JPH07104793A - 音声信号の符号化装置及び復号化装置 - Google Patents
音声信号の符号化装置及び復号化装置Info
- Publication number
- JPH07104793A JPH07104793A JP5245745A JP24574593A JPH07104793A JP H07104793 A JPH07104793 A JP H07104793A JP 5245745 A JP5245745 A JP 5245745A JP 24574593 A JP24574593 A JP 24574593A JP H07104793 A JPH07104793 A JP H07104793A
- Authority
- JP
- Japan
- Prior art keywords
- sound
- pitch
- block
- unvoiced
- signal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
Landscapes
- Compression, Expansion, Code Conversion, And Decoders (AREA)
Abstract
(57)【要約】
【構成】 入力信号を時間軸方向にブロック化してブロ
ック毎にＶ（有声音）／ＵＶ（無声音）判別部１７でＶ
／ＵＶの判別を行う。最大値検出部２４でブロック内の
最大値を検出し、局所ＲＭＳ算出部２６で最大値近傍の
小ブロック及び前後の小ブロックの各平均レベルを算出
し、これらの各平均レベルに基づいてパルス分類部２７
でパルス性ノイズか否かを分類すると共にパルス性ノイ
ズの状態を示す情報を求める。ＵＶ（無声音）と判別さ
れたとき、信号波形のパルス性ノイズの状態を示す情報
を、切換スイッチ２８により高精度ピッチサーチ部１６
からのピッチ情報の代わりに入れ換えて、符号化部２１
を介して伝送する。 【効果】 音声合成側で、伝送されたパルス性ノイズの
状態を示す情報を用いて合成無声音に窓かけ処理を施す
ことにより、ｓ、ｔ、ｐ、ｋ等の強い子音の再現性を向
上し、良好な音質での再生を可能とする。
ック毎にＶ（有声音）／ＵＶ（無声音）判別部１７でＶ
／ＵＶの判別を行う。最大値検出部２４でブロック内の
最大値を検出し、局所ＲＭＳ算出部２６で最大値近傍の
小ブロック及び前後の小ブロックの各平均レベルを算出
し、これらの各平均レベルに基づいてパルス分類部２７
でパルス性ノイズか否かを分類すると共にパルス性ノイ
ズの状態を示す情報を求める。ＵＶ（無声音）と判別さ
れたとき、信号波形のパルス性ノイズの状態を示す情報
を、切換スイッチ２８により高精度ピッチサーチ部１６
からのピッチ情報の代わりに入れ換えて、符号化部２１
を介して伝送する。 【効果】 音声合成側で、伝送されたパルス性ノイズの
状態を示す情報を用いて合成無声音に窓かけ処理を施す
ことにより、ｓ、ｔ、ｐ、ｋ等の強い子音の再現性を向
上し、良好な音質での再生を可能とする。
Description
【０００１】
【産業上の利用分野】本発明は、入力音声信号をブロッ
ク単位で区分して、区分されたブロックを単位として符
号化処理を行うような高能率符号化方法に関する。
ク単位で区分して、区分されたブロックを単位として符
号化処理を行うような高能率符号化方法に関する。
【０００２】
【従来の技術】オーディオ信号（音声信号や音響信号を
含む）の時間領域や周波数領域における統計的性質と人
間の聴感上の特性を利用して信号圧縮を行うような符号
化方法が種々知られている。この符号化方法としては、
大別して時間領域での符号化、周波数領域での符号化、
分析合成符号化等が挙げられる。
含む）の時間領域や周波数領域における統計的性質と人
間の聴感上の特性を利用して信号圧縮を行うような符号
化方法が種々知られている。この符号化方法としては、
大別して時間領域での符号化、周波数領域での符号化、
分析合成符号化等が挙げられる。
【０００３】音声信号等の高能率符号化の例として、Ｍ
ＢＥ（Multiband Excitation: マルチバンド励起）符号
化、ＳＢＥ（Singleband Excitation:シングルバンド励
起）符号化、ハーモニック（Harmonic）符号化、ＳＢＣ
（Sub-band Coding:帯域分割符号化）、ＬＰＣ（Linear
Predictive Coding: 線形予測符号化）、あるいはＤＣ
Ｔ（離散コサイン変換）、ＭＤＣＴ（モデファイドＤＣ
Ｔ）、ＦＦＴ（高速フーリエ変換）等において、スペク
トル振幅やそのパラメータ（ＬＳＰパラメータ、αパラ
メータ、ｋパラメータ等）のような各種情報データを量
子化する場合に、従来においてはスカラ量子化を行うこ
とが多い。
ＢＥ（Multiband Excitation: マルチバンド励起）符号
化、ＳＢＥ（Singleband Excitation:シングルバンド励
起）符号化、ハーモニック（Harmonic）符号化、ＳＢＣ
（Sub-band Coding:帯域分割符号化）、ＬＰＣ（Linear
Predictive Coding: 線形予測符号化）、あるいはＤＣ
Ｔ（離散コサイン変換）、ＭＤＣＴ（モデファイドＤＣ
Ｔ）、ＦＦＴ（高速フーリエ変換）等において、スペク
トル振幅やそのパラメータ（ＬＳＰパラメータ、αパラ
メータ、ｋパラメータ等）のような各種情報データを量
子化する場合に、従来においてはスカラ量子化を行うこ
とが多い。
【０００４】上記ＰＡＲＣＯＲ法等の音声分析・合成系
では、励振源を切り換えるタイミングは時間軸上のブロ
ック（フレーム）毎であるため、同一フレーム内では有
声音と無声音とを混在させることができず、結果として
高品質な音声は得られなかった。
では、励振源を切り換えるタイミングは時間軸上のブロ
ック（フレーム）毎であるため、同一フレーム内では有
声音と無声音とを混在させることができず、結果として
高品質な音声は得られなかった。
【０００５】これに対して、上記ＭＢＥ符号化において
は、１ブロック（フレーム）内の音声に対して、周波数
スペクトルの各ハーモニクス（高調波）や２〜３ハーモ
ニクスをひとまとめにした各バンド（帯域）毎に、又は
固定の帯域幅（例えば３００〜４００Hz）で分割された
各バンド毎に、そのバンド中のスペクトル形状に基づい
て有声音／無声音判別（Ｖ／ＵＶ判別）を行っているた
め、音質の向上が認められる。この各バンド毎のＶ／Ｕ
Ｖ判別は、主としてバンド内のスペクトルがいかに強く
ハーモニクス構造を有しているかを見て行っている。
は、１ブロック（フレーム）内の音声に対して、周波数
スペクトルの各ハーモニクス（高調波）や２〜３ハーモ
ニクスをひとまとめにした各バンド（帯域）毎に、又は
固定の帯域幅（例えば３００〜４００Hz）で分割された
各バンド毎に、そのバンド中のスペクトル形状に基づい
て有声音／無声音判別（Ｖ／ＵＶ判別）を行っているた
め、音質の向上が認められる。この各バンド毎のＶ／Ｕ
Ｖ判別は、主としてバンド内のスペクトルがいかに強く
ハーモニクス構造を有しているかを見て行っている。
【０００６】
【発明が解決しようとする課題】ところで、ノイズパル
スによってマークされた強い子音の開始点や終了点は、
良好に再生できないという欠点がある。すなわち、無声
音の変化部（トランジェント部）は、円滑化され過ぎて
帯域制限を受けた感じの音として聞こえる。
スによってマークされた強い子音の開始点や終了点は、
良好に再生できないという欠点がある。すなわち、無声
音の変化部（トランジェント部）は、円滑化され過ぎて
帯域制限を受けた感じの音として聞こえる。
【０００７】さらに、無声部はもとより、無声から有声
へ、あるいは有声から無声への変化部（トランジェント
部）での時間分解能が不足することになる。例えば、８
ｋHzサンプリングで１ブロック２５６サンプルでは、１
ブロック３２msecのノイズパターンがいつも同じ形状
（平均レベルが違うだけ）となってしまい、特に、子音
のｓ、ｔ、ｐ、ｋ等の音が不明瞭となってしまう。さら
に、残響感が強かったり、又は複数の話者が喋っている
ように聞こえたりすることが頻繁に起こり、合成音質低
下のような悪影響を与えることになる。
へ、あるいは有声から無声への変化部（トランジェント
部）での時間分解能が不足することになる。例えば、８
ｋHzサンプリングで１ブロック２５６サンプルでは、１
ブロック３２msecのノイズパターンがいつも同じ形状
（平均レベルが違うだけ）となってしまい、特に、子音
のｓ、ｔ、ｐ、ｋ等の音が不明瞭となってしまう。さら
に、残響感が強かったり、又は複数の話者が喋っている
ように聞こえたりすることが頻繁に起こり、合成音質低
下のような悪影響を与えることになる。
【０００８】ここで、ＵＶ（無声音）信号は、Ｖ（有声
音）信号と区別することなく、無声音のフレームでは何
らの情報も伝送しないピッチをエンコードするのに用い
られるビットを伝送している。
音）信号と区別することなく、無声音のフレームでは何
らの情報も伝送しないピッチをエンコードするのに用い
られるビットを伝送している。
【０００９】本発明は、このような実情に鑑みてなされ
たものであり、ノイズパルスを伴った強い子音の開始点
や終了点での音質低下を防止し、聞き取り易い合成音を
得ることが可能な音声信号の符号化装置及び復号化装置
の提供を目的とする。
たものであり、ノイズパルスを伴った強い子音の開始点
や終了点での音質低下を防止し、聞き取り易い合成音を
得ることが可能な音声信号の符号化装置及び復号化装置
の提供を目的とする。
【００１０】
【課題を解決するための手段】本発明に係る音声信号の
符号化装置は、上述した課題を解決するために、入力音
声信号を時間軸上でブロック単位で区分して各ブロック
単位で符号化を行う音声信号の符号化装置において、各
ブロック毎に有声音か無声音かを判別する手段と、上記
入力信号の上記ブロック内の最大値を検出する手段と、
この検出された最大値近傍の小ブロックの平均レベルと
前後の小ブロックの各平均レベルと算出する手段と、こ
れらの各小ブロックの平均レベルに基づいてパルス性ノ
イズか否かを分類すると共にパルス性ノイズの状態を示
す情報を求める手段とを有することを特徴としている。
符号化装置は、上述した課題を解決するために、入力音
声信号を時間軸上でブロック単位で区分して各ブロック
単位で符号化を行う音声信号の符号化装置において、各
ブロック毎に有声音か無声音かを判別する手段と、上記
入力信号の上記ブロック内の最大値を検出する手段と、
この検出された最大値近傍の小ブロックの平均レベルと
前後の小ブロックの各平均レベルと算出する手段と、こ
れらの各小ブロックの平均レベルに基づいてパルス性ノ
イズか否かを分類すると共にパルス性ノイズの状態を示
す情報を求める手段とを有することを特徴としている。
【００１１】ここで、上記パルス性ノイズの状態を示す
情報は、上記無声音と判別されたとき、上記有声音判別
時のピッチ情報に代えて送ることが好ましい。また、上
記有声音／無声音の判別手段は、信号レベル、信号のゼ
ロクロスカウント数、及びピッチ検出のためのＬＰＣ残
差の自己相関の最大値の少なくとも１つを用いて判別を
行うことが好ましい。
情報は、上記無声音と判別されたとき、上記有声音判別
時のピッチ情報に代えて送ることが好ましい。また、上
記有声音／無声音の判別手段は、信号レベル、信号のゼ
ロクロスカウント数、及びピッチ検出のためのＬＰＣ残
差の自己相関の最大値の少なくとも１つを用いて判別を
行うことが好ましい。
【００１２】本発明が適用される音声信号の符号化装置
としては、いわゆるマルチバンドエクサイテイションを
用いた音声分析／合成方法により音声信号の符号化が行
われるものが挙げられる。
としては、いわゆるマルチバンドエクサイテイションを
用いた音声分析／合成方法により音声信号の符号化が行
われるものが挙げられる。
【００１３】次に、上記ブロック内の終端位置近傍に上
記最大値が存在するとき、次のブロックの最大値サーチ
開始位置を、前ブロックの上記平均レベル検出のための
小ブロックの終了点の次の位置とすることが好ましい。
記最大値が存在するとき、次のブロックの最大値サーチ
開始位置を、前ブロックの上記平均レベル検出のための
小ブロックの終了点の次の位置とすることが好ましい。
【００１４】また、上記パルス性ノイズの状態を示す情
報として、上記最大値が存在する上記小ブロックの平均
ｒｍｓ値ｒ１と、該小ブロックの次の小ブロックの平均
ｒｍｓ値ｒ２との比ｒ１／ｒ２を用いることが好まし
い。
報として、上記最大値が存在する上記小ブロックの平均
ｒｍｓ値ｒ１と、該小ブロックの次の小ブロックの平均
ｒｍｓ値ｒ２との比ｒ１／ｒ２を用いることが好まし
い。
【００１５】次に、本発明に係る音声信号の復号化装置
は、音声信号の符号化装置から、入力音声信号を時間軸
上でブロック化した各ブロック毎に、有声音か無声音か
の判別情報と、ピッチ情報と、スペクトルの振幅情報
と、無声音と判別されたブロック内のパルス性ノイズの
