JPH07111462A - 音声圧縮方法および装置 - Google Patents

Abstract

(57)【要約】 【目的】 人間の聴覚に適合した形で音声データを圧縮
することができ、かつ、圧縮率の高い音声圧縮方法およ
び装置を提供することを目的とする。 【構成】 入力された音声データを対数スケールで周波
数変換して対数スケールで表されるスペクトル分布を抽
出する周波数変換回路３と、このスペクトル分布の情報
から各区間の積分値が等しくなるように、境界となる周
波数を決定する分割回路４とを備え、圧縮結果のパラメ
ータとして各境界周波数間の距離値と平均面積値とを伝
送することを特徴とする。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】この発明は、音声データの伝送の
際にその冗長性を除去して必要情報を取り出す音声圧縮
方法および装置に関する。

【０００２】

【従来の技術】音声信号から冗長性を除去して必要情報
を取り出す音声圧縮(帯域圧縮符号化)の技術は、従来か
ら主としてディジタル通信の分野で用いられている。

【０００３】人間の聴覚では音声の波形そのものよりも
スペクトル(周波数成分)分布の方がより重視されてい
る。そこで、音声を効率良く圧縮するためには、音声ス
ペクトルを人間の聴覚に適した形で近似する必要があ
る。

【０００４】ＬＰＣ(線形予測符号化)、ＰＡＲＣＯＲ
(自己相関線形予測)等の圧縮方法においては、波形その
ものの誤差による評価が不可能で、スペクトル誤差を基
準にして評価する。これらの圧縮方法は、スペクトルの
間の相対的な位相差を考慮せず、スペクトルの代表値を
決定してその代表値からスペクトル包絡線(エンベロー
プ)を再構成し、逆周波数変換を実行する。

【０００５】

【発明が解決しようとする課題】しかしながら、上述し
た従来の線形予測では、スペクトルの周波数に対しても
大きさに対しても感度が線形的である。また、スペクト
ルを変換する従来のＦＦＴスペクトル変換の方法では、
周波数軸が線形で人間の聴覚の特性に適合しない。人間
の聴覚では、音声の大きさや音程に対する感覚が対数的
であることが知られており、上記の方法では音声を効率
良く圧縮することができない。

【０００６】

【発明の目的】この発明は、上述した従来技術の課題に
鑑みてなされたものであり、人間の聴覚に適合した形で
音声データを圧縮することができ、かつ、圧縮率の高い
音声圧縮方法および装置を提供することを目的とする。

【０００７】

【課題を解決するための手段】この発明にかかる音声圧
縮方法は、上記の目的を達成させるため、入力された音
声データを対数スケールで周波数変換して対数スケール
で表されるスペクトル強度分布を抽出し、この分布を各
区間の積分値が等しくなるような周波数で有限個数に分
割し、各分割領域の幅と単一領域の積分値とを圧縮デー
タとして伝送することを特徴とする。

【０００８】

【実施例】以下、この発明にかかる音声圧縮方法および
装置の実施例を説明する。図１は、この発明の一実施例
にかかる音声圧縮装置を示す。

【０００９】実施例の音声圧縮装置は、入力された音声
データを対数スケールで周波数変換して対数スケールで
表されるスペクトル強度分布を抽出し、この分布を各区
間の積分値が等しくなるような周波数で有限個数に分割
して各分割領域の幅と単一領域の積分値とを圧縮データ
として伝送する。

【００１０】具体的には、図１に示されるようにマイク
ロフォン１から入力されてサンプリング回路２でサンプ
リングされた音声データが、周波数変換回路３に入力さ
れる。周波数変換回路３は、音声データを対数スケール
で周波数変換することにより、図２に示されるような対
数スケールで表されるスペクトル分布を抽出する。図２
の横軸は周波数を示し、縦軸は振幅を対数スケールで示
している。

【００１１】このスペクトル分布の情報は分割回路４に
入力され、分割回路４は、各区間の積分値が等しくなる
ように、すなわち、各領域の面積Ｓ1，Ｓ2，Ｓ3が等し
くなるように境界となる周波数ｓ0，ｓ1，ｓ2，ｓ3を決
定し、圧縮結果のパラメータとして各境界周波数間の距
離値ｓ1−ｓ0，ｓ2−ｓ1，ｓ3−ｓ2と平均面積値とを伝
送する。距離値は正数であるため、可変長符号化を用い
ればかなり高い圧縮率を得ることができる。

