JPH11143498A - Ｌｐｃ係数のベクトル量子化方法 - Google Patents
Ｌｐｃ係数のベクトル量子化方法Info
- Publication number
- JPH11143498A JPH11143498A JP10242058A JP24205898A JPH11143498A JP H11143498 A JPH11143498 A JP H11143498A JP 10242058 A JP10242058 A JP 10242058A JP 24205898 A JP24205898 A JP 24205898A JP H11143498 A JPH11143498 A JP H11143498A
- Authority
- JP
- Japan
- Prior art keywords
- vector
- lsf
- codebook
- lpc
- quantization
- 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
Links
- 239000013598 vector Substances 0.000 title claims abstract description 128
- 238000013139 quantization Methods 0.000 title claims abstract description 58
- 238000000034 method Methods 0.000 title claims abstract description 27
- 239000011159 matrix material Substances 0.000 claims abstract description 56
- 230000004044 response Effects 0.000 claims abstract description 24
- 238000005311 autocorrelation function Methods 0.000 claims abstract description 9
- 238000001914 filtration Methods 0.000 claims description 2
- 238000001228 spectrum Methods 0.000 abstract description 4
- 230000002596 correlated effect Effects 0.000 abstract 1
- 230000003595 spectral effect Effects 0.000 description 10
- 230000015572 biosynthetic process Effects 0.000 description 8
- 238000003786 synthesis reaction Methods 0.000 description 8
- 238000006243 chemical reaction Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000005284 excitation Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000005314 correlation function Methods 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000005236 sound signal Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000001131 transforming effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000003466 anti-cipated effect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
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
- G10L19/02—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
- G10L19/032—Quantisation or dequantisation of spectral components
- G10L19/038—Vector quantisation, e.g. TwinVQ audio
-
- 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
- G10L19/06—Determination or coding of the spectral characteristics, e.g. of the short-term prediction coefficients
- G10L19/07—Line spectrum pair [LSP] 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
- G10L2019/0001—Codebooks
- G10L2019/0013—Codebook search algorithms
- G10L2019/0014—Selection criteria for distances
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Computational Linguistics (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
Abstract
(57)【要約】
【課題】 主観的な音声品質とより良く相関するベクト
ル量子化方法。 【解決手段】 音声符号器でＬＰＣ係数を量子化する新
しい方法は、この符号器のＬＰＣフィルタ２１からのイ
ンパルス応答をことごとくのフレームで標本化し、知覚
加重フィルタ４７を使ってサンプルをフィルタ作用にか
け、計算機３９で処理して、加重インパルス応答の自己
相関関数を計算し、ＬＳＦ（線スペクトル周波数）に対
するヤコビ行列を計算し、ヤコビ行列の行の相関を計算
し、相関行列を乗算することによってＬＳＦの重みを計
算することを含む新しい加重誤差の目安を用いる。
ル量子化方法。 【解決手段】 音声符号器でＬＰＣ係数を量子化する新
しい方法は、この符号器のＬＰＣフィルタ２１からのイ
ンパルス応答をことごとくのフレームで標本化し、知覚
加重フィルタ４７を使ってサンプルをフィルタ作用にか
け、計算機３９で処理して、加重インパルス応答の自己
相関関数を計算し、ＬＳＦ（線スペクトル周波数）に対
するヤコビ行列を計算し、ヤコビ行列の行の相関を計算
し、相関行列を乗算することによってＬＳＦの重みを計
算することを含む新しい加重誤差の目安を用いる。
Description
【０００１】
【関連出願との関係】この出願は、１９９７年１月６日
にウィルフレッドＰ．ルブラン他によって出願された発
明の名称「効率の良いコードブック探索を用いる多段ベ
クトル量子化」という係属中の仮出願通し番号第６０／
０３５，７６４号に関係を有する。この出願をここで引
用する。
にウィルフレッドＰ．ルブラン他によって出願された発
明の名称「効率の良いコードブック探索を用いる多段ベ
クトル量子化」という係属中の仮出願通し番号第６０／
０３５，７６４号に関係を有する。この出願をここで引
用する。
【０００２】この出願は、１９９６年５月２０日にマッ
クリーによって出願された発明の名称「端数ピッチを用
いた混励振線形予測（ＭＥＬＰ）」という係属中の出願
通し番号０８／６５０，５８５号にも関係を有する。こ
の出願もここで引用する。
クリーによって出願された発明の名称「端数ピッチを用
いた混励振線形予測（ＭＥＬＰ）」という係属中の出願
通し番号０８／６５０，５８５号にも関係を有する。こ
の出願もここで引用する。
【０００３】この出願は、この出願と同日にアラン・マ
ックリーによって出願された発明の名称「切替え型予測
量子化の改良された方法」という係属中の出願通し番号
６０／０５７，１１９号と関係を有する。この出願もこ
こで引用する。
ックリーによって出願された発明の名称「切替え型予測
量子化の改良された方法」という係属中の出願通し番号
６０／０５７，１１９号と関係を有する。この出願もこ
こで引用する。
【０００４】
