JPH06177776A - 音声符号化制御方式 - Google Patents

Abstract

(57)【要約】 【目的】 音声信号を高能率帯域圧縮符号化する音声符
号化制御方式に関し、再生音声品質を劣化させることな
く、伝送速度を小さくできるように符号化する。 【構成】 入力信号を入力する線形予測分析部１と、こ
の線形予測分析部１からの係数値に従ってコードベクト
ルを基に信号を再生する線形予測合成フィルタ２と、こ
の再生信号と、入力信号との差又はアダプティブ符号帳
３の影響を除いた信号との差を入力する誤差電力評価部
４と、複数の符号帳５と、ニューラルネットワーク部６
とを備え、ニューラルネットワーク部６に、入力信号又
はこの入力信号からアダプティブ符号帳３の影響を除い
た信号を入力して、複数の符号帳５の中の最適な符号帳
を選択し、この符号帳の中の誤差電力評価部４による誤
差電力が最小となるコードベクトルを探索して符号化す
る。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、音声信号を高能率帯域
圧縮符号化する音声符号化制御方式に関する。音声信号
を伝送する場合、伝送帯域を有効に利用する為に高能率
帯域圧縮符号化する方式が採用されている。このような
高能率帯域圧縮符号化として既に各種の方式が提案され
ている。例えば、４〜１６ｋｂ／ｓの伝送速度で符号化
する為に、Ａ−ｂ−Ｓ（Ａnalysis -by-Ｓynthesis）型
ベクトル量子化方式が知られており、代表的なものとし
て、ＣＥＬＰ（Ｃode Ｅxcited Ｌinear Ｐredictio
n）符号化方式が知られている。このような符号化方式
に於いて、再生音声信号の品質を維持して高能率帯域圧
縮符号化できることが要望されている。

【０００２】

【従来の技術】図６はＣＥＬＰ符号化方式を用いたＣＥ
ＬＰ音声符号器の説明図であり、９１は線形予測分析
部、９２は線形予測合成フィルタ、９３はアダプティブ
符号帳、９４は誤差電力評価部、９５は雑音符号帳、９
６は誤差演算部、９７，９８は係数部である。アダプテ
ィブ符号帳９３はピッチ周期成分を生成する駆動源であ
り、雑音符号帳９５はそれ以外の駆動源に相当する。又
点線はコードベクトルＰ，Ｃの選択制御及びゲイン
ｇ_P ，ｇ_C の選択制御の経路を示す。

【０００３】線形予測分析部９１による入力信号ベクト
ルＸの分析結果により線形予測合成フィルタ９２に係数
値が与えられる。アダプティブ符号帳９３のコードベク
トルＰと、選択された雑音符号帳９５のコードベクトル
Ｃとにそれぞれ係数部９７，９８に於いてゲインｇ_C ，
ｇ_P が乗算され、乗算結果が加算されて線形予測合成フ
ィルタ９２に入力され、入力信号ベクトルＸに近似した
再生信号ベクトルが得られる。線形予測合成フィルタ９
２の特性をＡとすると、再生信号ベクトルは、（Ｐ・ｇ
_P ＋Ｃ・ｇ_C ）Ａと表すことができる。

【０００４】この再生信号ベクトルと入力信号ベクトル
Ｘとの差分が誤差演算部９６により算出されて誤差電力
評価部９４に入力され、誤差電力の算出が行われ、その
誤差電力の絶対値の二乗が次式に示すように求められ
る。 ｜Ｅ｜² ＝｜Ｘ−（Ｐ・ｇ_P ＋Ｃ・ｇ_C ）Ａ｜² …(1) そして、(1) 式により求めた誤差電力の絶対値の二乗が
最小となるように、アダプティブ符号帳９３及び雑音符
号帳９５のコードベクトルＰ，Ｃ及びゲインｇ_P，ｇ_C
が選択され、その時の線形予測合成フィルタ係数値、雑
音符号帳９５のコードベクトルのインデックス、雑音コ
ードゲインｇ_C 、アダプティブ符号帳９３のコードベク
トルのインデックス、アダプティブコードゲインｇ_P の
５個のパラメータを多重化して伝送することになる。

