JPH02120898A - 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】 （産業上の利用分野） 本発明は、離散音声信号を線形予測パラメータとピッチ
予測パラメータと予測残差に相当する音源パラメータと
で表す音声符号化方式に関する。

（従来の技術） 線形予測器とピッチ予測器を伴う予測符号化方式におい
ては、予測残差の量子化方法が低ビツトレートで高品質
な再生音声信号を得る為の重要な要因の一つである。量
子化対象信号の統計的な性質が分かっているとき、与え
られたビット数のもとで単位サンプル当りの量子化歪を
最小にする量子化法はベクトル量子化である。ベクトル
量子化は、量子化対象信号を−サンプルずつ量子化する
スカラー量子化とは異なり、複数のサンプルからなるベ
クトル（ｘ　（１）、ｘ　（２）、・・・　Ｘ（Ｋ））
を−括して量子化する方法である。ベクトル量子化は、
実際には、予め蓄えられた標準パタンのベクトル集合（
コードブックと呼ぶ）から適当な評価関数のもとで最適
と判断されるものを選択し、入力ベクトルを選択された
ベクトルで置き換える、という手続きで行われる。

ベクトル量子化は、与えられた評価関数のもので最も効
率のよい量子化法であることが情報理論的に示されてお
り、多くの音声符号化方式で用いられている。しかし、
このような理論的長所に反して、ベクトル量子化はベク
トル次元や量子化ビット数が大きくなると演算量が指数
関数的に増大する処理量の問題、或は、量子化対象信号
の統計的性質を反映したベクトル量子化器を設計するに
は多くのトレーニングサンプルが必要になること、更に
トレーニングサンプルで設計された量子化器が非トレー
ニングサンプルに対しては最適性を保証していないとい
う設計上の問題がある。特に、後者の問題は、どんな入
力が入ってくるか分からない実用システムに対しては大
きな欠点になる。

非トレーニングサンプルに対する特性劣化の欠点を解決
する方法の一つとして、量子化対象信号のサンプル当り
の統計分布をモデル化し、モデル化した統計分布に従っ
て量子化器を設計するという方法が提案されている。し
かし−この方法は、飽くまでも対象信号の静的な特性の
みに依存した量子化法であり、音声信号のようなサンプ
ルの時間的発生順序が大切な時系列信号を対象とする場
合には、さらに順序関係をモデル化しなければ成らず、
現状の方法論のままで量子化歪の小さい量子化器を設計
するためには量子化ビット数を大幅に増やす必要がある
。そうすると必然的な前者の問題、即ち所望の標準パタ
ンを検索するのに多くの演算量が掛かるという問題が伴
ってくる。

一方、ベクトル量子化における演算量を軽減するアプロ
ーチとして、ベクトル量子化を多段に接続する方法が提
案されている。これは、２　Ｎｌ＋Ｎ２個の標準パタン
を持つコードブックから所望の標準パタンを検索するの
に通常ならば２　ＮＩ＋Ｎ２の標準パタンとの間の距離
を計算しなければならない。

しかし、これを２Ｎ１個と２Ｎ２個の標準パタンを持つ
二つのコードブックを用意して、始めに２　Ｎ１個の標
準パタンをもつコードブックで量子化した後の量子化誤
差を２　Ｎ２個標準パタンを持つコードブックで量子化
するという方法が提案されている。

本方式は、確かに検索に要する処理量を軽減させる効果
をもつが、先に述べたような設計に関する問題点を解決
するものではなく、更に一つのコードブックを独立に二
つに分割することで量子化器としての効率自体を劣化さ
せるという欠点がある。

（発明が解決しようとする課題） 以上述べた様に、時系列信号である音声信号の音源パラ
メータを効率的に量子化するためには、単にベクトル量
子化を適用していたのでは、多くの処理量と共に最適な
量子化器の設計に関する実用的な問題が伴ってくる。

本発明の目的は、音声信号を線形予測パラメータとピッ
チ予測パラメータと予測残差に相当する音源パラメータ
とで表す音声符号化方式における音源パラメータの量子
化に対して、始めにベクトル量子化で音源パラメータの
平均的な特性を効率的に量子化した後、音源パラメータ
から時系列として大切な局所的成分を抽出し、それを個
別に補正することで高品質な音声符号化方式を提供する
ことにある。

