JPS6270899A - 信号処理系におけるパラメ−タ符号化方式 - Google Patents
信号処理系におけるパラメ−タ符号化方式Info
- Publication number
- JPS6270899A JPS6270899A JP60211948A JP21194885A JPS6270899A JP S6270899 A JPS6270899 A JP S6270899A JP 60211948 A JP60211948 A JP 60211948A JP 21194885 A JP21194885 A JP 21194885A JP S6270899 A JPS6270899 A JP S6270899A
- Authority
- JP
- Japan
- Prior art keywords
- quantization
- parameter
- signal processing
- processing system
- error
- 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
Landscapes
- Compression, Expansion, Code Conversion, And Decoders (AREA)
- Transmission Systems Not Characterized By The Medium Used For Transmission (AREA)
Abstract
(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。
め要約のデータは記録されません。
Description
【発明の詳細な説明】
〈産業上の利用分野〉
本発明は信号から特徴パラメータを抽出し情報圧縮する
際に特徴パラメータを効率的に量子化する信号処理系に
おけるパラメータ符号化方式に関する。
際に特徴パラメータを効率的に量子化する信号処理系に
おけるパラメータ符号化方式に関する。
〈従来技術〉
以下、音声分析合成の一方式であるＰＡＲＣＯＲ方式に
おけるにパラメータを例として説明する。
おけるにパラメータを例として説明する。
ＰＡＲＣＯＲ方式において、音声信号からにパラメータ
（偏自己相関係数）がスペクトルを表す特徴パラメータ
として抽出される。このにバラン。
（偏自己相関係数）がスペクトルを表す特徴パラメータ
として抽出される。このにバラン。
−タは、１次、２次、−・と一般にｍ次までのものが用
いられ、これをに１．に２、−、Ｋｍで示す。
いられ、これをに１．に２、−、Ｋｍで示す。
各Ｋ ｉ （ｉ ＝１． ・−、ｍ）は区間（−１，１
）の間でそれぞれの分布をもつ。第６図にｍ＝８のとき
のＫ １．−、 Ｋ ｍの分布例を示す。分布の形状
は、ｍが大きくなるにつれて中心に近づいてい（傾向を
もつ。
）の間でそれぞれの分布をもつ。第６図にｍ＝８のとき
のＫ １．−、 Ｋ ｍの分布例を示す。分布の形状
は、ｍが大きくなるにつれて中心に近づいてい（傾向を
もつ。
Ｋｉを量子化する際に、いくつかのＫｉを（例えばＫ１
．に２）についてはＫｉの分布から直接量子化を行うよ
り分布を一度非線型変換をしてこの変換後の分布にもと
づいて量子化を行う方がより誤差の少ない合成音が得ら
れることが知られている。従来、この非線型変換に対し
て、ＡｒｃｔａｎｈＫ 、 Ａｒｃｓｉｎ Ｋ等のさま
ざまなものが考えられてきた。第７図にに１についての
非線型変換前、後の分布の例を示す。
．に２）についてはＫｉの分布から直接量子化を行うよ
り分布を一度非線型変換をしてこの変換後の分布にもと
づいて量子化を行う方がより誤差の少ない合成音が得ら
れることが知られている。従来、この非線型変換に対し
て、ＡｒｃｔａｎｈＫ 、 Ａｒｃｓｉｎ Ｋ等のさま
ざまなものが考えられてきた。第７図にに１についての
非線型変換前、後の分布の例を示す。
〈発明が解決しようとする問題点〉
上述のＰＡＲＣＯＲ方式におけるにパラメータの量子化
を含む従来の特徴パラメータの非線型変換を用いた符号
化方法においては、必ずしも高精度ではなく、データの
分布と性質に十分見合った符号化の方法にはなっていな
かった。
を含む従来の特徴パラメータの非線型変換を用いた符号
化方法においては、必ずしも高精度ではなく、データの
分布と性質に十分見合った符号化の方法にはなっていな
かった。
〈問題点を解決するための手段〉
本発明による信号処理系におけるパラメータ符号化方式
は、情報に応じた信号からこの信号の特徴を表す特徴パ
