JPWO2007132750A1 - Ｌｓｐベクトル量子化装置、ｌｓｐベクトル逆量子化装置、およびこれらの方法 - Google Patents

Ｌｓｐベクトル量子化装置、ｌｓｐベクトル逆量子化装置、およびこれらの方法 Download PDF

Info

Publication number
JPWO2007132750A1
JPWO2007132750A1 JP2008515524A JP2008515524A JPWO2007132750A1 JP WO2007132750 A1 JPWO2007132750 A1 JP WO2007132750A1 JP 2008515524 A JP2008515524 A JP 2008515524A JP 2008515524 A JP2008515524 A JP 2008515524A JP WO2007132750 A1 JPWO2007132750 A1 JP WO2007132750A1
Authority
JP
Japan
Prior art keywords
vector
code
prediction
lsp
divided
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Withdrawn
Application number
JP2008515524A
Other languages
English (en)
Inventor
佐藤　薫
薫 佐藤
利幸 森井
利幸 森井
智史 山梨
智史 山梨
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Panasonic Corp
Panasonic Holdings Corp
Original Assignee
Panasonic Corp
Matsushita Electric Industrial Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Panasonic Corp, Matsushita Electric Industrial Co Ltd filed Critical Panasonic Corp
Publication of JPWO2007132750A1 publication Critical patent/JPWO2007132750A1/ja
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
    • H03M7/00—Conversion of a code where information is represented by a given sequence or number of digits to a code where the same, similar or subset of information is represented by a different sequence or number of digits
    • H03M7/30—Compression; Expansion; Suppression of unnecessary data, e.g. redundancy reduction
    • H03M7/3082—Vector coding
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
    • G10L19/04—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using predictive techniques
    • G10L19/06—Determination or coding of the spectral characteristics, e.g. of the short-term prediction coefficients
    • G10L19/07—Line spectrum pair [LSP] vocoders

Abstract

分割ベクトル間の相関性を利用してＬＳＰベクトルを量子化することができるＬＰＣベクトル量子化装置等を開示する。この装置において、ベクトル分割部１０１は、入力されるＬＳＰベクトルを第１分割ベクトルと第２分割ベクトルとに分割し、第１量子化部１０２は、複数の第１コードベクトルからなる第１コードブックを用いて第１分割ベクトルを量子化し、第１符号を生成し、予測ベクトル選択部１０３は、複数の予測コードベクトルからなる予測コードブックを用いて第１符号から第２分割ベクトルを予測し、予測ベクトルを生成し、予測残差生成部１０４は、予測ベクトルと第２分割ベクトルとの残差を求め、予測残差ベクトルを生成し、第２量子化部１０５は、複数の第２コードベクトルからなる第２コードブックを用いて予測残差ベクトルを量子化し、第２符号を生成し、多重化部１０６は、第１符号および第２符号を多重化して量子化ベクトル符号を生成する。