【発明の属する技術分野】この発明は、切替え型予測ベ
クトル量子化、更に具体的に言えば、線スペクトル周波
数に変換されたＬＰＣ係数の量子化に関する。
クトル量子化、更に具体的に言えば、線スペクトル周波
数に変換されたＬＰＣ係数の量子化に関する。
【０００５】
【従来の技術及び課題】新しい２．４ ｋｂ／ｓ連邦基
準混励振線形予測（ＭＥＬＰ）符号器（Ｐｒｏｃ．ＩＣ
ＡＳＳＰ‐９６、ｐｐ２００‐２０３、１９９６年５月
号所載のマックリー他の論文「新しい合衆国連邦基準の
候補となる２．４ ｋｂｉｔｓ／ｓ ＭＥＬＰ符号
器」）のような多くの音声符号器は、音声信号のスペク
トルを表す為に何らかの線形予測符号化（ＬＰＣ）を使
っている。ＭＥＬＰ符号器が、１９９６年５月２０日に
出願された出願人の係属中の出願通し番号０８／６５
０，５８５号、発明の名称「端数ピッチを用いた混励振
線形予測」（これをここで引用する）に記載されてい
る。図１にこのＭＥＬＰ符号器を示す。ＭＥＬＰ符号器
は、従来のＬＰＣボコーダに基いていて、周期インパル
ス列又はホワイトノイズが全極ＬＰＣフィルタの１０次
の励振をする。強化形では、合成器は、図１に示すよう
に、パルス及びノイズ混励振周期又は非周期パルス、適
応形スペクトル強化及びパルス分散フィルタの追加能力
を持っている。ＬＰＣ係数の効率の良い量子化が、こう
いう符号器では重要な問題である。これは、ＬＰＣの精
度を保つことが、処理される音声の品質に大きな影響を
持つが、音声符号器の全体的なビット速度を小さく抑え
る為に、ＬＰＣ量子化器のビット速度は低くなければな
らないからである。新しい連邦基準に対するＭＥＬＰ符
号器は、線スペクトル周波数（ＬＳＦ）に対して２５ビ
ット多段ベクトル量子化器（ＭＳＶＱ）を使う。ＬＰＣ
係数とＬＳＦ係数の間には１対１の変換がある。
準混励振線形予測（ＭＥＬＰ）符号器（Ｐｒｏｃ．ＩＣ
ＡＳＳＰ‐９６、ｐｐ２００‐２０３、１９９６年５月
号所載のマックリー他の論文「新しい合衆国連邦基準の
候補となる２．４ ｋｂｉｔｓ／ｓ ＭＥＬＰ符号
器」）のような多くの音声符号器は、音声信号のスペク
トルを表す為に何らかの線形予測符号化（ＬＰＣ）を使
っている。ＭＥＬＰ符号器が、１９９６年５月２０日に
出願された出願人の係属中の出願通し番号０８／６５
０，５８５号、発明の名称「端数ピッチを用いた混励振
線形予測」（これをここで引用する）に記載されてい
る。図１にこのＭＥＬＰ符号器を示す。ＭＥＬＰ符号器
は、従来のＬＰＣボコーダに基いていて、周期インパル
ス列又はホワイトノイズが全極ＬＰＣフィルタの１０次
の励振をする。強化形では、合成器は、図１に示すよう
に、パルス及びノイズ混励振周期又は非周期パルス、適
応形スペクトル強化及びパルス分散フィルタの追加能力
を持っている。ＬＰＣ係数の効率の良い量子化が、こう
いう符号器では重要な問題である。これは、ＬＰＣの精
度を保つことが、処理される音声の品質に大きな影響を
持つが、音声符号器の全体的なビット速度を小さく抑え
る為に、ＬＰＣ量子化器のビット速度は低くなければな
らないからである。新しい連邦基準に対するＭＥＬＰ符
号器は、線スペクトル周波数（ＬＳＦ）に対して２５ビ
ット多段ベクトル量子化器（ＭＳＶＱ）を使う。ＬＰＣ
係数とＬＳＦ係数の間には１対１の変換がある。
【０００６】量子化は、入力値をある忠実度の判断基準
に従って離散的な値に変換する過程である。量子化の典
型的な例は、連続振幅信号を離散的な振幅信号の値に変
換する場合である。最初に信号を標本化し、その後量子
化する。
に従って離散的な値に変換する過程である。量子化の典
型的な例は、連続振幅信号を離散的な振幅信号の値に変
換する場合である。最初に信号を標本化し、その後量子
化する。
【０００７】量子化の為、入力信号の予測値の範囲を一
連の小範囲に分割する。各々の小範囲は関連する量子化
レベルを持っている。例えば、８ビット値に量子化する
時、２５６個のレベルがある。ある小範囲内にある入力
信号のサンプル値が、関連する量子化レベルに変換され
る。例えば、８ビットの量子化では、入力信号のサンプ
ルが、何れも８ビット値によって表される２５６個のレ
ベルの内の１つに変換される。
連の小範囲に分割する。各々の小範囲は関連する量子化
レベルを持っている。例えば、８ビット値に量子化する
時、２５６個のレベルがある。ある小範囲内にある入力
信号のサンプル値が、関連する量子化レベルに変換され
る。例えば、８ビットの量子化では、入力信号のサンプ
ルが、何れも８ビット値によって表される２５６個のレ
ベルの内の１つに変換される。
【０００８】ベクトル量子化は、サンプルと確率分布の
形の間の線形及び非線形の自己相関に基づく量子化方法
である。本質的にはベクトル量子化はルックアップ過程
であり、ルックアップ・テーブルが「コードブック」と
呼ばれる。コードブックには各々の量子化レベルのリス
トがあり、各レベルが関連する「コード・ベクトル」を
持っている。ベクトル量子化過程は、入力ベクトルをコ
ード・ベクトルと比較し、歪が最小という点で、最善の
コード・ベクトルを決定する。ｘが入力ベクトルである
時、歪の値の比較は次のように表すことができる。
形の間の線形及び非線形の自己相関に基づく量子化方法
である。本質的にはベクトル量子化はルックアップ過程
であり、ルックアップ・テーブルが「コードブック」と
呼ばれる。コードブックには各々の量子化レベルのリス
トがあり、各レベルが関連する「コード・ベクトル」を
持っている。ベクトル量子化過程は、入力ベクトルをコ
ード・ベクトルと比較し、歪が最小という点で、最善の
コード・ベクトルを決定する。ｘが入力ベクトルである
時、歪の値の比較は次のように表すことができる。
【０００９】
【数１】
【００１０】これはｋに等しくない全てのｊに対して成
立する。コードブックがｙ(j) によって表される。ｙ
(j) はｊ番目のコード・ベクトル、０≦ｊ≦Ｌであり、
Ｌはコードブック内のレベルの数である。
立する。コードブックがｙ(j) によって表される。ｙ
(j) はｊ番目のコード・ベクトル、０≦ｊ≦Ｌであり、
Ｌはコードブック内のレベルの数である。
【００１１】多段ベクトル量子化（ＭＳＶＱ）は１つの
ベクトル量子化形式である。この過程は、多数の量子化
ベクトルを加算することにより、中央量子化ベクトル
（出力ベクトル）を求める。この出力ベクトルは「再
生」ベクトルと呼ばれることがある。再生に使われる各
々のベクトルは異なるコードブックからのものであり、
各々のコードブックが量子化過程の「段」に対応する。
各コードブックは検索の段のために特に設計される。入
力ベクトルが第１のコードブックを用いて量子化され、
その結果生ずる誤差ベクトルが第２のコードブックを用
いて量子化される、という風になる。再生に使われる１
組のベクトルを次のように表すことができる。
ベクトル量子化形式である。この過程は、多数の量子化
ベクトルを加算することにより、中央量子化ベクトル
（出力ベクトル）を求める。この出力ベクトルは「再
生」ベクトルと呼ばれることがある。再生に使われる各
々のベクトルは異なるコードブックからのものであり、
各々のコードブックが量子化過程の「段」に対応する。
各コードブックは検索の段のために特に設計される。入
力ベクトルが第１のコードブックを用いて量子化され、
その結果生ずる誤差ベクトルが第２のコードブックを用
いて量子化される、という風になる。再生に使われる１
組のベクトルを次のように表すことができる。
【００１２】
【数２】
【００１３】Ｓは段の数であり、ｙs は、ｓ番目の段に
対するコードブックである。例えば、ｘ＝（２，３，
４）というような３次元の入力ベクトルに対し、２段検
索の再生ベクトルがｙ0 ＝（１，２，３）及びｙ1 ＝
（１，１，１）になる（これは完全な量子化であるが、
必ずしもそうはならない）。
対するコードブックである。例えば、ｘ＝（２，３，
４）というような３次元の入力ベクトルに対し、２段検
索の再生ベクトルがｙ0 ＝（１，２，３）及びｙ1 ＝
（１，１，１）になる（これは完全な量子化であるが、
必ずしもそうはならない）。
【００１４】多段ベクトル量子化の際、Ｍ‐アルゴリズ
ムとも呼ばれる準最適ツリー検索アルゴリズムを使っ
て、コードブックを検索することができる。各段で、最
善のＭ個の「最善」コード・ベクトルを１つの段から次
の段へと通す。「最善」コード・ベクトルは歪が最小と
いう点で選ばれる。１つの最善コード・ベクトルだけが
決定される時、検索は最終段まで続けられる。
ムとも呼ばれる準最適ツリー検索アルゴリズムを使っ
て、コードブックを検索することができる。各段で、最
