JPH11510274A - 線スペクトル平方根を発生し符号化するための方法と装置 - Google Patents

Abstract

(57)【要約】 本発明は線形予測係数データを符号化する方法を教授する。本発明は線形予測係数データを線スペクトル コサイン データ（１０３）に変換する。線スペクトル コサイン データは二つの帰納的に定義されたベクトル（１０４）を発生するために使用される。帰納的に定義されたベクトルは一組の感度自己相関値（１０６ａ−１０６Ｎ）と，一組の感度相互相関（１０７ａ−１０７Ｎ）を計算するために使用される。線スペクトル コサイン値は一組の線スペクトル平方根値を計算するために使用される。

Description

【発明の詳細な説明】 線スペクトル平方根を発生し符号化するための方法と装置 発明の背景 Ｉ．発明の分野 この発明は，音声処理に関する。特に，本発明は音声符号化システムに基づい た線形予測におけるＬＰＣ係数を符号化するための新規で改良された方法と装置 に関する。 II．関連技術の説明 ディジタル技術による音声送信は，特に，長距離ディジタル無線電話への応用 において広まってきた。これは，チャネル上で送信された情報から再構築された 音声の品質を維持しながら，その情報量を最小にする方法についての関心を形成 してきた。もしも連続する音声信号を単純にサンプリングし，そして各サスプル を独立して量子化することにより音声を送信する場合，再構築された音声の品質 を従前のアナログ電話と同様の品質とするためには，６４キロバイト／秒程度の データ レートが要求される。しかし，適当な符号化，送信，及び受信機におけ る再構築が引き続き行われるところの，通話解析を利用すると，データ レート を相当に減少することができる。 人間の通話により形成されるもののモデル パラメータを抽出することにより 通話を圧縮する装置は，ボコーダと呼ばれる。そのような装置は入来する音声を 解析して関連パラメータを抽出するエンコーダ，及び送信チャネル上でエンコー ダから受信したパラメータを利用して音声を再構築するデコーダとを具備する。 音声信号を変える時刻を正確に表すために，モデル パラメータは定期的に更新 される。音声は，時間又は解析フレームのブロックに分割される。その間，パラ メータは計算され，量子化される。それらの量子化されたパラメータはそれから 送信チャネル上を送信され，音声は受信機においてそれらの量子化されたパラメ ータから再構築される。 多くの音声圧縮アルゴリズムにおいて，コード エキサイテッド線形予測(the Code Excited Linear Prediction)符号化（ＣＥＬＰ）方法が利用される。ＣＥ ＬＰ符号化アルゴリズムの例は，1988年，トーマス イー トレメイン外による ，移動衛星会議の報告，資料「４．８kbpsコード エキサイテッド線形予測符号 」に説明されている。このタイプの特に有効なボコーダの例は，本発明の譲受人 に譲渡された，名称が「可変レートボコーダ」という米国特許第５，４１４，７ ９６号明細書に説明されている。これはここに引用することにより取り込まれる 。 多くの通話圧縮アルゴリズムは通話信号のスペクトルの大きさを表すためのフ ィルタを使用する。線形予測技術を使用して音声の各フレームのためにフィルタ 係数が計算されることから，該フィルタは線形予測符号化(the Linear Predicti ve Coding)（ＬＰＣ）フィルタとして参照される。該フィルタ係数が決定される と，該フィルタ係数は量子化されなければならない。ＬＰＣフィルタ係数を量子 化するための有効な方法は，音声信号をエンコードするのに必要なビットレート を減少するために使用されることができる。 