（課題を解決するための手段） 本発明の音声符号化方式は、一定間隔のフレームに分割
された入力音声信号から線形予測パラメータとピッチ予
測パラメータとを抽出し、前記線形予測パラメータと前
記ピッチ予測パラメータと前記入力音声信号とから定ま
る予測残差に相当する音源パラメータを抽出し、前記入
力音声信号と前記線形予測パラメータと前記ピッチ予測
パラメータとを観測しながら前記音源パラメータを予め
蓄積されている幾つかの標準パタン集合の−っで置き換
え、前記入力音声信号と前記線形予測パラメータと前記
ピッチ予測パラメータとを観測しながら前記選択された
標準パタンの音源パラメータから予め定められた数のパ
ラメータを抽出して補正を施すことを特徴とする。

（作用） 本発明の作用を第１図に示すブロック図を用いて説明す
る。

先ず、入力端子１から入力される１フレーム分Ｎサンプ
ルの音声信号ｓ　（ｎ）の自己相関関数を基に、線形予
測分析部２で線形予測係数或はＰＡＲＣＯＲ係数などの
線形予測パラメータを計算する。ピッチ予測分析部３は
、入力音声信号の自己相関関数を基に、音声信号の周期
構造を表すピッチ周期とピッチ予測係数とを推定する。

推定された線形予測パラメータとピッチ予測パラメータ
とから入力音声信号の予測残差に相当する音源パラメー
タが音源パラメータ抽出部４で求められる。

求めた音源パラメータはベクトル量子化部５でベクトル
量子化される。ベクトル量子化部５はコードブック６に
予め蓄えられている標準パタンを検索することで行なわ
れる。標準パタンの選択には、ピッチ予測係数と線形予
測係数とコードブックに蓄えられている音源パラメータ
とで合成される再生音声信号と入力音声信号との平均的
な誤差が計算され、その誤差が小さくなる標準パタンが
所望のものとして選択されるというプロセスが取られる
。誤差の計算には、入力音声信号の特性に依存した重み
を掛けることも考えられる。ベクトル量子化部５で選択
され外標準パタンはスカラー量子化部７へ送られ、その
標準パタンを指すインデックスは再生側のコードブック
９へ送られる。コードブック６とコードブック９とは同
じ構成であることが保証されているとする。スカラー量
子化部７では、入力音声信号とピッチ予測係数と線形予
測パラメータとを基に、ベクトル量子化部５で選ばれた
標準パタンの音源パラメータがら、前記再生音声信号と
入力音声信号との誤差を大きくする予め定められた数の
パラメータを選択し、前記誤差が小さく成るように前記
選択された音源パラメータに対して補正を施す、施され
る補正項はスカラー量子化され、音源パラメータ再生部
８に送られる。音源パラメータ再生部８では送られた音
源パラメータの補正項とコードブック９から送られる音
源パラメータの標準パラメータとから所望の音源パラメ
ータを再生し、それらを音源信号再生部１０へ出力する
。音源信号再生部１０は、音源パラメータ再生部８から
供給される音源パラメータをもとに音源信号を再生し、
それを再生音声信号部１１へ出力する。再生音声信号部
１１は、音源信号再生部１０から供給される音源信号と
、線形予測分析部２から供給される線形予測パラメータ
と、ピッチ予測分析部３から入力されるピッチ予測パラ
メータとをもとに再生音声信号を計算し、それを出力端
子１２を介して外部に出力する。

