JPH0833754B2 - デジタル音声符号化および復号方法および装置 - Google Patents

デジタル音声符号化および復号方法および装置

Info

Publication number
JPH0833754B2
JPH0833754B2 JP62225440A JP22544087A JPH0833754B2 JP H0833754 B2 JPH0833754 B2 JP H0833754B2 JP 62225440 A JP62225440 A JP 62225440A JP 22544087 A JP22544087 A JP 22544087A JP H0833754 B2 JPH0833754 B2 JP H0833754B2
Authority
JP
Japan
Prior art keywords
frame
harmonic
frames
speech
frequency 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.)
Expired - Lifetime
Application number
JP62225440A
Other languages
English (en)
Other versions
JPS6370900A (ja
Inventor
チャールズ ブロンソン エドワード
ソーンレイ ハートウェル ウォルター
バスチアン クレイジン ウィレム
パノス プレザス デミトリオス
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
AT&T Corp
Original Assignee
AT&T Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by AT&T Corp filed Critical AT&T Corp
Publication of JPS6370900A publication Critical patent/JPS6370900A/ja
Publication of JPH0833754B2 publication Critical patent/JPH0833754B2/ja
Anticipated expiration legal-status Critical
Expired - Lifetime legal-status Critical Current

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
    • 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
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/90—Pitch determination of speech signals
    • 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
    • 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
    • G10L19/08—Determination or coding of the excitation function; Determination or coding of the long-term prediction parameters
    • G10L19/093—Determination or coding of the excitation function; Determination or coding of the long-term prediction parameters using sinusoidal excitation models

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Signal Processing (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Computational Linguistics (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Compression, Expansion, Code Conversion, And Decoders (AREA)
  • Transmission Systems Not Characterized By The Medium Used For Transmission (AREA)
  • Electrophonic Musical Instruments (AREA)

