JPH10133697A - 音声符号化方法およびその装置 - Google Patents

Abstract

(57)【要約】 【課題】 生成された駆動音源パルスに対して、データ
劣化を最小限にとどめながら効率よい符号化を可能とす
る。 【解決手段】 駆動音源信号符号化部５として、パルス
コードとパルスの強度と参照値を１つの組として記憶す
る複数個のパルスキャッシュ５２１〜５２４と、入力音
声データとスペクトル包絡パラメータにより生成された
駆動音源信号の強度と前記複数個のパルスキャッシュに
格納された強度との適合度を所定のパラメータにより判
定するパルス適合度判定手段５１と、その判定結果に応
じてパルスキャッシュの内容を更新する更新手段５４
と、パルス適合度判定手段および更新手段の処理結果を
基に、前記複数個のパルスキャッシュの中からいずれか
のパルスキャッシュを選択する手段５３と、選択された
パルスキャッシュのデータを基に、前記駆動音源信号を
符号化する符号化駆動音源データ出力手段５５とを有す
る。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、音声信号を少ない
計算量で効率的に符号化する音声符号化方法および装置
に関し、特に、生成された駆動音源パルス信号を効率的
に符号化する音声符号化方法およびその装置に関する。

【０００２】

【従来の技術】音声信号を符号化する方法として、従来
より様々な方法が提案されている。その１つとして、特
開昭５９−１１６９７３（以下、第１の従来技術とい
う）がある。

【０００３】この第１の従来技術は、入力音声データを
短時間毎に分割して短時間音声信号系列を求める手段、
この短時間音声信号系列からスペクトル包絡パラメータ
を抽出するスペクトル包絡パラメータ抽出手段、このス
ペクトル包絡パラメータをもとにインパルス応答系列を
計算するするインパルス応答系列計算手段、このインパ
ルス応答系列を用いて自己相関関数列を計算する手段、
前記インパルス応答系列と短時間音声信号系列を用いて
相互相関関数列を計算する手段、前記自己相関関数列と
相互相関関数列を用いて駆動音源信号系列計算して符号
化する手段、スペクトル包絡符号と駆動音源信号とを組
み合わせて出力する手段とを有し、さらに、前記短時間
音声信号に対して予め定められた補正を加える目標信号
計算手段を有している。

【０００４】この第１の従来技術によれば、音声の符号
化を行うに際して、効率的に駆動音源パルスの位置とゲ
インを決定することができ、また、計算量、使用メモリ
量の削減にもある程度の効果は得られる。

【０００５】しかし、この第１の従来技術は、女性の声
のような音声信号を符号化したのち、音声合成を行う場
合、高品質な音声合成を得るには、駆動音源パルスをた
くさん抽出する必要があるため、圧縮率が悪くなるとい
う問題点があった。

【０００６】すなわち、女性の声は、男性の声に比べる
と複雑で、高精度な合成音を得るには、駆動音源パルス
をたくさん抽出する必要があり、結局は、圧縮率が悪い
ものとなってしまう。

【０００７】一方、高い圧縮率を得るための技術とし
て、特開昭６３−３７３９９（以下、第２の従来技術と
いう）、特開平３−４３００（以下、第３の従来技術と
いう）がある。

【０００８】第２の従来技術は、音声信号からピッチ推
定を行い、過去のパルス列からの推定値と実際の信号と
の残差を求め、この残差により駆動音源パルスを計算し
ようとするものである。

【０００９】また、第３の従来技術は、ピッチ推定を行
い、その１ピッチ区間分の駆動音源（マルチパルス）を
推定する。そして、そのマルチパルスのゲインと位相を
補正することによって、他のピッチ区間を補正すること
により他のピッチ区間を近似する。さらに、推定された
値と実際の値との残差より、第２のマルチパルスを推定
する。なお、マルチパルス信号の他に雑音コードブック
を用いる場合もある。

【００１０】

【発明が解決しようとする課題】しかしながら、従来の
技術は、それぞれにおいて種々の問題点がある。たとえ
ば、第１の従来技術は、駆動音源パルスを求めるための
基本的な技術ではあるが、合成音の品質を上げようとす
ると、多くの駆動音源パルスを立てる必要があり、女性
の声のような音声データに対しては特に圧縮率が悪くな
る問題がある。また、第２、第３の従来技術は、同じ波
形を繰り返す周期を求め、１つ前の周期から次の周期を
推定し、その推定した部分と現実の音声波形との差分を
計算して、その差分により駆動音源を計算するため、高
い圧縮率が実現できるが、ピッチを求めたり差分を求め
たりする必要があるため計算量が多く、また、それらの
データを蓄えるために大きな容量のメモリが必要になる
という問題点がある。

【００１１】さらにまた、以上の従来技術は、音質を優
先するか圧縮率を優先するかという相反する課題に対し
て、駆動音源となるパルスの個数を調整するためのパラ
メータしか持っていないのが普通である。

【００１２】最近では音声データを扱う携帯用の情報機
器が広い分野で用いられるようになってきている。この
種の携帯用情報機器やコンピュータネットワーク上のリ
アルタイム伝送などにおいては、音質と圧縮率に係わる
パラメータをより細かく調整できることが要求されてい
る。

【００１３】そこで、本発明は、生成された駆動音源パ
ルスを効率よく符号化でき、かつ、音質と圧縮率の優先
度合いに応じて両者のバランスを調整することを可能と
し、さらに、計算量および使用メモリ量の削減を図り、
データ欠落に対して大きな影響を受けることなく、比較
的高い圧縮率での音声データ圧縮を可能とする音声符号
化方法およびその装置を実現することを目的とする。

【００１４】

【課題を解決するための手段】本発明の音声合成方法
は、請求項１に記載されるように、入力された音声デー
タより、所定長のフレームデータを切り出して、この切
り出されたフレームデータについてスペクトル包絡パラ
メータを抽出し、前記入力音声データと前記スペクトル
包絡パラメータにより駆動音源信号を生成し、この駆動
音源信号を符号化して、その符号化した駆動音源信号と
前記スペクトル包絡パラメータを符号化した信号を基に
符号化データを得る音声符号化方法において、前記駆動
音源信号を符号化する方法は、パルスコードとパルスの
強度と参照値を１つの組として記憶するパルスデータ記
憶手段を複数個有し、前記生成された駆動音源信号の強
度と、前記複数個のパルスデータ記憶手段に格納された
強度との適合度を、所定のパラメータにより判定し、そ
の判定結果に応じてパルスデータ記憶手段の内容を更新
する処理を行い、その結果を基に、前記複数個のパルス
データ記憶手段の中からいずれかのパルスデータ記憶手
段を選択し、この選択されたパルスデータ記憶手段の内
容を基に、前記駆動音源信号を符号化することを特徴と
している。

【００１５】また、本発明の音声符号化方法は、請求項
５に記載されるように、入力された音声データより、所
定長のフレームデータを切り出して、この切り出された
フレームデータについてスペクトル包絡パラメータを抽
出し、前記入力音声データと前記スペクトル包絡パラメ
ータにより駆動音源信号を生成し、この駆動音源信号を
符号化して、その符号化した駆動音源信号と前記スペク
トル包絡パラメータを符号化した信号を基に符号化デー
タを得る音声符号化方法において、前記入力音声データ
と前記スペクトル包絡パラメータにより駆動音源信号を
生成する方法は、抽出されたスペクトル包絡パラメータ
から主パルスの位置と強度を推定し、この主パルスに対
して時間的に先行する所定区間において前記主パルスに
対する先行パルスの位置と強度を推定するとともに、前
記主パルスに対して時間的に後続する所定区間において
前記主パルスに対する後続パルスの位置と強度を推定
し、これら主パルス、先行パルス、後続パルスを１つの
組として、この１つの組のパルス群を用いて前記切り出
されたフレーム内の駆動音源信号を作成する。

【００１６】この駆動音源信号を符号化する方法は、パ
ルスコードとパルスの強度と参照値を１つの組として記
憶するパルスデータ記憶手段を複数個有し、前記生成さ
れた駆動音源信号の強度と、前記複数個のパルスデータ
記憶手段に格納された強度との適合度を、所定のパラメ
ータにより判定し、その判定結果に応じてパルスデータ
記憶手段の内容を更新する処理を行い、その結果を基
に、前記複数個のパルスデータ記憶手段の中からいずれ
かのパルスデータ記憶手段を選択し、この選択されたパ
ルスデータ記憶手段の内容を基に、前記駆動音源信号を
符号化することを特徴としている。

【００１７】以上のような本発明の音声符号化方法にお
いて、前記生成された駆動音源信号の強度と、前記複数
個のパルスデータ記憶手段に格納された強度との適合度
を、所定のパラメータにより判定する処理は、生成され
た駆動音源信号における符号化すべきパルスの強度をパ
ルスデータ記憶手段に格納された強度と比較して、その
適合度から適合の可否を判定し、適合する強度が存在す
る場合は、その強度に対応する参照値を、最新を意味す
る参照値に書き換え、当該強度に対応する参照値よりも
新しい参照値に対してはその参照値を順送りし、適合す
る強度が存在しない場合は、参照されることの最も少な
い参照値に対応する強度を符号化すべき強度に書き換え
るとともに、その参照値を最新を意味する参照値に書き
換え、他の参照値を順送りするようにしている。

