WO2015008783A1 - 線形予測分析装置、方法、プログラム及び記録媒体 - Google Patents

線形予測分析装置、方法、プログラム及び記録媒体 Download PDF

Info

Publication number
WO2015008783A1
WO2015008783A1 PCT/JP2014/068895 JP2014068895W WO2015008783A1 WO 2015008783 A1 WO2015008783 A1 WO 2015008783A1 JP 2014068895 W JP2014068895 W JP 2014068895W WO 2015008783 A1 WO2015008783 A1 WO 2015008783A1
Authority
WO
WIPO (PCT)
Prior art keywords
coefficient
max
value
fundamental frequency
linear prediction
Prior art date
Application number
PCT/JP2014/068895
Other languages
English (en)
French (fr)
Inventor
優 鎌本
守谷　健弘
登 原田
Original Assignee
日本電信電話株式会社
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
Priority to US14/905,158 priority Critical patent/US10909996B2/en
Priority to PL14826090T priority patent/PL3012835T3/pl
Priority to CN201811547969.5A priority patent/CN110085243B/zh
Priority to EP18173638.0A priority patent/EP3399522B1/en
Priority to PL18173638T priority patent/PL3399522T3/pl
Priority to JP2015527315A priority patent/JP6117359B2/ja
Priority to KR1020167001218A priority patent/KR101797679B1/ko
Priority to CN201811547968.0A priority patent/CN109887520B/zh
Priority to CN201811547976.5A priority patent/CN110070877B/zh
Priority to CN201480040536.4A priority patent/CN105378836B/zh
Application filed by 日本電信電話株式会社 filed Critical 日本電信電話株式会社
Priority to KR1020177032374A priority patent/KR101883789B1/ko
Priority to ES14826090T priority patent/ES2699582T3/es
Priority to CN201811547577.9A priority patent/CN109979471B/zh
Priority to EP18173641.4A priority patent/EP3389047B1/en
Priority to EP14826090.4A priority patent/EP3012835B1/en
Priority to CN201811547970.8A priority patent/CN110070876B/zh
Priority to KR1020177032372A priority patent/KR101883767B1/ko
Priority to PL18173641T priority patent/PL3389047T3/pl
Publication of WO2015008783A1 publication Critical patent/WO2015008783A1/ja
Priority to US17/120,462 priority patent/US11532315B2/en
Priority to US17/970,879 priority patent/US11972768B2/en

Links

Images

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
    • G10L19/04—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using predictive techniques
    • G10L19/06—Determination or coding of the spectral characteristics, e.g. of the short-term prediction coefficients
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; 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
    • G10L19/0212—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 using orthogonal transformation
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; 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
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L21/00—Processing of the speech or voice signal to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
    • G10L21/04—Time compression or expansion
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
    • G10L25/06—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters the extracted parameters being correlation coefficients
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
    • G10L25/12—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters the extracted parameters being prediction coefficients
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
    • G10L25/18—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters the extracted parameters being spectral information of each sub-band
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/27—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique

Definitions

  • the present invention relates to a technique for analyzing a digital time series signal such as a voice signal, an acoustic signal, an electrocardiogram, an electroencephalogram, a magnetoencephalogram, and a seismic wave.
  • a digital time series signal such as a voice signal, an acoustic signal, an electrocardiogram, an electroencephalogram, a magnetoencephalogram, and a seismic wave.
  • Non-Patent Documents 1 and 2). reference. a method of encoding based on a prediction coefficient obtained by linear predictive analysis of an input audio signal or acoustic signal is widely used (for example, Non-Patent Documents 1 and 2). reference.).
  • Non-Patent Documents 1 to 3 the prediction coefficient is calculated by the linear prediction analyzer illustrated in FIG.
  • the linear prediction analysis apparatus 1 includes an autocorrelation calculation unit 11, a coefficient multiplication unit 12, and a prediction coefficient calculation unit 13.
  • the input signal which is a digital audio signal or digital audio signal in the time domain, is processed every N sample frames.
  • n represents the sample number of each sample in the input signal, and N is a predetermined positive integer.
  • P max is a predetermined positive integer less than N.
  • Prediction coefficient calculation unit 13 the coefficient that can be converted by the prediction coefficient calculation unit 13 into linear prediction coefficients from the first order to the P max order that is a predetermined maximum order by using R ′ O (i), for example, by the Levinson-Durbin method or the like.
  • Coefficients that can be converted into linear prediction coefficients include PARCOR coefficients K O (1), K O (2), ..., K O (P max ) and linear prediction coefficients a O (1), a O (2), ... , a O (P max ), etc.
  • f s the sampling frequency.
  • Non-Patent Document 3 describes an example in which a coefficient based on a function other than the above-described exponential function is used.
  • the function used here is a function based on a sampling period ⁇ (corresponding to a period corresponding to f s ) and a predetermined constant a, and a fixed coefficient is also used.
  • a modified autocorrelation R ′ O obtained by multiplying the autocorrelation R O (i) by a fixed coefficient w O (i). i) was used to find the coefficients that can be converted into linear prediction coefficients. Therefore, it is not necessary to modify the autocorrelation R O (i) by the multiplication of the coefficient w O (i), that is, the autocorrelation R O (i) itself is not the modified autocorrelation R ′ O (i).
  • the input signal is such that the peak of the spectrum does not become too large in the spectral envelope corresponding to the coefficient that can be converted to the linear prediction coefficient.
  • the spectral envelope corresponding to the coefficient that can be converted into the linear prediction coefficient obtained by the modified autocorrelation R ′ O (i) is expressed by the input signal X O (n ) May be reduced in accuracy, that is, the accuracy of linear prediction analysis may be reduced.
  • An object of the present invention is to provide a linear predictive analysis method, apparatus, program, and recording medium with higher analysis accuracy than in the past.
  • a prediction coefficient calculation step for obtaining coefficients that can be converted into linear prediction coefficients from the first order to the P max order, and for each order
  • the coefficient table for which is acquired is the coefficient table t1, and if the period is long, the coefficient is acquired in the coefficient determination step.
  • a coefficient table t2 the coefficient table, at least for some i w t0 (i) ⁇ w t1 (i) ⁇ w t2 (i), for at least a portion of each i of the other i w t0 (i) ⁇ w t1 (i) ⁇ w t2 (i), and w t0 (i) ⁇ w t1 (i) ⁇ w t2 (i) for each remaining i.
  • the coefficient table in which the coefficient is acquired in the coefficient determination step is the coefficient table t0, and if the basic frequency is medium, the coefficient table in which the coefficient is acquired in the coefficient determination step is the coefficient table t1, and the basic frequency is low.
  • the coefficient table from which the coefficients are obtained in the coefficient determination step As Le t2, at least for some i w t0 (i) ⁇ w t1 (i) ⁇ w t2 (i), w t0 (i) ⁇ about at least a portion of each i of the other i w t1 (i) ⁇ w t2 (i), and w t0 (i) ⁇ w t1 (i) ⁇ w t2 (i) for each remaining i.
  • the flowchart for demonstrating the example of a linear prediction analysis method The flowchart for demonstrating the example of the linear prediction analysis method of 2nd embodiment.
  • the flowchart for demonstrating the example of the linear prediction analysis method of 2nd embodiment The block diagram for demonstrating the example of the linear prediction analyzer of 3rd embodiment.
  • the flowchart for demonstrating a modification The block diagram for demonstrating a modification.
  • the block diagram for demonstrating a modification The block diagram for demonstrating the example of the linear prediction analyzer of 4th embodiment.
  • the linear prediction analysis apparatus 2 includes, for example, an autocorrelation calculation unit 21, a coefficient determination unit 24, a coefficient multiplication unit 22, and a prediction coefficient calculation unit 23.
  • the operations of the autocorrelation calculation unit 21, the coefficient multiplication unit 22, and the prediction coefficient calculation unit 23 are the same as the operations in the autocorrelation calculation unit 11, the coefficient multiplication unit 12, and the prediction coefficient calculation unit 13 of the conventional linear prediction analysis apparatus 1, respectively. is there.
  • An input signal X O (n) that is a digital signal such as a digital speech signal, a digital acoustic signal, an electrocardiogram, an electroencephalogram, a magnetoencephalogram, or a seismic wave in a time domain for each frame that is a predetermined time interval is input to the linear predictive analyzer 2. Is done.
  • the input signal is an input time series signal.
  • the input signal of the current frame X O (n) (n 0,1, ..., N-1) to. n represents the sample number of each sample in the input signal, and N is a predetermined positive integer.
  • Is X O (n) (n N, N + 1,..., 2N ⁇ 1).
  • the periodicity analysis unit 900 includes a fundamental frequency calculation unit 930, for example.
  • the fundamental frequency P is obtained, and information that can identify the fundamental frequency P is output as information about the fundamental frequency. There are various known methods for obtaining the fundamental frequency, and any known method may be used.
  • the obtained fundamental frequency P may be encoded to obtain a fundamental frequency code, and the fundamental frequency code may be output as information about the fundamental frequency. Further, the fundamental frequency quantization value ⁇ P corresponding to the fundamental frequency code may be obtained, and the fundamental frequency quantization value ⁇ P may be output as information about the fundamental frequency.
  • the fundamental frequency calculation unit 930 a specific example of the fundamental frequency calculation unit 930 will be described.
  • Fundamental frequency calculation unit 930, P s1 is a fundamental frequency of the M sub-frames constituting the current frame, ..., a maximum value max (P s1, ..., P sM) of the P sM information capable of identifying the Output as information about the fundamental frequency.
  • Nn is a predetermined positive integer that satisfies the relationship Nn ⁇ N
  • the fundamental frequency calculation unit 930 also obtains the fundamental frequency P next obtained for the signal interval of the previous frame and stored in the fundamental frequency calculation unit 930, that is, the current frame of the signal interval of the immediately previous frame.
  • the fundamental frequency for each of a plurality of subframes may be obtained.
  • this is an example where the fundamental frequency calculation unit 930 is operated after the linear prediction analysis apparatus 2 for the same frame.
  • FIG. 2 is a flowchart of a linear prediction analysis method performed by the linear prediction analysis apparatus 2.
  • the input signal X O (n) (n -Np, -Np + 1, ..., -1, 0,1, ..., N-1, N, ..., N-1 + Nn
  • the autocorrelation R O (i) may be calculated using part of the input signals of the previous and subsequent frames.
  • Np and Nn are predetermined positive integers that satisfy the relationship of Np ⁇ N and Nn ⁇ N, respectively.
  • the autocorrelation may be obtained from the approximated power spectrum by using the MDCT sequence as an approximation of the power spectrum. As described above, any of known techniques used in the world can be used as the autocorrelation calculation method.
  • Coefficient w O (i) is a coefficient for obtaining a deformation by modifying the autocorrelation R O (i) the autocorrelation R 'O (i).
  • the coefficient w O (i) is also called a lag window w O (i) or a lag window coefficient w O (i) in the field of signal processing. Since the coefficient w O (i) is a positive value, the coefficient w O (i) is larger / smaller than the predetermined value, and the coefficient w O (i) is larger / smaller than the predetermined value. Sometimes expressed. Further, the size of Ragumado w O (i), shall mean the value of the lag window w O (i).
  • the information about the fundamental frequency input to the coefficient determination unit 24 is information that specifies the fundamental frequency obtained from all or part of the input signal of the current frame and / or the input signal of a frame near the current frame. That is, the fundamental frequency used for determining the coefficient w O (i) is a fundamental frequency obtained from all or part of the input signal of the current frame and / or the input signal of a frame near the current frame.
  • the coefficient determination unit 24 supports the information about the fundamental frequency in all or part of the possible range of the fundamental frequency corresponding to the information about the fundamental frequency for all or some orders from the 0th order to the P max order. As the fundamental frequency is larger, smaller values are determined as coefficients w O (0), w O (1),..., W O (P max ). Further, the coefficient determination unit 24 uses a value having a positive correlation with the fundamental frequency instead of the fundamental frequency, and decreases the coefficient w O (0), w O (1),. It may be determined as w O (P max ).
  • the coefficient determination unit 24 determines the coefficient w O (i) using, for example, a monotone non-increasing function for the fundamental frequency corresponding to the input information about the fundamental frequency.
  • the coefficient w O (i) is determined by the following equation (1).
  • P is a fundamental frequency corresponding to information on the inputted fundamental frequency.
  • the coefficient w O (i) is determined by the following equation (2) using ⁇ which is a predetermined value larger than 0.
  • ⁇ is a value for adjusting the width of the lag window when the coefficient w O (i) is regarded as the lag window, in other words, the strength of the lag window.
  • the predetermined ⁇ is obtained by encoding and decoding a speech signal or an acoustic signal with a coding device including the linear prediction analysis device 2 and a decoding device corresponding to the coding device for a plurality of candidate values of ⁇ , What is necessary is just to determine by selecting as a candidate value with favorable subjective quality and objective quality of a signal and a decoding acoustic signal as (alpha).
  • the coefficient w O (i) may be determined by the following equation (2A) using a predetermined function f (P) for the fundamental frequency P.
  • the equation for determining the coefficient w O (i) using the fundamental frequency P is not limited to the above equations (1), (2), (2A), and an increase in a value that is positively correlated with the fundamental frequency. Any other expression may be used as long as it can describe a monotonous non-increasing relationship.
  • the coefficient w O (i) may be determined by any one of the following formulas (3) to (6).
  • a is a real number determined depending on the fundamental frequency
  • m is a natural number determined depending on the fundamental frequency.
  • a is a value having a negative correlation with the fundamental frequency
  • m is a value having a negative correlation with the fundamental frequency.
  • ⁇ is a sampling period.
  • Equation (3) is a window function in the form called Bartlett window
  • Equation (4) is a window function in the format called Binomial window
  • Equation (5) is a window function in the form called Triangular in frequency domain window
  • (6) is a window function of the form called RectangularRin frequency domain window.
  • the coefficient w O (i) may be monotonously decreased with an increase in a value that is positively correlated with the fundamental frequency for only at least some orders i, not for each i of 0 ⁇ i ⁇ P max .
  • the magnitude of the coefficient w O (i) may not monotonously decrease as the value having a positive correlation with the fundamental frequency increases.
  • the prediction coefficient calculation unit 23 obtains a coefficient that can be converted into a linear prediction coefficient using the modified autocorrelation R ′ O (i) (step S3).
  • the prediction coefficient calculation unit 23 modified autocorrelation R 'with O (i), such as by Levinson-Durbin method, PARCOR coefficients K O (1 from the primary P max following to a predetermined maximum order ), K O (2), ..., K O (P max) and the linear prediction coefficients a O (1), a O (2), ..., calculates the a O (P max).
  • modified autocorrelation R 'with O (i) such as by Levinson-Durbin method, PARCOR coefficients K O (1 from the primary P max following to a predetermined maximum order ), K O (2), ..., K O (P max) and the linear prediction coefficients a O (1), a O (2), ..., calculates the a O (P max).
  • the coefficient w O (i) is multiplied by the autocorrelation to obtain a modified autocorrelation and a coefficient that can be converted into a linear prediction coefficient, resulting in a pitch component even when the input signal has a high fundamental frequency
  • the quality is higher than the quality of the decoded speech signal and the decoded acoustic signal obtained by encoding and decoding the speech signal and the acoustic signal with the encoding device including the conventional linear prediction analysis device and the decoding device corresponding to the encoding device. ,good.
  • the coefficient determination unit 24 determines the coefficient w O (i) based on a value that is negatively correlated with the fundamental frequency, instead of a value that is positively correlated with the fundamental frequency.
  • the functional configuration of the linear prediction analysis apparatus 2 according to the modification of the first embodiment and the flowchart of the linear prediction analysis method performed by the linear prediction analysis apparatus 2 are the same as those in the first embodiment shown in FIGS.
  • the linear prediction analysis apparatus 2 of the modified example of the first embodiment is the same as the linear prediction analysis apparatus 2 of the first embodiment, except for the part where the processing of the coefficient determination unit 24 is different.
  • Information about the period of the digital speech signal and the digital acoustic signal for each frame is also input to the linear prediction analysis apparatus 2.
  • Information about the period is obtained by the periodicity analysis unit 900 outside the linear prediction analysis apparatus 2.
  • the periodicity analysis unit 900 includes a cycle calculation unit 940, for example.
  • the period calculation unit 940 obtains the period T from all or part of the input signal X O of the current frame and / or the input signals of the frames near the current frame. For example, the period calculation unit 940 obtains the period T of the digital audio signal or digital acoustic signal in the signal section including all or part of the input signal X O (n) of the current frame, and the information that can identify the period T is determined as the period. Is output as information about. There are various known methods for obtaining the period, and any known method may be used. Alternatively, the obtained period T may be encoded to obtain a period code, and the period code may be output as information about the period. Furthermore, the quantization value ⁇ T of the period corresponding to the period code may be obtained, and the period quantization value ⁇ T may be output as information about the period. Hereinafter, a specific example of the period calculation unit 940 will be described.
  • Period calculating section 940, T s1 is the period of M sub-frames constituting the current frame, ..., the minimum value min (T s1, ..., T sM) of the T sM for cycle specific information capable Is output as information.
  • the period calculation unit 940 obtains the signal section of the previous frame and stores the period T next stored in the period calculation unit 940, that is, a part of the current frame in the signal section of the previous frame.
  • input signal X O (n) (n 0, 1, ..., Nn-1) of the output cycle determined for the identifiable information as information about the period.
  • the period for each of a plurality of subframes may be obtained.
  • the information about the period input to the coefficient determination unit 24 is information that specifies the period obtained from all or part of the input signal of the current frame and / or the input signal of a frame near the current frame. That is, the period used for determining the coefficient w O (i) is a period obtained from all or part of the input signal of the current frame and / or the input signal of the frame near the current frame.
  • the coefficient determination unit 24 has a period corresponding to the information about the period in all or a part of a possible range of the period corresponding to the information about the period for all or part of the orders from the 0th order to the P max order. Larger values are determined as coefficients w O (0), w O (1),..., W O (P max ). The coefficient determining unit 24 uses the value in the period positively correlated instead of the period, the coefficient a larger value period is large w O (0), w O (1), ..., w O ( P max ) may be determined.
  • the coefficient determination unit 24 determines the coefficient w O (i) using, for example, a monotonic non-decreasing function for the period corresponding to the information about the input period.
  • the coefficient w O (i) is determined by the following equation (7).
  • T is a period corresponding to information about the input period.
  • the coefficient w O (i) is determined by the following equation (8) using ⁇ which is a predetermined value larger than 0.
  • ⁇ is a value for adjusting the width of the lag window when the coefficient w O (i) is regarded as the lag window, in other words, the strength of the lag window.
  • the predetermined ⁇ is obtained by encoding and decoding a speech signal or an acoustic signal with a coding device including the linear prediction analysis device 2 and a decoding device corresponding to the coding device for a plurality of candidate values of ⁇ , What is necessary is just to determine by selecting as a candidate value with favorable subjective quality and objective quality of a signal and a decoding acoustic signal as (alpha).
  • the coefficient w O (i) is determined by the following equation (8A) using a predetermined function f (T) for the period T.
  • the formula for determining the coefficient w O (i) using the period T is not limited to the above formulas (7), (8), (8A), and is an increase in a value that is negatively correlated with the fundamental frequency. Any other expression may be used as long as it can describe a monotonous non-decreasing relationship.
  • the coefficient w O (i) may be monotonously increased with an increase in a value that is negatively correlated with the fundamental frequency only for at least some orders i, not for each i of 0 ⁇ i ⁇ P max . In other words, depending on the order i, the magnitude of the coefficient w O (i) may not increase monotonously with an increase in the value that is negatively correlated with the fundamental frequency.
  • the coefficient w corresponding to the order i for at least a part of the prediction orders i according to a value that is negatively correlated with the fundamental frequency.
  • the magnitude of O (i) monotonically increases as the value negatively correlates with the fundamental frequency of the signal interval including all or part of the input signal X O (n) of the current frame.
  • Possible coefficients can be found, It is possible to achieve high linear prediction of analytical precision than come. Therefore, the decoded speech signal and decoding obtained by encoding and decoding the speech signal and the acoustic signal with the encoding device including the linear prediction analysis device 2 of the modification of the first embodiment and the decoding device corresponding to the encoding device.
  • the quality of the acoustic signal is determined based on the decoded speech signal and the decoded acoustic signal obtained by encoding and decoding the speech signal and the acoustic signal with the encoding device including the conventional linear prediction analysis device and the decoding device corresponding to the encoding device. Better than quality.
  • FIG. 9 shows experimental results of MOS evaluation experiments using 24 audio-acoustic signal sources and 24 subjects.
  • the six MOS values of “conventional method” and “cutA” in FIG. 9 include the encoding devices for each bit rate described in FIG. 9 including the conventional linear prediction analysis device and the decoding devices corresponding to those encoding devices.
  • the MOS value for the decoded audio signal and the decoded audio signal obtained by encoding and decoding the audio / acoustic signal source.
  • the six MOS values of “proposed method” and “cutB” in FIG. 9 are included in the encoding devices of the respective bit rates described in FIG. 9 including the linear prediction analysis device of the modification of the first embodiment and those encoding devices.
  • a value having a positive correlation with the fundamental frequency or a value having a negative correlation with the fundamental frequency is compared with a predetermined threshold, and the coefficient w O (i) is determined according to the comparison result.
  • the second embodiment differs from the first embodiment only in the method of determining the coefficient w O (i) in the coefficient determination unit 24, and is the same as the first embodiment in other points. The following description will focus on the parts that are different from the first embodiment, and redundant description of the same parts as in the first embodiment will be omitted.
  • the functional configuration of the linear prediction analysis apparatus 2 according to the second embodiment and the flowchart of the linear prediction analysis method performed by the linear prediction analysis apparatus 2 are the same as those in the first embodiment shown in FIGS.
  • the linear prediction analysis apparatus 2 according to the second embodiment is the same as the linear prediction analysis apparatus 2 according to the first embodiment except for a portion where the processing of the coefficient determination unit 24 is different.
  • FIG. 1 An example of the processing flow of the coefficient determination unit 24 of the second embodiment is shown in FIG.
  • the coefficient determination unit 24 of the second embodiment performs, for example, the processing of each step S41A, step S42, and step S43 in FIG.
  • the coefficient determination unit 24 compares a predetermined threshold value with a value that is positively correlated with the fundamental frequency corresponding to the input fundamental frequency information (step S41A).
  • the value having a positive correlation with the fundamental frequency corresponding to the input fundamental frequency information is, for example, the fundamental frequency itself corresponding to the input fundamental frequency information.
  • the coefficient determination unit 24 determines the coefficient w l (i) according to a predetermined rule when a value that is positively correlated with the fundamental frequency is not equal to or greater than a predetermined threshold, that is, when the fundamental frequency is determined to be low.
  • w h (i) and w l (i) are determined so as to satisfy the relationship w h (i) ⁇ w l (i) for at least a part of each i.
  • w h (i) and w l (i) it is, for each of at least some i w h (i) ⁇ w l satisfies the relation (i), for the other i w h (i) ⁇ w l (i) is determined so as to satisfy the relationship.
  • at least a part of each i is, for example, i other than 0 (that is, 1 ⁇ i ⁇ P max ).
  • w h (i) and w l (i) are obtained by calculating w O (i) as w h (i) when the fundamental frequency P is P1 in equation (1), and by using equation (1). It is determined according to a predetermined rule of determining w O (i) as w l (i) when P is P2 (where P1> P2). Further, for example, w h (i) and w l (i) obtains equation (2) w O when ⁇ is ⁇ 1 at (i) a w h (i), the ⁇ in Equation (2) It is determined according to a predetermined rule that w O (i) when ⁇ 2 (where ⁇ 1> ⁇ 2) is determined as w l (i).
  • both ⁇ 1 and ⁇ 2 are predetermined in the same manner as ⁇ in the equation (2).
  • w h (i) and w l (i) obtained in advance by any of these rules are stored in a table, and whether a value having a positive correlation with the fundamental frequency is equal to or greater than a predetermined threshold value. Therefore, either w h (i) or w l (i) may be selected from the table. Also, each of w h (i) and w l (i), as w h i is increased (i), is determined as the value of w l (i) is reduced.
  • a coefficient that can be converted into a linear prediction coefficient that suppresses occurrence of a spectrum peak due to a pitch component even when the fundamental frequency of the input signal is high is obtained.
  • a value that is negatively correlated with the fundamental frequency is compared with a predetermined threshold value instead of a value that is positively correlated with the fundamental frequency, and a coefficient is determined according to the comparison result.
  • w O (i) is determined.
  • the predetermined threshold value in the first modification of the second embodiment is different from the predetermined threshold value compared with the value having a positive correlation with the fundamental frequency in the second embodiment.
  • the functional configuration and flowchart of the linear prediction analysis apparatus 2 of the first modification of the second embodiment are the same as FIGS. 1 and 2 as the modification of the first embodiment.
  • the linear prediction analysis apparatus 2 of the first modification example of the second embodiment is the same as the linear prediction analysis apparatus 2 of the modification example of the first embodiment, except that the processing of the coefficient determination unit 24 is different.
  • FIG. 4 shows an example of the processing flow of the coefficient determination unit 24 of the first modification of the second embodiment.
  • the coefficient determination unit 24 according to the first modification of the second embodiment performs, for example, the processes of step S41B, step S42, and step S43 in FIG.
  • the coefficient determination unit 24 compares a value that is negatively correlated with the fundamental frequency corresponding to the information about the input period with a predetermined threshold (step S41B).
  • the value having a negative correlation with the fundamental frequency corresponding to the information about the input period is, for example, the period corresponding to the information about the input period.
  • w h (i) and w l (i) are determined so as to satisfy the relationship w h (i) ⁇ w l (i) for at least a part of i.
  • w h (i) and w l (i) satisfy the relationship w h (i) ⁇ w l (i) for at least some i, and w h (i) ⁇ w for other i.
  • l Determine to satisfy the relationship (i).
  • at least a part of i is, for example, i other than 0 (that is, 1 ⁇ i ⁇ P max ).
  • w h (i) and w l (i) are obtained by calculating w O (i) as w h (i) when period T is T1 in equation (7), and period T is calculated in equation (7). It is determined according to a predetermined rule that w O (i) when T2 (where T1 ⁇ T2) is determined as w l (i). Further, for example, w h (i) and w l (i) obtains equation (8) w O when ⁇ is ⁇ 1 at (i) a w h (i), the ⁇ in equation (8) It is determined according to a predetermined rule that w O (i) when ⁇ 2 (where ⁇ 1 ⁇ 2) is determined as w l (i).
  • both ⁇ 1 and ⁇ 2 are predetermined in the same manner as ⁇ in the equation (8).
  • w h (i) and w l (i) obtained in advance by any of these rules are stored in a table, and whether or not a value having a negative correlation with the fundamental frequency is equal to or less than a predetermined threshold value.
  • w h (i) or w l (i) may be selected from the table.
  • each of w h (i) and w l (i), as w h i is increased (i), is determined as the value of w l (i) is reduced.
  • linear prediction that suppresses the occurrence of spectral peaks caused by pitch components even when the fundamental frequency of the input signal is high. Coefficients that can be converted into coefficients can be obtained, and coefficients that can be converted into linear prediction coefficients that can represent the spectral envelope even when the fundamental frequency of the input signal is low, can be obtained, and are analyzed more than before Highly accurate linear prediction can be realized.
  • the coefficient w O (i) is determined using one threshold value, but in the second modification of the second embodiment, the coefficient w O (i) is determined using two or more threshold values. Is.
  • a method for determining a coefficient using two threshold values th1 ′ and th2 ′ will be described as an example. It is assumed that the thresholds th1 ′ and th2 ′ satisfy the relationship 0 ⁇ th1 ′ ⁇ th2 ′.
  • the functional configuration of the linear prediction analysis apparatus 2 of the second modification of the second embodiment is the same as that of the second embodiment in FIG.
  • the linear prediction analysis apparatus 2 of the second modification of the second embodiment is the same as the linear prediction analysis apparatus 2 of the second embodiment, except for the part where the processing of the coefficient determination unit 24 is different.
  • the coefficient determination unit 24 compares a value having a positive correlation with the fundamental frequency corresponding to the input fundamental frequency information with the thresholds th1 ′ and th2 ′.
  • the value having a positive correlation with the fundamental frequency corresponding to the input fundamental frequency information is, for example, the fundamental frequency itself corresponding to the input fundamental frequency information.
  • the coefficient determination unit 24 uses a predetermined rule.
  • w h (i), w m (i), and w l (i) satisfy the relationship of w h (i) ⁇ w m (i) ⁇ w l (i) for at least a part of each i.
  • Shall be determined as follows.
  • at least a part of each i is, for example, each i other than 0 (that is, 1 ⁇ i ⁇ P max ).
  • w h (i), w m (i), and w l (i) are w h (i) ⁇ w m (i) ⁇ w l (i) at least for each i, and other i W h (i) ⁇ w m (i) ⁇ w l (i) for at least a part of each i, w h (i) ⁇ w m (i) ⁇ w l for at least a part of each i Decide to satisfy the relationship (i).
  • w h (i), w m (i), and w l (i) are obtained by calculating w O (i) as w h (i) when the fundamental frequency P is P1 in equation (1).
  • w O (i) when the fundamental frequency P is P2 (where P1> P2) is obtained as w m (i), and in equation (1), the fundamental frequency P is P3 (where P2> P3) It is determined according to a predetermined rule that w O (i) at a given time is determined as w l (i). Further, for example, w h (i), w m (i), and w l (i) are obtained by calculating w O (i) as w h (i) when ⁇ is ⁇ 1 in equation (2). In step (2), w O (i) when ⁇ is ⁇ 2 (where ⁇ 1> ⁇ 2) is obtained as w m (i).
  • O (i) is determined as w l (i).
  • ⁇ 1, ⁇ 2, and ⁇ 3 are determined in advance in the same manner as ⁇ in Expression (2).
  • w h (i), w m (i), and w l (i) obtained in advance by any of these rules are stored in a table, and a value that is positively correlated with the fundamental frequency and a predetermined value are stored.
  • One of w h (i), w m (i), and w l (i) may be selected from the table by comparison with a threshold value.
  • the coefficient w m (i) between them may be determined using w h (i) and w l (i).
  • w h (i), w m (i), and w l (i) are such that the values of w h (i), w m (i), and w l (i) decrease as i increases. It is determined.
  • the fundamental frequency of the input signal is high, it is converted into a linear prediction coefficient that suppresses the occurrence of a spectrum peak due to the pitch component. Possible coefficients can be obtained, and even when the fundamental frequency of the input signal is low, coefficients that can be converted into linear prediction coefficients that can express the spectral envelope can be obtained, and analysis accuracy is higher than before Linear prediction can be realized.
  • the coefficient w O (i) is determined using one threshold value.
  • the coefficient w O ( i) is determined.
  • a method for determining a coefficient using two threshold values th1 and th2 will be described as an example. It is assumed that the thresholds th1 and th2 satisfy the relationship 0 ⁇ th1 ⁇ th2.
  • the functional configuration of the linear predictive analyzer 2 of the third modification of the second embodiment is the same as that of the first modification of the second embodiment in FIG.
  • the linear prediction analysis apparatus 2 of the third modification example of the second embodiment is the same as the linear prediction analysis apparatus 2 of the first modification example of the second embodiment, except for the part where the processing of the coefficient determination unit 24 is different.
  • the coefficient determination unit 24 compares the threshold frequency th1 and ⁇ th2 with a value that is negatively correlated with the fundamental frequency corresponding to the information about the input period.
  • the value having a negative correlation with the fundamental frequency corresponding to the information about the input period is, for example, the period corresponding to the information about the input period.
  • the coefficient determination unit 24 determines the coefficient w l (i) according to a predetermined rule when the value that is negatively correlated with the fundamental frequency is equal to or greater than the threshold th2, that is, when the period is determined to be long.
  • w h (i), w m (i), and w l (i) satisfy the relationship w h (i) ⁇ w m (i) ⁇ w l (i) for at least a part of each i.
  • Shall be determined as follows.
  • at least a part of each i is, for example, each i other than 0 (that is, 1 ⁇ i ⁇ P max ).
  • w h (i), w m (i), and w l (i) are w h (i) ⁇ w m (i) ⁇ w l (i) for at least a part of each i, and other i W h (i) ⁇ w m (i) ⁇ w l (i) for at least a part of each i of w, and w h (i) ⁇ w m (i) ⁇ w l (i) for each remaining i To satisfy the relationship.
  • w h (i), w m (i), and w l (i) are obtained by calculating w O (i) as w h (i) when period T is T1 in equation (7),
  • w O (i) when period T is T2 is obtained as w m (i).
  • period T is T3 (where T2 ⁇ T3)
  • w O (i) is determined as w l (i).
  • w h (i), w m (i), and w l (i) are obtained by calculating w O (i) as w h (i) when ⁇ is ⁇ 1 in equation (8).
  • w h (i), w m (i), and w l (i) may be selected from the table by comparison with a threshold value.
  • ⁇ is 0 ⁇ ⁇ ⁇ 1, and when the period T takes a small value, the value of ⁇ also decreases, and when the period T takes a large value, the function ⁇ increases. This is a value obtained from the period T by (T).
  • w h (i), w m (i), and w l (i) are such that the values of w h (i), w m (i), and w l (i) decrease as i increases. It is determined.
  • the occurrence of a spectrum peak due to the pitch component is suppressed even when the fundamental frequency of the input signal is high.
  • a coefficient that can be converted into a linear prediction coefficient can be obtained, and a coefficient that can be converted into a linear prediction coefficient that can represent a spectral envelope even when the fundamental frequency of the input signal is low. Can also realize linear prediction with high analysis accuracy.
  • the coefficient w O (i) is determined using a plurality of coefficient tables.
  • the third embodiment is different from the first embodiment only in the method of determining the coefficient w O (i) in the coefficient determination unit 24, and is the same as the first embodiment in other points.
  • the following description will focus on the parts that are different from the first embodiment, and redundant description of the same parts as in the first embodiment will be omitted.
  • the linear prediction analysis apparatus 2 according to the third embodiment is different in the processing of the coefficient determination unit 24, and as illustrated in FIG. 5, the linear prediction according to the first embodiment is performed except for a part further including a coefficient table storage unit 25. This is the same as the analyzer 2.
  • the coefficient table storage unit 25 stores two or more coefficient tables.
  • FIG. 6 shows an example of the processing flow of the coefficient determination unit 24 of the third embodiment.
  • the coefficient determination unit 24 according to the third embodiment performs, for example, the processes in steps S44 and S45 in FIG.
  • the coefficient determination unit 24 has a value that is positively correlated with the fundamental frequency corresponding to information about the input fundamental frequency or a value that is negatively correlated with the fundamental frequency corresponding to information about the input period. From the two or more coefficient tables stored in the coefficient table storage unit 25, one coefficient corresponding to a value having a positive correlation with the fundamental frequency or a value having a negative correlation with the fundamental frequency Table t is selected (step S44). For example, a value that is positively correlated with the fundamental frequency corresponding to the information about the fundamental frequency is the fundamental frequency corresponding to the information about the fundamental frequency, and is negative with respect to the fundamental frequency corresponding to the information about the input period. The correlated value is a period corresponding to the information about the input period.
  • the coefficient determination unit 24 selects the coefficient table t0 as the coefficient table t if the value having a positive correlation with the fundamental frequency is equal to or greater than a predetermined threshold, and otherwise selects the coefficient table t1 as the coefficient table t. Choose as. That is, if the value that is positively correlated with the fundamental frequency is greater than or equal to a predetermined threshold, that is, if it is determined that the fundamental frequency is high, select the coefficient table with the smaller coefficient for each i, If the value having a positive correlation with the fundamental frequency is not equal to or greater than the predetermined threshold value, that is, if it is determined that the fundamental frequency is low, the coefficient table with the larger coefficient for each i is selected.
  • the coefficient table selected by the coefficient determination unit 24 when the value that is positively correlated with the fundamental frequency in the two coefficient tables stored in the coefficient table storage unit 25 is the first value.
  • the value that is positively correlated with the fundamental frequency in the two coefficient tables stored in the coefficient table storage unit 25 is a second value that is smaller than the first value.
  • the coefficient table selected by the coefficient determination unit 24 is a second coefficient table, and the magnitude of the coefficient corresponding to each order i in the second coefficient table is at least a part of each order i in the first coefficient table. It is larger than the magnitude of the coefficient corresponding to each order i.
  • the coefficient determination unit 24 selects the coefficient table t0 as the coefficient table t if the value negatively correlated with the fundamental frequency is equal to or smaller than the predetermined threshold value, and otherwise sets the coefficient table t1 as the coefficient table t. select. That is, when a value that is negatively correlated with the fundamental frequency is equal to or less than a predetermined threshold, that is, when it is determined that the cycle is short, a coefficient table with a smaller coefficient for each i is selected, and the fundamental If the value that is negatively correlated with the frequency is not less than or equal to the predetermined threshold value, that is, if it is determined that the period is long, the coefficient table with the larger coefficient for each i is selected.
  • the coefficient table selected by the coefficient determination unit 24 when the value negatively correlated with the fundamental frequency in the two coefficient tables stored in the coefficient table storage unit 25 is the first value.
  • the value that is negatively correlated with the fundamental frequency in the two coefficient tables stored in the coefficient table storage unit 25 is a second value that is greater than the first value.
  • the coefficient table selected by the coefficient determination unit 24 is a second coefficient table, and the magnitude of the coefficient corresponding to each order i in the second coefficient table is at least a part of each order i in the first coefficient table. It is larger than the coefficient size of each order i.
  • the coefficient determination unit 24 (1) If the value positively correlated with the fundamental frequency> th2 ', that is, if the fundamental frequency is determined to be high, select the coefficient table t0 as the coefficient table t, (2) When th2 ′ ⁇ a value positively correlated with the fundamental frequency> th1 ′, that is, when it is determined that the fundamental frequency is medium, the coefficient table t1 is selected as the coefficient table t, (3) When th1 ′ ⁇ a value having a positive correlation with the fundamental frequency, that is, when it is determined that the fundamental frequency is low, the coefficient table t2 is selected as the coefficient table t.
  • the coefficient determination unit 24 (1) When the value negatively correlated with the fundamental frequency ⁇ th2, that is, when it is determined that the period is long, the coefficient table t2 is selected as the coefficient table t, (2) When th2> value negatively correlated with the fundamental frequency ⁇ th1, that is, when it is determined that the period is medium, the coefficient table t1 is selected as the coefficient table t, (3) If th1> a value that is negatively correlated with the fundamental frequency, that is, if it is determined that the period is short, the coefficient table t0 is selected as the coefficient table t.
  • a quantized value of a period is used as a value having a negative correlation with the fundamental frequency, and a coefficient table t is selected according to the quantized value of this period.
  • the period T obtained by the period calculation unit 940 is input as to a predetermined positive integer to be satisfied.
  • a cycle T that is information about the cycle is input to the coefficient determination unit 24.
  • the period T is included in a range of 29 ⁇ T ⁇ 231.
  • the coefficient determination unit 24 obtains the index D from the period T specified by the input information about the period T by the following equation (17).
  • This index D is a value that has a negative correlation with the fundamental frequency, and corresponds to the quantized value of the period.
  • D int (T / 110 + 0.5) (17)
  • FIG. 7 is an example of a diagram showing the relationship between the cycle T, the index D, and the cycle quantization value T ′.
  • the horizontal axis in FIG. 7 is the period T, and the vertical axis is the quantized value T ′ of the period.
  • the period quantization value T ′ D ⁇ 110. Since the period T is 29 ⁇ T ⁇ 231, the index D has a value of 0, 1, or 2.
  • w t0 (i) [1.0, 0.999566371, 0.998266613, 0.996104103, 0.993084457, 0.989215493, 0.984507263, 0.978971839, 0.972623467, 0.96547842, 0.957554817, 0.948872864, 0.939454317, 0.929322779, 0.918503404, 0.907022834, 0.894909143]
  • w t1 (i) [1.0, 0.999706, 0.998824, 0.997356, 0.995304, 0.992673, 0.989466, 0.985689, 0.98135, 0.976455, 0.971012, 0.965032, 0.958525, 0.951502, 0.943975, 0.935956, 0.927460]
  • w t2 (i) [1.0, 0.999926, 0.999706, 0.999338, 0.998824, 0.998163, 0.997356, 0.996403, 0.995304, 0.99406, 0.992672, 0.99114, 0.989465, 0.987647, 0.985688, 0.983588, 0.981348]
  • FIG. 8 is a graph showing the magnitudes of the coefficients w t0 (i), w t1 (i), and w t2 (i) of the coefficient table for each i.
  • the horizontal axis in FIG. 8 represents the order i
  • the vertical axis in FIG. 8 represents the magnitude of the coefficient.
  • the coefficient size monotonously decreases as the value of i increases in each coefficient table.
  • the relationship of w t0 (i) ⁇ w t1 (i) ⁇ w t2 (i) is satisfied for i ⁇ 1. Yes.
  • the coefficient size monotonously increases.
  • the plurality of coefficient tables stored in the coefficient table storage unit 25 are not limited to the above example as long as they have such a relationship.
  • i 0, it is not necessary to satisfy the relationship of w t0 (i) ⁇ w t1 (i) ⁇ w t2 (i), and w t0 (0), w t1 (0), w t2 (0) does not necessarily have the same value.
  • w t0 (0) 1.0001
  • w t1 (0) 1.0
  • w t2 (0) 1.0 as in
  • w t0 (0) only for i 0, w t1 (0 )
  • w t2 (0 ) May not satisfy the relationship of w t0 (i) ⁇ w t1 (i) ⁇ w t2 (i).
  • the coefficient determination unit 24 selects the coefficient table tD corresponding to the index D as the coefficient table t.
  • each coefficient table t0, t1, t2 is associated with the index D, but each coefficient table t0, t1, t2 is a value other than the value or index D that is positively correlated with the fundamental frequency. It may be associated with a value having a negative correlation with the fundamental frequency.
  • the coefficient stored in any one of the plurality of coefficient tables is determined as the coefficient w O (i), but the modified example of the third embodiment additionally includes a plurality of coefficients. This includes the case where the coefficient w O (i) is determined by the arithmetic processing based on the coefficient stored in the table.
  • the functional configuration of the linear prediction analysis apparatus 2 of the modification of the third embodiment is the same as that of the third embodiment in FIG.
  • the linear prediction analysis apparatus 2 of the third embodiment is different from the linear prediction analysis apparatus 2 of the third embodiment except that the processing of the coefficient determination unit 24 is different and the coefficient table included in the coefficient table storage unit 25 is different. Is the same.
  • each coefficient w t0 (i) of the coefficient table t0 is converted to the coefficient w O (i ) (2)
  • th2 ′ ⁇ a value positively correlated with the fundamental frequency> th1 ′ that is, when it is determined that the fundamental frequency is medium
  • ⁇ ′ is 0 ⁇ ⁇ ′ ⁇ 1, and when the fundamental frequency P takes a small value, the value of ⁇ ′ also becomes small, and when the fundamental frequency P takes a large value, the value of ⁇ ′ also becomes large.
  • each coefficient w t2 (i) of the coefficient table t2 is set as a coefficient w O (i).
  • each coefficient w t0 (i) of the coefficient table t0 and the coefficient table Using each coefficient w t2 (i) of t2, the coefficient w O (i) is determined by w O (i) (1- ⁇ ) ⁇ w t0 (i) + ⁇ ⁇ w t2 (i), (3) If th1> a value that is negatively correlated with the fundamental frequency, that is, if it is determined that the period is small, each coefficient w t0 (i) in the coefficient table t0 is set as a coefficient w O (i). select.
  • T is a value obtained from the period T.
  • the value close to w t0 (i) can be used as the coefficient w O (i), while the period is medium. since out when the period T is large can be w t2 coefficient value close to (i) w O (i) , only two tables, it is possible to obtain three or more coefficients w O (i) .
  • the coefficient multiplier 22 is not included, and the coefficient w O (i) and the autocorrelation R O (i) are calculated in the prediction coefficient calculator 23. May be used to perform linear prediction analysis.
  • 10 and 11 are configuration examples of the linear prediction analysis apparatus 2 corresponding to FIGS. 1 and 5, respectively.
  • the prediction coefficient calculation unit 23 uses a modified autocorrelation R ′ O (i) obtained by multiplying the coefficient w O (i) and the autocorrelation R O (i). Instead, linear prediction analysis is performed by directly using the coefficient w O (i) and the autocorrelation R O (i) (step S5).
  • a linear prediction analysis is performed on an input signal X O (n) using a conventional linear prediction analysis apparatus, and a fundamental frequency is obtained by a fundamental frequency calculation unit using a result of the linear prediction analysis.
  • the coefficient w O (i) based on the obtained fundamental frequency is used to obtain a coefficient that can be converted into a linear prediction coefficient by the linear prediction analysis apparatus of the present invention.
  • the linear prediction analysis apparatus 3 of the fourth embodiment includes a first linear prediction analysis unit 31, a linear prediction residual calculation unit 32, a fundamental frequency calculation unit 33, and a second linear prediction analysis unit 34, for example. I have.
  • Linear prediction residual calculation unit 32 performs filtering equivalent to or similar to linear prediction based on coefficients that can be converted into linear prediction coefficients from the first order to the P max order with respect to the input signal X O (n). Processing is performed to obtain a linear prediction residual signal X R (n). Since the filtering process can also be called a weighting process, the linear prediction residual signal X R (n) can also be said to be a weighted input signal.
  • the fundamental frequency calculator 33 obtains the fundamental frequency P of the linear prediction residual signal X R (n) and outputs information about the fundamental frequency.
  • P s1 is a fundamental frequency of the M sub-frames constituting the current frame, ..., a maximum value max (P s1, ..., P sM) of the P sM can identify Is output as information about the fundamental frequency.
  • the second linear prediction analysis unit 34 includes the linear prediction analysis device 2 according to the first embodiment to the third embodiment, the linear prediction analysis device 2 according to the second modification of the second embodiment, and the linearity of the modification according to the third embodiment.
  • linear prediction analysis is performed on the input signal X O (n) using a conventional linear prediction analysis apparatus, and the period is obtained by the period calculation unit using the result of the linear prediction analysis.
  • the coefficient w O (i) based on the obtained period is used to obtain a coefficient that can be converted into a linear prediction coefficient by the linear prediction analysis apparatus of the present invention.
  • the linear prediction analysis apparatus 3 of the modification of the fourth embodiment includes a first linear prediction analysis unit 31, a linear prediction residual calculation unit 32, a period calculation unit 35, and a second linear prediction analysis unit 34.
  • the first linear prediction analysis unit 31 and the linear prediction residual calculation unit 32 of the linear prediction analysis device 3 of the modification of the fourth embodiment are the same as the linear prediction analysis device 3 of the fourth embodiment, respectively.
  • a description will be given centering on differences from the fourth embodiment.
  • T s1 is the period of M sub-frames constituting the current frame, ..., the minimum value min (T s1 ..., T sM ) can identify the information in the T sM Output as information about the period.
  • the second linear prediction analysis unit 34 of the modification of the fourth embodiment includes the linear prediction analysis apparatus 2 of the modification of the first embodiment, the linear prediction analysis apparatus 2 of the first modification of the second embodiment, and the second implementation.
  • ⁇ Values that are positively correlated with the fundamental frequency> As described in the second specific example of the fundamental frequency calculation unit 930 in the first embodiment, a sample part that is pre-read and used as a look-ahead in the signal processing of the previous frame as a value having a positive correlation with the fundamental frequency. Of these, the fundamental frequency of the portion corresponding to the sample of the current frame may be used.
  • an estimated value of the fundamental frequency may be used as a value that has a positive correlation with the fundamental frequency.
  • the estimated value of the fundamental frequency for the current frame predicted from the fundamental frequency of the past multiple frames, and the average, minimum, or maximum value of the fundamental frequency for the past multiple frames are used as the estimated fundamental frequency. It may be used. Further, an average value, a minimum value, or a maximum value of the fundamental frequency for a plurality of subframes may be used as the estimated value of the fundamental frequency.
  • the quantized value of the fundamental frequency may be used as a value that has a positive correlation with the fundamental frequency. That is, the fundamental frequency before quantization may be used, or the fundamental frequency after quantization may be used.
  • the fundamental frequency for any analyzed channel may be used.
  • ⁇ Values that are negatively correlated with the fundamental frequency As described as specific example 2 of the period calculation unit 940 in the first embodiment, as a value having a negative correlation with the fundamental frequency, a sample part that is pre-read and used in the signal processing of the previous frame is also used. Of these, the period of the portion corresponding to the sample of the current frame may be used.
  • an estimated value of the period may be used as a value that is negatively correlated with the fundamental frequency.
  • the estimated value of the period for the current frame predicted from the fundamental frequency of a plurality of past frames, or the average value, the minimum value, or the maximum value of the period for a plurality of past frames may be used as the estimated value of the period.
  • an average value, minimum value, or maximum value of the periods for a plurality of subframes may be used as an estimated value of the fundamental frequency.
  • an estimated value of the period of the current frame predicted by the portion corresponding to the sample of the current frame among the sample portions used by prefetching which is also referred to as look-ahead, may be used as the basic frequency of a plurality of frames in the past.
  • the average value, minimum value, or maximum value for the portion corresponding to the sample of the current frame, among the sample portions that are used by pre-reading which is also called look-ahead, may be used as the estimated value. Good.
  • the quantized value of the period may be used as a value that is negatively correlated with the fundamental frequency. That is, the period before quantization may be used, or the period after quantization may be used.
  • the period for any analyzed channel may be used.
  • the threshold value may be set to be divided into one of two cases adjacent to each other. That is, a case where the threshold value is greater than or equal to a certain threshold value may be a case where the threshold value is greater than the threshold value, and a case where the value is smaller than the threshold value may be the case where the threshold value is equal to or less than the threshold value.
  • a case where the value is greater than a certain threshold value may be a case where the value is equal to or greater than the threshold value, and a case where the value is equal to or less than the threshold value may be defined as a case where the value is smaller than the threshold value.
  • each step in the linear prediction analysis method is realized by a computer, the processing contents of the functions that the linear prediction analysis method should have are described by a program. And each step is implement
  • the program describing the processing contents can be recorded on a computer-readable recording medium.
  • a computer-readable recording medium any recording medium such as a magnetic recording device, an optical disk, a magneto-optical recording medium, and a semiconductor memory may be used.
  • each processing means may be configured by executing a predetermined program on a computer, or at least a part of these processing contents may be realized by hardware.

