JPH11219200A

JPH11219200A - 遅延検出装置及び方法、並びに音声符号化装置及び方法

Info

Publication number: JPH11219200A
Application number: JP10034205A
Authority: JP
Inventors: Akira Inoue; 晃井上
Original assignee: Sony Corp
Current assignee: Sony Corp
Priority date: 1998-01-30
Filing date: 1998-01-30
Publication date: 1999-08-10

Abstract

(57)【要約】【課題】サイン波合成符号化の際等の位相情報の固定
遅延成分を正確かつ効率的に検出する。【解決手段】端子１１からの音声信号に基づく入力信
号の位相情報を位相検出部１２により検出し、この位相
情報を位相アンラップ処理部１３に送って、位相情報の
不連続部分を位相の周期性に基づいて連続したものに変
換し、アンラップ処理されたデータを遅延計算処理部１
４に送って、位相の直線近似を行って遅延成分を求め
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、サイン波合成符号
化等における各高調波（ハーモニクス）成分の位相の固
定遅延成分を検出するための遅延検出装置及び方法、並
びにサイン波合成符号化等の音声符号化装置及び方法に
関する。

【０００２】

【従来の技術】オーディオ信号（音声信号や音響信号を
含む）の時間領域や周波数領域における統計的性質と人
間の聴感上の特性を利用して信号圧縮を行うような符号
化方法が種々知られている。この符号化方法としては、
大別して時間領域での符号化、周波数領域での符号化、
分析合成符号化等が挙げられる。

【０００３】音声信号等の高能率符号化の例としては、
ハーモニック（Harmonic）符号化、ＭＢＥ（Multiband
Excitation：マルチバンド励起）符号化等のサイン波分
析合成符号化（Sinusoidal Coding）や、ＳＢＣ（Sub-
band Coding:帯域分割符号化）、ＬＰＣ（Linear Predi
ctive Coding: 線形予測符号化）、あるいはＤＣＴ（離
散コサイン変換）、ＭＤＣＴ（モデファイドＤＣＴ）、
ＦＦＴ（高速フーリエ変換）等が知られている。

【０００４】

【発明が解決しようとする課題】ところで、入力音声信
号に対して上記ＭＢＥ符号化、ハーモニック符号化や、
ＳＴＣ（Sinusoidal Transform Coding）等のサイン波
合成符号化（SinusoidalCoding）を用いるような、又
は、入力音声信号のＬＰＣ（線形予測符号化）残差に対
してこれらのサイン波合成符号化を用いるような音声高
能率符号化においては、分析合成の要素となる各サイン
波（ハーモニクス、高調波）の振幅、あるいはスペクト
ルエンベロープに関する情報を伝送しているが、位相に
ついては伝送しておらず、合成時に適宜に位相を算出し
ているのが実情である。

【０００５】そのため、復号されて再生される音声波形
は、元の入力音声信号の波形と異なることになる、とい
う問題がある。すなわち、元の波形の波形再生を実現す
るためには、各ハーモニクス（高調波）成分の位相情報
をフレーム毎に検出して伝送することが必要とされる。

【０００６】このようにフレーム間隔で検出された位相
情報を伝送する際には、各ハーモニクスの位相成分をそ
のまま伝送するのでは効率が悪くいため、位相を固定遅
延成分と、位相の微細構造成分とに分離することが好ま
しい。

【０００７】本発明は、このような実情に鑑みてなされ
たものであり、元の波形の波形再現性を実現するための
各ハーモニクスの位相情報の固定遅延成分を検出する遅
延検出装置及び方法、並びにこの遅延検出の技術を用い
たサイン波合成符号化等の音声符号化装置及び方法の提
供を目的とする。

【０００８】

【課題を解決するための手段】本発明に係る遅延検出装
置及び方法は、上述した課題を解決するために、音声信
号に基づく入力信号波形を時間軸上で１ピッチ周期分だ
け切り出し、切り出された１ピッチ周期分のサンプルに
対してＦＦＴ等の直交変換を施し、直交変換されたデー
タの実部と虚部とに基づいて上記入力信号の周波数領域
における位相情報を検出し、この位相情報を位相アンラ
ップ処理し、アンラップ処理されたデータを直線近似し
て遅延成分を求めることを特徴としている。

【０００９】また、本発明は、上記特徴を有する遅延検
出を、サイン波合成符号化等の音声符号化に適用するこ
とを特徴としている。

【００１０】ここで、上記入力信号波形としては、音声
信号波形そのもの、あるいは音声信号の短期予測残差の
信号波形を用いることができる。

【００１１】また、上記切り出された波形データにゼロ
詰めを施して全体で２^Nサンプル（Ｎは整数、２^Nは上
記１ピッチ周期のサンプル数以上）として、直交変換す
ることが好ましく、この直交変換としては高速フーリエ
変換が好ましい。

【００１２】さらに、上記位相検出は、上記直交変換手
段からのデータの実部と虚部とを用いて逆正接（ta
n^-1）を求める計算により位相を求めることが好まし
い。

【００１３】

【発明の実施の形態】本発明に係る遅延検出装置及び方
法は、例えばマルチバンド励起（MultibandExcitation:
ＭＢＥ）符号化、サイン波変換符号化（Sinusoidal Tr
ansform Coding:ＳＴＣ）、ハーモニック符号化（Harmo
nic coding ）等のサイン波合成符号化方式に適用され
るものであり、又はＬＰＣ（Linear Predictive Codin
g）残差に上記サイン波合成符号化を用いた符号化方式
に適用されるものである。

