JP4539988B2 - 音声符号化のための方法と装置 - Google Patents

Description

本発明は、一般的に、信号圧縮方式に関し、特に、音声符号化のための方法と装置に関する。

デジタル音声等の低レート符号化用には、通常、短期音声信号のスペクトルをモデル化するために線形予測符号化(ＬＰＣ)等の手法を用いる。ＬＰＣ手法を用いる符号化方式は、短期モデルの特性に対する補正に予測残留信号を提供する。１つのこのような符号化方式には、低ビットレートで、即ち、4.8乃至9.6キロビット毎秒(ｋｂｐｓ)のビットレートで高品質の合成音声を生成する符号励振型線形予測(ＣＥＬＰ)として知られる音声符号化方式がある。また、ベクトル励振型予測又は確率的符号化としても知られるこのクラスの音声符号化は、極めて多くの音声通信及び音声合成用途に用いられる。ＣＥＬＰは、また、特に、音声品質、データレート、サイズ、及びコストが重要な課題であるデジタル音声暗号化及びデジタル無線電話通信方式に適用可能である。
ＬＰＣ符号化手法を実現するＣＥＬＰ音声符号器は、通常、入力音声信号の特性をモデル化し、また、一組の時間依存性線形フィルタに組み込まれる長期(ピッチ)及び短期(ホル
マント)予測子を用いる。フィルタ用の励起信号、即ち、符号ベクトルは、記憶した符号
ベクトルのコードブックから選択される。各フレームの音声に対して、音声符号器は、符号ベクトルをフィルタに適用して再構成音声信号を生成し、元の入力音声信号を再構成信号と比較して、誤り信号を生成する。そして、誤り信号は、人間の聴覚による知覚に基づき応答する知覚的重み付けフィルタ中を誤り信号が通過することによって、重み付けされる。そして、最適な励起信号が、現フレームに対して最小エネルギ(誤り値)の加重誤り信号を生成する１つ又は複数の符号ベクトルを選択することによって、決定される。通常、フレームは、２つ以上の連続サブフレームに区切られる。短期予測子パラメータは、通常、フレーム毎に一回決定され、現フレーム及び前フレーム用の短期予測子パラメータ間で補間することによって各サブフレームで更新される。励起信号パラメータは、通常、各サブフレームに対して決定される。

例えば、図1は、従来技術のＣＥＬＰ符号器100のブロック図である。ＣＥＬＰ符号器100において、入力信号s(n)は、線形予測(ＬＰ)アナライザ101に適用され、ここで、線形予測符号化を用いて、短期スペクトル包絡線を推定する。その結果生じるスペクトル係数(
又は線形予測(ＬＰ)係数)は、伝達関数A(z)によって表される。スペクトル係数は、スペ
クトル係数を量子化するＬＰ量子化器102に適用され、多重化装置109の用途に適する量子化スペクトル係数Aqを生成する。そして、量子化スペクトル係数Aqは、多重化装置109に
伝えられ、多重化装置は、量子化スペクトル係数に基づき、また、平方誤り最小化/パラ
メータ量子化ブロック108によって決定される一組の励起ベクトル関連パラメータL、βi
、I、及びγに基づき、符号化ビットストリームを生成する。その結果、各ブロックの音
声に対して、対応する組の励起ベクトル関連パラメータが生成され、これらには、マルチタップ長期予測子(ＬＴＰ)パラメータ(遅延L及びマルチタップ予測子係数βi)、及び固定コードブックパラメータ(インデックスI及びスケールファクタγ)が含まれる。

また、量子化スペクトルパラメータは、対応する伝達関数1/Aq(z)を有するＬＰ合成フ
ィルタ105に局所的に伝えられる。また、ＬＰ合成フィルタ105は、組合せ励起信号ex(n)
を受信し、また、量子化スペクトル係数Aq及び組合せ励起信号ex(n)に基づき、入力信号

の推定値を生成する。組合せ励起信号ex(n)は、次のように生成される。固定コードブッ
ク(ＦＣＢ)符号ベクトル、即ち、励起ベクトル

は、固定コードブックインデックスパラメータＩに基づき、固定コードブック(ＦＣＢ)103から選択される。そして、ＦＣＢ符号ベクトル

は、利得パラメータγに基づきスケール変更され、スケール変更された固定コードブック符号ベクトルは、マルチタップ長期予測子(ＬＴＰ)フィルタ104に伝えられる。マルチタ
ップＬＴＰフィルタ104は、対応する伝達関数

を有する。上式において、Kは、ＬＴＰフィルタ次数(通常、1と3との間（1と3を含む）) であり、βi及びLは、平方誤り最小化/パラメータ量子化ブロック108によってフィルタに伝えられる励起ベクトル関連パラメータである。ＬＴＰフィルタ伝達関数の上記定義において、Lは、サンプルの数の遅延を規定する整数値である。この形態のＬＴＰフィルタ伝
達関数は、ビシュヌ・アタール（Bishnu_S_Atal）による論文、"低ビットレートでの音声の予測符号化"、通信に関するIEEE議事録、VOL.COM-30、NO.4、1982年４月、pp600-614(
以下、アタールと称する)、及びラビ・ラマチャンドラン（Ravi_P_Ramachandran）並びにピータ・カバール（Peter_Kabal）による論文、"音声符号化におけるピッチ予測フィルタ"、音響、音声、及び信号処理に関するIEEE議事録、VOL.37、NO.4、1989年４月、pp467-478(以下、ラマチャンドランらと称する)に記載されている。フィルタ104は、ＦＣＢ103から受信されるスケール変更された固定コードブック符号ベクトルをフィルタ処理して、組合せ励起信号ex(n)を生成し、また、励起信号をＬＰ合成フィルタ105に伝える。

ＬＰ合成フィルタ105は、入力信号推定値

を結合器106に伝える。また、結合器106は、入力信号s(n)を受信し、入力信号

の推定値を入力信号s(n)から減算する。入力信号s(n)と入力信号推定値

との間の差は、知覚誤り重み付けフィルタ107に適用され、このフィルタは、

とs(n)との間の差及び重み付け関数W(z)に基づき、知覚的加重誤り信号e(n)を生成する。そして、知覚的加重誤り信号e(n)は、平方誤り最小化/パラメータ量子化ブロック108に伝えられる。平方誤り最小化/パラメータ量子化ブロック108は、誤り信号e(n)を用いて、誤り値E

を求め、また、引き続き、Eの最小化に基づき、入力信号s(n)の最良の推定値

を生成する最適な組の励起ベクトル関連パラメータL、βi、I、及びγを求める。そして
、量子化ＬＰ係数及び最適な組のパラメータL、βi、I、及びγは、通信チャネルを介し
て、受信側通信装置に伝えられ、そこで、音声合成器がＬＰ係数及び励起ベクトル関連パラメータを用いて、入力音声信号

の推定値を再構成する。他の使用方法には、コンピュータハードディスク等の電子又は電子機械装置への効率的な記憶を伴い得る。
符号器100等のＣＥＬＰ符号器において、ＣＥＬＰ符号器組合せ励起信号ex(n)を生成するための合成関数は、次の一般化した差分方程式によって与えられる。

