JP3798433B2 - ピッチサイクル波形を平滑化する方法及び装置 - Google Patents
ピッチサイクル波形を平滑化する方法及び装置 Download PDFInfo
- Publication number
- JP3798433B2 JP3798433B2 JP27759292A JP27759292A JP3798433B2 JP 3798433 B2 JP3798433 B2 JP 3798433B2 JP 27759292 A JP27759292 A JP 27759292A JP 27759292 A JP27759292 A JP 27759292A JP 3798433 B2 JP3798433 B2 JP 3798433B2
- Authority
- JP
- Japan
- Prior art keywords
- trace
- audio signal
- samples
- signal
- smoothing
- 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
- 238000009499 grossing Methods 0.000 title claims abstract description 30
- 238000000034 method Methods 0.000 title claims abstract description 30
- 230000007774 longterm Effects 0.000 claims abstract description 6
- 230000005236 sound signal Effects 0.000 claims description 41
- 230000003111 delayed effect Effects 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 3
- 230000002123 temporal effect Effects 0.000 claims description 3
- 238000000926 separation method Methods 0.000 claims 2
- 238000003786 synthesis reaction Methods 0.000 abstract description 6
- 230000005284 excitation Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000015572 biosynthetic process Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000005311 autocorrelation function Methods 0.000 description 1
- 238000013144 data compression Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
- G10L19/04—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using predictive techniques
- G10L19/08—Determination or coding of the excitation function; Determination or coding of the long-term prediction parameters
Landscapes
- Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
Description
【０００１】
【技術分野】
本件発明は一般的に音声通信システム、特にコードワードから音声を再生するのに関連した信号処理に関する。
【０００２】
【背景技術】
音声情報の効率の高い通信にはチャネルあるいはネットワークを通して伝送するために音声信号を符号化することが多い。音声の符号化によって制限された帯域のチャネルを通して通信するのに有効なデータ圧縮を行なうことができる。音声符号化システムは、音声信号をチャネルを通して伝送するためのコードワードに変換する符号化プロセスと音声を受信されたコードワードから再生する復号プロセスを含んでいる。
【０００３】
大部分の音声符号化技術の目的は、音帯がぴんと張って擬周期的に振動したときに生ずる有音声のような元の音声を忠実に再生することである。時間領域では、音声の信号は同じ連続として現われるがゆるやかに変化するピッチサイクルと呼ばれる波形の連続として現われる。これらのピッチサイクルのひとつはピッチ周期と呼ばれる時間長を有する。
【０００４】
当業者にはコード励振線形予測（ＣＥＬＰ）音声コーディングとして知られる、長期予測器（ＬＰＴ）を使用した合成による分析形の音声符号化方式においては、符号化されたピッチサイクルのフレーム（あるいはサブフレーム）は復号器のＬＰＴの過去のピッチサイクルのデータを使用して復号器によって再生される。典型的なＬＴＰは、過去のピッチサイクルのデータ、すなわち過去のピッチサイクルデータの重りあったベクトルの適応的コードブックの遅延したフィードバックを与える全極フィルタであると解釈される。過去のピッチサイクルのデータは、復号されるべき現在のピッチサイクルの近似として動作する。固定したコードブック（すなわち統計的コードブック）は過去のピッチサイクルデータを高精度化し、現在のピッチサイクルの詳細を反映するのに使用することができる。
