JPH11143499A - 切替え型予測量子化の改良された方法 - Google Patents

Abstract

(57)【要約】 【課題】 より低いビット速度でも高性能の量子化を可
能にする。 【解決手段】 音声符号器のＬＰＣ係数を量子化する新
しい方法であって、切替え型予測多段ベクトル量子化の
改良された形式を含む。スイッチ予測量子化は、ＭＳＶ
Ｑ量子化器の少なくとも１対のコードブックの組、コー
ドブックの組１と共に用いられる第１の予測行列１及び
コードブックの組２と共に用いられる第２の予測行列２
を含む第１及び第２の予測行列２４ａ及び２４ｂを含
み、符号器はどの予測行列／コードブックの組が検出器
３５で最小量子化誤差を生成するかを決定し、制御装置
２９は誤差が最小である指数を音声符号器の外部へゲー
トする。

Description

【発明の詳細な説明】

【０００１】

【関連出願との関係】本発明は、ウィルフレッド・Ｐ・
ルブラン（Wilfred P. LeBlanc）他による、１９９７年
１月６日出願の同時継続中の仮出願、出願番号６０／０
３５，７６４、発明の名称「効率の良いコードブック検
索を用いる多段ベクトル量子化」に関連する。この出願
は参照として本発明に組込まれている。

【０００２】本発明は更に、マックリー（McCree）によ
る、１９９６年５月２０日出願の同時継続中の出願、出
願番号０８／６５０，５８５、発明の名称「端数ピッチ
を用いたＭＥＬＰ（Mixed Excitation Linear Predicti
on with Fractional Pitch）」に関連する。この出願は
参照として本発明に組込まれている。

【０００３】本発明は更に、アラン・マックリーによ
る、本発明と同日（１９９７年８月２８日）に出願され
た同時継続中の仮出願、出願番号６０／０５７，１１
４、発明の名称「知覚加重（weighting ）を用いる線形
予測係数の量子化」に関連する。この出願は参照として
本発明に組込まれている。

【０００４】

【発明の属する技術分野】本発明は、切替え型（switch
ed）予測量子化に関連する。

【０００５】

【従来の技術及びその課題】新しい２．４ ｋビット／
秒の連邦基準混合励振線形予測（ＭＥＬＰ）（Mixed Ex
citation Linear Prediction）符号器（マックリー他の
論文「新しい合衆国連邦基準の候補となる２．４ ｋビ
ット／秒ＭＥＬＰ符号器」、Ｐｒｏｃ．ＩＣＡＳＳＰ−
９６、ｐｐ．２００−２０３、１９９６年５月号）のよ
うな多くの音声符号器は、音声信号のスペクトルを表す
ために何らかの線形予測符号化（ＬＰＣ）の形式を使っ
ている。ＭＥＬＰ符号器は、１９９６年５月２０日出願
の同時継続中の出願、出願番号０８／６５０，５８５、
発明の名称「端数ピッチを用いたＭＥＬＰ」の出願で説
明されており、参照として本発明に組込まれている。図
１はこのようなＭＥＬＰ符号器を示す。ＭＥＬＰ符号器
は、従来のＬＰＣボコーダに基づいており、周期インパ
ルス列又はホワイトノイズが全極（all-pole）ＬＰＣフ
ィルタの１０次の励振をする。強化されたものでは、合
成器は、図１に示すように、パルス及びノイズ混合励振
周期又は非周期パルス、適応型スペクトル強化及びパル
ス分散フィルタの付加的能力を有する。ＬＰＣの精度を
保つことが処理後の音声品質に対し重要な影響を持つ
が、音声符号器の全体のビット速度を遅く保つためにＬ
ＰＣ量子化器のビット速度は低くなくてはならないた
め、ＬＰＣ係数の効率的な量子化はこれらの符号器にお
ける重要な問題である。新しい連邦基準のためのＭＥＬ
Ｐ符号器は、ライン・スぺクトル周波数（ＬＳＦ）に対
して２５ビット多段ベクトル量子化器（ＭＳＶＱ）を用
いる。ＬＰＣ係数とＬＳＦ係数の間には１対１の変換が
ある。

