JPH06209262A - 駆動音源コードブックの設計法 - Google Patents
駆動音源コードブックの設計法Info
- Publication number
- JPH06209262A JPH06209262A JP5003566A JP356693A JPH06209262A JP H06209262 A JPH06209262 A JP H06209262A JP 5003566 A JP5003566 A JP 5003566A JP 356693 A JP356693 A JP 356693A JP H06209262 A JPH06209262 A JP H06209262A
- Authority
- JP
- Japan
- Prior art keywords
- vector
- vectors
- basis vectors
- learning sample
- sample space
- 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.)
- Pending
Links
Landscapes
- Analogue/Digital Conversion (AREA)
Abstract
(57)【要約】
【目的】少ない処理で、確実に好適な基底ベクトルを求
める。 【構成】複数の学習サンプル空間を備える。そして、適
当な学習サンプル空間１３から初期基底ベクトル１４の
集合を抽出する。初期基底ベクトルは重み付け合成フィ
ルタ１５で重み付けした後、重み付け長期予測ベクトル
１２と直交化１６する。そして、その後、直交化した基
底ベクトルを線形結合１７した複数のコ−ドベクトルを
生成し、複数の重み付け入力音声１１との間の距離の和
を求める。そして、求めた距離を評価し１８、評価結果
に応じて、学習サンプル空間を切り替え、新たな初期基
底ベクトルの集合を抽出し、同様な処理を繰り返し、最
も重み付け入力音声との間の距離が小さい初期基底ベク
トルの集合を最終的な基底ベクトルとして選択する。
める。 【構成】複数の学習サンプル空間を備える。そして、適
当な学習サンプル空間１３から初期基底ベクトル１４の
集合を抽出する。初期基底ベクトルは重み付け合成フィ
ルタ１５で重み付けした後、重み付け長期予測ベクトル
１２と直交化１６する。そして、その後、直交化した基
底ベクトルを線形結合１７した複数のコ−ドベクトルを
生成し、複数の重み付け入力音声１１との間の距離の和
を求める。そして、求めた距離を評価し１８、評価結果
に応じて、学習サンプル空間を切り替え、新たな初期基
底ベクトルの集合を抽出し、同様な処理を繰り返し、最
も重み付け入力音声との間の距離が小さい初期基底ベク
トルの集合を最終的な基底ベクトルとして選択する。
Description
【０００１】
【産業上の利用分野】本発明は、低ビットレートの音声
符号化方法に関し、特にベクトル和駆動線形予測（ＶＳ
ＥＬＰ）符号化方式において用いられる駆動音源コード
ブックの設計方法に関するものである。
符号化方法に関し、特にベクトル和駆動線形予測（ＶＳ
ＥＬＰ）符号化方式において用いられる駆動音源コード
ブックの設計方法に関するものである。
【０００２】
【従来の技術】音声生成モデルを用いて作成した合成音
声と原音声の重み付け誤差を評価し、その誤差を最小化
するように音声生成モデルのパラメータを決定し、決定
したパラメータを符号化データとして送受する音声符号
化方式が最近提案されている。
声と原音声の重み付け誤差を評価し、その誤差を最小化
するように音声生成モデルのパラメータを決定し、決定
したパラメータを符号化データとして送受する音声符号
化方式が最近提案されている。
【０００３】このように音声生成モデルを用いて作成し
た合成音声と原音声の重み付け誤差を評価し、その誤差
を最小化するように音声生成モデルのパラメータを決定
する手法は、「合成による分析」と呼ばれ、この手法を
取り入れた音声符号化方式は、低ビットレートにおいて
も比較的良好な音声品質を得ることに成功している。
た合成音声と原音声の重み付け誤差を評価し、その誤差
を最小化するように音声生成モデルのパラメータを決定
する手法は、「合成による分析」と呼ばれ、この手法を
取り入れた音声符号化方式は、低ビットレートにおいて
も比較的良好な音声品質を得ることに成功している。
【０００４】このような音声符号化方式の代表的なもの
としては、符号駆動線形予測符号化(ＣＥＬＰ)方式(M.
R.Schroeder and B.S.Atal :"Codeーexcited linear pr
ediction (CELP)",Proc. ICASSP 85 (1985.3))があり、
これは、ガウス性の乱数信号からなる駆動音源コードブ
ックを用いて、音声をモデル化する方法で、４．８Ｋｂ
ｐｓで実用的な音声品質を得ている。。
としては、符号駆動線形予測符号化(ＣＥＬＰ)方式(M.
