ予測算差ｘｆ及び各バッファ部４ｂ１，４ｂ２，……４ｂ（ｍ−１）の出力にＭＡ予測係数ａ１，ａ２，ａ３，……ａｍを乗算するベクトル乗算部４ｋ１，４ｋ２，４ｋ３，……４ｋｍ、またこれらベクトル乗算部４ｋ１，４ｋ２，４ｋ３，……４ｋｍの各出力を順次加算するベクトル加算部４ａ１，４ａ２，４ａ３，……から構成されている。
【００５６】
このように構成されたＭＡ予測部４−２は、時系列的に連続するｍ個のＭＡ予測算差ｘｆ（ｎ），ｘｆ（ｎ−１），ｘｆ（ｎ−２），……ｘｆ（ｎ−ｍ）とＭＡ予測係数ａ１，ａ２，ａ３，……ａｍとを用いて予測したＭＡ予測残差を算出し、このＭＡ予測残差を固定符号帳３−２に対する重み係数ｇｆをとして乗算部３−５に出力する。
【００５７】
このような重み符号帳４−１の各要素ベクトル及びＭＡ予測係数ａ１，ａ２，ａ３，……ａｍは、実際の入力音声ｘの符号化に先立って行われる学習によって決定される。この学習では、上記再生音声候補ｙの歪みｄが最小となるように重み符号帳４−１の各要素ベクトル及びＭＡ予測係数ａ１，ａ２，ａ３，……ａｍが決定される。なお、この重み符号帳４−１の各要素ベクトル及びＭＡ予測係数ａ１，ａ２，ａ３，……ａｍの設定方法の詳細については、後述する。
【００５８】
続いて、図５は、上記符号化器に対応する復号器の機能構成を示すブロック図である。符号受信部５−１は、伝送路または記憶媒体から受信された符号を受信し、線形予測パラメータ符号を線形予測パラメータ復号部５−２に、また駆動音源符号ｅを駆動音源ベクトル生成部５−３にそれぞれ出力する。線形予測パラメータ復号部５−２は、線形予測パラメータ符号を復号して上記合成フィルタ係数ｂを再生し、この合成フィルタ係数ｂを合成フィルタ５−４及び後処理部５−５に出力する。
【００５９】
駆動音源ベクトル生成部５−３は、駆動音源符号ｅに対応する音源ベクトルを生成して合成フィルタ５−４に出力する。なお、この駆動音源ベクトル生成部５−３の構成は、上述した符号化器における駆動音源ベクトル生成部１−４に対応する構成となる。合成フィルタ５−４は、上記駆動音源ベクトルと合成フィルタ係数ｂに基づいて入力音声ｘを再生し、再生音声を後処理部５−５に出力する。後処理部５−５は、再生音声雑音を聴覚的に低減させるポストフィルタリングを行い、出力音声として外部に出力する。なお、この後処理部５−５は、処理量の削減等の観点から設けられない場合もある。
【００６０】
次に、このように構成された符号化器及び復号器に適用する重み符号帳４−１及びＭＡ予測係数ａ１，ａ２，ａ３，……ａｍの決定方法について説明する。
【００６１】
まず、上記符号化器に適用する重み符号帳４−１、並びに符号化器及び復号器に適用するＭＡ予測係数ａ１，ａ２，ａ３，……ａｍを決定する場合、上記距離計算部２−４は、以下のようにして歪みｄを算出する。すなわち、人間の音圧知覚に関する聴覚特性を考慮して入力音声ｘのパワーの関数として与えられる値Ｗを下式（１）に基づいて算出する。ただし、ｐは、範囲（０＜ｐ＜１）内の値であるが、０．３程度が好ましい。
Ｗ＝（｜ｘ｜２）ｐ／｜ｘ｜２ （１）
【００６２】
また、上記値Ｗを係数とする以下の歪み計算式（２）に基づいてサプフレーム毎の歪みｄを算出する。ここで、Ｈは、上記合成フィルタ１−５の特性を示す下三角行列であり、主対角成分として合成フィルタ１−５のインパルス応答の０次成分が、下位の対角成分としてインパルス応答の１次成分，２次成分，……が並ぶものである。また、Ｔは上記聴覚重みフィルタ２−２，２−３の係数（聴覚重み係数）である。
ｄ＝Ｗ・Ｔ｜ｘ−ｇａ・Ｈ・Ｖａ−ｇｆ・Ｈ・Ｖｆ｜２ （２）
【００６３】
そして、このように距離計算部２−４が設定された符号化器を用いて、図６に示すフローチャートに沿った処理を実施することにより、重み符号帳４−１及びＭＡ予測係数ａ１，ａ２，ａ３，……ａｍを決定する。以下、図６及び図７に示すフローチャートを参照して、本実施形態における重み符号帳４−１及びＭＡ予測係数ａ１，ａ２，ａ３，……ａｍを決定方法を詳細に説明する。
【００６４】
本決定法と従来の決定法（図９参照）との違いは、図６に示すように、ＭＡ予測係数ａ１，ａ２，ａ３，……ａｍの初期値を決定（６−１）した後に、重み符号帳４−１の初期符号帳を決定（６−２）する点である。以下の処理（６−１）〜（６−９）は、従来と同様である。
【００６５】
本実施形態において、ＭＡ予測係数ａ１，ａ２，ａ３，……ａｍの初期値（ｍ次の初期値）は、図７に示すように開ループ処理によって算出される。すなわち、直流成分除去処理（７−１）において、学習用データの平均を求めて学習用データから除算する。ＡＲ予測係数計算処理１（７−２）では、学習用データから上記平均を引いたデータを用いて、共分散法によって第１のＡＲ予測係数を求める。インパルス応答生成処理（７−３）においては、上記第１のＡＲ予測係数によって構成されたフィルタに単位インパルスを入力し、十分な長さのインパルス応答を得る。
【００６６】
そして、ＡＲ予測係数計算処理２（７−４）において、上記インバルス応答を入力とし、自己相関法によってＭＡ予測係数と同一次数を持つ第２のＡＲ予測係数（ｍ次）を求める。ＭＡ予測係数計算処理（７−５）においては、上記第２のＡＲ予測係数の逆フィルタを求めることにより、ｍ次のＭＡ予測係数ａ１，ａ２，ａ３，……ａｍの初期値を決定する。このような開ループ処理によって、安定なフィルタ特性を持つＭＡ予測係数ａ１，ａ２，ａ３，……ａｍの初期値が得られる。
【００６７】
ここで、上述したように第１のＡＲ予測係数のインパルス応答を目的とするＭＡ予測次数をｍ次で打ち切れば、ＭＡ予測係数の初期値が得られると単純に考えられるかもしれないが、ＡＲ予測係数をそのままＭＡ予測で近似するためには非常に高いＭＡ予測次数が必要となり、音響信号の符号化で用いるようなＭＡ予測次数では、打切り誤差によって不安定なフィルタとなる。
【００６８】
したがって、本実施形態によれば、開ループ処理によって従来に比較して良好なＭＡ予測係数ａ１，ａ２，ａ３，……ａｍの初期値を決定することができる。従来では、このＭＡ予測係数ａ１，ａ２，ａ３，……ａｍの初期値を経験的に決定する方法が採られていたが、本実施形態では上記開ループ処理によってＡＲ予測の手法とＭＡ予測の手法とを組み合わせることにより、より最適なＭＡ予測係数ａ１，ａ２，ａ３，……ａｍの初期値を決定することができる。
【００６９】
ＭＡ予測係数ａ１，ａ２，ａ３，……ａｍの初期値が上記のように決定されると、該初期値に基づいて従来と同様にＬＢＧアルゴリズムによって重み符号帳４−１の初期符号帳が決定される。この場合、上述のようにより最適なＭＡ予測係数ａ１，ａ２，ａ３，……ａｍの初期値が既に決定されているので、効率良く当該初期符号帳を決定することができる。
【００７０】
そして、このようにしてＭＡ予測係数ａ１，ａ２，ａ３，……ａｍの初期値と重み符号帳４−１の初期符号帳が決定されると、これらに基づく再帰的な学習処理（６−１）〜（６−９）によって、ＭＡ予測係数ａ１，ａ２，ａ３，……ａｍと重み符号帳４−１とが最終的に決定される。すなわち、全ての学習用データについて歪み計算式（２）に基づいて算出された歪みｄの総和Ｄが最も小さくなるように、重み符号帳４−１の各要素及びＭＡ予測係数ａ１，ａ２，ａ３，……ａｍが最終的に決定される。
【００７１】
このように最終決定された重み符号帳４−１及びＭＡ予測係数ａ１，ａ２，ａ３，……ａｍは、伝送あるいは記憶媒体に記憶する入力信号ｘを実際に符号化する符号化器及びこの入力信号ｘを復号して再生する復号器（図１〜図５参照）に適用される。この場合、距離計算部２−４は、従来法と同様の歪み計算式つまり上記歪み計算式（２）においてＷ＝１とした計算式に基づいて、サプフレーム毎の歪みｄが最小となるように入力音声ｘを符号化する。
【００７２】
本実施形態に基づく重み符号帳４−１及びＭＡ予測係数ａ１，ａ２，ａ３，……ａｍを適用した符号化器及び復号器をソフトウェアによって例えばコンピュータ上に構成し、主観評価試験によって従来法との比較を行った。この実験の結果、同じピットレートで重み符号帳４−１を設計した場合には、従来法よりも本実施形態の方が評価結果が良く、本発明の有効性が確認された。