【００１８】また、前記複数個のパルスデータ記憶手段
の中からいずれかのパルスデータ記憶手段を選択する処
理は、生成された駆動音源信号の強度に対して、前記パ
ラメータにより許容範囲を設定して、その許容範囲内に
おいて前記駆動音源信号とパルスデータ記憶手段内の強
度を示す値とを比較して、その比較結果を基に適合度の
高いパルスデータ記憶手段を選択するようにしている。

【００１９】さらに、前記適合度を判定するためのパラ
メータは、その値を調整可能としている。

【００２０】また、本発明の音声符号化装置は、請求項
９に記載されるように、入力された音声データより切り
出された所定長のフレームデータを記憶するフレームデ
ータ記憶手段、切り出されたフレームデータについてス
ペクトル包絡パラメータを抽出するスペクトル包絡パラ
メータ抽出手段、抽出されたスペクトル包絡パラメータ
を符号化するスペクトル包絡パラメータ符号化手段、前
記入力音声データと前記スペクトル包絡パラメータによ
り駆動音源信号を生成する駆動音源信号生成手段、駆動
音源信号を符号化する駆動音源信号符号化手段、符号化
された駆動音源信号と前記符号化されたスペクトル包絡
パラメータを基に符号化データを出力する符号化データ
出力手段を少なくとも有する音声符号化装置において、
前記駆動音源信号符号化手段は、パルスコードとパルス
の強度と参照値を１つの組として記憶する複数個のパル
スデータ記憶手段と、前記入力音声データと前記スペク
トル包絡パラメータにより生成された駆動音源信号の強
度と前記複数個のパルスデータ記憶手段に格納された強
度との適合度を所定のパラメータにより判定するパルス
適合度判定手段と、前記判定結果に応じてパルスデータ
記憶手段の内容を更新する更新手段と、これらパルス適
合度判定手段および更新手段の処理結果を基に、前記複
数個のパルスデータ記憶手段の中からいずれかのパルス
データ記憶手段を選択する手段と、選択されたパルスデ
ータ記憶手段の内容を基に、前記駆動音源信号を符号化
する符号化駆動音源データ出力手段とを有することを特
徴としている。

【００２１】また、本発明の音声符号化装置は、請求項
１３に記載されるように、入力された音声データより切
り出された所定長のフレームデータを記憶するフレーム
データ記憶手段、切り出されたフレームデータについて
スペクトル包絡パラメータを抽出するスペクトル包絡パ
ラメータ抽出手段、抽出されたスペクトル包絡パラメー
タを符号化するスペクトル包絡パラメータ符号化手段、
前記入力音声データと前記スペクトル包絡パラメータに
より駆動音源信号を生成する駆動音源信号生成手段、駆
動音源信号を符号化する駆動音源信号符号化手段、符号
化された駆動音源信号と前記符号化されたスペクトル包
絡パラメータを符号化データとして出力する符号化デー
タ出力手段を少なくとも有する音声符号化装置におい
て、前記入力音声データと前記スペクトル包絡パラメー
タにより駆動音源信号を生成する手段は、前記スペクト
ル包絡パラメータにより、前記切り出されたフレームか
ら主パルスの位置と強度を推定する主パルス推定手段
と、この主パルスに対して時間的に先行する所定区間に
おいて、前記主パルスに対する先行パルスの位置と強度
を推定する先行パルス推定手段と、前記主パルスに対し
て時間的に後続する所定区間において前記主パルスに対
する後続パルスの位置と強度を推定する後続パルス推定
手段と、これら主パルス、先行パルス、後続パルスを１
つの組として、この１つの組のパルス群を用いて前記１
フレーム内の駆動音源信号を生成する駆動音源信号生成
手段とを有する。

【００２２】さらに、前記駆動音源信号符号化手段は、
パルスコードとパルスの強度と参照値を１つの組として
記憶する複数個のパルスデータ記憶手段と、前記生成さ
れた駆動音源信号の強度と、前記複数個のパルスデータ
記憶手段内の強度との適合度を所定のパラメータにより
判定するパルス適合度判定手段と、前記判定結果に応じ
てパルスデータ記憶手段の内容を更新する更新手段と、
これらパルス適合度判定手段および更新手段の処理結果
を基に、前記複数個のパルスデータ記憶手段の中からい
ずれかのパルスデータ記憶手段を選択する手段と、選択
されたパルスデータ記憶手段を基に、前記駆動音源信号
を符号化する符号化駆動音源データ出力手段とを有した
ことを特徴としている。

【００２３】以上のような本発明の音声符号化装置にお
いて、前記パルス適合度判定手段およびパルスデータ記
憶手段の内容を更新する更新手段が行う処理は、生成さ
れた駆動音源信号における符号化すべきパルスの強度を
パルスデータ記憶手段内の強度と比較して、その適合度
から適合の可否を判定し、適合する強度が存在する場合
は、その強度に対応する参照値を、最新を意味する参照
値に書き換え、当該強度に対応する参照値よりも新しい
参照値に対してはその参照値を順送りし、適合する強度
が存在しない場合は、参照されることの最も少ない参照
値に対応する強度を符号化すべき強度に書き換えるとと
もに、その参照値を最新を意味する参照値に書き換え、
他の参照値を順送りするようにしている。

【００２４】また、前記パルスデータ記憶手段を選択す
る手段は、生成された駆動音源信号の強度に対しパラメ
ータにより許容範囲を設定して、その許容範囲内におい
て前記駆動音源信号とパルスデータ記憶手段内の強度を
示す値とを比較して、その比較結果を基に適合度の高い
パルスデータ記憶手段を選択するようにしている。

【００２５】さらに、前記適合度を判定するためのパラ
メータは、その値を調整可能としている。

【００２６】このように、本発明では、 複数のパルス
キャッシュを持ち、その中から、或るフレームの音声デ
ータを符号化するに最適なパルスキャッシュを選択し、
その選択されたパルスキャッシュのキャッシュヒット、
キャッシュミスの情報、それに応じた内容の更新結果を
用いて駆動音源パルスを符号化しているので、１つ１つ
の駆動音源パルスに対して、データ劣化を最小限にとど
めながら効率よい符号化が可能となる。

【００２７】また、パルスゲインの適合度を判定するた
めのパラメータを調整可能とすることにより、圧縮率優
先あるいは音質優先のバランスを調整することができ
る。つまり、許容誤差を大きく取れば、キャッシュミス
が減少し、圧縮率は向上するが音質は劣化する。一方、
許容誤差を小さく取れば、キャッシュミスが増大し、圧
縮率は低下するが音質は向上する。これにより、たとえ
ば、リアルタイム転送時において、回線に余裕がないと
きは、データ転送量を小さくするために、圧縮率を優先
するようにし、逆に、回線に余裕があるときは、音質を
優先するというようなことも可能となる。

【００２８】さらに、本発明では、駆動音源パルスを、
主パルスとその先行パルス、後続パルスの３つを１組と
し、その１組のパルス群を基にして駆動音源パルス列を
作るようにしている。したがって、ピッチ周期そのもの
を計算していないので、計算量の削減が図れ、また、１
フレームずつ独立して合成パルス列を作成するので、従
来の差分情報を用いる方法に比べて、データの一部が失
われた場合にもその影響を殆ど受けることがない。

【００２９】このように作成された駆動音源パルス信号
に対して、前記したような符号化処理を行うことで、デ
ータ劣化を最小限にとどめながら効率よい符号化が可能
となる。

【００３０】

【発明の実施の形態】以下、本発明の実施の形態につい
て図１〜図１２を参照しながら説明する。

【００３１】（第１の実施の形態）この第１の実施の形
態による音声符号化方法は、駆動音源信号として求めら
れたパルスの強度（以下、パルスゲインという）の劣化
を最小限にとどめ、効率よく符号化し、かつ、音質と圧
縮率の優先度合いに応じて両者のバランスを調整するこ
とを可能とするものである。

【００３２】図１は本発明の第１の実施の形態を説明す
る示すブロック図であり、概略的には、フレームデータ
記憶部１、スペクトル包絡パラメータ抽出部２、スペク
トル包絡パラメータ符号化部３、駆動音源信号生成部
４、駆動音源信号符号化部５、符号データ出力部６から
構成されている。

【００３３】前記フレームデータ記憶部１は、処理対象
の音声信号から抽出された１フレーム分のデータを記憶
する。スペクトル包絡パラメータ抽出部２は、フレーム
データ記憶部１に記憶されているフレームデータからス
ペクトル包絡パラメータを抽出する。

