JP4820934B2 - 情報信号を符号化する方法および装置 - Google Patents

Description

本発明は、一般に、信号圧縮システムに関し、より詳細には、符号励振線形予測（ＣＥＬＰ）タイプの音声符号化システムに関する。

本願は、本願と同じ日付けで出願された米国特許出願第１０／２９０，５７２号、代理人書類番号第ＣＭＬ００８０８Ｍ号に関する。
デジタル音声および音響信号の圧縮はよく知られている。通信チャネルを通して信号を能率的に伝送するため、または、圧縮された信号を、固体メモリ・デバイスまたはコンピュータ・ハードディスクなどのデジタル・メディア・デバイス上に記憶するために、一般に、圧縮が必要である。多くの圧縮（または、「符号化」）技法が存在するが、デジタル音声符号化に非常によく使用され続けている１方法は、符号励振線形予測（ＣＥＬＰ）として知られており、「合成による分析」を用いる符号化アルゴリズムの系統の１つである。合成による分析は一般に、デジタル・モデルの複数のパラメータを使用して、入力信号と比較され、歪みについて分析される候補信号のセットが合成される符号化処理のことを言う。最も低い歪みが得られるパラメータのセットは、その後、送信されるか、または、記憶され、最終的には、元の入力信号の推定値を再構築するのに使用される。ＣＥＬＰは、１つまたは複数のコードブックを使用する、独特の合成による分析を用いる方法であり、コードブックはそれぞれ、実質的に、コードブック・インデックスに応答してコードブックから取出される符号ベクトルのセットを含む。

たとえば、図１は、従来技術のＣＥＬＰエンコーダ１００のブロック図である。ＣＥＬＰエンコーダ１００において、入力信号ｓ（ｎ）が、線形予測符号化（ＬＰＣ）分析ブロック１０１に適用され、ブロック１０１において線形予測符号化を使用して短期スペクトル包絡線が推定される。得られるスペクトル・パラメータ（または、ＬＰパラメータ）は、伝達関数Ａ（ｚ）で示される。スペクトル・パラメータがＬＰＣ量子化ブロック１０２に適用され、ＬＰＣ量子化ブロック１０２は、スペクトル・パラメータを量子化して、マルチプレクサ１０８で使用されるのに適した量子化されたスペクトル・パラメータＡ_q を作成する。量子化されたスペクトル・パラメータＡ_q は、その後、マルチプレクサ１０８に伝達され、マルチプレクサは、量子化されたスペクトル・パラメータＡ_q と２乗誤差最小化／パラメータ量子化ブロック１０７によって求められるコードブック関連のパラメータτ、β、κ、およびγのセットとに基づいて、符号化されたビット・ストリームを作成する。

量子化されたスペクトル・パラメータすなわちＬＰパラメータは、対応する伝達関数１／Ａ_q （ｚ）を有するＬＰＣ合成フィルタ１０５にも局所的に伝達される。ＬＰＣ合成フィルタ１０５は、第１結合器１１０から結合された励振信号ｕ（ｎ）も受信し、量子化されたスペクトル・パラメータＡ_q および結合された励振信号ｕ（ｎ）に基づいて入力信号ｓ＾（ｎ）の推定値を作成する。結合された励振信号ｕ（ｎ）は以下のようにして作成される。適応コードブック符号ベクトルｃ_τは、インデックス・パラメータτに基づいて適応コードブック（ＡＣＢ）１０３から選択される。適応コードブック符号ベクトルｃ_τは、その後、利得パラメータβに基づいて重み付けられ、重み付けられた適応コードブック符号ベクトルが、第１結合器１１０に伝達される。固定コードブック符号ベクトルｃ_κは、インデックス・パラメータκに基づいて固定コードブック（ＦＣＢ）１０４から選択される。固定コードブック符号ベクトルｃ_κは、その後、利得パラメータγに基づいて重み付けられ、重み付けられた適応コードブック符号ベクトルが、第１結合器１１０にも伝達される。第１結合器１１０は、その後、適応コードブック符号ベクトルｃ_τの重み付きの
ものを固定コードブック符号ベクトルｃ_κの重み付きのものと結合することによって、結合された励振信号ｕ（ｎ）を作成する。

ＬＰＣ合成フィルタ１０５は、入力信号推定値ｓ＾（ｎ）を第２結合器１１２に伝達する。第２結合器１１２は、入力信号ｓ（ｎ）も信し、入力信号ｓ（ｎ）から入力信号の推定値ｓ＾（ｎ）を減算する。入力信号ｓ（ｎ）と入力信号推定値ｓ＾（ｎ）の差は、知覚的誤差重み付けフィルタ１０６に適用され、フィルタ１０６は、ｓ＾（ｎ）とｓ（ｎ）の差と重み付け関数Ｗ（ｚ）に基づいて、知覚的に重み付けられた誤差信号ｅ（ｎ）を作成する。知覚的に重み付けられた誤差信号ｅ（ｎ）は、その後、２乗誤差最小化／パラメータ量子化ブロック１０７に伝達される。２乗誤差最小化／パラメータ量子化ブロック１０７は、誤差信号ｅ（ｎ）を使用して、入力信号ｓ（ｎ）の最良の推定値ｓ＾（ｎ）を作成する、コードブック関連のパラメータ、τ、β、κ、およびγの最適セットを求める。

図２は、エンコーダ１００に対応する従来技術のデコーダ２００のブロック図である。当業者が認識するように、エンコーダ１００によって実施される合成処理と同じ処理で、エンコーダ１００によって作成された符号化ビット・ストリームが、デコーダ２００のデマルチプレクサによって使用されて、コードブック関連のパラメータ（τ、β、κ、およびγである）の最適セットが復号される。そのため、エンコーダ１００によって作成された符号化ビット・ストリームが、誤差なしでデコーダ２００によって受信された場合、デコーダ２００によって出力される音声ｓ＾（ｎ）を、エンコーダ１００によって作成される入力音声推定値ｓ＾（ｎ）の厳密な複製として再構築することが可能である。

ＣＥＬＰエンコーダ１００は理論的には有用であるが、計算の複雑さをできる限り低く維持することが望まれるエンコーダの実用的な実施態様ではない。結果として、図３は、エンコーダ１００によって示すエンコーディング・システムに対して等価で、かつ、さらに実用的なシステムを利用する従来技術の例示的なエンコーダ３００のブロック図である。エンコーダ１００とエンコーダ３００の関係をよりよく理解するために、エンコーダ１００からのエンコーダ３００の数学的導出を調べることが有益である。読者の便宜のために、変数がｚ変換によって与えられる。

図１から、知覚的誤差重み付けフィルタ１０６が、入力信号と推定された入力信号の差に基づいて、重み付けされた誤差信号ｅ（ｎ）すなわち、

を作成する。この式から、重み付け関数Ｗ（ｚ）が分配され、入力信号推定値ｓ＾（ｎ）が、重み付けされたコードブック符号ベクトルのフィルタされた和に分解され得る。

項Ｗ（ｚ）Ｓ（ｚ）は入力信号の重み付けされたものに対応する。重み付けされた入力信号Ｗ（ｚ）Ｓ（ｚ）を、Ｓ_W （ｚ）＝Ｗ（ｚ）Ｓ（ｚ）と定義し、さらに、エンコーダ１００の重み付けされた合成フィルタ１０５を、ここで、伝達関数Ｈ（ｚ）＝Ｗ（ｚ）／Ａ_q （ｚ）で定義することによって、方程式２は以下のように書き直され得る。

ｚ変換表記法を使用することによって、フィルタ状態を明示的に定義する必要がない。ここで、ベクトル長Ｌが現在サブフレームの長さである、ベクトル表記法を使用することに移ると、方程式３は、重ね合わせの原理を使用することによって、以下のように書き直し得る。

ここで、
・Ｈは、合成フィルタ３０３および３０４などの、重み付けされた合成フィルタのインパルス応答ｈ（ｎ）から形成され、伝達関数Ｈ_zs（ｚ）またはＨ（ｚ）に対応する、Ｌ×Ｌのゼロ状態重み付け合成畳み込み行列であり、その行列は、

