JP5511372B2

JP5511372B2 - 適応音源ベクトル量子化装置および適応音源ベクトル量子化方法

Info

Publication number: JP5511372B2
Application number: JP2009502459A
Authority: JP
Inventors: 薫佐藤; 利幸森井
Original assignee: Panasonic Corp; Matsushita Electric Industrial Co Ltd
Current assignee: Panasonic Corp; Panasonic Holdings Corp
Priority date: 2007-03-02
Filing date: 2008-02-29
Publication date: 2014-06-04
Anticipated expiration: 2028-02-29
Also published as: US8521519B2; EP2116995A4; CN101622664B; US20100063804A1; JPWO2008108081A1; EP2116995A1; WO2008108081A1; CN101622664A

Description

本発明は、ＣＥＬＰ（Code Excited Linear Prediction）方式の音声符号化において適応音源のベクトル量子化を行う適応音源ベクトル量子化装置および適応音源ベクトル量子化方法に関し、特にインターネット通信に代表されるパケット通信システムや、移動通信システム等の分野で、音声信号の伝送を行う音声符号化／復号装置に用いられる適応音源のベクトル量子化を行う適応音源ベクトル量子化装置および適応音源ベクトル量子化方法に関する。

ディジタル無線通信や、インターネット通信に代表されるパケット通信、あるいは音声蓄積などの分野においては、電波などの伝送路容量や記憶媒体の有効利用を図るため、音声信号の符号化／復号技術が不可欠である。特に、ＣＥＬＰ方式の音声符号化／復号技術が主流の技術となっている（例えば、非特許文献１参照）。

ＣＥＬＰ方式の音声符号化装置は、予め記憶された音声モデルに基づいて入力音声を符号化する。具体的には、ＣＥＬＰ方式の音声符号化装置は、ディジタル化された音声信号を１０〜２０ｍｓ程度の一定時間間隔のフレームに区切り、各フレーム内の音声信号に対して線形予測分析を行い線形予測係数（ＬＰＣ：Linear Prediction Coefficient）と線形予測残差ベクトルとを求め、線形予測係数および線形予測残差ベクトルをそれぞれ個別に符号化する。ＣＥＬＰ方式の音声符号化／復号装置において、線形予測残差ベクトルは、過去に生成された駆動音源信号を格納している適応音源符号帳と、固定の形状のベクトル（固定コードベクトル）を特定数個格納している固定符号帳を用いて、符号化／復号される。そのうち、適応音源符号帳は、線形予測残差ベクトルが有する周期的成分を表現するために用いられる一方、固定符号帳は、線形予測残差ベクトルのうち適応音源符号帳では表現できない非周期的成分を表現するために用いられる。

なお、線形予測残差ベクトルの符号化／復号処理においては、フレームをさらに短い時間単位(５ｍｓ〜１０ｍｓ程度)に分割したサブフレーム単位で行われるのが一般的である。非特許文献２に記載されているＩＴＵ−Ｔ（International Telecommunication Union - Telecommunication Standardization Sector）勧告Ｇ．７２９では、フレームを２つのサブフレームに分割し、２つのサブフレーム各々に対し適応音源符号帳を用いてピッチ周期を探索することにより適応音源のベクトル量子化を行う。具体的には、第１サブフレームでは固定の範囲内からピッチ周期を求め、第２サブフレームでは第１サブフレームで求められたピッチ周期の近傍の範囲内からピッチ周期を求めるという「デルタラグ」と呼ばれる方法を用いて適応音源のベクトル量子化を行う。このような、サブフレーム単位の適応音源ベクトル量子化方法は、フレーム単位の適応音源ベクトル量子化方法よりも高い時間分解能で適応音源ベクトルを量子化することができる。

また、特許文献１記載の適応音源ベクトル量子化においては、第１サブフレームのピッチ周期が短いほど、第１サブフレームと第２サブフレームとのピッチ周期の変化量が統計的により小さく、逆に第１サブフレームのピッチ周期が長いほど、第１サブフレームと現サブフレームとのピッチ周期の変化量が統計的により大きいという性質を利用して、第１サブフレームのピッチ周期の長さに応じて第２サブフレームのピッチ周期の探索範囲を適応的に切り替えている。すなわち、特許文献１記載の適応音源ベクトル量子化においては、第１サブフレームのピッチ周期を所定の閾値と比較して、第１サブフレームのピッチ周期が所定の閾値未満である場合には、第２サブフレームのピッチ周期の探索範囲をより狭くして探索の解像度をより高くする。一方、第１サブフレームのピッチ周期が所定の閾値
以上である場合には、第２サブフレームのピッチ周期の探索範囲をより広くして探索の解像度をより低くする。これにより、ピッチ周期の探索性能を向上させ、適応音源ベクトル量子化の量子化精度を向上させることができる。
特開２０００−１１２４９８号公報 M.R.Schroeder、B.S.Atal著、「IEEE proc. ICASSP」、１９８５、「Code Excited Linear Prediction: High Quality Speech at Low Bit Rate」、ｐ．９３７−９４０ "ITU-T Recommendation G.729", ITU-T, 1996/3, pp.17-19