【００７３】
なお、図８に示すように、図６の処理に若干の修正を加えることにより、ＬＳＰ量子化器のＬＳＰ符号帳の決定に適用することが可能である。上述したようにＭＡ予測係数の初期値を決定（８−１）した後にＬＳＰ符号帳の初期符号帳を決定（８−１）して学習用データを符号化すると（８−３）、以下の処理（８−４）〜（８−１０）を繰り返す。
【００７４】
すなわち、処理（８−４）ではＬＳＰ符号帳の１段目を更新する処理を行い、処理（８−５）では学習用データを符号化し、処理（８−６）ではＬＳＰ符号帳の１段目を更新し、処理（８−７）ではＭＡ予測係数の更新を行い、処理（８−８）では学習用データを符号化し、さらに処理（８−９）では歪みＤ（歪みｄの総和）を算出する処理を繰り返すことにより、ＬＳＰ符号帳を決定することができる。
【００７５】
【発明の効果】
以上説明したように、本発明に係わる重み符号帳の作成方法及び符号帳設計時における学習時のＭＡ予測係数の初期値の設定方法並びに音響信号の符号化方法及びその復号方法並びに符号化プログラムが記憶されたコンピュータに読み取り可能な記憶媒体及び復号プログラムが記憶されたコンピュータに読み取り可能な記憶媒体によれば、以下のような効果を奏する。
【００７６】
（１）入力音響信号を、その短期間の周波数スペクトルの包絡特性の予測結果を示す短期予測信号とその予測残差を示す駆動音源信号とに分離し、該駆動音源信号に基づいて正規化ベクトルを選択すると共に該正規化ベクトルの大きさを規定する重み量を該重み量を各要素とする重み符号帳から選択して駆動音源ベクトル候補を生成し、該駆動音源ベクトル候補と前記短期予測信号とに基づいて生成された再生音声候補の入力音響信号に対する歪みが所定の距離尺度の下で最小となるように前記駆動音源信号を生成し、このようにして生成された駆動音源信号と前記短期予測信号とを符号化する符号化方法における前記重み符号帳の作成方法において、人間の音圧知覚特性を加味した距離尺度を用いて前記重み符号帳の各要素を設定するので、重み符号帳は、従来に比較して音圧レベルの比較的低い部分に対応する要素が多くなる。したがって、このようにして作成された重み符号帳を用いて音響信号を符号化した場合、復号された音響信号の音圧レベルの比較的低い部における音質劣化を抑えることができる。
【００７７】
（２）ＭＡ予測ベクトル量子化におけるＭＡ予測係数の初期値の設定方法であって、複数の学習用データから算出されたＡＲ予測係数をＭＡ予測の手法を用いて近似することによりＭＡ予測係数の初期値を算出するので、従来のＭＡ予測係数の初期値の設定方法に比較してより的確なＭＡ予測係数の初期値を得ることができる。このようなＭＡ予測係数の初期値を用いることにより、ＭＡ予測ベクトル量子化に用いる重み符号帳及びＭＡ予測係数をより最適なものに設定することができる。
【００７８】
（３）本願発明に基づいてＭＡ予測係数の初期値を用いて、ＬＢＧアルゴリズムに基づいてＭＡ予測ベクトル量子化における重み符号帳の初期符号帳を作成し、再帰的な学習によって各学習用データについて算出される再生信号の歪みの総和が最小となるように重み符号帳の各要素及びＭＡ予測係数を順次更新して最終的に重み符号帳の各要素及びＭＡ予測係数を決定することにより、重み符号帳及びＭＡ予測係数をより最適なものに設定することができる。したがって、入力音響信号を低いビット数で符号化した場合でも高品質な再生音響信号を得ることが可能である。
【図面の簡単な説明】
【図１】本発明の一実施形態に係わる符号化器の機能構成を示すブロック図である。
【図２】本発明の一実施形態に係わる符号化器における歪み計算部の機能構成を示すブロック図である。
【図３】本発明の一実施形態に係わる符号化器における駆動音源ベクトル生成部の機能構成を示すブロック図である。
【図４】本発明の一実施形態に係わる符号化器における重み符号生成部の機能構成を示すブロック図及び重み符号帳の構成例である。
【図５】本発明の一実施形態に係わる復号器の機能構成を示すブロック図である。
【図６】本発明の一実施形態に係わる重み符号帳の各要素及びＭＡ予測係数の決定方法を示すフローチャートである。
【図７】本発明の一実施形態に係わるＭＡ予測係数の初期値の決定方法を示すフローチャートである。
【図８】本発明に基づくＬＳＰ量子化器のＬＳＰ符号帳の決定方法を示すフローチャートである。
【図９】従来の符号帳の各要素及びＭＡ予測係数の決定方法を示すフローチャートである。
【符号の説明】
１−１……線形予測分析部
１−２……線形予測パラメータ符号化部
１−３……線形予測バラメータ復号部
１−４……駆動音源ベクトル生成部
１−５……合成フィルタ
１−６……歪み計算部
１−８……符号帳検索制御部
１−９……符号送出部
２−２，２−３……聴覚重みフィルタ
２−４……距離計算部
３−１……適応符号帳
３−２……固定符号帳
３−３……周期化部
３−４，３−５……乗算部
３−６……加算部
３−７……重み符号生成部
４−１……重み符号帳
４−２……ＭＡ予測部
４ｂ１，４ｂ２，……４ｂ（ｍ−１）……バッファ部
４ｋ１，４ｋ２，４ｋ３，……４ｋｍ……ベクトル乗算部
４ａ１，４ａ２，４ａ３，……ベクトル加算部
５−１……符号受信部
５−２……線形予測パラメータ復号部
５−３……駆動音源ベクトル生成部
５−４……合成フィルタ
５−５……後処理部
【発明の属する技術分野】
本発明は、重み符号帳の作成方法及び符号帳設計時における学習時のＭＡ予測係数の初期値の設定方法並びに音響信号の符号化方法及びその復号方法並びに符号化プログラムが記憶されたコンピュータに読み取り可能な記憶媒体及び復号プログラムが記憶されたコンピュータに読み取り可能な記憶媒体に係わり、特に音響信号を符号化あるいは復号する技術に関する。
【０００２】
【従来の技術】
ディジタル移動体通信においては、通信回線や記憶媒体を効率的に利用するために、例えば再生音響信号の歪みを所定の距離尺度の下で最小とする高能率符号化方式が採用される。この高能率符号化方式の１つとして、時間領域において音響信号をフレームまたはサブフレームと呼ばれる５〜５０ｍｓ程度の一定間隔の区分に分割し、その１フレームを周波数スペクトルの包絡特性を表す信号（短期予測信号）及びその予測残差を示す駆動音源信号に分離し、これら短期予測信号と駆動音源信号とをそれぞれ符号化する方法が提案されている。
【０００３】
また、上記駆動音源信号の符号化方式としては、音声のピッチ周期（基本周波数）に対応する周波数成分とそれ以外の成分（非周期性成分）に分離して符号化する符号駆動線形予測符号化方式（ＣＥＬＰ：Ｃｏｄｅ−Ｅｘｃｉｔｅｄ Ｌｉｎｅａｒ Ｐｒｅｄｉｃｔｉｏｎ）が知られている。この符号駆動線形予測符号化方式については、文献『Ｍ．Ｒ．Ｓｃｈｒｏｅｄｅｒ ａｎｄ Ｂ．Ｓ．Ａｔａｌ，”Ｃｏｄｅ‐Ｅｘｃｉｔｅｄ Ｌｉｎｅａｒ Ｐｒｅｄｉｃｔｉｏｎ（ＣＥＬＰ）：Ｈｉｇｈ Ｑｕａｌｉｔｙ Ｓｐｅｅｃｈ ａｔ Ｖｅｒｙ Ｌｏｗ Ｂｉｔ Ｒａｔｅｓ”，ＩＥＥＥ Ｐｒｏｃ．ｌＣＡＳＳＰ−８５，ｐ．ｐ．９３７−９４０，１９８５』に詳細が記載されている。
【０００４】
音響信号の符号化の場合、例えば符号駆動線形予測符号化方式にはＭＡ予測を用いたベクトル量子化（ＭＡ予測ベクトル量子化）が用いられる。予測ベクトル量子化には、ＡＲ予測を用いたＡＲ予測ベクトル量子化とＭＡ予測ベクトル量子化とがあり、いずれも予測を用いてフレーム間の相関を取り除くことができる。一般的には、相関のある信号列から予測可能な成分を取り除いて白色化する手法としてＡＲ予測ベクトル量子化が用いられることが多いが、音響信号の符号化においては、伝送誤り耐性の向上のためにＭＡ予測ベクトル量子化が用いられている。
【０００５】
ＭＡ予測ベクトル量子化では、符号帳に所定数の代表ベクトルを各要素として予め設定しておき、駆動音源信号に応じてフレームあるいはサブフレーム毎に代表ベクトルを選択し、該選択された代表ベクトルを所定のフィルタ係数（ＭＡ予測係数）を有するＩＩＲフィルタに入力することにより駆動音源信号に対応する信号を生成する。そして、復号時には上記ＩＩＲフィルタと同一のＭＡ予測係数のＦＩＲフィルタを用いて上記信号を再生する。
【０００６】
