JPH07500683A - 音声符号化補間に基づく時変スペクトル分析 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるため要約のデータは記録されません。

Description

【発明の詳細な説明】 音声符号化補間に基づく時変スペクトル分析発明の分野 本発明は、低ヒツトレート音声符号化に応用される、隣接信号フレーム間のノく ラメータ補間に基ついた時変スペクトル分析アルゴリズムに関する。

発明の１Ｙ景 近代的なデノタル通信方式では、音声符号化装置か中心的役割りを果す。このよ うな音声符号化装置およびアルゴリズムにより、音声信号は圧縮されて単位時間 当りに使用される情報ビｙ１〜数の少ないデジタル通信チャネルを介して送信で きるようにされる。その結果、音声チャネルに対する帯域幅条件か緩和され、そ れにより、例えば、移動電話システムの容量か増大する。

大容量を達成するには、低いビットレートで高品質に音声を符号化することかで きる音声符号化アルゴリズムか必要である。近年、高品質および低し・シトレー トに対する要望から、音声符号化アルゴリズムに使用されるフレーム長か長くな ってしまうことかしばしは生している。フレームには１組の音声ノくラメータを 計算するために現在処理中の時間間隔に常駐する音声サンプルか含まれてしする 。典型的には、フレーム長は２０ｍ５から４０ｍ５−″＼増長される。

フレーム長か増長すると、音声信号の高速な遷移に以前はと正確には追従できな くなる。例えば、声道の動きをモデル化する線形スペクトルフィルタモデル音声 か分析されるｌフレーム中は一定と仮定される。しかしなから、４０ｍＳフレー ムに対しては、スペクトルか高速に変化することかあるため、この仮定は当ては まらない。

多くの音声符号器において、声道の効果は線形フィルタによりモデル化され、そ れは線形予測符号化（ＬＰＧ）分析アルゴリズムにより得られる。線形予測符号 化についてはＰｒｅｎｔｉｃｅ　Ｈａｌｌ　、第８章、１９７８年のり．　Ｒ． 　ＲａｂｉｎｅｒおよびＲ。

Ｗ．　Ｓｃｈａｆｅｒの”音声信号のデジタル処理”に開示され、参照としてこ こに組み入れられる。ＬＣＰ分析アルゴリズムは音声信号のデジタル化されたサ ンプルのフレームに作用して、音声信号に及ばず声道の影響を記述する線形フィ ルタモデルか生成さ第１る。次に、線形フィルタモデルのパラメータか量子化さ れ、他の情報と共に復号器へ送られ、そこで音声信号を再構成するのに使用され る。大概のＬＰＣ分析ア／Ｌゴリズｌ、か、時不変フィルタモデルをフィルタパ ラメータの高速更新と組合せて使用している。フィルタパラメータは通常フレー ムごとに１回送信され、典型的には２０ｍ５長である。ＬＰＣ分析フレーム長を ２０ｍ５よりも長くすることによりＬＰＧパラメータの更新速度を低下させると 、復号器の応答か低下して再構成される音声はより不明瞭なものとなる。スペク トルの時間的変化により推定されるフィルタパラメータの精度も低下する。さら に、スペクトルフィルタの誤しデル化により音声符号器の池の部分も悪影響を受 ける。したかつて、線形の時不変フィルタモデルに基づ〈従来のＬＰＣ分析アル ゴリズｊ、では、音声符号器のピノトレー１−を低減Ｖるために分析フレーＩ、 長を増長する場合、音声のフォルマン１へに追従するのか困難となる。非常にノ イズの多い音声を符号化する場合には、さらに欠点か牛しる。したかって、音声 モデルのパラメータの充分な精度を得るには、沢山の音声サンプルを含むことか できる長い音声フレームを使用する必要がある。時不変音声モデルの場合には、 前記フすルマント追従能力によりこれは不可能である。この影響は、線形フィル タモデルを明示的な時変性とすることにより相殺することかてきる。時変スペク トルに推定アルゴリズムはＰｈ１ｌｉｐｓ　Ｊ、　Ｒｅｓ、　、第３５、第２１ ７−２５０頁、第２７６〜３００頁、第３７２〜３８９頁、１９８０年、のＴ、 Ａ、Ｃ，Ｇ、　Ｃ１ａａｓｅｎおよ１．　Ｆ、　Ｇ　λ１ｅｃｋｌｅｎｂｒａｕ ｋｅｒの論文′°ウィダナカー布二時間〜周波数信号分析用ツーＪじ、および（ 明り弁圧（酊可１ｈ、、第４１巻、第９２９〜９９６頁、１９８８年、の１．　 Ｄａｕｂｅｃｈｉｅｓの論文“コレバクトに支持さ第１た小波の正規直交ヘース ”に開示されここに参照どして組み入れら第１るさまざまな変換技術から１成す ることかできる。しかしながら、これらのアルゴリズムは前記した線形フィルタ 構造を持たないため音声符号化にはあまり適さない。したかって、これらのアル ゴリズムは既存の音声符号化方式と直接的互換慴はない。また、従来の時不変ア ルゴリズムをいわゆる忘却要因（ｆｏｒｇｅｔｉｎｇ　ｆａｃｔｏｒｓ）　、す なわち等測的に、ｌｎＬ　Ｊ、　Ａｄａｐｊｉｖｅ　Ｃｏ　ｔｒｏｔＳｉｇｎａ ｌ　Ｐｒｏｃｅｓｓｉｎｇ　、　Ｆ　１巻、第１号、第３〜２９頁、１９８７年 のＡ、　Ｂｅｎｖｅｎｉｓｌｅの論文一時変ノステＩ、ラッギング用適応アルゴ リズムの設計”に記述されここに参照どして組み入れられる指数窓かけ（ｅｘｐ ｏｎｅｎｔｉａｌ　ｗｉｎｄｏｗｉｎｇ）ど組合せて使用することにより時変性 か得ら第１ることもある。

