JPS5912498A - 帯域分割型ボコ−ダ - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 本発明は線形予測分析手法を用いる帯域分割型ボコーダ
に関し、特に分析側において分析精度を最良とする条件
の下に帯域分割数を設定する帯域分割型ボコーダに関す
る。

従来の帯域分割型ボコーダにおいては、帯域分割数の選
定については特に明確な基準を設けていない。本発明者
が別途特許願を提出中の方法として、人力音声信号のス
ペクトルにおける極周波数または極周波数と零周波数と
を抽出することにより、帯域分割の九めの境界周波数を
設定する方法があるが、分割帯域数を如何に選定するか
については、未だその方法が明らかにされていない。本
来帯域分割による線形予測分析および合成の特質は、通
常の非帯域分割の線形予測分析および合成における１）
フォルマント帯域幅の過少推定、２）高次フォルマント
の近似性の劣化という欠点に対する改善策としての意味
を有しているが、徒に分割帯域数を増しても分析精度の
点から見ると必ずしも望ましいことではない。むしろ前
記帯域分割による線形予測分析および合成の改善点を維
持しながら、帯域分割数の少ない領域において、入力音
声信号に対応して分析・合成の近似性を高めてゆくこと
が重要な課題である。即ち従来の帯域分割型ボコーダは
、分析側における帯域分割数の設定に関して明確な判定
基準がなく、結果として帯域分割による線形予測分析・
合成に関して、その近似性を最良の状態に保持すること
ができないという欠点がある。

本発明の目的は上記の欠点を除去し、分析側に帯域分割
数の異なる複数の帯域分割型線形予測分析手段を備え、
入力音声信号のスペクトル分析情報と前記複数の帯域分
割型線形予測分析手段に対応するスペクトル分析情報と
の間の距離を最小とする帯域分割型線形予測分析手段か
ら抽出される線形予測分析情報を選択する手法により帯
域分割数を設定し、線形予測分析・合成に拘わる近似性
を改善する帯域分割型ボコーダを提供することにある。

本発明の帯域分割型ボコーダは、線形予測分析手法を用
いる帯域分割型ボコーダにおいて、予め定めた帯域をそ
れぞれ異なる分割数で帯域分割した複数の分割グループ
の各分割グループにおいて分割された帯域毎に入力音声
信号を線形予測分析して得られる線形予測係数情＠を出
力する線形予測分析手段と、前記予め定めた帯域におけ
る前記入力音声信号から予め定めたスペクトル分析情報
を基準スペクトル分析情報として抽出する基準スペクト
ル分析情報抽出手段と、前記各分割グループの各分割帯
域毎に得られる自己相関係数、線形予測係数、電カスベ
クトル等を含むノ々ラメータから前記予め定めたスペク
トル分析情報をグループ脅スペクトル分析情報として抽
出するグループ・スペクトル分析情報抽出手段と、前記
基準スペクトル分析情報とグループ・スペクトル分析情
報との間の距離を検出しこの距離が最小となるグループ
に対応する前記線形予測分析情報を選択出力する分析情
報選択手段とを分析側に備えて構成される。

以下本発明について図面を参照して詳細に説明する。

第１図は本発明の帯域分割型ボコーダの分析側を示す概
念的ブロック図である。この概念的ブロック図は、分析
側に帯域分割型線形予測分析手段を二組備える実施例を
示し、第１の帯域分割型線形予測分析手段１−１および
第２の帯域分割型線形予測分析手段１−２を含む線形予
測分析手段２０１と、第１のスペクトル分析情報抽出手
段２−１および第２のスペクトル分析情報抽出手段２−
２を含むグループ・スペクトル分析情報抽出手段２０２
と、基準スペクトル分析情報抽出手段３と、線形予測分
析情報選択制御手段４および線形予測分析情報選択手段
５を含む分析情報選択手段２０３と、音源情報分析手段
６と、符号化手段７を備えている。端子１０１よ多入力
される標本抽出され４・電子化された音声信号は、第１
の帯域分割型線形予測分析手段１−１および第２の帯域
分割型線形予測分析手段１−２においてそれぞれ独立に
線形予測分析される。これらの第１および第２の帯域分
割型線形予測分析手段１−１および１−２においては、
それぞれ分割された帯域区分毎に線形予測パラメータを
含む線形予測分析情報を抽出して線形予測分析情報選択
手段５に出力するとともに、それぞれの帯域分割型線形
予測分析手段の作用を通じて抽出される前記入力音声信
号のスペクトルに拘わる分析情報を出力して、それぞれ
第１および第２のスペクトル分析情報抽出手段２−１お
よび２−２に入力する。第１および第２のスペクトル分
析情報抽出手段２−１および２−２においては、それぞ
れ第１および第２の帯域分割型線形予測分析手段１−１
および１−２より入力される前記入力音声信号のスペク
トルに拘わる分析情報を人力して、それぞれに前記入力
音声信号のグループ・ス−＜Ｊ−ｈ−ル分析情報として
スペクトル包絡。