上式において、ex(n)は、サブフレーム用の合成組合せ励起信号であり、

は、ＦＣＢ103等のコードブックから選択される符号ベクトル、即ち、励起ベクトルであ
り、Iは、選択された符号ベクトルを規定するインデックスパラメータ、即ち、符号語で
あり、γは、符号ベクトルをスケール変更するための利得であり、ex(n-L+i)は、現サブ
フレームの(n+i)番目のサンプルに対してL(整数分解能)サンプルだけ遅延された合成組合せ励起信号であり(発話音声の場合、Lは、通常、ピッチ周期に関係する)、βiは、長期予測子(ＬＴＰ)フィルタ係数であり、Nは、サブフレームにおけるサンプルの数である。n-L+ｉ<0である場合、ex(n-L+i)は、式(１a)に示すように構成された過去の合成励起の履歴
を含む。即ち、n-L+i<0である場合、式'ex(n-L+i)'は、現サブフレームに先立ち構成された励起サンプルに対応し、この励起サンプルは、ＬＴＰフィルタ伝達関数

に従って、遅延され、スケール変更されている。
符号器100等、通常のＣＥＬＰ音声符号器の仕事は、合成励起を規定するパラメータ、
即ち、符号器100におけるパラメータL、βi、I、及びγ、n<0である場合の所定のex(n)、並びに、短期線形予測子（ＬＰ）フィルタ１０５の求められた係数を選択することであり
、こうして、0=<n<Nの場合の合成励起数列ex(n)が、ＬＰフィルタ１０５によってフィル
タ処理される場合、その結果生じる合成音声信号

は、用いられたひずみ判定基準に基づき、そのサブフレームに対して符号化される入力音声信号s(n)を最も厳密に近似する。
ＬＴＰフィルタ次数K＞１である場合、式(1)で定義されるＬＴＰフィルタは、マルチタップフィルタである。上述したように、従来の整数サンプル分解能遅延マルチタップＬＴＰフィルタは、所定のサンプル、通常、隣接する遅延されたサンプルをKの加重合計とし
て予測しようとし、ここで、遅延は、予想されるピッチ周期値(通常、8kHzの信号サンプ
リングレートで20と147サンプルとの間)の範囲に限定される。整数サンプル分解能遅延(L)マルチタップＬＴＰフィルタは、非整数値の遅延を暗黙的にモデル化し、同時にスペク
トル整形(アタール、ラマチャンドランら)を提供する能力を有する。マルチタップＬＴＰフィルタは、Lの他に、K個の固有βi係数の量子化を必要とする。K=1である場合、一次ＬＴＰフィルタが生じ、単一のβ0係数及びLの量子化だけが必要である。しかしながら、整数サンプル分解能遅延Lを用いる一次ＬＴＰフィルタは、非整数遅延値を最も近い整数又
は非整数遅延の整数倍数に丸めること以外、非整数遅延値を暗黙的にモデル化する能力を有さない。また、スペクトル整形も行わない。それにもかかわらず、一次ＬＴＰフィルタの実施例は、一般的に用いられてきたが、この理由は、数多くの低ビットレート音声符号器実施例に対して考慮すべき事項として、２つのパラメータL及びβだけを量子化すれば
よいためである。

サブサンプル分解能遅延を用いる一次ＬＴＰフィルタは、最先端のＬＴＰフィルタ設計を大幅に進歩させた。この手法は、イラ・ガーソン（Ira_A_Gerson）及びマーク・ジャシク（Mark_A_Jasiuk)（以下、ガーソンらと称する）による米国特許第5,359,696号、"改善型サブサンプル分解能長期予測子を有するデジタル音声符号器"、並びに、ピータ・クロ
ーン(Peter_Kroon）及びビシュヌ・アタール（Bishnu_S_Atal）による教科書の一章、"音声符号化方式におけるピッチ予測子の性能改善に関して"、音声符号化の発展、クルーワ
・アカデミック出版社（Kluwer_Academic_Publishers）、1991年、第30章、pp321-327(以下、クローンらと称する)に記載されている。この手法を用いて、遅延の値は、明示的に
サブサンプル分解能で表現され、

として、ここで再定義する。

だけ遅延されたサンプルは、補間フィルタを用いることによって得ることができる。異なる小数部を有する

の値だけ遅延されたサンプルを演算処理する場合、所望の小数部を最も厳密に表現する補間フィルタ位相を選択し、補間フィルタの選択された位相に対応する補間フィルタ係数を用いたフィルタ処理によって、サブサンプル分解能遅延サンプルを生成し得る。サブサンプル分解能遅延を明示的に用いるこのような一次ＬＴＰフィルタは、予測されたサンプルにサブサンプル分解能を提供し得るが、スペクトル整形を提供する能力に欠ける。それにもかかわらず、(クローンら)によって、サブサンプル分解能遅延を備える一次ＬＴＰフィルタは、従来の整数サンプル分解能遅延マルチタップＬＴＰフィルタより、長期信号相関関係をもっと効率的に除去し得ることが分かっている。一次ＬＴＰフィルタであれば、２つのパラメータ、即ち、β及び

だけをエンコーダからデコーダへ伝えればよいため、L、及びK個の固有βi係数の量子化
を必要とする整数分解能遅延マルチタップＬＴＰフィルタと比較して、量子化効率が改善される。その結果、ＬＴＰフィルタの一次サブサンプル分解能形態は、現ＣＥＬＰタイプの音声符号化アルゴリズムに最も広く用いられている。このフィルタ用のＬＴＰフィルタ伝達関数は、

によって与えられる。式(3)及び(4)において暗黙的であることは、サブサンプル分解能遅延

によって指定されるサンプルを演算処理するために補間フィルタを用いることである。
図2は、上述したように、(図1に示す)マルチタップＬＴＰとサブサンプル分解能を備えたＬＴＰとの間の固有の差異を示す。符号器200において、ＬＴＰ204は、２つのパラメータ

だけを誤り最小化/パラメータ量子化ブロック208から必要とし、その後、パラメータ

を多重化装置109に伝える。
ＬＴＰフィルタを記述する際、ＬＴＰフィルタ伝達関数の一般化した形態が与えられていることに留意されたい。n<0の値に対するex(n)は、ＬＴＰフィルタ状態を含む。式(1)
又は(4)のex(n)を評価する際、n=>0であるnのサンプルへのアクセスを必要とするL又は

の値の場合、仮想コードブック又は適応コードブック(ACB)と呼ばれるＬＴＰフィルタ用
簡略化非等価形態が、用いられることが多いが、これについては、更に詳細に後述する。この手法は、リチャード・ケッチャム（Richard_H_Ketchum）、ウィレム・クライン（Willem_B_Kleijn）、及びダニエル・クラニンスキ（Daniel_J_Krasinski）による米国特許第4,910,781、表題"仮想検索を用いた符号励起型線形予測ボコーダ"(以下、ケッチャムらと称する)に記載されている。用語"ＬＴＰフィルタ"は、厳密に言うと、式(la)又は(4)の直接的な実施例を意味するが、本出願に用いるように、これは、ＬＴＰフィルタのACB実施
例も意味し得る。この区別が従来技術及び本発明の記述にとって重要な場合、これについては、明示的に記述する。

