JPH041800A - 音声帯域信号符号化方法 - 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、音声帯域信号、特に音声信号と音声帯域モデ
ム信号を低いビットレート、特に８〜４．８ｋｂ／ｓ程
度で高品質に符号化するための音声帯域信号符号化方式
に関する。

〔従来の技術〕

音声信号を８〜４．８ｋｂ／ｓ程度の低いビットレート
で符号化する方式としては、例えば、Ｍ、５ｃｈｒｏｅ
ｄｅｒａｎｄ　Ｂ、Ａｔａ１氏による°’Ｃｏｄｅ−ｅ
ｘｃｔｔｅｄ　１ｉｎｅａｒ　ｐｒｅｄｉ−ｃｔｉｏｎ
：　Ｆｌｉｇｈ　Ｑｕａｌｉｔｙ　５ｐｅｅｃｈ　ａｔ
　ｖｅｒｙ　ｌｏｗ　ｂｉｔｒａｔｅｓ”　（Ｐｒｏｃ
、ＩＣＡＳＳＰ、　ｐｐ、９３７−９４０．１９８５年
）と題した論文（文献１）等に記載されているＣＢＬＰ
（Ｃｏｄｅ　Ｅｘｃｉｔｅｄ　ＬＰＣＣｏｄｉｎｇ）が
知られている。この方法では、送信側では、フレーム毎
（例えば２０ｎ＋ｓ　）に音声信号から音声信号のスペ
クトル特性を表すスペクトルパラメータを抽出し、フレ
ームをさらに小区間サブフレーム（例えば５ｍ５）に分
割し、サブフレーム毎に過去の音源信号をもとに長時間
相関（ピッチ相関）を表すピッチパラメータを抽出し、
ピッチパラメータによりサブフレームの音声信号を長期
予測し、長期予測して求めた残差信号に対して、予め定
められた種類の雑音信号からなるコードブックから選択
した信号により合成した信号と、音声信号との誤差電力
を最小化するように一種類の雑音信号を選択するととも
に、最適なゲインを計算する。そして選択された雑音信
号の種類を表すインデクスとゲイン、ならびにスペクト
ルパラメータとピッチパラメータを伝送する。

〔発明が解決しようとする課題〕

上述した文献１の従来方式では、高音質を得るためには
、一般に、雑音信号から構成されるコードブックのビッ
トサイズを１０ビット以上に極めて大きくする必要があ
るため、コードブックを探索して最適な雑音信号（コー
ドワード）を求めるために膨大な演算量が必要であると
いう問題点があった。さらに、コードブックが基本的に
雑音信号から構成されるために、コードブックから選択
された音源信号により再生された再生音声の音質は雑音
感が伴うという問題点があった。

さらに従来方式では、音声帯域のモデム信号などを入力
したときに、コードブックがモデムに最適でないために
、特性が劣化するという問題点があった。

本発明の目的は、上述した問題点を解決し、比較的少な
い演算量及びメモリ量により、８〜４．８ｋｂ／ｓ程度
で音質が良好で、かつ音声帯域のモデム信号に対しても
良好な特性の得られる音声帯域信号符号化方式を提供す
ることにある。

〔課題を解決するための手段〕

第１の発明は、入力した離散的な音声帯域信号を予め定
められた時間長のフレームに分割し、前記入力信号のス
ペクトラム包絡を表すスペクトルパラメータを求めて出
力し、前記フレームを予め定められた時間長の小区間に
分割し、過去の音源信号をもとに再生した信号が前記入
力信号に近くなるようにピッチパラメータを求め、音声
信号ならびに前記音声信号以外の音声帯域信号をもとに
予め学習して構成した異なる複数種類の第１のコードブ
ックから選択した信号と、予め定められた特性を有する
信号が格納された第２のコードブックから選択した信号
との線形結合により前記入力信号の音源信号を表して出
力することを特徴とする。

第２の発明は、入力した離散的な音声帯域信号を予め定
められた時間長のフレームに分割し、前記入力信号のス
ペクトラム包絡を表すスペクトルパラメータを求めて出
力し、前記フレームを予め定められた時間長の小区間に
分割し、過去の音源信号をもとに再生した信号が前記入
力信号に近くなるようにピッチパラメータを求め、音声
信号ならびに前記音声信号以外の音声帯域信号をもとに
予め学習して構成した異なる複数種類の第１のコードブ
ックから選択した信号と、予め定められた特性を有する
信号が格納された第２のコードブックから選択した信号
との線形結合により前記入力信号の音源信号を表し、予
め構成した第３のコードブックを用いて前記ピッチパラ
メータあるいは前記音源信号のゲインの少なくとも一方
を量子化して出力することを特徴とする。

