JPS5849879B2 - 音声の情報圧縮記録再生方式 - Google Patents

Description

【発明の詳細な説明】 本発明は音声の情報圧縮伝送および記録方式の改良に関
するものである。

音声の情報圧縮（ ｌｏｗ ｂｉｔ ｒａｔｅ ）伝送
または記録方式は、音声応答装置または画像応答装置用
の音声記録用、さらには音声情報の高能率伝送のための
手段として最近ますますその重要性が増大し、各地で研
究、実験が盛んに行なわれている。

その中で最も有望な方式の１つとして、音声波形の情報
を線形予測係数（以下ＬＰＣと略記）またはそれと等価
な偏自己相関係数（以下 ＰＡＲＣＯＲ係数と略記）に変換し、その予測残差波形
から有声・無声の別（Ｖ／Ｕ）、有声音の場合その強度
Ａｖとピッチ周期τ、無声音の場合その強度Ａｕを音源
情報として抽出し、上記のＬＰＣ／ＰＡＲＣＯＲ係数と
ともに記録または伝送する方式がよく知られている。

いまその分析（情報抽出）の過程を説明的に第１図に示
す。

これらの情報から音声波形を再生するには、第２図に説
明的に示すような方法による。

この方式では、残差波形として抽出された音源波形を、
第１図もしくは第２図に示すＶ／Ｕの区別（Ｖは有声音
を、Ｕは無声音を意味する）、■のときはＡｖとτ、Ｕ
のときはＡｕという情報要素に分解して記録もしくは伝
送する。

そのため大幅な情報圧縮が可能であり、約１．Ｏｋビッ
ト／秒から５ｋピット／秒に情報圧縮が可能である（情
報量の大小は再生音声に要求される音質の程度に左右さ
れる）。

しかし一方この簡略化のため再生音声の品質には限度が
あり、電話機を使用する用途には十分実用できると思わ
れるが、画伶応答用の説明音声のようにＴＶの音声なみ
の音質が要求される用途にはなお音質の改善が必要であ
る。

この改善の１つの可能性は残差波形として抽出される音
源波形を有効に利用することである。

たしかに抽出された残差波形を合戒（再生）時の音源と
して直接そのまま使用すれば、原音声とほとんど変らな
い波形の音声を合成することができる。

しかしこのためじ“は残差波形の符号化による記録／伝
送が必要であり、実験的な検討結果によれば、このため
には原音声波形の符号化とほとんど同じ情報量（ビソト
／秒）が必要である。

残差音源波形の符号化を有効に行Ｌ・、その情報圧縮を
行うには２つの方向が考えられる。

１つは、残差波形の波形の特徴からいって非線形量子化
によってビット数を有効に使用することであり、他の１
つは低域沢波器（ ＬＰＦ ）によって周波数帯域を制
限してサンプリング周波数をさげ１秒当りの必要情報量
を低減することである。

前者については本質的な情報の損失はないが、後者につ
いては、第２図に説明的に示した音声再生（合成）系が
線形なシステムである限り音源に含まれない周波数成分
は合成によって生じることはない。

したがって音源としての残差波形を遮断周波数ｆ。

ＨｚでＬＰＦすることは合成（再生）音声をｆｃでＬＰ
ＦＬたことと同じであり、当然情報の損失になる。

本発明はこの後者の欠点を基底帯域（ベース・バンド）
の伝送とその非直線処理による高調波帯域の発生とによ
っておぎなおうとするものである。

以下その実施例を第３図のブロック図によって具体的に
説明する。

音声波形１は前置増幅器２、低域沢波器３によって適当
に増幅、帯域制限されたのち、Ａ／Ｄ変換器４によって
ディジタル信号に変換され、パラメータ分析装置５に加
えられる。

Ａ／Ｄ変換に当って音声信号の帯域制限周波数、Ｓ／Ｎ
比、ダイナミックレンジなどにより適切なサンプリング
周波数、ビツ｝・数がえらばれることはいうまでもなＬ
）。

たとえば画偉応答用の音声としてはサンプリング周波数
１０〜２０ｋＨｚ， ビット数１１〜１４ビットにと
るのが普通である。

パラメータ分析装置はすでにのべたＬＰＣまたはＰＡＲ
ＣＯＲ係数を抽出するものであり、ＰＡＲＣＯＲ係数の
場合についてその１例を第４図に示す。

その結果、所望のパラメータが抽出され情報６として記
憶用のメモリー１０に書きこまれる。

通常パラメータの抽出は３０ミリ秒区間について行なわ
れ１０ミリ秒毎にそのパラメータ値が情報として抽出さ
れる。

パラメータ抽出装置のもう１つの出力は残差波形７であ
り、これは低域ｐ波器８によって帯域制限されたのち、
非線形符号化回路９によって、たとえば第５図にその特
性を示すような非線形符号化が行なわれるとともに、低
域沢波器８の遮断周波数に応じたサンプリング周波数で
間引きされる。