【００１４】ここで、本発明の実施の形態の説明に先立
ち、本発明に係る遅延検出装置あるいは方法が適用され
る装置としてのサイン波分析合成符号化を行うような音
声符号化装置について説明する。

【００１５】図１は、上述した遅延検出装置あるいは方
法が適用される音声符号化装置の具体例の概略構成を示
している。

【００１６】図１の音声信号符号化装置は、入力信号に
対して、サイン波分析（sinusoidalanalysis ）符号
化、例えばハーモニックコーディング（harmonic codin
g ）を行う第１の符号化部１１０と、入力信号に対し
て、例えば合成による分析法を用いて最適ベクトルのク
ローズドループサーチによるベクトル量子化を用いた符
号励起線形予測（ＣＥＬＰ）符号化を施す第２の符号化
部１２０とを有し、入力信号の有声音（Ｖ：Voiced）の
部分の符号化に第１の符号化部１１０を用い、入力信号
の無声音（ＵＶ：Unvoiced）の部分の符号化には第２の
符号化部１２０を用いるようにしている。本発明に係る
位相検出の実施の形態は、第１の符号化部１１０に対し
て適用されている。なお、図１の例では、入力音声信号
の短期予測残差例えばＬＰＣ（線形予測符号化）残差を
求めた後に第１の符号化部１１０に送られるようにして
いる。

【００１７】図１において、入力端子１０１に供給され
た音声信号は、ＬＰＣ逆フィルタ１３１及びＬＰＣ分析
部１３２に送られ、また、第１の符号化部１１０のオー
プンループピッチサーチ部１１１にも送られる。ＬＰＣ
分析部１３２は、入力信号波形の２５６サンプル程度の
長さ（分析長）を１ブロックとしてハミング窓をかけ
て、自己相関法により線形予測係数、いわゆるαパラメ
ータを求める。データ出力の単位となるフレーミングの
間隔は、１６０サンプル程度とする。ここで、入力音声
信号のサンプリング周波数ｆｓが例えば８ｋHzのとき、
１フレーム間隔は１６０サンプルで２０ｍsec となる。

【００１８】ＬＰＣ分析部１３２からのαパラメータ
は、例えばα→ＬＳＰ変換により線スペクトル対（ＬＳ
Ｐ）パラメータに変換される。これは、直接型のフィル
タ係数として求まったαパラメータを、例えば１０個、
すなわち５対のＬＳＰパラメータに変換する。変換は例
えばニュートン−ラプソン法等を用いて行う。このＬＳ
Ｐパラメータに変換するのは、αパラメータよりも補間
特性に優れているからである。このＬＳＰパラメータ
は、ＬＳＰ量子化器１３３によりマトリクスあるいはベ
クトル量子化される。このとき、フレーム間差分をとっ
てからベクトル量子化してもよく、複数フレーム分をま
とめてマトリクス量子化してもよい。ここでは、２０ｍ
sec を１フレームとし、２０ｍsec 毎に算出されるＬＳ
Ｐパラメータを２フレーム分まとめて、マトリクス量子
化及びベクトル量子化している。

【００１９】このＬＳＰ量子化器１３３からの量子化出
力、すなわちＬＳＰ量子化のインデクスは、端子１０２
を介して取り出され、また量子化済みのＬＳＰベクトル
は、例えばＬＳＰ補間やＬＳＰ→α変換を介してＬＰＣ
のαパラメータとされて、ＬＰＣ逆フィルタ１３１や、
後述する第２の符号化部１２０の聴覚重み付きのＬＰＣ
合成フィルタ１２２及び聴覚重み付けフィルタ１２５に
送られる。

【００２０】また、ＬＰＣ分析部１３２からのαパラメ
ータは、聴覚重み付けフィルタ算出部１３４に送られて
聴覚重み付けのためのデータが求められ、この重み付け
データが後述する聴覚重み付きのベクトル量子化器１１
６と、第２の符号化部１２０の聴覚重み付きのＬＰＣ合
成フィルタ１２２及び聴覚重み付けフィルタ１２５とに
送られる。

【００２１】ＬＰＣ逆フィルタ１３１では、上記αパラ
メータを用いて、入力音声信号の線形予測残差（ＬＰＣ
残差）を取り出すような逆フィルタリング処理を行って
いる。このＬＰＣ逆フィルタ１３１からの出力は、サイ
ン波分析符号化、具体的には例えばハーモニック符号化
を行う第１の符号化部１１０の、ＤＦＴ（離散フーリエ
変換）回路等の直交変換部１１２及び位相検出部１４０
に送られる。

【００２２】また、符号化部１１０のオープンループピ
ッチサーチ部１１１には、上記入力端子１０１からの入
力音声信号が供給されている。オープンループピッチサ
ーチ部１１１では、入力信号のＬＰＣ残差をとってオー
プンループによる比較的ラフなピッチのサーチが行わ
れ、抽出された粗ピッチデータは高精度ピッチサーチ部
１１３に送られて、後述するようなクローズドループに
よる高精度のピッチサーチ（ピッチのファインサーチ）
が行われる。また、オープンループピッチサーチ部１１
１からは、上記粗ピッチデータと共にＬＰＣ残差の自己
相関の最大値をパワーで正規化した正規化自己相関最大
値ｒ(p) が取り出され、Ｖ／ＵＶ（有声音／無声音）判
定部１１４に送られている。

【００２３】直交変換部１１２では例えばＤＦＴ（離散
フーリエ変換）等の直交変換処理が施されて、時間軸上
のＬＰＣ残差が周波数軸上のスペクトル振幅データに変
換される。この直交変換部１１２からの出力は、高精度
ピッチサーチ部１１３及びスペクトル振幅あるいはエン
ベロープを評価するためのスペクトルエンベロープ評価
部１１５に送られる。

