JPH05335967A - 音情報圧縮方法及び音情報再生装置 - Google Patents

音情報圧縮方法及び音情報再生装置

Info

Publication number
JPH05335967A
JPH05335967A JP4138431A JP13843192A JPH05335967A JP H05335967 A JPH05335967 A JP H05335967A JP 4138431 A JP4138431 A JP 4138431A JP 13843192 A JP13843192 A JP 13843192A JP H05335967 A JPH05335967 A JP H05335967A
Authority
JP
Japan
Prior art keywords
sound
information
sound information
input
dimensional
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
Application number
JP4138431A
Other languages
English (en)
Inventor
Takeo Miyazawa
丈夫 宮沢
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
SUTAJIO GEN KK
T & M Kk
Original Assignee
SUTAJIO GEN KK
T & M Kk
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by SUTAJIO GEN KK, T & M Kk filed Critical SUTAJIO GEN KK
Priority to JP4138431A priority Critical patent/JPH05335967A/ja
Priority to EP93910421A priority patent/EP0597126A4/en
Priority to US08/182,105 priority patent/US5594833A/en
Priority to KR1019940700294A priority patent/KR0142844B1/ko
Priority to PCT/JP1993/000731 priority patent/WO1993025007A1/ja
Publication of JPH05335967A publication Critical patent/JPH05335967A/ja
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04B—TRANSMISSION
    • H04B14/00—Transmission systems not characterised by the medium used for transmission
    • H04B14/02—Transmission systems not characterised by the medium used for transmission characterised by the use of pulse modulation
    • H04B14/04—Transmission systems not characterised by the medium used for transmission characterised by the use of pulse modulation using pulse code modulation
    • H04B14/046—Systems or methods for reducing noise or bandwidth
    • 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
    • G10L19/0204—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 subband decomposition
    • H—ELECTRICITY
    • H03—ELECTRONIC CIRCUITRY
    • H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
    • H03M7/00—Conversion of a code where information is represented by a given sequence or number of digits to a code where the same, similar or subset of information is represented by a different sequence or number of digits
    • H03M7/30—Compression; Expansion; Suppression of unnecessary data, e.g. redundancy reduction
    • H03M7/3082—Vector coding
    • 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
    • G10L2019/0001—Codebooks
    • 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
    • G10L25/30—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique using neural networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Human Computer Interaction (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Compression, Expansion, Code Conversion, And Decoders (AREA)

Abstract

(57)【要約】 【目的】 入力音情報を分類、近似する代表音値を格納
する３次元以上ｎ次元の相関マップを適用し、高次元、
短時間で入力音情報を良好に分類、符号化する音情報圧
縮方法と、該音情報圧縮方法により符号化した音コード
情報を記憶するメモリから音コード情報を読み出して再
生する簡単構成で、かつ低コストの音情報再生装置を提
供することを目的とする。 【構成】 音情報再生装置２０は、予めｎ次元相関マッ
プを適用して得たコードブックデータをメモリ２１に記
憶し、制御部２２内のアドレス参照伸張実行部２３が、
データ読取切替部２４から入力されるインデックスデー
タに対応するメモリ２１のアドレスからコードブックデ
ータをデータ読取切替部２４に転送し、データ読取切替
部２４が、転送されたコードブックデータを一時的にバ
ッファ２５に格納後、Ｄ／Ａコンバータ２６でアナログ
信号に変換して増幅部２７に出力し、増幅部２７でアナ
ログ信号を増幅してスピーカー等を駆動する。