Description

【発明の詳細な説明】 発明の技術分野 本発明は音声処理、より詳細には、音声の発声部分に
対してシヌソイダル モデルを使用し、音声の非発声部
分に対して励振予測フィルタ モデルを使用して音声の
複製を行なうためのデジタル音声符号化及び復号装置に
関する。
技術の背景 音声メモリ及び音声レスポンス設備を含むデジタル音
声通信システムにおいては、しばしば記録及び／或いは
伝送に必要とされるビット速度を低減するために信号圧
縮が使用される。信号圧縮を行なうための１つの周知の
デジタル音声符号化スキームが、音響、音声及び信号処
理に関するIEEE国際会議の会議録（Proceedings of IEE
E International conference on Acoustics,Speech,and
Signal Processing）,1984年,Vol.2,ページ27.6.1-27.
6.4（合衆国サン ジェゴ）に掲載の論文［シヌソイダ
ル音声モデルを使用しての規模のみの再生（Magnitude-
only Reconstruction Usinga Sinusoidal Speech Mode
l）］において開示されている。この論文はシヌソイダ
ル音声モデルの音声の発声及び非発声部分の両方への使
用を開示する。この音声波形は音声波形を正弦波の総和
としてモデル化することによってボコーダーのシンセサ
イザ部分内で再生される。正弦波のこの総和は音声波形
の基本周波数及び高調波から成り、以下によって表わさ
れる。
ｓ（ｎ）＝Σａi（ｎ）sin［φi（ｎ）］ （１） 項ａi（ｎ）及びφi（ｎ）はそれぞれ任意の時間内のポ
イントにおける音声波形のシヌソイダル成分の時間とと
もに変動する振幅及び位相を表わす。この音声処理機能
はアナライザ部分内で振幅と位相を決定し、これら値を
式（１）を使用して音声波形を再生するシンセサイザ部
分に送られる。
マックオーレイ（McAulay）の論文はまた振幅及び位
相はフレームと呼ばれる一定の時間期間に対して速いフ
ーリエ（fast Fourier）スペクトル分析を遂行すること
によって決定できることを開示する。基本及び高調波周
波数は速いフーリエ スペクトル内でピークとして現わ
れ、基本及び高調波の周波数及び振幅を決定するための
ピーク ビッキングを遂行することによって決定され
る。
マックオーレイ（McAulay）の方法の１つの問題は、
基本周波数、全ての高調波周波数、及び全ての振幅がア
ナライザからシンセサイザに伝送され、結果として高い
ビット伝送速度となることである。もう１つの問題は、
周波数及び振幅が結果としてのスペクトル ピークから
直接に決定されることである。使用される速いフーリエ
交換はこれらピークを非常に正確に検出するが、多量の
計算が必要とされる。
この方法のもう１つの問題は、シヌソイダル波形符号
化技術を使用して音声の発声部分のみでなく、音声の非
発声部分もモデル化しようとする試みである。発声領域
と非発声領域の間の変動の結果、スペクトル分析からの
スペクトル エネルギーがこれら領域間の境界の所で離
接することとなり、スペクトル内で関連するピークを決
定することが困難となる。
発明の構成 本発明は先行技術のこれら問題及び欠点を解決し、技
術的進歩をはかることを目的とする。本発明の方法論上
及び構造上の実施態様においては、個々の音声フレーム
に対しフレーム エネルギー、声帯を定義する音声パラ
メータ、基本周波数、個々の高調波周波数と基本周波数
の整数倍との差を表わすオフセットをその後の音声合成
のために符号化及び伝送するためのアナライザが含まれ
る。さらにシンセサイザが提供されるが、これは伝送さ
れた情報に応答して基本周波数及び高調波の位相及び振
幅を計算し、この計算された情報を使用して複製音声を
生成する。この構成はアナライザからシンセサイザに振
幅情報を伝送する必要性を排除する。
１つの実施態様においては、アナライザは基本周波
数、つまり、ピッチ検出器によって決定されるピッチを
スペクトル分析によって得られるピッチの高調波に関す
る情報を使用して調節する。このピッチ調節はピッチ検
出器の動作に起因する初期ピッチ予測値の不正確さを正
し、また、これがサンプリング期間の整数倍数を使用し
て計算されるという事実と関連する問題を正す。これに
加え、このピッチ調節はピッチをその幾つかの高調波を
派生するために適当に掛けられたときその値がスペクト
ル分析から決定される高調波の実際の値の平均となるよ
うに調節する。従って、このピッチ調節はアナライザか
らシンセサイザに高調波を定義するオフセット情報を伝
送するために必要とされるビットの数を削減する。
ピッチがいったん調節されると、適当に掛けられた調
節されたピッチ値がスペクトル内の個々の高調波の位置
を再計算するための開始ポイントとして、また、こうし
て実際に検出される高調波と調節されたピッチ値に所望
の高調波の番号を掛けることによって決定されるその高
調波の理論値との間のオフセットを決定するために使用
される。
本発明のシンセサイザは音声の発声部分（有声区域）
に対しては上に説明のシヌソイダル モデル化技術を使
用し、音声の非発声部分（無声区域）に対しては多重パ
ルスあるいはノイズ励振のいずれかを使用して得られる
これら伝送された情報から音声を再生する。
より詳細には、高調波の振幅はシンセサイザの所で元
のサンプル ポイント及び線形予測符号化（linear pre
dictive coding,LPC）係数から決定される総フレーム
エネルギーを使用して決定される。これら高調波振幅は
個々の高調波からLPC係数を使用してアンスケールド
エネルギー寄与を得て、次に高調波の振幅を総エネルギ
ーを演算動作におけるスケーリング ファクターとして
使用して派生することによって計算される。この技術で
は、アナライザはLPC係数及び総エネルギーのみを伝送
し、個々の高調波の振幅を伝送することは要求されな
い。
シンセサイザはフレームの中心に起こる基本周波数及
び高調波に対する周波数に応答して音声フレームと音声
フレームとの間を補間することによって個々のフレーム
を通じての連続周波数を生成する。同様の方法で基本周
波数及び高調波に対する振幅が生成される。
発声フレームから非はっせいフレームあるいはこの逆
方向への遷移と関連する問題は以下のように処理され
る。非発声フレームから発声フレームへの遷移のとき
は、基本周波数及び個々の高調波に対する周波数はその
フレームの開始からそのフレームの真ん中まで一定であ
ると見做される。周波数は発声フレームから非発声フレ
ームに遷移するときも同様に計算される。通常の補間を
使用してフレームの残りの部分に対する周波数が計算さ
れる。基本周波数及び高調波の振幅は発声フレームの開
始の所でゼロからスタートするものと仮定され、そのフ
レームの最初の半分に対する補間が行なわれる。発声フ
レームから非発声フレームに遷移するときの振幅はこれ
と同様に計算される。
これに加え、個々の発声フレームに対する高調波の数
はフレームによって異なる。このため、ある発声フレー
ム内の高調波の数は隣接する発声フレーム内の高調波の
数より多かったり少なかったりする。この問題は隣接す
るフレーム内に対応する高調波を持たない高調波の周波
数はそのフレームの真ん中から隣接するフレームの境界
まで一定であり、また、そのフレームの高調波の振幅は
そのフレームと隣接するフレームとの間の境界の所でゼ
ロであると仮定することによって解決される。この仮定
によって、補間を通常の方法で遂行することが可能とな
る。
さらに、発声フレームから非発声フレームへの遷移が
発生したときは、非発声LPCフィルタが前の発声フレー
ムからのLPC係数から初期化される。これは非発声フィ
ルタが非発声領域に対する音声をより正確に合成するこ
とを可能とする。このため、発声フレームからのLPC係
数は先行フレームに対する声帯をより正確にモデル化す
る。
発明の実施例 第１図及び第２図は、それぞれ本発明の焦点である一
例としての音声アナライザ及び音声シンセサイザを示
す。第１図の音声シンセサイザ100は経路120を介して受
信されるアナログ音声信号に応答してこれら信号をチャ
ネル139を介して第２図のシンセサイザ200に伝送するた
めに低ビット速度にて符号化する。チャネル139は通信
伝送路であることも、あるいは合成された音声を要求す
る各種アプリケーションのために後の時点において音声
合成を提供するためのメモリでもあり得る。このアプリ
ケーションの一例としてデジタル コンピュータのため
の音声出力がある。アナライザ100はアナログ／デジタ
ル コンバータ101及びフレーム セグメンタ102を使用
してアナログ音声情報をデジタル化及び量子化する。LP
Cカルキュレータ111は量子化及びデジタル化されたこの
サンプルに応答して人の声帯をモデル化する線形予測符
号化（linear predictive coding LPC）係数の生成及び
残留信号の生成を行なう。このLPC係数及び残留信号の
生成は本出願と同一の譲受人に譲渡された合衆国特許第
3,740,476号に開示される方法あるいは当分野において
周知の他の方法に従って遂行できる。アナライザ100は
経路120を介して受信される音声信号を以下の分析技
術、つまり、シヌソイダル分析、多重パルス分析、ある
いはノイズ励振分析の１つを使用して符号化する。最初
に、フレーム セグメント化ブロック102が音声サンプ
ルを好ましくは160個のサンプルから成るフレームにグ
ループ化する。LPCカルキュレータ111は、個々のフレー
ムに応答して残留信号の計算を行ない、この信号に経路
122を介してピッチ検出器109に送る。ピッチ検出器はこ
の残留信号及び音声サンプルに応答してそのフレームが
発声フレームであるか非発声であるか決定する。発声フ
レームとは通常ピッチと呼ばれる基本周波数がそのフレ
ーム内に検出されるフレームである。ピッチ検出器109
がそのフレームが発声フレームであると決定すると、ブ
ロック103から108がそのフレームのシヌソイダル符号化
を遂行する。しかし、フレームが非発声であると決定さ
れた場合は、ノイズ／多重パルス判定ブロック112にお
いてLPCカルキュレータ ブロック111によって計算され
たLPC係数によって定義されるフィルタを励振するため
にノイズ励振を使用すべきかあるいは多重パルス励振を
使用すべきかが決定される。ノイズ励振を使用すべきで
ある場合は、この事実がパラメータ符号化ブロック113
及び送信機114を介してシンセサイザ200に伝送される。
一方、多重パルス励振を使用すべきであるときは、ブロ
ック110によってパルス トレインの位置及び振幅が決
定され、この情報が経路128及び129を介して後に第２図
のシンセサイザ200に伝送するためにパラメータ符号化
ブロック113に送られる。
アナライザ100とシンセサイザ200の間の通信チャネル
がパケットを使用して実現される場合は、第３図に示さ
れるようなパケットが発声フレームに対して伝送され、
第４図に示されるようなパケットがホワイト ノイズ励
振を使用する非発声フレームに対して伝送され、そして
第５図に示されるようなパケットが多重パルス励振を使
用する非発声フレームに対して伝送される。
次に、アナライザ100の動作を詳細に考察する。ピッ
チ検出器109が経路130を通じてそのフレームが非発声で
あることを通知すると、ノイズ／多重パルス判定ブロッ
ク112はこの信号に応答してノイズ励振を使用すべきか
あるいは多重パルス励振を使用すべきかを決定する。多
重パルス励振が使用されるときは、この事実を通知する
信号が多重パルス アナライザ ブロック110に送信さ
れる。多重パルス アナライザ110は経路124上のこの信
号及びピッチ検出器109から経路125及び126を介して伝
送されるセットのパルスに応答する。多重パルスアナラ
イザ110は選択されたパルスの位置をこの選択されたパ
ルスの振幅とともにパラメータ符号器113に伝送する。
パラメータ符号器113は経路123を介してLPCカルキュレ
ータ111から受信されるLPC係数に応答して第５図に示さ
れるパケットを形成する。
ノイズ／多重パルス判定ブロック112がノイス励振を