として表し得る。
・ｈ_zir は、前の入力からの状態による、Ｌ×１のゼロ入力応答のＨ（ｚ）である。
・ｓ_W は、Ｌ×１の知覚的に重み付けされた入力信号である。
・βは、スカラー適応コードブック（ＡＣＢ）利得である。
・ｃ_τは、インデックスτに応答するＬ×１のＡＣＢ符号ベクトルである。
・γは、スカラー固定コードブック（ＦＣＢ）利得である。
・ｃ_κは、インデックスκに応答するＬ×１のＦＣＢ符号ベクトルである。
Ｈを分配し、入力目標ベクトルをｘ_W ＝ｓ_W −ｈ_zir とすることによって、以下の方程式が得られ得る。

方程式６は、エンコーダ３００の第３結合器３０７によって作成され、結合器３０７によって２乗誤差最小化／パラメータ・ブロック３０８に結合される、知覚的に重み付けられた誤差（または、歪み）ベクトルｅ（ｎ）を表す。

上記式から、２乗誤差最小化／パラメータ・ブロック３０８によって、知覚的に重み付
けられた誤差の重み付けされものの最小化、すなわち‖ｅ‖² についての方程式が導出され得る。２乗誤差のノルムは、

として与えられる。複雑さの制約のために、音声符号化システムの実用的な実施態様は通常、２乗誤差を逐次的に最小にする。すなわち、ＡＣＢ成分が、まず、（ＦＣＢの寄与がゼロであると仮定することによって）最適化され、その後、ＦＣＢ成分が、所与の（前に最適化された）ＡＣＢ成分を使用して最適化される。ＡＣＢ／ＦＣＢ利得、すなわち、コードブック関連のパラメータβおよびγは、逐次的に選択されたＡＣＢ／ＦＣＢの符号ベクトルｃ_τおよびｃ_κが与えられると、再び最適化、すなわち、量子化されてもよいし、されなくてもよい。

逐次探索（sequential search ）を実施する理論は以下のようである。第１に、方程式７で提供される２乗誤差のノルムが、γ＝０と設定することによって変更され、その後、展開されて、

が作成される。２乗誤差の最小化は、その後、βに関してεの部分導関数をとり、量をゼロに設定することによって求められる。

これによって、（逐次的に）最適なＡＣＢ利得が得られる。

最適なＡＣＢ利得を方程式８に再び代入することによって、

が与えられる。ここで、τ^＊は、逐次的に求められる最適ＡＣＢインデックス・パラメー
タ、すなわち、括弧付きの式を最小にするＡＣＢインデックス・パラメータである。ｘ_W がτに依存しないため、方程式１１は、以下のように書き直し得る。

ここで、ｙ_τを、重み付けされた合成フィルタ３０３によってフィルタされたＡＣＢ符号ベクトルｃ_τに等しい、すなわち、ｙ_τ＝Ｈｃ_τであるとすることによって、方程式１３は、

に簡略化され、同様に、方程式１０は、

に簡略化され得る。
このように、方程式１３および方程式１４は、最適なＡＣＢインデックスτとＡＣＢ利得βを逐次的に求めるのに必要な２つの式を表す。これらの式をここで使用して、逐次的に最適なＦＣＢインデックスおよび利得の式が求められ得る。第１に、図３から、第２結合器３０６が、ｘ₂ ＝ｘ_W −βＨｃ_τであるような、ベクトルｘ₂ を作成することが見て分かる。ベクトルｘ_W は、知覚的な誤差重み付けフィルタ３０２の出力ｓ_W （ｎ）から、重み付けされた合成フィルタ３０１によってフィルタされた後の過去の励振信号ｕ（ｎ−Ｌ）を減算する第１結合器３０５によって作成される。項βＨｃ_τは、ＡＣＢ符号ベクトルｃ_τのフィルタされ重み付けされたもの、すなわち、重み付けされた合成フィルタ３０３によってフィルタされ、その後、ＡＣＢ利得パラメータβに基づいて重み付けされたＡＣＢ符号ベクトルｃ_τである。式ｘ₂ ＝ｘ_W −βＨｃ_τを、方程式７に代入することによって、

が生じる。ここで、γＨｃ_κは、ＦＣＢ符号ベクトルｃ_κのフィルタされ重み付けされたもの、すなわち、重み付けされた合成フィルタ３０４によってフィルタされ、その後、ＦＣＢ利得パラメータγに基づいて重み付けされたＦＣＢ符号ベクトルｃ_κである。最適なＡＣＢインデックス・パラメータτ^＊の上記導出と同様に、

であることが明らかである。ここで、κ^＊は、逐次的な最適ＦＣＢインデックス・パラメータ、すなわち、括弧付きの式を最大にするＦＣＢインデックス・パラメータである。κに依存しない項を集めることによって、すなわち、ｄ^T ₂＝ｘ^T ₂ＨおよびΦ＝Ｈ^T Ｈとすることによって、方程式１６は、

に簡略化され得る。ここで、逐次的な最適ＦＣＢ利得γは、

として与えられる。
このように、エンコーダ３００は、逐次的に、最適な励振ベクトル関連パラメータτ、β、κ、およびγを求める方法および装置を提供する。しかし、パラメータτ、β、κ、およびγを逐次求めることは、実際には最適以下である。それは、最適化の方程式が、１つのコードブック符号ベクトルの選択が、他のコードブック符号ベクトルの選択に対して与える影響を考慮していないためである。

コードブック関連パラメータτ、β、κ、およびγをよりよく最適化するために、以降で「ウッドワードおよびハンゾの論文」と呼ぶ非特許文献１は、いくつかの連携探索（joint search）手順を説明している。１つの説明された連携探索手法は、ＡＣＢおよびＦＣＢの網羅的な探索を伴う。しかし、非特許文献１に述べられているように、こうした連携探索処理は、逐次探索処理のほぼ６０倍の複雑さを伴う。ＡＣＢとＦＣＢの両方の網羅的な探索とほぼ同じ良好な結果が得られる、非特許文献１において説明されている他の連携探索処理は、逐次探索処理に比べて、３０〜４０％の複雑さの増加を伴う。しかし、３０〜４０％の複雑さの増加であっても、プロセッサがより多数のアプリケーションを実行するように求められた場合にはプロセッサに対して望ましくない負荷がかかり、プロセッサに異常に高い負荷がかかる恐れがある。
ウッドワードＪ．Ｐ．（Ｗｏｏｄｗａｒｄ，Ｊ．Ｐ．）およびハンゾＬ．（Ｈａｎｚｏ，Ｌ．）論文名「Ｉｍｐｒｏｖｅｍｅｎｔｓ ｔｏ ｔｈｅ Ａｎａｌｙｓｉｓ−ｂｙ Ｓｙｎｔｈｅｓｉｓ Ｌｏｏｐ ｉｎ ＣＥＬＰ Ｃｏｄｅｃｓ」 １１４〜１１８ページ １９９５年９月２６〜２８日開催のＩＥＥＥ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｒａｄｉｏ Ｒｅｃｅｉｖｅｒｓ ａｎｄ Ａｓｓｏｃｉａｔｅｄ Ｓｙｓｔｅｍｓにより出版

したがって、合成による分析を用いる、コードブック関連パラメータτ、β、κ、およ
びγをより能率的に求め、従来技術の連携探索処理の複雑さを伴わない方法および装置に対する必要性が存在する。

合成による分析を用いるコードブック関連パラメータτ、β、κ、およびγをより能率的に求め、従来技術の連携探索処理の複雑さを伴わない方法および装置に対する必要性に対処するために、従来のエンコーダより能率的にコードブック・パラメータを最適化するＣＥＬＰエンコーダが提供される。本発明の１実施形態では、ＣＥＬＰエンコーダは、計算された相関行列に基づいて、励振ベクトル関連インデックスを最適化し、その行列はフィルタされた第１励振ベクトルに基づいている。エンコーダは、その後、入力信号に基づく目標信号と相関行列とに少なくとも部分的に基づいて誤差最小化基準を評価し、誤差最小化基準に応答して励振ベクトル関連インデックス・パラメータを生成する。本発明の別の実施形態では、エンコーダはまた、目標信号を逆方向にフィルタして、逆方向にフィルタされた目標信号を作成し、逆方向にフィルタされた目標信号と相関行列とに少なくとも部分的に基づいて、誤差最小化基準を評価する。本発明のさらに別の実施形態では、連携探索重み係数を参照することによって、複数の励振ベクトル関連パラメータを連携して最適化するか、または逐次最適化するかの少なくともいずれかを行うことが可能であり、それによって、最適な誤差最小化処理を呼び起こすＣＥＬＰエンコーダが提供される。

