JPH05303398A - 音声符号化装置 - Google Patents

Abstract

(57)【要約】 【目的】ニューラルネットワークの学習機能を用いて桁
落ち及び量子化誤差による精度低下を防止すること。 【構成】音声入力部５より音声が入力されると、線形予
測分析部１５が一定の時間間隔で標本化された入力音声
より線形予測係数を分析次数分だけ算出し、線形予測係
数量子化部１６がこの線形予測係数を量子化し、線形予
測器１７がこの量子化された信号とコードブックからの
情報に基づいて線形予測音声を算出する。そして、聴覚
重み付けフィルタ１８が上記入力音声と上記線形予測音
声の差分値である線形予測誤差に対して雑音感低減を行
い、平均２乗誤差計算部１９が、この聴覚重み付けフィ
ルタ１８からの出力信号より平均２乗誤差を算出し最小
の平均２乗誤差とその時の励起ベクトルを保持する。そ
して、ゼロ状態応答算出部１３が、上記励起ベクトルと
上記線形予測係数を受け、該励起ベクトルのみによる応
答値を算出し、入力音声とこの応答値の差分値を２層の
階層型ニューラルネットワーク１の教師データとして出
力する。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は音声符号化装置に係り、
特に分析合成方式を用いた音声符号化装置に関する。

【０００２】

【従来の技術】従来より音声符号化装置に採用されてい
る分析合成方式の代表例には線形予測分析がある。そし
て、この線形予測分析は、音声波形を一定の時間間隔で
標本化した時間離散的信号をｘt （t ：時間を表す整
数）とすると、現時点における標本値ｘt と、これに隣
接する過去のＰ個の標本値との間に相関があり、下記の
（１）式で示される線形方程式からｘt の線形予測値を
求めるものである。

【０００３】

【数１】

【０００４】上記（１）式において、αi は標本値ｘt
と線形予測値との間の予測誤差ｅtの２乗和を最小とす
るように定める。尚、このαi の解法としては共分散法
と自己相関法がある。一方、上記線形予測分析を用いた
ものにＣＥＬＰ(Code-Excited Linear Prediction)符号
化がある。

【０００５】図９は上記ＣＥＬＰ符号化を採用した符号
器の構成例を示す図であり、同図に示すように、音声入
力部５から入力された音声は線形予測分析部１５に供給
され線形予測係数αi が求められる。そして、この線形
予測係数αi は線形予測係数量子化部１６にてスカラー
量子化され、後段の線形予測器１７に供給される。

【０００６】この線形予測器１７には、同時にコードブ
ック２２からの励起ベクトルｂj も入力され、入力音声
ｘとその線形予測音声との差分がとられ、予測誤差ｅj
が求まる。そして、この予測誤差ｅj は聴覚重み付けフ
ィルタ１８を介することで聴覚的雑音感が低減され、後
段の平均２乗誤差計算部１９に供給される。この平均２
乗誤差計算部１９では、予測誤差ｅj の平均２乗誤差を
求め、最小の平均２乗誤差と、その時の励起ベクトルｂ
j を保持する。

【０００７】このような処理をコードブック２２の全て
の励起ベクトルについて行った後、音声復合器２１に、
量子化された線形予測係数αi と励起ベクトルｂj が送
出される。

【０００８】

【発明が解決しようとする課題】しかしながら、上述し
た線形予測分析は、線形モデルを用いた予測分析であ
り、その予測誤差ｅt を線形最小２乗法で解くため、桁
落ちにより精度が落ちるという欠点がある。

【０００９】さらに、上記線形モデルでは、短区間の音
声信号は定常であるとの仮定を用いているが、実際には
定常ではないため線形予測誤差がそれほど小さくならな
い。また、上記ＣＥＬＰ符号化では、聴覚重み付けフィ
ルタにより処理された予測誤差の平均２乗誤差を最小と
する励起ベクトルをコードブックの中からサーチしてい
るだけである為、その量子化誤差により予測誤差がそれ
ほど小さくならない。本発明は上記問題に鑑みてなされ
たもので、ニューラルネットワークの学習機能を用いて
桁落ち及び量子化誤差による精度低下を防止することに
ある。

