JP4824167B2 - 周期的スピーチコーディング - Google Patents
周期的スピーチコーディング Download PDFInfo
- Publication number
- JP4824167B2 JP4824167B2 JP2000590162A JP2000590162A JP4824167B2 JP 4824167 B2 JP4824167 B2 JP 4824167B2 JP 2000590162 A JP2000590162 A JP 2000590162A JP 2000590162 A JP2000590162 A JP 2000590162A JP 4824167 B2 JP4824167 B2 JP 4824167B2
- Authority
- JP
- Japan
- Prior art keywords
- prototype
- current
- previous
- reconstructed
- parameters
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Lifetime
Links
- 230000000737 periodic effect Effects 0.000 title claims description 14
- 238000000034 method Methods 0.000 claims abstract description 47
- 238000001914 filtration Methods 0.000 claims abstract description 21
- 238000004458 analytical method Methods 0.000 claims abstract description 15
- 239000013598 vector Substances 0.000 claims description 61
- 230000015572 biosynthetic process Effects 0.000 claims description 32
- 238000003786 synthesis reaction Methods 0.000 claims description 32
- 230000005540 biological transmission Effects 0.000 claims description 31
- 125000004122 cyclic group Chemical group 0.000 claims description 9
- 239000000284 extract Substances 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 8
- 230000002194 synthesizing effect Effects 0.000 claims 6
- 238000004364 calculation method Methods 0.000 description 22
- 238000010586 diagram Methods 0.000 description 16
- 230000005284 excitation Effects 0.000 description 15
- 230000001052 transient effect Effects 0.000 description 13
- 230000000875 corresponding effect Effects 0.000 description 9
- 230000006870 function Effects 0.000 description 9
- 238000012545 processing Methods 0.000 description 8
- 238000013139 quantization Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 206010019133 Hangover Diseases 0.000 description 4
- 230000001755 vocal effect Effects 0.000 description 4
- 238000005311 autocorrelation function Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 230000003595 spectral effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006698 induction Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000011045 prefiltration Methods 0.000 description 2
- 230000008054 signal transmission Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 210000001260 vocal cord Anatomy 0.000 description 2
- GAKUNXBDVGLOFS-DUZKARGPSA-N (1-acetyloxy-3-hexadecanoyloxypropan-2-yl) (9z,12z)-octadeca-9,12-dienoate Chemical compound CCCCCCCCCCCCCCCC(=O)OCC(COC(C)=O)OC(=O)CCCCCCC\C=C/C\C=C/CCCCC GAKUNXBDVGLOFS-DUZKARGPSA-N 0.000 description 1
- OVSKIKFHRZPJSS-UHFFFAOYSA-N 2,4-D Chemical compound OC(=O)COC1=CC=C(Cl)C=C1Cl OVSKIKFHRZPJSS-UHFFFAOYSA-N 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 210000004704 glottis Anatomy 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000037081 physical activity Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 238000010561 standard procedure Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
- G10L19/04—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using predictive techniques
- G10L19/08—Determination or coding of the excitation function; Determination or coding of the long-term prediction parameters
- G10L19/12—Determination or coding of the excitation function; Determination or coding of the long-term prediction parameters the excitation function being a code excitation, e.g. in code excited linear prediction [CELP] vocoders
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
- G10L19/04—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using predictive techniques
- G10L19/08—Determination or coding of the excitation function; Determination or coding of the long-term prediction parameters
- G10L19/097—Determination or coding of the excitation function; Determination or coding of the long-term prediction parameters using prototype waveform decomposition or prototype waveform interpolative [PWI] coders
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
- G10L19/04—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using predictive techniques
- G10L19/08—Determination or coding of the excitation function; Determination or coding of the long-term prediction parameters
- G10L19/12—Determination or coding of the excitation function; Determination or coding of the long-term prediction parameters the excitation function being a code excitation, e.g. in code excited linear prediction [CELP] vocoders
- G10L19/125—Pitch excitation, e.g. pitch synchronous innovation CELP [PSI-CELP]
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/27—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique
Landscapes
- Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
- Medicines That Contain Protein Lipid Enzymes And Other Medicines (AREA)
Description
【０００１】
【発明の属する技術分野】
本発明は、スピーチ信号のコーディングに関する。とくに、本発明は、擬似周期スピーチ信号を、その信号の原型部分だけを量子化することによるコーディングすることに関する。
【０００２】
【従来の技術】
現在、多くの通信システム、とくに長距離のデジタル無線電話用では音声をデジタル信号として送信する。これらのシステムの性能は部分的に、最小の数のビットで音声信号を正確に表すことに依存している。スピーチをサンプリングしてデジタル化することによって送信するだけで通常のアナログ電話機のスピーチ品質を得るには、６４キロビット／秒（ｋｂｐｓ）程度のデータレートが必要である。しかしながら、満足できるスピーチ再生のために必要とされるデータレートを著しく減少させるコーディング技術が利用可能である。
【０００３】
“ボコーダ”という用語は一般に、人間のスピーチ発声のモデルに基づいてパラメータを抽出することにより発声されたスピーチを圧縮する装置を示す。ボコーダにはエンコーダとデコーダとが含まれている。エンコーダは、入ってきたスピーチを解析して関連したパラメータを抽出する。デコーダは、それがエンコーダから伝送チャンネルを介して受取ったパラメータを使用してスピーチを合成する。スピーチ信号はしばしば、ボコーダによって処理されたデータおよびブロックのフレームに分割される。
【０００４】
線形予測ベースの時間ドメインコーディング方式を中心として形成されたボコーダは、その他全てのタイプのコーダを数的にはるかに上回る。これらの技術はスピーチ信号から相関させられた要素を抽出し、相関されていない要素だけを符号化する。基本的な線形予測フィルタは、現在のサンプルを過去のサンプルの線形組合せとして予測する。この特定のクラスのコーディングアルゴリズムの一例は、文献（Thomas E.Tremain氏他による“A 4.8 kbps Code Excited Linear Predictive Coder,”Proceedings of the Mobile Satellite Conference,1988 ）に記載されている。
【０００５】
これらのコーディング方式は、スピーチ中の固有冗長（すなわち、相関させられた要素）を全て除去することによりデジタル化されたスピーチ信号を低いビットレートの信号に圧縮する。スピーチは一般に唇と舌の物理的活動の結果生じた短期間冗長と、声帯の振動の結果生じた長期間冗長とを示す。線形予測方式は、これらの動作をフィルタとしてモデル化し、冗長を除去し、その後結果的に得られた残留信号をホワイトガウス雑音としてモデル化する。したがって、線形予測コーダは全帯域幅スピーチ信号ではなくフィルタ係数および量子化された雑音を送信することにより減少したビットレートを達成する。
【０００６】
【発明が解決しようとする課題】
しかしながら、スピーチ信号が長距離（たとえば、地上対衛星）を伝搬するか、あるいは混雑したチャンネル中でその他の多数の信号と共存しなければならない場合に、これらの減少したビットレートでさえ利用可能な帯域幅を越えることが多い。したがって、線形予測方式以外の、低ビットレートを達成する改善されたコーディング方式が必要とされている。
【０００７】
【課題を解決するための手段】
本発明は、擬似周期スピーチ信号をコーディングするための方法および装置である。スピーチ信号は、線形予測コーディング（ＬＰＣ）解析フィルタでスピーチ信号を濾波することにより生成された残留信号によって表される。残留信号は、その残留信号の現在のフレームから原型周期を抽出することによって符号化される。現在の原型周期を近似するために前の原型周期をどのように修正するかを記述する第１の組のパラメータが計算される。合計されたときに現在の原型周期と修正された前の原型周期との間の差を近似する１以上のコードベクトルが選択される。第２の組のパラメータは、これらの選択されたコードベクトルを記述する。デコーダは、第１および第２の組のパラメータに基づいて現在の原型周期を再構成することにより出力スピーチ信号を合成する。その後、現在の再構成された原型周期と前の再構成された原型周期との間の領域に対して残留信号が補間される。デコーダは補間された残留信号に基づいて出力スピーチを合成する。
【０００８】
本発明の特徴は、原型周期がスピーチ信号を表して再構成するために使用されることである。スピーチ信号全体ではなく原型周期をコーディングすることにより、必要とされるビットレートは減少し、それがさらに高い効率、さらに広い範囲およびさらに低い電力要求となる。
【０００９】
本発明の別の特徴は、過去の原型周期が現在の原型周期の予測子として使用されることである。現在の原型周期と最適に回転されスケールされた過去の原型周期との間の差が符号化されて送信され、それによって要求されるビットレートがさらに減少される。
【００１０】
本発明のさらに別の特徴は、連続する再構成された原型周期の加重された平均と平均遅延とに基づいて連続する再構成された原型周期間で補間することによりデコーダにおいて残留信号が再構成されることである。
【００１１】
本発明の別の特徴は、送信されたエラーベクトルを符号化するためにマルチステージコードブックが使用されることである。このコードブックは、効率的な記憶とコードデータのサーチを行う。所望のレベルの正確さを達成するために付加的なステージが追加されてもよい。
【００１２】
本発明の別の特徴は、コーディング動作にとって２つの信号の長さが等しいことが必要となった場合に、第２の信号の長さに適合するように第１の信号の長さを効率的に変更するためにワープフィルタが使用されることである。
【００１３】
本発明のさらに別の特徴は、原型周期が“カットフリー”領域を条件として抽出され、それによって、高エネルギをフレーム境界に沿って分割することによる出力の不連続を避けることである。
【００１４】
【発明の実施の形態】
本発明の特徴、目的および利点は、以下の詳細な説明および添付図面からさらに明らかになるであろう。なお、図面において同じ参照符号は同じまたは機能的に類似した構成要素を示している。さらに、参照符号の最大桁の数字はその参照符号が最初に現れた図面を示している。
Ｉ．環境の概説
II．本発明の概説
III ．初期パラメータの決定
Ａ．ＬＰＣ係数の計算
Ｂ．ＬＳＩ計算
Ｃ．ＮＡＣＦ計算
Ｄ．ピッチトラックおよび遅延の計算
Ｅ．帯域エネルギおよびゼロ交差レートの計算
Ｆ．ホルマント残留の計算
IV．アクティブ／非アクティブスピーチ分類
Ａ．ハングオーバーフレーム
Ｖ．アクティブスピーチフレームの分類
VI．エンコーダ／デコーダモード選択
VII ．コード励起線形予測（ＣＥＬＰ）コーディングモード
Ａ．ピッチ符号化モード
Ｂ．符号化コードブック
Ｃ．ＣＥＬＰデコーダ
Ｄ．フィルタ更新モジュール
VIII．原型ピッチ周期（ＰＰＰ）コーディングモード
Ａ．抽出モジュール
Ｂ．回転コリレータ
Ｃ．符号化コードブック
Ｄ．フィルタ更新モジュール
Ｅ．ＰＰＰデコーダ
Ｆ．周期インターポレータ
IX．雑音励起線形予測（ＮＥＬＰ）コーディングモード
Ｘ．結論
【００１５】
［Ｉ．環境の概説］
本発明は、可変レートスピーチコーディングのための新しい改善された方法および装置に関する。図１は、エンコーダ102 、デコーダ104 および伝送媒体106 を含む伝送環境100 を示している。エンコーダ102 はスピーチ信号ｓ（ｎ）を符号化し、伝送媒体106 を横切ってデコーダ104 に伝送するための符号化されたスピーチ信号ｓenc （ｎ）を形成する。デコーダ104 はｓenc （ｎ）を復号し、それによって合成されたスピーチ信号：
【数１】
を生成する。
【００１６】
ここで使用されている“コーディング”という用語は一般に、符号化および復号の両者を含む方法を示している。一般に、コーディング方法および装置は、許容可能なスピーチ再生（すなわち、＾ｓ（ｎ）はｓ（ｎ）に近似している）を維持しながら、伝送媒体106 を介して伝送されるビットの数を最小化しようとする（すなわち、ｓenc （ｎ）の帯域幅を最小化しようとする）。符号化されたスピーチ信号の合成は、特定のスピーチコーディング方法にしたがっていろいろである。以下、種々のエンコーダ102 、デコーダ104 およびそれらが動作するコーディング方法を説明する。
【００１７】
以下に説明するエンコーダ102 およびデコーダ104 のコンポーネントは電子ハードウェア、コンピュータソフトウェア、または両者の組合せとして実施されることができる。以下、これらのコンポーネントをそれらの機能性に関して説明する。ハードウェアまたはソフトウェアのどちらで機能が実施されるかは、特定の用途とシステム全体に課される設計上の制約に依存する。当業者は、これらの状況下においてハードウェアおよびソフトウェアが交換可能であること、および説明された機能を特定の用途のそれぞれに対して最良に実施するための方法を認識するであろう。
【００１８】
当業者は、伝送媒体106 が地上ベース通信ライン、基地局と衛星との間のリンク、セルラー電話機と基地局との間の、またはセルラー電話機と衛星との間の無線通信を含む多数の異なった伝送媒体を代表することができるが、それに限定されないことを認識するであろう。
【００１９】
当業者はまた、ある通信に対する各パーティが受信だけでなく送信もまたしばしば行うことを認識するであろう。したがって、各パーティにはエンコーダ102 とデコーダ104 が必要である。しかしながら、以下の説明において信号伝送環境100 は、伝送媒体106 の一方の端部にエンコーダ102 を含み、他端部にデコーダ104 を含むものとして示されている。当業者は、これらの考えをどのように２方向通信に拡大すべきかを容易に認識するであろう。
【００２０】
この説明のために、ｓ（ｎ）は、異なった声音と沈黙期間とを含む一般的な会話中に得られたデジタルスピーチ信号であると仮定する。スピーチ信号ｓ（ｎ）はフレームに分割され、各フレームはさらに（好ましくは４つの）サブフレームに分割されることが好ましい。これら任意の選択されたフレーム／サブフレーム境界は一般に、ここでのケースのように、あるブロック処理が行われるときに使用される。フレームに関して行われていると説明された動作はサブフレームに関しても行われ、この意味においてフレームとサブフレームはここでは交換可能に使用されている。しかしながら、ブロック処理ではなく連続的な処理が実施される場合には、ｓ（ｎ）をフレーム／サブフレームに分割する必要は全くない。当業者は、以下に示すブロック技術がどのように連続処理に拡大されるかを容易に認識するであろう。
【００２１】
好ましい実施形態において、ｓ（ｎ）は８ｋＨｚでデジタル的にサンプリングされる。各フレームは２０ｍ秒のデータを含んでいる、すなわち好ましい８ｋＨｚ速度で１６０個のサンプルを含んでいることが好ましい。したがって、各サブフレームはデータの４０個のサンプルを含んでいる。以下に示す多くの式は、これらの値をとることを認識することが重要である。しかしながら、これらのパラメータはスピーチコーディングにとって適切ではあるが単なる例示に過ぎず、他の適切な代替パラメータが使用可能なことを当業者は認識するであろう。
【００２２】
［II．本発明の概説］
本発明の方法および装置は、スピーチ信号ｓ（ｎ）のコーディングを含んでいる。図２は、エンコーダ102 およびデコーダ104 をさらに詳細に示している。本発明によると、エンコーダ102 は初期パラメータ計算モジュール202 と、分類モジュール208 と、および１以上のエンコーダモード204 とを含んでいる。デコーダ104 は１以上のデコーダモード206 を含んでいる。デコーダモードＮd の数は一般に、エンコーダモードＮe の数に等しい。当業者に明らかなように、エンコーダモード１はデコーダモード１と通信し、その他も同様に通信している。示されているように、符号化されたスピーチ信号ｓenc （ｎ）は伝送媒体106 を介して伝送される。
【００２３】
好ましい実施形態において、エンコーダ102 は、現在のフレームにｓ（ｎ）の特性を与えた場合にどのモードが最も適切かに応じてフレームごとに多くのエンコーダモード間で動的に切換わる。デーコーダ104 はまたフレームごとに対応したデコーダモード間で動的に切換わる。デコーダにおいて許容可能な信号再生を維持しながら最も低いビットレートを得るために各フレームに対して特定のモードが選択される。このプロセスは、コーダのビットレートが時間的に変化する（信号の特性が変化するにつれて）ため、可変レートスピーチコーディングと呼ばれる。
【００２４】
図３は、本発明による可変レートスピーチコーディングを示すフローチャート300 である。ステップ302 において、初期パラメータ計算モジュール202 は、データの現在のフレームに基づいて種々のパラメータを計算する。好ましい実施形態において、これらのパラメータは、線形予測コーディング（ＬＰＣ）フィルタ係数、線形スペクトル情報（ＬＳＩ）係数、正規化された自己相関関数（ＮＡＣＦ）、開ループ遅延、帯域エネルギ、ゼロ交差レート、およびホルマント残留信号の１以上のものを含んでいる。
【００２５】
ステップ304 において、分類モジュール208 は現在のフレームを“アクティブ”スピーチまたは“非アクティブ”スピーチのいずれかを含むものとして分類する。上述したように、ｓ（ｎ）は、通常の会話に関して一般的であるようにスピーチの周期と沈黙の周期の両方を含んでいると仮定される。アクティブスピーチは話された言葉を含み、非アクティブスピーチはその他の全て（たとえば、背景雑音、沈黙、息つぎ等）を含んでいる。以下、スピーチをアクティブまたは非アクティブとして分類するために使用される本発明による方法を詳細に説明する。
【００２６】
図３に示されているように、ステップ306 は、ステップ304 において現在のフレームがアクティブまたは非アクティブのいずれに分類されたかを考慮する。アクティブの場合、制御フローはステップ308 に進む。非アクティブの場合、制御フローはステップ310 に進む。
【００２７】
アクティブとして分類されたフレームは、ステップ308 において発声されたフレームか、無声化されたフレームか、または過渡フレームのいずれかとしてさらに分類される。当業者は、人間のスピーチが多くの異なった方法で分類可能であることを認識するであろう。通常の２つのスピーチ分類は発声された音および無声音である。本発明によると、発声されていないまたは無声の全てのスピーチは過渡スピーチとして分類される。
【００２８】
図４Ａは、発声されたスピーチ402 を含むｓ（ｎ）の例示的な部分を示している。発声音は、声帯が緩和振動で振動し、それによって声道を励起させる空気の擬似周期パルスを生成するように調節された声帯の緊張状態を伴って、強制的に空気が声門を通過するようにすることにより生成される。発声されたスピーチにおいて測定される１つの一般的な特性は、図４Ａに示されているピッチ周期である。
【００２９】
図４Ｂは、無声スピーチ404 を含むｓ（ｎ）の例示的な部分を示している。無声音は、声道中のある地点にくびれ（通常は口の末端に向かって）を形成し、強制的に空気が乱流を生じさせるのに十分に高い速度でそのくびれを通過するようにすることによって生成される。結果的に得られた無声スピーチ信号は、カラード(colored) 雑音に似ている。
【００３０】
図４Ｃは、過渡スピーチ406 （すなわち、発声されたものでもなく、無声音でもないスピーチ）を含むｓ（ｎ）の例示的な部分を示している。図４Ｃに示されている例示的な過渡スピーチ406 は、無声スピーチと発声されたスピーチとの間の過渡状態にあるｓ（ｎ）を表している。当業者は、これに匹敵した結果を得るためにスピーチの多くの異なった分類をここに記載されている技術にしたがって使用することが可能であることを認識するであろう。
【００３１】
ステップ310 において、ステップ306 および308 におけるフレーム分類に基づいてエンコーダ／デコーダモードが選択される。図２に示されているように種々のエンコーダ／デコーダモードが並列に接続される。これらのモードの１以上のものが任意の所定の時間に動作可能である。しかしながら、以下詳細に説明するように、任意の所定の時間に１つのモードだけが動作し、また、それは現在のフレームの分類にしたがって選択されることが好ましい。
【００３２】
いくつかのエンコーダ／デコーダモードが以下のセクションにおいて記載されている。異なったエンコーダ／デコーダモードが異なったコーディング方式にしたがって動作する。あるモードは、ある特性を示すスピーチ信号ｓ（ｎ）のコーディング部分においてより効果的である。
【００３３】
好ましい実施形態において、過渡スピーチとして分類されたフレームをコード化するために“コーディング励起線形予測”（ＣＥＬＰ）モードが選択される。ＣＥＬＰモードは、線形予測残留信号の量子化されたバージョンで線形予測声道モデルを励起する。ここに記載されている全てのエンコーダ／デコーダモードのうち、ＣＥＬＰにより一般に最も正確なスピーチ再生が得られるが、最高のビットレートが必要である。