R.Schroeder and B.S.Atal :"Codeーexcited linear pr
ediction (CELP)",Proc. ICASSP 85 (1985.3))があり、
これは、ガウス性の乱数信号からなる駆動音源コードブ
ックを用いて、音声をモデル化する方法で、４．８Ｋｂ
ｐｓで実用的な音声品質を得ている。。
【０００５】また、ＣＥＬＰ方式の改良方式も多数提案
されており、たとえば、ベクトル和駆動線形予測符号化
(ＶＳＥＬＰ)方式(I.A.Gerson and M.A.Jasiuk :"Vecto
r sum excited linear prediction (VSELP) speech cod
ing at 8kbps",Proc. ICASSP90 (1990.4))では、学習し
た複数の基底ベクトルを１またはー１の２値の係数を用
いて線形結合したものを駆動音源波形とする駆動音源コ
ードブックを用いることにより、処理量やメモリ容量を
減らしている。また、ＶＳＥＬＰ方式は、ビット誤り耐
性の点でＣＥＬＰより優れている。
されており、たとえば、ベクトル和駆動線形予測符号化
(ＶＳＥＬＰ)方式(I.A.Gerson and M.A.Jasiuk :"Vecto
r sum excited linear prediction (VSELP) speech cod
ing at 8kbps",Proc. ICASSP90 (1990.4))では、学習し
た複数の基底ベクトルを１またはー１の２値の係数を用
いて線形結合したものを駆動音源波形とする駆動音源コ
ードブックを用いることにより、処理量やメモリ容量を
減らしている。また、ＶＳＥＬＰ方式は、ビット誤り耐
性の点でＣＥＬＰより優れている。
【０００６】図５に、このＶＳＥＬＰ方式の基本構成を
示す。
示す。
【０００７】図示するように、ＶＳＥＬＰ方式では、複
数の基底ベクトル（図中ではＭ個）を予め学習し、各基
底ベクトルを声道モデルに対応する合成フィルタで処理
した後、これに先立ち探索した長期予測ベクトル（音源
のピッチ成分に対応する）と直交化する。そして、直交
化した各基底ベクトルを数１に従い線形結合し、コード
ベクトル（音声のランダム雑音成分に対応する）を生成
する。
数の基底ベクトル（図中ではＭ個）を予め学習し、各基
底ベクトルを声道モデルに対応する合成フィルタで処理
した後、これに先立ち探索した長期予測ベクトル（音源
のピッチ成分に対応する）と直交化する。そして、直交
化した各基底ベクトルを数１に従い線形結合し、コード
ベクトル（音声のランダム雑音成分に対応する）を生成
する。
【０００８】
【数１】
【０００９】ここで、ｖmはｍ番目の基底ベクトルを合
成フィルタでフィルタ処理した後に、重み付け長期予測
ベクトルに対し直交化したもので、Ｍは基底ベクトル数
を表す。ＵiはＭ個の基底ベクトルの線形結合によって
生成される２のＭ乗個のコードベクトルであり、ｉは０
から２のＭ乗ー１までの値を取る。線形結合の２値の係
数は、θimで表され符号語ｉのｍビットが１ならばθim
＝１、０ならばθim＝ー１となる。
成フィルタでフィルタ処理した後に、重み付け長期予測
ベクトルに対し直交化したもので、Ｍは基底ベクトル数
を表す。ＵiはＭ個の基底ベクトルの線形結合によって
生成される２のＭ乗個のコードベクトルであり、ｉは０
から２のＭ乗ー１までの値を取る。線形結合の２値の係
数は、θimで表され符号語ｉのｍビットが１ならばθim
＝１、０ならばθim＝ー１となる。
【００１０】ＶＳＥＬＰ方式では、このようにして各ｉ
について順次この線形結合された各コードベクトルを生
成し、原音声との距離（誤差）を求め、最も距離が小さ
いｉを、音源コードブックについての最適なパラメータ
とする。
について順次この線形結合された各コードベクトルを生
成し、原音声との距離（誤差）を求め、最も距離が小さ
いｉを、音源コードブックについての最適なパラメータ
とする。
【００１１】ところで、ＣＥＬＰやＶＳＥＬＰの音声品
質は、一般にこの駆動音源コードブックに左右される。
質は、一般にこの駆動音源コードブックに左右される。
【００１２】そこで、ＶＳＥＬＰ系の駆動音源コードブ
ック設計法について、従来、連立方程式を解き閉ループ
法で基底ベクトルを求める方法(I.A.Gerson :"Vector s
um Excited Linear Prediction (VSELP) speech Coding
for Japan digital cellular",信学技法 RCS90ー26 (1
990.11))や、適当な初期値を与えて閉ループ法で基底ベ
クトルを求める方法（Ｐ．ピェンチャルーン、板倉 ”
線形予測符号化における駆動音源波形コードブックの設
計”、信学技法 SP90ー53 (1990)、盛文社)等が提案さ
れている。
ック設計法について、従来、連立方程式を解き閉ループ
法で基底ベクトルを求める方法(I.A.Gerson :"Vector s
um Excited Linear Prediction (VSELP) speech Coding
for Japan digital cellular",信学技法 RCS90ー26 (1
990.11))や、適当な初期値を与えて閉ループ法で基底ベ
クトルを求める方法（Ｐ．ピェンチャルーン、板倉 ”
線形予測符号化における駆動音源波形コードブックの設
計”、信学技法 SP90ー53 (1990)、盛文社)等が提案さ
れている。
【００１３】
【発明が解決しようとする課題】しかし、連立方程式を