しかしながら、上記の特許文献１記載の適応音源ベクトル量子化においては、第１サブフレームのピッチ周期を所定の閾値と比較し、比較結果に応じて第２サブフレームのピッチ周期探索の解像度が一種類に決定されるとともに、この探索解像度に対応する探索範囲が一種類に決定される。そのため、例えば前記所定の閾値の近傍においては適した解像度で探索することができず、ピッチ周期の量子化性能が劣化してしまうという問題がある。具体的には、例えば、前記所定の閾値を３９として、第１サブフレームのピッチ周期が３９以下である場合は第２サブフレームにおいてピッチ周期を三分の一精度の解像度で探索し、第１サブフレームのピッチ周期が４０以上である場合は第２サブフレームにおいてピッチ周期を二分の一精度の解像度で探索する。このような指定でのピッチ周期探索方法では、第１サブフレームのピッチ周期が３９である場合、第２サブフレームのピッチ周期探索の解像度が三分の一精度と一種類に決まるため、第２サブフレームにおけるピッチ周期探索範囲の４０以上の区間では二分の一精度の探索が適しているというような場合であっても三分の一精度で探索を行わなければならない。また、第１サブフレームのピッチ周期が４０である場合、第２サブフレームのピッチ周期探索の解像度が二分の一精度と一種類に決まるため、第２サブフレームにおけるピッチ周期探索範囲の３９以下の区間では三分の一精度の探索が適しているというような場合であっても二分の一精度で探索を行わなければならない。

本発明の目的は、第１サブフレームのピッチ周期に応じて第２サブフレームのピッチ周期探索の範囲と解像度とが適応的に変化するようなピッチ周期探索範囲設定方法を用いた場合に、第２サブフレームのピッチ周期探索範囲のいかなる区間においても常に適した解像度でピッチ周期探索を行うことができ、ピッチ周期の量子化性能を向上させることができる適応音源ベクトル量子化装置および適応音源ベクトル量子化方法を提供することである。

本発明の適応音源ベクトル量子化装置は、フレームを分割した２つのサブフレームのうち、第１サブフレームについては固定の範囲内でピッチ周期を探索し、第２サブフレームについては前記第１サブフレームで求められたピッチ周期の近傍の範囲内からピッチ周期を探索し、この探索したピッチ周期の情報を量子化データとする適応音源ベクトル量子化装置であって、所定の閾値を境として解像度を変化させて前記第１サブフレームのピッチ周期を探索する第１ピッチ周期探索手段と、前記第１サブフレームで求められたピッチ周期および前記閾値に基づいて前記第２サブフレームのピッチ周期探索範囲を算出する算出手段と、前記ピッチ周期探索範囲において前記閾値を境として解像度を変化させて前記第２サブフレームのピッチ周期を探索する第２ピッチ周期探索手段と、を具備する構成を採る。

本発明の適応音源ベクトル量子化方法は、フレームを分割した２つのサブフレームのうち、第１サブフレームについては固定の範囲内でピッチ周期を探索し、第２サブフレーム
については前記第１サブフレームで求められたピッチ周期の近傍の範囲内からピッチ周期を探索し、この探索したピッチ周期の情報を量子化データとする適応音源ベクトル量子化方法であって、所定の閾値を境として解像度を変化させて前記第１サブフレームのピッチ周期を探索する第１ピッチ周期探索ステップと、前記第１サブフレームで求められたピッチ周期および前記閾値に基づいて前記第２サブフレームのピッチ周期探索範囲を算出する算出ステップと、前記ピッチ周期探索範囲において前記閾値を境として解像度を変化させて前記第２サブフレームのピッチ周期を探索する第２ピッチ周期探索ステップと、を具備するようにする。

本発明によれば、第１サブフレームのピッチ周期に応じて第２サブフレームのピッチ周期探索の範囲と解像度とが適応的に変化するようなピッチ周期探索範囲設定方法を用いた場合に、第２サブフレームのピッチ周期探索範囲のいかなる区間においても常に適した解像度でピッチ周期探索を行うことができ、ピッチ周期の量子化性能を向上させることができる。そしてその結果として、分数精度の適応音源ベクトルを生成する際に必要な間挿フィルタの数を削減することが可能となるため、メモリを節約することも可能となる。

本発明の一実施の形態では、適応音源ベクトル量子化装置を含むＣＥＬＰ音声符号化装置において、１６ｋＨｚの音声信号を構成する各フレームをそれぞれ２つのサブフレームに分割し、各サブフレームに対し線形予測分析を行ってサブフレーム毎の線形予測係数および線形予測残差ベクトルを求める場合を例にとる。ここで、フレームの長さをｎ、サブフレームの長さをｍとし、フレームを二分割して２つのサブフレームを構成するため、ｎ＝ｍ×２が成り立つ。また、本実施の形態では、上記の線形予測分析により得られる第１サブフレームの線形予測残差ベクトルに対しては８ビットを用いてピッチ周期探索を行い、第２サブフレームの線形予測残差ベクトルに対しては４ビットを用いてピッチ周期探索を行う場合を例にとる。

以下、本発明の一実施の形態について、添付図面を参照して詳細に説明する。

図１は、本発明の一実施の形態に係る適応音源ベクトル量子化装置１００の主要な構成を示すブロック図である。

図１において、適応音源ベクトル量子化装置１００は、ピッチ周期指示部１０１、適応
音源符号帳１０２、適応音源ベクトル生成部１０３、合成フィルタ１０４、評価尺度算出部１０５、評価尺度比較部１０６、およびピッチ周期記憶部１０７を備え、サブフレームインデックス、線形予測係数、およびターゲットベクトルがサブフレーム毎に入力される。そのうち、サブフレームインデックスは、本実施の形態に係る適応音源ベクトル量子化装置１００を含むＣＥＬＰ音声符号化装置において得られた各サブフレームがフレーム内において何番目のサブフレームであるかを表し、線形予測係数およびターゲットベクトルは、ＣＥＬＰ音声符号化装置において各サブフレームに対し線形予測分析を行って求められたサブフレーム毎の線形予測係数および線形予測残差（励振信号）ベクトルを表す。線形予測係数としては、ＬＰＣパラメータ、もしくは、ＬＰＣパラメータと一対一で相互変換可能な周波数領域のパラメータであるＬＳＦ（線スペクトル周波数：Line Spectrum Frequency または Line Spectral Frequency）パラメータ、ＬＳＰ（線スペクトル対：Line
Spectrum Pair または Line Spectral Pair）パラメータなどを用いる。

