JPH03156499A - 音声符号化方法 - 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　
Ｍａｘｉｍｕｎ＋　Ｃｒｏｓｓ−ｃｏｒｒｅｌａｔｉｏ
ｎ　５ｅ−ａｒｃｈ　Ａ１ｇｏｒｉｔｈｍ″、　（ＧＬ
ＯＢＥＣＯＭ　８３．　ＩＨＥＢ　ＧｌｏｂａｌＴｅｌ
ｅｃｏａ＋ａ＋ｕｎｉｃａｔｉｏｎ＋講演番号２３．３
．１９８３）　（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
る音響的特徴が継続している区間毎に区切り（以下、音
声信号を区切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ことによ
って良好な再生音声を得る方法をとることができる。こ
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、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
、前記音声信号のスペクトル包絡を表すスペクトルパラ
メータと前記音声信号の音響的特徴を表すパラメータを
抽出し、前記抽出された音響的特徴を表すパラメータを
用いて前記音声信号を分類し、前記分類結果に応じて予
め複数種類用意した音源モデルの中から最適なモデルを
選択し、前記選択された音源モデルを用いて、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し、前記選択された音源信号を
表す符号と前記スペクトルパラメータと前記セグメント
長とを量子化して出力することを特徴とする。

本発明によれば、離散的な音声信号を入力し、前記音声
信号のスペクトル包絡を表すスペクトルパラメータと前
記音声信号の音響的特徴を表すパラメータを抽出し、前
記音響的特徴を用いて前記音声信号を分類し、前記分類
結果に応じて予め複数種類用意した音源モデルの中から
最適なモデルを選択し、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音声信号を
一定でない時間長を持つ区間に分割し、前記区間におい
て前記選択された音源信号を表す符号と前記スペクトル
パラメータと前記区間長とを量子化して出力するのが好
適である。

また本発明によれば、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前記音声信号の
スペクトル包絡を表すスペクトルパラメータと前記音声
信号の音響的特徴を表すパラメータを抽出し、隣接する
区間から求めた前記パラメータ同士の距離を求めること
によって前記音響的特徴が継続しているセグメントとし
て前記区間長に等しいか長いセグメント長を決定した後
に、前記抽出された音響的特徴を表すパラメータを用い
て前記セグメント長の音声信号を分類し、前記分類結果
に応じ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、前記選択された音源モデルに従い音源
信号を計算して、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
長とを量子化して出力するのが好適である。

〔実施例〕

第１図は、第１の実施例である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、入力信号との歪を計算しつつ音源信号を計算
する場合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。

まず第１の実施例による符号化方式において、入力信号
と再生信号との歪を計算しつつ行う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
＋ｗｓｅｃ、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、現在のセグメント長を前記区間長に設定する。

バッフ１３３０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。

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１０ｗ５ｅｃ、
）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
。音響的特徴としては、いずれも周知の方法によって求
めることができるパワ、高周波数域のパワと低周波数域
のパワの比、ピッチゲイン、フレーム内におけるパワの
変化率等を用いることができる。

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、フレーム内の人力信号を分類すると
共に、入力信号を符号化する際に用いる音源モデルを決
定し、音源コードブック選択回路５８０とマルチパルス
音源計算回路５９０と母音部音源計算回路６００のうち
、決定された音源モデルを計算する回路を動作させ、そ
れ以外の音源計算回路の動作を停止する０分類の種類と
しては、例えば母音性信号、摩擦性信号、過渡的信号な
どがある。

音源コードブック選択回路５８０とマルチパルス音源計
算回路５９０と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、入力信号と音源モデルを用
いて計算した再生信号との歪を計算することにより、セ
グメントの時間長を算出するとともにそれぞれの音源モ
デルのパラメータを量子化して出力する。

このうち母音部音源計算回路６００は、例えば小澤氏に
よる“種々の音源を用いる４、８ｋｂ八音へ符号化方式
（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、音源パラメータを量子化して出力する。

また、音源コードブック選択回路５８０は、特徴分類回
路５６０が音源としてコードブックを用いることが適当
であることを示す分類を行った場合（例えば摩擦性信号
の場合）に、音源コードブック５８５を用いて音源コー
ドを選択する。音源コードブックの種類及び選択方法に
ついては例えばシュレーダー、アタル両氏による“Ｃ０
ＤＥ−ＥＸＣＩＴＥ［ｌ　Ｌｌ−ＮＥＡＲＰＲＩ！ＤＩ
ＣＴＩＯＮ　（ＣＥＬＰ）　：　ＨＩＧＨ−ＱｔｌＡＬ
ＩＴＹ　５ＰＥＥＣＨＡＴ　Ｖｌｌ！ＲＹ　ＬＯＷ　Ｂ
ＩＴ　ＲＡＴＥＳ”　（ＩＣＡＳＳＰ　’８５　　講演
番号２５．１．１１９８５）　（文献５）と題した論文
等に詳しいのでここでは説明を略す。

