JP4059350B2 - 分析合成線形予測音声符号化における利得量子化方法 - Google Patents

Description

技術分野
この発明は、分析合成線形予測音声符号化における利得量子化方法に関し、特に移動電話方式のためのものに関する。
発明の背景
分析合成線形予測音声符号器は、通常、長期予測器すなわち適応型コードブックと、これに続く一つまたはいくつかの固定コードブックを有する。そうした音声符号器は、例えば［１］に記述されている。そうした音声符号器における全励起ベクトルは、複数のコードブックベクトルＶ_iの線形結合として記述でき、各コードブックベクトルＶ_iは、対応する利得Ｇ_iにより乗算されるようになっている。これらのコードブックは、順次的に探索される。通常、第１コードブックからの励起は、次のコードブックがサーチされる以前に、目的信号（音声信号）から差し引かれる。他の方法は直交探索であって、ここではその後のコードブック内の全ベクトルは、選択されたコードブックベクトルにより直交される。こうして、複数のコードブックが独立にされ、全てが、同一の目的信号へ向けて探索され得る。
任意の数のコードブックを有する一般化されたＣＥＬＰ符号器のための探索方法と利得量子化は、［２］の中で説明されている。
複数のコードブックの利得は、通常別々に量子化されるが、一緒に量子化したベクトルでもあり得る。
［３］に記述された符号器において、二つの固定コードブックが一つの適応型コードブックに結合されている。これらのコードブックは、直交させて探索される。適当な領域への変換の後に、固定コードブックの利得は、適応型コードブックの利得と共にベクトル量子化される。最良の量子化器指数は、一つの新しい分析合成ループ内の全ての可能性をテストとすることにより、発見される。類似の量子化方法は、ＡＣＥＬＰ符号器［４］に使用されているが、この場合は標準コードブック探索法が使用されている。
選択されたＬＴＰベクトルおよび、第２のコードブックのために、第１のコードブックから選択されたベクトルを使用して、量子化境界を適応的に計算する方法が［５、６］に記述されている。
一つの方法が［２］に示唆されており、これによればＬＴＰコードブックの利得は標準化されたコードブックのベクトルに関係して量子化される。適応型コードブックの利得はフレームエネルギに関係して定量化される。比率ｇ₂／ｇ₁、ｇ₃／ｇ₂、．．．は、不平等量子化器内で定量化される。利得のベクトル量子化を使用するためには、励起ベクトルが選択された後に利得が量子化されなければならない。これは、最初に探索されたコードブックの正確な利得がその後のコードブック探索の時には知られないと言うことを意味する。伝統的な探索方法を使用した場合、正しい目的信号がその後のゴードブックのために計算できず、その後の探索は従って最適ではない。
直交探索法を使用した場合コードブック探索は以前のコードブックの利得から独立している。こうしてこの利得はコードブック探索の後に量子化され、ベクトル量子化が使用可能である。しかしながらコードブックの直交化は、しばしば非常に複雑であり、［３］でのように直交化を能率的にするようにコードブックが特別に設計されなければ通常実用的でない。ベクトル量子化を使用する場合最良の利得は通常一つの新しい分析合成ループ内で選択される。利得はスカラ量であるので、フィルタリングプロセスの外へ移すことができ、これがコードブック探索における分析合成ループに比較して計算を単純化するが、しかしこの方法はそれでも独立の量子化に比べてはるかに複雑である。他の欠点はベクトル指数がチャネルエラーに非常に傷つきやすく、その理由は指数内の１ビットのエラーは全く異なった利得のセットを与えるからである。この見地から独立の量子化がより良い選択である。しかしながら、他の量子化方法と同一の効率を達成するためには、この方法のためにより多くのビットを使用しなければならない。