ピッチ周期指示部１０１は、サブフレーム毎に入力されるサブフレームインデックスおよびピッチ周期記憶部１０７から入力される第１サブフレームのピッチ周期に基づき、ピッチ周期探索範囲およびピッチ周期解像度を算出し、算出されたピッチ周期探索範囲内のピッチ周期候補を適応音源ベクトル生成部１０３へ順次指示する。

適応音源符号帳１０２は、駆動音源を格納するバッファを内蔵しており、サブフレーム単位でのピッチ周期探索が終了する度に、評価尺度比較部１０６からフィードバックされるピッチ周期インデックスＩＤＸを用いて駆動音源を更新する。

適応音源ベクトル生成部１０３は、ピッチ周期指示部１０１から指示されるピッチ周期候補を有する適応音源ベクトルを適応音源符号帳１０２からサブフレーム長ｍだけ切り出し、評価尺度算出部１０５に出力する。

合成フィルタ１０４は、サブフレーム毎に入力される線形予測係数を用いて合成フィルタを構成し、サブフレーム毎に入力されるサブフレームインデックスに基づき合成フィルタのインパルス応答行列を生成して評価尺度算出部１０５に出力する。

評価尺度算出部１０５は、適応音源ベクトル生成部１０３から入力される適応音源ベクトル、合成フィルタ１０４から入力されるインパルス応答行列、およびフレーム毎に入力されるターゲットベクトルを用いて、ピッチ周期探索用の評価尺度を算出して評価尺度比較部１０６に出力する。

評価尺度比較部１０６は、フレーム毎に入力されるサブフレームインデックスに基づき、各サブフレームにおいて、評価尺度算出部１０５から入力される評価尺度が最大となる時のピッチ周期候補を対応するサブフレームのピッチ周期として求め、求められたピッチ周期を示すピッチ周期インデックスＩＤＸを外部へ出力するとともに、適応音源符号帳１０２にフィードバックする。また、評価尺度比較部１０６は、第１サブフレームのピッチ周期を外部および適応音源符号帳１０２に出力するとともにピッチ周期記憶部１０７にも出力する。

ピッチ周期記憶部１０７は、評価尺度比較部１０６から入力される第１サブフレームのピッチ周期を記憶し、サブフレーム毎に入力されるサブフレームインデックスが第２サブフレームを示す場合に、記憶している第１サブフレームのピッチ周期をピッチ周期指示部１０１に出力する。

適応音源ベクトル量子化装置１００の各部は、以下の動作を行う。

ピッチ周期指示部１０１は、サブフレーム毎に入力されるサブフレームインデックスが第１サブフレームを示す場合には、予め設定されているピッチ周期解像度を持つ予め設定されているピッチ周期探索範囲の第１サブフレーム用のピッチ周期候補Ｔを適応音源ベクトル生成部１０３へ順次指示する。また、ピッチ周期指示部１０１は、サブフレーム毎に入力されるサブフレームインデックスが第２サブフレームを示す場合には、ピッチ周期記憶部１０７から入力される第１サブフレームのピッチ周期に基づき、第２サブフレーム用のピッチ周期探索範囲およびピッチ周期解像度を算出し、算出されたピッチ周期探索範囲内の第２サブフレーム用のピッチ周期候補Ｔを適応音源ベクトル生成部１０３へ順次指示する。なお、ピッチ周期指示部１０１の内部の構成および具体的な動作については後述する。

適応音源符号帳１０２は、駆動音源を格納するバッファを内蔵しており、サブフレーム単位でピッチ周期探索が終了する度に、評価尺度比較部１０６からフィードバックされるピッチ周期インデックスＩＤＸが示すピッチ周期Ｔ’を有する適応音源ベクトルを用いて駆動音源を更新する。

適応音源ベクトル生成部１０３は、ピッチ周期指示部１０１から指示されるピッチ周期候補Ｔを有する適応音源ベクトルを適応音源符号帳１０２からサブフレーム長ｍだけ切り出し、適応音源ベクトルＰ（Ｔ）として評価尺度算出部１０５に出力する。例えば、適応音源符号帳１０２が、ベクトル要素としてｅｘｃ（０），ｅｘｃ（１），…，ｅｘｃ（ｅ−１）で表される、ｅの長さを持つベクトルからなる場合、適応音源ベクトル生成部１０３において生成される適応音源ベクトルＰ（Ｔ）は、下記の式（１）で表される。

図２は、適応音源符号帳１０２が備える駆動音源を示す図である。

図２において、ｅは駆動音源１２１の長さを表し、ｍは適応音源ベクトルＰ（Ｔ）の長さを示し、Ｔはピッチ周期指示部１０１から指示されるピッチ周期候補を示す。図２に示すように、適応音源ベクトル生成部１０３は、駆動音源１２１（適応音源符号帳１０２）の末尾（ｅの位置）からＴだけ離れた位置を起点とし、ここから末尾ｅの方向へサブフレーム長ｍの部分１２２を切り出し、適応音源ベクトルＰ（Ｔ）を生成する。ここで、Ｔの値がｍより小さい場合、適応音源ベクトル生成部１０３は、切り出した区間をサブフレーム長ｍになるまで反復して充足させると良い。なお、適応音源ベクトル生成部１０３は、上記の式（１）で表される切り出し処理を、ピッチ周期指示部１０１から指示される探索範囲内のすべてのＴに対し繰り返す。