〔作用〕

本発明による音声帯域信号符号化方式の作用を説明する
。

第１の発明では、フレームを分割したサブフレーム毎に
、下式を最小化するように、入力音声帯域信号を表す音
源信号を求める。

−ｄ　　（ｎ）　　＊ｈ　　（ｎ）　　）　　１ｗ　（
ｎ）　］２（１）ここでｘ　（ｎ）は音声帯域信号、β
９Ｍは長期相関にもとづくピッチ予測（適応コードブッ
ク）のピッチパラメータ、すなわちゲイン及び遅延であ
り、ｖ　（ｎ）は過去の音源信号である。ｈ　（ｎ）は
スペクトルパラメータにより構成される合成フィルタの
インパルス応答、ｗ　（ｎ）は聴感型み付はフィルタの
インパルス応答を示す。記号＊は畳み込み演算を示す。

なお、ｗ　（ｎ）の詳細については前記文献１を参照で
きる。

また、ｄ　（ｎ）はコードブックにより表される音源信
号を示し、下式のように、第１のコードブックから選択
されたコードワードＣｔ　（ｎ）と第２のコードブック
から選択されたコードワードｃ、（ｎ）との線形結合で
表される。

ｄ　　（ｎ）　　−Σ　γｉｃｉ　（ｎ）＝ｒ＋Ｃ＋＝
（ｎ）＋ｒｚＣｚ＝（ｎ）　　　（２）ここで１１．Ｔ
ｚは選択されたコードワードＣ，ｊ（ｎ）、Ｃｚｉ　（
ｎ）のゲインを示す。従って、本発明では、２種類のコ
ードブックに分解して音源信号が表されることになるた
め、各コードブックはコードブック全体のビット数の１
／２でよい。

例えばコードブック全体のビット数を１０ビツトとする
と、第１．第２のコードブックは５ビツトずつでよく、
コードブック探索の演算量を大幅に低減できる。

各コードブックとして前記文献１のような雑音コードブ
ックを用い、（２）式のように分割すると、特性的には
１０ビット分のコードブックよりも劣化し全体で７〜８
ビット分の性能しか出せない。

そこで、本発明では、高性能を得るために、第１のコー
ドブックはトレーニングデータを用いて予め学習させる
ことにより構成する。ここで第１のコードブックとして
は、音声信号に対して学習したコードブックと、音声以
外の音声帯域信号に対して学習したコードブックとを有
する。以下では、入力信号として、音声信号と音声帯域
のモデム信号とを対象とし、音声信号に対して最適に学
習したコードブックと、音声帯域のモデム信号に対して
最適に学習したコードブックとの２種類を第１のコード
ブックとして有するものとする。

学習によるコードブックの構成法としては、例えば、Ｌ
ｉｎｄｅらによる“＾ｎ　Ａｌｇｏｒｉｔｈｍ　ｆｏｒ
　ＶｅｃｔｏｒＱｕａｎｔｉｚａｔｉｏｎ　Ｄｅｓｉｇ
ｎ”と題した論文（ＩＥＥＥ　Ｔｒａｎｓ。

Ｃ０Ｍ−２８，ｐｐ、８４−９５．１９８０年）（文献
２）等が知られている。

学習のときの距離尺度としては、通常、２乗距離（ユー
クリッド距離）が用いられるが、本発明では２乗距離よ
りも性能の良好な次式による聴感型み付は距離尺度を用
いる。

１ｗ（ｎ）］”　　　　　　　　　　　　　　　　（３
）ここでｔｊ（ｎ）はｊ番目のトレーニングデータ、ｃ
、（ｎ）はクラスタ１のコードワードである。

クラスタ１のセントロイド（代表コードワード）は、ク
ラスタ１内のトレーニングデータを用いて（４）式ある
いは（５）弐を最小化するように求める。

Ｅ＝４　　Σ　［口；４１　（ｎ）　−５ｅｔ　（ｎ）
　＊ｈ（ｎ） １ｗ　（ｎ））　２ Ｅ＝Σ　Σ　［（ｔ＋＋　（ｎ）　　　ｇ　−３ｅｔ　
（ｎ）＊ｈ　　（ｎ））１ｗ　（ｎ））”　　　　　　
　　（５）（５）式においてｇは最適ゲインを示す。

一方、第２のコードブックは、第１のコードブックによ
るトレーニングデータ依存性を救済するために、前記文
献１のガウス性雑音信号のような予め統計的特性が確定
した雑音信号あるいは乱数信号からなるコードブックや
、他の特性を有するコードブックを使用する。なお、雑
音コードブックに対して、ある距離尺度のもとて選別を
行うことにより、さらに特性が改善される。詳細はＴ、
？ｔｏｒｉｙａ氏らによる“↑ｒａｎｓｆｏｒｍ　Ｃｏ
ｄｉｎｇ　ｏｆ　Ｓｐｅｅｃｈｕｓｉｎｇ　ａ　Ｗｅｉ
ｇｈｔｅｄ　Ｖｅｃｔｏｒ　Ｑｕａｎｔｉｚｅｒ、”　
と題した論文（ＩＥＥＥ、　Ｊ、Ｓｅｌ、　Ａｒｅａｓ
、　Ｃｏｍｍｕｎ、＋　ｐｐ、４２５−４３Ｌ１９８９
年）（文献３）等を参照することができる。

