JPH03156498A - 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］ 本発明は音声信号を低いビットレートで高品質に符号化
するための音声符号化方式に関する。

〔従来の技術〕

音声信号を低いビットレート、例えば１６ｋｂ／ｓ程度
以下で伝送する方式としては、マルチパルス符号化法な
どが知られている。これらは音源信号を複数個のパルス
の組合せ（マルチパルス）で表し、声道の特徴をデジタ
ルフィルタで表し、音源パルスの情報とフィルタの係数
を、一定時間区間（フレーム）毎に求めて伝送している
。この方法の詳細については、例えばアラセキ、オザワ
、オノ。

オチアイ氏による“Ｍｕｌｔｉ−ｐｕｌｓｅ　Ｅｘｃｉ
ｔｅｄ　５ｐｅｅｃｈＣｏｄｅｒ　Ｂａ５ｅｄ　ｏｎ　
Ｍａｘｉｍｕｍ　Ｃｒｏｓｓ−ｃｏｒｒｅｌａｔｉｏｎ
　５ｅ−ａｒｃｈ　Ａｌｇｏｒｉｔｈｍ”、　（ＧＬＯ
ＢＥＣＯＭ　８３．　ＩＥＥＥ　ＧｌｏｂａｌＴｅｌｅ
ｃｏｍｍｕｎｉｃａｔｉｏｎ、講演番号２３．３．１９
８３）　（文献１）に記載されている。この方法では、
声道情報と音源信号を分離してそれぞれ表現すること、
および音源信号を表現する手段として複数のパルス列の
組合せ（マルチパルス）を用いることにより、復号後に
良好な音声信号を出力することができる。

音声信号をより低いビットレートで伝送する方法として
は、マルチパルス音源のピッチ毎の単周期性（ピッチ相
関）を利用したピッチ予測マルチパルス法が提案されて
いる。この方法の詳細は、例えば、特願昭５８−１３９
０２２号明細書（文献２）に詳しいのでここでは説明を
省略する。

また、音声信号をさらに低いビットレートで伝送する方
法としては、音源パルスの情報とフィルタの情報を一定
時間毎ではなく、入力された音声信号を分析して得られ
る音響的特徴が持続している区間毎に区切り（以下、音
声信号を区切ったうえ分類する一連の処理をセグメンテ
ーションといい、セグメンテーションの結果得られた各
区間をセグメントと呼ぶ。）、各セグメント毎に音源を
求める方法をとることによって良好な再生音声を得る方
法をとることもできる。これらの方法については特願平
１−２３２５５号明細書（文献３）に詳しいのでここで
は説明を省略する。

〔発明が解決しようとする課題〕

しかしながら、文献１と文献２に掲載されている従来方
法では、ビットレートが充分に高く音源パルスの数が充
分なときは音質が良好であ、ったが、ビットレートを下
げて行くと音質が低下するという問題点があった。

また、前記文献３に掲載されている方法でも、特に周期
性を利用した音源を選択した場合でかつセグメントの長
さが長くなった場合に音質が低下するという問題点があ
った。

本発明の目的は、ビットレートが高いところでも、ある
いはビットレートを下げていっても、また同じ音響的特
徴を有する区間長が長くなっても、従来よりも良好な音
声を少ない演算量で実現可能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、 離散的な音声信号を入力し、予め定められた時間長の区
間に分割したのち分析しスペクトル包絡を表すスペクト
ルパラメータと音響的特徴を表すパラメータとを抽出し
、前記音響的特徴を利用して前記音声信号を分類して予
め複数種類用意した音源モデルの中から最適なものを選
択し、前記音響的特徴が母音性を示すときは前記選択さ
れた音源モデルと前記スペクトルパラメータを用いて計
算した再生音声と前記入力音声との歪を計算することに
より前記区間長に等しいかまたは長いセグメント長を求
めて前記音声信号を分割し、前記選択された音源信号を
表す符号と前記計算されたスペクトルパラメータと前記
セグメントの時間長と前記計算された音源信号とを量子
化して出力することを特徴とする。

〔実施例〕

第１図は、本発明の音声符号化方式を実施する音声符号
化装置のブロック図である。

第２図は、母音性を示すセグメントにおける音源信号計
算回路及びセグメント長決定回路のブロック図を示す。

まず本発明による符号化方式において、母音性を示すセ
グメントにおけるセグメントの区間長（以下、セグメン
トの区間長を略してセグメント長という。）の決定方法
について第２図を用いて説明する。

