JPH10307599A - スプラインを使用する波形補間音声コーディング - Google Patents

スプラインを使用する波形補間音声コーディング

Info

Publication number
JPH10307599A
JPH10307599A JP10057604A JP5760498A JPH10307599A JP H10307599 A JPH10307599 A JP H10307599A JP 10057604 A JP10057604 A JP 10057604A JP 5760498 A JP5760498 A JP 5760498A JP H10307599 A JPH10307599 A JP H10307599A
Authority
JP
Japan
Prior art keywords
spline
signal
time domain
decoder
block
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.)
Pending
Application number
JP10057604A
Other languages
English (en)
Inventor
Yair Shoham
ショーハム ヤイア
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.)
Nokia of America Corp
Original Assignee
Lucent Technologies Inc
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 Lucent Technologies Inc filed Critical Lucent Technologies Inc
Publication of JPH10307599A publication Critical patent/JPH10307599A/ja
Pending 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
    • G10L19/08—Determination or coding of the excitation function; Determination or coding of the long-term prediction parameters
    • G10L19/097—Determination or coding of the excitation function; Determination or coding of the long-term prediction parameters using prototype waveform decomposition or prototype waveform interpolative [PWI] coders

Landscapes

  • Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Compression, Expansion, Code Conversion, And Decoders (AREA)

Abstract

(57)【要約】 【課題】 本発明は、受信波形間の補間がそれに基づい
て生成されるスプライン係数を使用して行なわれるよう
な低ビットレート波形補間音声デコーダにおける波形補
間を行うための複雑さの低い方法と装置に関する。 【解決手段】 各々が対応するピッチ周期の音声信号セ
グメントを表す周波数領域パラメータの集合を含む２つ
の信号が波形補間エンコーダから受信される。その後、
受信された各信号からスプライン係数が生成されるが、
その際スプライン係数の各集合は、周波数領域パラメー
タの対応する集合の時間領域変換のスプライン表示を含
む。最後に、デコーダがスプライン表示間を補間し、再
生音声信号を合成するために使用される補間された時間
領域データを生成する。本発明のある実施形態では、少
なくとも１つのスプライン表示の時間スケールが修正さ
れ、相互の補間を可能にする。また、本発明の１つの例
示としての実施形態の１つによれば、３次スプライン表
示が使用されるが、他の例示としての実施形態によれ
ば、計数論的スプライン表示の新しい変形が有利にも利
用される。