Description

本発明は、ＬＳＰ（Line Spectral Pairs）パラメータのベクトル量子化を行うＬＳＰベクトル量子化装置、ＬＳＰベクトル逆量子化装置、およびこれらの方法に関し、特にインターネット通信に代表されるパケット通信システムや、移動通信システム等の分野で、音声信号の伝送を行う音声符号化・復号化装置に用いられるＬＳＰパラメータのベクトル量子化を行うＬＳＰベクトル量子化装置、ＬＳＰベクトル逆量子化装置、およびこれらの方法に関する。
ディジタル無線通信や、インターネット通信に代表されるパケット通信、あるいは音声蓄積などの分野においては、電波などの伝送路容量や記憶媒体の有効利用を図るため、音声信号の符号化・復号化技術が不可欠である。特に、ＣＥＬＰ方式の音声符号化・復号化技術が主流の技術となっている（例えば、非特許文献１参照）。
ＣＥＬＰ方式の音声符号化装置は、予め記憶された音声モデルに基づいて入力音声を符号化する。具体的には、ＣＥＬＰ方式の音声符号化装置は、ディジタル化された音声信号を１０〜２０ｍｓ程度の一定時間間隔のフレームに区切り、各フレーム内の音声信号に対して線形予測分析を行い線形予測係数（ＬＰＣ：Linear Prediction Coefficient）と線形予測残差ベクトルを求め、線形予測係数と線形予測残差ベクトルをそれぞれ個別に符号化する。ＣＥＬＰ方式の音声符号化装置においては、線形予測係数を符号化する方法として、線形予測係数をＬＳＰ（Line Spectral Pairs）パラメータに変換し、ＬＳＰパラメータを符号化することが一般的である。ＬＳＰパラメータを符号化する方法として、ＣＥＬＰ方式の音声符号化装置はＬＳＰパラメータに対してベクトル量子化を行うことが多い（例えば、非特許文献２参照）。ベクトル量子化方法としては、ベクトル量子化の計算量を低減するために、分割ベクトル量子化（Split Vector Quantization）が用いられることが多い。分割ベクトル量子化とは、量子化されるベクトルを２つ以上に分割し、分割されたベクトルに対して各々量子化を行うことである。
M.R.Schroeder、B.S.Atal著、「ＩEEE proc. ＩCASSP」、１９８５、「Code Excited Linear Prediction: High QualitySpeech at Low Bit Rate」、ｐ．９３７−９４０ Allen Gersho、Robert M. Gray著、「ベクトル量子化と情報圧縮」、コロナ社出版、ｐ．２３７−２６１
ＬＳＰパラメータは、ベクトルの高次（高い周波数領域）とベクトルの低次（低い周波数領域）との相関性が高いことが一般的である。しかし、上記従来の方法によって、ＬＳＰパラメータを２つ以上に分割して、分割されたベクトルに対して各々量子化を行う場合、ベクトルの分割により、ベクトルの高次と低次との相関性に関する情報を失い、この情報を符号化に利用することができない。従って、ＬＳＰパラメータに分割ベクトル量子化を適用する技術は、従来の方法では、音声符号化の性能を劣化させるという問題がある。
本発明の目的は、ＬＳＰパラメータを２つ以上に分割して量子化しつつ、分割された２つ以上のベクトル間の相関性を維持し、量子化を行うことができるＬＳＰベクトル量子化装置、ＬＳＰベクトル逆量子化装置、およびこれらの方法を提供することである。
本発明のＬＳＰベクトル量子化装置は、入力されるＬＳＰベクトルを第１分割ベクトルと第２分割ベクトルとに分割するベクトル分割手段と、第１コードブックを備え、前記第１分割ベクトルを量子化し、第１符号を生成する第１量子化手段と、予測コードブックを備え、前記第１符号から前記第２分割ベクトルを予測し、予測ベクトルを生成する予測手段と、を具備する構成を採る。
本発明によれば、ＬＳＰパラメータのベクトル（以下、ＬＳＰベクトルと略称する）を複数に分割して量子化しつつ、分割により得られる複数の分割ベクトル間の相関性に関する情報を量子化することができ、音声符号化の性能を向上することができる。
実施の形態１に係るＬＳＰベクトル量子化装置の主要な構成を示すブロック図 実施の形態１に係るベクトル分割部において、６次のＬＳＰベクトルを第１分割ベクトルと第２分割ベクトルとに分割する場合を例示する図 実施の形態１に係るＬＳＰベクトル量子化装置のベクトル量子化処理を模式的に示す図 実施の形態１に係る第１コードブックと予測コードブックとの対応関係の一例を示す図 実施の形態１に係るＬＳＰベクトル逆量子化装置の主要な構成を示すブロック図 実施の形態１に係るＬＳＰベクトル逆量子化装置のベクトル逆量子化処理を模式的に示す図 実施の形態１のバリエーションとして、ＬＳＰベクトルを３分割して量子化する処理を模式的に示す図 実施の形態２に係るＬＳＰベクトル量子化装置の主要な構成を示すブロック図 実施の形態２に係るＬＳＰベクトル逆量子化装置の主要な構成を示すブロック図
以下、本発明の実施の形態について、添付図面を参照して詳細に説明する。
（実施の形態１）
図１は、本発明の実施の形態１に係るＬＳＰベクトル量子化装置１００の主要な構成を示すブロック図である。ここでは、入力されるＬＳＰベクトルを２分割し、一方の分割ベクトルの量子化を行って得られる量子化結果を用いて、他方の分割ベクトルを予測し、さらに予測の誤差を求め、求められた誤差を量子化する場合を例にとって説明する。
ＬＳＰベクトル量子化装置１００は、ベクトル分割部１０１、第１量子化部１０２、予測ベクトル選択部１０３、予測残差生成部１０４、第２量子化部１０５、および多重化部１０６を備える。
ベクトル分割部１０１は、入力されるＬＳＰベクトルを２分割し、２つの分割ベクトルを生成する。ベクトル分割部１０１は、２つの分割ベクトルのうち、低い周波数領域に対応する低次の方を第１分割ベクトルとして第１量子化部１０２に出力し、高い周波数領域に対応する高次の方を第２分割ベクトルとして予測残差生成部１０４に出力する。
第１量子化部１０２は、複数の第１コードベクトルからなる第１コードブックを内蔵しており、ベクトル分割部１０１から入力される第１分割ベクトルに対して内蔵の第１コードブックを用いて量子化を行い、得られる第１符号を予測ベクトル選択部１０３および多重化部１０６に出力する。
予測ベクトル選択部１０３は、複数の予測コードベクトルからなる予測コードブックを内蔵しており、第１量子化部１０２から入力される第１符号に基づき、予測コードブックの中から１つの予測コードベクトルを選択する。予測ベクトル選択部１０３は、選択された予測コードベクトルを予測ベクトルとして予測残差生成部１０４に出力する。
予測残差生成部１０４は、ベクトル分割部１０１から入力される第２分割ベクトルと、予測ベクトル選択部１０３から入力される予測ベクトルとの残差を求め、求められた残差を予測残差ベクトルとして第２量子化部１０５に出力する。
第２量子化部１０５は、複数の第２コードベクトルからなる第２コードブックを内蔵しており、予測残差生成部１０４から入力される予測残差ベクトルに対して第２コードブックを用いて量子化を行い、得られる第２符号を多重化部１０６に出力する。
ＬＳＰベクトル量子化装置１００は以下の動作を行う。
以下、量子化対象となるＬＳＰベクトルの次数がＲ次である場合を例にとって説明する。ＬＳＰベクトルをＬＳＰ（ｉ）（ｉ＝０，１，…，Ｒ−１）と記し、ｉが高いほどＬＳＰ（ｉ）はより高い周波数に対応する。
ベクトル分割部１０１は、入力されるＬＳＰ（ｉ）（ｉ＝０，１，…，Ｒ−１）を下記の式（１）に従い、Ｒ＿Ｐ次の第１分割ベクトルおよびＲ＿Ｆ次の第２分割ベクトルに分割する。
Figure 2007132750
 ここで、Ｒ＿ＰとＲ＿Ｆとの総和はＲとなり、すなわちＲ＿Ｐ＋Ｒ＿Ｆ＝Ｒの関係を満たす。ベクトル分割部１０１は、ＬＳＰ＿Ｐ（ｉ）（ｉ＝０，１，…，Ｒ＿Ｐ−１）を第１分割ベクトルとして第１量子化部１０２に出力し、ＬＳＰ＿Ｆ（ｉ）（ｉ＝０，１，…，Ｒ＿Ｆ−１）を第２分割ベクトルとして予測残差生成部１０４に出力する。
図２は、ベクトル分割部１０１が６次のＬＳＰベクトルを第１分割ベクトルと第２分割ベクトルとに分割する場合を例示する図である。図示のように、次数ｉの増加に伴って、ＬＳＰベクトルの各要素ＬＳＰ（ｉ）（ｉ＝０，１，…，５）の値は、０から１までの範囲において増加する傾向がある。このような６次のＬＳＰベクトルを３次の第１分割ベクトルと３次の第２分割ベクトルとに分割する場合、ＬＳＰベクトルの前半の３次が第１分割ベクトルＬＳＰ＿Ｐ（ｉ）（ｉ＝０，１，２）となり、ＬＳＰベクトルの後半の３次が第２分割ベクトルＬＳＰ＿Ｆ（ｉ）（ｉ＝０，１，２）となる。
第１量子化部１０２は、ベクトル分割部１０１から入力される第１分割ベクトルＬＳＰ＿Ｐ（ｉ）（ｉ＝０，１，…，Ｒ＿Ｐ−１）と、内蔵の第１コードブックを構成する各第１コードベクトルＣＯＤＥ＿Ｐ（ｍ）（ｉ）（ｍ＝０，１，…，Ｍ−１、ｉ＝０，１，…，Ｒ＿Ｐ−１）との２乗誤差を下記の式（２）に従い算出する。
Figure 2007132750
 ここで、ｍは第１コードブックを構成する各第１コードベクトルのインデックスを示し、Ｍは第１コードブックを構成する第１コードベクトルの総数を示す。第１量子化部１０２は、Ｍ個の第１コードベクトルに対応する２乗誤差Ｅｒｒ＿Ｐ（ｍ）（ｍ＝０，１，…，Ｍ−１）の値を求め、２乗誤差Ｅｒｒ＿Ｐ（ｍ）が最小となる場合のｍの値ｍ＿ｍｉｎを第１符号として予測ベクトル選択部１０３および多重化部１０６に出力する。すなわち、第１量子化部１０２は、第１分割ベクトルとの類似度が最大となる第１コードベクトルを第１コードブックの中から選択する。
予測ベクトル選択部１０３は、内蔵の予測コードブックを構成する予測ベクトルＰＲＥＤ（ｍ）（ｉ）（ｍ＝０，１，…，Ｍ−１、ｉ＝０，１，…，Ｒ＿Ｆ−１）の中から、第１量子化部１０２から入力される第１符号ｍ＿ｍｉｎに対応する予測ベクトルＰＲＥＤ（ｍ＿ｍｉｎ）（ｉ）（ｉ＝０，１，…，Ｒ＿Ｆ−１）を選択する。ここで、予測コードブックは第１コードブックが備える第１コードベクトルに対応して、Ｍ個の予測ベクトルからなる場合を例にとり、すなわち所定の第１コードベクトルに対して、所定の予測ベクトルが１対１の関係で対応づけられている。予測ベクトル選択部１０３は、選択された予測ベクトルＰＲＥＤ（ｍ＿ｍｉｎ）（ｉ）（ｉ＝０，１，…，Ｒ＿Ｆ−１）を予測残差生成部１０４に出力する。
予測残差生成部１０４は、ベクトル分割部１０１から入力される第２分割ベクトルＬＳＰ＿Ｆ（ｉ）（ｉ＝０，１，…，Ｒ＿Ｆ−１）と、予測ベクトル選択部１０３から入力される予測ベクトルＰＲＥＤ（ｍ＿ｍｉｎ）（ｉ）（ｉ＝０，１，…，Ｒ＿Ｆ−１）とのベクトル差ＰＲＥＤ＿ＥＲＲ（ｉ）（ｉ＝０，１，…，Ｒ＿Ｆ−１）を、下記の式（３）に従い求める。
Figure 2007132750
 予測残差生成部１０４は、求められたＰＲＥＤ＿ＥＲＲ（ｉ）（ｉ＝０，１，…，Ｒ＿Ｆ−１）を予測残差ベクトルとして第２量子化部１０５に出力する。
第２量子化部１０５は、予測残差生成部１０４から入力される予測残差ベクトルＰＲＥＤ＿ＥＲＲ（ｉ）（ｉ＝０，１，…，Ｒ＿Ｆ−１）と、内蔵の第２コードブックを構成する各第２コードベクトルＣＯＤＥ＿Ｆ（ｎ）（ｉ）（ｉ＝０，１，…，Ｒ＿Ｆ−１、ｎ＝０，１，…，Ｎ−１）との２乗誤差Ｅｒｒ＿Ｆ（ｎ）（ｎ＝０，１，…，Ｎ−１）を下記の式（４）に従い算出する。
Figure 2007132750
 ここで、ｎは第２コードブックを構成する各第２コードベクトルのインデックスを示し、Ｎは第１コードブックを構成する第２コードベクトルの総数を示す。第２量子化部１０５は、求められたＮ個の２乗誤差Ｅｒｒ＿Ｆ（ｎ）（ｎ＝０，１，…，Ｎ−１）のうち、２乗誤差Ｅｒｒ＿Ｆ（ｎ）が最小となる場合のｎの値ｎ＿ｍｉｎを第２符号として多重化部１０６に出力する。
多重化部１０６は、第１量子化部１０２から入力される第１符号ｍ＿ｍｉｎと、第２量子化部１０５から入力される第２符号ｎ＿ｍｉｎとを多重化し、得られる量子化ベクトル符号をＬＳＰベクトル逆量子化装置に伝送する。
図３は、ＬＳＰベクトル量子化装置１００のベクトル量子化処理を模式的に示す図である。
ＬＳＰベクトル量子化装置１００において、まずベクトル分割部１０１は、入力ベクトルを第１分割ベクトルと第２分割ベクトルとに分割する。次いで、第１量子化部１０２は、第１コードブックを構成する第１コードベクトルと第１分割ベクトルとの比較を行い、第１分割ベクトルとの類似度が最も高い、例えば第１分割ベクトルとの２乗誤差が最小となる第１コードベクトルを選択し、選択された第１コードベクトルのインデックスｍ＿ｍｉｎを第１符号として決定する。次いで、予測ベクトル選択部１０３は、第１符号ｍ＿ｍｉｎに対応づけられている予測コードベクトルを予測コードブックの中から選択し、選択された予測コードベクトルを予測ベクトルとして決定する。次いで、予測残差生成部１０４は、第２分割ベクトルと予測ベクトルとの残差を求め、予測残差ベクトルとする。次いで、第２量子化部１０５は、第２コードブックを構成する第２コードベクトルと予測残差ベクトルとの比較を行い、予測残差ベクトルとの類似度が最も高い、例えば予測残差ベクトルとの２乗誤差が最小となる第２コードベクトルを選択し、選択された第２コードベクトルのインデックスｎ＿ｍｉｎを第２符号として決定する。次いで、多重化部１０６は第１符号ｍ＿ｍｉｎと第２符号ｎ＿ｍｉｎとを多重化する。
ＬＳＰベクトル量子化装置１００で用いられる第１コードブック、予測コードブック、および第２コードブックは、予め学習により求めて作成されたものであり、これらのコードブックの学習方法について説明する。
第１量子化部１０２が備える第１コードブックを学習により求めるためには、まずＶ個の学習用の音声データから得られるＶ個のＬＳＰベクトルを用意し、このＶ個のＬＳＰベクトルを用いて上述した式（１）に従いＶ個の第１分割ベクトルＬＳＰ＿Ｐ（ｖ）（ｉ）（ｖ＝０，１，…，Ｖ−１、ｉ＝０，１，…，Ｒ＿Ｐ−１）を生成する。次いで、生成されたＶ個の第１分割ベクトルＬＳＰ＿Ｐ（ｖ）（ｉ）（ｖ＝０，１，…，Ｖ−１、ｉ＝０，１，…，Ｒ＿Ｐ−１）を用いて、ＬＢＧ（Lｉnde Buzo Gray）アルゴリズム等の学習アルゴリズムに従いＭ個の第１コードベクトルＣＯＤＥ＿Ｐ（ｍ）（ｉ）（ｍ＝０，１，…，Ｍ−１、ｉ＝０，１，…，Ｒ＿Ｐ−１）を求め、第１コードブックを生成する。
予測ベクトル選択部１０３が備える予測コードブックを学習により求めるためには、まず多数の、例えばＶ’個の学習用音声データからＶ’個のＬＳＰベクトルを求める。次いで、求められたＶ’個のＬＳＰベクトルを用いて、上記の式（１）に従いＶ’個の第１分割ベクトルＬＳＰ＿Ｐ（ｖ’）（ｉ）（ｖ’＝０，１，…，Ｖ’−１、ｉ＝０，１，…，Ｒ＿Ｐ−１）およびＶ’個の第２分割ベクトルＬＳＰ＿Ｆ（ｖ’）（ｉ）（ｖ’＝０，１，…，Ｖ’−１、ｉ＝０，１，…，Ｒ＿Ｆ−１）を生成する。ここで、第１分割ベクトルと第２分割ベクトルとは１対１でＶ’個の分割ベクトル対を構成する。次いで、第１分割ベクトル、例えば、ＬＳＰ＿Ｐ（ｖｓ’）（ｉ）（ここでｖｓ’は、０≦ｖｓ’≦Ｖ’−１の整数）に対して、上述の式（２）に従い第１コードブックのうち、ＬＳＰ＿Ｐ（ｖｓ’）（ｉ）との２乗誤差が最小となる第１コードベクトルＣＯＤＥ＿Ｐ（ｍｓ）（ｉ）（ここでｍｓは、０≦ｍｓ≦Ｍ−１の整数）のインデックスを求めて第１符号ｍ＿ｍｉｎとする。同様の処理を繰り返すことにより、すべての第１分割ベクトルＬＳＰ＿Ｐ（ｖ’）（ｉ）に対応する第１符号ｍ＿ｍｉｎを求めて記憶する。次いで、第１コードブックの第１コードベクトル、例えば、ＣＯＤＥ＿Ｐ（ｍｓ）（ｉ）（ここでｍｓは、０≦ｍｓ≦Ｍ−１の整数）のインデックスｍｓを第１符号ｍ＿ｍｉｎとする１つ以上の第１分割ベクトルＬＳＰ＿Ｐ（ｖ’）（ｉ）を抽出する。次いで、抽出された第１分割ベクトルＬＳＰ＿Ｐ（ｖ’）（ｉ）と、分割ベクトル対を構成する第２分割ベクトルＬＳＰ＿Ｆ（ｖ’）（ｉ）を抽出する。次いで抽出された１つ以上の第２分割ベクトルＬＳＰ＿Ｆ（ｖ’）（ｉ）の中心（セントロイド）となるベクトルを求めて、求められたセントロイドのベクトルをインデックスｍｓに対応する予測コードベクトルＰＲＥＤ（ｍｓ）（ｉ）（ｉ＝０，１，…，Ｒ＿Ｆ−１）とする。同様の処理を繰り返すことにより、すべての第１コードベクトルＣＯＤＥ＿Ｐ（ｍ）（ｉ）のインデックスｍに対応する予測コードベクトルＰＲＥＤ（ｍ）（ｉ）（ｍ＝０，１，…，Ｍ−１、ｉ＝０，１，…，Ｒ＿Ｆ−１）を求めて、予測コードブックを生成する。
言い換えれば、Ｍ個の第１コードベクトルからなる第１コードブックとＶ’個の第１分割ベクトルとを用いて第１分割ベクトル量子化を行い、得られる第１符号が同一となる１つ以上の第１分割ベクトルを抽出する。次いで、抽出された第１分割ベクトルと１対１で分割ベクトル対を構成する第２分割ベクトルを抽出し、抽出された第２分割ベクトルの中心（セントロイド）を求め、このセントロイドのベクトルを予測コードベクトルとする。こうして、第１コードブックの第１コードベクトル各々のインデックスｍ（ｍ＝０，１，…，Ｍ−１）に対応する予測コードベクトルをすべて求めて予測コードブックを生成する。
図４は、第１コードブックと予測コードブックとの対応関係の一例を示す図である。
図示のように、第１コードブックは、Ｍ種類の第１コードベクトルから構成される。このＭ種類の第１コードベクトルは、多数の学習用の第１分割ベクトルから予め求められたものであり、第１分割ベクトルを代表する典型的なパターンからなる。例えば図４Ａは、第１分割ベクトルの各要素の値が低次から高次にかけて比較的緩やかで線型的に増加するパターンを示し、図４Ｂは、第１分割ベクトルの各要素の値が低次から高次にかけて比較的急峻で線型的に増加するパターンを示す。また、図４Ｃは、第１分割ベクトルの各要素の値が低次から高次にかけて非線型的に増加するパターンを示す。
