JPH11504438A - 分析合成線形予測音声符号化における利得量子化方法 - Google Patents

Abstract

(57)【要約】 分析合成線形予測音声符号化における利得量子化方法であって、第１コードブックからの最適励起ベクトルのための第１利得（ＧＡＩＮＩ）を決定し、第１利得（ＧＡＩＮＩ）を量子化し、第２コードブックからの最適励起ベクトルのために最適第２利得（ＧＡＩＮ２）を決定し、量子化された第１利得（ＧＡＩＮＩ）から第２利得（ＧＡＩＮ２）の対数の線形予測を決定し、第２利得の対数と線形予測の間の差（δ）を定量化することを含む。

Description

【発明の詳細な説明】 分析合成線形予測音声符号化における利得量子化方法 技術分野 この発明は、分析合成線形予測音声符号化における利得量子化方法に関し、特 に移動電話方式のためのものに関する。 発明の背景 分析合成線形予測音声符号器は、通常、長期予測器すなわち適応型コードブッ クと、これに続く一つまたはいくつかの固定コードブックを有する。そうした音 声符号器は、例えば［１］に記述されている。そうした音声符号器における全励 起ベクトルは、複数のコードブックベクトルＶ₁の線形結合として記述でき、各 コードブックベクトルＶ₁は、対応する利得Ｇ₁により乗算されるようになってい る。これらのコードブックは、順次的に探索される。通常、第１コードブックか らの励起は、次のコードブックがサーチされる以前に、目的信号（音声信号）か ら差し引かれる。他の方法は直交探索であって、ここではその後のコードブック 内の全ベクトルは、選択されたコードブックベクトルにより直交される。こうし て、複数のコードブックが独立にされ、全てが、同一の目的信号へ向けて探索さ れ得る。 任意の数のコードブックを有する一般化されたＣＥＬＰ符号器のための探索方 法と利得量子化は、［２］の中で説明されている。 複数のコードブックの利得は、通常別々に量子化されるが、一緒に量子化した ベクトルでもあり得る。 ［３］に記述された符号器において、二つの固定コードブックが一つの適応型 コードブックに結合されている。これらのコードブックは、直交させて探索され る。適当な領域への変換の後に、固定コードブックの利得は、適応型コードブッ クの利得と共にベクトル量子化される。最良の量子化器指数は、一つの新しい分 析合成ループ内の全ての可能性をテストとすることにより、発見される。類似の 量子化方法は、ＡＣＥＬＰ符号器［４］に使用されているが、この場合は標準コ ードブック探索法が使用されている。 選択されたＬＴＰベクトルおよび、第２のコードブックのために、第１のコー トブックから選択されたベクトルを使用して、量子化境界を適応的に計算する方 法が［５、６］に記述されている。 一つの方法が［２］に示唆されており、これによればＬＴＰコードブックの利 得は標準化されたコードブックのベクトルに関係して量子化される。適応型コー ドブックの利得はフレームエネルギに関係して定量化される。比率ｇ₂／ｇ₁、ｇ₃ ／ｇ₂、．．．は、不平等量子化器内で定量化される。利得のベクトル量子化を 使用するためには、励起ベクトルが選択された後に利得が量子化されなければな らない。これは、最初に探索されたコードブックの正確な利得がその後のコード ブック探索の時には知られないと言うことを意味する。伝統的な探索方法を使用 した場合、正しい目的信号がその後のゴードブックのために計算できず、その後 の探索は従って最適ではない。 直交探索法を使用した場合コードブック探索は以前のコードブックの利得から 独立している。こうしてこの利得はコードブック探索の後に量子化され、ベクト ル量子化が使用可能である。しかしながらコードブックの直交化は、しばしば非 常に複雑であり、［３］でのように直交化を能率的にするようにコードブックが 特別に設計されなければ通常実用的でない。ベクトル量子化を使用する場合最良 の利得は通常一つの新しい分析合成ループ内で選択される。利得はスカラ量であ るので、フィルタリングプロセスの外へ移すことができ、これがコードブック探 索における分析合成ループに比較して計算を単純化するが、しかしこの方法はそ れでも独立の量子化に比べてはるかに複雑である。