JPH03245197A

JPH03245197A - 音声符号化方式

Info

Publication number: JPH03245197A
Application number: JP2041285A
Authority: JP
Inventors: Masami Akamine; 政巳赤嶺; Kimio Miseki; 公生三関
Original assignee: Toshiba Corp
Current assignee: Toshiba Corp
Priority date: 1990-02-23
Filing date: 1990-02-23
Publication date: 1991-10-31

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】［発明の目的］（産業上の利用分野）この発明は音声信号等を高能率に圧縮する音声符号化方
式に係り、特に伝送情報量を１０ｋｂ／ｓ以下とするよ
うな適応密度パルス列に基づく音声符号化方式に関する
。

（従来の技術）音声信号を１０ｋｂ／ｓ程度以下の伝送情報量で符号化
する効果的な方法として、マルチモードＣＥＬ　Ｐ　（
Ｃｏｄｅ　Ｅｘｃｉｔｅｄ　Ｌｉｎｅａｒ　Ｐｒｅｄｌ
ｃｔｉｏｎ）符号化方式が知られている。この詳細は１
９８９年のグラスゴーで行われたＩＣＡＳＳＰの論文（
第１の論文）　　ｒＭｕＮｉｍｏｄｅ　ｃｏｄｊｎｇ：
　Ａｐｐｌｉｃａｔｉｏｎ　ｔｏ　ＣＥＬＰ　Ｔｏｍｏ
ｈｉｋｏ　Ｔａｎｉｇｕｃｈｉ、　Ｓｈｉｇｅｙｕｋｉ
　Ｕｎａｇａｍｉ　ａｎｄＲｏｂｅｒｔ　Ｍ、　Ｇｒａ
ｙＪに記載されている。この内容を簡単に説明する。第
６図と第７図はそれぞれ前記論文に記載されたマルチモ
ード符号化の原理を説明する図、及び、マルチモードＣ
ＥＬＰ符号化器の処理を示すブロック図である。

第６図において、符号側は、ｍ個の符号化器５１０、　
５２０．　５３０　（Ｅｎｃｏｄｅｒ　＄１〜Ｅｎｃｏ
ｄｅｒ１ｍ）を備え、各符号化器は予め駆動信号パラメ
ータとスペクトルパラメータに対して異なるビット割り
あてを与えるように設定されている。

各符号化器はフレーム単位で評価と最適符号化器の決定
部５０て人力音声信号を並列的に処理し、人力音声信号
を用いて、各符号化器の与える合成音声信号（複合音声
信号）の品質を評価し、セレクタ４０で最適な符号化器
のインデックス１１（ｎは１，２．・・・ｍのうちのい
ずれか）を用いて、伝送する駆動信号パラメータ及びス
ペクトルパラメータを選択し伝送すると共に、インデッ
クスｎの情報も複合側に伝送する。複合側では、符号化
器のインデックスｎを基に、Ｅｎｃｏｄｅｒ　Ｉｎに対
応する複合化器６０　（Ｄｅｃｏｄｅｒ　Ｉｎ）を用い
ることにより合成音声信号を出力する。

以上が前記論文で示されたマルチモード符号化の概容で
ある。このマルチモード符号化の考えをＣＥＬＰ方式に
応用したものか第７図に示されるマルチモードＣＥＬＰ
符号化器である。

ＣＥＬＰ方式は、駆動信号のベクトル量子化を合成音の
レヘルて行う音声符号化方式であり、公知な技術である
。又、ＣＥＬＰ方式についての詳細はｒ　Ｍ、Ｒ，５ｃ
ｈｒｏｅｄｅｒ　ａｎｄ　Ｂ、Ｓ、＾ｔａ１．　”Ｃｏ
ｄｅｅｙ；ｃｉｔｅｄ　１ｉｎｅａｒ　ｐｒｅｄｉｃｔ
ｉｏｎ　ＣＥＬＰ）：　Ｈｉｇｈ　ｑｕａｌｉｔｙ　５
ｐｅｅｃｈ　ａｔ　ｖｅｒｙ　Ｉｏｖ　ｂｔｔ　ｒａｔ
ｅｓ、”　ＰｒｏｃＩＣＡＳＳＰ’８５．　ｐｐ、　９
３７−９４０Ｊに記載されている。