【００２４】高精度（ファイン）ピッチサーチ部１１３
には、オープンループピッチサーチ部１１１で抽出され
た比較的ラフな粗ピッチデータと、直交変換部１１２に
より例えばＤＦＴされた周波数軸上のデータとが供給さ
れている。この高精度ピッチサーチ部１１３では、上記
粗ピッチデータ値を中心に、0.２〜0.５きざみで±数サ
ンプルずつ振って、最適な小数点付き（フローティン
グ）のファインピッチデータの値へ追い込む。このとき
のファインサーチの手法として、いわゆる合成による分
析 (Analysis by Synthesis)法を用い、合成されたパワ
ースペクトルが原音のパワースペクトルに最も近くなる
ようにピッチを選んでいる。このようなクローズドルー
プによる高精度のピッチサーチ部１４６からのピッチデ
ータについては、スペクトルエンベロープ評価部１１
５、位相検出部１４１、及び切換部１０７に送ってい
る。

【００２５】スペクトルエンベロープ評価部１１５で
は、ＬＰＣ残差の直交変換出力としてのスペクトル振幅
及びピッチに基づいて各ハーモニクスの大きさ及びその
集合であるスペクトルエンベロープが評価され、高精度
ピッチサーチ部１１３、Ｖ／ＵＶ（有声音／無声音）判
定部１１４及びスペクトルエンベロープ量子化部１１６
に送られる。スペクトルエンベロープ量子化部１１６と
しては、聴覚重み付きのベクトル量子化器が用いられ
る。

【００２６】Ｖ／ＵＶ（有声音／無声音）判定部１１４
は、直交変換部１１２からの出力と、高精度ピッチサー
チ部１１３からの最適ピッチと、スペクトルエンベロー
プ評価部１１５からのスペクトル振幅データと、オープ
ンループピッチサーチ部１１１からの正規化自己相関最
大値ｒ(p) とに基づいて、当該フレームのＶ／ＵＶ判定
が行われる。さらに、ＭＢＥの場合の各バンド毎のＶ／
ＵＶ判定結果の境界位置も当該フレームのＶ／ＵＶ判定
の一条件としてもよい。このＶ／ＵＶ判定部１１５から
の判定出力は、出力端子１０５を介して取り出される。

【００２７】ところで、スペクトル評価部１１５の出力
部あるいはスペクトルエンベロープ量子化部１１６の入
力部には、データ数変換（一種のサンプリングレート変
換）部が設けられている。このデータ数変換部は、上記
ピッチに応じて周波数軸上での分割帯域数が異なり、デ
ータ数が異なることを考慮して、エンベロープの振幅デ
ータ｜Ａ_m｜を一定の個数にするためのものである。す
なわち、例えば有効帯域を３４００ｋHzまでとすると、
この有効帯域が上記ピッチに応じて、８バンド〜６３バ
ンドに分割されることになり、これらの各バンド毎に得
られる上記振幅データ｜Ａ_m｜の個数も８〜６３と変化
することになる。このため上記データ数変換部で、この
可変個数の振幅データを一定個数、例えば４４個、のデ
ータに変換している。

【００２８】このスペクトルエンベロープ評価部１１５
の出力部あるいはスペクトルエンベロープ量子化部１１
６の入力部に設けられたデータ数変換部からの上記一定
個数（例えば４４個）の振幅データあるいはエンベロー
プデータが、スペクトルエンベロープ量子化部１１６に
より、所定個数、例えば４４個のデータ毎にまとめられ
てベクトルとされ、重み付きベクトル量子化が施され
る。この重みは、聴覚重み付けフィルタ算出回路１３４
からの出力により与えられる。スペクトルエンベロープ
量子化部１１６からの上記エンベロープのインデクス
は、切換部１０７に送られる。

【００２９】位相検出部１４１では、後述するようにサ
イン波分析合成符号化の各ハーモニクス（高調波）毎の
位相や位相の固定遅延成分等の位相情報を検出し、この
位相情報を位相量子化部１４２に送って量子化し、量子
化された位相データを切換部１０７に送っている。

【００３０】切換部１０７は、Ｖ／ＵＶ判定部１１５か
らのＶ／ＵＶ判定出力に応じて、第１の符号化部１１０
のピッチ、スペクトルエンベロープのベクトル量子化イ
ンデクス、位相の各データと、第２の符号化部１２０か
らの後述するシェイプ、ゲインの各データとを切り換え
て、端子１０３より出力する。

【００３１】図１の第２の符号化部１２０は、この例で
はＣＥＬＰ（符号励起線形予測）符号化構成を有してお
り、雑音符号帳１２１からの出力を、重み付きの合成フ
ィルタ１２２により合成処理し、得られた重み付き音声
を減算器１２３に送り、入力端子１０１に供給された音
声信号を聴覚重み付けフィルタ１２５を介して得られた
音声との誤差を取り出し、この誤差を距離計算回路１２
４に送って距離計算を行い、誤差が最小となるようなベ
クトルを雑音符号帳１２１でサーチするような、合成に
よる分析（Analysis by Synthesis ）法を用いたクロー
ズドループサーチを用いた時間軸波形のベクトル量子化
を行っている。このＣＥＬＰ符号化は、上述したように
無声音部分の符号化に用いられており、雑音符号帳１２
１からのＵＶデータとしてのコードブックインデクス
は、上記Ｖ／ＵＶ判定部１１５からのＶ／ＵＶ判定結果
が無声音（ＵＶ）のとき切り換えられる切換部１０７を
介して、出力端子１０７より取り出される。

