JPH04506574A - 量子化されない適応変換ボイス信号を再構成する方法および装置 - Google Patents
量子化されない適応変換ボイス信号を再構成する方法および装置Info
- Publication number
- JPH04506574A JPH04506574A JP2506203A JP50620390A JPH04506574A JP H04506574 A JPH04506574 A JP H04506574A JP 2506203 A JP2506203 A JP 2506203A JP 50620390 A JP50620390 A JP 50620390A JP H04506574 A JPH04506574 A JP H04506574A
- Authority
- JP
- Japan
- Prior art keywords
- transform
- coefficients
- spectral envelope
- information
- signal
- Prior art date
- Legal status (The legal status 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 status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
- G10L19/02—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using spectral analysis, e.g. transform vocoders or subband vocoders
- G10L19/0212—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 TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
- G10L19/002—Dynamic bit allocation
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
- G10L19/04—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using predictive techniques
- G10L19/06—Determination or coding of the spectral characteristics, e.g. of the short-term prediction coefficients
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- 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
- G10L25/24—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 the cepstrum
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
- Transmission Systems Not Characterized By The Medium Used For Transmission (AREA)
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】
量子化されない適応変換ボイス信号を
る ゛および
[産業上の利用分野]
本発明は、スピーチコード化の分野に関し、特定すると、得られたディジタル信
号が最小ビットレートに維持されるスピーチ信号の適応変換コード化(コーディ
ング)の分野における改良に関する。
[発明の背景]
最初のディジタル通信搬送装置の一つは、 1962年頃米国において紹介され
た24ポイスチャンネル1.544Mb/sのT1システムであった。Tlシス
テムは、より高価なアナログシステムに優る利点のため広く配備されることにな
った。T1システムにおける個々のボイスチャンネルは、ポイス信号を約300
〜3400)1zの周波数範囲に帯域制限し、帯域制限された信号をlHzのレ
ートでサンプルし、その後サンプルされた信号を8ビツト対数量子化装置でコー
ド化することによって発生される。得られた信号は、64kb/sのディジタル
信号である。T1システムは、24の個々のディジタル信号を単一のデータ列に
多重化する。
データ伝送速度は1.544Mb/sに固定されるから、Tlシステムは、8k
Hzのサンプリング速度および8ビツト対数量子化体系を使用するとき、24ポ
イスチヤンネルに制限される。チャンネルの数を増し、なお約1.544Mb/
sのシステム伝送速度を維持するためには、個々の信号伝送速度は、64kb/
sからあるより低い速度に減ぜられねばならない、この速度を減するのに使用さ
れる一つの方法は、変換コード化として知られている。
スピーチ信号の変換コード化において、個々のスピーチ信号は、スピーチサンプ
ルの逐次のブロックに分割される。各ブロックのサンプルは、その後ベクトルで
配列され、時間領域から周波数領域のような代わりの領域に変換される。サンプ
ルのブロックを周波数領域に変換すると、種々の程度の振幅を有する1組の変換
係数が生ずる。各係数は、独立に量子化されそして伝送される。受信端において
、サンプルは、逆(または脱)量子化され、時間領域に再変換される。
変換コード化の重要性は、変換領域における信号表示で冗長情報の量を減する、
すなわちサンプル間の相関がより少ないということである。したがって、所与の
誤差値(例えば平均二乗歪)について所与のサンプルブロックを量子化するのに
、原時間領域でサンプルブロックを量子化するのに必要とされるであろうビット
数よりも、少ないビット数しか必要としない、量子化のために少ないビット数し
か必要としないから、個々のチャンネルに対する伝送速度を減することができる
。
変換コード化方式は、理論的には個々のT1チャンネルのビットレートを減する
必要性を満足させたが、履歴的に量子化プロセスは容認できない量のノイズや歪
を生じさせた。
一般に、量子化は、アナログ信号をディジタル形式に変化する手続きである。I
RE Transactions on rnform−ation Theo
ry、Vol、IT−6(1960年3月)のJoel Maxの「Quant
ization for minimu+a DistortionJなる論文
は、この手続きを開示している。量子化においては、信号の振幅は、有限数の出
力レベルによって表示される。各レベルは、別個のディジタル表示を有する。各
レベルはそのレベル内にある全振幅を包含するから、得られたディジタル信号は
原アナログ信号を正確に反映しない。アナログ信号とディジタル信号間の差は量
子化雑音である0例えば、信号X、ここにXは0.00とto、 00間の任意
の実数である、の一様な量子化を考慮すると、5つの出力レベルが1.00.3
,00.5.00.7.OOおよび9゜00で得られる。この例における第1の
レベルを表わすディジタル信号は、0.00と2.00間の任意の実数を意味し
得る。所与の範囲の入力信号に対して、発生される量子化雑音は出力レベルの数
に逆比例することが分かる。さらに、早期の変換コード化の量子化の研究におい
て、低ビツトレートにおいてはすべての変換係数が量子化されず、伝送されない
ことが見出された。
変換コード化を改善しようとする試みは、動的ビット割当てプロセスおよび動的
ステップサイズ決定プロセスを使用して量子化プロセスを研究することを包含し
た。
ビット割当ては、スピーチ信号の短時間統計値、すなわちブロック毎に起こる統
計値に適合せしめられ、ステップサイズは各ブロックに対する変換のスペクトル
情報に適合せしめられた。これらの技術は、適応変換コード化法として周知とな
った。適応変換コード化においては、最適のビット割当ておよびステップサイズ
が、各サンプルブロックに対して、各ブロックにおける変換係数の振幅の分散な
いしパリアンスで動作する適合アルゴリズムにより決定される。スペクトルエン
ベロープは、各サンプルブロックにおける変換係数のパリアンスにより形成され
るエンベロープである。各ブロックにおけるスペクトルエンベロープを知ると、
ステップサイズおよびビット割当てのより最適の選択が可能となり、歪みおよび
ノイズの少ないより精確に量子化された信号が得られる。
パリアンスまたはスペクトルエンベロープ情報が、伝送前に量子化プロセスを補
助するために発生されるから、この同じ情報が、受信において逆量子化プロセス
に必要となる。したがって、適応変換コード化は、量子化された変換係数の伝送
に加えて、パリアンスまたはスペクトルエンベロープ情報の伝送をも用意してい
る。これは、サイド情報と称せられる。
スペクトルエンベロープは、変換領域においては、スピーチの動的特性、すなわ
ちホルマントを表わす、スピーチは、周期的(有声音)、非周期的(無声音)ま
たは両者の混合(例えば有声摩擦音)のいずれかである励起信号を生成すること
によって発生される。励起信号の周期的成分は、ピッチとして知られる。話し中
、励起信号は、口、顎、唇、鼻腔等の位置により決定される声帯フィルタによっ
て濾波される。このフィルタは、発生されつつある音の性質を決定する共鳴周波
数すなわちホルマントを有する。声帯フィルタは、励起信号に対してエンベロー