【００３４】
発声されたスピーチとして分類されたフレームをコード化するために、“原型ピッチ周期”（ＰＰＰ）モードが選択されることが好ましい。発声されたスピーチは、ＰＰＰモードによって利用されるゆっくり時間と共に変化する周期的成分を含んでいる。ＰＰＰモードは、各フレーム内のピッチ周期のサブセットだけをコード化する。スピーチ信号の残りの周期は、これらの原型周期間において補間をすることにより再構成される。発声されたスピーチの周期性を利用することにより、ＰＰＰはＣＥＬＰより低いビットレートを達成し、依然としてスピーチ信号を知覚的に正確な方法で再生することができる。
【００３５】
無声スピーチとして分類されたフレームをコード化するために“雑音励起線形予測”（ＮＥＬＰ）モードが選択される。ＮＥＬＰは濾波された擬似ランダム雑音信号を使用して、無声スピーチをモデル化する。ＮＥＬＰはコード化されたスピーチに対して最も簡単なモデルを使用し、したがって最も低いビットレートを達成する。
【００３６】
同じコーディング技術は異なったビットレートで頻繁に動作されることが可能であり、その結果性能レベルが変化する。したがって、図２の異なったエンコーダ／デコーダモードは異なったコーディング技術、または異なったビットレートで動作している同じコーディング技術、あるいはそれらの組合せを表すことができる。当業者は、エンコーダ／デコーダモード数の増加により、モードを選択する際にさらに高いフレキシビリティが可能であり、その結果平均ビットレートをさらに低くすることができるが、システム全体の複雑性が増加することを認識するであろう。任意の所定のシステムにおいて使用される特定の組合せは、利用可能なシステムリソースおよび特定の信号環境によって指示される。
【００３７】
ステップ312 において、選択されたエンコーダモード204 は、現在のフレームを符号化し、符号化されたデータを伝送のためにデータパケットにパックすることが好ましい。ステップ314 において、対応したデコーダモード206 はデータパケットを分解し、受信されたデータを復号し、スピーチ信号を再構成する。以下、これらの動作を適切なエンコーダ／デコーダモードに関してさらに詳細に説明する。
【００３８】
［III ．初期パラメータの決定］
図５は、ステップ302 をさらに詳細に説明するフローチャートである。本発明にしたがって種々の初期パラメータが計算される。パラメータは、たとえば、ＬＰＣ係数、線形スペクトル情報（ＬＳＩ）係数、正規化された自己相関関数（ＮＡＣＦ）、開ループ遅延、帯域エネルギ、ゼロ交差レート、およびホルマント残留信号等を含んでいることが好ましい。これらのパラメータは、以下に説明するようにシステム全体内において種々の方法で使用される。
【００３９】
好ましい実施形態において、初期パラメータ計算モジュール202 は１６０＋４０個のサンプルの“ルックアヘッド”を使用する。これは、いくつかの目的のために機能する。第１に、１６０個のサンプルのルックアヘッドにより、ピッチ周波数追跡は次のフレーム中の情報を使用して計算されることが可能になり、それによって以下に説明されている音声コーディングとピッチ周期評価技術の粗さが著しく改善される。第２に、１６０個のサンプルのルックアヘッドにより、ＬＰＣ係数、フレームエネルギおよび音声アクティビティが将来の１つのフレームに対して計算されることが可能になる。これによって、フレームエネルギおよびＬＰＣ係数の効率的なマルチフレーム量子化が可能になる。第３に、付加的な４０個のサンプルのルックアヘッドは、以下に説明されるハミングウインドウ(Hamming windowed)スピーチに関してＬＰＣ係数を計算するためのものである。したがって、現在のフレームを処理する前にバッファされるサンプルの数は１６０＋１６０＋４０であり、これには現在のフレームと１６０＋４０個のサンプルのルックアヘッドが含まれている。
【００４０】
［Ａ．ＬＰＣ係数の計算］
本発明は、スピーチ信号中の短期間冗長を除去するためにＬＰＣ予測エラーフィルタを使用する。ＬＰＣフィルタに対する伝達関数は：
【数２】
本発明においては前の式に示されているように１０次フィルタを構成することが好ましい。デコーダ中のＬＰＣ合成フィルタは冗長を再挿入し、それはＡ（ｚ）の逆数：
【数３】
によって与えられる。
【００４１】
ステップ502 において、ＬＰＣ係数ａi は次のようにｓ（ｎ）から計算される。ＬＰＣパラメータは、現在のフレームに対する符号化手順中に次のフレームに対して計算されることが好ましい。
【００４２】
ハミングウインドウは、１１９番目と１２０番目のサンプルの間を中心とする現在のフレームに適用される（“ルックアヘッド”による好ましい１６０サンプルフレームを仮定して）。ウインドウ化されたスピーチ信号ｓw （ｎ）は、
【数４】
によって与えられる。
【００４３】
４０個のサンプルのオフセットにより、結果的にスピーチの好ましい１６０個のサンプルフレームの１１９番目と１２０番目との間を中心とするスピーチのウインドウが得られる。
【００４４】
１１個の自己相関値は、
【数５】
として計算されることが好ましい。
【００４５】
自己相関値は、
Ｒ（ｋ）＝ｈ（ｋ）Ｒ（ｋ），０≦ｋ≦１０
によって与えられるようにＬＰＣ係数から得られたラインスペクトル対（ＬＳＰ）のルートをミスする確率を減少するためにウインドウ化され、その結果、たとえば２５Ｈｚ等のわずかな帯域幅拡張が生じる。値ｈ（ｋ）は、２５５ポイントハミングウインドウの中心からとられることが好ましい。
【００４６】
その後、Ｄｕｒｂｉｎの帰納を使用してウインドウ化された自己相関値からＬＰＣ係数が得られる。Ｄｕｒｂｉｎの帰納はよく知られた効率的な計算方法であり、文献（Rabiner & Schafer による“Digital Processing Speech Signals,”）に記載されている。
【００４７】
［Ｂ．ＬＳＩ計算］
ステップ504 において、ＬＰＣ係数は量子化および補間のためにラインスペクトル情報（ＬＳＩ）係数に変換される。ＬＳＩ係数は、本発明にしたがって以下の方法で計算される。
【００４８】
上述のように、Ａ（ｚ）は、
Ａ（ｚ）＝１−ａ1 ｚ-1−…−ａ10ｚ-10 ，
によって与えられ、ここでａi はＬＰＣ係数であり、１≦ｉ≦１０である。
【００４９】
ＰA （ｚ）およびＱA （ｚ）は、次のように規定される：
【数６】
【００５０】
ラインスペクトルのコサイン（ＬＳＣ）は、以下の２つの関数の−１．０＜ｘ＜１．０における１０個のルートである：
【数７】
【００５１】
その後、
【数８】
にしたがってＬＳＩ係数が計算される。
【００５２】
ＬＳＣは、次式にしたがってＬＳＩ係数から得られる：
【数９】
【００５３】
ＬＰＣフィルタの安定性により、２つの関数のルートが交互すること、すなわち、最も小さいルートｌｓｃ1 がＰ´（ｘ）の最小のルートであり、２番目に小さいルートｌｓｃ2 がＱ´（ｘ）の最小のルートであり、その他も同様であることが保証される。したがって、ｌｓｃ1 ，ｌｓｃ3 ，ｌｓｃ5 ，ｌｓｃ7 およびｌｓｃ9 はＰ´（ｘ）のルートであり、ｌｓｃ2 ，ｌｓｃ4 ，ｌｓｃ6 ，ｌｓｃ8 およびｌｓｃ10はＱ´（ｘ）のルートである。
【００５４】
当業者は、ＬＳＩ係数の量子化に対する感度を計算するためのある方法を使用することが好ましい認識するであろう。各ＬＳＩ中の量子化エラーを適切に加重するために量子化プロセスにおいて“感度加重”が使用されることができる。
【００５５】
ＬＳＩ係数はマルチステージベクトル（ＶＱ）量子化器を使用して量子化される。ステージの数は、使用される特定のビットレートおよびコードブックに依存していることが好ましい。コードブックは、現在のフレームが発声されたか否かに基づいて選択される。
【００５６】
ベクトル量子化は、次式のように定義される加重平均自乗エラー（ＷＭＳＥ）を最小化する：
【数１０】
↑ｗはそれに関連した加重であり、↑ｙはコードベクトルである。好ましい実施形態において、↑ｗは感度加重であり、Ｐ＝１０である。
【００５７】
ＬＳＩベクトルは、
【数１１】
のような量子化として得られたＬＳＩコードから再構成され、ここでＣＢi は発声されたフレームまたは無声化されたフレームのいずれか（これは、コードブックの選択を示すコードに基づく）に対するｉ番目のステージのＶＱコードブックであり、ｃｏｄｅi はｉ番目のステージに対するＬＳＩコードである。
【００５８】
ＬＳＩ係数がＬＰＣ係数に変換される前に、量子化雑音またはＬＳＩ係数中へのチャンネルエラー注入雑音のせいで結果的に得られるＬＰＣフィルタが不安定にならないことを確実にするために安定性チェックが行われる。ＬＳＩ係数が順序付けられた状態のままである場合、安定性が保証される。
【００５９】
元のＬＰＣ係数を計算するときに、フレームの１１９番目のサンプルと１２０番目のサンプルの間を中心とするスピーチウインドウが使用された。フレーム中のその他のポイントに対するＬＰＣ係数は、前のフレームのＬＳＣと現在のフレームのＬＳＣとの間で補間をすることにより近似される。その後、結果的に得られた補間されたＬＳＣはＬＰＣ係数に変換されて戻される。各サブフレームに対して使用される正確な補間は、
ｉｌｓｃj ＝（１−αi ）ｌｓｃｐｒｅｖj ＋αi ｌｓｃｃｕｒｒj ，
１≦ｊ≦１０
によって与えられる。ここで、αi は４０個の各サンプルの４つのサブフレームに対する補間係数０．３７５，０．６２５，０．８７５，１．０００であり、ｉｌｓｃは補間されたＬＳＣである。＾ＰA （ｚ）および＾ＱA （ｚ）は補間されたＩＳＣにより次式にしたがって計算される：
【数１２】
４つのサブフレーム全てに対する補間されたＬＰＣ係数は、
【数１３】
［Ｃ．ＮＡＣＦ計算］
ステップ506 において、正規化された自己相関関数（ＮＡＣＦ）が本発明にしたがって計算される。
【００６０】
次のフレームに対するホルマント残留は４つの４０サンプルサブフレームに対して以下のように計算される：
【数１４】
ここで、補間は現在のフレームの量子化されていないＬＳＣと次のフレームのＬＳＣとの間において行われる。次のフレームのエネルギはまた以下のように計算される：
【数１５】
【００６１】
上記で計算された残留は好ましくは長さ１５のゼロ位相ＦＩＲフィルタを使用してローパスフィルタ処理され、デシメート（ｄｅｃｉｍａｔｅ）され、ゼロ位相ＦＩＲフィルタの係数ｄｆi （−７≦ｉ≦７）は｛０．０８００，０．１２５６，０．２５３２，０．４３７６，０．６４２４，０．８２６８，０．９５４４，１．０００，０．９５４４，０．８２６８，０．６４２４，０．４３７６，０．２５３２，０．１２５６，０．０８００｝である。ローパスフィルタ処理され、デシメートされた残留は次のように計算される：
【数１６】
ここでＦ＝２はデシメーション係数であり、−７≦Ｆｎ＋ｉ≦６であるｒ（Ｆｎ＋ｉ）は、量子化されていないＬＰＣ係数に基づく現在のフレームの残留の最後の１４個の値から得られる。上述したように、これらのＬＰＣ係数は、前のフレーム中に計算され記憶される。
【００６２】
次のフレームの２つのサブフレーム（デシメートされた４０個のサンプル）に対するＮＡＣＦは、以下のように計算される：
【数１７】
【００６３】
負のｎを有するｒd （ｎ）に対して、現在のフレームのローパスフィルタ処理されてデシメートされた残留（前のフレーム期間中に記憶された）が使用される。現在のサブフレームｃ ｃｏｒｒに対するＮＡＣＦもまた計算されて前のフレーム期間中に記憶される。
【００６４】
［Ｄ．ピッチトラックおよび遅延の計算］
ステップ508 において、ピッチトラックおよび遅延が本発明にしたがって計算される。ピッチ遅延は後方トラックによりビタビ状サーチを使用して、以下のように計算されることが好ましい。
【００６５】
【数１８】
Ｒ2i+1に対する値を得るためにベクトルＲＭ2iが次のように補間される：
【数１９】
ここでｃｆj は補間フィルタであり、その係数は｛−０．０６２５，０．５６２５，０．５６２５，−０．０６２５｝である。その後、遅延ＬC は、
【数２０】
であるように選択され、現在のフレームのＮＡＣＦは、
【数２１】
に等しく設定される。その後、
【数２２】
より大きい最大相関に対応した遅延をサーチすることにより遅延倍数が除去される。
【００６６】
［Ｅ．帯域エネルギおよびゼロ交差レートの計算］
ステップ510 において、０−２ｋＨｚ帯域および２ｋＨｚ−４ｋＨｚ帯域中のエネルギが本発明にしたがって以下のように計算される：
【数２３】
Ｓ（ｚ），ＳL （ｚ）およびＳH （ｚ）はそれぞれ入力スピーチ信号ｓ（ｎ）、ローパス信号ｓL （ｎ）およびハイパス信号ｓH （ｎ）のｚ変換されたものであり、
【数２４】
【００６７】
スピーチ信号エネルギ自身は、
【数２５】
であり、ゼロ交差レートＺＣＲは、
ｓ（ｎ）ｓ（ｎ＋１）＜０ならば、ＺＣＲ＝ＺＣＲ＋１、 ０≦ｎ≦１５９
のように計算される。
【００６８】
［Ｆ．ホルマント残留の計算］
ステップ512 において、現在のフレームに対するホルマント残留が４つのサブフレームに対して以下のように計算される：
【数２６】
ここで、＾ａi は対応したサブフレームのｉ番目のＬＰＣ係数である。
【００６９】
［IV．アクティブ／非アクティブスピーチ分類］
図３を参照すると、ステップ304 において現在のフレームはアクティブスピーチ（たとえば、話されたワード）または非アクティブスピーチ（背景雑音、沈黙）のいずれかとして分類される。図６は、ステップ304 をさらに詳細に示すフローチャート600 である。好ましい実施形態において、２つのエネルギ帯域ベースのしきい値設定方式は、アクティブスピーチが存在するか否かを決定するために使用される。低い帯域（帯域０）の周波数範囲は０．１−２．０ｋＨｚであり、高い帯域（帯域１）は２．０−４．０ｋＨｚである。音声アクティビティ検出は、以下に示す方法で現在のフレームに対する符号化工程中に次のフレームに対して決定されることが好ましい。
【００７０】
ステップ602 において、帯域ｉ＝０，１に対する帯域エネルギＥｂ［ｉ］が計算される。上記のセクションIII ．Ａに示されている自己相関シーケンスは帰納的な式：
【数２７】
を使用して１９に拡張される。この式を使用することにより、Ｒ（１１）はＲ（１）乃至Ｒ（１０）から計算され、Ｒ（１２）はＲ（２）乃至Ｒ（１１）から計算され、以下同様に行われる。その後、以下の式を使用して拡張された自己相関シーケンスから帯域エネルギが計算される：
【数２８】
ここで、Ｒ（ｋ）は現在のフレームに対する拡張された自己相関シーケンスであり、Ｒh (i)(k)は、表１に与えられている帯域ｉに対する帯域フィルタ自己相関シーケンスである。
【００７１】
表 １：帯域エネルギ計算用のフィルタ自己相関シーケンス
【表１】
【００７２】
ステップ604 において、帯域エネルギ推定値が平滑化される。平滑化された帯域エネルギ推定値Ｅsmは、以下の式を使用して各フレームに対して更新される：
Ｅsm（ｉ）＝０．６Ｅsm（ｉ）＋０．４Ｅb （ｉ），ｉ＝０，１
【００７３】
ステップ606 において、信号エネルギおよび雑音エネルギ推定値が更新される。信号エネルギ推定値Ｅs （ｉ）は、以下の式を使用して更新されることが好ましい：
Ｅs （ｉ）＝ｍａｘ（Ｅsm（ｉ），Ｅs （ｉ）），ｉ＝０，１
【００７４】
雑音エネルギ推定値Ｅn （ｉ）は以下の式を使用して更新されることが好ましい：
Ｅn （ｉ）＝ｍｉｎ（Ｅsm（ｉ），Ｅn （ｉ）），ｉ＝０，１
【００７５】
ステップ608 において、２つの帯域に対する長期間の信号対雑音比ＳＮＲ（ｉ）が計算される：
ＳＮＲ（ｉ）＝Ｅs （ｉ）−Ｅn （ｉ），ｉ＝０，１
【００７６】
ステップ610 において、これらのＳＮＲ値は以下のように規定される８つの領域ＲｅｇSNR （ｉ）に分割されることが好ましい：
【数２９】
【００７７】
ステップ612 において、音声アクティビティ決定が本発明にしたがって以下の方法で行われる。Ｅb （０）−Ｅn （０）＞ＴＨＲＥＳＨ（ＲｅｇSNR （０））またはＥb （１）−Ｅn （１）＞ＴＨＲＥＳＨ（ＲｅｇSNR （１））のいずれかである場合、スピーチのそのフレームはアクティブであると宣言される。その他の場合は、スピーチのフレームは非アクティブであると宣言される。ＴＨＲＥＳＨの値は表２に規定されている。
【００７８】
信号エネルギ推定値Ｅs （ｉ）は、以下の式を使用して更新されることが好ましい：
Ｅs （ｉ）＝Ｅs （ｉ）−０．０１４４９９，ｉ＝０，１
表 ２：ＳＮＲ領域の関数としてのしきい値係数
【表２】
【００７９】
雑音エネルギ推定値Ｅn （ｉ）は、以下の式を使用して更新されることが好ましい：
【数３０】
【００８０】
［Ａ．ハングオーバーフレーム］
信号対雑音比が低いとき、再構成されるスピーチの品質を改良するために“ハングオーバ”フレームが付加されることが好ましい。前の３つのフレームがアクティブとして分類され、現在のフレームは非アクティブと分類される場合、現在のフレームを含む次のＭ個のフレームはアクティブスピーチとして分類される。ハングオーバフレームの数Ｍは、表３に規定されているようにＳＮＲ（０）の関数として定められることが好ましい。
表 ３：ＳＮＲ（０）の関数としてのハングオーバフレーム
【表３】
【００８１】
［Ｖ．アクティブスピーチフレームの分類］
再び図３を参照すると、ステップ308 において、ステップ304 でアクティブであると分類された現在のフレームがスピーチ信号ｓ（ｎ）により示された特性にしたがってさらに分類される。好ましい実施形態では、アクティブスピーチは発声されたスピーチ、無声スピーチ、あるいは過渡スピーチのいずれかとして分類される。アクティブスピーチ信号によって示される周期性の程度は、それがどのように分類されるかを決定する。発声されたスピーチは最高度の周期性を示す（本質的に擬似周期的）。無声スピーチは周期性をほとんど、あるいは全く示さない。過渡スピーチは発声されたスピーチと無声スピーチの間の周期性の程度を示す。
【００８２】
しかしながら、ここに記載されている一般的なフレームワークは、以下に説明されている好ましい分類方式および特定のエンコーダ／デコーダモードに限定されない。アクティブスピーチは別の方法で分類されることが可能であり、また別のエンコーダ／デコーダモードがコーディングに対して利用可能である。当業者は、分類とエンコーダ／デコーダモードとの多数の組合せが可能なことを認識するであろう。多くのこのような組合せの結果、ここに記載されている一般的なフレームワークにしたがって、すなわち、スピーチを非アクティブまたはアクティブと分類し、アクティブスピーチをさらに分類して、各分類の範囲内のスピーチにとくに適合させられたエンコーダ／デコーダモードを使用してスピーチ信号をコード化することにより、減少された平均ビットレートを達成することができる。
【００８３】
アクティブスピーチ分類は周期性の程度に基づいているが、分類決定は周期性のある直接的な測定に基づいて行われないほうが好ましい。むしろ、分類決定は、たとえば、高いおよび低い帯域中の信号対雑音比およびＮＡＣＦ等のステップ302 において計算された種々のパラメータに基づいて行われる。好ましい分類は以下の擬似コードによって記述されてもよい：
【数３１】
Ｎnoise は背景雑音の推定値であり、Ｅprevは前のフレームの入力エネルギである。
【００８４】
この擬似コードによって記述された方法は、それが実施される特定の環境にしたがって改良されることができる。当業者は、上記に与えられた種々のしきい値が単なる例示に過ぎず、実際にはその実施形態に応じて調整を要する可能性が高いことを認識するであろう。この方法はまた、ＴＲＡＮＳＩＥＮＴを２つのカテゴリー：高エネルギから低エネルギに移行する信号に対するカテゴリーと低エネルギから高エネルギに移行する信号に対するカテゴリーとに分割する等によって付加的な分類カテゴリーを追加することによってさらに精巧にされることができる。
【００８５】
当業者は、別の方法が発声されたアクティブスピーチと、無声アクティブスピーチと、および過渡アクティブスピーチとを分類するために利用できることを認識するであろう。同様に、当業者はアクティブスピーチに対する他の分類方式もまた可能であることを認識するであろう。
【００８６】
［VI．エンコーダ／デコーダモード選択］
ステップ310 において、エンコーダ／デコーダモードがステップ304 および308 の現在のフレームの分類に基づいて選択される。好ましい実施形態によると、モードは次のように選択される：非アクティブフレームおよびアクティブな無声フレームはＮＥＬＰモードを使用してコード化され、アクティブな発声されたフレームはＰＰＰモードを使用してコード化され、アクティブな過渡フレームはＣＥＬＰモードを使用してコード化される。以下のセクションでこれらの各エンコーダ／デコーダモードをさらに詳細に説明する。
【００８７】
別の実施形態において、非アクティブフレームは、ゼロレートモードを使用してコード化される。当業者は、非常に低いビットレートを要求する別のゼロレートモードが利用できることを認識するであろう。ゼロレートモードの選択は、過去のモード選択を考慮することによりさらに改良されることができる。たとえば、前のフレームがアクティブと分類された場合、これは現在のフレームに対するゼロレートモードの選択を阻害する可能性がある。同様に、次のフレームがアクティブならば、現在のフレームに対してゼロレートモードが阻止される。さらに別の実施形態は、非常に多く連続するフレーム（たとえば、９個の連続しているフレーム）に対するゼロレートモードの選択を阻止するものである。当業者は、ある環境におけるその動作を改良するために基本モードの選択決定に対するその他多くの修正がなされてもよいことを認識するであろう。
【００８８】
上述のように、分類とエンコーダ／デコーダモードのその他多数の組合せがこの同じフレームワーク内において代りに使用されてもよい。以下のセクションにおいて、本発明によるいくつかのエンコーダ／デコーダモードを詳細に説明する。最初にＣＥＬＰモードを説明し、続いてＰＰＰモードとＮＥＬＰモードを説明する。
【００８９】
［VII ．コード励起線形予測（ＣＥＬＰ）コーディングモード］
上述のように、現在のフレームがアクティブ過渡スピーチとして分類された場合、ＣＥＬＰエンコーダ／デコーダモードが使用される。ＣＥＬＰモードは最も正確な信号再生（ここに示されている別のモードと比較して）を提供するが、それは最高のビットレートでなされる。
【００９０】
図７は、ＣＥＬＰエンコーダモード204 およびＣＥＬＰデコーダモード206 をさらに詳細に示している。図７Ａに示されているように、ＣＥＬＰエンコーダモード204 はピッチ符号化モジュール702 、符号化コードブック704 およびフィルタ更新モジュール706 を含んでいる。ＣＥＬＰエンコーダモード204 は符号化されたスピーチ信号ｓenc （ｎ）を出力し、これはＣＥＬＰデコーダモード206 に伝送するためのコードブックパラメータおよびピットフィルタパラメータを含んでいることが好ましい。図７Ｂに示されているように、ＣＥＬＰデコーダモード206 は復号コードブックモジュール708 、ピッチフィルタ710 およびＬＰＣ合成フィルタ712 を含んでいる。ＣＥＬＰデコーダモード206 は符号化されたスピーチ信号を受取り、合成されたスピーチ信号＾ｓ（ｎ）を出力する。
【００９１】
［Ａ．ピッチ符号化モード］
ピッチ符号化モジュール702 は、前のフレームｐc （ｎ）からスピーチ信号ｓ（ｎ）および量子化された残留を受取る（以下説明する）。この入力に基づいて、ピッチ符号化モジュール702 はターゲット信号ｘ（ｎ）と１組のピッチフィルタパラメータを生成する。好ましい実施形態において、これらのピッチフィルタパラメータは最適ピッチ遅延Ｌ* と最適ピッチ利得ｂ* を含んでいる。これらのパラメータは、符号化プロセスがこれらのパラメータを使用して入力スピーチと合成されたスピーチとの間の加重されたエラーを最小にするピッチフィルタパラメータを選択する“合成による解析”方法にしたがって選択される。
【００９２】
図８は、ピッチ符号化モジュール702 をさらに詳細に示している。ピッチ符号化モジュール702 は、知覚的加重フィルタ802 と、加算器804 および816 と、加重されたＬＰＣ合成フィルタ806 および808 と、遅延および利得810 と、ならびに最小平方和812 とを含んでいる。
【００９３】
知覚加重フィルタ802 は元のスピーチと合成されたスピーチとの間のエラーを知覚的に意味のある方法で加重するために使用される。知覚的加重フィルタは、
Ｗ（ｚ）＝Ａ（ｚ）／Ａ（ｚ／γ）
という形態のものである。ここでＡ（ｚ）はＬＰＣ予測エラーフィルタであり、γは０．８に等しいことが好ましい。加重されたＬＰＣ解析フィルタ806 は、初期パラメータ計算モジュール202 により計算されたＬＰＣ係数を受取る。フィルタ806 はａzir （ｎ）を出力し、これはＬＰＣ係数を与えられたゼロ入力応答特性である。加算器804 は負の入力と濾波された入力信号を合計してターゲット信号ｘ（ｎ）を形成する。
【００９４】
遅延および利得810 は、所定のピッチ遅延Ｌおよびピッチ利得ｂに対して評価されたピッチフィルタ出力ｂｐL （ｎ）を出力する。遅延および利得810 は前のフレームｐc （ｎ）からの量子化された残留サンプルと、ｐo （ｎ）で与えられるピッチフィルタの将来の出力の推定値とを受取り、
【数３２】
にしたがってｐ（ｎ）を形成する。これはその後Ｌ個のサンプルだけ遅延され、ｂによりスケールされてｂｐL （ｎ）を形成する。Ｌｐはサブフレーム長（好ましくは４０個のサンプル）である。好ましい実施形態において、ピッチ遅延Ｌは８ビットで表され、値２０．０，２０．５，２１．０，２１．５，…１２６．０，１２６．５，１２７．０，１２７．５をとることができる。
【００９５】
加重されたＬＰＣ解析フィルタ808 は、現在のＬＰＣ係数を使用してｂｐL （ｎ）を濾波し、その結果ｂｙL （ｎ）が得られる。加算器816 は負の入力ｂｙL （ｎ）をｘ（ｎ）と合計し、その出力は最小平方和812 によって受取られる。この最小平方和812 は、
【数３３】
にしたがってＥpitch （Ｌ）を最小にするＬおよびｂの値としてＬ* で示されている最適なＬと、ｂ* で示されている最適なｂとを選択する。
【００９６】
【数３４】
Ｌの所定の値に対してＥpitch （Ｌ）を最小にするｂの値は、
【数３５】
ここでＫは無視されることのできる定数である。
【００９７】
Ｌおよびｂの最適値（Ｌ* およびｂ* ）は、最初にＥpitch （Ｌ）を最小にするＬの値を決定し、次にｂ* を計算することにより見出されることができる。
【００９８】
これらのピッチフィルタパラメータは、各サブフレームに対して計算され、その後効率的な伝送のために量子化されることが好ましい。好ましい実施形態ではｊ番目のサブフレームに対する伝送コードＰＬＡＧj およびＰＧＡＩＮj は以下のように計算される：
【数３６】
その後ＰＧＡＩＮj は、ＰＬＡＧj が０に設定された場合には−１になるように調節される。これらの伝送コードは、符号化されたスピーチ信号ｓenc （ｎ）の一部分であるピッチフィルタパラメータとしてＣＥＬＰデコーダモード206 に伝送される。
【００９９】
［Ｂ．符号化コードブック］
符号化コードブック704 はターゲット信号ｘ（ｎ）を受取り、ピッチフィルタパラメータと共に量子化された残留信号を再構成するためにＣＥＬＰデコーダモード206 により使用される１組のコードブック励起パラメータを決定する。
