JPH05265499A - 高能率符号化方法 - Google Patents
高能率符号化方法Info
- Publication number
- JPH05265499A JPH05265499A JP4092258A JP9225892A JPH05265499A JP H05265499 A JPH05265499 A JP H05265499A JP 4092258 A JP4092258 A JP 4092258A JP 9225892 A JP9225892 A JP 9225892A JP H05265499 A JPH05265499 A JP H05265499A
- Authority
- JP
- Japan
- Prior art keywords
- data
- vector
- unit
- signal
- pitch
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
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、ベクトル量子化部１５で
ベクトル量子化を施して出力端子１６から取り出す。ベ
クトル量子化部１５は、Ｖ（有声音）用コードブック１
５V と、ＵＶ（無声音）用コードブック１５U とが切換
スイッチ１５W にて切換選択されるようになっており、
周波数変換処理部１２からのＶ（有声音）／ＵＶ（無声
音）判別情報に応じて切換スイッチ１５W が切換制御さ
れる。 【効果】 ベクトル量子化の品質が向上し、性能向上に
役立つ。
で周波数軸上データに変換し、ベクトル量子化部１５で
ベクトル量子化を施して出力端子１６から取り出す。ベ
クトル量子化部１５は、Ｖ（有声音）用コードブック１
５V と、ＵＶ（無声音）用コードブック１５U とが切換
スイッチ１５W にて切換選択されるようになっており、
周波数変換処理部１２からのＶ（有声音）／ＵＶ（無声
音）判別情報に応じて切換スイッチ１５W が切換制御さ
れる。 【効果】 ベクトル量子化の品質が向上し、性能向上に
役立つ。
Description
【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。
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。
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。
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。そこで、これらの符号化の際に得られる時間軸デ
ータや周波数軸データやフィルタ係数データ等を個々に
量子化せず、複数個のデータを組（ベクトル）にまとめ
て一つの符号で表現して量子化するベクトル量子化が注
目されている。
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。そこで、これらの符号化の際に得られる時間軸デ
ータや周波数軸データやフィルタ係数データ等を個々に
量子化せず、複数個のデータを組（ベクトル）にまとめ
て一つの符号で表現して量子化するベクトル量子化が注
目されている。
【０００５】ここで、上記ＭＢＥ、ＳＢＥ、ＬＰＣ等の
スペクトルエンベロープ、あるいはそのパラメータ（Ｌ
ＳＰパラメータ、αパラメータ、ｋパラメータ等）のベ
クトル量子化の際には、固定のコードブックを使用して
いる。しかしながら、使用可能なビット数が減少（低ビ
ットレート化）してくると、固定コードブックでは充分
な性能が得られなくなる。このため、ベクトル量子化す
る入力データのベクトル空間上での存在領域が狭くなる
ようにクラスタリング（分類分け）したものをベクトル
量子化することが好ましい。
スペクトルエンベロープ、あるいはそのパラメータ（Ｌ
ＳＰパラメータ、αパラメータ、ｋパラメータ等）のベ
クトル量子化の際には、固定のコードブックを使用して
いる。しかしながら、使用可能なビット数が減少（低ビ
ットレート化）してくると、固定コードブックでは充分
な性能が得られなくなる。このため、ベクトル量子化す
る入力データのベクトル空間上での存在領域が狭くなる
ようにクラスタリング（分類分け）したものをベクトル
量子化することが好ましい。
【０００６】また、伝送ビットレートに余裕があるとき
も、コードブックサイズ、サーチのための演算量を低減
するため、構造化されたコードブックを使用することも
考えられているが、このとき、出力インデックス長がｎ
＋１ビットの１個のコードブックを使用する代わりに、
例えば２個のｎビットのコードブックに分割する方が好
ましい。
も、コードブックサイズ、サーチのための演算量を低減
するため、構造化されたコードブックを使用することも
考えられているが、このとき、出力インデックス長がｎ
＋１ビットの１個のコードブックを使用する代わりに、
例えば２個のｎビットのコードブックに分割する方が好
ましい。
【０００７】本発明は、このような実情に鑑みてなされ
たものであり、ベクトル量子化を入力データの性質等に
応じて効率良く行え、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、品質の高い符
号化が行えるような高能率符号化方法の提供を目的とす
る。
たものであり、ベクトル量子化を入力データの性質等に
応じて効率良く行え、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、品質の高い符
号化が行えるような高能率符号化方法の提供を目的とす
る。
【０００８】
【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（音声信号や音響
信号等）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
波数軸上データに対してベクトル量子化を施すためにオ
ーディオ信号の状態に応じた複数のコードブックを有す
るベクトル量子化器を用い、上記オーディオ入力信号の
ブロック毎の特徴を表すパラメータに応じて上記複数の
コードブックを切り換えて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ものである。
化方法は、入力されたオーディオ信号（音声信号や音響
信号等）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
波数軸上データに対してベクトル量子化を施すためにオ
ーディオ信号の状態に応じた複数のコードブックを有す
るベクトル量子化器を用い、上記オーディオ入力信号の
ブロック毎の特徴を表すパラメータに応じて上記複数の
コードブックを切り換えて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ものである。
【０００９】他の発明に係る高能率符号化方法として
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ためにオ
ーディオ信号の状態に応じた複数のコードブックを有す
る第２のベクトル量子化器を用い、上記オーディオ入力
信号のブロック毎の特徴を表すパラメータに応じて上記
複数のコードブックを切り換えて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。
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ためにオ
ーディオ信号の状態に応じた複数のコードブックを有す
る第２のベクトル量子化器を用い、上記オーディオ入力
信号のブロック毎の特徴を表すパラメータに応じて上記
複数のコードブックを切り換えて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。
【００１０】これらの発明において、上記オーディオ信
号として音声信号を用る場合に、上記コードブックとし
て音声信号が有声音か無声音かに応じた複数のコードブ
ックを用い、上記特徴パラメータとして上記ブロック毎
の入力音声信号が有声音か無声音かを表すパラメータを
用いることができる。また、特徴パラメータとして、ピ
ッチの値、ピッチの成分の強弱、有声音／無声音の含有
比率、信号スペクトルの傾き及びそのレベル等が使用で
き、基本的には有声音か無声音かに応じてコードブック
を切り換えることが好ましい。このような特徴パラメー
タは、別途伝送してもよいが、符号化方式により予め規
定されているような元々伝送されるパラメータを代用さ
せるようにしてもよい。また、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。さらに、上記ベクトル量子化の前に、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。
号として音声信号を用る場合に、上記コードブックとし
て音声信号が有声音か無声音かに応じた複数のコードブ
ックを用い、上記特徴パラメータとして上記ブロック毎
の入力音声信号が有声音か無声音かを表すパラメータを
用いることができる。また、特徴パラメータとして、ピ
ッチの値、ピッチの成分の強弱、有声音／無声音の含有
比率、信号スペクトルの傾き及びそのレベル等が使用で
き、基本的には有声音か無声音かに応じてコードブック
を切り換えることが好ましい。このような特徴パラメー
タは、別途伝送してもよいが、符号化方式により予め規
定されているような元々伝送されるパラメータを代用さ
せるようにしてもよい。また、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。さらに、上記ベクトル量子化の前に、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】
【作用】入力されたオーディオ信号のブロック毎の特徴
を表すパラメータに応じて上記複数のコードブックを切
り換えてベクトル量子化を施すことにより、量子化が効
率良く行え、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、品質の高い符号化が行
える。
を表すパラメータに応じて上記複数のコードブックを切
り換えてベクトル量子化を施すことにより、量子化が効
率良く行え、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、品質の高い符号化が行
える。
【００１２】
【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。
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。
【００１３】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、複数種類のコードブックを有し、これらのコードブ
ックが、周波数軸変換処理部１２からの上記入力信号の
特徴を表すパラメータに応じて切り換えられるようにな
っている。
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、複数種類のコードブックを有し、これらのコードブ
ックが、周波数軸変換処理部１２からの上記入力信号の
特徴を表すパラメータに応じて切り換えられるようにな
っている。
【００１４】図１の例では、入力信号として音声信号を
想定し、Ｖ（有声音）用コードブック１５V と、ＵＶ
（無声音）用コードブック１５U とが切換スイッチ１５
W により切り換えられてベクトル量子化器１５Q に送ら
れるようになっており、切換スイッチ１５は、周波数軸
変換処理部１２からのＶ／ＵＶ（有声音／無声音）判別
信号に応じて切換制御される。このＶ／ＵＶ判別信号
（フラグ等）は、後述するようなＭＢＥ（Multiband Ex
citation: マルチバンド励起）ボコーダ（音声分析合成
装置）等の場合には、分析系（エンコーダ）側から合成
系（デコーダ）側へ伝送されるパラメータであり、別途
に伝送する必要がない。
想定し、Ｖ（有声音）用コードブック１５V と、ＵＶ
（無声音）用コードブック１５U とが切換スイッチ１５
W により切り換えられてベクトル量子化器１５Q に送ら
れるようになっており、切換スイッチ１５は、周波数軸
変換処理部１２からのＶ／ＵＶ（有声音／無声音）判別
信号に応じて切換制御される。このＶ／ＵＶ判別信号
（フラグ等）は、後述するようなＭＢＥ（Multiband Ex
citation: マルチバンド励起）ボコーダ（音声分析合成
装置）等の場合には、分析系（エンコーダ）側から合成
系（デコーダ）側へ伝送されるパラメータであり、別途
に伝送する必要がない。
【００１５】ここで上記ＭＢＥの場合を例にとって説明
すると、上記コードブック１５V 、１５U の切換のため
のパラメータは、伝送される情報の一つであるＶ／ＵＶ
判別フラグを利用するようにすればよい。すなわち、上
記周波数軸変換処理部１２において、ピッチに応じたバ
ンド分割を行い、分割された各バンド毎にＶ（有声音）
かＵＶ（無声音）かの判別が行われる。ここで、Ｖバン
ドの個数をＮV 、ＵＶバンドの個数をＮUVとし、所定の
閾値Ｖthに対して、
すると、上記コードブック１５V 、１５U の切換のため
のパラメータは、伝送される情報の一つであるＶ／ＵＶ
判別フラグを利用するようにすればよい。すなわち、上
記周波数軸変換処理部１２において、ピッチに応じたバ
ンド分割を行い、分割された各バンド毎にＶ（有声音）
かＵＶ（無声音）かの判別が行われる。ここで、Ｖバン
ドの個数をＮV 、ＵＶバンドの個数をＮUVとし、所定の
閾値Ｖthに対して、
【００１６】
【数１】 のときは、Ｖ（有声音）用のコードブック１５V を切換
選択するようにし、それ以外のときはＵＶ（無声音）用
コードブック１５U を切換選択するようにする。上記閾
値Ｖthは、例えば１程度に設定すればよい。
選択するようにし、それ以外のときはＵＶ（無声音）用
コードブック１５U を切換選択するようにする。上記閾
値Ｖthは、例えば１程度に設定すればよい。
【００１７】デコーダ（合成系）側でも同様に、Ｖ（有
声音）用及びＵＶ（無声音）用の２種類のコードブック
の切換選択を行う。上記Ｖ／ＵＶ判別フラグはＭＢＥボ
コーダでは必ず伝送するサイドインフォメーション（補
助情報）であるので、この具体例においては別個にコー
ドブック切換のための特徴パラメータを伝送する必要が
なく、伝送ビットレートの増加がない。
声音）用及びＵＶ（無声音）用の２種類のコードブック
の切換選択を行う。上記Ｖ／ＵＶ判別フラグはＭＢＥボ
コーダでは必ず伝送するサイドインフォメーション（補
助情報）であるので、この具体例においては別個にコー
ドブック切換のための特徴パラメータを伝送する必要が
なく、伝送ビットレートの増加がない。
【００１８】Ｖ（有声音）用コードブック１５V 、ＵＶ
（無声音）用コードブック１５U の生成（トレーニン
グ）は、単に同じ基準でトレーニングデータを分けるこ
とによって可能となる。すなわち、Ｖ（有声音）と判別
された振幅データの集まりから生成されたコードブック
をＶ用コードブック１５V とし、ＵＶ（無声音）と判別
された振幅データの集まりから生成されたコードブック
をＵＶ用コードブック１５U とする。
（無声音）用コードブック１５U の生成（トレーニン
グ）は、単に同じ基準でトレーニングデータを分けるこ
とによって可能となる。すなわち、Ｖ（有声音）と判別
された振幅データの集まりから生成されたコードブック
をＶ用コードブック１５V とし、ＵＶ（無声音）と判別
された振幅データの集まりから生成されたコードブック
をＵＶ用コードブック１５U とする。
【００１９】この具体例においては、Ｖ／ＵＶ情報をコ
ードブックの切換に用いていることから、上記Ｖ／ＵＶ
判別フラグをより確実に（信頼性を高く）しておく必要
がある。例えば、明らかに子音や背景雑音であるとみな
せる部分では、全バンドＵＶにすべきである。その判断
の一例としては、高域にパワーの多い微小入力をＵＶ化
することが挙げられる。
ードブックの切換に用いていることから、上記Ｖ／ＵＶ
判別フラグをより確実に（信頼性を高く）しておく必要
がある。例えば、明らかに子音や背景雑音であるとみな
せる部分では、全バンドＵＶにすべきである。その判断
の一例としては、高域にパワーの多い微小入力をＵＶ化
することが挙げられる。
【００２０】入力信号のＮ点（２５６サンプル）に対し
てＦＦＴ（高速フーリエ変換）を行い、有効な０〜π
（０〜Ｎ／２）の中で、０〜Ｎ／４とＮ／４〜Ｎ／２と
のそれぞれの区間でパワー計算を行う。
てＦＦＴ（高速フーリエ変換）を行い、有効な０〜π
（０〜Ｎ／２）の中で、０〜Ｎ／４とＮ／４〜Ｎ／２と
のそれぞれの区間でパワー計算を行う。
【００２１】
【数２】 この（２）式のＰL 、ＰH を用いて、
【００２２】
【数３】 として、Ｒｄ＜Ｒth、かつ Ｌ＜Ｌth のときは、無条
件に全バンドＵＶ（無声音）と判別する。
件に全バンドＵＶ（無声音）と判別する。
【００２３】これを行うと、間違ったピッチを微小入力
で検出したときに、それを使用しない効果がある。この
ようにして、より確かなＶ／ＵＶフラグを作っておく
と、ベクトル量子化の際のコードブックの切換に好都合
である。
で検出したときに、それを使用しない効果がある。この
ようにして、より確かなＶ／ＵＶフラグを作っておく
と、ベクトル量子化の際のコードブックの切換に好都合
である。
【００２４】次に、上記Ｖ（有声音）用及びＵＶ（無声
音）用の各コードブックを作成する際のトレーニングに
ついて、図２を参照しながら説明する。図２において、
トレーニング用の数分程度の音声信号から成るトレーニ
ングセット３１からの信号は、周波数軸変換処理部３２
に送られて、ピッチ抽出部３２ａによりピッチ抽出が、
スペクトル振幅算出部３２ｂによりスペクトル振幅の算
出が、またバンド毎のＶ／ＵＶ判断部３２ｃにより各バ
ンド毎のＶ／ＵＶ判断がそれぞれ行われる。この周波数
軸変換処理部３２からの出力データは、トレーニング前
処理部３４に送られる。
音）用の各コードブックを作成する際のトレーニングに
ついて、図２を参照しながら説明する。図２において、