【００３４】駆動音源信号生成部４は、スペクトル包絡
パラメータ抽出部２で抽出されたスペクトル包絡パラメ
ータから駆動音源パルスを生成する。

【００３５】音源信号符号化部５は、パルス適合度判定
部５１、複数（この実施の形態では４個とする）のパル
スキャッシュ５２１〜５２４、パルスキャッシュ選択部
５３、パルスキャッシュ更新部５４、符号化駆動音源デ
ータ出力部５５などから構成されている。なお、パルス
キャッシュ５２１〜５２４は、コード番号、パルスゲイ
ン、参照値などのパルスデータを格納する記憶手段であ
り、その詳細については後に説明する。また、駆動音源
信号符号化部５のその他の構成要素におけるそれぞれの
機能や動作についても、後に詳細に説明する。

【００３６】このような構成において、その処理につい
て説明する。

【００３７】本発明は、前記駆動音源信号符号化部５の
符号化処理にその特徴がある。以下、この符号化処理に
ついて説明する。

【００３８】符号化データ出力部６から出力される圧縮
後の符号化データは、図２に示すように、８ビットごと
のデータ構成とする。

【００３９】図２において、ＴＹＰＥはそのフレームの
分類（たとえば、無音、有声音、無声音など）を示し、
ここでは、２ビットが割り当てられている。ＰＡＲＣＯ
Ｒ・０〜ＰＡＲＣＯＲ・９はスペクトル包絡パラメータ
符号化方法（ＲＳＲ・ＳＴＤ−２７など）によるＰＡＲ
ＣＯＲ係数を示すもので、このＲＳＲ・ＳＴＤ−２７に
よるスペクトル包絡パラメータ符号化方法によれば、８
００ビットのデータを３６ビットに圧縮することができ
る。

【００４０】これらのＴＹＰＥとＰＡＲＣＯＲ・０〜Ｐ
ＡＲＣＯＲ・９で構成される合計３８ビットのデータ
が、スペクトル包絡パラメータ符号化部３から出力され
るが、これらに割り当てられた５バイト分のデータ領域
に対して２ビット分が余ることになる。

【００４１】本発明は、この余った２ビット分をキャッ
シュコード（ＣacheＣode）を表す領域として用いる。
なお、このキャッシュコードは、前記複数のパルスキャ
ッシュに対応したコードが記述される部分であり、ここ
では、２ビットが割り当てられているので、４個のキャ
ッシュのいずれかを指示することができる。

【００４２】また、図２において、ΔＰosition・０、
ΔＰosition・１は、駆動音源パルスデータにおける位
置の情報であり、ここでは、前に位置する駆動音源パル
スとの位置の差を示すデータである。ＧainＣode・０、
ＧainＣode・１は、前記複数のパルスキャッシュのうち
選択されたパルスキャッシュに格納されたパルスコード
番号を示すものである。そして、ΔＰosition・０に４
ビット、そのＧainＣode・０に４ビットが割り当てら
れ、同様に、ΔＰosition・１に４ビット、そのＧainＣ
ode・１に４ビットが割り当てられている。

【００４３】以上が１フレーム分のデータを示してい
る。なお、図２では、図を簡単にするために、１フレー
ムにおける駆動音源パルスは２個のみが示されている。

【００４４】ここで、フレーム長１２８のＬＳＢ１ビッ
トを切り捨てて、６４分解能とすると、４個以上の駆動
音源パルスが均一に分布するとすれば、図３に示すよう
に、駆動音源パルス間距離は１６以下となり、ΔＰosit
ion・０〜ΔＰosition・３を表すデータ（Δｐ・０〜Δ
ｐ・３）は、４ビットで表せることになる。

【００４５】本発明は、１パルス分のデータを８ビット
で表そうとするものであり、駆動音源の位置を表す情報
（ΔＰosition）に４ビット割り当てると、そのパルス
ゲインを表す情報には４ビット割り当てられることにな
る。しかし、パルスゲインを表す情報は幅広い数値とな
るため、そのまま４ビットで表すのは通常では難しいも
のとなる。そこで、パルスゲインを、４ビットのＧain
Ｃodeで表す。以下にその方法を説明する。

【００４６】本発明は、図１に示すように、複数のパル
スキャッシュを持っている。図４（ａ）は複数のパルス
キャッシュのうちの或る１つのパルスキャッシュを示し
ている。このように、パルスキャッシュにはコード番
号、パルスゲイン、参照値が格納されている。たとえ
ば、コード番号０番のパルスゲインは「１７」でその参
照値は「１」であるということを示している。この参照
値というのは、そのパルスゲインがいつ参照されたかを
表すデータであり、現在参照された場合には、参照値は
「０」であり、１つ前に参照された場合には参照値は
「１」である。このように、参照値の数値が大きくなれ
ばなるほど、しばらくの間、参照されていないパルスゲ
インであることを示している。

【００４７】たとえば、今、符号化したい駆動音源パル
スのパルスゲインが「３２」であったとすると、パルス
キャッシュの中からそのゲインを探す。このとき、許容
誤差を設定して、誤差を許容した範囲以内において適合
するパルスゲインが有るか否かを判定する。その許容誤
差として、ここでは±５％を設定したとする。この許容
誤差は固定ではなく調整可能とする。

【００４８】今、許容誤差を±５％とすると、符号化し
たいパルスゲインが「３２」である場合、３２×0.05≒
２となり、「３０」〜「３４」までのパルスゲインをパ
ルスキャッシュから探すことになる。

【００４９】図４（ａ）で示したパルスキャッシュで
は、コード番号５のパルスゲインが「３１」であるの
で、該当するパルスゲインが存在することになる。この
ように該当するパルスゲインが存在することをキャッシ
ュヒットという。

【００５０】このように、キャッシュヒットすると、キ
ャッシュヒットした参照値を「０」に置き換える。つま
り、コード番号５における参照値は「３」であったが、
キャッシュヒットすることにより、参照値を「０」に置
き換える。そして、そのもともとの参照値「３」より小
さい値の参照値をすべて＋１する。つまり、この図４
（ａ）の場合、コード番号０、１、２の参照値は「３」
より小さいので、これらをそれぞれ＋１する。この様子
を図４（ｂ）に示す。

【００５１】これに対して、図５（ａ）に示すように、
符号化したいパルスゲイン３２（許容誤差を考慮した値
３０〜３４）が、パルスキャッシュの中に存在しない場
合には、キャッシュミスとして処理する。

【００５２】このキャッシュミスの場合は、最大の参照
値を有するゲインを、現在符号化したいパルスゲイン
「３２」に書き換え、その参照値を「０」とするととも
に、その他の参照値をすべて＋１する。これを図５
（ｂ）に示す。図５（ｂ）の例では、最大の参照値が
「５」であり、この最大の参照値を有するパルスゲイン
「１１０」を現在符号化したいパルスゲイン「３２」に
書き換えるとともに、その参照値を「０」に更新する。
さらに、その他の参照値をすべて＋１する。この最大の
参照値というのは前記したように、しばらく参照されて
いないパルスゲインであるので、しばらくの間は使われ
る可能性が低いので、これを現在符号化しようとするパ
ルスゲインに書き換えるものである。

【００５３】以上のパルスキャッシュの動作は、ＬＲＵ
（Ｌeast Ｒecentry Ｕsed）と呼ばれるアルゴリズムで
ある。

【００５４】ところで、図２に示したように、ＧainＣo
deは４ビットで表されるので、たとえば、０〜１４まで
をキャッシュヒットを示すデータとして用い、１５（”
１，１，１，１”）をキャッシュミスを表すデータとし
て用いる。したがって、１つのパルスキャッシュは、０
〜１４のコード番号に対応した１５個のデータを持たせ
ることができる。

【００５５】また、本発明は、前記したように余った２
ビットをキャッシュコードに使用しているので、パルス
キャッシュを４個設けて、この４個のパルスキャッシュ
から最も適切な１個のパルスキャッシュを選択するよう
にしている。

【００５６】ここで、駆動音源信号生成部４から出力さ
れた１フレーム分のパルスが６個であるとし、それらの
パルスのそれぞれのゲインが「６０，５８，３０，３
０，１３，１２」であるとする。そして、許容誤差を±
５％に選ぶと、適合するパルスゲインは、「６０±３，
５８±３，３０±２，３０±２，１３±１，１２±１」
となる。

【００５７】そして、予め用意された４個のパルスキャ
ッシュのうち、符号化するに最も適当な１つのパルスキ
ャッシュを選ぶ。この処理はパルス適合度判定部５１、
パルスキャッシュ更新部５４、パルスキャッシュ選択部
５３で以下のようにして行う。なお、ここでは、説明を
簡単にするため、３つのパルスキャッシュの中から１つ
を選択する例について説明する。

【００５８】図６（ａ），（ｂ），（ｃ）はそれぞれパ
ルスキャッシュ＃１，＃２，＃３の内容を示すものでで
ある。これらのパルスキャッシュ＃１，＃２，＃３は、
実際には、コード番号として０から１４まで持ち、それ
ぞれのコード番号対応に１５個のパルスゲインの格納が
可能であるが、ここでは、説明を簡略化するために、０
〜２のコード番号に対応した３個のパルスゲインのみを
示している。

