JP4179232B2 - 音声符号化装置及び音声復号装置 - Google Patents

Description

本発明は、音声信号を指定したパラメータで高品質に符号化する音声符号化装置及び音声復号装置（以下音声符号化復号装置と呼ぶ）に関する。

一般に、ビットレートの制御可能な音声符号化復号装置として、例えば、ＣＤＭＡ（Ｃｏｄｅ Ｄｉｖｉｓｉｏｎ Ｍｕｌｔｉｐｌｅ Ａｃｃｅｓｓ）システムに用いられている“Ｅｎｈａｎｃｅｄ Ｖａｒｉａｂｌｅ Ｒａｔｅ Ｃｏｄｅｃ，Ｓｐｅｅｃｈ Ｓｅｒｖｉｃｅ Ｏｐｔｉｏｎ ３ ｆｏｒ Ｗｉｄｅｂａｎｄ Ｓｐｒｅａｄ Ｓｐｅｃｔｒｕｍ Ｄｉｇｉｔａｌ Ｓｙｓｔｅｍｓ”（ＩＳ−１２７，ＴＩＡ．ＴＲ４５）と題した標準化勧告仕様書（文献１）に記載された装置（方式）が知られている。

この方式では、入力信号の特徴に応じてビットレートを決定して、この決定結果に応じて予め定められたテーブルからＣＥＬＰ（Ｃｏｄｅ ＥｘｃｉｔｅｄＬｉｎｅａｒ Ｐｒｅｄｉｃｔｉｏｎ）符号化方式の制御パラメータを設定する。そして、設定制御パラメータに応じて入力信号を符号化している。さらに、この方式では、ビットレートを外部信号により強制的に設定する機能も備えられている。

ここで、図１１を参照して、この種の音声符号化復号装置について概説する。図１１に示す音声符号化復号装置では、外部信号に応じてビットレートを制御している。

図示の音声符号化復号装置は音声符号化装置及び音声復号装置を備えており、音声符号化装置及び音声復号装置にはそれぞれ符号化パラメータ制御回路５１及び５５が備えられている。音声符号化装置では、符号化パラメータ制御回路５１にビットレートが与えられ、符号化パラメータ制御回路５１は、ＣＥＬＰ符号化回路５２の動作を制御する制御パラメータが複数記載されたテーブル（図示せず：例えば、ビットレートをアドレスとするＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ））を参照してビットレートに対応する制御パラメータを選択して、この制御パラメータをＣＥＬＰ符号化回路５２に出力する。制御パラメータは、ＣＥＬＰ符号化における励振信号符号化の処理単位であるサブフレーム長及びビット配分である。

ＣＥＬＰ符号化回路５２には入力信号（入力音声信号）が与えられており、ＣＥＬＰ符号化回路５２では入力信号を予め定められたフレーム毎に線形予測分析して、音声信号のスペクトル包絡特性を表す線形予測係数を算出する。そして、そのスペクトル包絡特性に対応する線形予測合成フィルタを駆動して励振信号を算出し、励振信号をそれぞれビット配分に従って符号化する。そして、励振信号の符号化はフレームをさらにサブフレームに分割してサブフレーム毎に行なわれる。このサブフレーム長は前述のようにして符号化パラメータ制御回路５１により設定される。

上述の励振信号は、入力信号のピッチ周期を表す周期成分と残りの残差成分とそれらのゲインとによって構成される。入力信号のピッチ周期を表す周期成分は、適応コードブックと呼ばれる過去の励振信号を保持するコードブックに格納された適応コードベクトルとして表され、残差成分は、例えば、Ｊ−Ｐ．Ａｄｏｕｌ氏らによる“Ｆａｓｔ ＣＥＬＰ ｃｏｄｉｎｇ ｂａｓｅｄ ｏｎ ａｌｇｅｂｒａｉｃ ｃｏｄｅｓ”（Ｐｒｏｃ．ＩＣＡＳＳＰ，ｐｐ．１９５７−１９６０，１９８７年）と題した論文（文献２）に記載されたマルチパルス信号として表される。そして、適応コードベクトルとマルチパルス信号をゲインコードブックに保持されたゲインによって重み付け加算して励振信号を生成する。なお、再生信号は励振信号で線形予測合成フィルタを駆動することによって合成することができる。

ここで、適応コードベクトル、マルチパルス信号、及びゲインを選択する際には、再生信号と入力信号との間の誤差信号を聴感重み付けした上での誤差電力が最小となるように選択制御が行われる。そして、ＣＥＬＰ符号化回路５２では適応コードベクトル、マルチパルス信号、及びゲインに対応するインデックスと線形予測係数に対応するインデックスとをマルチプレクサ５３に出力する。

マルチプレクサ５３は、適応コードベクトル、マルチパルス信号、及びゲインに対応するインデックスと線形予測係数に対応するインデックスとをフレーム毎にビットストリームに変換して出力する。なお、ビットレートを表す情報はビットストリームのヘッダ部分に格納される。

音声復号装置ではデマルチプレクサ５４でビットストリームを受けると、ビットストリームのヘッダ部分に存在するビットレートを表す情報を抽出して、符号化パラメータ制御回路５５に出力した後、フレーム毎にビットストリームから適応コードベクトル、マルチパルス信号、及びゲインに対応するインデックスと線形予測係数に対応するインデックスとを抽出し、ＣＥＬＰ復号回路５６に出力する。

