WO2010092827A1 - ベクトル量子化装置、ベクトル逆量子化装置、およびこれらの方法 - Google Patents

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

Info

Publication number
WO2010092827A1
WO2010092827A1 PCT/JP2010/000881 JP2010000881W WO2010092827A1 WO 2010092827 A1 WO2010092827 A1 WO 2010092827A1 JP 2010000881 W JP2010000881 W JP 2010000881W WO 2010092827 A1 WO2010092827 A1 WO 2010092827A1
Authority
WO
WIPO (PCT)
Prior art keywords
vector
code
quantization
matrix
lsp
Prior art date
Application number
PCT/JP2010/000881
Other languages
English (en)
French (fr)
Inventor
佐藤薫
森井利幸
Original Assignee
パナソニック株式会社
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 パナソニック株式会社 filed Critical パナソニック株式会社
Priority to EP10741107.6A priority Critical patent/EP2398149B1/en
Priority to US13/148,892 priority patent/US8493244B2/en
Priority to JP2010550471A priority patent/JP5335004B2/ja
Priority to RU2011134054/08A priority patent/RU2519027C2/ru
Publication of WO2010092827A1 publication Critical patent/WO2010092827A1/ja

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
    • G10L19/02—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 spectral analysis, e.g. transform vocoders or subband vocoders
    • G10L19/032—Quantisation or dequantisation of spectral components
    • G10L19/038—Vector quantisation, e.g. TwinVQ audio
    • 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
    • G10L19/07—Line spectrum pair [LSP] 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
    • 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
    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
    • H03M7/00—Conversion of a code where information is represented by a given sequence or number of digits to a code where the same, similar or subset of information is represented by a different sequence or number of digits
    • H03M7/30—Compression; Expansion; Suppression of unnecessary data, e.g. redundancy reduction
    • H03M7/3082—Vector coding
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS 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
    • G10L19/16—Vocoder architecture
    • G10L19/18—Vocoders using multiple modes
    • 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
    • G10L2019/0004—Design or structure of the codebook
    • G10L2019/0005—Multi-stage vector quantisation

