JPH09281997A - 音声符号化装置 - Google Patents

Abstract

(57)【要約】 【課題】 音声と非音声の境界が不自然でない再生音を
得ることができる音声符号化装置を提供する。 【解決手段】 入力信号が音声信号か非音声信号かを判
別する音声判別器２と、音声信号符号化用の遅延回路１
１，適応コードブック１２，確率コードブック１４等の
音声音源推定部と、非音声信号符号化用のランダム信号
発生器２１等の非音声音源推定部と、上記音声判別器２
による判別結果に基づいて上記音声音源推定部と非音声
音源推定部の何れの動作を行うかを選択するスイッチ制
御回路３とを備え、上記非音声音源推定部により符号化
するデータは、線形予測パラメータと、音源信号を表す
ランダム信号と、このランダム信号のゲインとを含み、
該ランダム信号のゲインは、そのときの入力信号である
非音声信号を上記音声音源推定部により符号化したとき
のゲインを所定の割合で抑圧した値に基づいて設定され
るものである音声符号化装置。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、音声符号化装置、
より詳しくは、音声信号をディジタル情報圧縮して記録
または伝送する音声符号化装置に関する。

【０００２】

【従来の技術】音声信号を効率良く圧縮するために広く
用いられている手段として、音声信号を、スペクトル包
絡を表す線形予測パラメータと、線形予測残差信号に対
応する音源パラメータとを用いて符号化する方式があ
る。このような線形予測の手段を用いた音声符号化方式
は、少ない伝送容量で比較的高品質な合成音声を得られ
ることから、最近のハードウェア技術の進歩と相まって
様々な応用方式が盛んに研究され、開発されている。

【０００３】また、さらに効率良く圧縮する技術とし
て、音声の状態に応じてビット配分を変化させる可変レ
ート符号化や高能率な音声符号化と非音声圧縮機能を組
み合わせる方式が知られており、例えば特公平２−３５
９９６号公報に、その一例が記載されている。

【０００４】

【発明が解決しようとする課題】しかしながら、上記特
公平２−３５９９６号公報に記載のものでは、音声を符
号化するときと非音声を符号化するときとで、その符号
化方法が大きく異なるために、特に音声区間と非音声区
間との境界において、再生音が非常に不自然なものとな
ってしまう難点がある。

【０００５】本発明は上記事情に鑑みてなされたもので
あり、非音声信号を符号化する場合にも自然な再生音を
得ることができる音声符号化装置を提供することを目的
としている。

【０００６】

【課題を解決するための手段】上記の目的を達成するた
めに、本発明の第１の音声符号化装置は、入力信号が音
声信号または非音声信号の何れであるかを判別する音声
判別手段と、音声信号を符号化するための音声音源推定
部と非音声信号を符号化するための非音声音源推定部と
を有してなる線形予測符号化手段と、上記音声判別手段
による判別結果に基づいて上記線形予測符号化手段によ
り音声信号と非音声信号の何れの符号化を行うかを選択
する符号化選択手段とを備え、上記非音声音源推定部に
より符号化するデータは線形予測パラメータと音源信号
を表すランダム信号とこのランダム信号のゲインとを含
み、該ランダム信号のゲインはそのときの入力信号であ
る非音声信号を上記音声音源推定部により符号化したと
きのゲインに基づいて設定されるものである。

【０００７】また、本発明の第２の音声符号化装置は、
上記第１の音声符号化装置において、上記ランダム信号
のゲインが、上記入力信号である非音声信号を上記音声
音源推定部により符号化したときのゲインを所定の割合
で抑圧した値に基づいて設定されるものである。

【０００８】従って、本発明の第１の音声符号化装置
は、音声判別手段が入力信号が音声信号または非音声信
号の何れであるかを判別し、線形予測符号化手段の音声
音源推定部が音声信号を符号化するとともに非音声音源
推定部が非音声信号を符号化し、符号化選択手段が上記
音声判別手段による判別結果に基づいて上記線形予測符
号化手段により音声信号と非音声信号の何れの符号化を
行うかを選択し、上記非音声音源推定部により符号化す
るデータは線形予測パラメータと音源信号を表すランダ
ム信号とこのランダム信号のゲインとを含み、該ランダ
ム信号のゲインはそのときの入力信号である非音声信号
を上記音声音源推定部により符号化したときのゲインに
基づいて設定される。