【００１０】

【課題を解決するための手段】上記目的を達成するため
に、本発明の音声符号化装置は、一定の時間間隔で標本
化された入力音声より線形予測係数を分析次数分だけ計
算する線形予測分析手段と、上記線形予測分析手段によ
り算出された線形予測係数を量子化する線形予測係数量
子化手段と、上記線形予測係数量子化手段により量子化
された信号と、コードブックからの情報に基づいて線形
予測音声を算出する線形予測手段と、上記入力音声と上
記線形予測音声の差分値である線形予測誤差に対して雑
音感低減を行うフィルタ手段と、上記フィルタ手段から
の出力信号より平均２乗誤差を算出し、最小の平均２乗
誤差と、その時の励起ベクトルを保持する平均２乗誤差
計算手段と、入力層と出力層からなる２層の階層型ニュ
ーラルネットワーク手段と、上記励起ベクトルと上記線
形予測係数を受け、該励起ベクトルのみによる応答値を
算出し、入力音声とこの応答値の差分値を上記階層型ニ
ューラルネットワーク手段の教師データとして出力する
ゼロ状態応答算出手段とを具備し、上記階層型ニューラ
ルネット手段のシナプス結合係数の初期値として、あら
かじめ計算された入力音声の線形予測係数を用いて学習
し更新することを特徴とする。

【００１１】

【作用】即ち、本発明の音声符号化装置では、線形予測
分析手段により一定の時間間隔で標本化された入力音声
より線形予測係数が分析次数分だけ算出されると、線形
予測係数量子化手段によりこの線形予測係数が量子化さ
れ、線形予測手段によりこの量子化された信号とコード
ブックからの情報に基づいて線形予測音声が算出され
る。そして、フィルタ手段により上記入力音声と上記線
形予測音声の差分値である線形予測誤差に対して雑音感
低減が行われ、平均２乗誤差計算手段により、このフィ
ルタ手段からの出力信号より平均２乗誤差が算出され、
最小の平均２乗誤差とその時の励起ベクトルが保持され
る。そして、ゼロ状態応答算出手段により、上記励起ベ
クトルと上記線形予測係数を受け、該励起ベクトルのみ
による応答値を算出し、入力音声とこの応答値の差分値
が２層の階層型ニューラルネットワーク手段の教師デー
タとして出力される。この階層型ニューラルネット手段
のシナプス結合係数の初期値は、あらかじめ計算された
入力音声の線形予測係数が用いて学習され、更新され
る。

【００１２】

【実施例】以下、本発明の原理について説明する。線形
予測値は線形予測係数αi と過去の標本値ｘt-i とか
ら、上記（１）式のように表すことができるが、その予
測誤差ｅt は（２）式のように示される。

【００１３】

【数２】

【００１４】ここで、図２に示すような２層の階層型線
形ニューラルネットワーク１を考えると、過去の標本値
ｘt-i を入力層２の各ニューロンユニットへの入力値、
線形予測係数αi を入出力層間のシナプス結合係数、線
形予測値を出力層３の各ニューロンネットの出力値とみ
なすことができる。

【００１５】そこで、教師信号として現時点における標
本値ｘt を用い、予測誤差ｅt の２乗和を最小化するよ
うに、シナプス結合係数、即ち線形予測係数αi の学習
を行う。

【００１６】同図に示す階層型線形ニューラルネットワ
ーク１において、入力層２に過去の標本値ｘt-i が線形
予測分析の次数分入力されると、線形予測係数に相当す
るシナプス結合係数との積和がとられ、線形予測値が得
られる。学習については、その誤差Ｅを（３）式のよう
定めることができる。