【０００５】
ＣＥＬＰのような合成による分析符号化システムでは、低ビットレートのコーディングを行なうことはできるが、元の波形のピッチサイクルの変化を完全に記述するのに充分な情報を伝達できないことがある。元の音声のピッチサイクルの波形の連続の変化（すなわち、ダイナミックス）が再生された音声で保存されないときには感知できるような歪みが生ずることもある。
【０００６】
【発明の要約】
本件発明は音声符号化システムによって発生する再生された音声のダイナミックスを改善するための方法と装置を提供する。実施例の符号化システムは、ＣＥＬＰシステムのようなＬＴＰを使用した合成による分析システムを含んでいる。再生された有音声信号のひとつあるいはそれ以上のトレースの識別と平滑化によって改良が行なわれる。トレースとは有音声信号のピッチサイクルのシーケンスに現われる類似した特徴によって形成されるエンベロープである。識別されたトレースは線形内挿あるいは低減濾波のような周知の手法のいずれかによって平滑化される。平滑化されたトレースは、本件発明によって平滑化された再生信号にとりまとめられる。トレースの識別、平滑化およびとりまとめは、再生された音声領域、あるいは合成による分析符号化システムに存在する励起領域のいずれかで実行される。
【０００７】
【詳細な記述】
有音声
図１は有声音信号（２０ｍｓ）の様式化された時間領域の表現を示している。図示のように、有声音は個々の類似したピッチサイクルと呼ばれる波形のシーケンスとして記述することができる。一般に各ピッチサイクルは、振幅についてもその期間についてもその隣接したピッチサイクルとわずかに異っている。図に示した括弧は連続したピッチサイクルの間の境界の集合を示している。この図では各ピッチサイクルは長さが約５ミリ秒である。
【０００８】
ピッチサイクルは、それがひとつあるいはそれ以上の近隣と共通する特徴の系列で特性付けられる。例えば、図１に示すように、ピッチサイクルＡ、Ｂ、Ｃ、Ｄは特徴のあるピーク１〜４を共通に持っている。ピーク１〜４の正確な振幅と位置は各ピッチサイクルで変化するが、このような変化は一般にゆるやかである。従って有声音は一般に周期的であるか、それに近い（すなわち擬似周期的である）。
【０００９】
ＣＥＬＰ符号器を含む多くの音声符号器はフレームあるいはサブフレーム型式で動作する。すなわち、符号器は音声の内から有利に選択されたセグメントで動作する。例えばＣＥＬＰ符号器は各々それ自身の特性的ＬＴＰの遅延を持つように４個の５ミリ秒のサブフレームを符号化して組立てることによって、２０ミリ秒のフレームの符号化された音声（８ＫＨｚで１６０サンプル分）を送信する。ここでの説明の目的では、図１のピッチサイクルの例は５ミリ秒のサブフレームに対応する。当業者には本発明はピッチサイクルとサブフレームが一致していない場合にも適用できることは明らかである。
【００１０】
【実施例】
本発明の一実施例を図２に示す。各サブフレームについて、トレース識別器１００はＣＥＬＰ復号器のような従来の復号器から従来の再生された音声信号Ｖｃ（ｉ）と時間距離関数ｄ（ｉ）を受信する。従来の再生された音声信号は音声そのものの形をとっても良いし、従来の復号器に生ずる音声に似た励振信号でも良い。Ｖｃ（ｉ）は復号器のＬＴＰによって生ずる励振信号であることが望ましい。Ｎ個のトレースからのデータ
【００１１】
【数１】
は識別され、複数のトレース平滑化プロセス２００に与えられる。これらのトレシングプロセス２００は平滑化されたトレースデータ
【００１２】
【数２】
をトレース組合わせ器３００に与えるように動作する。トレース組合せ器３００は平滑化されたトレースデータから平滑化された音声信号Ｖｓ（ｉ）を形成する。
【００１３】
トレース識別
図示の実施例のトレース識別器１００は音声のトレースを定義、すなわち識別する。各々の識別されたトレースには、再生された音声信号のピッチサイクル波形のシーケンスに存在する類似した特徴に関与している。トレースはインデクスｊk の値によって与えられる時点で音声復号器Ｖｃによって与えられる再生された音声信号のサンプルの振幅によって形成されるエンベロープである。上述したように識別されたトレースは
【００１４】
【数３】
と表記できる。トレースインデクスの一例はＲ＝０、１、２……に対して
ｊk+1 ＝ｊk −ｄ（ｊk ）
のように決定できる。ここで、ｄ（ｊk ）は時刻ｊk における再生された音声信号のピッチサイクルのシーケンスの類似した特徴の間の時間距離である（ｋが増加するに従って、インデクスｊk はさらに過去を指すようになる）。図３は、図１で示した有音声のセグメント（フレーム）中のあるサンプル点のトレースを図示している。時間距離関数ｄ（ｉ）の値の例は、再生された音声信号のフレームあるいはサブフレームを与えることによって、従来のＬＴＰにもとづく復号器から得ることができる。例えば、ＬＴＰを持つＣＥＬＰ符号化システムと組合せて本件発明を使うときには、ｄ（ｉ）はＣＥＬＰ復号器のＬＴＰで使用する遅延である。典型的なＣＥＬＰ復号器は符号化された音声の各サブフレームについて遅延を与える。このような場合にはｄ（ｉ）はサブフレームのすべてのサンプル点で一定である。
【００１５】