状態を示す情報とが供給される音声信号の復号化装置で
あって、上記判別情報、ピッチ情報、振幅情報に基づい
て有声音を合成する有声音合成部と、上記判別情報、ピ
ッチ情報、振幅情報に基づいて無声音を合成する無声音
合成部と、上記パルス性ノイズの状態を示す情報に基づ
いて上記無声音合成部からの無声音信号に窓かけ処理を
施す無声音窓かけ処理部とを有することにより、上述し
た課題を解決する。
は、音声信号の符号化装置から、入力音声信号を時間軸
上でブロック化した各ブロック毎に、有声音か無声音か
の判別情報と、ピッチ情報と、スペクトルの振幅情報
と、無声音と判別されたブロック内のパルス性ノイズの
状態を示す情報とが供給される音声信号の復号化装置で
あって、上記判別情報、ピッチ情報、振幅情報に基づい
て有声音を合成する有声音合成部と、上記判別情報、ピ
ッチ情報、振幅情報に基づいて無声音を合成する無声音
合成部と、上記パルス性ノイズの状態を示す情報に基づ
いて上記無声音合成部からの無声音信号に窓かけ処理を
施す無声音窓かけ処理部とを有することにより、上述し
た課題を解決する。
【００１６】
【作用】ブロック化された入力信号の内の無声音（Ｕ
Ｖ）と判別されたブロックのパルス性ノイズの状態を示
す情報を伝送しているため、このパルス性ノイズの状態
を合成側で知ることができ、子音等の不明瞭感や残響感
の発生を未然に防止することができる。また、無声音
（ＵＶ）と判別されたブロックでは、ピッチ情報を送る
必要がないことから、このピッチ情報を送るためのスロ
ットに上記無声音のパルス性ノイズの状態を示す情報を
入れ込んで送ることにより、データ伝送量を増やすこと
なく、再生音（合成音）の質を高めることができる。
Ｖ）と判別されたブロックのパルス性ノイズの状態を示
す情報を伝送しているため、このパルス性ノイズの状態
を合成側で知ることができ、子音等の不明瞭感や残響感
の発生を未然に防止することができる。また、無声音
（ＵＶ）と判別されたブロックでは、ピッチ情報を送る
必要がないことから、このピッチ情報を送るためのスロ
ットに上記無声音のパルス性ノイズの状態を示す情報を
入れ込んで送ることにより、データ伝送量を増やすこと
なく、再生音（合成音）の質を高めることができる。
【００１７】
【実施例】以下、本発明に係る高能率符号化方法の実施
例について説明する。高能率符号化方法には、後述する
ＭＢＥ（Multiband Excitation: マルチバンド励起）符
号化等のように、ブロック毎の信号を周波数軸上に変換
し、複数帯域に分割して各帯域毎にＶ（有声音）かＵＶ
（無声音）かを判別するような符号化方法を用いること
ができる。
例について説明する。高能率符号化方法には、後述する
ＭＢＥ（Multiband Excitation: マルチバンド励起）符
号化等のように、ブロック毎の信号を周波数軸上に変換
し、複数帯域に分割して各帯域毎にＶ（有声音）かＵＶ
（無声音）かを判別するような符号化方法を用いること
ができる。
【００１８】すなわち、本発明が適用される一般的な高
能率符号化方法としては、音声信号を一定サンプル数
（例えば２５６サンプル）毎にブロック化して、ＦＦＴ
等の直交変換により周波数軸上のスペクトルデータに変
換すると共に、該ブロック内の音声のピッチを抽出し、
このピッチに応じた間隔で周波数軸上のスペクトルを帯
域分割し、分割された各帯域についてＶ（有声音）／Ｕ
Ｖ（無声音）の判別を行っている。このＶ／ＵＶ判別情
報をスペクトルの振幅データと共に符号化して伝送する
わけである。ただし本発明の実施例においては、Ｖ／Ｕ
Ｖ判別情報やスペクトルの振幅データ等の各種情報を後
述するフレーム（例えば１６０サンプル）単位で伝送す
るようにしている。
能率符号化方法としては、音声信号を一定サンプル数
（例えば２５６サンプル）毎にブロック化して、ＦＦＴ
等の直交変換により周波数軸上のスペクトルデータに変
換すると共に、該ブロック内の音声のピッチを抽出し、
このピッチに応じた間隔で周波数軸上のスペクトルを帯
域分割し、分割された各帯域についてＶ（有声音）／Ｕ
Ｖ（無声音）の判別を行っている。このＶ／ＵＶ判別情
報をスペクトルの振幅データと共に符号化して伝送する
わけである。ただし本発明の実施例においては、Ｖ／Ｕ
Ｖ判別情報やスペクトルの振幅データ等の各種情報を後
述するフレーム（例えば１６０サンプル）単位で伝送す
るようにしている。
【００１９】ここで、例えばＭＢＥボコーダ等の音声合
成分析系を想定する場合、入力される時間軸上の音声信
号に対するサンプリング周波数ｆs は、通常８ｋHzで、
全帯域幅は３．４ｋHz（ただし有効帯域は２００〜３４
００Hz）であり、女声の高い方から男声の低い方までの
ピッチラグ（ピッチ周期に相当するサンプル数）は、２
０〜１４７程度である。すなわちピッチ周波数は、8000
/147≒５４（Hz）から8000/20＝４００（Hz）程度まで
の間で変動することになる。従って、周波数軸上で上記
３．４ｋHzまでの間に約８〜６３本のピッチパルス（ハ
ーモニックス）が立つことになる。
成分析系を想定する場合、入力される時間軸上の音声信
号に対するサンプリング周波数ｆs は、通常８ｋHzで、
全帯域幅は３．４ｋHz（ただし有効帯域は２００〜３４
００Hz）であり、女声の高い方から男声の低い方までの
ピッチラグ（ピッチ周期に相当するサンプル数）は、２
０〜１４７程度である。すなわちピッチ周波数は、8000
/147≒５４（Hz）から8000/20＝４００（Hz）程度まで
の間で変動することになる。従って、周波数軸上で上記
３．４ｋHzまでの間に約８〜６３本のピッチパルス（ハ
ーモニックス）が立つことになる。
【００２０】このように、ピッチに応じた間隔で帯域分
割すると、ブロック（フレーム）毎に分割帯域数（バン
ド数）が約８〜６３個の間で変化することになることを
考慮して、分割バンド数を一定の個数（例えば１２個程
度）に低減あるいは縮退させておくことが好ましい。
割すると、ブロック（フレーム）毎に分割帯域数（バン
ド数）が約８〜６３個の間で変化することになることを
考慮して、分割バンド数を一定の個数（例えば１２個程
度）に低減あるいは縮退させておくことが好ましい。
【００２１】さらに、本発明の実施例において、ブロッ
ク（フレーム）の全バンドが無声音（ＵＶ）と判別され
たときには、後述するように、ピッチ情報の代わりにパ
ルス性ノイズ（ノイズパルス）の状態を示す情報を伝送
し、再生側（デコーダ）において、合成された無音声信
号に対して上記パルス性ノイズの状態情報に応じた窓か
け処理を行うようにしている。
ク（フレーム）の全バンドが無声音（ＵＶ）と判別され
たときには、後述するように、ピッチ情報の代わりにパ
ルス性ノイズ（ノイズパルス）の状態を示す情報を伝送
し、再生側（デコーダ）において、合成された無音声信
号に対して上記パルス性ノイズの状態情報に応じた窓か
け処理を行うようにしている。
【００２２】次に、上述したような高能率符号化方法が
適用可能な、音声信号の合成分析符号化装置（いわゆる
ボコーダ）の一種のＭＢＥ（Multiband Excitation: マ
ルチバンド励起）ボコーダの具体例について、図面を参
照しながら説明する。
適用可能な、音声信号の合成分析符号化装置（いわゆる
ボコーダ）の一種のＭＢＥ（Multiband Excitation: マ
ルチバンド励起）ボコーダの具体例について、図面を参
照しながら説明する。
【００２３】以下に説明するＭＢＥボコーダは、D.W. G
riffin and J.S. Lim, ^MultibandExcitation Vocode
r," IEEE Trans.Acoustics,Speech,and Signal Process
ing,vol.36, No.8, pp.1223-1235, Aug. 1988 に開示さ
れているものであり、従来のＰＡＲＣＯＲ（PARtial au
to-CORrelation: 偏自己相関）ボコーダ等では、音声の
モデル化の際に有声音区間と無声音区間とをブロックあ
るいはフレーム毎に切り換えていたのに対し、ＭＢＥボ
コーダでは、同時刻（同じブロックあるいはフレーム
内）の周波数軸領域に有声音（Voiced）区間と無声音
（Unvoiced）区間とが存在するという仮定でモデル化し
ている。
riffin and J.S. Lim, ^MultibandExcitation Vocode
r," IEEE Trans.Acoustics,Speech,and Signal Process
ing,vol.36, No.8, pp.1223-1235, Aug. 1988 に開示さ
れているものであり、従来のＰＡＲＣＯＲ（PARtial au
to-CORrelation: 偏自己相関）ボコーダ等では、音声の
モデル化の際に有声音区間と無声音区間とをブロックあ
るいはフレーム毎に切り換えていたのに対し、ＭＢＥボ
コーダでは、同時刻（同じブロックあるいはフレーム
内）の周波数軸領域に有声音（Voiced）区間と無声音
（Unvoiced）区間とが存在するという仮定でモデル化し
ている。
【００２４】図１は、上記ＭＢＥボコーダに本発明を適
用した実施例の全体の概略構成を示すブロック図であ
る。この図１において、入力端子１１には音声信号が供
給されており、この入力音声信号は、ＨＰＦ（ハイパス
フィルタ）を含むフィルタ１２に送られて、いわゆるＤ
Ｃ（直流）オフセット分の除去や帯域制限（例えば２０
０〜３４００Hzに制限）のための少なくとも低域成分
（２００Hz以下）の除去が行われる。このフィルタ１２
を介して得られた信号は、ピッチ抽出部１３、窓かけ処
理部１４、及び後述する最大値検出部２４にそれぞれ送
られる。
用した実施例の全体の概略構成を示すブロック図であ
る。この図１において、入力端子１１には音声信号が供
給されており、この入力音声信号は、ＨＰＦ（ハイパス
フィルタ）を含むフィルタ１２に送られて、いわゆるＤ
Ｃ（直流）オフセット分の除去や帯域制限（例えば２０
０〜３４００Hzに制限）のための少なくとも低域成分
（２００Hz以下）の除去が行われる。このフィルタ１２
を介して得られた信号は、ピッチ抽出部１３、窓かけ処
理部１４、及び後述する最大値検出部２４にそれぞれ送
られる。
【００２５】ピッチ抽出部１３では、入力音声信号デー
タが所定サンプル数Ｎ（例えばＮ＝２５６）単位でブロ
ック分割され（あるいは方形窓による切り出しが行わ
れ）、このブロック内の音声信号についてのピッチ抽出
が行われる。このような切り出しブロック（２５６サン
プル）を、例えば図２のＡに示すようにＬサンプル（例
えばＬ＝１６０）のフレーム間隔で時間軸方向に移動さ
せており、各ブロック間のオーバラップはＮ−Ｌサンプ
ル（例えば９６サンプル）となっている。また、窓かけ
処理部１４では、１ブロックＮサンプルに対して所定の
窓関数、例えばハミング窓をかけ、この窓かけブロック
を１フレームＬサンプルの間隔で時間軸方向に順次移動
させている。
タが所定サンプル数Ｎ（例えばＮ＝２５６）単位でブロ
ック分割され（あるいは方形窓による切り出しが行わ
れ）、このブロック内の音声信号についてのピッチ抽出
が行われる。このような切り出しブロック（２５６サン
プル）を、例えば図２のＡに示すようにＬサンプル（例
えばＬ＝１６０）のフレーム間隔で時間軸方向に移動さ
せており、各ブロック間のオーバラップはＮ−Ｌサンプ
ル（例えば９６サンプル）となっている。また、窓かけ
処理部１４では、１ブロックＮサンプルに対して所定の
窓関数、例えばハミング窓をかけ、この窓かけブロック
を１フレームＬサンプルの間隔で時間軸方向に順次移動
させている。
【００２６】ここで、上記窓かけ処理部１４での窓かけ
処理を数式で表すと、 ｘw (k,q) ＝ｘ(q) ｗ(kL-q) ・・・（１） となる。この（１）式において、ｋはブロック番号を、
ｑはデータの時間インデックス（サンプル番号）を表
し、処理前の入力信号のｑ番目のデータｘ(q) に対して
第ｋブロックの窓（ウィンドウ）関数ｗ(kL-q)により窓
かけ処理されることによりデータｘw (k,q) が得られる
ことを示している。ピッチ抽出部１３での図２のＡに示
すような方形窓の場合の窓関数ｗr (r) は、 ｗr (r) ＝１ ０≦ｒ＜Ｎ ・・・（２） ＝０ ｒ＜０，Ｎ≦ｒ また、上記窓かけ処理部１４での図２のＢに示すような
ハミング窓の場合の窓関数ｗh (r) は、 ｗh (r) ＝ 0.54 − 0.46 cos(２πr/(N-1)) ０≦ｒ＜Ｎ ・・・（３） ＝０ ｒ＜０，Ｎ≦ｒ である。このような窓関数ｗr (r) あるいはｗh (r) を
用いるときの上記（１）式の窓関数ｗ(r) （＝ｗ(kL-
q)）の非零区間は、 ０≦ｋＬ−ｑ＜Ｎ これを変形して、 ｋＬ−Ｎ＜ｑ≦ｋＬ 従って例えば上記方形窓の場合に窓関数ｗr (kL-q)＝１
となるのは、図３に示すように、ｋＬ−Ｎ＜ｑ≦ｋＬの
ときとなる。また、上記（１）〜（３）式は、長さＮ
