KR20180015286A - 선형 예측 분석 장치, 방법, 프로그램 및 기록 매체 - Google Patents

선형 예측 분석 장치, 방법, 프로그램 및 기록 매체 Download PDF

Info

Publication number
KR20180015286A
KR20180015286A KR1020187003053A KR20187003053A KR20180015286A KR 20180015286 A KR20180015286 A KR 20180015286A KR 1020187003053 A KR1020187003053 A KR 1020187003053A KR 20187003053 A KR20187003053 A KR 20187003053A KR 20180015286 A KR20180015286 A KR 20180015286A
Authority
KR
South Korea
Prior art keywords
coefficient
pitch gain
series signal
input time
coefficient table
Prior art date
Application number
KR1020187003053A
Other languages
English (en)
Other versions
KR101877397B1 (ko
Inventor
타케히로 모리야
유타카 카마모토
노보루 하라다
Original Assignee
니폰 덴신 덴와 가부시끼가이샤
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 니폰 덴신 덴와 가부시끼가이샤 filed Critical 니폰 덴신 덴와 가부시끼가이샤
Publication of KR20180015286A publication Critical patent/KR20180015286A/ko
Application granted granted Critical
Publication of KR101877397B1 publication Critical patent/KR101877397B1/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
    • G10L19/06—Determination or coding of the spectral characteristics, e.g. of the short-term prediction coefficients
    • 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
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
    • G10L25/06—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters the extracted parameters being correlation coefficients
    • 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
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
    • G10L25/12—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters the extracted parameters being prediction coefficients
    • 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
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/90—Pitch determination of speech signals
    • 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
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
    • G10L25/21—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters the extracted parameters being power information

Landscapes

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

Abstract

자기상관 계산부(21)가 입력 신호로부터 자기상관 RO(i)을 계산한다. 예측 계수 계산부(23)가 계수 wO(i)와 자기상관 RO(i)이 승산된 것인 변형 자기상관 R'O(i)을 사용하여 선형 예측 분석을 한다. 여기서 적어도 일부의 각 차수 i에 대하여, 각 차수 i에 대응하는 계수 wO(i)가 현재 또는 과거의 프레임에 있어서의 입력 신호의 피치 게인과 정의 상관관계에 있는 값의 증가와 함께 단조감소하는 관계에 있는 경우가 포함되어 있는 것으로 한다.