解き閉ループ法で基底ベクトルを求める方法によれば、
コードブックサイズを９ビット、コードベクトルの次元
を４０とすると、合成音声と原音声の誤差を最小にする
ことができる基底ベクトルを得るには、（９×４０）次
の連立方程式を解かなければならない。その上、基底ベ
クトルは１またはー１で線形結合されるため、この方程
式の解が存在する保証はない。
解き閉ループ法で基底ベクトルを求める方法によれば、
コードブックサイズを９ビット、コードベクトルの次元
を４０とすると、合成音声と原音声の誤差を最小にする
ことができる基底ベクトルを得るには、（９×４０）次
の連立方程式を解かなければならない。その上、基底ベ
クトルは１またはー１で線形結合されるため、この方程
式の解が存在する保証はない。
【００１４】また、従来の設計法では、コードブックの
基底ベクトルを長期予測ベクトルで直交化させていない
ため、そのコードブックを用いて符号化するときに、よ
り最適なコードベクトルが選ばれない可能性がある。ま
た、従来の設計法では、設計されたコードブックは、特
定の規則に従って選択した学習サンプルに依存してしま
うため、最適な基底ベクトルが選択されていない可能性
がある。
基底ベクトルを長期予測ベクトルで直交化させていない
ため、そのコードブックを用いて符号化するときに、よ
り最適なコードベクトルが選ばれない可能性がある。ま
た、従来の設計法では、設計されたコードブックは、特
定の規則に従って選択した学習サンプルに依存してしま
うため、最適な基底ベクトルが選択されていない可能性
がある。
【００１５】そこで、本発明は、より最適な基底ベクト
ルを確実に求めることができる駆動音源コードブックの
設計方法を提供することを目的とする。
ルを確実に求めることができる駆動音源コードブックの
設計方法を提供することを目的とする。
【００１６】
【課題を解決するための手段】前記目的達成のために、
本発明は、所定の合成フィルタによって所定の長期予測
ベクトルにフィルタ処理を施した合成フィルタ出力長期
予測ベクトルを入力音声あるいは聴覚重み付けされた入
力音声との差が最小となるように探索し、探索した合成
フィルタ出力長期予測ベクトルと、あらかじめ定めた複
数の基底ベクトルに前記合成フィルタによってフィルタ
処理を施した前記合成フィルタ出力基底ベクトルとを直
交化した後に、複数の前記基底ベクトルを所定の規則に
従いそれぞれ線形に結合した、複数の線形結合ベクトル
を出力コードベクトルとする駆動音声コードブックを備
え、前記入力音声あるいは聴覚重み付けされた入力音声
と直交化された複数の前記基底ベクトルの線形結合との
差が最小となる、前記駆動音声コードブックのコードベ
クトルを探索することにより入力音声を符号化する音声
符号化方式で用いる前記駆動音源コードブックを設計す
る方法であって、複数の学習サンプルを含む学習サンプ
ル空間を求める第１のプロセスと、学習サンプル空間か
ら、複数の学習サンプルの組を複数の仮基底ベクトルの
組として抽出するステップと、抽出した各仮基底ベクト
ルに、前記合成フィルタによりフィルタ処理を施すステ
ップと、あらかじめ定めた複数の入力リファレンス音声
あるいは聴覚重み付けされた前記複数の入力リファレン
ス音声との差が最小となるように探索した、前記合成フ
ィルタによって前記長期予測ベクトルにフィルタ処理を
施した合成フィルタ出力長期予測ベクトルと、前記フィ
ルタ処理を施した各仮基底ベクトルとを直交化するステ
ップと、前記直交化された複数の仮基底ベクトルを、前
記規則に従い、線形に結合した複数の線形結合ベクトル
を求め、各線形結合ベクトルと複数の入力リファレンス
音声あるいは聴覚重み付けされた前記複数の入力リファ
レンス音声との差のうち最小のものの、前記複数の線形
結合ベクトルについての和を求めるステップとを含む第
２のプロセスと、前記第２のプロセスを仮基底ベクトル
の複数の異なる組について繰り返し、最も、前記和が小
さかった仮基底ベクトルの組を基底ベクトルの組とする
第３のプロセスとを含むことを特徴とする駆動音源コー
ドブックの設計方法を提供する。
本発明は、所定の合成フィルタによって所定の長期予測
ベクトルにフィルタ処理を施した合成フィルタ出力長期
予測ベクトルを入力音声あるいは聴覚重み付けされた入
力音声との差が最小となるように探索し、探索した合成
フィルタ出力長期予測ベクトルと、あらかじめ定めた複
数の基底ベクトルに前記合成フィルタによってフィルタ
処理を施した前記合成フィルタ出力基底ベクトルとを直
交化した後に、複数の前記基底ベクトルを所定の規則に
従いそれぞれ線形に結合した、複数の線形結合ベクトル
を出力コードベクトルとする駆動音声コードブックを備
え、前記入力音声あるいは聴覚重み付けされた入力音声
と直交化された複数の前記基底ベクトルの線形結合との
差が最小となる、前記駆動音声コードブックのコードベ
クトルを探索することにより入力音声を符号化する音声
符号化方式で用いる前記駆動音源コードブックを設計す
る方法であって、複数の学習サンプルを含む学習サンプ
ル空間を求める第１のプロセスと、学習サンプル空間か
ら、複数の学習サンプルの組を複数の仮基底ベクトルの
組として抽出するステップと、抽出した各仮基底ベクト
ルに、前記合成フィルタによりフィルタ処理を施すステ
ップと、あらかじめ定めた複数の入力リファレンス音声
あるいは聴覚重み付けされた前記複数の入力リファレン
ス音声との差が最小となるように探索した、前記合成フ
ィルタによって前記長期予測ベクトルにフィルタ処理を
施した合成フィルタ出力長期予測ベクトルと、前記フィ
