JP4437052B2 - 音声復号化装置および音声復号化方法 - Google Patents

Description

本発明は、ＣＥＬＰ方式の音声復号化装置および音声復号化方法に関する。

インターネット通信に代表されるパケット通信においては、音声データをのせたパケットが伝送路において消失する等により受信側の復号化装置で符号化情報を復号できない場合、このパケット消失を受信装置のユーザに知覚させにくくするために、パケット消失の隠蔽（補償）処理を行うことが一般的である（例えば、特許文献１参照）。

特許文献１に開示された隠蔽処理は、ＩＴＵ−Ｔ勧告Ｇ．７２９に則っており、主として、合成フィルタ係数を繰り返し使用する処理、ピッチ利得と固定符号帳利得とを徐々に減衰させる処理、固定符号帳利得予測器の内部状態を徐々に減衰させる処理、および、消失したフレームの直前の正常なフレームにおける有声／無声のモード判定結果に基づき、適応符号帳か固定符号帳かどちらか一方のみを用いて音源信号を生成する処理からなる。この隠蔽処理の特徴の一つは、ポストフィルタで行われるピッチ分析結果を用いて、ピッチ予測利得の大小で有声モード／無声モードを判別し、有声モードの場合は適応符号帳のみを用いて隠蔽処理（音源生成）を行い、無声モードの場合は固定符号帳のみを用いて隠蔽処理（音源生成）を行うことである。より詳細には、消失フレーム直前の正常フレームが有声音であるか無声音であるかを判別し、この判別結果を消失フレームにも適用し、例えば、正常フレームが有声音であれば、消失フレームも有声音であると仮定して、有声音に適した隠蔽処理をこの消失フレームに対し施す。

このように、音声フレームの有声／無声のモード判定結果に応じて、使用する符号帳を切り替えることによって、音声フレームの有声部の隠蔽処理において雑音感が生じるのを回避することができ、また、音声フレームの無声部の隠蔽処理において不要な周期性を生成することを防止できる。

また、送信装置側が複数種類の補償処理機能を有し、送信前のフレームについて（これらが伝送中に損失するものと仮定して）全種類の補償処理を行い、最も補償結果の良かった補償処理方法を受信装置に通知するものもある（例えば、特許文献２参照）。
特開平９−１２０２９８号公報 特開２００２−１６２９９８号公報

しかしながら、特許文献１で開示された隠蔽処理においては、例えば、送信側の各音声フレームが、図８(ａ)に示すように「… -無声-無声-立ち上がり-有声-有声-有声- …」というシーケンスになっていて、これらのフレームの伝送中に「立ち上がり」フレーム（無声から有声への切り替わりフレーム）が消失した場合には、受信側の隠蔽処理は、図８(ｂ)に示すように行われる。すなわち、復号処理Ｐ２は、符号化パラメータＦ(ｎ−１)から復号音声Ｓ(ｎ−１)を生成し、この処理の過程で得られるいくつかのパラメータＳ２を隠蔽処理Ｐ３に受け渡す。隠蔽処理Ｐ３は、直前の復号処理Ｐ２で得られた（復号音声の合成に用いられた）パラメータＳ２を用いて復号音声Ｓ(ｎ)を生成する。換言すると、消失フレームの隠蔽処理は、この消失フレーム直前の「無声」フレームの復号処理で得られるパラメータに基づいて行われるため、無声的（雑音的）信号を生成することになる。

また、適応符号帳を用いるＣＥＬＰ方式では、過去に生成（復号）した音源信号を適応符号帳に記憶しておいて、この符号帳に記憶された音源信号を用いて現在の入力信号に対する音源信号を表すモデルを用いるので、図８(ｂ)に示すような消失フレーム直後の「有声」フレームでは、消失フレームにおいて生成された無声的（雑音的）な音源信号を記憶している適応符号帳Ｓ３を用いて復号処理Ｐ４が行われることになる。そのため、消失フレーム直後の「有声」フレームでは、復号される信号が雑音的になり主観品質が大きく劣化するという問題がある。また、ＣＥＬＰ方式の音声復号化処理では、適応符号帳に記憶された音源信号を再帰的に用いるため、さらに後続の正常フレームの復号信号も雑音的になることが多い。即ち、復号処理Ｐ４によって生成された雑音的な音源信号は再び適応符号帳に記憶されて次のフレームでの復号処理Ｐ５に用いられるため（復号処理Ｐ６についても同様）、後続の「有声」フレームに雑音的信号の影響が伝播する（有声信号が雑音的になってつぶれてしまう）問題がある。

例えば、特許文献２に開示された方法を用いれば、かかる問題は発生しないが、この方法では、送信装置における処理が増大し、また、補償処理方法の通知に通信システムのシステムリソースを消費するという問題がある。

