JP5056048B2 - 音声データ復号装置 - Google Patents

Description

本発明は、音声データの復号装置、音声データの変換装置、及び誤り補償方法の技術に
関する。

回線交換網又はパケット網を使って音声データを伝送する際、音声データを符号化、復
号を行うことで音声信号の授受を行っている。この音声圧縮の方式としては、例えば、Ｉ
ＴＵ−Ｔ（International Telecommunication Union Telecommunication Standardizatio
n sector）勧告G.711方式、またはＣＥＬＰ（Code-Excited Linear Prediction）方式が
知られている。

これらの圧縮方式で符号化された音声データを伝送すると、無線誤り又はネットワーク
の輻輳等により、音声データの一部が欠落することがある。この欠落した音声データに対
する誤り補償として、欠落する前に受信した音声データの情報に基づいて、欠落した音声
データに対する音声信号の生成を行う。

そこで、欠落した音声データの音声信号を生成する際に伴う音質の劣化を低減する関連
技術として、特許文献1は、遅れて受信したパケットに含まれる音声フレームデータを用
いて、フィルタメモリ値を更新する技術を開示している。すなわち、ロスしたパケットを
遅れて受信した場合、このパケットに含まれる音声フレームデータを用いて、ピッチフィ
ルタ、またはスペクトル概形を表すフィルタで使用するフィルタメモリ値を更新する技術
である。

また、特許文献２は、ADPCM（Adaptive Differential Pulse Code Modulation）符号化
において、符号化データの欠落後に正しい符号化データを受け取っても、符号化側と復号
化側の予測器の状態不一致により不快な異常音を出力するという課題を解決する技術を開
示している。すなわち、パケット損失が「検出」から「非検出」へ遷移してから所定時間
、検出状態制御部が過去の音声データを基に生成した補間信号を徐々に減少させ、時間が
経つにつれて符号化側と復号化側との予測器の状態が次第に一致して音声信号が正常にな
っていくので、音声信号を徐々に増大させる。その結果、この技術は、符号化データの欠
落状態から復旧した直後においても異常音を出力しないという効果を奏する。

さらに、特許文献３では、音声信号から線形予測計数を算出し、この線形予測計数から
音声信号を生成する技術が開示されている。

特開２００２−２６８６９７号公報 特開２００５−２７４９１７号公報 特開平１１−３０５７９７号公報

従来の音声データに対する誤り補償方式は、過去の音声波形を繰り返す単純な方式であ
るため、上記のような技術が開示されているものの、音質に依然、改善の余地が残されて
いた。

したがって、音声データに対する誤り補償方式を用いたときに、音質が劣化するという
課題を解決することが求められる。

本発明の音声データ復号装置は、音声データ中にロスを検出し、音声データデコーダがロス部分を補間する音声信号を出力する前にロス後の音声フレームを受信したかを検出するロスディテクタと、ロス後に受信した音声フレームを復号して復号音声信号を生成する音声データデコーダと、復号音声信号の時間を反転させてパラメータを抽出する音声データアナライザと、パラメータに所定の修正を行うパラメータ修正部と、修正されたパラメータを用いて合成音声信号を生成する音声合成部と、を備えている。

また、パラメータが、スペクトルパラメータ、遅延パラメータ、適応コードブックゲイ
ン、正規化残差信号、または正規化残差信号ゲインである構成とすることもできる。

本発明によれば、音声データのロスが生じたときに補う補間信号において、良好な音質
が期待される。

本発明の実施の形態について図面を参照しながら説明する。しかしながら、係る形態は
本発明の技術的範囲を限定するものではない。

本発明の実施例１について、図１及び図２を参照しながら以下に説明する。

図１は、G.711方式に代表される波形符号化方式で符号化された音声データに対する復
号装置の構成を示す。実施例１の音声データ復号装置は、ロスディテクタ１０１、音声デ
ータデコーダ１０２、音声データアナライザ１０３、パラメータ修正部１０４、音声合成
部１０５及び音声信号出力部１０６により構成されている。ここで、音声データとは、あ
る一連の音声を符号化したデータをいい、また、少なくとも１つの音声フレームから構成
される音声のデータのことをいう。