またマルチパルス音源計算回路５９０は、特徴分類回路
５６０が音源としてマルチパルスを用いることが適当で
あることを示す分類を行った場合（例えば過渡性信号の
場合）に、例えば文献１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５８０．５９０．６００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。

次に、第２の実施例を説明する。

第３図は、第２の実施例である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４図は、予めセグメント長を決定した後に音源計算を
行う場合におけるセグメント長を算出する回路のブロッ
ク図を示す。

第２の実施例において、予めセグメント長を決定した後
に音源計算を行う場合におけるセグメント長の決定方法
について第４図を用いて説明する。

初期パラメータ入力端子２００からは、現セグメントの
音響的特徴を表すパラメータ（以下、これを初期パラメ
ータと呼ぶ。）の値が入力される。

また信号入力回路２１０からは初期パラメータを求めた
フレームの次のフレーム以後の入力音声信号が入力され
、バッファ２１５に蓄積される。バッファ２１５からは
、■フレーム毎に蓄積された信号が出力される。

音響的特徴抽出回路２２０は、バッファ２１５から出力
された音声信号から、入力された初期パラメータと同じ
種類の音響的特徴を表すパラメータを抽出する。

距離計算回路２３０は、抽出されたパラメータと初期パ
ラメータとの距離を算出する。

境界判定回路２４０は、算出された距離と予め定めたし
きい値を比較してセグメントが終了しているかどうかを
決定する。

判定結果出力回路２５０は、境界判定回路の結果出力に
応じて次の動きをする。境界があると判定された場合は
、セグメント長を出力する。境界ではないと判定された
場合はさらに次のフレームの人力信号の取り込みを行い
、以上の処理を繰り返す。

第３図に戻るが、第１図と同じ番号を付した構成要素は
第１図と同様の動作をするので説明を省略する。

第３図において、特徴分類回路５６０は、音響的特徴抽
出回路５５０から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を分類すると共に、
入力信号を符号化する際に用いる音源信号を決定し、音
源コードブック選択回路５８０とマルチパルス音源計算
回路５９０と母音部計算回路６００のうち、入力信号を
最適に表す音源モデルを用いるものを動作させ、それ以
外の音源計算回路の動作を停止する。

有効時間長計算回路５７０は、第３図で説明したような
方法で、セグメントの時間長を計算して出力する。

以上述べた各実施例は本発明の一構成に過ぎず、種りの
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。

メルケプストラム、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、固定の
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ることができる。

また、特徴分類回路が行う分類は上に示したもののみな
らず、他の分類としてもよい。

また、分類に応じて用いる音源も上の例に示した以外の
ものを用いることができる。

〔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図、第２図は、本発明の第１の実施例を説明するた
めのブロック図、 第３図、第４図は、本発明の第２の実施例を説明するた
めのブロック図である。 ２００　　・・・・初期パラメータ入力回路２１０、３
４０・・信号入力端子 ２１５、３３０・・バッファ ２２０、５５０・・音響的特徴抽出回路２３０　　・・
・・距離算出回路 ２４０、３８０・・境界判定回路 ２５０　・・・・判定結果出力回路 ３００　　・・・・初期信号入力端子 ３０５　　・・・・音響パラメータ入力端子３０６　　
・・・・音源選択回路 ３１０　　・・・・スペクトルパラメータ入力端子３２
０、３５０・・音源計算回路 信号形成回路 再生フィルタ 歪計算回路 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 特徴分類回路 有効時間長計算回路 音源コードブック選択回路 音源コードブック 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 ａ〜 第２ 図

Claims (1)

【特許請求の範囲】
1. （１）離散的な音声信号を入力し、前記音声信号のスペ
   クトル包絡を表すスペクトルパラメータと前記音声信号
   の音響的特徴を表すパラメータを抽出し、前記抽出され
   た音響的特徴を表すパラメータを用いて前記音声信号を
   分類し、前記分類結果に応じて予め複数種類用意した音
   源モデルの中から最適なモデルを選択し、前記選択され
   た音源モデルを用いて、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
   算し、前記選択された音源信号を表す符号と前記スペク
   トルパラメータと前記セグメント長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。