【０００９】また、本発明の第２の音声符号化装置は、
上記ランダム信号のゲインが、上記入力信号である非音
声信号を上記音声音源推定部により符号化したときのゲ
インを所定の割合で抑圧した値に基づいて設定される。

【００１０】

【発明の実施の形態】以下、図面を参照して本発明の実
施の形態を説明する。図１から図３は本発明の一実施形
態を示したものであり、図１は音声符号化装置の構成を
示すブロック図である。

【００１１】本実施形態の音声符号化装置は、コード駆
動線形予測符号化（ＣＥＬＰ）方式の音声符号化装置に
非音声圧縮機能を付加したものである。

【００１２】図１に示すように、入力端子に接続された
バッファメモリ１の出力端は３つに分岐されていて、第
１の出力端はサブフレーム分割器７を介して減算器８に
接続され、第２の出力端は線形予測分析手段たるＬＰＣ
分析器５の入力端に接続され、第３の出力端は音声判別
手段たる音声判別器２を介して符号化選択手段たるスイ
ッチ制御回路３に接続されている。

【００１３】このスイッチ制御回路３は、上記音声判別
器２による判別結果に応じて後述するスイッチ１９の開
閉動作を制御するものである。すなわち、音声判別器２
において入力信号が音声であると判定されればスイッチ
１９を閉じて後述する適応コードブック１２を有効に
し、非音声であると判定されればスイッチ１９を開いて
適応コードブック１２を無効にするようになっている。

【００１４】上記ＬＰＣ分析器５は、合成フィルタ６に
接続されていて、この合成フィルタ６には、音声音源推
定部を構成する適応コードブック１２と同音声音源推定
部を構成する確率コードブック１４とを用いて生成され
る信号が入力されるようになっている。

【００１５】すなわち、上記適応コードブック１２は、
乗算器１３とスイッチ１９とを介して加算器１７の第１
入力端子に接続されており、また、確率コードブック１
４は、乗算器１５とスイッチ１６とを介して上記加算器
１７の第２入力端子に接続されている。

【００１６】この加算器１７の出力端子は、合成フィル
タ６を介して上記減算器８の入力端子に接続されるとと
もに、音声音源推定部を構成する遅延回路１１を介して
上記適応コードブック１２に接続されている。

【００１７】上記確率コードブック１４の出力は、乗算
器１５とスイッチ１６とを介して非音声音源推定部たる
ランダム信号発生器２１にも出力されるようになってい
る。このランダム信号発生器２１の出力は、乗算器２２
およびスイッチ２３を介して上記加算器１７の第３入力
端子に接続されている。

【００１８】上記合成フィルタ６の出力端は、サブフレ
ーム分割器７が接続された減算器８および聴感重み付け
フィルタ９を介して誤差評価器１０の入力端子に接続さ
れている。この誤差評価器１０による評価結果は、マル
チプレクサ１８に出力されるようになっている。

【００１９】上述のような音声符号化装置において、線
形予測符号化手段は、上記遅延回路１１、適応コードブ
ック１２、確率コードブック１４、ランダム信号発生器
２１、乗算器１３，１５，２２、スイッチ１６，１９，
２３、加算器１７等を含んで構成されている。

【００２０】次に、図２は上記音声判別器２のより詳細
な構成を示すブロック図である。

【００２１】この音声判別器２に入力された上記バッフ
ァメモリ１の出力信号は、２つに分岐されて一方がフレ
ームエネルギー分析回路２ａに、他方が初期フレームエ
ネルギー分析回路２ｂに入力されるようになっている。

