JPH0627997A - 音声符号化／復号化装置 - Google Patents

Abstract

(57)【要約】 【目的】 本発明は、微弱な音声信号を聴覚心理学モデ
ルに基づいて高効率音声符号化する際の情報の欠落を未
然に防止することのできる音声符号化／復号化装置を提
供することを目的とする。 【構成】 本発明の音声符号化／復号化装置は、入力さ
れる音声信号を量子化及び符号化してＰＣＭ信号を得る
音声符号化装置において、前記量子化信号の振幅値を所
定長毎に設定される伸長率で伸長する伸長手段と、この
伸長手段で伸長して得られた伸長データを周波数データ
に変換する変換手段と、この変換手段で得られた周波数
データの量子化レベルを聴覚心理学モデルにより算出す
る量子化レベル算出手段と、この量子化レベル算出手段
によって算出された量子化レベルにより周波数データ毎
に量子化を行う量子化手段と、この量子化手段で量子化
された量子化データと前記伸長率に係るデータとを１デ
ータ単位化する単位化手段ととを備えて構成される。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、聴覚心理学モデルを応
用した音声符号化／復号化装置に関し、特に音声出力の
大小に拘らず音声の再生を正確に行い得る音声符号化／
復号化装置に関するものである。

【０００２】

【従来の技術】近年、音声を符号化して伝送する際に、
伝送量を少くするためにデータ圧縮が行われる。このデ
ータ圧縮による伝送方法に、弱小音の周波数成分は大き
い音の周波数成分に隠れてしまい聴覚上認識されないと
いう聴覚心理学モデルを応用して、周波数分析した音声
の内、弱小音の周波数成分を伝送しないようにしたもの
がある。

【０００３】以下、データ圧縮にこの聴覚心理学モデル
を応用した従来の音声符号化／復号化装置について図８
及び図９のブロック図を参照して説明する。

【０００４】図８は従来の音声符号化装置における、標
本化及び量子化して得られた１６ビットＰＣＭ（Ｐｕｌ
ｓｅ Ｃｏｄｅ Ｍｏｄｕｌａｔｉｏｎ；パルス符号変
調方式）音声信号１１０を、聴覚心理学モデルを応用し
てデータ圧縮する処理部分を示すものである。

【０００５】まず、入力される音声信号１１０をブロッ
ク化処理部１０１で５１２サンプル毎のブロックに分割
し、このブロック化したデータ１１１をスペクトル分析
器１０３及び量子化レベル算出器１０５に入力する。ス
ペクトル分析器１０３は、この入力されたデータ１１１
を周波数データ１１７に分解し、量子化器１０７に出力
する。

【０００６】また、量子化レベル算出器１０５では、聴
覚心理学モデル（参考文献：「聴覚と音響心理」日本音
響学会編、コロナ社）に基づき、人が聴くことのできる
最小の音圧である最小可聴限及び聴感上、他の音により
かき消されてしまう音圧であるマスキングスレショルド
以下の信号を削除する量子化レベルをスペクトル毎に決
定し、量子化器１０７に送る。

【０００７】量子化器１０７は量子化レベル算出器１０
５からのスペクトル毎の量子化レベルに基づき、スペク
トル分析器１０３からの周波数データ１１７を量子化
し、マルチプレクサ１０９に送る。

【０００８】マルチプレクサ１０９は量子化された周波
数データを、１４８６ビットのフレーム内の所定のフォ
ーマットで時分割多重し、ビットストリーム１１９を伝
送する。

【０００９】次に、図９を参照して従来の音声復号化装
置について説明する。図９において、時分割多重された
ビットストリーム１３１がデ・マルチプレクサ１２１に
入力される。デ・マルチプレクサ１２１では、この入力
された時分割多重化ビットストリーム１３１より周波数
データ１３３をパラレルデータとして合成器１２３に送
る。合成器１２３では分解された周波数データ１３３を
合成し、時間波形を１６ビットＰＣＭ出力信号１３９と
して出力する。

【００１０】

【発明が解決しようとする課題】しかしながら、上述し
た従来の音声符号化装置にあっては、入力される１６ビ
ットＰＣＭ音声信号をブロック化した後、周波数データ
１１７に分解し、スペクトル毎に聴覚心理学モデルに基
づく量子化レベルで単純に量子化していることから、最
小可聴限及びマスキングスレショルド以下の信号の削除
により、本来、聞こえるはずの音が聞こえないことがあ
る。

