JPH11133999A - 音声符号化・復号化装置 - Google Patents

Abstract

(57)【要約】 【課題】 Ｎ個の二次誤差信号を表現するパラメータか
らＭ個の二次誤差信号を表現するパラメータを選択・送
信し，メモリ量・演算量を削減し，かつＭ個の二次誤差
信号からＮ個の元のスペクトル列を生成して音声合成
し，音質向上を図る。 【解決手段】 二次誤差信号を周波数領域に変換する周
波数領域変換部４０１と，周波数領域からＮ個のスペク
トル列を生成し，符号化する係数符号化器４０２と，係
数符号化器４０２で符号化されたＮ個のスペクトル列か
ら任意のＭ個（Ｎ＞Ｍ）のスペクトル列を選択し，Ｍ個
のスペクトル列を二次誤差信号の周波数表現として符号
化する係数選択器４０３と，符号化されたＭ個のスペク
トル列を蓄積する蓄積部４０３と，音声再生時に，Ｍ個
のスペクトル列からＮ個のスペクトル列を生成し，実時
間波形に逆変換する補間器４０５とを備えた。

Description

【発明の詳細な説明】

【０００１】

【発明が属する技術分野】本発明は，留守番電話や，音
声応答システム，ボイスメールなどに適用される音声符
号化・復号化装置に関し，より詳細には，アナログ音声
波形を入力してデジタル音声波形に変換した後，該デジ
タル音声波形を所定の符号化方式で符号化して低メモリ
量と演算時間の削減を図ると共に，復号の際にＭ個のス
ペクル列（あるいは圧縮したビット数）からＮ個のスペ
クトルを生成して合成音の音質を向上させる音声符号化
・復号化装置に関する。

【０００２】

【従来の技術】近年，自動車電話などの移動体通信にお
けるチャンネル容量の拡大や，マルチメディア通信にお
ける膨大な情報の蓄積・伝送を行う必要があるため，実
用的な低ビットレート音声符号化に対する要求が高まっ
ている。また，ファクシミリ・モデムの付加機能とし
て，留守番電話のための音声符号化手法の実用化も期待
されている。

【０００３】現在，１０ｋｂｐｓ以下の低ビットレート
音声符号化方式では．ＣＥＬＰ（Ｃｏｄｅ Ｅｘｃｉｔ
ｅｄ Ｌｉｎｅａｒ Ｐｒｅｄｉｃｔｉｏｎ ｃｏｄｉ
ｎｇｓｙｓｔｅｍ：ＡＴ＆Ｔ，Ｂｅｌｌ Ｌａｂｏｒａ
ｔｏｒｉｅｓが開発した音声コーディックの一種）方式
が主流となっている。このＣＥＬＰ方式は，線形予測に
基づく音声のＡＲ（Ａｕｔｏ Ｒｅｇｒｅｓｓｉｖｅ：
自己回帰）モデルに基づいた符号方式である。

【０００４】具体的には，符号化側において，音声をフ
レームあるいはサブフレームと呼ばれる単位に分割し，
それぞれの単位についてスペクトル包絡を表すＬＰＣ
（Ｌｉｎｅａｒ Ｐｒｅｄｉｃｔｉｏｎ Ｃｏｄｉｎ
ｇ：線形予測）係数と，そのピッチ情報を表すピッチラ
グと，音源情報である雑音情報と，利得とを抽出し，そ
れぞれ符号化して格納または伝送するものである。

【０００５】また，復号側では，符号化された各情報を
復元し，雑音情報にピッチ情報を加えることによって励
振源信号を生成し，この励振源信号をＬＰＣ係数で構成
される線形予測合成フィルタを通し，合成音声を得るも
のである。

【０００６】

【発明が解決しようとする課題】しかしながら，上記に
示されるような従来のＣＥＬＰ方式にあっては，１０ｋ
ｂｐｓの低ビットレートにおいて，良好な音声を得るこ
とができるという利点を有する反面，それぞれのパラメ
ータの符号化過程（ＣＥＬＰ方式による符号化過程）に
おける演算量が多いという問題点があった。

【０００７】特に，ピッチラグの符号化や雑音励振源の
符号化については，符号化された励振源信号を線形予測
合成フィルタに通した合成音声を生成し，原音声と比較
する必要がある。このフィルタ演算には多くの演算が必
要となるので，すべての励振源信号をフィルタに通すこ
とは現実的ではない。このため，最近ではさまざな演算
量削減の手法が提案されている。

【０００８】その手法の１つとして，たとえば，フィル
タ演算を行って比較せずに，近似によって原音声との比
較を行うことのできるパラメータによって絞り込むとい
う予備選択手法が提案されている。

