JPH1020890A

JPH1020890A - 音声符号化装置および情報記録媒体

Info

Publication number: JPH1020890A
Application number: JP8171483A
Authority: JP
Inventors: Naoya Tanaka; 中直也田
Original assignee: Matsushita Electric Industrial Co Ltd
Current assignee: Panasonic Holdings Corp
Priority date: 1996-07-01
Filing date: 1996-07-01
Publication date: 1998-01-23

Abstract

(57)【要約】【課題】複数のコードブックから選択したコードベク
トルの組み合わせにより、音源情報を符号化する音声符
号化装置において、音源の符号化により適するコードベ
クトルの組み合わせを選択し、音声品質を向上させる。【解決手段】複数のコードブックから、逐次的に音源
コードベクトルの組み合わせを選択する構成の駆動音源
生成部において、コードベクトル選択を２つの段階に分
け、第1 段階では、逆フィルタ１０３により算出された
予測残差１１８に対して誤差を小さくするような音源コ
ードベクトルの組を多数の候補を残すディレイドデシジ
ョンを用いて複数組選択する。第２段階では、第１段階
で選択された音源コードベクトル候補についてのみ合成
フィルタリングを行い、その合成音声１２０と入力音声
１１２との誤差に、聴覚的な重み付けを行った誤差１２
２を最小化する１組の音源コードベクトルを決定する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、入力音声信号を４
〜８ｋｂｐｓ程度のビットレートで符号化する音声符号
化装置およびそれをソフトウェアで実現するためのプロ
グラムを記憶した情報記憶媒体に関する。

【０００２】

【従来の技術】４〜８ｋｂｐｓ程度のビットレートの音
声符号化方法として、入力音声信号をあらかじめ定めら
れた時間長の音声フレームに分割し、各音声フレームを
分析してスペクトルパラメータを算出し、このスペクト
ルパラメータを係数とする合成フィルタを、コードブッ
クから選択した音源信号により励振することによって合
成音声信号を得る方法がある。この音声符号化方法は、
一般にＣＥＬＰ（Code Excited Liner Prediction codi
ng：符号励振線形予測符号化）と呼ばれている。ＣＥＬ
Ｐは一般に、過去の音源信号を蓄えておき、入力音声信
号のピッチ周期に応じて切り出して用いる適応コードブ
ックと、あらかじめ定められた形状の音源信号を格納し
てあり、その中から音源信号として最もふさわしいもの
を取り出して用いる雑音コードブックを持ち、合成フィ
ルタの入力となる音源信号（以下、これを励振音源信号
という）は、２つのコードブックから選択した音源信号
の線形和として生成される。

【０００３】以下、従来の励振音源信号の生成手段につ
いて図５を参照して説明する。図５において、まずピッ
チ周期分析手段５０１は入力音声５１１からピッチ候補
５１２を抽出する。次に適応コードブック５０３に蓄え
られた過去の音源信号から、ピッチ候補５１２に応じて
音源信号を切り出す。適応コードブック５０３から切り
出された適応コードベクトル候補５１３と、雑音コード
ブック５０５から切り出された雑音コードブックベクト
ル候補５１４との線形和により駆動音源候補５１５を生
成する。一方、線形予測分析手段５０２は、入力音声５
１１から線形予測係数５１６を算出し、線形予測合成フ
ィルタ５０７は、駆動音源候補５１５と線形予測係数５
１６とから合成音声５１７を得る。この合成音声５１７
と入力音声５１１との差をとり、聴覚重み付けフィルタ
５０８によって重み付けを行った後、誤差最小化手段５
０９によって聴覚重み付き誤差５１９を最小化するよう
な、適応コードベクトル、雑音コードベクトルおよびゲ
インコードブック５０６からのゲインコードの組み合わ
せを決定する。また、適応コードブックと切り替えて使
用できる固定形状コードブック５０４を設けることもで
きる。最終的に、各音源コードベクトル、ゲイン、およ
び別に符号化した線形予測係数に対応するインデクス
が、マルチプレクサ５１０で多重化され、符号化出力５
２１として出力される。このような構成を持つＣＥＬＰ
方式の音声符号化装置としては、例えば、ＰＤＣハーフ
レート標準ＰＳＩ−ＣＥＬＰ方式（財団法人電波システ
ム開発センター、デジタル方式自動車電話システム標準
規格ＲＣＲＳＴＤ−２７Ｃ）などが知られている。