Definitions

  • the present invention relates to a vector quantization apparatus, a vector inverse quantization apparatus, and a method for vector quantization of LSP (Line Spectral Pairs) parameters, and particularly to a packet communication system represented by Internet communication, a mobile communication system, and the like.
  • the present invention relates to a vector quantization apparatus, a vector inverse quantization apparatus, and a method thereof that perform vector quantization of LSP parameters used in a speech encoding / decoding apparatus that transmits speech signals.
  • audio signal encoding / decoding technology is indispensable for effective use of transmission path capacity such as radio waves and storage media. is there.
  • CELP Code Excited Linear Prediction
  • a CELP speech encoding apparatus encodes input speech based on a speech model stored in advance. Specifically, the CELP speech coding apparatus divides a digitized speech signal into frames with a constant time interval of about 10 to 20 ms, and performs linear prediction analysis on the speech signal in each frame to perform linear prediction. A coefficient (LPC: Linear Prediction Coefficient) and a linear prediction residual vector are obtained, and the linear prediction coefficient and the linear prediction residual vector are individually encoded.
  • LPC Linear Prediction Coefficient
  • LSP Line Spectral Pairs
  • vector quantization is often performed on the LSP parameter.
  • a code vector that is closest to the vector to be quantized is selected from a code book (code book) having a plurality of representative vectors (code vectors), and assigned to the selected code vector. This is a method of outputting a current index (code) as a quantization result.
  • Multi-stage vector quantization is a method in which a vector is quantized once and then the quantization error is further vector-quantized.
  • Divided vector quantization is a method in which each divided vector obtained by dividing a vector is quantized. It is a method to convert.
  • the LSP can be switched by appropriately switching the codebook used for vector quantization in accordance with speech characteristics (eg, voice voiced, unvoiced, mode information, etc.) having a correlation with the LSP to be quantized.
  • speech characteristics eg, voice voiced, unvoiced, mode information, etc.
  • classification vector quantization classification VQ
  • a narrowband LSP is classified according to characteristics using the interrelationship between a wideband LSP (LSP obtained from a wideband signal) and a narrowband LSP (LSP obtained from a narrowband signal).
  • the first-stage codebook of multistage vector quantization is switched according to the type of narrowband LSP feature (hereinafter referred to as the type of narrowband LSP), and the wideband LSP is vector quantized.
  • first-stage vector quantization is performed using a codebook corresponding to the type of narrowband LSP.
  • the deviation of the distribution of quantization errors differs depending on the type of narrowband LSP.
  • the second and subsequent vector quantization uses one common codebook regardless of the type of narrowband LSP, there is a problem that the second and subsequent vector quantization accuracy is insufficient.
  • FIG. 1 is a diagram for explaining the problems in the multistage vector quantization described above.
  • a black circle indicates a two-dimensional vector
  • a broken-line circle schematically indicates the magnitude of variance of the vector set
  • the center of the circle indicates the average of the vector set.
  • CBa1, CBa2,..., CBab correspond to each type of narrowband LSP and indicate a plurality of codebooks used for the first stage vector quantization.
  • CBb indicates a code book used for second-stage vector quantization.
  • An object of the present invention is to improve the quantization accuracy of vector quantization in the second and subsequent stages in multi-stage vector quantization in which the first stage codebook is switched according to the type of feature having a correlation with the quantization target vector. It is to provide a vector quantization device, a vector dequantization device, and methods thereof that can be used.
  • the vector quantization apparatus includes: a first selection unit that selects a classification code vector indicating a type of feature having a correlation with a quantization target vector from a plurality of classification code vectors; Using a second selection means for selecting a first codebook corresponding to the selected classification code vector from among the codebooks, and a plurality of first code vectors constituting the selected first codebook First quantization means for quantizing the quantization target vector to obtain a first code; and third selection means for selecting a first matrix corresponding to the selected classification code vector from a plurality of matrices; , Using a plurality of second code vectors and the selected first matrix, a first residual vector which is a difference between the first code vector indicated by the first code and the vector to be quantized.
  • the torque quantized employs a configuration comprising a second quantizing means for obtaining a second code, the.
  • the vector inverse quantization apparatus includes a first code obtained by quantizing a vector to be quantized in the vector quantization apparatus, a second code obtained by further quantizing the quantization error of the quantization, , Receiving means for selecting, a first selecting means for selecting a classification code vector indicating a type of feature having a correlation with the quantization target vector from among a plurality of classification code vectors, and a plurality of first codes Second selection means for selecting a first code book corresponding to the selected code vector for classification from among the code books, and a plurality of first code vectors constituting the selected first code book A first inverse quantization means for designating a first code vector corresponding to the first code; and a matrix corresponding to the selected classification code vector is selected from a plurality of matrices.
  • a third selecting unit designating a second code vector corresponding to the second code from a plurality of second code vectors; designating the designated second code vector; selecting the matrix; And a second inverse quantization unit that obtains a quantization vector using the first code vector.
  • the vector quantization method of the present invention includes a step of selecting a classification code vector indicating a type of feature having a correlation with a quantization target vector from a plurality of classification code vectors, and a plurality of first codebooks. Selecting a first codebook corresponding to the selected classification code vector, and using the plurality of first code vectors constituting the selected first codebook to determine the quantization target vector Quantizing to obtain a first code; selecting a first matrix corresponding to the selected classification code vector from a plurality of matrices; a plurality of second code vectors and the selected first code 1 matrix is used to quantize the first residual vector, which is the difference between the first code vector indicated by the first code and the vector to be quantized, Obtaining a second code, and to have.
  • the vector inverse quantization method of the present invention includes a first code obtained by quantizing a vector to be quantized in a vector quantization apparatus, a second code obtained by further quantizing the quantization error of the quantization, , A step of selecting a classification code vector indicating a type of feature having a correlation with the quantization target vector from among a plurality of classification code vectors, and a plurality of first codebooks Selecting a first codebook corresponding to the selected classification code vector, and corresponding to the first code from among a plurality of first code vectors constituting the selected first codebook Designating a first code vector to be selected, selecting a matrix corresponding to the selected classification code vector from a plurality of matrices, A second code vector corresponding to the second code is designated from among the second code vectors, and the designated second code vector, the selected matrix, and the designated first code vector And a step of obtaining a quantization vector.
  • the second-stage and subsequent vectors using the matrix corresponding to the type.
  • the wideband LSP is set as a vector quantization target, and the type of narrowband LSP having a correlation with the vector quantization target is used.
  • the code book used for the quantization of the eyes is switched will be described as an example.
  • a codebook used for the first-stage quantization may be switched using a quantized narrowband LSP (a narrowband LSP pre-quantized by a not-shown narrowband LSP quantizer).
  • the quantized narrowband LSP may be converted into a wideband form, and the codebook used for the first-stage quantization may be switched using the converted quantized narrowband LSP.
  • mapping matrix a matrix for moving the bias of the distribution of code vectors by performing matrix operation on all code vectors constituting the code book.
  • the mapping matrix is used to perform a matrix operation on a vector to be quantized as in the embodiment of the present invention, rather than being used to perform a matrix operation on a code vector. There are many cases.
  • FIG. 2 is a block diagram showing a main configuration of LSP vector quantization apparatus 100 according to the embodiment of the present invention.
  • the LSP vector quantization apparatus 100 quantizes an input LSP vector by three-stage multi-level vector quantization.
  • the LSP vector quantization apparatus 100 includes a classifier 101, a switch 102, a first code book 103, an adder 104, an error minimizing unit 105, a matrix determining unit 106, a matrix calculating unit 107, and a second code book 108. , An adder 109, a matrix calculation unit 110, a third codebook 111, and an adder 112.
  • the classifier 101 stores in advance a classification code book composed of a plurality of pieces of classification information indicating a plurality of types of narrowband LSP vectors.
  • the classifier 101 selects classification information indicating the type of the wideband LSP vector that is the vector quantization target from the classification codebook, and outputs the classification information to the switch 102 and the matrix determination unit 106.
  • the classifier 101 has a built-in classification code book composed of code vectors (classification code vectors) corresponding to each type of narrowband LSP vector.
  • the classifier 101 searches the codebook for classification to obtain a code vector that minimizes the square error with the input narrowband LSP vector.
  • the classifier 101 uses the index of the code vector obtained by the search as classification information indicating the type of the LSP vector.
  • the switch 102 selects one subcodebook corresponding to the classification information input from the classifier 101 from the first codebook 103 and connects the output terminal of the subcodebook to the adder 104.
  • the first codebook 103 stores in advance subcodebooks (CBa1 to CBan) corresponding to each type of narrowband LSP. That is, for example, when the total number of types of narrowband LSP is n, the number of subcodebooks constituting the first codebook 103 is also n.
  • the first code book 103 outputs, to the switch 102, the first code vector designated by the instruction from the error minimizing unit 105 among the plurality of first code vectors constituting the sub code book selected by the switch 102. To do.
  • the adder 104 calculates a difference between the wideband LSP vector input as a vector quantization target and the first code vector input from the switch 102, and outputs the difference to the error minimizing unit 105 as a first residual vector. To do. Further, adder 104 outputs to matrix calculation unit 107 one of the first residual vectors corresponding to each of the first code vectors, which is found to be minimum by the search of error minimizing unit 105.
  • the error minimizing unit 105 sets the squared error of the wideband LSP vector and the first code vector as a result of squaring the first residual vector input from the adder 104, and searches for the first codebook to find this square error. Find the first code vector that minimizes. Similarly, the error minimizing unit 105 searches the second codebook using the squared error of the first residual vector and the second code vector as a result of squaring the second residual vector input from the adder 109. Thus, a second code vector that minimizes the square error is obtained. Similarly, error minimizing section 105 uses the result of squaring the third residual vector input from adder 112 as the square error between the second residual vector and the third code vector, and searches for the third codebook. Thus, a third code vector that minimizes this square error is obtained. The error minimizing unit 105 collectively encodes the indexes assigned to the three code vectors obtained by the search, and outputs the encoded data.
  • the matrix determination unit 106 stores in advance a mapping matrix codebook including mapping matrices corresponding to each type of narrowband LSP vector.
  • the mapping matrix codebook is composed of two types of mapping matrix codebooks, a first mapping matrix codebook and a second mapping matrix codebook.
  • the first mapping matrix codebook includes a first mapping matrix used for performing matrix operation on the first code vector
  • the second mapping matrix codebook performs matrix operation on the second code vector. It consists of a second mapping matrix used to do.
  • the matrix determination unit 106 selects a first mapping matrix and a second mapping matrix corresponding to the classification information input from the classifier 101 from the mapping matrix codebook. Then, the matrix determination unit 106 outputs the inverse matrix of the selected first mapping matrix to the matrix operation unit 107, and outputs the inverse matrix of the selected second mapping matrix to the matrix operation unit 110.
  • the matrix calculation unit 107 performs matrix calculation on the first residual vector input from the adder 104 using the inverse matrix of the first mapping matrix input from the matrix determination unit 106, and the vector after matrix calculation Is output to the adder 109.
  • the second code book (CBb) 108 is composed of a plurality of second code vectors, and outputs the second code vector designated by the instruction from the error minimizing unit 105 to the adder 109.
  • the adder 109 obtains a difference between the vector after the matrix calculation input from the matrix calculation unit 107 and the second code vector input from the second codebook 108, and uses the difference as a second residual vector as an error. Output to the minimizing unit 105. Further, adder 109 outputs one of the second residual vectors corresponding to each of the second code vectors, which is found to be the minimum by the search of error minimizing section 105, to matrix computing section 110.
  • the matrix calculation unit 110 performs a matrix calculation on the second residual vector input from the adder 109 using an inverse matrix of the second mapping matrix input from the matrix determination unit 106, and a vector after the matrix calculation Is output to the adder 112.
  • the third code book 111 (CBc) is composed of a plurality of third code vectors, and outputs the third code vector designated by the instruction from the error minimizing unit 105 to the adder 112.
  • the adder 112 obtains a difference between the vector after matrix calculation input from the matrix calculation unit 110 and the third code vector input from the third codebook 111, and uses this difference as a third residual vector to minimize the error. To the conversion unit 105.
  • the operation performed by the LSP vector quantization apparatus 100 will be described by taking as an example the case where the order of the wideband LSP vector to be quantized is the R order.
  • the classifier 101 has a built-in classification codebook composed of n code vectors (classification code vectors) corresponding to each of the n types of narrowband LSP vectors.
  • the classifier 101 searches the code vector to obtain the mth code vector that minimizes the square error with the input narrowband LSP vector.
  • the classifier 101 outputs m (1 ⁇ m ⁇ n) as classification information to the switch 102 and the matrix determination unit 106.
  • the switch 102 selects the sub code book CBam corresponding to the classification information m from the first code book 103, and connects the output terminal of the sub code book to the adder 104.
  • D1 is the total number of code vectors of the first codebook
  • d1 is the index of the first code vector.
  • the error minimizing unit 105 stores the first code vector index d1 'that minimizes the square error Err as the first index d1_min.
  • the matrix determination unit 106 selects the inverse matrix MM_1 ⁇ 1 (m) of the first mapping matrix corresponding to the classification information m from the first mapping matrix codebook, and outputs it to the matrix calculation unit 107. Further, the matrix determination unit 106 selects the inverse matrix MM_2 ⁇ 1 (m) of the second mapping matrix corresponding to the classification information m from the second mapping matrix codebook, and outputs it to the matrix calculation unit 110.
  • D2 is the total number of code vectors of the second codebook
  • d2 is the code vector index.
  • the error minimizing unit 105 stores the second code vector index d2 'that minimizes the square error Err as the second index d2_min.
  • D3 is the total number of code vectors of the third codebook
  • d3 is the code vector index.
  • the error minimizing unit 105 stores the index d3 'of the third code vector that minimizes the square error Err as the third index d3_min. Then, the error minimizing unit 105 collectively encodes the first index d1_min, the second index d2_min, and the third index d3_min, and outputs the encoded data.
  • FIG. 3 is a block diagram showing the main configuration of LSP vector inverse quantization apparatus 200 according to the present embodiment.
  • the LSP vector inverse quantization apparatus 200 decodes the encoded data output from the LSP vector quantization apparatus 100, and generates a quantized LSP vector.
  • the LSP vector inverse quantization apparatus 200 includes a classifier 201, a code separation unit 202, a switch 203, a first code book 204, a matrix determination unit 205, a second code book (CBb) 206, a matrix calculation unit 207, an adder 208, A third code book (CBc) 209, a matrix calculation unit 210, and an adder 211 are provided.
  • the first codebook 204 includes a subcodebook having the same contents as the subcodebooks (CBa1 to CBan) included in the first codebook 103
  • the matrix determination unit 205 includes a mapping matrix codebook included in the matrix determination unit 106.
  • the second code book 206 includes a code book having the same contents as the code book included in the second code book 108
  • the third code book 209 includes a code book having the same contents as the code book included in the third code book 111.
  • the classifier 201 stores in advance a classification codebook including a plurality of classification information indicating a plurality of types of narrowband LSP vectors.
  • the classifier 201 selects classification information indicating the type of the wideband LSP vector that is a vector quantization target from the classification codebook, and outputs the classification information to the switch 203 and the matrix determination unit 205.
  • the classifier 201 has a built-in classification code book composed of code vectors (classification code vectors) corresponding to each type of narrowband LSP vector.
  • the classifier 201 searches the classification codebook to obtain a code vector that minimizes the square error with the quantized narrowband LSP vector input from a narrowband LSP quantizer (not shown).
  • the classifier 201 uses the code vector index obtained by the search as classification information indicating the type of the LSP vector.
  • the code separation unit 202 separates the encoded data transmitted from the LSP vector quantization apparatus 100 into a first index, a second index, and a third index.
  • the code separation unit 202 instructs the first code book 204 for the first index, instructs the second code book 206 for the second index, and instructs the third code book 209 for the third index.
  • the switch 203 selects one subcodebook (CBam) corresponding to the classification information input from the classifier 201 from the first codebook 204, and connects the output terminal of the subcodebook to the adder 208.
  • CBam subcodebook
  • the first code book 204 corresponds to the first index designated by the code separation unit 202 from among a plurality of first code vectors constituting the first code book (subcode book) selected by the switch 203. Two first code vectors are output to the switch 203.
  • the matrix determination unit 205 selects a first mapping matrix corresponding to the classification information input from the classifier 201 from the first mapping matrix codebook, and selects the selected first mapping matrix as a matrix calculation unit 207 and a matrix calculation unit. Output to 210.
  • the matrix determination unit 205 selects a second mapping matrix corresponding to the classification information input from the classifier 201 from the second mapping matrix codebook, and outputs the selected second mapping matrix to the matrix calculation unit 210. To do.
  • the second code book 206 outputs one second code vector corresponding to the second index designated by the code separation unit 202 to the matrix calculation unit 207.
  • the matrix calculation unit 207 performs matrix calculation on the second code vector input from the second codebook 206 using the first mapping matrix input from the matrix determination unit 205, and the matrix calculation result is added to the adder 208. Output to.
  • the adder 208 adds the first code vector input from the switch 203 and the matrix calculation result input from the matrix calculation unit 207, and outputs the obtained addition result to the adder 211.
  • the third code book 209 outputs one third code vector corresponding to the third index specified by the code separation unit 202 to the matrix calculation unit 210.
  • the matrix calculation unit 210 performs matrix calculation on the third code vector input from the third codebook 209 using the second mapping matrix input from the matrix determination unit 205, and the matrix calculation result is added to the adder 211. Output to.
  • the adder 211 adds the addition result input from the adder 208 and the matrix calculation result input from the matrix calculation unit 210, and outputs the obtained addition result as a quantized broadband LSP vector.
  • the classifier 201 has a built-in classification codebook composed of n code vectors (classification code vectors) corresponding to each of the n types of narrowband LSP vectors.
  • the classifier 201 searches the code vector to obtain the mth code vector that minimizes the square error with the quantized narrowband LSP vector input from a narrowband LSP quantizer (not shown).
  • the classifier 201 outputs m (1 ⁇ m ⁇ n) as classification information to the switch 203 and the matrix determination unit 205.
  • the code separation unit 202 separates the encoded data transmitted from the LSP vector quantization apparatus 100 into the first index d1_min, the second index d2_min, and the third index d3_min.
  • the code separation unit 202 instructs the first code book 204 for the first index d1_min, instructs the second code book 206 for the second index d2_min, and instructs the third code book 209 for the third index d3_min.
  • the switch 203 selects the sub code book CBam corresponding to the classification information m input from the classifier 201 from the first code book 204, and connects the output terminal of the sub code book to the adder 208.
  • the matrix determination unit 205 selects the first mapping matrix MM_1 (m) corresponding to the classification information m input from the classifier 201 from the first mapping matrix codebook, and sends it to the matrix calculation unit 207 and the matrix calculation unit 210. Output. Further, the matrix determination unit 205 selects the second mapping matrix MM_2 (m) corresponding to the classification information m input from the classifier 201 from the second mapping matrix codebook, and outputs it to the matrix calculation unit 210.
  • the first codebook, mapping matrix codebook, second codebook, and third codebook used in the LSP vector quantization apparatus 100 and the LSP vector inverse quantization apparatus 200 are created by learning in advance, A method for learning these codebooks will be described.
  • V LSP vectors obtained from a large number of learning speech data are prepared.
  • V LSP vectors are grouped for each type (n types), and D1 first code vectors CODE_1 (d1 ) are used according to a learning algorithm such as an LBG (Linde Buzo Gray) algorithm using the LSP vectors belonging to each group.
