JPH01255900A - 音声符号化方式 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 し産業上の利用分野〕 本発明は、離散音声信号を特定区間の基準再生音声信号
の線形結合で表す音声符号化方式に関する。

〔従来技術〕

単区間の音声信号５（ｎ）を、位相の異なる線形フィル
タのインパルス応答の和で表すものがマルチパルス駆動
型音声符号化法として知られており、初めビー・エスー
アタル（Ｂ、Ｓ、Ａｔａｌ　　）らにょシ、文献１：「
ア　ニエウー　モデル　オブ　エルビーシー　エキサイ
ティジョン　フォー　グロデューシングナチェラル　サ
ウンデイング　スピーチ　アット　ロウ　ビットレイト
（Ａ　　　ｎｅｗ　　ｍｏｄｅｌ　　ｏｆ　　ＬＰＣａ
ｘｅｉｔａｔｉｏｎｆｏｒ　ｐｒｏｄｕｃｉｎｇ　ｎａ
ｔｕｒａｌ　Ｂｏｕｎｄｉｎｇ　５ｐｅｅｃｈ　ａｔ　
ｌｏｗｂｉｔ　ｒａｔｅｓ　）　Ｊ、アイ・シーーニー
拳ニス・ニス・ビー８２　（ＩＣＡＳＳＰ　　８２）　
（７）６１４がら６１７ページで提案された。この符号
化法は１６ｋｂ／８　程度のビットレイトでは自然性の
賜い再生Ｈｆ提供できることが確認されているが、ビッ
トレイトをさらに低くすると、パルスの数、即ちインパ
ルス応答の数が少なくなり、再生音声の品質が劣化する
。

これに対する対策として、ピッチ予測を組み込むもの（
文献２：小火、小野、葉間「マルチパルス駆動型音声符
号化法の品質改善」音響学会音声研死金資料、５８３−
７８（昭５９）がある０水力式のブロック図を第２図に
示す。

入力端子１０は一定間隔のフレームに分割された離散的
な音声信号を入力する入力端子である。

フレームの長さは２０　ｍｓ＠ｃから３０ｍ５ｅｃが普
通である。入力された音声信号は、線形予測分析器２０
とピッチ予測分析器３０とバッファ４０とに供給される
。線形予測分析器２０においては、線形予測係数或はＰ
ＡＲＣＯＲ係数を求め、それを局所マルチパルス符号器
５０と局所マルチパルス復号器６０に供給するとともに
マルチプレクサ９０へ出力する。ピッチ予測分析６３０
は、入力音声信号の自己相関関数を計算しその最大値を
与える時間遅れの値から入力音声信号の基本周期（ピッ
チ周期）並びにピッチ予測係数を算出するものである。

算出されたピッチ周期並びにピッチ予測係数はピッチ予
測器７０とマルチプレクサ９０とに出力される。バッフ
ァ４０は入力音声信号をピッチ予測分析器３０で抽出さ
れたピッチ周期毎に分割し、各ピッチ周期毎に入力音声
信号を減算器８０に出力し、ピッチ予測器７０の出力と
の差即ちピッチ予測残差を計算する。計算されたピッチ
予測残差は局所マルチパルス符号器５０に供給される。

局所マルチパルス符号器５０は、減算器８０から入力さ
れるピッチ予測残差に前記文献１の符号化方法を適用す
るもので、線形予測分析器２０から入力される線形予測
係数で定まるフィルタのインパルス応答とピッチ予測残
差とをもとにピッチ予測残差も最も良く表すインパルス
応答の線形結合パラメータ、即ち音源パルスの振幅並び
に位置を算出し、出力するものである。算出されたパル
ス振幅並びに位置はマルチプレクサ９０と局所マルチパ
ルス復号器６０とに出力される０局所マルチパルス復号
器６０は局所マルチパルス符号器５０から出力されるパ
ルスの振幅並びに位置を受は取り、それと線形予測分析
器２０から田方される線形予測係数とをもとに当該区間
の再生信号を合成するものである８合成された再生信号
は、加算器８５に送られ、そこでピッチ予測器７０の出
力と加算されて当該区間の再生音声信号となる。再生音
声信号はピッチ予測器７０に供給される。マルチプレク
サ９０は線形予測係数とピッチ情報とパルス振幅とパル
ス位置とを表す符号を多重化して出力端子９９に出力す
る。