ロスディテクタ１０１は、受信した音声データを音声データデコーダ１０２に出力する
とともに、受信した音声データがロスしたかを検出し、ロス検出結果を音声データデコー
ダ１０２とパラメータ修正部１０４と音声信号出力部１０６に出力する。

音声データデコーダ１０２は、入力された音声データを復号して、復号音声信号を音声
データ出力部１０６と音声データアナライザ１０３に出力する。

音声データアナライザ１０３は、復号音声信号をフレーム毎（例えば２０ms）に分割し
、分割した信号に対して線形予測分析を用いて、音声信号のスペクトル特性を表すスペク
トルパラメータを抽出する。次に、音声データアナライザ１０３は、フレーム分割した音
声信号をサブフレーム（例えば５ms）に分割し、サブフレーム毎に過去の音源信号を基に
適応コードブックにおけるパラメータとして、ピッチ周期に対応する遅延パラメータと適
応コードブックゲインを抽出する。また、音声データアナライザ１０３は、適応コードブ
ックにより該当するサブフレームの音声信号をピッチ予測する。さらに、音声データアナ
ライザ１０３は、ピッチ予測して求めた残差信号を正規化して、正規化残差信号と正規化
残差信号ゲインを抽出する。そして、抽出したスペクトルパラメータ、遅延パラメータ、
適応コードブックゲイン、正規化残差信号または正規化残差信号ゲイン（以下、これらを
総称してパラメータとも呼ぶ）をパラメータ修正部１０４に出力する。ここで、スペクト
ルパラメータ、遅延パラメータ、適応コードブックゲイン、正規化残差信号及び正規化残
差信号ゲインのうちから２つ以上を抽出する構成としてもよい。

パラメータ修正部１０４は、ロスディテクタ１０１から入力されたロス検出結果に基づ
いて、音声データアナライザ１０３から入力されたスペクトルパラメータ、遅延パラメー
タ、適応コードブックゲイン、正規化残差信号または正規化残差信号ゲインをそのまま用
いるか、又は±１%の乱数を加える、或いはゲインを小さくしていくなどの修正をする。
さらに、パラメータ修正部１０４は、この値を音声合成部１０５に出力する。これらの値
を修正する理由は、繰り返しにより不自然な音声信号が生成されることを避けるためであ
る。

音声合成部１０５は、パラメータ修正部１０４から入力されたスペクトルパラメータ、
遅延パラメータ、適応コードブックゲイン、正規化残差信号または正規化残差信号ゲイン
を使って合成音声信号を生成し、音声信号出力部１０６に出力する。

音声信号出力部１０６は、ロスディテクタ１０１から入力されたロス検出結果に基づい
て、音声データデコーダ１０２から入力された復号音声信号、音声合成部１０５から入力
された合成音声信号、又は復号音声信号と合成音声信号とをある比率で混合した信号のい
ずれかを出力する。

次に、図２を参照しながら、実施例１の音声データ復号装置の動作を説明する。

まず、ロスディテクタ１０１は、受信した音声データがロスしているかを検出する（S
６０１）。ここで、ロスを検出する方法としては、無線網におけるビット誤りをCRC (Cyc
lic Redundancy Check)符号を用いて検出した場合に音声データがロスしたとして検出す
る方法、又はIP (Internet Protocol)網におけるロスをRFC3550RTP (A Transport Protoc
ol for Real-Time Applications)ヘッダのシーケンス番号の抜けにより検出した場合に音
声データがロスしたとして検出する方法がある。