使用すべきであることを決定すると、これはこの事実を
経路124を介して１つの信号をパラメータ符号器ブロッ
ク113に送信することによって示す。符号器113はこの信
号に応答してブロック111からのLPC係数及びブロック11
5によって残留信号から計算された利得を使用して第４
図に示されるパケットを生成する。
次に発声フレームの間のアナライザ100の動作を詳細
に説明する。エネルギー カルキュレータ103は、フレ
ーム セグメンタ102から受信されるフレームに対する
デジタル化された音声snに応答して、好ましくは160個
のサンプルを持つフレーム内の音声の総エネルギーを以
下の式によって計算する。
このエネルギー値はシンセサイザ200によってLPC係数
とともに基本周波数及びその高調波の振幅を決定するの
に使用される。
ハミング ウインドウ ブロック104は経路121を介し
て伝送される音声信号に応答して以下の式によって与え
られるウインドニング動作を遂行する。
sh＝▲ｓh n▼＝sn（0.54-0.46cos（（２πｎ）/159））
（３） このウインドニング動作の目的はフレームの終端点の
所の離接性（disjointness）を速いフーリエ変換（fast
Fourier transform,FFT）を計算するのに備えて除去す
る。ウインドニング動作を遂行した後、ブロック105は
ブロック104からの結果としてのサンプルに０を挿入す
るが、これは、好ましくは、以下の式によって定義され
る1024個のデータ ポイントの新たなシーケンスを与え
る。
次に、ブロック105は速いフーリエ変換を遂行する
が、これは以下の式によって定義される不連続フーリエ
変換（discrete Fourier transform）の速い実現であ
る。
FFT計算を遂行した後、ブロック105は、式（５）に定
義される計算を遂行して得られる個々の複素周波数デー
タ ポイント（complex frequency data point）の規模
を計算することによってスペクトルＳを得るが、この動
作は次式によって定義される。
ピッチ アジャスタ107はピッチ検出器109によって計
算されたピッチ及びブロック105によって計算されたス
ペクトルに応答してピッチ検出器109からの調節された
値よりもより正確なピッチの精製（refinement）である
予測ピッチを計算する。これに加え、ピッチの整数倍数
はこの回りを高調波周波数が比較的等しく分布する値で
ある。この調節は３つの理由によって必要とされる。第
１の理由は、ブロック105によって計算されるスペクト
ルの第１のピークは基本周波数の位置を示すべきである
が、実際にはこの信号は通常声帯の影響及びアナログ／
デジタル コンバータ101内のロー パス フィルタの
影響によってシフトされることである。第２の理由は、
ピッチ検出器の周波数分解能はアナログ／デジタル コ
ンバータのサンプリング速度によって制限され；従っ
て、対応するピッチ期間が２つのサンプル ポイント間
にくる場合は正確なピッチ周波数を定義することができ
ないことである。この正しいピッチを持たないことの影
響がピッチ アジャスタ107によって調節される。これ
の最も大きな影響は高調波ロケータ106及び高調波オフ
セット カルキュレータ108によって遂行される計算に
与える影響である。高調波ロケータ106はピッチ アジ
ャスタ107によって決定されたピッチをさまざまな高調
波の位置を決定するためにスペクトル規模ブロック105
によって生成されたスペクトルを分析するための開始ポ
イントを生成するために利用する。
第３の理由は、高調波オフセット カルキュレータ10
8がシンセサイザ200に伝送されるオフセットを決定する
ためにピッチ値から計算される理論高調波周波数及びロ
ケータ106によって決定される高調波周波数を利用する
ことである。ピッチ周波数が不正確であると、これらオ
フセットの各々はシンセサイザ200に伝送するにはあま
りにも多くのビットを必要とする大きな数となる。ゼロ
高調波オフセットの回りに高調波オフセットを分散させ
ることによってシンセサイザ200にオフセットを伝送す
るのに必要とされるビットの数を最小数に保つことがで
きる。
ピッチ アジャスタ ブロック107は以下のように機
能する。FFTスペクトル規模ブロック105によって計算さ
れるスペクトル内の基本周波数に対応するピークは上に
述べた理由によって不明瞭であるため、ピッチアジャス
タ107は最初に初期ピッチ予測値を以下のようにセット
することによってスペクトル探索を行なう。
th1＝2p0 （７） ここで、p0はピッチ検出器109によって決定される基
本周波数であり、th1は理論二次高調波である。th1によ
って決定されるスペクトル内のこのポイントの回りの探
索は以下によって定義される周波数の領域ｆ内である。
この領域内でピッチ アジャスタ107は理論高調波周
波数の両側のスペクトルの傾きを計算し、次にこの領域
を傾きが増加する方向に探索領域内に第１のスペクトル
ピークが発見されるまで探索する。次に、このピーク
が発生する周波数pk1を使用してそのフレームに対する
ピッチ予測値が調節される。この時点で、新たなピッチ
予測値p1は以下のようになる。
次に、この新たな予測値p1を使用して三次高調波の理
論周波数th2＝3p1が計算される。この探索手順が個々の
理論高調波周波数thi＜3600hzに対して反復される。360
0hz以上の周波数では、ロー パス フィルタリングが
スペクトルの詳細を不鮮明にする。この探索手順によっ
て探索領域内にスペクトル ピークが発見されない場合
は、調節は行なわれず、この探索が前に調節されたピー
ク値を使用して次のピークに対して継続される。個々の
ピークはpkiと命名される。ここで、ｉはｉ次高調波、
つまり、高調波番号を表わす。ｉ次のピッチ予測値piに
対する式は以下によって定義される。
ｉ次のピッチ予測値に対する探索領域は以下によって
定義される。
（ｉ＋1/2）pi-1ｆ（ｉ＋3/2）pi-1,i＞０ （11） ピッチ アジャスタ107がピッチ予測値を決定する
と、これは後にシンセサイザ200に伝送されるために経
路133を介してパラメータ符号器113に、及び高調波ロケ
ータ106に送られる。高調波ロケータは式（６）によっ
て定義されるスペクトルに応答してスペクトル内の高調
波ピークを以下によって定義されるレンジのスペクトル
内を探索するための開始ポイントとして最終的に調節さ
れたピッチ値pFを利用して正確に決定する。
（ｉ＋1/2）pFｆ（ｉ＋3/2）pF,1ｉｈ （12） ここで、ｈは現在のフレーム内の高調波周波数の数を
表わす。こうして発見される個々のピークはpkiと命名
され、ここで、ｉはｉ次高調波、つまり高調波番号を表
わす。高調波カルキュレータ108はpki値に応答して理論
高調波周波数tsiからの高調波オフセットを計算する。
このオフセットはhoiと命名され以下によって定義され
る。
ここで、frは計算されたスペクトルＳのサイズに起因
する連続のスペクトル データ ポイント間の周波数を
表わす。高調波カルキュレータ108は、次にこのオフセ
ットを経路137を介して後にシンセサイザ200に伝送する
ためにパラメータ符号器113に送る。
第２図に示されるシンセサイザ200はチャネル139を介
して受信される声帯モデルパラメータ及び励振情報ある
いはシヌソイダル情報に応答して第１図のアナライザ10
0によって符号化された元のアナログ音声に近い複製を
生成する。シンセサイザ200は以下のように機能する。
フレームが発声フレームである場合は、ブロック212,21
3,及び214が、式（１）に従って元の音声信号を再生す
るためのシヌソイダル合成を遂行し、この再生された音
声情報が次にセレクタ206を介してデジタル／アナログ
コンバータ208に転送され、これによって受信された
デジタル情報がアナログ信号に変換される。
第３図に示される発声情報パケットを受信すると、チ
ャネル検出器201はピッチ及び高調波周波数オフセット
情報をそれぞれ経路221及び222を介して高調波周波数カ
ルキュレータ212に、音声フレーム エネルギーe0、及
びLPC係数をそれぞれ経路220及び216を介して高調波振
幅カルキュレータ213に、そして発声／非発声（voiced/
unvoiced,V/U）信号を高調波周波数カルキュレータ212
及びセレクタ206に送る。“1"に等しいV/U信号はそのフ
レームが発声フレームであることを示す。高調波周波数
カルキュレータ212はV/U信号が“1"であるのに応答して
それぞれ経路221及び222を介して受信される調節された
ピッチ及び高調波周波数オフセット情報に従って高調波
周波数を計算する。高調波周波数カルキュレータ212は
次に高調波周波数情報をブロック213及び214に送る。
高調波振幅カルキュレータ213はカルキュレータ212か
らの高調波周波数情報、経路220を介して受信されるフ
レーム エネルギー情報、及び経路216を介して受信さ
れるLPC係数に応答して高調波周波数の振幅を計算す
る。シヌソイダル発生器214は経路223を介してカルキュ
レータ212から受信される周波数情報に応答して高調波
位相情報を決定し、次にこの位相情報及び経路224を介
してカルキュレータ213から受信される振幅情報を利用
して式（１）によって示される計算を遂行する。
チャネル復号器201が第４図に示されるようなノイズ
励振パケットを受信すると、チャネル復号器201は経路2
27を介してセレクタ205にホワイト クイズ発生器203の
出力を選択させる１つの信号を送り、経路215を介して
セレクタ206に合成フィルタ207の出力を選択させる１つ
の信号を送る。これに加え、チャネル復号器201は経路2
11を介して利得をホワイト ノイズ発生器203に送る。
合成フィルタ207は経路216を介してチャネル復号器201
から受信されるLPC係数及びセレクタ205を介して受信さ
れるホワイト ノイズ発生器203の出力に応答して音声
のデジタル サンプルを生成する。
チャネル復号器201がチャネル139から第５図に示され
るようなパルス励振パケットを受信した場合は、復号器
201はパルスの位置及び最大パルスの振幅に対するパル
スの相対振幅を経路210を介してパルス発生器204に送
る。これに加え、チャネル復号器201は経路227を介して
セレクタ205をパルス発生器204の出力を選択するように
条件付けし、この出力を合成フィルタ207に送る。合成
フィルタ207及びデジタル／アナログ コンバータ208
は、次に経路215を介して復号器201にて条件付けされた
セレクタ206を通じて音声を再生する。コンバータ208は
コンバータの出力の所に内蔵ロー パス フィルタを持
つ。
次にブロック212,213,及び214の発声フレームのシヌ
ソイダル合成を遂行する動作を詳細に説明する。高調波
周波数カルキュレータ212は、経路221を介して受信され
る調節されたピッチpFに応答して経路222を介して受信
される高調波オフセットを利用して高調波周波数を決定
する。理論高調波周波数tsiが高調波の次数にこの調節
されたピッチを掛けたものとして定義される。個々の高
調波周波数hfiは適当な高調波オフセットにて補正され
た後に１つのスペクトル ポイント上にくるように調節
される。以下の式は個々の高調波に対する１次高調波周
波数を定義する。
hfi＝tsi＋hoifr,1ｉｈ （14） ここで、frはスペクトル周波数分解能を表わす。
式（14）は個々の高調波周波数に対して１つの値を生
成する。この値は合成されている音声フレームのセンタ
に対応するものと仮定される。あるフレーム内の個々の
音声サンプルに対する残りのパー サンプル周波数（pe
r-sample frequency）は隣接する発声フレームの周波数
間、あるいは隣接する非発声フレームに対する事前に定
められた境界条件から線形補間によって得られる。この
補間はシヌソイダル発生器214内で遂行され、後のパラ
グラフで詳細に説明される。
高調波振幅カルキュレータ213はカルキュレータ212に
よって計算される周波数、経路216を介して受信されるL
PC係数、及び経路220を介して受信されるフレームエネ