【０１００】
符号化コードブック704 は最初にｘ（ｎ）を次のように更新する：
ｘ（ｎ）＝ｘ（ｎ）−ｙpzir（ｎ），０≦ｎ≦４０
ここでｙpzir（ｎ）は、パラメータ＾Ｌ* および＾ｂ* （ならびに前のサブフレームの処理の結果得られたメモリ）を有するピッチフィルタのゼロ入力応答特性である入力への、加重されたＬＰＣ合成フィルタ（前のサブフレームの終わりから保存されたメモリを有する）の出力である。
【０１０１】
バックフィルタ処理されたターゲット↑ｄ＝｛ｄn ｝，０≦ｎ＜４０は、↑ｄ＝ＨT ↑ｘとして生成され、ここで
【数３７】
は、インパルス応答特性｛ｈn ｝および↑ｘ＝｛ｘ（ｎ）｝，０≦ｎ＜４０から形成されたインパルス応答マトリクスである。その上、さらに２つのベクトル＾φ＝｛φn ｝および↑ｓが生成される。
【０１０２】
【数３８】
【０１０３】
符号化コードブック704 は、以下のように値Ｅｘｙ* およびＥyy* をゼロに初期化して好ましくはＮ（０，１，２，３）の４つの値に関して最適励起パラメータをサーチする。
【０１０４】
【数３９】
【数４０】
【０１０５】
符号化コードブック704 は、コードブック利得Ｇ* をＥｘｙ* ／Ｅｙｙ* として計算し、その後その励起パラメータセットをｊ番目のサブフレームに対して以下の伝送コードにしたがって量子化する：
【数４１】
および量子化された利得＾Ｇ* は、
【数４２】
【０１０６】
ピッチ符号化モジュール702 を除去し、コードブックサーチだけを行って４つの各サブフレームに対するインデックスＩおよび利得Ｇを決定することにより、ＣＥＬＰエンコーダ／デコーダモードの低ビットレート形態が実現されることができる。当業者は、上述した考えがこの低ビットレート形態を達成するためにどのように拡張されるかを認識するであろう。
【０１０７】
［Ｃ．ＣＥＬＰデコーダ］
ＣＥＬＰデコーダモード206 は、コードブック励起パラメータおよびピッチフィルタパラメータを含んでいることが好ましい符号化されたスピーチ信号をＣＥＬＰエンコーダモード204 から受取り、このデータに基づいて合成されたスピーチ＾ｓ（ｎ）を出力する。復号コードブックモジュール708 はコードブック励起パラメータを受取り、Ｇの利得を有する励起信号ｃｂ（ｎ）を発生する。ｊ番目のサブフレームに対する励起信号ｃｂ（ｎ）は一般に、全ての値が
【数４３】
となるように計算された利得Ｇによりスケールされ、Ｇｃｂ（ｎ）を供給する値：
Ｓk ＝１−２ＳＩＧＮｊｋ，０≦ｋ＜５
のインパルスを対応的に有する５つの位置：
Ｉk ＝５ＣＢＩｊｋ＋ｋ，０≦ｋ＜５
を除いてゼロを含んでいる。
【０１０８】
ピッチフィルタ710 は、受取られた伝送コードからピッチフィルタパラメータを以下の式にしたがって復号する：
【数４４】
その後ピッチフィルタ710 はＧｃｂ（ｎ）を濾波し、ここにおいてそのフィルタは以下の式によって与えられる伝達関数を有する：
【数４５】
【０１０９】
好ましい実施形態において、ＣＥＬＰデコーダモード206 はまた余分のピッチ濾波動作であるピッチプレフィルタ（示されていない）をピッチフィルタ710 の後に追加する。ピッチプレフィルタに対する遅延は、ピッチフィルタ710 の遅延と同じであり、一方その利得は０．５の最大値までピッチ利得の半分であることが好ましい。
【０１１０】
ＬＰＣ合成フィルタ712 は再構成された量子化された残留信号＾ｒ（ｎ）を受取り、合成されたスピーチ信号＾ｓ（ｎ）を出力する。
【０１１１】
［Ｄ．フィルタ更新モジュール］
フィルタ更新モジュール706 は、前のセクションにおいて説明したようにフィルタメモリを更新するためにスピーチを合成する。フィルタ更新モジュール706 はコードブック励起パラメータおよびピッチフィルタパラメータを受取り、励起信号ｃｂ（ｎ）およびピッチフィルタＧｃｂ（ｎ）を生成し、その後＾ｓ（ｎ）を合成する。この合成をエンコーダにおいて行うことにより、ピッチフィルタおよびＬＰＣ合成フィルタ中のメモリは、後続するサブフレームの処理時に使用されるように更新される。
【０１１２】
［VIII．原型ピッチ周期（ＰＰＰ）コーディングモード］
原型ピッチ周期（ＰＰＰ）コーディングは、ＣＥＬＰコーディングを使用して得られることのできる低ビットレートを達成するためにスピーチ信号の周期性を使用する。一般に、ＰＰＰコーディングは、ここでは原型残留と呼ばれる残留信号の代表的な周期を抽出し、その後その原型を使用して、現在のフレームの原型残留と前のフレームからの類似のピッチ周期（すなわち、最後のフレームがＰＰＰであった場合は原型残留）との間で補間を行うことにより初期のピッチ周期をフレーム中に構成することを含んでいる。ＰＰＰコーディングの効果（低くされたビットレートに関する）は部分的に、現在および前の原型残留がどの程度その介在ピッチ周期に似ているかに依存する。この理由のために、ＰＰＰコーディングは、ここでは擬似周期スピーチ信号と呼ばれる比較的高度の周期性を示すスピーチ信号（たとえば、発声されたスピーチ）に適用されることが好ましい。
【０１１３】
図９には、ＰＰＰエンコーダモード204 およびＰＰＰデコーダモード206 がさらに詳細に示されている。ＰＰＰエンコーダモード204 は抽出モジュール904 と、回転コリレータ906 と、符号化コードブック908 と、およびフィルタ更新モジュール910 とを含んでいる。ＰＰＰエンコーダモード204 は残留信号ｒ（ｎ）を受取り、符号化されたスピーチ信号ｓenc （ｎ）を出力し、これはコードブックパラメータおよび回転パラメータを含んでいることが好ましい。ＰＰＰデコーダモード206 はコードブックデコーダ912 と、回転子914 と、加算器916 と、周期インターポレータ920 と、およびワープフィルタ918 とを含んでいる。
【０１１４】
図１０は、符号化および復号を含むＰＰＰコーディングのステップを示すフローチャート1000である。これらのステップをＰＰＰエンコーダモード204 およびＰＰＰデコーダモード206 の種々のコンポーネントと共に説明する。
【０１１５】
［Ａ．抽出モジュール］
ステップ1002において、抽出モジュール904 は残留信号ｒ（ｎ）から原型残留ｒp （ｎ）を抽出する。上記のセクションIII ．Ｆで述べたように、初期パラメータ計算モジュール202 は、各フレームに対するｒ（ｎ）を計算するためにＬＰＣ解析フィルタを使用する。好ましい実施形態においては、このフィルタ中のＬＰＣ係数はセクションVII ．Ａにおいて説明されているように知覚的に加重される。ｒp （ｎ）の長さは、現在のフレームの中の最後のサブフレーム中に初期パラメータ計算モジュール202 によって計算されたピッチ遅延Ｌに等しい。
【０１１６】
図１１は、ステップ1002をさらに詳細に示すフローチャートである。ＰＰＰ抽出モジュール904 は、以下に説明する制限の下でフレームの終わりに可能な限り近接したピッチ周期を選択することが好ましい。図１２は、擬似周期スピーチに基づいて計算された、現在のフレームと前のフレームからの最後のサブフレームとを含む残留信号の一例を示している。
【０１１７】
ステップ1102において、“カットフリー領域”が決定される。カットフリー領域は、原型残留の終点になることのできない残留の中の１組のサンプルを規定する。このカットフリー領域は、残留の高エネルギ領域が原型の始めと終わりに生じないことを確実にする（この生成が許されたならば、出力において不連続性が生じる可能性が高い）。ｒ（ｎ）の最後のＬ個のサンプルのそれぞれの絶対値が計算される。変数ＰS は、ここでは“ピッチスパイク”と呼ばれる最も大きい絶対値を有するサンプルの時間インデックスに等しく設定される。たとえば、ピッチスパイクが最後のＬ個のサンプルの最後のサンプルで発生したならば、ＰS ＝Ｌ−１である。好ましい実施形態において、カットフリー領域の最小サンプルＧＦmin は、ＰS −６またはＰS −０．２５Ｌの小さいほうであるように設定される。カットフリー領域の最大のものＣＦmax は、ＰS ＋６またはＰS ＋０．２５Ｌの大きいほうであるように設定される。
【０１１８】
ステップ1104において、原型残留はＬ個のサンプルを残留から切断することにより選択される。選択された領域は、その領域の終点がカットフリー領域内にあってはならないという制限の下でフレームの終わりに可能な限り近接している。原型残留のＬ個のサンプルは、以下の擬似コードで記述されたアルゴリズムを使用して決定される：
【数４６】
【０１１９】
［Ｂ．回転コリレータ］
再び図１０を参照すると、ステップ1004において回転コリレータ906 は、現在の原型残留ｒp （ｎ）と、前のフレームからの原型残留ｒprev（ｎ）とに基づいて１組の回転パラメータを計算する。これらのパラメータは、ｒprev（ｎ）がｒp （ｎ）の予測子として使用されるためにどのように回転され、スケールされるのが一番よいかを記述している。好ましい実施形態において、回転パラメータのセットは、最適回転Ｒ* と最適利得ｂ* とを含んでいる。図１３は、ステップ1004をさらに詳細に示すフローチャートである。
【０１２０】
ステップ1302において、知覚的に加重されたターゲット信号ｘ（ｎ）は原型ピッチ残留周期ｒp （ｎ）を循環的に濾波することにより計算される。これは次のように行われる。一時的信号ｔｍｐ１（ｎ）は、
【数４７】
のようにｒp （ｎ）から生成され、これはゼロメモリを有する加重されたＬＰＣ合成フィルタによって濾波され、出力ｔｍｐ２（ｎ）を供給する。好ましい実施形態では、使用されるＬＰＣ係数は、現在のフレームの中の最後のサブフレームに対応した知覚的に加重された係数である。したがってターゲット信号ｘ（ｎ）は、
ｘ（ｎ）＝ｔｍｐ２（ｎ）＋ｔｍｐ２（ｎ＋Ｌ），０≦ｎ＜Ｌ
によって与えられる。
【０１２１】
ステップ1304において、前のフレームからの原型残留ｒprev（ｎ）は、前のフレームの量子化されたホルマント残留（これもまたピッチフィルタのメモリ内に存在する）から抽出される。前の原型残留は前のフレームのホルマント残留の最後のＬp 値として規定されることが好ましく、ここでＬp は、前のフレームがＰＰＰフレームでなかった場合はＬに等しく、その他の場合には前のピッチ遅延に設定される。
【０１２２】
ステップ1306において、相関が正しく計算できるように、ｒprev（ｎ）の長さがｘ（ｎ）と同じ長さのものとなるように変更される。サンプリングされた信号の長さを変更するこの技術をここではワープと呼んでいる。ワープされたピッチ励起信号ｒｗprev（ｎ）は、
ｒｗprev（ｎ）＝ｒprev（ｎ* ＴＷＦ），０≦ｎ＜Ｌ
として表されることができ、ここでＴＷＦは時間ワープ係数Ｌp ／Ｌである。非整数点におけるサンプル値ｎ* ＴＷＦは、１組のｓｉｎｃ関数テーブルを使用して計算されることが好ましい。選択されたｓｉｎｃシーケンスは、ｓｉｎｃ（−３−Ｆ：４−Ｆ）であり、ここでＦは１／８の最も近い倍数に丸められたｎ* ＴＷＦの端数部分である。このシーケンスの始めは、ｒprev（（Ｎ−３）％Ｌp ）と整列され、ここでＮは最も近い１／８に丸められた後のｎ* ＴＷＦの整数部分である。
【０１２３】
ステップ1308において、ワープされたピッチ励起信号ｒｗprev（ｎ）は循環的に濾波され、その結果ｙ（ｎ）が生成される。この動作はステップ1302に関して上述したものと同じであるが、ｒｗprev（ｎ）に適用される。
【０１２４】
ステップ1310において、ピッチ回転サーチ範囲は最初に期待される回転Ｅrot を計算することにより計算される：
【数４８】
ここで、ｆｒａｃ（ｘ）はｘの端数部分を示す。Ｌ＜８０ならば、ピッチ回転サーチ範囲は｛Ｅrot −８，Ｅrot −７．５，…Ｅrot ＋７．５｝であるように規定され、またＬ≧８０ならば｛Ｅrot −１６，Ｅrot −１５，…Ｅrot ＋１５｝であるように規定される。
【０１２５】
ステップ1312において、回転パラメータ、最適回転Ｒ* および最適利得ｂ* が計算される。ピッチ回転は結果的にｘ（ｎ）とｙ（ｎ）との間における最良の予測を生むものであるが、このピッチ回転は対応した利得ｂと共に選択される。これらのパラメータは、エラー信号ｅ（ｎ）＝ｘ（ｎ）−ｙ（ｎ）を最小にするように選択されることが好ましい。最適回転Ｒ* および最適利得ｂ* は、結果的にＥｘｙ2 R ／Ｅｙｙの最大値を生じさせる回転Ｒおよび利得ｂの値であり、ここで、
【数４９】
これらに対して最適利得ｂ* は回転Ｒ* において
【数５０】
である。回転の端数値に対して、ＥｘｙR の値は、回転の整数値で計算されたＥｘｙR 値を補間することによって近似される。簡単な４タップ補間フィルタが使用される。たとえば、
【数５１】
ここでＲは非整数回転（０．５の精度による）であり、
【数５２】
【０１２６】
好ましい実施形態において、回転パラメータは効率的な伝送のために量子化される。最適利得ｂ* は、
【数５３】
のように０．０６２５と４．０との間で均一に量子化されることが好ましく、ＰＧＡＩＮは伝送コードであり、量子化された利得＾ｂ* は
【数５４】
によって与えられる。最適回転Ｒ* は、Ｌ＜８０の場合は２（Ｒ* −Ｅrot ＋８）に設定され、Ｌ≧８０の場合にはＲ* −Ｅrot ＋１６に設定される伝送コードＰＲＯＴとして量子化される。
【０１２７】
［Ｃ．符号化コードブック］
再び図１０を参照すると、ステップ1006において、符号化コードブック908 は受取られたターゲット信号ｘ（ｎ）に基づいて１組のコードブックパラメータを発生する。符号化コードブック908 は、スケールされて加算され濾波されたときに合計するとｘ（ｎ）に近似した信号となる１以上のコードベクトルを見出そうとする。好ましい実施形態では、符号化コードブック908 は、各ステージがスケールされたコードベクトルを生成する好ましくは３つのステージの、マルチステージコードブックとして構成される。したがって、コードブックパラメータのセットは、３つのコードベクトルに対応したインデックスおよび利得を含んでいる。図１４はステップ1006をさらに詳細に示すフローチャートである。
【０１２８】
ステップ1402において、コードブックサーチが行われる前に、ターゲット信号ｘ（ｎ）は、
ｘ（ｎ）＝ｘ（ｎ）−ｂｙ（（ｎ−Ｒ* ）％Ｌ），０≦ｎ＜Ｌ
のように更新される。
【０１２９】
上記の減算において回転Ｒ* が非整数である（すなわち、０．５の端数を有する）場合、
【数５５】
【０１３０】
ステップ1404において、コードブック値は多数の領域に区分される。好ましい実施形態によると、コードブックは
【数５６】
のように決定される。ここで、ＣＢＰは確率または訓練されたコードブックの値である。当業者は、これらのコードブック値がどのように生成されるかを認識するであろう。コードブックは長さＬをそれぞれ有する多数の領域に分割される。第１の領域は単一パルスであり、残りの領域は確率または訓練されたコードブックからの値から形成されている。領域の数Ｎは、
【数５７】
となる。
【０１３１】
ステップ1406において、コードブックの多数の領域はそれぞれ循環的に濾波され、濾波されたコードブックｙreg （ｎ）を生成し、その連結が信号ｙ（ｎ）である。各領域に対して、循環的濾波が上述したようにステップ1302に関して行われる。
【０１３２】
ステップ1408において、濾波されたコードブックエネルギＥｙｙ（ｒｅｇ）は各領域に対して計算され、記憶される：
【数５８】
【０１３３】
ステップ1410において、マルチステージコードブックの各ステージに対するコードブックパラメータ（すなわち、コードベクトルインデックスおよび利得）が計算される。好ましい実施形態によると、Ｒｅｇｉｏｎ（Ｉ）＝ｒｅｇをサンプルＩが存在する領域と定義し、すなわち、
【数５９】
また、Ｅｘｙ（Ｉ）を
【数６０】
と定義する。
【０１３４】
ｊ番目のコードブックステージに対するコードブックパラメータＩ* とＧ* は以下の擬似コードを使用して計算される：
【数６１】
【０１３５】
好ましい実施形態によると、コードブックパラメータは効率的な伝送のために量子化される。伝送コードＣＢＩｊ（ｊ＝ステージ番号−０，１または２）はＩ* に設定されることが好ましく、伝送コードＣＢＧｊおよびＳＩＧＮｊは利得Ｇ* を量子化することより設定される。
【０１３６】
【数６２】
また、量子化された利得＾Ｇ* は、
【数６３】
【０１３７】
その後、ターゲット信号ｘ（ｎ）は現在のステージのコードブックベクトルの影響を減算することにより更新される。
【０１３８】
【数６４】
【０１３９】
第２および第３のステージに対して、Ｉ* ，Ｇ* および対応した伝送コードを計算するために擬似コードから始まる上記の工程が繰り返される。
【０１４０】
［Ｄ．フィルタ更新モジュール］
再び図１０を参照すると、ステップ1008において、フィルタ更新モジュール910 はＰＰＰエンコーダモード204 により使用されたフィルタを更新する。図１５Ａおよび１６Ａに示されているように、フィルタ更新モジュール910 として２つの別の実施形態が与えられている。図１５Ａの第１の別の実施形態で示されているように、フィルタ更新モジュール910 は復号コードブック1502と、回転子1504と、ワープフィルタ1506と、加算器1510と、整列および補間モジュール1508と、更新ピッチフィルタモジュール1512と、およびＬＰＣ合成フィルタ1514とを含んでいる。図１６Ａに示されている第２の実施形態は、復号コードブック1602と、回転子1604と、ワープフィルタ1606と、加算器1608と、更新ピッチフィルタモジュール1610と、循環ＬＰＣ合成フィルタ1612と、および更新ＬＰＣフィルタモジュール1614とを含んでいる。図１７および１８は、この２つの実施形態によるステップ1008をさらに詳細に示すフローチャートである。
【０１４１】
ステップ1702（および1802：両実施形態の第１のステップ）において、その長さがＬ個のサンプルである現在の再構成された原型残留ｒcurr（ｎ）が、コードブックパラメータと回転パラメータとから再構成される。好ましい実施形態において、回転子1504（および1604）は、
ｒcurr（（ｎ＋Ｒ* ）％Ｌ）＝ｂｒｗprev（ｎ），０≦ｎ＜Ｌ
にしたがって前の原型残留のワープされた形態を回転させる。ここでｒcurrは生成されるべき現在の原型であり、ｒｗprevはピッチフィルタメモリの最も新しいＬ個のサンプルから得られた前の周期のワープされた（上記のセクションVIII．Ａで述べたように、ＴＷＦ＝Ｌp ／Ｌにより）形態であり、ｂおよびＲはそれぞれパケット伝送コード：
【数６５】
から得られたピッチ利得および回転である。ここで、Ｅrot は上記のセクションVIII．Ｂで述べたように計算された期待された回転である。
【０１４２】
復号コードブック1502（および1602）は以下のように３つの各コードブックステージに対する影響をｒcurr（ｎ）に加算する：
【数６６】
ここでＩ＝ＣＢＩｊであり、Ｇは前のセクションで説明したようにＣＢＧｊおよびＳＩＧＮｊから得られ、ｊはステージ番号である。
【０１４３】
この点で、フィルタ更新モジュール910 に対する２つの別の実施形態は異なっている。最初に図１５Ａの実施形態を参照すると、ステップ1704において整列および補間モジュール1508が現在のフレームの始めから現在の原型残留の始め（図１２に示されている）までの残留サンプルの残りのものを充填する。ここで、残留信号に関して整列および補間が行われる。しかしながら、以下説明するように、これら同じ動作はスピーチ信号に関して行われることもできる。図１９はステップ1704をさらに詳細に示すフローチャートである。
【０１４４】
ステップ1902において、前の遅延Ｌp が現在の遅延Ｌの２倍であるか、あるいは１／２であるかが決定される。好ましい実施形態では、その他の倍数はあまりありそうもないと考えられ、したがって考慮されない。Ｌp ＞１．８５Ｌならば、Ｌp は半分にされ、前の周期ｒprev（ｎ）の第１の半分だけが使用される。Ｌp ＜０．５４Ｌならば、現在の遅延Ｌはおそらく２倍であり、結果的にＬp もまた２倍にされ、前の周期ｒprev（ｎ）は繰返しにより拡張される。
【０１４５】
ステップ1904において、両原型残留の長さが同じになるようにｒprev（ｎ）がワープされて、ステップ1306に関して上述したようにＴＷＦ＝Ｌp ／Ｌによりｒｗprev（ｎ）を形成する。この動作は、フィルタ1506をワープすることによって、上述したようにステップ1702において行われたことに注意しなければならない。当業者は、ワープフィルタ1506の出力が整列および補間モジュール1508に利用できる場合には、ステップ1904が不要になることを認識するであろう。
【０１４６】
ステップ1906において、利用可能な範囲の整列回転が計算される。期待された整列回転ＥA が計算され、それは上記のセクションVIII．Ｂで述べたＥrot と同じである。整列回転サーチ範囲は｛ＥA −δＡ，ＥA −δＡ＋０．５，ＥA −δＡ＋１，…，ＥA ＋δＡ−１．５，ＥA ＋δＡ−１｝であるように規定され、ここでδＡ＝ｍａｘ｛６，０．１５Ｌ｝である。
【０１４７】
ステップ1908において、整数整列回転Ｒに対する前の原型周期と現在の原型周期との間の相互相関は、
【数６７】
として計算され、非整数回転Ａに対する相互相関は、整数回転での相互相関の値を補間することによって近似される：
【数６８】
ここでＡ´＝Ａ−０．５である。
【０１４８】
ステップ1910において、結果的にＣ（Ａ）の最大値になるＡの値（許容可能な回転の範囲に対する）は最適整列Ａ* として選択される。
【０１４９】
ステップ1912において、中間のサンプルＬavに対する平均遅延またはピッチ周期が以下のようにして計算される。周期数推定値Ｎper は、
【数６９】
により与えられる中間サンプルに対する平均遅延により、
【数７０】
として計算される。
【０１５０】
ステップ1914において、前の原型残留と現在の原型残留との間における以下の補間にしたがって現在のフレーム中の残りの残留サンプルが計算される：
【数７１】
ここでα＝Ｌ／Ｌavである。非整数点：
【数７２】
におけるサンプル値（ｎαまたはｎα＋Ａ* のいずれかに等しい）は１組のｓｉｎｃ関数テーブルを使用して計算される。選択されたｓｉｎｃシーケンスはｓｉｎｃ（−３−Ｆ：４−Ｆ）であり、ここでＦは、１／８の最も近い倍数に丸められた
【数７３】
の端数部分である。このシーケンスの始めはｒprev（（Ｎ−３）％Ｌp ）と整列され、ここでＮは、最も近い１／８に丸められた後の
【数７４】
の整数部分である。
【０１５１】
この動作は本質的にステップ1306に関して上述したワープと同じであることを認識すべきである。したがって、別の実施形態では、ステップ1914の補間はワープフィルタを使用して計算される。当業者は、ここに示されている種々の目的に対して単一のワープフィルタを再使用することが経済的に構成できることを認識するであろう。
【０１５２】
図１７を参照すると、ステップ1706において、更新ピッチフィルタモジュール1512が再構成された残留＾ｒ（ｎ）からの値をピッチフィルタメモリにコピーする。同様に、ピッチフィルタのメモリもまた更新される。
【０１５３】
ステップ1708において、ＬＰＣ合成フィルタ1514は再構成された残留＾ｒ（ｎ）を濾波し、この再構成された残留＾ｒ（ｎ）はＬＰＣ合成フィルタのメモリの更新に影響を与える。
【０１５４】
以下、図１６Ａに示されているフィルタ更新モジュール910 の第２の実施形態について説明する。ステップ1702に関して上述したように、ステップ1802において原型残留がコードブックおよび回転パラメータから再構成され、その結果ｒcurr（ｎ）が得られる。
【０１５５】
ステップ1804において、更新ピッチフィルタモジュール1610は、
【数７５】
にしたがってｒcurr（ｎ）からＬ個のサンプルの複製をコピーすることによってピッチフィルタメモリを更新する。ここで、１３１は１２７．５の最大遅延に対するピッチフィルタの次数であることが好ましい。好ましい実施形態において、ピッチフィルタのメモリは現在の周期ｒcurr（ｎ）の複製によって等しく置換される：
【数７６】
【０１５６】
ステップ1806において、ｒcurr（ｎ）は、好ましくは知覚的に加重されたＬＰＣ係数を使用してセクションVIII．Ｂで述べたように循環的に濾波され、結果的にｓc （ｎ）を生成する。
【０１５７】
ステップ1808において、ｓc （ｎ）からの値は最後の１０個の値（１０次のＬＰＣフィルタに対して）であることが好ましく、ＬＰＣ合成フィルタのメモリを更新するために使用される。
【０１５８】
［Ｅ．ＰＰＰデコーダ］
図９および１０を参照すると、ステップ1010においてＰＰＰデコーダモード206 は、受取られたコードブックおよび回転パラメータに基づいて原型残留ｒcurr（ｎ）を再構成する。復号コードブック912 、回転子914 およびワープフィルタ918 は、前のセクションで述べたように動作する。周期インターポレータ920 は再構成された原型残留ｒcurr（ｎ）と、前の再構成された原型残留ｒprev（ｎ）を受取り、２つの原型の間のサンプルを補間し、合成されたスピーチ信号＾ｓ（ｎ）を出力する。次のセクションにおいて周期インターポレータ920 を説明する。
【０１５９】
［Ｆ．周期インターポレータ］
ステップ1012において周期インターポレータ920 はｒcurr（ｎ）を受取り、合成されたスピーチ信号＾ｓ（ｎ）を出力する。周期インターポレータ920 に対する２つの別の実施形態は、ここでは図１５Ｂおよび１６Ｂに示されている。図１５Ｂの第１の別の実施形態において、周期インターポレータ920 は、整列および補間モジュール1516と、ＬＰＣ合成フィルタ1518と、および更新ピッチフィルタモジュール1520とを含んでいる。図１６Ｂに示されている第２の別の実施形態のものは、循環ＬＰＣ合成フィルタ1616と、整列および補間モジュール1618と、更新ピッチフィルタモジュール1622と、および更新ＬＰＣフィルタモジュール1620とを含んでいる。図２０および２１はこれら２つの実施形態によるステップ1012をさらに詳細に示すフローチャートである。
【０１６０】
図１５Ｂを参照すると、ステップ2002において整列および補間モジュール1516は現在の残留原型ｒcurr（ｎ）と前の残留原型ｒprev（ｎ）との間のサンプルに対して残留信号を再構成して＾ｒ（ｎ）を形成する。整列および補間モジュール1516は、ステップ1704に関して上述したように（図１９に示されているように）動作する。
【０１６１】
ステップ2004において、更新ピッチフィルタモジュール1520は、ステップ1706に関して上述したように、再構成された残留信号＾ｒ（ｎ）に基づいてピッチフィルタメモリを更新する。
【０１６２】
ステップ2006において、ＬＰＣ合成フィルタ1518は、再構成された残留信号＾ｒ（ｎ）に基づいて出力スピーチ信号＾ｓ（ｎ）を合成する。ＬＰＣフィルタメモリは、この動作が行われたときに自動的に更新される。
【０１６３】
図１６Ｂおよび２１を参照すると、ステップ2102において更新ピッチフィルタモジュール1622は、ステップ1804に関して上述したように、再構成された現在の残留原型ｒcurr（ｎ）に基づいてピッチフィルタメモリを更新する。
【０１６４】
ステップ2104において、循環ＬＰＣ合成フィルタ1616は、上記のセクションVIII．Ｂで述べたように、ｒcurr（ｎ）を受取って現在のスピーチ原型ｓc （ｎ）（その長さがＬ個のサンプルである）を合成する。
【０１６５】
ステップ2106において、更新ＬＰＣフィルタモジュール1620は、ステップ1808に関して上述したようにＬＰＣフィルタメモリを更新する。