また、第１のコードブックにより再生した信号と入力信
号との誤差信号を用いて第２のコードブックを学習によ
り構成することもできる。

第２の発明では、第１．第２のコードブックから最適な
コードワードを選択した後に、ピッチパラメータのゲイ
ンと第１．第２のコードブックのゲインγ１．Ｔ２の少
なくとも一つを、予め学習により構成したコードブック
（第３のコードブック）を用いて効率的にベクトル量子
化する。

例えば、第１．第２のコードブックのゲインをベクトル
量子化するとすると、ベクトル量子化において、最適コ
ードワードの探索は、次式を最小化するコードワードを
選択する。

Ｅ＝　Σ　［（Ｘ　　（ｎ）　　−βｖ　　（ｎ−Ｍ）
　　＊ｈ　　（ｎ）−Σ　ｒ’ｓｃｉ　（ｎ）＊　ｈ　
　（ｎ））＊ｗ　　（ｎ）］・　・　・　（Ｃ６ ここでγ′五は各コードワードの示すベクトル量子化し
たゲインの値である。またｃ＝（ｎ）は、第１．第２の
コードブックから選択されたコードワードである。（６
）式において、 ｅｗ　（ｎ）＝ｘ　（ｎ）＊ｗ　（ｎ）−βｖ（ｎ−Ｍ
）＊ｈ　（ｎ）　＊ｗ　（ｎ）　　　　　　（７）とす
ると、（６）、　（７）式から次式を得る。

・　・　・　（８） ここで Ｓｗｌ　（ｎ）　＝（、（ｎ）　＊　ｈ　（ｎ）　＊ｗ
　（ｎ）　（９）ｓ、ｚ　（ｎ）＝（、（ｎ）＊　ｈ　
　（ｎ）＊ｗ　　（ｎ）（１０）である。また、（８）
式の第１項は定数であるから、コードワードの探索は（
８）式の第２項を最大化するものを選択すればよい。

また、コードブック探索の演算量を大幅に低減するため
には、下式に従いコードワードの選択を行ってもよい。

ゲインのベクトル量子化用のコードブックは、多量のゲ
インの値からなるトレーニングデータを用いて予め学習
により構成する。コードブックの学習には前記文献２の
方法を用いることができる。

ここで学習の際の距離尺度は通常２乗距離であるが、さ
らに特性を改善するために、次式の距離尺度を用いる。

Ｅ＝（ΣＴｔｉＣ＝　（ｎ）＊ｈ　（ｎ）＊ｗ　（ｎ）
−ΣＴ’＝ＩＣ４（ｎ）＊ｈ　（ｎ）＊ｗ　（ｎ））”
・・・（１２） ここでγｔ、はトレーニング用のゲインデータである。

γ　ｉｌはゲインコードブックのクラスタ１における代
表コードワードである。

（１０）式の距離尺度を用いるときは、クラスタ１にお
けるセントロイドＳｃ、、は次式を最小化するように求
める。

Ｄ＝Σ　［ΣＴｔｉＣｔ　（ｎ）＊ｈ　（ｎ）＊ｗ　（
ｎ）−　Σ　Ｓｃｔ＋ｃ＝　（ｎ）＊ｈ　　（ｎ）＊ｗ
　（ｎ）］・　・　・（１３） 一方、学習における演算量を大幅に低減するためには通
常の２乗距離による次式の距離尺度を用いてもよい。

Ｄ＝Σ　（Ｔｉ　　Ｓ　Ｃ１ｊ）　”　　　　　　　　
　（１４）〔実施例〕 第１図は、第１の発明による音声帯域符号化方式の一実
施例に適用される音声帯域信号符号化装置を示すブロッ
ク図である。

図において、送信側では、入力端子１００から音声信号
を入力し、■フレーム分（例えば２０ｓｓ　）の音声信
号をバッファメモリ１１０に格納する。

ＬＰＣ分析回路１３０は、フレームの音声信号のスペク
トル特性を表すパラメータとして、ＬＳＰパラメータを
フレームの音声信号から周知のＬＰＧ分析を行い予め定
められた次数りだけ計算する。この具体的な計算法につ
いては前記文献１を参照することができる。次にＬＳＰ
量子化回路１４０は、ＬＳＰパラメータを予め定められ
た量子化ビット数で量子化し、得た符号ｌｋをマルチプ
レクサ２６０へ出力するとともに、これを復号化してさ
らに線形予測係数ａｉ＋　　（ｉ＝１〜Ｌ）に変換して
重み付は回路２００．インパルス応答計算回路１７０１
合成フィルタ２８１へ出力する。ＬＳＰパラメータの符
号化、ＬＳＰパラメータから線形予測係数への変換の方
法についてはＳｕｇａｍｕｒａ氏らによる”Ｑｕａｎｔ
ｉｚｅ　Ｄｅｓｉｇｎ　１ｎＬＳＰ　５ｐｅｅｃｈ　Ａ
ｎａｌｙｓｉｓ−Ｓｙｎｔｈｅｓｉｓ”と題した論文（
ＩＥＥＥ　Ｊ、Ｓｅｌ、　Ａｒｅａｓ、　Ｃｏｍｍｕｎ
、＋　ｐｐ、４３２−４４０＋１９８８年）（文献４）
等を参照することができる。