符号化パラメータ制御回路５５では、符号化パラメータ制御回路５１と同様の処理を行い、入力されたビットレート情報に応じて制御パラメータを選択して、ＣＥＬＰ復号回路５６に出力する。

ＣＥＬＰ復号回路５６では、適応コードベクトル、マルチパルス信号、及びゲインに対応するインデックスと線形予測係数に対応するインデックスを用いるとともにサブフレーム長及びビットレートとを用いて、復号処理を行なう。励振信号は、適応コードベクトル及びマルチパルス信号をゲインコードブックに保持されたゲインで重み付け加算して得られる。そして、ＣＥＬＰ復号回路５６では励振信号で線形予測合成フィルタを駆動して再生信号をとして再生する。

このように、ＣＥＬＰ符号化方式において、ビットレートを制御する際には、励振信号符号化の処理単位であるサブフレーム長及びビット配分を制御してビットレートを制御する。

"Ｅｎｈａｎｃｅｄ Ｖａｒｉａｂｌｅ Ｒａｔｅ Ｃｏｄｅｃ，Ｓｐｅｅｃｈ Ｓｅｒｖｉｃｅ Ｏｐｔｉｏｎ ３ ｆｏｒ Ｗｉｄｅｂａｎｄ Ｓｐｒｅａｄ Ｓｐｅｃｔｒｕｍ Ｄｉｇｉｔａｌ Ｓｙｓｔｅｍｓ"（ＩＳ−１２７，ＴＩＡ．ＴＲ４５） "Ｆａｓｔ ＣＥＬＰ ｃｏｄｉｎｇ ｂａｓｅｄ ｏｎ ａｌｇｅｂｒａｉｃ ｃｏｄｅｓ"（Ｐｒｏｃ．ＩＣＡＳＳＰ，ｐｐ．１９５７−１９６０，１９８７年）

ところで、従来の音声符号化復号装置では、符号化処理単位であるフレーム長が固定値であるため、入力信号サンプルが最初に入力されてから符号化処理が始まるまでの時間として定義される符号化遅延を制御することができないという問題点がある。

さらに、従来の音声符号化復号装置では、マルチパルス信号を生成するために必要なパラメータを予め備えておく必要があり、このため、予め設定されたビットレートにしか対応できないという問題点がある。

本発明によれば、入力音声信号の励振信号を複数のパルスで表して前記励振信号によって前記入力音声信号の線形予測係数で規定された線形予測合成フィルタを励振して得られる再生音声信号と前記入力音声信号との間の歪みを最小化するように前記励振信号を決定する音声符号化手段を有する音声符号化装置であって、少なくとも演算量を制御情報として受け該制御情報に応じて制御パラメータを生成する制御回路を備えており、前記音声符号化手段は前記制御パラメータに応じて前記入力音声信号を符号化するようにしたことを特徴とする音声符号化装置が得られる。

さらに、本発明によれば、入力音声信号の励振信号を複数のパルスで表して前記励振信号によって前記入力音声信号の線形予測係数で規定された線形予測合成フィルタを励振して得られる再生音声信号と前記入力音声信号との間の歪みを最小化するように前記励振信号を決定する音声符号化手段を有する音声符号化装置であって、少なくとも符号化遅延を制御情報として受け該制御情報に応じて制御パラメータを生成する制御回路を備えており、前記音声符号化手段は前記制御パラメータに応じて前記入力音声信号を符号化するようにしたことを特徴とする音声符号化装置が得られる。

つまり、本発明による音声符号化装置では、指定されたビットレートと符号化遅延で符号化するために必要なフレーム長とサブフレーム長とビット配分とを制御パラメータとして生成する符号化パラメータ制御回路を備えており、設定されたフレーム長で入力音声信号をフレームに分割する。そして、マルチパルス生成パラメータ設定回路では指定されたビットレートと符号化遅延からマルチパルス信号を生成するために必要なパラメータを設定する。

符号化パラメータ制御回路でフレーム長とサブフレーム長とビット配分とを生成し、このフレーム長に応じて入力音声信号をフレームに分割しているから、符号化処理単位であるフレーム長を可変にできる。このため、ビットレートに加えて符号化遅延も制御できることになる。

さらに、マルチパルス生成パラメータ設定回路において、マルチパルス信号を生成するためのパラメータを設定することにより、指定できるビットレートの自由度が増加する。このため、対応できるビットレートを予め設定する必要がない。

以上説明したように、本発明では、符号化処理単位であるフレーム長を可変にしてマルチパルス信号の符号化に必要なパラメータを指定されたビットレート及び符号化遅延に基づいて生成するようにしたから、ビットレートだけでなく符号化遅延や演算量も制御できるという効果がある。従って、本発明によれば、テレビ会議システムなどで符号化遅延をできる限り短くしたい場合又は音声メールなどの符号化遅延よりもビットレートをできる限り少なくしたい場合にも、同一の符号化復号装置で対応できるため、符号化復号装置の規模を小さくできる。