プを発生する。このエンベロープはフィルタホルマントを含むから、ホルマント
またはスペクトルエンベロープとして知られている。したがって、スペクトルエ
ンベロープの決定がより精確になればなるほど、変換されたスピーチ信号をコー
ド化するに使用されるステップサイズおよびビット割当ての決定は、ますます最
適となる。
特定の適応変換コード化技術の開発は、r ImprovedAdaptive
Transfor+a CodingJと題する米国特許出願第199、36
0号に記述されている。この米国特許出願に記述される新規な方法および装置は
、単一のいわゆるLSI信号プロセッサにおいて16kb/sのビットレートで
の適応変換コード化が初めて可能になったから、技術上の進歩であった。このよ
うな結果は、時間領域サンプルの各ブロックの偶拡張を生成し、かかる拡張から
自己相関関数を生成し、自己相関関数から直線的予測係数を誘導し、そして各変
換係数のパリアンスまたはホルマント情報が各FFT係数の利得の平方に等しく
なるようにかかる直線的予測係数について高速フーリエ変換を遂行することによ
って達成された。また、各変換係数に割当てられるべきビット数は、変換係数の
ホルマント情報の予定された基数の対数を決定し、ついで各変換係数に割り当て
られることになる最小ビット数を決定し、ついで最小ビット数を対数値に加える
ことによって得られることも開示された。このデバイスでの問題は、伝送速度が
16kb/s以下に減するとき、信号のすべての部分は量子化されず、伝送され
ないことであった。
早期の適合変換コーダーにおいて必須のスピーチ要素を失う理由は、この種のコ
ーダーが非スピーチに特有であったからである。スピーチに特有の技術において
は、特定の情報がビットに割り当てられ、量子化されることを保証するために、
ビット割当て中、ピッチおよびホルマント(すなわちスペクトルエンベロープ)
情報の両者が考慮される。IEEE Transactions on Aco
ustics。
5peech、 and Signal Processing、 Vol、^
5SP−27,No、3(October、 1977)、 pp、 512−
530のJ、 TrLbolet等のrFrequency Domain C
oding of 5peechJなる論文に記述される1つの従来のスピーチ
に特有の技術は、ピッチ周期およびピッチ利得からピッチモデルを生成すること
によって、ピッチ情報、すなわちピッチ縞を考慮した。これらの2つのファクタ
を決定するために、擬似へCFを捜索して、ピッチ周期となる最大値を決定した
。ついで、ピッチ利得が、最大値が決定された点における擬似八〇Fの値とその
原点における擬似ACFの値との間の比として定義された。この情報で、ピッチ
縞、すなわち周波数領域におけるピッチパターンを発生し得た。
この従来技術を使用して周波数領域におけるピッチパターンを発生されるために
、時間領域インパルス系列が画定されよう。この系列は、長さ2Nの有限の列を
生成するために、台形のウィンドで窓掛けされた。Nのポイントのみに対するス
ペクトルレスポンスを生成するために、2Nポイントの複合FFTが系列から取
り出された。
結果の大きさは、単位利得に対して標準化されるとき、必要とされるスペクトル
レスポンスを生じた。最終のスペクトル評価値を生成するために、ピッチ縞およ
びスペクトルエンベロープは乗算され、標準化された。結合されたピッチ縞およ
びスペクトル情報をグラフ化する際、ピッチ縞は一連のU字状の曲線として現わ
れ、そして2Nポイントのウィンドに多数の反復が存在する。
この全プロセスは、各サンプルブロックに対して適応的に遂行された。この従来
技術に関する問題点は、その実施の複雑性であった。スピーチに特有の適応変換
コーダー(米国特許出願第199,015号)においては、ピッチ縞がずっと簡
単な実施形態で考慮に入れられた。
前述のTriboLet等の技術に鑑みて、ピッチ周期が1であり、有限の系列
を生成するために使用されるウィンドが方形である場合を考えよう、ピッチの得
られたスペクトルレスポンスは、単一のU字状である。前記特許出願においては
、l以外の異なる数のピッチ周期に対しては、スペクトルレスポンスは、ピッチ
周期が1の場合のピッチスペクトルレスポンスの単なるサンプル形態であると記
載されている。さらに、同じピッチ周期を維持しながらエネルギおよび大きさを
スケール(係数倍)したときの、異なる値のピッチ利得に対するピッチ綿量の差
は、主としてU字状の幅に関係づけられると記述されている。上の記述に基づく
と、各サンプルブロックに対してピッチスペクトルを適応的に決定することは必
要でなく、むしろかかる情報は予め発生された情報を使って生成されたと判断さ
れる。ピッチスペクトルレスポンスは、予め形成されメモリに記憶されたルック
アップテーブルから適応的に生成された。
ルックアップテーブルは、ピッチ情報を生成するためにルックアップテーブルが
サンプルされる前に、各サンプルブロックごとに、ピッチ周期およびピッチ利得
との関係において先ず適応的にスケールされた。一度スケールファクタが決定さ
れると、ルックアップテーブルはスケールファクタにより乗算され、得られたス
ケールされたテーブルが、ピッチ縞を決定するためにモジユロ2Nでサンプルさ
れた。
米国特許出願第199.360号と同様に、この技術に関する問題点は、16k
b/sにて良好な特性を示すが、従来のシステムにより示されたのと同じ問題、
すなわち特定のスピーチ要素が非量子化に起因して失われるという問題が、約9
.6kb/sのビットレートにて現われた。この損失は、rshj、rtJ、r
ph」、rscJおよびrpthJのような音に対してとくに明瞭である。
IEEE Transactions on Communications、
vol、 C0M−30、No、4 (1982年4月1. pp、600−
614. のB、S、At1asのrPredictive Coding o
f 5peech at Low Bit RatesJなる論文には、スピー
チ信号のいわゆる適応予測コード化の使用で1Okb/sまたはそれ以下の伝送
速度を達成し得ることが示唆されている。
予測コード化においては1時間領域信号から冗長構造が除去され、その後膣信号
が量子化され、伝送される。
このような構造は、予測予価を評価し、現在信号値からその値を減することによ
って除去される。予測子は、別個に伝送され、受信機により時間領域信号に再加
算される。予測子は、2つの成分を含み、その一方はスピーチ信号の短時間スペ
クトルエンベロープに基づくものであり、他方は短時間スペクトル微細構造に基
づくものであり、そしてこれはピッチ周期とボイスの周期性の程度により主とし
て決定されると記述されている@ Atalの特許はまた、量子化用ノイズのス
ペクトルを制御するために、予測コード化におけるノイズ成形の使用を示唆して
いる。詳述すると、At1asの文献は、ノイズ成形予測モデルスペクトルを生
ずるための前置フィルタ/1置フイルタの手法を利用している。 Atalの文
献の手法に関する問題点は、その実施の難しさである1本発明まで、変換コード
化と予測コード化は分離した別個の技術であったことも注目されるであろう。
したがって、より低ビツトレートで効率的に動作し得、低ノイズレベルを有し、
妥当な価額と処理時間で実施できる適応変換コード化装置の必要性がなお存在す
る。
[発明の概要]
本発明の目的および利点は、非量子化され適応変換されるボイス信号を再構成す
る装置および方法で達成されるが、本発明は、ノイズ成形を含むものとして示さ
れており、ここに、スペクトルエンベロープが、サイド情報に基づいて変換係数
の各ブロックについてスペクトルエンベロープ情報を生成し、逆量子化されなか
った変換係数に対応する変換係数を生成し、生成された変換係数を前記ブロック
へ置換し、そして、逆量子化されなかった変換係数および生成される変換係数か
らなる前記ブロックを前記変換領域から前記時間領域に変換することによりビッ
ト割当およびエネルギー置換の前に係数倍される。変換係数の生成が、何らのビ
ットも割り当てられなかったのがいずれの変換係数かをビット割当信号から決定
し、何らのビットも割り当てられなかった変換係数に対応するスペクトルエンベ
ロープ情報を回収し、そのように回収されたスペクトルエンベロープ情報のそれ
ぞれの項目に正または負の符号を与え、そのように回収されたスペクトルエンベ
ロープ情報のそれぞれの項目の太きさを係数倍し、そのように回収されたスペク
トルエンベロープ情報のそれぞれの項目を、それぞれの項目に符号が与えられそ
して係数倍された後に、逆量子化される変換係数からなるブロックへ割り当てる
ことにより実現される。
本発明のこれらの目的およびそのほかの目的ならびに利益は添付の図面を参照し
て以下の詳細な説明からより一層明らかとなろう。
[図面の簡単な説明]
第1図は、本発明に従う適応変換コード化装置の概略図である。
第2図は伝送前に第1図に示される適応変換コード化装置で遂行される動作のフ
ローチャートである。
@ 3 a 3および第3b図は、ボイス化ブロックを決定するときに第1図に
図示の適合変換コード化装置において遂行される動作のフローチャートである。
Jv4(!lは、第2図および第7図に示されるLPG係数動作のより詳細なフ
ローチャートである。
第5図は、第2図および第7図に示される整数ビット割当て動作の詳細なフロー
チャートである。