【０００５】再生音声品質をある程度以上に維持する為
には、例えば、８ｋｂ／ｓの伝送速度に符号化するＣＥ
ＬＰ符号器に於いては、分析フレーム長を２０ｍｓ、サ
ブフレーム長を５ｍｓとして、線形予測合成フィルタ係
数値に〜１．８ｋｂ／ｓ、アダプティブコードブック番
号（インデックス）とアダプティブコードゲインｇ_Pに
〜２．５ｋｂ／ｓを割当てるとすると、雑音コードブッ
ク番号（インデックス）は〜２ｋｂ／ｓ、雑音コードゲ
インｇ_C は１〜１．５ｋｂ／ｓの伝送速度が必要とな
る。

【０００６】この伝送速度を更に低減させて、例えば、
全体を４ｋｂ／ｓ以下とする場合は、処理のフレーム長
を２倍にする等の方策をとることになるが、その分、再
生音声品質の劣化が著しくなり、実用的でないものとな
る。そこで、入力音声信号の各フレーム毎に音韻分析を
行い、その音韻分析結果に基づいて符号帳を選択する方
式が提案されている。

【０００７】図７は前述の音韻分析を用いたＣＥＬＰ音
声符号器の説明図であり、１０１は線形予測分析部、１
０２は線形予測合成フィルタ、１０３はアダプティブ符
号帳、１０４は誤差電力評価部、１０５−１〜１０５−
３は母音，有声子音，無声子音の符号帳、１０６は誤差
演算部、１０７，１０８は係数部、１０９は音韻分析部
である。この音韻分析部１０９は、入力信号ベクトルＸ
について波形分析等により音韻分析を行い、母音の場合
は符号帳１０５−１を選択し、有声子音の場合は符号帳
１０５−２を選択し、無声子音の場合は符号帳１０５−
３を選択する。誤差電力評価部１０４は、誤差電力が最
小となるように、選択すべき符号帳のコードベクトルを
探索することになる。

【０００８】

【発明が解決しようとする課題】前述の図６に示す従来
例のＣＥＬＰ音声符号器に於いて、伝送速度を低減する
と、再生音声品質が著しく劣化する欠点があり、又図７
に示す従来例の音韻分析を用いたＣＥＬＰ音声符号器に
於いては、音韻分析部１０９に於ける分析処理が複雑と
なり、演算量が増大する欠点があると共に、音韻分析に
よって選択された符号帳１０５−１〜１０５−３の中
に、最適なコードベクトルが含まれている保証がないこ
とにより、必ずしも再生音声品質を或る程度以上に維持
できない問題があった。本発明は、比較的簡単な処理に
より、再生音声品質を劣化させることなく、伝送速度を
小さくできる符号化を行わせることを目的とする。

【０００９】

【課題を解決するための手段】本発明の音声符号化制御
方式は、図１を参照して説明すると、入力信号を加える
線形予測分析部１と、この線形予測分析部１によって制
御され、コードベクトルをもとに再生信号を出力する線
形予測合成フィルタ２と、入力信号又はこの入力信号か
らアダプティブ符号帳３の影響を除いた信号と、再生信
号との差分を加える誤差電力評価部４と、コードベクト
ルを格納した複数の符号帳５と、入力信号又はこの入力
信号からアダプティブ符号帳３の影響を除いた信号を加
えるニューラルネットワーク部６とを備え、このニュー
ラルネットワーク部６により複数の符号帳５の中の最適
符号帳を選択し、この最適符号帳の中から誤差電力評価
部４の評価結果に従ったコードベクトルを選択するもの
である。又７，８は係数部、９は誤差演算部である。

【００１０】

【作用】入力信号ベクトルＸについて線形予測分析部１
による分析結果により線形予測合成フィルタ２の係数値
を制御し、アダプティブ符号帳３及び符号帳５のコード
ベクトルを基に線形予測合成フィルタ２から信号を再生
し、その再生信号ベクトルと入力信号ベクトルＸとの差
分について誤差電力評価部４に於いて誤差電力を求め、
その誤差電力が最小となるコードベクトルの探索を行う
ものであり、又ニューラルネットワーク（Ｎeural Ｎet
work）部６は、入力層と、単一或いは複数の中間層と、
出力層とからなり、各種の音声入力信号に対して最適符
号帳が選択できるように、例えば、バックプロパゲーシ
ョン方式により荷重を設定する学習を行わせておくもの
である。それにより、入力信号に対してニューラルネッ
トワーク部６は、複数の符号帳５の中から最適な符号帳
を選択する確率が高くなり、この符号帳５の数を多くす
ることにより、各符号帳のコード数を小さくして、最適
コードベクトル探索の為の演算量を削減することができ
る。