ルギーに応答して基本周波数及び高調波周波数の振幅を
計算する。個々の発声フレームに対するLPC反射係数
は、個々のフレームの間の声帯を表わす音響管モデルを
定義する。この情報から相対高調波振幅が計算できる。
しかし、LPC係数は声帯の構造をモデル化するものであ
るため、これは個々のこれら高調波周波数の所のエネル
ギーの量に関する充分な情報は含まない。このエネルギ
ーの量に関する情報は、経路220を介して受信されるフ
レーム エネルギーを使用して決定される。個々のフレ
ームに対し、カルキュレータ213は高調波振幅を計算す
るが、これは高調波周波数の計算と同様に、この振幅が
フレームの中心に位置するものと仮定する。フレームを
通じての残りの振幅が隣接する発声フレームからの振幅
情報あるいは隣接する非発声フレームに対するあらかじ
め定められた境界条件を使用して線形補間によって決定
される。
これら振幅は声帯が１つのオール ポール フィルタ
モデルを使用して記述できるということを認識するこ
とにより決定できる。
ここで、 であり、また、定義上、係数a0＝１である。オール ポ
ール フィルタを記述するのに必要な係数am（１ｍ
10）は、経路216を介して受信される反射係数からマー
ケル.J.D.（Markel.J.D.）及びグレイ.Jr.A.H.（Gray.J
r.A.H.）による著書［音声の線形予測（Linear Predict
ion of Speech）］，スプリンガ バーラッグ（Springe
r Beriag），ニューヨーク、ニューヨーク、1976年に説
明の反復セットアップ手順を使用して得ることができ
る。式（15）及び（16）によって記述されるフィルタが
以下の方法に従って個々のフレームに対する高調波成分
の規模を計算するのに使用される。計算されるべき高調
波振幅をhai（０ｉｈ）と命名するものとする。こ
こでｈは現在のフレーム内の高調波の最大番号を表わ
す。アンスケールド（unscaled）高調波寄与値he
i（（０ｉｈ）は個々の高調波周波数hfiに対して以
下によって得られる。
ここで、Srはサンプリング速度を表わす。
全ての高調波に対する総アンスケールドエネルギーは
以下によって与えられる。
160ポイントのフレーム サイズに対して と仮定すると、ｉ次のアンスケールド高調波振幅haiは
以下によって計算できる。
ここで、e0は式（２）によって定義されアナライザ10
0によって計算された伝送された音声フレーム エネル
ギーである。
次に、シヌソイダル発生器214がカルキュレータ212及
び213から受信される情報を使用して如何に式（１）に
よって定義される計算を遂行するか説明する。ある任意
のフレームに対して、カルキュレータ212及び213は発生
器214にそのフレーム内の個々の高調波に対する１つの
周波数及び振幅を提供する。発生器214はこの周波数情
報を位相情報に変換し、周波数及び振幅の両方について
フレームを通じての個々のサンプルポイントに対する周
波数及び振幅を得るために線形補間を遂行する。
この線形補間は以下の方法によって遂行される。第６
図は５個の音声フレームと０次高調波とみなすこともで
きる基本周波数に対して遂行される線形補間を図解す
る。他の高調波周波数も類似の表現を持つ。おおざっぱ
に、ある発声フレームに対して３つの境界条件が存在す
る。第１に、ある発声フレームは１つの先行非発声フレ
ーム及び１つの後続発声フレームを持つことができ、第
２のケースでは、発声フレームは他の発声フレームによ
って包囲され、そして第３のケースにおいては発声フレ
ームは１つの先行発声フレーム及び１のつ後続非発声フ
レームを持つ。第６図に示されるように、フレームc,ポ
イント601から603は第１の状態を代表し；周波数▲hfc i
▼は601によって定義されるこのフレームの開始点まで
一定であると見做される。スーパスクリプトは、このフ
レームがｃフレームである事実を示す。ｃフレームの後
のポイント603から605によって定義されるフレームｂは
第２のケースを表わし；ポイント602から604の間でそれ
ぞれポイント602及び604の所に起こる周波数▲hfc i▼及
び▲hfb i▼を使用して線形補間が遂行される。第３のケ
ースはポイント605から607に延びるフレームａによって
代表され、フレームａに続くフレームはポイント607か
ら608によって定義される非発声フレームである。この
ケースでは、hf周波数はポイント607まで一定である。
第７図は振幅の補間を示す。連続の発声フレーム、例
えば、ポイント702から704,及びポイント704から706に
よって定義されるフレームに対しては、これら振幅の補
間はこれら周波数に対して遂行される補間と同一であ
る。しかし、前のフレームが非発声である場合、例えば
フレーム700から701のフレーム701から703に対する関係
においては、フレームの開始の所の高調波はポイント70
1の所に示されるように０振幅を持つものと仮定され
る。同様に、発声フレームに非発声フレームが続く場
合、例えば、705から707までのフレームａの後に707か
ら708の非発声フレームが来るような場合は、高調波は
終端ポイント、例えば、707の所で０の振幅を持つもの
と仮定され、線形補間が遂行される。
発生器214は上に説明の補間を以下の式を使用して遂
行する。ｎ番目のパー サンプル位相は以下によって定
義される。
ここで、On,iはｉ次高調波のパー サンプル位相であ
り、srは出力サンプル速度である。これら位相を解くた
めにはパー サンプル周波数Wn,iを知ることのみが必要
とされ、これらパー サンプル周波数は補間によって発
見される。隣接する発声フレームを持つ発声フレーム、
例えば、第６図のフレームｂに対する周波数の線形補間
は以下によって定義される。
及び ここで、hminはどちらかの隣接フレーム内の高調波の
最低数を表わす。非発声フレームから発声フレームへの
遷移、例えば、フレームｃは以下の式によってパー サ
ンプル高調波周波数を決定することによって扱われる。
発声フレームから非発声フレームへの遷移、例えば、
フレームａは以下の式によつてパーサンプル高調波周波
数を決定することによつて扱われる。
hminが２つの隣接するフレームのいずれか内の高調波
の最低数を表わすものとすると、フレームｂがフレーム
ｃより多くの高調波を持つようなケースにおいては、h
minより大きな高調波に対するパー サンプル高調波周
波数を計算するために式（23）が使用される。フレーム
ｂがフレームａより多くの高調波を持つときは、式（2
4）を使用してhminより大きな高調波に対するパー サ
ンプル高調波周波数が計算される。
パー サンプル高調波周波数An,iはhaiから類似の方
法で決定でき、発声フレームｂに対して以下によって定
義できる。
及び そのフレームが発声領域の開始であるとき、例えば、
開始の所のフレームｃのようなときは、バー サンプル
高調波振幅は以下によって決定される。
及び ここで、ｈはフレームｃ内の高調波の数を表わす。フ
レームが発声領域の終端の所である、例えば、フレーム
ａのようなときは、パー サンプル振幅は以下によって
決定される。
ここで、ｈはフレームａ内の高調波の数を表わす。フ
レーム、例えば、フレームｂが先行発声フレーム、例え
ば、フレームｃより多くの高調波を持つ場合は、hminよ
り大きな高調波に対する高調波振幅を計算するために式
（27）及び（28）が使用される。フレームｂがフレーム
ａより多くの高調波を持つ場合は、式（29）を使用して
hminより大きな高調波に対する高調波振幅が計算され
る。
エネルギー カルキュレータ103は第８図のプロセッ
サ803によって第９図のブロック901から904を実行する
ことによって実現される。ブロック901は、好ましく
は、サンプルの数をフレーム当たり160にセットする。
ブロック902及び903は次に個々のデジタル サンプルの
二乗saの総和を生成する。総和が生成されたら、ブロッ
ク904において、この総和の平方根がとられるが、これ
によって元の音声フレーム エネルギーe0が得られる。
次にこのフレームエネルギーがパラメータ符号器113及
びブロック1001に伝送される。
第１図のハミング ウインドウ ブロック104はプロ
セッサ803によって第９図のブロック1001及び1002を実
行することによって実現される。ブロック1001及び1002
は周知のハミング ウインドウニング動作を遂行する。
FFTスペクトル規模ブロック105は、第９図及び第10図
のブロック1003から1023を実行することによって実現さ
れる。ブロック1003から1005は式（４）によって定義さ
れるパティング動作を遂行する。このパディング動作は
虚数及び実数部分の両方に対して、好ましくは1024個の
データポイントを含むアレイ内のポイントｃの実数部分
Rc、及び虚数部分Icにゼロを挿入する。ブロック1006か
ら1013は当分野において周知のデータ整合動作を遂行す
る。この動作は通常、これがデータ ポイントの順番を
FFT分析の結果が正しい周波数領域の順に生成されるこ
とを保証するように再配列するためビット反転動作と呼
ばれる。
第９図及び第10図のブロック1014から1021は式（５）
によって定義される離散フーリエ変換を計算するための
速いフーリエ変換の実現を図解する。ブロック1014から
1021によって速いフーリエ分析を遂行した後、ブロック
1022及び1023によって式（６）によって定義される結果
としてのスペクトル規模データを提供するのに必要な二
乗及び平方根動作が遂行される。
ピッチ アジャスタ107は第10図、第11図、及び第12
図のブロック1101から1132によって実現される。第10図
のブロック1101はピッチ調節動作の遂行に必要とされる
さまざまな変数を初期化する。ブロック1102はピッチの
調節のために遂行されるべき反復の回数を個々の高調波
ピークを探索することによって決定する。例外として、
理論周波数thが最大許容周波数mxfを越える場合は、ブ
ロック1102によって制御される“フォー ループ（for
loop）”が判定ブロック1104によって終端される。理論
周波数が個々の反復に対して、ブロック1103によってセ
ットされる。式（10）はピッチを調節するのに使用され
る手順を決定し、式（11）は個々のピークに対する探索
領域を決定する。ブロック1108は探索の開始において最
初のデータ ポイントを決定するスペクトル規模データ
Smのインデックスｍを決定するのに使用される。ブロッ
ク1108はまたこのデータ ポイントの回りの上側スロー
プus及び下側スロープlsと呼ばれるスロープを計算す
る。この上側及び下側スロープは指定のデータ ポイン
トの回りのスロープ規模データのスロープに対する５つ
の異なる状態の１つを決定するのに使用される。これら
５つの状態とは、スペクトルのローカル ピーク、正の
スロープ、負のスロープ、ローカル最小、あるいは平坦
部分である。これら状態が第10図及び第11図のブロック
1111,1114,1109、及び1110においてテストされる。スロ
ープがブロック1110及び1109によって曲線の最小あるい
は平坦部分であると検出されると、調節済みピッチ周波
数P1を決定された最後のピッチ値に等しくセットするブ
ロック1107が実行され、第11図のブロック1107が実行さ
れる。曲線の最小あるいは平坦部分が検出されない場合
は、判定ブロック1111が実行される。判定ブロック1111
によってピークが検出された場合は、ブロック1112によ
ってピークの所のデータ サンプルの周波数が決定され
る。
指定のポイントの回りのスペクトル規模データのスロ
ープがピーク、正のスロープ、あるいは負のスロープで
あると検出された場合は、ブロック1128から1132によっ
てピッチが調節される。この調節は式（10）に従って遂
行される。ブロック1128はピーク発見標識（peak locat
ed flag）をセットし、それぞれ式（10）の分子及び分
母を表わす変数nm及びdnをセットする。ブロック1129か
ら1132は次に式（10）の計算を遂行する。判定ブロック
1130はこの特定の高調波に対してピークが検出されたか
