JPH05265487A

JPH05265487A - 高能率符号化方法

Info

Publication number: JPH05265487A
Application number: JP4091422A
Authority: JP
Inventors: Masayuki Nishiguchi; 正之西口; Atsushi Matsumoto; 淳松本; Shinobu Ono; 忍小野
Original assignee: Sony Corp
Current assignee: Sony Corp
Priority date: 1992-03-18
Filing date: 1992-03-18
Publication date: 1993-10-15
Anticipated expiration: 2016-12-10
Also published as: JP3237178B2

Abstract

(57)【要約】【構成】入力された音声信号を周波数変換処理部１２
で周波数軸上データに変換し、非線形圧縮部１３でｄＢ
領域に変換して、ベクトル量子化部１５で階層化ベクト
ル量子化を施す。ベクトル量子化部１５は、入力Ｍ次元
ベクトルをＳ次元ベクトル（Ｓ＜Ｍ）に次元低減し、Ｓ
次元ベクトル量子化器２２でベクトル量子化した後、Ｍ
次元ベクトルに拡張して元の入力Ｍ次元ベクトルとの差
をとり、これをＳ個の低次元ベクトルに分割してＳ個の
ベクトル量子化器２５₁〜２５_Sでそれぞれベクトル量
子化する。【効果】コードブックサーチの演算量を低減し、コー
ドブックのメモリ容量を低減することができる。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、入力された音声信号や
音響信号等のオーディオ信号をフレーム単位で区分して
周波数軸上のデータに変換して符号化を施すような高能
率符号化方法に関する。

【０００２】

【従来の技術】オーディオ信号（音声信号や音響信号を
含む）の時間領域や周波数領域における統計的性質と人
間の聴感上の特性を利用して信号圧縮を行うような符号
化方法が種々知られている。この符号化方法としては、
大別して時間領域での符号化、周波数領域での符号化、
分析合成符号化等が挙げられる。

【０００３】音声信号等の高能率符号化の例として、Ｍ
ＢＥ（Multiband Excitation: マルチバンド励起）符号
化、ＳＢＥ（Singleband Excitation:シングルバンド励
起）符号化、ハーモニック（Harmonic）符号化、ＳＢＣ
（Sub-band Coding:帯域分割符号化）、ＬＰＣ（Linear
Predictive Coding: 線形予測符号化）、あるいはＤＣ
Ｔ（離散コサイン変換）、ＭＤＣＴ（モデファイドＤＣ
Ｔ）、ＦＦＴ（高速フーリエ変換）等において、スペク
トル振幅やそのパラメータ（ＬＳＰパラメータ、αパラ
メータ、ｋパラメータ等）のような各種情報データを量
子化する場合に、従来においてはスカラ量子化を行うこ
とが多い。

【０００４】

【発明が解決しようとする課題】ところで、ビットレー
トを例えば３〜４ｋbps 程度にまで低減し、量子化効率
を更に向上させようとすると、スカラ量子化では量子化
雑音（歪み）が大きくなってしまい、実用化が困難であ
った。

【０００５】そこで、ベクトル量子化を採用することが
考えられる。しかしながら、ベクトル量子化の出力（イ
ンデックス）のビット数をｂとするとき、ベクトル量子
化器のコードブックの大きさ（サイズ）は２^bに比例し
て増大し、コードブックサーチのための演算量も２^bに
比例して増大する。しかしながら、出力のビット数ｂを
あまり小さくすると量子化雑音が増大することになるた
め、ビット数ｂをある程度の大きさに保ったままで、コ
ードブックのサイズやサーチ時の演算量を低減すること
が望まれる。また、周波数軸上に変換されたデータをそ
のままベクトル量子化したのでは、符号化効率を充分に
高められないことがあるため、より圧縮率を高めるため
の工夫が必要とされる。

【０００６】本発明は、このような実情に鑑みてなされ
たものであり、ベクトル量子化の出力ビット数を低下さ
せることなく、ベクトル量子化器のコードブックのサイ
ズやサーチ時の演算量を低減でき、また、ベクトル量子
化の際の圧縮率をより高め得るような高能率符号化方法
の提供を目的とする。

【０００７】

【課題を解決するための手段】本発明に係る高能率符号
化方法は、入力されたオーディオ信号をブロック単位で
区分して周波数軸に変換して得られるデータに基づいて
Ｍ次元ベクトルとしての周波数軸上データを求める工程
と、このＭ次元ベクトルの周波数軸上データを複数グル
ープに分割して各グループ毎に代表値を求めることによ
り次元をＳ次元（Ｓ＜Ｍ）に低下させる工程と、このＳ
次元ベクトルのデータに対して第１のベクトル量子化を
施す工程と、この第１のベクトル量子化出力データを逆
量子化して対応するＳ次元のコードベクトルを求める工
程と、このＳ次元のコードベクトルを元のＭ次元のベク
トルに拡張する工程と、この拡張されたＭ次元のベクト
ルと元の上記Ｍ次元ベクトルの周波数軸上データとの関
係を表すデータに対して第２のベクトル量子化を施す工
程とを有することにより上述の課題を解決する。

【０００８】ここで、上記Ｍ次元ベクトルの周波数軸上
データとして、上記ブロック単位で周波数軸に変換した
データを非線形圧縮したものを用いることができる。

【０００９】他の発明に係る高能率符号化方法として、
入力されたオーディオ信号をブロック単位で区分して周
波数軸に変換して得られるデータを非線形圧縮してＭ次
元ベクトルとしての周波数軸上データを求める工程と、
このＭ次元ベクトルの周波数軸上データに対してベクト
ル量子化を施す工程とを有することにより、上述の課題
を解決することができる。

【００１０】これらの発明において、上記ベクトル量子
化しようとするデータのブロック間の差分をとり、この
ブロック間差分データに対してベクトル量子化を施すよ
うにしてもよい。

【００１１】さらに他の発明に係る高能率符号化方法と
して、入力されたオーディオ信号をブロック単位で区分
して周波数軸に変換して得られるデータのブロック間差
分をとりＭ次元ベクトルとしてのブロック間差分データ
を求める工程と、このＭ次元ベクトルのブロック間差分
データに対してベクトル量子化を施す工程とを有するこ
とにより、上述の課題を解決することができる。

【００１２】またさらに他の発明に係る高能率符号化方
法として、入力された音声信号をブロック単位で区分し
て周波数軸に変換して得られるスペクトルの振幅をｄＢ
領域に変換してＭ次元ベクトルとしての周波数軸上デー
タを求める工程と、このＭ次元ベクトルの周波数軸上デ
ータを複数グループに分割して各グループ毎に平均値を
求めることにより次元をＳ次元（Ｓ＜Ｍ）に低下させる
工程と、このＳ次元ベクトルの平均値データに対して第
１のベクトル量子化を施す工程と、この第１のベクトル
量子化出力データを逆量子化して対応するＳ次元のコー
ドベクトルを求める工程と、このＳ次元のコードベクト
ルを元のＭ次元のベクトルに拡張する工程と、この拡張
されたＭ次元のベクトルと元の上記Ｍ次元ベクトルの周
波数軸上データとの差のデータに対して第２のベクトル
量子化を施す工程とを有することにより、上述の課題を
解決することができる。

【００１３】

【作用】Ｍ次元ベクトルを、Ｓ次元（Ｓ＜Ｍ）ベクトル
に次元低下させてベクトル量子化するような、階層構造
化されたコードブックを有するベクトル量子化を行わせ
ることにより、コードブックサーチの演算量やコードブ
ックサイズを大幅に低減でき、誤り訂正符号の効果的な
適用が可能となる。また、周波数軸上データを非線形圧
縮してベクトル量子化することにより、量子化の品質を
向上でき、ブロック間の差分をとることにより、圧縮効
率をより高めることができる。

【００１４】

【実施例】以下、本発明に係る高能率符号化方法の実施
例について、図面を参照しながら説明する。図１は本発
明の一実施例となる高能率符号化方法を説明するための
符号化装置（エンコーダ）の概略構成を示している。

【００１５】図１において、入力端子１１には、音声信
号あるいは音響信号が供給され、この入力信号は、周波
数軸変換処理部１２にて周波数軸上のスペクトル振幅デ
ータに変換される。この周波数軸変換処理部１２の内部
には、例えば入力された時間軸上の信号の所定数のサン
プル（Ｎサンプル）毎にブロック化するブロック化部１
２ａ、ＦＦＴ（高速フーリエ変換）等の直交変換部１２
ｂ、スペクトルエンベロープの特徴を表す振幅情報を求
めるためのデータ処理部１２ｃ等が設けられている。周
波数軸変換処理部１２からの出力は、必要に応じて例え
ばｄＢ領域に変換する非線形圧縮部１３を介し、必要に
応じてブロック間の差分をとる処理部１４を介してベク
トル量子化部１５に送られる。このベクトル量子化部１
５では、入力データの所定数（Ｍサンプル）がまとめら
れてＭ次元とベクトルとされ、ベクトル量子化処理が施
される。このようなＭ次元ベクトル量子化処理は、一般
的には、入力された次元ベクトルに対してＭ次元空間上
で最も距離が近いコードベクトルがコードブックから検
索（サーチ）されて、該検索されたコードベクトルのイ
ンデックスを出力端子１６から取り出すような処理であ
るが、この図１に示す実施例のベクトル量子化部１５は
階層構造化されており、入力ベクトルに対して２段階の
ベクトル量子化が施されるようになっている。

【００１６】すなわち、図１に示すベクトル量子化器１
５において、ベクトル量子化の単位となる上記Ｍ次元ベ
クトルのデータ（周波数軸上データ）は、次元低減部２
１に送られることにより、複数グループに分割され各グ
ループ毎に代表値を求めることにより次元がＳ次元（Ｓ
＜Ｍ）に低下させられる。ここで図２は、ベクトル量子
化器１５に入力されるＭ次元ベクトルＸの各要素、す
なわち周波数軸上のＭ個の振幅データｘ(n) の一具体例
を示しており、１≦ｎ≦Ｍである。これらのＭ個の振幅
データｘ(n) は、例えば４サンプル毎にまとめられてそ
れぞれの代表値、例えば平均値ｙ_iが求められ、図３に
示すように、平均値データｙ₁〜ｙ_SのＳ個（この場合
はＳ＝Ｍ／４）から成るＳ次元ベクトルＹが得られ
る。

【００１７】次に、このＳ次元ベクトルのデータに対し
てＳ次元ベクトル量子化器２２によりベクトル量子化が
施される。すなわち、Ｓ次元ベクトル量子化器２２のコ
ードブック中のＳ次元コードベクトルの内、入力された
Ｓ次元ベクトルにＳ次元空間上で最も距離が近いコード
ベクトルがサーチされ、このサーチされたコードベクト
ルのインデックスデータは出力端子２６より取り出さ
れ、サーチされたコードベクトル（出力インデックスを
逆ベクトル量子化して得られるコードベクトル）は次元
拡張部２３に送られる。図４は、上記図３に示すＳ個の
平均値データｙ₁〜ｙ_Sから成るＳ次元ベクトルＹを
ベクトル量子化した後、逆量子化して（あるいはベクト
ル量子化器２２のコードブックで上記量子化の際にサー
チされたコードベクトルを取り出して）得られたローカ
ルデコーダ出力としてのＳ次元ベクトルＹ_VQの各要素
ｙ_VQ1〜ｙ_VQSを示している。

【００１８】次に次元拡張部２３では、上記Ｓ次元のコ
ードベクトルを元のＭ次元のベクトルに拡張する。この
拡張されたＭ次元ベクトルの各要素の例を図５に示す。
この図５から明らかなように、上記逆ベクトル量子化さ
れたＳ次元ベクトルＹ_VQの各要素ｙ_VQ1〜ｙ_VQSをそ
れぞれ元の４サンプルずつに増加させることにより、４
Ｓ＝Ｍ個の要素から成るＭ次元ベクトルを得るわけであ
る。この拡張されたＭ次元のベクトルと元の上記Ｍ次元
ベクトルの周波数軸上データとの関係を表すデータに対
して第２のベクトル量子化を施す。

【００１９】図１の実施例では、次元拡張部２３からの
拡張されたＭ次元ベクトルデータを減算器２４に送り、
元の上記Ｍ次元ベクトルの周波数軸上データから減算す
ることにより、上記Ｓ次元を拡張したＭ次元ベクトルと
元のＭ次元ベクトルとの関係を表すＳ個のベクトルデー
タを得ている。図６は、上記図２に示すＭ次元ベクトル
Ｘの各要素である周波数軸上のＭ個の振幅データｘ
(n) から、図５に示す拡張Ｍ次元ベクトルの各要素を減
算して得られたＭ個のデータｒ₁〜ｒ_Mを示しており、
これらのＭ個のデータｒ₁〜ｒ_Mの４サンプルずつを組
（ベクトル）としてＳ個の４次元ベクトルＲ₁〜Ｒ
_Sが得られる。

【００２０】このようにして減算器２４から得られたＳ
個のベクトルのそれぞれに対して、ベクトル量子化器群
２５のＳ個の各ベクトル量子化器２５₁〜２５_Sにより
それぞれベクトル量子化を施す。各ベクトル量子化器２
５₁〜２５_Sから出力されるインデックスは、それぞれ
出力端子２７₁〜２７_Sから取り出される。図７は、ベ
クトル量子化器２５₁〜２５_Sとしてそれぞれ４次元ベ
クトル量子化器を用い、上記図６に示す各４次元ベクト
ルＲ₁〜Ｒ_Sをそれぞれベクトル量子化した後の各
４次元ベクトルＲ_VQ1〜Ｒ_VQSの各要素ｒ_VQ1〜ｒ
_VQ4、ｒ_VQ5〜ｒ_VQ8、…〜ｒ_VQMを示している。

【００２１】このような階層構造化された２段階のベク
トル量子化を施すことにより、コードブックサーチのた
めの演算量を低減でき、コードブックのためのメモリ量
（例えばＲＯＭ容量）を低減でき、また上記出力端子２
６から得られる上位層のより重要なインデックスに対し
て誤り訂正符号化を施して重点的に保護するようにする
こと等により、誤り訂正符号の効果的な適用が可能とな
る。なお、ベクトル量子化部１５の階層構造は、２段階
に限定されず、３段階以上の多層の階層構造を持たせる
ようにしてもよい。