【０００４】入力音声と合成音声の重み付けされた誤差
を、全コードブックのすべての組み合わせについて評価
するには膨大な演算が必要なため、各コードブックにつ
いて逐次的に最適なコードベクトル候補を選択する方法
がとられる。例えば、第１ステップとして適応コードベ
クトル単独で誤差を最小化する適応コードベクトル候補
を選択し、次のステップとして、第１ステップで選択さ
れた適応コードベクトル候補に対する組み合わせとして
雑音コードベクトルを選択し、最終ステップとして、ゲ
インコードを選択するものである。

【０００５】

【発明が解決しようとする課題】しかしながら、このよ
うな逐次的な選択方法では、最適なコードベクトルの組
み合わせは得られない。この問題を解決する方法の１つ
として、各ステップにおいて複数の候補を残して行き、
最終ステップでそれぞれの候補の組み合わせによる誤差
を比較し、誤差を最小にする組み合わせを選択するディ
レイドデシジョン法があるが、例えば、２つのコードブ
ックから逐次的に候補を選択するとき、第１ステップで
ｋ個の候補を残すと、第２ステップの演算量はｋ倍とな
る。したがって演算量の制約により、例えば第１ステッ
プのコードベクトル候補として残すことができる候補の
数は２つ程度の少数に制限されていた。

【０００６】本発明は、上記従来の問題を解決するもの
で、コードベクトル候補選択における誤差算出および評
価を２段階に分けて行うことにより、コードベクトル選
択に必要な演算量を削減し、多数のコードベクトル候補
を残してディレイドデシジョンを行うことによって、音
源情報を符号化するのにより適するコードベクトルの組
み合わせを選択し、符号化音声の品質を向上させること
を目的とするものである。

【０００７】

【課題を解決するための手段】上記目的を達成するため
に、本発明の音声符号化装置は、従来のＣＥＬＰを用い
た符号化装置に、線形予測係数を用いて、入力音声から
音源情報を表す予測残差を算出する逆フィルタと、予測
残差とコードベクトルとの誤差を最小化する誤差最小化
手段を設けたものであり、コードベクトル選択の過程
を、予測残差とコードベクトルとの誤差を最小化する第
１の誤差最小化手段を用いたコードベクトル選択と、入
力音声と合成音声との重み付き誤差を最小化する従来と
同様の第２の誤差最小化手段を用いたコードベクトル選
択の２段階に分けたものである。まず第１段階として、
第１の誤差最小化手段を用いて、予測残差とコードベク
トルとの誤差を小さくするコードベクトル候補の組み合
わせを、複数のコードブックについて逐次的に選択す
る。このとき、第１の誤差最小化手段は、第２の誤差最
小化手段と比較して演算量が少ないため、多数の候補を
残してのディレイドデシジョンが可能である。第１段階
では、コードベクトル候補の組み合わせを誤差を小さく
する方から複数組選択しておく。続いて第２段階では、
第１の誤差最小化手段を用いて選択したコードベクトル
の組み合わせについてのみ、第２の誤差最小化手段をも
ちいて評価を行い、入力音声と合成音声との聴覚的重み
付き誤差を最小にする１組のコードベクトルの組み合わ
せを決定する。以上により、音源情報を符号化するのに
より適するコードベクトルの組み合わせを選択すること
ができ、符号化音声の品質を向上させることができる。

【０００８】

【発明の実施の形態】本発明の請求項１に記載の発明
は、入力音声信号をスペクトル情報と音源情報に分離
し、音源情報を表す駆動音源信号を複数の音源コードブ
ックを参照して生成し、スペクトル情報を表す合成フィ
ルタを用いて駆動音源信号から合成音声信号を再生し、
その合成音声信号と入力音声信号との間の聴覚的に重み
付けされた誤差を最小化するコードをコードブックから
選択することによって、音声信号を符号化する装置にお
いて、誤差最小化に基づくコードベクトルの選択が、逆
フィルタにより算出された予測残差に対する駆動音源信
号の誤差を最小化する複数の候補を選択する第１の段階
と、第１段階において選択された複数の駆動音源候補に
対して合成フィルタリングを行って合成音声信号を生成
し、その合成音声信号と入力音声信号との間の聴覚的に
重み付けされた誤差を最小にする１組の候補を選択する
第２の段階からなるものであり、第１段階において、従
来法よりも多数の候補を残してディレイドデシジョン法
を適用することができることから、音源情報を符号化す
るのにより適するコードベクトルの組み合わせを選択す
ることができ、符号化音声の品質を向上させることがで
きる。