本発明は、かかる点に鑑みてなされたものであり、音声モードの切り替わりにおいて音声フレームを消失した場合に、消失フレーム以降の音声フレームにおける主観品質の劣化を軽減することができ、また、送信装置の処理を増大させず、通信システムのリソース消費が増加しない音声復号化装置および音声復号化方法を提供することを目的とする。

本発明の音声復号化装置は、入力された音声フレームの音声モードを判定する第１の判定手段と、前記音声フレームが正常フレームであるか消失フレームであるかを判定する第２の判定手段と、正常フレームに対しＣＥＬＰ方式の復号化を施す復号化手段と、消失フレームにおいて、雑音的信号から有声的信号への音声モードの切り替わりがあるか否かを、前記第１および第２の判定手段の判定結果に基づいて検出する検出手段と、消失フレームにおける前記音声モードの切り替わりが検出された場合、前記復号化手段で使用される適応符号帳の内容を一部または全部リセットするリセット手段と、を具備し、前記復号化手段は、リセット後の前記適応符号帳を用いて、音声モードの切り替わりが検出された消失フレームの後の正常フレームの復号化を行う構成を採る。

この構成によれば、消失フレーム以降の音声フレームにおける主観品質の劣化を軽減することができる。

本発明の音声復号化装置は、上記の構成において、消失フレームの前の正常フレームに基づいて、この消失フレームの補償フレームを生成する第１の補償手段と、前記第１の補償手段によって生成された補償フレームに基づいて、前記消失フレームの後の正常フレームの補償フレームを生成する第２の補償手段と、を具備し、前記復号化手段は、リセット後の適応符号帳を用いて生成される音声フレームと、前記第２の補償手段によって生成される補償フレームと、の双方を用いて、前記消失フレームの後の正常フレームの復号化フレームを生成する構成を採る。

本発明の音声復号化装置は、上記の構成において、前記復号化手段は、リセット後の適応符号帳を用いて生成される前記音声フレームの後半に重み付けする第１の重み付け手段と、前記第２の補償手段によって生成される補償フレームの前半に重み付けする第２の重み付け手段と、後半に重み付けがされた前記音声フレームと前半に重み付けがされた前記補償フレームとを加算して、前記復号化フレームを生成する加算手段と、を具備する構成を採る。

これらの構成によれば、消失フレーム後の音声フレームに及ぼす雑音的信号の影響を最低限に抑えることができる。

本発明の通信端末装置は、上記いずれかに記載の音声復号化装置を具備する構成を採る。

この構成によれば、上記と同様の作用効果を有する通信端末装置を提供することができる。

本発明の音声復号化方法は、雑音的信号を生成するフレーム消失隠蔽処理がされた後の有声定常フレームに対し、前記雑音的信号がバッファリングされている適応符号帳の内容の一部または全部をリセットしてから、この有声定常フレームの復号化を行うようにした。

この方法によれば、消失フレーム以降の音声フレームにおける主観品質の劣化を軽減することができる。

以上説明したように、本発明によれば、音声フレーム、音声パケット等の音声データを消失した以降の音声データの主観品質の劣化を軽減することができる。また、本発明によれば、送信装置の処理は増大せず、通信システムのリソース消費も増加しない（通信に必要なビットレートの増加もない）。

以下、本発明の実施の形態について、添付図面を参照して詳細に説明する。なお、ここでは、符号化／復号化の対象が、音声信号である場合を例にとって説明する。

（実施の形態１）
図１は、本発明の実施の形態１に係る音声復号化装置の主要な構成を示すブロック図である。

本実施の形態に係る音声復号化装置は、パケット分離部１０１と、隠蔽パラメータ生成部１０２と、復号化処理部１０３と、フレームクラス分類部１０４と、復号化処理判定部１０５と、を備える。

本実施の形態に係る音声復号化装置の各部は、以下の動作を行う。

パケット分離部１０１は、入力された復号対象の符号化パケットを音声符号化情報とフレーム消失情報との２つの情報に分離し、この２つの情報を復号化処理部１０３へ出力する。また、パケット分離部１０１は、フレーム消失情報を隠蔽パラメータ生成部１０２および復号化処理判定部１０５の双方へ出力する。ここで、音声符号化情報とは、送信側の音声符号化装置（図示せず）から出力される符号化ビットストリームのことである。また、フレーム消失情報とは、復号対象の符号化フレームが消失フレームであるか否かを示す情報のことである。例えば、符号化パケットが消失された場合には、このパケットが含むフレームの全てが消失フレームに該当する。

隠蔽パラメータ生成部１０２は、パケット分離部１０１から出力されたフレーム消失情報に従い、復号対象のフレームが消失フレームである場合、フレームクラス情報（音声モードを示す情報）をフレームクラス分類部１０４から取得し、フレームクラスに応じた隠蔽処理を行なう。隠蔽処理によって生成されたパラメータは復号化処理部１０３へ出力される。なお、隠蔽処理は復号化処理部１０３によって過去に復号されたパラメータを用いて行なわれ、過去に復号したパラメータとしては、ピッチラグ、ピッチゲイン、固定符号帳ゲイン、スペクトルパラメータ（線形予測係数、線スペクトル対等）、復号信号の零交差率、復号信号のエネルギ等が挙げられるが、これらのパラメータに限定されるものではない。また、隠蔽処理の方法についても上記に限定されず、過去の復号によって得られた情報を用いて隠蔽処理を行うものであればどのようなものであっても良い。