ルタ処理を施した各仮基底ベクトルとを直交化するステ
ップと、前記直交化された複数の仮基底ベクトルを、前
記規則に従い、線形に結合した複数の線形結合ベクトル
を求め、各線形結合ベクトルと複数の入力リファレンス
音声あるいは聴覚重み付けされた前記複数の入力リファ
レンス音声との差のうち最小のものの、前記複数の線形
結合ベクトルについての和を求めるステップとを含む第
２のプロセスと、前記第２のプロセスを仮基底ベクトル
の複数の異なる組について繰り返し、最も、前記和が小
さかった仮基底ベクトルの組を基底ベクトルの組とする
第３のプロセスとを含むことを特徴とする駆動音源コー
ドブックの設計方法を提供する。
【００１７】
【作用】本発明に係る駆動音源コードブックの設計方法
によれば、たとえば、一様乱数から成る学習サンプル空
間から、仮基底ベクトルをランダムに選ぶ。そして、該
仮基底ベクトルを合成フィルタ処理し、長期予測ベクト
ルと直交化させる。これは、符号化アルゴリズムにおい
て音源コードブックを探索する際に用いている手段であ
る。次に、該基底ベクトルを、線形結合させ、重み付け
られた入力音声と前記線形結合のベクトルとの距離（誤
差）が小さくなるように基底ベクトルを修正する。これ
により、符号化アルゴリズムに適応したコードブックの
基底ベクトルが、比較的少ない処理で確実に、得ること
ができる。または、学習サンプル空間を複数個有し、毎
回、異なった内容の学習サンプル空間から新しく仮基底
ベクトルの組を与える。このようにすれば、学習サンプ
ル空間に依存しない基底ベクトルを得ることができる。
によれば、たとえば、一様乱数から成る学習サンプル空
間から、仮基底ベクトルをランダムに選ぶ。そして、該
仮基底ベクトルを合成フィルタ処理し、長期予測ベクト
ルと直交化させる。これは、符号化アルゴリズムにおい
て音源コードブックを探索する際に用いている手段であ
る。次に、該基底ベクトルを、線形結合させ、重み付け
られた入力音声と前記線形結合のベクトルとの距離（誤
差）が小さくなるように基底ベクトルを修正する。これ
により、符号化アルゴリズムに適応したコードブックの
基底ベクトルが、比較的少ない処理で確実に、得ること
ができる。または、学習サンプル空間を複数個有し、毎
回、異なった内容の学習サンプル空間から新しく仮基底
ベクトルの組を与える。このようにすれば、学習サンプ
ル空間に依存しない基底ベクトルを得ることができる。
【００１８】
【実施例】以下、本発明の係る駆動音源コ−ドブックの
設計方法の実施例を説明する。
設計方法の実施例を説明する。
【００１９】まず、第１の実施例について説明する。
【００２０】図１に本第１実施例に係る基底ベクトルの
設計モデルを、図２に基底ベクトルの設計手順を示す。
設計モデルを、図２に基底ベクトルの設計手順を示す。
【００２１】本第１実施例では、まず、距離尺度の初期
値Ｄmin＝∞、歪みしきい値ε、学習回数Ｊを与える
（ステップ２０１）。次に、一様乱数からなる特定の学
習サンプルベクトル空間｛ｘ1，ｘ2，．．．｝１３か
ら、初期基底ベクトルの集合Ａ0＝｛ｙ1，ｙ2，・・
・，ｙN｝１４をランダムに抽出する（ステップ２０
２）。
値Ｄmin＝∞、歪みしきい値ε、学習回数Ｊを与える
（ステップ２０１）。次に、一様乱数からなる特定の学
習サンプルベクトル空間｛ｘ1，ｘ2，．．．｝１３か
ら、初期基底ベクトルの集合Ａ0＝｛ｙ1，ｙ2，・・
・，ｙN｝１４をランダムに抽出する（ステップ２０
２）。
【００２２】そして、学習サンプル空間１３の各サンプ
ルを基底ベクトルの各要素と比較し、Ｎ個の部分集合
｛Ｓi；ｉ＝１，２，・・・，Ｎ｝に分割する（ステッ
プ２０３）。分割は次の規則に従い行う。
ルを基底ベクトルの各要素と比較し、Ｎ個の部分集合
｛Ｓi；ｉ＝１，２，・・・，Ｎ｝に分割する（ステッ
プ２０３）。分割は次の規則に従い行う。
【００２３】すなわち、d(ｘ，ｙ)をｘとｙの距離とす
ると、すべてのｔに対して、d(ｘj，ｙi)＜d(ｘj，ｙt)
が成立すれば、 ｘj∈Ｓiとする。
ると、すべてのｔに対して、d(ｘj，ｙi)＜d(ｘj，ｙt)
が成立すれば、 ｘj∈Ｓiとする。
【００２４】抽出した各基底ベクトルは、重み付け合成
フィルタ１５で重み付けされた（ステップ２０４）後
に、同様に所定の重み付け合成フィルタ（図示せず）で
重み付けされた長期予測ベクトル１２に対して直交化１
６する（ステップ２０５）。直交化は、グラム・シュミ
ットの直交化法によって行う。グラム・シュミットの直
交化法は、周知の直交化法であるので説明を省略する。
直交化は、それぞれ後述する距離Ｄ2を求める対象とな
る各聴覚重み付け入力音声との差を最小とする各重み付
け長期予測ベクトル１２との間で、それぞれ行う。ここ
で、聴覚重み付け入力音声は、所定の聴覚重み付け合成
フィルタ（図示せず）で重み付けされた入力音声であ
る。
フィルタ１５で重み付けされた（ステップ２０４）後
に、同様に所定の重み付け合成フィルタ（図示せず）で
重み付けされた長期予測ベクトル１２に対して直交化１
６する（ステップ２０５）。直交化は、グラム・シュミ
ットの直交化法によって行う。グラム・シュミットの直
交化法は、周知の直交化法であるので説明を省略する。
直交化は、それぞれ後述する距離Ｄ2を求める対象とな
る各聴覚重み付け入力音声との差を最小とする各重み付
け長期予測ベクトル１２との間で、それぞれ行う。ここ
で、聴覚重み付け入力音声は、所定の聴覚重み付け合成
フィルタ（図示せず）で重み付けされた入力音声であ
る。