【００３２】次に、本発明に係る好ましい実施の形態に
ついて、以下に説明する。この本発明に係る遅延検出装
置及び方法の実施の形態は、上記図１に示した音声信号
符号化装置の位相検出部１４１に用いられるものである
が、これに限定されないことは勿論である。

【００３３】先ず、図２は、本発明に係る好ましい実施
の形態となる遅延検出装置の概略構成を示すブロック図
である。

【００３４】この図２において、入力端子１１に供給さ
れる入力信号としては、ディジタル化した音声信号その
もの、あるいは上述した図１の例のＬＰＣ逆フィルタ１
３１からの信号のようなディジタル音声信号の短期予測
残差信号（ＬＰＣ残差信号）が用いられる。この入力信
号は、各高調波成分の位相情報を検出する位相検出部１
２に送られ、この位相検出部１２からの位相情報が位相
アンラップ部１３に送られる。位相アンラップ部１３で
は、求められた位相情報の不連続部分を位相の周期性に
基づいて連続したものに変換して、遅延計算部１４に送
る。遅延計算部１４では、位相アンラップ部１３からの
位相データを直線近似して遅延成分を求め、求められた
遅延成分を出力端子１５に送っている。図２の入力端子
１６には例えば上記図１の高精度ピッチサーチ部１１３
等からのピッチ情報が供給されており、このピッチ情報
は遅延計算部１４及び重み計算部１８に送られる。入力
端子１７には、上記音声信号のＬＰＣ分析結果であるＬ
ＰＣ係数が供給されており、このＬＰＣ係数は、重み計
算部１８に送られる。重み計算部１８からの出力は遅延
計算部１４に送られており、この遅延計算部１４では、
位相アンラップ部１３からの位相データに対して、上記
重み計算部１８からのスペクトル振幅で重み付けされた
最小二乗直線近似を行い、求められた直線の１次係数を
遅延成分として端子１５に出力する。

【００３５】次に、図３は、上記図２の位相検出部１２
の具体例の概略構成を示すブロック図である。

【００３６】図３の入力端子２０に供給される入力信号
は、上記図２の入力端子１１に供給された信号、すなわ
ち声信号そのもの、あるいは短期予測残差信号（ＬＰＣ
残差信号）である。この入力信号に対して、波形切り出
し部２１により、１ピッチ周期分の波形信号を切り出し
ている。これは、図４に示すように、入力信号（音声信
号あるいはＬＰＣ残差信号）ｓ(i) の分析ブロック中の
分析点（時刻）ｎから１ピッチ周期に相当するサンプル
数（ピッチラグ）pch を切り出す処理である。この図４
の例では、分析ブロック長を２５６サンプルとしている
が、これに限定されない。また、図４の横軸は分析ブロ
ック中の位置あるいは時刻をサンプル数で表しており、
上記分析点の位置あるいは時刻ｎは、分析開始からｎサ
ンプル目であることを示している。

【００３７】この切り出された１ピッチ分の波形信号に
対して、ゼロ詰め処理部２２によりゼロ詰め処理が施さ
れる。これは図５に示すように、上記１ピッチラグ分の
pchサンプルの信号波形を先頭に配置し、信号長が２^N
サンプル、この実施の形態では２⁸＝２５６サンプルと
なるように、残りをゼロ詰めした信号列re(i) （ただ
し、０≦ｉ＜２^N）を得る処理である。

【００３８】

【数１】

【００３９】次に、このゼロ詰めされた信号列re(i) を
実数部とし、虚数信号列im(i) として、 im(i) ＝０（０≦ｉ＜２^N）を用い、ＦＦＴ処理部２３に送ることにより、これらの
実数信号列re(i) 及び虚数信号列im(i) に対して２^Nポ
イントのＦＦＴ（高速フーリエ変換）を実行する。

【００４０】このＦＦＴの実行結果に対して、tan^-1 処
理部２４によりtan^-1 （逆正接）を計算して位相を求め
る。これは、ＦＦＴの実行結果の実数部をＲe(i)、虚数
部をＩm(i)とするとき、０≦ｉ＜２^N-1 の成分が、周波
数軸上で０〜π（rad）の成分に相当することから、こ
の周波数軸上のω＝０〜πの範囲の位相φ(ω)を、次の
（２）式により２^N-1 ポイント求めるものである。求め
られた位相の具体例を図６の実線に示す。

【００４１】

【数２】

【００４２】このようにして求められた位相の固定遅延
成分、いわゆる群遅延特性τ(ω)は、位相微分を符号反
転したもの、すなわち、 τ(ω)＝−ｄφ(ω)／ｄω （３）として定義される。ここで、上記（２）式のtan^-1 を計
算して得られた位相は、図３の端子２７を介して取り出
され、上記図２の位相アンラップ部１３に送られる。な
お、上記各ハーモニクスの位相を求めるためには、tan
^-1 処理部２４からの位相を後述する補間処理部に送っ
て線形補間等の補間処理を行うことが必要である。

【００４３】ところで、tan^-1 処理部２４から端子２７
を介して取り出された位相の位相特性は、図６に示すよ
うに−πから＋πまでの２πの区間内で定義されている
ため、−πを下回る値は＋π側に折り畳まれて、あるい
はラップされて表れ、図６では不連続部分となってい
る。このような不連続部分があると微分できないので、
図２の位相アンラップ部１３での位相アンラップ処理に
より連続したものに変換する。この位相アンラップ処理
については後述する。図７は、この位相アンラップ処理
がなされた位相の一例を示している。