明示的時変音声モデルに基づく公知のＬ））Ｃ分析アルゴリズムは２つ以−１− のパラメータ、すなわち、バイアスおよび勾配、を使用して最低次時変状況にお ける巻、第４弓−１第８９９〜９＋１頁、１１８３年、のＹ、　Ｇｒｅｎｉｅｒ の論文０非静止信号の時間依（γ△ＲＭＡモデリング”に開示され、参照として ここに組み入れらオ］る。この方法の欠点はモデルの次数か高くなって計算の複 雑さか増すことである。

一定の音声フし−ｊ、長に対するａ声ザンブル／自白パラメータ数か減少し、推 定精度か低下することを意味する。隣接する音声フレーム間の補間は使用さ第１ ないため、さまさまな音声フレームのパラメータ間の結合はない。その結果、現 在の音声フレーｌ、のＬＰＣパラメータを改善するために１音声フレームを超え る符号化遅延を使用することかできない。さらに、隣接フレーム間の補間を利用 しないアルゴリスムはフレーム境界にまたがるパラメータ変動を側副てきない。

これにより過渡現象か生じて音声品質か低下することかある。

発明の要約 本発明により、隣接音声フレーム間の補間に基づく時変フィルタモデルを利用し て前記問題か完服され、それは結果として得られる時変ＬＰＣアルゴリズＩ、か 隣接フレーｌ、のパラメータ間の補間を引き受けることを意味する。時不変ＬＰ Ｇ分析アルゴリズムに較へて、本発明は特に長い音声フレーム長に対して音声品 質を改善するＬＰＧ分析アルゴリズムを開示するものである。補間に基弓く新し い時変ＬＰＣ分析アルゴリズムでは長いフレーム長か許されるため、非常にノイ ズの多い状況において品質を改善することかできる。これらの利点を得るのにヒ ラ１〜レートを高くする必要かない点は重要である。

本発明は明示的な時変フィルタモデルに基つく他の装置に較へて次のような利点 を有している。数学的問題の次数か低くなり８１算の復堆さか軽減される。１− 数のパラメータしか推定するｌ・要かないため、次数を低くすることにより推定 される音声モデルの精度も高くなる。隣接フレーム間の結合により、ＬＰＧパラ メータの遅延判断符号化を刷ることかできる。フレーム間の結合は音声モデルの 補間に直Ｊ＆ｆＡ’（７する。推定されるｈ声モデルはＬＴＰおよびＰｒｏｃ、 　Ｉｎｔ、　Ｃｏｎｆ、　ＣｏｒｒｒｎＩｃｃ−８４、第１６１０−１６１３頁 、１９８４年、のＢ、Ｓ、　ＡｔａｌおよびＭ、Ｒ３ｃｈｒｏｅｄｅｒの論文” ）］常に低ヒソ１−レー１−における音声信号の確率的符号化”および１９８８ 年度汀響、音声、お才び信号処理国際会議、第１５５〜１５８頁、１９８８年、 のＷ、　Ｂ、ＫＩｉｊｉｎ、　Ｄ、Ｊ、にｒａｓｉｎｓｋｉ、　Ｒ，ｔｌ、にｅ ｔｃｈｕｍの論文−３ＥＬＰにおける音声品質改良および効率的ヘタトル量子（ じに開示され参照としてここに組み入れられているＣＥＬＰ符号器等のイノへ一 ソヨン符号化において標準とされているＬＰＧパラメータのサブフレーム補間に 対して最適化することかできる０これは区分的に一定（ｐｉｅｃｅｗｉｓｅ　ｃ ｏｎｓｔａｎｔ）の補間方式を仮定して行われる。

また、隣接フレー１、間の補間によりフレーム境界をまたぐフィルタパラメータ の連続追跡か保証さ第１る。

例えは変換技術を使用する。他のスペクトル分を斤装置と較へた場合の本発明の 利点は、コーデイングをさらに修正することなく本発明を現在の多くの符号化方 式のＬ　Ｐ　Ｃ分析ブロックと置換できることである。

図面の簡単な説明 次に、単なる例として添（・ｊ図に示す本発明の実施例を参照して本発明の詳細 説明を行い、ここに、 第１図は一つの特定フィルタパラメータ、ａｌの補間を示し、第２図は本発明に 使用する重み関数を示し、第３図は本発明により得られる一つの特定アルゴリズ ムのブロック図を示し、第」図は本発明により得られるもう一つの特定アルゴリ ズムのブロック図を示す。

実施例の詳細説明 以下の説明は可搬へ１すなわち移動電話および／もしくはパーソナル通信ネソｈ ツークを含むセルラー通信システムに関してなされるか、当業育てあれは本発明 はｒ＋ｈの通信応ＦＴＩ　ｉこも適用できることか理解できるだろう。特に、本 発明で開示されるスペクトル分析技術はレーダーノステｌ６、ソナー、Ｉｆｉ！ 震信号処理および自動側副方式における最適予測に使用することもてきる。

スペクトル分ｔｎを改善するために、次の時変全極（ａｌ　１−ｐｏｌｅ）フィ ルタモデルは各フレーム内のデータのスペク］・ル形状を発生するものと仮定す る、ここに、ｙ（ｔ）は離散化データ信号でありｅ（ｔ）は白色雑音信号である 。逆ンフｌ−７寅算了（ｂａｃｋｗａｒｄ　５ｈｉｆｔ　ｏｐｅｒａｔｏｒ）　 ｑ−’　（ｑ−”ｅ　（ｔ）　＝ｅ　（ｔ　−ｋ））のフィルタ多項式Ａ　（ｑ −’、ｔ）は次式で与えられる。

他のスペクｉ・ル分析アルゴリズｌ、と比較した場合の違いは、フィルタパラメ ータかここでは新しく規定された方法でフレーム内て変化てきることである。

パラメータベクトルθ（１）および回帰／＼りｉ−ルψ（１）か次式で与えられ ると、信号ｙ（ｔ）の最適予測は次式で表わすことかできる。

スベクｊ・ル七デルをａＹ細に記述するには、いくつかの記法を導入する必要か ある。以下、トイ■き文字（）−１（）０および（）４はそれぞれ前、現在およ び次フレームを表わす。