否か決定する。ピークが検出されない場合は、ループが
単に継続され、ブロック1131によって定義される計算は
遂行されない。全てのピークが処理されると、ブロック
1132が実行され、現在検出されたピークに対して調節さ
れたピッチを表わす調節されたピッチが生成される。
スペクトル データ ポイントのスロープが正あるい
は負であると検出されたときは、第11図のブロック1113
から1127が実行される。最初、ブロック1113が初期サン
プル ポイントに対する周波数psfを計算し、これがブ
ロック1119及び1123、及びブロック1122及び1124によっ
て探索が式（11）によって定義されるポイントを越えて
進まないことを保証するために使用される。スロー１が
正であるか負であるかの決定が判定ブロック1114によっ
て行なわれる。スペクトル データ ポイントが負のス
ロープ上にある場合は、ブロック1115から1125が実行さ
れる。これらブロックの目的はスロープ データ ポイ
ントをピークが発見されるまであるいはブロック1119及
び1123によって定義される探索領域の終端が越えられる
まで探索することにある。判定ブロック1125はこの探索
領域内にピークが発見されたか否かを決定するために使
用される。ブロック1114によって正のスロープが検出さ
れた場合は、ブロック1116から1126が実行され、負のス
ロープの場合に対してブロック1115から1125によって遂
行されたのと類似の機能が遂行される。ブロック1113か
ら1126の実行の後、ブロック1127から1132が上と同様の
方法で実行される。スペクトル内に存在する全てのピー
クがテストされたら、最終ピッチ値が第12図のブロック
1106によって式（10）に従って累積調節ピッチ値と等し
くセットされる。
高調波ロケータ106は第12図及び第13図のブロック120
1から1222によって実現される。ブロック1201は高調波
周波数を発見するのに必要な初期状態をセットアップす
る。ブロック1202はブロック1203から1222の実行を変数
harmによって指定される全てのピークが検出されるよう
に制御する。個々の高調波に対して、ブロック1203は理
論高調波スペクトル データ ポイント、上側スロー
プ、及び下側スロープを決定するのに使用すべきインデ
ックスを決定する。判定ブロック1204から1206によって
それぞれスロープが最小、平坦領域あるいはピークであ
ると決定された場合は、ブロック1222が実行され、高調
波オフセットがゼロにセットされる。スロープが正ある
いは負である場合は、ブロック1207から1221が実行され
る。ブロック1207から1220は前に説明のブロック1113か
ら1126の動作によって遂行されるのと類似の機能を遂行
する。ブロック1208から1220の実行が終了すると、高調
波オフセットhoqがブロック1221によってインデックス
番号ｒにセットされる。
第14図から第19図はプロセッサ803によって第２図の
シンセサイザ200を実現するために実行されるステップ
の詳細を示す。第２図の高調波周波数カルキュレータ21
2は第14図のブロック1301,1302、及び1303によって実現
される。ブロック1301はこの動作で使用されるべきパラ
メータを初期化する。ｉ番目のフレームの基本周波数▲
hfi o▼が伝送されたビットPFに等しくセットされる。こ
の初期値を使用して、ブロック1303は最初ピッチに周波
数番号を掛けることによってその高調波の理論周波数を
計算することによって個々の高調波周波数を計算する。
次に、この周波数がスペクトルデータ ポイント上にく
るように理論高調波のインデックスが得られ、このイン
デックスが伝送された高調波オフセットhotに加えられ
る。スペクトル データ ポイント インデックスが決
定されたら、このインデックスに周波数分解能frを掛け
ることによってｉ番目の高調波周波数▲hfi t▼が決定さ
れる。この手順がブロック1302によって全ての高調波が
計算されるまで反復される。
高調波振幅カルキュレータ213は、第８図のプロセッ
サ803によって第14図及び第15図のブロック1401から141
7を実行することによって実現される。ブロック1401か
ら1407はLPC反射係数を式（16）によって与えられる声
帯のオール ポール フィルタ記述のために使用される
係数に変換するためのセットアップ手順を遂行する。ブ
ロック1408から1412は式（17）によって定義される個々
の高調波に対するアンスケールド高調波エネルギーを計
算する。ブロック1413から1415は式（18）によって定義
される総アンスケールド エネルギーＥを計算するのに
使用される。ブロック1416から1417は式（20）によって
定義されるｉ番目のフレームのスケールド高調波振幅ha
を計算するのに使用される。
第15図から第18図のブロック1501から1521及びブロッ
ク1601から1614は、プロセッサ803によって第６図及び
第７図に示されるように個々の高調波に対して周波数及
び振幅の補間を行なうために遂行される動作を図解す
る。これら動作は、フレームの第１の部分がブロック15
01から1521によって処理され、フレームの第２の部分が
ブロック1601から1614によって処理されることにより遂
行される。第６図に示されるように、フレームｃの最初
の半分はポイント601から602まで延び、フレームｃの後
の半分はポイント602から603まで延びる。これらブロッ
クによって遂行される動作は、最初に先行フレームが発
声フレームであるか非発声であるか決定することであ
る。
より具体的には、第15図のブロック1501において初期
値がセットされる。判定ブロック1502は先行フレームが
発声フレームであったか非発声フレームであったか判定
する。先行フレームが非発声の場合は、判定ブロック15
04から1510が実行される。第17図のブロック1504及び15
07はフレームの開始の所で個々の高調波に対する高調波
周波数及び高調波振幅に対する最初のデータポイントを
位相に対して▲hfi c▼そして振幅に対して に初期化する。これは第６図及び第７図の図解に対応す
る。フレームの最初のデータ ポイントに対する初期値
がセット アップされたら、先行非発声フレームに対す
る残りの値がブロック1508から1501の実行によってセッ
トされる。高調波周波数の場合は、周波数が第６図に示
されるように中心周波数に等しくセットされる。高調波
振幅の場合は、個々のデータ ポイントが、第７図のフ
レームｃに対するように、フレームの開始の所のゼロか
ら開始し中点振幅に至るまでの線形近似にセットされ
る。
ブロック1502によって先行フレームが発声フレームで
あると判定された場合は、第16図の判定ブロック1503が
実行される。判定ブロック1503は先行フレームが現存の
フレームと比較して高調波を多く持つか少なく持つか決
定する。高調波の数は変数shによって示される。どちら
のフレームが多くの高調波を持つかによってブロック15
05が実行されるかあるいはブロック1506が実行されるか
が決定される。変数hminがどちらかのフレームの高調波
の最小番号に等しくセットされる。ブロック1505あるい
は1506が実行された後、ブロック1511及び1512が実行さ
れる。ブロック1511及び1512は先行フレームの最後のポ
イントを計算することによって現在のフレームの周波数
及び振幅の両方に対する初期ポイントを決定する。この
動作が全ての高調波に対して遂行された後、ブロック15
13から1515によってそれぞれ式（22）及び式（26）によ
って定義されるように全ての高調波に対して周波数及び
振幅の両方に対する個々のパー サンプル値が計算され
る。
変数hminによって定義される全ての高調波に対してパ
ー サンプル周波数及び振幅が計算されたら、ブロック
1516から1521が現在のフレームが先行フレームより多く
の高調波を持つ可能性がある事実を考慮するために計算
される。現在のフレームが先行フレームより多くの高調
波を持つ場合は、判定ブロック1516は制御をブロック15
17に渡す。現在のフレーム内に先行フレームより多くの
高調波が存在する場合は、ブロック1517から1521が実行
されるが、これらの動作は前述のブロック1504から1510
と同一である。
フレームの後半についての個々の高調波に対する周波
数及び振幅に対するパー サンプル ポイントの計算が
ブロック1601から1614によって示される。ブロック1601
によって次のフレームが発声であるか非発声であるか判
定される。次のフレームが非発声である場合は、ブロッ
ク1630から1607が実行される。ブロック1504及び1507に
よって遂行される初期ポイントを決定する必要はないこ
とに注意する。これは最初のポイントは、周波数及び振
幅の両方とも中点とされるためである。ブロック1603か
ら1607は、ブロック1508から1510によって遂行される機
能と類似の機能を遂行する。次のフレームが発声フレー
ムである場合は、判定ブロック1602及びブロック1604あ
るいは1605が実行される。これらブロックの実行は前述
のブロック1503,1505、及び1506に対して説明の実行と
類似する。ブロック1608から1611の動作は前述のブロッ
ク1513から1516の動作と類似する。ブロック1621から16
14の動作は前述のブロック1519から1521の動作と類似す
る。
発生器214によって遂行される最後の動作は、個々の
高調波に対して前述のようにして計算されたパー サン
プル周波数及び振幅を使用しての音声の実際のシヌソイ
ダル再生である。第19図のブロック1701から1707は前に
計算された周波数情報を使用して周波数から高調波の位
相を計算し、次に式（１）によって定義される計算を遂
行する。ブロック1702及び1703はフレームの開始に対す
る初期音声サンプルを決定する。この初期ポイントが決
定されたら、ブロック1704から1707によってそのフレー
ムに対する残りの音声サンプルが計算される。これらブ
ロックからの出力が次にデジタル／アナログ コンバー
タ208に伝送される。
【図面の簡単な説明】
第１図はブロック図にて本発明による音声アナライザを
示す図； 第２図はブロック図にて本発明による音声シンセサイザ
を示す図； 第３図は発声領域の間に音声を複製するための情報を含
むパケットを示す図； 第４図は非発声領域の間にノイズ励振を使用して音声を
複製するための情報を含むパケットを示す図； 第５図は非発声領域の間にパルス励振を使用して音声を
複製するための情報を含むパケットを示す図； 第６図はグラフにて第２図のシンセサイザによって基本
及び高調波周波数に対して遂行される補間を示す図； 第７図はグラフにて第２図のシンセサイザによって基本
及び高調波周波数の振幅に対して遂行される補間を示す
図； 第８図は第１図及び第２図のデジタル信号プロセッサ実
現を示す図； 第９図から第13図は流れ図にて第１図のアナライザ回路
の実現を可能とするために第８図のデジタル信号プロセ
ッサを制御するためのプログラムを示す図；そして 第14図から第19図は流れ図にて第２図のシンセサイザの
実現を可能とするために第８図のデジタル信号プロセッ
サの実行を制御するためのプログラムを示す図である。 ［主要部分の符号の説明］ 102……フレーム セグメント 103……エネルギー カルキュレータ 104……ハミング ウインドウ 105……FFTスペクトル規模ブロック 106……高調波ロケータ 107……ピッチ アジャスタ 108……高調波カルキュレータ 109……ピッチ検出器 111……LPCカルキュレータ 113……パラメータ符号器
───────────────────────────────────────────────────── フロントページの続き (72)発明者 ウィレム バスチアン クレイジン アメリカ合衆国 60510 イリノイズ，バ タヴィア，ノース ヴァン ノートウィッ ク 238 (72)発明者 デミトリオス パノス プレザス アメリカ合衆国 60068 イリノイズ，パ ーク リッジ，ノース グリーンウッド 1136

