WO2011052191A1

WO2011052191A1 - トーン判定装置およびトーン判定方法

Info

Publication number: WO2011052191A1
Application number: PCT/JP2010/006329
Authority: WO
Inventors: 佐藤薫
Original assignee: パナソニック株式会社
Priority date: 2009-10-26
Filing date: 2010-10-26
Publication date: 2011-05-05
Also published as: JP5511839B2; EP2495721B1; JPWO2011052191A1; EP2495721A1; US20120215524A1; EP2495721A4; US8670980B2

Abstract

　現フレームの周波数成分と前フレームの周波数成分との相関により入力信号のトーン性を判定するトーン判定装置において、計算量を低減させることができる。この装置において、周波数変換部（１０１）は、入力信号を周波数変換し、ダウンサンプリング部（１０２）は、周波数変換後の信号のベクトル系列長を短縮する短縮処理を行い、定常性判定部（１０７）は、入力信号の定常性を判定し、ベクトル選択部（１０４）は、入力信号の定常性に応じて、周波数変換後の信号のベクトル系列、または、ベクトル系列長短縮後のベクトル系列のいずれかを選択し、相関分析部（１０５）は、ベクトル選択部（１０４）で選択されたベクトル系列を用いて相関を求め、トーン判定部（１０６）は、相関を用いて入力信号のトーン性を判定する。

Description

トーン判定装置およびトーン判定方法

　本発明は、トーン判定装置およびトーン判定方法に関する。

　ディジタル無線通信、インターネット通信に代表されるパケット通信、または、音声蓄積等の分野においては、電波等の伝送路の容量または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り、これまでに多くの音声符号化／復号方式が開発されてきた。その中で、ＣＥＬＰ（Code Excited Linear Prediction）方式の音声符号化／復号方式が主流の方式として実用化されている。

　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コード化する。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程度のフレームに区切り、フレーム毎に音声信号の線形予測分析を行い、線形予測係数および線形予測残差ベクトルを求め、線形予測係数および線形予測残差ベクトルをそれぞれ個別に符号化する。

　また、入力信号に応じてビットレートを変更する可変レート符号化装置も実現されている。可変レート符号化装置では、入力信号が主に音声情報を多く含む場合には高いビットレートで入力信号を符号化し、入力信号が主に雑音情報を多く含む場合には低いビットレートで入力信号を符号化することが可能である。すなわち、重要な情報を多く含む場合には高品質な符号化により、復号装置側で再生される出力信号の高品質化を図る。一方で、重要性が低い場合には低品質な符号化に抑えることにより、電力、伝送帯域等を節約することができる。このように、入力信号の特徴（例えば、有声性、無声性、トーン性等）を検出し、検出結果に応じて符号化方法を変更することにより、入力信号の特徴に適した符号化を行うことができ、符号化性能を向上させることができる。

　入力信号が音声情報であるか、雑音情報であるかを分類する方法としてＶＡＤ（Voice Active Detector）がある。具体的には、（１）入力信号を量子化してクラス分類を行い、クラス情報から音声情報／雑音情報を分類する方法、（２）入力信号の基本周期を求め、基本周期の長さだけ遡った信号と現信号との相関の高さに応じて音声情報／雑音情報を分類する方法、（３）入力信号の周波数成分の時間変動を調べ、変動情報に応じて音声情報／雑音情報を分類する方法等がある。

　また、ＳＤＦＴ（Shifted Discrete Fourier Transform）により入力信号の周波数成分を求め、現フレームの周波数成分と前フレームの周波数成分との相関の高さに応じて入力信号のトーン性を分類する技術がある（例えば、特許文献１）。上記特許文献１開示の技術では、トーン性に応じて周波数帯域拡張の方法を切り替えることにより、符号化性能の向上を図っている。

国際公開第２００７／０５２０８８号パンフレット

　しかしながら、上記特許文献１開示のようなトーン判定装置、すなわち、ＳＤＦＴにより入力信号の周波数成分（入力信号のＳＤＦＴ係数）を求め、現フレームのＳＤＦＴ係数と前フレームのＳＤＦＴ係数との相関により入力信号のトーン性を検出するトーン判定装置においては、ＳＤＦＴ係数のすべての周波数帯域を考慮して相関を求めているため、計算量が大きくなってしまうという課題があった。

　本発明は、かかる点に鑑みてなされたものであり、入力信号の周波数成分（入力信号のＳＤＦＴ係数）を求め、現フレームのＳＤＦＴ係数と前フレームのＳＤＦＴ係数との相関により入力信号のトーン性を判定するトーン判定装置およびトーン判定方法において、計算量を低減させることを目的とする。

　本発明のトーン判定装置は、入力信号を周波数変換する変換手段と、周波数変換後の信号のベクトル系列長を短縮する短縮処理を行う短縮手段と、前記入力信号の定常性を判定する定常性判定手段と、前記入力信号の定常性に応じて、周波数変換後の信号のベクトル系列、または、ベクトル系列長短縮後のベクトル系列のいずれかを選択する選択手段と、前記選択手段で選択されたベクトル系列を用いて相関を求める相関手段と、前記相関を用いて前記入力信号のトーン性を判定するトーン判定手段と、を具備する構成を採る。

　本発明のトーン判定方法は、入力信号を周波数変換する変換ステップと、周波数変換後の信号のベクトル系列長を短縮する短縮処理を行う短縮ステップと、前記入力信号の定常性を判定する定常性判定ステップと、前記定常性に応じて、周波数変換後の信号のベクトル系列、または、ベクトル系列長短縮後のベクトル系列のいずれかを選択する選択ステップと、前記選択ステップで選択されたベクトル系列を用いて相関を求める相関ステップと、前記相関を用いて前記入力信号のトーン性を判定するトーン判定ステップと、を具備する構成を採る。