  • LBG Longde Buzo Gray
  • the first code book obtained by the above method using the V LSP vectors described above is used.
  • the first codebook obtained by the above method using the V LSP vectors described above is used.
  • the obtained V first residual vectors are grouped for each type (n types), and a centroid (average) C1 of the first residual vector set belonging to each group is obtained.
  • centroid D1 is obtained by calculating the average of all the second code vectors in the second code book.
  • centroid C1 of the first codebook and the centroid D1 of the second codebook are obtained for each type (n types). Then, a matrix operation is performed on the centroid D1 corresponding to the type m to obtain a matrix in which the centroid C1 and the centroid D1 match, and the obtained matrix is set as a first mapping matrix corresponding to the type m.
  • a first mapping matrix is obtained for each type (n types), and a first mapping matrix codebook is generated by assigning a serial number to each type of first mapping matrix and storing it.
  • the first mapping matrix MM_1 (d2) of the type m is obtained by solving the simultaneous equations of the following equation (14).
  • the first mapping matrix MM_1 (m) can be generated by obtaining the mapping matrix in two-dimensional units and obtaining the matrix product of the obtained mapping matrix.
  • a matrix TMP_1 that can map vector elements corresponding to the first and second orders is obtained by solving the simultaneous equations of the following equation (15).
  • a first mapping matrix MM_1 (m) is generated by obtaining a matrix product of the matrix TMP_1 and the matrix TMP_2 according to the following equation (17).
  • the matrix is obtained in units of two dimensions, and finally the mapping matrix is obtained by obtaining the matrix product of all the matrices.
  • the first codebook obtained by the above method using the V LSP vectors described above is used.
  • the obtained V second residual vectors are grouped for each type (n types), and the centroid C2 of the second residual vector set belonging to each group is obtained.
  • centroid D2 is obtained by calculating the average of all the third code vectors.
  • centroid C2 and the centroid D2 of the third codebook are obtained. Then, a matrix operation is performed on the centroid D2 corresponding to the type m to obtain a matrix in which the centroid C2 and the centroid D2 match, and the obtained matrix is set as a second mapping matrix corresponding to the type m.
  • a second mapping matrix is obtained for each type (n types), and a second mapping matrix codebook is generated by assigning a serial number to each type of second mapping matrix and storing it.
  • the second mapping matrix MM_2 (m) is the same procedure after the centroid C1 is replaced with the centroid C2 and the centroid D1 is replaced with the centroid D2 in the method for obtaining the first mapping matrix MM_1 (m). Can be obtained by performing
  • each codebook may be generated by a method other than the above method.
  • the first stage vector quantization codebook is switched according to the type of the narrowband LSP vector having a correlation with the wideband LSP vector.
  • a matrix operation is performed on the first residual vector using the first mapping matrix corresponding to the classification result of the narrowband LSP vector.
  • the bias in the distribution of the second-stage code vector can be adapted to the statistical distribution bias in the first-stage vector quantization error, and hence the quantization accuracy of the wideband LSP vector can be improved.
  • matrix calculation is performed on the second residual vector using the second mapping matrix corresponding to the classification result of the narrowband LSP vector.
  • the bias in the distribution of the third-stage code vector can be adapted to the bias in the distribution of the second-stage vector quantization error, and hence the quantization accuracy of the wideband LSP vector can be improved.
  • FIG. 4 is a diagram for conceptually explaining the effect of LSP vector quantization according to the present embodiment.
  • an arrow written as “rotation” indicates a process of performing a matrix operation on the second code vector set using a mapping matrix.
  • matrix calculation is performed using a mapping matrix corresponding to this type.
  • the distribution bias of the set of quantization error vectors after the matrix operation is matched with the distribution bias of the set of second code vectors constituting the common second codebook CBb used for the second stage vector quantization. be able to. Accordingly, the quantization accuracy of the second stage vector quantization can be improved.
  • the statistical distribution bias of the first stage vector quantization error is changed according to the bias of the second stage code vector distribution, and the second stage vector quantization error is changed.
  • the case where the statistical distribution bias is changed according to the third-stage code vector distribution has been described as an example.
  • the present invention is not limited to this, and the bias of the distribution of the code vector used for the second-stage vector quantization target is changed in accordance with the statistical distribution of the first-stage vector quantization error.
  • the bias of the distribution of the code vector used for the stage vector quantization target may be changed according to the statistical distribution bias of the second stage vector quantization error. This also provides the effect of improving the quantization accuracy of the wideband LSP vector, as in the present embodiment.
  • mapping matrix constituting the mapping matrix codebook included in the matrix determination unit 106 and the matrix determination unit 205 corresponds to the type of narrowband LSP vector
  • the present invention is not limited to this, and the mapping matrix constituting the mapping matrix codebook included in the matrix determination unit 106 and the matrix determination unit 205 may correspond to each type in which the features of speech are classified.
  • the classifier 101 inputs not the narrowband LSP vector but a parameter representing the voice feature as the voice feature information, and determines the switch 102 and the matrix using the voice feature type corresponding to the inputted voice feature information as the classification information. To the unit 106.
  • VMR-WB Very-Rate Multimode Wideband Speech Codec
  • the type information may be used as it is as a voice feature amount.
  • the present invention is not limited to this, and the two-stage vector quantization or four or more stages are performed.
  • the present invention can also be applied when performing vector quantization.
  • the wideband LSP vector is described as an example of the quantization target.
  • the quantization target is not limited to this and may be a vector other than the wideband LSP vector.
  • the case where the bias of the distribution of the code vector is moved by performing a matrix operation using the mapping matrix has been described as an example.
  • the present invention is not limited to this, and the bias of the distribution of the code vector may be moved by performing a matrix operation using a rotation matrix.
  • LSP vector inverse quantization apparatus 200 decodes encoded data output from LSP vector quantization apparatus 100.
  • the present invention is not limited to this, and any encoded data in a format that can be decoded by the LSP vector inverse quantization device 200 can be received and decoded by the LSP vector inverse quantization device. Needless to say.
  • the LSP vector quantization apparatus 100 and the LSP vector inverse quantization apparatus 200 have been described with reference to an example in which a matrix operation is performed on an R-dimensional vector using an R ⁇ R mapping matrix.
  • the present invention is not limited to this, and the LSP vector quantization apparatus 100 and the LSP vector inverse quantization apparatus 200 prepare, for example, a plurality of 2 ⁇ 2 mapping matrices, and each second-order vector element of an R-dimensional vector.
  • a matrix operation may be performed using a plurality of 2 ⁇ 2 mapping matrices. According to this configuration, it is possible to reduce the memory required for storing the mapping matrix, and further reduce the amount of calculation required for the matrix calculation.
  • Equation (18) the above equation (8) is represented by the following equation (19).
  • mapping matrix (MMA — 1 (m) , MMB — 1 (m), and MMC — 1 (m) ) by learning
  • a learning method when the above-described vector dimension number R is two-dimensional (the above formula (14 )) May be performed for each secondary vector element.
  • the vector quantization apparatus and the vector inverse quantization apparatus according to the present embodiment can be used in a CELP encoding apparatus / CELP decoding apparatus that encodes / decodes a speech signal, a musical sound signal, and the like.
  • the CELP encoding apparatus an LSP converted from a linear prediction coefficient obtained by linear prediction analysis of an input signal is input, quantization processing is performed, and the quantized quantized LSP is output to a synthesis filter.
  • the LSP vector quantization apparatus 100 according to the present embodiment is applied to a CELP speech coding apparatus, the LSP quantization unit that outputs a quantized LSP code representing the quantized LSP as encoded data is provided.
  • the LSP vector quantization apparatus 100 according to the present embodiment is arranged.
  • the quantized LSP is decoded from the quantized LSP code obtained by separating the received multiplexed code data.
  • the LSP vector inverse quantization apparatus 200 When the LSP vector inverse quantization apparatus 200 according to the present invention is applied to a CELP speech decoding apparatus, the LSP inverse quantization unit that outputs the decoded quantized LSP to the synthesis filter is connected to the present embodiment.
  • the LSP vector inverse quantization apparatus 200 may be disposed, and the same effect as described above can be obtained.
  • CELP encoding apparatus 400 and CELP decoding apparatus 450 including LSP vector quantization apparatus 100 and LSP vector inverse quantization apparatus 200 according to the present embodiment will be described using FIG. 5 and FIG.
  • FIG. 5 is a block diagram showing a main configuration of CELP encoding apparatus 400 including LSP vector quantization apparatus 100 according to the present embodiment.
  • the CELP encoding apparatus 400 divides the input voice / musical sound signal into a plurality of samples, and encodes each frame with the plurality of samples as one frame.
  • the pre-processing unit 401 performs high-pass filter processing for removing DC components on the input audio signal or musical tone signal, and performs waveform shaping processing or pre-emphasis processing for improving the performance of subsequent encoding processing. Then, the preprocessing unit 401 outputs the signal Xin obtained by these processes to the LSP analysis unit 402 and the adder 405.
  • the LSP analysis unit 402 performs linear prediction analysis using the signal Xin input from the preprocessing unit 401, converts the obtained LPC into an LSP vector, and outputs the LSP vector to the LSP vector quantization unit 403.
  • the LSP vector quantization unit 403 performs quantization on the LSP vector input from the LSP analysis unit 402.
  • the LSP vector quantization unit 403 outputs the obtained quantized LSP vector as a filter coefficient to the synthesis filter 404, and outputs the quantized LSP code (L) to the multiplexing unit 414.
  • LSP vector quantization section 403 LSP vector quantization apparatus 100 according to the present embodiment is applied. That is, the specific configuration and operation of LSP vector quantization section 403 are the same as those of LSP vector quantization apparatus 100.
  • the wideband LSP vector input to the LSP vector quantization apparatus 100 corresponds to the LSP vector input to the LSP vector quantization unit 403.
  • the encoded data output from the LSP vector quantization apparatus 100 corresponds to the quantized LSP code (L) output from the LSP vector quantization unit 403.
  • the filter coefficient input to the synthesis filter 404 is a quantized LSP vector obtained by inverse quantization using a quantized LSP code (L) in the LSP vector quantizing unit 403.
  • the narrowband LSP vector input to the LSP vector quantization apparatus 100 is input from the outside of the CELP encoding apparatus 400, for example.
  • the LSP vector quantization apparatus 100 when the LSP vector quantization apparatus 100 is applied to a scalable encoding apparatus (not shown) having a wideband CELP encoding section (corresponding to the CELP encoding apparatus 400) and a narrowband CELP encoding section, A narrowband LSP vector output from the narrowband CELP encoding unit is input to the LSP vector quantization apparatus 100.
  • the synthesis filter 404 uses the filter coefficient based on the quantized LSP vector input from the LSP vector quantization unit 403 to perform synthesis processing on a driving sound source input from an adder 411 described later, and generates the generated synthesis.
  • the signal is output to the adder 405.
  • the adder 405 calculates the error signal by inverting the polarity of the combined signal input from the combining filter 404 and adding the signal to the signal Xin input from the preprocessing unit 401, and outputs the error signal to the auditory weighting unit 412. To do.
  • the adaptive excitation codebook 406 stores in the buffer the driving excitation input from the adder 411 in the past, and one frame from the cut-out position specified by the adaptive excitation lag code (A) input from the parameter determination unit 413. Min samples are extracted from the buffer and output to the multiplier 409 as adaptive sound source vectors.
  • adaptive excitation codebook 406 updates the contents of the buffer each time a driving excitation is input from adder 411.
  • the quantization gain generation unit 407 determines the quantization adaptive excitation gain and the quantization fixed excitation gain based on the quantized excitation gain code (G) input from the parameter determination unit 413, and multiplies the multiplier 409 and the multiplier respectively. 410.
  • Fixed excitation codebook 408 outputs a vector having a shape specified by fixed excitation vector code (F) input from parameter determination section 413 to multiplier 410 as a fixed excitation vector.
  • Multiplier 409 multiplies the adaptive excitation vector input from adaptive excitation codebook 406 by the quantized adaptive excitation gain input from quantization gain generation section 407 and outputs the result to adder 411.
  • Multiplier 410 multiplies the quantized fixed excitation gain input from quantization gain generating section 407 by the fixed excitation vector input from fixed excitation codebook 408 and outputs the result to adder 411.
  • the adder 411 adds the adaptive excitation vector after gain multiplication input from the multiplier 409 and the fixed excitation vector after gain multiplication input from the multiplier 410, and uses the addition result as a driving sound source for the synthesis filter 404 and Output to adaptive excitation codebook 406.
  • the driving excitation input to adaptive excitation codebook 406 is stored in the buffer of adaptive excitation codebook 406.
  • the auditory weighting unit 412 performs auditory weighting processing on the error signal input from the adder 405 and outputs the result to the parameter determining unit 413 as coding distortion.
  • the parameter determination unit 413 selects an adaptive excitation lag that minimizes the coding distortion input from the auditory weighting unit 412 from the adaptive excitation codebook 406, and selects an adaptive excitation lag code (A) indicating the selection result. It outputs to 406 and the multiplexing part 414.
  • the adaptive sound source lag is a parameter indicating the position where the adaptive sound source vector is cut out.
  • the parameter determination unit 413 selects a fixed excitation vector that minimizes the coding distortion output from the perceptual weighting unit 412 from the fixed excitation codebook 408, and selects a fixed excitation vector code (F) indicating the selection result as the fixed excitation.
  • the data is output to the code book 408 and the multiplexing unit 414.
  • the parameter determination unit 413 selects the quantization adaptive excitation gain and the quantization fixed excitation gain that minimize the coding distortion output from the auditory weighting unit 412 from the quantization gain generation unit 407, and shows the selection result.
  • the quantized excitation gain code (G) is output to the quantization gain generation unit 407 and the multiplexing unit 414.
  • the multiplexing unit 414 is a quantized LSP code (L) input from the LSP vector quantization unit 403, an adaptive excitation lag code (A) input from the parameter determination unit 413, a fixed excitation vector code (F), and a quantum
  • the encoded excitation gain code (G) is multiplexed and encoded information is output.
  • FIG. 6 is a block diagram showing a main configuration of CELP decoding apparatus 450 including LSP vector inverse quantization apparatus 200 according to the present embodiment.
  • the separation unit 451 performs separation processing on the encoded information transmitted from the CELP encoding apparatus 400, and performs quantization LSP code (L), adaptive excitation lag code (A), and quantization excitation gain code.
  • L quantization LSP code
  • A adaptive excitation lag code
  • G quantization excitation gain code
  • Separation section 451 outputs the quantized LSP code (L) to LSP vector inverse quantization section 452, outputs the adaptive excitation lag code (A) to adaptive excitation codebook 453, and outputs the quantized excitation gain code (G). It outputs to quantization gain generation section 454 and outputs fixed excitation vector code (F) to fixed excitation codebook 455.
  • the LSP vector inverse quantization unit 452 decodes the quantized LSP vector from the quantized LSP code (L) input from the separating unit 451, and outputs the quantized LSP vector as a filter coefficient to the synthesis filter 459.
  • LSP vector dequantization section 452 LSP vector dequantization apparatus 200 according to the present embodiment is applied. That is, the specific configuration and operation of the LSP vector inverse quantization unit 452 are the same as those of the LSP vector inverse quantization apparatus 200. In this case, the encoded data input to the LSP vector inverse quantization apparatus 200 and the quantized LSP code (L) input to the LSP vector inverse quantization unit 452 correspond to each other.
  • the quantized broadband LSP vector output from the LSP vector inverse quantization apparatus 200 corresponds to the quantized LSP vector output from the LSP vector inverse quantization unit 452.
  • the narrowband LSP vector input to the LSP vector inverse quantization apparatus 200 is input from the outside of the CELP decoding apparatus 450, for example.
  • the LSP vector inverse quantization device 200 is applied to a scalable decoding device (not shown) having a wideband CELP decoding unit (corresponding to the CELP decoding device 450) and a narrowband CELP decoding unit
  • the narrowband CELP The narrowband LSP vector output from the decoding unit is input to the LSP vector inverse quantization apparatus 200.
  • the adaptive excitation codebook 453 extracts a sample for one frame from the extraction position specified by the adaptive excitation lag code (A) input from the separation unit 451 from the buffer, and uses the extracted vector as an adaptive excitation vector to the multiplier 456. Output.
  • adaptive excitation codebook 453 updates the contents of the buffer each time a driving excitation is input from adder 458.
  • the quantization gain generation unit 454 decodes the quantization adaptive excitation gain and the quantization fixed excitation gain indicated by the quantization excitation gain code (G) input from the separation unit 451, and multiplies the quantization adaptive excitation gain by the multiplier 456.
  • the quantized fixed sound source gain is output to the multiplier 457.
  • the fixed excitation codebook 455 generates a fixed excitation vector indicated by the fixed excitation vector code (F) input from the separation unit 451 and outputs it to the multiplier 457.
  • Multiplier 456 multiplies the adaptive excitation vector input from adaptive excitation codebook 453 by the quantized adaptive excitation gain input from quantization gain generating section 454 and outputs the result to adder 458.
  • Multiplier 457 multiplies the fixed excitation vector input from fixed excitation codebook 455 by the quantized fixed excitation gain input from quantization gain generation section 454 and outputs the result to adder 458.
  • the adder 458 adds the adaptive excitation vector after gain multiplication input from the multiplier 456 and the fixed excitation vector after gain multiplication input from the multiplier 457 to generate a driving excitation, and the generated driving
  • the sound source is output to synthesis filter 459 and adaptive excitation codebook 453.
  • the driving excitation input to adaptive excitation codebook 453 is stored in the buffer of adaptive excitation codebook 453.
  • the synthesis filter 459 performs synthesis processing using the driving sound source input from the adder 458 and the filter coefficient decoded by the LSP vector inverse quantization unit 452, and outputs the generated synthesized signal to the post-processing unit 460. To do.
  • the post-processing unit 460 performs processing for improving the subjective quality of speech, such as formant enhancement and pitch enhancement, and processing for improving the subjective quality of stationary noise, with respect to the synthesized signal input from the synthesis filter 459.
  • the obtained audio signal or musical sound signal is output.
  • the vector quantization accuracy / vector inverse quantization device is used to improve the vector quantization accuracy during encoding. Since it becomes possible to improve, the audio
  • CELP decoding apparatus 450 decodes encoded data output from CELP encoding apparatus 400 has been described.
  • the present invention is not limited to this, and it goes without saying that any encoded data in a format that can be decoded by the CELP decoding device 450 can be received and decoded by the CELP decoding device.
  • vector quantization apparatus the vector inverse quantization apparatus, and these methods according to the present invention are not limited to the above-described embodiments, and can be implemented with various modifications.
  • the vector quantization device the vector inverse quantization device, and these methods have been described for a speech signal or a musical sound signal, but may be applied to other possible signals.
  • the LSP is sometimes called LSF (Line Spectral Frequency), and the LSP may be read as LSF.
  • LSF Line Spectral Frequency
  • the present embodiment can be used as an ISP quantizing / inverse quantizing device by replacing LSP with ISP.
  • ISF InterferenceittSpectrum Frequency
  • the present embodiment can be used as an ISF quantization / inverse quantization apparatus by replacing LSP with ISF.
  • the vector quantization apparatus and vector inverse quantization apparatus can be mounted on a communication terminal apparatus or base station apparatus in a mobile communication system that transmits voice, music, or the like. Thereby, it is possible to provide a communication terminal apparatus and a base station apparatus having the same effects as described above.
  • the present invention can also be realized by software.
  • the vector quantization method and the vector inverse quantization method algorithm according to the present invention are described in a programming language, and the program is stored in a memory and executed by an information processing means, whereby the vector quantization method according to the present invention is performed. Functions similar to those of the quantization device and the vector inverse quantization device can be realized.
  • each functional block used in the description of each of the above embodiments is typically realized as an LSI which is an integrated circuit. These may be individually made into one chip, or may be made into one chip so as to include a part or all of them.
  • LSI LSI
  • IC system LSI
  • super LSI ultra LSI
  • the method of circuit integration is not limited to LSI, and implementation with a dedicated circuit or a general-purpose processor is also possible.
  • An FPGA Field Programmable Gate Array
  • a reconfigurable processor that can reconfigure the connection or setting of circuit cells inside the LSI may be used.
  • the vector quantization apparatus, the vector inverse quantization apparatus, and these methods according to the present invention can be applied to applications such as speech encoding and speech decoding.