ロスディテクタ１０１が音声データのロスを検出しなかったならば、音声データアナラ
イザ１０２が受信した音声データを復号し、音声信号出力部へ出力する（S６０２）。

ロスディテクタ１０１が音声データのロスを検出したならば、音声データアナライザ１
０３が、ロス直前の復号音声信号を基に、スペクトルパラメータ、遅延パラメータ、適応
コードブックゲイン、正規化残差信号または正規化残差信号ゲインを抽出する（S６０３
）。ここで、復号音声信号の分析は、ロスを検出した直前の復号音声信号に対して行なっ
てもよいし、全ての復号音声信号に対して行ってもよい。次に、パラメータ修正部１０４
はロス検出結果に基づいて、スペクトルパラメータ、遅延パラメータ、適応コードブック
ゲイン、正規化残差信号または正規化残差信号ゲインをそのまま用いるか、或いは±１%
の乱数を加える等して修正する（S６０４）。音声合成部１０５は、これらの値を使って
、合成音声信号を生成する（S６０５）。

そして、音声信号出力部１０６は、ロス検出結果に基づいて、音声データデコーダ１０
２から入力された復号音声信号、音声合成部１０５から入力された合成音声信号又は復号
音声信号と合成音声信号とをある比率で混合した信号のいずれかを出力する（S６０６）
。具体的には、前フレームと現フレームでロスが検出されていない場合は、復号音声信号
を出力し、ロスが検出された場合は、合成音声信号を出力し、ロスが検出された次のフレ
ームでは、最初は、合成音声信号の比が大きく、時間が経過するにつれて復号音声信号の
比が大きくなるように音声信号を加算することにより、音声信号出力部106から出力され
る音声信号が不連続になることを避ける。

実施例１の音声データ復号装置により、従来パラメータなどを抽出していなかったG.71
1方式において、パラメータを抽出し、これらの値を、音声データのロスを補間する信号
に利用することで、ロスを補間する音声の音質を向上させることができる。

実施例２について、図３及び図４を参照しながら説明する。実施例２と実施例１との異
なる点は、音声データのロスを検出した際、ロス部分を補間する音声信号を出力する前に
、ロス後の次の音声データを受信しているかを検出する。そして、次の音声データを検出
した場合、ロスした音声データに対する音声信号を生成するのに、実施例１の動作に加え
、次の音声データの情報をも用いる点である。

図３は、実施例１と同様にG.711方式に代表される波形符号化方式で符号化された音声
データに対する復号装置の構成を示す。実施例２の音声データ復号装置は、ロスディテク
タ２０１、音声データデコーダ２０２、音声データアナライザ２０３、パラメータ修正部
２０４、音声合成部２０５及び音声信号出力部２０６より構成されている。ここで、音声
データデコーダ２０２、パラメータ修正部２０４及び音声合成部２０５は、実施例１の音
声データデコーダ１０２、パラメータ修正部１０４及び音声合成部１０５と同じ動作をす
るので、説明は割愛する。

ロスディテクタ２０１は、実施例１記載のロスディテクタ１０１の動作に加え、音声デ
ータのロスを検出した場合、音声データデコーダ２０２がロス部分を補間する音声信号を
出力する前に、ロス後の次の音声データを受信しているかを検出する。さらに、ロスディ
テクタ２０１は、この検出結果を音声データデコーダ２０２と音声データアナライザ２０
３とパラメータ修正部２０４と音声信号出力部２０６に出力する。

音声データアナライザ２０３は、実施例1記載の音声データアナライザ１０３の動作に
加え、ロスディテクタ２０１からの検出結果に基づいて、ロスを検出した次の音声データ
に対する音声信号の時間を反転させた信号を生成する。そして、この信号について実施例
１と同様の手順で分析を行い、抽出したスペクトルパラメータ、遅延パラメータ、適応コ
ードブックゲイン、正規化残差信号または正規化残差信号ゲインをパラメータ修正部２０
４に出力する。

音声信号出力部２０６は、ロスディテクタ２０１から入力されたロス検出結果に基づい
て、音声データデコーダ２０２から入力された復号音声信号、或いは最初はロスが検出さ
れた前の音声データのパラメータにより生成された合成音声信号の比率が高く、最後はロ
スが検出された次の音声データのパラメータにより生成された合成音声信号の時間を反転
させた信号の比率が高くなるように加算した信号のいずれかを出力する。