善のＭ個の「最善」コード・ベクトルを１つの段から次
の段へと通す。「最善」コード・ベクトルは歪が最小と
いう点で選ばれる。１つの最善コード・ベクトルだけが
決定される時、検索は最終段まで続けられる。
【００１５】予測量子化では、現在のフレームの量子化
用の目標ベクトルは、平均を取除いた入力ベクトルから
予測値を差引いたものである。予測値は、前の量子化ベ
クトルに既知の予測行列を乗算したものである。切替え
型予測では、とり得る予測行列が１つより多くあり、各
フレームに対し、最善の予測行列が選ばれる。１９９３
年、クルーワ・アカデミック・パブリッシャーズ発行の
「無線及びネットワーク用途の為の音声及びオーディオ
符号化」第３１章、ｐｐ２５１‐２５８所載のＳ・ワン
他の論文「ＬＰＣパラメータの積コード・ベクトル量子
化」参照。
用の目標ベクトルは、平均を取除いた入力ベクトルから
予測値を差引いたものである。予測値は、前の量子化ベ
クトルに既知の予測行列を乗算したものである。切替え
型予測では、とり得る予測行列が１つより多くあり、各
フレームに対し、最善の予測行列が選ばれる。１９９３
年、クルーワ・アカデミック・パブリッシャーズ発行の
「無線及びネットワーク用途の為の音声及びオーディオ
符号化」第３１章、ｐｐ２５１‐２５８所載のＳ・ワン
他の論文「ＬＰＣパラメータの積コード・ベクトル量子
化」参照。
【００１６】主観的な音声の品質と一層良く相関する改
良された加重距離の目安を提供することが非常に望まし
い。
良された加重距離の目安を提供することが非常に望まし
い。
【００１７】
【課題を解決する為の手段及び作用】この発明の別の実
施例では、主観的な音声の品質と一層良く相関する新し
い加重距離の目安によるＬＰＣ係数のＬＳＦ変換の改良
されたベクトル量子化方法を提供する。この加重は、イ
ンパルスからのＬＰＣフィルタのサンプルを求め、これ
らのサンプルを知覚加重フィルタに印加することを含
む。
施例では、主観的な音声の品質と一層良く相関する新し
い加重距離の目安によるＬＰＣ係数のＬＳＦ変換の改良
されたベクトル量子化方法を提供する。この加重は、イ
ンパルスからのＬＰＣフィルタのサンプルを求め、これ
らのサンプルを知覚加重フィルタに印加することを含
む。
【００１８】この発明の上記並びにその他の特徴は、以
下添付図面と共に、この発明を詳しく説明するところか
ら、当業者に明らかになろう。
下添付図面と共に、この発明を詳しく説明するところか
ら、当業者に明らかになろう。
【００１９】
【実施例】新しい量子化方法は、２．４ ｋｂ／ｓ連邦
基準ＭＥＬＰ符号器に使われるものと同じく、ＬＰＣ係
数の線スペクトル周波数（ＬＳＦ）変換の多段ベクトル
量子化（ＭＳＶＱ）（ＩＥＥＥトランザクションズ・オ
ン・スピーチ・アンド・オーディオ・プロセッシング
誌、Ｖｏｌ．１、Ｎｏ．４、１９９３年１０月号、ｐｐ
３７３‐３８５所載のルブラン他の論文「４ ｋｂ／ｓ
音声符号化の為の頑丈な多段ＶＱ又はＬＰＣパラメータ
の効率の良い検索及び設計手順」）を用いる。多段ＶＱ
に対する効率の良いコードブック検索が、前に引用した
係属中の出願通し番号第６０／０３５，７６４号に記載
されている。しかし、この発明の新しい方法は、２つの
点で前の方法を改善している。即ち、時間冗長性を活用
する為に切替え型予測を使っていることと、主観的な音
声品質と一層良く相関する新しい加重距離の目安を使っ
ていることである。
基準ＭＥＬＰ符号器に使われるものと同じく、ＬＰＣ係
数の線スペクトル周波数（ＬＳＦ）変換の多段ベクトル
量子化（ＭＳＶＱ）（ＩＥＥＥトランザクションズ・オ
ン・スピーチ・アンド・オーディオ・プロセッシング
誌、Ｖｏｌ．１、Ｎｏ．４、１９９３年１０月号、ｐｐ
３７３‐３８５所載のルブラン他の論文「４ ｋｂ／ｓ
音声符号化の為の頑丈な多段ＶＱ又はＬＰＣパラメータ
の効率の良い検索及び設計手順」）を用いる。多段ＶＱ
に対する効率の良いコードブック検索が、前に引用した
係属中の出願通し番号第６０／０３５，７６４号に記載
されている。しかし、この発明の新しい方法は、２つの
点で前の方法を改善している。即ち、時間冗長性を活用
する為に切替え型予測を使っていることと、主観的な音
声品質と一層良く相関する新しい加重距離の目安を使っ
ていることである。
【００２０】連邦基準ＭＥＬＰ符号器では、入力のＬＳ
ＦベクトルがＭＳＶＱを用いて、直接的に量子化され
る。しかし、隣り合ったフレームのＬＳＦベクトルの間
にはかなりの冗長性があり、この冗長性を利用すること
によって量子化精度を改善することができる。前に予測
量子化で述べたように、現在のフレームで量子化すべき
目標ベクトルは、平均を取除いた入力ベクトルから予測
値を差引いたものであり、予測値は前の量子化ベクトル
に既知の予測行列を乗算したものである。切替え型予測
では、とり得る予測行列が１つより多く、各フレームに
対し、最善の予測子又は予測行列を選ぶ。この発明で
は、予測行列及びＭＳＶＱコードブックの両方を切替え
る。各々の入力フレームに対し、この発明では、自乗誤
差を最小にする予測子／コードブックの組を求めて、考
えられることごとくの予測子／コードブックの組合せを
検索する。次に、この対に対応する指数及びＭＳＶＱコ
ードブック指数を伝送の為に符号化する。これは、予測
子と共にコードブックが切替えられる点で、従来の方法
と異なる。従来の方法は、コードブックの記憶量を減ら
す為に、単一のコードブック組を共有しているが、この
発明では、切替え型予測量子化に使われるＭＳＶＱコー
ドブックは、非予測コードブックよりかなり小さくでき
ること、並びに一層小さい多数のコードブックは、１つ
のより大きなコードブック以上の記憶スペースを必要と
しないことが分かった。発明者の実験から、別々の予測
子／コードブックの対を使うと、ビット速度を高くせず
に、単独の共有コードブックに比べて、かなりの性能の
改善が得られた。
ＦベクトルがＭＳＶＱを用いて、直接的に量子化され
る。しかし、隣り合ったフレームのＬＳＦベクトルの間
にはかなりの冗長性があり、この冗長性を利用すること
によって量子化精度を改善することができる。前に予測
量子化で述べたように、現在のフレームで量子化すべき
目標ベクトルは、平均を取除いた入力ベクトルから予測
値を差引いたものであり、予測値は前の量子化ベクトル
に既知の予測行列を乗算したものである。切替え型予測
では、とり得る予測行列が１つより多く、各フレームに
対し、最善の予測子又は予測行列を選ぶ。この発明で
は、予測行列及びＭＳＶＱコードブックの両方を切替え
る。各々の入力フレームに対し、この発明では、自乗誤
差を最小にする予測子／コードブックの組を求めて、考
えられることごとくの予測子／コードブックの組合せを
検索する。次に、この対に対応する指数及びＭＳＶＱコ
ードブック指数を伝送の為に符号化する。これは、予測
子と共にコードブックが切替えられる点で、従来の方法
と異なる。従来の方法は、コードブックの記憶量を減ら
す為に、単一のコードブック組を共有しているが、この
発明では、切替え型予測量子化に使われるＭＳＶＱコー
ドブックは、非予測コードブックよりかなり小さくでき
ること、並びに一層小さい多数のコードブックは、１つ
のより大きなコードブック以上の記憶スペースを必要と
しないことが分かった。発明者の実験から、別々の予測
子／コードブックの対を使うと、ビット速度を高くせず
に、単独の共有コードブックに比べて、かなりの性能の
改善が得られた。
【００２１】図２の切替え型予測量子化器２０を用いる
ＬＳＦ符号化器について説明すると、１０個のＬＰＣ係
数が、変換装置２３により、線スペクトル周波数（ＬＳ
Ｆ）ベクトルの１０個のＬＳＦ係数に変換される。ＬＳ
Ｆは１０次元の要素又は係数（１０次全極フィルタに対
し）を持っている。ＬＳＦ入力ベクトルから選ばれた平
均ベクトルを加算器２２で差引き、平均を取除いた入力
ベクトルから予測値を加算器２５で差引く。こうして得
られた、現在のフレームの量子化ベクトルｅに対する目
標ベクトルが多段ベクトル量子化器（ＭＳＶＱ）２７に
印加される。予測値は、乗算器２６で前の量子化ベクト
ルに既知の予測行列を乗算したものである。切替え型予
測の時の予測値は、とり得る予測行列が１つより多い。
各フレームに対し、最善の予測子（予測行列及び平均ベ
クトル）を選ぶ。この発明では、予測子（予測行列及び
平均ベクトル）とＭＳＶＱコードブックの組の両方を切
替える。制御装置２９が、最初にスイッチ２８を介して
予測行列１、平均ベクトル１並びに量子化器２７の第１