正規化予測残差電力および電カスベクトルΦピーク値等
を含む分析情報の何れかを線形予測分析情報選択制御手
段４に出力する。一方前記入力音声信号は基準スペクト
ル分析情報抽出手段３に入力され、全周波数帯域に対応
するスペクトル分析情報としてスペクトル包絡、正規化
予測残差電力およヒ電カスベクトル・ピーク値等の中の
何れかの分析情報を抽出し、基準スペクトル分析情報と
して線形予測分析情報選択制御手段４に出力する。

線形予測分析情報選択制御手段４においては、基準スペ
クトル分析情報抽出手段３より入力される前記スペクト
ル分析情報を基準として、各帯域分割型線形予測分析手
段１−１および１−２に対応して第１および第２のスペ
クトル分析情報抽出手段２−１および２−２よシ入力さ
れる前記入力音声信号の各グループ・スペクトル分析情
報との間の距離を検出し、その距離を最小とするグルー
プ・スペクトル分析情報に対応する帯域分割型線形予測
分析手段より抽出される線形予測分析情報を選択する制
御信号を形成して線形予測分析情報選択手段５に送用す
る。線形予測分析情報選択手段５においては、第１およ
び第２の帯域分割型線形予測分析手段１−１および１−
２よシ入力される前記帯域区分毎の線形予測分析情報を
、線形予測分析情報選択制御手段４よシ入力される制御
信号により選択し、前記制御信号とともに符号化手段７
に出力する。他方、前記入力音声イ＝号は音源情報分析
手段６に入力されてピンチ周期および有声音・無声音判
別信号を含む音源情報が抽出されて符号化手段７に送ら
れる。符号化手段７においては線形予測分析情報選択手
段５により選択される前記線形予測分析情報と、前記制
御信号と、前記音源情報とを符号化し端子１０２よ多出
力する。

次に本発明の第１の実施例について第２図を参照して説
明する。第２図は第１の実施例を示すブロック図で、分
析側において、電カスベクトル算出器８，２帯域区分自
己相関計測器９−１および９−２．３帯域区分自己相関
計測器１０−１．１０−２および１０−３．２帯域区分
線形予測分析器１１−１および１１−２．３？ｉｆ域区
分線形予測分析器１２−１．１２−２および１２−３を
含む線形予測分析手段２０４と、自己相関計測器１５゜
線形予測分析器１６．電カスベクトル包絡抽出器１７を
含む基準スペクトル分析情報抽出手段２０５と、２帯区
分電カスベクトル包絡抽出器１３−１および１３−２．
３帯域区分電カスベクトル包絡抽出器１４−１．１４−
２および１４−３を含むグループ・スペクトル分析情報
抽出手段２０６と、線形予測分析情報選択制御器１８．
線形予測分析情報選択器１９を含む分析情報選択手段２
０７と、音源情報分析器２０と、符号化器２１とを備え
、合成側において、復号化器２３と、線形予測分析情報
選択器２４と、２帯域区分電カスベクトル包絡抽出器２
５−１および２Ｊ−２と、３帯域区分電カスベクトル包
絡抽出器２６−１．２６−２および２６−３と、自己相
関計測器２７および２８と、自己相関選択器２９と、線
形予測分析器３０と、予測残差電力算出器３１と、音源
情報励振信号発生器３２と、音声合成フィルタ３３を備
えている。

端子１０３よシ入力される標本抽出され量子化された音
声信号は、電カスベクトル算出器８において、一つの手
法として例えば離散的フーリエ変換演算を用いて全帯域
に対応する電カスベクトルを算出する。この電カスベク
トルを受けて２帯域区分自己相関計測器９−１および９
−２においては、前記入力音声信号の周波数帯域を２帯
域に分割区分し、各帯域毎にそれぞれの帯域区分に対応
して上限および下限の周波数を設定して、一つの方法と
して電カスベクトルに対する逆フーリエ変換によシ各帯
域区分毎に自己相関係数列を抽出する。この場合におけ
る電カスベクトルと帯域分割の様子を第３図ｆａｔに示
す。図に於て、２帯域に分割される低周波数帯域区分に
ついては、角周波数ωＬよシω□の区間についてΔωの
角周波数間隔で電カスベクトルＰ（ハ）を標本抽出し、
高周波数帯域区分については、ω２よりωＨの区間につ
いてΔωの角周波数間隔で電カスベクトルＰ（→を標本
抽出して逆フーリエ変換を行う。なお前記低周波数帯域
および高周波数帯域に亙る標本抽出数はそれぞれｎおよ
びＮ−ｎである。こ＼にＮは全区間に亙る標本抽出数で
ある。この場合において、各帯域に対応する自己相関係
数列（ρ□１）および（ρ２１）は次式によって求めら
れる。