【００５９】まず、パルスキャッシュ＃１について考え
ると、キャッシュミスは０個であるが、その積算誤差は
３となる。

【００６０】つまり、符号化すべきパルスのパルスゲイ
ン「６０，５８，３０，３０，１３，１２」について、
１つ１つをパルスキャッシュ＃１の内容と±５％の誤差
を許容して比較すると、パルスゲイン６０に対しては、
コード番号０のパルスゲインがヒットし（ただし誤差は
１）、パルスゲイン５８に対しては、コード番号０のパ
ルスゲインがヒットし（誤差は１）、パルスゲイン３０
に対しては、コード番号１のパルスゲインがヒットし
（誤差は０）、パルスゲイン１３に対しては、コード番
号２のパルスゲインがヒットし（誤差は１）、パルスゲ
イン１２に対しては、コード番号２のパルスゲインがヒ
ットする（誤差は０）ことになる。したがって、キャッ
シュミスは０個であり、その積算誤差は３となる。

【００６１】同様に、パルスキャッシュ＃２について考
えると、キャッシュミスは０であるが、その積算誤差は
５となる。また、パルスキャッシュ＃３について考える
と、キャッシュミスが２となる。

【００６２】このパルスキャッシュ＃３の場合は、ま
ず、符号化すべきパルスのパルスゲイン「６０」に対し
ては、どれも適合しないので、キャッシュミスとなり、
最大の参照値を有するゲイン「５０」が「６０」に書き
換えられるとともに、その参照値が「０」に置き換えら
れる。そして、次のパルスのパルスゲイン「５８」に対
しては、コード番号０のパルスゲイン（パルスゲインが
「６０」に書き換えられている）がヒットし（誤差は
２）、次のパルスのパルスゲイン「３０」に対しては、
コード番号１のゲインがヒットし（誤差は０）、次のパ
ルスのパルスゲイン「１３」に対しては、どれも適合し
ないので、キャッシュミスとなり、最大の参照値を有す
るゲインが「１３」に書き換えられるとともに、その参
照値が「０」に置き換えられる。

【００６３】このように、パルスキャッシュ＃３は他の
パルスキャッシュ＃１、＃２に比べてキャッシュミスが
多い。また、パルスキャッシュ＃２はパルスキャッシュ
＃１に比べて、積算誤差が大きいので、この場合は、パ
ルスキャッシュ＃１が選択されることになる。

【００６４】以上のようにして、複数個（この場合は４
個）用意されたパルスキャッシュの中から１つのパルス
キャッシュが選択される。

【００６５】これにより、選択されたパルスキャッシュ
情報やその選択されたパルスキャッシュにおけるキャッ
シュヒットあるいはキャッシュミスさらにはその更新デ
ータなどのデータを、符号化駆動音源データ出力部５５
により統合して、符号化データとして出力する。

【００６６】このようにして、符号化駆動音源データ出
力部５５から符号化駆動音源データが出力される。その
符号化駆動音源データの一例を図７に示す。なお、この
駆動音源データは、前述したように、本発明では１つの
パルスを８ビット（ΔＰositionに４ビット、ＧainＣod
eに４ビット）で表すようにしている。

【００６７】図７の例は、１フレーム中に５個のパルス
ｐ０，ｐ１，・・・，ｐ４が生成された場合が示されて
いる。図７によれば、パルスｐ０におけるΔＰosition
（Δｐ・０）は「７」で、そのＧainＣode（ＧＣ・０）
は「０」、パルスｐ１におけるΔＰ１は「１１」で、そ
のＧainＣode（ＧＣ・１）は「１４」、パルスｐ２にお
けるΔＰ２は「２」で、そのＧＣ・２は「１５」、パル
スｐ３におけるΔＰ３は「３」で、そのＧＣ・３は
「０」、パルスｐ４におけるΔＰ４は「１４」で、その
ＧＣ・４は「１３」というように記述されている。な
お、実際には、それぞれ４ビットのコードで表されてい
る。

【００６８】そして、ＧainＣode「０」〜「１４」はキ
ャッシュヒットした場合におけるパルスキャッシュ内の
コード番号を示している。たとえば、ＧainＣode「０」
というのは、選択されたパルスキャッシュのコード番号
「０」を指し、ＧainＣode「１４」というのは、選択さ
れたパルスキャッシュのコード番号「１４」を指してい
る。また、ＧainＣode「１５」はキャッシュミスを示し
ている。すなわち、符号化すべきパルスのパルスゲイン
がたとえば「１２８」であったとすると、選択されたパ
ルスキャッシュ中に、±５％の誤差を許容しても「１２
８」に該当するパルスゲインが存在しない場合であり、
このような場合には、キャッシュミスとしてＧainＣode
「１５」を書き込むとともに、次の段の８ビットを使っ
て新たなパルスゲインデータとして「１２８」を記述す
る。

【００６９】このように、キャッシュミスがあった場合
には、パルスキャッシュのデータ更新が行われる。つま
り、パルスキャッシュの中の最も参照値の大きいパルス
ゲインをそのとき符号化すべきゲイン値に書き換えると
ともに、その参照値を「０」とし、その他の参照値をす
べて＋１する。

【００７０】このようなパルスキャッシュの更新および
選択などの処理については前述したが、ここでさらに具
体的に説明する。なお、前述したように、本来は、予め
用意されているすべてのパルスキャッシュ（この場合
は、４個のパルスキャッシュ）についてキャッシュヒッ
ト、キャッシュミスを調べ、それに応じてパルスゲイン
や参照値の更新を行い、キャッシュミスの数や積算誤差
の数値を基に、いずれか１つのパルスキャッシュを選択
するが、ここでは、その処理によって選択されたパルス
キャッシュについて、キャッシュヒット、キャッシュミ
スによってどのようにゲイン値や参照値が更新されて行
くかを、図８を参照しながら説明する。

【００７１】図８（ａ）は選択されたパルスキャッシュ
の初期の内容であり、コード番号０に対するパルスゲイ
ンは「３２」でその参照値は「３」、コード番号１に対
するパルスゲインは「６４」でその参照値は「６」、コ
ード番号１４に対するパルスゲインは「−１２」でその
参照値は「７」というように記述されている。

【００７２】そして今、符号化すべき駆動音源パルス信
号が「３２，４，１２８，３２，１２８」であったとす
る。図８（ｂ）は符号化すべきパルスのパルスゲイン
「３２」に対して、パルスキャッシュのコード番号
「０」がヒットし、その参照値が「０」に更新された様
子を示している。同図（ｃ）は、次に符号化すべきパル
スのパルスゲイン「−１２」に対して、パルスキャッシ
ュのコード番号「１４」がヒットし、その参照値が
「０」に更新された様子を示すもので、この場合、
「７」よりも小さい参照値は＋１される。同図（ｄ）
は、その次に符号化すべきパルスのゲイン「１２８」に
対して、適合するものがなく、キャッシュミスした場合
を示している。この場合は、そのパルスキャッシュのな
かで、参照値「１４」が最大の参照値であるので、その
パルスゲイン「７２」を「１２８」に更新するととも
に、その参照値を「０」とし、その他の参照値をすべて
＋１する。

【００７３】図９（ｅ）はさらにその次に符号化すべき
パルスのパルスゲイン「３２」に対して、パルスキャッ
シュのコード番号「０」がヒットし、その参照値が
「０」に更新された様子を示している。また、同図
（ｆ）は最後に符号化すべきパルスのパルスゲイン「１
２８」に対しての処理である。この場合は、パルスキャ
ッシュのコード番号「１３」のパルスゲインがすでに
「１２８」に更新されているので、コード番号「１３」
がヒットし、その参照値が「１」から「０」に書き換え
られ、もともとの参照値「１」よりも小さい参照値を持
つコード番号０の参照値が「１」に書き換えられる。

【００７４】このようにして、パルスキャッシュの内容
が更新されて行く。このような処理は、予め用意されて
いるすべてのパルスキャッシュ（この場合は、４個のパ
ルスキャッシュ）について行い、前記したように、キャ
ッシュミスの数や積算誤差の数値を基に、いずれか１つ
のパルスキャッシュを選択する。

【００７５】そして、符号化駆動音源データ出力部５５
から、ある１フレーム分の駆動音源パルスに対する符号
化データとして、図７で示されるような符号化駆動音源
データ形式で出力される。なお、実際には、ΔＰsition
およびＧainＣodeを示すデータはそれぞれ４ビットのデ
ータとして表される。

【００７６】これにより、駆動音源パルス列におけるそ
れぞれ１パルス分のデータを８ビットで表すことができ
る。

【００７７】そして、このような符号化駆動音源データ
と、スペクトル包絡パラメータ符号化部４からのスペク
トル包絡パラメータが、符号化データ出力部６により統
合されて、図２に示すようなデータ形式にて出力され
る。

