JPH06332496A - 音声符号化装置、音声復号化装置、音声後処理装置及びこれらの方法 - Google Patents
音声符号化装置、音声復号化装置、音声後処理装置及びこれらの方法Info
- Publication number
- JPH06332496A JPH06332496A JP5119959A JP11995993A JPH06332496A JP H06332496 A JPH06332496 A JP H06332496A JP 5119959 A JP5119959 A JP 5119959A JP 11995993 A JP11995993 A JP 11995993A JP H06332496 A JPH06332496 A JP H06332496A
- Authority
- JP
- Japan
- Prior art keywords
- analysis
- speech
- voice
- harmonic
- amplitude
- 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.)
- Granted
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
- G10L19/06—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
- 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
- G10L19/02—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
- G10L19/04—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
- G10L19/16—Vocoder architecture
- G10L19/18—Vocoders using multiple modes
- G10L19/24—Variable rate codecs, e.g. for generating different qualities using a scalable representation such as hierarchical encoding or layered encoding
-
- 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
- G10L19/26—Pre-filtering or post-filtering
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)
Abstract
(57)【要約】
【目的】 音声信号を符号化復号化する方式において、
復号化装置から出力される音声の品質を向上すること目
的としている。 【構成】 一定長で一定間隔に設定される分析フレーム
毎に入力音声を符号化する音声符号化装置１において、
入力音声を分析窓位置選定手段１３で指定される位置の
分析窓で切り出し、この切り出された入力音声の周波数
スペクトル特徴パラメータを抽出する音声分析手段６
と、この音声分析手段で前記周波数スペクトル特徴パラ
メータを抽出する際の分析窓の位置を、当該フレーム内
及びその近傍の入力音声の特徴パラメータの値に基づき
当該フレームを逸脱しない範囲で選定し、前記音声分析
手段に指令する分析窓位置選定手段１３を備えた。
復号化装置から出力される音声の品質を向上すること目
的としている。 【構成】 一定長で一定間隔に設定される分析フレーム
毎に入力音声を符号化する音声符号化装置１において、
入力音声を分析窓位置選定手段１３で指定される位置の
分析窓で切り出し、この切り出された入力音声の周波数
スペクトル特徴パラメータを抽出する音声分析手段６
と、この音声分析手段で前記周波数スペクトル特徴パラ
メータを抽出する際の分析窓の位置を、当該フレーム内
及びその近傍の入力音声の特徴パラメータの値に基づき
当該フレームを逸脱しない範囲で選定し、前記音声分析
手段に指令する分析窓位置選定手段１３を備えた。
Description
【０００１】
【産業上の利用分野】この発明は、音声をディジタル伝
送あるいは蓄積、合成する場合に用いる音声符号化装
置、音声復号化装置、音声後処理装置及びこれらの方法
に関するものである。
送あるいは蓄積、合成する場合に用いる音声符号化装
置、音声復号化装置、音声後処理装置及びこれらの方法
に関するものである。
【０００２】
【従来の技術】従来の音声符号化装置においては、一定
長、一定間隔で設定される分析フレームと同一区間ある
いは一定長ずれた区間に分析窓を設定し、この分析窓で
切り出された入力音声を周波数スペクトル分析してい
た。また、従来の音声復号化装置あるいは音声後処理装
置では、音声スペクトルの声道の共鳴による山の部分
（ホルマント部）を強調することで合成音声の持つ量子
化雑音感を聴覚的に低減していた。
長、一定間隔で設定される分析フレームと同一区間ある
いは一定長ずれた区間に分析窓を設定し、この分析窓で
切り出された入力音声を周波数スペクトル分析してい
た。また、従来の音声復号化装置あるいは音声後処理装
置では、音声スペクトルの声道の共鳴による山の部分
（ホルマント部）を強調することで合成音声の持つ量子
化雑音感を聴覚的に低減していた。
【０００３】従来の音声符号化・復号化装置に文献１
Ｒ．Ｍａｃａｕｌａｙ，Ｔ．Ｐａｒｋｓ，Ｔ．Ｑｕａｔ
ｉｅｒｉ，Ｍ．Ｓａｂｉｎ，“Ｓｉｎｅ−Ｗａｖｅ Ａ
ｍｐｌｉｔｕｄｅ Ｃｏｄｉｎｇ ａｔ Ｌｏｗ Ｄａ
ｔａ Ｒａｔｅｓ”，（Ａｄｖａｎｃｅ ｉｎ Ｓｐｅ
ｅｃｈ Ｃｏｄｉｎｇ，Ｋｌｕｗｅｒ Ａｃａｄｅｍｉ
ｃ Ｐｕｂｌｉｓｈｅｒｓ，Ｐ２０３−２１３）があ
る。図１２は文献１の音声符号化・復号化装置の概略を
示した構成図である。従来の音声符号化・復号化装置
は、音声符号化部１、音声復号化部３、伝送路で構成さ
れる。音声符号化部１には、入力音声４が入力される。
音声復号化部３からは出力音声が出力される。音声符号
化部１は、音声分析手段６、ピッチ符号化手段７、調波
成分符号化手段８を備えている。音声復号化部３はピッ
チ復号化手段９、調波成分復号化手段１０、調波振幅強
調手段１１、音声合成手段を備えている。また、音声符
号化部１は経路１０１，１０２，１０３を備えている。
音声復号化部３は経路１０４，１０５，１０６，１０７
を備えている。図１３は従来の音声符号化装置、音声復
号化装置の動作を説明する動作説明図である。
Ｒ．Ｍａｃａｕｌａｙ，Ｔ．Ｐａｒｋｓ，Ｔ．Ｑｕａｔ
ｉｅｒｉ，Ｍ．Ｓａｂｉｎ，“Ｓｉｎｅ−Ｗａｖｅ Ａ
ｍｐｌｉｔｕｄｅ Ｃｏｄｉｎｇ ａｔ Ｌｏｗ Ｄａ
ｔａ Ｒａｔｅｓ”，（Ａｄｖａｎｃｅ ｉｎ Ｓｐｅ
ｅｃｈ Ｃｏｄｉｎｇ，Ｋｌｕｗｅｒ Ａｃａｄｅｍｉ
ｃ Ｐｕｂｌｉｓｈｅｒｓ，Ｐ２０３−２１３）があ
る。図１２は文献１の音声符号化・復号化装置の概略を
示した構成図である。従来の音声符号化・復号化装置
は、音声符号化部１、音声復号化部３、伝送路で構成さ
れる。音声符号化部１には、入力音声４が入力される。
音声復号化部３からは出力音声が出力される。音声符号
化部１は、音声分析手段６、ピッチ符号化手段７、調波
成分符号化手段８を備えている。音声復号化部３はピッ
チ復号化手段９、調波成分復号化手段１０、調波振幅強
調手段１１、音声合成手段を備えている。また、音声符
号化部１は経路１０１，１０２，１０３を備えている。
音声復号化部３は経路１０４，１０５，１０６，１０７
を備えている。図１３は従来の音声符号化装置、音声復
号化装置の動作を説明する動作説明図である。
【０００４】以下、図１２、図１３を用いて従来の音声
符号化・復号化装置の動作について説明する。まず音声
符号化装置１の動作について説明する。音声分析手段６
は、経路１０１より入力される入力音声４を一定長の分
析フレーム毎に分析する。音声分析手段６は、分析する
フレーム内の一定位置を中心としたハミング窓の様な分
析窓で入力音声４を切り出す。音声分析手段６は、例え
ば自己相関分析によってパワーＰとピッチ周波数を抽出
する。また、音声分析手段６は周波数スペクトル分析に
よって周波数スペクトル上に現れるピッチ周波数間隔の
調波成分の振幅Ａｍと位相θｍ（ｍは調波番号）を抽出
する。図１３（ａ）、（ｂ）は入力音声を１フレーム分
切り出して周波数スペクトル上で調波成分の振幅Ａｍを
求める例を示している。音声分析手段６で抽出されたピ
ッチ周波数（１／Ｔ、ここでＴはピッチ周期）は経路１
０３を介してピッチ符号化手段７に出力される。パワー
Ｐと調波成分の振幅Ａｍと位相θｍは経路１０２を介し
て調波成分符号化手段８に出力される。
符号化・復号化装置の動作について説明する。まず音声
符号化装置１の動作について説明する。音声分析手段６
は、経路１０１より入力される入力音声４を一定長の分
析フレーム毎に分析する。音声分析手段６は、分析する
フレーム内の一定位置を中心としたハミング窓の様な分
析窓で入力音声４を切り出す。音声分析手段６は、例え
ば自己相関分析によってパワーＰとピッチ周波数を抽出
する。また、音声分析手段６は周波数スペクトル分析に
よって周波数スペクトル上に現れるピッチ周波数間隔の
調波成分の振幅Ａｍと位相θｍ（ｍは調波番号）を抽出
する。図１３（ａ）、（ｂ）は入力音声を１フレーム分
切り出して周波数スペクトル上で調波成分の振幅Ａｍを
求める例を示している。音声分析手段６で抽出されたピ
ッチ周波数（１／Ｔ、ここでＴはピッチ周期）は経路１
０３を介してピッチ符号化手段７に出力される。パワー
Ｐと調波成分の振幅Ａｍと位相θｍは経路１０２を介し
て調波成分符号化手段８に出力される。
【０００５】ピッチ符号化手段７は経路１０３より入力
されたピッチ周波数（１／Ｔ）を例えばスカラー量子化
した後に符号化する。ピッチ符号化手段７は、伝送路３
を介して符号化データを復号化装置２に出力する。調波
成分符号化手段８は経路１０２より入力されたパワーＰ
を例えばスカラー量子化して量子化パワーＰ’を求め
る。調波成分符号化手段８はこの量子化パワーＰ’を用
いて経路１０２より入力された調波成分の振幅Ａｍを正
規化して正規化振幅ＡＮｍを求める。調波成分符号化手
段８はこの正規化振幅ＡＮｍを量子化して量子化振幅Ａ
Ｎｍ’を求める。さらに経路１０２より入力された位相
θｍを例えばスカラー量子化して量子化位相θｍ’を求
める。そしてこれら調波成分符号化手段８は量子化振幅
と量子化位相θｍ’を符号化し、その符号化データを音
声復号化装置２に伝送路３を介して出力する。
されたピッチ周波数（１／Ｔ）を例えばスカラー量子化
した後に符号化する。ピッチ符号化手段７は、伝送路３
を介して符号化データを復号化装置２に出力する。調波
成分符号化手段８は経路１０２より入力されたパワーＰ
を例えばスカラー量子化して量子化パワーＰ’を求め
る。調波成分符号化手段８はこの量子化パワーＰ’を用
いて経路１０２より入力された調波成分の振幅Ａｍを正
規化して正規化振幅ＡＮｍを求める。調波成分符号化手
段８はこの正規化振幅ＡＮｍを量子化して量子化振幅Ａ
Ｎｍ’を求める。さらに経路１０２より入力された位相
θｍを例えばスカラー量子化して量子化位相θｍ’を求
める。そしてこれら調波成分符号化手段８は量子化振幅
と量子化位相θｍ’を符号化し、その符号化データを音
声復号化装置２に伝送路３を介して出力する。
【０００６】次に音声復号化装置２の動作について説明
する。まずピッチ復号化手段９は、伝送路３から入力さ
れたピッチ周波数の符号化データを復号化してピッチ周
波数を求める。ピッチ復号化手段９は、求めたピッチ周
波数を、経路１０４を介して音声合成装置２内の音声合
成手段１１に出力する。調波成分復号化手段１０は、調
波成分符号化手段８から伝送路３を介して入力された各
符号化データを復号化してパワーＰ’と調波成分の振幅
ＡＮｍ’と位相θｍ’を求める。調波成分復号化手段１
０は、振幅ＡＮｍ’に対してＰ’を乗じて復号振幅Ａ
ｍ’を求める。調波成分復号化手段１０は、これら復号
振幅Ａｍ’と位相θｍ’を経路１０５を介して調波振幅
強調手段１１に出力する。復号振幅Ａｍ’は量子化処理
による量子化雑音を含んでいる。一般的に人間の聴覚
は、周波数スペクトルの山の部分（ホルマント部）にお
ける量子化雑音を谷の部分より知覚しにくい特性を持
つ。調波振幅強調手段１１はこの特性を利用して、人間
の聴覚に与える量子化雑音感を抑圧する。調波振幅強調
手段１１は、図１４に示すように復号振幅Ａｍ’の周波
数軸上の凹凸を強調し、ホルマント部以外の部分の振幅
を低く抑える。こうして調波振幅強調手段１１は人間の
聴覚に与える量子化雑音感を抑圧する。振幅強調された
復号振幅ＡＥｍ’は経路１０６を介して位相θｍ’と共
に音声合成手段１２に出力される。
する。まずピッチ復号化手段９は、伝送路３から入力さ
れたピッチ周波数の符号化データを復号化してピッチ周
波数を求める。ピッチ復号化手段９は、求めたピッチ周
波数を、経路１０４を介して音声合成装置２内の音声合
成手段１１に出力する。調波成分復号化手段１０は、調
波成分符号化手段８から伝送路３を介して入力された各
符号化データを復号化してパワーＰ’と調波成分の振幅
ＡＮｍ’と位相θｍ’を求める。調波成分復号化手段１
０は、振幅ＡＮｍ’に対してＰ’を乗じて復号振幅Ａ
ｍ’を求める。調波成分復号化手段１０は、これら復号
振幅Ａｍ’と位相θｍ’を経路１０５を介して調波振幅
強調手段１１に出力する。復号振幅Ａｍ’は量子化処理
による量子化雑音を含んでいる。一般的に人間の聴覚
は、周波数スペクトルの山の部分（ホルマント部）にお
ける量子化雑音を谷の部分より知覚しにくい特性を持
つ。調波振幅強調手段１１はこの特性を利用して、人間
の聴覚に与える量子化雑音感を抑圧する。調波振幅強調
手段１１は、図１４に示すように復号振幅Ａｍ’の周波
数軸上の凹凸を強調し、ホルマント部以外の部分の振幅
を低く抑える。こうして調波振幅強調手段１１は人間の
聴覚に与える量子化雑音感を抑圧する。振幅強調された
復号振幅ＡＥｍ’は経路１０６を介して位相θｍ’と共
に音声合成手段１２に出力される。
【０００７】音声合成手段１２は入力されたピッチ周波
数、振幅強調を受けた調波成分の振幅ＡＥｍ’、位相θ
ｍ’より、以下に示す（１）式を用いて復号音声Ｓ
（ｔ）を合成する。復号音声Ｓ（ｔ）は、経路１０７を
介して出力音声５として外部へ出力される。
数、振幅強調を受けた調波成分の振幅ＡＥｍ’、位相θ
ｍ’より、以下に示す（１）式を用いて復号音声Ｓ
（ｔ）を合成する。復号音声Ｓ（ｔ）は、経路１０７を
介して出力音声５として外部へ出力される。
【０００８】
【数１】
【０００９】図１３（ｃ）、（ｄ）は、各調波の振幅よ
り合成音声が合成される例を示している。
り合成音声が合成される例を示している。
【００１０】従来の音声後処理装置（後処理フィルタ）
を記述したものに文献２（特開平２ー８２７１０号公
報）がある。図１５は文献２に示された従来の後処理フ
ィルタ含む音声復号化装置の構成図である。音声復号化
装置は復号化手段５、後処理フィルタ手段１６、経路１
２１，１２２を備えている。
を記述したものに文献２（特開平２ー８２７１０号公
報）がある。図１５は文献２に示された従来の後処理フ
ィルタ含む音声復号化装置の構成図である。音声復号化
装置は復号化手段５、後処理フィルタ手段１６、経路１
２１，１２２を備えている。
【００１１】以下、図１５を用いて従来の音声後処理装
置の動作を説明する。復号化手段１５は伝送路３から入
力された符号化情報を復号化して復号音声ｘ’ｎを求め
る。復号音声ｘ’ｎは、経路１２１より後処理フィルタ
手段１６に出力される。後処理フィルタ手段１６は復号
音声ｘ’ｎに対して特性Ｈ（Ｚ）（ＺはＺ変換の意）を
持つフィルタ処理を行う。後処理フィルタ手段１６は、
フィルタ処理後の復号音声を出力音声５として出力す
る。特性Ｈ（Ｚ）は音声のピッチ周波数間隔の調波構造
を強調する特性をもつ。またホルマント部分を増幅しそ
の他の部分を抑圧するホルマント強調特性を合わせ持
つ。こうして、後処理フィルタ手段１６は、復号音声
ｘ’ｎの持つ量子化雑音成分を聴覚的に抑圧する。
置の動作を説明する。復号化手段１５は伝送路３から入
力された符号化情報を復号化して復号音声ｘ’ｎを求め
る。復号音声ｘ’ｎは、経路１２１より後処理フィルタ
手段１６に出力される。後処理フィルタ手段１６は復号
音声ｘ’ｎに対して特性Ｈ（Ｚ）（ＺはＺ変換の意）を
持つフィルタ処理を行う。後処理フィルタ手段１６は、
フィルタ処理後の復号音声を出力音声５として出力す
る。特性Ｈ（Ｚ）は音声のピッチ周波数間隔の調波構造
を強調する特性をもつ。またホルマント部分を増幅しそ
の他の部分を抑圧するホルマント強調特性を合わせ持
つ。こうして、後処理フィルタ手段１６は、復号音声
ｘ’ｎの持つ量子化雑音成分を聴覚的に抑圧する。
【００１２】
【発明が解決しようとする課題】図１２に示したような
従来の音声符号化装置では、音声分析手段６において設
定される分析窓の位置が、分析フレームに対して常に固
定された位置にある。このため図１６の入力音声波形に
示すように分析窓Ｗ内で入力音声が無声から有声に大き
く変化した場合、抽出される周波数スペクトルパラメー
タが有声音と無声音の中間的な形状を持つことがある。
その結果、音声復号化装置で合成されるフレームに対応
した出力音声の音韻性が不明瞭となり、音質劣化が生じ
るという課題があった。
従来の音声符号化装置では、音声分析手段６において設
定される分析窓の位置が、分析フレームに対して常に固
定された位置にある。このため図１６の入力音声波形に
示すように分析窓Ｗ内で入力音声が無声から有声に大き
く変化した場合、抽出される周波数スペクトルパラメー
タが有声音と無声音の中間的な形状を持つことがある。
その結果、音声復号化装置で合成されるフレームに対応
した出力音声の音韻性が不明瞭となり、音質劣化が生じ
るという課題があった。
【００１３】さらに図１２と図１５に示した従来の音声
復号化装置では、量子化雑音感を聴覚的に抑圧するため
音声のホルマント部を増幅してその他の部分を抑圧す
る。このようなホルマント強調を行う場合、量子化雑音
感を抑圧するためにこの増幅量、抑圧量を大きくする
と、周波数スペクトルの変形が大きくなり過ぎて、出力
音声の品質を劣化させる課題があった。
復号化装置では、量子化雑音感を聴覚的に抑圧するため
音声のホルマント部を増幅してその他の部分を抑圧す
る。このようなホルマント強調を行う場合、量子化雑音
感を抑圧するためにこの増幅量、抑圧量を大きくする
と、周波数スペクトルの変形が大きくなり過ぎて、出力
音声の品質を劣化させる課題があった。
【００１４】この発明は、上記のような課題を解消する
ためになされたものであり、品質の良い出力音声を得る
ことを目的としている。
ためになされたものであり、品質の良い出力音声を得る
ことを目的としている。
【００１５】
【課題を解決するための手段】この発明における音声符
号化装置は、周波数スペクトル特徴パラメータを抽出す
る音声分析手段と、入力音声の特徴パラメータの値に基
づき分析窓の位置を選定し、前記音声分析手段に指令す
る分析窓位置選定手段を備える。
号化装置は、周波数スペクトル特徴パラメータを抽出す
る音声分析手段と、入力音声の特徴パラメータの値に基
づき分析窓の位置を選定し、前記音声分析手段に指令す
る分析窓位置選定手段を備える。
【００１６】また、当該フレームの中心に分析窓の中心
を置いて切りだした入力音声のパワーを当該フレームの
パワーとして求めて出力する音声分析手段を備える。
を置いて切りだした入力音声のパワーを当該フレームの
パワーとして求めて出力する音声分析手段を備える。
【００１７】また、この発明における音声復号化装置
は、ピッチ周波数間隔で周波数スペクトル上に現れる各
調波の振幅を部分的に抑圧する振幅部分抑圧手段を備え
る。
は、ピッチ周波数間隔で周波数スペクトル上に現れる各
調波の振幅を部分的に抑圧する振幅部分抑圧手段を備え
る。
【００１８】また、この発明における音声後処理装置
は、合成音声を周波数スペクトルに変換する変換手段
と、この周波数変換手段から出力された周波数スペクト
ルの各周波数成分を部分的に抑圧する振幅部分抑圧手段
と、この振幅部分抑圧手段から出力された周波数スペク
トルを時間軸に変換して外部出力する逆変換手段を備え
る。
は、合成音声を周波数スペクトルに変換する変換手段
と、この周波数変換手段から出力された周波数スペクト
ルの各周波数成分を部分的に抑圧する振幅部分抑圧手段
と、この振幅部分抑圧手段から出力された周波数スペク
トルを時間軸に変換して外部出力する逆変換手段を備え
る。
【００１９】また、この発明における音声符号化方法、