【００２２】上記フレームエネルギー分析回路２ａは加
算器２ｃの＋端子となっている第１入力端子に、上記初
期フレームエネルギー分析回路２ｂは該加算器２ｃの−
端子となっている第２入力端子にそれぞれ接続されてい
るとともに、さらに、初期フレームエネルギー分析回路
２ｂは、閾値決定回路２ｄにも接続されている。

【００２３】そして、上記加算器２ｃの出力端子と上記
閾値決定回路２ｄの出力端子は、共に判別回路２ｅに接
続されていて、この判別回路２ｅの出力が上記スイッチ
制御回路３に入力されるようになっている。

【００２４】次に、上記図１および図２に示したような
構成における信号の流れを説明する。

【００２５】入力端子から例えば８ｋＨｚ（すなわち、
１サンプル当たり１／８ｍｓ）でサンプリングされた原
音声信号を入力して、予め定められたフレーム間隔（例
えば２０ｍｓ、すなわち１６０サンプル）の音声信号を
バッファメモリ１に格納する。

【００２６】バッファメモリ１は、入力信号をフレーム
単位でサブフレーム分割器７とＬＰＣ分析器５と音声判
別器２とに送出する。

【００２７】この音声判別器２は、フレームの入力信号
が音声か非音声かを、例えば以下に説明するような方法
で判別する。

【００２８】上記図２に示したような構成の音声判別器
２において、フレームエネルギー分析回路２ａは、入力
されたフレーム入力信号のフレームエネルギーＥf を次
に示すような数式により算出する。

【００２９】

【数１】 ここに、ｓ（ｎ）はサンプルｎにおける入力信号、Ｎは
フレーム長をそれぞれ示している。

【００３０】また、上記初期フレームエネルギー分析回
路２ｂは、符号化を開始したときのフレームエネルギー
Ｅb を上記数式１と同様の数式を用いて算出する。

【００３１】上記閾値決定回路２ｄは、背景雑音エネル
ギーの大きさに応じて閾値を決定する。例えば、図３に
示すように、背景雑音エネルギーがｄＢ単位で増加する
に従って、閾値をｄＢ単位で減少させる関係により、閾
値を決定する。そして、その結果を判別回路２ｅに送出
する。

【００３２】加算器２ｃでは、フレームエネルギーＥf
を正として入力するとともに、初期フレームエネルギー
Ｅb を負として入力してこれらを加算することにより、
フレームエネルギーＥf から初期フレームエネルギーＥ
b を減算し、その減算結果を判別回路２ｅに送出する。

【００３３】そして、判別回路２ｅは、入力された減算
結果と閾値を比較して、減算結果が閾値より大きければ
フレーム入力信号は音声区間であると判別し、そうでな
ければ非音声区間であると判別する。

【００３４】図１に戻って、サブフレーム分割器７は、
フレームの入力信号を予め定められたサブフレーム間隔
（例えば５ｍｓ、つまり４０サンプル）に分割する。す
なわち、１フレームの入力信号から、第１サブフレーム
から第４サブフレームまでの４つのサブフレーム信号が
作成される。

【００３５】ＬＰＣ分析器５は、入力信号に対して線形
予測分析（ＬＰＣ分析）を行って、スペクトル特性を表
すスペクトルパラメータたる線形予測パラメータαを抽
出し、合成フィルタ６およびマルチプレクサ１８に送出
する。

【００３６】また、適応コードブックの遅れＬ、ゲイン
β、確率コードブックのインデックスｉ、ゲインγは、
次に説明するような手段により決定される。

【００３７】まず、適応コードブックの遅延Ｌとゲイン
βは、以下の処理によって決定される。

【００３８】遅延回路１１において、先行サブフレーム
における合成フィルタ６の入力信号すなわち駆動音源信
号に、ピッチ周期に相当する遅延を与えて適応コードベ
クトルとして作成する。

【００３９】例えば、想定するピッチ周期を４０〜１６
７サンプルとすると、４０〜１６７サンプル遅れの１２
８種類の信号が適応コードベクトルとして作成され、適
応コードブック１２に格納される。

