JPWO2009047911A1

JPWO2009047911A1 - 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

Info

Publication number: JPWO2009047911A1
Application number: JP2009536932A
Authority: JP
Inventors: 佐藤　薫; 薫佐藤; 利幸森井; 江原　宏幸; 宏幸江原
Original assignee: Panasonic Corp; Matsushita Electric Industrial Co Ltd
Current assignee: Panasonic Corp; Panasonic Holdings Corp
Priority date: 2007-10-12
Filing date: 2008-10-10
Publication date: 2011-02-17
Anticipated expiration: 2028-10-10
Also published as: EP2202727A1; EP2202727B1; JP5300733B2; KR101390051B1; CA2701757C; RU2010114237A; US20100211398A1; EP2202727A4; BRPI0818062A2; CN101821800B; MY152348A; CA2701757A1; RU2469421C2; US8438020B2; WO2009047911A1; KR20100085908A; CN101821800A

Abstract

量子化対象ベクトルとの相関を有する特徴の種類によって１段目のベクトル量子化のコードブックを切り替える際に、ベクトル量子化精度を向上するベクトル量子化装置。このベクトル量子化装置では、分類器（１０１）は、複数の種類のうち、広帯域ＬＳＰ（Line Spectral Pairs）との相関を有する狭帯域ＬＳＰベクトルの種類を表す分類情報を生成し、第１コードブック（１０３）は、狭帯域ＬＳＰベクトルの複数の種類それぞれに対応する複数のサブコードブック（ＣＢａ１〜ＣＢａｎ）の中から、分類情報に対応する１つのサブコードブックを１段目の量子化に用いるコードブックとして選択し、乗算器（１０７）は、スケーリング因子決定部（１０６）に格納されている複数のスケーリング因子のうち、分類情報に対応するスケーリング因子を、加算器（１０４）から入力される１段目の量子化残差ベクトルに乗じ、２段目の量子化対象として加算器（１０９）に出力する。

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・復号技術が不可欠である。その中で特に、ＣＥＬＰ（Code Excited Linear Prediction）方式の音声符号化・復号技術が主流の技術となっている。

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とをそれぞれ個別に符号化する。線形予測係数を符号化する方法としては、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。また、ＬＳＰパラメータを符号化する方法としては、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。ベクトル量子化とは、代表的なベクトル（コードベクトル）を複数持つ符号帳（コードブック）の中から、量子化対象のベクトルに最も近いコードベクトルを選択し、選択されたコードベクトルに付与されているインデックス（符号）を量子化結果として出力する方法である。ベクトル量子化においては、使用できる情報量に応じてコードブックのサイズが決まる。例えば、８ビットの情報量でベクトル量子化を行う場合、コードブックは２５６（＝２^８）種類のコードベクトルを用いて構成することができる。

また、ベクトル量子化における情報量、計算量を低減するために、多段ベクトル量子化（ＭＳＶＱ：Multi-Stage Vector Quantization）、または分割ベクトル量子化（ＳＶＱ：Split Vector Quantization）などの様々な技術が用いられている（非特許文献１参照）。多段ベクトル量子化とは、ベクトルを一度ベクトル量子化した後に量子化誤差を更にベクトル量子化する方法であり、分割ベクトル量子化とは、ベクトルを複数に分割して得られた分割ベクトルをそれぞれ量子化する方法である。

また、量子化対象となるＬＳＰとの相関を有する音声的特徴（例えば、音声の有声性、無声性、モード等の情報）に応じて、ベクトル量子化に用いるコードブックを適宜切り替えることにより、ＬＳＰの特徴に適したベクトル量子化を行い、ＬＳＰ符号化の性能をさらに高める技術がある。例えば、スケーラブル符号化においては、広帯域ＬＳＰ（広帯域信号から求められるＬＳＰ）と狭帯域ＬＳＰ（狭帯域信号から求められるＬＳＰ）との相互関係を利用し、狭帯域ＬＳＰに対して特徴によって分類を行い、狭帯域ＬＰＳの特徴の種類（以下、狭帯域ＬＳＰの種類と略称する）に応じて多段ベクトル量子化の１段目のコードブックを切り替え、広帯域ＬＳＰをベクトル量子化する（特許文献１参照）。
Allen Gersho、Robert M. Gray著、古井、外３名訳、「ベクトル量子化と情報圧縮」、コロナ社、１９９８年１１月１０日、p.506、524-531 国際公開第２００６／０３０８６５号パンフレット

特許文献１記載の多段ベクトル量子化においては、狭帯域ＬＳＰの種類に対応するコードブックを用いて１段目のベクトル量子化が行われるため、１段目のベクトル量子化の量子化誤差の分散は狭帯域ＬＰＳの種類によって異なる。しかし、２段目以降のベクトル量子化では狭帯域ＬＳＰの種類にかかわらず共通の一つのコードブックを用いるため、２段目以降のベクトル量子化精度が不十分になってしまうという問題がある。

本発明は、かかる点に鑑みてなされたものであり、量子化対象ベクトルとの相関を有する特徴の種類に応じて１段目のコードブックが切り替わる多段ベクトル量子化において、２段目以降のベクトル量子化の量子化精度を向上することができる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を提供することを目的とする。

本発明のベクトル量子化装置は、複数の種類のうち、量子化対象ベクトルとの相関を有する特徴の種類を表す分類情報を生成する分類手段と、前記複数の種類それぞれに対応する複数の第１コードブックの中から、前記分類情報に対応する１つの第１コードブックを選択する選択手段と、前記選択された第１コードブックを構成する複数の第１コードベクトルを用いて量子化対象ベクトルを量子化し、第１符号を得る第１量子化手段と、前記複数の種類それぞれに対応するスケーリング因子からなるスケーリング因子コードブックと、複数の第２コードベクトルからなる第２コードブックを備え、前記分類情報に対応するスケーリング因子を用いて、前記第１符号が示す１つの第１コードベクトルと前記量子化対象ベクトルとの残差ベクトルを量子化し、第２符号を得る第２量子化手段と、を具備する構成を採る。

本発明のベクトル逆量子化装置は、複数の種類のうち、量子化対象ベクトルとの相関を有する特徴の種類を表す分類情報を生成する分類手段と、受信した符号化データから、前記量子化対象ベクトルの１段目の量子化結果である第１符号と、前記量子化対象ベクトルの２段目の量子化結果である第２符号とを分離する分離手段と、複数の種類それぞれに対応する複数の第１コードブックの中から、前記分類情報に対応する１つの第１コードブックを選択する選択手段と、前記選択された第１コードブックの中から、前記第１符号に対応する１つの第１コードベクトルを選択する第１逆量子化手段と、前記複数の種類それぞれに対応するスケーリング因子からなるスケーリング因子コードブックと、複数の第２コードベクトルからなる第２コードブックの中から、前記第２符号に対応する１つの第２コードベクトルを選択し、前記１つの第２コードベクトルと、前記分類情報に対応するスケーリング因子と、前記１つの第１コードベクトルとを用い、前記量子化対象ベクトルを得る第２逆量子化手段と、を具備する構成を採る。

本発明のベクトル量子化方法は、複数の種類のうち、量子化対象ベクトルとの相関を有する特徴の種類を表す分類情報を生成するステップと、前記複数の種類それぞれに対応する複数の第１コードブックの中から、前記分類情報に対応する１つの第１コードブックを選択するステップと、前記選択された第１コードブックを構成する複数の第１コードベクトルを用いて前記量子化対象ベクトルを量子化し、第１符号を得るステップと、第２コードブックを構成する複数の第２コードベクトルと、前記分類情報に対応するスケーリング因子とを用い、前記第１符号に対応する第１コードベクトルと前記量子化対象ベクトルとの残差ベクトルを量子化し、第２符号を得るステップと、を有するようにした。

本発明のベクトル逆量子化方法は、複数の種類のうち、量子化対象ベクトルとの相関を有する特徴の種類を表す分類情報を生成するステップと、受信した符号化データから、前記量子化対象ベクトルの１段目の量子化結果である第１符号と、前記量子化対象ベクトルの２段目の量子化結果である第２符号とを分離するステップと、複数の種類それぞれに対応する複数の第１コードブックの中から、前記分類情報に対応する１つの第１コードブックを選択するステップと、前記選択された第１コードブックの中から、前記第１符号に対応する１つの第１コードベクトルを選択するステップと、複数の第２コードベクトルからなる第２コードブックの中から、前記第２符号に対応する１つの第２コードベクトルを選択し、前記１つの第２コードベクトルと、前記分類情報に対応するスケーリング因子と、前記１つの第１コードベクトルとを用いて前記量子化対象ベクトルを生成するステップと、を有するようにした。

本発明によれば、量子化対象ベクトルとの相関を有する特徴の種類に応じて１段目のコードブックを切り替える多段ベクトル量子化において、上記種類に対応するスケーリング因子を用いて２段目以降のベクトル量子化を行うことにより、２段目以降のベクトル量子化の量子化精度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３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３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。なお、本発明に係る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として、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例にとって説明する。

また、本発明の実施の形態では、スケーラブル符号化の広帯域ＬＳＰ量子化器において、広帯域ＬＳＰをベクトル量子化対象とし、ベクトル量子化対象との相関を有する狭帯域ＬＳＰの種類を用いて、１段目の量子化に用いるコードブックを切り替える場合を例にとって説明する。なお、狭帯域ＬＳＰの代わりに、量子化狭帯域ＬＳＰ（図示しない狭帯域ＬＳＰ量子化器によって予め量子化された狭帯域ＬＳＰ）を用いて１段目の量子化に用いるコードブックを切り替えても良い。また、量子化狭帯域ＬＳＰを広帯域形態に変換し、変換後の量子化狭帯域ＬＳＰを用いて１段目の量子化に用いるコードブックを切り替えても良い。