トレーニング用の数分程度の音声信号から成るトレーニ
ングセット３１からの信号は、周波数軸変換処理部３２
に送られて、ピッチ抽出部３２ａによりピッチ抽出が、
スペクトル振幅算出部３２ｂによりスペクトル振幅の算
出が、またバンド毎のＶ／ＵＶ判断部３２ｃにより各バ
ンド毎のＶ／ＵＶ判断がそれぞれ行われる。この周波数
軸変換処理部３２からの出力データは、トレーニング前
処理部３４に送られる。
【００２５】トレーニング前処理部３４では、Ｖ／ＵＶ
含有率のチェック部３４ａにより上記（１）式や（４）
式の条件等をチェックし、得られたＶ／ＵＶ情報に応じ
て、トレーニングデータの振り分け部３４ｂにより上記
スペクトル振幅データを振り分けており、Ｖ（有声音）
のときにはＶ（有声音）用トレーニングデータ出力部３
６ａへ、ＵＶ（無声音）のときにはＵＶ（有声音）用ト
レーニングデータ出力部３７ａへ、それぞれ振幅データ
を送っている。
含有率のチェック部３４ａにより上記（１）式や（４）
式の条件等をチェックし、得られたＶ／ＵＶ情報に応じ
て、トレーニングデータの振り分け部３４ｂにより上記
スペクトル振幅データを振り分けており、Ｖ（有声音）
のときにはＶ（有声音）用トレーニングデータ出力部３
６ａへ、ＵＶ（無声音）のときにはＵＶ（有声音）用ト
レーニングデータ出力部３７ａへ、それぞれ振幅データ
を送っている。
【００２６】Ｖ用トレーニングデータ出力部３６ａから
出力されたＶ（有声音）のスペクトル振幅データは、ト
レーニング処理部３６ｂに送られて、例えばいわゆるＬ
ＢＧ法によりトレーニング処理が行われ、Ｖ（有声音）
用コードブック３６ｃが作成される。ここで、上記ＬＢ
Ｇ法とは、Linde, Y., Buzo, A. and Gray, R. M.,"An
Algolithm for Vector Quantizer Design", IEEE Tran
s. Comm., COM-28,pp.84-95, Jan. 1980 において提案
されたベクトル量子化器を設計するアルゴリズムにおけ
るコードブックのトレーニング法であり、確率密度関数
が知られていない情報源に対していわゆるトレーニング
系列を用いて局所的に最適なベクトル量子化器を設計す
るものである。同様に、ＵＶ用トレーニングデータ出力
部３７ａから出力されたＵＶ（無声音）のスペクトル振
幅データは、トレーニング処理部３７ｂに送られて例え
ばＬＢＧ法によりトレーニング処理が行われ、ＵＶ（無
声音）用コードブック３７ｃが作成される。
出力されたＶ（有声音）のスペクトル振幅データは、ト
レーニング処理部３６ｂに送られて、例えばいわゆるＬ
ＢＧ法によりトレーニング処理が行われ、Ｖ（有声音）
用コードブック３６ｃが作成される。ここで、上記ＬＢ
Ｇ法とは、Linde, Y., Buzo, A. and Gray, R. M.,"An
Algolithm for Vector Quantizer Design", IEEE Tran
s. Comm., COM-28,pp.84-95, Jan. 1980 において提案
されたベクトル量子化器を設計するアルゴリズムにおけ
るコードブックのトレーニング法であり、確率密度関数
が知られていない情報源に対していわゆるトレーニング
系列を用いて局所的に最適なベクトル量子化器を設計す
るものである。同様に、ＵＶ用トレーニングデータ出力
部３７ａから出力されたＵＶ（無声音）のスペクトル振
幅データは、トレーニング処理部３７ｂに送られて例え
ばＬＢＧ法によりトレーニング処理が行われ、ＵＶ（無
声音）用コードブック３７ｃが作成される。
【００２７】ここで、後述するように、ベクトル量子化
部に階層構造を持たせ、上位層にはＶ／ＵＶ共用部分の
コードブックを用い、下位層のコードブックのみをＶ／
ＵＶに応じて切り換えるようにする場合には、Ｖ／ＵＶ
共用部分のコードブックも作成する必要がある。この場
合、上記周波数軸変換処理部３２からの出力データをＶ
／ＵＶ共用部分のコードブック用トレーニングデータ出
力部３５ａに送ることが必要とされる。
部に階層構造を持たせ、上位層にはＶ／ＵＶ共用部分の
コードブックを用い、下位層のコードブックのみをＶ／
ＵＶに応じて切り換えるようにする場合には、Ｖ／ＵＶ
共用部分のコードブックも作成する必要がある。この場
合、上記周波数軸変換処理部３２からの出力データをＶ
／ＵＶ共用部分のコードブック用トレーニングデータ出
力部３５ａに送ることが必要とされる。
【００２８】Ｖ／ＵＶ共用部分のコードブック用トレー
ニングデータ出力部３５ａから出力されたスペクトル振
幅データは、トレーニング処理部３５ｂに送られて、例
えばいわゆるＬＢＧ法によりトレーニング処理が実行さ
れ、Ｖ／ＵＶ共用部分のコードブック３５ｃが作成され
る。この作成されたＶ／ＵＶ共用コードブック３５ｃか
らのコードベクトルを、上記Ｖ用、ＵＶ用の各トレーニ
ングデータ出力部３６ａ、３７ａに送り、入力データか
ら減算することが必要とされる。
ニングデータ出力部３５ａから出力されたスペクトル振
幅データは、トレーニング処理部３５ｂに送られて、例
えばいわゆるＬＢＧ法によりトレーニング処理が実行さ
れ、Ｖ／ＵＶ共用部分のコードブック３５ｃが作成され
る。この作成されたＶ／ＵＶ共用コードブック３５ｃか
らのコードベクトルを、上記Ｖ用、ＵＶ用の各トレーニ
ングデータ出力部３６ａ、３７ａに送り、入力データか
ら減算することが必要とされる。
【００２９】以下、階層構造化されたベクトル量子化部
の具体的構成及び作用について、図３〜図９を参照しな
がら説明する。すなわち、この図３に示すベクトル量子
化部１５は、例えば上下の２つの層に階層構造化されて
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。
の具体的構成及び作用について、図３〜図９を参照しな
がら説明する。すなわち、この図３に示すベクトル量子
化部１５は、例えば上下の２つの層に階層構造化されて
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。
【００３０】図３に示すベクトル量子化器１５の入力端
子１７には、上記図１の周波数軸変換処理部１２からの
周波数軸上の振幅データが（必要に応じて非線形圧縮部
１３及びブロック間差分処理部１４を介し）、ベクトル
量子化の単位となる上記Ｍ次元ベクトルとして供給され
ている。このＭ次元ベクトルは、次元低減部２１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４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ｙi が求められ、図５に示すよう
に、平均値データｙ1 〜ｙS 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。
子１７には、上記図１の周波数軸変換処理部１２からの
周波数軸上の振幅データが（必要に応じて非線形圧縮部
１３及びブロック間差分処理部１４を介し）、ベクトル
量子化の単位となる上記Ｍ次元ベクトルとして供給され
ている。このＭ次元ベクトルは、次元低減部２１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４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ｙi が求められ、図５に示すよう
に、平均値データｙ1 〜ｙS 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。
【００３１】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２２Q 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２２Q
のコードブック２２C 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。コードブック２２C
には、上記図２において説明したＶ／ＵＶ共用部分のコ
ードブック３５ｃが用いられる。図６は、上記図５に示
すＳ個の平均値データｙ1 〜ｙS 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ＹVQ
の各要素ｙVQ1 〜ｙVQS を示している。
てＳ次元ベクトル量子化器２２Q 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２２Q
のコードブック２２C 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。コードブック２２C
には、上記図２において説明したＶ／ＵＶ共用部分のコ
ードブック３５ｃが用いられる。図６は、上記図５に示
すＳ個の平均値データｙ1 〜ｙS 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ＹVQ
の各要素ｙVQ1 〜ｙVQS を示している。
【００３２】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７に示す。
この図７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ＹVQの各要素ｙVQ1 〜ｙVQS 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。
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７に示す。
この図７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ＹVQの各要素ｙVQ1 〜ｙVQS 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。
【００３３】図３の具体例では、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８は、上記図４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７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 〜ｒM を示しており、
これらのＭ個のデータｒ1 〜ｒM 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。
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８は、上記図４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７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 〜ｒM を示しており、
これらのＭ個のデータｒ1 〜ｒM 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。
【００３４】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２５1Q〜２５SQ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
５1Q〜２５SQから出力されるインデックスは、それぞれ
出力端子２７1Q〜２７SQから取り出される。図９は、ベ
クトル量子化器２５1Q〜２５SQとしてそれぞれ４次元ベ
クトル量子化器を用い、上記図８に示す各４次元ベクト
ルＲ1 〜ＲS をそれぞれベクトル量子化した後の各
４次元ベクトルＲVQ1 〜ＲVQS の各要素ｒVQ1 〜ｒ
VQ4 、ｒVQ5 〜ｒVQ8 、…〜ｒVQM を示している。
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２５1Q〜２５SQ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
５1Q〜２５SQから出力されるインデックスは、それぞれ
出力端子２７1Q〜２７SQから取り出される。図９は、ベ
クトル量子化器２５1Q〜２５SQとしてそれぞれ４次元ベ
クトル量子化器を用い、上記図８に示す各４次元ベクト
ルＲ1 〜ＲS をそれぞれベクトル量子化した後の各
４次元ベクトルＲVQ1 〜ＲVQS の各要素ｒVQ1 〜ｒ
VQ4 、ｒVQ5 〜ｒVQ8 、…〜ｒVQM を示している。
【００３５】これらの各ベクトル量子化器２５1Q〜２５
SQには、それぞれＶ（有声音）用のコードブック２５1V
〜２５SVとＵＶ（無声音）用のコードブック２５1U〜２
５SUとが用いられ、これらのＶ用コードブック２５1V〜
２５SVとＵＶ用コードブック２５1U〜２５SUとは、入力
端子１８からのＶ／ＵＶ情報に応じて切換制御される切
換スイッチ２５1W〜２５SWにより切換選択されるように
なっている。これらの切換スイッチ２５1W〜２５SWの切
換制御は、全バンドに対して同時に（連動させて）行っ
てもよいが、各ベクトル量子化器２５1Q〜２５SQが受け
持つ周波数帯域が異なることを考慮して、バンド毎のＶ
／ＵＶ判別フラグに応じて切換制御するようにしてもよ
い。Ｖ用コードブック２５1V〜２５SVが図２のＶ（有声
音）用コードブック３６ｃに対応し、ＵＶ用コードブッ
ク２５1U〜２５SUが図２のＶ（有声音）用コードブック
３７ｃに対応することは勿論である。
SQには、それぞれＶ（有声音）用のコードブック２５1V
〜２５SVとＵＶ（無声音）用のコードブック２５1U〜２
５SUとが用いられ、これらのＶ用コードブック２５1V〜
２５SVとＵＶ用コードブック２５1U〜２５SUとは、入力
端子１８からのＶ／ＵＶ情報に応じて切換制御される切
換スイッチ２５1W〜２５SWにより切換選択されるように
なっている。これらの切換スイッチ２５1W〜２５SWの切
換制御は、全バンドに対して同時に（連動させて）行っ
てもよいが、各ベクトル量子化器２５1Q〜２５SQが受け
持つ周波数帯域が異なることを考慮して、バンド毎のＶ
／ＵＶ判別フラグに応じて切換制御するようにしてもよ
い。Ｖ用コードブック２５1V〜２５SVが図２のＶ（有声
音）用コードブック３６ｃに対応し、ＵＶ用コードブッ
ク２５1U〜２５SUが図２のＶ（有声音）用コードブック
３７ｃに対応することは勿論である。
【００３６】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。
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。
【００３７】なお、図１〜図３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。
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。
【００３８】以上説明したように、例えば音声合成分析
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により、良好
なベクトル量子化が実現できる。すなわち、有声音時と
無声音時とでは、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。さらに、３種類以上のコード
ブックを切り換えるようにしてもよく、例えば、無声音
用のコードブックを子音、背景雑音等で２種類以上用い
るようにしてもよい。
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により、良好
なベクトル量子化が実現できる。すなわち、有声音時と
無声音時とでは、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。さらに、３種類以上のコード
ブックを切り換えるようにしてもよく、例えば、無声音
用のコードブックを子音、背景雑音等で２種類以上用い
るようにしてもよい。
【００３９】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。
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。
【００４０】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。
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。
【００４１】このような窓かけ処理を数式で表すと、 ｘw (k,q) ＝ｘ(q) ｗ(kL-q) ・・・（４） となる。この（４）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ｘw (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ｗr (r) は、 ｗr (r) ＝１ ０≦ｒ＜Ｎ ・・・（５） ＝０ ｒ＜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ｗh (r) は、 ｗh (r) ＝ 0.54 − 0.46 cos(２πr/(N-1)) ０≦ｒ＜Ｎ ・・・（６） ＝０ ｒ＜０，Ｎ≦ｒ である。このような窓関数ｗr (r) あるいはｗh (r) を
用いるときの上記（４）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ｗr (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（４）〜（６）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（５）
式、（６）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ｘwr(k,r) 、ｘwh
(k,r) と表すことにする。