【００２２】なお、図１の各部は、全てをハードウェア
にて構成する必要はなく、例えばいわゆるＤＳＰ（ディ
ジタル信号プロセッサ）等を用いてソフトウェア的に実
現するようにしてもよい。また、ベクトル量子化部１５
中の加算器２８は、第１、第２のベクトル量子化器２
２、２５によりそれぞれ量子化されたデータの各要素を
加算してＭ個の量子化データを得るためのものであり、
次元拡張部２３からのＭ次元に拡張されたＭ個の各デー
タと、各ベクトル量子化器２５₁〜２５_SからのＳ個の
各コードベクトルの各要素データのＭ個とをそれぞれ加
算し、Ｍ個のデータを出力端子２９から取り出してい
る。この加算器２８は、後述するブロック間差分（ある
いはフレーム間差分）をとるために用いられるものであ
り、このようなブロック間差分をとらない場合には、無
くともよい。

【００２３】次に、図８は、本発明の第２の実施例とし
ての高能率符号化方法を説明するための符号化装置（エ
ンコーダ）の概略構成を示している。この図８におい
て、入力端子１１に供給された音声信号あるいは音響信
号等のオーディオ信号を、周波数軸変換処理部１２にて
Ｎサンプルのブロック単位で区分して周波数軸に変換
し、得られたデータを非線形圧縮部１３に送って、例え
ばｄＢ領域データに変換するような非線形圧縮を行い、
得られた非線形圧縮データのＭ個をまとめてＭ次元ベク
トルとして、ベクトル量子化部１５にてベクトル量子化
を施し、出力端子１６から取り出している。ベクトル量
子化部１５は、上記図１に示したような２段階の階層構
造を有していてもよく、３段階以上の階層構造を有して
いてもよく、あるいは階層構造を有しない通常の（１段
の）ベクトル量子化を行うものでもよい。上記非線形圧
縮部１３は、ｄＢ領域データに変換するような log圧縮
（対数圧縮）の他に、例えばいわゆるμ-lawやＡ-lawの
ような疑似対数圧縮等を用いてもよい。このように、振
幅を対数変換して圧縮し、その結果を線形に符号化する
ことによって、能率的な符号化が実現される。

【００２４】次に、図９は、本発明の第３の実施例とし
ての高能率符号化方法を説明するための符号化装置（エ
ンコーダ）の概略構成を示している。この図９におい
て、入力端子に供給されたオーディオ信号を、周波数軸
変換処理部１２にてブロック単位で区分して周波数軸に
変換し、得られたデータを、必要に応じて非線形圧縮部
１３を介して、ブロック間差分をとるための処理部１４
に送っている。なお、上記Ｎサンプルのブロックが、隣
りのブロックとの間で重複部分を有し、時間軸方向にＬ
サンプル（Ｌ＜Ｎ）のフレーム単位で進むようなフォー
マットの場合には、処理部１２ではフレーム間差分をと
ることになる。このブロック間（あるいはフレーム間）
差分をとったＭ個のデータが、Ｍ次元ベクトル量子化部
１５に送られ、量子化されたインデックスデータが出力
端子１６より取り出される。このベクトル量子化部１５
は、多層構造を有していても、有していなくてもよい。

【００２５】上記ブロック間（あるいはフレーム間）差
分をとる処理部１４は、入力データを１ブロック（ある
いは１フレーム）だけ遅延させて元の入力データとの差
分をとるようにしてもよいが、図９の例では、ベクトル
量子化部１５の入力側に減算器３１を挿入接続し、Ｍ次
元ベクトル量子化部１５からのコードベクトル（Ｍ個の
要素データから成る）を１ブロック（あるいは１フレー
ム）遅延したものを、入力データ（Ｍ次元ベクトル）か
ら減算している。この場合、ベクトル量子化されるデー
タの差分データであるから、ベクトル量子化部１５から
のコードベクトルを加算器３２に送り、この加算器３２
からの出力をブロック（あるいはフレーム）遅延回路３
３を介して乗算器３４で係数αを乗算したものを、加算
器３２に送るようにしている。この乗算器３４からの出
力が減算器３１に送られる。なお、Ｍ次元ベクトル量子
化部１５に上記図１の２段の階層構造のものを用いる場
合には、出力端子２９からのデータがベクトル量子化の
Ｍ次元のコードベクトルとして加算器３２に送られるこ
とになる。

【００２６】このように、ブロック（フレーム）間差分
をとることにより、入力される周波数軸上の振幅データ
のＭ次元空間での存在領域をより狭くすることができ
る。これは、ブロック（フレーム）インターバルの間で
は、スペクトルの振幅の変化量が通常少なく、強い相関
を有しているからである。従って、量子化雑音を低減で
き、データ圧縮効率をより高めることができる。

【００２７】次に、上記周波数軸変換処理部１２により
得られた周波数軸上のデータを、非線形圧縮部１３によ
りスペクトルの振幅をｄＢ領域に変換し、図９に示すよ
うなブロック間（フレーム間）差分を求めた後、図１に
示すような多層構造のベクトル量子化部１５によるＭ次
元ベクトル量子化を施す場合の具体的な実施例につい
て、以下詳細に説明する。なお、周波数軸変換処理部１
２では種々の符号化方式の処理を採用できるが、例え
ば、後述するようなＭＢＥ（Multiband Excitation: マ
ルチバンド励起）分析処理を用いることができる。この
周波数軸変換処理部１２でのブロック化の際には、Ｎサ
ンプルのブロックを時間軸上でＬサンプルのフレーム単
位で前進させるものとする。このとき、分析は１ブロッ
クＮサンプルに対して行われるが、分析結果は１フレー
ムＬサンプル周期で得られる（更新される）ことにな
る。

【００２８】先ず、上記周波数軸変換処理部１２から得
られた例えばＭＢＥ分析結果のスペクトル振幅等のデー
タの値（振幅値）をａ(m) とし、上記１フレーム毎に０
≦ｍ≦ｍ_MXのｍ_MX＋１個のサンプルが得られるものとす
る。

【００２９】このｍ_MX＋１個のサンプルの振幅値ａ(m)
をｄＢ領域に変換して、得られたデータをａ_dB(m) とす
るとき、ａ_dB(m) ＝２０ log₁₀ａ(m) ・・・（１）である。ここで上記ＭＢＥ分析等においては、上記サン
プルの個数ｍ_MX＋１はピッチ周期に依存してフレーム毎
に変化する。そこで、フレーム間差分、ベクトル量子化
のためには、１フレーム（ブロック）内に存在するｄＢ
振幅値ａ_dB(m) の個数を一定とするのが望ましい。そこ
で、サンプリングレート変換（データ数変換）により、
ｍ_MX＋１個のｄＢ振幅値ａ_dB(m) を一定の個数Ｍのデー
タｂ_dB(n)に変換する。このサンプルナンバーｎは、１
フレーム（ブロック）毎に１≦ｎ≦Ｍの値をとるものと
し、ｍ＝０のｄＢ振幅値ａ_dB(0) に対応するｎ＝０のデ
ータｂ_dB(0) はＤＣ（直流）成分に対応する振幅なの
で、伝送しない（常時０とする）。

【００３０】上述のようにｄＢ領域に変換後、フレーム
間差分をとることにより、より上記データｂ_dB(n) の存
在領域を狭くすることが可能となる。すなわち、フレー
ムインターバル（例えば約２０ｍsec ）の間にスペクト
ルの振幅が大きく変化することはまれで、かなり強い相
関を持っているからである。すなわち、ｃ_dB(n) ＝ｂ_dB(n) −ｂ’_dB(n) ・・・（２）のように差分をとった値ｃ_dB(n) に対して、ベクトル量
子化を施す。ここで、上記ｂ’_dB(n) は、ｂ_dB(n) の予
測値であり、上記図９に示したように、ベクトル量子化
部１５からの逆量子化出力（ローカルデコーダ出力、上
記コードベクトルに相当）ｂ”_dB(n) を遅延回路３３で
１フレーム遅延させた出力ｂ”_dB(n)p を乗算器３４で
α倍した、ｂ’_dB(n) ＝α・ｂ”_dB(n)p ・・・（３）のことである。ここで、ｂ”_dB(n)p のｐは１フレーム
前を表す。

【００３１】このように、フレーム間の振幅の差分をと
ると、より量子化雑音を低減できる反面、符号誤りに弱
くなる。これは、あるフレームでのエラーが、次フレー
ム、次々フレーム・・・へと伝播するからである。そこ
で、一般には、α＝０．７〜０．８程度の設定とし、い
わゆるリーキー差分をとるようにしている。それでもな
お符号誤りに対して強くしたい場合にはαを小さくし、
さらには、α＝０として（すなわちフレーム間の差分を
とらずに）次の処理工程に移行させるようにしてもよ
い。これは、システム全体のパフォーマンスのバランス
を考えて判断することが必要とされる。

【００３２】次に、上記フレーム間差分データｃ_dB(n)
の量子化、すなわち配列ｃ_dB(n) をＭ個の要素を持つＭ
次元ベクトルとしてベクトル量子化する例について述べ
る。差分をとらなかった場合も、α＝０と考えれば、ｃ
_dB(n) に含めて扱える。このようなＭ次元ベクトル量子
化しようとするＭ個のデータをｘ(n) と置き換える。本
実施例の場合には、ｘ(n) ≡ｃ_dB(n) 、１≦ｎ≦Ｍであ
る。このようなＭ次元ベクトル量子化出力のインデック
スのビット数をｂとするとき、Ｍ次元×２^b個のコード
ベクトルを持つコードブックを直接的にサーチするスト
レートなベクトル量子化も論理的には可能であるが、ベ
クトル量子化の際のコードブックサーチは、Ｍ・２^bに
比例して演算量が増大し、テーブルのＲＯＭサイズに関
しても同様である。そこで、構造化されたコードブック
を有するベクトル量子化の使用がより現実的な方法とな
る。本実施例では、Ｍ次元ベクトルを複数個の低次元ベ
クトルに分割し、各々のベクトルの平均値を算出し、そ
の平均値からなるベクトル（上位層）と、平均値を除去
したベクトル群（下位層）とに分け、各々ベクトル量子
化を行うようにしている。

【００３３】先ず、上記差分データｃ_dB(n) のようなＭ
個のデータｘ(n) を、Ｓ個のベクトルに分割する。

【００３４】

【数１】この（４）式中で、Ｘ_1,Ｘ_2,…_,Ｘ_Sはそれぞれ
ｄ_1,ｄ_2,…_,ｄ_S次元のベクトルを表し、ｄ₁＋ｄ₂＋
…＋ｄ_S＝Ｍである。またｔはベクトルの転置を示す。
前述した図２の具体例は、各ベクトルＸ_1,Ｘ_2,…_,
Ｘ_Sの次元を全て４としたもの（ｄ₁＝ｄ₂＝…＝ｄ
_S＝４）に相当する。

【００３５】上記Ｓ個のベクトルＸ_1,Ｘ_2,…_,Ｘ
_Sのそれぞれの要素の平均値をｙ_1,ｙ_2,…_,ｙ_Sとする
と、ｙ_i（１≦ｉ≦Ｓ）は、

【００３６】

【数２】と表せる。これらの平均値を要素とするＳ次元の平均値
ベクトルＹを、Ｙ＝（ｙ₁，ｙ₂，…，ｙ_S）・・・（６）と定義する。これは、前記図３に相当する。先ずこのＳ
次元ベクトルＹをベクトル量子化する。ベクトルＹ
のベクトル量子化には、ストレートベクトル量子化、シ
ェイプ−ゲインベクトル量子化等の方法が考えられる
が、本実施例では、シェイプ−ゲインベクトル量子化を
使う。このシェイプ−ゲインベクトル量子化は、M. J.
Sabin, R. M. Gray, "Product Code Vector Quantizer
for Waveformand Voice Coding", IEEE Trans. on ASS
P, vol. ASSP-32, No.3, June 1984等に述べられてい
る。

【００３７】Ｓ次元ベクトルＹをベクトル量子化した
結果（Ｓ次元ベクトル）をＹ_VQとする。この量子化後
のＳ次元ベクトルＹ_VQを、Ｙ_VQ＝（ｙ_VQ1，ｙ_VQ2，…，ｙ_VQS）・・・（７）と表す。このＹ_VQは、元の配列ｘ(n) （≡ｃ_dB(n) 、
１≦ｎ≦Ｍ）の概略形状あるいは特徴量とみなせる。よ
って、伝送路エラーに対しては、比較的強く保護してや
る必要がある。

【００３８】次に、このＳ次元ベクトルＹ_VQを基に元
のＭ次元ベクトルの入力配列ｘ(n)（≡ｃ_dB(n) ）を何
らかの方法で推定（次元拡張）する。その推定値と、元
の入力配列との誤差分を、次段のベクトル量子化の入力
信号とする。推定方法の例としては、非線形補間（例え
ば、A. Gersho, "Optimal Nonlinear InterpolativeVec
tor Quantization", IEEE Trans. on comm., vol.38, N
o.9, Sep. 1990 等参照）、スプライン補間、多項式補
間、直線補間（１次補間）、０次ホールド等が考えられ
る。ここで優れた補間を行うと、次段のベクトル量子化
への入力ベクトルの存在領域を狭くすることになり、結
果として、より低歪での量子化が可能となる。本実施例
では、最もシンプルな０次ホールドの例（図５参照）を
採用している。

【００３９】ここで、Ｓ個のベクトルに対応する平均値
除去ベクトル（量子化済み平均値を除去した残差ベクト
ル）をＲ_1,Ｒ_2,…_,Ｒ_Sと表すと、これらのベク
トルＲ_1,Ｒ_2,…_,Ｒ_Sは、