（実施例） 第２図は、本発明の音声符号化方式の一実施例を適用し
た音声符号化復号化装置を示すブロック図である。

図において、音声信号は入力端子１００を介して入力バ
ッファ１０１に一フレーム分Ｎサンプル蓄えられる。−
フレーム分の音声信号（Ｓ（ｎ））ｎ＝ｏ、・・・、Ｎ
−１は線形予測分析器１１０とピッチ予測分析器１２０
と音源パラメータ抽出器１３０とに出力される。線形予
測分析器１１０は、入力音声信号の自己相関関数を基に
線形予測係数或はＰＡＲＣＯＲ係数を求め、それを予め
定められたビット数で量子化したあと、音源パラメータ
抽出器１３０とベクトル量子化器１４０とスカラー量子
化器１５０と線形予測符号器７３とへ出力する。音源パ
ラメータ抽出器１３０は予測残差信号に相当する音源パ
ラメータを抽出するが、本実施例においては、予測残差
を直接ベクトル量子化するものを説明する。このとき音
源パラメータ抽出器１３０では、入力バッファ１０１か
ら入力される音声信号ｓ　（ｎ）と線形予測分析器１１
０がら入力される線形係数（ａＫ）ｋ＝１．・・・、に
とピッチ予測分析器１２０から入力されるピッチ周期Ｔ
とピッチ予測係数すとがら予測残差ｅ　（ｎ）を ８（ｎ）＝Ｓ（ｎ）−Σａｋ、　ｓ　（ｎ−ｋ　）−ｂ
Σａｔｓ（ｎ−に−Ｔ）−ｂｓ（ｎ−Ｔ）　　（１）と
して求めそれを音源パラメータとして、ベクトル量子化
器１４０へ出力される。計算された予測残差はベクトル
量子化器１４０において、コードブック５０に蓄えられ
ているＬ個の標準パタンの内の一つで置き換えられる。

いま、コードブック１４０に蓄えられている標準パタン
の集合を（ＣＬ　　（ｎ）　）　ｉ＝１．　・＝、Ｌと
する。各ｃ１（ｎ）はＮサンプルの要素からなるベクト
ルである。このコードブックの要素から最適な標準パタ
ンのインデックスｌ　ａｐｔを求めるための基準は、次
のような入力音声信号と再生音声信号とのフレーム全体
に渡る平均乗誤差最小化基準である。

Ｌｐｔ　＝（ｉ　１ＩＩｉｎ ここで、ｈ　（ｎ）は、線形予測分析器１１０から供給
される線形予測係数（ａｔｌｋ＝１．・・・、にとピッ
チ予測分析器１２０から入力されるピッチ周期Ｔとピッ
チ予測係数すをフィルタ係数に持つ全極フィルタのイン
パルス応答で、本は畳み込みを表す演算子である。具体
的には、 として計算される。ここで、ｈ　（ｎ）のｎ＜Ｏにおけ
る初期値は０とする。この第３式から分かるように、本
実施例では、敢えて線形予測残差を計算する必要がなく
、最適な標準パタンのインデックスは、 と直接入力音声信号から求めることもできる。前記第２
式或は第３式から定まったインデックス１６２．はイン
デックス符号器７１へ、そのインデックスに対応する標
準パタンＣ１゜、ｊ（ｎ）はスカラー量子化器１５０へ
とそれぞれ出力される。

スカラー量子化器１５０では、入力バッファ１０１から
入力音声信号ｓ　（ｎ）と、線形予測分析器１１０から
線形予測パラメータと、ピッチ予測分析器１２０からピ
ッチ予測パラメータとを入力し、それらを基にベクトル
量子化器１４０から入力される前記１０．ｔに対応する
標準パタンｃ　ｉ　ｍｅｔ　　（ｎ　）の複数のサンプ
ルを選択すると共にそれらの振幅を補正してスカラー量
子化する。

サンプルの抽出並びに振幅の輔正項を求めるための評価
関数は、次のような入力音声信号と再生音声信号と平均
二乗誤差である。

ここで、（ｇｓ　、ｍｔ　）ｌ＝１．”・、Ｍが補正さ
れるサンプルの補正値と補正されるサンプル点の位置を
示している。尚、第５式に於て、適当な重み関数を掛け
て入力音声信号と再生音声との誤差を定義することもで
きる＊（ｇｔ＋ｍ＋）を求める為には、種々の方法が考
えられるが、ここでは、各パラメータを遂次求める方法
を説明する。それは、第５式のＥをｇｌで偏微分して、
それを零とおく。