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ｘw (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ｗr (r) は、 ｗr (r) ＝１ ０≦ｒ＜Ｎ ・・・（５） ＝０ ｒ＜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ｗh (r) は、 ｗh (r) ＝ 0.54 − 0.46 cos(２πr/(N-1)) ０≦ｒ＜Ｎ ・・・（６） ＝０ ｒ＜０，Ｎ≦ｒ である。このような窓関数ｗr (r) あるいはｗh (r) を
用いるときの上記（４）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ｗr (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（４）〜（６）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（５）
式、（６）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ｘwr(k,r) 、ｘwh
(k,r) と表すことにする。
【００４２】窓かけ処理部１０４では、図１３に示すよ
うに、上記（６）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ｘwh(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。
うに、上記（６）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ｘwh(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。
【００４３】ピッチ抽出部１０３では、上記ｘwr(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。
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。
【００４４】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。
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。
【００４５】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 ・・・（７） と表現するようなモデルを想定している。ここで、Ｊは
πωs ＝ｆs ／２に対応し、サンプリング周波数ｆs ＝
２πωs が例えば８ｋHzのときには４ｋHzに対応する。
上記（７）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。
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 ・・・（７） と表現するようなモデルを想定している。ここで、Ｊは
πωs ＝ｆs ／２に対応し、サンプリング周波数ｆs ＝
２πωs が例えば８ｋHzのときには４ｋHzに対応する。
上記（７）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。
【００４６】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。
｜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。
【００４７】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）｜Ａm
｜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ａm 、ｂm とすると
き、この第ｍバンドのエラーεm は、
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）｜Ａm
｜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ａm 、ｂm とすると
き、この第ｍバンドのエラーεm は、
【００４８】
【数４】 で表せる。このエラーεm を最小化するような｜Ａm ｜
は、
は、
【００４９】
【数５】 となり、この（６）式の｜Ａm ｜のとき、エラーεm を
最小化する。このような振幅｜Ａm ｜を各バンド毎に求
め、得られた各振幅｜Ａm ｜を用いて上記（８）式で定
義された各バンド毎のエラーεm を求める。次に、この
ような各バンド毎のエラーεm 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Σεm 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Σεm が最小となるようなピッチを求
める。
最小化する。このような振幅｜Ａm ｜を各バンド毎に求
め、得られた各振幅｜Ａm ｜を用いて上記（８）式で定
義された各バンド毎のエラーεm を求める。次に、この
ような各バンド毎のエラーεm 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Σεm 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Σεm が最小となるようなピッチを求
める。
【００５０】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Σεm 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（９）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（８）式のエラーεm を求め、そ
の全バンドの総和値Σεm を求めることができる。この
エラー総和値Σεm 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｜Ａm ｜
が決定される。
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Σεm 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（９）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（８）式のエラーεm を求め、そ
の全バンドの総和値Σεm を求めることができる。この
エラー総和値Σεm 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｜Ａm ｜
が決定される。
【００５１】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。
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。
【００５２】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｜Ａm ｜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、
適ピッチ及び振幅｜Ａm ｜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、
【００５３】
【数６】 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
｜Ａm ｜｜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。
大のとき（エラーが大きい）ときには、そのバンドでの
｜Ａm ｜｜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。
【００５４】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｜Ａm
｜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｜Ａm ｜UVは、
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｜Ａm
｜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｜Ａm ｜UVは、
【００５５】
【数７】 にて求められる。
【００５６】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｜
Ａm ｜（ＵＶバンドの振幅｜Ａm ｜UVも含む）データの
個数ｍMX＋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ｍMX＋１の
振幅データを一定個数ＮC （例えば４４個）のデータに
変換している。
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｜
Ａm ｜（ＵＶバンドの振幅｜Ａm ｜UVも含む）データの
個数ｍMX＋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ｍMX＋１の
振幅データを一定個数ＮC （例えば４４個）のデータに
変換している。
【００５７】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ＮF 個に拡大した後、帯域制限型のＫOS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ＫOS倍の
個数の振幅データを求め、このＫOS倍の個数（（ｍMX＋
１）×ＫOS個）の振幅データを直線補間してさらに多く
のＮM 個（例えば２０４８個）に拡張し、このＮM 個の
データを間引いて上記一定個数ＮC （例えば４４個）の
データに変換する。
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ＮF 個に拡大した後、帯域制限型のＫOS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ＫOS倍の
個数の振幅データを求め、このＫOS倍の個数（（ｍMX＋
１）×ＫOS個）の振幅データを直線補間してさらに多く
のＮM 個（例えば２０４８個）に拡張し、このＮM 個の
データを間引いて上記一定個数ＮC （例えば４４個）の
データに変換する。
【００５８】このデータ数変換部１０９からのデータ
（上記一定個数ＮC 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あるいは図３
に示すような、Ｖ（有声音）用コードブックとＵＶ（無
声音）用コードブックとを切換選択するようなベクトル
量子化部１５を用いている。これらのＶ用、ＵＶ用コー
ドブックは、上記有声音／無声音（Ｖ／ＵＶ）判別部１
０７からのＶ／ＵＶ判別データに応じて切換制御すれば
よい。このようなベクトル量子化部１１０からの量子化
出力データは、出力端子１１１を介して取り出される。
（上記一定個数ＮC 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あるいは図３
に示すような、Ｖ（有声音）用コードブックとＵＶ（無
声音）用コードブックとを切換選択するようなベクトル
量子化部１５を用いている。これらのＶ用、ＵＶ用コー
ドブックは、上記有声音／無声音（Ｖ／ＵＶ）判別部１
０７からのＶ／ＵＶ判別データに応じて切換制御すれば
よい。このようなベクトル量子化部１１０からの量子化
出力データは、出力端子１１１を介して取り出される。
【００５９】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。これらの各出力端子１
１１〜１１３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。
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。これらの各出力端子１
１１〜１１３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。
【００６０】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。
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。
【００６１】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、Ｖ（有声音）用コードブックとＵＶ（無
声音）用コードブックとを入力端子１２３から得られる
Ｖ／ＵＶ判別データに応じて切換選択するような構造を
有している。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。
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、Ｖ（有声音）用コードブックとＵＶ（無
声音）用コードブックとを入力端子１２３から得られる
Ｖ／ＵＶ判別データに応じて切換選択するような構造を
有している。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。
【００６２】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。
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。
【００６３】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Ｖm (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、 Ｖm (n) ＝Ａm (n) cos(θm (n)) ０≦ｎ＜Ｌ ・・・（12） 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（ΣＶm (n) ）し
て最終的な有声音Ｖ(n) を合成する。
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Ｖm (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、 Ｖm (n) ＝Ａm (n) cos(θm (n)) ０≦ｎ＜Ｌ ・・・（12） 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（ΣＶm (n) ）し
て最終的な有声音Ｖ(n) を合成する。
【００６４】この（12）式中のＡm (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Ａ0m、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ＡLmとするとき、 Ａm (n) ＝ (L-n)Ａ0m／Ｌ＋ｎＡLm／Ｌ ・・・（13） の式によりＡm (n) を計算すればよい。
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Ａ0m、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ＡLmとするとき、 Ａm (n) ＝ (L-n)Ａ0m／Ｌ＋ｎＡLm／Ｌ ・・・（13） の式によりＡm (n) を計算すればよい。
【００６５】次に、上記（12）式中の位相θm (n) は、 θm (0) ＝ｍωO1ｎ＋ｎ2 ｍ（ωL1−ω01）／２Ｌ＋φ0m＋Δωｎ ・・・（14） により求めることができる。この（14）式中で、φ0m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、ωL1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（11）式中のΔωは、
ｎ＝Ｌにおける位相φLmがθm (L) に等しくなるような
最小のΔωを設定する。
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、ωL1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（11）式中のΔωは、
ｎ＝Ｌにおける位相φLmがθm (L) に等しくなるような
最小のΔωを設定する。
【００６６】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Ａm (n) 、位相θm (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Ａm (n) は、上述した（13）式によ
り、伝送された振幅値Ａ0m、ＡLmを直線補間して振幅Ａ
m (n) を算出すればよい。位相θm (n) は、ｎ＝０でθ
m (0) ＝φ0mからｎ＝Ｌでθm (L) がφLmとなるように
Δωを設定する。
れｎ＝０、ｎ＝ＬのときのＶ／ＵＶ判別結果に応じた上
記振幅Ａm (n) 、位相θm (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Ａm (n) は、上述した（13）式によ
り、伝送された振幅値Ａ0m、ＡLmを直線補間して振幅Ａ
m (n) を算出すればよい。位相θm (n) は、ｎ＝０でθ
m (0) ＝φ0mからｎ＝Ｌでθm (L) がφLmとなるように
Δωを設定する。
【００６７】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Ａm (n)
は、Ａm (0) の伝送振幅値Ａ0mからＡm (L) で０となる
ように直線補間する。ｎ＝Ｌでの伝送振幅値ＡLm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θm (n) は、θm (0) ＝φ0mとし、かつΔω＝
０とする。
ＬのときＵＶ（無声音）とされる場合に、振幅Ａm (n)
は、Ａm (0) の伝送振幅値Ａ0mからＡm (L) で０となる
