JPH0516599B2 - - Google Patents
Info
- Publication number
- JPH0516599B2 JPH0516599B2 JP59071927A JP7192784A JPH0516599B2 JP H0516599 B2 JPH0516599 B2 JP H0516599B2 JP 59071927 A JP59071927 A JP 59071927A JP 7192784 A JP7192784 A JP 7192784A JP H0516599 B2 JPH0516599 B2 JP H0516599B2
- Authority
- JP
- Japan
- Prior art keywords
- frame
- pitch
- baseband
- audio
- 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.)
- Expired - Lifetime
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
- G10L19/04—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
- G10L19/08—Determination or coding of the excitation function; Determination or coding of the long-term prediction parameters
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B1/00—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission
- H04B1/66—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission for reducing bandwidth of signals; for improving efficiency of transmission
- H04B1/667—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission for reducing bandwidth of signals; for improving efficiency of transmission using a division in frequency subbands
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
Description
発明の背景および要約
本発明は人間の音声のエンコードおよびデコー
ドに関する。特に、本発明は音声メツセージシス
テムに関する。更に詳しくは、本発明は集積化さ
れた音声／データ通信／記憶システムに関し、こ
こでは当然のこととして高帯域幅（例えば4800ま
たは9600ボー）のデイジタルチヤネルが使用でき
る。 音声メツセージシステムでは、発信機と受信機
は、空間的にまたは時間的に、もしくは、双方に
関し、離れている。即ち、音声メツセージは送信
局でコード化され、エンコードされた音声に対応
するビツトが送信機または送信機の周辺装置に記
憶され、後刻、呼び出されたり、合成音声に再生
される。または、遠隔受信局に送信されて、直ち
にまたは後刻人間の音声に再生される。即ち、本
発明は送信局と受信局が、送信機または受信機が
時間的に、または空間的に、もしくは双方に関し
て離れているといないにかゝわらず、データチヤ
ネルで接続されたシステムに応用される。 典型的な線型予測コーデイング（LPC）ベー
スバンド音声コーデイングシステムを第１図に示
す。本発明はこのようなシステムに対して重要な
修正や改良を教示する。音声入力からLPCスペ
クトルパラメータ（例えば、反射系数kiまたは反
転フイルタ系数ak）が抽出された後、音声入力は
残留誤差信号を生成するためにLPC分析フイル
タでフイルタされる。つまり、通常は、単純化さ
れたLPCモデルは各入力サンプルを励起関送を
用いて、直前の入力サンプルの線型の組合せにす
る。 so＝N 〓i=1 aiso−ｉ＋uo (1) こゝでuoは励起関数である。 数列uoの平均値はおよそ０であるが、時系列uo
は重要な情報を含んでいる。即ち、LPCモデル
は完全なモデルでなく、重要で有用な情報が
LPCパラメータで完全にはモデル化されないの
で、残留信号uo内に残つている。モデル次数は
LPCモデルの完成にある限界を与えるが、どの
有用な音声応用においても、いくらかの情報は
LPCパラメータ内でなく残留信号uo内に残る。 LPCモデルは直感的には人間音声の実際の関
数をモデル化すると考えられる。つまり、人間音
声は、音声系の特性に対応して、パツシブな音響
フイルタに印加された励起関数（喉頭で生成され
たパルス列または無声音声中に生成された白色雑
音）と考えられる。一般に、パツシブ音響フイル
タの特性（即ち、口や胸等の共振や制動特性）は
LPCパラメータでモデル化されるが、励起関数
の特性は一般に残留時系列uo内に現われる。 音声の音素特性は典型的には極めて遅い速さで
変化し、音響周波数領域特性も同様にゆるやかに
変わる。従つて、フレーム率は通常、比較的長期
間に渡つての音声上の音響変化を追跡するように
選択される。例えば、フレーム率は典型的には、
100Hzの近くのいずれかに選択され、音声信号の
音響周波数領域特性は、全てのフレーム幅で、本
質的に一定であるとして取扱われる。これに比べ
て、音声は、測定されるべき音響帯域幅に対応す
るナイキスト率でサンプルされなければならな
い。従つて、典型的サンプリング率は8KHzで、
各フレーム内に80サンプルが得られよう。LPC
モデルの極めて有利なことは、入力時系列が各サ
ンプル毎に変化するのに対して、LPCパラメー
タは各フレーム毎に変化することである。残留列
uoも各サンプル毎に変化するが、これには入力時
系列soよりも少ない情報が含まれていて、通常、
やゝ低下されたデータレートで効果的にモデル化
され得る。 残留時系列uoは大まかには以下の情報を用いて
記述できる：RMSエネルギ、現在のフレームが
有声か無声かを示すための音声ビツト、および、
有声音声期間中のパルス列の間隔を定義するため
のピツチ期間。無声音声期間中には、励起関数は
極めて広い周波数特性を示し、白色雑音として旨
くモデル化される。 サンプルレート入力信号soの全ての特徴はフレ
ーム率パラメータに変えられるので、残留時系列
uoの近似は大変コンパクトになる。しかし、これ
によつて良好なデータ圧縮が可能となる。このこ
とは、全ての音声エンコーデイングシステムにと
つて大いに望ましい。 しかし、この単純な音声エンコードシステムは
音声メツセージシステムには適当でない。音声メ
ツセージシステムでは、多くの応用は音声品質に
極めて敏感である。例えば、多年に渡つて文献で
多く指摘されたように、オフイス環境に音声メー
ルシステムを導入することは、ホワイトカラーの
生産性を多いに改善するであろう。しかし、音声
メツセージの使用者側の受入れとしては、その品
質に大変敏感である。これは、どのビジネスマン
も自分のメツセージを受ける人にとつて自分の声
が奇妙に響くようなシステムを通常使用するとは
思われないからである。従来技術のシステムはこ
の品質要求を満足する点で多くの困難があつた。
他のデイレンマとしては、以下の２要素を満足す
る必要からくる経済性である：プロセツサ負荷と
データ効率。音声エンコーデイングが通常のオフ
イス内のマイクロコンピユータベースシステムで
行われれば、エンコードとデコードのためのプロ
セツサロードは十分に低くなる。同様に、音声メ
ツセージが簡単に記憶され、送信されるならば、
そのデータ効率（キロバイトの音声に要する時間
（秒数））は高くなるにちがいない。 従つて本発明の目的は再生された音声の品質が
高い音声メツセージシステムを提供することであ
る。 更に、本発明の他の目的はプロセツサ負荷が低
い音声メツセージシステムを提供することであ
る。 本発明の別の目的は、音声品質が高くプロセツ
サ負荷が低い音声メツセージシステムを提供する
ことである。 更に本発明の他の目的はデータ効率の高い音声
メツセージシステムを提供することである。 本発明の別の目的は、データ効率が高く、生成
される音声の品質が大変よい音声メツセージシス
テムを提供することである。 本発明の他の目的は、プロセツサロードが低
く、データ効率が高く、再生された音声の品質が
極めてよい音声メツセージシステムを提供するこ
とである。 高品質の達成には、単にピツチと、エネルギ
と、音声（ボイシング）よりも多くの情報を残留
時系列uoから得る必要がある。残留時系列uoのフ
ーリエ変換は大変適切である。しかし、これは必
要以上に多くの情報を提供する。従来技術では、
良品質音声は、残留信号uoの全帯域幅の一部のみ
をエンコードし、この部分帯域信号（ベースバン
ドとして知られている）を受信機で全帯域幅の励
起信号を与えるため、伸長することで再生できる
ことが判明している。ベースバンドコード法では
残留信号uoは、そのFFT（フアストフーリエ変
換）をとることにより周波数領域に変換される。
ベースバンドと呼ばれる、FFTの低周波数のい
くつかのサンプルが選択される。このベースバン
ド情報は、エンコードされピツチ、利得、ボイシ
ング、およびLPCパラメータと共に受信機に送
出される。受信機には残留周波数スペクトルの小
部分のみが送信されるので、受信機は先ず、適当
な近似によつて全帯域残留信号を作成しなければ
ならない。この近似残留信号uoは次にLPC合成フ
イルタ用の励起関数として使用できる。受信機で
の励起信号内の存在しない高い周波数の生成処理
は、通常、高周波再生成と称されている。 高周波再生成にはいくつかの技術がある。最も
簡単なものとしてはベースバンドを高周波バンド
にコピーすることである。即ち、例えば、1000Hz
ベースバンドを使用すると、ベースバンド内の各
単一周波数kは受信機で励起信号を再生成するた
め、周波数k＋1000，k＋200等で同一信号強度