第6図は、第2図および第7図に示されるエンベロープ生成動作の詳細なフロー
チャートである。
第7図は、受信に続き第1図に示される適応変換コード化装置において遂行され
る動作のフローチャートである。
第8図は信号テーブルを形成するのに使用されるヒストグラムである。
第9図は、受信に続きエネルギー置換を遂行する第1図に図示の適合変換コード
化装置において遂行される動作のフローチャートである。
[実施例1
図面に関してより完全に説明されるように、本発明は、伝送速度が十分に減ぜら
れた適応変換コード化のための新規な装置および方法で具体化される。一般的に
言うと、本発明は、 ゛ スケール化または失われた信号の再構成により低減さ
れた伝送速度を使用して適合変換コード化装置により伝送される信号を改善する
、換言すると、本発明による変換コード化装置は、無声信号の量子化についてビ
ットをより均等に分配するか。
再構成信号を、量子化されなかったこれら信号成分と置換する。
本発明に従う適応変換コード化装置が、第1図に図示されており、総括的に10
として言及されている。コード化装置10の心臓部はディジタル信号プロセッサ
であり、そしてこれは、好ましい具体例においては、テキサス所在のTexas
Ir+s+truments、 Incにより製造販売されるTMS320C
25ディジタル信号プロセッサである。この種のプロセッサは、16ビツトのワ
ード長を有するパルスコード変調信号を処理し得る。
プロセッサ12は、3本の主バス網、すなわち直列ポートバス14、アドレスバ
ス16およびデータバス18に接続されるものとして示されている。プログラム
メモリ20が、本発明に従う適応変換コード化を遂行するために、プロセッサに
より利用されるべきプログラミングを記憶するために設けられている。このプロ
グラミングについて第2図ないし第9図を参照して詳細に説明する。プログラム
メモリ20は、プロセッサ12の規格要件を満足させるに十分の速度を有するな
らば、任意の従来設計とし得る。好ましい具体例のプロセッサ(7MS320C
25)は内部メモリを備えることに注意されたい。まだ合体されてはいないけれ
ども、この内部メモリに適応変換コード化プログラミングを記憶することが好ま
しい、データメモリ22が、プロセッサ12の動作中必要とされ得るデータ、例
えば対数表を記憶するために設けられている。対数メモリの使用は、追って一層
明らかとなろう。
クロック信号が、従来形式のクロック信号発生回路(図示せず)によりクロック
人力24に供給される。好ましい実施例において、入力24に供給されるクロッ
ク信号は、40MHzクロック信号である。リセット入力26も、プロセッサ1
2が最初に賦活されるときのように、適時にプロセッサ12をリセットするため
に設けられている。従来形式の回路が入力26に信号を供給するために設けるこ
とができるが、これは、信号が選ばれたプロセッサにより要求される規格に適合
する限り任意のものでよい。
プロセッサ12は、2つの方法で通信信号を送信し、受信するように接続されて
いる。第1に、プロセッサ12は、本発明に従って構成される適応変換コード化
装置と通信するとき、直列ボートバス14を介して信号を受信し、送信するよう
に接続されている。バス14を圧縮ポイスデータ列と結合するために、チャンネ
ルインターフェース28が設けられている。インターフェース28は、特定され
た伝送速度にて動作するデータ列との関連においてデータを送信し、受信するこ
とができる任意の形式のものとし得る。
第2に、既存の64kb/sチヤンネルまたはアナログデバイスと通信するとき
、プロセッサ12は、データバス18を介して信号を受信し、送信するように接
続される。コンバータ30が、入力32に現われる個々の64kb/aチヤンネ
ルを、バス18への供給のため直列形式から並列形式に変換するために設けられ
る。認められるように、かかる変換は、プロセッサ12により利用される信号形
式と使用できる周知のコードおよび直列/並列デバイスを利用して遂行できる。
好ましい実施例において、プロセッサ12は、バス18上に並列16ビツトの信
号を受信し、送信する。バス18に供給されるデータをさらに同期させるため、
プロセッサ12の入力34に割込み信号が供給される。アナログ信号を受信する
とき、アナログインターフェース36は、コンバータ30へ提示するためこの信
号を予定された速度でサンプルすることによってアナログ信号を変換する働きを
する。インターフェース36は、送信するときは、コンバータ30からのサンプ
ルされた信号を連続信号に変換する。
次に、第2図ないし第9図を参照してプログラミングについて説明するが、これ
は第1図に示される諸要素と関連して利用されるとき、新規な適応変換コード化
装置を提供する0本発明に従って通信信号を伝送するための適応変換コード化が
、第2図に示されている。コード化され送信されるべき通信信号は、入力バッフ
ァ40に提供される。この通信信号は、サンプリングが8kHzの周波数で行わ
れる場合、各サンプルの16ビツトPCM表示より成るサンプル信号である0本
記述の目的のため、8kHzにてサンプルされたボイス信号が伝送のためにコー
ド化されるべきものと仮定する。バッファ40は、予定数のサンプルをサンプル
ブロックに累積する。好ましい実施例においては、各ブロックに120のサンプ
ルが存在する。
まずボイス状態、すなわち所与のブロックが有声化されているか無声化されてい
るかどうかを決定するために各サンプルブロックについてピッチおよびピッチ利
得が41にて計算される。この情報の重要性は、ここに叙述されるノイズ整形動
作との関係で十分に理解されたい。
ピッチを決定すること自体は新しいことではない。従来、ピッチは、サンプルブ
ロックの自己相関関数(ACF)をまず誘導し、ついで特定の範囲にわたりAC
Fを最大値について捜索することによって決定された。この最大値はピッチと称
される。(Tribolet等の文献参照)、都合の悪いことに、ピッチ以外の
他の成分も存在することが発見された。したがって、サンプルブロックから 誘
導されるACFは、スプリアスビークを示すことがあり、そしてこれは不正確な
ピッチ評価値をもたらすことがある6本発明に従えば、第3a図に示されるよう
に、バッファ40により供給されるサンプルブロックは、まずローパスフィルタ
42を介して濾波される。好ましい実施例において、ローパスフィルタ42は、
1800Hz!3よび2400)1zにて3dBのカットオフ周波数を有する8
タツプ有限インパルス応答フイルタである。関係のある周波数範囲は約50Hz
ないし1650Hzである。この範囲は、デュアルトーンマルチ周波数(DTM
F)信号の包含を許容する6本発明のコード化装置の特性の1つは、DTMF情
報を通すことができることである。したがって、フィルタは、697−1633
Hzの周波数範囲を含むのが好ましい。
濾波された信号は、ついで44にて3レベル中心クリツプ技術を使用して処理さ
れる。
第3b図を簡単に参照して、3レベル中心クリツプ技術について詳細に説明する
。
スピーチ信号のピッチを決定することに関連して中心レベルクリップを使用する
ことは新しいことではないことに留意されたいa IEEE Transact
−tons on Acoustics。
5peech and Signal Processing、 Vol、 A
SSP−24,No、1(1987年2月)のDubnowski等のrRea
l−Time Digital Hardware Pitch Detect
orJ と題する論文は、この種の技術を開示している。しかしながら、適応変
換コード化装置において中心レベルクリップを使用することは新しい。ローパス
フィルタ42からのサンプルブロックは、まず46にて2つの等しいセグメント
に分割される。これらのセグメントは、本明細書においてはxlおよびxヨで指
示されている。サンプルブロックの第1の半分X、は、その中に含まれる絶対最
大値を決定するために、48で評価される。この絶対最大値は、スレッショルド
を誘導するのに使用されるが、このスレッショルドは、好ましい実施例において
は最大値の57%である0時間領域信号を半分に分割する理由は、ブロック間の
振幅のふらつきから保護するためである。このようなふらつきは、続いて発生さ
れる自己相関関数の完全性、したがって最終のピッチの決定に影響を及ぼすこと
があり得る。このような事象を防ぐために、時間領域信号は、半分に分割される
。
3レベル中心クリップ操作は、下式にしたがい50にて遂行される。
c (n) :+1 s (n) ≧Tc (1)=−1s(n)≦−Tc
= 0 他の場合
ここで、Tc=振幅スレッショルド
上のことから、スレッショルド(48で決定される最大の57%)を越える値の
みが保持されることが分かろう、したがって、最大値が強調されたが、この強調
は、第3図に記載される後の処理との関連において明らかとなろう。サンプルブ
ロックの第1の半分X、に関して3レベル中心クリップ操作を遂行したから、サ
ンプルブロックの第2の半分x2に対する絶対最大値は、52で決定される。3
レベル中心クリップ操作は、54にてX、に関して遂行される。ステップ54に
て利用されるスレッショルド値は、52で決定された絶対最大値に基づく、54
にて3レベル中心クリップ操作を遂行した後、中心でクリップされた結果は、5
6にて全処理ブロックに結合される。
全サンプルブロックに関して3レベル中心クリップ操作を遂行したから、サンプ
ルブロックの自己相関関数が58で誘導され、ACF(M)で記される最大自己