これらの自己相関係数列は、それぞれ２帯域区分線形予
測分析器１１−１および１１−２に入力され、これらの
自己相関係数列を係数とする連立−次方程式を解くこと
により、それぞれの帯域区分毎に線形予測パラメータと
してαパラメータ。

Ｋ　パラメータ等を抽出する。また必要に応じてＬ−８
Ｐパラメータを変換し抽出する場合もある。他方２帯域
区分自己相関計測器９−１および９−２からは入力音声
信号の２帯域分割区分のそれぞれの短時間平均電力が出
力され、２帯域区分線形矛測分析器１１−１および１１
−２において、それぞれに前記αパラメータと前記短時
間平均電力とから予測残差電力が算出される。２帯域区
分線形予測分析器１１−１および１１−２において抽出
される前記αパラメータと予測残差電力とは、各帯域区
分毎に２帯域区分電カスベクトル包絡抽出器１３−１お
よび１３−２および線形予測分析情報選択器１９に出力
される。２帯域区分電カスベクトル包絡抽出器１３−１
および１３−２においては、それぞれ各帯域区分に対応
する前記αパラメータと前記短時間平均電力とを入力し
て各帯域区分に対応する電カスベクトル包絡を抽出する
。

亀カスベクトル包絡Ｐ（ω）は、一般に線形予測パラメ
ータを（αｊ）とし、予測残差電力をＰＲとすると次式
で求められる。

である。またωは角周波数、ｐは線形予測パラメータの
次数である。上式を通じて算出される各帯域の電カスベ
クトル包絡Ｐ１（ω）およびＰｓｉω）は、それぞれ線
形予測分析情報選択制御器１８に出力される。

以上は２帯域分割の場合における音声のスペクトル分析
情報抽出の作用経過の説明であるが、３帯域分割の場合
についても同様である。即ち３帯域区間自己相関計測器
１０−１．１０−２および１０−３において、全帯域に
対応する前ｌピ電カスベクトルＰ←）につき第３図（ｂ
）に示される、ω１よりω１の区間、ω２よりω３の区
間、ω４よりωＨα間のそれぞれの区間について、Δω
の角周波数間隔で標本抽出し逆フーリエ変換することに
より、自己相関係数列（ρ１１）、（ρ２１）および（
ρａｉ）を次式によシ求める。

こ＼に、ｍ、ｎおよびＮはそれぞれ第３図（ｂ）におけ
る低周波数帯域、中間周波数帯域および全周波数帯域に
対応する標本抽出数である。これらの各周波数帯域毎の
自己相関係数列は、短時間平均電力とともにそれぞれ３
帯域区分線形予測分析器１２−１．１２−２および１２
−３に出力され、前述の２帯域分割の場合と同様の作用
経過を介して、３帯域区分線形予測分析器１２−１．１
２−２および１２−３からは帯域区分毎にαパラメータ
と予測残差電力が線形予測分析情報選択器１９に出力さ
れ、また３帯域区分電カスベクトル包絡抽出器１４−１
　、１４−２および１４−３からは帯域区分毎の電カス
ベクトル包絡Ｐ′、（ω）ＩＰ’！に）およびＰ≦←）
がそれぞれ線形予測分析情報選択制御器１８に出力され
る。

また、電カスベクトル算出器８より出力される全周波数
帯域に対応する電カスベクトルは自己相関計測器１５に
も入力され、こ＼において離散的逆フーリエ変換により
高次の自己相関係数列を抽出し且つ短時間平均電力１に
算出して線形予測分析器１６に出力する。線形予測分析
器１６においては、前記自己相関係数列に対応して高次
のαパラメータを抽出し予測残差電力を算出して電カス
ベクトル包絡抽出器１７に出力する。電カスベクトル包
絡抽出器１７は前記高次のαパラメータと予測残差電力
とを入力して全周波数帯域に亙る篭カスベクトル包絡Ｐ
（（ロ）を抽出し基準スペクトル分析情報として線形予
測分析情報選択制御器１８に送出する。線形予測分析情
報選択制御器１８においては、電カスベクトル包絡抽出
器１７から入力される全周波数帯域に対応する前記電カ
スベクトル包絡Ｐ（ハ）を基準として、２帯域区分スペ
クトル包絡抽出器１３−１および１３−２より入力され
る前記電カスベクトル包絡Ｐ１に）およびＰ２（ハ）と
の間の距離ΔＲ１と、３帯域区分スペクトル包絡抽出器
１４−１．１４−２および１４−３よシ入力される前記
電カスベクトル包絡Ｐ；（→＋　ｐ２（→　およびうに
）との間の距離ΔＲ２とを次式によυ抽出する。