【００４０】

【数３】で求まる。この（８）式中のベクトルＩ_i（１≦ｉ≦
Ｓ）は、上記ｄ_i次元で全ての要素が１の単位列ベクト
ルである。この具体例が上記図６に相当する。

【００４１】これらの各残差ベクトルＲ_1,Ｒ_2,…_,
Ｒ_Sを、各々別々のコードブックを使用してベクトル
量子化する。ここでのベクトル量子化はストレートベク
トル量子化を用いるが、他の構造化されたベクトル量子
化でも勿論可能である。すなわち、各残差ベクトルＲ
_1,Ｒ_2,…_,Ｒ_Sを要素で表した

【００４２】

【数４】に対し、ベクトル量子化後のデータを、Ｒ_VQ1,Ｒ
_VQ2,…_,Ｒ_VQS、一般にＲ_VQiで記す。

【００４３】

【数５】

【００４４】これは、残差ベクトルＲ_iに対し、量子
化の誤差ベクトルε_iが付加されたものとみることが
できる。すなわち、Ｒ_VQi＝Ｒ_i＋ε_i ・・・（11）つまり、

【００４５】

【数６】この量子化後の各残差ベクトルＲ_VQ1,Ｒ_VQ2,…_,
Ｒ_VQSの各要素の具体例が上記図７に相当する。

【００４６】エンコーダ側で伝送すべきインデックス出
力は、上記Ｙ_VQを表す１つのインデックスと、上記Ｓ
個の残差ベクトルＲ_VQ1,Ｒ_VQ2,…_,Ｒ_VQSを表す
Ｓ個のインデクスとなる。なお、シェイプ−ゲインベク
トル量子化では、１つの出力インデックスがシェイプ用
１つとゲイン用１つで表されることになる。

【００４７】次に、ベクトル量子化のデコード値を得る
ためには、以下の処理を行う。伝送されたインデックス
よりテーブルルックアップにより、Ｙ_VQ、Ｒ
_VQi（１≦ｉ≦Ｓ）を得た後、次の処理を実行する。す
なわち、上記（７）式よりｙ_VQiを求め、Ｘ_VQiを以
下の様に求める。Ｘ_VQi＝Ｒ_VQi＋ｙ_VQiＩ_i （１≦ｉ≦Ｓ）＝Ｒ_i＋ε_i＋ｙ_VQiＩ_i ＝Ｘ_i−ｙ_VQiＩ_i＋ε_i＋ｙ_VQiＩ_i ＝Ｘ_i＋ε_i ・・・（13）

【００４８】よって、デコーダ出力に現れる量子化ノイ
ズは、上記Ｒ_iの量子化時に発生したε_iのみであ
る。一段目のＹの量子化の善し悪しは、直接的に最終
的なノイズには現れない。しかし、その善し悪しによっ
て、二段目のＲ_VQiのベクトル量子化の性能に影響を
与え、結果的にはデコーダ出力の量子化ノイズの大きさ
に寄与することになる。

【００４９】このように、ベクトル量子化のコードブッ
クを階層構造にすることにより、（ｉ）コードブックサ
ーチのための乗加算回数の低減、（ii）コードブックの
ためのＲＯＭ容量の低減、(iii) 階層的な誤り訂正符号
の効果的な活用が可能となる。

【００５０】上記（ｉ）、（ii）の効果について、具体
例を挙げる。今、Ｍ＝４４、Ｓ＝７、ｄ₁＝ｄ₂＝ｄ₃
＝ｄ₄＝５、ｄ₅＝ｄ₆＝ｄ₇＝８とする。また、上記
データｘ(n) （≡ｃ_dB(n) ）、１≦ｎ≦Ｍの量子化に使
用するビット数を４８ビットとする。

【００５１】先ず、単純に、Ｍ＝４４次元ベクトルを４
８ビット出力のベクトル量子化すると、コードブックの
テーブルサイズは、２⁴⁸≒２．８１×１０¹⁴となり、そ
れにワード幅（＝４４）を乗じて、２⁴⁸×４４≒１．２
３８×１０¹⁶ワードのテーブルが必要となる。テーブル
サーチの演算量も２⁴⁸×４４のオーダの値となる。

【００５２】これに対し、次のようなビット割り当てを
考える。Ｙ → １３ビット（８ビット：シェイプ、５ビッ
ト：ゲイン）、次元Ｓ＝７Ｘ₁ → ６ビット、次元ｄ₁＝５Ｘ₂ → ５ビット、次元ｄ₂＝５Ｘ₃ → ５ビット、次元ｄ₃＝５Ｘ₄ → ５ビット、次元ｄ₄＝５Ｘ₅ → ５ビット、次元ｄ₅＝８Ｘ₆ → ５ビット、次元ｄ₆＝８Ｘ₇ → ４ビット、次元ｄ₇＝８計４８ビット、（Ｍ＝）４４次元このときのテーブル用容量として、Ｙ：シェイプ：７×２⁸＝１７９２、ゲイン：
２⁵＝３２Ｘ₁ ：５×２⁶＝３２０Ｘ₂ ：５×２⁵＝１６０Ｘ₃ ：５×２⁵＝１６０Ｘ₄ ：５×２⁵＝１６０Ｘ₅ ：８×２⁵＝２５６Ｘ₆ ：８×２⁵＝２５６Ｘ₇ ：８×２⁴＝１２８すなわち、計３２６４ワードが必要となる。テーブルサ
ーチの演算量は、基本的にテーブルサイズのトータルと
同じオーダになるので、略々３２６４のオーダとなる。
これは、実用上、全く問題のない値である。

【００５３】また上記(iii) に関して、上記一段目のベ
クトルＹの量子化出力インデックスの１３ビットは、
全て畳み込み符号等のＦＥＣ（Forward Error Correcti
on）で保護するように、Ｘ₁〜Ｘ₇に関しては、例
えば、それぞれのインデックスの上位３、３、２、２、
２、２、１ビットは保護し、下位ビットは誤り訂正なし
で使う、等といった方法が可能である。その際は、ベク
トル量子化器のインデックスを表すバイナリデータのハ
ミング距離と、そのインデックスによって参照されるコ
ードベクトルのユークリッド距離の間に相互関係をもた
せておく（すなわち、コードベクトルのユークリッド距
離の近いものは、ハミング距離の近いインデックスを割
り振ること等）ことで、より効果的にＦＥＣをかけられ
る。

【００５４】ところで、後述するＭＢＥ等の音声合成分
析符号化の場合に、音声の有声無声の度合い、ピッチ等
が既に特徴量として抽出されていることを考慮して、そ
れらの特徴量、特に有声／無声の判断結果によってベク
トル量子化のコードブックを切り換えることが可能であ
る。すなわち、有声音時、無声音時は、各々存在するス
ペクトルの形状が大きく異なり、各状態に対応して各々
別々にトレーニングされたコードブックを持つことは、
特性改善上、大変好ましいことである。また、階層構造
化ベクトル量子化の場合、上位層のベクトル量子化は固
定のコードブックとし、下位層のベクトル量子化のコー
ドブックのみ、有声用／無声用の２種を切り換えるよう
にしてもよい。また、周波数軸上のビットアロケーショ
ンも、例えば有声音のときは低音重視、無声音のときは
高音重視に切り換えるようにしてもよい。切換制御に
は、ピッチの有無、有声音／無声音の比率、スペクトル
のレベルや傾き、等を利用することができる。

【００５５】次に、上述したような高能率符号化方法が
適用可能な、音声信号の合成分析符号化装置（いわゆる
ボコーダ）の一種のＭＢＥ（Multiband Excitation: マ
ルチバンド励起）ボコーダの具体例について、図面を参
照しながら説明する。以下に説明するＭＢＥボコーダ
は、D.W. Griffin and J.S. Lim, "MultibandExcitatio
n Vocoder," IEEE Trans.Acoustics,Speech,and Signal
Processing,vol.36, No.8, pp.1223-1235, Aug. 1988
に開示されているものであり、従来のＰＡＲＣＯＲ（PA
Rtial auto-CORrelation: 偏自己相関）ボコーダ等で
は、音声のモデル化の際に有声音区間と無声音区間とを
ブロックあるいはフレーム毎に切り換えていたのに対
し、ＭＢＥボコーダでは、同時刻（同じブロックあるい
はフレーム内）の周波数軸領域に有声音（Voiced）区間
と無声音（Unvoiced）区間とが存在するという仮定でモ
デル化している。

【００５６】図１０は、上記ＭＢＥボコーダに本発明を
適用した実施例の全体の概略構成を示すブロック図であ
る。この図１０において、入力端子１０１には音声信号
が供給されるようになっており、この入力音声信号は、
ＨＰＦ（ハイパスフィルタ）等のフィルタ１０２に送ら
れて、いわゆるＤＣ（直流）オフセット分の除去や帯域
制限（例えば２００〜３４００Hzに制限）のための少な
くとも低域成分（２００Hz以下）の除去が行われる。こ
のフィルタ１０２を介して得られた信号は、ピッチ抽出
部１０３及び窓かけ処理部１０４にそれぞれ送られる。
ピッチ抽出部１０３では、入力音声信号データが所定サ
ンプル数Ｎ（例えばＮ＝２５６）単位でブロック分割さ
れ（あるいは方形窓による切り出しが行われ）、このブ
ロック内の音声信号についてのピッチ抽出が行われる。
このような切り出しブロック（２５６サンプル）を、例
えば図１１のＡに示すようにＬサンプル（例えばＬ＝１
６０）のフレーム間隔で時間軸方向に移動させており、
各ブロック間のオーバラップはＮ−Ｌサンプル（例えば
９６サンプル）となっている。また、窓かけ処理部１０
４では、１ブロックＮサンプルに対して所定の窓関数、
例えばハミング窓をかけ、この窓かけブロックを１フレ
ームＬサンプルの間隔で時間軸方向に順次移動させてい
る。

【００５７】このような窓かけ処理を数式で表すと、ｘ_w(k,q) ＝ｘ(q) ｗ(kL-q) ・・・（14）となる。この(14)式において、ｋはブロック番号を、ｑ
はデータの時間インデックス（サンプル番号）を表し、
処理前の入力信号のｑ番目のデータｘ(q) に対して第ｋ
ブロックの窓（ウィンドウ）関数ｗ(kL-q)により窓かけ
処理されることによりデータｘ_w(k,q) が得られること
を示している。ピッチ抽出部１０３内での図１１のＡに
示すような方形窓の場合の窓関数ｗ_r(r) は、ｗ_r(r) ＝１０≦ｒ＜Ｎ・・・（15）＝０ｒ＜０，Ｎ≦ｒまた、窓かけ処理部１０４での図１１のＢに示すような
ハミング窓の場合の窓関数ｗ_h(r) は、ｗ_h(r) ＝ 0.54 − 0.46 cos(２πr/(N-1)) ０≦ｒ＜Ｎ・・・（16）＝０ｒ＜０，Ｎ≦ｒである。このような窓関数ｗ_r(r) あるいはｗ_h(r) を
用いるときの上記（14）式の窓関数ｗ(r) （＝ｗ(kL-
q)）の否零区間は、０≦ｋＬ−ｑ＜Ｎこれを変形して、ｋＬ−Ｎ＜ｑ≦ｋＬ従って例えば上記方形窓の場合に窓関数ｗ_r(kL-q)＝１
となるのは、図１２に示すように、ｋＬ−Ｎ＜ｑ≦ｋＬ
のときとなる。また、上記（14）〜（16）式は、長さＮ
（＝２５６）サンプルの窓が、Ｌ（＝１６０）サンプル
ずつ前進してゆくことを示している。以下、上記（15）
式、（16）式の各窓関数で切り出された各Ｎ点（０≦ｒ
＜Ｎ）の否零サンプル列を、それぞれｘ_wr(k,r) 、ｘ_wh
(k,r) と表すことにする。

【００５８】窓かけ処理部１０４では、図１３に示すよ
うに、上記（16）式のハミング窓がかけられた１ブロッ
ク２５６サンプルのサンプル列ｘ_wh(k,r) に対して１７
９２サンプル分の０データが付加されて（いわゆる０詰
めされて）２０４８サンプルとされ、この２０４８サン
プルの時間軸データ列に対して、直交変換部１０５によ
り例えばＦＦＴ（高速フーリエ変換）等の直交変換処理
が施される。

【００５９】ピッチ抽出部１０３では、上記ｘ_wr(k,r)
のサンプル列（１ブロックＮサンプル）に基づいてピッ
チ抽出が行われる。このピッチ抽出法には、時間波形の
周期性や、スペクトルの周期的周波数構造や、自己相関
関数を用いるもの等が知られているが、本実施例では、
センタクリップ波形の自己相関法を採用している。この
ときのブロック内でのセンタクリップレベルについて
は、１ブロックにつき１つのクリップレベルを設定して
もよいが、ブロックを細分割した各部（各サブブロッ
ク）の信号のピークレベル等を検出し、これらの各サブ
ブロックのピークレベル等の差が大きいときに、ブロッ
ク内でクリップレベルを段階的にあるいは連続的に変化
させるようにしている。このセンタクリップ波形の自己
相関データのピーク位置に基づいてピーク周期を決めて
いる。このとき、現在フレームに属する自己相関データ
（自己相関は１ブロックＮサンプルのデータを対象とし
て求められる）から複数のピークを求めておき、これら
の複数のピークの内の最大ピークが所定の閾値以上のと
きには該最大ピーク位置をピッチ周期とし、それ以外の
ときには、現在フレーム以外のフレーム、例えば前後の
フレームで求められたピッチに対して所定の関係を満た
すピッチ範囲内、例えば前フレームのピッチを中心とし
て±２０％の範囲内にあるピークを求め、このピーク位
置に基づいて現在フレームのピッチを決定するようにし
ている。このピッチ抽出部１０３ではオープンループに
よる比較的ラフなピッチのサーチが行われ、抽出された
ピッチデータは高精度（ファイン）ピッチサーチ部１０
６に送られて、クローズドループによる高精度のピッチ
サーチ（ピッチのファインサーチ）が行われる。