【０１６６】
ステップ2108において、整列および補間モジュール1618は、前の原型周期と現在の原型周期との間のスピーチサンプルを再構成する。前の原型残留ｒprev（ｎ）は、補間がスピーチドメインにおいて進行するように循環的に濾波される（ＬＰＣ合成装置において）。整列および補間モジュール1618はステップ1704に関して上述したように動作する（図１９参照）が、この動作は、残留原型ではなくスピーチ原型に関して行われる。整列および補間の結果、合成されたスピーチ信号＾ｓ（ｎ）が得られる。
【０１６７】
［IX．雑音励起線形予測（ＮＥＬＰ）コーディングモード］
雑音励起線形予測（ＮＥＬＰ）コーディングはスピーチ信号を擬似ランダム雑音シーケンスとしてモデル化し、それによってＣＥＬＰまたはＰＰＰコーディングのいずれを使用して得られるより低いビットレートを達成する。ＮＥＬＰコーディングは、スピーチ信号が無声スピーチまたは背景雑音のようなピッチ構造をほとんど、あるいは全く有しない場合、信号再生に関して最も効率的に動作する。
【０１６８】
図２２は、ＮＥＬＰエンコーダモード204 およびＮＥＬＰデコーダモード206 をさらに詳細に示している。ＮＥＬＰエンコーダモード204 は、エネルギ評価装置2202および符号化コードブック2204を含んでいる。ＮＥＬＰデコーダモード206 は復号コードブック2206と、ランダム数発生器と、乗算器2212と、およびＬＰＣ合成フィルタ2208とを含んでいる。
【０１６９】
図２３は、符号化および復号を含むＮＥＬＰコーディングのステップを示すフローチャート2300である。これらのステップを、ＮＥＬＰエンコーダモード204 およびＮＥＬＰデコーダモード206 の種々のコンポーネントと共に説明する。
【０１７０】
ステップ2302において、エネルギ評価装置2202は、以下のように４つのサブフレームのそれぞれに対する残留信号のエネルギを計算する：
【数７７】
【０１７１】
ステップ2304において、符号化コードブック2204は１組のコードブックパラメータを計算し、符号化されたスピーチ信号ｓenc （ｎ）を形成する。好ましい実施形態において、この１組のコードブックパラメータは単一のパラメータであるインデックスＩ０を含んでいる。インデックスＩ０は、
【数７８】
を最小にするｊの値に等しく設定される。コードブックベクトルＳＦＥＱは、サブフレームエネルギＥｓｆi を量子化するために使用され、フレーム内のサブフレームの数に等しい数の構成要素（すなわち、好ましい実施形態では４つ）を含んでいる。これらのコードブックベクトルは、確率または訓練されたコードブックを生成するための、当業者に知られている標準的な技術にしたがって生成されることが好ましい。
【０１７２】
ステップ2306において、復号コードブック2206は受取られたコードブックパラメータを復号する。好ましい実施形態では、サブフレームＧi のセットは、
【数７９】
にしたがって復号される。ここで、０≦ｉ＜４であり、Ｇprevは前のフレームの最後のサブフレームに対応したコードブック励起利得である。
【０１７３】
ステップ2308において、ランダム数発生器2210は単位分散ランダムベクトルｎｚ（ｎ）を発生する。このランダムベクトルはステップ2310で各サブフレーム内の適切な利得Ｇi によってスケールされ、励起信号Ｇi ｎｚ（ｎ）を生成する。
【０１７４】
ステップ2312において、ＬＰＣ合成フィルタ2208は励起信号Ｇi ｎｚ（ｎ）を濾波して出力スピーチ信号＾ｓ（ｎ）を形成する。
【０１７５】
好ましい実施形態において、最も新しい非ゼロレートＮＥＬＰサブフレームから得られた利得Ｇi およびＬＰＣパラメータが現在のフレーム中の各サブフレームに対して使用される場合、ゼロレートモードもまた使用される。当業者は、多数のＮＥＬＰフレームが連続的に発生した場合に、このゼロレートモードが実効的に使用されることができることを認識するであろう。
【０１７６】
［Ｘ．結論］
上記において本発明の種々の実施形態を説明してきたが、それらは単なる例示として与えられたに過ぎず、何等本発明に制限を課すものではないことを理解すべきである。したがって、本発明の技術的範囲は上記に示されている例示的な実施形態のいずれの制限も受けず、添付された請求の範囲およびその等価なものによってのみ規定される。
【０１７７】
好ましい実施形態の上記の説明は、当業者が本発明を形成または使用できるようにするために与えられている。本発明はとくにその好ましい実施形態を参照して図示および説明されているが、当業者は、本発明の技術的範囲を逸脱することなく形態および詳細の種々の変更を行うことが可能であることを理解するであろう。
【図面の簡単な説明】
【図１】 信号伝送環境を示す概略図。
【図２】 エンコーダ102 およびデコーダ104 を示すさらに詳細な概略図。
【図３】 本発明による可変レートスピーチコーディングを示すフローチャート。
【図４Ａ】 サブフレームに分割された発声されたスピーチのフレームを示す概略図。
【図４Ｂ】 サブフレームに分割された無声スピーチのフレームを示す概略図。
【図４Ｃ】 サブフレームに分割された過渡スピーチのフレームを示す概略図。
【図５】 初期パラメータの計算を示すフローチャート。
【図６】 アクティブまたは非アクティブとしてスピーチを分類することを示すフローチャート。
【図７Ａ】 ＣＥＬＰエンコーダを示す概略図。
【図７Ｂ】 ＣＥＬＰデコーダを示す概略図。
【図８】 ピッチフィルタモジュールを示す概略図。
【図９Ａ】 ＰＰＰエンコーダを示す概略図。
【図９Ｂ】 ＰＰＰデコーダを示す概略図。
【図１０】 符号化およびデコードを含むＰＰＰコーディングのステップを示すフローチャート。
【図１１】 原型残留周期の抽出を示すフローチャート。
【図１２】 残留信号の現在のフレームから抽出された原型残留周期と、前のフレームから抽出された原型残留周期とを示す概略図。
【図１３】 回転パラメータの計算を示すフローチャート。
【図１４】 符号化コードブックの動作を示すフローチャート。
【図１５Ａ】 第１のフィルタ更新モジュールの実施形態を示す概略図。
【図１５Ｂ】 第１の周期インターポレータモジュール形態を示す概略図。
【図１６Ａ】 第２のフィルタ更新モジュール形態を示す概略図。
【図１６Ｂ】 第２の周期インターポレータモジュール形態を示す概略図。
【図１７】 第１のフィルタ更新モジュール形態の動作を示すフローチャート。
【図１８】 第２のフィルタ更新モジュールの実施形態の動作を示すフローチャート。
【図１９】 原型残留周期の整列および補間を示すフローチャート。
【図２０】 第１の実施形態による原型残留周期に基づくスピーチ信号の再構成を示すフローチャート。
【図２１】 第２の実施形態による原型残留周期に基づくスピーチ信号の再構成を示すフローチャート。
【図２２Ａ】 ＮＥＬＰエンコーダを示す概略図。
【図２２Ｂ】 ＮＥＬＰデコーダを示す概略図。
【図２３】 ＮＥＬＰコーディングを示すフローチャート。
【発明の属する技術分野】
本発明は、スピーチ信号のコーディングに関する。とくに、本発明は、擬似周期スピーチ信号を、その信号の原型部分だけを量子化することによるコーディングすることに関する。
【０００２】
【従来の技術】
現在、多くの通信システム、とくに長距離のデジタル無線電話用では音声をデジタル信号として送信する。これらのシステムの性能は部分的に、最小の数のビットで音声信号を正確に表すことに依存している。スピーチをサンプリングしてデジタル化することによって送信するだけで通常のアナログ電話機のスピーチ品質を得るには、６４キロビット／秒（ｋｂｐｓ）程度のデータレートが必要である。しかしながら、満足できるスピーチ再生のために必要とされるデータレートを著しく減少させるコーディング技術が利用可能である。
【０００３】
“ボコーダ”という用語は一般に、人間のスピーチ発声のモデルに基づいてパラメータを抽出することにより発声されたスピーチを圧縮する装置を示す。ボコーダにはエンコーダとデコーダとが含まれている。エンコーダは、入ってきたスピーチを解析して関連したパラメータを抽出する。デコーダは、それがエンコーダから伝送チャンネルを介して受取ったパラメータを使用してスピーチを合成する。スピーチ信号はしばしば、ボコーダによって処理されたデータおよびブロックのフレームに分割される。
【０００４】
線形予測ベースの時間ドメインコーディング方式を中心として形成されたボコーダは、その他全てのタイプのコーダを数的にはるかに上回る。これらの技術はスピーチ信号から相関させられた要素を抽出し、相関されていない要素だけを符号化する。基本的な線形予測フィルタは、現在のサンプルを過去のサンプルの線形組合せとして予測する。この特定のクラスのコーディングアルゴリズムの一例は、文献（Thomas E.Tremain氏他による“A 4.8 kbps Code Excited Linear Predictive Coder,”Proceedings of the Mobile Satellite Conference,1988 ）に記載されている。
【０００５】
これらのコーディング方式は、スピーチ中の固有冗長（すなわち、相関させられた要素）を全て除去することによりデジタル化されたスピーチ信号を低いビットレートの信号に圧縮する。スピーチは一般に唇と舌の物理的活動の結果生じた短期間冗長と、声帯の振動の結果生じた長期間冗長とを示す。線形予測方式は、これらの動作をフィルタとしてモデル化し、冗長を除去し、その後結果的に得られた残留信号をホワイトガウス雑音としてモデル化する。したがって、線形予測コーダは全帯域幅スピーチ信号ではなくフィルタ係数および量子化された雑音を送信することにより減少したビットレートを達成する。
【０００６】
【発明が解決しようとする課題】
しかしながら、スピーチ信号が長距離（たとえば、地上対衛星）を伝搬するか、あるいは混雑したチャンネル中でその他の多数の信号と共存しなければならない場合に、これらの減少したビットレートでさえ利用可能な帯域幅を越えることが多い。したがって、線形予測方式以外の、低ビットレートを達成する改善されたコーディング方式が必要とされている。
【０００７】
【課題を解決するための手段】
本発明は、擬似周期スピーチ信号をコーディングするための方法および装置である。スピーチ信号は、線形予測コーディング（ＬＰＣ）解析フィルタでスピーチ信号を濾波することにより生成された残留信号によって表される。残留信号は、その残留信号の現在のフレームから原型周期を抽出することによって符号化される。現在の原型周期を近似するために前の原型周期をどのように修正するかを記述する第１の組のパラメータが計算される。合計されたときに現在の原型周期と修正された前の原型周期との間の差を近似する１以上のコードベクトルが選択される。第２の組のパラメータは、これらの選択されたコードベクトルを記述する。デコーダは、第１および第２の組のパラメータに基づいて現在の原型周期を再構成することにより出力スピーチ信号を合成する。その後、現在の再構成された原型周期と前の再構成された原型周期との間の領域に対して残留信号が補間される。デコーダは補間された残留信号に基づいて出力スピーチを合成する。
【０００８】
本発明の特徴は、原型周期がスピーチ信号を表して再構成するために使用されることである。スピーチ信号全体ではなく原型周期をコーディングすることにより、必要とされるビットレートは減少し、それがさらに高い効率、さらに広い範囲およびさらに低い電力要求となる。
【０００９】
本発明の別の特徴は、過去の原型周期が現在の原型周期の予測子として使用されることである。現在の原型周期と最適に回転されスケールされた過去の原型周期との間の差が符号化されて送信され、それによって要求されるビットレートがさらに減少される。
【００１０】
本発明のさらに別の特徴は、連続する再構成された原型周期の加重された平均と平均遅延とに基づいて連続する再構成された原型周期間で補間することによりデコーダにおいて残留信号が再構成されることである。
【００１１】
本発明の別の特徴は、送信されたエラーベクトルを符号化するためにマルチステージコードブックが使用されることである。このコードブックは、効率的な記憶とコードデータのサーチを行う。所望のレベルの正確さを達成するために付加的なステージが追加されてもよい。
【００１２】
本発明の別の特徴は、コーディング動作にとって２つの信号の長さが等しいことが必要となった場合に、第２の信号の長さに適合するように第１の信号の長さを効率的に変更するためにワープフィルタが使用されることである。
【００１３】
本発明のさらに別の特徴は、原型周期が“カットフリー”領域を条件として抽出され、それによって、高エネルギをフレーム境界に沿って分割することによる出力の不連続を避けることである。
【００１４】
【発明の実施の形態】
本発明の特徴、目的および利点は、以下の詳細な説明および添付図面からさらに明らかになるであろう。なお、図面において同じ参照符号は同じまたは機能的に類似した構成要素を示している。さらに、参照符号の最大桁の数字はその参照符号が最初に現れた図面を示している。
Ｉ．環境の概説
II．本発明の概説
III ．初期パラメータの決定
Ａ．ＬＰＣ係数の計算
Ｂ．ＬＳＩ計算
Ｃ．ＮＡＣＦ計算
Ｄ．ピッチトラックおよび遅延の計算
Ｅ．帯域エネルギおよびゼロ交差レートの計算
Ｆ．ホルマント残留の計算
IV．アクティブ／非アクティブスピーチ分類
Ａ．ハングオーバーフレーム
Ｖ．アクティブスピーチフレームの分類
VI．エンコーダ／デコーダモード選択
VII ．コード励起線形予測（ＣＥＬＰ）コーディングモード
Ａ．ピッチ符号化モード
Ｂ．符号化コードブック
Ｃ．ＣＥＬＰデコーダ
Ｄ．フィルタ更新モジュール
VIII．原型ピッチ周期（ＰＰＰ）コーディングモード
Ａ．抽出モジュール
Ｂ．回転コリレータ
Ｃ．符号化コードブック
Ｄ．フィルタ更新モジュール
Ｅ．ＰＰＰデコーダ
Ｆ．周期インターポレータ
IX．雑音励起線形予測（ＮＥＬＰ）コーディングモード
Ｘ．結論
【００１５】
［Ｉ．環境の概説］
本発明は、可変レートスピーチコーディングのための新しい改善された方法および装置に関する。図１は、エンコーダ102 、デコーダ104 および伝送媒体106 を含む伝送環境100 を示している。エンコーダ102 はスピーチ信号ｓ（ｎ）を符号化し、伝送媒体106 を横切ってデコーダ104 に伝送するための符号化されたスピーチ信号ｓenc （ｎ）を形成する。デコーダ104 はｓenc （ｎ）を復号し、それによって合成されたスピーチ信号：
【数１】
【００１６】
ここで使用されている“コーディング”という用語は一般に、符号化および復号の両者を含む方法を示している。一般に、コーディング方法および装置は、許容可能なスピーチ再生（すなわち、＾ｓ（ｎ）はｓ（ｎ）に近似している）を維持しながら、伝送媒体106 を介して伝送されるビットの数を最小化しようとする（すなわち、ｓenc （ｎ）の帯域幅を最小化しようとする）。符号化されたスピーチ信号の合成は、特定のスピーチコーディング方法にしたがっていろいろである。以下、種々のエンコーダ102 、デコーダ104 およびそれらが動作するコーディング方法を説明する。
【００１７】
以下に説明するエンコーダ102 およびデコーダ104 のコンポーネントは電子ハードウェア、コンピュータソフトウェア、または両者の組合せとして実施されることができる。以下、これらのコンポーネントをそれらの機能性に関して説明する。ハードウェアまたはソフトウェアのどちらで機能が実施されるかは、特定の用途とシステム全体に課される設計上の制約に依存する。当業者は、これらの状況下においてハードウェアおよびソフトウェアが交換可能であること、および説明された機能を特定の用途のそれぞれに対して最良に実施するための方法を認識するであろう。
【００１８】
当業者は、伝送媒体106 が地上ベース通信ライン、基地局と衛星との間のリンク、セルラー電話機と基地局との間の、またはセルラー電話機と衛星との間の無線通信を含む多数の異なった伝送媒体を代表することができるが、それに限定されないことを認識するであろう。
【００１９】
当業者はまた、ある通信に対する各パーティが受信だけでなく送信もまたしばしば行うことを認識するであろう。したがって、各パーティにはエンコーダ102 とデコーダ104 が必要である。しかしながら、以下の説明において信号伝送環境100 は、伝送媒体106 の一方の端部にエンコーダ102 を含み、他端部にデコーダ104 を含むものとして示されている。当業者は、これらの考えをどのように２方向通信に拡大すべきかを容易に認識するであろう。
【００２０】
この説明のために、ｓ（ｎ）は、異なった声音と沈黙期間とを含む一般的な会話中に得られたデジタルスピーチ信号であると仮定する。スピーチ信号ｓ（ｎ）はフレームに分割され、各フレームはさらに（好ましくは４つの）サブフレームに分割されることが好ましい。これら任意の選択されたフレーム／サブフレーム境界は一般に、ここでのケースのように、あるブロック処理が行われるときに使用される。フレームに関して行われていると説明された動作はサブフレームに関しても行われ、この意味においてフレームとサブフレームはここでは交換可能に使用されている。しかしながら、ブロック処理ではなく連続的な処理が実施される場合には、ｓ（ｎ）をフレーム／サブフレームに分割する必要は全くない。当業者は、以下に示すブロック技術がどのように連続処理に拡大されるかを容易に認識するであろう。
【００２１】
好ましい実施形態において、ｓ（ｎ）は８ｋＨｚでデジタル的にサンプリングされる。各フレームは２０ｍ秒のデータを含んでいる、すなわち好ましい８ｋＨｚ速度で１６０個のサンプルを含んでいることが好ましい。したがって、各サブフレームはデータの４０個のサンプルを含んでいる。以下に示す多くの式は、これらの値をとることを認識することが重要である。しかしながら、これらのパラメータはスピーチコーディングにとって適切ではあるが単なる例示に過ぎず、他の適切な代替パラメータが使用可能なことを当業者は認識するであろう。
【００２２】
［II．本発明の概説］
本発明の方法および装置は、スピーチ信号ｓ（ｎ）のコーディングを含んでいる。図２は、エンコーダ102 およびデコーダ104 をさらに詳細に示している。本発明によると、エンコーダ102 は初期パラメータ計算モジュール202 と、分類モジュール208 と、および１以上のエンコーダモード204 とを含んでいる。デコーダ104 は１以上のデコーダモード206 を含んでいる。デコーダモードＮd の数は一般に、エンコーダモードＮe の数に等しい。当業者に明らかなように、エンコーダモード１はデコーダモード１と通信し、その他も同様に通信している。示されているように、符号化されたスピーチ信号ｓenc （ｎ）は伝送媒体106 を介して伝送される。
【００２３】
好ましい実施形態において、エンコーダ102 は、現在のフレームにｓ（ｎ）の特性を与えた場合にどのモードが最も適切かに応じてフレームごとに多くのエンコーダモード間で動的に切換わる。デーコーダ104 はまたフレームごとに対応したデコーダモード間で動的に切換わる。デコーダにおいて許容可能な信号再生を維持しながら最も低いビットレートを得るために各フレームに対して特定のモードが選択される。このプロセスは、コーダのビットレートが時間的に変化する（信号の特性が変化するにつれて）ため、可変レートスピーチコーディングと呼ばれる。
【００２４】
図３は、本発明による可変レートスピーチコーディングを示すフローチャート300 である。ステップ302 において、初期パラメータ計算モジュール202 は、データの現在のフレームに基づいて種々のパラメータを計算する。好ましい実施形態において、これらのパラメータは、線形予測コーディング（ＬＰＣ）フィルタ係数、線形スペクトル情報（ＬＳＩ）係数、正規化された自己相関関数（ＮＡＣＦ）、開ループ遅延、帯域エネルギ、ゼロ交差レート、およびホルマント残留信号の１以上のものを含んでいる。
【００２５】
ステップ304 において、分類モジュール208 は現在のフレームを“アクティブ”スピーチまたは“非アクティブ”スピーチのいずれかを含むものとして分類する。上述したように、ｓ（ｎ）は、通常の会話に関して一般的であるようにスピーチの周期と沈黙の周期の両方を含んでいると仮定される。アクティブスピーチは話された言葉を含み、非アクティブスピーチはその他の全て（たとえば、背景雑音、沈黙、息つぎ等）を含んでいる。以下、スピーチをアクティブまたは非アクティブとして分類するために使用される本発明による方法を詳細に説明する。
【００２６】
図３に示されているように、ステップ306 は、ステップ304 において現在のフレームがアクティブまたは非アクティブのいずれに分類されたかを考慮する。アクティブの場合、制御フローはステップ308 に進む。非アクティブの場合、制御フローはステップ310 に進む。
【００２７】
アクティブとして分類されたフレームは、ステップ308 において発声されたフレームか、無声化されたフレームか、または過渡フレームのいずれかとしてさらに分類される。当業者は、人間のスピーチが多くの異なった方法で分類可能であることを認識するであろう。通常の２つのスピーチ分類は発声された音および無声音である。本発明によると、発声されていないまたは無声の全てのスピーチは過渡スピーチとして分類される。
【００２８】
図４Ａは、発声されたスピーチ402 を含むｓ（ｎ）の例示的な部分を示している。発声音は、声帯が緩和振動で振動し、それによって声道を励起させる空気の擬似周期パルスを生成するように調節された声帯の緊張状態を伴って、強制的に空気が声門を通過するようにすることにより生成される。発声されたスピーチにおいて測定される１つの一般的な特性は、図４Ａに示されているピッチ周期である。
【００２９】
図４Ｂは、無声スピーチ404 を含むｓ（ｎ）の例示的な部分を示している。無声音は、声道中のある地点にくびれ（通常は口の末端に向かって）を形成し、強制的に空気が乱流を生じさせるのに十分に高い速度でそのくびれを通過するようにすることによって生成される。結果的に得られた無声スピーチ信号は、カラード(colored) 雑音に似ている。
【００３０】
図４Ｃは、過渡スピーチ406 （すなわち、発声されたものでもなく、無声音でもないスピーチ）を含むｓ（ｎ）の例示的な部分を示している。図４Ｃに示されている例示的な過渡スピーチ406 は、無声スピーチと発声されたスピーチとの間の過渡状態にあるｓ（ｎ）を表している。当業者は、これに匹敵した結果を得るためにスピーチの多くの異なった分類をここに記載されている技術にしたがって使用することが可能であることを認識するであろう。
【００３１】
ステップ310 において、ステップ306 および308 におけるフレーム分類に基づいてエンコーダ／デコーダモードが選択される。図２に示されているように種々のエンコーダ／デコーダモードが並列に接続される。これらのモードの１以上のものが任意の所定の時間に動作可能である。しかしながら、以下詳細に説明するように、任意の所定の時間に１つのモードだけが動作し、また、それは現在のフレームの分類にしたがって選択されることが好ましい。
【００３２】
いくつかのエンコーダ／デコーダモードが以下のセクションにおいて記載されている。異なったエンコーダ／デコーダモードが異なったコーディング方式にしたがって動作する。あるモードは、ある特性を示すスピーチ信号ｓ（ｎ）のコーディング部分においてより効果的である。
【００３３】
好ましい実施形態において、過渡スピーチとして分類されたフレームをコード化するために“コーディング励起線形予測”（ＣＥＬＰ）モードが選択される。ＣＥＬＰモードは、線形予測残留信号の量子化されたバージョンで線形予測声道モデルを励起する。ここに記載されている全てのエンコーダ／デコーダモードのうち、ＣＥＬＰにより一般に最も正確なスピーチ再生が得られるが、最高のビットレートが必要である。
【００３４】
発声されたスピーチとして分類されたフレームをコード化するために、“原型ピッチ周期”（ＰＰＰ）モードが選択されることが好ましい。発声されたスピーチは、ＰＰＰモードによって利用されるゆっくり時間と共に変化する周期的成分を含んでいる。ＰＰＰモードは、各フレーム内のピッチ周期のサブセットだけをコード化する。スピーチ信号の残りの周期は、これらの原型周期間において補間をすることにより再構成される。発声されたスピーチの周期性を利用することにより、ＰＰＰはＣＥＬＰより低いビットレートを達成し、依然としてスピーチ信号を知覚的に正確な方法で再生することができる。
【００３５】
無声スピーチとして分類されたフレームをコード化するために“雑音励起線形予測”（ＮＥＬＰ）モードが選択される。ＮＥＬＰは濾波された擬似ランダム雑音信号を使用して、無声スピーチをモデル化する。ＮＥＬＰはコード化されたスピーチに対して最も簡単なモデルを使用し、したがって最も低いビットレートを達成する。
【００３６】
同じコーディング技術は異なったビットレートで頻繁に動作されることが可能であり、その結果性能レベルが変化する。したがって、図２の異なったエンコーダ／デコーダモードは異なったコーディング技術、または異なったビットレートで動作している同じコーディング技術、あるいはそれらの組合せを表すことができる。当業者は、エンコーダ／デコーダモード数の増加により、モードを選択する際にさらに高いフレキシビリティが可能であり、その結果平均ビットレートをさらに低くすることができるが、システム全体の複雑性が増加することを認識するであろう。任意の所定のシステムにおいて使用される特定の組合せは、利用可能なシステムリソースおよび特定の信号環境によって指示される。
【００３７】
ステップ312 において、選択されたエンコーダモード204 は、現在のフレームを符号化し、符号化されたデータを伝送のためにデータパケットにパックすることが好ましい。ステップ314 において、対応したデコーダモード206 はデータパケットを分解し、受信されたデータを復号し、スピーチ信号を再構成する。以下、これらの動作を適切なエンコーダ／デコーダモードに関してさらに詳細に説明する。
【００３８】
［III ．初期パラメータの決定］
図５は、ステップ302 をさらに詳細に説明するフローチャートである。本発明にしたがって種々の初期パラメータが計算される。パラメータは、たとえば、ＬＰＣ係数、線形スペクトル情報（ＬＳＩ）係数、正規化された自己相関関数（ＮＡＣＦ）、開ループ遅延、帯域エネルギ、ゼロ交差レート、およびホルマント残留信号等を含んでいることが好ましい。これらのパラメータは、以下に説明するようにシステム全体内において種々の方法で使用される。
【００３９】
好ましい実施形態において、初期パラメータ計算モジュール202 は１６０＋４０個のサンプルの“ルックアヘッド”を使用する。これは、いくつかの目的のために機能する。第１に、１６０個のサンプルのルックアヘッドにより、ピッチ周波数追跡は次のフレーム中の情報を使用して計算されることが可能になり、それによって以下に説明されている音声コーディングとピッチ周期評価技術の粗さが著しく改善される。第２に、１６０個のサンプルのルックアヘッドにより、ＬＰＣ係数、フレームエネルギおよび音声アクティビティが将来の１つのフレームに対して計算されることが可能になる。これによって、フレームエネルギおよびＬＰＣ係数の効率的なマルチフレーム量子化が可能になる。第３に、付加的な４０個のサンプルのルックアヘッドは、以下に説明されるハミングウインドウ(Hamming windowed)スピーチに関してＬＰＣ係数を計算するためのものである。したがって、現在のフレームを処理する前にバッファされるサンプルの数は１６０＋１６０＋４０であり、これには現在のフレームと１６０＋４０個のサンプルのルックアヘッドが含まれている。