他の欠点はベクトル指数がチ ャネルエラーに非常に傷つきやすく、その理由は指数内の１ビットのエラーは全 く異なった利得のセットを与えるからである。この見地から独立の量子化がより 良い選択である。しかしながら、他の量子化方法と同一の効率を達成するために は、この方法のためにより多くのビットを使用しなければならない。 ［５、６］に記述された適応した量子化限界（ｌｉｍｉｔ）を有する方法は複 雑な計算を含み、移動電話方式のような複雑度の低いシステムには利用できない 。また、最後のコードブックの利得の復号が全ての先行の利得とベクトルの正確 な 伝送に依存するので、この方法はチャネルエラーに対して非常に敏感であると予 想される。 利得比率の量子化が［２］に記述されたようにチャネルエラーに対して強く、 またあまり複雑でない。しかしながらこの方法は不平等量子化器の訓練を必要と し、この事が訓練に使用されない他の信号に対して符号器の強さを少なくする可 能性がある。この方法もまた非常に柔軟性が少ない。 発明の要約 この発明の一つの目的は、上記の諸問題の大部分を減少または除去する分析合 成線形予測音声符号化の改良された利得量子化方法である。特にこの方法は複雑 性が低く、チャネルエラーに敏感でない量子化された利得を与え、また独立利得 量子化法よりもより少ないビットを使うことである。 上記の諸目的は請求項１による方法により達成される。 図面の簡単な説明 この発明は、そのさらなる目的と長所と共に、添付の図面と共にする以下の説 明を参照することにより最もよく理解されるであろう。すなわち、 図１は、この発明の方法を使用し得る分析合成線形予測音声符号器の一実施例 のブロック図である。 図２は、この発明の方法を使用し得る分析合成線形予測音声符号器のもう一つ の実施例のブロック図である。 図３は、マルチパルス励起（ＭＰＥ）の諸原則を図示する。 図４は、変換バイナリパルス励起（ＴＢＰＥ）の諸原則を図示する。 図５は、一つのコードブックからの最適利得および次のコードブックからの最 適利得の分布を図示する。 図６は、一つのコードブックからの量子化された利得と次のコードブックから の最適利得の間の分布を図示する。 図７は、一つのコードブックの最適利得のダイナミックレンジを示す。 図８は、この発明によるパラメータδのより小さなダイナミックレンジを示し 、図７の利得に置き換わるものである。 図９は、この発明による方法を図示するフローチャートである。 図１０は、この発明による方法を使用する音声符号器の一実施例である。 図１１は、この発明による方法を使用する音声符号器のもう一つの実施例であ る。 図１２は、この発明による方法を使用する音声符号器のもう一つの実施例であ る。 好ましい実施例の詳細な説明 以下の説明における数値例は、ヨーロッパのＧＳＭシステムを参照する。しか しながら、この発明の諸原則は、他のセルラシステムにも同様に適用し得ること を、理解すべきである。 複数の図面を通じて、同一の参照指定は、対応または類似の要素のために使用 される。 この発明による利得量子化方法を説明する前に、まずこの発明が使用され得る 音声符号器の例を説明することが助けになるであろう。これは、図１および図２ を参照して行われる。 図１は、典型的な分析合成線形予測音声符号器のブロック図を示す。この符号 器は、垂直なダッシュ記号の中心線の左に合成部を、また前記線の右に分析部を 含んでなる。合成部は本質的に二つの部分、すなわち、励起コード生成部１０と ＬＰＣ合成フィルタ１２を含む。励起コード生成部１０は、適合型コードブック １４、固定コードブック１６、加算器１８を含んでなる。適応型コードブック１ ４から選ばれたベクトルａ_I（ｎ）が、利得要素ｇ_IQ（Ｑは、量子化される値を 示す）により乗算されて、信号ｐ（ｎ）を形成する。同様に固定コードブック１ ６からの励起ベクトルが利得要素ｇ_JQで乗算されて、信号ｆ（ｎ）を形成する。 信号ｐ（ｎ）と信号ｆ（ｎ）が加算器１８で加算されて、励起ベクトルｅｘ（ｎ ） （ｎ）を形成する。 信号ベクトルｓ（ｎ）から差し引かれて、誤差信号ｅ（ｎ）を形成する。