ＬＰＣフィルタの係数を量子化するための一つの方法は，フィルタ係数を線ス ペクトル対(Line spectral Pair)（ＬＳＰ）に変換し，該ＬＳＰパラメータを量 子化することを含んでいる。量子化された複数のＬＳＰはそれからＬＰＣフィル タ係数に戻される。それはデコーダの音声構築モデルで使用される。ＬＳＰパラ メータはＬＰＣパラメータよりもより良い量子化特性を有し，そして量子化され たＬＳＰパラメータのオーダリング特性(the ordering property)はその結果量 子化されたＬＰＣフィルタが安定であることを保証することから，量子化はＬＳ Ｐ領域で行われる。 ＬＳＰパラメータの特別セットのために，一つのパラメータにおける量子化エ ラーは，他のＬＳＰパラメータ中での同様な大きさの量子化エラーにより生起さ れる変化に比して，ＬＰＣフィルタ応答の大きな変化と，より大きく知覚される 低下(degradation)となり得る。量子化の知覚され得る効果は，量子化エラーに ，より敏感ではないＬＳＰパラメータ中のより多くの量子化エラーを許容するこ とにより最小化されることができる。量子化エラーの最適分布を決定するために ，各ＬＳＰパラメータの個々の感度を決定しなければならない。ＬＳＰパラメー タ を最適に符号化するための好ましい方法と装置は，１９９４年８月４日に出願さ れ，本発明の譲受人に譲渡された，名称が「線スペクトル ペア周波数の，感度 重みを付けられたベクトル量子化」という米国特許出願第０８／２８６，１５０ 号に説明されている。これは，ここに引用することにより，取り込まれる。 発明の概要 本発明は，線スペクトル(line spectral)平方根（ＬＳＳ）値を使用するＬＰ Ｃパラメータを量子化するための新規で改善された方法と装置である。 本発明 は，ＬＰＣ係数よりも容易に量子化され，ＬＳＰ周波数符号化の主要な利益であ るところの量子化エラーに対して減じられた感度を提供する代替セットのデータ にＬＰＣフィルタ係数を変換する。さらに，ＬＰＣ係数からＬＳＳ値への変換と ＬＳＳ値からＬＰＣ係数への変換は，ＬＰＣ係数とＬＳＰパラメータの間の相当 する変換よりも，より計算的なインテンシブ(intensive)ではない。 図面の簡単な説明 本発明の特徴、目的および利点は、図面を参照した以下の詳細な説明からより 明らかになるであろう。図面において、同様の参照記号は図中の対応部分を示す 。 図１は，ＬＰＣ係数を発生し，符号化するための従来装置を示すブロック図で ある。 図２は，本発明において線スペクトル余弦値を再分布するために使用される標 準化機能の構想を示している。 図３は，本発明の線スペクトル平方根値を符号化するための感度値を発生する ための装置を示しているブロック図を示している。 図４は，線スペクトル平方根値を符号化するための全体的な量子化機構を示す ブロック図である。 好ましい実施の形態の詳細な説明 図１は，ＬＰＣ係数(a(1),a(2),……,a(N))を決定することによりＬＰＣフィ ルタデータを発生し，符号化するための，及びそれらのＬＰＣ係数からＬＳＰ周 波数(ω(1),ω(2),……ω(N))を発生するための，従前の装置を示している。Ｎ は，ＬＰＣフィルタ中のフィルタ係数の数である。通話自己相関要素１は下記式 に従って，音声サンプルＳ(n)から一組の自己相関値Ｒ(0)からＲ(N)を計算する 。 ここで，L はＬＰＣ係数が計算されるフレームでの音声サンプルの数である。 典型的な実施の形態において，フレームでのサンプル数は１６０(L=160)であり ，ＬＰＣフィルタ係数の数は１０(N=10)である。 