Description

선형 예측 분석 장치, 방법, 프로그램 및 기록 매체{LINEAR PREDICTIVE ANALYSIS APPARATUS, METHOD, PROGRAM, AND RECORDING MEDIUM}
본 발명은 음성 신호, 음향 신호, 심전도, 뇌파, 뇌자도, 지진파 등의 디지털 시계열 신호의 분석 기술에 관한 것이다.
음성 신호, 음향 신호의 부호화에서는 입력된 음성 신호나 음향 신호를 선형 예측 분석하여 얻은 예측 계수에 기초하여 부호화하는 수법이 널리 사용되고 있다(예를 들면, 비특허문헌 1, 2 참조.).
비특허문헌 1 내지 3에서는 도 11에 예시하는 선형 예측 분석 장치에 의해 예측 계수가 계산되고 있다. 선형 예측 분석 장치(1)는 자기상관 계산부(11), 계수 승산부(12) 및 예측 계수 계산부(13)를 구비하고 있다.
입력된 시간 영역의 디지털 음성 신호나 디지털 음향 신호인 입력 신호는 N샘플의 프레임마다 처리된다. 현 시각에서 처리 대상으로 하는 프레임인 현 프레임의 입력 신호를 XO(n)(n=0,1,…,N-1)로 한다. n은 입력 신호에 있어서의 각 샘플의 샘플 번호를 나타내고, N은 소정의 정의 정수이다. 여기서 현 프레임의 1개 앞의 프레임의 입력 신호는 XO(n)(n=-N, -N+1,…,-1)이며, 현 프레임의 1개 뒤의 프레임의 입력 신호는 XO(n)(n=N, N+1,…,2N-1)이다.
[자기상관 계산부(11)]
선형 예측 분석 장치(1)의 자기상관 계산부(11)는 입력 신호 XO(n)로부터 자기상관 RO(i)(i=0,1,…,Pmax, Pmax는 예측 차수)을 식(11)에 의해 구하여 출력한다. Pmax는 N 미만의 소정의 정의 정수이다.
[수 1]
Figure pat00001
[계수 승산부(12)]
다음에, 계수 승산부(12)가 자기상관 계산부(11)로부터 출력된 자기상관 RO(i)에 미리 정한 계수 wO(i)(i=0,1,…,Pmax)를 동일한 i마다 곱함으로써 변형 자기상관 R'O(i)(i=0,1,…,Pmax)을 구한다. 즉, 변형 자기상관 함수 R'O(i)를 식(12)에 의해 구한다.
[수 2]
Figure pat00002
[예측 계수 계산부(13)]
그리고, 예측 계수 계산부(13)가 계수 승산부(12)로부터 출력된 변형 자기상관 R'O(i)을 사용하여 예를 들면 Levinson-Durbin법 등에 의해 1차로부터 미리 정한 예측 차수인 Pmax차까지의 선형 예측 계수로 변환 가능한 계수를 구한다. 선형 예측 계수로 변환 가능한 계수는 PARCOR계수 KO(1), KO(2),…, KO(Pmax)이나 선형 예측 계수 aO(1), aO(2),…, aO(Pmax) 등이다.
비특허문헌 1인 국제표준 ITU-T G.718이나 비특허문헌 2인 국제표준 ITU-T G.729에서는 계수 wO(i)로서 미리 구해 둔 60Hz의 밴드 폭의 고정의 계수를 사용하고 있다.
구체적으로는 계수 wO(i)는 식(13)과 같이 지수함수를 사용하여 정의되어 있고, 식(13) 중에서는 f0=60Hz라는 고정값이 사용되고 있다. fs는 샘플링 주파수이다.
[수 3]
Figure pat00003
비특허문헌 3에는 상기 서술한 지수함수 이외의 함수에 기초하는 계수를 사용하는 예가 기재되어 있다. 그러나 여기서 사용되고 있는 함수는 샘플링 주기 τ(fs에 대응하는 주기에 상당)와 소정의 상수 a에 기초하는 함수이며, 역시 고정값의 계수가 사용되고 있다.
ITU-T Recommendation G.718, ITU, 2008. ITU-T Recommendation G.729, ITU, 1996 Yoh'ichi Tohkura, Fumitada Itakura, Shin'ichiro Hashimoto, "Spectral Smoothing Technique in PARCOR Speech Analysis-Synthesis", IEEE Trans. on Acoustics, Speech, and Signal Processing, Vol. ASSP-26, No. 6, 1978
종래의 음성 신호, 음향 신호의 부호화에서 사용되고 있는 선형 예측 분석 방법에서는, 자기상관 RO(i)에 고정의 계수 wO(i)가 승산되어 얻어지는 변형 자기상관 R'O(i)을 사용하여 선형 예측 계수로 변환 가능한 계수를 구하고 있었다. 따라서, 자기상관 RO(i)으로의 계수 wO(i)의 승산에 의한 변형을 필요로 하지 않는 것 같은 즉 변형 자기상관 R'O(i)이 아니라 자기상관 RO(i) 그 자체를 사용하여 선형 예측 계수로 변환 가능한 계수를 구했다고 해도, 선형 예측 계수로 변환 가능한 계수에 대응하는 스펙트럼 포락에 있어서 스펙트럼의 피크가 지나치게 커지지 않는 것 같은 입력 신호의 경우에는, 자기상관 RO(i)으로의 계수 wO(i)의 승산에 의해, 변형 자기상관 R'O(i)에 의해 구해진 선형 예측 계수로 변환 가능한 계수에 대응하는 스펙트럼 포락이, 입력 신호 XO(n)의 스펙트럼 포락을 근사하는 정밀도가 떨어져버릴 즉 선형 예측 분석의 정밀도가 떨어져버릴 가능성이 있었다.
본 발명은 종래보다 분석 정밀도가 높은 선형 예측 분석 방법, 장치, 프로그램 및 기록 매체를 제공하는 것을 목적으로 한다.
본 발명의 하나의 태양에 의한 선형 예측 분석 방법은, 입력 시계열 신호에 대응하는 선형 예측 계수로 변환 가능한 계수를 소정 시간 구간인 프레임마다 구하는 선형 예측 분석 방법으로서, 적어도 i=0,1,…,Pmax의 각각에 대해서, 현재의 프레임의 입력 시계열 신호 XO(n)와 i 샘플만큼 과거의 입력 시계열 신호 XO(n-i) 또는 i 샘플만큼 미래의 입력 시계열 신호 XO(n+i)와의 자기상관 RO(i)을 계산하는 자기상관 계산 스텝과, 계수 wO(i)와 자기상관 RO(i)이 대응하는 i마다 승산된 것인 변형 자기상관 R'O(i)을 사용하여, 1차로부터 Pmax차까지의 선형 예측 계수로 변환 가능한 계수를 구하는 예측 계수 계산 스텝을 포함하고, 적어도 일부의 각 차수 i에 대하여, 각 차수 i에 대응하는 계수 wO(i)가 현재 또는 과거의 프레임에 있어서의 입력 시계열 신호의 주기성의 강도 또는 입력 시계열 신호에 기초하는 피치 게인과 정의 상관관계에 있는 값의 증가와 함께 단조감소하는 관계에 있는 경우가 포함되어 있다.
본 발명의 하나의 태양에 의한 선형 예측 분석 방법은, 입력 시계열 신호에 대응하는 선형 예측 계수로 변환 가능한 계수를 소정 시간 구간인 프레임마다 구하는 선형 예측 분석 방법으로서, 적어도 i=0,1,…,Pmax의 각각에 대해서, 현재의 프레임의 입력 시계열 신호 XO(n)와 i 샘플만큼 과거의 입력 시계열 신호 XO(n-i) 또는 i 샘플만큼 미래의 입력 시계열 신호 XO(n+i)와의 자기상관 RO(i)을 계산하는 자기상관 계산 스텝과, 2개 이상의 계수 테이블의 각각에는 i=0,1,…,Pmax의 각 차수 i와 각 차수 i에 대응하는 계수 wO(i)가 대응지어져 기억되어 있는 것으로 하여, 현재 또는 과거의 프레임에 있어서의 입력 시계열 신호의 주기성의 강도 또는 입력 시계열 신호에 기초하는 피치 게인과 정의 상관관계에 있는 값을 사용하여 2개 이상의 계수 테이블 중의 1개의 계수 테이블로부터 계수 wO(i)를 취득하는 계수 결정 스텝과, 취득된 계수 wO(i)와 자기상관 RO(i)이 대응하는 i마다 승산된 것인 변형 자기상관 R'O(i)을 사용하여, 1차로부터 Pmax차까지의 선형 예측 계수로 변환 가능한 계수를 구하는 예측 계수 계산 스텝을 포함하고, 2개 이상의 계수 테이블 중의 주기성의 강도 또는 피치 게인과 정의 상관관계에 있는 값이 제1 값인 경우에 계수 결정 스텝에서 계수 wO(i)가 취득되는 계수 테이블을 제1 계수 테이블로 하고, 2개 이상의 계수 테이블 중의 주기성의 강도 또는 피치 게인과 정의 상관관계에 있는 값이 제1 값보다 작은 제2 값인 경우에 계수 결정 스텝에서 계수 wO(i)가 취득되는 계수 테이블을 제2 계수 테이블로 하여, 적어도 일부의 각 차수 i에 대하여, 제2 계수 테이블에 있어서의 각 차수 i에 대응하는 계수는 제1 계수 테이블에 있어서의 각 차수 i에 대응하는 계수보다 크다.
본 발명의 하나의 태양에 의한 선형 예측 분석 방법은, 입력 시계열 신호에 대응하는 선형 예측 계수로 변환 가능한 계수를 소정 시간 구간인 프레임마다 구하는 선형 예측 분석 방법으로서, 적어도 i=0,1,…,Pmax의 각각에 대해서, 현재의 프레임의 입력 시계열 신호 XO(n)와 i 샘플만큼 과거의 입력 시계열 신호 XO(n-i) 또는 i 샘플만큼 미래의 입력 시계열 신호 XO(n+i)와의 자기상관 RO(i)을 계산하는 자기상관 계산 스텝과, 계수 테이블 t0에는 계수 wt0(i)가 격납되어 있고, 계수 테이블 t1에는 계수 wt1(i), 계수 테이블 t2에는 계수 wt2(i)가 격납되어 있는 것으로 하여, 현재 또는 과거의 프레임에 있어서의 입력 시계열 신호의 주기성의 강도 또는 입력 시계열 신호에 기초하는 피치 게인과 정의 상관관계에 있는 값을 사용하여 계수 테이블 t0, t1, t2 중의 1개의 계수 테이블로부터 계수를 취득하는 계수 결정 스텝과, 취득한 계수와 자기상관 RO(i)이 대응하는 i마다 승산된 것인 변형 자기상관 R'O(i)을 사용하여, 1차로부터 Pmax차까지의 선형 예측 계수로 변환 가능한 계수를 구하는 예측 계수 계산 스텝을 포함하고, 주기성의 강도 또는 피치 게인과 정의 상관관계에 있는 값에 따라, 주기성의 강도 또는 피치 게인이 큰 경우, 주기성의 강도 또는 피치 게인이 중간정도인 경우, 주기성의 강도 또는 피치 게인이 작은 경우의 어느 하나의 경우로 분류되는 것으로 하고, 주기성의 강도 또는 피치 게인이 큰 경우에 계수 결정 스텝에서 계수가 취득되는 계수 테이블을 계수 테이블 t0로 하고, 주기성의 강도 또는 피치 게인이 중간정도인 경우에 계수 결정 스텝에서 계수가 취득되는 계수 테이블을 계수 테이블 t1으로 하고, 주기성의 강도 또는 피치 게인이 작은 경우에 계수 결정 스텝에서 계수가 취득되는 계수 테이블을 계수 테이블 t2로 하여, 적어도 일부의 i에 대해서 wt0(i)<wt1(i)≤wt2(i)이며, 그 이외의 i 중 적어도 일부의 각 i에 대해서 wt0(i)≤wt1(i)<wt2(i)이며, 나머지 각 i에 대해서 wt0(i)≤wt1(i)≤wt2(i)이다.
종래보다 분석 정밀도가 높은 선형 예측을 실현할 수 있다.
도 1은 제1 실시형태 및 제2 실시형태의 선형 예측 장치의 예를 설명하기 위한 블록도.
도 2는 선형 예측 분석 방법의 예를 설명하기 위한 플로우차트.
도 3은 제2 실시형태의 선형 예측 분석 방법의 예를 설명하기 위한 플로우차트.
도 4는 제3 실시형태의 선형 예측 장치의 예를 설명하기 위한 블록도.
도 5는 제3 실시형태의 선형 예측 분석 방법의 예를 설명하기 위한 플로우차트.
도 6은 제3 실시형태의 구체예를 설명하기 위한 도면.
도 7은 변형예를 설명하기 위한 블록도.
도 8은 변형예를 설명하기 위한 블록도.
도 9는 변형예를 설명하기 위한 플로우차트.
도 10은 제4 실시형태의 선형 예측 분석 장치의 예를 설명하기 위한 블록도.
도 11은 종래의 선형 예측 장치의 예를 설명하기 위한 블록도.
이하, 도면을 참조하여 선형 예측 분석 장치 및 방법의 각 실시형태를 설명한다.
[제1 실시형태]
제1 실시형태의 선형 예측 분석 장치(2)는 도 1에 나타내는 바와 같이 자기상관 계산부(21), 계수 결정부(24), 계수 승산부(22) 및 예측 계수 계산부(23)를 예를 들면 구비하고 있다. 자기상관 계산부(21), 계수 승산부(22) 및 예측 계수 계산부(23)의 동작은 종래의 선형 예측 분석 장치(1)의 자기상관 계산부(11), 계수 승산부(12) 및 예측 계수 계산부(13)에 있어서의 동작과 각각 동일하다.
선형 예측 분석 장치(2)에는 소정 시간 구간인 프레임마다의 시간 영역의 디지털 음성 신호나 디지털 음향 신호나 심전도, 뇌파, 뇌자도, 지진파 등의 디지털 신호인 입력 신호 XO(n)가 입력된다. 입력 신호는 입력 시계열 신호이다. 현 프레임 입력 신호를 XO(n)(n=0,1,…,N-1)로 한다. n은 입력 신호에 있어서의 각 샘플의 샘플 번호를 나타내고, N은 소정의 정의 정수이다. 여기서 현 프레임의 1개 앞의 프레임의 입력 신호는 XO(n)(n=-N, -N+1,…, -1)이며, 현 프레임의 1개 뒤의 프레임의 입력 신호는 XO(n)(n=N, N+1,…,2N-1)이다. 이하에서는 입력 신호 XO(n)가 디지털 음성 신호나 디지털 음향 신호인 경우에 대해서 설명한다. 입력 신호 XO(n)(n=0,1,…,N-1)는 수음(收音)된 신호 그 자체여도 되고, 분석을 위해서 샘플링 레이트가 변환된 신호여도 되며, 프리엠퍼시스 처리된 신호여도 되고, 윈도우 신호여도 된다.