Abstract

　自己相関計算部２１が、入力信号から自己相関RO(i)を計算する。予測係数計算部２３が、係数wO(i)と自己相関RO(i)とが乗算されたものである変形自己相関R'O(i)を用いて線形予測分析を行う。ここで、少なくとも一部の各次数iに対して、各次数iに対応する係数wO(i)が、現在又は過去のフレームにおける入力信号の基本周波数と負の相関関係にある値の増加とともに単調増加する関係にある場合が含まれているとする。

Description

線形予測分析装置、方法、プログラム及び記録媒体
　この発明は、音声信号、音響信号、心電図、脳波、脳磁図、地震波等のディジタル時系列信号の分析技術に関する。
　音声信号、音響信号の符号化では、入力された音声信号や音響信号を線形予測分析して得た予測係数に基づいて符号化する手法が広く用いられている（例えば、非特許文献１，２参照。）。
　非特許文献１から３では、図１５に例示する線形予測分析装置により予測係数が計算されている。線形予測分析装置１は、自己相関計算部１１、係数乗算部１２及び予測係数計算部１３を備えている。
　入力された時間領域のディジタル音声信号やディジタル音響信号である入力信号は、Nサンプルのフレーム毎に処理される。現時刻で処理対象とするフレームである現フレームの入力信号をXO(n)(n=0,1,…,N-1)とする。nは入力信号における各サンプルのサンプル番号を表し、Nは所定の正の整数である。ここで、現フレームの１つ前のフレームの入力信号はXO(n)(n=-N,-N+1,…, -1)であり、現フレームの１つ後のフレームの入力信号はXO(n)(n=N,N+1,…, 2N-1)である。
　[自己相関計算部１１]
　線形予測分析装置１の自己相関計算部１１は、入力信号XO(n)から自己相関RO(i) (i=0,1,…,Pmax)を式(11)により求める。Pmaxは、N未満の所定の正の整数である。
Figure JPOXMLDOC01-appb-M000001
　［係数乗算部１２］
　次に、係数乗算部１２が、自己相関RO(i)に予め定めた係数wO(i) (i=0,1,…,Pmax)を同じiごとに乗じることにより、変形自己相関R'O(i) (i=0,1,…,Pmax)を求める。すなわち、変形自己相関R'O(i)は式(12)により求める。
Figure JPOXMLDOC01-appb-M000002
　［予測係数計算部１３］
　そして、予測係数計算部１３が、R'O(i)を用いて、例えばLevinson-Durbin法などにより、1次から予め定めた最大次数であるPmax次までの線形予測係数に変換可能な係数を求める。線形予測係数に変換可能な係数とは、PARCOR係数KO(1),KO(2),…,KO(Pmax)や線形予測係数aO(1),aO(2),…,aO(Pmax)等である。
　非特許文献１である国際標準ITU-T G.718や非特許文献２である国際標準ITU-T G.729では、係数wO(i)として予め求めておいた60 Hzのバンド幅の固定の係数を用いている。
　具体的には、係数wO(i)は式(13)のように指数関数を用いて定義されており、式(3)ではf0=60 Hzという固定値が使われている。fsはサンプリング周波数である。
Figure JPOXMLDOC01-appb-M000003
　非特許文献３には、上述の指数関数以外の関数に基づく係数を用いる例が記載されている。しかし、ここで用いられている関数は、サンプリング周期τ(fsに対応する周期に相当）と所定の定数aとに基づく関数であり、やはり固定値の係数が使われている。
ITU-T Recommendation G.718, ITU, 2008. ITU-T Recommendation G.729, ITU, 1996 Yoh'ichi Tohkura, Fumitada Itakura, Shin'ichiro Hashimoto, "Spectral Smoothing Technique in PARCOR Speech Analysis-Synthesis", IEEE Trans. on Acoustics, Speech, and Signal Processing, Vol. ASSP-26, No.6, 1978
　従来の音声信号、音響信号の符号化で用いられている線形予測分析方法では、自己相関RO(i)に固定の係数wO(i)が乗算して得られる変形自己相関R'O(i)を用いて線形予測係数に変換可能な係数を求めていた。よって、自己相関RO(i)への係数wO(i)の乗算による変形を必要としないような、すなわち、変形自己相関R'O(i)ではなく自己相関RO(i)そのものを用いて線形予測係数に変換可能な係数を求めたとしても、線形予測係数に変換可能な係数に対応するスペクトル包絡においてスペクトルのピークが大きくなりすぎることがないような入力信号の場合には、自己相関RO(i)への係数wO(i)の乗算によって、変形自己相関R'O(i)により求まる線形予測係数に変換可能な係数に対応するスペクトル包絡が、入力信号XO(n)のスペクトル包絡を近似する精度が下がってしまう、すなわち、線形予測分析の精度が下がってしまう、可能性があった。
　この発明は、従来よりも分析精度が高い線形予測分析方法、装置、プログラム及び記録媒体を提供することを目的とする。
　この発明の一態様による線形予測分析方法は、入力時系列信号に対応する線形予測係数に変換可能な係数を、所定時間区間であるフレームごとに求める、線形予測分析方法であって、少なくともi=0,1,…,Pmaxのそれぞれについて、現在のフレームの入力時系列信号XO(n)とiサンプルだけ過去の入力時系列信号XO(n-i)またはiサンプルだけ未来の入力時系列信号XO(n+i)との自己相関RO(i)を計算する自己相関計算ステップと、係数wO(i) (i=0, 1, …, Pmax)と自己相関RO(i) (i=0, 1, …, Pmax)とが対応するiごとに乗算されたものである変形自己相関R’O(i) (i=0, 1, …, Pmax)を用いて、1次からPmax次までの線形予測係数に変換可能な係数を求める予測係数計算ステップと、を含み、少なくとも一部の各次数iに対して、各次数iに対応する係数wO(i)が、現在又は過去のフレームにおける入力時系列信号に基づく周期、周期の量子化値、または基本周波数と負の相関関係にある値の増加とともに単調増加する関係にある場合が含まれている。
　この発明の一態様による線形予測分析方法は、入力時系列信号に対応する線形予測係数に変換可能な係数を、所定時間区間であるフレームごとに求める、線形予測分析方法であって、少なくともi=0,1,…,Pmaxのそれぞれについて、現在のフレームの入力時系列信号XO(n)とiサンプルだけ過去の入力時系列信号XO(n-i)またはiサンプルだけ未来の入力時系列信号XO(n+i)との自己相関RO(i) (i=0, 1, …, Pmax)を計算する自己相関計算ステップと、２個以上の係数テーブルのそれぞれにはi=0, 1, …, Pmaxの各次数iと各次数iに対応する係数wO(i)とが対応付けて記憶されているとして、現在又は過去のフレームにおける入力時系列信号に基づく周期、周期の量子化値、または基本周波数と負の相関関係にある値を用いて２個以上の係数テーブルの中の１個の係数テーブルから係数wO(i) (i=0, 1, …, Pmax)を取得する係数決定ステップと、取得された係数wO(i) (i=0, 1, …, Pmax)と自己相関RO(i) (i=0, 1, …, Pmax)とが対応するiごとに乗算されたものである変形自己相関R' O(i) (i=0, 1, …, Pmax)を用いて、1次からPmax次までの線形予測係数に変換可能な係数を求める予測係数計算ステップと、を含み、２個以上の係数テーブルの中の、周期、周期の量子化値、または基本周波数と負の相関関係にある値が第一値である場合に係数決定ステップで係数wO(i) (i=0, 1, …, Pmax)が取得される係数テーブルを第一係数テーブルとし、２個以上の係数テーブルの中の、周期、周期の量子化値、または基本周波数と負の相関関係にある値が第一値よりも大きい第二値である場合に係数決定ステップで係数wO(i) (i=0, 1, …, Pmax)が取得される係数テーブルを第二係数テーブルとして、少なくとも一部の各次数iに対して、第二係数テーブルにおける各次数iに対応する係数は、第一係数テーブルにおける各次数iに対応する係数よりも大きい。
　この発明の一態様による線形予測分析方法は、入力時系列信号に対応する線形予測係数に変換可能な係数を、所定時間区間であるフレームごとに求める、線形予測分析方法であって、少なくともi=0,1,…,Pmaxのそれぞれについて、現在のフレームの入力時系列信号XO(n)とiサンプルだけ過去の入力時系列信号XO(n-i)またはiサンプルだけ未来の入力時系列信号XO(n+i)との自己相関RO(i) (i=0, 1, …, Pmax)を計算する自己相関計算ステップと、係数テーブルt0には係数wt0(i) (i=0, 1,…, Pmax)が格納されており、係数テーブルt1には係数wt1(i) (i=0, 1,…, Pmax)、係数テーブルt2には係数wt2(i) (i=0, 1,…, Pmax)が格納されているとして、現在又は過去のフレームにおける入力時系列信号に基づく周期、周期の量子化値、または基本周波数と負の相関関係にある値を用いて係数テーブルt0,t1,t2の中の１個の係数テーブルから係数を取得する係数決定ステップと、取得した係数と自己相関RO(i) (i=0, 1, …, Pmax)とが対応するiごとに乗算されたものである変形自己相関R' O(i) (i=0, 1, …, Pmax)を用いて、1次からPmax次までの線形予測係数に変換可能な係数を求める予測係数計算ステップと、を含み、周期、周期の量子化値、または基本周波数と負の相関関係にある値に応じて、周期が短い場合、周期が中程度の場合、周期が長い場合の何れかの場合に分類されるとし、周期が短い場合に係数決定ステップで係数が取得される係数テーブルを係数テーブルt0とし、周期が中程度の場合に係数決定ステップで係数が取得される係数テーブルを係数テーブルt1とし、周期が長い場合に係数決定ステップで係数が取得される係数テーブルを係数テーブルt2として、少なくとも一部のiについてwt0(i)<wt1(i)≦wt2(i)であり、それ以外のiのうちの少なくとも一部の各iについてwt0(i)≦wt1(i)<wt2(i)であり、残りの各iについてwt0(i)≦wt1(i)≦wt2(i)である。
　この発明の一態様による線形予測分析方法は、入力時系列信号に対応する線形予測係数に変換可能な係数を、所定時間区間であるフレームごとに求める、線形予測分析方法であって、少なくともi=0,1,…,Pmaxのそれぞれについて、現在のフレームの入力時系列信号XO(n)とiサンプルだけ過去の入力時系列信号XO(n-i)またはiサンプルだけ未来の入力時系列信号XO(n+i)との自己相関RO(i)(i=0, 1, …, Pmax)を計算する自己相関計算ステップと、係数wO(i) (i=0, 1, …, Pmax)と自己相関RO(i) (i=0, 1, …, Pmax)とが対応するiごとに乗算されたものである変形自己相関R'O(i) (i=0, 1, …, Pmax)を用いて、1次からPmax次までの線形予測係数に変換可能な係数を求める予測係数計算ステップと、を含み、少なくとも一部の各次数iに対して、各次数iに対応する係数wO(i)が、現在又は過去のフレームにおける入力時系列信号に基づく基本周波数と正の相関関係にある値の増加とともに単調減少する関係にある場合が含まれている。
　この発明の一態様による線形予測分析方法は、入力時系列信号に対応する線形予測係数に変換可能な係数を、所定時間区間であるフレームごとに求める、線形予測分析方法であって、少なくともi=0,1,…,Pmaxのそれぞれについて、現在のフレームの入力時系列信号XO(n)とiサンプルだけ過去の入力時系列信号XO(n-i)またはiサンプルだけ未来の入力時系列信号XO(n+i)との自己相関RO(i) (i=0, 1, …, Pmax)を計算する自己相関計算ステップと、２個以上の係数テーブルのそれぞれにはi=0, 1, …, Pmaxの各次数iと各次数iに対応する係数wO(i)とが対応付けて記憶されているとして、現在又は過去のフレームにおける入力時系列信号に基づく基本周波数と正の相関関係にある値を用いて２個以上の係数テーブルの中の１個の係数テーブルから係数wO(i) (i=0, 1, …, Pmax)を取得する係数決定ステップと、取得された係数wO(i) (i=0, 1, …, Pmax)と自己相関RO(i) (i=0, 1, …, Pmax)とが対応するiごとに乗算されたものである変形自己相関R' O(i) (i=0, 1, …, Pmax)を用いて、1次からPmax次までの線形予測係数に変換可能な係数を求める予測係数計算ステップと、を含み、２個以上の係数テーブルの中の、基本周波数と正の相関関係にある値が第一値である場合に係数決定ステップで係数wO(i) (i=0, 1, …, Pmax)が取得される係数テーブルを第一係数テーブルとし、２個以上の係数テーブルの中の、基本周波数と正の相関関係にある値が第一値よりも小さい第二値である場合に係数決定ステップで係数wO(i) (i=0, 1, …, Pmax)が取得される係数テーブルを第二係数テーブルとして、少なくとも一部の各次数iに対して、第二係数テーブルにおける各次数iに対応する係数は、第一係数テーブルにおける各次数iに対応する係数よりも大きい。
　この発明の一態様による線形予測分析方法は、入力時系列信号に対応する線形予測係数に変換可能な係数を、所定時間区間であるフレームごとに求める、線形予測分析方法であって、少なくともi=0,1,…,Pmaxのそれぞれについて、現在のフレームの入力時系列信号XO(n)とiサンプルだけ過去の入力時系列信号XO(n-i)またはiサンプルだけ未来の入力時系列信号XO(n+i)との自己相関RO(i) (i=0, 1, …, Pmax)を計算する自己相関計算ステップと、係数テーブルt0には係数wt0(i) (i=0,1,…,Pmax)が格納されており、係数テーブルt1には係数wt1(i) (i=0,1,…,Pmax)、係数テーブルt2には係数wt2(i) (i=0,1,…,Pmax)が格納されているとして、現在又は過去のフレームにおける入力時系列信号に基づく基本周波数と正の相関関係にある値を用いて係数テーブルt0,t1,t2の中の１個の係数テーブルから係数を取得する係数決定ステップと、取得した係数と自己相関RO(i) (i=0, 1, …, Pmax)とが対応するiごとに乗算されたものである変形自己相関R' O(i) (i=0, 1, …, Pmax)を用いて、1次からPmax次までの線形予測係数に変換可能な係数を求める予測係数計算ステップと、を含み、基本周波数と正の相関関係にある値に応じて、基本周波数が高い場合、基本周波数が中程度の場合、基本周波数が低い場合の何れかの場合に分類されるとし、基本周波数が高い場合に係数決定ステップで係数が取得される係数テーブルを係数テーブルt0とし、基本周波数が中程度の場合に係数決定ステップで係数が取得される係数テーブルを係数テーブルt1とし、基本周波数が低い場合に係数決定ステップで係数が取得される係数テーブルを係数テーブルt2として、少なくとも一部のiについてwt0(i)<wt1(i)≦wt2(i)であり、それ以外のiのうちの少なくとも一部の各iについてwt0(i)≦wt1(i)<wt2(i)であり、残りの各iについてwt0(i)≦wt1(i)≦wt2(i)である。
　変形自己相関を求めるために自己相関に乗じる係数として、基本周波数と正の相関関係にある値又は基本周波数と負の相関関係にある値に応じて特定される係数を用いることにより、従来よりも分析精度の高い線形予測を実現することができる。
第一実施形態及び第二実施形態の線形予測装置の例を説明するためのブロック図。 線形予測分析方法の例を説明するためのフローチャート。 第二実施形態の線形予測分析方法の例を説明するためのフローチャート。 第二実施形態の線形予測分析方法の例を説明するためのフローチャート。 第三実施形態の線形予測分析装置の例を説明するためのブロック図。 第三実施形態の線形予測分析方法の例を説明するためのフローチャート。 第三実施形態の具体例を説明するための図。 第三実施形態の具体例を説明するための図。 実験結果の例を示す図。 変形例を説明するためのブロック図。 変形例を説明するためのブロック図。 変形例を説明するためのフローチャート。 第四実施形態の線形予測分析装置の例を説明するためのブロック図。 第四実施形態の変形例の線形予測分析装置の例を説明するためのブロック図。 従来の線形予測装置の例を説明するためのブロック図。
　以下、図面を参照して、線形予測分析装置及び方法の各実施形態を説明する。
　［第一実施形態］
　第一実施形態の線形予測分析装置２は、図１に示すように、自己相関計算部２１、係数決定部２４、係数乗算部２２及び予測係数計算部２３を例えば備えている。自己相関計算部２１、係数乗算部２２及び予測係数計算部２３の動作は、従来の線形予測分析装置１の自己相関計算部１１、係数乗算部１２及び予測係数計算部１３における動作とそれぞれ同じである。
　線形予測分析装置２には、所定時間区間であるフレームごとの時間領域のディジタル音声信号やディジタル音響信号や心電図、脳波、脳磁図、地震波等のディジタル信号である入力信号XO(n)が入力される。入力信号は、入力時系列信号である。現フレームの入力信号をXO(n)(n=0,1,…,N-1)とする。nは入力信号における各サンプルのサンプル番号を表し、Nは所定の正の整数である。ここで、現フレームの１つ前のフレームの入力信号はXO(n)(n=-N,-N+1,…, -1)であり、現フレームの１つ後のフレームの入力信号はXO(n)(n=N,N+1,…, 2N-1)である。以下では、入力信号XO(n)がディジタル音声信号やディジタル音響信号である場合について説明する。入力信号XO(n) (n=0,1,…,N-1)は、収音された信号そのものであってもよいし、分析のためにサンプリングレートが変換された信号でもよいし、プリエンファシス処理された信号でもよいし、窓かけされた信号でもよい。
　また、線形予測分析装置２には、フレームごとのディジタル音声信号やディジタル音響信号の基本周波数についての情報も入力される。基本周波数についての情報は、線形予測分析装置２外にある周期性分析部９００で求められる。周期性分析部９００は例えば基本周波数計算部９３０を備える。
　[基本周波数計算部９３０]
　基本周波数計算部９３０は、現フレームの入力信号XO(n) (n=0, 1, …, N-1)および／または現フレームの近傍のフレームの入力信号の全部または一部から基本周波数Pを求める。基本周波数計算部９３０は、例えば、現フレームの入力信号XO(n) (n=0, 1, …, N-1)の全部または一部を含む信号区間のディジタル音声信号やディジタル音響信号の基本周波数Pを求め、基本周波数Pを特定可能な情報を基本周波数についての情報として出力する。基本周波数を求める方法としては、様々な公知の方法が存在するので、公知の何れの方法を用いてもよい。また、求めた基本周波数Pを符号化して基本周波数符号を得る構成とし、基本周波数符号を基本周波数についての情報として出力してもよい。さらに基本周波数符号に対応する基本周波数の量子化値^Pを得る構成とし、基本周波数の量子化値^Pを基本周波数についての情報として出力してもよい。以下、基本周波数計算部９３０の具体例について説明する。
　＜基本周波数計算部９３０の具体例１＞
　基本周波数計算部９３０の具体例１は、現フレームの入力信号XO(n) (n=0, 1, …, N-1)が複数個のサブフレームで構成されている場合、かつ、同一のフレームについては線形予測分析装置２よりも先に基本周波数計算部９３０が動作される場合、の例である。基本周波数計算部９３０は、まず、2以上の整数であるM個のサブフレームであるXOs1(n) (n=0, 1, …, N/M-1), …, XOsM(n)(n= (M-1)N/M, (M-1)N/M+1, …, N-1)のそれぞれの基本周波数であるPs1, …, PsMを求める。NはMで割り切れるとする。基本周波数計算部９３０は、現フレームを構成するM個のサブフレームの基本周波数であるPs1, …, PsMのうちの最大値max(Ps1, …, PsM)を特定可能な情報を基本周波数についての情報として出力する。
　＜基本周波数計算部９３０の具体例２＞
　基本周波数計算部９３０の具体例２は、現フレームの入力信号XO(n) (n=0, 1, …, N-1)と１つ後のフレームの一部の入力信号XO(n) (n=N, N+1, …, N+Nn-1)（ただし、Nnは、Nn<Nという関係を満たす所定の正の整数。）とで、先読み部分を含む信号区間が現フレームの信号区間として構成されている場合であり、かつ、同一のフレームについては線形予測分析装置２よりも後に基本周波数計算部９３０が動作される場合、の例である。基本周波数計算部９３０は、現フレームの信号区間について、現フレームの入力信号XO(n) (n=0, 1, …, N-1)と１つ後のフレームの一部の入力信号XO(n) (n=N, N+1, …, N+Nn-1)のそれぞれの基本周波数であるPnow, Pnextを求め、基本周波数Pnextを基本周波数計算部９３０に記憶する。基本周波数計算部９３０は、また、１つ前のフレームの信号区間について求めて基本周波数計算部９３０に記憶されていた基本周波数Pnext、すなわち、１つ前のフレームの信号区間のうちの現フレームの一部の入力信号XO(n) (n=0, 1, …, Nn-1)について求めた基本周波数、を特定可能な情報を基本周波数についての情報として出力する。なお、具体例１と同様に、現フレームについては複数のサブフレームごとの基本周波数を求めてもよい。
　＜基本周波数計算部９３０の具体例３＞
　基本周波数計算部９３０の具体例３は、現フレームの入力信号XO(n) (n=0, 1, …, N-1)そのものが現フレームの信号区間として構成されている場合であり、かつ、同一のフレームについては線形予測分析装置２よりも後に基本周波数計算部９３０が動作される場合、の例である。基本周波数計算部９３０は、現フレームの信号区間である現フレームの入力信号XO(n) (n=0, 1, …, N-1)の基本周波数Pを求め、基本周波数Pを基本周波数計算部９３０に記憶する。基本周波数計算部９３０は、また、１つ前のフレームの信号区間、すなわち、１つ前のフレームの入力信号XO(n) (n=-N, -N+1, …, -1)について求めて基本周波数計算部９３０に記憶されていた基本周波数Pを特定可能な情報を基本周波数についての情報として出力する。
　以下、線形予測分析装置２の動作について説明する。図２は、線形予測分析装置２による線形予測分析方法のフローチャートである。
　[自己相関計算部２１］
　自己相関計算部２１は、入力されたNサンプルのフレーム毎の時間領域のディジタル音声信号やディジタル音響信号である入力信号XO(n)(n=0,1,…,N-1)から自己相関RO(i) (i=0,1,…,Pmax)を計算する（ステップＳ１）。Pmaxは、予測係数計算部２３が求める線形予測係数に変換可能な係数の最大次数であり、N以下の所定の正の整数である。計算された自己相関RO(i) (i=0,1,…,Pmax)は、係数乗算部２２に提供される。
　自己相関計算部２１は、入力信号XO(n)を用いて、例えば式(14A)により自己相関RO(i) (i=0,1,…,Pmax)を計算する。すなわち、現在のフレームの入力時系列信号XO(n)とiサンプルだけ過去の入力時系列信号XO(n-i)との自己相関RO(i)を計算する。
Figure JPOXMLDOC01-appb-M000004
　または、自己相関計算部２１は、入力信号XO(n)を用いて、例えば式(14B)により自己相関RO(i) (i=0,1,…,Pmax)を計算する。すなわち、現在のフレームの入力時系列信号XO(n)とiサンプルだけ未来の入力時系列信号XO(n+i)との自己相関RO(i)を計算する。
Figure JPOXMLDOC01-appb-M000005