〔発明が解決しようとしている課題〕

しかし、前記文献２の従来方式ではフレーム内のピッチ
周期を一定としており、フレーム内におけるピッチ周期
の変動成分はピッチ予測残差に含まれることに７にる。

一般に音声イキ号は時間的に大きく変動しているため、
このようにフレーム内のピッチ変動を無視する構成では
ピッチ予測残差の変動成分は大きく、それを高品質で表
すには多く音源パルス情報を必要とする。ピッチ情報は
、音声知覚の上で重ｇな特徴と考えら７するため、時間
的に変動するピッチ情＠Ｉを高品質に符号化することは
高品質音声符号化にとって大変重要である。

本発明の目的は、フレーム内の音声信号の基本周期長の
平均的な特性を表す基準再生音声信号を合成し、入力音
声信号を前記基準再生音声信号の線形和で表し、この線
形結合を形成するための係数並びに位相成分全前記久方
音声のピッチ変動に忠実に追随するように求めることで
、フレーム内のピッチ変動を吸収することを可能にする
高品質音声符号化方式を提供することと、前記線形結合
係数を量子化する際に線形結合係数と基本周期情報との
間にある相関を利用して低ビツトレート音声符号化方式
とを提供することでるる。

〔課題を解決するための手段〕

本発明によれば、一定間隔に分割された離散的列から前
記基本周期成分に相当する区間長の平均的な特性を表す
基準再生音声信号列を合成し、前記基準再生音声信号列
の線形結合からなる再生音声信号列形成する音声符号化
方式でろって、前記入力音声信号列と前記再生音声信号
とが近くなるよう前記結合係数金求めることを特徴とす
る音声符号化方式が得られる。

〔作　用〕

いま、−フレーム内の音声信号をｓ　（ｎ）　（注：こ
こでｎは当該フレーム内のサンプル点を表している）、
８（ｍｌの線形予測分析により定まる線形予測係数を係
数に持つ全極フィルタのインパルス応答をｈ（５）とす
ると、当該フレームの一ピツチ区間の平均的な特性を表
す基準再生音声信号ｂ（ｎ）は、ｂ（ｎ）＝Σｇ−ｈ　
（ｎ　−ｍ　ｉ）　　　　　　（１）と表せる。係数（
ｇｉ）、位置（ｍｉ）、ｉ＝１゜・・・、Ｍ（Ｍ：ｂ（
ｎ）を形成するインパルス応答ｈ（社）の数）の決定法
は幾つか考えられるが、最も望ましいものは、次の恵み
付き平均二乗誤差Ｅを最小化するものである。

Ｅ＝Σしく５（ｎ）−ｉａｊｂ（ｎ−ｊＴ−τ））＊ｗ
（ｎ）］　　　　（２）ここで、＊は畳み込みを示し、
Ｔはフレーム内の平均ピッチ周期、７口は重み関数でる
る、Ｗ（社）は、目的に合った任意の関数を選択するこ
とができる１例えば、文献ｌのように入力音声信号のス
ペクトル包絡によって決筐るものや、音声信号の周期性
を強調するコムフィルタ特性を用いるものなどがある。