（＝２５６）サンプルの１ブロックの窓が、Ｌ（＝１６
０）サンプルの１フレームずつ前進してゆくことを示し
ている。以下、上記（２）式、（３）式の各窓関数で切
り出された各Ｎ点（０≦ｒ＜Ｎ）の否零サンプル列を、
それぞれｘwr(k,r) 、ｘwh(k,r) と表すことにする。
処理を数式で表すと、 ｘw (k,q) ＝ｘ(q) ｗ(kL-q) ・・・（１） となる。この（１）式において、ｋはブロック番号を、
ｑはデータの時間インデックス（サンプル番号）を表
し、処理前の入力信号のｑ番目のデータｘ(q) に対して
第ｋブロックの窓（ウィンドウ）関数ｗ(kL-q)により窓
かけ処理されることによりデータｘw (k,q) が得られる
ことを示している。ピッチ抽出部１３での図２のＡに示
すような方形窓の場合の窓関数ｗr (r) は、 ｗr (r) ＝１ ０≦ｒ＜Ｎ ・・・（２） ＝０ ｒ＜０，Ｎ≦ｒ また、上記窓かけ処理部１４での図２のＢに示すような
ハミング窓の場合の窓関数ｗh (r) は、 ｗh (r) ＝ 0.54 − 0.46 cos(２πr/(N-1)) ０≦ｒ＜Ｎ ・・・（３） ＝０ ｒ＜０，Ｎ≦ｒ である。このような窓関数ｗr (r) あるいはｗh (r) を
用いるときの上記（１）式の窓関数ｗ(r) （＝ｗ(kL-
q)）の非零区間は、 ０≦ｋＬ−ｑ＜Ｎ これを変形して、 ｋＬ−Ｎ＜ｑ≦ｋＬ 従って例えば上記方形窓の場合に窓関数ｗr (kL-q)＝１
となるのは、図３に示すように、ｋＬ−Ｎ＜ｑ≦ｋＬの
ときとなる。また、上記（１）〜（３）式は、長さＮ
（＝２５６）サンプルの１ブロックの窓が、Ｌ（＝１６
０）サンプルの１フレームずつ前進してゆくことを示し
ている。以下、上記（２）式、（３）式の各窓関数で切
り出された各Ｎ点（０≦ｒ＜Ｎ）の否零サンプル列を、
それぞれｘwr(k,r) 、ｘwh(k,r) と表すことにする。
【００２７】窓かけ処理部１４では、図４に示すよう
に、上記（３）式のハミング窓がかけられた１ブロック
２５６サンプルのサンプル列ｘwh(k,r) に対して１７９
２サンプル分の０データが付加されて（いわゆる０詰め
されて）２０４８サンプルとされ、この２０４８サンプ
ルの時間軸データ列に対して、直交変換部１５により例
えばＦＦＴ（高速フーリエ変換）等の直交変換処理が施
される。あるいは、０詰め無しで２５６点のままでＦＦ
Ｔを施して処理量を減らす方法もある。
に、上記（３）式のハミング窓がかけられた１ブロック
２５６サンプルのサンプル列ｘwh(k,r) に対して１７９
２サンプル分の０データが付加されて（いわゆる０詰め
されて）２０４８サンプルとされ、この２０４８サンプ
ルの時間軸データ列に対して、直交変換部１５により例
えばＦＦＴ（高速フーリエ変換）等の直交変換処理が施
される。あるいは、０詰め無しで２５６点のままでＦＦ
Ｔを施して処理量を減らす方法もある。
【００２８】ピッチ抽出部１３では、上記ｘwr(k,r) の
サンプル列（１ブロックＮサンプル）に基づいてピッチ
抽出が行われる。このピッチ抽出法には、時間波形の周
期性や、スペクトルの周期的周波数構造や、自己相関関
数を用いるもの等が知られているが、本実施例では、セ
ンタクリップ波形の自己相関法を採用している。このと
きのブロック内でのセンタクリップレベルについては、
１ブロックにつき１つのクリップレベルを設定してもよ
いが、ブロックを細分割した各部（各サブブロック）の
信号のピークレベル等を検出し、これらの各サブブロッ
クのピークレベル等の差が大きいときに、ブロック内で
クリップレベルを段階的にあるいは連続的に変化させる
ようにしている。このセンタクリップ波形の自己相関デ
ータのピーク位置に基づいてピッチ周期を決めている。
このとき、現在フレームに属する自己相関データ（自己
相関は１ブロックＮサンプルのデータを対象として求め
られる）から複数のピークを求めておき、これらの複数
のピークの内の最大ピークが所定の閾値以上のときには
該最大ピーク位置をピッチ周期とし、それ以外のときに
は、現在フレーム以外のフレーム、例えば前後のフレー
ムで求められたピッチに対して所定の関係を満たすピッ
チ範囲内、例えば前フレームのピッチを中心として±２
０％の範囲内にあるピークを求め、このピーク位置に基
づいて現在フレームのピッチを決定するようにしてい
る。このピッチ抽出部１３ではオープンループによる比
較的ラフなピッチのサーチが行われ、抽出されたピッチ
データは高精度（ファイン）ピッチサーチ部１６に送ら
れて、クローズドループによる高精度のピッチサーチ
（ピッチのファインサーチ）が行われる。
サンプル列（１ブロックＮサンプル）に基づいてピッチ
抽出が行われる。このピッチ抽出法には、時間波形の周
期性や、スペクトルの周期的周波数構造や、自己相関関
数を用いるもの等が知られているが、本実施例では、セ
ンタクリップ波形の自己相関法を採用している。このと
きのブロック内でのセンタクリップレベルについては、
１ブロックにつき１つのクリップレベルを設定してもよ
いが、ブロックを細分割した各部（各サブブロック）の
信号のピークレベル等を検出し、これらの各サブブロッ
クのピークレベル等の差が大きいときに、ブロック内で
クリップレベルを段階的にあるいは連続的に変化させる
ようにしている。このセンタクリップ波形の自己相関デ
ータのピーク位置に基づいてピッチ周期を決めている。
このとき、現在フレームに属する自己相関データ（自己
相関は１ブロックＮサンプルのデータを対象として求め
られる）から複数のピークを求めておき、これらの複数
のピークの内の最大ピークが所定の閾値以上のときには
該最大ピーク位置をピッチ周期とし、それ以外のときに
は、現在フレーム以外のフレーム、例えば前後のフレー
ムで求められたピッチに対して所定の関係を満たすピッ
チ範囲内、例えば前フレームのピッチを中心として±２
０％の範囲内にあるピークを求め、このピーク位置に基
づいて現在フレームのピッチを決定するようにしてい
る。このピッチ抽出部１３ではオープンループによる比
較的ラフなピッチのサーチが行われ、抽出されたピッチ
データは高精度（ファイン）ピッチサーチ部１６に送ら
れて、クローズドループによる高精度のピッチサーチ
（ピッチのファインサーチ）が行われる。
【００２９】なお、センタクリップ波形ではなく、入力
波形をＬＰＣ分析した残差波形の自己相関からピッチを
求める方法を用いてもよい。
波形をＬＰＣ分析した残差波形の自己相関からピッチを
求める方法を用いてもよい。
【００３０】高精度（ファイン）ピッチサーチ部１６に
は、ピッチ抽出部１３で抽出された整数（インテジャ
ー）値の粗（ラフ）ピッチデータと、直交変換部１５に
より例えばＦＦＴされた周波数軸上のデータとが供給さ
れている。この高精度ピッチサーチ部１６では、上記粗
ピッチデータ値を中心に、0.２〜0.５きざみで±数サン
プルずつ振って、最適な小数点付き（フローティング）
のファインピッチデータの値へ追い込む。このときのフ
ァインサーチの手法として、いわゆる合成による分析
(Analysis by Synthesis)法を用い、合成されたパワー
スペクトルが原音のパワースペクトルに最も近くなるよ
うにピッチを選んでいる。
は、ピッチ抽出部１３で抽出された整数（インテジャ
ー）値の粗（ラフ）ピッチデータと、直交変換部１５に
より例えばＦＦＴされた周波数軸上のデータとが供給さ
れている。この高精度ピッチサーチ部１６では、上記粗
ピッチデータ値を中心に、0.２〜0.５きざみで±数サン
プルずつ振って、最適な小数点付き（フローティング）
のファインピッチデータの値へ追い込む。このときのフ
ァインサーチの手法として、いわゆる合成による分析
(Analysis by Synthesis)法を用い、合成されたパワー
スペクトルが原音のパワースペクトルに最も近くなるよ
うにピッチを選んでいる。
【００３１】このピッチのファインサーチについて説明
する。先ず、上記ＭＢＥボコーダにおいては、上記ＦＦ
Ｔ等により直交変換された周波数軸上のスペクトルデー
タとしてのＳ(j) を Ｓ(j) ＝Ｈ(j) ｜Ｅ(j) ｜ ０＜ｊ＜Ｊ ・・・（４） と表現するようなモデルを想定している。ここで、Ｊは
ωs ／４π＝ｆs ／２に対応し、サンプリング周波数ｆ
s ＝ωs ／２πが例えば８ｋHzのときには４ｋHzに対応
する。上記（４）式中において、周波数軸上のスペクト
ルデータＳ(j) が図５のＡに示すような波形のとき、Ｈ
(j) は、図５のＢに示すように、元のスペクトルデータ
Ｓ(j) のスペクトル包絡線（エンベロープ）を示し、Ｅ
(j) は、図５のＣに示すような等レベルで周期的な励起
信号（エクサイテイション）のスペクトルを示してい
る。すなわち、ＦＦＴスペクトルＳ(j) は、スペクトル
エンベロープＨ(j) と励起信号のパワースペクトル｜Ｅ
(j) ｜との積としてモデル化される。
する。先ず、上記ＭＢＥボコーダにおいては、上記ＦＦ
Ｔ等により直交変換された周波数軸上のスペクトルデー
タとしてのＳ(j) を Ｓ(j) ＝Ｈ(j) ｜Ｅ(j) ｜ ０＜ｊ＜Ｊ ・・・（４） と表現するようなモデルを想定している。ここで、Ｊは
ωs ／４π＝ｆs ／２に対応し、サンプリング周波数ｆ
s ＝ωs ／２πが例えば８ｋHzのときには４ｋHzに対応
する。上記（４）式中において、周波数軸上のスペクト
ルデータＳ(j) が図５のＡに示すような波形のとき、Ｈ
(j) は、図５のＢに示すように、元のスペクトルデータ
Ｓ(j) のスペクトル包絡線（エンベロープ）を示し、Ｅ
(j) は、図５のＣに示すような等レベルで周期的な励起
信号（エクサイテイション）のスペクトルを示してい
る。すなわち、ＦＦＴスペクトルＳ(j) は、スペクトル
エンベロープＨ(j) と励起信号のパワースペクトル｜Ｅ
(j) ｜との積としてモデル化される。
【００３２】上記励起信号のパワースペクトル｜Ｅ(j)
｜は、上記ピッチに応じて決定される周波数軸上の波形
の周期性（ピッチ構造）を考慮して、１つの帯域（バン
ド）の波形に相当するスペクトル波形を周波数軸上の各
バンド毎に繰り返すように配列することにより形成され
る。この１バンド分の波形は、例えば上記図４に示すよ
うな２５６サンプルのハミング窓関数に１７９２サンプ
ル分の０データを付加（０詰め）した波形を時間軸信号
と見なしてＦＦＴし、得られた周波数軸上のある帯域幅
を持つインパルス波形を上記ピッチに応じて切り出すこ
とにより形成することができる。
｜は、上記ピッチに応じて決定される周波数軸上の波形
の周期性（ピッチ構造）を考慮して、１つの帯域（バン
ド）の波形に相当するスペクトル波形を周波数軸上の各
バンド毎に繰り返すように配列することにより形成され
る。この１バンド分の波形は、例えば上記図４に示すよ
うな２５６サンプルのハミング窓関数に１７９２サンプ
ル分の０データを付加（０詰め）した波形を時間軸信号
と見なしてＦＦＴし、得られた周波数軸上のある帯域幅
を持つインパルス波形を上記ピッチに応じて切り出すこ
とにより形成することができる。
【００３３】次に、上記ピッチに応じて分割された各バ
ンド毎に、上記Ｈ(j) を代表させるような（各バンド毎
のエラーを最小化するような）値（一種の振幅）｜Ａm
｜を求める。ここで、例えば第ｍバンド（第ｍ高調波の
帯域）の下限、上限の点をそれぞれａm 、ｂm とすると
き、この第ｍバンドのエラーεm は、
ンド毎に、上記Ｈ(j) を代表させるような（各バンド毎
のエラーを最小化するような）値（一種の振幅）｜Ａm
｜を求める。ここで、例えば第ｍバンド（第ｍ高調波の
帯域）の下限、上限の点をそれぞれａm 、ｂm とすると
き、この第ｍバンドのエラーεm は、
【００３４】
【数１】
【００３５】で表せる。このエラーεm を最小化するよ
うな｜Ａm ｜は、
うな｜Ａm ｜は、
【００３６】
【数２】
【００３７】となり、この（６）式の｜Ａm ｜のとき、
エラーεm を最小化する。
エラーεm を最小化する。
【００３８】このような振幅｜Ａm ｜を各バンド毎に求
め、得られた各振幅｜Ａm ｜を用いて上記（５）式で定
義された各バンド毎のエラーεm を求める。次に、この
ような各バンド毎のエラーεm の全バンドの総和値Σε
m を求める。さらに、このような全バンドのエラー総和
値Σεm を、いくつかの微小に異なるピッチについて求
め、エラー総和値Σεm が最小となるようなピッチを求
める。
め、得られた各振幅｜Ａm ｜を用いて上記（５）式で定
義された各バンド毎のエラーεm を求める。次に、この
ような各バンド毎のエラーεm の全バンドの総和値Σε
m を求める。さらに、このような全バンドのエラー総和
値Σεm を、いくつかの微小に異なるピッチについて求
め、エラー総和値Σεm が最小となるようなピッチを求
める。
【００３９】すなわち、上記ピッチ抽出部１３で求めら
れたラフピッチを中心として、例えば 0.25 きざみで上
下に数種類ずつ用意する。これらの複数種類の微小に異