ΔＲ□−Σ　ＩＰＩ（ω、）十Ｐ２（ω＋）Ｐ（ω＋）
１１＝１ ΔＲ２−ΣＩＰ□′（ωυ＋ｐＱ（ωｌ　）　＋ｐ’、
　（ω１）Ｐ（ω、）１ｍｌ 線形予測分析情報選択制御器１８は、上式における距離
ΔＲ１およびΔＲ２を算出し、且つΔＲ１とΔＲ２との
大小を比較して、ΔＲＸ＜ΔＲ２の場合には２帯域分割
による線形予測分析情報を選択する制御信号を、ΔＲ１
＞ΔＲ２の場合には３帯域分割による線形予測分析情報
を選択する制御信号を線形予測分析情報選択器１９に送
出する。線形予測分析情報選択器１９においては、２帯
域区分線形予測分析器１１−１および１１−２より入力
される線形予測パラメータを含む線形予測分析情報と、
３帯域区分線形予測分析器１２−１．１２−２および１
２−３より入力される線形予測パラメータを含む線形予
測分析情報とを、線形予測分析情報選択制御器１８より
入力される前記制御信号により、その何れかを選択して
符号化器２１に出力する。また、線形予測分析情報選択
制御器１８より出力される前記制御４Ｈ号も線形予測分
析情報選択器１９を介して符号化器２１に入力される。

一方、入力音声信号から音源情報分析器２０によシ抽出
されるピッチ周期信号および有声音・無声音判別信号も
符号化器２１に入力される。これらの４に号は符号化器
２１において符号化され、伝送線路３０１を介して合成
側に伝送される。

合成側においては、分析側よシ送られてくる信号は復号
化器２３において復号され、前記線形予測分析情報と前
記制御信号とは線形予測分析情報選択器２４に入力され
る。こ＼において、前記制御信号によシ２帯域分割また
は３帯域分割の倒れかの選択に対応して、線形予測分析
情報選択器２４に接続される２帯域区分電カスベクトル
包絡算出器２５−１および２５−２および３帯域区分電
カスベクトル包絡算出器２６−１．２６−２および２６
−３の何れかを選択接続して前記線形予測分析情報を出
力する。今２帯域分割による線形予測分析情報が線形予
測分析情報選択器２４において選択される場合金想定す
ると、合成側において線形予測分析情報選択器２４を介
して、各帯域区分毎のαパラメータと予測残差電力がそ
れぞれ２帯域区分電カスベクトル包絡算出器２５−１お
よび２５−２に入力される。これらの２￥ｉ域区分電力
スペクトル包絡算出器２５−１および２５−２において
電カスベクトル包絡が算出される過程は、分析側におい
て、例えば２帯域区分電カスベクトル包絡抽出器１３−
１においてαパラメータと予測残差電力とより寛カスベ
クトル包絡を求める場合と同様である。自己相関計測器
２７においては、２帯域区分電カスベクトル算出器２５
−１および２５−２からそれぞれ出力される電カスベク
トルを入力して、全周波数帯域に亙る自己相関係数列を
抽出する。今冬帯域区分毎の電カスベクトル包絡をそれ
ぞれＰｌに）およびＰ２（→とすると、全周波数帯域に
亙る自己相関係数列（ρ１）は電力スペク出される自己
相関係数列（ρｉ）と別途算出される短時間平均電力と
は自己相関選択器２９に出力される。自己相関選択器２
９は、線形予測分析情報選択器２４を介して入力される
前記制御信号により制御されて、自己相関計測器２７と
自己相関計測器２８の何れかの出力信号を選択して、線
形予測分析器３０および予測残差電力算出器３１に全周
波数帯域に亙る。前記自己相関係数列と前記短時間平均
電力とをそれぞれ出力する。線形予測分析器３０は前記
自己相関係数列を入力して、これらの自己相関係数列を
係数とする連立−次方程式を解くことによりαパラメー
タを抽出し、またその抽出過程にお−て抽出されるにパ
ラメータより正規化予測残差電力を算出する。αパラメ
ータは音声合成フィルタ３３に入力されてその係数を制
御し、正規化予測残差電力は予測残差電力算出器３１に
出力される。予測残差電力算出器３１は線形予測分析器
３０よシ入力される前記正規化予測残差して音源情報励
振イば号発王器３２に出力する。音源情報励振信号発生
器３２においては、復号化器２３より入力されるピッチ
周期信号および有声音・無声音判別信号に対応する音源
信号と、予測残差電力算出器３１より入力される予測残
差電力との乗算作用により、音源情報励振信号を発生し
音声合成フィルタ３３ｆ、励振する。音声合成フィルタ
３３においては、線形予測分析器３０より入力されるα
パラメータにより係数を制御され、音源情報励振信号発
生器３２より入力される音源情報励振信号に励振されて
テジタル合成音声を端子１０４より出力する。

