JPH0235997B2 - - Google Patents

Description

【発明の詳細な説明】 本発明は可変長フレーム型線形予測ボコーダ、
特に伝送パラメータである線形予測係数を最適線
形近似の手法を用いて伝送する可変長フレーム型
線形予測ボコーダに関する。

可変長フレーム型線形予測ボコーダは、入力音
声信号を分析し伝送すべきパラメータを抽出して
これを送信する分析側（送信側）において、入力
音声信号を、たとえば10mSEC程度の基本分析フ
レーム周期ごとに線形予測分析を行ない、得られ
る線形予測係数を他の音源情報、たとえばピツチ
周波数、短時間平均電力、有声無声判定信号等と
ともに、これを合成側（受信側）に伝送し、合成
側ではこれらのパラメータから元の入力音声信号
を合成し、再生する。

この場合、前記線形予測係数としては、通常
PARCOR（偏自己相関）パラメータと呼ばれるＫ
パラメータが広く用いられていることはよく知ら
れており、さらに、伝送すべき音声情報の情報量
をできるだけ圧縮するため一般的に次のような手
法が用いられていることもまたよく知られてい
る。

すなわち、従来のこの種のボコーダにおいて
は、基本フレーム周期ごとに得られる線形予測係
数をこの周期ごとに忠実に分析側から合成側に伝
送するかわりに、特定数のNt個の基本フレーム
分をまとめて１個の代表基本フレームを選び、こ
の代表基本フレームの線形予測係数とその繰返し
数Ntとを伝送する。

繰返し数Ntは、予め定めた最大数をＭとする
と、１NtＭによつて示される正の整数であ
り、また次に述べるような最適値をもつようにダ
イナミツクプログラミング手法によつて求めら
れ、時間とともに変化する。

基本フレームごとに得られる線形予測係数、あ
るいはこれに予め設定した一定の演算処理を施し
て得られる数値の組をX⁽ⁱ⁾ _lとする。ここでｉ＝１，
２，…Ｐ，ｌは基本フレーム番号とすると、X⁽ⁱ⁾ _l
はＰ次元空間における１つの空間ベクトルを表わ
すものと考えることができ、従つてこれはＰ次元
空間における距離ベクトルとして扱うことができ
る。

いま、ある１つの伝送フレームを考え、その中
に含まれる任意の基本フレームｌの距離ベクトル
をX⁽ⁱ⁾ _lとし、この伝送フレーム中から選択する前
述した代表基本フレームの距離ベクトルはX⁽ⁱ⁾ _Sと
すると、これら基本フレームと代表基本フレーム
との距離dlsは次の(1)式で示される。

従つて、一般的にｔ番目の伝送フレームにおけ
る各基本フレームと代表基本フレームとの距離の
和Dtは次の(2)式の如くなる。

Dt＝ 〓^l dls ……(2) (2)式におけるｌは前述の如く、ｔ番目の伝送フ
レーム中のすべての基本フレームの番号に対応す
るものである。前述したダイナミツクプログラミ
ングによる各Ntおよび代表フレームの選出は、
ある条件のもとで(2)式に示すようなDtの和が最
小となるような組合せを選択するために行われる
ものである。

このようにして決定されるNiの数の基本フレ
ームを各々が有することにより、可変長フレーム
の組合せによる伝送フレーム群を構成し、各基本
フレームごとに線形予測係数を忠実に伝送するか
わりに、各伝送フレームごとに代表基本フレーム
の線形予測係数と、この伝送フレームのフレーム
長とを伝送することによりいわゆる最適矩形近似
（参考文献：「最適矩形波近似を用いた可変フレー
ム周期音声分析合成方式」、日本音響学会講演論
文集３−２−23、昭和53年５月）を行なつて情報
量の低減を図つた伝送データを合成側に送出し
て、合成側ではこれから入力音声信号を合成する
という方法をとつている。

しかしながら、このような従来の方式において
は、有音区間とともに、実際には音声が存在しな
い無音区間に対しても上述した最適矩形近似を行
なつているため、聴覚的に意味のない無音区間の
伝送データも送信しなければならず、さらに分析
側で行なつているこの最適矩形近似処理によつて
伝送された伝送データを受ける合成側では、再生
すべき入力音声信号の品質を保持するため、入力
した伝送データに対する線形補間を行なつてお
り、最適矩形近似処理によつて各伝送フレームの
境界面で発生する伝送データの不連続分までは処
理されることなく、合成音としての最適化処理が
実施されないために合成音の品質もこの分損なわ
れるという欠点がある。

本発明の目的は上述した欠点を除去し、伝送す
べき可変長フレームを有音区間に限定したうえ、
各伝送フレームごとに代表する線形予測係数は、
これら各伝送フレームに分布する線形予測係数を
入力音声信号の特性によつて決定する複数の伝送
フレーム区間にわたつて最適線形近似した近似直
線で代表するという手段を備えることにより、伝
送すべきデータの情報量の低減と、合成音の品質
の向上を図つた可変長フレーム型線形予測ボコー
ダを提供することにある。