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)
  • Theoretical Computer Science (AREA)
  • Compression, Expansion, Code Conversion, And Decoders (AREA)

Abstract

　量子化対象ベクトルとの相関を有する特徴の種類によって１段目のベクトル量子化のコードブックを切り替えるベクトル量子化の量子化精度を向上することができるＬＳＰベクトル量子化装置。この装置において、分類器（１０１）は、複数の分類用コードベクトルの中から、量子化対象ベクトルとの相関を有する特徴の種類を示す分類用コードベクトルを選択し、スイッチ（１０２）は、複数の第１コードブックの中から上記種類に対応する第１コードブックを選択し、誤差最小化部（１０５）は、選択された第１コードブックを構成する複数の第１コードベクトルの中から、量子化対象ベクトルに最も近い第１コードベクトルを選択し、行列決定部（１０６）は、複数の行列の中から上記種類に対応する行列を選択し、誤差最小化部（１０５）は、選択された行列を用いて複数の第２コードベクトルの中から、選択された第１コードベクトルと量子化対象ベクトルとの残差ベクトルに最も近いものを選択する。

Description

ベクトル量子化装置、ベクトル逆量子化装置、およびこれらの方法
　本発明は、ＬＳＰ（Line Spectral Pairs）パラメータのベクトル量子化を行うベクトル量子化装置、ベクトル逆量子化装置、およびこれらの方法に関し、特にインターネット通信に代表されるパケット通信システムや、移動通信システム等の分野で、音声信号の伝送を行う音声符号化・復号化装置に用いられるＬＳＰパラメータのベクトル量子化を行うベクトル量子化装置、ベクトル逆量子化装置、およびこれらの方法に関する。
　ディジタル無線通信や、インターネット通信に代表されるパケット通信、あるいは音声蓄積などの分野においては、電波などの伝送路容量や記憶媒体の有効利用を図るため、音声信号の符号化・復号技術が不可欠である。その中で特に、ＣＥＬＰ（Code Excited Linear Prediction）方式の音声符号化・復号技術が主流の技術となっている。
　ＣＥＬＰ方式の音声符号化装置は、予め記憶された音声モデルに基づいて入力音声を符号化する。具体的には、ＣＥＬＰ方式の音声符号化装置は、ディジタル化された音声信号を１０～２０ｍｓ程度の一定時間間隔のフレームに区切り、各フレーム内の音声信号に対して線形予測分析を行い線形予測係数（ＬＰＣ：Linear Prediction Coefficient）と線形予測残差ベクトルを求め、線形予測係数と線形予測残差ベクトルとをそれぞれ個別に符号化する。線形予測係数を符号化する方法としては、線形予測係数をＬＳＰ（Line Spectral Pairs）パラメータに変換し、ＬＳＰパラメータを符号化することが一般的である。また、ＬＳＰパラメータを符号化する方法としては、ＬＳＰパラメータに対してベクトル量子化を行うことが多い。ベクトル量子化とは、代表的なベクトル（コードベクトル）を複数持つ符号帳（コードブック）の中から、量子化対象のベクトルに最も近いコードベクトルを選択し、選択されたコードベクトルに付与されているインデックス（符号）を量子化結果として出力する方法である。ベクトル量子化においては、使用できる情報量に応じてコードブックのサイズが決まる。例えば、８ビットの情報量でベクトル量子化を行う場合、コードブックは２５６（＝２８）種類のコードベクトルを用いて構成することができる。
　また、ベクトル量子化における情報量、計算量を低減するために、多段ベクトル量子化（ＭＳＶＱ：Multi-Stage Vector Quantization）、または分割ベクトル量子化（ＳＶＱ：Split Vector Quantization）などの様々な技術が用いられている（例えば、非特許文献１参照）。多段ベクトル量子化とは、ベクトルを一度ベクトル量子化した後に量子化誤差を更にベクトル量子化する方法であり、分割ベクトル量子化とは、ベクトルを複数に分割して得られた分割ベクトルをそれぞれ量子化する方法である。
　また、量子化対象となるＬＳＰとの相関を有する音声的特徴（例えば、音声の有声性、無声性、モード等の情報）に応じて、ベクトル量子化に用いるコードブックを適宜切り替えることにより、ＬＳＰの特徴に適したベクトル量子化を行い、ＬＳＰ符号化の性能をさらに高める技術として分類ベクトル量子化（分類ＶＱ）がある（例えば、非特許文献２参照）。例えば、スケーラブル符号化においては、広帯域ＬＳＰ（広帯域信号から求められるＬＳＰ）と狭帯域ＬＳＰ（狭帯域信号から求められるＬＳＰ）との相互関係を利用し、狭帯域ＬＳＰに対して特徴によって分類を行い、狭帯域ＬＳＰの特徴の種類（以下、狭帯域ＬＳＰの種類と略称する）に応じて多段ベクトル量子化の１段目のコードブックを切り替え、広帯域ＬＳＰをベクトル量子化する。
　また、多段ベクトル量子化と分類ベクトル量子化とを組み合わせてベクトル量子化を行うことが検討されている。この場合、多段ベクトル量子化の複数の段により構成されるコードブック群（１段目のコードブック、２段目のコードブック、…）を、狭帯域ＬＳＰの種類に応じて複数用意することにより量子化性能を向上させることができる一方、コードブック群を複数用意する必要があるため、より大きなメモリが必要となる。そこで、多段ベクトル量子化と分類ベクトル量子化とを組み合わせてベクトル量子化を行う場合、１段目のコードブックのみ狭帯域ＬＳＰの種類に応じて切り替え、２段目以降のコードブックは全ての狭帯域ＬＳＰの種類において共通とすることが検討されている（例えば、特許文献１参照）。これにより、多段ベクトル量子化において、分類ベクトル量子化による量子化性能向上の効果を得つつ、メモリの増加を抑えることができる。
国際公開第２００６／０３０８６５号
Allen Gersho、Robert M. Gray著、古井、外３名訳、「ベクトル量子化と情報圧縮」、コロナ社、１９９８年１１月１０日、p.506、524-531 Allen Gersho、Robert M. Gray著、古井、外３名訳、「ベクトル量子化と情報圧縮」、コロナ社、１９９８年１１月１０日、p.491-493
　上記のような分類ベクトル量子化を利用する多段ベクトル量子化においては、狭帯域ＬＳＰの種類に対応するコードブックを用いて１段目のベクトル量子化が行われるため、１段目のベクトル量子化の量子化誤差の分布の偏りは狭帯域ＬＳＰの種類によって異なる。しかし、２段目以降のベクトル量子化では狭帯域ＬＳＰの種類にかかわらず共通の１つのコードブックを用いるため、２段目以降のベクトル量子化精度が不十分になってしまうという問題がある。
　図１は、上記の多段ベクトル量子化における問題点を説明するための図である。図１において、黒丸は２次元のベクトルを示し、破線の円はベクトル集合の分散の大きさを模式的に示し、円の中心は、ベクトル集合の平均を示す。また、図１において、ＣＢａ１、ＣＢａ２、…、ＣＢａｎは、狭帯域ＬＳＰの各種類に対応し、１段目のベクトル量子化に用いられる複数のコードブックそれぞれを示す。ＣＢｂは、２段目のベクトル量子化に用いられるコードブックを示す。
　図１に示すように、コードブックＣＢａ１、ＣＢａ２、…、ＣＢａｎそれぞれを用いて１段目のベクトル量子化を行った結果、複数サンプルによる量子化誤差ベクトルの分布（図１に示す黒丸の分布）の偏りはそれぞれ異なる。このような分布の偏りが異なる量子化誤差ベクトルに対し、共通の第２コードベクトルを用いて２段目のベクトル量子化を行うと、２段目の量子化精度が劣化してしまう。
　本発明の目的は、量子化対象ベクトルとの相関を有する特徴の種類に応じて１段目のコードブックが切り替わる多段ベクトル量子化において、２段目以降のベクトル量子化の量子化精度を向上することができるベクトル量子化装置、ベクトル逆量子化装置、およびこれらの方法を提供することである。
　本発明のベクトル量子化装置は、複数の分類用コードベクトルの中から、量子化対象ベクトルとの相関を有する特徴の種類を示す分類用コードベクトルを選択する第１選択手段と、複数の第１コードブックの中から、選択された前記分類用コードベクトルに対応する第１コードブックを選択する第２選択手段と、選択された前記第１コードブックを構成する複数の第１コードベクトルを用いて前記量子化対象ベクトルを量子化し、第１符号を得る第１量子化手段と、複数の行列の中から、選択された前記分類用コードベクトルに対応する第１行列を選択する第３選択手段と、複数の第２コードベクトルおよび選択された前記第１行列を用い、前記第１符号が示す前記第１コードベクトルと、前記量子化対象ベクトルとの差である第１残差ベクトルを量子化し、第２符号を得る第２量子化手段と、を具備する構成を採る。
　本発明のベクトル逆量子化装置は、ベクトル量子化装置において量子化対象ベクトルを量子化して得られた第１符号と、前記量子化の量子化誤差をさらに量子化して得られた第２符号と、を受信する受信手段と、複数の分類用コードベクトルの中から、前記量子化対象ベクトルとの相関を有する特徴の種類を示す分類用コードベクトルを選択する第１選択手段と、複数の第１コードブックの中から、選択された前記分類用コードベクトルに対応する第１コードブックを選択する第２選択手段と、選択された前記第１コードブックを構成する複数の第１コードベクトルの中から、前記第１符号に対応する第１コードベクトルを指定する第１逆量子化手段と、複数の行列の中から、選択された前記分類用コードベクトルに対応する行列を選択する第３選択手段と、複数の第２コードベクトルの中から前記第２符号に対応する第２コードベクトルを指定し、指定された前記第２コードベクトルと、選択された前記行列と、指定された前記第１コードベクトルとを用い、量子化ベクトルを得る第２逆量子化手段と、を具備する構成を採る。
　本発明のベクトル量子化方法は、複数の分類用コードベクトルの中から、量子化対象ベクトルとの相関を有する特徴の種類を示す分類用コードベクトルを選択するステップと、複数の第１コードブックの中から、選択された前記分類用コードベクトルに対応する第１コードブックを選択するステップと、選択された前記第１コードブックを構成する複数の第１コードベクトルを用いて前記量子化対象ベクトルを量子化し、第１符号を得るステップと、複数の行列の中から、選択された前記分類用コードベクトルに対応する第１行列を選択するステップと、複数の第２コードベクトルおよび選択された前記第１行列を用い、前記第１符号が示す前記第１コードベクトルと、前記量子化対象ベクトルとの差である第１残差ベクトルを量子化し、第２符号を得るステップと、を有するようにした。
　本発明のベクトル逆量子化方法は、ベクトル量子化装置において量子化対象ベクトルを量子化して得られた第１符号と、前記量子化の量子化誤差をさらに量子化して得られた第２符号と、を受信するステップと、複数の分類用コードベクトルの中から、前記量子化対象ベクトルとの相関を有する特徴の種類を示す分類用コードベクトルを選択するステップと、複数の第１コードブックの中から、選択された前記分類用コードベクトルに対応する第１コードブックを選択するステップと、選択された前記第１コードブックを構成する複数の第１コードベクトルの中から、前記第１符号に対応する第１コードベクトルを指定するステップと、複数の行列の中から、選択された前記分類用コードベクトルに対応する行列を選択するステップと、複数の第２コードベクトルの中から前記第２符号に対応する第２コードベクトルを指定し、指定された前記第２コードベクトルと、選択された前記行列と、指定された前記第１コードベクトルとを用い、量子化ベクトルを得るステップと、を有するようにした。
　本発明によれば、量子化対象ベクトルとの相関を有する特徴の種類に応じて１段目のコードブックを切り替える多段ベクトル量子化において、上記種類に対応する行列を用いて２段目以降のベクトル量子化を行うことにより、２段目以降のベクトル量子化の量子化精度を向上することができる。
従来技術の多段ベクトル量子化における問題点を説明するための図 本発明の一実施の形態に係るＬＳＰベクトル量子化装置の主要な構成を示すブロック図 本発明の一実施の形態に係るＬＳＰベクトル逆量子化装置の主要な構成を示すブロック図 本発明の一実施の形態に係るＬＳＰベクトル量子化の効果を概念的に説明するための図 本発明の一実施の形態に係るＬＳＰベクトル量子化装置を備えるＣＥＬＰ符号化装置の主要な構成を示すブロック図 本発明の一実施の形態に係るＬＳＰベクトル逆量子化装置を備えるＣＥＬＰ復号装置の主要な構成を示すブロック図
　以下、本発明の実施の形態について、添付図面を参照して詳細に説明する。なお、本発明に係るベクトル量子化装置、ベクトル逆量子化装置、およびこれらの方法として、ＬＳＰベクトル量子化装置、ＬＳＰベクトル逆量子化装置、およびこれらの方法を例にとって説明する。
　また、本発明の実施の形態では、スケーラブル符号化の広帯域ＬＳＰ量子化器において、広帯域ＬＳＰをベクトル量子化対象とし、ベクトル量子化対象との相関を有する狭帯域ＬＳＰの種類を用いて、１段目の量子化に用いるコードブックを切り替える場合を例にとって説明する。なお、狭帯域ＬＳＰの代わりに、量子化狭帯域ＬＳＰ（図示しない狭帯域ＬＳＰ量子化器によって予め量子化された狭帯域ＬＳＰ）を用いて１段目の量子化に用いるコードブックを切り替えてもよい。また、量子化狭帯域ＬＳＰを広帯域形態に変換し、変換後の量子化狭帯域ＬＳＰを用いて１段目の量子化に用いるコードブックを切り替えてもよい。
　また、本発明の実施の形態において、コードブックを構成するコードベクトル全てに対して行列演算することにより、コードベクトルの分布の偏りを移動させるための行列のことを、マッピング行列と称することとする。なお、実際には、マッピング行列は、コードベクトルに対して行列演算するために用いられるよりも、本発明の実施の形態のように量子化対象であるベクトルに対して行列演算するために用いられることが多い。
　図２は、本発明の実施の形態に係るＬＳＰベクトル量子化装置１００の主要な構成を示すブロック図である。ここでは、ＬＳＰベクトル量子化装置１００において、入力されるＬＳＰベクトルを３段階の多段ベクトル量子化により量子化する場合を例にとって説明する。
　図２において、ＬＳＰベクトル量子化装置１００は、分類器１０１、スイッチ１０２、第１コードブック１０３、加算器１０４、誤差最小化部１０５、行列決定部１０６、行列演算部１０７、第２コードブック１０８、加算器１０９、行列演算部１１０、第３コードブック１１１および加算器１１２を備える。
　分類器１０１は、狭帯域ＬＳＰベクトルの複数の種類それぞれを示す複数の分類情報からなる分類用コードブックを予め格納している。分類器１０１は、ベクトル量子化対象である広帯域ＬＳＰベクトルの種類を示す分類情報を分類用コードブックの中から選択し、スイッチ１０２、および行列決定部１０６に出力する。具体的には、分類器１０１は、狭帯域ＬＳＰベクトルの各種類に対応するコードベクトル（分類用コードベクトル）からなる分類用コードブックを内蔵している。分類器１０１は、分類用コードブックを探索することにより、入力される狭帯域ＬＳＰベクトルとの二乗誤差が最小となるコードベクトルを求める。分類器１０１は、探索により求めたコードベクトルのインデックスを、ＬＳＰベクトルの種類を示す分類情報とする。
　スイッチ１０２は、分類器１０１から入力される分類情報に対応するサブコードブックを第１コードブック１０３の中から１つ選択し、そのサブコードブックの出力端子を加算器１０４に接続する。
　第１コードブック１０３は、狭帯域ＬＳＰの各種類に対応したサブコードブック（ＣＢａ１～ＣＢａｎ）を予め格納している。すなわち、例えば狭帯域ＬＳＰの種類の総数がｎである場合、第１コードブック１０３を構成するサブコードブックの数もｎとなる。第１コードブック１０３は、スイッチ１０２で選択されたサブコードブックを構成する複数の第１コードベクトルの中から、誤差最小化部１０５からの指示により指示された第１コードベクトルをスイッチ１０２に出力する。
　加算器１０４は、ベクトル量子化対象として入力される広帯域ＬＳＰベクトルと、スイッチ１０２から入力される第１コードベクトルとの差を求め、この差を第１残差ベクトルとして誤差最小化部１０５に出力する。また、加算器１０４は、すべての第１コードベクトルそれぞれに対応する第１残差ベクトルのうち、誤差最小化部１０５の探索により最小となると分かった１つを行列演算部１０７に出力する。
　誤差最小化部１０５は、加算器１０４から入力される第１残差ベクトルを二乗した結果を広帯域ＬＳＰベクトルと第１コードベクトルとの二乗誤差とし、第１コードブックを探索することによりこの二乗誤差が最小となる第１コードベクトルを求める。同様に、誤差最小化部１０５は、加算器１０９から入力される第２残差ベクトルを二乗した結果を第１残差ベクトルと第２コードベクトルとの二乗誤差とし、第２コードブックを探索することによりこの二乗誤差が最小となる第２コードベクトルを得る。同様に、誤差最小化部１０５は、加算器１１２から入力される第３残差ベクトルを二乗した結果を第２残差ベクトルと第３コードベクトルとの二乗誤差とし、第３コードブックを探索することによりこの二乗誤差が最小となる第３コードベクトルを得る。誤差最小化部１０５は、探索により得られた３つのコードベクトルに付与されているインデックスを纏めて符号化し、符号化データとして出力する。
　行列決定部１０６は、狭帯域ＬＳＰベクトルの各種類に対応するマッピング行列からなるマッピング行列コードブックを予め格納している。ここでは、マッピング行列コードブックは、第１マッピング行列コードブックおよび第２マッピング行列コードブックの２種類のマッピング行列コードブックで構成される。また、第１マッピング行列コードブックは、第１コードベクトルに対して行列演算を行うために用いられる第１マッピング行列からなり、第２マッピング行列コードブックは、第２コードベクトルに対して行列演算を行うために用いられる第２マッピング行列からなる。行列決定部１０６は、分類器１０１から入力される分類情報に対応する第１マッピング行列および第２マッピング行列を、マッピング行列コードブックの中から選択する。そして、行列決定部１０６は、選択した第１マッピング行列の逆行列を行列演算部１０７に出力し、選択した第２マッピング行列の逆行列を行列演算部１１０に出力する。
　行列演算部１０７は、加算器１０４から入力された第１残差ベクトルに対して、行列決定部１０６から入力される第１マッピング行列の逆行列を用いて行列演算を行い、行列演算後のベクトルを加算器１０９に出力する。
　第２コードブック（ＣＢｂ）１０８は、複数の第２コードベクトルからなり、誤差最小化部１０５からの指示により指示された第２コードベクトルを加算器１０９に出力する。
　加算器１０９は、行列演算部１０７から入力される、行列演算後のベクトルと、第２コードブック１０８から入力される第２コードベクトルとの差を求め、この差を第２残差ベクトルとして誤差最小化部１０５に出力する。また、加算器１０９は、すべての第２コードベクトルそれぞれに対応する第２残差ベクトルのうち、誤差最小化部１０５の探索により最小となると分かった１つを行列演算部１１０に出力する。
　行列演算部１１０は、加算器１０９から入力された第２残差ベクトルに対して、行列決定部１０６から入力される第２マッピング行列の逆行列を用いて行列演算を行い、行列演算後のベクトルを加算器１１２に出力する。
　第３コードブック１１１（ＣＢｃ）は、複数の第３コードベクトルからなり、誤差最小化部１０５からの指示により指示された第３コードベクトルを加算器１１２に出力する。
　加算器１１２は、行列演算部１１０から入力される行列演算後のベクトルと、第３コードブック１１１から入力される第３コードベクトルとの差を求め、この差を第３残差ベクトルとして誤差最小化部１０５に出力する。
　次に、量子化対象となる広帯域ＬＳＰベクトルの次数がＲ次である場合を例にとって、ＬＳＰベクトル量子化装置１００が行う動作について説明する。なお、以下の説明では、広帯域ＬＳＰベクトルをＬＳＰ（ｉ）（ｉ＝０，１，…，Ｒ－１）と記す。
　分類器１０１は、狭帯域ＬＳＰベクトルのｎ個の種類それぞれに対応するｎ個のコードベクトル（分類用コードベクトル）からなる分類用コードブックを内蔵している。分類器１０１は、コードベクトルを探索することにより、入力される狭帯域ＬＳＰベクトルとの二乗誤差が最小となるｍ番目のコードベクトルを求める。分類器１０１は、ｍ（１≦ｍ≦ｎ）を分類情報としてスイッチ１０２、および行列決定部１０６に出力する。
　スイッチ１０２は、分類情報ｍに対応するサブコードブックＣＢａｍを第１コードブック１０３の中から選択し、そのサブコードブックの出力端子を加算器１０４に接続する。
　第１コードブック１０３は、ｎ個のサブコードブックＣＢａ１～ＣＢａｎのうち、ＣＢａｍを構成する各第１コードベクトルＣＯＤＥ＿１（ｄ１）（ｉ）（ｄ１＝０，１，…，Ｄ１－１、ｉ＝０，１，…，Ｒ－１）の中から、誤差最小化部１０５からの指示ｄ１’により指示された第１コードベクトルＣＯＤＥ＿１（ｄ１’）（ｉ）（ｉ＝０，１，…，Ｒ－１）をスイッチ１０２に出力する。ここで、Ｄ１は第１コードブックのコードベクトルの総数であり、ｄ１は第１コードベクトルのインデックスである。ここで、第１コードブック１０３は、ｄ１’＝０からｄ１’＝Ｄ１－１までのｄ１’の値を順次誤差最小化部１０５から指示される。
　加算器１０４は、ベクトル量子化対象として入力される広帯域ＬＳＰベクトルＬＳＰ（ｉ）（ｉ＝０，１，…，Ｒ－１）と、第１コードブック１０３から入力される第１コードベクトルＣＯＤＥ＿１（ｄ１’）（ｉ）（ｉ＝０，１，…，Ｒ－１）との差を下記の式（１）に従って求め、この差を第１残差ベクトルＥｒｒ＿１（ｄ１’）（ｉ）（ｉ＝０，１，…，Ｒ－１）として誤差最小化部１０５に出力する。また、加算器１０４は、ｄ１’＝０からｄ１’＝Ｄ１－１までのｄ１’それぞれに対応する第１残差ベクトルＥｒｒ＿１（ｄ１’）（ｉ）（ｉ＝０，１，…，Ｒ－１）のうち、誤差最小化部１０５の探索により最小となると分かった第１残差ベクトルＥｒｒ＿１（ｄ１＿ｍｉｎ）（ｉ）（ｉ＝０，１，…，Ｒ－１）を行列演算部１０７に出力する。