図４に示すように、予測コードブックは、第１コードブックを構成する第１コードベクトルの種類に対応してＭ種類の予測コードベクトルからなる。すなわち、予測コードベクトルと第１コードベクトルとは１対１で対応している。例えば、図４Ｄに示す予測コードベクトルは、図４Ａに示す第１コードベクトルと対応しており、第１分割ベクトルから予測されることができる。同様に、図４Ｅに示す予測コードベクトルは、図４Ｂに示す第１コードベクトルと対応しており、また、図４Ｆに示す予測コードベクトルは、図４Ｃに示す第１コードベクトルと対応している。
こうして、第１コードブックおよび予測コードブックが求められると、第２量子化部１０５に用いられる第２コードブックは、求められた第１コードブックおよび予測コードブックを用いて学習により求めることができる。具体的には、まず上述したように第１コードブックおよび予測コードブックを作成し、さらに多数の、例えばＷ個の学習用音声データからＷ個のＬＳＰベクトルを求める。次いで、求められたＷ個のＬＳＰベクトルを用いて式（１）に従い第１分割ベクトルＬＳＰ＿Ｐ（ｗ）（ｉ）（ｗ＝０，１，…，Ｗ−１、ｉ＝０，１，…，Ｒ＿Ｐ−１）と、第２分割ベクトルＬＳＰ＿Ｆ（ｗ）（ｉ）（ｗ＝０，１，…，Ｗ−１、ｉ＝０，１，…，Ｒ＿Ｆ−１）とからなるＷ個の分割ベクトル対を生成する。次いで、Ｗ個の分割ベクトル対各々に対して、第１分割ベクトル量子化を行う。例えば、ｗｓ番目（０≦ｗｓ≦Ｗ−１）の分割ベクトル対に対して、式（２）に従い第１符号ｍ＿ｍｉｎを求める。次いで、求められた第１符号ｍ＿ｍｉｎに対応する予測ベクトルＰＲＥＤ（ｍ＿ｍｉｎ）（ｉ）（ｉ＝０，１，…，Ｒ＿Ｆ−１）を、予測コードブックの中から選択する。次いで、式（３）に従い第２分割ベクトルＬＳＰ＿Ｆ（ｗｓ）（ｉ）（ｉ＝０，１，…，Ｒ＿Ｆ−１）と、予測ベクトルＰＲＥＤ（ｍ＿ｍｉｎ）（ｉ）（ｉ＝０，１，…，Ｒ＿Ｆ−１）との差を求め、予測残差ベクトルＰＲＥＤ＿ＥＲＲ（ｗｓ）（ｉ）（ｉ＝０，１，…，Ｒ＿Ｆ−１）を得る。同様の処理を繰り返すことにより、Ｗ個の分割ベクトル対各々に対応するＷ個の予測残差ベクトルＰＲＥＤ＿ＥＲＲ（ｗ）（ｉ）（ｗ＝０，１，…，Ｗ−１、ｉ＝０，１，…，Ｒ＿Ｆ−１）を求める。次いで、得られたＷ個の予測残差ベクトルＰＲＥＤ＿ＥＲＲ（ｗ）（ｉ）（ｗ＝０，１，…，Ｗ−１、ｉ＝０，１，…，Ｒ＿Ｆ−１）を用いてＬＢＧアルゴリズム等の学習アルゴリズムによりＮ個の第２コードベクトルを求め、第２コードブックを生成する。
図５は、本発明の実施の形態１に係るＬＳＰベクトル逆量子化装置１５０の主要な構成を示すブロック図である。
ＬＳＰベクトル逆量子化装置１５０は、符号分離部１５１、予測ベクトル選択部１５２、第１逆量子化部１５３、第２逆量子化部１５４、ベクトル加算部１５５、およびベクトル結合部１５６を備える。なお、予測ベクトル選択部１５２は、予測ベクトル選択部１０３が備える予測コードブックと同一内容の予測コードブックを備え、第１逆量子化部１５３は、第１量子化部１０２が備える第１コードブックと同一内容の第１コードブックを備え、第２逆量子化部１５４は、第２量子化部１０５が備える第２コードブックと同一内容の第２コードブックを備える。
符号分離部１５１は、ＬＳＰベクトル量子化装置１００から伝送される量子化ベクトル符号が入力され、入力される量子化ベクトル符号に対して逆多重化処理を行い、第１符号および第２符号を分離する。符号分離部１５１は、第１符号を予測ベクトル選択部１５２および第１逆量子化部１５３に出力し、第２符号を第２逆量子化部１５４に出力する。
予測ベクトル選択部１５２は、符号分離部１５１から入力される第１符号に基づき、内蔵の予測コードブックの中から、予測ベクトルを選択してベクトル加算部１５５に出力する。
第１逆量子化部１５３は、符号分離部１５１から入力される第１符号に対して、内蔵の第１コードブックを用いて逆量子化を行い、得られる第１量子化分割ベクトルをベクトル結合部１５６に出力する。
第２逆量子化部１５４は、符号分離部１５１から入力される第２符号に対して、内蔵の第２コードブックを用いて逆量子化を行い、得られる量子化予測残差ベクトルをベクトル加算部１５５に出力する。
ベクトル加算部１５５は、予測ベクトル選択部１５２から入力される予測ベクトルと、第２逆量子化部１５４から入力される量子化予測残差ベクトルとを加算して得られる第２量子化分割ベクトルをベクトル結合部１５６に出力する。
ベクトル結合部１５６は、第１逆量子化部１５３から入力される第１量子化分割ベクトルと、ベクトル加算部１５５から入力される第２量子化分割ベクトルとを結合し、得られる量子化ベクトルを出力する。
ＬＳＰベクトル逆量子化装置１５０は以下の動作を行う。
符号分離部１５１は、入力される量子化ベクトル符号に対して逆多重化処理を行って第１符号ｍ＿ｍｉｎおよびｎ＿ｍｉｎを分離し、第１符号ｍ＿ｍｉｎを予測ベクトル選択部１５２および第１逆量子化部１５３に出力し、第２符号ｎ＿ｍｉｎを第２逆量子化部１５４に出力する。
予測ベクトル選択部１５２は、符号分離部１５１から入力される第１符号ｍ＿ｍｉｎに１対１で対応づけられている予測ベクトルＰＲＥＤ（ｍ＿ｍｉｎ）（ｉ）（ｉ＝０，１，…，Ｒ＿Ｆ−１）を、内蔵の予測コードブックの中から選択して、ベクトル加算部１５５に出力する。
第１逆量子化部１５３は、符号分離部１５１から入力される第１符号ｍ＿ｍｉｎに対応する第１コードベクトルＣＯＤＥ＿Ｐ（ｍ＿ｍｉｎ）（ｉ）（ｉ＝０，１，…，Ｒ＿Ｐ−１）を、内蔵の第１コードブックの中から選択し、第１量子化分割ベクトルＱ＿Ｐ（ｉ）（ｉ＝０，１，…，Ｒ＿Ｐ−１）としてベクトル結合部１５６に出力する。
第２逆量子化部１５４は、符号分離部１５１から入力される第２符号ｎ＿ｍｉｎに対応する第２コードベクトルＣＯＤＥ＿Ｆ（ｎ＿ｍｉｎ）（ｉ）（ｉ＝０，１，…，Ｒ＿Ｆ−１）を、内蔵の第２コードブックの中から選択し、量子化予測残差ベクトルとしてベクトル加算部１５５に出力する。
ベクトル加算部１５５は、予測ベクトル選択部１５２から入力される予測ベクトルＰＲＥＤ（ｍ＿ｍｉｎ）（ｉ）（ｉ＝０，１，…，Ｒ＿Ｆ−１）と、第２逆量子化部１５４から入力される量子化予測残差ベクトルＣＯＤＥ＿Ｆ（ｎ＿ｍｉｎ）（ｉ）（ｉ＝０，１，…，Ｒ＿Ｆ−１）とを下記の式（５）に従い加算し、得られるベクトルを第２量子化分割ベクトルＱ＿Ｆ（ｉ）（ｉ＝０，１，…，Ｒ＿Ｆ−１）としてベクトル結合部１５６に出力する。
Figure 2007132750
ベクトル結合部１５６は、第１逆量子化部１５３から入力される第１量子化分割ベクトルＱ＿Ｐ（ｉ）（ｉ＝０，１，…，Ｒ＿Ｐ−１）と、ベクトル加算部１５５から入力される第２量子化分割ベクトルＱ＿Ｆ（ｉ）（ｉ＝０，１，…，Ｒ＿Ｆ−１）とを式（６）に従い結合し、得られる量子化ベクトルＱ（ｉ）（ｉ＝０，１，…，Ｒ−１）を出力する。
Figure 2007132750
図６は、ＬＳＰベクトル逆量子化装置１５０のベクトル逆量子化処理を模式的に示す図である。
ＬＳＰベクトル逆量子化装置１５０において、まず第１逆量子化部１５３は、第１符号ｍ＿ｍｉｎに対応する第１コードベクトルを第１コードブックの中から選択し、選択された第１コードベクトルを第１量子化分割ベクトルとして決定する。次いで、予測ベクトル選択部１５２は、第１符号ｍ＿ｍｉｎに対応する予測ベクトルを予測コードブックの中から選択する。次いで、第２逆量子化部１５４は、第２符号ｎ＿ｍｉｎに対応する第２コードベクトルを第２コードブックの中から選択し、選択された第２コードベクトルを量子化予測残差ベクトルとして決定する。次いで、ベクトル加算部１５５は、予測ベクトルと、量子化予測残差ベクトルとを加算し、第２量子化分割ベクトルを得る。次いで、ベクトル結合部１５６は、第１量子化分割ベクトルと、第２量子化分割ベクトルとを結合し、量子化ベクトルを生成する。
このように、本実施の形態によれば、ＬＳＰベクトルを２つの分割ベクトルに分割し、第１分割ベクトルの量子化結果を用いて第２分割ベクトルの予測を行い、予測結果である予測ベクトルと、第２分割ベクトルとの残差をさらに量子化するため、ＬＳＰベクトルの低次と高次との相関性をベクトル量子化に利用することができ、ＬＳＰベクトルの量子化精度を向上することができる。
なお、本実施の形態では、第１コードブック内の第１コードベクトルと、予測コードブック内の予測コードベクトルとが１対１で対応づけられている場合を例にとって説明したが、これに限定されず、第１コードブック内の第１コードベクトルと、予測コードブック内の予測コードベクトルとが１対Ｎ（Ｎは、Ｎ≧２の整数である）で対応づけられていても良い。かかる場合、第１符号に対応する２つ以上の予測コードベクトルのうち、第２分割ベクトルとの２乗誤差が最も小さい方を、予測残差ベクトルとして選択すれば良い。かかる場合、ＬＳＰベクトル量子化装置は、どの予測ベクトルを選択したかという情報をＬＳＰベクトル逆量子化装置へ通知する必要がある。例えば、第１符号に対応する予測ベクトルの数が２Ｘである場合、Ｘビットの情報を送ることにより２Ｘ個の予測ベクトルの内、どの予測ベクトルを選択したかということをＬＳＰ逆量子化装置へ通知すれば良い。
また、本実施の形態では、ＬＳＰベクトルを２分割して量子化する場合を例にとって説明したが、これに限定されず、ＬＳＰベクトルを３つ以上の分割ベクトルに分割して量子化しても良い。かかる場合、ＬＳＰベクトル量子化において、第１分割ベクトルから第１符号を得るのに第１コードブック、第１符号から第２分割ベクトルを予測するのに第１予測コードブック、第１符号および第２符号から第３分割ベクトルを予測するのに第２予測コードブックを用いれば良い。図７は、ＬＳＰベクトルを３分割して量子化する処理を模式的に示す図である。図示のように、第１分割ベクトルおよび第２分割ベクトルのベクトル量子化は本実施の形態に示したＬＳＰベクトルの２分割量子化方法と同様である。次いで、第３分割ベクトルを量子化するのには、まず第１符号および第２符号から第３分割ベクトルを予測し、その予測結果となる第２予測ベクトルを第２予測コードブックの中から選択する。第１コードブックがＭ個の第１コードベクトルからなり、第２コードブックがＮ個の第２コードベクトルからなる場合、第２予測コードブックは、Ｍ×Ｎ個の予測ベクトルを備える。ＬＳＰベクトルの３分割量子化において、第１符号と第２符号との組み合わせに対応して、第２予測ベクトルが選択される。次いで、第３分割ベクトルと、第２予測ベクトルとの残差である第２予測残差ベクトルを、第３コードブックを用いて量子化し、第３符号ｏ＿ｍｉｎを得る。
また、図７に示すＬＳＰベクトルの３分割量子化において、第２予測コードブックは、第１コードベクトルに対応するＭ個の第２予測ベクトルから構成され、第１符号のみを用いて第３分割ベクトルを予測しても良い。
また、図７に示すＬＳＰベクトルの３分割量子化において、第２予測コードブックは、第２コードベクトルに対応するＮ個の第２予測ベクトルから構成され、第２符号のみを用いて第３分割ベクトルを予測しても良い。
また、本実施の形態では、第１分割ベクトルの量子化に用いるビットレートと、予測残差ベクトルの量子化に用いるビットレートとの関係については言及していないが、第１分割ベクトルの量子化に用いるビットレートよりも予測残差ベクトルの量子化に用いるビットレートを小さくして良く、また予測残差ベクトルの量子化に用いるビットレートをさらに低減しても良い。これにより、音声符号化のビットレートを低減することができる。かかる場合、予測残差ベクトルの量子化精度は低下するものの、予測ベクトルは第１分割ベクトルと、第２分割ベクトルとの相関性を利用して求められたものであるため、予測残差ベクトルの量子化精度の低下が音声符号化全般に与える影響は比較的僅かである。
また、本実施の形態では、低次の分割ベクトルの量子化結果を用いて高次の分割ベクトルを予測する場合を例にとって説明したが、これに限定されず、高次の分割ベクトルを先に量子化して、高次の分割ベクトルの量子化結果を用いて低次の分割ベクトルを予測しても良い。
また、本実施の形態では、ＬＳＰベクトルに対して１段のベクトル量子化を行う場合を例にとって説明したが、これに限定されず、２段以上のベクトル量子化を行っても良い。
また、本実施の形態では、量子化対象としてＬＳＰベクトルを例にとって説明したが、量子化対象はこれに限定されず、ＬＳＰベクトル以外のベクトルであっても良い。かかる場合、量子化対象を分割して得られる分割ベクトル間の相関が高いほど量子化精度はより高くなる。
（実施の形態２）
図８は、本発明の実施の形態２に係るＬＳＰベクトル量子化装置２００の主要な構成を示すブロック図である。なお、ＬＳＰベクトル量子化装置２００は、実施の形態１に示したＬＳＰベクトル量子化装置１００（図１参照）と同様の基本的構成を有しており、同一の構成要素には同一の符号を付し、その説明を省略する。
ＬＳＰベクトル量子化装置２００は、ベクトル分割部１０１、第１量子化部２０１、予測ベクトル選択部１０３、予測残差生成部１０４、第２量子化部２０２、および多重化部１０６を備える。ＬＳＰベクトル量子化装置２００の第１量子化部２０１、第２量子化部２０２と、ＬＳＰベクトル量子化装置１００の第１量子化部１０２、第２量子化部１０５とは一部の動作において相違するため、異なる符号を付す。
第１量子化部２０１は、第１コードブックを内蔵し、さらに過去の複数フレームの量子化において選択された第１コードベクトルを記憶するバッファを備える。第１量子化部２０１は、上記バッファに記憶されている第１コードベクトルと、内蔵の第１コードブック内の第１コードベクトルとを用いて、ベクトル分割部１０１から入力される第１分割ベクトルに対して量子化を行い、得られる第１符号を予測ベクトル選択部１０３および多重化部１０６に出力する。
第２量子化部２０２は、第２コードブックを内蔵し、さらに過去の複数フレームの量子化において選択された第２コードベクトルを記憶するバッファを備える。第２量子化部２０２は、上記バッファに記憶されている第２コードベクトルと、内蔵の第２コードブック内の第２コードベクトルとを用いて、予測残差生成部１０４から入力される予測残差ベクトルに対して量子化を行い、得られる第２符号を多重化部１０６に出力する。
上記の構成を有する第１量子化部２０１および第２量子化部２０２は、具体的に以下の動作を行う。
第１量子化部２０１は、ベクトル分割部１０１から入力される第１分割ベクトルＬＳＰ＿Ｐ（ｉ）（ｉ＝０，１，…，Ｒ＿Ｐ−１）と、内蔵のバッファに保存されている複数の第１分割ベクトルＣＯＤＥ＿Ｐｊ（ｉ）（ｊ＝０，１，…，Ｊ−１、ｉ＝０，１，…，Ｒ＿Ｐ−１）とを用いて、内蔵の第１コードブック内の第１コードベクトルＣＯＤＥ＿Ｐ（ｍ）（ｉ）（ｍ＝０，１，…，Ｍ−１、ｉ＝０，１，…，Ｒ＿Ｐ−１）各々に対して、下記の式（７）に従い２乗誤差Ｅｒｒ＿Ｐ（ｍ）（ｍ＝０，１，…，Ｍ−１）を算出する。
Figure 2007132750
 ここで、ｍは第１コードブックを構成する各第１コードベクトルのインデックスを示し、Ｍは第１コードブックを構成する第１コードベクトルの総数を示す。ＣＯＤＥ＿Ｐｊ（ｉ）は、過去ｊフレーム前の量子化において選択された第１コードベクトルを示す。α＿Ｐｊ（ｉ）（ｊ＝０，１，…，Ｊ−１、ｉ＝０，１，…，Ｒ＿Ｐ−１）はフレーム間の予測係数を示す。予測係数α＿Ｐｊ（ｉ）（ｊ＝０，１，…，Ｊ−１、ｉ＝０，１，…，Ｒ＿Ｐ−１）は、上記の式（７）に従い求められる２乗誤差の値が統計的に最小となるように予め学習により求めて設けられる。具体的には、まず第１コードブックを学習により求めた後に、多数の学習用の音声データから得られる多数のＬＳＰベクトルを用意し、多数のＬＳＰベクトルから得られる多数の第１分割ベクトル各々に対して上記の式（７）に従い２乗誤差ＥＲＲ＿Ｐ（ｍ）を求める。次いで、求められた２乗誤差ＥＲＲ＿Ｐ（ｍ）の総和が最小となるα＿Ｐｊ（ｉ）（ｊ＝０，１，…，Ｊ−１、ｉ＝０，１，…，Ｒ＿Ｐ−１）を求める。なお、予測係数α＿Ｐｊ（ｉ）（ｊ＝０，１，…，Ｊ−１、ｉ＝０，１，…，Ｒ＿Ｐ−１）は、下記の式（８）に示す関係を満たす。
Figure 2007132750
第１量子化部２０１は、上記の式（７）に従い算出された２乗誤差が最小となる第１コードベクトルのインデックスｍ＿ｍｉｎを第１符号として予測ベクトル選択部１０３および多重化部１０６に出力する。また、第１量子化部２０１は、下記の式（９）に従いバッファを更新する。
Figure 2007132750
第２量子化部２０２は、予測残差生成部１０４から入力される予測残差ベクトルＰＲＥＤ＿ＥＲＲ（ｉ）（ｉ＝０，１，…，Ｒ＿Ｆ−１）と、内蔵のバッファに記憶されている複数の第２コードベクトルＣＯＤＥ＿Ｆｊ（ｉ）（ｊ＝０，１，…，Ｊ−１、ｉ＝０，１，…，Ｒ＿Ｆ−１）とを用いて、内蔵の第２コードブック内の第２コードベクトルＣＯＤＥ＿Ｆ（ｎ）（ｉ）（ｎ＝０，１，…，Ｎ−１、ｉ＝０，１，…，Ｒ＿Ｆ−１）各々に対して、下記の式（１０）に従い２乗誤差Ｅｒｒ＿Ｆ（ｎ）（ｎ＝０，１，…，Ｎ−１）を算出する。
Figure 2007132750
 ここで、ｎは第２コードブックを構成する第２コードベクトルのインデックスを示し、Ｎは第２コードブックを構成する第２コードベクトルの総数を示す。ＣＯＤＥ＿Ｆｊ（ｉ）は、過去ｊフレーム前の量子化において選択された第２コードベクトルを示し、α＿Ｆｊ（ｉ）（ｊ＝０，１，…，Ｊ−１、ｉ＝０，１，…，Ｒ＿Ｆ−１）はフレーム間の予測係数を示す。予測係数α＿Ｆｊ（ｉ）（ｊ＝０，１，…，Ｊ−１、ｉ＝０，１，…，Ｒ＿Ｆ−１）は、上記の式（１０）により求められる２乗誤差の値が統計的に最小となるように予め学習により求めて設けられる。具体的には、第２コードブックを学習により求めた後に、多数の学習用の音声データから得られる多数のＬＳＰベクトルを用意し、多数のＬＳＰベクトルから得られる多数の第２分割ベクトル各々に対して上記の式（１０）に従い２乗誤差ＥＲＲ＿Ｆ（ｎ）を求める。次いで、求められた２乗誤差ＥＲＲ＿Ｆ（ｎ）の総和が最小となるα＿Ｆｊ（ｉ）（ｊ＝０，１，…，Ｊ−１、ｉ＝０，１，…，Ｒ＿Ｆ−１）を求める。なお、予測係数α＿Ｆｊ（ｉ）（ｊ＝０，１，…，Ｊ−１、ｉ＝０，１，…，Ｒ＿Ｆ−１）は、下記の式（１１）に示す関係を満たす。