【００２５】このように、基底ベクトルをそれぞれ重み
付け長期予測ベクトルに対して直交化して、以下の処理
を行うことにより、よりＶＳＥＬＰの符号化アルゴリズ
ムに沿った形で、より好適な基底ベクルトルを求めるこ
とができる。
付け長期予測ベクトルに対して直交化して、以下の処理
を行うことにより、よりＶＳＥＬＰの符号化アルゴリズ
ムに沿った形で、より好適な基底ベクルトルを求めるこ
とができる。
【００２６】ここで、重み付け合成フィルタ１５の伝達
関数は数２で表すことができる。
関数は数２で表すことができる。
【００２７】
【数２】
【００２８】αiはフィルタ係数、Ｎｐはフィルタ次
数、λは重み付けパラメ−タで通常0.8である。ここ
で、基底ベクトルをこの重み付け合成フィルタに入力す
ると出力が過去に影響されるため、通常は重み付け合成
フィルタのインパルス応答との畳み込みによって重み付
けを実現する。これを零状態応答という。
数、λは重み付けパラメ−タで通常0.8である。ここ
で、基底ベクトルをこの重み付け合成フィルタに入力す
ると出力が過去に影響されるため、通常は重み付け合成
フィルタのインパルス応答との畳み込みによって重み付
けを実現する。これを零状態応答という。
【００２９】さて、次に、直交化した各基底ベクトル
を、先に示した数１式に従い２値の係数（１または−
１）で線形結合１７させて（ステップ２０６）、複数の
コ−ドベクトルを求める。そして、求めた各コ−ドベク
トルと、直交化の対象となった重み付け長期予測ベクト
ルを求めるのに用いた重み付け入力音声との最小距離の
和Ｄ2を求める（ステップ２０７）。
を、先に示した数１式に従い２値の係数（１または−
１）で線形結合１７させて（ステップ２０６）、複数の
コ−ドベクトルを求める。そして、求めた各コ−ドベク
トルと、直交化の対象となった重み付け長期予測ベクト
ルを求めるのに用いた重み付け入力音声との最小距離の
和Ｄ2を求める（ステップ２０７）。
【００３０】和Ｄ2については数３で与えられる。
【００３１】
【数３】
【００３２】Ｐnは過去の影響を取り除いた重み付け音
声で、ＲはＰのサンプル数を表している。
声で、ＲはＰのサンプル数を表している。
【００３３】ここで、前述したように、一般に合成フィ
ルタの出力は過去の状態の影響を受けるるので、演算量
を削減するために、予め重み付け入力音声から過去の聴
覚重み付け合成フィルタの影響を取り除いておく。すな
わち、和Ｄ2は、聴覚重み付け合成フィルタから零入力
応答を計算し、重み付け音声から減算し、過去の影響を
取り除いた重み付け音声１１との間で求める。
ルタの出力は過去の状態の影響を受けるるので、演算量
を削減するために、予め重み付け入力音声から過去の聴
覚重み付け合成フィルタの影響を取り除いておく。すな
わち、和Ｄ2は、聴覚重み付け合成フィルタから零入力
応答を計算し、重み付け音声から減算し、過去の影響を
取り除いた重み付け音声１１との間で求める。
【００３４】そして、距離の和が求まったら、数４に示
す評価式を用いて、距離の評価１８を行う（ステップ２
０８）。
す評価式を用いて、距離の評価１８を行う（ステップ２
０８）。
【００３５】
【数４】
【００３６】そして、評価式が、真ならば、現在の基底
ベクトル集合を基底ベクトル集合候補して記憶する。ま
た、この基底ベクトル集合候補について求めた和Ｄ2を
併せて記憶する。そして、再び学習サンプル空間
｛ｘ1，ｘ2，．．｝１３から新たな初期１４をランダム
に選んで上述と同様の処理をし、基底ベクトル集合候補
について求めた距離の和Ｄ2と今回の距離の和Ｄ2を比較
し（ステップ２０９）、小さい方の基底ベクトル集合を
新たな基底ベクトル集合候補とする。この処理をＪ回
（ステップ２１０，２１１）繰り返し、最後に残った基
底ベクトル集合候補を最終的な基底ベクトル集合とす
る。
ベクトル集合を基底ベクトル集合候補して記憶する。ま
た、この基底ベクトル集合候補について求めた和Ｄ2を
併せて記憶する。そして、再び学習サンプル空間
｛ｘ1，ｘ2，．．｝１３から新たな初期１４をランダム
に選んで上述と同様の処理をし、基底ベクトル集合候補
について求めた距離の和Ｄ2と今回の距離の和Ｄ2を比較
し（ステップ２０９）、小さい方の基底ベクトル集合を
新たな基底ベクトル集合候補とする。この処理をＪ回
（ステップ２１０，２１１）繰り返し、最後に残った基
底ベクトル集合候補を最終的な基底ベクトル集合とす
る。
【００３７】また、ステップ２９８において、評価式数
４が偽ならばＤmin＝Ｄ2とし、先に求めた学習サンプル
空間の各部分集合の重心を新しい基底ベクトル集合とし
て、ステップ２０３よりの処理を行う。ここで、他の基
底ベクトルよりも基底ベクトルｙkに近いベクトルが部
分集合Ｓkに含まれているいるので、距離Ｄ2が評価式を
満たさない場合に各部分集合の重心を新たな基底ベクト
ルとする処理を繰り返すことにより、学習サンプル空間
の、適当な代表点を基底ベクトルとして抽出することが
できる。
４が偽ならばＤmin＝Ｄ2とし、先に求めた学習サンプル
空間の各部分集合の重心を新しい基底ベクトル集合とし
て、ステップ２０３よりの処理を行う。ここで、他の基
底ベクトルよりも基底ベクトルｙkに近いベクトルが部
分集合Ｓkに含まれているいるので、距離Ｄ2が評価式を
満たさない場合に各部分集合の重心を新たな基底ベクト
ルとする処理を繰り返すことにより、学習サンプル空間
の、適当な代表点を基底ベクトルとして抽出することが
できる。
【００３８】以上のように、本第１実施例によれば、符