【０００９】また，雑音源は，与えられたビット数に相
当する数の雑音ベクトルを蓄えているのが一般的であ
る。そして，その構成を工夫することによって演算量を
削減する手法も提案されている。たとえば，雑音ベクト
ルをビット数だけ有し，それらの和や差で雑音源を表す
ＶＳＥＬＰ（Ｖｅｃｔｏｒ Ｓｕｍ ＥｘｃｉｔｅｄＬ
ｉｎｅａｒ Ｐｒｅｄｉｃｔｉｏｎ Ｃｏｄｉｎｇ：日
米デジタル携帯電話の音声コーディック方式の１つ）が
その一例である。

【００１０】ところが，実用的な低ビットレート音声符
号化に対する要求から，従来のＣＥＬＰ方式における演
算量を削減する方法（予備選択手法，ＶＳＥＬＰ方式な
ど）の他にも，それらとは異なる方法で演算量を削減，
しかも高品質な音声合成が可能なものも要望されてい
る。

【００１１】本発明は，上記に鑑みてなされたものであ
って，Ｎ個の二次誤差信号を表現するパラメータからＭ
個の二次誤差信号を表現するパラメータを選択・送信す
ることによりメモリ量および演算量を削減し，かつＭ個
の二次誤差信号からＮ個の元のスペクトル系列を生成し
て音声合成を行うことにより，音質の向上を図ることを
目的とする。

【００１２】

【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，請求項１に係る音声符号化・復号化装置にあって
は，アナログ音声波形を入力し，デジタル音声波形に変
換するＡ／Ｄ変換手段と，前記デジタル音声波形から，
フレームあるいはサブフレームと呼ばれる単位に分割す
るフレーム分割手段と，雑音源情報を抽出・符号化する
際に，前記フレームあるいはサブフームからピッチ情報
およびスペクトル包絡情報から生成されるピッチ成分音
声を除去した成分である二次誤差信号を抽出・符号化す
ることにより前記雑音源情報の符号化を行う抽出・符号
化手段とを有し，前記デジタル音声波形を所定の符号化
方式で符号化する音声符号化手段と，前記符号化された
デジタル音声波形を蓄積する蓄積手段と，符号化された
前記スペクトル包絡情報，ピッチ情報および雑音情報を
復元し，前記復元したスペクトル包絡情報，ピッチ情報
および雑音情報から励振源信号を生成し，前記励振源信
号と前記復元したスペクトル包絡情報から合成音声を生
成する際に，前記蓄積手段から前記符号化されたデジタ
ル音声波形を取り出し，復号化する音声復号化手段と，
前記復号化されたデジタル音声波形をアナログ音声波形
に変換するＤ／Ａ変換手段と，を備えた音声符号化・復
号化装置において，前記二次誤差信号を周波数領域に変
換する周波数領域変換手段と，前記周波数領域からＮ個
のスペクトル列を生成し，符号化する係数符号化手段
と，前記係数符号化手段で符号化されたＮ個のスペクト
ル列から任意のＭ個（Ｎ＞Ｍ）のスペクトル列を選択
し，該Ｍ個のスペクトル列を二次誤差信号の周波数表現
として符号化する係数選択手段と，前記係数選択手段で
符号化されたＭ個のスペクトル列を蓄積するスペクトル
列蓄積手段と，音声再生時に，前記Ｍ個のスペクトル列
からＮ個のスペクトル列を生成し，実時間波形に逆変換
する係数補間・復元手段と，を備えたものである。

【００１３】すなわち，請求項１に係る音声符号化・復
号化装置によれば，たとえばＣＥＬＰ符号化に属する音
声符号化手法を用いて二次誤差信号を直接符号化するこ
とにより，符号帳およびフィルタ計算による符号帳探索
を不要とし，そのメモリ量および演算量を削減し，かつ
二次誤差信号を符号化する際にＮ個のスペクトル列から
Ｍ個（Ｎ＞Ｍ）のスペクトル列を選択し，復号の際にＭ
個のスペクトル列からＮ個のスペクトル列を生成するこ
とにより，より品質の高い合成音声を再現する。

【００１４】また，請求項２に係る音声符号化・復号化
装置にあっては，前記係数補間・復元手段は，ニューラ
ルネットワークに基づいて，Ｍ個のスペクトル列からＮ
個のスペクトル列を生成するものである。

【００１５】すなわち，請求項２に係る音声符号化・復
号化装置によれば，請求項１において，ニューラルネッ
トワークに基づいて，Ｍ個のスペクトル列からＮ個のス
ペクトル列を生成することにより，単純な処理で実現
し，かつより品質の高い合成音声を再現する。

