JPH07101357B2 - 音声符号化器 - Google Patents
音声符号化器Info
- Publication number
- JPH07101357B2 JPH07101357B2 JP62151428A JP15142887A JPH07101357B2 JP H07101357 B2 JPH07101357 B2 JP H07101357B2 JP 62151428 A JP62151428 A JP 62151428A JP 15142887 A JP15142887 A JP 15142887A JP H07101357 B2 JPH07101357 B2 JP H07101357B2
- Authority
- JP
- Japan
- Prior art keywords
- linear prediction
- signal
- covariance function
- prediction coefficient
- autocorrelation
- 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.)
- Expired - Lifetime
Links
Description
【発明の詳細な説明】 〔産業上の利用分野〕 本発明は音声の帯域圧縮，音声蓄積等に使用される音声
符号化器に関する。
符号化器に関する。
音声の帯域圧縮技術は近年のデータネットワークの発達
に伴い，回線コストの低減，ネットワークの効率化を目
的として低ビットレート化の要求が高い。
に伴い，回線コストの低減，ネットワークの効率化を目
的として低ビットレート化の要求が高い。
音声信号の16kbps付近の高能率符号化法としては，従来
よりAD−PCM（適応差分PCM）,APC（適応予測符号化）,A
PC−AB（適応予測適応ビット割当符号化）,ATC（適応直
交変換符号化）,MPEC（マルチパルス駆動型符号化）等
が提案され，実用化されてきている。（例えば，落合・
荒関，“音声符号化技術",情報処理学会誌,Vol.24No.8A
ug1983）これら音声符号化法の中でAD−PCM,APC,APC−A
B等では高能率符号化の手段として線形予測符号化（LP
C:lihear predictive cording）が用いられている。
よりAD−PCM（適応差分PCM）,APC（適応予測符号化）,A
PC−AB（適応予測適応ビット割当符号化）,ATC（適応直
交変換符号化）,MPEC（マルチパルス駆動型符号化）等
が提案され，実用化されてきている。（例えば，落合・
荒関，“音声符号化技術",情報処理学会誌,Vol.24No.8A
ug1983）これら音声符号化法の中でAD−PCM,APC,APC−A
B等では高能率符号化の手段として線形予測符号化（LP
C:lihear predictive cording）が用いられている。
この線形予測符号化の線形予測係数を求める方法とし
て，自己相関法（auto−correlation method）と共分散
法（covariance method）が知られており，（例えば,L.
R.Rabiner,R.W.Schafer,“音声のデジタル信号処理",コ
ロナ社）自己相関法が多く実用化されてきている。
て，自己相関法（auto−correlation method）と共分散
法（covariance method）が知られており，（例えば,L.
R.Rabiner,R.W.Schafer,“音声のデジタル信号処理",コ
ロナ社）自己相関法が多く実用化されてきている。
ところで，上述の２つの方法を比較すると，自己相関法
の場合，行列方程式を解くのに要する乗算回数は比較的
少ないが（Durbinアルゴリズムを用いた場合），行列方
程式を求めるのに要する積和回数が多く，又次数の高い
自己相関関数ほど積和回数が少ないために分析区間を短
かくとれない。共分散法の場合は，逆に行列方程式を求
めるのに要する積和回数は比較的少なくすることができ
るが，行列方程式を解くのに要する乗算回数は多い（Ch
olesky分解による解法を用いた場合。）。以上のように
２つの方法を音声符号化器として実現する場合，演算量
の点で相異なる欠点をもっている。
の場合，行列方程式を解くのに要する乗算回数は比較的
少ないが（Durbinアルゴリズムを用いた場合），行列方
程式を求めるのに要する積和回数が多く，又次数の高い
自己相関関数ほど積和回数が少ないために分析区間を短
かくとれない。共分散法の場合は，逆に行列方程式を求
めるのに要する積和回数は比較的少なくすることができ
るが，行列方程式を解くのに要する乗算回数は多い（Ch
olesky分解による解法を用いた場合。）。以上のように
２つの方法を音声符号化器として実現する場合，演算量
の点で相異なる欠点をもっている。
そこで，本発明の技術的課題は上記欠点を鑑み，より少
ない演算量で線形予測係数を得ることができる音声符号