を提供するようにコピーされる。本発明は、ベー
スバンド音声コーデイングでの高周波再生成のこ
のようなコピー方法での改良を提供するものであ
る。 以下の文献を参考として挙げておく。 Vishwanathan et al，“Design of ａ
Robust Baseband LPC Code for Speech
Transmission Over ａ 9.6 Kb／sec Noisy
Channel，”IEEE Transactions on
Communications，vol.30，page 663（1982）お
よびKang et al，“Multirate Processor，”
Naval Research Laboratory Report，
September 1978. 従来技術の高周波再生成処理は、合成音声内に
望ましくない特性をもたらす。低周波数での利用
可能な高調波がコピーされ元来、励起において存
在したより高い高調波に代替した場合に、変換さ
れた高調波は基本ピツチ周波数の整数倍に置かれ
るとは限らない。更に、コピーされたバンド間に
はフエーズオフセツトエラー（phase offset
error）があるのが普通である。これによつて、
再生成された高周波残留部とベースバンド残留部
内の強い周波数間には不適当な倍音上の関係が生
ずる。通常、ピツチ不一致（pitch
incongruence）またはハーモニツクオフセツト
と呼ばれるこの効果は、処理中の音声メツセージ
に重ねられた、望ましくないパツクグラウンドピ
ツチとして感知される。この効果は高いピツチの
話者には最も顕著である。しかし、オフイス用品
質の音声メツセージシステムでは、この効果は受
入れられない。 従つて、本発明の目的はピツチ不一致のないベ
ースバンド音声エンコードおよびデコードを実行
できる装置を提供することである。 本発明の他の目的は、ピツチ不一致なしに高品
質音声を再生でき、残留信号のエンコードに最小
の帯域幅のみを必要とする音声コーデイングシス
テムを提供することである。 更に本発明の目的は、ピツチ不一致のない経済
的な音声コーデイングシステムを提供することで
ある。 本発明は可変帯域幅のベースバンドコーデイン
グシステムを教示する。入力音声の各フレーム
で、LPCパラメータの他に、入力音声のピツチ
の近似が得られる。このピツチ情報を用いて、各
フレームに対するベースバンドの実際の幅が、基
本ピツチ周波数の整数倍を含む幅（規格ベースバ
ンド幅に出来るだけ近く）なるように決定され
る。 更に、ベースバンドの下端（最初に送出される
FFTサンプル）は、基本ピツチに最も近いFFT
サンプルとして選択される。これによつて、サブ
ハーモニツクピツチ、スプリアスピツチ、および
低周波広帯域雑音は、コピー処理に不都合な影響
を与えることができなくなる。 本発明は音声信号のピツチを追跡することを必
要とする。これは、下記の説明の如く、種々の方
法で行うことができる。 本発明によれば、以下の装置が提供される。す
なわち、 入力音声信号をエンコードするための入力音声
信号エンコード装置は、 前記入力音声信号からLPCパラメータと対応
する残留信号を抽出する線型予測コーデイング
（LPC）分析フイルタと、 前記音声信号からピツチ周波数を抽出する前記
ピツチエステイメータと、 前記ピツチ周波数の整数倍になつているベース
バンドを超えるような前記残留信号内の周波数を
除くため前記残留信号をフイルタするための装置
と、 前記LPCパラメータと、前記フイルタされた
残留信号とに対応する情報をエンコードするエン
コーダとを備えたことを特徴とする前記入力音声
信号エンコード装置。 発明の実施態様 本発明を、その実施例を参照して説明する。し
かしながら当業者には当然なように、本発明は多
様な修正や変形においても実施できる。本発明は
ベースバンド音声コーデイングで、可変幅のベー
スバンドの使用を教示する最初のものと考えら
れ、それ故、以下に記述する特定項目に限定され
る方法のみならず、全てのベースバンド音声コー
デイングに応用可能である。 本発明による音声エンコードシステムの一般的
構成を第４図に示す。即ち、音声入力（マイク１
０、プリアンプ１２、およびコンバータ１４か
ら）は一組のLPCパラメータ１８を提供するた
めLPC分析フイルタ１６で処理される。この
LPCパラメータ１８は当業者には周知のように、
反射係数kiまたは他の等価な一組のパラメータで
よい。LPCパラメータ１８は、エンコーダ２０
で直ちにエンコードされ、エンコードされたパラ
メータ２２は、チヤネル２４を通して記憶される
か送信されるエンコード済音声信号の一部とな
る。望ましい実施例では、LPCパラメータは、
エンコード後直ちに送信機でデコードされ、これ
らのデコードされたパラメータはLPCフイルタ
を実現するために使用される。続いて、該入力
は、残留信号２６を得るため最構成されたLPC
フイルタで処理される。 即ち、望ましい実施例では、LPC残留信号２
６は、エンコードおよびデコードされたLPCパ
ラメータを基にLPCフイルタを用いて得られる。
このことは厳密には必要というのでなく（つま
り、残留信号２６は当初得られたパラメータ値か
らも単純に得られるが）、望ましいのである。こ
れは、受信機が実際に受信するエンコード後のパ
ラメータ２２内に含まれるコーデイング雑音が残
留信号２６内で補償され得るからである。 次に、残留信号２６は、デイスクリートなフー
リエ変換２８の入力として用いられる。この変換
２８は、フルバンド周波数サンプル３０を得るた
め当然なことに、FFTが望ましい。 本発明の望ましい実施例では、入力音声は、16
ビツトの精度で、8kHzでサンプルされる。LPC
モデルは、フレーム周期16msとウインドー長
30msの、次数10に選択される。勿論、本実施例
のこれらの特定な項目は大きく変化させることが
可能である。例えば、当業者に公知のように、よ
り低いまたはより高い次数のLPCモデル化が可
能であるし、フレーム周期、ウインドー長、およ
びサンプルレートは全て、極めて広い範囲に変化
できる。 これらのサンプルおよびモデル技術を用いて、
音声の各フレームは120サンプルを含む。従つて
128点を有するFFTを各フレーム周期毎に計算す
るのが望ましい。このことは隣接フレーム間に８
点の重複があることを意味するので、第５図に示
すように、望ましくは、台形のウインドーが、隣
接フレーム間にスムーズなウインドーの重なりを
与えるために使用される。従つて、このステツプ
の結果、0kHzから8kHzまでの128個の周波数領域
サンプル点の各々に、強度と位相を得る。 続いて、エステイメータ３２が、ピツチ（およ
びボイシング）データ３３（従来、無声フレーム
は零ピツチを有するものとして示される）を検出
するために使用される。ピツチ周波数より低い周
波数サンプルは捨てられる（ステツプ36）。 次に、ベースバンド周波数を超える周波数に対
応するFFT出力の全てのサンプルは捨てられる
（ステツプ38）。ベースバンド周波数は入力のピツ
チに従つて決定される。 残留信号は、実際、ベースバンドを超える残留
信号内の周波数を除くためにフイルタされる。望
ましい実施例では、これは周波数領域で行われる
が、絶対に必要というのではない。受信機内で実
行されねばならないコピー処理は望ましくは周波
数領域で行われるので、残留信号を周波数領域で
フイルタするのが望ましい。望ましい実施例で
は、送信機内および受信機内において、各フレー
ム毎に１回のFFT動作を必要とし、これによつ
て、処理負荷を等しくし、全処理負荷を減じてい
る。 第４図に示すように、ボイシング（voicing）
およびピツチ決定（ステツプ32）のため、およ
び、ピツチパラメータｐ（無声音声を示すため任
意に０にセツトできる）を作成するためにも入力
音声が使用される。望ましい実施例では、ピツチ
抽出は、Gold−Rabinerピツチ追跡で行われる
が、当業者に周知のいかなるピツチ抽出技術を代
替として用いてもよい。Gold−Rabinerピツチ追
跡は、ここで参考文献として挙げるAcoustrical
Soc.of America，vol.46，pp 442−448（1969）
におけるGoldおよびRabinerによる“Parallel
Processing Techniques for Transmitting
Pitch Periods of Speech in the Time
Domain”に記載されたように実行される。 別の参考文献としてはRabinerおよびGoldによ
る“Theory and Application of Digital
Signal Processing（1975）、があるので、特にそ
の12，11章を参照願い度い。 また、ピツチ追跡およびボイシング決定は、
1983年４月13日に出願された米国特許出願第
484718号に記載されたようにも実行できる。 入力音声が無声であると、ベースバンド幅は、
望ましい実施例では1000Hzとした（広範囲で修正
可）規格ベースバンド値に、セツトされるだけで
ある（ステツプ40）。 零でないピツチが検出されれば、ピツチｐに関
して一致するようにベースバンドＷ（参照番号42）
が決定される。望ましい実施例では、ベースバン
ド幅は、規格ベースバンド幅に最も近いピツチｐ
の整数倍に等しいように選択される。即ち、例え
ば、望ましい実施例では、ベースバンド幅は1000
Hzであつて、こゝで、入力音声のフレームのピツ
チが220Hzであれば、規格ベースバンド周波数に
関するこの周波数の整数倍で最も近い値は1100Hz
となり、従つて、このフレームに対しては、ベー
スバンド幅として1100Hzが選択される。つまり、
ベースバンド幅はＷ＝np、即ちピツチｐの整数
値に選ばれるので、ベースバンドが受信機でコピ
ーされると、ベースピツチとベースピツチの高調
波がベースピツチの高次高調波に重ねてコピーさ
れkp＋Ｗ＝（ｋ＋ｎ）ｐとなる。この例で、局所
フレームのピツチが220Hzでなく225Hzであれば、
規格ベースバンド周波数の整数倍に最も近い周波
数は900Hzであり、幅Ｗは900Hzにセツトされる。 このステツプも広範囲で修正、変化させること