相関関数を決定するために捜索される。最大値はピッチとして定義される。58
にてピッチを効率的に決定したから、ここでピッチ利得が60にて計算される。
ピッチ利得は、下式にしたがって計算される。すなわち、ここで、R(M)はピ
ッチであり、R(0)は、その原点における自己相関関数の値である。
60にてピッチ利得を決定したから、62にてピッチ利得がスレッショルド値よ
りも大きいか否かがここで決定される。ピッチ利得は比であり、したがって、無
名数であることが認められよう。好ましい実施例において、ステップ62にて使
用されるスレッショルドは値0.25である。ピッチ利得がこのスレッショルド
値より大きいと、サンプルブロックは有声ブロックと称される。ピッチ利得がこ
のスレッショルド値より小さいと、サンプルブロックは無声ブロックと称される
。サンプルブロックが有声であるか無声であるかの意味は、ここに叙述するノイ
ズ成形操作との関係で重要である。ノイズ成形はそれぞれのサンプルについて遂
行される必要はないことが分かった。ノイズ成形が必要とされないブロックは、
有声ブロックである。
各サンプルブロックは、64にて窓掛けされる。好ましい実施例において、使用
される窓掛は技術は台形の窓[h(sR−N)]であるが、ここでNのスピーチ
サンプルの各ブロックは、Rのサンプルだけ一部重畳される。
主題のブロックは、80にて離散余弦変換を利用して時間領域から周波数領域に
変換される。この変換は変換係数のブロックをもたらすが、この変換係数は82
にて量子化される。量子化は、ガウスの信号について最適化された量子化装置に
よって各変換係数について遂行される。しかして、この量子化装置は周知である
(MAX)照)0個々の係数について割り当てられる利得(ステップサイズ)お
よびビット数の選択は、本発明の適応変換コード化機能にとって重要である。こ
の情報がないと、量子化は適応的とならない。
ブロック当たりの単位サンプルについて利得およびビット割当てを展開するため
、まずビット割当てに対して既知の式を考える。すなわち、
R+ ” Rav++ + 0.5 傘 Logs [v+”/V 、 ocv
”] (3)ここで、V bloek” ” [IT i+1.N v+”lの
n乗根 (4)R1゜1.、= Σ、、、、、 [R,] (slここで、
R+はi番目のOCT係数に割り当てられたビット数。
RT@malはブロック当たりに利用され得る総ビット数。
R61,は各OCT係数に割り当てられた平均ビット数。
v 、 Mはi番目のDCT係数のパリアンス。
VI116゜SはOCT係数に対するvlの幾何平均。
式(3)はビット割当て式であり、この式から、得られるR+は、総計されると
き、単位ブロックに割り当てられた総ビット数に等しくなるはずである。以下の
新規な誘導は実施のための必須要件を大幅に減じ、好ましい実施例のプロセッサ
を利用するとき必要とされるような、16ビツト固定点演算を使用して計算を遂
行することと関連して起こるダイナミックレンジの問題を解決する0式(3)は
下記のように再構成できよう、すなわち、R+ = [RIlll@ −1og
m (Vb+aei+”)l + 0.5ψlogs (v+ ”)存しないか
ら、かかる項は一定であり、γと記すことができる。したがって、式(lO)は
下記のように書き変えることができる。
R,=γ÷0.5申5l(7)
S+ ” logs(V+”) (8)項v 、 lは、i番目のOCT係数の
パリアンス、すなわち、i番目の係数がスペクトルエンベロープ内に有スる値で
ある。したがって、スペクトルエンベロープを知ると、上式に対する解が得られ
る。すなわち、Z: eJlpH1/1Ml [i=Q、N−1]で評価されて
、H(z) = 利得/(1+Σkg1.F[ll、 I z−’]) (9)
ここで、H(z)はOCTのスペクトルエンベロープであり、hは線形予測係数
である0式(9)は、1組のLPG係数のスペクトルエンベロープを定める。
OCT領域におけるスペクトルエンベロープは、LPG係数を変更し、ついで(
9)を評価することによって誘導できる。
第2図に示されるように、窓掛けされた係数は、84にて1組の係数を決定する
ように作用せしめられる。
LPG係数を決定するための技術は、第4図に詳細に示されている。窓掛けされ
たサンプルブロックは、86にてx(n)で指示されている。 x(n)の偶拡
張が88にて生成されるが、この偶拡張はy(n)で指示されている。 y(n
)の他の定義は、下記のごとくである。
y(n) = x(nl n=0. N−1。
−x(2N−1−n) n−N、 2N−1(10)式(lO)の自己相関関数
(ACF)が90にて生成される。
y(n)のACFは疑似ACFとして利用され、そしてこれからLPGが92に
て周知の態様で誘導される。LPG(ak)を生成したから、式(9)は、ここ
でスペクトルエンベロープを決定するように評価できる。第2図において、好ま
しい実施例においては、LPGがエンベロープ生成に先立ち、94にて量子化さ
れることが注目されよう、この点における量子化は、96にてサイド情報として
LPGの伝送を許容する目的を果たす。第2図に示されるように、スペクトルエ
ンベロープは98にて決定される。これらの決定についての詳細な記述は、第6
図に示されている。100にて、式(9)の分母を表わす信号ブロックz(n)
が形成される。ブロックz(n)は、さらに下記のように定義される。すなわち
、
z(n) = 1.On=0
=an n=1.P
:0.OngP÷1.2N−1(11)ブロックz(n)は、しかる後、高速フ
ーリエ変換(FF丁)を使用して評価される。さらに詳述すると、z(n)は、
z(n)が0〜N−1の値のみを有する場合、NポイントFFTを使用すること
によって、102にて評価される。このような動作は、i=0.2.4.6−−
−−、 N−2に対して結果v11を生ずる0式(8)はv 、 lのLogs
を必要とするから、各パリアンスの対数が104にて決定される。奇数の順番の
値を得るため、幾何的内挿が、106にてvl′の対数領域において遂行される
。
好ましくはないが、2NポイントFFTを利用してz(n)を評価することも可
能である。かかる状況においては、内挿を遂行することは必要とされないであろ
う。2NポイントFFTを使用することに関する問題点は、FFTがサイズの2
倍であるから、好ましい方法よりも処理時間を要することである。
パリアンス(V、”lは、80にて決定される各DCT係数に対して、108に
て決定される。パリアンスv 、 2は、H(z)が下式、すなわち、
z tt e J Z D + I 1 /口’ 、 f=(1,n−1に対し
て (13)で評価される場合の式(9)の大きさであるとして定められる。
より簡単にするため、下記の式を考える。すなわち、v 、 * = [利得/
FFT 、 ]の大きさの二乗 (14)項vI″は決定するのが比較的容易で
ある。これは、FFT、の分母が106にて決定される1番目の−FFT係数で
あるからである。スペクトルエンベロープを決定したから、ビット割当てが11
0で遂行される。
式 (3)〜(5)はビット割当てを決定するための周知の技術を記述している
ことが思い起こされよう。ついで、式(7)および(8)が誘導された。簡単化
されたビット割当てを遂行するために一片の式のみが残る0式(7)を式(5)
に代入することにより、下式が得られる。すなわち、
8丁。、、、=0.5傘Σ+−+、4[S+J+N申γ(I5)式(15)を整
理すると、下式のようになる。すなわち、γ” [Ry。t−+ −0,5*Σ
、、、、、 (S、月/N (16)ここで、Nはブロック当たりのサンプルの
数であり、RTatalは単位ブロックについて得られるビット数である。
58で自己相関関数が誘導されそしてピッチおよびピッチ利得が計算されたこと
が忠い起こされよう。
110および111で遂行されるノイズ成形およびビット割当ては、第5図に詳
細に示されている。式(8)を利用すると、各Slは112で決定される。これ
は比較的簡単な演算である。ところで、もしノイズ成形が遂行されつつあるなら
ば、各Slは、経験的に決定されるファクタFだけ係数倍(スケール)される、
エンベロープスケーリングによるノイズ成形が、大幅に低廉な計算コストで、A
talの前置/後置フィルタ方式と同様の効果を実現する。好ましい実施例にお
いて、F=1/8である。
無声サンプルブロックであると決定されたサンプルブロックについてのみノイズ
成形を遂行することが好ましい、もしブロックが有声音であれば、ノイズ成形は
遂行されない。
各Slを決定したから、式(15)を使用してγが114で決定される。これも
比較的簡単な演算である。好ましい実施例において、ブロック当たりのサンプル
の数は12gである。したがって、Nは始めから既知である。
ブロック当たりに利用可能なビット数も始めから既知である。好ましい実施例に
おいて各ブロックが台形のウィンドを使用して窓掛けされつつあり、16のサン
プル、ウィンドの各側に8ずつ、が一部重量されつつあることを考慮に入れると
、フレームサイズは120サンプルである。もしも伝送が1例えば9.6 kb
/sの固定の周波数で行われていると、120のサンプルは約15 +asかか
るから(サンプル120を8kHzのサンプリング周波数で割った数)単位ブロ
ック当たり利用可能なビットの総数は144である。ピッチ情報を伝送するには
、14ビツトまで必要とされる。LPG係数のサイド情報を伝送するに必要とさ