以下本発明について図面を参照して説明する。

図１を参照して、図示の音声符号化復号装置は音声符号化装置及び音声復号装置を有しており、音声符号化装置は符号化パラメータ制御回路１１、ＣＥＬＰ符号化回路１２、及びマルチプレクサ１３を備えている。一方、音声復号装置はデマルチプレクサ１４、符号化パラメータ制御回路１５、及びＣＥＬＰ復号回路１６を備えている。

音声符号化装置において、符号化パラメータ制御回路１１にはビットレート及び符号化遅延が制御情報として与えられ、これらビットレートと符号化遅延とからＣＥＬＰ符号化における分析処理に必要な先読み長を引いてフレーム長を算出する。例えば、符号化遅延が２５ｍｓで、線形予測分析の先読み長が５ｍｓの場合、フレーム長は２０ｍｓとなる。
さらに、符号化パラメータ制御回路１１では、算出したフレーム長に基づいてＣＥＬＰ符号化回路１２の動作を制御する制御パラメータが複数記載されたテーブルの中から入力ビットレートに応じて制御パラメータを選択し、ＣＥＬＰ符号化回路１２に出力する。制御パラメータは、フレーム長とサブフレーム長（例えば、５ｍｓ）とビット配分である。ＣＥＬＰ符号化回路１２には入力信号（入力音声信号）が与えられ、設定されたフレーム長、サブフレーム長、及びビット配分に従って入力信号を符号化する。

ここで、図２も参照して、ＣＥＬＰ符号化回路１２の動作を説明する。

符号化パラメータ制御回路１１によって設定されたフレーム長（Ｆ）は、入力端子２１３を介してフレーム分割回路２０１及び線形予測係数量子化回路２０４に入力される。

一方、符号化パラメータ制御回路１１によって設定されサブフレーム長（Ｓ）は、入力端子２１４を介してサブフレーム分割回路２０２、線形予測分析回路２０３、線形予測係数量子化回路２０４、聴感重み付け信号作成回路２０５、聴感重み付け再生信号作成回路２０６、ターゲット信号作成回路２０８、適応コードブック探索回路２０９、マルチパルス探索回路２１０、及びゲイン探索回路２１１に入力される。

さらに、符号化パラメータ制御回路１１によって設定された各パラメータへのビット配分は、入力端子２１５を介して線形予測係数量子化回路２０４、適応コードブック探索回路２０９、マルチパルス探索回路２１０、及びゲイン探索回路２１１に入力される。

フレーム分割回路２０１は、設定フレーム長（Ｆ）に応じて入力信号をフレーム毎に分割して、つまり、フレーム毎にサブフレーム分割回路２０２に出力する。

サブフレーム分割回路２０２は、設定サブフレーム長（Ｓ）に応じてフレームをさらに分割してサブフレームとし、このサブフレームを線形予測分析回路２０３及び聴感重み付け信号作成回路２０５に出力する。

線形予測分析回路２０３は、サブフレーム分割回路２０２から与えられた信号（サブフレーム信号）を設定サブフレーム長（Ｓ）に基づいてサブフレーム毎に線形予測分析して、線形予測係数ａ（ｉ），ｉ＝１，…，Ｎｐを線形予測係数量子化回路２０４、聴感重み付け信号作成回路２０５、聴感重み付け再生信号作成回路２０６、適応コードブック探索回路２０９、及びマルチパルス探索回路２１０に出力する。ここで、Ｎｐは線形予測分析の次数であり、例えば、１０である。線形予測分析法には、自己相関法、共分散法があり、例えば、古井による“ディジタル音声処理”と題された文献（東海大学出版会）（文献３）に詳説されている。

線形予測係数量子化回路２０４では、サブフレーム毎に得られた線形予測係数を設定フレーム長（Ｆ）及び設定サブフレーム長（Ｓ）に応じてフレームで一括して量子化する。この際、ビットレートを低減するために、例えば、フレーム内の最後のサブフレームで量子化を行ない、他のサブフレームの量子化値は、当該フレーム及び直前のフレームの量子化値の補間値を用いる手法が利用される。そして、この量子化及び補間は、線形予測係数を線スペクトル対（以後、ＬＳＰとする）に変換した後行なわれる。なお、線形予測係数からＬＳＰへの変換は、例えば、菅村他による“線スペクトル対（ＬＳＰ）音声分析合成方式による音声情報圧縮”と題された論文（電子通信学会論文誌、Ｊ６４−Ａ、ｐｐ．５９９−６０６、１９８１年）（文献４）に記載されている。また、ＬＳＰの量子化法は、周知の手法を用いることができる。例えば、ＬＳＰの量子化法については、特開平４−１７１５００号公報（文献５）に記載されているので、ここでは説明を省略する。線形予測係数量子化回路２０４では、量子化ＬＳＰを線形予測係数に変換し、量子化線形予測係数ａ′（ｉ），ｉ＝１，…，Ｎｐとして聴感重み付け信号作成回路２０５、聴感重み付け再生信号作成回路２０６、適応コードブック探索回路２０９、及びマルチパルス探索回路２１０とに出力する。