【００６０】高精度（ファイン）ピッチサーチ部１０６
には、ピッチ抽出部１０３で抽出された整数（インテジ
ャー）値の粗（ラフ）ピッチデータと、直交変換部１０
５により例えばＦＦＴされた周波数軸上のデータとが供
給されている。この高精度ピッチサーチ部１０６では、
上記粗ピッチデータ値を中心に、0.２〜0.５きざみで±
数サンプルずつ振って、最適な小数点付き（フローティ
ング）のファインピッチデータの値へ追い込む。このと
きのファインサーチの手法として、いわゆる合成による
分析 (Analysis by Synthesis)法を用い、合成されたパ
ワースペクトルが原音のパワースペクトルに最も近くな
るようにピッチを選んでいる。

【００６１】このピッチのファインサーチについて説明
する。先ず、上記ＭＢＥボコーダにおいては、上記ＦＦ
Ｔ等により直交変換された周波数軸上のスペクトルデー
タとしてのＳ(j) をＳ(j) ＝Ｈ(j) ｜Ｅ(j) ｜０＜ｊ＜Ｊ・・・（17）と表現するようなモデルを想定している。ここで、Ｊは
πω_s＝ｆ_s／２に対応し、サンプリング周波数ｆ_s＝
２πω_sが例えば８ｋHzのときには４ｋHzに対応する。
上記（17）式中において、周波数軸上のスペクトルデー
タＳ(j) が図１４のＡに示すような波形のとき、Ｈ(j)
は、図１４のＢに示すような元のスペクトルデータＳ
(j) のスペクトル包絡線（エンベロープ）を示し、Ｅ
(j) は、図１４のＣに示すような等レベルで周期的な励
起信号（エキサイテイション）のスペクトルを示してい
る。すなわち、ＦＦＴスペクトルＳ(j) は、スペクトル
エンベロープＨ(j) と励起信号のパワースペクトル｜Ｅ
(j) ｜との積としてモデル化される。

【００６２】上記励起信号のパワースペクトル｜Ｅ(j)
｜は、上記ピッチに応じて決定される周波数軸上の波形
の周期性（ピッチ構造）を考慮して、１つの帯域（バン
ド）の波形に相当するスペクトル波形を周波数軸上の各
バンド毎に繰り返すように配列することにより形成され
る。この１バンド分の波形は、例えば上記図１３に示す
ような２５６サンプルのハミング窓関数に１７９２サン
プル分の０データを付加（０詰め）した波形を時間軸信
号と見なしてＦＦＴし、得られた周波数軸上のある帯域
幅を持つインパルス波形を上記ピッチに応じて切り出す
ことにより形成することができる。

【００６３】次に、上記ピッチに応じて分割された各バ
ンド毎に、上記Ｈ(j) を代表させるような（各バンド毎
のエラーを最小化するような）値（一種の振幅）｜Ａ_m
｜を求める。ここで、例えば第ｍバンド（第ｍ高調波の
帯域）の下限、上限の点をそれぞれａ_m、ｂ_mとすると
き、この第ｍバンドのエラーε_mは、

【００６４】

【数７】で表せる。このエラーε_mを最小化するような｜Ａ_m｜
は、

【００６５】

【数８】となり、この（19）式の｜Ａ_m｜のとき、エラーε_mを
最小化する。このような振幅｜Ａ_m｜を各バンド毎に求
め、得られた各振幅｜Ａ_m｜を用いて上記（18）式で定
義された各バンド毎のエラーε_mを求める。次に、この
ような各バンド毎のエラーε_mの全バンドの総和値Σε
_mを求める。さらに、このような全バンドのエラー総和
値Σε_mを、いくつかの微小に異なるピッチについて求
め、エラー総和値Σε_mが最小となるようなピッチを求
める。

【００６６】すなわち、上記ピッチ抽出部１０３で求め
られたラフピッチを中心として、例えば 0.25 きざみで
上下に数種類ずつ用意する。これらの複数種類の微小に
異なるピッチの各ピッチに対してそれぞれ上記エラー総
和値Σε_mを求める。この場合、ピッチが定まるとバン
ド幅が決まり、上記（19）式より、周波数軸上データの
パワースペクトル｜Ｓ(j) ｜と励起信号スペクトル｜Ｅ
(j) ｜とを用いて上記（18）式のエラーε_mを求め、そ
の全バンドの総和値Σε_mを求めることができる。この
エラー総和値Σε_mを各ピッチ毎に求め、最小となるエ
ラー総和値に対応するピッチを最適のピッチとして決定
するわけである。以上のようにして高精度ピッチサーチ
部１０６で最適のファイン（例えば 0.25 きざみ）ピッ
チが求められ、この最適ピッチに対応する振幅｜Ａ_m｜
が決定される。

【００６７】以上ピッチのファインサーチの説明におい
ては、説明を簡略化するために、全バンドが有声音（Vo
iced）の場合を想定しているが、上述したようにＭＢＥ
ボコーダにおいては、同時刻の周波数軸上に無声音（Un
voiced）領域が存在するというモデルを採用しているこ
とから、上記各バンド毎に有声音／無声音の判別を行う
ことが必要とされる。

【００６８】上記高精度ピッチサーチ部１０６からの最
適ピッチ及び振幅｜Ａ_m｜のデータは、有声音／無声音
判別部１０７に送られ、上記各バンド毎に有声音／無声
音の判別が行われる。この判別のために、ＮＳＲ（ノイ
ズｔｏシグナル比）を利用する。すなわち、第ｍバンド
のＮＳＲは、

【００６９】

【数９】と表せ、このＮＳＲ値が所定の閾値（例えば0.３）より
大のとき（エラーが大きい）ときには、そのバンドでの
｜Ａ_m｜｜Ｅ(j) ｜による｜Ｓ(j) ｜の近似が良くない
（上記励起信号｜Ｅ(j) ｜が基底として不適当である）
と判断でき、当該バンドをＵＶ（Unvoiced、無声音）と
判別する。これ以外のときは、近似がある程度良好に行
われていると判断でき、そのバンドをＶ（Voiced、有声
音）と判別する。

【００７０】次に、振幅再評価部１０８には、直交変換
部１０５からの周波数軸上データ、高精度ピッチサーチ
部１０６からのファインピッチと評価された振幅｜Ａ_m
｜との各データ、及び上記有声音／無声音判別部１０７
からのＶ／ＵＶ（有声音／無声音）判別データが供給さ
れている。この振幅再評価部１０８では、有声音／無声
音判別部１０７において無声音（ＵＶ）と判別されたバ
ンドに関して、再度振幅を求めている。このＵＶのバン
ドについての振幅｜Ａ_m｜_UVは、

【００７１】

【数１０】にて求められる。

【００７２】この振幅再評価部１０８からのデータは、
データ数変換（一種のサンプリングレート変換）部１０
９に送られる。このデータ数変換部１０９は、上記ピッ
チに応じて周波数軸上での分割帯域数が異なり、データ
数（特に振幅データの数）が異なることを考慮して、一
定の個数にするためのものである。すなわち、例えば有
効帯域を３４００ｋHzまでとすると、この有効帯域が上
記ピッチに応じて、８バンド〜６３バンドに分割される
ことになり、これらの各バンド毎に得られる上記振幅｜
Ａ_m｜（ＵＶバンドの振幅｜Ａ_m｜_UVも含む）データの
個数ｍ_MX＋１も８〜６３と変化することになる。このた
めデータ数変換部１０９では、この可変個数ｍ_MX＋１の
振幅データを一定個数Ｎ_C（例えば４４個）のデータに
変換している。

【００７３】ここで本実施例においては、周波数軸上の
有効帯域１ブロック分の振幅データに対して、ブロック
内の最後のデータからブロック内の最初のデータまでの
値を補間するようなダミーデータを付加してデータ個数
をＮ_F個に拡大した後、帯域制限型のＫ_OS倍（例えば８
倍）のオーバーサンプリングを施すことによりＫ_OS倍の
個数の振幅データを求め、このＫ_OS倍の個数（（ｍ_MX＋
１）×Ｋ_OS個）の振幅データを直線補間してさらに多く
のＮ_M個（例えば２０４８個）に拡張し、このＮ_M個の
データを間引いて上記一定個数Ｎ_C（例えば４４個）の
データに変換する。

【００７４】このデータ数変換部１０９からのデータ
（上記一定個数Ｎ_Cの振幅データ）がベクトル量子化部
１１０に送られて、所定個数のデータ毎にまとめられて
ベクトルとされ、ベクトル量子化が施される。このベク
トル量子化部１１０として、上述した図１に示すような
階層構造化されたベクトル量子化部１５が用いられる。
従って、出力端子１１１を介して取り出されるベクトル
量子化部１１０からの量子化出力データは、上記図１の
Ｓ次元ベクトル量子化器２２から出力端子２６を介して
取り出される上位側のインデックスデータと、各ベクト
ル量子化器２５₁〜２５_Sから各出力端子２７₁〜２７
_Sを介してそれぞれ取り出される下位側のインデックス
データとをあわせたものとなる。

【００７５】また、上記高精度のピッチサーチ部１０６
からの高精度（ファイン）ピッチデータは、ピッチ符号
化部１１５で符号化され、出力端子１１２を介して取り
出される。さらに、上記有声音／無声音判別部１０７か
らの有声音／無声音（Ｖ／ＵＶ）判別データは、出力端
子１１３を介して取り出される。そして、これらの各出
力端子１１１〜１１３からのデータは、所定の伝送フォ
ーマットの信号とされて伝送される。

【００７６】なお、これらの各データは、上記Ｎサンプ
ル（例えば２５６サンプル）のブロック内のデータに対
して処理を施すことにより得られるものであるが、ブロ
ックは時間軸上を上記Ｌサンプルのフレームを単位とし
て前進することから、伝送するデータは上記フレーム単
位で得られる。すなわち、上記フレーム周期でピッチデ
ータ、Ｖ／ＵＶ判別データ、振幅データが更新されるこ
とになる。

【００７７】次に、伝送されて得られた上記各データに
基づき音声信号を合成するための合成側（デコード側）
の概略構成について、図１５を参照しながら説明する。
この図１５において、入力端子１２１には上記ベクトル
量子化された振幅データが、入力端子１２２には上記符
号化されたピッチデータが、また入力端子１２３には上
記Ｖ／ＵＶ判別データがそれぞれ供給される。入力端子
１２１からの量子化振幅データは、逆ベクトル量子化部
１２４に送られて逆量子化される。この逆ベクトル量子
化部１２４も、上記図１の階層構造化ベクトル量子化部
１５に対応する階層構造化された逆ベクトル量子化部で
あり、上記各階層のインデックスデータに基づいて逆ベ
クトル量子化されたデータを合成して出力する。

【００７８】この逆ベクトル量子化部１２４からの出力
データは、データ数逆変換部１２５に送られて逆変換さ
れ、得られた振幅データが有声音合成部１２６及び無声
音合成部１２７に送られる。入力端子１２２からの符号
化ピッチデータは、ピッチ復号化部１２８で復号化さ
れ、データ数逆変換部１２５、有声音合成部１２６及び
無声音合成部１２７に送られる。また入力端子１２３か
らのＶ／ＵＶ判別データは有声音合成部１２６及び無声
音合成部１２７に送られる。

【００７９】有声音合成部１２６では例えば余弦(cosin
e)波合成により時間軸上の有声音波形を合成し、無声音
合成部１２７では例えばホワイトノイズをバンドパスフ
ィルタでフィルタリングして時間軸上の無声音波形を合
成し、これらの各有声音合成波形と無声音合成波形とを
加算部１２９で加算合成して、出力端子１３０より取り
出すようにしている。この場合、上記振幅データ、ピッ
チデータ及びＶ／ＵＶ判別データは、上記分析時の１フ
レーム（Ｌサンプル、例えば１６０サンプル）毎に更新
されて与えられるが、フレーム間の連続性を高める（円
滑化する）ために、上記振幅データやピッチデータの各
値を１フレーム中の例えば中心位置における各データ値
とし、次のフレームの中心位置までの間（合成時の１フ
レーム）の各データ値を補間により求める。すなわち、
合成時の１フレーム（例えば上記分析フレームの中心か
ら次の分析フレームの中心まで）において、先端サンプ
ル点での各データ値と終端（次の合成フレームの先端）
サンプル点での各データ値とが与えられ、これらのサン
プル点間の各データ値を補間により求めるようにしてい
る。

【００８０】以下、有声音合成部１２６における合成処
理を詳細に説明する。上記Ｖ（有声音）と判別された第
ｍバンド（第ｍ高調波の帯域）における時間軸上の上記
１合成フレーム（Ｌサンプル、例えば１６０サンプル）
分の有声音をＶ_m(n) とするとき、この合成フレーム内
の時間インデックス（サンプル番号）ｎを用いて、Ｖ_m(n) ＝Ａ_m(n) cos(θ_m(n)) ０≦ｎ＜Ｌ・・・（22）と表すことができる。全バンドの内のＶ（有声音）と判
別された全てのバンドの有声音を加算（ΣＶ_m(n) ）し
て最終的な有声音Ｖ(n) を合成する。

【００８１】この（22）式中のＡ_m(n) は、上記合成フ
レームの先端から終端までの間で補間された第ｍ高調波
の振幅である。最も簡単には、フレーム単位で更新され
る振幅データの第ｍ高調波の値を直線補間すればよい。
すなわち、上記合成フレームの先端（ｎ＝０）での第ｍ
高調波の振幅値をＡ_0m、該合成フレームの終端（ｎ＝
Ｌ：次の合成フレームの先端）での第ｍ高調波の振幅値
をＡ_Lmとするとき、Ａ_m(n) ＝ (L-n)Ａ_0m／Ｌ＋ｎＡ_Lm／Ｌ・・・（23）の式によりＡ_m(n) を計算すればよい。

【００８２】次に、上記（９）式中の位相θ_m(n) は、 θ_m(0) ＝ｍω_O1ｎ＋ｎ²ｍ（ω_L1−ω₀₁）／２Ｌ＋φ_0m＋Δωｎ・・・（24）により求めることができる。この（24）式中で、φ_0mは
上記合成フレームの先端（ｎ＝０）での第ｍ高調波の位
相（フレーム初期位相）を示し、ω₀₁は合成フレーム先
端（ｎ＝０）での基本角周波数、ω_L1は該合成フレーム
の終端（ｎ＝Ｌ：次の合成フレーム先端）での基本角周
波数をそれぞれ示している。上記（24）式中のΔωは、
ｎ＝Ｌにおける位相φ_Lmがθ_m(L) に等しくなるような
最小のΔωを設定する。