合成フィルタ１０４は、サブフレーム毎に入力される線形予測係数を用いて合成フィルタを構成する。そして、合成フィルタ１０４は、サブフレーム毎に入力されるサブフレームインデックスが第１サブフレームを示す場合は、下記の式（２）で表されるインパルス応答行列を生成する一方、サブフレームインデックスが第２サブフレームを示す場合は、下記の式（３）で表されるインパルス応答行列を生成して評価尺度算出部１０５に出力する。

式（２）および式（３）に示すように、サブフレームインデックスが第１サブフレームを示す場合のインパルス応答行列Ｈ、およびサブフレームインデックスが第２サブフレームを示す場合のインパルス応答行列Ｈ＿ａｈｅａｄは、何れもサブフレーム長ｍだけ求められる。

評価尺度算出部１０５は、サブフレーム毎に入力されるサブフレームインデックスが第１サブフレームを示す場合には、下記の式（４）に示すターゲットベクトルＸが入力されるとともに、合成フィルタ１０４からインパルス応答行列Ｈが入力され、下記の式（５）に従ってピッチ周期探索用の評価尺度Ｄｉｓｔ（Ｔ）を算出し評価尺度比較部１０６に出力する。また、評価尺度算出部１０５は、適応音源ベクトル量子化装置１００にフレーム毎に入力されるサブフレームインデックスが第２サブフレームを示す場合には、下記の式（６）に示すターゲットベクトルＸ＿ａｈｅａｄが入力されるとともに、合成フィルタ１０４からインパルス応答行列Ｈ＿ａｈｅａｄが入力され、下記の式（７）に従ってピッチ周期探索用の評価尺度Ｄｉｓｔ（Ｔ）を算出し評価尺度比較部１０６に出力する。

式（５）および式（７）に示すように、評価尺度算出部１０５は、合成フィルタ１０４で生成されたインパルス応答行列ＨまたはＨ＿ａｈｅａｄと、適応音源ベクトル生成部１０３で生成された適応音源ベクトルＰ（Ｔ）とを畳み込んで得られる再生ベクトルと、ターゲットベクトルＸまたはＸ＿ａｈｅａｄとの二乗誤差を評価尺度として求める。なお、
評価尺度算出部１０５において評価尺度Ｄｉｓｔ（Ｔ）を算出する際は、上記の式（５）または式（７）中のインパルス応答行列ＨまたはＨ＿ａｈｅａｄの代わりに、インパルス応答行列ＨまたはＨ＿ａｈｅａｄと、ＣＥＬＰ音声符号化装置に含まれる聴覚重み付けフィルタのインパルス応答行列Ｗとを乗算して得られる行列Ｈ’（＝Ｈ×Ｗ）またはＨ’＿ａｈｅａｄ（＝Ｈ＿ａｈｅａｄ×Ｗ）を用いることが一般的である。ただし、以下の説明では、ＨまたはＨ＿ａｈｅａｄと、Ｈ’またはＨ’＿ａｈｅａｄとを区別せずＨまたはＨ＿ａｈｅａｄと記載することとする。

評価尺度比較部１０６は、サブフレーム毎に入力されるサブフレームインデックスに基づき、各サブフレームにおいて、評価尺度算出部１０５から入力される評価尺度Ｄｉｓｔ（Ｔ）が最大となる時のピッチ周期候補Ｔを各サブフレームのピッチ周期として求める。そして、評価尺度比較部１０６は、求められたピッチ周期Ｔ’を示すピッチ周期インデックスＩＤＸを外部へ出力するとともに適応音源符号帳１０２に出力する。また、評価尺度比較部１０６は、評価尺度算出部１０５から入力される評価尺度Ｄｉｓｔ（Ｔ）のうち、第２サブフレームに対応するすべての評価尺度Ｄｉｓｔ（Ｔ）に対し比較を行う。そして、評価尺度比較部１０６は、そのうち最大の評価尺度Ｄｉｓｔ（Ｔ）に対応するピッチ周期Ｔ’を最適ピッチ周期として求め、求められたピッチ周期Ｔ’を示すピッチ周期インデックスＩＤＸを外部へ出力するとともに適応音源符号帳１０２に出力する。また、評価尺度比較部１０６は、第１サブフレームのピッチ周期Ｔ’を外部および適応音源符号帳１０２に出力するとともにピッチ周期記憶部１０７にも出力する。

図３は、本実施の形態に係るピッチ周期指示部１０１の内部の構成を示すブロック図である。

ピッチ周期指示部１０１は、第１ピッチ周期指示部１１１、探索範囲算出部１１２、および第２ピッチ周期指示部１１３を備える。

第１ピッチ周期指示部１１１は、サブフレーム毎に入力されるサブフレームインデックスが第１サブフレームを示す場合に、第１サブフレーム用のピッチ周期探索範囲内のピッチ周期候補Ｔを適応音源ベクトル生成部１０３に順次指示する。ここで、第１サブフレーム用のピッチ周期探索範囲は、予め設定されており、探索解像度も予め設定されている。例えば、適応音源ベクトル量子化装置１００が、第１サブフレームに対して、３９から２３７までのピッチ周期の範囲を整数精度で探索し、２０から３８＋２／３までのピッチ周期の範囲を三分の一精度で探索する場合、第１ピッチ周期指示部１１１は、ピッチ周期Ｔ＝２０、２０＋１／３，２０＋２／３，２１，２１＋１／３，…，３８＋２／３，３９，４０，４１，…，２３７を適応音源ベクトル生成部１０３に順次指示する。