Figure JPOXMLDOC01-appb-M000001
　誤差最小化部１０５は、ｄ１’＝０からｄ１’＝Ｄ１－１までのｄ１’の値を順次第１コードブック１０３に指示し、ｄ１’＝０からｄ１’＝Ｄ１－１までのｄ１’それぞれに対して、加算器１０４から入力される第１残差ベクトルＥｒｒ＿１（ｄ１’）（ｉ）（ｉ＝０，１，…，Ｒ－１）を下記の式（２）に従って二乗し、二乗誤差Ｅｒｒを求める。
Figure JPOXMLDOC01-appb-M000002
　誤差最小化部１０５は、二乗誤差Ｅｒｒが最小となる第１コードベクトルのインデックスｄ１’を第１インデックスｄ１＿ｍｉｎとして記憶する。
　行列決定部１０６は、分類情報ｍに対応する第１マッピング行列の逆行列ＭＭ＿１－１（ｍ）を第１マッピング行列コードブックの中から選択し、行列演算部１０７に出力する。また、行列決定部１０６は、分類情報ｍに対応する第２マッピング行列の逆行列ＭＭ＿２－１（ｍ）を第２マッピング行列コードブックの中から選択し、行列演算部１１０に出力する。
　行列演算部１０７は、下記の式（３）に従って、加算器１０４から入力される第１残差ベクトルＥｒｒ＿１（ｄ１＿ｍｉｎ）（ｉ）（ｉ＝０，１，…，Ｒ－１）に対して、行列決定部１０６から入力される第１マッピング行列の逆行列ＭＭ＿１－１（ｍ）を用いて行列演算を行い、得られるＭａｐ＿Ｅｒｒ＿１（ｄ１＿ｍｉｎ）（ｉ）（ｉ＝０，１，…，Ｒ－１）を加算器１０９に出力する。
Figure JPOXMLDOC01-appb-M000003
　第２コードブック１０８は、コードブックを構成する各第２コードベクトルＣＯＤＥ＿２（ｄ２）（ｉ）（ｄ２＝０，１，…，Ｄ２－１、ｉ＝０，１，…，Ｒ－１）の中から、誤差最小化部１０５からの指示ｄ２’により指示されたコードベクトルＣＯＤＥ＿２（ｄ２’）（ｉ）（ｉ＝０，１，…，Ｒ－１）を加算器１０９に出力する。ここで、Ｄ２は第２コードブックのコードベクトルの総数であり、ｄ２はコードベクトルのインデックスである。第２コードブック１０８は、ｄ２’＝０からｄ２’＝Ｄ２－１までのｄ２’の値を順次誤差最小化部１０５から指示される。
　加算器１０９は、行列演算部１０７から入力される、行列演算後の第１残差ベクトルＭａｐ＿Ｅｒｒ＿１（ｄ１＿ｍｉｎ）（ｉ）（ｉ＝０，１，…，Ｒ－１）と、第２コードブック１０８から入力される第２コードベクトルＣＯＤＥ＿２（ｄ２’）（ｉ）（ｉ＝０，１，…，Ｒ－１）との差を下記の式（４）に従って求め、この差を第２残差ベクトルＥｒｒ＿２（ｄ２’）（ｉ）（ｉ＝０，１，…，Ｒ－１）として誤差最小化部１０５に出力する。また、加算器１０９は、ｄ２’＝０からｄ２’＝Ｄ１－１までのｄ２’それぞれに対応する第２残差ベクトルＥｒｒ＿２（ｄ２’）（ｉ）（ｉ＝０，１，…，Ｒ－１）のうち、誤差最小化部１０５の探索により最小となると分かった第２残差ベクトルＥｒｒ＿２（ｄ２＿ｍｉｎ）（ｉ）（ｉ＝０，１，…，Ｒ－１）を行列演算部１１０に出力する。
Figure JPOXMLDOC01-appb-M000004
　ここで、誤差最小化部１０５は、ｄ２’＝０からｄ２’＝Ｄ２－１までのｄ２’の値を順次第２コードブック１０８に指示し、ｄ２’＝０からｄ２’＝Ｄ２－１までのｄ２’それぞれに対して、加算器１０９から入力される第２残差ベクトルＥｒｒ＿２（ｄ２’）（ｉ）（ｉ＝０，１，…，Ｒ－１）を下記の式（５）に従って二乗し、二乗誤差Ｅｒｒを求める。
Figure JPOXMLDOC01-appb-M000005
　誤差最小化部１０５は、二乗誤差Ｅｒｒが最小となる第２コードベクトルのインデックスｄ２’を第２インデックスｄ２＿ｍｉｎとして記憶する。
　行列演算部１１０は、下記の式（６）に従って、加算器１０９から入力される第２残差ベクトルＥｒｒ＿２（ｄ２＿ｍｉｎ）（ｉ）（ｉ＝０，１，…，Ｒ－１）に対して、行列決定部１０６から入力される第２マッピング行列の逆行列ＭＭ＿２－１（ｍ）を用いて行列演算を行い、得られるＭａｐ＿Ｅｒｒ＿２（ｄ２＿ｍｉｎ）（ｉ）（ｉ＝０，１，…，Ｒ－１）を加算器１１２に出力する。
Figure JPOXMLDOC01-appb-M000006
　第３コードブック１１１は、コードブックを構成する各第３コードベクトルＣＯＤＥ＿３（ｄ３）（ｉ）（ｄ３＝０，１，…，Ｄ３－１、ｉ＝０，１，…，Ｒ－１）の中から、誤差最小化部１０５からの指示ｄ３’により指示された第３コードベクトルＣＯＤＥ＿３（ｄ３’）（ｉ）（ｉ＝０，１，…，Ｒ－１）を加算器１１２に出力する。ここで、Ｄ３は第３コードブックのコードベクトルの総数であり、ｄ３はコードベクトルのインデックスである。第３コードブック１１１は、ｄ３’＝０からｄ３’＝Ｄ３－１までのｄ３’の値を順次誤差最小化部１０５から指示される。
　加算器１１２は、行列演算部１１０から入力される、行列演算後の第２残差ベクトルＭａｐ＿Ｅｒｒ＿２（ｄ２＿ｍｉｎ）（ｉ）（ｉ＝０，１，…，Ｒ－１）と、第３コードブック１１１から入力されるコードベクトルＣＯＤＥ＿３（ｄ３’）（ｉ）（ｉ＝０，１，…，Ｒ－１）との差を下記の式（７）に従って求め、この差を第３残差ベクトルＥｒｒ＿３（ｄ３’）（ｉ）（ｉ＝０，１，…，Ｒ－１）として誤差最小化部１０５に出力する。
Figure JPOXMLDOC01-appb-M000007
　ここで、誤差最小化部１０５は、ｄ３’＝０からｄ３’＝Ｄ３－１までのｄ３’の値を順次第３コードブック１１１に指示し、ｄ３’＝０からｄ３’＝Ｄ３－１までのｄ３’それぞれに対して、加算器１１２から入力される第３残差ベクトルＥｒｒ＿３（ｄ３’）（ｉ）（ｉ＝０，１，…，Ｒ－１）を下記の式（８）に従って二乗し、二乗誤差Ｅｒｒを求める。
Figure JPOXMLDOC01-appb-M000008
　次いで、誤差最小化部１０５は、二乗誤差Ｅｒｒが最小となる第３コードベクトルのインデックスｄ３’を第３インデックスｄ３＿ｍｉｎとして記憶する。そして、誤差最小化部１０５は、第１インデックスｄ１＿ｍｉｎ、第２インデックスｄ２＿ｍｉｎ、第３インデックスｄ３＿ｍｉｎを纏めて符号化し、符号化データとして出力する。
　図３は、本実施の形態に係るＬＳＰベクトル逆量子化装置２００の主要な構成を示すブロック図である。ＬＳＰベクトル逆量子化装置２００は、ＬＳＰベクトル量子化装置１００において出力される符号化データを復号し、量子化ＬＳＰベクトルを生成する。
　ＬＳＰベクトル逆量子化装置２００は、分類器２０１、符号分離部２０２、スイッチ２０３、第１コードブック２０４、行列決定部２０５、第２コードブック（ＣＢｂ）２０６、行列演算部２０７、加算器２０８、第３コードブック（ＣＢｃ）２０９、行列演算部２１０および加算器２１１を備える。なお、第１コードブック２０４は、第１コードブック１０３が備えるサブコードブック（ＣＢａ１～ＣＢａｎ）と同一内容のサブコードブックを備え、行列決定部２０５は、行列決定部１０６が備えるマッピング行列コードブックと同一内容のマッピング行列コードブックを備える。また、第２コードブック２０６は、第２コードブック１０８が備えるコードブックと同一内容のコードブックを備え、第３コードブック２０９は、第３コードブック１１１が備えるコードブックと同一内容のコードブックを備える。
　分類器２０１は、狭帯域ＬＳＰベクトルの複数の種類それぞれを示す複数の分類情報からなる分類用コードブックを予め格納している。分類器２０１は、ベクトル量子化対象である広帯域ＬＳＰベクトルの種類を示す分類情報を分類用コードブックの中から選択し、スイッチ２０３、および行列決定部２０５に出力する。具体的には、分類器２０１は、狭帯域ＬＳＰベクトルの各種類に対応するコードベクトル（分類用コードベクトル）からなる分類用コードブックを内蔵している。分類器２０１は、分類用コードブックを探索することにより、図示しない狭帯域ＬＳＰ量子化器から入力される量子化狭帯域ＬＳＰベクトルとの二乗誤差が最小となるコードベクトルを求める。分類器２０１は、探索により求めたコードベクトルのインデックスを、ＬＳＰベクトルの種類を示す分類情報とする。
　符号分離部２０２は、ＬＳＰベクトル量子化装置１００から送信される符号化データを第１インデックス、第２インデックスおよび第３インデックスに分離する。符号分離部２０２は、第１インデックスを第１コードブック２０４に指示し、第２インデックスを第２コードブック２０６に指示し、第３インデックスを第３コードブック２０９に指示する。
　スイッチ２０３は、分類器２０１から入力される分類情報に対応するサブコードブック（ＣＢａｍ）を第１コードブック２０４の中から１つ選び、そのサブコードブックの出力端子を加算器２０８に接続する。
　第１コードブック２０４は、スイッチ２０３で選択された第１コードブック（サブコードブック）を構成する複数の第１コードベクトルの中から、符号分離部２０２により指示された第１インデックスに対応する１つの第１コードベクトルをスイッチ２０３に出力する。
　行列決定部２０５は、分類器２０１から入力される分類情報に対応する第１マッピング行列を第１マッピング行列コードブックの中から選択し、選択した第１マッピング行列を行列演算部２０７および行列演算部２１０に出力する。また、行列決定部２０５は、分類器２０１から入力される分類情報に対応する第２マッピング行列を第２マッピング行列コードブックの中から選択し、選択した第２マッピング行列を行列演算部２１０に出力する。
　第２コードブック２０６は、符号分離部２０２により指示された第２インデックスに対応する１つの第２コードベクトルを行列演算部２０７に出力する。
　行列演算部２０７は、第２コードブック２０６から入力される第２コードベクトルに対して、行列決定部２０５から入力される第１マッピング行列を用いて行列演算を行い、行列演算結果を加算器２０８に出力する。
　加算器２０８は、スイッチ２０３から入力される第１コードベクトルと、行列演算部２０７から入力される行列演算結果とを加算し、得られる加算結果を加算器２１１に出力する。
　第３コードブック２０９は、符号分離部２０２により指示された第３インデックスに対応する１つの第３コードベクトルを行列演算部２１０に出力する。
　行列演算部２１０は、第３コードブック２０９から入力される第３コードベクトルに対して、行列決定部２０５から入力される第２マッピング行列を用いて行列演算を行い、行列演算結果を加算器２１１に出力する。
　加算器２１１は、加算器２０８から入力される加算結果と、行列演算部２１０から入力される行列演算結果とを加算し、得られる加算結果を量子化広帯域ＬＳＰベクトルとして出力する。
　次に、ＬＳＰベクトル逆量子化装置２００の動作について説明する。
　分類器２０１は、狭帯域ＬＳＰベクトルのｎ個の種類それぞれに対応するｎ個のコードベクトル（分類用コードベクトル）からなる分類用コードブックを内蔵している。分類器２０１は、コードベクトルを探索することにより、図示しない狭帯域ＬＳＰ量子化器から入力される量子化狭帯域ＬＳＰベクトルとの二乗誤差が最小となるｍ番目のコードベクトルを求める。分類器２０１は、ｍ（１≦ｍ≦ｎ）を分類情報としてスイッチ２０３および行列決定部２０５に出力する。
　符号分離部２０２は、ＬＳＰベクトル量子化装置１００から送信される符号化データを第１インデックスｄ１＿ｍｉｎ、第２インデックスｄ２＿ｍｉｎおよび第３インデックスｄ３＿ｍｉｎに分離する。符号分離部２０２は、第１インデックスｄ１＿ｍｉｎを第１コードブック２０４に指示し、第２インデックスｄ２＿ｍｉｎを第２コードブック２０６に指示し、第３インデックスｄ３＿ｍｉｎを第３コードブック２０９に指示する。
　スイッチ２０３は、分類器２０１から入力される分類情報ｍに対応するサブコードブックＣＢａｍを第１コードブック２０４の中から選び、そのサブコードブックの出力端子を加算器２０８に接続する。
　第１コードブック２０４は、サブコードブックＣＢａｍを構成する各第１コードベクトルＣＯＤＥ＿１（ｄ１）（ｉ）（ｄ１＝０，１，…，Ｄ１－１、ｉ＝０，１，…，Ｒ－１）の中から、符号分離部２０２からの指示ｄ１＿ｍｉｎにより指示された第１コードベクトルＣＯＤＥ＿１（ｄ１＿ｍｉｎ）（ｉ）（ｉ＝０，１，…，Ｒ－１）をスイッチ２０３に出力する。
　行列決定部２０５は、分類器２０１から入力される分類情報ｍに対応する第１マッピング行列ＭＭ＿１（ｍ）を第１マッピング行列コードブックの中から選択し、行列演算部２０７および行列演算部２１０に出力する。また、行列決定部２０５は、分類器２０１から入力される分類情報ｍに対応する第２マッピング行列ＭＭ＿２（ｍ）を第２マッピング行列コードブックの中から選択し、行列演算部２１０に出力する。
　第２コードブック２０６は、第２コードブックを構成する各第２コードベクトルＣＯＤＥ＿２（ｄ２）（ｉ）（ｄ２＝０，１，…，Ｄ２－１、ｉ＝０，１，…，Ｒ－１）の中から、符号分離部２０２からの指示ｄ２＿ｍｉｎにより指示された第２コードベクトルＣＯＤＥ＿２（ｄ２＿ｍｉｎ）（ｉ）（ｉ＝０，１，…，Ｒ－１）を行列演算部２０７に出力する。
　行列演算部２０７は、下記の式（９）に従って、第２コードブック２０６から入力される第２コードベクトルＣＯＤＥ＿２（ｄ２＿ｍｉｎ）（ｉ）（ｉ＝０，１，…，Ｒ－１）に対して、行列決定部２０５から入力される第１マッピング行列ＭＭ＿１（ｍ）を用いて行列演算を行い、得られる行列演算結果ＴＭＰ＿１（ｉ）（ｉ＝０，１，…，Ｒ－１）を加算器２０８に出力する。
Figure JPOXMLDOC01-appb-M000009
　加算器２０８は、下記の式（１０）に従って、行列演算部２０７から入力される行列演算結果ＴＭＰ＿１（ｉ）と、スイッチ２０３から入力される第１コードベクトルＣＯＤＥ＿１（ｄ１＿ｍｉｎ）（ｉ）（ｉ＝０，１，…，Ｒ－１）とを加算し、得られる加算結果ＴＭＰ＿２（ｉ）（ｉ＝０，１，…，Ｒ－１）を加算器２１１に出力する。
Figure JPOXMLDOC01-appb-M000010
　第３コードブック２０９は、第３コードブックを構成する各第３コードベクトルＣＯＤＥ＿３（ｄ３）（ｉ）（ｄ３＝０，１，…，Ｄ３－１、ｉ＝０，１，…，Ｒ－１）の中から、符号分離部２０２からの指示ｄ３＿ｍｉｎにより指示された第３コードベクトルＣＯＤＥ＿３（ｄ３＿ｍｉｎ）（ｉ）（ｉ＝０，１，…，Ｒ－１）を行列演算部２１０に出力する。
　行列演算部２１０は、下記の式（１１）に従って、第３コードブック２０９から入力される第３コードベクトルＣＯＤＥ＿３（ｄ３＿ｍｉｎ）（ｉ）（ｉ＝０，１，…，Ｒ－１）に対して、行列決定部２０５から入力される第１マッピング行列ＭＭ＿１（ｍ）を用いて行列演算を行い、行列演算結果ＴＭＰ＿３（ｉ）（ｉ＝０，１，…，Ｒ－１）を得る。そして、行列演算部２１０は、下記の式（１２）に従って、行列演算結果ＴＭＰ＿３（ｉ）（ｉ＝０，１，…，Ｒ－１）に対して、行列決定部２０５から入力される第２マッピング行列ＭＭ＿２（ｍ）を用いて行列演算を行い、得られる行列演算結果ＴＭＰ＿４（ｉ）（ｉ＝０，１，…，Ｒ－１）を加算器２１１に出力する。
Figure JPOXMLDOC01-appb-M000011
Figure JPOXMLDOC01-appb-M000012
　加算器２１１は、下記の式（１３）に従って、加算器２０８から入力される加算結果ＴＭＰ＿２（ｉ）（ｉ＝０，１，…，Ｒ－１）と、行列演算部２１０から入力される行列演算結果ＴＭＰ＿４（ｉ）（ｉ＝０，１，…，Ｒ－１）とを加算し、加算結果となるベクトルＱ＿ＬＳＰ（ｉ）（ｉ＝０，１，…，Ｒ－１）を量子化広帯域ＬＳＰベクトルとして出力する。
Figure JPOXMLDOC01-appb-M000013
　ＬＳＰベクトル量子化装置１００およびＬＳＰベクトル逆量子化装置２００で用いられる第１コードブック、マッピング行列コードブック、第２コードブックおよび第３コードブックは、予め学習により求めて作成されたものであり、これらのコードブックの学習方法について説明する。
　第１コードブック１０３および第１コードブック２０４が備える第１コードブックを学習により求めるためには、まず多数の学習用の音声データから得られる多数の、例えばＶ個のＬＳＰベクトルを用意する。次いで、Ｖ個のＬＳＰベクトルを種類（ｎ種類）毎にグループ化し、各グループに属するＬＳＰベクトルを用いて、ＬＢＧ（Linde Buzo Gray）アルゴリズム等の学習アルゴリズムに従いＤ１個の第１コードベクトルＣＯＤＥ＿１（ｄ１）（ｉ）（ｄ１＝０，１，…，Ｄ１－１、ｉ＝０，１，…，Ｒ－１）を求め、各サブコードブックを生成する。
　第２コードブック１０８および第２コードブック２０６が備える第２コードブックを学習により求めるためには、上記のＶ個のＬＳＰベクトルを用いて、上記方法で求めた第１コードブックによる１段目のベクトル量子化を行い、加算器１０４が出力する第１残差ベクトルＥｒｒ＿１（ｄ１＿ｍｉｎ）（ｉ）（ｉ＝０，１，…，Ｒ－１）をＶ個求める。次いで、Ｖ個の第１残差ベクトルＥｒｒ＿１（ｄ１＿ｍｉｎ）（ｉ）（ｉ＝０，１，…，Ｒ－１）を用いて、ＬＢＧ(Linde Buzo Gray)アルゴリズム等の学習アルゴリズムに従いＤ２個の第２コードベクトルＣＯＤＥ＿２（ｄ２）（ｉ）（ｄ２＝０，１，…，Ｄ１－１、ｉ＝０，１，…，Ｒ－１）を求め、第２コードブックを生成する。
　行列決定部１０６および行列決定部２０５が備える第１マッピング行列コードブックを学習により求めるためには、上記のＶ個のＬＳＰベクトルを用いて、上記方法で求めた第１コードブックによる１段目のベクトル量子化を行い、加算器１０４が出力する第１残差ベクトルＥｒｒ＿１（ｄ１＿ｍｉｎ）（ｉ）（ｉ＝０，１，…，Ｒ－１）をＶ個求める。次いで、求めたＶ個の第１残差ベクトルを種類（ｎ種類）毎にグループ化し、各グループに属する第１残差ベクトル集合のセントロイド（平均）Ｃ１を求める。
　次いで、第１コードブックと同様にして、第２コードブックにおいても、すべての第２コードベクトルの平均を計算することによりセントロイドＤ１を求める。
　このようにして各種類（ｎ種類）において、第１コードブックのセントロイドＣ１および第２コードブックのセントロイドＤ１を求める。そして、種類ｍに対応するセントロイドＤ１に対して行列演算を行い、セントロイドＣ１とセントロイドＤ１とが一致する行列を求め、求めた行列を種類ｍに対応する第１マッピング行列とする。各種類（ｎ種類）において第１マッピング行列を求め、各種類の第１マッピング行列に通し番号を付して格納することにより、第１マッピング行列コードブックを生成する。
　例えば、ベクトルの次元数Ｒが２次元の場合、種類ｍにおける第１マッピング行列ＭＭ＿１（ｄ２）は下記の式（１４）の連立方程式を解くことにより求められる。
Figure JPOXMLDOC01-appb-M000014
　また、ベクトルの次元数Ｒが３次元以上の場合、２次元単位でマッピング行列を求め、得られたマッピング行列の行列積を求めることにより、第１マッピング行列ＭＭ＿１（ｍ）を生成することができる。例えば、ベクトルの次元数Ｒが３次元の場合、下記の式（１５）の連立方程式を解くことにより、１，２次に相当するベクトル要素をマッピングできる行列ＴＭＰ＿１を求める。
Figure JPOXMLDOC01-appb-M000015
　次いで、下記の式（１６）の連立方程式を解くことにより、２，３次に相当するベクトル要素をマッピングできる行列ＴＭＰ＿２を求める。
Figure JPOXMLDOC01-appb-M000016
　そして、下記の式（１７）に従って行列ＴＭＰ＿１および行列ＴＭＰ＿２の行列積を求めることにより、第１マッピング行列ＭＭ＿１（ｍ）を生成する。
Figure JPOXMLDOC01-appb-M000017
　このように、ベクトルの次元数Ｒが３次元以上の場合、２次元単位で行列を求め、最終的にすべての行列の行列積を求めることによりマッピング行列を求める。
　第３コードブック１１１および第３コードブック２０９が備える第３コードブックを学習により求めるためには、上記のＶ個のＬＳＰベクトルを用いて、上記方法で求めた第１コードブックによる１段目のベクトル量子化を行う。次いで、上記方法で求めた第１マッピング行列コードブックを用いて、第１マッピング行列演算後の第１残差ベクトルＭａｐ＿Ｅｒｒ＿１（ｄ１＿ｍｉｎ）（ｉ）（ｉ＝０，１，…，Ｒ－１）をＶ個求める。次いで、上記方法で求めた第２コードブックによる２段目のベクトル量子化を行い、加算器１０９が出力する第２残差ベクトルＥｒｒ＿２（ｄ２＿ｍｉｎ）（ｉ）（ｉ＝０，１，…，Ｒ－１）をＶ個求める。次いで、Ｖ個の第２残差ベクトルＥｒｒ＿２（ｄ２＿ｍｉｎ）（ｉ）（ｉ＝０，１，…，Ｒ－１）を用いて、ＬＢＧ(Linde Buzo Gray)アルゴリズム等の学習アルゴリズムに従いＤ３個の第３コードベクトルＣＯＤＥ＿３（ｄ３）（ｉ）（ｄ３＝０，１，…，Ｄ１－１、ｉ＝０，１，…，Ｒ－１）を求め、第３コードブックを生成する。
　行列決定部１０６および行列決定部２０５が備える第２マッピング行列コードブックを学習により求めるためには、上記のＶ個のＬＳＰベクトルを用いて、上記方法で求めた第１コードブックによる１段目のベクトル量子化を行い、上記方法で求めた第１マッピング行列を用いて行列演算を行い、上記方法で求めた第２コードブックによる２段目のベクトル量子化を行い、加算器１０９が出力する第２残差ベクトルＥｒｒ＿２（ｄ２＿ｍｉｎ）（ｉ）（ｉ＝０，１，…，Ｒ－１）をＶ個求める。次いで、求めたＶ個の第２残差ベクトルを種類（ｎ種類）毎にグループ化し、各グループに属する第２残差ベクトル集合のセントロイドＣ２を求める。
　次いで、第３コードブックにおいても、すべての第３コードベクトルの平均を計算することによりセントロイドＤ２を求める。