この誤 差信号は、重みフィルタ２２へ提出されて、重み付き誤差ベクトルｅ_W（ｎ）を 形成する。この重み付き誤差ベクトルの諸成分はユニット２４内で平方され合計 されて、重み付き誤差ベクトルのエネルギーの測度を形成する。 最小化ユニット２６は、最小エネルギー値を与えるような利得ｇ_IQと適応型コ ードブック１２からのベクトルの組み合わせ、および利得ｇ_JQと固定コードブッ ク１６からのベクトルの組み合わせを選択し、この値は、フィルタ１２でフィル タリングの後に音声信号ベクトルｓ（ｎ）に最も良く近似する。この最適化は二 つのステップに分けられる。第１ステップで、ｆ（ｎ）＝０と仮定され、適応型 コードブック１４からの最良のベクトルと対応するｇ_IQが決定される。これらの パラメータを決定するためのアルゴリズムは、同封した付録で与えられる。これ らのパラメータが決定されると、同様にアルゴリズムにより、固定コードブック １６から選ばれたベクトルと対応する利得ｇ_JQが選ばれる。この場合は、適応型 コードブックの決定されたパラメータは、それらの決定された値にロックされる 。 フィルタ１２のフィルタパラメータは、ＬＰＣアナライザ２８内の音声信号フ レームを分析することにより、各音声信号フレーム（１６０サンプル）について 更新される。この更新は、アナライザ２８とフィルタ１２の間の破線の（ｄａｓ ｈｅｄ）接続で示されている。更に、加算器１８の出力と適応型コードブック１ ４の間に遅延素子３０がある。この方法で、適応型コードブック１４は、最終的 に選択された励起ベクトルｅｘ（ｎ）により更新される。これはサブフレームに 基づいて行われ、ここで各フレームは４個のサブフレームに分割される（４０サ ンプル）。 図２は、この発明の方法がその中で使用される音声符号器のもう一つの実施例 を示す。図１の音声符号器と図２の音声符号器の本質的な相違は、図１の固定コ ードブック１６が、マルチパルス励起（ＭＰＥ）発生器３４と変換２進パルス励 起（ＴＢＰＥ）発生器３６を含んでなる混合励起発生器３２に置き換えられてい ることである。これら二つの励起を以下に簡単に説明する。対応するブロックの 利得は、それぞれ、ｇ_MQおよびｇ_TQとして、図２に示されている。発生器３４、 ３６からの励起は、加算器３８内で加算され、この混合された励起は、加算機１ ８内の適応型コードブック励起へ加算される。 マルチパルス励起は、図３に図示され、［７］に詳細に説明され、同封のＣ＋ ＋プログラムリストにも記述されている。図２は、４０サンプル（＝５ｍｓ）の サブフレーム上に分配された６個のパルスを図示している。励起ベクトルはこれ らのパルスの位置（例では位置７、９、１４、２５、２９、３７）およびパルス の振幅（例ではＡＭＰ１からＡＭＰ６まで）により記述され得る。これらのパラ メータを発見する方法は［７］に記述されている。通常振幅は励起ベクトルの形 を表現するだけである。従ってブロックの利得ｇ_MQ（図２参照）がこれら基礎的 なベクトルの形の増幅を表現するために使用される。 図４は、［８］および同封のプログラムリストに詳細に記述された変換２進パ ルス励起の背後にある原則を図示する。この２進パルスコードブックはたとえば １０個の成分を含むベクトルを含んでなりうる。各ベクトル成分は図４に示すよ うにポイントアップ（＋１）またはポイントダウン（−１）する。この２進パル スコードブックはこうしたベクトルの全ての可能な組み合わせを含む。このコー ドブックのベクトルは１０次元「立方体」の「隅々」を指している全てのベクト ルのセットとして考え得る。こうして、ベクトルの先端は１０次元の球体の表面 の上に一様に分布している。 その上ＴＢＰＥは一つまたはいくつかの変換マトリクス（図４のマトリクス１ およびマトリクス２）を含む。これらはＲＯＭ内の事前に計算されたマトリクス である。これらのマトリクスは２進パルスコードブック内に記憶されたベクトル 上で作動して、一組の変換ベクトルを生成する。最後に変換ベクトルは一組の励 起パルスグッド上に分配されている。この結果は各マトリックスについての規則 的に間隔をあけた「確率的」コードブックの異なった４つのバージョンである。 （グリット２に基づく）これらのコードブックの一つが、最終結果として図４に 示される。この探索手順の目的は、共に最小重み付き誤差を与える２進コードブ ックの２進パルスコードブック索引、変換マトリックス、励起パルスグリッドを 発見することである。これらのパラメータは利得ｇ_TQと結合される（図２を参照 ）。 図１と図２に図示した音声符号器において、利得ｇ_IQ、ｇ_JQ、ｇ_MQ、ｇ_TQは、 互いに完全に独立して量子化された。しかしながら図５に見られるように、異な ったコードブックの利得の間には強い相関がある。図５において、ＭＰＥコード ブックに対応する利得ｇ₁の対数と、ＴＢＰＥコードブックに対応する利得ｇ₂ の対数の間の分布が示される。図６は、類似の図表を示すが、しかしこの場合利 得ｇ₁は、量子化されている。その上、図６には線Ｌが示されている。この線は 回帰分析で発見されるものであり、ｇ_IQからｇ₂を予測するために使用し得るも のであるが、以下にさらに説明する。図５および６内のデータの点は、８０００ フレームから得られた。 図５と６が示すように、異なったコードブックに属する利得の間には強い相関 がある。第１のコードブックからの多数の量子化された利得ｇ_IQと、対応するフ レーム内の第２のコードブックのための対応する利得（量子化されてない）ｇ₂ を計算して、直線Ｌを決定することにより、この直線は線形予測子として使用可 能であり、これは下記の式によりｇ_IQの対数からｇ₂の対数を予測するものであ る。 ここでｇ₂は、予測された利得ｇ₂を表す。この発明の一実施例によれば、ｇ₂を 量子化する代わりに、実際の利得ｇ₂の対数と予測される利得ｇ₂の対数の間の差 δが次の式によって計算される。 そしてその後は量子化される。 図７および８は、上記の方法によって得られる一つの利点を図示する。図７は 、８０００フレームについて利得ｇ₂のダイナミックレンジを図示する。図８は 、同じフレーム内のδについての対応するダイナミックレンジを図示する。図７ および８からわかるようにδのダイナミックレンジはｇ₂のダイナミックレンジ よりも遥かに小さい。これはｇ₂のために必要とされる量子化レベルの数に比較 して、δのための量子化レベルの数を大きく減少させ得ることができることを意 味する。量子化の効率をよくするために、利得の量子化にしばしば１６レベルが 使用される。この発明によるδ量子化を使用すれば、６量子化レベルだけを使用 して等価な効率を得ることができ、これは０．３ｋｂ／ｓのビット転送速度の節 約に等しい。 ｂおよびｃの量は、符号器と復号器の内に記憶されたあらかじめ決められた固 定の量であるので、利得ｇ₂は下の式により複合機内に再構成され得る。 ここでｇ_IQおよびδ_Qは復号器において転送され受信されたものである。 コードブックの利得の間の相関は、コードブックのベクトル内のエネルギーレ ベルに高度に依存している。もしコードブック内のエネルギーが変化していれば 、ベクトルのエネルギーが予測の中に含まれていて、効率を改良できる。［２］ に標準化されたコードブックのベクトルが使用され、この問題を除去する。しか しながら、コードブックが標準化されず、多くのゼロでない成分を有する場合は 、この方法は複雑になり得る。その代わりに、因数ｇ₁を修正して、予測に使用 する前に、先行のコードブックの励起エネルギーをより良く表現するようにでき る。こうして、δのための式は下記のように修正できる。 ここでＥは、コードブック１から選択されたベクトルのエネルギーを表す。励起 エネルギーは、コードブックの探索の中で使用され計算されるので、特別な計算 は一切行う必要がない。 もし最初のコードが適応型コードブックのものであると、エネルギーが大きく 変動し、大部分の成分は通常ゼロでない。これらのベクトルを正常化することは 、複雑な計算の作業になるであろう。しかしながら、もし正常化無しにコードブ ックが使用されれば、上に指摘したように、量子化された利得がベクトルエネル ギーの平方根で乗算されて、次のコードブックの利得の予測のために、良い基礎 を形成するであろう。 ＭＰＥコードブックは、変化する振幅と符号を有する少数のゼロでないパルス を有する。