【００１７】

【数３】 そして、（４）式のようなバックプロパゲーション学習
と呼ばれる方法を採用する。

【００１８】

【数４】

【００１９】次に、図３は、先に図２に示した階層型線
形ニューラルネットワーク１に非線形ニューロンユニッ
ト４を入出力層間に付加し、本来非線形であるため線形
予測だけでは困難な音声の特徴を予測可能としているも
のである。同図に示す非線形ニューロンユニット４は、
入力層２からの入力値とシナプス結合係数との積和を非
線形関数ｆ（ｘ）により変換して出力する。このとき、
非線形ニューロンユニットｋの出力値Ｙtkは（５）式の
ように示される。

【００２０】

【数５】

【００２１】尚、ｆ（ｘ）＝１／（１＋ｅｘｐ（−
ｘ））のようなシグモイド関数を用い、前述したように
バックプロパゲーション学習法を用いる。Ｐ´は入力層
のニューロンユニットと非線形ニューロンユニット間の
シナプス結合の数である。以下、前述したような原理に
基づく本発明の実施例について説明する。図４は本発明
の第１の実施例の構成を示す図である。

【００２２】同図に示すように、符号器２０では、音声
入力部５が２層の階層型線形ニューラルネットワーク１
の入力層２に接続されており、該ニューラルネットワー
ク１の出力層３はシナプス結合係数学習部８に接続され
ている。そして、上記入力音声５は、更に入力音声から
線形予測係数を分析次数分求めるための線形予測係数計
算部６、及びバックプロパゲーション学習によりシナプ
ス結合係数の学習演算を行うシナプス結合係数学習部
８、予測誤差ｅt を求めるための予測誤差計算部１０に
それぞれ接続されている。

【００２３】上記線形予測係数計算部６、及びシナプス
結合係数学習部８はシナプス結合係数設定部７に接続さ
れており、該シナプス結合係数設定部７は、階層型線形
ニューラルネット１に接続されている。そして、上記階
層型線形ニューラルネットワーク１は、そのシナプス結
合係数を量子化するシナプス結合係数量子化部９にも接
続されており、該シナプス結合係数量子化部９は上記予
測誤差計算部１０、及び入力音声に係るシナプス結合係
数と予測誤差の量子化したデータを基に音声波形を合成
する音声符号器２１に接続されている。

【００２４】上記予測誤差計算部１０には、予測誤差を
量子化するための予測誤差量子化部１１が接続されてお
り、該予測誤差量子化部１１は音声復号器２１に接続さ
れている。

【００２５】このような構成において、一定の時間間隔
で標本化された音声が音声入力部５より所定個数分の音
声が線形予測係数計算部６に入力されると、公知の技術
である共分散法または自己相関法により線形予測係数が
分析次数分だけ計算される。通常、この分析次数Ｐは１
０程度である。この計算結果はシナプス結合係数設定部
７に供給され、階層型線形ニューラルネットワーク１の
シナプス結合係数αi の初期値として設定される。

【００２６】こうして初期値が設定されると、順次、入
力値ｘt-i を分析係数Ｐ分入力しながら階層型線形ニュ
ーラルネットワーク１が動作され、現音声波形の線形予
測値がシナプス結合係数学習部８に出力される。

【００２７】このシナプス結合係数学習部８では、線形
予測値とシナプス結合係数αi と現時点における標本値
ｘt 及び入力層２への入力値ｘt-i を用いて、シナプス
結合係数αi がバックプロパゲーション学習により更新
学習される。そして、この更新されたシナプス結合係数
αi はシナプス結合係数設定部７に供給され、階層型線
形ニューラルネットワーク１の新たなシナプス係数とし
て設定される。

【００２８】上記バックプロパゲーション学習は、誤差
Ｅの減少がなくなるまで行われるが、予測誤差ｅt があ
る閾値以上の場合にのみ、その閾値以内に誤差がおさま
るまで学習するようにする事もできる。これにより、従
来予測誤差から音源情報としてのピッチを抽出していた
が、この処理を省略する事が可能となる。