　各種類（ｎ種類）において、セントロイドＣ２および第３コードブックのセントロイドＤ２を求める。そして、種類ｍに対応するセントロイドＤ２に対して行列演算を行い、セントロイドＣ２とセントロイドＤ２とが一致する行列を求め、求めた行列を種類ｍに対応する第２マッピング行列とする。各種類（ｎ種類）において第２マッピング行列を求め、各種類の第２マッピング行列に通し番号を付して格納することにより、第２マッピング行列コードブックを生成する。
　第２マッピング行列ＭＭ＿２（ｍ）は、上記の第１マッピング行列ＭＭ＿１（ｍ）を求める方法において、セントロイドＣ１をセントロイドＣ２に置き換え、セントロイドＤ１をセントロイドＤ２に置き換えた後に、同様の手順を行うことにより求めることができる。
　これらの学習の方法は一例であって、上記の方法以外で各コードブックを生成しても良い。
　このように、本実施の形態によれば、広帯域ＬＳＰベクトルとの相関を有する狭帯域ＬＳＰベクトルの種類により１段目のベクトル量子化のコードブックを切り換え、１段目のベクトル量子化誤差（第１残差ベクトル）の統計的な分布の偏りが種類毎に異なる多段ベクトル量子化において、狭帯域ＬＳＰベクトルの分類結果に対応する第１マッピング行列を用いて、第１残差ベクトルに対する行列演算を行う。これにより、２段目のコードベクトルの分布の偏りを１段目のベクトル量子化誤差の統計的な分布の偏りに適応させることができ、従って広帯域ＬＳＰベクトルの量子化精度を向上することができる。また、狭帯域ＬＳＰベクトルの分類結果に対応する第２マッピング行列を用いて、第２残差ベクトルに対する行列演算を行う。これにより、３段目のコードベクトルの分布の偏りを２段目のベクトル量子化誤差の分布の偏りに適応させることができ、従って、広帯域ＬＳＰベクトルの量子化精度を向上することができる。
　図４は、本実施の形態に係るＬＳＰベクトル量子化の効果を概念的に説明するための図である。図４において、「回転」と書いてある矢印は、第２コードベクトルの集合に対してマッピング行列を用いて行列演算する処理を示す。図４に示すように、本実施の形態においては、狭帯域ＬＳＰの種類に対応する第１コードブックＣＢａｍ（ｍ＜＝ｎ）を用いてベクトル量子化を行って得られる量子化誤差ベクトルに対して、この種類に対応するマッピング行列を用いて行列演算する。これにより行列演算後の量子化誤差ベクトルの集合の分布の偏りを、２段目のベクトル量子化に用いる共通の第２コードブックＣＢｂを構成する第２コードベクトルの集合の分布の偏りに一致させることができる。従って、２段目のベクトル量子化の量子化精度を向上することができる。
　なお、本実施の形態においては、１段目のベクトル量子化誤差の統計的な分布の偏りを２段目のコードベクトルの分布の偏りに応じて変更し、２段目のベクトル量子化誤差の統計的な分布の偏りを３段目のコードベクトルの分布の偏りに応じて変更する場合を例にとって説明した。ただし、本発明はこれに限定されず、２段目のベクトル量子化対象に用いるコードベクトルの分布の偏りを１段目のベクトル量子化誤差の統計的な分布の偏りに応じて変更し、３段目のベクトル量子化対象に用いるコードベクトルの分布の偏りを２段目のベクトル量子化誤差の統計的な分布の偏りに応じて変更してもよい。これによっても、本実施の形態と同様に、広帯域ＬＳＰベクトルの量子化精度を向上する効果が得られる。
　また、本実施の形態では、行列決定部１０６および行列決定部２０５が備えるマッピング行列コードブックを構成するマッピング行列は狭帯域ＬＳＰベクトルの種類に対応している場合を例にとって説明した。ただし、本発明はこれに限定されず、行列決定部１０６および行列決定部２０５が備えるマッピング行列コードブックを構成するマッピング行列は、音声の特徴を分類した各種類に対応していてもよい。かかる場合、分類器１０１は、狭帯域ＬＳＰベクトルではなく音声の特徴を表すパラメータを音声特徴情報として入力し、入力された音声特徴情報に対応する音声特徴の種類を分類情報としてスイッチ１０２および行列決定部１０６に出力する。例えば、ＶＭＲ－ＷＢ(Variable-Rate Multimode Wideband Speech Codec)のように、音声の有声性、雑音性等の特徴でエンコーダのタイプを切り換えるというような符号化装置に本発明を適用する場合、エンコーダのタイプの情報をそのまま音声特徴量として用いてよい。
　また、本実施の形態では、ＬＳＰベクトルに対して３段のベクトル量子化を行う場合を例にとって説明したが、本発明はこれに限定されず、２段のベクトル量子化、もしくは、４段以上のベクトル量子化を行う場合にも適用できる。
　また、本実施の形態では、ＬＳＰベクトルに対して３段の多段ベクトル量子化を行う場合を例にとって説明したが、本発明はこれに限定されず、分割ベクトル量子化と併用してベクトル量子化を行う場合にも適用できる。
　また、本実施の形態では、量子化対象として広帯域ＬＳＰベクトルを例にとって説明したが、量子化対象はこれに限定されず、広帯域ＬＳＰベクトル以外のベクトルであっても良い。
　また、本実施の形態では、マッピング行列を用いて行列演算することにより、コードベクトルの分布の偏りを移動させる場合を例にとって説明した。しかし、本発明はこれに限定されず、回転行列を用いて行列演算することにより、コードベクトルの分布の偏りを移動させてもよい。
　また、本実施の形態では、ＬＳＰベクトル逆量子化装置２００は、ＬＳＰベクトル量子化装置１００において出力される符号化データを復号するとした。ただし、本発明はこれに限定されず、ＬＳＰベクトル逆量子化装置２００で復号可能な形式の符号化データであれば、ＬＳＰベクトル逆量子化装置で受信して復号することが可能であることは言うまでもない。
　また、本実施の形態では、ＬＳＰベクトル量子化装置１００およびＬＳＰベクトル逆量子化装置２００が、Ｒ次元のベクトルに対してＲ×Ｒのマッピング行列を用いて行列演算する例を挙げて説明した。ただし、本発明はこれに限定されず、ＬＳＰベクトル量子化装置１００およびＬＳＰベクトル逆量子化装置２００は、例えば、２×２のマッピング行列を複数用意し、Ｒ次元のベクトルの２次毎ベクトル要素に対して複数の２×２のマッピング行列をそれぞれ用いて行列演算してもよい。この構成によれば、マッピング行列を格納するのに必要なメモリを削減することができ、さらに、行列演算に要する演算量を削減することができる。
　例えば、ベクトルが６次元であり、３つの２×２のマッピング行列（ＭＭＡ＿１（ｍ）、ＭＭＢ＿１（ｍ）およびＭＭＣ＿１（ｍ））を用いて行列演算する場合、上記の式（３）は下記の式（１８）に示すようになり、上記の式（８）は下記の式（１９）に示すようになる。
Figure JPOXMLDOC01-appb-M000018
Figure JPOXMLDOC01-appb-M000019
　ここで、マッピング行列（ＭＭＡ＿１（ｍ）、ＭＭＢ＿１（ｍ）およびＭＭＣ＿１（ｍ））を学習により求めるには、上述したベクトルの次元数Ｒが２次元である場合の学習方法（上記の式（１４））を、２次毎のベクトル要素に対して行えばよい。
　また、本実施の形態に係るベクトル量子化装置およびベクトル逆量子化装置は、音声信号や楽音信号等を符号化／復号するＣＥＬＰ符号化装置／ＣＥＬＰ復号装置に用いることが可能である。ＣＥＬＰ符号化装置においては、入力信号を線形予測分析して得られた線形予測係数から変換されたＬＳＰを入力して量子化処理を行い、量子化された量子化ＬＳＰを合成フィルタに出力する。例えば、本実施の形態に係るＬＳＰベクトル量子化装置１００をＣＥＬＰ型音声符号化装置に適用する場合は、量子化ＬＳＰを表す量子化ＬＳＰ符号を符号化データとして出力するＬＳＰ量子化部のところに、本実施の形態に係るＬＳＰベクトル量子化装置１００を配置する。これにより、ベクトル量子化精度を向上することが可能となるため、復号時の音声品質も向上する。一方、ＣＥＬＰ復号装置においては、受信した多重化符号データを分離して得られた量子化ＬＳＰ符号から量子化ＬＳＰを復号する。本発明に係るＬＳＰベクトル逆量子化装置２００をＣＥＬＰ型音声復号装置に適用する場合には、復号した量子化ＬＳＰを合成フィルタに出力するＬＳＰ逆量子化部のところに、本実施の形態に係るＬＳＰベクトル逆量子化装置２００を配置すればよく、上記と同様の作用効果が得られる。以下、図５および図６を用いて本実施の形態に係るＬＳＰベクトル量子化装置１００およびＬＳＰベクトル逆量子化装置２００を備えるＣＥＬＰ符号化装置４００およびＣＥＬＰ復号装置４５０について説明する。
　図５は、本実施の形態に係るＬＳＰベクトル量子化装置１００を備えるＣＥＬＰ符号化装置４００の主要な構成を示すブロック図である。ＣＥＬＰ符号化装置４００は、入力される音声・楽音信号を複数サンプルずつ区切り、複数サンプルを１フレームとしてフレーム毎に符号化を行う。
　前処理部４０１は、入力される音声信号または楽音信号に対して、ＤＣ成分を取り除くハイパスフィルタ処理を行い、また後続する符号化処理の性能改善のための波形整形処理もしくはプリエンファシス処理を行う。そして、前処理部４０１は、これらの処理により得られる信号ＸｉｎをＬＳＰ分析部４０２および加算器４０５に出力する。
　ＬＳＰ分析部４０２は、前処理部４０１から入力される信号Ｘｉｎを用いて線形予測分析を行い、得られるＬＰＣをＬＳＰベクトルに変換してＬＳＰベクトル量子化部４０３に出力する。
　ＬＳＰベクトル量子化部４０３は、ＬＳＰ分析部４０２から入力されるＬＳＰベクトルに対して量子化を行う。ＬＳＰベクトル量子化部４０３は、得られる量子化ＬＳＰベクトルをフィルタ係数として合成フィルタ４０４に出力し、量子化ＬＳＰ符号（Ｌ）を多重化部４１４に出力する。ここで、ＬＳＰベクトル量子化部４０３としては、本実施の形態に係るＬＳＰベクトル量子化装置１００を適用する。すなわち、ＬＳＰベクトル量子化部４０３の具体的な構成および動作は、ＬＳＰベクトル量子化装置１００と同様である。この場合、ＬＳＰベクトル量子化装置１００に入力される広帯域ＬＳＰベクトルと、ＬＳＰベクトル量子化部４０３に入力されるＬＳＰベクトルとは対応する。また、ＬＳＰベクトル量子化装置１００が出力する符号化データと、ＬＳＰベクトル量子化部４０３が出力する量子化ＬＳＰ符号（Ｌ）とは対応する。合成フィルタ４０４に入力されるフィルタ係数は、ＬＳＰベクトル量子化部４０３内において量子化ＬＳＰ符号（Ｌ）を用いて逆量子化して得られた量子化ＬＳＰベクトルである。なお、ＬＳＰベクトル量子化装置１００に入力される狭帯域ＬＳＰベクトルは、例えばＣＥＬＰ符号化装置４００の外部から入力される。例えば、広帯域ＣＥＬＰ符号化部（ＣＥＬＰ符号化装置４００に対応）と狭帯域ＣＥＬＰ符号化部とを有するスケーラブル符号化装置（図示せず）にこのＬＳＰベクトル量子化装置１００を適用する場合には、狭帯域ＣＥＬＰ符号化部から出力される狭帯域ＬＳＰベクトルがＬＳＰベクトル量子化装置１００に入力される。
　合成フィルタ４０４は、ＬＳＰベクトル量子化部４０３から入力される量子化ＬＳＰベクトルに基づくフィルタ係数を用いて、後述する加算器４１１から入力される駆動音源に対して合成処理を行い、生成される合成信号を加算器４０５に出力する。
　加算器４０５は、合成フィルタ４０４から入力される合成信号の極性を反転させ、前処理部４０１から入力される信号Ｘｉｎに加算することにより誤差信号を算出し、誤差信号を聴覚重み付け部４１２に出力する。
　適応音源符号帳４０６は、過去に加算器４１１から入力された駆動音源をバッファに記憶しており、パラメータ決定部４１３から入力される適応音源ラグ符号（Ａ）によって特定される切り出し位置から１フレーム分のサンプルをバッファより切り出し、適応音源ベクトルとして乗算器４０９に出力する。ここで、適応音源符号帳４０６は、加算器４１１から駆動音源が入力されるたびにバッファの内容を更新する。
　量子化利得生成部４０７は、パラメータ決定部４１３から入力される量子化音源利得符号（Ｇ）によって、量子化適応音源利得と量子化固定音源利得とを決定し、それぞれを乗算器４０９と乗算器４１０とに出力する。
　固定音源符号帳４０８は、パラメータ決定部４１３から入力される固定音源ベクトル符号（Ｆ）によって特定される形状を有するベクトルを固定音源ベクトルとして乗算器４１０に出力する。
　乗算器４０９は、量子化利得生成部４０７から入力される量子化適応音源利得を、適応音源符号帳４０６から入力される適応音源ベクトルに乗じて、加算器４１１に出力する。
　乗算器４１０は、量子化利得生成部４０７から入力される量子化固定音源利得を、固定音源符号帳４０８から入力される固定音源ベクトルに乗じて、加算器４１１に出力する。
　加算器４１１は、乗算器４０９から入力される利得乗算後の適応音源ベクトルと、乗算器４１０から入力される利得乗算後の固定音源ベクトルとを加算し、加算結果を駆動音源として合成フィルタ４０４および適応音源符号帳４０６に出力する。ここで、適応音源符号帳４０６に入力される駆動音源は、適応音源符号帳４０６のバッファに記憶される。
　聴覚重み付け部４１２は、加算器４０５から入力される誤差信号に対して聴覚的重み付け処理を行い、符号化歪みとしてパラメータ決定部４１３に出力する。
　パラメータ決定部４１３は、聴覚重み付け部４１２から入力される符号化歪みを最小とする適応音源ラグを適応音源符号帳４０６から選択し、選択結果を示す適応音源ラグ符号（Ａ）を適応音源符号帳４０６および多重化部４１４に出力する。ここで、適応音源ラグとは、適応音源ベクトルを切り出す位置を示すパラメータである。また、パラメータ決定部４１３は、聴覚重み付け部４１２から出力される符号化歪みを最小とする固定音源ベクトルを固定音源符号帳４０８から選択し、選択結果を示す固定音源ベクトル符号（Ｆ）を固定音源符号帳４０８および多重化部４１４に出力する。また、パラメータ決定部４１３は、聴覚重み付け部４１２から出力される符号化歪みを最小とする量子化適応音源利得と量子化固定音源利得とを量子化利得生成部４０７から選択し、選択結果を示す量子化音源利得符号（Ｇ）を量子化利得生成部４０７および多重化部４１４に出力する。
　多重化部４１４は、ＬＳＰベクトル量子化部４０３から入力される量子化ＬＳＰ符号（Ｌ）、パラメータ決定部４１３から入力される適応音源ラグ符号（Ａ）、固定音源ベクトル符号（Ｆ）、および量子化音源利得符号（Ｇ）を多重化して符号化情報を出力する。
　図６は、本実施の形態に係るＬＳＰベクトル逆量子化装置２００を備えるＣＥＬＰ復号装置４５０の主要な構成を示すブロック図である。
　図６において、分離部４５１は、ＣＥＬＰ符号化装置４００から伝送される符号化情報に対して分離処理を行い、量子化ＬＳＰ符号（Ｌ）、適応音源ラグ符号（Ａ）、量子化音源利得符号（Ｇ）、固定音源ベクトル符号（Ｆ）を得る。分離部４５１は、量子化ＬＳＰ符号（Ｌ）をＬＳＰベクトル逆量子化部４５２に出力し、適応音源ラグ符号（Ａ）を適応音源符号帳４５３に出力し、量子化音源利得符号（Ｇ）を量子化利得生成部４５４に出力し、固定音源ベクトル符号（Ｆ）を固定音源符号帳４５５に出力する。
　ＬＳＰベクトル逆量子化部４５２は、分離部４５１から入力される量子化ＬＳＰ符号（Ｌ）から量子化ＬＳＰベクトルを復号し、量子化ＬＳＰベクトルをフィルタ係数として合成フィルタ４５９に出力する。ここで、ＬＳＰベクトル逆量子化部４５２としては、本実施の形態に係るＬＳＰベクトル逆量子化装置２００を適用する。すなわち、ＬＳＰベクトル逆量子化部４５２の具体的な構成および動作は、ＬＳＰベクトル逆量子化装置２００と同様である。この場合、ＬＳＰベクトル逆量子化装置２００に入力される符号化データと、ＬＳＰベクトル逆量子化部４５２に入力される量子化ＬＳＰ符号（Ｌ）とは対応する。また、ＬＳＰベクトル逆量子化装置２００が出力する量子化広帯域ＬＳＰベクトルと、ＬＳＰベクトル逆量子化部４５２が出力する量子化ＬＳＰベクトルとは対応する。なお、ＬＳＰベクトル逆量子化装置２００に入力される狭帯域ＬＳＰベクトルは、例えばＣＥＬＰ復号装置４５０の外部から入力される。例えば、広帯域ＣＥＬＰ復号部（ＣＥＬＰ復号装置４５０に対応）と狭帯域ＣＥＬＰ復号部とを有するスケーラブル復号装置（図示せず）にこのＬＳＰベクトル逆量子化装置２００を適用する場合には、狭帯域ＣＥＬＰ復号部から出力される狭帯域ＬＳＰベクトルがＬＳＰベクトル逆量子化装置２００に入力される。
　適応音源符号帳４５３は、分離部４５１から入力される適応音源ラグ符号（Ａ）により特定される切り出し位置から１フレーム分のサンプルをバッファより切り出し、切り出したベクトルを適応音源ベクトルとして乗算器４５６に出力する。ここで、適応音源符号帳４５３は、加算器４５８から駆動音源が入力されるたびにバッファの内容を更新する。
　量子化利得生成部４５４は、分離部４５１から入力される量子化音源利得符号（Ｇ）が示す量子化適応音源利得と量子化固定音源利得とを復号し、量子化適応音源利得を乗算器４５６に出力し、量子化固定音源利得を乗算器４５７に出力する。
　固定音源符号帳４５５は、分離部４５１から入力される固定音源ベクトル符号（Ｆ）が示す固定音源ベクトルを生成し、乗算器４５７に出力する。
　乗算器４５６は、適応音源符号帳４５３から入力される適応音源ベクトルに、量子化利得生成部４５４から入力される量子化適応音源利得を乗じて加算器４５８に出力する。
　乗算器４５７は、固定音源符号帳４５５から入力される固定音源ベクトルに、量子化利得生成部４５４から入力される量子化固定音源利得を乗じて加算器４５８に出力する。
　加算器４５８は、乗算器４５６から入力される利得乗算後の適応音源ベクトルと、乗算器４５７から入力される利得乗算後の固定音源ベクトルとを加算して駆動音源を生成し、生成される駆動音源を合成フィルタ４５９および適応音源符号帳４５３に出力する。ここで、適応音源符号帳４５３に入力される駆動音源は、適応音源符号帳４５３のバッファに記憶される。
　合成フィルタ４５９は、加算器４５８から入力される駆動音源と、ＬＳＰベクトル逆量子化部４５２で復号されたフィルタ係数とを用いて合成処理を行い、生成される合成信号を後処理部４６０に出力する。
　後処理部４６０は、合成フィルタ４５９から入力される合成信号に対して、ホルマント強調やピッチ強調などの音声の主観的な品質を改善する処理、および定常雑音の主観的品質を改善する処理を施し、得られる音声信号または楽音信号を出力する。
　このように、本実施の形態に係るＣＥＬＰ符号化装置／ＣＥＬＰ復号装置によれば、本実施の形態によるベクトル量子化装置／ベクトル逆量子化装置を用いることにより、符号化時にベクトル量子化精度を向上させることが可能となるため、復号時の音声品質も向上させることができる。
　なお、本実施の形態では、ＣＥＬＰ復号装置４５０は、ＣＥＬＰ符号化装置４００において出力される符号化データを復号する場合について説明した。しかし、本発明はこれに限定されず、ＣＥＬＰ復号装置４５０で復号可能な形式の符号化データであれば、ＣＥＬＰ復号装置で受信して復号することが可能であることは言うまでもない。
　以上、本発明の各実施の形態について説明した。
　なお、本発明に係るベクトル量子化装置、ベクトル逆量子化装置、およびこれらの方法は、上記各実施の形態に限定されず、種々変更して実施することが可能である。
　たとえば、上記実施の形態では、ベクトル量子化装置、ベクトル逆量子化装置、およびこれらの方法において、音声信号または楽音信号を対象として説明したが、その他の可能な信号に適用しても良い。
　また、ＬＳＰは、ＬＳＦ(Line Spectral Frequency)と呼ばれることもあり、ＬＳＰをＬＳＦと読み替えてもよい。また、ＬＳＰの代わりにＩＳＰ(Immittance Spectrum Pairs)をスペクトルパラメータとして量子化する場合はＬＳＰをＩＳＰに読み替え、ＩＳＰ量子化／逆量子化装置として本実施の形態を利用することができる。ＬＳＰの代わりにＩＳＦ(Immittance Spectrum Frequency)をスペクトルパラメータとして量子化する場合はＬＳＰをＩＳＦに読み替え、ＩＳＦ量子化／逆量子化装置として本実施の形態を利用することができる。
　また、本発明に係るベクトル量子化装置およびベクトル逆量子化装置は、音声や楽音等の伝送を行う移動体通信システムにおける通信端末装置や基地局装置に搭載することが可能である。これにより上記と同様の作用効果を有する通信端末装置や基地局装置を提供することができる。
　また、ここでは、本発明をハードウェアで構成する場合を例にとって説明したが、本発明をソフトウェアで実現することも可能である。例えば、本発明に係るベクトル量子化方法およびベクトル逆量子化方法のアルゴリズムをプログラミング言語によって記述し、このプログラムをメモリに記憶しておいて情報処理手段によって実行させることにより、本発明に係るベクトル量子化装置およびベクトル逆量子化装置と同様の機能を実現することができる。
　また、上記各実施の形態の説明に用いた各機能ブロックは、典型的には集積回路であるＬＳＩとして実現される。これらは個別に１チップ化されても良いし、一部または全てを含むように１チップ化されてもよい。
　また、ここではＬＳＩとしたが、集積度の違いによって、ＩＣ、システムＬＳＩ、スーパーＬＳＩ、ウルトラＬＳＩ等と呼称されることもある。
　また、集積回路化の手法はＬＳＩに限るものではなく、専用回路または汎用プロセッサで実現しても良い。ＬＳＩ製造後に、プログラム化することが可能なＦＰＧＡ（Fｉeld Programmable Gate Array）や、ＬＳＩ内部の回路セルの接続もしくは設定を再構成可能なリコンフィギュラブル・プロセッサを利用してもよい。
　さらに、半導体技術の進歩または派生する別技術により、ＬＳＩに置き換わる集積回路化の技術が登場すれば、当然、その技術を用いて機能ブロックの集積化を行っても良い。バイオ技術の適用等が可能性としてあり得る。
　２００９年２月１３日出願の特願２００９－０３１６５１の日本出願に含まれる明細書、図面および要約書の開示内容は、すべて本願に援用される。
　本発明に係るベクトル量子化装置、ベクトル逆量子化装置、およびこれらの方法は、音声符号化および音声復号等の用途に適用することができる。