【００８３】以下、任意の第ｍバンドにおいて、それぞ
れｎ＝０、ｎ＝ＬのときのＶ／ＵＶ判別結果に応じた上
記振幅Ａ_m(n) 、位相θ_m(n) の求め方を説明する。第
ｍバンドが、ｎ＝０、ｎ＝ＬのいずれもＶ（有声音）と
される場合に、振幅Ａ_m(n) は、上述した（23）式によ
り、伝送された振幅値Ａ_0m、Ａ_Lmを直線補間して振幅Ａ
_m(n) を算出すればよい。位相θ_m(n) は、ｎ＝０でθ
_m(0) ＝φ_0mからｎ＝Ｌでθ_m(L) がφ_Lmとなるように
Δωを設定する。

【００８４】次に、ｎ＝０のときＶ（有声音）で、ｎ＝
ＬのときＵＶ（無声音）とされる場合に、振幅Ａ_m(n)
は、Ａ_m(0) の伝送振幅値Ａ_0mからＡ_m(L) で０となる
ように直線補間する。ｎ＝Ｌでの伝送振幅値Ａ_Lmは無声
音の振幅値であり、後述する無声音合成の際に用いられ
る。位相θ_m(n) は、θ_m(0) ＝φ_0mとし、かつΔω＝
０とする。

【００８５】さらに、ｎ＝０のときＵＶ（無声音）で、
ｎ＝ＬのときＶ（有声音）とされる場合には、振幅Ａ_m
(n) は、ｎ＝０での振幅Ａ_m(0) を０とし、ｎ＝Ｌで伝
送された振幅値Ａ_Lmとなるように直線補間する。位相θ
_m(n) については、ｎ＝０での位相θ_m(0) として、フ
レーム終端での位相値φ_Lmを用いて、 θ_m(0) ＝φ_Lm−ｍ（ω_O1＋ω_L1）Ｌ／２・・・（25）とし、かつΔω＝０とする。

【００８６】上記ｎ＝０、ｎ＝ＬのいずれもＶ（有声
音）とされる場合に、θ_m(L) がφ_LmとなるようにΔω
を設定する手法について説明する。上記（11）式で、ｎ
＝Ｌと置くことにより、 θ_m(L) ＝ｍω_O1Ｌ＋Ｌ²ｍ（ω_L1−ω₀₁）／２Ｌ＋φ_0m＋ΔωＬ＝ｍ（ω_O1＋ω_L1）Ｌ／２＋φ_0m＋ΔωＬ＝φ_Lm となり、これを整理すると、Δωは、 Δω＝（mod2π((φ_Lm−φ_0m) − mL(ω_O1＋ω_L1)/2)／Ｌ・・・（26）となる。この（26）式でmod2π(x) とは、ｘの主値を−
π〜＋πの間の値で返す関数である。例えば、ｘ＝１.3
πのときmod2π(x) ＝−０.7π、ｘ＝２.3πのときmod2
π(x) ＝０.3π、ｘ＝−１.3πのときmod2π(x) ＝０.7
π、等である。

【００８７】ここで、図１６のＡは、音声信号のスペク
トルの一例を示しており、バンド番号（ハーモニクスナ
ンバ）ｍが８、９、１０の各バンドがＵＶ（無声音）と
され、他のバンドはＶ（有声音）とされている。このＶ
（有声音）のバンドの時間軸信号が上記有声音合成部１
２６により合成され、ＵＶ（無声音）のバンドの時間軸
信号が無声音合成部１２７で合成されるわけである。

【００８８】以下、無声音合成部１２７における無声音
合成処理を説明する。ホワイトノイズ発生部１３１から
の時間軸上のホワイトノイズ信号波形を、所定の長さ
（例えば２５６サンプル）で適当な窓関数（例えばハミ
ング窓）により窓かけをし、ＳＴＦＴ処理部１３２によ
りＳＴＦＴ（ショートタームフーリエ変換）処理を施す
ことにより、図１６のＢに示すようなホワイトノイズの
周波数軸上のパワースペクトルを得る。このＳＴＦＴ処
理部１３２からのパワースペクトルをバンド振幅処理部
１３３に送り、図１６のＣに示すように、上記ＵＶ（無
声音）とされたバンド（例えばｍ＝８、９、１０）につ
いて上記振幅｜Ａ_m｜_UVを乗算し、他のＶ（有声音）と
されたバンドの振幅を０にする。このバンド振幅処理部
１３３には上記振幅データ、ピッチデータ、Ｖ／ＵＶ判
別データが供給されている。バンド振幅処理部１３３か
らの出力は、ＩＳＴＦＴ処理部１３４に送られ、位相は
元のホワイトノイズの位相を用いて逆ＳＴＦＴ処理を施
すことにより時間軸上の信号に変換する。ＩＳＴＦＴ処
理部１３４からの出力は、オーバーラップ加算部１３５
に送られ、時間軸上で適当な（元の連続的なノイズ波形
を復元できるように）重み付けをしながらオーバーラッ
プ及び加算を繰り返し、連続的な時間軸波形を合成す
る。オーバーラップ加算部１３５からの出力信号が上記
加算部１２９に送られる。

【００８９】このように、各合成部１２６、１２７にお
いて合成されて時間軸上に戻された有声音部及び無声音
部の各信号は、加算部１２９により適当な固定の混合比
で加算して、出力端子１３０より再生された音声信号を
取り出す。

【００９０】なお、上記図１０の音声分析側（エンコー
ド側）の構成や図１６の音声合成側（デコード側）の構
成については、各部をハードウェア的に記載している
が、いわゆるＤＳＰ（ディジタル信号プロセッサ）等を
用いてソフトウェアプログラムにより実現することも可
能である。

【００９１】なお、本発明は上記実施例のみに限定され
るものではなく、例えば、音声信号のみならず、音響信
号を入力信号として用いることもできる。

【００９２】

【発明の効果】以上の説明から明らかなように、本発明
に係る高能率符号化方法によれば、構造化されたコード
ブックを用い、Ｍ次元ベクトルのデータを複数グループ
に分割して各グループ毎に代表値を求めることにより次
元をＳ次元（Ｓ＜Ｍ）に低下させ、このＳ次元ベクトル
のデータに対して第１のベクトル量子化を施し、この第
１のベクトル量子化の際のローカルデコード出力となる
Ｓ次元のコードベクトルを求め、このＳ次元のコードベ
クトルを元のＭ次元のベクトルに拡張して元の上記Ｍ次
元ベクトルの周波数軸上データとの関係を表すデータを
求め、このデータに対して第２のベクトル量子化を施し
ているため、コードブックサーチの演算量が低減され、
コードブックのためのメモリ容量が少なくて済み、階層
構造の上位側と下位側とへの誤り訂正符号の効果的な適
用が可能となる。

【００９３】また、他の発明に係る高能率符号化方法に
よれば、周波数軸上データを予め非線形圧縮した後、ベ
クトル量子化しているため、能率的な符号化が実現で
き、量子化の品質を高めることができる。

【００９４】さらに他の発明に係る高能率符号化方法に
よれば、ブロック毎に得られる周波数軸上データについ
て前後のブロックのデータ間の差分をとり、このブロッ
ク間差分データをベクトル量子化しているため、より量
子化雑音を低減でき、圧縮率を高めることができる。

【図面の簡単な説明】

【図１】本発明に係る高能率符号化方法が適用される符
号化装置（エンコーダ）側の概略構成を示すブロック図
である。

【図２】階層構造を有するベクトル量子化の動作を説明
するための図である。

【図３】階層構造を有するベクトル量子化の動作を説明
するための図である。

【図４】階層構造を有するベクトル量子化の動作を説明
するための図である。

【図５】階層構造を有するベクトル量子化の動作を説明
するための図である。

【図６】階層構造を有するベクトル量子化の動作を説明
するための図である。

【図７】階層構造を有するベクトル量子化の動作を説明
するための図である。

【図８】他の発明に係る高能率符号化方法が適用される
符号化装置（エンコーダ）側の概略構成を示すブロック
図である。

【図９】さらに他の発明に係る高能率符号化方法が適用
される符号化装置（エンコーダ）側の概略構成を示すブ
ロック図である。

【図１０】本発明に係る高能率符号化方法が適用される
装置の具体例としての音声信号の合成分析符号化装置の
分析側（エンコード側）の概略構成を示す機能ブロック
図である。

【図１１】窓かけ処理を説明するための図である。

【図１２】窓かけ処理と窓関数との関係を説明するため
の図である。

【図１３】直交変換（ＦＦＴ）処理対象としての時間軸
データを示す図である。

【図１４】周波数軸上のスペクトルデータ、スペクトル
包絡線（エンベロープ）及び励起信号のパワースペクト
ルを示す図である。

【図１５】本発明に係る高能率符号化方法が適用される
装置の具体例としての音声信号の合成分析符号化装置の
合成側（デコード側）の概略構成を示す機能ブロック図
である。

【図１６】音声信号を合成する際の無声音合成を説明す
るための図である。

【符号の説明】

１２・・・・・周波数軸変換処理部１３・・・・・非線形圧縮部１４・・・・・ブロック間（フレーム間）差分処理部１５・・・・・ベクトル量子化部２１・・・・・次元低減部２２・・・・・Ｓ次元ベクトル量子化器２３・・・・・次元拡張部２５₁〜２５_S・・・・・ベクトル量子化器１０３・・・・・ピッチ抽出部１０４・・・・・窓かけ処理部１０５・・・・・直交変換（ＦＦＴ）部１０６・・・・・高精度（ファイン）ピッチサーチ部１０７・・・・・有声音／無声音（Ｖ／ＵＶ）判別部１０８・・・・・振幅再評価部１０９・・・・・データ数変換（データレートコンバー
ト）部１１０・・・・・ベクトル量子化部１２６・・・・・有声音合成部１２７・・・・・無声音合成部

─────────────────────────────────────────────────────

【手続補正書】

【提出日】平成５年６月８日

【手続補正１】

【補正対象書類名】明細書

【補正対象項目名】全文

【補正方法】変更

【補正内容】

【書類名】明細書

【発明の名称】高能率符号化方法

【特許請求の範囲】

【発明の詳細な説明】

【０００１】

【０００２】

【０００４】

【０００７】

【００１３】

【００１４】

【００１５】図１において、入力端子１１には、音声信
号あるいは音響信号が供給され、この入力信号は、周波
数軸変換処理部１２にて周波数軸上のスペクトル振幅デ
ータに変換される。この周波数軸変換処理部１２の内部
には、例えば入力された時間軸上の信号の所定数のサン
プル（Ｎサンプル）毎にブロック化するブロック化部１
２ａ、ＦＦＴ（高速フーリエ変換）等の直交変換部１２
ｂ、スペクトルエンベロープの特徴を表す振幅情報を求
めるためのデータ処理部１２ｃ等が設けられている。周
波数軸変換処理部１２からの出力は、必要に応じて例え
ばｄＢ領域に変換する非線形圧縮部１３を介し、必要に
応じてブロック間の差分をとる処理部１４を介してベク
トル量子化部１５に送られる。このベクトル量子化部１
５では、入力データの所定数（Ｍサンプル）がまとめら
れてＭ次元ベクトルとされ、ベクトル量子化処理が施さ
れる。このようなＭ次元ベクトル量子化処理は、一般的
には、入力されたＭ次元ベクトルに対してＭ次元空間上
で最も距離が近いコードベクトルがコードブックから検
索（サーチ）されて、該検索されたコードベクトルのイ
ンデックスを出力端子１６から取り出すような処理であ
るが、この図１に示す実施例のベクトル量子化部１５は
階層構造化されており、入力ベクトルに対して２段階の
ベクトル量子化が施されるようになっている。

【００２４】次に、図９は、本発明の第３の実施例とし
ての高能率符号化方法を説明するための符号化装置（エ
ンコーダ）の概略構成を示している。この図９におい
て、入力端子に供給されたオーディオ信号を、周波数軸
変換処理部１２にてブロック単位で区分して周波数軸に
変換し、得られたデータを、必要に応じて非線形圧縮部
１３を介して、ブロック間差分をとるための処理部１４
に送っている。なお、上記Ｎサンプルのブロックが、隣
りのブロックとの間で重複部分を有し、時間軸方向にＬ
サンプル（Ｌ＜Ｎ）のフレーム単位で進むようなフォー
マットの場合には、処理部１４ではフレーム間差分をと
ることになる。このブロック間（あるいはフレーム間）
差分をとったＭ個のデータが、Ｍ次元ベクトル量子化部
１５に送られ、量子化されたインデックスデータが出力
端子１６より取り出される。このベクトル量子化部１５
は、多層構造を有していても、有していなくてもよい。

【００３２】次に、上記フレーム間差分データｃ_dB(n)
の量子化、すなわち配列ｃ_dB(n) をＭ個の要素を持つＭ
次元ベクトルとしてベクトル量子化する例について述べ
る。差分をとらなかった場合も、α＝０と考えれば、ｃ
_dB(n) に含めて扱える。このようなＭ次元ベクトル量子
化しようとするＭ個のデータをｘ(n) と置き換える。本
実施例の場合には、ｘ(n) ≡ｃ_dB(n) 、１≦ｎ≦Ｍであ
る。このようなＭ次元ベクトル量子化出力のインデック
スのビット数をｂとするとき、Ｍ次元の２^b個のコード
ベクトルを持つコードブックを直接的にサーチするスト
レートなベクトル量子化も論理的には可能であるが、ベ
クトル量子化の際のコードブックサーチは、Ｍ・２^bに
比例して演算量が増大し、テーブルのＲＯＭサイズに関
しても同様である。そこで、構造化されたコードブック
を有するベクトル量子化の使用がより現実的な方法とな
る。本実施例では、Ｍ次元ベクトルを複数個の低次元ベ
クトルに分割し、各々のベクトルの平均値を算出し、そ
の平均値からなるベクトル（上位層）と、平均値を除去
したベクトル群（下位層）とに分け、各々ベクトル量子
化を行うようにしている。