［５、６］に記述された適応した量子化限界（ｌｉｍｉｔ）を有する方法は複雑な計算を含み、移動電話方式のような複雑度の低いシステムには利用できない。また、最後のコードブックの利得の復号が全ての先行の利得とベクトルの正確な伝送に依存するので、この方法はチャネルエラーに対して非常に敏感であると予想される。
利得比率の量子化が［２］に記述されたようにチャネルエラーに対して強く、またあまり複雑でない。しかしながらこの方法は不平等量子化器の訓練を必要とし、この事が訓練に使用されない他の信号に対して符号器の強さを少なくする可能性がある。この方法もまた非常に柔軟性が少ない。
発明の要約
この発明の一つの目的は、上記の諸問題の大部分を減少または除去する分析合成線形予測音声符号化の改良された利得量子化方法である。特にこの方法は複雑性が低く、チャネルエラーに敏感でない量子化された利得を与え、また独立利得量子化法よりもより少ないビットを使うことである。
上記の諸目的は請求項１による方法により達成される。
【図面の簡単な説明】
この発明は、そのさらなる目的と長所と共に、添付の図面と共にする以下の説明を参照することにより最もよく理解されるであろう。すなわち、
図１は、この発明の方法を使用し得る分析合成線形予測音声符号器の一実施例のブロック図である。
図２は、この発明の方法を使用し得る分析合成線形予測音声符号器のもう一つの実施例のブロック図である。
図３は、マルチパルス励起（ＭＰＥ）の諸原則を図示する。
図４は、変換バイナリパルス励起（ＴＢＰＥ）の諸原則を図示する。
図５は、一つのコードブックからの最適利得および次のコードブックからの最適利得の分布を図示する。
図６は、一つのコードブックからの量子化された利得と次のコードブックからの最適利得の間の分布を図示する。
図７は、一つのコードブックの最適利得のダイナミックレンジを示す。
図８は、この発明によるパラメータδのより小さなダイナミックレンジを示し、図７の利得に置き換わるものである。
図９は、この発明による方法を図示するフローチャートである。
図１０は、この発明による方法を使用する音声符号器の一実施例である。
図１１は、この発明による方法を使用する音声符号器のもう一つの実施例である。
図１２は、この発明による方法を使用する音声符号器のもう一つの実施例である。
好ましい実施例の詳細な説明
以下の説明における数値例は、ヨーロッパのＧＳＭシステムを参照する。しかしながら、この発明の諸原則は、他のセルラシステムにも同様に適用し得ることを、理解すべきである。
複数の図面を通じて、同一の参照指定は、対応または類似の要素のために使用される。
この発明による利得量子化方法を説明する前に、まずこの発明が使用され得る音声符号器の例を説明することが助けになるであろう。これは、図１および図２を参照して行われる。
図１は、典型的な分析合成線形予測音声符号器のブロック図を示す。この符号器は、垂直なダッシュ記号の中心線の左に合成部を、また前記線の右に分析部を含んでなる。合成部は本質的に二つの部分、すなわち、励起コード生成部１０とＬＰＣ合成フィルタ１２を含む。励起コード生成部１０は、適合型コードブック１４、固定コードブック１６、加算器１８を含んでなる。適応型コードブック１４から選ばれたベクトルａ_I（ｎ）が、利得要素ｇ_IQ（Ｑは、量子化される値を示す）により乗算されて、信号ｐ（ｎ）を形成する。同様に固定コードブック１６からの励起ベクトルが利得要素ｇ_JQで乗算されて、信号ｆ（ｎ）を形成する。信号ｐ（ｎ）と信号ｆ（ｎ）が加算器１８で加算されて、励起ベクトルｅｘ（ｎ）を形成し、これはＬＰＣ合成フィルタ１２を励起して、推定音声信号ベクトル