次に、図４を参照しながら、実施例２の音声データ復号装置の動作を説明する。

まず、ロスディテクタ２０１は、受信した音声データがロスしているかを検出する（S
７０１）。ロスディテクタ２０１が音声データのロスを検出しなかったならば、実施例１
のＳ６０２と同様の動作を行う（S７０２）。

ロスディテクタ２０１が音声データのロスを検出したならば、ロスディテクタ２０１が
、音声データデコーダ２０２がロス部分を補間する音声信号を出力する前にロス後の次の
音声データを受信しているか、検出する（Ｓ７０３）。次の音声データを受信していない
ならば、実施例１のＳ６０３乃至Ｓ６０５と同様の動作を行う（Ｓ７０４乃至Ｓ７０６）
。次の音声データを受信したならば、音声データデコーダ２０２が次の音声データを復号
する（Ｓ７０７）。この復号した次の音声データを基に、音声データアナライザ２０３が
スペクトルパラメータ、遅延パラメータ、適応コードブックゲイン、正規化残差信号また
は正規化残差信号ゲインを抽出する（S７０８）。次に、パラメータ修正部２０４はロス
検出結果に基づいて、スペクトルパラメータ、遅延パラメータ、適応コードブックゲイン
、正規化残差信号または正規化残差信号ゲインをそのまま用いるか、或いは±１%の乱数
を加える等して修正する（S７０９）。音声合成部２０５は、これらの値を使って、合成
音声信号を生成する（S７１０）。

そして、音声信号出力部２０６は、ロスディテクタ２０１から入力されたロス検出結果
に基づいて、音声データデコーダ２０２から入力された復号音声信号、または最初はロス
が検出された前の音声データのパラメータにより生成された合成音声信号の比率が高く、
最後はロスが検出された次の音声データのパラメータにより生成された合成音声信号の時
間を反転させた信号の比率が高くなるように加算した信号を出力する（Ｓ７１１）。

実施例２によれば、近年、急速に普及しているVoIP (Voice over IP)では、音声データ
の到着時間の揺らぎを吸収するために、受信した音声データのバッファリングを行ってい
るので、ロスした部分の音声信号を補間する際に、バッファに存在しているロスした次の
音声データを用いることで、補間信号の音質を向上させることができる。

実施例３について、図５及び図６を参照しながら説明する。本実施例では、CELP方式で
符号化された音声データの復号に関して、音声データのロスを検出した場合に、実施例２
と同様に、第一音声データデコーダ３０２がロス部分を補間する音声信号を出力する前に
ロス後の音声データを受信していれば、ロスした音声データに対する音声信号を生成する
際に次の音声データの情報を用いる構成を示している。

図５は、CELP方式で符号化された音声データに対する復号装置の構成を示す。実施例３
の音声データ復号装置は、ロスディテクタ３０１、第一音声データデコーダ３０２、パラ
メータ補間部３０３、第二音声データデコーダ３０４及び音声信号出力部３０５から構成
されている。

ロスディテクタ３０１は、受信した音声データを第一音声データデコーダ３０２と第二
音声データデコーダ３０４に出力するとともに、受信した音声データがロスしているかを
検出する。ロスを検出した場合に、第一音声データデコーダ３０２がロス部分を補間する
音声信号を出力する前に次の音声データを受信しているかを検出し、検出結果を第一音声
データデコーダ３０２と第二音声データデコーダ３０４に出力する。

第一音声データデコーダ３０２は、ロスが検出されなかった場合、入力された音声デー
タを復号して、復号音声信号を音声データ出力部に出力し、復号時のスペクトルパラメー
タ、遅延パラメータ、適応コードブックゲイン、正規化残差信号または正規化残差信号ゲ
インをパラメータ補間部３０３に出力する。また、第一音声データデコーダ３０２は、ロ
スを検出し、次の音声データを受信していない場合、過去の音声データの情報を用いてロ
ス部分を保管する音声信号を生成する。生成する方法については、上記特許文献1に記載
されている方法を用いることができる。さらに、第一音声データデコーダ３０２は、パラ
メータ補間部３０３から入力されたパラメータを用いてロスした音声データに対する音声
信号を生成し、音声信号出力部３０５に出力する。