なるピッチの各ピッチに対してそれぞれ上記エラー総和
値Σεm を求める。この場合、ピッチが定まるとバンド
幅が決まり、上記（６）式より、周波数軸上データのパ
ワースペクトル｜Ｓ(j) ｜と励起信号スペクトル｜Ｅ
(j) ｜とを用いて上記（５）式のエラーεm を求め、そ
の全バンドの総和値Σεm を求めることができる。この
エラー総和値Σεm を各ピッチ毎に求め、最小となるエ
ラー総和値に対応するピッチを最適のピッチとして決定
するわけである。以上のようにして高精度ピッチサーチ
部で最適のファイン（例えば 0.25 きざみ）ピッチが求
められ、この最適ピッチに対応する振幅｜Ａm ｜が決定
される。このときの振幅値の計算は、有声音の振幅評価
部１８Ｖにおいて行われる。
れたラフピッチを中心として、例えば 0.25 きざみで上
下に数種類ずつ用意する。これらの複数種類の微小に異
なるピッチの各ピッチに対してそれぞれ上記エラー総和
値Σεm を求める。この場合、ピッチが定まるとバンド
幅が決まり、上記（６）式より、周波数軸上データのパ
ワースペクトル｜Ｓ(j) ｜と励起信号スペクトル｜Ｅ
(j) ｜とを用いて上記（５）式のエラーεm を求め、そ
の全バンドの総和値Σεm を求めることができる。この
エラー総和値Σεm を各ピッチ毎に求め、最小となるエ
ラー総和値に対応するピッチを最適のピッチとして決定
するわけである。以上のようにして高精度ピッチサーチ
部で最適のファイン（例えば 0.25 きざみ）ピッチが求
められ、この最適ピッチに対応する振幅｜Ａm ｜が決定
される。このときの振幅値の計算は、有声音の振幅評価
部１８Ｖにおいて行われる。
【００４０】以上ピッチのファインサーチの説明におい
ては、説明を簡略化するために、全バンドが有声音（Vo
iced）の場合を想定しているが、上述したようにＭＢＥ
ボコーダにおいては、同時刻の周波数軸上に無声音（Un
voiced）領域が存在するというモデルを採用しているこ
とから、上記各バンド毎に有声音／無声音の判別を行う
ことが必要とされる。
ては、説明を簡略化するために、全バンドが有声音（Vo
iced）の場合を想定しているが、上述したようにＭＢＥ
ボコーダにおいては、同時刻の周波数軸上に無声音（Un
voiced）領域が存在するというモデルを採用しているこ
とから、上記各バンド毎に有声音／無声音の判別を行う
ことが必要とされる。
【００４１】上記高精度ピッチサーチ部１６からの最適
ピッチ及び振幅評価部（有声音）１８Ｖからの振幅｜Ａ
m ｜のデータは、有声音／無声音判別部１７に送られ、
上記各バンド毎に有声音／無声音の判別が行われる。こ
の判別のためにＮＳＲ（ノイズｔｏシグナル比）を利用
する。すなわち、第ｍバンドのＮＳＲであるＮＳＲ
mは、
ピッチ及び振幅評価部（有声音）１８Ｖからの振幅｜Ａ
m ｜のデータは、有声音／無声音判別部１７に送られ、
上記各バンド毎に有声音／無声音の判別が行われる。こ
の判別のためにＮＳＲ（ノイズｔｏシグナル比）を利用
する。すなわち、第ｍバンドのＮＳＲであるＮＳＲ
mは、
【００４２】
【数３】
【００４３】と表せ、このＮＳＲm が所定の閾値Th
1 （例えば0.２、あるいは0.３）より大のとき（すなわ
ちエラーが大きいとき）には、そのバンドでの｜Ａm ｜
｜Ｅ(j) ｜による｜Ｓ(j) ｜の近似が良くない（上記励
起信号｜Ｅ(j) ｜が基底として不適当である）と判断で
き、当該バンドをＵＶ（Unvoiced、無声音）と判別す
る。これ以外のときは、近似がある程度良好に行われて
いると判断でき、そのバンドをＶ（Voiced、有声音）と
判別する。
1 （例えば0.２、あるいは0.３）より大のとき（すなわ
ちエラーが大きいとき）には、そのバンドでの｜Ａm ｜
｜Ｅ(j) ｜による｜Ｓ(j) ｜の近似が良くない（上記励
起信号｜Ｅ(j) ｜が基底として不適当である）と判断で
き、当該バンドをＵＶ（Unvoiced、無声音）と判別す
る。これ以外のときは、近似がある程度良好に行われて
いると判断でき、そのバンドをＶ（Voiced、有声音）と
判別する。
【００４４】ところで、上述したように基本ピッチ周波
数で分割されたバンドの数（ハーモニックスの数）は、
声の高低（ピッチの大小）によって約８〜６３程度の範
囲で変動するため、各バンド毎のＶ／ＵＶフラグの個数
も同様に変動してしまう。そこで、本実施例において
は、固定的な周波数帯域で分割した一定個数のバンド毎
にＶ／ＵＶ判別結果をまとめる（あるいは縮退させる）
ようにしている。具体的には、音声帯域を含む所定帯域
（例えば０〜４０００Hz）をＮB 個（例えば１２個）の
バンドに分割し、各バンド内の上記ＮＳＲ値に従って、
例えば重み付き平均値を所定の閾値Th2 で弁別して、当
該バンドのＶ／ＵＶを判断している。
数で分割されたバンドの数（ハーモニックスの数）は、
声の高低（ピッチの大小）によって約８〜６３程度の範
囲で変動するため、各バンド毎のＶ／ＵＶフラグの個数
も同様に変動してしまう。そこで、本実施例において
は、固定的な周波数帯域で分割した一定個数のバンド毎
にＶ／ＵＶ判別結果をまとめる（あるいは縮退させる）
ようにしている。具体的には、音声帯域を含む所定帯域
（例えば０〜４０００Hz）をＮB 個（例えば１２個）の
バンドに分割し、各バンド内の上記ＮＳＲ値に従って、
例えば重み付き平均値を所定の閾値Th2 で弁別して、当
該バンドのＶ／ＵＶを判断している。
【００４５】次に、無声音の振幅評価部１８Ｕには、直
交変換部１５からの周波数軸上データ、ピッチサーチ部
１６からのファインピッチデータ、有声音振幅評価部１
８Ｖからの振幅｜Ａm ｜のデータ、及び上記有声音／無
声音判別部１７からのＶ／ＵＶ（有声音／無声音）判別
データが供給されている。この振幅評価部（無声音）１
８Ｕでは、有声音／無声音判別部１７において無声音
（ＵＶ）と判別されたバンドに関して、再度振幅を求め
て（振幅再評価を行って）いる。このＵＶのバンドにつ
いての振幅｜Ａm ｜UVは、
交変換部１５からの周波数軸上データ、ピッチサーチ部
１６からのファインピッチデータ、有声音振幅評価部１
８Ｖからの振幅｜Ａm ｜のデータ、及び上記有声音／無
声音判別部１７からのＶ／ＵＶ（有声音／無声音）判別
データが供給されている。この振幅評価部（無声音）１
８Ｕでは、有声音／無声音判別部１７において無声音
（ＵＶ）と判別されたバンドに関して、再度振幅を求め
て（振幅再評価を行って）いる。このＵＶのバンドにつ
いての振幅｜Ａm ｜UVは、
【００４６】
【数４】
【００４７】にて求められる。
【００４８】この振幅評価部（無声音）１８Ｕからのデ
ータは、データ数変換（一種のサンプリングレート変
換）部１９に送られる。このデータ数変換部１９は、上
記ピッチに応じて周波数軸上での分割帯域数が異なり、
データ数（特に振幅データの数）が異なることを考慮し
て、一定の個数にするためのものである。すなわち、例
えば有効帯域を３４００ｋHzまでとすると、この有効帯
域が上記ピッチに応じて、８バンド〜６３バンドに分割
されることになり、これらの各バンド毎に得られる上記
振幅｜Ａm ｜（ＵＶバンドの振幅｜Ａm ｜UVも含む）デ
ータの個数ｍMX＋１も８〜６３と変化することになる。
このためデータ数変換部１９では、この可変個数ｍMX＋
１の振幅データを一定個数Ｍ（例えば４４個）のデータ
に変換している。
ータは、データ数変換（一種のサンプリングレート変
換）部１９に送られる。このデータ数変換部１９は、上
記ピッチに応じて周波数軸上での分割帯域数が異なり、
データ数（特に振幅データの数）が異なることを考慮し
て、一定の個数にするためのものである。すなわち、例
えば有効帯域を３４００ｋHzまでとすると、この有効帯
域が上記ピッチに応じて、８バンド〜６３バンドに分割
されることになり、これらの各バンド毎に得られる上記
振幅｜Ａm ｜（ＵＶバンドの振幅｜Ａm ｜UVも含む）デ
ータの個数ｍMX＋１も８〜６３と変化することになる。
このためデータ数変換部１９では、この可変個数ｍMX＋
１の振幅データを一定個数Ｍ（例えば４４個）のデータ
に変換している。
【００４９】ここで、本実施例においては、例えば、周
波数軸上の有効帯域１ブロック分の振幅データに対し
て、ブロック内の最後のデータからブロック内の最初の
データまでの値を補間するようなダミーデータを付加し
てデータ個数をＮF 個に拡大した後、帯域制限型のＯS
倍（例えば８倍）のオーバーサンプリングを施すことに
よりＯS 倍の個数の振幅データを求め、このＯS 倍の個
数（（ｍMX＋１）×ＯS個）の振幅データを直線補間し
てさらに多くのＮM 個（例えば２０４８個）に拡張し、
このＮM 個のデータを間引いて上記一定個数Ｍ（例えば
４４個）のデータに変換している。
波数軸上の有効帯域１ブロック分の振幅データに対し
て、ブロック内の最後のデータからブロック内の最初の
データまでの値を補間するようなダミーデータを付加し
てデータ個数をＮF 個に拡大した後、帯域制限型のＯS
倍（例えば８倍）のオーバーサンプリングを施すことに
よりＯS 倍の個数の振幅データを求め、このＯS 倍の個
数（（ｍMX＋１）×ＯS個）の振幅データを直線補間し
てさらに多くのＮM 個（例えば２０４８個）に拡張し、
このＮM 個のデータを間引いて上記一定個数Ｍ（例えば
４４個）のデータに変換している。
【００５０】このデータ数変換部１９からのデータ（上
記一定個数Ｍ個の振幅データ）がベクトル量子化部２０
に送られて、所定個数のデータ毎にまとめられてベクト
ルとされ、ベクトル量子化が施される。ベクトル量子化
部２０からの量子化出力データ（の主要部）は、上記高
精度のピッチサーチ部１６からの高精度（ファイン）ピ
ッチデータ及び上記有声音／無声音判別部１７からの有
声音／無声音（Ｖ／ＵＶ）判別データと共に、符号化部
２１に送られて符号化される。
記一定個数Ｍ個の振幅データ）がベクトル量子化部２０
に送られて、所定個数のデータ毎にまとめられてベクト
ルとされ、ベクトル量子化が施される。ベクトル量子化
部２０からの量子化出力データ（の主要部）は、上記高
精度のピッチサーチ部１６からの高精度（ファイン）ピ
ッチデータ及び上記有声音／無声音判別部１７からの有
声音／無声音（Ｖ／ＵＶ）判別データと共に、符号化部
２１に送られて符号化される。
【００５１】ただし、高精度のピッチサーチ部１６から
のピッチデータについては、切換スイッチ２８の被選択
端子ａを介して符号化部２１に送っている。これは、後
述するように、ブロック内の全バンドがＵＶ（無声音）
となってピッチ情報が不要となる場合に、パルス性ノイ
ズ（ノイズパルス）の状態を示す情報をピッチ情報と切
り換えて送っているものである。
のピッチデータについては、切換スイッチ２８の被選択
端子ａを介して符号化部２１に送っている。これは、後
述するように、ブロック内の全バンドがＵＶ（無声音）
となってピッチ情報が不要となる場合に、パルス性ノイ
ズ（ノイズパルス）の状態を示す情報をピッチ情報と切
り換えて送っているものである。
【００５２】なお、これらの各データは、上記Ｎサンプ
ル（例えば２５６サンプル）のブロック内のデータに対
して処理を施すことにより得られるものであるが、ブロ
ックは時間軸上を上記Ｌサンプルのフレームを単位とし
て前進することから、伝送するデータは上記フレーム単
位で得られる。すなわち、上記フレーム周期でピッチデ
ータ、Ｖ／ＵＶ判別データ、振幅データが更新されるこ
とになる。また、上記有声音／無声音判別部１７からの
Ｖ／ＵＶ判別データについては、上述したように、必要
に応じて１２バンド程度に低減（縮退）したデータを用
いてもよく、全バンド中で１箇所以下の有声音（Ｖ）領
域と無声音（ＵＶ）領域との区分位置を表すデータを用
いるようにしてもよい。
ル（例えば２５６サンプル）のブロック内のデータに対
して処理を施すことにより得られるものであるが、ブロ
ックは時間軸上を上記Ｌサンプルのフレームを単位とし
て前進することから、伝送するデータは上記フレーム単
位で得られる。すなわち、上記フレーム周期でピッチデ
ータ、Ｖ／ＵＶ判別データ、振幅データが更新されるこ
とになる。また、上記有声音／無声音判別部１７からの
Ｖ／ＵＶ判別データについては、上述したように、必要
に応じて１２バンド程度に低減（縮退）したデータを用
いてもよく、全バンド中で１箇所以下の有声音（Ｖ）領
域と無声音（ＵＶ）領域との区分位置を表すデータを用
いるようにしてもよい。
【００５３】上記符号化部２１においては、例えばＣＲ
Ｃ付加及びレート１／２畳み込み符号付加処理が施され
る。すなわち、上記ピッチデータ（あるいは後述する無
声音信号の時間波形の特徴抽出データ）、上記有声音／
無声音（Ｖ／ＵＶ）判別データ、及び上記量子化出力デ
ータの内の重要なデータについてはＣＲＣ誤り訂正符号
化が施された後、畳み込み符号化が施される。符号化部
２１からの符号化出力データは、フレームインターリー
ブ部２２に送られ、ベクトル量子化部２０からの一部