化器を提供することにある。
ない演算量で線形予測係数を得ることができる音声符号
化器を提供することにある。
［問題点を解決するための手段］ 本発明によれば、入力音声信号（ａ）を受け、この入力
音声信号から算出された線形予測係数（ｄ）に基いて該
入力音声信号の線形予測符号化を行い、線形予測符号化
された信号（ｇ）を出力する線形予測符号化器（３、
７、９、10、６）を有する音声符号化器において、前記
入力音声信号から所定のサンプル数Ｎの区間毎の共分散
関数（ｂ）を算出する共分散関数算出手段（２）と；該
共分散関数に、前記所定のサンプル数Ｎによって決まる
重み付けを、前記入力音声信号から算出される前記所定
のサンプル数Ｎの区間毎の自己相関関係に近似的に等し
くなるように、行い、前記自己相関関数に実質的に等し
い重み付け共分散関数（ｃ）を出力する重み付け共分散
関数算出手段（４）と；該重み付け共分散関数を前記自
己相関関数として受け、この自己相関関係から前記線形
予測係数を算出する線形予測係数算出手段（５）と；を
有することを特徴とする音声符号化器が得られる。
音声信号から算出された線形予測係数（ｄ）に基いて該
入力音声信号の線形予測符号化を行い、線形予測符号化
された信号（ｇ）を出力する線形予測符号化器（３、
７、９、10、６）を有する音声符号化器において、前記
入力音声信号から所定のサンプル数Ｎの区間毎の共分散
関数（ｂ）を算出する共分散関数算出手段（２）と；該
共分散関数に、前記所定のサンプル数Ｎによって決まる
重み付けを、前記入力音声信号から算出される前記所定
のサンプル数Ｎの区間毎の自己相関関係に近似的に等し
くなるように、行い、前記自己相関関数に実質的に等し
い重み付け共分散関数（ｃ）を出力する重み付け共分散
関数算出手段（４）と；該重み付け共分散関数を前記自
己相関関数として受け、この自己相関関係から前記線形
予測係数を算出する線形予測係数算出手段（５）と；を
有することを特徴とする音声符号化器が得られる。
即ち本発明の音声符号化器は，線形予測符号化器の線形
予測係数を求める方法として，上述の２つの方法の利点
を取り入れた，重み付け共分散関数から線形予測係数を
算出する方法を用いることを特徴としている。
予測係数を求める方法として，上述の２つの方法の利点
を取り入れた，重み付け共分散関数から線形予測係数を
算出する方法を用いることを特徴としている。
次に，本発明の音声符号化器の動作を図面を用いて説明
する。
する。
第１図は本発明の実施例を説明するためのブロック図で
ある。
ある。
入力端子１から入力された入力音声信号ａは，共分散関
数算出器２と減算器３へ導かれる。共分散関数算出器２
の出力である共分散関数ｂは，重み付け乗算器４へ導か
れ，重み付け乗算器４の出力である重み付け共分散関数
ｃは，線形予測係数算出器５へ導かれる。線形予測係数
算出器の出力である線形予測係数ｄは，線形予測器６へ
導かれ，線形予測器６の出力である線形予測信号ｅは，
減算器３と加算器10へ導かれる。減算器３により入力音
声信号ａから線形予測信号ｅを差し引いた線形予測誤差
信号ｆは，量子化器７へ導かれ，量子化器７の出力であ
る量子化信号ｇは，出力端子８及び逆量子化器９へ導か
れる。逆量子化器９の出力である逆量子化信号ｈは，加
算器10により線形予測信号ｅと加算され，局部復号化信
号ｉとなる。局部復号化信号ｉはは，線形予測器６へ導
かれる。
数算出器２と減算器３へ導かれる。共分散関数算出器２
の出力である共分散関数ｂは，重み付け乗算器４へ導か
れ，重み付け乗算器４の出力である重み付け共分散関数
ｃは，線形予測係数算出器５へ導かれる。線形予測係数
算出器の出力である線形予測係数ｄは，線形予測器６へ
導かれ，線形予測器６の出力である線形予測信号ｅは，
減算器３と加算器10へ導かれる。減算器３により入力音
声信号ａから線形予測信号ｅを差し引いた線形予測誤差
信号ｆは，量子化器７へ導かれ，量子化器７の出力であ
る量子化信号ｇは，出力端子８及び逆量子化器９へ導か
れる。逆量子化器９の出力である逆量子化信号ｈは，加
算器10により線形予測信号ｅと加算され，局部復号化信
号ｉとなる。局部復号化信号ｉはは，線形予測器６へ導
かれる。
次に本発明の線形予測係数算出方法について図面及び数
式を用いて詳細に説明する。
式を用いて詳細に説明する。
第２図は本発明の線形予測係数算出方法について説明す
るための波形図である。
るための波形図である。
図中に示すように長さＮ（例えば128サンプル/8kHz）の
区間ｌでの線形予測係数を区間ｌ及びｌ−i,長さ2Nの分
析区間から算出する場合について，以下に数式を用いて
説明する。
区間ｌでの線形予測係数を区間ｌ及びｌ−i,長さ2Nの分
析区間から算出する場合について，以下に数式を用いて
説明する。
第２図に示したような入力音声信号をＳ（ｎ），線形予
測誤差信号をｅ（ｎ），局部復号化信号を（ｎ），求
める線形予測係数を▲α(l) k▼，線形予測次数をｐ次と