第二音声データデコーダ３０３は、ロスを検出し、第一音声データデコーダ３０２がロ
ス部分を補間する音声信号を出力する前に次の音声データを受信している場合、ロスした
音声データに対する音声信号を過去の音声データの情報を用いて生成する。そして、第二
音声データデコーダ３０４は、生成した音声データを使って次の音声データを復号した際
に用いる、スペクトルパラメータ、遅延パラメータ、適応コードブックゲイン、正規化残
差信号または正規化残差信号ゲインを抽出し、パラメータ補間部３０３に出力する。

パラメータ補間部３０４は、第一音声データデコーダ３０２から入力されたパラメータ
と第二音声データデコーダ３０４から入力されたパラメータを用いて、ロスした音声デー
タに対するパラメータを生成し、第一音声データデコーダ３０２に出力する。

音声信号出力部３０５は、音声データデコーダ３０２から入力された復号音声信号を出
力する。

次に、図６を参照しながら、実施例３の音声データ復号装置の動作を説明する。

まず、ロスディテクタ３０１が受信した音声データがロスしているかを検出する（S８
０１）。ロスしていないならば、第一音声データデコーダ３０２が、入力された音声デー
タを復号し、復号時のスペクトルパラメータ、遅延パラメータ、適応コードブックゲイン
、正規化残差信号または正規化残差信号ゲインをパラメータ補間部３０３に出力する（S
８０２及びS８０３）。

ロスしているならば、ロスディテクタ３０１が第一音声データデコーダ３０２がロス部
分を補間する音声信号を出力する前にロス後の次の音声データを受信しているか、検出す
る（S８０４）。次の音声データを受信していないならば、第一音声データデコーダ３０
２が、過去の音声データの情報を用いてロス部分を保管する音声信号を生成する（S８０
５）。

次の音声データを受信しているならば、第二音声データデコーダ３０３が、ロスした音
声データに対する音声信号を過去の音声データの情報を用いて生成する（S８０６）。第
二音声データデコーダ３０４は、生成した音声データを使って次の音声データを復号し、
復号時のスペクトルパラメータ、遅延パラメータ、適応コードブックゲイン、正規化残差
信号または正規化残差信号ゲインを生成し、パラメータ補間部３０３に出力する（S８０
７）。次に、パラメータ補間部３０４が、第一音声データデコーダ３０２から入力された
パラメータと第二音声データデコーダ３０４から入力されたパラメータを用いて、ロスし
た音声データに対するパラメータを生成する（S８０８）。そして、第一音声データデコ
ーダ３０２は、パラメータ補間部３０４が生成したパラメータを用いて、ロスした音声デ
ータに対する音声信号を生成し、第一音声データデコーダ３０２に出力する（S８０９）
。

第一音声データデコーダ３０２はそれぞれの場合で生成した音声信号を音声信号出力部
３０５へ出力し、音声信号出力部３０５が復号音声信号を出力する（S８１０）。

実施例３により、近年、急速に普及しているVoIPでは、音声データの到着時間の揺らぎ
を吸収するために、受信した音声データのバッファリングを行っているので、CELP方式に
おいてロスした部分の音声信号を補間する際に、バッファに存在しているロスした次の音
声データを用いることで、補間信号の音質を向上させることができる。

実施例４について、図７及び図８を参照しながら説明する。CELP方式において、音声デ
ータのロスが生じたときに補間信号を用いると、ロスした部分は補うことができるものの
、補間信号は正しい音声データから生成したわけではないので、その後に受信した音声デ
ータの音質を低下させてしまう。そこで、実施例４は、実施例３に加えて、音声データの
ロスの部分に対する補間音声信号を出力した後に、ロスした部分の音声データが遅れて届
いた場合、この音声データを用いることにより、ロスした次の音声データの音声信号の品
質を向上させる技術を開示する。

図７は、実施例３と同様に、CELP方式で符号化された音声データに対する復号装置の構
成を示す。実施例４の音声データ復号装置は、ロスディテクタ４０１、第一音声データデ
コーダ４０２、第二音声データデコーダ４０３、メモリ蓄積部４０４及び音声信号出力部
４０５から構成されている。