【０００９】また、請求項２に記載の発明は、請求項１
に記載の誤差最小化に基づくコード選択の第１段階が、
切り替えて使用できる複数の音源コードブックから駆動
音源候補を逐次的に選択する手段を有し、各音源コード
ブックからそれぞれ複数個の候補を選択して、そのすべ
ての組み合わせについて音源信号を生成するようにした
ものであり、誤差を小さくするコードベクトルの組み合
わせを選択することによって、音源情報を符号化するの
により適するコードベクトルの組み合わせを選択するこ
とができ、符号化音声の品質を向上させることができ
る。

【００１０】また、請求項３に記載の発明は、請求項１
に記載の誤差最小化に基づくコード選択の第１段階が、
切り替えて使用できる複数の音源コードブックから駆動
音源候補を逐次的に選択する手段を有する音源コードブ
ックの組を複数備え、各音源コードブックの組ごとに独
立して音源信号を生成するようにしたものであり、各音
源コードブックの組は各組毎にあらかじめ定められてい
る数のコードベクトル候補の組を出力するとともに、各
音源コードブックの組を、ある特徴づけられる音声の音
源として適するように調整しておくことにより、コード
選択の第２段階において、種々の特徴づけられた駆動音
源候補から合成音声を生成し、誤差を評価することがで
きる。したがって、音源情報を符号化するのにより適す
るコードベクトルの組み合わせを選択することができ、
符号化音声の品質を向上させることができる。

【００１１】また、請求項４に記載の発明は、請求項３
に記載の誤差最小化に基づくコード選択の第１段階が、
入力音声信号を分析して音声的特徴量を抽出する手段
と、その特徴量に基づいて、複数備えた音源コードブッ
クの組の中から入力音声信号に適する音源音源コードブ
ックの組を少なくとも１つ選択する判定手段と備えたも
のであり、誤差評価を行う音源コードプックの組を制限
することによって演算量を削減することができ、また、
入力音声の特徴に適した駆動音源信号を使用することに
よって、聴感的な音声品質を向上させることができる。

【００１２】また、請求項５に記載の発明は、本発明に
よる音声符号化装置を、信号処理プロセッサを用いてソ
フトウェアで実現するためのプログラムを記憶させたフ
ロッピディスクなどの記憶媒体であり、例えば、パーソ
ナルコンピュータなどの汎用信号処理装置上でソフトウ
ェアにより本発明による音声符号化装置を実現できるも
のである。

【００１３】以下、本発明の実施の形態について、図１
から図４を用いて説明する。（実施の形態１）図１は本発明の第１の実施の形態にお
ける音声符号化装置の構成を示すものである。図１にお
いて、１０１は入力音声１１２からピッチ候補１１３を
算出するピッチ周期分析手段、１０２は入力音声１１２
から線形予測係数を算出する線形予測分析手段、１０３
は入力音声１１２から音源情報を表す予測残差１１８を
算出する逆フィルタ、１０４は適応コードブック、１０
５は雑音コードブック、１０６はゲインコードブック、
１０７は適応コードブック１０４から切り出された適応
コードベクトル候補１１４と雑音コードブック１０５か
ら切り出された雑音コードベクトル１１５との線形和に
より生成された駆動音源候補１１６と線形予測分析手段
１０２からの線形予測係数１１７とを合成して合成音声
１２０を生成する線形予測合成フィルタ、１０８は合成
音声１２０と入力音声１１２との差をとった誤差１２１
を重み付けして聴覚重み付き誤差１２２を出力する聴覚
重み付けフィルタ、１０９は予測残差１１８と駆動音源
候補１１６との誤差を最小化する第１の誤差最小化手
段、１１０は聴覚重み付き誤差１２２を最小化する第２
の誤差最小化手段、１１１は各誤差最小化手段１０９、
１１０からのフィードバック１２３、１２４により組み
合わせを決定された適応コードブック１０４と雑音コー
ドブック１０５とゲインコードブック１０６の出力符号
と線形予測分析手段１０２からの出力符号とを多重化し
て符号化出力１２５を出力するマルチプレクサである。

【００１４】本実施の形態は、図５に示した従来のＣＥ
ＬＰを用いた符号化装置に、線形予測係数を用いて入力
音声から音源情報を表す予測残差を算出する逆フィルタ
１０３と、予測残差とコードベクトルとの誤差を最小化
する誤差最小化手段１０９とを追加し、コードベクトル
の選択を、この追加した誤差最小化手段１０９と従来か
らある誤差最小化手段１１０とで２段階で行うようにし
たものであり、他の構成および動作は従来例と同じなの
で、以下には従来例と異なる部分の動作についてのみ説
明する。