ができることに留意され度い。例えば、ベースバ
ンド幅は入力音声のピツチと一致すべきだが、上
述の如く、所与の（規格）ベースバンド幅に最も
近い一致したピツチであるように、選択される必
要はない。例えば、可変ベースバンド幅を、簡単
に、規格幅の次の大きい、または、最大規格幅の
次に小さい一致した幅として定義することもでき
る。 更にステツプ36は、零でないピツチ周波数検出
時に使用され、ｐ未満の周波数を有する全ての周
波数サンプルを除く。このステツプは本発明には
必要でないが、低周波雑音（１／ｆ雑音等）およ
びスプリアスピツチやサブハーモニツクピツチを
防ぐのに役立つので望ましい。この場合、ベース
バンドの高周波数はＷに等しくないことが望まし
いが、Ｗ＋ｐであることがよい（ステツプ38）。
しかし、コピーする周波数のハーモニツクの関係
がピツチに関して保存されている限りにおいて重
要ではない。 ベースバンド幅Ｗが定められると、ベースバン
ド内にある周波数サンプル４４のみが送出され
る。即ち、送出される第一周波数サンプルはピツ
チｐに最も近い周波数であることが望ましく、最
終周波数サンプルはｐとベースバンド幅Ｗを加え
た値に最も近いものであることが望ましく、更
に、これらの２個の周波数サンプル間の範囲外の
周波数サンプルは送出されない。 この範囲、ｐとＷの間の全ての周波数を送出す
ることは厳密には必要ではない。即ち、周波数サ
ンプルの強度がある最小値よりも高い該範囲内の
周波数の部分集合のみを送信するため、更にバン
ド幅を圧縮することが望ましい。この周波数の部
分集合（ノイズフロアを任意に加えてもよい）
は、逆FFT４６の入力として使用される。これ
は品質をやゝ低下させるが、コーデイング効率を
大いに上げる。 送出されるべき周波数サンプルをエンコードす
るには、ベースバンドFFTサンプル４４は望ま
しくは極座標に変換される。更に、ベースバンド
サンプルの強度は、ベースバンド周波数サンプル
の強度をエンコードするのに必要な動的範囲に圧
縮するため、全ベースバンド（ステツプ52で検
出）のRMSエネルギ値50を用いて規格化される
のが望ましい（ステツプ48）。従つてエンコード
されたパラメータの全集合は、LPCパラメータ
２２、ボイシングおよびピツチｐ５４、ベースバ
ンドのRMSエネルギ５６、およびベースバンド
範囲内の各周波数サンプルの規格化された強度と
位相を含んでいる。 当然ながら、等化な情報がエンコードされてい
る限り、これらのパラメータ通りにエンコードす
る必要はない。即ち、例えば、ベースバンド内の
周波数サンプルを、ピツチｐ、従つてベースバン
ド幅Ｗが、ベースバンド内の周波数の個数で示さ
れるようにエンコードすることもオプシヨンとし
て可能である。 このシステムのデコードステージは、デコード
されたベースバンド６１1をより高いバンドまで
コピーすることによつて、フルバンド残留信号の
近似を再構成する。即ち、受信機が受信したエン
コードされたパラメータの集合から、上記のよう
に（ステツプ64で）ピツチｐ３３1がベースバン
ド幅Ｗ４２1を一意的に定める。 次に送出されたベースバンド内の周波数サンプ
ルがデコードされ、ベースバンドの間隔でコピー
される（ステツプ66）。即ち、ベースバンド内の
各周波数kは、所望のフルバンド幅（通常4kHz）
まで、追加の周波数Ｗ＋k，2W＋k等上にマツ
プされる。コピーされた周波数の強度は元の周波
数の強度に等しくとることもできるし、または、
高い周波数に対して強度を線型にまたは指数的に
上げることも（rolled off）できる。つまり、次
式で示される時間領域内で示したベースバンド周
波成分 Akexp（ｉ（kｔ＋k）） (2) は、以下の強度の高調波にコピーされ得る。 Akexp（ｉ（（k＋nW）ｔ＋k））または Ak／Rnexp（ｉ（（k＋nW）ｔ＋k）） (3) これらの全ての実施例は、本発明の範囲内のも
のである。 本発明のシステムの合成部分に実行できる他の
変更は、コピーされた周波数に対する位相変更で
ある。即ち、コピーされた周波数の位相を、例え
ば、線型相シフト定数Ｃに従つて変更することも
望ましいであろう。こうすると、ベースバンド周
波数は次式のように位相シフトされたハーモニツ
ク周波数にコピーされる。 Akexp（ｉ（（k＋nW）ｔ＋k＋nCW）） (4) これらの変更は、望ましい実施例の範囲ではな
いが、オプシヨンであり、本発明の範囲ではあ
る。 最も効果的なエンコーデイングのために、送信
される異つたパラメータに対して、種々のコーデ
イング技術を使用できることに留意願い度い。望
ましい実施例では以下のエンコーデイングを使用
している。
ドに関する。特に、本発明は音声メツセージシス
テムに関する。更に詳しくは、本発明は集積化さ
れた音声／データ通信／記憶システムに関し、こ
こでは当然のこととして高帯域幅（例えば4800ま
たは9600ボー）のデイジタルチヤネルが使用でき
る。 音声メツセージシステムでは、発信機と受信機
は、空間的にまたは時間的に、もしくは、双方に
関し、離れている。即ち、音声メツセージは送信
局でコード化され、エンコードされた音声に対応
するビツトが送信機または送信機の周辺装置に記
憶され、後刻、呼び出されたり、合成音声に再生
される。または、遠隔受信局に送信されて、直ち
にまたは後刻人間の音声に再生される。即ち、本
発明は送信局と受信局が、送信機または受信機が
時間的に、または空間的に、もしくは双方に関し
て離れているといないにかゝわらず、データチヤ
ネルで接続されたシステムに応用される。 典型的な線型予測コーデイング（LPC）ベー
スバンド音声コーデイングシステムを第１図に示
す。本発明はこのようなシステムに対して重要な
修正や改良を教示する。音声入力からLPCスペ
クトルパラメータ（例えば、反射系数kiまたは反
転フイルタ系数ak）が抽出された後、音声入力は
残留誤差信号を生成するためにLPC分析フイル
タでフイルタされる。つまり、通常は、単純化さ
れたLPCモデルは各入力サンプルを励起関送を
用いて、直前の入力サンプルの線型の組合せにす
る。 so＝N 〓i=1 aiso−ｉ＋uo (1) こゝでuoは励起関数である。 数列uoの平均値はおよそ０であるが、時系列uo
は重要な情報を含んでいる。即ち、LPCモデル
は完全なモデルでなく、重要で有用な情報が
LPCパラメータで完全にはモデル化されないの
で、残留信号uo内に残つている。モデル次数は
LPCモデルの完成にある限界を与えるが、どの
有用な音声応用においても、いくらかの情報は
LPCパラメータ内でなく残留信号uo内に残る。 LPCモデルは直感的には人間音声の実際の関
数をモデル化すると考えられる。つまり、人間音
声は、音声系の特性に対応して、パツシブな音響
フイルタに印加された励起関数（喉頭で生成され
たパルス列または無声音声中に生成された白色雑
音）と考えられる。一般に、パツシブ音響フイル
タの特性（即ち、口や胸等の共振や制動特性）は
LPCパラメータでモデル化されるが、励起関数
の特性は一般に残留時系列uo内に現われる。 音声の音素特性は典型的には極めて遅い速さで
変化し、音響周波数領域特性も同様にゆるやかに
変わる。従つて、フレーム率は通常、比較的長期
間に渡つての音声上の音響変化を追跡するように
選択される。例えば、フレーム率は典型的には、
100Hzの近くのいずれかに選択され、音声信号の
音響周波数領域特性は、全てのフレーム幅で、本
質的に一定であるとして取扱われる。これに比べ
て、音声は、測定されるべき音響帯域幅に対応す
るナイキスト率でサンプルされなければならな
い。従つて、典型的サンプリング率は8KHzで、
各フレーム内に80サンプルが得られよう。LPC
モデルの極めて有利なことは、入力時系列が各サ
ンプル毎に変化するのに対して、LPCパラメー
タは各フレーム毎に変化することである。残留列
uoも各サンプル毎に変化するが、これには入力時
系列soよりも少ない情報が含まれていて、通常、
やゝ低下されたデータレートで効果的にモデル化
され得る。 残留時系列uoは大まかには以下の情報を用いて
記述できる：RMSエネルギ、現在のフレームが
有声か無声かを示すための音声ビツト、および、
有声音声期間中のパルス列の間隔を定義するため
のピツチ期間。無声音声期間中には、励起関数は
極めて広い周波数特性を示し、白色雑音として旨
くモデル化される。 サンプルレート入力信号soの全ての特徴はフレ
ーム率パラメータに変えられるので、残留時系列
uoの近似は大変コンパクトになる。しかし、これ
によつて良好なデータ圧縮が可能となる。このこ
とは、全ての音声エンコーデイングシステムにと
つて大いに望ましい。 しかし、この単純な音声エンコードシステムは
音声メツセージシステムには適当でない。音声メ
ツセージシステムでは、多くの応用は音声品質に
極めて敏感である。例えば、多年に渡つて文献で
多く指摘されたように、オフイス環境に音声メー
ルシステムを導入することは、ホワイトカラーの
生産性を多いに改善するであろう。しかし、音声
メツセージの使用者側の受入れとしては、その品
質に大変敏感である。これは、どのビジネスマン
も自分のメツセージを受ける人にとつて自分の声
が奇妙に響くようなシステムを通常使用するとは
思われないからである。従来技術のシステムはこ
の品質要求を満足する点で多くの困難があつた。
他のデイレンマとしては、以下の２要素を満足す
る必要からくる経済性である：プロセツサ負荷と
データ効率。音声エンコーデイングが通常のオフ
イス内のマイクロコンピユータベースシステムで
行われれば、エンコードとデコードのためのプロ
セツサロードは十分に低くなる。同様に、音声メ
ツセージが簡単に記憶され、送信されるならば、
そのデータ効率（キロバイトの音声に要する時間
（秒数））は高くなるにちがいない。 従つて本発明の目的は再生された音声の品質が
高い音声メツセージシステムを提供することであ
る。 更に、本発明の他の目的はプロセツサ負荷が低
い音声メツセージシステムを提供することであ
る。 本発明の別の目的は、音声品質が高くプロセツ
サ負荷が低い音声メツセージシステムを提供する
ことである。 更に本発明の他の目的はデータ効率の高い音声
メツセージシステムを提供することである。 本発明の別の目的は、データ効率が高く、生成
