JPS63301633A - Ａｄｐｃｍ符号化・復号化方法 - 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】 ［産業上の利用分野］ 本発明は適応差分ＰＣＭ　（以下、ＡＤＰＣＭという）
符号化・復号化方式に係り、特に、モデム信号と音声信
号とを精度良く判別し音声信号帯域のモデム信号の符号
化・復号化特性が良好なＡＤＰＣＭ符号化・復号化方式
に関する。

［従来の技術］ 従来のＡＤＰＣＭ符号化・復号化方式については、アイ
・イー・イー・イー、テレコミュニケーションズ　コン
ファレンス、　１９ｇ４．２３．１　、１〜２３゜１．
４　（ＩＥＥＥ、置ＥＣＯＭＭＵＮＩＣＡ−ＴＩＯＮＳ
　　Ｃ０ＮＦＥＲＥＮＣＥ、１９８４，２３゜１．１〜
２３．１．４）において論じられている。この従来技術
における入力信号の識別法を以下に説明する。従来の方
法は、入力信号の振幅変化が大きい音声信号に十分対応
できる様な高速動作を行なう量子化幅ＹＵｊと、振幅変
化が小さいモデム信号に適応できる様な低速動作を行な
う量子化幅ＹＬｊを夫々別個に発生させ、これら２つの
量子化幅の線形結合で、実際に量子化を行なう真の量子
化幅Ｙｊを発生する構成をとっている。すなわち、Ａｊ
を線形結合定数として。

Ｙｊ＝Ａｊ−ＹＵｊ　−暑　＋　　（１−−Ａｊ）　　
　Ｙ　　Ｌｊ−＋なる演算を行ない、量子化幅Ｙ」を得
ている。（ここで、ｊは処理を行なうサンプリング時刻
を示し。

「量子化幅」は、論文中の「スケールファクタ」に対応
する。）また、定数Ａ、は、量子化幅Ｙ、で量子化を行
なった結果得られる量子化値Ｉｊのある重み関数Ｆ　（
Ｉｊ）の長時間平均（時定数が長い平均化操作）と短時
間平均とを求め、これらの差により入力信号が音声信号
かモデム信号かを判定することで求められる。すなわち
、 Ｄ＋ｍＳ＋ｊ　＝（ｌ　−２−’）Ｄ＋ｓｓ＋ｊ−＋　
＋　２−’　Ｆ　（Ｉ　１）ＤｓＱ＋ｊ＝（１２−’）
Ｄ＋ｓＱ＋ｊ−＋＋２−’Ｆ（Ｉｊ）なる演算により、
長時間平均ＤｍｆＬ、ｊと短時間平均Ｄｌｌｌｓ、ｊを
得、 Ａｐ＋」＝（１−２−’）Ａｐｔｊ−＋　＋　２−３（
Ａｊ＞２−３２−３Ｄのとき） ＝（１２−’）Ａｐｔｊ−＋　　　　　（Δｊ≦２−３
Ｄｒ、ｔ、ｊのとき） 但し、Ａｊ　＝Ｉ　Ｄｍｓ＋ｊ　−ＤｍＱｔｊ　ｌによ
り定数Ａｊを得る。この式の意味は、入力信号の振幅変
化が小さい場合は長時間平均Ｄ＋ａＬｊに短時間平均り
、ｓ、ｊが追尾していくと考えられるから、その差Δ、
は小さいはずであり、逆に、ΔＪが大きいなら、音声信
号の様に入力信号の統計的性質は均等でなく変化が急速
であると推定するのが妥当であるという事である。

［発明が解決しようとする問題点］ ＡＤＰＣＭ符号器に、音声信号帯域にあるモデム信号、
例えば９．６ｋｂｐｓのモデム信号が入力した場合を考
える。モデム信号の様な統計的性質が一定な信号は、信
号の相関も小さく、従って、予測する事が非常に難しい
。従って、ＡＤＰＣＭ符号器の量子化器への入力である
、入力信号と予測信号の差分信号Ｄｊは、あまり小さく
ない。このため、量子化値Ｉｊもかなり変化する。例え
ば、位相変調されたモデム信号については１位相変化が
大きい時点での差分信号り、ほかなり大きい。従って、
短時間平均ＤｓＳもかなり変化する事になり、Ａｊがい
つも小さくなる事はない。このため、入力信号の識別が
うまくいかなくなり、モデム信号の符号化歪が増えピッ
ト誤りが発生してしまうという問題がある。