れるビット数も既知である。したがって、Rア。tlllも下式かも分かる。す
なわち、
RT6t−1=144−サイド情報で使用されるビット数。
各S1.RT6talおよびNはいまやすべて分かっているから、114にてγ
を決定することは、式(15)を使用して比較的簡単である。
各Slおよびγを知ると、各R1は、式(7)を使用して116で決定される。
やはり比較的簡単な演算である。この手続きは、もはや式(6)により要求され
るような幾何平均vb+。Ck”を計算することが必要でないから、各R9の計
算をかなり簡単化する。この手続きを利用することにおける他の利点は、式(7
)に対する入力値としてslを使用すると、実時間実施のための固定点演算にお
いて(3)のような式を実施することに関連して起こるダイナミックレンジの問
題が低減されることである。
98にて量子化利得ファクタを決定し、110にてビット割当てを決定したから
、82にて量子化を完了し得る。DCT係数は、量子化されてしまうと、118
にてサイド情報とともに伝送のためフォーマット化される。得られたフォーマッ
ト化信号は、120にてバッファ記憶され、予定された周波数、たとえば9.6
kb/s 、にて直列に伝送される。
ここで、本発明の原理に従って適応コード化されたボイス信号が受信されたとき
利用される適応変換コード化手続きについて考える。かかる信号は、インターフ
ェース28により直列ポートバス14に提示されることが思い起こされよう、第
7図を参照すると、単一のブロックと関連するビットの全てがほぼ同時に作用せ
しめられることを保証するために、信号はまず121にてバッファ記憶される。
バッファ記憶された信号は、ついで122にて逆(または脱)フォーマット化さ
れる。
ブロックと関連しサイド情報として伝送されたLPG係数、ピッチ周期およびピ
ッチ利得は、122にて集められる。これらの係数はすでに量子化されているこ
とが認められよう。その後、126にて、第7図を参照して記述したのと同じ手
続きを使用して、スペクトルエンベロープ情報が生成される。得られた情報は、
その後、逆量子化動作セクション128(情報はやはり量子化利得、 を表わし
ているから)およびビット割当て動作セクション131の両者に提供される。ビ
ット割当ての決定が、第6図に関連して記述した手続きに従って遂行される。
ノイズ成形が遂行されてしまえば(すなわちピッチ利得はブロックが無声音であ
ることを指示する)、130でSlにスケールファクタFだけ乗算することが必
要である。Fは初めから既知であるので、サイド情報として伝送されず、変換コ
ード化装置のメモリに記憶されるファクタである。
ビット割当て情報は、逆量子化動作セクション128に供給され、したがって適
正数のビットが適当な量子化装置に提示される。割り当てられた利得およびビッ
ト数も既知であるから、適正数のビットで、各逆量子化装置は、OCT係数を逆
量子化する。逆量子化されたOCT係数は、132にて時間領域に再変換される
。
上述したように、9.6kb/sなどの低ビツトレートでは、所定の変換信号は
量子化されない、すなわち、所定のOCT係数は量子化されない0本発明の一つ
の目的は、失われた信号、すなわち量子化されない信号ないし非量子化信号を1
32で再構成することである。スペクトルエンベロープは線形予測係数から12
6にて再生成されたことが思い起こされよう、このエンベロープの部分が、伝送
に先立って何らのビットも割り当てられていなかった逆量子化信号のこれに対応
した部分と置換し得る。
スペクトルエンベロープはスピーチ信号の周波数についてOCT係数の大きさの
評価値を表すから、喪失された情報の大きさおよび周波数は既知である。残念な
ことに、非量子化場所におけるこの情報の単なる置換だけでは「バズ」形式の歪
みを生ずる。この歪みを除去するための喪失情報は、大きさへの正または負いず
れかの符号の割当てである。大きさの実際の符号はスペクトルエンベロープから
決定できないので、本発明は+1または−1の符号値を発生する。好ましい実施
例では、これらの符号値は純粋に無作為には生成されず、メモリに以前に記憶さ
れている符号表から得られる。符号表は、広帯域の実際のスピーチ信号に関連し
たOCT係数の符号の統計分布を表す第8図のヒストグラムとの関連であらかじ
め生成されている0重要なことは大きさの符号だけでなく、重要なことは符号が
同じに滞留するところの係数値の数であるので、ヒストグラムは重要である。そ
の結果、符号表の値は、符号が検索されつつあるときに、検索符号値の統計分布
が第8図のヒストグラムと整合するよう配列される。
フレーム間相関を減する試みにおいて、符号表へのエントリは無作為化される。
符号表の使用は、実現されたスピーチ品質において有意な改善を与えるけれども
、本発明の別の様相は、置換エネルギーの確率論的な性質を、実際の完全に量子
化されたDCT係数のブロックについて予想されるものと整合させるのに使用さ
れる。 OCT信号の振幅は、高い振幅が低いものよりも少ない頻度で生ずる場
合には、小値サンプルの方へバイアスされることが多い。好ましい実施例は、置
換されたDCT値を適当な確率分布を有する無作為変数だけ係数倍することによ
り、この振舞いを近似するために、この置換されたDCT値を変更する。
このスケーリング(係数倍)操作結果は、好ましい実施例においては、以下の式
にしたがって2つの無作為変数を結合することにより実現される。
x(n)=Ix+(n) + xI(n)−11(18)xI(n)およびx、
(n)の現在値は以下の式にしたがって前の値X+ (n−1)およびx* (
n−1)から生成される。
2+a
二こで、INT[y]は、yの整数部分を表す、これら2つの変数は、式(18
)に従って組み合わされ、x(n)について必要とされる形式の確率分布を発生
する。得られた値は適当なOCT係数だけ乗算される。このようにして、スペク
トルエンベロープからの値には置換の前に、所定の符号が与えられそして係数倍
される。
エネルギー置換のプロセスは第9図との関係で明瞭に理解されよう。しかして、
この手続は128で逆量子化されたブロックにおいて、0とN−1との間のそれ
ぞれのサンプルについて遂行される。無作為符号表のエントリポイントは136
で決定される。値には、k=0とN−1との間で138にて反復される。数には
変換されたサンプルブロックにおけるに番目のサンプルを意味する。
131でに番目のサンプルへ割当てられたビット数は140で検査され、ビット
数がゼロかどうかを決定する。もし割当てられたビット数がゼロでなければ、プ
ログラムは142へ進行し、符号表から次の符号および次のDC?サンプルを得
る。もしに番目の値に割当てられるビット数が140にてゼロであると決定され
れば、k番目のスペクトルエンベロープ値は144にて符号表から回収された符
号により乗算される。無作為変数x1およびXヨは146で計算される。 x(
n)の絶対値は148で決定される。スペクトルエンベロープのに番目の値は1
50でx(n)だけ乗算される。ここに修正されたに番目のスペクトルエンベロ
ープサンプル値は152にて逆変換されたサンプルブロックにおいて置換される
。次のDCT値および符号表値は142にて検索される。154にて、k=N−
1かどうかが決定される。もしkがN−1に等しくなければ、プログラムはルー
プに再度戻り、kを1回反復する。もしkが154にてN−1に等しければ、シ
ーケンスは終了せられる。
非量子化情報を時間領域信号へ再び付加したので、ここに、156にて係数を逆
変換し順次158にて信号を鋭意化することが必要になる。鋭意化されたブロッ
クは160にてバッファ記憶されそしてバス18への提供に先立って逐次形式に
整列される。か(してバス18に提供された信号が、コンバータ30(第1図)
により並列形式から直列形式に変換され、32で出力せられるかアナログインタ
ーフェース36へ提供せられる。
以上、本発明を特定の実施例について説明したが、技術に精通したものであれば
、本発明の原理から逸脱するFIG、3[3
FIG、 5−
+ 2 3 4 5 6 7 8 9 IQ−J禿:L’fq 7コ ’4−1
−’5 ・槽イご ルηl:h・+7J /X丁7°の 7丁、°イツト1じこ
FIG、 8
国際調査報告
1mww1++1wl A11ll<mle′Na、 、、、、■990,0.
頓5
Claims (1)