【０００６】量子化は、ある忠実度の基準（fidelity c
riterion）に従って、入力値を離散的な値に変換する工
程である。量子化の典型的な例は、連続する振幅信号を
離散的な振幅値へ変換する例である。信号は先ずサンプ
リングされ、その後量子化される。量子化のため、入力
信号の予測値の範囲は、一連のサブレンジに分けられ
る。それぞれのサブレンジは、関連する量子化レベルを
有する。例えば、８ビット値への量子化では２５６個の
レベルがある。あるサブレンジ内にある入力信号のサン
プル値は、関連する量子化レベルに変換される。例え
ば、８ビットの量子化では、入力信号のサンプルは、各
レベルが８ビット値で表わされる２５６個のレベルの内
の１つに変換される。

【０００７】ベクトル量子化は量子化の１つの方法であ
り、サンプルと確率分布の形との間の線形及び非線形相
関に基づく。本質的には、ベクトル量子化は、ルックア
ップ・テーブルが「コードブック」と呼ばれる、ルック
アップ工程である。コードブックは各量子化レベルをリ
ストし、各レベルは関連する「コード・ベクトル」を有
する。ベクトル量子化工程は、入力ベクトルをコード・
ベクトルと比較し、歪みが最小という点で、最良のコー
ド・ベクトルを決定する。ｘが入力ベクトルであると
き、歪み値の比較は次の様に表わすことができる。

【０００８】

【数１】

【０００９】これはｋに等しくない全てのｊに対して成
立する。コードブックはｙ^(j) で表わされ、ここでｙ
^(j) はｊ番目のコード・ベクトル、０≦ｊ≦Ｌであり、
Ｌはコードブック内のレベルの数である。

【００１０】多段ベクトル量子化（ＭＳＶＱ）は、ベク
トル量子化の一形式である。この工程は、多数の量子化
ベクトルを加算することによって、中央の量子化ベクト
ル（出力ベクトル）を求める。この出力ベクトルは、
「再生（reconstructed ）」ベクトルと呼ばれることが
ある。再生に使われる各ベクトルは異なるコードブック
からのものであり、各コードブックは量子化工程の
「段」に対応する。各コードブックは、特に検索の段に
対し設計される。入力ベクトルが第１のコードブックで
量子化され、その結果の誤差ベクトルが第２のコードブ
ックで量子化される、という様になる。再生に用いられ
るベクトルの組は、次のように表わすことができる。

【００１１】

【数２】

【００１２】ここで、Ｓは段の数であり、ｙ_s はｓ番目
の段に対するコードブックである。例えば、ｘ＝（２，
３，４）のような３次元の入力ベクトルに対し、２段検
索の再生ベクトルは、ｙ₀ ＝（１，２，３）及びｙ₁ ＝
（１，１，１）である（これは完全な量子化であるが、
常にそうとは限らない）。

【００１３】多段ベクトル量子化の間、Ｍアルゴリズム
としても知られているサブ・オプティマル・ツリー検索
アルゴリズムを用いて、コードブックを検索することが
できる。各段で、最良のＭ個の（M-best number of）
「最良」コード・ベクトルは、１つの段から次の段へパ
スされる。「最良」コード・ベクトルは、歪みが最小と
いう点で選択される。１つの最良コード・ベクトルのみ
が決定されるとき、検索は最終段まで続けられる。

【００１４】予測量子化では、現在のフレームの量子化
のための目標ベクトルは、平均を取除いた入力ベクトル
から予測値を差引いたものである。予測値は、前の量子
化ベクトルに既知の予測行列を乗算したものである。切
替え型予測では、とり得る予測行列が１つ以上あり、各
フレームに対し最良の予測行列が選択される。「無線及
びネットワーク用途のための音声及び音響符号化」Ｃ
ｈ．３１、ｐｐ．２５１−２５８、クルーワ（Kluwer）
・アカデミック・パブリッシャーズ、１９９３年発行
の、Ｓ．ワン（S. Wang ）他の「ＬＰＣパラメータの積
コード・ベクトル量子化」参照。

【００１５】切替え型予測ベクトル量子化のための改良
された方法を提供することが非常に望ましい。

【００１６】

【課題を達成するための手段及び作用】本発明の一実施
例に従って、時間冗長性を活用するため予測子／コード
ブックの組が切替えられる切替え型予測量子化の改良さ
れた方法及びシステムが提供される。