【００１６】また，請求項３に係る音声符号化・復号化
装置にあっては，アナログ音声波形を入力し，デジタル
音声波形に変換するＡ／Ｄ変換手段と，前記デジタル音
声波形から，フレームあるいはサブフレームと呼ばれる
単位に分割するフレーム分割手段と，雑音源情報を抽出
・符号化する際に，前記フレームあるいはサブフームか
らピッチ情報およびスペクトル包絡情報から生成される
ピッチ成分音声を除去した成分である二次誤差信号を抽
出・符号化することにより前記雑音源情報の符号化を行
う抽出・符号化手段とを有し，前記デジタル音声波形を
所定の符号化方式で符号化する音声符号化手段と，前記
符号化されたデジタル音声波形を蓄積する蓄積手段と，
符号化された前記スペクトル包絡情報，ピッチ情報およ
び雑音情報を復元し，前記復元したスペクトル包絡情
報，ピッチ情報および雑音情報から励振源信号を生成
し，前記励振源信号と前記復元したスペクトル包絡情報
から合成音声を生成する際に，前記蓄積手段から前記符
号化されたデジタル音声波形を取り出し，復号化する音
声復号化手段と，前記復号化されたデジタル音声波形を
アナログ音声波形に変換するＤ／Ａ変換手段と，を備え
た音声符号化・復号化装置において，前記二次誤差信号
を周波数領域に変換する周波数領域変換手段と，前記周
波数領域からＮ個のスペクトル列の各要素を表現してい
るビット数をＢｎとし，さらにＮ個からＭ個の選択され
たスペクトル列の表現もビット数Ｂｎとし，該ビット数
ＢｎをＢｒ（Ｂｎ＞Ｂｒ）に圧縮するビット圧縮手段
と，前記ビット圧縮手段で圧縮されたビット数Ｂｒを蓄
積するビット数蓄積手段と，音声再生時に，前記ビット
数蓄積手段の前記ビット数Ｂｒからビット数Ｂｎを伸長
・生成し，実時間波形に逆変換する係数補間・復元手段
と，を備えたものである。

【００１７】すなわち，請求項３に係る音声符号化・復
号化装置によれば，たとえばＣＥＬＰ符号化に属する音
声符号化手法を用いて二次誤差信号を直接符号化するこ
とにより，符号帳およびフィルタ計算による符号帳探索
を不要とし，そのメモリ量および演算量を削減し，かつ
二次誤差信号を符号化する際にＮ個のスペクトル列を表
現するビット数ＢｎからＭ個（Ｎ＞Ｍ）のスペクトル列
を表現するビット数Ｂｎを選択し，さらに該ビット数Ｂ
ｎをビット数Ｂｒ（Ｂｎ＞Ｂｒ）に圧縮して蓄積するＭ
個のスペクトルを表現するビット数を削減して低ビット
レートを可能にし，復号の際にビット数Ｂｒを用いてＮ
個のビット数Ｂｎを再生することにより，より品質の高
い音声を再現する。

【００１８】また，請求項４に係る音声符号化・復号化
装置にあっては，請求項３において，前記係数補間・復
元手段は，ニューラルネットワークに基づいて，Ｍ個の
スペクトル列を表現するビット数ＢｒからＮ個のスペク
トル列を表現するビット数Ｂｎを生成するものである。

【００１９】すなわち，請求項４に係る音声符号化・復
号化装置によれば，請求項３において，ニューラルネッ
トワークに基づいて，Ｍ個のスペクトル列を表現するビ
ット数ＢｒからＮ個のスペクトル列を表現するビット数
Ｂｎを生成することにより，単純な処理で実現し，かつ
より品質の高い音声を再現する。

【００２０】また，請求項５に係る音声符号化・復号化
装置にあっては，請求項３または４において，ビット数
Ｂｎからビット数Ｂｒに圧縮後・生成する場合，最小量
子化ビットＬＳＢから所定のビット数ｑをマスクするも
のである。

【００２１】すなわち，請求項５に係る音声符号化・復
号化装置によれば，請求項３または４において，ビット
数Ｂｎからビット数Ｂｒに圧縮後・生成する場合，最小
量子化ビットＬＳＢから所定のビット数ｑをマスクする
ことにより，蓄積するＭ個のスペクトルを表現するビッ
ト数を削減して低ビットレートを可能にし，復号の際に
ビット数Ｂｒを用いてＮ個のビット数Ｂｎを再生するこ
とにより，より品質の高い音声を再現する。

【００２２】

【発明の実施の形態】以下，本発明の音声符号化・復号
化装置について添付図面を参照し，詳細に説明する。

【００２３】図１は，実施の形態に係る音声圧縮符号化
装置１００の概略構成を示すブロック図である。音声圧
縮符号化装置１００は，アナログ信号（アナログ音声波
形）を入力してデジタル信号（デジタル音声波形）に変
換するＡ／Ｄ変換手段としてのＡ／Ｄ変換部１０１と，
Ａ／Ｄ変換部１０１からデジタル信号を入力し，圧縮符
号化する音声符号化手段としての音声符号化部１０２
と，音声符号化部１０２で圧縮符号化された圧縮符号化
信号（量子化信号）を蓄積する蓄積手段としての蓄積部
１０３と，蓄積部１０３に蓄積してある圧縮符号化信号
（量子化信号）を伸長復号化する音声復号化手段として
の音声復号部１０４と，音声復号部１０４で伸長復号化
されたデジタル信号をアナログ信号に変換するＤ／Ａ変
換手段としてのＤ／Ａ変換部１０５と，から構成され
る。