復号化処理部１０３は、パケット分離部１０１から出力されたフレーム消失情報に従って、符号化フレームが正常な場合（消失フレームでない場合）は、パケット分離部１０１から出力された符号化情報の復号処理を行って復号音声信号を音声復号化装置の外部へ出力すると共に、復号処理によって得られる復号情報をフレームクラス分類部１０４へ出力する。なお、この出力される復号情報は、得られる復号情報の一部だけであっても良い。この復号化処理を以下「復号化処理Ａ」と呼ぶこととする。

一方、符号化フレームが消失フレームである場合は、復号化処理部１０３は、過去に復号した情報を隠蔽パラメータ生成部１０２へ出力する（復号化処理部１０３は、フレーム消失隠蔽処理に用いる各種パラメータを記憶するためのバッファを備えていて、その情報を出力する）。隠蔽パラメータ生成部１０２は、入力された過去の復号化情報を用いて隠蔽処理用パラメータを生成して復号化処理部１０３へ出力する。復号化処理部１０３は、隠蔽処理用パラメータを隠蔽パラメータ生成部１０２から取得し、復号化処理を行い、復号音声信号を出力する。この復号化処理（隠蔽処理）を以下「復号化処理Ｂ」と呼ぶこととする。符号化フレームが消失フレームである場合、復号化処理部１０３からフレームクラス分類部１０４へは、パケット分離部１０１から入力されたフレーム消失情報のみが出力される。すなわち、正常フレームでは復号化処理Ａで得られる復号化情報を用いてフレームクラス分類処理が行なわれるが、消失フレームでは先にフレームクラス分類処理が行われてから復号化処理Ｂが行なわれるためである（フレームクラス分類処理は、実質的には直前フレームのフレームクラス情報を繰り返し的に使用する）。

ただし、符号化フレームが正常であっても（消失フレームでない場合であっても）、１つ前に復号したフレームが消失フレームであった場合は、復号化処理部１０３は、上記いずれの処理とも異なる処理を行う場合がある。この処理（以下「復号化処理Ｃ」と呼ぶこととする）については、後ほど詳細に説明する。

フレームクラス分類部１０４は、現フレームが正常な場合（消失フレームでない場合）、復号化処理部１０３から出力された各種復号情報（復号ピッチラグ、復号ピッチゲイン、復号固定符号帳ゲイン、復号線形予測係数、復号線スペクトル対、復号信号の零交差率、復号信号のエネルギ等）に基づいて、復号対象の符号化フレームのクラス分類を行い、分類結果（フレームクラス）を復号化処理判定部１０５および隠蔽パラメータ生成部１０２にそれぞれ出力する。一方、現フレームが消失フレームである場合、フレームクラス分類部１０４は、直前の正常フレームにおけるクラス分類結果を現フレームのクラス分類結果として繰り返し用いる。なお、消失フレームが連続する場合は、フレームクラス番号を徐々に下げる（雑音的な方向へ変えていく）ようにしても良い。

復号化処理判定部１０５は、フレームクラス分類部１０４から出力されたフレームクラス情報と、パケット分離部１０１から出力されたフレーム消失情報とに従い、復号する現フレームが正常フレームで、かつ直前に復号したフレームが消失フレームであった場合に、現フレームのフレームクラスと、過去のフレームのフレームクラス情報とに基づいて、現フレームに対し行うべき復号化処理方法を判定し、判定によって選択された復号化処理方法を復号化処理部１０３へ通知する。

図２は、フレームクラス分類部１０４において使用されるフレームクラス分類の一例を示した表である。

フレームクラス分類部１０４において、各符号化フレームは、有声性の度合いに応じて複数のフレームクラスに分類される。なお、ここでは、各符号化フレームが３つのフレームクラス（０、１、２）に分類される場合を例にとって説明しており、また、フレームクラス分類に使用されるアルゴリズムはどのようなものであっても良い。

図３は、復号化処理判定部１０５の内部構成を詳しく示したブロック図である。この復号化処理判定部１０５は、保持部１２１と、フレームクラス切り替わり判定部１２２と、復号化処理選択部１２３と、を備える。

保持部１２１は、フレームクラス分類部１０４から出力されたフレームクラス情報を一定期間保持し、フレームクラス切り替わり判定部１２２が必要時に過去のフレームクラス情報を取得できるようにする。なお、現フレームのフレームクラス情報は、フレームクラス分類部１０４から取得することができる。また、過去のフレームクラス情報としては、直前のフレームのフレームクラス情報、もしくは、最後に受信された正常フレームのフレームクラス情報が用いられる。