Claims (9)

  1. 　複数の分類用コードベクトルの中から、量子化対象ベクトルとの相関を有する特徴の種類を示す分類用コードベクトルを選択する第１選択手段と、
    　複数の第１コードブックの中から、選択された前記分類用コードベクトルに対応する第１コードブックを選択する第２選択手段と、
    　選択された前記第１コードブックを構成する複数の第１コードベクトルを用いて前記量子化対象ベクトルを量子化し、第１符号を得る第１量子化手段と、
    　複数の行列の中から、選択された前記分類用コードベクトルに対応する第１行列を選択する第３選択手段と、
    　複数の第２コードベクトルおよび選択された前記第１行列を用い、前記第１符号が示す前記第１コードベクトルと、前記量子化対象ベクトルとの差である第１残差ベクトルを量子化し、第２符号を得る第２量子化手段と、
    　を具備するベクトル量子化装置。
  2. 　前記第２量子化手段は、
    　前記複数の第２コードベクトルそれぞれに対して、選択された前記第１行列を用いた行列演算を行い、前記行列演算後の前記複数の第２コードベクトルを用いて前記第１残差ベクトルを量子化する、
    　請求項１記載のベクトル量子化装置。
  3. 　前記第２量子化手段は、
    　前記第１残差ベクトルに対して、選択された前記第１行列の逆行列を用いた行列演算を行い、前記複数の第２コードベクトルを用いて前記行列演算後の前記第１残差ベクトルを量子化する、
    　請求項１記載のベクトル量子化装置。
  4. 　前記第１行列は回転行列である、
    　請求項１記載のベクトル量子化装置。
  5. 　前記選択手段は、さらに、前記複数の行列の中から、選択された前記分類用コードベクトルに対応する第２行列を選択し、
    　複数の第３コードベクトルおよび選択された前記第２行列を用い、前記第２符号が示す前記第１残差ベクトルと、前記第２コードベクトルとの差である第２残差ベクトルを量子化し、第３符号を得る第３量子化手段、をさらに具備する、
    　請求項１記載のベクトル量子化装置。
  6. 　前記第２行列は回転行列である、
    　請求項５記載のベクトル量子化装置。
  7. 　ベクトル量子化装置において量子化対象ベクトルを量子化して得られた第１符号と、前記量子化の量子化誤差をさらに量子化して得られた第２符号と、を受信する受信手段と、
    　複数の分類用コードベクトルの中から、前記量子化対象ベクトルとの相関を有する特徴の種類を示す分類用コードベクトルを選択する第１選択手段と、
    　複数の第１コードブックの中から、選択された前記分類用コードベクトルに対応する第１コードブックを選択する第２選択手段と、
    　選択された前記第１コードブックを構成する複数の第１コードベクトルの中から、前記第１符号に対応する第１コードベクトルを指定する第１逆量子化手段と、
    　複数の行列の中から、選択された前記分類用コードベクトルに対応する行列を選択する第３選択手段と、
    　複数の第２コードベクトルの中から前記第２符号に対応する第２コードベクトルを指定し、指定された前記第２コードベクトルと、選択された前記行列と、指定された前記第１コードベクトルとを用い、量子化ベクトルを得る第２逆量子化手段と、
    　を具備するベクトル逆量子化装置。
  8. 　複数の分類用コードベクトルの中から、量子化対象ベクトルとの相関を有する特徴の種類を示す分類用コードベクトルを選択するステップと、
    　複数の第１コードブックの中から、選択された前記分類用コードベクトルに対応する第１コードブックを選択するステップと、
    　選択された前記第１コードブックを構成する複数の第１コードベクトルを用いて前記量子化対象ベクトルを量子化し、第１符号を得るステップと、
    　複数の行列の中から、選択された前記分類用コードベクトルに対応する第１行列を選択するステップと、
    　複数の第２コードベクトルおよび選択された前記第１行列を用い、前記第１符号が示す前記第１コードベクトルと、前記量子化対象ベクトルとの差である第１残差ベクトルを量子化し、第２符号を得るステップと、
    　を有するベクトル量子化方法。
  9. 　ベクトル量子化装置において量子化対象ベクトルを量子化して得られた第１符号と、前記量子化の量子化誤差をさらに量子化して得られた第２符号と、を受信するステップと、
    　複数の分類用コードベクトルの中から、前記量子化対象ベクトルとの相関を有する特徴の種類を示す分類用コードベクトルを選択するステップと、
    　複数の第１コードブックの中から、選択された前記分類用コードベクトルに対応する第１コードブックを選択するステップと、
    　選択された前記第１コードブックを構成する複数の第１コードベクトルの中から、前記第１符号に対応する第１コードベクトルを指定するステップと、
    　複数の行列の中から、選択された前記分類用コードベクトルに対応する行列を選択するステップと、
    　複数の第２コードベクトルの中から前記第２符号に対応する第２コードベクトルを指定し、指定された前記第２コードベクトルと、選択された前記行列と、指定された前記第１コードベクトルとを用い、量子化ベクトルを得るステップと、
    　を有するベクトル逆量子化方法。
PCT/JP2010/000881 2009-02-13 2010-02-12 ベクトル量子化装置、ベクトル逆量子化装置、およびこれらの方法 WO2010092827A1 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
EP10741107.6A EP2398149B1 (en) 2009-02-13 2010-02-12 Vector quantization device, vector inverse-quantization device, and associated methods
US13/148,892 US8493244B2 (en) 2009-02-13 2010-02-12 Vector quantization device, vector inverse-quantization device, and methods of same
JP2010550471A JP5335004B2 (ja) 2009-02-13 2010-02-12 ベクトル量子化装置、ベクトル逆量子化装置、およびこれらの方法
RU2011134054/08A RU2519027C2 (ru) 2009-02-13 2010-02-12 Устройство векторного квантования, устройство векторного обратного квантования и способы для этого