ロスディテクタ４０１は、受信した音声データを第一音声データデコーダ４０２と第二
音声データデコーダ４０３に出力する。また、ロスディテクタ４０１は、受信した音声デ
ータがロスしたかを検出する。ロスを検出した場合には、次の音声データを受信している
かを検出し、検出結果を第一音声データデコーダ４０２、第二音声データデコーダ４０３
または音声信号出力部４０５に出力する。さらに、ロスディテクタ４０１は、ロスした音
声データが遅れて受信したかどうかを検出する。

第一音声データデコーダ４０２は、ロスが検出されなかった場合、入力された音声デー
タを復号する。また、第一音声データデコーダ４０２は、ロスが検出された場合、過去の
音声データの情報を用いて音声信号を生成して、音声データ出力部４０５に出力する。生
成する方法については、特許文献１に記載されている方法を用いることができる。さらに
、第一音声データデコーダ４０２は、合成フィルタ等のメモリをメモリ蓄積部４０４に出
力する。

第二音声データデコーダ４０３は、ロス部分の音声データが遅れて到着した場合、遅れ
て到着した音声データを、メモリ蓄積部４０４に蓄積されているロス検出直前パケットの
合成フィルタ等のメモリを使って復号し、復号信号を音声信号出力部４０５に出力する。

音声信号出力部４０５は、ロスディテクタ４０１から入力されたロス検出結果に基づい
て、第一音声データデコーダ４０２から入力された復号音声信号、第二音声データデコー
ダ４０３から入力された復号音声信号または前記二つの信号をある比率で加算した音声信
号を出力する。

次に、図８を参照しながら、実施例４の音声データ復号装置の動作を説明する。

まず、上記実施例３の音声データ復号装置の動作、Ｓ８０１乃至Ｓ８１０を行い、ロス
した音声データを保管する音声信号を出力する。ここで、Ｓ８０５及びＳ８０６のときに
、過去の音声データより音声信号を生成したときに、合成フィルタ等のメモリをメモリ蓄
積部４０４に出力する（Ｓ９０３及びＳ９０４）。そして、ロスディテクタ４０１が、ロ
スしていた音声データを遅れて受信したのを検出する（Ｓ９０５）。ロスディテクタ４０
１が検出していないならば、実施例３で生成した音声信号を出力する。ロスディテクタ４
０１が検出したならば、第二音声データデコーダ４０３が、遅れて到着した音声データを
、メモリ蓄積部４０４に蓄積されているロス検出直前パケットの合成フィルタ等のメモリ
を使って復号する（Ｓ９０６）。

そして、声信号出力部４０５が、ロスディテクタ４０１から入力されたロス検出結果に
基づいて、第一音声データデコーダ４０２から入力された復号音声信号、第二音声データ
デコーダ４０３から入力された復号音声信号または前記二つの信号をある比率で加算した
音声信号を出力する（Ｓ９０７）。具体的には、ロスを検出し、音声データが遅れて到着
した場合、音声信号出力部４０５は、ロスした音声データの次の音声データに対する音声
信号として、最初は、第一音声データデコーダ４０２から入力された復号音声信号の比を
大きくする。そして、時間が経過するにつれて、音声信号出力部４０５は、第二音声デー
タデコーダ４０３から入力された復号音声信号の比を大きくするように加算した音声信号
を出力する。

実施例４によれば、遅れて届いたロス部分の音声データを用いて合成フィルタ等のメモ
リを書き換えることで、正しい復号音声信号を生成することができる。また、この正しい
復号音声信号を、あえてすぐに出力せず、ある比率で加算した音声信号を出力することで
、音声が不連続になることを防止することがきる。さらに、ロスした部分に補間信号を用
いたとしても、遅れて届いたロス部分の音声データで合成フィルタ等のメモリを書きかえ
て復号音声信号を生成することで、補間信号後の音質を向上させることができる。