本発明の目的は、音声のみならず、その他の音声帯域の
信号に対しても符号化特性の良いＡＤＰＣＭ符号化・復
号化方式を提供する事にある。

［問題点を解決するための手段］ 上記目的は、音声の様な相関の大きい入力信号に対して
は適応極予測を、モデム信号の様な相関の小さい信号に
対しては固定極予測を行なってこれらの線形結合をとり
予測信号とし、さらに、該線形結合定数は、前記適応極
予測の予測係数があらかじめ定められた変動領域内にあ
るか否かにより制御し、また、量子化器の量子化幅も、
音声信号の様な標準偏差値の数倍もの振幅も現れる分布
特性をもつ信号に対しては高速かつ大きな変化をする適
応化を、モデム信号の様な振幅変動が小さくほぼ一定レ
ベルの定常信号に対しては不必要に量子化幅を変動させ
ない様に低速かつ小きざみな変化をする適応化をさせて
これら２つの適応化により発生する量子化幅の線形結合
をとり、真の量子化幅とし、この時の線形結合定数も、
前記予測における線形結合定数と同様に適応極子ｉ１＋
１１の予測係数が、ある所定の領域内にあるか否かに従
い制御することで、達成される。

［作用］ ９．６ｋｂｐｓモデム信号の様な音声帯域のほぼ全体を
占める様なスペクトラム帯域幅を持ち、かつ信号に相関
が少ない信号については、該スペクトラムに合致した固
定予測をする事により予測利得をかせぐ事が出来、かつ
量子化幅の適応化法も、入力信号レベルに合致した量子
化幅に収束後は低速かつ小きざみな応答をもつ適応化を
行なう事により、モデム信号の性質に合ったＡＤＰＣＭ
符号化・復号化を行なう事ができる。音声信号等、モデ
ム信号以外の信号に対するＡＤＰＣＭ符号化・復号化で
は、極予測出力と量子化幅出力については、音声信号用
とモデム信号用の線形結合をとったものを真の極予測出
力、真の量子化幅出力とし、これら２組の線形結合定数
をいずれも、適応極予測の予測係数の値があらかじめ定
められたモデム信号に対する変動範囲内にあるか否かに
より、モデム月極予測側及びモデム用適応量子化幅側か
、あるいはもう１組の音声月極予測側及び量子化幅側へ
制御するので、入力信号の性質に合った符号化・復号化
ができ、符号化歪みを低減することができる。

［実施例］ 以下、本発明の一実施例を図面を参照して説明する。

第１図及び第２図は、夫々本発明の一実施例に係るＡＤ
ＰＣＭ符号化・復号化方式を適用したＡＤＰＣＭ符号器
及びＡＤＰＣＭ復号器のブロック構成図である。また、
第３図は、入力信号がモデム信号であるか否かを判定す
る際に使用する予測係数判定領域図である。

第１図において、１は入力端子、２は差回路、３は量子
化器、４は逆量子化器、５は高速適応量子化幅発生器、
６は低速適応量子化幅発生器、７は線形結合定数発生器
、８は適応等予測器、９は適応極予測器、ＩＯは固定極
予測器、　１１はモデム信号識別器、１２は線形結合定
数発生器、１３〜１６は乗算器、１７〜２１は加算器、
２２は出力端子である。

今、時刻ｊに入力端子ｌに信号Ｓｊが入力したとすると
、信号Ｓｊと加算器１９の出力である予測信号ＳＥｊと
の差が差回路２でとられ、この差信号ＤＪが量子化器３
で量子化され、ＡＤＰＣＭ符号値■符号値力端子２２か
ら出力される。同時に、該信号Ｉｊは高速又は低速で適
応化動作をする量子化幅発生器５及び６へ入力され、量
子化幅の更新を行なう６例えば、従来例での説明を引用
すれば、高速適応量子化幅発生器５の出方がＹＵｊであ
り、低速適応量子化幅発生器６の出方がＹＬｊである。