（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、ＬＰＳベクトル量子化装置１００において、入力されるＬＳＰベクトルを３段階の多段ベクトル量子化により量子化する場合を例にとって説明する。

図１において、ＬＳＰベクトル量子化装置１００は、分類器１０１、スイッチ１０２、第１コードブック１０３、加算器１０４、誤差最小化部１０５、スケーリング因子決定部１０６、乗算器１０７、第２コードブック１０８、加算器１０９、第３コードブック１１０、および加算器１１１を備える。

分類器１０１は、狭帯域ＬＳＰベクトルの複数の種類それぞれを示す複数の分類情報からなる分類用コードブックを予め格納しており、ベクトル量子化対象である広帯域ＬＳＰベクトルの種類を示す分類情報を分類用コードブックの中から選択し、スイッチ１０２、およびスケーリング因子決定部１０６に出力する。具体的には、分類器１０１は、狭帯域ＬＳＰベクトルの各種類に対応するコードベクトルからなる分類用コードブックを内蔵しており、分類用コードブックを探索することにより、入力される狭帯域ＬＳＰベクトルとの二乗誤差が最小となるコードベクトルを求める。分類器１０１は、探索により求めたコードベクトルのインデックスを、ＬＳＰベクトルの種類を示す分類情報とする。

スイッチ１０２は、分類器１０１から入力される分類情報に対応するサブコードブックを第１コードブック１０３の中から１つ選び、そのサブコードブックの出力端子を加算器１０４に接続する。

第１コードブック１０３は、狭帯域ＬＳＰの各種類に対応したサブコードブック（ＣＢａ１〜ＣＢａｎ）を予め格納している。すなわち、例えば狭帯域ＬＳＰの種類の総数がｎである場合、第１コードブック１０３を構成するサブコードブックの数もｎとなる。第１コードブック１０３は、第１コードブックを構成する複数の第１コードベクトルの中から、誤差最小化部１０５からの指示により指示された第１コードベクトルをスイッチ１０２に出力する。

加算器１０４は、ベクトル量子化対象として入力される広帯域ＬＳＰベクトルと、スイッチ１０２から入力されるコードベクトルとの差を求め、この差を第１残差ベクトルとして誤差最小化部１０５に出力する。また、加算器１０４は、すべての第１コードベクトルそれぞれに対応する第１残差ベクトルのうち、誤差最小化部１０５の探索により最小となると分かった１つを乗算器１０７に出力する。

誤差最小化部１０５は、加算器１０４から入力される第１残差ベクトルを二乗した結果を広帯域ＬＳＰベクトルと第１コードベクトルとの二乗誤差とし、第１コードブックを探索することによりこの二乗誤差が最小となる第１コードベクトルを求める。同様に、誤差最小化部１０５は、加算器１０９から入力される第２残差ベクトルを二乗した結果を第１残差ベクトルと第２コードベクトルとの二乗誤差とし、第２コードブックを探索することによりこの二乗誤差が最小となる第２コードベクトルを得る。同様に、誤差最小化部１０５は、加算器１１１から入力される第３残差ベクトルを二乗した結果を第２残差ベクトルと第３コードベクトルとの二乗誤差とし、第３コードブックを探索することによりこの二乗誤差が最小となる第３コードベクトルを得る。誤差最小化部１０５は、探索により得られた３つのコードベクトルに付与されているインデックスを纏めて符号化し、符号化データとして出力する。

スケーリング因子決定部１０６は、狭帯域ＬＳＰベクトルの各種類に対応するスケーリング因子からなるスケーリング因子コードブックを予め格納している。スケーリング因子決定部１０６は、分類器１０１から入力される分類情報に対応するスケーリング因子をスケーリング因子コードブックの中から選択し、選択されたスケーリング因子の逆数を乗算器１０７に出力する。ここで、スケーリング因子はスカラーであっても良く、ベクトルであっても良い。

乗算器１０７は、加算器１０４から入力された第１残差ベクトルに、スケーリング因子決定部１０６から入力されるスケーリング因子の逆数を乗じて加算器１０９に出力する。

第２コードブック（ＣＢｂ）１０８は、複数の第２コードベクトルからなり、誤差最小化部１０５からの指示により指示された第２コードベクトルを加算器１０９に出力する。

加算器１０９は、乗算器１０７から入力される、スケーリング因子の逆数が乗算された第１残差ベクトルと、第２コードブック１０８から入力される第２コードベクトルとの差を求め、この差を第２残差ベクトルとして誤差最小化部１０５に出力する。また、加算器１０９は、すべての第２コードベクトルそれぞれに対応する第２残差ベクトルのうち、誤差最小化部１０５の探索により最小となると分かった１つを加算器１１１に出力する。

第３コードブック１１０（ＣＢｃ）は、複数の第３コードベクトルからなり、誤差最小化部１０５からの指示により指示された第３コードベクトルを加算器１１１に出力する。

加算器１１１は、加算器１０９から入力される第２残差ベクトルと、第３コードブック１１０から入力される第３コードベクトルとの差を求め、この差を第３残差ベクトルとして誤差最小化部１０５に出力する。

次に、量子化対象となる広帯域ＬＳＰベクトルの次数がＲ次である場合を例にとって、ＬＳＰベクトル量子化装置１００が行う動作について説明する。なお、以下の説明では、広帯域ＬＳＰベクトルをＬＳＰ（ｉ）（ｉ＝０，１，…，Ｒ−１）と記す。

分類器１０１は、狭帯域ＬＳＰベクトルのｎ個の種類それぞれに対応するｎ個のコードベクトルからなる分類用コードブックを内蔵しており、コードベクトルを探索することにより、入力される狭帯域ＬＳＰベクトルとの二乗誤差が最小となるｍ番目のコードベクトルを求める。分類器１０１は、ｍ（１≦ｍ≦ｎ）を分類情報としてスイッチ１０２、およびスケーリング因子決定部１０６に出力する。

スイッチ１０２は、分類情報ｍに対応するサブコードブックＣＢａｍを第１コードブック１０３の中から選択し、そのサブコードブックの出力端子を加算器１０４に接続する。

第１コードブック１０３は、ｎ個のサブコードブックＣＢａ１〜ＣＢａｎのうち、ＣＢａｍを構成する各第１コードベクトルＣＯＤＥ＿１^（ｄ１）（ｉ）（ｄ１＝０，１，…，Ｄ１−１、ｉ＝０，１，…，Ｒ−１）の中から、誤差最小化部１０５からの指示ｄ１’により指示された第１コードベクトルＣＯＤＥ＿１^{（ｄ１’）}（ｉ）（ｉ＝０，１，…，Ｒ−１）を、スイッチ１０２に出力する。ここで、Ｄ１は第１コードブックのコードベクトルの総数であり、ｄ１は第１コードベクトルのインデックスである。ここで、第１コードブック１０３は、ｄ１’＝０からｄ１’＝Ｄ１−１までのｄ１’の値を順次誤差最小化部１０５から指示される。

加算器１０４は、ベクトル量子化対象として入力される広帯域ＬＳＰベクトルＬＳＰ（ｉ）（ｉ＝０，１，…，Ｒ−１）と、第１コードブック１０３から入力される第１コードベクトルＣＯＤＥ＿１（ｄ１’）（ｉ）（ｉ＝０，１，…，Ｒ−１）との差を下記の式（１）に従って求め、この差を第１残差ベクトルＥｒｒ＿１^{（ｄ１’）}（ｉ）（ｉ＝０，１，…，Ｒ−１）として誤差最小化部１０５に出力する。また、加算器１０４は、ｄ１’＝０からｄ１’＝Ｄ１−１までのｄ１’それぞれに対応する第１残差ベクトルＥｒｒ＿１^{（ｄ１’）}（ｉ）（ｉ＝０，１，…，Ｒ−１）のうち、誤差最小化部１０５の探索により最小となると分かった第１残差ベクトルＥｒｒ＿１^{（ｄ１＿ｍｉｎ）}（ｉ）（ｉ＝０，１，…，Ｒ−１）を乗算器１０７に出力する。

誤差最小化部１０５は、ｄ１’＝０からｄ１’＝Ｄ１−１までのｄ１’の値を順次第１コードブック１０３に指示し、ｄ１’＝０からｄ１’＝Ｄ１−１までのｄ１’それぞれに対して、加算器１０４から入力される第１残差ベクトルＥｒｒ＿１^{（ｄ１’）}（ｉ）（ｉ＝０，１，…，Ｒ−１）を下記の式（２）に従って二乗し、二乗誤差Ｅｒｒを求める。

誤差最小化部１０５は、二乗誤差Ｅｒｒが最小となる第１コードベクトルのインデックスｄ１’を第１インデックスｄ１＿ｍｉｎとして記憶する。

スケーリング因子決定部１０６は、分類情報ｍに対応するスケーリング因子Ｓｃａｌｅ^（ｍ）（ｉ）（ｉ＝０，１，…，Ｒ−１）をスケーリング因子コードブックの中から選択し、そのスケーリング因子の逆数Ｒｅｃ＿Ｓｃａｌｅ^（ｍ）（ｉ）を下記の式（３）に従って求めて乗算器１０７に出力する。

乗算器１０７は、下記の式（４）に従って、加算器１０４から入力される第１残差ベクトルＥｒｒ＿１^{（ｄ１＿ｍｉｎ）}（ｉ）（ｉ＝０，１，…，Ｒ−１）に、スケーリング因子決定部１０６から入力されるスケーリング因子の逆数Ｒｅｃ＿Ｓｃａｌｅ^（ｍ）（ｉ）（ｉ＝０，１，…，Ｒ−１）を乗じて加算器１０９に出力する。