尚、第（２）式において（ａｊ）と（ｇｉ）とは積の関
係にあるので、（ｇ　）を陽に求めることは難しい、そ
こで、例えば、全てのａｊを１、τを０として求めるこ
ととする。すると、第（２）式と表される。ここで、Ｔ
は既知であるから、第（３）式をできるだけ小さくする
（ｇ４．）　　と　（ｍｉ）を求める問題は、前記文献
１にあるマルチパルス符号化におけるパルスの振幅と位
相を求める問題と同一になり、従来から良く知られてい
る０例えば、そのためのアルゴリズムは、前記文献１や
文献３：に、オザワ、Ｓ、オノ、およびＴ、アラセキ［
アスタデイ　オン　パルス　サーチ　ロガリズムズフォ
ー　マルチ−パルス　エフサイテッド　スピーチ　コー
グ　リアライゼイシｌンＪ　ＩＥＥＥ　ＳＡＣ。

Ｍ４巻、　１３３−１４１頁、１月、　１９８６　（Ｋ
、Ｏｚ　ａｗａ。

５−Ｏｎｏ、　ａｎｄ　Ｔ、Ａｒａｓｅｋｉ、　”Ａ　
５ｔｕｄｙ　ｏｎ　Ｐｕ１ｓｅＳｅａｒｃｈ　Ｌｏｇｏ
ｒｉｔｈｒｎｓ　ｆｏｒ　Ｍｕｌｔｉ−Ｐｕｌｓｅ　Ｅ
ｘｃｉｔｅｄＳｐｅｅｃｈ　Ｃｏｄａｒ　Ｒｅａｌｉｚ
ａｔｉｏｎ、＝　ＩＥＥＥ　　ＳＡＣ。

Ｖｏｌ−４，ｐｐ、１３３−１４１　、Ｊａｎｕａｒｙ
　１９８６．）　Ｋ記載されているものを利用すること
ができる。これは、第（３）式の両辺を（ｇ、）で偏微
分して零として正規方程式を求め、　Ｇａｕｓｓの消去
法などの数値解析の手法を用いて正規方程式の解を求め
るものである。

次に、定まったｂ　（ｎ）の線形結合で入力音声信号ｓ
　（ｎ）を表すことを考える。これは、次式の近似問題
を解くことに等しく、重み付き平均二乗誤差をなるべく
小さくする（Ｃｋ）と（ｄ、）、ｋ＝１゜・・・・・・
Ｋ（Ｋ：＆！形結合を形成するｂ　（ｎ）の数）を求め
るものである。（Ｃｋ）と（ｄｋ）を求める問題は、や
はシ、第（３）式の場合と同様にマルチパルス符号化に
おけるパルス探索問題となシ、従来例である前記文献１
や前記文献３に詳しく述べられているアルゴリズムを用
いて解くことができる。具体的に、（ｃｋ）と（ｄｋ）
をｋに関して逐次的に求める方法を説明する。いま、（
ｃｔＪ、（ｄｉＪがｉ　＝　ｌからに−１まで定まって
いて、新たにに番目のｃｋとｄｋを求めるとする。その
とき第（４）式は、 と 写る。この第（５）式をｃｋで偏微分し、零とおくとこ
れから、 （ｎ−ｄ　））／Σｂ”（ｎ　−ｄ　ｋ）　　　（６）
ｎ このときのＥスは となる。したがって、第（６）式のｄｋにフレーム内の
全サンプルを代入し、それぞれのｅ　ｋｔ計算する。そ
して、計算されたｃｋに対して第（７）式のＥ。

全最小化、またはＣｋ　を最大化するｄｋを求める。こ
のようにして計算したｃｋとｄｋが所望の第に番目のパ
ラメータとなる。この第（６）式と第（７）式の計算を
に＝１からＫまで行えば全て（ｅｋ）と（ｄｋ）が求ま
る。

一方、音声再生するためには ｘ（ｎ）＝Σｃｋδ（ｎ−ｄｋ） ｙ（ｎ）＝Σｇ・δ（ｎ　−Ｊ　Ｔ　−ｍ　ｊ）なる信
号を形成し、 ｖ　（ｎ）　＝　ｘ　（ｎ）＊　ｙ　（ω　　　　　　
　　（８）なるｖ（ｎ）で線形予測係数合成フィルタを
駆動すればよい。