Ｎ　１フレー１、内のづンブル数 ｔ　現在フレームの始めから数えて第を番目のサンプルｋ　Ｌ、ＰＣ分析の１′ ル−ム内で使用され部分区間数ｍ　パラメータか符４ｊ化される、すなわち実際 のパラメータか発生する部分区間 ｊ　現６４のフｌノーｊ、の始ぬから数えて第ｊ番［１の部分区間を示す指標１ 　第１番１１のフィルタパラメータを示す指標ａ、（ｊ（ｔ））　第ｊ番部分区 間内の第１番フィルタパラメータの浦闇値。ｊ（、ｔｔの関数となる。

ａ　ｌ（ｍ　ｋ）＝ａ　１−’　前のａ声フレーム内の実パラメータベクトルａ 、＜ｍ）＝ａ、’　現〆１．の音声フレーム内の実バーラメータベクトルａ　１ （ｍ＋−ｋ）・ａ、゛　次の汀声フレー１、内の実パラメータへり１−ル本実施 例では、スペクトル平滑化はａパラメータの補間を利用する。さらに、当業育て あれは、反射係数、面積係数（ａｒｅａ　ｃｏｅｆｆｉｃｉｅｎＤ　、対数面積 （Ｉｅｇ−ａｒｅａ）パラメータ、対数面積比（ｌｏｇ−ａｒｅａ　ｒａｔｉｏ ）パラメータ、フ（ルマント周波数と対しＵする帯域幅、線スペクトル平滑化、 アークサインパラメータおよび自己相関パラメータ等の他のパラメータの補間を スペクトル平滑化に利用できることかお判りと思われる。これらのパラメータに よりパーラメータか非線形であるスペクトル平滑化か得られる。

次に、第」図からパラメータ化について説明を行う。サブフレームｍ−に、ｋ。

およびｍ十に間で区分的に一定した補間を行うというアイデアである。しかしな がら、恐らくは３フレーム以」二にまたがる、区分的に一定した補間以外の補間 も可能である。特に、部分区間数ｋか１フレーム内のサンプル数Ｎに等しけれは 、補間は線形となる。ａ、−はｎｆのフレームの分析がら判−っているため、デ ータとモデル出力どの差の一乗の和を最少限に抑えて（１式）、ａｌｏおよび（ 恐らくは）　ａｌ　”を決定するアルゴリズＩ、を公式化することができる。

第１図に第１番ミーパラメータの補間を示す。軌道の破線はａｔ　（Ｊ　（ｔ） ）を計算するために補間が使用される部分区１１１１を示し、図においてＮ＝　 ＋　６０およびに＝ｍ−４である。

補間により、例えは、第１番目のフィルタパラメータは次式で表わされる。

ａ、す（仁１１＝ａ７−二カ旦＋ａ’Ｗ　、　ｍ−ｋｓｊ　（ｅｌ　＜ｍ）＜　 Ｉ　ｋ （７式） ％式％）（ 次の東み関数を導入すると便利である。

ｗ−１ｊ（ｔ）　、に、ｍｌ　−〃♀−■駐、　ｒｎ−２ｋｓｊ（ｔｌ　ｃｍ− ｋｗＥｊ（ｔ）、に、ｍ＋ｌ＋Ｑ、ｏｔｈｅｒｗｉｓｅ＋４１０（ｊ（ｔ）、に 、ｍ）　＝　ｏ、ｏｔｈｅｒｗｉｓｅ−〇（ｔｌ　、に、ｍ）　＝　Ｏ，ｏｔｈ ｅｒｗｉｓｅ第２図はＮ＝＋６０に対する重み関数Ｗ−（ｔ、　Ｎ、　Ｎ）、Ｗ ’　（ｔ、　Ｎ。

Ｎ）、およびＷ’　（ｔ、　Ｎ、　Ｎ）を示す。（式７）〜（式１０）を１史用 ずれは、ａｌ　（Ｊ　（ｔ））は次のような簡りｔな式て表オ）すことかてきる 。

（６式）はθ（【）、すなわぢａ、（Ｈｔ））で表わすことかできることをお１ ′クリ願いｌこい。（１１式）はこれらのパラメータか実際１真の未知数、すな わちａｌ　”　＋　ａｌ゛およびａｌ゛の線形結合であることを示している。全 てのａｌ　（ｊ　Ｎ）’）に対して重み関数か同しであるため、これらの線形結 合はヘク）ル和どして公式化することかできる。そのために次のバラメークヘク Ｉ・ルか導θ−＝　＜ａ、−、、、ａ；）”　（ｌ　２式）θ°・（ａｌ゛・・ ・ａ；”　（１４式）すると、　（１１式）から次式か得られる。

θ（ｊ（ｔ））＝ｙ（ｊ（ξ）、に、ｔｎ）θ−＋ｗ０ｊｊ（ｔ）　、に、ｔｎ ）θ”ｌ’　（ｊ（ｔ）、に、ｍ７９番（１５式） この線形結合を使用ずれは、モデル（６式）は次のような従来の線形回帰により 表現することかできる。

ソ（仁）−６Ｔφ（員　（１１３式） ％式％）（ （１８式） これてモデルの検討を終る。

次に、モデルおよびアルゴリズムにスペクトル平滑化か組込まれる。例えはハミ ング窓等のプリウィンドイング（ｐｒｅ−ｗｉｎｄｏｗｉｎｇ）を行う従来の方 法を使用することかてきる。スペクトル平滑化はａｔ　（ｊ　（ｔ））を（６式 ）のａｌ　（Ｊ　（ｔ））／ρ１に置換してめることもてき、ここにρは０〜１ 間の平滑パラメータである。このようにして、推定ａパラメータは低減され子測 子モデルの庵はｌｊ位円の中心に向って移動してスペクトルか平滑化される。（ １６式）および（１８式）を次のように書甘えることによりスペクトル平滑化を 線形回帰モデルに組み入れることかてき、 ｙ（ｅｌ　＝θ（（ｔｌ　（１９式） ここに ９．ｆｅ）−（−ρ−”ｙ（ｅ−１）、、、−ｐ−’ｙ（ｒニーｎｌ＋’　（２ １式）Ｐｒｏｃ、ＩＣＡＳＳＰ、１９８４年のＳ、　Ｓｉｎｇｈａｌ　およびＢ 、Ｓ、　Ａｌａｌの論文゛低ヒツ１−レート多パルスＬＰＧコーデックの性能改 善”に記載され、参照としてここに組み入れられているように（２８式）および （２９式）の、システムに現れる相関の窓かけにより別のクラスのスペクトル・ １７滑化技術を利用することもてきる。