音声復号化方法、音声後処理方法は、上記各装置内で用
いられる方法である。
音声復号化方法、音声後処理方法は、上記各装置内で用
いられる方法である。
【００２０】
【作用】この発明における分析窓位置選定手段は、音声
分析手段で周波数スペクトル特徴パラメータを抽出する
際の分析窓の位置を、当該フレーム内及びその近傍の入
力音声の特徴パラメータの値に基づき当該フレームを逸
脱しない範囲で選定し、前記音声分析手段に指令する。
また、音声分析手段は、常に当該フレームの中心に分析
窓の中心を置いて切りだした入力音声のパワーを当該フ
レームのパワーとして求めて出力する。
分析手段で周波数スペクトル特徴パラメータを抽出する
際の分析窓の位置を、当該フレーム内及びその近傍の入
力音声の特徴パラメータの値に基づき当該フレームを逸
脱しない範囲で選定し、前記音声分析手段に指令する。
また、音声分析手段は、常に当該フレームの中心に分析
窓の中心を置いて切りだした入力音声のパワーを当該フ
レームのパワーとして求めて出力する。
【００２１】また、この発明における振幅部分抑圧手段
は、ピッチ周波数間隔で周波数スペクトル上に現れる各
調波において、当該調波の成分がその周辺の調波の影響
で聴覚的にマスキングされる場合は当該調波の振幅を抑
圧する。
は、ピッチ周波数間隔で周波数スペクトル上に現れる各
調波において、当該調波の成分がその周辺の調波の影響
で聴覚的にマスキングされる場合は当該調波の振幅を抑
圧する。
【００２２】また、この発明における変換手段は、合成
音声を周波数スペクトルに変換し、振幅部分抑圧手段は
この変換手段から出力された周波数スペクトルの各周波
数成分について、当該周波数がその周辺の周波数成分の
影響で聴覚的にマスキングされる場合は当該周波数成分
の振幅を抑圧し、逆変換手段はこの振幅部分抑圧手段か
ら出力された周波数スペクトルを時間軸に変換して外部
出力する。
音声を周波数スペクトルに変換し、振幅部分抑圧手段は
この変換手段から出力された周波数スペクトルの各周波
数成分について、当該周波数がその周辺の周波数成分の
影響で聴覚的にマスキングされる場合は当該周波数成分
の振幅を抑圧し、逆変換手段はこの振幅部分抑圧手段か
ら出力された周波数スペクトルを時間軸に変換して外部
出力する。
【００２３】
実施例１．図１はこの発明の一実施例を示す図である。
図１は、入力音声を符号化、復号化する音声符号化装置
１と音声復号化装置２の構成図である。また図２はこの
実施例の動作を説明する説明図である。図１において図
１２と同一の部分については同一の符号を付し、説明を
省略する。図１において音声符号化装置１は分析窓位置
選定手段１３、経路１１１を備えている。
図１は、入力音声を符号化、復号化する音声符号化装置
１と音声復号化装置２の構成図である。また図２はこの
実施例の動作を説明する説明図である。図１において図
１２と同一の部分については同一の符号を付し、説明を
省略する。図１において音声符号化装置１は分析窓位置
選定手段１３、経路１１１を備えている。
【００２４】以下図１に示した本発明の一実施例の動作
について説明する。図２の入力音声波形に示すように、
入力音声は１フレーム内でも無声音から有声音に大きく
変化する場合がある。この場合、有声音の位置を中心に
音声を切り出して周波数スペクトルを求めれば、無声音
部の影響が少なく明確な周波数スペクトルパラメータが
得られる。フレーム内における有声音部の位置を探すた
め、分析窓位置選定手段１３は分析窓を移動させる。即
ち、図２に示すように、現在のフレームの範囲内で分析
窓を一定時間ずつずらして入力音声を順次切り出す。こ
の時、分析窓の移動範囲は現在のフレームを大きく逸脱
しないものとする。たとえば、分析窓の中心が、分析フ
レーム外に出ない範囲で分析窓を移動する。
について説明する。図２の入力音声波形に示すように、
入力音声は１フレーム内でも無声音から有声音に大きく
変化する場合がある。この場合、有声音の位置を中心に
音声を切り出して周波数スペクトルを求めれば、無声音
部の影響が少なく明確な周波数スペクトルパラメータが
得られる。フレーム内における有声音部の位置を探すた
め、分析窓位置選定手段１３は分析窓を移動させる。即
ち、図２に示すように、現在のフレームの範囲内で分析
窓を一定時間ずつずらして入力音声を順次切り出す。こ
の時、分析窓の移動範囲は現在のフレームを大きく逸脱
しないものとする。たとえば、分析窓の中心が、分析フ
レーム外に出ない範囲で分析窓を移動する。
【００２５】図２においては、分析窓Ｗ１〜Ｗ９を一定
時間ずつずらして設定した場合を示している。分析窓Ｗ
１の中心の位置は分析フレームの一端Ｓと同じ位置であ
る。また分析窓Ｗ９の中心の位置は分析フレームの他端
Ｅと同じ位置である。分析窓位置選定手段１３はこれら
の複数の分析窓から順次切り出された入力音声のパワー
を計算し、そのパワーが最大となる分析窓位置を選定す
る。分析窓位置選定手段１３は、その分析窓位置の位置
情報を経路１１１を介して音声分析手段６へ出力する。
時間ずつずらして設定した場合を示している。分析窓Ｗ
１の中心の位置は分析フレームの一端Ｓと同じ位置であ
る。また分析窓Ｗ９の中心の位置は分析フレームの他端
Ｅと同じ位置である。分析窓位置選定手段１３はこれら
の複数の分析窓から順次切り出された入力音声のパワー
を計算し、そのパワーが最大となる分析窓位置を選定す
る。分析窓位置選定手段１３は、その分析窓位置の位置
情報を経路１１１を介して音声分析手段６へ出力する。
【００２６】図３は分析窓位置選定手段１３における窓
位置選定処理の一例を示すフローチャートである。まず
図３のフローチャートに用いる変数を説明する。Ｉは分
析フレームに設定される分析窓の最大窓数である。図２
に示す例では、分析窓は９個あり、Ｉ＝９である。Ｐｉ
はｉ番目（ｉ＝１，２，３，…，Ｉ）の分析窓を用いて
計算した入力音声のパワーである。Ｌは分析窓の窓長で
ある。ＳＨは分析窓をずらす場合のシフト長である。ｉ
ｓは選択した分析窓の位置を示す位置情報である。Ｐｍ
ａｘはパワーＰｉの中で最大を示す最大パワーである。
Ｓ（ｔ）は入力音声である。
位置選定処理の一例を示すフローチャートである。まず
図３のフローチャートに用いる変数を説明する。Ｉは分
析フレームに設定される分析窓の最大窓数である。図２
に示す例では、分析窓は９個あり、Ｉ＝９である。Ｐｉ
はｉ番目（ｉ＝１，２，３，…，Ｉ）の分析窓を用いて
計算した入力音声のパワーである。Ｌは分析窓の窓長で
ある。ＳＨは分析窓をずらす場合のシフト長である。ｉ
ｓは選択した分析窓の位置を示す位置情報である。Ｐｍ
ａｘはパワーＰｉの中で最大を示す最大パワーである。
Ｓ（ｔ）は入力音声である。
【００２７】次にこれらの変数を用いて、図３のフロー
チャートを説明する。まずＳ１において最大パワーＰｍ
ａｘを初期値０に設定する。この最大パワーＰｍａｘは
最大パワーを探すために用いる変数であり、最大パワー
が見つかるたびに書き換えられていく変数である。Ｓ２
において、ｉが１に初期化される。次にＳ３からＳ７
は、分析窓の最大窓数Ｉの回数分だけループするルーチ
ンである。Ｓ３において、入力音声Ｓ（ｔ）のパワーＰ
ｉを計算する。このパワーＰｉは入力音声Ｓ（ｔ）の自
乗を窓長分加算したものである。Ｓ４においては、Ｓ３
で求めたパワーＰｉがすでに求めた最大パワーＰｍａｘ
より大きいかどうかを比較する。Ｓ３で求めたパワーＰ
ｉが過去に求めた最大パワーＰｍａｘより大きい場合に
は、Ｓ３で求めたパワーＰｉを新たにＰｍａｘに代入す
る。及び選択窓位置情報ｉｓに第何番目かの分析窓であ
るかを示すｉを代入する。次にＳ６においてｉに１を加
算する。Ｓ７においてｉが最大窓数Ｉより小さいかどう
かを判定し、小さい場合には再びＳ３からＳ７の処理を
繰り返す。このようにして、最大窓数分だけＳ３からＳ
７の処理が繰り返され、最大パワーＰｍａｘと選択窓位
置情報ｉｓが求められる。Ｓ８においては、選択窓位置
情報ｉｓを経路１１１を介して音声分析手段６に出力す
る。以上が分析窓位置選定手段の動作である。
チャートを説明する。まずＳ１において最大パワーＰｍ
ａｘを初期値０に設定する。この最大パワーＰｍａｘは
最大パワーを探すために用いる変数であり、最大パワー
が見つかるたびに書き換えられていく変数である。Ｓ２
において、ｉが１に初期化される。次にＳ３からＳ７
は、分析窓の最大窓数Ｉの回数分だけループするルーチ
ンである。Ｓ３において、入力音声Ｓ（ｔ）のパワーＰ
ｉを計算する。このパワーＰｉは入力音声Ｓ（ｔ）の自
乗を窓長分加算したものである。Ｓ４においては、Ｓ３
で求めたパワーＰｉがすでに求めた最大パワーＰｍａｘ
より大きいかどうかを比較する。Ｓ３で求めたパワーＰ
ｉが過去に求めた最大パワーＰｍａｘより大きい場合に
は、Ｓ３で求めたパワーＰｉを新たにＰｍａｘに代入す
る。及び選択窓位置情報ｉｓに第何番目かの分析窓であ
るかを示すｉを代入する。次にＳ６においてｉに１を加
算する。Ｓ７においてｉが最大窓数Ｉより小さいかどう
かを判定し、小さい場合には再びＳ３からＳ７の処理を
繰り返す。このようにして、最大窓数分だけＳ３からＳ
７の処理が繰り返され、最大パワーＰｍａｘと選択窓位
置情報ｉｓが求められる。Ｓ８においては、選択窓位置
情報ｉｓを経路１１１を介して音声分析手段６に出力す
る。以上が分析窓位置選定手段の動作である。
【００２８】音声分析手段６は経路１１１を介して入力
された分析窓位置情報ｉｓの示す分析窓位置で音声を切
り出す。音声分析手段６は切り出した音声のピッチ周波
数を求める。また、音声分析手段６は求めたピッチ周波
数間隔で周波数スペクトル上に現れる調波の振幅Ａｍと
位相θｍを求める。また音声分析手段６は現在のフレー
ムの中心に分析窓の中心を置いた分析窓を用いて音声を
切り出してそのパワーＰを求める。図２に示す例では、
分析窓Ｗ５を用いてパワーＰを求める。このように、常
にフレームの中心に分析窓の中心をおいて、切り出した
入力音声のパワーをそのフレームのパワーとして使用す
る。以上求められた調波の振幅Ａｍと位相θｍおよびパ
ワーＰは経路１０２を介して調波成分符号化手段８に出
力される。
された分析窓位置情報ｉｓの示す分析窓位置で音声を切
り出す。音声分析手段６は切り出した音声のピッチ周波
数を求める。また、音声分析手段６は求めたピッチ周波
数間隔で周波数スペクトル上に現れる調波の振幅Ａｍと
位相θｍを求める。また音声分析手段６は現在のフレー
ムの中心に分析窓の中心を置いた分析窓を用いて音声を
切り出してそのパワーＰを求める。図２に示す例では、
分析窓Ｗ５を用いてパワーＰを求める。このように、常
にフレームの中心に分析窓の中心をおいて、切り出した
入力音声のパワーをそのフレームのパワーとして使用す
る。以上求められた調波の振幅Ａｍと位相θｍおよびパ
ワーＰは経路１０２を介して調波成分符号化手段８に出
力される。
【００２９】このように、調波の振幅と位相はパワーが
最大になる分析窓から求め、出力音声が不明瞭になるこ
とを防止する。また、フレームのパワーはフレームの中
心から求め、パワーの整合がとれた出力を行なう。
最大になる分析窓から求め、出力音声が不明瞭になるこ
とを防止する。また、フレームのパワーはフレームの中
心から求め、パワーの整合がとれた出力を行なう。
【００３０】以上のように、この実施例は、一定長で一
定間隔に設定される分析フレーム毎に入力音声を符号化
する音声符号化装置において、入力音声を分析窓位置選
定手段で指定される位置の分析窓で切り出し、この切り
出された入力音声の周波数スペクトル特徴パラメータを
抽出する音声分析手段と、この音声分析手段で前記周波
数スペクトル特徴パラメータを抽出する際の分析窓の位
置を、当該フレーム内及びその近傍の入力音声の特徴パ
ラメータの値に基づき当該フレームを逸脱しない範囲で
選定し、前記音声分析手段に指令する分析窓位置選定手
段を備えることを特徴する。
定間隔に設定される分析フレーム毎に入力音声を符号化
する音声符号化装置において、入力音声を分析窓位置選
定手段で指定される位置の分析窓で切り出し、この切り
出された入力音声の周波数スペクトル特徴パラメータを
抽出する音声分析手段と、この音声分析手段で前記周波
数スペクトル特徴パラメータを抽出する際の分析窓の位
置を、当該フレーム内及びその近傍の入力音声の特徴パ
ラメータの値に基づき当該フレームを逸脱しない範囲で
選定し、前記音声分析手段に指令する分析窓位置選定手
段を備えることを特徴する。
【００３１】また、この実施例は、常に当該フレームの
中心に分析窓の中心を置いて切りだした入力音声のパワ
ーを当該フレームのパワーとして求めて出力する音声分
析手段を備えることを特徴とする。
中心に分析窓の中心を置いて切りだした入力音声のパワ
ーを当該フレームのパワーとして求めて出力する音声分
析手段を備えることを特徴とする。
【００３２】本実施例によれば、フレーム内に有声音部
と無声音部がある場合、聴覚的により重要である音声パ
ワーの大きな有声音部を中心に周波数スペクトルを求め
るので、無声音部が周波数スペクトルに与える影響を排
除できる。さらに音声パワーを平均的な部分から求める
ため合成音声のパワーと原音声のパワーの整合がとれ
る。結果的に明瞭度の高い自然な復号音質を得る効果が
ある。
と無声音部がある場合、聴覚的により重要である音声パ
ワーの大きな有声音部を中心に周波数スペクトルを求め
るので、無声音部が周波数スペクトルに与える影響を排
除できる。さらに音声パワーを平均的な部分から求める
ため合成音声のパワーと原音声のパワーの整合がとれ
る。結果的に明瞭度の高い自然な復号音質を得る効果が
ある。
【００３３】なお、図２に示した例においては、分析窓
を一つの分析フレームに対して９個設定する場合につい
て説明したが、その個数は９個に限るものではなく、複
数個あればよい。また、分析窓Ｗ１の中心の位置が分析
フレームの一端Ｓと同じ位置であり、分析窓Ｗ９の中心
の位置が分析フレームの他端Ｅと同じ位置である場合を
示したが、この例は分析窓がフレームを逸脱しない範囲
の一例であり、必ずしも分析窓の中心が分析フレーム端
に存在する必要はない。重要なことは、分析窓を移動さ
せる場合、分析窓をフレーム内にある入力音声の特徴を
捕まえられる範囲で移動させる点である。
を一つの分析フレームに対して９個設定する場合につい
て説明したが、その個数は９個に限るものではなく、複
数個あればよい。また、分析窓Ｗ１の中心の位置が分析
フレームの一端Ｓと同じ位置であり、分析窓Ｗ９の中心
の位置が分析フレームの他端Ｅと同じ位置である場合を
示したが、この例は分析窓がフレームを逸脱しない範囲
の一例であり、必ずしも分析窓の中心が分析フレーム端
に存在する必要はない。重要なことは、分析窓を移動さ
せる場合、分析窓をフレーム内にある入力音声の特徴を
捕まえられる範囲で移動させる点である。
【００３４】さらに、図２に示す例においては、分析フ
レームの長さと窓長Ｌが等しい場合について示している
が、分析フレームの長さと窓長Ｌは一致する必要はな
く、長さが違っていてもよい。
レームの長さと窓長Ｌが等しい場合について示している
が、分析フレームの長さと窓長Ｌは一致する必要はな
く、長さが違っていてもよい。
【００３５】また、図２に示す例においては、分析窓を
Ｗ１〜Ｗ９まで順に等間隔でシフトする場合について説
明したが、等間隔にシフトする場合に限らず、ランダム
あるいは所定の規則に従ってシフトするようにしてもか
まわない。
Ｗ１〜Ｗ９まで順に等間隔でシフトする場合について説
明したが、等間隔にシフトする場合に限らず、ランダム
あるいは所定の規則に従ってシフトするようにしてもか
まわない。
【００３６】また、分析窓Ｗ１〜Ｗ９は、時系列的に順
にシフトされながら設定されたが、分析窓位置選定手段
１３にメモリを備え、そのメモリに分析フレーム内の入
力音声を記憶させることにより、時系列的に分析窓を移
動させるようにしなくてもかまわない。メモリに入力音
声が記憶されている場合には、分析窓Ｗ１〜Ｗ９の逆の
順番に、あるいはランダムな順番に分析窓を設定しても
かまわない。
にシフトされながら設定されたが、分析窓位置選定手段
１３にメモリを備え、そのメモリに分析フレーム内の入
力音声を記憶させることにより、時系列的に分析窓を移
動させるようにしなくてもかまわない。メモリに入力音
声が記憶されている場合には、分析窓Ｗ１〜Ｗ９の逆の
順番に、あるいはランダムな順番に分析窓を設定しても
かまわない。
【００３７】また、図３に示した例においては、複数の
分析窓から入力音声のパワーが最大になる分析窓を選定
する場合を説明したが、分析窓の選定には入力音声のパ
ワーを用いる場合ばかりでなく、その他の特徴パラメー
タを用いる場合でもかまわない。各分析窓のパワーを比
較して、最大パワーを示す分析窓を用いるのは、有声音
部と無声音部がある場合に、有声音部が無声音部に較べ
て音声パワーが大きいことによるものである。従って、
有声音部と無声音部を区別することが出来るような入力
音声の特徴パラメータを用いれば、どのような特徴パラ
メータを用いる場合でもかまわない。
分析窓から入力音声のパワーが最大になる分析窓を選定
する場合を説明したが、分析窓の選定には入力音声のパ
ワーを用いる場合ばかりでなく、その他の特徴パラメー
タを用いる場合でもかまわない。各分析窓のパワーを比
較して、最大パワーを示す分析窓を用いるのは、有声音
部と無声音部がある場合に、有声音部が無声音部に較べ
て音声パワーが大きいことによるものである。従って、
有声音部と無声音部を区別することが出来るような入力
音声の特徴パラメータを用いれば、どのような特徴パラ
メータを用いる場合でもかまわない。
【００３８】例えば入力音声の特徴パラメータとして
は、パワー以外にスペクトルの形状を用いることが考え
られる。有声音部におけるスペクトルの形状は、周波数
が小さいほど大きな振幅を示し、周波数が大きくなるほ
ど小さな振幅を示すという特徴を有している。これに対
して無声音部の場合には、スペクトルの形状が周波数に
係わりなく一定であるか、あるいは周波数が高くなる従
って振幅が次第に高くなるという特徴を有している。従
って分析窓を移動させながらスペクトルの形状を監視す
ることにより、有声音部と無声音部を区別することが可
能である。
は、パワー以外にスペクトルの形状を用いることが考え
られる。有声音部におけるスペクトルの形状は、周波数
が小さいほど大きな振幅を示し、周波数が大きくなるほ
ど小さな振幅を示すという特徴を有している。これに対
して無声音部の場合には、スペクトルの形状が周波数に
係わりなく一定であるか、あるいは周波数が高くなる従
って振幅が次第に高くなるという特徴を有している。従
って分析窓を移動させながらスペクトルの形状を監視す
ることにより、有声音部と無声音部を区別することが可
能である。
【００３９】また特徴パラメータの別な例として、自己
相関分析を用いることが考えられる。有声音部の場合に
は、入力音声が周期的な波形を有しており、自己相関関
数が周期性を示す。これに対して無性音部の場合には自
己相関関数はランダムな値を示し、周期性を示さない。
従って、分析窓を移動させながらそれぞれの分析窓から
切り出される入力音声の自己相関関数を求めることによ
り、有性音部と無性音部を区別することが可能である。
相関分析を用いることが考えられる。有声音部の場合に
は、入力音声が周期的な波形を有しており、自己相関関
数が周期性を示す。これに対して無性音部の場合には自
己相関関数はランダムな値を示し、周期性を示さない。
従って、分析窓を移動させながらそれぞれの分析窓から
切り出される入力音声の自己相関関数を求めることによ
り、有性音部と無性音部を区別することが可能である。
【００４０】また、上記例においては、分析フレームの
中心に分析窓の中心をおいて、入力音声のパワーを求め
る場合について説明したが、必ずしも分析フレームの中
心に分析窓の中心をおく分析窓を用いる必要はない。分
析フレームの中心に分析窓の中心を置く場合は、分析フ
レームのパワーを最もよく抽出することが出来ると考え
るためであり、他の位置にある分析窓を用いる場合であ
っても、分析フレームのパワーを適切に抽出することが
出来る場合には、他の窓を用いてもかまわない。分析窓
位置選定手段により選定された分析窓は有声音部を示し
ているため、音声パワーが大きくなり、他の分析フレー
ムに較べてパワーが大きくなりすぎるという欠点があ
る。従って、分析窓位置選定手段により選定された分析
窓を用いないほうが、音声のパワーの整合がとれる。従
って、音声のパワーの整合がとれる分析窓であれば、ど
の分析窓を用いる場合でもかまわない。
中心に分析窓の中心をおいて、入力音声のパワーを求め
る場合について説明したが、必ずしも分析フレームの中
心に分析窓の中心をおく分析窓を用いる必要はない。分