第２コードブック１０８は、コードブックを構成する各第２コードベクトルＣＯＤＥ＿２^（ｄ２）（ｉ）（ｄ２＝０，１，…，Ｄ２−１、ｉ＝０，１，…，Ｒ−１）の中から、誤差最小化部１０５からの指示ｄ２’により指示されたコードベクトルＣＯＤＥ＿２^{（ｄ２’）}（ｉ）（ｉ＝０，１，…，Ｒ−１）を加算器１０９に出力する。ここで、Ｄ２は第２コードブックのコードベクトルの総数であり、ｄ２はコードベクトルのインデックスである。第２コードブック１０８は、ｄ２’＝０からｄ２’＝Ｄ２−１までのｄ２’の値を順次誤差最小化部１０５から指示される。

加算器１０９は、乗算器１０７から入力されるスケーリング因子の逆数が乗算された第１残差ベクトルＳｃａ＿Ｅｒｒ＿１^{（ｄ１＿ｍｉｎ）}（ｉ）（ｉ＝０，１，…，Ｒ−１）と、第２コードブック１０８から入力される第２コードベクトルＣＯＤＥ＿２^{（ｄ２’）}（ｉ）（ｉ＝０，１，…，Ｒ−１）との差を下記の式（５）に従って求め、この差を第２残差ベクトルＥｒｒ＿２^{（ｄ２’）}（ｉ）（ｉ＝０，１，…，Ｒ−１）として誤差最小化部１０５に出力する。また、加算器１０９は、ｄ２’＝０からｄ２’＝Ｄ１−１までのｄ２’それぞれに対応する第２残差ベクトルＥｒｒ＿２^{（ｄ２’）}（ｉ）（ｉ＝０，１，…，Ｒ−１）のうち、誤差最小化部１０５の探索により最小となると分かった第２残差ベクトルＥｒｒ＿２^{（ｄ２＿ｍｉｎ）}（ｉ）（ｉ＝０，１，…，Ｒ−１）を加算器１１１に出力する。

ここで、誤差最小化部１０５は、ｄ２’＝０からｄ２’＝Ｄ２−１までのｄ２’の値を順次第２コードブック１０８に指示し、ｄ２’＝０からｄ２’＝Ｄ２−１までのｄ２’それぞれに対して、加算器１０９から入力される第２残差ベクトルＥｒｒ＿２^{（ｄ２’）}（ｉ）（ｉ＝０，１，…，Ｒ−１）を下記の式（６）に従って二乗し、二乗誤差Ｅｒｒを求める。

誤差最小化部１０５は、二乗誤差Ｅｒｒが最小となる第２コードベクトルのインデックスｄ２’を第２インデックスｄ２＿ｍｉｎとして記憶する。

第３コードブック１１０は、コードブックを構成する各第３コードベクトルＣＯＤＥ＿３^（ｄ３）（ｉ）（ｄ３＝０，１，…，Ｄ３−１、ｉ＝０，１，…，Ｒ−１）の中から、誤差最小化部１０５からの指示ｄ３’により指示された第３コードベクトルＣＯＤＥ＿３^{（ｄ３’）}（ｉ）（ｉ＝０，１，…，Ｒ−１）を加算器１１１に出力する。ここで、Ｄ３は第３コードブックのコードベクトルの総数であり、ｄ３はコードベクトルのインデックスである。第３コードブック１１０は、ｄ３’＝０からｄ３’＝Ｄ３−１までのｄ３’の値を順次誤差最小化部１０５から指示される。

加算器１１１は、加算器１０９から入力される第２残差ベクトルＥｒｒ＿２^{（ｄ２＿ｍｉｎ）}（ｉ）（ｉ＝０，１，…，Ｒ−１）と、第３コードブック１１０から入力されるコードベクトルＣＯＤＥ＿３^{（ｄ３’）}（ｉ）（ｉ＝０，１，…，Ｒ−１）との差を下記の式（７）に従って求め、この差を第３残差ベクトルＥｒｒ＿３^{（ｄ３’）}（ｉ）（ｉ＝０，１，…，Ｒ−１）として誤差最小化部１０５に出力する。

ここで、誤差最小化部１０５は、ｄ３’＝０からｄ３’＝Ｄ３−１までのｄ３’の値を順次第３コードブック１１０に指示し、ｄ３’＝０からｄ３’＝Ｄ３−１までのｄ３’それぞれに対して、加算器１１１から入力される第３残差ベクトルＥｒｒ＿３^{（ｄ３’）}（ｉ）（ｉ＝０，１，…，Ｒ−１）を下記の式（８）に従って二乗し、二乗誤差Ｅｒｒを求める。

次いで、誤差最小化部１０５は、二乗誤差Ｅｒｒが最小となる第３コードベクトルのインデックスｄ３’を第３インデックスｄ３＿ｍｉｎとして記憶する。そして、誤差最小化部１０５は、第１インデックスｄ１＿ｍｉｎ、第２インデックスｄ２＿ｍｉｎ、第３インデックスｄ３＿ｍｉｎを纏めて符号化し、符号化データとして出力する。

図２は、本実施の形態に係るＬＳＰベクトル逆量子化装置２００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２００は、ＬＳＰベクトル量子化装置１００において出力される符号化データを復号し、量子化ＬＳＰベクトルを生成する。

ＬＳＰベクトル逆量子化装置２００は、分類器２０１、符号分離部２０２、スイッチ２０３、第１コードブック２０４、スケーリング因子決定部２０５、第２コードブック（ＣＢｂ）２０６、乗算器２０７、加算器２０８、第３コードブック（ＣＢｃ）２０９、乗算器２１０、および加算器２１１を備える。なお、第１コードブック２０４は、第１コードブック１０３が備えるサブコードブック（ＣＢａ１〜ＣＢａｎ）と同一内容のサブコードブックを備え、スケーリング因子決定部２０５は、スケーリング因子決定部１０６が備えるスケーリング因子コードブックと同一内容のスケーリング因子コードブックを備える。また、第２コードブック２０６は、第２コードブック１０８が備えるコードブックと同一内容のコードブックを備え、第３コードブック２０９は、第３コードブック１１０が備えるコードブックと同一内容のコードブックを備える。

分類器２０１は、狭帯域ＬＳＰベクトルの複数の種類それぞれを示す複数の分類情報からなる分類用コードブックを予め格納しており、ベクトル量子化対象である広帯域ＬＳＰベクトルの種類を示す分類情報を分類用コードブックの中から選択し、スイッチ２０３、およびスケーリング因子決定部２０５に出力する。具体的には、分類器２０１は、狭帯域ＬＳＰベクトルの各種類に対応するコードベクトルからなる分類用コードブックを内蔵しており、分類用コードブックを探索することにより、図示しない狭帯域ＬＳＰ量子化器から入力される量子化狭帯域ＬＳＰベクトルとの二乗誤差が最小となるコードベクトルを求める。分類器２０１は、探索により求めたコードベクトルのインデックスを、ＬＳＰベクトルの種類を示す分類情報とする。

符号分離部２０２は、ＬＳＰベクトル量子化装置１００から送信される符号化データを第１インデックス、第２インデックス、および第３インデックスに分離する。符号分離部２０２は、第１インデックスを第１コードブック２０４に指示し、第２インデックスを第２コードブック２０６に指示し、第３インデックスを第３コードブック２０９に指示する。

スイッチ２０３は、分類器２０１から入力される分類情報に対応するサブコードブック（ＣＢａｍ）を第１コードブック２０４の中から１つ選び、そのサブコードブックの出力端子を加算器２０８に接続する。

第１コードブック２０４は、第１コードブックを構成する複数の第１コードベクトルの中から、符号分離部２０２により指示された第１インデックスに対応する１つの第１コードベクトルをスイッチ２０３に出力する。

スケーリング因子決定部２０５は、分類器２０１から入力される分類情報に対応するスケーリング因子をスケーリング因子コードブックの中から選択し、乗算器２０７および乗算器２１０に出力する。

第２コードブック２０６は、符号分離部２０２により指示された第２インデックスに対応する１つの第２コードベクトルを乗算器２０７に出力する。

乗算器２０７は、第２コードブック２０６から入力される第２コードベクトルに、スケーリング因子決定部２０５から入力されるスケーリング因子を乗じて加算器２０８に出力する。

加算器２０８は、乗算器２０７から入力されるスケーリング因子乗算後の第２コードベクトルと、スイッチ２０３から入力される第１コードベクトルとを加算し、加算結果となるベクトルを加算器２１１に出力する。

第３コードブック２０９は、符号分離部２０２により指示された第３インデックスに対応する１つの第３コードベクトルを乗算器２１０に出力する。

乗算器２１０は、第３コードブック２０９から入力される第３コードベクトルに、スケーリング因子決定部２０５から入力されるスケーリング因子を乗じて加算器２１１に出力する。

加算器２１１は、乗算器２１０から入力されるスケーリング因子乗算後の第３コードベクトルと、加算器２０８から入力されるベクトルとを加算し、加算結果となるベクトルを量子化広帯域ＬＳＰベクトルとして出力する。

次に、ＬＳＰベクトル逆量子化装置２００の動作について説明する。

分類器２０１は、狭帯域ＬＳＰベクトルのｎ個の種類それぞれに対応するｎ個のコードベクトルからなる分類用コードブックを内蔵しており、コードベクトルを探索することにより、図示しない狭帯域ＬＳＰ量子化器から入力される量子化狭帯域ＬＳＰベクトルとの二乗誤差が最小となるｍ番目のコードベクトルを求める。分類器２０１は、ｍ（１≦ｍ≦ｎ）を分類情報としてスイッチ２０３、およびスケーリング因子決定部２０５に出力する。