本発明のボコーダは、入力音声信号を線形予測
分析し抽出した線形予測係数を前記入力音声信号
の音声情報として伝送しこの音声信号から前記入
力音声信号を合成し再生する可変長フレーム型線
形予測ボコーダにおいて、前記入力音声信号を音
声音および無声音の少なくとも一方を含む有音区
間と音声を含まない無音区間とに判別する有音無
音判別手段と、この有音無音判別手段によつて判
別された前記有音区間をそれぞれ可変長フレーム
によつて分割し分割される可変長フレーム間を線
形補間し時間歪が最小となるように最適線形近似
するとともに前記無音区間の間に介在する連続し
た所定の有音区間（大フレーム）においても可変
長フレームによる前記入力音声信号の分析を行な
う最適線形近似手段と、この最適線形近似手段か
ら出力され伝送される前記音声信号を受けそれに
所定の線形補間を施して前記入力音声信号を合成
し再生せしめる線形予測係数補間手段とを備え
る。

次に図面を参照して本発明を詳細に説明する。

第１図は本発明の一実施例を示すブロツク図で
ある。第１図の実施例は、分析側（送信側）１，
合成側（受信側）２および伝送路３から構成さ
れ、分析側１は低域フイルタ・Ａ／Ｄコンバータ
１０１，ウインドウ処理部１０２，自己相関係数
計測器１０３，自己相関係数メモリ１０４，線形
予測係数（LPC）分析器１０５，自己相関係数
二次差分計測器１０６，距離ベクトルメモリ１０
７，距離計測器１０８，フレーム選択器１０９，
有声／無声／無音判別器１１０，ピツチ抽出器１
１１，および符号化器１１２を含んで構成され、
また合成側２は、復号化器２０１，Ｋパラメータ
メモリ２０２，Ｋパラメータ補間器２０３，線形
近似区間制御器２０４，補間制御器２０５，Ｋパ
ラメータ／αパラメータ変換器２０６，LPC
（Linear Prediction Coefficient，線形予測係数）
フイルタ２０７，ピツチ発生器２０８，切替器２
０９，雑音発生器２１０，可変利得増幅器２１
１，およびＤ／Ａコンバータ・低域フイルタ２１
２を含んで構成される。

分析側１の入力端子１０００を介して入力した
入力音声信号１００１は、低域フイルタ・Ａ／Ｄ
コンバータ１０１によつて低域フイルタリングさ
れたのちＡ／Ｄコンバータによつてデジタル化さ
れる。本実施例においては、この低域フイルタの
遮断周波数は3.4KHzとしこれ以上の高域成分は
遮断しており、これを分析側１の内蔵するタイミ
ング回路（図示せず）の出力する8KHzのサンプ
リング周波数によつてサンプリングしたものを
Ａ／Ｄコンバータにより１サンプル当り12ビツト
の量子化音声信号１０１２に量子化し、これをウ
インドウ処理器１０２に送出する。

ウインドウ処理器１０２は、入力した量子化音
声信号１０１２を、一旦内部メモリにストアす
る。このメモリは入力した量子化入力音声信号の
たとえば30mSEC分、すなわち240サンプルの窓
時間分を記憶し、これにハミング関数あるいは矩
形関数等をウインドウ関数として乗算するウイン
ドウ処理を行なう。このウインドウ処理は
10mSEC周期で繰返しており、これが前述した基
本フレーム周期となる。

このようにしてウインドウ処理された入力音声
信号の音声波形データ１０２１は、前記基本フレ
ーム周期ごとに自己相関計測器１０３，有声／無
声／無音判別器１１０およびピツチ抽出器１１１
に送出される。

自己相関係数計測器１０３は、ウインドウ処理
器１０２から次次に入力した音声波形データを利
用し乗算回路等によつて各遅れ時間における自己
相関係数を必要な遅れ時間の範囲で計測し、この
自己相関係数データ１０３１を自己相関係数メモ
リ１０４および自己相関係数二次差分計測器１０
６に送出する。

自己相関係数計測器１０３は、さらに、遅れ時
間０における自己相関係数、すなわち基本フレー
ムあたりの平均電力を計測し、これをその基本フ
レームの音声電力データ１０３２として符号化器
１１２に送出する。

自己相関係数メモリ１０４は、自己相関係数計
測器１０３から送出された自己相関係数データ１
０３１をバツフアメモリに各基本フレームごとに
ストアしておくためのメモリである。この自己相
関係数メモリ１０４にストアされた自己相関係数
データ１０３１は、後述するフレーム選択器１０
９によつて選択される代表基本フレーム番号デー
タ１０９０を入力すると、この基本フレーム番号
データ１０９０によつて指定されたフレームの自
己相関係数データの組１０４１が読出されて線形
予測係数分析器１０５に出力される。

線形予測係数分析器１０５は、このようにして
フレーム選択器１０９の制御のもとに指定される
フレームの自己相関係数のデータの組が、自己相
関係数メモリ１０４から読出され送出されると、
このデータの組からＫパラメータを予め定める所
定の次数までオートコリレーシヨン（AUTO
CORRELATION）法によつて抽出し、抽出され
たＫパラメータ１０５１は符号化器１１３に送出
する。

線形予測係数、すなわちＫパラメータの分析内
容については、たとえばジヨン マツコール：
“リニア プレデイクシヨン：ア チユートリア
ル レビユー”（John Makhoul：“Linear
Prediction：Ａ Tutorial Review”）
Proceedings of the IEEE，Vol.63，No.4pp.561
〜580，April，1975やその他多くの文献に詳細に
記載されている。