組のコードブック１を選ぶように切替える。この第１の
予測行列に対応する指数並びに第１組のコードブックに
対するＭＳＶＱコードブック指数が、その後、量子化器
からゲート３７に供給される。予測値が、目標ベクトル
ｅに対する量子化出力
ＬＳＦ符号化器について説明すると、１０個のＬＰＣ係
数が、変換装置２３により、線スペクトル周波数（ＬＳ
Ｆ）ベクトルの１０個のＬＳＦ係数に変換される。ＬＳ
Ｆは１０次元の要素又は係数（１０次全極フィルタに対
し）を持っている。ＬＳＦ入力ベクトルから選ばれた平
均ベクトルを加算器２２で差引き、平均を取除いた入力
ベクトルから予測値を加算器２５で差引く。こうして得
られた、現在のフレームの量子化ベクトルｅに対する目
標ベクトルが多段ベクトル量子化器（ＭＳＶＱ）２７に
印加される。予測値は、乗算器２６で前の量子化ベクト
ルに既知の予測行列を乗算したものである。切替え型予
測の時の予測値は、とり得る予測行列が１つより多い。
各フレームに対し、最善の予測子（予測行列及び平均ベ
クトル）を選ぶ。この発明では、予測子（予測行列及び
平均ベクトル）とＭＳＶＱコードブックの組の両方を切
替える。制御装置２９が、最初にスイッチ２８を介して
予測行列１、平均ベクトル１並びに量子化器２７の第１
組のコードブック１を選ぶように切替える。この第１の
予測行列に対応する指数並びに第１組のコードブックに
対するＭＳＶＱコードブック指数が、その後、量子化器
からゲート３７に供給される。予測値が、目標ベクトル
ｅに対する量子化出力
【外１】 に加算器３１で加算され、平均を取除いた量子化ベクト
ルを発生する。平均を取除いたベクトルが、選ばれた平
均ベクトルに加算器７０で加算され、量子化ベクトル
ルを発生する。平均を取除いたベクトルが、選ばれた平
均ベクトルに加算器７０で加算され、量子化ベクトル
【外２】 を求める。各次元の自乗誤差が自乗器３５で決定され
る。入力ベクトルＸi と遅延した量子化ベクトル
る。入力ベクトルＸi と遅延した量子化ベクトル
【外３】 の間の加重自乗誤差が制御装置２９に記憶される。制御
装置２９はスイッチ２８を介して予測行列２及び平均ベ
クトル２とコードブック２の組を選ぶように切替える制
御信号を印加し、同じように自乗器３５でこの組に対す
る加重自乗誤差を測定する。予測行列１（平均ベクトル
１を持つ）及びコードブックの組１の第１の対からの測
定された誤差が、予測行列２（平均ベクトル２を持つ）
及びコードブックの組２と比較される。最小の誤差を持
つコードブックに対する指数の組が、ゲート３７で、符
号化された指数の伝送として、符号化器の外にゲートさ
れ、予測行列及びコードブックの組のどちらの対から指
数が送り出されたか（平均ベクトル１を持つコードブッ
クの組１並びに予測行列１か、コードブックの組２及び
平均ベクトル２を持つ予測行列２か）を示すビットが制
御装置２９から端子３８を介して送り出される。最小の
誤差に関連する、加算器３１からの平均を取除いた量子
化ベクトルがゲート３３ａを介してフレーム遅延装置３
３にゲートされ、前の平均を取除いた量子化ベクトルを
乗算器２６に供給するようにする。
装置２９はスイッチ２８を介して予測行列２及び平均ベ
クトル２とコードブック２の組を選ぶように切替える制
御信号を印加し、同じように自乗器３５でこの組に対す
る加重自乗誤差を測定する。予測行列１（平均ベクトル
１を持つ）及びコードブックの組１の第１の対からの測
定された誤差が、予測行列２（平均ベクトル２を持つ）
及びコードブックの組２と比較される。最小の誤差を持
つコードブックに対する指数の組が、ゲート３７で、符
号化された指数の伝送として、符号化器の外にゲートさ
れ、予測行列及びコードブックの組のどちらの対から指
数が送り出されたか（平均ベクトル１を持つコードブッ
クの組１並びに予測行列１か、コードブックの組２及び
平均ベクトル２を持つ予測行列２か）を示すビットが制
御装置２９から端子３８を介して送り出される。最小の
誤差に関連する、加算器３１からの平均を取除いた量子
化ベクトルがゲート３３ａを介してフレーム遅延装置３
３にゲートされ、前の平均を取除いた量子化ベクトルを
乗算器２６に供給するようにする。
【００２２】図３はＬＳＦ符号化器２０と共に使う復号
器４０を示す。復号器４０では、符号化からのコードブ
ックに対する指数を、符号化器にあるコードブックの組
１及び２に対応する２組のコードブックを持つ量子化器
４４で受信する。端子３８からのビットが、符号化器で
使われた適正なコードブックの組を選択する。ＬＳＦ量
子化入力が加算器４１で予測値に加算され、この予測値
は、平均を取除いた量子化ベクトルを求める為に符号化
器で選ばれた最善の整合となる、４２に示した予測行列
と乗算器４５で乗算された前の平均を取除いた量子化値
（遅延装置４３からの）である。予測行列１と平均値１
と、予測行列２と平均値２の両方が、復号器の記憶装置
４２に記憶されている。符号化器の端子３８からの１ビ
ットが、記憶装置４２にあって、符号化器の予測行列及
び平均値と整合する予測行列及び平均値を選択する。平
均を取除いた量子化ベクトルが、加算器４８で選択され
た平均値と加算され、量子化ＬＳＦベクトルを求める。
量子化ＬＳＦベクトルが変換装置４６によってＬＰＣ係
数に変換される。
器４０を示す。復号器４０では、符号化からのコードブ
ックに対する指数を、符号化器にあるコードブックの組
１及び２に対応する２組のコードブックを持つ量子化器
４４で受信する。端子３８からのビットが、符号化器で
使われた適正なコードブックの組を選択する。ＬＳＦ量
子化入力が加算器４１で予測値に加算され、この予測値
は、平均を取除いた量子化ベクトルを求める為に符号化
器で選ばれた最善の整合となる、４２に示した予測行列
と乗算器４５で乗算された前の平均を取除いた量子化値
（遅延装置４３からの）である。予測行列１と平均値１
と、予測行列２と平均値２の両方が、復号器の記憶装置
４２に記憶されている。符号化器の端子３８からの１ビ
ットが、記憶装置４２にあって、符号化器の予測行列及
び平均値と整合する予測行列及び平均値を選択する。平
均を取除いた量子化ベクトルが、加算器４８で選択され
た平均値と加算され、量子化ＬＳＦベクトルを求める。
量子化ＬＳＦベクトルが変換装置４６によってＬＰＣ係
数に変換される。
【００２３】前に述べたように、ＬＳＦベクトル係数は
ＬＰＣ係数に対応する。ＬＳＦベクトル係数は、ＬＰＣ
係数よりも一層良い量子化特性を持っている。これら２
つのベクトル係数の間には１対１の変換がある。対応す
る特定の１組のＬＰＣ係数に対する特定の１組のＬＳＦ
に加重関数が適用される。
ＬＰＣ係数に対応する。ＬＳＦベクトル係数は、ＬＰＣ
係数よりも一層良い量子化特性を持っている。これら２
つのベクトル係数の間には１対１の変換がある。対応す
る特定の１組のＬＰＣ係数に対する特定の１組のＬＳＦ
に加重関数が適用される。
【００２４】連邦基準ＭＥＬＰ符号器は、その計算の簡
単さの為に、ＬＳＦの量子化に加重ユークリッド距離を
使う。しかし、ＬＳＦ領域のこの距離は、必ずしも量子
化の精度の理想的な目安、即ち、処理された音声信号の
知覚される品質とうまく対応しない。出願人は以前に、
知覚加重形の対数スペクトル歪みが主観的な音声品質に
対して密接な相関性を持つことを、新しい２．４ ｋｂ
／ｓ連邦基準に関する論文に示した。その論文で、出願
人は、１実施例による、このスペクトル歪みに密接に対
応する加重ＬＳＦ距離を教示している。この加重関数
は、その組に対応する特定の１組のＬＰＣ係数に対する
１組のＬＳＦである、特定の入力ベクトルｘに対する特
定の１組のＬＳＦに対するこの変換の細部を考えること
を必要とする。符号器がＬＰＣ係数を計算し、前に述べ
たように、量子化の為、これが挙動が一層良いＬＳＦベ
クトルに変換される。図１に示すように、実際の合成器
は、量子化ベクトル
単さの為に、ＬＳＦの量子化に加重ユークリッド距離を
使う。しかし、ＬＳＦ領域のこの距離は、必ずしも量子
化の精度の理想的な目安、即ち、処理された音声信号の
知覚される品質とうまく対応しない。出願人は以前に、
知覚加重形の対数スペクトル歪みが主観的な音声品質に
対して密接な相関性を持つことを、新しい２．４ ｋｂ
／ｓ連邦基準に関する論文に示した。その論文で、出願
人は、１実施例による、このスペクトル歪みに密接に対
応する加重ＬＳＦ距離を教示している。この加重関数
は、その組に対応する特定の１組のＬＰＣ係数に対する
１組のＬＳＦである、特定の入力ベクトルｘに対する特
定の１組のＬＳＦに対するこの変換の細部を考えること