　本発明によれば、トーン判定に要する計算量を低減させることができる。

本発明の実施の形態１に係るトーン判定装置の主要な構成を示すブロック図本発明の実施の形態１に係るＳＤＦＴ係数の短縮処理の様子を表す図本発明の実施の形態１に係るＳＤＦＴ係数の短縮処理の様子を表す図本発明の実施の形態１に係るＳＤＦＴ係数の短縮処理のその他の様子を表す図本発明の実施の形態２に係るＳＤＦＴ係数の短縮処理の様子を表す図本発明の実施の形態３に係る符号化装置の主要な構成を示すブロック図本発明のバリエーションを示す図本発明のバリエーションを示す図

　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。

　（実施の形態１）
　図１は、本実施の形態に係るトーン判定装置１００の主要な構成を示すブロック図である。ここでは、トーン判定装置１００が、入力信号のトーン性を判定し、判定結果を出力する場合を例にとって説明する。

　図１において、周波数変換部１０１は、ＳＤＦＴを用いて入力信号の周波数変換を行い、周波数変換により求められる周波数成分であるＳＤＦＴ係数（周波数変換後の信号のベクトル系列）をダウンサンプリング部１０２とバッファ１０３とに出力する。

　ダウンサンプリング部１０２は、周波数変換部１０１から入力されるＳＤＦＴ係数に対してダウンサンプリング処理を行い、ＳＤＦＴ係数の系列長（つまり、周波数変換後の信号のベクトル系列長）を短縮する短縮処理を行う。そして、ダウンサンプリング部１０２は、ダウンサンプリング後のＳＤＦＴ係数（ベクトル系列長短縮後のベクトル系列）をバッファ１０３に出力する。

　バッファ１０３は、前フレームのＳＤＦＴ係数と、前フレームのダウンサンプリング後のＳＤＦＴ係数とを内部に格納しており、これら２つのＳＤＦＴ係数をベクトル選択部１０４に出力する。次いで、バッファ１０３は、周波数変換部１０１から現フレームのＳＤＦＴ係数を入力されるとともに、ダウンサンプリング部１０２から現フレームのダウンサンプリング後のＳＤＦＴ係数を入力され、これらの２つのＳＤＦＴ係数をベクトル選択部１０４に出力する。そして、バッファ１０３は、内部に格納されている前フレームの上記２つのＳＤＦＴ係数（前フレームのＳＤＦＴ係数および前フレームのダウンサンプリング後のＳＤＦＴ係数）と、現フレームの上記２つのＳＤＦＴ係数（現フレームのＳＤＦＴ係数および現フレームのダウンサンプリング後のＳＤＦＴ係数）とをそれぞれ入れ替えることにより、バッファ１０３の内部に格納するＳＤＦＴ係数を更新する。

　ベクトル選択部１０４は、バッファ１０３から前フレームのＳＤＦＴ係数と、前フレームのダウンサンプリング後のＳＤＦＴ係数と、現フレームのＳＤＦＴ係数と、現フレームのダウンサンプリング後のＳＤＦＴ係数とを入力されるとともに、定常性判定部１０７から定常性情報を入力される。ここで、定常性情報とは、定常性判定部１０７が入力信号のトーン性の定常性を判定し、判定結果に基づいて、どのようにベクトルの決定を行うかをベクトル選択部１０４に指示する情報である。次いで、ベクトル選択部１０４は、定常性情報に応じて、トーン判定部１０６でのトーン判定に用いるＳＤＦＴ係数を決定する。具体的には、ベクトル選択部１０４は、定常性に応じて、周波数変換により求められるＳＤＦＴ係数（周波数変換後の信号のベクトル系列）またはダウンサンプリング後のＳＤＦＴ係数（ベクトル系列長短縮後のベクトル系列）のいずれかを選択する。そして、ベクトル選択部１０４は、選択したＳＤＦＴ係数を相関分析部１０５に出力する。

　相関分析部１０５は、ベクトル選択部１０４から入力される前フレームのＳＤＦＴ係数および現フレームのＳＤＦＴ係数を用いて、ＳＤＦＴ係数のフレーム間での相関を求め、求めた相関をトーン判定部１０６に出力する。

　トーン判定部１０６は、相関分析部１０５から入力される相関の値を用いて入力信号のトーン性を判定する。そして、トーン判定部１０６は、判定結果を示すトーン情報を定常性判定部１０７に出力する。また、トーン判定部１０６は、トーン判定装置１００の出力としてトーン情報を出力する。

　定常性判定部１０７は、トーン判定部１０６からトーン情報を入力される。また、定常性判定部１０７の内部には過去のトーン情報が格納されている。定常性判定部１０７は、トーン判定部１０６から入力されるトーン情報と、過去のトーン情報とに基づいて、入力信号のトーン性の定常性を判定する。そして、定常性判定部１０７は、判定結果を定常性情報としてベクトル選択部１０４に出力する。この定常性情報は、次のフレームでのトーン判定の際にベクトル選択部１０４で用いられる。また、定常性判定部１０７は、トーン判定部１０６から入力されたトーン情報を、過去のトーン情報として内部に格納する。

　次に、トーン判定対象となる入力信号の次数が２Ｎ次（Ｎは１以上の整数）である場合を例にとって、トーン判定装置１００の動作について説明する。なお、以下の説明では、入力信号をｘ（ｎ）（ｎ＝０，１，…，２Ｎ－１）と記す。

　周波数変換部１０１は、入力信号ｘ（ｎ）（ｎ＝０，１，…，２Ｎ－１）を入力され、下記の式（１）に従って周波数変換を行い、得られたＳＤＦＴ係数Ｙ（ｋ）（ｋ＝０，１，…，Ｎ）をダウンサンプリング部１０２とバッファ１０３とに出力する。

　ここで、ｈ（ｎ）は窓関数であり、ＭＤＣＴ窓関数等が使用される。また、ｕは時間シフトの係数、ｖは周波数シフトの係数であり、例えば、ｕ＝（Ｎ＋１）／２、ｖ＝１／２のように設定される。