【００２４】図２は，図１における音声符号化部１０２
の内部構成を示すブロック図である。音声符号化部１０
２は，入力したデジタル信号をあらかじめ定められたサ
ンプル数のフレーム単位に分割し，フレーム信号を出力
するフレーム分割手段としてのフレーム分割器２０１
と，フレーム分割器２０１で分割したフレーム（フレー
ム信号）から，フレーム単位でスペクトル包絡を表すス
ペクトル包絡情報を抽出して符号化するスペクトル包絡
抽出器２０２と，フレーム分割器２０１で分割したフレ
ームをさらにあらかじめ定められたサンプル数のサブフ
レーム単位に分割し，サブフレーム信号を出力するサブ
フレーム分割器２０３と，スペクトル包絡器２０２で抽
出したスペクトル包絡情報を用い，サブフレーム分割器
２０３で分割したサブフレームからピッチピッチ情報を
抽出して符号化するピッチ情報抽出器２０４と，ピッチ
情報とサブフレーム信号とを入力し，二次誤差信号を算
出する二次誤差信号算出器２０５と，二次誤差信号とス
ペクトル包絡情報とから音源情報である雑音源情報を抽
出して符号化する雑音源抽出器２０６と，とから構成さ
れる。なお，スペクトル包絡抽出器２０２，ピッチ情報
抽出器２０４，および二次誤差信号算出器２０５が抽出
・符号化手段に該当する。

【００２５】次に，以上のように構成された音声圧縮符
号化装置１００の動作について説明する。図１におい
て，アナログ音声入力装置（図示せず）から入力された
アナログ信号（アナログ音声波形）はＡ／Ｄ変換器１０
１によってデジタル信号に変換される。ここで，アナロ
グ音声入力装置としては，たとえば，マイクロフォン
や，ＣＤプレーヤ，カセットデッキなどが挙げられる。

【００２６】続いて，上記デジタル信号は，音声符号化
部１０２に送られ，図２に示すように，フレーム分割器
２０１によってあらかじめ定められたサンプル数（たと
えば，２４０サンプル）のフレームと呼ばれる単位に分
割される。なお，たとえば音声波形から特徴抽出によっ
て得られる特徴量が，ベクタの時系列で表され，このベ
クタのことをフレームあるいは特徴ベクタという。この
フレームはフレーム信号としてスペクトル包絡抽出器２
０２およびサブフレーム分割器２０３に出力される。

【００２７】スペクトル包絡抽出器２０２は，フレーム
信号からスペクトル包絡情報を抽出して符号化し，ピッ
チ情報抽出器２０４および二次誤差信号算出器２０５へ
出力する。このスペクトル包絡情報としては，たとえ
ば，線形予測分析に基づく線形予測係数，ＰＡＲＣＯＲ
係数，ＬＳＰ係数が挙げられる。また，スペクトル包絡
情報の符号化には，ベクトル量子化や，スカラー量子
化，分割ベクトル量子化，多段ベクトル量子化，予測量
子化，あるいはそれらの複数の量子化の組み合わせが挙
げられる。

【００２８】一方，サブフレーム分割器２０３は，フレ
ーム分割器２０１からフレーム信号を入力し，該フレー
ム信号をあらかじめ定められたサンプル数（たとえば，
６０サンプル）に分割し，サブフレーム信号として出力
する。

【００２９】各サブフレームは，ピッチ情報抽出器２０
４において，スペクトル包絡抽出器２０２によって抽出
されたスペクトル包絡情報を用い，ピッチ情報が抽出さ
れ，符号化される。ピッチ情報の抽出には，ＣＥＬＰ方
式で用いられる適応符号帳探索，あるいはフーリエ変
換，ウェーブレット変換などのスペクトル包絡情報から
求める方法を適用することができる。また，上記適応符
号帳探索には，聴覚重みつけフィルタを用いる場合もあ
る。なお，聴覚重みつけフィルタは，先に述べた線形予
測係数から構成することができる。

【００３０】二次誤差信号算出部２０５では，サブフレ
ーム信号から，ピッチ情報抽出器２０４で抽出したピッ
チ成分（ピッチ情報）の影響を取り除いた成分（これを
二次誤差信号という）を算出し，雑音源抽出器２０６へ
出力する。