号化アルゴリズムに適した駆動音源コ−ドブックの基底
ベクトルが比較的簡単な処理で確実に得られる。
号化アルゴリズムに適した駆動音源コ−ドブックの基底
ベクトルが比較的簡単な処理で確実に得られる。
【００３９】次に、本発明の第２の実施例について説明
する。
する。
【００４０】図３に本第２実施例に係る基底ベクトルの
設計モデルを、図４に基底ベクトルの設計手順を示す。
設計モデルを、図４に基底ベクトルの設計手順を示す。
【００４１】本第２実施例が、前記第１実施例と異なる
点は、距離評価１８（ステップ２０８）において、数４
に示した評価式が、真の場合に、学習サンプル空間を更
新し（ステップ２０１ｂ）、新しい学習サンプル空間１
３から初期基底ベクトル集合１４をランダムに選ぶ（ス
テップ２０２）点である。このように、学習サンプル空
間を更新するのは、基底ベクトルが特定の学習サンプル
空間にのみ依存することなく、各種入力音声に対して平
均的な意味で最適となるコ−ドブックを得るためである
が、これは、次のような場合に特に意義がある。
点は、距離評価１８（ステップ２０８）において、数４
に示した評価式が、真の場合に、学習サンプル空間を更
新し（ステップ２０１ｂ）、新しい学習サンプル空間１
３から初期基底ベクトル集合１４をランダムに選ぶ（ス
テップ２０２）点である。このように、学習サンプル空
間を更新するのは、基底ベクトルが特定の学習サンプル
空間にのみ依存することなく、各種入力音声に対して平
均的な意味で最適となるコ−ドブックを得るためである
が、これは、次のような場合に特に意義がある。
【００４２】すなわち、たとえば、学習サンプル空間
を、特定の話者の音声より学習する場合、この学習サン
プル空間より当該話者についてののみ最適な基底ベクト
ルを得ることができるが、他の話者については最適な基
底ベクトルを得ることができない。そのため、この特定
の学習サンプル空間より得られた基底ベクトルは、偏っ
たものとなる可能性がある。そこで、複数の学習サンプ
ル空間を複数の話者についてそれぞれ学習し、これらの
学習サンプル空間より最適な基底ベクトルを抽出すれ
ば、複数の話者について平均的な意味で最適な基底ベク
トルを得ることができるである。
を、特定の話者の音声より学習する場合、この学習サン
プル空間より当該話者についてののみ最適な基底ベクト
ルを得ることができるが、他の話者については最適な基
底ベクトルを得ることができない。そのため、この特定
の学習サンプル空間より得られた基底ベクトルは、偏っ
たものとなる可能性がある。そこで、複数の学習サンプ
ル空間を複数の話者についてそれぞれ学習し、これらの
学習サンプル空間より最適な基底ベクトルを抽出すれ
ば、複数の話者について平均的な意味で最適な基底ベク
トルを得ることができるである。
【００４３】
【発明の効果】以上のように、本発明によれば、本発明
は、より最適な規定ベクトルを確実に求めることができ
る駆動音源コ−ドブック設計方法を提供することができ
る。
は、より最適な規定ベクトルを確実に求めることができ
る駆動音源コ−ドブック設計方法を提供することができ
る。
【図１】本発明の第１実施例で用いる設計モデルを表す
ブロック図である。
ブロック図である。
【図２】本発明の第１実施例に係る基底ベクトル設計手
順を示すフロ−チャ−トである。
順を示すフロ−チャ−トである。
【図３】本発明の第１実施例で用いる設計モデルを表す
ブロック図である。
ブロック図である。
【図４】本発明の第１実施例に係る基底ベクトル設計手
順を示すフロ−チャ−トである。
順を示すフロ−チャ−トである。
【図５】ＶＳＥＬＰの基本構成を示したブロック図であ
る。
る。
11 過去の影響を取り除いた重み付け音声 12 重み付け長期予測ベクトル 13 学習サンプル空間 14 初期基底ベクトル集合の決定 15 重み付け合成フィルタ 16 直交化 17 線形結合 18 距離評価 19 学習サンプルの生成
Claims (6)
- 【請求項１】所定の合成フィルタによって所定の長期予
測ベクトルにフィルタ処理を施した合成フィルタ出力長
期予測ベクトルを入力音声あるいは聴覚重み付けされた
入力音声との差が最小となるように探索し、探索した合
成フィルタ出力長期予測ベクトルと、あらかじめ定めた
複数の基底ベクトルに前記合成フィルタによってフィル
タ処理を施した前記合成フィルタ出力基底ベクトルとを
直交化した後に、複数の前記基底ベクトルを所定の規則
に従いそれぞれ線形に結合した、複数の線形結合ベクト
ルを出力コードベクトルとする駆動音声コードブックを
備え、前記入力音声あるいは聴覚重み付けされた入力音
声と直交化された複数の前記基底ベクトルの線形結合と
の差が最小となる、前記駆動音声コードブックのコード
ベクトルを探索することにより入力音声を符号化する音
声符号化方式で用いる前記駆動音源コードブックを設計
する方法であって、 複数の学習サンプルを含む学習サンプル空間を求める第
１のプロセスと、 学習サンプル空間から、複数の学習サンプルの組を複数
の仮基底ベクトルの組として抽出するステップと、 抽出した各仮基底ベクトルに、前記合成フィルタにより
フィルタ処理を施すステップと、 あらかじめ定めた複数の入力リファレンス音声あるいは
聴覚重み付けされた前記複数の入力リファレンス音声と
の差が最小となるように探索した、前記合成フィルタに
よって前記長期予測ベクトルにフィルタ処理を施した合
成フィルタ出力長期予測ベクトルと、前記フィルタ処理
を施した各仮基底ベクトルとを直交化するステップと、 前記直交化された複数の仮基底ベクトルを、前記規則に