　または、自己相関計算部２１は、入力信号XO(n)に対応するパワースペクトルを求めてからWiener-Khinchinの定理に従って自己相関RO(i) (i=0,1,…,Pmax)を計算してもよい。また、何れに方法においても、入力信号XO(n) (n=-Np, -Np+1,…, -1, 0,1,…,N-1, N,…, N-1+Nn)というように前後のフレームの入力信号の一部も用いて自己相関RO(i)を計算してもよい。ここで、Np,Nnはそれぞれ、Np<N, Nn<Nという関係を満たす所定の正の整数である。もしくは、ＭＤＣＴ系列をパワースペクトルの近似として代用し、近似されたパワースペクトルから自己相関を求めてもよい。このように自己相関の算出方法は世の中で使われている公知技術の何れかを用いることができる。
　［係数決定部２４］
　係数決定部２４は、入力された基本周波数についての情報を用いて、係数wO(i) (i=0,1,…,Pmax)を決定する（ステップＳ４）。係数wO(i)は、自己相関RO(i)を変形して変形自己相関R'O(i)を得るための係数である。係数wO(i)は、信号処理の分野においては、ラグ窓wO(i)又はラグ窓係数wO(i)とも呼ばれているものである。係数wO(i)は正の値であるので、係数wO(i)が所定の値よりも大きい／小さいことを、係数wO(i)の大きさが所定の値よりも大きい／小さいと表現することがある。また、ラグ窓wO(i)の大きさとは、そのラグ窓wO(i)の値を意味するものとする。
　係数決定部２４に入力される基本周波数についての情報は、現フレームの入力信号および／または現フレームの近傍のフレームの入力信号の全部または一部から求まった基本周波数を特定する情報である。すなわち、係数wO(i)の決定に用いる基本周波数は、現フレームの入力信号および／または現フレームの近傍のフレームの入力信号の全部または一部から求まった基本周波数である。
　係数決定部２４は、0次からPmax次の全てまたは一部の次数について、基本周波数についての情報に対応する基本周波数の取り得る範囲のうち全てまたは一部で、基本周波数についての情報に対応する基本周波数が大きいほど小さな値を係数wO(0), wO(1), …, wO(Pmax)として決定する。また、係数決定部２４は、基本周波数の代わりに基本周波数と正の相関関係にある値を用いて、基本周波数が大きいほど小さな値を係数wO(0), wO(1), …, wO(Pmax)として決定してもよい。
　すなわち、係数wO(i) (i=0,1,…,Pmax)は、少なくとも一部の予測次数iに対して、その次数iに対応する係数wO(i)の大きさが、現フレームの入力信号XO(n)の全部または一部を含む信号区間の基本周波数と正の相関関係にある値の増加とともに単調減少する関係にある場合が含まれているように決定される。言い換えれば、後述するように、次数iによっては、係数wO(i)の大きさが基本周波数と正の相関関係にある値の増加とともに単調減少しなくてもよい。
　さらに、基本周波数と正の相関関係にある値の取り得る範囲には、係数wO(i)の大きさが基本周波数と正の相関関係にある値の増加に関わらず一定の範囲があってもよいが、その他の範囲では係数wO(i)の大きさが基本周波数と正の相関関係にある値の増加とともに単調減少するものとする。
　係数決定部２４は、例えば、入力された基本周波数についての情報に対応する基本周波数についての単調非増加関数を用いて、係数wO(i)を決定する。例えば、以下の式(1)により係数wO(i)を決定する。以下の式において、Pは入力された基本周波数についての情報に対応する基本周波数である。
Figure JPOXMLDOC01-appb-M000006
　または、０より大きい予め定めた値であるαを用いた、以下の式(2)により係数wO(i)を決定する。αは、係数wO(i)をラグ窓としてとらえたときのラグ窓の幅、言い換えればラグ窓の強さを調整するための値である。予め定めるαは、例えば、複数のαの候補値について線形予測分析装置２を含む符号化装置とその符号化装置に対応する復号装置とで音声信号や音響信号を符号化復号して、復号音声信号や復号音響信号の主観品質や客観品質が良好である候補値をαとして選択することにより定めればよい。
Figure JPOXMLDOC01-appb-M000007
　または、基本周波数Pについての予め定めた関数f(P)を用いた、以下の式(2A)により係数wO(i)を決定してもよい。関数f(P)は、f(P)＝αP＋β（αは正の数、βは任意の数）、f(P)＝αP2＋βP+γ（αは正の数、β、γは任意の数）などの、基本周波数Pと正の相関関係、基本周波数Pに対して単調非減少の関係となる関数である。
Figure JPOXMLDOC01-appb-M000008
　また、基本周波数Pを用いて係数wO(i)を決定する式は、上述の式(1), (2), (2A)に限らず、基本周波数と正の相関関係にある値の増加に対して単調非増加の関係を記述できるものであれば他の式であってもよい。例えば、係数wO(i)を、以下の(3)から(6)の何れかの式により決定してもよい。以下の(3)から(6)の式において、aを基本周波数に依存して決まる実数とし、mを基本周波数に依存して決まる自然数とする。例えば、aを基本周波数と負の相関関係にある値とし、mを基本周波数と負の相関関係にある値とする。τはサンプリング周期である。
Figure JPOXMLDOC01-appb-M000009
　式(3)はBartlett windowと呼ばれる形式の窓関数であり、式(4)はBinomial windowと呼ばれる形式の窓関数であり、式(5)はTriangular in frequency domain windowと呼ばれる形式の窓関数であり、式(6)はRectangular in frequency domain windowと呼ばれる形式の窓関数である。
　なお、0≦i≦Pmaxの各iではなく、少なくとも一部の次数iについてのみ、係数wO(i)が基本周波数と正の相関関係にある値の増加とともに単調減少してもよい。言い換えれば、次数iによっては、係数wO(i)の大きさが基本周波数と正の相関関係にある値の増加とともに単調減少しなくてもよい。
　例えば、i=0の場合は、上述の式(1)から式(6)の何れかを用いて係数wO(0)の値を決定してもよいし、ITU-T G.718等でも用いられているようなwO(0)＝1.0001,wO(0)＝1.003といった、基本周波数と正の相関関係にある値には依存しない、経験的に得られた固定値を用いてもよい。すなわち、1≦i≦Pmaxの各iについては、係数wO(i)は基本周波数と正の相関関係にある値が大きいほど小さな値を取るが、i=0の係数についてはこの限りではなく固定値を用いてもよい。
　[係数乗算部２２]
　係数乗算部２２は、係数決定部２４で決定した係数wO(i) (i=0,1,…,Pmax)と、自己相関計算部２１で求めた自己相関RO(i) (i=0,1,…,Pmax)とを同じiごとに乗じることにより、変形自己相関R'O(i) (i=0,1,…,Pmax)を求める（ステップＳ２）。すなわち、係数乗算部２２は、以下の式(15)により自己相関R'O(i)を計算する。計算された自己相関R'O(i)は、予測係数計算部２３に提供される。
Figure JPOXMLDOC01-appb-M000010
　[予測係数計算部２３]
　予測係数計算部２３は、変形自己相関R'O(i)を用いて線形予測係数に変換可能な係数を求める（ステップＳ３）。
　例えば、予測係数計算部２３は、変形自己相関R'O(i)を用いて、Levinson-Durbin法などにより、1次から予め定めた最大次数であるPmax次までのPARCOR係数KO(1),KO(2),…,KO(Pmax)や線形予測係数aO(1),aO(2),…,aO(Pmax)を計算する。
　第一実施形態の線形予測分析装置２によれば、基本周波数と正の相関関係にある値に応じて、少なくとも一部の予測次数iに対して、その次数iに対応する係数wO(i)の大きさが、現フレームの入力信号XO(n)の全部または一部を含む信号区間の基本周波数と正の相関関係にある値の増加とともに単調減少する関係にある場合が含まれている係数wO(i)を自己相関に乗算して変形自己相関を求めて線形予測係数に変換可能な係数を求めることにより、入力信号の基本周波数が高いときであってもピッチ成分に起因するスペクトルのピークの発生を抑えた線形予測係数に変換可能な係数を求めることができ、かつ、入力信号の基本周波数が低いときであってもスペクトル包絡を表現可能な線形予測係数に変換可能な係数を求めることができ、従来よりも分析精度の高い線形予測を実現することができる。したがって、第一実施形態の線形予測分析装置２を含む符号化装置とその符号化装置に対応する復号装置とで音声信号や音響信号を符号化復号して得られる復号音声信号や復号音響信号の品質は、従来の線形予測分析装置を含む符号化装置とその符号化装置に対応する復号装置とで音声信号や音響信号を符号化復号して得られる復号音声信号や復号音響信号の品質よりも、良い。
　＜第一実施形態の変形例＞
　第一実施形態の変形例は、係数決定部２４が、基本周波数と正の相関関係にある値ではなく、基本周波数と負の相関関係にある値に基づいて係数wO(i)を決定するものである。基本周波数と負の相関関係にある値とは、例えば周期、周期の推定値又は周期の量子化値である。例えば、周期T、基本周波数P、サンプリング周波数fsとすると、T=fs/Pとなるため、周期は基本周波数と負の相関関係にあるものである。基本周波数と負の相関関係にある値に基づいて係数wO(i)を決定する例を第一実施形態の変形例として説明する。
　第一実施形態の変形例の線形予測分析装置２の機能構成と線形予測分析装置２による線形予測分析方法のフローチャートは、第一実施形態と同じ図１と図２である。第一実施形態の変形例の線形予測分析装置２は、係数決定部２４の処理が異なる部分以外は、第一実施形態の線形予測分析装置２と同じである。線形予測分析装置２には、フレームごとのディジタル音声信号やディジタル音響信号の周期についての情報も入力される。周期についての情報は、線形予測分析装置２外にある周期性分析部９００で求められる。周期性分析部９００は例えば周期計算部９４０を備える。
　[周期計算部９４０]
　周期計算部９４０は、現フレームの入力信号XOおよび／または現フレームの近傍のフレームの入力信号の全部または一部から周期Tを求める。周期計算部９４０は、例えば、現フレームの入力信号XO(n)の全部または一部を含む信号区間のディジタル音声信号やディジタル音響信号の周期Tを求め、周期Tを特定可能な情報を周期についての情報として出力する。周期を求める方法としては、様々な公知の方法が存在するので、公知の何れの方法を用いてもよい。また、求めた周期Tを符号化して周期符号を得る構成とし、周期符号を周期についての情報として出力してもよい。さらに周期符号に対応する周期の量子化値^Tを得る構成とし、周期の量子化値^Tを周期についての情報として出力してもよい。以下、周期計算部９４０の具体例について説明する。
　＜周期計算部９４０の具体例１＞
　周期計算部９４０の具体例１は、現フレームの入力信号XO(n) (n=0, 1, …, N-1)が複数個のサブフレームで構成されている場合、かつ、同一のフレームについては線形予測分析装置２よりも先に周期計算部９４０が動作される場合、の例である。周期計算部９４０は、まず、2以上の整数であるM個のサブフレームであるXOs1(n) (n=0, 1, …, N/M-1), …, XOsM(n)(n= (M-1)N/M, (M-1)N/M+1, …, N-1)のそれぞれの周期であるTs1, …, TsMを求める。NはMで割り切れるとする。周期計算部９４０は、現フレームを構成するM個のサブフレームの周期であるTs1, …, TsMのうちの最小値min(Ts1, …, TsM)を特定可能な情報を周期についての情報として出力する。
　＜周期計算部９４０の具体例２＞
　周期計算部９４０の具体例２は、現フレームの入力信号XO(n) (n=0, 1, …, N-1)と１つ後のフレームの一部の入力信号XO(n) (n=N, N+1, …, N+Nn-1) （ただし、Nnは、Nn<Nという関係を満たす所定の正の整数。）とで、先読み部分を含む信号区間が現フレームの信号区間として構成されている場合であり、かつ、同一のフレームについては線形予測分析装置２よりも後に周期計算部９４０が動作される場合、の例である。周期計算部９４０は、現フレームの信号区間について、現フレームの入力信号XO(n) (n=0, 1, …, N-1)と１つ後のフレームの一部の入力信号XO(n) (n=N, N+1, …, N+Nn-1)のそれぞれの周期であるTnow, Tnextを求め、周期Tnextを周期計算部９４０に記憶する。周期計算部９４０は、また、１つ前のフレームの信号区間について求めて周期計算部９４０に記憶されていた周期Tnext、すなわち、１つ前のフレームの信号区間のうちの現フレームの一部の入力信号XO(n) (n=0, 1, …, Nn-1)について求めた周期、を特定可能な情報を周期についての情報として出力する。なお、具体例１と同様に、現フレームについては複数のサブフレームごとの周期を求めてもよい。
　＜周期計算部９４０の具体例３＞
　周期計算部９４０の具体例３は、現フレームの入力信号XO(n) (n=0, 1, …, N-1)そのものが現フレームの信号区間として構成されている場合であり、かつ、同一のフレームについては線形予測分析装置２よりも後に周期計算部９４０が動作される場合、の例である。周期計算部９４０は、現フレームの信号区間である現フレームの入力信号XO(n) (n=0, 1, …, N-1)の周期Tを求め、周期Tを周期計算部９４０に記憶する。周期計算部９４０は、また、１つ前のフレームの信号区間、すなわち、１つ前のフレームの入力信号XO(n) (n=-N, -N+1, …, -1)について求めて周期計算部９４０に記憶されていた周期Tを特定可能な情報を周期についての情報として出力する。
　以下、第一実施形態の変形例の線形予測分析装置２の動作のうち、第一実施形態の線形予測分析装置２と異なる部分である係数決定部２４の処理について説明する。
　［変形例の係数決定部２４］
　第一実施形態の変形例の線形予測分析装置２の係数決定部２４は、入力された周期についての情報を用いて、係数wO(i) (i=0,1,…,Pmax)を決定する（ステップＳ４）。
　係数決定部２４に入力される周期についての情報は、現フレームの入力信号および／または現フレームの近傍のフレームの入力信号の全部または一部から求まった周期を特定する情報である。すなわち、係数wO(i)の決定に用いる周期は、現フレームの入力信号および／または現フレームの近傍のフレームの入力信号の全部または一部から求まった周期である。
　係数決定部２４は、0次からPmax次の全てまたは一部の次数について、周期についての情報に対応する周期の取り得る範囲のうち全てまたは一部で、周期についての情報に対応する周期が大きいほど大きな値を係数wO(0), wO(1), …, wO(Pmax)として決定する。また、係数決定部２４は、周期の代わりに周期と正の相関関係にある値を用いて、周期が大きいほど大きな値を係数wO(0), wO(1), …, wO(Pmax)として決定してもよい。
　すなわち、係数wO(i) (i=0,1,…,Pmax)は、少なくとも一部の予測次数iに対して、その次数iに対応する係数wO(i)の大きさが、現フレームの入力信号XO(n)の全部または一部を含む信号区間の基本周波数と負の相関関係にある値の増加とともに単調増加する関係にある場合が含まれているように決定される。
言い換えれば、次数iによっては、係数wO(i)の大きさが基本周波数と負の相関関係にある値の増加とともに単調増加しなくてもよい。
　さらに、基本周波数と負の相関関係にある値の取り得る範囲には、係数wO(i)の大きさが基本周波数と負の相関関係にある値の増加に関わらず一定の範囲があってもよいが、その他の範囲では係数wO(i)の大きさが基本周波数と負の相関関係にある値の増加とともに単調増加するものとする。
　係数決定部２４は、例えば、入力された周期についての情報に対応する周期についての単調非減少関数を用いて、係数wO(i)を決定する。例えば、以下の式(7)により係数wO(i)を決定する。Tは入力された周期についての情報に対応する周期である。
Figure JPOXMLDOC01-appb-M000011
　または、０より大きい予め定めた値であるαを用いた、以下の式(8)により係数wO(i)を決定する。αは、係数wO(i)をラグ窓としてとらえたときのラグ窓の幅、言い換えればラグ窓の強さを調整するための値である。予め定めるαは、例えば、複数のαの候補値について線形予測分析装置２を含む符号化装置とその符号化装置に対応する復号装置とで音声信号や音響信号を符号化復号して、復号音声信号や復号音響信号の主観品質や客観品質が良好である候補値をαとして選択することにより定めればよい。
Figure JPOXMLDOC01-appb-M000012
　または、周期Tについての予め定めた関数f(T)を用いた、以下の式(8A)により係数wO(i)を決定する。関数f(T)は、f(T)＝αT＋β（αは正の数、βは任意の数）、f(T)＝αT2＋βT+γ（αは正の数、β、γは任意の数）などの、周期Tと正の相関関係、周期Tに対して単調非減少の関係となる関数である。
Figure JPOXMLDOC01-appb-M000013
　なお、周期Tを用いて係数wO(i)を決定する式は、上述の式(7), (8), (8A)に限らず、基本周波数と負の相関関係にある値の増加に対して単調非減少の関係を記述できるものであれば他の式であってもよい。
　なお、0≦i≦Pmaxの各iではなく、少なくとも一部の次数iについてのみ、係数wO(i)が基本周波数と負の相関関係にある値の増加とともに単調増加してもよい。言い換えれば、次数iによっては、係数wO(i)の大きさが基本周波数と負の相関関係にある値の増加とともに単調増加しなくてもよい。
　例えば、i=0の場合は、上述の式(7), (8), (8A)を用いて係数wO(0)の値を決定してもよいし、ITU-T G.718等でも用いられているようなwO(0)＝1.0001,wO(0)＝1.003といった、基本周波数と負の相関関係にある値には依存しない、経験的に得られた固定値を用いてもよい。すなわち、1≦i≦Pmaxの各iについては、係数wO(i)は基本周波数と負の相関関係にある値が大きいほど大きな値を取るが、i=0の係数についてはこの限りではなく固定値を用いてもよい。
　第一実施形態の変形例の線形予測分析装置２によれば、基本周波数と負の相関関係にある値に応じて、少なくとも一部の予測次数iに対して、その次数iに対応する係数wO(i)の大きさが、現フレームの入力信号XO(n)の全部または一部を含む信号区間の基本周波数と負の相関関係にある値の増加とともに単調増加する関係にある場合が含まれている係数wO(i)を自己相関に乗算して変形自己相関を求めて線形予測係数に変換可能な係数を求めることにより、入力信号の基本周波数が高いときであってもピッチ成分に起因するスペクトルのピークの発生を抑えた線形予測係数に変換可能な係数を求めることができ、かつ、入力信号の基本周波数が低いときであってもスペクトル包絡を表現可能な線形予測係数に変換可能な係数を求めることができ、従来よりも分析精度の高い線形予測を実現することができる。したがって、第一実施形態の変形例の線形予測分析装置２を含む符号化装置とその符号化装置に対応する復号装置とで音声信号や音響信号を符号化復号して得られる復号音声信号や復号音響信号の品質は、従来の線形予測分析装置を含む符号化装置とその符号化装置に対応する復号装置とで音声信号や音響信号を符号化復号して得られる復号音声信号や復号音響信号の品質よりも、良い。
　［実験結果］
　図９は、24個の音声音響信号ソースと24人の被験者によるＭＯＳ評価実験の実験結果である。図９の「従来法」「cutA」の６つのＭＯＳ値は、従来の線形予測分析装置を含む図９に記載した各ビットレートの符号化装置とそれらの符号化装置に対応する復号装置とを用いて、音声音響信号ソースを符号化復号して得られた復号音声信号や復号音響信号に対するＭＯＳ値である。図９の「提案手法」「cutB」の６つのＭＯＳ値は、第一実施形態の変形例の線形予測分析装置を含む図９に記載した各ビットレートの符号化装置とそれらの符号化装置に対応する復号装置とを用いて、音声音響信号ソースを符号化復号して得られた復号音声信号や復号音響信号に対するＭＯＳ値である。図９の実験結果からも、本発明の線形予測分析装置を含む符号化装置とその符号化装置に対応する復号装置とを用いることにより、従来の線形予測分析装置を含む場合よりも、高いＭＯＳ値すなわち良い音質を得られたことがわかる。
　［第二実施形態］
　第二実施形態は、基本周波数と正の相関関係にある値又は基本周波数と負の相関関係にある値と所定の閾値とを比較し、その比較結果に応じて係数wO(i)を決定するものである。第二実施形態は、係数決定部２４における係数wO(i)の決定方法のみが第一実施形態と異なり、他の点について第一実施形態と同様である。以下、第一実施形態と異なる部分を中心に説明し、第一実施形態と同様の部分については重複説明を省略する。
　ここではまず、基本周波数と正の相関関係にある値と所定の閾値とを比較し、その比較結果に応じて係数wO(i)を決定する例について説明し、基本周波数と負の相関関係にある値と所定の閾値とを比較し、その比較結果に応じて係数wO(i)を決定する例は第二実施形態の第一変形例で説明する。
　第二実施形態の線形予測分析装置２の機能構成と線形予測分析装置２による線形予測分析方法のフローチャートは、第一実施形態と同じ図１と図２である。第二実施形態の線形予測分析装置２は、係数決定部２４の処理が異なる部分以外は、第一実施形態の線形予測分析装置２と同じである。
　第二実施形態の係数決定部２４の処理の流れの例を図３に示す。第二実施形態の係数決定部２４は、図３の各ステップＳ４１Ａ、ステップＳ４２、ステップＳ４３の処理を例えば行う。
　係数決定部２４は、入力された基本周波数についての情報に対応する基本周波数と正の相関関係にある値と所定の閾値とを比較する（ステップＳ４１Ａ）。入力された基本周波数についての情報に対応する基本周波数と正の相関関係にある値とは、例えば、入力された基本周波数についての情報に対応する基本周波数そのものである。
　係数決定部２４は、基本周波数と正の相関関係にある値が所定の閾値以上である場合、すなわち、基本周波数が高いと判断された場合には、予め定めた規則により係数wh(i)を決定し、この決定された係数wh(i) (i=0,1,…,Pmax)をwO(i) (i=0,1,…,Pmax)とする（ステップＳ４２）。すなわち、wO(i)=wh(i)とする。
　係数部決定２４は、基本周波数と正の相関関係にある値が所定の閾値以上でない場合、すなわち、基本周波数が低いと判断された場合には、予め定めた規則により係数wl(i)を決定し、この決定された係数wl(i) (i=0,1,…,Pmax)をwO(i) (i=0,1,…,Pmax)とする（ステップＳ４３）。すなわち、wO(i)=wl(i)とする。
　ここで、wh(i)とwl(i)は、少なくとも一部の各iについてwh(i)<wl(i)という関係を満たすよう決定する。または、wh(i)とwl(i)は、少なくとも一部の各iについてはwh(i)<wl(i)という関係を満たし、それ以外のｉについてはwh(i)≦wl(i)という関係を満たすよう決定する。ここで、少なくとも一部の各iとは、例えば0以外のi（つまり、1≦i≦Pmax）のことである。例えば、wh(i)とwl(i)は、式(1)で基本周波数PがP1であるときのwO(i)をwh(i)として求め、式(1)で基本周波数PがP2（ただしP1>P2）であるときのwO(i)をwl(i)として求めるという予め定めた規則により求める。また、例えば、wh(i)とwl(i)は、式(2)でαがα1であるときのwO(i)をwh(i)として求め、式(2)でαがα2（ただしα1>α2）であるときのwO(i)をwl(i)として求めるという予め定めた規則により求める。この場合は、α1とα2は共に式(2)のαと同様に予め定めておく。なお、これらの何れかの規則により予め求めたwh(i)とwl(i)をテーブルに記憶しておき、基本周波数と正の相関関係にある値が所定の閾値以上であるか否かによりwh(i)とwl(i)の何れかをテーブルから選択する構成としてもよい。また、wh(i)とwl(i)のそれぞれは、iが大きくなるにつれてwh(i), wl(i)の値が小さくなるように決定される。なお、i=0の係数wh(0), wl(0)については、wh(0)≦wl(0)の関係を満たしていることは必須ではなく、wh(0)>wl(0)の関係を満たす値を用いてもよい。