（例えば重要度の低い）データと共にインターリーブ処
理されて、出力端子２３から取り出され、合成側（デコ
ード側）に伝送（あるいは記録再生）される。
Ｃ付加及びレート１／２畳み込み符号付加処理が施され
る。すなわち、上記ピッチデータ（あるいは後述する無
声音信号の時間波形の特徴抽出データ）、上記有声音／
無声音（Ｖ／ＵＶ）判別データ、及び上記量子化出力デ
ータの内の重要なデータについてはＣＲＣ誤り訂正符号
化が施された後、畳み込み符号化が施される。符号化部
２１からの符号化出力データは、フレームインターリー
ブ部２２に送られ、ベクトル量子化部２０からの一部
（例えば重要度の低い）データと共にインターリーブ処
理されて、出力端子２３から取り出され、合成側（デコ
ード側）に伝送（あるいは記録再生）される。
【００５４】ここで、ブロック（フレーム）全体がＵＶ
（無声音）と判別された場合であって、次のような条件
を満たす場合に、後述するようなパルス性ノイズの状態
を示す情報を得るための入力信号のクラス分類が行われ
る。 （ｕ１）全バンドがＵＶ（無声音） （ｕ２）信号レベルが所定の閾値Ths より小 （ｕ３）ゼロクロス数が所定の閾値Thz より大 （ｕ４）ピッチ抽出時の自己相関係数が所定の閾値Tha
より小
（無声音）と判別された場合であって、次のような条件
を満たす場合に、後述するようなパルス性ノイズの状態
を示す情報を得るための入力信号のクラス分類が行われ
る。 （ｕ１）全バンドがＵＶ（無声音） （ｕ２）信号レベルが所定の閾値Ths より小 （ｕ３）ゼロクロス数が所定の閾値Thz より大 （ｕ４）ピッチ抽出時の自己相関係数が所定の閾値Tha
より小
【００５５】上記（ｕ１）の条件は、当該分析フレーム
がＶ／ＵＶ判別により完全にＵＶ（無声音）であること
を要求している。上記条件（ｕ２）及び（ｕ３）は、信
号レベルが低く、ゼロクロスのカウント数が所定閾値Th
z より大であることを要求している。上記条件（ｕ４）
は、信号のクロス相関係数が、所定閾値Tha より小であ
ることを要求している。この相関係数は、ピッチ抽出の
ために入力信号を１０次程度のＬＰＣ分析を行った結果
得られる予測残差信号の自己相関の最大を与えるラグに
おける自己相関値であり、そのフレームにおけるＬＰＣ
残差の自己相関の最大値である。上記（ｕ１）の条件に
加えられた他の条件は、有声音がノイズパルスとして誤
って分類されて合成される可能性を低減させるために用
いられる。
がＶ／ＵＶ判別により完全にＵＶ（無声音）であること
を要求している。上記条件（ｕ２）及び（ｕ３）は、信
号レベルが低く、ゼロクロスのカウント数が所定閾値Th
z より大であることを要求している。上記条件（ｕ４）
は、信号のクロス相関係数が、所定閾値Tha より小であ
ることを要求している。この相関係数は、ピッチ抽出の
ために入力信号を１０次程度のＬＰＣ分析を行った結果
得られる予測残差信号の自己相関の最大を与えるラグに
おける自己相関値であり、そのフレームにおけるＬＰＣ
残差の自己相関の最大値である。上記（ｕ１）の条件に
加えられた他の条件は、有声音がノイズパルスとして誤
って分類されて合成される可能性を低減させるために用
いられる。
【００５６】ここで、上記条件（ｕ２）の信号レベルの
閾値Ths の具体例として、２５００を挙げることがで
き、これはフルスケールサイン波入力と０ｄＢとしたと
きに、約−２０ｄＢ（正確には−１９．７０ｄＢ）に相
当する。また上記条件（ｕ３）のゼロクロス数の閾値Th
z の具体例として９０を、上記条件（ｕ４）の自己相関
係数の閾値Tha の具体例として０．４７を、それぞれ挙
げることができる。このような各条件の判別は、有声音
／無声音判別部１７において行われる。
閾値Ths の具体例として、２５００を挙げることがで
き、これはフルスケールサイン波入力と０ｄＢとしたと
きに、約−２０ｄＢ（正確には−１９．７０ｄＢ）に相
当する。また上記条件（ｕ３）のゼロクロス数の閾値Th
z の具体例として９０を、上記条件（ｕ４）の自己相関
係数の閾値Tha の具体例として０．４７を、それぞれ挙
げることができる。このような各条件の判別は、有声音
／無声音判別部１７において行われる。
【００５７】次に、パルス性ノイズの状態を示す情報を
得るためのクラス分類について説明する。１フレーム内
の最大値サンプルの位置が決定される。フレーム領域内
のパルスの２重検出を避けるように上記最大値サーチの
開始点が変化する。
得るためのクラス分類について説明する。１フレーム内
の最大値サンプルの位置が決定される。フレーム領域内
のパルスの２重検出を避けるように上記最大値サーチの
開始点が変化する。
【００５８】ここで、フレーム内で検出された最大値サ
ンプルの位置ｋを中心として、所定領域Ｔ毎に、上記位
置ｋを含む領域とその前後の領域について、次の３つの
平均ｒｍｓ（root mean square）値ｒ０、ｒ１、ｒ２を
計算する。 ｒ０＝ＲＭＳ｛ｘ［ｋ−３Ｔ／２，…，ｋ−Ｔ／２］｝ ｒ１＝ＲＭＳ｛ｘ［ｋ−Ｔ／２，…，ｋ＋Ｔ／２］｝ ｒ２＝ＲＭＳ｛ｘ［ｋ＋Ｔ／２，…，ｋ＋３Ｔ／２］｝ これらの式中で、ｘは入力信号を示し、ｋ＝ｉのときｘ
［ｉ］＝ｍａｘ｛ｘ｝を表す。また、上記領域Ｔは、例
えば約３０サンプル程度とすればよい。
ンプルの位置ｋを中心として、所定領域Ｔ毎に、上記位
置ｋを含む領域とその前後の領域について、次の３つの
平均ｒｍｓ（root mean square）値ｒ０、ｒ１、ｒ２を
計算する。 ｒ０＝ＲＭＳ｛ｘ［ｋ−３Ｔ／２，…，ｋ−Ｔ／２］｝ ｒ１＝ＲＭＳ｛ｘ［ｋ−Ｔ／２，…，ｋ＋Ｔ／２］｝ ｒ２＝ＲＭＳ｛ｘ［ｋ＋Ｔ／２，…，ｋ＋３Ｔ／２］｝ これらの式中で、ｘは入力信号を示し、ｋ＝ｉのときｘ
［ｉ］＝ｍａｘ｛ｘ｝を表す。また、上記領域Ｔは、例
えば約３０サンプル程度とすればよい。
【００５９】このようにして求められた平均ｒｍｓ値ｒ
０、ｒ１、ｒ２は、パルス分類（クラシフィケーショ
ン）のための条件として次のように用いられる。 （ｃ１） ｒ０＜Ｔｈ0 （ｃ２） ３ｒ０＜ｒ１かつｒ１＞２．５ｒ２ （ｃ３） ４ｒ０＜ｒ１かつｒ１＞１．７ｒ２ （ｃ４） ３５ｒ０＜ｒ１ これらの条件を、（ｃ１）かつ（（ｃ２）又は（ｃ３）
又は（ｃ４））、として用いる。
０、ｒ１、ｒ２は、パルス分類（クラシフィケーショ
ン）のための条件として次のように用いられる。 （ｃ１） ｒ０＜Ｔｈ0 （ｃ２） ３ｒ０＜ｒ１かつｒ１＞２．５ｒ２ （ｃ３） ４ｒ０＜ｒ１かつｒ１＞１．７ｒ２ （ｃ４） ３５ｒ０＜ｒ１ これらの条件を、（ｃ１）かつ（（ｃ２）又は（ｃ３）
又は（ｃ４））、として用いる。
【００６０】上記条件（ｃ１）は、有声音をパルスとし
て誤ってクラス分けすることを低減するのに役立つ。条
件（ｃ２）は、通常のパルス性ノイズ（ノイズパルス）
のためのものである。不等式の非対象性は、ディケイタ
イムがアタックタイムよりも通常長いという観察結果に
基づいている。条件（ｃ３）は、長いディケイタイムの
ノイズパルスのためのものであり、条件（ｃ４）は、非
常にシャープな変化（過渡現象）のためのものである。
て誤ってクラス分けすることを低減するのに役立つ。条
件（ｃ２）は、通常のパルス性ノイズ（ノイズパルス）
のためのものである。不等式の非対象性は、ディケイタ
イムがアタックタイムよりも通常長いという観察結果に
基づいている。条件（ｃ３）は、長いディケイタイムの
ノイズパルスのためのものであり、条件（ｃ４）は、非
常にシャープな変化（過渡現象）のためのものである。
【００６１】次に、実際に伝送するパルス性ノイズ状態
情報としてのパルスコードｐｃが次のように計算され
る。 ｐｃ＝０：非パルス信号、又はクラス分けされないＵＶ
信号。 ＝ｐ：パルス信号、ｐはパルス相対波高値。 このｐは、所定値ｐ１からｐ２までの間の値（ｐ１≦ｐ
≦ｐ２）であり、ｐ１、ｐ２としてはそれぞれ例えば
３、８の値が選ばれる。
情報としてのパルスコードｐｃが次のように計算され
る。 ｐｃ＝０：非パルス信号、又はクラス分けされないＵＶ
信号。 ＝ｐ：パルス信号、ｐはパルス相対波高値。 このｐは、所定値ｐ１からｐ２までの間の値（ｐ１≦ｐ
≦ｐ２）であり、ｐ１、ｐ２としてはそれぞれ例えば
３、８の値が選ばれる。
【００６２】具体的には、上記平均ｒｍｓ値ｒ１、ｒ２
の比r1/r2 を用い、この比r1/r2 と上記所定値ｐ１、ｐ
２との関係に基づいて、 r1/r2 ＜ｐ１のとき、ｐｃ＝０ ｐ１≦r1/r2 ≦ｐ２のとき、ｐｃ＝ｉｎｔ［r1/r2 ］ ｐ２＜r1/r2 のとき、ｐｃ＝ｐ２ のようにパルスコードｐｃを求める。ここでｉｎｔ
［ｘ］は、実数ｘの整数部分の値を表す。
の比r1/r2 を用い、この比r1/r2 と上記所定値ｐ１、ｐ
２との関係に基づいて、 r1/r2 ＜ｐ１のとき、ｐｃ＝０ ｐ１≦r1/r2 ≦ｐ２のとき、ｐｃ＝ｉｎｔ［r1/r2 ］ ｐ２＜r1/r2 のとき、ｐｃ＝ｐ２ のようにパルスコードｐｃを求める。ここでｉｎｔ
［ｘ］は、実数ｘの整数部分の値を表す。
【００６３】ここで、図１において、最大値検出部２４
は、フレーム内で最大値及びその位置を検出する。遅延
手段（メモリ）２５は、前フレームの最大値の位置を保
持するためのものであり、これは、１つのフレームで検
出された最大値の位置を中心として上記領域Ｔ（例えば
３０サンプル）が設定されることから、前フレームの終
端位置に最大値が存在する場合には、次のフレームの１
５サンプル目から最大値サーチを開始するようにするた
めである。次の局所ＲＭＳ算出部２６では、上記平均ｒ
ｍｓ値ｒ０、ｒ１、ｒ２を計算により求める。得られた
各平均ｒｍｓ値ｒ０、ｒ１、ｒ２は、パルス分類部２７
に送られて、パルス分類部２７では、上記各条件（ｃ
１）〜（ｃ４）に基づきパルス分類を行い、上記比r1/r
2 に応じて伝送情報としてのパルスコードｐｃを求め、
切換スイッチ２８の被選択端子ｂに送っている。
は、フレーム内で最大値及びその位置を検出する。遅延
手段（メモリ）２５は、前フレームの最大値の位置を保
持するためのものであり、これは、１つのフレームで検
出された最大値の位置を中心として上記領域Ｔ（例えば
３０サンプル）が設定されることから、前フレームの終
端位置に最大値が存在する場合には、次のフレームの１
５サンプル目から最大値サーチを開始するようにするた
めである。次の局所ＲＭＳ算出部２６では、上記平均ｒ
ｍｓ値ｒ０、ｒ１、ｒ２を計算により求める。得られた
各平均ｒｍｓ値ｒ０、ｒ１、ｒ２は、パルス分類部２７
に送られて、パルス分類部２７では、上記各条件（ｃ
１）〜（ｃ４）に基づきパルス分類を行い、上記比r1/r
2 に応じて伝送情報としてのパルスコードｐｃを求め、
切換スイッチ２８の被選択端子ｂに送っている。
【００６４】この切換スイッチ２８の被選択端子ａに
は、上記高精度ピッチサーチ部１６からのピッチデータ
が送られており、切換スイッチ２８からの出力は、符号
化部２１に送られている。この切換スイッチ２８は、有
声音／無声音判別部１７からの判別出力信号により切換
制御されるようになっており、通常の有声音伝送時、す
なわち上記ブロック内の全バンドの内の１つでもＶ（有
声音）と判別されたときには被選択端子ａに、ブロック
内の全バンドがＵＶ（無声音）と判別されたときには被
選択端子ｂに、それぞれ切換接続される。
は、上記高精度ピッチサーチ部１６からのピッチデータ
が送られており、切換スイッチ２８からの出力は、符号
化部２１に送られている。この切換スイッチ２８は、有
声音／無声音判別部１７からの判別出力信号により切換
制御されるようになっており、通常の有声音伝送時、す
なわち上記ブロック内の全バンドの内の１つでもＶ（有
声音）と判別されたときには被選択端子ａに、ブロック
内の全バンドがＵＶ（無声音）と判別されたときには被
選択端子ｂに、それぞれ切換接続される。
【００６５】従って、上記パルス性ノイズの状態を示す
情報、すなわち無声部分の波形にピークが存在する状態
を示す情報（あるいはピークの度合を示す情報）である
パルスコードｐｃは、本来はピッチ情報を伝送していた
スロットに入れ込んで伝送されることになる。すなわ
ち、ブロック内の全バンドがＵＶ（無声音）と判別され
たときにはピッチ情報は不要であり、上記有声音／無声
音判別部１７からのＶ／ＵＶ判別フラグを見て、全てＵ
Ｖのときに限って、上記パルスコードｐｃをピッチ情報
の代わりに伝送するようにしている。
情報、すなわち無声部分の波形にピークが存在する状態
を示す情報（あるいはピークの度合を示す情報）である
パルスコードｐｃは、本来はピッチ情報を伝送していた
スロットに入れ込んで伝送されることになる。すなわ
ち、ブロック内の全バンドがＵＶ（無声音）と判別され
たときにはピッチ情報は不要であり、上記有声音／無声
音判別部１７からのＶ／ＵＶ判別フラグを見て、全てＵ
Ｖのときに限って、上記パルスコードｐｃをピッチ情報
の代わりに伝送するようにしている。
【００６６】次に、伝送されて（あるいは記録再生され
て）得られた上記各データに基づき音声信号を合成する