無音声（すなわち、だまっているときや、無音声のとき）にはトレースを識別する必要はない。有声音については与えられた時点からトレースを前後に拡張することができる。与えられたピッチサイクルの中では、データサンプルの数と同じ数のトレースがあって良い（例えば、８ＫＨｚのサンプリング周波数では５ミリ秒のピッチサイクル中に４０トレースがあって良い。）。ピッチサイクルが時間的に延びたときには、あるトレースは多数のトレースに分割される。ピッチサイクルが時間的に短縮するときには、ある種のトレースは終了する。さらに、ｄ（ｉ）の値は単一のピッチ周期を越えるから、トレースによって１ピッチサイクル以上離れた波形中の類似した特徴を関連付けることができる
【００１６】
トレースの平滑化
再生された音声信号中の識別されたトレースは再生されたピッチサイクル波形のダイナミックスを修正するために、平滑化プロセス２００によって平滑化される。線形内挿、多項式フィッティング、低域濾波のような周知の平滑化手法の任意のものを使用することができる。平滑化手法はＣＥＬＰ復号器によって与えられる２０ミリ秒のフレームのような、ある時間幅にわたって各トレースに与えられる。
【００１７】
図４は図２の実施例による単一のトレースＴｍの平滑化で使用される再生された音声信号のフレームの例である。例として示す平滑化プロセス２００は過去のトレースの値（信号の過去のフレームから得られる）を保持し、これは音声信号の現在のフレームの平滑化動作のための初期データを与えるのに使用される。現在のフレームのトレースは値の集合、
【００１８】
【数４】
から成る。トレースの値は遅延の集合｛ｄ（ｊk ），ｋ＝１、２、３、４｝によって時間的に分離される。遅延ｄ（ｊ4 ）は平滑化プロセス２００によって現在のトレースのフレームの平滑化動作に使用する第１のトレースの値（すなわち時間的に最も早い）を識別するのに使用される。図において、このトレースの値は過去のフレームのトレースの値、
【００１９】
【数５】
から得られる。トレース値の集合
【００２０】
【数６】
によって、平滑化されたトレース値の集合、
【００２１】
【数７】
を与えることによって、平滑化を実行しても良い。現在のフレームについての平滑化されたトレースは直前の過去のフレームの関連した平滑化したトレースと接続できるようになっていると良い。例示した内挿の手法は、与えられたフレームの最初のトレース値
【００２２】
【数８】
を前のフレームの最後のトレース値
【００２３】
【数９】
と接続する直線のセグメントをフレームの平滑化されたトレースとして定義する。
【００２４】
【外１】
現在のフレームの平滑化が行なわれたときには、現在のフレームのトレースデータは過去のフレームのトレースデータとして後に使用するために保存される。従って、平滑化のプロセスはフレームごとに行われることになる。
【００２５】
平滑化されたトレースの組合わせ
個々の平滑化されたトレースのサンプル
【００２６】
【数１０】
は、トレース組合わせ器３００によってフレームごとに組み合わされて、平滑化された再生音声信号Ｖｓ（ｉ）となる。トレース組合わせ器３００は個々の平滑化されたトレースのサンプルを時間的順序でインタレースして平滑化され再生された音声信号Ｖｓ（ｉ）を形成する。すなわち、例えば、現在のフレームの最も早いサンプル点を持つ平滑化されたトレースは、平滑化され再構成された音声信号のフレームの最初のサンプルとなり、フレーム中の次に早いサンプルを持つ平滑化されたトレースは第２のサンプルを与え、以下同様となる。典型的には与えられた平滑化されたトレースは平滑化され再構成された音声信号にピッチサイクルに１サンプルずつ寄与することになる。平滑化され再構成された音声信号Ｖｓ（ｉ）は、音声信号の平滑化していないものとして使用される出力に使用しても良い。
【００２７】
平滑化された再生音声と従来の再生音声の組合わせ
図５に示す本発明の図示の実施例においては、全体の再生された音声信号Ｖ（ｉ）は、従来の再生された音声信号Ｖｃ（ｉ）で平滑化された再生音声信号Ｖｓ（ｉ）の次のような線形の組合せであると考えられる。
Ｖ（ｉ）＝αＶｓ（ｉ）＋（１−α）Ｖｃ（ｉ）
ここで０≦α≦１である。（図５の５００〜８００参照）。パラメータαは周期性の尺度であるが、平滑化された音声と従来の音声のＶ（ｉ）における割合を示している。有声音信号の取扱いではＶｓは重要であるから、αは音声が有声音であるときにはＶ（ｉ）の大きな部分をＶｓ（ｉ）が占め、無声音ではＶｃ（ｉ）が大きな部分を占めるようにαが作用する。有声音が存在することの判定、すなわちαの値はＶｃ（ｉ）の隣接したフレームの統計的な相関から求めることができる。この相関の推定値は自己相関関数
【００２８】
【数１１】
からＣＥＬＰ復号器のために提供される。ここでｄ（ｉ）はＣＥＬＰ復号器のＬＴＰからの遅延であり、Ｌは自己相関式中のサンプルの数である。これは８ＫＨｚのサンプリングレートでは代表的に１６０である。（すなわち、音声信号のフレーム中のサンプル数）（図５の４００参照）。この式はαの正規化推定値
【００２９】
【数１２】
を計算するのに用いられる。自己相関が大きいほど、音声は周期的となり、αの値は大きくなる（図５の５００参照）。Ｖ（ｉ）の式を与えれば、αの値が大きければＶ（ｉ）に対するＶｓの寄与は大きく、その逆も成り立つ。
【００３０】
その他の実施例