サブフレーム分割回路１５０は、フレームの入力音声帯
域信号をサブフレームに分割する。ここで例えばフレー
ム長は２０１１ｓ、サブフレーム長は５１１ＩＳとする
。

減算器１９０は、サブフレームに分割された入力信号か
ら合成フィルタ２８１の出力を減算して出力する。

重み付は回路２００は、減算した信号に対して周知の聴
感重み付けを行う。聴感重み付は関数の詳細は前記文献
１を参照できる。

適応コードブック２１０は、合成フィルタ２８１の入力
信号ｖ　（ｎ）を遅延回路２０６を介して入力し、さら
にインパルス応答出力回路１７０から重み付はインパル
ス応答り。（ｎ）、重み付は回路２００から重み付は信
号を入力し、長期相関にもとづくピッチ予測を行い、ピ
ッチパラメータとして遅延Ｍとゲインβを計算する。以
下の説明では適応コードブック２１０の予測次数は１と
するが、２次以上の高次とすることもできる。１次の適
応コードブックにおける遅延Ｍ、ゲインβの計算法は、
Ｋｌｅｉｊｉｎ　　　”Ｉｍｐｒｏｖｅｄ　　５ｐｅｅ
ｃｈ　　ｑｕａｌｉｔｙ　　ａｎｄ　　ｅｆｆｉｃｉｅ
ｎｔｖｅｃｔｏｒ　ｑｕａｎｔｉｚａｔｉｏｎ　ｉｎ　
５ＥＬＰ″と題した論文（ＩＣＡＳＳＰ、　ｐｐ、１５
５−１５８年、１９８８年）（文献５）等に記載されて
いる。さらに求めたゲインβをゲイン量子化器２２０に
より予め定められた量子化ビット数で量子化復号化し、
ゲインβ′を求め、これを用いて次式により予測信号’
Ｑｗ（ｎ）を計算し減算器２０５に出力する。また遅延
Ｍをマルチプレクサ２６０へ出力する。

父、（ｎ）＝β’　−ｖ　（ｎ−Ｍ）　＊　ｈ、　（ｎ
）　　（１９）上式でｖ（ｎ−Ｍ）は過去の音源信号で
、合成フィルタ２８１の入力信号である。ｈｗ（ｎ）は
インパルス応答計算回路１７０で求めた重み付はインパ
ルス応答である。

遅延回路２０６は、合成フィルタ入力信号ｖ　（ｎ）を
１サブフレ一ム分遅延させて適応コードブック２１０へ
出力する。

減算器２０５は、重み付は回路２００の出力信号から適
応コードブック２１０の出力を減算し次式の残差信号ｅ
、（ｎ）を第１のコードブック探索回路２３０に出力す
る。

ｅｗ（ｎ）＝ｘ、（ｎ）−９，（ｎ）　　　　　　（２
０）インパルス応答計算回路１７０は、聴感重み付けし
た合成フィルタのインパルス応答ｈｗ（ｎ）を予め定め
られたサンプル数したけ計算する。具体的な計算法は、
前記文献１等を参照できる。

第１のコードブック探索回路２３０は、音声信号に対し
て学習して構成したコードブック２３５と音声帯域モデ
ム信号に対して学習して構成したコードブック２３６と
の両者を探索し、用いて最適なコードワードＣ＋ｊ（ｎ
）を探索する。ここで作用の項に記したように、コード
ブック２３５．２３６は、あらかじめトレーニング信号
を用いて学習しておく。

第２図は第１のコードブック探索回路２３０の構成を示
すブロック図である。コードワードの探索は下式に従う
。

・　・　・（２１） （２１）式を最小化するγ１を求めるためには、（２１
）式をγ１で偏微分して０とおくことにより得た下式を
用いる。

ｒ＋　＝Ｇ、／ＣＪ　　　　　　　　　　　　（２２）
ただし ＧＪ　＝　Σ　ｅ、（ｎ）　　（ｃ、Ｊ（ｎ）＊ｈｗ（
ｎ））・　・　・（２３） このとき（２１）式は となる。ここで（２５）式の第１項は定数であるので、
第２項を最大化するようにコードブック２３５゜２３６
の各々を全て探索してコードワードＣｊ　（ｎ）を選択
し、（２２）式からゲインＴ、を計算する。

第２図において、相互相関関数計算回路４１０は、（２
３）式の計算を行い、自己相関関数計算回路４２０は（
２４）式の計算を行い、判別回路４３０は（２５）式の
計算を行い、コードワードＣｊ　（ｎ）を選択し、それ
を表すインデクスを出力する。

また、コードブックの探索に要する演算量を低減するに
は、以下の方法を用いることもできる。

ただし ？　（ｉ）＝　Σ　ｅ、（ｎ）ｈ、（ｎ−ｉ）　　　　
（２７）ＣＪ＝ｔｔ　（０）Ｖｍ　（０）＋２　芥ｕ　
（ｉ）Ｖｍ　（ｉ）・　・　・（２８） ここでｔｔ　（ｉ）、ｖｍ（ｉ）は、それぞれり、（ｎ
）のｉ次遅れの自己相関、コードワードｃ＋＊（ｎ）の
ｉ次遅れの自己相関を示す。