線形予測係数（ＬＰＣ）計算要素２は自己相関値Ｒ(0)からＲ(N)のセットから ＬＰＣ係数ａ(1)からａ(N)を計算する。ＬＰＣ係数は，ダービンの反復(Durbin' s recursion)を使用する自己相関方法により得ることができる。このことは，１ ９７８年，プレンテイスホール社，ラビナー及びシャアフアの音声信号のディジ タル処理で議論された。このアルゴリズムは下記の式（２）から（７）に記述さ れている。 Ｅ⁽⁰⁾＝Ｒ⁽⁰⁾，ｉ＝１ （２） α_j ⁽ⁱ⁾＝Ｋ_i； （４） Ｅ⁽ⁱ⁾＝（１−Ｋ_i ²）Ｅ^(i-1)； 及び （６） もしも i＜１０であれば，i ＝i+1 で式（１６）へ （７） ＮＬＰＣ係数は，１＜ｊ＜Ｎのために，α_j ⁽¹⁰⁾とラベルされる。 両要素１と２の動作は良く知られている。典型的な実施の形態において，ホル マント(formant)フィルタは１０位オーダ(tenth oeder)のフィルタであり，Ｒ(0 )からＲ(10)の１１自己相関値が自己相関要素１により計算され，ａ(1)からａ(1 0)の１０ＬＰＣ係数がＬＰＣ計算要素２により計算される。 ＬＳＰ計算要素３は一組のＬＰＣ係数を，ω₁からω_Nの一組のＬＳＰ周波数に 変換する。ＬＳＰ計算要素３の動作は良く知られており，前述の米国特許第５， ４１４，７９６号に詳細に記述されている。ＬＳＰ周波数を使用することの動機 は，ＩＣＡＳＳＰ´８４，スーングとジュアングによる「線スペクトル対（ＬＳ Ｐ）と音声データ圧縮」の項に与えられている。 ＬＳＰパラメータの計算は表１とともに下記の式（８）と（９）に示されてい る。ＬＳＰ周波数は下記式の０とπの間に存在するＮ根(roots)である。 ここで，ｐ_nとｑ_n値，ｎ＝１，２…Ｎ／２，は表１に帰納的に定義されている 。 表１において，ａ(1),…，ａ(N)値はＬＰＣ解析の結果としてスケールされた 係数である。ＬＳＰ周波数の特性は，もしもＬＰＣフィルタが安定であれば，二 つのファンクション代替(functions alternate)の根である。すなわち，最とも 低い根，ω₁はｐ（ω）の最も低い根であり，次に低い根，ω₂はｑ（ω）の最も 低い根である，と続く。Ｎ周波数に関して，奇数周波数はｐ（ω）の根であり， 偶数周波数はｑ（ω）の根である。 ＬＳＰ周波数を得る為に式（８）と（９）を解くことは，計算的に集約的動作 (intensive operation)である。ＬＰＣ係数をＬＳＰ周波数へ，及び逆にＬＳＰ 周波数をＬＰＣ係数に変換することにおける計算上の負荷となる基本的ソースの 一つは，三角関数の大規模な使用の結果生じる。 計算上の複雑さを減じる一つの路は，代わりを作ることである； ｘ＝ｃｏｓω （１０） ｎ＞１でのｃｏｓ（ｎω）の値は，下記の三角アイデンティティの帰納的な使 用を通して，パワーｘの結合として表現することができる。 ｃｏｓ((n＋1)ω)＝２・ｃｏｓ（ω）ｃｏｓ（ｎω）−ｃｏｓ((n-1)ω) （１１） このアイデンティティの延長により，次を示すことができる。 ｃｏｓ(2ω)＝２・ｃｏｓ（ω）ｃｏｓ（ω）−ｃｏｓ(0) ＝２ｘ²−１ （１２） ｃｏｓ(3ω)＝２・ｃｏｓ（ω）ｃｏｓ（2 ω）−ｃｏｓ（ω） ＝２ｘ（２ｘ²−１）−ｘ＝４ｘ³−３ｘ （１３） と続く。 それらの代わりを作り，共通パワーｘで項を括ることにより，式（８）と（９ ）は，次で与えられるｘでの多項式に減ずることができる。 このように，値（ｘ₁…ｘ_N）を与えることにより，ＬＳＰ周波数（ω₁…ω_N） により与えられる情報を供することが可能である。それは線スペクトル cosine s（ｘ₁…ｘ_N）として参照される。Ｎ線スペクトルcosine値を決定することは， 式（１４）と（１５）のＮ根を見つけることを含んでいる。