を形成する。
分析部において、推定されたベクトル

が、加算器２０内の実際の音声信号ベクトルｓ（ｎ）から差し引かれて、誤差信号ｅ（ｎ）を形成する。この誤差信号は、重みフィルタ２２へ提出されて、重み付き誤差ベクトルｅ_W（ｎ）を形成する。この重み付き誤差ベクトルの諸成分はユニット２４内で平方され合計されて、重み付き誤差ベクトルのエネルギーの測度を形成する。
最小化ユニット２６は、最小エネルギー値を与えるような利得ｇ_IQと適応型コードブック１２からのベクトルの組み合わせ、および利得ｇ_JQと固定コードブック１６からのベクトルの組み合わせを選択し、この値は、フィルタ１２でフィルタリングの後に音声信号ベクトルｓ（ｎ）に最も良く近似する。この最適化は二つのステップに分けられる。第１ステップで、ｆ（ｎ）＝０と仮定され、適応型コードブック１４からの最良のベクトルと対応するｇ_IQが決定される。これらのパラメータを決定するためのアルゴリズムは、同封した付録で与えられる。これらのパラメータが決定されると、同様にアルゴリズムにより、固定コードブック１６から選ばれたベクトルと対応する利得ｇ_JQが選ばれる。この場合は、適応型コードブックの決定されたパラメータは、それらの決定された値にロックされる。
フィルタ１２のフィルタパラメータは、ＬＰＣアナライザ２８内の音声信号フレームを分析することにより、各音声信号フレーム（１６０サンプル）について更新される。この更新は、アナライザ２８とフィルタ１２の間の破線の（ｄａｓｈｅｄ）接続で示されている。更に、加算器１８の出力と適応型コードブック１４の間に遅延素子３０がある。この方法で、適応型コードブック１４は、最終的に選択された励起ベクトルｅｘ（ｎ）により更新される。これはサブフレームに基づいて行われ、ここで各フレームは４個のサブフレームに分割される（４０サンプル）。
図２は、この発明の方法がその中で使用される音声符号器のもう一つの実施例を示す。図１の音声符号器と図２の音声符号器の本質的な相違は、図１の固定コードブック１６が、マルチパルス励起（ＭＰＥ）発生器３４と変換２進パルス励起（ＴＢＰＥ）発生器３６を含んでなる混合励起発生器３２に置き換えられていることである。これら二つの励起を以下に簡単に説明する。対応するブロックの利得は、それぞれ、ｇ_MGおよびｇ_TQとして、図２に示されている。発生器３４、３６からの励起は、加算器３８内で加算され、この混合された励起は、加算機１８内の適応型コードブック励起へ加算される。
マルチパルス励起は、図３に図示され、［７］に詳細に説明され、同封のＣ＋＋プログラムリストにも記述されている。図２は、４０サンプル（＝５ｍｓ）のサブフレーム上に分配された６個のパルスを図示している。励起ベクトルはこれらのパルスの位置（例では位置７、９、１４、２５、２９、３７）およびパルスの振幅（例ではＡＭＰ１からＡＭＰ６まで）により記述され得る。これらのパラメータを発見する方法は［７］に記述されている。通常振幅は励起ベクトルの形を表現するだけである。従ってブロックの利得ｇ_MQ（図２参照）がこれら基礎的なベクトルの形の増幅を表現するために使用される。
図４は、［８］および同封のプログラムリストに詳細に記述された変換２進パルス励起の背後にある原則を図示する。この２進パルスコードブックはたとえば１０個の成分を含むベクトルを含んでなりうる。各ベクトル成分は図４に示すようにポイントアップ（＋１）またはポイントダウン（−１）する。この２進パルスコードブックはこうしたベクトルの全ての可能な組み合わせを含む。このコードブックのベクトルは１０次元「立方体」の「隅々」を指している全てのベクトルのセットとして考え得る。こうして、ベクトルの先端は１０次元の球体の表面の上に一様に分布している。
その上ＴＢＰＥは一つまたはいくつかの変換マトリクス（図４のマトリクス１およびマトリクス２）を含む。これらはＲＯＭ内の事前に計算されたマトリクスである。これらのマトリクスは２進パルスコードブック内に記憶されたベクトル上で作動して、一組の変換ベクトルを生成する。最後に変換ベクトルは一組の励起パルスグリッド上に分配されている。この結果は各マトリックスについての規則的に間隔をあけた「確率的」コードブックの異なった４つのバージョンである。（グリット２に基づく）これらのコードブックの一つが、最終結果として図４に示される。この探索手順の目的は、共に最小重み付き誤差を与える２進コードブックの２進パルスコードブック索引、変換マトリックス、励起パルスグリッドを発見することである。これらのパラメータは利得ｇ_TQと結合される（図２を参照）。
図１と図２に図示した音声符号器において、利得ｇ_IQ、ｇ_JQ、ｇ_MQ、ｇ_TQは、互いに完全に独立して量子化された。しかしながら図５に見られるように、異なったコードブックの利得の間には強い相関がある。図５において、ＭＰＥコードブックに対応する利得ｇ₁の対数と、ＴＢＰＥコードブックに対応する利得ｇ₂の対数の間の分布が示される。図６は、類似の図表を示すが、しかしこの場合利得ｇ₁は、量子化されている。その上、図６には線Ｌが示されている。この線は回帰分析で発見されるものであり、ｇ_1Qからｇ₂を予測するために使用し得るものであるが、以下にさらに説明する。図５および６内のデータの点は、８０００フレームから得られた。
図５と６が示すように、異なったコードブックに属する利得の間には強い相関がある。第１のコードブックからの多数の量子化された利得ｇ_1Qと、対応するフレーム内の第２のコードブックのための対応する利得（量子化されてない）ｇ₂を計算して、直線Ｌを決定することにより、この直線は線形予測子として使用可能であり、これは下記の式によりｇ_1Qの対数からｇ₂の対数を予測するものである。