Description

【発明の詳細な説明】
【０００１】
【発明の属する技術分野】本発明は、概して、低ビット
レート音声コーディングの分野に関し、より詳細には、
複雑さを低減して低ビットレート音声コーディングを行
うための方法と装置に関する。
【０００３】
【従来の技術、及び、発明が解決しようとする課題】音
声情報の通信は、音声を表す電気信号をあるチャネルま
たはネットワーク（「チャネル」）上で伝送することを
含むことが多い。音声通信において一般に遭遇する問題
は、制限された容量または帯域幅のチャネルを通じて音
声を伝送する方法である（現代のデジタル通信システム
では、帯域幅はビットレートによって表されることが多
い）。制限されたチャネル帯域幅の問題は普通、音声信
号を圧縮してチャネル帯域幅の要求に合致させる音声コ
ーディング・システムの適用によって扱われる。音声コ
ーディング・システムには、音声信号をチャネル上で伝
送するためのコード語に変換するエンコーダと、受信さ
れたコード語から音声を再生するデコーダとが含まれ
る。
【０００４】一般的な問題として、信号圧縮を伴う大部
分の音声コーディング・システムの目的は、有声音声の
ような原音声の忠実な再生である。有声音声は、話者の
声帯が緊張し、準周期的に振動するとき発生する。時間
領域では、有声音声信号は、ピッチサイクルと呼ばれる
一連の同様だがゆっくりと変化する波形として現れる。
各ピッチサイクルは、ピッチ周期と呼ばれる周期を有す
る。ピッチサイクル波形と同様、ピッチ周期は、あるピ
ッチサイクルから次のピッチサイクルにゆっくりと変化
する。
【０００５】約８キロビット／秒（ｋｂｐｓ）で動作す
る音声コーディング・システムの多くは、音声生成プロ
セスの知識を活用することによって原音声波形をコーデ
ィングする。こうしたいわゆる波形コーダの例としてコ
ード励起線形予測（ＣＥＬＰ）音声コーディング・シス
テムがあるが、これは音声波形を時間と共に変化する線
形予測（ＬＰ）フィルタによってフィルタリングして残
差音声信号を生じることによってコーディングするもの
である。有声音声中、残差信号は一連のピッチサイクル
を含み、その各々にはピッチパルスと呼ばれる主要な経
過音とそれを取り巻く一連の低振幅振動とが含まれる。
残差信号はＣＥＬＰシステムによってコードブックから
の基準化された固定長ベクトルの連結として表される。
有声音声の高いコーディング効率を達成するために、Ｃ
ＥＬＰの実現例の大部分にはまた、適当な周期で通信さ
れた信号の再生を促進する長期予測子（または適応コー
ドブック）も含まれる。しかし、時とともに改善されて
いるにもかかわらず、波形コーディング・システムに
は、６ｋｂ／ｓ以下のレートで動作するとき、知覚的に
有意な歪みを有するものが多い。この歪みは通常雑音と
して特徴づけられる。
【０００６】例えば２．４ｋｂ／ｓのレートで動作する
低ビットレートコーディング・システムは一般にその性
質上パラメトリックである。すなわち、それらは定期的
な間隔で、音声信号のピッチ周期と空間エンベロープ
（またはホルマント）を記述するパラメータを伝送する
ことによって動作する。こうしたいわゆるパラメトリッ
ク・コーダの例がＬＰボコーダ・システムである。ＬＰ
ボコーダはピッチ周期毎に１つのパルスによって有声音
声信号をモデル化する。この基本技術は、とりわけ空間
エンベロープに関する伝送情報を含むよう増補される。
ＬＰボコーダは一般に妥当な性能を提供するが、やはり
通常ブザー音として特徴づけられる知覚的に有意な歪み
を導入する。
【０００７】上記で論じた種類および他の正弦コーディ
ング・システムで一般的な「反響」は、一般に、再生さ
れた音声信号に原有声音声にあるピッチサイクルの強弱
が（全体として、またはかなりの部分で）欠けているこ
との結果である。当然、こうした種類の歪みは、低いビ
ットレートでは音声の強弱に関する情報をコーディング
する音声コーディング・システムの能力が低下するため
より多く出現する。こうした問題は、波形補間および関
連する信号モデル化技術に基づくアルゴリズムの導入に
伴って扱われ、最近低レート音声コーディングにおける
大きな進歩を達成した。こうした技術の背後にある一般
的な概念は、原音声に関して送信される情報をできる限
り少なくする一方で、原音声の自然の変化を模倣するコ
ーディングされた信号を合成することである。この概念
は、音声が普通低レートでサンプリングおよび補間可能
なゆっくり変化する属性を伝えるという観測に基づいて
いる。信号中のかなりの量の情報は、ある重要な特徴が
忠実に再生成される限り捨てることができる。
【０００８】このタスクを達成する際使用される主要な
技術は波形補間（ＷＩ）と信号分解（ＳＤ）である。Ｗ
Ｉは合成プロセスで（すなわちデコーダで）使用され、
普通音声信号、特に有声領域で観測される平滑さの度合
いを維持する。平滑さを維持することによってコーディ
ング歪みに対する頑強性が向上する。一例として、ピッ
チが不意に（不自然に）でなく平滑に変化する場合、よ
り大きなピッチのエラーが知覚的に許容できる。同じこ
とが他の種類の歪みについても言える。ＳＤによってコ
ーディング・システムがより重要な信号領域に焦点を当
て、あまり重要でない領域で伝えられる情報を捨てるこ
とが可能になる。ＷＩコーダは、例えば、Ｙ．Ｓｈｏｈ
ａｍ「時間−周波数補間に基づく２．４〜４．０ｋｂｐ
ｓでの高品質音声コーディング」、ＩＣＡＳＳＰ’９３
会報、ＩＩ１６７〜１７０ページ、Ｙ．Ｓｈｏｈａｍ
「時間−周波数補間に基づく２．４ｋｂｐｓでの高品質
音声コーディング」、Ｅｕｒｏｓｐｅｅｃｈ’９３会
報、７４１〜７４４ページ、Ｗ．Ｂ．Ｋｌｅｉｊｎ他
「特性波形の分解に基づく音声コーダ」、ＩＣＡＳＳ
Ｐ’９５会報、５０８〜５１１ページおよびＷ．Ｂ．Ｋ
ｌｅｉｊｎ他「複雑さの低い補間コーダ」、ＩＣＡＳＳ
Ｐ’９６会報、２１２〜２１５ページに説明されてい
る。ＷＩコーダはまた、上記で援用した共通に譲渡され
た米国特許出願「プロトタイプ波形音声コーティングの
ための方法と装置」第０８／６６７，２９５号および１
９９６年５月１４日Ｗ．Ｂ．Ｋｌｅｉｊｎに対して発行
された共通所有の米国特許第５，５１７，５９５号でも
説明されるが、この特許は、ここに記載されるのと同様
に、引用によって本明細書の記載に援用する。
【０００９】ＷＩコーダは一般に低ビットレートで適度
に良好な品質の再生された音声を生じるが、こうした従
来技術のコーダは、例えば、低コスト端末での使用を商
業的に実現可能にするには高価すぎることが多い。従っ
て、充分な性能レベルを維持しつつ（すなわち、再生さ
れた音声の質に関して）従来技術のＷＩコーダより実質
上低い複雑さを有するＷＩコーダが入手可能になること
が望ましい。
【００１０】
【課題を解決するための手段】本発明によれば、低ビッ
トレートＷＩ音声デコーダで波形補間を行うための改善
された方法と装置が提供されるが、その際受信波形間の
補間はそれに基づいて生成されたスプライン係数を使用
して行われる。詳細には、各々が対応するピッチ周期の
音声信号セグメントを表す周波数領域パラメータの集合
を含む２つの信号がＷＩエンコーダから受信される。そ
の後、受信された各信号からスプライン係数が生成され
るが、その際スプライン係数の各集合は周波数領域パラ
メータの対応する集合の時間領域変換のスプライン表示
を含む。そして、最後に、デコーダはスプライン表示の
間を補間し、再生音声信号を合成するために使用される
補間時間領域データを生成する。本発明のある実施形態
では、少なくとも１つのスプライン表示の時間スケール
が修正され、相互の補間を可能にする。また、本発明の
１つの例示としての実施形態によれば、３次スプライン
表示が使用されるが、他の例示としての実施形態によれ
ば、新しい種類の係数論的スプライン表示が有利にも利
用される。
【００１１】
【発明の実施の形態】
＜Ａ．波形補間の概観＞ＷＩ法はスペクトルの時間シー
ケンスの処理に基づいている。このシーケンスにおける
スペクトルは、例えば、音声信号のピッチ長スナップシ
ョットの位相緩和離散フーリエ変換（ＤＦＴ）である。
さらに、スペクトルの位相は循環シフトの対象となる。
スナップショットは、原則として１つのサンプルと同じ
短いアップデート間隔に得られる。こうしたアップデー
ト間隔は全体としてピッチに依存するが、有効な処理の
ために、好適にはピッチ周期に動的に適合される。
【００１２】ＷＩプロセスが以下例示として説明され
る。Ｓ（ｔ，Ｋ）は時間ｔにおけるスナップショットの
ＤＦＴであり、ピッチ周期Ｐ（ｔ）は時間とともに変化
する。Ｕ（ｔ，ｃ）によって示されるＳ（ｔ，Ｋ）の逆
ＤＦＴ（ＩＤＦＴ）が、Ｔ秒の大きさの一定のＤＦＴ基
底関数サポートに関連して得られる。これは時間スケー
ル正規化として知られ、当業技術分野に熟練した者には
周知である。この正規化によって、Ｕ（ｔ，ｃ）は周期
Ｔを有する軸ｃに沿った周期関数として見られる。２つ
の連続するスナップショットをｔ0 とｔ1 で取ると、Ｓ
（ｔ1 ，Ｋ）は、最大相関に関する循環シフトによって
Ｓ（ｔ0 ，Ｋ）と整合するので有利である。従って、ピ
ッチ信号がゆっくり変化する場合、２次元曲面Ｕ（ｔ，
ｃ）はｔ軸に沿って平滑である。この状態は図１に例示
として示されているが、ここではすべての波形はｃ軸に
沿って同じ周期Ｔを有し、ｔ軸に沿ってゆっくり変化す
る。実際には、曲面Ｕ（ｔ，ｃ）は何らかの特定の点で
はなく、スペクトルＳ（ｔ0，Ｋ）およびＳ（ｔ1 ，
Ｋ）に対応する境界波形Ｕ（ｔ0 ，ｃ）およびＵ
（ｔ1，ｃ）で与えられる。中間の数値は、以下説明さ
れるように、有利にもこれらのスペクトルから補間され
る。Ｕ（ｔ，ｃ）における変数「ｃ」は正規化ピッチサ
イクルの数を示す。音声信号の場合、これは、ｃ（ｔ）
によって示される時間の関数であり、次の式によって与
えられる。
【数１】 時間ｔにおけるサイクルの数値を与えると、点（ｔ，ｃ
（ｔ））で曲面をサンプリングすることによって１次元
信号ｓ（ｔ）が生成される。すなわち、 ｓ（ｔ） ＝ Ｕ（ｔ，ｃ（ｔ）） （２） 図１に例示されるように、ｓ（ｔ）は、ｃ（ｔ）によっ
て定義される経路に沿った、すなわち位置（ｔ、ｃ
（ｔ））にあるＵ（ｔ，ｃ）をサンプリングすることに
よって生成される。完全な曲面Ｕ（ｔ，ｃ）は、図１に
例示としての目的のためにだけ示される。実際には、普
通サンプリングの前に曲面全体を生成（すなわち補間）
する必要はない。サンプリング経路（ｔ，ｃ（ｔ））の
これらの数値だけが有利にも次の計算によって決定され
る。
【数２】 ここでスペクトルＳ（ｔ，Ｋ）は次の２つの境界スペク
トルから補間される。 Ｓ(ｔ,Ｋ)＝α(ｔ)Ｓ(ｔ0,Ｋ)＋β(ｔ)Ｓ(ｔ1,Ｋ) ｔ0＜ｔ＜ｔ1 （４） 関数α（ｔ）およびβ（ｔ）は、例えば、線形補間を表
すが、他の補間規則、詳細にはスペクトルの振幅と位相
を別々に補間するものなどが代替的に利用されることも
ある。サイクル関数ｃ（ｔ）も補間によって得られるの
で有利である。第１に、ピッチ関数Ｐ（ｔ）がその境界
数値Ｐ（ｔ0 ）およびＰ（ｔ1 ）から補間され、その後
上記の式（１）がｔ0 ＜ｔ＜ｔ1 について計算される。
【００１３】アップデート・スペクトルの忠実な伝送を
仮定すると、信号ｓ（ｔ）は原音声の重要な特性の大部
分を有する。詳細には、そのピッチ・トラックは、たと
えピッチの同期が使用されず、アップデート時間がピッ
チと無関係であっても原音声のそれに従っている。これ
は低レート・コーディングのために有利な大量の情報の
低減を意味する。
【００１４】非周期的（無声）音声セグメントでは、ピ
ッチは本質的に任意の数値がエンコーダのピッチ検出器
によって計算されるものすべてに設定されるので、真の
ピッチ・サイクルを表さない。さらに、結果として生じ
るピッチの数値はピッチ・トラックを平滑にするために
修正されるので有利である。こうしたピッチは、その真
の性質に関わらず、同じ方法でシステムによって使用さ
れる。このアプローチは有利にも音声化の分類を除去
し、頑強な処理を提供する。この場合でも、（実際はす