【００２９】逆に、上記バックプロパゲーション学習を
予測誤差ｅt がある閾値以下の場合にのみ行うとする
と、予測誤差がパルス化即ち電力集中が起きることにな
り、効率的符号化が可能となる。

【００３０】尚、通常ピッチ成分は予測誤差における周
期的インパルスとして残存しているが、閾値処理により
効果的にこの誤差を取り除ける。さらに、予測誤差を閾
値以下にするため、そのダイナミックレンジが小さくな
り符号量の低減に寄与する。こうしてバックプロパゲー
ション学習が終了すると、シナプス結合係数量子化部９
において、階層型線形ニューラルネットワーク１のシナ
プス結合係数が読み取られ、所定の量子化ビット数で量
子化される。

【００３１】予測誤差計算部１０では、この量子化され
たシナプス結合係数から求められる予測値と、現時点に
おける標本値ｘt との予測誤差ｅt が算出され、予測誤
差量子化部１１では、その予測誤差の量子化が行われ
る。こうして、シナプス結合係数及び予測誤差の量子化
データが音声複号器２１に供給され音声合成が行われ
る。次に、図５は本発明の第２実施例の構成を示す図で
ある。

【００３２】本実施例は、第１の実施例の構成の他に乱
数発生部１２が設けられ、さらに階層型線形ニューラル
ネットワーク１に非線形ニューロンユニット４が入出力
層間の設けられていることに特徴を有する。

【００３３】このような構成において、シナプス結合係
数設定部７は線形予測係数計算部６からシナプス結合係
数αi の初期値を受けると同時に、乱数発生部１２より
入力層と非線形ニューロンユニット間のシナプス結合係
数βikの初期値及び非線形ニューロンユニットと出力層
間のシナプス結合係数jkの初期値として微小な乱数を受
けると、階層型ニューラルネットワーク１´にその値を
設定する。そして、初期値が設定されると第１実施例と
同様の処理を行うが、現音声形の予測値は（６）式で示
される。

【００３４】

【数６】 ここで、Ｋは非線形ニューロンユニットの個数、Ｊは入
力層と非線形ニューロンユニット間のシナプス結合の数
を示し、Ｐ≧Ｊの関係を持つ。本実施例では、非線形ニ
ューロンユニット４を付加したことで、音声波形の非線
形予測が可能となり、予測誤差をさらに小さくすること
ができる。

【００３５】尚、線形予測係数αi が学習初期で大きく
変化することがないように、学習初期にはαi を固定
し、非線形ニューロンユニットに関する係数βik、γk
のみ更新を行い、次の段階で全シナプス結合係数を学
習、更新するという方法も可能である。

【００３６】以上、線形予測分析に本発明を適用した場
合の実施例について説明したが、次に、線形予測分析を
用いたＣＥＬＰ符号化に適用した場合の本発明の実施例
について説明するまず、図６を参照して、本発明にＣＥ
ＬＰ符号化を取り入れた音声符号化装置の概要につて説
明する。

【００３７】同図に示すように、符号器２０にはゼロ状
態応答算出部１３が接続されており、該ゼロ状態応答算
出部１３及び音声入力部５は差分器１４を介して階層型
ニューラルネットワーク１に接続されている。そして、
上記符号器２０は更に階層型ニューラルネットワーク１
にも接続されており、該階層型ニューラルネットワーク
１は復号器２１に接続されている。

【００３８】このような構成において、符号器２０より
出力された最適励起ベクトルｂj はゼロ状態応答算出部
１３に供給され、ゼロ状態応答Ｓt が計算され出力され
る。そして、ゼロ状態応答Ｓt は線形予測器と同様に線
形予測係数αi と励起ベクトルｂj を用いて（７）式の
ように表すことができる。

【００３９】

【数７】

【００４０】ただし、計算時における初期状態Ｓt-i の
値が全てゼロ値となるという点が線形予測器とは異な
る。そして、差分器１４では、入力音声ｘと励起ベクト
ルｂjのゼロ状態応答Ｓとの差分ｘ´（＝ｘ−Ｓ）がと
られ、階層型ニューラルネットワーク１に供給される。