Description

【発明の詳細な説明】
【０００１】
【産業上の利用分野】本発明は、音情報圧縮方法及び音
情報再生装置に係り、詳細には、音楽情報や音声情報等
の音情報を高能率符号化し、該符号化した音情報を再生
する音情報圧縮方法及び音情報再生装置に関する。
【０００２】
【従来の技術】近時、デジタル技術の発達に伴い、コン
パクトディスク（ＣＤ）等のデジタル記録・蓄積メディ
アが登場し普及している。デジタル記録・蓄積メディア
が普及する背景には、アナログ情報をデジタル化するＡ
／Ｄ変換技術の発達があり、特に、音声情報や音楽情報
等のオーディオ信号をＡ／Ｄ変換する技術は、家電音響
製品や通信情報機器の分野に多用されている。
【０００３】また、オーディオ信号をデジタル化すると
情報量が増加するため、通信情報機器の分野では、通信
コストを下げる目的で送信時にデジタル情報を圧縮し、
受信時に圧縮送信されたデジタル情報を再生するための
圧縮／再生（符号化／復号化）技術が開発されて実用化
されている。また、通信情報機器や家電音響製品の分野
においてデジタル情報をより多く記録・蓄積するための
圧縮／再生技術が研究開発されており、その圧縮率の向
上とともに聴覚上の音質向上も課題となっている。 こ
のデジタル記録・蓄積メディアにおけるオーディオ信号
の圧縮率の向上と聴覚上の音質向上を図る高能率符号化
技術として提案されているものとしては、例えば、サブ
バンド符号化と聴覚特性とを使うオーディオ信号の高能
率符号化技術が、日経エレクトロニクス誌の１９９１年
７月２２日号及び同誌の１９９１年８月５日号に記載さ
れている。この高能率符号化技術は、入力信号を３８４
サンプル毎に区切って１フレームとし、フレーム単位に
帯域通過フィルタ（帯域幅７５０Ｈｚ）で帯域毎に分割
し、各帯域のビット割り当てを聴覚マスキング効果（５
１２点ＦＦＴによる振幅スペクトルを使う）と最小可聴
限特性（１ｋＨｚの順音を基準）から求めた閾値から決
定することにより、ＣＤ並みのオーディオ信号（標本化
周波数４８ｋＨｚ，量子化１６ビット）を１２８ｋビッ
ト／秒に圧縮するものである。
【０００４】このサブバンド符号化と聴覚特性とを使う
オーディオ信号の高能率符号化技術の基本アルゴリズム
に基づくブロック図を図１１に示しており、図１１にお
いては、入力信号を８〜２０ｍｓ（３８４〜１０００サ
ンプル程度）毎のフレーム単位で処理し、サブバンド符
号化には、３２個の通過帯域フィルタ群を使うものとす
る。図中１で示すブロックは、サブバンド符号化ブロッ
クを示しており、サブバンド符号化ブロック１内の通過
帯域フィルタ群（ＢＰＦ１〜ＢＰＦ３２）は、６４〜５
１２タップのＦＩＲ型ポリフェーズ・フィルタである。
通過帯域フィルタ群の各出力信号は、間引きブロックの
間引き処理によりベースバンド信号に変換された後、量
子化／符号化ブロックにより符号化され、符号化データ
として出力される。この符号化処理と並行して図中２で
示す聴覚特性ブロック内のＦＦＴブロックでは、入力信
号に５１２〜１０２４点ＦＦＴ（高速フーリエ変換）を
施し、振幅スペクトルを求める。次いで、聴覚特性ブロ
ック２内の閾値計算ブロックにおいて聴覚マスキング効
果や最小可聴限特性のモデルを当てはめて振幅スペクト
ルの閾値を求め、この閾値から各通過帯域フィルタの出
力信号のビット割り当てを決定する。次いで、サブバン
ド符号化ブロック１内の多重化ブロックにおいて、最終
的な出力信号として、上記符号化データに補助情報（ビ
ット割り当てや量子化のスケール因子等）を組み合わ
せ、１２８ｋビット／秒で出力信号を出力する。
【０００５】すなわち、サブバンド符号化は、帯域通過
フィルタを用いて複数の周波数帯域に分割して符号化す
る方式であり、各帯域毎に割り当てる情報量（ビット）
の判断に聴覚特性（聴覚マスキング効果や最小可聴限特
性）を積極的に利用して聴こえない周波数成分を取り除
くことにより、データ圧縮を実現する。このサブバンド
符号化や聴覚マスキング効果を利用するためには、フィ
ルタ演算を多用する必要があり、複数のＤＳＰ（Digita
l Signal Processor）による演算処理が必要である。
【０００６】また、オーディオ信号のデジタル化過程の
量子化技術における１９８０年代以降発達してきた技術
としてベクトル量子化があり、ベクトル量子化は、複数
の値の組（ベクトル）をまとめて一つの符号で表現する
量子化方法であり、標本値間の冗長度を情報圧縮に直接
利用しようとするものである。
【０００７】ベクトル量子化では、送信側と受信側と
で、同一の量子化代表ベクトルを記憶しておき、送信側
では、複数の標本値をまとめてベクトルとして量子化す
るが、例えば、入力波形を標本化した後、連続した２つ
の標本値を要素とした２次元ベクトルの系列を生成し、
この２次元ベクトルを一つ入力し、送信側と受信側で記
憶されている２次元の量子化代表ベクトルの中から入力
ベクトルに最も良く似た量子化代表ベクトルを選択し、
そのインデックスを符号化して受信側に伝送する。受信
側では、伝送されてきたインデックスに基づき量子化代
表ベクトルを出力する。すなわち、ベクトル量子化と
は、入力波形を一定長の標本値毎に波形セグメントに分
割し、量子化代表ベクトルの形式で表現された有限個の
波形パターンの中から、波形セグメントに良く似た波形
パターンを選択し、この波形パターンで波形セグメント
を次々と置き換えていくことにより、入力情報の圧縮を
図るものである。
【０００８】したがって、ベクトル量子化の性能を左右
する条件は、入力ベクトルとのひずみが最小となる量子
化代表ベクトルを探索することにあり、その最適化条件
としては、例えば、２次元空間で表現すると、入力ベク
トルが存在するＫ次元の信号空間を互いに重なり合わな
いＮ個の領域への分割が与えられたとき、このＮ個の領
域に１つづつ格納されるＮ個の量子化代表ベクトルは、
各領域の重心として与えられる。この最適化条件を満た
す各領域を「ボロノイ領域」といい、この分割の仕方を
「ボロノイ分割」という。このボロノイ領域を求める量
子化演算では、サンプル当りの符号化レートＲと次元数
Ｋが指定されると、レベル数Ｎ（入力ベクトルを置き換
える量子化代表ベクトルの集合：コードブック数）は、
２K・R で与えられる。この計算により、量子化代表ベク
トルを格納するのに必要なメモリ容量は、Ｎ×Ｋで与え
られる。
【０００９】このベクトル量子化処理を行うベクトル量
子化器の設計をする際には、ＬＢＧアルゴリズムと呼ば
れる学習系列を用いた設計法がある。ＬＢＧアルゴリズ
ムは、適当な初期コードブックから出発し学習系列に分
割条件と代表点条件を繰り返し適用し、良好なコードブ
ックに収束させるアルゴリズムである。図１２に、その
ＬＢＧアルゴリズムの処理の流れを示して説明する。
【００１０】なお、以下の説明の中で、“Ｘ，Ｙ”の付
く表記は、ベクトルを表わすものとする。
【００１１】図１２において、まず、ステップＰ１で、
初期設定を行う。この初期設定では、次元数Ｋ，レベル
数Ｎ，Ｎ個の初期量子化代表ベクトルＹ1 (0)，Ｙ2 (0)，
…，ＹN (0)から成る初期コードブックＣN (0)，Ｌ個のＫ
次元学習ベクトルＸ1，Ｘ2，…，ＸL から成る学習系列
Ｔ，収束判定用閾値εが与えられているとする。また、
ｍ＝０，初期ひずみＤ(-1)＝∞と設定する。次いで、ス
テップＰ２で、分割条件の適用と平均ひずみの算出処理
を行う。この算出処理では、量子化代表ベクトル
Ｘ1 (m)，Ｙ2 (m)，…，ＹN (m)から成るコードブックＣN
(m)の下で、平均ひずみを最小とするＮ個の領域
Ｐ1 (m)，Ｐ2 (m)，…，ＰN (m)への学習系列Ｔの分割ＰN
(m)を分割条件を次式（１）を適用して定める。
【００１２】 ｄ（Ｘ，Ｙi ）≦ｄ（Ｘ，Ｙj ）‥‥（１） すなわち、量子化代表ベクトルＹi (m)に対応した領域Ｐ
i (m)は、Ｎ個の量子化代表ベクトルの中で、Ｙi (m)との
ひずみが最小となる学習ベクトルの集合で与えられる。
こうして、Ｌ個の学習ベクトルがＮ個の領域に分割され
る。また、各領域に所属する学習ベクトルをその領域内
の量子化代表ベクトルで置き換えたときに生じる平均ひ
ずみＤ(m) を算出する。
【００１３】次いで、ステップＰ３で収束判定処理を行
う。この収束判定処理では、もし、（Ｄ(m-1)−Ｄ(m)／
Ｄ(m)＜ε）ならば、ステップＰ４で処理を停止して、
コードブックＣN (m)を最終的に設計されたＮレベルのコ
ードブックとして出力する。収束していなければ、ステ
ップＰ５に進む。ステップＰ５では、代表点条件の適用
処理を行う。この適用処理では、Ｎ個の領域Ｐ1 (m)，Ｐ
2 (m)，…，ＰN (m)への学習系列Ｔに対して平均ひずみを
最小とするＮ個の量子化代表ベクトルＹ1，Ｙ2，…，Ｙ
N から成るコードブックＣＣNを次式（２）の代表点条
件を適用して定める。
【００１４】 Ｙi ＝（∫piＸ・ｐ（Ｘ）ｄｘ）／（∫piｐ（Ｘ）ｄｘ）‥‥（２） すなわち、領域Ｐi (m)に所属する学習ベクトルの平均ベ
クトルとして与えられる重心を量子化代表ベクトルＹi
とする。さらに、ステップＰ６で、ｍ←ｍ＋１とし、Ｃ
ＣN をコードブックＣN (m)として、ステップＰ１へ戻
る。
【００１５】以上のアルゴリズムにより設計されたコー
ドブックの良否は初期コードブックＣN (0)と学習系列Ｔ
の選定法に強く依存する。初期コードブックＣN (0)は想
定される入力ベクトルの分布範囲を被覆していることが
望ましい。
【００１６】一方、学習系列Ｔは、想定される入力ベク