【００１１】

【実施例】図２は本発明の第１の実施例の説明図であ
る。同図に於いて、１１は線形予測分析部、１２は線形
予測合成フィルタ、１３はアダプティブ符号帳、１４は
誤差電力評価部、１５−１〜１５−４は、有声母音，無
声母音，有声子音，無声子音の符号帳、１６はニューラ
ルネットワーク部、１７，１８は係数部、１９は誤差演
算部、２０は加算部、２１は入力層、２２は中間層、２
３は出力層、２４はバッファを示す。

【００１２】音声の入力信号は、例えば、３０ｍｓのフ
レーム毎に線形予測分析部１１により分析され、その分
析結果が線形予測合成フィルタ１２に係数値として与え
られる。又入力信号の例えば４０サンプル（５ｍｓ）の
サブフレーム毎に、バッファ２４を介してニューラルネ
ットワーク部１６の３層構成の入力層２１に入力され、
出力層から符号帳１５−１〜１５−４の一つを選択する
信号が出力される。選択された符号帳のコードベクトル
Ｃとゲインｇ_C と、アダプティブ符号帳１３のコードベ
クトルＰとゲインｇ_P とにより、線形予測合成フィルタ
１２からの再生信号ベクトルは、線形予測合成フィルタ
１２の特性をＡとすると、（Ｐ・ｇ_P ＋Ｃ・ｇ_C ）Ａと
表すことができる。

【００１３】そして、この再生信号ベクトルと入力信号
ベクトルＸとの差分が誤差電力評価部１４に入力され
て、前述の（１）式に示す値を最小とするように、アダ
プティブ符号帳１３のコードベクトルＰと、そのゲイン
ｇ_P と、選択された符号帳１５−１〜１５−４のコード
ベクトルＣと、そのゲインｇ_C とが選択される。そし
て、最終選択結果のサブフレーム（５ｍｓ）に於けるコ
ードベクトルＰのインデックス（７ビット）、ゲインｇ
_P （５ビット）、４個の符号帳１５−１〜１５−４の何
れかを示す番号（２ビット）、コードベクトルＣのイン
デックス（８ビット）、ゲインｇ_C （５ビット）及び線
形予測合成フィルタ１２の係数値を多重化して音声符号
化信号とすることができる。従って、８ｋｂ／ｓ以下の
伝送速度で音声を符号化するＣＥＬＰ音声符号器を構成
することができる。

【００１４】ニューラルネットワーク部１６は、入力層
２１と、任意数の中間層２２と、出力層２３とからな
り、フィードフォワード型ニューラルネットワークを構
成している。そして、入力信号ベクトルＸの例えば、４
０サンプル（５ｍｓ）毎のサブフレームがバッファ２４
に蓄積されて入力層２１に入力され、出力層２３から符
号帳１５−１〜１５−４の中の何れか一つの符号帳を選
択する信号が出力される。このニューラルネットワーク
部１６と４個の符号帳１５−１〜１５−４とは、例え
ば、音声データベースを用いた学習によって形成するこ
とができる。

【００１５】学習の手順は、例えば、（１）．各符号帳
１５−１〜１５−４の特徴に対応した音声データベース
を用いて、学習された符号帳を作成する。例えば、有声
母音区間のみを集めた音声データベースを使用し、ＬＢ
Ｇアルゴリズム等により有声母音用の符号帳１５−１を
作成する。又無声母音用，有声子音用，無声子音用の符
号帳１５−２〜１５−４についても、それぞれの区間の
みを集めた音声データベースを使用して作成する。次
に、（２）．作成した各符号帳１５−１〜１５−４を用
いて、ニューラルネットワーク部１６の学習を行う。こ
の場合の学習は、符号帳１５−１〜１５−４を総て用い
た全探索を行って得られたコードベクトルを含む符号帳
に対応するインデックスを教師データとして与えること
により行うことができる。