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2009031651 2009-02-13
JP2009-031651 2009-02-13

Publications (1)

Publication Number Publication Date
WO2010092827A1 true WO2010092827A1 (ja) 2010-08-19

Family

ID=42561675

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2010/000881 WO2010092827A1 (ja) 2009-02-13 2010-02-12 ベクトル量子化装置、ベクトル逆量子化装置、およびこれらの方法

Country Status (5)

Country Link
US (1) US8493244B2 (ja)
EP (1) EP2398149B1 (ja)
JP (1) JP5335004B2 (ja)
RU (1) RU2519027C2 (ja)
WO (1) WO2010092827A1 (ja)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2541168C2 (ru) * 2010-09-02 2015-02-10 Майкрософт Корпорейшн Формирование и применение кодовой подкниги кодовой книги кодирования с контролем ошибок
JP2017509926A (ja) * 2014-03-28 2017-04-06 サムスン エレクトロニクス カンパニー リミテッド 線形予測係数量子化方法及びその装置、並びに線形予測係数逆量子化方法及びその装置
US10504532B2 (en) 2014-05-07 2019-12-10 Samsung Electronics Co., Ltd. Method and device for quantizing linear predictive coefficient, and method and device for dequantizing same

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9236063B2 (en) 2010-07-30 2016-01-12 Qualcomm Incorporated Systems, methods, apparatus, and computer-readable media for dynamic bit allocation
US9208792B2 (en) 2010-08-17 2015-12-08 Qualcomm Incorporated Systems, methods, apparatus, and computer-readable media for noise injection
EP3547261B1 (en) * 2012-03-29 2023-08-09 Telefonaktiebolaget LM Ericsson (publ) Vector quantizer
KR101821532B1 (ko) 2012-07-12 2018-03-08 노키아 테크놀로지스 오와이 벡터 양자화

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH04351018A (ja) * 1991-05-28 1992-12-04 Fujitsu Ltd ゲイン・シェープベクトル量子化方式
JPH08275163A (ja) * 1995-03-31 1996-10-18 Canon Inc 画像処理装置およびその方法
JPH09120300A (ja) * 1995-10-25 1997-05-06 Fujitsu Ltd ベクトル量子化装置
JPH09258794A (ja) * 1996-03-18 1997-10-03 Fujitsu Ltd ベクトル量子化装置
JP2956473B2 (ja) * 1994-04-21 1999-10-04 日本電気株式会社 ベクトル量子化装置
JP3257386B2 (ja) * 1996-02-01 2002-02-18 松下電器産業株式会社 ベクトル量子化方法
WO2006030865A1 (ja) 2004-09-17 2006-03-23 Matsushita Electric Industrial Co., Ltd. スケーラブル符号化装置、スケーラブル復号化装置、スケーラブル符号化方法、スケーラブル復号化方法、通信端末装置および基地局装置
WO2006062202A1 (ja) * 2004-12-10 2006-06-15 Matsushita Electric Industrial Co., Ltd. 広帯域符号化装置、広帯域ｌｓｐ予測装置、帯域スケーラブル符号化装置及び広帯域符号化方法
WO2008047795A1 (fr) * 2006-10-17 2008-04-24 Panasonic Corporation Dispositif de quantification vectorielle, dispositif de quantification vectorielle inverse et procédé associé
JP2009031651A (ja) 2007-07-30 2009-02-12 Canon Inc 画像形成装置、その制御方法、及びプログラム

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH03257386A (ja) 1990-03-07 1991-11-15 Toshiba Corp 発電機脱調予測の誤判定防止方法
US5765127A (en) * 1992-03-18 1998-06-09 Sony Corp High efficiency encoding method
JP3224955B2 (ja) * 1994-05-27 2001-11-05 株式会社東芝 ベクトル量子化装置およびベクトル量子化方法
DE69628083T2 (de) 1995-03-31 2003-12-04 Canon K.K., Tokio/Tokyo Bildverarbeitungsgerät und Methode
JPH09311732A (ja) * 1996-05-23 1997-12-02 Olympus Optical Co Ltd 光学的手法を用いたベクトル照合装置とそれを用いたベクトル量子化演算装置
WO1999016050A1 (en) 1997-09-23 1999-04-01 Voxware, Inc. Scalable and embedded codec for speech and audio signals
US6067515A (en) * 1997-10-27 2000-05-23 Advanced Micro Devices, Inc. Split matrix quantization with split vector quantization error compensation and selective enhanced processing for robust speech recognition
CA2429832C (en) * 2000-11-30 2011-05-17 Matsushita Electric Industrial Co., Ltd. Lpc vector quantization apparatus
US7003454B2 (en) * 2001-05-16 2006-02-21 Nokia Corporation Method and system for line spectral frequency vector quantization in speech codec
CA2415105A1 (en) * 2002-12-24 2004-06-24 Voiceage Corporation A method and device for robust predictive vector quantization of linear prediction parameters in variable bit rate speech coding

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH04351018A (ja) * 1991-05-28 1992-12-04 Fujitsu Ltd ゲイン・シェープベクトル量子化方式
JP2956473B2 (ja) * 1994-04-21 1999-10-04 日本電気株式会社 ベクトル量子化装置
JPH08275163A (ja) * 1995-03-31 1996-10-18 Canon Inc 画像処理装置およびその方法
JPH09120300A (ja) * 1995-10-25 1997-05-06 Fujitsu Ltd ベクトル量子化装置
JP3257386B2 (ja) * 1996-02-01 2002-02-18 松下電器産業株式会社 ベクトル量子化方法
JPH09258794A (ja) * 1996-03-18 1997-10-03 Fujitsu Ltd ベクトル量子化装置
WO2006030865A1 (ja) 2004-09-17 2006-03-23 Matsushita Electric Industrial Co., Ltd. スケーラブル符号化装置、スケーラブル復号化装置、スケーラブル符号化方法、スケーラブル復号化方法、通信端末装置および基地局装置
WO2006062202A1 (ja) * 2004-12-10 2006-06-15 Matsushita Electric Industrial Co., Ltd. 広帯域符号化装置、広帯域ｌｓｐ予測装置、帯域スケーラブル符号化装置及び広帯域符号化方法
WO2008047795A1 (fr) * 2006-10-17 2008-04-24 Panasonic Corporation Dispositif de quantification vectorielle, dispositif de quantification vectorielle inverse et procédé associé
JP2009031651A (ja) 2007-07-30 2009-02-12 Canon Inc 画像形成装置、その制御方法、及びプログラム

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
ALLEN GERSHO, ROBERT M. GRAY: "Vector quantization and information compression", 10 November 1998, CORONA PUBLISHING CO.,LTD. CORONA PUBLISHING CO.,LTD., pages: 491 - 493
ALLEN GERSHO, ROBERT M. GRAY: "Vector quantization and information compression", 10 November 1998, CORONA PUBLISHING CO.,LTD., pages: 506,524 - 531
See also references of EP2398149A4 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2541168C2 (ru) * 2010-09-02 2015-02-10 Майкрософт Корпорейшн Формирование и применение кодовой подкниги кодовой книги кодирования с контролем ошибок
US9363043B2 (en) 2010-09-02 2016-06-07 Microsoft Technology Licensing, Llc Generation and application of a sub-codebook of an error control coding codebook
RU2668988C2 (ru) * 2010-09-02 2018-10-05 Майкрософт Корпорейшн Формирование и применение кодовой подкниги кодовой книги кодирования с контролем ошибок
JP2017509926A (ja) * 2014-03-28 2017-04-06 サムスン エレクトロニクス カンパニー リミテッド 線形予測係数量子化方法及びその装置、並びに線形予測係数逆量子化方法及びその装置
US10515646B2 (en) 2014-03-28 2019-12-24 Samsung Electronics Co., Ltd. Method and device for quantization of linear prediction coefficient and method and device for inverse quantization
US11450329B2 (en) 2014-03-28 2022-09-20 Samsung Electronics Co., Ltd. Method and device for quantization of linear prediction coefficient and method and device for inverse quantization
US10504532B2 (en) 2014-05-07 2019-12-10 Samsung Electronics Co., Ltd. Method and device for quantizing linear predictive coefficient, and method and device for dequantizing same
US11238878B2 (en) 2014-05-07 2022-02-01 Samsung Electronics Co., Ltd. Method and device for quantizing linear predictive coefficient, and method and device for dequantizing same
US11922960B2 (en) 2014-05-07 2024-03-05 Samsung Electronics Co., Ltd. Method and device for quantizing linear predictive coefficient, and method and device for dequantizing same

Also Published As

Publication number Publication date
EP2398149A1 (en) 2011-12-21
US8493244B2 (en) 2013-07-23
JPWO2010092827A1 (ja) 2012-08-16
EP2398149A4 (en) 2012-11-28
RU2519027C2 (ru) 2014-06-10
RU2011134054A (ru) 2013-03-20
US20110316732A1 (en) 2011-12-29
JP5335004B2 (ja) 2013-11-06
EP2398149B1 (en) 2014-05-07

Similar Documents

Publication Publication Date Title
JP5419714B2 (ja) ベクトル量子化装置、ベクトル逆量子化装置、およびこれらの方法
JP5300733B2 (ja) ベクトル量子化装置、ベクトル逆量子化装置、およびこれらの方法
JP5335004B2 (ja) ベクトル量子化装置、ベクトル逆量子化装置、およびこれらの方法
JPWO2008047795A1 (ja) ベクトル量子化装置、ベクトル逆量子化装置、およびこれらの方法
JP5190445B2 (ja) 符号化装置および符号化方法
WO2009090875A1 (ja) ベクトル量子化装置、ベクトル逆量子化装置、およびこれらの方法
JP5687706B2 (ja) 量子化装置及び量子化方法
JP6195138B2 (ja) 音声符号化装置及び音声符号化方法
JPH0764599A (ja) 線スペクトル対パラメータのベクトル量子化方法とクラスタリング方法および音声符号化方法並びにそれらの装置
JP2003345392A (ja) 分割型スケーリング因子を用いたスペクトル包絡パラメータのベクトル量子化器
WO2012053149A1 (ja) 音声分析装置、量子化装置、逆量子化装置、及びこれらの方法

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 10741107

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2010550471

Country of ref document: JP

Kind code of ref document: A

WWE Wipo information: entry into national phase

Ref document number: 2010741107

Country of ref document: EP

WWE Wipo information: entry into national phase

Ref document number: 13148892

Country of ref document: US

NENP Non-entry into the national phase

Ref country code: DE

WWE Wipo information: entry into national phase

Ref document number: 2011134054

Country of ref document: RU