探索範囲算出部１１２は、サブフレーム毎に入力されるサブフレームインデックスが第２サブフレームを示す場合に、ピッチ周期記憶部１０７から入力される第１サブフレームのピッチ周期Ｔ’に基づく「デルタラグ」のピッチ周期探索方法を用いたうえに、さらに所定のピッチ周期を境として探索解像度が遷移するように第２サブフレーム用のピッチ周期探索範囲を算出し、第２ピッチ周期指示部１１３に出力する。

第２ピッチ周期指示部１１３は、探索範囲算出部１１２で算出された探索範囲内のピッチ周期候補Ｔを適応音源ベクトル生成部１０３に順次指示する。

ここで、第１サブフレームのピッチ周期の前後の部分を、第２サブフレームにおけるピッチ周期探索の候補とする「デルタラグ」のピッチ周期探索方法について、例をあげて、より詳しく説明する。例えば、第２サブフレームに対し、第１サブフレームのピッチ周期Ｔ’の整数成分（Ｔ’＿ｉｎｔ）の前後のＴ’＿ｉｎｔ−２＋１／３からＴ’＿ｉｎｔ＋
１＋２／３までのピッチ周期範囲を三分の一精度で、Ｔ’＿ｉｎｔ−３からＴ’＿ｉｎｔ−２までとＴ’＿ｉｎｔ＋２からＴ’＿ｉｎｔ＋４までとのピッチ周期の範囲を整数精度で探索する場合には、Ｔ＝Ｔ’＿ｉｎｔ−３、Ｔ’＿ｉｎｔ−２、Ｔ’＿ｉｎｔ−２＋１／３、Ｔ’＿ｉｎｔ−２＋２／３、Ｔ’＿ｉｎｔ−１、Ｔ’＿ｉｎｔ−１＋１／３、…、Ｔ’＿ｉｎｔ＋１＋１／３、Ｔ’＿ｉｎｔ＋１＋２／３、Ｔ’＿ｉｎｔ＋２、Ｔ’＿ｉｎｔ＋３、Ｔ’＿ｉｎｔ＋４を第２サブフレームのピッチ周期候補Ｔとして適応音源ベクトル生成部１０３に順次指示する。

図４は、上記の「デルタラグ」というピッチ周期探索方法を説明するためのより詳しい例を示す図である。図４（ａ）は、第１サブフレームのピッチ周期探索範囲を示し、図４（ｂ）は、第２サブフレームのピッチ周期探索範囲を示す。図４に示す例においては、２０から２３７までの２５６種類（８ビット）の候補、すなわち、３９から２３７までの整数精度の１９９個の候補と２０から３８＋２／３までの三分の一精度の５７個の候補との合計を用いてピッチ周期を探索する。探索の結果、例えば、第１サブフレームのピッチ周期Ｔ’として「３７」が決定された場合、「デルタラグ」のピッチ周期探索方法を適用し、第２サブフレームにおいては、Ｔ’＿ｉｎｔ−３＝３７−３＝３４からＴ’＿ｉｎｔ＋４＝３７＋４＝４１までの１６種類（４ビット）の候補を用いてピッチ周期を探索する。

図５は、本実施の形態に係る探索範囲算出部１１２において所定のピッチ周期「３９」を境として探索解像度が遷移するように、第２サブフレーム用のピッチ周期探索範囲を算出した結果の一例を示す図である。図５に示すように、本実施の形態においては、Ｔ’＿ｉｎｔが小さいほど、第２サブフレームのピッチ周期探索解像度をより高くしピッチ周期探索範囲を狭くする。例えば、Ｔ’＿ｉｎｔが第１の閾値である「３８」より小さい場合には、Ｔ’＿ｉｎｔ−２からＴ’＿ｉｎｔ＋２までの範囲を三分の一精度で探索し、整数精度でピッチ周期探索を行う範囲をＴ’＿ｉｎｔ−３からＴ’＿ｉｎｔ＋４までとする。これに対し、Ｔ’＿ｉｎｔが第２の閾値である「４０」より大きい場合には、Ｔ’＿ｉｎｔ−２からＴ’＿ｉｎｔ＋２までの範囲を二分の一精度で探索し、整数精度でピッチ周期探索を行う範囲をＴ’＿ｉｎｔ−５からＴ’＿ｉｎｔ＋６までとする。ここで、第２サブフレームのピッチ周期探索に用いられるビット数が決まっているため、探索解像度が高くなるほど探索範囲が狭くなる一方、探索解像度が低くなるほど探索範囲が広くなる。また、図５に示すように、本実施の形態においては、分数精度の探索範囲をＴ０＿ｉｎｔ−２からＴ０＿ｉｎｔ＋２までの間に固定し、第３の閾値である「３９」を境として探索解像度が二分の一精度から三分の一精度に遷移させる。なお、図５および図４（ａ）から分かるように、本実施の形態においては、第１サブフレームのピッチ周期探索解像度に合わせて第２サブフレームのピッチ周期探索範囲を算出し、第１サブフレームまたは第２サブフレームに係わらず所定のピッチ周期に対し常に一定の探索解像度を用いて探索を行う。

図６は、探索範囲算出部１１２において、図５に示すような第２サブフレーム用のピッチ周期探索範囲を算出する手順を示すフロー図である。

図６において、Ｓ＿ｉｌａｇおよびＥ＿ｉｌａｇは、整数精度の探索範囲の起点および終点を示し、Ｓ＿ｄｌａｇおよびＥ＿ｄｌａｇは、二分の一精度の探索範囲の起点および終点を示し、Ｓ＿ｔｌａｇおよびＥ＿ｔｌａｇは、三分の一精度の探索範囲の起点および終点を示す。ここで、二分の一精度の探索範囲および三分の一精度の探索範囲は整数精度の探索範囲に含まれる。すなわち、整数精度の探索範囲は第２サブフレームのピッチ周期探索範囲の全般であり、この探索範囲全般から分数精度の探索範囲を除く部分において、整数精度のピッチ周期探索が行われる。