（但し、　　Ｓ、　（ｎ）ｍｈ（ｎ）＊　ｃｉ、　ｅ　
ｔ（ｎ））ココテ、ｉ＝１からに−１までの（ｇｍ　＋
　ｍｋ）は既に定まっているとする。すると、第４式を
満たすｇｋは、 このときのＥは となる。したがって第５式を最小化するｇｋを与えるｍ
ｋを検索することでｍｈを求め、そのｍｋによって決ま
るｇｋを第５式から定めるという手順をｋに関して遂次
行っていけば、所望の補正サンプル位置（ｍ、）と補正
値（ｇ、）が決定される。決定された（ｇ＋　ｌ　ｍｔ
　）は量子化された後、補正値符号器７２に出力される
。線形予測符号器７３は、線形予測分析器１２０で抽出
された線形予測係数或はＰＡＲＣＯＲ係数などの線形予
測パラメータを符号に変換して、マルチプレクサ１６０
へそれを出力する。ピッチ予測符号器７４は、ピッチ予
測分析器１２０から供給されるピッチ予測パラメータ（
ピッチ周期やピッチ予測係数）と符号に変換して、マル
チプレクサ１６０へそれを出力する。インデックス符号
器７１は、コードブック５０から入力されるＩｋ３ｉｔ
Ｉな標準パタンを示すインデクスｌ　ｓｅｔを符号に変
換して、マルチプレクサ１６０へ出力する。補正値符号
器７２は、スカラー量子化器１５０から入力される量子
化された補正パラメータ（ｇｔ　＋　ｍｔ　）を符号に
変換としてマルチプレクサ１６０へ出力される。マルチ
プレクサ１６０は、線形予測符号器７３とインデックス
符号器７１と補正値符号器７２とピッチ予測符号器７４
とから供給される符号を多重化して、符号出力端子１７
０を介して符号列を復号側に伝送する。符号入力端子２
００は、符号化側から多重化された符号列を入力する符
号入力端子である。多重化された符号列はデマルチプレ
クサ２１０で分解され、線形予測係数或はＰＡＲＣＯＲ
係数を表す符号は線形予測復号器８３へ、ピッチ予測パ
ラメータ（ピッチ予測係数やピッチ周期）を表す符号は
ピッチ予測復号器８４は、コードブックのインデックス
を表すインデックス復号器８１へ、補正パラメータを表
す符号を補正値復号器８２へと出力される。線形予測復
号器８３は、デマルチプレクサ２１０より入力する線形
予測係数或はＰＡＲＣＯＲ係数を表す符号列を復号して
、線形予測係数（ａ　ｋ）　ｋ　＝１　＋・・・、Ｋを
再生し、それを再生音声信号生成器２４０へ出力する。

インデックス復号器８２は符号化側で選ばれた最適標準
パタンを表すインデックスｌ　ａｐｔを表す符号を復号
し、それをコードブック６ｏへ出力する。

補正値復号器８２は補正パラメータ（ｆｆｌ４．　Ｑ−
）を表す符号を復号して、それらを音源パラメータ再生
器２２０へ出力する。コードブック６ｏはインデックス
復号器８１から供給されるインデックスに対応する標準
パタンを音源パラメータ再生器２２０へ出力する。音源
パラメータ再生器２２０は、コードブック６０から供給
されるＦ！Ａ準パタンｃｉ＊ｅｔ（ｎ）と補正値復号器
８２から供給される補正パラメータ（Ｑ＋、Ｑ＋ｌとか
ら音源パラメータを再生する。再生された音源パラメー
タは音源信号再生器２３０へと出力される。音源信号再
生器２３０では、音源パラメータ再生器２２０より供給
される音源パラメータを用いて、音源信ｖ（ｎ）＝　　
ＣＬｅｔ　　（ｎ）＋Σ　ｇｌ　δ（ｎ−１１１）　　
　　　　　　（８）を再生する。再生された音源信号は
再生音声生成器２４０へ出力される。再生音声生成器２
４０は、線形子８Ｉ！Ｉ復号器８３から供給される線形
予測係数（ａｋｌとピッチ予測復号器８４から供給され
るピッチ周期Ｔ、ピッチ予測係数すと音源信号再生器２
３０から供給される音源信号ｖ（ｎ）とから・、例えば
、 ５（ｎ）＝Σａ　欺５（ｎ−ｋ）＋ｂｓ（ｎ−Ｔ）十ｂ
Σ　ａ　　＊　　５（ｎ−に−Ｔ）＋ｖ（ｎ）　　　　
　　　（９）して計算される。計算された再生音声信号
は出力バッファ２４１へ出力される。出力バッファ２４
１は一フレームの再生音声信号を蓄えるもので、過去に
再生されたものから出力端子２５０を介して外部に出力
される。