또, 선형 예측 분석 장치(2)에는 프레임마다의 디지털 음성 신호나 디지털 음향 신호의 피치 게인에 대한 정보도 입력된다. 피치 게인에 대한 정보는 선형 예측 분석 장치(2) 밖에 있는 피치 게인 계산부(950)에서 구해진다.
피치 게인은 프레임마다의 입력 신호의 주기성의 강도이다. 피치 게인은 예를 들면 입력 신호나 그 선형 예측 잔차 신호에 대한 피치 주기분만큼 시간차가 있는 신호간의 정규화된 상관이다.
[피치 게인 계산부(950)]
피치 게인 계산부(950)는 현 프레임의 입력 신호 XO(n)(n=0,1,…,N-1) 및/또는 현 프레임의 근방의 프레임의 입력 신호의 전부 또는 일부로부터 피치 게인 G를 구한다. 피치 게인 계산부(950)는 예를 들면 현 프레임의 입력 신호 XO(n)(n=0,1,…,N-1)의 전부 또는 일부를 포함하는 신호 구간의 디지털 음성 신호나 디지털 음향 신호의 피치 게인 G를 구하고, 피치 게인 G를 특정 가능한 정보를 피치 게인에 대한 정보로서 출력한다. 피치 게인을 구하는 방법으로서는 다양한 공지의 방법이 존재하므로, 공지의 어느 방법을 사용해도 된다. 또, 구한 피치 게인 G를 부호화하여 피치 게인 부호를 얻는 구성으로 하고, 피치 게인 부호를 피치 게인에 대한 정보로서 출력해도 된다. 또한 피치 게인 부호에 대응하는 피치 게인의 양자화값 ^G를 얻는 구성으로 하고, 피치 게인의 양자화값 ^G를 피치 게인에 대한 정보로서 출력해도 된다. 이하, 피치 게인 계산부(950)의 구체예에 대해서 설명한다.
<피치 게인 계산부(950)의 구체예 1>
피치 게인 계산부(950)의 구체예 1은 현 프레임의 입력 신호 XO(n)(n=0,1,…,N-1)가 복수개의 서브 프레임으로 구성되어 있는 경우, 또한 동일한 프레임에 대해서는 선형 예측 분석 장치(2)보다 앞서 피치 게인 계산부(950)가 동작되는 경우의 예이다. 피치 게인 계산부(950)는 우선 2 이상의 정수인 M개의 서브 프레임인 XOs1(n)(n=0,1,…, N/M-1),…,XOsM(n)(n= (M-1)N/M, (M-1)N/M+1,…,N-1)의 각각의 피치 게인인 Gs1,…,GsM을 구한다. N은 M으로 나누어 떨어지는 것으로 한다. 피치 게인 계산부(950)는 현 프레임을 구성하는 M개의 서브 프레임의 피치 게인인 Gs1,…,GsM 중 최대값 max(Gs1,…,GsM)을 특정 가능한 정보를 피치 게인에 대한 정보로서 출력한다.
<피치 게인 계산부(950)의 구체예 2>
피치 게인 계산부(950)의 구체예 2는 현 프레임의 입력 신호 XO(n)(n=0,1,…,N-1)와 1개 뒤의 프레임의 일부의 입력 신호 XO(n)(n=N, N+1,…,N+Nn-1)(단, Nn은 Nn<N라는 관계를 만족하는 소정의 정의 정수.)로, 미리보기 부분을 포함하는 신호 구간이 현 프레임의 신호 구간으로서 구성되어 있는 경우이며, 또한 동일한 프레임에 대해서는 선형 예측 분석 장치(2)보다 뒤에 피치 게인 계산부(950)가 동작되는 경우의 예이다. 피치 게인 계산부(950)는 현 프레임의 신호 구간에 대해서, 현 프레임의 입력 신호 XO(n)(n=0,1,…,N-1)와 1개 뒤의 프레임의 일부의 입력 신호 XO(n)(n=N, N+1,…,N+Nn-1)의 각각의 피치 게인인 Gnow, Gnext를 구하고, 피치 게인 Gnext를 피치 게인 계산부(950)에 기억한다. 피치 게인 계산부(950)는 또 1개 앞의 프레임의 신호 구간에 대해서 구하여 피치 게인 계산부(950)에 기억되어 있던 피치 게인 Gnext, 즉, 1개 앞의 프레임의 신호 구간 중 현 프레임의 일부의 입력 신호 XO(n)(n=0,1,…,Nn-1)에 대해서 구한 피치 게인을 특정 가능한 정보를 피치 게인에 대한 정보로서 출력한다. 또한, 구체예 1과 마찬가지로, 현 프레임에 대해서는 복수의 서브 프레임마다의 피치 게인을 구해도 된다.
<피치 게인 계산부(950)의 구체예 3>
피치 게인 계산부(950)의 구체예 3은 현 프레임의 입력 신호 XO(n)(n=0,1,…,N-1) 그 자체가 현 프레임의 신호 구간으로서 구성되어 있는 경우이며, 또한 동일한 프레임에 대해서는 선형 예측 분석 장치(2)보다 뒤에 피치 게인 계산부(950)가 동작되는 경우의 예이다. 피치 게인 계산부(950)는 현 프레임의 신호 구간인 현 프레임의 입력 신호 XO(n)(n=0,1,…,N-1)의 피치 게인 G를 구하고, 피치 게인 G를 피치 게인 계산부(950)에 기억한다. 피치 게인 계산부(950)는 또 1개 앞의 프레임의 신호 구간, 즉 1개 앞의 프레임의 입력 신호 XO(n)(n=-N, -N+1,…,-1)에 대해서 구하여 피치 게인 계산부(950)에 기억되어 있던 피치 게인 G를 특정 가능한 정보를 피치 게인에 대한 정보로서 출력한다.
이하, 선형 예측 분석 장치(2)의 동작에 대해서 설명한다. 도 2는 선형 예측 분석 장치(2)에 의한 선형 예측 분석 방법의 플로우차트이다.
[자기상관 계산부(21)]
자기상관 계산부(21)는 입력된 N샘플의 프레임마다의 시간 영역의 디지털 음성 신호나 디지털 음향 신호인 입력 신호 XO(n)(n=0,1,…,N-1)로부터 자기상관 RO(i)(i=0,1,…,Pmax)을 계산한다(스텝 S1). Pmax는 예측 계수 계산부(23)가 구하는 선형 예측 계수로 변환 가능한 계수의 최대차수이며, N 미만의 소정의 정의 정수이다. 계산된 자기상관 RO(i)(i=0,1,…,Pmax)은 계수 승산부(22)에 제공된다.
자기상관 계산부(21)는 입력 신호 XO(n)를 사용하여, 예를 들면 식(14A)에 의해 자기상관 RO(i)(i=0,1,…,Pmax)을 계산하여 출력한다. 즉, 현재의 프레임의 입력 시계열 신호 XO(n)와 i 샘플만큼 과거의 입력 시계열 신호 XO(n-i)와의 자기상관 RO(i)을 계산한다.
[수 4]
Figure pat00004
또는 자기상관 계산부(21)는 입력 신호 XO(n)를 사용하여, 예를 들면 식(14B)에 의해 자기상관 RO(i)(i=0,1,…,Pmax)을 계산한다. 즉, 현재의 프레임의 입력 시계열 신호 XO(n)와 i 샘플만큼 미래의 입력 시계열 신호 XO(n+i)와의 자기상관 RO(i)을 계산한다.
[수 5]
Figure pat00005
또는 자기상관 계산부(21)는 입력 신호 XO(n)에 대응하는 파워 스펙트럼을 구하고 나서 Wiener-Khinchin의 정리에 따라 자기상관 RO(i)(i=0,1,…,Pmax)을 계산해도 된다. 또, 어느 방법에 있어서도, 입력 신호 XO(n)(n=-Np, -Np+1,…,-1,0,1,…,N-1, N,…,N-1+Nn)와 같이 전후의 프레임의 입력 신호의 일부도 사용하여 자기상관 RO(i)을 계산해도 된다. 여기서 Np, Nn은 각각 Np<N, Nn<N라는 관계를 만족하는 소정의 정의 정수이다. 혹은 MDCT 계열을 파워 스펙트럼의 근사로서 대용하고, 근사된 파워 스펙트럼으로부터 자기상관을 구해도 된다. 이와 같이 자기상관의 산출 방법은 세상에서 사용되고 있는 공지기술의 어느 하나를 사용하면 된다.
[계수 결정부(24)]
계수 결정부(24)는 입력된 피치 게인에 대한 정보를 사용하여, 계수 wO(i)(i=0,1,…,Pmax)를 결정한다(스텝 S4). 계수 wO(i)는 자기상관 RO(i)을 변형하기 위한 계수이다. 계수 wO(i)는 신호 처리의 분야에 있어서는 래그 윈도우 wO(i) 또는 래그 윈도우 계수 wO(i)라고도 불리고 있는 것이다. 계수 wO(i)는 정의 값이므로, 계수 wO(i)가 소정의 값보다 큰/작은 것을 계수 wO(i)의 크기가 소정의 값보다도 크다/작다고 표현하는 경우가 있다. 또, wO(i)의 크기는 그 wO(i)의 값을 의미하는 것으로 한다.
계수 결정부(24)에 입력되는 피치 게인에 대한 정보는 현 프레임의 입력 신호 및/또는 현 프레임의 근방의 프레임의 입력 신호의 전부 또는 일부로부터 구해진 피치 게인을 특정하는 정보이다. 즉, 계수 wO(i)의 결정에 사용하는 피치 게인은 현 프레임의 입력 신호 및/또는 현 프레임의 근방의 프레임의 입력 신호의 전부 또는 일부로부터 구해진 피치 게인이다.
계수 결정부(24)는 0차로부터 Pmax차의 모두 또는 일부의 차수에 대해서, 피치 게인에 대한 정보에 대응하는 피치 게인이 취할 수 있는 범위 중 모두 또는 일부로, 피치 게인에 대한 정보에 대응하는 피치 게인이 클수록 작은 값을 계수 wO(0), wO(1),…,wO(Pmax)로서 결정한다. 또, 계수 결정부(24)는 피치 게인 대신에 피치 게인과 정의 상관관계에 있는 값을 사용하여, 피치 게인이 클수록 작은 값을 계수 wO(0), wO(1),…,wO(Pmax)로서 결정해도 된다.
즉, 계수 wO(i)(i=0,1,…,Pmax)는 적어도 일부의 예측 차수 i에 대하여, 그 차수 i에 대응하는 계수 wO(i)의 크기가 현 프레임의 입력 신호 XO(n)의 전부 또는 일부를 포함하는 신호 구간의 피치 게인과 정의 상관관계에 있는 값의 증가와 함께 단조감소하는 관계에 있는 경우가 포함되어 있도록 결정된다.
바꾸어 말하면 후술하는 바와 같이 차수 i에 따라서는 계수 wO(i)의 크기가 피치 게인과 정의 상관관계에 있는 값의 증가와 함께 단조감소하지 않아도 된다.
또, 피치 게인과 정의 상관관계에 있는 값이 취할 수 있는 범위에는 계수 wO(i)의 크기가 피치 게인과 정의 상관관계에 있는 값의 증가에 상관없이 일정한 범위가 있어도 되지만, 그 밖의 범위에서는 계수 wO(i)의 크기가 피치 게인과 정의 상관관계에 있는 값의 증가와 함께 단조감소하는 것으로 한다.
계수 결정부(24)는 예를 들면 입력된 피치 게인에 대한 정보에 대응하는 피치 게인에 대한 단조비증가 함수를 사용하여 계수 wO(i)를 결정한다. 예를 들면, 0보다 큰 미리 정한 값인 α를 사용한 이하의 식(2)에 의해 계수 wO(i)를 결정한다. 식(2)에 있어서, G는 입력된 피치 게인에 대한 정보에 대응하는 피치 게인을 의미한다. α는 계수 wO(i)를 래그 윈도우로서 파악했을 때의 래그 윈도우의 폭, 바꾸어 말하면 래그 윈도우의 강도를 조정하기 위한 값이다. 미리 정하는 α는 예를 들면 복수의 α의 후보값에 대해서 선형 예측 분석 장치(2)를 포함하는 부호화 장치와 그 부호화 장치에 대응하는 복호 장치로 음성 신호나 음향 신호를 부호화 복호하여, 복호 음성 신호나 복호 음향 신호의 주관 품질이나 객관 품질이 양호한 후보값을 α로서 선택함으로써 정하면 된다.
[수 6]
Figure pat00006
또는 피치 게인 G에 대한 미리 정한 함수 f(G)를 사용한 이하의 식(2A)에 의해 계수 wO(i)를 결정해도 된다. 함수 f(G)는 f(G)=αG+β(α는 정의 수, β는 임의의 수), f(G)=αG2+βG+γ(α는 정의 수, β, γ는 임의의 수) 등의 피치 게인 G와 정의 상관관계, 피치 게인 G에 대하여 단조비감소의 관계가 되는 함수이다.
[수 7]
Figure pat00007
또, 피치 게인 G를 사용하여 계수 wO(i)를 결정하는 식은 상기 서술한 (2), (2A)에 한정되지 않고, 피치 게인과 정의 상관관계에 있는 값의 증가에 대하여 단조비증가의 관계를 기술할 수 있는 것이면 다른 식이어도 된다. 예를 들면, 계수 wO(i)를 이하의 (3) 내지 (6) 중 어느 하나의 식에 의해 결정해도 된다. 이하의 (3) 내지 (6)의 식에 있어서, a를 피치 게인에 의존하여 결정되는 실수로 하고, m을 피치 게인에 의존하여 결정되는 자연수로 한다. 예를 들면, a를 피치 게인과 부의 상관관계에 있는 값으로 하고, m을 피치 게인과 부의 상관관계에 있는 값으로 한다. τ는 샘플링 주기이다.
[수 8]
Figure pat00008
식(3)은 Bartlett window라고 불리는 형식의 창함수이며, 식(4)은 이항계수에 의해 정의되는 Binomial window라고 불리는 형식의 창함수이며, 식(5)은 Triangular in frequency domain window라고 불리는 형식의 창함수이며, 식(6)은 Rectangular in frequency domain window라고 불리는 형식의 창함수이다.