フレームクラス切り替わり判定部１２２は、フレームクラス分類部１０４から出力される現フレームのフレームクラス情報と、保持部１２１から出力される過去のフレームのフレームクラス情報と、を比較することにより、雑音的信号（無声音）から有声定常信号（有声音）への切り替わり、有声定常信号から雑音的信号への切り替わり等のフレームクラスの切り替わりを判定し、この判定結果を復号化処理選択部１２３へ出力する。

復号化処理選択部１２３は、フレームクラス切り替わり判定部１２２の判定結果に基づいて、各復号化処理の選択肢の中から現フレームに対し行うべき復号化処理を選択し、選択結果を復号化処理部１０３へ出力する。

図４は、復号化処理選択部１２３において行われる、現フレームの復号化処理の選択方法の具体的な手順を示すフロー図である。

復号化処理選択部１２３は、パケット分離部１０１から出力されるフレーム消失情報に基づいて、現フレームが消失フレームに該当するか否かを判断する（ＳＴ１１００）。そして、現フレームが消失フレームの場合には、復号化処理選択部１２３は、前述した復号化処理Ｂ（隠蔽処理）を選択する（ＳＴ１２００）。

ＳＴ１１００において、現フレームが消失フレームでない場合は、復号化処理選択部１２３は、この消失フレームの前のフレームが消失フレームに該当するか否か判断する（ＳＴ１３００）。前フレームが消失フレームである場合には、復号化処理選択部１２３は、さらにフレームクラス切り替わり判定部１２２の判定結果を確認し、雑音的信号から有声定常信号へのフレームクラス切り替わりがあったか否か確認する（ＳＴ１４００）。このフレームクラス切り替わりがあった場合には、復号化処理選択部１２３は、復号化処理Ｃ、すなわち、後述のＯＬＡ（オーバラップ・アッド）処理をこのフレームに対し選択する（ＳＴ１５００）。

一方、ＳＴ１３００において、前フレームが消失フレームでなかった場合、または、ＳＴ１４００において、フレームクラスの切り替わりがなかった場合には、復号化処理選択部１２３は、前述した復号化処理Ａをこのフレームに対し選択する（ＳＴ１６００）。

以上の処理により、復号化処理選択部１２３において、現フレームに対する復号化処理が決定される。

次いで、再度、図３を参照しながら、以上の手順をより詳細に説明する。

復号化処理選択部１２３は、パケット分離部１０１から出力されるフレーム消失情報を保持するための保持バッファ（図示せず）を内部に備え、パケット分離部１０１からフレーム消失情報が出力される度にこの内容を更新する。すなわち、この保持バッファには、直前のフレームが消失フレームであったか否かの情報が保持されている。なお、この保持バッファの初期値には、適当な情報（例えば、正常フレームであることを示す情報等）が設定されている。

現フレームが消失フレームである（または、現フレームが消失パケットの中に含まれるフレームである）場合、復号化処理選択部１２３は、この情報をパケット分離部１０１から通知され、無条件に現フレームに対し復号化処理Ｂ（隠蔽処理）を選択すると共に、パケット分離部１０１から出力されたフレーム消失情報で内部の保持バッファを更新する。このとき、保持部１２１も、フレームクラス分類部１０４から出力されたフレームクラス情報で保持内容を更新する（後述するように、消失フレームではこの更新は必須ではない）。そして、復号化処理選択部１２３が、選択した復号化処理を出力することによって、復号化処理判定部１０５の判定処理は終了する。

現フレームが消失フレームでない（正常フレームの）場合、復号化処理選択部１２３は、この情報をパケット分離部１０１から通知され、まず、内部の保持バッファの内容、すなわち、直前フレームのフレーム消失情報を参照し、前フレームが消失フレームであったか否か確認する。

そして、直前フレームも消失フレームでなかった場合（正常フレームの場合）、復号化処理選択部１２３は、現フレームに対し復号化処理Ａ（通常の復号化処理方法）を選択すると共に、パケット分離部１０１から出力されたフレーム消失情報で内部の保持バッファを更新する。そして、復号化処理選択部１２３が、選択した復号化処理を出力することによって、復号化処理判定部１０５の判定処理は終了する。このとき、保持部１２１の保持内容（フレームクラス情報）の更新は、フレームクラス分類部１０４からの出力（現フレームのフレームクラス情報）で行なわれる。フレームクラス分類部１０４は、復号化処理Ａの過程で、クラス分類処理に必要な復号情報が得られた段階で、復号化処理部１０３から必要な復号化情報を取得し、フレームクラス分類処理を行って結果を保持部１２１に出力する。フレーム切り替わり判定部１２２での判定処理は行う必要がない。