【００４１】この階層型ニューラルネットワーク１は入
力層２と出力層３の２層の線形ニューラルネットワーク
で、入力層２と出力層３は互いにシナプス結合により結
線されている。そして、階層型ニューラルネットワーク
１のシナプス結合係数の初期値として符号器２０で得ら
れた線形予測係数αi を用いる。

【００４２】階層型ニューラルネットワーク１の入力層
２に過去の出力値ｘt-i が入力されると、例えば誤差Ｅ
を（８）式により算出し、この誤差Ｅを最小化するよう
に、上記（４）式に示すようなバックプロパゲーション
学習法を行う。

【００４３】

【数８】

【００４４】上記（８）式で、第１項は差分器１４から
の出力値ｘ´を教師データとする通常の出力誤差最小化
項であるが、第２項は線形予測係数αi がその量子化テ
ーブルｖi 中のいずれかの要素ｖimに近ければ値が小さ
くなる式である。ここで、εは“０”に近い正定数であ
る。

【００４５】バックプロパゲーション学習は１音声信号
ｘ´t 毎にシナプス結合係数を更新する逐次学習法も可
能であるが、ここでは分析フレーム区間Ｔ毎に一括して
シナプス結合係数を更新する一括学習法を用いてシナプ
ス結合係数が更新される毎にゼロ状態応答算出部の線形
予測係数αi を階層型ニューラルネットワーク１のシナ
プス結合係数αi で更新する。

【００４６】そして、この動作をゼロ状態応答を再計算
することを誤差Ｅが十分小さくなるまで繰り返し、十分
小さくなったらシナプス結合係数αi を量子化して、よ
り最適な線形予測係数として出力する。図１は本発明の
第３実施例の構成を示す図である。

【００４７】同図に示すように、音声入力部５は線形予
測分析部１５に接続されており、該線形予測分析部１５
は線形予測係数量子化部１６に接続されている。そし
て、線形予測係数量子化部１６は線形予測器１７に接続
されており、この線形予測器１７には、コードブック２
２より得られた励起ベクトルｂj にゲインγを与えるゲ
イン付加器２３が接続されている。

【００４８】さらに、上記音声入力部５及び上記線形予
測器１７は、差分器１４ａを介して聴覚重み付けフィル
タに接続されており、該聴覚重み付けフィルタ１８は平
均２乗誤差計算部１９に接続されている。そして、この
平均２乗誤差計算部１９はシナプス結合係数設定部７及
びゼロ状態応答算出部１３に接続されている。

【００４９】このゼロ状態応答算出部１３及び音声入力
部５は差分器１４ｂを介してシナプス結合係数学習部８
に接続されており、該シナプス結合係数学習部８はシナ
プス結合係数設定部７に接続されている。

【００５０】そして、上記シナプス結合係数設定部７は
階層型ニューラルネットワーク１に接続されており、該
階層型ニューラルネットワーク１は上記シナプス結合係
数学習部８、シナプス結合係数量子化部９にそれぞれ接
続されている。このシナプス結合係数量子化部９は音声
復号器２１に接続されており、該音声復号器２１は平均
２乗誤差計算部１９に接続されている。

【００５１】このような構成において、一定の時間間隔
で標本化された入力音声が、所定個数だけ線形予測分析
部１５に入力されると、公知の技術である共分散法ある
いは自己相関法により線形予測係数が分析次数分だけ計
算される。通常、分析次数Ｐは１０程度である。そし
て、この計算結果は線形予測係数量子化部１６に供給さ
れ、図示しない量子化テーブルを参照してスカラー量子
化され、線形予測器１７に供給される。さらに、この線
形予測器１７には、同時にコードブック２２からの励起
ベクトルｂj がゲイン付加器２３にてγ倍されて供給さ
れ線形予測音声が求まる。