そして、量子化ＬＳＰを表すインデックスは出力端子２１６を介してマルチプレクサ１３に出力される。なお、線形予測合成フィルタＨｓ（ｚ）は、数１で表される。

聴感重み付け信号作成回路２０５では、線形予測係数を用いて、数２で表される聴感重み付けフィルタＨｗ（ｚ）を構成し、サブフレーム内の入力信号で聴感重み付けフィルタを駆動して、聴感重み付け信号を作成する。そして、この聴感重み付け信号をターゲット信号作成回路２０８に出力する。

ここで、Ｒ１、Ｒ２は、聴感重み付け量を制御する重み係数である。例えば、Ｒ１＝０．６、Ｒ２＝０．９である。

聴感重み付け再生信号作成回路２０６では、サブフレームバッファ２０７を介して得られる一つ前のサブフレームの励振信号を用いて同回路内で保持した一つ前のサブフレームの線形予測合成フィルタと聴感重み付け合成フィルタとを駆動して、駆動後の両フィルタの状態をターゲット信号作成回路２０８に出力する。

ターゲット信号作成回路２０８では、聴感重み付け再生信号作成回路２０６から得られた線形予測合成フィルタ及び聴感重み付けフィルタの状態を入力し、両フィルタを継続接続したフィルタの零入力応答を作成して、聴感重み付け信号から減算した後、ターゲット信号として適応コードブック探索回路２０９、マルチパルス探索回路２１０、及びゲイン探索回路２１１に出力する。

適応コードブック探索回路２０９では、サブフレームバッファ２０７を介して得られる一つ前のサブフレームの励振信号によって適応コードブックと呼ばれる過去の励振信号を保持するコードブックを更新した後、適応コードブックからピッチｄに対応する適応コードベクトルを選択する。ここで、ピッチｄがサブフレーム長よりも短い場合には、適応コードブックに格納された過去の励振信号から遅れｄのセグメントを切り出し、サブフレーム長になるまで繰り返し接続して適応コードベクトルを作成する。そして、作成した適応コードベクトル信号Ａｄ（ｎ）を用いて、線形予測合成フィルタと聴感重み付けフィルタを零状態で駆動して、再生信号ＳＡｄ（ｎ）を作成し、数３で表されるターゲット信号Ｘ（ｎ）と再生信号ＳＡｄ（ｎ）との誤差Ｅｄを最小とするピッチｄを選択する。

ここで、Ｌは符号化パラメータ制御回路１１によって設定されたサブフレーム長である。さらに、適応コードブック探索回路２０９は、選択されたピッチｄを出力端子２１６を介してマルチプレクサ１３に出力するとともに選択された適応コードベクトル信号Ａｄ（ｎ）及びその再生信号ＳＡｄ（ｎ）をゲイン探索回路２１１に出力する。また、適応コードブック探索回路２０９は、再生信号ＳＡｄ（ｎ）をゲイン探索回路２１１に出力するとともに再生信号ＳＡｄ（ｎ）をマルチパルス探索回路２１０に出力する。

マルチパルス探索回路２１０では、マルチパルス信号を複数個の非零のパルスから構成する。ここで、各パルスは、パルス毎に予め定められたパルス位置候補から選択される。各パルスの振幅は、極性のみである。例えば、８ｋＨｚサンプリングでサブフレーム長が５ｍｓの場合（Ｎ＝４０サンプル）、マルチパルス励振信号をＰ（例えば、５）個のパルスから構成する。Ｐ個のパルスは、それぞれ予め定められたＭ（ｐ），ｐ＝０，…，Ｐ−１（例えば、各８）個のパルス候補位置から選択される。マルチパルス探索回路２１０は、パルス数Ｐと各パルスのＭ（ｐ）個のパルス候補位置とを組合せたものを復数個保持しており、符号化パラメータ制御回路１１によって指定されたビット配分に応じてパルス数Ｐと各パルスのＭ（ｐ）個のパルス候補位置との組合せを選択する。選択したパルス数Ｐ（チャンネル数に等しい）と各チャンネルのＭ個のパルス候補位置を用いて、マルチパルス信号Ｃｊ（ｎ）を作成し、数４を最小化するマルチパルス信号Ｃｊ（ｎ）を選択する。

ここで、Ｘ′（ｎ）はターゲット信号Ｘ（ｎ）から適応コードベクトルの再生信号ＳＡｄ（ｎ）を減算した信号であり、数５で与えられる。

なお、数４を最小化する際には、例えば、特願平７−３１８０７１号明細書（文献６）に記載された手法を用い演算量を低減する。さらに、マルチパルス探索回路２１０は、選択されたマルチパルス信号Ｃｊ（ｎ）及びその再生信号ＳＣｊ（ｎ）をゲイン探索回路２１１に出力するとともに対応するインデックスｊを出力端子２１６を介してマルチプレクサ１３に出力する。

さらに、ゲイン探索回路２１１では、適応コードベクトルの再生信号ＳＡｄ（ｎ）、マルチパルスの再生信号ＳＣｊ（ｎ）、及びターゲット信号Ｘ（ｎ）を用いて、数６を最小化するようにゲインＧＡ、ＧＣを量子化する。