一方、内部の保持バッファの内容を確認した結果、直前フレームが消失フレームであった場合、復号化処理選択部１２３は、さらに、フレームクラス切り替わり判定部１２２から判定結果を受け取り、雑音的信号から有声定常信号へのフレームクラス切り替わりがあったか否か確認の上、現フレームに対する復号化処理を選択し、また、パケット分離部１０１から出力されたフレーム消失情報で保持バッファの内容を更新する。そして、復号化処理選択部１２３が、選択した復号化処理を出力することによって、復号化処理判定部１０５の判定処理は終了する。このとき、保持部１２１の保持内容の更新は、フレームクラス分類部１０４からの出力（現フレームのフレームクラス情報）で行なわれる。フレームクラス分類部１０４は、復号化処理部１０３で行なわれる、復号化処理Ａと復号化処理Ｃに共通な復号処理（フレームクラス分類に必要な復号情報を得る処理は、復号化処理Ａと復号化処理Ｃとで共通であり、現フレームが正常フレームである場合は、無条件にこの共通の処理が復号化処理部１０３にて行なわれ、フレームクラス分類処理に必要な復号化情報がフレームクラス分類部１０４へ出力される）によって得られる復号情報を取得し、フレームクラス分類処理を行って分類結果を保持部１２１およびフレームクラス切り替わり判定部１２２へ出力する。

なお、保持部１２１で保持されるフレームクラス情報は、少なくとも過去１フレーム分以上とする。例えば、過去１フレーム分だけフレームクラス情報が保持されるとした場合、保持部１２１は、パケット分離部１０１から出力されるフレーム消失情報に従い、正常フレーム時にのみ、フレームクラス情報を更新し、フレーム消失時は更新せずに保持するだけにする。このようにすると、消失フレームが連続した場合でも、複数フレームのフレームクラス情報を保持せずに、最後に受信した正常フレームのフレームクラス情報を保持することができる。

図５は、図３に示したフレームクラス切り替わり判定部１２２が使用する判定ルールを示した表である。

例えば、図２に示したように、３種類のフレームクラスを示す数値として、有声性の低い順に０、１、２を割り当てたとすると、フレームクラス切り替わり判定部１２２は、前フレーム（直前フレームもしくは最後に受信した正常フレーム）のフレームクラス番号Ａと現フレームのフレームクラスＢ番号とに基づいてフレームクラスの切り替わりを判定する。具体的には、（Ｂ−Ａ）の式を求め、この値が０以外の値を示すときフレームクラスが切り替わっていると判断することができる。また、この方法を用いれば、（Ｂ−Ａ）の値が２のときは、雑音的信号から有声定常信号へとフレームクラスが変わったということも特定できる。

図６は、図１に示した復号化処理部１０３の内部構成を詳しく示したブロック図である。

復号化処理部１０３は、パラメータ復号部１１１と、音声生成部１１２と、状態保存部１１３と、２つの窓掛け部（１１４−１、１１４−２）と、バッファ１１５と、加算器１１６と、４つの切り替えスイッチ（ＳＷ１〜ＳＷ４）と、を備える。

パラメータ復号部１１１は、パケット分離部１０１から出力された音声符号化情報の各種パラメータを復号し、フレームクラス分類部１０４と隠蔽パラメータ生成部１０２と切り替えスイッチＳＷ１とに出力する。

切り替えスイッチＳＷ１は、パケット分離部１０１から出力された消失フレーム情報に従い、音声生成部１１２の入力を切り替える。具体的には、正常フレームであった場合、パラメータ復号部１１１から出力される各パラメータを音声生成部１１２へ入力し、正常フレームでなかった場合、隠蔽パラメータ生成部１０２から出力される各パラメータを音声生成部１１２へ入力する。

音声生成部１１２は、復号化処理判定部１０５から出力された復号化処理方法の切り替え情報に従い、オーバラップ・アッド処理（復号化処理Ｃ）を行う場合のみ音声生成開始前の内部状態（合成フィルタ状態、ＬＳＰ予測器状態、ゲイン予測器状態等）を状態保存部１１３へ出力する。また、音声生成部１１２は、復号化処理判定部１０５から出力された復号化処理方法の切り替え情報に従い、切り替えスイッチＳＷ１を介して入力された各パラメータを用いて音声生成（復号）処理を行い、復号音声信号を切り替えスイッチＳＷ２へ出力する。

切り替えスイッチＳＷ２は、通常の復号化処理の場合（復号化処理ＡまたはＢの場合）、出力を切り替えスイッチＳＷ３に接続する。このとき、切り替えスイッチＳＷ３は、出力を切り替えスイッチＳＷ４に接続し、生成された音声信号がそのまま復号装置の外部へ復号音声信号として出力される。