　ダウンサンプリング部１０２は、周波数変換部１０１からＳＤＦＴ係数Ｙ（ｋ）（ｋ＝０，１，…，Ｎ）を入力され、下記の式（２）に従ってダウンサンプリング処理を行う。

　ここで、ｎ＝ｍ×２が成り立ち、ｍは１からＮ／２－１までの値をとる。ｍ＝０の場合は、ダウンサンプリングを行わずにＹ＿ｒｅ（０）＝Ｙ（０）としてもよい。ここで、フィルタ係数［ｊ０，ｊ１，ｊ２，ｊ３］には折り返し歪みが生じないように設計された低域通過フィルタ係数を設定する。例えば、入力信号のサンプリング周波数が３２０００Ｈｚであるとき、ｊ０＝０.１９５、ｊ１＝０.３、ｊ２＝０.３、ｊ３＝０.１９５に設定すると良好な結果が得られることが判っている。

　そして、ダウンサンプリング部１０２は、ダウンサンプリング後のＳＤＦＴ係数Ｙ＿ｒｅ（ｋ）（ｋ＝０，１，…，Ｎ／２－１）をバッファ１０３に出力する。

　バッファ１０３は、周波数変換部１０１からＳＤＦＴ係数Ｙ（ｋ）（ｋ＝０，１，…，Ｎ）を入力されるとともに、ダウンサンプリング部１０２からダウンサンプリング後のＳＤＦＴ係数Ｙ＿ｒｅ（ｋ）（ｋ＝０，１，…，Ｎ／２－１）を入力される。また、バッファ１０３は、内部に格納されている前フレームのＳＤＦＴ係数Ｙ＿ｐｒｅ（ｋ）（ｋ＝０，１，…，Ｎ）と、前フレームのダウンサンプリング後のＳＤＦＴ係数Ｙ＿ｒｅ＿ｐｒｅ（ｋ）（ｋ＝０，１，…，Ｎ／２－１）とをベクトル選択部１０４に出力する。また、バッファ１０３は、現フレームのＳＤＦＴ係数Ｙ（ｋ）（ｋ＝０，１，…，Ｎ）と、現フレームのダウンサンプリング後のＳＤＦＴ係数Ｙ＿ｒｅ（ｋ）（ｋ＝０，１，…，Ｎ／２－１）とをベクトル選択部１０４に出力する。そして、バッファ１０３は、現フレームのＳＤＦＴ係数Ｙ（ｋ）（ｋ＝０，１，…，Ｎ）をＹ＿ｐｒｅ（ｋ）（ｋ＝０，１，…，Ｎ）として内部に格納し、現フレームのダウンサンプリング後のＳＤＦＴ係数Ｙ＿ｒｅ（ｋ）（ｋ＝０，１，…，Ｎ／２－１）をＹ＿ｒｅ＿ｐｒｅ（ｋ）（ｋ＝０，１，…，Ｎ／２－１）として内部に格納する。すなわち、バッファ１０３は、現フレームのＳＤＦＴ係数と前フレームのＳＤＦＴ係数とを入れ替えることにより、バッファ１０３の更新を行う。

　ベクトル選択部１０４は、バッファ１０３から現フレームのＳＤＦＴ係数Ｙ（ｋ）（ｋ＝０，１，…，Ｎ）と、現フレームのダウンサンプリング後のＳＤＦＴ係数Ｙ＿ｒｅ（ｋ）（ｋ＝０，１，…，Ｎ／２－１）と、前フレームのＳＤＦＴ係数Ｙ＿ｐｒｅ（ｋ）（ｋ＝０，１，…，Ｎ）と、前フレームのダウンサンプリング後のＳＤＦＴ係数Ｙ＿ｒｅ＿ｐｒｅ（ｋ）（ｋ＝０，１，…，Ｎ／２－１）とを入力されるとともに、定常性判定部１０７から定常性情報ＳＩを入力される。次いで、ベクトル選択部１０４は、定常性情報ＳＩに応じて、相関分析部１０５に出力するＳＤＦＴ係数を決定する。

　ここでは、定常性情報ＳＩが、ＳＩ＝０（入力信号に定常性が無い場合）およびＳＩ＝１（入力信号に定常性が有る場合）の２通りのいずれかを示す場合について説明する。定常性情報ＳＩ＝０の場合（入力信号に定常性が無い場合）、ベクトル選択部１０４は、ダウンサンプリングしていないＳＤＦＴ係数を選択する。そして、ベクトル選択部１０４は、定常性情報ＳＩと、現フレームのＳＤＦＴ係数Ｙ（ｋ）（ｋ＝０，１，…，Ｎ）と、前フレームのＳＤＦＴ係数Ｙ＿ｐｒｅ（ｋ）（ｋ＝０，１，…，Ｎ）と、を相関分析部１０５に出力する。

　一方、定常性情報ＳＩ＝１の場合（入力信号に定常性が有る場合）、ベクトル選択部１０４は、ダウンサンプリング後のＳＤＦＴ係数を選択する。そして、ベクトル選択部１０４は、定常性情報ＳＩと、現フレームのダウンサンプリング後のＳＤＦＴ係数Ｙ＿ｒｅ（ｋ）（ｋ＝０，１，…，Ｎ／２－１）と、前フレームのダウンサンプリング後のＳＤＦＴ係数Ｙ＿ｒｅ＿ｐｒｅ（ｋ）（ｋ＝０，１，…，Ｎ／２－１）と、を相関分析部１０５に出力する。

　相関分析部１０５は、ベクトル選択部１０４から定常性情報ＳＩと、ＳＤＦＴ係数とを入力され、定常性情報ＳＩに応じて、ＳＤＦＴ係数のフレーム間での相関を計算する。具体的には、定常性情報ＳＩ＝０の場合、相関分析部１０５は、下記の式（３）に従って、相関Ｓを求める。