モデルは時変的であるため、各フ［、−ムの分析の後に安定度チェックを組み入 れる必要かあるかも知れない。時イミ変システムに対して公式化されてはいるか 、フィルタバラメ−々う・［Ｌ反射１♀数をｄｌ算オる従来の帰納法も有用であ ることか判−でいる。次に、ｉｓｌ　、ｊ、　；　、１ｔｌｔ一定された００ベ クトルに対しａ、する反射係数か、第１算され、その（き箕用よＩ曇、ＩＸさい かとうか調へられる。時変性に対処するために１よりも幾・針、１第ヒ・安全係 数を謀むことかできる。直接極を５１算するかもしくは≦ｃｈ１：ｒ−Ｃ５）ｈ ｎ　、１ＬＩｒ〜・テス［・を使用してモデルの安定度を調へることもてきる。

Ｅ＝′Ｌつ・石安定であれは、いく−′つかのアクションか考えられる。第１に 、ａ、（ｊ　（Ｎ’）をλ’　ａｌ　（ｊ　（Ｈ）と置換することかでき、λは ０−１間シー）定数である。前記したように、次にモデルか安定化するまでよＩ ）小さなλに対して安定度デストか繰り返さ第１る。ちう一つの＋＋ｌ能性は中 位円内にミラーのある不安電極の置換により、モデルの極を；ｔ［して次にイ・ 安定棒だけを安定化させることである。こ１１はフィルタモデルのスペク］・ル 形状に影響を及はさないことか良く知られている。

１ｉ　１．、いスペ９トノ［分析アノ（コリズノ、は全で次の規範から導出され る。

“Ｑ（６１＝Σ弓１ｔ、Ｂ”ｒ“Σ（ｙ（ｔ）−８’＄・＋Ｃ＋＋’　（２２式 ）％式％ １“［ｔ１′’−２］　＜　２３式） はモデルか最適化される期間である。ψ（１）の定義により、貫の前のｎ個の特 別なサンプルか使用されることに注意のこと。

■を使用すれは、遅延を使用して品質を改善することかてきる。ｎ；ｊ記したよ うに、θ−は前のフレームの分析から判っているものとする。こオ］は規範７ρ ００）を次のように表わせることを意味し、 ここに、ｙ　（ｔ）は公知の量であＪ）、か−）、φ：’（ｔ）　＝　（ｗｏ（ ｊ（ｃ）、に、ｍ１ｑｒ；（ｃｌ　ｗｏすＩｃ）　、に、ｍ）ｃｐ、ｌｔｌ　＋ ’（２６式） 旧データの指数関数的忘却を達成するために、規範に指数関数重み係数を導入す るのか直接的である。

音声モデルか次の音声フし・−ム内のパラメータにより影響されるようなサイズ の最適化間隔Ｉのケースか最初に処理される。これはθ０の正しし市り定を行う のにθ゛ち５１算する必要かあることを意味する。θ゛はＡ１算されるか必ずし も復号２ｇへ送信する・必要はない、ことをお判り願いたい。そのための代償は 現在のａ声フレーｊ、の部分区間ｍまてしか音声をｉＴ１構成できないため復号 器かさらに遅延を生しることである。したかって、アルゴリズムは遅延判断時変 ＬＰＧ分析アルゴリズｌ、と解釈することも一〇きる。サンプリンタ間隔をＴｅ 秒と仮定すると、アルゴリズムによる総遅延は現在フレームの始２〆）からノＪ ウントするど次式のようになる。

規範の般１ｐ化（２４Ｊいは線形回帰の最小−気乗最適化理論から牛し７る。し ７たか−って、最適パラメータへりトルθ０゛は１次ｌＪ程式系からめられる。

ブｊｆＪｒ“式系（２８式）はこのような方［１式系の（Ｌ意の標準解法により 解くことかてきる。ｊｉ　ｆ’ｉＪ式（２８式）の次数は２ｎである。

第３図に線ＩＴ３ｒｉｌ！ＩＩＲ号化分ＦＪｉ法か隣接フレーム間の補間に基づ いている本発明の一実施例を示す。特に、第３図はガウス消去法を使用して方程 式２８（２８式）により定義さオ］る信号分析を示している。最初に、スペクト ル平滑化のためにＭ％倍信号窓関数５２を乗算することかてきる。こうしてｉ！ ７られる信号５３はフし＝７、ヘースカ式でノリファ５４内に記憶される次に方 程式（２１式）により定義さイする回帰信号或いは回帰ベクトル信号５５を発生 するのにバッファ５４内の信号か使用される。回帰ベクトル信号５５の発生ては スペクトル平滑化パラメータを利用して゛「滑出された回帰へりトル信号か発生 される。次に、回帰ベクトル信吋５５には、それぞれ９式および１０式により定 義される、重み係数５７および５８か乗しられて第１絹の信号５９か発生される 。第１組の信号は２６式により定義される。次（二第１組の信号５９および後記 する第２組の信号６９から、２８式により定義される１次方程式系６０か構成さ れる。本実施例において、方程式系は）Ｊｒ″ノス消去法６１を使用して解かれ 現在フレーム６３および次フレーム６２に文１するパラメータベクトル信号か得 られる。ガウス消去法はＬＵ分解を利用することかできる。ｊｊ程式系はＱＲ因 数分解、Ｌｅｖｅｎｂｅｒｇ−Ｍａｒｑａｒｄｊ法、もしくは再帰アルゴリスｊ 、により解くこともてきる。スペクトルモデルの安定度は安定ＩＩ　ｆ１正装置 ６４ヘパラメータヘタトル信号をイ」Ｌ給して確保することかできる。現在フレ ーｊ、の安定化されたベラメータベクトル信号はバッファ６５へ送られてパラメ ータベクトル信号は１フレームたけ遅延さオ］る。