一方、オーバラップ・アッド処理（復号化処理Ｃ）を行う場合、音声生成部１１２は、同一フレームに対し２回の音声生成処理を行う。１回目の音声生成処理では、音声生成部１１２は、復号化処理Ｂ（隠蔽処理）を行なって補償フレームを生成する。なお、この補償フレームは、前フレーム（消失フレームの補償フレーム）に基づいて生成された信号である。このとき、切り替えスイッチＳＷ３は、音声生成部１１２からＳＷ２を介して出力される信号をバッファ１１５に接続し、生成された音声信号を一旦バッファ１１５に保存する。

２回目の音声生成処理では、音声生成部１１２は、復号化処理Ａ（通常の復号化処理）を行なって音声信号を生成する。このとき、音声生成部１１２は、フレーム間の不連続を緩和するために状態保存部１１３から現フレームの音声生成を行う前の状態を取得し、音声生成処理を行う。ただし、２回目の音声生成処理では、音声生成部１１２内部の適応符号帳をリセット（零クリア）してから音声生成処理を行う。このような処理を行うことで、前フレームで生成された雑音的な音源信号が後続の有声フレームに伝播することを防ぐことができる。そして、切り替えスイッチＳＷ２は、出力を窓掛け部１１４−２へ接続し、再生成された音声信号を窓掛け部１１４−２へ出力する。また、バッファ１１５に保存された音声信号、すなわち最初に生成された音声信号は、窓掛け部１１４−１へ出力される。

窓掛け部１１４（１１４−１、１１４−２）は、オーバラップ・アッド処理に使用される一般的な窓関数を信号に乗算（窓掛け）する回路であり、三角窓やハニング窓等を用いて窓掛けを行う。窓掛け部１１４−１はフェードアウト、窓掛け部１１４−２はフェードインするためのものであり、２つの窓を加算すると１．０になるように設計する。２つの窓のオーバラップ長は、１フレーム（またはサブフレーム）全体でもよいし、これより短くても良い。窓掛けされた２種類の信号は、加算器１１６で加算され、切り替えスイッチＳＷ４を介して復号音声信号として出力される。

既に説明した通り、図３に示した復号化処理選択部１２３は、フレームクラス切り替わり判定部１２２において算出される（Ｂ−Ａ）の値が２だった場合、すなわち、雑音的信号から有声定常音への切り替わりがあった場合、さらに、この切り替わりが消失フレームにおいて起こっていれば、上記のオーバラップ・アッド処理を選択する。

これは、既述の通り、ＣＥＬＰ方式の復号化は、過去に復号した（生成した）音源信号を適応符号帳として用いるため、前フレームにおけるフレームの消失隠蔽処理で雑音的信号に基づいて音源信号が生成された場合、現フレームではその雑音的信号が記憶されている適応符号帳を用いて復号化処理を行うことになるからである。よって、現フレームに対しては通常と異なる復号化処理が必要であるが、雑音的信号の影響を断つ目的でＣＥＬＰの適応符号帳をリセットし、リセット後のパラメータだけを用いてＣＥＬＰによる復号化を行うことは、不連続や音切れを生じやすくなるため望ましくない。

そこで、復号化処理部１０３は、ＣＥＬＰの適応符号帳をリセットしつつも、このリセット後の適応符号帳を用いて生成される復号化信号はフェードインさせ、一方、雑音的信号に基づいて生成される補償フレームはフェードアウトさせ、これらの信号を少なくとも一部が重複するように加算する。これにより、雑音的信号に基づいて生成される補償フレームに対しては、フレーム前半に比重を掛け、一方、リセット後の適応符号帳を用いて生成される復号化信号に対しては、フレーム後半に比重を掛けることができ、消失フレーム後の音声フレームに及ぼす雑音的信号の影響を最低限に抑えることができる。また、このとき、２つの信号は滑らかに接続されるので、不連続感や音切れも生じ難くなる。

一方、復号化処理選択部１２３は、（Ｂ−Ａ）の値が２以外のときは、フレームクラスの切り替わりがなかったか、または、切り替わりがあっても雑音的信号から有声定常音への切り替わり以外の切り替わりであることを示しているので、通常の復号化処理（復号化処理Ａ）を選択する。

なお、（Ｂ−Ａ）の値が２であっても、現フレームの固定符号帳成分のエネルギが前フレームの復号信号のエネルギに比べて十分大きい場合は、通常の復号化処理であってもあまり問題がないので、その際は、復号化処理選択部１２３は、通常の復号化処理（復号化処理Ａ）を選択するようにしても良い。

また、フレームクラス情報以外の音声分析情報を用いて最終的な復号化処理を決定するようにしても良い。

さらに、（Ｂ−Ａ）の値が１のときは、状況によっては通常の復号化処理を選択しない方が良い場合もある。例えば、前フレームＡが中間的フレームとして隠蔽処理が行なわれても隠蔽処理によって生成された音源信号が雑音的であった場合は、復号化処理選択部１２３は、フレームクラス情報以外の音声分析情報を用いて最終的な復号化処理を選択するようにしても良い。