本発明の他の実施例は再生された音声信号から利用できるトレースの部分集合の平滑化に関する。このような部分集合のひとつは、ピッチサイクル内の大きなパルスのサンプルデータに関するトレースとして定義できる。もちろん、このような大きなパルスはピッチサイクル内のパルスの部分集合を形成する。例えば、図１を参照すれば、この図示の実施例は、各ピッチサイクルのパルス１−３に関連した音声信号のサンプルに関連したこれらのトレースの平滑化に関連している。平滑化プロセスに含めるべきパルスの部分集合の識別はスレショルドを決め、それ以下のパルス、従ってトレースは含めないようにして行なうことができる。このスレショルドは最大のパルスのパーセンテージとして絶対レベル、あるいは相対レベルとして設定できる。さらに、平滑化の耳で聴える結果は主観的なものであるから、スレショルドはいくつかのテストレベルに基づく経験によって選択することができる。この実施例では、平滑化したトレースの平滑化した再生音声信号への組立ては、平滑化を行なわない元の再生された音声信号によって補完することができる。このような元の再生された音声信号のサンプルは、上述したスレショルドの下に落ちるサンプルである。結果として、このようなサンプルは平滑化されたトレースの部分は形成しない。
【００３１】
上述したように、元の再生された音声信号は音声ドメインそのものにあっても、合成による分析復号器で利用できる励振ドメインにあっても良い。もし音声ドメインが使用されるのであれば、本発明の図示の実施例は従来の合成による分析復号器の後に来る。しかし、音声信号が有利な実施例で示したように、励振ドメインにあれば、本実施例はこのような復号器の中に入る。従って、本実施例は、励振ドメインの音声信号を扱い、これを処理し、それを励振音声信号を受信することを期待している復号器の部分に与える。しかし、この場合には、これは本実施例によって与えられる平滑化されたものを受信することになる。
【図面の簡単な説明】
【図１】有声音信号の時間領域表示を表す図である。
【図２】本発明の一実施例を表す図である。
【図３】図１の有声音信号の時間領域表現のためのトレースの例を表す図である。
【図４】トレースの平滑化に使用する音声信号のフレームの説明図である。
【図５】有声音と無音声の比例尺度に従う平滑化と従来の再生音声信号を組合わせた本発明の一実施例を示す図である。
【符号の説明】
１００ トレース識別器
２００ 平滑化プロセス
３００ トレース組合せ器
【技術分野】
本件発明は一般的に音声通信システム、特にコードワードから音声を再生するのに関連した信号処理に関する。
【０００２】
【背景技術】
音声情報の効率の高い通信にはチャネルあるいはネットワークを通して伝送するために音声信号を符号化することが多い。音声の符号化によって制限された帯域のチャネルを通して通信するのに有効なデータ圧縮を行なうことができる。音声符号化システムは、音声信号をチャネルを通して伝送するためのコードワードに変換する符号化プロセスと音声を受信されたコードワードから再生する復号プロセスを含んでいる。
【０００３】
大部分の音声符号化技術の目的は、音帯がぴんと張って擬周期的に振動したときに生ずる有音声のような元の音声を忠実に再生することである。時間領域では、音声の信号は同じ連続として現われるがゆるやかに変化するピッチサイクルと呼ばれる波形の連続として現われる。これらのピッチサイクルのひとつはピッチ周期と呼ばれる時間長を有する。
【０００４】
当業者にはコード励振線形予測（ＣＥＬＰ）音声コーディングとして知られる、長期予測器（ＬＰＴ）を使用した合成による分析形の音声符号化方式においては、符号化されたピッチサイクルのフレーム（あるいはサブフレーム）は復号器のＬＰＴの過去のピッチサイクルのデータを使用して復号器によって再生される。典型的なＬＴＰは、過去のピッチサイクルのデータ、すなわち過去のピッチサイクルデータの重りあったベクトルの適応的コードブックの遅延したフィードバックを与える全極フィルタであると解釈される。過去のピッチサイクルのデータは、復号されるべき現在のピッチサイクルの近似として動作する。固定したコードブック（すなわち統計的コードブック）は過去のピッチサイクルデータを高精度化し、現在のピッチサイクルの詳細を反映するのに使用することができる。
【０００５】
ＣＥＬＰのような合成による分析符号化システムでは、低ビットレートのコーディングを行なうことはできるが、元の波形のピッチサイクルの変化を完全に記述するのに充分な情報を伝達できないことがある。元の音声のピッチサイクルの波形の連続の変化（すなわち、ダイナミックス）が再生された音声で保存されないときには感知できるような歪みが生ずることもある。
【０００６】
【発明の要約】
本件発明は音声符号化システムによって発生する再生された音声のダイナミックスを改善するための方法と装置を提供する。実施例の符号化システムは、ＣＥＬＰシステムのようなＬＴＰを使用した合成による分析システムを含んでいる。再生された有音声信号のひとつあるいはそれ以上のトレースの識別と平滑化によって改良が行なわれる。トレースとは有音声信号のピッチサイクルのシーケンスに現われる類似した特徴によって形成されるエンベロープである。識別されたトレースは線形内挿あるいは低減濾波のような周知の手法のいずれかによって平滑化される。平滑化されたトレースは、本件発明によって平滑化された再生信号にとりまとめられる。トレースの識別、平滑化およびとりまとめは、再生された音声領域、あるいは合成による分析符号化システムに存在する励起領域のいずれかで実行される。
【０００７】
【詳細な記述】
有音声