ACB実施例のグラフ表現を図３に示す。サブサンプル分解能フィルタ遅延

の値が、サブフレーム長Nより大きい場合、図2及び3は、ほぼ等価である。この場合、ACBメモリ310及びＬＴＰフィルタ204メモリは、本質的に同じデータを含む。しかしながら、フィルタ遅延がサブフレームの長さより小さい場合、スケール変更されたＦＣＢ励起及びＬＴＰフィルタメモリは、ＬＴＰメモリ204を再循環し、β係数による再帰的スケール変
更の繰り返しを受ける。ACB実施例310において、ACBベクトルは、形態

の利得１の長期フィルタを用いて、循環し、0=<n<Nにおいてc₀(n)=ex(n)とすると、これ
は、β係数の単一の非再帰的インスタンスによって、その後、スケール変更される。
議論したＬＴＰフィルタ、即ち、各々、直接(100、200)又はACB方法(300)を介して実現し得る整数分解能遅延マルチタップＬＴＰフィルタ及び一次サブサンプル分解能遅延ＬＴＰフィルタを実現する２つの方法について考えると、次のように考察し得る。

従来のマルチタップ予測子は、２つの仕事を同時に行う。即ち、スペクトル整形と、予測に用いられるサンプルの加重合計として、予測されたサンプルを生成することによる非整数遅延の暗黙的モデル化(アタールら及びラマチャンドランら)とを行う。従来のマルチタップＬＴＰフィルタにおいて、２つの仕事を共にモデル化すること（スペクトル整形及び暗黙的非整数遅延のモデル化）は効率的でない。例えば、３次マルチタップＬＴＰフィルタは、所定のサブフレームに対するスペクトル整形が不要な場合、非整数分解能で暗黙的に遅延をモデル化する。しかしながら、このようなフィルタの次数は、高品質の補間されたサンプル値を提供するのに充分な程高くない。

他方、一次サブサンプル分解能ＬＴＰフィルタは、遅延の小数部を明示的に用いて、任意の次数、従って、極めて高い品質の補間フィルタの位相を選択し得る。この方法では、サブサンプル分解能遅延が明示的に定義され用いられるが、補間フィルタ係数を表現する極めて効率的な方法が提供される。これらの係数は、明示的に量子化し送信する必要はないが、その代わり、受信した遅延から推測され、この場合、その遅延は、サブサンプル分解能で規定される。このようなフィルタは、スペクトル整形を導入する能力を有さないが、発話(擬似周期的)音声の場合、サブサンプル分解能で遅延を定義する効果は、スペクトル整形を導入する能力より重要であることが分かっている(クローンら)。なぜサブサンプル分解能遅延を備えた一次ＬＴＰフィルタが、従来のマルチタップＬＴＰフィルタより効率的であり得るか、また、極めて多くの業界標準に広く用いられるかについては、幾つかの理由がある。

サブサンプル分解能一次ＬＴＰフィルタは、ＬＴＰフィルタに極めて効率的なモデルを提供するが、サブサンプル分解能一次ＬＴＰフィルタにない特性であるスペクトル整形を行う機構を提供することが望ましい場合がある。音声信号高調波構造は、高い周波数では弱体化する傾向がある。この影響は、広帯域音声符号化方式では、更に顕著になり、(狭
帯域信号に対して)信号帯域幅の増大によって特徴付けられる。広帯域音声符号化方式に
おいて、(8kHzサンプリング周波数の場合)狭帯域音声符号化方式用の4kHz最大到達可能帯域幅と比較して、（16kHzのサンプリング周波数の場合）8kHzまでの信号帯域幅を達成し
得る。スペクトル整形を付加する１つの方法は、ブルーノ・べセット(Bruno_Bessette)、レッドワン・サラミ(Redwan_Salami)、及びロッホ・レフェブレ(Roch_Lefebvre)による特
許WO00/25298、表題"広帯域信号の符号化におけるピッチ検索"に記載されている(以下、
べセットらと称する)。この解法では、図4に示すように、選択すべき少なくとも２つの（その内の１つは、１の伝達関数を有し得る）スペクトル整形フィルタ(420)の提供が規定
され、更に、スペクトル整形フィルタを評価することによって明示的にＬＴＰベクトルをフィルタ処理する必要がある。この解法の他の実施例も記載されているが、これによって、各々別個のスペクトル整形を有する少なくとも２つの別個の補間フィルタが提供される。これら２つの実施例のいずれにおいても、ＬＴＰベクトルのフィルタ処理されたバージョンを次に用いて、ひずみ量を生成し、これを評価して(408)、ＬＴＰフィルタパラメー
タと共に、少なくとも２つのスペクトル整形フィルタのどちらを用いるか選択する(421)
。この手法は、スペクトル整形を変更する手段を提供するが、ＬＴＰベクトルのスペクトル的に整形されたバージョンを、そのＬＴＰベクトル及びスペクトル整形フィルタの組合せに対応するひずみ量の演算処理に先立ち明示的に生成する必要がある。選択対象の規模が大きい組のスペクトル整形フィルタが提供された場合、これによって、フィルタ処理動作のために複雑さが大幅に増加する。また、インデックスｍ等の選択されたフィルタに関する情報は、量子化し、エンコーダから(多重化装置109を介して)デコーダに伝える必要
がある。
米国特許第4,910,781号 WO00/25298、 米国特許第5,359,696号、 ビシュヌ・アタール（Bishnu_S_Atal）、"低ビットレートでの音声の予測符号化"、通信に関するIEEE議事録、VOL.COM-30、NO.4、1982年４月、pp600-614、 ラビ・ラマチャンドラン（Ravi_P_Ramachandran）並びにピータ・カバール（Peter_Kabal）、"音声符号化におけるピッチ予測フィルタ"、音響、音声、及び信号処理に関するIEEE議事録、VOL.37、NO.4、1989年４月、pp467-478、

従って、遅延の非整数値を(低レベルの複雑さで)効率的にモデル化し、また、スペクトル整形を提供する能力を有し得る音声符号化用の方法と装置に対するニーズがある。

上記ニーズに対応するために、音声符号化方式における予測のための方法と装置をここに提供する。サブサンプル分解能遅延を用いる一次ＬＴＰフィルタの方法は、マルチタップＬＴＰフィルタに拡張される。あるいは、他の観点から見ると、従来の整数サンプル分解能マルチタップＬＴＰフィルタは、サブサンプル分解能遅延を用いるために拡張される。マルチタップＬＴＰフィルタのこの新規の定式化によって、従来技術によるＬＴＰフィルタ構成に勝る数多くの利点が提供される。サブサンプル分解能で遅延を定義すると、補間フィルタによって用いられるオーバーサンプリングファクタの分解能の限界内において、少数成分を有する遅延値を明示的にモデル化し得る。このようなマルチタップＬＴＰフィルタの係数(βi)は、従って、少数成分を有する遅延の影響のモデル化からほとんど解
放される。その結果、それらの主な機能は、存在する周期性の程度のモデル化を介して、また、スペクトル整形を課すことによって、ＬＴＰフィルタの予測利得を最大にすることである。このことは、より効率的に劣る単一のモデルを用いて、非整数値の遅延及びスペクトル整形双方をモデル化するという、時として相反する仕事に取り組む従来の整数サンプル分解能マルチタップＬＴＰフィルタと対照的である。新しいＬＴＰフィルタを一次サブサンプル分解能ＬＴＰフィルタと比較すると、新しい方法は、一次サブサンプル分解能ＬＴＰフィルタをマルチタップＬＴＰフィルタに拡張する際、スペクトル整形をモデル化する能力を付加する。

