KR100756207B1 - 정보 신호 코딩 방법 및 장치 - Google Patents

정보 신호 코딩 방법 및 장치 Download PDF

Info

Publication number
KR100756207B1
KR100756207B1 KR1020057008107A KR20057008107A KR100756207B1 KR 100756207 B1 KR100756207 B1 KR 100756207B1 KR 1020057008107 A KR1020057008107 A KR 1020057008107A KR 20057008107 A KR20057008107 A KR 20057008107A KR 100756207 B1 KR100756207 B1 KR 100756207B1
Authority
KR
South Korea
Prior art keywords
vector
excitation
elements
correlation matrix
error minimization
Prior art date
Application number
KR1020057008107A
Other languages
English (en)
Other versions
KR20050072797A (ko
Inventor
우다르 미탈
제임스 피. 애쉴리
엠. 크르즈 에드갈도
Original Assignee
모토로라 인코포레이티드
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 모토로라 인코포레이티드 filed Critical 모토로라 인코포레이티드
Publication of KR20050072797A publication Critical patent/KR20050072797A/ko
Application granted granted Critical
Publication of KR100756207B1 publication Critical patent/KR100756207B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; 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
    • G10L19/08—Determination or coding of the excitation function; Determination or coding of the long-term prediction parameters
    • G10L19/12—Determination or coding of the excitation function; Determination or coding of the long-term prediction parameters the excitation function being a code excitation, e.g. in code excited linear prediction [CELP] vocoders
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; 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
    • G10L2019/0001—Codebooks
    • G10L2019/0013—Codebook search algorithms

Landscapes

  • Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Compression, Expansion, Code Conversion, And Decoders (AREA)

Abstract

여기 벡터와 연관된 파라미터들을 종래 기술의 인코더들보다 효율적으로 최적화하는 CELP 인코더가 제공된다. 일 실시예에서, CELP 인코더(400)는 필터링된 제1 여기 벡터(yτ(n))에 기초하는 계산된 상관 행렬(Φ')에 기초하여 여기 벡터와 연관된 인덱스들(τ, β, κ, γ)을 최적화한다. 이어서, 인코더는 입력 신호(s(n))에 기초하는 타겟 신호(xw(n)), 및 상관 행렬에 적어도 부분적으로 기초하여 오류 최소화 기준을 평가하고, 오류 최소화 기준에 응답하여 여기 벡터와 연관된 인덱스 파라미터를 생성한다. 또 다른 실시예에서, 조인트 탐색 가중 계수 λ를 참조함으로써 복수의 여기 벡터와 연관된 파라미터들을 조인트하여 최적화 및/또는 순차로 최적화할 수 있고, 그것에 의해 최적 오류 최소화 프로세스를 실행하는 CELP 인코더가 제공된다.
여기 벡터, 최적 오류 최소화 프로세스, 타겟 신호, 상관 행렬