【００７８】ところで、前記パルスゲインの適合度を判
定するためのパラメータ（許容誤差）を、この実施の形
態では、±５％としたが、このパラメータは調整するこ
とが可能であり、これにより、圧縮率優先あるいは音質
優先のバランスを調整することができる。つまり、許容
誤差を大きく取れば、キャッシュミスが減少し、圧縮率
は向上するが音質は劣化する。一方、許容誤差を小さく
取れば、キャッシュミスが増大し、圧縮率は低下するが
音質は向上する。これにより、たとえば、リアルタイム
転送時において、回線に余裕がないときは、データ転送
量を小さくするために、圧縮率を優先するようにし、逆
に、回線に余裕があるときは、音質を優先するというよ
うなことも可能となる。

【００７９】なお、以上説明したような符号化された駆
動音源パルス（符号化駆動音源データ出力部５５からの
出力）を復元する処理について以下に簡単に説明する。

【００８０】今、符号化された駆動音源パルスデータが
図７であり、選択されたパルスキャッシュが図８（ａ）
であるとすると、パルスｐ０のΔＰ・０は「７」である
から、図９に示すように、７×２＝１４となり、基準点
（前のパルス位置あるいは始点）から「１４」の位置が
パルスｐ０のパルス位置である。また、そのＧainＣode
は「０」であるから、そのパルスゲインはパルスキャッ
シュより「３２」と求められる。このとき、その参照値
は「０」に更新される（図８（ｂ）参照）。なお、ΔＰ
ositionを２倍しているのは、前述したように、フレー
ム長のＬＳＢ１ビットを切り捨てて、１／２の分解能
（フレーム長を１２８とすれば、６４分解能）としてい
るので、復元するときは２倍する必要があるためであ
る。

【００８１】また、パルスｐ１のΔＰ・１は「１１」で
あるから、図９に示すように、１１×２＝２２となり、
前のパルスｐ０から「２２」の位置がパルスｐ１のパル
ス位置である。また、そのＧainＣodeは「１４」である
から、そのパルスゲインはパルスキャッシュより「−１
２」と求められる。このとき、その参照値は「０」に更
新されるとともに、参照値「７」よりも小さい参照値は
＋１される（図８（ｃ）参照）。

【００８２】また、パルスｐ２のΔＰ・２は「２」であ
るから、図９に示すように、２×２＝４となり、前のパ
ルス位置ｐ１から「４」の位置がパルスｐ２のパルス位
置である。しかし、そのＧainＣodeは「１５」であり、
キャッシュミスであるので、新データ「１２８」を最も
大きい参照値を有するコード番号「１３」のパルスゲイ
ンが１２８に更新され、その参照値が「０」に更新され
るとともに、他の参照値はすべて＋１される（図８
（ｄ）参照）。これにより、パルスｐ２は、図９に示す
ように、前のパルス位置ｐ１から「４」の位置がパルス
位置であり、そのパルスゲインは「１２８」である。

【００８３】また、パルスｐ３のΔＰ・３は「３」であ
るから、図９に示すように、３×２＝６となり、前のパ
ルスｐ２から「６」の位置がパルスｐ３のパルス位置で
あり、そのＧainＣodeは「０」であるから、そのパルス
ゲインはパルスキャッシュより「３２」と求められる。
このとき、その参照値は「０」に更新されるとともに、
参照値「２」よりも小さい参照値は＋１される（図８
（ｅ）参照）。

【００８４】さらにまた、パルスｐ４のΔＰ・４は「１
５」であるから、図９に示すように、１５×２＝３０が
前のパルスｐ３からの距離であり、その位置がパルスｐ
４の位置であり、そのゲインコードは「１３」である。
このとき、ＧainＣode「１３」のパルスゲインは「１２
８」に更新されているので、パルスｐ５のゲイン値は１
２８となる。なお、その参照値は「０」に更新されると
ともに、参照値「１」よりも小さい参照値は＋１される
（図８（ｆ）参照）。

【００８５】このようにして圧縮データの復元が行え
る。

【００８６】以上説明したように、この実施の形態によ
れば、複数のパルスキャッシュを持ち、それぞれのパル
スキャッシュを、ＬＲＵアルゴリズムにより動作させ、
或るフレームの音声データを符号化するに最適なパルス
キャッシュを選択し、その選択されたパルスキャッシュ
のキャッシュヒット、キャッシュミスの情報、それに応
じた内容の更新結果を用いて駆動音源パルスを符号化し
ているので、１つ１つの駆動音源パルスに対して、デー
タ劣化を最小限にとどめながら効率よい符号化が可能と
なる。この実施の形態では、１つのパルスに対し、位置
データに４ビット、パルスゲインデータに４ビットの合
計８ビットで表すことが可能となる。

【００８７】また、パルスゲインの適合度を判定するた
めのパラメータを調整可能とすることにより、圧縮率優
先あるいは音質優先のバランスを調整することができ
る。つまり、許容誤差を大きく取れば、キャッシュミス
が減少し、圧縮率は向上するが音質は劣化する。一方、
許容誤差を小さく取れば、キャッシュミスが増大し、圧
縮率は低下するが音質は向上する。これにより、前記し
たように、リアルタイム転送時において、回線に余裕が
ないときは、データ転送量を小さくするために、圧縮率
を優先するようにし、逆に、回線に余裕があるときは、
音質を優先するというようなことも可能となる。

【００８８】（第２の実施の形態）以上説明した第１の
実施の形態では、抽出されたフレームデータにおいて、
スペクトル包絡パラメータから駆動音源パルス信号を生
成する方法については特に説明しなかったが、この第２
の実施の形態では、駆動音源パルス信号の生成にも特徴
を持たせて、それにより生成された駆動音源パルスに対
して、音声符号化する方法および装置について説明す
る。

【００８９】図１０はこの第２の実施の形態における構
成図を示すもので、図１の構成にさらにさらに、主パル
ス推定部７、先行パルス推定部８、後続パルス推定部９
を設けた構成としている。その他の部分は、図１とほぼ
同じであるので、同一符号が付されている。

【００９０】この第２の実施の形態における駆動音源パ
ルス生成処理について、図１１のフローチャートおよび
図１２のパルス推定処理を説明する図を参照しながら説
明する。

【００９１】まず、入力された音声から処理対象のフレ
ームを切り出す（ステップｓ１）。このフレームの切り
出しは、図１２（ａ）のような入力音声信号から同図
（ｂ）のような所定のフレーム区間を切り出す。そし
て、切り出したフレームが最初のフレームであるか否か
を判定し（ステップｓ２）、最初のフレームであれば、
そのままそのフレームからスペクトル包絡パラメータの
抽出を行う（ステップｓ３）。

【００９２】前記駆動音源信号生成部４は、フレーム次
に、抽出されたスペクトル包絡パラメータにおいて、第
１番目の主パルスを推定する（ステップｓ４）。この第
１番目の主パルス（第１主パルスという）の推定は、切
り出されたフレームデータ区間におけるスペクトル包絡
パラメータから最も強度の大きいパルスを第１主パルス
として、その位置と強度を推定する。図１２（ｃ）はこ
れにより推定された第１主パルスｐ１１を示す。

【００９３】このようにして第１主パルスｐ１１が推定
されると、この第１主パルスｐ１１を基準に、第１主パ
ルスｐ１１に対して、時間的に先行する位置に存在する
先行パルスの位置と強度を推定する（ステップｓ５）。

【００９４】この先行パルスの推定は、第１主パルスｐ
１１を基準に、この第１主パルスｐ１１から予め定めら
れた時間だけさかのぼった時間内（指定区間ｔ１とい
う）において最も強度の大きいパルスを先行パルスと
し、その位置と強度を推定する。図１２（ｄ）はこれに
より推定された先行パルスｐ１２を示す。

【００９５】ところで、前記指定区間ｔ１は一例とし
て、たとえば、スペクトル包絡パラメータの持つ分析次
数程度の幅とする。この分析次数とは、音声のサンプリ
ング周波数を基に経験に基づいて決定される。仮に音声
のサンプリング周波数が８ＫＨｚであるとすれば、８Ｋ
Ｈｚの８に２をプラスして得られた１０を分析次数とす
る。したがって、たとえば、音声のサンプリング周波数
が２０ＫＨｚであるとすれば、２０に２をプラスして得
られた２２を分析次数としている。

【００９６】そして、この分析次数を表す数値をサンプ
ル数に対応させ、そのサンプル数に相当する時間を指定
区間とする。たとえば今、音声のサンプリング周波数が
８ＫＨｚであるとし、切り出した１フレームの長さが１
６ｍｓｅｃであるとすれば、１フレーム内には１２８サ
ンプルが存在することになる。この場合の分析次数は、
８＋２＝１０となり、その分析次数１０をサンプル数と
して、１０サンプルに相当する時間（1.25msec）を指定
区間として設定する。

【００９７】なお、この指定区間の求め方は一例であっ
て、このような方法に限られるものではなく、他の方法
も考えられる。

【００９８】以上のようにして、先行パルスｐ１２が決
まると、次に、前記第１主パルスｐ１１を基準に、第１
主パルスｐ１１に対して、時間的に後方の位置に存在す
る後続パルスの位置と強度を推定する（ステップｓ
６）。