【００３１】雑音源抽出器２０６では，二次誤差信号を
入力すると，該二次誤差信号を直接符号化し，符号化し
た二次誤差信号（量子化二次誤差信号という）を雑音源
情報として出力する。ここで，雑音源抽出器２０６で二
次誤差信号を符号化する方法としては，二次誤差信号の
最大強度のものからあらかじめ定められた数のサンプル
位置を選定し，選定したサンプル位置および選定された
サンプル位置の強度を符号化することにより，二次誤差
信号を符号化する方法を適用する。これにより，演算量
を比較的少なくすることができる。

【００３２】なお，この実施の形態に用いている音声符
号化方法は，ＣＥＬＰ音声符号化に属する符号化方法で
ある。従来のＣＥＬＰ方式では．二次誤差信号の符号帳
をもち，該符号帳に属する各符号ベクトルとスペクトル
包絡情報とから二次誤差信号を合成し，入力信号から得
られた二次誤差信号と比較し，そのひずみが最小となる
符号を選択することによって符号化を行っている。ちな
みに，この探索においては聴覚重みづけフィルタを用い
ることができる。

【００３３】ところが，ＣＥＬＰ方式は，低ビットレー
トで高品質の音声圧縮符号化技術であるものの，符号帳
探索のための演算量および符号帳を蓄えるためのメモリ
量の多さが問題となっている。これに対してこの実施の
形態では，二次誤差信号そのものを符号化するため，演
算量を削減することが可能となる。また，符号帳を記憶
する必要がないので，低メモリ量のＣＥＬＰ方式が実現
する。

【００３４】このようにして音声符号化部１０２は，デ
ジタル信号からスペクトル包絡情報，ピッチ情報および
雑音源情報を抽出して符号化し，これらを量子化信号と
て出力する。これらの量子化信号は，圧縮符号化信号と
して蓄積部１０３によって蓄積される。

【００３５】蓄積部１０３に蓄積された圧縮符号化信号
（量子化信号）は，必要に応じて音声復号化部１０４に
よって読み出されて復号（復元）され，Ｄ／Ａ変換部１
０５でアナログ信号（アナログ音声波形）に変換され
る。

【００３６】このとき，音声復号化部１０４は，符号化
されたスペクトル包絡情報，ピッチ情報および雑音源情
報を復元し，復元した雑音源情報およびピッチ情報から
励振源信号を生成し，該励振源信号と復元したスペクト
ル包絡情報とから復号音声（合成音声）を生成し，Ｄ／
Ａ変換部１０５に出力する。

【００３７】このように，符号帳を備えていないので，
符号帳に必要なメモリ量を削減することができ，さらに
フィルタ計算を用いた符号帳探索を行わないため，演算
量も削減することができる。

【００３８】図３は，図２における雑音源抽出器２０６
の内部構成を示すブロック図である。雑音源抽出器２０
６は，二次誤差信号算出器２０５から入力した二次誤差
信号を離散コサイン変換によって周波数領域に変換する
離散コサイン変換部３０１と，離散コサイン変換部３０
１からの周波数領域の係数（ＤＣＴ係数）を入力し，該
係数を符号化する係数符号化器３０２と，係数符号化器
３０２から入力したＤＣＴ係数を復元する係数復元器３
０３と，周波数領域から時間領域に戻し，二次誤差信号
に変換する逆離散コサイン変換部３０４と，から構成さ
れる。

【００３９】なお，係数符号化器３０２は，変換領域に
おける係数（周波数領域の強度）を符号化する際に，二
次誤差信号の周波数領域におけるスペクトル強度最大の
ものをあらかじめ定められた数（たとえばＭ）の周波数
を選択し，選択した周波数を符号化すると共に，その周
波数のスペクトル係数（強度）も量子化強度として符号
化する。符号化（量子化）の方法としては，たとえば，
振幅を対数変換し，その大きさ（強度）に対応させてあ
らかじめ設定した範囲に相当する符号を与える。この場
合，選択された周波数に与えられた番号，強度に属する
範囲に与えられた符号である量子化強度，および係数の
符号（＋／−）が二次誤差信号に対応する符号（すなわ
ち，雑音源情報）となる。

【００４０】図４は，実施の形態に係る音声符号化・復
号化装置４００の構成を示すブロック図である。この音
声符号化・復号化装置４００は，二次誤差信号を周波数
領域に変換する周波数変換手段としての周波数変換部４
０１と，Ｎ個のスペクトル列を出力する係数符号化手段
としての係数符号化器４０２と，係数符号化器４０２で
供給されるＮ個のスペクトル列から任意の数Ｍ個のスペ
クトル列要素（Ｎ＞Ｍ）を選択する係数選択手段として
の係数選択器４０３と，係数選択器４０３で選択したＭ
個のスペクトル列要素を蓄積するスペクトル列蓄積手段
としての蓄積部４０４と，音声再生時にＭ個のスペクト
ル列要素からＮ個のスペクトル列要素を生成する補間器
（係数復元器）４０５（請求項１の係数補間・復元手段
に該当する）と，から構成されている。