べての信号について）上記で説明した補間の枠組みは、
アップデート間隔がピッチ周期の半分未満の時はいつで
も良好に機能することに留意されたい。
【００１５】＜Ｂ．ＷＩコーダにおける信号分解の概観
＞ＷＩエンコーダは通常有効な圧縮のために音声信号を
分析し分解する。詳細には、信号分解は２つのレベルで
行われるので有利である。第１のレベルでは、標準１０
次ＬＰＣ分析が、例えば、２５ｍｓｅｃのフレームにわ
たるフレーム毎に一度行われ、スペクトル・エンベロー
プ（ＬＰＣ）パラメータおよびＬＰ残差信号を得る。こ
の方法による信号の分割はスペクトルの知覚的に有効な
量子化を考慮している。高品質の再生音声を生じるため
にはスペクトル・エンベロープの適度に正確なコーディ
ングが好適であるが、特に高い周波数では、微細構造の
ＬＰ残差スペクトルのかなりの歪みが許容されることが
多い。このことを考慮して、残差信号は有利にも第２レ
ベルの分解を経験するが、その目的は信号を構造化成分
と非構造化成分とに分解することである。構造化信号は
本質的に周期的であるが、非構造化成分は非周期的で本
質的にランダム（すなわち雑音状）である。
【００１６】高度低レート音声コーダでは、様々な方法
と手順のこの種の基本的分解を使用するものが多いが、
大部分のＷＩコーダでは、２次レベル分解は、ゆっくり
変化する波形（ＳＥＷ）と急速に変化する波形（ＲＥ
Ｗ）の概念を使用して行われる（例えば、各々上記で援
用されたＷ．Ｂ．Ｋｌｅｉｊｎ他「特性波形の分解に基
づく音声コーダ」および米国特許第５，５１７，５９５
号を参照されたい）。このアプローチは、有声の（すな
わち大部分周期的な）音声セグメントでは、ピッチやス
ペクトル・パラメータのような音響的特徴は比較的ゆっ
くり変化するが、無声セグメントではこれらの特徴はよ
り早く変化するという観測に基づいている。従って、信
号がＳＥＷ成分とＲＥＷ成分に分割される場合、ＳＥＷ
は大部分周期的な成分を表し、ＲＥＷ成分は大部分非周
期的な雑音状信号を表す。この分解はＬＰ残差領域で行
われるので有利である。この目的のために、残差のアッ
プデート・スナップショットが、時間ｔn のピッチサイ
ズＤＦＴを取り、それによってスペクトルＲ（ｔn ，
Ｋ）を生じることによって得られる。従って、この音声
スペクトルは、以下の式によって与えられる。 Ｓ（ｔn，Ｋ）＝Ａ（ｔn，Ｋ）Ｒ（ｔn，Ｋ） （５） ここでＡ（ｔn ，Ｋ）は時間ｔn のＬＰＣスペクトルで
ある。
【００１７】ＳＥＷシーケンスは、例えば、２０Ｈｚ、
２０タップ・ローパスフィルタを使用して、時間軸に沿
ってＲ（ｔn ，Ｋ）の各スペクトル成分を（すなわちＫ
の各数値について）フィルタリングすることによって得
られる。これからＳＥＷスペクトルのシーケンス、ＳＥ
Ｗ（ｔn ，Ｋ）が生じるが、これは、例えば、１フレー
ム当たり１ＳＥＷスペクトルにダウンサンプリングされ
るので有利である。相補ハイパスフィルタを使用するこ
とによって、ＲＥＷスペクトルのシーケンス、ＲＥＷ
（ｔn ，Ｋ）が同様に得られる。スペクトル・スナップ
ショットは普通正確なピッチサイクル間隔では得られな
いので、スペクトルＳ（ｔn ）はフィルタリングの前に
整合されるので有利である。この整合は、例えば、時間
領域循環シフトと同等の高解像度位相整合を含み、現在
と以前とのスペクトルの相関を最大にするので有利であ
る。これは位相の不整合による人工的なスペクトルの変
化を除去する。
【００１８】１つの興味深い観測は、多くの他の分解方
法と異なって、この分解は（少なくとも原理的には）損
失がなく可逆的である、すなわちもとの（整列した）シ
ーケンスＲ（ｔn ，Ｋ）が回復できるということであ
る。従って、この方法ではコーディング性能に上限がな
い。ＳＥＷとＲＥＷが十分高いビットレートでコーディ
ングされれば、（完全な残差信号が正確に再生されるの
で）従来のＷＩデコーダによって非常に高品質の音声が
再生できる。
【００１９】スペクトルＲ（ｔn ，Ｋ）は有利にも正規
化され、Ｋ軸について単位平均２乗平均平方根（ＲＭ
Ｓ）値を有する。これはレベルの変動を除去し、ＳＥＷ
／ＲＥＷ分析を向上させ、ＲＥＷとＳＥＷの量子化を容
易にする。ＲＭＳレベル（すなわち利得）は個別に量子
化されることもある。これはまたシステムが他のパラメ
ータと無関係に、信号レベルの知覚的に重要な変化（例
えば、有声音声の開始）に特別な注意を払うようにす
る。
【００２０】＜Ｃ．従来の波形補間コーダ＞図２は、エ
ンコーダ２１およびデコーダ２２を含む従来のＷＩコー
ダのブロック図を示す。エンコーダでは、ＬＰ分析（ブ
ロック２１２）が入力音声に適用され、ＬＰフィルタが
使用されてＬＰ残差が得られる（ブロック２１１）。ピ
ッチ推定器２１４が残差に適用され現在のピッチ周期が
得られる。ピッチサイズ・スナップショット（ブロック
２１３）が残差について取られ、ＤＦＴによって変換さ
れ正規化される（ブロック２１５）。結果として生じる
スペクトルのシーケンスはまず整合され（ブロック２１
７）、時間軸に沿ってフィルタリングされてＳＥＷ（ブ
ロック２１８）およびＲＥＷ（ブロック２１９）信号を
形成する。これらは量子化され、（ブロック２１２で生
成する）ピッチＬＰ係数および（ブロック２１６で生成
する）スペクトル利得とともに伝送される。
【００２１】デコーダでは、コーディングされたＲＥＷ
およびＳＥＷ信号がデコードされ結合（ブロック２２
３）されて量子化励起スペクトルＲ（ｔn ，Ｋ）を形成
する。スペクトルはその後ＬＰＣスペクトルによって再
形成され、利得によって適切なＲＭＳレベルに再基準化
され（ブロック２２２）、それによって量子化音声スペ
クトルＳ（ｔn ，Ｋ）を生じる。ここでこのスペクトル
は上記で説明したように補間され（ブロック２２４）、
最終的な再生信号を形成する。
【００２２】図２のＷＩコーダは、すべてのデータ、特
にＲＥＷおよびＳＥＷ信号について十分なビット・リソ
ースが利用可能である限り、高品質音声を提供すること
ができる。２つのフルサイズのスペクトルが表示されて
いるので、ＲＥＷ／ＳＥＷ表示は、原則として、オーバ
ーサンプリングされていることに留意されたい。これは
量子化器に余分の負担をかける。低ビットレートでは、
以下さらに説明するように、ビットが不足しているの
で、ＲＥＷ／ＳＥＷ表示は意味のある量子化を考慮し
て、通常大きく妥協される。例えば、２．４ｋｂｐｓで
動作する通常の従来のＷＩコーダは、２５ｍｓｅｃのフ
レームサイズを使用するので、通常ＬＰＣデータに３０
ビット、ピッチ情報に７ビット、ＳＥＷデータに７ビッ
ト、ＲＥＷデータに６ビットおよび利得情報に１０ビッ
トからなるビット割当てを利用するよう制限されてい
る。同様に、１．２ｋｂｐｓのレートで動作する通常の
従来のＷＩコーダは３７．５ｍｓｅｃのフレームサイズ
を使用するので、通常ＬＰＣデータに２５ビット、ピッ
チ情報に７ビット、ＳＥＷデータにビットなし、ＲＥＷ
データに５ビットおよび利得情報に７ビットからなるビ
ット割当てを利用するよう制限されている（１．２ｋｂ
ｐｓの場合、全体に平滑なＬＰスペクトルが仮定され、
ＳＥＷ信号は、コーディングされたＲＥＷ信号部分と相
補的なその一部分であると仮定されることに留意された
い）。
【００２３】上記で説明した補間コーディングは計算上
複雑である。初期のＷＩコーダの中には実際に実時間よ
り動作の遅いものがあった。改良形の複雑さの低いＷＩ
コーダが上記の「複雑さの低い補間コーダ」でＷ．Ｂ．
Ｋｌｅｉｊｎ他によって提案されたが、広範な適用業務
範囲で商業的に実行可能な代替案を提供するにはより複
雑さの低いコーダが必要である。詳細には、例えば、ネ
ットワーキングのような、他のタスクが中断されずに行
えるように、プロセッサの計算能力のわずかな部分だけ
が使用されるのが望ましい。
【００２４】通常のＷＩコーダでは、計算負荷の主な原
因は信号分解と補間処理であることに留意されたい。他
の重大な原因はピッチ・トラッキング、スペクトル整合
およびＬＰＣ量子化処理である。安価な実現を達成しよ
うとする場合、メモリの使用も重要な要素である。通常
の従来技術ＷＩコーダは時間フィルタリング等の演算に
関するＲＥＷとＳＥＷのシーケンスを保持するために多
量のＲＡＭを必要とする。全体として、通常の従来のＷ
Ｉコーダでは約６ＫワードのＲＡＭが必要である。さら
に、ＬＰＣ量子化のために多量のＲＯＭ（通常約１１Ｋ
ワード）が必要である。
【００２５】＜Ｄ．３次スプラインを使用する複雑さの
低い波形補間＞従来のＷＩコーダで行われる、上記で説
明したような波形補間処理は、部分的には、時間インス
タンス毎に全スペクトル・ベクトルを補間する必要があ
り、ＤＦＴ形演算（例えば、上記の（３）の式の計算）
を実行する必要があるために非常に複雑である。式
（３）によって実行される三角関数の非正則サンプリン
グでは、この関数を実行するために有益な簡単な帰納的
方法がないためそれは一層複雑になっている。この問題
を解決するために、波形補間処理は、本発明の例示とし
ての実施形態に従って、以下のようなより簡単な方法に
近づけることができるので有利である。スペクトルＳ
（ｔn ，Ｋ）はまずゼロ・パディングによって固定した
基数２のサイズに増加される。逆高速フーリエ変換（Ｉ
ＦＦＴ）がアップデート毎に一度行われ、固定サイズＴ
の時間信号が得られる。これらの信号は３次スプライン
係数ベクトルに変換される（以下より完全に説明される
３次スプライン係数は信号処理技術に熟練した者には周
知である）。このスプライン係数を使用すると、任意の
望ましい点の信号の連続時間推定のサンプルが生成され
るが、これは有利にも上記の式（１）の関数ｃ（ｔ）に
よって決定される動的時間基準化を考慮している。
【００２６】信号のスプライン表示の使用は、信号を離
散的時間表示から連続時間表示に変換するための周知の
技術である（例えば、Ｍ．Ｕｎｓｅｒ他「Ｂ−スプライ
ン信号処理：第Ｉ部−理論」、米国電気電子学会信号処
理会報第４１巻、第２号、１９９３年２月、８２１〜８
３３ページ、Ｍ．Ｕｎｓｅｒ他「Ｂ−スプライン信号処
理：第ＩＩ部−有効な設計」、米国電気電子学会信号処
理会報第４１巻、第２号、１９９３年２月、８３４〜８
４８ページおよびＨ．Ｈｏｕ他「画像補間とデジタル・
フィルタリングのための３次スプライン」、米国電気電
子学会音響信号処理会報第ＡＳＳＰ−２６巻、第６号、
１９７８年１２月、５０８〜５１７ページを参照された
い）。帯域制限された信号の場合、それはナイキスト・
サンプリングされた数値から連続信号を完全に再生する
はるかに高価な無限サポート「サイン（ｘ）／ｘ」フィ
ルタリング演算の代わりに使用できる。
【００２７】信号処理技術に熟練した者に周知のよう
に、信号のｋ次スプライン表示ｓ（ｔ）は、次の式のよ
うに定義される。
【数３】 ここでｑn はスプライン係数であり、Ｂk （ｔ）は、区
分的ｋ次多項式からなるスプライン連続時間基底関数で
ある。スプライン表示を使用する利点の１つは、基底関
数が小さな有限のサポートを有するという事実に見られ
る。すなわち、サイズｋ＋１のサポートの時だけ非ゼロ
である。これは、式（６）の合計は実際にはｋ＋１係数
についてだけ行えばよいということであり、従来の帯域
制限されたフィルタリングと比較して大きな計算負荷
（およびメモリ）の節約を意味する。基底サポートは、
ｎ＝−ｋ＋１，．．．，ｋ−１の時、ｔ＝ｎの時点で、
ノードと呼ばれるｋ＋１のセクションに分割される。基
底は対称的であり、Ｂk （０）＝１でＢk （ｔ≧ｋ−
１）＝０である。従って、Ｂk （ｔ）は（ｋ−１）次多
項式を正のｋ−１セクションに割り当てることによって
完全に定義される。（ｋ−１）（ｋ＋１）多項式パラメ
ータはノードに連続条件を課すことによって解かれる。
すなわち、Ｂk （ｔ）の０次から（ｋ−１）次の導関数
はノードで連続的であるので有利である。
【００２８】３次スプラインがごく低い計算負荷で大部
分の信号の高品質補間を行うために十分であることは当
業技術分野に熟練した者には周知である。従って、本発
明の１つの例示としての実施形態によれば、３次スプラ
インが複雑さの低いＷＩコーダで波形補間を行う際使用