図１は有声音信号（２０ｍｓ）の様式化された時間領域の表現を示している。図示のように、有声音は個々の類似したピッチサイクルと呼ばれる波形のシーケンスとして記述することができる。一般に各ピッチサイクルは、振幅についてもその期間についてもその隣接したピッチサイクルとわずかに異っている。図に示した括弧は連続したピッチサイクルの間の境界の集合を示している。この図では各ピッチサイクルは長さが約５ミリ秒である。
【０００８】
ピッチサイクルは、それがひとつあるいはそれ以上の近隣と共通する特徴の系列で特性付けられる。例えば、図１に示すように、ピッチサイクルＡ、Ｂ、Ｃ、Ｄは特徴のあるピーク１〜４を共通に持っている。ピーク１〜４の正確な振幅と位置は各ピッチサイクルで変化するが、このような変化は一般にゆるやかである。従って有声音は一般に周期的であるか、それに近い（すなわち擬似周期的である）。
【０００９】
ＣＥＬＰ符号器を含む多くの音声符号器はフレームあるいはサブフレーム型式で動作する。すなわち、符号器は音声の内から有利に選択されたセグメントで動作する。例えばＣＥＬＰ符号器は各々それ自身の特性的ＬＴＰの遅延を持つように４個の５ミリ秒のサブフレームを符号化して組立てることによって、２０ミリ秒のフレームの符号化された音声（８ＫＨｚで１６０サンプル分）を送信する。ここでの説明の目的では、図１のピッチサイクルの例は５ミリ秒のサブフレームに対応する。当業者には本発明はピッチサイクルとサブフレームが一致していない場合にも適用できることは明らかである。
【００１０】
【実施例】
本発明の一実施例を図２に示す。各サブフレームについて、トレース識別器１００はＣＥＬＰ復号器のような従来の復号器から従来の再生された音声信号Ｖｃ（ｉ）と時間距離関数ｄ（ｉ）を受信する。従来の再生された音声信号は音声そのものの形をとっても良いし、従来の復号器に生ずる音声に似た励振信号でも良い。Ｖｃ（ｉ）は復号器のＬＴＰによって生ずる励振信号であることが望ましい。Ｎ個のトレースからのデータ
【００１１】
【数１】
【００１２】
【数２】
【００１３】
トレース識別
図示の実施例のトレース識別器１００は音声のトレースを定義、すなわち識別する。各々の識別されたトレースには、再生された音声信号のピッチサイクル波形のシーケンスに存在する類似した特徴に関与している。トレースはインデクスｊk の値によって与えられる時点で音声復号器Ｖｃによって与えられる再生された音声信号のサンプルの振幅によって形成されるエンベロープである。上述したように識別されたトレースは
【００１４】
【数３】
ｊk+1 ＝ｊk −ｄ（ｊk ）
のように決定できる。ここで、ｄ（ｊk ）は時刻ｊk における再生された音声信号のピッチサイクルのシーケンスの類似した特徴の間の時間距離である（ｋが増加するに従って、インデクスｊk はさらに過去を指すようになる）。図３は、図１で示した有音声のセグメント（フレーム）中のあるサンプル点のトレースを図示している。時間距離関数ｄ（ｉ）の値の例は、再生された音声信号のフレームあるいはサブフレームを与えることによって、従来のＬＴＰにもとづく復号器から得ることができる。例えば、ＬＴＰを持つＣＥＬＰ符号化システムと組合せて本件発明を使うときには、ｄ（ｉ）はＣＥＬＰ復号器のＬＴＰで使用する遅延である。典型的なＣＥＬＰ復号器は符号化された音声の各サブフレームについて遅延を与える。このような場合にはｄ（ｉ）はサブフレームのすべてのサンプル点で一定である。
【００１５】
無音声（すなわち、だまっているときや、無音声のとき）にはトレースを識別する必要はない。有声音については与えられた時点からトレースを前後に拡張することができる。与えられたピッチサイクルの中では、データサンプルの数と同じ数のトレースがあって良い（例えば、８ＫＨｚのサンプリング周波数では５ミリ秒のピッチサイクル中に４０トレースがあって良い。）。ピッチサイクルが時間的に延びたときには、あるトレースは多数のトレースに分割される。ピッチサイクルが時間的に短縮するときには、ある種のトレースは終了する。さらに、ｄ（ｉ）の値は単一のピッチ周期を越えるから、トレースによって１ピッチサイクル以上離れた波形中の類似した特徴を関連付けることができる
【００１６】
トレースの平滑化
再生された音声信号中の識別されたトレースは再生されたピッチサイクル波形のダイナミックスを修正するために、平滑化プロセス２００によって平滑化される。線形内挿、多項式フィッティング、低域濾波のような周知の平滑化手法の任意のものを使用することができる。平滑化手法はＣＥＬＰ復号器によって与えられる２０ミリ秒のフレームのような、ある時間幅にわたって各トレースに与えられる。
【００１７】
図４は図２の実施例による単一のトレースＴｍの平滑化で使用される再生された音声信号のフレームの例である。例として示す平滑化プロセス２００は過去のトレースの値（信号の過去のフレームから得られる）を保持し、これは音声信号の現在のフレームの平滑化動作のための初期データを与えるのに使用される。現在のフレームのトレースは値の集合、
【００１８】
【数４】
【００１９】
【数５】
【００２０】
【数６】
【００２１】
【数７】
【００２２】
【数８】
【００２３】
【数９】
【００２４】
【外１】
【００２５】
平滑化されたトレースの組合わせ
個々の平滑化されたトレースのサンプル
【００２６】
【数１０】
【００２７】
平滑化された再生音声と従来の再生音声の組合わせ
図５に示す本発明の図示の実施例においては、全体の再生された音声信号Ｖ（ｉ）は、従来の再生された音声信号Ｖｃ（ｉ）で平滑化された再生音声信号Ｖｓ（ｉ）の次のような線形の組合せであると考えられる。
