JPH0820879B2 - 音声符号化方式 - Google Patents

Description

【発明の詳細な説明】 〔産業上の利用分野〕 本発明は音声符号化方式に関し、特に音声波形を帯域
圧縮してディジタル伝送や蓄積を行う際の音声符号化方
式に関する。

〔従来の技術〕

音声波形をピッチ周期、スペクトル包絡を表す線形予
測係数、並びに予測誤差の組で表し、それぞれを独立に
符号化する方式が各種提案されている。その代表的なも
のが、予測残差を複数のパルスで符号化するマルチパル
ス法（文献1:アタル アンド レムデ“ア ニュー モ
デル オブ エルピーシー エキサイテイション フォ
ー プロデューシング ナチュラル サウンディング
スピーチ アット ロー ビット レイツ”アイ・シー
・エー・エス・エス・ピー82、614−617頁、1982年。;A
tal and Remde,“A new model of LPC excitation for
producing natural−sounding speech at low bit rate
s,"ICASSP82,pp.614−617（1982）。）や、予測残差を
正規白色雑音を要素にもつ木符号で量子化するもの（文
献2:シュレイダー アンド アタル“スピーチ コーデ
ィング ユージング イフィシェント ブロック コー
ズ”アイ・シー・エー・エス・エス・ピー82、1668−16
71頁、1982年。;Schroeder and Atal,“Speech coding
using efficient block codes,"ICASSP82,pp.1668−167
1（1982）。）である。

これらの符号化方式においては、線形予測係数や予測
残差を符号化する際に割り当てる符号量が確定的、言い
替えると、符号器の設計段階で決ってしまっている。

〔発明が解決しようとする問題点〕

一般に、幾つかの構成要素に分割して音声を符号化す
る方式においては、各要素に割り当てる符号量の分配の
仕方にかなりの自由度がある。そこでその理想的な配分
法は、符号化対象となる音声の性質と各構成要素の特性
とを考慮したものである。例えば、線形予測分析の次数
が持つ意味は、声道長を近似する一様音響管の数であ
る。従って、声道長の違う男性音声と女性音声に対して
予測係数に同じ符号量を割り当てることは効率が悪い。
物理的意味から言って、男性音に対しては多くの次数を
割り当てる必要がある。また、ピッチ周期の違う音声に
対して、音源情報に同じ符号量を割り当てることも効率
が悪い。高品質な再生音声を得るためには、一ピッチ当
りの予測残差に多くの符号量を割り当てることが望まし
く、ピッチ周期の短い音声に対して音源になるべく多く
の符号量を割り当てるように、他の構成要素との間で符
号量割当ての調整をする必要がある。

音声のようにその特性が発話者や発話内容によって変
動する信号を対象とするときには、上記従来方式のよう
に確定的な符号化配分は品質の面から見て非効率的であ
る。

本発明の目的は、音声を幾つかの構成要素に分割して
符号化する音声符号化方式において、各構成要素に分配
する符号量を対象音声の性質に依存させることにより効
率的な音声符号化方式を得ることにある。

〔問題を解決するための手段〕

本発明によれば、音声をピッチ周期とスペクトル包絡
を表す第１の特徴パラメータと音源を表す第２の特徴パ
ラメータとで符号化する音声符号化方式において、前記
第２の特徴パラメータに割り当てる符号量と前記第１の
特徴パラメータに割り当てる符号量とを前記ピッチ周期
の値に適応させて決定することを特徴とする音声符号化
方式が得られる。

〔作用〕

一般に声道長とピッチ周期との間に正の相関があるこ
とが知られている。具体的には、声道長の長い発話者に
よる音声のピッチ周期は長く、声道長の短い発話者によ
る音声のピッチ周期は短い。この一般的な性質を線形予
測符号化を基本にした音声符号化における符号量配分の
問題に適用する。