第７図のマルチモード符号化方式は、上記のマルチモー
ド符号化方式を２つのモードという最も簡単な形でＣＥ
ＬＰに適用したものである。すなわちＡモードは、従来
の公知なＣＥＬＰ方式で、駆動信号パラメータ、声道パ
ラメータ（ＬＰＣパラメータ）を伝送し、さらに１ビツ
トのモード情報をフレーム毎に伝送する。

一方、Ｂモードは声道パラメータを伝送せずに、前のフ
レームと同じ声道パラメータを用いることで、駆動信号
パラメータに割りあてる量子化ビット数を増加させた構
成となっている。各フレームにおいて、Ａ／Ｂのモード
決定は、それぞれのモードの合成音声信号の品質評価（
ＳＮＲ等を用いる）に基づいて行われ、伝送情報の割り
あては２つのモード間のスイッチングによりダイナミッ
クにコントロールされる。第７図において、Ａモードで
はＬＰＧ分析部１００は人力音声信号から声道パラメー
タ（ＬＰＧパラメータ）を抽出し、切り換え端子Ａ及び
短時間合成フィルタ１１０に出力する。弔辞感合成フィ
ルタ１５０のパラメータ及びコートブック１７０から選
択されるヘクトルの５ｈａｐｅ　（コートブック内のベ
クトルに付されるインデックス＋符号）及びＧａ１ｎは
人力音声と短時間合成フィルタ１１０（合成フィルタ）
て合成された合成信号との誤差信号を重みフィルタ１２
０て重み付けした重み付き誤差信号の電力か最小化する
ように閉プール的に求められる。

一方、Ｂモートては、声みちパラメータメモリ２４０が
Ａモードと決定された場合のみ端子Ａに接続され声道パ
ラメータを更新する構成となっており、メモリに蓄積さ
れる声道パラメータはＢモトである間は更新されずに同
しものか使用される。長時間合成フィルタ１６０のパラ
メータ及びコートブック１８０の５ｈａｐｅ及びＧａ１
ｎはＡモードで行ったのと間柱の方法て決定される。

モート決定部２３０はＡモート、Ｂモードて計算された
各モードの誤差電力の最小値を入力し、誤差電力の小さ
い方のモートを決定されたモートとじて出力する。

以上が第７図のマルチモードＣＥＬＰ方式（従来方式）
の説明である。

この方式は、従来のＣＥＬＰ方式に比べて４，８Ｋｂｉ
ｔ／ｓ及び８Ｋｂｉｔ／ｓの伝送レートにおいて、約２
ｄＢのセグメンタルＳＮＲの改善があることが上記第１
の論文でも示されている。

この従来方式は、入力信号に応じてＡモードＢモードと
切りかわることにより駆動信号とスペクトルパラメータ
のビット割り合てかフレーム毎に可変である。しかしな
からそれぞれのモード内の処理は基本的に従来のＣＥＬ
Ｐ方式と同一であるため、同一のモード内では時間的に
一定のビット数か駆動信号に割りあてられる符号化方式
とｔ；っている。またパルス間隔もすべてのモードで一
定となっている。

このように従来の方式は、駆動信号とスペクトルパラメ
ータのビット割り合でや駆動信号へのビット割り合でか
フレーム単位で変化する構成となっているので、例えば
、音韻等の変化に伴って音声（２号の相関かフレーム内
で変わる部分や、発声の開始部分等、予測駆動信号のパ
ワかフレーム内で変化する音声の区間に対して、適応化
することができず、品質の劣化か大きくなる。また、上
記の様な劣化は一様には発生せずに不連続的に発生する
ため、従来方式では、高いＳＮＲが得られているにもか
かわらす、主観的には耳ざわりなノイズとなりやすく、
低レートの符号化に適用した場合の主観品質の劣化が大
きいという欠点かある。