される音声の品質が大変よい音声メツセージシス
テムを提供することである。 本発明の他の目的は、プロセツサロードが低
く、データ効率が高く、再生された音声の品質が
極めてよい音声メツセージシステムを提供するこ
とである。 高品質の達成には、単にピツチと、エネルギ
と、音声（ボイシング）よりも多くの情報を残留
時系列uoから得る必要がある。残留時系列uoのフ
ーリエ変換は大変適切である。しかし、これは必
要以上に多くの情報を提供する。従来技術では、
良品質音声は、残留信号uoの全帯域幅の一部のみ
をエンコードし、この部分帯域信号（ベースバン
ドとして知られている）を受信機で全帯域幅の励
起信号を与えるため、伸長することで再生できる
ことが判明している。ベースバンドコード法では
残留信号uoは、そのFFT（フアストフーリエ変
換）をとることにより周波数領域に変換される。
ベースバンドと呼ばれる、FFTの低周波数のい
くつかのサンプルが選択される。このベースバン
ド情報は、エンコードされピツチ、利得、ボイシ
ング、およびLPCパラメータと共に受信機に送
出される。受信機には残留周波数スペクトルの小
部分のみが送信されるので、受信機は先ず、適当
な近似によつて全帯域残留信号を作成しなければ
ならない。この近似残留信号uoは次にLPC合成フ
イルタ用の励起関数として使用できる。受信機で
の励起信号内の存在しない高い周波数の生成処理
は、通常、高周波再生成と称されている。 高周波再生成にはいくつかの技術がある。最も
簡単なものとしてはベースバンドを高周波バンド
にコピーすることである。即ち、例えば、1000Hz
ベースバンドを使用すると、ベースバンド内の各
単一周波数kは受信機で励起信号を再生成するた
め、周波数k＋1000，k＋200等で同一信号強度
を提供するようにコピーされる。本発明は、ベー
スバンド音声コーデイングでの高周波再生成のこ
のようなコピー方法での改良を提供するものであ
る。 以下の文献を参考として挙げておく。 Vishwanathan et al，“Design of ａ
Robust Baseband LPC Code for Speech
Transmission Over ａ 9.6 Kb／sec Noisy
Channel，”IEEE Transactions on
Communications，vol.30，page 663（1982）お
よびKang et al，“Multirate Processor，”
Naval Research Laboratory Report，
September 1978. 従来技術の高周波再生成処理は、合成音声内に
望ましくない特性をもたらす。低周波数での利用
可能な高調波がコピーされ元来、励起において存
在したより高い高調波に代替した場合に、変換さ
れた高調波は基本ピツチ周波数の整数倍に置かれ
るとは限らない。更に、コピーされたバンド間に
はフエーズオフセツトエラー（phase offset
error）があるのが普通である。これによつて、
再生成された高周波残留部とベースバンド残留部
内の強い周波数間には不適当な倍音上の関係が生
ずる。通常、ピツチ不一致（pitch
incongruence）またはハーモニツクオフセツト
と呼ばれるこの効果は、処理中の音声メツセージ
に重ねられた、望ましくないパツクグラウンドピ
ツチとして感知される。この効果は高いピツチの
話者には最も顕著である。しかし、オフイス用品
質の音声メツセージシステムでは、この効果は受
入れられない。 従つて、本発明の目的はピツチ不一致のないベ
ースバンド音声エンコードおよびデコードを実行
できる装置を提供することである。 本発明の他の目的は、ピツチ不一致なしに高品
質音声を再生でき、残留信号のエンコードに最小
の帯域幅のみを必要とする音声コーデイングシス
テムを提供することである。 更に本発明の目的は、ピツチ不一致のない経済
的な音声コーデイングシステムを提供することで
ある。 本発明は可変帯域幅のベースバンドコーデイン
グシステムを教示する。入力音声の各フレーム
で、LPCパラメータの他に、入力音声のピツチ
の近似が得られる。このピツチ情報を用いて、各
フレームに対するベースバンドの実際の幅が、基
本ピツチ周波数の整数倍を含む幅（規格ベースバ
ンド幅に出来るだけ近く）なるように決定され
る。 更に、ベースバンドの下端（最初に送出される
FFTサンプル）は、基本ピツチに最も近いFFT
サンプルとして選択される。これによつて、サブ
ハーモニツクピツチ、スプリアスピツチ、および
低周波広帯域雑音は、コピー処理に不都合な影響
を与えることができなくなる。 本発明は音声信号のピツチを追跡することを必
要とする。これは、下記の説明の如く、種々の方
法で行うことができる。 本発明によれば、以下の装置が提供される。す
なわち、 入力音声信号をエンコードするための入力音声
信号エンコード装置は、 前記入力音声信号からLPCパラメータと対応
する残留信号を抽出する線型予測コーデイング
（LPC）分析フイルタと、 前記音声信号からピツチ周波数を抽出する前記
ピツチエステイメータと、 前記ピツチ周波数の整数倍になつているベース
バンドを超えるような前記残留信号内の周波数を
除くため前記残留信号をフイルタするための装置
と、 前記LPCパラメータと、前記フイルタされた
残留信号とに対応する情報をエンコードするエン
コーダとを備えたことを特徴とする前記入力音声
信号エンコード装置。 発明の実施態様 本発明を、その実施例を参照して説明する。し
かしながら当業者には当然なように、本発明は多
様な修正や変形においても実施できる。本発明は
ベースバンド音声コーデイングで、可変幅のベー
スバンドの使用を教示する最初のものと考えら
れ、それ故、以下に記述する特定項目に限定され
る方法のみならず、全てのベースバンド音声コー
デイングに応用可能である。 本発明による音声エンコードシステムの一般的
構成を第４図に示す。即ち、音声入力（マイク１
０、プリアンプ１２、およびコンバータ１４か
ら）は一組のLPCパラメータ１８を提供するた
めLPC分析フイルタ１６で処理される。この
LPCパラメータ１８は当業者には周知のように、
反射係数kiまたは他の等価な一組のパラメータで
よい。LPCパラメータ１８は、エンコーダ２０
で直ちにエンコードされ、エンコードされたパラ
メータ２２は、チヤネル２４を通して記憶される
か送信されるエンコード済音声信号の一部とな
る。望ましい実施例では、LPCパラメータは、
エンコード後直ちに送信機でデコードされ、これ
らのデコードされたパラメータはLPCフイルタ
を実現するために使用される。続いて、該入力
は、残留信号２６を得るため最構成されたLPC
フイルタで処理される。 即ち、望ましい実施例では、LPC残留信号２
６は、エンコードおよびデコードされたLPCパ
ラメータを基にLPCフイルタを用いて得られる。
このことは厳密には必要というのでなく（つま
り、残留信号２６は当初得られたパラメータ値か
らも単純に得られるが）、望ましいのである。こ
れは、受信機が実際に受信するエンコード後のパ
ラメータ２２内に含まれるコーデイング雑音が残
留信号２６内で補償され得るからである。 次に、残留信号２６は、デイスクリートなフー
リエ変換２８の入力として用いられる。この変換
２８は、フルバンド周波数サンプル３０を得るた
め当然なことに、FFTが望ましい。 本発明の望ましい実施例では、入力音声は、16
ビツトの精度で、8kHzでサンプルされる。LPC
モデルは、フレーム周期16msとウインドー長
30msの、次数10に選択される。勿論、本実施例
のこれらの特定な項目は大きく変化させることが
可能である。例えば、当業者に公知のように、よ
り低いまたはより高い次数のLPCモデル化が可
能であるし、フレーム周期、ウインドー長、およ
びサンプルレートは全て、極めて広い範囲に変化
できる。 これらのサンプルおよびモデル技術を用いて、
音声の各フレームは120サンプルを含む。従つて
128点を有するFFTを各フレーム周期毎に計算す
るのが望ましい。このことは隣接フレーム間に８
点の重複があることを意味するので、第５図に示
すように、望ましくは、台形のウインドーが、隣
接フレーム間にスムーズなウインドーの重なりを
与えるために使用される。従つて、このステツプ
の結果、0kHzから8kHzまでの128個の周波数領域
サンプル点の各々に、強度と位相を得る。 続いて、エステイメータ３２が、ピツチ（およ
びボイシング）データ３３（従来、無声フレーム
は零ピツチを有するものとして示される）を検出
するために使用される。ピツチ周波数より低い周
波数サンプルは捨てられる（ステツプ36）。 次に、ベースバンド周波数を超える周波数に対
応するFFT出力の全てのサンプルは捨てられる
（ステツプ38）。ベースバンド周波数は入力のピツ
チに従つて決定される。 残留信号は、実際、ベースバンドを超える残留
信号内の周波数を除くためにフイルタされる。望
ましい実施例では、これは周波数領域で行われる
が、絶対に必要というのではない。受信機内で実
行されねばならないコピー処理は望ましくは周波
数領域で行われるので、残留信号を周波数領域で
フイルタするのが望ましい。望ましい実施例で
は、送信機内および受信機内において、各フレー
ム毎に１回のFFT動作を必要とし、これによつ
て、処理負荷を等しくし、全処理負荷を減じてい
る。 第４図に示すように、ボイシング（voicing）
およびピツチ決定（ステツプ32）のため、およ
び、ピツチパラメータｐ（無声音声を示すため任
意に０にセツトできる）を作成するためにも入力
音声が使用される。望ましい実施例では、ピツチ
抽出は、Gold−Rabinerピツチ追跡で行われる
が、当業者に周知のいかなるピツチ抽出技術を代
替として用いてもよい。Gold−Rabinerピツチ追
跡は、ここで参考文献として挙げるAcoustrical
Soc.of America，vol.46，pp 442−448（1969）
におけるGoldおよびRabinerによる“Parallel
Processing Techniques for Transmitting
Pitch Periods of Speech in the Time