　一方、定常性情報ＳＩ＝１の場合、相関分析部１０５は、下記の式（４）に従って、相関Ｓを求める。

　そして、相関分析部１０５は、求めた相関Ｓをトーン判定部１０６に出力する。

　トーン判定部１０６は、相関分析部１０５から入力される相関Ｓを用いてトーン性を判定し、判定したトーン性をトーン情報として出力する。具体的には、トーン判定部１０６は、相関Ｓと、トーン判定の基準値である閾値Ｔとを比較し、Ｔ＞Ｓが成り立つ場合は現フレームを「トーン」と判定し、成り立たない場合は現フレームを「非トーン」と判定すればよい。閾値Ｔの値は、学習により統計的に適した値を求めておけばよい。また、上記特許文献１に開示されている方法でトーン性を判定してもよい。また、複数の閾値を設定し、段階的にトーンの度合いを判定してもよい。そして、トーン判定部１０６は、トーン情報（例えば、「トーン」を１とし、「非トーン」を０とする）を定常性判定部１０７に出力する。

　定常性判定部１０７は、トーン判定部１０６から入力されるトーン情報を用いて、入力信号のトーン性の定常性を判定する。例えば、定常性判定部１０７は、入力されるトーン情報と過去に入力されたトーン情報とを参照し、トーン情報に示されるトーン性が「トーン」であるフレームが、現フレームまでに一定数以上連続している場合、入力信号のトーン性に定常性が有ると判定し、定常性情報ＳＩをＳＩ＝１に設定する。そして、定常性判定部１０７は、次のフレームのトーン判定処理の際に定常性情報ＳＩ（＝１）をベクトル選択部１０４に出力する。これは、入力信号が「トーン」の状態で比較的安定していることを考慮し、計算量の削減を重視してダウンサンプリング後のＳＤＦＴ係数を用いて相関Ｓを計算するようにベクトル選択部１０４および相関分析部１０５に指示することを意味する。

　一方、定常性判定部１０７は、トーン情報に示されるトーン性が「トーン」であるフレームが現フレームまでに一定数以上連続していない場合、入力信号のトーン性に定常性が無いと判定し、定常性情報ＳＩをＳＩ＝０に設定する。そして、定常性判定部１０７は、次のフレームのトーン判定処理の際に定常性情報ＳＩ（＝０）をベクトル選択部１０４に出力する。これは、入力信号のトーン性が不安定であることを考慮し、ダウンサンプリングしていないＳＤＦＴ係数を用いて相関Ｓを精確に計算するようにベクトル選択部１０４および相関分析部１０５に指示することを意味する。

　ここで、トーン判定装置１００におけるＳＤＦＴ係数（ベクトル系列）の短縮処理の様子を表すと図２Ａおよび図２Ｂに示すようになる。図２Ａおよび図２Ｂにおいて、トーン判定部１０６で入力信号のトーン性が「トーン」と判定された場合におけるトーン情報を「１」とし、トーン判定部１０６で入力信号のトーン性が「非トーン」と判定された場合におけるトーン情報を「０」とする。

　例えば、図２Ａに示すフレーム＃（α－１）では、トーン情報が１（つまり、「トーン」）であるフレームが現フレームまでに一定数以上連続していないとする。そのため、定常性判定部１０７は、入力信号のトーン性に定常性が無いと判定し、定常性情報ＳＩをＳＩ＝０に設定する。そして、定常性判定部１０７は、次のフレーム＃αのトーン判定処理の際に、定常性情報ＳＩ＝０をベクトル選択部１０４に出力する。

　よって、ベクトル選択部１０４は、図２Ａに示すフレーム＃αでは、定常性判定部１０７から入力される定常性情報ＳＩがＳＩ＝０であるので、ダウンサンプリングしていないＳＤＦＴ係数（現フレーム（図２Ａに示すフレーム＃α）のＳＤＦＴ係数Ｙ（ｋ）、および、前フレーム（図２Ａに示すフレーム＃（α－１））のＳＤＦＴ係数Ｙ＿ｐｒｅ（ｋ））を選択する。そして、ベクトル選択部１０４は、定常性情報ＳＩ（＝０）および選択したＳＤＦＴ係数（ベクトル系列）を相関分析部１０５に出力する。

　次いで、相関分析部１０５は、ベクトル選択部１０４から入力される定常性情報ＳＩがＳＩ＝０であるので、上式（３）に従って、相関Ｓを求める。つまり、相関分析部１０５は、入力信号のトーン性に定常性が無い場合には、ダウンサンプリングしていないＳＤＦＴ係数を用いて相関Ｓを求める。

　次いで、図２Ａに示すフレーム＃αでは、トーン判定部１０６で判定されたトーン性が「トーン」（つまり、トーン情報が１）であるとする。また、図２Ａに示すフレーム＃αでは、トーン情報が１（つまり、「トーン」）であるフレームが現フレームまでに一定数以上連続したとする。そのため、定常性判定部１０７は、入力信号のトーン性に定常性が有ると判定し、定常性情報ＳＩをＳＩ＝１に設定する。そして、定常性判定部１０７は、次のフレーム＃（α＋１）のトーン判定処理の際に、定常性情報ＳＩ＝１をベクトル選択部１０４に出力する。

　よって、ベクトル選択部１０４は、図２Ａに示すフレーム＃（α＋１）では、定常性判定部１０７から入力される定常性情報ＳＩがＳＩ＝１であるので、ダウンサンプリング後のＳＤＦＴ係数（現フレーム（図２Ａに示すフレーム＃（α＋１））のダウンサンプリング後のＳＤＦＴ係数Ｙ＿ｒｅ（ｋ）、および、前フレーム（図２Ａに示すフレーム＃α）のダウンサンプリング後のＳＤＦＴ係数Ｙ＿ｒｅ＿ｐｒｅ（ｋ））を選択する。そして、ベクトル選択部１０４は、定常性情報ＳＩ（＝１）および選択したＳＤＦＴ係数（ベクトル系列）を相関分析部１０５に出力する。