【００１７】本発明の上記及びその他の特徴は、本発明
が添付の図面と共に以下に詳細に説明されることから、
当業者には明らかであろう。

【００１８】

【実施例】本発明の一実施例を図面を参照して説明す
る。新しい量子化方法は、２．４ ｋビット／秒の連邦
基準のＭＥＬＰ符号器に用いられるものと同じく、ＬＰ
Ｃ係数のライン・スペクトル周波数（ＬＳＦ）変換の多
段ベクトル量子化（ＭＳＶＱ）を用いる（ルブラン他の
論文「４ ｋビット／秒音声符号化のための頑丈な多段
ＶＱ又はＬＰＣパラメータの効率のよい検索および設計
手順」、ＩＥＥＥ トランザクションズ・オン・スピー
チ・アンド・オーディオ・プロセッシング、Ｖｏｌ．
１，Ｎｏ．４、１９９３年１０月号、ｐｐ．３７３−３
８５）。多段ＶＱに対する効率のよいコードブック検索
は、前に引用した出願番号６０／０３５，７６４に開示
されている。しかし、本発明に従った新しい方法は２つ
の点で以前の方法を改良している。即ち、時間冗長性を
活用するために切替え型予測を使用すること、及び主観
的な（subjective）音声品質に一層よく相関する新しい
加重距離の目安（measure ）を使用することである。

【００１９】連邦基準ＭＥＬＰ符号器では、入力ＬＳＦ
ベクトルはＭＳＶＱを用いて直接量子化される。しか
し、隣り合うフレームのＬＳＦベクトルの間にはかなり
の冗長性があり、この冗長性を利用することによって量
子化の精度を改良することができる。前に予測量子化で
述べたように、現在のフレームの量子化のための目標ベ
クトルは、平均を取除いた入力ベクトルから予測値を差
し引いたものであり、予測値は、前の量子化ベクトルに
既知の予測行列を乗算したものである。切替え型予測で
は、とり得る予測行列は１つ以上あり、各フレームに対
し最良の予測子（predictor ）又は予測行列が選択され
る。本発明に従って、予測行列及びＭＳＶＱコードブッ
クの両方が切替えられる。各入力フレームに対し、自乗
誤差を最小にする予測子／コードブックの組を求めて、
考えられる全ての予測子／コードブックの組を検索す
る。その後、この対に対応する指数及びＭＳＶＱコード
ブック指数が、伝送のため符号化される。これは、予測
子と同様にコードブックが切替えられる点で従来の方法
と異なる。従来の方法は、コードブック蓄積量を減らす
ために単一のコードブック組を共有しているが、切替え
型予測量子化に用いられるＭＳＶＱコードブックは、非
予測コードブックよりかなり小さくできること、及び多
数の一層小さいコードブックは、１つのより大きなコー
ドブック以上の蓄積スペースを必要としないことが分か
った。発明者の実験により、個別の予測子／コードブッ
クの対を使うと、ビット速度を高くせずに、単一の共有
コードブックに比べて著しい性能改良が得られる。

【００２０】図２の切替え型予測量子化器２０を用いる
ＬＳＦ符号化器に関し、１０個のＬＰＣ係数が、変換器
２３によってライン・スペクトル周波数（ＬＳＦ）ベク
トルの１０個のＬＳＦ係数に変換される。ＬＳＦは１０
次元の要素又は係数を有する（１０次全極フィルタに対
し）。加算器２２で、選択された平均ベクトルをＬＳＦ
入力ベクトルから差し引き、加算器２５で、平均を取除
いた入力ベクトルから予測値を差引く。こうして求めら
れた、現在のフレームの量子化ベクトルｅに対する目標
ベクトルが、多段ベクトル量子化器（ＭＳＶＱ）２７に
供給される。予測値は、乗算器２６で、前の量子化ベク
トルに既知の予測行列を乗算したものである。切替え型
予測で予測された値は、とり得る予測行列が１つより多
い。各フレームに対し最良の予測子（予測行列及び平均
ベクトル）が選択される。本発明に従って、予測子（予
測行列及び平均ベクトル）とＭＳＶＱコードブックの組
の両方が切替えられる。制御装置２９が、先ずスイッチ
２８を介して予測行列１及び平均ベクトル１及び量子化
器２７の第１組のコードブック１を切替える。その後、
この第１の予測行列に対応する指数及び第１組のコード
ブックに対するＭＳＶＱコードブック指数が、量子化器
からゲート３７へ供給される。予測値は、目標ベクトル
ｅに対する量子化出力