【００４４】次に、図２の重み計算部１８による重みの
計算、及び遅延計算部１４による遅延量の計算について
説明する。本実施の形態においては、入力音声信号のス
ペクトル振幅特性ｗｔ(ω)を０≦ω≦πの範囲で２^N-1
ポイント求めて重みとしている。これは、例えば、Ｐ次
の線形予測係数（ＬＰＣ係数）からスペクトル振幅特性
を計算することで求めることができる。すなわち、先
ず、Ｐ次のＬＰＣ逆フィルタ特性Ｈ(ｚ)を次の（４）式
で求める。

【００４５】

【数３】

【００４６】次に、このＰ次のＬＰＣ逆フィルタ特性Ｈ
(ｚ)の適当な長さのインパルス応答を求め、２^Nポイン
トＦＦＴを行うことで、０≦ω≦πの範囲で２^N-1ポイ
ントのＦＦＴ出力Ｈ(exp(-jω)) が求められる。その絶
対値、すなわち、ｗｔ(ω) ＝｜Ｈ(exp(-jω))｜（５）をスペクトル振幅重みとする。このスペクトル振幅重み
ｗｔ(ω)の一例を図８に示している。

【００４７】以上のようにして求められた２^N-1ポイン
トのアンラップ位相φ(ω_i) 、及びスペクトル振幅重み
ｗｔ(ω_i) 、すなわち、 ω_i ＝ｉπ／（２^N-1）（６） φ_i ＝ φ(ω_i) （７）ｗｔ_i ＝ｗｔ(ω_i) （８）より、重み付け最小２乗法により、図９の波線に示すよ
うな直線近似位相 φ(ω) ＝ −τω＋φ₀ （９）を求める。すなわち、次の（１０）式を最小とするよう
なτ，φ₀ を求める。

【００４８】

【数４】

【００４９】

【数５】

【００５０】上記（１１）式、（１２）式が０となるよ
うな、すなわち、ｄε／ｄτ＝０，ｄε／ｄφ₀ ＝０と
なるようなτ，φ₀ は、次の（１３）式、（１４）式の
ように求められる。

【００５１】

【数６】

【００５２】以上のようにして求められたτは、遅延サ
ンプル数となる。図１０に示す１ピッチ波形の検出遅延
量ＤＬの遅延サンプル数τは、例えば２２．９（サンプ
ル）である。

【００５３】ここで、上記位相アンラップ処理の具体例
を図１１のフローチャートに示す。この図１１におい
て、ステップＳ６１，Ｓ６３等におけるphase がアンラ
ップ前の位相であり、ステップＳ６８におけるunwrap_p
haseがアンラップ処理された位相である。ステップＳ６
１では、ラップ数を表す変数wrap，位相を一時的に取り
込む変数pha0，サンプル番号を表す変数ｉをそれぞれ
０，phase(0)，１に初期化しており、ステップＳ６２か
らステップＳ６９までで、位相の不連続を検出して２π
を順次減算することで、位相の連続性を保つ処理をｉが
２^N-1に達するまで繰り返し行っている。このアンラッ
プ処理により、図６の位相が図７に示すように連続した
ものに変換される。

【００５４】次に、上記重み付き最小二乗直線近似にお
いて、ハーモニクス成分の位置のみのスペクトル振幅重
み及びアンラップ位相を用いる場合について説明する。

【００５５】ピッチラグpch が既知であるので、基本周
波数（角周波数）ω₀ は、 ω₀ ＝２π／pch （２０）となる。周波数軸上のω＝０〜πの範囲にハーモニクス
（高調波）がω₀ 間隔にＭ本並んでいる。このＭは、Ｍ
＝ pch／２となる。上記アンラップ処理により求めら
れた２^N-1ポイントのアンラップ位相φ(ω_i) 、及びス
ペクトル振幅重みｗｔ(ω_i) により、各ハーモニクスに
おけるアンラップ位相、スペクトル重みを求める。すな
わち、 ω_i ＝ ω₀×ｉ（i=1,2,...,M）（２１） φ_i ＝ φ(ω_i) （２２）ｗｔ_i ＝ｗｔ(ω_i) （２３）これらのハーモニクス成分の情報のみで、上述と同様な
重み付き最小二乗直線近似を行って直線近似位相を求め
る。

【００５６】次に、上記重み付き最小二乗直線近似にお
いて、音声信号の低域〜中域のスペクトル振幅重み及び
アンラップ位相を用いる場合について説明する。

【００５７】これは、高域での検出位相情報にはあまり
信頼性がないことを考慮して、低域を取り出すための０
＜β＜１の実定数βにより、０≦ω_i≦β×π （２４）のポイントのアンラップ位相φ(ω_i) 、スペクトル振幅
重みｗｔ(ω_i) だけを使って、重み付き最小二乗直線近
似を行って直線近似位相を求める。

【００５８】ここで、処理の対象となるポイント数Ｍ
は、各ハーモニクスのポイントで処理するか否かに応じ
て、次の（２５）式、又は（２６）式のようになる。
（２６）式が各ハーモニクスのポイントで処理する場合
である。