析フレームの中心に分析窓の中心を置く場合は、分析フ
レームのパワーを最もよく抽出することが出来ると考え
るためであり、他の位置にある分析窓を用いる場合であ
っても、分析フレームのパワーを適切に抽出することが
出来る場合には、他の窓を用いてもかまわない。分析窓
位置選定手段により選定された分析窓は有声音部を示し
ているため、音声パワーが大きくなり、他の分析フレー
ムに較べてパワーが大きくなりすぎるという欠点があ
る。従って、分析窓位置選定手段により選定された分析
窓を用いないほうが、音声のパワーの整合がとれる。従
って、音声のパワーの整合がとれる分析窓であれば、ど
の分析窓を用いる場合でもかまわない。
【００４１】またこの例においては、分析窓位置選定手
段により移動する分析窓の窓長Ｌと、分析フレームのパ
ワーを求めるための分析窓の窓長Ｌを等しくする場合に
ついて説明したが、それぞれの窓長Ｌは異なる場合でも
かまわない。但し分析フレームのパワーを求める分析窓
の窓長は分析フレームのパワーを求めるためのものであ
るから、分析フレームの長さと同じ長さを持つことが望
ましい。これに対して入力音声を切り出すための分析窓
の窓長は分析フレームの長さに対して、長くても良い
し、短くてもかまわない。
段により移動する分析窓の窓長Ｌと、分析フレームのパ
ワーを求めるための分析窓の窓長Ｌを等しくする場合に
ついて説明したが、それぞれの窓長Ｌは異なる場合でも
かまわない。但し分析フレームのパワーを求める分析窓
の窓長は分析フレームのパワーを求めるためのものであ
るから、分析フレームの長さと同じ長さを持つことが望
ましい。これに対して入力音声を切り出すための分析窓
の窓長は分析フレームの長さに対して、長くても良い
し、短くてもかまわない。
【００４２】実施例２．図４はこの発明の一実施例を示
す図である。図４は復号音声を合成するする音声復号化
装置の構成図である。図４において図１２の音声復号化
装置と同一の部分については同一の符号を付し、説明を
省略する。図４において、音声復号化装置２は調波振幅
部分抑圧手段１４を備えている。また、図５、図６、図
７、図８は調波振幅部分抑圧手段１４の動作を説明する
図である。
す図である。図４は復号音声を合成するする音声復号化
装置の構成図である。図４において図１２の音声復号化
装置と同一の部分については同一の符号を付し、説明を
省略する。図４において、音声復号化装置２は調波振幅
部分抑圧手段１４を備えている。また、図５、図６、図
７、図８は調波振幅部分抑圧手段１４の動作を説明する
図である。
【００４３】以下図４と図５〜図８を用いて、この発明
の一実施例の動作について説明する。人間の聴覚では、
強い振幅を持つ周波数の周辺の周波数成分はマスキング
されて知覚しにくい性質を持つことが知られている。文
献３渡辺，”低ビットレート音声符号化器の開発”，Ｎ
ＨＫ放送技術研究所技研公開予稿集ｐｐ．３７−４２
（１９９２，５）によれば、図５のように、振幅Ｙを持
つ周波数Ｘの周辺の周波数成分の振幅が点線で示される
閾値を下回る場合、その周波数成分はマスキングされて
知覚しにくいとされる。
の一実施例の動作について説明する。人間の聴覚では、
強い振幅を持つ周波数の周辺の周波数成分はマスキング
されて知覚しにくい性質を持つことが知られている。文
献３渡辺，”低ビットレート音声符号化器の開発”，Ｎ
ＨＫ放送技術研究所技研公開予稿集ｐｐ．３７−４２
（１９９２，５）によれば、図５のように、振幅Ｙを持
つ周波数Ｘの周辺の周波数成分の振幅が点線で示される
閾値を下回る場合、その周波数成分はマスキングされて
知覚しにくいとされる。
【００４４】この文献３に示されたマスキングのための
閾値の計算方式は、音声符号化装置において用いられて
いるものである。即ち音声を符号化する場合に、人間の
聴覚特性によってマスキングされる調波を予め符号化す
ることなく、情報量を小さくして伝送効率を向上させる
ものである。一方この実施例においては、文献３に示さ
れた技術を音声符号化装置に用いるのではなく、音声復
号化装置に用いる点が大きな特徴である。音声復号化装
置に文献３の技術を用いる理由は、音声符号化装置にお
いて、振幅を量子化する際に生ずる量子化雑音を取り除
くためである。
閾値の計算方式は、音声符号化装置において用いられて
いるものである。即ち音声を符号化する場合に、人間の
聴覚特性によってマスキングされる調波を予め符号化す
ることなく、情報量を小さくして伝送効率を向上させる
ものである。一方この実施例においては、文献３に示さ
れた技術を音声符号化装置に用いるのではなく、音声復
号化装置に用いる点が大きな特徴である。音声復号化装
置に文献３の技術を用いる理由は、音声符号化装置にお
いて、振幅を量子化する際に生ずる量子化雑音を取り除
くためである。
【００４５】以下この実施例について説明する。音声符
号化装置において調波成分の振幅Ａｍを量子化する際に
量子化雑音が生じる。従来の音声復号化装置では、この
量子化雑音感を聴覚的に抑圧するとき、ホルマント強調
を行う。従って周波数スペクトル全体に変形が生じて音
声品質が聴覚的に劣化する課題がある。これに対し復号
音声を合成する際、先に述べた人間の聴覚特性によって
マスキングされる調波の振幅をゼロにすれば、周波数ス
ペクトル全体に対して聴覚的な劣化を生じることなく、
その調波が持っていた量子化雑音を取り去ることができ
る。
号化装置において調波成分の振幅Ａｍを量子化する際に
量子化雑音が生じる。従来の音声復号化装置では、この
量子化雑音感を聴覚的に抑圧するとき、ホルマント強調
を行う。従って周波数スペクトル全体に変形が生じて音
声品質が聴覚的に劣化する課題がある。これに対し復号
音声を合成する際、先に述べた人間の聴覚特性によって
マスキングされる調波の振幅をゼロにすれば、周波数ス
ペクトル全体に対して聴覚的な劣化を生じることなく、
その調波が持っていた量子化雑音を取り去ることができ
る。
【００４６】調波振幅部分抑圧手段１４は経路１０５を
介して各調波成分を入力する。調波振幅部分抑圧手段１
４は入力された各調波成分のうち、人間の聴覚特性でマ
スキングされる調波成分の振幅Ａｍをゼロに設定し、経
路１０６を介して音声合成手段１２に出力する。以降に
調波振幅部分抑圧手段１４の動作を図６、図７を用いて
詳しく説明する。
介して各調波成分を入力する。調波振幅部分抑圧手段１
４は入力された各調波成分のうち、人間の聴覚特性でマ
スキングされる調波成分の振幅Ａｍをゼロに設定し、経
路１０６を介して音声合成手段１２に出力する。以降に
調波振幅部分抑圧手段１４の動作を図６、図７を用いて
詳しく説明する。
【００４７】図６は第３調波を例にして第３調波に関す
る閾値を設定する場合の説明図である。ここでは、第１
〜第７調波まで存在する場合について説明する。調波振
幅部分抑圧手段１４は、まず第３調波成分についてマス
キングするか否かを判定する閾値を求めるため、第３調
波以外の調波の振幅値Ａｍ（ｍ＝１〜２，４〜７）各々
より、図５の点線で示された特性を用いて周辺の周波数
帯域に対する閾値を設定する。ここで、第１調波によっ
て求められる第３調波に対する調波振幅閾値の候補値を
Ｔｃ１とする。第２調波によって求められる第３調波に
対する調波振幅閾値の候補値をＴｃ２とする。以下、第
４〜第７調波から求められる第３調波に対する値を求
め、調波振幅閾値の候補値Ｔｃ４〜Ｔｃ７とする。これ
らの候補値Ｔｃ１〜Ｔｃ７の中で最大のものを第３調波
に対する閾値Ｔ３として決定する。図６においては、第
２調波によって求められる第３調波に対する調波振幅閾
値の候補値Ｔｃ２が候補値Ｔｃ１〜Ｔｃ７の中で最大の
ものとなり候補値Ｔｃ２が第３調波に対する閾値Ｔ３と
なる。
る閾値を設定する場合の説明図である。ここでは、第１
〜第７調波まで存在する場合について説明する。調波振
幅部分抑圧手段１４は、まず第３調波成分についてマス
キングするか否かを判定する閾値を求めるため、第３調
波以外の調波の振幅値Ａｍ（ｍ＝１〜２，４〜７）各々
より、図５の点線で示された特性を用いて周辺の周波数
帯域に対する閾値を設定する。ここで、第１調波によっ
て求められる第３調波に対する調波振幅閾値の候補値を
Ｔｃ１とする。第２調波によって求められる第３調波に
対する調波振幅閾値の候補値をＴｃ２とする。以下、第
４〜第７調波から求められる第３調波に対する値を求
め、調波振幅閾値の候補値Ｔｃ４〜Ｔｃ７とする。これ
らの候補値Ｔｃ１〜Ｔｃ７の中で最大のものを第３調波
に対する閾値Ｔ３として決定する。図６においては、第
２調波によって求められる第３調波に対する調波振幅閾
値の候補値Ｔｃ２が候補値Ｔｃ１〜Ｔｃ７の中で最大の
ものとなり候補値Ｔｃ２が第３調波に対する閾値Ｔ３と
なる。
【００４８】他の調波についても同様の処理を行い、そ
れぞれ調波振幅閾値Ｔ１〜Ｔ７を決定する。図７の黒三
角印は各調波に対して決定された調波振幅閾値Ｔ１〜Ｔ
７を示している。この閾値を下回る振幅値を持つ第４、
第５、第６調波はマスキングすべき調波と判定される。
その振幅をゼロに設定することで結果的に図８に示す調
波成分を得る。
れぞれ調波振幅閾値Ｔ１〜Ｔ７を決定する。図７の黒三
角印は各調波に対して決定された調波振幅閾値Ｔ１〜Ｔ
７を示している。この閾値を下回る振幅値を持つ第４、
第５、第６調波はマスキングすべき調波と判定される。
その振幅をゼロに設定することで結果的に図８に示す調
波成分を得る。
【００４９】図９は調波振幅部分抑圧手段１４の動作を
示すフローチャートである。まずフローチャートに使用
する変数について説明する。Ｍは調波数である。Ｔｍｊ
はｍ番目の調波のｊ番目の調波による閾値候補値であ
る。Ｔｍは閾値の候補値のＴｍｊの最大値であり、ｍ番
目の調波の閾値である。Ａｍは調波振幅値である。
示すフローチャートである。まずフローチャートに使用
する変数について説明する。Ｍは調波数である。Ｔｍｊ
はｍ番目の調波のｊ番目の調波による閾値候補値であ
る。Ｔｍは閾値の候補値のＴｍｊの最大値であり、ｍ番
目の調波の閾値である。Ａｍは調波振幅値である。
【００５０】次に動作について説明する。Ｓ１１におい
ては、ｍを１に設定する。このｍは調波数Ｍまでカウン
トされる。次にＳ１２においては、ｊを１に設定する。
このｊは調波数Ｍまでカウントされる。次にＳ１３にお
いて、ｊ番目の調波によりｍ番目の調波の閾値の候補値
Ｔｍｊを算出する。次にＳ１４において、ｊに１を加算
し、Ｓ１５においてｊが調波数Ｍに達したかどうかを判
定する。Ｓ１２〜Ｓ１５はｊをループカウンタとし、Ｍ
回繰り返される。こうしてｍ番目の調波の閾値の候補値
がすべて出揃うことになる。次にＳ１６において、閾値
の候補値Ｔｍｊの最大値を求めこれを閾値Ｔｍとする。
次にＳ１７において、Ｓ１６で求められた閾値Ｔｍと調
波振幅値Ａｍを比較し、閾値の方が調波振幅値Ａｍより
大きい場合にはＳ１８において、調波振幅値Ａｍを０に
設定する。このように閾値Ｔｍが調波振幅値Ａｍより大
きい場合には調波振幅値Ａｍがマスキングされる。さら
に、Ｓ１９において、ｍに１が加算され、Ｓ２０におい
て、調波数Ｍと比較される。ｍはＳ１２からＳ２０まで
のループカウンタに用いられ、調波数Ｍの数だけ繰り返
される。このようにして各調波にたいしてマスキングを
行う。マスキングされなかった調波は調波振幅部分抑圧
手段１４から経路１０６を介して、音声合成手段１２に
出力される。
ては、ｍを１に設定する。このｍは調波数Ｍまでカウン
トされる。次にＳ１２においては、ｊを１に設定する。
このｊは調波数Ｍまでカウントされる。次にＳ１３にお
いて、ｊ番目の調波によりｍ番目の調波の閾値の候補値
Ｔｍｊを算出する。次にＳ１４において、ｊに１を加算
し、Ｓ１５においてｊが調波数Ｍに達したかどうかを判
定する。Ｓ１２〜Ｓ１５はｊをループカウンタとし、Ｍ
回繰り返される。こうしてｍ番目の調波の閾値の候補値
がすべて出揃うことになる。次にＳ１６において、閾値
の候補値Ｔｍｊの最大値を求めこれを閾値Ｔｍとする。
次にＳ１７において、Ｓ１６で求められた閾値Ｔｍと調
波振幅値Ａｍを比較し、閾値の方が調波振幅値Ａｍより
大きい場合にはＳ１８において、調波振幅値Ａｍを０に
設定する。このように閾値Ｔｍが調波振幅値Ａｍより大
きい場合には調波振幅値Ａｍがマスキングされる。さら
に、Ｓ１９において、ｍに１が加算され、Ｓ２０におい
て、調波数Ｍと比較される。ｍはＳ１２からＳ２０まで
のループカウンタに用いられ、調波数Ｍの数だけ繰り返
される。このようにして各調波にたいしてマスキングを
行う。マスキングされなかった調波は調波振幅部分抑圧
手段１４から経路１０６を介して、音声合成手段１２に
出力される。
【００５１】以上のように、この実施例の音声復号化装
置は以下のように動作する。まず、符号化された音声の
ピッチ周波数を復号化する。次に、このピッチ周波数間
隔で周波数スペクトル上に現れる調波の振幅と位相を復
号化する。次に、各調波の周波数を持つ余弦波を、復号
化されたその調波の振幅と位相を基に生成する。さら
に、これら余弦波を重ね合わせることで出力音声を合成
する。そして、この実施例における音声復号化装置は、
特に、各調波の成分がその周辺の調波の影響で聴覚的に
マスキングされる場合は当該調波の振幅を抑圧する調波
振幅部分抑圧手段を持つことを特徴とする。また、各調
波の周波数を持つ余弦波を、この調波振幅部分抑圧手段
から出力された各調波の振幅及びその調波の位相を基に
生成し、これら余弦波を重ね合わせることで出力音声を
合成する音声合成手段を持つことを特徴とする。
置は以下のように動作する。まず、符号化された音声の
ピッチ周波数を復号化する。次に、このピッチ周波数間
隔で周波数スペクトル上に現れる調波の振幅と位相を復
号化する。次に、各調波の周波数を持つ余弦波を、復号
化されたその調波の振幅と位相を基に生成する。さら
に、これら余弦波を重ね合わせることで出力音声を合成
する。そして、この実施例における音声復号化装置は、
特に、各調波の成分がその周辺の調波の影響で聴覚的に
マスキングされる場合は当該調波の振幅を抑圧する調波
振幅部分抑圧手段を持つことを特徴とする。また、各調
波の周波数を持つ余弦波を、この調波振幅部分抑圧手段
から出力された各調波の振幅及びその調波の位相を基に
生成し、これら余弦波を重ね合わせることで出力音声を
合成する音声合成手段を持つことを特徴とする。
【００５２】本実施例によれば、聴覚的に無視できる周
波数成分をマスキングするので、周波数スペクトルの量
子化歪によって生じる復号音声の音質劣化を軽減できる
効果がある。
波数成分をマスキングするので、周波数スペクトルの量
子化歪によって生じる復号音声の音質劣化を軽減できる
効果がある。
【００５３】この実施例の音声復号化装置より求められ
た合成音声を聴覚マスキングした音声と、合成音声をホ
ルマント強調した音声の主観品質を比較するため、受聴
者１０人による簡易な対比較（プレファレンス）試験を
行った結果、聴覚マスキングした音声の選択率は７５％
であった。
た合成音声を聴覚マスキングした音声と、合成音声をホ
ルマント強調した音声の主観品質を比較するため、受聴
者１０人による簡易な対比較（プレファレンス）試験を
行った結果、聴覚マスキングした音声の選択率は７５％
であった。
【００５４】この実施例においては、調波振幅部分抑圧
手段１４がマスキングする調波の振幅を０に設定する場
合を示したが、必ずしも０に設定する場合に限らず値を
抑圧する場合であってもかまわない。例えば値を半減す
る、あるいは限りなく０に近くするというような場合で
あってもかまわない。また、この例では図５に示したよ
うな傾きを持つ点線以下の部分をマスキングする場合に
ついて説明したが、図５に示した特性は人間が聴覚的に
知覚しにくい部分を示したものであり、その他の特性に
より聴覚的に知覚しにくい部分が特定できる場合には図
５に示した特性でなくてもかまわない。
手段１４がマスキングする調波の振幅を０に設定する場
合を示したが、必ずしも０に設定する場合に限らず値を
抑圧する場合であってもかまわない。例えば値を半減す
る、あるいは限りなく０に近くするというような場合で
あってもかまわない。また、この例では図５に示したよ
うな傾きを持つ点線以下の部分をマスキングする場合に
ついて説明したが、図５に示した特性は人間が聴覚的に
知覚しにくい部分を示したものであり、その他の特性に
より聴覚的に知覚しにくい部分が特定できる場合には図
５に示した特性でなくてもかまわない。
【００５５】実施例３．図１０はこの発明の音声後処理
装置の一実施例を含む音声復号化装置の構成図である。
図１０において図１５の従来の音声復号化装置と同一の
部分については同一の符号を付し、説明を省略する。図
１０において、音声復号化装置は音声後処理装置１７、
フーリエ変換手段１８、スペクトル振幅部分抑圧手段１
９、フーリエ逆変換手段２０、経路１２３，１２４を備
えている。
装置の一実施例を含む音声復号化装置の構成図である。
図１０において図１５の従来の音声復号化装置と同一の
部分については同一の符号を付し、説明を省略する。図
１０において、音声復号化装置は音声後処理装置１７、
フーリエ変換手段１８、スペクトル振幅部分抑圧手段１
９、フーリエ逆変換手段２０、経路１２３，１２４を備
えている。
【００５６】前述した実施例においては、調波振幅部分
抑圧手段１４を音声合成手段１２の前段に置く場合につ
いて説明したが、この実施例３においては、音声が復号
化された場合に、復号された音声に対して実施例におい
て述べたような、振幅を抑圧する場合について説明す
る。
抑圧手段１４を音声合成手段１２の前段に置く場合につ
いて説明したが、この実施例３においては、音声が復号
化された場合に、復号された音声に対して実施例におい
て述べたような、振幅を抑圧する場合について説明す
る。
【００５７】フーリエ変換手段１８は復号化手段１５か
ら出力された復号音声ｘ’ｎを離散フーリエ変換して離
散周波数スペクトルＸ’ｋを求め、経路１２３を介して
スペクトル振幅部分抑圧手段１９に出力する。スペクト
ル振幅部分抑圧手段１９は、図４の調波振幅部分抑圧手
段１４が各調波振幅を聴覚的マスキング特性に従って部
分的にゼロに抑圧したのと同じ方法で、入力された離散
周波数スペクトルＸ’ｋの振幅を部分的にゼロに抑圧す
る。スペクトル振幅抑圧手段１９が行う周波数スペクト
ルの部分抑圧の動作は、調波振幅部分抑圧手段１４の動
作を説明した図５〜図８及びフローチャートを示した図
９において、調波の振幅Ａｍを周波数スペクトルＸ’ｋ
の振幅と読み変える事で説明される。振幅部分抑圧され
た周波数スペクトルＣＸ’ｋは経路１２４を介してフー
リエ逆変換手段２０に出力される。フーリエ逆変換手段
２０はＣＸ’ｋを離散フーリエ逆変換して時間軸信号ｃ
ｘ’ｎを求め、経路１２２を介して出力音声５として外
部へ出力する。
ら出力された復号音声ｘ’ｎを離散フーリエ変換して離
散周波数スペクトルＸ’ｋを求め、経路１２３を介して
スペクトル振幅部分抑圧手段１９に出力する。スペクト
ル振幅部分抑圧手段１９は、図４の調波振幅部分抑圧手
段１４が各調波振幅を聴覚的マスキング特性に従って部
分的にゼロに抑圧したのと同じ方法で、入力された離散
周波数スペクトルＸ’ｋの振幅を部分的にゼロに抑圧す
る。スペクトル振幅抑圧手段１９が行う周波数スペクト
ルの部分抑圧の動作は、調波振幅部分抑圧手段１４の動
作を説明した図５〜図８及びフローチャートを示した図
９において、調波の振幅Ａｍを周波数スペクトルＸ’ｋ
の振幅と読み変える事で説明される。振幅部分抑圧され
た周波数スペクトルＣＸ’ｋは経路１２４を介してフー
リエ逆変換手段２０に出力される。フーリエ逆変換手段
２０はＣＸ’ｋを離散フーリエ逆変換して時間軸信号ｃ
ｘ’ｎを求め、経路１２２を介して出力音声５として外
部へ出力する。
【００５８】図１１はフーリエ変換手段１８、スペクト
ル振幅部分抑圧手段１９、フーリエ逆変換手段２０で行
われる一連の処理で得られる信号を示すものである。図
１１（ａ）は復号化手段１５から出力される復号音声を
示す図である。この復号音声はすでに音声合成されたも
のであり、図１においては、出力音声５に相当するもの
である。次に図１１（ｂ）に示すものは、フーリエ変換
手段１８が図１１（ａ）に示した復号音声を、離散フー
リエ変換した周波数スペクトルを示す図である。さら
に、図１１（ｃ）は、図１１（ｂ）に示した周波数スペ
クトルに対してスペクトル振幅部分抑圧手段１９が、実
施例２に示した調波振幅部分抑圧手段１４と同様の方法
により、聴覚的にマスキングされる部分を抑圧した周波
数スペクトルを示す図である。図１１（ｃ）において、
Ｚで示す部分はスペクトル振幅部分抑圧手段１９によっ
て、振幅を０に抑圧された部分である。さらに図１１
（ｄ）は図１１（ｃ）に示した周波数スペクトルを、フ
ーリエ逆変換手段を用いて離散フーリエ逆変換した出力