第３図は本発明の音声符号化方式の原理を示すブロッ
ク図である。ピッチ周期の短い音声では声道長が短いの
で線形予測係数に割り当てる符号量は少なくてよく、そ
の分、予測残差の符号化に回した方がよい。一方、ピッ
チ周期の長い音声では声道長が長いので線形予測に割り
当てる次数は少なくできない。その代わり一ピッチ周期
当たりで見ると予測残差に割り当てる符号量はピッチ周
期の短い音声と比較してもそれほど遜色はない。このよ
うに、ピッチ周期の値に従い線形予測係数と予測残差と
に割り当てる符号量を制御することで特性の改善が期待
できる。これらのことを概略的に第４図のように表すこ
とができる。第４図は本発明の原理の理解を助けるため
の図で、本発明の原理は各ピッチ周期に対する最高の特
性を与える符号量で線形予測係数と予測残差とを符号化
するものである。また、線形予測で求めたスペクトル包
絡はピッチ周期に引っ張られる傾向がある。即ち、ピッ
チ周期の短い音声に対しては予測次数を多くしても、次
数の多くはピッチ周期の調和成分を表すために使われる
ため、無駄である。余分な次数にかかる符号量を音源に
割り当てればもっと効率的な符号化方式が得られること
になる。これは、予め第４図のようなグラフをテーブル
に用意しておいて、ピッチ周期に合わせて符号量の配分
を決めることにより実現される。

第３図において、10は音声波形を入力する入力端子、
11は入力された音声波形からピッチ周期を抽出するピッ
チ分析、12は第４図のグラフを表に纏めた符号量割当テ
ーブルで各ピッチ周期に対応して線形予測分析の次数と
ビット配分並びに予測残差に対する符号の配分が記録さ
れている。13は符号量割当テーブル12の指定で決まった
符号量で入力音声から線形予測係数を求める線形予測分
析、14は符号量割当テーブル12に指定された符号量で予
測残差を符号化する予測残差符号化である。15は符号化
された予測残差を表す符号を出力する出力端子である。

〔実施例〕

次に本発明の実施例について第１図，第２図を参照し
て説明する。

第１図は本発明の音声符号化方式の一実施例を示すブ
ロック図である。音声の入力端子100に一定間隔に分割
された音声波形を入力し、ピッチ分析110と線形予測分
析130とバッファメモリ135に供給する。ピッチ分析110
は入力音声のピッチ周期とピッチ予測係数を求め、それ
を符号量割当テーブル120とバッファメモリ135とマルチ
プレクサ170に出力する。ピッチ周期やピッチ予測係数
を抽出する方法は既にいくつか研究されている。例えば
文献3:ラビナー他“アコンパラティブ パフォーマンス
スタディ オブ セブラル ピッチ ディテクション
アルゴリズム”アイ・イー・イー・イー トランザツ
ション、エー・エス・エス・ピー24、p.399（1976）、
（Rabiner,et al,“A comparative performance study
of several pitch detection algorithm,"IEEE Trans.,
ASSP−24,p.399（1976））に詳しく論じられている。

符号量割当テーブル120は、上記作用の項で説明した
ように、ピッチ周期の値に従って線形予測分析をする次
数と各予測係数を量子化するときの量子化ビット数、そ
して予測残差を量子化するためのビット数が規定してあ
る。線形予測に関する情報は線形予測分析130に、予測
残差量子化に関する情報はMPCと記したマルチパルス音
声符号化器140と逆マルチパルス音声符号化器（逆MPCと
記す）160とに出力される。線形予測分析130は入力端子
100から入力された音声波形を線形予測分析し、線形予
測係数をMPC140と逆MPC160、そしてマルチプレクサ170
に出力する。ここでの線形予測分析は、線形予測パラメ
ータの一つであるPARCOR係数を求めて量子化する構成を
とる。分析並びに量子化は符号量割当テーブル120で規
定された予測次数と量子化ビット数とに従って行われ
る。PARCOR係数の量子化法は既によく研究されており、
例えば文献4:北脇、板倉、斉藤“PARCOR形音声分析合成
系における最適符号構成”電子通信学会論文誌J61−A
2、pp.119−126（昭53）に詳しい。バッファメモリ135
は入力端子100から入力された音声をピッチ周期毎に分
割して減算器145に供給する。減算器145はバッファメモ
リ135から来る一ピッチ分の入力音声とピッチ予測150か
ら来る一ピッチ前の再生音声との差を計算し、それをMP
C140に供給する。MPC140は減算器145で計算されたピッ
チ予測誤差をマルチパルス符号化するもので、線形予測
分析130から供給される線形予測係数と符号量割当テー
ブル120で規定されるパルス音源の数や量子化ビット数
を基に音源パルスを求める。