Figure 2007132750
第２量子化部２０２は、上記の式（１０）に従い求められる２乗誤差が最小となる第２コードベクトルのインデックスｎ＿ｍｉｎを第２符号として多重化部１０６に出力する。また、第２量子化部２０２は、下記の式（１２）に従いバッファを更新する。
Figure 2007132750
図９は、本発明の実施の形態２に係るＬＳＰベクトル逆量子化部２５０の主要な構成を示すブロック図である。なお、ＬＳＰベクトル逆量子化装置２５０は、実施の形態１に示したＬＳＰベクトル逆量子化装置１５０（図５参照）と同様の基本的構成を有しており、同一の構成要素には同一の符号を付し、その説明を省略する。
ＬＳＰベクトル逆量子化装置２５０は、符号分離部１５１、予測ベクトル選択部１５２、第１逆量子化部１５３、第２逆量子化部１５４、第１ベクトル加算部２５１、第２ベクトル加算部２５２、およびベクトル結合部１５６を備える。ＬＳＰベクトル逆量子化装置２５０は、ベクトル加算部１５５に代えて第２ベクトル加算部２５２を備え、第１ベクトル加算部２５１をさらに備える点においてＬＳＰベクトル逆量子化装置１５０と相違する。
第１ベクトル加算部２５１は、過去の複数フレームの逆量子化において第１逆量子化部１５３で選択された第１コードベクトルを記憶するバッファを備える。第１ベクトル加算部２５１は、上記バッファに記憶されている第１コードベクトル、および第１逆量子化部１５３から入力される第１コードベクトルを用いて加算処理を行い、加算結果を第１量子化分割ベクトルとしてベクトル結合部１５６に出力する。
第２ベクトル加算部２５２は、過去の複数フレームの逆量子化において第２逆量子化部１５４で選択された第２コードベクトルを記憶するバッファを備える。第２ベクトル加算部２５２は、上記バッファに記憶されている第２コードベクトル、第２逆量子化部１５４から入力される第２コードベクトル、および予測ベクトル選択部１５２から入力される予測ベクトルを用いて加算処理を行い、加算結果を第２量子化分割ベクトルとしてベクトル結合部１５６に出力する。
上記の構成を有する第１ベクトル加算部２５１および第２ベクトル加算部２５２は、以下の動作を行う。
第１ベクトル加算部２５１は、内蔵のバッファに保存されている第１コードベクトルＣＯＤＥ＿Ｐｊ（ｉ）（ｊ＝０，１，…，Ｊ−１、ｉ＝０，１，…，Ｒ＿Ｐ−１）と、第１逆量子化部１５３から入力される第１コードベクトルＣＯＤＥ＿Ｐ（ｍ＿ｍｉｎ）（ｉ）（ｉ＝０，１，…，Ｒ＿Ｐ−１）とを用いて、下記の式（１３）に従い、第１量子化分割ベクトルＱ＿Ｐ（ｉ）（ｉ＝０，１，…，Ｒ＿Ｐ−１）を生成する。
Figure 2007132750
 ここで、フレーム間予測係数α＿Ｐｊ（ｉ）（ｊ＝０，１，…，Ｊ−１）は、ＬＳＰベクトル量子化装置２００の第１量子化部２０１において用いられたフレーム間予測係数と同様である。第１ベクトル加算部２５１は、求められた第１量子化分割ベクトルＱ＿Ｐ（ｉ）（ｉ＝０，１，…，Ｒ＿Ｐ−１）をベクトル結合部１５６に出力し、なお、上記の式（９）に従いバッファを更新する。
第２ベクトル加算部２５２は、内蔵のバッファに保存されている第２コードベクトルＣＯＤＥ＿Ｆｊ（ｉ）（ｊ＝０，１，…，Ｊ−１、ｉ＝０，１，…，Ｒ＿Ｐ−１）と、第２逆量子化部１５４から入力される第２コードベクトルＣＯＤＥ＿Ｆ（ｎ＿ｍｉｎ）（ｉ）（ｉ＝０，１，…，Ｒ＿Ｆ−１）と、予測ベクトル選択部１５２から入力される予測ベクトルＰＲＥＤ（ｍ＿ｍｉｎ）（ｉ）とを用いて、下記の式（１４）に従い、第２量子化分割ベクトルＱ＿Ｆ（ｉ）（ｉ＝０，１，…，Ｒ＿Ｆ−１）を求める。
Figure 2007132750
 ここで、フレーム間予測係数α＿Ｆｊ（ｉ）（ｊ＝０，１，…，Ｊ−１、ｉ＝０，１，…，Ｒ＿Ｆ−１）は、ＬＳＰベクトル量子化装置２００の第２量子化部２０２において用いられたフレーム間予測係数と同一のものである。第２ベクトル加算部２５２は、求められる第２量子化分割ベクトルＱ＿Ｆ（ｉ）（ｉ＝０，１，…，Ｒ＿Ｆ−１）をベクトル結合部１５６に出力し、なお、上述した式（１２）に従いバッファを更新する。
このように、本実施の形態によれば、ＬＳＰベクトルを２つの分割ベクトルに分割し、第１分割ベクトルの量子化結果を用いて第２分割ベクトルを予測する処理、および予測結果である予測ベクトルと、第２分割ベクトルとの残差をさらに量子化する処理においてフレーム間の予測を適用するため、ＬＳＰベクトルの低次と高次との相関性に加え、フレーム間の相関性をさらに利用することが出来、ＬＳＰベクトルの量子化精度をさらに向上することができる。
なお、本実施の形態では、ＬＳＰベクトル量子化装置２００の第２量子化部２０２が第２コードブックの中から第２コードベクトルを選択する方法として上述した式（１０）を用いる場合を例にとって説明したが、これに限定されず、下記の式（１５）に従い第２ベクトルを選択しても良い。
Figure 2007132750
 ここで、β（０≦β≦１）は、加算処理に用いられる予測ベクトルと第２コードベクトルとの重み付け係数である。また、βの値はフレーム毎に適応的に変化させても良い。かかる場合、ＬＳＰベクトル逆量子化装置２５０の第２ベクトル加算部２５２は、下記の式（１６）に従い第２量子化分割ベクトルを求める。
Figure 2007132750
 また、かかる場合、第２量子化部２０２および第２ベクトル加算部２５２は下記の式（１７）に従いバッファを更新する。
Figure 2007132750
さらに、ＬＳＰベクトル量子化装置２００の第２量子化部２０２は、下記の式（１８）に従い、第２コードブックの中から第２コードベクトルを選択しても良い。
Figure 2007132750
 ここで、γ（０≦γ≦１）は予測ベクトルに掛ける係数である。また、γの値はフレーム毎に適応的に変化させても良い。かかる場合、ＬＳＰベクトル逆量子化装置２５０の第２ベクトル加算部２５２は、下記の式（１９）に従い第２量子化分割ベクトルを求める。
Figure 2007132750
また、本実施の形態では、フレーム間の予測係数が一種類である場合を例にとって説明したが、フレーム間の予測係数を複数種類用意してフレーム毎に最適な予測係数を選択するように構成しても良い。かかる場合、ＬＳＰベクトル量子化装置２００で選択された予測係数に関する情報をＬＳＰベクトル逆量子化装置２５０に送る。
以上、本発明の各実施の形態について説明した。
なお、ＬＳＰは、ＬＳＦ（Lｉne Spectral Frequency）と呼ばれることもあり、ＬＳＰをＬＳＦと読み替えてもよい。また、ＬＳＰの代わりにＩＳＰ（Ｉmmｉttance Spectrum Paｉrs）をスペクトルパラメータとして量子化する場合はＬＳＰをＩＳＰに読み替え、ＩＳＰ量子化／逆量子化装置として本実施の形態を利用することができる。
本発明に係るＬＳＰベクトル量子化装置、ＬＳＰベクトル逆量子化装置、およびこれらの方法は、上記各実施の形態に限定されず、種々変更して実施することが可能である。
本発明に係るＬＳＰベクトル量子化装置およびＬＳＰベクトル逆量子化装置は、音声伝送を行う移動体通信システムにおける通信端末装置に搭載することが可能であり、これにより上記と同様の作用効果を有する通信端末装置を提供することができる。
なお、ここでは、本発明をハードウェアで構成する場合を例にとって説明したが、本発明をソフトウェアで実現することも可能である。例えば、本発明に係るＬＳＰベクトル量子化方法およびＬＳＰベクトル逆量子化方法のアルゴリズムをプログラミング言語によって記述し、このプログラムをメモリに記憶しておいて情報処理手段によって実行させることにより、本発明に係るＬＳＰベクトル量子化装置およびＬＳＰベクトル逆量子化装置と同様の機能を実現することができる。
また、上記各実施の形態の説明に用いた各機能ブロックは、典型的には集積回路であるＬＳＩとして実現される。これらは個別に１チップ化されても良いし、一部または全てを含むように１チップ化されても良い。
また、ここではＬＳＩとしたが、集積度の違いによって、ＩＣ、システムＬＳＩ、スーパーＬＳＩ、ウルトラＬＳＩ等と呼称されることもある。
また、集積回路化の手法はＬＳＩに限るものではなく、専用回路または汎用プロセッサで実現しても良い。ＬＳＩ製造後に、プログラム化することが可能なＦＰＧＡ（Fｉeld Programmable Gate Array）や、ＬＳＩ内部の回路セルの接続もしくは設定を再構成可能なリコンフィギュラブル・プロセッサを利用しても良い。
さらに、半導体技術の進歩または派生する別技術により、ＬＳＩに置き換わる集積回路化の技術が登場すれば、当然、その技術を用いて機能ブロックの集積化を行っても良い。バイオ技術の適用等が可能性としてあり得る。
２００６年５月１２日出願の特願２００６−１３４２２２の日本出願に含まれる明細書、図面および要約書の開示内容は、すべて本願に援用される。
本発明に係るＬＳＰベクトル量子化装置、ＬＳＰベクトル逆量子化装置、およびこれらの方法は、音声符号化および音声復号等の用途に適用することができる。
本発明は、ＬＳＰ（Line Spectral Pairs）パラメータのベクトル量子化を行うＬＳＰベクトル量子化装置、ＬＳＰベクトル逆量子化装置、およびこれらの方法に関し、特にインターネット通信に代表されるパケット通信システムや、移動通信システム等の分野で、音声信号の伝送を行う音声符号化・復号化装置に用いられるＬＳＰパラメータのベクトル量子化を行うＬＳＰベクトル量子化装置、ＬＳＰベクトル逆量子化装置、およびこれらの方法に関する。
ディジタル無線通信や、インターネット通信に代表されるパケット通信、あるいは音声蓄積などの分野においては、電波などの伝送路容量や記憶媒体の有効利用を図るため、音声信号の符号化・復号化技術が不可欠である。特に、ＣＥＬＰ方式の音声符号化・復号化技術が主流の技術となっている（例えば、非特許文献１参照）。
ＣＥＬＰ方式の音声符号化装置は、予め記憶された音声モデルに基づいて入力音声を符号化する。具体的には、ＣＥＬＰ方式の音声符号化装置は、ディジタル化された音声信号を１０〜２０ｍｓ程度の一定時間間隔のフレームに区切り、各フレーム内の音声信号に対して線形予測分析を行い線形予測係数（ＬＰＣ：Linear Prediction Coefficient）と線形予測残差ベクトルを求め、線形予測係数と線形予測残差ベクトルをそれぞれ個別に符号化する。ＣＥＬＰ方式の音声符号化装置においては、線形予測係数を符号化する方法として、線形予測係数をＬＳＰ（Line Spectral Pairs）パラメータに変換し、ＬＳＰパラメータを符号化することが一般的である。ＬＳＰパラメータを符号化する方法として、ＣＥＬＰ方式の音声符号化装置はＬＳＰパラメータに対してベクトル量子化を行うことが多い（例えば、非特許文献２参照）。ベクトル量子化方法としては、ベクトル量子化の計算量を低減するために、分割ベクトル量子化（Split Vector Quantization）が用いられることが多い。分割ベクトル量子化とは、量子化されるベクトルを２つ以上に分割し、分割されたベクトルに対して各々量子化を行うことである。
M.R.Schroeder、B.S.Atal著、「ＩEEE proc. ＩCASSP」、１９８５、「Code Excited Linear Prediction: High QualitySpeech at Low Bit Rate」、ｐ．９３７−９４０ Allen Gersho、Robert M. Gray著、「ベクトル量子化と情報圧縮」、コロナ社出版、ｐ．２３７−２６１
ＬＳＰパラメータは、ベクトルの高次（高い周波数領域）とベクトルの低次（低い周波数領域）との相関性が高いことが一般的である。しかし、上記従来の方法によって、ＬＳＰパラメータを２つ以上に分割して、分割されたベクトルに対して各々量子化を行う場合、ベクトルの分割により、ベクトルの高次と低次との相関性に関する情報を失い、この情報を符号化に利用することができない。従って、ＬＳＰパラメータに分割ベクトル量子化を適用する技術は、従来の方法では、音声符号化の性能を劣化させるという問題がある。
本発明の目的は、ＬＳＰパラメータを２つ以上に分割して量子化しつつ、分割された２つ以上のベクトル間の相関性を維持し、量子化を行うことができるＬＳＰベクトル量子化装置、ＬＳＰベクトル逆量子化装置、およびこれらの方法を提供することである。
本発明のＬＳＰベクトル量子化装置は、入力されるＬＳＰベクトルを第１分割ベクトルと第２分割ベクトルとに分割するベクトル分割手段と、第１コードブックを備え、前記第１分割ベクトルを量子化し、第１符号を生成する第１量子化手段と、予測コードブックを備え、前記第１符号から前記第２分割ベクトルを予測し、予測ベクトルを生成する予測手段と、を具備する構成を採る。
本発明によれば、ＬＳＰパラメータのベクトル（以下、ＬＳＰベクトルと略称する）を複数に分割して量子化しつつ、分割により得られる複数の分割ベクトル間の相関性に関する情報を量子化することができ、音声符号化の性能を向上することができる。
以下、本発明の実施の形態について、添付図面を参照して詳細に説明する。
（実施の形態１）
図１は、本発明の実施の形態１に係るＬＳＰベクトル量子化装置１００の主要な構成を示すブロック図である。ここでは、入力されるＬＳＰベクトルを２分割し、一方の分割ベクトルの量子化を行って得られる量子化結果を用いて、他方の分割ベクトルを予測し、さらに予測の誤差を求め、求められた誤差を量子化する場合を例にとって説明する。
ＬＳＰベクトル量子化装置１００は、ベクトル分割部１０１、第１量子化部１０２、予測ベクトル選択部１０３、予測残差生成部１０４、第２量子化部１０５、および多重化部１０６を備える。
ベクトル分割部１０１は、入力されるＬＳＰベクトルを２分割し、２つの分割ベクトルを生成する。ベクトル分割部１０１は、２つの分割ベクトルのうち、低い周波数領域に対応する低次の方を第１分割ベクトルとして第１量子化部１０２に出力し、高い周波数領域に対応する高次の方を第２分割ベクトルとして予測残差生成部１０４に出力する。
第１量子化部１０２は、複数の第１コードベクトルからなる第１コードブックを内蔵しており、ベクトル分割部１０１から入力される第１分割ベクトルに対して内蔵の第１コードブックを用いて量子化を行い、得られる第１符号を予測ベクトル選択部１０３および多重化部１０６に出力する。
予測ベクトル選択部１０３は、複数の予測コードベクトルからなる予測コードブックを内蔵しており、第１量子化部１０２から入力される第１符号に基づき、予測コードブックの中から１つの予測コードベクトルを選択する。予測ベクトル選択部１０３は、選択された予測コードベクトルを予測ベクトルとして予測残差生成部１０４に出力する。
予測残差生成部１０４は、ベクトル分割部１０１から入力される第２分割ベクトルと、予測ベクトル選択部１０３から入力される予測ベクトルとの残差を求め、求められた残差を予測残差ベクトルとして第２量子化部１０５に出力する。
第２量子化部１０５は、複数の第２コードベクトルからなる第２コードブックを内蔵しており、予測残差生成部１０４から入力される予測残差ベクトルに対して第２コードブックを用いて量子化を行い、得られる第２符号を多重化部１０６に出力する。
ＬＳＰベクトル量子化装置１００は以下の動作を行う。
以下、量子化対象となるＬＳＰベクトルの次数がＲ次である場合を例にとって説明する。ＬＳＰベクトルをＬＳＰ（ｉ）（ｉ＝０，１，…，Ｒ−１）と記し、ｉが高いほどＬＳＰ（ｉ）はより高い周波数に対応する。
ベクトル分割部１０１は、入力されるＬＳＰ（ｉ）（ｉ＝０，１，…，Ｒ−１）を下記の式（１）に従い、Ｒ＿Ｐ次の第１分割ベクトルおよびＲ＿Ｆ次の第２分割ベクトルに分割する。
Figure 2007132750
 ここで、Ｒ＿ＰとＲ＿Ｆとの総和はＲとなり、すなわちＲ＿Ｐ＋Ｒ＿Ｆ＝Ｒの関係を満たす。ベクトル分割部１０１は、ＬＳＰ＿Ｐ（ｉ）（ｉ＝０，１，…，Ｒ＿Ｐ−１）を第１分割ベクトルとして第１量子化部１０２に出力し、ＬＳＰ＿Ｆ（ｉ）（ｉ＝０，１，…，Ｒ＿Ｆ−１）を第２分割ベクトルとして予測残差生成部１０４に出力する。
図２は、ベクトル分割部１０１が６次のＬＳＰベクトルを第１分割ベクトルと第２分割ベクトルとに分割する場合を例示する図である。図示のように、次数ｉの増加に伴って、ＬＳＰベクトルの各要素ＬＳＰ（ｉ）（ｉ＝０，１，…，５）の値は、０から１までの範囲において増加する傾向がある。このような６次のＬＳＰベクトルを３次の第１分割ベクトルと３次の第２分割ベクトルとに分割する場合、ＬＳＰベクトルの前半の３次が第１分割ベクトルＬＳＰ＿Ｐ（ｉ）（ｉ＝０，１，２）となり、ＬＳＰベクトルの後半の３次が第２分割ベクトルＬＳＰ＿Ｆ（ｉ）（ｉ＝０，１，２）となる。
第１量子化部１０２は、ベクトル分割部１０１から入力される第１分割ベクトルＬＳＰ＿Ｐ（ｉ）（ｉ＝０，１，…，Ｒ＿Ｐ−１）と、内蔵の第１コードブックを構成する各第１コードベクトルＣＯＤＥ＿Ｐ（ｍ）（ｉ）（ｍ＝０，１，…，Ｍ−１、ｉ＝０，１，…，Ｒ＿Ｐ−１）との２乗誤差を下記の式（２）に従い算出する。
Figure 2007132750
 ここで、ｍは第１コードブックを構成する各第１コードベクトルのインデックスを示し、Ｍは第１コードブックを構成する第１コードベクトルの総数を示す。第１量子化部１０２は、Ｍ個の第１コードベクトルに対応する２乗誤差Ｅｒｒ＿Ｐ（ｍ）（ｍ＝０，１，…，Ｍ−１）の値を求め、２乗誤差Ｅｒｒ＿Ｐ（ｍ）が最小となる場合のｍの値ｍ＿ｍｉｎを第１符号として予測ベクトル選択部１０３および多重化部１０６に出力する。すなわち、第１量子化部１０２は、第１分割ベクトルとの類似度が最大となる第１コードベクトルを第１コードブックの中から選択する。