音声を示す図である。このようにして図１１（ａ）に示
す復号音声は、図１１（ｄ）に示す出力音声として、音
声後処理装置１７から出力される。
ル振幅部分抑圧手段１９、フーリエ逆変換手段２０で行
われる一連の処理で得られる信号を示すものである。図
１１（ａ）は復号化手段１５から出力される復号音声を
示す図である。この復号音声はすでに音声合成されたも
のであり、図１においては、出力音声５に相当するもの
である。次に図１１（ｂ）に示すものは、フーリエ変換
手段１８が図１１（ａ）に示した復号音声を、離散フー
リエ変換した周波数スペクトルを示す図である。さら
に、図１１（ｃ）は、図１１（ｂ）に示した周波数スペ
クトルに対してスペクトル振幅部分抑圧手段１９が、実
施例２に示した調波振幅部分抑圧手段１４と同様の方法
により、聴覚的にマスキングされる部分を抑圧した周波
数スペクトルを示す図である。図１１（ｃ）において、
Ｚで示す部分はスペクトル振幅部分抑圧手段１９によっ
て、振幅を０に抑圧された部分である。さらに図１１
（ｄ）は図１１（ｃ）に示した周波数スペクトルを、フ
ーリエ逆変換手段を用いて離散フーリエ逆変換した出力
音声を示す図である。このようにして図１１（ａ）に示
す復号音声は、図１１（ｄ）に示す出力音声として、音
声後処理装置１７から出力される。
【００５９】図１０に示す音声後処理装置１７における
スペクトル振幅部分抑圧手段１９は離散周波数スペクト
ルに対して、そのスペクトル振幅を抑圧する。このよう
に、スペクトル振幅部分抑圧手段が離散周波数スペクト
ルに対して抑圧処理を行なうため、フーリエ変換手段１
８とフーリエ逆変換手段２０は、その前後処理のために
設けられている。フーリエ変換手段１８、スペクトル振
幅部分抑圧手段１９、フーリエ逆変換手段２０を用い
て、すでに復号化手段１５により復号化された復号音声
から、聴覚的にマスキングされる部分の振幅を抑圧する
理由は、復号化手段１５により復号された復号音声に含
まれているスペクトルの量子化歪を少しでも除去するた
めである。即ち、音声符号化装置において符号化される
場合に量子化歪が含まれるため、図１１（ａ）に示す復
号音声には全体にわたって量子化歪が存在している。特
に図１１（ｂ）、（ｃ）に示すＺの部分は聴覚的には、
知覚されない部分であるにも係わらず、量子化歪が存在
しており、この部分の量子化歪が存在することにより復
号音声の音質を劣化させている場合がある。従って、一
旦復号音声が出力されてからでも、再びこれを周波数ス
ペクトルに変換して、聴覚的にマスキングされる部分を
抑圧してしまうことにより、聴覚的に知覚されない部分
による量子化歪を除去し、復号音声の音質の劣化を防止
することが出来る。
スペクトル振幅部分抑圧手段１９は離散周波数スペクト
ルに対して、そのスペクトル振幅を抑圧する。このよう
に、スペクトル振幅部分抑圧手段が離散周波数スペクト
ルに対して抑圧処理を行なうため、フーリエ変換手段１
８とフーリエ逆変換手段２０は、その前後処理のために
設けられている。フーリエ変換手段１８、スペクトル振
幅部分抑圧手段１９、フーリエ逆変換手段２０を用い
て、すでに復号化手段１５により復号化された復号音声
から、聴覚的にマスキングされる部分の振幅を抑圧する
理由は、復号化手段１５により復号された復号音声に含
まれているスペクトルの量子化歪を少しでも除去するた
めである。即ち、音声符号化装置において符号化される
場合に量子化歪が含まれるため、図１１（ａ）に示す復
号音声には全体にわたって量子化歪が存在している。特
に図１１（ｂ）、（ｃ）に示すＺの部分は聴覚的には、
知覚されない部分であるにも係わらず、量子化歪が存在
しており、この部分の量子化歪が存在することにより復
号音声の音質を劣化させている場合がある。従って、一
旦復号音声が出力されてからでも、再びこれを周波数ス
ペクトルに変換して、聴覚的にマスキングされる部分を
抑圧してしまうことにより、聴覚的に知覚されない部分
による量子化歪を除去し、復号音声の音質の劣化を防止
することが出来る。
【００６０】以上のように、この実施例は、音声復号化
装置により合成された音声の周波数スペクトルに変形を
与える音声後処理装置において、合成音声を周波数スペ
クトルに変換する変換手段と、この変換手段から出力さ
れた周波数スペクトルの各周波数成分について、当該周
波数がその周辺の周波数成分の影響で聴覚的にマスキン
グされる場合は当該周波数成分の振幅を抑圧する振幅部
分抑圧手段と、この振幅部分抑圧手段から出力された周
波数スペクトルを時間軸に変換して外部出力する逆変換
手段を備えることを特徴とする。
装置により合成された音声の周波数スペクトルに変形を
与える音声後処理装置において、合成音声を周波数スペ
クトルに変換する変換手段と、この変換手段から出力さ
れた周波数スペクトルの各周波数成分について、当該周
波数がその周辺の周波数成分の影響で聴覚的にマスキン
グされる場合は当該周波数成分の振幅を抑圧する振幅部
分抑圧手段と、この振幅部分抑圧手段から出力された周
波数スペクトルを時間軸に変換して外部出力する逆変換
手段を備えることを特徴とする。
【００６１】本実施例によれば、聴覚的に無視できる周
波数成分をマスキングするので、周波数スペクトルの量
子化歪によって生じる復号音声の音質劣化を軽減できる
効果がある。
波数成分をマスキングするので、周波数スペクトルの量
子化歪によって生じる復号音声の音質劣化を軽減できる
効果がある。
【００６２】なお、上記実施例では、図１０に示すよう
な音声後処理装置１７を示したが、図１に示すような音
声復号化装置２から出力される出力音声５に対して、フ
ーリエ変換手段１８、スペクトル振幅部分抑圧手段１
９、フーリエ逆変換手段２０を用いて、聴覚的にマスキ
ングされる部分の振幅を抑圧してから、出力音声を得る
ようにしてもかまわない。あるいは、音声合声装置（図
示せず）から出力される出力音声に対して同様に聴覚的
にマスキングされる部分の振幅を抑圧してから、出力音
声を得るようにしてもかまわない。
な音声後処理装置１７を示したが、図１に示すような音
声復号化装置２から出力される出力音声５に対して、フ
ーリエ変換手段１８、スペクトル振幅部分抑圧手段１
９、フーリエ逆変換手段２０を用いて、聴覚的にマスキ
ングされる部分の振幅を抑圧してから、出力音声を得る
ようにしてもかまわない。あるいは、音声合声装置（図
示せず）から出力される出力音声に対して同様に聴覚的
にマスキングされる部分の振幅を抑圧してから、出力音
声を得るようにしてもかまわない。
【００６３】
【発明の効果】以上のようにこの発明によれば、フレー
ム内に有声音部と無声音部がある場合、無声音部が周波
数スペクトルに与える影響を排除できる。そして結果的
に明瞭度が高い自然な復号音質を得る効果がある。ま
た、この発明によれば聴覚的に無視できる周波数成分を
マスキングするので、周波数スペクトルの量子化歪によ
って生ずる復号音声の音質劣化を軽減出来る効果があ
る。
ム内に有声音部と無声音部がある場合、無声音部が周波
数スペクトルに与える影響を排除できる。そして結果的
に明瞭度が高い自然な復号音質を得る効果がある。ま
た、この発明によれば聴覚的に無視できる周波数成分を
マスキングするので、周波数スペクトルの量子化歪によ
って生ずる復号音声の音質劣化を軽減出来る効果があ
る。
【図１】この発明の実施例１を示す構成図である。
【図２】この発明の実施例１の説明図である。
【図３】この発明の実施例１のフローチャート図であ
る。
る。
【図４】この発明の実施例２を示す構成図である。
【図５】この発明の実施例２の調波振幅部分抑圧手段の
説明図である。
説明図である。
【図６】この発明の実施例２の調波振幅部分抑圧手段の
説明図である。
説明図である。
【図７】この発明の実施例２の調波振幅部分抑圧手段の
説明図である。
説明図である。
【図８】この発明の実施例２の調波振幅部分抑圧手段の
説明図である。
説明図である。
【図９】この発明の実施例２のフローチャート図であ
る。
る。
【図１０】この発明の実施例３を示す構成図である。
【図１１】この発明の実施例３の説明図である。
【図１２】従来の音声符号化、音声復号化装置の構成図
である。
である。
【図１３】従来の音声符号化、音声復号化装置の説明図
である。
である。
【図１４】従来の音声復号化装置の説明図である。
【図１５】従来の音声復号化装置の構成図である。
【図１６】従来の音声符号化装置の問題点の説明図であ
る。
る。
１ 音声符号化装置 ２ 音声復号化装置 ３ 伝送路 ４ 入力音声 ５ 出力音声 ６ 音声分析手段 ７ ピッチ符号化手段 ８ 調波成分符号化手段 ９ ピッチ復号化手段 １０ 調波成分復号化手段 １１ 調波振幅強調手段 １２ 音声合成手段 １３ 分析窓位置選定手段 １４ 調波振幅部分抑圧手段 １５ 復号化手段 １６ 後処理フィルタ手段 １７ 音声後処理装置 １８ フーリエ変換手段 １９ スペクトル振幅部分抑圧手段 ２０ フーリエ逆変換手段 １０１ 経路 １０２ 経路 １０３ 経路 １０４ 経路 １０５ 経路 １０６ 経路 １０７ 経路 １１１ 経路 １２１ 経路 １２２ 経路 １２３ 経路 １２４ 経路
【手続補正書】
【提出日】平成６年７月１３日
【手続補正１】
【補正対象書類名】明細書
【補正対象項目名】全文
【補正方法】変更
【補正内容】
【書類名】 明細書
【発明の名称】 音声符号化装置、音声復号化装置、音
声後処理装置及びこれらの方法
声後処理装置及びこれらの方法
【特許請求の範囲】
【発明の詳細な説明】
【０００１】
【産業上の利用分野】この発明は、音声をディジタル伝
送あるいは蓄積、合成する場合に用いる音声符号化装
置、音声復号化装置、音声後処理装置及びこれらの方法
に関するものである。
送あるいは蓄積、合成する場合に用いる音声符号化装
置、音声復号化装置、音声後処理装置及びこれらの方法
に関するものである。
【０００２】
【従来の技術】従来の音声符号化装置においては、一定
長、一定間隔で設定される分析フレームと同一区間ある
いは一定長ずれた区間に分析窓を設定し、この分析窓で
切り出された入力音声を周波数スペクトル分析してい
た。また、従来の音声復号化装置あるいは音声後処理装
置では、音声スペクトルの声道の共鳴による山の部分
（ホルマント部）を強調することで合成音声の持つ量子
化雑音感を聴覚的に低減していた。
長、一定間隔で設定される分析フレームと同一区間ある
いは一定長ずれた区間に分析窓を設定し、この分析窓で
切り出された入力音声を周波数スペクトル分析してい
た。また、従来の音声復号化装置あるいは音声後処理装
置では、音声スペクトルの声道の共鳴による山の部分
（ホルマント部）を強調することで合成音声の持つ量子
化雑音感を聴覚的に低減していた。
【０００３】従来の音声符号化・復号化装置に文献１
Ｒ．Ｍａｃａｕｌａｙ，Ｔ．Ｐａｒｋｓ，Ｔ．Ｑｕａｔ
ｉｅｒｉ，Ｍ．Ｓａｂｉｎ，“Ｓｉｎｅ−Ｗａｖｅ Ａ
ｍｐｌｉｔｕｄｅ Ｃｏｄｉｎｇ ａｔ Ｌｏｗ Ｄａ
ｔａ Ｒａｔｅｓ”，（Ａｄｖａｎｃｅ ｉｎ Ｓｐｅ
ｅｃｈ Ｃｏｄｉｎｇ，Ｋｌｕｗｅｒ Ａｃａｄｅｍｉ
ｃ Ｐｕｂｌｉｓｈｅｒｓ，Ｐ２０３−２１３）があ
る。図１２は文献１の音声符号化・復号化装置の概略を
示した構成図である。従来の音声符号化・復号化装置
は、音声符号化装置１、音声復号化装置２、伝送路で構
成される。音声符号化装置１には、入力音声４が入力さ
れる。音声復号化装置２からは出力音声５が出力され
る。音声符号化部１は、音声分析手段６、ピッチ符号化
手段７、調波成分符号化手段８を備えている。音声復号
化装置２はピッチ復号化手段９、調波成分復号化手段１
０、調波振幅強調手段１１、音声合成手段１２を備えて
いる。また、音声符号化部１は経路１０１，１０２，１
０３を備えている。音声復号化装置２は経路１０４，１
０５，１０６，１０７を備えている。図１３は従来の音
声符号化装置、音声復号化装置の動作を説明する動作説
明図である。
Ｒ．Ｍａｃａｕｌａｙ，Ｔ．Ｐａｒｋｓ，Ｔ．Ｑｕａｔ
ｉｅｒｉ，Ｍ．Ｓａｂｉｎ，“Ｓｉｎｅ−Ｗａｖｅ Ａ
ｍｐｌｉｔｕｄｅ Ｃｏｄｉｎｇ ａｔ Ｌｏｗ Ｄａ
ｔａ Ｒａｔｅｓ”，（Ａｄｖａｎｃｅ ｉｎ Ｓｐｅ
ｅｃｈ Ｃｏｄｉｎｇ，Ｋｌｕｗｅｒ Ａｃａｄｅｍｉ
ｃ Ｐｕｂｌｉｓｈｅｒｓ，Ｐ２０３−２１３）があ
る。図１２は文献１の音声符号化・復号化装置の概略を
示した構成図である。従来の音声符号化・復号化装置
は、音声符号化装置１、音声復号化装置２、伝送路で構
成される。音声符号化装置１には、入力音声４が入力さ
れる。音声復号化装置２からは出力音声５が出力され
る。音声符号化部１は、音声分析手段６、ピッチ符号化
手段７、調波成分符号化手段８を備えている。音声復号
化装置２はピッチ復号化手段９、調波成分復号化手段１
０、調波振幅強調手段１１、音声合成手段１２を備えて
いる。また、音声符号化部１は経路１０１，１０２，１
０３を備えている。音声復号化装置２は経路１０４，１
０５，１０６，１０７を備えている。図１３は従来の音
声符号化装置、音声復号化装置の動作を説明する動作説
明図である。
【０００４】以下、図１２、図１３を用いて従来の音声
符号化・復号化装置の動作について説明する。まず音声
符号化装置１の動作について説明する。音声分析手段６
は、経路１０１より入力される入力音声４を一定長の分
析フレーム毎に分析する。音声分析手段６は、分析する
フレーム内の一定位置を中心としたハミング窓の様な分
析窓で入力音声４を切り出す。音声分析手段６は、パワ
ーＰと例えば自己相関分析によってピッチ周波数を抽出
する。また、音声分析手段６は周波数スペクトル分析に
よって周波数スペクトル上に現れるピッチ周波数間隔の
調波成分の振幅Ａｍと位相θｍ（ｍは調波番号）を抽出
する。図１３（ａ）、（ｂ）は入力音声を１フレーム分
切り出して周波数スペクトル上で調波成分の振幅Ａｍを
求める例を示している。音声分析手段６で抽出されたピ
ッチ周波数（１／Ｔ、ここでＴはピッチ周期）は経路１
０３を介してピッチ符号化手段７に出力される。パワー
Ｐと調波成分の振幅Ａｍと位相θｍは経路１０２を介し
て調波成分符号化手段８に出力される。
符号化・復号化装置の動作について説明する。まず音声
符号化装置１の動作について説明する。音声分析手段６
は、経路１０１より入力される入力音声４を一定長の分
析フレーム毎に分析する。音声分析手段６は、分析する
フレーム内の一定位置を中心としたハミング窓の様な分
析窓で入力音声４を切り出す。音声分析手段６は、パワ
ーＰと例えば自己相関分析によってピッチ周波数を抽出
する。また、音声分析手段６は周波数スペクトル分析に
よって周波数スペクトル上に現れるピッチ周波数間隔の
調波成分の振幅Ａｍと位相θｍ（ｍは調波番号）を抽出
する。図１３（ａ）、（ｂ）は入力音声を１フレーム分
切り出して周波数スペクトル上で調波成分の振幅Ａｍを
求める例を示している。音声分析手段６で抽出されたピ
ッチ周波数（１／Ｔ、ここでＴはピッチ周期）は経路１
０３を介してピッチ符号化手段７に出力される。パワー
Ｐと調波成分の振幅Ａｍと位相θｍは経路１０２を介し
て調波成分符号化手段８に出力される。
【０００５】ピッチ符号化手段７は経路１０３より入力
されたピッチ周波数（１／Ｔ）を例えばスカラー量子化
した後に符号化する。ピッチ符号化手段７は、伝送路３
を介して符号化データを音声復号化装置２に出力する。
調波成分符号化手段８は経路１０２より入力されたパワ
ーＰを例えばスカラー量子化して量子化パワーＰ’を求
める。調波成分符号化手段８はこの量子化パワーＰ’を
用いて経路１０２より入力された調波成分の振幅Ａｍを
正規化して正規化振幅ＡＮｍを求める。調波成分符号化
手段８はこの正規化振幅ＡＮｍを量子化して量子化振幅
ＡＮｍ’を求める。さらに経路１０２より入力された位
相θｍを例えばスカラー量子化して量子化位相θｍ’を
求める。そしてこれら調波成分符号化手段８は量子化振
幅と量子化位相θｍ’を符号化し、その符号化データを
音声復号化装置２に伝送路３を介して出力する。
されたピッチ周波数（１／Ｔ）を例えばスカラー量子化
した後に符号化する。ピッチ符号化手段７は、伝送路３
を介して符号化データを音声復号化装置２に出力する。
調波成分符号化手段８は経路１０２より入力されたパワ
ーＰを例えばスカラー量子化して量子化パワーＰ’を求
める。調波成分符号化手段８はこの量子化パワーＰ’を
用いて経路１０２より入力された調波成分の振幅Ａｍを
正規化して正規化振幅ＡＮｍを求める。調波成分符号化
手段８はこの正規化振幅ＡＮｍを量子化して量子化振幅
ＡＮｍ’を求める。さらに経路１０２より入力された位
相θｍを例えばスカラー量子化して量子化位相θｍ’を
求める。そしてこれら調波成分符号化手段８は量子化振
幅と量子化位相θｍ’を符号化し、その符号化データを
音声復号化装置２に伝送路３を介して出力する。
【０００６】次に音声復号化装置２の動作について説明
する。まずピッチ復号化手段９は、伝送路３から入力さ
れたピッチ周波数の符号化データを復号化してピッチ周
波数を求める。ピッチ復号化手段９は、求めたピッチ周
波数を、経路１０４を介して音声復号化装置２内の音声
合成手段１２に出力する。調波成分復号化手段１０は、
調波成分符号化手段８から伝送路３を介して入力された
各符号化データを復号化してパワーＰ’と調波成分の振
幅ＡＮｍ’と位相θｍ’を求める。調波成分復号化手段
１０は、振幅ＡＮｍ’に対してＰ’を乗じて復号振幅Ａ
ｍ’を求める。調波成分復号化手段１０は、これら復号
振幅Ａｍ’と位相θｍ’を経路１０５を介して調波振幅
強調手段１１に出力する。復号振幅Ａｍ’は量子化処理
による量子化雑音を含んでいる。一般的に人間の聴覚
は、周波数スペクトルの山の部分（ホルマント部）にお
ける量子化雑音を谷の部分より知覚しにくい特性を持
つ。調波振幅強調手段１１はこの特性を利用して、人間
の聴覚に与える量子化雑音感を抑圧する。調波振幅強調
手段１１は、図１４に示すように復号振幅Ａｍ’の周波
数軸上の凹凸を強調し、ホルマント部以外の部分の振幅
を低く抑える。こうして調波振幅強調手段１１は人間の
聴覚に与える量子化雑音感を抑圧する。振幅強調された
復号振幅ＡＥｍ’は経路１０６を介して位相θｍ’と共
に音声合成手段１２に出力される。
する。まずピッチ復号化手段９は、伝送路３から入力さ
れたピッチ周波数の符号化データを復号化してピッチ周
波数を求める。ピッチ復号化手段９は、求めたピッチ周
波数を、経路１０４を介して音声復号化装置２内の音声
合成手段１２に出力する。調波成分復号化手段１０は、
調波成分符号化手段８から伝送路３を介して入力された
各符号化データを復号化してパワーＰ’と調波成分の振
幅ＡＮｍ’と位相θｍ’を求める。調波成分復号化手段
１０は、振幅ＡＮｍ’に対してＰ’を乗じて復号振幅Ａ
ｍ’を求める。調波成分復号化手段１０は、これら復号
振幅Ａｍ’と位相θｍ’を経路１０５を介して調波振幅
強調手段１１に出力する。復号振幅Ａｍ’は量子化処理
による量子化雑音を含んでいる。一般的に人間の聴覚
は、周波数スペクトルの山の部分（ホルマント部）にお
ける量子化雑音を谷の部分より知覚しにくい特性を持
つ。調波振幅強調手段１１はこの特性を利用して、人間
の聴覚に与える量子化雑音感を抑圧する。調波振幅強調
手段１１は、図１４に示すように復号振幅Ａｍ’の周波
数軸上の凹凸を強調し、ホルマント部以外の部分の振幅
を低く抑える。こうして調波振幅強調手段１１は人間の
聴覚に与える量子化雑音感を抑圧する。振幅強調された
復号振幅ＡＥｍ’は経路１０６を介して位相θｍ’と共
に音声合成手段１２に出力される。
【０００７】音声合成手段１２は入力されたピッチ周波
数、振幅強調を受けた調波成分の振幅ＡＥｍ’、位相θ
ｍ’より、以下に示す（１）式を用いて復号音声Ｓ
（ｔ）を合成する。復号音声Ｓ（ｔ）は、経路１０７を
介して出力音声５として外部へ出力される。
数、振幅強調を受けた調波成分の振幅ＡＥｍ’、位相θ
ｍ’より、以下に示す（１）式を用いて復号音声Ｓ
（ｔ）を合成する。復号音声Ｓ（ｔ）は、経路１０７を
介して出力音声５として外部へ出力される。
【０００８】
【数１】
【０００９】図１３（ｃ）、（ｄ）は、各調波の振幅よ
り合成音声が合成される例を示している。
り合成音声が合成される例を示している。
【００１０】従来の音声後処理装置（後処理フィルタ）
を記述したものに文献２（特開平２ー８２７１０号公
報）がある。図１５は文献２に示された従来の後処理フ
ィルタ含む音声復号化装置の構成図である。音声復号化
装置は復号化手段１５、後処理フィルタ手段１６、経路
１２１，１２２を備えている。
を記述したものに文献２（特開平２ー８２７１０号公
報）がある。図１５は文献２に示された従来の後処理フ
ィルタ含む音声復号化装置の構成図である。音声復号化
装置は復号化手段１５、後処理フィルタ手段１６、経路