このようなＭＡ予測ベクトル量子化においては、上記符号帳及びＭＡ予測係数を適切に決定する必要がある。従来では、図９に示すような再帰的学習法によって符号帳の各要素及びＭＡ予測係数を決定している。この学習法においては、初期符号帳の設計処理（９−１）において、初期符号帳を設計する。この初期符号帳の設計手法としては、ＬＢＧアルゴリズムが適用される。この設計手法は、ベクトル量子化すべきベクトル空間の分布をよく表すような分布をもつ学習用データ（学習用の音響信号）を量子化したときの歪みの総和が極小となるように初期符号帳を設計する手法である。ＬＢＧアルゴリズムでは、代表ベクトルの初期値をｌつ決め、最適な代表ベクトルを求める操作と代表ベクトルの数を２倍に増加させる操作とを交互に行って目的とする数の代表ベクトルを得る。
【０００７】
このＬＢＧアルゴリズムは、学習ベクトルの集合をいくつかの部分集合に分割する操作を意味し、上記部分集合をクラスタ、分割処理をクラスタリングと呼ぷ。ＬＢＧアルゴリズムの詳細については、文献『Ｙ．Ｌｉｎｄｌｅ Ａ．Ｂｕｚｏ．Ｅ．Ｍ．Ｇｒａｙ，”Ａｎ Ａｌｇｏｒｉｔｈｍ ｆｏｒ Ｖｅｃｔｏｒ Ｑｌｕａｎｔｉｚｅｒ Ｄｅｓｉｇｎ”，ＩＥＥＥ Ｔｒａｉｎｓ．Ｃｏｍｍｕｎ．ＣＯＭ‐２８ ｐ．ｐ．８４−９５，１９８０』に記載されている。予測ベクトル量子化については、文献『Ａｌｌｅｎ Ｇｅｒｓｈｏ，Ｒｏｂｅｒｔ Ｍ．Ｇｒａｙ，”ＶＥＣＴＯ ＱＵＡＮＴＩＺＡＴＩ０Ｎ ＡＮＤ ＳｌＣＮＡＬ Ｃ０ＭＰＲＥＳＳＩＯＮ”，Ｋｌｉｗｅｒ Ａｃａｄｅｍｉｃ Ｐｕｂｌｉｓｈｅｒｓ，１９９２』に記載されている。
【０００８】
続いて、ＭＡ予測係数決定処理（９−２）では、学習用データと上記初期符号帳を用いて再生信号の歪みの総和が最小となるようにＭＡ予測係数を仮決定する。そして、処理（９−３）において学習用データを符号化すると、以降、処理（９−４）〜（９−９）を繰り返すことにより、再生信号の歪みの総和Ｄが最小となるように最適な代表ベクトルとＭＡ予測係数とが最終的に決定される。
【０００９】
すなわち、学習用データがどの代表ベクトルに帰属するかを再帰的に更新することにより、その帰属状態において歪みの総和が極小となるように代表ベクトルが更新される（９−４）。この帰属更新処理と代表ベクトの更新処埋を収束するまで交互に繰り返し行うことにより、代表ベクトルは、次第に最適なものに近づいて行く。この操作は、Ｌｌｏｙｄ‐Ｍａｘまたはｋ平均アルゴリズムと呼ばれている。
【００１０】
なお、重み符号帳のＭＡ予測ベクトル量子化については、文献『ＩＴＵ‐Ｔ ＣＯＭ １５−１５２−Ｅ，”Ｇ．７２９−Ｃｏｄｉｎｇ ｏｆ Ｓｐｅｅｃｈ ａｔ ８ｋｂｉｔ／ｓ ｕｓｉｎｇ Ｃｏｎｊｕｇａｔｅ−Ｓｔｒｕｃｔｕｒｅ Ａｌｇｅｒａｉｃ−Ｃｏｄｅ−Ｅｘｃｉｔｅｄ／Ｌｉｎｅａｒ−Ｐｒｅｄｉｃｔｉｏｎ（ＣＳ−ＡＣＥＬＰ）”，Ｊｕｌ．１９９５』に詳しい。同じく，ＭＡ予測を用いるフレーム間予測ベクトル量子化に関しては、大室仲，守谷健弘，間野一則，三樹聡，”移動平均型フレーム間予測を用いるＬＳＰパラメータのベクトル量子化”，電子情報通信学会論文誌 Ａ Ｖｏｌ．Ｊ７７−Ａ Ｎｏ．３ ｐ．ｐ．３０３−３１３，１９９４等に記載がある。
【００１１】
【発明が解決しようとする課題】
ところで、音響信号の符号化においては、音響信号をデジタル表現する際のビット数が制限されることから、上記符号駆動線形予測符号化方式に用いられる符号帳の要素数にも制限がある。この符号帳は、複数の学習用の音響信号を用いることにより予め各要素を決定し、実際に伝送する音響信号の符号化に共されるものである。
【００１２】
しかし、従来では学習用の音響信号の集合全体に対して再生音響信号の波形歪みの総和が最小、つまり再生音響信号のＳ／Ｎが最大となるように符号帳の各要素を学習によって決定している。このような学習用の音響信号全体に亘って波形歪みを最小にするような距離尺度で符号帳の各要素を決定した場合、入カ音響信号のパワーが大きなところに重点を置いた符号帳が生成される。
【００１３】
人問の音圧知覚特性は、パワーの小さな音では少しのパワーの変化も十分に知覚可能であり、むしろパワーの大きな部分で知覚感度が荒い。このため、従来の学習によって得られた符号帳を用いて実際に伝送する音響信号を符号化した場合、音響信号のバワーの小さな部分に対応する符号帳要素の割合か少な過ぎるため、入力音響信号の大きさが比較的小さい場合に再生音響信号の音質劣化が顕著に知覚される。この結果として、そのような符号帳を用いて再生された再生音響は不安定な印象を与える。
【００１４】
一方、少ないビット数で少しでも高品質な再生音響信号を得るためには、従来の符号帳の学習方法を改善し、入力音響信号の量子化効率を可能な限り良くする必要がある。上記符号帳の要素の量子化には、伝送誤り耐性向上のために復号時にＦＩＲフィルタを用いるＭＡ予測ベクトル量子化が用いられてきたが、一般的に、ＭＡ予測を用いてＡＲ予測と同程度の予測性能を得るためには、ＭＡ予測の次数（ＩＩＲフィルタ及びＦＩＲフィルタの次数）を非常に高次に設定する必要がある。しかし、伝送誤りからの復旧時間を考慮して４次程度の少ない次数が用いられちことが多く、この低い次数のＭＡ予測係数を開ループで安定に決定することは極めて困難であった。
【００１５】
従来のＭＡ予測ベクトル量子化では、上述したように初期符号帳を先に決めなければＭＡ予測係数が決まらず、またＭＡ予測係数を決定しなければ初期符号帳を決定することができないという制約条件がある。一度、初期符号帳が決定されれば、あとは初期符号帳とＭＡ予測係数を交互に学習する再帰学習法によって、各値は漸近的に局所的最適解に収束していく。従来では、ＭＡ予測を使わないで設計した初期符号帳を用いる方法またはＭＡ予測係数の初期値を経験的に決定する方法が採用されており、よって初期符号帳によっては局所解に陥ったり、あるいは適当に与えたＭＡ予測係数が安定でない場合があるため、最適な初期符号帳の決定は難しく、再帰学習結果として得られた符号帳も局所的な最適解しか得られない。
【００１６】
本発明は、上述する問題点に鑑みてなされたもので、以下の点を目的とするものである。
（１）入力音響信号の大きさが比較的小さい場合における再生音響信号の音質劣化を抑える。
（２）低いビット数の符号化でも高品質な再生音響信号を得る。
【００１７】
【課題を解決するための手段】
上記目的を達成するために、本発明では、重み符号帳及びその作成方法に係わる第１の手段として、入力音響信号を、その短期間の周波数スペクトルの包絡特性の予測結果を示す短期予測信号とその予測残差を示す駆動音源信号とに分離し、該駆動音源信号に基づいて正規化ベクトルを選択すると共に該正規化ベクトルの大きさを規定する重み量を該重み量を各要素とする重み符号帳から選択して駆動音源ベクトル候補を生成し、該駆動音源ベクトル候補と前記短期予測信号とに基づいて生成された再生音声候補の入力音響信号に対する歪みが所定の距離尺度の下で最小となるように前記駆動音源信号を生成し、このようにして生成された駆動音源信号と前記短期予測信号とを符号化する符号化方法における前記重み符号帳の作成方法において、人間の音圧知覚特性を加味した距離尺度を用いて前記重み符号帳の各要素を設定するという手段を採用する。
【００１８】
重み符号帳及びその作成方法に係わる第２の手段として、上記第１の手段において、人間の音圧知覚特性を入力音響信号のパワーの関数をして加味した距離尺度を用いるという手段を採用する。
【００１９】
重み符号帳及びその作成方法に係わる第３の手段として、上記第２の手段において、入力音響信号をｘとした場合に、前記関数を（｜ｘ｜２）ｐ／｜ｘ｜２によって与えるという手段を採用する。ただし、ｐは、０＜ｐ＜１の範囲内の値である。
【００２０】
また、本発明では、ＭＡ予測係数の初期値の設定方法に係わる第１の手段として、ＭＡ予測ベクトル量子化におけるＭＡ予測係数の初期値の設定方法において、複数の学習用データから算出されたＡＲ予測係数をＭＡ予測の手法を用いて近似することによりＭＡ予測係数の初期値を算出するという手段を採用する。
【００２１】