信号入力端子３１０からは、予め定められた例えば１０
ｍ５ｅｃ、の区間長（以下、第１フレームという）の信
号が入力される。また、スペクトルパラメータ入力端子
３００からは、第１フレームの入力信号から計算された
スペクトルパラメータが入力される。音響パラメータ入
力端子３０５からは、第１フレームの入力信号の音響的
特徴を表すパラメータが入力される。

音源選択回路３０６は、入力された音響的特徴を表すパ
ラメータを用いて予め複数個用意された音源モデルから
最適なモデルを選択する。音響的特徴が母音を示すとき
は、音源計算回路３２０は第１フレームの入力信号と選
択された音源モデルとを用いて音源信号を計算する。第
１フレームに対する処理が終了すると、２現在のセグメ
ント長を前記区間長に設定する。

バッファ３３０は、計算された音源信号と現在のセグメ
ント長とを蓄積し、第１フレームの入力信号をそのまま
出力する。

次に信号入力端子３４０からバッファ３３０の出力信号
の時間的に次のフレームの入力信号を入力する。信号形
成回路３４５は、バッファ３３０から出力された信号に
続けて、入力端子３４０からの入力信号を加えた区間長
の入力信号を作成して出力する。

音源計算回路３５０は、信号形成回路３４５からの出力
信号に対して前記選択された音源モデルを用いて音源信
号を計算する。

再生フィルタ３６０は、入力されたスペクトルパラメー
タと計算された音源信号とを用いて音声信号を再生する
。

歪計算回路３７０は、再生フィルタ３６０によって再生
された再生信号と入力信号との歪を計算する。

境界判定回路３８０は、計算された歪と予め定められた
判定値とを比較する。歪が判定値よりも小さい場合はセ
グメント長を更新し音源計算回路３２０の出力である音
源信号と更新されたフレーム長をバッファ３３０に蓄積
し、バッファ３３０は蓄積された音声信号を信号形成回
路３４５へ出力する。そして次のフレームの入力信号に
対する処理を行う。

一方、歪が判定値よりも大きい場合は、対象としている
入力信号の開始点に境界があると判定し、バッファ３３
０に蓄積されている音源信号とセグメント長を出力端子
３９０に出力する。

以上示したような方法を用いることによって、文献２に
おける方法に対しても大幅に計算量を削減した上、誤差
を良好に小さく保つことが可能である。

さて第１図に戻り、入力端子５００から離散的な音声信
号を入力する。時間分割回路５１０では、入力された音
声信号を予め定められた時間長（例えば１０ｍ５ｅｃ、
）のフレームに分割する。スペクトルパラメータ抽出回
路５２０では、フレームの音声信号のスペクトルを表す
スペクトルパラメータを、周知のＬＰＧ分析法によって
求める。量子化器５３０は、求められたスペクトルパラ
メータを量子化する。逆量子化器５４０は、量子化され
たスペクトルパラメータを逆量子化して出力する。

音響的特徴抽出回路５５０は、フレームの入力信号から
種々の音響的特徴を表すパラメータを抽出して出力する
。特徴分類回路５６０は、出力された音響的特徴を表す
パラメータを用いて、フレーム内の入力信号が母音性の
特徴を持っているかどうか判定する。判定に用いる音響
的特徴としては例えばフレーム内のパワまたはＲＭＳ、
ピッチゲインなど周知の方法によって求めることができ
るパラメータがある。

分類結果が母音性信号である場合は、特徴分類回路５６
０はマルチパルス音源計算回路５９０の作動を停止し母
音部音源計算回路６００を作動させる。

母音部音源計算回路６００は第２図で説明したような方
法を用いてセグメントの区間長を算出するとともに、例
えば小澤氏による“種々の音源を用いる４゜８ｋｂ／ｓ
音声符号音声式（ＳＰＭＥＸ）”　（電子情報通信学会
音声研究会資料５Ｐ８９−２１９８９年１文献４）の中
で用いられている改良ピッチ補間マルチパルス音源を音
源モデルとして用いて、求めたセグメントの音源信号を
計算して量子化して出力する。

一方、分類結果が母音性信号でない場合は、特徴分類回
路５６０は母音部音源計算回路６００の作動を停止しマ
ルチパルス音源計算回路５９０を動作させる。マルチパ
ルス音源計算回路５９０は、特徴分類回路５６０が入力
信号が母音性信号でないという分類結果を出力した場合
に、例えば文献ｌに見られるような周知の方法で音源パ
ルスを計算する。