トルの特性を代表するのに十分な個数の学習ベクトルを
含んでいなければならない。学習ベクトルの個数が少な
い場合には、学習系列と異なる入力ベクトル系列に対し
て望ましい結果が得られないことがある。このようなこ
とが生じないようにするためには、学習ベクトルの個数
を少なくともレベル数Ｎの数１０倍から１００倍程度に
しなければならないことが経験的に知られている。
【００１７】
【発明が解決しようとする課題】しかしながら、このよ
うな従来の上記高能率符号化技術にあっては、サブバン
ド符号化方式において聴覚特性（聴覚マスキング効果や
最小可聴限特性）を積極的に利用して聴こえない周波数
成分を取り除くことにより、データ圧縮を実現するた
め、フィルタ演算を多用する必要があり、複数の通過帯
域フィルタ及びＤＳＰを必要とするため、回路構成が複
雑化するとともに演算処理も複雑化し、製品化する際に
コスト高になるという問題点があった。
【００１８】また、上記ベクトル量子化においては、量
子化代表ベクトルを格納するメモリ容量が次元数Ｋ及び
符号化レートＲにより指数関数的に増大し、また、量子
化操作を行う際には、入力ベクトル毎にＮ×Ｋ回の乗算
が必要となり量子化演算量も急速に増大するため、次元
の拡大には限界があり、実現可能な次元数は８程度であ
る。したがって、８以上のより高度の次元数で量子化代
表ベクトルを現存するコンピューターにより実用上の有
限時間内の量子化演算により求めることは不可能であ
る。
【００１９】すなわち、上記従来のベクトル量子化器を
設計するＬＢＧアルゴリズムにあっては、学習系列Ｔの
分割ＰN (m)の分割条件として上記式（１）を適用し、平
均ひずみを最小とするＮ個の量子化代表ベクトルＹ1，
Ｙ2，…，ＹN から成るコードブックＣＣNの代表点条件
として上記式（２）を適用し、これらの条件を交互に繰
り返し適用することによって、良好なコードブックに収
束させようとしているが、最適なコードブックへの収束
は必ずしも保証されていない。さらに、このようなベク
トル量子化器の設計法は、次元数の低い１次元や２次元
の場合には、上記ボロノイ分割を求めることが、現実的
な有限時間内の量子化演算により求めることが可能であ
るが、実用上の入力ベクトルに応じて次元数Ｋを大きく
した場合には、ボロノイ分割を求める量子化演算の実行
時間が指数関数的に増大し、急速に実行困難となるた
め、非現実的である。
【００２０】そこで、このような従来のベクトル量子化
手法におけるボロノイ分割を満足するコードブックを求
める際の諸問題に対してニューラルネットワーク技術か
らのアプローチも試みられている。
【００２１】ニューラルネットワークは、それまでの逐
次処理型コンピュータシステムでは手に負えない問題に
対して、脳の神経細胞をモデルとして複数のプロッセッ
サを相互に密に結合させて並列処理を行う並列処理型コ
ンピュータシステムにより解決しようとするものであ
り、特に、パターンマッピング、パターン完全化、パタ
ーン認識等のパターンに関連した問題において優れた能
力を発揮する。これらのパターン認識に関連した問題を
多く含む領域の例として、音声合成と音声認識があり、
音声認識手法としてニューラルネットワーク技術におい
て提案されている各種手法が適用可能である。ニューラ
ルネットワークの各種手法は、パターン分類器として分
類した場合、入力信号が２値パターンか連続値をとる
か、結合効率を教師つきで学習するか教師なしで学習す
るか、などによって分類できる。音声認識にニューラル
ネットワークの手法を適用する場合は、音声が時系列で
連続的に変化するため入力パターンに連続値をとる手法
のものを適用することになる。連続値をとるニューラル
ネットワークのうち教師ありのものとしては、パーセプ
トロン及び多層パーセプトロン等があり、教師なしのも
のとしては、自己組織化特徴写像がある。これらのニュ
ーラルネットワーク手法のうち上記ベクトル量子化手法
におけるボロノイ分割を実現するものが、自己組織化特
徴写像マップである。
【００２２】自己組織化特徴写像マップは、ヘルシンキ
大学のＫｏｈｏｎｅｎ（コホーネン）によって提案され
たニューラルネットワークのマッピング手法であり、教
師なしで学習を行うため、そのネットワーク構造は単純
なものであり、一層の相互結合された連合層とも呼ぶべ
きニューロンと、全ての連合層と結合している入力シナ
プスから構成される。自己組織化特徴写像マップでは、
入力信号はシナプス荷重により積和計算され、連合層の
どれか特定のニューロンを出力状態にする。出力状態に
なった特定のニューロン及びその近傍のニューロンは、
同様の入力信号に最も敏感に反応するようにシナプス荷
重が変更される。このとき、最初に最も高い出力状態に
なったニューロンは同一の入力信号に対して他のニュー
ロンと競い合って自己の出力を最大にするように見える
ため、この学習過程は協合学習とも呼ばれている。この
協合学習により、入力信号に対して特定のニューロンの
活性度が上がると、距離的に近い位置関係にあるニュー
ロンは引きずられて活性度が上がり、さらにその外側に
あるニューロンは逆に活性度が下がるという現象が発生
する。この現象により活性度が上がるニューロンをまと
めて「泡」と呼んでいる。すなわち、自己組織化特徴写
像マップにおける基本動作は、入力信号に従ってニュー
ロンの２次元平面上に、ある特定の「泡」が発生するこ
とであり、その「泡」は徐々に成長しながら、特定の入
力信号（刺激）に対して選択的に反応するようニューラ
ルネットワークのシナプス荷重が自動的に修正されてい
くものである。この動作の結果、最終的には特定の入力
信号と「泡」が対応づけられ、入力信号の自動的な分類
が行われる。
【００２３】したがって、自己組織化特徴写像マップの
シナプス荷重により最終的に分類されて出力されるパタ
ーン情報には、上記ベクトル量子化手法において求めら
れるボロノイ分割の重心となる量子化代表ベクトルに相
当するものが得られることになる。
【００２４】しかしながら、従来、自己組織化特徴写像
マップを適用した入力信号の分類手法では、あくまでマ
ップ構成が２次元平面に限ってしか試みられていなかっ
たため、例えば、図１３に示すように、２次元平面上で
は、分類しきれずに“ねじれ”が発生する場合があり、
この“ねじれ”部分に相当する入力信号は一致せずに分
類されないという問題点があった。例えば、２次元構成
の自己組織化特徴写像マップを適用して音情報を分類し
て符号化した場合に、マップに“ねじれ”が発生してい
ると、その符号化した音情報の分類が良好でないため、
すなわち、ベクトル量子化手法におけるコードブックが
良好に収束されていないため、再生音が聴きづらいもの
となり、自己組織化特徴写像マップを利用した音情報の
高能率符号化を実用化する際に障害となる。
【００２５】さらに、このような２次元平面の自己組織
化特徴写像マップにおける“ねじれ”を修正して良好な
分類結果を得るためには、膨大な学習回数が必要とな
り、この点でも実用化する際に障害となる。
【００２６】そこで本発明は、自己組織化特徴写像マッ
プにおける“ねじれ”を修正する３次元以上ｎ次元相関
マップを適用することにより、より実用的な高次元で、
かつ短時間で入力音情報パターンを良好に分類して高能
率符号化を実現する音情報圧縮方法を提供するととも
に、該音情報圧縮方法を用いて符号化した音コード情報
を記憶するメモリを設け、該メモリから音コード情報を
読み出して再生することにより、簡単なハード構成で、
かつ低コストの音情報再生装置を提供することを目的と
する。
【００２７】
【課題を解決するための手段】上記目的を達成するた
め、請求項１記載の発明の音情報圧縮方法は、一連の音
情報が所定時間間隔で標本化され、該所定サンプル数毎
に音情報パターンとして入力されると、該入力音情報パ
ターンを分類して近似する代表音値に置換してコード化
することにより該一連の音情報を圧縮する音情報圧縮方
法において、前記入力音情報パターンの変化に基づいて
該入力音情報パターンを分類して近似する代表音値を重
心として格納する複数の分割領域を３次元以上ｎ次元の
相関マップに形成するとともに、該入力音情報パターン
の変化に応じて該各分割領域の重心となる代表音値を変
更して該ｎ次元の相関マップを更新するマップ形成手段
と、マップ形成手段の形成する相関マップの各分割領域
に格納される代表音値を所定のコード情報に変換する符
号化手段と、を設け、入力音情報パターンの変化に応じ
て各分割領域の重心となる代表音値を変更して３次元以
上ｎ次元の相関マップを更新し、該更新した相関マップ
の代表音値を所定のコード情報に変換することにより入
力音情報を圧縮することを特徴としている。
【００２８】また、請求項２記載の発明の音情報圧縮方
法は、前記請求項１記載のマップ形成手段を、前記複数
の代表音値を設定するための複数の分割領域毎に重み付
けした初期値を設定する初期値設定手段と、該初期値設
定手段により設定される各分割領域の初期値に前記入力
音情報パターンを提示する提示手段と、該提示手段によ
り提示される各入力音情報パターンと各分割領域の初期
値との間の距離を３次元以上ｎ次元方向に演算する距離
演算手段と、該距離演算手段の演算結果に基づいて各分
割領域の代表音値を更新して前記３次元以上ｎ次元の相
関マップを更新する更新手段と、により構成したことを
特徴としている。
【００２９】請求項３記載の音情報再生装置は、音楽情
報や音声情報等の再生資源が所定時間間隔で標本化され