【外１】 に加算器３１で加算され、平均を取除いた量子化ベクト
ルを生成する。加算器７０で、選択された平均ベクトル
に平均を取除いたベクトルが加算され、量子化ベクトル

【外２】 を求める。各次元の自乗誤差は自乗器３５で決定され
る。入力ベクトルＸ_i と遅延され量子化されたベクトル

【外３】 との間の加重自乗誤差は、制御装置２９に蓄積される。
制御装置２９はスイッチ２８を介して予測行列２及び平
均ベクトル２及びコードブック２の組を切替える制御信
号を提供し、同様に自乗器３５でこの組の加重自乗誤差
を測定する。予測行列１（平均ベクトル１を含む）とコ
ードブックの組１の第１の対からの測定された誤差は、
予測行列２（平均ベクトル２を含む）及びコードブック
の組２と比較される。最小誤差を有するコードブックに
対する指数の組は、ゲート３７で、符号化された指数の
伝送として符号化器の外にゲートされ、予測行列及びコ
ードブックの組のどちらの対から指数が送り出されたか
（平均ベクトル１を有するコードブックの組１及び予測
行列１か、コードブック２及び平均ベクトル２を有する
予測行列２か) を示すビットが制御装置２９から端子３
８で送り出される。最小誤差に関連する、加算器３１か
らの平均を取除いた量子化ベクトルは、ゲート３３ａで
フレーム遅延装置３３にゲートされ、前の平均を取除い
た量子化ベクトルを乗算器２６に供給する。

【００２１】図３はＬＳＦ符号化器２０と共に用いる復
号器４０を示す。復号器４０では、符号化からのコード
ブックに対する指数を、符号化器のコードブックの組１
及び２に対応する２組のコードブックを有する量子化部
４４で受信する。端子３８からのビットは、符号化器で
用いられた適切なコードブックの組を選択する。ＬＳＦ
量子化入力が加算器４１で予測値に加算され、この予測
値は、平均を取除いた量子化ベクトルを求めるために符
号化器で選択された最良の１つと整合する、４２の予測
行列に乗算器４５で乗算された前の平均を取除いた量子
化値（遅延装置４３からの）である。予測行列１と平均
値１及び予測行列２と平均値２の両方が復号器の蓄積装
置４２に蓄積される。符号化器の端子３８からの１ビッ
トは、蓄積装置４２で、符号化器の予測行列及び平均値
と整合する予測行列及び平均値を選択する。平均を取除
いた量子化ベクトルは、選択された平均値に加算器４８
で加算され、量子化ＬＳＦベクトルを求める。量子化さ
れたＬＳＦベクトルは、変換器４６によってＬＰＣ係数
に変換される。

【００２２】前に述べたように、ＬＳＦベクトル係数は
ＬＰＣ係数に対応する。ＬＳＦベクトル係数は、ＬＰＣ
係数よりも一層良い量子化特性を有する。これら２つの
ベクトル係数の間には１対１変換がある。対応する特定
の１組のＬＰＣ係数に対する特定の１組のＬＳＦ係数に
加重関数が適用される。

【００２３】連邦基準ＭＥＬＰ符号器は、その計算の簡
単さのために、ＬＳＦ量子化に加重ユークリッド（Eucl
idean ）距離を用いる。しかし、ＬＳＦ領域（domain）
のこの距離は、量子化の精度の理想的な目安、即ち、処
理された音声信号の知覚される品質とは必ずしもうまく
対応しない。出願人は以前に、新しい２．４ ｋビット
／秒連邦基準に関する論文で、知覚加重形式の対数スペ
クトル歪みが主観的な音声品質に対して密接な相関性を
持つことを示した。出願人はこの論文で、１実施例に従
って、このスペクトル歪みに密接に対応する加重ＬＳＦ
距離を説明している。この加重関数は、その組に対応す
る特定の１組のＬＰＣ係数に対する１組のＬＳＦ係数で
ある、特定の入力ベクトルｘに対する特定の１組のＬＳ
Ｆ係数に対するこの変換の詳細を考えることを必要とす
る。符号器がＬＰＣ係数を計算し、上述したように、量
子化のため、一層良く作用するＬＳＦベクトルに変換さ
れる。図１に示すように、実際の合成器は、量子化され
たベクトル