幾つかの音声符号器用途の場合、ＬＴＰベクトルのスペクトル整形が望ましい場合があ
る。例えば、サブサンプル分解能遅延及びスペクトル整形双方を表現するための極めて効率的なモデルを提供する新しいＬＴＰフィルタの定式を用いると、所定のビットレートで音声品質を改善し得る。広帯域信号入力の音声符号器の場合、スペクトル整形を提供する能力は、他の重要性を帯びる。この理由は、信号の高調波構造が、周波数が高くなると先細りする傾向があり、このことがサブフレーム間で格差が生じる程度になるためである。スペクトル整形を一次サブサンプル分解能ＬＴＰフィルタに付加する従来技術による方法(べセットら)では、スペクトル整形フィルタがＬＴＰフィルタの出力に適用され、選択すべき少なくとも２つの整形フィルタが提供される。そして、スペクトル整形されたＬＴＰベクトルは、ひずみ量を生成するために用いられ、そのひずみ量は、どのスペクトル整形フィルタを用いるべきか決定するために評価される。

図5は、サブサンプル分解能遅延及びスペクトル整形を表現するためのもっと柔軟なモ
デルを提供するＬＴＰフィルタ構成を示す。このフィルタ構成は、スペクトル整形フィルタ処理動作を明示的に行うことなく、このようなフィルタのパラメータを演算処理又は選択するための方法を提供する。この本発明の側面によって、最適なスペクトル整形に関する情報を具現化するフィルタパラメータβiを極めて効率的に演算処理することが可能に
なる。あるいは、提供された組のβi係数値(即ち、βiベクトル)からマルチタップフィルタ係数βiを選択することが可能になる。ＬＴＰフィルタ504の一般化した伝達関数は、以下の通りである。

上記フィルタの次数は、Kであり、ここで、K>1を選択すると、マルチタップＬＴＰフィルタになる。遅延

は、サブサンプル分解能で定義され、また、小数部を有する遅延値

に対して定義され、補間フィルタを用いて、ガーソンら及びクローンらに詳述されるように、サブサンプル分解能遅延サンプルが演算処理される。少数成分を有する遅延の影響のモデル化からほとんど解放される係数(βi)は、演算処理又は選択して、存在する周期性
の程度をモデル化することによって、また、同時にスペクトル整形を課すことによって、ＬＴＰフィルタの予測利得を最大化し得る。これは、新しいＬＴＰフィルタ構成とべセットらとの間のもう１つの相違点である。(βi)係数は、スペクトル整形特性を暗黙的に具
現化する。即ち、選択すべき専用の組のスペクトル整形フィルタが存在する必要はなく、従って、フィルタ選択決定は、量子化され、エンコーダからデコーダに伝えられる。例えば、βi係数のベクトル量子化が行われ、βiベクトル量子化テーブルは、選択すべきJ個
の可能なβiベクトルを含み、このようなテーブルは、J個の別々のスペクトル整形特性を各βiベクトルに１つずつ暗黙的に含み得る。更に、後述するように、(508において)評価対象のβiベクトルに対応するひずみ量を演算処理するために、スペクトル整形フィルタ
処理を行う必要はない。本発明の他の実施形態において、ＬＴＰフィルタ係数は、ＬＴＰフィルタの多数のタップが対称になるように要求することによって、非整数遅延をモデル化する試みから完全に阻止し得る。対称フィルタでは、インデックスiの全ての有効な値
に対して、即ち、K₁=K₂、Kが奇数とすると、K₁<i<K₂に対して、β_-i=β_iである必要があ
る。このような構成は、量子化効率及び計算の複雑さを低減する上で有利であり得る。

本発明は、図6乃至9を参照すると更に充分に説明し得る。図6は、本発明の実施形態に
基づくＣＥＬＰ型音声符号器600のブロック図である。明らかなように、ＬＴＰフィルタ604には、コードブック310を含むマルチタップＬＴＰフィルタ604、K励起ベクトル生成器(620)、スケーリングユニット(621)、及び加算器612が含まれる。

符号器600は、１つ又は複数のマイクロプロセッサ、マイクロコントローラ、デジタル
信号プロセッサ(DSP)、その組合せ、又は当業者に知られている他のこのような装置等の
プロセッサに実装されるが、このプロセッサは、ランダムアクセスメモリ(RAM)、ダイナ
ミックランダムアクセスメモリ(DRAM)、及び/又は読み出し専用メモリ(ROM)又はその等価なもの等、プロセッサが実行し得るデータ、コードブック、及びプログラムを記憶する１つ又は複数の関連するメモリ装置と通信を行う。

新しいマルチタップＬＴＰフィルタの伝達関数(式5)を以下に再度述べる。即ち、

組合せ合成励起ex(n)を生成するための対応するＣＥＬＰ一般化差分方程式は、

である。

の場合、

へのアクセスが必要な

の値の好適な実施形態では、適応コードブック(ACB)手法を用いて複雑さを低減する。前
述したように、この手法は、ＬＴＰフィルタの簡略化非等価実施例であり、ケッチャムらに記載されている。この簡略化は、n<0に対して定義されたex(n)のサンプルに依存して、従って、0<n<Nの現サブフレームに対するex(n)の未定義サンプルとは独立に、現サブフレームの、即ち、0<n<Nのex(n)のサンプルを作成することから成る。この手法を用いて、ACBベクトルは、以下のように定義される。

少数成分を有する

の値の場合、補間フィルタを用いて、遅延サンプルを演算処理する。ケッチャムらで与えられたACBの元の定義とは異なり、ex(n)のK₂個の追加サンプルを、サブフレームのN番目
のサンプルを超えて演算処理する必要がある。即ち、

式(8乃至9)において生成されたex(n)のサンプルを用いて、新しい信号c_i(n)が定義される。即ち、
c_i(n)=ex(n+i)、0=<n<N、-K₁=<i=<K₂・・・(10)
次に、組合せ合成サブフレーム励起は、式(8乃至10)からの結果を用いて、以下のように
表すことができる。即ち、

音声エンコーダの仕事は、ＬＴＰフィルタパラメータ

及びβi並びに励起コードブックインデックスI及び符号ベクトル利得γを選択し、入力音声s(n)と符号化音声

との間の知覚的加重誤りエネルギを最小化することである。
式(11)を書き直すと、

となる。
知覚的加重合成フィルタによってフィルタ処理されるex(n)を

とすると、

は、知覚的加重合成フィルタH(z)=W(z)/Aq(z)によってフィルタ処理される

のバージョンである。更に、p(n)を、知覚的重み付けフィルタW(z)によってフィルタ処理される入力音声s(n)とすると、サンプル当たりの知覚的加重誤りであるe(n)は、

である。サブフレーム加重誤りエネルギ値であるEは、

によって与えられる。また、

に拡張し得る。
式(18)の括弧内の和

を移動すると、

となる。式(19)は、明らかに、以下の項目で等価的に表現し得る。即ち、
(i)βi、-K₁=<i=<K₂及びγ、又は等価的に(λ₀,λ_１,…,λ_K)、
(ii)フィルタ処理済構成要素ベクトル