【００１２】なお、縦軸が振幅を表すため、各領域の面
積は音声のパワーの積分値を表すこととなる。また、そ
の値は対数スケールで表されているため、振幅の大きい
部分、すなわち音声パワーの大きい部分の比重が小さく
なるよう定められている。Ｗｅｂｅｒの法則によれば、
人間の聴覚で音声パワーの変化を感知できる最小変化量
は、その時聞いている音声の大きさに比例する。したが
って、振幅レベルの大きいところでの変化量を小さいと
ころでの変化量より軽い比重で評価することは、人間の
感覚的には合理的といえる。

【００１３】この方法では、分割領域の面積を変更する
ことにより、圧縮率をリニアに変化させることができ
る。分割領域の数が十分に多くなるよう圧縮率を設定す
れば、完全なスペクトル分布を再現できる。なお、可変
長符号化の手法を用いる場合には、音声パワー等の要素
の値に対応させて単位面積を変化させることもできる。

【００１４】一のサンプルタイミングでサンプリングし
た音声データのブロックを図１の回路で圧縮し、さらに
その圧縮されたデータを復元すると、精度良くスペクト
ル分布の再現ができる。しかしながら、連続するサンプ
ルタイミングでサンプリングした複数の音声データのブ
ロックを接続すると、接続点でノイズが発生する。

【００１５】そこで、この接続点におけるノイズを低減
するため、実施例では各ブロック間に重複区間を設け、
時間的に前のブロックのエンド部分でレベルを漸次減少
させると共に、後のブロックのスタート部分でレベルを
０から漸次増加させ、これらのエンド部分とスタート部
分とを重畳し、線形的に平均による平滑化を図ってい
る。

【００１６】図３は、この接続方法を示す。（ａ）のブ
ロックと（ｂ）のブロックとを接続する場合、（ａ）の
エンド部分と（ｂ）のスタート部分とをそれぞれ
（ａ'）、（ｂ'）に示すように漸次変化させ、これらを
重畳して（ｃ）に示す波形を得る。

【００１７】ただし、上記のノイズ低減対策は、レベル
のみの接続であるため、接続部分のスペクトル分布は復
元時には両ブロックの中間的なスペクトル分布とはなら
ない。その理由の一つは、周波数成分からスペクトル分
布に変換するときに失われた位相情報が、スペクトル分
布から周波数成分に逆変換するときに乱数によって与え
られるためにブロック毎に異なる値となるからである。
この位相情報の差が接続時にスペクトル分布の復元に悪
影響を与える。

【００１８】したがって、ブロック間のデータのスムー
スな接続のためには、単純な逆周波数変換ではなく、目
標とするスペクトル分布特性を有するフィルターを構成
する必要がある。

【００１９】

【発明の効果】以上説明したように、この発明によれ
ば、入力された音声データを対数スケールで周波数変換
してその積分値が等しくなるようスペクトル分布を分割
し、分割点の相対距離を圧縮された情報として出力する
ことにより、人間の聴覚に適合した非線形の符号化が可
能であり、また、少なくとも個々のサンプルタイミング
では、正確なスペクトル分布を復元することができ、分
割数を多く設定すれば、従来の方法と比較して少ない情
報量で、ほぼ完全な形でスペクトル分布を復元すること
が可能となる。

【図面の簡単な説明】

【図１】 この発明にかかる音声圧縮装置の一実施例を
示すブロック図である。

【図２】 周波数変換されてた異数スケールで表された
音声データのグラフである。

【図３】 ブロック接続のための平滑化処理の手順を示
す説明図である。

【符号の説明】

１ マイクロフォン ２ サンプリング回路 ３ 周波数変換回路 ４ 分割回路

Claims (2)

【特許請求の範囲】
1. 【請求項１】 入力された音声データを対数スケールで
   周波数変換して対数スケールで表されるスペクトル強度
   分布を抽出し、この分布を各区間の積分値が等しくなる
   ような周波数で有限個数に分割し、各分割領域の幅と単
   一領域の積分値とを圧縮データとして伝送することを特
   徴とする音声圧縮方法。
2. 【請求項２】 入力された音声データを対数スケールで
   周波数変換して対数スケールで表されるスペクトル分布
   を抽出する周波数変換回路と、 このスペクトル分布の情報から各区間の積分値が等しく
   なるように、境界となる周波数を決定する分割回路とを
   備え、 圧縮結果のパラメータとして各境界周波数間の距離値と
   平均面積値とを伝送することを特徴とする音声圧縮装
   置。