【００９９】この後続パルスの推定は、第１主パルスｐ
１１を基準に、第１主パルスｐ１１から予め定められた
時間後の所定の時間内（前記同様、指定区間といい、こ
の指定区間をｔ２で表す）において最も強度の大きいパ
ルスを後続パルスとし、その位置と強度を推定する。図
１２（ｅ）はこれにより推定された後続パルスｐ１３を
示す。なお、ここでは、指定時間ｔ１とｔ２を等しく設
定している。

【０１００】このようにして、まず、第１主パルスｐ１
１の位置と強度を推定し、この第１主パルスｐ１１を基
準にして、第１主パルスに対する先行パルスｐ１２と後
続パルスｐ１３の位置と強度を推定する。

【０１０１】そして、次に、パルスの推定終了条件を満
たしたか否かの判断を行う（ステップｓ７）。このパル
スの推定終了条件というのは、たとえば、前記した３つ
で１組のパルス（主パルス、先行パルス、後続パルス）
を予め設定した組数だけ推定したか否かにより判断す
る。この実施の形態では、前記した３つで１組のパルス
を３組推定するものとする。ここでは、前記した第１主
パルスｐ１１とその先行パルスｐ１２、後続パルスｐ１
３（この第１主パルスｐ１１とその先行パルスｐ１２、
後続パルスｐ１３の組を、１組目のパルス群Ａ１とい
う）の他に、あと２組の主パルス、先行パルス、後続パ
ルスを推定することになる。

【０１０２】したがって、この場合、次の主パルス（第
２主パルスという）を推定する処理を行うが、その前
に、推定済みパルス群（第１主パルスｐ１１とその先行
パルスｐ１２、後続パルスｐ１３）の影響を補正（ステ
ップｓ８）したのち、第２主パルスの推定を行う（ステ
ップｓ９）。

【０１０３】この第２主パルスの推定は、既に求められ
た１組目のパルス群Ａ１（第１主パルスｐ１１とその先
行パルスｐ１２、後続パルスｐ１３）を用いて、この１
組目のパルス群Ａ１の位置をずらしながら近似的部分に
合わせ込むことで、第２主パルスｐ２１を推定する。こ
のようにして推定された第２主パルスｐ２１を図１２
（ｆ）に示す。

【０１０４】この第２主パルスｐ２１が推定されると、
自動的に第２主パルスｐ２１に対する先行パルスｐ２２
と後続パルスｐ２３が決定される（ステップｓ１０）。

【０１０５】以上の処理により、第１主パルスｐ１１と
その先行パルスｐ１２、後続パルスｐ１３と、第２主パ
ルスｐ２１とその先行パルスｐ２２，後続パルスｐ２３
が決まる。これを図１２（ｇ）に示す。この第２主パル
スｐ２１とその先行パルスｐ２２、後続パルスｐ２３の
組を、２組目のパルス群Ａ２という。

【０１０６】そして、再び、ステップｓ７に処理が戻っ
て、パルス推定条件に達していなければ、今度は第３主
パルスの推定を行う。この第３主パルスも前記同様、既
に推定されたパルス群の影響を補正した後、既に求めら
れた１組目のパルス群Ａ１（第１主パルスｐ１１とその
先行パルスｐ１２、後続パルスｐ１３）を用いて、この
パルス群の位置をずらしながら近似的部分に合わせ込む
ことで、第３主パルスｐ３１を推定する。このようにし
て推定された第３主パルスｐ３１を図２（ｈ）に示す。

【０１０７】この第３主パルスｐ３１が推定されると、
自動的に第３主パルスｐ３１に対する先行パルスｐ３２
と後続パルスｐ３３が決定される（ステップｓ１０）。
この第３主パルスｐ３１とその先行パルスｐ３２、後続
パルスｐ３３の組を、３組目のパルス群Ａ３という。

【０１０８】以上のようにして、まず、第１主パルスｐ
１１の位置と強度を推定し、この第１主パルスｐ１１を
基にその先行パルスｐ１２と後続パルスｐ１３のそれぞ
れの位置と強度を推定することで、１組目のパルス群Ａ
１が求められる。そして、この１組目のパルス群Ａ１の
位置をずらして合わせ込むことにより、第２主パルスｐ
２１の位置と強度を推定し、これにより、この第２主パ
ルスｐ２１の先行パルスｐ２２と後続パルスｐ２３で構
成される２組目のパルス群Ａ２を求め、さらに、第３主
パルスｐ３１の位置の位置と強度を推定し、これによ
り、この第３主パルスｐ３１の先行パルスｐ３２と後続
パルスｐ３３で構成される３組目のパルス群Ａ３を求め
るというような処理を行う。

【０１０９】図１２（ｉ）は、１組目のパルス群Ａ１、
２組目のパルス群Ａ２、３組目のパルス群Ａ３を示す。

【０１１０】なお、図１２からもわかるように、主パル
ス（この場合、第１、第２、第３の主パルスｐ１１，ｐ
２１，ｐ３１）は、処理対象のフレーム内から決定され
るが、それぞれの主パルスに対する先行パルス、後続パ
ルスは、隣接するフレーム内から決定される場合もあ
る。たとえば、図１２の例では、先行パルスｐ１２，後
続パルスｐ２３は隣接するフレーム内から決定されてい
る。

【０１１１】そして、前記図１１のフローチャートにお
いて、パルスの推定終了条件を満たしたと判断された場
合は（ステップｓ７）、ステップｓ３で抽出されたスペ
クトル包絡パラメータを符号化する（ステップｓ１
１）。

【０１１２】さらに、以上の処理によって求められた３
組のパルス群Ａ１，Ａ２，Ａ３のそれぞれのパルスパラ
メータを符号化する（ステップｓ１２）。

【０１１３】この符号化処理は、前記第１の実施の形態
で説明した駆動音源信号符号化処理である。つまり、図
１２（ｉ）で示されるパルスｐ１１〜ｐ１３、ｐ２１〜
ｐ２３，ｐ３１〜ｐ３３に対して、前記第１の実施の形
態で説明した駆動音源信号符号化処理を行う。なお、こ
の駆動音源信号符号化処理については、第１の実施の形
態にて詳細に説明したので、ここではその説明は省略す
る。

【０１１４】そして、このステップｓ１２で符号化され
たデータと前記ステップｓ１１で符号化されたデータ
を、その処理対象フレームの符号化データとして出力す
る（ステップｓ１３）。

【０１１５】そして、すべてのフレームについて処理が
終了したか否かを判断して（ステップｓ１４）、すべて
のフレームについて処理が終了していれば、処理終了と
なり、終了していなければ、ステップｓ１に処理が戻
り、新たなフレームの切り出しを行い、以下、前記同様
の処理を行う。

【０１１６】ところで、前記ステップｓ２において、処
理対象のフレームが最初のフレームでないときは、前フ
レームの影響を補正（ステップｓ１５）した後、ステッ
プｓ３以降の処理に入る。この前フレームの影響補正と
は、前記したように、前フレームで次フレーム（処理対
象フレーム）内で後続パルスを立てた場合など、そのパ
ルスを除いて、パルス推定を行うことを意味している。

【０１１７】そして、この前記符号化された駆動音源デ
ータと符号化されたスペクトル包絡パラメータは共に、
符号化データ出力部６に送られ、図２に示すような形式
に統合される。

【０１１８】なお、以上の説明では、パルスの推定終了
条件としては、予め設定された組数を推定条件とした。
つまり、前記実施の形態ではパルス群が３組得られるこ
とを推定終了条件としたが、この組数は３組に限られる
ものではない。また、推定条件は組数ではなく、たとえ
ば、第１主パルスｐ１１とその先行パルスｐ１２、後続
パルスｐ１３を決めた後、以降の主パルスの強度が第１
主パルスの大きさに対してどのくらいの大きさになった
かを判断するためのしきい値を定め、第２主パルス以降
の主パルスがそのしきい値以下になったときをパルスの
推定条件終了とするようにしてもよい。

【０１１９】このように、第２の実施の形態では、第１
の実施の形態で得られる本発明の符号化処理による効果
の他に、主パルスとその先行パルス、後続パルスの３つ
を１組とし、その１組のパルス群を基にして合成パルス
列を作るようにしている。したがって、ピッチ周期その
ものを計算していないので、計算量の削減が図れ、ま
た、１フレームずつ独立して合成パルス列を作成するの
で、従来の差分情報を用いる方法に比べて、データの一
部が失われた場合にもその影響を殆ど受けることがな
い。

【０１２０】たとえば、１フレーム内で、１２個のパル
スを立てようとする場合、位置計算を例に取れば、従来
では、１２個分の位置計算が必要となるが、本発明で
は、まず、最初に、第１主パルスを求め、その先行パル
スと後続パルスを求め、以降は、この第１主パルス、先
行パルス、後続パルスで構成される１組目のパルス群Ａ
１を用いて、第２主パルス、第３主パルス、第４主パル
スの位置を求めるだけであるので（なお、これら第２主
パルス、第３主パルス、第４主パルスに対するそれぞれ
の先行パルス、後続パルスの位置は自動的に決まる）、
１組目のパルス群の計算が３回であり、この１組目のパ
ルス群を用いて、第２主パルス、第３主パルス、第４主
パルスの位置を求める計算が３回の合計６回の位置計算
で済み、従来の半分の計算量で済むことになる。