る一連の音情報パターンを所定サンプル数毎に分類して
近似する複数の代表音コード情報を記憶する音コード記
憶手段と、該音コード記憶手段に記憶された複数の代表
音コード情報を入力音情報パターンの順序通りに再生す
るための再生順序情報を記憶する再生順序記憶手段と、
音コード記憶手段に記憶された複数の代表音コード情報
を再生順序記憶手段に記憶された再生順序情報に基づい
て選択して読み取る読取手段と、該読取手段により読み
取られた代表音コード情報を再生する再生手段と、を備
えたことを特徴としている。
【００３０】また、請求項４記載の音情報再生装置は、
前記音コード記憶手段に記憶する音コード情報は、請求
項１記載の音情報圧縮方法においてマップ形成手段によ
り３次元以上ｎ次元の相関マップから求められる代表音
値を符号化手段により変換したコード情報を適用するこ
とを特徴としている。
【００３１】
【作用】請求項１記載の発明によれば、入力音情報パタ
ーンの変化に基づいて該入力音情報パターンを分類して
近似する代表音値を重心として格納する複数の分割領域
を３次元以上ｎ次元の相関マップをマップ形成手段で形
成するとともに、該マップ形成手段が、入力音情報パタ
ーンの変化に応じて該各分割領域の重心となる代表音値
を変更して該ｎ次元の相関マップを更新し、該相関マッ
プの各分割領域に格納される代表音値を符号化手段が所
定のコード情報に変換することにより入力音情報を圧縮
する。
【００３２】また、この場合、マップ形成手段は、請求
項２に記載するように、初期値設定手段が、前記複数の
代表音値を設定するための複数の分割領域毎に重み付け
した初期値を設定し、提示手段が該初期値設定手段によ
り設定される各分割領域の初期値に前記入力音情報パタ
ーンを提示し、距離演算手段が該提示手段により提示さ
れる各入力音情報パターンと各分割領域の初期音値との
間の距離を３次元以上ｎ次元方向に演算し、更新手段が
該距離演算手段の演算結果に基づいて各分割領域の代表
音値を更新して前記３次元以上ｎ次元の相関マップを更
新する。
【００３３】したがって、３次元以上ｎ次元の相関マッ
プにより高次元の入力音情報パターンを分類する更新演
算処理を行うことにより、演算回数を大幅に削減でき、
現存するコンピューターにより実用的演算時間内に分類
結果を得ることができるとともに、入力音情報パターン
を従来より少ない代表音値で良好に分類することができ
る。
【００３４】請求項３記載の発明によれば、音情報再生
装置は、音楽情報や音声情報等の再生資源が所定時間間
隔で標本化される一連の音情報パターンを所定サンプル
数毎に分類して近似する複数の代表音コード情報を音コ
ード記憶手段に記憶し、この音コード記憶手段に記憶し
た複数の代表音コード情報を入力音情報パターンの順序
通りに再生するための再生順序情報を再生順序記憶手段
に記憶し、読取手段が、この再生順序記憶手段に記憶し
た再生順序情報に基づいて音コード記憶手段に記憶した
複数の代表音コード情報を選択して読み取り、再生手段
が、読取手段が読み出した代表音コード情報を再生す
る。
【００３５】また、この場合、前記音コード記憶手段に
記憶する複数の代表音コード情報は、例えば、請求項４
に記載するように、請求項１記載の音情報圧縮方法にお
いてマップ形成手段により３次元以上ｎ次元の相関マッ
プから求められる代表音値を符号化手段により変換した
コード情報を適用してもよい。
【００３６】したがって、少ないメモリ容量で再生資源
となる音楽情報及び音声情報を符号化して代表音コード
情報として記憶することができ、複雑な演算処理を必要
とすることなく簡単なアルゴリズムでメモリからを代表
音コード情報を読み出すだけで音情報を再生することが
でき、回路構成も単純化することができる。その結果、
低コストで小型の音情報再生装置を提供することができ
る。
【００３７】
【実施例】以下、図１〜図１０を参照して実施例を説明
する。
【００３８】まず、請求項１及び２記載の音情報圧縮方
法の基本的な考え方を説明する。
【００３９】本実施例では、上記従来で説明したベクト
ル量子化手法に２次元の自己組織化特徴写像マップ（以
下、コホーネンマップという）を適用する際に問題とな
る２次元平面上の“ねじれ”を修正して入力音情報パタ
ーンを良好に分離するため、ｎ次元のコホーネンマップ
を適用するようにしたところにその特徴がある。
【００４０】具体例として、２次元で形成したコホーネ
ンマップを図１に示し、この２次元のコホーネンマップ
を３次元に拡張して形成した場合のコホーネンマップを
図２に示している。
【００４１】図１において、２次元平面の上下方向に分
離されていないシナプス荷重点が目立っているが、この
２次元平面を図２に示すように、３次元に拡張すること
により、シナプス荷重点が良好に分離することは明白で
ある。すなわち、入力音情報パターンに対して３次元以
上ｎ次元のコホーネンマップを適用すれば、“ねじれ”
により一致せずに分離されない部分が分離されるように
なるとともに、修正するための学習回数を大幅に削減す
ることになる。
【００４２】以下、上記基本的な考え方に基づいて実施
例を説明する。
【００４３】図３〜図５は、本発明の音情報圧縮方法を
適用する音情報圧縮装置１０の一実施例を示す図であ
る。
【００４４】まず、構成を説明する。図３は、音情報圧
縮装置１０のブロック構成図である。この図において、
音情報圧縮装置１０は、音声信号や音楽信号が入力され
る入力部１１と、入力部１１に入力される音声信号や音
楽信号を所定のサンプリング数でサンプリングして音情
報パターンを出力するサンプリング部１２と、ｎ次元の
コホーネンマップに基づいてサンプリング部１２でサン
プリングされる音情報パターンを所定の代表音値に分類
する演算処理を実行する演算処理部１３と、演算処理部
１３で分類される代表音値を所定のコード情報に変換す
るコード変換部１４と、コード変換部１４で変換される
コード情報のインデックスからコードブックを作成する
コードブック作成部１５とにより構成される。
【００４５】上記入力部１１は、入力される音声情報や
音楽情報を所定のアナログ信号に変換してサンプリング
部１２に出力する。
【００４６】上記サンプリング部１２は、Ａ／Ｄ変換器
等から構成され、所定のサンプリング間隔（サンプリン
グ周波数）でサンプリングして標本化し、その標本化デ
ータを演算処理部１３に出力する。
【００４７】上記演算処理部（マップ形成手段、初期値
設定手段、提示手段、距離演算手段、更新手段）１３
は、ＣＰＵ（Central Processing Unit)及びＲＡＭ（Ra
ndom Ac-cesss Memory）等から構成され、ＣＰＵがＲＡ
Ｍ内に格納された上記図２に示した３次元のコホーネン
マップに基づく学習アルゴリズムに従ってサンプリング
部１２から入力される標本化データを次元数Ｋでブロッ
ク化し、そのブロックに対応した所定の代表音値に分類
してコード変換部１４に出力する。
【００４８】上記コード変換部１４は、演算処理部１３
から入力される代表音値を所定のインデックスデータに
置き換えてコードブック作成部１５に出力する。
【００４９】上記コードブック作成部１５は、コード変
換部１４から入力されるインデックスデータに基づいて
上記従来のベクトル量子化手法に適用可能なコードブッ
クを作成する。
【００５０】次に、本実施例の動作を説明する。
【００５１】まず、入力部１１に一連の音声情報や音楽
情報が入力されると所定のアナログ信号に変換されてサ
ンプリング部１２に出力され、サンプリング部１２で
は、所定のサンプリング間隔でアナログ信号がサンプリ
ングされて標本化され、標本化データが次元数Ｋでブロ
ック化され、そのブロックが演算処理部１３に出力され
る。演算処理部１３では、入力される標本化データが３
次元のコホーネンマップに基づく学習アルゴリズムによ
って所定の代表音値に分類される。ここで、演算処理部
１３で実行される学習アルゴリズムについて図４に示す
フローチャートに基づいて説明する。
【００５２】図４において、まず、ステップＳ１で、初
期値設定処理を行う。初期値設定では、最初に入力標本
化データからニューロンへのシナプス荷重の初期値を、
乱数を使って分散されるように設定する。次いで、ステ
ップＳ２で入力パターンの提示処理を行う。入力パター
ンの提示では、入力標本化データに何らかの入力パター
ンを与える。このとき、ステップＳ３の距離計算処理の
簡略化のため、入力パターンは、正規化されている必要
があり、次式（３）、（４）の仮定により正規化される
ものとする。
【００５３】 ｄＷij／ｄｔ＝α（ｘi −Ｗij）‥‥（３） ｄＷij／ｄｔ＝０‥‥（４） 但し、Ｗij：シナプス荷重 ｘi ：入力パターン（入力標本化データ） α ：正の定数 なお、これらの仮定は、コホーネンのモデルにおける学
習動作を定義する次式（５）に基づいて求められてい
る。
【００５４】 ｄＷij／ｄｔ＝αＯi ｘi −β（Ｏi ）Ｗij‥‥（５） 但し、Ｏi ：活性度 β（Ｏi ）：右辺第２項をテーラー展開したときに定数
項が０になるような関数 次いで、ステップＳ３で距離計算処理を行う。距離計算
では、上記図２の３次元マップにおいてボロノイ分割
（泡）の中心になるニューロンｐを求める。このとき、
ステップＳ２で提示された入力パターンが上記式
（３）、（４）の仮定により正規化されていれば、ボロ
ノイ分割（泡）の中心となるニューロンは入力パターン
ｘi とシナプス荷重Ｗijのベクトル間の距離を求めるこ
とで計算できる。そのためには、次式（６）、（７）に