１２１，１２２を備えている。
【００１１】以下、図１５を用いて従来の音声後処理装
置の動作を説明する。復号化手段１５は伝送路３から入
力された符号化情報を復号化して復号音声ｘ’ｎを求め
る。復号音声ｘ’ｎは、経路１２１より後処理フィルタ
手段１６に出力される。後処理フィルタ手段１６は復号
音声ｘ’ｎに対して特性Ｈ（Ｚ）（ＺはＺ変換の意）を
持つフィルタ処理を行う。後処理フィルタ手段１６は、
フィルタ処理後の復号音声を出力音声５として出力す
る。特性Ｈ（Ｚ）は音声のピッチ周波数間隔の調波構造
を強調する特性をもつ。またホルマント部分を増幅しそ
の他の部分を抑圧するホルマント強調特性を合わせ持
つ。こうして、後処理フィルタ手段１６は、復号音声
ｘ’ｎの持つ量子化雑音成分を聴覚的に抑圧する。
置の動作を説明する。復号化手段１５は伝送路３から入
力された符号化情報を復号化して復号音声ｘ’ｎを求め
る。復号音声ｘ’ｎは、経路１２１より後処理フィルタ
手段１６に出力される。後処理フィルタ手段１６は復号
音声ｘ’ｎに対して特性Ｈ（Ｚ）（ＺはＺ変換の意）を
持つフィルタ処理を行う。後処理フィルタ手段１６は、
フィルタ処理後の復号音声を出力音声５として出力す
る。特性Ｈ（Ｚ）は音声のピッチ周波数間隔の調波構造
を強調する特性をもつ。またホルマント部分を増幅しそ
の他の部分を抑圧するホルマント強調特性を合わせ持
つ。こうして、後処理フィルタ手段１６は、復号音声
ｘ’ｎの持つ量子化雑音成分を聴覚的に抑圧する。
【００１２】
【発明が解決しようとする課題】図１２に示したような
従来の音声符号化装置では、音声分析手段６において設
定される分析窓の位置が、分析フレームに対して常に固
定された位置にある。このため図１６の入力音声波形に
示すように分析窓Ｗ内で入力音声が無声から有声に大き
く変化した場合、抽出される周波数スペクトルパラメー
タが有声音と無声音の中間的な形状を持つことがある。
その結果、音声復号化装置で合成されるフレームに対応
した出力音声の音韻性が不明瞭となり、音質劣化が生じ
るという課題があった。
従来の音声符号化装置では、音声分析手段６において設
定される分析窓の位置が、分析フレームに対して常に固
定された位置にある。このため図１６の入力音声波形に
示すように分析窓Ｗ内で入力音声が無声から有声に大き
く変化した場合、抽出される周波数スペクトルパラメー
タが有声音と無声音の中間的な形状を持つことがある。
その結果、音声復号化装置で合成されるフレームに対応
した出力音声の音韻性が不明瞭となり、音質劣化が生じ
るという課題があった。
【００１３】さらに図１２と図１５に示した従来の音声
復号化装置では、量子化雑音感を聴覚的に抑圧するため
音声のホルマント部を増幅してその他の部分を抑圧す
る。このようなホルマント強調を行う場合、量子化雑音
感を抑圧するためにこの増幅量、抑圧量を大きくする
と、周波数スペクトルの変形が大きくなり過ぎて、出力
音声の品質を劣化させる課題があった。
復号化装置では、量子化雑音感を聴覚的に抑圧するため
音声のホルマント部を増幅してその他の部分を抑圧す
る。このようなホルマント強調を行う場合、量子化雑音
感を抑圧するためにこの増幅量、抑圧量を大きくする
と、周波数スペクトルの変形が大きくなり過ぎて、出力
音声の品質を劣化させる課題があった。
【００１４】この発明は、上記のような課題を解消する
ためになされたものであり、品質の良い出力音声を得る
ことを目的としている。
ためになされたものであり、品質の良い出力音声を得る
ことを目的としている。
【００１５】
【課題を解決するための手段】この発明における音声符
号化装置は、周波数スペクトル特徴パラメータを抽出す
る音声分析手段と、入力音声の特徴パラメータの値に基
づき分析窓の位置を選定し、前記音声分析手段に指令す
る分析窓位置選定手段を備える。
号化装置は、周波数スペクトル特徴パラメータを抽出す
る音声分析手段と、入力音声の特徴パラメータの値に基
づき分析窓の位置を選定し、前記音声分析手段に指令す
る分析窓位置選定手段を備える。
【００１６】また、当該フレームの中心に分析窓の中心
を置いて切りだした入力音声のパワーを当該フレームの
パワーとして求めて出力する音声分析手段を備える。
を置いて切りだした入力音声のパワーを当該フレームの
パワーとして求めて出力する音声分析手段を備える。
【００１７】また、この発明における音声復号化装置
は、ピッチ周波数間隔で周波数スペクトル上に現れる各
調波の振幅を部分的に抑圧する調波振幅部分抑圧手段を
備える。
は、ピッチ周波数間隔で周波数スペクトル上に現れる各
調波の振幅を部分的に抑圧する調波振幅部分抑圧手段を
備える。
【００１８】また、この発明における音声後処理装置
は、合成音声を周波数スペクトルに変換する変換手段
と、この周波数変換手段から出力された周波数スペクト
ルの各周波数成分を部分的に抑圧する調波振幅部分抑圧
手段と、この振幅部分抑圧手段から出力された周波数ス
ペクトルを時間軸に変換して外部出力する逆変換手段を
備える。
は、合成音声を周波数スペクトルに変換する変換手段
と、この周波数変換手段から出力された周波数スペクト
ルの各周波数成分を部分的に抑圧する調波振幅部分抑圧
手段と、この振幅部分抑圧手段から出力された周波数ス
ペクトルを時間軸に変換して外部出力する逆変換手段を
備える。
【００１９】また、この発明における音声符号化方法、
音声復号化方法、音声後処理方法は、上記各装置内で用
いられる方法である。
音声復号化方法、音声後処理方法は、上記各装置内で用
いられる方法である。
【００２０】
【作用】この発明における分析窓位置選定手段は、音声
分析手段で周波数スペクトル特徴パラメータを抽出する
際の分析窓の位置を、当該フレーム内及びその近傍の入
力音声の特徴パラメータの値に基づき当該フレームを逸
脱しない範囲で選定し、前記音声分析手段に指令する。
また、音声分析手段は、常に当該フレームの中心に分析
窓の中心を置いて切りだした入力音声のパワーを当該フ
レームのパワーとして求めて出力する。
分析手段で周波数スペクトル特徴パラメータを抽出する
際の分析窓の位置を、当該フレーム内及びその近傍の入
力音声の特徴パラメータの値に基づき当該フレームを逸
脱しない範囲で選定し、前記音声分析手段に指令する。
また、音声分析手段は、常に当該フレームの中心に分析
窓の中心を置いて切りだした入力音声のパワーを当該フ
レームのパワーとして求めて出力する。
【００２１】また、この発明における調波振幅部分抑圧
手段は、ピッチ周波数間隔で周波数スペクトル上に現れ
る各調波において、当該調波の成分がその周辺の調波の
影響で聴覚的にマスキングされる場合は当該調波の振幅
を抑圧する。
手段は、ピッチ周波数間隔で周波数スペクトル上に現れ
る各調波において、当該調波の成分がその周辺の調波の
影響で聴覚的にマスキングされる場合は当該調波の振幅
を抑圧する。
【００２２】また、この発明における変換手段は、合成
音声を周波数スペクトルに変換し、調波振幅部分抑圧手
段はこの変換手段から出力された周波数スペクトルの各
周波数成分について、当該周波数成分がその周辺の周波
数成分の影響で聴覚的にマスキングされると判定された
場合は当該周波数成分の振幅を抑圧し、逆変換手段はこ
の調波振幅部分抑圧手段から出力された周波数スペクト
ルを時間軸に変換して外部出力する。
音声を周波数スペクトルに変換し、調波振幅部分抑圧手
段はこの変換手段から出力された周波数スペクトルの各
周波数成分について、当該周波数成分がその周辺の周波
数成分の影響で聴覚的にマスキングされると判定された
場合は当該周波数成分の振幅を抑圧し、逆変換手段はこ
の調波振幅部分抑圧手段から出力された周波数スペクト
ルを時間軸に変換して外部出力する。
【００２３】
【実施例】 実施例１．図１はこの発明の一実施例を示す図である。
図１は、入力音声を符号化、復号化する音声符号化装置
１と音声復号化装置２の構成図である。また図２はこの
実施例の動作を説明する説明図である。図１において図
１２と同一の部分については同一の符号を付し、説明を
省略する。図１において音声符号化装置１は分析窓位置
選定手段１３、経路１１１を備えている。
図１は、入力音声を符号化、復号化する音声符号化装置
１と音声復号化装置２の構成図である。また図２はこの
実施例の動作を説明する説明図である。図１において図
１２と同一の部分については同一の符号を付し、説明を
省略する。図１において音声符号化装置１は分析窓位置
選定手段１３、経路１１１を備えている。
【００２４】以下図１に示した本発明の一実施例の動作
について説明する。図２の入力音声波形に示すように、
入力音声は１フレーム内でも無声音から有声音に大きく
変化する場合がある。この場合、有声音の位置を中心に
音声を切り出して周波数スペクトルを求めれば、無声音
部の影響が少なく明確な周波数スペクトルパラメータが
得られる。フレーム内における有声音部の位置を探すた
め、分析窓位置選定手段１３は分析窓を移動させる。即
ち、図２に示すように、現在のフレームの範囲内で分析
窓を一定時間ずつずらして入力音声を順次切り出す。こ
の時、分析窓の移動範囲は現在のフレームを大きく逸脱
しないものとする。たとえば、分析窓の中心が、分析フ
レーム外に出ない範囲で分析窓を移動する。
について説明する。図２の入力音声波形に示すように、
入力音声は１フレーム内でも無声音から有声音に大きく
変化する場合がある。この場合、有声音の位置を中心に
音声を切り出して周波数スペクトルを求めれば、無声音
部の影響が少なく明確な周波数スペクトルパラメータが
得られる。フレーム内における有声音部の位置を探すた
め、分析窓位置選定手段１３は分析窓を移動させる。即
ち、図２に示すように、現在のフレームの範囲内で分析
窓を一定時間ずつずらして入力音声を順次切り出す。こ
の時、分析窓の移動範囲は現在のフレームを大きく逸脱
しないものとする。たとえば、分析窓の中心が、分析フ
レーム外に出ない範囲で分析窓を移動する。
【００２５】図２においては、分析窓Ｗ１〜Ｗ９を一定
時間ずつずらして設定した場合を示している。分析窓Ｗ
１の中心の位置は分析フレームの一端Ｓと同じ位置であ
る。また分析窓Ｗ９の中心の位置は分析フレームの他端
Ｅと同じ位置である。分析窓位置選定手段１３はこれら
の複数の分析窓から順次切り出された入力音声のパワー
を計算し、そのパワーが最大となる分析窓位置を選定す
る。分析窓位置選定手段１３は、その分析窓位置の位置
情報を経路１１１を介して音声分析手段６へ出力する。
時間ずつずらして設定した場合を示している。分析窓Ｗ
１の中心の位置は分析フレームの一端Ｓと同じ位置であ
る。また分析窓Ｗ９の中心の位置は分析フレームの他端
Ｅと同じ位置である。分析窓位置選定手段１３はこれら
の複数の分析窓から順次切り出された入力音声のパワー
を計算し、そのパワーが最大となる分析窓位置を選定す
る。分析窓位置選定手段１３は、その分析窓位置の位置
情報を経路１１１を介して音声分析手段６へ出力する。
【００２６】図３は分析窓位置選定手段１３における窓
位置選定処理の一例を示すフローチャートである。まず
図３のフローチャートに用いる変数を説明する。Ｉは分
析フレームに設定される分析窓の最大窓数である。図２
に示す例では、分析窓は９個あり、Ｉ＝９である。Ｐｉ
はｉ番目（ｉ＝１，２，３，…，Ｉ）の分析窓を用いて
計算した入力音声のパワーである。Ｌは分析窓の窓長で
ある。ＳＨは分析窓をずらす場合のシフト長である。ｉ
ｓは選択した分析窓の位置を示す位置情報である。Ｐｍ
ａｘはパワーＰｉの中で最大を示す最大パワーである。
Ｓ（ｔ）は入力音声である。
位置選定処理の一例を示すフローチャートである。まず
図３のフローチャートに用いる変数を説明する。Ｉは分
析フレームに設定される分析窓の最大窓数である。図２
に示す例では、分析窓は９個あり、Ｉ＝９である。Ｐｉ
はｉ番目（ｉ＝１，２，３，…，Ｉ）の分析窓を用いて
計算した入力音声のパワーである。Ｌは分析窓の窓長で
ある。ＳＨは分析窓をずらす場合のシフト長である。ｉ
ｓは選択した分析窓の位置を示す位置情報である。Ｐｍ
ａｘはパワーＰｉの中で最大を示す最大パワーである。
Ｓ（ｔ）は入力音声である。
【００２７】次にこれらの変数を用いて、図３のフロー
チャートを説明する。まずＳ１において最大パワーＰｍ
ａｘを初期値０に設定する。この最大パワーＰｍａｘは
最大パワーを探すために用いる変数であり、最大パワー
が見つかるたびに書き換えられていく変数である。Ｓ２
において、ｉが１に初期化される。次にＳ３からＳ７
は、分析窓の最大窓数Ｉの回数分だけループするルーチ
ンである。Ｓ３において、入力音声Ｓ（ｔ）のパワーＰ
ｉを計算する。このパワーＰｉは入力音声Ｓ（ｔ）の自
乗を窓長分加算したものである。Ｓ４においては、Ｓ３
で求めたパワーＰｉがすでに求めた最大パワーＰｍａｘ
より大きいかどうかを比較する。Ｓ３で求めたパワーＰ
ｉが過去に求めた最大パワーＰｍａｘより大きい場合に
は、Ｓ３で求めたパワーＰｉを新たにＰｍａｘに代入す
る。及び選択窓位置情報ｉｓに第何番目かの分析窓であ
るかを示すｉを代入する。次にＳ６においてｉに１を加
算する。Ｓ７においてｉが最大窓数Ｉより小さいかどう
かを判定し、小さい場合には再びＳ３からＳ７の処理を
繰り返す。このようにして、最大窓数分だけＳ３からＳ
７の処理が繰り返され、最大パワーＰｍａｘと選択窓位
置情報ｉｓが求められる。Ｓ８においては、選択窓位置
情報ｉｓを経路１１１を介して音声分析手段６に出力す
る。以上が分析窓位置選定手段の動作である。
チャートを説明する。まずＳ１において最大パワーＰｍ
ａｘを初期値０に設定する。この最大パワーＰｍａｘは
最大パワーを探すために用いる変数であり、最大パワー
が見つかるたびに書き換えられていく変数である。Ｓ２
において、ｉが１に初期化される。次にＳ３からＳ７
は、分析窓の最大窓数Ｉの回数分だけループするルーチ
ンである。Ｓ３において、入力音声Ｓ（ｔ）のパワーＰ
ｉを計算する。このパワーＰｉは入力音声Ｓ（ｔ）の自
乗を窓長分加算したものである。Ｓ４においては、Ｓ３
で求めたパワーＰｉがすでに求めた最大パワーＰｍａｘ
より大きいかどうかを比較する。Ｓ３で求めたパワーＰ
ｉが過去に求めた最大パワーＰｍａｘより大きい場合に
は、Ｓ３で求めたパワーＰｉを新たにＰｍａｘに代入す
る。及び選択窓位置情報ｉｓに第何番目かの分析窓であ
るかを示すｉを代入する。次にＳ６においてｉに１を加
算する。Ｓ７においてｉが最大窓数Ｉより小さいかどう
かを判定し、小さい場合には再びＳ３からＳ７の処理を
繰り返す。このようにして、最大窓数分だけＳ３からＳ
７の処理が繰り返され、最大パワーＰｍａｘと選択窓位
置情報ｉｓが求められる。Ｓ８においては、選択窓位置
情報ｉｓを経路１１１を介して音声分析手段６に出力す
る。以上が分析窓位置選定手段の動作である。
【００２８】音声分析手段６は経路１１１を介して入力
された選択窓位置情報ｉｓの示す分析窓位置で音声を切
り出す。音声分析手段６は切り出した音声のピッチ周波
数を求める。また、音声分析手段６は求めたピッチ周波
数間隔で周波数スペクトル上に現れる調波の振幅Ａｍと
位相θｍを求める。また音声分析手段６は現在のフレー
ムの中心に分析窓の中心を置いた分析窓を用いて音声を
切り出してそのパワーＰを求める。図２に示す例では、
分析窓Ｗ５を用いてパワーＰを求める。このように、常
にフレームの中心に分析窓の中心をおいて、切り出した
入力音声のパワーをそのフレームのパワーとして使用す
る。以上求められた調波の振幅Ａｍと位相θｍおよびパ
ワーＰは経路１０２を介して調波成分符号化手段８に出
力される。
された選択窓位置情報ｉｓの示す分析窓位置で音声を切
り出す。音声分析手段６は切り出した音声のピッチ周波
数を求める。また、音声分析手段６は求めたピッチ周波
数間隔で周波数スペクトル上に現れる調波の振幅Ａｍと
位相θｍを求める。また音声分析手段６は現在のフレー
ムの中心に分析窓の中心を置いた分析窓を用いて音声を
切り出してそのパワーＰを求める。図２に示す例では、
分析窓Ｗ５を用いてパワーＰを求める。このように、常
にフレームの中心に分析窓の中心をおいて、切り出した
入力音声のパワーをそのフレームのパワーとして使用す
る。以上求められた調波の振幅Ａｍと位相θｍおよびパ
ワーＰは経路１０２を介して調波成分符号化手段８に出
力される。
【００２９】このように、調波の振幅と位相はパワーが
最大になる分析窓から求め、出力音声が不明瞭になるこ
とを防止する。また、フレームのパワーはフレームの中
心から求め、パワーの整合がとれた出力を行なう。
最大になる分析窓から求め、出力音声が不明瞭になるこ
とを防止する。また、フレームのパワーはフレームの中
心から求め、パワーの整合がとれた出力を行なう。
【００３０】以上のように、この実施例は、一定長で一
定間隔に設定される分析フレーム毎に入力音声を符号化
する音声符号化装置において、入力音声を分析窓位置選
定手段で指定される位置の分析窓で切り出し、この切り
出された入力音声の周波数スペクトル特徴パラメータを
抽出する音声分析手段と、この音声分析手段で前記周波
数スペクトル特徴パラメータを抽出する際の分析窓の位
置を、当該フレーム内及びその近傍の入力音声の特徴パ
ラメータの値に基づき当該フレームを逸脱しない範囲で
選定し、前記音声分析手段に指令する分析窓位置選定手
段を備えることを特徴する。
定間隔に設定される分析フレーム毎に入力音声を符号化
する音声符号化装置において、入力音声を分析窓位置選
定手段で指定される位置の分析窓で切り出し、この切り
出された入力音声の周波数スペクトル特徴パラメータを
抽出する音声分析手段と、この音声分析手段で前記周波
数スペクトル特徴パラメータを抽出する際の分析窓の位
置を、当該フレーム内及びその近傍の入力音声の特徴パ
ラメータの値に基づき当該フレームを逸脱しない範囲で
選定し、前記音声分析手段に指令する分析窓位置選定手
段を備えることを特徴する。
【００３１】また、この実施例は、常に当該フレームの
中心に分析窓の中心を置いて切りだした入力音声のパワ
ーを当該フレームのパワーとして求めて出力する音声分
析手段を備えることを特徴とする。
中心に分析窓の中心を置いて切りだした入力音声のパワ
ーを当該フレームのパワーとして求めて出力する音声分
析手段を備えることを特徴とする。
【００３２】本実施例によれば、フレーム内に有声音部
と無声音部がある場合、聴覚的により重要である音声パ
ワーの大きな有声音部を中心に周波数スペクトルを求め
るので、無声音部が周波数スペクトルに与える影響を排
除できる。さらに音声パワーを平均的な部分から求める
ため合成音声のパワーと原音声のパワーの整合がとれ
る。結果的に明瞭度の高い自然な復号音質を得る効果が
ある。
と無声音部がある場合、聴覚的により重要である音声パ
ワーの大きな有声音部を中心に周波数スペクトルを求め
るので、無声音部が周波数スペクトルに与える影響を排
除できる。さらに音声パワーを平均的な部分から求める
ため合成音声のパワーと原音声のパワーの整合がとれ
る。結果的に明瞭度の高い自然な復号音質を得る効果が
ある。
【００３３】なお、図２に示した例においては、分析窓
を一つの分析フレームに対して９個設定する場合につい
て説明したが、その個数は９個に限るものではなく、複
数個あればよい。また、分析窓Ｗ１の中心の位置が分析
フレームの一端Ｓと同じ位置であり、分析窓Ｗ９の中心
の位置が分析フレームの他端Ｅと同じ位置である場合を
示したが、この例は分析窓がフレームを逸脱しない範囲
の一例であり、必ずしも分析窓の中心が分析フレーム端
に存在する必要はない。重要なことは、分析窓を移動さ
せる場合、分析窓をフレーム内にある入力音声の特徴を
捕まえられる範囲で移動させる点である。
を一つの分析フレームに対して９個設定する場合につい
て説明したが、その個数は９個に限るものではなく、複
数個あればよい。また、分析窓Ｗ１の中心の位置が分析
フレームの一端Ｓと同じ位置であり、分析窓Ｗ９の中心
の位置が分析フレームの他端Ｅと同じ位置である場合を
示したが、この例は分析窓がフレームを逸脱しない範囲
の一例であり、必ずしも分析窓の中心が分析フレーム端
に存在する必要はない。重要なことは、分析窓を移動さ
せる場合、分析窓をフレーム内にある入力音声の特徴を
捕まえられる範囲で移動させる点である。
【００３４】さらに、図２に示す例においては、分析フ
レームの長さと窓長Ｌが等しい場合について示している
が、分析フレームの長さと窓長Ｌは一致する必要はな
く、長さが違っていてもよい。
レームの長さと窓長Ｌが等しい場合について示している
が、分析フレームの長さと窓長Ｌは一致する必要はな
く、長さが違っていてもよい。
【００３５】また、図２に示す例においては、分析窓を
Ｗ１〜Ｗ９まで順に等間隔でシフトする場合について説