次に本発明の第２の実施例について第４図を参照して説
明する。第４図は第２の実施例を示す分析側のブロック
図で、分析側において、電カスベクトル算出器３４，２
帯域区分自己相関計沖謄３５−１および３５−２．３帯
域区分自己相関計測器３６−１．３６−２および３６−
３．２帯域区分線形予測分析器３７−１および３７−２
．３帯域区分線形予測分析器３８−１．３８−２および
３８−３を含む線形予測分析手段２０８と、自己相関計
測器４５．ｉ１！形予測分析器４６を含む基準スペクト
ル分析情報抽出手段２０９と、２￥ｉ域区分電カスベク
トル包絡抽出器３９−１および３９−２゜３帯域区分電
カスベクトル包絡抽出器４０−１゜４０−２および４０
−３．２帯域区分自己相関計測器４１，３帯域区分自己
相関計測器４２，２帯域区分線形予測分析器４３，３帯
域区分線形予測分析器咬４４を含むグループ・スペクト
ル分析情報抽出手段２１０と、線形予測分析情報選択制
御器４７．線形予測分析情報選択器４８を含む分析情報
選択手段２１１と、音源情報分析器４９と、符号化器５
０とを備えている。

端子１０５より入力される標本抽出され址子化された音
声信号は、電カスベクトル算出器３４において、一つの
手法として例えば離散的フーリエ変換により全帯域に対
応する電カスベクトルを算出する。この全帯域の電カス
ベクトルを受けて２帯域区分自己相関計測器３５−１お
よび３５−２と、３帯域区分自己相関計測器３６−１，
３６−２および３６−３においては、前述の第１の実施
例の場合と同様の手法により各帯域区分毎に自己相関係
数列を抽出するとともに短時間の平均電力全算出し、そ
れぞれ対応する２帯域区分線形予測分析器３７−１およ
び３７−２と、３帯域区分線形予測分析器３８−１．３
８−２および３８−３に出力する。２帯域区分線形予測
分析器３７−１および３７−２と、３帯域区分線形予測
分析２番ヲ３８−１．３８−２および３８−３において
は、それぞれ対応する自己相関計測器から自己相関係数
列および平均電力全入力して、自己相関係数列からはα
パラメータを抽出するとともに正規化予測残差電力を算
出し、前記平均電力との乗算作用により予測残差電力を
算出する。これらの各帯域区分に対応するαパラメータ
および予測残差電力は、２帯域区分電カスベクトル包絡
抽出器３９−１および３９−２と、３帯域区分電カスベ
クトル包絡抽出器４０−１．４０−２および４０−３の
それぞれ対応する電カスベクトル包絡抽出器に入力され
て、各帯域区分毎に電カスベクトル包絡をＭ出ｉる。α
パラメータおよび予測残差電力よシミカスベクトル包絡
を抽出する手法については、前述の第１の実施例におい
て説明されている。−・方２帯域区分線形予測分析器３
７−１および３７−２と３帯域区分線形予測分析器３７
−１．３７−２および３７−３からは、それぞれ各帯域
区分毎にαパラメータおよび予測残差電力が線形予測分
析情報選択器４８に送出される。２帯域区分電カスベク
トル包絡抽出器３９−１および３９−２よシ出力される
電カスベクトル包絡は、２帯域区分自己相関計測器４１
において逆フーリエ変換によシ全周波数帯域に対応する
自己相関係数列として抽出され出力される。この全周波
数帯域に対応する自己相関係数列を抽出する作用経過は
、前述の第１の実施例における合成側において、自己相
関計測器２７において全周波数帯域での自己相関係数列
を抽出する場合と同様である。２帯域区分自己相関計測
器４１よシ出力される自己相関係数列を入力して、２帯
域区分線形予測分析器４３においては全帯域に対応する
正規化予測残差電力Ｎ−ＲＰ１　を算出して線形予測分
析情報選択制御器４７に出力する。

３Ｎ域分割の場合も前述の２帯域分割の場合と同様にし
て、３帯域区分線形予測分析器４４において算出される
３帯域分割線形予測分析による全周波数帯域に対応する
正規化予測残差電力ＮＲＰ２は線形予測分析情報選択制
御器４７に入力される。