この手続きは三角評 価を必要とせず，計算上の複雑さを大きく減じる。ＬＳＰ周波数とは対照的に， 線スペクトル コサイン値を量子化する際の課題は，＋１と−１に近い値を持つ 線スペクトル コサイン値が量子化ノイズに非常に敏感であるということである 。 本発明においては，線スペクトル コサイン値は，線スペクトル平方根（ＬＳ Ｓ）値（ｙ₁…ｙ_N）としてここで参照される一組の値にそれらを変換することに より，量子化ノイズにさらに強くされる。線スペクトル コサイン（ｘ₁…ｘ_N） 値を線スペクトル平方根（ｙ₁…ｙ_N）値に変換するために使用される計算は，下 記の式（１６）に示される。 ここで，ｘ_iはｉ^th（i 番目の）線スペクトル コサイン値であり，ｙ_iは対応 したｉ^th（i 番目の）線スペクトル平方根値である。線スペクトル コサインs から線スペクトル平方根への変換は線スペクトル コサインs からＬＳＰs ，ω ＝アークコサイン(x)への変換へのスケール近似として見ることができる。図２ は式（１６）の機能の構想を示している。 この変換の故に，線スペクトル平方根値は線スペクトル コサイン値であるよ りも，量子化ノイズにさらに一様に敏感であり，そしてＬＳＰ周波数への適当な 類似を持っている。しかし，ＬＰＣ係数とＬＳＳ値の間の変換は，ただ積と平方 根の計算を必要とする。それは，ＬＰＣ係数とＬＳＰ周波数との間の変換に求め られる三角評価よりも計算上のインテンシブ(intensive)は相当に少ない。 本発明の改良された実施の形態において，線スペクトル平方根値は計算された 感度値，及びここに記述されたコードブック選択方法と装置に従って符号化され る。線スペクトル平方根値を符号化するための方法と装置は，最小のビット数で 符号化された音声の知覚品質を最大にする。 図３は，線スペクトル コサイン値（ｘ(1),ｘ(2),…，ｘ（Ｎ））と線スペク トル平方根値（Ｓ１，Ｓ２，…ＳＮ）の量子化感度を発生するための本発明の装 置を示している。前に説明したように，ＮはＬＰＣフィルタにおけるフィルタ係 数の数である。音声自己相関要素１０１は音声サンプルのフレームと上記式（１ ）に従ったＳ（ｎ）から，一組の自己相関値，Ｒ(0)からＲ(N)を計算する。 線形予測係数（ＬＰＣ）計算要素１０２は，式（２）から（７）で説明したよ うに，Ｒ(0)からＲ(N)の一組の自己相関値からＬＰＣ係数ａ(1)からａ(N)を計算 する。線スペクトル コサイン計算要素１０３は，式（１４）から（１５）で説 明したように，一組のＬＰＣ係数を一組の線スペクトル コサイン値ｘ₁からｘ_N に変換する。感度計算要素１０８は下記に示すように感度値（Ｓ1 ，…，ＳＮ） を生成する。 Ｐ＆Ｑ計算要素１０４は，下記の式（１７）から（２２）を使用して，ＬＰＣ Ｐ(0)＝１ （１７） Ｐ（Ｎ＋１）＝１ （１８） Ｐ(i)＝−ａ(i)−ａ（Ｎ＋１−ｉ） ０＜ｉ＜Ｎ＋１ （１９） Ｑ(0)＝１ （２０） Ｑ（Ｎ＋１）＝−１ （２１） Ｑ(i)＝−ａ(i)＋ａ（Ｎ＋１−ｉ）； ０＜ｉ＜Ｎ＋１ （２２） 多項式除算(polynomial division)要素１０５ａ−１０５Ｎは，多項式除算を 感度値を計算するための線スペクトル コサイン値の指標である。 奇数指標（ ｘ₁，ｘ₃，ｘ₅など）を持つ線スペクトル コサイン値のために，長い除算が下 記のように実行される。 及び偶数指標（ｘ₂，ｘ₄，ｘ₆など）を持つ線スペクトル コサイン値のため に，長い除算が下記のように行われる。 i が奇数の場合， Ｊ_i（K）＝Ｊ_i（Ｎ＋１−ｋ） （２５） この対称性の故に，全組のＮＪ_i値を決定するためには，ただ半分の除算を行 うことが必要である。 