ＭＡ予測係数の初期値の設定方法に係わる第２の手段として、ＭＡ予測ベクトル量子化におけるＭＡ予測係数の初期値の設定方法において、複数の学習用データの平均値を算出する行程と、各学習用データから前記平均値を差し引いたものを用いて共分散法に基づいて第１のＡＲ予測係数を算出する行程と、第１のＡＲ予測係数をフィルタ係数とするフィルタのインパルス応答を求める行程と、インパルス応答を入力とし、自己相関法に基づいてＭＡ予測係数と同次数の第２のＡＲ予測係数を算出する行程と、第２のＡＲ予測係数をフィルタ係数とするフィルタの逆フィルタを求めることによりＭＡ予測係数の初期値を算出する行程とを有する手段を採用する。
【００２２】
また、本発明では、ＭＡ予測ベクトル量子化用の重み符号帳及びその作成方法に係わる第１の手段として、ＭＡ予測係数の初期値の設定方法に係わる上記各手段を用いてＭＡ予測係数の初期値を算出すると、ＬＢＧアルゴリズムに基づいて重み符号帳の初期符号帳を作成する行程と、ＭＡ予測係数の初期値と初期符号帳を備えたＭＡ予測ベクトル量子化処理において、再帰的な学習によって各学習用データについて算出される再生信号の歪みの総和が最小となるように重み符号帳の各要素及びＭＡ予測係数を順次更新して最終的に各要素を決定する行程とを有する手段を採用する。
【００２３】
ＭＡ予測ベクトル量子化用の重み符号帳及びその作成方法に係わる第２の手段として、上記第１の手段において、再生信号の歪みを人間の音圧知覚特性を加味した距離尺度を用いて算出するという手段を採用する。
【００２４】
ＭＡ予測ベクトル量子化用の重み符号帳及びその作成方法に係わる第３の手段として、上記第１の手段において、再生信号の歪みを入力音響信号のパワーの関数を加味した距離尺度を用いて算出するという手段を採用する。
【００２５】
ＭＡ予測ベクトル量子化用の重み符号帳及びその作成方法に係わる第４の手段として、上記第１の手段において、再生信号の歪みを下式（１）に示す入力音響信号ｘのパワーの関数Ｗを加味した距離尺度を用いて算出するという手段を採用する。ただし、ｐは、０＜ｐ＜１の範囲内の値である。
Ｗ＝（｜ｘ｜２）ｐ／｜ｘ｜２ （１）
【００２６】
さらに、本発明では、音響信号の符号化方法に係わる第１の手段として、入力音響信号を、その短期間の周波数スペクトルの包絡特性の予測結果を示す短期予測信号とその予測残差を示す駆動音源信号とに分離し、該駆動音源信号に基づいて正規化ベクトルを選択すると共に該正規化ベクトルの大きさを規定する重み量を該重み量を各要素とする重み符号帳から選択して駆動音源ベクトル候補を生成し、該駆動音源ベクトル候補と前記短期予測信号とに基づいて生成された再生音声候補の入力音響信号に対する歪みが所定の距離尺度の下で最小となるように前記駆動音源信号を生成し、このようにして生成された駆動音源信号と前記短期予測信号とを符号化する音響信号の符号化方法において、人間の音圧知覚特性を加味した距離尺度を用いて前記重み符号帳の各要素を設定するという手段を採用する。
【００２７】
音響信号の符号化方法に係わる第２の手段として、上記第１の手段において、人間の音圧知覚特性を入力音響信号のパワーの関数をして加味した距離尺度を用いるという手段を採用する。
【００２８】
音響信号の符号化方法に係わる第３の手段として、上記第２の手段において、入力音響信号をｘとした場合に、前記関数を（｜ｘ｜２）ｐ／｜ｘ｜２によって与えるという手段を採用する。ただし、ｐは、０＜ｐ＜１の範囲内の値である。
【００２９】
音響信号の符号化方法に係わる第４の手段として、上記第１〜第３いずれかの手段において、ＭＡ予測ベクトル量子化を用いて駆動音源信号から駆動音源ベクトル候補を生成する場合、上記ＭＡ予測ベクトル量子化用の重み符号帳の作成方法に係わる第１の手段によって得られた重み符号帳及びＭＡ予測係数を用いるという手段を採用する。
【００３０】
さらに、本発明では、上記音響信号の復号方法に係わる第１の手段として、上記音響信号の符号化方法に係わる第１〜第３いずれかの手段によって生成された符号を復号する音響信号の復号方法において、これらの音響信号の符号化方法に用いられる重み符号帳を用いて前記符号を復号するという手段を採用する。
【００３１】
上記音響信号の復号方法に係わる第２の手段として、上記音響信号の符号化方法に係わる第４の手段によって生成された符号を復号する音響信号の復号方法において、この音響信号の符号化方法に用いられる重み符号帳及びＭＡ予測係数を用いて前記符号を復号するという手段を採用する。
【００３２】
また、本発明では、上記音響信号の符号化方法に係わる各手段に従った処理をコンピュータに読み取り可能な記憶媒体に記憶した符号化プログラムとするという手段を採用する。
【００３３】
さらに、上記音響信号の復号方法に係わる各手段に従った処理をコンピュータに読み取り可能な記憶媒体に記憶した復号プログラムとするという手段を採用する。
【００３４】
【発明の実施の形態】
以下、図面を参照して、本発明に係わる重み符号帳の作成方法及び符号帳設計時における学習時のＭＡ予測係数の初期値の設定方法並びに音響信号の符号化方法及びその復号方法並びに符号化プログラムが記憶されたコンピュータに読み取り可能な記憶媒体及び復号プログラムが記憶されたコンピュータに読み取り可能な記憶媒体の一実施形態について説明する。
【００３５】
図１は、本実施形態に係わる符号化器の機能構成を示すブロック図である。この図に示すように、入力音声（入力音響信号）ｘは、線形予測分析部１−１と歪み計算部１−６とに入力される。こ線形予測分析部１−１は、入力音声ｘの周波数スペクトル包絡特性を表す線形予測パラメータａを算出し、線形予測パラメータ符号化部１−２及び歪み計算部１−６に出力する。
【００３６】
ここで、入力音声ｘは、例えば１０ｍｓの間隔で分割されたフレームとして線形予測分析部１−１に入力されるようになっており、線形予測分析部１−１から出力される線形予測パラメータａは、各フレームの周波数スペクトル包絡特性を表すものとなる。
【００３７】
線形予測パラメータ符号化部１−２は、線形予測パラメータａをフレーム毎に符号化し、線形予測パラメータ符号ａｆとして線形予測バラメータ復号部１−３及び符号送出部１−９に出力する。線形予測パラメータ復号部１−３は、線形予測パラメータ符号化部１−２から入力された線形予測パラメータ符号ａｆから合成フィルタ係数ｂを再生し、合成フィルタ１−５に送出する。
【００３８】
合成フィルタ１−５は、上記合成フィルタ係数ｂによって特性が規定される線形フィルタであり、この合成フィルタ係数ｂと駆動音源ベクトル生成部１−４から入力された駆動音源ベクトル侯補ｃとを用いて再生音声候補ｙを生成出力する。この合成フィルタ１−５の次数つまり上記線形予測分析部１−１における線形予測分析の次数は、例えば１０〜１６次程度である。
【００３９】
なお、上記線形予測分析部１−１、線形予測パラメータ符号化部１−２、線形予測パラメータ復号部１−３及び合成フィルタ１−５を非線型なものに置き換えても良い。線形予測分析の詳細及び線形予測パラメータの符号化は、周知の技術事項であり、例えば古井忠著『ディジタル音声処理』（東海大学出版会）に詳細が記載されている。
【００４０】
歪み計算部１−６は、上記入力音声ｘ、線形予測パラメータａ及び合成フィルタ１−５から入力される再生音声候補ｙに基づいて、再生音声候補ｙの入力音声ｘに対する歪みｄを上記フレーム毎に算出して符号帳検索制御部１−８に出力するものである。
【００４１】
図２は、上記歪み計算部１−６の詳細構成を示すブロック図である。この図に示すように、当該歪み計算部１−６は、聴覚重み付けを考慮して再生音声候補ｙの歪みｄを計算するために、合成フィルタ１−５から出力された再生音声候補ｙを聴覚重みフィルタ２−２を通してから距離計算部２−４に入力すると共に、入力音声ｘをも聴覚重みフィルタ２−３を通して距離計算部２−４に入力するように構成されている。
【００４２】
聴覚重みフィルタ２−２は、上記線形予測バラメータａを係数とするものであり、再生音声候補ｙを聴覚重みつき再生音声候補ｙｗに変換して距離計算部２−４に出力する。また、聴覚重みフィルタ２−３は、固定係数を用いるフィルタであり、入力音声ｘを聴覚重みつき入力音声ｘｗに変換して距離計算部２−４に出力する。これら聴覚重みフィルタ２−２，２−３は、距離計算部２−４の後に１つのフィルタとして挿入しても等価であるが、処理量の観点から距離計算部２−４の手前に独立して設けられている。