間の

による相互相関、即ち、(R_cc(i,j))、
(iii)知覚的加重目標ベクトルp(n)と各フィルタ処理済構成要素ベクトルとの間の相互
相関、即ち、(R_pc(i))、及び
(iv)サブフレーム用の加重目標ベクトルp(n)のエネルギ、即ち、(R_pp)。

上記列挙した相関関係は、下式によって表し得る。

式(20)乃至(23)によって表される相関関係と、利得ベクトルλ_j(0<j<K)の項目とで式(19)を書き直すと、サブフレームの知覚的加重誤りエネルギ値であるEに対する下式を得る。
即ち、

共に最適な組の励起ベクトル関係の利得項λ_j(0<j<K)についての解法には、λ_j(0<j<K)に関してEを偏微分する段階と、その結果生じる各偏導関数方程式をゼロに等しく設定する
段階と、次に、その結果生じる系のK+1個の連立線形方程式を解く段階、即ち、次の組の
連立線形方程式を解く段階と、が含まれる。即ち、

(25)に与えられたK+1個の式を評価すると、K+1個の連立線形方程式の系になる。共に最適な利得のベクトル、即ち、スケールファクタ(λ₀,λ_１,…,λ_K)に対する解は、下式を
解くことによって、得られる。即ち、

当業者は、符号器600によってリアルタイムに式(26)を解く必要がないことを認識され
たい。符号器600は、それぞれの利得情報テーブル626に記憶された利得ベクトル(λ₀,λ
_１,…,λ_K)を処理して得る手順の一部として、式(26)をオフラインで解き得る。各利得情報テーブル626は、利得情報を記憶する１つ又は複数のテーブルで構成し得る。利得情報
は、それぞれの誤り最小化ユニット/回路608に含まれ、あるいは、それによって参照され、そして、励起ベクトル関係の利得項(λ₀,λ_１,…,λ_K)を量子化し共に最適化するため
に用い得る。式(11)に定義される（また、以下に再記載する）組合せ合成励起ex(n)によ
って要求される利得項及びγ、即ち、

は、式(14)に規定される変数マッピングを用いて次のように、即ち、

のように得られることに留意されたい。
このようにして得られた各利得情報テーブル626の場合、符号器600、特に、誤り最小化ユニット608の仕事は、利得情報テーブル626を用いて、利得ベクトル、即ち、(λ₀,λ_１,…,λ_K)を選択することであり、こうして、式(24)によって表されるサブフレーム用の知
覚的加重誤りエネルギEが、評価される利得情報テーブルのベクトルに対して最小化され
る。知覚的加重誤りベクトルに対して最小エネルギを生じる(λ₀,λ_１,…,λ_K)ベクトル
の選択を支援する場合、式(24)で表されたEの表現にλ_j(0<j<K)を含む各項は、各(λ₀,λ_１,…,λ_K)ベクトルについて予め演算処理し、それぞれの利得情報テーブル626に記憶し
得るが、この場合、各利得情報626は、ルックアップテーブルを含む。

一旦、利得情報テーブル626に基づき利得ベクトルが決定されると、選択された(λ₀,λ_１,…,λ_K)の各要素は、値“-0.5”を、式(24)の（選択された利得ベクトルに対応する）予め演算処理された項の第１番目の（K+1）、即ち、

の対応する要素に乗算することによって得ることができる。これによって、予め演算処理されたエラー項を記憶し（これによって、Eを評価するのに必要な演算処理を低減し）、
また、明示的に実際の(λ₀,λ_１,…,λ_K)ベクトルを量子化テーブルに記憶する必要性を
無くすことができる。相関関係R_pp、R_pc、及びR_ccは、上述したように、分解処理が

を生成することによって利得項(λ₀,λ_１,…,λ_K)から明示的に切り離されるため、相関
関係R_pp、R_pc、及びR_ccは、各サブフレームに対して一回だけ演算処理し得る。更に、R_ppの演算処理は、全て省略し得る。この理由は、与えられたサブフレームに対して、相関関係R_ppは、定数であり、式(24)の相関関係R_ppの有無に関わらず、同じ利得ベクトル、即ち、(λ₀,λ_１,…,λ_K)が選択されることになるためである。

上述したように式(24)の項が予め演算処理される場合、式(24)の評価は、評価対象の利得ベクトル当たり(K+1)[(K+1)+3]/2乗算積算(MAC)演算で効率的に実現し得る。誤り最小
化ユニット608の特定の利得ベクトル量子化器、即ち、利得情報テーブル626の特定フォーマットについてここでは例示のために説明するが、概説したこの方法は、メモリレス及び/又は予測手法を含み、スカラ量子化、ベクトル量子化、又はベクトル量子化及びスカラ
量子化手法の組合せ等、利得情報を量子化する他の方法に適用可能であることを当業者は
認識されたい。当分野では公知なように、スカラ量子化又はベクトル量子化手法を用いると、利得情報テーブル626に利得情報を記憶する段階が伴い、そして、これを用いて、利
得ベクトルが決定される。

従って、符号器600の動作時、エラー重み付けフィルタ107は、加重誤り信号e(n)を誤り最小化回路608に出力し、誤り最小化回路608は、加重誤り値を最小化するために選択されたマルチタップフィルタ係数及びＬＴＰフィルタ遅延

を出力する。上述したように、フィルタ遅延は、サブサンプル分解能値を含む。固定コードブック励起と共にフィルタ係数及びピッチ遅延を受信し、また、フィルタ遅延及びマルチタップフィルタ係数に基づき、組合せ合成励起信号を出力するマルチタップＬＴＰフィルタ604が提供される。

図6及び図7(後述)双方において、マルチタップＬＴＰフィルタ604、704は、フィルタ遅延を受信し、適応コードブックベクトルを出力する適応コードブックを含む。ベクトル生成器620、720が、時間シフトした/組合せ適応コードブックベクトルを生成する。各々、
時間シフトした適応コードブックベクトルを受信し、また、複数のスケール変更し時間シフトしたコードブックベクトルを出力する複数のスケーリングユニット621、721が提供される。時間シフトした適応コードブックベクトルの１つの時間シフト値は、無時間シフトに対応して0であってよいことに留意されたい。最後に、加算回路612は、選択されスケール変更したＦＣＢ励起ベクトルと共に、スケール変更し時間シフトしたコードブックベクトルを受信し、また、スケール変更し時間シフトしたコードブックベクトル及び選択されスケール変更されたＦＣＢ励起ベクトルの和として、組合せ合成励起信号を出力する。

次に、図7に示す本発明の他の実施形態について述べる。前述したように、サブサンプ
ル分解能遅延

を用いているマルチタップＬＴＰフィルタの係数βiは、ＬＴＰフィルタ遅延

の非整数値のモデル化からほとんど解放されるが、この理由は、少数成分を有する

の値の場合、部分的に遅延されたサンプルのモデル化が、補間フィルタを用いて明示的に行われるためである。例えば、ガーソンら及びクローンらにおいて教示されるように、遅延のサブサンプル分解能値が用いられる場合であっても、