図６において、ステップ（ＳＴ）１０１０〜ＳＴ１０９０は、整数精度の探索範囲を算出する手順を示し、ＳＴ１１００〜ＳＴ１１３０は、三分の一精度の探索範囲を算出する
手順を示し、ＳＴ１１４０〜ＳＴ１１７０は、二分の一精度の探索範囲を算出する手順を示す。

より具体的には、探索範囲算出部１１２は、第１サブフレームのピッチ周期Ｔ’の整数成分Ｔ’＿ｉｎｔの値を、３つの閾値「３８」，「３９」，「４０」と比較し、Ｔ’＿ｉｎｔ＜３８である場合には（ＳＴ１０１０：ＹＥＳ）、Ｔ’＿ｉｎｔ−３を整数精度探索範囲の起点Ｓ＿ｉｌａｇと設定し、Ｓ＿ｉｌａｇ＋７を整数精度探索範囲の終点Ｅ＿ｉｌａｇと設定する（ＳＴ１０２０）。また、探索範囲算出部１１２は、Ｔ’＿ｉｎｔ＝３８である場合には（ＳＴ１０３０：ＹＥＳ）、Ｔ’＿ｉｎｔ−４を整数精度探索範囲の起点Ｓ＿ｉｌａｇと設定し、Ｓ＿ｉｌａｇ＋８を整数精度探索範囲の終点Ｅ＿ｉｌａｇと設定する（ＳＴ１０４０）。また、探索範囲算出部１１２は、Ｔ’＿ｉｎｔ＝３９である場合には（ＳＴ１０５０：ＹＥＳ）、Ｔ’＿ｉｎｔ−４を整数精度探索範囲の起点Ｓ＿ｉｌａｇと設定し、Ｓ＿ｉｌａｇ＋９を整数精度探索範囲の終点Ｅ＿ｉｌａｇと設定する（ＳＴ１０６０）。次いで、探索範囲算出部１１２は、Ｔ’＿ｉｎｔ＝４０である場合には（ＳＴ１０７０：ＹＥＳ）、Ｔ’＿ｉｎｔ−５を整数精度探索範囲の起点Ｓ＿ｉｌａｇと設定し、Ｓ＿ｉｌａｇ＋１０を整数精度探索範囲の終点Ｅ＿ｉｌａｇと設定する（ＳＴ１０８０）。次いで、探索範囲算出部１１２は、Ｔ’＿ｉｎｔ＝４０でない場合（ＳＴ１０７０：ＮＯ）、すなわち、Ｔ’＿ｉｎｔ＞４０である場合には、Ｔ’＿ｉｎｔ−５を整数精度探索範囲の起点Ｓ＿ｉｌａｇと設定し、Ｓ＿ｉｌａｇ＋１１を整数精度探索範囲の終点Ｅ＿ｉｌａｇと設定する（ＳＴ１０９０）。上記のように、本実施の形態においては、第１サブフレームのピッチ周期Ｔ’が長いほど第２サブフレームの整数精度のピッチ周期探索範囲、すなわち、第２サブフレームのピッチ周期探索の全般の範囲を広くする。

次いで、探索範囲算出部１１２は、Ｔ’＿ｉｎｔを第４の閾値「４１」と比較し、Ｔ’＿ｉｎｔ＜４１である場合には（ＳＴ１１００：ＹＥＳ）、Ｔ’＿ｉｎｔ−２を三分の一精度の探索範囲の起点Ｓ＿ｔｌａｇと設定し、Ｓ＿ｔｌａｇ＋３を三分の一精度の探索範囲の終点Ｅ＿ｔｌａｇと設定する（ＳＴ１１１０）。次いで、探索範囲算出部１１２は、三分の一精度の探索範囲の終点Ｅ＿ｔｌａｇが「３８」より大きい場合には（ＳＴ１１２０：ＹＥＳ）、「３８」を三分の一精度の探索範囲の終点Ｅ＿ｔｌａｇと設定する（ＳＴ１１３０）。次いで、探索範囲算出部１１２は、Ｔ’＿ｉｎｔが第５の閾値「３７」より大きい場合には（ＳＴ１１４０：ＹＥＳ）、Ｔ’＿ｉｎｔ＋２を二分の一精度の探索範囲の終点Ｅ＿ｄｌａｇと設定し、Ｅ＿ｄｌａｇ−３を二分の一精度の探索範囲の起点Ｓ＿ｄｌａｇと設定する（ＳＴ１１５０）。次いで、探索範囲算出部１１２は、二分の一精度の探索範囲の起点Ｓ＿ｄｌａｇが「３９」より小さい場合には（ＳＴ１１６０：ＹＥＳ）、「３９」を二分の一精度の探索範囲の起点Ｓ＿ｄｌａｇと設定する（ＳＴ１１７０）。

探索範囲算出部１１２は、上記の図６に示す手順に従い探索範囲を算出すれば、図５に示すような、第２サブフレームのピッチ周期探索範囲が得られる。以下、探索範囲算出部１１２において算出されたピッチ周期探索範囲を用いて第２サブフレームのピッチ周期探索を行う方法と、上述した特許文献１記載のピッチ周期探索方法とを比較する。