【００４３】
一方、符号張検索制御部１−８は、上記再生音声候補ｙの歪みｄの総和が各フレーム毎に最小となるような駆動音源符号ｅを選択して駆動音源ベクトル生成部１−４に出力する。本実施形態では、図３及び図４を参照して以下に説明するように、駆動音源ベクトル生成部１−４が適応符号帳３−１、固定符号帳２−２及び重み符号帳４−１を用いて駆動音源ベクトル侯補ｃを算出するように構成されている。
【００４４】
このことに関連して、符号張検索制御部１−８は、再生音声候補ｙの歪みｄの総和が各フレーム毎に最小となるように適応符号帳３−１用の周期符号、固定符号帳２−２用の固定（雑音）符号及び重み符号帳４−１用の重み符号を選択し、駆動音源符号ｅとして駆動音源ベクトル生成部１−４に出力するように構成されている。
【００４５】
符号送出部１−９は、駆動音源符号ｅ及び線形予測パラメータ符号ａｆを、利用形態に応じて記憶装置あるいは伝送路に出力する。上記駆動音源ベクトル生成部１−４は、入力音声ｘの１フレーム分の長さの駆動音源ベクトル侯補ｃを生成して合成フィルタ１−５に出力するものである。
【００４６】
図３は、上記駆動音源ベクトル生成部１−４の詳細構成を示すブロック図である。この図において、適応符号帳３−１は、バッファ部（図示略）に記憶されていた１フレーム前（過去）の駆動音源ベクトルｃ（ｔ‐１）と上記駆動音源符号ｅに含まれる周期符号とに基づいて入力音声ｘの周期成分に対応する時系列ベクトル候補Ｖａをフレーム毎に生成する。
【００４７】
この適応符号帳３−１は、駆動音源ベクトルｃ（ｔ‐１）を周期符号を用いて所定周期に相当する長さで切り出し、この切り出したベクトルをフレームの長さになるまで繰り返すことによって入力音声ｘの周期成分に対応する周期符号ベクトル候補Ｖａ（正規化ベクトル）を選択して出力する。適応符号帳３−１には、周期符号に対応する正規化ベクトルが各要素として所定数記憶されている。
【００４８】
上記所定周期は、再生音声候補ｙの歪みｄが小さくなるように選択されるが、一般には入力音声ｘのピッチ周期に相当する周期である。本実施形態もこれに従う。固定符号帳３−２は、音声の非周期成分に対応する１フレーム分の長さの固定符号ベクトル侯補（正規化ベクトル）を選択出力する。この固定符号ベクトル侯補は、入力音声ｘとは独立に符号化のためのビット数に応じて予め指定された数の候補ベクトルとして固定符号帳３−２に記憶されている。
【００４９】
周期化部３−３は、固定符号帳３−２から出力された固定符号ベクトル候補を周期符号で指定される上記所定周期（ビッチ周期に相当）で周期化した時系列ベクトル候補Ｖｆを出力する。この周期化は、指定された周期位置にタップを有する櫛形フィルタをかけるか、適応符号帳３−１と同様にフレームの先頭から指定された周期に相当する長さで切り出したベクトルを繰り返す処理である。このような周期化部３−３は、符号化効率向上の点から用いられることが多い。また、子音区間等、入力音声ｘそのものにピッチ成分がないかあるいは少ない場合などには、周期化部３−３は何の働きもしない。
【００５０】
重み符号生成部３−７は、上記駆動音源符号ｅに含まれるフレーム単位（１０ｍｓ単位）の重み符号をさらに５ｍｓ毎の２つのサプフレームに分割することにより、正規化ベクトルである上記適応符号帳３−１の周期符号ベクトル候補Ｖａに対する重み量ｇａ及び周期化部３−３から出力された非周期性の時系列ベクトル候補Ｖｆ（正規化ベクトル）に対する重み量ｇｆとをサブフレーム毎に生成出力するものである。この重み符号生成部３−７の詳細については、以下に詳説する。
【００５１】
乗算部３−４は、上記適応符号帳３−１から入力された周期符号ベクトル候補Ｖａと重み符号生成部３−７から入力された重み量ｇａとを乗算し、ベクトル候補ｃａとして加算部３−６に出力する。乗算部３−５は、周期化部３−３から入力された時系列ベクトル候補Ｖｆと重み符号生成部３−７から入力された重み量ｇｆとを乗算し、ベクトル候補ｃｆとして加算部３−６に出力する。加算部３−６は、上記ベクトル候補ｃａとベクトル候補ｃｆとを加算し、駆動音源ベクトルの侯補ｃとして合成フィルタ１−５に出力する。
【００５２】
図４は、上記重み符号生成部３−７の詳細構成を示す図であり、このうち（ａ）はブロック図、（ｂ）は重み符号帳４−１の具体的構成例である。図４（ａ）に示すように、重み符号生成部３−７は、ＭＡ予側ベクトル量子化を適用したものであり、重み符号帳４−１とＭＡ予測部４−２とから構成されている。
【００５３】
重み符号帳４−１は、上記適応符号帳３−１に登録された規格化ベクトルに対する重み係数ｇａと固定符号帳３−２に登録された規格化ベクトルに対する重みのＭＡ予測算差ｘｆとを要素とする２次元ベクトル（要素ベクトル）を所定数登録したものである。例えば、各要素ベクトルを６ビットのデータとした場合、重み符号帳４−１は、図４（ｂ）に示すように６４個（＝２６）の要素ベクトルから構成される。
【００５４】
重み符号帳４−１は、実際の入力音声ｘの符号化時においては、上記駆動音源符号ｅ内の重み符号に基づいて要素ベクトルを選択し、この選択された要素ベクトルの重み係数ｇａを乗算部３−４に出力すると共に、この重み係数ｇａと組をなすＭＡ予測算差ｘｆをＭＡ予測部４−２に出力する。
【００５５】
ＭＡ予測部４−２は、ＭＡ予測算差ｘｆを１サブフレーム分遅延させる（ｍ−１）段直列接続されたバッファ部４ｂ１，４ｂ２，……４ｂ（ｍ−１）、重み符号帳４−１から出力されたＭＡ予測算差ｘｆ及び各バッファ部４ｂ１，４ｂ２，……４ｂ（ｍ−１）の出力にＭＡ予測係数ａ１，ａ２，ａ３，……ａｍを乗算するベクトル乗算部４ｋ１，４ｋ２，４ｋ３，……４ｋｍ、またこれらベクトル乗算部４ｋ１，４ｋ２，４ｋ３，……４ｋｍの各出力を順次加算するベクトル加算部４ａ１，４ａ２，４ａ３，……から構成されている。
【００５６】
このように構成されたＭＡ予測部４−２は、時系列的に連続するｍ個のＭＡ予測算差ｘｆ（ｎ），ｘｆ（ｎ−１），ｘｆ（ｎ−２），……ｘｆ（ｎ−ｍ）とＭＡ予測係数ａ１，ａ２，ａ３，……ａｍとを用いて予測したＭＡ予測残差を算出し、このＭＡ予測残差を固定符号帳３−２に対する重み係数ｇｆをとして乗算部３−５に出力する。
【００５７】
このような重み符号帳４−１の各要素ベクトル及びＭＡ予測係数ａ１，ａ２，ａ３，……ａｍは、実際の入力音声ｘの符号化に先立って行われる学習によって決定される。この学習では、上記再生音声候補ｙの歪みｄが最小となるように重み符号帳４−１の各要素ベクトル及びＭＡ予測係数ａ１，ａ２，ａ３，……ａｍが決定される。なお、この重み符号帳４−１の各要素ベクトル及びＭＡ予測係数ａ１，ａ２，ａ３，……ａｍの設定方法の詳細については、後述する。
【００５８】
続いて、図５は、上記符号化器に対応する復号器の機能構成を示すブロック図である。符号受信部５−１は、伝送路または記憶媒体から受信された符号を受信し、線形予測パラメータ符号を線形予測パラメータ復号部５−２に、また駆動音源符号ｅを駆動音源ベクトル生成部５−３にそれぞれ出力する。線形予測パラメータ復号部５−２は、線形予測パラメータ符号を復号して上記合成フィルタ係数ｂを再生し、この合成フィルタ係数ｂを合成フィルタ５−４及び後処理部５−５に出力する。
【００５９】
駆動音源ベクトル生成部５−３は、駆動音源符号ｅに対応する音源ベクトルを生成して合成フィルタ５−４に出力する。なお、この駆動音源ベクトル生成部５−３の構成は、上述した符号化器における駆動音源ベクトル生成部１−４に対応する構成となる。合成フィルタ５−４は、上記駆動音源ベクトルと合成フィルタ係数ｂに基づいて入力音声ｘを再生し、再生音声を後処理部５−５に出力する。後処理部５−５は、再生音声雑音を聴覚的に低減させるポストフィルタリングを行い、出力音声として外部に出力する。なお、この後処理部５−５は、処理量の削減等の観点から設けられない場合もある。
【００６０】
次に、このように構成された符号化器及び復号器に適用する重み符号帳４−１及びＭＡ予測係数ａ１，ａ２，ａ３，……ａｍの決定方法について説明する。