【外４】 を受け取り、逆変換を行い、実際の音声合成に用いるＬ
ＰＣフィルタを求める。加重されていないスペクトル歪
みに対する最適のＬＳＦ重みは、ガードナー他の論文
「ＬＰＣパラメータの高速ベクトル量子化の理論的な分
析」、ＩＥＥＥ トランザクションズ・オン・スピーチ
・アンド・オーディオ・プロセッシング、Ｖｏｌ．３，
Ｎｏ．５、１９９５年９月号、ｐｐ．３６７−３８１に
示された式を用いて計算される。

【００２４】

【数３】

【００２５】ここでＲ_A （ｍ）は、遅延（lag ）ｍにお
けるＬＰＣ合成フィルタのインパルス応答の自己相関で
あり、Ｒ_i （ｍ）はＬＳＦ係数からＬＰＣ係数への変換
のヤコビ行列（Jacobian matrix ）のｉ番目の列の要素
の相関である。従って、特定の入力ベクトルｘに対し、
重みＷ_i を計算する。

【００２６】この解決策の違いは、知覚加重の形式のス
ペクトル歪みを反映するように、自己相関関数Ｒ
_A （ｍ）の計算の前に、知覚加重が合成フィルタのイン
パルス応答に適用されることである。

【００２７】図２の実施例に適用される加重関数では、
３５で自乗誤差に加重Ｗ_i が適用される。誤差検出器３
５からの加重出力は、

【数４】 である。１０次元のベクトルの各エントリーは重みの値
（加重値）を有する。誤差は、各要素に対する加重値を
合計する。たとえば、重みを適用するとき、１つの要素
は３の重みの値を持ち、他は１であるとき、３の要素
は、誤差を決定するとき他の要素に対し３倍のファクタ
により強められる。

【００２８】前に述べたように、加重関数は、ＬＰＣか
らＬＳＦへの変換の詳細を考えることを必要とする。重
みの値は、ＬＰＣ合成フィルタ２１にインパルスを提供
し、その結果サンプリングされたＬＰＣ合成フィルタ２
１の出力を知覚加重フィルタ４７へ供給することによっ
て決定される。コンピュータ３９は、以下及び図４のフ
ローチャートに示す擬似コードに基づくコードでプログ
ラムされる。インパルスがＬＰＣフィルタ２１にゲート
され、ＬＰＣ合成フィルタ応答のＮ個のサンプルを求め
（工程５１）、知覚加重フィルタ３７へ供給される（工
程５２）。本発明の１つの好ましい実施例では、低い周
波数は高い周波数よりも一層大きな加重がなされ、特に
好ましい実施例は、人間の耳が音に対してどのように応
答するかを整合する周知のバーク・スケール（Bark sca
le）を用いる。バーク加重Ｗ_B （ｆ）の式は次の通りで
ある。

【００２９】

【数５】

【００３０】この応答を持つフィルタの係数を前もって
決定し、蓄積し、時間領域の係数を蓄積する。このスペ
クトルに当てはまる８次全極を決定し、これらの８個の
係数を知覚加重フィルタとして用いる。以下の工程は、
次の式で表わされる、ガードナー他の論文の３７５頁に
見られる加重されていないスペクトル歪みの式に従う。

【００３１】

【数６】 ここで、Ｒ_A （ｍ）は遅延ｍにおけるＬＰＣ合成フィル
タのインパルス応答の自己相関であり、

【数７】 ｈ（ｎ）は、インパルス応答であり、Ｒ_i （ｍ）は、

【数８】 ＬＳＦ係数からＬＰＣ係数への変換のヤコビ行列

【外５】 のｉ番目の列の要素の相関関数である。

【外６】 の各列は次の式によって見つけることができる。

【００３２】

【数９】 なぜならば、

【数１０】 であるからである。ｊ_i （ｎ）の値は、

【外７】 の係数によるＰ（ω）の係数の簡単な多項式除算で求め
られる。

【外８】 の第１の係数＝１であるため、この工程では実際の除算
は必要ではない。更に、ｊ_i （ｎ）＝ｊ_i （ｖ＋１−
ｎ）：ｉ奇数、０＜ｎ≦ｖであるため、計算する必要が
あるのは半分の値だけである。偶数の列でも、反対称特
性から、同様の状態になる。