上記の説明から分かるように、（ｄｋ）の自己相関関数
はピッチ周期Ｔに近い周期性を示すことが期待される。

従って、（ｄｋ）ｅ量子化する際には、ピッチ周期Ｔを
利用することが考えられ、（ｄｋ）を直接量子化するの
でなく、ｄｋとｋＴとの差を童子化するようにすれば効
率的になる。

また、（ｃｋ）　はピッチ周期毎の入力音声信号系列と
基準再生音声信号系列との相関係数という性質を持って
いるので、入力音声信号が急峻に変化しない限り隣シ合
う（ｃｋ）　には高い相関があると考えられるので、（
ｃｋ）と直接量子化する代わりにｃｋ二、と　ｃｋとの
差を量子化することで高い圧縮率が期待できる。

以上で、本発明の原理に関する説明を終える。

〔実施例〕

第１因に本発明の一実施例である音声符号化方式を表す
ブロック図を示す０図の符号化側の処理において、１０
０は入力端子で、一定間隔のフレームに分割されたＮサ
ンプルの離散的音声信号（例えば、８　ｋＨｚサンプリ
ングで、Ｎ　＝　１６０　（２０ｍｓｅｃ　））を入力
し、線形予測分析器１１０とピッチ予測分析器１２０と
に供給する。線形予測分析器１１０は入力端子１００か
ら入力した音声信号からＰＡＲＣＯＲ係数を求め、量子
化した後、基準音声成分計算器１３０とマルチプレクサ
１５０とに出力する。ピッチ分析ａ１２０は、当該フレ
ーム内の音声信号の基本周期成分と平均的なピッチ予測
係数を求めるもので、入力音声信号の自己相関関数の最
大値から定められる。その他の平均ピッチ周期成分子ｔ
−求める手段は、例えば、文献４：古井著、ディジタル
音声処理、東海大学出版会（昭和６０）の第４章に纏め
られている。計算されたピッチは量子化した後、基準音
声成分計算器１３０と音声変動成分計算器１４０とマル
チプレクサ１５０とに出力される。

基準音声成分計算器１３０は、前記（作用）の第（１）
式で示したｂ（ｎ）を求めるものである。線形予測分析
器１１０から供給されるＰＡＲＣＯＲ係数を逆量子化し
たあとそれを線形予測係数に変換し当該全極フィルタの
インパルス応答ｈ（ｎ）を計算する。計算されたｈ（５
）と、入力端子１００から入力される離散音声信号と、
ピッチ分析器１２０から入力されるピッチ周期とから前
記第（３）式で表される最小化問題を解いて、所望の（
ｇ・）　と　（ｍｉ）とｔ求める。

前記第（３）式にろる重み関数Ｗ（５）は、例えば前記
文献１にろるように、 ｗ（ｎ）＝δ（５）＋ハ・δ（ｎ−ｉ）　７ｒ’ａｉｗ
（ｎ−ｉ）　（９）δ０：単位インパルス （＆ｉ）二線形予測係数 ｒ：係数（０くγ＜１） として計算できる。１だ、この重み関数は、線形予測係
数の時間的変化、即ち過去のフレームに於ける線形予測
係数に応じて選ぶこともできる。

（ｇ、）　と　（ｍｌ）　　との計算の仕方は、前記文
献４の外、例えば文献５：特許願「音声符号化方法」（
昭５８−１５０７８３　　”）に詳しく説明されている
ので、ここでは簡単に説明する。まず、第（３）式の両
辺を（ｇｉ）で偏微分して零とおく、それは整理すると
次のような正規方程式になる。