ための合成側（デコード側）の概略構成について、図６
を参照しながら説明する。
て）得られた上記各データに基づき音声信号を合成する
ための合成側（デコード側）の概略構成について、図６
を参照しながら説明する。
【００６７】この図６において、入力端子３１には、上
記図１に示すエンコーダ側の出力端子２３から取り出さ
れたデータ信号に略々等しい（伝送や記録再生による信
号劣化を無視して）データ信号が供給される。この入力
端子３１からのデータは、フレームデインターリーブ部
３２に送られて、上記図１のインターリーブ処理の逆処
理となるデインターリーブ処理が施され、主要部（エン
コーダ側でＣＲＣ及び畳み込み符号化された部分で、一
般に重要度の高いデータ部分）は復号化部３３で復号化
処理されてバッドフレームマスク処理部３４に、残部
（符号化処理の施されていない重要度の低いもの）はそ
のままバッドフレームマスク処理部３４に、それぞれ送
られる。復号化部３３においては、例えばいわゆるビタ
ビ復号化処理やＣＲＣチェックコードを用いたエラー検
出処理が施される。バッドフレームマスク処理部３４
は、エラーの多いフレームのパラメータを補間で求める
ような処理を行うと共に、上記ピッチデータ、有声音／
無声音（Ｖ／ＵＶ）データ、及びベクトル量子化された
振幅データを分離して取り出す。
記図１に示すエンコーダ側の出力端子２３から取り出さ
れたデータ信号に略々等しい（伝送や記録再生による信
号劣化を無視して）データ信号が供給される。この入力
端子３１からのデータは、フレームデインターリーブ部
３２に送られて、上記図１のインターリーブ処理の逆処
理となるデインターリーブ処理が施され、主要部（エン
コーダ側でＣＲＣ及び畳み込み符号化された部分で、一
般に重要度の高いデータ部分）は復号化部３３で復号化
処理されてバッドフレームマスク処理部３４に、残部
（符号化処理の施されていない重要度の低いもの）はそ
のままバッドフレームマスク処理部３４に、それぞれ送
られる。復号化部３３においては、例えばいわゆるビタ
ビ復号化処理やＣＲＣチェックコードを用いたエラー検
出処理が施される。バッドフレームマスク処理部３４
は、エラーの多いフレームのパラメータを補間で求める
ような処理を行うと共に、上記ピッチデータ、有声音／
無声音（Ｖ／ＵＶ）データ、及びベクトル量子化された
振幅データを分離して取り出す。
【００６８】バッドフレームマスク処理部３４からの上
記ベクトル量子化された振幅データは、逆ベクトル量子
化部３５に送られて逆量子化され、データ数逆変換部３
６に送られて逆変換される。このデータ数逆変換部３６
では、上述した図１のデータ数変換部１９と対照的な逆
変換が行われ、得られた振幅データが有声音合成部３７
及び無声音合成部３８に送られる。バッドフレームマス
ク処理部３４からの上記ピッチデータは、有声音合成部
３７及び無声音合成部３８に送られる。またバッドフレ
ームマスク処理部３４からの上記Ｖ／ＵＶ判別データ
も、有声音合成部３７及び無声音合成部３８に送られ
る。
記ベクトル量子化された振幅データは、逆ベクトル量子
化部３５に送られて逆量子化され、データ数逆変換部３
６に送られて逆変換される。このデータ数逆変換部３６
では、上述した図１のデータ数変換部１９と対照的な逆
変換が行われ、得られた振幅データが有声音合成部３７
及び無声音合成部３８に送られる。バッドフレームマス
ク処理部３４からの上記ピッチデータは、有声音合成部
３７及び無声音合成部３８に送られる。またバッドフレ
ームマスク処理部３４からの上記Ｖ／ＵＶ判別データ
も、有声音合成部３７及び無声音合成部３８に送られ
る。
【００６９】ここで上記ピッチデータ（ピッチ情報伝送
スロット内のデータ）については、ブロック内の全バン
ドがＵＶ（無声音）とされたときには、上述したノイズ
パルス（パルス性ノイズ）の状態を表す情報であるパル
スコードｐｃがピッチ情報の代わりに送られていること
より、切換スイッチ５１に送られており、この切換スイ
ッチ５１は、被選択端子ａからの出力が有声音合成部３
７に、被選択端子ｂからの出力が無声音合成部３８の後
段のＵＶ窓かけ処理部５２に送られている。このＵＶ窓
かけ処理部５２の構成及び動作については後述する。
スロット内のデータ）については、ブロック内の全バン
ドがＵＶ（無声音）とされたときには、上述したノイズ
パルス（パルス性ノイズ）の状態を表す情報であるパル
スコードｐｃがピッチ情報の代わりに送られていること
より、切換スイッチ５１に送られており、この切換スイ
ッチ５１は、被選択端子ａからの出力が有声音合成部３
７に、被選択端子ｂからの出力が無声音合成部３８の後
段のＵＶ窓かけ処理部５２に送られている。このＵＶ窓
かけ処理部５２の構成及び動作については後述する。
【００７０】有声音合成部３７では例えば余弦(cosine)
波合成あるいは正弦(sine)波合成により時間軸上の有声
音波形を合成し、無声音合成部３８では例えばホワイト
ノイズをバンドパスフィルタでフィルタリングして時間
軸上の無声音波形を合成し、これらの各有声音合成波形
と無声音合成波形とを加算部４１で加算合成して、出力
端子４２より取り出すようにしている。この場合、上記
振幅データ、ピッチデータ及びＶ／ＵＶ判別データは、
上記分析時の１フレーム（Ｌサンプル、例えば１６０サ
ンプル）毎に更新されて与えられるが、フレーム間の連
続性を高める（円滑化する）ために、上記振幅データや
ピッチデータの各値を１フレーム中の例えば中心位置に
おける各データ値とし、次のフレームの中心位置までの
間（合成時の１フレーム）の各データ値を補間により求
める。すなわち、合成時の１フレーム（例えば上記分析
フレームの中心から次の分析フレームの中心まで）にお
いて、先端サンプル点での各データ値と終端（次の合成
フレームの先端）サンプル点での各データ値とが与えら
れ、これらのサンプル点間の各データ値を補間により求
めるようにしている。
波合成あるいは正弦(sine)波合成により時間軸上の有声
音波形を合成し、無声音合成部３８では例えばホワイト
ノイズをバンドパスフィルタでフィルタリングして時間
軸上の無声音波形を合成し、これらの各有声音合成波形
と無声音合成波形とを加算部４１で加算合成して、出力
端子４２より取り出すようにしている。この場合、上記
振幅データ、ピッチデータ及びＶ／ＵＶ判別データは、
上記分析時の１フレーム（Ｌサンプル、例えば１６０サ
ンプル）毎に更新されて与えられるが、フレーム間の連
続性を高める（円滑化する）ために、上記振幅データや
ピッチデータの各値を１フレーム中の例えば中心位置に
おける各データ値とし、次のフレームの中心位置までの
間（合成時の１フレーム）の各データ値を補間により求
める。すなわち、合成時の１フレーム（例えば上記分析
フレームの中心から次の分析フレームの中心まで）にお
いて、先端サンプル点での各データ値と終端（次の合成
フレームの先端）サンプル点での各データ値とが与えら
れ、これらのサンプル点間の各データ値を補間により求
めるようにしている。
【００７１】また、Ｖ／ＵＶ判別データとして上記Ｖ／
ＵＶコードが伝送された場合には、このＶ／ＵＶコード
に応じて全バンドを１箇所の区分位置で有声音（Ｖ）領
域と無声音（ＵＶ）領域とに区分することができ、この
区分に応じて、各バンド毎のＶ／ＵＶ判別データを得る
ことができる。ここで、分析側（エンコーダ側）で一定
数（例えば１２程度）のバンドに低減（縮退）されてい
る場合には、これを解いて（復元して）、元のピッチに
応じた間隔で可変個数のバンドとすることは勿論であ
る。
ＵＶコードが伝送された場合には、このＶ／ＵＶコード
に応じて全バンドを１箇所の区分位置で有声音（Ｖ）領
域と無声音（ＵＶ）領域とに区分することができ、この
区分に応じて、各バンド毎のＶ／ＵＶ判別データを得る
ことができる。ここで、分析側（エンコーダ側）で一定
数（例えば１２程度）のバンドに低減（縮退）されてい
る場合には、これを解いて（復元して）、元のピッチに
応じた間隔で可変個数のバンドとすることは勿論であ
る。
【００７２】以下、有声音合成部３７における合成処理
を詳細に説明する。上記Ｖ（有声音）と判別された第ｍ
バンド（第ｍ高調波の帯域）における時間軸上の上記１
合成フレーム（Ｌサンプル、例えば１６０サンプル）分
の有声音をＶm (n) とするとき、この合成フレーム内の
時間インデックス（サンプル番号）ｎを用いて、 Ｖm (n) ＝Ａm (n) cos(θm (n)) ０≦ｎ＜Ｌ ・・・（９） と表すことができる。全バンドの内のＶ（有声音）と判
別された全てのバンドの有声音を加算（ΣＶm (n) ）し
て最終的な有声音Ｖ(n) を合成する。
を詳細に説明する。上記Ｖ（有声音）と判別された第ｍ
バンド（第ｍ高調波の帯域）における時間軸上の上記１
合成フレーム（Ｌサンプル、例えば１６０サンプル）分
の有声音をＶm (n) とするとき、この合成フレーム内の
時間インデックス（サンプル番号）ｎを用いて、 Ｖm (n) ＝Ａm (n) cos(θm (n)) ０≦ｎ＜Ｌ ・・・（９） と表すことができる。全バンドの内のＶ（有声音）と判
別された全てのバンドの有声音を加算（ΣＶm (n) ）し
て最終的な有声音Ｖ(n) を合成する。
【００７３】この（９）式中のＡm (n) は、上記合成フ
レームの先端から終端までの間で補間された第ｍ高調波
の振幅である。最も簡単には、フレーム単位で更新され
る振幅データの第ｍ高調波の値を直線補間すればよい。
すなわち、上記合成フレームの先端（ｎ＝０）での第ｍ
高調波の振幅値をＡ0m、該合成フレームの終端（ｎ＝
Ｌ：次の合成フレームの先端）での第ｍ高調波の振幅値
をＡLmとするとき、 Ａm (n) ＝ (L-n)Ａ0m／Ｌ＋ｎＡLm／Ｌ ・・・（10） の式によりＡm (n) を計算すればよい。
レームの先端から終端までの間で補間された第ｍ高調波
の振幅である。最も簡単には、フレーム単位で更新され
る振幅データの第ｍ高調波の値を直線補間すればよい。
すなわち、上記合成フレームの先端（ｎ＝０）での第ｍ
高調波の振幅値をＡ0m、該合成フレームの終端（ｎ＝
Ｌ：次の合成フレームの先端）での第ｍ高調波の振幅値
をＡLmとするとき、 Ａm (n) ＝ (L-n)Ａ0m／Ｌ＋ｎＡLm／Ｌ ・・・（10） の式によりＡm (n) を計算すればよい。
【００７４】次に、上記（９）式中の位相θm (n) は、 θm (n) ＝ｍωO1ｎ＋ｎ2 ｍ（ωL1−ω01）／２Ｌ＋φ0m＋Δωｎ ・・・（11） により求めることができる。この（11）式中で、φ0mは
上記合成フレームの先端（ｎ＝０）での第ｍ高調波の位
相（フレーム初期位相）を示し、ω01は合成フレーム先
端（ｎ＝０）での基本角周波数、ωL1は該合成フレーム
の終端（ｎ＝Ｌ：次の合成フレーム先端）での基本角周
波数をそれぞれ示している。上記（11）式中のΔωは、
ｎ＝Ｌにおける位相φLmがθm (L) に等しくなるような
最小のΔωを設定する。
上記合成フレームの先端（ｎ＝０）での第ｍ高調波の位
相（フレーム初期位相）を示し、ω01は合成フレーム先
端（ｎ＝０）での基本角周波数、ωL1は該合成フレーム
の終端（ｎ＝Ｌ：次の合成フレーム先端）での基本角周
波数をそれぞれ示している。上記（11）式中のΔωは、
ｎ＝Ｌにおける位相φLmがθm (L) に等しくなるような
最小のΔωを設定する。
【００７５】以下、任意の第ｍバンドにおいて、それぞ
れｎ＝０、ｎ＝ＬのときのＶ／ＵＶ判別結果に応じた上
記振幅Ａm (n) 、位相θm (n) の求め方を説明する。
れｎ＝０、ｎ＝ＬのときのＶ／ＵＶ判別結果に応じた上
記振幅Ａm (n) 、位相θm (n) の求め方を説明する。
【００７６】第ｍバンドが、ｎ＝０、ｎ＝Ｌのいずれも
Ｖ（有声音）とされる場合に、振幅Ａm (n) は、上述し
た（10）式により、伝送された振幅値Ａ0m、ＡLmを直線
補間して振幅Ａm (n) を算出すればよい。位相θm (n)
は、ｎ＝０でθm (0) ＝φ0mからｎ＝Ｌでθm (L) がφ
LmとなるようにΔωを設定する。
Ｖ（有声音）とされる場合に、振幅Ａm (n) は、上述し
た（10）式により、伝送された振幅値Ａ0m、ＡLmを直線
補間して振幅Ａm (n) を算出すればよい。位相θm (n)
は、ｎ＝０でθm (0) ＝φ0mからｎ＝Ｌでθm (L) がφ
LmとなるようにΔωを設定する。
【００７７】次に、ｎ＝０のときＶ（有声音）で、ｎ＝
ＬのときＵＶ（無声音）とされる場合に、振幅Ａm (n)
は、Ａm (0) の伝送振幅値Ａ0mからＡm (L) で０となる
ように直線補間する。ｎ＝Ｌでの伝送振幅値ＡLmは無声
音の振幅値であり、後述する無声音合成の際に用いられ
る。位相θm (n) は、θm (0) ＝φ0mとし、かつΔω＝
０とする。
ＬのときＵＶ（無声音）とされる場合に、振幅Ａm (n)
は、Ａm (0) の伝送振幅値Ａ0mからＡm (L) で０となる
ように直線補間する。ｎ＝Ｌでの伝送振幅値ＡLmは無声