ラメータを抽出することによって情報を圧縮し、信号の
伝送、Ｍ積等を行う信号処理系において、特徴パラメー
タを量子化する際に量子化による誤差が信号処理系上で
の誤差に反映される度合を示す特徴パラメータの信号処
理系に対する誤差関数あるいはこの誤差関数を近似する
関数を積分することによって得られる非線型変換関数に
よる変換を特徴パラメータに施し、信号処理系に対する
＠差関数を定数関数化しておいたのち量子化を行うこと
を特徴とする。
は、情報に応じた信号からこの信号の特徴を表す特徴パ
ラメータを抽出することによって情報を圧縮し、信号の
伝送、Ｍ積等を行う信号処理系において、特徴パラメー
タを量子化する際に量子化による誤差が信号処理系上で
の誤差に反映される度合を示す特徴パラメータの信号処
理系に対する誤差関数あるいはこの誤差関数を近似する
関数を積分することによって得られる非線型変換関数に
よる変換を特徴パラメータに施し、信号処理系に対する
＠差関数を定数関数化しておいたのち量子化を行うこと
を特徴とする。
〈実施例〉
本実施例では、Ｋパラメータのスペクトル感度の考えを
用いて最適な非線型変換関数を求め、この非線型変換関
数を用いてにパラメータの分布を変換し、変換後の分布
を量子化することにより、誤差の少ない合成音を得るこ
とを可能とする。以下、その方式を詳細に説明する。
用いて最適な非線型変換関数を求め、この非線型変換関
数を用いてにパラメータの分布を変換し、変換後の分布
を量子化することにより、誤差の少ない合成音を得るこ
とを可能とする。以下、その方式を詳細に説明する。
スペクトル格 の。
偏自己相関係数Ｋｔ（ｉ＝ｌ、−・、ｍ）は、それぞれ
固有のスペクトル感度をもっている。このスペクトル感
度Ｓは、 Ｓ （Ｋ １．−、 Ｋ ｉ 、 −−、Ｋｍ） ＝
１ｉｍΔＳｐ （Ｋｌ 、−・・、Ｋ ｔ、 曲、Ｋ
ｍ）／ΔＫｉΔに１→Ｏ −・（１） で定義する。ここで、 ΔＳ ｐ （Ｋ１．−、 Ｋ ｉ 、−、Ｋｍ）は
、ＫｉがΔＫｉだけ変化したときのスペクトルの差を表
す。スペクトルの差を測る距離としては、さまざまなも
のが考えられる。−例として、合成音の明瞭度と相関が
あるとされている２乗平均距離を用いることにすると、 ΔＳ ｐ （Ｋｌ 、−−−−、Ｋ ｉ、−、Ｋｍ）＝
となる。式（１）から明らかな様に、スペクトル感度Ｓ
（Ｋｌ 、−１Ｋ ｉ、−−−Ｋｍ）はｍ次元関数と
なる。これを２次元平面に射影して、Ｋｉについてのス
ペクトル感度分布を得る。このスペクトル感度分布を曲
線で近似することによって、スペクトル感度曲線５ｅ（
Ｋｉ）を得る。このスペクトル感度分布とスペクトル感
度曲線の一例を第１図に示す。
固有のスペクトル感度をもっている。このスペクトル感
度Ｓは、 Ｓ （Ｋ １．−、 Ｋ ｉ 、 −−、Ｋｍ） ＝
１ｉｍΔＳｐ （Ｋｌ 、−・・、Ｋ ｔ、 曲、Ｋ
ｍ）／ΔＫｉΔに１→Ｏ −・（１） で定義する。ここで、 ΔＳ ｐ （Ｋ１．−、 Ｋ ｉ 、−、Ｋｍ）は
、ＫｉがΔＫｉだけ変化したときのスペクトルの差を表
す。スペクトルの差を測る距離としては、さまざまなも
のが考えられる。−例として、合成音の明瞭度と相関が
あるとされている２乗平均距離を用いることにすると、 ΔＳ ｐ （Ｋｌ 、−−−−、Ｋ ｉ、−、Ｋｍ）＝
となる。式（１）から明らかな様に、スペクトル感度Ｓ
（Ｋｌ 、−１Ｋ ｉ、−−−Ｋｍ）はｍ次元関数と
なる。これを２次元平面に射影して、Ｋｉについてのス
ペクトル感度分布を得る。このスペクトル感度分布を曲
線で近似することによって、スペクトル感度曲線５ｅ（
Ｋｉ）を得る。このスペクトル感度分布とスペクトル感
度曲線の一例を第１図に示す。
・ の゛
スペクトル感度曲線Ｓｓを積分し、
関数を決定する。一般に、Ｃ１・Ｔ （Ｋｉ）＋Ｃ２の
形のものを考えてよい。ここで、Ｃ，１，０２は定数で
ある。前述の第７図に示す非線型変換前の分布について
は、一般に第１図の様な±１付近で傾斜をもつスペクト
ル感度（曲線）となるが、Ｋｉ’＝Ｔ（Ｋｉ）として）
（ｉを変換した後のＫｉに対しては、対応するスペクト
ルのスペクトル感度（曲線）はＫｉの分布範囲で平坦な
ものとなる。
形のものを考えてよい。ここで、Ｃ，１，０２は定数で
ある。前述の第７図に示す非線型変換前の分布について
は、一般に第１図の様な±１付近で傾斜をもつスペクト
ル感度（曲線）となるが、Ｋｉ’＝Ｔ（Ｋｉ）として）
（ｉを変換した後のＫｉに対しては、対応するスペクト
ルのスペクトル感度（曲線）はＫｉの分布範囲で平坦な
ものとなる。