Σａ（ｎ）−９ｈ（ｎ−ｊＴ−ｍ−）＝ΣＣｏｇ　−ｈ
（ｎ−ｉＴ−ｍｉ）　）ｎ　　　Ｊ　　　　　　　　　
　　　Ｊ　　　　ｎｌ　　　１（Σｈ（ｎ−ｊＴ−ｍｊ
））　　（１０）コ （記載の簡易化のため重み関数ｗ（ｎ）は省略しである
） 例えば、上式全ｊが１から所望の値までの各問題に対し
て解いていけばよい、（ｍｊ）　は各にと全ての可能な
ｍ　３　ＶＣ５”Ｊして第（１０）式で求めた（ｇｊ）
に対して第（３）式を計算し、その時の値を最も小さく
するｍｊが求めるものとなる。計算した（ｇｉ）と（ｍ
ｉ）は量子化されたマルチプレクサ１５０に供給される
とともに、第（１）式のｂ（ｎｌに相当する信号に変換
されて音声変動成分計算器１４０に供給される。音声変
動成分計算器１４０は、入力端子１００から入力する音
声信号と基準音声成分計算器１３０から入力する基準音
声成分ｂ（５）と、ピッチ分析器１２０から入力するピ
ッチ周期と、線形予測分析器１１０から入力される線形
予測係数とから、前記第（４）式の最小化問題を解いて
、所望の（ｅｋ）と〔ｄｋ）とを求めるものである。こ
れは例えば、前記作用で説明したように第（６）式と第
（７）式とを循環的に解いて求めることができる。ここ
で、重荷関数は前記第（６）式と同じもの金剛いる。　
（ｄｋ）と（ｅｋ）の量子化は、前記作用で述べたよう
に、ピッチ周期情報を使うことで効率良く実現できる。

ここでは、（ｄｋ）をｄ　１＝ｄ１ ｄ’　　＝（ｄｋ−ｄ工）−（ｋ−１）Ｔと変換して、
（ａｋ）ｋ！量子化る。また（Ｃｋ）は、０°１：ｅｌ ｅ　　ｋ”　ｅｋ−ｃｋ−１ と変換して（Ｃｋ）を量子化する。更に、（ｄｋ）を求
める際に、パルス位置（ｄｋ）がピッチ周期内に偏らな
いように（ｄｋ）の各要素間の距離がピッチ周期Ｔを用
いて制御させることで、より（ｄ″よ）の変動を小さく
することもできる。求めた（ｃｋ）と（ｄｋ）とは、量
子化された後、マルチプレクサ１５０に出力される。マ
ルチプレクサ１５０は、線形予測分析器１１０からＰＡ
ＲＣＯＲ係数を表す符号を、ピッチ分析器１２０から平
均ピッチ周期を表す符号を、基準音声成分計算器１３０
から基準音声成分の（ｇｌ）と（ｍｉ）とを表す符号を
、音声変動成分計算器１４０から音声変動成分の（ｃｋ
）と（匂）とを表す符号と全入力し、それらを多重化し
て出力端子１６０から出力する。復号化側では、符号入
力端子２００より多重化された符号列を入力し、デマル
チプレクサ２１０で、音声の変動成分（ｃｋ）と（ｄｋ
）と表す符号と、基準音声成分（ｇ・）と（ｍｉ）とを
表す符号と、平均ピッチ周期Ｔを表す符号を音源再生器
２２０へ出力し、ＰＡＲＣＯＲ係数’１ｆ−ｆｆす符号
を音声再生器２３０へ出力する。音源再生器２２０は、
復号化・逆量子化した各パラメータから、 ｅ（ｎ）＝（Σｇｉδ（ｎ−ｍｌ）　）＊（ΣＣｋδ（
ｎ−ｄｋ）　）　　　　（１１）を計算して、音源信号
５（ｎ）を再生する。再生されたｅ　（ｎ）は音声再生
器２３０へ出力される。音声再生器２３０では、デマル
チプレクサ２１０によシ供給されるＰＡＲＣＯＲ係数か
ら線形予測係数（、、）を求め、音源再生器２２０から
供給される音源ｅ（ｎ）から次式に従って再生音声８（
５）全計算する。