【００４０】
［Ａ．ＬＰＣ係数の計算］
本発明は、スピーチ信号中の短期間冗長を除去するためにＬＰＣ予測エラーフィルタを使用する。ＬＰＣフィルタに対する伝達関数は：
【数２】
【数３】
【００４１】
ステップ502 において、ＬＰＣ係数ａi は次のようにｓ（ｎ）から計算される。ＬＰＣパラメータは、現在のフレームに対する符号化手順中に次のフレームに対して計算されることが好ましい。
【００４２】
ハミングウインドウは、１１９番目と１２０番目のサンプルの間を中心とする現在のフレームに適用される（“ルックアヘッド”による好ましい１６０サンプルフレームを仮定して）。ウインドウ化されたスピーチ信号ｓw （ｎ）は、
【数４】
【００４３】
４０個のサンプルのオフセットにより、結果的にスピーチの好ましい１６０個のサンプルフレームの１１９番目と１２０番目との間を中心とするスピーチのウインドウが得られる。
【００４４】
１１個の自己相関値は、
【数５】
【００４５】
自己相関値は、
Ｒ（ｋ）＝ｈ（ｋ）Ｒ（ｋ），０≦ｋ≦１０
によって与えられるようにＬＰＣ係数から得られたラインスペクトル対（ＬＳＰ）のルートをミスする確率を減少するためにウインドウ化され、その結果、たとえば２５Ｈｚ等のわずかな帯域幅拡張が生じる。値ｈ（ｋ）は、２５５ポイントハミングウインドウの中心からとられることが好ましい。
【００４６】
その後、Ｄｕｒｂｉｎの帰納を使用してウインドウ化された自己相関値からＬＰＣ係数が得られる。Ｄｕｒｂｉｎの帰納はよく知られた効率的な計算方法であり、文献（Rabiner & Schafer による“Digital Processing Speech Signals,”）に記載されている。
【００４７】
［Ｂ．ＬＳＩ計算］
ステップ504 において、ＬＰＣ係数は量子化および補間のためにラインスペクトル情報（ＬＳＩ）係数に変換される。ＬＳＩ係数は、本発明にしたがって以下の方法で計算される。
【００４８】
上述のように、Ａ（ｚ）は、
Ａ（ｚ）＝１−ａ1 ｚ-1−…−ａ10ｚ-10 ，
によって与えられ、ここでａi はＬＰＣ係数であり、１≦ｉ≦１０である。
【００４９】
ＰA （ｚ）およびＱA （ｚ）は、次のように規定される：
【数６】
ラインスペクトルのコサイン（ＬＳＣ）は、以下の２つの関数の−１．０＜ｘ＜１．０における１０個のルートである：
【数７】
その後、
【数８】
【００５２】
ＬＳＣは、次式にしたがってＬＳＩ係数から得られる：
【数９】
ＬＰＣフィルタの安定性により、２つの関数のルートが交互すること、すなわち、最も小さいルートｌｓｃ1 がＰ´（ｘ）の最小のルートであり、２番目に小さいルートｌｓｃ2 がＱ´（ｘ）の最小のルートであり、その他も同様であることが保証される。したがって、ｌｓｃ1 ，ｌｓｃ3 ，ｌｓｃ5 ，ｌｓｃ7 およびｌｓｃ9 はＰ´（ｘ）のルートであり、ｌｓｃ2 ，ｌｓｃ4 ，ｌｓｃ6 ，ｌｓｃ8 およびｌｓｃ10はＱ´（ｘ）のルートである。
【００５４】
当業者は、ＬＳＩ係数の量子化に対する感度を計算するためのある方法を使用することが好ましい認識するであろう。各ＬＳＩ中の量子化エラーを適切に加重するために量子化プロセスにおいて“感度加重”が使用されることができる。
【００５５】
ＬＳＩ係数はマルチステージベクトル（ＶＱ）量子化器を使用して量子化される。ステージの数は、使用される特定のビットレートおよびコードブックに依存していることが好ましい。コードブックは、現在のフレームが発声されたか否かに基づいて選択される。
【００５６】
ベクトル量子化は、次式のように定義される加重平均自乗エラー（ＷＭＳＥ）を最小化する：
【数１０】
【００５７】
ＬＳＩベクトルは、
【数１１】
【００５８】
ＬＳＩ係数がＬＰＣ係数に変換される前に、量子化雑音またはＬＳＩ係数中へのチャンネルエラー注入雑音のせいで結果的に得られるＬＰＣフィルタが不安定にならないことを確実にするために安定性チェックが行われる。ＬＳＩ係数が順序付けられた状態のままである場合、安定性が保証される。
【００５９】
元のＬＰＣ係数を計算するときに、フレームの１１９番目のサンプルと１２０番目のサンプルの間を中心とするスピーチウインドウが使用された。フレーム中のその他のポイントに対するＬＰＣ係数は、前のフレームのＬＳＣと現在のフレームのＬＳＣとの間で補間をすることにより近似される。その後、結果的に得られた補間されたＬＳＣはＬＰＣ係数に変換されて戻される。各サブフレームに対して使用される正確な補間は、
ｉｌｓｃj ＝（１−αi ）ｌｓｃｐｒｅｖj ＋αi ｌｓｃｃｕｒｒj ，
１≦ｊ≦１０
によって与えられる。ここで、αi は４０個の各サンプルの４つのサブフレームに対する補間係数０．３７５，０．６２５，０．８７５，１．０００であり、ｉｌｓｃは補間されたＬＳＣである。＾ＰA （ｚ）および＾ＱA （ｚ）は補間されたＩＳＣにより次式にしたがって計算される：
【数１２】
【数１３】
ステップ506 において、正規化された自己相関関数（ＮＡＣＦ）が本発明にしたがって計算される。
【００６０】
次のフレームに対するホルマント残留は４つの４０サンプルサブフレームに対して以下のように計算される：
【数１４】
【数１５】
上記で計算された残留は好ましくは長さ１５のゼロ位相ＦＩＲフィルタを使用してローパスフィルタ処理され、デシメート（ｄｅｃｉｍａｔｅ）され、ゼロ位相ＦＩＲフィルタの係数ｄｆi （−７≦ｉ≦７）は｛０．０８００，０．１２５６，０．２５３２，０．４３７６，０．６４２４，０．８２６８，０．９５４４，１．０００，０．９５４４，０．８２６８，０．６４２４，０．４３７６，０．２５３２，０．１２５６，０．０８００｝である。ローパスフィルタ処理され、デシメートされた残留は次のように計算される：
【数１６】
【００６２】
次のフレームの２つのサブフレーム（デシメートされた４０個のサンプル）に対するＮＡＣＦは、以下のように計算される：
【数１７】
負のｎを有するｒd （ｎ）に対して、現在のフレームのローパスフィルタ処理されてデシメートされた残留（前のフレーム期間中に記憶された）が使用される。現在のサブフレームｃ ｃｏｒｒに対するＮＡＣＦもまた計算されて前のフレーム期間中に記憶される。
【００６４】
［Ｄ．ピッチトラックおよび遅延の計算］
ステップ508 において、ピッチトラックおよび遅延が本発明にしたがって計算される。ピッチ遅延は後方トラックによりビタビ状サーチを使用して、以下のように計算されることが好ましい。
【００６５】
【数１８】
【数１９】
【数２０】
【数２１】
【数２２】
【００６６】
［Ｅ．帯域エネルギおよびゼロ交差レートの計算］
ステップ510 において、０−２ｋＨｚ帯域および２ｋＨｚ−４ｋＨｚ帯域中のエネルギが本発明にしたがって以下のように計算される：
【数２３】
【数２４】
スピーチ信号エネルギ自身は、
【数２５】
ｓ（ｎ）ｓ（ｎ＋１）＜０ならば、ＺＣＲ＝ＺＣＲ＋１、 ０≦ｎ≦１５９
のように計算される。
【００６８】
［Ｆ．ホルマント残留の計算］
ステップ512 において、現在のフレームに対するホルマント残留が４つのサブフレームに対して以下のように計算される：
【数２６】
【００６９】
［IV．アクティブ／非アクティブスピーチ分類］
図３を参照すると、ステップ304 において現在のフレームはアクティブスピーチ（たとえば、話されたワード）または非アクティブスピーチ（背景雑音、沈黙）のいずれかとして分類される。図６は、ステップ304 をさらに詳細に示すフローチャート600 である。好ましい実施形態において、２つのエネルギ帯域ベースのしきい値設定方式は、アクティブスピーチが存在するか否かを決定するために使用される。低い帯域（帯域０）の周波数範囲は０．１−２．０ｋＨｚであり、高い帯域（帯域１）は２．０−４．０ｋＨｚである。音声アクティビティ検出は、以下に示す方法で現在のフレームに対する符号化工程中に次のフレームに対して決定されることが好ましい。
【００７０】
ステップ602 において、帯域ｉ＝０，１に対する帯域エネルギＥｂ［ｉ］が計算される。上記のセクションIII ．Ａに示されている自己相関シーケンスは帰納的な式：
【数２７】
【数２８】
【００７１】
表 １：帯域エネルギ計算用のフィルタ自己相関シーケンス
【表１】
ステップ604 において、帯域エネルギ推定値が平滑化される。平滑化された帯域エネルギ推定値Ｅsmは、以下の式を使用して各フレームに対して更新される：
Ｅsm（ｉ）＝０．６Ｅsm（ｉ）＋０．４Ｅb （ｉ），ｉ＝０，１
【００７３】
ステップ606 において、信号エネルギおよび雑音エネルギ推定値が更新される。信号エネルギ推定値Ｅs （ｉ）は、以下の式を使用して更新されることが好ましい：
Ｅs （ｉ）＝ｍａｘ（Ｅsm（ｉ），Ｅs （ｉ）），ｉ＝０，１
【００７４】
雑音エネルギ推定値Ｅn （ｉ）は以下の式を使用して更新されることが好ましい：
Ｅn （ｉ）＝ｍｉｎ（Ｅsm（ｉ），Ｅn （ｉ）），ｉ＝０，１
【００７５】
ステップ608 において、２つの帯域に対する長期間の信号対雑音比ＳＮＲ（ｉ）が計算される：
ＳＮＲ（ｉ）＝Ｅs （ｉ）−Ｅn （ｉ），ｉ＝０，１
【００７６】
ステップ610 において、これらのＳＮＲ値は以下のように規定される８つの領域ＲｅｇSNR （ｉ）に分割されることが好ましい：
【数２９】
ステップ612 において、音声アクティビティ決定が本発明にしたがって以下の方法で行われる。Ｅb （０）−Ｅn （０）＞ＴＨＲＥＳＨ（ＲｅｇSNR （０））またはＥb （１）−Ｅn （１）＞ＴＨＲＥＳＨ（ＲｅｇSNR （１））のいずれかである場合、スピーチのそのフレームはアクティブであると宣言される。その他の場合は、スピーチのフレームは非アクティブであると宣言される。ＴＨＲＥＳＨの値は表２に規定されている。
【００７８】
信号エネルギ推定値Ｅs （ｉ）は、以下の式を使用して更新されることが好ましい：
Ｅs （ｉ）＝Ｅs （ｉ）−０．０１４４９９，ｉ＝０，１
表 ２：ＳＮＲ領域の関数としてのしきい値係数
【表２】
雑音エネルギ推定値Ｅn （ｉ）は、以下の式を使用して更新されることが好ましい：
【数３０】
［Ａ．ハングオーバーフレーム］
信号対雑音比が低いとき、再構成されるスピーチの品質を改良するために“ハングオーバ”フレームが付加されることが好ましい。前の３つのフレームがアクティブとして分類され、現在のフレームは非アクティブと分類される場合、現在のフレームを含む次のＭ個のフレームはアクティブスピーチとして分類される。ハングオーバフレームの数Ｍは、表３に規定されているようにＳＮＲ（０）の関数として定められることが好ましい。
表 ３：ＳＮＲ（０）の関数としてのハングオーバフレーム
【表３】
［Ｖ．アクティブスピーチフレームの分類］
再び図３を参照すると、ステップ308 において、ステップ304 でアクティブであると分類された現在のフレームがスピーチ信号ｓ（ｎ）により示された特性にしたがってさらに分類される。好ましい実施形態では、アクティブスピーチは発声されたスピーチ、無声スピーチ、あるいは過渡スピーチのいずれかとして分類される。アクティブスピーチ信号によって示される周期性の程度は、それがどのように分類されるかを決定する。発声されたスピーチは最高度の周期性を示す（本質的に擬似周期的）。無声スピーチは周期性をほとんど、あるいは全く示さない。過渡スピーチは発声されたスピーチと無声スピーチの間の周期性の程度を示す。
【００８２】
しかしながら、ここに記載されている一般的なフレームワークは、以下に説明されている好ましい分類方式および特定のエンコーダ／デコーダモードに限定されない。アクティブスピーチは別の方法で分類されることが可能であり、また別のエンコーダ／デコーダモードがコーディングに対して利用可能である。当業者は、分類とエンコーダ／デコーダモードとの多数の組合せが可能なことを認識するであろう。多くのこのような組合せの結果、ここに記載されている一般的なフレームワークにしたがって、すなわち、スピーチを非アクティブまたはアクティブと分類し、アクティブスピーチをさらに分類して、各分類の範囲内のスピーチにとくに適合させられたエンコーダ／デコーダモードを使用してスピーチ信号をコード化することにより、減少された平均ビットレートを達成することができる。
【００８３】
アクティブスピーチ分類は周期性の程度に基づいているが、分類決定は周期性のある直接的な測定に基づいて行われないほうが好ましい。むしろ、分類決定は、たとえば、高いおよび低い帯域中の信号対雑音比およびＮＡＣＦ等のステップ302 において計算された種々のパラメータに基づいて行われる。好ましい分類は以下の擬似コードによって記述されてもよい：
【数３１】
【００８４】
この擬似コードによって記述された方法は、それが実施される特定の環境にしたがって改良されることができる。当業者は、上記に与えられた種々のしきい値が単なる例示に過ぎず、実際にはその実施形態に応じて調整を要する可能性が高いことを認識するであろう。この方法はまた、ＴＲＡＮＳＩＥＮＴを２つのカテゴリー：高エネルギから低エネルギに移行する信号に対するカテゴリーと低エネルギから高エネルギに移行する信号に対するカテゴリーとに分割する等によって付加的な分類カテゴリーを追加することによってさらに精巧にされることができる。
【００８５】
当業者は、別の方法が発声されたアクティブスピーチと、無声アクティブスピーチと、および過渡アクティブスピーチとを分類するために利用できることを認識するであろう。同様に、当業者はアクティブスピーチに対する他の分類方式もまた可能であることを認識するであろう。
【００８６】
［VI．エンコーダ／デコーダモード選択］
ステップ310 において、エンコーダ／デコーダモードがステップ304 および308 の現在のフレームの分類に基づいて選択される。好ましい実施形態によると、モードは次のように選択される：非アクティブフレームおよびアクティブな無声フレームはＮＥＬＰモードを使用してコード化され、アクティブな発声されたフレームはＰＰＰモードを使用してコード化され、アクティブな過渡フレームはＣＥＬＰモードを使用してコード化される。以下のセクションでこれらの各エンコーダ／デコーダモードをさらに詳細に説明する。
【００８７】
別の実施形態において、非アクティブフレームは、ゼロレートモードを使用してコード化される。当業者は、非常に低いビットレートを要求する別のゼロレートモードが利用できることを認識するであろう。ゼロレートモードの選択は、過去のモード選択を考慮することによりさらに改良されることができる。たとえば、前のフレームがアクティブと分類された場合、これは現在のフレームに対するゼロレートモードの選択を阻害する可能性がある。同様に、次のフレームがアクティブならば、現在のフレームに対してゼロレートモードが阻止される。さらに別の実施形態は、非常に多く連続するフレーム（たとえば、９個の連続しているフレーム）に対するゼロレートモードの選択を阻止するものである。当業者は、ある環境におけるその動作を改良するために基本モードの選択決定に対するその他多くの修正がなされてもよいことを認識するであろう。
【００８８】
上述のように、分類とエンコーダ／デコーダモードのその他多数の組合せがこの同じフレームワーク内において代りに使用されてもよい。以下のセクションにおいて、本発明によるいくつかのエンコーダ／デコーダモードを詳細に説明する。最初にＣＥＬＰモードを説明し、続いてＰＰＰモードとＮＥＬＰモードを説明する。
【００８９】
［VII ．コード励起線形予測（ＣＥＬＰ）コーディングモード］
上述のように、現在のフレームがアクティブ過渡スピーチとして分類された場合、ＣＥＬＰエンコーダ／デコーダモードが使用される。ＣＥＬＰモードは最も正確な信号再生（ここに示されている別のモードと比較して）を提供するが、それは最高のビットレートでなされる。
【００９０】
図７は、ＣＥＬＰエンコーダモード204 およびＣＥＬＰデコーダモード206 をさらに詳細に示している。図７Ａに示されているように、ＣＥＬＰエンコーダモード204 はピッチ符号化モジュール702 、符号化コードブック704 およびフィルタ更新モジュール706 を含んでいる。ＣＥＬＰエンコーダモード204 は符号化されたスピーチ信号ｓenc （ｎ）を出力し、これはＣＥＬＰデコーダモード206 に伝送するためのコードブックパラメータおよびピットフィルタパラメータを含んでいることが好ましい。図７Ｂに示されているように、ＣＥＬＰデコーダモード206 は復号コードブックモジュール708 、ピッチフィルタ710 およびＬＰＣ合成フィルタ712 を含んでいる。ＣＥＬＰデコーダモード206 は符号化されたスピーチ信号を受取り、合成されたスピーチ信号＾ｓ（ｎ）を出力する。
【００９１】
［Ａ．ピッチ符号化モード］
ピッチ符号化モジュール702 は、前のフレームｐc （ｎ）からスピーチ信号ｓ（ｎ）および量子化された残留を受取る（以下説明する）。この入力に基づいて、ピッチ符号化モジュール702 はターゲット信号ｘ（ｎ）と１組のピッチフィルタパラメータを生成する。好ましい実施形態において、これらのピッチフィルタパラメータは最適ピッチ遅延Ｌ* と最適ピッチ利得ｂ* を含んでいる。これらのパラメータは、符号化プロセスがこれらのパラメータを使用して入力スピーチと合成されたスピーチとの間の加重されたエラーを最小にするピッチフィルタパラメータを選択する“合成による解析”方法にしたがって選択される。
【００９２】
図８は、ピッチ符号化モジュール702 をさらに詳細に示している。ピッチ符号化モジュール702 は、知覚的加重フィルタ802 と、加算器804 および816 と、加重されたＬＰＣ合成フィルタ806 および808 と、遅延および利得810 と、ならびに最小平方和812 とを含んでいる。
【００９３】
知覚加重フィルタ802 は元のスピーチと合成されたスピーチとの間のエラーを知覚的に意味のある方法で加重するために使用される。知覚的加重フィルタは、
Ｗ（ｚ）＝Ａ（ｚ）／Ａ（ｚ／γ）
という形態のものである。ここでＡ（ｚ）はＬＰＣ予測エラーフィルタであり、γは０．８に等しいことが好ましい。加重されたＬＰＣ解析フィルタ806 は、初期パラメータ計算モジュール202 により計算されたＬＰＣ係数を受取る。フィルタ806 はａzir （ｎ）を出力し、これはＬＰＣ係数を与えられたゼロ入力応答特性である。加算器804 は負の入力と濾波された入力信号を合計してターゲット信号ｘ（ｎ）を形成する。
【００９４】
遅延および利得810 は、所定のピッチ遅延Ｌおよびピッチ利得ｂに対して評価されたピッチフィルタ出力ｂｐL （ｎ）を出力する。遅延および利得810 は前のフレームｐc （ｎ）からの量子化された残留サンプルと、ｐo （ｎ）で与えられるピッチフィルタの将来の出力の推定値とを受取り、
【数３２】
【００９５】
加重されたＬＰＣ解析フィルタ808 は、現在のＬＰＣ係数を使用してｂｐL （ｎ）を濾波し、その結果ｂｙL （ｎ）が得られる。加算器816 は負の入力ｂｙL （ｎ）をｘ（ｎ）と合計し、その出力は最小平方和812 によって受取られる。この最小平方和812 は、
【数３３】
【００９６】
【数３４】
【数３５】
【００９７】
Ｌおよびｂの最適値（Ｌ* およびｂ* ）は、最初にＥpitch （Ｌ）を最小にするＬの値を決定し、次にｂ* を計算することにより見出されることができる。
【００９８】
これらのピッチフィルタパラメータは、各サブフレームに対して計算され、その後効率的な伝送のために量子化されることが好ましい。好ましい実施形態ではｊ番目のサブフレームに対する伝送コードＰＬＡＧj およびＰＧＡＩＮj は以下のように計算される：
【数３６】
【００９９】
［Ｂ．符号化コードブック］
符号化コードブック704 はターゲット信号ｘ（ｎ）を受取り、ピッチフィルタパラメータと共に量子化された残留信号を再構成するためにＣＥＬＰデコーダモード206 により使用される１組のコードブック励起パラメータを決定する。
【０１００】
符号化コードブック704 は最初にｘ（ｎ）を次のように更新する：
ｘ（ｎ）＝ｘ（ｎ）−ｙpzir（ｎ），０≦ｎ≦４０
ここでｙpzir（ｎ）は、パラメータ＾Ｌ* および＾ｂ* （ならびに前のサブフレームの処理の結果得られたメモリ）を有するピッチフィルタのゼロ入力応答特性である入力への、加重されたＬＰＣ合成フィルタ（前のサブフレームの終わりから保存されたメモリを有する）の出力である。
【０１０１】
バックフィルタ処理されたターゲット↑ｄ＝｛ｄn ｝，０≦ｎ＜４０は、↑ｄ＝ＨT ↑ｘとして生成され、ここで
【数３７】
【０１０２】
【数３８】
符号化コードブック704 は、以下のように値Ｅｘｙ* およびＥyy* をゼロに初期化して好ましくはＮ（０，１，２，３）の４つの値に関して最適励起パラメータをサーチする。
【０１０４】
【数３９】
符号化コードブック704 は、コードブック利得Ｇ* をＥｘｙ* ／Ｅｙｙ* として計算し、その後その励起パラメータセットをｊ番目のサブフレームに対して以下の伝送コードにしたがって量子化する：
【数４１】
【数４２】
ピッチ符号化モジュール702 を除去し、コードブックサーチだけを行って４つの各サブフレームに対するインデックスＩおよび利得Ｇを決定することにより、ＣＥＬＰエンコーダ／デコーダモードの低ビットレート形態が実現されることができる。当業者は、上述した考えがこの低ビットレート形態を達成するためにどのように拡張されるかを認識するであろう。
【０１０７】
［Ｃ．ＣＥＬＰデコーダ］
ＣＥＬＰデコーダモード206 は、コードブック励起パラメータおよびピッチフィルタパラメータを含んでいることが好ましい符号化されたスピーチ信号をＣＥＬＰエンコーダモード204 から受取り、このデータに基づいて合成されたスピーチ＾ｓ（ｎ）を出力する。復号コードブックモジュール708 はコードブック励起パラメータを受取り、Ｇの利得を有する励起信号ｃｂ（ｎ）を発生する。ｊ番目のサブフレームに対する励起信号ｃｂ（ｎ）は一般に、全ての値が
【数４３】
Ｓk ＝１−２ＳＩＧＮｊｋ，０≦ｋ＜５
のインパルスを対応的に有する５つの位置：
Ｉk ＝５ＣＢＩｊｋ＋ｋ，０≦ｋ＜５
を除いてゼロを含んでいる。
【０１０８】
ピッチフィルタ710 は、受取られた伝送コードからピッチフィルタパラメータを以下の式にしたがって復号する：
【数４４】
【数４５】
好ましい実施形態において、ＣＥＬＰデコーダモード206 はまた余分のピッチ濾波動作であるピッチプレフィルタ（示されていない）をピッチフィルタ710 の後に追加する。ピッチプレフィルタに対する遅延は、ピッチフィルタ710 の遅延と同じであり、一方その利得は０．５の最大値までピッチ利得の半分であることが好ましい。
【０１１０】
ＬＰＣ合成フィルタ712 は再構成された量子化された残留信号＾ｒ（ｎ）を受取り、合成されたスピーチ信号＾ｓ（ｎ）を出力する。
【０１１１】
［Ｄ．フィルタ更新モジュール］
フィルタ更新モジュール706 は、前のセクションにおいて説明したようにフィルタメモリを更新するためにスピーチを合成する。フィルタ更新モジュール706 はコードブック励起パラメータおよびピッチフィルタパラメータを受取り、励起信号ｃｂ（ｎ）およびピッチフィルタＧｃｂ（ｎ）を生成し、その後＾ｓ（ｎ）を合成する。この合成をエンコーダにおいて行うことにより、ピッチフィルタおよびＬＰＣ合成フィルタ中のメモリは、後続するサブフレームの処理時に使用されるように更新される。
【０１１２】
［VIII．原型ピッチ周期（ＰＰＰ）コーディングモード］
原型ピッチ周期（ＰＰＰ）コーディングは、ＣＥＬＰコーディングを使用して得られることのできる低ビットレートを達成するためにスピーチ信号の周期性を使用する。一般に、ＰＰＰコーディングは、ここでは原型残留と呼ばれる残留信号の代表的な周期を抽出し、その後その原型を使用して、現在のフレームの原型残留と前のフレームからの類似のピッチ周期（すなわち、最後のフレームがＰＰＰであった場合は原型残留）との間で補間を行うことにより初期のピッチ周期をフレーム中に構成することを含んでいる。ＰＰＰコーディングの効果（低くされたビットレートに関する）は部分的に、現在および前の原型残留がどの程度その介在ピッチ周期に似ているかに依存する。この理由のために、ＰＰＰコーディングは、ここでは擬似周期スピーチ信号と呼ばれる比較的高度の周期性を示すスピーチ信号（たとえば、発声されたスピーチ）に適用されることが好ましい。
【０１１３】
図９には、ＰＰＰエンコーダモード204 およびＰＰＰデコーダモード206 がさらに詳細に示されている。ＰＰＰエンコーダモード204 は抽出モジュール904 と、回転コリレータ906 と、符号化コードブック908 と、およびフィルタ更新モジュール910 とを含んでいる。ＰＰＰエンコーダモード204 は残留信号ｒ（ｎ）を受取り、符号化されたスピーチ信号ｓenc （ｎ）を出力し、これはコードブックパラメータおよび回転パラメータを含んでいることが好ましい。ＰＰＰデコーダモード206 はコードブックデコーダ912 と、回転子914 と、加算器916 と、周期インターポレータ920 と、およびワープフィルタ918 とを含んでいる。
【０１１４】
図１０は、符号化および復号を含むＰＰＰコーディングのステップを示すフローチャート1000である。これらのステップをＰＰＰエンコーダモード204 およびＰＰＰデコーダモード206 の種々のコンポーネントと共に説明する。
【０１１５】
［Ａ．抽出モジュール］
ステップ1002において、抽出モジュール904 は残留信号ｒ（ｎ）から原型残留ｒp （ｎ）を抽出する。上記のセクションIII ．Ｆで述べたように、初期パラメータ計算モジュール202 は、各フレームに対するｒ（ｎ）を計算するためにＬＰＣ解析フィルタを使用する。好ましい実施形態においては、このフィルタ中のＬＰＣ係数はセクションVII ．Ａにおいて説明されているように知覚的に加重される。ｒp （ｎ）の長さは、現在のフレームの中の最後のサブフレーム中に初期パラメータ計算モジュール202 によって計算されたピッチ遅延Ｌに等しい。
【０１１６】
図１１は、ステップ1002をさらに詳細に示すフローチャートである。ＰＰＰ抽出モジュール904 は、以下に説明する制限の下でフレームの終わりに可能な限り近接したピッチ周期を選択することが好ましい。図１２は、擬似周期スピーチに基づいて計算された、現在のフレームと前のフレームからの最後のサブフレームとを含む残留信号の一例を示している。
【０１１７】
ステップ1102において、“カットフリー領域”が決定される。カットフリー領域は、原型残留の終点になることのできない残留の中の１組のサンプルを規定する。このカットフリー領域は、残留の高エネルギ領域が原型の始めと終わりに生じないことを確実にする（この生成が許されたならば、出力において不連続性が生じる可能性が高い）。ｒ（ｎ）の最後のＬ個のサンプルのそれぞれの絶対値が計算される。変数ＰS は、ここでは“ピッチスパイク”と呼ばれる最も大きい絶対値を有するサンプルの時間インデックスに等しく設定される。たとえば、ピッチスパイクが最後のＬ個のサンプルの最後のサンプルで発生したならば、ＰS ＝Ｌ−１である。好ましい実施形態において、カットフリー領域の最小サンプルＧＦmin は、ＰS −６またはＰS −０．２５Ｌの小さいほうであるように設定される。カットフリー領域の最大のものＣＦmax は、ＰS ＋６またはＰS ＋０．２５Ｌの大きいほうであるように設定される。
【０１１８】