おいて、Ｄj が最小になるニューロンｊを求めればよ
い。
【００５５】まず、コードブックの数がｎｘで一次元の
場合の式を式（６）に示す。
【００５６】
【数１】
【００５７】次に、コードブックの数がｎｘ，ｎｙ，ｎ
ｚで三次元の場合の式を式（７）に示す。
【００５８】
【数２】
【００５９】次いで、ステップＳ４でＷijの修正処理を
行う。修正処理では、ステップＳ３で選ばれたニューロ
ンｐの近傍のニューロンを上記式（６）、（７）に合わ
せて次式（８）、（９）に基づいてまとめて修正する。
【００６０】 Ｗij（ｔ＋１）＝Ｗij（ｔ）＋α（ｔ）（ｘi （ｔ）−Ｗij（ｔ））2 ‥‥（８） Ｗijkl（ｔ＋１）＝Ｗijkl（ｔ）＋α（ｔ）（ｘi （ｔ）−Ｗijkl（ｔ））2 ‥‥（９） 但し、
【００６１】
【数３】
【００６２】α（ｔ）のαは経験的に定められる値で、
０〜１の値をとる。αはｔの時間経過に従って時間経過
に従って減少するように設定される。また、
【００６３】
【数４】
【００６４】の定義も経験的、かつ時間経過に従って減
少するように設定されたある種の距離関数である。
【００６５】次いで、ステップＳ５で上記ステップＳ２
〜Ｓ４の処理を、入力パターン数分だけ繰り返し計算し
て本処理を終了する。
【００６６】以上のステップＳ１〜Ｓ５の処理により入
力標本化データは、分類されて所定の代表音値に置き換
えられてコード変換部１４に出力される。コード変換部
１４では、入力される各代表音値に所定のインデックス
データが付与され、コードブック作成部１５に出力され
る。コードブック作成部１５では、入力される代表音値
のインデックスデータに基づいてコードブックが作成さ
れる。
【００６７】以上の音情報圧縮装置１０により作成され
るコードブックの具体例について図５に示す入力音情報
を参照して説明する。
【００６８】図５では、入力音情報をサンプリング間隔
ｔn （n ＝１，２，３，…ｎ）、標本化レベル８ビット
（２５５レベル）で標本化データをとるものとし、この
標本化データをｔ1 〜ｔ8 の８個分づつ、すなわち次元
数Ｋ＝８（８バイト）づつを１つの入力音情報パターン
としてブロック化して分類するものとし、標本化データ
数をＳＤとする。
【００６９】この入力音情報パターンを上記従来のベク
トル量子化手法におけるＬＢＧアルゴリズムと、今回の
３次元コホーネンマップに基づいてそれぞれコードブッ
クを計算した場合を比較する。
【００７０】従来のベクトル量子化において、コードブ
ックに必要なメモリ容量、レベル数Ｎは、ベクトルの次
元数Ｋ、サンプリングレートＲとしたとき、上記従来で
説明したように、Ｎ＝２K・N として求められる。この場
合、例えば、図５に示したように、Ｋ＝８，Ｒ＝８とす
ると、必要なメモリ容量は、２8・8 ＝２64と膨大なもの
となり、現在の技術で実現可能なメモリ容量をはるかに
超えている。このレベル数Ｎを一定量以下に抑えてコー
ドブックを作成する手法に、上記従来の説明で図１２に
示したＬＢＧアルゴリズムがある。このＬＢＧアルゴリ
ズムのステップＰ２において、分割条件の適用としてボ
ロノイ分割を用いている。この場合、上記のように、実
際の標本化データ数ＳＤ＝１０，０００とすると、ボロ
ノイ分割の条件を求める計算には、各種の計算方法が提
案されているが、最近の計算方法として、次式（１１）
により必要とされる演算回数が求められる。
【００７１】 Ｋn (K/2)+1＋Ｋ3 n (K/2)ｌｏｇｎ（回）‥‥（１１） この（１１）式を、以下の（イ）〜（ハ）の条件で計算
すると、 （イ）Ｎ＝５００、Ｋ＝２のとき、５２４，８５８回 （ハ）Ｎ＝５００、Ｋ＝８のとき、約４４９兆回 （ハ）Ｎ＝１０，０００、Ｋ＝８のとき、８．５×１０
20回 となり、次元数Ｋ＝２のときは、演算回数は、実用的時
間内に計算可能であるが、次元数Ｋ＝８になると、膨大
な演算回数になる。したがって、実際の入力音情報を実
用的な時間内に現存するコンピュータを用いて計算を終
了することは不可能である。
【００７２】そこで、ボロノイ分割に相当する結果が得
られるコホーネンのアルゴリズムを利用してベクトル量
子化を試みると、その演算回数は、レベル数Ｎ、標本化
データ数ＳＤ、次元数Ｋ及び学習回数Ｌとにより、次式
（１２）で求められる。
【００７３】Ｎ・ＳＤ・Ｋ・Ｌ（回）‥‥（１２） この（１２）式を、Ｎ＝１０００、ＳＤ＝１０，００
０、Ｋ＝８、Ｌ＝１００として計算すると、 Ｎ・ＳＤ・Ｋ・Ｌ＝1,000×10,000×８×100＝800,000（回） となり、実際の入力音情報を実用的な時間内に現存する
コンピュータを用いて計算することが可能である。
【００７４】したがって、ＬＢＧアルゴリズムにより得
られるコードブック数と同等のコードブック数、あるい
はそれ以上のコードブック数であっても実用的な時間内
に演算を終了することができる。しかも、本実施例で
は、従来の２次元のコホーネンマップで発生していた
“ねじれ”を改善する上記図２に示した３次元のコホー
ネンマップを用いることにより、入力音情報を良好に分
離するコードブックを大幅に少ない演算回数で得ること
ができる。
【００７５】したがって、３次元のコホーネンマップに
より入力音情報パターンを分類する学習演算処理を行う
ことにより、従来２次元のコホーネンマップにおける
“ねじれ”の問題を解決でき、学習のための演算回数を
大幅に削減でき、現存するコンピューターにより実用的
演算時間内にコードブックデータの演算結果を得ること
ができるとともに、入力音情報パターンを良好に分類す
るコードブックを作成することができる。
【００７６】なお、本実施例では、次元数Ｋ＝８として
いるが、より大きい次元数であっても、その入力信号に
応じて初期荷重を設定した上記３次元以上、ｎ次元のコ
ホーネンマップを用いることにより、従来のＬＢＧアル
ゴリズムより少ない演算回数及び演算時間で良好に分類
するコードブックを得ることが可能であることは勿論で
ある。さらに、上記３次元のコホーネンマップによる学
習処理において入力音情報を分類するシナプス荷重の初
期値設定を工夫することにより、より少ないコードブッ
ク数で入力音情報を良好に分類するコードブックを得る
ことも可能である。
【００７７】図６〜図１０は、請求項３及び４記載の音
情報再生装置の一実施例を示す図である。
【００７８】図６は、音情報再生装置２０のブロック図
であり、音情報再生装置２０は、コードブックデータ
（代表音コード情報）を記憶するメモリ２１と、データ
読取切替部２４から順次入力されるコードブックのイン
デックスデータに基づいて対応するメモリ２１内のコー
ドブックデータが格納されているアドレスデータに変換
するアドレス参照伸張実行部２３及びメモリ２１に記憶
されたコードブックのインデックスデータとコードブッ
クデータを切り替えて読み取り、アドレス参照実行伸張
部２３とバッファ２５に切り替えて出力するデータ読取
切替部２４を含む制御部２２と、データ読取切替部２４
で読み取られるコードブックデータを所定タイミングで
一時的に格納してＤ／Ａコンバータ２６に出力するバッ
ファ２５と、バッファ２５から入力されるコードブック
データをＤ／Ａ変換して所定のアナログ信号を増幅部２
７に出力するＤ／Ａコンバータ２６と、Ｄ／Ａコンバー
タ２６から入力されるアナログ信号を増幅して図外のス
ピーカー等を駆動する増幅部２７等から構成され、各部
はバスにより接続されている。
【００７９】上記メモリ（音コード記憶手段、再生順序
記憶手段）２１は、ＲＯＭあるいはＲＡＭ等から構成さ
れ、音楽情報や音声情報等の再生資源を所定サンプリン
グ間隔で標本化される一連の音情報パターンを所定サン
プル数毎に分類して近似する複数の代表音コード情報と
してのコードブックデータを記憶する。このコードブッ
クデータは、上記請求項１及び２記載の実施例で説明し
た音情報圧縮装置１０により作成されたコードブックデ
ータを用いるものとする。
【００８０】メモリ１１の具体的構成例を図７に示す。
図７において、メモリ２１は、再生資源となる一連の音
声情報あるいは音楽情報をコードブックデータのインデ
ックスデータとしての波形番号を記憶する波形番号記憶
領域２１ａと、波形番号記憶領域２１ａに記憶される各
波形番号に対応してメモリアドレス２０番地分の領域毎
に各コードブックデータ内容としての各波形番号の内容
を記憶する波形内容記憶領域２１ｂとにより構成され
る。ここでは、再生資源となる一連の音情報に対応する
一連の波形番号情報をメモリアドレスの０〜１０５番地
に記憶し、メモリアドレスの１０６番地以降の１０６〜
１２５番地に波形番号１に対応する内容、メモリアドレ
スの１２６〜１４５番地に波形番号２の内容、以降２０
番地分の領域毎に順次波形番号に対応する内容を記憶す
るように設定している。
【００８１】上記制御部２２は、図８に示すように、デ
ータ読取切替部２４から順次入力されるコードブックの
インデックスデータに基づいて対応するメモリ２１内の
コードブックデータが格納されているアドレスデータに
変換し、そのアドレスに格納されたメモリ２１内の波形
内容記憶領域２１ａから波形内容をデータ読取切替部２
４に転送させるアドレス参照伸張実行部２３と、メモリ
２１内の波形番号記憶領域２１ａ及び波形内容記憶領域
２１ｂに記憶された波形番号及び波形番号毎の内容を切
り替えて読み取り、アドレス参照伸張実行部２３とバッ
ファ２５に切り替えて出力するデータ読取切替部（読取
手段）２４と、図外のスイッチ等からの外部制御信号