前記した第２絹の信′；′ｆｅ９は最ρノに（８式）で定義される重み関数５６ を回帰ベタ１−ル信弓５５に乗して構成される。次に、こうして得られる信号に 前フレーム６６のパラメータベクトル信号か乗しら第１て信号６７か得ら第１る 。次に、信号６７をバッファ５４に記憶された信号と結合して、２４式で定義さ れる第２絹の信け６９かｉすられる。

Ｉか現在フレームの部分区間ｍを越えない場合には、Ｗ’　（ｊ　（ｔ）、ｋ。

ｍ）はゼロに等し；か−）（２５式）および（２６式）から（２８式）の最後の ｎ式の右および左側かヒロに低減する。最初のｎ式か次のように最少化問題の解 答を構成する。

に−”すｆｔ＋、に、ｍ）ψ。（ｍｌ中：（ｍｌ　）！３°＝”ｆ）ｔ（ｔ）ｗ ｏ（ｊ（ｔ＋、に、ｍ）ｔｐＪｔ＞（２９式） 前と同様に、これはけ準最小二乗問題でありフィルタパラメータの時間変化を捕 獲するためにデータの東み（１けか修正されている。（２９式）の次数は前記２ ｎてはなくｎとなる。（２９式）により生じる符号化遅延はやはり（２７式）て 表才）されるか、第２＜ｍＮ／にとなる。

第４図に本発明のもう一つの実施例を示し、ここでは線形予測符号化分析法か隣 接フ（ノーム間の補間に基づいている。特に、第４図は２９式で定義さ第１る信 号分析を示す。最初に、離散化信号７０に窓関数信号７１を乗してスペクトルモ デルを行うことかできる。次に、こうして得られる信けは）し−ムペース方式て ノ＼ソファ７３内に記憶される。次に、バッファ７３内の信号はスペクトル平滑 化ノくラメータを利用して、（２１式）により定義される回帰信号或いは回帰ヘ クｌ−ル信号７４の発生に使用される。次に、第１組の信号を発生するために、 回帰ヘク）・圧信号７４に（９式）で定義される重み係数７６か乗しられる。（ ２９式）により定義される１次方程式系か第１組の信号および後記する第２組の （３号８５により構成される。方程式系を解いて現在フレーム７９に対するパラ メータへ２トル信号か得られる。パラメータヘクＩ・圧信号を安定度修正装置８ ０へ送ることによりスペクトルモデルの安定度かめられる。安定化されたパラメ ータへり！−ル信号かバッファ８１へ送ら第１てパラメータムク１−ル信づは１ フレームだ（Ｊ遅延される。

前記した第２組の信号は最初に（８式）により定義される重み関数７５を回帰ベ クトル信号７４に二乗して構成される。次に、こ・ラシて得られる信号を前フレ ームのパラメータベタトル信号と結合して１３号８３を牛しる。次に、これらの 信号をバッファ７３からの信号と結合して第２絹の信号８５か得られる。

開示し７た方法はいくつかの方向に一般化することかできる。本実施例では、モ デルの修正およびより２ＩＪ率的なＩｆ［定値Ｊ（算アルゴリズムを導出する１ す能イ′１−に集中する。

モデル構造のｍ−）の修正は次の、Ｌうにフィルタモデル（１式）に分子多項式 を含めることである。

このモデルのアルゴリズムを構成する際の一つの代替策は、マザチコーセツ州、 ギヘ・ンブリノノ、ｌＪ、１．Ｔ、　Ｐｄ−ｅｓｓ、第２〜３童、１９８３年の １，１、ｊｕｎｇおよび５ｏｄｅｒｓｌｒθｍの論文“帰納的同定の理論および 実施”′に記載され、参照としてここに組み入れＬＥ、ねる、いわゆる予測誤差 最適化方法をｆφ用することである。

もう一つの修正は励起信号に関するものであり、それは公知のようにＣＥＬＰｎ 号器内のり、　Ｉ−’　Ｃ分析の後で計算さｔ］る。次に、この信号は分析の最 終段として１、、　ｌ）　Ｃパラメータを再度ｔＴｒ滴化するのに使用すること かできる。励起信号をｕ（１）で表わすと、適切ｌｊモデル構造は従来の方程式 誤差（ｅｑｕａｔｉｏｎ　ｅｒｒｏｒ）モデルとなｌ）、 Ａ（ｑ−’、Ｉ：ゝｙｌｔ＞−Ｅｌｑ当ｔ）　ｕ（ｅ）　＋ｅ（１：）　（３２ 式）Ｅ（ｑ−’、仁１−ｂ、（ｅｌ◆ｂ、（Ｃ）ｑ−’・、、、Ｊ、（ｃｌ炉・ 　（３３式）代替策はいわゆる出力誤差モデルを使用することである。しかしな がら、最適化には非線形探索アルゴリズムを使用する必要かあるため、これによ り計算」−の複雑さか増丈。前記したように、Ｂ多項式のパラメータはΔ多項式 のパラメータと全く同様に補間される。次式を導入することにより、ｑ　（む） 　＝　Ｉ−ｐ−”ｙ（ｔ−１）、、、−ｐ−Ｉ′ｙ（ｔ−ｎ）ｕ（ｔ）、、、ａ −’ｕＣｔ−ｍ））’（３７式） （３４式）〜（３７式）を前の表現と全て置換して（２８式）および（２９式） か依然成立す−ることを確証することかてきる。σはスペクトルモデルの分子多 項式に対しＬ、するスペクトルエ滑化係数を示す。