Claims (9)

    【特許請求の範囲】
  1. 【請求項１】人の音声を符号化するための処理システム
    であって、 音声を、各々が所定の数の均一な間隔の音声の瞬時振幅
    サンプルを持つ複数の音声フレームにセグメント化する
    ためのセグメンタ； フレーム各々に対する声帯を定義する音声パラメータ信
    号のセットを計算するためのカルキュレータ； 該音声サンプルのフレーム当たりのフレーム・エネルギ
    ーを計算するためのエネルギーカルキュレータ； フレーム各々の該音声サンプルのスペクトル分析を遂行
    してフレーム各々に対するスペクトル・サンプルからな
    るスペクトルを生成するためのアナライザを含む該シス
    テムにおいて、 フレーム各々に対する基本周波数信号をフレーム各々に
    対応するスペクトルから検出するためのピッチ検出器； 該検出された基本周波数信号とスペクトル・サンプルに
    応答し、該検出された基本周波数信号を分析の初期ポイ
    ントとして用いて、該基本周波数信号を表す該スペクト
    ル・サンプル内のピークの分析によって該検出された基
    本周波数信号を調節するピッチアジャスタ； フレーム各々に対する高調波周波数信号をフレーム各々
    に対するスペクトルから検出するための高調波ロケー
    タ； フレーム各々に対して該高調波周波数信号と該基本周波
    数信号の整数倍数との間の差を表すオフセット信号を決
    定するための高調波カルキュレータ；および 後の音声合成のために該フレーム・エネルギー、該音声
    パラメータのセット、該基本周波数および該オフセット
    信号の符号化表現を伝送するための送信機とからなるこ
    とを特徴とする音声符号化処理システム。
  2. 【請求項２】特許請求の範囲第１項に記載のシステムに
    おいて、該高調波ロケータが該スペクトルを該調節され
    た基本周波数信号の倍数を個々の該高調波周波数信号に
    対する開始ポイントとして使用して、該高調波周波数信
    号を決定するために探索するための手段を含むことを特
    徴とする音声符号化処理システム。
  3. 【請求項３】各々が所定の数の均一な間隔の音声の瞬時
    振幅サンプルを持つ複数のフレームにセグメント化され
    た音声を合成するための方法であって個々の該フレーム
    がフレーム・エネルギー、音声パラメータセット、音声
    の基本の基本周波数信号、および基本周波数信号から派
    生された理論高調波周波数と実際の高調波周波数との間
    の差を表すオフセット信号によって符号化されている該
    方法において、 該複数のフレームの１つのフレームの該オフセット信号
    と基本周波数信号に応答して該複数のフレームの各々の
    フレームに関する高調波周波数各々の高調波位相信号を
    計算するステップ； 該複数のフレームの１つに対して該音声パラメータのセ
    ットを用いて該高調波位相信号各々のアンスケールド・
    エネルギーを計算するステップ； 該複数のフレームの１つに対して該高調波位相信号の全
    てについて該アンスケールド・エネルギーを加算するス
    テップ； 該高調波位相信号各々の高調波エネルギー、該加算され
    たアンスケールド・エネルギーおよび該複数のフレーム
    の１つに関するフレーム・エネルギーに応答して、該高
    調波位相信号の高調波振幅を決定するステップ；そして 該複数のフレームの１つのフレームに対する該高調波位
    相信号および該決定された振幅に応答して複製音声を生
    成するステップを含むことを特徴とする音声合成方法。
  4. 【請求項４】特許請求の範囲第３項に記載の方法におい
    て、該高調波位相信号各々が複数のサンプルを含み、該
    アンスケールド・エネルギーを計算するステップが； 該個々のオフセット信号を該基本周波数信号の整数倍数
    に加えることによって該高調波位相信号各々に対する高
    調波周波数信号を得るステップ；および 該複数のフレームの１つのフレームに対する高調波周波
    数信号および該高調波位相信号各々に対する該複数のフ
    レームの１つのフレームの前後のフレームに対する対応
    する高調波周波数信号に応答して、該複数のフレームの
    該前後のフレームが発声フレームであるときに補間を遂
    行して、該複数のフレームの１つのフレームの該個々の
    高調波位相信号に対して該複数の高調波サンプルを得る
    ステップを含むことを特徴とする音声合成方法。
  5. 【請求項５】特許請求の範囲第４項に記載の方法におい
    て、該補間ステップが線形補間を遂行することを特徴と
    する音声合成方法。
  6. 【請求項６】特許請求の範囲第５項に記載の方法におい
    て、該個々の該高調波位相信号に対する該複数のフレー
    ムの該１つのフレームに対する該高調波周波数信号が該
    複数のフレームの該１つのフレームの中心に位置するこ
    とを特徴とする音声合成方法。
  7. 【請求項７】特許請求の範囲第３項に記載の方法におい
    て、該高調波位相信号の個々の該振幅が複数の振幅サン
    プルを持ち、該計算ステップが該複数のフレームの該１
    つのフレームに対する計算された高調波振幅および個々
    の該高調波位相信号に対する該複数のフレームの該１つ
    のフレームの前後のフレームに対する計算された高調波
    振幅サンプルに応答して、該複数のフレームの前後のフ
    レームが発声フレームであるとき、補間を遂行し、該複
    数のフレームの該１つのフレームに対する個々の該高調
    波位相信号に対する該複数の振幅サンプルを得るステッ
    プを含むことを特徴とする音声合成方法。
  8. 【請求項８】特許請求の範囲第９項に記載の方法におい
    て、該補間ステップが線形補間を遂行することを特徴と
    する音声合成方法。
  9. 【請求項９】特許請求の範囲第８項に記載の方法におい
    て、個々の該高調波位相信号に対する該複数のフレーム
    の該１つのフレームに対する該計算された高調波振幅が
    該フレームの複数の該１つのフレームの中心に位置する
    ことを特徴とする音声合成方法。
JP62225440A 1986-09-11 1987-09-10 デジタル音声符号化および復号方法および装置 Expired - Lifetime JPH0833754B2 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US906523 1986-09-11
US06/906,523 US4797926A (en) 1986-09-11 1986-09-11 Digital speech vocoder