マルチパルス法における音源パルスの求め方は既に多
く知られているのでここでは省略する。それは、例え
ば、文献5:小沢、荒関、小野“マルチパルス駆動型音声
符号化法の検討”電子通信学会通信方式研究会資料、CS
82−161（昭57）に詳しい。線形予測分析130で規定され
た数の音源パルスが文献５の方法で定まり、定まったパ
ルスの位置と振幅はやはり線形予測分析130で規定され
る符号量で量子化される。ここで、求めた音源パルスの
パラメータは逆MPC160とマルチプレクサ170に出力され
る。逆MPC160はピッチ予測150から入力した音源パルス
のパラメータを符号量割当テーブル120の規定に従って
音源パルス列として再生し、再生された音源パルス列と
線形予測分析130から入力される線形予測係数とから再
生ピッチ予測誤差を計算するものである。再生ピッチ予
測誤差は加算器147へ出力される。加算器147はピッチ予
測150から出力される一ピッチ前の再生音声と逆MPC160
から出力される再生ピッチ予測誤差信号とを加算して現
ピッチに対する再生音声を計算し、それをピッチ予測15
0に供給する。ピッチ予測150は再生音声を一ピッチ分と
っておくメモリで、ピッチ分析110で分析されたピッチ
周期分の再生音声にピッチ分析110で分析されたピッチ
予測係数を掛けて減算器145と加算器147とに出力する。
マルチプレクサ170はMPC140から出力される音源パルス
を表すパラメータと線形予測分析130で分析された線形
予測係数とピッチ分析110で抽出されたピッチ予測係数
並びにピッチ周期とを併せて符号を出力端子180から通
信路に出力する。

本実施例の構成で各ピッチ周期に対して線形予測係数
と音源パルスとに割り当てる符号量を変化させて測定し
たセグメンタルSNRを第２図に示す。第２図において、
ピッチ周期3.8msec,7.5msecについて線形予測係数と音
源パルスとに割り当てる符号量をそれぞれ2.3,2.0,1.7k
b/sと4.5,4.95,5.4kb/sに変化させて得られるセグメン
タルSNRを縦軸にとって示してある。即ち、各ピッチ周
期について割当符号量を変化させれば符号化の特性を上
げることができ、本実施例の効果の裏付けが確認でき
る。

〔発明の効果〕

以上説明したように本発明は、音声をピッチ周期とス
ペクトル包絡を表す第１の特徴パラメータと音源を表す
第２の特徴パラメータとで符号化する音声符号化方式に
おいて、第２の特徴パラメータに割り当てる符号量と第
１の特徴パラメータに割り当てる符号量とをピッチ周期
の値に適応させて決定することにより、スペクトル包絡
と予測残差を符号化する際にピッチ周期の値に適応して
各特徴パラメータに割り当てる符号量を変化させてい
る。音声の生成過程の特徴からピッチ周期と声道長との
間には正の相関があるというよく知られた性質を利用し
て符号化対象となる音声の特性に合わせて符号量の割当
てを行えば、従来のような確定的な符号量の割当てに比
較して効率の良い符号割当が実現できるので、本発明は
符号化の特性を上げることができるという効果を有す
る。

【図面の簡単な説明】

第１図は本発明の音声符号化方式の一実施例を示すブロ
ック図、第２図は本発明の効果を説明するため図、第３
図は本発明の音声符号化方式の原理を表すブロック図、
第４図は本発明の原理の理解を助けるための図である。 10,100……入力端子、11,110……ピッチ分析、12,120…
…符号量割当テーブル、13,130……線形予測分析、14…
…予測残差符号化、15,180……出力端子、135……バッ
ファメモリ、140……MPC、145……減算器、147……加算
器、150……ピッチ予測、160……逆MPC、170……マルチ
プレクサ。

Claims (1)

【特許請求の範囲】
1. 【請求項１】音声をピッチ周期とスペクトル包絡を表す
   第１の特徴パラメータと音源を表す第２の特徴パラメー
   タとで符号化する音声符号化方式において、前記第２の
   特徴パラメータに割り当てる符号量と前記第１の特徴パ
   ラメータに割り当てる符号量とを前記ピッチ周期の値に
   適応させて決定することを特徴とする音声符号化方式。