Ｖ（ｉ）＝αＶｓ（ｉ）＋（１−α）Ｖｃ（ｉ）
ここで０≦α≦１である。（図５の５００〜８００参照）。パラメータαは周期性の尺度であるが、平滑化された音声と従来の音声のＶ（ｉ）における割合を示している。有声音信号の取扱いではＶｓは重要であるから、αは音声が有声音であるときにはＶ（ｉ）の大きな部分をＶｓ（ｉ）が占め、無声音ではＶｃ（ｉ）が大きな部分を占めるようにαが作用する。有声音が存在することの判定、すなわちαの値はＶｃ（ｉ）の隣接したフレームの統計的な相関から求めることができる。この相関の推定値は自己相関関数
【００２８】
【数１１】
【００２９】
【数１２】
【００３０】
その他の実施例
本発明の他の実施例は再生された音声信号から利用できるトレースの部分集合の平滑化に関する。このような部分集合のひとつは、ピッチサイクル内の大きなパルスのサンプルデータに関するトレースとして定義できる。もちろん、このような大きなパルスはピッチサイクル内のパルスの部分集合を形成する。例えば、図１を参照すれば、この図示の実施例は、各ピッチサイクルのパルス１−３に関連した音声信号のサンプルに関連したこれらのトレースの平滑化に関連している。平滑化プロセスに含めるべきパルスの部分集合の識別はスレショルドを決め、それ以下のパルス、従ってトレースは含めないようにして行なうことができる。このスレショルドは最大のパルスのパーセンテージとして絶対レベル、あるいは相対レベルとして設定できる。さらに、平滑化の耳で聴える結果は主観的なものであるから、スレショルドはいくつかのテストレベルに基づく経験によって選択することができる。この実施例では、平滑化したトレースの平滑化した再生音声信号への組立ては、平滑化を行なわない元の再生された音声信号によって補完することができる。このような元の再生された音声信号のサンプルは、上述したスレショルドの下に落ちるサンプルである。結果として、このようなサンプルは平滑化されたトレースの部分は形成しない。
【００３１】
上述したように、元の再生された音声信号は音声ドメインそのものにあっても、合成による分析復号器で利用できる励振ドメインにあっても良い。もし音声ドメインが使用されるのであれば、本発明の図示の実施例は従来の合成による分析復号器の後に来る。しかし、音声信号が有利な実施例で示したように、励振ドメインにあれば、本実施例はこのような復号器の中に入る。従って、本実施例は、励振ドメインの音声信号を扱い、これを処理し、それを励振音声信号を受信することを期待している復号器の部分に与える。しかし、この場合には、これは本実施例によって与えられる平滑化されたものを受信することになる。
【図面の簡単な説明】
【図１】有声音信号の時間領域表示を表す図である。
【図２】本発明の一実施例を表す図である。
【図３】図１の有声音信号の時間領域表現のためのトレースの例を表す図である。
【図４】トレースの平滑化に使用する音声信号のフレームの説明図である。
【図５】有声音と無音声の比例尺度に従う平滑化と従来の再生音声信号を組合わせた本発明の一実施例を示す図である。
【符号の説明】
１００ トレース識別器
２００ 平滑化プロセス
３００ トレース組合せ器
Claims (10)
- 符号化された音声情報から復号器が再構成した第１の音声信号に含まれる可聴の歪を低減する方法であって、
複数のピッチサイクルからなる該第１の音声信号と遅延信号とを該復号器から受信するステップと、
該第１の音声信号の各ピッチサイクルについて、複数の類似の特徴に一意に対応している１つ又は複数のサンプルを、該受信した遅延信号を使用して順次選択し、そして、１つ又は複数のグループを形成するステップとを含み、該１つ又は複数のグループの各々は、各ピッチサイクルについて１つのサンプルを含み、１つのグループ内の該選択された複数のサンプルは、１つの対応する類似の特徴を有しており、該遅延信号は、該第１の音声信号の複数のピッチサイクル内の対応する類似の特徴を有する複数の対応するサンプル間の時間的な分離を提供し、該方法は、さらに、
該選択された複数のサンプルから形成される該１つ又は複数のグループの各々について１つのトレース信号を形成するステップを含み、 1 つのグループを構成する該選択された複数のサンプルによって定義される複数のピークを接続することにより該各トレース信号が形成され、該方法は、さらに、
１つ又は複数のトレース信号を平滑化するステップと、
１つ又は複数の平滑化されたトレース信号を組み合わせて第２の音声信号を形成するステップとを含む方法。 - 請求項１に記載の方法において、該第１の音声信号は、該復号器の長期予測器によって提供されることを特徴とする音声信号の可聴の歪を低減する方法。
- 請求項１に記載の方法において、該遅延は、該復号器の長期予測器によって与えられる方法。
- 請求項１に記載の方法において、該１つ又は複数のグループの各々について１つのトレース信号を形成するステップは、１つのピッチサイクル内の複数のサンプルからなる１つの部分集合と関連する複数のトレース信号を形成するステップを含み、該部分集合を構成する該複数のサンプルは、１つのピッチサイクル内の１つの所定の値よりの大きな振幅を有するサンプルから選択される方法。
- 請求項１に記載の方法において、該１つあるいは複数のトレース信号を平滑化するステップは、内挿によって実行される方法。
- 請求項１に記載の方法において、該１つあるいは複数のトレース信号を平滑化するステップは、低減濾波によって実行される方法。