すると，線形予測誤差信号ｅ（ｎ）は である。
測誤差信号をｅ（ｎ），局部復号化信号を（ｎ），求
める線形予測係数を▲α(l) k▼，線形予測次数をｐ次と
すると，線形予測誤差信号ｅ（ｎ）は である。
ここでこの分析区間内の共分散関数を▲φ(l) (i,k)▼，
自己相関関数を▲Ｒ(l) (k)▼とすると である。
自己相関関数を▲Ｒ(l) (k)▼とすると である。
ｋ次におけるそれぞれの積和回数は▲φ(l) (0,k)▼はＮ
回，▲Ｒ(l) (k)▼は2N−ｋ回であり，又Ｎが充分に大き
ければ と見なすことができる。したがって重み付け共分散関数
▲φ(l) w▼を とすれば， となり，自己相関関数と同等に扱うことができる。した
がって線形予測係数▲α(l) k▼はToeplitz形の下記のよ
うな行列式となり， ▲α(l) k▼はこの行列式の解として自己相関法用の上述
したDurbinアルゴリズム等を用いて得ることができる。
回，▲Ｒ(l) (k)▼は2N−ｋ回であり，又Ｎが充分に大き
ければ と見なすことができる。したがって重み付け共分散関数
▲φ(l) w▼を とすれば， となり，自己相関関数と同等に扱うことができる。した
がって線形予測係数▲α(l) k▼はToeplitz形の下記のよ
うな行列式となり， ▲α(l) k▼はこの行列式の解として自己相関法用の上述
したDurbinアルゴリズム等を用いて得ることができる。
以上説明したように，本発明は線形予測を有する音声符
号化器における線形予測係数算出を重み付け共分散関数
から求めることにより，より少ない演算量で実現するこ
とができるから演算処理時間の短縮，演算回路規模の縮
小という効果があり，より高い品質の音声符号化器を提
供するものである。
号化器における線形予測係数算出を重み付け共分散関数
から求めることにより，より少ない演算量で実現するこ
とができるから演算処理時間の短縮，演算回路規模の縮
小という効果があり，より高い品質の音声符号化器を提
供するものである。
第１図は本発明が実施される音声符号化器のブロック
図，第２図は本発明の実施を説明するための波形図であ
る。 １……入力端子,2……共分散関数算出器,3……減算器,4
……重み付け乗算器,5……線形予測係数算出器,6……線
形予測器,7……量子化器,8……出力端子,9……逆量子化
器,10……加算器,a……入力音声信号,b……共分散関数,
c……重み付け共分散関数,d……線形予測係数,e……線
形予測信号,f……線形予測誤差信号,g……量子化信号,h
……逆量子化信号,i……局部復号化信号,l,l−１……部
分区間番号。
図，第２図は本発明の実施を説明するための波形図であ
る。 １……入力端子,2……共分散関数算出器,3……減算器,4
……重み付け乗算器,5……線形予測係数算出器,6……線
形予測器,7……量子化器,8……出力端子,9……逆量子化
器,10……加算器,a……入力音声信号,b……共分散関数,
c……重み付け共分散関数,d……線形予測係数,e……線
形予測信号,f……線形予測誤差信号,g……量子化信号,h
……逆量子化信号,i……局部復号化信号,l,l−１……部
分区間番号。
Claims (1)
- 【請求項１】入力音声信号（ａ）を受け、この入力音声
信号から算出された線形予測係数（ｄ）に基いて該入力
音声信号の線形予測符号化を行い、線形予測符号化され
た信号（ｇ）を出力する線形予測符号化器（３、７、
９、10、６）を有する音声符号化器において、 前記入力音声信号から所定のサンプル数Ｎの区間毎の共
分散関数（ｂ）を算出する共分散関数算出手段（２）
と； 該共分散関数に、前記所定のサンプル数Ｎによって決ま
る重み付けを、前記入力音声信号から算出される前記所
定のサンプル数Ｎの区間毎の自己相関関係に近似的に等
しくなるように、行い、前記自己相関関数に実質的に等
しい重み付け共分散関数（ｃ）を出力する重み付け共分
散関数算出手段（４）と； 該重み付け共分散関数を前記自己相関関数として受け、
この自己相関関係から前記線形予測係数を算出する線形
予測係数算出手段（５）と；を有することを特徴とする
音声符号化器。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP62151428A JPH07101357B2 (ja) | 1987-06-19 | 1987-06-19 | 音声符号化器 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP62151428A JPH07101357B2 (ja) | 1987-06-19 | 1987-06-19 | 音声符号化器 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPS63316099A JPS63316099A (ja) | 1988-12-23 |
| JPH07101357B2 true JPH07101357B2 (ja) | 1995-11-01 |