【０１２１】なお、以上説明した本発明の処理を行う処
理プログラムは、フロッピィディスク、光ディスク、ハ
ードディスクなどの記憶媒体に記憶させておくことがで
き、本発明は、それらの記憶媒体をも含むものであり、
また、ネットワークからデータを得る形式でもよい。

【０１２２】

【発明の効果】本発明によれば、複数のパルスキャッシ
ュを持ち、この複数のパルスキャッシュの中から、或る
フレームの音声データを符号化するに最適なパルスキャ
ッシュを選択し、その選択されたパルスキャッシュのキ
ャッシュヒット、キャッシュミスの情報、それに応じた
内容の更新結果を用いて駆動音源パルスを符号化してい
るので、１つ１つの駆動音源パルスに対して、データ劣
化を最小限にとどめながら効率よい符号化が可能とな
る。

【０１２３】また、パルスゲインの適合度を判定するた
めのパラメータを調整可能とすることにより、圧縮率優
先あるいは音質優先のバランスを調整することができ
る。つまり、許容誤差を大きく取れば、キャッシュミス
が減少し、圧縮率は向上するが音質は劣化する。一方、
許容誤差を小さく取れば、キャッシュミスが増大し、圧
縮率は低下するが音質は向上する。これにより、前記し
たように、リアルタイム転送時において、回線に余裕が
ないときは、データ転送量を小さくするために、圧縮率
を優先するようにし、逆に、回線に余裕があるときは、
音質を優先するというようなことも可能となる。

【０１２４】さらに、入力音声データから所定の長さの
フレームデータ区間を切り出して、スペクトル包絡パラ
メータを抽出し、このスペクトル包絡パラメータから、
まず、主パルスの位置と強度を推定し、この主パルスに
対して時間的に先行する所定区間において前記主パルス
に対する先行パルスの位置と強度を推定するとともに、
前記主パルスに対して時間的に後続する所定区間におい
て前記主パルスに対する後続パルスの位置と強度を推定
し、これら主パルス、先行パルス、後続パルスを１つの
組として、この１つの組のパルス群を用いて前記１フレ
ーム内の符号化すべき駆動音源信号を作成し、このよう
に作成された駆動音源信号に対して、前記したような符
号化処理を行うようにしている。

【０１２５】これにより、駆動音源信号を作成するに際
しては、計算量や使用メモリ量を大幅に削減することが
でき、また、１つのフレーム毎に独立して符号化してい
るので、データの欠落の影響を殆ど受けることがない。
また、その駆動音源信号を符号化するに際しては、デー
タ劣化を最小限にとどめながら効率よい符号化が可能と
なる。また、パルスゲインの適合度を判定するためのパ
ラメータを調整可能とすることにより、圧縮率優先ある
いは音質優先のバランスを調整することができる。

【図面の簡単な説明】

【図１】本発明の第１の実施の形態の構成を説明するブ
ロック図。

【図２】本発明の実施の形態における符号化データの形
式を説明する図。

【図３】本発明の実施の形態におけるΔＰositionにつ
いて説明する図。

【図４】本発明の実施の形態におけるパルスキャッシュ
のキャッシュヒット動作の一例を説明する図。

【図５】本発明の実施の形態におけるパルスキャッシュ
のキャッシュミス動作の一例を説明する図。

【図６】本発明の実施の形態におけるパルスキャッシュ
の選択処理を説明する図。

【図７】本発明の実施の形態における符号化駆動音源デ
ータの一例を示す図。

【図８】本発明の実施の形態における或るパルスキャッ
シュのデータ更新動作を説明する図。

【図９】本発明の実施の形態における符号化データの復
元を説明する図。

【図１０】本発明の第２の実施の形態の構成を説明する
ブロック図。

【図１１】本発明の第２の実施の形態の処理手順を説明
するフローチャート。

【図１２】本発明の第２の実施の形態におけるフレーム
切り出しから主パルス、先行パルス、後続パルスを推定
する処理を説明する図。

【符号の説明】

１ フレームデータ記憶部 ２ スペクトル包絡パラメータ抽出部 ３ スペクトル包絡パラメータ符号化部 ４ 駆動音源信号生成部 ５ 駆動音源信号符号化部 ６ 符号化データ出力部 ７ 主パルス推定部 ８ 先行パルス推定部 ９ 後続パルス推定部 ５１ パルス適合判定部 ５３ キャッシュ選択部 ５４ キャッシュ更新部 ５５ 符号化駆動音源データ出力部 ５２１〜５２４ パルスキャッシュ Ａ１ １組目のパルス群 Ａ２ ２組目のパルス群 Ａ３ ３組目のパルス群 ｐ１１ 第１主パルス ｐ１２ 第１主パルスに対する先行パルス ｐ１３ 第１主パルスに対する後続パルス ｐ２１ 第２主パルス ｐ２２ 第２主パルスに対する先行パルス ｐ２３ 第２主パルスに対する後続パルス ｐ３１ 第３主パルス ｐ３２ 第３主パルスに対する先行パルス ｐ３３ 第３主パルスに対する後続パルス

───────────────────────────────────────────────────── フロントページの続き (72)発明者 長谷川 浩 長野県諏訪市大和３丁目３番５号 セイコ ーエプソン株式会社内

Claims (16)