また、ゲイン探索回路２１１では、量子化されたゲイン、適応コードベクトル、及びマルチパルス信号を用いて励振信号を作成して、励振信号をサブフレームバッファ２０７を介して聴感重み付け再生信号作成回路２０６及び適応コードブック探索回路２０９に出力し、ゲインに対応するインデックスｋを出力端子２１６を介してマルチプレクサ１３に出力する。

再び、図１を参照して、マルチプレクサ１３では、量子化ＬＳＰを表すインデックス、ピッチとマルチパルス信号のインデックス、及び量子化ゲインを表すインデックスをフレーム毎にビットストリームに変換して出力する。なお、ビットレートと符号化遅延を表す情報は、ビットストリームのヘッダ部分に格納される。

音声復号装置において、デマルチプレクサ１４には、ビットストリームが与えられ、デマルチプレクサ１４では、ビットストリームのヘッダ部分に存在するビットレートと符号化遅延とを表す情報を符号化パラメータ制御回路１５に出力した後、フレーム毎にビットストリームから量子化ＬＳＰを表すインデックス、ピッチとマルチパルス信号のインデックス、及び量子化ゲインを表すインデックスを抽出して、ＣＥＬＰ復号回路１６に出力する。

符号化パラメータ制御回路１５は、符号化側の符号化パラメータ制御回路１１と同様の動作を行い、入力されたビットレートと符号化遅延に応じて制御パラメータを選択して、ＣＥＬＰ復号回路１６に出力する。

図３も参照して、ＣＥＬＰ復号回路１６の動作について説明する。

量子化ＬＳＰを表すインデックス、ピッチとマルチパルス信号のインデックス、及び量子化ゲインを表すインデックスは、入力端子２２７を介して線形予測係数復号回路２２１、適応コードブック復号回路２２２、マルチパルス復号回路２２３、及びゲイン復号回路２２４に入力される。

符号化パラメータ制御回路１５によって設定されたフレーム長は、入力端子２２８を介して線形予測係数復号回路２２１及びフレーム統合回路２２６に入力される。

符号化パラメータ制御回路１５によって設定されたサブフレーム長は、入力端子２２９を介して線形予測係数復号回路２２１、適応コードブック復号回路２２２、マルチパルス復号回路２２３、ゲイン復号回路２２４、再生信号作成回路２２５、及びフレーム統合回路２２６に入力される。

符号化パラメータ制御回路１５によって設定されたビット配分は、入力端子２３０を介して線形予測係数復号回路２２１、適応コードブック復号回路２２２、マルチパルス復号回路２２３、及びゲイン復号回路２２４に入力される。

線形予測係数復号回路２２１では、量子化ＬＳＰを表すインデックスをフレーム毎に入力して、サブフレーム毎に量子化線形予測係数ａ′（ｉ），ｉ＝１，…，Ｎｐを復号し、再生信号合成回路２２５に出力する。

適応コードブック復号回路２２２では、サブフレーム毎に入力したピッチから適応コードベクトルを復号して、ゲイン復号回路２２４に出力する。マルチパルス復号回路２２３では、サブフレーム毎に入力したインデックスからマルチパルス信号を復号して、ゲイン復号回路２２４に出力する。

ゲイン復号回路２２４では、サブフレーム毎に入力したインデックスからゲインを復号して、適応コードベクトル、マルチパルス信号、及びゲインを用いて励振信号を作成して、再生信号合成回路２２５に出力する。

再生信号合成回路２２５では、サブフレーム毎に励振信号で線形予測合成フィルタＨｓ（ｚ）を駆動して再生信号を作成し、フレーム統合回路２２６に出力する。なお、線形予測合成フィルタＨｓ（ｚ）は、前述の数１で表される。フレーム統合回路２２６は、サブフレーム毎に入力される再生信号をフレーム長分繋げてフレーム毎に出力する。

図４を参照して、本発明による音声符号化復号装置の他の例について説明する。

図示の音声符号化復号装置は音声符号化装置及び音声復号装置を有しており、音声符号化装置は符号化パラメータ制御回路３１、ＣＥＬＰ符号化回路３２、マルチパルス符号化パラメータ設定回路３３、及びマルチプレクサ１３を備えている。一方、音声復号装置はデマルチプレクサ１４、符号化パラメータ制御回路３４、ＣＥＬＰ復号回路３５、及びマルチパルス符号化パラメータ設定回路１６を備えている。

音声符号化装置において、符号化パラメータ制御回路３１は、ビットレートと符号化遅延とを制御情報として受け、入力されたビットレートと符号化遅延とからＣＥＬＰ符号化における分析処理に必要な先読み長を引いてフレーム長を算出する。また、算出したフレーム長に基づいてＣＥＬＰ符号化回路３２の動作を制御する制御パラメータが複数記載されたテーブルの中から入力されたビットレートに応じて制御パラメータを選択して、ＣＥＬＰ符号化回路３２に出力する。制御パラメータは、フレーム長、サブフレーム長、及びビット配分である。さらに、符号化パラメータ制御回路３１は、サブフレーム長及びマルチパルス信号に配分されたビット数をマルチパルス生成パラメータ設定回路３３に出力する。