以上の方法により求めたコードワードを示すインデクス
をマルチプレクサ２６０に出力する。また、選択された
コードワードＣ４（ｎ）を乗算器２４１に出力する。ま
た、２種のコードブック２３５．２３６のうち、いずれ
のコードブックを用いるかの判別符号をマルチプレクサ
２６０に出力する。つまり、最適なコードワードＣｊ（
ｎ）がコードブック２３５から選択されたときは、コー
ドブック２３５を示す符号を、コードブック２３６から
選択されたときはコードブック２３６を示す符号を出力
する。

乗算器２４１は、コードワードＣｊ　（ｎ）にゲインＴ
１を下式により乗じて次式の音源信号ｑ　（ｎ）を求め
合成フィルタ２５０へ出力する。

ｑ　（ｎ）　＝γ＋Ｃｉ　（ｎ）　　　　　　　　　　
　（２９）合成フィルタ２５０は乗算器２４１の出力ｑ
　（ｎ）を入力し、下式に従い重み付は合成信号ｙｗ　
（ｎ）を求め出力する。

３’＠（ｎ）　＝ｑ　（ｎ）　＊　ｈ、　（ｎ）　　　
　　　（３０）減算器２５５は、ｅ、（ｎ）からｙ、（
ｎ）を減算して第２のコードブック探索回路２７０へ出
力する。

第２のコードブック探索回路２７０は、第２のコードブ
ック２７５から最適なコードワードを計算する。第２の
コードブック探索回路の構成は、第２図に示した第１の
コードブック探索回路の構成と基本的に同一の構成を用
いることができる。また、コードワードの探索法として
は、第１のコードブックの探索と同一の方法を用いるこ
とができ、第２のコードブックの構成法としては、作用
の項で述べたように、学習コードブックの高効率を保ち
ながらトレーニングデータ依存性を救済するために、乱
数系列からなるコードブックを用いる。乱数系列からな
るコードブックの構成法は前記文献２を参照できる。

また、コードブック探索の演算量の低減化のために、第
２のコードブックとして、重畳型（ｏｖｅｒｌａｐ　）
乱数コードブックを用いることができる。

重畳型乱数コードブックの構成法、コードワード探索法
については、前記文献２等を参照できる。

ゲイン量子化器２８６は、作用に述べた方法により、予
め学習により前記（１２）、　（１３）式を用いて音声
信号に対して最適に作成したゲインコードブック２８７
と、音声帯域モデム信号に対して最適に作成したコード
ブック２８８とを用いて、ゲインＴ、。

Ｔｚをベクトル量子化する。

ベクトル量子化の際の最適なコードワードの選択には、
前記（８）弐を用いる。

第３図はゲイン量子化器２８６の構成を示すブロック図
である。図において、再生回路５０５は、ｃ＋（ｎ）、
ｃｚ（ｎ）、ｈ、（ｎ）を入力して前記（９）式、　（
１０）式にもとづき、Ｓｗ＋（ｎ）。

Ｓｗｚ（ｎ）を求める。

相互相関関数計算回路５００．自己相関関数計算回路５
１０は、ｅユ（ｎ）、再生回路５０５の出力であるＳｗ
ｌ　（ｎ）　、ＳｗＺ　（ｎ）　％ゲインコードブック
２８７．２８８の出力であるコードワードを入力し、前
記（８）式の第２項以下の各項を計算する。最大値判別
回路５２０は、コードブック２８７．２８８を併せて第
（８）弐の第２項以下の最大値を判別し、そのときのコ
ードワードを示すインデクスを出力する。

ゲイン復号回路５３０は前記インデクスを用いてゲイン
を復号化して出力する。そしてコードブックのインデク
スをマルチプレクサ２６０に出力する。

またゲインの復号化値γ＋’＋ｒｚ′を乗算器２４２に
出力する。

乗算器２４２は、第１．第２のコードブックにより選択
されたコードワードＣ，（ｎ）、ｃ、（ｎ）に対してそ
れぞれ量子化復号化したゲインγ１′。

Ｔｚ’　に乗じて合成フィルタ２８１に出力する。

合成フィルタ２８１は、乗算器２４２の出力ｖ　（ｎ）
を入力し、下式により合成音声を１フレーム分求め、さ
らにもう１フレ一ム分はＯの系列をフィルタに入力して
応答信号系列を求め、１フレ一ム分の応答信号系列を減
算器１９０に出力する。

マルチプレクサ２６０は、ＬＳＰ量子化器１４０．第１
のコードブック探索回路２３０．第２のコードブック探
索回路２７０．ゲイン量子化器２８６の出力符号系列を
組みあわせて出力する。