される。上記の定義をＢ3 （ｔ）（すなわち３次スプラ
イン基底）に適用すると、当業技術分野に熟練した者に
明らかなように、式（６）は以下のような行列の形態に
なる。
【数４】 ここでｎ≦ｔ≦ｎ＋１である。ｓ（ｎ）がサイズＮの離
散時間サンプリング・シーケンスであるとし、その基礎
となる連続信号ｓ（ｔ）を推定することが望ましいとす
る。上記の式（７）から、ｔ＝ｎとすると、次の式が導
かれる。 ｓ（ｎ）＝ｑn-1＋４ｑn＋ｑn+1 （８） これは、当業技術分野に普通に熟練した者には周知の、
ＩＩＲ（無限インパルス応答）フィルタリング演算の形
態の、信号からスプライン係数への変換を定義する。こ
のフィルタは非因果的なので、安定した形態で実現する
には留意が必要である。また、２つの初期条件の適切な
組み合わせが選択される必要がある。当業技術分野にお
ける通常の技術を有する者には周知のように、安定した
アプローチの１つはフィルタリングを順方向（因果的）
演算と逆方向（非因果的）演算とに分割することであ
る。式（８）は、式（８）の補助シーケンスｆnと安定
した極すなわち、ｐ＝２−√３を使用することによっ
て、容易に次の２つの１次帰納に分割することができ
る。 ｆn ＝ｐｆn-1 ＋ｓ（ｎ）；ｎ＝０〜Ｎ−１ ｑn ＝ｐ（ｆn −ｑn+1 ）；ｎ＝Ｎ−１〜０ （９） この変換を完全に定義するために、初期値ｆ-1とｑn を
知る必要がある。それ自体、本発明の例示としての実施
形態の１つによれば、ｆ-1＝ｑn ＝０である。本発明に
よれば、これらの初期値を割り当てるために本質的に任
意の方法が使用できるが、異なった方法は、特に境界近
くではｓ（ｔ）について異なった数値を生じることに留
意されたい。それにも関わらず、結果として生じるさま
ざまなｓ（ｔ）はｔ＝ｎでサンプリングされるとき、同
じシーケンスｓｎを生じるので有利である。
【００２９】本発明の他の例示としての実施形態によれ
ば、初期条件を設定するための別の方法が利用される。
この方法はｓ（ｎ）が周期Ｎを伴う周期的なものである
という仮定に基づいている。明らかに、これはｑn も周
期的であることを意味する。この場合、ｓ（ｎ）とｑn
の関係がＤＦＴ演算によって周波数領域で表される場
合、初期条件は暗黙のうちに決定され、これに関してそ
れ以上注意を払う必要はない。また、安定性はこの場合
重要でない。
【００３０】式（８）に関連するＤＦＴ領域フィルタＨ
（Ｋ）は次のシーケンスのＤＦＴを計算することによっ
て得られる。
【数５】 すなわち、Ｈ（Ｋ）＝ＤＦＴ｛ｈn ｝である。同様に、
Ｓ（Ｋ）＝ＤＦＴ｛ｓ（ｎ）｝でありＱ（Ｋ）＝ＤＦＴ
｛ｑn ｝である。従って、式（８）のＤＦＴバージョン
は単純にＳ（Ｋ）＝Ｈ（Ｋ）Ｑ（Ｋ）である。スプライ
ン・ウィンドウをＷ（Ｋ）＝１／Ｈ（Ｋ）と定義する
と、次のスプライン変換が得られる。 Ｑ（Ｋ）＝Ｗ（Ｋ）Ｓ（Ｋ） （１１） 複合ウィンドウＷ（Ｋ）は有利にも一度オフラインで計
算され、ＲＯＭに保存されることに留意されたい。ま
た、変換の複雑さは単に入力サンプル毎に３つの演算だ
けであり、これは実際、入力サンプル毎に４回の演算を
必要とする式（９）の時間領域対応部分のより少ないこ
とに留意されたい。しかし、時間領域スプライン係数を
得るためには、ＩＤＦＴをＱ（Ｋ）に適用する必要があ
る。ＷＩデコーダによって処理されるデータはすでにＤ
ＦＴ領域で与えられている。これは信号Ｓ（ｔ0 ，Ｋ）
である。従って、スプライン変換にはＷ（Ｋ）を使用す
るのが好都合である。また、ＷＩ処理のために必要な時
間スケールの正規化は、好都合にも単純にゼロをＫ番目
の軸に沿ってＳ（ｔ0 ，Ｋ）に追加することによって行
われる。さらに、ＤＦＴは有利にも固定した基数２のサ
イズＮに増加されるので、固定サイズＩＦＦＴが有利に
も利用できる。このＩＤＦＴの結果はサイズＮのスプラ
イン係数シーケンスｑn である。
【００３１】本発明の例示としての実施形態の１つによ
れば、ここで再生音声信号の最終的合成が以下のように
行われる。循環関数ｃ（ｔ）が使用され、正規化サイク
ルＴ＝Ｎの小数部によってサンプリングの瞬間を探し出
す。式（７）に含まれる４つの関連するスプライン係数
が識別される。これらの係数は前回のアップデートのス
プライン・ベクトルからの対応する係数、すなわちＳ
（ｔ-1，Ｋ）から得られたものによって補間される。最
後に、式（７）を使用して、数値ｓ（ｔ）が得られる。
この処理はｔの十分な数値について繰り返され、出力信
号アップデート・バッファを満たすので有利である。ｃ
（ｔ）はアップデートを通じて連続性を維持しているこ
とに留意されたい。すなわち、それは前回のアップデー
トの最後の数値から増加する。しかし、これはモジュロ
Ｔの実行であり、基本周期の仮定と一線をなす。
【００３２】本発明による複雑さの低いＷＩコーダで使
用するための第１の例示としての波形補間処理のブロッ
ク図が図３に示される。詳細には、図３に示すＷＩ処理
は上記の説明による３次スプラインを使用して波形補間
を実行する。すなわち、ブロック３１では入力スペクト
ルにゼロをパディングし、固定した基数２のサイズを確
保する。その後、ブロック３２では上記で説明したスプ
ライン変換を行い、ブロック３３では結果として生じた
データのＩＦＦＴを行う。ブロック３４は、スプライン
係数の補間が現在と過去の波形に基づいて行われる（ブ
ロック３８）ように、結果として生じたデータの各集合
を保存するために使用される。ブロック３６は現在の入
力ピッチの数値と（ブロック３５で保存された）過去の
入力ピッチの数値を演算して動的時間正規化を行い、そ
れに基づいて、ブロック３７ではブロック３８で補間さ
れるスプライン係数が決定される。最後に、ブロック３
９で３次スプライン補間が行われ、結果として出力音声
波形が（時間領域で）生成される。
【００３３】＜Ｅ．疑似計数論的スプラインを使用する
複雑さの低い波形補間＞本発明の他の例示としての実施
形態によれば、上記で説明した方法の一変形が、スプラ
イン変換（すなわちスプライン・ウィンドウ）の使用を
除去することによって必要な計算をさらに低減する。こ
れは、信号処理技術に熟練した者には周知であり、例え
ば、上記で示したＭ．Ｕｎｓｅｒ他「Ｂ−スプライン信
号処理：第Ｉ部−理論」で説明されている計数論的スプ
ラインの概念に基づいている。計数論的スプライン表示
は基底関数に１つの追加条件すなわち、ノードで厳密に
ゼロである（ｔ＝ｎかつｔ≠０の場合Ｂ（ｔ）＝０）と
いう条件を課すことによって得られる。その結果、それ
はもはやローカル有限サポートを有さない。しかし、そ
れは、上記で論じた「サイン（ｘ）／ｘ」関数と同様、
急速に減衰することに留意されたい。本発明の例示とし
ての実施形態によってここで使用される疑似計数論的ス
プラインは、他の（すなわち連続性の）条件を緩和する
ことによってこの追加条件を満足させる有限サポート基
底関数の使用に基づいている。３次スプラインを使用す
る上記で説明した場合のように、−２≦ｔ≦２のサポー
トに対する３次対称基底関数が使用される。しかし、次
の１つの追加条件が課される。 Ｂ3（１）＝Ｂ3（−１）＝０ （１２） 従って、１つの連続性条件だけが放棄される。第２導関
数はノードｔ＝−２およびｔ＝２で任意の数値を有する
ことが許容される。基底関数とその第１導関数はこれら
の点でゼロであることに留意されたい。これらの条件下
で基底関数を導き、行列の形で補間演算を表すことによ
って次の式が与えられる。
【数６】 ここでｎ≦ｔ≦ｎ＋１であるが、これは行列の数値以外
は式（７）と同じである。ｔ＝０と設定することによっ
て（行列の一番下の列に留意されたい）入力サンプルと
スプライン係数との関係が与えられるが、これは単純に
次の式になる。 ｓ（ｎ）＝ｑn （１４） すなわち、入力サンプルそのものがスプライン係数であ
るので、それ以上の変換は必要ない。補間器の複雑さ
は、フィルタリングとウィンドウ処理が有利にも回避さ
れる以外は上記で説明した実施形態と同じである。これ
はサンプル毎に３つの演算を節約し、それによってデコ
ーダの複雑さをさらに低減する。さらに、現在と過去の
スプライン係数を保存する追加ＲＡＭの必要がなく、ス
プライン・ウィンドウを保持する追加ＲＯＭも必要ない
ことに留意されたい。
【００３４】疑似計数論的スプラインは本来の計数論的
スプラインに近似したものにすぎないので、疑似係数論
的スプラインに基づくアプローチの性能（すなわち、再
生された音声信号の質に関する性能）は、標準３次スプ
ラインに基づくものほどよくないと考えられることに留
意されたい。しかし、モデル化と量子化処理の際にデー
タに追加される歪みのレベルは、通常疑似計数論的スプ
ラインによる補間器の使用によって追加される雑音より
はるかに高い。従って、複雑さが低減される利点のほう
がこうした近似物を使用する欠点より重要である。
【００３５】本発明による複雑さの低いＷＩコーダで使
用するための第２の例示としての波形補間処理のブロッ
ク図が図４に示される。詳細には、図４に示すＷＩ処理
が、上記の説明による疑似計数論的スプラインを使用し
て波形補間を実行する。すなわち、図４に示す例示とし
ての波形補間処理の動作は、スプライン変換（ブロック
３２）が不要になるため除去され、３次スプライン補間
（ブロック３９）が疑似計数論的スプライン補間（ブロ
ック４９）によって代わる点以外は図３に示す例示とし
ての波形補間処理と同様である。
【００３６】＜Ｆ．複雑さの低い信号分解＞上記で記し
たように、ＳＥＷ／ＲＥＷ分析は、すべての高調波指標
ＫについてスペクトルＲ（ｔn ，Ｋ）の並列フィルタリ
ングを必要とする。従来のＷＩコーダでは、これは通常
２０タップ・フィルタを使用して行われる。これは従来
技術のＷＩコーダの全体的な複雑さの主要な原因であ
る。詳細には、この処理はコード化して伝送する必要の
あるスペクトルの２つのシーケンス、すなわちＳＥＷシ
ーケンスとＲＥＷシーケンスを生成する。ＳＥＷシーケ
ンスは量子化の前にダウンサンプリングできるが、ＲＥ
Ｗは完全な時間と周波数の解像度で量子化する必要があ
る。しかし、２．４ｋｂｐｓ以下のコーディング・レー
トでは、通常のビットの余裕（上記を参照）は小さすぎ
て、データの有益な表示を生じることができない。この
問題の一例として、ピッチ周期８０サンプルで、アップ
デート間隔約１２ｍｓｅｃの場合を検討してみよう。通
常のフレームサイズを２５ｍｓｅｃとすると、各フレー
ム毎に約２回のアップデートがある。通常、振幅のＤＦ
Ｔだけが量子化されるので、１フレーム中量子化される
のは（８０／２）ｘ２＝８０ＲＥＷの数値である。しか
し、ビットの余裕が許容するのは、ＲＥＷ量子化器につ
いて６ビット／フレーム（すなわち、３ビット／スペク
トラム）、すなわち、０．０７５ビット／成分だけであ
る。明らかに、この場合伝送できるのはＲＥＷの振幅ス
ペクトルの非常に大まかな近似値だけである。実際、上
記で示したＷ．Ｂ．Ｋｌｅｉｊｎ他「複雑さの低い補間
コーダ」では、ＲＥＷ信号は多項式曲線近似技術を使用
して徹底的に平滑にされ、わずか５パラメータにパラメ
ータ化される。
【００３７】同様の状況がＳＥＷ信号についても存在す
る。通常のビットの余裕（上記を参照）によればフレー
ム毎に７ビットのみが利用可能である。従って、約８０
０ＨｚのＳＥＷベースバンド・スペクトルのみが通常コ
ーディングされる。それより高い帯域は通常全体に平滑
なＬＰスペクトルを仮定して推定されるので、次の式の
ようになる。 ＳＥＷ（ｔ，Ｋ）＋ＲＥＷ（ｔ，Ｋ）＝１ （１５） ＬＰスペクトルの平滑さに関するこの推定は、低レート
音声コーディング、詳細にはＷＩによるコーダで広範に
使用されてきた。これはビットのリソースがない場合に
行うには妥当な推定であるが、特に通常のＷＩコーダの
場合のように短いフレームについてスペクトルを取る場
合にはＬＰスペクトルの著しい表示不足である。そのた
めＳＥＷ信号とＲＥＷ信号は量子化処理で大きく歪めら
れ、コーディングの後原信号の信号特性の多くは残らな
い。
【００３８】原残差信号の分析（例えば、分解）とＷＩ