【００３３】加重インパルス応答の自己相関関数を計算
する（図４の工程５３）。そこからＬＳＦ係数に対する
ヤコビ行列を計算する（工程５４）。次に、ヤコビ行列
の行の相関を計算する（工程５５）。次に、相関行列を
乗算することによってＬＳＦ重みを計算する（工程５
６）。図２のコンピュータ３９からの計算された重み値
は、誤差検出器３５へ供給される。その後、誤差が最小
である予測行列／コードブックの組の指数が、量子化器
２７からゲートされる。以下の擬似コードを利用するコ
ンピュータ３９及び制御装置２９をカプセル封止するマ
イクロプロセッサを用いて、システムが実施化され得
る。現在のＬＰＣ及びＬＳＦから加重ベクトルを計算す
る擬似コードは次の通りである。

【００３４】 ／＊ 現在のＬＰＣ及びＬＳＦから加重ベクトルを計算する＊／ ＬＰＣ合成フィルタのインパルス応答のＮ個のサンプルを計算する 知覚加重フィルタを用いてインパルス応答をフィルタリングする 加重インパルス応答の自己相関関数を計算する ＬＳＦ係数に対するヤコビ行列を計算する ヤコビ行列の行の相関を計算する 相関行列を乗算することによってＬＳＦ重みを計算する。 上述のコードを図５及び図６に示す。 入力ベクトル符号化に対する擬似コードは以下の通りである。 ／＊ 入力ベクトルを符号化する＊／ 全ての予測子とコードブックの対に対し 入力ＬＳＦベクトルから平均を取除く 予測値を差引いて目標ベクトルを求める 加重距離を用いて、目標ベクトルに最良の整合のＭＳＶＱコードブッ クを検索する 誤差＜Ｅｍｉｎの場合 Ｅｍｉｎ＝誤差 最良の予測子指数＝現在の予測子 Ｅｎｄｉｆ Ｅｎｄ 最適な予測指数及びコードブック指数を転送のために符号化する。

【００３５】 量子化ベクトルを再生する擬似コードは以下の通りである。 ／＊ 量子化ベクトルを再生する＊／ ＭＳＶＱコード・ベクトルを合計し、量子化された目標を生成する 予測値を加算する 過去の量子化値（平均を取除いた）のメモリを更新する 平均を加算し、量子化ＬＳＦベクトルを生成する。

【００３６】この新規なアプローチに基き、２０ビット
ＬＳＦ量子化器を構成したが、これは、一層低いビット
速度で、連邦基準ＭＥＬＰ符号器に用いられている２５
ビット量子化器に相当する性能を生じる。予測子／コー
ドブックの２つの対があり、それぞれが対角線１次予測
行列及びそれぞれ６４、３２、１６及び１６個のベクト
ルの寸法のコードブックを有する４段ＭＳＶＱで構成さ
れる。この新しい量子化器のコードブックの蓄積、及び
計算の複雑さは従来のものよりも小さい。

【００３７】本発明及びその利点が詳細に説明された
が、添付の特許請求の範囲によって定義された本発明の
精神及び範囲を逸脱せずに、この実施例に種々の変更を
加えることができることを理解されたい。

【００３８】例えば、予測行列１の組合せはコードブッ
クの組２と共に、及び予測行列２はコードブックの組１
と共に、又はコードブックの組と予測行列の任意の組合
せで用いられることが予想される。より多くのコードブ
ックの組及び又は予測行列があってもよい。このような
組合せには、付加的なビットが符号器から送られること
が必要である。平均ベクトルは１つのみであっても、多
数の平均ベクトルがあってもよい。この切替型予測量子
化は、ＬＳＦ以外のベクトルに用いることもできるが、
スカラー量子化にも適用でき、その場合、ここに用いら
れたような行列はスカラー値であり得る。

【００３９】本発明は例示用の実施例を参照して説明さ
れたが、本説明が限定的な意味に解釈されることを意図
しているのではない。これら例示用の実施例の種々の変
形及び組合せばかりでなく本発明の他の実施例も、本説
明を参照すれば当業者にとって明白である。したがっ
て、添付の特許請求の範囲はあらゆるこれらの変形及び
組合せを包含することを意図する。