　次いで、相関分析部１０５は、ベクトル選択部１０４から入力される定常性情報ＳＩがＳＩ＝１であるので、上式（４）に従って、相関Ｓを求める。つまり、相関分析部１０５は、入力信号のトーン性に定常性が有る場合には、ダウンサンプリング後のＳＤＦＴ係数を用いて相関Ｓを求める。

　また、図２Ａにおいて、フレーム＃（α＋２）以降でも、トーン情報が「トーン」であるフレームが現フレームまでに一定数以上連続する場合には、上述したフレーム＃（α＋１）と同様、ベクトル選択部１０４は、次のフレームにおいて、ダウンサンプリング後のＳＤＦＴ係数を選択し、相関分析部１０５は、ダウンサンプリング後のＳＤＦＴ係数を用いて相関Ｓを求める。

　このようにして、トーン判定装置１００は、トーン性が「トーン」であるフレームが現フレームまでに一定数以上連続する場合（例えば、音声区間または音楽区間が連続している場合）には、入力信号が定常的（入力信号のトーン性が安定している状態）であると判断する。そして、トーン判定装置１００は、トーン性が安定している状態では、ダウンサンプリング後のＳＤＦＴ係数、つまり、系列長が短縮されたＳＤＦＴ係数を用いて相関Ｓを求める。このように、トーン性が安定している状態では、トーン性が強くなっている（相関Ｓと閾値Ｔとの間でＳ＜＜Ｔが成り立つ）と考えられる。このため、比較的粗い精度でトーン性判定を行っても良好な判定が行えるという根拠に基づき、トーン判定装置１００は、ＳＤＦＴ係数の系列長を短縮することで、トーン性判定の誤りを起こさない程度に計算量を削減することができる。

　次に、例えば、図２Ｂに示すフレーム＃（β－２）および＃（β－１）では、トーン情報が１（つまり、「トーン」）であるフレームが現フレームまでに一定数以上連続しているとする。そのため、定常性判定部１０７は、入力信号のトーン性に定常性が有ると判定し、定常性情報ＳＩをＳＩ＝１に設定する。そして、定常性判定部１０７は、次のフレーム＃（β－１）および＃βのトーン判定処理の際に、定常性情報ＳＩ＝１をベクトル選択部１０４に出力する。そして、図２Ａに示すフレーム＃（α＋１）と同様にして、ベクトル選択部１０４は、フレーム＃（β－１）および＃βでは、ダウンサンプリング後のＳＤＦＴ係数を選択し、相関分析部１０５は上式（４）に従って相関Ｓを求める。

　次いで、図２Ｂに示すフレーム＃βでは、トーン判定部１０６で判定されたトーン性が「非トーン」（つまり、トーン情報が０）であるとする。つまり、図２Ｂに示すフレーム＃βでは、トーン情報が１（つまり、「トーン」）であるフレームは現フレームまでに一定数以上連続していない。そのため、定常性判定部１０７は、入力信号のトーン性に定常性が無いと判定し、定常性情報ＳＩをＳＩ＝０に設定する。そして、定常性判定部１０７は、次のフレーム＃（β＋１）のトーン判定処理の際に、定常性情報ＳＩ＝０をベクトル選択部１０４に出力する。

　よって、ベクトル選択部１０４は、図２Ｂに示すフレーム＃（β＋１）では、定常性判定部１０７から入力される定常性情報ＳＩがＳＩ＝０であるので、ダウンサンプリングしていないＳＤＦＴ係数（現フレーム（図２Ｂに示すフレーム＃（β＋１））のＳＤＦＴ係数Ｙ（ｋ）、および、前フレーム（図２Ｂに示すフレーム＃β）のＳＤＦＴ係数Ｙ＿ｐｒｅ（ｋ））を選択する。そして、ベクトル選択部１０４は、定常性情報ＳＩ（＝０）および選択したＳＤＦＴ係数（ベクトル系列）を相関分析部１０５に出力する。

　このようにして、トーン性が安定している状態（トーン性が「トーン」であるフレームが一定数以上連続する場合）から、トーン性の判定結果が反転した場合（トーン性が「非トーン」に反転した場合）、トーン判定装置１００は、入力信号が非定常的（入力信号のトーン性が不安定な状態）であると判断する。そして、トーン判定装置１００は、トーン性の判定結果が「トーン」から「非トーン」へ反転した場合には、ＳＤＦＴ係数の短縮をリセットして、ダウンサンプリングしていないＳＤＦＴ係数を用いて相関Ｓを求める。すなわち、トーン判定装置１００は、トーン性が不安定な状態ではＳＤＦＴ係数すべての系列を用いるため、フレーム間の相関Ｓを精確に求めることができる。

　このように、本実施の形態によれば、入力信号のトーン性が定常的である場合には、フレーム間の相関を求める前にダウンサンプリングを行ってＳＤＦＴ係数（ベクトル系列）を短縮する。このため、相関の計算に用いるＳＤＦＴ係数（ベクトル系列）の長さが従来に比べて短くなる。よって、本実施の形態によれば、入力信号のトーン性の判定に要する計算量を低減することができる。

　また、本実施の形態によれば、トーン判定装置は、入力信号のトーン性が「トーン」として安定している場合にのみＳＤＦＴ係数（ベクトル系列）の短縮を行うことで、入力信号のトーン判定に要する計算量を低減する。一方、トーン判定装置は、入力信号のトーン性が不安定な状態には、ＳＤＦＴ係数の短縮を行わないことで、トーン判定に用いる相関を精確に求めることができる。すなわち、本実施の形態では、トーン判定装置は、入力信号のトーン性の定常性に応じてフレーム間の相関算出に用いるＳＤＦＴ係数を選択することで、相関の精度を粗くして計算量を削減したトーン判定と、計算量を削減せずに相関の精度を重視したトーン判定とを適応的に切り替えることができる。