【００１１】例えば、図３に示す様に微少な信号の聴覚
心理学モデルに基づく量子化について想定すると、その
スペクトルをスペクトルＳ_A として、また最小可聴限を
周波数可聴限度ラインＨ_P として図５のように示すこと
ができる。また、音声符号化において最小可聴限Ｈ_P 以
下の信号を削減するため、伝送される音声は領域Ａで示
される部分となる。したがって、伝送された信号を復号
化したときには、前記領域Ａに係る部分のみが復号化さ
れることになる。この様な状態で出力側のボリュームを
上げると、領域Ａの音圧を単に上げただけであることか
ら、図７に示すように、領域Ｃの部分が再生により聞こ
えてくることになる。

【００１２】すなわち、聴覚心理学モデルによる高効率
音声符号化を行わない音は、本来なら図６に示すように
スペクトルＳ_B となるはずである。しかしながら、実際
には図７に示すスペクトルＳ_C のように領域Ｄ_a 及び領
域Ｄ_b が削除された領域Ｃの部分となることから、必要
な情報が削られてしまい、最小可聴限より上にある聞こ
えるはずの音が聞こえないことになる。

【００１３】本発明は、上記課題に鑑みてなされたもの
で、微弱な音声信号を聴覚心理学モデルに基づいて高効
率音声符号化する際の情報の欠落を未然に防止すること
のできる音声符号化／復号化装置を提供することを目的
とする。

【００１４】

【課題を解決するための手段】上記目的を達成するため
本願第１の発明は、入力される音声信号を量子化及び符
号化してＰＣＭ信号を得る音声符号化装置において、前
記量子化信号の振幅値を所定長毎に設定される伸長率で
伸長する伸長手段と、この伸長手段で伸長して得られた
伸長データを周波数データに変換する変換手段と、この
変換手段で得られた周波数データの量子化レベルを聴覚
心理学モデルにより算出する量子化レベル算出手段と、
この量子化レベル算出手段によって算出された量子化レ
ベルにより周波数データ毎に量子化を行う量子化手段
と、この量子化手段で量子化された量子化データと前記
伸長率に係るデータとを１データ単位化する単位化手段
とを有することを要旨とする。

【００１５】また、本願第２の発明は、入力されるＰＣ
Ｍ信号を復号化して音声信号を得る音声復号化装置にお
いて、１データ単位毎に量子化データと前記伸長率に係
るデータとを分離する分離手段と、この分離手段で分離
された量子化データの周波数データを逆変換する逆変換
手段と、この逆変換手段で逆変換された信号の振幅値を
前記分離手段で分離された伸長率に基づいて復長する復
長手段とを有することを要旨とする。

【００１６】

【作用】本願第１の発明の音声符号化装置は、まず伸長
手段によって量子化信号の振幅値を所定長毎に設定され
る伸長率で伸長して微弱な音声信号を予め補正してお
く。この伸長データを周波数データに変換し、さらに聴
覚心理学モデルにより算出した量子化レベルに従って周
波数データ毎に量子化を行う。従って、微弱な音声信号
時に最小可聴限より下側となる音声信号に係る情報の欠
落が防止される。また、このときの伸長率は、量子化デ
ータと１データ単位化され伝送される。

【００１７】本願第２の発明の音声復号化装置は、まず
分離手段において１データ単位毎に量子化データと前記
伸長率に係るデータとを分離する。次に、この分離され
た量子化データの周波数データを逆変換手段で逆変換し
て得られた信号の振幅値を対応する伸長率に基づいて復
長することにより、情報の欠落の無い微弱な音声信号を
含む音声信号を得ることができる。

【００１８】

【実施例】次に本発明の一実施例について図面を参照し
ながら説明する。図１は音声符号化装置における、標本
化及び量子化して得られた１６ビットＰＣＭ音声信号１
１を、聴覚心理学モデルを応用してデータ圧縮する処理
部分を示すブロック図である。