を必要とする。符号器がＬＰＣ係数を計算し、前に述べ
たように、量子化の為、これが挙動が一層良いＬＳＦベ
クトルに変換される。図１に示すように、実際の合成器
は、量子化ベクトル
【外４】 を受取り、逆変換を実施して、実際の音声合成に使うＬ
ＰＣフィルタを求める。加重されていないスペクトル歪
みに対する最適のＬＳＦ重みが、ＩＥＥＥトランザクシ
ョンズ・オン・スピーチ・アンド・オーディオ・プロセ
ッシング誌Ｖｏｌ．３、Ｎｏ．５、１９９５年９月号、
ｐｐ３６７‐３８１所載のガードナ他の論文「ＬＰＣパ
ラメータの高速ベクトル量子化の理論的な分析」に示さ
れている式を使って計算される。
ＰＣフィルタを求める。加重されていないスペクトル歪
みに対する最適のＬＳＦ重みが、ＩＥＥＥトランザクシ
ョンズ・オン・スピーチ・アンド・オーディオ・プロセ
ッシング誌Ｖｏｌ．３、Ｎｏ．５、１９９５年９月号、
ｐｐ３６７‐３８１所載のガードナ他の論文「ＬＰＣパ
ラメータの高速ベクトル量子化の理論的な分析」に示さ
れている式を使って計算される。
【００２５】
【数３】
【００２６】ここでＲA （ｍ）は、遅れｍに於けるＬＰ
Ｃ合成フィルタのインパルス応答の自己相関であり、Ｒ
i （ｍ）は、ＬＳＦ係数からＬＰＣ係数への変換のヤコ
ビ行列のｉ番目の列にある要素の相関である。従って、
特定の入力ベクトルｘに対し、重みＷi を計算する。
Ｃ合成フィルタのインパルス応答の自己相関であり、Ｒ
i （ｍ）は、ＬＳＦ係数からＬＰＣ係数への変換のヤコ
ビ行列のｉ番目の列にある要素の相関である。従って、
特定の入力ベクトルｘに対し、重みＷi を計算する。
【００２７】この解決策の違いは、知覚加重形のスペク
トル歪みを反映するように、自己相関関数ＲA （ｍ）の
計算の前に、知覚加重が合成フィルタのインパルス応答
に適用されることである。
トル歪みを反映するように、自己相関関数ＲA （ｍ）の
計算の前に、知覚加重が合成フィルタのインパルス応答
に適用されることである。
【００２８】図２の実施例に適用される加重関数では、
３５のところで、自乗誤差に加重Ｗ i が適用される。誤
差検出器３５からの加重出力は、
３５のところで、自乗誤差に加重Ｗ i が適用される。誤
差検出器３５からの加重出力は、
【数４】 である。１０次元ベクトルの各項（エントリー）が重み
の値（加重値）を持っている。誤差は、各々の要素に対
する重みの値を足し合わせる。重みを適用するとき、例
えば、１つの要素は３の重みの値を持ち、他のものは１
である時、３の要素は、誤差を決定する時、他の要素よ
りも３倍に強調する。
の値（加重値）を持っている。誤差は、各々の要素に対
する重みの値を足し合わせる。重みを適用するとき、例
えば、１つの要素は３の重みの値を持ち、他のものは１
である時、３の要素は、誤差を決定する時、他の要素よ
りも３倍に強調する。
【００２９】前に述べたように、加重関数は、ＬＰＣか
らＬＳＦへの変換の細部を考えることを必要とする。重
みの値は、ＬＰＣ合成フィルタ２１にインパルスを印加
し、その結果標本化されたＬＰＣ合成フィルタ２１の出
力を知覚加重フィルタ４７に供給することによって決定
される。計算機３９を、図４のフローチャートに示され
る以下の疑似コードに基くコードでプログラムする。Ｌ
ＰＣフィルタ２１に対してインパルスをゲートし、ＬＰ
Ｃ合成フィルタの応答のＮ個のサンプルを求め（工程５
１）、知覚加重フィルタ３７に印加する（工程５２）。
この発明の好ましい１実施例では、低い周波数を高い周
波数よりも一層大きな重みにし、特に、好ましい実施例
は、人間の耳が音に対してどのように応答するかを整合
する周知のバーク・スケールを使う。バーク加重Ｗ
B （ｆ）の式は次の通りである。
らＬＳＦへの変換の細部を考えることを必要とする。重
みの値は、ＬＰＣ合成フィルタ２１にインパルスを印加
し、その結果標本化されたＬＰＣ合成フィルタ２１の出
力を知覚加重フィルタ４７に供給することによって決定
される。計算機３９を、図４のフローチャートに示され
る以下の疑似コードに基くコードでプログラムする。Ｌ
ＰＣフィルタ２１に対してインパルスをゲートし、ＬＰ
Ｃ合成フィルタの応答のＮ個のサンプルを求め（工程５
１）、知覚加重フィルタ３７に印加する（工程５２）。
この発明の好ましい１実施例では、低い周波数を高い周
波数よりも一層大きな重みにし、特に、好ましい実施例
は、人間の耳が音に対してどのように応答するかを整合
する周知のバーク・スケールを使う。バーク加重Ｗ
B （ｆ）の式は次の通りである。
【００３０】
【数５】
【００３１】この応答を持つフィルタの係数を前もって
決定し、記憶しておいて、時間領域の係数を記憶する。
このスペクトルに当てはめた８次全極を決定し、これら
の８個の係数を知覚加重フィルタとして使う。この後の
工程は、下記の式で表された、ガードナ他の論文の３７
５頁に見られる加重されていないスペクトル歪みの式に
従う。
決定し、記憶しておいて、時間領域の係数を記憶する。
このスペクトルに当てはめた８次全極を決定し、これら
の８個の係数を知覚加重フィルタとして使う。この後の
工程は、下記の式で表された、ガードナ他の論文の３７
５頁に見られる加重されていないスペクトル歪みの式に
従う。
【００３２】
【数６】
【００３３】ここでＲA （ｍ）は遅れｍにおけるＬＰＣ
合成フィルタのインパルス応答の自己相関であって、次
のように示され、
合成フィルタのインパルス応答の自己相関であって、次
のように示され、
【数７】 ｈ（ｎ）はインパルス応答であり、下記の式Ｒi （ｍ）
【数８】 で表されるのは、ＬＳＦ係数からＬＰＣ係数への変換の
ヤコビ行列
ヤコビ行列
【外５】 のｉ番目にある列にある要素の相関関数である。
【外６】 の各列は次の式によって見つけることができる。
【００３４】
【数９】 これは
【数１０】 であるからである。ｊi （ｎ）の値は、
【外７】 の係数によるＰ（ω）の係数の簡単な多項式除算によっ
て見つけることができる。
て見つけることができる。
【外８】 の最初の係数＝１であるから、この手順では、実際の除
算は必要ではない。更に、ｊi （ｎ）＝ｊi （ｖ＋１−
ｎ）：ｉ奇数、０＜ｎ≦ｖであるから、計算しなければ
ならないのは半分の値だけである。偶数の列でも、反対
称性から、同様な状態になる。
算は必要ではない。更に、ｊi （ｎ）＝ｊi （ｖ＋１−
ｎ）：ｉ奇数、０＜ｎ≦ｖであるから、計算しなければ
ならないのは半分の値だけである。偶数の列でも、反対
称性から、同様な状態になる。
【００３５】加重インパルス応答の自己相関関数が計算
される（図４の工程５３）。それからＬＳＦに対するヤ
コビ行列が計算される（工程５４）。次に、ヤコビ行列
の行の相関が計算される（工程５５）。次に、相関行列
を乗算することにより、ＬＳＦの重みが計算される（工
程５６）。図２の計算機３９からの計算された重みの値
が、誤差検出器３５に印加される。その後、誤差が最小
になる予測行列／コードブックの組の指数が、量子化器
２７からゲートされる。この装置は、下記の疑似コード
を利用する、計算機３９及び制御装置２９をカプセル封
止するマイクロプロセッサを使って構成することができ
る。現在のＬＰＣ及びＬＳＦから加重ベクトルを計算す
る疑似コードは下に示す通りである。
される（図４の工程５３）。それからＬＳＦに対するヤ
コビ行列が計算される（工程５４）。次に、ヤコビ行列
の行の相関が計算される（工程５５）。次に、相関行列
を乗算することにより、ＬＳＦの重みが計算される（工
程５６）。図２の計算機３９からの計算された重みの値
が、誤差検出器３５に印加される。その後、誤差が最小
になる予測行列／コードブックの組の指数が、量子化器
２７からゲートされる。この装置は、下記の疑似コード
を利用する、計算機３９及び制御装置２９をカプセル封
止するマイクロプロセッサを使って構成することができ
る。現在のＬＰＣ及びＬＳＦから加重ベクトルを計算す
る疑似コードは下に示す通りである。