【００４０】このときスイッチ１６は開いた状態となっ
ていて、各適応コードベクトルは乗算器１３でゲイン値
を可変して乗じた後に、加算器１７を通過してそのまま
合成フィルタ６に入力される。

【００４１】この合成フィルタ６は、線形予測パラメー
タα’を用いて合成処理を行い、合成ベクトルを減算器
８に送出する。この減算器８は、原音声ベクトルと合成
ベクトルとの減算を行うことにより誤差ベクトルを生成
し、得られた誤差ベクトルを聴感重み付けフィルタ９に
送出する。

【００４２】この聴感重み付けフィルタ９は、誤差ベク
トルに対して聴感特性を考慮した重み付け処理を行い、
誤差評価器１０に送出する。

【００４３】誤差評価器１０は、誤差ベクトルの２乗平
均を計算し、その２乗平均値が最小となる適応コードベ
クトルを検索して、その遅れＬとゲインβをマルチプレ
クサ１８に送出する。このようにして、適応コードブッ
ク１２の遅延Ｌとゲインβが決定される。

【００４４】続いて、確率コードブックのインデックス
ｉとゲインγは、以下の処理によって決定される。

【００４５】確率コードブック１４は、サブフレーム長
に対応する次元数（すなわち、上述の例では４０次元）
の確率コードベクトルが、例えば５１２種類予め格納さ
れており、各々にインデックスが付与されている。な
お、このときにはスイッチ１６は閉じた状態となってい
る。

【００４６】まず、上記処理によって決定された最適な
適応コードベクトルを、乗算器１３で最適ゲインβを乗
じた後に、加算器１７に送出する。

【００４７】次に、各確率コードベクトルを乗算器１５
でゲイン値を可変して乗じた後に、加算器１７に入力す
る。加算器１７は上記最適ゲインβを乗じた最適な適応
コードベクトルと各確率コードベクトルの加算を行い、
その結果が合成フィルタ６に入力される。

【００４８】この後の処理は、上記適応コードブックパ
ラメータの決定処理と同様に行われる。すなわち、合成
フィルタ６は線形予測パラメータα’を用いて合成処理
を行い、合成ベクトルを減算器８に送出する。

【００４９】減算器８は原音声ベクトルと合成ベクトル
との減算を行うことにより誤差ベクトルを生成し、得ら
れた誤差ベクトルを聴感重み付けフィルタ９に送出す
る。

【００５０】聴感重み付けフィルタ９は、誤差ベクトル
に対して聴感特性を考慮した重み付け処理を行い、誤差
評価器１０に送出する。

【００５１】誤差評価器１０は、誤差ベクトルの２乗平
均を計算して、その２乗平均値が最小となる確率コード
ベクトルを検索して、そのインデックスｉとゲインγを
マルチプレクサ１８に送出する。このようにして、確率
コードブック１４のインデックスｉとゲインγが決定さ
れる。

【００５２】上記マルチプレクサ１８は、量子化された
線形予測パラメータα’、適応コードブックの遅れＬ、
ゲインβ、確率コードブックのインデックスｉ、ゲイン
γの各々をマルチプレクスして伝送するものである。

【００５３】次に、非音声であると判定されたときの音
源信号のゲインの設定方法について説明する。

【００５４】音声判別器２により入力信号が非音声であ
ると判定されると、まず、音声時と同様にしてＬＰＣ分
析が行われる。これにより、非音声においてもＬＰＣ情
報が送出されるために入力信号の特徴をある程度保つこ
とができる。

【００５５】また、非音声であると判定された場合に
は、上述したように、スイッチ制御回路３がスイッチ１
９を開くために適応コードブック１２は動作せず、音源
信号としてはランダム信号発生器２１から発生させたラ
ンダム信号を用いている。

【００５６】上記ランダム信号のゲインは、そのときの
入力信号が仮に音声であるとみなして、一旦、確率コー
ドブック１４による探索を行い、音源信号を推定する。

【００５７】そして、ランダム信号発生器２１は、推定
された音源信号のエネルギーを計算し、発生するランダ
ム信号のエネルギーと音源信号のエネルギーとが等しく
なるように、発生するランダム信号のゲインを調節す
る。