予測ベクトル選択部１０３は、内蔵の予測コードブックを構成する予測ベクトルＰＲＥＤ（ｍ）（ｉ）（ｍ＝０，１，…，Ｍ−１、ｉ＝０，１，…，Ｒ＿Ｆ−１）の中から、第１量子化部１０２から入力される第１符号ｍ＿ｍｉｎに対応する予測ベクトルＰＲＥＤ（ｍ＿ｍｉｎ）（ｉ）（ｉ＝０，１，…，Ｒ＿Ｆ−１）を選択する。ここで、予測コードブックは第１コードブックが備える第１コードベクトルに対応して、Ｍ個の予測ベクトルからなる場合を例にとり、すなわち所定の第１コードベクトルに対して、所定の予測ベクトルが１対１の関係で対応づけられている。予測ベクトル選択部１０３は、選択された予測ベクトルＰＲＥＤ（ｍ＿ｍｉｎ）（ｉ）（ｉ＝０，１，…，Ｒ＿Ｆ−１）を予測残差生成部１０４に出力する。
予測残差生成部１０４は、ベクトル分割部１０１から入力される第２分割ベクトルＬＳＰ＿Ｆ（ｉ）（ｉ＝０，１，…，Ｒ＿Ｆ−１）と、予測ベクトル選択部１０３から入力される予測ベクトルＰＲＥＤ（ｍ＿ｍｉｎ）（ｉ）（ｉ＝０，１，…，Ｒ＿Ｆ−１）とのベクトル差ＰＲＥＤ＿ＥＲＲ（ｉ）（ｉ＝０，１，…，Ｒ＿Ｆ−１）を、下記の式（３）に従い求める。
Figure 2007132750
 予測残差生成部１０４は、求められたＰＲＥＤ＿ＥＲＲ（ｉ）（ｉ＝０，１，…，Ｒ＿Ｆ−１）を予測残差ベクトルとして第２量子化部１０５に出力する。
第２量子化部１０５は、予測残差生成部１０４から入力される予測残差ベクトルＰＲＥＤ＿ＥＲＲ（ｉ）（ｉ＝０，１，…，Ｒ＿Ｆ−１）と、内蔵の第２コードブックを構成する各第２コードベクトルＣＯＤＥ＿Ｆ（ｎ）（ｉ）（ｉ＝０，１，…，Ｒ＿Ｆ−１、ｎ＝０，１，…，Ｎ−１）との２乗誤差Ｅｒｒ＿Ｆ（ｎ）（ｎ＝０，１，…，Ｎ−１）を下記の式（４）に従い算出する。
Figure 2007132750
 ここで、ｎは第２コードブックを構成する各第２コードベクトルのインデックスを示し、Ｎは第１コードブックを構成する第２コードベクトルの総数を示す。第２量子化部１０５は、求められたＮ個の２乗誤差Ｅｒｒ＿Ｆ（ｎ）（ｎ＝０，１，…，Ｎ−１）のうち、２乗誤差Ｅｒｒ＿Ｆ（ｎ）が最小となる場合のｎの値ｎ＿ｍｉｎを第２符号として多重化部１０６に出力する。
多重化部１０６は、第１量子化部１０２から入力される第１符号ｍ＿ｍｉｎと、第２量
子化部１０５から入力される第２符号ｎ＿ｍｉｎとを多重化し、得られる量子化ベクトル符号をＬＳＰベクトル逆量子化装置に伝送する。
図３は、ＬＳＰベクトル量子化装置１００のベクトル量子化処理を模式的に示す図である。
ＬＳＰベクトル量子化装置１００において、まずベクトル分割部１０１は、入力ベクトルを第１分割ベクトルと第２分割ベクトルとに分割する。次いで、第１量子化部１０２は、第１コードブックを構成する第１コードベクトルと第１分割ベクトルとの比較を行い、第１分割ベクトルとの類似度が最も高い、例えば第１分割ベクトルとの２乗誤差が最小となる第１コードベクトルを選択し、選択された第１コードベクトルのインデックスｍ＿ｍｉｎを第１符号として決定する。次いで、予測ベクトル選択部１０３は、第１符号ｍ＿ｍｉｎに対応づけられている予測コードベクトルを予測コードブックの中から選択し、選択された予測コードベクトルを予測ベクトルとして決定する。次いで、予測残差生成部１０４は、第２分割ベクトルと予測ベクトルとの残差を求め、予測残差ベクトルとする。次いで、第２量子化部１０５は、第２コードブックを構成する第２コードベクトルと予測残差ベクトルとの比較を行い、予測残差ベクトルとの類似度が最も高い、例えば予測残差ベクトルとの２乗誤差が最小となる第２コードベクトルを選択し、選択された第２コードベクトルのインデックスｎ＿ｍｉｎを第２符号として決定する。次いで、多重化部１０６は第１符号ｍ＿ｍｉｎと第２符号ｎ＿ｍｉｎとを多重化する。
ＬＳＰベクトル量子化装置１００で用いられる第１コードブック、予測コードブック、および第２コードブックは、予め学習により求めて作成されたものであり、これらのコードブックの学習方法について説明する。
第１量子化部１０２が備える第１コードブックを学習により求めるためには、まずＶ個の学習用の音声データから得られるＶ個のＬＳＰベクトルを用意し、このＶ個のＬＳＰベクトルを用いて上述した式（１）に従いＶ個の第１分割ベクトルＬＳＰ＿Ｐ（ｖ）（ｉ）（ｖ＝０，１，…，Ｖ−１、ｉ＝０，１，…，Ｒ＿Ｐ−１）を生成する。次いで、生成されたＶ個の第１分割ベクトルＬＳＰ＿Ｐ（ｖ）（ｉ）（ｖ＝０，１，…，Ｖ−１、ｉ＝０，１，…，Ｒ＿Ｐ−１）を用いて、ＬＢＧ（Lｉnde Buzo Gray）アルゴリズム等の学習アルゴリズムに従いＭ個の第１コードベクトルＣＯＤＥ＿Ｐ（ｍ）（ｉ）（ｍ＝０，１，…，Ｍ−１、ｉ＝０，１，…，Ｒ＿Ｐ−１）を求め、第１コードブックを生成する。
予測ベクトル選択部１０３が備える予測コードブックを学習により求めるためには、まず多数の、例えばＶ’個の学習用音声データからＶ’個のＬＳＰベクトルを求める。次いで、求められたＶ’個のＬＳＰベクトルを用いて、上記の式（１）に従いＶ’個の第１分割ベクトルＬＳＰ＿Ｐ（ｖ’）（ｉ）（ｖ’＝０，１，…，Ｖ’−１、ｉ＝０，１，…，Ｒ＿Ｐ−１）およびＶ’個の第２分割ベクトルＬＳＰ＿Ｆ（ｖ’）（ｉ）（ｖ’＝０，１，…，Ｖ’−１、ｉ＝０，１，…，Ｒ＿Ｆ−１）を生成する。ここで、第１分割ベクトルと第２分割ベクトルとは１対１でＶ’個の分割ベクトル対を構成する。次いで、第１分割ベクトル、例えば、ＬＳＰ＿Ｐ（ｖｓ’）（ｉ）（ここでｖｓ’は、０≦ｖｓ’≦Ｖ’−１の整数）に対して、上述の式（２）に従い第１コードブックのうち、ＬＳＰ＿Ｐ（ｖｓ’）（ｉ）との２乗誤差が最小となる第１コードベクトルＣＯＤＥ＿Ｐ（ｍｓ）（ｉ）（ここでｍｓは、０≦ｍｓ≦Ｍ−１の整数）のインデックスを求めて第１符号ｍ＿ｍｉｎとする。同様の処理を繰り返すことにより、すべての第１分割ベクトルＬＳＰ＿Ｐ（ｖ’）（ｉ）に対応する第１符号ｍ＿ｍｉｎを求めて記憶する。次いで、第１コードブックの第１コードベクトル、例えば、ＣＯＤＥ＿Ｐ（ｍｓ）（ｉ）（ここでｍｓは、０≦ｍｓ≦Ｍ−１の整数）のインデックスｍｓを第１符号ｍ＿ｍｉｎとする１つ以上の第１分割ベクトルＬＳＰ＿Ｐ（ｖ’）（ｉ）を抽出する。次いで、抽出された第１分割ベクトルＬＳＰ＿
Ｐ（ｖ’）（ｉ）と、分割ベクトル対を構成する第２分割ベクトルＬＳＰ＿Ｆ（ｖ’）（ｉ）を抽出する。次いで抽出された１つ以上の第２分割ベクトルＬＳＰ＿Ｆ（ｖ’）（ｉ）の中心（セントロイド）となるベクトルを求めて、求められたセントロイドのベクトルをインデックスｍｓに対応する予測コードベクトルＰＲＥＤ（ｍｓ）（ｉ）（ｉ＝０，１，…，Ｒ＿Ｆ−１）とする。同様の処理を繰り返すことにより、すべての第１コードベクトルＣＯＤＥ＿Ｐ（ｍ）（ｉ）のインデックスｍに対応する予測コードベクトルＰＲＥＤ（ｍ）（ｉ）（ｍ＝０，１，…，Ｍ−１、ｉ＝０，１，…，Ｒ＿Ｆ−１）を求めて、予測コードブックを生成する。
言い換えれば、Ｍ個の第１コードベクトルからなる第１コードブックとＶ’個の第１分割ベクトルとを用いて第１分割ベクトル量子化を行い、得られる第１符号が同一となる１つ以上の第１分割ベクトルを抽出する。次いで、抽出された第１分割ベクトルと１対１で分割ベクトル対を構成する第２分割ベクトルを抽出し、抽出された第２分割ベクトルの中心（セントロイド）を求め、このセントロイドのベクトルを予測コードベクトルとする。こうして、第１コードブックの第１コードベクトル各々のインデックスｍ（ｍ＝０，１，…，Ｍ−１）に対応する予測コードベクトルをすべて求めて予測コードブックを生成する。
図４は、第１コードブックと予測コードブックとの対応関係の一例を示す図である。
図示のように、第１コードブックは、Ｍ種類の第１コードベクトルから構成される。このＭ種類の第１コードベクトルは、多数の学習用の第１分割ベクトルから予め求められたものであり、第１分割ベクトルを代表する典型的なパターンからなる。例えば図４Ａは、第１分割ベクトルの各要素の値が低次から高次にかけて比較的緩やかで線型的に増加するパターンを示し、図４Ｂは、第１分割ベクトルの各要素の値が低次から高次にかけて比較的急峻で線型的に増加するパターンを示す。また、図４Ｃは、第１分割ベクトルの各要素の値が低次から高次にかけて非線型的に増加するパターンを示す。
図４に示すように、予測コードブックは、第１コードブックを構成する第１コードベクトルの種類に対応してＭ種類の予測コードベクトルからなる。すなわち、予測コードベクトルと第１コードベクトルとは１対１で対応している。例えば、図４Ｄに示す予測コードベクトルは、図４Ａに示す第１コードベクトルと対応しており、第１分割ベクトルから予測されることができる。同様に、図４Ｅに示す予測コードベクトルは、図４Ｂに示す第１コードベクトルと対応しており、また、図４Ｆに示す予測コードベクトルは、図４Ｃに示す第１コードベクトルと対応している。
こうして、第１コードブックおよび予測コードブックが求められると、第２量子化部１０５に用いられる第２コードブックは、求められた第１コードブックおよび予測コードブックを用いて学習により求めることができる。具体的には、まず上述したように第１コードブックおよび予測コードブックを作成し、さらに多数の、例えばＷ個の学習用音声データからＷ個のＬＳＰベクトルを求める。次いで、求められたＷ個のＬＳＰベクトルを用いて式（１）に従い第１分割ベクトルＬＳＰ＿Ｐ（ｗ）（ｉ）（ｗ＝０，１，…，Ｗ−１、ｉ＝０，１，…，Ｒ＿Ｐ−１）と、第２分割ベクトルＬＳＰ＿Ｆ（ｗ）（ｉ）（ｗ＝０，１，…，Ｗ−１、ｉ＝０，１，…，Ｒ＿Ｆ−１）とからなるＷ個の分割ベクトル対を生成する。次いで、Ｗ個の分割ベクトル対各々に対して、第１分割ベクトル量子化を行う。例えば、ｗｓ番目（０≦ｗｓ≦Ｗ−１）の分割ベクトル対に対して、式（２）に従い第１符号ｍ＿ｍｉｎを求める。次いで、求められた第１符号ｍ＿ｍｉｎに対応する予測ベクトルＰＲＥＤ（ｍ＿ｍｉｎ）（ｉ）（ｉ＝０，１，…，Ｒ＿Ｆ−１）を、予測コードブックの中から選択する。次いで、式（３）に従い第２分割ベクトルＬＳＰ＿Ｆ（ｗｓ）（ｉ）（ｉ＝０，１，…，Ｒ＿Ｆ−１）と、予測ベクトルＰＲＥＤ（ｍ＿ｍｉｎ）（ｉ）（ｉ＝０
，１，…，Ｒ＿Ｆ−１）との差を求め、予測残差ベクトルＰＲＥＤ＿ＥＲＲ（ｗｓ）（ｉ）（ｉ＝０，１，…，Ｒ＿Ｆ−１）を得る。同様の処理を繰り返すことにより、Ｗ個の分割ベクトル対各々に対応するＷ個の予測残差ベクトルＰＲＥＤ＿ＥＲＲ（ｗ）（ｉ）（ｗ＝０，１，…，Ｗ−１、ｉ＝０，１，…，Ｒ＿Ｆ−１）を求める。次いで、得られたＷ個の予測残差ベクトルＰＲＥＤ＿ＥＲＲ（ｗ）（ｉ）（ｗ＝０，１，…，Ｗ−１、ｉ＝０，１，…，Ｒ＿Ｆ−１）を用いてＬＢＧアルゴリズム等の学習アルゴリズムによりＮ個の第２コードベクトルを求め、第２コードブックを生成する。
図５は、本発明の実施の形態１に係るＬＳＰベクトル逆量子化装置１５０の主要な構成を示すブロック図である。
ＬＳＰベクトル逆量子化装置１５０は、符号分離部１５１、予測ベクトル選択部１５２、第１逆量子化部１５３、第２逆量子化部１５４、ベクトル加算部１５５、およびベクトル結合部１５６を備える。なお、予測ベクトル選択部１５２は、予測ベクトル選択部１０３が備える予測コードブックと同一内容の予測コードブックを備え、第１逆量子化部１５３は、第１量子化部１０２が備える第１コードブックと同一内容の第１コードブックを備え、第２逆量子化部１５４は、第２量子化部１０５が備える第２コードブックと同一内容の第２コードブックを備える。
符号分離部１５１は、ＬＳＰベクトル量子化装置１００から伝送される量子化ベクトル符号が入力され、入力される量子化ベクトル符号に対して逆多重化処理を行い、第１符号および第２符号を分離する。符号分離部１５１は、第１符号を予測ベクトル選択部１５２および第１逆量子化部１５３に出力し、第２符号を第２逆量子化部１５４に出力する。
予測ベクトル選択部１５２は、符号分離部１５１から入力される第１符号に基づき、内蔵の予測コードブックの中から、予測ベクトルを選択してベクトル加算部１５５に出力する。
第１逆量子化部１５３は、符号分離部１５１から入力される第１符号に対して、内蔵の第１コードブックを用いて逆量子化を行い、得られる第１量子化分割ベクトルをベクトル結合部１５６に出力する。
第２逆量子化部１５４は、符号分離部１５１から入力される第２符号に対して、内蔵の第２コードブックを用いて逆量子化を行い、得られる量子化予測残差ベクトルをベクトル加算部１５５に出力する。
ベクトル加算部１５５は、予測ベクトル選択部１５２から入力される予測ベクトルと、第２逆量子化部１５４から入力される量子化予測残差ベクトルとを加算して得られる第２量子化分割ベクトルをベクトル結合部１５６に出力する。
ベクトル結合部１５６は、第１逆量子化部１５３から入力される第１量子化分割ベクトルと、ベクトル加算部１５５から入力される第２量子化分割ベクトルとを結合し、得られる量子化ベクトルを出力する。
ＬＳＰベクトル逆量子化装置１５０は以下の動作を行う。
符号分離部１５１は、入力される量子化ベクトル符号に対して逆多重化処理を行って第１符号ｍ＿ｍｉｎおよびｎ＿ｍｉｎを分離し、第１符号ｍ＿ｍｉｎを予測ベクトル選択部１５２および第１逆量子化部１５３に出力し、第２符号ｎ＿ｍｉｎを第２逆量子化部１５４に出力する。
予測ベクトル選択部１５２は、符号分離部１５１から入力される第１符号ｍ＿ｍｉｎに１対１で対応づけられている予測ベクトルＰＲＥＤ（ｍ＿ｍｉｎ）（ｉ）（ｉ＝０，１，…，Ｒ＿Ｆ−１）を、内蔵の予測コードブックの中から選択して、ベクトル加算部１５５に出力する。
第１逆量子化部１５３は、符号分離部１５１から入力される第１符号ｍ＿ｍｉｎに対応する第１コードベクトルＣＯＤＥ＿Ｐ（ｍ＿ｍｉｎ）（ｉ）（ｉ＝０，１，…，Ｒ＿Ｐ−１）を、内蔵の第１コードブックの中から選択し、第１量子化分割ベクトルＱ＿Ｐ（ｉ）（ｉ＝０，１，…，Ｒ＿Ｐ−１）としてベクトル結合部１５６に出力する。
第２逆量子化部１５４は、符号分離部１５１から入力される第２符号ｎ＿ｍｉｎに対応する第２コードベクトルＣＯＤＥ＿Ｆ（ｎ＿ｍｉｎ）（ｉ）（ｉ＝０，１，…，Ｒ＿Ｆ−１）を、内蔵の第２コードブックの中から選択し、量子化予測残差ベクトルとしてベクトル加算部１５５に出力する。
ベクトル加算部１５５は、予測ベクトル選択部１５２から入力される予測ベクトルＰＲＥＤ（ｍ＿ｍｉｎ）（ｉ）（ｉ＝０，１，…，Ｒ＿Ｆ−１）と、第２逆量子化部１５４から入力される量子化予測残差ベクトルＣＯＤＥ＿Ｆ（ｎ＿ｍｉｎ）（ｉ）（ｉ＝０，１，…，Ｒ＿Ｆ−１）とを下記の式（５）に従い加算し、得られるベクトルを第２量子化分割ベクトルＱ＿Ｆ（ｉ）（ｉ＝０，１，…，Ｒ＿Ｆ−１）としてベクトル結合部１５６に出力する。
Figure 2007132750
ベクトル結合部１５６は、第１逆量子化部１５３から入力される第１量子化分割ベクトルＱ＿Ｐ（ｉ）（ｉ＝０，１，…，Ｒ＿Ｐ−１）と、ベクトル加算部１５５から入力される第２量子化分割ベクトルＱ＿Ｆ（ｉ）（ｉ＝０，１，…，Ｒ＿Ｆ−１）とを式（６）に従い結合し、得られる量子化ベクトルＱ（ｉ）（ｉ＝０，１，…，Ｒ−１）を出力する。
Figure 2007132750
図６は、ＬＳＰベクトル逆量子化装置１５０のベクトル逆量子化処理を模式的に示す図である。
ＬＳＰベクトル逆量子化装置１５０において、まず第１逆量子化部１５３は、第１符号ｍ＿ｍｉｎに対応する第１コードベクトルを第１コードブックの中から選択し、選択された第１コードベクトルを第１量子化分割ベクトルとして決定する。次いで、予測ベクトル選択部１５２は、第１符号ｍ＿ｍｉｎに対応する予測ベクトルを予測コードブックの中から選択する。次いで、第２逆量子化部１５４は、第２符号ｎ＿ｍｉｎに対応する第２コードベクトルを第２コードブックの中から選択し、選択された第２コードベクトルを量子化予測残差ベクトルとして決定する。次いで、ベクトル加算部１５５は、予測ベクトルと、量子化予測残差ベクトルとを加算し、第２量子化分割ベクトルを得る。次いで、ベクトル結合部１５６は、第１量子化分割ベクトルと、第２量子化分割ベクトルとを結合し、量子化ベクトルを生成する。
このように、本実施の形態によれば、ＬＳＰベクトルを２つの分割ベクトルに分割し、第１分割ベクトルの量子化結果を用いて第２分割ベクトルの予測を行い、予測結果である予測ベクトルと、第２分割ベクトルとの残差をさらに量子化するため、ＬＳＰベクトルの低次と高次との相関性をベクトル量子化に利用することができ、ＬＳＰベクトルの量子化精度を向上することができる。
なお、本実施の形態では、第１コードブック内の第１コードベクトルと、予測コードブック内の予測コードベクトルとが１対１で対応づけられている場合を例にとって説明したが、これに限定されず、第１コードブック内の第１コードベクトルと、予測コードブック内の予測コードベクトルとが１対Ｎ（Ｎは、Ｎ≧２の整数である）で対応づけられていても良い。かかる場合、第１符号に対応する２つ以上の予測コードベクトルのうち、第２分割ベクトルとの２乗誤差が最も小さい方を、予測残差ベクトルとして選択すれば良い。かかる場合、ＬＳＰベクトル量子化装置は、どの予測ベクトルを選択したかという情報をＬＳＰベクトル逆量子化装置へ通知する必要がある。例えば、第１符号に対応する予測ベクトルの数が２Ｘである場合、Ｘビットの情報を送ることにより２Ｘ個の予測ベクトルの内、どの予測ベクトルを選択したかということをＬＳＰ逆量子化装置へ通知すれば良い。
また、本実施の形態では、ＬＳＰベクトルを２分割して量子化する場合を例にとって説明したが、これに限定されず、ＬＳＰベクトルを３つ以上の分割ベクトルに分割して量子化しても良い。かかる場合、ＬＳＰベクトル量子化において、第１分割ベクトルから第１符号を得るのに第１コードブック、第１符号から第２分割ベクトルを予測するのに第１予測コードブック、第１符号および第２符号から第３分割ベクトルを予測するのに第２予測コードブックを用いれば良い。図７は、ＬＳＰベクトルを３分割して量子化する処理を模式的に示す図である。図示のように、第１分割ベクトルおよび第２分割ベクトルのベクトル量子化は本実施の形態に示したＬＳＰベクトルの２分割量子化方法と同様である。次いで、第３分割ベクトルを量子化するのには、まず第１符号および第２符号から第３分割ベクトルを予測し、その予測結果となる第２予測ベクトルを第２予測コードブックの中から選択する。第１コードブックがＭ個の第１コードベクトルからなり、第２コードブックがＮ個の第２コードベクトルからなる場合、第２予測コードブックは、Ｍ×Ｎ個の予測ベクトルを備える。ＬＳＰベクトルの３分割量子化において、第１符号と第２符号との組み合わせに対応して、第２予測ベクトルが選択される。次いで、第３分割ベクトルと、第２予測ベクトルとの残差である第２予測残差ベクトルを、第３コードブックを用いて量子化し、第３符号ｏ＿ｍｉｎを得る。