一般に、本発明の１実施形態は、信号について合成による分析を用いる符号化を行う方法を包含する。本方法は、入力信号に基づいて目標信号を生成する工程と、第１励振ベクトルを生成する工程と、第１励振ベクトルに部分的に基づいて相関行列の１つまたは複数の要素を生成する工程とを含む。本方法は、目標信号と相関行列の１つまたは複数の要素とに部分的に基づいて誤差最小化基準を評価する工程と、誤差最小化基準に基づいて第２励振ベクトルに関連するパラメータを生成する工程とをさらに含む。

本発明の別の実施形態は、サブフレームについて合成による分析を用いる符号化を行う方法を包含する。本方法は、連携探索重み係数を計算する工程と、計算された連携探索重み係数に基づいて、複数の励振ベクトル関連パラメータのうちの少なくとも２つの励振ベクトル関連パラメータの連携最適化と、複数の励振ベクトル関連パラメータのうちの少なくとも２つの励振ベクトル関連パラメータの逐次最適化とのハイブリッドである最適化処理を実施する工程とを含む。

本発明のさらに別の実施形態は、合成による分析を用いる符号化を行う装置を包含する。本装置は、入力信号に基づいて目標信号を生成する手段と、第１励振ベクトルを生成するベクトル生成器と、第１励振ベクトルに部分的に基づいて相関行列の１つまたは複数の要素を生成し、相関行列の１つまたは複数の要素と目標信号とに部分的に基づいて誤差最小化基準を評価し、誤差最小化基準に基づいて第２励振ベクトルに関連するパラメータを生成する誤差最適化ユニットとを備える。

本発明のさらに別の実施形態は、サブフレームについて合成による分析を用いる符号化を行うためエンコーダを包含する。本エンコーダは、連携探索重み係数を計算し、連携探索重み係数に基づいて、複数の励振ベクトル関連パラメータのうちの少なくとも２つのパラメータの連携最適化と、複数の励振ベクトル関連パラメータのうちの少なくとも２つのパラメータの逐次最適化とのハイブリッドである最適化処理を実施するプロセッサを備える。

本発明は、図４〜図７を参照してより完全に述べることが可能である。図４は、本発明の実施形態による、合成による分析を用いる符号化処理を実施する符号励振線形予測（Ｃ
ＥＬＰ）エンコーダ４００のブロック図である。エンコーダ４００は、１つまたは複数の、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）、それらの組み合わせなどのプロセッサ、あるいは、データおよびプロセッサが実行することが可能であるプログラムを記憶する、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）、および／または、読み出し専用メモリ（ＲＯＭ）、または、それらの等価物などの、１つまたは複数の関連するメモリ・デバイスと接続する、当業者に知られている他のデバイスにおいて実施される。

図５は、本発明の実施形態による、信号を符号化する時にエンコーダ４００が実行する工程の論理フロー図５００である。論理フロー５００は、入力信号ｓ（ｎ）が、知覚的誤差重み付けフィルタ４０４に適用される時に開始する（５０２）。重み付けフィルタ４０４は、重み付け関数Ｗ（ｚ）によって入力信号を重み付けし、重み付けされた入力信号ｓ_W （ｎ）を作成する（５０４）。重み付けされた入力信号は、ベクトル表記でベクトルｓ_W として表し得る。さらに、過去の励振信号ｕ（ｎ−Ｌ）が、対応するゼロ入力応答のＨ_zir （ｚ）を有する重み付けされた合成フィルタ４０２に適用される。重み付けされた入力信号ｓ_W （ｎ）、および、重み付けされた合成フィルタ４０２によって作成された過去の励信信号ｕ（ｎ−Ｌ）のフィルタされたものはそれぞれ、第１結合器４１４に伝達される。第１結合器４１４は、重み付けされた入力信号ｓ_W （ｎ）から過去の励信信号ｕ（ｎ−Ｌ）のフィルタされたものを減算し、目標入力信号ｘ_W （ｎ）を作成する（５０６）。ベクトル表記法で、目標入力信号ｘ_W （ｎ）は、ベクトルｘ_W として表すことが可能であり、ここで、ｘ_W ＝ｓ_W −ｈ_zir であり、ｈ_zir は、重み付けされた合成フィルタ４０２によってフィルタされた過去の励信信号ｕ（ｎ−Ｌ）に対応する。第１結合器４１４は、その後、目標入力信号ｘ_W （ｎ）、すなわちベクトルｘ_W を第２結合器４１６に伝達する。

誤差最小化ユニット４２０によって生成されるベクトルに起因する励振ベクトル関連パラメータτに基づいて、初期の第１励振ベクトルｃ_τが、ベクトル生成器４０６によって生成される（５０８）。本発明の１実施形態では、ベクトル生成器４０６は、複数のベクトルを記憶する、適応コードブックなどの仮想コードブックであり、パラメータτは、コードブックに記憶される複数のベクトルのうちの１つのベクトルに対応するインデックス・パラメータである。こうした実施形態では、ｃ_τは適応コードブック（ＡＣＢ）符号ベクトルである。本発明の別の実施形態では、ベクトル生成器４０６は、長期予測器（ＬＴＰ）フィルタであり、パラメータτは、過去の励信信号ｕ（ｎ−Ｌ）の選択に対応するラグ（ｌａｇ）である。

初期の第１励振ベクトルｃ_τは、対応する伝達関数Ｈ_zs（ｚ）、または行列表記法でＨを有する、第１のゼロ状態に重み付けされた合成フィルタ４０８に伝達される。重み付けされた合成フィルタ４０８は、初期の第１励振ベクトルｃ_τをフィルタし、信号ｙ_τ（ｎ）、またはベクトル表記法でｙ_τ＝Ｈｃ_τであるようなベクトルｙ_τを作成する（５１０）。フィルタされた初期の第１励振ベクトルｙ_τ（ｎ）またはｙ_τは、その後、初期の第１励振ベクトル関連利得パラメータβに基づいて第１重み付け器４０９によって重み付けされ（５１２）、重み付けされフィルタされた初期の第１励振ベクトルβｙ_τ、またはβＨｃ_τは第２結合器４１６に伝達される。

第２結合器４１６は、目標入力信号またはベクトルｘ_W から、重み付けされフィルタされた初期の第１励振ベクトルβｙ_τ、またはβＨｃ_τを減算し、中間信号ｘ₂ （ｎ）、またはベクトル表記法でｘ₂ ＝ｘ_W −βＨｃ_τであるような中間ベクトルｘ₂ を作成する（５１４）。第２結合器４１６は、その後、中間信号ｘ₂ （ｎ）またはベクトルｘ₂ を第３結合器４１８に伝達する。第３結合器４１８はまた、初期の第２励振ベクトルｃ_κ、好ましくは、固定コードブック（ＦＣＢ）符号ベクトルの重み付けされフィルタされたものを
受信する。初期の第２励振ベクトルｃ_κは、初期の第２励振ベクトル関連インデックス・パラメータκ、好ましくは、ＦＣＢインデックス・パラメータに基づいて、コードブック４１０、好ましくは、固定コードブック（ＦＣＢ）によって生成される（５１６）。初期の第２励振ベクトルｃ_κは、対応する伝達関数Ｈ_zs（ｚ）、または行列表記法でＨを同様に有する、第２のゼロ状態に重み付けされた合成フィルタ４１２に伝達される。重み付けされた合成フィルタ４１２は、初期の第２励振ベクトルｃ_κをフィルタし、信号ｙ_κ（ｎ）、またはベクトル表記法でｙ_κ＝Ｈｃ_κであるようなベクトルｙ_κを作成する（５１８）。フィルタされた初期の第２励振ベクトルｙ_κ（ｎ）またはｙ_κは、その後、初期の第２励振ベクトル関連利得パラメータγに基づいて第２重み付け器４１３によって重み付けされる（５２０）。重み付けされフィルタされた初期の第２励振ベクトルγｙ_κ、またはγＨｃ_κは、その後、同様に第３結合器４１８に伝達される。