【００４１】次に，以上のように構成された音声符号化
・復号化装置４００の動作について説明する。二次誤差
信号を復号化する際には，まず，二次誤差信号を周波数
領域変換部４０１により周波数領域に変換し，さらにそ
の周波数領域から係数復号化器４０２において二次誤差
信号の周波数表現として符号化し，Ｎ個のスペクトル列
要素を得る。続いて，係数選択器４０３によってＮ個の
スペクトル列要素からＭ個のスペクトル列要素を選択
し，選択したＭ個のスペクトル列要素を蓄積部４０４に
蓄積する。なお，選択方法としては，たとえば，先の係
数符号化器３０２で述べたものを用いる。

【００４２】復号処理の際に，上記蓄積部４０４に蓄積
してあるＭのスペクトル列要素を補間器（係数復元器）
４０５に入力し，Ｍ個のスペクトル列要素をそのＮ個の
スペクトル空間上に配置し，実時間波形に逆変換するこ
とにより，二次誤差信号を生成して音声波形を合成す
る。ここで，情報のないスペクトルは０として取り扱う
ものとする。さら，情報のないスペクトル列要素を求
め，Ｎ個のスペクトル列要素を復元する。すなわち，音
声再生時に，Ｍ個のスペクトル系列からＮ個のスペクト
ル系列を生成する。

【００４３】なお，上記復号処理において，補間器（係
数復元器）４０５において，Ｍ個のスペクトル列要素か
らＮ個のスペクトル列要素を生成する際に，ニューラル
ネットワークを用いてもよい。補間器（係数復元器）４
０５としてニューラルネットワークを用いることで，Ｍ
個のスペクトル列要素からＮ個のスペクトル列要素を単
純な処理で得ることが可能となり，より高音質な音声再
現が実現する。

【００４４】次に，選択したＭ個のスペクトル列の各要
素を表現しているビット数をさらに圧縮し，復号化の際
に補間器（係数復元器）を用い，その圧縮ビットも再現
する例について説明する。

【００４５】図５は，実施の形態に係る他の音声符号化
・復号化装置５００の構成を示すブロック図である。こ
の音声符号化・復号化装置５００は，二次誤差信号を周
波数領域に変換する周波数変換部４０１と，Ｎ個のスペ
クトル列の各要素を表現しているＢｎビットを出力する
係数符号化手段としての係数符号化器５０１と，係数符
号化器５０１で供給されるＢｎビットから任意のＭ個の
スペクトル列要素を表現するＢｎビットを選択する係数
選択手段としての係数選択器５０２と，係数選択器５０
２により得られたＭ個のＢｎに対して，たとえば，Ｂｎ
からＢｒを生成する際に最小量子化ビットＬＳＢから所
定のビット数ｑをマスクするビット圧縮処理を施し，ビ
ット数Ｂｒを出力するビット圧縮手段としてのビット圧
縮部５０３と，ビット圧縮部５０３から供給されるＭ個
のビット数Ｂｒを蓄積するビット数蓄積手段としての蓄
積部５０４と，音声再生時にＭ個のビット数ＢｒからＮ
個のＢｎビットに再生・補間する補間器（係数復元器）
５０５（請求項３の係数補間・復元手段に該当する）
と，から構成されている。

【００４６】次に，以上のように構成された音声符号化
・復号化装置５００の動作について説明する。二次誤差
信号を復号化する際には，まず，二次誤差信号を周波数
領域変換部４０１により周波数領域に変換し，さらにそ
の周波数領域から係数復号化器５０１において二次誤差
信号の周波数表現として符号化し，Ｎ個のＢｎビットを
得る。続いて，係数選択器５０２によってＮ個のＢｎビ
ットからＭ個のＢｎビットを選択し，選択したＭ個のＢ
ｎビット，ビット圧縮部５０３でＢｒ（Ｂｎ＞Ｂｒ）に
圧縮し，そのＢｒを蓄積部５０４に蓄積する。

【００４７】復号処理の際に，上記蓄積部５０４に蓄積
してあるＭ個のＢｎビットを補間器（係数復元器）５０
５に入力し，Ｍ個のビット数ＢｒをそのＮ個のスペクト
ル空間上に配置し，実時間波形に逆変換することによ
り，二次誤差信号を生成して音声波形を合成する。

【００４８】なお，上記復号処理では，補間器（係数復
元器）５０５において，Ｍ個のＢｒビットをＮ個のＢｎ
ビットを生成する際に，ニューラルネットワークを用い
てもよい。補間器（係数復元器）５０５としてニューラ
ルネットワークを用いることで，Ｍ個のＢｒビットから
Ｎ個のＢｎビットを単純な処理で得ることが可能とな
り，より高音質な音声再現が実現する。