以上で第１の発明の詳細な説明を終える。

第４図は、第２の発明の一実施例を示すブロック図であ
る。図において、第１図と同一の番号を付した構成要素
は、第１図と同一の動作を行うので説明を省略する。

図において、量子化器２２５は、前記（１６）、　（１
７）式にもとづき予め学習して構成したコードブック２
２６を用いて、適応コードブックのゲインをベクトル量
子化する。最適なコードワードの選択には前記（１５）
式を用いる。さらに量子化器２２５は、選択されたコー
ドワードのインデクスを示す符号をマルチプレクサ２６
０へ出力すると共に、ゲインを量子化復号化して出力す
る。

以上で第２の発明の詳細な説明を終える。

以上の説明では、適応コードブックのゲイン、第１．第
２のコードブックのゲインには同時最適化を施さなかっ
たが、適応コードブック、第１のコードブック、第２の
コードブックのゲインについて、同時最適化を行い、さ
らに特性を改善する。

この同期最適化は、作用の項で述べたように、第１、第
２のコードブックのコードワードを求めるときに適用す
るとさらに特性が改善される。

例えば、適応コードブックの遅延、ゲインβを求めた後
に、第１のコードブックのコードワードＣ１ｊ（ｎ）、
ゲインＴＩを探索するときに、各コードワード毎に、次
式を最小化するように解いてβとＴ１を同時最適化する
。

Ｅ＝　丈　［（ｘ　（ｎ）−βｖ　（ｎ−Ｍ）　＊ｈ　
（ｎ）−ｒＩｃｒＪ（ｎ）＊ｈ　　（ｎ））＊ｗ　　（
ｎ）］”ここで、 ・　・　・　（３５ａ） Ｒ３２＝ ＊ｈ、（ｎ）） ・　・　・　（３５ｂ） ・　・　・　（３５ｄ） Ｐｚ＝　Σ　ｘ、（ｎ）　　（Ｃ＋＝　（ｎ）＊ｈｗ（
ｎ））・　・　・　（３５ｅ） である。

次に、第２のコードワードを決定するときに、次式を最
小化するように適応コードブックのゲイン、第１．第２
のコードブックのゲインを同時最適化する。

−Ｔｔｅｌ　（ｎ）＊ｈ　　（ｎ）ｒｚｃ＋ｊ（ｎ）＊
ｈ　　（ｎ）　　）　　＊ｗ　　（ｎ）　　コ　”　　
　　　　　　　　（３６）なお、減算量の低減化のため
に、第１のコードブックのコードワード探索のときに前
記（３３）式によるゲイン最適化を行い、第２のコード
ブックの探索のときには行わない構成とすることもでき
る。

また、さらに演算量を低減するためには、コードブック
のコードワードの探索のときにはゲインの最適化を行わ
ずに、第１のコードブックのコードワードが選択された
ときに、適応コードブックと第１のコードブックのゲイ
ンの同時最適化を行い、第２のコードブックのコードワ
ードが選択されたときには、適応コードブックと第１．
第２のコードブックのゲインを同時に最適化する構成を
用いることもできる。

また、さらに演算量を低減化するためには、第１と第２
のコードブックのコードワードが選択された後に、適応
コードブックのゲインβと、第１゜第２のコードブック
のゲインＴ　Ｉｎ　Ｔ　ｚの３種を同時に最適化するよ
うな構成とすることもできる。

また、適応コードブックのゲイン、第１．第２のコード
ブックのゲインγ１．γ２のベクトル量子化における最
適コードワードの選択には、演算量低減化のためにそれ
ぞれ前記（１８）式、　（１１）式を用いることもでき
る。

また、第１のコードブック探索回路において、サブフレ
ーム毎にコードブック２３５．２３６のいずれから最適
なコードワードが選択されたかを判別して、ゲインのベ
クトル量子化を行うときに、この判別信号を用いて、コ
ードブック２８７．２８８を予め選択しておき片方のみ
のゲインコードブックを探索するようにしてもよい。こ
のような構成とすることにより、ゲインコードブックは
両方を探索する必要がないので、演算量を低減化できる
。

また、前記実施例において、第１のコードブックの探索
法は実施例の方法以外にも他の周知な方法を用いること
ができる。例えば、前記文献１に記載の方法や、予めコ
ードブックの各コードワードＣ１ｊ（ｎ）の直交変換Ｃ
Ｉ　（ｋ）を求めて格納しておき、サブフレーム毎に、
重み付はインパルス応答ｈｗ（ｎ）の直交変換Ｈ，（ｋ
）と、残差信号ｅ、（ｎ）の直交変換Ｅ、（ｋ）を予め
定められた点数だけ求め、前記（１３）、　（１４）式
の代わりに下式を用いてもよい。

Ｇｊ　（ｋ）＝Ｅｔ、、（ｋ）（Ｃ１ｊ　（ｋ）Ｈｗ（
ｋ））（Ｏ≦に≦Ｎ　−１）　　　（３７） ｃ、（ｋ）＝　（Ｃ，ｊ（ｋ）Ｈ，（ｋ））”（０≦に
≦Ｎ−１）　　　（３８） そして（３’７）、　（３Ｂ）式を逆直交変換して、相
互相関関数ＧＪ、自己相関関数Ｃ５を計算し、前記（２
５）　。