Domain”に記載されたように実行される。 別の参考文献としてはRabinerおよびGoldによ
る“Theory and Application of Digital
Signal Processing（1975）、があるので、特にそ
の12，11章を参照願い度い。 また、ピツチ追跡およびボイシング決定は、
1983年４月13日に出願された米国特許出願第
484718号に記載されたようにも実行できる。 入力音声が無声であると、ベースバンド幅は、
望ましい実施例では1000Hzとした（広範囲で修正
可）規格ベースバンド値に、セツトされるだけで
ある（ステツプ40）。 零でないピツチが検出されれば、ピツチｐに関
して一致するようにベースバンドＷ（参照番号42）
が決定される。望ましい実施例では、ベースバン
ド幅は、規格ベースバンド幅に最も近いピツチｐ
の整数倍に等しいように選択される。即ち、例え
ば、望ましい実施例では、ベースバンド幅は1000
Hzであつて、こゝで、入力音声のフレームのピツ
チが220Hzであれば、規格ベースバンド周波数に
関するこの周波数の整数倍で最も近い値は1100Hz
となり、従つて、このフレームに対しては、ベー
スバンド幅として1100Hzが選択される。つまり、
ベースバンド幅はＷ＝np、即ちピツチｐの整数
値に選ばれるので、ベースバンドが受信機でコピ
ーされると、ベースピツチとベースピツチの高調
波がベースピツチの高次高調波に重ねてコピーさ
れkp＋Ｗ＝（ｋ＋ｎ）ｐとなる。この例で、局所
フレームのピツチが220Hzでなく225Hzであれば、
規格ベースバンド周波数の整数倍に最も近い周波
数は900Hzであり、幅Ｗは900Hzにセツトされる。 このステツプも広範囲で修正、変化させること
ができることに留意され度い。例えば、ベースバ
ンド幅は入力音声のピツチと一致すべきだが、上
述の如く、所与の（規格）ベースバンド幅に最も
近い一致したピツチであるように、選択される必
要はない。例えば、可変ベースバンド幅を、簡単
に、規格幅の次の大きい、または、最大規格幅の
次に小さい一致した幅として定義することもでき
る。 更にステツプ36は、零でないピツチ周波数検出
時に使用され、ｐ未満の周波数を有する全ての周
波数サンプルを除く。このステツプは本発明には
必要でないが、低周波雑音（１／ｆ雑音等）およ
びスプリアスピツチやサブハーモニツクピツチを
防ぐのに役立つので望ましい。この場合、ベース
バンドの高周波数はＷに等しくないことが望まし
いが、Ｗ＋ｐであることがよい（ステツプ38）。
しかし、コピーする周波数のハーモニツクの関係
がピツチに関して保存されている限りにおいて重
要ではない。 ベースバンド幅Ｗが定められると、ベースバン
ド内にある周波数サンプル４４のみが送出され
る。即ち、送出される第一周波数サンプルはピツ
チｐに最も近い周波数であることが望ましく、最
終周波数サンプルはｐとベースバンド幅Ｗを加え
た値に最も近いものであることが望ましく、更
に、これらの２個の周波数サンプル間の範囲外の
周波数サンプルは送出されない。 この範囲、ｐとＷの間の全ての周波数を送出す
ることは厳密には必要ではない。即ち、周波数サ
ンプルの強度がある最小値よりも高い該範囲内の
周波数の部分集合のみを送信するため、更にバン
ド幅を圧縮することが望ましい。この周波数の部
分集合（ノイズフロアを任意に加えてもよい）
は、逆FFT４６の入力として使用される。これ
は品質をやゝ低下させるが、コーデイング効率を
大いに上げる。 送出されるべき周波数サンプルをエンコードす
るには、ベースバンドFFTサンプル４４は望ま
しくは極座標に変換される。更に、ベースバンド
サンプルの強度は、ベースバンド周波数サンプル
の強度をエンコードするのに必要な動的範囲に圧
縮するため、全ベースバンド（ステツプ52で検
出）のRMSエネルギ値50を用いて規格化される
のが望ましい（ステツプ48）。従つてエンコード
されたパラメータの全集合は、LPCパラメータ
２２、ボイシングおよびピツチｐ５４、ベースバ
ンドのRMSエネルギ５６、およびベースバンド
範囲内の各周波数サンプルの規格化された強度と
位相を含んでいる。 当然ながら、等化な情報がエンコードされてい
る限り、これらのパラメータ通りにエンコードす
る必要はない。即ち、例えば、ベースバンド内の
周波数サンプルを、ピツチｐ、従つてベースバン
ド幅Ｗが、ベースバンド内の周波数の個数で示さ
れるようにエンコードすることもオプシヨンとし
て可能である。 このシステムのデコードステージは、デコード
されたベースバンド６１1をより高いバンドまで
コピーすることによつて、フルバンド残留信号の
近似を再構成する。即ち、受信機が受信したエン
コードされたパラメータの集合から、上記のよう
に（ステツプ64で）ピツチｐ３３1がベースバン
ド幅Ｗ４２1を一意的に定める。 次に送出されたベースバンド内の周波数サンプ
ルがデコードされ、ベースバンドの間隔でコピー
される（ステツプ66）。即ち、ベースバンド内の
各周波数kは、所望のフルバンド幅（通常4kHz）
まで、追加の周波数Ｗ＋k，2W＋k等上にマツ
プされる。コピーされた周波数の強度は元の周波
数の強度に等しくとることもできるし、または、
高い周波数に対して強度を線型にまたは指数的に
上げることも（rolled off）できる。つまり、次
式で示される時間領域内で示したベースバンド周
波成分 Akexp（ｉ（kｔ＋k）） (2) は、以下の強度の高調波にコピーされ得る。 Akexp（ｉ（（k＋nW）ｔ＋k））または Ak／Rnexp（ｉ（（k＋nW）ｔ＋k）） (3) これらの全ての実施例は、本発明の範囲内のも
のである。 本発明のシステムの合成部分に実行できる他の
変更は、コピーされた周波数に対する位相変更で
ある。即ち、コピーされた周波数の位相を、例え
ば、線型相シフト定数Ｃに従つて変更することも
望ましいであろう。こうすると、ベースバンド周
波数は次式のように位相シフトされたハーモニツ
ク周波数にコピーされる。 Akexp（ｉ（（k＋nW）ｔ＋k＋nCW）） (4) これらの変更は、望ましい実施例の範囲ではな
いが、オプシヨンであり、本発明の範囲ではあ
る。 最も効果的なエンコーデイングのために、送信
される異つたパラメータに対して、種々のコーデ
イング技術を使用できることに留意願い度い。望
ましい実施例では以下のエンコーデイングを使用
している。
【表】
本発明は、要するに可変レートコーデイングな
るものを提供することに留意願い度い。即ちベー
スバンドが可変なので、各フレーム内に送信され
る周波数サンプルの個数も可変となり（望ましい
実施例）、これによつて変化されたコーデイング
レートが得られる。しかし、レートの変化は、発
声の経過の平均をすることになり、平均コーデイ
ングレートは、使用されるベースバンドが単に各
フレーム内の規格ベースバンドである場合に得ら
れるようなコーデイングレートに極めて近づく。 送信されたベースバンドが、受信機で、完全な
残留信号の周波数スペクトルを提供するためにコ
ピーされると、逆FFT４６が残留エネルギ信号
を再生成するために実行される。望ましくは、隣
接フレームの再生成された残留信号間で、平均処
理がオーバツラツプし、受信機内のLPC合成フ
イルタにスムーズな励起関数を与える。 これによつて、再生成された残留エネルギ信号
が得られ、単純な変換６８によつて、デコードさ
れた反射係数１８′が反転フイルタ係数６９に変
えられる。これらは、第６図に示すように受信機
内で音声信号を再生成するために使用される。 即ち、ベースバンドエネルギスカラ５０′はベ
ースバンド周波数サンプルの強度を再規格化する
のに使用される（ステツプ80）。更に、ピツチボ
イシング３３′はベースバンド幅Ｗ４２を計算す
るために使用される。再規格化されたベースバン
ド周波数サンプル４４′はコピーされる（ステツ
プ66）。即ち、各周波数kの強度と位相が周波数
k＋Ｗ、k＋2W等の強度と位相を定める。これ
によつて、励起関数の全周波数領域表示３０′が
得られ、更にFFTステツプが、この周波数領域
情報を時系列uk２６′に変換するために使用され
る。この推定励起関数ukは、LPC反転フイルタ７
０の入力として用いられる。LPCフイルタ７０
は、元の音声入力１５の適当な推定である推定時
系列sk７２を提供するため、LPCパラメータ６９
に従つて、推定励起関数２６をフイルタする。 オプシヨンとして、エネルギ規格化を行うこと
もできる。この場合、フレームエネルギに対応し
て推定時系列skを調整するために、精密アンプ段
が使用される。 望ましい実施例では、フレームエネルギはエン
コードされたパラメータの１個ではない。しかし
残留信号のエネルギはフレームエネルギの推定値
を（不完全であるが）提供し、残留エネルギは、
コピーステツプで乗算されたベースバンドエネル
ギによつて与えられる周波数領域情報から検出さ
れる。 本発明の可変ベースバンドコーデイング法では
基本帯域幅のフレーム間の変化は必らずしもスム
ーズでないことは注意に値する。実際、フレーム
間のベースバンド幅には、大きなギヤプが見られ
るのが典型的である。 ベースバンド幅の計算は多くの誤りを生ずる可
能性を含んでいる。そのような誤りの原因として
は、デイスクリートなフーリエ変換操作での限定
された分解がある。他の原因としては、ピツチの
量子化がある。ピツチの量子化は、ピツチ周期が
サンプル周期の整数倍であるという本質的な制約
がある。 本発明は11/780において実施されている。しか
し、上記のように、本発明の将来への応用として
考えられる最良のモードは、ミニコンピユータシ
ステムよりもマイクロコンピユータシステムであ
り、望ましくは、多くのマイクロコンピユータシ
ステムが、音声メツセージおよび音声メール処理
のためにローカルネツトワーク（または電話回
線）を介して相互接続された環境である。 即ち、こゝで実施される本発明は、高精度デー
タ変換（Ｄ／Ａ，Ａ／Ｄ）、高ギガバイトハード
デイスクドライブ、および9600ボーモデムを使用
する。これと対比して、本発明を用いるマイクロ
コンピユータベースシステムは、望ましくはずつ
と経済的に構成される。例えば、8080ベースシス
テム（例えばTI Professional Computer）は、
