JPH03127000A - 音声のスペクトル予測符号化方式 - 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】 〔概要］ 音声や楽音等の符号化方式に関し、 可変窓長を用いることなく、固定窓長のままでカスタネ
ットのような打撃音に対しても、効率のよい符号化を行
うことができる音声のスペクトル予測符号化方式を提供
することを目的とし、音声信号等に対して一定時間ごと
に一定窓長の離散コサイン変換を行って時間領域から周
波数領域への変換を行う時間領域−周波数領域変換手段
と、該周波数領域の出力信号を低域または高域から順に
並べて得られる系列を時間領域の線形予測符号化手法に
よって符号化する符号化手段とを備えることによって構
成する。

また音声信号等に対して一定時間ごとに一定窓長の離散
フーリエ変換を行って時間領域から周波数領域への変換
を行う時間領域−周波数領域変換手段と、該周波数領域
の出力信号を実数部と虚数部に分けてそれぞれ低域また
は高域から順に並べて得られる系列を時間領域の線形予
測符号化手法によって符号化する符号化手段とを備える
ことによって構成する。

（産業上の利用分野〕 本発明は音声や楽音等の符号化方式に係り、特に音声等
を一定時間ごとに一定窓長の離散コサイン変換（ＤＣＴ
）または離散フーリエ変換（ＤＦＴ）によって周波数領
域に変換し、そのスペクトルについて予測を行って符号
化する音声のスペクトル予測符号化方式に関するもので
ある。

一般に、音声等に対して一定時間ごとに一定長の時間窓
によるＤＣＴまたはＤＦＴを行って周波数領域に変換し
て符号化する符号化方式では、窓は長いほど効率よく符
号化できるので、音声や楽音の定常性に合わせて２０ｍ
５ｅｃから４Ｑｍｓｅｃ程度に取るのがよい。ところが
カスタネットのような衝撃音では音は２ｍ５ｅｃ程度し
か持続しない。このような場合には、上述のような窓長
で符号化した音を復号化したときの品質が劣化する。

これは、音がない所では音がある所よりも雑音を感知し
やすいので、カスタネットのような場合、窓内における
音がない部分では雑音のレベルは低くなければならない
。ところが周波数領域に変換して符号化する方法では、
復号化して時間領域に戻したとき、その窓長の全体にわ
たって一定しベルの量子化雑音が生じる。このため時間
領域で音がない部分の雑音が知覚されるようになるため
である。

そこで、音声等を一定時間ごとに一定窓長のＯＣＴまた
はＤＦＴによって周波数領域に変換して符号化する符号
化方式において、窓長を通常の音声や楽音に適した長さ
にした場合でも、カスタネットのような衝撃音に対して
も、音がない部分の雑音が増加することなく、効率のよ
い符号化を行うことができるようにすることが要望され
る。

〔従来の技術〕

従来このような問題を解決できる符号化方式の一つとし
て、可変窓長を用いて符号化する手法が知られている。

例えば２０ｍ５ｅｃ、　　１０ｍ５ｅｃ、　　５ｍ５ｅ
ｃの３種類の窓長を用いた変換を行なえるようにしてお
き、２Ｑｍｓｅｃごとに、２０ｍ５ｅｃの窓で１回１０
慴ｓｅｃの窓で２回、および５　ｍ５ｅｃの窓で４回の
変換を行って、この２０ＩＩＩＳｅＣの音声を最も良好
に符号化できる変換を選択して符号化する。

（発明が解決しようとする課題〕 ところがこのように複数種類の窓を使用する場合には、
窓に隣接する前後のある範囲をオーバーラツプさせて雑
音を消去する、周知のオーバーラツプ・アンド手法を使
用することができないだけでなく、２０ｍ５ｅｃだけが
選ばれるような音声信号に対しては、ブロック歪み雑音
が目立つようになり、長い窓長を用いた効果が低減する
。また変換を３回行わねばならないため、演算量も大き
くなることを避けられない。

本発明はこのような従来技術の課題を解決しようとする
ものであって、符号化に際して可変窓長を用いることな
（、固定窓長のままでカスタネットのような衝撃音に対
しても、効率のよい符号化を行うことができる音声のス
ペクトル予測符号化方式を提供することを目的としてい
る。

［課題を解決するための手段］ 本発明は第１図（ａ）にその原理的構成を示すように、
時間領域−周波数領域変換手段１と、符号化手段２とを
備えたものである。

ここで、時間領域−周波数領域変換手段１は、音声信号
等に対して一定時間ごとに一定窓長の離散コサイン変換
を行って時間領域から周波数領域への変換を行うもので
あり、符号化手段２は、この周波数領域の出力信号を低
域または高域から順に並べて得られる系列を時間領域の
線形予測符号化手法によって符号化するものである。