- 【特許請求の範囲】 1.変換コード化機器における所与のスピーチ信号のスペクトルエンベロープを ノイズ成形する装置であって、スピーチ信号は情報サンプルからなるサンプルさ れた時間領域情報信号であり、 前記変換コード化機器は、前記スピーチ信号を情報サンプルからなるブロックに 逐次に分離するよう動作可能であり、各サンプルブロックを時間領域からある変 換領域における係数からなるブロックへ変換し且つビット割当信号に応答して前 記係数を量子化する前記ノイズ成形装置において、 各情報サンプルブロックのスペクトルエンベロープを生成するエンベロープ生成 手段と、 固定された基準値に関して前記スペクトルエンベロープについての所定の基数に 対する対数に係数倍するスケーリング手段と、 前記スペクトルエンベロープが前記スケーリング手段により係数倍された後に、 当該スペクトルエンベロープに関して前記ビット割当信号を生成するビット割当 手段とを備えるノイズ成形装置。 2.前記エンベロープ生成手段は、 各情報サンプルブロックの自己相関関数を生成する関数手段と、 前記自己相関関数から線形予測係数を誘導する誘導手段と、 前記係数の高速フーリエ変換を遂行する第2の変換手段と、 当該高速フーリエ変換から得られる各係数の利得を数学的に2乗する2乗手段に おいて、前記のそれぞれのブロックについての前記スペクトルエンベロープはこ のブロックについての前記高速フーリエ変換係数の2乗された利得の集まりに等 しい当該2乗手段とを備えた請求項1の装置。 3.前記基準値は1/8である請求項1の装置。 4.変換コード化機器における所与のスピーチ信号のスペクトルエンベロープを ノイズ成形する方法であって、スピーチ信号は情報サンプルからなるサンプルさ れた時間領域情報信号であり、 前記変換コード化機器は、前記スピーチ信号を情報サンプルからなるブロックに 逐次に分離するよう動作可能であり、各サンプルブロックを時間領域からある変 換領域における係数からなるブロックへ交換し且つビット割当信号に応答して前 記係数を量子化する前記ノイズ成形方法において、 各情報サンプルブロックのスペクトルエンベロープを生成し、 固定された基準値に関して前記スペクトルエンベロープを係数倍し、 前記スペクトルエンベロープが前記スケーリング手段により係数倍された後に、 当該スペクトルエンベロープに関して前記ビット割当信号を生成する諸段階から なるノイズ成形方法。 5.前記固定基準値は1/8である請求項4の方法。 6.コード化されたスピーチ信号を符号化解除するための装置において、 かかるコード化されたスピーチ信号は、量子化された変換係数からなる逐次のブ ロックを含み、しかしてこの変換係数は、当該量子化される変換係数のバリアン スを表す線形予測係数を包含するサイド情報および係数倍されたスペクトルエン ベロープ情報に関して生成されるビット割当信号に関して量子化される前記符号 化解除装置において、 前記線形予測係数に基づいてそれぞれの情報サンプルブロックのスペクトルエン ベロープを生成するエンベロープ生成手段と、 固定基準値に関して当該スペクトルエンベロープを係数倍するスケーリング手段 と、 前記スペクトルエンベロープが前記スケーリング手段により係数倍された後に、 当該スペクトルエンベロープに関して前記ビット割当信号を生成するビット割当 手段と、 前記ビット割当信号に応答して当該変換係数を逆量子化し且つ逆量子化された変 換係数からなるブロックを生成する逆量子化手段と、 当該逆量子化された変換係数を前記変換領域から前記時間領域に変換する逆変換 手段とを備える符号化解除装置。 7.コード化されたスピーチ信号を符号化解除するための装置において、 かかるコード化されたスピーチ信号は、量子化された変換係数からなる逐次のブ ロックを含み、しかしてこの変換係数は、当該量子化される変換係数のバリアン スを表す線形予測係数を包含するサイド情報およびスペクトルエンベロープ情報 に関して生成されるビット割当信号に関して量子化されている前記符号化解除装 置において、 前記線形予測係数に基づいてそれぞれの情報サンプルブロックのスペクトルエン ベロープを生成するエンベロープ生成手段と、 前記スペクトルエンベロープに関してビット割当信号を生成するビット割当手段 と、 前記ビット割当信号に応答して当該変換係数を逆量子化し且つ逆量子化された変 換係数からなるブロックを生成する逆量子化手段と、 逆量子化されなかった変換係数に対応する変換係数を生成し且つ生成された変換 係数を前記ブロックへ置換するエネルギー置換手段と、 逆量子化された変換係数および生成される変換係数からなる前記ブロックを前記 変換領域から前記時間領域に変換する逆変換手段とを備える符号化解除装置。 8.前記エネルギー置換手段は、何らのビットも割り当てられなかったのがいず れの変換係数であるかをビット割当信号から決定する決定手段と、 何らのビットも割り当てられなかった変換係数に対応するスペクトルエンベロー プ情報を回収する回収手段と、 前記回収手段により回収されたスペクトルエンベロープ情報のそれぞれの項目に 正または負の符号を与える符号手段と、 前記回収手段により回収されたスペクトルエンベロープ情報のそれぞれの項目の 大きさを係数倍する絶対値手段と、 前記回収手段により回収されたスペクトルエンベロープ情報のそれぞれの項目に 前記符号手段により符号が与えられそして前記絶対値手段により係数倍された後 に、それぞれの項目を逆量子化変換係数からなる前記ブロックへ置換する置換手 段とを備える請求項7の装置。 9.前記符号手段は正および負の符号の分布を包含する符号表を備える請求項8 の装置。 10.前記正および負の符号の分布はスピーチ信号に関連したDCT係数の符号 の統計的な分布を表す請求項9の装置。 11.前記符号手段による前記符号表へのエントリは無作為である請求項10の 装置。 12.前記絶対値手段は無作為変数により前記スペクトルエンベロープを係数倍 する請求項8の装置。 13.前記無作為変数は以下の式 ▲数式、化学式、表等があります▼ から決定される請求項12の装置。 14.x1(n)およびx2(n)の現在値は以下の式▲数式、化学式、表等が あります▼ (19) ▲数式、化学式、表等があります▼ (20) (ここで、INT[y]は、yの整数部分を表す)に従って以前の値X1(n− 1)およびx2(n−1)から生成される請求項13の装置。 15.コード化されたスピーチ信号を符号化解除するための方法において、 かかるコード化されたスピーチ信号は、量子化された変換係数からなる逐次のブ ロックを含み、しかしてこの変換係数は、当該量子化される変換係数のバリアン スを表す線形予測係数を包含するサイド情報およびスペクトルエンベロープ情報 に関係して生成されるビット割当信号に関係して量子化されている前記符号化解 除方法において、 前記線形予測係数に基づいてそれぞれの情報サンプルブロックのスペクトルエン ベロープ情報を生成し、前記スペクトルエンベロープに関してビット割当信号を 生成し、 前記ビット割当信号に応答して当該変換係数を逆量子化しそして逆量子化された 変換係数からなるブロックを生成し、 逆量子化されなかった変換係数に対応する変換係数を生成し、生成された変換係 数を前記ブロックへ置換し、逆量子化された変換係数および生成された変換係数 からなる当該ブロックを前記変換領域から前記時間領域に変換する諸段階を備え る符号化解除方法。 16.変換係数生成段階は、 何らのビットも割り当てられなかったのがいずれの変換係数であるかを前記ビッ ト割当信号から決定し、何らのビットも割り当てられなかった変換係数に対応す るスペクトルエンベロープ情報を回収し、そのように検索されたスペクトルエン ベロープ情報のそれぞれの項目に正または負の符号を与え、そのように検索され たスペクトルエンベロープ情報のそれぞれの項目の大きさを係数倍し、 そのように検索されたスペクトルエンベロープ情報のそれぞれの項目に符号が与 えられそして係数倍された後に、それぞれの項目を逆量子化変換係数からなる前 記ブロックへ置換する諸段階を備える請求項15の方法。 17.前記係数倍する段階は、前記スペクトルエンベロープを無作為変数により 係数倍する段階を備える請求項8の装置。 18.前記無作為変数は以下の式 ▲数式、化学式、表等があります▼ から決定される請求項17の装置。 19.x1(n)およびx2(n)の現在値は以下の式▲数式、化学式、表等が あります▼ (ここで、INT[y]は、yの整数部分を表す)に従って以前の値x1(n− 1)およびx2(n−1)から生成される請求項18の装置。 20.符号を与える段階は、正および員の符号の分布を包含する符号表から符号 を回収する段階を備えており、しかしてこの正および負の符号分布は、スピーチ 信号に関連したDCT係数の符号の統計的な分布を表す請求項16の方法。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US07/339,809 US5042069A (en) | 1989-04-18 | 1989-04-18 | Methods and apparatus for reconstructing non-quantized adaptively transformed voice signals |
| US339,809 | 1989-04-18 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH04506574A true JPH04506574A (ja) | 1992-11-12 |
Family
ID=23330700
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2506203A Pending JPH04506574A (ja) | 1989-04-18 | 1990-04-09 | 量子化されない適応変換ボイス信号を再構成する方法および装置 |
Country Status (7)
| Country | Link |
|---|---|
| US (1) | US5042069A (ja) |
| EP (2) | EP0700032B1 (ja) |
| JP (1) | JPH04506574A (ja) |
| AT (2) | ATE142814T1 (ja) |
| AU (1) | AU5436590A (ja) |
| DE (2) | DE69028525D1 (ja) |
| WO (1) | WO1990013111A1 (ja) |