ステップ1104において、原型残留はＬ個のサンプルを残留から切断することにより選択される。選択された領域は、その領域の終点がカットフリー領域内にあってはならないという制限の下でフレームの終わりに可能な限り近接している。原型残留のＬ個のサンプルは、以下の擬似コードで記述されたアルゴリズムを使用して決定される：
【数４６】
［Ｂ．回転コリレータ］
再び図１０を参照すると、ステップ1004において回転コリレータ906 は、現在の原型残留ｒp （ｎ）と、前のフレームからの原型残留ｒprev（ｎ）とに基づいて１組の回転パラメータを計算する。これらのパラメータは、ｒprev（ｎ）がｒp （ｎ）の予測子として使用されるためにどのように回転され、スケールされるのが一番よいかを記述している。好ましい実施形態において、回転パラメータのセットは、最適回転Ｒ* と最適利得ｂ* とを含んでいる。図１３は、ステップ1004をさらに詳細に示すフローチャートである。
【０１２０】
ステップ1302において、知覚的に加重されたターゲット信号ｘ（ｎ）は原型ピッチ残留周期ｒp （ｎ）を循環的に濾波することにより計算される。これは次のように行われる。一時的信号ｔｍｐ１（ｎ）は、
【数４７】
ｘ（ｎ）＝ｔｍｐ２（ｎ）＋ｔｍｐ２（ｎ＋Ｌ），０≦ｎ＜Ｌ
によって与えられる。
【０１２１】
ステップ1304において、前のフレームからの原型残留ｒprev（ｎ）は、前のフレームの量子化されたホルマント残留（これもまたピッチフィルタのメモリ内に存在する）から抽出される。前の原型残留は前のフレームのホルマント残留の最後のＬp 値として規定されることが好ましく、ここでＬp は、前のフレームがＰＰＰフレームでなかった場合はＬに等しく、その他の場合には前のピッチ遅延に設定される。
【０１２２】
ステップ1306において、相関が正しく計算できるように、ｒprev（ｎ）の長さがｘ（ｎ）と同じ長さのものとなるように変更される。サンプリングされた信号の長さを変更するこの技術をここではワープと呼んでいる。ワープされたピッチ励起信号ｒｗprev（ｎ）は、
ｒｗprev（ｎ）＝ｒprev（ｎ* ＴＷＦ），０≦ｎ＜Ｌ
として表されることができ、ここでＴＷＦは時間ワープ係数Ｌp ／Ｌである。非整数点におけるサンプル値ｎ* ＴＷＦは、１組のｓｉｎｃ関数テーブルを使用して計算されることが好ましい。選択されたｓｉｎｃシーケンスは、ｓｉｎｃ（−３−Ｆ：４−Ｆ）であり、ここでＦは１／８の最も近い倍数に丸められたｎ* ＴＷＦの端数部分である。このシーケンスの始めは、ｒprev（（Ｎ−３）％Ｌp ）と整列され、ここでＮは最も近い１／８に丸められた後のｎ* ＴＷＦの整数部分である。
【０１２３】
ステップ1308において、ワープされたピッチ励起信号ｒｗprev（ｎ）は循環的に濾波され、その結果ｙ（ｎ）が生成される。この動作はステップ1302に関して上述したものと同じであるが、ｒｗprev（ｎ）に適用される。
【０１２４】
ステップ1310において、ピッチ回転サーチ範囲は最初に期待される回転Ｅrot を計算することにより計算される：
【数４８】
【０１２５】
ステップ1312において、回転パラメータ、最適回転Ｒ* および最適利得ｂ* が計算される。ピッチ回転は結果的にｘ（ｎ）とｙ（ｎ）との間における最良の予測を生むものであるが、このピッチ回転は対応した利得ｂと共に選択される。これらのパラメータは、エラー信号ｅ（ｎ）＝ｘ（ｎ）−ｙ（ｎ）を最小にするように選択されることが好ましい。最適回転Ｒ* および最適利得ｂ* は、結果的にＥｘｙ2 R ／Ｅｙｙの最大値を生じさせる回転Ｒおよび利得ｂの値であり、ここで、
【数４９】
【数５０】
【数５１】
【数５２】
好ましい実施形態において、回転パラメータは効率的な伝送のために量子化される。最適利得ｂ* は、
【数５３】
【数５４】
【０１２７】
［Ｃ．符号化コードブック］
再び図１０を参照すると、ステップ1006において、符号化コードブック908 は受取られたターゲット信号ｘ（ｎ）に基づいて１組のコードブックパラメータを発生する。符号化コードブック908 は、スケールされて加算され濾波されたときに合計するとｘ（ｎ）に近似した信号となる１以上のコードベクトルを見出そうとする。好ましい実施形態では、符号化コードブック908 は、各ステージがスケールされたコードベクトルを生成する好ましくは３つのステージの、マルチステージコードブックとして構成される。したがって、コードブックパラメータのセットは、３つのコードベクトルに対応したインデックスおよび利得を含んでいる。図１４はステップ1006をさらに詳細に示すフローチャートである。
【０１２８】
ステップ1402において、コードブックサーチが行われる前に、ターゲット信号ｘ（ｎ）は、
ｘ（ｎ）＝ｘ（ｎ）−ｂｙ（（ｎ−Ｒ* ）％Ｌ），０≦ｎ＜Ｌ
のように更新される。
【０１２９】
上記の減算において回転Ｒ* が非整数である（すなわち、０．５の端数を有する）場合、
【数５５】
ステップ1404において、コードブック値は多数の領域に区分される。好ましい実施形態によると、コードブックは
【数５６】
【数５７】
【０１３１】
ステップ1406において、コードブックの多数の領域はそれぞれ循環的に濾波され、濾波されたコードブックｙreg （ｎ）を生成し、その連結が信号ｙ（ｎ）である。各領域に対して、循環的濾波が上述したようにステップ1302に関して行われる。
【０１３２】
ステップ1408において、濾波されたコードブックエネルギＥｙｙ（ｒｅｇ）は各領域に対して計算され、記憶される：
【数５８】
ステップ1410において、マルチステージコードブックの各ステージに対するコードブックパラメータ（すなわち、コードベクトルインデックスおよび利得）が計算される。好ましい実施形態によると、Ｒｅｇｉｏｎ（Ｉ）＝ｒｅｇをサンプルＩが存在する領域と定義し、すなわち、
【数５９】
【数６０】
【０１３４】
ｊ番目のコードブックステージに対するコードブックパラメータＩ* とＧ* は以下の擬似コードを使用して計算される：
【数６１】
好ましい実施形態によると、コードブックパラメータは効率的な伝送のために量子化される。伝送コードＣＢＩｊ（ｊ＝ステージ番号−０，１または２）はＩ* に設定されることが好ましく、伝送コードＣＢＧｊおよびＳＩＧＮｊは利得Ｇ* を量子化することより設定される。
【０１３６】
【数６２】
【数６３】
その後、ターゲット信号ｘ（ｎ）は現在のステージのコードブックベクトルの影響を減算することにより更新される。
【０１３８】
【数６４】
第２および第３のステージに対して、Ｉ* ，Ｇ* および対応した伝送コードを計算するために擬似コードから始まる上記の工程が繰り返される。
【０１４０】
［Ｄ．フィルタ更新モジュール］
再び図１０を参照すると、ステップ1008において、フィルタ更新モジュール910 はＰＰＰエンコーダモード204 により使用されたフィルタを更新する。図１５Ａおよび１６Ａに示されているように、フィルタ更新モジュール910 として２つの別の実施形態が与えられている。図１５Ａの第１の別の実施形態で示されているように、フィルタ更新モジュール910 は復号コードブック1502と、回転子1504と、ワープフィルタ1506と、加算器1510と、整列および補間モジュール1508と、更新ピッチフィルタモジュール1512と、およびＬＰＣ合成フィルタ1514とを含んでいる。図１６Ａに示されている第２の実施形態は、復号コードブック1602と、回転子1604と、ワープフィルタ1606と、加算器1608と、更新ピッチフィルタモジュール1610と、循環ＬＰＣ合成フィルタ1612と、および更新ＬＰＣフィルタモジュール1614とを含んでいる。図１７および１８は、この２つの実施形態によるステップ1008をさらに詳細に示すフローチャートである。
【０１４１】
ステップ1702（および1802：両実施形態の第１のステップ）において、その長さがＬ個のサンプルである現在の再構成された原型残留ｒcurr（ｎ）が、コードブックパラメータと回転パラメータとから再構成される。好ましい実施形態において、回転子1504（および1604）は、
ｒcurr（（ｎ＋Ｒ* ）％Ｌ）＝ｂｒｗprev（ｎ），０≦ｎ＜Ｌ
にしたがって前の原型残留のワープされた形態を回転させる。ここでｒcurrは生成されるべき現在の原型であり、ｒｗprevはピッチフィルタメモリの最も新しいＬ個のサンプルから得られた前の周期のワープされた（上記のセクションVIII．Ａで述べたように、ＴＷＦ＝Ｌp ／Ｌにより）形態であり、ｂおよびＲはそれぞれパケット伝送コード：
【数６５】
【０１４２】
復号コードブック1502（および1602）は以下のように３つの各コードブックステージに対する影響をｒcurr（ｎ）に加算する：
【数６６】
【０１４３】
この点で、フィルタ更新モジュール910 に対する２つの別の実施形態は異なっている。最初に図１５Ａの実施形態を参照すると、ステップ1704において整列および補間モジュール1508が現在のフレームの始めから現在の原型残留の始め（図１２に示されている）までの残留サンプルの残りのものを充填する。ここで、残留信号に関して整列および補間が行われる。しかしながら、以下説明するように、これら同じ動作はスピーチ信号に関して行われることもできる。図１９はステップ1704をさらに詳細に示すフローチャートである。
【０１４４】
ステップ1902において、前の遅延Ｌp が現在の遅延Ｌの２倍であるか、あるいは１／２であるかが決定される。好ましい実施形態では、その他の倍数はあまりありそうもないと考えられ、したがって考慮されない。Ｌp ＞１．８５Ｌならば、Ｌp は半分にされ、前の周期ｒprev（ｎ）の第１の半分だけが使用される。Ｌp ＜０．５４Ｌならば、現在の遅延Ｌはおそらく２倍であり、結果的にＬp もまた２倍にされ、前の周期ｒprev（ｎ）は繰返しにより拡張される。
【０１４５】
ステップ1904において、両原型残留の長さが同じになるようにｒprev（ｎ）がワープされて、ステップ1306に関して上述したようにＴＷＦ＝Ｌp ／Ｌによりｒｗprev（ｎ）を形成する。この動作は、フィルタ1506をワープすることによって、上述したようにステップ1702において行われたことに注意しなければならない。当業者は、ワープフィルタ1506の出力が整列および補間モジュール1508に利用できる場合には、ステップ1904が不要になることを認識するであろう。
【０１４６】
ステップ1906において、利用可能な範囲の整列回転が計算される。期待された整列回転ＥA が計算され、それは上記のセクションVIII．Ｂで述べたＥrot と同じである。整列回転サーチ範囲は｛ＥA −δＡ，ＥA −δＡ＋０．５，ＥA −δＡ＋１，…，ＥA ＋δＡ−１．５，ＥA ＋δＡ−１｝であるように規定され、ここでδＡ＝ｍａｘ｛６，０．１５Ｌ｝である。
【０１４７】
ステップ1908において、整数整列回転Ｒに対する前の原型周期と現在の原型周期との間の相互相関は、
【数６７】
【数６８】
【０１４８】
ステップ1910において、結果的にＣ（Ａ）の最大値になるＡの値（許容可能な回転の範囲に対する）は最適整列Ａ* として選択される。
【０１４９】
ステップ1912において、中間のサンプルＬavに対する平均遅延またはピッチ周期が以下のようにして計算される。周期数推定値Ｎper は、
【数６９】
【数７０】
【０１５０】
ステップ1914において、前の原型残留と現在の原型残留との間における以下の補間にしたがって現在のフレーム中の残りの残留サンプルが計算される：
【数７１】
【数７２】
【数７３】
【数７４】
【０１５１】
この動作は本質的にステップ1306に関して上述したワープと同じであることを認識すべきである。したがって、別の実施形態では、ステップ1914の補間はワープフィルタを使用して計算される。当業者は、ここに示されている種々の目的に対して単一のワープフィルタを再使用することが経済的に構成できることを認識するであろう。
【０１５２】
図１７を参照すると、ステップ1706において、更新ピッチフィルタモジュール1512が再構成された残留＾ｒ（ｎ）からの値をピッチフィルタメモリにコピーする。同様に、ピッチフィルタのメモリもまた更新される。
【０１５３】
ステップ1708において、ＬＰＣ合成フィルタ1514は再構成された残留＾ｒ（ｎ）を濾波し、この再構成された残留＾ｒ（ｎ）はＬＰＣ合成フィルタのメモリの更新に影響を与える。
【０１５４】
以下、図１６Ａに示されているフィルタ更新モジュール910 の第２の実施形態について説明する。ステップ1702に関して上述したように、ステップ1802において原型残留がコードブックおよび回転パラメータから再構成され、その結果ｒcurr（ｎ）が得られる。
【０１５５】
ステップ1804において、更新ピッチフィルタモジュール1610は、
【数７５】
【数７６】
ステップ1806において、ｒcurr（ｎ）は、好ましくは知覚的に加重されたＬＰＣ係数を使用してセクションVIII．Ｂで述べたように循環的に濾波され、結果的にｓc （ｎ）を生成する。
【０１５７】
ステップ1808において、ｓc （ｎ）からの値は最後の１０個の値（１０次のＬＰＣフィルタに対して）であることが好ましく、ＬＰＣ合成フィルタのメモリを更新するために使用される。
【０１５８】
［Ｅ．ＰＰＰデコーダ］
図９および１０を参照すると、ステップ1010においてＰＰＰデコーダモード206 は、受取られたコードブックおよび回転パラメータに基づいて原型残留ｒcurr（ｎ）を再構成する。復号コードブック912 、回転子914 およびワープフィルタ918 は、前のセクションで述べたように動作する。周期インターポレータ920 は再構成された原型残留ｒcurr（ｎ）と、前の再構成された原型残留ｒprev（ｎ）を受取り、２つの原型の間のサンプルを補間し、合成されたスピーチ信号＾ｓ（ｎ）を出力する。次のセクションにおいて周期インターポレータ920 を説明する。
【０１５９】
［Ｆ．周期インターポレータ］
ステップ1012において周期インターポレータ920 はｒcurr（ｎ）を受取り、合成されたスピーチ信号＾ｓ（ｎ）を出力する。周期インターポレータ920 に対する２つの別の実施形態は、ここでは図１５Ｂおよび１６Ｂに示されている。図１５Ｂの第１の別の実施形態において、周期インターポレータ920 は、整列および補間モジュール1516と、ＬＰＣ合成フィルタ1518と、および更新ピッチフィルタモジュール1520とを含んでいる。図１６Ｂに示されている第２の別の実施形態のものは、循環ＬＰＣ合成フィルタ1616と、整列および補間モジュール1618と、更新ピッチフィルタモジュール1622と、および更新ＬＰＣフィルタモジュール1620とを含んでいる。図２０および２１はこれら２つの実施形態によるステップ1012をさらに詳細に示すフローチャートである。
【０１６０】
図１５Ｂを参照すると、ステップ2002において整列および補間モジュール1516は現在の残留原型ｒcurr（ｎ）と前の残留原型ｒprev（ｎ）との間のサンプルに対して残留信号を再構成して＾ｒ（ｎ）を形成する。整列および補間モジュール1516は、ステップ1704に関して上述したように（図１９に示されているように）動作する。
【０１６１】
ステップ2004において、更新ピッチフィルタモジュール1520は、ステップ1706に関して上述したように、再構成された残留信号＾ｒ（ｎ）に基づいてピッチフィルタメモリを更新する。
【０１６２】
ステップ2006において、ＬＰＣ合成フィルタ1518は、再構成された残留信号＾ｒ（ｎ）に基づいて出力スピーチ信号＾ｓ（ｎ）を合成する。ＬＰＣフィルタメモリは、この動作が行われたときに自動的に更新される。
【０１６３】
図１６Ｂおよび２１を参照すると、ステップ2102において更新ピッチフィルタモジュール1622は、ステップ1804に関して上述したように、再構成された現在の残留原型ｒcurr（ｎ）に基づいてピッチフィルタメモリを更新する。
【０１６４】
ステップ2104において、循環ＬＰＣ合成フィルタ1616は、上記のセクションVIII．Ｂで述べたように、ｒcurr（ｎ）を受取って現在のスピーチ原型ｓc （ｎ）（その長さがＬ個のサンプルである）を合成する。
【０１６５】
ステップ2106において、更新ＬＰＣフィルタモジュール1620は、ステップ1808に関して上述したようにＬＰＣフィルタメモリを更新する。
【０１６６】
ステップ2108において、整列および補間モジュール1618は、前の原型周期と現在の原型周期との間のスピーチサンプルを再構成する。前の原型残留ｒprev（ｎ）は、補間がスピーチドメインにおいて進行するように循環的に濾波される（ＬＰＣ合成装置において）。整列および補間モジュール1618はステップ1704に関して上述したように動作する（図１９参照）が、この動作は、残留原型ではなくスピーチ原型に関して行われる。整列および補間の結果、合成されたスピーチ信号＾ｓ（ｎ）が得られる。
【０１６７】
［IX．雑音励起線形予測（ＮＥＬＰ）コーディングモード］
雑音励起線形予測（ＮＥＬＰ）コーディングはスピーチ信号を擬似ランダム雑音シーケンスとしてモデル化し、それによってＣＥＬＰまたはＰＰＰコーディングのいずれを使用して得られるより低いビットレートを達成する。ＮＥＬＰコーディングは、スピーチ信号が無声スピーチまたは背景雑音のようなピッチ構造をほとんど、あるいは全く有しない場合、信号再生に関して最も効率的に動作する。
【０１６８】
図２２は、ＮＥＬＰエンコーダモード204 およびＮＥＬＰデコーダモード206 をさらに詳細に示している。ＮＥＬＰエンコーダモード204 は、エネルギ評価装置2202および符号化コードブック2204を含んでいる。ＮＥＬＰデコーダモード206 は復号コードブック2206と、ランダム数発生器と、乗算器2212と、およびＬＰＣ合成フィルタ2208とを含んでいる。
【０１６９】
図２３は、符号化および復号を含むＮＥＬＰコーディングのステップを示すフローチャート2300である。これらのステップを、ＮＥＬＰエンコーダモード204 およびＮＥＬＰデコーダモード206 の種々のコンポーネントと共に説明する。
【０１７０】
ステップ2302において、エネルギ評価装置2202は、以下のように４つのサブフレームのそれぞれに対する残留信号のエネルギを計算する：
【数７７】
ステップ2304において、符号化コードブック2204は１組のコードブックパラメータを計算し、符号化されたスピーチ信号ｓenc （ｎ）を形成する。好ましい実施形態において、この１組のコードブックパラメータは単一のパラメータであるインデックスＩ０を含んでいる。インデックスＩ０は、
【数７８】
【０１７２】
ステップ2306において、復号コードブック2206は受取られたコードブックパラメータを復号する。好ましい実施形態では、サブフレームＧi のセットは、
【数７９】
【０１７３】
ステップ2308において、ランダム数発生器2210は単位分散ランダムベクトルｎｚ（ｎ）を発生する。このランダムベクトルはステップ2310で各サブフレーム内の適切な利得Ｇi によってスケールされ、励起信号Ｇi ｎｚ（ｎ）を生成する。
【０１７４】
ステップ2312において、ＬＰＣ合成フィルタ2208は励起信号Ｇi ｎｚ（ｎ）を濾波して出力スピーチ信号＾ｓ（ｎ）を形成する。
【０１７５】
好ましい実施形態において、最も新しい非ゼロレートＮＥＬＰサブフレームから得られた利得Ｇi およびＬＰＣパラメータが現在のフレーム中の各サブフレームに対して使用される場合、ゼロレートモードもまた使用される。当業者は、多数のＮＥＬＰフレームが連続的に発生した場合に、このゼロレートモードが実効的に使用されることができることを認識するであろう。
【０１７６】
［Ｘ．結論］
上記において本発明の種々の実施形態を説明してきたが、それらは単なる例示として与えられたに過ぎず、何等本発明に制限を課すものではないことを理解すべきである。したがって、本発明の技術的範囲は上記に示されている例示的な実施形態のいずれの制限も受けず、添付された請求の範囲およびその等価なものによってのみ規定される。
【０１７７】
好ましい実施形態の上記の説明は、当業者が本発明を形成または使用できるようにするために与えられている。本発明はとくにその好ましい実施形態を参照して図示および説明されているが、当業者は、本発明の技術的範囲を逸脱することなく形態および詳細の種々の変更を行うことが可能であることを理解するであろう。
【図面の簡単な説明】
【図１】 信号伝送環境を示す概略図。
【図２】 エンコーダ102 およびデコーダ104 を示すさらに詳細な概略図。
【図３】 本発明による可変レートスピーチコーディングを示すフローチャート。
【図４Ａ】 サブフレームに分割された発声されたスピーチのフレームを示す概略図。
【図４Ｂ】 サブフレームに分割された無声スピーチのフレームを示す概略図。
【図４Ｃ】 サブフレームに分割された過渡スピーチのフレームを示す概略図。
【図５】 初期パラメータの計算を示すフローチャート。
【図６】 アクティブまたは非アクティブとしてスピーチを分類することを示すフローチャート。
【図７Ａ】 ＣＥＬＰエンコーダを示す概略図。
【図７Ｂ】 ＣＥＬＰデコーダを示す概略図。
【図８】 ピッチフィルタモジュールを示す概略図。
【図９Ａ】 ＰＰＰエンコーダを示す概略図。
【図９Ｂ】 ＰＰＰデコーダを示す概略図。
【図１０】 符号化およびデコードを含むＰＰＰコーディングのステップを示すフローチャート。
【図１１】 原型残留周期の抽出を示すフローチャート。
【図１２】 残留信号の現在のフレームから抽出された原型残留周期と、前のフレームから抽出された原型残留周期とを示す概略図。
【図１３】 回転パラメータの計算を示すフローチャート。
【図１４】 符号化コードブックの動作を示すフローチャート。
【図１５Ａ】 第１のフィルタ更新モジュールの実施形態を示す概略図。
【図１５Ｂ】 第１の周期インターポレータモジュール形態を示す概略図。
【図１６Ａ】 第２のフィルタ更新モジュール形態を示す概略図。
【図１６Ｂ】 第２の周期インターポレータモジュール形態を示す概略図。
【図１７】 第１のフィルタ更新モジュール形態の動作を示すフローチャート。
【図１８】 第２のフィルタ更新モジュールの実施形態の動作を示すフローチャート。
【図１９】 原型残留周期の整列および補間を示すフローチャート。
【図２０】 第１の実施形態による原型残留周期に基づくスピーチ信号の再構成を示すフローチャート。
【図２１】 第２の実施形態による原型残留周期に基づくスピーチ信号の再構成を示すフローチャート。
【図２２Ａ】 ＮＥＬＰエンコーダを示す概略図。
【図２２Ｂ】 ＮＥＬＰデコーダを示す概略図。
【図２３】 ＮＥＬＰコーディングを示すフローチャート。
Claims (27)
- 伝送源から受信機に送信される擬似周期スピーチ信号のコーディング、および、復号方法において、前記スピーチ信号は、線形予測コーディング（ＬＰＣ）解析フィルタにより前記スピーチ信号を濾波することにより発生された残留信号によって表され、前記残留信号はデータのフレームに分割され、
前記方法は、
抽出する手段によって、残留信号の現在のフレームから現在の原型を抽出し、
計算する手段によって、修正された前の原型が現在の原型に近似するように前記前の原型をどのように修正すべきかを記述する第１の組のパラメータを計算し、
選択する手段によって、１以上のコードベクトルを第１のコードブックから選択し、
前記コードベクトルは合計されたときに前記現在の原型と前記修正された前の原型との間の差に近似し、前記コードベクトルは第２の組のパラメータによって記述され、
送信する手段によって、前記第１の組のパラメータと前記第２の組のパラメータとを前記受信機に送信し、
形成する手段によって、前記第１の組のパラメータと前記第２の組のパラメータと再構成された前の原型とに基づいて、前記受信機において再構成された現在の原型を形成し、
補間する手段によって、前記再構成された現在の原型と前記再構成された前の原型との間の領域にわたって補間して補間された残留信号を形成し、
合成する手段によって、前記補間された残留信号に基づいて出力スピーチ信号を合成するステップを含んでいる方法。 - 前記現在のフレームはピッチ遅延を有し、前記現在の原型の長さは前記ピッチ遅延に等しい請求項１記載の方法。
- 現在の原型を抽出する前記ステップは“カットフリー領域”を条件とする請求項１記載の方法。
- 前記現在の原型は、前記カットフリー領域を条件として前記現在のフレームの終わりから抽出される請求項３記載の方法。
- 擬似周期スピーチ信号のコーディング方法において、前記スピーチ信号は、線形予測コーディング（ＬＰＣ）解析フィルタにより前記スピーチ信号を濾波することにより発生された残留信号によって表され、前記残留信号はデータのフレームに分割され、
前記方法は、
抽出する手段によって、残留信号の現在のフレームから現在の原型を抽出し、
計算する手段によって、修正された前の原型が現在の原型に近似するように前記前の原型をどのように修正すべきかを記述する第１の組のパラメータを計算し、
選択する手段によって、１以上のコードベクトルを第１のコードブックから選択し、前記コードベクトルは合計されたときに前記現在の原型と前記修正された前の原型との間の差に近似し、前記コードベクトルは第２の組のパラメータによって記述され、
送信する手段によって、前記第１の組のパラメータと前記第２の組のパラメータとを受信機に送信し、
前記受信機においては受信する手段によって、前記送信された第１および第２の組のパラメータを受信し、
再構成する手段によって、前記第１および第２の組のパラメータに基づいて、現在の原型を再構成し、
補間する手段によって、前記現在の再構成された原型と前の再構成された原型との間の領域にわたって残留信号を補間し、
合成する手段によって、前記補間された残留信号に基づいて出力スピーチ信号を合成するステップを含んでおり、
第１の組のパラメータを計算する前記ステップは、
（ｉ）前記現在の原型を循環的に濾波し、ターゲット信号を形成し、
（ii）前記前の原型を抽出し、
(iii)前記前の原型の長さが前記現在の原型の長さに等しくなるように前記前の原型をワープし、
（iV）前記ワープされた前の原型を循環的に濾波し、
（ｖ）最適回転および第１の最適利得を計算するステップを含み、前記濾波されたワープされた前の原型は前記最適回転だけ回転されて前記第１の最適利得によりスケールされ、前記ターゲット信号にもっともよく近似している、方法。 - 最適回転および第１の最適利得を計算する前記ステップは、
ピッチ回転サーチ範囲を条件として行われる請求項５記載の方法。 - 最適回転および第１の最適利得を計算する前記ステップは、前記濾波されたワープされた前の原型と前記ターゲット信号との間の平均２乗差を最小にする請求項５記載の方法。
- 前記第１のコードブックは１以上のステージを含んでおり、１以上のコードベクトルを選択する前記ステップは、
（ｉ）前記最適回転だけ回転されて前記第１の最適利得によってスケールされた前記濾波されたワープされた前の原型を減算することにより前記ターゲット信号を更新し、
（ii）前記第１のコードブックを複数の領域に分割し、前記各領域がコードベクトルを形成し、
(iii)前記各コードベクトルを循環的に濾波し、
（iv）前記更新されたターゲット信号に最もぴったり近似している前記濾波されたコードベクトルの１つを選択し、前記特定のコードベクトルが最適インデックスによって記述され、
（ｖ）前記更新されたターゲット信号と前記選択された濾波されたコードベクトルとの間の相関に基づいて第２の最適利得を計算し、
(vi)前記第２の最適利得によってスケールされた前記選択された濾波されたコードベクトルを減算することによって前記ターゲット信号を更新し、