また、図７に示すＬＳＰベクトルの３分割量子化において、第２予測コードブックは、第１コードベクトルに対応するＭ個の第２予測ベクトルから構成され、第１符号のみを用いて第３分割ベクトルを予測しても良い。
また、図７に示すＬＳＰベクトルの３分割量子化において、第２予測コードブックは、第２コードベクトルに対応するＮ個の第２予測ベクトルから構成され、第２符号のみを用いて第３分割ベクトルを予測しても良い。
また、本実施の形態では、第１分割ベクトルの量子化に用いるビットレートと、予測残差ベクトルの量子化に用いるビットレートとの関係については言及していないが、第１分割ベクトルの量子化に用いるビットレートよりも予測残差ベクトルの量子化に用いるビットレートを小さくして良く、また予測残差ベクトルの量子化に用いるビットレートをさらに低減しても良い。これにより、音声符号化のビットレートを低減することができる。かかる場合、予測残差ベクトルの量子化精度は低下するものの、予測ベクトルは第１分割ベクトルと、第２分割ベクトルとの相関性を利用して求められたものであるため、予測残差
ベクトルの量子化精度の低下が音声符号化全般に与える影響は比較的僅かである。
また、本実施の形態では、低次の分割ベクトルの量子化結果を用いて高次の分割ベクトルを予測する場合を例にとって説明したが、これに限定されず、高次の分割ベクトルを先に量子化して、高次の分割ベクトルの量子化結果を用いて低次の分割ベクトルを予測しても良い。
また、本実施の形態では、ＬＳＰベクトルに対して１段のベクトル量子化を行う場合を例にとって説明したが、これに限定されず、２段以上のベクトル量子化を行っても良い。
また、本実施の形態では、量子化対象としてＬＳＰベクトルを例にとって説明したが、量子化対象はこれに限定されず、ＬＳＰベクトル以外のベクトルであっても良い。かかる場合、量子化対象を分割して得られる分割ベクトル間の相関が高いほど量子化精度はより高くなる。
（実施の形態２）
図８は、本発明の実施の形態２に係るＬＳＰベクトル量子化装置２００の主要な構成を示すブロック図である。なお、ＬＳＰベクトル量子化装置２００は、実施の形態１に示したＬＳＰベクトル量子化装置１００（図１参照）と同様の基本的構成を有しており、同一の構成要素には同一の符号を付し、その説明を省略する。
ＬＳＰベクトル量子化装置２００は、ベクトル分割部１０１、第１量子化部２０１、予測ベクトル選択部１０３、予測残差生成部１０４、第２量子化部２０２、および多重化部１０６を備える。ＬＳＰベクトル量子化装置２００の第１量子化部２０１、第２量子化部２０２と、ＬＳＰベクトル量子化装置１００の第１量子化部１０２、第２量子化部１０５とは一部の動作において相違するため、異なる符号を付す。
第１量子化部２０１は、第１コードブックを内蔵し、さらに過去の複数フレームの量子化において選択された第１コードベクトルを記憶するバッファを備える。第１量子化部２０１は、上記バッファに記憶されている第１コードベクトルと、内蔵の第１コードブック内の第１コードベクトルとを用いて、ベクトル分割部１０１から入力される第１分割ベクトルに対して量子化を行い、得られる第１符号を予測ベクトル選択部１０３および多重化部１０６に出力する。
第２量子化部２０２は、第２コードブックを内蔵し、さらに過去の複数フレームの量子化において選択された第２コードベクトルを記憶するバッファを備える。第２量子化部２０２は、上記バッファに記憶されている第２コードベクトルと、内蔵の第２コードブック内の第２コードベクトルとを用いて、予測残差生成部１０４から入力される予測残差ベクトルに対して量子化を行い、得られる第２符号を多重化部１０６に出力する。
上記の構成を有する第１量子化部２０１および第２量子化部２０２は、具体的に以下の動作を行う。
第１量子化部２０１は、ベクトル分割部１０１から入力される第１分割ベクトルＬＳＰ＿Ｐ（ｉ）（ｉ＝０，１，…，Ｒ＿Ｐ−１）と、内蔵のバッファに保存されている複数の第１分割ベクトルＣＯＤＥ＿Ｐｊ（ｉ）（ｊ＝０，１，…，Ｊ−１、ｉ＝０，１，…，Ｒ＿Ｐ−１）とを用いて、内蔵の第１コードブック内の第１コードベクトルＣＯＤＥ＿Ｐ（ｍ）（ｉ）（ｍ＝０，１，…，Ｍ−１、ｉ＝０，１，…，Ｒ＿Ｐ−１）各々に対して、下記の式（７）に従い２乗誤差Ｅｒｒ＿Ｐ（ｍ）（ｍ＝０，１，…，Ｍ−１）を算出する。
Figure 2007132750
 ここで、ｍは第１コードブックを構成する各第１コードベクトルのインデックスを示し、Ｍは第１コードブックを構成する第１コードベクトルの総数を示す。ＣＯＤＥ＿Ｐｊ（ｉ）は、過去ｊフレーム前の量子化において選択された第１コードベクトルを示す。α＿Ｐｊ（ｉ）（ｊ＝０，１，…，Ｊ−１、ｉ＝０，１，…，Ｒ＿Ｐ−１）はフレーム間の予測係数を示す。予測係数α＿Ｐｊ（ｉ）（ｊ＝０，１，…，Ｊ−１、ｉ＝０，１，…，Ｒ＿Ｐ−１）は、上記の式（７）に従い求められる２乗誤差の値が統計的に最小となるように予め学習により求めて設けられる。具体的には、まず第１コードブックを学習により求めた後に、多数の学習用の音声データから得られる多数のＬＳＰベクトルを用意し、多数のＬＳＰベクトルから得られる多数の第１分割ベクトル各々に対して上記の式（７）に従い２乗誤差ＥＲＲ＿Ｐ（ｍ）を求める。次いで、求められた２乗誤差ＥＲＲ＿Ｐ（ｍ）の総和が最小となるα＿Ｐｊ（ｉ）（ｊ＝０，１，…，Ｊ−１、ｉ＝０，１，…，Ｒ＿Ｐ−１）を求める。なお、予測係数α＿Ｐｊ（ｉ）（ｊ＝０，１，…，Ｊ−１、ｉ＝０，１，…，Ｒ＿Ｐ−１）は、下記の式（８）に示す関係を満たす。
Figure 2007132750
第１量子化部２０１は、上記の式（７）に従い算出された２乗誤差が最小となる第１コードベクトルのインデックスｍ＿ｍｉｎを第１符号として予測ベクトル選択部１０３および多重化部１０６に出力する。また、第１量子化部２０１は、下記の式（９）に従いバッファを更新する。
Figure 2007132750
第２量子化部２０２は、予測残差生成部１０４から入力される予測残差ベクトルＰＲＥＤ＿ＥＲＲ（ｉ）（ｉ＝０，１，…，Ｒ＿Ｆ−１）と、内蔵のバッファに記憶されている複数の第２コードベクトルＣＯＤＥ＿Ｆｊ（ｉ）（ｊ＝０，１，…，Ｊ−１、ｉ＝０，１，…，Ｒ＿Ｆ−１）とを用いて、内蔵の第２コードブック内の第２コードベクトルＣＯＤＥ＿Ｆ（ｎ）（ｉ）（ｎ＝０，１，…，Ｎ−１、ｉ＝０，１，…，Ｒ＿Ｆ−１）各々に対して、下記の式（１０）に従い２乗誤差Ｅｒｒ＿Ｆ（ｎ）（ｎ＝０，１，…，Ｎ−１）を算出する。
Figure 2007132750
 ここで、ｎは第２コードブックを構成する第２コードベクトルのインデックスを示し、Ｎは第２コードブックを構成する第２コードベクトルの総数を示す。ＣＯＤＥ＿Ｆｊ（ｉ）は、過去ｊフレーム前の量子化において選択された第２コードベクトルを示し、α＿Ｆｊ（ｉ）（ｊ＝０，１，…，Ｊ−１、ｉ＝０，１，…，Ｒ＿Ｆ−１）はフレーム間の予測係数を示す。予測係数α＿Ｆｊ（ｉ）（ｊ＝０，１，…，Ｊ−１、ｉ＝０，１，…，Ｒ＿Ｆ−１）は、上記の式（１０）により求められる２乗誤差の値が統計的に最小となるように予め学習により求めて設けられる。具体的には、第２コードブックを学習により求めた後に、多数の学習用の音声データから得られる多数のＬＳＰベクトルを用意し、多数のＬＳＰベクトルから得られる多数の第２分割ベクトル各々に対して上記の式（１０）に従い２乗誤差ＥＲＲ＿Ｆ（ｎ）を求める。次いで、求められた２乗誤差ＥＲＲ＿Ｆ（ｎ）の総和が最小となるα＿Ｆｊ（ｉ）（ｊ＝０，１，…，Ｊ−１、ｉ＝０，１，…，Ｒ＿Ｆ−１）を求める。なお、予測係数α＿Ｆｊ（ｉ）（ｊ＝０，１，…，Ｊ−１、ｉ＝０，１，…，Ｒ＿Ｆ−１）は、下記の式（１１）に示す関係を満たす。
Figure 2007132750
第２量子化部２０２は、上記の式（１０）に従い求められる２乗誤差が最小となる第２コードベクトルのインデックスｎ＿ｍｉｎを第２符号として多重化部１０６に出力する。また、第２量子化部２０２は、下記の式（１２）に従いバッファを更新する。
Figure 2007132750
図９は、本発明の実施の形態２に係るＬＳＰベクトル逆量子化部２５０の主要な構成を示すブロック図である。なお、ＬＳＰベクトル逆量子化装置２５０は、実施の形態１に示したＬＳＰベクトル逆量子化装置１５０（図５参照）と同様の基本的構成を有しており、同一の構成要素には同一の符号を付し、その説明を省略する。
ＬＳＰベクトル逆量子化装置２５０は、符号分離部１５１、予測ベクトル選択部１５２、第１逆量子化部１５３、第２逆量子化部１５４、第１ベクトル加算部２５１、第２ベクトル加算部２５２、およびベクトル結合部１５６を備える。ＬＳＰベクトル逆量子化装置２５０は、ベクトル加算部１５５に代えて第２ベクトル加算部２５２を備え、第１ベクトル加算部２５１をさらに備える点においてＬＳＰベクトル逆量子化装置１５０と相違する。
第１ベクトル加算部２５１は、過去の複数フレームの逆量子化において第１逆量子化部１５３で選択された第１コードベクトルを記憶するバッファを備える。第１ベクトル加算部２５１は、上記バッファに記憶されている第１コードベクトル、および第１逆量子化部１５３から入力される第１コードベクトルを用いて加算処理を行い、加算結果を第１量子化分割ベクトルとしてベクトル結合部１５６に出力する。
第２ベクトル加算部２５２は、過去の複数フレームの逆量子化において第２逆量子化部１５４で選択された第２コードベクトルを記憶するバッファを備える。第２ベクトル加算部２５２は、上記バッファに記憶されている第２コードベクトル、第２逆量子化部１５４から入力される第２コードベクトル、および予測ベクトル選択部１５２から入力される予測ベクトルを用いて加算処理を行い、加算結果を第２量子化分割ベクトルとしてベクトル結合部１５６に出力する。
上記の構成を有する第１ベクトル加算部２５１および第２ベクトル加算部２５２は、以下の動作を行う。
第１ベクトル加算部２５１は、内蔵のバッファに保存されている第１コードベクトルＣＯＤＥ＿Ｐｊ（ｉ）（ｊ＝０，１，…，Ｊ−１、ｉ＝０，１，…，Ｒ＿Ｐ−１）と、第１逆量子化部１５３から入力される第１コードベクトルＣＯＤＥ＿Ｐ（ｍ＿ｍｉｎ）（ｉ）（ｉ＝０，１，…，Ｒ＿Ｐ−１）とを用いて、下記の式（１３）に従い、第１量子化分割ベクトルＱ＿Ｐ（ｉ）（ｉ＝０，１，…，Ｒ＿Ｐ−１）を生成する。
Figure 2007132750
 ここで、フレーム間予測係数α＿Ｐｊ（ｉ）（ｊ＝０，１，…，Ｊ−１）は、ＬＳＰベクトル量子化装置２００の第１量子化部２０１において用いられたフレーム間予測係数と同様である。第１ベクトル加算部２５１は、求められた第１量子化分割ベクトルＱ＿Ｐ（ｉ）（ｉ＝０，１，…，Ｒ＿Ｐ−１）をベクトル結合部１５６に出力し、なお、上記の式（９）に従いバッファを更新する。
第２ベクトル加算部２５２は、内蔵のバッファに保存されている第２コードベクトルＣＯＤＥ＿Ｆｊ（ｉ）（ｊ＝０，１，…，Ｊ−１、ｉ＝０，１，…，Ｒ＿Ｐ−１）と、第２逆量子化部１５４から入力される第２コードベクトルＣＯＤＥ＿Ｆ（ｎ＿ｍｉｎ）（ｉ）（ｉ＝０，１，…，Ｒ＿Ｆ−１）と、予測ベクトル選択部１５２から入力される予測ベクトルＰＲＥＤ（ｍ＿ｍｉｎ）（ｉ）とを用いて、下記の式（１４）に従い、第２量子化分割ベクトルＱ＿Ｆ（ｉ）（ｉ＝０，１，…，Ｒ＿Ｆ−１）を求める。
Figure 2007132750
 ここで、フレーム間予測係数α＿Ｆｊ（ｉ）（ｊ＝０，１，…，Ｊ−１、ｉ＝０，１，…，Ｒ＿Ｆ−１）は、ＬＳＰベクトル量子化装置２００の第２量子化部２０２において用いられたフレーム間予測係数と同一のものである。第２ベクトル加算部２５２は、求められる第２量子化分割ベクトルＱ＿Ｆ（ｉ）（ｉ＝０，１，…，Ｒ＿Ｆ−１）をベクトル結合部１５６に出力し、なお、上述した式（１２）に従いバッファを更新する。
このように、本実施の形態によれば、ＬＳＰベクトルを２つの分割ベクトルに分割し、第１分割ベクトルの量子化結果を用いて第２分割ベクトルを予測する処理、および予測結果である予測ベクトルと、第２分割ベクトルとの残差をさらに量子化する処理においてフレーム間の予測を適用するため、ＬＳＰベクトルの低次と高次との相関性に加え、フレーム間の相関性をさらに利用することが出来、ＬＳＰベクトルの量子化精度をさらに向上することができる。
なお、本実施の形態では、ＬＳＰベクトル量子化装置２００の第２量子化部２０２が第２コードブックの中から第２コードベクトルを選択する方法として上述した式（１０）を用いる場合を例にとって説明したが、これに限定されず、下記の式（１５）に従い第２ベクトルを選択しても良い。
Figure 2007132750
 ここで、β（０≦β≦１）は、加算処理に用いられる予測ベクトルと第２コードベクトルとの重み付け係数である。また、βの値はフレーム毎に適応的に変化させても良い。かかる場合、ＬＳＰベクトル逆量子化装置２５０の第２ベクトル加算部２５２は、下記の式（１６）に従い第２量子化分割ベクトルを求める。
Figure 2007132750
 また、かかる場合、第２量子化部２０２および第２ベクトル加算部２５２は下記の式（１７）に従いバッファを更新する。
Figure 2007132750
さらに、ＬＳＰベクトル量子化装置２００の第２量子化部２０２は、下記の式（１８）に従い、第２コードブックの中から第２コードベクトルを選択しても良い。
Figure 2007132750
 ここで、γ（０≦γ≦１）は予測ベクトルに掛ける係数である。また、γの値はフレーム毎に適応的に変化させても良い。かかる場合、ＬＳＰベクトル逆量子化装置２５０の第２ベクトル加算部２５２は、下記の式（１９）に従い第２量子化分割ベクトルを求める。
Figure 2007132750
また、本実施の形態では、フレーム間の予測係数が一種類である場合を例にとって説明したが、フレーム間の予測係数を複数種類用意してフレーム毎に最適な予測係数を選択するように構成しても良い。かかる場合、ＬＳＰベクトル量子化装置２００で選択された予測係数に関する情報をＬＳＰベクトル逆量子化装置２５０に送る。
以上、本発明の各実施の形態について説明した。
なお、ＬＳＰは、ＬＳＦ（Lｉne Spectral Frequency）と呼ばれることもあり、ＬＳＰをＬＳＦと読み替えてもよい。また、ＬＳＰの代わりにＩＳＰ（Ｉmmｉttance Spectrum Paｉrs）をスペクトルパラメータとして量子化する場合はＬＳＰをＩＳＰに読み替え、ＩＳＰ量子化／逆量子化装置として本実施の形態を利用することができる。
本発明に係るＬＳＰベクトル量子化装置、ＬＳＰベクトル逆量子化装置、およびこれらの方法は、上記各実施の形態に限定されず、種々変更して実施することが可能である。
本発明に係るＬＳＰベクトル量子化装置およびＬＳＰベクトル逆量子化装置は、音声伝送を行う移動体通信システムにおける通信端末装置に搭載することが可能であり、これにより上記と同様の作用効果を有する通信端末装置を提供することができる。
なお、ここでは、本発明をハードウェアで構成する場合を例にとって説明したが、本発明をソフトウェアで実現することも可能である。例えば、本発明に係るＬＳＰベクトル量子化方法およびＬＳＰベクトル逆量子化方法のアルゴリズムをプログラミング言語によって記述し、このプログラムをメモリに記憶しておいて情報処理手段によって実行させることにより、本発明に係るＬＳＰベクトル量子化装置およびＬＳＰベクトル逆量子化装置と同様の機能を実現することができる。
また、上記各実施の形態の説明に用いた各機能ブロックは、典型的には集積回路であるＬＳＩとして実現される。これらは個別に１チップ化されても良いし、一部または全てを含むように１チップ化されても良い。
また、ここではＬＳＩとしたが、集積度の違いによって、ＩＣ、システムＬＳＩ、スーパーＬＳＩ、ウルトラＬＳＩ等と呼称されることもある。
また、集積回路化の手法はＬＳＩに限るものではなく、専用回路または汎用プロセッサで実現しても良い。ＬＳＩ製造後に、プログラム化することが可能なＦＰＧＡ（Fｉeld Programmable Gate Array）や、ＬＳＩ内部の回路セルの接続もしくは設定を再構成可能なリコンフィギュラブル・プロセッサを利用しても良い。
さらに、半導体技術の進歩または派生する別技術により、ＬＳＩに置き換わる集積回路化の技術が登場すれば、当然、その技術を用いて機能ブロックの集積化を行っても良い。バイオ技術の適用等が可能性としてあり得る。
２００６年５月１２日出願の特願２００６−１３４２２２の日本出願に含まれる明細書、図面および要約書の開示内容は、すべて本願に援用される。
本発明に係るＬＳＰベクトル量子化装置、ＬＳＰベクトル逆量子化装置、およびこれらの方法は、音声符号化および音声復号等の用途に適用することができる。
実施の形態１に係るＬＳＰベクトル量子化装置の主要な構成を示すブロック図 実施の形態１に係るベクトル分割部において、６次のＬＳＰベクトルを第１分割ベクトルと第２分割ベクトルとに分割する場合を例示する図 実施の形態１に係るＬＳＰベクトル量子化装置のベクトル量子化処理を模式的に示す図 実施の形態１に係る第１コードブックと予測コードブックとの対応関係の一例を示す図 実施の形態１に係るＬＳＰベクトル逆量子化装置の主要な構成を示すブロック図 実施の形態１に係るＬＳＰベクトル逆量子化装置のベクトル逆量子化処理を模式的に示す図 実施の形態１のバリエーションとして、ＬＳＰベクトルを３分割して量子化する処理を模式的に示す図 実施の形態２に係るＬＳＰベクトル量子化装置の主要な構成を示すブロック図 実施の形態２に係るＬＳＰベクトル逆量子化装置の主要な構成を示すブロック図