５（ｎ）＝−Σａｉｓ（ｎ−ｉ　）＋ａ（ｎｌ　　　　
　　　（１２）再生音声５（ｎｌは出力端子２４０より
出力される。

尚、以上の説明において、パルス振幅（ｇｉ）並びに（
泳）の針化法は種々前えられ、例えばスカラー量子化を
用いる場合は文献６のジャイヤントとノルの著書、ディ
ジタル　コーディング　オブウェイプフォーム、プレン
ティスホール、１９８４（Ｎ、Ｓ、Ｊａｉｙａｎｔ　ａ
ｎｄ　Ｐｅｔｅｒ　Ｎｏ１１．　ＤＩＧＩＴＡＬＣＯＤ
ＩＮＧ　ＯＦ　ＷＡＶＥＦＯＲＭＳ、　Ｐｒ５ｎｔｉｃ
ｅ−Ｈａｌｌｌ　９８４、）の渠４章に詳しく記載され
ている。−方、ＰＡＲＣＯＲ係数の量子化法も既に良く
知られており、例えば文献７：北脇、板倉、斉藤、′Ｐ
ＡＲＣＯＲ形音声分析合成系における最適符号構成、′
電子通信学会論文誌Ｊ６１−Ａ、２、ｐｐ、１１９〜１
２６（昭５３−２）に詳しく述べられている。

〔発明の効果〕

本発明は、フレーム内におけるピッチ構造（主にピッチ
周期）の時間的変化を高品質に符号化するために、フレ
ーム内音声の平均的な特性を表す一定区間長（例えばビ
ーフチ周期と同じ長さ）の基準音声信号を基本に、その
基準音声信号の線形結合を形成させながらフレーム内の
ピッチＭ　造の’Ｒ化に追随するようにしたことと、吻
形結合パラメータを量子化においてパラメータ変動とピ
ッチ周期との関係を利用した効率的な量子化器を備えて
いる。この構成により本発明は、ピッチ構造のパラメー
タ全フレーム内で固定する従来方式と比較して、高品質
でかつ低いビットレートにピッチ情報全符号化できる効
果がある。

【図面の簡単な説明】

第１図は不発明の一実施例金示すブロック図で、第２図
は従来例を示すブロック図である。 １０・・・・・・入力端子、２０・・・・・・線形予測
分析器、３０・・・・・・ピッチ予測分析器、４０・・
・・・・バッファ、５０・・・・・・局所マルチパルス
符号器、６０・・・・・・局所マルチパルス復号器、７
０・・・・・・ピッチ予測器、８０・・・・・・減算器
、８５・・・・・・加算器、９０・・・・・・マルチプ
レクサ、９９・・・・・・出力端子、１００・・・・・
・入力端子、１１０・・・・・・線形予測分析器、１２
０・・・・・・ピッチ分析器、１３０・・・・・・基準
音声成分計算器、１４０・・・・・・音声変動成分計算
器、１５０・・・・・・マルチプレクサ、１６０・・・
・・・出力端子、２００・・・・・・符号入力端子、２
１０・・・・・・デマルチプレクサ、２２０・・・・・
・音源再生器、２３０・・・・・・音声再生器、２４０
・・・・・・再生音声出力端子。

Claims (1)

【特許請求の範囲】
1. 一定間隔に分割された離散的な音声信号列を入力し、前
   記入力した音声信号列の基本周期成分を抽出し、前記入
   力した音声信号列から前記基本周期成分に相当する区間
   長の平均的な特性を表す基準再生音声信号列を合成し、
   前記基準再生音声信号列の線形結合からなる再生音声信
   号列形成する音声符号化方式であって、前記入力音声信
   号列と前記再生音声信号とが近くなるよう前記結合係数
   を求めることを特徴とする音声符号化方式。