コーディング環境で実際に行われる量子化解像度との実
質上の不整合の存在を認識して、本発明の１つの例示と
しての実施形態は従来技術のＷＩコーダで行われるもの
より単純な分析を提供する。詳細には、量子化段階で情
報の大部分が失われるだけの非常に高解像度の非常に高
価な分析を行う必要はないということが認識される。コ
ーダの性能は本質的に量子化器によって決定されるの
で、理論上より単純な分析が使用可能である。従って、
本発明の例示としての実施形態によれば、信号分解およ
びコーディングのタスクに対して新しいアプローチがな
され、ＳＥＷとＲＥＷが定義され処理される方法を変え
る。
【００３９】＜１．非構造化成分の複雑さの低い信号分
解＞本発明の１つの例示としての実施形態によれば、残
差信号の非構造化成分は単に適切に整合された正規化電
流と以前のスペクトルとの差を得ることによって表され
る。これは、通常従来のＷＩコーダに見られる２０次フ
ィルタを１次フィルタに代えることによって生じるＲＥ
Ｗ信号生成の単純化と本質的に同等である。例えば、有
声音声では、この差は非構造化ランダム成分を反映す
る。これをここでは単純にランダム・スペクトル（Ｒ
Ｓ）と呼ぶ。ＲＳは低次（２次または３次）直交多項式
展開（例えば、スペクトル毎に３または４のパラメータ
を使用する）によって平滑化されるので有利である。こ
れは、どちらのスペクトルもほとんどいつも周波数とと
もに単調に増大する通常の平滑化されたＳＥＷ信号と通
常の平滑化されたＲＳを検討することによって見られ
る。言い換えれば、残差信号は、高い周波数帯域では常
に単調に構造化の度合いが少ない。各ＲＳをコーディン
グするビットの割当てが３ビットだけだと仮定すると
（上記の通常のビット割当ての議論を参照されたい）、
ＲＳ量子化器によって使用できるのは、こうして平滑化
されたスペクトルのうち８だけである。
【００４０】平滑化されたＲＳの長いシーケンスに対し
て従来の方法で３ビットのベクトル量子化器（ＶＱ）を
トレーニングすることによって、８つのコードブック・
スペクトルの集合が生成される。こうした例示としての
コードブック・スペクトルの集合が図５に示される。本
発明の例示としての実施形態によれば、平滑化と量子化
は、ベクトル毎に３つのフルサイズ内積を行うことによ
って（上記で示したＷ．Ｂ．Ｋｌｅｉｊｎ他「複雑さの
低い波形補間コーダ」で説明されているように）コーデ
ィング処理中に結合できる。しかし、例示としてのコー
ドブック・スペクトルの集合の配列が、単純化の度合い
を追加していることに留意されたい。詳細には、図５に
示す曲線が指標とともに単調に増加しているので、それ
らは、それらのエネルギーと等価であるそれらの下の面
積に基づいて、個別に指示できる。発見的に、これは基
準化パラメータが、ＲＳコードブックのエントリを指示
する入力データから計算できるということを意味してい
る。言い換えれば、コードブックのエントリ（例えば、
図５の例示としての曲線）は、２つの整合された正規化
スペクトルの振幅の差の平滑化されたバージョン、すな
わち次の式を表しているが、 ＲＳ（Ｋ）＝｜Ｓ1（Ｋ）−Ｓ2（Ｋ）｜ （１６） これはＲＳの定義と一致している。対応するエネルギー
は次の式で表される。
【数７】 ここで最後の項は対応する時間領域信号間の相互相関の
平方として認識される。これらの信号は適切に整列され
た入力信号（すなわちＬＰ残差）の２つの連続するスナ
ップショットである。アップデート間隔のサイズがほぼ
１ピッチ周期である場合、この相互相関は入力のピッチ
の遅れの相関Ｃ（Ｐ）に関連するが、ここＤＥＰはピッ
チ周期であり、Ｃ（．）は標準相関関数である。従っ
て、（因数２を無視すると）パラメータｕ＝１−（Ｃ
（Ｐ））2 が、コードブックの初期の「ソフトな指標」
として本質的に使用される。量子化テーブルを使用する
と、ｕは有利にも、ＲＳ曲線（すなわちコードブック・
エントリ）を指示する範囲［０，７］の指標にマップさ
れる。
【００４１】上記のアプローチは、エンコーダの複雑さ
の観点から４つの主要な利点を有している。第１に、明
示的な高解像度ＲＳを生成する必要がない。第２に、整
合の必要がない。第３に、フィルタリングの必要がな
い。第４に、曲線近似の必要がない。しかし、本発明の
この例示としての実施形態によれば、現在のアップデー
ト・レートではピッチの遅れの相関が見られる。
【００４２】上記で定義されたパラメータｕは信号中の
「無音声」のレベルを反映している。これは常に無声領
域では高く、有声領域では低いので、その時間的な強弱
はある程度予測可能である。これはＶＱをこのパラメー
タの連続的な数値に適用することによって有効に利用さ
れる。従って、本発明の他の例示としての実施形態で
は、ベクトル毎に３ビットを使用してＲＳを直接量子化
する代わりに、６ビットＶＱが有利にも使用され、フレ
ーム内のｕ−ベクトルを量子化し伝送する。受信機で
は、デコーディングされたｕの数値が直交多項式パラメ
ータの集合にマップされ、そこから平滑化されたＲＳス
ペクトルが生成される。
【００４３】デコーディングされたＲＳが振幅スペクト
ルを表すことに留意されたい。本発明の例示としての実
施形態によれば、完全な複合ＲＳは、非構造化信号の仮
定と一致するランダム位相スペクトルを追加することに
よって得られる。ランダム位相は、例えば、位相テーブ
ルをランダム・サンプリングすることによって安価に得
られる。こうした例示としてのテーブルは１２８の半径
１の２次元ベクトルを保持する。０＜Ｉ＜１２８である
とき、この表の指標Ｉは、例えば、有利にも高速ビット
演算によって実現される次の式のＣ言語指標再帰によっ
て疑似ランダムに生成される。 Ｉ＝（ｓｅｅｄ＝（（＋＋ｓｅｅｄ）＊１７）＆４０９６）＞＞５ （１８）
【００４４】＜２．構造化成分の複雑さの低い信号分解
＞通常のＷＩコーダでは、ＳＥＷ信号は、２０タップＦ
ＩＲ（有限インパルス応答）ローパスフィルタを使用し
て、時間軸に沿った適切に整合されたピッチサイズ・ス
ペクトルのシーケンスの各高調波成分をフィルタリング
することによって得られる。フィルタリングされたシー
ケンスはその後フレーム毎に１スペクトルに減少され
る。これはフレーム毎に一度これらのスペクトルの加重
平均を取るのと同等である。前に示したように、本発明
のある例示としての実施形態によれば、フィルタリング
と整合の両方が回避されるので有利である。
【００４５】本発明のある例示としての実施形態では、
構造化信号が以下のように処理されるので有利である。
現在のフレームについてピッチ周期Ｐを仮定すると、整
数Ｍを含むピッチ周期の新しいフレームが決定される。
通常、新しいフレームは名目のフレームに重なる。その
後、ここでＡＳと呼ぶピッチサイズ平均スペクトルが、
ＤＦＴをこのフレームに適用し、ＭＰサイズ・スペクト
ルを因数Ｍによってデシメイトし、その結果を正規化す
ることによって得られる。このアプローチはスペクトル
整合の必要を除去するので有利である。ＤＦＴの複雑さ
を低減するために、ＳＥＷフレームはまず基数２のサイ
ズＮ＞ＭＰにアップサンプリングされ、その後高速フー
リエ変換（ＦＦＴ）が使用される。この時間正規化は依
然としてＭＰに等しいスペクトルのサイズに影響しない
ことに留意されたい。アップサンプリングは、例えば、
上記で説明した３次スプライン補間を使用して行われ
る。
【００４６】平均スペクトルＡＳは、簡単なフィルタを
使用して、ＳＥＷの単純化されたバージョンとして見る
ことができる。従来のＷＩコーダによって生成したＲＥ
ＷおよびＳＥＷ信号と異なって、ＡＳ（Ｋ）と（非平滑
化）ＲＳ（Ｋ）は、２つの相補的フィルタによって生成
されたものではないので、相補的ではない。実際、ＡＳ
（Ｋ）自体は、ＬＰの振幅スペクトルの現在の推定値と
して見られる。従って、構造化スペクトル（ＳＳ）と考
えられるスペクトルの一部は、次の式のようになる。 ＳＳ（Ｋ）＝ＡＳ（Ｋ）−ＲＳ（Ｋ） （１９）
【００４７】ＷＩコーダのビットの余裕は、上記で説明
したようにＡＳのコーディングのために７ビットしか提
供しない。ＬＰ残差のもっと低い周波数が知覚的にはよ
り重要なので、本発明の例示としての実施形態によれ
ば、ＳＥＷスペクトルの下の２０％を含むベースバンド
だけがコード化されるので有利である。ＡＳの振幅スペ
クトルの残りの部分は、例えば、平坦であり、ＡＳ
（Ｋ）＝１であると推定される。
【００４８】従って、例示としての複雑さの低いコーダ
はＡＳベースバンドをコーディングし、コーディングさ
れた結果を１フレーム毎に１回伝送する。コーディング
は例示としては、Ｄが０．２＊Ｐ／２または１０の低い
方である変数次元Ｄの１０次元７ビットＶＱを使用して
行われる。Ｄ＜１０の場合、コードベクトルの最初のＤ
項だけが使用される。受信機では、ＡＳベースバンドが
合成アップデート・レートで補間され、そこからＳＳ
（Ｋ）スペクトルが計算される。
【００４９】振幅スペクトルＳＳ（Ｋ）は周期的信号を
示す。従って、固定位相スペクトルが有利にもそこに加
えられ、自然音声で観察されるようなあるレベルの位相
分散を提供する。これによって周期性が維持されるとと
もにブザー音が避けられる。現実の話者から得られる位
相スペクトルは、例示としては半径１の６４の複素数値
を有する。それはＲＳ（最初の６４エントリ）によって
使用される同じ位相テーブルに保持されるので、追加Ｒ
ＯＭを必要としない。結果として生じる複合ＳＳは例示
として複合ＲＳと結合され、現在のアップデートに関す
る最終量子化ＬＰスペクトルを形成する。
【００５０】＜Ｇ．アップデート・レートの検討＞従来
のＷＩコーディングでは、ＳＥＷとＲＥＷは、現在のピ
ッチとは無関係に、任意の望ましいアップデート・レー
トで生成・処理される。さらに、レートはエンコーダと
デコーダで異なることもある。固定レート（例えば、
２．５ｍｓｅｃのアップデート間隔）が使用される場
合、データ流れ制御は直接的である。しかし、スペクト
ルのサイズは実際にはピッチに依存し、結果として生じ
る計算負荷も同様である。従って、固定アップデート・
レートでは、複雑さはピッチ周期の数値とともに増大す
る。最大計算負荷が問題になることが多いので、複雑さ
を「均等化」することが有利である。従って、本発明の
例示としての実施形態によれば、ピーク負荷を低減する
ために、アップデート・レートが有利にもピッチ周波数
と比例して変更される。
【００５１】通常の従来のＷＩコーダの場合、短時間ス
ペクトル・スナップショットがピッチサイクル間隔で処
理されることに留意されたい。これはほぼ周期的な音声
の場合、ピッチレートで信号の強弱を監視すれば十分で
あるという仮定に基づいている。こうした可変サンプリ
ングはＳＥＷ／ＲＥＷ信号フィルタリング段階である種
の困難を提起するので、ある特殊なフィルタリング処理
が必要となる。
【００５２】しかし、本発明による例示としての複雑さ
の低いＷＩ（ＬＣＷＩ）エンコーダでは、、固定サイズ
ＦＦＴを使用してフレーム毎に一度ＡＳが処理されるの
で、こうした困難は存在しない。ＲＳは固定レートでア
ップデートされる一方でピッチ間隔（すなわちピッチの
遅れの相関）の変化を測定するｕパラメータによって表
される。
【００５３】従来のＷＩデコーダと例示としてのＬＣＷ
Ｉデコーダの両方で、アップデート・レートはピッチ依
存なので、負荷を均等化し、結果が過度に周期的（すな
わち、レートが遅すぎる）にならないようにする。さら
に、例示としてのＬＣＷＩコーダのスプライン変換とＩ
ＦＦＴは、ピッチの数値をもっとも近い基数２の数に切
り上げることによってピッチ依存になる。これはピッチ
範囲による計算負荷の変化を低減するので有利である。
従って、現在のピッチを仮定すると、アップデート・レ
ート制御（ＵＲＣ）処理が有利にも利用され、スペクト
ルが再生され、出力信号が補間される合成サブフレーム
・サイズを決定する。ｕパラメータは例示としては固定
レートで（例えば、フレーム毎に２回）送信されるの
で、より高いアップデート・レートが必要な場合デコー
ダで補間される。
【００５４】＜Ｈ．ＬＰパラメータの複雑さの低い量子
化＞例示としてのＬＣＷＩコーダでは、複雑さの低いベ