【００３４】

【数１】

【００３５】この（４）式中で、Ｘ_1,Ｘ_2,…_,Ｘ
_Sはそれぞれｄ_1,ｄ_2,…_,ｄ_S次元のベクトルを表し、
ｄ₁＋ｄ₂＋…＋ｄ_S＝Ｍである。またｔはベクトルの
転置を示す。前述した図２の具体例は、各ベクトルＸ
_1,Ｘ_2,…_,Ｘ_Sの次元を全て４としたもの（ｄ₁＝
ｄ₂＝…＝ｄ_S＝４）に相当する。

【００３６】上記Ｓ個のベクトルＸ_1,Ｘ_2,…_,Ｘ
_Sのそれぞれの要素の平均値をｙ_1,ｙ_2,…_,ｙ_Sとする
と、ｙ_i（１≦ｉ≦Ｓ）は、

【００３７】

【数２】

【００３８】と表せる。これらの平均値を要素とするＳ
次元の平均値ベクトルＹを、Ｙ＝（ｙ₁，ｙ₂，…，ｙ_S）^t ・・・（６）と定義する。これは、前記図３に相当する。先ずこのＳ
次元ベクトルＹをベクトル量子化する。ベクトルＹ
のベクトル量子化には、ストレートベクトル量子化、シ
ェイプ−ゲインベクトル量子化等の方法が考えられる
が、本実施例では、シェイプ−ゲインベクトル量子化を
使う。このシェイプ−ゲインベクトル量子化は、M. J.
Sabin, R. M. Gray, "Product Code Vector Quantizer
for Waveformand Voice Coding", IEEE Trans. on ASS
P, vol. ASSP-32, No.3, June 1984等に述べられてい
る。

【００３９】Ｓ次元ベクトルＹをベクトル量子化した
結果（Ｓ次元ベクトル）をＹ_VQとする。この量子化後
のＳ次元ベクトルＹ_VQを、Ｙ_VQ＝（ｙ_VQ1，ｙ_VQ2，…，ｙ_VQS）・・・（７）と表す。このＹ_VQは、元の配列ｘ(n) （≡ｃ_dB(n) 、
１≦ｎ≦Ｍ）の概略形状あるいは特徴量とみなせる。よ
って、伝送路エラーに対しては、比較的強く保護してや
る必要がある。

【００４０】次に、このＳ次元ベクトルＹ_VQを基に元
のＭ次元ベクトルの入力配列ｘ(n)（≡ｃ_dB(n) ）を何
らかの方法で推定（次元拡張）する。その推定値と、元
の入力配列との誤差分を、次段のベクトル量子化の入力
信号とする。推定方法の例としては、非線形補間（例え
ば、A. Gersho, "Optimal Nonlinear InterpolativeVec
tor Quantization", IEEE Trans. on comm., vol.38, N
o.9, Sep. 1990 等参照）、スプライン補間、多項式補
間、直線補間（１次補間）、０次ホールド等が考えられ
る。ここで優れた補間を行うと、次段のベクトル量子化
への入力ベクトルの存在領域を狭くすることになり、結
果として、より低歪での量子化が可能となる。本実施例
では、最もシンプルな０次ホールドの例（図５参照）を
採用している。

【００４１】ここで、Ｓ個のベクトルに対応する平均値
除去ベクトル（量子化済み平均値を除去した残差ベクト
ル）をＲ_1,Ｒ_2,…_,Ｒ_Sと表すと、これらのベク
トルＲ_1,Ｒ_2,…_,Ｒ_Sは、

【００４２】

【数３】

【００４３】で求まる。この（８）式中のベクトルＩ
_i（１≦ｉ≦Ｓ）は、上記ｄ_i次元で全ての要素が１の
単位列ベクトルである。この具体例が上記図６に相当す
る。

【００４４】これらの各残差ベクトルＲ_1,Ｒ_2,…_,
Ｒ_Sを、各々別々のコードブックを使用してベクトル
量子化する。ここでのベクトル量子化はストレートベク
トル量子化を用いるが、他の構造化されたベクトル量子
化でも勿論可能である。すなわち、各残差ベクトルＲ
_1,Ｒ_2,…_,Ｒ_Sを要素で表した

【００４５】

【数４】

【００４６】に対し、ベクトル量子化後のデータを、
Ｒ_VQ1,Ｒ_VQ2,…_,Ｒ_VQS、一般にＲ_VQiで記
す。

【００４７】

【数５】

【００４８】これは、残差ベクトルＲ_iに対し、量子
化の誤差ベクトルε_iが付加されたものとみることが
できる。すなわち、Ｒ_VQi＝Ｒ_i＋ε_i ・・・（11）つまり、

【００４９】

【数６】

【００５０】この量子化後の各残差ベクトルＲ_VQ1,
Ｒ_VQ2,…_,Ｒ_VQSの各要素の具体例が上記図７に相
当する。

【００５１】エンコーダ側で伝送すべきインデックス出
力は、上記Ｙ_VQを表す１つのインデックスと、上記Ｓ
個の残差ベクトルＲ_VQ1,Ｒ_VQ2,…_,Ｒ_VQSを表す
Ｓ個のインデクスとなる。なお、シェイプ−ゲインベク
トル量子化では、１つの出力インデックスがシェイプ用
１つとゲイン用１つで表されることになる。

【００５２】次に、ベクトル量子化のデコード値を得る
ためには、以下の処理を行う。伝送されたインデックス
よりテーブルルックアップにより、Ｙ_VQ、Ｒ
_VQi（１≦ｉ≦Ｓ）を得た後、次の処理を実行する。す
なわち、上記（７）式よりｙ_VQiを求め、Ｘ_VQiを以
下の様に求める。Ｘ_VQi＝Ｒ_VQi＋ｙ_VQiＩ_i （１≦ｉ≦Ｓ）＝Ｒ_i＋ε_i＋ｙ_VQiＩ_i ＝Ｘ_i−ｙ_VQiＩ_i＋ε_i＋ｙ_VQiＩ_i ＝Ｘ_i＋ε_i ・・・（13）

【００５３】よって、デコーダ出力に現れる量子化ノイ
ズは、上記Ｒ_iの量子化時に発生したε_iのみであ
る。一段目のＹの量子化の善し悪しは、直接的に最終
的なノイズには現れない。しかし、その善し悪しによっ
て、二段目のＲ_VQiのベクトル量子化の性能に影響を
与え、結果的にはデコーダ出力の量子化ノイズの大きさ
に寄与することになる。

【００５４】このように、ベクトル量子化のコードブッ
クを階層構造にすることにより、（ｉ）コードブックサ
ーチのための乗加算回数の低減、（ii）コードブックの
ためのＲＯＭ容量の低減、(iii) 階層的な誤り訂正符号
の効果的な活用が可能となる。

【００５５】上記（ｉ）、（ii）の効果について、具体
例を挙げる。今、Ｍ＝４４、Ｓ＝７、ｄ₁＝ｄ₂＝ｄ₃
＝ｄ₄＝５、ｄ₅＝ｄ₆＝ｄ₇＝８とする。また、上記
データｘ(n) （≡ｃ_dB(n) ）、１≦ｎ≦Ｍの量子化に使
用するビット数を４８ビットとする。

【００５６】先ず、単純に、Ｍ＝４４次元ベクトルを４
８ビット出力のベクトル量子化すると、コードブックの
テーブルサイズは、２⁴⁸≒２．８１×１０¹⁴となり、そ
れにワード幅（＝４４）を乗じて、２⁴⁸×４４≒１．２
３８×１０¹⁶ワードのテーブルが必要となる。テーブル
サーチの演算量も２⁴⁸×４４のオーダの値となる。

【００５７】これに対し、次のようなビット割り当てを
考える。Ｙ → １３ビット（８ビット：シェイプ、５ビッ
ト：ゲイン）、次元Ｓ＝７Ｘ₁ → ６ビット、次元ｄ₁＝５Ｘ₂ → ５ビット、次元ｄ₂＝５Ｘ₃ → ５ビット、次元ｄ₃＝５Ｘ₄ → ５ビット、次元ｄ₄＝５Ｘ₅ → ５ビット、次元ｄ₅＝８Ｘ₆ → ５ビット、次元ｄ₆＝８Ｘ₇ → ４ビット、次元ｄ₇＝８計４８ビット、（Ｍ＝）４４次元このときのテーブル用容量として、Ｙ：シェイプ：７×２⁸＝１７９２、ゲイン：
２⁵＝３２Ｘ₁ ：５×２⁶＝３２０Ｘ₂ ：５×２⁵＝１６０Ｘ₃ ：５×２⁵＝１６０Ｘ₄ ：５×２⁵＝１６０Ｘ₅ ：８×２⁵＝２５６Ｘ₆ ：８×２⁵＝２５６Ｘ₇ ：８×２⁴＝１２８すなわち、計３２６４ワードが必要となる。テーブルサ
ーチの演算量は、基本的にテーブルサイズのトータルと
同じオーダになるので、略々３２６４のオーダとなる。
これは、実用上、全く問題のない値である。

【００５８】また上記(iii) に関して、上記一段目のベ
クトルＹの量子化出力インデックスの１３ビットは、
全て畳み込み符号等のＦＥＣ（Forward Error Correcti
on）で保護するように、Ｘ₁〜Ｘ₇に関しては、例
えば、それぞれのインデックスの上位３、３、２、２、
２、２、１ビットは保護し、下位ビットは誤り訂正なし
で使う、等といった方法が可能である。その際は、ベク
トル量子化器のインデックスを表すバイナリデータのハ
ミング距離と、そのインデックスによって参照されるコ
ードベクトルのユークリッド距離の間に相互関係をもた
せておく（すなわち、コードベクトルのユークリッド距
離の近いものは、ハミング距離の近いインデックスを割
り振ること等）ことで、より効果的にＦＥＣをかけられ
る。

【００５９】ところで、後述するＭＢＥ等の音声合成分
析符号化の場合に、音声の有声無声の度合い、ピッチ等
が既に特徴量として抽出されていることを考慮して、そ
れらの特徴量、特に有声／無声の判断結果によってベク
トル量子化のコードブックを切り換えることが可能であ
る。すなわち、有声音時、無声音時は、各々存在するス
ペクトルの形状が大きく異なり、各状態に対応して各々
別々にトレーニングされたコードブックを持つことは、
特性改善上、大変好ましいことである。また、階層構造
化ベクトル量子化の場合、上位層のベクトル量子化は固
定のコードブックとし、下位層のベクトル量子化のコー
ドブックのみ、有声用／無声用の２種を切り換えるよう
にしてもよい。また、周波数軸上のビットアロケーショ
ンも、例えば有声音のときは低音重視、無声音のときは
高音重視に切り換えるようにしてもよい。切換制御に
は、ピッチの有無、周波数軸上での有声音／無声音の含
有比率、スペクトルのレベルや傾き、等を利用すること
ができる。

【００６０】次に、上述したような高能率符号化方法が
適用可能な、音声信号の合成分析符号化装置（いわゆる
ボコーダ）の一種のＭＢＥ（Multiband Excitation: マ
ルチバンド励起）ボコーダの具体例について、図面を参
照しながら説明する。以下に説明するＭＢＥボコーダ
は、D.W. Griffin and J.S. Lim, "MultibandExcitatio
n Vocoder," IEEE Trans.Acoustics,Speech,and Signal
Processing,vol.36, No.8, pp.1223-1235, Aug. 1988
に開示されているものであり、従来のＰＡＲＣＯＲ（PA
Rtial auto-CORrelation: 偏自己相関）ボコーダ等で
は、音声のモデル化の際に有声音区間と無声音区間とを
ブロックあるいはフレーム毎に切り換えていたのに対
し、ＭＢＥボコーダでは、同時刻（同じブロックあるい
はフレーム内）の周波数軸領域に有声音（Voiced）区間
と無声音（Unvoiced）区間とが存在するという仮定でモ
デル化している。

【００６１】図１０は、上記ＭＢＥボコーダに本発明を
適用した実施例の全体の概略構成を示すブロック図であ
る。この図１０において、入力端子１０１には音声信号
が供給されるようになっており、この入力音声信号は、
ＨＰＦ（ハイパスフィルタ）等のフィルタ１０２に送ら
れて、いわゆるＤＣ（直流）オフセット分の除去や帯域
制限（例えば２００〜３４００Hzに制限）のための少な
くとも低域成分（２００Hz以下）の除去が行われる。こ
のフィルタ１０２を介して得られた信号は、ピッチ抽出
部１０３及び窓かけ処理部１０４にそれぞれ送られる。
ピッチ抽出部１０３では、入力音声信号データが所定サ
ンプル数Ｎ（例えばＮ＝２５６）単位でブロック分割さ
れ（あるいは方形窓による切り出しが行われ）、このブ
ロック内の音声信号についてのピッチ抽出が行われる。
このような切り出しブロック（２５６サンプル）を、例
えば図１１のＡに示すようにＬサンプル（例えばＬ＝１
６０）のフレーム間隔で時間軸方向に移動させており、
各ブロック間のオーバラップはＮ−Ｌサンプル（例えば
９６サンプル）となっている。また、窓かけ処理部１０
４では、１ブロックＮサンプルに対して所定の窓関数、
例えばハミング窓をかけ、この窓かけブロックを１フレ
ームＬサンプルの間隔で時間軸方向に順次移動させてい
る。