（送り信号ＦＷ、戻し信号ＢＫ、再生信号ＰＬＡＹ、停
止信号ＳＴＯＰ）を受信してアドレス参照伸張実行部２
３に転送するインターフェィス制御部２８と、データ読
取切替部２４の制御によりメモリ２１から読み出された
波形番号及び波形番号毎の内容をアドレス参照実行部２
３とバッファ２５に出力する際の出力方向を切り替える
スイッチ２９とにより構成される。また、アドレス参照
伸張実行部２３及びデータ読取切替部２４は、図示しな
い制御部２２内のＲＯＭに格納された後述する再生処理
プログラムのフローチャートに従ってそれぞれの処理を
実行する。さらに、データ読取切替部２４内には、図示
しないがメモリ２１内のアドレスデータを読み取る際の
アドレスカウンタが内蔵されている。
【００８２】上記バッファ２５は、制御部２２内のデー
タ読取切替部２４から出力される波形番号毎の内容をＤ
／Ａコンバータ２６の変換タイミングに合わせて一時的
に記憶し、記憶した波形番号毎をＤ／Ａコンバータ２６
に出力する。
【００８３】上記Ｄ／Ａコンバータ（再生手段）２６
は、バッファ２５から入力される波形番号毎の内容をＤ
／Ａ変換して所定のアナログ音信号を増幅部２７に出力
し、増幅部２７は、Ｄ／Ａコンバータ２６から入力され
るアナログ音信号を増幅して図外のスピーカー等に出力
する。
【００８４】次に、本実施例の動作を説明する。
【００８５】まず、図８において制御部２２に再生信号
ＰＬＡＹが入力されると、アドレス参照実行部２３及び
データ読取切替部２４では、図９及び図１０に示す再生
処理プログラムのフローチャートに従ってそれぞれの処
理が実行される。
【００８６】図９において、まず、ステップＳ１１でデ
ータ読取切替部２４内のアドレスカウンタをリセット
し、次いで、ステップＳ１２でデータ読取切替部２４に
よりスイッチ２９をアドレス参照伸張実行部２３側へ切
り替えて接続する。次いで、ステップＳ１３でメモリ２
１内の上記図７に示した波形番号記憶領域２１ａから波
形番号（インデックスデータ）を読み出してアドレス参
照伸張実行部２３に転送する。アドレス参照伸張実行部
２３では、データ読取切替部２４から転送された波形番
号に基づいてメモリ２１内の波形内容記憶領域２１ａの
対応するアドレスデータに変換する。例えば、“波形番
号３１”が入力された場合は、上記図７に示したメモリ
２１構成により、１０５＋（２０×３０）＋１番地、す
なわち、７０６番地に変換され、この７０６番地以降の
２０番地分の波形内容記憶領域２１ｂの波形内容がデー
タ読取切替部２４に転送される。
【００８７】次いで、ステップＳ１４でデータ読取切替
部２４は、スイッチ２９をＤ／Ａコンバータ２６（バッ
ファ２５）側に切り替え、ステップＳ１５で転送された
波形内容を読み出してバッファ２５に一時格納した後、
Ｄ／Ａコンバータ２６に転送する。次いで、ステップＳ
１６でデータ読取切替部２４内のアドレスカウンタを１
つカウントアップし、ステップＳ１７でアドレスカウン
タのカウント値ｎがメモリ２１の波形番号記憶領域２１
ａの１０５番地分に相当するカウント数Ｎ“１０５”に
以上になったかどうかを判別し、Ｎ以上になっていなけ
れば、ステップＳ１２に戻って上記ステップＳ１２〜ス
テップＳ１６の処理を繰り返し実行し、Ｎ以上になって
いれば本処理を終了する。
【００８８】また、図１０においてステップＳ２１でＤ
／Ａコンバータ２６は、上記図９のステップＳ１４の処
理によりデータ読取切替部２４からバッファ２５を介し
て転送される波形内容（コードブックデータ）をＤ／Ａ
変換処理により所定のアナログ信号に変換して増幅部２
７に出力し、次いで、ステップＳ２２で増幅部２７は、
Ｄ／Ａコンバータ２６から入力されるアナログ信号を増
幅して図外のスピーカー等を駆動して本処理を終了す
る。
【００８９】上記図９及び図１０の処理は並行して実行
され、メモリ２１に記憶された一連の音情報が再生され
る。この再生処理の最中に、図８のインターフェイス制
御部２８に、例えば、停止信号ＳＴＯＰ、送り信号ＦＷ
あるいは戻り信号ＢＫが入力されると、その外部制御信
号に応じて再生中の音情報の停止、早送りあるいは早戻
し等の処理が実行される。
【００９０】したがって、上記音情報再生装置２０は、
メモリ２１に予め上記請求項１及び２記載の実施例で説
明した音情報圧縮装置１０により作成されたコードブッ
クデータをメモリに記憶することにより、少ないメモリ
容量で再生資源となる音楽情報及び音声情報を符号化し
てコードブックデータとして記憶することができ、複雑
な演算処理を必要とすることなく簡単なアルゴリズムで
メモリからをコードブックデータを読み出すだけで音情
報を再生することができ、回路構成も単純化し、部品点
数も大幅に削減することができる。その結果、低コスト
で小型の音情報圧縮装置を実現することができる。
【００９１】
【発明の効果】請求項１記載の発明によれば、入力音情
報パターンの変化に基づいて該入力音情報パターンを分
類して近似する代表音値を重心として格納する複数の分
割領域をｎ次元の相関マップをマップ形成手段で形成す
るとともに、該マップ形成手段が、入力音情報パターン
の変化に応じて該各分割領域の重心となる代表音値を変
更して該ｎ次元の相関マップを更新し、該相関マップの
各分割領域に格納される代表音値を符号化手段が所定の
コード情報に変換することにより入力音情報を圧縮す
る。また、この場合、マップ形成手段は、初期値設定手
段が、前記複数の代表音値を設定するための複数の分割
領域毎に重み付けした初期値を設定し、提示手段が該初
期値設定手段により設定される各分割領域の初期値に前
記入力音情報パターンを提示し、距離演算手段が該提示
手段により提示される各入力音情報パターンと各分割領
域の初期音値との間の距離をｎ次元方向に演算し、更新
手段が該距離演算手段の演算結果に基づいて各分割領域
の代表音値を更新して前記ｎ次元の相関マップを更新し
ているので、３次元以上ｎ次元の相関マップを適用して
高次元の入力音情報パターンを分類する更新演算処理を
行うことにより、演算回数を大幅に削減でき、現存する
コンピューターにより実用的演算時間内に分類結果を得
ることができるとともに、入力音情報パターンを従来よ
り少ない代表音値で良好に分類することができる。
【００９２】請求項３記載の発明によれば、音情報再生
装置は、音楽情報や音声情報等の再生資源が所定時間間
隔で標本化される一連の音情報パターンを所定サンプル
数毎に分類して近似する複数の代表音コード情報を音コ
ード記憶手段に記憶し、この音コード記憶手段に記憶し
た複数の代表音コード情報を入力音情報パターンの順序
通りに再生するための再生順序情報を再生順序記憶手段
に記憶し、読取手段が、この再生順序記憶手段に記憶し
た再生順序情報に基づいて音コード記憶手段に記憶した
複数の代表音コード情報を選択して読み取り、再生手段
が、読取手段が読み出した代表音コード情報を再生す
る。また、この場合、前記音コード記憶手段に記憶する
複数の代表音コード情報は、例えば、請求項１記載の音
情報圧縮方法においてマップ形成手段によりｎ次元の相
関マップから求められる代表音値を符号化手段により変
換したコード情報を適用しているので、少ないメモリ容
量で再生資源となる音楽情報及び音声情報を符号化して
代表音コード情報として記憶することができ、複雑な演
算処理を必要とすることなく簡単なアルゴリズムでメモ
リからを代表音コード情報を読み出すだけで音情報を再
生することができ、回路構成も単純化することができ
る。その結果、低コストで小型の音情報再生装置を提供
することができる。
【図面の簡単な説明】
【図１】請求項１及び２記載の発明の基本的な考え方を
説明するための２次元のコホーネンマップを示す図であ
る。
【図２】請求項１及び２記載の発明の基本的な考え方を
説明するための３次元のコホーネンマップを示す図であ
る。
【図３】音情報圧縮装置のブロック構成図である。
【図４】図３の演算処理部で処理される学習アルゴリズ
ムのフローチャートを示す図である。
【図５】図３の音情報圧縮装置で圧縮される入力音情報
の一例を示す図である。
【図６】音情報再生装置のブロック構成図である。
【図７】図６のメモリ内の構成を示す図である。
【図８】図６の制御部のブロック構成図である。
【図９】図６の音情報再生装置で処理される音情報伸張
アルゴリズムのフローチャートを示す図である。
【図１０】図６の音情報再生装置で処理される音情報Ｄ
／Ａ変換処理のフローチャートを示す図である。
【図１１】従来のサブバンド符号化と聴覚特性とを使う
オーディオ信号の高能率符号化技術の基本アルゴリズム
に基づくブロック図である。
【図１２】従来のベクトル量子化手法におけるＬＢＧア
ルゴリズムのフローチャートを示す図である。
【図１３】従来の２次元のコホーネンマップによる“ね
じれ”の発生を説明するための図である。
【符号の説明】
１０ 音情報圧縮装置 １１ 入力部 １２ サンプリング部 １３ 演算処理部 １４ コード変換部 １５ コードブック作成部 ２１ 音情報再生装置 ２１ａ 波形番号記憶領域 ２１ｂ 波形内容記憶領域 ２２ 制御部 ２３ アドレス参照伸張実行部 ２４ データ読取切替部 ２５ バッファ ２６ Ｄ／Ａコンバータ ２７ 増幅部 ２８ インターフェィス制御部 ２９ スイッチ
───────────────────────────────────────────────────── フロントページの続き (72)発明者 宮沢 丈夫 東京都三鷹市下連雀４丁目12番３号プレス テージＳ＆Ｔ Ｗ２