ように直線補間する。ｎ＝Ｌでの伝送振幅値ＡLm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θm (n) は、θm (0) ＝φ0mとし、かつΔω＝
０とする。
【００６８】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Ａm
(n) は、ｎ＝０での振幅Ａm (0) を０とし、ｎ＝Ｌで伝
送された振幅値ＡLm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θm (0) として、フ
レーム終端での位相値φLmを用いて、 θm (0) ＝φLm−ｍ（ωO1＋ωL1）Ｌ／２ ・・・（15） とし、かつΔω＝０とする。
ｎ＝ＬのときＶ（有声音）とされる場合には、振幅Ａm
(n) は、ｎ＝０での振幅Ａm (0) を０とし、ｎ＝Ｌで伝
送された振幅値ＡLm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θm (0) として、フ
レーム終端での位相値φLmを用いて、 θm (0) ＝φLm−ｍ（ωO1＋ωL1）Ｌ／２ ・・・（15） とし、かつΔω＝０とする。
【００６９】上記ｎ＝０、ｎ＝ＬのいずれもＶ（有声
音）とされる場合に、θm (L) がφLmとなるようにΔω
を設定する手法について説明する。上記（14）式で、ｎ
＝Ｌと置くことにより、 θm (L) ＝ｍωO1Ｌ＋Ｌ2 ｍ（ωL1−ω01）／２Ｌ＋φ0m＋ΔωＬ ＝ｍ（ωO1＋ωL1）Ｌ／２＋φ0m＋ΔωＬ ＝φLm となり、これを整理すると、Δωは、 Δω＝（mod2π((φLm−φ0m) − mL(ωO1＋ωL1)/2)／Ｌ ・・・（16） となる。この（16）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。
音）とされる場合に、θm (L) がφLmとなるようにΔω
を設定する手法について説明する。上記（14）式で、ｎ
＝Ｌと置くことにより、 θm (L) ＝ｍωO1Ｌ＋Ｌ2 ｍ（ωL1−ω01）／２Ｌ＋φ0m＋ΔωＬ ＝ｍ（ωO1＋ωL1）Ｌ／２＋φ0m＋ΔωＬ ＝φLm となり、これを整理すると、Δωは、 Δω＝（mod2π((φLm−φ0m) − mL(ωO1＋ωL1)/2)／Ｌ ・・・（16） となる。この（16）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。
【００７０】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。
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。
【００７１】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｜Ａm ｜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。
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｜Ａm ｜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。
【００７２】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。
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。
【００７３】なお、上記図１０の音声分析側（エンコー
ド側）の構成や図１５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。
ド側）の構成や図１５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。
【００７４】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。また、入力オ
ーディオ信号（音声信号や音響信号）の特徴を表すパラ
メータとしては、上記Ｖ（有声音）／ＵＶ（無声音）の
判別情報に限定されず、ピッチの値、ピッチ成分の強
弱、信号スペクトルの傾きやレベル等を使用することが
できる。さらに、このような特徴パラメータは、符号化
方式に応じて本来伝送するパラメータ情報の一部を代用
しても、別途に伝送してもよく、他の伝送パラメータで
代用させる場合には適応的コードブックと見なせ、別途
伝送する場合には構造化コードブックと見なせる。
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。また、入力オ
ーディオ信号（音声信号や音響信号）の特徴を表すパラ
メータとしては、上記Ｖ（有声音）／ＵＶ（無声音）の
判別情報に限定されず、ピッチの値、ピッチ成分の強
弱、信号スペクトルの傾きやレベル等を使用することが
できる。さらに、このような特徴パラメータは、符号化
方式に応じて本来伝送するパラメータ情報の一部を代用
しても、別途に伝送してもよく、他の伝送パラメータで
代用させる場合には適応的コードブックと見なせ、別途
伝送する場合には構造化コードブックと見なせる。
【００７５】
【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、ベクトル量子化器に
入力されたオーディオ信号（音声信号や音響信号）の状
態に応じた複数種類のコードブックを設け、該入力オー
ディオ信号のブロック毎（フレーム毎）の特徴を表すパ
ラメータに応じて、上記複数種類のコードブックを切り
換えてベクトル量子化を施しているため、効率的なベク
トル量子化が実現でき、ベクトル量子化の性能向上に役
立つ。
に係る高能率符号化方法によれば、ベクトル量子化器に
入力されたオーディオ信号（音声信号や音響信号）の状
態に応じた複数種類のコードブックを設け、該入力オー
ディオ信号のブロック毎（フレーム毎）の特徴を表すパ
ラメータに応じて、上記複数種類のコードブックを切り
換えてベクトル量子化を施しているため、効率的なベク
トル量子化が実現でき、ベクトル量子化の性能向上に役
立つ。
【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。
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】コードブックの形成（トレーニング）方法を説
明するための図である。
明するための図である。
【図３】本発明の他の実施例の方法を説明するための符
号化装置（エンコーダ）の要部の概略構成を示すブロッ
ク図である。
号化装置（エンコーダ）の要部の概略構成を示すブロッ
ク図である。
【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。
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。
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。
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。
するための図である。
【図８】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。
するための図である。
【図９】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。
するための図である。
【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。
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。
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。
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。
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。
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。
るための図である。
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 １５Q 、２５1Q〜２５SQ・・・・・ベクトル量子化器 １５V 、２５1V〜２５SV・・・・・Ｖ（有声音）用コー
ドブック １５U 、２５1U〜２５SU・・・・・ＵＶ（無声音）用コ
ードブック １５W 、２５1W〜２５SW・・・・・切換スイッチ ２１・・・・・次元低減部 ２２Q ・・・・・Ｓ次元ベクトル量子化器 ２２C ・・・・・Ｓ次元コードブック ２３・・・・・次元拡張部 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
ドブック １５U 、２５1U〜２５SU・・・・・ＵＶ（無声音）用コ
ードブック １５W 、２５1W〜２５SW・・・・・切換スイッチ ２１・・・・・次元低減部 ２２Q ・・・・・Ｓ次元ベクトル量子化器 ２２C ・・・・・Ｓ次元コードブック ２３・・・・・次元拡張部 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】
【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。
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。
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。
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。そこで、これらの符号化の際に得られる時間軸デ
ータや周波数軸データやフィルタ係数データ等を個々に
量子化せず、複数個のデータを組（ベクトル）にまとめ
て一つの符号で表現して量子化するベクトル量子化が注
目されている。
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。そこで、これらの符号化の際に得られる時間軸デ
ータや周波数軸データやフィルタ係数データ等を個々に
量子化せず、複数個のデータを組（ベクトル）にまとめ
て一つの符号で表現して量子化するベクトル量子化が注
目されている。
【０００５】ここで、上記ＭＢＥ、ＳＢＥ、ＬＰＣ等の
スペクトルエンベロープ、あるいはそのパラメータ（Ｌ
ＳＰパラメータ、αパラメータ、ｋパラメータ等）のベ
クトル量子化の際には、固定のコードブックを使用して
いる。しかしながら、使用可能なビット数が減少（低ビ
ットレート化）してくると、固定コードブックでは充分
な性能が得られなくなる。このため、ベクトル量子化す
る入力データのベクトル空間上での存在領域が狭くなる
ようにクラスタリング（分類分け）したものをベクトル
量子化することが好ましい。
スペクトルエンベロープ、あるいはそのパラメータ（Ｌ
ＳＰパラメータ、αパラメータ、ｋパラメータ等）のベ
クトル量子化の際には、固定のコードブックを使用して
いる。しかしながら、使用可能なビット数が減少（低ビ
ットレート化）してくると、固定コードブックでは充分
な性能が得られなくなる。このため、ベクトル量子化す
る入力データのベクトル空間上での存在領域が狭くなる
ようにクラスタリング（分類分け）したものをベクトル
量子化することが好ましい。
【０００６】また、伝送ビットレートに余裕があるとき
も、コードブックサイズ、サーチのための演算量を低減
するため、構造化されたコードブックを使用することも
考えられているが、このとき、出力インデックス長がｎ
＋１ビットの１個のコードブックを使用する代わりに、
例えば２個のｎビットのコードブックに分割する方が好
ましい。
も、コードブックサイズ、サーチのための演算量を低減
するため、構造化されたコードブックを使用することも
考えられているが、このとき、出力インデックス長がｎ
＋１ビットの１個のコードブックを使用する代わりに、
例えば２個のｎビットのコードブックに分割する方が好
ましい。
【０００７】本発明は、このような実情に鑑みてなされ
たものであり、ベクトル量子化を入力データの性質等に
応じて効率良く行え、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、品質の高い符
号化が行えるような高能率符号化方法の提供を目的とす
る。
たものであり、ベクトル量子化を入力データの性質等に
応じて効率良く行え、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、品質の高い符
号化が行えるような高能率符号化方法の提供を目的とす
る。
【０００８】
【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（音声信号や音響
信号等）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
波数軸上データに対してベクトル量子化を施すためにオ
ーディオ信号の状態に応じた複数のコードブックを有す
るベクトル量子化器を用い、上記オーディオ入力信号の
ブロック毎の特徴を表すパラメータに応じて上記複数の
コードブックを切り換えて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ものである。
化方法は、入力されたオーディオ信号（音声信号や音響
信号等）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
波数軸上データに対してベクトル量子化を施すためにオ
ーディオ信号の状態に応じた複数のコードブックを有す
るベクトル量子化器を用い、上記オーディオ入力信号の
ブロック毎の特徴を表すパラメータに応じて上記複数の
コードブックを切り換えて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ものである。
【０００９】他の発明に係る高能率符号化方法として
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ためにオ
ーディオ信号の状態に応じた複数のコードブックを有す
る第２のベクトル量子化器を用い、上記オーディオ入力
信号のブロック毎の特徴を表すパラメータに応じて上記
複数のコードブックを切り換えて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。
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ためにオ
ーディオ信号の状態に応じた複数のコードブックを有す
る第２のベクトル量子化器を用い、上記オーディオ入力
信号のブロック毎の特徴を表すパラメータに応じて上記
複数のコードブックを切り換えて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。
【００１０】これらの発明において、上記オーディオ信
号として音声信号を用いる場合に、上記コードブックと
して音声信号が有声音か無声音かに応じた複数のコード
ブックを用い、上記特徴パラメータとして上記ブロック
毎の入力音声信号が有声音か無声音かを表すパラメータ
を用いることができる。また、特徴パラメータとして、
ピッチの値、ピッチの成分の強弱、有声音／無声音の含
有比率、信号スペクトルの傾き及びそのレベル等が使用
でき、基本的には有声音か無声音かに応じてコードブッ
クを切り換えることが好ましい。このような特徴パラメ
ータは、別途伝送してもよいが、符号化方式により予め
規定されているような元々伝送されるパラメータを代用
させるようにしてもよい。また、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。さらに、上記ベクトル量子化の前に、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。
号として音声信号を用いる場合に、上記コードブックと
して音声信号が有声音か無声音かに応じた複数のコード
ブックを用い、上記特徴パラメータとして上記ブロック
毎の入力音声信号が有声音か無声音かを表すパラメータ
を用いることができる。また、特徴パラメータとして、
ピッチの値、ピッチの成分の強弱、有声音／無声音の含
有比率、信号スペクトルの傾き及びそのレベル等が使用
でき、基本的には有声音か無声音かに応じてコードブッ
クを切り換えることが好ましい。このような特徴パラメ
ータは、別途伝送してもよいが、符号化方式により予め
規定されているような元々伝送されるパラメータを代用
させるようにしてもよい。また、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。さらに、上記ベクトル量子化の前に、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】
【作用】入力されたオーディオ信号のブロック毎の特徴
を表すパラメータに応じて上記複数のコードブックを切
り換えてベクトル量子化を施すことにより、量子化が効
率良く行え、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、品質の高い符号化が行
える。
を表すパラメータに応じて上記複数のコードブックを切
り換えてベクトル量子化を施すことにより、量子化が効
率良く行え、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、品質の高い符号化が行
える。
【００１２】
【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。
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。
【００１３】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、複数種類のコードブックを有し、これらのコードブ