- 請求項１に記載の方法において、該１つあるいは複数のトレース信号を平滑化するステップは、多項式曲線あてはめによって実行される方法。
- 請求項１に記載の方法において、該第１の音声信号の値と該第２の音声信号の値とを組み合わせるステップをさらに含む方法。
- 符号化された音声情報から復号器が再構成した第１の音声信号に含まれる可聴の歪を低減する装置であって、
１つ又は複数のトレースを形成するトレース識別器を含み、該トレース識別器は、
該復号器から該第１の音声信号と遅延信号とを受信する手段と、
該第１の音声信号の各ピッチサイクルについて、複数の類似の特徴に一意に対応している１つ又は複数のサンプルを、該受信した遅延信号を使用して順次選択し、そして、１つ又は複数のグループを形成する手段とを含み、該１つ又は複数のグループの各々は、各ピッチサイクルについて１つのサンプルを含み、１つのグループ内の該選択された複数のサンプルは、１つの対応する類似の特徴を有しており、該遅延信号は、該第１の音声信号の複数のピッチサイクル内の対応する類似の特徴を有する複数の対応するサンプル間の時間的な分離を提供し、該トレース識別器は、さらに、
1 つのグループを構成する該選択された複数のサンプルによって定義される複数のピークを接続することにより、該選択された複数のサンプルから構成される該１つ又は複数のグループの各々について１つのトレース信号を形成する手段を含み、該可聴の歪を低減 する装置は、さらに、
該トレース識別器に接続され、１つ又は複数のトレース信号を平滑化するための１つ又は複数の平滑化プロセッサと、
該１つ又は複数の平滑化プロセッサに結合され、１つ又は複数の該平滑化されたトレース信号を組み合わせて、第２の音声信号を形成するためのトレース組み合わせ器とを含む装置。 - 請求項９に記載の装置において、該第１の音声信号は、該復号器の長期予測器から与えられる装置。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US77856091A | 1991-10-18 | 1991-10-18 | |
| US778560 | 1991-10-18 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH05224698A JPH05224698A (ja) | 1993-09-03 |
| JP3798433B2 true JP3798433B2 (ja) | 2006-07-19 |
Family
ID=25113764
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP27759292A Expired - Lifetime JP3798433B2 (ja) | 1991-10-18 | 1992-10-16 | ピッチサイクル波形を平滑化する方法及び装置 |
Country Status (4)
| Country | Link |
|---|---|
| EP (1) | EP0537948B1 (ja) |
| JP (1) | JP3798433B2 (ja) |
| DE (1) | DE69221985T2 (ja) |
| ES (1) | ES2104842T3 (ja) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1041539A4 (en) * | 1997-12-08 | 2001-09-19 | Mitsubishi Electric Corp | METHOD AND DEVICE FOR PROCESSING THE SOUND SIGNAL |
| DE60017758D1 (de) * | 1999-05-19 | 2005-03-03 | Noisecom Aps Aalborg | VERFAHREN UND VORRICHTUNG ZUR GERäUSCHREDUZIERUNG IN SPRACHSIGNALEN |
| JP4968421B2 (ja) * | 2001-09-28 | 2012-07-04 | 大日本印刷株式会社 | 時系列信号解析装置 |
-
1992
- 1992-10-08 DE DE1992621985 patent/DE69221985T2/de not_active Expired - Fee Related
- 1992-10-08 EP EP19920309167 patent/EP0537948B1/en not_active Expired - Lifetime
- 1992-10-08 ES ES92309167T patent/ES2104842T3/es not_active Expired - Lifetime
- 1992-10-16 JP JP27759292A patent/JP3798433B2/ja not_active Expired - Lifetime
Also Published As
| Publication number | Publication date |
|---|---|
| EP0537948A2 (en) | 1993-04-21 |
| DE69221985D1 (de) | 1997-10-09 |
| EP0537948B1 (en) | 1997-09-03 |
| EP0537948A3 (en) | 1993-06-23 |
| JPH05224698A (ja) | 1993-09-03 |