　なお、トーン判定によるトーン性の分類は通常２～３種類程度（例えば、上記説明では「トーン」と「非トーン」の２種類）と少なく、細かい精度の判定結果が要求される訳ではない。よって、ＳＤＦＴ係数（ベクトル系列）を短縮しても、最終的に、ＳＤＦＴ係数（ベクトル系列）を短縮しないときと同様の分類結果に収束する可能性が高い。

　また、本実施の形態では、トーン判定装置が、入力信号のトーン性の定常性に応じて、ダウンサンプリングしていないＳＤＦＴ係数およびダウンサンプリング後のＳＤＦＴ係数のいずれか一方を選択する場合を一例として説明した。しかし、本発明では、トーン判定装置は、入力信号が定常的である継続時間に応じて、ＳＤＦＴ係数の短縮の度合を変更してもよい。例えば、トーン判定装置１００は、図３に示すように、ダウンサンプリング（短縮）していないＳＤＦＴ係数に加えて、２分の１の系列長に短縮させたＳＤＦＴ係数、および、４分の１の系列長に短縮させたＳＤＦＴ係数を求めておく。そして、トーン判定装置１００は、入力信号のトーン性が「トーン」の状態で安定している場合、安定している継続時間が長いほど、トーン判定に用いるＳＤＦＴ係数を、系列長がより短い系列へと徐々に変更していってもよい。これにより、入力信号のトーン性が定常的である時間（継続時間）が長いほど、入力信号のトーン性の判定に要する計算量をより低減することができる。

　（実施の形態２）
　実施の形態１のようにＳＤＦＴ係数（ベクトル系列）の系列長を短縮する場合には、トーン判定の精度が若干劣化する。そのため、ＳＤＦＴ係数の短縮を用いたトーン性判定を続けていくうちに「トーン」と「非トーン」との切り分けが不明瞭になってくると、トーン判定を誤ってしまうことがあり得る。

　そこで、本実施の形態に係るトーン判定装置は、「トーン」と「非トーン」との切り分けが不明瞭になってきた場合には、ＳＤＦＴ係数の短縮を取り止めて、精確なトーン判定処理を行う。

　以下、本実施の形態について具体的に説明する。

　本実施の形態に係るトーン判定装置１００（図１）において、トーン判定部１０６は、実施の形態１と同様の処理に加え、相関分析部１０５から入力される相関Ｓと、トーン判定の基準値である閾値Ｔとの距離が近い場合（例えば、相関Ｓと閾値Ｔとの差｜Ｔ－Ｓ｜が予め設定された定数Ｃ未満の場合、つまり、Ｃ＞｜Ｔ－Ｓ｜が成り立つ場合）、相関Ｓが閾値Ｔの近傍に達したと判断する。つまり、トーン判定部１０６は、Ｃ＞｜Ｔ－Ｓ｜が成り立つ場合、「トーン」と「非トーン」との切り分けが不明瞭であると判断する。そして、トーン判定部１０６は、Ｃ＞｜Ｔ－Ｓ｜が成り立つ場合には、「トーン」と「非トーン」とが近いうちに（近い将来）反転しそうであることを示す情報（反転情報）を定常性判定部１０７に出力する。

　定常性判定部１０７は、トーン判定部１０６からトーン情報、および、反転情報（閾値Ｔと相関Ｓとの差が定数Ｃ未満の場合のみ）を入力される。

　トーン判定部１０６から反転情報が入力された場合、定常性判定部１０７は、入力信号のトーン性の定常性が近いうちに無くなると判定し、定常性情報ＳＩをＳＩ＝０に設定して、次のフレームのトーン判定処理の際に定常性情報ＳＩをベクトル選択部１０４に出力する。これは、入力信号が「トーン」と「非トーン」との間で曖昧になってきたことを考慮し、ダウンサンプリングしていないＳＤＦＴ係数を用いて相関Ｓを精確に計算するようにベクトル選択部１０４および相関分析部１０５に指示することを意味する。

　すなわち、ベクトル選択部１０４は、相関Ｓと閾値Ｔとの差がある値Ｃ未満の場合（Ｃ＞｜Ｔ－Ｓ｜が成り立つ場合）には、入力信号のトーン性が定常的である場合でも、ダウンサンプリングしていないＳＤＦＴ係数を選択する。

　また、トーン判定部１０６から反転情報が入力されない場合、定常性判定部１０７は、実施の形態１と同様にして、トーン判定部１０６から入力されるトーン情報を用いて、入力信号のトーン性の定常性を判定する。

　ここで、トーン判定装置１００におけるＳＤＦＴ係数（ベクトル系列）の短縮処理の様子を表すと図４に示すようになる。図４に示すフレーム＃（α－２）および＃（α－１）では、相関値Ｓが閾値Ｔより小さい（Ｔ＞Ｓである）ため、トーン判定部１０６は、入力信号のトーン性が「トーン」であると判定する。また、図４に示すフレーム＃（α－２）および＃（α－１）では、定常性判定部１０７は、トーン性が「トーン」であるフレームが現フレームまでに一定数以上連続したとする。そのため、相関分析部１０５は、次のフレーム（図４に示すフレーム＃（α－１）および＃αでは、ダウンサンプリング後のＳＤＦＴ係数を用いてフレーム間の相関の値を求めている。また、図４に示すフレーム＃（α－２）および＃（α－１）では、相関Ｓと閾値Ｔとの差｜Ｔ－Ｓ｜は定数Ｃ以上である（Ｃ≦｜Ｔ－Ｓ｜）。

　図４に示すフレーム＃αでは、相関値Ｓは閾値Ｔより小さい（Ｔ＞Ｓである）ものの、相関Ｓと閾値Ｔとの差｜Ｔ－Ｓ｜が定数Ｃ未満の（Ｃ＞｜Ｔ－Ｓ｜）。よって、トーン判定部１０６は、相関Ｓが閾値Ｔの近傍に達したと判断する。そこで、トーン判定部１０６は、図４に示すフレーム＃αでは、反転情報を定常性判定部１０７に出力する。