を表す分解能が、補間フィルタによって用いられる最大オーバーサンプリングファクタ等の設計選択肢、及び

の離散値を表現するための量子化器の分解能によって、通常、制限される。式(24)のサブフレーム加重誤りエネルギEを最小化するように音声符号器利得を演算処理する又は選択
するプロセスは、K個のβi係数に固有なK個の自由度を用いて、その不一致を補正する。
一般的に、このことは、プラスの効果である。しかしながら、音声符号器利得を量子化するためのビット割当てが制限される場合、

を表現すべきひずみを、選択した(且つ有限の)分解能で補正するモデル化能力がマルチタップフィルタタップβiから削除されるように、サブサンプル分解能遅延マルチタップＬ
ＴＰフィルタ(即ち、そのACB実施例)を再定義すると都合が良いことがある。このような
定式化によって、βi係数の分散が低減され、後続の量子化に対してβiが更に修正可能になる。この場合、βi係数のモデル化の柔軟性は、存在する周期性の程度を表現すること
及びスペクトル整形をモデル化することに制限され、双方共、式(24)のEを最小化しよう
とすることの副産物である。

サブサンプル分解能マルチタップＬＴＰフィルタを強制的に奇数の次数にすること、即ち、フィルタ次数Kが奇数になるように要求すること、また、フィルタが対称になるよう
に要求すること、即ち、β_-i=β_i、K₁=K₂、及びK₁=<i<=K₂である特性を有すると、ＬＴＰフィルタ704が、上記設計目的を満足するようになる。対称フィルタは、偶数次数化し得
るが、好適な実施形態では、奇数であるように選択されていることに留意されたい。奇数
の対称フィルタに対応するように修正された式(6)のＬＴＰフィルタ伝達関数のバージョ
ンを以下に示す。即ち、

次に、ACBコードブック実施例に関連して、好適な実施形態のフィルタについて述べる。
式(8)から、ACBベクトル定義、即ち、

を思い出されたい。少数成分を有する

の値の場合、補間フィルタを用いて、遅延されたサンプルを演算処理する。K'=K₁=K₂として、新しい変数K'を定義する。次に、サブフレームのN番目のサンプルを超えてK'個のサ
ンプルだけex(n)を拡張する。即ち、

対称フィルタの次数は、

である。好適な実施形態において、K'=1である。β_-i=β_iであるため、固有なβi値だけ
について、即ち、-K'=<i<=K'の代わりに0=<i<=K'によって索引付けされるβi係数につい
て考えると便利である。このことは、次のように行い得る。式(30乃至31)において生成されたサンプルex(n)を用いて、次に、新しい信号ν_i(n)を定義する。即ち、

こうして、組合せ合成サブフレーム励起ex(n)は、式(30乃至32)からの結果を用いて、

のように表現し得る。音声エンコーダの仕事は、音声s(n)と符号化音声

との間のサブフレーム加重誤りエネルギが最小化されるように、ＬＴＰフィルタパラメータ

及びβi係数、並びに励起コードブックインデックスI及び符号ベクトル利得γを選択することである。式(33)を書き直すと、次のようになる。即ち、

知覚的加重合成フィルタによってフィルタ処理されたex(n)を

とする。

は、知覚的加重合成フィルタH(z)=W(z)／Aq(z)によってフィルタ処理された

のバージョンである。前述のように、p(n)を知覚的重み付けフィルタW(z)によってフィルタ処理された入力音声s(n)とすると、サンプル当たりの知覚的加重誤りe(n)は、

である。
サブフレーム加重誤りエネルギEは、

によって与えられる。これは、式(17)と同様である。式(18乃至26)と同様な解析及び導出に従って、次の誤り式

を得る。これは、次の組の連立方程式になる。即ち、

前述のように、符号器700によってリアルタイムに式(48)を解く必要がないこと当業者は
認識されたい。符号器700は、それぞれの利得情報テーブル726に記憶された利得ベクトル(λ₀,λ_１,…,λ_{K ’+1})を処理して得る手順の一部として、式(48)をオフラインで解き得る。利得情報テーブル726は、利得情報を記憶する１つ又は複数のテーブルで構成し得る
。利得情報は、それぞれの誤り最小化ユニット/回路708に含まれ、あるいは、それによって参照され、そして、励起ベクトル関係の利得項(λ₀,λ_１,…,λ_{K ’+1})を量子化し共に最適化するために用い得る。

これまでの本発明の好適な実施形態の説明において、マルチタップＬＴＰフィルタタップの間隔は、1サンプル離間しているものとして与えられた。本発明の他の実施形態にお
いて、マルチタップフィルタタップ間の間隔は、１サンプルと異なってよい。即ち、１サンプルの端数であってもよく、あるいは、整数及び小数部を有する値であってよい。本発明のこの実施形態は、式(6)を修正することによって、次のように示される。即ち、

式(6a)は、同様に修正して、

になることに留意されたい。Δ値は、用いられる補間フィルタの分解能に結び付け得る。補間フィルタの最大分解能が、信号s(n)がサンプリングされる周波数に対して1/8サンプ
ルである場合、l=<1として、Δは、l/8になるように選択し得る。また、式(6b)及び(6c)
には、フィルタタップの間隔が均一であるように示されているが、タップの間隔は不均一であるようにも実現し得ることに留意されたい。更に、Δ<1の値に対して、フィルタ次数Kは、タップの単一サンプル間隔の場合に対して、大きくしなければならないことがある
ことにも留意されたい。

符号器700において、励起パラメータL、βi、I、及びγの選択に関連する計算の複雑さの量を低減する場合、固定コードブックからの寄与がゼロであると仮定して、ＬＴＰフィルタパラメータ

及びβiを最初に選択し得る。これによって、式(46)のサブフレーム加重誤りの修正バー
ジョンが生じるが、この修正は、Eから、固定コードブックベクトルに関連する項を省く
ことが含まれ、簡略化した加重誤り式を生じる。即ち、

式(51)のEを最小化する一組の(λ₀,λ_１,…,λ_{K ’})利得の演算処理には、以下のK'+1個
の連立線形方程式を解く段階が含まれる。即ち、

あるいは、量子化テーブル又はテーブルでは、用いられる検索方法に基づき、式51でEを
最小化する(λ₀,λ_１,…,λ_{K ’})ベクトルを検索し得る。この場合、ＬＴＰフィルタ係数は、ＦＣＢベクトルの寄与を考慮することなく量子化される。好適な実施形態では、しかしながら、(λ₀,λ_１,…,λ_{K ’+1})の量子化された値の選択は、式(46)の評価によって導かれ、これは、(K ’+2)個の全符号器利得の共同最適化に対応する。これら２つの事例のいずれにおいても、加重目標信号p(n)は、ＦＣＢからゼロの寄与を仮定して、演算処理された(即ち、量子化テーブル(s)から選択された)(λ₀,λ_１,…,λ_{K ’})利得を用いて、p(n)から知覚的加重ＬＴＰフィルタ寄与を除去することによって、修正して固定コードブッ
ク検索用の加重目標信号p_ＦＣＢ(n)を与え得る。即ち、