Description

정보 신호 코딩 방법 및 장치{METHOD AND APPARATUS FOR CODING AN INFORMATIONAL SIGNAL}
관련 출원에 대한 교차-참조
본 출원은 본 출원과 동일자에 출원된 미국 특허출원 번호 10/290,572, 대리인 문서 번호 CML00808M에 관한 것이다.
본 발명은 일반적으로 신호 압축 시스템들에 관한 것으로, 보다 구체적으로는, 코드 여기 선형 예측(Code Excited Linear Prediction) 형 음성 코딩 시스템들에 관한 것이다.
디지털 음성 및 오디오 신호들의 압축은 잘 알려져 있다. 일반적으로 압축은 통신 채널을 통해 신호들을 효율적으로 송신하거나 상기 압축된 신호들을 디지털 매체 디바이스, 이를테면 고체상태 메모리 디바이스나 컴퓨터 하드 디스크에 저장하는데 필요하다. 많은 압축(혹은 "코딩(coding)") 기술들이 존재하고 있으나, 디지털 음성 코딩에 매우 많이 사용되고 있는 한 방법은 "합성에 의한 분석(analysis-by-synthesis)" 코딩 알고리즘들 중 하나인 CELP인 것으로 알려져 있다. 일반적으로, 합성에 의한 분석은 입력 신호와 비교되어 왜곡에 대해 분석되는 한 세트의 후보 신호들을 합성하기 위해 디지털 모델의 복수의 파라미터들을 사용하는 코딩 프로세스를 말한다. 가장 작은 왜곡을 야기하는 한 세트의 파라미터들이 송신 혹은 저장되고, 종국에는 원 입력 신호의 추정을 재구성하는데 사용된다. CELP는 하나 이상의 코드북들(codebook)을 이용하는 특유의, 합성에 의한 분석 방법으로, 각각의 코드북은 코드북 인덱스에 응답하여 코드북으로부터 취하는 다수 세트의 코드-벡터들을 포함한다.
예를 들면, 도 1은 종래기술의 CELP 인코더(100)의 블록도이다. CELP 인코더(100)에서, 입력 신호 s(n)은 단기간 스펙트럼 포락선을 추정하기 위해 선형 예측 코딩을 사용하는 선형 예측 코딩(LPC) 분석블록(101)에 적용된다. 결과로 나온 스펙트럼 파라미터들(혹은 LP 파라미터들)을 전달 함수 A(z)이라 표기한다. 스펙트럼 파라미터들은 LPC 양자화 블록(102)에 적용되며 이 블록에서는 스펙트럼 파라미터들을 양자화하여, 멀티플렉서(108)에 사용에 적합한 양자화된 스펙트럼 파라미터들(Aq)를 생성한다. 양자화된 스펙트럼 파라미터들(Aq)은 멀티플렉서(108)에 보내지고, 멀티플렉서는 양자화된 스펙트럼 파라미터들에 기초하여 코드화된 비트스트림과, 제곱 오류 최소화/파라미터 양자화 블록(107)에 의해 결정되는 한 세트의 코드북에 관계되는 파라미터들(τ, β, κ, γ)을 생성한다.
양자화된 스펙트럼 혹은 LP 파라미터들은 대응하는 전달 함수 1/Aq(z)을 갖는 LPC 합성 필터(105)에도 보내진다. LPC 합성 필터(105)는 결합된 여기 신호(u(n))을 제1 결합기(110)로부터 수신하여, 양자화된 스펙트럼 파라미터들(Aq)와 결합된 여기 신호(u(n))에 기초하여 입력 신호(s(n))의 추정치를 생성한다. 결합된 여기 신호(u(n))는 다음과 같이 하여 생성된다. 적응형 코드북 코드-벡터(cτ)는 인덱스 파라미터(τ)에 기초하여 적응형 코드북(ACB)(103)으로부터 선택된다. 이어서, 적응형 코드북 코드-벡터(cτ)는 이득 파리미터(β)에 기초하여 가중되고 가중 적응형 코드북 코드-벡터는 제1 결합기(110)에 보내진다. 고정 코드북 코드-벡터(cκ)는 인덱스 파라미터(κ)에 기초하여 고정 코드북(FCB)(104)에서 선택된다. 고정 코드북 코드-벡터(cκ)는 이득 파라미터(γ)에 기초하여 가중되고 이 또한 제1 결합기(110)에 보내진다. 이어서, 제1 결합기(110)는 적응형 코드북 코드-벡터(cτ)를 가중한 것과 고정 코드북 코드-벡터(cκ)를 가중한 것을 결합하여 결합된 여기 신호(u(n))를 생성한다.
LPC 합성 필터(105)는 입력 신호 추정치(
Figure 112007008002720-pct00001
)를 제2 결합기(112)에 보낸다. 제2 결합기(112)는 또한 입력 신호(s(n))를 수신하여, 입력 신호(s(n))에서 입력 신호 추정치(
Figure 112007008002720-pct00002
)를 감한다. 입력 신호(s(n))와 입력 신호 추정치(
Figure 112007008002720-pct00003
)간 차이는 인지(perceptual) 오류 가중화 필터(106)에 적용되고, 이 필터는 s(n)과
Figure 112007008002720-pct00004
간 차이와 가중 함수(W(z))에 기초하여 인지 가중 오류 신호(e(n))를 생성한다. 인지 가중 오류 신호(e(n))는 제곱 오류 최소화/파라미터 양자화 블록(107)에 보내진다. 제곱 오류 최소화/파라미터 양자화 블록(107)은 오류 신호(e(n))를 사용하여, 입력 신호(s(n))의 최상의 추정치(
Figure 112007008002720-pct00005
)를 생성하는 최적의 한 세트의 코드북 관련 파라미터들(τ, β, κ, γ)을 결정한다.
도 2는 인코더(100)에 대응하는 종래 기술의 디코더(200)의 블록도이다. 당업자가 아는 바와 같이, 인코더(100)에 의해 생성된 코딩된 비트스트림은 인코더(100)에 의해 수행된 합성 프로세스와 동일한 프로세스로, 최적의 한 세트의 코드북 관련의 파라미터들, 즉 τ, β, κ, γ를 디코드하기 위해서 디코더(200) 내 디멀티플렉서에 의해 사용된다. 이에 따라, 인코더(100)에 의해 생성된 코딩된 비트스트림이 오류들이 없이 디코더(200)에 의해 수신된다면, 디코더(200)에 의해 출력되는 음성(
Figure 112007008002720-pct00006
)은 인코더(100)에 의해 생성된 입력 음성 추정치(
Figure 112007008002720-pct00007
)와 정확히 동일하게 구성될 수 있다.
CELP 인코더(100)는 개념적으로는 유용하겠지만, 계산 복잡도를 가능한 한 낮게 유지하는 것이 바람직한 경우엔 실제 인코더 구현은 되지 않는다. 결국, 도 3은 인코더(100)로 예시된 인코딩 시스템과 동등한, 그러면서도 보다 실제적인 시스템을 이용하는 종래기술의 인코더(300)의 블록도이다. 인코더(100)와 인코더(300) 간 관계를 이해하기 위해서, 인코더(100)로부터 인코더(300)의 수학적 도출을 살펴보는 것이 유익하다. 편의상, 변수들은 z-변환하여 표시한다.
도 1에서, 인지 오류 가중 필터(106)는 입력 신호와 추정된 입력 신호간 차이에 기초하여 가중화된 오류 신호(e(n))을 생성함을 알 수 있다, 즉:
Figure 112007008002720-pct00008
이 식으로부터, 가중 함수(W(z))로 식을 전개할 수 있고 입력 신호 추정치(
Figure 112007008002720-pct00009
)는 가중화한 코드북 코드-벡터들의 필터링된 합으로 분해할 수 있다:
Figure 112007008002720-pct00010
W(z)S(z) 항은 입력 신호를 가중화한 것에 해당한다. 가중화된 입력 신호(W(z)S(z))를 Sw(z)=W(z)S(z)라 놓고 또한 인코더(100)의 가중 합성 필터(105)를 전달 함수 H(z)=W(z)/Aq(z)로 놓으면, 식(2)은 다음가 같이 다시 쓸 수 있다:
Figure 112007008002720-pct00011
z-변환 표기를 사용하면 필터 상태들은 명백히 정의할 필요가 없다. 벡터 길이(L)을 현 서브프레임의 길이로 하고, 벡터 표기를 사용하여 진행하면, 식(3)은 중첩원리를 사용함으로써 다음과 같이 다시 쓸 수 있다:
Figure 112007008002720-pct00012
. H는 전달 함수 Hzs(z) 혹은 H(z)에 대응하는 이를테면 합성 필터(303, 304)와 같은 가중 합성 필터(h(n))의 임펄스 응답으로부터 형성된 LxL 제로-상태 가중 합성 콘볼루션 행렬이며, 이 행렬은 다음과 같이 나타낼 수 있다:
Figure 112007008002720-pct00074
. h zir은 이전 입력으로부터의 상태에 기인한 H(z)의 Lx1 제로-입력 응답이며,
. s w는 인지 가중된 Lx1 입력 신호가며,
. β는 스칼라 적응형 코드북(ACB) 이득이며,
. c τ는 인덱스 τ에 응답한 Lx1 ACB 코드-벡터이며,
. γ는 스칼라 고정 코드북(FCB) 이득이며,
. c κ는 인덱스 κ에 응답한 Lx1 FCB 코드-벡터이다.
H로 식을 전개하고 입력 타겟 벡터를 x w = s w-h zir로 하면, 다음 식이 얻어질 수 있다:
Figure 112007008002720-pct00014
식(6)은 인코더(300)의 제3 결합기(307)에 의해 생성되고 결합기(307)에 의해 제곱 오류 최소화/파라미터 블록(308)에 결합된 인지 가중 오류(혹은 왜곡) 벡터(e(n))를 나타낸다.
위의 식으로부터, 제곱 오류 최소화/파리미터 블록(308)에 의해, 인지 가중 오류를 가중화한 것을 최소화하는 공식, 즉 ∥e∥2이 도출될 수 있다. 제곱 오류의 기준(norm)은 다음과 같이 주어진다:
Figure 112007008002720-pct00015
복잡도의 제한에 기인해서, 통상적으로 음성 코딩 시스템들의 실제 구현은 순차적으로 제곱 오류를 최소화한다. 즉, ACB 성분이 먼저 최적화되고(FCB 기여가 제로라고 가정함으로써), 이어서 FCB 성분을 주어진(이전에 최적화된) ACB 성분을 사용하여 최적화한다. ACB/FCB 이득들, 즉, 코드북에 관계된 파라미터들 β및 γ은 순 차적으로 선택된 ACB/FCB 코드-벡터들 c τ및 c κ이 주어졌을 때, 다시 최적화, 즉 양자화될 수도 있고 하지 않을 수 있다.
순차 탐색을 수행한다는 이론은 다음과 같다. 먼저, 식(7)에 제공된 제곱 오류의 기준(norm)은 γ=0으로 설정함으로써 수정되고, 이어서 다음과 같이 되게 전개한다:
Figure 112007008002720-pct00016
이어서, 제곱 오류의 최소화는 β에 관하여 ε을 편미분하고, 양을 제로로 설정함으로써 결정된다:
Figure 112007008002720-pct00017
이것은 (순차적으로) 최적의 ACB 이득을 제공한다:
Figure 112007008002720-pct00018
최적의 ACB 이득을 다시 식(8)에 대입함으로써, 다음과 같이 된다:
Figure 112007008002720-pct00019
여기서 τ*은 순차적으로 결정된 최적의 ACB 인덱스 파라미터, 즉 중괄호 내 식을 최소화하는 ACB 인덱스 파라미터이다. x w는 τ에 종속하지 않기 때문에, 식(11)은 다음과 같이 다시 쓸 수 있다:
Figure 112007008002720-pct00020