（２２）式に従いコードワードの探索、ゲインの計算を
するような構成としてもよい。このとき、直交変換とし
ては、フーリエ変換、あるいはＦＦＴ　、コサイン変換
などを用いることができる。この方法によれば、前記（
１３）、　（１４）式の畳み込み演算を周波数軸上で乗
算に帰着できるので演算量を低減することができる。

また、第２のコードブックの探索法としては、前記実施
例の方法以外にも上記で示した方法や、前記文献５に記
載の方法や、他の周知な良好な方法を用いることができ
る。

また、第２のコードブックの構成法としては、前記実施
例に記載した方法以外に、例えば予め膨大な乱数系列を
コードブックとして用意して、それらを用いてトレーニ
ングデータに対して乱数系列の探索を行い、選択される
頻度が高いものからコードワードとして登録して第２の
コードブックを構成することもできる。なお、この構成
法は、第１のコードブックの構成にも適用することがで
きる。

また、前記実施例では、第１．第２のコードブツクのゲ
インをベクトル量子化したが、適応コードブックのゲイ
ンβと、第１．第２のコードブックのゲインγ１．γ２
を別々に、あるいはこれらをまとめてベクトル量子化す
るような構成をとることもできる。このとき、これらの
コードブックを音声信号に対して最適に学習したコード
ブックと、音声帯域モデム信号に対して最適に学習した
コードブックを用意しておく。このときの学習によるベ
クトル量子化器のコードブックの作成は、前記文献２を
参照できる。

また、前記実施例では、適応コードブックの次数は１と
したが、２次以上の高次とすることもできる。また、次
数は１次のままで遅延を整数値ではなく少数値とするこ
ともできる。これらについての詳細は、例えばＭａｒｑ
ｕｅ氏らによる“Ｐｉｔｃｈ　Ｐｒｅｄｉｃｔｉｏｎ　
ｅｖｔｔｈ　Ｆｒａｃｔｉｏｎａｌ　Ｄｅｌａｙｓ　ｉ
ｎ　ＣＥＬＰ　Ｃｏｄｉｎｇと題した論文（ＥＵＲＯ３
ＰＥＥＣＨ，ｐｐ、５０９−５１３．１９８９年）（文
献６）等を参照できる。以上のようにした方が特性は向
上するが、ゲインあるいは遅延の伝送に必要な情報量が
若干増大する。

また、前記実施例では、スペクトルパラメータとしてに
パラメータ、ＬＳＰパラメータを符号化し、その分析法
としてＬＰＧ分析を用いたが、スペクトルパラメータと
しては他の周知なパラメータ、例えばＬＰＣケプストラ
ム１ケプストラム、改良ケプストラム、一般化ケブスト
ラム１メルヶプストラムなどを用いることもできる。ま
た各パラメータに最適な分析法を用いることができる。

また、フレームで求めたＬＰＧ係数をＬＳＰ上や線形予
測係数上でサブフレーム毎に補間し、補間した係数を用
いて適応コードブック、第１．第２のコードブックの探
索を行う構成としてもよい。このような構成とすること
により、音質がさらに改善される。

また、ＬＳＰ係数は周知の方法により、ベクトル量子化
、あるいはベクトルースカラ量子化することにより、さ
らに効率的に符号化することができる。ベクトルースカ
ラ量子化の方法については、例えば前記文献３等を参照
できる。このような構成とするときは、ベクトル量子化
のコードブックとして、音声信号に対して最適に学習し
たコードブックと、音声帯域モデム信号に対して最適に
学習したコードブックとを有しておき、これらから最良
なコードワードを選択する構成とすることにより、さら
に特性を改善できる。

また、演算量を低減するために、送信側では影響信号の
計算を省略することもできる。これによって、送信側に
おける合成フィルタ２８１．減算器１９０は不要となり
演算量低減が可能となるが、音質は若干低下する。

また、演算量を低減するために、重み付は回路２００を
サブフレーム分割回路１５０の前に配置させ、合成フィ
ルタ２８１では下式により重み付は合成信号を計算する
ようにしてもよい。

（０＜γ＜　１）　　　　（３９） ここでＴは聴感重み付けの程度を決める重み付は係数で
ある。

また、受信側では、量子化雑音を整形することにより聴
覚的に聞き易くするために、ピッチとスペクトル包絡の
少なくとも１つについて動作する適応形ポストフィルタ
を付加してもよい。適応型ポストフィルタの構成につい
ては、例えば、Ｋｒｏｏｎ氏らによる”Ａ　Ｃ１ａｓｓ
　ｏｆ　Ａｎａｌｙｓｉｓ−ｂｙ−ｓｙｎｔｈｅｓｉｓ
Ｐｒｅｄｉｃｔｉｖｅ　Ｃｏｄｅｒｓ　ｆｏｒ　Ｈｉｇ
ｈ　Ｑｕａｌｉｔｙ　５ｐｅｅｃｈ　Ｃ。

ｄｉｎｇ　ａｔ　Ｒａｔｅｓ　ｂｅｔｔｎｅｅｎ　４．
８　ａｎｄ　１６ｋｂ／ｓ、’　（ＩＥＥＥＪＳＡＣ，
ｖｏｌ、６．２．３５３−３６３．１９８８）　　（文
献７）等を参照できる。