ここで、実施例４は、実施例３の音声変換信号に付け加える形態で説明したが、他の補
間信号の生成をした形態に付け加えてもよい。

実施例５の音声データ変換装置について、図９及び図１０を参照しながら説明する。

図９は、ある音声符号化方式で符号化された音声信号を、別の音声符号化方式に変換す
る装置の構成を示している。ここでは、例えば、G.711で代表される波形符号化方式で符
号化された音声データを、CELP方式で符号化された音声データに変換する装置の形態を示
す。実施例５の音声データ変換装置は、ロスディテクタ５０１、音声データデコーダ５０
２、音声データエンコーダ５０３、パラメータ修正部５０４及び音声データ出力部５０５
から構成されている。

ロスディテクタ５０１は、受信した音声データを音声データデコーダ５０２に出力する
。また、ロスディテクタ５０１は、受信した音声データがロスしているかを検出し、検出
結果を音声データデコーダ５０２と音声データエンコーダ５０３とパラメータ修正部５０
４と音声信号出力部５０５に出力する。

音声データデコーダ５０２は、ロスが検出されなかった場合、入力された音声データを
復号し、復号音声信号を音声データエンコーダ５０３に出力する。

音声データエンコーダ５０３は、ロスが検出されなかった場合、音声データデコーダ５
０２から入力された復号音声信号を符号化し、符号化した音声データを音声データ出力部
５０５に出力する。また、音声データエンコーダ５０３は、符号化時のパラメータである
スペクトルパラメータ、遅延パラメータ、適応コードブックゲイン、残差信号または残差
信号ゲインをパラメータ修正部５０４に出力する。さらに、音声データエンコーダ５０３
は、ロスが検出された場合、パラメータ修正部５０４から入力されパラメータを受け取る
。そして、音声データエンコーダ５０３は、パラメータ抽出に用いるフィルタ（図示せず
）を保持しており、パラメータ修正部５０４から受け取ったパラメータを符号化して、音
声データを生成する。その際に、音声データエンコーダ５０３はフィルタ等のメモリを更
新する。ここで、音声データエンコーダ５０３は、符号化時に生じる量子化誤差により、
符号化後のパラメータ値がパラメータ修正部５０４から入力された値と同じ値にならない
場合、符号化後のパラメータ値がパラメータ修正部５０４から入力された値に最も近い値
となるように選択する。また、通信相手の無線通信装置が保持するフィルタのメモリとの
齟齬が生じることを避けるために、音声データエンコーダ５０３は、音声データを生成す
る際に、パラメータ抽出などに用いるフィルタが持つメモリ（図示せず）を更新する必要
がある。さらに、音声データエンコーダ５０３は、生成した音声データを音声データ出力
部５０５に出力する。

パラメータ修正部５０４は、音声データエンコーダ５０３から符号化時のパラメータで
あるスペクトルパラメータ、遅延パラメータ、適応コードブックゲイン、残差信号または
残差信号ゲインを受け取り、保存する。また、パラメータ修正部５０４は、保持していた
ロス検出前のパラメータをそのまま用いるか、又は所定の修正をし、ロスディテクタ５０
１から入力されるロス検出結果に基づいて、音声データエンコーダ５０３へ出力する。

音声データ出力部５０５は、ロスディテクタ５０１から受け取ったロス検出結果に基づ
いて、音声データエンコーダ５０３から受け取った音声信号を出力する。

次に、図１０を参照しながら、実施例５の音声データ変換装置を説明する。

まず、ロスディテクタ５０１が、受信した音声データがロスしているかを検出する（Ｓ
１００１）。ロスディテクタ５０１がロスを検出しなかったなら、音声データデコーダ５
０２が受信した音声データを基に復号音声信号を生成する（Ｓ１００２）。そして、音声
データエンコーダ５０３が、復号音声信号を符号化し、符号化時のパラメータであるスペ
クトルパラメータ、遅延パラメータ、適応コードブックゲイン、残差信号または残差信号
ゲインを出力する（Ｓ１００３）。