Publications (2)

Publication Number Publication Date
JPS6370900A JPS6370900A (ja) 1988-03-31
JPH0833754B2 true JPH0833754B2 (ja) 1996-03-29

Family

ID=25422593

Family Applications (1)

Application Number Title Priority Date Filing Date
JP62225440A Expired - Lifetime JPH0833754B2 (ja) 1986-09-11 1987-09-10 デジタル音声符号化および復号方法および装置

Country Status (8)

Country Link
US (1) US4797926A (ja)
EP (1) EP0260053B1 (ja)
JP (1) JPH0833754B2 (ja)
KR (1) KR960002388B1 (ja)
AT (1) ATE103728T1 (ja)
AU (1) AU580218B2 (ja)
CA (1) CA1307345C (ja)
DE (1) DE3789476T2 (ja)

Families Citing this family (82)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5202953A (en) * 1987-04-08 1993-04-13 Nec Corporation Multi-pulse type coding system with correlation calculation by backward-filtering operation for multi-pulse searching
US4989250A (en) * 1988-02-19 1991-01-29 Sanyo Electric Co., Ltd. Speech synthesizing apparatus and method
US5003604A (en) * 1988-03-14 1991-03-26 Fujitsu Limited Voice coding apparatus
US5023910A (en) * 1988-04-08 1991-06-11 At&T Bell Laboratories Vector quantization in a harmonic speech coding arrangement
US5179626A (en) * 1988-04-08 1993-01-12 At&T Bell Laboratories Harmonic speech coding arrangement where a set of parameters for a continuous magnitude spectrum is determined by a speech analyzer and the parameters are used by a synthesizer to determine a spectrum which is used to determine senusoids for synthesis
US5359696A (en) * 1988-06-28 1994-10-25 Motorola Inc. Digital speech coder having improved sub-sample resolution long-term predictor
CA2006487C (en) * 1988-12-23 1994-01-11 Kazunori Ozawa Communication system capable of improving a speech quality by effectively calculating excitation multipulses
JP2903533B2 (ja) * 1989-03-22 1999-06-07 日本電気株式会社 音声符号化方式
JPH0782359B2 (ja) * 1989-04-21 1995-09-06 三菱電機株式会社 音声符号化装置、音声復号化装置及び音声符号化・復号化装置
CA2021514C (en) * 1989-09-01 1998-12-15 Yair Shoham Constrained-stochastic-excitation coding
NL8902463A (nl) * 1989-10-04 1991-05-01 Philips Nv Inrichting voor geluidsynthese.
US5754976A (en) * 1990-02-23 1998-05-19 Universite De Sherbrooke Algebraic codebook with signal-selected pulse amplitude/position combinations for fast coding of speech
CA2010830C (en) * 1990-02-23 1996-06-25 Jean-Pierre Adoul Dynamic codebook for efficient speech coding based on algebraic codes
US5701392A (en) * 1990-02-23 1997-12-23 Universite De Sherbrooke Depth-first algebraic-codebook search for fast coding of speech
JP2689739B2 (ja) * 1990-03-01 1997-12-10 日本電気株式会社 秘話装置
US5226108A (en) * 1990-09-20 1993-07-06 Digital Voice Systems, Inc. Processing a speech signal with estimated pitch
US5138661A (en) * 1990-11-13 1992-08-11 General Electric Company Linear predictive codeword excited speech synthesizer
US5293449A (en) * 1990-11-23 1994-03-08 Comsat Corporation Analysis-by-synthesis 2,4 kbps linear predictive speech codec
US5226084A (en) * 1990-12-05 1993-07-06 Digital Voice Systems, Inc. Methods for speech quantization and error correction
US5630011A (en) * 1990-12-05 1997-05-13 Digital Voice Systems, Inc. Quantization of harmonic amplitudes representing speech
US5450522A (en) * 1991-08-19 1995-09-12 U S West Advanced Technologies, Inc. Auditory model for parametrization of speech
US5189701A (en) * 1991-10-25 1993-02-23 Micom Communications Corp. Voice coder/decoder and methods of coding/decoding
US5351338A (en) * 1992-07-06 1994-09-27 Telefonaktiebolaget L M Ericsson Time variable spectral analysis based on interpolation for speech coding
US5517511A (en) * 1992-11-30 1996-05-14 Digital Voice Systems, Inc. Digital transmission of acoustic signals over a noisy communication channel
US5832436A (en) * 1992-12-11 1998-11-03 Industrial Technology Research Institute System architecture and method for linear interpolation implementation
US5448679A (en) * 1992-12-30 1995-09-05 International Business Machines Corporation Method and system for speech data compression and regeneration
US5479559A (en) * 1993-05-28 1995-12-26 Motorola, Inc. Excitation synchronous time encoding vocoder and method
ES2165389T3 (es) * 1993-05-31 2002-03-16 Sony Corp Aparato y metodo para codificar o descodificar señales, y medio de grabacion.
EP0663739B1 (en) * 1993-06-30 2001-08-22 Sony Corporation Digital signal encoding device, its decoding device, and its recording medium
JP2906968B2 (ja) * 1993-12-10 1999-06-21 日本電気株式会社 マルチパルス符号化方法とその装置並びに分析器及び合成器
WO1995027335A1 (en) * 1994-04-01 1995-10-12 Sony Corporation Method and device for encoding information, method and device for decoding information, information transmitting method, and information recording medium
US5715365A (en) * 1994-04-04 1998-02-03 Digital Voice Systems, Inc. Estimation of excitation parameters
US5787387A (en) * 1994-07-11 1998-07-28 Voxware, Inc. Harmonic adaptive speech coding method and system
JP3528258B2 (ja) * 1994-08-23 2004-05-17 ソニー株式会社 符号化音声信号の復号化方法及び装置
AU696092B2 (en) * 1995-01-12 1998-09-03 Digital Voice Systems, Inc. Estimation of excitation parameters
US5701390A (en) * 1995-02-22 1997-12-23 Digital Voice Systems, Inc. Synthesis of MBE-based coded speech using regenerated phase information
US5754974A (en) * 1995-02-22 1998-05-19 Digital Voice Systems, Inc Spectral magnitude representation for multi-band excitation speech coders
JPH08254993A (ja) * 1995-03-16 1996-10-01 Toshiba Corp 音声合成装置
US5717819A (en) * 1995-04-28 1998-02-10 Motorola, Inc. Methods and apparatus for encoding/decoding speech signals at low bit rates
US5774837A (en) * 1995-09-13 1998-06-30 Voxware, Inc. Speech coding system and method using voicing probability determination
JP2861889B2 (ja) * 1995-10-18 1999-02-24 日本電気株式会社 音声パケット伝送システム
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
JP4005154B2 (ja) * 1995-10-26 2007-11-07 ソニー株式会社 音声復号化方法及び装置
JP2778567B2 (ja) * 1995-12-23 1998-07-23 日本電気株式会社 信号符号化装置及び方法
US5794199A (en) * 1996-01-29 1998-08-11 Texas Instruments Incorporated Method and system for improved discontinuous speech transmission
JP3687181B2 (ja) * 1996-04-15 2005-08-24 ソニー株式会社 有声音／無声音判定方法及び装置、並びに音声符号化方法
US5778337A (en) * 1996-05-06 1998-07-07 Advanced Micro Devices, Inc. Dispersed impulse generator system and method for efficiently computing an excitation signal in a speech production model
JPH10149199A (ja) * 1996-11-19 1998-06-02 Sony Corp 音声符号化方法、音声復号化方法、音声符号化装置、音声復号化装置、電話装置、ピッチ変換方法及び媒体
US6131084A (en) * 1997-03-14 2000-10-10 Digital Voice Systems, Inc. Dual subframe quantization of spectral magnitudes
US6161089A (en) * 1997-03-14 2000-12-12 Digital Voice Systems, Inc. Multi-subframe quantization of spectral parameters
EP0925580B1 (en) * 1997-07-11 2003-11-05 Koninklijke Philips Electronics N.V. Transmitter with an improved speech encoder and decoder
JP2001500284A (ja) * 1997-07-11 2001-01-09 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 改良した調波音声符号器を備えた送信機
US6029133A (en) * 1997-09-15 2000-02-22 Tritech Microelectronics, Ltd. Pitch synchronized sinusoidal synthesizer
JP3502247B2 (ja) * 1997-10-28 2004-03-02 ヤマハ株式会社 音声変換装置
US6199037B1 (en) 1997-12-04 2001-03-06 Digital Voice Systems, Inc. Joint quantization of speech subframe voicing metrics and fundamental frequencies
DE69932786T2 (de) * 1998-05-11 2007-08-16 Koninklijke Philips Electronics N.V. Tonhöhenerkennung
WO1999059139A2 (en) * 1998-05-11 1999-11-18 Koninklijke Philips Electronics N.V. Speech coding based on determining a noise contribution from a phase change
US6230130B1 (en) 1998-05-18 2001-05-08 U.S. Philips Corporation Scalable mixing for speech streaming
TW430778B (en) * 1998-06-15 2001-04-21 Yamaha Corp Voice converter with extraction and modification of attribute data
US6959274B1 (en) * 1999-09-22 2005-10-25 Mindspeed Technologies, Inc. Fixed rate speech compression system and method
GB2357231B (en) * 1999-10-01 2004-06-09 Ibm Method and system for encoding and decoding speech signals
US6725190B1 (en) * 1999-11-02 2004-04-20 International Business Machines Corporation Method and system for speech reconstruction from speech recognition features, pitch and voicing with resampled basis functions providing reconstruction of the spectral envelope
US6377916B1 (en) 1999-11-29 2002-04-23 Digital Voice Systems, Inc. Multiband harmonic transform coder
US7212639B1 (en) * 1999-12-30 2007-05-01 The Charles Stark Draper Laboratory Electro-larynx
WO2005046477A2 (en) * 2003-11-12 2005-05-26 Facet Technologies, Llc Lancing device and multi-lancet cartridge
EP1569200A1 (en) * 2004-02-26 2005-08-31 Sony International (Europe) GmbH Identification of the presence of speech in digital audio data
KR100608062B1 (ko) * 2004-08-04 2006-08-02 삼성전자주식회사 오디오 데이터의 고주파수 복원 방법 및 그 장치
KR100790110B1 (ko) * 2006-03-18 2008-01-02 삼성전자주식회사 모폴로지 기반의 음성 신호 코덱 방법 및 장치
KR100900438B1 (ko) * 2006-04-25 2009-06-01 삼성전자주식회사 음성 패킷 복구 장치 및 방법
KR101380170B1 (ko) * 2007-08-31 2014-04-02 삼성전자주식회사 미디어 신호 인코딩/디코딩 방법 및 장치
JP4775977B2 (ja) * 2008-03-28 2011-09-21 日立金属株式会社 シート材穿孔装置
US9299362B2 (en) * 2009-06-29 2016-03-29 Mitsubishi Electric Corporation Audio signal processing device
JP4883732B2 (ja) * 2009-10-13 2012-02-22 株式会社日立メタルプレシジョン シート材穿孔装置
CN101847404B (zh) * 2010-03-18 2012-08-22 北京天籁传音数字技术有限公司 一种实现音频变调的方法和装置
KR101762204B1 (ko) 2012-05-23 2017-07-27 니폰 덴신 덴와 가부시끼가이샤 부호화 방법, 복호 방법, 부호화 장치, 복호 장치, 프로그램 및 기록 매체
KR20150032390A (ko) * 2013-09-16 2015-03-26 삼성전자주식회사 음성 명료도 향상을 위한 음성 신호 처리 장치 및 방법
US9837089B2 (en) * 2015-06-18 2017-12-05 Qualcomm Incorporated High-band signal generation
US10847170B2 (en) 2015-06-18 2020-11-24 Qualcomm Incorporated Device and method for generating a high-band signal from non-linearly processed sub-ranges
EP3121814A1 (en) * 2015-07-24 2017-01-25 Sound object techology S.A. in organization A method and a system for decomposition of acoustic signal into sound objects, a sound object and its use
CN106356055B (zh) * 2016-09-09 2019-12-10 华南理工大学 基于正弦模型的可变频语音合成系统及方法
CN113938749B (zh) * 2021-11-30 2023-05-05 北京百度网讯科技有限公司 音频数据处理方法、装置、电子设备和存储介质
US12126846B2 (en) * 2022-05-27 2024-10-22 Sling TV L.L.C. Media signature recognition with resource constrained devices

