JPH02170199A - 音声符号化復号化方式 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 （産業上の利用分野） 本発明は音声信号を低いビットレート、特に１６−６ｋ
ｂ／ｓ程度で効率的に符号化するための音声符号化復号
化方式に関する。

（従来の技術） 音声信号を低いビットレート、例えば１０ｋｂ／ｓ前後
で伝送する方式としては、マルチパルス符号化法などが
知られている。これは音源信号を複数個のパルスの組合
せ（マルチパルス）で表し、声道の特徴をデジタルフィ
ルタで表し、音源パルスの情報とフィルタの係数を、一
定時間区間（フレーム）毎に求めて伝送している。この
方法の詳細については、例えばＡｒａｓｅｋｉ、Ｏｚａ
ｗａ、Ｏｎｏ、０ｃｈｉａｉ氏による”Ｍｕｌｔｉ−ｐ
ｕｌｓｅ　Ｅｘｃｉｔｅｄ　５ｐｅｅｃｈ　Ｃｏｄｅｒ
　Ｂａ５ｅｄ　ｏｎＭａｘｉｍｕｍ　Ｃｒｏｓｓ−ｃｏ
ｒｒｅｌａｔｉｏｎ　５ｅａｒｃｈ　Ａｌｇｏｒｉｔｈ
ｍ　。

（ＧＬＯＢＥＣＯＭ　８３．　ＩＥＥＥ　Ｇｌｏｂａｌ
　Ｔｅｌｅ−ｃｏｍｍｕｎｉｃａｔｉｏｎ。

講演番号２３．３．１９８３Ｘ文献１）に記載されてい
る。この方法では、声道情報と音源信号を分離してそれ
ぞれ表現すること、および音源信号を表現する手段とし
て複数のパルス列の組合せ（マルチパルス）を用いるこ
とにより、復号後に良好な音声信号を出力できる。

（発明が解決しようとする問題点） しかしながら、この従来法ではビットレートが充分に高
く音源パルスの個数が充分なときは音質が良好であった
が、ビットレートを下げて行くと音質が大きく低下する
という問題点があった。

この問題点を改善するために、マルチパルス音源のピン
チ毎の準周期性（ピンチ相関）を利用したピッチ予測マ
ルチパルス法が提案されている。この方法の詳細は、例
えば、特願昭５８−１３９０２２（文献２）等に詳しい
のでここでは説明を省略する。しかしながら、前記方式
はビットレートが８−９．６ｋｂ／ｓ以上と高い領域で
は良好な合成音質を得られるが、ビットレートがそれよ
りも低い領域、８ｋｂ／ｓ以下では特に音声信号が音声
信号が無声の場合に音質劣化が太きかった。これは、無
声区間ではピンチ毎の準周期性がほとんどなくなるため
、ピンチ予測による改善効果がほとんどなくなるためで
ある。例えばビットレートを６ｋｂ／ｓ程度し、フレー
ム長を２０ｍ５（１６０サンプル）とすると、フレーム
当たりのパルスの個数は８−１０程度と少ないため、音
源信号の近似度は著しく低下し音質が劣化するという問
題点があった。また、この問題点は音声信号に周囲雑音
が重畳され、音声信号のＳ／Ｎ比が低下しているときに
特に顕著であった。

本発明の目的は、ビットレートが高いところはもちろん
下げていっても良好で、特に周囲雑音が重畳していると
きに従来よりも良好な音声を再生することが可能で、す
くない演算量で実現可能な音声符号化復号化方式に提供
することにある。

（問題点を解決するための手段） 本発明によれば、送信側で離散的な音声信号を入力し前
記音声信号からフレーム毎にスペクトル包絡を表すスペ
クトルパラメータとピッチを表すピッチパラメータとを
抽出し前記フレームの音声信号が有声のときは前記音声
信号の音源信号として前記音声信号と前記スペクトルパ
ラメータと前記ピンチパラメータとから計算される相互
相関関数を用いてマルチパルスの振幅と位置を計算し、
前記音声信号が無声のときは前記音声信号と前記スペク
トルパラメータから求めた相互相関関数から予め定めら
れたサンプル数おきに決定した位置に列してパルスの振
幅のみを計算して出力し、受信側では、前記音声信号が
有声の時は前記マルチパルスの振幅と位置及びピッチパ
ラメータとを用いてマルチパルスを発生し、前記音声信
号が無声のときは予め定められたサンプル数おきに決定
した位置に前記パルスの振幅を用いてマルチパルスを発
生し、前記発生したマルチパルスと前記スペクトルパラ
メータを用いて合成音声を求めて出力することを特徴と
する音声符号化復号化方式が得られる。