【００１５】図１において、線形予測分析手段１０２は
入力音声を分析し、線形予測係数１１７を算出する。こ
の線形予測係数１１７を用いた逆フィルタ１０３の伝達
関数は次式によって定義される。

【００１６】

【数１】ここで、α_iは線形予測係数、ｉは時間軸上のサンプル
点を表す添え字、ＮＰは線形予測分析の次数である。ま
た、線形予測係数１１７を用いた合成フィルタ１０７の
伝達関数は次式で定義される。

【００１７】

【数２】予測残差１１８ｅは入力音声１１２ｘと逆フィルタ１０
３を用いて、

【００１８】

【数３】で表される。ｅを駆動音源とすれば、合成フィルタ１０
７を用いて、Ｘ（ｚ）＝Ａ（ｚ）Ｅ（ｚ）・・・（４）であるから、予測残差１１８ｅを正確に符号化できれ
ば、入力音声１１２ｘは再現できることになる。したが
って、音源コードベクトルを組み合わせることによっ
て、予測残差１１８との誤差を最小にするような駆動音
源を生成すればよい。予測残差e と音源コードベクトル
ｃ_jの誤差をとして、誤差１１９Ｅ_rを最小化するため
の評価式は、

【００１９】

【数４】ここで、ｊは音源コードベクトルにつけられたインデク
ス、ｇ_rは理想的なゲインである。

【００２０】しかしながら、予測残差上の符号化に伴う
誤差（符号化歪み）の大きさと、合成音声の聴感上の音
声品質は必ずしも一致しないため、ＣＥＬＰ方式では、
コードベクトルから生成した駆動音源から合成音声を生
成し、入力音声との誤差に聴覚重み付けフィルタ１０８
Ｗ（ｚ）を用いて聴感的な重み付けをしてから誤差の評
価を行い、誤差を最小にするコードベクトルの組み合わ
せを決定する。このとき、評価尺度となる聴覚的に重み
付けされた誤差１２２Ｅ_wは、

【００２１】

【数５】ただし、ｔは入力音声ｘを聴覚重み付けフィルタＷ
（ｚ）によって重み付けしたターゲットベクトル、ｇ_c
は理想的なゲイン、Ｈは（８）式で与えられる、合成フ
ィルタと聴覚重み付けフィルタを縦続接続したフィルタ
Ａ（ｚ）Ｗ（ｚ）のインパルス応答行列である。

【００２２】

【数６】ただし、ｈ（ｉ）はフィルタＡ（ｚ）Ｗ（ｚ）のインパ
ルス応答、ｋはインパルス応答の長さである。（７）式
のＥ_wを最小化するための評価式は、

【００２３】

【数７】と表され、（９）式を満たすコードベクトルが求めるコ
ードベクトルである。複数のコードブックから逐次的に
コードベクトルを選択するには、ターゲットベクトルt
から前のステップで決定したコードベクトルの影響を引
き算するか、あるいは、選択しようとするコードブック
のコードベクトルを、前のステップで選択したコードベ
クトルに対して直交化させてから、（９）式を適用すれ
ばよい。

【００２４】しかしながら、すべてのコードベクトルcj
に対して、（９）式を適用すると演算量が非常に大きく
なるため、まず（９）式の分子部分だけを用いて評価を
行って、候補となるコードベクトルの数を少なくする予
備選択を行ってから、改めて（９）式を用いて評価を行
うことが多い。ただし、予備選択では（９）式の分母部
分を無視するため、予備選択で残す候補を少なくする
と、最適なコードベクトルが選択されない可能性が高く
なり、音声品質が劣化する。したがって、予備選択にお
いて、例えば１つのコードブックについて４から６候補
程度を残すとすると、多数の候補を残してのディレイド
デシジョンの実行は演算量が非常に大きくなるために難
しくなる。