ここで

は、予測された利得ｇ₂を表す。この発明の一実施例によれば、ｇ₂を量子化する代わりに、実際の利得ｇ₂の対数と予測される利得ｇ₂の対数の間の差δが次の式によって計算される。

そしてその後は量子化される。
図７および８は、上記の方法によって得られる一つの利点を図示する。図７は、８０００フレームについて利得ｇ₂のダイナミックレンジを図示する。図８は、同じフレーム内のδについての対応するダイナミックレンジを図示する。図７および８からわかるようにδのダイナミックレンジはｇ₂のダイナミックレンジよりも遙かに小さい。これはｇ₂のために必要とされる量子化レベルの数に比較して、δのための量子化レベルの数を大きく減少させ得ることができることを意味する。量子化の効率をよくするために、利得の量子化にしばしば１６レベルが使用される。この発明によるδ量子化を使用すれば、６量子化レベルだけを使用して等価な効率を得ることができ、これは０．３ｋｂ／ｓのビット転送速度の節約に等しい。
ｂおよびｃの量は、符号器と復号器の内に記憶されたあらかじめ決められた固定の量であるので、利得ｇ₂は下の式により複合機内に再構成され得る。

ここでｇ_1Qおよびδ_Qは復号器において転送され受信されたものである。
コードブックの利得の間の相関は、コードブックのベクトル内のエネルギーレベルに高度に依存している。もしコードブック内のエネルギーが変化していれば、ベクトルのエネルギーが予測の中に含まれていて、効率を改良できる。［２］に標準化されたコードブックのベクトルが使用され、この問題を除去する。しかしながら、コードブックが標準化されず、多くのゼロでない成分を有する場合は、この方法は複雑になり得る。その代わりに、因数ｇ₁を修正して、予測に使用する前に、先行のコードブックの励起エネルギーをより良く表現するようにできる。こうして、δのための式は下記のように修正できる。