Claims (4)

    【特許請求の範囲】
  1. 【請求項１】 一連の音情報が所定時間間隔で標本化さ
    れ、該所定サンプル数毎に音情報パターンとして入力さ
    れると、該入力音情報パターンを分類して近似する代表
    音値に置換してコード化することにより該一連の音情報
    を圧縮する音情報圧縮方法において、 前記入力音情報パターンの変化に基づいて該入力音情報
    パターンを分類して近似する代表音値を重心として格納
    する複数の分割領域を３次元以上ｎ次元の相関マップに
    形成するとともに、該入力音情報パターンの変化に応じ
    て該各分割領域の重心となる代表音値を変更して該ｎ次
    元の相関マップを更新するマップ形成手段と、 マップ形成手段の形成する相関マップの各分割領域に格
    納される代表音値を所定のコード情報に変換する符号化
    手段と、 を設け、入力音情報パターンの変化に応じて各分割領域
    の重心となる代表音値を変更して３次元以上ｎ次元の相
    関マップを更新し、該更新した相関マップの代表音値を
    所定のコード情報に変換することにより入力音情報を圧
    縮することを特徴とする音情報圧縮方法。
  2. 【請求項２】 前記マップ形成手段を、 前記複数の代表音値を設定するための前記複数の分割領
    域毎に重み付けした初期値を設定する初期値設定手段
    と、 該初期値設定手段により設定される各分割領域の初期値
    に前記入力音情報パターンを提示する提示手段と、 該提示手段により提示される各入力音情報パターンと各
    分割領域の初期値との間の距離を３次元以上ｎ次元方向
    に演算する距離演算手段と、 該距離演算手段の演算結果に基づいて各分割領域の代表
    音値を更新して前記３次元以上ｎ次元の相関マップを更
    新する更新手段と、 により構成したことを特徴とする請求項１記載の音情報
    圧縮方法。
  3. 【請求項３】 音楽情報や音声情報等の再生資源が所定
    時間間隔で標本化される一連の音情報パターンを所定サ
    ンプル数毎に分類して近似する複数の代表音コード情報
    を記憶する音コード記憶手段と、 該音コード記憶手段に記憶された複数の代表音コード情
    報を入力音情報パターンの順序通りに再生するための再
    生順序情報を記憶する再生順序記憶手段と、 音コード記憶手段に記憶された複数の代表音コード情報
    を再生順序記憶手段に記憶された再生順序情報に基づい
    て選択して読み取る読取手段と、 該読取手段により読み取られた代表音コード情報を再生
    する再生手段と、 を備えたことを特徴とする音情報再生装置。
  4. 【請求項４】 前記音コード記憶手段に記憶する音コー
    ド情報は、請求項１記載の音情報圧縮方法においてマッ
    プ形成手段により３次元以上ｎ次元の相関マップから求
    められる代表音値を符号化手段により変換したコード情
    報を適用することを特徴とする請求項３記載の音情報再
    生装置。
JP4138431A 1992-05-29 1992-05-29 音情報圧縮方法及び音情報再生装置 Pending JPH05335967A (ja)