そのためには入力の低域沢波器３の遮断周波数ｆｏと８
の遮断周波数ｆ１との関係をｆ。

／ ｆ １ ＝ ｎ ：正整数となるようにえらんでお
くと便利である。

非線形量子化とサンプリング（間引き）ニヨって情報圧
縮された残差波形情報は、記憶用のメモリー１０に書き
こまれる。

結局記憶（または伝送）される情報は、たとえば１０ミ
リ秒毎のパラメータ情報（ｋｉ）（ｉ＝ｉ、〜ｐ）と低
域沢波された残差波形｛Ｚ・｝である。

音声を再生（合成）するに当っては、まず１１の残差波
形｛Ｚ・｝がよみ出され、１３から１６の非線形処理回
路に力目えられる。

この非線形処理回路はたとえば第ｋ番目（ｋ−２、・・
・・・・、ｎ）のものが ｋ ｛ｙｊ｝ｋ−｛Ｚｊ ｝というｋ乗波形を作り出すよう
なものを考えればよい。

そｐ出力｛ｙｉ｝ｋは１７から２０の帯域沢波回路に加
えられる。

この帯域沢波器の過渡帯域は、第ｋ番目のもの（ｋ−２
、・・・・・・、ｎ）が この帯域沢波器群の出力は増幅と各チャネル間の時間お
くれ（位相差）を調整するためのちえん増幅回路２１か
ら２５をへて、加算回路２６で加算され、音源波形を合
成する。

合成された音源は、合成装置２７に加えられる。

一方、記憶メモリーから合成のためのパラメータ情報２
８が所定の時間間隔（分析時に設定された値、通常１０
ミリ秒毎に）でこの装置に与えられ、波形合成が行なわ
れる。

この合戒装置の１例をＰＡＲＣＯＲ係数の場合に第６図
に示す。

合成された波形はＤ／Ａ変換器２９、低域沢波器３０、
出力増幅器３１をへてアナログ音声波形３２として出力
される。

本方式による情報量の低減率を評価してみる。

原音声を、１４ビツ｝２０ ｋＨｚサンプリングで直接
記憶もしくは伝送するとすれば その情報量は１４Ｘ２
０Ｘ１０”＝２８０ｋビット／秒である。

パラメータとして１２次のＰＡＲＣＯＲ係数をとり、各
パラメータを８ビットで１０ミリ秒毎に記憶するとすれ
ば 残差波形を７ビットの非線形量子化、 サンプリングで記憶するとすれは、 ４ ｋＨｚ 計 約３８ｋビット／秒となる。

これは当初の２８０ｋビット／秒の約十になる。

また本方式によれば、音源波形は低域沢波されているが
、その成分を基本にして非直線処理によって高調波を発
生しているから、再生音声には高周波成分も含まれてお
り、また音源波形の低周波成分を直接伝送することによ
りピッチ抽出の必要もなく、しかもピッチ周期は正しく
伝送、再生される。

その結果、情報圧縮にがかわらず高い音質の音声を再生
（合成）することができると期待される。

以上のべたように、本発明によれば音声波形の情報を情
報圧縮しながらかつ高い品質の音声を再生または伝送す
ることができる。

【図面の簡単な説明】

第１図、第２図はパラメータ抽出方式による音声の分析
・合成方式の原理．図、第３図は本発明の実施例を示す
ブロック図、第４図はＰＡＲＣＯＲ係数分析装置、第５
図は音源波形符号化用の非線形量子化特性の１例、第６
図はＰＡＲＣＯＲ係数による音声合戒装置である。

Claims (1)

【特許請求の範囲】
1. １ 音声波形情報をそのスペクトル特性を記述するパラ
   メータと音源情報とに分離して情報圧縮して記録・再生
   する方式において、音源波形を低域沢波によって情報低
   減して直接記録し、再生に当ってはその低周波音源波形
   より非直線処理によって高周波域音源成分を近似的に再
   生し、低周波音源波形とともに合成音源として使用する
   ことを特徴とする音声の情報圧縮記録再生方式。