このスペクトル感度分布とスペクトル感度曲線の一例を
第２図に示す。
第２図に示す。
ｌ玉止
量子化はテーブル検索によって行う。テーブルの作成手
順を後述するステップエないしステップ４で説明するが
、まずその前に、ステップ２．３において用いられるＪ
、Ｍａｘの方法について説明する。
順を後述するステップエないしステップ４で説明するが
、まずその前に、ステップ２．３において用いられるＪ
、Ｍａｘの方法について説明する。
Ｊ、ＭａＸの方法は、感度が一定なあるパラメータが与
えられたときにそのパラメータの分布を最も誤差の少な
い様に量子化するためのものである。この方法は、分布
の密度を考慮した量子化であり、分布の密なところは細
かく、疎なところは粗く量子化を行なう方法である。第
３図に、あるパラメータの分布とこのパラメータの分布
をＪ・Ｍａｘの方法で量子化した結果を示す。この第３
図はｎ段階に量子化する場合を示しており、区間（ｘｊ
−１，ｘｊ）に属するパラメータはＹｊに量子化が行わ
れる。ここで、ｘＯ＋ Ｘ Ｉ 、 −，ｘ ｎを境
界点と呼び、Ｙ Ｉ 、−１＞’ ｎを量子化点と呼ぶ
ことにする。
えられたときにそのパラメータの分布を最も誤差の少な
い様に量子化するためのものである。この方法は、分布
の密度を考慮した量子化であり、分布の密なところは細
かく、疎なところは粗く量子化を行なう方法である。第
３図に、あるパラメータの分布とこのパラメータの分布
をＪ・Ｍａｘの方法で量子化した結果を示す。この第３
図はｎ段階に量子化する場合を示しており、区間（ｘｊ
−１，ｘｊ）に属するパラメータはＹｊに量子化が行わ
れる。ここで、ｘＯ＋ Ｘ Ｉ 、 −，ｘ ｎを境
界点と呼び、Ｙ Ｉ 、−１＞’ ｎを量子化点と呼ぶ
ことにする。
量子化用のテーブルの作成手順について、ステップ１な
いしステップ４に述べる。いま、Ｋｉについての量子化
用テーブルを作成するものとする。
いしステップ４に述べる。いま、Ｋｉについての量子化
用テーブルを作成するものとする。
ステップ１ ：Ｋｉのスペクトル感度曲線を前述のよう
に決定する。
に決定する。
ステップ２：もし、ここでにパラメータのスペクトル感
度曲線が分布の存在する範囲で平坦であれば、Ｊ、Ｍａ
ｘの方法によって境界点Ｘ Ｏ，−。
度曲線が分布の存在する範囲で平坦であれば、Ｊ、Ｍａ
ｘの方法によって境界点Ｘ Ｏ，−。
ｘｎ及び量子化点）’ １、−・、ｙｎを求め、これに
よりテーブルを作成する。スペクトル感度曲線が平坦で
なければ、スペクトル感度曲線を積分した関数によりＫ
ｉの分布を非線型変換し、スペクトル感度を一定にする
。
よりテーブルを作成する。スペクトル感度曲線が平坦で
なければ、スペクトル感度曲線を積分した関数によりＫ
ｉの分布を非線型変換し、スペクトル感度を一定にする
。
ステップ３ニスベクトル感度が一定となった分布に対し
てＪ、Ｍａｘの方法によって境界点ＸＱ。
てＪ、Ｍａｘの方法によって境界点ＸＱ。
・・−、ｘｎ及び量子化点）’ １）−）’ ｎを求め
る。
る。
ステップ４：境界点Ｘ Ｑ 、 −−−−、Ｘ ｎ及び
量子化点）’Ｉ 、−’、 ｙｎを逆変換し、それぞ
れＸＱ ′、・−１ｘｎ′及びｙｌ ′−・、ｙｎ′を
求め、これからテーブルを作成する。
量子化点）’Ｉ 、−’、 ｙｎを逆変換し、それぞ
れＸＱ ′、・−１ｘｎ′及びｙｌ ′−・、ｙｎ′を
求め、これからテーブルを作成する。
具体的には、テーブルは符号化側では境界値Ｘ Ｏ＋−
−−、ｘ ｎ （もしくはＸＯ’ 、−、ｘ ｎ ’）
から作成し、復号側では量子化値ｙ１．−、 ｙ ｎ
（もしくはｙ １′＋−＋ ｙ ｎ ′）から作成
する。量子化用テーブルを第４図に示し、これによる量
子化の手順を第５図に示す。符号化側では、まず、Ｋパ
ラメータが読みこまれ、テーブルの検索によってどの区
間（ｘ ｊ−１＋ ｘ ｊ）に属するかを調べ、区間
番号ｊに符号化が行われる。復号側では、番号ｊをもと
にテーブルを参照し、ｙｊに復号が行われる。
−−、ｘ ｎ （もしくはＸＯ’ 、−、ｘ ｎ ’）
から作成し、復号側では量子化値ｙ１．−、 ｙ ｎ
（もしくはｙ １′＋−＋ ｙ ｎ ′）から作成
する。量子化用テーブルを第４図に示し、これによる量
子化の手順を第５図に示す。符号化側では、まず、Ｋパ
ラメータが読みこまれ、テーブルの検索によってどの区
間（ｘ ｊ−１＋ ｘ ｊ）に属するかを調べ、区間
番号ｊに符号化が行われる。復号側では、番号ｊをもと
にテーブルを参照し、ｙｊに復号が行われる。
く効果〉
Ｋパラメータの量子化に関しては、誤差の少ない量子化