Families Citing this family (36)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE3902948A1 (de) * | 1989-02-01 | 1990-08-09 | Telefunken Fernseh & Rundfunk | Verfahren zur uebertragung eines signals |
| US5434948A (en) * | 1989-06-15 | 1995-07-18 | British Telecommunications Public Limited Company | Polyphonic coding |
| JP2844695B2 (ja) * | 1989-07-19 | 1999-01-06 | ソニー株式会社 | 信号符号化装置 |
| DE4020656A1 (de) * | 1990-06-29 | 1992-01-02 | Thomson Brandt Gmbh | Verfahren zur uebertragung eines signals |
| US5235671A (en) * | 1990-10-15 | 1993-08-10 | Gte Laboratories Incorporated | Dynamic bit allocation subband excited transform coding method and apparatus |
| US5588089A (en) * | 1990-10-23 | 1996-12-24 | Koninklijke Ptt Nederland N.V. | Bark amplitude component coder for a sampled analog signal and decoder for the coded signal |
| US5687281A (en) * | 1990-10-23 | 1997-11-11 | Koninklijke Ptt Nederland N.V. | Bark amplitude component coder for a sampled analog signal and decoder for the coded signal |
| US5537509A (en) * | 1990-12-06 | 1996-07-16 | Hughes Electronics | Comfort noise generation for digital communication systems |
| WO1992015986A1 (en) * | 1991-03-05 | 1992-09-17 | Picturetel Corporation | Variable bit rate speech encoder |
| US5317672A (en) * | 1991-03-05 | 1994-05-31 | Picturetel Corporation | Variable bit rate speech encoder |
| CA2075156A1 (en) * | 1991-08-02 | 1993-02-03 | Kenzo Akagiri | Digital encoder with dynamic quantization bit allocation |
| DE69232256T2 (de) * | 1991-09-27 | 2002-08-14 | Koninklijke Philips Electronics N.V., Eindhoven | Anordnung zum Liefern von Pulskodemodulationswerten in einem Fernsprechapparat |
| US5630016A (en) * | 1992-05-28 | 1997-05-13 | Hughes Electronics | Comfort noise generation for digital communication systems |
| US5457783A (en) * | 1992-08-07 | 1995-10-10 | Pacific Communication Sciences, Inc. | Adaptive speech coder having code excited linear prediction |
| US5517511A (en) * | 1992-11-30 | 1996-05-14 | Digital Voice Systems, Inc. | Digital transmission of acoustic signals over a noisy communication channel |
| WO1995002240A1 (en) * | 1993-07-07 | 1995-01-19 | Picturetel Corporation | A fixed bit rate speech encoder/decoder |
| US5664057A (en) * | 1993-07-07 | 1997-09-02 | Picturetel Corporation | Fixed bit rate speech encoder/decoder |
| US5463424A (en) * | 1993-08-03 | 1995-10-31 | Dolby Laboratories Licensing Corporation | Multi-channel transmitter/receiver system providing matrix-decoding compatible signals |
| US5684920A (en) * | 1994-03-17 | 1997-11-04 | Nippon Telegraph And Telephone | Acoustic signal transform coding method and decoding method having a high efficiency envelope flattening method therein |
| JP3250376B2 (ja) * | 1994-06-13 | 2002-01-28 | ソニー株式会社 | 情報符号化方法及び装置並びに情報復号化方法及び装置 |
| US5727125A (en) * | 1994-12-05 | 1998-03-10 | Motorola, Inc. | Method and apparatus for synthesis of speech excitation waveforms |
| US5727119A (en) * | 1995-03-27 | 1998-03-10 | Dolby Laboratories Licensing Corporation | Method and apparatus for efficient implementation of single-sideband filter banks providing accurate measures of spectral magnitude and phase |
| WO1996036041A2 (en) * | 1995-05-10 | 1996-11-14 | Philips Electronics N.V. | Transmission system and method for encoding speech with improved pitch detection |
| DE69620967T2 (de) * | 1995-09-19 | 2002-11-07 | At & T Corp., New York | Synthese von Sprachsignalen in Abwesenheit kodierter Parameter |
| US5864802A (en) * | 1995-09-22 | 1999-01-26 | Samsung Electronics Co., Ltd. | Digital audio encoding method utilizing look-up table and device thereof |
| JP3259759B2 (ja) * | 1996-07-22 | 2002-02-25 | 日本電気株式会社 | 音声信号伝送方法及び音声符号復号化システム |
| TW384434B (en) | 1997-03-31 | 2000-03-11 | Sony Corp | Encoding method, device therefor, decoding method, device therefor and recording medium |
| EP1072036B1 (en) * | 1998-04-15 | 2004-09-22 | STMicroelectronics Asia Pacific Pte Ltd. | Fast frame optimisation in an audio encoder |
| JP2000101439A (ja) | 1998-09-24 | 2000-04-07 | Sony Corp | 情報処理装置および方法、情報記録装置および方法、記録媒体、並びに提供媒体 |
| US6505152B1 (en) | 1999-09-03 | 2003-01-07 | Microsoft Corporation | Method and apparatus for using formant models in speech systems |