同様に，偶数の場合，Ｊ_i（K）＝−Ｊ_i（Ｎ＋１−ｋ） （２６） この反対称性の故に，ただ半分の除算を行う必要がある。 感度自己相関要素１０６ａ−１０６Ｎは，下記の式を使用して，組Ｊ_iの自己 相関を計算する。 重み付け(weighting)とから自己相関値とＲ_Jiセットを相互相関することにより ，線スペクトル平方根値のための感度を計算する。この動作は，下記の式（２８ ）に従って，行われる。 図４は線スペクトル平方根値の組を形成し量子化するための本発明の装置を示 している。本発明は，ここに説明されるような機能を奏するためにプログラムさ れたディジタル信号プロセッサ（ＤＳＰ）において，又は特定用途向けＩＣにお いて，実行され得る。要素１１１，１１２及び１１３は図３のブロック１０１， １０２及び１０３のために上述したように動作する。線スペクトル コサイン計 算要素１１３は線スペクトル コサイン値（ｘ₁…，ｘ_N）を線スペクトル平方根 計算要素１２１に供する。それは式（１６）に従って，線スペクトル平方根値， ｙ(1)…ｙ(N)を計算する。 感度計算要素１１４は，線スペクトル コサイン計算要素１１３から線スペク トル コサイン値を受け，ＬＰＣ計算要素１１２からＬＰＣ値（ａ(1),…ａ(N) ）を受け，そして音声自己相関要素１１１から自己相関値（Ｒ(0),…，Ｒ(N)） を受ける。感度計算要素１１４は，図３の感度計算要素１０８に関して説明した ように，感度値，Ｓ₁，…，Ｓ_Nの組を形成する。 線スペクトル平方根ｙ(1)…ｙ(N)の組，及び感度Ｓ₁，……，Ｓ_Nの組が計算さ れると，線スペクトル平方根値の量子化が始まる。 Δｙ₁，Δｙ₂………Δｙ_{N( 1)} 含む，線スペクトル平方根の値差の最初のサブベクトル(subvector)が，下記 のように減算器要素１１５ａにより計算される。 Δｙ₁＝ｙ₁ （２９） Δｙ_i＝ｙ_i−ｙ_i-1 １＜ｉ＜Ｎ(1)＋１ （３０） 値Ｎ(1),Ｎ(2)などの組は，線スペクトル平方根ベクトルのサブベクトルへの 分配を定義する。Ｎ＝１０の典型的な実施の形態において，線スペクトル平方根 ベクトルは，次のように，各々２つの要素の５サブベクトルへ分配される。Ｎ(1 )＝２，Ｎ(2)＝４，Ｎ(3)＝６，Ｎ(4)＝８，Ｎ(5)＝１０。Ｖはサブベクトルの 数として定義される。典型的な実施の形態において，Ｖ＝５である。 代替の実施の形態において，線スペクトル平方根ベクトルは異なるディメンシ ョンの異なる数のサブベクトルに分配され得る。例えば，第一のサブベクトル中 に３要素を，第二のサブベクトル中に３要素を，第三のサブベクトル中に４要素 を持つ３サブベクトルへの分配は，Ｎ(1)=３，Ｎ(2)=６，及びＮ(3)=１０となる 。この代替の実施の形態においてＶ＝３。 線スペクトル平方根差の第一のサブベクトルが減算器１１５ａで計算された後 ，それは要素１１６ａ，１１７ａ，１１８ａ及び１１９ａにより量子化される。 要素１１８ａは，線スペクトル平方根差ベクトルのコードブックである。典型的 な実施の形態において，６４のそのようなベクトルがある。線スペクトル平方根 差ベクトルのコードブックは，良く知られているベクトル量子化トレイニング アルゴリズムを使用して決定することができる。指標発生器１，要素１１７ａは コードブック１１８ａにコードブック指標，ｍを供する。指標ｍに応答して，コ ードブック要素１１８ａは，要素Δｙ₁(m),…，Δｙ_N(1) ^(m)により作られるｍ^th （ｍ番目）コードベクトルを供する。 エラー計算及び最小化要素１１６ａは，感度重み付けエラー，Ｅ(m)を計算す る。それは，線スペクトル平方根差の該ｍ^thコードベクトルに対する線スペクト ル平方根差のオリジナル サブベクトルを量子化することにより生起される近似 スペクトルひずみを現している。