Claims (9)

  1. 入力されるＬＳＰ（Line Spectral Pairs）ベクトルを第１分割ベクトルと第２分割ベクトルとに分割するベクトル分割手段と、
    第１コードブックを備え、前記第１分割ベクトルを量子化し、第１符号を生成する第１量子化手段と、
    予測コードブックを備え、前記第１符号から前記第２分割ベクトルを予測し、予測ベクトルを生成する予測手段と、
    を具備するＬＳＰベクトル量子化装置。
  2. 前記第１コードブックは複数の第１コードベクトルからなり、
    前記予測コードブックは複数の予測コードベクトルからなり、
    前記複数の第１コードベクトルと前記複数の予測コードベクトルとは、ＬＳＰベクトルの低次部分と高次部分との相関性に基づき対応付けられている、
    請求項１記載のＬＳＰベクトル量子化装置。
  3. 前記第１量子化手段は、
    前記第１コードブックの中から、前記第１分割ベクトルとの類似度が最大となる第１コードベクトルを選択し、選択された第１コードベクトルのインデックスを前記第１符号とし、
    前記予測手段は、
    前記予測コードブックの中から、前記第１符号に対応する予測コードベクトルを選択し、前記予測ベクトルとする、
    請求項２記載のＬＳＰベクトル量子化装置。
  4. 前記予測ベクトルと、前記第２分割ベクトルとの残差を求め、予測残差ベクトルとする予測残差生成手段と、
    第２コードブックを備え、前記予測残差ベクトルを量子化し、第２符号を生成する第２量子化手段と、
    をさらに具備する請求項１記載のＬＳＰベクトル量子化装置。
  5. 前記第２コードブックは複数の第２コードベクトルからなり、
    前記第２量子化手段は、
    前記第２コードブックの中から、前記予測残差ベクトルとの類似度が最大となる第２コードベクトルを選択し、選択された第２コードベクトルのインデックスを前記第２符号とする、
    請求項４記載のＬＳＰベクトル量子化装置。
  6. 前記第１量子化手段は、
    過去の複数フレームにおいて選択された第１コードベクトルを記憶するバッファをさらに具備し、
    前記バッファに記憶されている複数の第１コードベクトルを用いて、さらにフレーム間の予測を行い、前記第１分割ベクトルを量子化する、
    請求項１記載のＬＳＰベクトル量子化装置。
  7. 第１コードブックを備え、ＬＳＰベクトル量子化装置から伝送される第１符号を逆量子化し、第１量子化分割ベクトルを生成する第１逆量子化手段と、
    予測コードブックを備え、前記第１符号を用いて予測を行い、第２量子化分割ベクトルを生成する予測手段と、
    前記第１量子化分割ベクトルと、前記第２量子化分割ベクトルとを結合し、ＬＳＰ量子化ベクトルを生成する結合手段と、
    を具備するＬＳＰベクトル逆量子化装置。
  8. 入力されるＬＳＰベクトルを第１分割ベクトルと第２分割ベクトルとに分割するステップと、
    第１コードブックを備え、前記第１分割ベクトルを量子化し、第１符号を生成するステップと、
    予測コードブックを備え、前記第１符号から前記第２分割ベクトルを予測し、予測ベクトルを生成するステップと、
    を具備するＬＳＰベクトル量子化方法。
  9. 第１コードブックを備え、ＬＳＰベクトル量子化装置から伝送される第１符号を逆量子化し、第１量子化分割ベクトルを生成するステップと、
    予測コードブックを備え、前記第１符号を用いて予測を行い、第２量子化分割ベクトルを生成するステップと、
    前記第１量子化分割ベクトルと、前記第２量子化分割ベクトルとを結合し、ＬＳＰ量子化ベクトルを生成するステップと、
    を具備するＬＳＰベクトル逆量子化方法。
JP2008515524A 2006-05-12 2007-05-11 Ｌｓｐベクトル量子化装置、ｌｓｐベクトル逆量子化装置、およびこれらの方法 Withdrawn JPWO2007132750A1 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2006134222 2006-05-12
JP2006134222 2006-05-12
PCT/JP2007/059709 WO2007132750A1 (ja) 2006-05-12 2007-05-11 Ｌｓｐベクトル量子化装置、ｌｓｐベクトル逆量子化装置、およびこれらの方法