【００５２】次に、入力音声と線形予測音声の差分値、
つまり線形予測誤差ｅj が聴覚重み付けフィルタ１８に
供給され、人間の聴覚特性に基づいた雑音感低減が行わ
れる。そして、このフィルタ出力は平均２乗誤差計算部
１９において平均２乗誤差が計算されて、最小の平均２
乗誤差と、その時の励起ベクトルγｂj を保持する。

【００５３】この動作がコードブック２２の全ての励起
ベクトルについて行われ、その結果である最小誤差励起
ベクトルγｂj と線形予測係数αi がゼロ状態応答算出
部１３に供給される。

【００５４】ここでは、励起ベクトルγｂj のみによる
応答値、即ちゼロ状態応答が計算され、入力音声ｘとこ
のゼロ状態応答Ｓの差分値ｘ´が階層型ニューラルネッ
トワーク１の教師データとしてシナプス結合係数学習部
８に供給される。

【００５５】上記階層型ニューラルネットワーク１のシ
ナプス結合係数の初期値として平均２乗誤差計算部１９
から送出される線形予測係数αi がシナプス結合係数設
定部７を介して設定される。

【００５６】そして、階層型ニューラルネットワーク１
を上記（１）式に基づいて動作させながら、シナプス結
合係数学習部８にてバックプロパゲーション学習部を行
うが、バックプロパゲーション学習で最小化する誤差式
は、例えば上記（８）式のように定義する。これは、線
形予測係数αi を図示しない線形予測係数量子化テーブ
ルの要素の１つのＶimに近付けながら、以下に示す
（９）式で示される誤差を最小化するというものであ
る。

【００５７】

【数９】

【００５８】即ち、線形予測係数のスカラー量子化と出
力誤差の最小化を同時に最適化していることになる。こ
こでのバックプロパゲーション学習は、分析フレーム区
間Ｔ毎にシナプス結合係数を更新する一括学習法をと
り、その更新毎にゼロ状態応答算出部１３の線形予測係
数αi を更新する。

【００５９】さらに、シナプス結合係数設定部７を介し
て階層型ニューラルネットワーク１の学習を誤差Ｅが十
分小さくなるまで繰り返した後、そのシナプス結合係数
をシナプス結合係数量子化部９でスカラー量子化して、
音声復号器２１に出力する。この音声復号器２１では平
均２乗誤差計算部１９から最適励起ベクトルγｂjも同
時に受取り音声の合成を行う。次に、図７は本発明の第
４の実施例の構成を示す図である。

【００６０】同図に示すように、本実施例は、第１の実
施例の構成と比べてゼロ状態応答算出部１３が削除さ
れ、その代わりに階層型ニューラルネットワーク１に励
起ベクトルｂjtの入力ユニットが付加され、さらに、そ
のシナプス結合係数としてゲインγが初期設定されてい
る点に特徴を有する。

【００６１】このような構成において、平均２乗誤差計
算部１９から送出される励起ベクトルｂj のゲインγ
は、シナプス結合係数設定部７を介して階層型ニューラ
ルネットワーク１に初期設定される。

【００６２】そして、励起ベクトルｂj のｔ時点におけ
る要素ｂjtが階層型ニューラルネットワーク１に入力さ
れることで、学習動作を開始する。ゲインγは線形予測
係数αと同様に図示しない量子化テーブルまたは量子化
ステップに近似するように学習される。即ち、前記の誤
差Ｅを示す式に（１０）式が付加される。

【００６３】

【数１０】 ここで、Ｕn はゲインγの量子化テーブルＵの一要素で
あり、ｎはテーブル内の要素数である。

【００６４】こうして、音声符号器２１はシナプス結合
係数量子化部９より最適化された線形予測係数αi と励
起ベクトルのゲインγを平均２乗誤差算出部１９より励
起ベクトルｂj を受取り音声の合成を行う。図８は本発
明の第５実施例の構成を示す図である。