このように、本実施の形態によれば、消失フレーム直前のフレームが雑音的信号を表すフレームクラスであって、かつ、消失フレーム直後のフレームが有声定常信号を表すクラスである場合、通常のフレーム消失隠蔽処理によって生成される補償信号と、ＣＥＬＰ適応符号帳の各パラメータの一部または全てをリセットしてから復号化処理を行って生成される復号信号と、をオーバラップ・アッドして得られる信号を消失フレーム直後の正常フレームとする。

換言すると、本実施の形態は、雑音的信号を生成するフレーム消失隠蔽処理後の有声定常フレームに対して、雑音的な信号がバッファリングされている適応符号帳の内容をクリアしてから、この有声定常フレームの復号処理を行う。

上記の構成を採ることにより、消失フレームで生成された雑音的信号が適応符号帳に保持されていることの影響が伝播して、有声定常フレームにおいて雑音感のある音声信号が生成され続けることを回避することができる。すなわち、フレーム消失隠蔽処理が後続する正常フレームの復号結果に影響を及ぼすことを最小限に抑えることができる。

図７は、本実施の形態に係る音声復号化装置が、無線通信システムに適用された場合の無線送受信装置の構成を示すブロック図である。

この無線通信システムは、無線送信装置３００および無線受信装置３１０を備える。

無線送信装置３００は、入力装置３０１、Ａ／Ｄ変換装置３０２、音声符号化装置３０３、信号処理装置３０４、ＲＦ変調装置３０５、送信装置３０６、およびアンテナ３０７を備える。

Ａ／Ｄ変換装置３０２の入力端子は、入力装置３０１に接続されている。音声符号化装置３０３の入力端子は、Ａ／Ｄ変換装置３０２の出力端子に接続されている。信号処理装置３０４の入力端子は、音声符号化装置３０３の出力端子に接続されている。ＲＦ変調装置３０５の入力端子は、信号処理装置３０４の出力端子に接続されている。送信装置３０６の入力端子は、ＲＦ変調装置３０５の出力端子に接続されている。アンテナ３０７は、送信装置３０６の出力端子に接続されている。

入力装置３０１は、音声信号を受けてこれを電気信号であるアナログ音声信号に変換し、Ａ／Ｄ変換装置３０２に与える。Ａ／Ｄ変換装置３０２は、入力装置３０１からのアナログの音声信号をディジタル音声信号に変換し、これを音声符号化装置３０３へ与える。音声符号化装置３０３は、Ａ／Ｄ変換装置３０２からのディジタル音声信号を符号化して音声符号化ビット列を生成し信号処理装置３０４に与える。信号処理装置３０４は、音声符号化装置３０３からの音声符号化ビット列にチャネル符号化処理やパケット化処理及び送信バッファ処理等を行った後、その音声符号化ビット列をＲＦ変調装置３０５に与える。ＲＦ変調装置３０５は、信号処理装置３０４からのチャネル符号化処理等が行われた音声符号化ビット列の信号を変調して送信装置３０６に与える。送信装置３０６は、ＲＦ変調装置３０５からの変調された音声符号化信号をアンテナ３０７を介して電波（ＲＦ信号）として送出する。

無線送信装置３００においては、Ａ／Ｄ変換装置３０２を介して得られるディジタル音声信号に対して数十ｍｓのフレーム単位で処理が行われる。システムを構成するネットワークがパケット網である場合には、１フレーム又は数フレームの符号化データを１つのパケットに入れこのパケットをパケット網に送出する。なお、上記ネットワークが回線交換網の場合には、パケット化処理や送信バッファ処理は不要である。

無線受信装置３１０は、アンテナ３１１、受信装置３１２、ＲＦ復調装置３１３、信号処理装置３１４、音声復号化装置３１５、Ｄ／Ａ変換装置３１６、および出力装置３１７を備える。

受信装置３１２の入力端子は、アンテナ３１１に接続されている。ＲＦ復調装置３１３の入力端子は、受信装置３１２の出力端子に接続されている。信号処理装置３１４の入力端子は、ＲＦ復調装置３１３の出力端子に接続されている。音声復号化装置３１５の入力端子は、信号処理装置３１４の出力端子に接続されている。Ｄ／Ａ変換装置３１６の入力端子は、音声復号化装置３１５の出力端子に接続されている。出力装置３１７の入力端子は、Ｄ／Ａ変換装置３１６の出力端子に接続されている。

受信装置３１２は、アンテナ３１１を介して音声符号化情報を含んでいる電波（ＲＦ信号）を受けてアナログの電気信号である受信音声符号化信号を生成し、これをＲＦ復調装置３１３に与える。アンテナ３１１を介して受けた電波（ＲＦ信号）は、伝送路において信号の減衰や雑音の重畳がなければ、無線送信装置３００において送出された電波（ＲＦ信号）と全く同じものになる。