アルゴリスムを修正するもう一つの可能性はフレーム間で区分的一定ずなわち線 肘であるり外の補間を使用することである。補間方式は隣接する４つり−１−の 音声フレームにまたがることかある。また、さまさまなフレームてさまざまな方 式を使用するたけてなく、フィルタモデル（のさまざまなパラメータに対してさ まざまな補間方式を使用することもてきる。

（２８式）および（２９式）の解は標準がウス消去法により３１算することかで きる。最小二乗問題は標準形式であるため、他にもいくつかの可能性かｒγ在す る。

前記した°゛帰納的同定の理論および実施“に開示さオ］ているいわゆる７１− リクス反転補題を１、ｔ、■ずれは再帰アルゴリズム、を直接求めることかてき る。ＩＪ−Ｄ因数分解、ＱＲ因数分解、およびコレスキー因数分解等のさまさま な因数分解技術を応用すオ］は、これらのアルゴリズムのさまさまな変種か直接 求められる。

５１算上より２７１宇的に（２８式）および（２９式）を解くアルゴリズＩ、（ い才）ゆる“高速アルゴリスム”）を導出することかできる。いくつかの技術は 、この目的に使用することかてき、例えはＩｎｔ、　、１．　Ｃｏｎ１ｒ、、第 ２７巷、第１〜１９頁、１９７８年のり、　Ｌｊｕｎｇ、　Ｍ、　Ｍｏｒｆおよ びり、　Ｆａｌｃｏｎｅｒの論文゛°再帰准定方式における下り１トツ）・リク スの高速３１算”、およびＩＥＥＩミＴｒａｎｓ、　Ａｃｏｕｓ＋、、　５ｐｅ ｅｃｈ、　Ｓｉｇｎａｌの効率的解法”において使用され、参照としてここに組 み入れられる。高速アルゴリズｌ、の設置ｉ技術は、Ｐｒｏｃ、　ＩＥＥＥ、第 ７０巻、？ｆｒ８２９〜８６７頁、１９８２年のＢ、　Ｆｒ１ｅｄｌａｎｄｅｒ の論文“ａｒ、乙、処理における格子形フィルタ”およびそこで引用さねている 参照事項に要約されており、ここに参照として組み人第１られる。最てここに組 み入れられる）に記載さ第１ている様に、スペクトルモデルのパラメータの多項 式近似（幾何学１倫を使用した（１式ン）に基つくいわゆる洛了形アルゴリズｌ 、か７ＲめＬ）ねでいる。しかしながら、この方法は隣接音声フレーム内のパラ メータ間の補間に基つくものではない。その結果、問題の次数はここに示すアル ゴリズムの次数の少くとも２倍となる。

本発明の別の実施例ては、ここに開示する時変ＬＰＣ分析法は公知のＬＰＧ分析 アルコリス１、ど組み合わされる。時変スペクトルモデルをｆφ用しかつフレー ム間のスペクトルパラメータの補間を利用する最初のスペクトル分析かまず実施 される。次に、時不変法を便＋＋１して第２のスペクトル分析か実施される。次 に２つの方法を比較して最高品質か得られる方法か選定さ第１る。

スペクＩ・ルｔす析の品質を測定する第１の方法は離散化音声信号か逆スベク１ 〜ルフィルタモデルへ通される時に１１ら第１る電力低減を比較することである 。最高品質は最大電力低減に灯［、Ｌ：する。これはＴ−を同利得ｉＪ！Ｉｆ定 としても知られている。第２の方法は安定）、？　（小さい安全係数か組み込ま １１ている）には常に時変方法を使用することである。時変方法か安定でなけれ は、時不変スペクトル分析法か選択される。

本発明の特定実施例について説明および図解してきたか、当業芹ならば修正か可 能であるため、本発明はそれに限定さ第１るものではない。ここに開示され請求 される根本的発明の精神および範囲内に入るいかなる修正も全て本発明に含まれ るしのとする。

Claims (1)