音の振幅値であり、後述する無声音合成の際に用いられ
る。位相θm (n) は、θm (0) ＝φ0mとし、かつΔω＝
０とする。
【００７８】さらに、ｎ＝０のときＵＶ（無声音）で、
ｎ＝ＬのときＶ（有声音）とされる場合には、振幅Ａm
(n) は、ｎ＝０での振幅Ａm (0) を０とし、ｎ＝Ｌで伝
送された振幅値ＡLmとなるように直線補間する。位相θ
m (n) については、ｎ＝０での位相θm (0) として、フ
レーム終端での位相値φLmを用いて、 θm (0) ＝φLm−ｍ（ωO1＋ωL1）Ｌ／２ ・・・（12） とし、かつΔω＝０とする。
ｎ＝ＬのときＶ（有声音）とされる場合には、振幅Ａm
(n) は、ｎ＝０での振幅Ａm (0) を０とし、ｎ＝Ｌで伝
送された振幅値ＡLmとなるように直線補間する。位相θ
m (n) については、ｎ＝０での位相θm (0) として、フ
レーム終端での位相値φLmを用いて、 θm (0) ＝φLm−ｍ（ωO1＋ωL1）Ｌ／２ ・・・（12） とし、かつΔω＝０とする。
【００７９】上記ｎ＝０、ｎ＝ＬのいずれもＶ（有声
音）とされる場合に、θm (L) がφLmとなるようにΔω
を設定する手法について説明する。上記（11）式で、ｎ
＝Ｌと置くことにより、 θm (L) ＝ｍωO1Ｌ＋Ｌ2 ｍ（ωL1−ω01）／２Ｌ＋φ0m＋ΔωＬ ＝ｍ（ωO1＋ωL1）Ｌ／２＋φ0m＋ΔωＬ ＝φLm となり、これを整理すると、Δωは、 Δω＝（mod2π((φLm−φ0m) − mL(ωO1＋ωL1)/2)／Ｌ ・・・（13） となる。この（13）式でmod2π(x) とは、ｘの主値を−
π〜＋πの間の値で返す関数である。例えば、ｘ＝１.3
πのときmod2π(x) ＝−０.7π、ｘ＝２.3πのときmod2
π(x) ＝０.3π、ｘ＝−１.3πのときmod2π(x) ＝０.7
π、等である。
音）とされる場合に、θm (L) がφLmとなるようにΔω
を設定する手法について説明する。上記（11）式で、ｎ
＝Ｌと置くことにより、 θm (L) ＝ｍωO1Ｌ＋Ｌ2 ｍ（ωL1−ω01）／２Ｌ＋φ0m＋ΔωＬ ＝ｍ（ωO1＋ωL1）Ｌ／２＋φ0m＋ΔωＬ ＝φLm となり、これを整理すると、Δωは、 Δω＝（mod2π((φLm−φ0m) − mL(ωO1＋ωL1)/2)／Ｌ ・・・（13） となる。この（13）式でmod2π(x) とは、ｘの主値を−
π〜＋πの間の値で返す関数である。例えば、ｘ＝１.3
πのときmod2π(x) ＝−０.7π、ｘ＝２.3πのときmod2
π(x) ＝０.3π、ｘ＝−１.3πのときmod2π(x) ＝０.7
π、等である。
【００８０】次に、無声音合成部３８における無声音合
成処理を以下に説明する。ホワイトノイズ発生部４３か
らの時間軸上のホワイトノイズ信号波形を窓かけ処理部
４４に送って、所定の長さ（例えば２５６サンプル）で
適当な窓関数（例えばハミング窓）により窓かけをし、
ＳＴＦＴ処理部４５によりＳＴＦＴ（ショートタームフ
ーリエ変換）処理を施すことにより、ホワイトノイズの
周波数軸上のパワースペクトルを得る。このＳＴＦＴ処
理部４５からのパワースペクトルをバンド振幅処理部４
６に送り、上記ＵＶ（無声音）とされたバンドについて
上記振幅｜Ａm ｜UVを乗算し、他のＶ（有声音）とされ
たバンドの振幅を０にする。このバンド振幅処理部４６
には上記振幅データ、ピッチデータ、Ｖ／ＵＶ判別デー
タが供給されている。
成処理を以下に説明する。ホワイトノイズ発生部４３か
らの時間軸上のホワイトノイズ信号波形を窓かけ処理部
４４に送って、所定の長さ（例えば２５６サンプル）で
適当な窓関数（例えばハミング窓）により窓かけをし、
ＳＴＦＴ処理部４５によりＳＴＦＴ（ショートタームフ
ーリエ変換）処理を施すことにより、ホワイトノイズの
周波数軸上のパワースペクトルを得る。このＳＴＦＴ処
理部４５からのパワースペクトルをバンド振幅処理部４
６に送り、上記ＵＶ（無声音）とされたバンドについて
上記振幅｜Ａm ｜UVを乗算し、他のＶ（有声音）とされ
たバンドの振幅を０にする。このバンド振幅処理部４６
には上記振幅データ、ピッチデータ、Ｖ／ＵＶ判別デー
タが供給されている。
【００８１】バンド振幅処理部４６からの出力は、ＩＳ
ＴＦＴ処理部４７に送られ、位相は元のホワイトノイズ
の位相を用いて逆ＳＴＦＴ処理を施すことにより時間軸
上の信号に変換する。ＩＳＴＦＴ処理部４７からの出力
は、オーバーラップ加算部４８に送られ、時間軸上で適
当な（元の連続的なノイズ波形を復元できるように）重
み付けをしながらオーバーラップ及び加算を繰り返し、
連続的な時間軸波形を合成する。このオーバーラップ加
算部４８からの出力信号が、無声音合成部３８からの出
力として、後述するＵＶ窓かけ処理部５２を介して、上
記加算部４１に送られる。
ＴＦＴ処理部４７に送られ、位相は元のホワイトノイズ
の位相を用いて逆ＳＴＦＴ処理を施すことにより時間軸
上の信号に変換する。ＩＳＴＦＴ処理部４７からの出力
は、オーバーラップ加算部４８に送られ、時間軸上で適
当な（元の連続的なノイズ波形を復元できるように）重
み付けをしながらオーバーラップ及び加算を繰り返し、
連続的な時間軸波形を合成する。このオーバーラップ加
算部４８からの出力信号が、無声音合成部３８からの出
力として、後述するＵＶ窓かけ処理部５２を介して、上
記加算部４１に送られる。
【００８２】このように、各合成部３７、３８において
合成されて時間軸上に戻された有声音部及び無声音部の
各信号は、加算部４１により適当な固定の混合比で加算
して、出力端子４２より再生された音声信号を取り出
す。
合成されて時間軸上に戻された有声音部及び無声音部の
各信号は、加算部４１により適当な固定の混合比で加算
して、出力端子４２より再生された音声信号を取り出
す。
【００８３】フレーム内のバンドの少なくとも１つがＶ
（有声音）の場合には、上述したような処理が各合成部
３７、３８にて行われるわけであるが、フレーム内の全
バンドがＵＶ（無音声）と判別されたときには、切換ス
イッチ５１が被選択端子ｂ側に切換接続され、ピッチ情
報の代わりに無声音信号のパルス性ノイズに関する情報
（上記パルスコードｐｃ）がＵＶ窓かけ処理部５２に送
られる。
（有声音）の場合には、上述したような処理が各合成部
３７、３８にて行われるわけであるが、フレーム内の全
バンドがＵＶ（無音声）と判別されたときには、切換ス
イッチ５１が被選択端子ｂ側に切換接続され、ピッチ情
報の代わりに無声音信号のパルス性ノイズに関する情報
（上記パルスコードｐｃ）がＵＶ窓かけ処理部５２に送
られる。
【００８４】すなわち、ＵＶ窓かけ処理部５２には、上
記図１のパルス分類部２７からの上記パルスコードｐｃ
が供給される。このＵＶ窓かけ処理部５２において、パ
ルス発生のための窓関数Ｗ［ｉ］としては、図７に示す
ように、 Ｗ［ｉ］＝（ｉ／11）2 ０≦ｉ≦１１ ＝（(23-i)／11）2 １２≦ｉ≦２２ ＝０ ２３≦ｉ この窓関数Ｗ［ｉ］において、ｉはフレーム（例えば１
６０サンプル）内のサンプル番号あるいはサンプル位置
であり、サンプリング周波数ｆｓを８ｋHzとしている。
記図１のパルス分類部２７からの上記パルスコードｐｃ
が供給される。このＵＶ窓かけ処理部５２において、パ
ルス発生のための窓関数Ｗ［ｉ］としては、図７に示す
ように、 Ｗ［ｉ］＝（ｉ／11）2 ０≦ｉ≦１１ ＝（(23-i)／11）2 １２≦ｉ≦２２ ＝０ ２３≦ｉ この窓関数Ｗ［ｉ］において、ｉはフレーム（例えば１
６０サンプル）内のサンプル番号あるいはサンプル位置
であり、サンプリング周波数ｆｓを８ｋHzとしている。
【００８５】また、この窓関数Ｗ［ｉ］に乗算されるパ
ルスゲインｇp は、有声音（少なくとも１バンドが有声
音）のとき、ｇp ＝０、無声音（全バンドが無声音）の
とき、ｇp ＝ｐｃとする。このＵＶ窓かけ処理が施され
た出力信号ＳW ［ｉ］は、無声音合成部３８からの出力
信号をＳUV［ｉ］として、 ＳW ［ｉ］＝ＳUV［ｉ］×（１＋ｇp ×Ｗ［ｉ］） となる。図８は、この式中の無声音信号ＳUV［ｉ］に対
する乗算係数（１＋ｇp×Ｗ［ｉ］）を示すグラフであ
る。
ルスゲインｇp は、有声音（少なくとも１バンドが有声
音）のとき、ｇp ＝０、無声音（全バンドが無声音）の
とき、ｇp ＝ｐｃとする。このＵＶ窓かけ処理が施され
た出力信号ＳW ［ｉ］は、無声音合成部３８からの出力
信号をＳUV［ｉ］として、 ＳW ［ｉ］＝ＳUV［ｉ］×（１＋ｇp ×Ｗ［ｉ］） となる。図８は、この式中の無声音信号ＳUV［ｉ］に対
する乗算係数（１＋ｇp×Ｗ［ｉ］）を示すグラフであ
る。
【００８６】以上のようにして合成され、窓かけ処理さ
れた無声音信号がＵＶ窓かけ処理部５２から取り出さ
れ、上記加算部４１に送られて、有声音合成部３７から
の信号と加算され、出力端子４２より最終的な音声信号
が取り出される。
れた無声音信号がＵＶ窓かけ処理部５２から取り出さ
れ、上記加算部４１に送られて、有声音合成部３７から
の信号と加算され、出力端子４２より最終的な音声信号
が取り出される。
【００８７】なお、上記図１の音声分析側（エンコード
側）の構成や図６の音声合成側（デコード側）の構成に
ついては、各部をハードウェア的に記載しているが、い
わゆるＤＳＰ（ディジタル信号プロセッサ）等を用いて
ソフトウェアプログラムにより実現することも可能であ
る。
側）の構成や図６の音声合成側（デコード側）の構成に
ついては、各部をハードウェア的に記載しているが、い
わゆるＤＳＰ（ディジタル信号プロセッサ）等を用いて
ソフトウェアプログラムにより実現することも可能であ
る。
【００８８】なお、本発明は上記実施例のみに限定され
るものではなく、例えば、上記図１の音声分析側（エン
コード側）の構成や図６の音声合成側（デコード側）の
構成については、各部をハードウェア的に記載している
が、いわゆるＤＳＰ（ディジタル信号プロセッサ）等を
用いてソフトウェアプログラムにより実現することも可
能である。また、本発明が適用される高能率符号化方法
は、上記マルチバンド励起を用いた音声分析／合成方法
に限定されるものではなく、有声音部分に正弦波合成を
用いたり、無声音部分をノイズ信号に基づいて合成する
ような種々の音声分析／合成方法に適用でき、用途とし
ても、伝送や記録再生に限定されず、ピッチ変換やスピ
ード変換、あるいは雑音抑圧のような種々の用途に応用
できることは勿論である。
るものではなく、例えば、上記図１の音声分析側（エン
コード側）の構成や図６の音声合成側（デコード側）の
構成については、各部をハードウェア的に記載している
が、いわゆるＤＳＰ（ディジタル信号プロセッサ）等を
用いてソフトウェアプログラムにより実現することも可
能である。また、本発明が適用される高能率符号化方法
は、上記マルチバンド励起を用いた音声分析／合成方法
に限定されるものではなく、有声音部分に正弦波合成を
用いたり、無声音部分をノイズ信号に基づいて合成する
ような種々の音声分析／合成方法に適用でき、用途とし
ても、伝送や記録再生に限定されず、ピッチ変換やスピ
ード変換、あるいは雑音抑圧のような種々の用途に応用
できることは勿論である。
【００８９】
【発明の効果】以上の説明から明らかなように、本発明
に係る音声信号の符号化装置によれば、入力音声信号を
時間軸上でブロック単位で区分して各ブロック単位で符
号化を行う音声信号の符号化装置において、各ブロック
毎に有声音か無声音かを判別し、上記入力信号の上記ブ
ロック内の最大値を検出し、この検出された最大値近傍
の小ブロックの平均レベルと前後の小ブロックの各平均
レベルと算出して、これらの各小ブロックの平均レベル
に基づいてパルス性ノイズか否かを分類すると共にパル
ス性ノイズの状態を示す情報を求めて伝送しているた
め、このパルス性ノイズの状態を合成側で知ることがで
き、子音等の不明瞭感や残響感の発生を未然に防止する
ことができる。また、無声音（ＵＶ）と判別されたブロ
ックでは、ピッチ情報を送る必要がないことから、この
ピッチ情報を送るためのスロットに上記無声音のパルス
性ノイズの状態を示す情報を入れ込んで送ることによ
り、データ伝送量を増やすことなく、再生音（合成音）
の質を高めることができる。
に係る音声信号の符号化装置によれば、入力音声信号を
時間軸上でブロック単位で区分して各ブロック単位で符
号化を行う音声信号の符号化装置において、各ブロック
毎に有声音か無声音かを判別し、上記入力信号の上記ブ
ロック内の最大値を検出し、この検出された最大値近傍
の小ブロックの平均レベルと前後の小ブロックの各平均
レベルと算出して、これらの各小ブロックの平均レベル
に基づいてパルス性ノイズか否かを分類すると共にパル
ス性ノイズの状態を示す情報を求めて伝送しているた
め、このパルス性ノイズの状態を合成側で知ることがで
き、子音等の不明瞭感や残響感の発生を未然に防止する
ことができる。また、無声音（ＵＶ）と判別されたブロ
ックでは、ピッチ情報を送る必要がないことから、この