【００６５】本実施例は、図９に示した従来例と比較し
て、ゼロ状態応答算出部１３がコードブック２２による
量子化誤差を線形予測分析部１５にフィードバックする
ように設けられている点に特徴を有する。

【００６６】このような構成において、平均２乗誤差計
算部１９で最適励起ベクトルγｂjが求まると、ゼロ状
態応答算出部１３に送出され、最適励起ベクトルγｂj
のゼロ状態応答Ｓが算出され、入力音声ｘとの差分値ｘ
´を基に、線形予測分析部１５にて、新規の線形予測係
数αi が求められる。

【００６７】そして、この線形予測係数を量子化したも
のを、ただちに音声符号器２１に送り出すことも可能で
あるが、さらに、符号化精度を向上させるために最適な
励起ベクトルを求め直す。そして、線形予測係数の量子
化データが変化しなくなるまで、上記処理を繰り返す。
本実施例では、このような動作により、線形予測計数及
び励起ベクトル共に最適化することが可能となる。以
上、本発明の実施例について説明したが、本発明はこれ
に限定されることなく種々の改良、変更が可能であるこ
とは勿論である。

【００６８】例えば、上記した第３及び第４実施例で使
用した階層型ニューラルネットワーク１は２層の線形ネ
ットワークであるが、入出力層間に非線形ニューラルネ
ットワークを付加することも可能である。

【００６９】

【発明の効果】本発明によれば、従来数値計算での桁落
ちによる線形予測係数の精度低下を階層型ニューラルネ
ットワークの学習処理により防止する事ができる。さら
に、非線形ニューロンユニットを追加することで、定常
ではない音声波形の非線形予測を可能とし、予測誤差を
より小さくすることができる。

【００７０】そして、入力音声の線形予測誤差及びその
量子化誤差を用いて階層型ニューラルネットワークを学
習させることで線形予測係数を最適化するので、入力音
声の符号化を高能率に行うことができる。

【図面の簡単な説明】

【図１】本発明の第３の実施例に係る音声符号化装置の
構成を示す図である。

【図２】階層型線形ニューラルネットワーク１の構成を
示す図である。

【図３】階層型非線形ニューラルネットワーク１´の構
成を示す図である。

【図４】本発明の第１の実施例に係る音声符号化装置の
構成を示す図である。

【図５】本発明の第２の実施例に係る音声符号化装置の
構成を示す図である。

【図６】本発明をＣＥＬＰ符号化に採用した場合の概念
図を示す。

【図７】本発明の第４の実施例に係る音声符号化装置の
構成を示す図である。

【図８】本発明の第５の実施例に係る音声符号化装置の
構成を示す図である。

【図９】従来の音声符号化装置の構成を示す図である。

【符号の説明】

１…階層型ニューラルネットワーク、２…入力層、３…
出力層、４…中間層、５…音声入力部、６…線形予測係
数計算部、７…シナプス結合係数設定部、８…シナプス
結合係数学習部、９…シナプス結合係数量子化部、１０
…予測誤差計算部、１１…予測誤差量子化部、１２…乱
数発生部、１３…ゼロ状態応答算出部、１４…差分器、
１５…線形予測分析部、１６…線形予測係数量子化部、
１７…線形予測器、１８…聴覚重み付けフィルタ、１９
…平均２乗誤差計算部、２０…符号器、２１…復号器、
２２…コードブック、２３…ゲイン付加器。

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

【手続補正書】

【提出日】平成５年３月２３日

【手続補正１】

【補正対象書類名】明細書

【補正対象項目名】０００６

【補正方法】変更

【補正内容】

【０００６】この線形予測器１７には、同時にコードブ
ック２２からの励起ベクトルｂj も入力され、入力音声
ｘとその線形予測音声との差分がとられ、予測誤差ｅj
が求まる。そして、この予測誤差ｅj は聴覚重み付けフ
ィルタ１８を介することで聴覚的雑音感が低減され、後
段の平均２乗誤差計算部１９に供給される。この平均２
乗誤差計算部１９では、予測誤差ｅ'jの平均２乗誤差を
求め、最小の平均２乗誤差と、その時の励起ベクトルｂ
j を保持する。