（発明が解決しようとする課題）上述したように、従来方式は、モード切り換えにより、
駆動信号パラメータとスペクトルパラメータのビット割
りあてかフレーム毎に可変であるが、フレーム内で常に
一定の間隔をもち、かつ固定のビット割りあての駆動パ
ルス列で合成フィルタを駆動しているため、例えば８　
Ｋ　ｂ　／　ｓ以下の伝送レートで合成音の品質が劣化
するという問題点かある。

本発明は、このような問題に鑑みてなされたものであり
、その目的は、８Ｋｂ／ｓ以下の伝送レートで高品質の
合成音を得ることのできる音声符号化方式を提供するこ
とである。

［発明の構６．］（課題を解決するための手段）本発明は、駆動信号パラメータとスペクトルパラメータ
のビット割りあてが異なる複数個の符号化器を備え、各
符号化器の合成音声信号と人力音声信号に基づき符号化
器を選択する音声符号化方式において、上記複数個の符
号化器のうち少なくとも１つの符号化器が、駆動信号の
フレームを複数の等長又は不等長のサブフレームに分割
し、パルスの間隔がサブフレーム単位で異なる等間隔の
パルス列でもって駆動信号とし、パルス列の振幅と位相
の情報をコードブック内にベクトルとして予め格納して
おき、コードブック内のベクトル基に生成される前記駆
動信号で合成フィルタを駆動することにより得られる金
銭信号と入力信号この誤差信号又は聴感重み付誤差信号
のパワーか最小によるように、コードブック内のベクト
ルを選択し、符号化することを特徴とする適応密度パル
ス列に基つく音声符号化方式である。

（作　用）フレーム内において、駆動信号のパルス間隔又はビット
割り合てを重要な情報又は多くの情報が含まれるサブフ
レームでは密に、そうでないサブフレームでは粗くとい
うようにサブフレームごとに換えるように構成するため
合成信号の品質を向上させることができる。

（実施例）以下本発明に係る一実施例を図面を参照しながら説明す
る。第１図は本発明の一実施例に係る符号化装置を示す
ブロック図である。

第１図において、１は、入力端子であり、Ａ／Ｄ変換さ
れた入力音声信号の系列か入力される。

入力された音声信号系列はＡモードとＢモードの２つの
符号化器に入力される。Ａモードの符号化器２とＢモー
トの符号化器３は、符号化パラメータの論定か異なるも
のの、パルス間隔かサブフレーム単位で可変となる等間
隔のパルス列をもっで駆動信号とする符号化方式の原理
については同一である。そこで、Ａモートの符号化器に
ついて説明し、Ｂモードの符号化器についてはＡモード
と異なる点についてのみ説明する。

第２図は、本発明の第１の実施例に係るＡモード符号化
器の構成を示すブロック図である。

第２図において、フレームバッファ１１は入力端子１０
に入力される音声信号を１フレ一ム分蓄積する回路であ
り、第１図の各ブロックはフレームバッファ１１を用い
てフレーム毎またはサブフレーム毎に以下の処理を行う
。

予測パラメータ計算回路１２は、予測パラメータを公知
の方法を用いて計算する。予測フィルタ１４が第３図に
示すような長時間予測フィルタ４１と短時間予測フィル
タ４２を縦続接続して構成される場合、予測パラメータ
計算回路１２はピッチ周期とピッチ予測係数および線形
予測係数（αパラメータまたはにパラメータ：総してＬ
ＰＣパラメータと称す）を自己相関法や共分散法等の公
知の方法で計算する。計算法については、例えば（古井
貞照署「ディジタル音声処理４１．９８５年東海大学出
版会発行）に記述されている。計算された予測パラメー
タは、予測パラメータ符号化回路１３へ人力される。予
測パラメータ符号化回路１３は、予測パラメータを予め
定められた量子化ビット数に基づいて符号化し、この符
号をマルチプレクサ２５に出力すると共に、復号値を予
測フィルタ１４と合成フィルタ１５と出力端子３０、お
よび聴感重みフィルタ２０に出力する。予測フィルタ１
４は、入力の音声信号と予測パラメータを人力として予
測残差信号を計算し、それを密度パターン選択回路１５
へ出力する。