線形結合定数発生器７は、詳細は後述するモデム信号識
別器１１の出力により、線形結合定数βＪを発生させる
もので、例えば、 βｊ＋＋＝　（１’　２−’）βｊ＋２−３（モデム以
外）＝（１−２−’）β」　　　　（モデム時）βｊ＋
＋＝βｊ＋＋　　（Ｉβｊ＋＋　ｌ≦１）＝１　　　（
１βｊ＋＋ｌ＞１） なる演算をする。この出力であるβ」＋１を用いて、真
の量子化幅Ｙｊ＋＋が加算器２１から出力される。

Ｙｊ＋１：β」÷１°ＹＵｊ＋、＋（１−βｊ＋＋）Ｙ
　Ｌｊ＋＋一方、ＡＤＰＣＭ符号値工」は逆量子化器４
で逆量子化され、逆量子化値ＤＱ」が出力される。

これをもとに、適応等予測器８で適応零予測が行なわれ
、零予測値５ＥＺｊ＋＋が出力される。例えば、 Ｂｊ＋＋　＝（１−２−’）Ｂ３＋　２−７ｓｇｎ２−
７ｓ＋＋　）・ｓｇｎ（ＤＱｊ＋＋−ｋ）なる演算をす
る。

加算器１７は極予測残差を出力するもので、Ｄ　Ｑ　」
＋　Ｓ　Ｅ　Ｚ　ｉを出力する。

加算器１８は再生信号ＳＲｊを出力するもので。

ＳＲｊ”ＳＰｊ＋ＤＱｊ＋５ＥＺｊ ”　Ｓ　Ｅ　ｊ　＋　Ｓ　Ｅ　Ｚ　ｊ なる値を出力する。ここでＳＰｊは極子測値で、加算器
２０の出力である。

この再生信号ＳＲｊをもとに適応極予測器９は適応極予
測を、固定極予測器ｌＯは固定極予測を夫々行ない、夫
々極予測値　Ｓ　’Ｐ　？＋Ｉ　＋　Ｓ　Ｐ　Ｌｌを出
力する６例えば、 ＳＰｊ＋＋＝　　Σ　ａ　ｊ　Ｓ　Ｒｊ＋＋−１ｉ＝ｓ Ｆ　　　　　　　　ｎｊ Ｓ　Ｐｊ＋＋　＝　　Σ　ｃ　　ＳＰｊ＋＋＝ｉ＝１ ａ″Ｊ＋＋　＝（１−２−＠）　ａ″Ｊ＋３・２−”ｓ
ｇｎＰ４４１・ｓｇｎＰｊａｊ＋＋　＝（１−２−’、
）ａ：＋　２−’（ｓｇｎＰｊ＋＋・ｓｇｎＰｊ−＋ｆ
　（ａ１８ｇｎＰｊ＋＋ｓｇｎＰｊ）Ｐ　ｊ　＝　Ｓ　
Ｒｊ　−Ｓ　Ｐ　ｊ なる演算をする。（ｃｉ、７−、は固定の予測定数であ
り、モデム信号の周波数スペクトルを、固定極予測器１
０の伝達関数 が近似する様に選べばよい。

モデム信号識別機１１は、上式に従って毎サンプル時に
更新される予測係数ａｊｅ　ａｊが第３図に示される様
な領域Ａ内に入るか否かを判定するもので、領域Ａ内に
入る時はモデム信号であると、領域Ａ外の時はモデム信
号以外であると判定する。

そして、その結果をもとに線形結合定数発生器１２が線
形結合定数αｊを発生する０例えば、αｊ÷＋＝（１２
−’）αｊ＋２−’（モデム以外）＝（１−２−’）ａ
ｊ　　　（モデム信号）αＪ＋１：αｊ＋＋　　（ｌα
」◆＋ｌ≦１）＝　１　　　　　　　（１αｊ＋＋ｌ＞
１）なる演算をする。

この結合定数αｊを適応極予測器９出力に乗算器１５で
乗算し、■−α、を固定極予測器１０出力に乗算器１６
で乗算し、両乗算器１５．１６の出力を加算器２０で加
算することにより、極子測値ＳＰｊが得られる。

５Ｐｊ＝αｊ　　ＳＰｊ＋（１−ａｊ）Ｓ　Ｐｊ加算器
１９は零予測値５ＥＺｊと極子測値ＳＰｊとから予測信
号ＳＥｊを得るもので ５Ｅｊ＝ＳＰ、＋５ＥＺｊ により算出される。