【手続補正２】

【補正対象書類名】明細書

【補正対象項目名】０００７

【補正方法】変更

【補正内容】

【０００７】このような処理をコードブック２２の全て
の励起ベクトルについて行った後、音声復号器２１に、
量子化された線形予測係数αi と励起ベクトルｂj が送
出される。

【手続補正３】

【補正対象書類名】明細書

【補正対象項目名】００２３

【補正方法】変更

【補正内容】

【００２３】上記線形予測係数計算部６、及びシナプス
結合係数学習部８はシナプス結合係数設定部７に接続さ
れており、該シナプス結合係数設定部７は、階層型線形
ニューラルネット１に接続されている。そして、上記階
層型線形ニューラルネットワーク１は、そのシナプス結
合係数を量子化するシナプス結合係数量子化部９にも接
続されており、該シナプス結合係数量子化部９は上記予
測誤差計算部１０、及び入力音声に係るシナプス結合係
数と予測誤差の量子化したデータを基に音声波形を合成
する音声復号器２１に接続されている。

【手続補正４】

【補正対象書類名】明細書

【補正対象項目名】００３３

【補正方法】変更

【補正内容】

【００３３】このような構成において、シナプス結合係
数設定部７は線形予測係数計算部６からシナプス結合係
数αi の初期値を受けると同時に、乱数発生部１２より
入力層と非線形ニューロンユニット間のシナプス結合係
数βikの初期値及び非線形ニューロンユニットと出力層
間のシナプス結合係数γk の初期値として微小な乱数を
受けると、階層型ニューラルネットワーク１´にその値
を設定する。そして、初期値が設定されると第１実施例
と同様の処理を行うが、現音声形の予測値は（６）式で
示される。

【手続補正５】

【補正対象書類名】明細書

【補正対象項目名】００６７

【補正方法】変更

【補正内容】

【００６７】そして、この線形予測係数を量子化したも
のを、ただちに音声符号器２１に送り出すことも可能で
あるが、さらに、符号化精度を向上させるために最適な
励起ベクトルを求め直す。そして、線形予測係数の量子
化データが変化しなくなるまで、上記処理を繰り返す。
本実施例では、このような動作により、線形予測係数及
び励起ベクトル共に最適化することが可能となる。以
上、本発明の実施例について説明したが、本発明はこれ
に限定されることなく種々の改良、変更が可能であるこ
とは勿論である。

【手続補正６】

【補正対象書類名】図面

【補正対象項目名】図３

【補正方法】変更

【補正内容】

【図３】

Claims (1)

【特許請求の範囲】
1. 【請求項１】 一定の時間間隔で標本化された入力音声
   より線形予測係数を分析次数分だけ計算する線形予測分
   析手段と、 上記線形予測分析手段により算出された線形予測係数を
   量子化する線形予測係数量子化手段と、 上記線形予測係数量子化手段により量子化された信号と
   コードブックからの情報に基づいて線形予測音声を算出
   する線形予測手段と、 上記入力音声と上記線形予測音声の差分値である線形予
   測誤差に対して雑音感低減を行うフィルタ手段と、 上記フィルタ手段からの出力信号より平均２乗誤差を算
   出し、最小の平均２乗誤差と、その時の励起ベクトルを
   保持する平均２乗誤差計算手段と、 入力層と出力層からなる２層の階層型ニューラルネット
   ワーク手段と、 上記励起ベクトルと上記線形予測係数を受け、該励起ベ
   クトルのみによる応答値を算出し、入力音声とこの応答
   値の差分値を上記階層型ニューラルネットワーク手段の
   教師データとして出力するゼロ状態応答算出手段と、を
   具備し、 上記階層型ニューラルネット手段のシナプス結合係数の
   初期値として、あらかじめ計算された入力音声の線形予
   測係数を用いて学習し更新することを特徴とする音声符
   号化装置。