【００５９】

【数７】

【００６０】以上説明したような遅延検出により、ある
時刻における音声信号などの周期信号の遅延成分を、位
相アンラップ、スペクトル重み付き最小二乗直線近似に
より、正確かつ効率的に行うことができる。ここで、初
めに得られたアンラップ位相特性から、重み付き最小二
乗直線近似により得られた直線位相特性を引いたものが
位相の微細構造を表すものである。すなわち、位相の微
細構造成分Δφ(ω)は、アンラップ位相φ(ω)、直線近
似位相特性（−τω＋φ₀）により、 Δφ(ω) ＝ φ(ω)＋τω−φ₀ （２７）により求められる。

【００６１】例えば、サイン波合成のための各ハーモニ
クスの位相を伝送する場合には、位相を、固定遅延成分
と、位相の微細構造とに分離することが効率的である。
そこで、図１２に示すように、位相アンラップ部１３で
得られたアンラップ位相を遅延計算部１４で計算すると
共に、上記アンラップ位相を補間処理部２５に送って線
形補間等の補間処理を行うことにより各ハーモニクスの
位相を求め、減算回路２６によりこの各ハーモニクスの
位相から上述した直線近似位相特性を減算して、位相の
微細構造成分を出力端子２８より取り出している。な
お、この図１２の他の部分は、上述した図２と同様であ
るため説明を省略する。

【００６２】図１３は、上述のようにして得られた位相
の微細構造成分Δφ(ω)の一例を示すものである。

【００６３】次に、上述のようにして求められた位相情
報を用いてサイン波合成を行う場合の具体例について図
１４を参照しながら説明する。ここでは、時刻ｎ₁から
ｎ₂までのフレーム間隔Ｌ＝ｎ₂−ｎ₁の時間波形をサイ
ン波合成（Sinusoidal合成）により再生する場合につい
て説明する。

【００６４】時刻ｎ₁ のピッチラグがpch₁（サンプ
ル）、時刻ｎ₂ のピッチラグがpch₂（サンプル）である
とき、時刻ｎ₁,ｎ₂ のピッチ周波数ω₁,ω₂ （rad/サンフ゜
ル）は、それぞれ、 ω₁ ＝２π／pch₁ ω₂ ＝２π／pch₂ である。また、各ハーモニクス成分の振幅データを、時
刻ｎ₁ では、Ａ₁₁,Ａ₁₂,Ａ₁₃,...、時刻ｎ₂ では、
Ａ₂₁,Ａ₂₂,Ａ₂₃,...とし、各ハーモニクス成分の位相デ
ータを時刻ｎ₁ では、φ₁₁,φ₁₂,φ₁₃,...、時刻ｎ₂ で
は、φ₂₁,φ₂₂,φ₂₃,...とする。

【００６５】ピッチが連続している場合には、時刻ｎ
（ｎ₁≦ｎ≦ｎ₂）における第ｍ番目のハーモニクス成分
の振幅は、時刻ｎ₁,ｎ₂ における振幅データの線形補間
によって、次の（２８）式により得られる。

【００６６】

【数８】

【００６７】時刻ｎ₁,ｎ₂ の間でのｍ番目のハーモニク
ス成分の周波数変化を、次の（２９）式で示すように、
（線形変化分）＋（固定変動分）であると仮定する。

【００６８】

【数９】

【００６９】このとき、第ｍ番目のハーモニクス成分の
時刻ｎにおける位相θ_m(n)（rad）は、次の（３０）式
で表されるから、これを計算して（３１）式が得られ
る。

【００７０】

【数１０】

【００７１】よって、時刻ｎ₂ におけるｍ番目のハーモ
ニクスの位相φ_m2（rad）は、次の（３４）式で表され
る。従って各ハーモニクス成分の周波数変化の変動分Δ
ω_m（rad/サンフ゜ル）は、次の（３５）式に示すようにな
る。

【００７２】

【数１１】

【００７３】

【数１２】

【００７４】第ｍ番目のハーモニクス成分について、時
刻ｎ₁,ｎ₂ における位相φ_m1,φ_m2が与えられているの
で、上記（３５）式より、周波数変化の固定変動分Δω
_m を求め、上記（３２）式により各時刻ｎの位相θ_m が
求まれば、第ｍ番目のハーモニクスによる時間波形Ｗ
_m(n)は、Ｗ_m(n) ＝Ａ_m(n)cos(θ_m(n)) （ｎ₁≦ｎ≦ｎ₂）（３６）となる。このようにして得られた全てのハーモニクスに
関する時間波形の総和をとったものが、次の（３７）
式、（３８）式に示すように、合成波形Ｖ(n) となる。

【００７５】

【数１３】

【００７６】次に、ピッチ不連続の場合について説明す
る。ピッチ不連続の場合は、周波数変化の連続性は考慮
せずに、時刻ｎ₁ より前向きにサイン波合成した次の
（３９）式に示す波形Ｖ₁(n)と、時刻ｎ₂ より後ろ向き
にサイン波合成した次の（４０）式に示す波形Ｖ₂(n)と
にそれぞれ窓をかけて重畳加算（overlap add）する。

【００７７】

【数１４】

【００７８】

【数１５】

【００７９】以上説明したような遅延検出装置によれ
ば、ある時刻における音声信号などの周期信号の遅延成
分を、位相アンラップ、スペクトル重み付き最小二乗直
線近似により、正確かつ効率的に行うことができる。

【００８０】なお、本発明は上記実施の形態のみに限定
されるものではなく、例えば上記図１の構成について
は、各部をハードウェア的に記載しているが、いわゆる
ＤＳＰ（ディジタル信号プロセッサ）等を用いてソフト
ウェアプログラムにより実現することも可能である。