自己相関関数二次差分計測器１０６は、自己相
関係数計測器１０３から自己相関係数データ１０
３１を入力すると、この二次差分データを計測
し、これを距離ベクトル１０６１として距離ベク
トルメモリ１０７に送出する。この二次差分デー
タは次のようにして算出される。

すなわち、サンプリング周期を単位として、そ
のｊ倍（ｊ＝１，２，…Ｋ）の遅れ時間を有し、
自己相関係数計測器１０３から送出される自己相
関係数をρ_jとすると、その一次差分ρ_l′は、次の(3)
式で示される。

ρ_l′＝ρ_l−ρ_l+1 ……(3) (3)式においてｌ＝１，２，…Ｋ−１である。こ
の(3)式からさらにρ_jの二次差分ρ_q″を求めると次
の(4)式の如くなる。

ρ_q″＝ρ_q′−ρ_q′₊₁ ……(4) (4)式においてｑ＝１，２，…Ｋ−２である。こ
のようにして定義される自己相関係数の二次差分
データが、基本フレーム間の距離を表わす距離ベ
クトルとして利用するのに特に適していることは
よく知られている。

距離ベクトルメモリ１０７は、各基本フレーム
に対する距離ベクトル、すなわち(4)式に示す自己
相関係数の二次差分データを各基本フレームごと
に次次にストアし記憶する。

距離計測器１０８は距離ベクトルメモリ１０７
から基本フレーム番号を指定しその距離ベクトル
１０７１を読出して入力し、次のようにして距離
計測を行う。

すなわち、任意のａ番目とｂ番目の基本フレー
ム間の距離をdabとすると、dabは次の(5)式で表
わすことができる。

(5)式においてX⁽ⁱ⁾ _aおよびX⁽ⁱ⁾ _bは、それぞれａ番目
およびｂ番目の基本フレームの距離ベクトルのｉ
番目の成分、すなわちそれぞれ(4)式で示される基
本フレームのρi″に相当する量である。

(5)式を用いて計測された基本フレーム間の距離
データ１０８１は、フレーム選択器１０９に送出
される。

有声／無声／無音判別器１１０は、ウインドウ
処理器１０２につてウインドウ処理された音声波
形データ１０２１を受け、各基本フレームごと
に、フレームに含まれる入力音声信号のデータが
有声音か無声音か、あるいはまた全く音声が存在
しない無音かのいずれかの状態かを判別し、その
結果の判別データ１１０１をフレーム選択器１０
９および符号化器１１２に送出する。

有声、無声および無音の状態を判別する方法
は、いわばパターン認識とも通ずる技術としてよ
く知られており、これに関しては、ビー・エス・
エイタル他：“ア パターン リコグニツシヨン
アプローチ ツウ ボイスドーアンボイスド−
サイレンス クラシフイケーシヨン ウイズ ア
プリケーシヨン ツウ スピーチ リコグニツシ
ヨン”（B.S.Atal他：“Ａ Pattern Recognition
Approach to Voiced−Unvoicec silence
Classifi−cation with Application to Speech
Re−cognition”，IEEE Trans，onA.，S.，S.，
P.，Vol.ASSP−24，No.3，pp201〜212，June，
1976やその他多くの文献に詳細に記載されてい
る。

フレーム選択器１０９は、このような公知の技
術によつて入力音声信号の有声、無声および無音
を判別する音声／無声／無音判別器１１０から出
力する有声／無声／無音の判別信号１１０１と、
距離計測器１０８から出力する距離データ１０８
１とを受け、これらのデータを利用してダイナミ
ツクプログラミング手法によつて次のような演算
を行う。

すなわち、入力音声信号を有声音または無声音
の有音の基本フレームの連続した有音区間と、無
音の基本フレームの連続した無音区間とに分離
し、これら２つの区間においてそれぞれ可変長伝
送フレームのフレーム長を求めるとともに、さら
に有音区間からは各伝送フレームごとに代表基本
フレームも同時に選択する。このような有音区間
と無音区間における可変長伝送フレーム次のよう
にして決定する。

無音区間における伝送フレームの設定について
は、基本フレームを単位とした最大長は予め設定
したLs max以下とすることにより容易に伝送フ
レーム長を決定できる。すなわち、無音の基本フ
レームの連続した長さがLs max以下のときに
は、その長さをそのまま伝送フレーム長とすれば
よく、無音の基本フレームの連続した長さがLs
max以上のときには、Ls maxの長さの伝送フレ
ームを次次に設定し、残余の部分がLs max以下
になつたときこれをそのまま最後の伝送フレーム
長とすればよい。

有音区間における伝送フレームの設定について
は、伝送すべきある有音区間の長さが、基本フレ
ームを単位とし、このＶ倍の長さＶにわたつて連
続しているとする。いまこのＶの長さの部分を、
可変フレーム長の伝送フレームに分解するとす
る。またこのように無音区間に隣接し、かつ無音
区間に挾まれた区間に連続して存在する有音区間
は大フレームと呼ばれるが、いまの例では大フレ
ームの長さはＶとなる。まず、この長さＶの大フ
レームの中に含まれるべき代表基本フレームの数
Nvを決定する。これは予め定めた演算からＶに
対する関数としてのNvを求めるか、または予め
用意されているＶとNvとの対応表を参照するこ
と等により決定することができる。なおNvは
Ｖ／NvLs maxを満足するように定められて
いる。ただし、本実施例においては、有音区間に
おける伝送フレームの最大長を2Ls maxとして
いる。