ここでＥは、コードブック１から選択されたベクトルのエネルギーを表す。励起エネルギーは、コードブックの探索の中で使用され計算されるので、特別な計算は一切行う必要がない。
もし最初のコードが適応型コードブックのものであると、エネルギーが大きく変動し、大部分の成分は通常ゼロでない。これらのベクトルを正常化することは、複雑な計算の作業になるであろう。しかしながら、もし正常化無しにコードブックが使用されれば、上に指摘したように、量子化された利得がベクトルエネルギーの平方根で乗算されて、次のコードブックの利得の予測のために、良い基礎を形成するであろう。
ＭＰＥコードブックは、変化する振幅と符号を有する少数のゼロでないパルスを有する。ベクトルエネルギーは、パルスの振幅の平方の和で与えられる。次のコードブックの利得、例えばＴＢＰＥコードブックの利得を予測するには、適応型コードブックの場合のように、ＭＰＥの利得はエネルギーの平方根により修正されるであろう。しかしながら、もし代わりに平均パルス振幅（振幅は常に正である）を使用すれば、この作動は複雑さが少なくなる。図６の量子化された利得ｇ_1Qは、この方法を使用して修正された。
上に議論したエネルギーの修正は、復号器におけるｇ₂のために次の式を与える。

励起ベクトルは復号器においても利用できるので、エネルギーＥは転送されなければならないわけではないが、復号器において再計算できる。
アルゴリズムの一例として、第１の利得はＭＰＥ利得であり、第２の利得はＴＢＰＥ利得であるものを、以下に要約する。

このアルゴリズムにおいて、ＬＰＣ分析はフレームに基づいて実行され、一方残りのステップのＬＴＰ分析、ＭＰＥ励起、ＴＢＰＥ励起、状態更新は、サブフレームに基づいてサブフレーム上で実行される。このアルゴリズムにおいて、ＭＰＥおよびＴＢＰＥの励起ステップは、この発明に関連するステップを例示するために拡張されている。
この発明を説明するためのフローチャートが、図９に与えられている。
図１０は、図１の音声符号器に対応するが、しかしこの発明を実行する手段を備えた音声符号器を図示する。固定コードブック１６からの最適ベクトルに対応する利得ｇ₂がブロック５０で決定される。利得ｇ₂、定量化利得ｇ_1Q、（ブロック５４で決定された）励起ベクトルエネルギーＥが、ブロック５２に提出され、ブロック５２はδ_Qを計算し、利得ｇ_2Qを量子化する。この計算は、好ましくは、マイクロプロセッサにより実行される。
図１１は、この発明のもう一つの実施例で、前記のアルゴリズムに対応するものを図示する。この例では、ｇ_1Qは、エネルギーＥを有するＭＰＥコードブック３４からの最適ベクトルに対応し、一方、利得ｇ₂は、ＴＢＰＥコードブック３６からの最適励起ベクトルに対応する。
図１２は、上記の方法の一般化をそこで使用した音声符号器のもう一つの実施例を図示する。二つの異なったコードブックに対応する複数の利得の間には、強い相関があることが示されてきたので、二つよりも多いコードブックがある場合に、このアルゴリズムを反復して一般化することは当然である。図１２において、第１パラメータδ₁は、上記の方法により、ブロック５２で計算される。この場合、第１コードブックは適応型コードブック１４であり、第２コードブックはＭＰＥコードブック３４である。しかしながら、ｇ_2Qが第２コードブックのために計算されるので、このプロセスは、ＭＰＥコードブックを”第１”コードブックとして考え、ＴＢＰＥコードブックを”第２”コードブックとして考えて、反復される。こうして、上記と同じ原則により、ブロック５２’がδ₂とｇ_3Qを計算し得る。相違は、今度は二つの線形予測が必要なことであり、一つはｇ₂のため、もう一つはｇ₃のためで、その相違は定数”ａ”および”ｂ”である。
上記の説明において、線形予測がカレントサブフレームにおいてのみ行われる、と仮定している。しかしながら、先行のサブフレームで決定された利得を記憶し、これら先行して決定された利得を線形予測中に含むこともあり得るのは、カレントサブフレーム中の利得と先行利得の間に相関があることは、ありそうなことだからである。線形予測の定数は、上に説明した実施例のように、経験的に得られて、符号器と復号器に記憶される。こうした方法は、予測の精度を更に増し、予測の精度は更にδのダイナミックレンジを減少させるであろう。これは改良された品質（δがより小さいダイナミックレンジをカバーするために利用できる量子化レベル）をも、また量子化レベルの数の更なる減少をも、導くものである。
こうして、利得間の相関を考慮に入れることにより、この発明による量子化方法は、独立利得量子化法に比較して、利得ビットレートを減少する。この発明による方法はまた、更に複雑さの少ない方法であり、それは、計算の複雑さの増加が少ないからである。
更に、ベクトル量子化法に比較して、ビット誤差に対する強さが改造される。独立量子化に比較して、第１コードブックの利得が増加するが、それは、それが第２コードブックの利得にも影響するからである。しかしながら、δのビット誤差感度は、独立量子化における第２利得ｇ₂のビット誤差感度よりも低い。チャネル符号化においてこれを考慮に入れるならば、独立量子化に比較して全体的な強さを実際に改良できるのは、δ量子化における誤差感度が一層不均等なためで、これは不均等な誤差感度を使用するときに好まれる。
利得のダイナミックレンジを減少させる一般的な方法は、量子化に先立って、フレームエネルギーパラメータの利得を正常化することである。フレームエネルギーパラメータは、それから各フレームに一度ずつ転送される。この方法は、この発明には必要でなく、他の理由のために、フレームエネルギーの正常化が使用され得る。フレームエネルギーの正常化は、付録のプログラムリストに使用されている。
この発明の精神と範囲は添付の請求の範囲に定義されるが、これから離れることなく、この発明のさまざまな修正と変更がなされ得ることは、当業者に容易に理解できよう。