ベクトルエネルギーは、パルスの振幅の平方の和で与えられる。次の コードブックの利得、例えばＴＢＰＥコードブックの利得を予測するには、適応 型コードブックの場合のように、ＭＰＥの利得はエネルギーの平方根により修正 されるであろう。しかしながら、もし代わりに平均パルス振幅（振幅は常に正で ある）を使用すれば、この作動は複雑さが少なくなる。図６の量子化された利得 ｇ_IQは、この方法を使用して修正された。 上に議論したエネルギーの修正は、復号器におけるｇ₂のために次の式を与え る。 励起ベクトルは復号器においても利用できるので、エネルギーＥは転送されなけ ればならないわけではないが、復号器において再計算できる。 アルゴリズムの一例として、第１の利得はＭＰＥ利得であり、第２の利得はＴ ＢＰＥ利得であるものを、以下に要約する。 このアルゴリズムにおいて、ＬＰＣ分析はフレームに基づいて実行され、一方 残りのステップのＬＴＰ分析、ＭＰＥ励起、ＴＢＰＥ励起、状態更新は、サブフ レームに基づいてサブフレーム上で実行される。このアルゴリズムにおいて、Ｍ ＰＥおよびＴＢＰＥの励起ステップは、この発明に関連するステップを例示する ために拡張されている。 この発明を説明するためのフローチャートが、図９に与えられている。 図１０は、図１の音声符号器に対応するが、しかしこの発明を実行する手段を 備えた音声符号器を図示する。固定コードブック１６からの最適ベクトルに対応 する利得ｇ₂がブロック５０で決定される。利得ｇ₂、定量化利得ｇ_IQ、（ブロッ ク５４で決定された）励起ベクトルエネルギーＥが、ブロック５２に提出され、 ブロック５２はδQを計算し、利得ｇ_2Qを量子化する。この計算は、好ましくは 、マイクロプロセッサにより実行される。 図１１は、この発明のもう一つの実施例で、前記のアルゴリズムに対応するも のを図示する。この例では、ｇ_IQは、エネルギーＥを有するＭＰＥコードブック ３４からの最適ベクトルに対応し、一方、利得ｇ₂は、ＴＢＰＥコードブック３ ６からの最適励起ベクトルに対応する。 図１２は、上記の方法の一般化をそこで使用した音声符号器のもう一つの実施 例を図示する。二つの異なったコードブックに対応する複数の利得の間には、強 い相関があることが示されてきたので、二つよりも多いコードブックがある場合 に、このアルゴリズムを反復して一般化することは当然である。図１２において 、第１パラメータδ₁は、上記の方法により、ブロック５２で計算される。この 場合、第１コードブックは適応型コードブック１４であり、第２コードブックは ＭＰＥコードブック３４である。しかしながら、ｇ_2Qが第２コードブックのため に計算されるので、このプロセスは、ＭＰＥコードブックを”第１”コードブッ クとして考え、ＴＢＰＥコードブックを第２”コードブックとして考えて、反復 される。こうして、上記と同じ原則により、ブロック５２’がδ₂とｇ_3Qを計算 し得る。相違は、今度は二つの線形予測が必要なことであり、一つはｇ₂のため 、もう一つはｇ₃のためで、その相違は定数”ａ”および”ｂ”である。 上記の説明において、線形予測がカレントサブフレームにおいてのみ行われる 、と仮定している。しかしながら、先行のサブフレームで決定された利得を記憶 し、これら先行して決定された利得を線形予測中に含むこともあり得るのは、カ レントサブフレーム中の利得と先行利得の間に相関があることは、ありそうなこ とだからである。線形予測の定数は、上に説明した実施例のように、経験的に得 られ て、符号器と復号器に記憶される。こうした方法は、予測の精度を更に増し、予 測の精度は更にδのダイナミックレンジを減少させるであろう。これは改良され た品質（δがより小さいダイナミックレンジをカバーするために利用できる量子 化レベル）をも、また量子化レベルの数の更なる減少をも、導くものである。 こうして、利得間の相関を考慮に入れることにより、この発明による量子化方 法は、独立利得量子化法に比較して、利得ビットレートを減少する。この発明に よる方法はまた、更に複雑さの少ない方法であり、それは、計算の複雑さの増加 が少ないからである。 