エンコーダ３００と同様に、ここで使用する符号は以下のように定義される。
・Ｈは、合成フィルタ３０３および３０４などの、重み付けされた合成フィルタのインパルス応答ｈ（ｎ）から形成され、伝達関数Ｈ_zs（ｚ）またはＨ（ｚ）に対応する、Ｌ×Ｌのゼロ状態重み付け合成畳み込み行列であり、その行列は、

として表し得る。
・ｈ_zir は、前の入力からの状態による、Ｌ×１のゼロ入力応答のＨ（ｚ）である。
・ｓ_W は、Ｌ×１の知覚的に重み付けされた入力信号である。
・βは、スカラー第１励振ベクトル関連利得である。
・ｃ_τは、パラメータτに応答して生成されるＬ×１の第１励振ベクトルである。
・γは、スカラー第２励振ベクトル関連利得である。
・ｃ_κは、インデックス・パラメータκに応答して生成されるＬ×１の第２励振ベクトルである。 ベクトル生成器４０６は、仮想コードブックまたはＬＴＰフィルタとしてここで述べられ、コードブック４１０は、固定コードブックとしてここで述べられるが、コードブックおよびそのそれぞれの符号ベクトルの配置は、本発明の精神および範囲から逸脱することなく、変わってもよいことを当業者は認識する。たとえば、第１コードブックは固定コードブックであってよく、第２コードブックは適応コードブックであってよく、または、第１コードブックと第２コードブックは共に、固定コードブックであってよい。

第３結合器４１８は、中間信号ｘ₂ （ｎ）、または、中間ベクトルｘ₂ から、重み付けされフィルタされた初期の第２励振ベクトルγｙ_κ、またはγＨｃ_κを減算し、知覚的に重み付けされた誤差信号ｅ（ｎ）を作成する（５２２）。知覚的に重み付けされた誤差信号ｅ（ｎ）は、その後、誤差最小化ユニット４２０、好ましくは、２乗誤差最小化／パラメータ量子化ブロックに伝達される。誤差最小化ユニット４２０は、誤差信号ｅ（ｎ）を使用して、誤差信号ｅ（ｎ）の２乗和を最小にすることによって、エンコーダ４００の性能を最適化する複数の励振ベクトル関連パラメータτ、β、κ、およびγのうちの少なくとも３つを連携して求める（５２４）。インデックス・パラメータτおよびκを最適化すること、すなわち、τ^＊およびκ^＊をそれぞれ求めることによって、ベクトル生成器４０６による最適な第１励振ベクトルｃ_τ＊の生成、コードブック４１０による最適な第２励振ベクトルｃ_κ＊の生成が行われ（５２６）、パラメータβおよびγをそれぞれ最適化す
ることによって、最適な励振ベクトルｃ_τ＊およびｃ_κ＊のフィルタされたものについての最適重み付けが行われ（５２８）、それによって、入力信号ｓ（ｎ）の最良の推定値が作成される（５３０）。論理フローはその後終了する（５３２）。

逐次最適化処理を実施することによって複数のコードブック関連パラメータτ、β、κ、およびγの最適なセットを求めるエンコーダ３００の２乗誤差最小化／パラメータ・ブロック３０８と違って、エンコーダ４００の誤差最小化ユニット４２０は、工程（５２４）にて連携最適化処理を実施することによって、励振ベクトル関連パラメータτ、β、κ、およびγの最適なセットを求める。連携最適化処理を実施することによって、励振ベクトル関連パラメータτ、β、κ、およびγを求めることが最適化される。それは、１つの励振ベクトルの選択が、他の励振ベクトルの選択に与える効果が、各パラメータの最適化時に考慮されるためである。

ベクトル表記法で、誤差信号ｅ（ｎ）は、ｅ＝ｘ_W −βＨｃ_τ−γＨｃ_κであるようなベクトルｅで表し得る。この式は、エンコーダ４００の第３結合器４１８によって作成され、誤差最小化ユニット４２０に結合器４１８によって結合される、知覚的に重み付けされた誤差（または、歪み）信号ｅ（ｎ）、または、誤差ベクトルｅを表す。工程（５２４）にて、エンコーダ４００の誤差最小化ユニット４２０によって実施される連携最適化処理は、知覚的に重み付けされた２乗誤差、すなわち、‖ｅ‖² を最小にしようとし、以下のように導出され得る。

第３結合器４１８によって作成される誤差ベクトルｅに基づいて、ε＝‖ｅ‖² であるような、総計２乗誤差、または、連携誤差、εは、以下のように定義され得る。

方程式１９の展開によって、以下の方程式が作成される。

「ベクトル生成器４０６／コードブック４１０」または「第１コードブック／第２コードブック」、方程式２０に存在する交差（ｃｒｏｓｓ）項βγｃ^T _τＨ^T Ｈｃ_κは、従来技術のエンコーダ３００によって実施される逐次最適化処理には存在しない。エンコーダ４００によって実施される連携最適化分析に交差項が存在していること、および、エンコーダ３００によって実施される処理には交差項が存在しないことは、それぞれの最適な励振ベクトル・インデックスτ^＊およびκ^＊、ならびに、対応する励振ベクトルｃ_τ＊およびｃ_κ＊の選択に大きな影響を与える。上記の誤差の式、すなわち、方程式２０の部分導関数をとり、部分導関数をゼロに設定すると、適切な誤差最小化基準を導出するのに使用され得る、以下の連立方程式のセットが得られる。

方程式２１および方程式２２を書き直すと、以下の方程式が得られる。

方程式２３は、τまたはκに依存しない項を結合することによって、すなわち、ｄ^T ＝ｘ^T _WＨおよびΦ＝Ｈ^T Ｈとすることによって、簡略化され、以下の方程式、すなわち、

または、等価的に、

を作成し得る。Ｃを符号ベクトル・セット［ｃ_τ ｃ_κ］、すなわち、Ｃ＝［ｃ_τ ｃ_κ］とし、［β γ］について解くことによって、誤差最小化ユニット４２０は、以下の方程式に基づいて、最適な第１および第２コードブック利得を連携して求め得る。

方程式２６は、ＣがＬ×１ベクトルではなく長さＬ×２行列を含むことを除けば、逐次の場合の最適利得の式、すなわち、方程式１０および方程式１８に非常によく似ている。ここで、連携誤差の式、すなわち、方程式２０を再び参照し、方程式２０をｄ^T およびΦによって書き直すと、方程式

または、等価的に、

が作成される。励振ベクトル・セットＣ＝［ｃ_τ ｃ_κ］および連携して最適な励振ベクトル関連利得［β γ］＝ｄ^T Ｃ［Ｃ^T ΦＣ］^−１を方程式２８に代入すると、以下の方程式が作成される。

Ｃ^T ΦＣ［Ｃ^T ΦＣ］^−１＝Ｉであるため、方程式２９は、

に変形される。
方程式３０に基づくと、エンコーダ４００の誤差最小化ユニット４２０が、最適な第１および第２励振ベクトル関連インデックスτ^＊およびκ^＊を連携して求め得る方程式が、ここで、

として表され得る。この方程式は、方程式１３および方程式１７に非常によく似ており、方程式の右辺は、誤差最小化ユニットによって評価される誤差最小化基準を含む。方程式３１は、最小の重み付けされた２乗誤差に基づく、第１および第２の励振ベクトルｃ_τ＊およびｃ_κ＊と、関連する利得との両方の、同時の連携最適化を表す。