【００２５】これに対して、本実施の形態におけるの音
声符号化装置によれば、音源コードベクトル選択の第１
段階は、誤差最小化手段１０９により、評価式（６）を
用いて行われる。評価式（６）はインパルス行列H を含
まないため、評価式（９）と比較して演算量は少ない。
さらに、音源コードベクトルｃ_jのエネルギ｜ｃ_j｜ ²
が正規化されているコードブックに対しては、（６）式
の分子部分の演算だけで評価ができる利点があり、演算
量はさらに削減される。したがって（６）式を用いた評
価においては、多数の候補を残してのディレイドデシジ
ョンが容易となる。多数候補によるディレイドデシジョ
ンの実行により、予測残差１１８をより正確に符号化す
る音源コードベクトルの組み合わせが選択できることに
なるが、その結果として、入力音声と合成音声との誤差
が減少することは（４）式より明らかである。ただし、
上記したように、予測残差上の符号化歪みの大きさと聴
感上の音声品質は必ずしも一致しないため、第１段階で
は、複数の音源コードベクトルの組み合わせを候補とし
て残しておき、第２段階では誤差最小化手段１１０が、
第１段階で選択された候補に対してのみ、従来のＣＥＬ
Ｐ方式と同様に（９）式を用いて評価を行い、聴覚的に
重み付けされた誤差Ewを最小化する一組の音源コードベ
クトルの組み合わせを決定する。決定されたコードベク
トルの組み合わせに対するゲインはゲインコードブック
１０６を用いて量子化される。最終的に、各音源コード
ベクトル、ゲイン、および別に符号化した線形予測係数
に対応するインデクスが、マルチプレクサ１１１で多重
化され、符号化出力１２５として出力される。

【００２６】なお、ゲインコードブックを含めたディレ
イドデシジョンを行うことも可能であり、第２段階の選
択においても候補を複数残しておき、ゲインの量子化を
行ってから、誤差を最小にするコードベクトルとゲイン
の組を決定すればよい。

【００２７】（実施の形態２）図２は本発明の第２の実
施の形態における音声符号化装置の構成を示すものであ
る。図２において、２０１は入力音声２１２からピッチ
候補２１３を算出するピッチ周期分析手段、２０２は入
力音声２１２から線形予測係数を算出する線形予測分析
手段、２０３は入力音声２１２から音源情報を表す予測
残差２１８を算出する逆フィルタ、２０４は適応コード
ブック２０４ａおよび固定形状コードブック２０４ｂと
これらのコードブックから駆動音源候補を逐次的に選択
するスイッチ２０４ｃとからなる音源コードブックの第
１グループ、２０５は２つの雑音コードブック２０５
ａ、２０５ｂとこれら雑音コードブックから駆動音源候
補を逐次的に選択するスイッチ２０５ｃとからなる音源
コードブックの第２グループ、２０６はゲインコードブ
ック、２０７は第１グループ２０４から切り出されたコ
ードベクトル候補１１４と第２グループ２０５から切り
出されたコードベクトル候補２１５との線形和により生
成された駆動音源候補２１６と線形予測分析手段２０２
からの線形予測係数２１７とを合成して合成音声２２０
を生成する線形予測合成フィルタ、２０８は合成音声２
２０と入力音声２１２との差をとった誤差２２１を重み
付けして聴覚重み付き誤差２２２を出力する聴覚重み付
けフィルタ、２０９は予測残差２１８と駆動音源候補２
１６との誤差を最小化する第１の誤差最小化手段、２１
０は聴覚重み付き誤差２２２を最小化する第２の誤差最
小化手段、２１１は各誤差最小化手段２０９、２１０か
らのフィードバック２２３、２２４により組み合わせを
決定された第１グループ２０４と第２グループ２０５と
ゲインコードブック２０６の出力符号と線形予測分析手
段２０２からの出力符号とを多重化して符号化出力２２
５を出力するマルチプレクサである。

【００２８】本実施の形態は、図１に示した第１の実施
の形態における符号化装置の音源コードブックである適
応コードブック１０４と雑音コードブック１０５を変更
して、逐次選択の第１ステップで使用する第１グループ
２０４と第２ステップで使用する第２グループ２０５と
に分け、各グループ内のコードブックをスイッチにより
切り替えて選択するようにしたものであり、他の構成お
よび動作は第１の実施の形態と同じなので、以下には第
１の実施の形態と異なる部分の動作についてのみ説明す
る。

【００２９】各グループに属する音源コードブックは、
それぞれある特徴づけられる入力音声に適するように調
整されている。まず、第１段階の誤差最小化手段２０９
は、逐次選択の第１ステップで使用する第１グループ２
０４に属するすべての音源コードブックに対して誤差評
価を行い、誤差２１９を小さくする複数の音源コードベ
クトルを候補として選択する。続いて、逐次選択の第２
ステップで使用する第２グループ２０５に属するすべて
の音源コードブックについて、第１ステップで選択され
た候補との組み合わせにおいて、誤差２１９を小さくす
る複数の候補を選択する。第１段階で選択された候補に
対しては、第２段階の誤差最小化手段２１０が誤差評価
を行い、最終的に聴覚的重み付き誤差２２２を最小にす
る１組の音源コードベクトルを決定する。このような構
成によって、より入力音声の特徴に合った音源を生成す
ることができ、符号化した音声の品質を向上することが
できる。