　第二実施形態によっても、第一実施形態と同様に、入力信号の基本周波数が高いときであってもピッチ成分に起因するスペクトルのピークの発生を抑えた線形予測係数に変換可能な係数を求めることができ、かつ、入力信号の基本周波数が低いときであってもスペクトル包絡を表現可能な線形予測係数に変換可能な係数を求めることができ、従来よりも分析精度の高い線形予測を実現することができる。
　＜第二実施形態の第一変形例＞
　第二実施形態の第一変形例は、基本周波数と正の相関関係にある値ではなく、基本周波数と負の相関関係にある値と所定の閾値とを比較し、その比較結果に応じて係数wO(i)を決定するものである。第二実施形態の第一変形例における所定の閾値は、第二実施形態において基本周波数と正の相関関係にある値と比較される所定の閾値とは異なる。
　第二実施形態の第一変形例の線形予測分析装置２の機能構成とフローチャートは、第一実施形態の変形例と同じ図１と図２である。第二実施形態の第一変形例の線形予測分析装置２は、係数決定部２４の処理が異なる部分以外は、第一実施形態の変形例の線形予測分析装置２と同じである。
　第二実施形態の第一変形例の係数決定部２４の処理の流れの例を図４に示す。第二実施形態の第一変形例の係数決定部２４は、図４のステップＳ４１Ｂ、ステップＳ４２、ステップＳ４３の処理を例えば行う。
　係数決定部２４は、入力された周期についての情報に対応する基本周波数と負の相関関係にある値と所定の閾値とを比較する（ステップＳ４１Ｂ）。入力された周期についての情報に対応する基本周波数と負の相関関係にある値とは、例えば、入力された周期についての情報に対応する周期である。
　係数決定部２４は、基本周波数と負の相関関係にある値が所定の閾値以下である場合、すなわち、周期が短いと判断された場合には、予め定めた規則により係数wh(i) (i=0,1,…,Pmax)を決定し、この決定された係数wh(i) (i=0,1,…,Pmax)をwO(i) (i=0,1,…,Pmax)とする（ステップＳ４２）。すなわち、wO(i)=wh(i)とする。
　係数決定部２４は、基本周波数と負の相関関係にある値が所定の閾値以下でない場合、すなわち、周期が長いと判断された場合には、予め定めた規則により係数wl(i) (i=0,1,…,Pmax)を決定し、この決定された係数wl(i)をwO(i)とする（ステップＳ４３）。すなわち、wO(i)=wl(i)とする。
　ここで、wh(i)とwl(i)は、少なくとも一部のiについてwh(i)<wl(i)という関係を満たすよう決定する。または、wh(i)とwl(i)は、少なくとも一部のiについてはwh(i)<wl(i)という関係を満たし、その他のｉについてはwh(i)≦wl(i)という関係を満たすよう決定する。ここで、少なくとも一部のiとは、例えば0以外のi（つまり、1≦i≦Pmax）のことである。例えば、wh(i)とwl(i)は、式(7)で周期TがT1であるときのwO(i)をwh(i)として求め、式(7)で周期TがT2（ただしT1<T2）であるときのwO(i)をwl(i)として求めるという予め定めた規則により求める。また、例えば、wh(i)とwl(i)は、式(8)でαがα1であるときのwO(i)をwh(i)として求め、式(8)でαがα2（ただしα1<α2）であるときのwO(i)をwl(i)として求めるという予め定めた規則により求める。この場合は、α1とα2は共に式(8)のαと同様に予め定めておく。なお、これらの何れかの規則により予め求めたwh(i) とwl(i)をテーブルに記憶しておき、基本周波数と負の相関関係にある値が所定の閾値以下であるか否かによりwh(i) とwl(i)の何れかをテーブルから選択する構成としてもよい。また、wh(i)とwl(i)のそれぞれは、iが大きくなるにつれてwh(i), wl(i)の値が小さくなるように決定される。なお、i=0の係数wh(0), wl(0)については、wh(0)≦wl(0)の関係を満たしていることは必須ではなく、wh(0)>wl(0)の関係を満たす値を用いてもよい。
　第二実施形態の第一変形例によっても、第一実施形態の変形例と同様に、入力信号の基本周波数が高いときであってもピッチ成分に起因するスペクトルのピークの発生を抑えた線形予測係数に変換可能な係数を求めることができ、かつ、入力信号の基本周波数が低いときであってもスペクトル包絡を表現可能な線形予測係数に変換可能な係数を求めることができ、従来よりも分析精度の高い線形予測を実現することができる。
　＜第二実施形態の第二変形例＞
　第二実施形態では１個の閾値を用いて係数wO(i)を決定したが、第二実施形態の第二変形例は２個以上の閾値を用いて係数wO(i)を決定するものである。以下、２個の閾値th1', th2'を用いて係数を決定する方法を例に挙げて説明する。閾値th1', th2'は、0<th1'<th2'という関係を満たすとする。
　第二実施形態の第二変形例の線形予測分析装置２の機能構成は、第二実施形態と同じ図１である。第二実施形態の第二変形例の線形予測分析装置２は、係数決定部２４の処理が異なる部分以外は、第二実施形態の線形予測分析装置２と同じである。
　係数決定部２４は、入力された基本周波数についての情報に対応する基本周波数と正の相関関係にある値と、閾値th1', th2'とを比較する。入力された基本周波数についての情報に対応する基本周波数と正の相関関係にある値とは、例えば、入力された基本周波数についての情報に対応する基本周波数そのものである。
　係数決定部２４は、基本周波数と正の相関関係にある値が閾値th2'より大の場合、すなわち、基本周波数が高いと判断された場合には、予め定めた規則により係数wh(i) (i=0,1,…,Pmax)を決定し、この決定された係数wh(i) (i=0,1,…,Pmax)をwO(i) (i=0,1,…,Pmax)とする。すなわち、wO(i)=wh(i)とする。
　係数決定部２４は、基本周波数と正の相関関係にある値が閾値th1'よりも大きく閾値th2'以下の場合、すなわち、基本周波数が中程度と判断された場合には、予め定めた規則により係数wm(i) (i=0,1,…,Pmax)を決定し、この決定された係数wm(i) (i=0,1,…,Pmax)をwO(i) (i=0,1,…,Pmax)とする。すなわち、wO(i)=wm(i)とする。
　係数決定部２４は、基本周波数と正の相関関係にある値が閾値th1'以下の場合、すなわち、基本周波数が低いと判断された場合には、予め定めた規則により係数wl(i) (i=0,1,…,Pmax)を決定し、この決定された係数wl(i) (i=0,1,…,Pmax)をwO(i) (i=0,1,…,Pmax)とする。すなわち、wO(i)=wl(i)とする。
　ここで、wh(i), wm(i) ,wl(i)は、少なくとも一部の各iについてwh(i)<wm(i)<wl(i)という関係を満たすよう決定するものとする。ここで、少なくとも一部の各iとは、例えば0以外の各i（つまり、1≦i≦Pmax）のことである。または、wh(i), wm(i), wl(i)は、少なくとも一部の各iについてwh(i)<wm(i)≦wl(i)、それ以外のiのうちの少なくとも一部の各iについてwh(i)≦wm(i)<wl(i)、残り少なくとも一部の各iについてwh(i)≦wm(i)≦wl(i)という関係を満たすよう決定する。例えば、wh(i), wm(i), wl(i)は、式(1)で基本周波数PがP1であるときのwO(i)をwh(i)として求め、式(1)で基本周波数PがP2（ただしP1>P2）であるときのwO(i)をwm(i)として求め、式(1)で基本周波数PがP3（ただしP2>P3）であるときのwO(i)をwl(i)として求めるという予め定めた規則により求める。また、例えば、wh(i), wm(i), wl(i)は、式(2)でαがα1であるときのwO(i)をwh(i)として求め、式(2)でαがα2（ただしα1>α2）であるときのwO(i)をwm(i)として求め、式(2)でαがα3（ただしα2>α3）であるときのwO(i)をwl(i)として求めるという予め定めた規則により求める。この場合は、α1, α2, α3は式(2)のαと同様に予め定めておく。なお、これらの何れかの規則により予め求めたwh(i), wm(i), wl(i)をテーブルに記憶しておき、基本周波数と正の相関関係にある値と所定の閾値との比較によりwh(i), wm(i), wl(i)の何れかをテーブルから選択する構成としてもよい。なお、wh(i)とwl(i)を用いて、その間の係数wm(i)を決定しても良い。すなわち、wm(i)=β'×wh(i)+(1-β')×wl(i)によりwm(i)を決定しても良い。ここでβ'は、0≦β'≦1であり、かつ、基本周波数Pが小さい値をとるときはβ'の値も小さくなり、基本周波数Pが大きい値をとるときにβ'の値も大きくなる関数β'=c(P)により、基本周波数Pから求める値である。このようにwm(i)を求めれば、係数決定部２４にはwh(i) (i=0,1,…,Pmax)を記憶したテーブルとwl(i) (i=0,1,…,Pmax)を記憶したテーブルの２つのテーブルだけを記憶しておくことで、基本周波数が中程度の場合のうちの基本周波数が大きいときにはwh(i)に近い係数を得ることができ、逆に基本周波数が中程度の場合のうちの基本周波数が小さいときにはwl(i)に近い係数を得ることができる。また、wh(i), wm(i), wl(i)は、iが大きくなるにつれてそれぞれwh(i), wm(i), wl(i)の値が小さくなるよう決定される。なお、i=0の係数wh(0), wm(0), wl(0)については、wh(0)≦wm(0)≦wl(0)の関係を満たしていることは必須ではなく、wh(0)>wm(0)または／およびwm(0)>wl(0)の関係を満たす値を用いてもよい。
　第二実施形態の第二変形例によっても、第二実施形態と同様に、入力信号の基本周波数が高いときであってもピッチ成分に起因するスペクトルのピークの発生を抑えた線形予測係数に変換可能な係数を求めることができ、かつ、入力信号の基本周波数が低いときであってもスペクトル包絡を表現可能な線形予測係数に変換可能な係数を求めることができ、従来よりも分析精度の高い線形予測を実現することができる。
　＜第二実施形態の第三変形例＞
　第二実施形態の第一変形例では１個の閾値を用いて係数wO(i)を決定したが、第二実施形態の第三変形例は２個以上の閾値を用いて係数wO(i)を決定するものである。以下、２個の閾値th1, th2を用いて係数を決定する方法を例に挙げて説明する。閾値th1, th2は、0<th1<th2という関係を満たすとする。
　第二実施形態の第三変形例の線形予測分析装置２の機能構成は、第二実施形態の第一変形例と同じ図１である。第二実施形態の第三変形例の線形予測分析装置２は、係数決定部２４の処理が異なる部分以外は、第二実施形態の第一変形例の線形予測分析装置２と同じである。
　係数決定部２４は、入力された周期についての情報に対応する基本周波数と負の相関関係にある値と、閾値th1, th2とを比較する。入力された周期についての情報に対応する基本周波数と負の相関関係にある値とは、例えば、入力された周期についての情報に対応する周期である。
　係数決定部２４は、基本周波数と負の相関関係にある値が閾値th1より小さい場合、すなわち、周期が短いと判断された場合には、予め定めた規則により係数wh(i) (i=0,1,…,Pmax)を決定し、この決定された係数wh(i) (i=0,1,…,Pmax)をwO(i) (i=0,1,…,Pmax)とする。すなわち、wO(i)=wh(i)とする。
　係数決定部２４は、基本周波数と負の相関関係にある値が閾値th1以上であり閾値th2よりも小さい場合、すなわち、周期が中程度と判断された場合には、予め定めた規則により係数wm(i) (i=0,1,…,Pmax)を決定し、この決定された係数wm(i) (i=0,1,…,Pmax)をwO(i) (i=0,1,…,Pmax)とする。すなわち、wO(i)=wm(i)とする。
　係数決定部２４は、基本周波数と負の相関関係にある値が閾値th2以上の場合、すなわち、周期が長いと判断された場合には、予め定めた規則により係数wl(i)を決定し、この決定された係数wl(i) (i=0,1,…,Pmax)をwO(i) (i=0,1,…,Pmax)とする。すなわち、wO(i)=wl(i)とする。
　ここで、wh(i),wm(i),wl(i)は、少なくとも一部の各iについてwh(i)<wm(i)<wl(i)という関係を満たすよう決定するものとする。ここで、少なくとも一部の各iとは、例えば0以外の各i（つまり、1≦i≦Pmax）のことである。または、wh(i),wm(i),wl(i)は、少なくとも一部の各iについてwh(i)<wm(i)≦wl(i)、それ以外のiのうちの少なくとも一部の各iについてwh(i)≦wm(i)<wl(i)、残りの各iについてwh(i)≦wm(i)≦wl(i)という関係を満たすよう決定する。例えば、wh(i), wm(i), wl(i)は、式(7)で周期TがT1であるときのwO(i)をwh(i)として求め、式(7)で周期TがT2（ただしT1<T2）であるときのwO(i)をwm(i)として求め、式(7)で周期TがT3（ただしT2<T3）であるときのwO(i)をwl(i)として求めるという予め定めた規則により求める。また、例えば、wh(i), wm(i), wl(i)は、式(8)でαがα1であるときのwO(i)をwh(i)として求め、式(8)でαがα2（ただしα1<α2）であるときのwO(i)をwm(i)として求め、式(2)でαがα3（ただしα2<α3）であるときのwO(i)をwl(i)として求めるという予め定めた規則により求める。この場合は、α1, α2, α3は式(8)のαと同様に予め定めておく。なお、これらの何れかの規則により予め求めたwh(i), wm(i), wl(i)をテーブルに記憶しておき、基本周波数と負の相関関係にある値と所定の閾値との比較によりwh(i), wm(i), wl(i)の何れかをテーブルから選択する構成としてもよい。なお、wh(i)とwl(i)を用いて、その間の係数wm(i)を決定しても良い。すなわち、wm(i)=(1-β)×wh(i)+β×wl(i)によりwm(i)を決定しても良い。ここでβは、0≦β≦1であり、かつ、周期Tが小さい値をとるときはβの値も小さくなり、周期Tが大きい値をとるときにβの値も大きくなる関数β=b(T)により、周期Tから求める値である。このようにwm(i)を求めれば、係数決定部２４にはwh(i) (i=0,1,…,Pmax)を記憶したテーブルとwl(i) (i=0,1,…,Pmax)を記憶したテーブルの２つのテーブルだけを記憶しておくことで、周期が中程度の場合のうちの周期が小さいときにはwh(i)に近い係数を得ることができ、逆に周期が中程度の場合のうちの周期が大きいときにはwl(i)に近い係数を得ることができる。また、wh(i),wm(i),wl(i)は、iが大きくなるにつれてそれぞれwh(i),wm(i),wl(i)の値が小さくなるよう決定される。なお、i=0の係数wh(0), wm(0), wl(0)については、wh(0)≦wm(0)≦wl(0)の関係を満たしていることは必須ではなく、wh(0)>wm(0) または／およびwm(0)>wl(0)の関係を満たす値を用いてもよい。
　第二実施形態の第三変形例によっても、第二実施形態の第一変形例と同様に、入力信号の基本周波数が高いときであってもピッチ成分に起因するスペクトルのピークの発生を抑えた線形予測係数に変換可能な係数を求めることができ、かつ、入力信号の基本周波数が低いときであってもスペクトル包絡を表現可能な線形予測係数に変換可能な係数を求めることができ、従来よりも分析精度の高い線形予測を実現することができる。
　［第三実施形態］
　第三実施形態は、複数個の係数テーブルを用いて係数wO(i)を決定するものである。第三実施形態は、係数決定部２４における係数wO(i)の決定方法のみが第一実施形態と異なり、他の点について第一実施形態と同様である。以下、第一実施形態と異なる部分を中心に説明し、第一実施形態と同様の部分については重複説明を省略する。
　第三実施形態の線形予測分析装置２は、係数決定部２４の処理が異なり、図５に例示するように、係数テーブル記憶部２５を更に備えている部分以外は、第一実施形態の線形予測分析装置２と同じである。係数テーブル記憶部２５には、２個以上の係数テーブルが記憶されている。
　第三実施形態の係数決定部２４の処理の流れの例を図６に示す。第三実施形態の係数決定部２４は、図６のステップＳ４４、ステップＳ４５の処理を例えば行う。
　まず、係数決定部２４は、入力された基本周波数についての情報に対応する基本周波数と正の相関関係にある値又は入力された周期についての情報に対応する基本周波数と負の相関関係にある値を用いて、係数テーブル記憶部２５に記憶された２個以上の係数テーブルから、その基本周波数と正の相関関係にある値又は基本周波数と負の相関関係にある値に応じた１個の係数テーブルtを選択する（ステップＳ４４）。例えば、基本周波数についての情報に対応する基本周波数と正の相関関係にある値は、基本周波数についての情報に対応する基本周波数であり、入力された周期についての情報に対応する基本周波数と負の相関関係にある値は、入力された周期についての情報に対応する周期である。
　例えば、係数テーブル記憶部２５に、異なる２個の係数テーブルt0, t1が記憶されており、係数テーブルt0には係数wt0(i) (i=0,1,…,Pmax)が格納されており、係数テーブルt1には係数wt1(i) (i=0,1,…,Pmax)が格納されているとする。２個の係数テーブルt0, t1のそれぞれには、少なくとも一部の各iについてwt0(i)<wt1(i)であり、残りの各iについてwt0(i)≦wt1(i)となるように定められた係数wt0(i) (i=0,1,…,Pmax)と係数wt1(i) (i=0,1,…,Pmax)が格納されている。
　このとき、係数決定部２４は、基本周波数と正の相関関係にある値が所定の閾値以上であれば係数テーブルt0を係数テーブルtとして選択し、そうでない場合には係数テーブルt1を係数テーブルtとして選択する。すなわち、基本周波数と正の相関関係にある値が所定の閾値以上である場合、すなわち、基本周波数が高いと判断された場合には、各ｉについての係数が小さい方の係数テーブルを選択し、基本周波数と正の相関関係にある値が所定の閾値以上でない場合、すなわち、基本周波数が低いと判断された場合には、各ｉについての係数が大きい方の係数テーブルを選択する。言い換えれば、係数テーブル記憶部２５に記憶されている２個の係数テーブルの中の、基本周波数と正の相関関係にある値が第一値である場合に係数決定部２４により選択される係数テーブルを第一係数テーブルとし、係数テーブル記憶部２５に記憶されている２個の係数テーブルの中の、基本周波数と正の相関関係にある値が第一値よりも小さい第二値である場合に係数決定部２４により選択される係数テーブルを第二係数テーブルとして、少なくとも一部の各次数iに対して、第二係数テーブルにおける各次数iに対応する係数の大きさは、第一係数テーブルにおける各次数iに対応する係数の大きさよりも大きい。
　また、係数決定部２４は、基本周波数と負の相関関係にある値が所定の閾値以下であれば係数テーブルt0を係数テーブルtとして選択し、そうでない場合には係数テーブルt1を係数テーブルtとして選択する。すなわち、基本周波数と負の相関関係にある値が所定の閾値以下である場合、すなわち、周期が短いと判断された場合には、各ｉについての係数が小さい方の係数テーブルを選択し、基本周波数と負の相関関係にある値が所定の閾値以下でない場合、すなわち、周期が長いと判断された場合には、各ｉについての係数が大きい方の係数テーブルを選択する。言い換えれば、係数テーブル記憶部２５に記憶されている２個の係数テーブルの中の、基本周波数と負の相関関係にある値が第一値である場合に係数決定部２４により選択される係数テーブルを第一係数テーブルとし、係数テーブル記憶部２５に記憶されている２個の係数テーブルの中の、基本周波数と負の相関関係にある値が第一値よりも大きい第二値である場合に係数決定部２４により選択される係数テーブルを第二係数テーブルとして、少なくとも一部の各次数iに対して、第二係数テーブルにおける各次数iに対応する係数の大きさは、第一係数テーブルにおける各次数iの係数の大きさよりも大きい。
　なお、係数テーブル記憶部２５に記憶されている係数テーブルt0, t1のi=0の係数wt0(0), wt1(0)については、wt0(0)≦wt1(0)の関係を満たしていることは必須ではなく、wt0(0)>wt1(0)の関係にある値であってもよい。
　また、例えば、係数テーブル記憶部２５に、異なる３個の係数テーブルt0, t1, t2が記憶されて、係数テーブルt0には係数wt0(i) (i=0,1,…,Pmax)が格納されており、係数テーブルt1には係数wt1(i) (i=0,1,…,Pmax) 、係数テーブルt2には係数wt2(i) (i=0,1,…,Pmax)が格納されているとする。３個の係数テーブルt0, t1, t2のそれぞれには、少なくとも一部のiについてwt0(i)<wt1(i)≦wt2(i)であり、それ以外のiのうちの少なくとも一部の各iについてwt0(i)≦wt1(i)<wt2(i)であり、残りの各iについてwt0(i)≦wt1(i)≦wt2(i)となるように定められた係数wt0(i) (i=0,1,…,Pmax)と係数wt1(i) (i=0,1,…,Pmax) と係数wt2(i) (i=0,1,…,Pmax)が格納されている。
　ここで、0<th1'<th2'という関係を満たす２個の閾値th1',th2'が定められているとする。このとき、係数決定部２４は、
(1) 基本周波数と正の相関関係にある値>th2'の場合、すなわち、基本周波数が高いと判断された場合には、係数テーブルt0を係数テーブルtとして選択し、
(2) th2'≧基本周波数と正の相関関係にある値>th1'の場合、すなわち、基本周波数が中程度である判断された場合には、係数テーブルt1を係数テーブルtとして選択し、
(3) th1'≧基本周波数と正の相関関係にある値の場合、すなわち、基本周波数が低い判断された場合には、係数テーブルt2を係数テーブルtとして選択する。
　また、ここで、0<th1<th2という関係を満たす２個の閾値th1,th2が定められているとする。このとき、係数決定部２４は、
(1) 基本周波数と負の相関関係にある値≧th2の場合、すなわち、周期が長いと判断された場合には、係数テーブルt2を係数テーブルtとして選択し、
(2) th2>基本周波数と負の相関関係にある値≧th1の場合、すなわち、周期が中程度であると判断された場合には、係数テーブルt1を係数テーブルtとして選択し、
(3) th1>基本周波数と負の相関関係にある値の場合、すなわち、周期が短いと判断された場合には、係数テーブルt0を係数テーブルtとして選択する。
　なお、係数テーブル記憶部２５に記憶されている係数テーブルt0, t1, t2のi=0の係数wt0(0), wt1(0), wt2(0)については、wt0(0)≦wt1(0)≦wt2(0)の関係を満たしていることは必須ではなく、wt0(0)>wt1(0)または／およびwt1(0)>wt2(0)の関係にある値であってもよい。
　そして、係数決定部２４は、その選択された係数テーブルtに格納された各次数iの係数wt(i)を係数wO(i)とする（ステップＳ４５）。すなわち、wO(i)=wt(i)とする。言い換えれば、係数決定部２４は、選択された係数テーブルtから各次数iに対応する係数wt(i)を取得し、取得された各次数iに対応する係数wt(i)をwO(i)とする。
　第三実施形態では、第一実施形態及び第二実施形態とは異なり、基本周波数と正の相関関係にある値や基本周波数と負の相関関係にある値の関数に基づいて係数wO(i)を計算する必要がないため、より少ない演算処理量でwO(i)を決定することができる。