　次いで、定常性判定部１０７は、トーン判定部１０６から反転情報が入力されると、入力信号のトーン性の定常性が近いうちに無くなりそうであると判定し、定常性情報ＳＩをＳＩ＝０に設定する。そして、定常性判定部１０７は、次のフレーム＃（α＋１）のトーン判定処理の際に、定常性情報ＳＩ＝０をベクトル選択部１０４に出力する。

　よって、ベクトル選択部１０４は、図４に示すフレーム＃（α＋１）では、定常性判定部１０７から入力される定常性情報ＳＩがＳＩ＝０であるので、ダウンサンプリングしていないＳＤＦＴ係数（現フレーム（図４に示すフレーム＃（α＋１）のＳＤＦＴ係数Ｙ（ｋ）、および、前フレーム（図４に示すフレーム＃α）のＳＤＦＴ係数Ｙ＿ｐｒｅ（ｋ））を選択する。そして、ベクトル選択部１０４は、定常性情報ＳＩ＝０および選択したＳＤＦＴ係数（ベクトル系列）を相関分析部１０５に出力する。

　次いで、相関分析部１０５は、ベクトル選択部１０４から入力される定常性情報ＳＩがＳＩ＝０であるので、上式（３）に従って、相関Ｓを求める。つまり、相関分析部１０５は、入力信号のトーン性が近いうちに反転しそうである場合（すなわち、入力信号のトーン性の定常性が近いうちに無くなる場合）には、ダウンサンプリングしていないＳＤＦＴ係数を用いて相関Ｓを求める。

　このようにして、相関Ｓと閾値Ｔとの差が定数Ｃ未満の場合、つまり、相関Ｓが閾値Ｔの近傍にある場合には、トーン判定装置１００は、「トーン」と「非トーン」との切り分けが不明瞭であり、トーン判定を誤ってしまう可能性が高いと判断する。そして、トーン判定装置１００は、相関Ｓが閾値Ｔの近傍にある場合には、ＳＤＦＴ係数の短縮をリセットして、ダウンサンプリングしていないＳＤＦＴ係数を用いて相関Ｓを求める。つまり、トーン判定装置１００は、相関Ｓが閾値Ｔの近傍にある場合には、ＳＤＦＴ係数すべての系列を用いるため、フレーム間の相関Ｓを精確に求め、トーン判定の判定誤りを回避することができる。

　このように、本実施の形態によれば、実施の形態１と同様にして、相関を求める前にダウンサンプリングを行ってＳＤＦＴ係数（ベクトル系列）を短縮するため、相関の計算に用いるＳＤＦＴ係数（ベクトル系列）の長さが従来に比べて短くなる。よって、本実施の形態によれば、入力信号のトーン性の判定に要する計算量を低減することができる。さらに、本実施の形態によれば、入力信号のトーン性が「トーン」として安定している状態であっても、「トーン」と「非トーン」とが反転しそうな状況になった場合には、ＳＤＦＴ係数の短縮を取り止めることで精確なトーン判定を行うことができる。これにより、入力信号のトーン性が反転する可能性があるフレーム付近（「トーン」と「非トーン」との切り分けが不明瞭となるフレーム付近）では、トーン判定に用いる相関Ｓの精度を向上させることができるため、ＳＤＦＴ係数の短縮によるトーン性の判定誤りを回避することができる。

　（実施の形態３）
　図５は、本実施の形態に係る符号化装置２００の主要な構成を示すブロック図である。ここでは、符号化装置２００が、入力信号のトーン性を判定し、判定結果に応じて符号化方法を切り替える場合を例にとって説明する。

　図５に示す符号化装置２００は、上記実施の形態１に係るトーン判定装置１００（図１）を備える。

　図５において、トーン判定装置１００は、上記実施の形態１において説明したように、入力信号からトーン情報を得る。次いで、トーン判定装置１００は、トーン情報を選択部２０１に出力する。

　選択部２０１は、トーン判定装置１００よりトーン情報を入力され、トーン情報に応じて入力信号の出力先を選択する。例えば、選択部２０１は、入力信号が「トーン」である場合には入力信号の出力先として符号化部２０２を選択し、入力信号が「非トーン」である場合には入力信号の出力先として符号化部２０３を選択する。符号化部２０２と符号化部２０３とは、互いに異なる符号化方法により入力信号を符号化するものである。よって、このような選択により、入力信号のトーン性に応じて、入力信号の符号化に用いる符号化方法を切り替えることができる。

　符号化部２０２は、入力信号を符号化し、符号化により生成される符号を出力する。符号化部２０２に入力される入力信号は「トーン」であるため、符号化部２０２は、楽音の符号化に適している、例えば周波数変換符号化により入力信号を符号化する。

　符号化部２０３は、入力信号を符号化し、符号化により生成される符号を出力する。符号化部２０３に入力される入力信号は「非トーン」であるため、符号化部２０３は、音声の符号化に適している、例えばＣＥＬＰ符号化により入力信号を符号化する。

　なお、符号化部２０２，２０３が符号化に用いる符号化方法は上記のものに限定されず、従来の符号化方法の中から最も適しているものを適宜用いてもよい。

　また、本実施の形態では符号化部が２つである場合を一例として説明したが、互いに異なる符号化方法により符号化を行う符号化部が３つ以上あってもよい。この場合、段階的に判定されるトーンの度合いに応じて、３つ以上の符号化部のうちいずれかの符号化部を選択すればよい。