【００４９】

【発明の効果】以上説明したように，本発明に係る音声
符号化・復号化装置（請求項１）によれば，たとえばＣ
ＥＬＰ符号化に属する音声符号化手法を用いて二次誤差
信号を直接符号化するため，符号帳およびフィルタ計算
による符号帳探索が不要となり，そのメモリ量および演
算量が削減され，かつ二次誤差信号を符号化する際にＮ
個のスペクトル列からＭ個（Ｎ＞Ｍ）のスペクトル列を
選択し，復号の際にＭ個のスペクトル列からＮ個のスペ
クトル列を生成するため，より品質の高い音声を再現す
ることができる。

【００５０】また，本発明に係る音声符号化・復号化装
置（請求項２）によれば，請求項１において，ニューラ
ルネットワークに基づいて，Ｍ個のスペクトル列からＮ
個のスペクトル列を生成するため，単純な処理で実現
し，かつより品質の高い音声を再現することができる。

【００５１】また，本発明に係る音声符号化・復号化装
置（請求項３）によれば，たとえばＣＥＬＰ符号化に属
する音声符号化手法を用いて二次誤差信号を直接符号化
するため，符号帳およびフィルタ計算による符号帳探索
が不要となり，そのメモリ量および演算量が削減され，
かつ二次誤差信号を符号化する際にＮ個のスペクトル列
を表現するビット数ＢｎからＭ個（Ｎ＞Ｍ）のスペクト
ル列を表現するビット数Ｂｎを選択し，さらに該ビット
数Ｂｎをビット数Ｂｒ（Ｂｎ＞Ｂｒ）に圧縮して蓄積す
るＭ個のスペクトルを表現するビット数が削減されるの
で，低ビットレートを可能にし，復号の際にビット数Ｂ
ｒを用いてＮ個のビット数Ｂｎを再生するため，より品
質の高い音声を再現することができる。

【００５２】また，本発明に係る音声符号化・復号化装
置（請求項４）によれば，請求項３において，ニューラ
ルネットワークに基づいて，Ｍ個のスペクトル列を表現
するビット数ＢｒからＮ個のスペクトル列を表現するビ
ット数Ｂｎを生成するため，単純な処理で実現し，かつ
より品質の高い音声を再現することができる。

【００５３】また，本発明に係る音声符号化・復号化装
置（請求項５）によれば，請求項３または４において，
ビット数Ｂｎからビット数Ｂｒに圧縮後・生成する場
合，最小量子化ビットＬＳＢから所定のビット数ｑをマ
スクすることにより，蓄積するＭ個のスペクトルを表現
するビット数が削減されるので，低ビットレートを可能
にし，復号の際にビット数Ｂｒを用いてＮ個のビット数
Ｂｎを再生するため，より品質の高い音声を再現するこ
とができる。

【図面の簡単な説明】

【図１】実施の形態に係る音声圧縮符号化装置の概略構
成を示すブロック図である。

【図２】図１における音声符号化部の内部構成を示すブ
ロック図である。

【図３】図２における雑音源抽出器の内部構成を示すブ
ロック図である。

【図４】実施の形態に係る音声符号化・復号化装置の構
成を示すブロック図である。

【図５】実施の形態に係る他の音声符号化・復号化装置
の構成を示すブロック図である。

【符号の説明】

１００ 音声圧縮符号化装置 １０１ Ａ／Ｄ変換部 １０２ 音声符号化部 １０３ ４０４ 蓄積部 １０４ 音声復号化部 １０５ Ｄ／Ａ変換部 ２０１ フレーム分離器 ２０２ スペクトル包絡抽出器 ２０３ サブフレーム分割器 ２０４ ピッチ情報抽出器 ２０５ 二次誤差信号算出器 ２０６ 雑音源情報抽出器 ３０１ 離散コサイン変換部 ３０２ ４０２ ５０１ 係数符号化器 ３０３ 係数復元器 ３０４ 逆離散コサイン変換部 ４００ ５００ 音声符号化・復号化装置 ４０１ 周波数領域変換部 ４０３ ５０２ 係数選択器 ４０５ ５０５ 補間器 ５０３ ビット圧縮部

Claims (5)