図７は、特許文献１記載のピッチ周期探索方法の効果を説明するための図である。

図７においては、第２サブフレームのピッチ周期探索範囲を示し、図７に示すように、特許文献１記載のピッチ周期探索方法においては、第１サブフレームのピッチ周期Ｔ’の整数成分Ｔ’＿ｉｎｔを閾値「３９」と比較し、「３９」以下である場合には、Ｔ’＿ｉｎｔ−３からＴ’＿ｉｎｔ＋４の範囲を整数精度探索範囲とし、この整数精度探索範囲に含まれるＴ’＿ｉｎｔ−２からＴ’＿ｉｎｔ＋２の範囲を三分の一精度の探索範囲とする。また、Ｔ’＿ｉｎｔが閾値「３９」より大きい場合には、Ｔ’＿ｉｎｔ−４からＴ’＿ｉｎｔ＋５の範囲を整数精度探索範囲とし、この整数精度探索範囲に含まれるＴ’＿ｉｎ
ｔ−３からＴ’＿ｉｎｔ＋３の範囲を二分の一精度の探索範囲とする。

図７と図５とを比較すると分かるように、特許文献１記載のピッチ周期探索方法も本実施の形態に係るピッチ周期探索方法と同様に、第１サブフレームのピッチ周期Ｔ’の整数成分Ｔ’＿ｉｎｔの値に応じて、第２サブフレームのピッチ周期探索範囲およびピッチ周期探索解像度を変化させることができるものの、所定の閾値、例えば「３９」を境として、ピッチ周期探索の解像度を遷移させることができない。従って、所定のピッチ周期に対し常に一定の分数精度解像度を用いてピッチ周期探索を行うことができない。これに対し、本実施の形態においては、例えば、「３９」以下のピッチ周期に対し常に二分の一精度で探索を行うことができ、分数精度の適応音源ベクトルを生成する際に必要な間挿フィルタの数を削減することができる。

以上、本実施の形態に係る適応音源ベクトル量子化装置１００の構成および動作について説明した。

適応音源ベクトル量子化装置１００を含むＣＥＬＰ音声符号化装置は、評価尺度比較部１０６において生成されたピッチ周期インデックスＩＤＸを含む音声符号化情報を、本実施の形態に係る適応音源ベクトル逆量子化装置を含むＣＥＬＰ復号装置に送信する。ＣＥＬＰ復号装置は、受信した音声符号化情報を復号しピッチ周期インデックスＩＤＸを得て、本実施の形態に係る適応音源ベクトル逆量子化装置へ出力する。なお、ＣＥＬＰ復号装置における音声復号処理も、ＣＥＬＰ音声符号化装置における音声符号化処理と同様にサブフレーム単位で行われ、ＣＥＬＰ復号装置はサブフレームインデックスを本実施の形態に係る適応音源ベクトル逆量子化装置へ出力する。

図８は、本実施の形態に係る適応音源ベクトル逆量子化装置２００の主要な構成を示すブロック図である。

図８において、適応音源ベクトル逆量子化装置２００は、ピッチ周期判定部２０１、ピッチ周期記憶部２０２、適応音源符号帳２０３、および適応音源ベクトル生成部２０４を備え、ＣＥＬＰ音声復号装置において生成されたサブフレームインデックスおよびピッチ周期インデックスＩＤＸが入力される。

ピッチ周期判定部２０１は、サブサブフレームインデックスが第１サブフレームを示す場合には、入力されるピッチ周期インデックスＩＤＸに対応するピッチ周期Ｔ’をピッチ周期記憶部２０２、適応音源符号帳２０３、および適応音源ベクトル生成部２０４に出力する。また、ピッチ周期判定部２０１は、サブサブフレームインデックスが第２サブフレームを示す場合には、ピッチ周期記憶部２０２に記憶されているピッチ周期Ｔ’を読み出して適応音源符号帳２０３および適応音源ベクトル生成部２０４に出力する。

ピッチ周期記憶部２０２は、ピッチ周期判定部２０１から入力される第１サブフレームのピッチ周期Ｔ’を記憶し、第２サブフレームの処理においてピッチ周期判定部２０１により読み出される。

適応音源符号帳２０３は、適応音源ベクトル量子化装置１００の適応音源符号帳１０２が備える駆動音源と同様な駆動音源を格納するバッファを内蔵しており、サブフレーム毎の適応音源復号処理が終わる度に、ピッチ周期判定部２０１から入力されるピッチ周期Ｔ’を有する適応音源ベクトルを用いて駆動音源を更新する。

適応音源ベクトル生成部２０４は、ピッチ周期判定部２０１から入力されるピッチ周期Ｔ’を有する適応音源ベクトルＰ’（Ｔ’）を適応音源符号帳２０３からサブフレーム長
ｍだけ切り出し、サブフレーム毎の適応音源ベクトルとして出力する。適応音源ベクトル生成部２０４において生成される適応音源ベクトルＰ’（Ｔ’）は、下記の式（８）で表される。

このように、本実施の形態によれば、第１サブフレームのピッチ周期に応じて第２サブフレームのピッチ周期探索範囲を算出するピッチ周期探索範囲設定方法を用いた場合であっても、所定の閾値を境としてピッチ周期探索の解像度を切り換えることで、所定のピッチ周期に対し常に一定の分数精度解像度を用いて探索を行うことができ、ピッチ周期の量子化性能を向上させることができる。そしてその結果として、分数精度の適応音源ベクトルを生成する際に必要な間挿フィルタの数を削減することが可能となるため、メモリを節約することも可能となる。