典型的な実施の形態において，Ｅ(m)は下記の 式により記述されるように計算される。 エラー＝０； （３１） Ｅ(m) ＝０； （３２） k ＝１からＮ(1)に対して， （３３） エラー＝エラー＋Δｙ_k−Δｙ_k ^(m) （３４） Ｅ(m)＝Ｅ(m)＋Ｓ_kエラー² （３５） ループ終了 （３６） Ｅ(m)はＬＳＳ値における感度重み付け平方エラー(sensitivity weighted squ ared errors)の合計である。式（３１）から（３６）に示された感度重み付けエ ラーを決定するための手順は，各線スペクトル平方根値の量子化エラーを積算し ，ＬＳＳ値の感度によりそのエラーに重み付ける。 Ｅ(m)がコードブックの中の全てのコードベクトルのために計算されると，エ ラー計算と最小化（エラー計算と最小化）要素１１６ａが指標ｍを選択する。こ れはＷ(m)を最小化する。このｍの値は，コードブック１への選択された指標で る。 加算器要素１１９ａにおいて，第一のサブベクトルにおける量子化された線ス ペクトル平方根値は，次のように計算される。 ｉがＮ(1)＋1 からＮ(2)であるｙ_iは，Δｙ_N(1)+1，Δｙ_N(1)+2，…Δｙ_N(2)を 含む線スペクトル平方根差の第二のサブベクトルを，次のように計算するために 使用される。 Δｙ_i＝ｙ_i−ｙ_i-1； Ｎ(1)＜i ＜Ｎ(2)+1 （３９） 第二の指標値Ｉ₂を選択するための操作は，Ｉ₁を選択するための上記で説明し たと同様な方法で行われる。 残りのサブベクトルは同様の方法で続いて量子化される。全てのサブベクトル のための操作は，本質的に同じであり，例えば最後のサブベクトル，Ｖ^thサブベ クトルは，１からＶ−１の全てのサブベクトルが量子化された後で量子化される 。線スペクトル平方根差のＶ^thサブベクトルは，次のように要素１１５Ｖにより 計算される。 Δｙ_i＝Δｙ_i−Δｙ_i-1； Ｎ（Ｖ−１）＜ｉ＜Ｎ（Ｖ）＋１ （４１） Ｖ^thサブベクトルはＥ(m)を最小にするＶ^thコードブックの中でコードベクト ルを見つけることにより量子化される。それは次のループにより計算される。 エラー＝０； （４２） Ｅ(m) ＝０； （４３） k ＝Ｎ（Ｖ−１）＋１からＮ（Ｖ） （４４） エラー＝エラー＋Δｙ_k−Δｙ_k ^(m) （４５） Ｅ(m)＝Ｅ(m)＋Ｓk エラー² （４６） ループ終了 （４７） Ｖ^thサブベクトルのための最善のコードベクトルが決定されると，サブベクト ルのための量子化線スペクトル平方根差と量子化線スペクトル平方根値が上記で 説明したように計算される。この処理は，全てのサブベクトルが量子化されるま で，連続して繰り返される。 図３と図４において，ブロックは指定された機能を行うための構造上のブロッ クとして実行されることができ，又は該ブロックはディジタル信号プロッサのプ ログラミング（ＤＳＰ）または特定用途向け集積回路ＡＳＩＣの中で実行される 機能を代表することもできる。本発明の機能の説明は，当業者がＤＳＰ又はＡＳ ＩＣの中で過度の実験をすること無しに実行することができるあろう。 上記の好適な実施の形態の説明は、当業者が本発明を製造したり使用するでき るようになされている。これらの実施の形態に対する様々な変形は当業者には自 明であり，本明細書記載の包括的な原理は発明能力を用いることなく他の実施の 形態に適用される。このため、本発明は以上に示される実施の形態に限定されな いが、ここに開示された原理および新規な特徴に一貫するもっとも広範な範囲に ある。