このようにして、代表基本フレームの数Nvを
求めたあと、次に長さＶの大フレームの中に相互
の間隔がLs max以下となるようにしてNv個の
代表基本フレームを選び、かつこの代表基本フレ
ームをそれぞれ１個ずつその中に含むようなNv
個の伝送フレームが隣接するよう設定する。

このような代表基本フレームの選び方と伝送フ
レームの設定の仕方は明らかに有限個の組合せし
かないので、この有限個の組合せの中から、さら
に次の条件を満足するものを求めて決定すること
ができる。

第２図は代表基本フレームと伝送フレームの設
定の仕方を示す代表基本フレームおよび伝送フレ
ーム設定関係図である。

入力音声信号に対応する距離特性を示す曲線Ｄ
は第２図の如く有音区間と無音区間とからなるも
のとし、無音区間についての伝送フレームの設定
の仕方は上述したとおりである。さて、有音区間
については上述の如くNv個の代表基本フレーム
とNv個の伝送フレームの組合せの中から、その
組合せが曲線Ｄに最適線形近似するものを選べば
よい。伝送フレーム１ｖ，２ｖ，３ｖ…（Ｎ）ｖ
はこうして選ばれた伝送フレームとなるが、これ
は次のようにして設定することができる。

たとえば、フレーム１ｖにおいては、代表基本
フレームN₁とN₂が曲線Ｄ上に有する点Ｐ１およ
びP₂を結んだ点線P₁，P₂によつて示される各基
本フレームの示す距離の和と、この伝送フレーム
１ｖの区間の曲線部分ｄによつて示される各基本
フレームの示す距離の和との差が最小になるよう
にN₁およびN₂の代表基本フレームを選んでお
り、他の伝送フレーム２ｖ，３ｖ，…（Ｎ）ｖに
ついても全く同様である。これは次のようにして
求めることができる。

いま、ある選択したｇ番目（ｇ＝１，２，３，
…Nv_-1）の代表基本フレームからはじまる伝送
フレームに含まれる各基本フレームの距離ベクト
ルをX⁽ⁱ⁾ _gとし、このとき設定された近似直線の中
心位置における距離ベクトル、たとえば第２図の
伝送フレーム１ｖではｍで表される距離ベクトル
を一般的にX⁽ⁱ⁾ _gとすると、各基本フレームと、こ
の中心位置の示す距離との和Dgは次の(6)式の如
くなる。

この場合、各基本フレームとの距離の和Dgを
求める距離ベクトルの設定位置を、相隣る代表基
本フレームの中心位置としたのは、この位置が近
似直線の中心値を示すものであり、無音区間に隣
接する距離ベクトル値をX⁽ⁱ⁾ _g′とすることを避け、
また後述する合成側での線形補間の始点ともなる
べき位置だからである。

さて、Ｖの長さの大フレーム有音区間に含まれ
るすべての伝送フレームにおけるこのような距離
の和Dgの総和はＤ＝ 〓^g ′Dgとなる。

代表フレーム基本の選択の仕方と伝送フレーム
の設定の仕方の条件はこのＤが最小になる組合せ
を選択すればよく、このような選択の１つとして
よく知られるダイナミツクプログラミング手法が
あり、これによつて比較的容易に処理することが
できる。

このような演算、処理によつて無音区間を除い
たＶの長さの有音区間について、与えられた距離
ベクトルを用いて可変長の伝送フレームの組合せ
が決定される。したがつて、これらの可変長フレ
ームはそれらのフレームの有する各基本フレーム
中のはじめの基本フレームの距離データを有する
ものを代表基本フレームとし、これと各フレーム
長とを伝送すべき情報として合成側に送信すれば
よい。

このような可変伝送フレームの情報伝送のあり
方は、相接する伝送フレームをそれぞれ１個の矩
形近似による代表フレームによつて代表させた代
表値と基本フレーム数とで構成する矩形近似方式
と異なり、次次に伝送される伝送フレームの初期
値でもある代表基本フレームのもつ距離の変化
が、同時に送出する基本フレーム数で直線的に行
なわれると見做す直線近似情報として伝送するこ
とができる。

以上の演算により、無音区間を除いた長さＶの
有音区間について与えられた距離ベクトルから最
適線形近似による可変フレーム長の伝送フレーム
が設定され、同時に各伝送フレームの代表フレー
ムも選択されたこととなる。

第１図の実施例において、フレーム選択器１０
９は、こうして設定された最適線形近似情報に含
まれる代表基本フレーム番号を指定する代表基本
フレーム番号データ１０９０を自己相関係数メモ
リ１０４に送出し、これらの各代表基本フレーム
に対する自己相関係数データ１０４１を読出して
線型予測係数分析器１０５に送出せしめ、また各
伝送フレームのフレーム長は繰返し数制御信号１
０９１として符号化器１１２に送出する。