【００３６】 ／* 現在のＬＰＣ及びＬＳＦから加重ベクトルを計算する* ／ ＬＰＣ合成フィルタのインパルス応答のＮ個のサンプルを計算する 知覚加重フィルタを用いてインパルス応答をフィルタ作用にかける 加重インパルス応答の自己相関関数を計算する ＬＳＦに対するヤコビ行列を計算する ヤコビ行列の行の相関を計算する 相関行列を乗算することによってＬＳＦの重みを計算する。 上に示したコードを図６及び図７に示す。 入力ベクトル符号化に対する疑似コードは次の通りである。 ／* 入力ベクトルを符号化する* ／ 全ての予測子とコードブックの対に対し 入力ＬＳＦベクトルから平均を取除く 予測値を差引いて目標ベクトルを求める 加重距離を用いて、目標ベクトルに対して最善の整合を示すＭＳＶＱコード ブックを検索する。 誤差＜Ｅｍｉｎであれば Ｅｍｉｎ＝誤差 最善の予測子指数＝現在の予測子 Ｅｎｄｉｆ Ｅｎｄ 最善の予測子指数及びコードブック指数を伝送の為に符号化する。 量子化ベクトルを再生する為の疑似コードは次の通りである ／* 量子化ベクトルを再生する* ／ ＭＳＶＱコード・ベクトルを足し算して量子化された目標を発生する 予測値を加算する 過去の量子化値（平均を取除いた）のメモリを更新する 平均を加算して量子化ＬＳＦベクトルを発生する。
【００３７】この新しい方式に基いて２０ビットＬＳＦ
量子化器を構成したが、これは、一層低いビット速度
で、連邦基準ＭＥＬＰ符号器に使われている２５ビット
量子化器に相当する性能を生じた。予測子／コードブッ
クの２つの対があり、その各々が、対角線１次予測行列
及び夫々６４、３２、１６及び１６個のベクトルの寸法
を持つコードブックを有する４段ＭＳＶＱで構成されて
いる。この新しい量子化器のコードブックの記憶並びに
計算の複雑さは、従来の形式よりも小さい。
量子化器を構成したが、これは、一層低いビット速度
で、連邦基準ＭＥＬＰ符号器に使われている２５ビット
量子化器に相当する性能を生じた。予測子／コードブッ
クの２つの対があり、その各々が、対角線１次予測行列
及び夫々６４、３２、１６及び１６個のベクトルの寸法
を持つコードブックを有する４段ＭＳＶＱで構成されて
いる。この新しい量子化器のコードブックの記憶並びに
計算の複雑さは、従来の形式よりも小さい。
【００３８】この発明並びにその利点を詳しく説明した
が、特許請求の範囲によって定められたこの発明の範囲
を逸脱せずに、この説明で種々の変更、置換並びに修正
を加えることができることを承知されたい。
が、特許請求の範囲によって定められたこの発明の範囲
を逸脱せずに、この説明で種々の変更、置換並びに修正
を加えることができることを承知されたい。
【００３９】例えば、図５に示すように、各フレームに
対する切替え型の予測をせずに、この装置及び方法を使
うことが予想される。この場合、各フレームに対する加
重誤差は誤差検出器で決定され、誤差が最小のコードブ
ック指数が制御装置２９によりゲート３７からゲートさ
れる。各フレームに対し、フィルタ２１に於けるインパ
ルスのＬＰＣフィルタにかけたサンプルを知覚加重フィ
ルタ４７の作用にかけ、疑似コードとして述べたような
コードを使う計算機３９によって処理し、重みの値を定
める。更に、知覚加重フィルタは、高い周波数よりも低
い周波数により大きな重みをかけるというように知覚を
動機とするバーク・スケールの他の知覚加重や、又はＣ
ＥＬＰ符号器で現在使われているような知覚加重フィル
タを使うことができる。
対する切替え型の予測をせずに、この装置及び方法を使
うことが予想される。この場合、各フレームに対する加
重誤差は誤差検出器で決定され、誤差が最小のコードブ
ック指数が制御装置２９によりゲート３７からゲートさ
れる。各フレームに対し、フィルタ２１に於けるインパ
ルスのＬＰＣフィルタにかけたサンプルを知覚加重フィ
ルタ４７の作用にかけ、疑似コードとして述べたような
コードを使う計算機３９によって処理し、重みの値を定
める。更に、知覚加重フィルタは、高い周波数よりも低
い周波数により大きな重みをかけるというように知覚を
動機とするバーク・スケールの他の知覚加重や、又はＣ
ＥＬＰ符号器で現在使われているような知覚加重フィル
タを使うことができる。
【００４０】以上の説明に関し更に以下の項目を開示す
る。 （１） ＬＰＣ係数をＬＳＦ係数に変換し、ＬＳＦ目標
ベクトルを量子化する為のコードブックを量子化器に設
け、前記コードブック内で、ＬＰＣ係数に対して最善の
整合を示す量子化出力となるようなＬＳＦ目標ベクトル
を決定する為の検索をし、前記目標ベクトルを前記コー
ドブックに適用して量子化ベクトルを求める各工程を含
んでいて、前記検索する工程は、ＬＳＦ係数と量子化出
力との間の各次元に対する加重値を乗算した自乗誤差を
決定する工程を含んでおり、前記加重値は知覚加重の関
数であり、前記決定する工程は、加重インパルス応答の
自己相関関数を計算し、前記ＬＳＦベクトルのヤコビ行
列を計算し、ヤコビ行列の行の自己相関を計算し、自己
相関行列を乗算することによってＬＳＦの重みを計算す
る工程を含んでいる、ＬＰＣ係数のベクトル量子化方
法。
る。 （１） ＬＰＣ係数をＬＳＦ係数に変換し、ＬＳＦ目標
ベクトルを量子化する為のコードブックを量子化器に設
け、前記コードブック内で、ＬＰＣ係数に対して最善の
整合を示す量子化出力となるようなＬＳＦ目標ベクトル
を決定する為の検索をし、前記目標ベクトルを前記コー
ドブックに適用して量子化ベクトルを求める各工程を含
んでいて、前記検索する工程は、ＬＳＦ係数と量子化出
力との間の各次元に対する加重値を乗算した自乗誤差を
決定する工程を含んでおり、前記加重値は知覚加重の関
数であり、前記決定する工程は、加重インパルス応答の
自己相関関数を計算し、前記ＬＳＦベクトルのヤコビ行
列を計算し、ヤコビ行列の行の自己相関を計算し、自己
相関行列を乗算することによってＬＳＦの重みを計算す
る工程を含んでいる、ＬＰＣ係数のベクトル量子化方
法。
【００４１】（２） 第１項記載のＬＰＣ係数のベクト
ル量子化方法に於いて、前記決定する工程が、前記加重
値を見つける為に、前記ＬＰＣフィルタにインパルスを
印加して、ＬＰＣ合成応答のＮ個のサンプルを求め、知
覚フィルタで前記サンプルをフィルタ作用にかけてか
ら、前記加重インパルス応答の自己相関関数を計算し、
前記ＬＳＦベクトルに対するヤコビ行列を計算し、ヤコ
ビ行列の行の自己相関を計算し、自己相関行列を乗算す
ることによってＬＳＦの重みを計算する工程を含む、Ｌ
ＰＣ係数のベクトル量子化方法。
ル量子化方法に於いて、前記決定する工程が、前記加重
値を見つける為に、前記ＬＰＣフィルタにインパルスを
印加して、ＬＰＣ合成応答のＮ個のサンプルを求め、知
覚フィルタで前記サンプルをフィルタ作用にかけてか
ら、前記加重インパルス応答の自己相関関数を計算し、
前記ＬＳＦベクトルに対するヤコビ行列を計算し、ヤコ
ビ行列の行の自己相関を計算し、自己相関行列を乗算す
ることによってＬＳＦの重みを計算する工程を含む、Ｌ
ＰＣ係数のベクトル量子化方法。
【００４２】（３） 第２項記載のＬＰＣ係数のベクト
ル量子化方法に於いて、前記知覚フィルタは高い周波数
よりも低い周波数の重みを大きくする、ＬＰＣ係数のベ
クトル量子化方法。 （４） 第３項記載のＬＰＣ係数のベクトル量子化方法
に於いて、前記知覚フィルタがバーク・スケールに従
う、ＬＰＣ係数のベクトル量子化方法。 （５） 第１項記載のＬＰＣ係数のベクトル量子化方法
に於いて、前記量子化器が多段ベクトル量子化器であ
る、ＬＰＣ係数のベクトル量子化方法。 （６） 第４項記載のＬＰＣ係数のベクトル量子化方法
に於いて、前記量子化器が多段ベクトル量子化器であ
る、ＬＰＣ係数のベクトル量子化方法。 （７） 第１項記載のＬＰＣ係数のベクトル量子化方法
に於いて、前記量子化器が１組又は更に多くの組のコー
ドブックをもっている、ＬＰＣ係数のベクトル量子化方
法。
ル量子化方法に於いて、前記知覚フィルタは高い周波数
よりも低い周波数の重みを大きくする、ＬＰＣ係数のベ
クトル量子化方法。 （４） 第３項記載のＬＰＣ係数のベクトル量子化方法
に於いて、前記知覚フィルタがバーク・スケールに従
う、ＬＰＣ係数のベクトル量子化方法。 （５） 第１項記載のＬＰＣ係数のベクトル量子化方法
に於いて、前記量子化器が多段ベクトル量子化器であ
る、ＬＰＣ係数のベクトル量子化方法。 （６） 第４項記載のＬＰＣ係数のベクトル量子化方法
に於いて、前記量子化器が多段ベクトル量子化器であ
る、ＬＰＣ係数のベクトル量子化方法。 （７） 第１項記載のＬＰＣ係数のベクトル量子化方法
に於いて、前記量子化器が１組又は更に多くの組のコー
ドブックをもっている、ＬＰＣ係数のベクトル量子化方
法。
【００４３】（８） ＬＰＣフィルタ及びＬＰＣ係数を
ＬＳＦ係数に変換する変換器を持つ符号器に用いる量子
化器に於いて、前記ＬＳＦ目標ベクトルに応答してＬＳ
Ｆ目標ベクトルを量子化するコードブックと、ＬＰＣ係
数に対して最善の整合を示す量子化出力となるＬＳＦ目
標ベクトルを決定する為に前記コードブック内の検索を
する手段と、前記ＬＳＦ目標ベクトルを前記コードブッ
クに印加して量子化出力を求める手段とを有し、前記検