を目的としてさまざまな非線型変換が工夫されてきたが
、本発明の方式によれば、最もスペクトル上での誤差が
少ない量子化のための非線型変換を求めることができ、
高品質の合成音を得ることが可能となる。また、本発明
の方式は、広い普遍性を有することから、Ｋパラメータ
の量子化のみに限らず、他のパラメータの符号化にも通
用でき、誤差の少ない量子化を実現することができる。
を目的としてさまざまな非線型変換が工夫されてきたが
、本発明の方式によれば、最もスペクトル上での誤差が
少ない量子化のための非線型変換を求めることができ、
高品質の合成音を得ることが可能となる。また、本発明
の方式は、広い普遍性を有することから、Ｋパラメータ
の量子化のみに限らず、他のパラメータの符号化にも通
用でき、誤差の少ない量子化を実現することができる。
第１図と第２図は本発明実施例のスペクトル感度分布と
スペクトル感度曲線を示す図、第３図はＪ、Ｍａｘの量
子化方法を示す図、第４図は本発明実施例の量子化用テ
ーブルを示す図、第５図は本発明実施例の量子化の手順
を示す図、第６図はにパラメータの一般的な分布を示す
図、第７図はにパラメータの非線型変換前後の分布の例
を示す図である。
スペクトル感度曲線を示す図、第３図はＪ、Ｍａｘの量
子化方法を示す図、第４図は本発明実施例の量子化用テ
ーブルを示す図、第５図は本発明実施例の量子化の手順
を示す図、第６図はにパラメータの一般的な分布を示す
図、第７図はにパラメータの非線型変換前後の分布の例
を示す図である。
Claims (3)
- （１）情報に応じた信号からこの信号の特徴を表す特徴
パラメータを抽出することによって情報を圧縮し、信号
の伝送、蓄積等を行う信号処理系において、特徴パラメ
ータを量子化する際に量子化による誤差が信号処理系上
での誤差に反映される度合を示す特徴パラメータの信号
処理系に対する誤差関数あるいはこの誤差関数を近似す
る関数を積分することによって得られる非線型変換関数
による変換を特徴パラメータに施し、信号処理系に対す
る誤差関数を定数関数化しておいたのち量子化を行うこ
とを特徴とする信号処理系におけるパラメータ符号化方
式。 - （２）音声信号からこの音声信号の特徴を表す特徴パラ
メータを抽出することによって情報を圧縮し、音声信号
の伝送、蓄積等を行う音声分析合成系において、音声の
スペクトルに関する情報を有する特徴パラメータを量子
化する際に量子化による誤差がスペクトル上での誤差に
反映される度合を示す特徴パラメータのスペクトル感度
曲線あるいはスペクトル感度を近似する曲線を積分する
ことによって得られる非線型変換関数による変換を特徴
パラメータに施し、スペクトル感度を一定化しておいた
のち量子化を行うことを特徴とする特許請求の範囲第１
項記載の信号処理系におけるパラメータ符号化方式。 - （３）ＰＡＲＣＯＲ方式による音声分析合成系において
、スペクトル情報を有するＫパラメータを量子化する際
に量子化による誤差がスペクトル上での誤差に反映され
る度合を示すにパラメータのスペクトル感度を近似する
曲線を積分することによって得られる非線型変換関数に
よる変換をＫパラメータに施し、スペクトル感度を一定
化しておいたのち量子化を行うことを特徴とする特許請
求の範囲第１項記載の信号処理系におけるパラメータ符
号化方式。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP60211948A JPS6270899A (ja) | 1985-09-24 | 1985-09-24 | 信号処理系におけるパラメ−タ符号化方式 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP60211948A JPS6270899A (ja) | 1985-09-24 | 1985-09-24 | 信号処理系におけるパラメ−タ符号化方式 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPS6270899A true JPS6270899A (ja) | 1987-04-01 |
Family
ID=16614347