이제, y τ를 가중 합성 필터(303)에 의해 필터링된 ACB 코드-벡터(c τ)와 같게 즉, y τ=Hc τ로 놓으면, 식(13)은 다음과 같이 간단해 질 수 있다:
Figure 112007008002720-pct00021
또한, 마찬가지로, 식(10)은 다음과 같이 간단해 질 수 있다:
Figure 112007008002720-pct00022
이에 따라 식(13) 및 식(14)은 순차로 최적의 ACB 인덱스 τ및 ACB 이득 β을 결정하는데 필요한 두 개의 식을 나타낸다. 이들 식들은 순차적으로 최적의 FCB 인덱스 식과 이득 식을 결정하는데 사용될 수 있다. 먼저, 도 3으로부터, 제2 결합기(306)는 x 2 = x w-βHc τ인 벡터 x 2를 생성함을 알 수 있다. 벡터 x w는 제1 결합기(305)에 의해서, 가중 합성 필터(301)에 의한 필터링 후에 과거의 여기 신호(u(n-L))를 인지 오류 가중 필터(302)의 출력(sw(n))으로부터 감으로써 생성된다. βHc τ 항은 필터링 및 가중화된 ACB 코드-벡터 c τ, 즉 ACB 이득 파라미터(β)에 기초하여 가중 합성 필터(303)에 의해 필터링된 후 가중화된 ACB 코드-벡터 c τ이다. 식 x 2 = x w-βHc τ을 식(7)에 대입하면 다음 식이 된다:
Figure 112005023898425-pct00023
γHc κ는 필터링된 후 가중화된 FCB 코드-벡터(c κ), 즉 FCB 이득 파라미터 γ에 기초하여 가중 합성 필터(303)에 의해 필터링된 후 가중화된 ACB 코드-벡터 c κ이다. 위에서 최적 ACB 인덱스 파라미터의 도출과 유사하게, 이하인 것은 명백하다:
Figure 112005023898425-pct00024
여기서 κ*는 순차적으로 최적화한 FCB 인덱스 파라미터, 즉, 중괄호 내 식을 최대화하는 FCB 인덱스 파라미터이다. κ에 종속하지 않은 항들을 모아서, 즉, d 2 T=x 2 T H 및 Φ= H T H로 놓음으로써, 식(16)은 다음과 같이 간단해질 수 있다:
Figure 112005023898425-pct00025
여기서, 순차적으로 최적의 FCB 이득은 다음으로 주어진다:
Figure 112005023898425-pct00026
이에 따라, 인코더(300)는 최적 여기 벡터와 연관된 파라미터들 τ, β, κ, γ을 순차적으로 결정하는 방법 및 장치를 제공한다. 그러나, 파라미터들 τ, β, κ, γ의 순차적인 결정은 실제로는 최적화 식들에서는 하나의 코드북 코드-벡터의 선택이 다른 코드북 코드-벡터의 선택에 미치는 영향들을 고려하지 않기 때문에 최적은 아니다.
코드북에 관계된 파라미터들 τ, β, κ, γ을 더 낫게 최적화하기 위해서, 1995년 9월 26일부터 28일에 열린 라디오 수신기들 및 연관된 시스템들에 관한 IEEE 컨퍼런스에 의해 공개된 우드워드, 제이. 피.(Woodward, J. P.)와 한조, 엘.(Hanzo, L.)에 의한 "CELP 코덱들에서 합성에 의한 분석 루프에 대한 개선들(Improvements to the Analysis-by Synthesis Loop in CELP Codecs)"중 페이지 114 내지 118(이하, "우드워드 및 한조(Woodward and Hanzo) 논문"이라 함)의 논문에는, 몇가지 조인트 탐색 과정들이 논의되어 있다. 논의되어 있는 한 조인트 탐색 과정은 ACB 및 FCB 둘 다의 철저한 탐색을 포함한다. 그러나, 논문에 기재된 바와 같이, 이러한 조인트 탐색 프로세스는 순차적 탐색 프로세스의 복잡도에 거의 60배를 수반한다. 이외, ACB 및 FCB 둘 다의 철저한 탐색에 거의 가까운 결과를 내는 상기 논문에 다루어진 조인트 탐색 프로세스들은 순차적 탐색 프로세스보다 30 내지 40 퍼센트의 복잡도 증가를 수반한다. 그러나, 복잡도가 30 내지 40 퍼센트이라 하더라도 프로세서에 많은 증가된 수의 애플리케이션을 동작시킬 것이 요청되었을 땐 프로세서에 적정 이상으로 부하를 가하게 되므로 프로세서에 바람직하지 못한 부하가 가해질 수 있다.
그러므로, 종래 기술의 조인트 탐색 프로세스들의 복잡도를 수반하지 않는, 합성에 의한 분석 코드북 관련 파라미터들을 보다 효율적으로 결정하는 방법 및 장치에 대한 필요성이 있다.
도 1은 종래 기술의 코드 여기 선형 예측(CELP) 인코더의 블록도.
도 2는 종래 기술의 CELP 디코더의 블록도.
도 3은 종래 기술의 또 다른 CELP 인코더의 블록도.
도 4는 본 발명의 실시예에 따른 CELP 인코더의 블록도.
도 5는 본 발명의 실시예에 따라 신호를 코딩함에 있어 도 4의 CELP 인코더에 의해 실행되는 단계들의 논리 흐름도.
도 6은 본 발명의 또 다른 실시예에 따른 CELP 인코더의 블록도.
도 7은 본 발명의 또 다른 실시예에 따라 조인트 탐색 프로세스를 수행할지 아니면 순차 탐색 프로세스를 수행할지를 결정함에 있어 CELP 인코더에 의해 실행되는 단계들의 논리 흐름도.
종래 기술의 조인트 탐색 프로세스들의 복잡도를 수반하지 않는, 합성에 의한 분석 코드북 관련 파라미터들(τ, β, κ, γ)을 결정하는 방법 및 장치에 대한 필요성을 보다 효율적으로 해결하기 위해서, 종래 기술의 인코더들보다 효율적인 방식으로 코드북 파라미터들을 최적화하는 CELP 인코더가 제공된다. 본 발명의 일 실시예에서, CELP 인코더는 필터링된 제1 여기 벡터에 기초하게 되는 계산된 상관 행렬에 기초하여 여기 벡터와 연관된 인덱스들을 최적화한다. 이어서, 인코더는 입력 신호에 기초하는 타겟 신호, 및 상관 행렬에 적어도 부분적으로 기초하여 오류 최소화 기준을 평가하고, 오류 최소화 기준에 응답하여 여기 벡터와 연관된 인덱스 파라미터를 생성한다. 본 발명의 또 다른 실시예에서, 인코더는 타겟 신호를 역방향 필터링하여 역방향 필터링된 타겟 신호를 생성하고 역방향 필터링된 타겟 신호 및 상관 행렬에 적어도 부분적으로 기초하여 오류 최소화 기준을 평가한다. 본 발명의 또 다른 실시예에서, 조인트 탐색 가중 계수를 참조함으로써 복수의 여기 벡터와 연관된 파라미터들을 조인트하여 최적화 및/또는 순차로 최적화할 수 있고, 그것에 의해 최적 오류 최소화 프로세스를 실행하는 CELP 인코더가 제공된다.
일반적으로, 본 발명의 실시예는 신호의 합성에 의한 분석 코딩을 위한 방법을 포함한다. 방법은 입력 신호에 기초하여 타겟 신호를 생성하는 단계, 제1 여기 벡터를 생성하는 단계, 및 부분적으로 제1 여기 벡터에 기초하여 상관 행렬의 하나 이상의 요소들을 생성하는 단계를 포함한다. 방법은 부분적으로 타겟 신호 및 상관 행렬의 하나 이상의 요소들에 기초하여 오류 최소화 기준을 평가하는 단계 및 오류 최소화 기준에 기초하여 제2 여기 벡터와 연관된 파라미터를 생성하는 단계를 또한 포함한다.
본 발명의 또 다른 실시예는 서브프레임의 합성에 의한 분석 코딩을 위한 방법을 포함한다. 방법은 계산된 조인트 탐색 가중 계수에 기초하여, 조인트 탐색 가중 계수를 계산하는 단계, 복수의 여기 벡터와 연관된 파라미터들 중 적어도 두 개의 여기 벡터와 연관된 파라미터들의 조인트 최적화(joint optimization)와 상기 복수의 여기 벡터와 연관된 파라미터들 중 적어도 두 개의 여기 벡터와 연관된 파라미터들의 순차 최적화의 하이브리드(hybrid)인 최적화 프로세스를 수행하는 단계를 포함한다.
본 발명의 또 다른 실시예는 합성에 의한 분석 코딩 장치를 포함한다. 장치는 입력 신호에 기초하여 타겟 신호를 생성하는 수단; 제1 여기 벡터를 생성하는 벡터 생성기; 및 부분적으로 상기 제1 여기 벡터에 기초하여 상관 행렬의 하나 이상의 요소들을 생성하고, 상기 상관 행렬의 상기 하나 이상의 요소들 및 상기 타겟 신호에 적어도 부분적으로 기초하여 오류 최소화 기준을 평가하고, 상기 오류 최소화 기준에 기초하여 제2 여기 벡터와 연관된 적어도 한 파라미터를 생성하는 오류 최소화 유닛을 포함한다.
본 발명의 또 다른 실시예는 서브프레임의 합성에 의한 분석 코딩을 위한 인코더를 포함한다. 인코더는 조인트 탐색 가중 계수를 계산하고, 상기 조인트 탐색 가중 계수에 기초하여, 복수의 여기 벡터와 연관된 파라미터들 중 적어도 두 개의 여기 벡터와 연관된 파라미터들의 조인트 최적화와 상기 복수의 여기 벡터와 연관된 파라미터들 중 적어도 두 개의 여기 벡터와 연관된 파라미터들의 순차 최적화가 하이브리드 최적화 프로세스를 수행하는 프로세서를 포함한다.
본 발명을 도 4 내지 7을 참조하여 보다 완전하게 기술한다. 도 4는 본 발명의 실시예에 따른 합성에 의한 분석 코딩 프로세스를 구현하는 코드 여기 선형 예측(CELP) 인코더(400)의 블록도이다. 인코더(400)는 프로세서에 의해 실행될 수 있는 데이터 및 프로그램들을 저장하는, 예를 들면 랜덤 액세스 메모리(RAM), 동적 랜덤 액세스 메모리(DRAM), 및/또는 독출전용 메모리(ROM) 혹은 이의 동등물 등의 하나 이상의 메모리 디바이스들과 통신하는, 이들이 연관된, 이를테면 하나 이상의 프로세스들, 마이크로제어기들, 디지털 신호 프로세서들(DSP), 이들의 조합들 혹은 이외 이러한 당업자에게 공지된 디바이스들과 같은 프로세스에 구현된다.
도 5는 본 발명의 실시예에 따라 신호를 코딩함에 있어 인코더(400)에 의해 실행되는 단계들의 논리 흐름도(500)이다. 논리 흐름(500)은 입력 신호(s(n))가 인지 오류 가중 필터(404)에 적용될 때 시작한다. 가중 필터(404)는 가중함수(W(z))에 의해 입력 신호를 가중하여(504), 벡터 표기로 벡터(sw )로 나타낼 수 있는 가중된 입력 신호(sw(n))를 생성한다. 또한, 과거의 여기 신호(u(n-L))는 대응하는 제로 입력응답 Hzir(z)을 갖는 가중 합성 필터(402)에 적용된다. 가중 입력 신호(sw(n)) 및 가중 합성 필터(402)에 의해 생성된 필터링된 과거 여기 신호(u(n-L))는 각각 제1 결합기(414)에 보내진다. 제1 결합기(414)는 필터링된 과거 여기 신호(u(n-L))을 가중 입력 신호(sw(n))에서 감하여 타겟 입력 신호(xw(n))를 생성한다. 벡터 표기로, 타겟 입력 신호(xw(n))는 x w=s w-h zir인 벡터 x w로서 나타낼 수 있고, h zir은 가중 합성 필터(402)에 의해 필터링된 과거 여기 신호(u(n-L))에 상응한다. 이어서, 제1 결합기(414)는 타겟 입력 신호(xw(n)), 혹은 벡터(x w)를 제2 결합기(416)에 보낸다.