【００６２】このような窓かけ処理を数式で表すと、ｘ_w(k,q) ＝ｘ(q) ｗ(kL-q) ・・・（14）となる。この(14)式において、ｋはブロック番号を、ｑ
はデータの時間インデックス（サンプル番号）を表し、
処理前の入力信号のｑ番目のデータｘ(q) に対して第ｋ
ブロックの窓（ウィンドウ）関数ｗ(kL-q)により窓かけ
処理されることによりデータｘ_w(k,q) が得られること
を示している。ピッチ抽出部１０３内での図１１のＡに
示すような方形窓の場合の窓関数ｗ_r(r) は、ｗ_r(r) ＝１０≦ｒ＜Ｎ・・・（15）＝０ｒ＜０，Ｎ≦ｒまた、窓かけ処理部１０４での図１１のＢに示すような
ハミング窓の場合の窓関数ｗ_h(r) は、ｗ_h(r) ＝ 0.54 − 0.46 cos(２πr/(N-1)) ０≦ｒ＜Ｎ・・・（16）＝０ｒ＜０，Ｎ≦ｒである。このような窓関数ｗ_r(r) あるいはｗ_h(r) を
用いるときの上記（14）式の窓関数ｗ(r) （＝ｗ(kL-
q)）の否零区間は、０≦ｋＬ−ｑ＜Ｎこれを変形して、ｋＬ−Ｎ＜ｑ≦ｋＬ従って例えば上記方形窓の場合に窓関数ｗ_r(kL-q)＝１
となるのは、図１２に示すように、ｋＬ−Ｎ＜ｑ≦ｋＬ
のときとなる。また、上記（14）〜（16）式は、長さＮ
（＝２５６）サンプルの窓が、Ｌ（＝１６０）サンプル
ずつ前進してゆくことを示している。以下、上記（15）
式、（16）式の各窓関数で切り出された各Ｎ点（０≦ｒ
＜Ｎ）の否零サンプル列を、それぞれｘ_wr(k,r) 、ｘ_wh
(k,r) と表すことにする。

【００６３】窓かけ処理部１０４では、図１３に示すよ
うに、上記（16）式のハミング窓がかけられた１ブロッ
ク２５６サンプルのサンプル列ｘ_wh(k,r) に対して１７
９２サンプル分の０データが付加されて（いわゆる０詰
めされて）２０４８サンプルとされ、この２０４８サン
プルの時間軸データ列に対して、直交変換部１０５によ
り例えばＦＦＴ（高速フーリエ変換）等の直交変換処理
が施される。

【００６４】ピッチ抽出部１０３では、上記ｘ_wr(k,r)
のサンプル列（１ブロックＮサンプル）に基づいてピッ
チ抽出が行われる。このピッチ抽出法には、時間波形の
周期性や、スペクトルの周期的周波数構造や、自己相関
関数を用いるもの等が知られているが、本実施例では、
センタクリップ波形の自己相関法を採用している。この
ときのブロック内でのセンタクリップレベルについて
は、１ブロックにつき１つのクリップレベルを設定して
もよいが、ブロックを細分割した各部（各サブブロッ
ク）の信号のピークレベル等を検出し、これらの各サブ
ブロックのピークレベル等の差が大きいときに、ブロッ
ク内でクリップレベルを段階的にあるいは連続的に変化
させるようにしている。このセンタクリップ波形の自己
相関データのピーク位置に基づいてピッチ周期を決めて
いる。このとき、現在フレームに属する自己相関データ
（自己相関は１ブロックＮサンプルのデータを対象とし
て求められる）から複数のピークを求めておき、これら
の複数のピークの内の最大ピークが所定の閾値以上のと
きには該最大ピーク位置をピッチ周期とし、それ以外の
ときには、現在フレーム以外のフレーム、例えば前後の
フレームで求められたピッチに対して所定の関係を満た
すピッチ範囲内、例えば前フレームのピッチを中心とし
て±２０％の範囲内にあるピークを求め、このピーク位
置に基づいて現在フレームのピッチを決定するようにし
ている。このピッチ抽出部１０３ではオープンループに
よる比較的ラフなピッチのサーチが行われ、抽出された
ピッチデータは高精度（ファイン）ピッチサーチ部１０
６に送られて、クローズドループによる高精度のピッチ
サーチ（ピッチのファインサーチ）が行われる。

【００６５】高精度（ファイン）ピッチサーチ部１０６
には、ピッチ抽出部１０３で抽出された整数（インテジ
ャー）値の粗（ラフ）ピッチデータと、直交変換部１０
５により例えばＦＦＴされた周波数軸上のデータとが供
給されている。この高精度ピッチサーチ部１０６では、
上記粗ピッチデータ値を中心に、0.２〜0.５きざみで±
数サンプルずつ振って、最適な小数点付き（フローティ
ング）のファインピッチデータの値へ追い込む。このと
きのファインサーチの手法として、いわゆる合成による
分析 (Analysis by Synthesis)法を用い、合成されたパ
ワースペクトルが原音のパワースペクトルに最も近くな
るようにピッチを選んでいる。

【００６６】このピッチのファインサーチについて説明
する。先ず、上記ＭＢＥボコーダにおいては、上記ＦＦ
Ｔ等により直交変換された周波数軸上のスペクトルデー
タとしてのＳ(j) をＳ(j) ＝Ｈ(j) ｜Ｅ(j) ｜０＜ｊ＜Ｊ・・・（17）と表現するようなモデルを想定している。ここで、Ｊは
ω_s／４π＝ｆ_s／２に対応し、サンプリング周波数ｆ
_s＝ω_s／２πが例えば８ｋHzのときには４ｋHzに対応
する。上記（17）式中において、周波数軸上のスペクト
ルデータＳ(j) が図１４のＡに示すような波形のとき、
Ｈ(j) は、図１４のＢに示すような元のスペクトルデー
タＳ(j) のスペクトル包絡線（エンベロープ）を示し、
Ｅ(j) は、図１４のＣに示すような等レベルで周期的な
励起信号（エキサイテイション）のスペクトルを示して
いる。すなわち、ＦＦＴスペクトルＳ(j) は、スペクト
ルエンベロープＨ(j) と励起信号のパワースペクトル｜
Ｅ(j) ｜との積としてモデル化される。

【００６７】上記励起信号のパワースペクトル｜Ｅ(j)
｜は、上記ピッチに応じて決定される周波数軸上の波形
の周期性（ピッチ構造）を考慮して、１つの帯域（バン
ド）の波形に相当するスペクトル波形を周波数軸上の各
バンド毎に繰り返すように配列することにより形成され
る。この１バンド分の波形は、例えば上記図１３に示す
ような２５６サンプルのハミング窓関数に１７９２サン
プル分の０データを付加（０詰め）した波形を時間軸信
号と見なしてＦＦＴし、得られた周波数軸上のある帯域
幅を持つインパルス波形を上記ピッチに応じて切り出す
ことにより形成することができる。

【００６８】次に、上記ピッチに応じて分割された各バ
ンド毎に、上記Ｈ(j) を代表させるような（各バンド毎
のエラーを最小化するような）値（一種の振幅）｜Ａ_m
｜を求める。ここで、例えば第ｍバンド（第ｍ高調波の
帯域）の下限、上限の点をそれぞれａ_m、ｂ_mとすると
き、この第ｍバンドのエラーε_mは、

【００６９】

【数７】

【００７０】で表せる。このエラーε_mを最小化するよ
うな｜Ａ_m｜は、

【００７１】

【数８】

【００７２】となり、この（19）式の｜Ａ_m｜のとき、
エラーε_mを最小化する。このような振幅｜Ａ_m｜を各
バンド毎に求め、得られた各振幅｜Ａ_m｜を用いて上記
（18）式で定義された各バンド毎のエラーε_mを求め
る。次に、このような各バンド毎のエラーε_mの全バン
ドの総和値Σε_mを求める。さらに、このような全バン
ドのエラー総和値Σε_mを、いくつかの微小に異なるピ
ッチについて求め、エラー総和値Σε_mが最小となるよ
うなピッチを求める。

【００７３】すなわち、上記ピッチ抽出部１０３で求め
られたラフピッチを中心として、例えば 0.25 きざみで
上下に数種類ずつ用意する。これらの複数種類の微小に
異なるピッチの各ピッチに対してそれぞれ上記エラー総
和値Σε_mを求める。この場合、ピッチが定まるとバン
ド幅が決まり、上記（19）式より、周波数軸上データの
パワースペクトル｜Ｓ(j) ｜と励起信号スペクトル｜Ｅ
(j) ｜とを用いて上記（18）式のエラーε_mを求め、そ
の全バンドの総和値Σε_mを求めることができる。この
エラー総和値Σε_mを各ピッチ毎に求め、最小となるエ
ラー総和値に対応するピッチを最適のピッチとして決定
するわけである。以上のようにして高精度ピッチサーチ
部１０６で最適のファイン（例えば 0.25 きざみ）ピッ
チが求められ、この最適ピッチに対応する振幅｜Ａ_m｜
が決定される。

【００７４】以上ピッチのファインサーチの説明におい
ては、説明を簡略化するために、全バンドが有声音（Vo
iced）の場合を想定しているが、上述したようにＭＢＥ
ボコーダにおいては、同時刻の周波数軸上に無声音（Un
voiced）領域が存在するというモデルを採用しているこ
とから、上記各バンド毎に有声音／無声音の判別を行う
ことが必要とされる。

【００７５】上記高精度ピッチサーチ部１０６からの最
適ピッチ及び振幅｜Ａ_m｜のデータは、有声音／無声音
判別部１０７に送られ、上記各バンド毎に有声音／無声
音の判別が行われる。この判別のために、ＮＳＲ（ノイ
ズｔｏシグナル比）を利用する。すなわち、第ｍバンド
のＮＳＲは、

【００７６】

【数９】

【００７７】と表せ、このＮＳＲ値が所定の閾値（例え
ば0.３）より大のとき（エラーが大きい）ときには、そ
のバンドでの｜Ａ_m｜｜Ｅ(j) ｜による｜Ｓ(j) ｜の近
似が良くない（上記励起信号｜Ｅ(j) ｜が基底として不
適当である）と判断でき、当該バンドをＵＶ（Unvoice
d、無声音）と判別する。これ以外のときは、近似があ
る程度良好に行われていると判断でき、そのバンドをＶ
（Voiced、有声音）と判別する。

【００７８】次に、振幅再評価部１０８には、直交変換
部１０５からの周波数軸上データ、高精度ピッチサーチ
部１０６からのファインピッチと評価された振幅｜Ａ_m
｜との各データ、及び上記有声音／無声音判別部１０７
からのＶ／ＵＶ（有声音／無声音）判別データが供給さ
れている。この振幅再評価部１０８では、有声音／無声
音判別部１０７において無声音（ＵＶ）と判別されたバ
ンドに関して、再度振幅を求めている。このＵＶのバン
ドについての振幅｜Ａ_m｜_UVは、

【００７９】

【数１０】

【００８０】にて求められる。

【００８１】この振幅再評価部１０８からのデータは、
データ数変換（一種のサンプリングレート変換）部１０
９に送られる。このデータ数変換部１０９は、上記ピッ
チに応じて周波数軸上での分割帯域数が異なり、データ
数（特に振幅データの数）が異なることを考慮して、一
定の個数にするためのものである。すなわち、例えば有
効帯域を３４００Hzまでとすると、この有効帯域が上記
ピッチに応じて、８バンド〜６３バンドに分割されるこ
とになり、これらの各バンド毎に得られる上記振幅｜Ａ
_m｜（ＵＶバンドの振幅｜Ａ_m｜_UVも含む）データの個
数ｍ_MX＋１も８〜６３と変化することになる。このため
データ数変換部１０９では、この可変個数ｍ_MX＋１の振
幅データを一定個数Ｎ_C（例えば４４個）のデータに変
換している。

【００８２】ここで本実施例においては、周波数軸上の
有効帯域１ブロック分の振幅データに対して、ブロック
内の最後のデータからブロック内の最初のデータまでの
値を補間するようなダミーデータを付加してデータ個数
をＮ_F個に拡大した後、帯域制限型のＫ_OS倍（例えば８
倍）のオーバーサンプリングを施すことによりＫ_OS倍の
個数の振幅データを求め、このＫ_OS倍の個数（（ｍ_MX＋
１）×Ｋ_OS個）の振幅データを直線補間してさらに多く
のＮ_M個（例えば２０４８個）に拡張し、このＮ_M個の
データを間引いて上記一定個数Ｎ_C（例えば４４個）の
データに変換する。

【００８３】このデータ数変換部１０９からのデータ
（上記一定個数Ｎ_Cの振幅データ）がベクトル量子化部
１１０に送られて、所定個数のデータ毎にまとめられて
ベクトルとされ、ベクトル量子化が施される。このベク
トル量子化部１１０として、上述した図１に示すような
階層構造化されたベクトル量子化部１５が用いられる。
従って、出力端子１１１を介して取り出されるベクトル
量子化部１１０からの量子化出力データは、上記図１の
Ｓ次元ベクトル量子化器２２から出力端子２６を介して
取り出される上位側のインデックスデータと、各ベクト
ル量子化器２５₁〜２５_Sから各出力端子２７₁〜２７
_Sを介してそれぞれ取り出される下位側のインデックス
データとをあわせたものとなる。

【００８４】また、上記高精度のピッチサーチ部１０６
からの高精度（ファイン）ピッチデータは、ピッチ符号
化部１１５で符号化され、出力端子１１２を介して取り
出される。さらに、上記有声音／無声音判別部１０７か
らの有声音／無声音（Ｖ／ＵＶ）判別データは、出力端
子１１３を介して取り出される。そして、これらの各出
力端子１１１〜１１３からのデータは、所定の伝送フォ
ーマットの信号とされて伝送される。

【００８５】なお、これらの各データは、上記Ｎサンプ
ル（例えば２５６サンプル）のブロック内のデータに対
して処理を施すことにより得られるものであるが、ブロ
ックは時間軸上を上記Ｌサンプルのフレームを単位とし
て前進することから、伝送するデータは上記フレーム単
位で得られる。すなわち、上記フレーム周期でピッチデ
ータ、Ｖ／ＵＶ判別データ、振幅データが更新されるこ
とになる。

【００８６】次に、伝送されて得られた上記各データに
基づき音声信号を合成するための合成側（デコード側）
の概略構成について、図１５を参照しながら説明する。
この図１５において、入力端子１２１には上記ベクトル
量子化された振幅データが、入力端子１２２には上記符
号化されたピッチデータが、また入力端子１２３には上
記Ｖ／ＵＶ判別データがそれぞれ供給される。入力端子
１２１からの量子化振幅データは、逆ベクトル量子化部
１２４に送られて逆量子化される。この逆ベクトル量子
化部１２４も、上記図１の階層構造化ベクトル量子化部
１５に対応する階層構造化された逆ベクトル量子化部で
あり、上記各階層のインデックスデータに基づいて逆ベ
クトル量子化されたデータを合成して出力する。