　係数テーブル記憶部２５に記憶されている２個以上の係数テーブルについて以下のことが言える。
　係数テーブル記憶部２５に記憶されている２個以上の係数テーブルの中の、基本周波数と正の相関関係にある値が第一値である場合に係数決定部２４で係数wO(i) (i=0, 1, …, Pmax)が取得される係数テーブルを第一係数テーブルとする。係数テーブル記憶部２５に記憶されている２個以上の係数テーブルの中の、基本周波数と正の相関関係にある値が第一値よりも小さい第二値である場合に係数決定部２４で係数wO(i) (i=0, 1, …, Pmax)が取得される係数テーブルを第二係数テーブルとする。このとき、少なくとも一部の各次数iに対して、第二係数テーブルにおける各次数iに対応する係数は、第一係数テーブルにおけるその各次数iに対応する係数よりも大きい。
　また、係数テーブル記憶部２５に記憶されている２個以上の係数テーブルの中の、基本周波数と負の相関関係にある値が第一値である場合に係数決定部２４で係数wO(i) (i=0, 1, …, Pmax)が取得される係数テーブルを第一係数テーブルとする。係数テーブル記憶部２５に記憶されている２個以上の係数テーブルの中の、基本周波数と負の相関関係にある値が第一値よりも大きい第二値である場合に係数決定部２４で係数wO(i) (i=0, 1, …, Pmax)が取得される係数テーブルを第二係数テーブルとする。このとき、少なくとも一部の各次数iに対して、第二係数テーブルにおける各次数iに対応する係数は、第一係数テーブルにおけるその各次数iに対応する係数よりも大きい。
　＜第三実施形態の具体例＞
　以下、第三実施形態の具体例について説明する。この具体例では、基本周波数と負の相関関係にある値として周期の量子化値が用いられ、この周期の量子化値に応じて係数テーブルtが選択される。
　線形予測分析装置２には、ハイパスフィルタを通り、12.8 kHzにサンプリング変換され、プリエンファシス処理をされた１フレームあたりNサンプルのディジタル音響信号である入力信号XO(n) (n=0,1,…,N-1)と、周期についての情報として現フレームの一部の入力信号XO(n) (n=0, 1, …, Nn)（ただし、Nnは、Nn<Nという関係を満たす所定の正の整数。）について周期計算部９４０で求めた周期Tが入力される。現フレームの一部の入力信号XO(n) (n=0, 1, …, Nn)についての周期Tは、周期計算部９４０において当該入力信号の１つ前のフレームの信号区間として現フレームの一部の入力信号XO(n) (n=0, 1, …, Nn)を含めておき、１つ前のフレームの信号区間に対する周期計算部９４０の処理においてXO(n) (n=0, 1, …, Nn)に対して計算し記憶した周期である。
　自己相関計算部２１は、入力信号XO(n)から自己相関RO(i) (i=0,1,…,Pmax)を下記の式(16)で求める。
Figure JPOXMLDOC01-appb-M000014
　係数決定部２４に、周期についての情報である周期Tが入力される。ここで、周期Tは、29≦T≦231という範囲に含まれているとする。係数決定部２４は、入力された周期Tについての情報で特定される周期Tから、以下の式(17)の演算によりインデックスDを得る。このインデックスDが、基本周波数と負の相関関係にある値であり、周期の量子化値に対応している。
　D=int(T/110+0.5)   (17)
　ここで、intは整数値化関数であり、入力された実数の小数点以下を切り捨てることによりその実数の整数部分のみを出力する関数である。図７は、周期T、インデックスD、周期の量子化値T'の関係を示す図の例である。図７の横軸は周期Tであり、縦軸は周期の量子化値T'である。周期の量子化値T'=D×110である。周期Tが29≦T≦231であるため、インデックスDは0,1,2の何れかの値となる。なお、式(17)を使わずに、閾値を用いて、周期Tが29≦T≦54ならD=0、55≦T≦164ならD=1、165≦T≦231ならD=2というようにしてインデックスDを求めてもよい。
　係数テーブル記憶部２５には、D=0の場合に選択される係数テーブルt0と、D=1の場合に選択される係数テーブルt1と、D=2の場合に選択される係数テーブルt2とが記憶されている。
　係数テーブルt0は、式(13)の従来法のf0=60Hz（すなわち半値幅 142 Hzに相当）の係数テーブルであり、各次数の係数wtO(i)が次のように定められている。
　wt0(i) =[1.0, 0.999566371, 0.998266613, 0.996104103, 0.993084457, 0.989215493, 0.984507263, 0.978971839, 0.972623467, 0.96547842, 0.957554817, 0.948872864, 0.939454317, 0.929322779, 0.918503404, 0.907022834, 0.894909143]
　係数テーブルt1は、式(13)のf0=50Hz（すなわち半値幅116 Hzに相当）の係数テーブルであり、各次数の係数wt1(i)が次のように定められている。
　　wt1(i) =[1.0, 0.999706, 0.998824, 0.997356, 0.995304, 0.992673  , 0.989466, 0.985689, 0.98135, 0.976455, 0.971012, 0.965032, 0.958525, 0.951502, 0.943975, 0.935956, 0.927460]
　係数テーブルt2は、式(13)のf0=25Hz（すなわち半値幅58 Hzに相当）のテーブルであり、各次数の係数wt2(i)が次のように定められている。
　　wt2(i)=[1.0, 0.999926, 0.999706, 0.999338, 0.998824, 0.998163, 0.997356, 0.996403, 0.995304, 0.99406, 0.992672, 0.99114, 0.989465, 0.987647, 0.985688, 0.983588, 0.981348]
　ここで、上述のwtO(i), wt1(i), wt2(i)のリストは、Pmax=16として、i=0,1,2,…,16の順に左からiに対応する係数の大きさを並べたものである。すなわち上述の例では、例えばwt0(0)=1.0であり、wt0(3)=0.996104103である。
　図８にi毎の係数テーブルの係数wt0(i), wt1(i), wt2(i)の係数の大きさをグラフで表す。図８の横軸は次数iを表し、図８の縦軸は係数の大きさを表す。このグラフからも分かるように、各係数テーブル内では、iの値が大きくなるにしたがって、係数の大きさが単調減少する関係にある。また、同じiの値に対応する異なる係数テーブルの係数の大きさを比較すると、i≧1に対して、wt0(i)<wt1(i)<wt2(i)の関係を満たしている。すなわち、0を除くi≧1のiに対して、言い換えれば、少なくとも一部のiについて、インデックスDが大きくなるにしたがって、係数の大きさが単調増加する関係にある。i=0以外に対して、係数テーブル記憶部２５に記憶される複数の係数テーブルは、このような関係を持つものであれば、上述の例に限らない。
　また、非特許文献１や非特許文献２に記載されているように、i=0の係数だけ特別扱いをして、wt0(0)=wt1(0)=wt2(0)=1.0001やwt0(0)=wt1(0)=wt2(0)=1.003という経験的な値を用いてもよい。なお、i=0についてはwt0(i)<wt1(i)<wt2(i)の関係を満たしている必要はなく、また、wt0(0),wt1(0),wt2(0)が必ずしも同じ値でなくともよい。例えば、wt0(0)=1.0001, wt1(0)=1.0, wt2(0)=1.0のように、i=0に関してのみwt0(0), wt1(0), wt2(0)のうちの2つ以上の値の大小関係がwt0(i)<wt1(i)<wt2(i)の関係を満たさなくてもよい。
　係数決定部２４は、インデックスDに対応する係数テーブルtDを係数テーブルtとして選択する。
　そして、係数決定部２４は、その選択された係数テーブルtの各係数wt(i)を係数wO(i)とする。すなわち、wO(i)=wt(i)とする。言い換えれば、係数決定部２４は、選択された係数テーブルtから各次数iに対応するの係数wt(i)を取得し、取得された各次数iに対応する係数wt(i)をwO(i)とする。
　なお、上述の例では、各係数テーブルt0, t1, t2をインデックスDと対応付けているが、各係数テーブルt0, t1, t2を、基本周波数と正の相関関係にある値又はインデックスD以外の基本周波数と負の相関関係にある値と対応付けてもよい。
　＜第三実施形態の変形例＞
　第三実施形態では複数個の係数テーブルのうち何れか１つのテーブルに記憶された係数を係数wO(i)として決定したが、第三実施形態の変形例はこれに加えて複数個の係数テーブルに記憶された係数に基づく演算処理により係数wO(i)を決定する場合を含む。
　第三実施形態の変形例の線形予測分析装置２の機能構成は、第三実施形態と同じ図５である。第三実施形態の変形例の線形予測分析装置２は、係数決定部２４の処理が異なり、係数テーブル記憶部２５に含まれる係数テーブルが異なる部分以外は、第三実施形態の線形予測分析装置２と同じである。
　係数テーブル記憶部２５には、係数テーブルt0とt2のみが記憶されており、係数テーブルt0には係数wt0(i) (i=0,1,…,Pmax)が格納されており、係数テーブルt2には係数wt2(i) (i=0,1,…,Pmax)が格納されている。２個の係数テーブルt0, t2のそれぞれには、少なくとも一部の各iについてwt0(i)<wt2(i)であり、残りの各iについてwt0(i)≦wt2(i)となるように定められた係数wt0(i) (i=0,1,…,Pmax)と係数wt2(i) (i=0,1,…,Pmax)が格納されている。
　ここで、0<th1'<th2'という関係を満たす２個の閾値th1',th2'が定められているとする。このとき、係数計算部２４は、
(1) 基本周波数と正の相関関係にある値>th2'の場合、すなわち、基本周波数が高いと判断された場合には、係数テーブルt0の各係数wt0(i)を係数wO(i)として選択し、
(2) th2'≧基本周波数と正の相関関係にある値>th1'の場合、すなわち、基本周波数が中程度であると判断された場合には、係数テーブルt0の各係数wt0(i)と係数テーブルt2の各係数wt2(i)とを用いて、wO(i)=β'×wt0(i)+(1-β')×wt2(i)により係数wO(i)を決定し、
(3) th1'≧基本周波数と正の相関関係にある値の場合、すなわち、基本周波数が低いと判断された場合には、係数テーブルt2の各係数wt2(i)を係数wO(i)として選択する。ここでβ'は、0≦β'≦1であり、基本周波数Pが小さい値をとるときはβ'の値も小さくなり、基本周波数Pが大きい値をとるときにβ'の値も大きくなる関数β'=c(P)により、基本周波数Pから求める値である。この構成とすれば、基本周波数が中程度の場合のうちの基本周波数Pが小さい時にはwt2(i)に近い値を係数wO(i)とすることができ、逆に基本周波数が中程度の場合のうちの基本周波数Pが大きい時にはwt0(i)に近い値を係数wO(i)とすることができるので、２つのテーブルだけで、３個以上の係数wO(i)を得ることができる。
　また、ここで、0<th1<th2という関係を満たす２個の閾値th1,th2が定められているとする。このとき、係数計算部２４は、
(1) 基本周波数と負の相関関係にある値≧th2の場合、すなわち、周期が長いと判断された場合には、係数テーブルt2の各係数wt2(i)を係数wO(i)として選択し、
(2) th2>基本周波数と負の相関関係にある値≧th1の場合、すなわち、周期が中程度であると判断された場合には、係数テーブルt0の各係数wt0(i)と係数テーブルt2の各係数wt2(i)とを用いて、wO(i)=(1-β)×wt0(i)+β×wt2(i)により係数wO(i)を決定し、
(3) th1>基本周波数と負の相関関係にある値の場合、すなわち、周期が小さいと判断された場合には、係数テーブルt0の各係数wt0(i)を係数wO(i)として選択する。ここでβは0≦β≦1であり、かつ、周期Tが小さい値をとるときはβの値も小さくなり、周期Tが大きい値をとるときにβの値も大きくなる関数β=b(T)により、周期Tから求める値である。この構成とすれば、周期が中程度の場合のうちの周期Tが小さい時にはwt0(i)に近い値を係数wO(i)とすることができ、逆に周期が中程度の場合のうちの周期Tが大きい時にはwt2(i)に近い値を係数wO(i)とすることができるので、２つのテーブルだけで、３個以上の係数wO(i)を得ることができる。
　なお、係数テーブル記憶部２５に記憶されている係数テーブルt0, t2のi=0の係数wt0(0), wt2(0)については、wt0(0)≦wt2(0)の関係を満たしていることは必須ではなく、wt0(0)>wt2(0)の関係にある値であってもよい。
　［第一実施形態から第三実施形態に共通の変形例］
　図１０及び図１１に示すように、上述の全ての実施形態及び変形例において、係数乗算部２２を含まず、予測係数計算部２３において係数wO(i)とと自己相関RO(i)を用いて線形予測分析を行ってもよい。図１０と図１１は、それぞれ図１と図５に対応する線形予測分析装置２の構成例である。この場合は、予測係数計算部２３は、図１２に示すように、係数wO(i)と自己相関RO(i)とが乗算されたものである変形自己相関R'O(i)ではなく、係数wO(i)と自己相関RO(i)とを直接用いて線形予測分析を行う（ステップＳ５）。
　[第四実施形態］
　第四実施形態は、入力信号XO(n)に対して従来の線形予測分析装置を用いて線形予測分析を行い、その線形予測分析の結果を用いて基本周波数計算部で基本周波数を得て、得られた基本周波数に基づく係数wO(i)を用いて本発明の線形予測分析装置により線形予測係数に変換可能な係数を求めるものである。
　第四実施形態の線形予測分析装置３は、図１３に示すように、第一線形予測分析部３１、線形予測残差計算部３２、基本周波数計算部３３、第二線形予測分析部３４を例えば備えている。
　[第一線形予測分析部３１］
　第一線形予測分析部３１は、従来の線形予測分析装置１と同じ動作をする。すなわち、第一線形予測分析部３１は、入力信号XO(n)から自己相関RO(i) (i=0,1,…,Pmax)を求め、自己相関RO(i) (i=0,1,…,Pmax)と予め定めた係数wO(i) (i=0,1,…,Pmax)とを同じiごとに乗じることにより変形自己相関R' O(i) (i=0,1,…,Pmax)を求め、変形自己相関R' O(i) (i=0,1,…,Pmax)から1次から予め定めた最大次数であるPmax次までの線形予測係数に変換可能な係数を求める。
　[線形予測残差計算部３２］
　線形予測残差計算部３２は、入力信号XO(n)に対して、1次からPmax次までの線形予測係数に変換可能な係数に基づく線形予測や線形予測と等価なまたは類似したフィルタリング処理を行って線形予測残差信号XR(n)を求める。フィルタリング処理は重み付け処理とも言えるので、線形予測残差信号XR(n)は重み付け入力信号であるともいえる。
　[基本周波数計算部３３]
　基本周波数計算部３３は、線形予測残差信号XR(n)の基本周波数Pを求め、基本周波数についての情報を出力する。基本周波数を求める方法としては、様々な公知の方法が存在するので、公知の何れの方法を用いてもよい。基本周波数計算部３３は、例えば、現フレームの線形予測残差信号XR (n) (n=0, 1, …, N-1)を構成する複数個のサブフレームのそれぞれについて基本周波数を求める。すなわち、2以上の整数であるM個のサブフレームであるXRs1(n) (n=0, 1, …, N/M-1), …, XRsM(n)(n= (M-1)N/M, (M-1)N/M+1, …, N-1)のそれぞれの基本周波数であるPs1, …, PsMを求める。NはMで割り切れるとする。基本周波数計算部３３は、次に、現フレームを構成するM個のサブフレームの基本周波数であるPs1, …, PsMのうちの最大値max(Ps1, …, PsM)を特定可能な情報を基本周波数についての情報として出力する。
　[第二線形予測分析部３４］
　第二線形予測分析部３４は、第一実施形態から第三実施形態の線形予測分析装置２、第二実施形態の第二変形例の線形予測分析装置２、第三実施形態の変形例の線形予測分析装置２、第一実施形態から第三実施形態に共通の変形例の線形予測分析装置２の何れかと同じ動作をする。すなわち、第二線形予測分析部３４は、入力信号XO(n)から自己相関RO(i) (i=0,1,…,Pmax)を求め、基本周波数計算部３３が出力した基本周波数についての情報に基づいて係数wO(i) (i=0,1,…,Pmax)を決定し、自己相関RO(i) (i=0,1,…,Pmax)と決定した係数wO(i) (i=0,1,…,Pmax)とを用いて1次から予め定めた最大次数であるPmax次までの線形予測係数に変換可能な係数を求める。
　＜第四実施形態の変形例＞
　第四実施形態の変形例は、入力信号XO(n)に対して従来の線形予測分析装置を用いて線形予測分析を行い、その線形予測分析の結果を用いて周期計算部で周期を得て、得られた周期に基づく係数wO(i)を用いて本発明の線形予測分析装置により線形予測係数に変換可能な係数を求めるものである。
　第四実施形態の変形例の線形予測分析装置３は、図１４に示すように、第一線形予測分析部３１、線形予測残差計算部３２、周期計算部３５、第二線形予測分析部３４を例えば備えている。第四実施形態の変形例の線形予測分析装置３の第一線形予測分析部３１と線形予測残差計算部３２はそれぞれ、第四実施形態の線形予測分析装置３と同様である。以下、第四実施形態と異なる部分を中心に説明する。
　[周期計算部３５]
　周期計算部３５は、線形予測残差信号XR(n)の周期Tを求め、周期についての情報を出力する。周期を求める方法としては、様々な公知の方法が存在するので、公知の何れの方法を用いてもよい。周期計算部３５は、例えば、現フレームの線形予測残差信号XR (n) (n=0, 1, …, N-1)を構成する複数個のサブフレームのそれぞれについて周期を求める。すなわち、2以上の整数であるM個のサブフレームであるXRs1(n) (n=0, 1, …, N/M-1), …, XRsM(n)(n= (M-1)N/M, (M-1)N/M+1, …, N-1)のそれぞれの周期であるTs1, …, TsMを求める。NはMで割り切れるとする。周期計算部３５は、次に、現フレームを構成するM個のサブフレームの周期であるTs1, …, TsMのうちの最小値min(Ts1 …, TsM)を特定可能な情報を周期についての情報として出力する。
　[変形例の第二線形予測分析部３４］
　第四実施形態の変形例の第二線形予測分析部３４は、第一実施形態の変形例の線形予測分析装置２、第二実施形態の第一変形例の線形予測分析装置２、第二実施形態の第三変形例の線形予測分析装置２、第三実施形態の線形予測分析装置２、第三実施形態の変形例の線形予測分析装置２、第一実施形態から第三実施形態に共通の変形例の線形予測分析装置２の何れかと同じ動作をする。すなわち、第二線形予測分析部３４は、入力信号XO(n)から自己相関RO(i) (i=0,1,…,Pmax)を求め、周期計算部３５が出力した周期についての情報に基づいて係数wO(i) (i=0,1,…,Pmax)を決定し、自己相関RO(i) (i=0,1,…,Pmax)と決定した係数wO(i) (i=0,1,…,Pmax)とを用いて1次から予め定めた最大次数であるPmax次までの線形予測係数に変換可能な係数を求める。
　＜基本周波数と正の相関関係にある値について＞
　第一実施形態において基本周波数計算部９３０の具体例２として説明した通り、基本周波数と正の相関関係にある値として、前のフレームの信号処理においてLook-aheadとも呼ばれる先読みして利用するサンプル部分のうち現フレームのサンプルに対応する部分の基本周波数を用いてもよい。
　また、基本周波数と正の相関関係にある値として、基本周波数の推定値を用いてもよい。例えば、過去の複数フレームの基本周波数から予測される現在のフレームについての基本周波数の推定値や、過去の複数フレームについての基本周波数の平均値や最小値や最大値を、基本周波数の推定値として用いてもよい。また、複数サブフレームについての基本周波数の平均値や最小値や最大値を、基本周波数の推定値として用いてもよい。
　また、基本周波数と正の相関関係にある値として、基本周波数の量子化値を用いてもよい。すなわち、量子化前の基本周波数を用いてもよいし、量子化後の基本周波数を用いてもよい。
　さらに、基本周波数と正の相関関係にある値として、ステレオなどの複数チャネルの場合には何れか分析済みのチャネルについての基本周波数を用いてもよい。
　＜基本周波数と負の相関関係にある値について＞
　第一実施形態において周期計算部９４０の具体例２として説明した通り、基本周波数と負の相関関係にある値として、前のフレームの信号処理においてLook-aheadとも呼ばれる先読みして利用するサンプル部分のうち現フレームのサンプルに対応する部分の周期を用いてもよい。
　また、基本周波数と負の相関関係にある値として、周期の推定値を用いてもよい。例えば、過去の複数フレームの基本周波数から予測される現在のフレームについての周期の推定値や、過去の複数フレームについての周期の平均値や最小値や最大値を、周期の推定値として用いてもよい。また、複数サブフレームについての周期の平均値や最小値や最大値を、基本周波数の推定値として用いてもよい。もしくは過去の複数フレームの基本周波数およびLook-aheadとも呼ばれる先読みして利用するサンプル部分のうち現フレームのサンプルに対応する部分により予測される現フレームについての周期の推定値を用いてもよいし、同様に、過去の複数フレームの基本周波数およびLook-aheadとも呼ばれる先読みして利用するサンプル部分のうち現フレームのサンプルに対応する部分についての平均値や最小値や最大値を推定値として用いてもよい。
　また、基本周波数と負の相関関係にある値として、周期の量子化値を用いてもよい。すなわち、量子化前の周期を用いてもよいし、量子化後の周期を用いてもよい。
　さらに、基本周波数と負の相関関係にある値として、ステレオなどの複数チャネルの場合には何れか分析済みのチャネルについての周期を用いてもよい。
　なお、上記の各実施形態及び各変形例の基本周波数と正の相関関係にある値や基本周波数と負の相関関係にある値と閾値との比較においては、基本周波数と正の相関関係にある値や基本周波数と負の相関関係にある値が閾値と同じ値である場合には、閾値を境として隣接する二つの場合の何れか一方に場合分けされるように設定すればよい。すなわち、ある閾値以上の場合としているところを当該閾値より大きい場合とするとともに、当該閾値より小さい場合としているところを当該閾値以下の場合としてもよい。また、ある閾値より大きい場合としているところを当該閾値以上の場合とするとともに、当該閾値以下の場合としているところを当該閾値より小さい場合としてもよい。
　上記装置及び方法において説明した処理は、記載の順にしたがって時系列に実行されるのみならず、処理を実行する装置の処理能力あるいは必要に応じて並列的にあるいは個別に実行されてもよい。
　また、線形予測分析方法における各ステップをコンピュータによって実現する場合、線形予測分析方法が有すべき機能の処理内容はプログラムによって記述される。そして、このプログラムをコンピュータで実行することにより、その各ステップがコンピュータ上で実現される。
　この処理内容を記述したプログラムは、コンピュータで読み取り可能な記録媒体に記録しておくことができる。コンピュータで読み取り可能な記録媒体としては、例えば、磁気記録装置、光ディスク、光磁気記録媒体、半導体メモリ等どのようなものでもよい。
　また、各処理手段は、コンピュータ上で所定のプログラムを実行させることにより構成することにしてもよいし、これらの処理内容の少なくとも一部をハードウェア的に実現することとしてもよい。
　その他、この発明の趣旨を逸脱しない範囲で適宜変更が可能であることはいうまでもない。