또한, 0≤i≤Pmax의 각 i가 아니라, 적어도 일부의 차수 i에 대해서만, 계수 wO(i)가 피치 게인과 정의 상관관계에 있는 값의 증가와 함께 단조감소해도 된다. 바꾸어 말하면, 차수 i에 따라서는 계수 wO(i)의 크기가 피치 게인과 정의 상관관계에 있는 값의 증가와 함께 단조감소하지 않아도 된다.
예를 들면, i=0인 경우는, 상기 서술한 식(2)으로부터 식(6) 중 어느 하나를 사용하여 계수 wO(0)의 값을 결정해도 되고, ITU-T G.718 등에서도 사용되고 있는 것 같은 wO(0)=1.0001, wO(0)=1.003과 같은 피치 게인과 정의 상관관계에 있는 값에는 의존하지 않는 경험적으로 얻어진 고정값을 사용해도 된다. 즉, 1≤i≤Pmax의 각 i에 대해서는 계수 wO(i)는 피치 게인과 정의 상관관계에 있는 값이 클수록 작은 값을 취하지만, i=0의 계수에 대해서는 이것에 한정되지 않고 고정값을 사용해도 된다.
[계수 승산부(22)]
계수 승산부(22)는 계수 결정부(24)에서 결정한 계수 wO(i)(i=0,1,…,Pmax)와, 자기상관 계산부(21)에서 구한 자기상관 RO(i)(i=0,1,…,Pmax)을 동일한 i마다 곱함으로써, 변형 자기상관 R'O(i)(i=0,1,…,Pmax)을 구한다(스텝 S2). 즉, 계수 승산부(22)는 이하의 식(7)에 의해 자기상관 R'O(i)을 계산한다. 계산된 자기상관 R'O(i)은 예측 계수 계산부(23)에 제공된다.
[수 9]
Figure pat00009
[예측 계수 계산부(23)]
예측 계수 계산부(23)는 계수 승산부(22)로부터 출력된 변형 자기상관 R'O(i)을 사용하여 선형 예측 계수로 변환 가능한 계수를 구한다(스텝 S3).
예를 들면, 예측 계수 계산부(23)는 계수 승산부(22)로부터 출력된 변형 자기상관 R'O(i)을 사용하여, Levinson-Durbin법 등에 의해, 1차로부터 미리 정한 최대차수인 Pmax차까지의 PARCOR 계수 KO(1), KO(2),…,KO(Pmax)나 선형 예측 계수 aO(1), aO(2),…,aO(Pmax)를 계산하여 출력한다.
제1 실시형태의 선형 예측 분석 장치(2)에 의하면, 피치 게인과 정의 상관관계에 있는 값에 따라, 적어도 일부의 예측 차수 i에 대하여, 그 차수 i에 대응하는 계수 wO(i)의 크기가 현 프레임의 입력 신호 XO(n)의 전부 또는 일부를 포함하는 신호 구간의 피치 게인과 정의 상관관계에 있는 값의 증가와 함께 단조감소하는 관계에 있는 경우가 포함되어 있는 계수 wO(i)를 자기상관에 승산하여 변형 자기상관을 구하여 선형 예측 계수로 변환 가능한 계수를 구함으로써, 입력 신호의 피치 게인이 클 때에도 피치 성분에 기인하는 스펙트럼의 피크의 발생을 억제한 선형 예측 계수로 변환 가능한 계수를 구할 수 있고, 또한 입력 신호의 피치 게인이 작을 때에도 스펙트럼 포락을 표현 가능한 선형 예측 계수로 변환 가능한 계수를 구할 수 있어, 종래보다 분석 정밀도가 높은 선형 예측을 실현할 수 있다. 따라서, 제1 실시형태의 선형 예측 분석 장치(2)를 포함하는 부호화 장치와 그 부호화 장치에 대응하는 복호 장치로 음성 신호나 음향 신호를 부호화 복호하여 얻어지는 복호 음성 신호나 복호 음향 신호의 품질은 종래의 선형 예측 분석 장치를 포함하는 부호화 장치와 그 부호화 장치에 대응하는 복호 장치로 음성 신호나 음향 신호를 부호화 복호하여 얻어지는 복호 음성 신호나 복호 음향 신호의 품질보다 좋다.
[제2 실시형태]
제2 실시형태는 현재 또는 과거의 프레임에 있어서의 입력 신호의 피치 게인과 정의 상관관계에 있는 값과 소정의 역치를 비교하고, 그 비교 결과에 따라서 계수 wO(i)를 결정하는 것이다. 제2 실시형태는 계수 결정부(24)에 있어서의 계수 wO(i)의 결정 방법만이 제1 실시형태와 상이하고, 다른 점에 대해서는 제1 실시형태와 마찬가지이다. 이하, 제1 실시형태와 상이한 부분을 중심으로 설명하고, 제1 실시형태와 마찬가지인 부분에 대해서는 중복 설명을 생략한다.
제2 실시형태의 선형 예측 분석 장치(2)의 기능 구성과 선형 예측 분석 장치(2)에 의한 선형 예측 분석 방법의 플로우차트는 제1 실시형태와 동일한 도 1과 도 2이다. 제2 실시형태의 선형 예측 분석 장치(2)는 계수 결정부(24)의 처리가 상이한 부분 이외에는 제1 실시형태의 선형 예측 분석 장치(2)와 동일하다.
제2 실시형태의 계수 결정부(24)의 처리의 흐름의 예를 도 3에 나타낸다. 제2 실시형태의 계수 결정부(24)는 도 3의 각 스텝 S41A, 스텝 S42, 스텝 S43의 처리를 예를 들면 행한다.
계수 결정부(24)는 입력된 피치 게인에 대한 정보에 대응하는 피치 게인과 정의 상관관계에 있는 값과 소정의 역치를 비교한다(스텝 S41A). 입력된 피치 게인에 대한 정보에 대응하는 피치 게인과 정의 상관관계에 있는 값은 예를 들면 입력된 피치 게인에 대한 정보에 대응하는 피치 게인 그 자체이다.
계수 결정부(24)는 피치 게인과 정의 상관관계에 있는 값이 소정의 역치 이상인 경우, 즉 피치 게인이 크다고 판단된 경우에는 미리 정한 규칙에 의해 계수 wh(i)를 결정하고, 이 결정된 계수 wh(i)(i=0,1,…,Pmax)를 wO(i)(i=0,1,…,Pmax)로 한다(스텝 S42). 즉, wO(i)=wh(i)로 한다.
계수 결정부(24)는 피치 게인과 정의 상관관계에 있는 값이 소정의 역치 이상이 아닌 경우, 즉 피치 게인이 작다고 판단된 경우에는 미리 정한 규칙에 의해 계수 wl(i)를 결정하고, 이 결정된 계수 wl(i)(i=0,1,…,Pmax)를 wO(i)(i=0,1,…,Pmax)로 한다(스텝 S43). 즉, wO(i)=wl(i)로 한다.
여기서, wh(i)와 wl(i)는 적어도 일부의 각 i에 대해서 wh(i)<wl(i)라는 관계를 만족하도록 결정한다. 또는 wh(i)와 wl(i)는 적어도 일부의 각 i에 대해서는 wh(i)<wl(i)라는 관계를 만족하고, 그 이외의 i에 대해서는 wh(i)≤wl(i)라는 관계를 만족하도록 결정한다. 여기서 적어도 일부의 각 i는 예를 들면 0 이외의 i(즉, 1≤i≤Pmax)이다. 예를 들면, wh(i)와 wl(i)는 식(2)에서 피치 게인 G가 G1일 때의 wO(i)를 wh(i)로서 구하고, 식(2)에서 피치 게인 G가 G2(단 G1>G2)일 때의 wO(i)를 wl(i)로서 구한다는 미리 정한 규칙에 의해 구한다. 또는 예를 들면 wh(i)와 wl(i)는 식(2)에서 α가 α1일 때의 wO(i)를 wh(i)로서 구하고, 식(2)에서 α가 α2(단 α1>α2)일 때의 wO(i)를 wl(i)로서 구한다는 미리 정한 규칙에 의해 구한다. 이 경우는 α1과 α2는 모두 식(2)의 α와 마찬가지로 미리 결정지어 둔다. 또한, 이들의 어느 하나의 규칙에 의해 미리 구한 wh(i)와 wl(i)를 테이블에 기억해 두고, 피치 게인과 정의 상관관계에 있는 값이 소정의 역치 이상인지 여부에 의해 wh(i)와 wl(i)의 어느 하나를 테이블로부터 선택하는 구성으로 해도 된다. 또, wh(i)와 wl(i)의 각각은 i가 커짐에 따라서 wh(i), wl(i)의 값이 작아지도록 결정된다. 또한, i=0의 계수 wh(i), wl(i)에 대해서는 wh(0)≤wl(0)의 관계를 만족하고 있는 것은 필수가 아니며, wh(0)>wl(0)의 관계를 만족하는 값을 사용해도 된다.
제2 실시형태에 의해서도, 제1 실시형태와 마찬가지로, 입력 신호의 피치 게인이 클 때에도 피치 성분에 기인하는 스펙트럼의 피크의 발생을 억제한 선형 예측 계수로 변환 가능한 계수를 구할 수 있고, 또한 입력 신호의 피치 게인이 작을 때에도 스펙트럼 포락을 표현 가능한 선형 예측 계수로 변환 가능한 계수를 구할 수 있어, 종래보다 분석 정밀도가 높은 선형 예측을 실현할 수 있다.
<제2 실시형태의 변형예>
상기 서술한 제2 실시형태에서는 1개의 역치를 사용하여 계수 wO(i)를 결정했지만, 제2 실시형태의 변형예는 2개 이상의 역치를 사용하여 계수 wO(i)를 결정하는 것이다. 이하, 2개의 역치 th1, th2를 사용하여 계수를 결정하는 방법을 예로 들어 설명한다. 역치 th1, th2는 0<th1<th2라는 관계를 만족하는 것으로 한다.
제2 실시형태의 변형예의 선형 예측 분석 장치(2)의 기능 구성은 제2 실시형태와 동일한 도 1이다. 제2 실시형태의 변형예의 선형 예측 분석 장치(2)는 계수 결정부(24)의 처리가 상이한 부분 이외는 제2 실시형태의 선형 예측 분석 장치(2)와 동일하다.
계수 결정부(24)는 입력된 피치 게인에 대한 정보에 대응하는 피치 게인과 정의 상관관계에 있는 값과 역치 th1, th2를 비교한다. 입력된 피치 게인에 대한 정보에 대응하는 피치 게인과 정의 상관관계에 있는 값은 예를 들면 입력된 피치 게인에 대한 정보에 대응하는 피치 게인 그 자체이다.
계수 결정부(24)는 피치 게인과 정의 상관관계에 있는 값이 역치 th2보다 큰 경우, 즉 피치 게인이 크다고 판단된 경우에는 미리 정한 규칙에 의해 계수 wh(i)(i=0,1,…,Pmax)를 결정하고, 이 결정된 계수 wh(i)(i=0,1,…,Pmax)를 wO(i)(i=0,1,…,Pmax)로 한다. 즉, wO(i)=wh(i)로 한다.
계수 결정부(24)는 피치 게인과 정의 상관관계에 있는 값이 역치 th1보다 크고 역치 th2 이하인 경우, 즉 피치 게인이 중간정도라고 판단된 경우에는 미리 정한 규칙에 의해 계수 wm(i)(i=0,1,…,Pmax)를 결정하고, 이 결정된 계수 wm(i)(i=0,1,…,Pmax)를 wO(i)(i=0,1,…,Pmax)로 한다. 즉, wO(i)=wm(i)로 한다.
계수 결정부(24)는 피치 게인과 정의 상관관계에 있는 값이 역치 th1 이하인 경우, 즉 피치 게인이 작다고 판단된 경우에는 미리 정한 규칙에 의해 계수 wl(i)(i=0,1,…,Pmax)를 결정하고, 이 결정된 계수 wl(i)(i=0,1,…,Pmax)를 wO(i)(i=0,1,…,Pmax)로 한다. 즉 wO(i)=wl(i)로 한다.
여기서 wh(i), wm(i), wl(i)는 적어도 일부의 각 i에 대해서 wh(i)<wm(i)<wl(i)라는 관계를 만족하도록 결정하는 것으로 한다. 여기서 적어도 일부의 각 i는 예를 들면 0 이외의 각 i(즉, 1≤i≤Pmax)이다. 또는, wh(i), wm(i), wl(i)는 적어도 일부의 각 i에 대해서 wh(i)<wm(i)≤wl(i), 그 이외의 i 중 적어도 일부의 각 i에 대해서 wh(i)≤wm(i)<wl(i), 나머지 적어도 일부의 각 i에 대해서 wh(i)≤wm(i)≤wl(i)라는 관계를 만족하도록 결정한다. 예를 들면, wh(i), wm(i), wl(i)는 식(2)에서 피치 게인 G가 G1일 때의 wO(i)를 wh(i)로서 구하고, 식(2)에서 피치 게인 G가 G2(단 G1>G2)일 때의 wO(i)를 wm(i)로서 구하고, 식(2)에서 피치 게인 G가 G3(단 G2>G3)일 때의 wO(i)를 wl(i)로서 구한다는 미리 정한 규칙에 의해 구한다. 또는, 예를 들면 wh(i), wm(i), wl(i)는 식(2)에서 α가 α1일 때의 wO(i)를 wh(i)로서 구하고, 식(2)에서 α가 α2(단 α1>α2)일 때의 wO(i)를 wm(i)로서 구하고, 식(2)에서 α가 α3(단 α2>α3)일 때의 wO(i)를 wl(i)로서 구한다는 미리 정한 규칙에 의해 구한다. 이 경우는 α1, α2, α3은 식(2)의 α와 마찬가지로 미리 정해 둔다. 또한, 이들의 어느 하나의 규칙에 의해 미리 구한 wh(i), wm(i), wl(i)를 테이블에 기억해 두고, 피치 게인과 정의 상관관계에 있는 값과 소정의 역치와의 비교에 의해 wh(i), wm(i), wl(i)의 어느 하나를 테이블로부터 선택하는 구성으로 해도 된다.
또한, wh(i)와 wl(i)를 사용하여, 그 사이의 계수 wm(i)를 결정해도 된다. 즉, wm(i)=β'×wh(i)+(1-β')×wl(i)에 의해 wm(i)를 결정해도 된다. 여기서 β'는 0≤β'≤1이며, 또한 피치 게인 G가 작은 값을 취할 때는 β'의 값도 작아지고, 피치 게인 G가 큰 값을 취할 때에 β'의 값도 커지는 함수 β'=c(G)에 의해, 피치 게인 G로부터 구하는 값이다. 이와 같이 wm(i)를 구하면, 계수 결정부(24)에는 wh(i)(i=0,1,…,Pmax)를 기억한 테이블과 wl(i)(i=0,1,…,Pmax)를 기억한 테이블의 2개의 테이블만을 기억해 둠으로써, 피치 게인이 중간정도인 경우 중 피치 게인이 클 때에는 wh(i)에 가까운 계수를 얻을 수 있고, 반대로 피치 게인이 중간정도인 경우 중 피치 게인이 작을 때에는 wl(i)에 가까운 계수를 얻을 수 있다. 또, wh(i), wm(i), wl(i)는 i가 커짐에 따라서 각각 wh(i), wm(i), wl(i)의 값이 작아지도록 결정된다. 또한, i=0의 계수 wh(0), wm(0), wl(0)에 대해서는 wh(0)≤wm(0)≤wl(0)의 관계를 만족하고 있는 것은 필수가 아니며, wh(0)>wm(0) 또는/및 wm(0)>wl(0)의 관계를 만족하는 값을 사용해도 된다.