초기 제1 여기 벡터(c τ)는 오류 최소화 유닛(420)에 의해 벡터 발생기에 소스인 여기 벡터와 연관된 파라미터(τ)에 기초하여 벡터 발생기(406)에 의해 발생된다(508). 본 발명의 일 실시예에서, 벡터 발생기(406)는 복수의 벡터들을 저장하는 적응형 코드북과 같은 가상 코드북이며, 파라미터(τ)는 코드북에 저장된 복수의 벡터들 중 한 벡터에 대응하는 인덱스 파라미터이다. 이러한 실시예에서, c τ는 적응형 코브북(ACB) 코드-벡터이다. 본 발명의 또 다른 실시예에서, 벡터 발생기(406)는 장기간 예측기(LTP) 필터이고 파라미터(τ)는 과거 여기 신호(u(n-L)의 선택에 대응하는 래그(lag)이다.
초기 제1 여기 벡터(c τ)는 대응하는 전달 함수(Hzs(z)), 혹은 벡터 표기로 H를 갖는 제1 제로 상태 가중 합성 필터(408)에 보내진다. 가중 합성 필터(408)는 초기 제1 여기 벡터((c τ)를 필터링하여(510) 신호 yτ(n) 혹은 벡터 표기로 벡터 yτ = Hc τ인 yτ 를 생성한다. 필터링된 초기 제1 여기 벡터 yτ(n)는 혹은 yτ 은 초기 제1 여기 벡터와 연관된 이득 파라미터(β)에 기초하여 제1 가중기(409)에 의해 가중되고(512), 가중 및 필터링된 초기 제1 여기 벡터(βyτ 혹은 βHc τ)는 제2 결합기(416)에 보내진다.
제2 결합기(416)는 가중 및 필터링된 초기 제1 여기 벡터(βyτ 혹은 βHc τ)를 타겟 입력 신호 혹은 벡터(x w)로부터 감하여 중간 신호(x2(n)), 혹은 벡터 표기로 x 2=x w-βHc τ인 중간 벡터(x 2)를 생성한다. 이어서 제2 결합기(416)는 중간 신호 (x2(n)) 혹은 벡터(x 2)를 제3 결합기(418)에 보낸다. 제3 결합기(418)은 또한 가중 및 필터링된 초기 제2 여기 벡터(c κ), 바람직하게는 고정 코드북(FCB) 코드-벡터를 수신한다. 초기 제2 여기 벡터(c κ)는 초기 제2 여기 벡터와 연관된 인덱스 파라미터(κ), 바람직하게는 FCB 인덱스 파라미터에 기초하여, 코드북(410), 바람직하게는 고정 코드북(FCB)에 의해 발생된다(516). 초기 제2 여기 벡터(c k)는 대응하는 전달 함수(Hzs(z)), 혹은 행렬 표기로 H를 갖는 제2 제로 상태 가중 합성 필터(412)에 보내진다. 가중 합성 필터(412)는 초기 제2 여기 벡터(c k)를 필터링하여 신호(yk(n)), 혹은 벡터 표기로 y k=Hc k인 벡터 y k를 생성한다. 이어서, 필터링된 초기 제2 여기 벡터(yk(n)) 혹은 y k는 초기 제2 여기 벡터와 연관된 이득 파라미터(γ)에 기초하여 제2 가중기(413)에 의해 가중된다(520). 가중 및 필터링된 초기 제2 여기 벡터(γy k 혹은 γHc k) 또한 제3 결합기(418)에 보내진다.
인코더(300)와 유사하게, 여기서 사용되는 기호들은 다음과 같이 정의된다:
. H는 전달 함수 Hzs(z) 혹은 H(z)에 대응하는, 합성 필터들(303, 304)과 같은 가중 합성 필터(h(n))의 임펄스 응답으로부터 형성된 L x L 제로 상태 가중 합성 콘볼루션 행렬이고, 이 행렬은 다음과 같이 나타낼 수 있다:
Figure 112007008002720-pct00075
. h zir은 이전 입력으로부터의 상태에 기인한 H(z)의 Lx1 제로 입력 응답이다.
. s w는 인지 가중된 Lx1 입력 신호이다.
. ß는 스칼라 제1 여기 벡터와 연관된 이득이다.
. c τ는 파라미터(τ)에 응답하여 발생된 Lx1 제1 여기 벡터이다.
. γ는 스칼라 제2 여기 벡터와 연관된 이득이다.
. c k는 파라미터(k)에 응답하여 발생된 Lx1 제1 여기 벡터이다.
여기서는 벡터 발생기(406)를 가상 코드북 혹은 LTP 필터로서 기술하고 코드북(410)은 고정 코드북으로서 기술하였더라도, 당업자들은 본 발명의 범위 내에서 코드북들의 배열 및 이들 각각의 코드-벡터들은 다르게 될 수 있음을 알 것이다. 예를 들면, 제1 코드북은 고정 코드북일 수 있고, 제2 코드북은 적응형 코드북일 수 있고, 혹은 제1 코드북 및 제2 코드북 모두 고정 코드북일 수 있다.
제3 결합기(418)는 중간 신호(x2(n)), 혹은 중간 벡터(x 2)로부터 가중 및 필터링된 초기 제2 여기 벡터(γy k 혹은 γHc k)를 감하여(522) 인지 가중된 오류 신호(e(n))를 생성한다. 인지 가중된 오류 신호(e(n))는 오류 최소화 유닛(420), 바람직하게는 제곱 오류 최소화/파라미터 양자화 블록에 보내진다. 오류 최소화 유닛(420)은 오류 신호(e(n))를 사용하여, 오류 신호(e(n))의 제곱 합을 최소화함으로써 인코더(400)의 성능을 최적화하는, 복수의 여기 벡터와 연관된 파라미터들(τ, β, κ, γ) 중 적어도 3개를 조인트하여 결정한다(524). 인덱스 파라미터들(τ, κ)의 최적화, 즉 τ* 및 κ*의 결정으로, 벡터 발생기(406)에 의해 최적의 제1 여기 벡터(c τ*)와 코드북(410)에 의해 최적의 제2 여기 벡터(c k *)가 생성되고(526), 파라미터들(β및 γ)의 최적화로, 필터링된 버전의 최적 여기 벡터들(c τ *, c k *)이 최적으로 가중되고(528), 그것에 의해 입력 신호(s(n))에 대한 최상의 추정치가 생성된다(530). 이어서, 논리 흐름은 종료한다(532).
순차 최적화 프로세스를 수행함으로써 최적의 한 세트의 복수의 코드북 관련 파라미터들(τ, β, κ, γ)를 결정하는 인코더(300)의 제곱 오류 최소화/파라미터 블록(308)과는 달리, 인코더(400)의 오류 최적화 유닛(420)은 단계(524)에서 조인트 최적화 프로세스를 수행함으로써 최적의 한 세트의 여기 벡터와 연관된 파라미터들(τ, β, κ, γ)을 결정한다. 조인트 최적화 프로세스를 수행함으로써, 여기 벡터와 연관된 파라미터들(τ, β, κ, γ)의 결정은 한 여기의 선택이 다른 여기 벡터의 선택에 미치는 영향이 각 파라미터의 최적화에서 고려되기 때문에 최적화된다.
벡터 표기로, 에러 신호(e(n))는 e=x w -βHc τ -Hc k인 벡터 e로 나타낼 수 있다. 이 식은 인코더(400)의 결합기(418)에 의해 오류 최소화 유닛(420)에 결합된, 제3 결합기(418)의 제3 결합기(418)에 의해 생성되는 인지 가중된 오류(혹은 왜곡) 신호(e(n))를 나타낸다. 단계(524)에서 인코더(400)에의 오류 최소화 유닛(420)에 의해 수행되는 조인트 최적화 프로세스는 인지 가중된 제곱 오류를 가중한 것, 즉 ∥e∥2가 최소화되게 하는 것으로 다음과 같이 도출될 수 있다.
제3 결합기(418)에 의해 생성된 오류 벡터(e)에 기초하여, 총 제곱 오류, 혹은 조인트 오류 ε, 즉 ε=∥e∥2는 다음과 같이 정의될 수 있다:
Figure 112005023898425-pct00028
식(19)을 전개하면 다음 식이 된다:
Figure 112005023898425-pct00029
식(20)에 '벡터 발생기(406)/코드북(410)', 혹은 '제1 코드북/제2 코드북'인 교차항 ßγc τ T H T Hc k는 종래 기술의 인코더(300)에 의해 수행되는 순차 최적화 프로세스에선 없다. 인코더(400)에 의해 수행되는 조인트 최적화 분석에서 교차항이 있다는 것과 인코더(300)에 의해 수행되는 프로세스로부터 항이 없다는 것은 각각의 최적의 여기 벡터 인덱스들(τ*, k*) 및 대응하는 여기 벡터들(cτ *, ck * )의 선택에 큰 영향을 미친다. 위의 오류 식, 즉 식(20)에 편미분을 취하고 편미분들을 제로로 설정함으로써, 적합한 오류 최소화 기준을 도출하는데 사용될 수 있는 다음과 같은 한 세트의 연식 방정식들이 나온다:
Figure 112005023898425-pct00030
Figure 112005023898425-pct00031
식(21) 및 식(22)을 벡터-행렬 형태로 다시 쓰면 다음과 같은 식이 된다:
Figure 112005023898425-pct00032
식(23)은 τ 혹은 k에 의존하지 않은 항들을 결합함으로써, 즉, d T = x w T H 및 φ = H T H로 놓음으로써, 간단하게 할 수 있고 다음의 식이 된다:
Figure 112005023898425-pct00033
혹은 등가적으로:
Figure 112005023898425-pct00034
C를 코드-벡터 집합[c τ, c k]과 같게 놓음으로써, 즉 C=[c τ c k]로 놓고 [β γ]에 대해 풀어, 오류 최적화 유닛(420)은 다음의 식에 기초하여 최적의 제1 및 제2 코드북 이득들을 조인트하여 결정할 수 있다:
Figure 112005023898425-pct00035
식(26)은 C가 Lx1 벡터가 아니라 길이 Lx2 행렬을 포함하는 것을 제외하곤 순차 경우에 있어 최적 이득 식들, 즉 식(10) 및 식(18)과 현저하게 유사하다. 조인트 오류식, 즉 식(20)으로 돌아가서, d T 및 Φ에 대해 식(20)을 다시 쓰면 다음 식이 된다:
Figure 112005023898425-pct00036
혹은 등가적으로, 다음과 같이 된다:
Figure 112005023898425-pct00037
여기 벡터 집합 C=[c τ c k] 과 조인트하여 최적 여기 벡터와 연관된 이득들 [ß γ]=d T C[C T ΦC]-1을 식(28)에 대입하면 다음의 식이 된다:
Figure 112005023898425-pct00038
C T ΦC[C T ΦC]-1=I이기 때문에, 식(29)은 다음과 같이 간단하게 정리될 수 있다:
Figure 112005023898425-pct00039
식(30)에 기초하여, 인코더(400)의 오류 최소화 유닛(420)이 최적 제1 및 제2 여기 벡터와 연관된 τ* 및 k*를 조인트하게 결정할 수 있게 하는 식은 다음과 같이 나타낼 수 있다:
Figure 112007008002720-pct00076
이 식은 도 13 및 도 17과 매우 유사하고, 식의 우측은 오류 최소화 유닛에 의해 평가되는 오류 최소화 기준을 포함한다. 식(31)은 제1 및 제2 여기 벡터들(c τ* 및 c k*) 모두의 연립, 조인트 최적화 및 최소 가중 제곱 오류에 기초한 이들의 연관된 이득들을 나타낸다.
그러나, 이러한 조인트 최적화의 구현은 복잡한 문제이다. 간단하고 보다 쉽게 구현되는 대안을 제공하기 위해서, 본 발명의 또 다른 실시예에서, 제1 여기 벡터(c τ)는 바람직하게는 식(14)을 통해 오류 최소화 유닛(420)에 의해 사전에 최적화될 수 있고, 나머지 파라미터들(c k, β, γ)은 조인트하여 최적이 되게 오류 최소화 유닛에 의해 결정될 수 있다. 이러한 실시예에서 오류 최소화 유닛(420)에 의해 실행될 수 있는 간단한 식을 도출함에 있어, 식(31)의 오류 최소화 기준, 즉 식(31)의 우측은 식을 전개하여 c k과는 무관한 항들을 소거함으로써 다시 쓸 수 있다:
Figure 112005023898425-pct00041
안쪽의 행렬의 역행렬을 취하고 임시 변수들을 대입함으로써 제2 여기 벡터와 연관된 인덱스 파라미터(k)의 최적화를 위한 다음의 식이 나온다:
Figure 112007008002720-pct00042
여기서
Figure 112007008002720-pct00043
이고 식(32)에서 역행렬을 취한 행렬의 행렬식, 즉 Dk는 식
Figure 112007008002720-pct00044
으로 쓸 수 있다. M은 필터링된 제1 여기 벡터의 에너지이고, N은 가중된 음성과 필터링된 제1 여기 벡터간 상관이고, Ak는 역 필터링된 타겟 벡터와 제2 여기 벡터간 상관이며, Bk는 필터링된 제1 여기 벡터와 제2 필터링된 여기 벡터간 상관인 것에 유의한다.
통상적으로, 순차 탐색 최적화 프로세스와 비교하여 조인트 탐색 최적화 프로세스의 결점은 조인트 탐색 최적화 식의 분자와 분모를 계산하는데 필요한 별도의 연산들에 기인한 조인트 탐색 최적화 프로세스의 상대적 복잡도이다. 그러나, 조인트 탐색 프로세스, 즉 식(33)에 기인한 제2 여기 벡터와 연관된 인덱스 최적화 식의 복잡도는 식(33)의 파라미터들을 식(18)과 유사한 형태의 식으로 바꿈으로써 인코더(300)에 의해 수행되는 순차 탐색에 기인한 제2 코드북 인덱스 최적화 식의 복잡도와 대략 같게 할 수 있다.
다시 인코더(400)에서, M 및 N2은 둘 다 음이 아니고 k에 무관하기 때문에, 식(33) 대신 다음 식이 해결될 수 있다:
Figure 112005023898425-pct00045
Figure 112005023898425-pct00046
이라 놓으면, 식(34)은 다음과 같이 다시 쓸 수 있다:
Figure 112007008002720-pct00047
Dk'=N2Dk=N2MRk-N2Bk 2, Rk'=MN2Rk, 및 bk=NBk이므로, Rk'=Dk'+bk 2것을 앎으로써 항 Rk'는 Dk' 항으로 나타낼 수 있다. 후자의 식을 식(35)에 대입함으로써 대수 조작으로 다음이 된다:
Figure 112005023898425-pct00048
식(36c)에서 상수, 즉 '1'은 최대화 프로세스에 영향을 미치지 않기 때문에, 상수는 제거될 수 있고, 그 결과로 식(36c)는 다음과 같이 다시 쓸 수 있다:
Figure 112005023898425-pct00049
다음에, 조인트 탐색의 파라미터들은 종래 기술의 순차 FCB 탐색의 두 개의 사전 연산된 파라미터들로 전환될 수 있고 그것에 의해 오류 최소화 유닛(420)에 의해 수행되는 조인트 탐색 프로세스에서 순차 FCB 탐색 알고리즘을 사용할 수 있게 함을 알 수 있다. 두 개의 사전 계산된 파라미터들은 상관 행렬(Φ') 및 역방향 필터링된 타겟 신호(d')이다. 다시 순차 탐색기반 CELP 인코더(300) 및 식(17)로 가서, 인코더(300)에 의해 수행되는 순차 탐색에서 최적 FCB 여기 벡터 인덱스 k*는 다음과 같은 오류 최소화 기준으로부터 얻어진다:
Figure 112005023898425-pct00050
식의 우측은 오류 최소화 기준을 포함하고, d 2 T=x 2 T H 및 Φ=H T H이다. 인코더(400)에 의한 실시예에 따라서, 식(37)을 조작하여 식(17)과 형태가 유사한 식을 생성할 수 있다. 구체적으로, 식(37)은 분자가 두 벡터들(이중 하나는 k와는 무관함)의 내적이고, 분모가 c k T Φ'c k 형태인 형태로 둘 수 있고, 여기서 상관 행렬 Φ' 또한 k와는 무관하다.
먼저, 식(37)에서 분자는 식(17)에서 분자와 비교하여 이와 유사하게 함으로써 식(37)의 분모를 식(17)의 분모와 형태가 유사하게 놓는다. 즉,
Figure 112005023898425-pct00051
순차 탐색에 있어 식(15)으로부터 최적 ACB 이득 γ가 사용되고, 또한 식(16)으로 부터 d 2 T=x 2 T H=(x w-βy τ)T H인 것에 유념하면, 식(39)으로부터 다음을 추론할 수 있다:
Figure 112005023898425-pct00052
항 d'는 오류 최소화 유닛(420)에 의해 타겟 신호의 역방향 필터링에 의해 나온 역방향 필터링된 타겟 신호이다. 식(40)은 식(37)의 분자가 식(17)의 스케일링된 분자일 뿐이라는 것을, 중요하게는 인코더(400)의 오류 최소화 유닛(420)에 의해 수행되는 조인트 탐색 프로세스의 분자에 대한 계산 복잡도는, 모든 의도 및 목적들에 대해서, 인코더(400)에 의해 수행되는 순차 탐색 프로세스에 있어 분자의 계산 복잡도와 같음을 알려준다.
다음에, 식(37)에서 분모는 식(17)의 분모와 비교하여 유사하게 함으로써 도 37의 분모를 식(17)의 분모와 유사한 형태로 둔다. 즉,
Figure 112005023898425-pct00053
이전에 정의된 항들을 대입함으로써, 다음과 같은 일련의 등가 식들이 도출될 수 있다:
Figure 112005023898425-pct00054
Φ=H T H는 대칭이기 때문에, Φ=Φ T=H T H이고:
Figure 112005023898425-pct00055
Figure 112005023898425-pct00056
이다.
y=H T y τ로 놓으면, 식(41e)은 다음과 같이 쓸 수 있다:
Figure 112005023898425-pct00057
상관 행렬 Φ'은 다음과 같이 쓸 수 있다:
Figure 112005023898425-pct00058
결국, 오류 최소화 유닛(420)은 다음의 식에 기초하여 오류 최소화 기준(식의 우측항)으로부터 조인트 최적화 프로세스에 있어 오류 최소화를 최소화하는 최적 여기 벡터와 연관된 인덱스 파라미터 k*를 결정할 수 있다:
Figure 112005023898425-pct00059
혹은:
Figure 112005023898425-pct00060
식(17) 및 식(44)에서 오류 최소화 기준의 형태는 일반적으로 동일하기 때문에, d' 및 Φ' 항들은 사전에 계산될 수 있고, 어떠한 현존의 순차 탐색 프로세스이든 많은 수정없이 조인트 탐색 프로세스로 전환시킬 수 있다. 사전 계산 단계들이 복잡해 보일지라도, 식(44)의 분모의 복잡성에 기초하여, 간단한 분석에 의해서, 추가된 복잡도는 사소하지 않을지라도 실제로는 매우 낮음을 보이도록 하겠다.
먼저, 위에서 논한 바와 같이, 식(17)의 분자에 관하여 식(44)의 분자의 추가 복잡도는 사소하다. 샘플들의 서브프레임 길이가 L=40이라 할 대, 추가의 복잡도는 서브프레임 당 40배이다. M=y τ T y τ는 식(14)에서 최적의 τ의 계산에서 이미 존재하기 때문에, 추가 계산들은 필요하지 않다. 아래의 N=x w T y τ의 계산에 있어서도 마찬가지이다.
두 번째로, 식(44)의 분모에 관하여, y=H T y τ의 생성은 길이 L 선형 콘볼루션의 대략 1/2, 혹은 약 40 x 42/2 = 840 곱셈-누산(MAC) 연산들을 필요로 한다. 행렬 Φ의 N2M 스케일링은 행렬 Φ=H T H의 생성에 앞서 √N2M만큼 임펄스 응답(h(n))의 요소들을 스케일링함으로써 효율적으로 구현될 수 있다. 이것은 제곱근 연산 및 약 40 곱셈 연산들만을 요한다. 유사하게, y벡터를 N만큼 스케일링함에 있어서는 약 40 곱셈 연산들만을 요한다. 마지막으로, 스케일링된 Φ 행렬로부터, 스케일링된 yy T 행렬의 생성 및 감산은 40 x 40 행렬 차수에 대해 약 840 MAC 연산들만을 요한다. 이것은 Y=yy T이 랭크 1 행렬(즉, Y(i, j) = y(i)y(j))로서 정의되고 다음과 같이 하여 상관 행렬 Φ'의 형성 중에 효율적으로 생성될 수 있기 때문이다:
Figure 112005023898425-pct00061
식(45)으로부터 당업자에게 명백한 바와 같이, 전체의 상관 행렬 Φ'은 한 번에 생성될 필요는 없다. 본 발명의 여러 실시예들에서, 오류 최소화 유닛(420)은 전체 상관 행렬 생성에 연관된 메모리(RAM)를 절약하기 위해서, 최적 이득 파라미터 κ, 즉 κ*를 결정하기 위한 오류 최소화 기준의 평가에서 사용될 수 있는 하나 이상의 요소들(Φ'(i, j))만을 주어진 시간에 생성할 수도 있다. 또한, 상관 행렬 Φ'을 생성하기 위해서, 오류 최소화 유닛(420)은 상관 행렬의 일부, 이를테면 대칭이므로 상관 행렬의 상측 삼각부분 혹은 하측 삼각 부분만을 생성할 필요가 있다. 이에 따라, 길이 40의 서브프레임에 있어 순차 탐색 프로세스를 조인트 탐색 프로세스로 전환에 필요한 총 추가 복잡도는, 전기통신 응용을 위한 많은 음성 코딩 표준들에서 볼 수 있는 전형적인 구현에 있어, 대략 서브프레임 당 40 + 840 + 40 + 40 + 840 = 1800 곱셈 연산들 혹은 1800 곱셈 연산들/서브프레임 x 4 서브프레임들/프레임 x 50 프레임들/초 = 360,000 연산들/초이다. 쉽게 도달 수 있는 코드북 탐색 루틴들이 5백만 내지 천만 연산들/초이라는 사실을 고려할 때, 조인트 탐색 프로세스에 있어 복잡도에 대응하는 페널티는 단지 3.6 내지 7.2 퍼센트이다. 이 페널티는 종래 기술의 Woodward Hanzo 논문에서 권고하는 조인트 탐색 프로세스에 있어 30 내지 40 퍼센트보다 훨씬 더 효율적이며, 그러면서도 동일한 성능 이점을 생성한다.
이에 따라, 인코더(400)는 조인트 최적화 프로세스의 실행에 앞서 미리 계산될 수 있는 상관 행렬 Φ'에 기초하여 여기 벡터와 연관된 인덱스들을 최적화함으로써 합성에 의한 분석 파라미터들(τ, β, κ, γ)을 종래 기술보다 효율적으로 결정한다. 인코더는 부분적으로는 초기 제1 여기 벡터와 연관된 인덱스 파라미터에 기초하는 필터링된 제1 여기 벡터에 기초하여 상관 행렬을 생성한다. 이어서, 인코더(400)는 적어도 부분적으로 입력 신호에 기초하는 타겟 신호 및 상관 행렬에 기초하여 최적의 제2 여기 벡터와 연관된 인덱스 파라미터의 결정에 관하여 오류 최소화 기준을 평가한다. 이어서, 인코더(400)는 오류 최소화 기준에 기초하여 최적의 제2 여기 벡터와 연관된 인덱스 파라미터를 생성한다. 본 발명의 또 다른 실시예에서, 인코더는 타겟 신호를 역방향 필터링하여, 역방향의 필터링된 타겟 신호(d')를 생성하고, 적어도 부분적으로 이 역방향의 필터링된 타겟 신호와 상관 행렬에 기초하여 제2 코드북 오류 최소화 기준을 평가한다.