符号分離部２０２は、ＬＳＰベクトル量子化装置１００から送信される符号化データを第１インデックスｄ１＿ｍｉｎ、第２インデックスｄ２＿ｍｉｎ、および第３インデックスｄ３＿ｍｉｎに分離する。符号分離部２０２は、第１インデックスｄ１＿ｍｉｎを第１コードブック２０４に指示し、第２インデックスｄ２＿ｍｉｎを第２コードブック２０６に指示し、第３インデックスｄ３＿ｍｉｎを第３コードブック２０９に指示する。

スイッチ２０３は、分類器２０１から入力される分類情報ｍに対応するサブコードブックＣＢａｍを第１コードブック２０４の中から選び、そのサブコードブックの出力端子を加算器２０８に接続する。

第１コードブック２０４は、サブコードブックＣＢａｍを構成する各第１コードベクトルＣＯＤＥ＿１^（ｄ１）（ｉ）（ｄ１＝０，１，…，Ｄ１−１、ｉ＝０，１，…，Ｒ−１）の中から、符号分離部２０２からの指示ｄ１＿ｍｉｎにより指示された第１コードベクトルＣＯＤＥ＿１^{（ｄ１＿ｍｉｎ）}（ｉ）（ｉ＝０，１，…，Ｒ−１）をスイッチ２０３に出力する。

スケーリング因子決定部２０５は、分類器２０１から入力される分類情報ｍに対応するスケーリング因子Ｓｃａｌｅ^（ｍ）（ｉ）（ｉ＝０，１，…，Ｒ−１）をスケーリング因子コードブックの中から選択し、乗算器２０７および乗算器２１０に出力する。

第２コードブック２０６は、第２コードブックを構成する各第２コードベクトルＣＯＤＥ＿２^（ｄ２）（ｉ）（ｄ２＝０，１，…，Ｄ２−１、ｉ＝０，１，…，Ｒ−１）の中から、符号分離部２０２からの指示ｄ２＿ｍｉｎにより指示された第２コードベクトルＣＯＤＥ＿２^{（ｄ２＿ｍｉｎ）}（ｉ）（ｉ＝０，１，…，Ｒ−１）を乗算器２０７に出力する。

乗算器２０７は、下記の式（９）に従って、第２コードブック２０６から入力される第２コードベクトルＣＯＤＥ＿２^{（ｄ２＿ｍｉｎ）}（ｉ）（ｉ＝０，１，…，Ｒ−１）に、スケーリング因子決定部２０５から入力されるスケーリング因子Ｓｃａｌｅ^（ｍ）（ｉ）（ｉ＝０，１，…，Ｒ−１）を乗じて加算器２０８に出力する。

加算器２０８は、下記の式（１０）に従って、第１コードブック２０４から入力される第１コードベクトルＣＯＤＥ＿１^{（ｄ１＿ｍｉｎ）}（ｉ）（ｉ＝０，１，…，Ｒ−１）と、乗算器２０７から入力されるスケーリング因子乗算後の第２コードベクトルＳｃａ＿ＣＯＤＥ＿２^{（ｄ２＿ｍｉｎ）}（ｉ）（ｉ＝０，１，…，Ｒ−１）とを加算し、加算結果となるベクトルＴＭＰ（ｉ）（ｉ＝０，１，…，Ｒ−１）を加算器２１１に出力する。

第３コードブック２０９は、コードブックを構成する各第３コードベクトルＣＯＤＥ＿３^（ｄ３）（ｉ）（ｄ３＝０，１，…，Ｄ３−１、ｉ＝０，１，…，Ｒ−１）の中から、符号分離部２０２からの指示ｄ３＿ｍｉｎにより指示された第３コードベクトルＣＯＤＥ＿３^{（ｄ３＿ｍｉｎ）}（ｉ）（ｉ＝０，１，…，Ｒ−１）を乗算器２１０に出力する。

乗算器２１０は、下記の式（１１）に従って、第３コードブック２０９から入力される第３コードベクトルＣＯＤＥ＿３^{（ｄ３＿ｍｉｎ）}（ｉ）（ｉ＝０，１，…，Ｒ−１）に、スケーリング因子決定部２０５から入力されるスケーリング因子Ｓｃａｌｅ^（ｍ）（ｉ）（ｉ＝０，１，…，Ｒ−１）を乗じて加算器２１１に出力する。

加算器２１１は、下記の式（１２）に従って、加算器２０８から入力されるベクトルＴＭＰ（ｉ）（ｉ＝０，１，…，Ｒ−１）と、乗算器２１０から入力されるスケーリング因子乗算後の第３コードベクトルＳｃａ＿ＣＯＤＥ＿３^{（ｄ３＿ｍｉｎ）}（ｉ）（ｉ＝０，１，…，Ｒ−１）とを加算し、加算結果となるベクトルＱ＿ＬＳＰ（ｉ）（ｉ＝０，１，…，Ｒ−１）を量子化広帯域ＬＳＰベクトルとして出力する。

ＬＳＰベクトル量子化装置１００およびＬＳＰベクトル逆量子化装置２００において用いられる第１コードブック、第２コードブック、第３コードブック、スケーリング因子コードブックは、予め学習により設けられたものである。以下、これらのコードブックの学習方法の一例について説明する。

第１コードブック１０３および第１コードブック２０４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、まず多数の学習用の音声データから得られる多数の、例えばＶ個のＬＳＰベクトルを用意する。次いで、Ｖ個のＬＳＰベクトルを種類（ｎ種類）毎にグループ化し、各グループに属するＬＳＰベクトルを用いて、ＬＢＧ（Linde Buzo Gray）アルゴリズム等の学習アルゴリズムに従いＤ１個の第１コードベクトルＣＯＤＥ＿１^（ｄ１）（ｉ）（ｄ１＝０，１，…，Ｄ１−１、ｉ＝０，１，…，Ｒ−１）を求め、ｎ個のサブコードブックを生成する。

第２コードブック１０８および第２コードブック２０６が備える第２コードブックを学習により求めるためには、前記方法で求めた第１コードブックを用いて１段目のベクトル量子化を行い、加算器１０４から出力される第１残差ベクトルＥｒｒ＿１^{（ｄ１＿ｍｉｎ）}（ｉ）（ｉ＝０，１，…，Ｒ−１）をＶ個得る。次いで、Ｖ個の第１残差ベクトルＥｒｒ＿１^{（ｄ１＿ｍｉｎ）}（ｉ）（ｉ＝０，１，…，Ｒ−１）を用いて、ＬＢＧアルゴリズム等の学習アルゴリズムに従いＤ２個の第２コードベクトルＣＯＤＥ＿２^（ｄ２）（ｉ）（ｄ２＝０，１，…，Ｄ１−１、ｉ＝０，１，…，Ｒ−１）を求め、第２コードブックを生成する。

第３コードブック１１０および第３コードブック２０９が備える第３コードブックを学習により求めるためには、前記方法で求めた第１コードブックおよび第２コードブックを用いて１段目と２段目とのベクトル量子化を行い、加算器１０９から出力される第２残差ベクトルＥｒｒ＿２^{（ｄ２＿ｍｉｎ）}（ｉ）（ｉ＝０，１，…，Ｒ−１）をＶ個得る。次いで、Ｖ個の第２残差ベクトルＥｒｒ＿２^{（ｄ２＿ｍｉｎ）}（ｉ）（ｉ＝０，１，…，Ｒ−１）を用いて、ＬＢＧアルゴリズム等の学習アルゴリズムに従いＤ３個の第３コードベクトルＣＯＤＥ＿３^（ｄ３）（ｉ）（ｄ３＝０，１，…，Ｄ１−１、ｉ＝０，１，…，Ｒ−１）を求め、第３コードブックを生成する。ここでは、スケーリング因子コードブックはまだ生成されていないため、乗算器１０７は動作させず、加算器１０４の出力をそのまま加算器１０９に入力させる。

スケーリング因子決定部１０６およびスケーリング因子決定部２０５が備えるスケーリング因子コードブックを学習により求めるためには、スケーリング因子の値を仮にαとして、前記方法で求めた第１〜第３コードブックを用いて１段目〜３段目のベクトル量子化を行い、Ｖ個の量子化ＬＳＰを求める。次いで、入力であるＶ個のＬＳＰベクトルとＶ個の量子化ＬＳＰベクトルとのスペクトル歪み（ケプストラム歪みでも良い）の平均値を求める。この際、αの値を、例えば０．８〜１．２の範囲で徐々に変えながら、それぞれのαに対応するスペクトル歪みを求め、スペクトル歪みが最小となるαの値をスケーリング因子とすれば良い。αの値の決定を狭帯域ＬＳＰベクトルの種類毎に行うことにより、各種類に対応するスケーリング因子が決まり、これらのスケーリング因子を用いてスケーリング因子コードブックを生成する。また、スケーリング因子がベクトルである場合は、ベクトルの要素毎に上記の学習を行えば良い。

このように、本実施の形態によれば、広帯域ＬＳＰベクトルとの相関を有する狭帯域ＬＳＰベクトルの種類により１段目のベクトル量子化のコードブックを切り換え、１段目のベクトル量子化誤差（第１残差ベクトル）の統計的な分散が種類毎に異なる多段ベクトル量子化において、狭帯域ＬＳＰベクトルの分類結果に対応するスケーリング因子を１段目の量子化残差ベクトルに乗じるため、２段目および３段目のベクトル量子化対象のベクトルの分散を１段目のベクトル量子化誤差の統計的な分散に応じて変更させることができ、従って広帯域ＬＳＰベクトルの量子化精度を向上することができる。

そして、ベクトル逆量子化装置において、量子化精度が向上された量子化方法により生成された広帯域ＬＳＰベクトルの符号化データを入力してベクトル逆量子化を行うことにより、高精度な量子化広帯域ＬＳＰベクトルを生成することが可能となる。また、このようなベクトル逆量子化装置を音声復号装置に用いれば、高精度な量子化広帯域ＬＳＰベクトルを用いて音声を復号することができるため、高品質な復号音声を得ることが可能となる。