ピッチ情報を送るためのスロットに上記無声音のパルス
性ノイズの状態を示す情報を入れ込んで送ることによ
り、データ伝送量を増やすことなく、再生音（合成音）
の質を高めることができる。
【００９０】また、本発明に係る音声信号の復号化装置
によれば、音声信号の符号化装置から、入力音声信号を
時間軸上でブロック化した各ブロック毎に、有声音か無
声音かの判別情報と、ピッチ情報と、スペクトルの振幅
情報と、無声音と判別されたブロック内のパルス性ノイ
ズの状態を示す情報とが供給される音声信号の復号化装
置であって、上記判別情報、ピッチ情報、振幅情報に基
づいて有声音及び無声音をそれぞれ合成し、上記パルス
性ノイズの状態を示す情報に基づいて上記無声音合成部
からの無声音信号に窓かけ処理を施しているため、合成
側で無声音とされたブロック内のパルス性ノイズの状態
を再現することができ、ｓ，ｔ，ｐ，ｋ等の強い子音の
再現性を向上することができる。
によれば、音声信号の符号化装置から、入力音声信号を
時間軸上でブロック化した各ブロック毎に、有声音か無
声音かの判別情報と、ピッチ情報と、スペクトルの振幅
情報と、無声音と判別されたブロック内のパルス性ノイ
ズの状態を示す情報とが供給される音声信号の復号化装
置であって、上記判別情報、ピッチ情報、振幅情報に基
づいて有声音及び無声音をそれぞれ合成し、上記パルス
性ノイズの状態を示す情報に基づいて上記無声音合成部
からの無声音信号に窓かけ処理を施しているため、合成
側で無声音とされたブロック内のパルス性ノイズの状態
を再現することができ、ｓ，ｔ，ｐ，ｋ等の強い子音の
再現性を向上することができる。
【図１】本発明に係る音声信号の符号化装置の一実施例
として、音声信号の分析／合成符号化装置の分析側の概
略構成を示す機能ブロック図である。
として、音声信号の分析／合成符号化装置の分析側の概
略構成を示す機能ブロック図である。
【図２】窓かけ処理を説明するための図である。
【図３】窓かけ処理と窓関数との関係を説明するための
図である。
図である。
【図４】直交変換（ＦＦＴ）処理対象としての時間軸デ
ータを示す図である。
ータを示す図である。
【図５】周波数軸上のスペクトルデータ、スペクトル包
絡線（エンベロープ）及び励起信号のパワースペクトル
を示す図である。
絡線（エンベロープ）及び励起信号のパワースペクトル
を示す図である。
【図６】本発明に係る音声信号の復号化装置の実施例と
しての音声信号の分析／合成符号化装置の合成側の概略
構成を示す機能ブロック図である。
しての音声信号の分析／合成符号化装置の合成側の概略
構成を示す機能ブロック図である。
【図７】ＵＶ窓かけ処理部において用いられる窓関数の
一例を示すグラフである。
一例を示すグラフである。
【図８】ＵＶ窓かけ処理部において無声音信号に乗算さ
れる信号の一例を示すグラフである。
れる信号の一例を示すグラフである。
１３・・・・・ピッチ抽出部 １４・・・・・窓かけ処理部 １５・・・・・直交変換（ＦＦＴ）部 １６・・・・・高精度（ファイン）ピッチサーチ部 １７・・・・・有声音／無声音（Ｖ／ＵＶ）判別部 １８Ｖ・・・・・有声音の振幅評価部 １８Ｕ・・・・・無声音の振幅評価部 １９・・・・・データ数変換（データレートコンバー
ト）部 ２０、２７・・・・・ベクトル量子化部 ２４・・・・・最大値検出部 ２６・・・・・局所ＲＭＳ算出部 ２７・・・・・パルス分類部 ２８、５１・・・・・切換スイッチ ３７・・・・・有声音合成部 ３８・・・・・無声音合成部 ４１・・・・・加算部 ４３・・・・・ホワイトノイズ発生部 ４４・・・・・窓かけ処理部 ４６・・・・・バンド振幅処理部 ４８・・・・・オーバーラップ加算部 ５２・・・・・ＵＶ窓かけ処理部
ト）部 ２０、２７・・・・・ベクトル量子化部 ２４・・・・・最大値検出部 ２６・・・・・局所ＲＭＳ算出部 ２７・・・・・パルス分類部 ２８、５１・・・・・切換スイッチ ３７・・・・・有声音合成部 ３８・・・・・無声音合成部 ４１・・・・・加算部 ４３・・・・・ホワイトノイズ発生部 ４４・・・・・窓かけ処理部 ４６・・・・・バンド振幅処理部 ４８・・・・・オーバーラップ加算部 ５２・・・・・ＵＶ窓かけ処理部
Claims (7)
- 【請求項１】 入力音声信号を時間軸上でブロック単位
で区分して各ブロック単位で符号化を行う音声信号の符
号化装置において、 各ブロック毎に有声音か無声音かを判別する手段と、 上記入力信号の上記ブロック内の最大値を検出する手段
と、 この検出された最大値近傍の小ブロックの平均レベルと
前後の小ブロックの各平均レベルと算出する手段と、 これらの各小ブロックの平均レベルに基づいてパルス性
ノイズか否かを分類すると共にパルス性ノイズの状態を
示す情報を求める手段とを有することを特徴とする音声
信号の符号化装置。 - 【請求項２】 上記パルス性ノイズの状態を示す情報
は、上記無声音と判別されたとき、上記有声音判別時の
ピッチ情報に代えて送ることを特徴とする請求項１記載
の音声信号の符号化装置。 - 【請求項３】 上記有声音／無声音の判別手段は、信号
レベル、信号のゼロクロスカウント数、及びピッチ検出
のためのＬＰＣ残差の自己相関の最大値の少なくとも１
つを用いて判別を行うことを特徴とする請求項１又は２
記載の音声信号の符号化装置。 - 【請求項４】 マルチバンドエクサイテイションを用い
た音声分析／合成方法により音声信号の符号化が行われ
ることを特徴とする請求項１、２又は３記載の音声信号
の符号化装置。 - 【請求項５】 上記ブロック内の終端位置近傍に上記最
大値が存在するとき、次のブロックの最大値サーチ開始
位置を、前ブロックの上記平均レベル検出のための小ブ
ロックの終了点の次の位置とすることを特徴とする請求
項１、２、３又は４記載の音声信号の符号化装置。 - 【請求項６】 上記パルス性ノイズの状態を示す情報と
して、上記最大値が存在する上記小ブロックの平均ｒｍ
ｓ値ｒ１と、該小ブロックの次の小ブロックの平均ｒｍ
ｓ値ｒ２との比ｒ１／ｒ２を用いることを特徴とする請
求項１、２、３、４又は５記載の音声信号の符号化装
置。 - 【請求項７】 音声信号の符号化装置から、入力音声信
号を時間軸上でブロック化した各ブロック毎に、有声音
か無声音かの判別情報と、ピッチ情報と、スペクトルの
振幅情報と、無声音と判別されたブロック内のパルス性
ノイズの状態を示す情報とが供給される音声信号の復号
化装置であって、 上記判別情報、ピッチ情報、振幅情報に基づいて有声音
を合成する有声音合成部と、 上記判別情報、ピッチ情報、振幅情報に基づいて無声音
を合成する無声音合成部と、 上記パルス性ノイズの状態を示す情報に基づいて上記無
声音合成部からの無声音信号に窓かけ処理を施す無声音
窓かけ処理部とを有することを特徴とする音声信号の復
号化装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP5245745A JPH07104793A (ja) | 1993-09-30 | 1993-09-30 | 音声信号の符号化装置及び復号化装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP5245745A JPH07104793A (ja) | 1993-09-30 | 1993-09-30 | 音声信号の符号化装置及び復号化装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH07104793A true JPH07104793A (ja) | 1995-04-21 |
Family
ID=17138170
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP5245745A Withdrawn JPH07104793A (ja) | 1993-09-30 | 1993-09-30 | 音声信号の符号化装置及び復号化装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH07104793A (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002049383A (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 |
| WO2006121101A1 (ja) * | 2005-05-13 | 2006-11-16 | Matsushita Electric Industrial Co., Ltd. | 音声符号化装置およびスペクトル変形方法 |
-
1993
- 1993-09-30 JP JP5245745A patent/JPH07104793A/ja not_active Withdrawn
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002049383A (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 |
| WO2006121101A1 (ja) * | 2005-05-13 | 2006-11-16 | Matsushita Electric Industrial Co., Ltd. | 音声符号化装置およびスペクトル変形方法 |
| JP4982374B2 (ja) * | 2005-05-13 | 2012-07-25 | パナソニック株式会社 | 音声符号化装置およびスペクトル変形方法 |
| US8296134B2 (en) | 2005-05-13 | 2012-10-23 | Panasonic Corporation | Audio encoding apparatus and spectrum modifying method |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP3277398B2 (ja) | 有声音判別方法 | |
| JP3475446B2 (ja) | 符号化方法 | |
| KR100427753B1 (ko) | 음성신호재생방법및장치,음성복호화방법및장치,음성합성방법및장치와휴대용무선단말장치 | |
| JPH0869299A (ja) | 音声符号化方法、音声復号化方法及び音声符号化復号化方法 | |
| JPH096397A (ja) | 音声信号の再生方法、再生装置及び伝送方法 | |
| JP3680374B2 (ja) | 音声合成方法 | |
| JP3297751B2 (ja) | データ数変換方法、符号化装置及び復号化装置 | |
| 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 | |
| JP2001249698A (ja) | 音声符号化パラメータ取得方法、音声復号方法及び装置 | |
| JP3362471B2 (ja) | 音声信号の符号化方法及び復号化方法 | |
| JPH05297895A (ja) | 高能率符号化方法 | |
| JP3321933B2 (ja) | ピッチ検出方法 | |
| JP3271193B2 (ja) | 音声符号化方法 | |
| JP3398968B2 (ja) | 音声分析合成方法 | |
| JP3218681B2 (ja) | 背景雑音検出方法及び高能率符号化方法 | |
| JP3297750B2 (ja) | 符号化方法 | |
| JP3223564B2 (ja) | ピッチ抽出方法 | |
| JPH0744194A (ja) | 高能率符号化方法 | |
| JPH06202695A (ja) | 音声信号処理装置 | |
| JP2003216189A (ja) | 符号化装置及び復号装置 | |
| Chazan et al. | Low bit rate speech compression for playback in speech recognition systems | |
| JPH07104777A (ja) | ピッチ検出方法及び音声分析合成方法 | |
| JP3221050B2 (ja) | 有声音判別方法 | |
| JP3218680B2 (ja) | 有声音合成方法 | |
| Lukasiak | Techniques for low-rate scalable compression of speech signals |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A300 | Application deemed to be withdrawn because no request for examination was validly filed |
Free format text: JAPANESE INTERMEDIATE CODE: A300 Effective date: 20001226 |