量子化器５３０の出力と、特徴分類回路５６０の出力と
、各音源計算回路５９０．６００の出力である音源信号
を表す符号とセグメント長を表す符号は、マルチプレク
サ６１０の入力となる。マルチプレクサは、これらの入
力を効率的に多重化して出力する。

以上述べた構成は本発明の一構成に過ぎず、種々の変形
も可能である。

マルチパルスの計算方法としては、文献１に示した方法
の他に、種々の周知な方法を用いることができる。

また、スペクトルパラメータとしては、他の周知なパラ
メータ（線スペクトル対、ケプストラム。

メルケブストラム、対数断面積比等）を用いることもで
きる。

また、セグメント長を決定するための判定値は、どの場
合でも１つの数値としてもよいし、セグメント長に応じ
て算出した数値としてもよい。

また、求める歪は、例えば２乗誤差としてもよいし、こ
の他周知の距離尺度を用いてもよい。

また、分類に応じて用いる音源は、上の例に示した以外
に例えば文献４の中で用いられているように、予め複数
種類の音源モデルを用意して入力信号の音響的特徴によ
って最適な音源モデルを切り替えて用いる形とすること
もできる。例えば母音性以外の信号の音源としては破裂
、過渡性のときにマルチパルス音源、摩擦性のときに乱
数コードブック音源を用いることができる。前者につい
ては前記文献１に、後者については例えばシュレーダー
、アタル両氏による“Ｃ０ＤＥ−ＥＸＣＩＴＥＤ　ＬＩ
ＮＥＡＲＰＲＥＤＩＣＴＩＯＮ　（ＣＥＬＰ）　：　Ｈ
ＩＧＨ−ＱＵＡＬＩＴＹ　５ＰＥＥＣＨＡＴＶＥＲＹ　
ＬＯＷ　ＢＩＴ　ＲＡＴＥＳ”　（ＩＣＡＳＳＰ　’８
５講演番号２５．１．１１９８５）　（文献５）と題し
た論文等に詳しい。

〔発明の効果〕

本発明によれば、音源信号を予め用意した複数個の音源
の中から最適なものを選択して用いて音声信号を同一の
特徴の連続している可変時間長のセグメントに分割して
音源信号を計算することにより、従来の方法に比べ少な
い伝送情報量で音声信号を良好に表すことができるとい
う大きな効果がある。

【図面の簡単な説明】

第１回は本発明による音声符号化方法を実施する音声符
号化装置の構成を示すブロック図、第２図は音源信号計
算回路及びセグメント長決定回路の一構成例を示すブロ
ック図である。 ３００　　・・・・初期信号入力回路 ３１０　　・・・・スペクトルパラメータ入力端子３２
０　・・・・音源計算回路 ３３０　　・・・・バッファ ３４０　　・・・・信号入力回路 ３４５　　・・・・信号形成回路 ３５０　・・・・音源計算回路 ３６０　　・・・・再生フィルタ ３７０　・・・・歪計算回路 ８０ ９０ ００ １０ ２０ ３０ ４０ ５０ ６０ ９０ ００ １０ 境界判定回路 出力端子 入力端子 時間分割回路 スペクトルパラメータ計算回路 量子化器 逆量子化器 音響的特徴抽出回路 特徴分類回路 マルチパルス計算回路 母音音源計算回路 マルチプレクサ

Claims (1)

【特許請求の範囲】
1. （１）離散的な音声信号を入力し、予め定められた時間
   長の区間に分割したのち分析しスペクトル包絡を表すス
   ペクトルパラメータと音響的特徴を表すパラメータとを
   抽出し、前記音響的特徴を利用して前記音声信号を分類
   して予め複数種類用意した音源モデルの中から最適なも
   のを選択し、前記音響的特徴が母音性を示すときは前記
   選択された音源モデルと前記スペクトルパラメータを用
   いて計算した再生音声と前記入力音声との歪を計算する
   ことにより前記区間長に等しいかまたは長いセグメント
   長を求めて前記音声信号を分割し、前記選択された音源
   信号を表す符号と前記計算されたスペクトルパラメータ
   と前記セグメントの時間長と前記計算された音源信号と
   を量子化して出力することを特徴とする音声符号化方式
   。