【特許請求の範囲】
1. 【請求項１】 アナログ音声波形を入力し，デジタル音
   声波形に変換するＡ／Ｄ変換手段と，前記デジタル音声
   波形から，フレームあるいはサブフレームと呼ばれる単
   位に分割するフレーム分割手段と，雑音源情報を抽出・
   符号化する際に，前記フレームあるいはサブフームから
   ピッチ情報およびスペクトル包絡情報から生成されるピ
   ッチ成分音声を除去した成分である二次誤差信号を抽出
   ・符号化することにより前記雑音源情報の符号化を行う
   抽出・符号化手段とを有し，前記デジタル音声波形を所
   定の符号化方式で符号化する音声符号化手段と，前記符
   号化されたデジタル音声波形を蓄積する蓄積手段と，符
   号化された前記スペクトル包絡情報，ピッチ情報および
   雑音情報を復元し，前記復元したスペクトル包絡情報，
   ピッチ情報および雑音情報から励振源信号を生成し，前
   記励振源信号と前記復元したスペクトル包絡情報から合
   成音声を生成する際に，前記蓄積手段から前記符号化さ
   れたデジタル音声波形を取り出し，復号化する音声復号
   化手段と，前記復号化されたデジタル音声波形をアナロ
   グ音声波形に変換するＤ／Ａ変換手段と，を備えた音声
   符号化・復号化装置において，前記二次誤差信号を周波
   数領域に変換する周波数領域変換手段と，前記周波数領
   域からＮ個のスペクトル列を生成し，符号化する係数符
   号化手段と，前記係数符号化手段で符号化されたＮ個の
   スペクトル列から任意のＭ個（Ｎ＞Ｍ）のスペクトル列
   を選択し，該Ｍ個のスペクトル列を二次誤差信号の周波
   数表現として符号化する係数選択手段と，前記係数選択
   手段で符号化されたＭ個のスペクトル列を蓄積するスペ
   クトル列蓄積手段と，音声再生時に，前記Ｍ個のスペク
   トル列からＮ個のスペクトル列を生成し，実時間波形に
   逆変換する係数補間・復元手段と，を備えたことを特徴
   とする音声符号化・復号化装置。
2. 【請求項２】 前記係数補間・復元手段は，ニューラル
   ネットワークに基づいて，Ｍ個のスペクトル列からＮ個
   のスペクトル列を生成することを特徴とする請求項１に
   記載の音声符号化・復号化装置。
3. 【請求項３】 アナログ音声波形を入力し，デジタル音
   声波形に変換するＡ／Ｄ変換手段と，前記デジタル音声
   波形から，フレームあるいはサブフレームと呼ばれる単
   位に分割するフレーム分割手段と，雑音源情報を抽出・
   符号化する際に，前記フレームあるいはサブフームから
   ピッチ情報およびスペクトル包絡情報から生成されるピ
   ッチ成分音声を除去した成分である二次誤差信号を抽出
   ・符号化することにより前記雑音源情報の符号化を行う
   抽出・符号化手段とを有し，前記デジタル音声波形を所
   定の符号化方式で符号化する音声符号化手段と，前記符
   号化されたデジタル音声波形を蓄積する蓄積手段と，符
   号化された前記スペクトル包絡情報，ピッチ情報および
   雑音情報を復元し，前記復元したスペクトル包絡情報，
   ピッチ情報および雑音情報から励振源信号を生成し，前
   記励振源信号と前記復元したスペクトル包絡情報から合
   成音声を生成する際に，前記蓄積手段から前記符号化さ
   れたデジタル音声波形を取り出し，復号化する音声復号
   化手段と，前記復号化されたデジタル音声波形をアナロ
   グ音声波形に変換するＤ／Ａ変換手段と，を備えた音声
   符号化・復号化装置において，前記二次誤差信号を周波
   数領域に変換する周波数領域変換手段と，前記周波数領
   域からＮ個のスペクトル列の各要素を表現しているビッ
   ト数をＢｎとし，さらにＮ個からＭ個の選択されたスペ
   クトル列の表現もビット数Ｂｎとし，該ビット数Ｂｎを
   Ｂｒ（Ｂｎ＞Ｂｒ）に圧縮するビット圧縮手段と，前記
   ビット圧縮手段で圧縮されたビット数Ｂｒを蓄積するビ
   ット数蓄積手段と，音声再生時に，前記ビット数蓄積手
   段の前記ビット数Ｂｒからビット数Ｂｎを伸長・生成
   し，実時間波形に逆変換する係数補間・復元手段と，を
   備えたことを特徴とする音声符号化・復号化装置。
4. 【請求項４】 前記係数補間・復元手段は，ニューラル
   ネットワークに基づいて，Ｍ個のスペクトル列を表現す
   るビット数ＢｒからＮ個のスペクトル列を表現するビッ
   ト数Ｂｎを生成することを特徴とする請求項３に記載の
   音声符号化・復号化装置。
5. 【請求項５】 ビット数Ｂｎからビット数Ｂｒに圧縮後
   ・生成する場合，最小量子化ビットＬＳＢから所定のビ
   ット数ｑをマスクすることを特徴とする請求項３または
   ４に記載の音声符号化・復号化装置。