（作用） 本発明による音声符号化復号化方式は、フレーム区間の
音声信号の音源信号を、有声区間では従来方式と同様に
ピッチ予測を用いてマルチパルスの振幅と位置を求める
。一方、無声区間では、パルスの個数を増太し合成音声
の音質を改善するために、パルスの振幅のみを求める。

つまり、パルスの位置は予め定められたサンプル数おき
に求めるために位置情報は伝送する必要はない。これに
よりパルスの振幅情報のみを伝送すればよいので、パル
スの個数を従来方式の２〜３倍程度に増大することがで
きる。例えばビットレートが６ｋｂ／ｓのときにフレー
ム（２０ｍｓ）あたり２０個のパルスを求めることがで
きる。

有声区間では例えば文献２などのピッチ予測マルチパル
ス符号化方式と同一であるので説明は省略し、ここでは
無声区間におけるパルスの振幅の求め方を第２図を用い
て説明する。フレームの音声信号に対して、スペクトル
包絡を表すスペクトルパラメータは衆知のＬＰＧ分析に
よりもとまっているものとする。まずＬＰＧ分析により
求めた線形予測係数ａｉを用いて重みすけ合成フィルタ
のインパルス応答ｈＷ、（ｎ）ならびに自己相関関数Ｒ
（ｍ）を求める。次にフレームの音声信号に重みずけを
施し重みずけ信号ｘｗ（ｎ）と前記インパルス応答１１
ｗ５（ｎ）との相互相関関数φ（ｍ）を求める。これら
の計算法は前記文献２を参照できる。次にフレームを予
め定められたサブフレーム（例えば５ｍ５）に分割する
。第２図（ａ）、（ｂ）はそれぞれフレームの音声信号
、相互相関関数Φ（ｍ）の−例を示す。また図の１〜４
はサブフレーム番号である。次にサブフレーム１につい
て、ｉ番目のパルスの位置ｍｉを下式のように予め定め
られたサンプル数Ｍおきに決定する。

ｍｉ＝　Ｌ　＋　（ｉ　−１）Ｍ　　　　　　　　　　
　　（１）このときＬはサブフレームでのパルスの位置
の初期位相であり、Ｏ≦Ｌ≦Ｍ−１の値をとる。このと
きサブフレーム内での位置ｍｉにおけるパルスの振幅ｇ
Ｈ（ｉ　＝　１−　Ｋ）は次式に従い求める。

ここでΦｈｘ（ｍ）、Ｒｈｈ（ｍ）はそれぞれ前述の相
互相関関数、自己相関関数を示す。０≦Ｌ≦Ｍ−１での
種々のＬの値についてサブフレーム内で全てのパルスの
振幅ｇｉ（ｉ　＝　１−　Ｋ）を求め、次式を最大化す
るようにＬを決定する。

この方法ではＬを決定するのに（３）式の計算をＭ回繰
り返す必要がある。初期位相りを決定する処理について
、演算量を低減するのために次のようにすることもでき
る。まず（２）式を用いてサブフレーム内で最初のパル
スを求める。最初のパルスは（２）式からサブフレーム
内で絶対値振幅の最大のパルスである。この位置ｍ１を
もちいて次式に従いＬを計算する。

Ｌ　＝　ＭＯＤ（ｍｌ　−１／Ｍ）　　　　　　　　　
　（４）この方法では、（３）式の計算を行う必要がな
いので演算量を低減できる。以上の処理をサブフレーム
の個数だけ繰り返す。第２図（ｅ）にサブフレーム１で
求めた初期位相Ｌ１、パルスの振幅を示す。図ではＭサ
ンプルおきに４個のパルスを求めている。第２図（ｄ）
にはさらにサブフレーム２で求めた初期位相Ｌ２．４個
のパルスの振幅を示す。

無声区間で受信側に伝送すべき情報は、スペクトルパラ
メータを表すＰＡＲＣＯＲ係数、有声無声判別情報、サ
ブフレーム毎の初期位相、マルチパルスの振幅である。

また有声区間での伝送情報は、スペクトルパラメータを
表すＰＡＲＣＯＲ係数、ピッチをあられすピッチ係数、
ピッチ周期、有声無声判別情報、マルチパルスの振幅、
位置である。