明したが、等間隔にシフトする場合に限らず、ランダム
あるいは所定の規則に従ってシフトするようにしてもか
まわない。
Ｗ１〜Ｗ９まで順に等間隔でシフトする場合について説
明したが、等間隔にシフトする場合に限らず、ランダム
あるいは所定の規則に従ってシフトするようにしてもか
まわない。
【００３６】また、分析窓Ｗ１〜Ｗ９は、時系列的に順
にシフトされながら設定されたが、分析窓位置選定手段
１３にメモリを備え、そのメモリに分析フレーム内の入
力音声を記憶させることにより、時系列的に分析窓を移
動させるようにしなくてもかまわない。メモリに入力音
声が記憶されている場合には、分析窓Ｗ１〜Ｗ９の逆の
順番に、あるいはランダムな順番に分析窓を設定しても
かまわない。
にシフトされながら設定されたが、分析窓位置選定手段
１３にメモリを備え、そのメモリに分析フレーム内の入
力音声を記憶させることにより、時系列的に分析窓を移
動させるようにしなくてもかまわない。メモリに入力音
声が記憶されている場合には、分析窓Ｗ１〜Ｗ９の逆の
順番に、あるいはランダムな順番に分析窓を設定しても
かまわない。
【００３７】また、図３に示した例においては、複数の
分析窓から入力音声のパワーが最大になる分析窓を選定
する場合を説明したが、分析窓の選定には入力音声のパ
ワーを用いる場合ばかりでなく、その他の特徴パラメー
タを用いる場合でもかまわない。各分析窓のパワーを比
較して、最大パワーを示す分析窓を用いるのは、有声音
部と無声音部がある場合に、有声音部が無声音部に較べ
て音声パワーが大きいことによるものである。従って、
有声音部と無声音部を区別することが出来るような入力
音声の特徴パラメータを用いれば、どのような特徴パラ
メータを用いる場合でもかまわない。
分析窓から入力音声のパワーが最大になる分析窓を選定
する場合を説明したが、分析窓の選定には入力音声のパ
ワーを用いる場合ばかりでなく、その他の特徴パラメー
タを用いる場合でもかまわない。各分析窓のパワーを比
較して、最大パワーを示す分析窓を用いるのは、有声音
部と無声音部がある場合に、有声音部が無声音部に較べ
て音声パワーが大きいことによるものである。従って、
有声音部と無声音部を区別することが出来るような入力
音声の特徴パラメータを用いれば、どのような特徴パラ
メータを用いる場合でもかまわない。
【００３８】例えば入力音声の特徴パラメータとして
は、パワー以外にスペクトルの形状を用いることが考え
られる。有声音部におけるスペクトルの形状は、周波数
が小さいほど大きな振幅を示し、周波数が大きくなるほ
ど小さな振幅を示すという特徴を有している。これに対
して無声音部の場合には、スペクトルの形状が周波数に
係わりなく一定であるか、あるいは周波数が高くなる従
って振幅が次第に高くなるという特徴を有している。従
って分析窓を移動させながらスペクトルの形状を監視す
ることにより、有声音部と無声音部を区別することが可
能である。
は、パワー以外にスペクトルの形状を用いることが考え
られる。有声音部におけるスペクトルの形状は、周波数
が小さいほど大きな振幅を示し、周波数が大きくなるほ
ど小さな振幅を示すという特徴を有している。これに対
して無声音部の場合には、スペクトルの形状が周波数に
係わりなく一定であるか、あるいは周波数が高くなる従
って振幅が次第に高くなるという特徴を有している。従
って分析窓を移動させながらスペクトルの形状を監視す
ることにより、有声音部と無声音部を区別することが可
能である。
【００３９】また特徴パラメータの別な例として、自己
相関分析を用いることが考えられる。有声音部の場合に
は、入力音声が周期的な波形を有しており、自己相関関
数が周期性を示す。これに対して無声音部の場合には自
己相関関数はランダムな値を示し、周期性を示さない。
従って、分析窓を移動させながらそれぞれの分析窓から
切り出される入力音声の自己相関関数を求めることによ
り、有声音部と無声音部を区別することが可能である。
相関分析を用いることが考えられる。有声音部の場合に
は、入力音声が周期的な波形を有しており、自己相関関
数が周期性を示す。これに対して無声音部の場合には自
己相関関数はランダムな値を示し、周期性を示さない。
従って、分析窓を移動させながらそれぞれの分析窓から
切り出される入力音声の自己相関関数を求めることによ
り、有声音部と無声音部を区別することが可能である。
【００４０】また、上記例においては、分析フレームの
中心に分析窓の中心をおいて、入力音声のパワーを求め
る場合について説明したが、必ずしも分析フレームの中
心に分析窓の中心をおく分析窓を用いる必要はない。分
析フレームの中心に分析窓の中心を置く場合は、分析フ
レームのパワーを最もよく抽出することが出来ると考え
るためであり、他の位置にある分析窓を用いる場合であ
っても、分析フレームのパワーを適切に抽出することが
出来る場合には、他の窓を用いてもかまわない。分析窓
位置選定手段により選定された分析窓は有声音部を示し
ているため、音声パワーが大きくなり、他の分析フレー
ムに較べてパワーが大きくなりすぎるという欠点があ
る。従って、分析窓位置選定手段により選定された分析
窓を用いないほうが、音声のパワーの整合がとれる。従
って、音声のパワーの整合がとれる分析窓であれば、ど
の分析窓を用いる場合でもかまわない。
中心に分析窓の中心をおいて、入力音声のパワーを求め
る場合について説明したが、必ずしも分析フレームの中
心に分析窓の中心をおく分析窓を用いる必要はない。分
析フレームの中心に分析窓の中心を置く場合は、分析フ
レームのパワーを最もよく抽出することが出来ると考え
るためであり、他の位置にある分析窓を用いる場合であ
っても、分析フレームのパワーを適切に抽出することが
出来る場合には、他の窓を用いてもかまわない。分析窓
位置選定手段により選定された分析窓は有声音部を示し
ているため、音声パワーが大きくなり、他の分析フレー
ムに較べてパワーが大きくなりすぎるという欠点があ
る。従って、分析窓位置選定手段により選定された分析
窓を用いないほうが、音声のパワーの整合がとれる。従
って、音声のパワーの整合がとれる分析窓であれば、ど
の分析窓を用いる場合でもかまわない。
【００４１】またこの例においては、分析窓位置選定手
段により移動する分析窓の窓長Ｌと、分析フレームのパ
ワーを求めるための分析窓の窓長Ｌを等しくする場合に
ついて説明したが、それぞれの窓長Ｌは異なる場合でも
かまわない。但し分析フレームのパワーを求める分析窓
の窓長は分析フレームのパワーを求めるためのものであ
るから、分析フレームの長さと同じ長さを持つことが望
ましい。これに対して入力音声を切り出すための分析窓
の窓長は分析フレームの長さに対して、長くても良い
し、短くてもかまわない。
段により移動する分析窓の窓長Ｌと、分析フレームのパ
ワーを求めるための分析窓の窓長Ｌを等しくする場合に
ついて説明したが、それぞれの窓長Ｌは異なる場合でも
かまわない。但し分析フレームのパワーを求める分析窓
の窓長は分析フレームのパワーを求めるためのものであ
るから、分析フレームの長さと同じ長さを持つことが望
ましい。これに対して入力音声を切り出すための分析窓
の窓長は分析フレームの長さに対して、長くても良い
し、短くてもかまわない。
【００４２】実施例２．図４はこの発明の一実施例を示
す図である。図４は復号音声を合成するする音声復号化
装置の構成図である。図４において図１２の音声復号化
装置と同一の部分については同一の符号を付し、説明を
省略する。図４において、音声復号化装置２は調波振幅
部分抑圧手段１４を備えている。また、図５、図６、図
７、図８は調波振幅部分抑圧手段１４の動作を説明する
図である。
す図である。図４は復号音声を合成するする音声復号化
装置の構成図である。図４において図１２の音声復号化
装置と同一の部分については同一の符号を付し、説明を
省略する。図４において、音声復号化装置２は調波振幅
部分抑圧手段１４を備えている。また、図５、図６、図
７、図８は調波振幅部分抑圧手段１４の動作を説明する
図である。
【００４３】以下図４と図５〜図８を用いて、この発明
の一実施例の動作について説明する。人間の聴覚では、
強い振幅を持つ周波数成分の周辺の周波数成分はマスキ
ングされて知覚しにくい性質を持つことが知られてい
る。文献３渡辺，”低ビットレート音声符号化器の開
発”，ＮＨＫ放送技術研究所技研公開予稿集ｐｐ．３７
−４２（１９９２，５）によれば、図５のように、振幅
Ｙを持つ周波数成分Ｘの周辺の周波数成分の振幅が点線
で示される閾値を下回る場合、その周波数成分はマスキ
ングされて知覚しにくいとされる。
の一実施例の動作について説明する。人間の聴覚では、
強い振幅を持つ周波数成分の周辺の周波数成分はマスキ
ングされて知覚しにくい性質を持つことが知られてい
る。文献３渡辺，”低ビットレート音声符号化器の開
発”，ＮＨＫ放送技術研究所技研公開予稿集ｐｐ．３７
−４２（１９９２，５）によれば、図５のように、振幅
Ｙを持つ周波数成分Ｘの周辺の周波数成分の振幅が点線
で示される閾値を下回る場合、その周波数成分はマスキ
ングされて知覚しにくいとされる。
【００４４】この文献３に示されたマスキングのための
閾値の計算方式は、音声符号化装置において用いられて
いるものである。即ち音声を符号化する場合に、人間の
聴覚特性によってマスキングされる調波を予め符号化す
ることなく、情報量を小さくして伝送効率を向上させる
ものである。一方この実施例においては、文献３に示さ
れた技術を音声符号化装置に用いるのではなく、音声復
号化装置に用いる点が大きな特徴である。音声復号化装
置に文献３の技術を用いる理由は、音声符号化装置にお
いて、振幅を量子化する際に生ずる量子化雑音を取り除
くためである。
閾値の計算方式は、音声符号化装置において用いられて
いるものである。即ち音声を符号化する場合に、人間の
聴覚特性によってマスキングされる調波を予め符号化す
ることなく、情報量を小さくして伝送効率を向上させる
ものである。一方この実施例においては、文献３に示さ
れた技術を音声符号化装置に用いるのではなく、音声復
号化装置に用いる点が大きな特徴である。音声復号化装
置に文献３の技術を用いる理由は、音声符号化装置にお
いて、振幅を量子化する際に生ずる量子化雑音を取り除
くためである。
【００４５】以下この実施例について説明する。音声符
号化装置において調波成分の振幅Ａｍを量子化する際に
量子化雑音が生じる。従来の音声復号化装置では、この
量子化雑音感を聴覚的に抑圧するとき、ホルマント強調
を行う。従って周波数スペクトル全体に変形が生じて音
声品質が聴覚的に劣化する課題がある。これに対し復号
音声を合成する際、先に述べた人間の聴覚特性によって
マスキングされる調波の振幅をゼロにすれば、周波数ス
ペクトル全体に対して聴覚的な劣化を生じることなく、
その調波が持っていた量子化雑音を取り去ることができ
る。
号化装置において調波成分の振幅Ａｍを量子化する際に
量子化雑音が生じる。従来の音声復号化装置では、この
量子化雑音感を聴覚的に抑圧するとき、ホルマント強調
を行う。従って周波数スペクトル全体に変形が生じて音
声品質が聴覚的に劣化する課題がある。これに対し復号
音声を合成する際、先に述べた人間の聴覚特性によって
マスキングされる調波の振幅をゼロにすれば、周波数ス
ペクトル全体に対して聴覚的な劣化を生じることなく、
その調波が持っていた量子化雑音を取り去ることができ
る。
【００４６】調波振幅部分抑圧手段１４は経路１０５を
介して各調波成分を入力する。調波振幅部分抑圧手段１
４は入力された各調波成分のうち、人間の聴覚特性でマ
スキングされる調波成分の振幅Ａｍをゼロに設定し、経
路１０６を介して音声合成手段１２に出力する。以降に
調波振幅部分抑圧手段１４の動作を図６、図７を用いて
詳しく説明する。
介して各調波成分を入力する。調波振幅部分抑圧手段１
４は入力された各調波成分のうち、人間の聴覚特性でマ
スキングされる調波成分の振幅Ａｍをゼロに設定し、経
路１０６を介して音声合成手段１２に出力する。以降に
調波振幅部分抑圧手段１４の動作を図６、図７を用いて
詳しく説明する。
【００４７】図６は第３調波を例にして第３調波に関す
る閾値を設定する場合の説明図である。ここでは、第１
〜第７調波まで存在する場合について説明する。調波振
幅部分抑圧手段１４は、まず第３調波成分についてマス
キングするか否かを判定する閾値を求めるため、第３調
波以外の調波の振幅値Ａｍ（ｍ＝１〜２，４〜７）各々
より、図５の点線で示された特性を用いて周辺の周波数
帯域に対する閾値候補値を設定する。ここで、第１調波
によって求められる第３調波に対する調波振幅閾値の候
補値をＴｃ１とする。第２調波によって求められる第３
調波に対する調波振幅閾値の候補値をＴｃ２とする。以
下、第４〜第７調波から求められる第３調波に対する値
を求め、調波振幅閾値の候補値Ｔｃ４〜Ｔｃ７とする。
これらの候補値Ｔｃ１〜Ｔｃ７の中で最大のものを第３
調波に対する閾値Ｔ３として決定する。図６において
は、第２調波によって求められる第３調波に対する調波
振幅閾値の候補値Ｔｃ２が候補値Ｔｃ１〜Ｔｃ７の中で
最大のものとなり候補値Ｔｃ２が第３調波に対する閾値
Ｔ３となる。
る閾値を設定する場合の説明図である。ここでは、第１
〜第７調波まで存在する場合について説明する。調波振
幅部分抑圧手段１４は、まず第３調波成分についてマス
キングするか否かを判定する閾値を求めるため、第３調
波以外の調波の振幅値Ａｍ（ｍ＝１〜２，４〜７）各々
より、図５の点線で示された特性を用いて周辺の周波数
帯域に対する閾値候補値を設定する。ここで、第１調波
によって求められる第３調波に対する調波振幅閾値の候
補値をＴｃ１とする。第２調波によって求められる第３
調波に対する調波振幅閾値の候補値をＴｃ２とする。以
下、第４〜第７調波から求められる第３調波に対する値
を求め、調波振幅閾値の候補値Ｔｃ４〜Ｔｃ７とする。
これらの候補値Ｔｃ１〜Ｔｃ７の中で最大のものを第３
調波に対する閾値Ｔ３として決定する。図６において
は、第２調波によって求められる第３調波に対する調波
振幅閾値の候補値Ｔｃ２が候補値Ｔｃ１〜Ｔｃ７の中で
最大のものとなり候補値Ｔｃ２が第３調波に対する閾値
Ｔ３となる。
【００４８】他の調波についても同様の処理を行い、そ
れぞれ調波振幅閾値Ｔ１〜Ｔ７を決定する。図７の黒三
角印は各調波に対して決定された調波振幅閾値Ｔ１〜Ｔ
７を示している。この閾値を下回る振幅値を持つ第４、
第５、第６調波はマスキングすべき調波と判定される。
その振幅をゼロに設定することで結果的に図８に示す調
波成分を得る。
れぞれ調波振幅閾値Ｔ１〜Ｔ７を決定する。図７の黒三
角印は各調波に対して決定された調波振幅閾値Ｔ１〜Ｔ
７を示している。この閾値を下回る振幅値を持つ第４、
第５、第６調波はマスキングすべき調波と判定される。
その振幅をゼロに設定することで結果的に図８に示す調
波成分を得る。
【００４９】図９は調波振幅部分抑圧手段１４の動作を
示すフローチャートである。まずフローチャートに使用
する変数について説明する。Ｍは調波数である。Ｔｍｊ
はｍ番目の調波のｊ番目の調波による閾値候補値であ
る。Ｔｍは閾値の候補値のＴｍｊの最大値であり、ｍ番
目の調波の閾値である。Ａｍは調波振幅値である。
示すフローチャートである。まずフローチャートに使用
する変数について説明する。Ｍは調波数である。Ｔｍｊ
はｍ番目の調波のｊ番目の調波による閾値候補値であ
る。Ｔｍは閾値の候補値のＴｍｊの最大値であり、ｍ番
目の調波の閾値である。Ａｍは調波振幅値である。
【００５０】次に動作について説明する。Ｓ１１におい
ては、ｍを１に設定する。このｍは調波数Ｍまでカウン
トされる。次にＳ１２においては、ｊを１に設定する。
このｊは調波数Ｍまでカウントされる。次にＳ１３にお
いて、ｊ番目の調波によりｍ番目の調波の閾値の候補値
Ｔｍｊを算出する。次にＳ１４において、ｊに１を加算
し、Ｓ１５においてｊが調波数Ｍに達したかどうかを判
定する。Ｓ１２〜Ｓ１５はｊをループカウンタとし、Ｍ
回繰り返される。こうしてｍ番目の調波の閾値の候補値
がすべて出揃うことになる。次にＳ１６において、閾値
の候補値Ｔｍｊの最大値を求めこれを閾値Ｔｍとする。
次にＳ１７において、Ｓ１６で求められた閾値Ｔｍと調
波振幅値Ａｍを比較し、閾値の方が調波振幅値Ａｍより
大きい場合にはＳ１８において、調波振幅値Ａｍを０に
設定する。このように閾値Ｔｍが調波振幅値Ａｍより大
きい場合には調波振幅値Ａｍがマスキングされる。さら
に、Ｓ１９において、ｍに１が加算され、Ｓ２０におい
て、調波数Ｍと比較される。ｍはＳ１２からＳ２０まで
のループカウンタに用いられ、調波数Ｍの数だけ繰り返
される。このようにして各調波にたいしてマスキングを
行う。マスキングされなかった調波は調波振幅部分抑圧
手段１４から経路１０６を介して、音声合成手段１２に
出力される。
ては、ｍを１に設定する。このｍは調波数Ｍまでカウン
トされる。次にＳ１２においては、ｊを１に設定する。
このｊは調波数Ｍまでカウントされる。次にＳ１３にお
いて、ｊ番目の調波によりｍ番目の調波の閾値の候補値
Ｔｍｊを算出する。次にＳ１４において、ｊに１を加算
し、Ｓ１５においてｊが調波数Ｍに達したかどうかを判
定する。Ｓ１２〜Ｓ１５はｊをループカウンタとし、Ｍ
回繰り返される。こうしてｍ番目の調波の閾値の候補値
がすべて出揃うことになる。次にＳ１６において、閾値
の候補値Ｔｍｊの最大値を求めこれを閾値Ｔｍとする。
次にＳ１７において、Ｓ１６で求められた閾値Ｔｍと調
波振幅値Ａｍを比較し、閾値の方が調波振幅値Ａｍより
大きい場合にはＳ１８において、調波振幅値Ａｍを０に
設定する。このように閾値Ｔｍが調波振幅値Ａｍより大
きい場合には調波振幅値Ａｍがマスキングされる。さら
に、Ｓ１９において、ｍに１が加算され、Ｓ２０におい
て、調波数Ｍと比較される。ｍはＳ１２からＳ２０まで
のループカウンタに用いられ、調波数Ｍの数だけ繰り返
される。このようにして各調波にたいしてマスキングを
行う。マスキングされなかった調波は調波振幅部分抑圧
手段１４から経路１０６を介して、音声合成手段１２に
出力される。
【００５１】以上のように、この実施例の音声復号化装
置は以下のように動作する。まず、符号化された音声の
ピッチ周波数を復号化する。次に、このピッチ周波数間
隔で周波数スペクトル上に現れる調波の振幅と位相を復
号化する。次に、各調波の周波数を持つ余弦波を、復号
化されたその調波の振幅と位相を基に生成する。さら
に、これら余弦波を重ね合わせることで出力音声を合成
する。そして、この実施例における音声復号化装置は、
特に、各調波の成分がその周辺の調波の影響で聴覚的に
マスキングされる場合は当該調波の振幅を抑圧する調波
振幅部分抑圧手段を持つことを特徴とする。また、各調
波の周波数を持つ余弦波を、この調波振幅部分抑圧手段
から出力された各調波の振幅及びその調波の位相を基に
生成し、これら余弦波を重ね合わせることで出力音声を
合成する音声合成手段を持つことを特徴とする。
置は以下のように動作する。まず、符号化された音声の
ピッチ周波数を復号化する。次に、このピッチ周波数間
隔で周波数スペクトル上に現れる調波の振幅と位相を復
号化する。次に、各調波の周波数を持つ余弦波を、復号
化されたその調波の振幅と位相を基に生成する。さら
に、これら余弦波を重ね合わせることで出力音声を合成
する。そして、この実施例における音声復号化装置は、
特に、各調波の成分がその周辺の調波の影響で聴覚的に
マスキングされる場合は当該調波の振幅を抑圧する調波
振幅部分抑圧手段を持つことを特徴とする。また、各調
波の周波数を持つ余弦波を、この調波振幅部分抑圧手段
から出力された各調波の振幅及びその調波の位相を基に
生成し、これら余弦波を重ね合わせることで出力音声を
合成する音声合成手段を持つことを特徴とする。
【００５２】本実施例によれば、聴覚的に無視できる周
波数成分をマスキングするので、周波数スペクトルの量
子化歪によって生じる復号音声の音質劣化を軽減できる
効果がある。
波数成分をマスキングするので、周波数スペクトルの量
子化歪によって生じる復号音声の音質劣化を軽減できる
効果がある。
【００５３】この実施例の音声復号化装置より求められ
た合成音声を聴覚マスキングした音声と、合成音声をホ
ルマント強調した音声の主観品質を比較するため、受聴
者１０人による簡易な対比較（プレファレンス）試験を
行った結果、聴覚マスキングした音声の選択率は７５％
であった。
た合成音声を聴覚マスキングした音声と、合成音声をホ
ルマント強調した音声の主観品質を比較するため、受聴
者１０人による簡易な対比較（プレファレンス）試験を
行った結果、聴覚マスキングした音声の選択率は７５％
であった。
【００５４】この実施例においては、調波振幅部分抑圧
手段１４がマスキングする調波の振幅を０に設定する場