しかし、この連携最適化の実施は複雑である。簡略化した、より実施し易い代替法を提供するために、本発明の別の実施形態では、第１励振ベクトルｃ_τは、誤差最小化ユニット４２０によって、好ましくは、方程式１４によって前もって最適化され、残りのパラメータｃ_κ、β、およびγは、その後、連携して最適に、誤差最小化ユニットによって求められてもよい。こうした実施形態において誤差最小化ユニット４２０が実行することが可
能である簡略化された式を導出する時に、方程式３１の誤差最小化基準、すなわち、方程式３１の右辺は、方程式を展開し、ｃ_κに独立な項を消去することによって以下のように書き直すことが可能である。

内部行列を反転させ、仮の変数を置き換えると、第２励振ベクトル関連インデックス・パラメータκの最適化のための以下の方程式が得られる。

ここで、Ｍ＝ｃ^T _τΦｃ_τ、Ｎ＝ｄ^T ｃ_τ、Ｂ_κ＝ｃ^T _τΦｃ_κ、Ａ_κ＝ｄ^T ｃ_κ、Ｒ_κ＝ｃ^T _κΦｃ_κであり、方程式３２の反転行列の行列方程式、すなわち、Ｄ_κは、以下の方程式で示される。Ｄ_κ＝ｃ^T _τΦｃ_τｃ^T _κΦｃ_κ−ｃ^T _κΦｃ_τｃ^T _τΦｃ_κ＝ＭＲ_κ−Ｂ² _κ。Ｍはフィルタされた第１励振ベクトルのエネルギーであり、Ｎは重み付けされた音声とフィルタされた第１励振ベクトルとの相関であり、Ａ_κは反転フィルタされた目標ベクトルと第２励振ベクトルとの相関であり、Ｂ_κはフィルタされた第１励振ベクトルとフィルタされた第２励振ベクトルとの相関である。

通常、逐次探索最適化処理に比べると、連携探索最適化処理の欠点は、連携探索最適化方程式の分子および分母を計算するのに必要とされる余計な演算のせいで、連携探索最適化処理が相対的に複雑であることである。しかし、連携探索処理、すなわち、方程式３３から得られる第２励振ベクトル関連インデックス最適化方程式の複雑さは、方程式３３のパラメータを、方程式１７と同じ形式の式を形成するように変換することによって、エンコ−ダ３００によって実施される逐次探索から得られる第２コードブック・インデックス最適化方程式の複雑さにほぼ等しくされ得る。

再び、エンコーダ４００を参照すると、ＭおよびＮ² は、負ではなく、κに独立でもあるため、方程式３３を解く代わりに、以下の方程式を解き得る。

ａ_κ＝ＭＡ_κ、ｂ_κ＝ＮＢ_κ、Ｒ' _κ＝ＭＮ² Ｒ_κ、およびＤ' _κ＝Ｎ² Ｄ_κとすると、方程式３４は、

として書き直し得る。Ｄ' _κ＝Ｎ² Ｄ_κ＝Ｎ² ＭＲ_κ−Ｎ² Ｂ² _κ、Ｒ' _κ＝ＭＮ² Ｒ_κおよびｂ_κ＝ＮＢ_κであるため、Ｒ' _κ＝Ｄ' _κ＋ｂ² _κであることによって、項Ｒ' _κをＤ' _κによって表し得る。Ｒ' _κ＝Ｄ' _κ＋ｂ² _κの式を方程式３５に代入することによって、以下の代数操作が得られる。

方程式３６ｃにおける定数、すなわち、「１」は、最大化処理に全く影響を与えないため、定数は除去され、その結果、方程式３６ｃは、

として書き直され得る。
次に、連携探索のパラメータは、従来技術の逐次ＦＣＢ探索の事前計算された２つのパラメータに変換され、それによって、誤差最小化ユニット４２０によって実施される連携探索処理において逐次ＦＣＢ探索アルゴリズムを使用することが可能になる。事前計算された２つのパラメータは、相関行列Φ' および逆方向にフィルタされた目標信号ｄ' である。エンコーダ３００によって実施される逐次探索において、逐次探索ベースのＣＥＬＰエンコーダ３００および方程式１７を再び参照すると、最適ＦＣＢ励振ベクトル・インデックスκ^＊は、以下のように誤差最小化基準から得られる。

ここで、方程式の右辺は誤差最小化基準を含み、ｄ^T ₂＝ｘ^T ₂ＨおよびΦ＝Ｈ^T Ｈである。エンコーダ４００によって示す実施形態によれば、方程式３７は、方程式１７と形式が同じである方程式を作成するように操作され得る。より具体的には、方程式３７を、分子が
２つのベクトル（その一方はκに独立である）の内積であり、分母が、相関行列Φ' もまたκに独立であるような、形式ｃ^T _κΦ' ｃ_κである形式に置き得る。

第１に、方程式３７の分子が、方程式１７の分子と比較され、類推され、方程式３７の分母を、方程式１７の分母と同じ形式に置く。すなわち、

である。方程式３９から、逐次探索について、方程式１５からの最適ＡＣＢ利得γが使用される場合で、さらに、方程式１６から、ｄ^T ₂＝ｘ^T ₂Ｈ＝（ｘ_W −βｙ_τ）^T Ｈであることに留意すると、

が推論され得る。ここで、項ｄ' は、誤差最小化ユニット４２０によって目標信号を逆方向フィルタすることによって作成される、逆方向にフィルタされた目標信号である。方程式４０が知らせていることは、方程式３７の分子が方程式１７の分子をスケーリングしたものに過ぎないことであり、より重要なことには、エンコーダ４００の誤差最小化ユニット４２０によって実施される連携探索処理の分子についての計算の複雑さは、全ての意図および目的について、エンコーダ３００によって実施される逐次探索処理についての分子の計算の複雑さと等価であるということである。

次に、方程式３７の分母が、方程式１７の分母と比較され、類推されて、方程式３７の分母を、方程式１７の分母と同じ形式に置く。すなわち、

である。前に定義された項を置き換えることによって、以下の等価の式の数列が導出され得る。

Φ＝Ｈ^T Ｈが対称であるため、Φ＝Φ^T ＝Ｈ^T Ｈである。

ここで、ｙ＝Ｈ^T ｙ_τとすると、方程式４１ｅは、

として書き直され、相関行列Φ' は、

として書かれ得る。結果として、誤差最小化ユニット４２０は、以下の方程式に基づいて、誤差最小化基準（方程式の右辺）から、連携最適化処理のための誤差最小化を最適にする最適励振ベクトル関連インデックス・パラメータκ^＊を求め得る。

または

方程式１７および方程式４４の誤差最小化基準の形式は一般に同じであるため、項ｄ' およびΦ' は、事前に計算され得り、任意の既存の逐次探索処理を、大幅な変更なしで、連携探索処理に変換することが可能である。事前計算処理は、方程式４４の分母の複雑さに基づくと、複雑に見える場合があるが、簡単な分析が示すところでは、付加される複雑さ
は、軽微でない場合でも、実際にはかなり低いと思われる。

第１に、上述したように、方程式１７の分子に比べて、方程式４４の分子の付加的な複雑さは些細なものである。Ｌ＝４０サンプルのサブフレーム長が与えられると、付加的な複雑さは、サブフレーム当たり４０倍である。方程式１４の最適τの計算について、Ｍ＝ｙ^T _τｙ_τが既に存在するため、追加の計算は必要ではない。同じことが、以下のＮ＝ｘ^T _Wｙ_τの計算について当てはまる。

次に、方程式４４の分母に関して、ｙ＝Ｈ^T ｙ_τの生成は、長さＬの約２分の１の線形畳み込み、すなわち、約４０×４２／２＝８４０の乗算−累算（ＭＡＣ）演算を必要とする。行列ΦのＮ² Ｍのスケーリングは、行列Φ＝Ｈ^T Ｈの生成前にインパルス応答ｈ（ｎ）の要素を