1. 【特許請求の範囲】 １．時変スペクトルモデルを使用する信号フレームのスペクトル分析法であって 、 前、現在、および次のフレーム間のパラメータ信号の補間を利用したフィルタモ デルを使用してスペクトルをモデル化し、信号をサンプルして一連の離散サンプ ルを得、そこから一連のフレームを構成し、 前記信号から回帰信号を計算し、 該回帰信号を平滑化パラメータと結合させてスペクトルを平滑化し、平滑化され た回帰信号を得、 前記平滑化された回帰信号を重み係数と結合して第１組の信号を発生し、前フレ ームからのパラメータ信号を前記平滑化された回帰信号、信号サンプルおよび重 み係数と結合して第２組の信号を発生し、第１組および第２組の信号から現在フ レームおよび次フレームのパラメータ信号を計算し、 モデルが安定しているかどうかを切断し、モデルが不安定であると判断されたら モデルを安定化させる、ことからなるスペクトル分析法。 ２．請求項１記載の信号フレームのスペクトル分析法であって、前記フィルタモ デルは線形の時変全極フィルタである、スペクトル分析法。 ３．請求項１記載の信号フレームのスペクトル分析法であって、前記フィルタモ デルは分子を含む、スペクトル分析法。 ４．請求項１記載の信号フレームのスペクトル分析法であって、前記補間は区分 的に一定である、スペクトル分析法。 ５．請求項１記載の信号フレームのスペクトル分析法であって、前記補間は区分 的に線形である、スペクトル分析法。 ６．請求項１記載の信号フレームのスペクトル分析法であって、前記補間は前記 前、現在および次のフレームよりも多くのフレームにまたがる、スペクトル分析 法。 ７．請求項１記載の信号フレームのスペクトル分析法であって、前記補間は非線 形である、スペクトル分析法。 ８．請求項１記載の信号フレームのスペクトル分析法であって、信号のプリウイ ンドウィング（ｐｒｅｗｉｎｄｏｗｉｎｇ）によりスペクトル平滑化が行われる 、スペクトル分析法。 ９．請求項１記載の信号フレームのスペクトル分析法であって、相関重み付けに よりスペクトル平滑化が行われる、スペクトル分析法。 １０．請求項１記載の信号フレームのスペクトル分析法であって、前記モデルが 安定しているかどうかを判断するのにＳｃｈｕｒ−Ｃｏｈｎ−Ｊｕｒｙテストが 使用される、スペクトル分析法。 １１．請求項１記載の信号フレームのスペクトル分析法であって、反射係数を計 算してその大きさを調べることにより前記モデルの安定度が決定される、スペク トル分析法。 １２．請求項１記載の信号フレームのスペクトル分析法であって、極の計算によ り前記モデルの安定度が決定される、スペクトル分析法。 １３．請求項１記載の信号フレームのスペクトル分析法であって、極ミラーリン グ（ｐｏｌｅ−ｍｉｒｒｏｒｉｎｇ）により前記モデルが安定化される、スペク トル分析法。 １４．請求項１記載の信号フレームのスペクトル分析法であって、帯域幅拡張に より前記モデルが安定化される、スペクトル分析法。 １５．請求項１記載の信号フレームのスペクトル分析法であって、前記信号フレ ームは音声フレームである、スペクトル分析法。 １６．請求項１記載の信号フレームのスペクトル分析法であって、前記信号フレ ームはレーダー信号フレームである、スペクトル分析法。 １７．請求項１記載の信号フレームのスペクトル分析法であって、現在フレーム および次フレームに対する前記パラメータ信号はガウス消去法を使用して計算さ れる、スペクトル分析法。 １８．請求項１記載の信号フレームのスペクトル分析法であって、現在フレーム および次フレームに対する前記パラメータ信号はＬＵ分解ガウス消去法を使用し て計算される、スペクトル分析法。 １９．請求項１記載の信号フレームのスペクトル分析法であって、現在フレーム および次フレームに対する前記パラメータ信号はＱＲ因数分解を使用して計算さ れる、スペクトル分析法。 ２０．請求項１記載の信号フレームのスペクトル分析法であって、現在フレーム および次フレームに対する前記パラメータ信号はＵ−Ｄ因数分解を使用して計算 される、スペクトル分析法。 ２１．請求項１記載の信号フレームのスペクトル分析法であって、現在フレーム および次フレームに対する前記パラメータ信号はコレスキー因数分解を使用して 計算される、スペクトル分析法。 ２２．請求項１記載の信号フレームのスペクトル分折であって、現在フレームお よび次フレームの前記パラメータ信号はＬｅｖｅｎｂｅｒｇ−Ｍａｒｑｕａｒｄ ｔ法を使用して計算される、スペクトル分析法。 ２３．請求項１記載の信号フレームのスペクトル分析法であって、現在フレーム および次フレームに対する前記パラメータ信号は再帰的公式化（ｒｅｃｕｒｓｉ ｖｅｆｏｒｍｕｌａｔｉｏｎ）を使用して計算される、スペクトル分析法。 ２４．請求項１記載の信号フレームのスペクトル分析法であって、前記パラメー タ信号はａパラメータである、スペクトル分析法。 ２５．請求項１記載の信号フレームのスペクトル分析法であって、前記パラメー タ信号は反射係数である、スペクトル分析法。 ２６．請求項１記載の信号フレームのスペクトル分析法であって、前記パラメー タ信号は面積係数（ａｒｅａ　ｃｏｅｆｆｃｉｅｎｔｓ）である、スペクトル分 析法。 ２７．請求項１記載の信号フレームのスペクトル分析法であって、前記パラメー タ信号は対数面積（ｌｏｇ−ａｒｅａ）パラメータである、スペクトル分析法。 ２８．請求項１記載の信号フレームのスペクトル分析法であって、前記パラメー タ信号は対数面積比（ｌｏｇ−ａｒｅａ　ｒａｔｉｏ）パラメータである、スペ クトル分析法。 ２９．請求項１記載の信号フレームのスペクトル分析法であって、前記パラメー タ信号はフォルマント周波数および対応する帯域幅てある、スペクトル分析法。 ３０．請求項１記載の信号フレームのスペクトル分析法であって、前記パラメー タ信号はアークサインパラメータである、スペクトル分析法。 ３１．請求項１記載の信号フレームのスペクトル分析法であって、前記パラメー タ信号は自己相関パラメータである、スペクトル分析法。 ３２．請求項１記載の信号フレームのスペクトル分析法であって、前記パラメー タ信号は線スペクトル周波数である、スペクトル分析法。 ３３．請求項１記載の信号フレームのスペクトル分析法であって、前記スペクト ルモデルヘの公知の付加入力信号が利用される、スペクトル分析法。 ３４．請求項１記載の信号フレームのスペクトル分析法であって、前記フィルタ モデルはパラメータ信号が非線形である、スペクトル分析法。 ３５．