密度パターン選択回路１５としては、本実施例において
はまず１フレ〜ムの予測残差信号を複数個のサブフレー
ムに分割し、それぞれのサブフレームの予測残差信号の
２乗和を基に各サブフレムでの駆動パルス列信号の密度
（パルス間隔）パターンを求める。その具体的な方法の
一例は、密度パターンとしてパルス間隔が最短の２種類
、パルス間隔が長いサブフレームの個数とパルス間隔か
短いサブフレームの個数を予め設定しておき、予測残差
信号の２乗和か大きいサブフレームの順にパルス間隔が
短くなる密度パターンを選択する方法である。

ゲイン計算回路２７は選択された密度パターンの情報を
入力とし、駆動信号のゲインを例えばパルス間隔の短い
全サブフレームの予測残差信号の標準偏差とパルス間隔
の長い全サブフレームの予測残差信号の標準偏差を用い
て２種類求める。得られた密度パターンとゲインはそれ
ぞれ符号化回路１６．２８で符号化され、マルチプレク
サ２５に人力されると共に、それらの復号値か駆動信号
生成回路１７へ入力される。駆動信号生成回路１７は、
符号化回路１６．２８から入力される密度パターンとゲ
イン、コードブック２４から入力される駆動パルスの正
規化された振幅、および位相探索回路２２から人力され
る駆動パルスの位相を基に、サブフレーム単位で密度か
可変の駆動信号を生成する。

第４図に駆動信号生成回路１７て作成される駆動信号の
例を示す。ｍ番目のサブフレームにおけ（Ｉｌｌ）る駆動パルスのゲインをＧ　　、駆動パルスの正規化さ
れた振幅をｇ、（ｌＩｌ）、パルス数をＱ　、バｌ　　
　　　　　　　　　　　　　　　　　　　　　　　　　
Ｉｍｍスス隔をＤ　、パルスの位相をＫ　１サブフレｌ
１１ｉ） −ムの長さをＬとおくと、駆動信号ｅ　　　　（ｎ）は
次式で記述できる。

（（ｎ　　−（ｉ　　−１）　　Ｄ　　　−Ｋ　　　］
　　（１３）ｍ　　　　　　　　ｍｎ　−１２・・・　　Ｌｌ　≦　Ｋ　　　≦　Ｄｍ　　　　　　　ｍなお、位相Ｋ　はサブフレームにおけるパルスの先頭位
置である。また、　　（ｎ）はクロネッ力のデルタ関数
である。

駆動信号生成回路１７て生成された駆動信号は合成フィ
ルター８に入力され、合成信号か出力される。合成フィ
ルター８は、予測フィルター４と追フィルタの関係にあ
る。減算回路１９の出力である入力音声信号と合成信号
との誤差は、聴感重みフィルタ２０によりそのスペクト
ルか変形された後、２乗誤差：ｉ幹回路２１へ入力され
る。聴感重みフィルタ２０は、伝達関数がＡ　　（ｚ／　γ）（Ｏ≦　γ　≦　１　）で表わされるフィルタで、従来例における重み付はフィ
ルタと同様に聴感のマスキング効果を利用するためのも
のであり、文献２に詳述されているので説明は省略する
。

２乗誤差計算回路２１は、聴感重み付けされた誤差信号
の２乗和をコードブック２４に蓄積されたコードベクト
ル毎に、および位相探索回路２２から出力される駆動パ
ルスの位相毎に計算し、計算結果を位相探索回路２２と
振幅探索回路２３へ出力する。振幅探索回路２３は、位
相探索回路２２から出力される駆動パルスの位相１個毎
に、誤差信号の２乗和を最小とするコードワードのイン
デックスをコードブック２４から探索し、２乗和の最小
値を位相探索回路２２へ出力すると共に、２東和を最小
とするコードワードのインデックスを保持する。位相探
索回路２２は、選択された苓度パターンの情報を入力と
し、駆動パルス列の位相ＫＩ１１を１≦Ｋｔｎ　５Ｄａ
の範囲で変化させ、その値を駆動信号生成回路１７に与
え、ＤＩ子の位相に対してそれぞれ決まる誤差信号の２
乗和の最小値を振幅探索回路２３から受け、そのＤ１１
子の最小値の中で最も小さい２乗和に対応する位相をマ
ルチプレクサ２５に出力すると同時に、振幅探索回路２
３にその位相を知らせ、さらに誤差信号のろ乗和の最小
値を出力端子３１へ出力する。振幅探索回路２３では、
その位相に対応するコートワードのインデックスをマル
チプレクサ２５に出力する。