従い、線形に結合した複数の線形結合ベクトルを求め、
各線形結合ベクトルと複数の入力リファレンス音声ある
いは聴覚重み付けされた前記複数の入力リファレンス音
声との差のうち最小のものの、前記複数の線形結合ベク
トルについての和を求めるステップとを含む第２のプロ
セスと、 前記第２のプロセスを仮基底ベクトルの複数の異なる組
について繰り返し、 最も、前記和が小さかった仮基底ベクトルの組を基底ベ
クトルの組とする第３のプロセスとを含むことを特徴と
する駆動音源コードブックの設計方法。 - 【請求項２】請求項１記載の駆動音源コードブックの設
計方法であって、 前記第１のプロセスは、学習サンプル空間を、一様乱数
からなる学習サンプルを含むように求めるプロセスであ
って、 前記学習サンプル空間から、仮基底ベクトルの組として
抽出するステップは、学習サンプル空間から、仮基底ベ
クトルの組をランダムに抽出するステップであることを
特徴とする駆動音源コードブックの設計方法。 - 【請求項３】請求項１記載の駆動音源コードブックの設
計方法であって、 前記第１のプロセスは、複数の学習サンプルを含む学習
サンプル空間を複数求めるプロセスであって、 前記学習サンプル空間から、複数の学習サンプルの組を
複数の仮基底ベクトルの組として抽出するステップは、 第１回目の前記第２のプロセスの実行時は、任意の学習
サンプル空間から、仮基底ベクトルの組をランダムに抽
出し、 第２回目以降の前記第２のプロセスの実行時は、前回と
異なる学習サンプル空間から仮基底ベクトルの組をラン
ダムに抽出するステップであることを特徴とする駆動音
源コードブックの設計方法。 - 【請求項４】請求項１記載の駆動音源コードブックの設
計方法であって、 前記第１のプロセスは、複数の学習サンプルを含む学習
サンプル空間を複数求めるプロセスであって、 前記学習サンプル空間から、複数の学習サンプルの組を
複数の仮基底ベクトルの組として抽出するステップは、 第１回目の前記第２のプロセスの実行時は、任意の学習
サンプル空間から、仮基底ベクトルの組をランダムに抽
出し、 第２回目以降の前記第２のプロセスの実行時は、前回の
前記第２のプロセスで求められた前記和の値に応じて、
前回と異なる学習サンプル空間から仮基底ベクトルの組
をランダムに抽出するか、もしくは、前回抽出した各仮
基底ベクトルに応じて学習サンプル空間を分割した各部
分空間の、各重心の組を新たな仮基底ベクトルの組とし
て抽出するステップであることを特徴とする駆動音源コ
ードブックの設計方法。 - 【請求項５】請求項１記載の駆動音源コードブックの設
計方法であって、 前記学習サンプル空間から、複数の学習サンプルの組を
複数の仮基底ベクトルの組として抽出するステップは、 第１回目の前記第２のプロセスの実行時は、前記学習サ
ンプル空間から、仮基底ベクトルの組をランダムに抽出
し、 第２回目以降の前記第２のプロセスの実行時は、前回の
前記第２のプロセスで求められた差の和に応じて、前記
学習サンプル空間から仮基底ベクトルの組をランダムに
抽出するか、もしくは、前回抽出した各仮基底ベクトル
に応じて学習サンプル空間を分割した各部分空間の、各
重心の組を新たな仮基底ベクトルの組として抽出するス
テップであることを特徴とする駆動音源コードブックの
設計方法。 - 【請求項６】複数の学習サンプルを含む学習サンプル空
間を求める第１のプロセスと、 学習サンプル空間から、複数の学習サンプルの組を複数
の仮基底ベクトルの組として抽出するステップと、 抽出した各仮基底ベクトルに、前記合成フィルタにより
フィルタ処理を施すステップと、 あらかじめ定めた複数の入力リファレンス音声あるいは
聴覚重み付けされた前記複数の入力リファレンス音声と
の差が最小となるように探索した、所定の合成フィルタ
によって所定の長期予測ベクトルにフィルタ処理を施し
た合成フィルタ出力長期予測ベクトルと、前記フィルタ
処理を施した各仮基底ベクトルを直交化するステップ
と、 所定の規則に従い、それぞれ、前記直交化した複数の仮
基底ベクトルを、線形に結合した複数の線形結合ベクト
ルを求め、各線形結合ベクトルと複数の入力リファレン
ス音声あるいは聴覚重み付けされた前記複数の入力リフ
ァレンス音声との差のうち最小のものの、前記複数の線
形結合ベクトルについての和を求めるステップとを含む
第２のプロセスと、 前記第２のプロセスを仮基底ベクトルの複数の異なる組
について繰り返し、 最も、前記和が小さかった仮基底ベクトルの組を基底ベ
クトルの組とする第３のプロセスと、 前記第３のプロセスで求めた複数の基底ベクトルに前記
合成フィルタによってフィルタ処理を施し、入力音声あ
るいは聴覚重み付けされた入力音声との差が最小となる
ように探索した、前記合成フィルタによって前記長期予
測ベクトルにフィルタ処理を施した合成フィルタ出力長
期予測ベクトルと、前記フィルタ処理を施した複数の基
底ベクトルを直交化し、フィルタ処理を施した複数の基
底ベクトルを前記規則に従いそれぞれ線形に結合した、
複数の線形結合ベクトルを出力コードベクトルとする駆
動音声コードブックを用い、前記入力音声あるいは聴覚
重み付けされた入力音声との差が最小となる、前記駆動
音声コードブックのコードベクトルを探索することによ
り入力音声を符号化する第４のプロセスとを含むことを