索をする手段が、前記ＬＰＣフィルタにインパルスを印
加する手段と、前記ＬＰＣ応答のサンプルを求める手段
と、前記サンプルのフィルタ作用をする知覚フィルタ
と、加重された応答によって自己相関関数を、前記ＬＳ
Ｆベクトルに対するヤコビ行列を、ヤコビ行列の行の相
互相関を、そして自己相関行列を乗算することによって
ＬＳＦの重みを計算する手段を含んでいる、量子化器。
ＬＳＦ係数に変換する変換器を持つ符号器に用いる量子
化器に於いて、前記ＬＳＦ目標ベクトルに応答してＬＳ
Ｆ目標ベクトルを量子化するコードブックと、ＬＰＣ係
数に対して最善の整合を示す量子化出力となるＬＳＦ目
標ベクトルを決定する為に前記コードブック内の検索を
する手段と、前記ＬＳＦ目標ベクトルを前記コードブッ
クに印加して量子化出力を求める手段とを有し、前記検
索をする手段が、前記ＬＰＣフィルタにインパルスを印
加する手段と、前記ＬＰＣ応答のサンプルを求める手段
と、前記サンプルのフィルタ作用をする知覚フィルタ
と、加重された応答によって自己相関関数を、前記ＬＳ
Ｆベクトルに対するヤコビ行列を、ヤコビ行列の行の相
互相関を、そして自己相関行列を乗算することによって
ＬＳＦの重みを計算する手段を含んでいる、量子化器。
【００４４】（９） 音声符号器でＬＰＣ係数を量子化
する新しい方法は、この符号器のＬＰＣフィルタ２１か
らのインパルス応答をことごとくのフレームで標本化
し、知覚加重フィルタ４７を使ってサンプルをフィルタ
作用にかけ、計算機３９で処理して、加重インパルス応
答の自己相関関数を計算し、ＬＳＦ（線スペクトル周波
数）に対するヤコビ行列を計算し、ヤコビ行列の行の相
関を計算し、相関行列を乗算することによってＬＳＦ重
みを計算することを含む新しい加重誤差の目安を用い
る。
する新しい方法は、この符号器のＬＰＣフィルタ２１か
らのインパルス応答をことごとくのフレームで標本化
し、知覚加重フィルタ４７を使ってサンプルをフィルタ
作用にかけ、計算機３９で処理して、加重インパルス応
答の自己相関関数を計算し、ＬＳＦ（線スペクトル周波
数）に対するヤコビ行列を計算し、ヤコビ行列の行の相
関を計算し、相関行列を乗算することによってＬＳＦ重
みを計算することを含む新しい加重誤差の目安を用い
る。
【図１】混励振線形予測符号器のブロック図。
【図２】この発明による切替え型予測ベクトル量子化符
号化器のブロック図。
号化器のブロック図。
【図３】この発明による復号器のブロック図。
【図４】この発明の別の実施例に従って加重距離の目安
を決定するフローチャート。
を決定するフローチャート。
【図５】この発明の別の実施例による符号化器のブロッ
ク図。
ク図。
【図６】ＬＰＣ及びＬＳＦから加重ベクトルを計算する
擬似コード。
擬似コード。
【図７】ＬＰＣ及びＬＳＦから加重ベクトルを計算する
擬似コード。
擬似コード。
２１ ＬＰＣフィルタ ２３ 変換装置 ２７ 量子化器 ２９ 制御装置 ３５ 自乗器 ３７ ゲート ３９ 計算機 ４７ 知覚加重フィルタ
Claims (2)
- 【請求項１】 ＬＰＣ係数をＬＳＦ係数に変換し、 ＬＳＦ目標ベクトルを量子化する為のコードブックを量
子化器に設け、 前記コードブック内で、ＬＰＣ係数に対して最善の整合
を示す量子化出力となるようなＬＳＦ目標ベクトルを決
定する為の検索をし、 前記目標ベクトルを前記コードブックに適用して量子化
ベクトルを求める各工程を含んでいて、 前記検索する工程は、ＬＳＦ係数と量子化出力との間の
各次元に対する加重値を乗算した自乗誤差を決定する工
程を含んでおり、前記加重値は知覚加重の関数であり、 前記決定する工程は、 加重インパルス応答の自己相関関数を計算し、 前記ＬＳＦベクトルのヤコビ行列を計算し、 ヤコビ行列の行の自己相関を計算し、 自己相関行列を乗算することによってＬＳＦの重みを計
算する工程を含んでいる、 ＬＰＣ係数のベクトル量子化方法。 - 【請求項２】 ＬＰＣフィルタ及びＬＰＣ係数をＬＳＦ
係数に変換する変換器を持つ符号器に用いる量子化器に
於いて、 前記ＬＳＦ目標ベクトルに応答してＬＳＦ目標ベクトル
を量子化するコードブックと、 ＬＰＣ係数に対して最善の整合を示す量子化出力となる
ＬＳＦ目標ベクトルを決定する為に前記コードブック内
の検索をする手段と、 前記ＬＳＦ目標ベクトルを前記コードブックに印加して
量子化出力を求める手段とを有し、 前記検索をする手段が、 前記ＬＰＣフィルタにインパルスを印加する手段と、 前記ＬＰＣ応答のサンプルを求める手段と、 前記サンプルのフィルタ作用をする知覚フィルタと、 加重された応答によって自己相関関数を、前記ＬＳＦベ
クトルに対するヤコビ行列を、ヤコビ行列の行の相互相
関を、そして自己相関行列を乗算することによってＬＳ
Ｆの重みを計算する手段と、 を含んでいる、量子化器。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US5711497P | 1997-08-28 | 1997-08-28 | |
| US057114 | 1997-08-28 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH11143498A true JPH11143498A (ja) | 1999-05-28 |
Family
ID=22008595
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP10242058A Pending JPH11143498A (ja) | 1997-08-28 | 1998-08-27 | Ｌｐｃ係数のベクトル量子化方法 |
Country Status (3)
| Country | Link |
|---|---|
| EP (1) | EP0899720B1 (ja) |
| JP (1) | JPH11143498A (ja) |
| DE (1) | DE69828119D1 (ja) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100474969B1 (ko) * | 2002-06-04 | 2005-03-10 | 에스엘투 주식회사 | 음성신호 부호화를 위한 선 스펙트럼 계수의 벡터 양자화방법과 이를 위한 마스킹 임계치 산출 방법 |
| KR100647290B1 (ko) | 2004-09-22 | 2006-11-23 | 삼성전자주식회사 | 합성된 음성의 특성을 이용하여 양자화/역양자화를선택하는 음성 부호화/복호화 장치 및 그 방법 |
| WO2007077841A1 (ja) * | 2005-12-27 | 2007-07-12 | Matsushita Electric Industrial Co., Ltd. | 音声復号装置および音声復号方法 |
| JP2013541737A (ja) * | 2010-10-18 | 2013-11-14 | サムスン エレクトロニクス カンパニー リミテッド | 線形予測符号化係数を量子化するための低複雑度を有する加重値関数決定装置及びその方法 |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW408298B (en) * | 1997-08-28 | 2000-10-11 | Texas Instruments Inc | Improved method for switched-predictive quantization |
| KR100464310B1 (ko) * | 1999-03-13 | 2004-12-31 | 삼성전자주식회사 | 선 스펙트럼 쌍을 이용한 패턴 정합 방법 |
| EP1527441B1 (en) * | 2002-07-16 | 2017-09-06 | Koninklijke Philips N.V. | Audio coding |
| CN101320565B (zh) * | 2007-06-08 | 2011-05-11 | 华为技术有限公司 | 感知加权滤波方法及感知加权滤波器 |
| WO2015108358A1 (ko) * | 2014-01-15 | 2015-07-23 | 삼성전자 주식회사 | 선형 예측 부호화 계수를 양자화하기 위한 가중치 함수 결정 장치 및 방법 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW408298B (en) * | 1997-08-28 | 2000-10-11 | Texas Instruments Inc | Improved method for switched-predictive quantization |