Claims (14)

  1. 　入力時系列信号に対応する線形予測係数に変換可能な係数を、所定時間区間であるフレームごとに求める、線形予測分析方法であって、
    　少なくともi=0,1,…,Pmaxのそれぞれについて、現在のフレームの入力時系列信号XO(n)とiサンプルだけ過去の入力時系列信号XO(n-i)またはiサンプルだけ未来の入力時系列信号XO(n+i)との自己相関RO(i)を計算する自己相関計算ステップと、
    　係数wO(i) (i=0, 1, …, Pmax)と前記自己相関RO(i) (i=0, 1, …, Pmax)とが対応するiごとに乗算されたものである変形自己相関R’O(i) (i=0, 1, …, Pmax)を用いて、1次からPmax次までの線形予測係数に変換可能な係数を求める予測係数計算ステップと、を含み、
    　少なくとも一部の各次数iに対して、前記各次数iに対応する係数wO(i)が、現在又は過去のフレームにおける入力時系列信号に基づく周期、周期の量子化値、または基本周波数と負の相関関係にある値の増加とともに単調増加する関係にある場合が含まれている、
    　線形予測分析方法。
  2. 　入力時系列信号に対応する線形予測係数に変換可能な係数を、所定時間区間であるフレームごとに求める、線形予測分析方法であって、
    　少なくともi=0,1,…,Pmaxのそれぞれについて、現在のフレームの入力時系列信号XO(n)とiサンプルだけ過去の入力時系列信号XO(n-i)またはiサンプルだけ未来の入力時系列信号XO(n+i)との自己相関RO(i) (i=0, 1, …, Pmax)を計算する自己相関計算ステップと、
    　２個以上の係数テーブルのそれぞれにはi=0, 1, …, Pmaxの各次数iと前記各次数iに対応する係数wO(i)とが対応付けて記憶されているとして、現在又は過去のフレームにおける入力時系列信号に基づく周期、周期の量子化値、または基本周波数と負の相関関係にある値を用いて前記２個以上の係数テーブルの中の１個の係数テーブルから係数wO(i) (i=0, 1, …, Pmax)を取得する係数決定ステップと、
    　取得された前記係数wO(i) (i=0, 1, …, Pmax)と前記自己相関RO(i) (i=0, 1, …, Pmax)とが対応するiごとに乗算されたものである変形自己相関R' O(i) (i=0, 1, …, Pmax)を用いて、1次からPmax次までの線形予測係数に変換可能な係数を求める予測係数計算ステップと、を含み、
    　前記２個以上の係数テーブルの中の、前記周期、周期の量子化値、または基本周波数と負の相関関係にある値が第一値である場合に前記係数決定ステップで係数wO(i) (i=0, 1, …, Pmax)が取得される係数テーブルを第一係数テーブルとし、
    　前記２個以上の係数テーブルの中の、前記周期、周期の量子化値、または基本周波数と負の相関関係にある値が前記第一値よりも大きい第二値である場合に前記係数決定ステップで係数wO(i) (i=0, 1, …, Pmax)が取得される係数テーブルを第二係数テーブルとして、
    　少なくとも一部の各次数iに対して、前記第二係数テーブルにおける前記各次数iに対応する係数は、前記第一係数テーブルにおける前記各次数iに対応する係数よりも大きい、
    　線形予測分析方法。
  3. 　入力時系列信号に対応する線形予測係数に変換可能な係数を、所定時間区間であるフレームごとに求める、線形予測分析方法であって、
    　少なくともi=0,1,…,Pmaxのそれぞれについて、現在のフレームの入力時系列信号XO(n)とiサンプルだけ過去の入力時系列信号XO(n-i)またはiサンプルだけ未来の入力時系列信号XO(n+i)との自己相関RO(i) (i=0, 1, …, Pmax)を計算する自己相関計算ステップと、
    　係数テーブルt0には係数wt0(i) (i=0, 1,…, Pmax)が格納されており、係数テーブルt1には係数wt1(i) (i=0, 1,…, Pmax)、係数テーブルt2には係数wt2(i) (i=0, 1,…, Pmax)が格納されているとして、現在又は過去のフレームにおける入力時系列信号に基づく周期、周期の量子化値、または基本周波数と負の相関関係にある値を用いて前記係数テーブルt0,t1,t2の中の１個の係数テーブルから係数を取得する係数決定ステップと、
    　前記取得した係数と前記自己相関RO(i) (i=0, 1, …, Pmax)とが対応するiごとに乗算されたものである変形自己相関R' O(i) (i=0, 1, …, Pmax)を用いて、1次からPmax次までの線形予測係数に変換可能な係数を求める予測係数計算ステップと、を含み、
    　前記周期、周期の量子化値、または基本周波数と負の相関関係にある値に応じて、周期が短い場合、周期が中程度の場合、周期が長い場合の何れかの場合に分類されるとし、周期が短い場合に前記係数決定ステップで係数が取得される係数テーブルを係数テーブルt0とし、周期が中程度の場合に前記係数決定ステップで係数が取得される係数テーブルを係数テーブルt1とし、周期が長い場合に前記係数決定ステップで係数が取得される係数テーブルを係数テーブルt2として、少なくとも一部のiについてwt0(i)<wt1(i)≦wt2(i)であり、それ以外のiのうちの少なくとも一部の各iについてwt0(i)≦wt1(i)<wt2(i)であり、残りの各iについてwt0(i)≦wt1(i)≦wt2(i)である、
    　線形予測分析方法。
  4. 　入力時系列信号に対応する線形予測係数に変換可能な係数を、所定時間区間であるフレームごとに求める、線形予測分析方法であって、
    　少なくともi=0,1,…,Pmaxのそれぞれについて、現在のフレームの入力時系列信号XO(n)とiサンプルだけ過去の入力時系列信号XO(n-i)またはiサンプルだけ未来の入力時系列信号XO(n+i)との自己相関RO(i)(i=0, 1, …, Pmax)を計算する自己相関計算ステップと、
    　係数wO(i) (i=0, 1, …, Pmax)と前記自己相関RO(i) (i=0, 1, …, Pmax)とが対応するiごとに乗算されたものである変形自己相関R'O(i) (i=0, 1, …, Pmax)を用いて、1次からPmax次までの線形予測係数に変換可能な係数を求める予測係数計算ステップと、を含み、
    　少なくとも一部の各次数iに対して、前記各次数iに対応する係数wO(i)が、現在又は過去のフレームにおける入力時系列信号に基づく基本周波数と正の相関関係にある値の増加とともに単調減少する関係にある場合が含まれている、
    　線形予測分析方法。
  5. 　入力時系列信号に対応する線形予測係数に変換可能な係数を、所定時間区間であるフレームごとに求める、線形予測分析方法であって、
    　少なくともi=0,1,…,Pmaxのそれぞれについて、現在のフレームの入力時系列信号XO(n)とiサンプルだけ過去の入力時系列信号XO(n-i)またはiサンプルだけ未来の入力時系列信号XO(n+i)との自己相関RO(i) (i=0, 1, …, Pmax)を計算する自己相関計算ステップと、
    　２個以上の係数テーブルのそれぞれにはi=0, 1, …, Pmaxの各次数iと前記各次数iに対応する係数wO(i)とが対応付けて記憶されているとして、現在又は過去のフレームにおける入力時系列信号に基づく基本周波数と正の相関関係にある値を用いて前記２個以上の係数テーブルの中の１個の係数テーブルから係数wO(i) (i=0, 1, …, Pmax)を取得する係数決定ステップと、
    　取得された係数wO(i) (i=0, 1, …, Pmax)と前記自己相関RO(i) (i=0, 1, …, Pmax)とが対応するiごとに乗算されたものである変形自己相関R' O(i) (i=0, 1, …, Pmax)を用いて、1次からPmax次までの線形予測係数に変換可能な係数を求める予測係数計算ステップと、を含み、
    　前記２個以上の係数テーブルの中の、前記基本周波数と正の相関関係にある値が第一値である場合に前記係数決定ステップで係数wO(i) (i=0, 1, …, Pmax)が取得される係数テーブルを第一係数テーブルとし、
    　前記２個以上の係数テーブルの中の、前記基本周波数と正の相関関係にある値が前記第一値よりも小さい第二値である場合に前記係数決定ステップで係数wO(i) (i=0, 1, …, Pmax)が取得される係数テーブルを第二係数テーブルとして、
    　少なくとも一部の各次数iに対して、前記第二係数テーブルにおける前記各次数iに対応する係数は、前記第一係数テーブルにおける前記各次数iに対応する係数よりも大きい、
    　線形予測分析方法。
  6. 　入力時系列信号に対応する線形予測係数に変換可能な係数を、所定時間区間であるフレームごとに求める、線形予測分析方法であって、
    　少なくともi=0,1,…,Pmaxのそれぞれについて、現在のフレームの入力時系列信号XO(n)とiサンプルだけ過去の入力時系列信号XO(n-i)またはiサンプルだけ未来の入力時系列信号XO(n+i)との自己相関RO(i) (i=0, 1, …, Pmax)を計算する自己相関計算ステップと、
    　係数テーブルt0には係数wt0(i) (i=0,1,…,Pmax)が格納されており、係数テーブルt1には係数wt1(i) (i=0,1,…,Pmax)、係数テーブルt2には係数wt2(i) (i=0,1,…,Pmax)が格納されているとして、現在又は過去のフレームにおける入力時系列信号に基づく基本周波数と正の相関関係にある値を用いて前記係数テーブルt0,t1,t2の中の１個の係数テーブルから係数を取得する係数決定ステップと、
    　前記取得した係数と前記自己相関RO(i) (i=0, 1, …, Pmax)とが対応するiごとに乗算されたものである変形自己相関R' O(i) (i=0, 1, …, Pmax)を用いて、1次からPmax次までの線形予測係数に変換可能な係数を求める予測係数計算ステップと、を含み、
    　前記基本周波数と正の相関関係にある値に応じて、基本周波数が高い場合、基本周波数が中程度の場合、基本周波数が低い場合の何れかの場合に分類されるとし、基本周波数が高い場合に前記係数決定ステップで係数が取得される係数テーブルを係数テーブルt0とし、基本周波数が中程度の場合に前記係数決定ステップで係数が取得される係数テーブルを係数テーブルt1とし、基本周波数が低い場合に前記係数決定ステップで係数が取得される係数テーブルを係数テーブルt2として、少なくとも一部のiについてwt0(i)<wt1(i)≦wt2(i)であり、それ以外のiのうちの少なくとも一部の各iについてwt0(i)≦wt1(i)<wt2(i)であり、残りの各iについてwt0(i)≦wt1(i)≦wt2(i)である、
    　線形予測分析方法。
  7. 　入力時系列信号に対応する線形予測係数に変換可能な係数を、所定時間区間であるフレームごとに求める、線形予測分析装置であって、
    　少なくともi=0,1,…,Pmaxのそれぞれについて、現在のフレームの入力時系列信号XO(n)とiサンプルだけ過去の入力時系列信号XO(n-i)またはiサンプルだけ未来の入力時系列信号XO(n+i)との自己相関RO(i)を計算する自己相関計算部と、
    　係数wO(i) (i=0, 1, …, Pmax)と前記自己相関RO(i) (i=0, 1, …, Pmax)とが対応するiごとに乗算されたものである変形自己相関R’O(i) (i=0, 1, …, Pmax)を用いて、1次からPmax次までの線形予測係数に変換可能な係数を求める予測係数計算部と、を含み、
    　少なくとも一部の各次数iに対して、前記各次数iに対応する係数wO(i)が、現在又は過去のフレームにおける入力時系列信号に基づく周期、周期の量子化値、または基本周波数と負の相関関係にある値の増加とともに単調増加する関係にある場合が含まれている、
    　線形予測分析装置。
  8. 　入力時系列信号に対応する線形予測係数に変換可能な係数を、所定時間区間であるフレームごとに求める、線形予測分析装置であって、
    　少なくともi=0,1,…,Pmaxのそれぞれについて、現在のフレームの入力時系列信号XO(n)とiサンプルだけ過去の入力時系列信号XO(n-i)またはiサンプルだけ未来の入力時系列信号XO(n+i)との自己相関RO(i) (i=0, 1, …, Pmax)を計算する自己相関計算部と、
    　２個以上の係数テーブルのそれぞれにはi=0, 1, …, Pmaxの各次数iと前記各次数iに対応する係数wO(i)とが対応付けて記憶されているとして、現在又は過去のフレームにおける入力時系列信号に基づく周期、周期の量子化値、または基本周波数と負の相関関係にある値を用いて前記２個以上の係数テーブルの中の１個の係数テーブルから係数wO(i) (i=0, 1, …, Pmax)を取得する係数決定部と、
    　取得された前記係数wO(i) (i=0, 1, …, Pmax)と前記自己相関RO(i) (i=0, 1, …, Pmax)とが対応するiごとに乗算されたものである変形自己相関R' O(i) (i=0, 1, …, Pmax)を用いて、1次からPmax次までの線形予測係数に変換可能な係数を求める予測係数計算部と、を含み、
    　前記２個以上の係数テーブルの中の、前記周期、周期の量子化値、または基本周波数と負の相関関係にある値が第一値である場合に前記係数決定部で係数wO(i) (i=0, 1, …, Pmax)が取得される係数テーブルを第一係数テーブルとし、
    　前記２個以上の係数テーブルの中の、前記周期、周期の量子化値、または基本周波数と負の相関関係にある値が前記第一値よりも大きい第二値である場合に前記係数決定部で係数wO(i) (i=0, 1, …, Pmax)が取得される係数テーブルを第二係数テーブルとして、
    　少なくとも一部の各次数iに対して、前記第二係数テーブルにおける前記各次数iに対応する係数は、前記第一係数テーブルにおける前記各次数iに対応する係数よりも大きい、
    　線形予測分析装置。
  9. 　入力時系列信号に対応する線形予測係数に変換可能な係数を、所定時間区間であるフレームごとに求める、線形予測分析装置であって、
    　少なくともi=0,1,…,Pmaxのそれぞれについて、現在のフレームの入力時系列信号XO(n)とiサンプルだけ過去の入力時系列信号XO(n-i)またはiサンプルだけ未来の入力時系列信号XO(n+i)との自己相関RO(i) (i=0, 1, …, Pmax)を計算する自己相関計算部と、
    　係数テーブルt0には係数wt0(i) (i=0, 1,…, Pmax)が格納されており、係数テーブルt1には係数wt1(i) (i=0, 1,…, Pmax)、係数テーブルt2には係数wt2(i) (i=0, 1,…, Pmax)が格納されているとして、現在又は過去のフレームにおける入力時系列信号に基づく周期、周期の量子化値、または基本周波数と負の相関関係にある値を用いて前記係数テーブルt0,t1,t2の中の１個の係数テーブルから係数を取得する係数決定部と、
    　前記取得した係数と前記自己相関RO(i) (i=0, 1, …, Pmax)とが対応するiごとに乗算されたものである変形自己相関R' O(i) (i=0, 1, …, Pmax)を用いて、1次からPmax次までの線形予測係数に変換可能な係数を求める予測係数計算部と、を含み、
    　前記周期、周期の量子化値、または基本周波数と負の相関関係にある値に応じて、周期が短い場合、周期が中程度の場合、周期が長い場合の何れかの場合に分類されるとし、周期が短い場合に前記係数決定部で係数が取得される係数テーブルを係数テーブルt0とし、周期が中程度の場合に前記係数決定部で係数が取得される係数テーブルを係数テーブルt1とし、周期が長い場合に前記係数決定部で係数が取得される係数テーブルを係数テーブルt2として、少なくとも一部のiについてwt0(i)<wt1(i)≦wt2(i)であり、それ以外のiのうちの少なくとも一部の各iについてwt0(i)≦wt1(i)<wt2(i)であり、残りの各iについてwt0(i)≦wt1(i)≦wt2(i)である、
    　線形予測分析装置。
  10. 　入力時系列信号に対応する線形予測係数に変換可能な係数を、所定時間区間であるフレームごとに求める、線形予測分析装置であって、
    　少なくともi=0,1,…,Pmaxのそれぞれについて、現在のフレームの入力時系列信号XO(n)とiサンプルだけ過去の入力時系列信号XO(n-i)またはiサンプルだけ未来の入力時系列信号XO(n+i)との自己相関RO(i)(i=0, 1, …, Pmax)を計算する自己相関計算部と、
    　係数wO(i) (i=0, 1, …, Pmax)と前記自己相関RO(i) (i=0, 1, …, Pmax)とが対応するiごとに乗算されたものである変形自己相関R'O(i) (i=0, 1, …, Pmax)を用いて、1次からPmax次までの線形予測係数に変換可能な係数を求める予測係数計算部と、を含み、
    　少なくとも一部の各次数iに対して、前記各次数iに対応する係数wO(i)が、現在又は過去のフレームにおける入力時系列信号に基づく基本周波数と正の相関関係にある値の増加とともに単調減少する関係にある場合が含まれている、
    　線形予測分析装置。
  11. 　入力時系列信号に対応する線形予測係数に変換可能な係数を、所定時間区間であるフレームごとに求める、線形予測分析装置であって、
    　少なくともi=0,1,…,Pmaxのそれぞれについて、現在のフレームの入力時系列信号XO(n)とiサンプルだけ過去の入力時系列信号XO(n-i)またはiサンプルだけ未来の入力時系列信号XO(n+i)との自己相関RO(i) (i=0, 1, …, Pmax)を計算する自己相関計算部と、
    　２個以上の係数テーブルのそれぞれにはi=0, 1, …, Pmaxの各次数iと前記各次数iに対応する係数wO(i)とが対応付けて記憶されているとして、現在又は過去のフレームにおける入力時系列信号に基づく基本周波数と正の相関関係にある値を用いて前記２個以上の係数テーブルの中の１個の係数テーブルから係数wO(i) (i=0, 1, …, Pmax)を取得する係数決定部と、
    　取得された前記係数wO(i) (i=0, 1, …, Pmax)と前記自己相関RO(i) (i=0, 1, …, Pmax)とが対応するiごとに乗算されたものである変形自己相関R' O(i) (i=0, 1, …, Pmax)を用いて、1次からPmax次までの線形予測係数に変換可能な係数を求める予測係数計算部と、を含み、
    　前記２個以上の係数テーブルの中の、前記基本周波数と正の相関関係にある値が第一値である場合に前記係数決定部で係数wO(i) (i=0, 1, …, Pmax)が取得される係数テーブルを第一係数テーブルとし、
    　前記２個以上の係数テーブルの中の、前記基本周波数と正の相関関係にある値が前記第一値よりも小さい第二値である場合に前記係数決定部で係数wO(i) (i=0, 1, …, Pmax)が取得される係数テーブルを第二係数テーブルとして、
    　少なくとも一部の各次数iに対して、前記第二係数テーブルにおける前記各次数iに対応する係数は、前記第一係数テーブルにおける前記各次数iに対応する係数よりも大きい、
    　線形予測分析装置。
  12. 　入力時系列信号に対応する線形予測係数に変換可能な係数を、所定時間区間であるフレームごとに求める、線形予測分析装置であって、
    　少なくともi=0,1,…,Pmaxのそれぞれについて、現在のフレームの入力時系列信号XO(n)とiサンプルだけ過去の入力時系列信号XO(n-i)またはiサンプルだけ未来の入力時系列信号XO(n+i)との自己相関RO(i) (i=0, 1, …, Pmax)を計算する自己相関計算部と、
    　係数テーブルt0には係数wt0(i) (i=0, 1,…, Pmax)が格納されており、係数テーブルt1には係数wt1(i) (i=0, 1,…, Pmax)、係数テーブルt2には係数wt2(i) (i=0, 1,…, Pmax)が格納されているとして、現在又は過去のフレームにおける入力時系列信号に基づく基本周波数と正の相関関係にある値を用いて前記係数テーブルt0,t1,t2の中の１個の係数テーブルから係数を取得する係数決定部と、
    　前記取得した係数と前記自己相関RO(i) (i=0, 1, …, Pmax)とが対応するiごとに乗算されたものである変形自己相関R' O(i) (i=0, 1, …, Pmax)を用いて、1次からPmax次までの線形予測係数に変換可能な係数を求める予測係数計算部と、を含み、
    　前記基本周波数と正の相関関係にある値に応じて、基本周波数が高い場合、基本周波数が中程度の場合、基本周波数が低い場合の何れかの場合に分類されるとし、基本周波数が高い場合に前記係数決定部で係数が取得される係数テーブルを係数テーブルt0とし、基本周波数が中程度の場合に前記係数決定部で係数が取得される係数テーブルを係数テーブルt1とし、基本周波数が低い場合に前記係数決定部で係数が取得される係数テーブルを係数テーブルt2として、少なくとも一部のiについてwt0(i)<wt1(i)≦wt2(i)であり、それ以外のiのうちの少なくとも一部の各iについてwt0(i)≦wt1(i)<wt2(i)であり、残りの各iについてwt0(i)≦wt1(i)≦wt2(i)である、
    　線形予測分析装置。
  13. 　請求項１から６の線形予測分析方法の各ステップをコンピュータに実行させるためのプログラム。
  14. 　請求項１から６の線形予測分析方法の各ステップをコンピュータに実行させるためのプログラムが記録されたコンピュータ読み取り可能な記録媒体。
PCT/JP2014/068895 2013-07-18 2014-07-16 線形予測分析装置、方法、プログラム及び記録媒体 WO2015008783A1 (ja)