更に、ベクトル量子化法に比較して、ビット誤差に対する強さが改造される。 独立量子化に比較して、第１コードブックの利得が増加するが、それは、それが 第２コードブックの利得にも影響するからである。しかしながら、δのビット誤 差感度は、独立量子化における第２利得ｇ₂のビット誤差感度よりも低い。チャ ネル符号化においてこれを考慮に入れるならば、独立量子化に比較して全体的な 強さを実際に改良できるのは、δ量子化における誤差感度が一層不均等なためで 、これは不均等な誤差感度を使用するときに好まれる。 利得のダイナミックレンジを減少させる一般的な方法は、量子化に先立って、 フレームエネルギーパラメータの利得を正常化することである。フレームエネル ギーパラメータは、それから各フレームに一度ずつ転送される。この方法は、こ の発明には必要でなく、他の理由のために、フレームエネルギーの正常化が使用 され得る。フレームエネルギーの正常化は、付録のプログラムリストに使用され ている。 この発明の精神と範囲は添付の請求の範囲に定義されるが、これから離れるこ となく、この発明のさまざまな修正と変更がなされ得ることは、当業者に容易に 理解できよう。

───────────────────────────────────────────────────── フロントページの続き (81)指定国 ＥＰ(ＡＴ，ＢＥ，ＣＨ，ＤＥ， ＤＫ，ＥＳ，ＦＩ，ＦＲ，ＧＢ，ＧＲ，ＩＥ，ＩＴ，Ｌ Ｕ，ＭＣ，ＮＬ，ＰＴ，ＳＥ)，ＯＡ(ＢＦ，ＢＪ，ＣＦ ，ＣＧ，ＣＩ，ＣＭ，ＧＡ，ＧＮ，ＭＬ，ＭＲ，ＮＥ， ＳＮ，ＴＤ，ＴＧ)，ＡＰ(ＫＥ，ＬＳ，ＭＷ，ＳＤ，Ｓ Ｚ，ＵＧ)，ＵＡ(ＡＭ，ＡＺ，ＢＹ，ＫＧ，ＫＺ，ＭＤ ，ＲＵ，ＴＪ，ＴＭ)，ＡＬ，ＡＭ，ＡＴ，ＡＵ，ＡＺ ，ＢＢ，ＢＧ，ＢＲ，ＢＹ，ＣＡ，ＣＨ，ＣＮ，ＣＺ， ＤＥ，ＤＫ，ＥＥ，ＥＳ，ＦＩ，ＧＢ，ＧＥ，ＨＵ，Ｉ Ｓ，ＪＰ，ＫＥ，ＫＧ，ＫＰ，ＫＲ，ＫＺ，ＬＫ，ＬＲ ，ＬＳ，ＬＴ，ＬＵ，ＬＶ，ＭＤ，ＭＧ，ＭＫ，ＭＮ， ＭＷ，ＭＸ，ＮＯ，ＮＺ，ＰＬ，ＰＴ，ＲＯ，ＲＵ，Ｓ Ｄ，ＳＥ，ＳＧ，ＳＩ，ＳＫ，ＴＪ，ＴＭ，ＴＲ，ＴＴ ，ＵＡ，ＵＧ，ＵＳ，ＵＺ，ＶＮ

Claims (1)

1. 【特許請求の範囲】 １．分析合成線形予測音声符号化における利得量子化方法であって、 第１コードブックからの最適第１ベクトルのための最適第１ベクトルを決定し 、 前記最適第１利得を量子化し、 第２コードブックからの最適第２ベクトルのための最適第２ベクトルを決定し、 少なくとも前記量子化された最適第１利得から前記最適第２利得の対数の第１ 線形予測を決定し、 前記最適第２利得の対数と前記第１線形予測の間の第１の差を量子化すること を含む利得量子化方法。 ２．前記第１線形予測は、前記量子化された最適第一利得の積の対数と、前記 最適第１ベクトルのエネルギーの平方根の測度を含む第１項の方法。 ３．前記第１コードブックは適応型コードブックであり、前記第２コードブッ クは固定コードブックである第２項の方法。 ４．前記第１コードブックはマルチパルス励起コードブックであり、前記第２ コードブックは変換２進パルス励起コードブックである第２項の方法。 ５．前記測度は、前記最適第１ベクトルの複数の成分の平方の和の平方根を含 む請求項３または４の方法。 ６．前記測度は、前記最適第１ベクトルの平均パルス振幅を含む請求項４の方 法。 ７．前記量子化された第１の差から前記最適第２利得を決定し量子化し、 第３コードブックから最適第３ベクトルのための最適第３利得を決定し、 少なくとも前記量子化された最適第２利得から、前記最適第３利得の対数の第 ２線形予測を決定し、 前記最適第３利得の対数と前記第２線形予測の間の第２の差を定量化すること を更に含む請求項１の方法。 ８．前記第１コードブックは適応型コードブックであり、前記第２コードブッ クはマルチパルス励起コードブックであり、前記第３コードブックは変換２進パ ルス励起コードブックである請求項７の方法。 ９．前記第１線形予測は、また、あらかじめ決定された励起からの量子化され た利得を含む請求項１の方法。 10．前記第１および第２線形予測はまた、あらかじめ決定された励起からの量 子化された利得を含む請求項７の方法。