マルチパルス生成パラメータ設定回路３３では、入力したサブフレーム長Ｎとマルチパルス信号のビット数Ｙとからマルチパルス励振信号の符号化に必要なパルス数Ｐ、各パルスのパルス候補位置数Ｍ（ｐ）、及びその候補位置を数７及び数８を満たすように算出する。ここで、各パルスのパルス候補位置は、前述の文献２に記載されているように、数列０，２，３，…，Ｎ−１をパルス数Ｐでインターリブした形で設定する。例えば、サブフレーム長が４０サンプル（Ｎ＝４０）、マルチパルス信号のビット数が２０ビット（Ｙ＝２０）の場合、パルス数Ｐは５、パルス候補位置数Ｍ（ｐ）は８となる。この際のパルス候補位置の例を表１に示す。

ＣＥＬＰ符号化回路３２は、符号化パラメータ制御回路３１によって設定されたフレーム長、サブフレーム長、及びビット配分と、マルチパルス生成パラメータ設定回路３３で設定されたパルス数Ｐ、各パルスのパルス候補位置数Ｍ（ｐ）、及びその候補位置とに基づいて入力信号を符号化する。

図５も参照して、ＣＥＬＰ符号化回路３２の動作について説明する。

このＣＥＬＰ符号化回路３２は、図２で説明したＣＥＬＰ符号化回路と比べてマルチパルス探索回路の動作のみが異なっている。従って、ここでは、マルチパルス探索回路４０１の動作についてのみ説明する。

マルチパルス探索回路４０１は、入力端子２１７を介してマルチパルス生成パラメータ設定回路３３で設定されたパルス数Ｐと各パルスのＭ（ｐ）個のパルス候補位置とを入力し、マルチパルス信号Ｃｊ（ｎ）を作成して、前述の数４を最小化するマルチパルス信号Ｃｊ（ｎ）を選択する。なお、前述のように、数４の最小化の際には、文献６に記載の手法を用いることによってその演算量を低減できる。

また、マルチパルス探索回路４０１は、選択されたマルチパルス信号Ｃｊ（ｎ）及びその再生信号ＳＣｊ（ｎ）をゲイン探索回路２１１に出力するとともに対応するインデックスｊを出力端子２１６を介してマルチプレクサ１３に出力する。そして、図１に関連して説明したようにして、マルチプレクサ１３はビットストリームを出力する。

図４を参照して、音声復号装置において、ビットストリームはデマルチプレクサ１４で受信される。そして、図１に関連して説明したように、デマルチプレクサ１４は、ビットストリームのヘッダ部分に存在するビットレートと符号化遅延とを表す情報を符号化パラメータ制御回路３４に出力した後、フレーム毎にビットストリームから量子化ＬＳＰを表すインデックス、ピッチとマルチパルス信号のインデックス、及び量子化ゲインを表すインデックスを抽出して、ＣＥＬＰ復号回路３５に出力する。

符号化パラメータ設定回路３４は、符号化パラメータ制御回路３１と同様の動作を行って、制御パラメータを選択して、ＣＥＬＰ復号回路３５に出力する。

マルチパルス生成パラメータ設定回路３６は、符号化側のマルチパルス生成パラメータ設定回路３３と同様の動作を行って、マルチパルス励振信号を表すパルス数、各パルスのパルス候補位置数、及びその候補位置とを算出して、ＣＥＬＰ復号回路３５に出力する。図６も参照して、ＣＥＬＰ復号回路３５の動作について説明する。

このＣＥＬＰ復号回路３５は、図３で説明したＣＥＬＰ復号回路と比べて、マルチパルス復号回路の動作のみが異なっている。従って、ここでは、マルチパルス復号回路４０２の動作についてのみ説明する。

マルチパルス復号回路４０２では符号化パラメータ制御回路３４によって設定されたサブフレーム長を入力端子２２９を介して入力し、マルチパルス生成パラメータ設定回路３６で設定されたパルス数、各パルスのパルス候補位置数、及びその候補位置を入力端子２３２を介して入力して、サブフレーム毎に入力したインデックスからマルチパルス信号を復号する。

図７を参照して、本発明による音声符号化装置のさらに他の例について説明する。

図示の音声符号化装置は、符号化パラメータ制御回路６１、ＣＥＬＰ符号化回路６２、及びマルチプレクサ１３を備えている。符号化パラメータ制御回路６１は、図１で説明した符号化パラメータ制御回路１１と同様な動作を行い、入力されたビットレート及び符号化遅延からフレーム長、サブフレーム長、及びビット配分を設定する。さらに、符号化パラメータ制御回路６１では入力された演算量からマルチパルス信号の符号化に費やせる演算量であるマルチパルス符号化許容演算量を算出する。これは、予め他のパラメータの符号化に必要な演算量を記憶しておき、入力された演算量からこれらの値を差し引くことにより算出できる。符号化パラメータ制御回路６１は、フレーム長、サブフレーム長、及びビット配分とマルチパルス符号化許容演算量とを制御パラメータとしてＣＥＬＰ符号化回路６２に出力する。

ＣＥＬＰ符号化回路６２は、上記のフレーム長、サブフレーム長、及びビット配分とマルチパルス符号化許容演算量とに従って入力信号を符号化する。

図８も参照して、ＣＥＬＰ符号化回路６２の動作について説明する。

このＣＥＬＰ符号化回路６２は、図２で説明したＣＥＬＰ符号化装置と比べて、マルチパルス探索回路の動作のみが異なっている。従って、ここでは、マルチパルス探索回路３０１についてのみ説明する。