【００８１】

【発明の効果】以上の説明から明らかなように、本発明
に係る遅延検出装置及び方法によれば、音声信号に基づ
く入力信号の位相情報を検出し、この位相情報を位相ア
ンラップ処理し、アンラップ処理されたデータを直線近
似して遅延成分を求めることにより、音声信号等の周期
信号の遅延成分を、正確かつ効率的に求めることができ
る。

【図面の簡単な説明】

【図１】本発明に係る遅延検出装置及び方法の実施の形
態が適用される音声符号化装置の一例の概略構成を示す
ブロック図である。

【図２】本発明に係る実施の形態となる遅延検出装置の
概略構成を示すブロック図である。

【図３】本発明に係る実施の形態に用いられる位相検出
部の概略構成を示すブロック図である。

【図４】位相検出の対象となる入力信号の一例を示す波
形図である。

【図５】１ピッチ分の波形データにゼロ詰めを施した信
号の一例を示す波形図である。

【図６】検出された位相の一例を示す図である。

【図７】アンラップ処理された位相の一例を示す図であ
る。

【図８】音声信号のスペクトル重みの一例を示す図であ
る。

【図９】位相の最小二乗直線近似をして得られた直線近
似位相特性の一例を示す図である。

【図１０】直線近似位相特性から求められた遅延の一例
を示す図である。

【図１１】位相アンラップ処理の一例を示すフローチャ
ートである。

【図１２】位相の固定遅延成分と微細構造とを求める構
成の一例を示すブロック図である。

【図１３】位相の微細構造の一例を示す図である。

【図１４】位相情報が得られたときのサイン波合成の一
例を説明するための図である。

【符号の説明】

１２位相検出部、１３位相アンラップ処理部、
１４遅延計算処理部、１８重み計算処理部、２
１波形切り出し部、２２ゼロ詰め処理部、２３
ＦＦＴ処理部、２４ tan^-1部、２５補間処理
部、１１０第１の符号化部、１１１オープンルー
プピッチサーチ部、１１２直交変換部、１１３
高精度ピッチサーチ部、１１４Ｖ／ＵＶ判定部、
１１５スペクトルエンベロープ評価部、１１６スペ
クトルエンベロープ量子化部、１２０第２の符号化
部、１３１ＬＰＣ逆フィルタ、１３２ＬＰＣ分
析部、１３３ＬＳＰ量子化部、１４１位相検出
部、１４２位相量子化部