そして、検索に用いられる方法に従ってＦＣＢを検索し、サブフレーム加重誤りエネルギE_ＦＣＢを最小化するインデックスiを求める。即ち、

上式において、iは、評価対象のＦＣＢベクトルのインデックスであり、

は、ゼロ状態の加重合成フィルタによってフィルタ処理されたi番目のＦＣＢ符号ベクト
ルであり、γ_iは、

に対応する最適スケールファクタである。得られたインデックスiは、選択されたＦＣＢ
ベクトルに対応する符号語であるIになる。
あるいは、ＦＣＢ検索は、中間ＬＴＰフィルタベクトルが'浮動状態'であると仮定して、実現し得る。この手法は、イラ・ガーソン（Ira_A_Gerson）による特許W09101545A1、
表題"改善された音声品質を有するベクトル励起源を備えたデジタル音声符号器"に記載されている。ここでは、ＦＣＢコードブックの検索方法が開示されており、評価対象の各候補ＦＣＢベクトルについて、共に最適な組の利得が、そのベクトル及び中間ＬＴＰフィル
タベクトルに対して仮定される。ＬＴＰベクトルは、ＦＣＢ寄与がないと仮定して、そのパラメータが選択され、修正を受けるという意味で"中間"である。例えば、インデックスiのＦＣＢ検索が完了すると、全ての利得は、引き続き、再計算（例えば、式(48)を解く
こと）によって又は量子化テーブルからの選択によって(例えば、選択基準として式(46)
を用いて)、再最適化を行うことができる。加重合成フィルタによってフィルタ処理され
る中間ＬＴＰフィルタベクトルを次のように定義する。即ち、

共に最適な利得を仮定したＦＣＢ検索に対応する加重誤り式は、

によって与えられる。評価対象の各

に対して、共に最適なパラメータΧ_i及びγ_iが仮定される。(用いられるＦＣＢ検索方法
に基づき)式(56)が最小化されるインデックスiは、選択されたＦＣＢ符号語Iになる。あ
るいは、修正された形態の式(56)を用いることによって、評価対象の各ＦＣＢベクトルに対して、(K'+2)の全スケールファクタが以下に示すように、共に最適化される。即ち、

即ち、評価対象のi番目のＦＣＢベクトルに対して、一組の共に最適な利得パラメータ(λ_0,i,…,λ_{K ’,i},γ_i)が仮定される。
ＦＣＢ検索の２つの方法、即ち、
(i)ＦＣＢ検索用の目標ベクトルを、そこから中間ＬＴＰベクトルの寄与を除去するこ
とによって再定義する方法、又は
(ii)共に最適な利得を仮定してＦＣＢ検索を行う方法、
のいずれかの場合、量子化効率の観点から、中間ＬＴＰベクトルの利得を制約すると有利
である。例えば、βi係数の量子化された値が、設計によって所定の大きさを超えないよ
うに制限されることが分かっている場合、中間ＬＴＰフィルタ係数には、演算処理の際、同様に制約を加え得る。

実施形態の１つでは、ＬＴＰフィルタ係数に次の制約を加え、中間フィルタ処理済ＬＴＰベクトル

を得る。まず、ＬＴＰフィルタ係数は、対称である、即ち、β_-i=β_i、また、ＬＴＰフィルタ係数が、i>1に対してゼロであると仮定する。また更に、中間フィルタ処理済ＬＴＰ
ベクトルは、

の形態であると仮定する。上記制約によって、整形フィルタ特性が、本質的に低域通過であることが保証される。式55のλは、β₀=θα、β₁=θ(1-α)/2であることに留意されたい。次に、加重誤りエネルギ値

を最小化するために、全体的なＬＴＰ利得値(θ)及び低域通過整形係数(α)を選択する。θについての式59の偏微分をゼロに設定すると、

になる。式(59)のθの値を代入することによって、分かることは、次の式を最大化するとEが最小値になることである。

以下を定義する。即ち、

次に、式(61)の表現は、

になる。また、αについて式(62)を微分して、それをゼロとすると、

となり、これは、式(62)の表現を最大にする。このようにして得られたパラメータαは、更に、1.0と0.5の範囲に限定され、低域通過スペクトル整形特性が保証される。全体的な
ＬＴＰ利得値θは、式60を介して得られ、上記(i)のＦＣＢ検索方法での用途に直接適用
し得る。あるいは、上記(ii)のＦＣＢ検索方法に基づき、共に最適化し得る（即ち、”浮動状態”になり得る）。更に、異なる制約をαに加えると、高帯域又はノッチ等、他の整形特性が可能になり、当業者には自明である。より高い次数のマルチタップフィルタへの同様な制約は、当業者には自明であり、そして、このことは、帯域通過整形特性を含む。

数多くの実施形態について、これまで述べてきたが、図8は、本発明の最良の形態を含
む一般化した装置を示し、図9は、対応する動作を示すフローチャートである。図8において分かるように、サブサンプル分解能遅延値

が、適応コードブック(310)及びシフタ/結合器(820)への入力として用いられ、式(8乃至10、13)によって、また更に、式(29乃至32、35)によって述べた複数のシフトした/組合せ
適応コードブックベクトルを生成する。上述したように、本発明は、適応コードブック又は長期予測子フィルタを含み得るが、ＦＣＢ成分は含んでも含まなくてもよい。また、加重合成フィルタW(z)/Aq(z)(830)を用いるが、これは、式(16)に至る本文で述べたように
、加重誤りベクトルe(n)の算術処理から生じるものである。当業者は認識されるように、加重合成フィルタ(830)は、ベクトル

に又は等価的にc(n)に適用し得る。あるいは、適応コードブック(310)の一部として組み
込み得る。フィルタ処理された適応コードブックベクトル

(901)及び目標ベクトルp(n)(903)は、(知覚誤り重み付けフィルタ(832)を通してフィルタ処理された)入力信号s(n)の知覚的加重バージョンに基づき得るが、次に、相関生成器(833)に提示され、これは、誤り最小化ユニット(808)への入力に必要な式(20乃至23)で定義
された複数の相関項(905)を出力する。複数の相関項に基づき、知覚的加重誤り値Eは、明示的フィルタ処理動作を行う必要なく評価され、複数のマルチタップフィルタ係数βi(907)が生成される。実施形態に応じて、誤り値Eは、式(24、46、51)において、符号器(600
、700)に対して述べた利得テーブル626の値を利用することによって評価し得る。あるい
は、式(26、48、52、63)に与えられた一組の連立線形方程式を通して直接解くことができる。いずれの場合でも、マルチタップフィルタ係数βiは、表記上の利便性のために、一
般的な形態の係数λ_i(式(14、28))と相互参照される。即ち、一般性を失うことなく、固
定コードブックの寄与を取り入れる。

本発明について、特に、特定の実施形態を参照して示し説明したが、これらにおいて、本発明の精神と範囲から逸脱することなく、形態及び細部の様々な変更を成し得ることを
当業者は理解されたい。例えば、本発明は、重み付けフィルタW(z)での用途について説明した。しかしながら、重み付けフィルタW(z)の具体的な特性について、人間の聴覚による知覚に基づく応答の観点で述べてきたが、本発明の場合、W(z)は、任意であり得ると仮定する。極端な場合、W (z)は、１の利得伝達関数W(z)=1であってよく、また、W(z)は、Ｌ
Ｐ合成フィルタの逆W(z)=Aq(z)であってもよく、その結果、残留領域における誤りの評価を行ってよい。従って、当業者は認識されるように、W(z)の選択は、本発明にとって重要ではない。