(vii)前記第１のコードブック中の前記ステージのそれぞれに対して前記ステップ（iv）−(vi)を繰り返し、前記第２の組のパラメータが前記ステージのそれぞれに対する前記最適インデックスおよび前記第２の最適利得を含んでいるステップを含んでいる請求項５記載の方法。 - 現在の原型を再構成する前記ステップは、
（ｉ）前の再構成された原型の長さが前記現在の再構成された原型の長さに等しくなるように前記前の再構成された原型をワープし、
（ii）前記ワープされた前の再構成された原型を前記最適回転だけ回転して前記第１の最適利得により調整し、それによって前記現在の再構成された原型を形成し、
(iii)第２のコードベクトルを第２のコードブックから検索し、前記第２のコードベクトルが前記最適インデックスによって識別され、前記第２のコードブックが前記第１のコードブックに等しい数のステージを含んでおり、
（iv）前記第２の最適利得によって前記第２のコードベクトルを調整し、
（ｖ）前記調整された第２のコードベクトルを前記現在の再構成された原型に加算し、
（vi）前記第２のコードブックの中の前記ステージのそれぞれに対して前記ステップ(iii) −（ｖ）を繰り返すステップを含んでいる請求項８記載の方法。 - 残留信号を補間する前記ステップは、
（ｉ）前記ワープされた前の再構成された原型と前記現在の再構成された原型との間の最適整列を計算し、
（ii）前記ワープされた前の再構成された原型と前記現在の再構成された原型との間の平均遅延を前記最適整列に基づいて計算し、
(iii)前記ワープされた前の再構成された原型と前記現在の再構成された原型とを補間し、それによって前記ワープされた前の再構成された原型と前記現在の再構成された原型との間の領域にわたって残留信号を形成し、前記補間された残留信号が前記平均遅延を有しているステップを含んでいる請求項９記載の方法。 - 出力スピーチ信号を合成する前記ステップは、前記補間された残留信号をＬＰＣ合成フィルタで濾波するステップを含んでいる請求項１０記載の方法。
- 伝送源から受信機に送信される擬似周期スピーチ信号のコーディング、および、復号方法において、前記スピーチ信号は、線形予測コーディング（ＬＰＣ）解析フィルタにより前記スピーチ信号を濾波することにより発生された残留信号によって表され、残留信号はデータのフレームに分割され、
抽出する手段によって、残留信号の現在のフレームから現在の原型を抽出し、
計算する手段によって、修正された前の原型が現在の原型に近似するように前記前の原型をどのように修正すべきかを記述する第１の組のパラメータを計算し、
選択する手段によって、１以上のコードベクトルを第１のコードブックから選択し、前記コードベクトルは合計されたときに前記現在の原型と前記修正された前の原型との間の差に近似し、前記コードベクトルは第２の組のパラメータによって記述され、
送信する手段によって、前記第１の組のパラメータと前記第２の組のパラメータとを前記受信機に送信し、
形成する手段によって、前記第１の組のパラメータと前記第２の組のパラメータと再構成された前の原型とに基づいて、前記受信機において再構成された現在の原型を形成し、
濾波する手段によって、前記再構成された現在の原型をＬＰＣ合成フィルタで濾波し、
前記濾波するによって、前の再構成された原型を前記ＬＰＣ合成フィルタで濾波し、
補間する手段によって、前記濾波された再構成された現在の原型と前記濾波された再構成された前の原型との間の領域にわたって補間し、それによって出力スピーチ信号を形成するステップを含んでいる方法。 - 伝送源から受信機に送信される擬似周期スピーチ信号をコーディング、および、復号するシステムにおいて、前記スピーチ信号は、線形予測コーディング（ＬＰＣ）解析フィルタにより前記スピーチ信号を濾波することにより発生された残留信号によって表され、前記残留信号はデータのフレームに分割され、
前記システムは、
残留信号の現在のフレームから現在の原型を抽出する手段と、
修正された前の原型が現在の原型に近似するように前記前の原型をどのように修正するかを記述する第１の組のパラメータを計算する手段と、
コードベクトルは合計されたときに前記現在の原型と前記修正された前の原型との間の差に近似し、前記コードベクトルは第２の組のパラメータによって記述される１以上の前記コードベクトルを第１のコードブックから選択する手段と、
前記第１の組のパラメータと前記第２の組のパラメータとを前記受信機に送信する手段と、
前記第１の組のパラメータと前記第２の組のパラメータと再構成された前の原型とに基づいて再構成された現在の原型を形成する手段と、
前記再構成された現在の原型と前記再構成された前の原型との間の領域にわたって補間して補間された残留信号を形成する手段と、
前記補間された残留信号に基づいて出力スピーチ信号を合成する手段とを備えているシステム。 - 前記現在のフレームはピッチ遅延を有し、前記現在の原型の長さは前記ピッチ遅延に等しい請求項１３記載のシステム。
- 前記抽出する手段は、“カットフリー領域”について前記現在の原型を抽出する請求項１３記載のシステム。
- 前記抽出する手段は、前記カットフリー領域について前記現在のフレームの終わりから前記現在の原型を抽出する請求項１５記載のシステム。
- 擬似周期スピーチ信号をコーディングするシステムにおいて、前記スピーチ信号は、線形予測コーディング（ＬＰＣ）解析フィルタにより前記スピーチ信号を濾波することにより発生された残留信号によって表され、前記残留信号はデータのフレームに分割され、
前記システムは、
残留信号の現在のフレームから現在の原型を抽出する手段と、
修正された前の原型が現在の原型に近似するように前記前の原型をどのように修正するかを記述する第１の組のパラメータを計算する手段と、
コードベクトルは合計されたときに前記現在の原型と前記修正された前の原型との間の差に近似し、前記コードベクトルは第２の組のパラメータによって記述される１以上の前記コードベクトルを第１のコードブックから選択する手段と、
前記第１の組のパラメータと前記第２の組のパラメータとを受信機に送信する手段と、
前記送信された第１および第２の組のパラメータを前記受信機において受信する手段と、
前記第１および第２の組のパラメータに基づいて現在の再構成された原型を再構成する手段と、
前記現在の再構成された原型と前の再構成された原型との間の領域にわたって残留信号を補間する手段と、
前記補間された残留信号に基づいて出力スピーチ信号を合成する手段とを備えており、
第１の組のパラメータを計算する前記手段は、
前記現在の原型を受取ってターゲット信号を出力するように結合された第１の循環ＬＰＣ合成フィルタと、
前記前の原型を前のフレームから抽出する手段と、
前記前の原型を受取るように結合され、前記現在の原型の長さに等しい長さを有するワープされた前の原型を出力するワープフィルタと、
前記ワープされた前の原型を受取るように結合され、濾波されたワープされた前の原型を出力する第２の循環ＬＰＣ合成フィルタと、
最適回転および第１の最適利得を計算する手段を具備し、
前記最適回転だけ回転され前記第１の最適利得により調整された前記濾波されたワープされた前の原型は前記ターゲット信号にもっともよく近似している、システム。 - 前記計算する手段はピッチ回転サーチ範囲について前記最適回転および前記第１の最適利得を計算する請求項１７記載のシステム。
- 前記計算する手段は、前記濾波されたワープされた前の原型と前記ターゲット信号との間の平均２乗差を最小にする請求項１７記載のシステム。
- 前記第１のコードブックは１以上のステージを含んでおり、１以上のコードベクトルを選択する前記手段は、
前記最適回転だけ回転されて前記第１の最適利得によって調整された前記濾波されたワープされた前の原型を減算することにより前記ターゲット信号を更新する手段と、
前記第１のコードブックを各領域がコードベクトルを形成する複数の領域に分割する手段と、
前記各コードベクトルを受取るように結合され、濾波されたコードベクトルを出力する第３の循環ＬＰＣ合成フィルタと、
前記第１のコードブックの中の前記ステージのそれぞれに対する最適インデックスおよび第２の最適利得を計算する手段とを具備しており、この計算する手段は、
前記濾波されたコードベクトルの１つを選択し、前記選択された濾波されたコードベクトルが前記ターゲット信号に最もぴったり近似して、最適インデックスにより記述される選択手段と、
前記ターゲット信号と前記選択された濾波されたコードベクトルとの間の相関に基づいて第２の最適利得を計算する手段と、
前記第２の最適利得によってスケールされた前記選択された濾波されたコードベクトルを減算することによって前記ターゲット信号を更新する手段とを含んでおり、
前記第２の組のパラメータは、前記ステージのそれぞれに対する前記最適インデックスおよび前記第２の最適利得を含んでいる請求項１７記載のシステム。 - 現在の原型を再構成する前記手段は、
前の再構成された原型を受取るように結合され、前記現在の再構成された原型の長さに等しい長さを有するワープされた前の再構成された原型を出力する第２のワープフィルタと、
前記ワープされた前の再構成された原型を前記最適回転だけ回転して前記第１の最適利得によりスケールし、それによって前記現在の再構成された原型を形成する手段と、
前記第２の組のパラメータを復号し、第２のコードベクトルが前記第１のコードブックと同数のステージを有する第２のコードブックの中の各ステージに対して復号される手段とを具備し、この復号する手段が、
前記第２のコードベクトルを前記最適インデックスによって識別することによって前記第２のコードブックから検索する手段と、
前記第２のコードベクトルを前記第２の最適利得により調整する手段と、
前記調整された第２のコードベクトルを前記現在の再構成された原型に付加する手段を含んでいる請求項２０記載のシステム。 - 残留信号を補間する前記手段は、
前記ワープされた前の再構成された原型と前記現在の再構成された原型との間の最適整列を計算する手段と、
前記ワープされた前の再構成された原型と前記現在の再構成された原型との間の平均遅延を前記最適整列に基づいて計算する手段と、
前記ワープされた前の再構成された原型と前記現在の再構成された原型とを補間し、それによって前記ワープされた前の再構成された原型と前記現在の再構成された原型との間の領域にわたって残留信号を形成する手段とを含み、前記補間された残留信号が前記平均遅延を有している請求項２１記載のシステム。 - 出力スピーチ信号を合成する前記手段は、ＬＰＣ合成フィルタを含んでいる請求項２２記載のシステム。
- 伝送源から受信機に送信される擬似周期スピーチ信号をコーディング、および、復号するシステムにおいて、前記スピーチ信号は、線形予測コーディング（ＬＰＣ）解析フィルタにより前記スピーチ信号を濾波することにより発生された残留信号によって表され、前記残留信号はデータのフレームに分割され、
前記システムは、
残留信号の現在のフレームから現在の原型を抽出する手段と、
修正された前の原型が現在の原型に近似するように前記前の原型をどのように修正すべきかを記述する第１の組のパラメータを計算する手段と、
１以上のコードベクトルを第１のコードブックから選択し、前記コードベクトルは合計されたときに前記現在の原型と前記修正された前の原型との間の差に近似し、前記コードベクトルが第２の組のパラメータによって記述される選択手段と、
前記第１の組のパラメータと前記第２の組のパラメータとを前記受信機に送信する手段と、
前記第１の組のパラメータと前記第２の組のパラメータと再構成された前の原型とに基づいて再構成された現在の原型を形成する手段と、
前記再構成された現在の原型を受取るように結合され、濾波された再構成された現在の原型を出力する第１のＬＰＣ合成フィルタと、
再構成された前の原型を受取るように結合され、濾波された再構成された前の原型を出力する第２のＬＰＣ合成フィルタと、
前記濾波された再構成された現在の原型と前記濾波された再構成された前の原型との間の領域にわたって補間し、それによって出力スピーチ信号を形成する手段とを含んでいるシステム。 - スピーチ信号の伝送ビットレートを減少させる方法において、
前記スピーチ信号は、線形予測コーディング（ＬＰＣ）解析フィルタにより前記スピーチ信号を濾波することにより発生された残留信号によって表され、前記残留信号はデータのフレームに分割され、
抽出手段によって、前記残留信号の現在のフレームから現在の原型の波形を抽出し、
比較する手段によって、前記現在の原型の波形を、前記スピーチ信号の過去のフレームからの過去の原型の波形と比較し、前記現在の原型の波形を近似するために前記過去の原型の波形を修正する１組の回転パラメータが決定され、前記現在の原型の波形と修正された過去の原型の波形との間の差を表わす１組の差分パラメータが決定され、
送信する手段によって、前記現在の原型の波形の代りに前記１組の回転パラメータと１組の差分パラメータとを受信機に送信し、
再構成する手段によって、前記受信された１組の回転パラメータと１組の差分パラメータと前に再構成された過去の原型の波形から前記現在の原型を再構成する、方法。 - 伝送源から受信機に送信された擬似周期スピーチ信号を復号する装置において、前記スピーチ信号は、線形予測コーディング（ＬＰＣ）解析フィルタにより前記スピーチ信号を濾波することにより発生された残留信号によって表され、前記残留信号はデータのフレームに分割され、
前記装置は、
第１の組のパラメータと第２の組のパラメータと再構成された前の原型とに基づいて、再構成された現在の原型を形成するデコーダを具備し、前記第１の組のパラメータは、修正された前の原型が現在の原型に近似するように前記前の原型をどのように修正すべきかを記述しており、前記第２の組のパラメータは、第１のコードブックからの１以上のコードベクトルを記述しており、前記コードベクトルは合計されたときに前記現在の原型と前記修正された前の原型との間の差に近似し、
さらに、前記装置は、
前記再構成された現在の原型と前記再構成された前の原型との間の領域にわたって補間して補間された残留信号を形成して、前記補間された残留信号に基づいて出力スピーチ信号を合成するように構成されている周期インターポレータを具備する、装置。 - 擬似周期スピーチ信号をコーディングする装置において、前記スピーチ信号は、線形予測コーディング（ＬＰＣ）解析フィルタにより前記スピーチ信号を濾波することにより発生された残留信号によって表され、前記残留信号はデータのフレームに分割され、
前記装置は、
前記残留信号の現在のフレームから現在の原型を抽出し、前のフレームから前の原型を抽出する抽出モジュールと、
前記現在の原型を受取ってターゲット信号を出力するように構成された第１の循環ＬＰＣ合成フィルタと、
前記前の原型を受取るように構成され、前記現在の原型の長さに等しい長さを有するワープされた前の原型を出力するワープフィルタと、
前記ワープされた前の原型を受取るように構成され、濾波されたワープされた前の原型を出力する第２の循環ＬＰＣ合成フィルタと、
最適回転および第１の最適利得を計算する回転コリレータとを具備し、
前記最適回転だけ回転され前記第１の最適利得により調整された前記濾波されたワープされた前の原型は前記ターゲット信号にもっともよく近似しており、
さらに、前記装置は、
１以上のコードベクトルを生成するマルチステージコードブックを具備しており、前記コードベクトルは合計されたときに前記現在の原型と前記修正された前の原型との間の差に近似している、装置。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US09/217,494 | 1998-12-21 | ||
| US09/217,494 US6456964B2 (en) | 1998-12-21 | 1998-12-21 | Encoding of periodic speech using prototype waveforms |
| PCT/US1999/030588 WO2000038177A1 (en) | 1998-12-21 | 1999-12-21 | Periodic speech coding |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2003522965A JP2003522965A (ja) | 2003-07-29 |
| JP4824167B2 true JP4824167B2 (ja) | 2011-11-30 |
Family
ID=22811325
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2000590162A Expired - Lifetime JP4824167B2 (ja) | 1998-12-21 | 1999-12-21 | 周期的スピーチコーディング |
Country Status (11)
| Country | Link |
|---|---|
| US (1) | US6456964B2 (ja) |
| EP (1) | EP1145228B1 (ja) |
| JP (1) | JP4824167B2 (ja) |
| KR (1) | KR100615113B1 (ja) |
| CN (1) | CN1242380C (ja) |
| AT (1) | ATE309601T1 (ja) |
| AU (1) | AU2377600A (ja) |
| DE (1) | DE69928288T2 (ja) |
| ES (1) | ES2257098T3 (ja) |
| HK (1) | HK1040806B (ja) |
| WO (1) | WO2000038177A1 (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9324333B2 (en) | 2006-07-31 | 2016-04-26 | Qualcomm Incorporated | Systems, methods, and apparatus for wideband encoding and decoding of inactive frames |
Families Citing this family (70)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6754630B2 (en) * | 1998-11-13 | 2004-06-22 | Qualcomm, Inc. | Synthesis of speech from pitch prototype waveforms by time-synchronous waveform interpolation |
| US7092881B1 (en) * | 1999-07-26 | 2006-08-15 | Lucent Technologies Inc. | Parametric speech codec for representing synthetic speech in the presence of background noise |
| US6959274B1 (en) * | 1999-09-22 | 2005-10-25 | Mindspeed Technologies, Inc. | Fixed rate speech compression system and method |
| US6715125B1 (en) * | 1999-10-18 | 2004-03-30 | Agere Systems Inc. | Source coding and transmission with time diversity |
| JP2001255882A (ja) * | 2000-03-09 | 2001-09-21 | Sony Corp | 音声信号処理装置及びその信号処理方法 |
| US6901362B1 (en) * | 2000-04-19 | 2005-05-31 | Microsoft Corporation | Audio segmentation and classification |
| US6584438B1 (en) | 2000-04-24 | 2003-06-24 | Qualcomm Incorporated | Frame erasure compensation method in a variable rate speech coder |
| ATE420432T1 (de) * | 2000-04-24 | 2009-01-15 | Qualcomm Inc | Verfahren und vorrichtung zur prädiktiven quantisierung von stimmhaften sprachsignalen |
| US6937979B2 (en) * | 2000-09-15 | 2005-08-30 | Mindspeed Technologies, Inc. | Coding based on spectral content of a speech signal |
| US7171357B2 (en) * | 2001-03-21 | 2007-01-30 | Avaya Technology Corp. | Voice-activity detection using energy ratios and periodicity |
| US20020184009A1 (en) * | 2001-05-31 | 2002-12-05 | Heikkinen Ari P. | Method and apparatus for improved voicing determination in speech signals containing high levels of jitter |
| KR100487645B1 (ko) * | 2001-11-12 | 2005-05-03 | 인벤텍 베스타 컴파니 리미티드 | 유사주기 파형들을 이용한 음성 인코딩 방법 |
| US7389275B2 (en) * | 2002-03-05 | 2008-06-17 | Visa U.S.A. Inc. | System for personal authorization control for card transactions |
| US20040002856A1 (en) * | 2002-03-08 | 2004-01-01 | Udaya Bhaskar | Multi-rate frequency domain interpolative speech CODEC system |
| US20040235423A1 (en) * | 2003-01-14 | 2004-11-25 | Interdigital Technology Corporation | Method and apparatus for network management using perceived signal to noise and interference indicator |
| US7738848B2 (en) * | 2003-01-14 | 2010-06-15 | Interdigital Technology Corporation | Received signal to noise indicator |
| US7627091B2 (en) * | 2003-06-25 | 2009-12-01 | Avaya Inc. | Universal emergency number ELIN based on network address ranges |
| KR100629997B1 (ko) * | 2004-02-26 | 2006-09-27 | 엘지전자 주식회사 | 오디오 신호의 인코딩 방법 |
| US7130385B1 (en) | 2004-03-05 | 2006-10-31 | Avaya Technology Corp. | Advanced port-based E911 strategy for IP telephony |
| US20050216260A1 (en) * | 2004-03-26 | 2005-09-29 | Intel Corporation | Method and apparatus for evaluating speech quality |
| US7246746B2 (en) * | 2004-08-03 | 2007-07-24 | Avaya Technology Corp. | Integrated real-time automated location positioning asset management system |
| CA2691762C (en) * | 2004-08-30 | 2012-04-03 | Qualcomm Incorporated | Method and apparatus for an adaptive de-jitter buffer |
| US8085678B2 (en) * | 2004-10-13 | 2011-12-27 | Qualcomm Incorporated | Media (voice) playback (de-jitter) buffer adjustments based on air interface |
| KR100639968B1 (ko) * | 2004-11-04 | 2006-11-01 | 한국전자통신연구원 | 음성 인식 장치 및 그 방법 |
| US7589616B2 (en) * | 2005-01-20 | 2009-09-15 | Avaya Inc. | Mobile devices including RFID tag readers |
| WO2006079348A1 (en) | 2005-01-31 | 2006-08-03 | Sonorit Aps | Method for generating concealment frames in communication system |
| US8355907B2 (en) * | 2005-03-11 | 2013-01-15 | Qualcomm Incorporated | Method and apparatus for phase matching frames in vocoders |
| US8155965B2 (en) | 2005-03-11 | 2012-04-10 | Qualcomm Incorporated | Time warping frames inside the vocoder by modifying the residual |
| US8107625B2 (en) | 2005-03-31 | 2012-01-31 | Avaya Inc. | IP phone intruder security monitoring system |
| US7599833B2 (en) * | 2005-05-30 | 2009-10-06 | Electronics And Telecommunications Research Institute | Apparatus and method for coding residual signals of audio signals into a frequency domain and apparatus and method for decoding the same |