【００４０】以上の説明に関して更に次の項を開示す
る。 （１） 入力を量子化する切替え型予測方法であって、
平均値を提供し、前記入力から前記平均値を差引いて、
平均を取除いた入力を求め、第１及び第２のコードブッ
クの組を有する量子化器を提供し、第１及び第２の予測
行列を提供し、前のフレーム平均を取除いた量子化値を
前記第１の予測行列に、その後、前記第２の予測行列に
乗算して、第１の予測値及びその後第２の予測値を求
め、前記平均を取除いた入力から前記予測値を差引い
て、目標値を求め、前記目標値を前記コードブックの組
に適用して、量子化された目標値を求め、前記予測値を
前記量子化された目標値に加算して、平均を取除いた量
子化値を求め、前記平均を取除いた量子化値に平均値を
加算して、量子化値を求め、コードブックの組及び予測
行列のどの組が最小誤差を有するかを決定し、最小誤差
を有する組に対応する量子化出力を提供する工程を含む
方法。

【００４１】（２） 第１項に記載の方法であって、前
記入力は、一連のＬＰＣ係数に対応するＬＳＦ係数であ
る方法。 （３） 第２項に記載の方法であって、前記決定する工
程は、入力ベクトルと量子化された出力との間の各次元
の自乗誤差を決定する工程を含む方法。 （４） 第３項に記載の方法であって、前記自乗誤差
は、各次元の加重値で乗算される方法。 （５） 第４項に記載の方法であって、加重関数は、Ｌ
ＳＦ量子化のためのユークリッド距離である方法。 （６） 第３項に記載の方法であって、前記加重関数
は、スペクトル歪みの知覚加重された形式に密接に対応
する加重ＬＳＦ距離である方法。

【００４２】（７） 音声符号器のＬＰＣ係数を量子化
する新しい方法であって、切替え型予測多段ベクトル量
子化の改良された形式を含む。スイッチ予測量子化は、
ＭＳＶＱ量子化器の少なくとも１対のコードブックの
組、コードブックの組１と共に用いられる第１の予測行
列１及びコードブックの組２と共に用いられる第２の予
測行列２を含む第１及び第２の予測行列２４ａ及び２４
ｂを含み、符号器はどの予測行列／コードブックの組が
検出器３５で最小量子化誤差を生成するかを決定し、制
御装置２９は誤差が最小である指数を音声符号器の外部
へゲートする。

【図面の簡単な説明】

【図１】混合励振線形予測符号器のブロック図。

【図２】本発明に従った切替え型予測ベクトル量子化符
号化器のブロック図。

【図３】本発明に従った復号器のブロック図。

【図４】本発明の別の実施例に従った加重距離の目安を
決定するフローチャート。

【図５】ＬＰＣ及びＬＳＦから加重ベクトルを計算する
擬似コード。

【図６】ＬＰＣ及びＬＳＦから加重ベクトルを計算する
擬似コード。

【符号の説明】

２０ 切替え型予測量子化器 ２１ 合成フィルタ ２２、２５、３１、７０ 加算器 ２３ 変換器 ２４ａ及び２４ｂ 予測行列 ２６ 乗算器 ２７ 多段ベクトル量子化器 ２８ スイッチ ２９ 制御装置 ３３ 遅延装置 ３３ａ、３７ ゲート ３５ 検出器 ３８ 端子 ３９ コンピュータ ４７ 加重フィルタ

Claims (1)

【特許請求の範囲】
1. 【請求項１】 入力を量子化する切替え型予測方法であ
   って、 平均値を提供し、前記入力から前記平均値を差引いて、
   平均を取除いた入力を求め、 第１及び第２のコードブックの組を有する量子化器を提
   供し、 第１及び第２の予測行列を提供し、 前のフレーム平均を取除いた量子化値を前記第１の予測
   行列に、その後、前記第２の予測行列に乗算して、第１
   の予測値及びその後第２の予測値を求め、 前記平均を取除いた入力から前記予測値を差引いて、目
   標値を求め、 前記目標値を前記コードブックの組に適用して、量子化
   された目標値を求め、 前記予測値を前記量子化された目標値に加算して、平均
   を取除いた量子化値を求め、 前記平均を取除いた量子化値に平均値を加算して、量子
   化値を求め、 コードブックの組及び予測行列のどの組が最小誤差を有
   するかを決定し、最小誤差を有する組に対応する量子化
   出力を提供する工程を含む方法。