マルチパルス探索回路３０１は、図２で説明したマルチパルス探索回路２１０と同様な動作を行って、前述の数４を最小化するマルチパルス信号Ｃｊ（ｎ）を選択する。この際に、マルチパルス信号の符号化に費やす演算量が入力端子２１８を介して入力されたマルチパルス符号化許容演算量を越えないように予備選択を行なう。この予備選択は、数９で表されるＥｌの値が大きいものを選択することにより実現できる。

また、マルチパルス探索回路３０１は、選択されたマルチパルス信号Ｃｊ（ｎ）及びその再生信号ＳＣｊ（ｎ）をゲイン探索回路２１１に出力するとともに対応するインデックスｊを出力端子２１６を介してマルチプレクサ１３に出力する。

図９を参照して、本発明による音声符号化装置のさらに他の例について説明する。

図示の音声符号化装置は、符号化パラメータ制御回路７１、マルチパルス生成パラメータ設定回路３３、及びＣＥＬＰ符号化回路７２、及びマルチプレクサ１３を備えている。

符号化パラメータ制御回路７１は、図４で説明した符号化パラメータ制御回路３１と同様な動作を行い、入力されたビットレートと符号化遅延とからフレーム長、サブフレーム長、及びビット配分を設定する。さらに、符号化パラメータ制御回路７１は、入力された演算量からマルチパルス信号の符号化に費やせる演算量であるマルチパルス符号化許容演算量を算出する。そして、符号化パラメータ制御回路７１は、フレーム長、サブフレーム長、及びビット配分とマルチパルス符号化許容演算量とをＣＥＬＰ符号化回路７２に出力する。さらに、符号化パラメータ制御回路７１は、サブフレーム長とマルチパルス信号に配分されたビット数とをマルチパルス生成パラメータ設定回路３３に出力する。

ＣＥＬＰ符号化回路７２は、符号化パラメータ制御回路７１によって設定されたフレーム長、サブフレーム長、及びビット配分とマルチパルス符号化許容演算量と、マルチパルス生成パラメータ設定回路３３で設定されたパルス数Ｐ、各パルス候補位置数Ｍ（ｐ）、及びその候補位置とに応じて入力信号を符号化する。

図１０も参照して、ＣＥＬＰ符号化回路７２の動作について説明する。

このＣＥＬＰ符号化回路７２は、図５で説明したＣＥＬＰ符号化装置と比べてマルチパルス探索回路の動作のみが異なっている。従って、ここでは、マルチパルス探索回路５０１の動作についてのみ説明する。

マルチパルス探索回路５０１は、図５で説明したマルチパルス探索回路４０１と同様な動作を行い、数４を最小化するマルチパルス信号Ｃｊ（ｎ）を選択する。この際に、マルチパルス信号の符号化に費やす演算量が入力端子２１８を介して入力されたマルチパルス符号化許容演算量を越えないように予備選択を行なう。また、マルチパルス探索回路５０１は、選択されたマルチパルス信号Ｃｊ（ｎ）及びその再生信号ＳＣｊ（ｎ）をゲイン探索回路２１１に出力するとともに対応するインデックスｊを出力端子２１６を介してマルチプレクサ１３に出力する。

本発明による音声符号化復号装置の第１の例を示すブロック図である。 図１に示すＣＥＬＰ符号化回路を説明するためのブロック図である。 図１に示すＣＥＬＰ復号回路を説明するためのブロック図である。 本発明による音声符号化復号装置の第２の例を示すブロック図である。 図４に示すＣＥＬＰ符号化回路を説明するためのブロック図である。 図４に示すＣＥＬＰ復号回路を説明するためのブロック図である。 本発明による音声符号化装置の第３の例を示すブロック図である。 図７に示すＣＥＬＰ符号化回路を説明するためのブロック図である。 本発明による音声符号化装置の第４の例を示すブロック図である。 図９に示すＣＥＬＰ符号化回路を説明するためのブロック図である。 従来の音声符号化復号装置の一例を示すブロック図である。

符号の説明

１１，１５，３１，３４ 符号化パラメータ制御回路
１２，３２ ＣＥＬＰ符号化回路
１６，３５ ＣＥＬＰ復号回路
３３，３６ マルチパルス符号化パラメータ設定回路

Claims (10)

1. 入力音声信号の励振信号を複数のパルスから成るマルチパルス信号で表して前記励振信号によって前記入力音声信号の線形予測係数で規定された線形予測合成フィルタを励振して得られる再生音声信号と前記入力音声信号との間の歪みを最小化するように前記励振信号を決定する音声符号化手段を有する音声符号化装置であって、
   少なくとも演算量を制御情報として受け該制御情報に応じて制御パラメータを生成する制御回路と、マルチパルス符号化に利用する演算量に応じマルチパルス信号の構成を表す複数の設定パラメータから前記制御パラメータに応じた設定パラメータを設定する設定回路とを備えており、前記音声符号化手段は前記制御パラメータ及び前記設定パラメータに基づいて前記入力音声信号を符号化するようにしたことを特徴とする音声符号化装置。
   