より低い精度の（例えば、12ビツトの）データ変
換チツプ、フロツピデイスクまたは小型
Winchesterデイスクドライブ、および望ましく
はモデム（またはcoder）と共に使用できる。上
記のコーデイングパラメータを用いれば、9600ボ
ーチヤネルは、ほヾリアルタイムの音声伝送レー
トを与えるが、当然ながら、この伝送レートは、
バツフアリングと記憶処理がいずれにしても必要
であるので、音声メール応用には不適当である。 当業者に自明なように、本発明は広範囲に修正
と変更とが可能であり、従つて、特許請求の範囲
に記載事項以外には制限されるものではない。
るものを提供することに留意願い度い。即ちベー
スバンドが可変なので、各フレーム内に送信され
る周波数サンプルの個数も可変となり（望ましい
実施例）、これによつて変化されたコーデイング
レートが得られる。しかし、レートの変化は、発
声の経過の平均をすることになり、平均コーデイ
ングレートは、使用されるベースバンドが単に各
フレーム内の規格ベースバンドである場合に得ら
れるようなコーデイングレートに極めて近づく。 送信されたベースバンドが、受信機で、完全な
残留信号の周波数スペクトルを提供するためにコ
ピーされると、逆FFT４６が残留エネルギ信号
を再生成するために実行される。望ましくは、隣
接フレームの再生成された残留信号間で、平均処
理がオーバツラツプし、受信機内のLPC合成フ
イルタにスムーズな励起関数を与える。 これによつて、再生成された残留エネルギ信号
が得られ、単純な変換６８によつて、デコードさ
れた反射係数１８′が反転フイルタ係数６９に変
えられる。これらは、第６図に示すように受信機
内で音声信号を再生成するために使用される。 即ち、ベースバンドエネルギスカラ５０′はベ
ースバンド周波数サンプルの強度を再規格化する
のに使用される（ステツプ80）。更に、ピツチボ
イシング３３′はベースバンド幅Ｗ４２を計算す
るために使用される。再規格化されたベースバン
ド周波数サンプル４４′はコピーされる（ステツ
プ66）。即ち、各周波数kの強度と位相が周波数
k＋Ｗ、k＋2W等の強度と位相を定める。これ
によつて、励起関数の全周波数領域表示３０′が
得られ、更にFFTステツプが、この周波数領域
情報を時系列uk２６′に変換するために使用され
る。この推定励起関数ukは、LPC反転フイルタ７
０の入力として用いられる。LPCフイルタ７０
は、元の音声入力１５の適当な推定である推定時
系列sk７２を提供するため、LPCパラメータ６９
に従つて、推定励起関数２６をフイルタする。 オプシヨンとして、エネルギ規格化を行うこと
もできる。この場合、フレームエネルギに対応し
て推定時系列skを調整するために、精密アンプ段
が使用される。 望ましい実施例では、フレームエネルギはエン
コードされたパラメータの１個ではない。しかし
残留信号のエネルギはフレームエネルギの推定値
を（不完全であるが）提供し、残留エネルギは、
コピーステツプで乗算されたベースバンドエネル
ギによつて与えられる周波数領域情報から検出さ
れる。 本発明の可変ベースバンドコーデイング法では
基本帯域幅のフレーム間の変化は必らずしもスム
ーズでないことは注意に値する。実際、フレーム
間のベースバンド幅には、大きなギヤプが見られ
るのが典型的である。 ベースバンド幅の計算は多くの誤りを生ずる可
能性を含んでいる。そのような誤りの原因として
は、デイスクリートなフーリエ変換操作での限定
された分解がある。他の原因としては、ピツチの
量子化がある。ピツチの量子化は、ピツチ周期が
サンプル周期の整数倍であるという本質的な制約
がある。 本発明は11/780において実施されている。しか
し、上記のように、本発明の将来への応用として
考えられる最良のモードは、ミニコンピユータシ
ステムよりもマイクロコンピユータシステムであ
り、望ましくは、多くのマイクロコンピユータシ
ステムが、音声メツセージおよび音声メール処理
のためにローカルネツトワーク（または電話回
線）を介して相互接続された環境である。 即ち、こゝで実施される本発明は、高精度デー
タ変換（Ｄ／Ａ，Ａ／Ｄ）、高ギガバイトハード
デイスクドライブ、および9600ボーモデムを使用
する。これと対比して、本発明を用いるマイクロ
コンピユータベースシステムは、望ましくはずつ
と経済的に構成される。例えば、8080ベースシス
テム（例えばTI Professional Computer）は、
より低い精度の（例えば、12ビツトの）データ変
換チツプ、フロツピデイスクまたは小型
Winchesterデイスクドライブ、および望ましく
はモデム（またはcoder）と共に使用できる。上
記のコーデイングパラメータを用いれば、9600ボ
ーチヤネルは、ほヾリアルタイムの音声伝送レー
トを与えるが、当然ながら、この伝送レートは、
バツフアリングと記憶処理がいずれにしても必要
であるので、音声メール応用には不適当である。 当業者に自明なように、本発明は広範囲に修正
と変更とが可能であり、従つて、特許請求の範囲
に記載事項以外には制限されるものではない。
第１図は、本発明が実施されるLPCベースバ
ンド音声コーデイングシステムの一般的ブロツク
図であり、第２図は、本発明による、入力音声の
ピツチで変化されたベースバンド幅の特定例を示
す図であり、第３ａ図から第３ｃ図は本発明の装
置の効果を示すスペクトル図であつて、第３ａ図
は元の残留信号のスペクトル図、第３ｂ図は、従
来技術による固定バンド幅のベースバンドで再生
成された残留信号のスペクトル図、および、第３
ｃ図は、本発明による可変幅ベースバンドを用い
て再生成された残留信号のスペクトル図であり、
第４図は本発明による音声エンコードシステムの
一般的構成を示す図であり、第５図はFFTへの
入力を提供するためフレームオーバーラピングに
使用されるのが望ましいウインドウを示す図であ
り、第６図は本発明による音声デコード局の一般
的構成を示す図である。 符号の説明、１０……マイク、１２……プリア
ンプ、１４……Ａ／Ｄコンバータ、１６……
LPC分析フイルタ、２０……エンコーダ、２４
……チヤネル、２８……FFT、３２……ピツチ
および音声エステイメータ、４６……FFT逆変
換、７０……LPC反転フイルタ、７４……Ｄ／
Ａコンバータ、７６……オーデイオアンプ、７８
……音響変換器。
ンド音声コーデイングシステムの一般的ブロツク
図であり、第２図は、本発明による、入力音声の
ピツチで変化されたベースバンド幅の特定例を示
す図であり、第３ａ図から第３ｃ図は本発明の装
置の効果を示すスペクトル図であつて、第３ａ図
は元の残留信号のスペクトル図、第３ｂ図は、従
来技術による固定バンド幅のベースバンドで再生
成された残留信号のスペクトル図、および、第３
ｃ図は、本発明による可変幅ベースバンドを用い
て再生成された残留信号のスペクトル図であり、
第４図は本発明による音声エンコードシステムの
一般的構成を示す図であり、第５図はFFTへの
入力を提供するためフレームオーバーラピングに
使用されるのが望ましいウインドウを示す図であ
り、第６図は本発明による音声デコード局の一般
的構成を示す図である。 符号の説明、１０……マイク、１２……プリア
ンプ、１４……Ａ／Ｄコンバータ、１６……
LPC分析フイルタ、２０……エンコーダ、２４
……チヤネル、２８……FFT、３２……ピツチ
および音声エステイメータ、４６……FFT逆変
換、７０……LPC反転フイルタ、７４……Ｄ／
Ａコンバータ、７６……オーデイオアンプ、７８
……音響変換器。
Claims (1)
- 【特許請求の範囲】 １ 人間の音声を連続的に再生可能にする人間の
音声エンコード装置であつて、 線形予想コーデイング（LPC）モデルに一致
して音声データのそれぞれのフレームとして入力
されるアナログ音声信号を分析し、各フレームに
対するアナログ音声信号に相当する出力として
LPCパラメータと対応する残留信号とを抽出す
るLPC分析手段と、 音声信号からピツチ周波数を抽出し、音声デー
タの各フレームに対し出力としてピツチ周波数推
定信号を生成するピツチ推定手段と、 前記LPC分析手段とピツチ推定手段との出力
に能動的に接続され、音声データの各フレームに
対し前記残留信号内のベースバンドを越える周波
数を除くため前記残留信号をフイルタするフイル
タ手段であつて、前記ベースバンド周波数は音声
の各フレームに対し推定された前記ピツチ周波数
の整数倍に選定され、前記ピツチ周波数推定信号
の大きさの変化に一致しフレームからフレームに
対し可変であるフイルタ手段と、 前記LPC分析手段と前記フイルタ手段との出
力に能動的に接続され、アナログ音声信号に相当
する圧縮されたフオームの前記フイルタされた残
留信号と前記LPCパラメータとに対応する情報
をエンコードして、アナログ信号の複製を出力す
る手段と、 からなる人間の音声エンコード装置。 ２ 音声エンコード方法であつて、 音声データのそれぞれのフレームとして提供さ
れた入力音声信号を解析し該入力音声信号から線
形予想コーデイング（LPC）パラメータと対応
する残留信号とを抽出し、前記LPCパラメータ
は予め定められたフレーム率でフレーム毎に１度
抽出されるステツプと、 音声の各フレームに対し前記入力音声信号のピ
ツチを推定するステツプと、 音声データの各フレームに対し前記残留信号内
のベースバンド周波数を越える周波数を除くため
前記残留信号をフイルタするステツプであつて、
前記ベースバンド周波数は音声の各フレームに対
し推定された前記ピツチ周波数の整数倍で、前記
推定されたピツチの大きさの変化に一致してフレ
ームからフレームに対し可変である前記ステツプ
と、 前記LPCパラメータと前記フイルタされた残
留信号とに対応する情報をエンコードするステツ
プと、 よりなる音声エンコード方法。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US484720 | 1983-04-13 | ||