다시 식(44)을 참조하면, 식은 벡터 y=0이면, 조인트 탐색을 위한 식은 도 17에 기술한 순차 탐색 프로세스를 위한 대응하는 식과 같게 될 것임을 보이고 있다. 이것은 합성에 의한 분석 처리에서 어떤 차선의 최적 혹은 비선형 연산들이 있었다면 여기 기술된 조인트 탐색 프로세스를 적용할 수 때 및 적용할 수 없는 때를 동적으로 선택하는 것이 이점이 있을 수 있기 때문에 중요하다. 결국, 본 발명의 또 다른 실시예에서, 합성에 의한 분석 인코더는 여기 벡터와 연관된 파라미터들의 최적화를 위해 하이브리드 조인트 탐색(hybrid joint search)/순차 탐색 프로세스(sequential search process)를 수행할 수 있다. 어떤 탐색 프로세스를 행할 것인가를 결정하기 위해서, 합성에 의한 분석 인코더는 순차 탐색 프로세스의 수행과 조인트 탐색 프로세스의 수행간에 선택을 위한 선택 메커니즘을 포함한다. 바람직하게, 선택 메커니즘은 인코더에 의해 조인트 탐색 프로세스와 순차 탐색 프로세스간에 균형을 용이하게 맞추는 조인트 탐색 가중화 계수 λ의 사용을 포함한다. 이러한 실시예에서, 최적 여기 벡터와 연관된 인덱스 κ에 대한 식은 다음 식으로 주어질 수 있다:
Figure 112005023898425-pct00062
여기서 0 ≤λ≤1은 조인트 탐색 가중 계수를 정의한다. λ=1이면, 식은 식(44)와 같다. λ=0이면, 상수항들(M, N)은 모든 코드북의 엔트리들(c k)에 동등하게 영향을 미칠 것이므로, 식은 식(17)과 동일한 결과를 낸다. 양 극단 사이의 값들은 순차 프로세스 및 조인트 프로세스 간 수행에 어떤 절충을 제시할 할 것이다.
도 6 및 도 7에, 조인트 탐색 프로세스와 순차 탐색 프로세스 둘 다를 수행할 수 있는 합성에 의한 분석 인코더가 도시되었다. 도 6은 본 발명의 또 다른 실시예에 따라 조인트 탐색 프로세스 및 순차 탐색 프로세스 둘 다를 수행할 수 있는 CELP 인코더(600)의 블록도(600)이다. 도 7은 조인트 탐색 프로세스를 수행할지 아니면 순차 탐색 프로세스를 수행할지를 결정함에 있어 인코더(600)에 의해 실행되는 단계들의 논리 흐름도(700)이다. 인코더(600)는 조인트 탐색 프로세스를 수행할지 아니면 순차 탐색 프로세스를 수행할지를 인코더(600)가 결정하게 할 수 있게 하는 조인트 탐색 가중 계수 λ를 이용한다. 일반적으로 인코더(600)는 인코더(600)가 제2 코드북(410)에 의해 생성되는 여기 벡터(ck)를 필터링하는 제로 상태 피치 전치 필터(pre-filter)(602)를 포함하고 또한 조인트 탐색 가중 계수를 계산하고 조인트 탐색 프로세스를 수행할지 아니면 순차 탐색 프로세스를 수행할지를 계산된 조인트 탐색 가중 계수 λ에 기초하여 결정하는 오류 최소화 유닛, 즉, 제곱 오류 최소화/파라미터 블록을 포함하는 것을 제외하곤 인코더(400)와 유사하다. 피치 전치 필터들은 이 기술에 공지된 것으로 여기서는 상세히 기술하지 않겠다. 예를 들면, 피치 전치 필터들은 스위스 제네바 20, CH-1211, 플레이스 데스 네이션즈(Place des Nations), ITU로부터 입수될 수 있는 ITU-T(International Telecommunication Union-Telecommunication Standardization Section) 권고 G.729, 명칭 "주기적 측정에 기초하여 적응적 피치 예측 필터를 갖는 CS-ACELP 음성 압축 시스템(CS-ACELP Speech Compression System with Adaptive Pitch Prediction Filter Gain Based on a Measure of Periodicity)"의 미국특허 5,664,055에 기술되어 있다.
제로 상태 피치 전치 필터 전달 함수는 다음과 같이 나타낼 수 있다:
Figure 112005023898425-pct00063
β'는 최적 여기 벡터와 연관된 파라미터 이득 β의 함수, 즉 β'=f(β)이다. 코드북 탐색 프로세스 동안 구현과 최소 복잡도를 용이하게 하기 위해서, 피치 전치 필터(602)는 탐색 프로세스에 앞서 인코더(600)의 가중 합성 필터(412)의 가중 합성 필터 임펄스 응답(h(n))과 콘볼루션된다. 이러한 콘볼루션 방법들은 공지되어 있다. 그러나, 조인트 탐색을 위한 여기 벡터와 연관된 이득 β에 대한 최적 값은 아직 결정되지 않았기 때문에, 종래 기술의 조인트 탐색( 및 ITU-T Recommendation G.729에 기술된 순차 탐색 프로세스)은 피치 전치 필터 이득으로서 이전 서브프레임으로부터의 양자화된 여기 벡터와 연관된 이득의 함수, 즉 ß'(m) = f(ßq(m-1))을 사용하며, 여기서 m은 현 서브프레임을 나타내며, m-1은 이전 서브프레임을 나타낸다. 양자화된 이득의 사용은 그 량을 디코더에서도 사용할 수 있게 해야 하기 때문에 중요하다. 그러나, 현 서브프레임에 대해 이전 서브프레임에 기초한 파라미터의 사용은 코딩할 신호의 특성들이 시간에 따라 변경될 수도 있을 것이기 때문에 서브-최적이다.
도 7를 참조하면, 인코더(600)와 같은 CELP 인코더는 서브프레임의 코딩을 위해 조인트 탐색 프로세스를 수행할 것인지 아니면 순차 탐색 프로세스를 사용할 것인지를 결정에 있어, 오류 최소화 유닛(604), 바람직하게는 인코더(600)의 제곱 오류 최소화/파라미터 블록에 의해 조인트 탐색 가중 계수 λ를 계산하고(702), 제곱 오류 최소화/파라미터 블록에 의해 그리고 조인트 탐색 가중 계수에 기초하여, 하이브리드 조인트 탐색/순차 탐색 프로세스을 수행함으로써, 즉, 식(46)에 관하여, 제1 여기 벡터 및 연관된 제2 여기 벡터와 연관된 이득 파라미터 중 적어도 두 개를 조인트하여 최적화 혹은 순차로 최적화하거나, 두 개의 프로세스들 간 어딘 가에서 최적화 프로세스를 수행함으로써 행한다.
도 6을 참조하여, 본 발명의 일 실시예에서, 인코더(600)의 오류 최소화 유닛(604)에 의해 수행되는 최적화 프로세스에서, 현 프레임의 주기성에 더 중점을 두는 것이 바람직하다. 이것은 현 서브프레임의 피치 주기가 서브프레임 길이 미만이고 양자화되지 않은 여기 벡터와 연관된 이득 β이 클 때 조인트 탐색 가중 계수 λ를 보다 작은 량으로 조율함으로써 달성된다. 이것은 다음 식으로 기술될 수 있다:
Figure 112005023898425-pct00064
여기서 f(β)는, 다양한 다른 함수들이 가능할지라도 f(β)=1-β2일 때 f(β)이 경험상 양호한 특성들을 갖는 것으로 결정되었다. 이것은 피치 주기가 서브프레임 길이 미만이고 이에 의해 주기성의 정도가 식(13) 및 식(14)에 의해 나타내어진 적응형 코드북 탐색시 결정이 된 매우 주기적인 신호들에 순차 탐색 프로세스를 사용하는 것에 더 중점을 두는 효과를 갖는다. 이에 따라, 조인트 탐색 가중 계수의 결정에서 현 프레임의 주기성이 강조될 때, 인코더(600)는 주기성 효과(ß)가 낮을 때 조인트 최적화 프로세스를 행하고 주기성 효과가 클 땐 순차 최적화 프로세스를 행한다. 예로서, 래그(τ)가 서브프레임 길이(L) 미만이고, 주기성 정도가 비교적 낮을 때(ß=0.4), 조인트 탐색 가중 계수의 값은 λ=1-(0.4)2=0.86이며, 이는 조인트 탐색쪽으로 86% 가중을 나타낸다.
본 발명의 또 다른 실시예에서, 인코더(600)의 오류 최소화 유닛(604)은 계수 λ를 양자화되지 않은 여기 벡터와 연관된 이득 β과 피치 지연 둘 다의 함수로 만들 수 있다. 이것은 다음 식으로 기술될 수 있다:
Figure 112005023898425-pct00065
주기성 효과는 지연이 낮은 값으로 되어 갈 때 그리고 양자화되지 않은 여기 벡터와 연관된 이득 β이 높은 값으로 되어 갈 때 더욱 뚜렷해진다. 이에 따라, 여기 벡터와 연관된 이득 β이 크거나 피치 지연이 낮을 때 계수 λ는 낮을 것이 바람직하다. 다음 식은 바람직한 결과들을 내는 것으로 실험적으로 밝혀졌다:
Figure 112005023898425-pct00066
이에 따라, 조인트 탐색 가중 계수의 결정에서 양자화하지 않은 ACB 이득 및 피치 지연에 중점을 두었을 때, 인코더(600)는 조인트 최적화 프로세스를 행하고, 그렇지 않다면 조인트 탐색 가중 계수의 결정은 순차 최적화 프로세스로 행해진다. 예로서, 래그 τ=30이고 서브프레임 길이 L=30 미만이고, 주기성 정도가 비교적 낮을 때(β = 0.4), 조인트 탐색 가중 계수의 값은 λ=1-0.18 x 0.4 x (1-30/40) = 0.98이며, 이는 조인트 탐색쪽으로 98% 가중을 나타낸다.
요약하여, 여기 벡터와 연관된 파라미터들을 종래 기술의 인코더들보다 효율적으로 최적화하는 CELP 인코더가 제공된다. 본 발명의 일 실시예에서, CELP 인코더는 필터링된 제1 여기 벡터에 기초하는 계산된 상관 행렬에 기초하여 여기 벡터와 연관된 인덱스들을 최적화한다. 이어서, 인코더는 입력 신호에 기초하는 타겟 신호, 및 상관 행렬에 적어도 부분적으로 기초하여 오류 최소화 기준을 평가하고, 오류 최소화 기준에 응답하여 여기 벡터와 연관된 인덱스 파라미터를 생성한다. 본 발명의 또 다른 실시예에서, 인코더는 타겟 신호를 역방향 필터링하여 역방향 필터링된 타겟 신호를 생성하고 제2 코드북을 평가한다. 본 발명의 또 다른 실시예에서, 조인트 탐색 가중 계수를 참조함으로써 코드북 인덱스들을 조인트하여 최적화 및/또는 순차로 최적화할 수 있고, 그것에 의해 최적 오류 최소화 프로세스를 실행하는 CELP 인코더가 제공된다.
본 발명을 이의 특정의 실시예들을 참조하여 특정하게 도시 및 기술하였으나, 당업자는 이하 청구항들에 개시된 본 발명의 범위 내에서 여러 가지 변경들이 행해질 수 있고 등가물들로 요소들을 대치할 수 있음을 알 것이다. 따라서, 명세서 및 도면들은 한정하려는 것이 아니라 예시하려는 것으로 간주되어야 하고 모든 이러한 변경들 및 대치들은 본 발명의 범위 내에 포함된다.
이점들, 이외 이점들 및 문제들에 대한 해결책을 구체적인 실시예들에 관하여 위에 기술하였다. 그러나, 이점들, 이외 이점들, 문제들에 대한 해결책, 및 이들이 유발되게 하거나 더욱 명확하게 할 어떤 요소(들)이든 청구항들 중 어느 하나 혹은 전부의 결정적, 필요의, 혹은 필수적 특징 혹은 요소로서 해석되지 않아야 한다. 여기 사용되는 "포함하다"의 용어는 비-배타적 포함도 포괄하는 것으로 열거된 요소들을 포함하는 공정, 방법, 물품 혹은 장치가 이들 요소들만을 포함하는 것이 아니라 이러한 공정, 방법, 물품 혹은 장치에 본연의 혹은 구체적으로 나열되지 않은 그 외 다른 요소들도 포함할 수 있게 하는 것이다. 제1 및 제2, 상부 및 하부 등과 같은 상대적인 용어들의 사용은 또 다른 엔터티들 혹은 작동들간 어떤 실제적인 이러한 관계 혹은 순서를 반드시 필요로 하거나 내포함이 없이 단지 이들 실체나 작동으로부터 구별하기 위해서 사용되는 것이다.