ックが、周波数軸変換処理部１２からの上記入力信号の
特徴を表すパラメータに応じて切り換えられるようにな
っている。
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、複数種類のコードブックを有し、これらのコードブ
ックが、周波数軸変換処理部１２からの上記入力信号の
特徴を表すパラメータに応じて切り換えられるようにな
っている。
【００１４】図１の例では、入力信号として音声信号を
想定し、Ｖ（有声音）用コードブック１５V と、ＵＶ
（無声音）用コードブック１５U とが切換スイッチ１５
W により切り換えられてベクトル量子化器１５Q に送ら
れるようになっており、切換スイッチ１５は、周波数軸
変換処理部１２からのＶ／ＵＶ（有声音／無声音）判別
信号に応じて切換制御される。このＶ／ＵＶ判別信号
（フラグ等）は、後述するようなＭＢＥ（Multiband Ex
citation: マルチバンド励起）ボコーダ（音声分析合成
装置）等の場合には、分析系（エンコーダ）側から合成
系（デコーダ）側へ伝送されるパラメータであり、別途
に伝送する必要がない。
想定し、Ｖ（有声音）用コードブック１５V と、ＵＶ
（無声音）用コードブック１５U とが切換スイッチ１５
W により切り換えられてベクトル量子化器１５Q に送ら
れるようになっており、切換スイッチ１５は、周波数軸
変換処理部１２からのＶ／ＵＶ（有声音／無声音）判別
信号に応じて切換制御される。このＶ／ＵＶ判別信号
（フラグ等）は、後述するようなＭＢＥ（Multiband Ex
citation: マルチバンド励起）ボコーダ（音声分析合成
装置）等の場合には、分析系（エンコーダ）側から合成
系（デコーダ）側へ伝送されるパラメータであり、別途
に伝送する必要がない。
【００１５】ここで上記ＭＢＥの場合を例にとって説明
すると、上記コードブック１５V 、１５U の切換のため
のパラメータは、伝送される情報の一つであるＶ／ＵＶ
判別フラグを利用するようにすればよい。すなわち、上
記周波数軸変換処理部１２において、ピッチに応じたバ
ンド分割を行い、分割された各バンド毎にＶ（有声音）
かＵＶ（無声音）かの判別が行われる。ここで、Ｖバン
ドの個数をＮV 、ＵＶバンドの個数をＮUVとし、所定の
閾値Ｖthに対して、
すると、上記コードブック１５V 、１５U の切換のため
のパラメータは、伝送される情報の一つであるＶ／ＵＶ
判別フラグを利用するようにすればよい。すなわち、上
記周波数軸変換処理部１２において、ピッチに応じたバ
ンド分割を行い、分割された各バンド毎にＶ（有声音）
かＵＶ（無声音）かの判別が行われる。ここで、Ｖバン
ドの個数をＮV 、ＵＶバンドの個数をＮUVとし、所定の
閾値Ｖthに対して、
【００１６】
【数１】 のときは、Ｖ（有声音）用のコードブック１５V を切換
選択するようにし、それ以外のときはＵＶ（無声音）用
コードブック１５U を切換選択するようにする。上記閾
値Ｖthは、例えば１程度に設定すればよい。
選択するようにし、それ以外のときはＵＶ（無声音）用
コードブック１５U を切換選択するようにする。上記閾
値Ｖthは、例えば１程度に設定すればよい。
【００１７】デコーダ（合成系）側でも同様に、Ｖ（有
声音）用及びＵＶ（無声音）用の２種類のコードブック
の切換選択を行う。上記Ｖ／ＵＶ判別フラグはＭＢＥボ
コーダでは必ず伝送するサイドインフォメーション（補
助情報）であるので、この具体例においては別個にコー
ドブック切換のための特徴パラメータを伝送する必要が
なく、伝送ビットレートの増加がない。
声音）用及びＵＶ（無声音）用の２種類のコードブック
の切換選択を行う。上記Ｖ／ＵＶ判別フラグはＭＢＥボ
コーダでは必ず伝送するサイドインフォメーション（補
助情報）であるので、この具体例においては別個にコー
ドブック切換のための特徴パラメータを伝送する必要が
なく、伝送ビットレートの増加がない。
【００１８】Ｖ（有声音）用コードブック１５V 、ＵＶ
（無声音）用コードブック１５U の生成（トレーニン
グ）は、単に同じ基準でトレーニングデータを分けるこ
とによって可能となる。すなわち、Ｖ（有声音）と判別
された振幅データの集まりから生成されたコードブック
をＶ用コードブック１５V とし、ＵＶ（無声音）と判別
された振幅データの集まりから生成されたコードブック
をＵＶ用コードブック１５U とする。
（無声音）用コードブック１５U の生成（トレーニン
グ）は、単に同じ基準でトレーニングデータを分けるこ
とによって可能となる。すなわち、Ｖ（有声音）と判別
された振幅データの集まりから生成されたコードブック
をＶ用コードブック１５V とし、ＵＶ（無声音）と判別
された振幅データの集まりから生成されたコードブック
をＵＶ用コードブック１５U とする。
【００１９】この具体例においては、Ｖ／ＵＶ情報をコ
ードブックの切換に用いていることから、上記Ｖ／ＵＶ
判別フラグをより確実に（信頼性を高く）しておく必要
がある。例えば、明らかに子音や背景雑音であるとみな
せる部分では、全バンドＵＶにすべきである。その判断
の一例としては、高域にパワーの多い微小入力をＵＶ化
することが挙げられる。
ードブックの切換に用いていることから、上記Ｖ／ＵＶ
判別フラグをより確実に（信頼性を高く）しておく必要
がある。例えば、明らかに子音や背景雑音であるとみな
せる部分では、全バンドＵＶにすべきである。その判断
の一例としては、高域にパワーの多い微小入力をＵＶ化
することが挙げられる。
【００２０】入力信号のＮ点（２５６サンプル）に対し
てＦＦＴ（高速フーリエ変換）を行い、有効な０〜π
（０〜Ｎ／２）の中で、０〜Ｎ／４とＮ／４〜Ｎ／２と
のそれぞれの区間でパワー計算を行う。
てＦＦＴ（高速フーリエ変換）を行い、有効な０〜π
（０〜Ｎ／２）の中で、０〜Ｎ／４とＮ／４〜Ｎ／２と
のそれぞれの区間でパワー計算を行う。
【００２１】
【数２】 この（２）式のＰL 、ＰH を用いて、
【００２２】
【数３】 として、Ｒｄ＜Ｒth、かつ Ｌ＜Ｌth のときは、無条
件に全バンドＵＶ（無声音）と判別する。
件に全バンドＵＶ（無声音）と判別する。
【００２３】これを行うと、間違ったピッチを微小入力
で検出したときに、それを使用しない効果がある。この
ようにして、より確かなＶ／ＵＶフラグを作っておく
と、ベクトル量子化の際のコードブックの切換に好都合
である。
で検出したときに、それを使用しない効果がある。この
ようにして、より確かなＶ／ＵＶフラグを作っておく
と、ベクトル量子化の際のコードブックの切換に好都合
である。
【００２４】次に、上記Ｖ（有声音）用及びＵＶ（無声
音）用の各コードブックを作成する際のトレーニングに
ついて、図２を参照しながら説明する。図２において、
トレーニング用の数分程度の音声信号から成るトレーニ
ングセット３１からの信号は、周波数軸変換処理部３２
に送られて、ピッチ抽出部３２ａによりピッチ抽出が、
スペクトル振幅算出部３２ｂによりスペクトル振幅の算
出が、またバンド毎のＶ／ＵＶ判断部３２ｃにより各バ
ンド毎のＶ／ＵＶ判断がそれぞれ行われる。この周波数
軸変換処理部３２からの出力データは、トレーニング前
処理部３４に送られる。
音）用の各コードブックを作成する際のトレーニングに
ついて、図２を参照しながら説明する。図２において、
トレーニング用の数分程度の音声信号から成るトレーニ
ングセット３１からの信号は、周波数軸変換処理部３２
に送られて、ピッチ抽出部３２ａによりピッチ抽出が、
スペクトル振幅算出部３２ｂによりスペクトル振幅の算
出が、またバンド毎のＶ／ＵＶ判断部３２ｃにより各バ
ンド毎のＶ／ＵＶ判断がそれぞれ行われる。この周波数
軸変換処理部３２からの出力データは、トレーニング前
処理部３４に送られる。
【００２５】トレーニング前処理部３４では、Ｖ／ＵＶ
含有率のチェック部３４ａにより上記（１）式や（４）
式の条件等をチェックし、得られたＶ／ＵＶ情報に応じ
て、トレーニングデータの振り分け部３４ｂにより上記
スペクトル振幅データを振り分けており、Ｖ（有声音）
のときにはＶ（有声音）用トレーニングデータ出力部３
６ａへ、ＵＶ（無声音）のときにはＵＶ（有声音）用ト
レーニングデータ出力部３７ａへ、それぞれ振幅データ
を送っている。
含有率のチェック部３４ａにより上記（１）式や（４）
式の条件等をチェックし、得られたＶ／ＵＶ情報に応じ
て、トレーニングデータの振り分け部３４ｂにより上記
スペクトル振幅データを振り分けており、Ｖ（有声音）
のときにはＶ（有声音）用トレーニングデータ出力部３
６ａへ、ＵＶ（無声音）のときにはＵＶ（有声音）用ト
レーニングデータ出力部３７ａへ、それぞれ振幅データ
を送っている。
【００２６】Ｖ用トレーニングデータ出力部３６ａから
出力されたＶ（有声音）のスペクトル振幅データは、ト
レーニング処理部３６ｂに送られて、例えばいわゆるＬ
ＢＧ法によりトレーニング処理が行われ、Ｖ（有声音）
用コードブック３６ｃが作成される。ここで、上記ＬＢ
Ｇ法とは、Linde, Y., Buzo, A. and Gray, R. M.,"An
Algolithm for Vector Quantizer Design", IEEE Tran
s. Comm., COM-28,pp.84-95, Jan. 1980 において提案
されたベクトル量子化器を設計するアルゴリズムにおけ
るコードブックのトレーニング法であり、確率密度関数
が知られていない情報源に対していわゆるトレーニング
系列を用いて略最適なベクトル量子化器を設計するもの
である。同様に、ＵＶ用トレーニングデータ出力部３７
ａから出力されたＵＶ（無声音）のスペクトル振幅デー
タは、トレーニング処理部３７ｂに送られて例えばＬＢ
Ｇ法によりトレーニング処理が行われ、ＵＶ（無声音）
用コードブック３７ｃが作成される。
出力されたＶ（有声音）のスペクトル振幅データは、ト
レーニング処理部３６ｂに送られて、例えばいわゆるＬ
ＢＧ法によりトレーニング処理が行われ、Ｖ（有声音）
用コードブック３６ｃが作成される。ここで、上記ＬＢ
Ｇ法とは、Linde, Y., Buzo, A. and Gray, R. M.,"An
Algolithm for Vector Quantizer Design", IEEE Tran
s. Comm., COM-28,pp.84-95, Jan. 1980 において提案
されたベクトル量子化器を設計するアルゴリズムにおけ
るコードブックのトレーニング法であり、確率密度関数
が知られていない情報源に対していわゆるトレーニング
系列を用いて略最適なベクトル量子化器を設計するもの
である。同様に、ＵＶ用トレーニングデータ出力部３７
ａから出力されたＵＶ（無声音）のスペクトル振幅デー
タは、トレーニング処理部３７ｂに送られて例えばＬＢ
Ｇ法によりトレーニング処理が行われ、ＵＶ（無声音）
用コードブック３７ｃが作成される。
【００２７】ここで、後述するように、ベクトル量子化
部に階層構造を持たせ、上位層にはＶ／ＵＶ共用部分の
コードブックを用い、下位層のコードブックのみをＶ／
ＵＶに応じて切り換えるようにする場合には、Ｖ／ＵＶ
共用部分のコードブックも作成する必要がある。この場
合、上記周波数軸変換処理部３２からの出力データをＶ
／ＵＶ共用部分のコードブック用トレーニングデータ出
力部３５ａに送ることが必要とされる。
部に階層構造を持たせ、上位層にはＶ／ＵＶ共用部分の
コードブックを用い、下位層のコードブックのみをＶ／
ＵＶに応じて切り換えるようにする場合には、Ｖ／ＵＶ
共用部分のコードブックも作成する必要がある。この場
合、上記周波数軸変換処理部３２からの出力データをＶ
／ＵＶ共用部分のコードブック用トレーニングデータ出
力部３５ａに送ることが必要とされる。
【００２８】Ｖ／ＵＶ共用部分のコードブック用トレー
ニングデータ出力部３５ａから出力されたスペクトル振
幅データは、トレーニング処理部３５ｂに送られて、例
えばいわゆるＬＢＧ法によりトレーニング処理が実行さ
れ、Ｖ／ＵＶ共用部分のコードブック３５ｃが作成され
る。この作成されたＶ／ＵＶ共用コードブック３５ｃか
らのコードベクトルを、上記Ｖ用、ＵＶ用の各トレーニ
ングデータ出力部３６ａ、３７ａに送り、Ｖ／ＵＶ共用
コードブックを用いて、Ｖ用及びＵＶ用のトレーニング
データに対し上位層のベクトル量子化を実行し、下位層
のためのＶ用及びＵＶ用のトレーニングデータを生成す
る必要がある。
ニングデータ出力部３５ａから出力されたスペクトル振
幅データは、トレーニング処理部３５ｂに送られて、例
えばいわゆるＬＢＧ法によりトレーニング処理が実行さ
れ、Ｖ／ＵＶ共用部分のコードブック３５ｃが作成され
る。この作成されたＶ／ＵＶ共用コードブック３５ｃか
らのコードベクトルを、上記Ｖ用、ＵＶ用の各トレーニ
ングデータ出力部３６ａ、３７ａに送り、Ｖ／ＵＶ共用
コードブックを用いて、Ｖ用及びＵＶ用のトレーニング
データに対し上位層のベクトル量子化を実行し、下位層
のためのＶ用及びＵＶ用のトレーニングデータを生成す
る必要がある。
【００２９】以下、階層構造化されたベクトル量子化部
の具体的構成及び作用について、図３〜図９を参照しな
がら説明する。すなわち、この図３に示すベクトル量子
化部１５は、例えば上下の２つの層に階層構造化されて
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。
の具体的構成及び作用について、図３〜図９を参照しな
がら説明する。すなわち、この図３に示すベクトル量子
化部１５は、例えば上下の２つの層に階層構造化されて
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。
【００３０】図３に示すベクトル量子化器１５の入力端
子１７には、上記図１の周波数軸変換処理部１２からの
周波数軸上の振幅データが（必要に応じて非線形圧縮部
１３及びブロック間差分処理部１４を介し）、ベクトル
量子化の単位となる上記Ｍ次元ベクトルとして供給され
ている。このＭ次元ベクトルは、次元低減部２１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４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ｙi が求められ、図５に示すよう
に、平均値データｙ1 〜ｙS 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。
子１７には、上記図１の周波数軸変換処理部１２からの
周波数軸上の振幅データが（必要に応じて非線形圧縮部
１３及びブロック間差分処理部１４を介し）、ベクトル
量子化の単位となる上記Ｍ次元ベクトルとして供給され
ている。このＭ次元ベクトルは、次元低減部２１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４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ｙi が求められ、図５に示すよう
に、平均値データｙ1 〜ｙS 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。
【００３１】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２２Q 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２２Q
のコードブック２２C 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。コードブック２２C
には、上記図２において説明したＶ／ＵＶ共用部分のコ
ードブック３５ｃが用いられる。図６は、上記図５に示
すＳ個の平均値データｙ1 〜ｙS 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ＹVQ
の各要素ｙVQ1 〜ｙVQS を示している。
てＳ次元ベクトル量子化器２２Q 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２２Q
のコードブック２２C 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。コードブック２２C
には、上記図２において説明したＶ／ＵＶ共用部分のコ
ードブック３５ｃが用いられる。図６は、上記図５に示
すＳ個の平均値データｙ1 〜ｙS 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ＹVQ
の各要素ｙVQ1 〜ｙVQS を示している。
【００３２】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７に示す。
この図７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ＹVQの各要素ｙVQ1 〜ｙVQS 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。
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７に示す。
この図７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ＹVQの各要素ｙVQ1 〜ｙVQS 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。
【００３３】図３の具体例では、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８は、上記図４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７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 〜ｒM を示しており、
これらのＭ個のデータｒ1 〜ｒM 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。
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８は、上記図４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７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 〜ｒM を示しており、