【００１６】前述のように、４個の符号帳１５−１〜１
５−４を作成し、ニューラルネットワーク部１６の学習
を行わせることにより、音声の入力信号に対してニュー
ラルネットワーク部１６により、例えば、４０サンプル
区間が有声母音に相当すれば、４個の符号帳１５−１〜
１５−４の中の符号帳１５−１が選択され、誤差電力評
価部１４による誤差が最小となるような制御により、符
号帳１５−１の最適のコードベクトル探索が行われるこ
とになる。従って、音韻分析を行う従来例に比較して、
学習済みのニューラルネットワーク部１６により最適な
符号帳の選択が可能となり、高速で最適コードベクトル
の探索が可能となる。又その為の処理は、音韻分析に比
較して著しく簡単となり、且つ高速化できる。なお、音
声の入力信号のフレーム長（３０ｍｓ）及びサブフレー
ム長（５ｍｓ）は任意に選択できるものである。

【００１７】図３は本発明の第２の実施例の説明図であ
り、３１は線形予測分析部、３２−１，３２−２は線形
予測合成フィルタ、３３はアダプティブ符号帳、３４−
１，３４−２は誤差電力評価部、３５−１〜３５−４は
符号帳、３６はニューラルネットワーク部、３７，３８
は係数部、３９，４０は誤差演算部、４１は入力層、４
２は中間層、４３は出力層、４４はバッファである。

【００１８】この実施例に於ける符号帳３５−１〜３５
−４は、前述の実施例と同様に、有声母音，無声母音，
有声子音，無声子音の符号帳である。又入力信号ベクト
ルＸの例えば４０サンプル（５ｍｓ）のサブフレーム毎
に、アダプティブ符号帳３３の探索を行うもので、入力
信号ベクトルＸと線形予測合成フィルタ３２−１による
再生信号ベクトルとの差分が加えられる誤差電力評価部
３４−１によって、最小誤差電力が得られるアダプティ
ブ符号帳３３のコードベクトルＰとゲインｇ_Pとが選択
される。

【００１９】次に、入力信号ベクトルＸから線形予測合
成フィルタ３２−１による再生信号ベクトルを誤差演算
部４０により減算して、アダプティブ符号帳３３の影響
を除いた信号Ｘ’をニューラルネットワーク部３６にバ
ッファ４４を介して入力し、符号帳３５−１〜３５−４
の中の一つの符号帳を選択し、選択された符号帳の探索
を行うもので、誤差演算部４０からの入力信号ベクトル
Ｘからアダプティブ符号帳３３の影響を除いた信号Ｘ’
と、線形予測合成フィルタ３２−２からの再生信号ベク
トルの差分が加えられる誤差電力評価部３４−２による
誤差が最小となるように、符号帳の最適コードベクトル
が選択される。

【００２０】この実施例に於いても、有声母音，無声母
音，有声子音，無声子音の各符号帳３５−１〜３５−４
の形成及びニューラルネットワーク部３６の学習は、前
述の実施と同様な手段によって行うことができる。又ア
ダプティブ符号帳３３のコードベクトルＰに対するゲイ
ンｇ_P を０とすると、アダプティブ符号帳３３を使用し
ない場合に相当する。即ち、アダプティブ符号帳３３を
使用しないで、符号帳３５−１〜３５−４の探索を行う
構成とすることも可能である。

【００２１】図４は本発明の第３の実施例の説明図であ
り、同図に於いて、５１は線形予測分析部、５２は線形
予測合成フィルタ、５３はアダプティブ符号帳、５４は
誤差電力評価部、５５−１〜５５−ｎは符号帳、５６は
ニューラルネットワーク部、５７，５８は係数部、５９
は誤差演算部、６０は加算部、６１は入力層、６２は中
間層、６３は出力層、６４はバッファを示す。

【００２２】この実施例は、ｎ個の符号帳５５−１〜５
５−ｎを設けた場合を示し、それぞれのコードベクトル
の相互相関値が異なる符号帳から構成されている。又ｎ
個の符号帳５５−１〜５５−ｎに対応してニューラルネ
ットワーク部５６は、例えば４０サンプル（５ｍｓ）の
サブフレーム毎に入力信号ベクトルＸが入力されて、ｎ
個の符号帳５５−１〜５５−ｎの中の一つの符号帳を選
択する信号を出力するものである。このニューラルネッ
トワーク部５６の学習は、第１の実施例について説明し
た手段と同様な手段で、全符号帳５５−１〜５５−ｎを
用いて行うことができる。又線形予測分析部５１，線形
予測合成フィルタ５２，アダプティブ符号帳５３，誤差
電力評価部５４等については、図２に示す第１の実施例
と同様に動作するものである。又符号帳数ｎの値を大き
くすることにより、各符号帳のコードベクトルのサイズ
を小さくでき、探索演算量を少なくすることができる。