Claims (15)

  1. 합성에 의한 분석 코딩 시스템(analysis-by-synthesis coding system)에서 벡터와 연관된 파라미터들을 조인트 최적화(joint optimization)하는 방법에 있어서:
    입력 신호에 기초하여 타겟 벡터를 생성하는 단계;
    제1 상관 행렬의 하나 이상의 요소들을 생성하는 단계;
    제1 여기 벡터(excitation vector)에 기초하여 상관 변경 행렬의 하나 이상의 요소들을 생성하는 단계;
    상기 제1 상관 행렬의 요소들과 상기 상관 변경 행렬의 요소들을 합산하여 제2 상관 행렬의 하나 이상의 요소들을 생성하는 단계;
    상기 타겟 벡터 및 상기 제2 상관 행렬의 상기 하나 이상의 요소들에 부분적으로 기초하여 오류 최소화 기준을 평가하는 단계; 및
    상기 오류 최소화 기준에 기초하여 제2 여기 벡터와 연관된 파라미터를 생성하는 단계를 포함하는, 벡터와 연관된 파라미터들을 조인트 최적화하는 방법.
  2. 제1항에 있어서, 상기 타겟 벡터를 역방향으로 필터링하여 역방향 필터링된 타겟 신호를 생성하는 단계를 더 포함하고,
    오류 최소화 기준을 평가하는 상기 단계는 상기 역방향 필터링된 타겟 신호 및 상기 제2 상관 행렬의 상기 하나 이상의 요소들에 부분적으로 기초하여 오류 최소화 기준을 평가하는 단계를 포함하는, 벡터와 연관된 파라미터들을 조인트 최적화하는 방법.
  3. 제1항에 있어서, 상기 오류 최소화 기준에 기초하여 제2 여기 벡터와 연관된 파라미터를 생성하는 상기 단계는:
    상기 오류 최소화 기준에 기초하여 여기 벡터와 연관된 인덱스 파라미터를 생성하는 단계; 및
    상기 여기 벡터와 연관된 인덱스 파라미터에 기초하여 제2 여기 벡터를 생성하는 단계를 포함하는, 벡터와 연관된 파라미터들을 조인트 최적화하는 방법.
  4. 제1항에 있어서, 상기 제2 여기 벡터는 코드북에 의해 생성된 제2 코드-벡터이며, 상기 제2 코드-벡터의 생성에 앞서 상기 코드북에 의해 제1 코드-벡터가 생성되며, 상기 방법은:
    상기 타겟 벡터를 상기 제1 여기 벡터로부터 도출된 벡터와 결합하여 중간 벡터를 생성하는 단계; 및
    상기 중간 벡터 및 상기 제1 코드-벡터에 기초하여 오류 벡터를 생성하는 단계를 더 포함하고,
    상관 행렬의 하나 이상의 요소들을 생성하는 상기 단계는 상기 오류 벡터에 기초하여 상관 행렬의 하나 이상의 요소들을 생성하는 단계를 포함하는, 벡터와 연관된 파라미터들을 조인트 최적화하는 방법.
  5. 제1항에 있어서,
    상기 제1 상관 행렬의 요소들과 상기 상관 변경 행렬의 요소들을 합산하여 제2 상관 행렬의 하나 이상의 요소들을 생성하는 상기 단계는:
    조인트 탐색 가중 계수(joint search weighting factor)를 계산하는 단계; 및
    상기 계산된 조인트 탐색 가중 계수에 기초하여, 상기 제1 상관 행렬의 요소들과 상기 상관 변경 행렬의 요소들과의 가중된 합산을 형성하여 제2 상관 행렬의 하나 이상의 요소들을 생성하는 단계를 더 포함하는, 벡터와 연관된 파라미터들을 조인트 최적화하는 방법.
  6. 제5항에 있어서, 조인트 탐색 가중 계수를 계산하는 상기 단계는 서브프레임의 길이를 결정하는 단계 및 상기 서브프레임의 피치 주기(pitch period)를 결정하는 단계를 포함하고,
    상기 서브프레임의 상기 결정된 길이와 상기 서브프레임의 상기 결정된 피치 주기를 비교하여 비교치를 생성하는 단계; 및
    상기 비교치에 기초하여 상기 조인트 탐색 가중 계수를 계산하는 단계를 더 포함하는, 벡터와 연관된 파라미터들을 조인트 최적화하는 방법.
  7. 제5항에 있어서, 조인트 탐색 가중 계수를 계산하는 상기 단계는 이전 서브프레임과 연관된 이득을 결정하는 단계를 포함하고,
    이전 서브프레임과 연관된 이득의 결정에 응답하여 조인트 탐색 가중 계수를 계산하는 단계를 더 포함하는, 벡터와 연관된 파라미터들을 조인트 최적화하는 방법.
  8. 합성에 의한 분석 코딩 장치에 있어서:
    입력 신호에 기초하여 타겟 벡터를 생성하는 수단;
    제1 상관 행렬의 하나 이상의 요소들을 생성하고, 제1 여기 벡터에 기초하여 상관 변경 행렬의 하나 이상의 요소들을 생성하고, 상기 제1 상관 행렬의 요소들과 상기 상관 변경 행렬의 요소들을 합산하여 제2 상관 행렬의 하나 이상의 요소들을 생성하고, 상기 제2 상관 행렬의 상기 하나 이상의 요소들 및 상기 타겟 벡터에 적어도 부분적으로 기초하여 오류 최소화 기준을 평가하고, 상기 오류 최소화 기준에 기초하여 제2 여기 벡터와 연관된 적어도 한 파라미터를 생성하는 오류 최소화 유닛을 포함하는, 합성에 의한 분석 코딩 장치.
  9. 제8항에 있어서, 상기 오류 최소화 유닛은 또한 상기 타겟 벡터를 역방향으로 필터링하여 역방향 필터링된 타겟 신호를 생성하고, 상기 오류 최소화 유닛은 상기 제2 상관 행렬의 상기 하나 이상의 요소들 및 상기 역방향 필터링된 타겟 신호에 부분적으로 기초하여 오류 최소화 기준을 평가하는, 합성에 의한 분석 코딩 장치.
  10. 제8항에 있어서, 상기 파라미터에 기초하여 상기 제2 여기 벡터를 생성하는 벡터 생성기를 더 포함하고, 상기 오류 최소화 유닛은 상기 오류 최소화 기준에 기초하여 복수의 파라미터들을 생성하며, 상기 벡터 생성기는 상기 복수의 파라미터들 중 제1 파라미터에 기초하여 제2 벡터 생성기 여기 벡터를 생성하고, 상기 장치는 상기 복수의 파라미터들 중 제2 파라미터에 기초하여 코드북 코드-벡터를 생성하는 코드북을 더 포함하는, 합성에 의한 분석 코딩 장치.
  11. 제10항에 있어서,
    상기 복수의 파라미터들 중 제3 파라미터에 기초하여 상기 제2 벡터 생성기 여기 벡터에 제1 이득을 적용하는 제1 가중기; 및
    상기 복수의 파라미터들 중 제4 파라미터에 기초하여 상기 코드북 코드-벡터에 제2 이득을 적용하는 제2 가중기를 더 포함하는, 합성에 의한 분석 코딩 장치.
  12. 제10항에 있어서, 상기 장치는 코드북을 더 포함하고, 상기 제2 여기 벡터는 상기 코드북에 의해 생성된 제2 코드-벡터를 포함하며, 상기 벡터 생성기에 의해 생성된 제1 여기 벡터에 이어 제1 코드-벡터가 상기 코드북에 의해 생성되며, 상기 장치는:
    상기 타겟 벡터를 상기 제1 여기 벡터로부터 도출된 벡터와 결합하여 중간 벡터를 생성하는 제1 결합기; 및
    상기 중간 벡터 및 상기 제1 코드-벡터에 기초하여 오류 벡터를 생성하는 제2 결합기를 더 포함하고,
    상기 오류 최소화 유닛은 상기 오류 벡터에 기초하여 상관 행렬을 생성하는, 합성에 의한 분석 코딩 장치.
  13. 서브프레임의 합성에 의한 분석 코딩을 위한 인코더에 있어서,
    조인트 탐색 가중 계수를 계산하고, 상기 조인트 탐색 가중 계수에 기초하여, 복수의 여기 벡터와 연관된 파라미터들 중 적어도 두 개의 여기 벡터와 연관된 파라미터들의 조인트 최적화와 상기 복수의 여기 벡터와 연관된 파라미터들 중 적어도 두 개의 여기 벡터와 연관된 파라미터들의 순차 최적화의 하이브리드(hybrid)인 최적화 프로세스를 수행하는 프로세서를 포함하는, 인코더.
  14. 제13항에 있어서, 상기 프로세서는 상기 서브프레임의 길이를 결정하고 상기 서브프레임의 피치 주기를 결정함으로써 조인트 탐색 가중 계수를 계산하며, 상기 프로세서는 상기 서브프레임의 상기 결정된 길이와 상기 서브프레임의 상기 결정된 피치 주기를 비교하여 비교치를 생성하고, 상기 프로세서는 상기 비교치에 응답하여 상기 하이브리드 최적화 프로세스를 수행하는, 인코더.
  15. 제13항에 있어서, 상기 서브프레임은 현재의 서브프레임을 포함하고, 상기 프로세서는 이전 서브프레임과 연관된 이득을 결정함으로써 조인트 탐색 가중 계수를 계산하며, 상기 프로세서는 상기 이전 서브프레임의 상기 결정된 이득에 응답하여 상기 하이브리드 최적화 프로세스를 수행하는, 인코더.
KR1020057008107A 2002-11-08 2003-11-06 정보 신호 코딩 방법 및 장치 KR100756207B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US10/291,056 2002-11-08
US10/291,056 US7054807B2 (en) 2002-11-08 2002-11-08 Optimizing encoder for efficiently determining analysis-by-synthesis codebook-related parameters
PCT/US2003/035677 WO2004044890A1 (en) 2002-11-08 2003-11-06 Method and apparatus for coding an informational signal