線型予測係数分析器１０５は、自己相関係数メ
モリ１０４から読出される代表基本フレームの自
己相関係数データ１０４１を入力し、前述したＫ
パラメータの演算を行ない、このＫパラメータデ
ータ１０５１を符号化器１１２に送出する。

ピツチ抽出器１１１は、ウインドウ処理器１０
２から各基本フレームの音声波形データ１０２１
を受け、これからピツチ情報１１１１を抽出し符
号化器１１に送出する。

符号化器１１２は、こうして送出された上述の
各種の入力情報を適宜組合せて伝送符号化を行な
い伝送路３を介して合成側２に伝送する。この場
合、無音区間の符号化は、無音区間の指定と、そ
の無音区間の長さまたは無音区間の伝送フレーム
の長さを指定する情報とを伝送するだけとし、ま
た有音区間については各基本フレームごとのＫパ
ラメータを送るかわりに選択した代表基本フレー
ムのＫパラメータと、このＫパラメータを含む伝
送フレーム長とを組合せて伝送し、各伝送フレー
ム中の代表基本フレーム以外のＫパラメータは、
そのＫパラメータ値から隣接する伝送フレームの
はじめに送る代表基本フレームのＫパラメータ値
まで各伝送フレームに含まれる基本フレームの数
で増減する直線近似で近似させるものとして伝送
フレーム長をこのＫパラメータの繰返し数を指定
する情報として扱うことによつて情報量の圧縮を
図つている。

合成側２においては、伝送路３を介して伝送さ
れた、このような符信号化号を複号化器２０１で
受信する。

復号化器２０１は受信した諸情報を復号化し、
再生した情報のうち代表基本フレームのＫパラメ
ータ２０１１はＫパラメータメモリ２０２に、伝
送フレーム長を指定する情報２０１２は線形近似
区間制御器２０４に、またピツチ情報２０１３は
ピツチ発生器２０８にそれぞれ送出する。

Ｋパラメータメモリ２０２は入力した各代表基
本フレームのＫパラメータをメモリにストアし、
また線形近似区間制御器２０４は入力した伝送フ
レーム長を指定する情報により各伝送フレームの
長さ、すなわち各線形近似区間を指定する線形近
似区間指定信号２０４１を発生し、これを補間制
御器２０５に送出する。

補間制御器２０５は、線形近似区間制御器２０
４から受けた線形近似区間指定信号２０４１を受
け、これによりＫパラメータメモリ制御信号２０
５１，Ｋパラメータ補間器制御信号２０５２を出
力する。

Ｋパラメータメモリ２０２からは、Ｋパラメー
タメモリ制御信号２０５１の制御のもとに各可変
伝送フレームの代表基本フレームのＫパラメータ
が次次に読出され、各伝送フレームの代表基本フ
レームごとのＫパラメータ系列が再現され、この
Ｋパラメータ系列２０２１はＫパラメータ補間器
２０３に出力される。

Ｋパラメータ補間器２０３は、こうして入力し
た各伝送フレームの代表基本フレームのＫパラメ
ータと、各伝送フレームごとの基本フレーム数と
の情報により、補間制御器２０５から受けるＫパ
ラメータ補間器制御信号２０５２によつて供給さ
れるＫパラメータの変化点すなわち各伝送フレー
ムの代表基本フレームの位置を示す情報を利用し
て代表基本フレーム間の基本フレームごとのＫパ
ラメータの再生、補間を行う。

この再生および補間は、無音区間に隣接する有
音区間の伝送フレームが、無音区間との無意味な
補間を受けることを避けるために、各伝送フレー
ムの時間中心位置をそれぞれの補間始点とし、こ
れらの補間始点を結んだ折線の近似直線とするも
のである。

第３図は合成側における線形補間の内容を示す
合成側線形補間図である。

点a₁，a₂，a₃，a₄，a₅およびa₆は任意の入力音
信号の伝送フレームの代表基本フレームのＫパラ
メータ値を示し、これらはまた、それぞれの伝送
フレームの初期基本フレームのＫパラメータ値で
ある。点a₁′，a₂′，a₃′a₄′およびa₅′はそれぞれa₁
，
a₂，a₃，a₄およびa₅の示すＫパラメータ値に等し
く、たとえば線分a₁a₁′の長さf₁はa₁のＫパラメー
タ値を有する基本フレームを代表基本フレームと
する伝送フレーム長に等しく、線分a₂a₂′，a₃a₃′，
a₄a₄′およびa₅a₅′についてもそれぞれ次次に隣接
する伝送フレーム長f₂，f₃，f₄，およびf₅に対応
するそれぞれの可変伝送フレーム長である。通常
の可変長フレーム線形予測ボコーダにおいては、
伝送フレームf₁，f₂，f₃，f₄およびf₅を代表する代
表基本フレームとともに、これらの伝送フレーム
に含まれる基本フレーム数を分析側から合成側に
伝送して入力音声信号を合成する、いわゆる矩形
近似を行つているが、この方法によれば伝送フレ
ームf₁からf₂に移行するとき、Ｋパラメータの値
が、たとえば伝送フレームf₁ではa₁′すなわちa₁か
らa₂にステツプ的に不連続変化し、このため再生
すべき音声の品質を劣化せしめることとなる。