───────────────────────────────────────────────────── 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，ＣＵ， ＣＺ，ＤＥ，ＤＫ，ＥＥ，ＥＳ，ＦＩ，ＧＢ，ＧＥ，Ｈ Ｕ，ＩＬ，ＩＳ，ＪＰ，ＫＥ，ＫＧ，ＫＰ，ＫＲ，ＫＺ ，ＬＫ，ＬＲ，ＬＳ，ＬＴ，ＬＵ，ＬＶ，ＭＤ，ＭＧ， ＭＫ，ＭＮ，ＭＷ，ＭＸ，ＮＯ，ＮＺ，ＰＬ，ＰＴ，Ｒ Ｏ，ＲＵ，ＳＤ，ＳＥ，ＳＧ，ＳＩ，ＳＫ，ＴＪ，ＴＭ ，ＴＲ，ＴＴ，ＵＡ，ＵＧ，ＵＺ，ＶＮ (72)発明者 モンタ、ピーター アメリカ合衆国、カリフォルニア州 92122、サン・ディエゴ、チャーマント・ ドライブ・ナンバー624 7265

Claims (1)

1. 【特許請求の範囲】 １．線形予測コーダ(coder)において， ディジタル化された音声サンプルを受け，線形予測符号化フォーマットに従 って前記ディジタル化された音声サンプルのための一組の線形予測符号化（ＬＰ Ｃ）係数を発生するためのＬＰＣ発生器手段と； 前記ＬＰＣ係数の組を受け，線スペクトル コサイン変換フォーマットに従 って一組の線スペクトル コサイン値を発生するための線スペクトル コサイン 発生器手段と；及び 前記線スペクトル コサイン値の組を受け，平方根変換フォーマットに従っ て一組の線スペクトル平方根値を発生させるための線スペクトル平方根手段と， を具備することを特徴とする，線形予測符号化（ＬＰＣ）係数を発生し及び 符号化するためのサブシステム。 ２．前記平方根変換フォーマットは， であり，ここで，ｘ_iは i番目の線スペクトル コサイン値であり，ｙi は 対応する i番目の線スペクトル平方根値である，ことを特徴とする請求項１に記 載された装置。 ３．請求項３に記載された装置において，さらに 前記線スペクトル コサイン値の組及び一組の線形予測符号化（ＬＰＣ）係 数を受け，そして所定の多項式除算フォーマットに従って，一組の指数係数を発 生させるための多項式除算手段と；及び 前記指数係数の組と，前記線スペクトル コサイン値の組と，及び一組の音 声自己相関を受けるための，及び重み付けられた相互相関計算フォーマットに従 って一組の線スペクトル平方根感度係数を計算するための感度相互相関手段と， を具備する，ことを特徴とする装置。 ４．請求項３に記載された装置において，さらに 前記多項式除算手段と前記感度相互相関手段との間に配置され，前記指数係 数の組を受け，そして所定の自己相関計算フォーマットに従って前記指数係数の 組のために一組の感度自己相関値を発生するための感度自己相関手段を具備する ，ことを特徴とする装置。 ５．請求項３に記載された装置において，さらに， 前記多項式除算手段の前に配置され，前記ＬＰＣ係数の組を受け，そして所 定のベクトル発生フォーマットに従って一組のベクトルを発生するためのベクト ル計算手段を具備する，ことを特徴とする装置。 ６．前記ベクトル計算手段は次の式に従って前記ベクトルの組において二つのベ クトルＰ及びＱを計算することを特徴とする，請求項５に記載された装置におい て装置。 Ｐ(0)＝１ Ｐ（Ｎ＋１）＝１ Ｐ(i)＝−ａ(i)−ａ（Ｎ＋１−ｉ） ０＜ｉ＜Ｎ＋１ Ｑ(0)＝１ Ｑ（Ｎ＋１）＝−１ Ｑ(i)＝−ａ(i)＋ａ（Ｎ＋１−ｉ）； ０＜ｉ＜Ｎ＋１ ７．前記多項式除算手段は，次の式に従って奇数線スペクトル平方根値のために 前記指数係数Ｊ_iを供することを特徴とする，請求項６に記載された装置。 ここで，ｚは多項式変数，ｘ_iはi 番目の線スペクトル コサイン値，及び Ｎはフィルタ タップの数である。 ８．前記多項式除算手段は，下記式に従って偶数線スペクトル平方根値のための 前記指数係数Ｊ_iを供することを特徴とする，請求項６に記載された装置。 