Family
ID=15518404
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP62151428A Expired - Lifetime JPH07101357B2 (ja) | 1987-06-19 | 1987-06-19 | 音声符号化器 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH07101357B2 (ja) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS61134000A (ja) * | 1984-12-05 | 1986-06-21 | 株式会社日立製作所 | 音声分析合成方式 |
-
1987
- 1987-06-19 JP JP62151428A patent/JPH07101357B2/ja not_active Expired - Lifetime
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS61134000A (ja) * | 1984-12-05 | 1986-06-21 | 株式会社日立製作所 | 音声分析合成方式 |
Also Published As
| Publication number | Publication date |
|---|---|
| JPS63316099A (ja) | 1988-12-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101178114B1 (ko) | 복수의 입력 데이터 스트림을 믹싱하기 위한 장치 | |
| CA2455059A1 (en) | Speech bandwidth extension apparatus and speech bandwidth extension method | |
| JP3765171B2 (ja) | 音声符号化復号方式 | |
| US5651026A (en) | Robust vector quantization of line spectral frequencies | |
| US5027405A (en) | Communication system capable of improving a speech quality by a pair of pulse producing units | |
| US8078457B2 (en) | Method for adapting for an interoperability between short-term correlation models of digital signals | |
| JP2006171751A (ja) | 音声符号化装置及び方法 | |
| KR100952065B1 (ko) | 부호화 방법 및 장치, 및 복호 방법 및 장치 | |
| Iwakami et al. | Audio coding using transform‐domain weighted interleave vector quantization (twin VQ) | |
| JP3444131B2 (ja) | 音声符号化及び復号装置 | |
| KR20060036724A (ko) | 오디오 신호 부호화 및 복호화 방법 및 그 장치 | |
| JP4359949B2 (ja) | 信号符号化装置及び方法、並びに信号復号装置及び方法 | |
| JP3237178B2 (ja) | 符号化方法及び復号化方法 | |
| JPH07101357B2 (ja) | 音声符号化器 | |
| Crochiere et al. | Frequency domain techniques for speech coding | |
| JP3137550B2 (ja) | 音声符号化・復号化装置 | |
| US7295974B1 (en) | Encoding in speech compression | |
| JP4618823B2 (ja) | 信号符号化装置及び方法 | |
| JP3099876B2 (ja) | 多チャネル音声信号符号化方法及びその復号方法及びそれを使った符号化装置及び復号化装置 | |
| JP3010655B2 (ja) | 圧縮符号化装置及び方法、並びに復号装置及び方法 | |
| KR0175250B1 (ko) | 보코더의 톤 검출회로 및 방법 | |
| JPS63127298A (ja) | 音声分析合成装置 | |
| JPH02148926A (ja) | 予測符号化方式 | |
| JPS5994797A (ja) | 音声の適応変換符号化方式 | |
| JPH09258794A (ja) | ベクトル量子化装置 |