なお、本実施の形態では、スケーリング因子決定部１０６およびスケーリング因子決定部２０５が備えるスケーリング因子コードブックを構成するスケーリング因子は狭帯域ＬＳＰベクトルの種類に対応している場合を例にとって説明したが、本発明はこれに限定されず、スケーリング因子決定部１０６およびスケーリング因子決定部２０５が備えるスケーリング因子コードブックを構成するスケーリング因子は、音声の特徴を分類した各種類に対応していても良い。かかる場合、分類器１０１は、狭帯域ＬＳＰベクトルではなく音声の特徴を表すパラメータを音声特徴情報として入力し、入力された音声特徴情報に対応する音声特徴の種類を分類情報としてスイッチ１０２およびスケーリング因子決定部１０６に出力する。例えば、ＶＭＲ−ＷＢ(Varialbe-Rate Multimode Wideband Speech Codec)のように、音声の有声性、雑音性等の特徴でエンコーダのタイプを切り換えるというような符号化装置に本発明を適用する場合、エンコーダのタイプの情報をそのまま音声特徴量として用いて良い。

また、本実施の形態では、スケーリング因子決定部１０６は、分類器１０１から入力される種類に対応するスケーリング因子の逆数を出力する場合を例にとって説明したが、本発明はこれに限定されず、予めスケーリング因子の逆数を求め、求められたスケーリング因子の逆数をスケーリング因子コードブックに格納しても良い。

また、本実施の形態では、ＬＳＰベクトルに対して３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、本発明はこれに限定されず、２段のベクトル量子化、もしくは、４段以上のベクトル量子化を行う場合にも適用できる。

また、本実施の形態では、ＬＳＰベクトルに対して３段の多段ベクトル量子化を行う場合を例にとって説明したが、本発明はこれに限定されず、分割ベクトル量子化と併用してベクトル量子化を行う場合にも適用できる。

また、本実施の形態では、量子化対象として広帯域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、広帯域ＬＳＰベクトル以外のベクトルであっても良い。

また、本実施の形態では、ＬＳＰベクトル逆量子化装置２００は、ＬＳＰベクトル量子化装置１００において出力される符号化データを復号するとしたが、これに限らず、ＬＳＰベクトル逆量子化装置２００で復号可能な形式の符号化データであれば、ＬＳＰベクトル逆量子化装置で受信して復号することが可能であることは言うまでもない。

（実施の形態２）
図３は、本発明の実施の形態２に係るＬＳＰベクトル量子化装置３００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３００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３００は、分類器１０１、スイッチ１０２、第１コードブック１０３、加算器３０４、誤差最小化部１０５、スケーリング因子決定部３０６、第２コードブック３０８、加算器３０９、第３コードブック３１０、加算器３１１、乗算器３１２、および乗算器３１３を備える。

加算器３０４は、ベクトル量子化対象として外部から入力される広帯域ＬＳＰベクトルと、スイッチ１０２から入力される第１コードベクトルとの差を求め、この差を第１残差ベクトルとして誤差最小化部１０５に出力する。また、加算器３０４は、すべての第１コードベクトルそれぞれに対応する第１残差ベクトルのうち、誤差最小化部１０５の探索により最小となると分かった１つを加算器３０９に出力する。

スケーリング因子決定部３０６は、狭帯域ＬＳＰベクトルの各種類に対応するスケーリング因子からなるスケーリング因子コードブックを予め格納している。スケーリング因子決定部３０６は、分類器１０１から入力される分類情報に対応するスケーリング因子を乗算器３１２および乗算器３１３に出力する。ここで、スケーリング因子はスカラーであっても良く、ベクトルであっても良い。

第２コードブック（ＣＢｂ）３０８は、複数の第２コードベクトルからなり、誤差最小化部１０５からの指示により指示された第２コードベクトルを乗算器３１２に出力する。

第３コードブック（ＣＢｃ）３１０は、複数の第３コードベクトルからなり、誤差最小化部１０５からの指示により指示された第３コードベクトルを乗算器３１３に出力する。

乗算器３１２は、第２コードブック３０８から入力された第２コードベクトルに、スケーリング因子決定部３０６から入力されたスケーリング因子を乗じて加算器３０９に出力する。

加算器３０９は、加算器３０４から入力される第１残差ベクトルと、乗算器３１２から入力されるスケーリング因子乗算後の第２コードベクトルとの差を求め、この差を第２残差ベクトルとして誤差最小化部１０５に出力する。また、加算器３０９は、すべての第２コードベクトルそれぞれに対応する第２残差ベクトルのうち、誤差最小化部１０５の探索により最小となると分かった１つを加算器３１１に出力する。

乗算器３１３は、第３コードブック３１０から入力された第３コードベクトルに、スケーリング因子決定部３０６から入力されるスケーリング因子を乗じて加算器３１１に出力する。

加算器３１１は、加算器３０９から入力される第２残差ベクトルと、乗算器３１３から入力されるスケーリング因子乗算後の第３コードベクトルとの差を求め、この差を第３残差ベクトルとして誤差最小化部１０５に出力する。

次に、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、ＬＳＰベクトル量子化装置３００が行う動作について説明する。なお、以下の説明では、ＬＳＰベクトルをＬＳＰ（ｉ）（ｉ＝０，１，…，Ｒ−１）と記す。

加算器３０４は、広帯域ＬＳＰベクトルＬＳＰ（ｉ）（ｉ＝０，１，…，Ｒ−１）と、第１コードブック１０３から入力される第１コードベクトルＣＯＤＥ＿１（ｄ１´）（ｉ）（ｉ＝０，１，…，Ｒ−１）との差を下記の式（１３）に従って求め、この差を第１残差ベクトルＥｒｒ＿１（ｄ１´）（ｉ）（ｉ＝０，１，…，Ｒ−１）として誤差最小化部１０５に出力する。また、加算器３０４は、ｄ１’＝０からｄ１’＝Ｄ１−１までのｄ１’それぞれに対応する第１残差ベクトルＥｒｒ＿１^{（ｄ１’）}（ｉ）（ｉ＝０，１，…，Ｒ−１）のうち、誤差最小化部１０５の探索により最小となると分かった第１残差ベクトルＥｒｒ＿１^{（ｄ１＿ｍｉｎ）}（ｉ）（ｉ＝０，１，…，Ｒ−１）を加算器３０９に出力する。

スケーリング因子決定部３０６は、分類情報ｍに対応するスケーリング因子Ｓｃａｌｅ^（ｍ）（ｉ）（ｉ＝０，１，…，Ｒ−１）をスケーリング因子コードブックの中から選択して乗算器３１２および乗算器３１３に出力する。

第２コードブック３０８は、コードブックを構成する各第２コードベクトルＣＯＤＥ＿２（ｄ２）（ｉ）（ｄ２＝０，１，…，Ｄ２−１、ｉ＝０，１，…，Ｒ−１）の中から、誤差最小化部１０５からの指示ｄ２´により指示されたコードベクトルＣＯＤＥ＿２（ｄ２´）（ｉ）（ｉ＝０，１，…，Ｒ−１）を乗算器３１２に出力する。ここで、Ｄ２は第２コードブックのコードベクトルの総数であり、ｄ２はコードベクトルのインデックスである。第２コードブック３０８は、ｄ２’＝０からｄ２’＝Ｄ２−１までのｄ２’の値を順次誤差最小化部１０５から指示される。

乗算器３１２は、下記の式（１４）に従って、第２コードブック３０８から入力される第２コードベクトルＣＯＤＥ＿２^{（ｄ２’）}（ｉ）（ｉ＝０，１，…，Ｒ−１）に、スケーリング因子決定部３０６から入力されるスケーリング因子Ｓｃａｌｅ^（ｍ）（ｉ）（ｉ＝０，１，…，Ｒ−１）を乗じて加算器３０９に出力する。

加算器３０９は、加算器３０４から入力される第１残差ベクトルＥｒｒ＿１^{（ｄ１＿ｍｉｎ）}（ｉ）（ｉ＝０，１，…，Ｒ−１）と、乗算器３１２から入力されるスケーリング因子乗算後の第２コードベクトルＳｃａ＿ＣＯＤＥ＿２^{（ｄ２’）}（ｉ）（ｉ＝０，１，…，Ｒ−１）との差を下記の式（１５）に従って求め、この差を第２残差ベクトルＥｒｒ＿２^{（ｄ２’）}（ｉ）（ｉ＝０，１，…，Ｒ−１）として誤差最小化部１０５に出力する。また、加算器３０９は、ｄ２’＝０からｄ２’＝Ｄ１−１までのｄ２’それぞれに対応する第２残差ベクトルＥｒｒ＿２^{（ｄ２’）}（ｉ）（ｉ＝０，１，…，Ｒ−１）のうち、誤差最小化部１０５の探索により最小となると分かった第２残差ベクトルＥｒｒ＿２^{（ｄ２＿ｍｉｎ）}（ｉ）（ｉ＝０，１，…，Ｒ−１）を加算器３１１に出力する。

第３コードブック３１０は、コードブックを構成する各第３コードベクトルＣＯＤＥ＿３（ｄ３）（ｉ）（ｄ３＝０，１，…，Ｄ３−１、ｉ＝０，１，…，Ｒ−１）の中から、誤差最小化部１０５からの指示ｄ３´により指示されたコードベクトルＣＯＤＥ＿３（ｄ３´）（ｉ）（ｉ＝０，１，…，Ｒ−１）を乗算器３１３に出力する。ここで、Ｄ３は第３コードブックのコードベクトルの総数であり、ｄ３はコードベクトルのインデックスである。第３コードブック３１０は、ｄ３’＝０からｄ３’＝Ｄ３−１までのｄ３’の値を順次誤差最小化部１０５から指示される。