更に、本発明については、一般化したＣＥＬＰ枠の観点から説明したが、ここでは、提示した構成は、できるだけ本発明の説明が簡潔になるように簡略化されている。しかしながら、本発明を用いる構成については他の数多くの変形例が存在する可能性があり、これらの構成は、最適化して、例えば、処理の複雑さを低減し、及び/又は、本発明の範囲外
の手法を用いて性能を改善し得る。１つのこのような手法は、重ね合わせの理を用いてブロック図を一部変更して、重み付けフィルタW(z)を、加重誤り演算処理の複雑さを低減するために、ゼロの状態及びゼロの入力応答成分に分解し、他のフィルタ処理動作と組み合わせ得る。他のこのような複雑さの低減手法には、誤り最小化ユニット508、608、708が
、最終的な（閉ループ）最適化段階において、

の全ての可能な値をテストする必要がないように、開ループピッチ検索を行ない、

の中間値を得ることを含み得る。
当業者に公知の数多くのタイプのＦＣＢや様々な効率的なＦＣＢ検索手法が存在していることに留意されたい。用いた特定のタイプのＦＣＢは、本発明に本質的なものではなく、ＦＣＢコードブック検索によって、用いられた検索方式に基づき、E_ＦＣＢ,iを最小化
したＦＣＢインデックスIが生成されると仮定しているに過ぎない。また、本発明は、適
応コードブックとして実装されたマルチタップＬＴＰフィルタの文脈で説明したが、本発明は、マルチタップＬＴＰフィルタが直接実装される場合でも等価的に実現し得る。このような変更は、以下の請求項の範囲内に入るものとする。

整数サンプル分解能遅延マルチタップＬＴＰフィルタを用いる従来技術の符号励振型線形予測(ＣＥＬＰ)符号器のブロック図。 サブサンプル分解能一次ＬＴＰフィルタを用いる従来技術の符号励振型線形予測(ＣＥＬＰ)符号器のブロック図。 (仮想コードブックとして実現された)サブサンプル分解能一次ＬＴＰフィルタを用いる従来技術の符号励振型線形予測(ＣＥＬＰ)符号器のブロック図。 (仮想コードブックとして実現された)サブサンプル分解能一次ＬＴＰフィルタ及びスペクトル整形フィルタを用いる従来技術の符号励振型線形予測(ＣＥＬＰ)符号器のブロック図。 本発明の実施形態に基づく符号励振型線形予測(ＣＥＬＰ)符号器(制約なしサブサンプル分解能マルチタップＬＴＰフィルタ)のブロック図。 本発明の実施形態に基づく、(制約なしサブサンプル分解能マルチタップＬＴＰフィルタ、仮想コードブックとして実現された)符号励振型線形予測(ＣＥＬＰ)符号器のブロック図。 本発明の他の実施形態に基づく符号励振型線形予測(ＣＥＬＰ)符号器(サブサンプル分解能マルチタップＬＴＰフィルタの対称の実施例)のブロック図。 符号器(サブサンプル分解能マルチタップＬＴＰフィルタ及びサブサンプル分解能マルチタップＬＴＰフィルタの対称の実施例)に用いる本発明の信号フロー及び処理ブロックのブロック図。 本発明の実施形態に基づく、信号の符号化において図８のＣＥＬＰ符号器によって実行されるステップの論理フロー図。

Claims (7)

1. 音声を符号化するための方法であって、
   サブサンプル分解能遅延値、適応コードブック、及び加重合成フィルタに基づき、複数の加重適応コードブックベクトル
   

   

   を生成する段階と、
   入力信号ｓ（ｎ）を受信する段階と、
   前記入力信号に基づき、目標ベクトルｐ（ｎ）を生成する段階と、
   前記目標ベクトルｐ（ｎ）及び前記複数の加重適応コードブックベクトルに基づき、複数の相関項（Ｒ_ｃｃ（ｉ，ｊ），Ｒ_ｐｃ（ｉ））を生成する段階と、
   前記複数の相関項に基づき、複数の対称マルチタップ長期予測子フィルタ係数（βｉ）を生成する段階であって、前記複数の対称マルチタップ長期予測子フィルタ係数は、係数β_０＝αθ、β_１＝（１−α）θ／２、であり、αは整形フィルタの整形係数であり、θは長期予測利得値である段階と、
   整形係数αの値を、整形フィルタの特性が低域通過であるように制約する段階と、
   からなる方法。
2. 前記入力信号ｓ（ｎ）に基づき目標ベクトルｐ（ｎ）を生成する前記段階には、記入力信号ｓ（ｎ）を知覚的に重み付けすることによって、目標ベクトルｐ（ｎ）を生成する段階が含まれる請求項１に記載の方法。
3. 複数の対称マルチタップ長期予測子フィルタ係数を生成する前記段階には、誤り最小化基準に応答して、一組の連立線形方程式を解く段階が更に含まれる請求項１に記載の方法。
4. 整形係数αを、次式
   

   

   で計算する請求項１に記載の方法。
5. 整形係数αの値を、整形フィルタの特性が低域通過であるように制約する段階が、０．５＜α＜１．０になるように整形係数の値を制約する請求項４に記載の方法。
6. サブサンプル分解能遅延値、適応コードブック、及び加重合成フィルタに基づき、複数の加重適応コードブックベクトル
   

   

   を生成するための手段と、
   入力信号ｓ（ｎ）を受信するための手段と、
   前記入力信号ｓ（ｎ）に基づき、目標ベクトルｐ（ｎ）を生成するための手段と、
   前記目標ベクトルｐ（ｎ）及び前記複数の加重適応コードブックベクトルに基づき、複数の相関項（Ｒ_ｃｃ（ｉ，ｊ），Ｒ_ｐｃ（ｉ））を生成するための手段と、
   前記複数の相関項に基づき、複数の対称マルチタップ長期予測子フィルタ係数（βｉ）を生成するための手段であって、前記複数の対称マルチタップ長期予測子フィルタ係数は、係数β_０＝αθ，β_１＝（１−α）θ／２，であり、αは整形フィルタの整形係数であり、θは長期予測利得値である手段と、
   整形係数αの値を、整形フィルタの特性が低域通過であるように制約する手段と、
   からなる装置。
7. サブサンプル分解能遅延値、適応コードブック、及び加重合成フィルタに基づく複数の加重適応コードブックベクトル
   

   

   と、
   入力信号ｓ（ｎ）を受信し、少なくともｓ（ｎ）に基づき目標ベクトルｐ（ｎ）を出力する知覚誤り重み付けフィルタと、
   前記加重適応コードブックベクトル
   

   

   及び前記目標ベクトルｐ（ｎ）を受信し、前記目標ベクトルｐ（ｎ）及び前記加重適応コードブックベクトル
   

   

   に基づき、複数の相関項（Ｒ_ｃｃ（ｉ，ｊ），Ｒ_ｐｃ（ｉ）を出力する相関生成器と、
   前記複数の相関項を受信し、前記複数の相関項に基づき、複数の対称マルチタップ長期予測子フィルタ係数（βｉ）を出力する誤り最小化回路であって、前記複数の対称マルチタップ長期予測子フィルタ係数は、係数β_０＝αθ，β_１＝（１−α）θ／２，であり、αは整形フィルタの整形係数であり、θは長期予測利得値である回路と、
   整形係数αの値を、整形フィルタの特性が低域通過であるように制約する手段と、
   からなる装置。

Images