マルチプレクサ２５は予測パラメータ、密度パターン、
ゲイン、駆動パルスの位相および振幅の符号を多重化し
、出力端子２６を介して伝送路へ出力する。なお、減算
回路１９の出力をｅ感電みフィルタ２０を介さずに直接
２乗誤差計算回路２１へ入力してもよい。

次にＢモード符号化器の構成について説明する。

第５図は、Ｂモード符号化器の一構成例を示すブロック
図である。第５図において、第１図と同一の番号が付さ
れたブロックは、第２図のブロックと同じ機能をもつ。

入力端子４０はＡモード符号器の予測パラメータを入力
する端子であり、人力された予測パラメータはスイッチ
回路４２と減算回路４４へ出力される。スイッチ回路４
２は入力端子４１から入力されるモード選択信号をもと
にスイッチを開閉する。具体的にはモード選択信号かＡ
のとき閉、Ｂのとき開とする。モード選択信号について
は後述する。メモリ回路４３は、予測パラメータを１フ
レ一ム分、蓄積し、蓄積中の予測パラメータを減算回路
４４へ出力する。減算回路４４では、Ａモードが選択さ
れたフレームの予測パラメータと現フレームの予測パラ
メータの差分を計算し、差分値を？１号化回路４５へ出
力する。符号化回路４５は、第２図の符号化回路と同一
の機能をもつ。

以上説明したように、Ａモード符号化器とＢモト符号化
器は、予測パラメータの符号化器を除いて同じ構成を有
する。但し符号化パラメータのビット配分が異なる。予
測パラメータの符号化法は、Ａモードでは現フレームの
パラメータを直接符号化するのに対し、Ｂモードでは予
測パラメータのフレーム間の差分値を符号化している。

ＡモードとＢモードの符号化器の符号化パラメータとそ
のビット配分を表１に示す。

表１表１から分かるように、Ａモードでは声道パラメータに
割り当てるビット数を駆動信号に割り当てるビット数よ
り多くし、Ｂモードでは逆に駆動信号に割り当てるビッ
ト数を多くしている。また、ＡモードとＢモードでは、
駆動信号であるパルス列のパラメータの値が異っている
。

第１図に戻って、符号化装置全体の説明を行う。

Ａモード符号化器２と、Ｂモード符号化器３は、人力し
た信号系列に対して、フレーム単位で符号化データをス
イッチ回路５へ出力すると共に、誤差信号の２乗和の最
小値を各々、モード選択器４へ出力する。モード選択器
４は、入力したＡモード符号化器とＢモード符号化器の
誤差信号の２乗和の最小値を比較し、小さい法のモード
を選択し、その結果（Ａ／Ｂ）をスイッチ回路５とマル
チプレクサ６、Ｂモード符号化器３へ出力する。スイッ
チ回路５は、モート選択器の出力かへのときはＡモード
符号化器の出力をマルチプレクサ６へ出力し、Ｂのとき
はＢモート符号化器の出力をマルチプレクサ６へ出力す
る。マルチプレクサ６は、５から出力される符号化デー
タとモード選択情報を多重化し、出力端子７へ出力する
。

このように、本発明によれば、入力音声信号の性質の変
化に適応して、声道パラメータと駆動信号パラメータの
ビット配分がフレーム単位で変化すると共に、駆動信号
のパラメータのピント配分がフレームより短いサブフレ
ーム単位で変化するので、入力信号の性質が早く変化す
る場合に対しても適応することができ合成音声の品質を
向上させることかできる。