なお、デジタル信号処理の分野でよく知られているよう
に、自己相関関数は周波数軸上でバヮスヘクトルに、相
互相関関数はクロスパワスペクトルに対応しているので
、これらから計算することもできる。これらの計算法に
ついては、Ｏｐｐｅｎｈｅｉｍ氏らによる“Ｄｉｇｉｔ
ａｌ　Ｓｉｇｎａｌ　Ｐｒｏｃｅｓｓｉｎｇ”（Ｐｒｅ
ｎｔｉｃｅ−Ｈａｌｌ、　１９７５）と題した刊行物（
文献８）を参照できる。

〔発明の効果〕

以上述べたように、本発明によれば、音源信号を表すコ
ードブックを２段に分離して、第１のコ−ドブツクは、
予め音声信号に対して最適に学習して求めたコードブッ
クと、音声信号以外の音声帯域信号、例えばデータモデ
ム信号に対して最適に学習して構成したコードブックと
を有して、最良のコードワードを両者から選択し、第２
のコードブックは予め定められた統計的特性を有するコ
ードブックを用い、さらに前記コードブックのゲインや
ピッチ予測による適応コードブックのゲインのうち、少
なくとも一つを予め多量のトレーニング信号に対して学
習して構成したコードブックを用いてベクトル量子化す
ることにより、従来方式に比べてより少ない演算量で、
音声信号に対しても音声信号以外の音声帯域信号、例え
ばデータモデム信号などに対しても、従来より良好な特
性を得ることができるという効果がある。また、コード
ブックのゲインを最適化することによりさらに特性が改
善される。

従って本発明によれば、従来方式に比べて、８〜４．８
ｋｂ／ｓのビットレートで、良好な音声帯域信号符号化
方式を得ることができるという大きな効果がある。

【図面の簡単な説明】

第１図は第１の発明による音声帯域信号符号化方式の一
実施例が適用される音声帯域信号符号化装置の構成を示
すブロック図、 第２図は第１図のコードブック探索回路の構成を示すブ
ロック図、 第３図は第１図のゲイン量子化器の構成を示すブロック
図、 第４図は第２の発明による音声帯域信号符号化方式の一
実施例が適用される音声帯域信号符号化装置の構成を示
すブロック図である。 １１０　　・・・・・バッファメモリ １３０　　・・・・・ＬＰＣ分析回路 １４０　　・・・・・ＬＳＰ量子化回路１５０　　・・
・・・サブフレーム分割回路１７０　　・・・・・イン
パルス応答計算回路１９０、２０５．２５５　　・・・
減算器２００　　・・・・・重み付は回路 ２０６　　・・・・・遅延回路 ２１０　・　・　・ ２２０　・　・　・ ２２５　・　・　・ ２８６　・　・　・ ２３０　・　・　・ ２３５．２３６・ ２５０．２８１・ ２４１．２４２・ ２７０　・　・　・ ２７５　・　・　・ ２８７　・　・　・ ４１０．５００・ ４２０．５１０・ ４３０．５２０・ ５３０　・　・　・ 適応コードブック ゲイン量子化器 量子化器 ゲイン量子化器 第１のコードブック探索回路 コードブック 合成フィルタ 乗算器 第２のコードブック探索回路 第２のコードブック ゲインコードブック 相互相関関数計算回路 自己相関関数計算回路 判別回路 ゲイン復号回路

Claims (2)

【特許請求の範囲】
1. （１）入力した離散的な音声帯域信号を予め定められた
   時間長のフレームに分割し、前記入力信号のスペクトラ
   ム包絡を表すスペクトルパラメータを求めて出力し、前
   記フレームを予め定められた時間長の小区間に分割し、
   過去の音源信号をもとに再生した信号が前記入力信号に
   近くなるようにピッチパラメータを求め、音声信号なら
   びに前記音声信号以外の音声帯域信号をもとに予め学習
   して構成した異なる複数種類の第１のコードブックから
   選択した信号と、予め定められた特性を有する信号が格
   納された第２のコードブックから選択した信号との線形
   結合により前記入力信号の音源信号を表して出力するこ
   とを特徴とする音声帯域信号符号化方式。
2. （２）入力した離散的な音声帯域信号を予め定められた
   時間長のフレームに分割し、前記入力信号のスペクトラ
   ム包絡を表すスペクトルパラメータを求めて出力し、前
   記フレームを予め定められた時間長の小区間に分割し、
   過去の音源信号をもとに再生した信号が前記入力信号に
   近くなるようにピッチパラメータを求め、音声信号なら
   びに前記音声信号以外の音声帯域信号をもとに予め学習
   して構成した異なる複数種類の第１のコードブックから
   選択した信号と、予め定められた特性を有する信号が格
   納された第２のコードブックから選択した信号との線形
   結合により前記入力信号の音源信号を表し、予め構成し
   た第３のコードブックを用いて前記ピッチパラメータあ
   るいは前記音源信号のゲインの少なくとも一方を量子化
   して出力することを特徴とする音声帯域信号符号化方式
   。