| DE69221985T2 (de) | 1998-01-08 |
| ES2104842T3 (es) | 1997-10-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP4658596B2 (ja) | 線形予測に基づく音声コーデックにおける効率的なフレーム消失の隠蔽のための方法、及び装置 | |
| JP2707564B2 (ja) | 音声符号化方式 | |
| US6826527B1 (en) | Concealment of frame erasures and method | |
| US5267317A (en) | Method and apparatus for smoothing pitch-cycle waveforms | |
| EP1096476B1 (en) | Speech signal decoding | |
| JP2001509616A (ja) | 長期間予測と多重パルス励起信号を用いて音声信号を符号化および／または復号化する方法 | |
| JPH0439679B2 (ja) | ||
| EP1103953B1 (en) | Method for concealing erased speech frames | |
| JP3798433B2 (ja) | ピッチサイクル波形を平滑化する方法及び装置 | |
| JP3618217B2 (ja) | 音声のピッチ符号化方法及び音声のピッチ符号化装置並びに音声のピッチ符号化プログラムが記録された記録媒体 | |
| JP3451998B2 (ja) | 無音声符号化を含む音声符号化・復号装置、復号化方法及びプログラムを記録した記録媒体 | |
| JP2000132193A (ja) | 信号符号化装置及び方法、並びに信号復号装置及び方法 | |
| JP3303580B2 (ja) | 音声符号化装置 | |
| JP3050978B2 (ja) | 音声符号化方法 | |
| JPS6238500A (ja) | 高能率音声符号化方式とその装置 | |
| JPH0782360B2 (ja) | 音声分析合成方法 | |
| JP3417362B2 (ja) | 音声信号復号方法及び音声信号符号化復号方法 | |
| JP3088204B2 (ja) | コード励振線形予測符号化装置及び復号化装置 | |
| JPH087597B2 (ja) | 音声符号化器 | |
| JP2001142499A (ja) | 音声符号化装置ならびに音声復号化装置 | |
| JP3515216B2 (ja) | 音声符号化装置 | |
| JP3410931B2 (ja) | 音声符号化方法及び装置 | |
| JPH05165497A (ja) | コード励振線形予測符号化器及び復号化器 | |
| JPH08211895A (ja) | ピッチラグを評価するためのシステムおよび方法、ならびに音声符号化装置および方法 | |
| JPH05232995A (ja) | 一般化された合成による分析音声符号化方法と装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20040202 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20040430 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20040811 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20041209 |
|
| A911 | Transfer of reconsideration by examiner before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20050126 |
|
| A912 | Removal of reconsideration by examiner before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A912 Effective date: 20050415 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20060420 |
|
| 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: 20100428 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100428 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110428 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120428 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130428 Year of fee payment: 7 |
|
| EXPY | Cancellation because of completion of term | ||
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130428 Year of fee payment: 7 |