【００５８】さらに、そのランダム信号のゲイン値は、
そのときの入力信号に対して仮に音声とみなしたときに
推定される音源信号のエネルギーを、所定の割合、例え
ば１／２に抑圧した値に設定する。

【００５９】このように音源信号のゲインは、仮に音声
とみなしたときに推定される音源信号のエネルギーに基
づいて設定されるために、音声区間と非音声区間の境界
で発生する不自然さを軽減することができる。

【００６０】また、入力信号に対して仮に音声とみなし
たときに推定される音源信号のエネルギーを所定の割合
に抑圧した値に設定するために、非音声時に耳につき易
い背景ノイズを軽減することができる。

【００６１】なお、音声判別器における音声判別方法
は、上述した手段に限るものではないことはいうまでも
ない。

【００６２】また、上記実施形態においては、コード駆
動線形予測符号化装置を一例として取り上げて説明した
が、線形予測パラメータと、線形予測残差信号に相当す
る駆動音源信号のパラメータとで表現する符号化装置で
あれば、当然にして、何れのものにも適用することが可
能である。

【００６３】このような実施形態によれば、非音声時の
音源信号のゲインを、仮に音声とみなしたときに推定さ
れる音源信号のエネルギーに基づいて設定するために、
音声区間と非音声区間の境界で発生する不自然さを軽減
することができて、非音声圧縮機能を用いても自然な再
生音を得ることができる音声符号化装置となる。

【００６４】

【発明の効果】以上説明したように請求項１に記載の発
明によれば、音源信号を表すランダム信号のゲインを、
そのときの入力信号である非音声信号を音声音源推定部
により符号化したときのゲインに基づいて設定するため
に、非音声信号を符号化する場合にも自然な再生音を得
ることができる。

【００６５】また、請求項２に記載の発明によれば、請
求項１に記載の発明と同様の効果を奏するとともに、非
音声であるときの背景雑音を抑制することができる。

【図面の簡単な説明】

【図１】本発明の一実施形態の音声符号化装置の構成を
示すブロック図。

【図２】上記実施形態の音声判別器のより詳細な構成を
示すブロック図。

【図３】上記実施形態において、音声判別器の閾値決定
回路により決定される閾値と背景雑音エネルギーとの関
係の一例を示す線図。

【符号の説明】

２…音声判別器（音声判別手段） ３…スイッチ制御回路（符号化選択手段） １１…遅延回路（音声音源推定部，線形予測符号化手段
の一部） １２…適応コードブック（音声音源推定部，線形予測符
号化手段の一部） １４…確率コードブック（音声音源推定部，線形予測符
号化手段の一部） ２１…ランダム信号発生器(非音声音源推定部,線形予測
符号化手段の一部)

Claims (2)

【特許請求の範囲】
1. 【請求項１】 入力信号が音声信号または非音声信号の
   何れであるかを判別する音声判別手段と、 音声信号を符号化するための音声音源推定部と非音声信
   号を符号化するための非音声音源推定部とを有してなる
   線形予測符号化手段と、 上記音声判別手段による判別結果に基づいて、上記線形
   予測符号化手段により音声信号と非音声信号の何れの符
   号化を行うかを選択する符号化選択手段と、 を備え、 上記非音声音源推定部により符号化するデータは、線形
   予測パラメータと、音源信号を表すランダム信号と、こ
   のランダム信号のゲインとを含み、該ランダム信号のゲ
   インは、そのときの入力信号である非音声信号を上記音
   声音源推定部により符号化したときのゲインに基づいて
   設定されるものであることを特徴とする音声符号化装
   置。
2. 【請求項２】 上記ランダム信号のゲインは、上記入力
   信号である非音声信号を上記音声音源推定部により符号
   化したときのゲインを所定の割合で抑圧した値に基づい
   て設定されるものであることを特徴とする請求項１に記
   載の音声符号化装置。