本実施例においては、伝送フレームf₁，f₂，f₃，
f₄，f₅およびf₆の時間中心点 m₁，m₂，m₃，m₄
およびm₅をそれぞれ補間始点とし、第３図の点
線で示すように次次に直線で結んだものをそれぞ
れの伝送フレームにおけるＫパラメータに対応す
る特性とし、の点線に対応して各伝送フレームに
含まれる各基本フレームがもつべきＫパラメータ
を設定している。また、このようなＫパラメータ
の設定は、基本フレーム間をさらに必要に応じ所
望の分割数、たとえば４分割して前後の基本フレ
ームのＫパラメータ値を利用して補間値とするこ
とも可能であり、このことは所望に応じて任意の
基本フレームに設定できるものである。なお、第
３図において、伝送フレームf₁では点m₁を補間
始点として補間を行なつているが、これは伝送フ
レームf₁には無音区間が隣接するためこれと無意
味な補間を避けるため上述した如くm₁を補間の
始点としているためである。

Ｋパラメータ／αパラメータ変換器２０６は、
このようにして送出されるＫパラメータ２０３１
をαパラメータに変換し、このαパラメータ２０
６１をLPCフイルタ２０７のフイルタ係数とし
て供給する。このLPCフイルタ２０７はαパラ
メータをフイルタ係数とするデジタル合成フイル
タであり、また線形予測係数フイルタとしてよく
知られるものであり、αパラメータおよび後述す
る音源励振電力とを入力し音声波形を再生するも
のである。

さて、復号化器２０１は前述した如く分析側１
から入力した情報を復号化するが、このうち各代
表基本フレームにおける音声電力を表わす情報を
再生したものは利得制御情報２０１４として可変
利得増幅器２１１に送出される。また、有声音／
無声音を区別する情報を復号化し再生したものは
有声／無声切換信号２０１５としてこれを切替器
２０９に送出し、さらに前述した如くピツチ周波
数を指定する情報を復号化し再生したピツチ周波
数指定信号２０１３はピツチ発生器２０８に送出
する。

ピツチ発生器２０８は指定された周波数のピツ
チパルスデータ２０８１を発生し、これを切替器
２０９に送出する。

切替器２０９は復号化器２０１より送出される
有声／無声切換信号２０１５が有声を指定すると
きにはピツチ発生器２０８からのピツチパルスデ
ータ２０８１を選択するように切替接続し、これ
を可変利得増幅器２１１に接続する。また有声／
無声切換信号２０１４が無声を指定するときに
は、雑音発生器２１０の出力する白色雑音信号２
１０１を可変利得増幅器２１１に接続するように
切替え動作する。

可変利得増幅器２１１は、このようにして入力
したピツチパルスデータ２０８１，または白色雑
音信号２１０１を、別に入力した利得制御情報２
０１４に対応した重み付けを行なうことにより可
変増幅し音源励振信号２１１１を出力し、これを
LPCフイルタ２０７に送出する。

LPCフイルタはＫパラメータ／αパラメータ
変換器２０６から受けるαパラメータ２０６１を
フイルタ係数とし、可変利得増幅器２１１から受
ける音源励振信号２１１１を得て音声データ２０
７１を再生しこれをＤ／Ａコンバータ・低域フイ
ルタ２１２に送出する。

Ｄ／Ａコンバータ・低域フイルタ２１２に送出
された音声データ２０７は、Ｄ／Ａコンバータお
よび低域フイルタによりアナログ変換され、不要
の高域成分が除去されてアナログ音声信号となり
出力端子２０００から出力する。

なお、上述したＫパラメータ／αパラメータ変
換器２０６は前述したオートコリレーシヨン法等
を用いて容易に構成することができ、またLPC
フイルタ２０７は巡回型フイルタとして容易に構
成できる。

ところで、上述した第１図の実施例において
は、いわゆる大フレームとしての区間を、ある無
音区間と次の無音区間とにはさまれる区間を以つ
て取扱つた。可変長伝送フレームを用いて最適線
形近似を行う場合には、少くとも大フレーム分の
入力音声を処理した後はじめてこの有音区間の情
報を分析側１から合成側２に送り込むことができ
る。従つて合成側２で音声が再生されるまでには
不特定の大きな時間の遅れが発生する可能性があ
るが、これを避けるためには次の如くすればよ
い。

すなわち、許容される最大の遅れ時間に基づい
て予め大フレーム長の最大値を設定しておく。こ
の最大値をVmaxとすると、有音区間が開始し、
それがVmax以上連続する場合はこの有音区間を
Vmaxごとに区切つてこれを大フレームとして取
扱い、１つの大フレームの入力が終了するごとに
この大フレームを最適線形近似による可変長の伝
送フレームに分解する上述の処理を行う。

このようにすることによつて予め定めた遅れ時
間内で実時間処理を行うことができる。

本発明は、可変長フレーム型線形予測ポコーダ
において、伝送すべき可変長フレーム区間を有音
区間に限定したうえ、この有音区間を所定の大フ
レームを含み最適線形近似する点に基本的特徴を
有するものであり、本実施例の変形も種種考えら
れる。

たとえば第１図の実施例において、入力音声信
号の距離ベクトルは自己相関係数二次差分計測器
１０６によつて得られる自己相関係数の二次差分
を利用しているが、これは同じ自己相関係数から
求めることが出来る他のＫパラメータ、αパラメ
ータ、LSP（ライン スペクトラム ペアズ）、お
よびケプストラム等のいずれかを用いても差支え
ない。