特徴とする音声符号化方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP5003566A JPH06209262A (ja) | 1993-01-12 | 1993-01-12 | 駆動音源コードブックの設計法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP5003566A JPH06209262A (ja) | 1993-01-12 | 1993-01-12 | 駆動音源コードブックの設計法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH06209262A true JPH06209262A (ja) | 1994-07-26 |
Family
ID=11560991
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP5003566A Pending JPH06209262A (ja) | 1993-01-12 | 1993-01-12 | 駆動音源コードブックの設計法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH06209262A (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0854898A (ja) * | 1994-08-11 | 1996-02-27 | Nec Corp | 音声符号化装置 |
-
1993
- 1993-01-12 JP JP5003566A patent/JPH06209262A/ja active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0854898A (ja) * | 1994-08-11 | 1996-02-27 | Nec Corp | 音声符号化装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US6785645B2 (en) | Real-time speech and music classifier | |
| Giacobello et al. | Sparse linear prediction and its applications to speech processing | |
| JP3114197B2 (ja) | 音声パラメータ符号化方法 | |
| JP3094908B2 (ja) | 音声符号化装置 | |
| KR100795727B1 (ko) | Ｃｅｌｐ기반의 음성 코더에서 고정 코드북 검색 장치 및방법 | |
| KR100556831B1 (ko) | 전역 펄스 교체를 통한 고정 코드북 검색 방법 | |
| EP1677287B1 (en) | A system and method for supporting dual speech codecs | |
| WO1996035208A1 (en) | A gain quantization method in analysis-by-synthesis linear predictive speech coding | |
| US20010001320A1 (en) | Method and device for speech coding | |
| CN113793591A (zh) | 语音合成方法及相关装置和电子设备、存储介质 | |
| US20030036905A1 (en) | Information detection apparatus and method, and information search apparatus and method | |
| Riviello et al. | Binary Speech Features for Keyword Spotting Tasks. | |
| JP2002140099A (ja) | 音声復号化装置 | |
| US5822721A (en) | Method and apparatus for fractal-excited linear predictive coding of digital signals | |
| JP2000112498A (ja) | 音声符号化方法 | |
| KR100463559B1 (ko) | 대수 코드북을 이용하는 켈프 보코더의 코드북 검색방법 | |
| JPH06209262A (ja) | 駆動音源コードブックの設計法 | |
| JPH09508479A (ja) | バースト励起線形予測 | |
| US5937374A (en) | System and method for improved pitch estimation which performs first formant energy removal for a frame using coefficients from a prior frame | |
| JPH0764600A (ja) | 音声のピッチ符号化装置 | |
| JP3471889B2 (ja) | 音声符号化方法及び装置 | |
| Kuropatwinski et al. | Estimation of the short-term predictor parameters of speech under noisy conditions | |
| EP0713208A2 (en) | Pitch lag estimation system | |
| JP3276977B2 (ja) | 音声符号化装置 | |
| JP3471542B2 (ja) | 音声符号化装置 |