なお、ここで説明した実施例は本発明の一実施例であり
様々な変形が可能である。

［発明の効果］本発明によれば、声道パラメータと駆動信号パラメータ
のピント配分をフレーム単位で換えると共に、駆動信号
を構成する駆動パルスの間隔を重要なしようはうまたは
多くの情報が含まれるサブフレームでは密に、そうでな
いサブフレームでは疎くというようにサブフレーム単位
で換えることにより、例えば８Ｋｂｐｓ以下というよう
な低ビツトレートの場合でも、品質の高い合成音声を再
生することができる。

【図面の簡単な説明】

第１図は、本発明の一実施例に係る符号化装置の構成を
示すブロック図、第２図は、第１図に記載のＡモード符
号化器の一構成例を示すブロック図、第３図は、第２図
における予測フィルタの一構成例を示すブロック図、第
４図は、同実施例で生成される駆動信号の一例を示す図
、第５図は、第１図におけるＢモード符号化器の一構成
例を示すブロック図、第６図及び第７図は、従来技術に
よる符号器の構成を示すブロック図である。１・・・入力端子、　２・・・Ａモード符号化器、３・
・・Ｂモード符号化器、　　４・・・モード選択器、５
・・・スイッチ回路、　　６・・・マルチプレクサ、７
・・出力端子、　　１２・・・予測パラメータ計算回路
、１３・・・符号化回路、１４・予測フィルタ、１５・
・・密度パターン選択回路、１６・・・符号化回路、１
７・・・駆動信号生成回路、１８・・・ゲイン計算回路
、１９・・・減算回路、２０・・・ｅ感電みフィルタ、
２１・・・２乗誤差計算回路、２２・・・位相探索回路
、２３・・・振幅探索回路、２４・・・コードブック、
２５・・・マルチプレクサ、４１・・・弔辞感予測フィ
ルタ、４２・・・短時間予測フィルタ、５２・・スイッ
チ回路、５３・・・メモリ、５４・・・減算回路、５５
・・・符号化回路、５１０，５２０．５３０・・・符号
化器、５４０・・・セレクター５５０・・・評価器、５
６０・・・復号器、ｌＯＯ・・ＬＰＣ分析器、１１０．
１３０・・・短時間合成フィルタ、１５０．１６０・・
・弔辞感合成フィルタ、２３０・・・モート決定部、】
２０゜１４０・・・聴感重みフィルタ、２１０，２２０
・・・誤差最小化回路、１７０．１８０・・・フードブ
ック、１９０，２００・・乗算回路

Claims

【特許請求の範囲】

（１）駆動信号パラメータとスペクトルパラメータのビ
ット割りあてが異なる複数個の符号化器を備え、各符号
化器の合成音声信号と入力音声信号に基づき符号化器を
選択する音声符号化方式において、上記複数個の符号化
器のうち少なくとも１つの符号化器が、駆動信号のフレ
ームを複数の等長又は不等長のサブフレームに分割し、
駆動パルスの間隔がサブフレーム単位で異なる等間隔の
駆動パルス列となるよう設定する手段と、パルス列の振
幅又は駆動パルス列の振幅と位相の情報を予め格納する
記憶手段と、この手段の情報を基に前記駆動信号を生成
する手段と、この手段による駆動信号により駆動される
合成フィルタと、この合成フィルタから合成信号と入力
信号との誤差信号のパワーが最小になるように前記記憶
手段の情報を選択し、符号化することを特徴とする音声
符号化方式。
（２）請求項１記載の音声符号化方式に於て駆動信号の
フレームを複数の等長又は不等長のサブフレームに分割
し、駆動パルスの間隔がサブフレーム単位で異なる等間
隔の駆動パルス列となるよう設定する手段と、パルス列
の振幅又は駆動パルス列の振幅と位相の情報を予め格納
する記憶手段と、この手段の情報を基に前記駆動信号を
生成する手段と、この手段による駆動信号により駆動さ
れる合成フィルタと、この合成フィルタからの合成信号
と入力信号との聴感重み付誤差信号のパワーが最小にな
るように、前記記憶手段の情報を選択し、符号化するこ
とを特徴とする音声符号化方式。