乗算器３１３は、下記の式（１６）に従って、第３コードブック３１０から入力される第３コードベクトルＣＯＤＥ＿３^{（ｄ３’）}（ｉ）（ｉ＝０，１，…，Ｒ−１）に、スケーリング因子決定部３０６から入力されるスケーリング因子Ｓｃａｌｅ^（ｍ）（ｉ）（ｉ＝０，１，…，Ｒ−１）を乗じて加算器３１１に出力する。

加算器３１１は、加算器３０９から入力される第２残差ベクトルＥｒｒ＿２^{（ｄ２＿ｍｉｎ）}（ｉ）（ｉ＝０，１，…，Ｒ−１）と、乗算器３１３から入力されるスケーリング因子乗算後の第３コードベクトルＳｃａ＿ＣＯＤＥ＿３^{（ｄ３’）}（ｉ）（ｉ＝０，１，…，Ｒ−１）との差を下記の式（１７）に従って求め、この差を第３残差ベクトルＥｒｒ＿３^{（ｄ３’）}（ｉ）（ｉ＝０，１，…，Ｒ−１）として誤差最小化部１０５に出力する。

このように、本実施の形態によれば、広帯域ＬＳＰベクトルとの相関を有する狭帯域ＬＳＰベクトルの種類により１段目のベクトル量子化のコードブックを切り換え、１段目のベクトル量子化誤差（第１残差ベクトル）の統計的な分散が種類毎に異なる多段ベクトル量子化において、狭帯域ＬＳＰベクトルの分類結果に対応するスケーリング因子を２段目および３段目のベクトル量子化に用いる第２コードブックおよび第２コードブックのコードベクトルに乗じるため、２段目および３段目に用いるコードブックのコードベクトルの分散を１段目のベクトル量子化誤差の統計的な分散に適応して変更させることができ、従って広帯域ＬＳＰベクトルの量子化精度を向上することができる。

なお、本実施の形態に係る第２コードブック３０８は、実施の形態１に係る第２コードブック１０８と同一内容のコードブックであり、本実施の形態に係る第３コードブック３１０は、実施の形態１に係る第３コードブック１１０と同一内容のコードブックであって良い。また、本実施の形態に係るスケーリング因子決定部３０６は、実施の形態１に係るスケーリング因子決定部１０６が備えるスケーリング因子コードブックと同一内容のコードブックを備えて良い。

（実施の形態３）
図４は、本発明の実施の形態３に係るＬＳＰベクトル量子化装置４００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４００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４００は、分類器１０１、スイッチ１０２、第１コードブック１０３、加算器１０４、誤差最小化部１０５、スケーリング因子決定部４０６、乗算器４０７、第２コードブック１０８、加算器４０９、第３コードブック１１０、加算器４１２、および乗算器４１１を備える。

スケーリング因子決定部４０６は、狭帯域ＬＳＰベクトルの各種類に対応するスケーリング因子からなるスケーリング因子コードブックを予め格納している。スケーリング因子決定部４０６は、分類器１０１から入力される分類情報に対応するスケーリング因子を決定する。ここで、スケーリング因子は、加算器１０４が出力する第１残差ベクトルに対して乗じられるスケーリング因子（第１スケーリング因子）と、加算器４０９が出力する第１残差ベクトルに対して乗じられるスケーリング因子（第２スケーリング因子）と、から成る。次いで、スケーリング因子決定部４０６は、第１スケーリング因子を乗算器４０７に出力し、第２スケーリング因子を乗算器４１１に出力する。このように、多段ベクトル量子化の各段に適したスケーリング因子を予め用意しておくことにより、コードブックの適応調整をより仔細に行うことができる。

乗算器４０７は、加算器１０４から入力される第１残差ベクトルに、スケーリング因子決定部４０６から入力される第１スケーリング因子の逆数を乗じて加算器４０９に出力する。

加算器４０９は、乗算器４０７から入力される、スケーリング因子の逆数が乗算された第１残差ベクトルと、第２コードブック１０８から入力される第２コードベクトルとの差を求め、この差を第２残差ベクトルとして誤差最小化部１０５に出力する。また、加算器４０９は、すべての第２コードベクトルそれぞれに対応する第２残差ベクトルのうち、誤差最小化部１０５の探索により最小となると分かった１つを乗算器４１１に出力する。

乗算器４１１は、加算器４０９から入力される第２残差ベクトルに、スケーリング因子決定部４０６から入力される第２スケーリング因子の逆数を乗じて加算器４１２に出力する。

加算器４１２は、乗算器４１１から入力される、スケーリング因子の逆数が乗算された第２残差ベクトルと、第３コードブック１１０から入力される第３コードベクトルとの差を求め、この差を第３残差ベクトルとして誤差最小化部１０５に出力する。

次に、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、ＬＳＰベクトル量子化装置４００が行う動作について説明する。なお、以下の説明では、ＬＳＰベクトルをＬＳＰ（ｉ）（ｉ＝０，１，…，Ｒ−１）と記す。

スケーリング因子決定部４０６は、分類情報ｍに対応する第１スケーリング因子Ｓｃａｌｅ＿１^（ｍ）（ｉ）（ｉ＝０，１，…，Ｒ−１）と第２スケーリング因子Ｓｃａｌｅ＿２^（ｍ）（ｉ）（ｉ＝０，１，…，Ｒ−１）とをスケーリング因子コードブックの中から選択し、第１スケーリング因子Ｓｃａｌｅ＿１^（ｍ）（ｉ）（ｉ＝０，１，…，Ｒ−１）の逆数を下記の式（１７）に従って求め、乗算器４０７に出力し、第２スケーリング因子Ｓｃａｌｅ＿２^（ｍ）（ｉ）（ｉ＝０，１，…，Ｒ−１）の逆数を下記の式（１８）に従って求め、乗算器４１１に出力する。

また、ここでは、各スケーリング因子を選択した後に逆数を求める場合について説明したが、前以て各スケーリング因子の逆数を求めておき、各スケーリング因子の逆数をスケーリング因子コードブックに格納しておくことにより、逆数を求める演算を省略することができる。この場合でも、本発明は、同様の効果を得ることができる。

乗算器４０７は、下記の式（１９）に従って、加算器１０４から入力される第１残差ベクトルＥｒｒ＿１^{（ｄ１＿ｍｉｎ）}（ｉ）（ｉ＝０，１，…，Ｒ−１）に、スケーリング因子決定部４０６から入力される第１スケーリング因子の逆数Ｒｅｃ＿Ｓｃａｌｅ＿１^（ｍ）（ｉ）（ｉ＝０，１，…，Ｒ−１）を乗じて加算器４０９に出力する。

加算器４０９は、乗算器４０７から入力される第１スケーリング因子の逆数が乗算された第１残差ベクトルＳｃａ＿Ｅｒｒ＿１^{（ｄ１＿ｍｉｎ）}（ｉ）（ｉ＝０，１，…，Ｒ−１）と、第２コードブック１０８から入力される第２コードベクトルＣＯＤＥ＿２^{（ｄ２’）}（ｉ）（ｉ＝０，１，…，Ｒ−１）との差を下記の式（２０）に従って求め、この差を第２残差ベクトルＥｒｒ＿２^{（ｄ２’）}（ｉ）（ｉ＝０，１，…，Ｒ−１）として誤差最小化部１０５に出力する。また、加算器４０９は、ｄ２’＝０からｄ２’＝Ｄ１−１までのｄ２’それぞれに対応する第２残差ベクトルＥｒｒ＿２^{（ｄ２’）}（ｉ）（ｉ＝０，１，…，Ｒ−１）のうち、誤差最小化部１０５の探索により最小となると分かった第２残差ベクトルＥｒｒ＿２^{（ｄ２＿ｍｉｎ）}（ｉ）（ｉ＝０，１，…，Ｒ−１）を乗算器４１１に出力する。

乗算器４１１は、下記の式（２１）に従って、加算器４０９から入力される第２残差ベクトルＥｒｒ＿２^{（ｄ２＿ｍｉｎ）}（ｉ）（ｉ＝０，１，…，Ｒ−１）に、スケーリング因子決定部４０６から入力される第２スケーリング因子の逆数Ｒｅｃ＿Ｓｃａｌｅ＿２^（ｍ）（ｉ）（ｉ＝０，１，…，Ｒ−１）を乗じて加算器４１２に出力する。

加算器４１２は、乗算器４１１から入力される第２スケーリング因子の逆数が乗算された第２残差ベクトルＳｃａ＿Ｅｒｒ＿２^{（ｄ２＿ｍｉｎ）}（ｉ）（ｉ＝０，１，…，Ｒ−１）と、第３コードブック１１０から入力される第３コードベクトルＣＯＤＥ＿３^{（ｄ３’）}（ｉ）（ｉ＝０，１，…，Ｒ−１）との差を下記の式（２２）に従って求め、この差を第３残差ベクトルＥｒｒ＿３^{（ｄ３’）}（ｉ）（ｉ＝０，１，…，Ｒ−１）として誤差最小化部１０５に出力する。

このように、本実施の形態によれば、広帯域ＬＳＰベクトルとの相関を有する狭帯域ＬＳＰベクトルの種類により１段目のベクトル量子化のコードブックを切り換え、１段目のベクトル量子化誤差（第１残差ベクトル）の統計的な分散が種類毎に異なる多段ベクトル量子化において、狭帯域ＬＳＰベクトルの分類結果に対応するスケーリング因子を２段目および３段目のベクトル量子化に用いる第２コードブックおよび第３コードブックのコードベクトルに乗じるため、２段目および３段目に用いるコードブックのコードベクトルの分散を１段目のベクトル量子化誤差の統計的な分散に適応して変更させることができ、従って広帯域ＬＳＰベクトルの量子化精度を向上することができる。また、２段目に用いるスケーリング因子と３段目に用いるスケーリング因子とを個別に用意することにより、より仔細な適応を可能とする。