これらの他のパラメータを用いるときには、自
己相関係数計測器１０３から得られる自己相関係
数からこれらのいずれかのパラメータをそれぞれ
公知の手段を利用して抽出し、それらを利用すれ
ばよい。

また、有声／無声／無音判別器１１０およびピ
ツチ抽出器１１１の入力は、本実施例においては
ウインドウ処理器１０２の出力を受けてこの出力
の自己相関係数をとつて、これを利用して処理し
ているが、この自己相関係数は自己相関係数計測
器１０３から得られるものを利用する方法で処理
してもよいことは明らかである。さらに、本実施
例においては、各可変フレームの基本フレーム間
の距離を距離計測器１０８によつて演算、計測す
る場合、これを(5)式によつて計測し、これをその
まま利用しているが、これに聴覚的に重み付けを
行なつて利用することも可能である。すなわち(5)
式によつて距離を計測する基本フレームａと基本
フレームｂとに、それぞれ有声音フレームか無声
音フレームであるかの情報によつて異る重み付け
係数W_VV，W_UVおよびW_UUを乗じたもの新しくそ
の基本フレーム間の距離とし、他の処理は全く同
様にして伝送フレームおよび代表フレームを決定
することによつて、有声音および無声音によつて
異る聴覚的重み付けを行なつた処理が可能とな
る。この場合の重み付け係数W_VVは基本フレーム
ａおよびｂがいずれも有声音フレームの場合の重
み付け係数、W_UVは基本フレームａおよびｂのい
ずれか一方のみが有声音フレームの場合の重み付
け係数、W_UUは基本フレームａおよびｂがいずれ
も無声音のときの重み付け係数とする。

このような聴覚的重み付けはまた、次のように
して他の手段で行うことができることも明らかで
ある。

たとえば、基本フレームａの音声電力、すなわ
ち基本フレームａにおける遅れ時間０の自己相関
係数をPa、基本フレームｂの音声電力をPbとし、
基本フレームａと基本フレームｂとの距離dabに
PaとPbとの幾何平均√を乗じた値√
dabを新しく基本フレームａ，ｂ間の距離として
利用することにより、有声音および無声音に対応
して異る音声電力を介して聴覚的重み付けを行う
ことができることは明らかである。

また、本実施例においては合成側２において行
う線形補間の際、第３図に示す如く設定した各可
変フレームの中心位置をそれぞれ補間始点として
いるが、これは無音区間と隣接する伝送フレー
ム、たとえばf₁およびf₅等にあつては聴覚的に無
意な無音区間との線形補間を避けるとともに、各
伝送フレームほぼ中心位置ではそのフレームを代
表する距離ベクトル、従つてＫパラメータ等の安
定した値が得易いためであり、この補間始点は他
の方法、たとえば補間すべき隣接伝送フレーム間
のＫパラメータ値の差に対応する割合で中心位置
からシフトさせた位置に設定しこれらの点を接続
する近似直線によつて線形補間を行うことなども
容易に実施できるものであり、このような線形補
間の１つとして、第３図における各伝送フレーム
f₁，f₂，f₃，……f₅等を代表する代表基本フレー
ムのＫパラメータ値a₁，a₂，a₃，…a₆等を接続し
た直線系列を補間用の近似直線とすること等も所
望により容易に実施できる。

なお、第３図における点a₁，a₂，a₃，…a₆等で
示されるＫパラメータ値を有する代表基本フレー
ムを選択するために、本実施例においては前述し
たダイナミツクプログラミング分析手法を用いて
いるが、これは別なダイナミツクプログラミング
分析によつて実施することも可能である。第４図
は本発明におけるダイナミツクプログラミング分
析の第２の手法を説明するための第２のダイナミ
ツクプログラミング分析説明図である。

第４図に示す如く、長さ10mSECの基本フレー
ムをたとえば20フレーム並べてダイナミツクプロ
グラミングフレームＡを構成する。このダイナミ
ツクプログラミング（DP）フレームＡの長さは
200mSECであり、第４図に示す如く基本フレー
ムF₁からF₉までは有音区間、基本フレームF₁₀か
らF₁₅までは無音区間、さらに基本フレームF₁₆か
らF₂₀までは有音区間であるとする。このDPフレ
ームＡの各基本フレームごとに有音無音の判別を
行ない基本フレームF₁₀からF₁₅までの無音区間を
除いて基本フレームを並べ新DPフレームＢを得
る。この新DPフレームのうち有音区間の基本フ
レームF₁からF₉までをグループ、基本フレー
ムF₁₆からF₂₀までをグループとし、このおよ
びのフレームグループ内で計測される距離には
係数ｘを、またグループとグループとにまた
がるフレーム間の距離は係数ｙをかける。この場
合ｘ≪ｙとすることにより有音区間と無音区間と
の境界がいつも可変フレームの境界となるように
する。また、DPすべきフレーム内に無音区間が
存在しないときは、たとえばDPフレームＡがす
べて有音区間の20基本フレームとしこの中から５
個の基本フレームを選択しようとする場合、DP
フレームＢの14基本フレームからは４基本フレー
ムを選択すればよいというようにする。