　また、本実施の形態では入力信号が音声信号または楽音信号のいずれかであるとして説明したが、本発明はその他の信号に対しても上記同様にして実施することが可能である。

　このようして、本実施の形態によれば、入力信号のトーン性に応じた最適な符号化方法により入力信号を符号化することができる。

　以上、本発明の実施の形態について説明した。

　なお、上記実施の形態では、入力信号の定常性を判定する方法として、トーン性の判定結果（トーン情報）を用いる場合を一例として説明した。しかし、入力信号の定常性を判定する方法としては、トーン性の判定結果を用いる場合に限らず、他の指標を用いて入力信号の定常性を判定してもよい。例えば、トーン判定装置は、ＣＥＬＰ符号化の適応符号帳において求められる基本周波数の変動の度合を測定することにより、定常性を判定してもよい。または、トーン判定装置は、ＣＥＬＰ符号化における基本レイヤのＣＥＬＰ符号化器から得られるピッチラグ（またはパワー）のフレーム間での変動を測定することにより、定常性を判定してもよい。具体的には、図６Ａに示すように、トーン判定装置は、ピッチラグの変動Ｄが閾値Ｔ未満（Ｄ＜Ｔ）であるフレームが現フレームまでに一定数以上連続しない場合（例えば、図６Ａに示すフレーム＃α）には、入力信号に定常性が無いと判定する。そして、トーン判定装置は、そのフレーム＃αでは、ダウンサンプリングしていないＳＤＦＴ係数を用いて相関を求める。また、図６Ａに示すように、トーン判定装置は、ピッチラグの変動Ｄが閾値Ｔ未満（Ｄ＜Ｔ）であるフレームが現フレームまでに一定数以上連続する場合（例えば図６Ａに示すフレーム＃（α＋１））には、入力信号に定常性が有ると判定する。そして、トーン判定装置は、そのフレーム＃（α＋１）では、ダウンサンプリング後のＳＤＦＴ係数を用いて相関を求める。また、図６Ｂに示すように、ピッチラグの変動Ｄが閾値Ｔ未満（Ｄ＜Ｔ）である状態から、ピッチラグの変動Ｄが閾値Ｔ以上（Ｄ≧Ｔ）である状態に反転した場合（図６Ｂではフレーム＃（β＋１））、つまり、ピッチラグの変動Ｄが閾値Ｔ未満（Ｄ＜Ｔ）であるフレームが現フレームまでに一定数以上連続しなくなった場合には、トーン判定装置はＳＤＦＴ係数の短縮をリセットする。

　また、入力信号の周波数変換は、ＳＤＦＴ以外の周波数変換、例えば、ＤＦＴ（離散フーリエ変換）、ＦＦＴ（高速フーリエ変換）、ＤＣＴ（離散コサイン変換）、ＭＤＣＴ（修正離散コサイン変換）等により行ってもよい。

　また、上記実施の形態に係るトーン判定装置および符号化装置は、音声や楽音等の伝送が行われる移動体通信システムにおける通信端末装置および基地局装置に搭載することが可能であり、これにより上記同様の作用効果を有する通信端末装置および基地局装置を提供することができる。

　また、上記実施の形態では、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、本発明に係るトーン判定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、本発明に係るトーン判定装置と同様の機能を実現することができる。

　また、上記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チップ化されてもよいし、一部またはすべてを含むように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よい。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よい。バイオ技術の適用等が可能性としてあり得る。

　２００９年１０月２６日出願の特願２００９－２４５６２４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。

１００　トーン判定装置
１０１　周波数変換部
１０２　ダウンサンプリング部
１０３　バッファ
１０４　ベクトル選択部
１０５　相関分析部
１０６　トーン判定部
１０７　定常性判定部
２００　符号化装置
２０１　選択部
２０２，２０３　符号化部

Claims

　入力信号を周波数変換する変換手段と、
　周波数変換後の信号のベクトル系列長を短縮する短縮処理を行う短縮手段と、
　前記入力信号の定常性を判定する定常性判定手段と、
　前記入力信号の定常性に応じて、周波数変換後の信号のベクトル系列、または、ベクトル系列長短縮後のベクトル系列のいずれかを選択する選択手段と、
　前記選択手段で選択されたベクトル系列を用いて相関を求める相関手段と、
　前記相関を用いて前記入力信号のトーン性を判定するトーン判定手段と、
　を具備するトーン判定装置。
　前記選択手段は、前記入力信号に定常性が無い場合には、周波数変換後の信号のベクトル系列を選択し、前記入力信号に定常性が有る場合には、ベクトル系列長短縮後のベクトル系列を選択する、
　請求項１記載のトーン判定装置。
　前記選択手段は、前記相関と、トーン判定の基準値との差が、予め設定された値未満の場合、周波数変換後の信号のベクトル系列を選択する、
　請求項１記載のトーン判定装置。
　前記定常性判定手段は、前記入力信号のトーン性に基づいて、前記入力信号の定常性を判定する、
　請求項１記載のトーン判定装置。
　前記定常性判定手段は、ＣＥＬＰ（Code Excited Linear Prediction）符号化における基本レイヤで得られる、前記入力信号のピッチラグに基づいて、前記入力信号の定常性を判定する、
　請求項１記載のトーン判定装置。
　請求項１記載のトーン判定装置と、
　前記入力信号を互いに異なる符号化方法を用いて符号化する複数の符号化手段と、
　前記トーン判定手段での判定結果に応じて、前記入力信号の符号化を行う符号化手段を前記複数の符号化手段の中から選択する選択手段と、
　を具備する符号化装置。
　請求項１記載のトーン判定装置を具備する通信端末装置。
　請求項１記載のトーン判定装置を具備する基地局装置。
　入力信号を周波数変換する変換ステップと、
　周波数変換後の信号のベクトル系列長を短縮する短縮処理を行う短縮ステップと、
　前記入力信号の定常性を判定する定常性判定ステップと、
　前記定常性に応じて、周波数変換後の信号のベクトル系列、または、ベクトル系列長短縮後のベクトル系列のいずれかを選択する選択ステップと、
　前記選択ステップで選択されたベクトル系列を用いて相関を求める相関ステップと、
　前記相関を用いて前記入力信号のトーン性を判定するトーン判定ステップと、
　を具備するトーン判定方法。