ＲＦ復調装置３１３は、受信装置３１２からの受信音声符号化信号を復調し信号処理装置３１４に与える。信号処理装置３１４は、ＲＦ復調装置３１３からの受信音声符号化信号のジッタ吸収バッファリング処理、パケット組みたて処理およびチャネル復号化処理等を行い、受信音声符号化ビット列を音声復号化装置３１５に与える。音声復号化装置３１５は、信号処理装置３１４からの受信音声符号化ビット列の復号化処理を行って復号音声信号を生成しＤ／Ａ変換装置３１６へ与える。Ｄ／Ａ変換装置３１６は、音声復号化装置３１５からのディジタル復号音声信号をアナログ復号音声信号に変換して出力装置３１７に与える。出力装置３１７は、Ｄ／Ａ変換装置３１６からのアナログ復号音声信号を空気の振動に変換し音波として人間の耳に聞こえる様に出力する。

本発明に係る音声復号化装置は、上記実施の形態に限定されず、種々変更して実施することが可能である。

本発明に係る音声復号化装置は、移動体通信システムにおける移動局装置（通信端末装置）および基地局装置に搭載することも可能であり、これにより上記と同様の作用効果を有する移動局装置（通信端末装置）および基地局装置を提供することができる。

なお、ここでは、本発明をハードウェアで構成する場合を例にとって説明したが、本発明はソフトウェアで実現することも可能である。

本発明に係る音声復号化装置および音声復号化方法は、移動体通信システムにおける通信端末装置等の用途に適用できる。

実施の形態１に係る音声復号化装置の主要な構成を示すブロック図 実施の形態１に係るフレームクラス分類部において使用されるフレームクラス分類の一例を示した表 実施の形態１に係る復号化処理判定部の内部構成を詳しく示したブロック図 実施の形態１に係る復号化処理選択部の復号化処理選択方法の手順を示すフロー図 実施の形態１に係るフレームクラス切り替わり判定部が使用する判定テーブルの内容を示した図 実施の形態１に係る復号化処理部の内部構成を詳しく示したブロック図 本実施の形態に係る無線送受信装置の構成を示すブロック図 音声フレームシーケンスの一例を示す図

符号の説明

１０１ パケット分離部
１０２ 隠蔽パラメータ生成部
１０３ 復号化処理部
１０４ フレームクラス分類部
１０５ 復号化処理判定部
１１１ パラメータ復号部
１１２ 音声生成部
１１３ 状態保存部
１１４ 窓掛け部
１２１ 保持部
１２２ フレームクラス切り替わり判定部
１２３ 復号化処理選択部

Claims (5)

1. 入力された音声フレームの音声モードを判定する第１の判定手段と、
   前記音声フレームが正常フレームであるか消失フレームであるかを判定する第２の判定手段と、
   正常フレームに対しＣＥＬＰ方式の復号化を施す復号化手段と、
   消失フレームにおいて、雑音的信号から有声的信号への音声モードの切り替わりがあるか否かを、前記第１および第２の判定手段の判定結果に基づいて検出する検出手段と、
   消失フレームにおける前記音声モードの切り替わりが検出された場合、前記復号化手段で使用される適応符号帳の内容を一部または全部リセットするリセット手段と、
   を具備し、
   前記復号化手段は、
   リセット後の前記適応符号帳を用いて、音声モードの切り替わりが検出された消失フレームの後の正常フレームの復号化を行う、
   ことを特徴とする音声復号化装置。
2. 消失フレームの前の正常フレームに基づいて、この消失フレームの補償フレームを生成する第１の補償手段と、
   前記第１の補償手段によって生成された補償フレームに基づいて、前記消失フレームの後の正常フレームの補償フレームを生成する第２の補償手段と、
   を具備し、
   前記復号化手段は、
   リセット後の適応符号帳を用いて生成される音声フレームと、前記第２の補償手段によって生成される補償フレームと、の双方を用いて、前記消失フレームの後の正常フレームの復号化フレームを生成する、
   ことを特徴とする請求項１記載の音声復号化装置。
3. 前記復号化手段は、
   リセット後の適応符号帳を用いて生成される前記音声フレームの後半に重み付けする第１の重み付け手段と、
   前記第２の補償手段によって生成される補償フレームの前半に重み付けする第２の重み付け手段と、
   後半に重み付けがされた前記音声フレームと前半に重み付けがされた前記補償フレームとを加算して、前記復号化フレームを生成する加算手段と、
   を具備することを特徴とする請求項２記載の音声復号化装置。
4. 請求項１から請求項３のいずれかに記載の音声復号化装置を具備することを特徴とする通信端末装置。
5. 雑音的信号を生成するフレーム消失隠蔽処理がされた後の有声定常フレームに対し、前記雑音的信号がバッファリングされている適応符号帳の内容の一部または全部をリセットしてから、この有声定常フレームの復号化を行う、
   ことを特徴とする音声復号化方法。

Images