제2 실시형태의 변형예에 의해서도, 제2 실시형태와 마찬가지로, 입력 신호의 피치 게인이 클 때에도 피치 성분에 기인하는 스펙트럼의 피크의 발생을 억제한 선형 예측 계수로 변환 가능한 계수를 구할 수 있고, 또한 입력 신호의 피치 게인이 작을 때에도 스펙트럼 포락을 표현 가능한 선형 예측 계수로 변환 가능한 계수를 구할 수 있어, 종래보다 분석 정밀도가 높은 선형 예측을 실현할 수 있다.
[제3 실시형태]
제3 실시형태는 복수개의 계수 테이블을 사용하여 계수 wO(i)를 결정하는 것이다. 제3 실시형태는 계수 결정부(24)에 있어서의 계수 wO(i)의 결정 방법만이 제1 실시형태와 상이하고, 다른 점에 대해서는 제1 실시형태와 마찬가지이다. 이하, 제1 실시형태와 상이한 부분을 중심으로 설명하고, 제1 실시형태와 마찬가지인 부분에 대해서는 중복 설명을 생략한다.
제3 실시형태의 선형 예측 분석 장치(2)는 계수 결정부(24)의 처리가 상이하고, 도 4에 예시하는 바와 같이 계수 테이블 기억부(25)를 또한 구비하고 있는 부분 이외에는 제1 실시형태의 선형 예측 분석 장치(2)와 동일하다. 계수 테이블 기억부(25)에는 2개 이상의 계수 테이블이 기억되어 있다.
제3 실시형태의 계수 결정부(24)의 처리의 흐름의 예를 도 5에 나타낸다. 제3 실시형태의 계수 결정부(24)는 도 5의 스텝 S44, 스텝 S45의 처리를 예를 들어 행한다.
우선, 계수 결정부(24)는 입력된 피치 게인에 대한 정보에 대응하는 피치 게인과 정의 상관관계에 있는 값을 사용하여, 계수 테이블 기억부(25)에 기억된 2개 이상의 계수 테이블로부터 그 피치 게인과 정의 상관관계에 있는 값에 따른 1개의 계수 테이블 t를 선택한다(스텝 S44). 예를 들면, 피치 게인에 대한 정보에 대응하는 피치 게인과 정의 상관관계에 있는 값은 피치 게인에 대한 정보에 대응하는 피치 게인이다.
예를 들면, 계수 테이블 기억부(25)에 상이한 2개의 계수 테이블 t0, t1이 기억되어 있고, 계수 테이블 t0에는 계수 wt0(i)(i=0,1,…,Pmax)가 격납되어 있고, 계수 테이블 t1에는 계수 wt1(i)(i=0,1,…,Pmax)가 격납되어 있는 것으로 한다. 2개의 계수 테이블 t0, t1의 각각에는 적어도 일부의 각 i에 대해서 wt0(i)<wt1(i)이며, 나머지 각 i에 대해서 wt0(i)≤wt1(i)가 되도록 정해진 계수 wt0(i)(i=0,1,…,Pmax)와 계수 wt1(i)(i=0,1,…,Pmax)가 격납되어 있다.
이 때, 계수 결정부(24)는 입력된 피치 게인에 대한 정보에 의해 특정되는 피치 게인과 정의 상관관계에 있는 값이 소정의 역치 이상이면 계수 테이블 t0을 계수 테이블 t로서 선택하고, 그렇지 않은 경우에는 계수 테이블 t1을 계수 테이블 t로서 선택한다. 즉, 피치 게인과 정의 상관관계에 있는 값이 소정의 역치 이상인 경우, 즉 피치 게인이 크다고 판단된 경우에는 각 i에 대한 계수가 작은 쪽의 계수 테이블을 선택하고, 피치 게인과 정의 상관관계에 있는 값이 소정의 역치보다 작은 경우, 즉 피치 게인이 작다고 판단된 경우에는 각 i에 대한 계수가 큰 쪽의 계수 테이블을 선택한다.
바꾸어 말하면, 계수 테이블 기억부(25)에 기억되어 있는 2개의 계수 테이블 중의 피치 게인과 정의 상관관계에 있는 값이 제1 값인 경우에 계수 결정부(24)에 의해 선택되는 계수 테이블을 제1 계수 테이블로 하고, 계수 테이블 기억부(25)에 기억되어 있는 2개의 계수 테이블 중의 피치 게인과 정의 상관관계에 있는 값이 제1 값보다 작은 제2 값인 경우에 계수 결정부(24)에 의해 선택되는 계수 테이블을 제2 계수 테이블로 하여, 적어도 일부의 각 차수 i에 대하여, 제2 계수 테이블에 있어서의 각 차수 i에 대응하는 계수의 크기는 제1 계수 테이블에 있어서의 각 차수 i에 대응하는 계수의 크기보다 크다.
또한, 계수 테이블 기억부(25)에 기억되어 있는 계수 테이블 t0, t1의 i=0의 계수 wt0(0), wt1(0)에 대해서는, wt0(0)≤wt1(0)의 관계를 만족하고 있는 것은 필수가 아니며, wt0(0)>wt1(0)의 관계에 있는 값이어도 된다.
또, 예를 들면, 계수 테이블 기억부(25)에 상이한 3개의 계수 테이블 t0, t1, t2가 기억되고, 계수 테이블 t0에는 계수 wt0(i)(i=0,1,…,Pmax)가 격납되어 있고, 계수 테이블 t1에는 계수 wt1(i)(i=0,1,…,Pmax), 계수 테이블 t2에는 계수 wt2(i)(i=0,1,…,Pmax)가 격납되어 있는 것으로 한다. 3개의 계수 테이블 t0, t1, t2의 각각에는 적어도 일부의 각 i에 대해서 wt0(i)<wt1(i)≤wt2(i)이며, 그 이외의 i 중 적어도 일부의 각 i에 대해서 wt0(i)≤wt1(i)<wt2(i)이며, 나머지 각 i에 대해서 wt0(i)≤wt1(i)≤wt2(i)가 되도록 정해진 계수 wt0(i)(i=0,1,…,Pmax)와 계수 wt1(i)(i=0,1,…,Pmax)와 계수 wt2(i)(i=0,1,…,Pmax)가 격납되어 있다.
여기서 0<th1<th2라는 관계를 만족하는 2개의 역치 th1, th2가 정해져 있는 것으로 한다. 이 때, 계수 결정부(24)는
(1) 피치 게인과 정의 상관관계에 있는 값>th2의 경우, 즉 피치 게인이 크다고 판단된 경우에는 계수 테이블 t0을 계수 테이블 t로서 선택하고,
(2) th2≥피치 게인과 정의 상관관계에 있는 값>th1의 경우, 즉 피치 게인이 중간정도라고 판단된 경우에는 계수 테이블 t1을 계수 테이블 t로서 선택하고,
(3) th1≥피치 게인과 정의 상관관계에 있는 값의 경우, 즉 피치 게인이 작다고 판단된 경우에는 계수 테이블 t2를 계수 테이블 t로서 선택한다.
또한, 계수 테이블 기억부(25)에 기억되어 있는 계수 테이블 t0, t1, t2의 i=0의 계수 wt0(0), wt1(0), wt2(0)에 대해서는, wt0(0)≤wt1(0)≤wt2(0)의 관계를 만족하고 있는 것은 필수가 아니며, wt0(0)>wt1(0) 또는/및 wt1(0)>wt2(0)의 관계에 있는 값이어도 된다.
그리고, 계수 결정부(24)는 그 선택된 계수 테이블 t에 격납된 각 차수 i의 계수 wt(i)를 계수 wO(i)로 한다(스텝 S45). 즉, wO(i)=wt(i)로 한다. 바꾸어 말하면, 계수 결정부(24)는 선택된 계수 테이블 t로부터 각 차수 i에 대응하는 계수 wt(i)를 취득하고, 취득된 각 차수 i에 대응하는 계수 wt(i)를 wO(i)로 한다.
제3 실시형태에서는 제1 실시형태 및 제2 실시형태와는 상이하게, 피치 게인과 정의 상관관계에 있는 값의 식에 기초하여 계수 wO(i)를 계산할 필요가 없기 때문에 보다 적은 연산 처리량으로 wO(i)를 결정할 수 있다.
<제3 실시형태의 구체예>
이하, 제3 실시형태의 구체예에 대해서 설명한다. 선형 예측 분석 장치(2)에는 하이 패스 필터를 통과하고, 12.8kHz로 샘플링 변환되어, 프리엠퍼시스 처리를 한 1프레임당 N샘플의 디지털 음향 신호인 입력 신호 XO(n)(n=0,1,…, N-1)와, 피치 게인에 대한 정보로서 현 프레임의 일부의 입력 신호 XO(n)(n=0,1,…, Nn)(단, Nn은 Nn<N라는 관계를 만족하는 소정의 정의 정수.)에 대해서 피치 게인 계산부(950)로 구한 피치 게인 G가 입력된다. 현 프레임의 일부의 입력 신호 XO(n)(n=0,1,…, Nn)에 대한 피치 게인 G는 피치 게인 계산부(950)에 있어서 당해 입력 신호의 1개 앞의 프레임의 신호 구간으로서 현 프레임의 일부의 입력 신호 XO(n)(n=0,1,…, Nn)를 포함시켜 두고, 1개 앞의 프레임의 신호 구간에 대한 피치 게인 계산부(950)의 처리에 있어서 XO(n)(n=0,1,…, Nn)에 대하여 계산하여 기억한 피치 게인이다.
자기상관 계산부(21)는 입력 신호 XO(n)로부터 자기상관 RO(i)(i=0,1,…,Pmax)을 하기의 식(8)으로 구한다.
[수 10]
Figure pat00010
계수 결정부(24)에 피치 게인에 대한 정보인 피치 게인 G가 입력된다.
계수 테이블 기억부(25)에는 계수 테이블 t0과, 계수 테이블 t1과, 계수 테이블 t2가 기억되어 있는 것으로 한다.
계수 테이블 t0, 식(13)의 종래법의 f0=60Hz의 계수 테이블이며, 각 차수의 계수 wtO(i)가 다음과 같이 정해져 있다.
wt0(i)=[1.0001, 0.999566371, 0.998266613, 0.996104103, 0.993084457, 0.989215493, 0.984507263, 0.978971839, 0.972623467, 0.96547842, 0.957554817, 0.948872864, 0.939454317, 0.929322779, 0.918503404, 0.907022834, 0.894909143]
계수 테이블 t1은 식(13)의 종래법의 f0=40Hz의 테이블이며, 각 차수의 계수 wt1(i)가 다음과 같이 정해져 있다.
wt1(i)=[1.0001, 0.999807253, 0.99922923, 0.99826661, 0.99692050, 0.99519245, 0.99308446, 0.99059895, 0.98773878, 0.98450724, 0.98090803, 0.97694527, 0.97262346, 0.96794752, 0.96292276, 0.95755484, 0.95184981]
계수 테이블 t2는 식(13)의 종래법의 f0=20Hz의 테이블이며, 각 차수의 계수 wt2(i)가 다음과 같이 정해져 있다.
wt2(i)=[1.0001, 0.99995181, 0.99980725, 0.99956637, 0.99922923, 0.99879594, 0.99826661, 0.99764141, 0.99692050, 0.99610410, 0.99519245, 0.99418581, 0.99308446, 0.99188872, 0.99059895, 0.98921550, 0.98773878]
여기서 상기 서술한 wtO(i), wt1(i), wt2(i)의 리스트는 Pmax=16로 하여, i=0,1,2,…,16의 순서로 왼쪽으로부터 i에 대응하는 계수의 크기를 늘어놓은 것이다. 즉 상기 서술한 예에서는 예를 들면 wt0(0)=1.0001이며, wt0(3)=0.996104103이다.
도 6에 계수 테이블 t0, t1, t2의 계수 wt0(i), wt1(i), wt2(i)의 크기를 그래프로 나타낸다. 도 6의 그래프의 점선은 계수 테이블 t0의 계수 wt0(i)의 크기를 나타내고, 도 6의 그래프의 일점쇄선은 계수 테이블 t1의 계수 wt1(i)의 크기를 나타내고, 도 6의 그래프의 실선은 계수 테이블 t2의 계수 wt2(i)의 크기를 나타낸다. 도 6의 그래프의 횡축은 차수 i를 의미하고, 도 6의 그래프의 종축은 계수의 크기를 나타낸다. 이 그래프로부터도 알 수 있는 바와 같이, 각 계수 테이블 내에서는 i의 값이 커짐에 따라 계수의 크기가 단조감소하는 관계에 있다. 또, 동일한 i의 값에 대응하는 상이한 계수 테이블의 계수의 크기를 비교하면, 0을 제외하는 i≥1의 i에 대해서, 바꾸어 말하면 적어도 일부의 i에 대해서, wt0(i)<wt1(i)<wt2(i)의 관계를 만족하고 있다. 계수 테이블 기억부(25)에 기억되는 복수의 계수 테이블은 이러한 관계를 가지는 것이면 상기 서술한 예에 한정되지 않는다.
또, 비특허문헌 1이나 비특허문헌 2에 기재되어 있는 바와 같이, i=0의 계수만 특별 취급을 하여, wt0(0)=wt1(0)=wt2(0)=1.0001이나 wt0(0)=wt1(0)=wt2(0)=1.003이라는 경험적인 값을 사용해도 된다. 또한, i=0에 대해서는 wt0(i)<wt1(i)<wt2(i)의 관계를 만족하고 있을 필요는 없고, 또 wt0(0), wt1(0), wt2(0)가 반드시 동일한 값이 아니어도 된다. 예를 들면, wt0(0)=1.0001, wt1(0)=1.0, wt2(0)=1.0과 같이, i=0에 관해서만 wt0(0), wt1(0), wt2(0) 중 2개 이상의 값의 대소관계가 wt0(i)<wt1(i)<wt2(i)의 관계를 만족하지 않아도 된다.