図５は、本実施の形態に係るＬＳＰベクトル逆量子化装置５００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５００は、ＬＳＰベクトル量子化装置４００において出力される符号化データを復号し、量子化ＬＳＰベクトルを生成する。なお、ＬＳＰベクトル逆量子化装置５００は、実施の形態１に示したＬＳＰベクトル逆量子化装置２００（図２参照）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５００は、分類器２０１、符号分離部２０２、スイッチ２０３、第１コードブック２０４、スケーリング因子決定部５０５、第２コードブック（ＣＢｂ）２０６、乗算器５０７、加算器２０８、第３コードブック（ＣＢｃ）２０９、乗算器５１０、および加算器２１１を備える。なお、第１コードブック２０４は、第１コードブック１０３が備えるサブコードブック（ＣＢａ１〜ＣＢａｎ）と同一内容のサブコードブックを備え、スケーリング因子決定部５０５は、スケーリング因子決定部４０６が備えるスケーリング因子コードブックと同一内容のスケーリング因子コードブックを備える。また、第２コードブック２０６は、第２コードブック１０８が備えるコードブックと同一内容のコードブックを備え、第３コードブック２０９は、第３コードブック１１０が備えるコードブックと同一内容のコードブックを備える。

スケーリング因子決定部５０５は、分類器２０１から入力される分類情報ｍに対応する第１スケーリング因子Ｓｃａｌｅ＿１^（ｍ）（ｉ）（ｉ＝０，１，…，Ｒ−１）と第２スケーリング因子Ｓｃａｌｅ＿２^（ｍ）（ｉ）（ｉ＝０，１，…，Ｒ−１）とをスケーリング因子コードブックの中から選択し、第１スケーリング因子Ｓｃａｌｅ＿１^（ｍ）（ｉ）（ｉ＝０，１，…，Ｒ−１）を乗算器５０７と乗算器５１０とに出力し、第２スケーリング因子Ｓｃａｌｅ＿２^（ｍ）（ｉ）（ｉ＝０，１，…，Ｒ−１）を乗算器５１０に出力する。

乗算器５０７は、下記の式（２３）に従って、第２コードブック２０６から入力される第２コードベクトルＣＯＤＥ＿２^{（ｄ２＿ｍｉｎ）}（ｉ）（ｉ＝０，１，…，Ｒ−１）に、スケーリング因子決定部５０５から入力される第１スケーリング因子Ｓｃａｌｅ＿１^（ｍ）（ｉ）（ｉ＝０，１，…，Ｒ−１）を乗じて加算器２０８に出力する。

乗算器５１０は、下記の式（２４）に従って、第３コードブック２０９から入力される第３コードベクトルＣＯＤＥ＿３^{（ｄ３＿ｍｉｎ）}（ｉ）（ｉ＝０，１，…，Ｒ−１）に、スケーリング因子決定部５０５から入力される第１スケーリング因子Ｓｃａｌｅ＿１^（ｍ）（ｉ）（ｉ＝０，１，…，Ｒ−１）と第２スケーリング因子Ｓｃａｌｅ＿２^（ｍ）（ｉ）（ｉ＝０，１，…，Ｒ−１）とを乗じて加算器２１１に出力する。

このように、本実施の形態によれば、ＬＳＰベクトル逆量子化装置において、量子化精度が向上された量子化方法により生成された広帯域ＬＳＰベクトルの符号化データを入力してベクトル逆量子化を行うことにより、高精度な量子化広帯域ＬＳＰベクトルを生成することが可能となる。また、このようなベクトル逆量子化装置を音声復号装置に用いれば、高精度な量子化広帯域ＬＳＰベクトルを用いて音声を復号することができるため、高品質な復号音声を得ることが可能となる。

なお、ＬＳＰベクトル逆量子化装置５００は、ＬＳＰベクトル量子化装置４００において出力される符号化データを復号するとしたが、これに限らず、ＬＳＰベクトル逆量子化装置５００で復号可能な形式の符号化データであれば、ＬＳＰベクトル逆量子化装置で受信して復号することが可能であることは言うまでもない。

以上、本発明の各実施の形態について説明した。

なお、本発明に係る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。

たとえば、上記各実施の形態では、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において、音声信号を対象として説明したが、楽音信号等に適用することも可能である。

また、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。ＬＳＰの代わりにＩＳＦ(Immittance Spectrum Frequency)をスペクトルパラメータとして量子化する場合はＬＳＰをＩＳＦに読み替え、ＩＳＦ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。

また、本発明に係るベクトル量子化装置およびベクトル逆量子化装置は、音声信号や楽音信号等の符号化／復号化するＣＥＬＰ符号化装置／ＣＥＬＰ復号装置に用いることが可能である。たとえば本発明に係るＬＳＰベクトル量子化装置をＣＥＬＰ型音声符号化装置に適用する場合は、ＣＥＬＰ符号化装置において、入力信号を線形予測分析して得られた線形予測係数から変換されたＬＳＰを入力して量子化処理を行い、量子化された量子化ＬＳＰを合成フィルタへ出力するとともに、量子化ＬＳＰを表す量子化ＬＳＰ符号を符号化データとして出力するＬＳＰ量子化部のところに、本発明によるＬＳＰベクトル量子化装置１００を配置する。これにより、ベクトル量子化精度を向上することが可能となるため、復号時の音声品質も向上する。同様に、本発明に係るＬＳＰベクトル逆量子化装置をＣＥＬＰ型音声復号装置に適用する場合は、ＣＥＬＰ復号装置において、受信した多重化符号データを分離して得られた量子化ＬＳＰ符号から量子化ＬＳＰを復号し、復号した量子化ＬＳＰを合成フィルタへ出力するＬＳＰ逆量子化部のところに、本発明によるＬＳＰベクトル逆量子化装置２００を配置すればよく、上記と同様の作用効果が得られる。

また、本発明に係るベクトル量子化装置およびベクトル逆量子化装置は、音声や楽音等の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。

また、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、本発明に係るベクトル量子化方法および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、本発明に係るベクトル量子化装置および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。

２００７年１０月１２日出願の特願２００７−２６６９２２および２００７年１１月１日出願の特願２００７−２８５６０２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。

本発明のベクトル逆量子化方法は、複数の種類のうち、量子化対象ベクトルとの相関を有する特徴の種類を表す分類情報を生成するステップと、受信した符号化データから、前
記量子化対象ベクトルの１段目の量子化結果である第１符号と、前記量子化対象ベクトルの２段目の量子化結果である第２符号とを分離するステップと、複数の種類それぞれに対応する複数の第１コードブックの中から、前記分類情報に対応する１つの第１コードブックを選択するステップと、前記選択された第１コードブックの中から、前記第１符号に対応する１つの第１コードベクトルを選択するステップと、複数の第２コードベクトルからなる第２コードブックの中から、前記第２符号に対応する１つの第２コードベクトルを選択し、前記１つの第２コードベクトルと、前記分類情報に対応するスケーリング因子と、前記１つの第１コードベクトルとを用いて前記量子化対象ベクトルを生成するステップと、を有するようにした。

分類器１０１は、狭帯域ＬＳＰベクトルの複数の種類それぞれを示す複数の分類情報か
らなる分類用コードブックを予め格納しており、ベクトル量子化対象である広帯域ＬＳＰベクトルの種類を示す分類情報を分類用コードブックの中から選択し、スイッチ１０２、およびスケーリング因子決定部１０６に出力する。具体的には、分類器１０１は、狭帯域ＬＳＰベクトルの各種類に対応するコードベクトルからなる分類用コードブックを内蔵しており、分類用コードブックを探索することにより、入力される狭帯域ＬＳＰベクトルとの二乗誤差が最小となるコードベクトルを求める。分類器１０１は、探索により求めたコードベクトルのインデックスを、ＬＳＰベクトルの種類を示す分類情報とする。

誤差最小化部１０５は、ｄ１’＝０からｄ１’＝Ｄ１−１までのｄ１’の値を順次第１コードブック１０３に指示し、ｄ１’＝０からｄ１’＝Ｄ１−１までのｄ１’それぞれに
対して、加算器１０４から入力される第１残差ベクトルＥｒｒ＿１^{（ｄ１’）}（ｉ）（ｉ＝０，１，…，Ｒ−１）を下記の式（２）に従って二乗し、二乗誤差Ｅｒｒを求める。

ここで、誤差最小化部１０５は、ｄ２’＝０からｄ２’＝Ｄ２−１までのｄ２’の値を
順次第２コードブック１０８に指示し、ｄ２’＝０からｄ２’＝Ｄ２−１までのｄ２’それぞれに対して、加算器１０９から入力される第２残差ベクトルＥｒｒ＿２^{（ｄ２’）}（ｉ）（ｉ＝０，１，…，Ｒ−１）を下記の式（６）に従って二乗し、二乗誤差Ｅｒｒを求める。

ＬＳＰベクトル逆量子化装置２００は、分類器２０１、符号分離部２０２、スイッチ２０３、第１コードブック２０４、スケーリング因子決定部２０５、第２コードブック（Ｃ
Ｂｂ）２０６、乗算器２０７、加算器２０８、第３コードブック（ＣＢｃ）２０９、乗算器２１０、および加算器２１１を備える。なお、第１コードブック２０４は、第１コードブック１０３が備えるサブコードブック（ＣＢａ１〜ＣＢａｎ）と同一内容のサブコードブックを備え、スケーリング因子決定部２０５は、スケーリング因子決定部１０６が備えるスケーリング因子コードブックと同一内容のスケーリング因子コードブックを備える。また、第２コードブック２０６は、第２コードブック１０８が備えるコードブックと同一内容のコードブックを備え、第３コードブック２０９は、第３コードブック１１０が備えるコードブックと同一内容のコードブックを備える。