クトル量子化器（ＬＣＶＱ）がＬＰパラメータをコーデ
ィングする際使用され、さらに計算負荷を低減する。例
示としてのＬＣＶＱは、ここに記載されるのと同様に、
引用によって本明細書の記載に援用する、Ｊ．Ｚｈｏｕ
他「線形スペクトル周波数の単純な高速ベクトル量子
化」、ＩＣＳＬＰ’９６会報、第２巻、９４５〜９４８
ページ、１９９６年１０月で詳細に説明されているもの
に基づいている（ここで説明されている例示としてのＬ
ＣＶＱは必ずしもＷＩコーダに特定のものではなく、有
利にも他のＬＰによる音声コーダでも使用できることに
留意されたい）。
【００５５】例示としてのＬＣＶＱでは、ＬＰパラメー
タは１０の線形スペクトル周波数（ＬＳＦ）の形態で与
えられる。１０次元ＬＳＦベクトルは、１．２ｋｂｐｓ
コーダでは３０ビット、また２．４ｋｂｐｓコーダでは
２５ビットを使用してコーディングされる。フルサイズ
の２５または３０ビットのＶＱは実際には実現可能でな
いので、ＬＳＦベクトルは普通３つの下位ベクトルに分
割される。詳細には、３つのＬＳＦ下位ベクトルのサイ
ズは、１．２ｋｂｐｓコーダの場合（３，３，４）、ま
た２．４ｋｂｐｓコーダの場合（３，４，３）である。
３つの下位ＶＱに割り当てられたビット数はそれぞれ
（１０，１０，１０）および（１０，１０，５）であ
る。各下位ＶＱはフル検索ＶＱを含むが、これは包括的
な検索が１０２４（または３２）のコードベクトルの候
補にわたって行われることを意味する。しかし、本発明
による例示としてのＬＣＷＩコーダでは、フル探索ＶＱ
は以下で説明されるより高速なＶＱによって置き換えら
れる。
【００５６】すなわち、ここで使用される例示としての
高速ＶＱは、フル探索ＶＱより約４倍高速である。これ
は同じ最適にトレーニングされたコードブックを使用
し、同じ性能レベルを達成する。詳細には、これは当業
技術分野に熟練した者には周知の分類ＶＱの概念に基づ
いている。主コードブックは多数の下位コードブック
（クラス）に分割される。入力ベクトルはまずあるクラ
スに属するものとして分類される。その後そのクラスと
その隣にある少数のクラスだけが探索される。分類段階
はまた別の小さいサイズのＶＱによって実行されるが、
そのＶＱのエントリはそれら自身のクラスを示す。この
コードブックは有利にも主コードブックの中で実現され
るので、コードベクトルのための追加メモリ・ロケーシ
ョンは必要ない。しかし、クラスのポインタを保持する
ために合計メモリのわずかな増加（約２％）が必要であ
る。
【００５７】＜Ｉ．例示としての複雑さの低いＷＩコー
ダ＞図６は、本発明の１つの例示としての実施形態によ
るＬＣＷＩコーダのブロック図を示す。すなわち、図６
は、その例示としてのブロック図とともにエンコーダ６
１を示し、その例示としてのブロック図とともにデコー
ダ６２を示し、エンコーダとデコーダの間の例示として
のデータの流れを示す。詳細には、伝送されるビット・
ストリームには例示としてはそれぞれＧ、Ｌ、Ｒ、Ａお
よびＰで示される量子化利得、ＬＳＦ、ＲＳ、ＡＳ、お
よびピッチの指標が含まれる。
【００５８】＜１．例示としてのＬＣＷＩエンコーダ＞
図６に示される例示としてのエンコーダでは、ＬＰ分析
が入力音声に適用され（ブロック６１０４）、上記で説
明したＬＣＶＱが使用されてＬＳＦをコーディングする
（ブロック６１０９）。入力音声利得がブロック６１０
３でフレーム毎に４回の固定レートで計算される。利得
は、主フレーム内で均一に間隔の開いた重なり合うピッ
チサイズの下位フレームのＲＭＳとして定義される。こ
れによって変化のない有声音声では利得の輪郭が非常に
平滑になる。ピッチサイクルが短すぎる場合、２つかそ
れ以上のサイクルが使用される。これによって重要かも
しれない利得のキューのセグメントを飛ばすことが防止
される。４つの利得はフレーム毎に１つの利得ベクトル
としてコーディングされる。例示としての２．４ｋｂｐ
ｓバージョンのエンコーダの場合、１０ビットが利得に
割り当てられる。利得ベクトルは「超利得」と呼ばれる
そのＲＭＳの数値によって正規化される。２段階ＬＣＶ
Ｑが使用される（ブロック６１０９）。まず正規化ベク
トルが６ビットＶＱを使用してコーディングされる。そ
の後、超利得の対数（ｌｏｇ）が４ビット量子化器を使
用して差動的にコーディングされる。このコーディング
技術によって量子化器のダイナミックレンジが増大し、
同時に、例えば、有声音声の開始を表す利得の短期間の
（すなわち１つのベクトル以内の）変化が表せるように
なる。例示としての１．２ｋｂｐｓバージョンのエンコ
ーダでは、超利得は使用されず、単一の８ビット４次元
ＶＱが対数利得に適用される。
【００５９】入力がＬＰ係数を使用して逆フィルタリン
グされ、ＬＰ残差が得られる（ブロック６１０１）。残
差に対してピッチの検出がなされ、現在のピッチ周期が
得られる（ブロック６１０２）。ＲＳおよびＡＳ信号が
上記で説明したように処理される。ブロック６１０５で
は、ｕ係数が生成され、ブロック６１１０では、ｕ係数
は例示としての１．２ｋｂｐｓコーダでは５ビット、ま
た２．４ｋｂｐｓコーダでは６ビットをそれぞれ使用し
て２次元ＶＱによりコーディングされる。例示としての
２．４ｋｂｐｓコーダでは、ＡＳベースバンドが７ビッ
トを使用して１０次元ＶＱによりコーディングされる
（ブロック６１０６、６１０７、６１１１および６１１
２）。１．２ｋｂｐｓコーダでは、ＡＳは処理・コーデ
ィングされず、むしろ定数、すなわちすべてのＫについ
てＡＳ（Ｋ）＝１と考えられる。従って、図６のブロッ
ク６１０６、６１０７、６１１１および６１１２は例示
としての１．２ｋｂｐｓコーダでは存在しない。
【００６０】＜２．例示としてのＬＣＷＩデコーダ＞図
６に示される例示としてのデコーダでは、受信されるピ
ッチの数値がブロック６２０９のアップデート・レート
制御（ＵＲＣ）で使用され、現在のアップデート・レー
ト、すなわち、補間および合成処理全体が行われる下位
フレームの数を設定する。ピッチはブロック６２０５で
前の数値を使用して補間され、数値が各下位フレームに
割り当てられる。
【００６１】ブロック６２０１では、超利得が差動的に
デコーディングされ、べき乗される。正規化された利得
ベクトルがデコーディングされ、超利得と結合される。
またＵＲＣによって要求される場合、４つの利得の数値
がより長いベクトルに補間される。ＬＰ係数がフレーム
毎に一度デコーディングされ、前のものによって補間さ
れてＵＲＣが必要とする数のＬＰベクトルが得られる
（ブロック６２０２）。ＬＰスペクトルが、ＤＦＴ６２
０６をＬＰベクトルに適用することによって得られる。
入力が１０サンプルだけであるので、これは有利にも複
雑さの低いＤＦＴであることに留意されたい。ＤＦＴは
再帰的に行われ、高価な三角関数を避ける。また、ＦＦ
Ｔが３次スプラインによる再サンプリングと共に使用さ
れることがある。
【００６２】ブロック６２０３では、ＵＲＣが必要とす
る場合、ＲＳベクトルがデコーディングされ補間され
る。各ｕの数値が拡張パラメータの集合にマップされ、
平滑化された振幅のＲＳが生成される（ブロック６２０
７）。ランダム位相がブロック６２１０で付加され、複
合ＲＳを生成する。
【００６３】例示としての２．４ｋｂｐｓコーダでは、
ＡＳがデコーディングされ、前のベクトルによって補間
される（ブロック６２０４）。ＳＳ振幅スペクトルが、
ブロック６２０８でＲＳを引き算することによって得ら
れ、その後ＳＳの位相がブロック６２１１で加算され
る。複合ＲＳおよびＳＳデータが結合され（ブロック６
２１３）、その結果がＬＰスペクトルによって形成さ
れ、利得によって基準化される（ブロック６２１２）。
その結果が、波形補間モジュールに適用され（ブロック
６２１４）、コーディングされた信号が出力される。波
形補間モジュールは、図３の例示としての波形補間処理
か、図４の例示としての波形補間処理か、または本発明
の原理による他の波形補間処理かを含む。
【００６４】最後に、（好適には軽度の）事後フィルタ
リングがブロック６２１５で適用され、出力コーディン
グ雑音を再形成する。例えば、Ｊ．Ｈ．Ｃｈｅｎ他「コ
ーディング音声の質を向上するための適応事後フィルタ
リング」、米国電気電子学会音声・音響処理会報、第３
巻、１９９５年５９〜７１ページで説明されているもの
と同様のＬＰによる事後フィルタが使用される。こうし
た事後フィルタはＬＰフォーマットのパターンを向上さ
せ、それによってホルマント間の雑音を低減する。ま
た、事後フィルタリング操作は、上記で示したＷ．Ｂ．
Ｋｌｅｉｊｎ他「複雑さの低い波形補間コーダ」で説明
されているＷＩコーダでなされるように、ＬＰ形成段階
（すなわち、ブロック６２１２）に含まれることもあ
る。しかし、３次スプライン補間器の雑音を含む全体的
な雑音を低減するために、事後フィルタは好適には、図
６の例示としての実施形態に示すように、合成処理の最
後に配置される。
【００６５】＜Ｊ．追補＞説明をわかりやすくするため
に、本発明の例示としての実施形態は独立した機能ブロ
ック（「プロセッサ」と名付けられた機能ブロックを含
む）を含むものとして示される。これらのブロックが表
す機能は、ソフトウェアを実行できるハードウェアを含
むがそれに制限されない共用または専用のハードウェア
の使用を通じて提供される。例えば、ここに示されるプ
ロセッサの機能は、単一の共用プロセッサまたは複数の
独立したプロセッサによって提供される。さらに、ここ
での「プロセッサ」という術語の使用は、ソフトウェア
を実行できるハードウェアにのみ関するものと解釈され
るべきではない。例示としての実施形態は、Ｌｕｃｅｎ
ｔ Ｔｅｃｈｎｏｌｏｇｉｅｓ社のＤＳＰ１６またはＤ
ＳＰ３２Ｃといったデジタル信号プロセッサ（ＤＳＰ）
ハードウェア、以下論じる演算を行うソフトウェアを保
存するための読み出し専用メモリ（ＲＯＭ）およびＤＳ
Ｐの結果を保存するためのランダムアクセス・メモリ
（ＲＡＭ）を含む。超大規模集積（ＶＬＳＩ）ハードウ
ェア実施形態が、汎用ＤＳＰ回路と協力するカスタムＶ
ＬＳＩ回路とともに提供される。任意の、およびすべて
のこれらの実施形態はここで使用される「プロセッサ」
という語の意味に含まれるものと考えられる。
【００６６】本発明の多数の特定の実施形態がここで示
され説明されたが、これらの実施形態は単に、本発明の
原理を適用する際に考案される多くの可能な特定の装置
の例にすぎないことが理解されるべきである。非常に多
くの多様な装置が、当業技術分野に普通に熟練した者に
よって本発明の精神と範囲から離れることなく本発明の
原理に従って考案できる。例えば、添付の請求項で使用
される「信号受信機」、「スプライン係数発生器」、
「信号シンセサイザ」といった術語の使用は、相応じて
識別される機能を行う任意の装置を対象にすることを目
的とするのであって、３５Ｕ．Ｓ．Ｃ．、１１２節、６
項に規定されているような「手段プラス機能」の形態に
あるものと考えられるべきではない。同様に、これらの
請求項の要素は、それらの範囲内で、「明細書とそれに
相当するものの中で説明された．．．対応する構造」に
制限されることを目的とするものではない。しかし、そ
のように制限されるものではないが、本発明の実施形態
の１つの組み合わせは、実際は本明細書とそれに相当す
るものの中で説明された構造を含むことに留意すべきで
ある。
【図面の簡単な説明】
【図１】波形補間コーダによって有利にも発生する一連
の平滑に変化する波形を含む曲面を示す図である。
【図２】従来の波形補間コーダのブロック図を示す図で
ある。
【図３】本発明の第１の例示としての実施形態による３
次スプライン表示に基づいた波形補間のブロック図を示
す図である。
【図４】本発明の第２の例示としての実施形態による疑
似係数論的スプライン表示に基づいた波形補間のブロッ
ク図を示す図である。
【図５】波形補間コーダのランダム・スペクトル・コー
ドブックのための平滑なスペクトルの例示としての集合
を示す図である。
【図６】本発明の例示としての実施形態による複雑さの
低い波形補間コーダのブロック図である。