【００６１】
まず、上記符号化器に適用する重み符号帳４−１、並びに符号化器及び復号器に適用するＭＡ予測係数ａ１，ａ２，ａ３，……ａｍを決定する場合、上記距離計算部２−４は、以下のようにして歪みｄを算出する。すなわち、人間の音圧知覚に関する聴覚特性を考慮して入力音声ｘのパワーの関数として与えられる値Ｗを下式（１）に基づいて算出する。ただし、ｐは、範囲（０＜ｐ＜１）内の値であるが、０．３程度が好ましい。
Ｗ＝（｜ｘ｜２）ｐ／｜ｘ｜２ （１）
【００６２】
また、上記値Ｗを係数とする以下の歪み計算式（２）に基づいてサプフレーム毎の歪みｄを算出する。ここで、Ｈは、上記合成フィルタ１−５の特性を示す下三角行列であり、主対角成分として合成フィルタ１−５のインパルス応答の０次成分が、下位の対角成分としてインパルス応答の１次成分，２次成分，……が並ぶものである。また、Ｔは上記聴覚重みフィルタ２−２，２−３の係数（聴覚重み係数）である。
ｄ＝Ｗ・Ｔ｜ｘ−ｇａ・Ｈ・Ｖａ−ｇｆ・Ｈ・Ｖｆ｜２ （２）
【００６３】
そして、このように距離計算部２−４が設定された符号化器を用いて、図６に示すフローチャートに沿った処理を実施することにより、重み符号帳４−１及びＭＡ予測係数ａ１，ａ２，ａ３，……ａｍを決定する。以下、図６及び図７に示すフローチャートを参照して、本実施形態における重み符号帳４−１及びＭＡ予測係数ａ１，ａ２，ａ３，……ａｍを決定方法を詳細に説明する。
【００６４】
本決定法と従来の決定法（図９参照）との違いは、図６に示すように、ＭＡ予測係数ａ１，ａ２，ａ３，……ａｍの初期値を決定（６−１）した後に、重み符号帳４−１の初期符号帳を決定（６−２）する点である。以下の処理（６−１）〜（６−９）は、従来と同様である。
【００６５】
本実施形態において、ＭＡ予測係数ａ１，ａ２，ａ３，……ａｍの初期値（ｍ次の初期値）は、図７に示すように開ループ処理によって算出される。すなわち、直流成分除去処理（７−１）において、学習用データの平均を求めて学習用データから除算する。ＡＲ予測係数計算処理１（７−２）では、学習用データから上記平均を引いたデータを用いて、共分散法によって第１のＡＲ予測係数を求める。インパルス応答生成処理（７−３）においては、上記第１のＡＲ予測係数によって構成されたフィルタに単位インパルスを入力し、十分な長さのインパルス応答を得る。
【００６６】
そして、ＡＲ予測係数計算処理２（７−４）において、上記インバルス応答を入力とし、自己相関法によってＭＡ予測係数と同一次数を持つ第２のＡＲ予測係数（ｍ次）を求める。ＭＡ予測係数計算処理（７−５）においては、上記第２のＡＲ予測係数の逆フィルタを求めることにより、ｍ次のＭＡ予測係数ａ１，ａ２，ａ３，……ａｍの初期値を決定する。このような開ループ処理によって、安定なフィルタ特性を持つＭＡ予測係数ａ１，ａ２，ａ３，……ａｍの初期値が得られる。
【００６７】
ここで、上述したように第１のＡＲ予測係数のインパルス応答を目的とするＭＡ予測次数をｍ次で打ち切れば、ＭＡ予測係数の初期値が得られると単純に考えられるかもしれないが、ＡＲ予測係数をそのままＭＡ予測で近似するためには非常に高いＭＡ予測次数が必要となり、音響信号の符号化で用いるようなＭＡ予測次数では、打切り誤差によって不安定なフィルタとなる。
【００６８】
したがって、本実施形態によれば、開ループ処理によって従来に比較して良好なＭＡ予測係数ａ１，ａ２，ａ３，……ａｍの初期値を決定することができる。従来では、このＭＡ予測係数ａ１，ａ２，ａ３，……ａｍの初期値を経験的に決定する方法が採られていたが、本実施形態では上記開ループ処理によってＡＲ予測の手法とＭＡ予測の手法とを組み合わせることにより、より最適なＭＡ予測係数ａ１，ａ２，ａ３，……ａｍの初期値を決定することができる。
【００６９】
ＭＡ予測係数ａ１，ａ２，ａ３，……ａｍの初期値が上記のように決定されると、該初期値に基づいて従来と同様にＬＢＧアルゴリズムによって重み符号帳４−１の初期符号帳が決定される。この場合、上述のようにより最適なＭＡ予測係数ａ１，ａ２，ａ３，……ａｍの初期値が既に決定されているので、効率良く当該初期符号帳を決定することができる。
【００７０】
そして、このようにしてＭＡ予測係数ａ１，ａ２，ａ３，……ａｍの初期値と重み符号帳４−１の初期符号帳が決定されると、これらに基づく再帰的な学習処理（６−１）〜（６−９）によって、ＭＡ予測係数ａ１，ａ２，ａ３，……ａｍと重み符号帳４−１とが最終的に決定される。すなわち、全ての学習用データについて歪み計算式（２）に基づいて算出された歪みｄの総和Ｄが最も小さくなるように、重み符号帳４−１の各要素及びＭＡ予測係数ａ１，ａ２，ａ３，……ａｍが最終的に決定される。
【００７１】
このように最終決定された重み符号帳４−１及びＭＡ予測係数ａ１，ａ２，ａ３，……ａｍは、伝送あるいは記憶媒体に記憶する入力信号ｘを実際に符号化する符号化器及びこの入力信号ｘを復号して再生する復号器（図１〜図５参照）に適用される。この場合、距離計算部２−４は、従来法と同様の歪み計算式つまり上記歪み計算式（２）においてＷ＝１とした計算式に基づいて、サプフレーム毎の歪みｄが最小となるように入力音声ｘを符号化する。
【００７２】
本実施形態に基づく重み符号帳４−１及びＭＡ予測係数ａ１，ａ２，ａ３，……ａｍを適用した符号化器及び復号器をソフトウェアによって例えばコンピュータ上に構成し、主観評価試験によって従来法との比較を行った。この実験の結果、同じピットレートで重み符号帳４−１を設計した場合には、従来法よりも本実施形態の方が評価結果が良く、本発明の有効性が確認された。
【００７３】
なお、図８に示すように、図６の処理に若干の修正を加えることにより、ＬＳＰ量子化器のＬＳＰ符号帳の決定に適用することが可能である。上述したようにＭＡ予測係数の初期値を決定（８−１）した後にＬＳＰ符号帳の初期符号帳を決定（８−１）して学習用データを符号化すると（８−３）、以下の処理（８−４）〜（８−１０）を繰り返す。
【００７４】
すなわち、処理（８−４）ではＬＳＰ符号帳の１段目を更新する処理を行い、処理（８−５）では学習用データを符号化し、処理（８−６）ではＬＳＰ符号帳の１段目を更新し、処理（８−７）ではＭＡ予測係数の更新を行い、処理（８−８）では学習用データを符号化し、さらに処理（８−９）では歪みＤ（歪みｄの総和）を算出する処理を繰り返すことにより、ＬＳＰ符号帳を決定することができる。
【００７５】
【発明の効果】
以上説明したように、本発明に係わる重み符号帳の作成方法及び符号帳設計時における学習時のＭＡ予測係数の初期値の設定方法並びに音響信号の符号化方法及びその復号方法並びに符号化プログラムが記憶されたコンピュータに読み取り可能な記憶媒体及び復号プログラムが記憶されたコンピュータに読み取り可能な記憶媒体によれば、以下のような効果を奏する。
【００７６】
（１）入力音響信号を、その短期間の周波数スペクトルの包絡特性の予測結果を示す短期予測信号とその予測残差を示す駆動音源信号とに分離し、該駆動音源信号に基づいて正規化ベクトルを選択すると共に該正規化ベクトルの大きさを規定する重み量を該重み量を各要素とする重み符号帳から選択して駆動音源ベクトル候補を生成し、該駆動音源ベクトル候補と前記短期予測信号とに基づいて生成された再生音声候補の入力音響信号に対する歪みが所定の距離尺度の下で最小となるように前記駆動音源信号を生成し、このようにして生成された駆動音源信号と前記短期予測信号とを符号化する符号化方法における前記重み符号帳の作成方法において、人間の音圧知覚特性を加味した距離尺度を用いて前記重み符号帳の各要素を設定するので、重み符号帳は、従来に比較して音圧レベルの比較的低い部分に対応する要素が多くなる。したがって、このようにして作成された重み符号帳を用いて音響信号を符号化した場合、復号された音響信号の音圧レベルの比較的低い部における音質劣化を抑えることができる。
【００７７】