| US20050091041A1 (en) * | 2003-10-23 | 2005-04-28 | Nokia Corporation | Method and system for speech coding |
| US20050091044A1 (en) * | 2003-10-23 | 2005-04-28 | Nokia Corporation | Method and system for pitch contour quantization in audio coding |
| EP1918909B1 (en) * | 2006-11-03 | 2010-07-07 | Psytechnics Ltd | Sampling error compensation |
| US9466307B1 (en) * | 2007-05-22 | 2016-10-11 | Digimarc Corporation | Robust spectral encoding and decoding methods |
| WO2009010672A2 (fr) * | 2007-07-06 | 2009-01-22 | France Telecom | Limitation de distorsion introduite par un post-traitement au decodage d'un signal numerique |
| CN118433383A (zh) * | 2024-05-09 | 2024-08-02 | 星宸科技股份有限公司 | 图像压缩装置与图像压缩方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4184049A (en) * | 1978-08-25 | 1980-01-15 | Bell Telephone Laboratories, Incorporated | Transform speech signal coding with pitch controlled adaptive quantizing |
| DE3167257D1 (en) * | 1981-02-27 | 1985-01-03 | Ibm | Transmission methods and apparatus for implementing the method |
-
1989
- 1989-04-18 US US07/339,809 patent/US5042069A/en not_active Expired - Lifetime
-
1990
- 1990-04-09 EP EP95202910A patent/EP0700032B1/en not_active Expired - Lifetime
- 1990-04-09 DE DE69028525T patent/DE69028525D1/de not_active Expired - Lifetime
- 1990-04-09 DE DE69033651T patent/DE69033651D1/de not_active Expired - Lifetime
- 1990-04-09 WO PCT/US1990/001905 patent/WO1990013111A1/en not_active Ceased
- 1990-04-09 EP EP90906553A patent/EP0470975B1/en not_active Expired - Lifetime
- 1990-04-09 AU AU54365/90A patent/AU5436590A/en not_active Abandoned
- 1990-04-09 AT AT90906553T patent/ATE142814T1/de not_active IP Right Cessation
- 1990-04-09 JP JP2506203A patent/JPH04506574A/ja active Pending
- 1990-04-09 AT AT95202910T patent/ATE196957T1/de not_active IP Right Cessation
Also Published As
| Publication number | Publication date |
|---|---|
| EP0470975A1 (en) | 1992-02-19 |
| ATE142814T1 (de) | 1996-09-15 |
| EP0700032A2 (en) | 1996-03-06 |
| EP0700032B1 (en) | 2000-10-11 |
| ATE196957T1 (de) | 2000-10-15 |
| EP0470975B1 (en) | 1996-09-11 |
| DE69028525D1 (de) | 1996-10-17 |
| AU5436590A (en) | 1990-11-16 |
| EP0700032A3 (en) | 1997-06-04 |
| EP0470975A4 (en) | 1992-05-06 |
| DE69033651D1 (de) | 2000-11-16 |
| US5042069A (en) | 1991-08-20 |
| WO1990013111A1 (en) | 1990-11-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JPH04506574A (ja) | 量子化されない適応変換ボイス信号を再構成する方法および装置 | |
| JPH04506575A (ja) | 長時間予測子を有する適応変換コード化装置 | |
| US5903866A (en) | Waveform interpolation speech coding using splines | |
| JP4101957B2 (ja) | 音声パラメータの合同量子化 | |
| USRE43099E1 (en) | Speech coder methods and systems | |
| US4704730A (en) | Multi-state speech encoder and decoder | |
| JPH03505929A (ja) | 適応変換コード化の改良 | |
| JPWO2001020595A1 (ja) | 音声符号化及び音声復号化装置 | |
| EP0865029B1 (en) | Efficient decomposition in noise and periodic signal waveforms in waveform interpolation | |
| McAulay et al. | Multirate sinusoidal transform coding at rates from 2.4 kbps to 8 kbps | |
| Jagtap et al. | Speech coding techniques | |
| JP4359949B2 (ja) | 信号符号化装置及び方法、並びに信号復号装置及び方法 | |
| JP4281131B2 (ja) | 信号符号化装置及び方法、並びに信号復号装置及び方法 | |
| US5717819A (en) | Methods and apparatus for encoding/decoding speech signals at low bit rates | |
| JP4618823B2 (ja) | 信号符号化装置及び方法 | |
| Shoham | Low complexity speech coding at 1.2 to 2.4 kbps based on waveform interpolation | |
| Mazor et al. | Adaptive subbands excited transform (ASET) coding | |
| Viswanathan et al. | A harmonic deviations linear prediction vocoder for improved narrowband speech transmission | |
| Kwong et al. | Design and implementation of a parametric speech coder | |
| EP0987680A1 (en) | Audio signal processing | |
| Malah | Efficient spectral matching of the LPC residual signal | |
| Kwong et al. | High quality speech coding based on hybrid CELPC and VELPC techniques | |
| Bachu et al. | A Comparison of LBG and ADPCM Speech Compression Techniques | |
| Malah | Cepstral residual vocoder for improved quality speech transmission at 4.8 kbps | |
| KR20080034817A (ko) | 부호화/복호화 장치 및 방법 |