| US06/484,720 US4667340A (en) | 1983-04-13 | 1983-04-13 | Voice messaging system with pitch-congruent baseband coding |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPS6035799A JPS6035799A (ja) | 1985-02-23 |
| JPH0516599B2 true JPH0516599B2 (ja) | 1993-03-04 |
Family
ID=23925323
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP59071927A Granted JPS6035799A (ja) | 1983-04-13 | 1984-04-12 | 人間の音声エンコード装置及び方法 |
Country Status (4)
| Country | Link |
|---|---|
| US (1) | US4667340A (ja) |
| EP (1) | EP0124728B1 (ja) |
| JP (1) | JPS6035799A (ja) |
| DE (1) | DE3476479D1 (ja) |
Families Citing this family (40)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4790016A (en) * | 1985-11-14 | 1988-12-06 | Gte Laboratories Incorporated | Adaptive method and apparatus for coding speech |
| DE3587251T2 (de) * | 1984-12-20 | 1993-07-15 | Gte Laboratories Inc | Anpassbares verfahren und vorrichtung fuer sprachkodierung. |
| WO1986003873A1 (en) * | 1984-12-20 | 1986-07-03 | Gte Laboratories Incorporated | Method and apparatus for encoding speech |
| EP0243562B1 (en) * | 1986-04-30 | 1992-01-29 | International Business Machines Corporation | Improved voice coding process and device for implementing said process |
| US4776014A (en) * | 1986-09-02 | 1988-10-04 | General Electric Company | Method for pitch-aligned high-frequency regeneration in RELP vocoders |
| US4797926A (en) * | 1986-09-11 | 1989-01-10 | American Telephone And Telegraph Company, At&T Bell Laboratories | Digital speech vocoder |
| US5003604A (en) * | 1988-03-14 | 1991-03-26 | Fujitsu Limited | Voice coding apparatus |
| US5127054A (en) * | 1988-04-29 | 1992-06-30 | Motorola, Inc. | Speech quality improvement for voice coders and synthesizers |
| CA2010830C (en) * | 1990-02-23 | 1996-06-25 | Jean-Pierre Adoul | Dynamic codebook for efficient speech coding based on algebraic codes |
| US5754976A (en) * | 1990-02-23 | 1998-05-19 | Universite De Sherbrooke | Algebraic codebook with signal-selected pulse amplitude/position combinations for fast coding of speech |
| US5388181A (en) * | 1990-05-29 | 1995-02-07 | Anderson; David J. | Digital audio compression system |
| US5189701A (en) * | 1991-10-25 | 1993-02-23 | Micom Communications Corp. | Voice coder/decoder and methods of coding/decoding |
| WO1993018505A1 (en) * | 1992-03-02 | 1993-09-16 | The Walt Disney Company | Voice transformation system |
| JPH0612098A (ja) * | 1992-03-16 | 1994-01-21 | Sanyo Electric Co Ltd | 音声符号化装置 |
| US5761633A (en) * | 1994-08-30 | 1998-06-02 | Samsung Electronics Co., Ltd. | Method of encoding and decoding speech signals |
| US5664053A (en) * | 1995-04-03 | 1997-09-02 | Universite De Sherbrooke | Predictive split-matrix quantization of spectral parameters for efficient coding of speech |
| WO1997015046A1 (en) * | 1995-10-20 | 1997-04-24 | America Online, Inc. | Repetitive sound compression system |
| DE19629946A1 (de) * | 1996-07-25 | 1998-01-29 | Joachim Dipl Ing Mersdorf | Ein LPC-basiertes Verfahren zur Analyse und Synthese von Sprachgrundfrequenzverläufen mittels Filterparametrisierung und Restsignalapproximation |
| US5751901A (en) * | 1996-07-31 | 1998-05-12 | Qualcomm Incorporated | Method for searching an excitation codebook in a code excited linear prediction (CELP) coder |
| JP3006677B2 (ja) * | 1996-10-28 | 2000-02-07 | 日本電気株式会社 | 音声認識装置 |
| SE512719C2 (sv) * | 1997-06-10 | 2000-05-02 | Lars Gustaf Liljeryd | En metod och anordning för reduktion av dataflöde baserad på harmonisk bandbreddsexpansion |
| RU2256293C2 (ru) * | 1997-06-10 | 2005-07-10 | Коудинг Технолоджиз Аб | Усовершенствование исходного кодирования с использованием дублирования спектральной полосы |
| SE9903553D0 (sv) | 1999-01-27 | 1999-10-01 | Lars Liljeryd | Enhancing percepptual performance of SBR and related coding methods by adaptive noise addition (ANA) and noise substitution limiting (NSL) |
| SE0001926D0 (sv) | 2000-05-23 | 2000-05-23 | Lars Liljeryd | Improved spectral translation/folding in the subband domain |
| AUPR433901A0 (en) | 2001-04-10 | 2001-05-17 | Lake Technology Limited | High frequency signal construction method |
| US8605911B2 (en) | 2001-07-10 | 2013-12-10 | Dolby International Ab | Efficient and scalable parametric stereo coding for low bitrate audio coding applications |
| SE0202159D0 (sv) | 2001-07-10 | 2002-07-09 | Coding Technologies Sweden Ab | Efficientand scalable parametric stereo coding for low bitrate applications |
| PT1423847E (pt) | 2001-11-29 | 2005-05-31 | Coding Tech Ab | Reconstrucao de componentes de frequencia elevada |