また一方電力スベクトル算出器３４において算出される
全周波数帯域に対応する電カスベクトルは自己相関計測
器４５に入力され、こ＼において離散的逆フーリエ変換
によシ高次の自己相関係数列を抽出し線形予測分析器４
６に出力する。線形予測分析器４６においては前記自己
相関係数列を入力して全周波数帯域に対応する高次の線
形予測パラメータを抽出し、併せて正規化予測残差電力
Ｎ−ＲＰｏを算出して線形予測分析情報選択制御器４７
に出力する。線形予測分析情報選択制御器４７において
は、線形予測分析器４６から入力される全周波数帯域に
対応する前記正規化予測残差電力Ｎ−ＲＰｏｆ：、基準
として、２帯域区分線形予測分析器４３り入力される前
記正規化予測残差電力ＮＲＰ３との間の距離ΔＲ２とを
次式により抽出する。

ΔＲ，＝　ｌ　ＮＲＰ□−ＮＲＰ、　ｌΔＲ２＝　ｌ　
ＮＲＰ２　　ＮＲＰｏ　１線形予測分析情報選択制御器
４７は、上式における距離ΔＲ１およびΔＲ２を算出し
、且つΔＲ１とΔＲ２との大小を比較して、ΔＲ１〈Δ
Ｒ２の場合には２帯域分割による線形予測分析情報を選
択する制御信号を、ΔＲ１＞ΔＲ２の場合には３帯域分
割による線形予測分析情報を選択する制御信号を線形予
測分析情報選択器４８に送出する。線形予測分析情報選
択器４８においては、２帯域区分線形予測器３７−１お
よび３７−２より入力される線形予測パラメータを含む
線形予測分析情報と、３帯域区分線形予測分析器３８−
１．３８−２および３８−３より入力される線形パラメ
ータを含む線形予測分析情報とを、線形予測分析情報選
択制御器４７より入力される前記制御信号により、その
何れかを選択して符号化器５０に出力する。

また、線形予測分析情報選択制御器４７よシ出力される
前記制御信号も線形予測分析情報選択器４８を介して符
号化器５０に入力される。また入力音声信号から音源情
報分析器４９により抽ａ１されるピッチ周期信号および
有声音・無声音判別信号も符号化器５０に入力される。

これらの信号は符号化器５０において符号化され、伝送
線路３０２を介して合成側に伝送される。なお合成側に
おける作用については前述の第１の実施例における場合
と同様でおる。

次に本発明の第３の実施例について第５図を参照して説
明する。第５図は第３の実施例を示す合成側のブロック
図で、合成側において、電カスベクトル算出器５１，２
帯域区分自己相関針測器５２−１および５２−２．３帯
域区分自己相関計測器５３−１．５３−２および５３−
３．２帯域区分線形予測分析器５４−１および５４−２
．３帯域区分線形予測分析器５４−１．５４−２および
５４−３を含む線形予測分析手段２１２と、基準スペク
トル分析情報抽出手段としての電カスベクトル・ピーク
値抽出器５８と、２帯域区分電カスベクトル包絡抽出器
５６−１および５６−２．３帯域区分電カスベクトル包
絡抽出器５７−１．５７−−２および５７−３’＆含む
グループ・スペクトル分析情報抽出手段２１３と、線形
予測分析情報選択制御器５９．線形予測分析情報選択器
６０を含む分析情報選択手段２１４と、音源情報分析器
６１と、符号化器６２とを備えている。

端子１０６よυ入力される標本抽出され量子化された音
声信号は、電カスベクトル算出器５１において、一つの
手法として例えば離散的フーリエ変換により全帯域に対
応する電カスベクトルを算出する。この全帯域の電カス
ベクトルを受けて２帯域分割および３帯域分割のそれぞ
れについて、各帯域区分毎に線形予測パラメータを含む
線形予測分析情報を抽出して線形予測分析情報選択器６
０に送出することと、２帯域分割および３帯域分割のそ
れぞれについてスペクトル分析情報としての電カスベク
トル包絡全抽出して線形予測分析情報選別制御器５９に
送出することの作用経過については、前述の第１の実施
例の場合と同様である。