【００８７】この逆ベクトル量子化部１２４からの出力
データは、データ数逆変換部１２５に送られて逆変換さ
れ、得られた振幅データが有声音合成部１２６及び無声
音合成部１２７に送られる。入力端子１２２からの符号
化ピッチデータは、ピッチ復号化部１２８で復号化さ
れ、データ数逆変換部１２５、有声音合成部１２６及び
無声音合成部１２７に送られる。また入力端子１２３か
らのＶ／ＵＶ判別データは有声音合成部１２６及び無声
音合成部１２７に送られる。

【００８８】有声音合成部１２６では例えば余弦(cosin
e)波合成により時間軸上の有声音波形を合成し、無声音
合成部１２７では例えばホワイトノイズをバンドパスフ
ィルタでフィルタリングして時間軸上の無声音波形を合
成し、これらの各有声音合成波形と無声音合成波形とを
加算部１２９で加算合成して、出力端子１３０より取り
出すようにしている。この場合、上記振幅データ、ピッ
チデータ及びＶ／ＵＶ判別データは、上記分析時の１フ
レーム（Ｌサンプル、例えば１６０サンプル）毎に更新
されて与えられるが、フレーム間の連続性を高める（円
滑化する）ために、上記振幅データやピッチデータの各
値を１フレーム中の例えば中心位置における各データ値
とし、次のフレームの中心位置までの間（合成時の１フ
レーム）の各データ値を補間により求める。すなわち、
合成時の１フレーム（例えば上記分析フレームの中心か
ら次の分析フレームの中心まで）において、先端サンプ
ル点での各データ値と終端（次の合成フレームの先端）
サンプル点での各データ値とが与えられ、これらのサン
プル点間の各データ値を補間により求めるようにしてい
る。

【００８９】以下、有声音合成部１２６における合成処
理を詳細に説明する。上記Ｖ（有声音）と判別された第
ｍバンド（第ｍ高調波の帯域）における時間軸上の上記
１合成フレーム（Ｌサンプル、例えば１６０サンプル）
分の有声音をＶ_m(n) とするとき、この合成フレーム内
の時間インデックス（サンプル番号）ｎを用いて、Ｖ_m(n) ＝Ａ_m(n) cos(θ_m(n)) ０≦ｎ＜Ｌ・・・（22）と表すことができる。全バンドの内のＶ（有声音）と判
別された全てのバンドの有声音を加算（ΣＶ_m(n) ）し
て最終的な有声音Ｖ(n) を合成する。

【００９０】この（22）式中のＡ_m(n) は、上記合成フ
レームの先端から終端までの間で補間された第ｍ高調波
の振幅である。最も簡単には、フレーム単位で更新され
る振幅データの第ｍ高調波の値を直線補間すればよい。
すなわち、上記合成フレームの先端（ｎ＝０）での第ｍ
高調波の振幅値をＡ_0m、該合成フレームの終端（ｎ＝
Ｌ：次の合成フレームの先端）での第ｍ高調波の振幅値
をＡ_Lmとするとき、Ａ_m(n) ＝ (L-n)Ａ_0m／Ｌ＋ｎＡ_Lm／Ｌ・・・（23）の式によりＡ_m(n) を計算すればよい。

【００９１】次に、上記（９）式中の位相θ_m(n) は、 θ_m(n) ＝ｍω_O1ｎ＋ｎ²ｍ（ω_L1−ω₀₁）／２Ｌ＋φ_0m＋Δωｎ・・・（24）により求めることができる。この（24）式中で、φ_0mは
上記合成フレームの先端（ｎ＝０）での第ｍ高調波の位
相（フレーム初期位相）を示し、ω₀₁は合成フレーム先
端（ｎ＝０）での基本角周波数、ω_L1は該合成フレーム
の終端（ｎ＝Ｌ：次の合成フレーム先端）での基本角周
波数をそれぞれ示している。上記（24）式中のΔωは、
ｎ＝Ｌにおける位相φ_Lmがθ_m(L) に等しくなるような
最小のΔωを設定する。

【００９２】以下、任意の第ｍバンドにおいて、それぞ
れｎ＝０、ｎ＝ＬのときのＶ／ＵＶ判別結果に応じた上
記振幅Ａ_m(n) 、位相θ_m(n) の求め方を説明する。第
ｍバンドが、ｎ＝０、ｎ＝ＬのいずれもＶ（有声音）と
される場合に、振幅Ａ_m(n) は、上述した（23）式によ
り、伝送された振幅値Ａ_0m、Ａ_Lmを直線補間して振幅Ａ
_m(n) を算出すればよい。位相θ_m(n) は、ｎ＝０でθ
_m(0) ＝φ_0mからｎ＝Ｌでθ_m(L) がφ_Lmとなるように
Δωを設定する。

【００９３】次に、ｎ＝０のときＶ（有声音）で、ｎ＝
ＬのときＵＶ（無声音）とされる場合に、振幅Ａ_m(n)
は、Ａ_m(0) の伝送振幅値Ａ_0mからＡ_m(L) で０となる
ように直線補間する。ｎ＝Ｌでの伝送振幅値Ａ_Lmは無声
音の振幅値であり、後述する無声音合成の際に用いられ
る。位相θ_m(n) は、θ_m(0) ＝φ_0mとし、かつΔω＝
０とする。

【００９４】さらに、ｎ＝０のときＵＶ（無声音）で、
ｎ＝ＬのときＶ（有声音）とされる場合には、振幅Ａ_m
(n) は、ｎ＝０での振幅Ａ_m(0) を０とし、ｎ＝Ｌで伝
送された振幅値Ａ_Lmとなるように直線補間する。位相θ
_m(n) については、ｎ＝０での位相θ_m(0) として、フ
レーム終端での位相値φ_Lmを用いて、 θ_m(0) ＝φ_Lm−ｍ（ω_O1＋ω_L1）Ｌ／２・・・（25）とし、かつΔω＝０とする。

【００９５】上記ｎ＝０、ｎ＝ＬのいずれもＶ（有声
音）とされる場合に、θ_m(L) がφ_LmとなるようにΔω
を設定する手法について説明する。上記（11）式で、ｎ
＝Ｌと置くことにより、 θ_m(L) ＝ｍω_O1Ｌ＋Ｌ²ｍ（ω_L1−ω₀₁）／２Ｌ＋φ_0m＋ΔωＬ＝ｍ（ω_O1＋ω_L1）Ｌ／２＋φ_0m＋ΔωＬ＝φ_Lm となり、これを整理すると、Δωは、 Δω＝（mod2π((φ_Lm−φ_0m) − mL(ω_O1＋ω_L1)/2)／Ｌ・・・（26）となる。この（26）式でmod2π(x) とは、ｘの主値を−
π〜＋πの間の値で返す関数である。例えば、ｘ＝１.3
πのときmod2π(x) ＝−０.7π、ｘ＝２.3πのときmod2
π(x) ＝０.3π、ｘ＝−１.3πのときmod2π(x) ＝０.7
π、等である。

【００９６】ここで、図１６のＡは、音声信号のスペク
トルの一例を示しており、バンド番号（ハーモニクスナ
ンバ）ｍが８、９、１０の各バンドがＵＶ（無声音）と
され、他のバンドはＶ（有声音）とされている。このＶ
（有声音）のバンドの時間軸信号が上記有声音合成部１
２６により合成され、ＵＶ（無声音）のバンドの時間軸
信号が無声音合成部１２７で合成されるわけである。

【００９７】以下、無声音合成部１２７における無声音
合成処理を説明する。ホワイトノイズ発生部１３１から
の時間軸上のホワイトノイズ信号波形を、所定の長さ
（例えば２５６サンプル）で適当な窓関数（例えばハミ
ング窓）により窓かけをし、ＳＴＦＴ処理部１３２によ
りＳＴＦＴ（ショートタームフーリエ変換）処理を施す
ことにより、図１６のＢに示すようなホワイトノイズの
周波数軸上のパワースペクトルを得る。このＳＴＦＴ処
理部１３２からのパワースペクトルをバンド振幅処理部
１３３に送り、図１６のＣに示すように、上記ＵＶ（無
声音）とされたバンド（例えばｍ＝８、９、１０）につ
いて上記振幅｜Ａ_m｜_UVを乗算し、他のＶ（有声音）と
されたバンドの振幅を０にする。このバンド振幅処理部
１３３には上記振幅データ、ピッチデータ、Ｖ／ＵＶ判
別データが供給されている。バンド振幅処理部１３３か
らの出力は、ＩＳＴＦＴ処理部１３４に送られ、位相は
元のホワイトノイズの位相を用いて逆ＳＴＦＴ処理を施
すことにより時間軸上の信号に変換する。ＩＳＴＦＴ処
理部１３４からの出力は、オーバーラップ加算部１３５
に送られ、時間軸上で適当な（元の連続的なノイズ波形
を復元できるように）重み付けをしながらオーバーラッ
プ及び加算を繰り返し、連続的な時間軸波形を合成す
る。オーバーラップ加算部１３５からの出力信号が上記
加算部１２９に送られる。

【００９８】このように、各合成部１２６、１２７にお
いて合成されて時間軸上に戻された有声音部及び無声音
部の各信号は、加算部１２９により適当な固定の混合比
で加算して、出力端子１３０より再生された音声信号を
取り出す。

【００９９】なお、上記図１０の音声分析側（エンコー
ド側）の構成や図１６の音声合成側（デコード側）の構
成については、各部をハードウェア的に記載している
が、いわゆるＤＳＰ（ディジタル信号プロセッサ）等を
用いてソフトウェアプログラムにより実現することも可
能である。

【０１００】なお、本発明は上記実施例のみに限定され
るものではなく、例えば、音声信号のみならず、音響信
号を入力信号として用いることもできる。

【０１０１】

【０１０２】また、他の発明に係る高能率符号化方法に
よれば、周波数軸上データを予め非線形圧縮した後、ベ
クトル量子化しているため、能率的な符号化が実現で
き、量子化の品質を高めることができる。

【０１０３】さらに他の発明に係る高能率符号化方法に
よれば、ブロック毎に得られる周波数軸上データについ
て前後のブロックのデータ間の差分をとり、このブロッ
ク間差分データをベクトル量子化しているため、より量
子化雑音を低減でき、圧縮率を高めることができる。

【図面の簡単な説明】

【図１１】窓かけ処理を説明するための図である。

【符号の説明】１２・・・・・周波数軸変換処理部１３・・・・・非線形圧縮部１４・・・・・ブロック間（フレーム間）差分処理部１５・・・・・ベクトル量子化部２１・・・・・次元低減部２２・・・・・Ｓ次元ベクトル量子化器２３・・・・・次元拡張部２５₁〜２５_S・・・・・ベクトル量子化器１０３・・・・・ピッチ抽出部１０４・・・・・窓かけ処理部１０５・・・・・直交変換（ＦＦＴ）部１０６・・・・・高精度（ファイン）ピッチサーチ部１０７・・・・・有声音／無声音（Ｖ／ＵＶ）判別部１０８・・・・・振幅再評価部１０９・・・・・データ数変換（データレートコンバー
ト）部１１０・・・・・ベクトル量子化部１２６・・・・・有声音合成部１２７・・・・・無声音合成部

Claims

【特許請求の範囲】

【請求項１】入力されたオーディオ信号をブロック単
位で区分して周波数軸に変換して得られるデータに基づ
いてＭ次元ベクトルとしての周波数軸上データを求める
工程と、このＭ次元ベクトルの周波数軸上データを複数グループ
に分割して各グループ毎に代表値を求めることにより次
元をＳ次元（Ｓ＜Ｍ）に低下させる工程と、このＳ次元ベクトルのデータに対して第１のベクトル量
子化を施す工程と、この第１のベクトル量子化出力データを逆量子化して対
応するＳ次元のコードベクトルを求める工程と、このＳ次元のコードベクトルを元のＭ次元のベクトルに
拡張する工程と、この拡張されたＭ次元のベクトルと元の上記Ｍ次元ベク
トルの周波数軸上データとの関係を表すデータに対して
第２のベクトル量子化を施す工程とを有することを特徴
とする高能率符号化方法。
【請求項２】上記Ｍ次元ベクトルの周波数軸上データ
として、上記ブロック単位で周波数軸に変換したデータ
を非線形圧縮したものを用いることを特徴とする請求項
１記載の高能率符号化方法。
【請求項３】入力されたオーディオ信号をブロック単
位で区分して周波数軸に変換して得られるデータを非線
形圧縮してＭ次元ベクトルとしての周波数軸上データを
求める工程と、このＭ次元ベクトルの周波数軸上データに対してベクト
ル量子化を施す工程とを有することを特徴とする高能率
符号化方法。
【請求項４】上記ベクトル量子化しようとするデータ
のブロック間の差分をとり、このブロック間差分データ
に対してベクトル量子化を施すことを特徴とする請求項
１、２又は３記載の高能率符号化方法。
【請求項５】入力されたオーディオ信号をブロック単
位で区分して周波数軸に変換して得られるデータのブロ
ック間差分をとりＭ次元ベクトルとしてのブロック間差
分データを求める工程と、このＭ次元ベクトルのブロック間差分データに対してベ
クトル量子化を施す工程とを有することを特徴とする高
能率符号化方法。
【請求項６】入力された音声信号をブロック単位で区
分して周波数軸に変換して得られるスペクトルの振幅を
ｄＢ領域に変換してＭ次元ベクトルとしての周波数軸上
データを求める工程と、このＭ次元ベクトルの周波数軸上データを複数グループ
に分割して各グループ毎に平均値を求めることにより次
元をＳ次元（Ｓ＜Ｍ）に低下させる工程と、このＳ次元ベクトルの平均値データに対して第１のベク
トル量子化を施す工程と、この第１のベクトル量子化出力データを逆量子化して対
応するＳ次元のコードベクトルを求める工程と、このＳ次元のコードベクトルを元のＭ次元のベクトルに
拡張する工程と、この拡張されたＭ次元のベクトルと元の上記Ｍ次元ベク
トルの周波数軸上データとの差のデータに対して第２の
ベクトル量子化を施す工程とを有することを特徴とする
高能率符号化方法。