ここで，ｚは多項式変数，ｘ_iはi 番目の線スペクトル コサイン値，及び Ｎはフィルタ タップの数である。 ９．前記感度相互相関手段は下記式に従って前記線スペクトル平方根感度値を供 することを特徴とする，請求項３に記載された装置。 ここで，ｘ_iはi 番目の線スペクトル平方根値，Ｒ(k)は該音声サンプルのk 番目の音声自己相関係数，及びＲ_Ji(k)は前記指数係数の組のk 番目の自己相関 係数である。 １０．線形予測コーダにおいて， ディジタル化された音声サンプルを受けるための入力を有し，そして一組の 線形予測符号化（ＬＰＣ）係数を供するための出力を有するＬＰＣ発生器と； 前記ＬＰＣ発生器出力に結合された入力を有する線スペクトル コサイン発 生器と；及び 前記線スペクトル コサイン発生器出力に結合された入力を有し，そして出 力を有する線スペクトル平方根発生器と， を具備するＬＰＣ係数を発生し，符号化するためのサブシステム。 １１．請求項１０に記載されたシステムにおいて，さらに 前記線スペクトル平方根発生器出力に結合された入力を有し，及び出力を有 する多項式除算計算機と；及び 前記多項式除算計算器出力に結合された入力を有し，そして出力を有する感 度相互相関計算器と， を具備することを特徴とするシステム。 １２．請求項１１に記載されたシステムにおいて，さらに 前記多項式除算計算器と前記感度相互相関計算器との間に配置され，前記多 項式除算計算器出力に結合された入力を有し，及び前記感度相互相関計算器入力 に結合された出力を有する感度自己相関計算器を具備することを特徴とするシス テム。 １３．線形予測コーダにおいて， 線形予測符号化（ＬＰＣ）フォーマットに従って前記デジタル化された音声 サンプルのための一組のＬＰＣ係数を発生する工程と； 線スペクトル コサイン変換フォーマットに従った線スペクトル コサイン 値に従って一組の線スペクトル コサイン値を発生する工程と， を具備することを特徴とするＬＰＣ係数を発生し，符号化するための方法。 １４．請求項１３に記載された方法において，さらに 所定の多項式除算フォーマットに従って一組の指数係数を発生する工程と； 及び 重み付けられた相互相関計算フォーマットに従って一組の線スペクトル平方 根感度係数を計算する工程と， を具備することを特徴とする方法。 １５．請求項１４に記載された方法において，さらに 所定の自己相関計算フォーマットに従って前記指数係数の組のための一組の 感度自己相関値を発生する工程を具備することを特徴とする方法。 １６．請求項１４に記載された方法において，さらに 所定のベクトル発生フォーマットに従って一組のベクトルを発生する工程を 具備することを特徴とする方法。 １７．請求項１６に記載された方法において，一組のベクトルを発生する前記工 程は，下記の工程を具備することを特徴とする方法。 Ｐ(0)＝１ Ｐ（Ｎ＋１）＝１ Ｐ(i)＝−ａ(i)−ａ（Ｎ＋１−ｉ） ０＜ｉ＜Ｎ＋１ Ｑ(0)＝１ Ｑ（Ｎ＋１）＝−１ Ｑ(i)＝−ａ(i)＋ａ（Ｎ＋１−ｉ）； ０＜ｉ＜Ｎ＋１ １８．奇数線スペクトル平方根値のための一組の指数係数Ｊ_iを発生する工程は ，下記の多項式除算を実行することを特徴とする，請求項１７に記載された方法 。 ここで，ｚは多項式変数，ｘ_iはi 番目の線スペクトル コサイン値，及び Ｎはフィルタ タップの数である。 １９．偶数線スペクトル平方根値のための一組の指数係数Ｊ_iを発生する前記ス テップは，下記の多項式除算を実行することを特徴とする，請求項１７に記載さ れた方法。 ここで，ｚは多項式変数，ｘ_iはi 番目の線スペクトル コサイン値，及び Ｎはフィルタ タップの数である。