なお、本実施の形態では、線形予測残差ベクトルを入力とし、適応音源符号帳を用いて線形予測残差ベクトルのピッチ周期を探索する場合を例にとって説明した。しかし、本発明はこれに限定されず、音声信号そのものを入力とし、音声信号そのもののピッチ周期を直接探索しても良い。

また、本実施の形態では、ピッチ周期の候補として「２０」から「２３７」までの範囲を例にとって説明した。しかし、本発明はこれに限定されず、他の範囲をピッチ周期の候補としても良い。

また、本実施の形態では、適応音源ベクトル量子化装置１００を含むＣＥＬＰ音声符号化装置において１つのフレームを２つのサブフレームに分割して各々のサブフレームに対し線形予測分析を行うことを前提として説明した。しかし、本発明はこれに限定されず、ＣＥＬＰ方式の音声符号化装置において、１つのフレームを３つ以上のサブフレームに分割して各々のサブフレームに対し線形予測分析を行うことを前提としても良い。

本発明に係る適応音源ベクトル量子化装置および適応音源ベクトル逆量子化装置は、音声伝送を行う移動体通信システムにおける通信端末装置に搭載することが可能であり、これにより上記と同様の作用効果を有する通信端末装置を提供することができる。

なお、ここでは、本発明をハードウェアで構成する場合を例にとって説明したが、本発明をソフトウェアで実現することも可能である。例えば、本発明に係る適応音源ベクトル量子化方法のアルゴリズムをプログラミング言語によって記述し、このプログラムをメモリに記憶しておいて情報処理手段によって実行させることにより、本発明に係る適応音源ベクトル量子化装置および適応音源ベクトル逆量子化装置と同様の機能を実現することができる。

また、上記実施の形態の説明に用いた各機能ブロックは、典型的には集積回路であるＬＳＩとして実現される。これらは個別に１チップ化されても良いし、一部または全てを含むように１チップ化されても良い。

また、ここではＬＳＩとしたが、集積度の違いによって、ＩＣ、システムＬＳＩ、スー
パーＬＳＩ、ウルトラＬＳＩ等と呼称されることもある。

また、集積回路化の手法はＬＳＩに限るものではなく、専用回路または汎用プロセッサで実現しても良い。ＬＳＩ製造後に、プログラム化することが可能なＦＰＧＡ（Fｉeld Programmable Gate Array）や、ＬＳＩ内部の回路セルの接続もしくは設定を再構成可能なリコンフィギュラブル・プロセッサを利用しても良い。

さらに、半導体技術の進歩または派生する別技術により、ＬＳＩに置き換わる集積回路化の技術が登場すれば、当然、その技術を用いて機能ブロックの集積化を行っても良い。バイオ技術の適用等が可能性としてあり得る。

２００７年３月２日出願の特願２００７−０５３５２９の日本出願に含まれる明細書、図面および要約書の開示内容は、すべて本願に援用される。

本発明に係る適応音源ベクトル量子化装置、適応音源ベクトル逆量子化装置、およびこれらの方法は、音声符号化および音声復号等の用途に適用することができる。

本発明の一実施の形態に係る適応音源ベクトル量子化装置の主要な構成を示すブロック図本発明の一実施の形態に係る適応音源符号帳が備える駆動音源を示す図本発明の一実施の形態に係るピッチ周期指示部の内部の構成を示すブロック図従来技術に係る「デルタラグ」というピッチ周期探索方法を説明するための図本発明の一実施の形態に係る探索範囲算出部において第２サブフレーム用のピッチ周期探索範囲およびピッチ周期探索解像度を算出した結果の一例を示す図本発明の一実施の形態に係る探索範囲算出部において第２サブフレーム用のピッチ周期探索範囲およびピッチ周期探索解像度を算出する手順を示すフロー図従来技術に係るピッチ周期探索方法の効果を説明するための図本発明の一実施の形態に係る適応音源ベクトル逆量子化装置の主要な構成を示すブロック図

Claims

フレームを分割した２つのサブフレームのうち、第１サブフレームについては固定の範囲内でピッチ周期を探索し、第２サブフレームについては前記第１サブフレームで求められたピッチ周期の近傍の範囲内からピッチ周期を探索し、この探索したピッチ周期の情報を量子化データとする適応音源ベクトル量子化装置であって、
所定のピッチ周期を境として、前記固定の範囲内で解像度を変化させて前記第１サブフレームのピッチ周期を探索する第１ピッチ周期探索手段と、
前記第１サブフレームで求められたピッチ周期および前記所定のピッチ周期に基づいて前記第２サブフレームのピッチ周期探索範囲を算出する算出手段と、
前記所定のピッチ周期を境として、前記ピッチ周期探索範囲内で解像度を変化させて前記第２サブフレームのピッチ周期を探索する第２ピッチ周期探索手段と、
を具備する適応音源ベクトル量子化装置。
フレームを分割した２つのサブフレームのうち、第１サブフレームについては固定の範囲内でピッチ周期を探索し、第２サブフレームについては前記第１サブフレームで求められたピッチ周期の近傍の範囲内からピッチ周期を探索し、この探索したピッチ周期の情報を量子化データとする適応音源ベクトル量子化方法であって、
所定のピッチ周期を境として、前記固定の範囲内で解像度を変化させて前記第１サブフレームのピッチ周期を探索する第１ピッチ周期探索ステップと、
前記第１サブフレームで求められたピッチ周期および前記所定のピッチ周期に基づいて前記第２サブフレームのピッチ周期探索範囲を算出する算出ステップと、
前記所定のピッチ周期を境として、前記ピッチ周期探索範囲内で解像度を変化させて前記第２サブフレームのピッチ周期を探索する第２ピッチ周期探索ステップと、
を具備する適応音源ベクトル量子化方法。