Claims

【特許請求の範囲】

【請求項１】音声信号に基づく入力信号の周波数領域
における位相情報を検出する位相検出部と、求められた位相情報の不連続部分を位相の周期性に基づ
いて連続したものに変換する位相アンラップ手段と、このアンラップ手段からの位相データを直線近似して遅
延成分を求める遅延計算手段とを有することを特徴とす
る遅延検出装置。
【請求項２】上記入力信号は音声信号であることを特
徴とする請求項１記載の遅延検出装置。
【請求項３】上記入力信号は音声信号の短期予測残差
信号であることを特徴とする請求項１記載の遅延検出装
置。
【請求項４】上記位相検出部は、上記入力信号の信号波形を時間軸上で１ピッチ周期分だ
け切り出す波形切り出し手段と、切り出された１ピッチ周期分の波形データにゼロ詰めを
施して全体で２^Nサンプル（Ｎは整数、２^Nは上記１ピ
ッチ周期のサンプル数以上）とするゼロ詰め手段と、このゼロ詰めされた波形データ対して直交変換を施す直
交変換手段と、この直交変換手段からのデータの実部と虚部とに基づい
て上記入力信号の周波数領域における位相情報を検出す
る位相検出手段とを有することを特徴とする請求項１記
載の遅延検出装置。
【請求項５】上記直交変換手段は、高速フーリエ変換
回路であることを特徴とする請求項４記載の遅延検出装
置。
【請求項６】上記位相検出手段は、上記直交変換手段
からのデータの実部と虚部とを用いて逆正接（tan^-1）
を求める計算により位相を求めることを特徴とする請求
項４記載の遅延検出装置。
【請求項７】上記遅延計算手段は、上記位相アンラッ
プ手段からの位相データに対して、上記音声信号のスペ
クトル振幅で重み付けされた最小二乗直線近似を行い、
求められた直線の１次係数を遅延成分として出力するこ
とを特徴とする請求項１記載の遅延検出装置。
【請求項８】上記遅延計算手段は、上記最小二乗直線
近似において、上記音声信号の低域から中域までのスペ
クトル振幅重みを用いて上記位相アンラップ手段からの
位相データの直線近似を行うことを特徴とする請求項７
記載の遅延検出装置。
【請求項９】上記遅延計算手段は、上記位相アンラッ
プ手段からの位相データに対して、各高調波成分の位相
データを求め、上記音声信号の高調波成分の位置のみの
スペクトル振幅で重み付けされた最小二乗直線近似を行
い、求められた直線の１次係数を遅延成分として出力す
ることを特徴とする請求項１記載の遅延検出装置。
【請求項１０】上記遅延計算手段は、上記最小二乗直
線近似において、上記音声信号の低域から中域までの高
調波成分の位置のみのスペクトル振幅重みを用いて、高
調波成分のみの位相データの直線近似を行うことを特徴
とする請求項９記載の遅延検出装置。
【請求項１１】音声信号に基づく入力信号の周波数領
域における位相情報を検出する位相検出工程と、求められた位相情報の不連続部分を位相の周期性に基づ
いて連続したものに変換する位相アンラップ工程と、このアンラップ工程により得られた位相データを直線近
似して遅延成分を求める遅延計算工程とを有することを
特徴とする遅延検出方法。
【請求項１２】上記位相検出工程は、上記入力信号の信号波形を時間軸上で１ピッチ周期分だ
け切り出す波形切り出し工程と、切り出された１ピッチ周期分の波形データにゼロ詰めを
施して全体で２^Nサンプル（Ｎは整数、２^Nは上記１ピ
ッチ周期のサンプル数以上）とするゼロ詰め工程と、このゼロ詰めされた波形データ対して直交変換を施す直
交変換工程と、この直交変換工程により得られたデータの実部と虚部と
に基づいて上記入力信号の周波数領域における位相情報
を検出する位相検出工程とを有することを特徴とする請
求項１１記載の遅延検出方法。
【請求項１３】上記遅延計算工程は、上記位相アンラ
ップ手段からの位相データに対して、上記音声信号のス
ペクトル振幅で重み付けされた最小二乗直線近似を行
い、求められた直線の１次係数を遅延成分として出力す
ることを特徴とする請求項１１記載の遅延検出方法。
【請求項１４】音声信号に基づく入力信号を時間軸上
でブロック単位で区分し、区分された各ブロック毎にピ
ッチを求めると共に、各ブロック単位でサイン波分析合
成符号化を施す音声符号化装置において、上記入力信号の周波数領域における位相情報を検出する
位相検出部と、求められた位相情報の不連続部分を位相の周期性に基づ
いて連続したものに変換する位相アンラップ手段と、このアンラップ手段からの位相データを直線近似して遅
延成分を求める遅延計算手段とを有することを特徴とす
る音声符号化装置。
【請求項１５】上記入力信号は音声信号であることを
特徴とする請求項１４記載の音声符号化装置。
【請求項１６】上記入力信号は音声信号の短期予測残
差信号であることを特徴とする請求項１４記載の音声符
号化装置。
【請求項１７】上記位相検出部は、上記入力信号の信号波形を時間軸上で１ピッチ周期分だ
け切り出す波形切り出し手段と、切り出された１ピッチ周期分の波形データにゼロ詰めを
施して全体で２^Nサンプル（Ｎは整数、２^Nは上記１ピ
ッチ周期のサンプル数以上）とするゼロ詰め手段と、このゼロ詰めされた波形データ対して直交変換を施す直
交変換手段と、この直交変換手段からのデータの実部と虚部とに基づい
て上記入力信号の周波数領域における位相情報を検出す
る位相検出手段とを有することを特徴とする請求項１４
記載の音声符号化装置。
【請求項１８】上記直交変換手段は、高速フーリエ変
換回路であることを特徴とする請求項１７記載の音声符
号化装置。
【請求項１９】上記位相検出手段は、上記直交変換手
段からのデータの実部と虚部とを用いて逆正接（ta
n^-1）を求める計算により位相を求めることを特徴とす
る請求項１７記載の音声符号化装置。
【請求項２０】上記遅延計算手段は、上記位相アンラ
ップ手段からの位相データに対して、上記音声信号のス
ペクトル振幅で重み付けされた最小二乗直線近似を行
い、求められた直線の１次係数を遅延成分として出力す
ることを特徴とする請求項１４記載の音声符号化装置。
【請求項２１】上記遅延計算手段は、上記最小二乗直
線近似において、上記音声信号の低域から中域までのス
ペクトル振幅重みを用いて上記位相アンラップ手段から
の位相データの直線近似を行うことを特徴とする請求項
２０記載の音声符号化装置。
【請求項２２】上記遅延計算手段は、上記位相アンラ
ップ手段からの位相データに対して、各高調波成分の位
相データを求め、上記音声信号の高調波成分の位置のみ
のスペクトル振幅で重み付けされた最小二乗直線近似を
行い、求められた直線の１次係数を遅延成分として出力
することを特徴とする請求項１４記載の音声符号化装
置。
【請求項２３】上記遅延計算手段は、上記最小二乗直
線近似において、上記音声信号の低域から中域までの高
調波成分の位置のみのスペクトル振幅重みを用いて、高
調波成分のみの位相データの直線近似を行うことを特徴
とする請求項２２記載の音声符号化装置。
【請求項２４】音声信号に基づく入力信号を時間軸上
でブロック単位で区分し、区分された各ブロック毎にピ
ッチを求めると共に、各ブロック単位でサイン波分析合
成符号化を施す音声符号化方法において、上記入力信号の周波数領域における位相情報を検出する
位相検出工程と、求められた位相情報の不連続部分を位相の周期性に基づ
いて連続したものに変換する位相アンラップ工程と、このアンラップ工程により得られた位相データを直線近
似して遅延成分を求める遅延計算工程とを有することを
特徴とする音声符号化方法。
【請求項２５】上記位相検出工程は、上記入力信号の信号波形を時間軸上で１ピッチ周期分だ
け切り出す波形切り出し工程と、切り出された１ピッチ周期分の波形データにゼロ詰めを
施して全体で２^Nサンプル（Ｎは整数、２^Nは上記１ピ
ッチ周期のサンプル数以上）とするゼロ詰め工程と、このゼロ詰めされた波形データ対して直交変換を施す直
交変換工程と、この直交変換工程により得られたデータの実部と虚部と
に基づいて上記入力信号の周波数領域における位相情報
を検出する位相検出工程とを有することを特徴とする請
求項２４記載の音声符号化方法。
【請求項２６】上記遅延計算工程は、上記位相アンラ
ップ手段からの位相データに対して、上記音声信号のス
ペクトル振幅で重み付けされた最小二乗直線近似を行
い、求められた直線の１次係数を遅延成分として出力す
ることを特徴とする請求項２４記載の音声符号化方法。