これらのＭ個のデータｒ1 〜ｒM 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。
【００３４】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２５1Q〜２５SQ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
５1Q〜２５SQから出力されるインデックスは、それぞれ
出力端子２７1Q〜２７SQから取り出される。図９は、ベ
クトル量子化器２５1Q〜２５SQとしてそれぞれ４次元ベ
クトル量子化器を用い、上記図８に示す各４次元ベクト
ルＲ1 〜ＲS をそれぞれベクトル量子化した後の各
４次元ベクトルＲVQ1 〜ＲVQS の各要素ｒVQ1 〜ｒ
VQ4 、ｒVQ5 〜ｒVQ8 、…〜ｒVQM を示している。
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２５1Q〜２５SQ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
５1Q〜２５SQから出力されるインデックスは、それぞれ
出力端子２７1Q〜２７SQから取り出される。図９は、ベ
クトル量子化器２５1Q〜２５SQとしてそれぞれ４次元ベ
クトル量子化器を用い、上記図８に示す各４次元ベクト
ルＲ1 〜ＲS をそれぞれベクトル量子化した後の各
４次元ベクトルＲVQ1 〜ＲVQS の各要素ｒVQ1 〜ｒ
VQ4 、ｒVQ5 〜ｒVQ8 、…〜ｒVQM を示している。
【００３５】これらの各ベクトル量子化器２５1Q〜２５
SQには、それぞれＶ（有声音）用のコードブック２５1V
〜２５SVとＵＶ（無声音）用のコードブック２５1U〜２
５SUとが用いられ、これらのＶ用コードブック２５1V〜
２５SVとＵＶ用コードブック２５1U〜２５SUとは、入力
端子１８からのＶ／ＵＶ情報に応じて切換制御される切
換スイッチ２５1W〜２５SWにより切換選択されるように
なっている。これらの切換スイッチ２５1W〜２５SWの切
換制御は、全バンドに対して同時に（連動させて）行っ
てもよいが、各ベクトル量子化器２５1Q〜２５SQが受け
持つ周波数帯域が異なることを考慮して、バンド毎のＶ
／ＵＶ判別フラグに応じて切換制御するようにしてもよ
い。Ｖ用コードブック２５1V〜２５SVが図２のＶ（有声
音）用コードブック３６ｃに対応し、ＵＶ用コードブッ
ク２５1U〜２５SUが図２のＶ（有声音）用コードブック
３７ｃに対応することは勿論である。
SQには、それぞれＶ（有声音）用のコードブック２５1V
〜２５SVとＵＶ（無声音）用のコードブック２５1U〜２
５SUとが用いられ、これらのＶ用コードブック２５1V〜
２５SVとＵＶ用コードブック２５1U〜２５SUとは、入力
端子１８からのＶ／ＵＶ情報に応じて切換制御される切
換スイッチ２５1W〜２５SWにより切換選択されるように
なっている。これらの切換スイッチ２５1W〜２５SWの切
換制御は、全バンドに対して同時に（連動させて）行っ
てもよいが、各ベクトル量子化器２５1Q〜２５SQが受け
持つ周波数帯域が異なることを考慮して、バンド毎のＶ
／ＵＶ判別フラグに応じて切換制御するようにしてもよ
い。Ｖ用コードブック２５1V〜２５SVが図２のＶ（有声
音）用コードブック３６ｃに対応し、ＵＶ用コードブッ
ク２５1U〜２５SUが図２のＶ（有声音）用コードブック
３７ｃに対応することは勿論である。
【００３６】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。
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。
【００３７】なお、図１〜図３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。
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。
【００３８】以上説明したように、例えば音声合成分析
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により、良好
なベクトル量子化が実現できる。すなわち、有声音時と
無声音時とでは、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。さらに、３種類以上のコード
ブックを切り換えるようにしてもよく、例えば、無声音
用のコードブックを子音、背景雑音等で２種類以上用い
るようにしてもよい。
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により、良好
なベクトル量子化が実現できる。すなわち、有声音時と
無声音時とでは、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。さらに、３種類以上のコード
ブックを切り換えるようにしてもよく、例えば、無声音
用のコードブックを子音、背景雑音等で２種類以上用い
るようにしてもよい。
【００３９】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。
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。
【００４０】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。
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。
【００４１】このような窓かけ処理を数式で表すと、 ｘw (k,q) ＝ｘ(q) ｗ(kL-q) ・・・（４） となる。この（４）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ｘw (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ｗr (r) は、 ｗr (r) ＝１ ０≦ｒ＜Ｎ ・・・（５） ＝０ ｒ＜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ｗh (r) は、 ｗh (r) ＝ 0.54 − 0.46 cos(２πr/(N-1)) ０≦ｒ＜Ｎ ・・・（６） ＝０ ｒ＜０，Ｎ≦ｒ である。このような窓関数ｗr (r) あるいはｗh (r) を
用いるときの上記（４）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ｗr (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（４）〜（６）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（５）
式、（６）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ｘwr(k,r) 、ｘwh
(k,r) と表すことにする。
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ｘw (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ｗr (r) は、 ｗr (r) ＝１ ０≦ｒ＜Ｎ ・・・（５） ＝０ ｒ＜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ｗh (r) は、 ｗh (r) ＝ 0.54 − 0.46 cos(２πr/(N-1)) ０≦ｒ＜Ｎ ・・・（６） ＝０ ｒ＜０，Ｎ≦ｒ である。このような窓関数ｗr (r) あるいはｗh (r) を
用いるときの上記（４）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ｗr (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（４）〜（６）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（５）
式、（６）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ｘwr(k,r) 、ｘwh
(k,r) と表すことにする。
【００４２】窓かけ処理部１０４では、図１３に示すよ
うに、上記（６）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ｘwh(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。
うに、上記（６）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ｘwh(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。
【００４３】ピッチ抽出部１０３では、上記ｘwr(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。
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。
【００４４】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。
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。
【００４５】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 ・・・（７） と表現するようなモデルを想定している。ここで、Ｊは
ωs ／４π＝ｆs ／２に対応し、サンプリング周波数ｆ
s ＝ωs ／２πが例えば８ｋHzのときには４ｋHzに対応
する。上記（７）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。
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 ・・・（７） と表現するようなモデルを想定している。ここで、Ｊは
ωs ／４π＝ｆs ／２に対応し、サンプリング周波数ｆ
s ＝ωs ／２πが例えば８ｋHzのときには４ｋHzに対応
する。上記（７）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。
【００４６】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。
｜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。
【００４７】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）｜Ａm
｜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ａm 、ｂm とすると
き、この第ｍバンドのエラーεm は、
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）｜Ａm
｜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ａm 、ｂm とすると
き、この第ｍバンドのエラーεm は、
【００４８】
【数４】
【００４９】で表せる。このエラーεm を最小化するよ
うな｜Ａm ｜は、
うな｜Ａm ｜は、
【００５０】
【数５】
【００５１】となり、この（６）式の｜Ａm ｜のとき、
エラーεm を最小化する。このような振幅｜Ａm ｜を各
バンド毎に求め、得られた各振幅｜Ａm ｜を用いて上記
（８）式で定義された各バンド毎のエラーεm を求め
る。次に、このような各バンド毎のエラーεm の全バン
ドの総和値Σεm を求める。さらに、このような全バン
ドのエラー総和値Σεm 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Σεm が最小となるよ
うなピッチを求める。
エラーεm を最小化する。このような振幅｜Ａm ｜を各
バンド毎に求め、得られた各振幅｜Ａm ｜を用いて上記
（８）式で定義された各バンド毎のエラーεm を求め
る。次に、このような各バンド毎のエラーεm の全バン
ドの総和値Σεm を求める。さらに、このような全バン
ドのエラー総和値Σεm 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Σεm が最小となるよ
うなピッチを求める。
【００５２】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Σεm 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（９）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（８）式のエラーεm を求め、そ
の全バンドの総和値Σεm を求めることができる。この
エラー総和値Σεm 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｜Ａm ｜
が決定される。
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Σεm 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（９）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（８）式のエラーεm を求め、そ
の全バンドの総和値Σεm を求めることができる。この
エラー総和値Σεm 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｜Ａm ｜
が決定される。
【００５３】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。
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。
【００５４】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｜Ａm ｜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、
適ピッチ及び振幅｜Ａm ｜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、
【００５５】
【数６】
【００５６】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｜Ａm ｜｜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。
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｜Ａm ｜｜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。
【００５７】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｜Ａm
｜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｜Ａm ｜UVは、
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｜Ａm
｜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｜Ａm ｜UVは、
【００５８】
【数７】
【００５９】にて求められる。
【００６０】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｜
Ａm ｜（ＵＶバンドの振幅｜Ａm ｜UVも含む）データの
個数ｍMX＋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ｍMX＋１の
振幅データを一定個数ＮC （例えば４４個）のデータに
変換している。
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｜
Ａm ｜（ＵＶバンドの振幅｜Ａm ｜UVも含む）データの
個数ｍMX＋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ｍMX＋１の
振幅データを一定個数ＮC （例えば４４個）のデータに
変換している。
【００６１】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ＮF 個に拡大した後、帯域制限型のＫOS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ＫOS倍の
個数の振幅データを求め、このＫOS倍の個数（（ｍMX＋
１）×ＫOS個）の振幅データを直線補間してさらに多く
のＮM 個（例えば２０４８個）に拡張し、このＮM 個の
データを間引いて上記一定個数ＮC （例えば４４個）の
データに変換する。
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ＮF 個に拡大した後、帯域制限型のＫOS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ＫOS倍の
個数の振幅データを求め、このＫOS倍の個数（（ｍMX＋
１）×ＫOS個）の振幅データを直線補間してさらに多く
のＮM 個（例えば２０４８個）に拡張し、このＮM 個の
データを間引いて上記一定個数ＮC （例えば４４個）の
データに変換する。
【００６２】このデータ数変換部１０９からのデータ
（上記一定個数ＮC 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あるいは図３