また本発明は第１図（ｂ）にその原理的構成を示すよう
に、時間領域−周波数領域変換手段１Ａと、符号化手段
２Ａとを備えたものである。

ここで、時間領域−周波数領域変換手段ＩＡは、音声信
号等に対して一定時間ごとに一定窓長の離散フーリエ変
換を行って時間領域から周波数領域への変換を行うもの
であり、符号化手段２Ａは、この周波数領域の出力信号
を実数部と虚数部に分けてそれぞれ低域または高域から
順に並べて得られる系列を時間領域の線形予測符号化手
法によって符号化するものである。

〔作用］ 本発明においては、時間領域での線型予測符号化を周波
数領域に適用して音声等の符号化を行う。

時間領域での予測符号化については、従来、次のような
ことが知られている。

（１）周波数領域でのパワーの分布（パワースペクトル
）が偏っているとき、すなわち特定の周波数成分が特に
大きいときは、時間領域では線形予測器により過去の信
号から現時刻の信号をほぼ推定できる。そこで予測誤差
を符号化することによって、信号を直接符号化するより
も効率よく符号化することができる。

（２）人間の感覚では、パワーが大きい周波数に雑音が
あるときは雑音を感知しにくいが、パワーが小さい周波
数では雑音を感知しやすい。ところが予測符号化をその
まま適用すると、周波数領域での雑音の分布は一様にな
る。そこで予測符号化における雑音成形方法や、聴覚重
み付４Ｊ方法として知られる手法によって、量子化雑音
をパワーの大きい周波数に集めることができる。

時間領域と周波数領域とは、フーリエ変換等によって互
いに移行することができる。そこで時間領域について知
られている上記（１）、　（２）の結果を周波数領域か
らみると、時間と周波数とを入れ換えることによって、 （１）カスタネットの音のように、時間領域でのパワー
の分布が偏っているとき、すなわち特定の時刻付近のパ
ワーが特に大きい場合には、周波数領域では線型予測器
により、低域（または高域）（いずれを過去とみるかに
よって異なる）の信号から現周波数の信号をほぼ推定す
ることができる。

そこで予測誤差を符号化することによって、信号を直接
符号化するよりも効率よく符号化できる。

（２）人間の感覚では、パワーが大きい時刻付近に雑音
があるときは雑音を感知しにくいが、パワーが小さい時
刻付近では雑音を感知しやすい。ところが予測符号化を
そのまま適用すると、時間領域での雑音の分布は一様に
なる。そこで予測符号化における雑音成形方法や、聴覚
重み付は方法として知られる手法によって、量子化雑音
をパワーの大きい時刻付近に集めることができる。

従って、周波数領域に従来の時間領域の予測符号化手法
を導入することによって、カスタネットのような衝撃性
の音にも長い窓長で対応することができるようになる。

〔実施例〕

第２図は本発明の一実施例を示したものであって、ＤＣ
Ｔを用いて時間領域の信号を周波数領域の信号に変換す
る場合を示し、入力信号を符号化して送信する送信側と
、送信信号を伝送する伝送路と、受信信号を復号化して
出力信号を発生する受信側とが示されている。

送信側においては、入力信号をＤＣＴ変換するＤＣＴ部
１と、ＤＣＴ部１の出力信号を符号化する符号化部２と
、符号化部２における予測器のパラメータを発生するパ
ラメータ発生部３とが示されている。

ＤＣＴ部１は時間領域の人力信号をＤＣＴ変換して、周
波数領域の信号Ｘ、を生じる。ここでＸ、は変換されて
生じた第ｍ番目の成分を表している。信号ｘ６のＺ変換
は次式のようにＸ　（ｚ−’）によって示される。

Ｘ　（ｚ−’）　＝ΣＸ、Ｚ−’　　　　　　　　−（
１）符号化部２は、周波数領域の信号に重み付けする重
み付はフィルタ部１１と、重み付けされた信号を予測符
号化する予測符号化部１２とからなっている。

重み付はフィルタ１１において、１１１は演算式１式％
（２） によって示される白色化フィルタであって、人力信号を
時間系列的に一定化して、Ｐ（ｚ−’）で示される予測
フィルタ出力との差をとって、予測残差の信号を発生す
る。予測フィルタＰ（ｚ−’）は、次式によって示され
る。

Ｐ　（ｚ−’）　＝ΣＰｔ　　ｚ−＋　　　　　　　　
−（３）ここでＰ、は予測係数である。

１１２は演算式 （４） ％式％） によって示される再生フィルタであって、白色化フィル
ター１１の予測残差の信号から再生信号を発生する。こ
の際、その予測フィルタに係数α（０〈α〈１）を乗し
ることによって重み付けを行って、重み付けされた再生
信号を発生する。重み付けされた予測フィルタＰ（αＺ
−１）は、次式によって示される。