以上の実施例では、ベクトル量子化される音源パラメー
タとして、線形予測残差を直接用いたが、これは、例え
ば、マルチパルスで表された音源パラメータやＣＯＳ関
数などでモデル化された音源パラメータなどでも同様な
音声符号化・復号化装置が実現される。また、以前にも
述べたが、ベクトル量子化やスカラー量子化を行う際の
評価関数として、単純な平均二乗誤差を用いたが、これ
に所望の重み間数を掛けてもよく、また周波数領域での
評価関数を使ってもよい。

（発明の効果） 以上に説明したように、本発明は、音声信号を線形予測
パラメータとピッチ予測パラメータ音源パラメータとで
表す音声符号化復号化方式における音源パラメータの量
子化方式として、ベクトル量子化の誤差をスカラー量子
化で補正するという構成をとることにより、ベクトル量
子化だけでは難しい音源パラメータの時間方向の局所的
な追随ができる特性をもつ０本構成により、ベクトル量
子化で音源パラメータの平均的な特性を抽出したあと、
音源パラメータの時系列として大切な局所的な特性を抽
出し、それを個別に補正するという柔軟な量子化法が提
供できる。また、本構成により、ベクトル量子化では設
計並びに探索処理量などで経済的な実現が難しい局所的
な特性を効率的に表す量子化器が実現できることになり
、従来より音声信号の時系列としての特性を生かした高
品質な音声符号化復号化方式が提供できるという効果が
ある。さらに、本構成では、ピッチ予測構造が音源パラ
メータとは別に抽出されているので、ベクトル量子化器
の設計がピッチ予測Ｊ７Ｒ遠を含まないものと比べて効
率的であるという効果をもつ。

【図面の簡単な説明】

第１図は本発明方式の作用を示すブロック図、第２図・
は本発明の一実施例を適用した音声符号化復号化装置の
ブロック図である。 １・・・入力端子、２・・・線形予測分析部、３・・・
ピッチ予測分析部、４・・・音源パラメータ抽出部、５
・・・ベクトル量子化部、６・・・コードブック、７・
・・スカラー量子化部、８・・・音源パラメータ再生部
、９・・・コードブック、１０・・・音源信号再生部、
１１・・・再生音声信号部、１２・・・出力端子、５０
・・・コードブック、６０・・・コードブック、７１・
・・インデックス符号器、７２・・・補正値符号器、７
３・・・線形予測符号器、７４・・・ピッチ予測符号器
、８１・・・インデックス復号器、８２・・・補正値復
号器、８３・・・線形予測復号器、８４・・・ピッチ予
測復号器、１００・・・入力端子、１０１・・・入力バ
ッファ、１１０・・・線形予測分析器、１２０・・・ピ
ッチ予測分析器、１３０・・・音源パラメータ抽出部、
１４０・・・ベクトル量子化器、１５０・・・スカラー
量子化器、１６０・・・マルチプレクサ、１７０・・・
符号出力端子、２００・・・符号入力端子、２１０・・
・デマルチブレフサ、２２０・・・音源パラメータ再生
器、２３０・・・音源信号再生器、２４０・・・再生音
声信号生成器、２４１・・・出カバ・ツファ、２５０・
・・出力端子。

Claims (1)

【特許請求の範囲】
1. 一定間隔のフレームに分割された入力音声信号から線形
   予測パラメータとピッチ予測パラメータとを抽出し、前
   記線形予測パラメータと前記ピッチ予測パラメータと前
   記入力音声信号とから定まる予測残差に相当する音源パ
   ラメータを抽出し、前記入力音声信号と前記線形予測パ
   ラメータと前記ピッチ予測パラメータとを観測しながら
   前記音源パラメータを予め蓄積されている幾つかの標準
   パタン集合の一つで置き換え、前記入力音声信号と前記
   線形予測パラメータと前記ピッチ予測パラメータとを観
   測しながら前記選択された標準パタンの音源パラメータ
   から予め定められた数のパラメータを抽出して補正を施
   すことを特徴とする音声符号化方式。