第２コードブック１０８および第２コードブック２０６が備える第２コードブックを学習により求めるためには、前記方法で求めた第１コードブックを用いて１段目のベクトル
量子化を行い、加算器１０４から出力される第１残差ベクトルＥｒｒ＿１^{（ｄ１＿ｍｉｎ）}（ｉ）（ｉ＝０，１，…，Ｒ−１）をＶ個得る。次いで、Ｖ個の第１残差ベクトルＥｒｒ＿１^{（ｄ１＿ｍｉｎ）}（ｉ）（ｉ＝０，１，…，Ｒ−１）を用いて、ＬＢＧアルゴリズム等の学習アルゴリズムに従いＤ２個の第２コードベクトルＣＯＤＥ＿２^（ｄ２）（ｉ）（ｄ２＝０，１，…，Ｄ１−１、ｉ＝０，１，…，Ｒ−１）を求め、第２コードブックを生成する。

なお、本実施の形態では、スケーリング因子決定部１０６およびスケーリング因子決定部２０５が備えるスケーリング因子コードブックを構成するスケーリング因子は狭帯域ＬＳＰベクトルの種類に対応している場合を例にとって説明したが、本発明はこれに限定されず、スケーリング因子決定部１０６およびスケーリング因子決定部２０５が備えるスケーリング因子コードブックを構成するスケーリング因子は、音声の特徴を分類した各種類
に対応していても良い。かかる場合、分類器１０１は、狭帯域ＬＳＰベクトルではなく音声の特徴を表すパラメータを音声特徴情報として入力し、入力された音声特徴情報に対応する音声特徴の種類を分類情報としてスイッチ１０２およびスケーリング因子決定部１０６に出力する。例えば、ＶＭＲ−ＷＢ(Varialbe-Rate Multimode Wideband Speech Codec)のように、音声の有声性、雑音性等の特徴でエンコーダのタイプを切り換えるというような符号化装置に本発明を適用する場合、エンコーダのタイプの情報をそのまま音声特徴量として用いて良い。

スケーリング因子決定部３０６は、狭帯域ＬＳＰベクトルの各種類に対応するスケーリング因子からなるスケーリング因子コードブックを予め格納している。スケーリング因子決定部３０６は、分類器１０１から入力される分類情報に対応するスケーリング因子を乗
算器３１２および乗算器３１３に出力する。ここで、スケーリング因子はスカラーであっても良く、ベクトルであっても良い。

第２コードブック３０８は、コードブックを構成する各第２コードベクトルＣＯＤＥ＿２（ｄ２）（ｉ）（ｄ２＝０，１，…，Ｄ２−１、ｉ＝０，１，…，Ｒ−１）の中から、
誤差最小化部１０５からの指示ｄ２´により指示されたコードベクトルＣＯＤＥ＿２（ｄ２´）（ｉ）（ｉ＝０，１，…，Ｒ−１）を乗算器３１２に出力する。ここで、Ｄ２は第２コードブックのコードベクトルの総数であり、ｄ２はコードベクトルのインデックスである。第２コードブック３０８は、ｄ２’＝０からｄ２’＝Ｄ２−１までのｄ２’の値を順次誤差最小化部１０５から指示される。

乗算器４１１は、加算器４０９から入力される第２残差ベクトルに、スケーリング因子決定部４０６から入力される第２スケーリング因子の逆数を乗じて加算器４１２に出力す
る。

ＬＳＰベクトル逆量子化装置５００は、分類器２０１、符号分離部２０２、スイッチ２０３、第１コードブック２０４、スケーリング因子決定部５０５、第２コードブック（ＣＢｂ）２０６、乗算器５０７、加算器２０８、第３コードブック（ＣＢｃ）２０９、乗算器５１０、および加算器２１１を備える。なお、第１コードブック２０４は、第１コードブック１０３が備えるサブコードブック（ＣＢａ１〜ＣＢａｎ）と同一内容のサブコードブックを備え、スケーリング因子決定部５０５は、スケーリング因子決定部４０６が備えるスケーリング因子コードブックと同一内容のスケーリング因子コードブックを備える。
また、第２コードブック２０６は、第２コードブック１０８が備えるコードブックと同一内容のコードブックを備え、第３コードブック２０９は、第３コードブック１１０が備えるコードブックと同一内容のコードブックを備える。

以上、本発明の各実施の形態について説明した。

たとえば、上記各実施の形態では、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において、音声信号を対象として説明したが、楽音信号等に適用すること
も可能である。

Claims

複数の種類のうち、量子化対象ベクトルとの相関を有する特徴の種類を表す分類情報を生成する分類手段と、
前記複数の種類それぞれに対応する複数の第１コードブックの中から、前記分類情報に対応する１つの第１コードブックを選択する選択手段と、
前記選択された第１コードブックを構成する複数の第１コードベクトルを用いて量子化対象ベクトルを量子化し、第１符号を得る第１量子化手段と、
前記複数の種類それぞれに対応するスケーリング因子からなるスケーリング因子コードブックと、
複数の第２コードベクトルからなる第２コードブックを備え、前記第２コードベクトル及び前記分類情報に対応するスケーリング因子を用いて、前記第１符号が示す１つの第１コードベクトルと前記量子化対象ベクトルとの残差ベクトルを量子化し、第２符号を得る第２量子化手段と、
を具備するベクトル量子化装置。
前記残差ベクトルに、前記分類情報に対応するスケーリング因子の逆数を乗じて乗算ベクトルを得る乗算手段をさらに具備し、
前記第２量子化手段は、
前記複数の第２コードベクトルを用いて前記乗算ベクトルを量子化する、
請求項１記載のベクトル量子化装置。
前記複数の第２コードベクトルそれぞれに、前記分類情報に対応するスケーリング因子を乗じて複数の乗算ベクトルを得る乗算手段をさらに具備し、
前記第２量子化手段は、
前記複数の乗算ベクトルを用いて前記残差ベクトルを量子化する、
請求項１記載のベクトル量子化装置。
複数の第３コードベクトルからなる第３コードブックを備え、前記第３コードベクトル及び前記分類情報に対応するスケーリング因子を用いて、前記第２符号が示す１つの第２コードベクトルと前記残差ベクトルとの第２残差ベクトルを量子化し、第３符号を得る第３量子化手段と、
を具備する請求項１記載のベクトル量子化装置。
前記第２残差ベクトルに、前記分類情報に対応するスケーリング因子の逆数を乗じて第２乗算ベクトルを得る第２乗算手段をさらに具備し、
前記第３量子化手段は、
前記複数の第３コードベクトルを用いて前記第２乗算ベクトルを量子化する、
請求項４記載のベクトル量子化装置。
前記複数の第３コードベクトルそれぞれに、前記分類情報に対応するスケーリング因子を乗じて複数の第２乗算ベクトルを得る第２乗算手段をさらに具備し、
前記第３量子化手段は、
前記複数の第２乗算ベクトルを用いて前記第２残差ベクトルを量子化する、
請求項４記載のベクトル量子化装置。
複数の種類のうち、量子化対象ベクトルとの相関を有する特徴の種類を表す分類情報を生成する分類手段と、
受信した符号化データから、前記量子化対象ベクトルの１段目の量子化結果である第１符号と、前記量子化対象ベクトルの２段目の量子化結果である第２符号とを分離する分離手段と、
複数の種類それぞれに対応する複数の第１コードブックの中から、前記分類情報に対応する１つの第１コードブックを選択する選択手段と、
前記選択された第１コードブックの中から、前記第１符号に対応する１つの第１コードベクトルを選択する第１逆量子化手段と、
前記複数の種類それぞれに対応するスケーリング因子からなるスケーリング因子コードブックと、
複数の第２コードベクトルからなる第２コードブックの中から、前記第２符号に対応する１つの第２コードベクトルを選択し、前記１つの第２コードベクトルと、前記分類情報に対応するスケーリング因子と、前記１つの第１コードベクトルとを用い、前記量子化対象ベクトルを得る第２逆量子化手段と、
を具備するベクトル逆量子化装置。
複数の種類のうち、量子化対象ベクトルとの相関を有する特徴の種類を表す分類情報を生成するステップと、
前記複数の種類それぞれに対応する複数の第１コードブックの中から、前記分類情報に対応する１つの第１コードブックを選択するステップと、
前記選択された第１コードブックを構成する複数の第１コードベクトルを用いて前記量子化対象ベクトルを量子化し、第１符号を得るステップと、
第２コードブックを構成する複数の第２コードベクトルと、前記分類情報に対応するスケーリング因子とを用い、前記第１符号に対応する第１コードベクトルと前記量子化対象ベクトルとの残差ベクトルを量子化し、第２符号を得るステップと、
を有するベクトル量子化方法。
複数の種類のうち、量子化対象ベクトルとの相関を有する特徴の種類を表す分類情報を生成するステップと、
受信した符号化データから、前記量子化対象ベクトルの１段目の量子化結果である第１符号と、前記量子化対象ベクトルの２段目の量子化結果である第２符号とを分離するステップと、
複数の種類それぞれに対応する複数の第１コードブックの中から、前記分類情報に対応する１つの第１コードブックを選択するステップと、
前記選択された第１コードブックの中から、前記第１符号に対応する１つの第１コードベクトルを選択するステップと、
複数の第２コードベクトルからなる第２コードブックの中から、前記第２符号に対応する１つの第２コードベクトルを選択し、前記１つの第２コードベクトルと、前記分類情報に対応するスケーリング因子と、前記１つの第１コードベクトルとを用いて前記量子化対象ベクトルを生成するステップと、
を有するベクトル逆量子化方法。