合を示したが、必ずしも０に設定する場合に限らず値を
抑圧する場合であってもかまわない。例えば値を半減す
る、あるいは限りなく０に近くするというような場合で
あってもかまわない。また、この例では図５に示したよ
うな傾きを持つ点線以下の部分をマスキングする場合に
ついて説明したが、図５に示した特性は人間が聴覚的に
知覚しにくい部分を示したものであり、その他の特性に
より聴覚的に知覚しにくい部分が特定できる場合には図
５に示した特性でなくてもかまわない。
手段１４がマスキングする調波の振幅を０に設定する場
合を示したが、必ずしも０に設定する場合に限らず値を
抑圧する場合であってもかまわない。例えば値を半減す
る、あるいは限りなく０に近くするというような場合で
あってもかまわない。また、この例では図５に示したよ
うな傾きを持つ点線以下の部分をマスキングする場合に
ついて説明したが、図５に示した特性は人間が聴覚的に
知覚しにくい部分を示したものであり、その他の特性に
より聴覚的に知覚しにくい部分が特定できる場合には図
５に示した特性でなくてもかまわない。
【００５５】実施例３．図１０はこの発明の音声後処理
装置の一実施例を含む音声復号化装置の構成図である。
図１０において図１５の従来の音声復号化装置と同一の
部分については同一の符号を付し、説明を省略する。図
１０において、音声復号化装置は音声後処理装置１７、
フーリエ変換手段１８、スペクトル振幅部分抑圧手段１
９、フーリエ逆変換手段２０、経路１２３，１２４を備
えている。
装置の一実施例を含む音声復号化装置の構成図である。
図１０において図１５の従来の音声復号化装置と同一の
部分については同一の符号を付し、説明を省略する。図
１０において、音声復号化装置は音声後処理装置１７、
フーリエ変換手段１８、スペクトル振幅部分抑圧手段１
９、フーリエ逆変換手段２０、経路１２３，１２４を備
えている。
【００５６】前述した実施例においては、調波振幅部分
抑圧手段１４を音声合成手段１２の前段に置く場合につ
いて説明したが、この実施例３においては、音声が復号
化された場合に、復号された音声に対して実施例におい
て述べたような、振幅を抑圧する場合について説明す
る。
抑圧手段１４を音声合成手段１２の前段に置く場合につ
いて説明したが、この実施例３においては、音声が復号
化された場合に、復号された音声に対して実施例におい
て述べたような、振幅を抑圧する場合について説明す
る。
【００５７】フーリエ変換手段１８は復号化手段１５か
ら出力された復号音声ｘ’ｎを離散フーリエ変換して離
散周波数スペクトルＸ’ｋを求め、経路１２３を介して
スペクトル振幅部分抑圧手段１９に出力する。スペクト
ル振幅部分抑圧手段１９は、図４の調波振幅部分抑圧手
段１４が各調波振幅を聴覚的マスキング特性に従って部
分的にゼロに抑圧したのと同じ方法で、入力された離散
周波数スペクトルＸ’ｋの振幅を部分的にゼロに抑圧す
る。スペクトル振幅抑圧手段１９が行う周波数スペクト
ルの部分抑圧の動作は、調波振幅部分抑圧手段１４の動
作を説明した図５〜図８及びフローチャートを示した図
９において、調波の振幅Ａｍを周波数スペクトルＸ’ｋ
の振幅と読み変える事で説明される。振幅部分抑圧され
た周波数スペクトルＣＸ’ｋは経路１２４を介してフー
リエ逆変換手段２０に出力される。フーリエ逆変換手段
２０はＣＸ’ｋを離散フーリエ逆変換して時間軸信号ｃ
ｘ’ｎを求め、経路１２２を介して出力音声５として外
部へ出力する。
ら出力された復号音声ｘ’ｎを離散フーリエ変換して離
散周波数スペクトルＸ’ｋを求め、経路１２３を介して
スペクトル振幅部分抑圧手段１９に出力する。スペクト
ル振幅部分抑圧手段１９は、図４の調波振幅部分抑圧手
段１４が各調波振幅を聴覚的マスキング特性に従って部
分的にゼロに抑圧したのと同じ方法で、入力された離散
周波数スペクトルＸ’ｋの振幅を部分的にゼロに抑圧す
る。スペクトル振幅抑圧手段１９が行う周波数スペクト
ルの部分抑圧の動作は、調波振幅部分抑圧手段１４の動
作を説明した図５〜図８及びフローチャートを示した図
９において、調波の振幅Ａｍを周波数スペクトルＸ’ｋ
の振幅と読み変える事で説明される。振幅部分抑圧され
た周波数スペクトルＣＸ’ｋは経路１２４を介してフー
リエ逆変換手段２０に出力される。フーリエ逆変換手段
２０はＣＸ’ｋを離散フーリエ逆変換して時間軸信号ｃ
ｘ’ｎを求め、経路１２２を介して出力音声５として外
部へ出力する。
【００５８】図１１はフーリエ変換手段１８、スペクト
ル振幅部分抑圧手段１９、フーリエ逆変換手段２０で行
われる一連の処理で得られる信号を示すものである。図
１１（ａ）は復号化手段１５から出力される復号音声を
示す図である。この復号音声はすでに音声合成されたも
のであり、図１においては、出力音声５に相当するもの
である。次に図１１（ｂ）に示すものは、フーリエ変換
手段１８が図１１（ａ）に示した復号音声を、離散フー
リエ変換した周波数スペクトルを示す図である。さら
に、図１１（ｃ）は、図１１（ｂ）に示した周波数スペ
クトルに対してスペクトル振幅部分抑圧手段１９が、実
施例２に示した調波振幅部分抑圧手段１４と同様の方法
により、聴覚的にマスキングされる部分を抑圧した周波
数スペクトルを示す図である。図１１（ｃ）において、
Ｚで示す部分はスペクトル振幅部分抑圧手段１９によっ
て、振幅を０に抑圧された部分である。さらに図１１
（ｄ）は図１１（ｃ）に示した周波数スペクトルを、フ
ーリエ逆変換手段を用いて離散フーリエ逆変換した出力
音声を示す図である。このようにして図１１（ａ）に示
す復号音声は、図１１（ｄ）に示す出力音声として、音
声後処理装置１７から出力される。
ル振幅部分抑圧手段１９、フーリエ逆変換手段２０で行
われる一連の処理で得られる信号を示すものである。図
１１（ａ）は復号化手段１５から出力される復号音声を
示す図である。この復号音声はすでに音声合成されたも
のであり、図１においては、出力音声５に相当するもの
である。次に図１１（ｂ）に示すものは、フーリエ変換
手段１８が図１１（ａ）に示した復号音声を、離散フー
リエ変換した周波数スペクトルを示す図である。さら
に、図１１（ｃ）は、図１１（ｂ）に示した周波数スペ
クトルに対してスペクトル振幅部分抑圧手段１９が、実
施例２に示した調波振幅部分抑圧手段１４と同様の方法
により、聴覚的にマスキングされる部分を抑圧した周波
数スペクトルを示す図である。図１１（ｃ）において、
Ｚで示す部分はスペクトル振幅部分抑圧手段１９によっ
て、振幅を０に抑圧された部分である。さらに図１１
（ｄ）は図１１（ｃ）に示した周波数スペクトルを、フ
ーリエ逆変換手段を用いて離散フーリエ逆変換した出力
音声を示す図である。このようにして図１１（ａ）に示
す復号音声は、図１１（ｄ）に示す出力音声として、音
声後処理装置１７から出力される。
【００５９】図１０に示す音声後処理装置１７における
スペクトル振幅部分抑圧手段１９は離散周波数スペクト
ルに対して、そのスペクトル振幅を抑圧する。このよう
に、スペクトル振幅部分抑圧手段が離散周波数スペクト
ルに対して抑圧処理を行なうため、フーリエ変換手段１
８とフーリエ逆変換手段２０は、その前後処理のために
設けられている。フーリエ変換手段１８、スペクトル振
幅部分抑圧手段１９、フーリエ逆変換手段２０を用い
て、すでに復号化手段１５により復号化された復号音声
から、聴覚的にマスキングされる部分の振幅を抑圧する
理由は、復号化手段１５により復号された復号音声に含
まれているスペクトルの量子化歪を少しでも除去するた
めである。即ち、音声符号化装置において符号化される
場合に量子化歪が含まれるため、図１１（ａ）に示す復
号音声には全体にわたって量子化歪が存在している。特
に図１１（ｂ）、（ｃ）に示すＺの部分は聴覚的には、
知覚されない部分であるにも係わらず、量子化歪が存在
しており、この部分の量子化歪が存在することにより復
号音声の音質を劣化させている場合がある。従って、一
旦復号音声が出力されてからでも、再びこれを周波数ス
ペクトルに変換して、聴覚的にマスキングされる部分を
抑圧してしまうことにより、聴覚的に知覚されない部分
による量子化歪を除去し、復号音声の音質の劣化を防止
することが出来る。
スペクトル振幅部分抑圧手段１９は離散周波数スペクト
ルに対して、そのスペクトル振幅を抑圧する。このよう
に、スペクトル振幅部分抑圧手段が離散周波数スペクト
ルに対して抑圧処理を行なうため、フーリエ変換手段１
８とフーリエ逆変換手段２０は、その前後処理のために
設けられている。フーリエ変換手段１８、スペクトル振
幅部分抑圧手段１９、フーリエ逆変換手段２０を用い
て、すでに復号化手段１５により復号化された復号音声
から、聴覚的にマスキングされる部分の振幅を抑圧する
理由は、復号化手段１５により復号された復号音声に含
まれているスペクトルの量子化歪を少しでも除去するた
めである。即ち、音声符号化装置において符号化される
場合に量子化歪が含まれるため、図１１（ａ）に示す復
号音声には全体にわたって量子化歪が存在している。特
に図１１（ｂ）、（ｃ）に示すＺの部分は聴覚的には、
知覚されない部分であるにも係わらず、量子化歪が存在
しており、この部分の量子化歪が存在することにより復
号音声の音質を劣化させている場合がある。従って、一
旦復号音声が出力されてからでも、再びこれを周波数ス
ペクトルに変換して、聴覚的にマスキングされる部分を
抑圧してしまうことにより、聴覚的に知覚されない部分
による量子化歪を除去し、復号音声の音質の劣化を防止
することが出来る。
【００６０】以上のように、この実施例は、音声復号化
装置により合成された音声の周波数スペクトルに変形を
与える音声後処理装置において、合成音声を周波数スペ
クトルに変換する変換手段と、この変換手段から出力さ
れた周波数スペクトルの各周波数成分について、当該周
波数がその周辺の周波数成分の影響で聴覚的にマスキン
グされる場合は当該周波数成分の振幅を抑圧する振幅部
分抑圧手段と、この振幅部分抑圧手段から出力された周
波数スペクトルを時間軸に変換して外部出力する逆変換
手段を備えることを特徴とする。
装置により合成された音声の周波数スペクトルに変形を
与える音声後処理装置において、合成音声を周波数スペ
クトルに変換する変換手段と、この変換手段から出力さ
れた周波数スペクトルの各周波数成分について、当該周
波数がその周辺の周波数成分の影響で聴覚的にマスキン
グされる場合は当該周波数成分の振幅を抑圧する振幅部
分抑圧手段と、この振幅部分抑圧手段から出力された周
波数スペクトルを時間軸に変換して外部出力する逆変換
手段を備えることを特徴とする。
【００６１】本実施例によれば、聴覚的に無視できる周
波数成分をマスキングするので、周波数スペクトルの量
子化歪によって生じる復号音声の音質劣化を軽減できる
効果がある。
波数成分をマスキングするので、周波数スペクトルの量
子化歪によって生じる復号音声の音質劣化を軽減できる
効果がある。
【００６２】なお、上記実施例では、図１０に示すよう
な音声後処理装置１７を示したが、図１に示すような音
声復号化装置２から出力される出力音声５に対して、フ
ーリエ変換手段１８、スペクトル振幅部分抑圧手段１
９、フーリエ逆変換手段２０を用いて、聴覚的にマスキ
ングされる部分の振幅を抑圧してから、出力音声を得る
ようにしてもかまわない。あるいは、音声合成装置（図
示せず）から出力される出力音声に対して同様に聴覚的
にマスキングされる部分の振幅を抑圧してから、出力音
声を得るようにしてもかまわない。
な音声後処理装置１７を示したが、図１に示すような音
声復号化装置２から出力される出力音声５に対して、フ
ーリエ変換手段１８、スペクトル振幅部分抑圧手段１
９、フーリエ逆変換手段２０を用いて、聴覚的にマスキ
ングされる部分の振幅を抑圧してから、出力音声を得る
ようにしてもかまわない。あるいは、音声合成装置（図
示せず）から出力される出力音声に対して同様に聴覚的
にマスキングされる部分の振幅を抑圧してから、出力音
声を得るようにしてもかまわない。
【００６３】
【発明の効果】以上のようにこの発明によれば、フレー
ム内に有声音部と無声音部がある場合、無声音部が周波
数スペクトルに与える影響を排除できる。そして結果的
に明瞭度が高い自然な復号音質を得る効果がある。ま
た、この発明によれば聴覚的に無視できる周波数成分を
マスキングするので、周波数スペクトルの量子化歪によ
って生ずる復号音声の音質劣化を軽減出来る効果があ
る。
ム内に有声音部と無声音部がある場合、無声音部が周波
数スペクトルに与える影響を排除できる。そして結果的
に明瞭度が高い自然な復号音質を得る効果がある。ま
た、この発明によれば聴覚的に無視できる周波数成分を
マスキングするので、周波数スペクトルの量子化歪によ
って生ずる復号音声の音質劣化を軽減出来る効果があ
る。
【図面の簡単な説明】
【図１】この発明の実施例１を示す構成図である。
【図２】この発明の実施例１の説明図である。
【図３】この発明の実施例１のフローチャート図であ
る。
る。
【図４】この発明の実施例２を示す構成図である。
【図５】この発明の実施例２の調波振幅部分抑圧手段の
説明図である。
説明図である。
【図６】この発明の実施例２の調波振幅部分抑圧手段の
説明図である。
説明図である。
【図７】この発明の実施例２の調波振幅部分抑圧手段の
説明図である。
説明図である。
【図８】この発明の実施例２の調波振幅部分抑圧手段の
説明図である。
説明図である。
【図９】この発明の実施例２のフローチャート図であ
る。
る。
【図１０】この発明の実施例３を示す構成図である。
【図１１】この発明の実施例３の説明図である。
【図１２】従来の音声符号化、音声復号化装置の構成図
である。
である。
【図１３】従来の音声符号化、音声復号化装置の説明図
である。
である。
【図１４】従来の音声復号化装置の説明図である。
【図１５】従来の音声復号化装置の構成図である。
【図１６】従来の音声符号化装置の問題点の説明図であ
る。
る。
【符号の説明】 １ 音声符号化装置 ２ 音声復号化装置 ３ 伝送路 ４ 入力音声 ５ 出力音声 ６ 音声分析手段 ７ ピッチ符号化手段 ８ 調波成分符号化手段 ９ ピッチ復号化手段 １０ 調波成分復号化手段 １１ 調波振幅強調手段 １２ 音声合成手段 １３ 分析窓位置選定手段 １４ 調波振幅抑圧手段 １５ 復号化手段 １６ 後処理フィルタ手段 １７ 音声後処理装置 １８ フーリエ変換手段 １９ スペクトル振幅抑圧手段 ２０ フーリエ逆変換手段 １０１ 経路 １０２ 経路 １０３ 経路 １０４ 経路 １０５ 経路 １０６ 経路 １０７ 経路 １１１ 経路 １２１ 経路 １２２ 経路 １２３ 経路 １２４ 経路
【手続補正２】
【補正対象書類名】図面
【補正対象項目名】図３
【補正方法】変更
【補正内容】
【図３】
【手続補正３】
【補正対象書類名】図面
【補正対象項目名】図９
【補正方法】変更
【補正内容】
【図９】
Claims (9)
- 【請求項１】 以下の要素を有し、分析フレーム毎に分
析窓を用いて入力音声を符号化する音声符号化装置 （ａ）上記分析フレームに位置をずらした複数の分析窓
を設定し、各分析窓から得られる入力音声の所定の特徴
量を求めて比較することにより、ひとつの分析窓を選定
する分析窓位置選定手段、 （ｂ）上記分析窓位置選定手段により選定された分析窓
を用いて、入力音声の特徴パラメータを抽出する音声分
析手段、 （ｃ）上記音声分析手段により抽出された特徴パラメー
タを符号化する符号化手段。 - 【請求項２】 上記分析窓位置選定手段は、各分析窓か
ら得られる入力音声のパワーを上記特徴量として求める
とともに、最大パワーを示す分析窓を選定することを特
徴とする請求項１記載の音声符号化装置。 - 【請求項３】 上記音声分析手段は、上記分析窓位置選
定手段により選定された分析窓以外の分析窓を用いて、
入力音声のパワーを特徴パラメータのひとつとして求
め、求めたパワーを上記符号化手段に出力することを特
徴とする請求項１または２記載の音声符号化装置。 - 【請求項４】 上記音声分析手段は、分析フレームの中
心に分析窓の中心を置いた分析窓を用いて入力音声のパ
ワーを求めることを特徴とする請求項３記載の音声符号
化装置。 - 【請求項５】 以下の要素を有する音声復号化装置 （ａ）符号化された複数の調波の振幅と位相を入力して
復号する調波成分復号化手段、 （ｂ）上記調波成分復号化手段により復号された調波を
入力し、ある調波が他の調波により聴覚的にマスキング
される調波であるか判定し、マスキングされる調波であ
る場合に、その調波の振幅を抑圧する振幅部分抑圧手
段、 （ｃ）上記振幅部分抑圧手段から出力される各調波の振
幅と位相に基づいて音声を合成する音声合成手段。 - 【請求項６】 以下の要素を有する音声後処理装置 （ａ）符号化された音声を復号化する復号化手段、 （ｂ）上記復号化手段により復号化された音声を周波数
スペクトルに変換する変換手段、 （ｃ）上記変換手段により変換された周波数スペクトル
の各周波数成分が他の周波数成分により聴覚的にマスキ
ングされる調波であるか判定し、マスキングされる周波
数成分である場合に、その周波数成分の振幅を抑圧する
振幅部分抑圧手段、 （ｄ）上記振幅部分抑圧手段から出力される周波数スペ
クトルを時間軸に変換して出力音声を生成する逆変換手
段。 - 【請求項７】 以下の工程を有し、分析フレーム毎に分
析窓を用いて入力音声を符号化する音声符号化方法 （ａ）分析フレームに対して分析窓を設定する分析窓設
定工程、 （ｂ）上記分析窓設定工程により設定された分析窓を用
いて入力音声のパワーを計算するパワー計算工程、 （ｃ）分析窓の位置を移動させ、上記分析窓設定工程と
パワー計算工程を繰り返す繰り返し工程、 （ｄ）上記繰り返し工程後、パワー計算工程により計算
したパワーの中で最大のパワーを示す分析窓を分析フレ
ームの分析窓として選択する選択工程。 - 【請求項８】 以下の工程を有する音声復号化方法 （ａ）符号化された複数の調波の振幅を復号する復号工
程、 （ｂ）上記復号工程により復号された各調波が、他の調
波との関係に基づき聴覚的に感知できるか判定する判定
工程、 （ｃ）上記判定工程の判定結果に基づいて、上記復号工
程により復号された調波の振幅を抑圧する抑圧工程、 （ｄ）上記抑圧工程により出力される調波を用いて音声
を合成する音声合成工程。 - 【請求項９】 以下の工程を有する音声後処理方法 （ａ）復号化された音声の周波数スペクトルを入力する
入力工程、 （ｂ）上記入力工程により入力した周波数スペクトルの
各周波数成分が、他の周波数成分との関係に基づき聴覚
的に感知できるかを判定する判定工程、 （ｃ）上記判定工程の判定結果に基づいて周波数成分の
振幅を抑圧する抑圧工程、 （ｄ）上記抑圧工程により出力される周波数スペクトル
を出力する出力工程。
Priority Applications (9)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP05119959A JP3137805B2 (ja) | 1993-05-21 | 1993-05-21 | 音声符号化装置、音声復号化装置、音声後処理装置及びこれらの方法 |
| CA002214585A CA2214585C (en) | 1993-05-21 | 1994-05-04 | A method and apparatus for speech encoding, speech decoding, and speech post processing |
| DE69431445T DE69431445T2 (de) | 1993-05-21 | 1994-05-04 | Verfahren und Vorrichtung zur Sprachkodierung |
| DE69420183T DE69420183T2 (de) | 1993-05-21 | 1994-05-04 | Verfahren und Vorrichtung zur Sprachkodierung und Sprachdekodierung und Sprachnachverarbeitung |
| CA002122853A CA2122853C (en) | 1993-05-21 | 1994-05-04 | Method and apparatus for speech encoding, speech decoding, and speech post processing |
| EP94106988A EP0626674B1 (en) | 1993-05-21 | 1994-05-04 | A method and apparatus for speech encoding, speech decoding and speech post processing |