このようなダイナミツクプログラミング手法を
実施することにより分析側２における分析遅延時
間が一定となすことができ、ダイナミツクプログ
ラミング処理を簡単にすることができる。このよ
うなダイナミツクプログラミング手段をとるか、
前述した実施例におけるダイナミツクプログラミ
ング手段をとるかは分析すべき入力音声信号の内
容、処理すべき装置の規模、および処理目的等を
勘案し所望により任意に設定できる。

最後に伝送符号の効率化について説明する。本
実施例における分析側から合成側に伝送すべきデ
ータの伝送符号を効率化するために、無音区間の
伝送フレーム長を表現するビツトと有音区間にお
ける伝送フレーム長を表現するビツトとを互いに
独立させることにより容易に実施できる。

第５図は伝送符号の構成を示す伝送符号構成図
である。第５図Ａは有音区間における伝送符号構
成図、第５図Ｂは無音区間における伝送符号構成
図である。

第５図Ａに示すように伝送符号フレームの区切
りを示すフレームビツトＦには２値の論理値
“１”が、続いて伝送フレーム長フイールドＬに
は伝送フレーム長を指定する２値の論理値の組合
せを配置し、次は伝送すべき代表基本フレームの
各種伝送パラメータを配置する。

これに対し無音区間では第５図Ｂに示すよう
に、フレームの区切りを示すフレームビツトＦの
論理値“１”に続いて無音区間指定フイールドＳ
の内容をすべて論理値“０”として、これが無音
区間を示す符号であることを指定する。これは第
５図ＡのＬの代りに伝送される。続いて第５図Ａ
のＰに指定されるパラメータ符号の代りに無音区
間の伝送フレーム長を指示するフイールドL′とし
て使用する。このような形式で符号化することに
より、無音区間における伝送フイールドの最大長
を有音区間の伝送フイールドの最大長に比較して
充分長く選ぶことができ、それだけ符号の効率化
が図れることとなる。

あるいはまた、伝送符号フレーム中の特定のビ
ツト、たとえば第５図ＡおよびＢの伝送符号フレ
ームビツトＦを専用の有音区間／無音区間判別ビ
ツトとして使用し、これ以外の符号の構成は、有
音区間と無音区間とでは全く独立的にそれぞれに
最適なフイールド構成をとるようにしてもよい。
いずれをとるかは所望により任意に設定でき、こ
れらはいずれも符号の効率化が得られるものであ
る。

無音区間を除いた有音区間を可変長伝送フレー
ムを用いた最適線形近似を行ない、また合成にお
いては線形補間を施すという手段を備えることに
より、伝送すべき情報量の大幅な節減が可能とな
り、伝送情報の低ビツトレート化および低ビツト
レート伝送における再生音質の大幅な改善が得ら
れるという効果がある。

【図面の簡単な説明】

第１図は本発明の一実施例を示すブロツク図、
第２図は代表基本フレームおよび伝送フレーム設
定関係図、第３図は合成側線形補間図、第４図は
ダイナミツクプログラミング分析の第２の手法を
示す第２のダイナミツクプログラミング分析説明
図、第５図は有音区間における伝送符号構成図で
ある。 １……合成側、２……分析側、３……伝送路、
１０１……低域フイルタ・Ａ／Ｄコンバータ、１
０２……ウインドウ処理器、１０３……自己相関
係数計測器、１０４……自己相関係数メモリ、１
０５……線形予測係数分析器、１０６……自己相
関係数二次差分計測器、１０７……距離ベクトル
メモリ、１０８……距離計測器、１０９……フレ
ーム選択器、１１０……有声／無声／無音判別
器、１１１……ピツチ抽出器、１１２……符号化
器、２０１……復号化器、２０２……Ｋパラメー
タメモリ、２０３……Ｋパラメータ補間器、２０
４……線形近似区間制御器、２０５……補間制御
器、２０６……Ｋパラメータ／αパラメータ変換
器、２０７……LPCフイルタ、２０８……ピツ
チ抽出器、２０９……切替器、２１０……雑音発
生器、２１１……可変利得増幅器、２１２……
Ｄ／Ａコンバータ・低域フイルタ。

Claims (1)

【特許請求の範囲】
1. １ 入力音声信号を線形予測分析し抽出した線形
   予測係数を前記入力音声信号の音声情報として伝
   送しこの音声情報から前記入力音声信号を合成し
   再生する可変長フレーム型線形予測ボコーダにお
   いて、前記入力音声信号を有声音および無声音の
   少なくとも一方を含む有音区間と音声を含まない
   無音区間とに判別する有音無音判別手段と、この
   有音無音判別手段によつて判別された前記有音区
   間をそれぞれ可変長フレームによつて分割し分割
   される可変長フレーム間を線形補間し時間歪が最
   小となるように最適線形近似するとともに前記無
   音区間の間に介在する連続した所定の有音区間
   （大フレーム）においても可変長フレームによる
   前記入力音声信号の分析を行なう最適線形近似手
   段と、この最適線形近似手段から出力され伝送さ
   れる前記音声情報を受けそれに所定の線形補間を
   施して前記入力音声信号を合成し再生せしめる線
   形予測係数補間手段とを備えて成ることを特徴と
   する可変長フレーム型線形予測ボコーダ。