Claims (24)

    【特許請求の範囲】
  1. 【請求項１】 通信チャネルを経由して通信されたエン
    コーディングされた信号に基づいて再生音声信号を合成
    する方法であって、該方法が、 第１のピッチ周期と等しい長さの第１の音声信号セグメ
    ントを表す周波数領域パラメータの第１の集合を含む第
    １の通信信号と、第２のピッチ周期と等しい長さの第２
    の音声信号セグメントを表す周波数領域パラメータの第
    ２の集合を含む第２の通信信号とを含む少なくとも２つ
    の通信信号を受信するステップと、 周波数領域パラメータの前記第１の集合の時間領域変換
    のスプライン表示を含むスプライン係数の第１の集合
    と、周波数領域パラメータの前記第２の集合の時間領域
    変換のスプライン表示を含むスプライン係数の第２の集
    合とを含むスプライン係数の少なくとも２つの集合を生
    成するステップと、 周波数領域パラメータの前記第１の集合の前記時間領域
    変換の前記スプライン表示と、周波数領域パラメータの
    前記第２の集合の前記時間領域変換の前記スプライン表
    示との間を補間することによって前記再生信号を合成す
    るステップとを含む方法。
  2. 【請求項２】 請求項１に記載の方法において、前記ス
    プライン表示が３次スプライン表示を含む方法。
  3. 【請求項３】 請求項１に記載の方法において、前記ス
    プライン表示が計数論的スプライン表示に基づいている
    方法。
  4. 【請求項４】 請求項３に記載の方法において、前記ス
    プライン表示が有限サポート基底関数を有する方法。
  5. 【請求項５】 請求項４に記載の方法において、前記ス
    プライン表示がそれに対応する前記時間領域変換のサン
    プルを含む方法。
  6. 【請求項６】 請求項１に記載の方法において、前記第
    １のピッチ周期と前記第２のピッチ周期が等しくなく、
    前記再生信号を合成するステップが周波数領域パラメー
    タの前記第２の集合の前記時間領域変換の少なくとも前
    記スプライン表示の時間スケールを修正するステップを
    含む方法。
  7. 【請求項７】 請求項１に記載の方法において、さら
    に、時間領域パラメータの対応する第１および第２の集
    合を生じるために、周波数領域パラメータの前記第１お
    よび第２の集合に対して逆変換を行うステップを含み、
    その際前記生成ステップが時間領域パラメータの前記第
    １および第２の集合に基づいている方法。
  8. 【請求項８】 請求項７に記載の方法において、さら
    に、前期逆変換を行うステップの前に、周波数領域パラ
    メータの前記第１および第２の集合にゼロ・パディング
    を行い固定した基数２のサイズにするステップを含む方
    法。
  9. 【請求項９】 請求項８に記載の方法において、前記逆
    変換がＩＦＦＴから成る方法。
  10. 【請求項１０】 請求項１に記載の方法において、前記
    再生信号を合成する前記ステップが、 連続時間領域信号のスプライン表示を含む補間されたス
    プライン係数の集合を生成するステップと、 補間されたスプライン係数の前記集合に基づいて前記再
    生信号を生成するステップとを含む方法。
  11. 【請求項１１】 請求項１０に記載の方法において、前
    記再生信号は、不均一なレートで前記連続時間領域信号
    をサンプリングすることによって生成される方法。
  12. 【請求項１２】 請求項１１に記載の方法において、前
    記不均一なレートが前記第１および第２のピッチ周期に
    基づいて決定される方法。
  13. 【請求項１３】 通信チャネルを経由して通信されるエ
    ンコーディングされた信号に基づいて再生音声信号を合
    成する音声デコーダであって、該デコーダが、 第１のピッチ周期に等しい長さの第１の音声信号セグメ
    ントを表す周波数領域パラメータの第１の集合を含む第
    １の通信信号と、第２のピッチ周期に等しい長さの第２
    の音声信号セグメントを表す周波数領域パラメータの第
    ２の集合を含む第２の通信信号とを含む少なくとも２つ
    の通信信号を受信する信号受信機と、 周波数領域パラメータの前記第１の集合の時間領域変換
    のスプライン表示を含むスプライン係数の第１の集合
    と、周波数領域パラメータの前記第２の集合の時間領域
    変換のスプライン表示を含むスプライン係数の第２の集
    合とを含む、スプライン係数の少なくとも２つの集合を
    生成するスプライン係数発生器と、 周波数領域パラメータの前記第１の集合の前記時間領域
    変換の前記スプライン表示と、周波数領域パラメータの
    前記第２の集合の前記時間領域変換の前記スプライン表
    示との間を補間することによって前記再生信号を合成す
    る信号シンセサイザとを含むデコーダ。
  14. 【請求項１４】 請求項１３に記載のデコーダにおい
    て、前記スプライン表示が３次スプライン表示を含むデ
    コーダ。
  15. 【請求項１５】 請求項１３に記載のデコーダにおい
    て、前記スプライン表示が計数論的スプライン表示に基
    づいているデコーダ。
  16. 【請求項１６】 請求項１５に記載のデコーダにおい
    て、前記スプライン表示が有限サポート基底関数を有す
    るデコーダ。
  17. 【請求項１７】 請求項１６に記載のデコーダにおい
    て、前記スプライン表示がそれに対応する前記時間領域
    変換のサンプルを含むデコーダ。
  18. 【請求項１８】 請求項１３に記載のデコーダにおい
    て、前記第１のピッチ周期と前記第２のピッチ周期が等
    しくなく、前記信号シンセサイザが周波数領域パラメー
    タの前記第２の集合の前記時間領域変換の少なくとも前
    記スプライン表示の前記時間スケールを修正するための
    手段を含むデコーダ。
  19. 【請求項１９】 請求項１３に記載のデコーダにおい
    て、さらに、時間領域パラメータの対応する第１および
    第２の集合を生じるために、周波数領域パラメータの前
    記第１および第２の集合に対して行われる逆変換を含
    み、その際前記スプライン係数発生器が時間領域パラメ
    ータの前記第１および第２の集合に基づいているデコー
    ダ。
  20. 【請求項２０】 請求項１９に記載のデコーダにおい
    て、さらに、前期逆変換で使用するために、周波数領域
    パラメータの前記第１および第２の集合をゼロ・パディ
    ングして固定した基数２のサイズにするための手段を含
    むデコーダ。
  21. 【請求項２１】 請求項２０に記載のデコーダにおい
    て、前期逆変換がＩＦＦＴから成るデコーダ。
  22. 【請求項２２】 請求項１３に記載のデコーダにおい
    て、前記信号シンセサイザが、 連続時間領域信号のスプライン表示を含む補間スプライ
    ン係数の集合を生成するための手段と、 補間スプライン係数の前記集合に基づいて前記再生信号
    を生成するための手段を含むデコーダ。
  23. 【請求項２３】 請求項２２に記載のデコーダにおい
    て、前記再生信号が不均一なレートで前記連続時間領域
    信号をサンプリングすることによって生成されるデコー
    ダ。
  24. 【請求項２４】 請求項２３に記載のデコーダにおい
    て、前記不均一なレートが前記第１および第２のピッチ
    周期に基づいて決定されるデコーダ。
JP10057604A 1997-03-10 1998-03-10 スプラインを使用する波形補間音声コーディング Pending JPH10307599A (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US08/814,075 US5903866A (en) 1997-03-10 1997-03-10 Waveform interpolation speech coding using splines
US08/814075 1997-03-10