Claims (5)

1. 励起ベクトルの探索を多段階に行うように構成された分析合成線形予測音声符号化における利得量子化方法であって、
   前記励起ベクトルの第１段階の探索において、最適第１ベクトルの最適第１利得を決定する第１決定ステップと、
   前記第１決定ステップで決定された最適第１利得を量子化する第１量子化ステップと、
   前記励起ベクトルの第２段階の探索において、最適第２ベクトルの最適第２利得を決定する第２決定ステップと、
   予め行われた最適第１利得の量子化値と最適第２利得との対応関係に対する回帰分析の結果に基づいて、前記第１量子化ステップで量子化された最適第１利得から最適第２利得の対数値を予測する第１予測ステップと、
   前記第２決定ステップで決定された最適第２利得の対数値と前記第１予測ステップで予測された最適第２利得の対数値との第１の差を量子化する第２量子化ステップと、
   を有することを特徴とする利得量子化方法。
2. 前記第１段階の探索は適応型コードブックからの最適第１ベクトルの探索であり、前記第２段階の探索は固定コードブックからの最適第２ベクトルの探索であることを特徴とする請求項１に記載の利得量子化方法。
3. 前記第１段階の探索はマルチパルス励起探索であり、前記第２段階の探索は変換２進パルス励起探索であることを特徴とする請求項１に記載の利得量子化方法。
4. 前記第２量子化ステップで量子化された第１の差から最適第２利得を求めこれを量子化する第３量子化ステップと、
   前記励起ベクトルの第３段階の探索において、最適第３ベクトルの最適第３利得を決定する第３決定ステップと、
   予め行われた最適第２利得の量子化値と最適第３利得との対応関係に対する回帰分析の結果に基づいて、前記第３量子化ステップで量子化された最適第２利得から最適第３利得の対数値を予測する第２予測ステップと、
   前記第３決定ステップで決定された最適第３利得の対数値と前記第２予測ステップで予測された最適第３利得の対数値との第２の差を量子化する第４量子化ステップと、
   をさらに有することを特徴とする請求項１に記載の利得量子化方法。
5. 前記第１段階の探索は適応型コードブックからの最適第１ベクトルの探索であり、前記第２段階の探索はマルチパルス励起探索であり、前記第３段階の探索は変換２進パルス励起探索であることを特徴とする請求項４に記載の利得量子化方法。

Images