時変スペクトルモデルを使用した信号フレームのスペクトル分析法であっ て、 前、現在および次のフレーム間のパラメータの補間を利用したフィルタモデルを 使用してスペクトルをモデル化し、 信号をサンプリングして一連の離散サンプルを得、そこから一連のフレームを構 成し、 前記信号から回帰信号を計算し、 該回帰信号を平滑化パラメータと結合してスペクトルを平滑化し平滑化された回 帰信号を得、 前記平滑化された回帰信号を重み係数と結合して第１組の信号を発生し、前のフ レームからのパラメータ信号を前記平滑化された回帰信号、信号サンプルおよび 重み係数と結合して第２組の信号を発生し、第１および第２組の信号から現在フ レームに対するパラメータ信号を計算し、モデルが安定しているかどうかを判断 し、モデルが不安定であると判断されたらモデルを安定化させる、ことからなる スペクトル分析法。 ３６．請求項３５記載の信号フレームのスペクトル分析法であって、前記フィル タモデルは線形、時変全極フィルタである、スペクトル分析法。 ３７．請求項３５記載の信号フレームのスペクトル分析法であって、前記フィル タモデルは分子を含む、スペクトル分析法。 ３８．請求項３５記載の信号フレームのスペクトル分析法であって、前記補間は 区分的に一定である、スペクトル分析法。 ３９．請求項３５記載の信号フレームのスペクトル分析法であって、前記補間は 区分的に線形である、スペクトル分析法。 ４０．請求項３５記載の信号フレームのスペクトル分析法であって、前記補間は 前記前、現在および次フレームよりも多くのフレームにまたがる、スペクトル分 析法。 ４１．請求項３５記載の信号フレームのスペクトル分析法であって、前記補間は 非線形である、スペクトル分析法。 ４２．請求項３５記載の信号フレームのスペクトル分析法であって、信号のプレ ウインドウィングによりスペクトル平滑化が行われる、スペクトル分析法。 ４３．請求項３５記載の信号フレームのスペクトル分析法であって、相関．重み 付けによりスペクトル平滑化が行われる、スペクトル分析法。 ４４．請求項３５記載の信号フレームのスペクトル分析法であって、前記モデル が安定であるかどうかを判断するのにＳｃｈｕｒ−Ｃｏｈｎ−Ｊｕｒｙテストが 使用される、スペクトル分析法。 ４５．請求項３５記載の信号フレームのスペクトル分析法であって、反射係数を 計算してその大きさを調べることにより前記モデルの安定度が判断される、スペ クトル分析法。 ４６．請求項３５記載の信号フしームのスペクトル分析法であって、極の計算に より前記モデルの安定度が判断される、スペクトル分析法。 ４７．請求項３５記載の信号フレームのスペクトル分析法であって、極ミラーリ ングにより前記モデルが安定化される、スペクトル分析法。 ４８．請求項３５記載の信号フレームのスペクトル分析法であって、帯域幅拡張 により前記モデルが安定化される、スペクトル分析法。 ４９．請求項３５記載の信号フレームのスペクトル分析法であって、前記信号フ レームは音声フレームである、スペクトル分析法。 ５０．請求項３５記載の信号フレームのスペクトル分析法であって、前記信号フ レームはレーダー信号フレームである、スペクトル分析法。 ５１．請求項３５記載の信号フレームのスペクトル分析法であって、現在フレー ムの前記パラメータベクトル信号はガウス消去法を使用して計算される、スペク トル分析法。 ５２．請求項３５記載の信号フレームのスペクトル分析法であって、現在フレー ムの前記パラメータ信号はＬＵ分解ガウス消去法を使用して計算される、スペク トル分析法。 ５３．請求項３５記載の信号フレームのスペクトル分析法であって、現在フレー ムの前記パラメータ信号はＱＲ因数分解を使用して計算される、スペクトル分析 法。 ５４．請求項３５記載の信号フレームのスペクトル分析法であって、現在フレー ムの前記パラメータ信号はＵ−Ｄ因数分解を使用して計算される、スペクトル分 析法。 ５５．請求項３５記載の信号フレームのスペクトル分析法であって、現在フレー ムの前記パラメータ信号はコレスキー因数分解を使用して計算される、スペクト ル分析法。 ５６、請求項３５記載の信号フレームのスペクトル分析法であって、現在フレー ムの前記パラメータ信号はＬｅｖｅｎｂｅｒｇ−Ｍａｒｑｕａｒｄｔ法を使用し て計算される、スペクトル分析法。 ５７．請求項３５記載の信号フレームのスペクトル分析法であって、現在フレー ムの前記パラメータ信号は再帰公式化（ｒｅｃｕｒｓｉｖｅ−ｆｏｒｍｕｌａｔ ｉｏｉｎ）を使用して計算される、スペクトル分析法。 ５８．請求項３５記載の信号フレームのスペクトル分析法であって、前記パラメ ータ信号はａパラメータである、スペクトル分析法。 ５９．請求項３５記載の信号フレームのスペクトル分析法であって、前記パラメ ータ信号は反射係数である、スペクトル分析法。 ６０．請求項３５記載の信号フレームのスペクトル分析法であって、前記パラメ ータ信号は面積係数である、スペクトル分析法。 ６１．請求項３５記載の信号フレームのスペクトル分析法であって、前記パラメ ータ信号は対数面積パラメータである、スペクトル分析法。 ６２．請求項３５記載の信号フレームのスペクトル分析法であって、前記パラメ ータ信号は対数面積比パラメータである、スペクトル分析法。 ６３．請求項３５記載の信号フレームのスペクトル分析法であって、前記パラメ ータ信号はフォルマント周波数および対応する帯域幅である、スペクトル分析法 。 ６４．請求項３５記載の信号フレームのスペクトル分析法であって、前記パラメ ータ信号はアークサインパラメータてある、スペクトル分析法。 ６５．請求項３５記載のｆき号フレームのスペクトル分析法であって、前記パラ メータ信号は自己相関パラメータてある、スペクトル分析法。 ６６，請求項３５記載の信号フレームのスペクトル分析法であって、前記パラメ ータ信号は線スペクトル周波数である、スペクトル分析法。 ６７．請求項３５記載の信号フレームのスペクトル分析法であって、前記スペク トルフィルタモデルへの公知の付加入力信号が利用される、スペクトル分析法。 ６８．請求項３５記載の信号フレームのスペクトル分析法であって、前記フィル タモデルはパラメータ信号が非線形である、スペクトル分析法。 ６９．信号符号化方法であって、 時変スペクトルモデルを使用しかつフレーム間のスペクトルパラメータの補間を 利用して信号フレームの第１のスペクトル分析を決定し、時不変スペクトルモデ ルを使用して第２のスペクトル分析を決定し、第１および第２のスペクトル分析 を比較し、最高品質のスペクトル分折を選定する、ことからなる、信号符号化方 法。 ７０．請求項６９記載の信号符号化方法であって、前記スペクトル分析は合成濾 液後の信号エネルギ低下を測定することにより前記スペクトルモデルと比較され 、最高信号エネルギ低下が得られるスペクトル分折が選択される、信号符号化方 法。 ７１．請求項７０記載の信号符号化方法であって、前記第１のスペクトル分析に より安定なモデルか得られる場合には前記スペクトル分析が前記第１のスペクト ル分析として選定され、前記第１のスペクトル分析により不安定なモデルが得ら れる場合には前記第２のスペクトル分析が選定される、信号符号化方法。