【００３０】（実施の形態３）

【００３１】図３は本発明の第３の実施の形態における
音声符号化装置の構成を示すものである。図３におい
て、３０１は入力音声３１２からピッチ候補３１３を算
出するピッチ周期分析手段、３０２は入力音声３１２か
ら線形予測係数を算出する線形予測分析手段、３０３は
入力音声３１２から音源情報を表す予測残差３１８を算
出する逆フィルタ、３０４は適応コードブックからなる
音源コードブックの第１グループ、３０５は２つの雑音
コードブック３０５ａ、３０５ｂとこれら雑音コードブ
ックから駆動音源候補を逐次的に選択するスイッチ３０
５ｃとからなる音源コードブックの第２グループであ
り、これら第１および第２グループを１組として第１組
３２６と第２組３２７との２つの組が設けられている。
３０６は第１組３２６および第２組３２７からそれぞれ
出力された音源コードベクトルを増幅する増幅器３２
８、３２９の増幅度を決定するためのゲインコードブッ
ク、３０７は第１組３２６から選択されたコードベクト
ル候補の線形和である駆動音源候補３１４と、第２組３
２７から選択されたコードベクトル候補の線形和である
駆動音源候補３１５とをスイッチ３３０により選択した
結果である駆動音源候補３１６と、線形予測分析手段３
０２からの線形予測係数３１７とを合成して合成音声３
２０を生成する線形予測合成フィルタ、３０８は合成音
声３２０と入力音声３１２との差をとった誤差３２１を
重み付けして聴覚重み付き誤差３２２を出力する聴覚重
み付けフィルタ、３０９は予測残差３１８と駆動音源候
補３１６との誤差を最小化する第１の誤差最小化手段、
３１０は聴覚重み付き誤差３２２を最小化する第２の誤
差最小化手段、３１１は各誤差最小化手段３０９、３１
０からのフィードバック３２３、３２４により組み合わ
せを決定された第１組３２６と第２組３２７とゲインコ
ードブック３０６の出力符号と、線形予測分析手段３０
２からの出力符号とを多重化して符号化出力３２５を出
力するマルチプレクサである。

【００３２】本実施の形態は、図２に示した第２の実施
の形態における符号化装置の音源コードブックである第
１グループ２０４と第２グループ２０５を変更して、逐
次選択の第１ステップで使用するグループから選んだ少
なくとも１つの音源コードブックと、第２ステップで使
用するグループから選んだ少なくとも１つの音源コード
ブックとを組として、その音源コードブックの組を複数
用意し、それぞれをスイッチにより切り替えて選択する
ようにしたものであり、他の構成および動作は第２の実
施の形態と同じなので、以下には第２の実施の形態と異
なる部分の動作についてのみ説明する。

【００３３】各組に属する音源コードブックは、それぞ
れある特徴づけられる入力音声に適するように調整され
ている。まず、第１段階の誤差最小化手段３０９は、逐
次選択の第１ステップで使用する第１グループ３０４に
属する音源コードブックのうち、第１組に含まれる音源
コードブックに対して誤差評価を行い、誤差３１９を小
さくする複数の音源コードベクトルを候補として選択す
る。続いて、逐次選択の第２ステップで使用する第２グ
ループ３０５に属する音源コードブックのうち、第１組
に含まれる音源コードブックについて、第１ステップで
選択された候補との組み合わせにおいて、誤差３１９を
小さくする複数の候補を選択し、第１組の駆動音源候補
３１４とする。同様にして、第２組からも誤差３１９を
小さくする複数の候補を選択し、第２組の駆動音源候補
３１５とする。第１段階で選択された候補３１４、３１
５に対しては、第２段階の誤差最小化手段３１０が誤差
評価を行い、最終的に聴覚的重み付き誤差３２２を最小
にする１組の音源コードベクトルを決定する。このよう
に、逐次選択によって駆動音源候補を生成する複数のコ
ードブックの組を設けることにより、コードブックの組
毎に、ある特徴づけられる音声の音源として適する駆動
音源候補を生成することができ、符号化した音声の品質
を向上することができる。