2. 入力音声信号の励振信号を複数のパルスから成るマルチパルス信号で表して前記励振信号によって前記入力音声信号の線形予測係数で規定された線形予測合成フィルタを励振して得られる再生音声信号と前記入力音声信号との間の歪みを最小化するように前記励振信号を決定する音声符号化手段を有する音声符号化装置であって、
   指定されたビットレートと演算量を制御情報として受け該制御情報に応じて制御パラメータを生成する制御回路と、マルチパルス符号化に利用する演算量に応じマルチパルス信号の構成を表す複数の設定パラメータから前記制御パラメータに応じた設定パラメータを設定する設定回路とを備えており、前記音声符号化手段は前記制御パラメータ及び前記設定パラメータに基づいて前記入力音声信号を符号化するようにしたことを特徴とする音声符号化装置。
   
3. 符号化音声データを受け、前記符号化音声データから再生音声信号を再生する音声復号装置であって、前記符号化音声データは音声信号の励振信号及び線形予測合成フィルタ係数を有するとともに少なくとも演算量を含み、前記励振信号は複数のパルスから成るマルチパルス信号で表されており、前記演算量に基づいて制御パラメータを生成する制御回路と、マルチパルス符号化に利用する演算量に応じマルチパルス信号の構成を表す複数の設定パラメータから前記制御パラメータに応じた設定パラメータを設定する設定回路と、前記制御パラメータ及び前記設定パラメータに基づいて前記符号化音声データから前記励振信号と前記線形予測合成フィルタ係数を復号して前記励振信号に応じて前記線形予測合成フィルタ係数で規定される線形予測合成フィルタを励振して前記再生音声信号を再生する復号手段とを有することを特徴とする音声復号装置。
   
4. 前記設定回路において設定される設定パラメータは、マルチパルス信号のパルス数と各パルスの候補位置数とのその候補位置の少なくともいずれかを含むことを特徴とする請求項１または２に記載の音声符号化装置。
   
5. 前記設定回路において設定される設定パラメータは、マルチパルス信号のパルス数と各パルスの候補位置数とのその候補位置の少なくともいずれかを含むことを特徴とする請求項３に記載の音声復号装置。
   
6. 入力音声信号の励振信号を複数のパルスから成るマルチパルス信号で表して前記励振信号によって前記入力音声信号の線形予測係数で規定された線形予測合成フィルタを励振して得られる再生音声信号と前記入力音声信号との間の歪みを最小化するように前記励振信号を決定する音声符号化手順を少なくとも含む音声符号化方法であって、
   少なくとも演算量を制御情報として受け該制御情報に応じて制御パラメータを生成する制御手順と、マルチパルス符号化に利用する演算量に応じマルチパルス信号の構成を表す複数の設定パラメータから前記制御パラメータに応じた設定パラメータを設定する設定手順とを含み、前記音声符号化手順において前記制御パラメータ及び前記設定パラメータに基づいて前記入力音声信号を符号化するようにしたことを特徴とする音声符号化方法。
   
7. 入力音声信号の励振信号を複数のパルスから成るマルチパルス信号で表して前記励振信号によって前記入力音声信号の線形予測係数で規定された線形予測合成フィルタを励振して得られる再生音声信号と前記入力音声信号との間の歪みを最小化するように前記励振信号を決定する音声符号化手順を少なくとも含む音声符号化方法であって、
   指定されたビットレートと演算量を制御情報として受け該制御情報に応じて制御パラメータを生成する制御手順と、マルチパルス符号化に利用する演算量に応じマルチパルス信号の構成を表す複数の設定パラメータから前記制御パラメータに応じた設定パラメータを設定する設定手順とを含み、前記音声符号化手順は前記制御パラメータ及び前記設定パラメータに基づいて前記入力音声信号を符号化するようにしたことを特徴とする音声符号化方法。
   
8. 符号化音声データを受け、前記符号化音声データから再生音声信号を再生する音声復号方法であって、
   前記符号化音声データは音声信号の励振信号及び線形予測合成フィルタ係数を有するとともに少なくとも演算量を含み、前記励振信号は複数のパルスから成るマルチパルス信号で表されており、前記演算量に基づいて制御パラメータを生成する制御手順と、マルチパルス符号化に利用する演算量に応じマルチパルス信号の構成を表す複数の設定パラメータから前記制御パラメータに応じた設定パラメータを設定する設定手順と、前記制御パラメータ及び前記設定パラメータに基づいて前記符号化音声データから前記励振信号と前記線形予測合成フィルタ係数を復号して前記励振信号に応じて前記線形予測合成フィルタ係数で規定される線形予測合成フィルタを励振して前記再生音声信号を再生する復号手順とを含むことを特徴とする音声復号方法。
   
9. 前記設定手順において設定される設定パラメータは、マルチパルス信号のパルス数と各パルスの候補位置数とのその候補位置の少なくともいずれかを含むことを特徴とする請求項６または７に記載の音声符号化方法。
   
10. 前記設定手順において設定される設定パラメータは、マルチパルス信号のパルス数と各パルスの候補位置数とのその候補位置の少なくともいずれかを含むことを特徴とする請求項８に記載の音声復号方法。

Images