【００１９】まず、図１を参照して本実施例の音声符号
化装置の構成を説明する。音声信号１１が入力される振
幅伸長器１と、この振幅伸長器１の後段に並列に接続さ
れるスペクトル分析器３及び量子化レベル算出器５と、
さらにこの振幅伸長器１と信号線を介して接続されるマ
ルチプレクサ９と、このマルチプレクサ９と前記スペク
トル分析器３との間に接続される量子化器７によって構
成される。

【００２０】また、前記振幅伸長器１とマルチプレクサ
９との間の信号線を介して、当該振幅伸長器１における
伸長率に係るデータ、すなわち伸長率データ１３がマル
チプレクサ９に出力される。マルチプレクサ９において
は、この伸長率データ１３を量子化データと共にパケッ
ト化して伝送する。さらに、スペクトル分析器３に接続
される量子化器７において、量子化レベル算出器５で算
出された量子化レベルに従って周波数データ１７が量子
化される。

【００２１】次に、図１を参照して本実施例の動作を説
明する。まず、標本化及び量子化して得られた音声信号
１１が振幅伸長器１に入力される。この振幅伸長器１に
おいては、この入力された音声信号１１を５１２サンプ
ル毎にブロック化し、このブロック化で得られた個々の
ブロック毎に図３に示すブロック中の振幅値の最大値ｖ
が図４に示す入力レンジ最大値Ｖと等しくなるように個
々のブロック毎に設定される伸長率で振幅値の伸長が行
なわれる。

【００２２】この振幅伸長器１で伸長された伸長データ
１５は、スペクトル分析器３及び量子化レベル算出器５
にそれぞれ送られると共に、伸長データ１５の伸長率に
係る伸長率データ１３は各ブロック毎に６ビットに符号
化されマルチプレクサ９に送られる。

【００２３】スペクトル分析器３に送られた伸長データ
１５は、スペクトル分析器３において周波数データ１７
に分解され量子化器７に送られる。一方、量子化レベル
算出器５においては、振幅伸長器１から送られた伸長デ
ータ１５に基づき、聴覚心理学モデルによる最小可聴限
及びマスキングスレショルド以下の信号を削除するため
の量子化レベルがスペクトル毎に決定され、量子化器７
に送られる。

【００２４】量子化器７は量子化レベル算出器５からの
スペクトル毎の量子化レベルにもとずき、スペクトル分
析器３からの周波数データ１７を量子化し、マルチプレ
クサ９に送る。マルチプレクサ９は振幅伸長器１からの
伸長量を示す６ビットデータ１３と量子化された周波数
データとを、１４８６ビットのフレーム内の所定のフォ
ーマットで時分割多重をおこないパケット化し、ビット
ストリーム１９を伝送する。

【００２５】次に、図２を参照して、音声復号化装置の
構成について説明する。図２に示す音声復号化装置は、
時分割多重されたビットストリーム３１が入力されるデ
・マルチプレクサ２１と、このデ・マルチプレクサ２１
に接続される、周波数データに分解されたデータ３３を
合成する合成器２３と、さらにこの合成器２３の後段に
接続される振幅復長器２５によって構成される。

【００２６】この音声復号化装置の動作を図２を参照し
て説明する。図２においてビットストリーム３１の時分
割多重されたデータはデ・マルチプレクサ２１により周
波数データ３３を合成器２３に、伸長量３５は振幅復長
器２５に送られる。

【００２７】合成器２３では分解された周波数データ３
３を合成し、時間波形の出力３７を振幅復長器２５に出
力する。

【００２８】振幅復長器２５では合成器２３から送られ
た時間波形３７がデ・マルチプレクサ２１からの伸長量
のデータ３５により、もとの振幅に復長されて１６ビッ
トＰＣＭ出力３９として出力される。