상기 서술한 계수 테이블 t0은 식(13)에 있어서 f0=60Hz, fs=12.8kHz로 한 경우, 계수 테이블 t1은 식(13)에 있어서 f0=40Hz, fs=12.8kHz로 한 경우, 계수 테이블 t2는 식(13)에 있어서 f0=20Hz로 한 경우의 계수값에 상당하는데, 이들은 각각 식(2A)에 있어서 f(G)=60, fs=12.8kHz로 한 경우의 계수값, f(G)=40, fs=12.8kHz로 한 경우, f(G)=20, fs=12.8kHz로 한 경우에 상당하고, 식(2A)에 있어서의 함수 f(G)는 피치 게인 G와 정의 상관관계에 있는 함수이다. 즉, 3개의 계수 테이블의 계수값을 미리 정할 때에 미리 정한 3개의 피치 게인을 사용하여 식(2A)에 의해 계수값을 구하는 것에 대신하여, 미리 정한 3개의 f0을 사용하여 식(13)에 의해 계수값을 구해도 된다.
계수 결정부(24)는 입력된 피치 게인 G를 소정의 역치 th1=0.3 및 역치 th2=0.6과 비교하여, G≤0.3의 경우는 계수 테이블 t2를, 0.3<G≤0.6의 경우는 계수 테이블 t1을, 0.6<G의 경우는 계수 테이블 t0을 선택한다.
그리고, 계수 결정부(24)는 그 선택된 계수 테이블 t의 각 계수 wt(i)를 계수 wO(i)로 한다. 즉, wO(i)=wt(i)로 한다. 바꾸어 말하면, 계수 결정부(24)는 선택된 계수 테이블 t로부터 각 차수 i에 대응하는 계수 wt(i)를 취득하고, 취득된 각 차수 i에 대응하는 계수 wt(i)를 wO(i)로 한다.
<제3 실시형태의 변형예>
제3 실시형태에서는 복수개의 계수 테이블 중 어느 1개의 테이블에 기억된 계수를 계수 wO(i)로서 결정했지만, 제3 실시형태의 변형예는 이것에 더해 복수개의 계수 테이블에 기억된 계수에 기초하는 연산 처리에 의해 계수 wO(i)를 결정하는 경우를 포함한다.
제3 실시형태의 변형예의 선형 예측 분석 장치(2)의 기능 구성은 제3 실시형태와 동일한 도 4이다. 제3 실시형태의 변형예의 선형 예측 분석 장치(2)는 계수 결정부(24)의 처리가 상이하고, 계수 테이블 기억부(25)에 포함되는 계수 테이블이 상이한 부분 이외는 제3 실시형태의 선형 예측 분석 장치(2)와 동일하다.
계수 테이블 기억부(25)에는 계수 테이블 t0과 t2만이 기억되어 있고, 계수 테이블 t0에는 계수 wt0(i)(i=0,1,…,Pmax)가 격납되어 있고, 계수 테이블 t2에는 계수 wt2(i)(i=0,1,…,Pmax)가 격납되어 있다. 2개의 계수 테이블 t0, t2의 각각에는 적어도 일부의 각 i에 대해서 wt0(i)<wt2(i)이며, 나머지 각 i에 대해서 wt0(i)≤wt2(i)가 되도록 정해진 계수 wt0(i)(i=0,1,…,Pmax)와 계수 wt2(i)(i=0,1,…,Pmax)가 격납되어 있다.
여기서 0<th1<th2라는 관계를 만족하는 2개의 역치 th1, th2가 정해져 있는 것으로 한다. 이 때, 계수 결정부(24)는
(1) 피치 게인과 정의 상관관계에 있는 값>th2의 경우, 즉 피치 게인이 크다고 판단된 경우에는, 계수 테이블 t0의 각 계수 wt0(i)를 계수 wO(i)로서 선택하고,
(2) th2≥피치 게인과 정의 상관관계에 있는 값>th1의 경우, 즉 피치 게인이 중간정도라고 판단된 경우에는, 계수 테이블 t0의 각 계수 wt0(i)와 계수 테이블 t2의 각 계수 wt2(i)를 사용하여, wO(i)=β'×wt0(i)+(1-β')×wt2(i)에 의해 계수 wO(i)를 결정하고,
(3) th1≥피치 게인과 정의 상관관계에 있는 값의 경우, 즉 피치 게인이 작다고 판단된 경우에는, 계수 테이블 t2의 각 계수 wt2(i)를 계수 wO(i)로서 선택한다.
여기서 β'는 0≤β'≤1이며, 피치 게인 G가 작은 값을 취할 때는 β'의 값도 작아지고, 피치 게인 G가 큰 값을 취할 때에 β'의 값도 커지는 함수 β'=c(G)에 의해, 피치 게인 G로부터 구하는 값이다. 이 구성으로 하면, 피치 게인이 중간정도인 경우 중 피치 게인 G가 작을 때에는 wt2(i)에 가까운 값을 계수 wO(i)로 할 수 있고, 반대로 피치 게인이 중간정도인 경우 중 피치 게인 G가 클 때에는 wt0(i)에 가까운 값을 계수 wO(i)로 할 수 있으므로, 2개의 테이블만으로 3개 이상의 계수 wO(i)를 얻을 수 있다.
또한, 계수 테이블 기억부(25)에 기억되어 있는 계수 테이블 t0, t2의 i=0의 계수 wt0(0), wt2(0)에 대해서는, wt0(0)≤wt2(0)의 관계를 만족하고 있는 것은 필수가 아니며, wt0(0)>wt2(0)의 관계에 있는 값이어도 된다.
[제1 실시형태 내지 제3 실시형태에 공통인 변형예]
도 7 및 도 8에 나타내는 바와 같이, 상기 서술한 모든 실시형태 및 변형예에 있어서, 계수 승산부(22)를 포함하지 않고, 예측 계수 계산부(23)에 있어서 계수 wO(i)와 자기상관 RO(i)을 사용하여 선형 예측 분석을 해도 된다. 도 7과 도 8은 각각 도 1과 도 4에 대응하는 선형 예측 분석 장치(2)의 구성예이다. 이 경우는 예측 계수 계산부(23)는 도 9의 스텝 S5에 있어서 계수 wO(i)와 자기상관 RO(i)이 승산된 것인 변형 자기상관 R'O(i)이 아니라, 계수 wO(i)와 자기상관 RO(i)을 직접 사용하여 선형 예측 분석을 한다(스텝 S5).
[제4 실시형태]
제4 실시형태는 입력 신호 XO(n)에 대하여 종래의 선형 예측 분석 장치를 사용하여 선형 예측 분석을 하고, 그 선형 예측 분석의 결과를 사용하여 피치 게인 계산부에서 피치 게인을 얻고, 얻어진 피치 게인에 기초하는 계수 wO(i)를 사용하여 본 발명의 선형 예측 분석 장치에 의해 선형 예측 계수로 변환 가능한 계수를 구하는 것이다.
제4 실시형태의 선형 예측 분석 장치(3)는 도 10에 나타내는 바와 같이 제1 선형 예측 분석부(31), 선형 예측 잔차 계산부(32), 피치 게인 계산부(36), 제2 선형 예측 분석부(34)를 예를 들면 구비하고 있다.
[제1 선형 예측 분석부(31)]
제1 선형 예측 분석부(31)는 종래의 선형 예측 분석 장치(1)와 동일한 동작을 한다. 즉, 제1 선형 예측 분석부(31)는 입력 신호 XO(n)로부터 자기상관 RO(i)(i=0,1,…,Pmax)을 구하고, 자기상관 RO(i)(i=0,1,…,Pmax)과 미리 정한 계수 wO(i)(i=0,1,…,Pmax)를 동일한 i마다 곱함으로써 변형 자기상관 R'O(i)(i=0,1,…,Pmax)을 구하고, 변형 자기상관 R'O(i)(i=0,1,…,Pmax)으로부터 1차로부터 미리 정한 최대차수인 Pmax차까지의 선형 예측 계수로 변환 가능한 계수를 구한다.
[선형 예측 잔차 계산부(32)]
선형 예측 잔차 계산부(32)는 입력 신호 XO(n)에 대하여, 1차로부터 Pmax차까지의 선형 예측 계수로 변환 가능한 계수에 기초하는 선형 예측이나 선형 예측과 등가인 또는 유사한 필터링 처리를 행하여 선형 예측 잔차 신호 XR(n)를 구한다. 필터링 처리는 가중 처리라고도 할 수 있으므로, 선형 예측 잔차 신호 XR(n)는 가중 입력 신호라고도 할 수 있다.
[피치 게인 계산부(36)]
피치 게인 계산부(36)는 선형 예측 잔차 신호 XR(n)의 피치 게인 G를 구하고, 피치 게인에 대한 정보를 출력한다. 피치 게인을 구하는 방법으로서는 다양한 공지의 방법이 존재하므로, 공지의 어느 방법을 사용해도 된다. 피치 게인 계산부(36)는 예를 들면 현 프레임의 선형 예측 잔차 신호 XR(n)(n=0,1,…, N-1)를 구성하는 복수개의 서브 프레임의 각각에 대해서 피치 게인을 구한다. 즉, 2 이상의 정수인 M개의 서브 프레임인 XRs1(n)(n=0,1,…, N/M-1),…,XRsM(n)(n=(M-1)N/M, (M-1)N/M+1,…,N-1)의 각각의 피치 게인인 Gs1,…,GsM을 구한다. N은 M으로 나누어 떨어지는 것으로 한다. 피치 게인 계산부(36)는 다음에 현 프레임을 구성하는 M개의 서브 프레임의 피치 게인인 Gs1,…,GsM 중 최대값 max(Gs1,…, GsM)을 특정 가능한 정보를 피치 게인에 대한 정보로서 출력한다.
[제2 선형 예측 분석부(34)]
제2 선형 예측 분석부(34)는 본 발명의 제1 실시형태 내지 제3 실시형태 및 이들의 변형예의 선형 예측 분석 장치(2)의 어느 하나와 동일한 동작을 한다. 즉, 제2 선형 예측 분석부(34)는 입력 신호 XO(n)로부터 자기상관 RO(i)(i=0,1,…,Pmax)을 구하고, 피치 게인 계산부(36)가 출력한 피치 게인에 대한 정보에 기초하여 계수 wO(i)(i=0,1,…,Pmax)를 결정하고, 자기상관 RO(i)(i=0,1,…,Pmax)과 결정한 계수 wO(i)(i=0,1,…,Pmax)를 사용하여 변형 자기상관 R'O(i)(i=0,1,…,Pmax)으로부터 1차로부터 미리 정한 최대차수인 Pmax차까지의 선형 예측 계수로 변환 가능한 계수를 구한다.
<피치 게인과 정의 상관관계에 있는 값에 대해서>
제1 실시형태에 있어서 피치 게인 계산부(950)의 구체예 2로서 설명한 바와 같이 피치 게인과 정의 상관관계에 있는 값으로서 앞의 프레임의 신호 처리에 있어서 Look-ahead라고도 불리는 미리보기하여 이용하는 샘플 부분 중 현 프레임의 샘플에 대응하는 부분의 피치 게인을 사용해도 된다.
또, 피치 게인과 정의 상관관계에 있는 값으로서 피치 게인의 추정값을 사용해도 된다. 예를 들면, 과거의 복수 프레임의 피치 게인으로부터 예측되는 현재의 프레임에 대한 피치 게인의 추정값이나, 과거의 복수 프레임에 대한 피치 게인의 평균값이나 최소값이나 최대값이나 가중 선형합을 피치 게인의 추정값으로서 사용해도 된다. 또, 복수 서브 프레임에 대한 피치 게인의 평균값이나 최소값이나 최대값이나 가중 선형합을 피치 게인의 추정값으로서 사용해도 된다.
또, 피치 게인과 정의 상관관계에 있는 값으로서 피치 게인의 양자화값을 사용해도 된다. 즉, 양자화 전의 피치 게인을 사용해도 되고, 양자화 후의 피치 게인을 사용해도 된다.
또한, 상기한 각 실시형태 및 각 변형예의 피치 게인과 정의 상관관계에 있는 값과 역치와의 비교에 있어서는, 피치 게인과 정의 상관관계에 있는 값이 역치와 동일한 값인 경우에는, 역치를 경계로 하여 인접하는 2개의 경우의 어느 일방의 경우로 나뉘도록 설정하면 된다. 즉, 어떠한 역치 이상의 경우로 되어 있는 부분을 당해 역치보다 큰 경우로 함과 아울러, 당해 역치보다 작은 경우로 되어 있는 부분을 당해 역치 이하의 경우로 해도 된다. 또, 어떠한 역치보다 큰 경우로 되어 있는 부분을 당해 역치 이상의 경우로 함과 아울러, 당해 역치 이하의 경우로 되어 있는 부분을 당해 역치보다 작은 경우로 해도 된다.
상기 장치 및 방법에 있어서 설명한 처리는 기재의 순서에 따라서 시계열로 실행될 뿐만아니라, 처리를 실행하는 장치의 처리 능력 또는 필요에 따라서 병렬적으로 또는 개별로 실행되어도 된다.
또, 선형 예측 분석 방법에 있어서의 각 스텝을 컴퓨터에 의해 실현하는 경우, 선형 예측 분석 방법이 가져야 할 기능의 처리 내용은 프로그램에 의해 기술된다. 그리고 이 프로그램을 컴퓨터로 실행함으로써, 그 각 스텝이 컴퓨터 상에서 실현된다.
이 처리 내용을 기술한 프로그램은 컴퓨터로 판독 가능한 기록 매체에 기록해 둘 수 있다. 컴퓨터로 판독 가능한 기록 매체로서는 예를 들면 자기기록 장치, 광디스크, 광자기 기록 매체, 반도체 메모리 등 어떠한 것이어도 된다.
또, 각 처리 수단은 컴퓨터 상에서 소정의 프로그램을 실행시킴으로써 구성하는 것으로 해도 되고, 이들 처리 내용의 적어도 일부를 하드웨어적으로 실현하는 것으로 해도 된다.
그 밖에 본 발명의 취지를 일탈하지 않는 범위에서 적당히 변경이 가능한 것은 말할 필요도 없다.
1 : 종래의 선형 예측 분석 장치
2 : 선형 예측 분석 장치
21 : 상관 계산부
22 : 계수 승산부
23 : 예측 계수 계산부
24 : 계수 결정부
32 : 선형 예측 잔차 계산부
34 : 제2 선형 예측 분석부
36 : 피치 게인 계산부
950 : 피치 게인 계산부