| US20090210219A1 (en) * | 2005-05-30 | 2009-08-20 | Jong-Mo Sung | Apparatus and method for coding and decoding residual signal |
| US7177804B2 (en) * | 2005-05-31 | 2007-02-13 | Microsoft Corporation | Sub-band voice codec with multi-stage codebooks and redundant coding |
| US7184937B1 (en) * | 2005-07-14 | 2007-02-27 | The United States Of America As Represented By The Secretary Of The Army | Signal repetition-rate and frequency-drift estimator using proportional-delayed zero-crossing techniques |
| US7821386B1 (en) | 2005-10-11 | 2010-10-26 | Avaya Inc. | Departure-based reminder systems |
| US8259840B2 (en) * | 2005-10-24 | 2012-09-04 | General Motors Llc | Data communication via a voice channel of a wireless communication network using discontinuities |
| KR101019936B1 (ko) * | 2005-12-02 | 2011-03-09 | 퀄컴 인코포레이티드 | 음성 파형의 정렬을 위한 시스템, 방법, 및 장치 |
| US8090573B2 (en) * | 2006-01-20 | 2012-01-03 | Qualcomm Incorporated | Selection of encoding modes and/or encoding rates for speech compression with open loop re-decision |
| US8346544B2 (en) * | 2006-01-20 | 2013-01-01 | Qualcomm Incorporated | Selection of encoding modes and/or encoding rates for speech compression with closed loop re-decision |
| US8032369B2 (en) * | 2006-01-20 | 2011-10-04 | Qualcomm Incorporated | Arbitrary average data rates for variable rate coders |
| US8682652B2 (en) | 2006-06-30 | 2014-03-25 | Fraunhofer-Gesellschaft Zur Foerderung Der Angewandten Forschung E.V. | Audio encoder, audio decoder and audio processor having a dynamically variable warping characteristic |
| BRPI0712625B1 (pt) * | 2006-06-30 | 2023-10-10 | Fraunhofer - Gesellschaft Zur Forderung Der Angewandten Forschung E.V | Codificador de áudio, decodificador de áudio, e processador de áudio tendo uma caractéristica de distorção ("warping") dinamicamente variável |
| US20100030557A1 (en) * | 2006-07-31 | 2010-02-04 | Stephen Molloy | Voice and text communication system, method and apparatus |
| JP4380669B2 (ja) * | 2006-08-07 | 2009-12-09 | カシオ計算機株式会社 | 音声符号化装置、音声復号装置、音声符号化方法、音声復号方法、及び、プログラム |
| US8239190B2 (en) * | 2006-08-22 | 2012-08-07 | Qualcomm Incorporated | Time-warping frames of wideband vocoder |
| EP2092517B1 (en) * | 2006-10-10 | 2012-07-18 | QUALCOMM Incorporated | Method and apparatus for encoding and decoding audio signals |
| KR20090076964A (ko) * | 2006-11-10 | 2009-07-13 | 파나소닉 주식회사 | 파라미터 복호 장치, 파라미터 부호화 장치 및 파라미터 복호 방법 |
| US20080120098A1 (en) * | 2006-11-21 | 2008-05-22 | Nokia Corporation | Complexity Adjustment for a Signal Encoder |
| US8005671B2 (en) * | 2006-12-04 | 2011-08-23 | Qualcomm Incorporated | Systems and methods for dynamic normalization to reduce loss in precision for low-level signals |
| CN100483509C (zh) * | 2006-12-05 | 2009-04-29 | 华为技术有限公司 | 声音信号分类方法和装置 |
| US9653088B2 (en) * | 2007-06-13 | 2017-05-16 | Qualcomm Incorporated | Systems, methods, and apparatus for signal encoding using pitch-regularizing and non-pitch-regularizing coding |
| US20100006527A1 (en) * | 2008-07-10 | 2010-01-14 | Interstate Container Reading Llc | Collapsible merchandising display |
| US9232055B2 (en) * | 2008-12-23 | 2016-01-05 | Avaya Inc. | SIP presence based notifications |
| GB2466671B (en) * | 2009-01-06 | 2013-03-27 | Skype | Speech encoding |
| GB2466673B (en) | 2009-01-06 | 2012-11-07 | Skype | Quantization |
| GB2466672B (en) * | 2009-01-06 | 2013-03-13 | Skype | Speech coding |
| GB2466674B (en) * | 2009-01-06 | 2013-11-13 | Skype | Speech coding |
| GB2466675B (en) | 2009-01-06 | 2013-03-06 | Skype | Speech coding |
| GB2466669B (en) * | 2009-01-06 | 2013-03-06 | Skype | Speech coding |
| GB2466670B (en) * | 2009-01-06 | 2012-11-14 | Skype | Speech encoding |
| KR20110001130A (ko) * | 2009-06-29 | 2011-01-06 | 삼성전자주식회사 | 가중 선형 예측 변환을 이용한 오디오 신호 부호화 및 복호화 장치 및 그 방법 |
| US8452606B2 (en) * | 2009-09-29 | 2013-05-28 | Skype | Speech encoding using multiple bit rates |
| JP5314771B2 (ja) | 2010-01-08 | 2013-10-16 | 日本電信電話株式会社 | 符号化方法、復号方法、符号化装置、復号装置、プログラムおよび記録媒体 |
| FR2961937A1 (fr) * | 2010-06-29 | 2011-12-30 | France Telecom | Codage/decodage predictif lineaire adaptatif |
| ES2664090T3 (es) * | 2011-03-10 | 2018-04-18 | Telefonaktiebolaget Lm Ericsson (Publ) | Relleno de subvectores no codificados en señales de audio codificadas por transformada |
| EP2830062B1 (en) * | 2012-03-21 | 2019-11-20 | Samsung Electronics Co., Ltd. | Method and apparatus for high-frequency encoding/decoding for bandwidth extension |
| US9842598B2 (en) * | 2013-02-21 | 2017-12-12 | Qualcomm Incorporated | Systems and methods for mitigating potential frame instability |
| JP6153661B2 (ja) | 2013-06-21 | 2017-06-28 | フラウンホーファーゲゼルシャフト ツール フォルデルング デル アンゲヴァンテン フォルシユング エー．フアー． | 改善されたパルス再同期化を採用するａｃｅｌｐ型封じ込めにおける適応型コードブックの改善された封じ込めのための装置および方法 |
| BR112015031181A2 (pt) | 2013-06-21 | 2017-07-25 | Fraunhofer Ges Forschung | aparelho e método que realizam conceitos aperfeiçoados para tcx ltp |
| CN110265058B (zh) * | 2013-12-19 | 2023-01-17 | 瑞典爱立信有限公司 | 估计音频信号中的背景噪声 |
| TWI688609B (zh) | 2014-11-13 | 2020-03-21 | 美商道康寧公司 | 含硫聚有機矽氧烷組成物及相關態樣 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS62150399A (ja) * | 1985-12-25 | 1987-07-04 | 日本電気株式会社 | 音声合成用基本周期波形生成法 |
| JPH0284699A (ja) * | 1988-09-21 | 1990-03-26 | Mitsubishi Electric Corp | 音声分析合成装置 |
| JPH02160300A (ja) * | 1988-12-13 | 1990-06-20 | Nec Corp | 音声符号化方式 |
| JPH06266395A (ja) * | 1993-03-10 | 1994-09-22 | Mitsubishi Electric Corp | 音声符号化装置および音声復号化装置 |
| JPH07177031A (ja) * | 1993-12-20 | 1995-07-14 | Fujitsu Ltd | 音声符号化制御方式 |
| JPH07234697A (ja) * | 1994-02-08 | 1995-09-05 | At & T Corp | 音声信号の符号化方法 |
| JPH10143199A (ja) * | 1996-11-15 | 1998-05-29 | Nippon Telegr & Teleph Corp <Ntt> | 音声符号化方法および復号化方法 |
| JPH10232697A (ja) * | 1997-02-21 | 1998-09-02 | Nippon Telegr & Teleph Corp <Ntt> | 音声符号化方法および復号化方法 |
| JPH11219196A (ja) * | 1998-01-30 | 1999-08-10 | Toshiba Corp | 音声合成方法 |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5884253A (en) | 1992-04-09 | 1999-03-16 | Lucent Technologies, Inc. | Prototype waveform speech coding with interpolation of pitch, pitch-period waveforms, and synthesis filter |
| US5734789A (en) * | 1992-06-01 | 1998-03-31 | Hughes Electronics | Voiced, unvoiced or noise modes in a CELP vocoder |
| US5809459A (en) | 1996-05-21 | 1998-09-15 | Motorola, Inc. | Method and apparatus for speech excitation waveform coding using multiple error waveforms |
| US5903866A (en) * | 1997-03-10 | 1999-05-11 | Lucent Technologies Inc. | Waveform interpolation speech coding using splines |
| WO1999010719A1 (en) * | 1997-08-29 | 1999-03-04 | The Regents Of The University Of California | Method and apparatus for hybrid coding of speech at 4kbps |
| US6092039A (en) * | 1997-10-31 | 2000-07-18 | International Business Machines Corporation | Symbiotic automatic speech recognition and vocoder |
| US6260017B1 (en) * | 1999-05-07 | 2001-07-10 | Qualcomm Inc. | Multipulse interpolative coding of transition speech frames |
| US6330532B1 (en) * | 1999-07-19 | 2001-12-11 | Qualcomm Incorporated | Method and apparatus for maintaining a target bit rate in a speech coder |
| US6324505B1 (en) * | 1999-07-19 | 2001-11-27 | Qualcomm Incorporated | Amplitude quantization scheme for low-bit-rate speech coders |
-
1998
- 1998-12-21 US US09/217,494 patent/US6456964B2/en not_active Expired - Lifetime
-
1999
- 1999-12-21 AT AT99967508T patent/ATE309601T1/de not_active IP Right Cessation
- 1999-12-21 CN CNB998148210A patent/CN1242380C/zh not_active Expired - Lifetime
- 1999-12-21 AU AU23776/00A patent/AU2377600A/en not_active Abandoned
- 1999-12-21 ES ES99967508T patent/ES2257098T3/es not_active Expired - Lifetime
- 1999-12-21 KR KR1020017007887A patent/KR100615113B1/ko active IP Right Grant
- 1999-12-21 JP JP2000590162A patent/JP4824167B2/ja not_active Expired - Lifetime
- 1999-12-21 WO PCT/US1999/030588 patent/WO2000038177A1/en active IP Right Grant
- 1999-12-21 DE DE69928288T patent/DE69928288T2/de not_active Expired - Lifetime
- 1999-12-21 EP EP99967508A patent/EP1145228B1/en not_active Expired - Lifetime
-
2002
- 2002-03-19 HK HK02102093.0A patent/HK1040806B/zh not_active IP Right Cessation
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS62150399A (ja) * | 1985-12-25 | 1987-07-04 | 日本電気株式会社 | 音声合成用基本周期波形生成法 |
| JPH0284699A (ja) * | 1988-09-21 | 1990-03-26 | Mitsubishi Electric Corp | 音声分析合成装置 |
| JPH02160300A (ja) * | 1988-12-13 | 1990-06-20 | Nec Corp | 音声符号化方式 |
| JPH06266395A (ja) * | 1993-03-10 | 1994-09-22 | Mitsubishi Electric Corp | 音声符号化装置および音声復号化装置 |
| JPH07177031A (ja) * | 1993-12-20 | 1995-07-14 | Fujitsu Ltd | 音声符号化制御方式 |
| JPH07234697A (ja) * | 1994-02-08 | 1995-09-05 | At & T Corp | 音声信号の符号化方法 |
| JPH10143199A (ja) * | 1996-11-15 | 1998-05-29 | Nippon Telegr & Teleph Corp <Ntt> | 音声符号化方法および復号化方法 |
| JPH10232697A (ja) * | 1997-02-21 | 1998-09-02 | Nippon Telegr & Teleph Corp <Ntt> | 音声符号化方法および復号化方法 |
| JPH11219196A (ja) * | 1998-01-30 | 1999-08-10 | Toshiba Corp | 音声合成方法 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9324333B2 (en) | 2006-07-31 | 2016-04-26 | Qualcomm Incorporated | Systems, methods, and apparatus for wideband encoding and decoding of inactive frames |
Also Published As
| Publication number | Publication date |
|---|---|
| HK1040806A1 (en) | 2002-06-21 |
| ES2257098T3 (es) | 2006-07-16 |
| US6456964B2 (en) | 2002-09-24 |
| DE69928288D1 (de) | 2005-12-15 |
| US20020016711A1 (en) | 2002-02-07 |
| EP1145228A1 (en) | 2001-10-17 |
| JP2003522965A (ja) | 2003-07-29 |
| HK1040806B (zh) | 2006-10-06 |
| KR20010093208A (ko) | 2001-10-27 |
| CN1242380C (zh) | 2006-02-15 |
| DE69928288T2 (de) | 2006-08-10 |
| WO2000038177A1 (en) | 2000-06-29 |
| AU2377600A (en) | 2000-07-12 |
| EP1145228B1 (en) | 2005-11-09 |
| ATE309601T1 (de) | 2005-11-15 |
| CN1331825A (zh) | 2002-01-16 |
| KR100615113B1 (ko) | 2006-08-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP4824167B2 (ja) | 周期的スピーチコーディング | |
| JP5373217B2 (ja) | 可変レートスピーチ符号化 | |
| KR100956623B1 (ko) | 잔여분 변경에 의한 보코더 내부의 프레임들을 시간 와핑하는 시스템 및 방법 | |
| KR100769508B1 (ko) | Ｃｅｌｐ 트랜스코딩 | |
| US6081776A (en) | Speech coding system and method including adaptive finite impulse response filter | |
| US6138092A (en) | CELP speech synthesizer with epoch-adaptive harmonic generator for pitch harmonics below voicing cutoff frequency | |
| EP1222659A1 (en) | Lpc-harmonic vocoder with superframe structure | |
| JP2003501675A (ja) | 時間同期波形補間によるピッチプロトタイプ波形からの音声を合成するための音声合成方法および音声合成装置 | |
| US20030004710A1 (en) | Short-term enhancement in celp speech coding | |
| ES2256022T3 (es) | Metodos y aparators para submuestreo de la informacion. | |
| EP1597721B1 (en) | 600 bps mixed excitation linear prediction transcoding | |
| WO2003001172A1 (en) | Method and device for coding speech in analysis-by-synthesis speech coders | |
| WO2002023536A2 (en) | Formant emphasis in celp speech coding | |
| KR0156983B1 (ko) | 음성 부호기 | |
| GB2352949A (en) | Speech coder for communications unit | |
| Gardner et al. | Survey of speech-coding techniques for digital cellular communication systems |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20061211 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20091215 |
|
| A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20100315 |
|
| A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20100323 |
|
| A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20100415 |
|
| A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20100422 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20100423 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20100727 |
|
| A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20101027 |
|
| A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20101104 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20110127 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20110809 |
|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20110908 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 4824167 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140916 Year of fee payment: 3 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| EXPY | Cancellation because of completion of term |