ロスディテクタ５０１がロスを検出したなら、パラメータ修正部５０４が、保持してい
るロス前のパラメータをそのままか、または所定の修正をして、音声データエンコーダ５
０３へ出力する。このパラメータを受信した音声データエンコーダ５０３は、パラメータ
を抽出するためのフィルタが持つメモリを更新する（Ｓ１００４）。さらに、音声データ
エンコーダ５０３が、ロスする直前のパラメータを基に音声信号を生成する（Ｓ１００５
）。

そして、音声データ出力部５０５が、ロス検出結果に基づいて、音声データエンコーダ
５０３から受け取った音声信号を出力する（Ｓ１００６）。

実施例５により、例えばゲートウェイなどのようなデータを変換する装置において、音
声データのロスに対する補間信号を波形符号化方式で生成せず、パラメータなどを用いて
ロス部分を補間することで、補間信号の音質を向上させることができる。また、音声デー
タのロスに対する補間信号を波形符号化方式で生成せず、パラメータなどを用いてロス部
分を補間することで、演算量を少なくすることができる。

ここで、実施例５ではG.711で代表される波形符号化方式で符号化された音声データをC
ELP方式で符号化された音声データに変換する形態を示したが、CELP方式で符号化された
音声データを別のCELP方式で符号化された音声データに変換する形態でもよい。

当業者は上記実施例の様々な変形を容易に実施することができる。したがって、本発明
は上記実施例に限定されることはなく、請求項やその均等物によって参酌される最も広い
範囲で解釈される。

本発明の実施例１の音声データ復号装置の構成を示す概略図である。 本発明の実施例１の音声データ復号装置の動作を示す概略図である。 本発明の実施例２の音声データ復号装置の構成を示す概略図である。 本発明の実施例２の音声データ復号装置の動作を示す概略図である。 本発明の実施例３の音声データ復号装置の構成を示す概略図である。 本発明の実施例３の音声データ復号装置の動作を示す概略図である。 本発明の実施例４の音声データ復号装置の構成を示す概略図である。 本発明の実施例４の音声データ復号装置の動作を示す概略図である。 本発明の実施例５の音声データ変換装置の構成を示す概略図である。 本発明の実施例５の音声データ変換装置の動作を示す概略図である。

符号の説明

１０１ ロスディテクタ
１０２ 音声データデコーダ
１０３ 音声データアナライザ
１０４ パラメータ修正部
１０５ 音声合成部
１０６ 音声信号出力部
２０１ ロスディテクタ
２０２ 音声データデコーダ
２０３ 音声データアナライザ
２０４ パラメータ修正部
２０５ 音声合成部
２０６ 音声信号出力部
３０１ ロスディテクタ
３０２ 第一音声データデコーダ
３０３ 第二音声データデコーダ
３０４ パラメータ補間部
３０５ 音声信号出力部
４０１ ロスディテクタ
４０２ 第一音声データデコーダ
４０３ 第二音声データデコーダ
４０４ メモリ蓄積部
４０５ 音声信号出力部
５０１ ロスディテクタ
５０２ 音声データデコーダ
５０３ 音声データエンコーダ
５０４ パラメータ修正部
５０５ 音声データ出力部

Claims (1)

1. 音声データ復号装置であって、
   音声データ中にロスを検出し、音声データデコーダがロス部分を補間する音声信号を出力する前に前記ロス後の音声フレームを受信したかを検出するロスディテクタと、
   前記ロス後に受信した前記音声フレームを復号して復号音声信号を生成する前記音声データデコーダと、
   前記復号音声信号の時間を反転させてパラメータを抽出する音声データアナライザと、
   前記パラメータに所定の修正を行うパラメータ修正部と、
   修正された前記パラメータを用いて合成音声信号を生成する音声合成部と、を備え、
   前記パラメータは、スペクトルパラメータと、遅延パラメータと、適応コードブックゲインと、正規化残差信号と、正規化残差信号ゲインとのうち、少なくとも１つを含み、
   前記所定の修正は、±１%の乱数を加える、或いはゲインを小さくしていく修正である、音声データ復号装置。
   
   

Images