（２）ＭＡ予測ベクトル量子化におけるＭＡ予測係数の初期値の設定方法であって、複数の学習用データから算出されたＡＲ予測係数をＭＡ予測の手法を用いて近似することによりＭＡ予測係数の初期値を算出するので、従来のＭＡ予測係数の初期値の設定方法に比較してより的確なＭＡ予測係数の初期値を得ることができる。このようなＭＡ予測係数の初期値を用いることにより、ＭＡ予測ベクトル量子化に用いる重み符号帳及びＭＡ予測係数をより最適なものに設定することができる。
【００７８】
（３）本願発明に基づいてＭＡ予測係数の初期値を用いて、ＬＢＧアルゴリズムに基づいてＭＡ予測ベクトル量子化における重み符号帳の初期符号帳を作成し、再帰的な学習によって各学習用データについて算出される再生信号の歪みの総和が最小となるように重み符号帳の各要素及びＭＡ予測係数を順次更新して最終的に重み符号帳の各要素及びＭＡ予測係数を決定することにより、重み符号帳及びＭＡ予測係数をより最適なものに設定することができる。したがって、入力音響信号を低いビット数で符号化した場合でも高品質な再生音響信号を得ることが可能である。
【図面の簡単な説明】
【図１】本発明の一実施形態に係わる符号化器の機能構成を示すブロック図である。
【図２】本発明の一実施形態に係わる符号化器における歪み計算部の機能構成を示すブロック図である。
【図３】本発明の一実施形態に係わる符号化器における駆動音源ベクトル生成部の機能構成を示すブロック図である。
【図４】本発明の一実施形態に係わる符号化器における重み符号生成部の機能構成を示すブロック図及び重み符号帳の構成例である。
【図５】本発明の一実施形態に係わる復号器の機能構成を示すブロック図である。
【図６】本発明の一実施形態に係わる重み符号帳の各要素及びＭＡ予測係数の決定方法を示すフローチャートである。
【図７】本発明の一実施形態に係わるＭＡ予測係数の初期値の決定方法を示すフローチャートである。
【図８】本発明に基づくＬＳＰ量子化器のＬＳＰ符号帳の決定方法を示すフローチャートである。
【図９】従来の符号帳の各要素及びＭＡ予測係数の決定方法を示すフローチャートである。
【符号の説明】
１−１……線形予測分析部
１−２……線形予測パラメータ符号化部
１−３……線形予測バラメータ復号部
１−４……駆動音源ベクトル生成部
１−５……合成フィルタ
１−６……歪み計算部
１−８……符号帳検索制御部
１−９……符号送出部
２−２，２−３……聴覚重みフィルタ
２−４……距離計算部
３−１……適応符号帳
３−２……固定符号帳
３−３……周期化部
３−４，３−５……乗算部
３−６……加算部
３−７……重み符号生成部
４−１……重み符号帳
４−２……ＭＡ予測部
４ｂ１，４ｂ２，……４ｂ（ｍ−１）……バッファ部
４ｋ１，４ｋ２，４ｋ３，……４ｋｍ……ベクトル乗算部
４ａ１，４ａ２，４ａ３，……ベクトル加算部
５−１……符号受信部
５−２……線形予測パラメータ復号部
５−３……駆動音源ベクトル生成部
５−４……合成フィルタ
５−５……後処理部
Claims (12)
- 入力音響信号を、その短期間の周波数スペクトルの包絡特性の予測結果を示す短期予測信号とその予測残差を示す駆動音源信号とに分離し、該駆動音源信号に基づいて正規化ベクトルを選択すると共に該正規化ベクトルの大きさを規定する重み量を該重み量を各要素とする重み符号帳から選択して駆動音源ベクトル候補を生成し、該駆動音源ベクトル候補と前記短期予測信号とに基づいて生成された再生音声候補の入力音響信号に対する歪みが所定の距離尺度の下で最小となるように前記駆動音源信号を生成し、このようにして生成された駆動音源信号と前記短期予測信号とを符号化する符号化方法における前記重み符号帳の作成方法において、
人間の音圧知覚特性を入力音響信号のパワーの関数をして加味した距離尺度を用いて前記重み符号帳の各要素を設定し、
前記関数は、入力音響信号をｘとした場合に範囲（０＜ｐ＜１）内の値ｐに基づく（｜ｘ｜ 2 ） p ／｜ｘ｜ 2 によって与えられる
ことを特徴とする重み符号帳の作成方法。 - ＭＡ予測ベクトル量子化におけるＭＡ予測係数の初期値の設定方法であって、
複数の学習用データの平均値を算出する行程と、
各学習用データから前記平均値を差し引いたものを用いて共分散法に基づいて第１のＡＲ予測係数を算出する行程と、
第１のＡＲ予測係数をフィルタ係数とするフィルタのインパルス応答を求める行程と、
前記インパルス応答を入力とし、自己相関法に基づいてＭＡ予測係数と同次数の第２のＡＲ予測係数を算出する行程と、
第２のＡＲ予測係数をフィルタ係数とするフィルタの逆フィルタを求めることによりＭＡ予測係数の初期値を算出する行程と、
を有することを特徴とするＭＡ予測係数の初期値の設定方法。 - 請求項２記載のＭＡ予測係数の初期値の設定方法を用いたＭＡ予測ベクトル量子化用の重み符号帳の作成方法であって、
ＭＡ予測係数の初期値を算出すると、ＬＢＧアルゴリズムに基づいて重み符号帳の初期符号帳を作成する行程と、
前記ＭＡ予測係数の初期値と初期符号帳を備えたＭＡ予測ベクトル量子化において、再帰的な学習によって各学習用データについて算出される再生信号の歪みの総和が最小となるように重み符号帳の各要素及びＭＡ予測係数を順次更新して最終的に各要素を決定する行程と、
を有することを特徴とする重み符号帳の作成方法。 - 請求項３記載の重み符号帳の作成方法において、再生信号の歪みを人間の音圧知覚特性を加味した距離尺度を用いて算出することを特徴とする重み符号帳の作成方法。
- 請求項３記載の重み符号帳の作成方法において、再生信号の歪みを入力音響信号のパワーの関数を加味した距離尺度を用いて算出することを特徴とする重み符号帳の作成方法。
- 請求項３記載の重み符号帳の作成方法において、再生信号の歪みを範囲（０＜ｐ＜１）内の値ｐに基づく下式（１）に示す入力音響信号ｘのパワーの関数Ｗを加味した距離尺度を用いて算出することを特徴とする重み符号帳の作成方法。
Ｗ＝（｜ｘ｜ 2 ） p ／｜ｘ｜ 2 （１） - 入力音響信号を、その短期間の周波数スペクトルの包絡特性の予測結果を示す短期予測信号とその予測残差を示す駆動音源信号とに分離し、該駆動音源信号に基づいて正規化ベクトルを選択すると共に該正規化ベクトルの大きさを規定する重み量を該重み量を各要素とする重み符号帳から選択して駆動音源ベクトル候補を生成し、該駆動音源ベクトル候補と前記短期予測信号とに基づいて生成された再生音声候補の入力音響信 号に対する歪みが所定の距離尺度の下で最小となるように前記駆動音源信号を生成し、このようにして生成された駆動音源信号と前記短期予測信号とを符号化する音響信号の符号化方法において、
人間の音圧知覚特性を入力音響信号のパワーの関数をして加味した距離尺度を用いて前記重み符号帳の各要素を設定し、
かつ、前記関数を、入力音響信号をｘとした場合に範囲（０＜ｐ＜１）内の値ｐに基づく（｜ｘ｜ 2 ） p ／｜ｘ｜ 2 によって与える
ことを特徴とする音響信号の符号化方法。 - 請求項７記載の音響信号の符号化方法において、ＭＡ予測ベクトル量子化を用いて駆動音源信号から駆動音源ベクトル候補を生成する場合、請求項７記載のＭＡ予測ベクトル量子化用の重み符号帳の作成方法によって得られた重み符号帳及びＭＡ予測係数を用いることを特徴とする音響信号の符号化方法。
- 請求項７記載の音響信号の符号化方法によって生成された符号を復号する音響信号の復号方法であって、これらの音響信号の符号化方法に用いられる重み符号帳を用いて前記符号を復号することを特徴とする音響信号の復号方法。
- 請求項８記載の音響信号の符号化方法によって生成された符号を復号する音響信号の復号方法であって、この音響信号の符号化方法に用いられる重み符号帳及びＭＡ予測係数を用いて前記符号を復号することを特徴とする音響信号の復号方法。
- 請求項７記載の音響信号の符号化方法に従った処理の符号化プログラムが記憶されたコンピュータに読み取り可能な記憶媒体。