【００３４】（実施の形態４）図４は本発明の第４の実
施の形態における音声符号化装置の構成を示すものであ
る。図４において、４０１は入力音声４１２からピッチ
候補４１３を算出するピッチ周期分析手段、４０２は入
力音声４１２から線形予測係数を算出する線形予測分析
手段、４０３は入力音声４１２から音源情報を表す予測
残差４１８を算出する逆フィルタ、４０４は適応コード
ブックからなる音源コードブックの第１グループ、４０
５は２つの雑音コードブック４０５ａ、４０５ｂとこれ
ら雑音コードブックから駆動音源候補を逐次的に選択す
るスイッチ４０５ｃとからなる音源コードブックの第２
グループであり、これら第１および第２グループを１組
として第１組４２６と第２組４２７との２つの組が設け
られている。４０６は第１組４２６および第２組４２７
からそれぞれ出力された音源コードベクトルを増幅する
増幅器４２８、４２９の増幅度を決定するためのゲイン
コードブック、４０７は第１組４２６から選択されたコ
ードベクトル候補の線形和である駆動音源候補４１４
と、第２組４２７から選択されたコードベクトル候補の
線形和である駆動音源候補４１５とをスイッチ４３０に
より選択した結果である駆動音源候補４１６と、線形予
測分析手段４０２からの線形予測係数４１７とを合成し
て合成音声４２０を生成する線形予測合成フィルタ、４
０８は合成音声４２０と入力音声４１２との差をとった
誤差４２１を重み付けして聴覚重み付き誤差４２２を出
力する聴覚重み付けフィルタ、４０９は予測残差４１８
と駆動音源候補４１６との誤差を最小化する第１の誤差
最小化手段、４１０は聴覚重み付き誤差４２２を最小化
する第２の誤差最小化手段、４１１は各誤差最小化手段
４０９、４１０からのフィードバック４２３、４２４に
より組み合わせを決定された第１組４２６と第２組４２
７とゲインコードブック４０６の出力符号と、線形予測
分析手段４０２からの出力符号とを多重化して符号化出
力４２５を出力するマルチプレクサである。

【００３５】本実施の形態は、図３に示した第３の実施
の形態における符号化装置の構成に、入力音声を分析し
て特徴量を抽出する手段４３１と、その特徴量に基づい
て、複数ある音源コードブックの組の中から入力音声信
号に適する音源コードブックの組を少なくとも１つ選択
する判定手段４３２とを追加したものであり、他の構成
および動作は第３の実施の形態と同じなので、以下には
第３の実施の形態と異なる部分の動作についてのみ説明
する。

【００３６】特徴量抽出手段４３１は、入力音声４１２
を分析して、入力音声の性質を表す特徴量を抽出する。
判定手段４３２は、抽出された特徴量を基に、入力音声
の音源として適する音源コードブックの組を少なくとも
１つ選択する。第１段階の誤差最小化手段４０９は、判
定手段４３２によって選択された音源コードブックの組
についてのみ、音源コードベクトルの選択を行い、複数
の駆動音源候補４１６を生成する。第２段階の誤差最小
化手段は、駆動音源候補４１６の中から、聴覚重み付き
誤差４２２を最小にする１組の音源コードベクトルを決
定する。このような構成によって、コードベクトルの選
択を行うコードブックの数を制限することにより、演算
量の削減が可能となる。さらに、入力音声の性質に適し
た音源コードブックから駆動音源を生成するため、予測
残差上の誤差および聴覚重み付き誤差での評価尺度と一
致しない部分の聴感上の音声品質を向上させることがで
きる。

【００３７】（実施の形態５）本発明の第５の実施の形
態は、上記各実施の形態における音声符号化装置の処理
アルゴリズムをプログラミング言語によって記述し、ソ
フトウェアとして実現したものである。プログラムをフ
ロッピディスク等の記憶媒体に記録しておき、パーソナ
ルコンピュータ等の汎用信号処理装置に記憶媒体を接続
してプログラムを実行させることにより、パーソナルコ
ンピュータ等においても本発明の音声符号化装置の機能
を実現することができる。

【００３８】

【発明の効果】以上のように、本発明は、従来のＣＥＬ
Ｐを用いた符号化装置に、入力音声から音源情報を表す
予測残差を算出する逆フィルタと、この逆フィルタから
の予測残差とコードベクトルとの誤差を最小化する追加
の誤差最小化手段を設け、誤差最小化に基づくコードベ
クトルの選択を、予測残差に対する駆動音源信号の誤差
を最小化する複数の候補を選択する第１の段階と、第１
段階において選択された複数の駆動音源候補に対して合
成フィルタリングを行って合成音声信号を生成し、その
合成音声信号と入力音声信号との間の聴覚的に重み付け
された誤差を最小にする１組の候補を選択する第２の段
階から構成することにより、音源情報を符号化するのに
より適するコードベクトルの組み合わせを選択すること
ができ、符号化音声の品質を向上させることができると
いう効果が得られる。