（実施例） 本発明の一実施例を示す第１図において、送信側では、
入力端子５００から離散的な音声信号ｘ（ｎ）を入力す
る。スペクトル、ピッチパラメータ計算回路５２０では
分割したフレーム区間（例えば２０ｍ５）の音声信号の
スペクトル包絡を表すスペクトルパラメータａｉを、衆
知のＬＰＧ分析法によって求める。また、ピッチ係数す
とピンチ周期Ｍを周知の自己相関法あるいは前述の文献
２に示した方法により求める。

求めたスペクトルパラメータ及びピッチ係数、ピッチ周
期に対して、パラメータ量子化器５２５において量子化
を行う。量子化の方法は、特願昭５９−２７２４３５号
明細書（文献３）に示されているようなスカラー量子化
や、あるいはベクトル量子化を行ってもよい。ベクトル
量子化の具体的な方法については、例えば、Ｍａｋｈｏ
ｕ１氏らによる“Ｖｅｃｔｏｒｑｕａｎｔｉｚａｔｉｏ
ｎ　ｉｎ　５ｐｅｅｃｈ　ｃｏｄｉｎｇ”（Ｐｒｏｃ、
ＩＥＥＥ　、ｐｐ、１５５１−１５８８、１９８５）（
文献４）などの論文を参照できる。逆量子化器５３０は
、量子化した結果を用いてピッチ係数、ピッチ周期、ス
ペクトルパラメータを逆量子化しさらに逆量子化したス
ペクトルパラメータを線形予測係数ａｉ＋に変換して出
力する。線形予測係数への変換は、Ｍａｒｋｅｌ、Ｇｒ
ａｙ氏による’ＬｉｎｅａｒＰｒｅｄｉｃｔｉｏｎ　ｏ
ｆ　５ｐｅｅｃｈ”（１９７６年）と題した単行本（文
献５）を参照することができる。

有声無声判別回路５５５は逆量子化されたピッチ係数の
値ｂ′と予め定められたしきい値とを用いて、ｂ”がし
きい値よりも太きいときは有声、小さいときは無声と判
別し有声、無声情報を出力する。なお、有声、無声の判
別法はこの方法以外の他の衆知の方法を用いることがで
きる。

減算器５３５はフレームの音声信号から影響信号を減算
して出力する。重み付は回路５４０は、減算器５３５の
出力信号と逆量子化され求めた線形予測係数ａ、）を用
いて前記信号に聴感重み付けを行う。重み付けの方法は
、前記文献２０重み付は回路２００をオ参照することが
できる。

インパルス応答計算回路５５０は、有声無声情報を人力
し、有声の時は下式の伝達特性を有するフィルタのイン
パルス応答ｈｗ（ｎ）を線形予測係数ａ″ｉと逆量子化
したピッチ周期Ｍ′、逆量子化したピンチ係数ｂ′を用
いて計算する。また無声の時は聴感重み付けをしたスペ
クトル包絡合成フィルタのインパルス応答ｈｗ５（ｎ）
を求め出力する。インパルス応答の具体的な計算法は前
記文献２のインパルス応答計算回路を参照できる。

Ｈ（ｚ）＝１／（（１−ｂ’ｚ　”）（１−Σａｉ’ｚ
　’））　　　（５）自己相関関数計算回路５６０は前
記インパルス応答の各々に対して自己相関関数Ｒ１（ｍ
）、Ｒ２（ｍ）を計算し、それぞれ音源パルス計算回路
５８０へ出力する。

自己相関関数の計算法は前記文献２の自己相関関数計算
回路１８０を参照することができる。

相互相関関数計算回路５７０は前記聴感重み付けられた
信号と、有声のときは前記インパルス応答ｈｗ（ｎ）と
の相互相関関数φ１（ｍ）を、無声のときは前記聴感重
みずけられた信号とインパルス応答ｈｗｓ（ｎ）との相
互相関関数Φ２（ｍ）を計算する。