Ｐ　（αＺ″□′）−ΣＰ、αｉ　Ｚ−”　　　　　−
・・（５）なおここでα＝１とした場合は、重み付けさ
れない再生信号が発生する。

予測符号化部１２において、１２１は減算器であって、
重み付はフィルタ１１からの重み付けされた再生信号か
ら予測値の信号を減算して、予測残差の信号を発生する
。１２２は量子化器（Ｑ）であって、この予測残差の信
号を量子化して、量子化された予測残差の信号を発生ず
る。量子化器１２２の出力信号は、符号化部２の符号化
信号出力となる。

１２３は逆量子化器（Ｑ−’）であって、量子化器１２
２の出力を逆量子化して、白色化された音の信号を発生
する。１２４は加算器であって、逆量子化器１２３の出
力信号と予測値の信号とを加算して再生信号を発生する
。

１２５は演算式 ％式％（６） によって示される重み付けされた予測器であって、その
予測フィルタに係数α（０〈α〈１）を乗しることによ
って重み付けを行って、重み付けされた予測値の信号を
発生する。なおこの場合、α＝ｌとした場合は、重み付
けされない予測値の信号が発生する。

符号化部２において、係数Ｏ≦αく１は雑音成形を行う
場合に対応し、α＝Ｉは雑音成形なしに対応している。

パラメータ発生部３は、人力信号の相関をとる相関部１
３と、相関部１３で得られた相関係数から予測フィルタ
のパラメータを発生する線形予測分析部１４とからなっ
ている。

相関部Ｉ３は、入力信号の相関を示す相関係数Ｒ＋（ｉ
＝０〜Ｌ）を発生する。相関係数Ｒ４は次式によって示
されるものである。

Ｒｉ＝ΣＸ、、ｌχ−、、−（７） 線形予測分析部１４は、相関係数Ｒ８から線形予測分析
を行って、予測フィルタを定義するパラメータＰ（ｚ−
’）を発生する。

伝送路４は、このようにして発生した送信側の符号化信
号と、予測フィルタのパラメータＰ（ｚ）とを受信側へ
送る。

受信側においては、受信信号を復号化する復号化部５と
、復号化出力信号を逆ＤＣＴ変換して時間領域の出力信
号を発生する逆ＤＣＴ部（（ＤＣＴ）６とが示されてい
る。

復号化部５は、逆量子化器（Ｑ−’）１５と、加算器１
６と、予測器１７とからなっている。

逆量子化器１５は、伝送路から受信した符号化信号を逆
量子化して、予測残差の信号を復元する。

加′Ｘ器１６は、復元された予測残差の信号に予測値の
信号を加算して再生信号を発生する。

予測器１７は演算式 ％式％） によって示される予測フィルタからなるものであって、
伝送路から送られたパラメータＰ（ｚ−’）によって定
義されるものであり、再生信号から予測を行って予測値
の信号を発生する。

逆ＤＣＴ部６は、再生されて生した周波数領域の信号を
逆ＤＣＴ変換して、時間領域の出力信号を発生する。

なお本発明において、ＤＣＴ変換されて生した周波数領
域の信号を符号化する符号化部２は、第２図の実施例に
示された構成に限るものでなく、予測符号化方式のもの
であればどのようなものでもよく、その方式によって本
発明の効果に差異を生しることはない。

第３図は本発明の他の実施例を示したものであって、Ｄ
ＦＴを用いて時間領域の信号を周波数領域の信号に変換
する場合を示し、人力信号を符号化して送信する送信側
と、送信信号を伝送する伝送路と、受信信号を復号化し
て出力信号を発生する受信側とが示されている。この場
合、ＤＦＴスペクトルは複素数なので、これを実数部と
虚数部に分けて、それぞれ符号化と復号化とを行う。

送信側においては、人力信号をＤＣＴ変換するＤＦＴ部
ＩＡと、ＤＦＴ部ＩＡの出力信号を符号化する符号化部
２Ａと、符号化部２Ａにおける予測器のパラメータを発
生するパラメータ発生部３Ａとが示されている。

ＤＦＴ部ＩＡは時間領域の入力信号をＤＦＴ変換して、
実数部Ｘヨ′と、虚数部Ｘ、ｌ　とからなる周波数領域
の信号を発生し、これを実数部と虚数部とについてそれ
ぞれＺ変換して、実数部の信号Ｘ’　（ｚ−’）　と、
虚数部の信号Ｘ’　（ｚ−’）（！：を発生する。