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4045616A (en) * 1975-05-23 1977-08-30 Time Data Corporation Vocoder system
JPS5543554A (en) * 1978-09-25 1980-03-27 Nippon Musical Instruments Mfg Electronic musical instrument
JPS56119194A (en) * 1980-02-23 1981-09-18 Sony Corp Sound source device for electronic music instrument
JPS56125795A (en) * 1980-03-05 1981-10-02 Sony Corp Sound source for electronic music instrument
US4419544A (en) * 1982-04-26 1983-12-06 Adelman Roger A Signal processing apparatus
SE428167B (sv) * 1981-04-16 1983-06-06 Mangold Stephan Programmerbar signalbehandlingsanordning, huvudsakligen avsedd for personer med nedsatt horsel
US4631746A (en) * 1983-02-14 1986-12-23 Wang Laboratories, Inc. Compression and expansion of digitized voice signals
US4667340A (en) * 1983-04-13 1987-05-19 Texas Instruments Incorporated Voice messaging system with pitch-congruent baseband coding
US4513651A (en) * 1983-07-25 1985-04-30 Kawai Musical Instrument Mfg. Co., Ltd. Generation of anharmonic overtones in a musical instrument by additive synthesis
US4701954A (en) * 1984-03-16 1987-10-20 American Telephone And Telegraph Company, At&T Bell Laboratories Multipulse LPC speech processing arrangement
JPS6121000A (ja) * 1984-07-10 1986-01-29 日本電気株式会社 Ｃｓｍ型音声合成器
EP0215915A4 (en) * 1985-03-18 1987-11-25 Massachusetts Inst Technology TREATMENT OF ACOUSTIC WAVE SHAPES.
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

Also Published As

Publication number Publication date
EP0260053A1 (en) 1988-03-16
EP0260053B1 (en) 1994-03-30
KR880004426A (ko) 1988-06-07
DE3789476T2 (de) 1994-09-15
AU7825487A (en) 1988-03-24
JPS6370900A (ja) 1988-03-31
DE3789476D1 (de) 1994-05-05
KR960002388B1 (ko) 1996-02-16
CA1307345C (en) 1992-09-08
US4797926A (en) 1989-01-10
ATE103728T1 (de) 1994-04-15
AU580218B2 (en) 1989-01-05

Similar Documents

Publication Publication Date Title
JPH0833754B2 (ja) デジタル音声符号化および復号方法および装置
KR960002387B1 (ko) 음성 처리 시스템 및 음성 처리방법
EP0337636B1 (en) Harmonic speech coding arrangement
EP0336658B1 (en) Vector quantization in a harmonic speech coding arrangement
US6741960B2 (en) Harmonic-noise speech coding algorithm and coder using cepstrum analysis method
US5305421A (en) Low bit rate speech coding system and compression
US5787387A (en) Harmonic adaptive speech coding method and system
KR100388388B1 (ko) 재생위상정보를사용하는음성합성방법및장치
JP3687181B2 (ja) 有声音／無声音判定方法及び装置、並びに音声符号化方法
US4890328A (en) Voice synthesis utilizing multi-level filter excitation
JP2003050600A (ja) 線スペクトル平方根を発生し符号化するための方法と装置
JPH11219198A (ja) 位相検出装置及び方法、並びに音声符号化装置及び方法
JPH0782360B2 (ja) 音声分析合成方法
US6278971B1 (en) Phase detection apparatus and method and audio coding apparatus and method
US6662153B2 (en) Speech coding system and method using time-separated coding algorithm
EP0713208B1 (en) Pitch lag estimation system
JP3398968B2 (ja) 音声分析合成方法
JPH07261798A (ja) 音声分析合成装置
KR100310930B1 (ko) 음성합성장치및그방법
Malot et al. Spectrum interpolation synthesis for the compression of musical signals
JPH07104793A (ja) 音声信号の符号化装置及び復号化装置
JPH0235993B2 (ja)
JPH1055193A (ja) 音声分析方法