によってスケーリングすることによって能率的に実施され得る。これは、１回の２乗平方根演算と約４０の乗算演算のみを必要とする。同様に、ｙベクトルのＮによるスケーリングは、約４０回の乗算演算のみを必要とする。最後に、スケーリングされたｙｙ^T 行列の生成およびスケーリングされたΦ行列からの減算は、４０×４０行列の次数について約８４０のＭＡＣ演算のみを必要とする。これは、Ｙ＝ｙｙ^T が、階数１の行列として定義され（すなわち、Ｙ（ｉ，ｊ）＝ｙ（ｉ）ｙ（ｊ））、相関行列Φ' を、

として形成中に能率的に生成し得るためである。方程式４５から当業者に明らかなように、全ての相関行列Φ' を、一度に生成する必要はない。本発明の種々の実施形態では、誤差最小化ユニット４２０は、全ての相関行列を生成するのに伴うメモリ（ＲＡＭ）を節約するように、所与の時刻に１つまたは複数の要素Φ' （ｉ，ｊ）のみを生成することが可能であり、１つまたは複数の要素を、誤差最小化基準の評価時に使用して、最適利得パラメータκ、すなわち、κ^＊を求めることが可能である。さらに、相関行列Φ' を生成するために、誤差最小化ユニット４２０は、対称性があるために、相関行列の上三角部または下三角部などの相関行列の一部を生成することだけが必要である。そのため、長さ４０のサブフレームについて、逐次探索処理を連携探索処理へ変換するのに必要とされる総合の付加的な複雑さは、電気通信用途のための多くの音声符号化規格において見出される典型的な実施態様の場合、およそ、
サブフレーム当たり、４０＋８４０＋４０＋４０＋８４０＝１８００の乗算演算
または、およそ、
１８００乗算演算／サブフレーム×４サブフレーム／フレーム×５０フレーム／秒＝３６０，０００演算／秒
である。コードブック探索ルーチンが、容易に五百万〜１千万演算／秒に達し得ることを考慮すると、連携探索処理についての対応する複雑さの不利益は３．６〜７．２％に過ぎない。この不利益は、同じ性能の利点を手に入れながら、従来技術のウッドワードおよびハンゾの論文に推奨される、連携探索処理についての３０〜４０％の不利益よりずっと能率的である。

そのため、エンコーダ４００は、励振ベクトル関連インデックスを相関行列Φ' に基づ
いて最適化することによって、従来技術のエンコーダより能率的に、合成による分析を用いるパラメータτ、β、κ、およびγを求める。相関行列は、連携最適化処理の実行前に事前に計算され得る。エンコーダ４００は、フィルタされた第１励振ベクトルに部分的に基づいて相関行列を生成し、フィルタされた第１励振ベクトルはまた、初期の第１励振ベクトル関連インデックス・パラメータに基づいている。エンコーダ４００は、その後、目標信号および相関行列に少なくとも部分的に基づく最適な第２励振ベクトル関連インデックス・パラメータを求めることに関して誤差最小化基準を評価する。目標信号はまた入力信号に基づいている。エンコーダ４００は、その後、誤差最小化基準に基づいて、最適な第２励振ベクトル関連インデックス・パラメータを生成する。本発明の別の実施形態では、エンコーダはまた、目標信号を逆方向にフィルタして、逆方向にフィルタされた目標信号ｄ' を作成し、逆方向にフィルタされた目標信号と相関行列とに少なくとも部分的に基づいて、第２コードブック誤差最小化基準を評価する。

ここで、再び方程式４４を参照すると、方程式が示すところでは、ベクトルｙ＝０の場合、連携探索のための式は、図１７に述べる逐次探索処理のための対応する式と等価になるはずである。これは重要なことである。それは、合成による分析を用いる処理において、ある最適以下か、または、非線形な演算が存在した場合、本明細書で述べる連携探索処理を使用可能にする時および使用不能にする時を動的に選択することは有利である場合がある。結果として、本発明の別の実施形態では、合成による分析を用いるエンコーダは、励振ベクトル関連パラメータの最適化のために、ハイブリッド型の連携探索／逐次探索処理を実施することが可能である。どの探索処理を行うべきかを判断するために、合成による分析を用いるエンコーダは、逐次探索処理の性能と連携探索処理の性能の間で選択する選択機構を含む。好ましくは、選択機構は、連携探索と逐次探索処理の間で、エンコーダによって均衡をとることを容易にする、連携探索重み係数λに使用を伴う。こうした実施形態では、最適な励振ベクトル関連インデックスκ^＊の式を、

で与えることが可能である。ここで、０≦λ≦１は、連携探索重み係数を定義する。λ＝１の場合、式は方程式４４と同じである。λ＝０の場合、定数項（Ｍ，Ｎ）の影響は、等価的に、全てのコードブック・エントリｃ_κに及ぶため、式は、方程式１７と同じ結果が得られる。極値の間の値は、逐次探索処理と連携探索処理の間の性能のある程度の兼ね合いが得られるであろう。

ここで、図６および図７を参照すると、連携探索処理と逐次探索処理の両方を実施することが可能な合成による分析を用いるエンコーダが示される。図６は、本発明の別の実施形態による、連携探索処理と逐次探索処理の両方を実施することが可能な例示的なＣＥＬＰエンコーダ６００のブロック図６００である。図７は、連携探索処理を実施するか、または、逐次探索処理を実施するかを判断する時に、エンコーダ６００によって実行される工程の論理フロー図７００である。エンコーダ６００は、エンコーダ６００が、連携探索処理を実施するか、または、逐次探索処理を実施するかを判断することを可能にする連液探索重み係数λを利用する。エンコーダ６００は、第２コードブック４１０によって生成される励振ベクトルｃ_κをフィルタするゼロ状態ピッチ・プレフィルタ６０２を含み、連携探索重み係数λを計算し、計算された連携探索重み係数に基づいて、連携探索処理を実施するか、または、逐次探索処理を実施するかを判断する、誤差最小化ユニット、すなわち、２乗誤差最小化／パラメータ・ブロックをさらに含むことを除いてエンコーダ４００
と同様である。ピッチ・プレフィルタは、当該技術分野ではよく知られており、ここでは詳細には述べない。たとえば、例示的なピッチ・プレフィルタは、ＩＴＵ，Ｐｌａｃｅ ｄｅｓ Ｎａｔｉｏｎｓ，ＣＨ−１２１１ Ｇｅｎｅｖａ ２０，スイスから入手可能なＩＴＵ−Ｔ（Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｔｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎ Ｕｎｉｏｎ−Ｔｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎ Ｓｔａｎｄａｒｄｉｚａｔｉｏｎ Ｓｅｃｔｉｏｎ）推奨Ｇ．７２９、および、「ＣＳ−ＡＣＥＬＰ Ｓｐｅｅｃｈ Ｃｏｍｐｒｅｓｓｉｏｎ Ｓｙｓｔｅｍ ｗｉｔｈ Ａｄａｐｔｉｖｅ Ｐｉｔｃｈ Ｐｒｅｄｉｃｔｉｏｎ Ｆｉｌｔｅｒ Ｇａｉｎ Ｂａｓｅｄ ｏｎ ａ Ｍｅａｓｕｒｅ ｏｆ Ｐｅｒｉｏｄｉｃｉｔｙ」という名称の米国特許第５，６６４，０５５号に記載されている。

ゼロ状態ピッチ・プレフィルタの伝達関数を、

として表すことが可能である。ここで、β' は最適な励振ベクトル関連パラメータ利得βの関数である。すなわち、β' ＝ｆ（β）である。実施を容易にし、コードブック探索処理中に複雑さを最小にするために、ピッチ・プレフィルタ６０２は、探索処理の前に、エンコーダ６００の重み付けられた合成フィルタ４１２の重み付けられた合成フィルタ・インパルス応答ｈ（ｎ）で畳み込まれる。こうした畳み込み方法は周知である。しかし、連携探索のための励振ベクトル関連利得βについての最適値をまだ求めなければならないため、従来技術の連携探索（および、同様に、ＩＴＵ−Ｔ 推奨Ｇ．７２９に記載される逐次探索処理）は、ピッチ・プレフィルタ利得として、前のサブフレームからの量子化された励振ベクトル関連利得の関数を使用する。すなわち、β' （ｍ）＝ｆ（β_q （ｍ−１））であり、ｍは現在のサブフレームを表し、ｍ−１は前のサブフレームを表す。その量をデコーダにも利用可能にしなければならないため、量子化された利得の使用は重要である。しかし、前のサブフレームに基づくパラメータを、現在サブフレームについて使用することは、符号化される信号の特性が徐々に変化する可能性があるため、最適以下である。