Claims (10)

  1. 입력 시계열 신호에 대응하는 선형 예측 계수로 변환 가능한 계수를 소정 시간 구간인 프레임마다 구하는 선형 예측 분석 방법으로서,
    적어도 i=0,1,…,Pmax의 어느 하나에 대해서, 현재의 프레임의 입력 시계열 신호 XO(n)와 i 샘플만큼 과거의 입력 시계열 신호 XO(n-i) 또는 i 샘플만큼 미래의 입력 시계열 신호 XO(n+i)와의 자기상관 RO(i)을 계산하는 자기상관 계산 스텝과,
    계수와 상기 자기상관 RO(i)이 대응하는 i마다 승산된 것인 변형 자기상관 R'O(i)을 사용하여, 1차로부터 Pmax차까지의 선형 예측 계수로 변환 가능한 계수를 구하는 예측 계수 계산 스텝을 포함하고,
    계수 테이블 t0에는 계수 wt0(i)가 격납되어 있고, 계수 테이블 t1에는 계수 wt1(i)가 격납되어 있고, 계수 테이블 t2에는 계수 wt2(i)가 격납되어 있는 것으로 하여, 현재 또는 과거의 프레임에 있어서의 입력 시계열 신호에 기초하는 피치 게인과 정의 상관관계에 있는 값을 사용하여 상기 계수 테이블 t0, t1, t2 중의 1개의 계수 테이블로부터 계수를 취득하는 계수 결정 스텝을 추가로 포함하고,
    상기 피치 게인과 정의 상관관계에 있는 값에 따라, 피치 게인과 정의 상관관계에 있는 값이 소정의 제1 역치 이상 또는 보다 큰 경우를 피치 게인이 큰 경우로 하고, 피치 게인과 정의 상관관계에 있는 값이 상기 큰 경우 이외이며, 또한 상기 제1 역치보다 작은 소정의 제2 역치 이상 또는 보다 큰 경우를 피치 게인이 중간정도인 경우로 하고, 피치 게인과 정의 상관관계에 있는 값이 상기 큰 경우 및 상기 중간정도인 경우 이외인 경우를 피치 게인이 작은 경우로 하고, 피치 게인이 큰 경우에 상기 계수 결정 스텝에서 계수가 취득되는 계수 테이블을 계수 테이블 t0로 하고, 피치 게인이 중간정도인 경우에 상기 계수 결정 스텝에서 계수가 취득되는 계수 테이블을 계수 테이블 t1으로 하고, 피치 게인이 작은 경우에 상기 계수 결정 스텝에서 계수가 취득되는 계수 테이블을 계수 테이블 t2로 하여, i=0 이외의 i 중 적어도 일부의 i에 대해서 wt0(i)<wt1(i)≤wt2(i)이며, i=0 이외의 i 중 그 이외의 i 중 적어도 일부의 각 i에 대해서 wt0(i)≤wt1(i)<wt2(i)이며, i=0 이외의 i 중 나머지 각 i에 대해서 wt0(i)≤wt1(i)≤wt2(i)인 것을 특징으로 하는 선형 예측 분석 방법.
  2. 입력 시계열 신호에 대응하는 선형 예측 계수로 변환 가능한 계수를 소정 시간 구간인 프레임마다 구하는 선형 예측 분석 방법으로서,
    적어도 i=0,1,…,Pmax의 어느 하나에 대해서, 현재의 프레임의 입력 시계열 신호 XO(n)와 i 샘플만큼 과거의 입력 시계열 신호 XO(n-i) 또는 i 샘플만큼 미래의 입력 시계열 신호 XO(n+i)와의 자기상관 RO(i)을 계산하는 자기상관 계산 스텝과,
    계수와 상기 자기상관 RO(i)이 대응하는 i마다 승산된 것인 변형 자기상관 R'O(i)을 사용하여, 1차로부터 Pmax차까지의 선형 예측 계수로 변환 가능한 계수를 구하는 예측 계수 계산 스텝을 포함하고,
    계수 테이블 t0에는 계수 wt0(i)가 격납되어 있고, 계수 테이블 t2에는 계수 wt2(i)가 격납되어 있는 것으로 하여, 현재 또는 과거의 프레임에 있어서의 입력 시계열 신호에 기초하는 피치 게인과 정의 상관관계에 있는 값을 사용하여 상기 계수 테이블 t0, t2의 적어도 어느 하나의 계수 테이블로부터 계수를 취득하는 계수 결정 스텝을 추가로 포함하고,
    상기 피치 게인과 정의 상관관계에 있는 값에 따라, 피치 게인과 정의 상관관계에 있는 값이 소정의 제1 역치 이상 또는 보다 큰 경우를 피치 게인이 큰 경우로 하고, 피치 게인과 정의 상관관계에 있는 값이 상기 큰 경우 이외이며, 또한 상기 제1 역치보다 작은 소정의 제2 역치 이상 또는 보다 큰 경우를 피치 게인이 중간정도인 경우로 하고, 피치 게인과 정의 상관관계에 있는 값이 상기 큰 경우 및 상기 중간정도인 경우 이외인 경우를 피치 게인이 작은 경우로 하고, 피치 게인이 큰 경우에 상기 계수 결정 스텝에서 계수가 취득되는 계수 테이블을 계수 테이블 t0로 하고, 피치 게인이 작은 경우에 상기 계수 결정 스텝에서 계수가 취득되는 계수 테이블을 계수 테이블 t2로 하여, i=0 이외의 i 중 적어도 일부의 i에 대해서 wt0(i)<wt2(i)이며, i=0 이외의 i 중 나머지 각 i에 대해서 wt0(i)≤wt2(i)이며,
    상기 계수 결정 스텝은 피치 게인이 중간정도인 경우에는, i=0 이외의 각 i에 대해서 w0(i)=β'×wt0(i)+(1-β')×wt2(i)(단 0≤β'≤1)인 계수를 결정하는
    것을 특징으로 하는 선형 예측 분석 방법.
  3. 입력 시계열 신호에 대응하는 선형 예측 계수로 변환 가능한 계수를 소정 시간 구간인 프레임마다 구하는 선형 예측 분석 방법으로서,
    적어도 i=0,1,…,Pmax의 어느 하나에 대해서, 현재의 프레임의 입력 시계열 신호 XO(n)와 i 샘플만큼 과거의 입력 시계열 신호 XO(n-i) 또는 i 샘플만큼 미래의 입력 시계열 신호 XO(n+i)와의 자기상관 RO(i)을 계산하는 자기상관 계산 스텝과,
    계수와 상기 자기상관 RO(i)이 대응하는 i마다 승산된 것인 변형 자기상관 R'O(i)을 사용하여, 1차로부터 Pmax차까지의 선형 예측 계수로 변환 가능한 계수를 구하는 예측 계수 계산 스텝을 포함하고,
    계수 테이블 t0에는 계수 wt0(i)가 격납되어 있고, 계수 테이블 t1에는 계수 wt1(i)가 격납되어 있고, 계수 테이블 t2에는 계수 wt2(i)가 격납되어 있는 것으로 하여, 현재 또는 과거의 프레임에 있어서의 입력 시계열 신호에 기초하는 피치 게인을 사용하여 상기 계수 테이블 t0, t1, t2 중의 1개의 계수 테이블로부터 계수를 취득하는 계수 결정 스텝을 추가로 포함하고,
    상기 피치 게인에 따라, 피치 게인이 소정의 제1 역치 이상 또는 보다 큰 경우를 피치 게인이 큰 경우로 하고, 피치 게인이 상기 큰 경우 이외이며, 또한 상기 제1 역치보다 작은 소정의 제2 역치 이상 또는 보다 큰 경우를 피치 게인이 중간정도인 경우로 하고, 피치 게인이 상기 큰 경우 및 상기 중간정도인 경우 이외인 경우를 피치 게인이 작은 경우로 하고, 피치 게인이 큰 경우에 상기 계수 결정 스텝에서 계수가 취득되는 계수 테이블을 계수 테이블 t0로 하고, 피치 게인이 중간정도인 경우에 상기 계수 결정 스텝에서 계수가 취득되는 계수 테이블을 계수 테이블 t1으로 하고, 피치 게인이 작은 경우에 상기 계수 결정 스텝에서 계수가 취득되는 계수 테이블을 계수 테이블 t2로 하여, i=0 이외의 i 중 적어도 일부의 i에 대해서 wt0(i)<wt1(i)≤wt2(i)이며, i=0 이외의 i 중 그 이외의 i 중 적어도 일부의 각 i에 대해서 wt0(i)≤wt1(i)<wt2(i)이며, i=0 이외의 i 중 나머지 각 i에 대해서 wt0(i)≤wt1(i)≤wt2(i)인 것을 특징으로 하는 선형 예측 분석 방법.
  4. 입력 시계열 신호에 대응하는 선형 예측 계수로 변환 가능한 계수를 소정 시간 구간인 프레임마다 구하는 선형 예측 분석 방법으로서,
    적어도 i=0,1,…,Pmax의 어느 하나에 대해서, 현재의 프레임의 입력 시계열 신호 XO(n)와 i 샘플만큼 과거의 입력 시계열 신호 XO(n-i) 또는 i 샘플만큼 미래의 입력 시계열 신호 XO(n+i)와의 자기상관 RO(i)을 계산하는 자기상관 계산 스텝과,
    계수와 상기 자기상관 RO(i)이 대응하는 i마다 승산된 것인 변형 자기상관 R'O(i)을 사용하여, 1차로부터 Pmax차까지의 선형 예측 계수로 변환 가능한 계수를 구하는 예측 계수 계산 스텝을 포함하고,
    계수 테이블 t0에는 계수 wt0(i)가 격납되어 있고, 계수 테이블 t2에는 계수 wt2(i)가 격납되어 있는 것으로 하여, 현재 또는 과거의 프레임에 있어서의 입력 시계열 신호에 기초하는 피치 게인을 사용하여 상기 계수 테이블 t0, t2의 적어도 어느 하나의 계수 테이블로부터 계수를 취득하는 계수 결정 스텝을 추가로 포함하고,
    상기 피치 게인에 따라, 피치 게인이 소정의 제1 역치 이상 또는 보다 큰 경우를 피치 게인이 큰 경우로 하고, 피치 게인이 상기 큰 경우 이외이며, 또한 상기 제1 역치보다 작은 소정의 제2 역치 이상 또는 보다 큰 경우를 피치 게인이 중간정도인 경우로 하고, 피치 게인이 상기 큰 경우 및 상기 중간정도인 경우 이외인 경우를 피치 게인이 작은 경우로 하고, 피치 게인이 큰 경우에 상기 계수 결정 스텝에서 계수가 취득되는 계수 테이블을 계수 테이블 t0로 하고, 피치 게인이 작은 경우에 상기 계수 결정 스텝에서 계수가 취득되는 계수 테이블을 계수 테이블 t2로 하여, i=0 이외의 i 중 적어도 일부의 i에 대해서 wt0(i)<wt2(i)이며, i=0 이외의 i 중 나머지 각 i에 대해서 wt0(i)≤wt2(i)이며,
    상기 계수 결정 스텝은 피치 게인이 중간정도인 경우에는, i=0 이외의 각 i에 대해서 w0(i)=β'×wt0(i)+(1-β')×wt2(i)(단 0≤β'≤1)인 계수를 결정하는
    것을 특징으로 하는 선형 예측 분석 방법.
  5. 입력 시계열 신호에 대응하는 선형 예측 계수로 변환 가능한 계수를 소정 시간 구간인 프레임마다 구하는 선형 예측 분석 장치로서,
    적어도 i=0,1,…,Pmax의 어느 하나에 대해서, 현재의 프레임의 입력 시계열 신호 XO(n)와 i 샘플만큼 과거의 입력 시계열 신호 XO(n-i) 또는 i 샘플만큼 미래의 입력 시계열 신호 XO(n+i)와의 자기상관 RO(i)을 계산하는 자기상관 계산부와,
    계수와 상기 자기상관 RO(i)이 대응하는 i마다 승산된 것인 변형 자기상관 R'O(i)을 사용하여, 1차로부터 Pmax차까지의 선형 예측 계수로 변환 가능한 계수를 구하는 예측 계수 계산부를 포함하고,
    계수 테이블 t0에는 계수 wt0(i)가 격납되어 있고, 계수 테이블 t1에는 계수 wt1(i)가 격납되어 있고, 계수 테이블 t2에는 계수 wt2(i)가 격납되어 있는 것으로 하여, 현재 또는 과거의 프레임에 있어서의 입력 시계열 신호에 기초하는 피치 게인과 정의 상관관계에 있는 값을 사용하여 상기 계수 테이블 t0, t1, t2 중의 1개의 계수 테이블로부터 계수를 취득하는 계수 결정부를 추가로 포함하고,
    상기 피치 게인과 정의 상관관계에 있는 값에 따라, 피치 게인과 정의 상관관계에 있는 값이 소정의 제1 역치 이상 또는 보다 큰 경우를 피치 게인이 큰 경우로 하고, 피치 게인과 정의 상관관계에 있는 값이 상기 큰 경우 이외이며, 또한 상기 제1 역치보다 작은 소정의 제2 역치 이상 또는 보다 큰 경우를 피치 게인이 중간정도인 경우로 하고, 피치 게인과 정의 상관관계에 있는 값이 상기 큰 경우 및 상기 중간정도인 경우 이외인 경우를 피치 게인이 작은 경우로 하고, 피치 게인이 큰 경우에 상기 계수 결정부에서 계수가 취득되는 계수 테이블을 계수 테이블 t0로 하고, 피치 게인이 중간정도인 경우에 상기 계수 결정부에서 계수가 취득되는 계수 테이블을 계수 테이블 t1으로 하고, 피치 게인이 작은 경우에 상기 계수 결정부에서 계수가 취득되는 계수 테이블을 계수 테이블 t2로 하여, i=0 이외의 i 중 적어도 일부의 i에 대해서 wt0(i)<wt1(i)≤wt2(i)이며, i=0 이외의 i 중 그 이외의 i 중 적어도 일부의 각 i에 대해서 wt0(i)≤wt1(i)<wt2(i)이며, i=0 이외의 i 중 나머지 각 i에 대해서 wt0(i)≤wt1(i)≤wt2(i)인 것을 특징으로 하는 선형 예측 분석 장치.
  6. 입력 시계열 신호에 대응하는 선형 예측 계수로 변환 가능한 계수를 소정 시간 구간인 프레임마다 구하는 선형 예측 분석 장치로서,
    적어도 i=0,1,…,Pmax의 어느 하나에 대해서, 현재의 프레임의 입력 시계열 신호 XO(n)와 i 샘플만큼 과거의 입력 시계열 신호 XO(n-i) 또는 i 샘플만큼 미래의 입력 시계열 신호 XO(n+i)와의 자기상관 RO(i)을 계산하는 자기상관 계산부와,
    계수와 상기 자기상관 RO(i)이 대응하는 i마다 승산된 것인 변형 자기상관 R'O(i)을 사용하여, 1차로부터 Pmax차까지의 선형 예측 계수로 변환 가능한 계수를 구하는 예측 계수 계산부를 포함하고,
    계수 테이블 t0에는 계수 wt0(i)가 격납되어 있고, 계수 테이블 t2에는 계수 wt2(i)가 격납되어 있는 것으로 하여, 현재 또는 과거의 프레임에 있어서의 입력 시계열 신호에 기초하는 피치 게인과 정의 상관관계에 있는 값을 사용하여 상기 계수 테이블 t0, t2의 적어도 어느 하나의 계수 테이블로부터 계수를 취득하는 계수 결정부를 추가로 포함하고,
    상기 피치 게인과 정의 상관관계에 있는 값에 따라, 피치 게인과 정의 상관관계에 있는 값이 소정의 제1 역치 이상 또는 보다 큰 경우를 피치 게인이 큰 경우로 하고, 피치 게인과 정의 상관관계에 있는 값이 상기 큰 경우 이외이며, 또한 상기 제1 역치보다 작은 소정의 제2 역치 이상 또는 보다 큰 경우를 피치 게인이 중간정도인 경우로 하고, 피치 게인과 정의 상관관계에 있는 값이 상기 큰 경우 및 상기 중간정도인 경우 이외인 경우를 피치 게인이 작은 경우로 하고, 피치 게인이 큰 경우에 상기 계수 결정부에서 계수가 취득되는 계수 테이블을 계수 테이블 t0로 하고, 피치 게인이 작은 경우에 상기 계수 결정부에서 계수가 취득되는 계수 테이블을 계수 테이블 t2로 하여, i=0 이외의 i 중 적어도 일부의 i에 대해서 wt0(i)<wt2(i)이며, i=0 이외의 i 중 나머지 각 i에 대해서 wt0(i)≤wt2(i)이며,
    상기 계수 결정부는 피치 게인이 중간정도인 경우에는, i=0 이외의 각 i에 대해서 w0(i)=β'×wt0(i)+(1-β')×wt2(i)(단 0≤β'≤1)인 계수를 결정하는
    것을 특징으로 하는 선형 예측 분석 장치.
  7. 입력 시계열 신호에 대응하는 선형 예측 계수로 변환 가능한 계수를 소정 시간 구간인 프레임마다 구하는 선형 예측 분석 장치로서,
    적어도 i=0,1,…,Pmax의 어느 하나에 대해서, 현재의 프레임의 입력 시계열 신호 XO(n)와 i 샘플만큼 과거의 입력 시계열 신호 XO(n-i) 또는 i 샘플만큼 미래의 입력 시계열 신호 XO(n+i)와의 자기상관 RO(i)을 계산하는 자기상관 계산부와,
    계수와 상기 자기상관 RO(i)이 대응하는 i마다 승산된 것인 변형 자기상관 R'O(i)을 사용하여, 1차로부터 Pmax차까지의 선형 예측 계수로 변환 가능한 계수를 구하는 예측 계수 계산부를 포함하고,
    계수 테이블 t0에는 계수 wt0(i)가 격납되어 있고, 계수 테이블 t1에는 계수 wt1(i)가 격납되어 있고, 계수 테이블 t2에는 계수 wt2(i)가 격납되어 있는 것으로 하여, 현재 또는 과거의 프레임에 있어서의 입력 시계열 신호에 기초하는 피치 게인을 사용하여 상기 계수 테이블 t0, t1, t2 중의 1개의 계수 테이블로부터 계수를 취득하는 계수 결정부를 추가로 포함하고,
    상기 피치 게인에 따라, 피치 게인이 소정의 제1 역치 이상 또는 보다 큰 경우를 피치 게인이 큰 경우로 하고, 피치 게인이 상기 큰 경우 이외이며, 또한 상기 제1 역치보다 작은 소정의 제2 역치 이상 또는 보다 큰 경우를 피치 게인이 중간정도인 경우로 하고, 피치 게인이 상기 큰 경우 및 상기 중간정도인 경우 이외인 경우를 피치 게인이 작은 경우로 하고, 피치 게인이 큰 경우에 상기 계수 결정부에서 계수가 취득되는 계수 테이블을 계수 테이블 t0로 하고, 피치 게인이 중간정도인 경우에 상기 계수 결정부에서 계수가 취득되는 계수 테이블을 계수 테이블 t1으로 하고, 피치 게인이 작은 경우에 상기 계수 결정부에서 계수가 취득되는 계수 테이블을 계수 테이블 t2로 하여, i=0 이외의 i 중 적어도 일부의 i에 대해서 wt0(i)<wt1(i)≤wt2(i)이며, i=0 이외의 i 중 그 이외의 i 중 적어도 일부의 각 i에 대해서 wt0(i)≤wt1(i)<wt2(i)이며, i=0 이외의 i 중 나머지 각 i에 대해서 wt0(i)≤wt1(i)≤wt2(i)인 것을 특징으로 하는 선형 예측 분석 장치.
  8. 입력 시계열 신호에 대응하는 선형 예측 계수로 변환 가능한 계수를 소정 시간 구간인 프레임마다 구하는 선형 예측 분석 장치로서,
    적어도 i=0,1,…,Pmax의 어느 하나에 대해서, 현재의 프레임의 입력 시계열 신호 XO(n)와 i 샘플만큼 과거의 입력 시계열 신호 XO(n-i) 또는 i 샘플만큼 미래의 입력 시계열 신호 XO(n+i)와의 자기상관 RO(i)을 계산하는 자기상관 계산부와,
    계수와 상기 자기상관 RO(i)이 대응하는 i마다 승산된 것인 변형 자기상관 R'O(i)을 사용하여, 1차로부터 Pmax차까지의 선형 예측 계수로 변환 가능한 계수를 구하는 예측 계수 계산부를 포함하고,
    계수 테이블 t0에는 계수 wt0(i)가 격납되어 있고, 계수 테이블 t2에는 계수 wt2(i)가 격납되어 있는 것으로 하여, 현재 또는 과거의 프레임에 있어서의 입력 시계열 신호에 기초하는 피치 게인을 사용하여 상기 계수 테이블 t0, t2의 적어도 어느 하나의 계수 테이블로부터 계수를 취득하는 계수 결정부를 추가로 포함하고,
    상기 피치 게인에 따라, 피치 게인이 소정의 제1 역치 이상 또는 보다 큰 경우를 피치 게인이 큰 경우로 하고, 피치 게인이 상기 큰 경우 이외이며, 또한 상기 제1 역치보다 작은 소정의 제2 역치 이상 또는 보다 큰 경우를 피치 게인이 중간정도인 경우로 하고, 피치 게인이 상기 큰 경우 및 상기 중간정도인 경우 이외인 경우를 피치 게인이 작은 경우로 하고, 피치 게인이 큰 경우에 상기 계수 결정부에서 계수가 취득되는 계수 테이블을 계수 테이블 t0로 하고, 피치 게인이 작은 경우에 상기 계수 결정부에서 계수가 취득되는 계수 테이블을 계수 테이블 t2로 하여, i=0 이외의 i 중 적어도 일부의 i에 대해서 wt0(i)<wt2(i)이며, i=0 이외의 i 중 나머지 각 i에 대해서 wt0(i)≤wt2(i)이며,
    상기 계수 결정부는 피치 게인이 중간정도인 경우에는, i=0 이외의 각 i에 대해서 w0(i)=β'×wt0(i)+(1-β')×wt2(i)(단 0≤β'≤1)인 계수를 결정하는
    것을 특징으로 하는 선형 예측 분석 장치.
  9. 제 1 항 내지 제 4 항 중 어느 한 항의 선형 예측 분석 방법의 각 스텝을 컴퓨터에 실행시키기 위하여 컴퓨터 판독 가능 기록 매체에 저장된 컴퓨터 프로그램.
  10. 제 1 항 내지 제 4 항 중 어느 한 항의 선형 예측 분석 방법의 각 스텝을 컴퓨터에 실행시키기 위한 프로그램이 기록된 컴퓨터 판독 가능한 기록 매체.
KR1020187003053A 2014-01-24 2015-01-20 선형 예측 분석 장치, 방법, 프로그램 및 기록 매체 KR101877397B1 (ko)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
JP2014011317 2014-01-24
JPJP-P-2014-011317 2014-01-24
JPJP-P-2014-152526 2014-07-28
JP2014152526 2014-07-28
PCT/JP2015/051351 WO2015111568A1 (ja) 2014-01-24 2015-01-20 線形予測分析装置、方法、プログラム及び記録媒体