符号化部２Ａは、第２図の実施例に示されたものと同じ
構成の２個の符号化部２を有し、それぞれ実数部の信号
Ｘ’　（ｚ−’）と、虚数部の信号Ｘ’　（ｚ−’）か
ら、量子化された予測残差からなる符号化信号を発生す
る。なおこの場合、実数部ど虚数部のそれぞれの符号化
部における予測器は同一構成でよく、従って１個の予測
器を両符号化部において共通に使用することができる。

パラメータ発生部３Ａは、入力信号の相関をとる相関部
１３Ａと、相関部１３Ａで得られた相関係数から予測フ
ィルタのパラメータを発生する線形予測分析部１４Ａと
からなっている。

相関部１３Ａは、複素数からなる入力信号の相関を示す
相関係数Ｒ＋　（ｉ＝ｏ〜Ｌ）を発生する。

この場合の相関係数Ｒ４は次式によって示されるもので
ある。

Ｒｉ＝ΣＸ　ｔ＊　’　Ｘ＋＋＋ｉｉｒ＋ΣＸ　＠　’
　Ｘ　１１　＋　Ｈ・・−（９） 線形予測分析部１４Ａは、相関係数Ｒ８から線形予測分
析を行って、符号化部２Ａにおける予測フィルタを定義
するパラメータＰ（ｚ−’）を発生する。

なお相関係数Ｒ８は、（９）式のように実数部と虚数部
のそれぞれの相関の平均を取って符号化部２Ａに共通に
与えるにしてもよく、または実数部と虚数部とをそれぞ
れ別個に求めてそれぞれの符号化部２に与えるようにし
てもよい。

伝送路４．４は、このようにして発生した送信側の符号
化信号と予測フィルタのパラメータＰ（ｚ−’）とを受
信側へ送る。

受信側においては、受信信号を復号化する復号化部５，
５と、復号化出力信号を逆ＤＦＴ変換して時間領域の出
力信号を発生する逆ＤＦＴ部（ＩＤＦＴ）６Ａとが示さ
れている。

復号化部５．５は、それぞれが第２図の実施例に示され
た復号化部５と同じ構成を有し、それぞれ実数部の符号
化信号と、虚数部の符号化信号とから、再生信号を発生
する。この際伝送路を介して送られた予測フィルタのパ
ラメータＰ　（Ｚ−１）によって定義される予測フィル
タからなる予測器によって予測を行う。

逆ＤＦＴ部６Ａは、再生されて生した周波数領域の信号
を逆ＤＦＴ変換して、時間領域の出力信号を発生する。

この場合も、ＤＦＴ変換されて生じた周波数領域の信号
を符号化する符号化部は、第３図の実施例に示された構
成に限るものでなく、予測符号化方式のものであればど
のようなものでもよく、その方式によって本発明の効果
に差異を生じることはない。

〔発明の効果〕

以上説明したように本発明によれば、音声等の時間領域
の信号を、一定時間ごとに一定窓長のＤＣＴまたはＤＦ
Ｔを用いて、周波数領域の信号に変換して、時間領域の
線形予測符号化手法によって符号化を行うようにしたの
で、符号化に際して可変窓長を用いることなく、固定窓
長のままでカスタネットのような衝撃音に対しても、効
率のよい符号化を行うことができるようになる。

【図面の簡単な説明】

第１図は本発明の原理的構成を示す図、第２図は本発明
の一実施例を示す図、第３図は本発明の他の実施例を示
す図である。 １、ＬＡは時間領域−周波数領域変換手段、２２Ａは符
号化手段である。

Claims (4)

【特許請求の範囲】
1. （１）音声信号等に対して一定時間ごとに一定窓長の離
   散コサイン変換を行って時間領域から周波数領域への変
   換を行う時間領域−周波数領域変換手段（１）と、 該周波数領域の出力信号を低域または高域から順に並べ
   て得られる系列を時間領域の線形予測符号化手法によっ
   て符号化する符号化手段（２）とを備えることを特徴と
   する音声のスペクトル予測符号化方式。
2. （２）音声信号等に対して一定時間ごとに一定窓長の離
   散フーリエ変換を行って時間領域から周波数領域への変
   換を行う時間領域−周波数領域変換手段（１Ａ）と、 該周波数領域の出力信号を実数部と虚数部に分けてそれ
   ぞれ低域または高域から順に並べて得られる系列を時間
   領域の線形予測符号化手法によって符号化する符号化手
   段（２Ａ）とを備えることを特徴とする音声のスペクト
   ル予測符号化方式。
3. （３）前記符号化手段（２、２Ａ）が雑音の周波数特性
   に重み付けを行う雑音成形手段を有することを特徴とす
   る請求項第１項または第２項記載の音声のスペクトル予
   測符号化方式。
4. （４）前記符号化手段（２Ａ）において予測を行う予測
   器が実数部と虚数部に対して共通に設けられたことを特
   徴とする請求項第２項記載の音声のスペクトル予測符号
   化方式。