-
1998
- 1998-08-27 DE DE69828119T patent/DE69828119D1/de not_active Expired - Lifetime
- 1998-08-27 JP JP10242058A patent/JPH11143498A/ja active Pending
- 1998-08-27 EP EP98306906A patent/EP0899720B1/en not_active Expired - Lifetime
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100474969B1 (ko) * | 2002-06-04 | 2005-03-10 | 에스엘투 주식회사 | 음성신호 부호화를 위한 선 스펙트럼 계수의 벡터 양자화방법과 이를 위한 마스킹 임계치 산출 방법 |
| KR100647290B1 (ko) | 2004-09-22 | 2006-11-23 | 삼성전자주식회사 | 합성된 음성의 특성을 이용하여 양자화/역양자화를선택하는 음성 부호화/복호화 장치 및 그 방법 |
| WO2007077841A1 (ja) * | 2005-12-27 | 2007-07-12 | Matsushita Electric Industrial Co., Ltd. | 音声復号装置および音声復号方法 |
| US8160874B2 (en) | 2005-12-27 | 2012-04-17 | Panasonic Corporation | Speech frame loss compensation using non-cyclic-pulse-suppressed version of previous frame excitation as synthesis filter source |
| JP2013541737A (ja) * | 2010-10-18 | 2013-11-14 | サムスン エレクトロニクス カンパニー リミテッド | 線形予測符号化係数を量子化するための低複雑度を有する加重値関数決定装置及びその方法 |
| US9311926B2 (en) | 2010-10-18 | 2016-04-12 | Samsung Electronics Co., Ltd. | Apparatus and method for determining weighting function having for associating linear predictive coding (LPC) coefficients with line spectral frequency coefficients and immittance spectral frequency coefficients |
| JP2016130868A (ja) * | 2010-10-18 | 2016-07-21 | サムスン エレクトロニクス カンパニー リミテッド | 加重値関数決定方法 |
| US9773507B2 (en) | 2010-10-18 | 2017-09-26 | Samsung Electronics Co., Ltd. | Apparatus and method for determining weighting function having for associating linear predictive coding (LPC) coefficients with line spectral frequency coefficients and immittance spectral frequency coefficients |
| US10580425B2 (en) | 2010-10-18 | 2020-03-03 | Samsung Electronics Co., Ltd. | Determining weighting functions for line spectral frequency coefficients |
Also Published As
| Publication number | Publication date |
|---|---|
| DE69828119D1 (de) | 2005-01-20 |
| EP0899720A3 (en) | 1999-09-15 |
| EP0899720B1 (en) | 2004-12-15 |
| EP0899720A2 (en) | 1999-03-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP0905680B1 (en) | Method for quantizing LPC parameters using switched-predictive quantization | |
| KR101831088B1 (ko) | 오디오 신호를 인코딩하기 위한 인코더, 오디오 전송 시스템 및 보정값들을 결정하기 위한 방법 | |
| US5208862A (en) | Speech coder | |
| EP2313887B1 (en) | Variable bit rate lpc filter quantizing and inverse quantizing device and method | |
| KR100910282B1 (ko) | Ｌｐｃ 파라미터의 벡터 양자화 장치, ｌｐｃ 파라미터복호화 장치, 기록 매체, 음성 부호화 장치, 음성 복호화장치, 음성 신호 송신 장치, 및 음성 신호 수신 장치 | |
| EP1388144B1 (en) | Method and apparatus for line spectral frequency vector quantization in speech codec | |
| US6889185B1 (en) | Quantization of linear prediction coefficients using perceptual weighting | |
| JPH04363000A (ja) | 音声パラメータ符号化方式および装置 | |
| JP3254687B2 (ja) | 音声符号化方式 | |
| KR20120043160A (ko) | 다단계 양자화 방법 및 장치 | |
| JPH056199A (ja) | 音声パラメータ符号化方式 | |
| JP2002268686A (ja) | 音声符号化装置及び音声復号化装置 | |
| JPH11143498A (ja) | Ｌｐｃ係数のベクトル量子化方法 | |
| JPH0341500A (ja) | 低遅延低ビツトレート音声コーダ | |
| JP3087814B2 (ja) | 音響信号変換符号化装置および復号化装置 | |
| JP4359949B2 (ja) | 信号符号化装置及び方法、並びに信号復号装置及び方法 | |
| US6236961B1 (en) | Speech signal coder | |
| JP3192051B2 (ja) | 音声符号化装置 | |
| KR100463577B1 (ko) | 음성 부호화기용 선스펙트럼주파수 벡터 양자화 장치 | |
| JP3024467B2 (ja) | 音声符号化装置 | |
| Lin et al. | An 8.0-/8.4-kbps wideband speech coder based on mixed excitation linear prediction | |
| JP2808841B2 (ja) | 音声符号化方式 | |
| JP3526417B2 (ja) | ベクトル量子化方法と音声符号化方法および装置 | |
| JPH0455899A (ja) | 音声信号符号化方式 | |
| JPH09269798A (ja) | 音声符号化方法および音声復号化方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20050829 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20081202 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20090424 |