【００２９】次に、本実施例の作用を図５乃至図７を参
照して説明する。ここで、図３に示す微少な信号のスペ
クトルが図５に示すスペクトルＳ_A で表されるものとす
る。まず、振幅伸長器１により図３に示す微小な信号は
図４の様に振幅伸長される。この伸長された伸長信号の
スペクトルは図６に示すスペクトルＳ_B となる。すなわ
ち、従来の様に伸長を行わずに（図５のスペクトルＳ_A
のままで）で聴覚心理学モデルを適用し、最小可聴限Ｈ
_P 以下の情報を削減した場合と比較すると、出力側のボ
リュームを上げた場合、聞こえてくる音のスペクトルは
本実施例の場合図６に示すスペクトルＳ_B であり、従来
の場合、領域Ｄ_a 及び領域Ｄ_b が欠落したスペクトルＳ
_C （図７）となる。これにより、本実施例の場合には、
領域Ｄ_a及び領域Ｄ_b の部分の情報に基づく音声を再生
することが可能となり、より原音に近い音声として再生
することが可能となる。

【００３０】上述してきたように、本実施例において
は、聴覚心理学モデルを適用した高効率音声符号化を行
う前に振幅伸長を行うようにしたので、符号化の際の微
少な音響信号における情報の削除を防止することができ
る。

【００３１】これにより本来聞こえないはずの微少な音
響信号の周波数成分を、１４８６ビットに該１４８６ビ
ットの約０．４％に相当する６ビットを追加するだけ
で、保存することができ、本来聞こえないはずの音響信
号の周波数成分を、ボリュームを操作して音量を大きく
したときに、より原音に近い音響として再生することが
可能となる。

【００３２】

【発明の効果】以上説明したように本発明の音声符号化
／復号化装置は、量子化信号の振幅値を所定長毎に設定
される伸長率で伸長した後に、聴覚心理学モデルによる
量子化レベルにより量子化を行うようにしたので、微弱
な音声信号における聴覚心理学モデルに基づく高効率音
声符号化の際の情報の欠落を未然に防止することがで
き、大音量で微弱な音声信号を再生した際の自然な音域
による再生に効果を奏するものである。

【図面の簡単な説明】

【図１】本発明に係る一実施例の概略の構成を示すブロ
ック図である。

【図２】時間軸上の振幅伸長を説明するための図であ
る。

【図３】図１に示す実施例の作用を説明する為の図であ
る。

【図４】従来の音声符号化／復号化装置の構成を示すブ
ロック図である。

【図５】本発明に係る一実施例の概略の構成を示すブロ
ック図である。

【図６】時間軸上の振幅伸長を説明するための図であ
る。

【図７】図１に示す実施例の作用を説明する為の図であ
る。

【図８】従来の音声符号化／復号化装置の構成を示すブ
ロック図である。

【図９】従来の音声符号化／復号化装置の構成を示すブ
ロック図である。

【符号の説明】

１ 振幅伸長器 ３ スペクトル分析器 ５ 量子化レベル算出器 ７ 量子化器 ９ マルチプレクサ １１ ＰＣＭ音声信号 １３ 伸長率データ １５ 伸長データ １７ 周波数データ １９ ビットストリーム ２１ デ・マルチプレクサ ２３ 合成器 ２５ 振幅復長器 ３１ ビットストリーム ３３ 周波数データ ３５ 伸長率データ ３７ 出力 Ｈ_P 周波数可聴限度ライン

Claims (2)

【特許請求の範囲】
1. 【請求項１】 入力される音声信号を量子化及び符号化
   してＰＣＭ信号を得る音声符号化装置において、 前記量子化信号の振幅値を所定長毎に設定される伸長率
   で伸長する伸長手段と、 この伸長手段で伸長して得られた伸長データを周波数デ
   ータに変換する変換手段と、 この変換手段で得られた周波数データの量子化レベルを
   聴覚心理学モデルにより算出する量子化レベル算出手段
   と、 この量子化レベル算出手段によって算出された量子化レ
   ベルにより周波数データ毎に量子化を行う量子化手段
   と、 この量子化手段で量子化された量子化データと前記伸長
   率に係るデータとを１データ単位化する単位化手段とを
   有することを特徴とする音声符号化装置。
2. 【請求項２】 入力されるＰＣＭ信号を復号化して音声
   信号を得る音声復号化装置において、 １データ単位毎に量子化データと前記伸長率に係るデー
   タとを分離する分離手段と、 この分離手段で分離された量子化データの周波数データ
   を逆変換する逆変換手段と、 この逆変換手段で逆変換された信号の振幅値を前記分離
   手段で分離された伸長率に基づいて復長する復長手段と
   を有することを特徴とする音声復号化装置。