| EP98105128A EP0854469B1 (en) | 1993-05-21 | 1994-05-04 | Speech encoding apparatus and method |
| US08/527,575 US5596675A (en) | 1993-05-21 | 1995-09-13 | Method and apparatus for speech encoding, speech decoding, and speech post processing |
| US08/671,273 US5651092A (en) | 1993-05-21 | 1996-06-27 | Method and apparatus for speech encoding, speech decoding, and speech post processing |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP05119959A JP3137805B2 (ja) | 1993-05-21 | 1993-05-21 | 音声符号化装置、音声復号化装置、音声後処理装置及びこれらの方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH06332496A true JPH06332496A (ja) | 1994-12-02 |
| JP3137805B2 JP3137805B2 (ja) | 2001-02-26 |
Family
ID=14774445
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP05119959A Expired - Fee Related JP3137805B2 (ja) | 1993-05-21 | 1993-05-21 | 音声符号化装置、音声復号化装置、音声後処理装置及びこれらの方法 |
Country Status (5)
| Country | Link |
|---|---|
| US (2) | US5596675A (ja) |
| EP (2) | EP0626674B1 (ja) |
| JP (1) | JP3137805B2 (ja) |
| CA (1) | CA2122853C (ja) |
| DE (2) | DE69420183T2 (ja) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH1125572A (ja) * | 1997-07-07 | 1999-01-29 | Matsushita Electric Ind Co Ltd | 光ディスクプレーヤ |
| JP2002049397A (ja) * | 2000-08-02 | 2002-02-15 | Sony Corp | 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 |
| JP2002534720A (ja) * | 1998-12-30 | 2002-10-15 | ノキア モービル フォーンズ リミテッド | 合成による分析ｃｅｌｐ型音声符号化のための適応型ウィンドウ |
| WO2009038158A1 (ja) * | 2007-09-21 | 2009-03-26 | Nec Corporation | 音声復号装置、音声復号方法、プログラム及び携帯端末 |
| WO2009038170A1 (ja) * | 2007-09-21 | 2009-03-26 | Nec Corporation | 音声処理装置、音声処理方法、プログラム及び音楽・メロディ配信システム |
| WO2009038115A1 (ja) * | 2007-09-21 | 2009-03-26 | Nec Corporation | 音声符号化装置、音声符号化方法及びプログラム |
Families Citing this family (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3707116B2 (ja) * | 1995-10-26 | 2005-10-19 | ソニー株式会社 | 音声復号化方法及び装置 |
| JP3552837B2 (ja) * | 1996-03-14 | 2004-08-11 | パイオニア株式会社 | 周波数分析方法及び装置並びにこれを用いた複数ピッチ周波数検出方法及び装置 |
| US5751901A (en) * | 1996-07-31 | 1998-05-12 | Qualcomm Incorporated | Method for searching an excitation codebook in a code excited linear prediction (CELP) coder |
| AU3708597A (en) | 1996-08-02 | 1998-02-25 | Matsushita Electric Industrial Co., Ltd. | Voice encoder, voice decoder, recording medium on which program for realizing voice encoding/decoding is recorded and mobile communication apparatus |
| JP4121578B2 (ja) * | 1996-10-18 | 2008-07-23 | ソニー株式会社 | 音声分析方法、音声符号化方法および装置 |
| US6119139A (en) * | 1997-10-27 | 2000-09-12 | Nortel Networks Corporation | Virtual windowing for fixed-point digital signal processors |
| FR2796189B1 (fr) * | 1999-07-05 | 2001-10-05 | Matra Nortel Communications | Procedes et dispositifs de codage et de decodage audio |
| FI110729B (fi) * | 2001-04-11 | 2003-03-14 | Nokia Corp | Menetelmä pakatun audiosignaalin purkamiseksi |
| EP1351401B1 (en) * | 2001-07-13 | 2009-01-14 | Panasonic Corporation | Audio signal decoding device and audio signal encoding device |
| CA2388439A1 (en) * | 2002-05-31 | 2003-11-30 | Voiceage Corporation | A method and device for efficient frame erasure concealment in linear predictive based speech codecs |
| CA2388352A1 (en) * | 2002-05-31 | 2003-11-30 | Voiceage Corporation | A method and device for frequency-selective pitch enhancement of synthesized speed |
| US7523032B2 (en) * | 2003-12-19 | 2009-04-21 | Nokia Corporation | Speech coding method, device, coding module, system and software program product for pre-processing the phase structure of a to be encoded speech signal to match the phase structure of the decoded signal |
| KR100829567B1 (ko) * | 2006-10-17 | 2008-05-14 | 삼성전자주식회사 | 청각특성을 이용한 저음 음향 신호 보강 처리 방법 및 장치 |
| KR100868763B1 (ko) * | 2006-12-04 | 2008-11-13 | 삼성전자주식회사 | 오디오 신호의 중요 주파수 성분 추출 방법 및 장치와 이를이용한 오디오 신호의 부호화/복호화 방법 및 장치 |
| JP5018339B2 (ja) * | 2007-08-23 | 2012-09-05 | ソニー株式会社 | 信号処理装置、信号処理方法、プログラム |
| US8423355B2 (en) * | 2010-03-05 | 2013-04-16 | Motorola Mobility Llc | Encoder for audio signal including generic audio and speech frames |
| KR102356012B1 (ko) | 2013-12-27 | 2022-01-27 | 소니그룹주식회사 | 복호화 장치 및 방법, 및 프로그램 |
| GB2596821A (en) | 2020-07-07 | 2022-01-12 | Validsoft Ltd | Computer-generated speech detection |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4885790A (en) * | 1985-03-18 | 1989-12-05 | Massachusetts Institute Of Technology | Processing of acoustic waveforms |
| US4771465A (en) * | 1986-09-11 | 1988-09-13 | American Telephone And Telegraph Company, At&T Bell Laboratories | Digital speech sinusoidal vocoder with transmission of only subset of harmonics |
| US5054072A (en) * | 1987-04-02 | 1991-10-01 | Massachusetts Institute Of Technology | Coding of acoustic waveforms |
| US5235671A (en) * | 1990-10-15 | 1993-08-10 | Gte Laboratories Incorporated | Dynamic bit allocation subband excited transform coding method and apparatus |
| US5327518A (en) * | 1991-08-22 | 1994-07-05 | Georgia Tech Research Corporation | Audio analysis/synthesis system |
| US5495555A (en) * | 1992-06-01 | 1996-02-27 | Hughes Aircraft Company | High quality low bit rate celp-based speech codec |
| CA2105269C (en) * | 1992-10-09 | 1998-08-25 | Yair Shoham | Time-frequency interpolation with application to low rate speech coding |
-
1993
- 1993-05-21 JP JP05119959A patent/JP3137805B2/ja not_active Expired - Fee Related
-
1994
- 1994-05-04 EP EP94106988A patent/EP0626674B1/en not_active Expired - Lifetime
- 1994-05-04 DE DE69420183T patent/DE69420183T2/de not_active Expired - Fee Related
- 1994-05-04 DE DE69431445T patent/DE69431445T2/de not_active Expired - Fee Related
- 1994-05-04 CA CA002122853A patent/CA2122853C/en not_active Expired - Fee Related
- 1994-05-04 EP EP98105128A patent/EP0854469B1/en not_active Expired - Lifetime
-
1995
- 1995-09-13 US US08/527,575 patent/US5596675A/en not_active Expired - Fee Related
-
1996
- 1996-06-27 US US08/671,273 patent/US5651092A/en not_active Expired - Fee Related
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH1125572A (ja) * | 1997-07-07 | 1999-01-29 | Matsushita Electric Ind Co Ltd | 光ディスクプレーヤ |
| JP2002534720A (ja) * | 1998-12-30 | 2002-10-15 | ノキア モービル フォーンズ リミテッド | 合成による分析ｃｅｌｐ型音声符号化のための適応型ウィンドウ |
| JP2002049397A (ja) * | 2000-08-02 | 2002-02-15 | Sony Corp | 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 |
| WO2009038158A1 (ja) * | 2007-09-21 | 2009-03-26 | Nec Corporation | 音声復号装置、音声復号方法、プログラム及び携帯端末 |
| WO2009038170A1 (ja) * | 2007-09-21 | 2009-03-26 | Nec Corporation | 音声処理装置、音声処理方法、プログラム及び音楽・メロディ配信システム |
| WO2009038115A1 (ja) * | 2007-09-21 | 2009-03-26 | Nec Corporation | 音声符号化装置、音声符号化方法及びプログラム |
| JPWO2009038115A1 (ja) * | 2007-09-21 | 2011-01-06 | 日本電気株式会社 | 音声符号化装置、音声符号化方法及びプログラム |
| JPWO2009038158A1 (ja) * | 2007-09-21 | 2011-01-06 | 日本電気株式会社 | 音声復号装置、音声復号方法、プログラム及び携帯端末 |
| JPWO2009038170A1 (ja) * | 2007-09-21 | 2011-01-06 | 日本電気株式会社 | 音声処理装置、音声処理方法、プログラム及び音楽・メロディ配信システム |
Also Published As
| Publication number | Publication date |
|---|---|
| US5596675A (en) | 1997-01-21 |
| EP0854469A2 (en) | 1998-07-22 |
| EP0626674A1 (en) | 1994-11-30 |
| EP0854469A3 (en) | 1998-08-05 |
| DE69420183D1 (de) | 1999-09-30 |
| CA2122853A1 (en) | 1994-11-22 |
| EP0626674B1 (en) | 1999-08-25 |
| JP3137805B2 (ja) | 2001-02-26 |
| EP0854469B1 (en) | 2002-09-25 |
| DE69431445D1 (de) | 2002-10-31 |
| DE69420183T2 (de) | 1999-12-09 |
| DE69431445T2 (de) | 2003-08-14 |
| CA2122853C (en) | 1998-06-09 |
| US5651092A (en) | 1997-07-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP3137805B2 (ja) | 音声符号化装置、音声復号化装置、音声後処理装置及びこれらの方法 | |
| KR100427753B1 (ko) | 음성신호재생방법및장치,음성복호화방법및장치,음성합성방법및장치와휴대용무선단말장치 | |
| US7788105B2 (en) | Method and apparatus for coding or decoding wideband speech | |
| US7529660B2 (en) | Method and device for frequency-selective pitch enhancement of synthesized speech | |
| JP3483958B2 (ja) | 広帯域音声復元装置及び広帯域音声復元方法及び音声伝送システム及び音声伝送方法 | |
| KR20020052191A (ko) | 음성 분류를 이용한 음성의 가변 비트 속도 켈프 코딩 방법 | |
| WO2007088853A1 (ja) | 音声符号化装置、音声復号装置、音声符号化システム、音声符号化方法及び音声復号方法 | |
| WO2009125588A1 (ja) | 符号化装置および符号化方法 | |
| JP3558031B2 (ja) | 音声復号化装置 | |
| JP3531780B2 (ja) | 音声符号化方法および復号化方法 | |
| 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 | |
| JP3559485B2 (ja) | 音声信号の後処理方法および装置並びにプログラムを記録した記録媒体 | |
| JP3510168B2 (ja) | 音声符号化方法及び音声復号化方法 | |
| JP3583945B2 (ja) | 音声符号化方法 | |
| JP3576485B2 (ja) | 固定音源ベクトル生成装置及び音声符号化／復号化装置 | |
| JP2004151424A (ja) | トランスコーダ及び符号変換方法 | |
| JPWO2007037359A1 (ja) | 音声符号化装置および音声符号化方法 | |
| JP3552201B2 (ja) | 音声符号化方法および装置 | |
| JP3598111B2 (ja) | 広帯域音声復元装置 | |
| JP2004151423A (ja) | 帯域拡張装置及び方法 | |
| JP2853170B2 (ja) | 音声符号化復号化方式 | |
| JPH1078797A (ja) | 音響信号処理方法 | |
| JP3560964B2 (ja) | 広帯域音声復元装置及び広帯域音声復元方法及び音声伝送システム及び音声伝送方法 | |
| JP4438654B2 (ja) | 符号化装置、復号装置、符号化方法及び復号方法 | |
| JP3218680B2 (ja) | 有声音合成方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20040520 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20071208 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20081208 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20091208 Year of fee payment: 9 |
|
| LAPS | Cancellation because of no payment of annual fees |