に示すような、Ｖ（有声音）用コードブックとＵＶ（無
声音）用コードブックとを切換選択するようなベクトル
量子化部１５を用いている。これらのＶ用、ＵＶ用コー
ドブックは、上記有声音／無声音（Ｖ／ＵＶ）判別部１
０７からのＶ／ＵＶ判別データに応じて切換制御すれば
よい。このようなベクトル量子化部１１０からの量子化
出力データは、出力端子１１１を介して取り出される。
（上記一定個数ＮC 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あるいは図３
に示すような、Ｖ（有声音）用コードブックとＵＶ（無
声音）用コードブックとを切換選択するようなベクトル
量子化部１５を用いている。これらのＶ用、ＵＶ用コー
ドブックは、上記有声音／無声音（Ｖ／ＵＶ）判別部１
０７からのＶ／ＵＶ判別データに応じて切換制御すれば
よい。このようなベクトル量子化部１１０からの量子化
出力データは、出力端子１１１を介して取り出される。
【００６３】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。これらの各出力端子１
１１〜１１３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。
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。これらの各出力端子１
１１〜１１３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。
【００６４】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。
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。
【００６５】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、Ｖ（有声音）用コードブックとＵＶ（無
声音）用コードブックとを入力端子１２３から得られる
Ｖ／ＵＶ判別データに応じて切換選択するような構造を
有している。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。
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、Ｖ（有声音）用コードブックとＵＶ（無
声音）用コードブックとを入力端子１２３から得られる
Ｖ／ＵＶ判別データに応じて切換選択するような構造を
有している。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。
【００６６】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。
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。
【００６７】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Ｖm (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、 Ｖm (n) ＝Ａm (n) cos(θm (n)) ０≦ｎ＜Ｌ ・・・（12） 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（ΣＶm (n) ）し
て最終的な有声音Ｖ(n) を合成する。
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Ｖm (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、 Ｖm (n) ＝Ａm (n) cos(θm (n)) ０≦ｎ＜Ｌ ・・・（12） 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（ΣＶm (n) ）し
て最終的な有声音Ｖ(n) を合成する。
【００６８】この（12）式中のＡm (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Ａ0m、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ＡLmとするとき、 Ａm (n) ＝ (L-n)Ａ0m／Ｌ＋ｎＡLm／Ｌ ・・・（13） の式によりＡm (n) を計算すればよい。
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Ａ0m、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ＡLmとするとき、 Ａm (n) ＝ (L-n)Ａ0m／Ｌ＋ｎＡLm／Ｌ ・・・（13） の式によりＡm (n) を計算すればよい。
【００６９】次に、上記（12）式中の位相θm (n) は、 θm (n) ＝ｍωO1ｎ＋ｎ2 ｍ（ωL1−ω01）／２Ｌ＋φ0m＋Δωｎ ・・・（14） により求めることができる。この（14）式中で、φ0m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、ωL1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（11）式中のΔωは、
ｎ＝Ｌにおける位相φLmがθm (L) に等しくなるような
最小のΔωを設定する。
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、ωL1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（11）式中のΔωは、
ｎ＝Ｌにおける位相φLmがθm (L) に等しくなるような
最小のΔωを設定する。
【００７０】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Ａm (n) 、位相θm (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Ａm (n) は、上述した（13）式によ
り、伝送された振幅値Ａ0m、ＡLmを直線補間して振幅Ａ
m (n) を算出すればよい。位相θm (n) は、ｎ＝０でθ
m (0) ＝φ0mからｎ＝Ｌでθm (L) がφLmとなるように
Δωを設定する。
れｎ＝０、ｎ＝ＬのときのＶ／ＵＶ判別結果に応じた上
記振幅Ａm (n) 、位相θm (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Ａm (n) は、上述した（13）式によ
り、伝送された振幅値Ａ0m、ＡLmを直線補間して振幅Ａ
m (n) を算出すればよい。位相θm (n) は、ｎ＝０でθ
m (0) ＝φ0mからｎ＝Ｌでθm (L) がφLmとなるように
Δωを設定する。
【００７１】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Ａm (n)
は、Ａm (0) の伝送振幅値Ａ0mからＡm (L) で０となる
ように直線補間する。ｎ＝Ｌでの伝送振幅値ＡLm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θm (n) は、θm (0) ＝φ0mとし、かつΔω＝
０とする。
ＬのときＵＶ（無声音）とされる場合に、振幅Ａm (n)
は、Ａm (0) の伝送振幅値Ａ0mからＡm (L) で０となる
ように直線補間する。ｎ＝Ｌでの伝送振幅値ＡLm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θm (n) は、θm (0) ＝φ0mとし、かつΔω＝
０とする。
【００７２】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Ａm
(n) は、ｎ＝０での振幅Ａm (0) を０とし、ｎ＝Ｌで伝
送された振幅値ＡLm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θm (0) として、フ
レーム終端での位相値φLmを用いて、 θm (0) ＝φLm−ｍ（ωO1＋ωL1）Ｌ／２ ・・・（15） とし、かつΔω＝０とする。
ｎ＝ＬのときＶ（有声音）とされる場合には、振幅Ａm
(n) は、ｎ＝０での振幅Ａm (0) を０とし、ｎ＝Ｌで伝
送された振幅値ＡLm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θm (0) として、フ
レーム終端での位相値φLmを用いて、 θm (0) ＝φLm−ｍ（ωO1＋ωL1）Ｌ／２ ・・・（15） とし、かつΔω＝０とする。
【００７３】上記ｎ＝０、ｎ＝ＬのいずれもＶ（有声
音）とされる場合に、θm (L) がφLmとなるようにΔω
を設定する手法について説明する。上記（14）式で、ｎ
＝Ｌと置くことにより、 θm (L) ＝ｍωO1Ｌ＋Ｌ2 ｍ（ωL1−ω01）／２Ｌ＋φ0m＋ΔωＬ ＝ｍ（ωO1＋ωL1）Ｌ／２＋φ0m＋ΔωＬ ＝φLm となり、これを整理すると、Δωは、 Δω＝（mod2π((φLm−φ0m) − mL(ωO1＋ωL1)/2)／Ｌ ・・・（16） となる。この（16）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。
音）とされる場合に、θm (L) がφLmとなるようにΔω
を設定する手法について説明する。上記（14）式で、ｎ
＝Ｌと置くことにより、 θm (L) ＝ｍωO1Ｌ＋Ｌ2 ｍ（ωL1−ω01）／２Ｌ＋φ0m＋ΔωＬ ＝ｍ（ωO1＋ωL1）Ｌ／２＋φ0m＋ΔωＬ ＝φLm となり、これを整理すると、Δωは、 Δω＝（mod2π((φLm−φ0m) − mL(ωO1＋ωL1)/2)／Ｌ ・・・（16） となる。この（16）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。
【００７４】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。
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。
【００７５】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｜Ａm ｜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。
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｜Ａm ｜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。
【００７６】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。
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。
【００７７】なお、上記図１０の音声分析側（エンコー
ド側）の構成や図１５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。
ド側）の構成や図１５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。
【００７８】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。また、入力オ
ーディオ信号（音声信号や音響信号）の特徴を表すパラ
メータとしては、上記Ｖ（有声音）／ＵＶ（無声音）の
判別情報に限定されず、ピッチの値、ピッチ成分の強
弱、信号スペクトルの傾きやレベル等を使用することが
できる。さらに、このような特徴パラメータは、符号化
方式に応じて本来伝送するパラメータ情報の一部を代用
しても、別途に伝送してもよく、他の伝送パラメータで
代用させる場合には適応的コードブックと見なせ、別途
伝送する場合には構造化コードブックと見なせる。
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。また、入力オ
ーディオ信号（音声信号や音響信号）の特徴を表すパラ
メータとしては、上記Ｖ（有声音）／ＵＶ（無声音）の
判別情報に限定されず、ピッチの値、ピッチ成分の強
弱、信号スペクトルの傾きやレベル等を使用することが
できる。さらに、このような特徴パラメータは、符号化
方式に応じて本来伝送するパラメータ情報の一部を代用
しても、別途に伝送してもよく、他の伝送パラメータで
代用させる場合には適応的コードブックと見なせ、別途
伝送する場合には構造化コードブックと見なせる。
【００７９】
【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、ベクトル量子化器に
入力されたオーディオ信号（音声信号や音響信号）の状
態に応じた複数種類のコードブックを設け、該入力オー
ディオ信号のブロック毎（フレーム毎）の特徴を表すパ
ラメータに応じて、上記複数種類のコードブックを切り
換えてベクトル量子化を施しているため、効率的なベク
トル量子化が実現でき、ベクトル量子化の性能向上に役
立つ。
に係る高能率符号化方法によれば、ベクトル量子化器に
入力されたオーディオ信号（音声信号や音響信号）の状
態に応じた複数種類のコードブックを設け、該入力オー
ディオ信号のブロック毎（フレーム毎）の特徴を表すパ
ラメータに応じて、上記複数種類のコードブックを切り
換えてベクトル量子化を施しているため、効率的なベク
トル量子化が実現でき、ベクトル量子化の性能向上に役
立つ。
【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。
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】コードブックの形成（トレーニング）方法を説
明するための図である。
明するための図である。
【図３】本発明の他の実施例の方法を説明するための符
号化装置（エンコーダ）の要部の概略構成を示すブロッ
ク図である。
号化装置（エンコーダ）の要部の概略構成を示すブロッ
ク図である。
【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。
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。
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。
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。
するための図である。
【図８】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。
するための図である。
【図９】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。
するための図である。
【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。
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。
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。
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。
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。
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。
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 １５Q 、２５1Q〜２５SQ・・・・・ベクトル量子化器 １５V 、２５1V〜２５SV・・・・・Ｖ（有声音）用コー
ドブック １５U 、２５1U〜２５SU・・・・・ＵＶ（無声音）用コ
ードブック １５W 、２５1W〜２５SW・・・・・切換スイッチ ２１・・・・・次元低減部 ２２Q ・・・・・Ｓ次元ベクトル量子化器 ２２C ・・・・・Ｓ次元コードブック ２３・・・・・次元拡張部 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
ドブック １５U 、２５1U〜２５SU・・・・・ＵＶ（無声音）用コ
ードブック １５W 、２５1W〜２５SW・・・・・切換スイッチ ２１・・・・・次元低減部 ２２Q ・・・・・Ｓ次元ベクトル量子化器 ２２C ・・・・・Ｓ次元コードブック ２３・・・・・次元拡張部 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 (3)
- 【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に対してベクト
ル量子化を施すためにオーディオ信号の状態に応じた複
数のコードブックを有するベクトル量子化器を用い、上
記オーディオ入力信号のブロック毎の特徴を表すパラメ
ータに応じて上記複数のコードブックを切り換えて量子
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】 上記オーディオ信号として音声信号を用
い、上記コードブックとして音声信号が有声音か無声音
かに応じた複数のコードブックを用い、上記特徴パラメ
ータとして上記ブロック毎の入力音声信号が有声音か無
声音かを表すパラメータ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ためにオーディオ信号の状
態に応じた複数のコードブックを有する第２のベクトル
量子化器を用い、上記オーディオ入力信号のブロック毎
の特徴を表すパラメータに応じて上記複数のコードブッ