【特許請求の範囲】
1. 【請求項１】 入力された音声データより、所定長のフ
   レームデータを切り出して、この切り出されたフレーム
   データについてスペクトル包絡パラメータを抽出し、前
   記入力音声データと前記スペクトル包絡パラメータによ
   り駆動音源信号を生成し、この駆動音源信号を符号化し
   て、その符号化した駆動音源信号と前記スペクトル包絡
   パラメータを符号化した信号を基に符号化データを得る
   音声符号化方法において、 前記駆動音源信号を符号化する方法は、 パルスコードとパルスの強度と参照値を１つの組として
   記憶するパルスデータ記憶手段を複数個有し、前記生成
   された駆動音源信号の強度と、前記複数個のパルスデー
   タ記憶手段に格納された強度との適合度を、所定のパラ
   メータにより判定し、その判定結果に応じてパルスデー
   タ記憶手段の内容を更新する処理を行い、その結果を基
   に、前記複数個のパルスデータ記憶手段の中からいずれ
   かのパルスデータ記憶手段を選択し、この選択されたパ
   ルスデータ記憶手段の内容を基に、前記駆動音源信号を
   符号化することを特徴とする音声符号化方法。
2. 【請求項２】 前記生成された駆動音源信号の強度と、
   前記複数個のパルスデータ記憶手段に格納された強度と
   の適合度を所定のパラメータにより判定する処理は、前
   記生成された駆動音源信号における符号化すべきパルス
   の強度を、パルスデータ記憶手段に格納された強度と比
   較して、その適合度から適合の可否を判定し、適合する
   強度が存在する場合は、その強度に対応する参照値を、
   最新を意味する参照値に書き換え、当該強度に対応する
   参照値よりも新しい参照値に対してはその参照値を順送
   りし、適合する強度が存在しない場合は、参照されるこ
   との最も少ない参照値に対応する強度を、符号化すべき
   強度に書き換えるとともに、その参照値を最新を意味す
   る参照値に書き換え、他の参照値を順送りすることを特
   徴とる請求項１記載の音声符号化方法。
3. 【請求項３】 前記複数個のパルスデータ記憶手段の中
   からいずれかのパルスデータ記憶手段を選択する処理
   は、生成された駆動音源信号の強度に対して前記パラメ
   ータにより許容範囲を設定して、その許容範囲内におい
   て前記駆動音源信号とパルスデータ記憶手段内の強度を
   示す値とを比較して、その比較結果を基に適合度の高い
   パルスデータ記憶手段を選択することを特徴とする請求
   項１または２記載の音声符号化方法。
4. 【請求項４】 前記適合度を判定するためのパラメータ
   は、その値を調整可能としたことを特徴とする請求項１
   から３のいずれか記載の音声符号化方法。
5. 【請求項５】 入力された音声データより、所定長のフ
   レームデータを切り出して、この切り出されたフレーム
   データについてスペクトル包絡パラメータを抽出し、前
   記入力音声データと前記スペクトル包絡パラメータによ
   り駆動音源信号を生成し、この駆動音源信号を符号化し
   て、その符号化した駆動音源信号と前記スペクトル包絡
   パラメータを符号化した信号を基に符号化データを得る
   音声符号化方法において、 前記入力音声データと前記スペクトル包絡パラメータに
   より駆動音源信号を生成する方法は、 抽出されたスペクトル包絡パラメータから主パルスの位
   置と強度を推定し、この主パルスに対して時間的に先行
   する所定区間において前記主パルスに対する先行パルス
   の位置と強度を推定するとともに、前記主パルスに対し
   て時間的に後続する所定区間において前記主パルスに対
   する後続パルスの位置と強度を推定し、これら主パル
   ス、先行パルス、後続パルスを１つの組として、この１
   つの組のパルス群を用いて前記切り出されたフレーム内
   の駆動音源信号を作成し、 この駆動音源信号を符号化する方法は、 パルスコードとパルスの強度と参照値を１つの組として
   記憶するパルスデータ記憶手段を複数個有し、前記生成
   された駆動音源信号の強度と、前記複数個のパルスデー
   タ記憶手段に格納された強度との適合度を、所定のパラ
   メータにより判定し、その判定結果に応じてパルスデー
   タ記憶手段の内容を更新する処理を行い、その結果を基
   に、前記複数個のパルスデータ記憶手段の中からいずれ
   かのパルスデータ記憶手段を選択し、この選択されたパ
   ルスデータ記憶手段の内容を基に、前記駆動音源信号を
   符号化することを特徴とする音声符号化方法。
6. 【請求項６】 前記生成された駆動音源信号の強度と、
   前記複数個のパルスデータ記憶手段に格納された強度と
   の適合度を、所定のパラメータにより判定する処理は、
   生成された駆動音源信号における符号化すべきパルスの
   強度をパルスデータ記憶手段に格納された強度と比較し
   て、その適合度から適合の可否を判定し、適合する強度
   が存在する場合は、その強度に対応する参照値を、最新
   を意味する参照値に書き換え、当該強度に対応する参照
   値よりも新しい参照値に対してはその参照値を順送り
   し、適合する強度が存在しない場合は、参照されること
   の最も少ない参照値に対応する強度を符号化すべき強度
   に書き換えるとともに、その参照値を最新を意味する参
   照値に書き換え、他の参照値を順送りすることを特徴と
   る請求項５記載の音声符号化方法。
7. 【請求項７】 前記複数個のパルスデータ記憶手段の中
   からいずれかのパルスデータ記憶手段を選択する処理
   は、生成された駆動音源信号の強度に対して、前記パラ
   メータにより許容範囲を設定して、その許容範囲内にお
   いて前記駆動音源信号とパルスデータ記憶手段内の強度
   を示す値とを比較して、その比較結果を基に適合度の高
   いパルスデータ記憶手段を選択することを特徴とする請
   求項５または６記載の音声符号化方法。
8. 【請求項８】 前記適合度を判定するためのパラメータ
   は、その値を調整可能としたことを特徴とする請求項５
   から７のいずれか記載の音声符号化方法。
9. 【請求項９】 入力された音声データより切り出された
   所定長のフレームデータを記憶するフレームデータ記憶
   手段、切り出されたフレームデータについてスペクトル
   包絡パラメータを抽出するスペクトル包絡パラメータ抽
   出手段、抽出されたスペクトル包絡パラメータを符号化
   するスペクトル包絡パラメータ符号化手段、前記入力音
   声データと前記スペクトル包絡パラメータにより駆動音
   源信号を生成する駆動音源信号生成手段、駆動音源信号
   を符号化する駆動音源信号符号化手段、符号化された駆
   動音源信号と前記符号化されたスペクトル包絡パラメー
   タを基に符号化データを出力する符号化データ出力手段
   を少なくとも有する音声符号化装置において、 前記駆動音源信号符号化手段は、 パルスコードとパルスの強度と参照値を１つの組として
   記憶する複数個のパルスデータ記憶手段と、 前記入力音声データと前記スペクトル包絡パラメータに
   より生成された駆動音源信号の強度と前記複数個のパル
   スデータ記憶手段に格納された強度との適合度を所定の
   パラメータにより判定するパルス適合度判定手段と、 前記判定結果に応じてパルスデータ記憶手段の内容を更
   新する更新手段と、 これらパルス適合度判定手段および更新手段の処理結果
   を基に、前記複数個のパルスデータ記憶手段の中からい
   ずれかのパルスデータ記憶手段を選択する手段と、 選択されたパルスデータ記憶手段の内容を基に、前記駆
   動音源信号を符号化する符号化駆動音源データ出力手段
   と、 を有することを特徴とする音声符号化装置。
10. 【請求項１０】 前記パルス適合度判定手段およびパル
    スデータ記憶手段の内容を更新する更新手段が行う処理
    は、生成された駆動音源信号における符号化すべきパル
    スの強度をパルスデータ記憶手段内の強度と比較して、
    その適合度から適合の可否を判定し、適合する強度が存
    在する場合は、その強度に対応する参照値を、最新を意
    味する参照値に書き換え、当該強度に対応する参照値よ
    りも新しい参照値に対してはその参照値を順送りし、適
    合する強度が存在しない場合は、参照されることの最も
    少ない参照値に対応する強度を符号化すべき強度に書き
    換えるとともに、その参照値を最新を意味する参照値に
    書き換え、他の参照値を順送りすることを特徴とる請求
    項９記載の音声符号化装置。
11. 【請求項１１】 前記パルスデータ記憶手段を選択する
    手段は、生成された駆動音源信号の強度に対しパラメー
    タにより許容範囲を設定して、その許容範囲内において
    前記駆動音源信号とパルスデータ記憶手段内の強度を示
    す値とを比較して、その比較結果を基に適合度の高いパ
    ルスデータ記憶手段を選択することを特徴とする請求項
    ９または１０記載の音声符号化装置。
12. 【請求項１２】 前記適合度を判定するためのパラメー
    タは、その値を調整可能としたことを特徴とする請求項
    ９から１１のいずれか記載の音声符号化装置。
13. 【請求項１３】 入力された音声データより切り出され
    た所定長のフレームデータを記憶するフレームデータ記
    憶手段、切り出されたフレームデータについてスペクト
    ル包絡パラメータを抽出するスペクトル包絡パラメータ
    抽出手段、抽出されたスペクトル包絡パラメータを符号
    化するスペクトル包絡パラメータ符号化手段、前記入力
    音声データと前記スペクトル包絡パラメータにより駆動
    音源信号を生成する駆動音源信号生成手段、駆動音源信
    号を符号化する駆動音源信号符号化手段、符号化された
    駆動音源信号と前記符号化されたスペクトル包絡パラメ
    ータを符号化データとして出力する符号化データ出力手
    段を少なくとも有する音声符号化装置において、 前記入力音声データと前記スペクトル包絡パラメータに
    より駆動音源信号を生成する手段は、 前記スペクトル包絡パラメータにより、前記切り出され
    たフレームから主パルスの位置と強度を推定する主パル
    ス推定手段と、 この主パルスに対して時間的に先行する所定区間におい
    て、前記主パルスに対する先行パルスの位置と強度を推
    定する先行パルス推定手段と、 前記主パルスに対して時間的に後続する所定区間におい
    て前記主パルスに対する後続パルスの位置と強度を推定
    する後続パルス推定手段と、 これら主パルス、先行パルス、後続パルスを１つの組と
    して、この１つの組のパルス群を用いて前記１フレーム
    内の駆動音源信号を生成する駆動音源信号生成手段と、 を有し、 前記駆動音源信号符号化手段は、 パルスコードとパルスの強度と参照値を１つの組として
    記憶する複数個のパルスデータ記憶手段と、 前記生成された駆動音源信号の強度と、前記複数個のパ
    ルスデータ記憶手段内の強度との適合度を所定のパラメ
    ータにより判定するパルス適合度判定手段と、 前記判定結果に応じてパルスデータ記憶手段の内容を更
    新する更新手段と、 これらパルス適合度判定手段および更新手段の処理結果
    を基に、前記複数個のパルスデータ記憶手段の中からい
    ずれかのパルスデータ記憶手段を選択する手段と、 選択されたパルスデータ記憶手段を基に、前記駆動音源
    信号を符号化する符号化駆動音源データ出力手段と、 を有したことを特徴とする音声符号化装置。
14. 【請求項１４】 前記パルス適合度判定手段およびパル
    スデータ記憶手段の内容を更新する更新手段が行う処理
    は、生成された駆動音源信号における符号化すべきパル
    スの強度をパルスデータ記憶手段内の強度と比較して、
    その適合度から適合の可否を判定し、適合する強度が存
    在する場合は、その強度に対応する参照値を、最新を意
    味する参照値に書き換え、当該強度に対応する参照値よ
    りも新しい参照値に対してはその参照値を順送りし、適
    合する強度が存在しない場合は、参照されることの最も
    少ない参照値に対応する強度を符号化すべき強度に書き
    換えるとともに、その参照値を最新を意味する参照値に
    書き換え、他の参照値を順送りすることを特徴とる請求
    項１３記載の音声符号化装置。
15. 【請求項１５】 前記パルスデータ記憶手段を選択する
    手段は、生成された駆動音源信号の強度に対しパラメー
    タにより許容範囲を設定して、その許容範囲内において
    前記駆動音源信号とパルスデータ記憶手段内の強度を示
    す値とを比較して、その比較結果を基に適合度の高いパ
    ルスデータ記憶手段を選択することを特徴とする請求項
    １３または１４記載の音声符号化装置。
16. 【請求項１６】 前記適合度を判定するためのパラメー
    タは、その値を調整可能としたことを特徴とする請求項
    １３から１５のいずれか記載の音声符号化装置。