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 PDFInfo
- 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- Withdrawn
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
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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
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。
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。
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。
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。
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。
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。
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。
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。
,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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
Claims (9)
- 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。
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)
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)
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 |
-
2007
- 2007-05-11 US US12/300,225 patent/US20090198491A1/en not_active Abandoned
- 2007-05-11 JP JP2008515524A patent/JPWO2007132750A1/ja not_active Withdrawn
- 2007-05-11 WO PCT/JP2007/059709 patent/WO2007132750A1/ja active Application Filing
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 |