第２図のＡＤＰＣＭ復号器において、２３は入力端子、
２４は逆量子化器、２５は高速適応量子化幅発生器、２
６は低速適応量子化幅発生器、２７は線形結合定数発生
器、２８は適応零予測器、２９は適応極予測器、３０は
固定極予測器、３１はモデム信号識別器、３２は線形結
合定数発生器、３３〜３６は乗算器、３７〜４０は加算
器、４１は出力端子である。

復号側の動作は、符号側の説明でのＡＤＰＣＭ符号値Ｉ
ｊ出力後の説明と全く同じであり、再生信号ＳＲｊを出
力端子４１へ出力する。

第３図は、前述の様に、モデム信号か否かを極予測係数
ａＬ　ａｊにより判定するための判定領域図で、領域Ａ
内の時はモデムと、領域Ａ外の時はモデム以外の信号と
判定する。領域Ａとしては、例えば。

ａ：＜０．８７５ −０．７３＜ａＩ＜−０，２ −０，４＜　ａ　Ｘ＋　ａ　：（０，２５の様に選ぶ事
ができる。実際に、極予測係数は、ｒＪｅ−’シを極と
してもつなら。

２　？　ｃｏｓ　（１）　：　ａ　」 なる関係があり、ｒは帯域幅情報を、ωがスペクトラム
の中心周波数情報を表わす様に適応化される。そして、
モデム信号の場合は、スペクトラム帯域幅は変調方式に
より定まり、この範囲でのスペクトラム密度はほぼ一様
分布なのでｒはあまり変動せず、ωはモデム信号のキャ
リア周波数の付近に集まるので、ａ″ｊ＊　ａＪの変動
範囲は、ある領域（第３図の例では領域Ａ）に限定でき
る。一方、音声信号の場合、スペクトラムのほとんどが
低速に集中するので、第３図の第１象限、第４象限の領
域Ａ以外の部分に集中する。

トーン信号の場合は、スペクトラムの帯域が狭いので、
ａＩ＜　　０．７３の部分、すなわち、三角形の底辺の
部分に集中する。

以上の様に、第３図の領域Ａにａｊ＊　ａｊが入るか否
かの判定を行ない、この結果をフィルタリングし、平滑
化したものを線形結合定数とする事により、安定な切り
替えが行なわれ、かつ上記判定は入力信号の周波数特性
、特にモデム信号の場合はその帯域幅とキャリア周波数
により決まる領域に予測係数が集中する事から正確な判
定が可能である。

〔発明の効果］ 本発明によれば、入力信号がモデム信号か否かを正確に
判定できるので、モデム信号に対して符号化歪みのない
好適なＡＤＰＣＭ符号化・復号化方式を実現できる。

【図面の簡単な説明】

第１図及び第２図は夫々本発明の一実施例に係るＡＤＰ
ＣＭ符号化・復号化方式を適用した符号器及び復号器の
ブロック構成図、第３図は入力信号がモデム信号あるか
否かを極予測係数により判定する判定領域図である。 ３・・・量子化器、４，２４・・・逆量子化器、５．２
５・・・高速適応量子化幅発生器、６，２６・・・低速
適応量子化幅発生器、　７　、１２．２７．３２・・・
線形結合定数発生器、８，２８・・・適応零予測器、９
，２９・・・適応極予測器、　１０．３０・・・固定極
予測器、１１．３１・・・モデム信号識別器。 代理人　弁理士　　秋　本　正　実 業　１　図

Claims (1)

【特許請求の範囲】
1. １、標本化されたディジタル符号の入力信号から該入力
   信号の予測信号を引き去った差信号を量子化し、符号化
   ・復号化するＡＤＰＣＭ符号化・復号化方式において、
   前記量子化に使用する量子化幅を高速及び低速の２つの
   適応化法により発生する高速適応量子化幅と低速適応量
   子化幅との線形結合により生成し、前記予測信号の極予
   測を、前記量子化された差信号と前記予測信号との加算
   により得られる再生信号から適応的に予測した値と固定
   的に予測した値との線形結合により生成し、該線形結合
   と前記量子化幅の線形結合に使用する線形結合定数値を
   、夫々適応予測係数値がある所定の変動領域内にあるか
   否かにより決定することを特徴とするＡＤＰＣＭ符号化
   ・復号化方式。