ここで、図７を参照すると、エンコーダ６００などのＣＥＬＰエンコーダは、エンコーダ６００の誤差最小化ユニット６０４、好ましくは、２乗誤差最小化／パラメータ・ブロックによって、連携探索重み係数λを計算し（７０２）、２乗誤差最小化／パラメータ・ブロックによって、また、連携探索重み係数に基づいて、ハイブリッド型連携探索／逐次探索処理を実施する（７０４）、すなわち、方程式４６を参照すると、第１励振ベクトルおよび関連する第１励振ベクトル関連利得パラメータ、ならびに、第２励振ベクトルおよび関連する第２励振ベクトル関連利得パラメータのうちの少なくとも２つを連携して最適化するか、または、逐次的に最適化する、あるいは、２つの処理の間のどこかに位置する最適化処理を実施することによって、サブフレームの符号化のために、連携探索処理を実施するか、または、逐次探索処理を実施するかを判断する。

再び図６を参照すると、本発明の１実施形態において、エンコーダ６００の誤差最小化ユニット６０４によって実行される最適化処理では、現在のフレームの周期性がより強調されるのが望ましい。これは、現在フレームのピッチ周期がサブフレーム長より短く、非量子化励振ベクトル関連利得βが高い時に、連携探索重み係数λをよい小さな量に調整することによって達成される。これは、式

で記述され得る。ここで、ｆ（β）は、ｆ（β）＝１−β² の時に、良好な特性を有するように実験的に求められた。しかし、種々の他の関数も可能である。これは、ピッチ周期がサブフレームより小さい、周期性の高い信号について逐次探索処理を使用することをより強調する効果があり、周期性の程度は、方程式１３および方程式１４によって示される適応コードブック探索中に求められた。そのため、連携探索重み係数を求める時に、現在フレームの周期性が強調される時、エンコーダ６００は、周期性効果（β）が低いと、連携探索処理へ向かう傾向があり、周期性効果が高いと、逐次探索処理へ向かう傾向がある。例として、ラグτがサブフレーム長より小さく、周期性の程度が比較的低い（β＝０．４）時、連携探索重み係数の値は、λ＝１−（０．４）² ＝０．８６であり、連携探索に対する８６％の重み付けを表す。

本発明のさらに別の実施形態では、エンコーダ６００の誤差最小化ユニット６０４は、係数λを非量子化励振ベクトル関連利得βとピッチ遅延との両方の関数にしてもよい。これは、式

で記述され得る。周期性効果は、遅延がより小さい値になり、非量子化励振ベクトル関連利得βがより高い値になるとより顕著になる。そのため、励振ベクトル関連利得βが高いか、または、ピッチ遅延が低い時には、係数λが低いことが望まれる。以下の関数、すなわち、

は、所望の結果が得られるように実験的に見出された。そのため、連携探索重み係数を求める時に、非量子化ＡＣＢ利得およびピッチ遅延が強調される時、エンコーダ６００は、連携最適化処理に向かう傾向があり、そうでなければ、連携探索重み係数を求めることは、逐次探索処理に向かう傾向がある。例として、ラグτ＝３０であり、サブフレーム長Ｌ＝４０より小さく、周期性の程度が比較的低い（β＝０．４）時、連携探索重み係数の値は、λ＝１−０．１８×０．４×（１−３０／４０）＝０．９８であり、連携探索に対する９８％の重み付けを表す。

要約すると、従来技術のエンコーダより能率的に励振ベクトル関連パラメータを最適化するＣＥＬＰエンコーダが提供される。本発明の１実施形態では、ＣＥＬＰエンコーダは、計算された相関行列に基づいて励振ベクトル関連インデックスを最適化し、その行列は、フィルタされた第１励振ベクトルに基づいている。エンコーダは、その後、入力信号に
基づく目標信号と相関行列とに少なくとも部分的に基づいて、誤差最小化基準を評価し、誤差最小化基準に応答して励振ベクトル関連インデックス・パラメータを生成する。本発明の別の実施形態では、エンコーダはまた、目標信号を逆方向にフィルタして、逆方向にフィルタされた目標信号を作成し、第２コードブックを評価する。本発明のさらに別の実施形態では、連携探索重み係数を参照することによって、コードブック・インデックスを連携して最適化するか、または逐次最適化するかの少なくともいずれかを行うことが可能であり、それによって、最適な誤差最小化処理を呼び起こすＣＥＬＰエンコーダが提供される。

本発明を、本発明の特定の実施形態を参照して特に示し、述べたが、請求項に記載される本発明の範囲から逸脱することなく、変更を行ってもよく、本発明の要素を等価物で置き換えてもよいことが、当業者には理解されるであろう。したがって、明細書および図面は、制限的な意味ではなく、例示的な意味で考えられるべきであり、そのような変更および置き換えはすべて、本発明の範囲内に含まれるものとする。

効果、他の利点および課題解決策を、特定の実施形態に関して上述した。しかしながら、任意の効果、利点または解決策を生じさせ得るかそれ自体より顕著になり得る、そのような効果、利点、課題解決策は、任意またはすべての請求項の重要な、必要な、または必須の特徴もしくは要素と解釈すべきではない。本明細書で使用する場合、用語「〜成る、含む、備える（comprise）」やその変化形は、非排他的な包含物をその範囲内に入れるものとし、ある要素のリストを含むプロセス、方法、物、または装置は、その要素のみを含むわけではなく、明示的に列挙されていない他の要素やそのようなプロセス、方法、物、または装置に固有の要素を含みうる。さらに、第１および第２、頂部および底部等のような関係を示す用語が使用されている場合には、これらの用語は単にあるエンティティまたは行動を他のエンティティまたは行動から区別するためだけのものである。必ずしもこのようなエンティティまたは行動を実際にそのような関係または順序にする必要もないし、そのような関係または順序を意味するものでもないこともさらに理解されたい。
（表記についての補足）
本明細書において、例えば「ｓ＾（ｎ）」「ｄ^T ₂」は、それぞれ国際出願の英文明細書では

のようになっていたが、上付文字や下付文字を表記できないため、翻訳文では便宜的に上記のように表し、他の同様な箇所も同様に表しました。
また、ｃ_τ、ｃ_κ、Ｈ、ｈ_zir 、ｓ_W 、ｘ₂ 、ｘ_W 、ｅ、‖ｅ‖、τ^＊、τ、ｙ_τ、ｙ_κや、これらを用いたベクトル式は、国際出願の英文明細書では太字になっていたが、太字を表記できないため、翻訳文では便宜的に通常の文字で表しました。

従来技術の符号励振線形予測（ＣＥＬＰ）エンコーダのブロック図。 従来技術のＣＥＬＰデコーダのブロック図。 従来技術の別のＣＥＬＰエンコーダのブロック図。 本発明の実施形態によるＣＥＬＰエンコーダのブロック図。 本発明の実施形態による、信号を符号化する時の図４のＣＥＬＰエンコーダによって実行される工程の論理フロー図。 本発明の実施形態による、信号を符号化する時の図４のＣＥＬＰエンコーダによって実行される工程の論理フロー図。 本発明の別の実施形態によるＣＥＬＰエンコーダのブロック図。 本発明の実施形態による、連携探索処理を実施するか、または、逐次探索処理を実施するかを判断する時にＣＥＬＰエンコーダによって実行される工程の論理フロー図。

Claims (16)