音源パルス計算回路５８０では、有声無声情報、相互相
関関数φ１（ｍ）、Φ２（ｍ）、自己相関関数Ｒ１（ｍ
）、Ｒ２（ｍ）を入力して音源パルスを求める。ここで
、有声のときは、ピッチ予測マルチパルス方式によりあ
らかじめ定められた個数の音源パルスを求め、パルスの
振幅、位置を符号器５８５へ出力する。一方、無声の時
は前記作用の項で説明したように、フレームを５ｍｓ毎
のサブフレームに分割し、サブフレーム毎に初期位相り
を（３）あるいは（４）式に従い計算する。

そして予め定められたサンプル数Ｍ毎にパルスの位置を
求め、相互相関関数Φ２（ｍ）、自己相関関数Ｒ２（ｍ
）を用いて前記（２）式からパルスの振幅を求める。符
号器５８５へはマルチパルスの振幅と各サブフレームで
求めた４種の初期位相Ｌｉ（ｉ　＝１−４）を出力する
。なお、マルチパルス列の振幅の計算方法については、
前記文献２の音源パルス計算回路を参照することができ
る。

符号器５８５は、有声の時は前記マルチパルス列の振幅
と位置を予め定められた符号器ビット数で符号化して符
号を出力する。無声の時はマルチパルスの振幅と初期位
相を予め定められた符号化ビット数で符号化して出力す
る。この出力はさらに逆量子化され、有声の時はピッチ
再生フィルタ６０５、合成フィルタ６１０に通し、無声
の時は合成フィルタ６１０に通ずことによって合成音声
信号ｘ’（ｎ）が求まる。

減算器６１５は、フレーム内の音声信号ｘ（ｎ）から１
フレーム過去に求めた合成音声信号Ｘ″（ｎ）による影
響を滅することによって残差信号ｅ（ｎ）を得る。ここ
で影響信号の計算法は前記文献２を参照できる。

マルチプレクサ６３５は、符号器５８５の出力であるマ
ルチパルス列の振幅を表す符号、位置を表す符号、初期
位相を表す符号及び、パラメータ量子化器５２５の出力
であるスペクトルパラメータ、ピンチ周期、ピッチ係数
を表す符号及び有声無声情報を表す符号を組み合せて出
力する。

以上で本発明の送信側の実施例に関する説明を終える。

受信側では、デマルチプレクサ６５０は、マルチパルス
列の振幅、位置を表す符号、初期位相を表す符号、スペ
クトルパラメータ、ピッチ周期、ピッチ係数を表す符号
及び有声無声情報を表す符号を入力して分離し出力する
。

復号器６６０は、有声無声情報を人力し、有声の時はマ
ルチパルスの振幅、位置を表す符号を復号化してパルス
発生回路６７０へ出力する。無声のときは初期位相、パ
ルスの振幅を復号化して出力する。

パラメータ復号器６９０はスペクトルパラメータ、ピン
チ周期、ピンチ係数を復号化してピッチ係数、ピンチ周
期をパルス発生回路６７０へ出力し、スペクトルパラメ
ータを合成フィルタ６８０へ出力する。

パルス発生回路６７０は、有声の時は復号化された振幅
をピンチ再生により発生させる。これについての詳細な
処理は前記文献２の音源復元回路を参照できる。無声の
ときは予め定められたサンプル数おきに決定した位置に
復号された振幅を発生させ出力する。

合成フィルタ６８０は復号化されたスペクトルパラメー
タと発生されたパルス列を入力して音声を合成して出力
する。具体的な処理は前記文献２の合成フィルタ回路を
参照できる。

以上で説明を終える。

以上述べた構成は本発明の一実施例に過ぎず、種々の変
形も可能である。有声区間でのマルチパルスの振幅、位
置及び無声区間での振幅の計算方法としては、前記文献
１，２に示した方法の他に、種々の衆知な方法を用いる
ことができる。これには、例えば、Ｏｚａｗａ氏らによ
る”Ａ　５ｔｕｄｙ　ｏｎ　Ｐｕ１ｓｅＳｅａｒｃｈ　
Ａｌｇｏｒｉｔｈｍｓ　ｆｏｒ　Ｍｕｌｔｉ−ｐｕｌｓ
ｅ　５ｐｅｅｃｈ　ＣｏｄｅｒＲｅａｌｉｚａｔｉｏｒ
ｉ”（ＩＥＥＥ　ＪＳＡＣ，ｐｐ、１３３−１４１．１
９８６Ｘ文献６）を参照することができる。