クを切り換えて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。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP09225892A JP3297749B2 (ja) | 1992-03-18 | 1992-03-18 | 符号化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP09225892A JP3297749B2 (ja) | 1992-03-18 | 1992-03-18 | 符号化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH05265499A true JPH05265499A (ja) | 1993-10-15 |
| JP3297749B2 JP3297749B2 (ja) | 2002-07-02 |
Family
ID=14049391
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP09225892A Expired - Lifetime JP3297749B2 (ja) | 1992-03-18 | 1992-03-18 | 符号化方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3297749B2 (ja) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5809459A (en) * | 1996-05-21 | 1998-09-15 | Motorola, Inc. | Method and apparatus for speech excitation waveform coding using multiple error waveforms |
| US5848387A (en) * | 1995-10-26 | 1998-12-08 | Sony Corporation | Perceptual speech coding using prediction residuals, having harmonic magnitude codebook for voiced and waveform codebook for unvoiced frames |
| JP2001222297A (ja) * | 1999-11-29 | 2001-08-17 | Digital Voice Syst Inc | マルチバンドハーモニック変換コーダ |
| WO2003019527A1 (fr) * | 2001-08-31 | 2003-03-06 | Kabushiki Kaisha Kenwood | Procede et appareil de generation d'un signal affecte d'un pas et procede et appareil de compression/decompression et de synthese d'un signal vocal l'utilisant |
| US6605768B2 (en) | 2000-12-06 | 2003-08-12 | Matsushita Electric Industrial Co., Ltd. | Music-signal compressing/decompressing apparatus |
| US7092885B1 (en) | 1997-12-24 | 2006-08-15 | Mitsubishi Denki Kabushiki Kaisha | Sound encoding method and sound decoding method, and sound encoding device and sound decoding device |
| WO2008072733A1 (ja) * | 2006-12-15 | 2008-06-19 | Panasonic Corporation | 符号化装置および符号化方法 |
| JP2009512271A (ja) * | 2005-10-05 | 2009-03-19 | エルジー エレクトロニクス インコーポレイティド | 信号処理方法及び装置、エンコーディング及びデコーディング方法並びにそのための装置 |
| JP2009520384A (ja) * | 2005-10-05 | 2009-05-21 | エルジー エレクトロニクス インコーポレイティド | 信号処理方法及び装置、エンコーディング及びデコーディング方法並びにそのための装置 |
-
1992
- 1992-03-18 JP JP09225892A patent/JP3297749B2/ja not_active Expired - Lifetime
Cited By (26)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5848387A (en) * | 1995-10-26 | 1998-12-08 | Sony Corporation | Perceptual speech coding using prediction residuals, having harmonic magnitude codebook for voiced and waveform codebook for unvoiced frames |
| US5809459A (en) * | 1996-05-21 | 1998-09-15 | Motorola, Inc. | Method and apparatus for speech excitation waveform coding using multiple error waveforms |
| US7747441B2 (en) | 1997-12-24 | 2010-06-29 | Mitsubishi Denki Kabushiki Kaisha | Method and apparatus for speech decoding based on a parameter of the adaptive code vector |
| US8688439B2 (en) | 1997-12-24 | 2014-04-01 | Blackberry Limited | Method for speech coding, method for speech decoding and their apparatuses |
| JP2009134303A (ja) * | 1997-12-24 | 2009-06-18 | Mitsubishi Electric Corp | 音声復号化方法及び音声復号化装置 |
| US7092885B1 (en) | 1997-12-24 | 2006-08-15 | Mitsubishi Denki Kabushiki Kaisha | Sound encoding method and sound decoding method, and sound encoding device and sound decoding device |
| US9263025B2 (en) | 1997-12-24 | 2016-02-16 | Blackberry Limited | Method for speech coding, method for speech decoding and their apparatuses |
| US7363220B2 (en) | 1997-12-24 | 2008-04-22 | Mitsubishi Denki Kabushiki Kaisha | Method for speech coding, method for speech decoding and their apparatuses |
| US7383177B2 (en) | 1997-12-24 | 2008-06-03 | Mitsubishi Denki Kabushiki Kaisha | Method for speech coding, method for speech decoding and their apparatuses |
| US8447593B2 (en) | 1997-12-24 | 2013-05-21 | Research In Motion Limited | Method for speech coding, method for speech decoding and their apparatuses |
| US8352255B2 (en) | 1997-12-24 | 2013-01-08 | Research In Motion Limited | Method for speech coding, method for speech decoding and their apparatuses |
| US8190428B2 (en) | 1997-12-24 | 2012-05-29 | Research In Motion Limited | Method for speech coding, method for speech decoding and their apparatuses |
| US9852740B2 (en) | 1997-12-24 | 2017-12-26 | Blackberry Limited | Method for speech coding, method for speech decoding and their apparatuses |
| US7937267B2 (en) | 1997-12-24 | 2011-05-03 | Mitsubishi Denki Kabushiki Kaisha | Method and apparatus for decoding |
| US7747433B2 (en) | 1997-12-24 | 2010-06-29 | Mitsubishi Denki Kabushiki Kaisha | Method and apparatus for speech encoding by evaluating a noise level based on gain information |
| US7742917B2 (en) | 1997-12-24 | 2010-06-22 | Mitsubishi Denki Kabushiki Kaisha | Method and apparatus for speech encoding by evaluating a noise level based on pitch information |
| US7747432B2 (en) | 1997-12-24 | 2010-06-29 | Mitsubishi Denki Kabushiki Kaisha | Method and apparatus for speech decoding by evaluating a noise level based on gain information |
| JP2001222297A (ja) * | 1999-11-29 | 2001-08-17 | Digital Voice Syst Inc | マルチバンドハーモニック変換コーダ |
| US6605768B2 (en) | 2000-12-06 | 2003-08-12 | Matsushita Electric Industrial Co., Ltd. | Music-signal compressing/decompressing apparatus |
| US7647226B2 (en) | 2001-08-31 | 2010-01-12 | Kabushiki Kaisha Kenwood | Apparatus and method for creating pitch wave signals, apparatus and method for compressing, expanding, and synthesizing speech signals using these pitch wave signals and text-to-speech conversion using unit pitch wave signals |
| WO2003019527A1 (fr) * | 2001-08-31 | 2003-03-06 | Kabushiki Kaisha Kenwood | Procede et appareil de generation d'un signal affecte d'un pas et procede et appareil de compression/decompression et de synthese d'un signal vocal l'utilisant |
| US7630883B2 (en) | 2001-08-31 | 2009-12-08 | Kabushiki Kaisha Kenwood | Apparatus and method for creating pitch wave signals and apparatus and method compressing, expanding and synthesizing speech signals using these pitch wave signals |
| CN1324556C (zh) * | 2001-08-31 | 2007-07-04 | 株式会社建伍 | 生成基音周期波形信号的装置和方法及处理语音信号的装置和方法 |
| JP2009520384A (ja) * | 2005-10-05 | 2009-05-21 | エルジー エレクトロニクス インコーポレイティド | 信号処理方法及び装置、エンコーディング及びデコーディング方法並びにそのための装置 |
| JP2009512271A (ja) * | 2005-10-05 | 2009-03-19 | エルジー エレクトロニクス インコーポレイティド | 信号処理方法及び装置、エンコーディング及びデコーディング方法並びにそのための装置 |
| WO2008072733A1 (ja) * | 2006-12-15 | 2008-06-19 | Panasonic Corporation | 符号化装置および符号化方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP3297749B2 (ja) | 2002-07-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP1065655B1 (en) | High efficiency encoding method | |
| JP3707116B2 (ja) | 音声復号化方法及び装置 | |
| JP3680380B2 (ja) | 音声符号化方法及び装置 | |
| JPH0869299A (ja) | 音声符号化方法、音声復号化方法及び音声符号化復号化方法 | |
| JPH0744193A (ja) | 高能率符号化方法 | |
| JPH11330977A (ja) | オ―ディオ信号符号化装置、オ―ディオ信号復号化装置、及び、オ―ディオ信号符号化・復号化装置 | |
| JPH0990968A (ja) | 音声合成方法 | |
| JP3297749B2 (ja) | 符号化方法 | |
| JP3237178B2 (ja) | 符号化方法及び復号化方法 | |
| JP3297751B2 (ja) | データ数変換方法、符号化装置及び復号化装置 | |
| JP3218679B2 (ja) | 高能率符号化方法 | |
| JPH09127985A (ja) | 信号符号化方法及び装置 | |
| JP3362471B2 (ja) | 音声信号の符号化方法及び復号化方法 | |
| JPH09127987A (ja) | 信号符号化方法及び装置 | |
| JP3731575B2 (ja) | 符号化装置及び復号装置 | |
| JPH0651800A (ja) | データ数変換方法 | |
| JP3297750B2 (ja) | 符号化方法 | |
| JP3218681B2 (ja) | 背景雑音検出方法及び高能率符号化方法 | |
| JP3221050B2 (ja) | 有声音判別方法 | |
| JP3218680B2 (ja) | 有声音合成方法 | |
| JPH05281995A (ja) | 音声符号化方法 | |
| JP2000132195A (ja) | 信号符号化装置及び方法 | |
| JPH09127986A (ja) | 符号化信号の多重化方法及び信号符号化装置 | |
| JPH0744194A (ja) | 高能率符号化方法 | |
| JPH07212239A (ja) | ラインスペクトル周波数のベクトル量子化方法および装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20020305 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080419 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090419 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090419 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100419 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100419 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110419 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110419 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120419 Year of fee payment: 10 |
|
| EXPY | Cancellation because of completion of term |