Publications (1)

Publication Number Publication Date
JPWO2007132750A1 true JPWO2007132750A1 (ja) 2009-09-24

Family

ID=38693844

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2008515524A Withdrawn JPWO2007132750A1 (ja) 2006-05-12 2007-05-11 Ｌｓｐベクトル量子化装置、ｌｓｐベクトル逆量子化装置、およびこれらの方法

Country Status (3)

Country Link
US (1) US20090198491A1 (ja)
JP (1) JPWO2007132750A1 (ja)
WO (1) WO2007132750A1 (ja)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101622664B (zh) * 2007-03-02 2012-02-01 松下电器产业株式会社 自适应激励矢量量化装置和自适应激励矢量量化方法
BRPI0818062A2 (pt) * 2007-10-12 2015-03-31 Panasonic Corp Quantizador vetorial, quantizador vetorial inverso, e métodos
CN101911185B (zh) * 2008-01-16 2013-04-03 松下电器产业株式会社 矢量量化装置、矢量反量化装置及其方法
US8660195B2 (en) * 2010-08-10 2014-02-25 Qualcomm Incorporated Using quantized prediction memory during fast recovery coding
US8620660B2 (en) * 2010-10-29 2013-12-31 The United States Of America, As Represented By The Secretary Of The Navy Very low bit rate signal coder and decoder
CN105448298B (zh) * 2011-03-10 2019-05-14 瑞典爱立信有限公司 填充变换编码音频信号中的非编码子向量
EP2684190B1 (en) * 2011-03-10 2015-11-18 Telefonaktiebolaget L M Ericsson (PUBL) Filling of non-coded sub-vectors in transform coded audio signals
MX354812B (es) * 2011-04-21 2018-03-22 Samsung Electronics Co Ltd Método para cuantificar coeficientes de codificación predictiva lineal, método de codificación de sonido, método para decuantificar coeficientes de codificación predictiva lineal, método de decodificación de sonido y medio de grabación.
BR122021000241B1 (pt) * 2011-04-21 2022-08-30 Samsung Electronics Co., Ltd Aparelho de quantização de coeficientes de codificação preditiva linear
PL3193332T3 (pl) * 2012-07-12 2020-12-14 Nokia Technologies Oy Kwantyzacja wektorowa
EP3125241B1 (en) * 2014-03-28 2021-05-05 Samsung Electronics Co., Ltd. Method and device for quantization of linear prediction coefficient and method and device for inverse quantization

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3151874B2 (ja) * 1991-02-26 2001-04-03 日本電気株式会社 音声パラメータ符号化方式および装置
JP3148778B2 (ja) * 1993-03-29 2001-03-26 日本電信電話株式会社 音声の符号化方法
DE69328450T2 (de) * 1992-06-29 2001-01-18 Nippon Telegraph & Telephone Verfahren und Vorrichtung zur Sprachkodierung
JPH0675600A (ja) * 1992-08-27 1994-03-18 Fujitsu Ltd 分割ベクトル量子化方式および分割ベクトル逆量子化方式
AU7960994A (en) * 1993-10-08 1995-05-04 Comsat Corporation Improved low bit rate vocoders and methods of operation therefor
JP3283152B2 (ja) * 1995-02-27 2002-05-20 松下電器産業株式会社 音声パラメータ量子化装置およびベクトル量子化装置
JP3353267B2 (ja) * 1996-02-22 2002-12-03 日本電信電話株式会社 音響信号変換符号化方法及び復号化方法
JPH09258794A (ja) * 1996-03-18 1997-10-03 Fujitsu Ltd ベクトル量子化装置
DE69721595T2 (de) * 1996-11-07 2003-11-27 Matsushita Electric Ind Co Ltd Verfahren zur Erzeugung eines Vektorquantisierungs-Codebuchs
KR100198476B1 (ko) * 1997-04-23 1999-06-15 윤종용 노이즈에 견고한 스펙트럼 포락선 양자화기 및 양자화 방법
US6952671B1 (en) * 1999-10-04 2005-10-04 Xvd Corporation Vector quantization with a non-structured codebook for audio compression
KR100324204B1 (ko) * 1999-12-24 2002-02-16 오길록 예측분할벡터양자화 및 예측분할행렬양자화 방식에 의한선스펙트럼쌍 양자화기의 고속탐색방법
JP3916934B2 (ja) * 2000-11-27 2007-05-23 日本電信電話株式会社 音響パラメータ符号化、復号化方法、装置及びプログラム、音響信号符号化、復号化方法、装置及びプログラム、音響信号送信装置、音響信号受信装置
AU2002224116A1 (en) * 2000-11-27 2002-06-03 Matsushita Electric Industrial Co., Ltd. Method, device and program for coding and decoding acoustic parameter, and method, device and program for coding and decoding sound
JP3793111B2 (ja) * 2002-05-23 2006-07-05 松下電器産業株式会社 分割型スケーリング因子を用いたスペクトル包絡パラメータのベクトル量子化器
KR100487719B1 (ko) * 2003-03-05 2005-05-04 한국전자통신연구원 광대역 음성 부호화를 위한 엘에스에프 계수 벡터 양자화기
WO2007114290A1 (ja) * 2006-03-31 2007-10-11 Matsushita Electric Industrial Co., Ltd. ベクトル量子化装置、ベクトル逆量子化装置、ベクトル量子化方法及びベクトル逆量子化方法

Also Published As

Publication number Publication date
US20090198491A1 (en) 2009-08-06
WO2007132750A1 (ja) 2007-11-22

Similar Documents

Publication Publication Date Title
JPWO2007132750A1 (ja) Ｌｓｐベクトル量子化装置、ｌｓｐベクトル逆量子化装置、およびこれらの方法
JP5143193B2 (ja) スペクトル包絡情報量子化装置、スペクトル包絡情報復号装置、スペクトル包絡情報量子化方法及びスペクトル包絡情報復号方法
US8229749B2 (en) Wide-band encoding device, wide-band LSP prediction device, band scalable encoding device, wide-band encoding method
JP5419714B2 (ja) ベクトル量子化装置、ベクトル逆量子化装置、およびこれらの方法
WO2008072670A1 (ja) 符号化装置、復号装置、およびこれらの方法
JPWO2008047795A1 (ja) ベクトル量子化装置、ベクトル逆量子化装置、およびこれらの方法
JPWO2007114290A1 (ja) ベクトル量子化装置、ベクトル逆量子化装置、ベクトル量子化方法及びベクトル逆量子化方法
JP5300733B2 (ja) ベクトル量子化装置、ベクトル逆量子化装置、およびこれらの方法
US9153242B2 (en) Encoder apparatus, decoder apparatus, and related methods that use plural coding layers
US8493244B2 (en) Vector quantization device, vector inverse-quantization device, and methods of same
JP4937746B2 (ja) 音声符号化装置および音声符号化方法
US20100274556A1 (en) Vector quantizer, vector inverse quantizer, and methods therefor
JP5544370B2 (ja) 符号化装置、復号装置およびこれらの方法
JP6062861B2 (ja) 符号化装置及び符号化方法
JP6644848B2 (ja) ベクトル量子化装置、音声符号化装置、ベクトル量子化方法、及び音声符号化方法
JP5606457B2 (ja) 符号化装置および符号化方法
JP3793111B2 (ja) 分割型スケーリング因子を用いたスペクトル包絡パラメータのベクトル量子化器
US8949117B2 (en) Encoding device, decoding device and methods therefor

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20100309

A761 Written withdrawal of application

Free format text: JAPANESE INTERMEDIATE CODE: A761

Effective date: 20120206