1. 合成による分析を用いる符号化システムにおいてベクトル関連パラメータの連携最適化を行う方法であって、
   結合器が、入力信号に基づいて目標ベクトルを生成する工程と、
   結合器と通信する誤差最小化ユニットが、励振ベクトル関連利得（β）を決定する工程と、
   誤差最小化ユニットが、重み付けされた合成フィルタのインパルス応答（Ｈ）に基づいて、所定の第１の相関行列（Ф）の要素を生成する工程と、
   誤差最小化ユニットが、第１励振ベクトル（Ｃ _τ ）に基づいて相関行列（ｙｙ ^T ）の要
   素を生成する工程と、
   誤差最小化ユニットが、ピッチ遅延（τ）と、前記利得（β）との関数として連携探索重み係数（λ）を計算する工程と、
   誤差最小化ユニットが、該計算された連携探索重み係数（λ）に基づいて、前記第１励振ベクトルに基づいて生成された相関行列（ｙｙ ^T ）の要素と第１の相関行列（Ф）の要素とを組み合わせて第２の相関行列（Ф’）の要素を生成する工程と、
   誤差最小化ユニットが、該目標ベクトルと前記第２の相関行列（Ф’）の要素とに部分的に基づいて誤差最小化基準を決定する工程と、
   誤差最小化ユニットが、該誤差最小化基準に基づいて第２励振ベクトル（Ｃ _κ ）に関連するパラメータ（κ）を生成する工程と、
   前記ピッチ遅延（τ）および第２励振ベクトル（Ｃ _κ ）に関連するパラメータ（κ）に基づいて前記利得（β）を最適化する工程と、
   を含む方法。
2. 誤差最小化ユニットが、前記目標ベクトルを逆方向にフィルタして、逆方向にフィルタされた目標ベクトルを作成する工程をさらに含み、前記誤差最小化基準を決定する工程は、該逆方向にフィルタされた目標ベクトルと前記第２の相関行列の前記要素とに基づいて、誤差最小化基準を決定する工程を含む請求項１に記載の方法。
3. 前記誤差最小化基準に基づいて第２励振ベクトルに関連するパラメータを生成する工程は、
   前記誤差最小化基準に基づいて励振ベクトル関連インデックス・パラメータを生成する工程と、
   該励振ベクトル関連インデックス・パラメータに基づいて第２励振ベクトルを生成する工程と、を含む請求項１に記載の方法。
4. 前記誤差最小化基準に基づいて第２励振ベクトルに関連するパラメータを生成する工程は、
   前記誤差最小化基準に基づいて第２励振ベクトルを生成する工程と、
   前記第２励振ベクトルに基づいて第２励振ベクトルに関連するパラメータを生成する工程とを含む請求項１に記載の方法。
5. 連携探索重み係数を計算する前記工程は、サブフレームの長さを求める工程および該サブフレームのピッチ周期を求める工程を含み、前記方法は、
   誤差最小化ユニットが、該サブフレームの該求めた長さを、該サブフレームの該求めたピッチ周期と比較して、比較結果を作成する工程と、
   誤差最小化ユニットが、前記比較に基づいて連係探索重み係数を計算する工程と、を含む請求項１に記載の方法。
6. 連携探索重み係数を計算する前記工程は、前のサブフレームに関連する利得を求める工程を含み、前記方法は、前のサブフレームに関連する利得を求めることに応答して、誤差最小化ユニットが連係探索重み係数を計算する工程をさらに含む請求項１に記載の方法。
7. 信号について合成による分析を用いる符号化を行う装置（４００）であって、
   入力信号に基づいて目標ベクトルを生成する結合器（４１４）と、
   励振ベクトル関連利得（β）を決定し、
   重み付けされた合成フィルタのインパルス応答（Ｈ）に基づいて、所定の第１の相関行列（Ф）の要素を生成し、
   第１励振ベクトル（Ｃ _τ ）に基づいて相関行列（ｙｙ ^T ）の要素を生成し、
   ピッチ遅延（τ）と、前記利得（β）との関数として連携探索重み係数（λ）を計算し、
   該計算された連携探索重み係数（λ）に基づいて、前記第１励振ベクトルに基づいて生成された相関行列（ｙｙ ^T ）の要素と第１の相関行列（Ф）の要素とを組み合わせて第２の相関行列（Ф’）の要素を生成し、
   前記第２の相関行列（Ф’）の要素と前記目標ベクトルとに部分的に基づいて誤差最小化基準を決定し、
   該誤差最小化基準に基づいて第２励振ベクトル（Ｃ _κ ）に関連する少なくとも１つのパラメータ（κ）を生成し、
   前記ピッチ遅延（τ）および第２励振ベクトル（Ｃ _κ ）に関連するパラメータ（κ）に基づいて前記利得（β）を最適化する、前記結合器（４１４）と通信する誤差最適化ユニット（４２０）と、
   を備える、装置。
8. 前記誤差最小化ユニットはさらに、前記目標ベクトルを逆方向にフィルタして、逆方向にフィルタされた目標ベクトルを作成し、前記誤差最小化ユニットは、前記第２の相関行列の前記１つまたは複数の要素と該逆方向にフィルタされた目標ベクトルとに部分的に基づいて、誤差最小化基準を決定する請求項７に記載の装置。
9. 前記誤差最小化ユニットは、前記パラメータに基づいて第１の励振ベクトル（Ｃ _τ ）を生成するベクトル生成器（４０６）をさらに備え、
   誤差最適化ユニットは、前記誤差最小化基準に基づいて複数のパラメータを生成し、 前記ベクトル生成器（４０６）は、該複数のパラメータのうちの第１パラメータに基づいて第１励振ベクトル（Ｃ _τ ）を生成し、
   装置は、該複数のパラメータのうちの第２パラメータに基づいて第２励振ベクトル（Ｃ _κ ）を生成するコードブック（４１０）をさらに備える請求項７に記載の装置。
10. 前記複数のパラメータのうちの第３パラメータに基づいて前記第１励振ベクトル（Ｃ _τ ）に対して第１利得を適用する第１重み付け器（４０９）と、
    該複数のパラメータのうちの第４パラメータに基づいて前記第２励振ベクトル（Ｃ _κ ）に対して第２利得を適用する第２重み付け器（４１３）と、をさらに備える請求項９に記載の装置。
11. 装置は、
    前記目標ベクトルを、該第１励振ベクトル（Ｃ _τ ）から導出されるベクトル（βＨＣ _τ ）と結合して、中間ベクトル（Ｘ ₂ （ｎ））を作成する第１結合器（４１６）と、
    該中間ベクトル（Ｘ ₂ （ｎ））と第２励振ベクトル（Ｃ _κ ）から導出されるベクトル（γＨＣ _κ ）とに基づいて誤差ベクトル（ｅ（ｎ））を作成する第２結合器（４１８）と、をさらに備え、
    前記誤差最小化ユニットは該誤差ベクトルに基づいて相関行列を生成する請求項９に記載の装置。
12. 前記サブフレームの長さおよび該サブフレームのピッチ周期に基づいて連携探索重み係数が計算され、前記装置は、該サブフレームの該求めた長さを、該サブフレームの該求めたピッチ周期と比較して、比較結果を作成する手段を備え、前記誤差最小化ユニットは、該比較結果に応答して、連係最適化と逐次最適化との組み合わせである前記最適化処理を実施する請求項７に記載の装置。
13. 前記サブフレームは現在フレームを含み、前のサブフレームに関連する利得に基づいて連携探索重み係数が計算され、前記誤差最小化ユニットは、該前のサブフレームの求めた利得に応答して連係最適化と逐次最適化との組み合わせである前記最適化処理を実施する請求項７に記載の装置。
14. 前記第１励振ベクトルに基づいて生成された相関行列の要素と第１の相関行列の要素とを合計して第２の相関行列の要素を生成することは、前記連携探索重み係数に基づいて、前記第１励振ベクトルに基づいて生成された相関行列の要素と第１の相関行列の要素との重み付けされた合計を生成し、第２の相関行列の要素を生成するからなる請求項７に記載の装置。
15. 前記第１の相関行列Φは方程式Φ＝Ｈ^T Ｈにより求められ、Ｈは重み付けされた合成フィルタのインパルス応答である請求項１に記載の方法。
16. 前記第１の相関行列Φは方程式Φ＝Ｈ^T Ｈにより求められ、Ｈは重み付けされた合成フィルタのインパルス応答である請求項７に記載の装置。

Images