【００２３】図５は本発明の第４の実施例の説明図であ
り、７１は線形予測分析部、７２−１，７２−２は線形
予測合成フィルタ、７３はアダプティブ符号帳、７４−
１，７４−２は誤差電力評価部、７５−１〜７５−ｎは
符号帳、７６はニューラルネットワーク部、７７，７８
は係数部、７９，８０は誤差演算部、８１は入力層、８
２は中間層、８３は出力層、８４はバッファである。

【００２４】この実施例は、入力信号ベクトルＸからア
ダプティブ符号帳７３による影響を除いた信号Ｘ’をニ
ューラルネットワーク部７６に入力し、このニューラル
ネットワーク部７６によりｎ個の符号帳７５−１〜７５
−ｎの中の一つの符号帳を選択するものであり、この場
合のｎ個の符号帳７５−１〜７５−ｎは、第３の実施例
の場合と同様に、コードベクトルの相互相関値が異なる
符号帳から構成されている。

【００２５】又ニューラルネットワーク部７６の学習
は、前述の実施例と同様な手段で行うことができる。又
この実施例は、図３に示す実施例の４個の符号帳をｎ個
の符号帳とした場合に相当し、従って、アダプティブ符
号帳７３の探索の次に、ｎ個の符号帳７５−１〜７５−
ｎの中の一つの符号帳の選択、及びその符号帳の中の最
適コードベクトルの探索が行われる。又アダプティブ符
号帳７３のコードベクトルＰに対するゲインｇ_P を０と
して、アダプティブ符号帳７３を不使用とする構成も可
能である。即ち、ゲインｇ_P の制御によりアダプティブ
符号帳７３は使用，不使用の状態の切替えを行うことも
できる。

【００２６】

【発明の効果】以上説明したように、本発明は、複数の
符号帳５を備えてＣＥＬＰタイプの音声符号化を行う構
成に於いて、ニューラルネットワーク部６により複数の
符号帳５の中の一つを選択するものであり、ニューラル
ネットワーク部６の学習は、総ての符号帳を用いてＡ−
ｂ−Ｓ方式により再生信号ベクトルと入力信号ベクトル
との誤差が最小となるコードベクトルを含む符号帳を選
択するように行うことができるから、音声の符号化時
に、最適なコードベクトルが選択される確率が高くな
り、従って、低伝送速度となるように符号化した場合で
も、再生音声品質の劣化が少なくなる利点がある。又符
号帳５の個数を増加すれば、コードベクトルの探索演算
処理量を削減することができるから、高速符号化処理が
可能となる利点がある。

【図面の簡単な説明】

【図１】本発明の原理説明図である。

【図２】本発明の第１の実施例の説明図である。

【図３】本発明の第２の実施例の説明図である。

【図４】本発明の第３の実施例の説明図である。

【図５】本発明の第４の実施例の説明図である。

【図６】ＣＥＬＰ音声符号器の説明図である。

【図７】音韻分析を用いたＣＥＬＰ音声符号器の説明図
である。

【符号の説明】

１ 線形予測分析部 ２ 線形予測合成フィルタ ３ アダプティブ符号帳 ４ 誤差電力評価部 ５ 符号帳 ６ ニューラルネットワーク部

Claims (1)

【特許請求の範囲】
1. 【請求項１】 入力信号を加える線形予測分析部（１）
   と、 該線形予測分析部（１）によって制御され、コードベク
   トルを基に再生信号を出力する線形予測合成フィルタ
   （２）と、 前記入力信号又は該入力信号からアダプティブ符号帳
   （３）の影響を除いた信号と、前記再生信号との差分を
   加える誤差電力評価部（４）と、 それぞれコードベクトルを格納した複数の符号帳（５）
   と、 前記入力信号又は該入力信号からアダプティブ符号帳
   （３）の影響を除いた信号を加えるニューラルネットワ
   ーク部（６）とを備え、 該ニューラルネットワーク部（６）により前記複数の符
   号帳（５）の中の最適符号帳を選択し、該最適符号帳の
   中から前記誤差電力評価部（４）の評価結果に従ってコ
   ードベクトルを選択することを特徴とする音声符号化制
   御方式。