- 請求項９あるいは１０記載の音響信号の復号方法に従った処理の復号プログラムが記憶されたコンピュータに読み取り可能な記憶媒体。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP03919599A JP3578933B2 (ja) | 1999-02-17 | 1999-02-17 | 重み符号帳の作成方法及び符号帳設計時における学習時のｍａ予測係数の初期値の設定方法並びに音響信号の符号化方法及びその復号方法並びに符号化プログラムが記憶されたコンピュータに読み取り可能な記憶媒体及び復号プログラムが記憶されたコンピュータに読み取り可能な記憶媒体 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP03919599A JP3578933B2 (ja) | 1999-02-17 | 1999-02-17 | 重み符号帳の作成方法及び符号帳設計時における学習時のｍａ予測係数の初期値の設定方法並びに音響信号の符号化方法及びその復号方法並びに符号化プログラムが記憶されたコンピュータに読み取り可能な記憶媒体及び復号プログラムが記憶されたコンピュータに読み取り可能な記憶媒体 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2000242299A JP2000242299A (ja) | 2000-09-08 |
| JP3578933B2 true JP3578933B2 (ja) | 2004-10-20 |
Family
ID=12546351
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP03919599A Expired - Fee Related JP3578933B2 (ja) | 1999-02-17 | 1999-02-17 | 重み符号帳の作成方法及び符号帳設計時における学習時のｍａ予測係数の初期値の設定方法並びに音響信号の符号化方法及びその復号方法並びに符号化プログラムが記憶されたコンピュータに読み取り可能な記憶媒体及び復号プログラムが記憶されたコンピュータに読み取り可能な記憶媒体 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3578933B2 (ja) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN103534752B (zh) * | 2011-02-16 | 2015-07-29 | 杜比实验室特许公司 | 用于产生滤波器系数并配置滤波器的方法和系统 |
| US11817111B2 (en) * | 2018-04-11 | 2023-11-14 | Dolby Laboratories Licensing Corporation | Perceptually-based loss functions for audio encoding and decoding based on machine learning |
-
1999
- 1999-02-17 JP JP03919599A patent/JP3578933B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JP2000242299A (ja) | 2000-09-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US6427135B1 (en) | Method for encoding speech wherein pitch periods are changed based upon input speech signal | |
| JP4916521B2 (ja) | 音声復号化方法及び音声符号化方法及び音声復号化装置及び音声符号化装置 | |
| TW497335B (en) | Method and apparatus for variable rate coding of speech | |
| RU2646357C2 (ru) | Принцип для кодирования аудиосигнала и декодирования аудиосигнала с использованием информации формирования речевого спектра | |
| JP3180762B2 (ja) | 音声符号化装置及び音声復号化装置 | |
| JPH09127991A (ja) | 音声符号化方法及び装置、音声復号化方法及び装置 | |
| RU2644123C2 (ru) | Принцип для кодирования аудиосигнала и декодирования аудиосигнала с использованием детерминированной и шумоподобной информации | |
| JP3746067B2 (ja) | 音声復号化方法及び音声復号化装置 | |
| JP3582589B2 (ja) | 音声符号化装置及び音声復号化装置 | |
| JP3578933B2 (ja) | 重み符号帳の作成方法及び符号帳設計時における学習時のｍａ予測係数の初期値の設定方法並びに音響信号の符号化方法及びその復号方法並びに符号化プログラムが記憶されたコンピュータに読み取り可能な記憶媒体及び復号プログラムが記憶されたコンピュータに読み取り可能な記憶媒体 | |
| JPH10143199A (ja) | 音声符号化方法および復号化方法 | |
| JP4438280B2 (ja) | トランスコーダ及び符号変換方法 | |
| JP3583945B2 (ja) | 音声符号化方法 | |
| JP3153075B2 (ja) | 音声符号化装置 | |
| JP3232701B2 (ja) | 音声符号化方法 | |
| JP4820954B2 (ja) | デジタル音声符号器における高調波ノイズ重み付け | |
| JP3552201B2 (ja) | 音声符号化方法および装置 | |
| JP3192051B2 (ja) | 音声符号化装置 | |
| JP3576805B2 (ja) | 音声符号化方法及びシステム並びに音声復号化方法及びシステム | |
| JP3332132B2 (ja) | 音声符号化方法および装置 | |
| JP3736801B2 (ja) | 音声復号化方法及び音声復号化装置 | |
| JPH0455899A (ja) | 音声信号符号化方式 | |
| JPH07160295A (ja) | 音声符号化装置 | |
| GB2352949A (en) | Speech coder for communications unit | |
| JPH11184499A (ja) | 音声符号化方法および音声符号化方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20040123 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20040203 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20040405 |
|
| 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: 20040706 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20040714 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080723 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080723 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090723 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090723 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100723 Year of fee payment: 6 |
|
| LAPS | Cancellation because of no payment of annual fees |