【図面の簡単な説明】

【図１】本発明の実施の形態１における音声符号化装置
のブロック図

【図２】本発明の実施の形態２における音声符号化装置
のブロック図

【図３】本発明の実施の形態３における音声符号化装置
のブロック図

【図４】本発明の実施の形態４における音声符号化装置
のブロック図

【図５】従来のＣＥＬＰ方式による音声符号化装置のブ
ロック図

【符号の説明】

１０１、２０１、３０１、４０１ピッチ周期分析手段１０２、２０２、３０２、４０２線形予測分析手段１０３、２０３、３０３、４０３逆フィルタ１０４適応コードブック１０５雑音コードブック１０６、２０６、３０６、４０６ゲインコードブック１０７、２０７、３０７、４０７合成フィルタ１０８、２０８、３０８、４０８聴覚重み付けフィル
タ１０９、２０９、３０９、４０９第１の誤差最小化手
段１１０、２１０、３１０、４１０第２の誤差最小化手
段１１１、２１１、３１１、４１１マルチプレクサ１１２、２１２、３１２、４１２入力音声１１３、２１３、３１３、４１３ピッチ候補１１４適応コードベクトル候補１１５雑音コードベクトル候補１１６、２１６、３１６、４１６駆動音源候補１１７、２１７、３１７、４１７線形予測係数１１８、２１８、３１８、４１８予測残差１１９、２１９、３１９、４１９予測残差と駆動音源
候補の誤差１２０、２２０、３２０、４２０合成音声１２１、２２１、３２１、４２１入力音声と合成音声
の誤差１２２、２２２、３２２、４２２聴覚重み付き誤差１２３、２２３、３２３、４２３第１の誤差最小化手
段によるコードブックに対するフィードバック１２４、２２４、３２４、４２４第２の誤差最小化手
段によるコードブックに対するフィードバック１２５、２２５、３２５、４２５符号化出力２０４、３０４、４０４音源コードブックの第１グル
ープ２０５、３０５、４０５音源コードブックの第２グル
ープ３２６、４２６音源コードブックの第１組３２７、４２７音源コードブックの第２組３２８、４２８、３２９、４２９増幅器３３０、４３０スイッチ４３１特徴量抽出手段４３２判定手段

Claims

【特許請求の範囲】

【請求項１】入力音声信号をスペクトル情報と音源情
報に分離し、音源情報を表す駆動音源信号を複数の音源
コードブックを参照して生成し、スペクトル情報を表す
合成フィルタを用いて駆動音源信号から合成音声信号を
再生し、その合成音声信号と入力音声信号との間の聴覚
的に重み付けされた誤差を最小化するコードをコードブ
ックから選択することによって、音声信号を符号化する
装置において、誤差最小化に基づくコードの選択が、逆
フィルタより算出された予測残差に対する駆動音源信号
の誤差を最小化する複数の候補を選択する第１の段階
と、第１段階において選択された複数の駆動音源候補に
対して合成フィルタリングを行って合成音声信号を生成
し、その合成音声信号と入力音声信号との間の聴覚的に
重み付けされた誤差を最小にする１組の候補を選択する
第２の段階からなることを特徴とする音声符号化装置。
【請求項２】誤差最小化に基づくコード選択の第１段
階が、切り替えて使用できる複数の音源コードブックか
ら駆動音源候補を逐次的に選択する手段を有し、各音源
コードブックからそれぞれ複数個の候補を選択して、そ
のすべての組み合わせについて音源信号を生成すること
を特徴とする請求項１記載の音声符号化装置。
【請求項３】誤差最小化に基づくコード選択の第１段
階が、切り替えて使用できる複数の音源コードブックか
ら駆動音源候補を逐次的に選択する手段を有するコード
ブックの組を複数備え、各音源コードブックの組ごとに
独立して音源信号を生成することを特徴とする請求項１
記載の音声符号化装置。
【請求項４】誤差最小化に基づくコード選択の第１段
階が、入力音声信号を分析して音声的特徴量を抽出する
手段と、その特徴量に基づいて、複数備えた音源コード
ブックの組の中から入力音声信号に適する音源コードブ
ックの組を少なくとも１つ選択する判定手段とを備えた
ことを特徴とする請求項３記載の音声符号化装置。
【請求項５】請求項１から４のいずれかに記載の音声
符号化装置を、信号処理プロセッサを用いてソフトウェ
アで実現するためのプログラムを記憶した情報記憶媒
体。