本実施例の特徴は、基準音声スペクトル分析情報として
全周波数帯域に対応する電カスベクトル・ピーク値を設
定している点にあり、電カスベクトル算出器５１より抽
出される全帯域の電カスベクトルは電カスベクトル・ピ
ーク値抽出器５８において極大値検索等の手段を用いて
電カスベクトル・ピーク値を抽出する。この電カスベク
トル・ピーク値を抽出するためには、有効抽出数どして
は１２９点程度とれば十分で、電カスベクトルｅピーク
値抽出器５８からは数十点程度のピーク値Ｐ（ωｋ）（
ｋ−１，２，・・・、Ｍ）全抽出する。Ｍは有効なピー
ク値の数で、ωにはピーク値に対応する角周波数である
。第６図に帯域分割なしの場合の電カスベクトル・ピー
ク値と電カスベクトル包絡との関係を概念的に示す。線
形予測分析情報選択制御器５９においては、電カスベク
トルｅピーク値抽出器５８から入力される前記電カスベ
クトル・ピーク値Ｐ（ωｋ）ｆ：基準として、２帯域区
分電力！− スペクトル包絡抽出器５６−１および５６−２より入力
される電カスベクトル包絡Ｐ１（嚇およびＰ２（ロ）と
の間の距離ΔＲ１と、３帯域区分スペクトル包絡抽出器
５７−１．５７−２および５７−３より入力される電カ
スベクトル包絡Ｐｌ（ハ）、Ｐ２に）およびＰ３（ハ）
との間の距離ΔＲ２とを次式により抽出する。

線形予測分析情報選択制御器５９は、上式における距離
ΔＲ工およびΔＲｚｆ算出し、且つΔＲ０とΔＲ２との
大小を比較して、Δａ、（ΔＲ２の場合には２帯域分割
による線形予測分析情報を選択する制御信号を、ΔＲ１
＞ΔＲ２の場合には３帯域分割による線形予測分析情報
を選択する制御信号を線形予測分析情報選択器６０に送
出する。

線形予測分析情報選択器６０．音源情報分析器６１およ
び符号化器６２０作用については、前述の第１および第
２の実施例の場合と同様である。なお本実施例において
は、電カスベクトル・ピーク値に対応する角周波数を参
照点として用いているが、前記角周波数を用いる代９に
、第１の実施例の場合と同様に等間隔に配置された周波
数標本抽出列を用いることも可能である。即ち、スペク
トルφビーク値を包絡する曲線をＡｂＳ法（藤崎博也「
音声認識の諸問題」日本音曽学会誌２８巻１号、′７２
、ＰＰ、３３〜４１）等を用いて算出し、更に前記曲線
Ｐ（ω）を基準として前記周波数標本抽出列の各標本抽
出周波数において２帯域区分電カスベクトル包絡抽出器
５６−１および５６−２より抽出される電カスベクトル
包絡ｐｉぐ→およびＰ２（ω）との間の距離ΔＲ１と、
３帯域区分スペクトル包絡抽出器５７−１．５７−２お
よび５７−３よシ抽出される電カスベクトル包絡Ｐ：（
ω）、ｐ；（ｚ）およびＰｌ（（ロ）との間の距離ΔＲ
２とを次式により抽出する。

ΔＲ１−ΣＩＰ１（ω、　）＋ｐ２（ω、）−Ｐ（ω＋
）１１　＝１ ７ ΔＲ２−ΣＩＰ１（ω、）＋Ｐ２（ωｔ）十Ｐａ（ω＋
）　　Ｐ（ω＋）ＩＩコ１ 上式においてＮは標本抽出数、ω、は前記等間隔に配置
された周波数標本抽出列（ωｔｌ　　ｉ＝１．２゜３、
・・、Ｎの一要素である。なお、第７図に帯域分割なし
の場合における電カスベクトル・ピーク値包絡と前記周
波数標本抽出列（ω１）との対応関係を概念的に示す。

以上の各実施例の説明については、複数の帯域分割型線
型予測分析手段として２帯域分割および３帯域分割の二
つの組合せの場合につき詳細に説明したが、この組合せ
は上記のように限定されるものではなく、組合せの帯域
分割型線形予測分析手段の数およびそれらの帯域分割型
線形予測分析手段における帯域分割数については任意に
選択される。

以上詳細に説明したように本発明は帯域分割型線形予測
分析手段の選択基準として、帯域分割型線形子側分析の
過程において得られるスペクトル包絡と正規化予測残差
電力とを選択対象項目とし、これに対する基準項目とし
ては、前記スペクトル包絡に対しては入力音声イ％号よ
シ直接抽出される全周波数帯域に対応するスペクトル包
絡とスペクトル・ピーク値とを設定し、前記正規化予測
残差電力に対しては入力音声信号より直接抽出される全
周波数帯域に対応する正規化予測残差電力全設定して、
それぞれの選択対象項目と基準項目との距離を検出し、
その距離（ｉｌ−最小とする帯域分割型線形予測分析手
段全選択して分析側における線形予測分析全実行し２て
おり、この手法によシ、帯域分割型ボコーダにおいて、
スペクトル包絡まタハ波形領域における近似性を著しく
改善できるという効呆がある。