Priority Applications (5)

Application Number Priority Date Filing Date Title
JP4138431A JPH05335967A (ja) 1992-05-29 1992-05-29 音情報圧縮方法及び音情報再生装置
EP93910421A EP0597126A4 (en) 1992-05-29 1993-05-31 METHOD FOR COMPRESSING AUDIO INFORMATION, AND APPARATUS FOR REPRODUCING AUDIO INFORMATION.
US08/182,105 US5594833A (en) 1992-05-29 1993-05-31 Rapid sound data compression in code book creation
KR1019940700294A KR0142844B1 (ko) 1992-05-29 1993-05-31 음정보압축방법 및 음정보재생장치
PCT/JP1993/000731 WO1993025007A1 (fr) 1992-05-29 1993-05-31 Procede pour comprimer des informations audio, et appareil pour reproduire des informations audio

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP4138431A JPH05335967A (ja) 1992-05-29 1992-05-29 音情報圧縮方法及び音情報再生装置

Publications (1)

Publication Number Publication Date
JPH05335967A true JPH05335967A (ja) 1993-12-17

Family

ID=15221817

Family Applications (1)

Application Number Title Priority Date Filing Date
JP4138431A Pending JPH05335967A (ja) 1992-05-29 1992-05-29 音情報圧縮方法及び音情報再生装置

Country Status (5)

Country Link
US (1) US5594833A (ja)
EP (1) EP0597126A4 (ja)
JP (1) JPH05335967A (ja)
KR (1) KR0142844B1 (ja)
WO (1) WO1993025007A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009509456A (ja) * 2005-09-23 2009-03-05 テレフオンアクチーボラゲット エル エム エリクソン（パブル） 逐次改善可能な格子ベクトル量子化

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5765127A (en) * 1992-03-18 1998-06-09 Sony Corp High efficiency encoding method
US5943446A (en) * 1995-07-19 1999-08-24 Unisys Corporation Method and apparatus for increasing the speed of a full code book search in a quantizer encoder
JP4661074B2 (ja) * 2004-04-07 2011-03-30 ソニー株式会社 情報処理システム、情報処理方法、並びにロボット装置
US8990073B2 (en) * 2007-06-22 2015-03-24 Voiceage Corporation Method and device for sound activity detection and sound signal classification
JP5890963B2 (ja) * 2011-03-17 2016-03-22 富士通株式会社 データ保存プログラム及びデータ保存方法
FR2973551A1 (fr) * 2011-03-29 2012-10-05 France Telecom Allocation par sous-bandes de bits de quantification de parametres d'information spatiale pour un codage parametrique
US9779807B2 (en) 2014-07-31 2017-10-03 Nxp Usa, Inc. Non-volatile memory using bi-directional resistive elements
US10586546B2 (en) 2018-04-26 2020-03-10 Qualcomm Incorporated Inversely enumerated pyramid vector quantizers for efficient rate adaptation in audio coding
US10573331B2 (en) 2018-05-01 2020-02-25 Qualcomm Incorporated Cooperative pyramid vector quantizers for scalable audio coding
US10580424B2 (en) 2018-06-01 2020-03-03 Qualcomm Incorporated Perceptual audio coding as sequential decision-making problems
US10734006B2 (en) 2018-06-01 2020-08-04 Qualcomm Incorporated Audio coding based on audio pattern recognition

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0241170B1 (en) * 1986-03-28 1992-05-27 AT&T Corp. Adaptive speech feature signal generation arrangement
GB8720387D0 (en) * 1987-08-28 1987-10-07 British Telecomm Matching vectors
US5077798A (en) * 1988-09-28 1991-12-31 Hitachi, Ltd. Method and system for voice coding based on vector quantization
JPH0375700A (ja) * 1989-08-18 1991-03-29 Hitachi Ltd ベクトル量子化方式
JPH02287399A (ja) * 1989-04-28 1990-11-27 Fujitsu Ltd ベクトル量子化制御方式
JPH0458300A (ja) * 1990-06-28 1992-02-25 Matsushita Electric Ind Co Ltd 音声信号のベクトル量子化方法
JP2780458B2 (ja) * 1990-08-01 1998-07-30 松下電器産業株式会社 ベクトル量子化法および音声符号化復合化装置
JPH088503B2 (ja) * 1990-11-27 1996-01-29 松下電器産業株式会社 音声符号化復号化装置
JP2802549B2 (ja) * 1991-01-23 1998-09-24 松下電器産業株式会社 ベクトル量子化装置
JPH04334206A (ja) * 1991-05-10 1992-11-20 Matsushita Electric Ind Co Ltd ベクトル量子化用コードブック作成方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009509456A (ja) * 2005-09-23 2009-03-05 テレフオンアクチーボラゲット エル エム エリクソン（パブル） 逐次改善可能な格子ベクトル量子化

Also Published As

Publication number Publication date
WO1993025007A1 (fr) 1993-12-09
US5594833A (en) 1997-01-14
EP0597126A4 (en) 1997-01-08
KR0142844B1 (ko) 1998-08-17
EP0597126A1 (en) 1994-05-18

Similar Documents

Publication Publication Date Title
CN112786021B (zh) 一种基于分层量化的轻量级神经网络语音关键词识别方法
CN109785847B (zh) 基于动态残差网络的音频压缩算法
US20220224926A1 (en) Variable bit rate compression using neural network models
JP2000507754A (ja) 組込み形コーディングを有するテーブルベースの圧縮
KR0142844B1 (ko) 음정보압축방법 및 음정보재생장치
KR20200039530A (ko) 오디오 신호의 부호화 방법 및 장치, 그리고 복호화 방법 및 장치
CN118692473A (zh) 一种基于深度学习架构的骨传导语音信号传输方法
US11615286B2 (en) Computing system and compressing method for neural network parameters
CN119479632A (zh) 噪声特征向量分类模型构建方法、语音增强方法和装置
KR101010585B1 (ko) 벡터 코드북 생성 방법, 데이터 압축 방법 및 장치, 및분산 음성 인식 시스템
JP7831483B2 (ja) プログラム、情報処理方法、記録媒体および情報処理装置
JPH0722957A (ja) 副バンドコーディングシステムの信号処理装置
KR20210030886A (ko) 동적 모델 파라미터를 이용한 오디오 부호화 방법 및 오디오 복호화 방법, 오디오 부호화 장치 및 오디오 복호화 장치
CN112669857B (zh) 一种语音处理的方法、装置及设备
Wang et al. Training compressed fully-connected networks with a density-diversity penalty
JP2626492B2 (ja) ベクトル量子化装置
CN111816196A (zh) 一种声波信息的解码方法及装置
JP3146355B2 (ja) セルオートマトンを用いたデータ記録及び伝送システム
JP2002091497A (ja) オーディオ信号符号化方法、復号化方法及びそれらの方法を実行するプログラム記憶媒体
CN118830021A (zh) 捆绑多速率反馈自编码器
JP4645866B2 (ja) ディジタル信号処理方法、学習方法及びそれらの装置並びにプログラム格納媒体
WO2022155245A1 (en) Variable bit rate compression using neural network models
JP4645867B2 (ja) ディジタル信号処理方法、学習方法及びそれらの装置並びにプログラム格納媒体
JPH06175695A (ja) 音声パラメータの符号化方法および復号方法
Wu et al. Source coding and vector quantization with codebook-excited neural networks