Publications (1)

Publication Number Publication Date
JPH10307599A true JPH10307599A (ja) 1998-11-17

Family

ID=25214120

Family Applications (1)

Application Number Title Priority Date Filing Date
JP10057604A Pending JPH10307599A (ja) 1997-03-10 1998-03-10 スプラインを使用する波形補間音声コーディング

Country Status (3)

Country Link
US (1) US5903866A (ja)
EP (1) EP0865028A1 (ja)
JP (1) JPH10307599A (ja)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003517157A (ja) * 1999-07-19 2003-05-20 クゥアルコム・インコーポレイテッド 位相スペクトル情報をサブサンプリングする方法および装置
US6907413B2 (en) 2000-08-02 2005-06-14 Sony Corporation Digital signal processing method, learning method, apparatuses for them, and program storage medium
JP2007004202A (ja) * 1999-02-09 2007-01-11 At & T Corp 音声活動に基づくゲイン制限による音声強化についての方法、記録媒体、及び装置
US7412384B2 (en) 2000-08-02 2008-08-12 Sony Corporation Digital signal processing method, learning method, apparatuses for them, and program storage medium
JP2009501909A (ja) * 2005-07-18 2009-01-22 トグノラ，ディエゴ，ジュセッペ 信号処理方法およびシステム

Families Citing this family (31)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE69710505T2 (de) 1996-11-07 2002-06-27 Matsushita Electric Industrial Co., Ltd. Verfahren und Vorrichtung zur Erzeugung eines Vektorquantisierungs-Codebuchs
US6055496A (en) * 1997-03-19 2000-04-25 Nokia Mobile Phones, Ltd. Vector quantization in celp speech coder
FR2762464B1 (fr) * 1997-04-16 1999-06-25 France Telecom Procede et dispositif de codage d'un signal audiofrequence par analyse lpc "avant" et "arriere"
US6253172B1 (en) * 1997-10-16 2001-06-26 Texas Instruments Incorporated Spectral transformation of acoustic signals
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
US7072832B1 (en) * 1998-08-24 2006-07-04 Mindspeed Technologies, Inc. System for speech encoding having an adaptive encoding arrangement
US6256607B1 (en) * 1998-09-08 2001-07-03 Sri International Method and apparatus for automatic recognition using features encoded with product-space vector quantization
US6754630B2 (en) * 1998-11-13 2004-06-22 Qualcomm, Inc. Synthesis of speech from pitch prototype waveforms by time-synchronous waveform interpolation
US6456964B2 (en) * 1998-12-21 2002-09-24 Qualcomm, Incorporated Encoding of periodic speech using prototype waveforms
US6691092B1 (en) * 1999-04-05 2004-02-10 Hughes Electronics Corporation Voicing measure as an estimate of signal periodicity for a frequency domain interpolative speech codec system
US6493664B1 (en) 1999-04-05 2002-12-10 Hughes Electronics Corporation Spectral magnitude modeling and quantization in a frequency domain interpolative speech codec system
US6959274B1 (en) * 1999-09-22 2005-10-25 Mindspeed Technologies, Inc. Fixed rate speech compression system and method
US6604070B1 (en) * 1999-09-22 2003-08-05 Conexant Systems, Inc. System of encoding and decoding speech signals
JP4249414B2 (ja) * 1999-10-08 2009-04-02 株式会社ケンウッド ディジタル信号を補間する方法および装置
JP4505899B2 (ja) * 1999-10-26 2010-07-21 ソニー株式会社 再生速度変換装置及び方法
JP2001356799A (ja) * 2000-06-12 2001-12-26 Toshiba Corp タイム／ピッチ変換装置及びタイム／ピッチ変換方法
JP4596196B2 (ja) * 2000-08-02 2010-12-08 ソニー株式会社 ディジタル信号処理方法、学習方法及びそれらの装置並びにプログラム格納媒体
US6801887B1 (en) 2000-09-20 2004-10-05 Nokia Mobile Phones Ltd. Speech coding exploiting the power ratio of different speech signal components
US6738739B2 (en) * 2001-02-15 2004-05-18 Mindspeed Technologies, Inc. Voiced speech preprocessing employing waveform interpolation or a harmonic model
JP4747434B2 (ja) * 2001-04-18 2011-08-17 日本電気株式会社 音声合成方法、音声合成装置、半導体装置及び音声合成プログラム
JP3881932B2 (ja) * 2002-06-07 2007-02-14 株式会社ケンウッド 音声信号補間装置、音声信号補間方法及びプログラム
JP2004054526A (ja) * 2002-07-18 2004-02-19 Canon Finetech Inc 画像処理システム、印刷装置、制御方法、制御コマンド実行方法、プログラムおよび記録媒体
SG108862A1 (en) * 2002-07-24 2005-02-28 St Microelectronics Asia Method and system for parametric characterization of transient audio signals
CN100407292C (zh) * 2003-08-20 2008-07-30 华为技术有限公司 一种相异语音协议间语音编码的转换方法
SE0402651D0 (sv) * 2004-11-02 2004-11-02 Coding Tech Ab Advanced methods for interpolation and parameter signalling
JP2006145712A (ja) * 2004-11-18 2006-06-08 Pioneer Electronic Corp オーディオデータ補間装置
US7899667B2 (en) * 2006-06-19 2011-03-01 Electronics And Telecommunications Research Institute Waveform interpolation speech coding apparatus and method for reducing complexity thereof
KR20120060033A (ko) * 2010-12-01 2012-06-11 한국전자통신연구원 분할된 음성 프레임의 디코딩을 위한 음성 디코더 및 그 방법
CN111602194B (zh) 2018-09-30 2023-07-04 微软技术许可有限责任公司 语音波形生成
US11287310B2 (en) 2019-04-23 2022-03-29 Computational Systems, Inc. Waveform gap filling
CN115040137B (zh) * 2021-03-08 2024-09-10 广州视源电子科技股份有限公司 一种心电信号参数化方法、模型训练方法、装置、设备及介质

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007004202A (ja) * 1999-02-09 2007-01-11 At & T Corp 音声活動に基づくゲイン制限による音声強化についての方法、記録媒体、及び装置
JP2003517157A (ja) * 1999-07-19 2003-05-20 クゥアルコム・インコーポレイテッド 位相スペクトル情報をサブサンプリングする方法および装置
JP2008040509A (ja) * 1999-07-19 2008-02-21 Qualcomm Inc 位相スペクトル情報をサブサンプリングする方法および装置
JP4860859B2 (ja) * 1999-07-19 2012-01-25 クゥアルコム・インコーポレイテッド 位相スペクトル情報をサブサンプリングする方法および装置
US6907413B2 (en) 2000-08-02 2005-06-14 Sony Corporation Digital signal processing method, learning method, apparatuses for them, and program storage medium
US6990475B2 (en) 2000-08-02 2006-01-24 Sony Corporation Digital signal processing method, learning method, apparatus thereof and program storage medium
US7412384B2 (en) 2000-08-02 2008-08-12 Sony Corporation Digital signal processing method, learning method, apparatuses for them, and program storage medium
JP2009501909A (ja) * 2005-07-18 2009-01-22 トグノラ，ディエゴ，ジュセッペ 信号処理方法およびシステム

Also Published As

Publication number Publication date
EP0865028A1 (en) 1998-09-16
US5903866A (en) 1999-05-11

Similar Documents

Publication Publication Date Title
JPH10307599A (ja) スプラインを使用する波形補間音声コーディング
US11721349B2 (en) Methods, encoder and decoder for linear predictive encoding and decoding of sound signals upon transition between frames having different sampling rates
JP4662673B2 (ja) 広帯域音声及びオーディオ信号復号器における利得平滑化
KR100304682B1 (ko) 음성 코더용 고속 여기 코딩
EP0865029B1 (en) Efficient decomposition in noise and periodic signal waveforms in waveform interpolation
JP4302978B2 (ja) 音声コーデックにおける擬似高帯域信号の推定システム
JPWO2001020595A1 (ja) 音声符号化及び音声復号化装置
CN100527225C (zh) 基于celp的语音代码之间的代码转换方案
US5504834A (en) Pitch epoch synchronous linear predictive coding vocoder and method
US20040111257A1 (en) Transcoding apparatus and method between CELP-based codecs using bandwidth extension
JP2645465B2 (ja) 低遅延低ビツトレート音声コーダ
JP2000155597A (ja) デジタル音声符号器において使用するための音声符号化方法
CN100585700C (zh) 语音编码装置及其方法
JPH09127985A (ja) 信号符号化方法及び装置
JP3163206B2 (ja) 音響信号符号化装置
JPH09127987A (ja) 信号符号化方法及び装置
JP3453116B2 (ja) 音声符号化方法及び装置
Shoham Low complexity speech coding at 1.2 to 2.4 kbps based on waveform interpolation
JP3520955B2 (ja) 音響信号符号化法
JP2000305597A (ja) 音声圧縮のコード化
HK40057033B (zh) 在声音信号编码器和解码器中使用的方法、设备和存储器
HK40130480A (en) Methods, encoder and decoder for linear predictive encoding and decoding of sound signals upon transition between frames having different sampling rates
HK40104768A (en) Methods, encoder and decoder for linear predictive encoding and decoding of sound signals upon transition between frames having different sampling rates
HK40104768B (en) Methods, encoder and decoder for linear predictive encoding and decoding of sound signals upon transition between frames having different sampling rates
HK40036813A (en) Methods, encoder and decoder for linear predictive encoding and decoding of sound signals upon transition between frames having different sampling rates