【図面の簡単な説明】

第１図は本発明の分析側を示す概念的ブロック図、第２
図、第４図および第５図はそれぞれ本発明の第１．第２
および第３の実施例のブロック図、第３図、第６図およ
び第７図は電カスベクトル説明図である。図において、 １−１・・・・・・第１の帯域分割型線形予測分析手段
、１−２・・・・・・第２の帯域分割型線形予測分析手
段、２−１・・・・・・第１のスペクトル分析情報抽出
手段、２−２・・・・・・第２のスペクトル分析情報抽
出手段、３．２０５，２０９・・・・・・基準スペクト
ル分析情報抽出手段、４・・・・・・線形予測分析情報
選択制御手段、５・・・・・・線形予測分析情報選択手
段、６・・・・・・音源情報分析手段、７・・・・・・
符号化手段、８，３４．５１・・・・・・電カスベクト
ル算出器、９−１〜２．３５−１〜２，４１．５２−１
〜２・・・・・・２帯域区分自己相関計測器、１０−１
〜３．３６−１〜３，４２゜５３−１〜３・・・・・・
３帯域区分自己相関計測器、１１−１〜２．３７−１〜
２，４３．５４−１〜２・・・・・・２帯域区分線形予
測分析器、１２−１〜３．３８１−３．４４゜５５−１
〜３・・・・・・３帯域区分線形予測分析器、１３−１
〜２．２５−１〜２．３９−１〜２．５６−１〜２・・
・・・・２帯域区分電カスベクトル包絡抽出器、１４−
１〜３．２６−１〜３．４０−１〜３，５７−１〜３・
・・・・・３帯域区分電カスベクトル包絡抽出器、１５
．２７，２８．４５・・・・・・自己相関ηを測器、１
６．３０．４６・・・・・・線形予測分析器、１７・・
・・・・電カスベクトル包絡抽出器、１８，４７．５９
・・・・・・線形予測分析情報選択制御器、２０，４９
．６１・・・・・・音源情報分析器、１９，２４，４８
．６０・・・・・・線形予測分析情報選択器、２１，５
０．６２・・・・・・符号化器、２３・・・・・・復号
化器、２９・・・・・・自己相関選択器、３１・・・・
・・予測残差電力算出器、３２・・・・・・音源情報励
振信号発生器、３３・・・・・音声合成フィルタ、５８
・・・・・・電カスベクトル・ピーク値抽出器、１０１
〜１０６・・・・・・端子、２０１，２０４゜２０８．
２１２・・・・・・線形予測分析手段、２０２゜２０６
．２１０．２１３・・・・・・グループ・スペクトル分
析情報抽出手段、２０３，２０７，２１１゜２１４・・
・・・・分析情報選択手段、３０１〜３０３・・・・・
・伝送線路。 （レジ 第　３　グ

Claims (4)

【特許請求の範囲】
1. （１）線形予測分析手法を用いる帯域分割型ボコーダに
   おいて、予め定めた帯域をそれぞれ異なる分割数で帯域
   分割した複数の分割グループの各分割グループにおいて
   分割された帯域毎に入力音声信号を線形予測分析して得
   られる線形予測分析情報を出力する線形予測分析手段と
   、前記予め定めた帯域における前記入力音声信号から予
   め定めたスペクトル分析情報を基準スペクトル分析情報
   として抽出する基準スペクトル分析情報抽出手段と、前
   記各分割グループの各分割帯域毎に得られる自己相関係
   数、線形予測分析電カスベクトル等を含むパラメータか
   ら前記予め定めたスペクトル分析情報をグループ拳スペ
   クトル分析情報として抽出するグループ・スペクトル分
   析情報抽出手段と、前記基準スペクトル分析情報とグル
   ープ・スペクトル分析情報との間の距離を検出しこの距
   離が最小となるグループに対応する前記線形予測分析情
   報を選択出力する分析情報選択手段とを分析側に備える
   ことを特徴とする帯域分割型ボコーダ。
2. （２）前記予め定めたスペクトル分析情報がスペクトル
   分析情報であることを特徴とする特許請求の範囲第（１
   ）項記載の帯域分割型ボコーダ。
3. （３）前記予め定めたスペクトル分析情報が正規化予測
   残差電力であることを特徴とする前記特許請求の範囲第
   （１）項記載の帯域分割型ボコーダ。
4. （４）前記予め定めたスペクトル分析情報がスペクトル
   ・ピーク情報であることを特徴とする前記特許請求の範
   囲第（１）項記載の帯域分割型ボコーダ。