Priority Applications (20)

Application Number Priority Date Filing Date Title
KR1020177032374A KR101883789B1 (ko) 2013-07-18 2014-07-16 선형 예측 분석 장치, 방법, 프로그램 및 기록 매체
PL14826090T PL3012835T3 (pl) 2013-07-18 2014-07-16 Urządzenie, sposób i program do analizy predykcji liniowej, oraz nośnik zapisu
EP18173638.0A EP3399522B1 (en) 2013-07-18 2014-07-16 Linear prediction analysis device, method, program, and storage medium
PL18173638T PL3399522T3 (pl) 2013-07-18 2014-07-16 Urządzenie, sposób i program do analizy predykcji liniowej oraz nośnik zapisu
JP2015527315A JP6117359B2 (ja) 2013-07-18 2014-07-16 線形予測分析装置、方法、プログラム及び記録媒体
KR1020167001218A KR101797679B1 (ko) 2013-07-18 2014-07-16 선형 예측 분석 장치, 방법, 프로그램 및 기록 매체
CN201811547968.0A CN109887520B (zh) 2013-07-18 2014-07-16 线性预测分析装置、线性预测分析方法以及记录介质
ES14826090T ES2699582T3 (es) 2013-07-18 2014-07-16 Dispositivo, método, programa y medio de almacenamiento de análisis de predicción lineal
CN201480040536.4A CN105378836B (zh) 2013-07-18 2014-07-16 线性预测分析装置、方法、以及记录介质
US14/905,158 US10909996B2 (en) 2013-07-18 2014-07-16 Linear prediction analysis device, method, program, and storage medium
CN201811547969.5A CN110085243B (zh) 2013-07-18 2014-07-16 线性预测分析装置、线性预测分析方法以及记录介质
CN201811547976.5A CN110070877B (zh) 2013-07-18 2014-07-16 线性预测分析装置、线性预测分析方法以及记录介质
CN201811547577.9A CN109979471B (zh) 2013-07-18 2014-07-16 线性预测分析装置、线性预测分析方法以及记录介质
EP18173641.4A EP3389047B1 (en) 2013-07-18 2014-07-16 Linear prediction analysis device, method, program, and storage medium
EP14826090.4A EP3012835B1 (en) 2013-07-18 2014-07-16 Linear-prediction analysis device, method, program, and storage medium
CN201811547970.8A CN110070876B (zh) 2013-07-18 2014-07-16 线性预测分析装置、线性预测分析方法以及记录介质
KR1020177032372A KR101883767B1 (ko) 2013-07-18 2014-07-16 선형 예측 분석 장치, 방법, 프로그램 및 기록 매체
PL18173641T PL3389047T3 (pl) 2013-07-18 2014-07-16 Urządzenie, sposób i program do analizy predykcji liniowej oraz nośnik zapisu
US17/120,462 US11532315B2 (en) 2013-07-18 2020-12-14 Linear prediction analysis device, method, program, and storage medium
US17/970,879 US11972768B2 (en) 2013-07-18 2022-10-21 Linear prediction analysis device, method, program, and storage medium

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2013149160 2013-07-18
JP2013-149160 2013-07-18

Related Child Applications (2)

Application Number Title Priority Date Filing Date
US14/905,158 A-371-Of-International US10909996B2 (en) 2013-07-18 2014-07-16 Linear prediction analysis device, method, program, and storage medium
US17/120,462 Continuation US11532315B2 (en) 2013-07-18 2020-12-14 Linear prediction analysis device, method, program, and storage medium

Publications (1)

Publication Number Publication Date
WO2015008783A1 true WO2015008783A1 (ja) 2015-01-22

Family

ID=52346231

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2014/068895 WO2015008783A1 (ja) 2013-07-18 2014-07-16 線形予測分析装置、方法、プログラム及び記録媒体

Country Status (9)

Country Link
US (3) US10909996B2 (ja)
EP (3) EP3399522B1 (ja)
JP (1) JP6117359B2 (ja)
KR (3) KR101797679B1 (ja)
CN (6) CN109979471B (ja)
ES (3) ES2760934T3 (ja)
PL (3) PL3389047T3 (ja)
TR (1) TR201815212T4 (ja)
WO (1) WO2015008783A1 (ja)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101797679B1 (ko) * 2013-07-18 2017-11-15 니폰 덴신 덴와 가부시끼가이샤 선형 예측 분석 장치, 방법, 프로그램 및 기록 매체
PL3125242T3 (pl) 2014-03-24 2018-12-31 Nippon Telegraph & Telephone Sposób kodowania, koder, program i nośnik zapisu
US9721159B2 (en) * 2015-10-05 2017-08-01 Evan Donald Balster Periodicity analysis system
WO2019060298A1 (en) 2017-09-19 2019-03-28 Neuroenhancement Lab, LLC METHOD AND APPARATUS FOR NEURO-ACTIVATION
JP6904198B2 (ja) * 2017-09-25 2021-07-14 富士通株式会社 音声処理プログラム、音声処理方法および音声処理装置
US11717686B2 (en) 2017-12-04 2023-08-08 Neuroenhancement Lab, LLC Method and apparatus for neuroenhancement to facilitate learning and performance
US11273283B2 (en) 2017-12-31 2022-03-15 Neuroenhancement Lab, LLC Method and apparatus for neuroenhancement to enhance emotional response
US11364361B2 (en) 2018-04-20 2022-06-21 Neuroenhancement Lab, LLC System and method for inducing sleep by transplanting mental states
CN113382683A (zh) 2018-09-14 2021-09-10 纽罗因恒思蒙特实验有限责任公司 改善睡眠的系统和方法
US11786694B2 (en) 2019-05-24 2023-10-17 NeuroLight, Inc. Device, method, and app for facilitating sleep

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010170124A (ja) * 2008-12-30 2010-08-05 Huawei Technologies Co Ltd 信号圧縮方法及び装置
WO2012046685A1 (ja) * 2010-10-05 2012-04-12 日本電信電話株式会社 符号化方法、復号方法、符号化装置、復号装置、プログラム、記録媒体

Family Cites Families (38)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5550859A (en) * 1994-04-29 1996-08-27 Lucent Technologies Inc. Recovering analog and digital signals from superimposed analog and digital signals using linear prediction
JP3402748B2 (ja) * 1994-05-23 2003-05-06 三洋電機株式会社 音声信号のピッチ周期抽出装置
US5774846A (en) * 1994-12-19 1998-06-30 Matsushita Electric Industrial Co., Ltd. Speech coding apparatus, linear prediction coefficient analyzing apparatus and noise reducing apparatus
US5648989A (en) * 1994-12-21 1997-07-15 Paradyne Corporation Linear prediction filter coefficient quantizer and filter set
JP3522012B2 (ja) * 1995-08-23 2004-04-26 沖電気工業株式会社 コード励振線形予測符号化装置
TW321810B (ja) * 1995-10-26 1997-12-01 Sony Co Ltd
EP1136985B1 (en) * 1996-11-07 2002-09-11 Matsushita Electric Industrial Co., Ltd. Apparatus and method for CELP speech coding and decoding
FI113903B (fi) * 1997-05-07 2004-06-30 Nokia Corp Puheen koodaus
AU6725500A (en) * 1999-08-23 2001-03-19 Matsushita Electric Industrial Co., Ltd. Voice encoder and voice encoding method
US6959274B1 (en) * 1999-09-22 2005-10-25 Mindspeed Technologies, Inc. Fixed rate speech compression system and method
WO2003077425A1 (fr) * 2002-03-08 2003-09-18 Nippon Telegraph And Telephone Corporation Procedes de codage et de decodage signaux numeriques, dispositifs de codage et de decodage, programme de codage et de decodage de signaux numeriques
US20040002856A1 (en) * 2002-03-08 2004-01-01 Udaya Bhaskar Multi-rate frequency domain interpolative speech CODEC system
CN1677493A (zh) * 2004-04-01 2005-10-05 北京宫羽数字技术有限责任公司 一种增强音频编解码装置及方法
KR20070009644A (ko) * 2004-04-27 2007-01-18 마츠시타 덴끼 산교 가부시키가이샤 스케일러블 부호화 장치, 스케일러블 복호화 장치 및 그방법
WO2006019117A1 (ja) * 2004-08-19 2006-02-23 Nippon Telegraph And Telephone Corporation 多チャネル信号符号化方法、その復号化方法、これらの装置、プログラム及びその記録媒体
WO2006025313A1 (ja) * 2004-08-31 2006-03-09 Matsushita Electric Industrial Co., Ltd. 音声符号化装置、音声復号化装置、通信装置及び音声符号化方法
ATE534990T1 (de) * 2004-09-17 2011-12-15 Panasonic Corp Skalierbare sprachcodierungsvorrichtung, skalierbare sprachdecodierungsvorrichtung, skalierbares sprachcodierungsverfahren, skalierbares sprachdecodierungsverfahren, kommunikationsendgerät und basisstationsgerät
CN101091317B (zh) * 2005-01-12 2011-05-11 日本电信电话株式会社 用于长期预测编码和长期预测解码的方法和装置
JP4675692B2 (ja) * 2005-06-22 2011-04-27 富士通株式会社 話速変換装置
JP4736632B2 (ja) * 2005-08-31 2011-07-27 株式会社国際電気通信基礎技術研究所 ボーカル・フライ検出装置及びコンピュータプログラム
CN1815552B (zh) * 2006-02-28 2010-05-12 安徽中科大讯飞信息科技有限公司 基于线谱频率及其阶间差分参数的频谱建模与语音增强方法
DE602007003023D1 (de) * 2006-05-30 2009-12-10 Koninkl Philips Electronics Nv Linear-prädiktive codierung eines audiosignals
JP4757130B2 (ja) * 2006-07-20 2011-08-24 富士通株式会社 ピッチ変換方法及び装置
CN101154381B (zh) * 2006-09-30 2011-03-30 华为技术有限公司 一种获取线性预测滤波器系数的装置
JP5618826B2 (ja) * 2007-06-14 2014-11-05 ヴォイスエイジ・コーポレーション Ｉｔｕ．ｔ勧告ｇ．７１１と相互運用可能なｐｃｍコーデックにおいてフレーム消失を補償する装置および方法
CN101919164B (zh) * 2007-12-11 2013-10-30 日本电信电话株式会社 编码方法、解码方法、使用了这些方法的装置、程序、记录介质
JP4918074B2 (ja) * 2008-08-18 2012-04-18 日本電信電話株式会社 符号化装置、符号化方法、符号化プログラム、及び記録媒体
CN101983402B (zh) * 2008-09-16 2012-06-27 松下电器产业株式会社 声音分析装置、方法、系统、合成装置、及校正规则信息生成装置、方法
CN102067211B (zh) * 2009-03-11 2013-04-17 华为技术有限公司 一种线性预测分析方法、装置及系统
JP4932917B2 (ja) * 2009-04-03 2012-05-16 株式会社エヌ・ティ・ティ・ドコモ 音声復号装置、音声復号方法、及び音声復号プログラム
CN102044250B (zh) * 2009-10-23 2012-06-27 华为技术有限公司 频带扩展方法及装置
DK2556504T3 (en) * 2010-04-09 2019-02-25 Dolby Int Ab MDCT-BASED COMPLEX PREVIEW Stereo Encoding
JP5663461B2 (ja) * 2011-12-06 2015-02-04 日本電信電話株式会社 符号化方法、符号化装置、プログラム、記録媒体
CN102693147B (zh) * 2012-06-13 2015-10-28 上海第二工业大学 计算机汇编语言的辅助分析装置及分析方法
CN102867516B (zh) * 2012-09-10 2014-08-27 大连理工大学 一种采用高阶线性预测系数分组矢量量化的语音编解方法
KR101797679B1 (ko) * 2013-07-18 2017-11-15 니폰 덴신 덴와 가부시끼가이샤 선형 예측 분석 장치, 방법, 프로그램 및 기록 매체
WO2015111569A1 (ja) * 2014-01-24 2015-07-30 日本電信電話株式会社 線形予測分析装置、方法、プログラム及び記録媒体
ES2799899T3 (es) * 2014-01-24 2020-12-22 Nippon Telegraph & Telephone Aparato, método, programa y soporte de registro de análisis predictivo lineal

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010170124A (ja) * 2008-12-30 2010-08-05 Huawei Technologies Co Ltd 信号圧縮方法及び装置
WO2012046685A1 (ja) * 2010-10-05 2012-04-12 日本電信電話株式会社 符号化方法、復号方法、符号化装置、復号装置、プログラム、記録媒体

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
ITU-T RECOMMENDATION G.718, ITU, 2008
ITU-T RECOMMENDATION G.729, ITU, 1996
REDWAN SALAMI ET AL.: "Design and Description of CS -ACELP:A Toll Quality 8 kb/s Speech Coder", IEEE TRANSACTIONS ON SPEECH AND AUDIO PROCESSING, vol. 6, no. 2, 1 March 1998 (1998-03-01), pages 116 - 130, XP011054298 *
See also references of EP3012835A4
YOH'ICHI TOHKURA; FUMITADA ITAKURA; SHIN'ICHIRO HASHIMOTO: "Spectral Smoothing Technique in PARCOR Speech Analysis-Synthesis", IEEE TRANS. ON ACOUSTICS, SPEECH, AND SIGNAL PROCESSING, vol. ASSP-26, no. 6, 1978
YOICHI TOKURA ET AL.: "PARCOR Taiiki Asshuku Hoshiki ni Okeru Onsei Hinshitsu Kojo", THE TRANSACTIONS OF THE INSTITUTE OF ELECTRONICS, INFORMATION AND COMMUNICATION ENGINEERS A, vol. J61-A, no. 3, 25 March 1978 (1978-03-25), pages 254 - 261, XP008182649 *

Also Published As

Publication number Publication date
CN110070877A (zh) 2019-07-30
CN109887520A (zh) 2019-06-14
EP3389047A1 (en) 2018-10-17
US20230042203A1 (en) 2023-02-09
KR20170127050A (ko) 2017-11-20
KR20170126515A (ko) 2017-11-17
KR20160021261A (ko) 2016-02-24
US11532315B2 (en) 2022-12-20
JP6117359B2 (ja) 2017-04-19
CN110070877B (zh) 2022-11-11
ES2699582T3 (es) 2019-02-11
CN110085243B (zh) 2022-12-02
EP3389047B1 (en) 2019-09-11
KR101883767B1 (ko) 2018-07-31
TR201815212T4 (tr) 2018-11-21
KR101883789B1 (ko) 2018-07-31
PL3389047T3 (pl) 2020-02-28
US20210098009A1 (en) 2021-04-01
PL3012835T3 (pl) 2019-02-28
CN105378836B (zh) 2019-03-29
KR101797679B1 (ko) 2017-11-15
ES2749904T3 (es) 2020-03-24
EP3012835A1 (en) 2016-04-27
ES2760934T3 (es) 2020-05-18
CN109887520B (zh) 2022-12-02
JPWO2015008783A1 (ja) 2017-03-02
PL3399522T3 (pl) 2020-06-01
CN110070876B (zh) 2022-11-15
EP3399522B1 (en) 2019-09-11
CN109979471A (zh) 2019-07-05
CN109979471B (zh) 2022-12-02
CN105378836A (zh) 2016-03-02
US10909996B2 (en) 2021-02-02
CN110085243A (zh) 2019-08-02
EP3012835B1 (en) 2018-09-12
US20160140975A1 (en) 2016-05-19
EP3012835A4 (en) 2017-03-22
EP3399522A1 (en) 2018-11-07
US11972768B2 (en) 2024-04-30
CN110070876A (zh) 2019-07-30

Similar Documents

Publication Publication Date Title
JP6117359B2 (ja) 線形予測分析装置、方法、プログラム及び記録媒体
JP6423065B2 (ja) 線形予測分析装置、方法、プログラム及び記録媒体
JP6416363B2 (ja) 線形予測分析装置、方法、プログラム及び記録媒体

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: 14826090

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 14905158

Country of ref document: US

ENP Entry into the national phase

Ref document number: 2015527315

Country of ref document: JP

Kind code of ref document: A

Ref document number: 20167001218

Country of ref document: KR

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

WWE Wipo information: entry into national phase

Ref document number: 2014826090

Country of ref document: EP