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP60211948A Pending JPS6270899A (ja) | 1985-09-24 | 1985-09-24 | 信号処理系におけるパラメ−タ符号化方式 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPS6270899A (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008142317A (ja) * | 2006-12-11 | 2008-06-26 | Toyota Boshoku Corp | シートカバー被覆構造 |
| WO2010073977A1 (ja) * | 2008-12-22 | 2010-07-01 | 日本電信電話株式会社 | 符号化方法、復号方法、それらの装置、プログラム及び記録媒体 |
-
1985
- 1985-09-24 JP JP60211948A patent/JPS6270899A/ja active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008142317A (ja) * | 2006-12-11 | 2008-06-26 | Toyota Boshoku Corp | シートカバー被覆構造 |
| US8128166B2 (en) | 2006-12-11 | 2012-03-06 | Toyota Boshoku Kabushiki Kaisha | Seat cover covering structure |
| WO2010073977A1 (ja) * | 2008-12-22 | 2010-07-01 | 日本電信電話株式会社 | 符号化方法、復号方法、それらの装置、プログラム及び記録媒体 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2779886B2 (ja) | 広帯域音声信号復元方法 | |
| TW546630B (en) | Optimized local feature extraction for automatic speech recognition | |
| US4720863A (en) | Method and apparatus for text-independent speaker recognition | |
| US20090144058A1 (en) | Restoration of high-order Mel Frequency Cepstral Coefficients | |
| JPS634200B2 (ja) | ||
| JP3186007B2 (ja) | 変換符号化方法、復号化方法 | |
| JPH01997A (ja) | ベクトル量子化を用いた音声認識方式 | |
| US7305339B2 (en) | Restoration of high-order Mel Frequency Cepstral Coefficients | |
| JPH07160297A (ja) | 音声パラメータ符号化方式 | |
| JPS6391699A (ja) | 音声認識方式 | |
| JP3092653B2 (ja) | 広帯域音声符号化装置及び音声復号装置並びに音声符号化復号装置 | |
| JP3159012B2 (ja) | 音響信号の符号化装置及び復号化装置 | |
| CN119068906A (zh) | 音频特征的提取方法、装置、计算机设备及存储介质 | |
| JP2709926B2 (ja) | 声質変換方法 | |
| CA1270568A (en) | Formant pattern matching vocoder | |
| Lostanlen et al. | Binaural scene classification with wavelet scattering | |
| JPS595296A (ja) | 線スペクトル型音声分析合成装置 | |
| JPS6162100A (ja) | マルチパルス型符号化復号化装置 | |
| JPH05257498A (ja) | 音声符号化方式 | |
| JPH0157360B2 (ja) | ||
| JP2605256B2 (ja) | Ｌｓｐパタンマツチングボコーダ | |
| JPS6032100A (ja) | Ｌｓｐ型パタンマッチングボコ−ダ | |
| JPS61261799A (ja) | 不特定話者用コ−ドブツク作成方法 | |
| JPH06202695A (ja) | 音声信号処理装置 | |
| KR100446595B1 (ko) | 국소화특성을이용한선스펙트럼주파수의벡터양자화방법 |