また、ピッチ周期の計算法としては、前述の実施例では
示した方法の他に、例えば、下記（６）式のように、過
去の音源信号ｖ（ｎ）とピッチ再生フィルタ、スペクト
ル包絡合成フィルタで再生した信号と、現サブフレーム
の入力音声信号ｘ（ｎ）との誤差電力Ｅを最小化するよ
うな位置Ｍを探索し、そのときの係数すを求めることも
できる。

ｎ＝０ ここで、ｈ８（ｎ）はスペクトル合成フィルタのインパ
ルス応答、ｗ（ｎ）は聴感重みずけ回路のインパルス応
答を示す。

また、サブフレームのピッチ周期Ｍに線形のずれ℃を許
容するようにしてもよい。

また、有声区間でのピッチ予測マルチパルスの方法とし
ては、実施例の方法の他に、例えば特願昭６３−１４７
２５３号公報（文献７）に示すように、ピッチ予測マル
チパルスを求めた後でピッチ予測無しマルチパルスを求
めるような方式を用いることもてきる。また、他の衆知
な方法、例えば特願昭６３−９１７０９等（文献８）を
用いることもできる。

また、送信側の合成フィルタ６１０では重みすけ信号を
再生するようにして、重みずけ回路５４０からこれを減
算するような構成とすることもできる。

また、送信側での影響信号の減算を省略することもでき
る。このような構成とすると、ピッチ再生フィルタ６０
５、合成フィルタ６１０か不要となる。

また、実施例では（５）式のピッチの項の次数を１次と
したが、高次とすることもできる。

（発明の効果） 本発明によれば、有声部はピンチ予測マルチパルス方式
を用いてマルチパルスの振幅、位置を計算し、無声部で
はマルチパルスの位置を予め定められたサンプル数おき
に求めているので、ビットレートを下げたときに音質劣
化の大きい、無声部においてマルチパルスの本数を従来
方式の２〜３倍程度に増やすことができるため、ビット
レートが高いときはもちろんのこと、ビットレートを下
げたときにも良好な音質が得られるという大きな効果が
ある。また従来方式で問題であった周囲雑音が重畳して
いる無声部でも良好な音質が得られという効果がある。

【図面の簡単な説明】

第１図は本発明による音声符号化方式の一実施例の構成
を示すブロック図、第２図は音声の無声区間において本
発明の作用を示すブロック図である。 図において、 ５２０・・・スペクトル、ピッチパラメータ計算回路、
５２５・・・パラメータ量子化器、５３０１０．逆量子
化器、５３５・・・減算器、５４０・・・重みずけ回路
、５５０−１．インパルス応答計算回路、５５５・・・
有声無声判別回路、５６０・・個己相関関数計算回路、
５７０・・・相互相関関数計算回路、５８０・・・音源
パルス計算回路、５８５・・・符号器、６０５・・・ピ
ッチ再生フィルタ、６１０・・・合成フィルタ、６３５
・・・マルチプレクサ、６５０・・・デマルチプレクサ
、６６０・・・復号回路、６７０・・・パルス発生回路
、６８０・・・合成回路、６９０・・・パラメータ復号
回路。

Claims (1)

【特許請求の範囲】
1. 送信側では離散的な音声信号を入力し前記音声信号から
   フレーム毎にスペクトル包絡を表すスペクトルパラメー
   タとピッチを表すピッチパラメータとを抽出し、前記フ
   レームの音声信号が有声のときは前記音声信号の音源信
   号として前記音声信号と前記スペクトルパラメータと前
   記ピッチパラメータとから計算される相互相関関数を用
   いてマルチパルスの振幅と位置を計算し、前記音声信号
   が無声のときは前記音声信号と前記スペクトラルパラメ
   ータから求めた相互相関関数から予めさだめられたサン
   プル数おきに決定した位置に対してパルスの振幅のみを
   計算して出力し、受信側では、前記音声信号が有声の時
   は前記マルチパルスの振幅と位置及びピッチパラメータ
   とを用いてマルチパルスを発生し、前記音声信号が無声
   のときは予め定められたサンプル数おきに決定した位置
   に前記パルスの振幅を用いてマルチパルスを発生し、前
   記発生したマルチパルスと前記スペクトルパラメータを
   用いて合成音声を求めて出力することを特徴とする音声
   符号化復号化方式。