Publications (2)

Publication Number Publication Date
KR20050072797A KR20050072797A (ko) 2005-07-12
KR100756207B1 true KR100756207B1 (ko) 2007-09-07

Family

ID=32229184

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020057008107A KR100756207B1 (ko) 2002-11-08 2003-11-06 정보 신호 코딩 방법 및 장치

Country Status (6)

Country Link
US (1) US7054807B2 (ko)
JP (1) JP4820934B2 (ko)
KR (1) KR100756207B1 (ko)
CN (1) CN100580772C (ko)
AU (1) AU2003287595A1 (ko)
WO (1) WO2004044890A1 (ko)

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6782360B1 (en) * 1999-09-22 2004-08-24 Mindspeed Technologies, Inc. Gain quantization for a CELP speech coder
BRPI0617447A2 (pt) 2005-10-14 2012-04-17 Matsushita Electric Ind Co Ltd codificador de transformada e método de codificação de transformada
US20070230638A1 (en) * 2006-03-30 2007-10-04 Meir Griniasty Method and apparatus to efficiently configure multi-antenna equalizers
US8712766B2 (en) * 2006-05-16 2014-04-29 Motorola Mobility Llc Method and system for coding an information signal using closed loop adaptive bit allocation
FR2911227A1 (fr) * 2007-01-05 2008-07-11 France Telecom Codage par transformee, utilisant des fenetres de ponderation et a faible retard
KR101594815B1 (ko) * 2008-10-20 2016-02-29 삼성전자주식회사 적응적으로 코드북을 생성하고 사용하는 다중 입출력 통신 시스템 및 통신 방법
CN102385858B (zh) 2010-08-31 2013-06-05 国际商业机器公司 情感语音合成方法和系统
KR101748756B1 (ko) * 2011-03-18 2017-06-19 프라운호퍼 게젤샤프트 쭈르 푀르데룽 데어 안겐반텐 포르슝 에.베. 오디오 콘텐츠를 표현하는 비트스트림의 프레임들 내의 프레임 요소 배치
US9972325B2 (en) * 2012-02-17 2018-05-15 Huawei Technologies Co., Ltd. System and method for mixed codebook excitation for speech coding
US9263053B2 (en) 2012-04-04 2016-02-16 Google Technology Holdings LLC Method and apparatus for generating a candidate code-vector to code an informational signal
US9070356B2 (en) * 2012-04-04 2015-06-30 Google Technology Holdings LLC Method and apparatus for generating a candidate code-vector to code an informational signal
WO2015025454A1 (ja) * 2013-08-22 2015-02-26 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ 音声符号化装置およびその方法
CN104143335B (zh) 2014-07-28 2017-02-01 华为技术有限公司 音频编码方法及相关装置
CN109887519B (zh) * 2019-03-14 2021-05-11 北京芯盾集团有限公司 提高语音信道数据传输准确性的方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5233660A (en) 1991-09-10 1993-08-03 At&T Bell Laboratories Method and apparatus for low-delay celp speech coding and decoding
US5687284A (en) 1994-06-21 1997-11-11 Nec Corporation Excitation signal encoding method and device capable of encoding with high quality
US5924062A (en) 1997-07-01 1999-07-13 Nokia Mobile Phones ACLEP codec with modified autocorrelation matrix storage and search
US6104992A (en) 1998-08-24 2000-08-15 Conexant Systems, Inc. Adaptive gain reduction to produce fixed codebook target signal

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4817157A (en) * 1988-01-07 1989-03-28 Motorola, Inc. Digital speech coder having improved vector excitation source
US5754976A (en) 1990-02-23 1998-05-19 Universite De Sherbrooke Algebraic codebook with signal-selected pulse amplitude/position combinations for fast coding of speech
JPH0444100A (ja) * 1990-06-11 1992-02-13 Fujitsu Ltd 音声符号化方式
US5495555A (en) * 1992-06-01 1996-02-27 Hughes Aircraft Company High quality low bit rate celp-based speech codec
EP0751496B1 (en) * 1992-06-29 2000-04-19 Nippon Telegraph And Telephone Corporation Speech coding method and apparatus for the same
US5598504A (en) * 1993-03-15 1997-01-28 Nec Corporation Speech coding system to reduce distortion through signal overlap
WO1994023426A1 (en) * 1993-03-26 1994-10-13 Motorola Inc. Vector quantizer method and apparatus
JP3293709B2 (ja) * 1994-03-15 2002-06-17 日本電信電話株式会社 励振信号直交化音声符号化法
JP3273455B2 (ja) * 1994-10-07 2002-04-08 日本電信電話株式会社 ベクトル量子化方法及びその復号化器
SE504010C2 (sv) * 1995-02-08 1996-10-14 Ericsson Telefon Ab L M Förfarande och anordning för prediktiv kodning av tal- och datasignaler
FR2734389B1 (fr) * 1995-05-17 1997-07-18 Proust Stephane Procede d'adaptation du niveau de masquage du bruit dans un codeur de parole a analyse par synthese utilisant un filtre de ponderation perceptuelle a court terme
US5774839A (en) * 1995-09-29 1998-06-30 Rockwell International Corporation Delayed decision switched prediction multi-stage LSF vector quantization
US5751901A (en) * 1996-07-31 1998-05-12 Qualcomm Incorporated Method for searching an excitation codebook in a code excited linear prediction (CELP) coder
US6073092A (en) * 1997-06-26 2000-06-06 Telogy Networks, Inc. Method for speech coding based on a code excited linear prediction (CELP) model
JP3235543B2 (ja) * 1997-10-22 2001-12-04 松下電器産業株式会社 音声符号化／復号化装置
FI113571B (fi) * 1998-03-09 2004-05-14 Nokia Corp Puheenkoodaus
US6480822B2 (en) * 1998-08-24 2002-11-12 Conexant Systems, Inc. Low complexity random codebook structure
US6493665B1 (en) * 1998-08-24 2002-12-10 Conexant Systems, Inc. Speech classification and parameter weighting used in codebook search
US6240386B1 (en) * 1998-08-24 2001-05-29 Conexant Systems, Inc. Speech codec employing noise classification for noise compensation

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5233660A (en) 1991-09-10 1993-08-03 At&T Bell Laboratories Method and apparatus for low-delay celp speech coding and decoding
US5687284A (en) 1994-06-21 1997-11-11 Nec Corporation Excitation signal encoding method and device capable of encoding with high quality
US5924062A (en) 1997-07-01 1999-07-13 Nokia Mobile Phones ACLEP codec with modified autocorrelation matrix storage and search
US6104992A (en) 1998-08-24 2000-08-15 Conexant Systems, Inc. Adaptive gain reduction to produce fixed codebook target signal

Also Published As

Publication number Publication date
JP4820934B2 (ja) 2011-11-24
US7054807B2 (en) 2006-05-30
KR20050072797A (ko) 2005-07-12
JP2006505828A (ja) 2006-02-16
US20040093207A1 (en) 2004-05-13
CN1711587A (zh) 2005-12-21
AU2003287595A1 (en) 2004-06-03
WO2004044890A1 (en) 2004-05-27
CN100580772C (zh) 2010-01-13

Similar Documents

Publication Publication Date Title
EP1338002B1 (en) Method and apparatus for one-stage and two-stage noise feedback coding of speech and audio signals
JP5400701B2 (ja) 音声符号化のための方法と装置
KR100756207B1 (ko) 정보 신호 코딩 방법 및 장치
US20050053130A1 (en) Method and apparatus for voice transcoding between variable rate coders
WO1992016930A1 (en) Speech coder and method having spectral interpolation and fast codebook search
US20130030798A1 (en) Method and apparatus for audio coding and decoding
JP2007537494A (ja) 遠隔通信のためのマルチレート音声コーダにおける音声レート変換の方法及び装置
US8712766B2 (en) Method and system for coding an information signal using closed loop adaptive bit allocation
US7047188B2 (en) Method and apparatus for improvement coding of the subframe gain in a speech coding system
JP6122961B2 (ja) 自己相関ドメインにおけるａｃｅｌｐを用いたスピーチ信号の符号化装置
JPH0341500A (ja) 低遅延低ビツトレート音声コーダ
JP3095133B2 (ja) 音響信号符号化方法
CA2344302C (en) Linear predictive analysis-by-synthesis encoding method and encoder
JP4820954B2 (ja) デジタル音声符号器における高調波ノイズ重み付け
EP1334486B1 (en) System for vector quantization search for noise feedback based coding of speech
JP3192051B2 (ja) 音声符号化装置
JPH1091193A (ja) 音声符号化方法および音声復号方法
JPH08137496A (ja) 音声符号化装置

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
G170 Publication of correction
FPAY Annual fee payment

Payment date: 20120727

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20130729

Year of fee payment: 7

FPAY Annual fee payment

Payment date: 20140730

Year of fee payment: 8

FPAY Annual fee payment

Payment date: 20150810

Year of fee payment: 9

FPAY Annual fee payment

Payment date: 20160811

Year of fee payment: 10

FPAY Annual fee payment

Payment date: 20170814

Year of fee payment: 11