| US20030187663A1 (en) * | 2002-03-28 | 2003-10-02 | Truman Michael Mead | Broadband frequency translation for high frequency regeneration |
| US7447631B2 (en) * | 2002-06-17 | 2008-11-04 | Dolby Laboratories Licensing Corporation | Audio coding system using spectral hole filling |
| SE0202770D0 (sv) | 2002-09-18 | 2002-09-18 | Coding Technologies Sweden Ab | Method for reduction of aliasing introduces by spectral envelope adjustment in real-valued filterbanks |
| US7318027B2 (en) * | 2003-02-06 | 2008-01-08 | Dolby Laboratories Licensing Corporation | Conversion of synthesized spectral components for encoding and low-complexity transcoding |
| US7318035B2 (en) * | 2003-05-08 | 2008-01-08 | Dolby Laboratories Licensing Corporation | Audio coding systems and methods using spectral component coupling and spectral component regeneration |
| US8065139B2 (en) * | 2004-06-21 | 2011-11-22 | Koninklijke Philips Electronics N.V. | Method of audio encoding |
| JP4855160B2 (ja) * | 2006-07-12 | 2012-01-18 | 新明和工業株式会社 | 汚泥濃縮装置およびそれを備えた汚泥濃縮車 |
| PL2132731T3 (pl) * | 2007-03-05 | 2015-12-31 | Ericsson Telefon Ab L M | Metoda i konfiguracja stosowana do wygładzania stacjonarnego szumu tła |
| US20110246187A1 (en) * | 2008-12-16 | 2011-10-06 | Koninklijke Philips Electronics N.V. | Speech signal processing |
| US20110257978A1 (en) * | 2009-10-23 | 2011-10-20 | Brainlike, Inc. | Time Series Filtering, Data Reduction and Voice Recognition in Communication Device |
| CN102543086B (zh) * | 2011-12-16 | 2013-08-14 | 大连理工大学 | 一种基于音频水印的语音带宽扩展的装置和方法 |
| CN116324802B (zh) * | 2020-07-31 | 2025-05-09 | Dts公司 | 根据基于独特键值的网络指导和调节的信号变换 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US2672512A (en) * | 1949-02-02 | 1954-03-16 | Bell Telephone Labor Inc | System for analyzing and synthesizing speech |
| US3624302A (en) * | 1969-10-29 | 1971-11-30 | Bell Telephone Labor Inc | Speech analysis and synthesis by the use of the linear prediction of a speech wave |
| US4220819A (en) * | 1979-03-30 | 1980-09-02 | Bell Telephone Laboratories, Incorporated | Residual excited predictive speech coding system |
| US4330689A (en) * | 1980-01-28 | 1982-05-18 | The United States Of America As Represented By The Secretary Of The Navy | Multirate digital voice communication processor |
| US4472832A (en) * | 1981-12-01 | 1984-09-18 | At&T Bell Laboratories | Digital speech coder |
-
1983
- 1983-04-13 US US06/484,720 patent/US4667340A/en not_active Expired - Lifetime
-
1984
- 1984-03-15 EP EP84102850A patent/EP0124728B1/en not_active Expired
- 1984-03-15 DE DE8484102850T patent/DE3476479D1/de not_active Expired
- 1984-04-12 JP JP59071927A patent/JPS6035799A/ja active Granted
Also Published As
| Publication number | Publication date |
|---|---|
| EP0124728B1 (en) | 1989-01-25 |
| US4667340A (en) | 1987-05-19 |
| EP0124728A1 (en) | 1984-11-14 |
| JPS6035799A (ja) | 1985-02-23 |
| DE3476479D1 (en) | 1989-03-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JPH0516599B2 (ja) | ||
| Johnston | Transform coding of audio signals using perceptual noise criteria | |
| JP3870193B2 (ja) | 高周波再構成に用いる符号器、復号器、方法及びコンピュータプログラム | |
| US5699477A (en) | Mixed excitation linear prediction with fractional pitch | |
| EP0154381B1 (en) | Digital speech coder with baseband residual coding | |
| KR100421160B1 (ko) | 낮은비트율의코딩을위한적응필터및필터링방법 | |
| JP4302978B2 (ja) | 音声コーデックにおける擬似高帯域信号の推定システム | |
| JP4622164B2 (ja) | 音響信号符号化方法及び装置 | |
| JPH04506575A (ja) | 長時間予測子を有する適応変換コード化装置 | |
| US6463406B1 (en) | Fractional pitch method | |
| JPH1084284A (ja) | 信号再生方法および装置 | |
| US7363216B2 (en) | Method and system for parametric characterization of transient audio signals | |
| US7024008B2 (en) | Acoustic quality enhancement via feedback and equalization for mobile multimedia systems | |
| EP0772185A2 (en) | Speech decoding method and apparatus | |
| US5794180A (en) | Signal quantizer wherein average level replaces subframe steady-state levels | |
| US6141639A (en) | Method and apparatus for coding of signals containing speech and background noise | |
| 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 | |
| JPH07199997A (ja) | 音声信号の処理システムにおける音声信号の処理方法およびその処理における処理時間の短縮方法 | |
| JP4274614B2 (ja) | オーディオ信号復号方法 | |
| JP2958726B2 (ja) | 反復性をもつサンプル化アナログ信号をコード化しデコードするための装置 | |
| KR20060067016A (ko) | 음성 부호화 장치 및 방법 | |
| JPH0736484A (ja) | 音響信号符号化装置 | |
| Crochiere et al. | Frequency domain techniques for speech coding | |
| JP4618823B2 (ja) | 信号符号化装置及び方法 | |
| JP3218681B2 (ja) | 背景雑音検出方法及び高能率符号化方法 |