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
KR1020167019020A Division KR101826219B1 (ko) 2014-01-24 2015-01-20 선형 예측 분석 장치, 방법, 프로그램 및 기록 매체

Publications (2)

Publication Number Publication Date
KR20180015286A true KR20180015286A (ko) 2018-02-12
KR101877397B1 KR101877397B1 (ko) 2018-07-11

Family

ID=53681371

Family Applications (3)

Application Number Title Priority Date Filing Date
KR1020187003046A KR101850523B1 (ko) 2014-01-24 2015-01-20 선형 예측 분석 장치, 방법, 프로그램 및 기록 매체
KR1020167019020A KR101826219B1 (ko) 2014-01-24 2015-01-20 선형 예측 분석 장치, 방법, 프로그램 및 기록 매체
KR1020187003053A KR101877397B1 (ko) 2014-01-24 2015-01-20 선형 예측 분석 장치, 방법, 프로그램 및 기록 매체

Family Applications Before (2)

Application Number Title Priority Date Filing Date
KR1020187003046A KR101850523B1 (ko) 2014-01-24 2015-01-20 선형 예측 분석 장치, 방법, 프로그램 및 기록 매체
KR1020167019020A KR101826219B1 (ko) 2014-01-24 2015-01-20 선형 예측 분석 장치, 방법, 프로그램 및 기록 매체

Country Status (8)

Country Link
US (3) US9966083B2 (ko)
EP (3) EP3441970B1 (ko)
JP (3) JP6250072B2 (ko)
KR (3) KR101850523B1 (ko)
CN (3) CN106415718B (ko)
ES (3) ES2770407T3 (ko)
PL (3) PL3441970T3 (ko)
WO (1) WO2015111568A1 (ko)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6117359B2 (ja) * 2013-07-18 2017-04-19 日本電信電話株式会社 線形予測分析装置、方法、プログラム及び記録媒体
WO2015111569A1 (ja) 2014-01-24 2015-07-30 日本電信電話株式会社 線形予測分析装置、方法、プログラム及び記録媒体
ES2768090T3 (es) 2014-03-24 2020-06-19 Nippon Telegraph & Telephone Método de codificación, codificador, programa y soporte de registro
KR101920297B1 (ko) * 2014-04-25 2018-11-20 가부시키가이샤 엔.티.티.도코모 선형 예측 계수 변환 장치 및 선형 예측 계수 변환 방법

Family Cites Families (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FR2654542B1 (fr) * 1989-11-14 1992-01-17 Thomson Csf Procede et dispositif de codage de filtres predicteurs de vocodeurs tres bas debit.
US5781880A (en) * 1994-11-21 1998-07-14 Rockwell International Corporation Pitch lag estimation using frequency-domain lowpass filtering of the linear predictive coding (LPC) residual
US5648989A (en) * 1994-12-21 1997-07-15 Paradyne Corporation Linear prediction filter coefficient quantizer and filter set
TW283775B (en) * 1995-10-11 1996-08-21 Nat Science Council Linear prediction coefficient based inverse spectrum coefficient generator
FR2742568B1 (fr) * 1995-12-15 1998-02-13 Catherine Quinquis Procede d'analyse par prediction lineaire d'un signal audiofrequence, et procedes de codage et de decodage d'un signal audiofrequence en comportant application
CN1202514C (zh) * 2000-11-27 2005-05-18 日本电信电话株式会社 编码和解码语音及其参数的方法、编码器、解码器
US20040002856A1 (en) * 2002-03-08 2004-01-01 Udaya Bhaskar Multi-rate frequency domain interpolative speech CODEC system
WO2004084182A1 (en) * 2003-03-15 2004-09-30 Mindspeed Technologies, Inc. Decomposition of voiced speech for celp speech coding
US7411528B2 (en) * 2005-07-11 2008-08-12 Lg Electronics Co., Ltd. Apparatus and method of processing an audio signal
JP4733552B2 (ja) * 2006-04-06 2011-07-27 日本電信電話株式会社 Ｐａｒｃｏｒ係数算出装置、ｐａｒｃｏｒ係数算出方法、そのプログラムおよびその記録媒体
JP4658853B2 (ja) * 2006-04-13 2011-03-23 日本電信電話株式会社 適応ブロック長符号化装置、その方法、プログラム及び記録媒体
EP2030199B1 (en) * 2006-05-30 2009-10-28 Koninklijke Philips Electronics N.V. Linear predictive coding of an audio signal
JP4691050B2 (ja) * 2007-01-29 2011-06-01 日本電信電話株式会社 Ｐａｒｃｏｒ係数算出方法、及びその装置とそのプログラムと、その記憶媒体
WO2010073977A1 (ja) * 2008-12-22 2010-07-01 日本電信電話株式会社 符号化方法、復号方法、それらの装置、プログラム及び記録媒体
US8301444B2 (en) 2008-12-29 2012-10-30 At&T Intellectual Property I, L.P. Automated demographic analysis by analyzing voice activity
CN101599272B (zh) * 2008-12-30 2011-06-08 华为技术有限公司 基音搜索方法及装置
CN101609678B (zh) * 2008-12-30 2011-07-27 华为技术有限公司 信号压缩方法及其压缩装置
WO2010084951A1 (ja) * 2009-01-23 2010-07-29 日本電信電話株式会社 パラメータ選択方法、パラメータ選択装置、プログラム及び記録媒体
US8665945B2 (en) * 2009-03-10 2014-03-04 Nippon Telegraph And Telephone Corporation Encoding method, decoding method, encoding device, decoding device, program, and recording medium
US9082416B2 (en) * 2010-09-16 2015-07-14 Qualcomm Incorporated Estimating a pitch lag
CN102783034B (zh) * 2011-02-01 2014-12-17 华为技术有限公司 用于提供信号处理系数的方法和设备
WO2012111512A1 (ja) * 2011-02-16 2012-08-23 日本電信電話株式会社 符号化方法、復号方法、符号化装置、復号装置、プログラム及び記録媒体
CN102595495A (zh) * 2012-02-07 2012-07-18 北京新岸线无线技术有限公司 一种数据发送、接收方法和装置
CN103050121A (zh) * 2012-12-31 2013-04-17 北京迅光达通信技术有限公司 线性预测语音编码方法及语音合成方法
WO2015111569A1 (ja) * 2014-01-24 2015-07-30 日本電信電話株式会社 線形予測分析装置、方法、プログラム及び記録媒体

Also Published As

Publication number Publication date
CN110415715A (zh) 2019-11-05
EP3441970B1 (en) 2019-11-13
PL3441970T3 (pl) 2020-04-30
US10163450B2 (en) 2018-12-25
US20160336019A1 (en) 2016-11-17
EP3462453A1 (en) 2019-04-03
CN110415714A (zh) 2019-11-05
JP6416363B2 (ja) 2018-10-31
ES2770407T3 (es) 2020-07-01
US20180211679A1 (en) 2018-07-26
US9966083B2 (en) 2018-05-08
CN106415718B (zh) 2019-10-25
KR20180015284A (ko) 2018-02-12
JP2018028698A (ja) 2018-02-22
KR20160097367A (ko) 2016-08-17
EP3441970A1 (en) 2019-02-13
CN106415718A (zh) 2017-02-15
PL3462453T3 (pl) 2020-10-19
JPWO2015111568A1 (ja) 2017-03-23
US10170130B2 (en) 2019-01-01
CN110415714B (zh) 2022-11-25
JP6250072B2 (ja) 2017-12-20
WO2015111568A1 (ja) 2015-07-30
KR101826219B1 (ko) 2018-02-13
ES2703565T3 (es) 2019-03-11
KR101877397B1 (ko) 2018-07-11
EP3462453B1 (en) 2020-05-13
PL3098812T3 (pl) 2019-02-28
US20180211678A1 (en) 2018-07-26
EP3098812A1 (en) 2016-11-30
KR101850523B1 (ko) 2018-04-19
EP3098812B1 (en) 2018-10-10
JP2018028699A (ja) 2018-02-22
JP6449968B2 (ja) 2019-01-09
ES2799899T3 (es) 2020-12-22
EP3098812A4 (en) 2017-08-02
CN110415715B (zh) 2022-11-25

Similar Documents

Publication Publication Date Title
KR101797679B1 (ko) 선형 예측 분석 장치, 방법, 프로그램 및 기록 매체
JP6423065B2 (ja) 線形予測分析装置、方法、プログラム及び記録媒体
KR101877397B1 (ko) 선형 예측 분석 장치, 방법, 프로그램 및 기록 매체

Legal Events

Date Code Title Description
A107 Divisional application of patent
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant