WO2001020595A1 - Codeur/decodeur vocal - Google Patents

Codeur/decodeur vocal Download PDF

Info

Publication number
WO2001020595A1
WO2001020595A1 PCT/JP1999/004991 JP9904991W WO0120595A1 WO 2001020595 A1 WO2001020595 A1 WO 2001020595A1 JP 9904991 W JP9904991 W JP 9904991W WO 0120595 A1 WO0120595 A1 WO 0120595A1
Authority
WO
WIPO (PCT)
Prior art keywords
signal
codebook
pulse
pitch lag
input signal
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Ceased
Application number
PCT/JP1999/004991
Other languages
English (en)
French (fr)
Inventor
Masanao Suzuki
Yasuji Ota
Yoshiteru Tsuchinaga
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.)
Fujitsu Ltd
Original Assignee
Fujitsu Ltd
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 Fujitsu Ltd filed Critical Fujitsu Ltd
Priority to EP99943314A priority Critical patent/EP1221694B1/en
Priority to DE69932460T priority patent/DE69932460T2/de
Priority to JP2001524094A priority patent/JP4005359B2/ja
Priority to PCT/JP1999/004991 priority patent/WO2001020595A1/ja
Publication of WO2001020595A1 publication Critical patent/WO2001020595A1/ja
Priority to US10/046,125 priority patent/US6594626B2/en
Anticipated expiration legal-status Critical
Ceased 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
    • G10L19/09—Long term prediction, i.e. removing periodical redundancies, e.g. by using adaptive codebook or pitch predictor
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
    • G10L19/04—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using predictive techniques
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • 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
    • G10L19/10—Determination or coding of the excitation function; Determination or coding of the long-term prediction parameters the excitation function being a multipulse excitation
    • G10L19/107—Sparse pulse excitation, e.g. by using algebraic codebook
    • 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
    • G10L19/16—Vocoder architecture
    • G10L19/18—Vocoders using multiple modes
    • 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
    • G10L2019/0007—Codebook element generation
    • G10L2019/0008—Algebraic codebooks

Definitions

  • the present invention relates to a speech encoding and decoding apparatus for encoding / decoding speech at a low bit rate of 4 kbit / s or less, and more particularly to an AbS (Analysis fby-Synthesis) type vector quantization.
  • the present invention relates to an audio encoding and audio decoding device that encodes and decodes audio at a low bit rate.
  • AbS-type speech coding typified by Code Excited Linear Predictive Coding (CELP), achieves high information compression efficiency while maintaining speech quality in digital mobile communications and corporate communication systems. It is expected as a method to realize it.
  • CELP Code Excited Linear Prediction
  • Figure 15 shows the principle diagram of CELP.
  • the human vocal tract is LPC synthesis filter expressed by ⁇ ( ⁇ )
  • the input to H ( Z ) sound source signal
  • CELP extracts the filter coefficients of the LPC synthesis filter and the pitch period component and the noise component of the excitation signal, and transmits the quantization index obtained by quantizing these, instead of transmitting the input voice signal to the decoder side as it is. By doing Achieving high information compression.
  • Fig. 16 is a diagram explaining the quantization method. A large number of sets of quantized LPC coefficients are stored in the quantization table 2a corresponding to the index numbers 1 to n. Distance calculator 2 b is
  • the minimum distance index detector 2c finds q that minimizes the distance d, and transmits the index q to the decoder side.
  • the LPC synthesis filter constituting the hearing weighted synthesis filter 3 is given by the following equation (2).
  • CELP the excitation signal is divided into two components, a pitch period component and a noise component.
  • the adaptive codebook 4 that stores the past excitation signal sequence is used to quantize the pitch period component, and the algebraic codebook is used to quantize the noise component. Or a noise codebook.
  • a typical CELP-type speech coding scheme using two codebooks, adaptive codebook 4 and algebraic codebook 5, as excitation codebooks will be described.
  • Adaptive codebook 4 outputs N samples of excitation signals (referred to as periodic signals) sequentially delayed by one pitch (one sample) corresponding to indices 1 to L.
  • the adaptive codebook search is performed in the following procedure.
  • the pitch lag L representing the delay from the current frame is set to an initial value Lo (for example, 20).
  • a past periodic signal (adaptive code vector) corresponding to the delay L is extracted from the adaptive codebook 4. That is, out takes adaptive code base vector P L indicated index L, obtaining the output AP L obtained by inputting the hearing weighting synthesis filter 3.
  • A is the impulse response of the auditory weighting synthesis filter 3 composed of a cascade connection of the auditory weighting filter W (z) and the LPC synthesis filter Hq (z).
  • Any filter can be used as an auditory weighting filter.
  • gh g 2 is a parameter for adjusting the characteristics of the weighting filter.
  • the search range of the lag L is arbitrary, but when the sampling frequency of the input signal is 8 k3 ⁇ 4, the range of the lag can be set to 20 to 147.
  • Algebraic codebook 5 is composed of a plurality of pulses having an amplitude of 1 or -1.
  • Fig. 18 shows the pulse positions when the frame length is 40 samples.
  • a pulse signal having +1 or 11 pulses at each sample point is sequentially output as a noise component.
  • basically four pulses per frame are arranged.
  • Figure 19 is an explanatory diagram of the sample points assigned to each pulse system group 1-4.
  • the optimum adaptive codebook output and the optimum pitch gain determined by the adaptive codebook search from the input signal X is generated by the following equation.
  • the error power evaluator 7 searches for k according to the following equation, which is equivalent to searching for C k that maximizes (AC k ) T (AC k ), that is, k.
  • Equation (10) is obtained by the following equation.
  • the gains opt and ⁇ opt are quantized.
  • the method of quantizing the gain is arbitrary, and a method such as scalar quantization or vector quantization can be used.
  • ⁇ and ⁇ are quantized and the quantization index of the gain is transmitted to the decoder.
  • the output information selection unit 9 includes (1) the quantization index of the LPC coefficient, (2) the pitch lag Lopt, (3) the algebraic codebook index (pulse signal identification data), and (4) the gain Transmit the quantized index to the decoder.
  • the state of the adaptive codebook 4 is updated before processing the input signal of the next frame.
  • the oldest (oldest) frame of the excitation signal in the adaptive codebook is discarded by the frame length, and the latest excitation signal obtained in the current frame is stored by the frame length.
  • the initial state of the adaptive codebook 4 is a zero state, that is, the amplitude of all samples is zero.
  • the CELP method can efficiently compress voice by modeling the voice generation process and quantizing and transmitting characteristic parameters of the model.
  • CELP (and its improvement) can realize high-quality reproduced sound at a bit rate of about 8 to 16 kbit / s.
  • ITU-T Recommendation G.729 (CS-A CELP) can achieve the same sound quality as 32 kbit / s ADPCM under the low bit rate condition of 8 kbit / s.
  • CS-A CELP ITU-T Recommendation G.729
  • the frame length of CS-ACELP is 5 ms (40 samples), and as described above, the noise component of the sound source signal is vector-quantized by 17 bits per frame.
  • Figure 20 shows an example of pulse arrangement when four pulses are set up in a 10 msec frame.
  • pulses of the first to third pulse systems are each represented by 5 bits
  • pulses of the fourth pulse system are represented by 6 bits.
  • 21 bits are required. In other words, when using the algebraic codebook, even if the frame length is simply doubled to 10 ms, unless the number of pulses per frame is reduced, the number of pulse combinations increases by the amount of increased pulse positions. Therefore, the number of quantization bits also increases.
  • the only way to reduce the number of bits of the algebraic codebook index to 17 bits is to reduce the number of pulses, for example, as shown in FIG.
  • the number of pulses per frame is set to three or less, the quality of reproduced sound is rapidly deteriorated. This phenomenon can be easily understood qualitatively. In other words, if 4 pulses are generated per frame when the frame book is 5 msec (Fig. 18), there are 8 pulses at 10 msec. On the other hand, if three pulses are generated per frame when the frame book is 10 msec (Fig. 21), there are naturally only three pulses at 10 msec. For this reason, the noise characteristics of the sound source signal to be represented by the algebraic codebook cannot be sufficiently expressed, and the quality of the reproduced sound is degraded.
  • an object of the present invention is to reduce the bit rate and enable high-quality sound reproduction.
  • the encoder consists of (1) LPC coefficient quantization index, (2) adaptive codebook pitch lag L op (3) algebraic codebook index (pulse signal specific data), and (4) gain quantum Transmit the encryption index to the decoder.
  • 8 bits are required to transmit the pitch lag, and if the pitch lag is not sent, the number of bits for expressing the algebraic codebook index can be increased accordingly. That is, the number of pulses included in the pulse signal output from the algebraic codebook can be increased, and high-quality speech code transmission and high-quality reproduction can be performed.
  • the pitch period changes slowly in the stationary part of speech. In the stationary part, the pitch lag of the current frame is considered to be the same as the pitch lag of the past (for example, immediately before) frame. Playback audio quality hardly deteriorates.
  • an encoding mode 1 using the pitch lag obtained from the input signal of the current frame and an encoding mode 2 using the pitch lag obtained from the input signal of the past frame are prepared.
  • the encoder re-encodes each frame in encoding mode 1 and encoding mode 2, respectively, and transmits a code encoded in a mode that can reproduce the input signal more accurately to the decoder. In this way, the bit rate can be reduced and high-quality audio can be reproduced.
  • an encoding mode 1 using a pitch lag obtained from the input signal of the current frame and an encoding mode 2 using a pitch lag obtained from the input signal of the past frame are prepared, and the first mode having a small number of pulses in the encoding mode 1 is provided.
  • An algebraic codebook is used, and in encoding mode 2, a second algebraic codebook having more pulses than the first codebook is used.
  • an optimal mode is determined based on the properties of the input signal, for example, the periodicity of the input signal, and encoding is performed based on the determined mode. In this way, the bit rate can be reduced and high-quality audio can be reproduced.
  • FIG. 1 is a first schematic explanatory diagram of the present invention.
  • FIG. 2 is an example of a pulse arrangement of the algebraic codebook 0.
  • FIG. 3 is an example of a pulse arrangement in the algebraic codebook 1.
  • FIG. 4 is a second schematic explanatory diagram of the present invention.
  • FIG. 5 shows an example of a pulse arrangement in the algebraic codebook 2.
  • FIG. 6 is a configuration diagram of a first embodiment of the encoding device.
  • FIG. 7 is a configuration diagram of a second embodiment of the encoding device.
  • FIG. 8 shows a processing procedure of the mode determination unit.
  • FIG. 9 is a configuration diagram of a third embodiment of the encoding device.
  • FIG. 10 shows a pulse arrangement example of each algebraic codebook used in the third embodiment.
  • FIG. 11 is a conceptual diagram of pitch periodization.
  • FIG. 12 is a configuration diagram of a fourth embodiment of the encoding device.
  • FIG. 13 is a configuration diagram of a first embodiment of a decoding device.
  • FIG. 14 is a configuration diagram of a second embodiment of the decoding device.
  • Figure 15 shows the principle of CELP.
  • FIG. 16 is an explanatory diagram of the quantization method.
  • FIG. 17 is an explanatory diagram of the adaptive codebook.
  • Fig. 18 shows an example of pulse arrangement in the algebraic codebook.
  • FIG. 19 is an explanatory diagram of sample points assigned to each pulse system group.
  • FIG. 20 shows an example in which four pulses are set in a frame of 10 ms e c.
  • FIG. 21 shows an example in which three pulses are set in a 10 ms e c frame.
  • the present invention provides a first encoding mode (mode 0) using a pitch lag obtained from an input signal of a current frame as a pitch lag of a current frame, and a second encoding mode using a pitch lag obtained from a past input signal, for example, one frame before.
  • the coding mode (mode 1) is prepared. In mode 0, an algebraic codebook with a smaller number of pulses is used. In mode 1, an algebraic codebook with a larger number of pulses is used than in the algebraic codebook of mode 0. Which mode is used for encoding depends on whether the sound can be faithfully reproduced. Since the number of pulses increases in mode 1, the noise component of the audio signal can be represented more faithfully than in mode 0.
  • the input signal vector X is input to the LPC analysis unit 11 and the LPC coefficient a (i) , ..., ⁇ ).
  • ⁇ is the LPC analysis order.
  • the number of dimensions of X is the same as the number N of samples forming a frame.
  • the dimension number of the revector is assumed to be N unless otherwise specified.
  • the LPC synthesis filter 13 representing the vocal tract characteristics is composed of aq (i), and its transfer function is It is represented by
  • the first code section 14 operating in mode 0 is composed of an adaptive codebook (adaptive codebook 0) 14 a, an algebraic structure codebook (algebraic codebook 0) 14 b, and gain multipliers 14 c, 1 4 d and power!]
  • the calculator has 14 e.
  • the second code section 15 operating in mode 1 is composed of an adaptive codebook (adaptive codebook 1) 15a, an algebraic structure codebook (algebraic codebook 1) 15b, and a gain multiplier 1 5c, 15d and an adder 15e are provided.
  • the pulse arrangement of the algebraic structure codebook 14 b in the first code unit 14 is as shown in FIG.
  • the algebraic structure codebook 1 4 b is composed of N
  • the sample point is divided into three pulse system groups 0 to 2 and one sample point is extracted from each pulse system group.
  • a pulse signal having a positive pulse is sequentially output as a noise component.
  • Kicking pulse position and pulse 6 bits required Do Re to represent the polarity of the need to Totanore 17 bits to identify the pulsed signal Ninari, the number of combinations m is 2 1 7 copies Li.
  • the pulse arrangement of the algebraic structure codebook 15b in the second code section 15 is as shown in FIG. That is, the algebraic structure codebook 15b is composed of N
  • the first encoding unit 14 which is a communication has the same configuration as that of normal CELP, and the codebook search is performed in the same manner as CELP. That is, the pitch lag L is changed within a predetermined range (for example, 20 to 147) in the first adaptive codebook 14a, and the adaptive codebook output P at each pitch lag.
  • (L) is input to the LPC synthesis filter 13 via the mode switching unit 16, and the calculation unit 17 calculates the error power between the LPC synthesis filter output and the input signal X, and outputs the error power evaluation unit 1 8 is the optimal pitch lag Lag and the optimal pitch gain
  • the error power between the filter output and the input signal X is calculated, and the error power evaluator 18 is an index I for identifying the pulse signal having the minimum error power.
  • m 2 17 represents the size of the algebraic codebook 14 b (total number of combinations of Panoress).
  • Mode 1 differs from mode 0 in that no adaptive codebook search is performed.
  • the pitch period changes slowly in the stationary part of speech. Even if the pitch lag is the same as that of the previous frame (for example, the previous frame), the reproduced audio quality is hardly degraded. In such a case, there is no need to send the pitch lag to the decoder, so that there is a margin for the number of bits (for example, 8 bits) necessary for encoding the pitch lag. Therefore, these 8 bits are used to represent the algebraic codebook index.
  • the pulse arrangement of the algebraic codebook 15b can be made as shown in FIG. 3, and the number of pulses of the pulse signal can be increased.
  • CELP if the number of bits transmitted in the algebraic codebook (or noise codebook, etc.) is increased, the quality of replayed speech, which can express complex sound source signals, is improved.
  • the second encoding unit 15 does not perform the adaptive codebook search, regards the optimal pitch lag lag_old obtained in the past frame (for example, the previous frame) as the optimal lag of the current frame, and determines the optimal pitch gain at that time. Ask. Next, the second encoder 15 performs an algebraic codebook search using the algebraic codebook 15b in the same manner as the algebraic codebook search in the first encoder 14, and obtains the pulse '14 signal with the minimum error power. The optimal index I and the optimal gain y to be specified are determined.
  • the error power evaluator 18 calculates each error power between the sound source signal vectors e 0 and ei and the input signal.
  • the mode determination unit 19 compares the error power input from the error power evaluation unit 18 and determines the mode with the smaller error power as the mode to be used finally.
  • the output information selection unit 20 outputs the mode information and the LPC quantum Select the quantization index, pitch lag, algebraic codebook index and gain quantization index of the mode to be used, and transmit them to the decoder.
  • the state of the adaptive codebook is updated before processing the input signal of the next frame.
  • the state update Discard the source signal of the oldest (oldest) frame by the frame length, and store the latest source signal ex (source signal e. Or ei ) obtained in the current frame. Note that the initial state of the adaptive code book is set to zero.
  • the mode to be finally used is determined after performing the adaptive codebook search / algebraic codebook search for all modes (mode 0, mode 1). It is also possible to determine which mode to adopt in accordance with, and execute adaptive codebook search / algebraic codebook search in one of the adopted modes to perform encoding.
  • two adaptive codebooks are used.However, since two identical codebooks store the same excitation signal in the past, they may be implemented with one adaptive codebook. .
  • FIG. 4 is a second schematic explanatory view of the present invention, and the same parts as those in FIG. 1 are denoted by the same reference numerals. The different point is the configuration of the second encoding unit 15.
  • the algebraic codebook 15 b of the second code part 15 (1) the first algebraic structure codebook 15 and (2) the second algebraic structure codebook 15 Algebraic structure Codebook 1 5 b 2 is provided.
  • N 80
  • a pulse signal having a positive or negative pulse is sequentially output at sample points taken out of the group one by one.
  • the algebraic codebook switching unit 15 f sets the value of the past pitch lag L ag—old If M is larger than M, the pulse signal output from the first algebraic structure codebook 15 is selected.If M is smaller than M, the pulse signal output from the second algebraic structure codebook 15 b 2 is selected. .
  • the pitch periodizer 15 g uses the pulse of the second algebraic codebook 15 b 2 A pitch period process for repeatedly outputting the sex signal pattern is performed.
  • the amount of information for transmitting the re-pitch lag by using the past pitch lag is deleted.
  • mode 1 in which the amount of information in the algebraic codebook is increased, high-quality reproduced speech quality can be obtained in the stationary part of speech such as voiced parts. Further, by switching between mode 0 and mode 1 in accordance with the characteristics of the input signal, it is possible to obtain high-quality reproduced voice quality for input voices having various characteristics.
  • FIG. 6 is a block diagram of a first embodiment of the speech encoding apparatus of the present invention, which has a speech encoder composed of two modes, mode 0 and mode 1.
  • the LPC analysis unit 11 and LPC coefficient quantization unit 12 that are common to mode 0 and mode 1 will be described.
  • the input signal is divided into frames of a fixed length of about 5 to 10 msec, and the encoding process is performed in frame units.
  • the number of LPC analyzes is ⁇ .
  • the method of quantizing LPC coefficients is arbitrary, and methods such as scalar quantization and vector quantization can be used. Also, instead of directly quantizing the LPC coefficient, it is first converted to another parameter with excellent quantization characteristics, such as the k parameter (reflection coefficient) and LSP (line spectrum pair). It may be quantized.
  • the transfer function H (z) of the LPC synthesis filter 13a that forms the auditory weighted synthesis filter 13 is
  • the first encoding unit 14 operating according to mode 0 has the same configuration as ordinary CELP, and has an adaptive codebook 14a, an algebraic codebook 14b, gain multiplication units 14c and 14d, an adder 14e, and a gain. Equipped with a quantization unit 14 h, (1) finds the optimal pitch lag Lag, (2) algebraic codebook index index-C0, and (3) gain index index-gO.
  • the search method for the adaptive codebook 14a and the search method for the algebraic codebook 14b in mode 0 are the same as the methods described in (A) in the outline of the present invention.
  • the gain quantizer 14h quantizes the pitch gain and the algebraic codebook gain.
  • the quantization method is arbitrary, and scalar quantization or vector quantization can be used.
  • the pitch gain which is quantized) 8 0, the quantized gain of the algebraic codebook 14 b gamma.
  • the optimal sound source vector e 0 of mode 0 is
  • the second encoding unit 15 operating according to the mode 1 does not perform the adaptive codebook search.
  • the optimal pitch lag searched for in the previous frame is used as the optimal pitch lag for the current frame.
  • the adaptive codebook 15a no search processing is performed, and the optimum pitch lag Lag-old obtained in the past frame (for example, the previous frame) is used as the optimum lag of the current frame to obtain the optimum pitch gain i8.
  • the optimum pitch gain can be calculated by equation (6). As described above, since it is not necessary to transmit the pitch lag to the decoder in mode 1, the number of bits required for the pitch lag transmission (for example, 8 bits per frame) is divided into the quantization of the algebraic codebook index. You can guess.
  • the output of adaptive codebook 15a determined in mode 1 is P i
  • the output of algebraic codebook 15b is C i
  • the quantized pitch gain is the quantized value of algebraic codebook 15b.
  • This sound source vector ei is input to the weighting filter 13b ', and its output is input to the LPC synthesis filter 13a' to create a weighted synthesized output syiu.
  • the error power evaluation section 18 ' calculates the error power errl between the input signal X and the weighted composite output syiu and inputs the error power errl to the mode determination section 19.
  • the mode determination unit 19 compares errO and errl, and finally determines the one with smaller error power as the use mode.
  • the selected mode (0 or 1).
  • the output information selection unit 20 selects a pitch lag Lag—opt, an algebraic codebook index Index— (:, a gain index Index_g, based on the use mode, and outputs the mode information and the LPC index to these.
  • the final coded data (transmission information) is created by adding information and transmitted.
  • the state of the adaptive codebook is updated before processing the input signal of the next frame.
  • the initial state of the adaptive codebook is a zero state, that is, the amplitude of all samples is zero.
  • FIG. 6 Although the embodiment of FIG. 6 has been described using two adaptive codebooks 14a and 15a, the two adaptive codebooks store exactly the same excitation signal in the past. It may be realized by a book. Further, in the embodiment of FIG. 6, two weighting filters, two LPC synthesis filters, and two error power evaluators are used, but each may be shared and used as one.
  • a non-stationary part such as a unvoiced part or a transient part performs the same encoding processing as the conventional CELP
  • a stationary part of the voice such as a voiced part has a mode (mode 1).
  • FIG. 7 is a configuration diagram of a second embodiment of the speech encoding apparatus, and the same parts as those in the first embodiment of FIG.
  • an adaptive codebook search / algebraic codebook search is performed in each mode, a mode having a smaller error is determined as a mode to be finally used, and a pitch lag L ag ⁇ op t, algebraic codebook index Index-C, and gain index Index-g were selected and transmitted to the decoder.
  • the characteristics of the input signal are examined before searching, and the mode to be used is determined according to the characteristics, and the adaptive codebook search / algebraic code is used in one of the adopted modes. Book Run and encode.
  • the difference between the second embodiment and the first embodiment is that (1) A mode determination unit 31 is provided to check the properties of the input signal X before searching the codebook, and determine which mode to use depending on the properties.
  • a mode output selection unit 32 is provided to select the outputs of the encoding units 14 and 15 corresponding to the adopted mode and input them to the weighting filter 13b.
  • the output information selection unit 20 selects and transmits information to be transmitted to the decoder based on the mode information input from the mode determination unit 31,
  • the mode determination unit 31 checks the properties of the input signal X, and generates mode information indicating which mode 0 or mode 1 is to be adopted according to the properties. If mode 0 is determined to be optimal, the mode information is set to 0. If mode 1 is determined to be optimal, the mode information is set to 1. Based on this determination result, the mode output selector 32 selects the output of the first encoder 14 or the second encoder 15. As a mode determination method, a method of detecting a change in the open loop plug can be used.
  • N is the number of samples constituting one frame.
  • the lag k at which the autocorrelation function R (k) is maximized is determined (step 102).
  • the lag k at which the autocorrelation function R (k) is maximized is called an open loop plug and is represented by.
  • the open loop plug obtained in the same way in the previous frame is referred to as L-o Id. Then, the difference between the open loop plug L-o Id of the previous frame and the open loop plug L of the current frame
  • (L-old-L) is calculated (step 103). If (L-old-L) is larger than a predetermined threshold, the periodicity of the input voice is considered to have changed greatly, and the mode information is set to 0. . On the other hand, if (L-old-L) is smaller than the threshold, it is considered that the periodicity of the input speech has not changed from the previous frame, and the mode information is set to 1. Top 104). Thereafter, the above processing is repeated for each frame. After completion of the mode determination, the open loop plug L obtained in the current frame is retained as L-old for mode determination in the next frame.
  • the mode output selector 32 selects terminal 0 if the mode information is 0, and selects terminal 1 if the mode information is 1. Therefore, unlike the first embodiment, the two modes do not operate simultaneously in the same frame.
  • the first encoding unit 14 searches the adaptive codebook 14 a and the algebraic codebook 14 b, and thereafter, obtains a gain quantizer 14. h is pitch gain. And algebraic codebook gainers. Is performed. At this time, the second encoding unit according to mode 1 does not operate.
  • the second encoding unit 15 does not perform the adaptive codebook search, and the optimal pitch lag 1 ag— obtained in the past frame (for example, the previous frame).
  • o 1 d is regarded as the optimal lag of the current frame, and the optimal pitch gain ⁇ i at that time is obtained.
  • the second encoding unit 15 performs an algebraic codebook search using the algebraic codebook 15b, and determines an optimal index Ie and an optimal gain yi for specifying a pulse signal having the minimum error power.
  • the gain quantizer 15h performs quantization of the pitch gain and the algebraic codebook gain. At this time, the first sign section 14 on the mode 0 side does not operate.
  • the encoded signal before searching for the codebook, it is determined in which mode to encode based on the properties of the input signal, and the encoded signal is output in that mode, as in the first embodiment. Since there is no need to select the best mode after encoding in two modes, the processing amount can be reduced and high-speed processing is possible.
  • FIG. 9 is a block diagram of a third embodiment of the speech coding apparatus, and the same parts as those in the first embodiment of FIG. The difference from the first embodiment is that
  • the algebraic codebook switching unit 15 f is provided, and if the past pitch lag value Lag-old in mode 1 is larger than the threshold Th, the pulse characteristic as a noise component output from the first algebraic structure codebook 15 bi Select a signal, and select a pulse signal to be output from the second algebraic structure codebook 1 5 b 2 below the threshold.
  • the first encoding unit 14 obtains the optimum pitch lag Lag, algebraic codebook index Index-C0, and gain index Index-gO by exactly the same processing as in the first embodiment.
  • the second encoding unit 15 does not search the adaptive codebook 15a as in the first embodiment, and uses the optimal pitch lag Lag-old determined in the past frame (for example, the previous frame). Used as the optimal pitch lag for the current frame.
  • the optimum pitch gain is calculated by equation (6).
  • the second encoding unit 15 uses the first algebraic codebook 15 bi in accordance with the value of the pitch lag L ag — 0 1 d when searching for the algebraic codebook, or the second algebraic codebook 1 Decide whether to use 5 b 2 and search.
  • Figure 10 (a) shows an example of the pulse arrangement configuration of the algebraic codebook 14b used in mode 0.
  • This pulse arrangement example is a case where the number of pulses is 3 and the number of quantization bits is 17 bits.
  • si is the pulse polarity (+1 or -1) of the pulse system i
  • mi is the pulse position of the pulse system i.
  • ⁇ (0) 1.
  • Mode 1 since the past pitch lag L ag — 01 d is used, it is not necessary to assign a quantization bit to the pitch lag. For this reason, it is possible to allocate a large number of bits to the algebraic codebook 14 b to the algebraic codebook 15 15 b 2 .
  • Fig. 10 (b) shows an example of pulse arrangement when five pulses are generated in one frame at 25 bits.
  • the first algebraic structure codebook 15 has this pulse arrangement, and sequentially outputs a pulse signal having a positive or negative pulse at sample points taken out one by one from each pulse system group.
  • FIG. 10 (c) shows an example of a pulse arrangement in the case where 25 pulses are used to generate six pulses in a period shorter than one frame.
  • the second algebraic structure codebook 1 5 b 2 comprises a pulse arrangement to sequentially output pulses of signals having a positive polarity or a pulse of the negative electrode 14 at the sample points extracted one Dzu' from each pulse sequence groups .
  • the number of pulses per frame is two more than in Fig. 10 (a).
  • the pulse arrangement in Fig. 10 (c) arranges pulses in a narrow range (sample points 0 to 55), but the number of pulses is three more than in Fig. 10 (a). .
  • the second algebraic structure codebook 1 5 b 2 is arranged a pulse in a narrow range (sampling points 0 to 5 5) compared to the first algebraic codebook 1 5, but the pulse number is large.
  • the second algebraic codebook 15 b 2 can code the excitation signal more precisely than the first algebraic codebook 15 bi.
  • the periodicity of the input signal X in mode 1 is short, a pulse signal as a noise component is generated using the second algebraic structure codebook 1 5 b 2, and if the periodicity is long, the first algebraic structure code use book 1 5 b 2 generates a pulsed signal is a noise component.
  • the past pitch lag Lag-old is a predetermined threshold
  • Th for example, 55
  • the second Search using the algebraic codebook 1 5 b 2 if the past pitch lag Lag—old is less than or equal to the threshold Th (for example, 55), the second Search using the algebraic codebook 1 5 b 2 .
  • the pitch period method may be not only simple but repetitive, but may be repeated by attenuating or amplifying the first Lag-old samples at a fixed rate.
  • Fig. 11 is a conceptual diagram of pitch periodicization by the pitch periodicizing unit 15g, (1) is a pulse signal that is a noise component before pitch period, and (2) is a pulse characteristic after pitch period. Signal.
  • the pulse '14 signal after the pitch period is obtained by repeating (copying) the noise component A for the pitch lag Lag-old before the pitch period.
  • the first Lag-old samples may be attenuated or amplified at a fixed rate and repeated.
  • the algebraic codebook switcher 15 f connects the switch to the terminal Sa if the value of the past pitch lag Lag—old is larger than the threshold Th, and outputs the pulse output from the first algebraic codebook 15 I. Input signal to the gain multiplier 15 d, and the gain multiplier 15 d Multiply the signal by the algebraic codebook gain.
  • the algebraic codebook Setsuri replacement unit 1 5 f if the smaller the threshold value Th Yorimo past pitch lag L ag-old connect the switch Sw to a terminal S b, the pitch period of a pitch period section 1 5 g
  • the pulse signal output from the obtained second algebraic codebook 15 b 2 is input to a gain multiplier 15 d, and the gain multiplier 15 d multiplies the input signal by an algebraic codebook gain ⁇ i.
  • the number of quantization bits and the pulse arrangement shown in the present embodiment are merely examples, and various examples of the number of quantization bits and pulse arrangements are possible. Further, in the present embodiment, the number of encoding modes has been described as two, but the number of modes may be three or more.
  • two weighting filters two LPC synthesis filters, and two error power evaluators are used.
  • one common filter may be used, and the input to each filter may be switched.
  • the number of pulses and the pulse arrangement are adaptively switched according to the value of the past pitch lag, so that the excitation signal is more precisely encoded than the conventional speech encoding method. And high quality reproduced voice quality can be obtained.
  • Fig. 12 is a block diagram of the fourth embodiment of the speech coding apparatus.
  • the characteristics of the input signal are examined before the search, and the mode 0 or 1 is determined according to the property. Then, the adaptive codebook search / algebraic codebook search is executed and encoded in one of the adopted modes.
  • the difference between the fourth embodiment and the third embodiment is that
  • a mode determining unit 31 is provided to check the properties of the input signal X before searching the codebook, and determine which mode to use depending on the properties.
  • a mode output selection unit 32 is provided to select the outputs of the encoding units 14 and 15 corresponding to the adopted mode and to input them to the auditory weighted synthesis filter 13.
  • the mode determining process of the mode determining unit 31 is the same as the process of FIG. According to the fourth embodiment, before searching for the codebook, it is determined in which mode to encode based on the properties of the input signal, and the encoded signal is output in that mode, as in the third embodiment. Since there is no need to select the best one in two modes, the amount of processing can be reduced and high-speed processing is possible.
  • FIG. 13 is a block diagram of the first embodiment of the speech decoding apparatus.
  • the speech signal is reproduced by decoding the code information sent from the speech encoding apparatus (the first and second embodiments). That is what you do.
  • the LPC synthesis filter 52 uses the LPC coefficient a q (i)
  • the first decoding section 53 corresponds to the first coding section 14 in the speech coding apparatus, and includes an adaptive codebook 53 a, an algebraic codebook 53 b, and a gain multiplication section 53 c 53 d. , And an adder 53 e.
  • the algebraic codebook 53b has the pulse arrangement shown in FIG.
  • the second decoding section 54 corresponds to the second coding section 15 in the speech coding apparatus, and includes an adaptive codebook 54a, an algebraic codebook 54b, and gain multiplication sections 54c and 54. d and an adder 54 e.
  • the algebraic codebook 54b has the pulse arrangement shown in FIG.
  • the pitch lag L ag is input to the adaptive codebook 53 a of the first decoding unit, and Codebook 5 3 pitch pitch component (adaptive codebook vector) P for 80 samples corresponding to the pitch tag Lag. Output.
  • the algebraic codebook index I ndex-C is input to the algebraic codebook 53 b of the first decoding unit, and the corresponding noise component is input. Minutes (algebraic codebook vector) c. Output.
  • the gain index Index-g is input to the gain inverse quantization unit 55, and the inverse quantization value of the gain inverse quantization unit 55 pitch gain is input.
  • the pitch lag Lag—old of the previous frame is changed to the adaptive codebook 54 of the second decoding unit 54.
  • the algebraic codebook index Index-C is input to the algebraic codebook 54b of the second decoding unit 54, and the corresponding noise component (algebraic codebook vector) ⁇ ( ⁇ ) is generated according to equation (25). Is done.
  • the gain index Index-g is input to the gain dequantization unit 5 5, and the gain dequantization unit 5 5
  • the dequantized value of the pitch gain) 3 i and the dequantized value of the algebraic codebook gain are multiplied by 5 Enter 4c and 5 4d.
  • the sound source signal e of mode 1 given by is output from the adder 54 e.
  • the mode switch 56 switches the switch Sw2 according to the mode information. That is, if the mode information is 0, Sw2 is connected to the terminal 0, whereby e. Becomes the sound source signal ex. If the mode information is 1, switch Sw2 is connected to terminal 1 and ei is sound source signal ex.
  • the sound source signal ex is input to the adaptive codebooks 53a and 54a to update the contents. That is, the excitation signal of the oldest frame in the adaptive codebook is discarded, and the latest excitation signal ex obtained in the current frame is stored.
  • the sound source signal ex is input to an LPC synthesis filter 52 composed of LPC quantization coefficients aq (i), and the LPC synthesis filter 52 outputs an LPC synthesis output y.
  • the LPC synthesized output y may be output as a reproduced sound, but it is desirable to pass it through a BOST filter 57 in order to further improve the sound quality.
  • the configuration of the post filter 57 is arbitrary.
  • the post filter of (32) can be used.
  • ⁇ “ ⁇ 2 ” is a parameter for adjusting the characteristics of the post filter, and its value is arbitrary.
  • the number of pulses and the pulse arrangement are adaptively switched according to the value of the past pitch lag, so that a higher reproduced voice quality can be obtained as compared with the conventional speech decoder. it can.
  • FIG. 14 is a block diagram of a second embodiment of the speech decoding apparatus.
  • the speech signal is reproduced by decoding the code information sent from the speech encoding apparatus (the third and fourth embodiments).
  • the same parts as those in the first embodiment in FIG. 13 are denoted by the same reference numerals. The difference from the first embodiment is that
  • the first algebraic structure codebook 5 4 provided second algebraic structure codebook 54 b 2
  • the first algebraic structure codebook 54 Figure 1 0 (b) comprises a pulse arrangement shown in, from the second algebraic structure codebook 5 4 b 2 is that comprises a pulse arrangement shown in FIG. 1 0 (c)
  • the algebraic codebook switching unit 54 f is provided, and if the past pitch lag value Lag—old in mode 1 is larger than the threshold Th, a pulse that is a noise component output from the first algebraic structure codebook 54 And selecting a pulse signal to be output from the second algebraic structure codebook 5 4 b 2 below the threshold.
  • the second algebraic codebook 5 4 b 2 has a pulse arrangement in a narrower range (sample points 0 to 55) than the first algebraic codebook 541. And a noise component output from the second algebraic codebook 54 b 2 by the pitch periodizing unit 54 g.
  • Pulse signal is repeatedly generated and a pulse signal for one frame is output. Is a point.
  • the mode information is 0, exactly the same decoding processing as the decoding processing of the first embodiment is performed.
  • the mode information is 1, if the pitch lag L ag — old of the previous frame is larger than a predetermined threshold Th (for example, 55), the algebraic codebook index Index-C becomes the first algebraic codebook.
  • the codebook output d di) is generated by equation (25). If the pitch lag L ag—old is also small, the algebraic codebook index Index-C is input to the second algebraic codebook 5 4 b 2 , and C (D) is given by equation (27). Nyori is produced. Thereafter, the same decoding processing as in the first embodiment is performed, and the post-filter 57 reproduced audio signal is output.
  • the number of pulses and the pulse arrangement are adaptively switched according to the past pitch lag value, so that a higher quality reproduced voice can be obtained as compared with the conventional speech decoding method. it can.
  • the pitch lag information required for a re-adaptive codebook is reduced by using (1) the conventional CELP mode (mode 0) and (2) the past pitch lag, and the information amount of the algebraic codebook is increased.
  • the non-stationary part such as the unvoiced part and the transient part
  • the same coding processing as that of the conventional CELP is performed, and the stationary part of the voice such as the voiced part is processed by the mode (mode 1).
  • mode mode 1

Landscapes

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

Description

明 細 書
音声符号化及び音声復号化装置
技術分野
本発明は 4kbit/s以下の低ビットレートで音声を符号化 /復号化する音声符号 化及び音声復号化装置に係わリ、 特に、 A-b-S (Analysisfby-Synthesis) 型べク トル量子化を用いて低ビットレートで音声を符号化ノ復号化する音声符号化及び 音声復号化装置に関する。 CELP(Code Excited Linear Predictive Coding:符号 駆動線形予測符号化）に代表される A-b-S型の音声符号化方式は、 デジタル移動体 通信、 企業内通信システムなどにおいて、 音声品質を保ちつつ高い情報圧縮効率 を実現する方式として期待されている。
背景技術
現在、 ディジタル移動体通信や企業内通信システムなどの分野では、 電話帯域 (0.3-3.4kHz)の音声を 4kb i t/s程度の伝送レートで符号化することが望まれてい る。 このような要求に対し、 CELP(Code Excited Linear Predict ion:符号駆動線 形予測）と呼ばれる方式が有望視されている。 CELPの詳細については、 例えば、 「M. R. Schroeder, and B.S. Atal Code-Exc i ted Linear Predi ct ion (CELP)： High- Quality Speech at Very Low Bit Rates"Proc. ICASSP' 85, 25.1. l,pp937-940, 198 5」に開示されている。 CELPは、 人間の声道特性を表す線形予測係数（LPC係数)、 音声のピッチ成分と雑音成分とからなる音源信号を表わすパラメータを効率良く 伝送することを特徴とする。
図 1 5に CELPの原理図を示す。 CELPでは人間の声道を次式
Figure imgf000003_0001
で表される LPC合成フィルタ Η(ζ)で近似し、 H(Z)への入力（音源信号）が、 （1)音声 の周期性を表すピッチ周期成分と、 （2)ランダム性を表す雑音成分とに分離でき ると仮定する。 CELPは、 入力音声信号をそのまま復号器側へ伝送するのではなく 、 LPC合成フィルタのフィルタ係数及び励起信号のピッチ周期成分と雑音成分を 抽出し、 これらを量子化して得られる量子化インデックスを伝送することにより 、 高い情報圧縮を実現している。
図 1 5において、 音声信号を所定速度でサンプリングしたとき、 1フレーム当 リ所定サンプル数 （ = N) の入力信号 Xがフレーム単位で LPC分析部 1に入力す る。 サンプリング速度を 8kHz、 1フレーム期間を 10ms ecとすれば、 1フレームは 80 サンプルである。
LPC分析部 1は、 人間の声道を式（1)で表される全極型フィルタと見なし、 この フィルタの係数 a i (i=l， · ' ·，ρ)を求める。 ここで、 Ρはフィルタ次数である。 一 般に、 電話帯域音声の場合は!)として 10-12の値が用いられる。 LPC係数ひ i (i=l, · •· , ρ)は LPC係数量子化部 2でスカラー量子化やべクトル量子化などによリ量子化 された後、 量子化インデックスが復号器側へ伝送される。 図 1 6は量子化方法説 明図でぁリ、 量子化テーブル 2 aにはインデックス番号 1〜nに対応させて多数 の量子化 LPC係数の組が記憶されている。 距離演算部 2 bは次式
d =W ·∑ Λ ' - α ·,} 2 (i=l~p)
により距離を演算する。 そして、 qを 1〜！!まで変化させた時、 最小距離インデ ックス検出部 2 cは距離 dが最小となる qを求め、 インデックス qを復号器側へ 伝送する。 この場合、 聴覚重み付き合成フィルタ 3を構成する LPC合成フィルタ は次式 (2) となる。
次に音源信号の量子化を行う。 CELPでは音源信号をピッチ周期成分と雑音成分 の 2つに分け、 ピッチ周期成分の量子化には過去の音源信号系列を格納した適応 符号帳 4を用い、 雑音成分の量子化には代数符号帳や雑音符号帳などを用いる。 以下では、 音源符号帳として適応符号帳 4と代数符号帳 5の 2つを使用する典型 的な CELP型の音声符号化方式について説明する。
適応符号帳 4は、 インデックス 1〜Lに対応して順次 1ピッチ （1サンプル） 遅延した Nサンプル分の音源信号 （周期性信号という） を出力するようになって いる。 図 1 7は L = 147、 1フレーム 80サンプル（N=80)とした場合の適応符号帳 4 の構成図であリ、 最新の 227サンプルのピッチ周期成分を記憶するバッファ BF で構成され、 インデックス 1によリ 1~80サンプルよりなる周期性信号が特定され 、 インデックス 2によリ 2~81サンプルよリなる周期性信号が特定され、 ···インデ ックス 147によリ 147~227サンプルよリなる周期' 14信号が特定される。
適応符号帳探索は以下の手順で行う。 まず、 現フレームからの遅れを表すピッ チラグ Lを初期値 Lo (例えば 20)に設定する。 次に、 遅れ Lに相当する過去の周 期性信号 (適応符号ベク トル） を適応符号帳 4から取リ出す。 すなわち、 イン デックス Lが示す適応符号べクトル PLを取リ出し、 この を聴覚重み付き合成 フィルタ 3に入力して得られる出力 APLを求める。 ここで、 Aは聴覚重み付け フィルタ W(z)と LPC合成フィルタ Hq(z)の従属接続によリ構成される聴覚重み付 き合成フィルタ 3のインパルス応答である。
聴覚重み付けフィルタとしては任意のフィルタが使用可能であるが、 例えば次 式
m
W{z) =―" ^ ； (3)
1+ 2^9 °¾ z~x
で示す特性を有するフィルタを用いることができる。 ここで、 gh g 2は重み付 けフィルタの特性を調整するパラメータである。
演算部 6は入力音声と A P Lの誤差電力 E Lを次式
Figure imgf000005_0001
によリ求める。 ここで、 はピッチゲインである。
適応符号帳出力の重み付き合成出力を APLとし、 APLの自己相関を Rpp、 A Pしと入力信号 Xの相互相関を Rxpとすると、 式（4)の誤差電力が最小となるピ ツチラグ Loptにおける適応符号べク トル ま、 次式で pL ― rgmax
、 ノ （5)
( (XTAPL)2
= aT9maX[(APLV(APL) 表される。 ただし、 Tは転置を意味する。 従って、 誤差電力評価部 7は（5)式を 満足するピッチラグ Lop tを求める。 また、 最適ピッチゲイン op tは次式
)8opt = Rxp/Rpp (6)
で与えられる。 ラグ Lの探索範囲は任意であるが、 入力信号のサンプリング周波 数が 8k¾の場合には、 ラグの範囲を 20~147にすることができる。
次に代数符号帳 5を用いて音源信号に含まれる雑音成分を量子化する。 代数符 号帳 5は、 振幅が 1又は - 1の複数のパルスから構成される。 例として、 フレーム 長が 40サンプルの場合のパルス位置を図 1 8に示す。 代数符号帳 5は、 1フレー ムを構成する N (=40)サンプル点を複数のパルス系統グループ 1〜 4に分割し、 各パルス系統グループから 1つのサンプル点を取り出してなる全組み合わせにつ いて、 各サンプル点で + 1あるいは一 1のパルスを有するパルス性信号を雑音成 分として順次出力する。 この例では、 基本的に 1フレームあたリ 4本のパルスが配 置される。 図 1 9は各パルス系統グループ 1〜4に割り当てたサンプル点の説明 図であリ、
(1) パルス系統グループ 1には 8個のサンプル点 0、 5、 10， 15， 20, 25， 30， 35が 割リ当てられ、
(2) パルス系統グループ 2には 8個のサンプル点 1、 6、 11， 16， 21， 26， 31， 36が 割り当てられ、
(3) パルス系統グループ 3には 8個のサンプル点 2、 7、 12， 17， 22, 27， 32， 37が 割リ当てられ、
(4) パルス系統グループ 4には 16個のサンプル点 3,4,8,9,13,14,18,19,23,24 ，28， 29， 33， 34， 38, 39が割り当てられている。
パルス系統グループ 1〜 3のサンプル点を表現するために 3ビット、 パルスの 正負を表現するのに 1 bit、 トータル 4 bit が必要であり、 又、 パルス系統ダル ープ 4のサンプル点を表現するために 4 bit, パルスの正負を表現するのに 1 bit 、 トータノレ 5 bit 必要である。 従って、 図 1 8のパルス配置を有する雑音符号帳 5から出力するパルス' !4信号を特定するために 17 b i tが必要になり、 パルス性信 号の種類は 217 (= 24x 24x 24x 25) 存在する。
以下では、 上記の例について代数符号帳探索を説明する。 図 1 8に示すように 各パルス系統のパルス位置は限定されておリ、 代数符号帳探索では各パルス系統 のパルス位置の組み合わせの中から、 再生領域で入力音声との誤差電力が最も小 さくなるパルスの組み合わせを決定する。 すなわち、 適応符号帳探索で求めた最 適ピッチゲイン c p tとし、 適応符号帳出力 P Lに該ゲイン 0 p tを乗算して加算 器 8に入力する。 これと同時に代数符号帳 5ょリ順次パルス性信号を加算器に 8 に入力し、 加算器出力を重み付き合成フィルタ 3に入力して得られる再生信号と 入力信号 Xとの差が最小となるパルス性信号を特定する
具体的には、 まず入力信号 Xから適応符号帳探索で求めた最適な適応符号帳出 力 最適ピッチゲイン 。Ptから次式によリ代数符号帳探索のためのターゲッ トべク トル X' を生成する。
X' =X-j30ptAPL (7)
この例では、 パルスの位置と振幅 (正負）を前述のように 17bitで表現するため 、 その組合わせは 2の 17乗通リ存在する。 ここで、 k通リ目の代数符号出力べクト ルを Ckとすると、 代数符号帳探索では次式
D=|X' -γ ACk|2 (8)
の評価関数誤差電力 Dを最小とする符号べク トル Ckを求める。 ここで γは代数 符号帳ゲインである。 式（8)を最小化することは、 次式
(X'TACk)2 _
D' = (9)
(ACk)T(ACk) を最大とする Ck、 すなわち kを探すことと等価でぁリ、 誤差電力評価部 7は以下 に従って kを探索する。
ここで、 Φ=ΑΤΑ、 d=X TAとおくと、 次式
= cJ¾ - ¾ (10) のように表される。 ィンパルス応答 の要素を3(0)，3(1),''''，3(^1_1)とし、 タ 一ゲット信号 X' の要素を (1)，···，χ' (N-l)とすると、 dは次式で表 される。 ただし、 Nはフレーム長とする。 Γ— 1
d(n) = T x'(i)a(i - n), n=0,.. - ,Ν-1 (11) また、 Φの要素 Φ (i， j)は次式で表される。
Φ(ί, j) = L α(η― "一 , i=0,.. -，N- 1， j=i，... ,Ν-1 (12) n=j 尚、 dOi)及び φ (i,j)は代数符号帳探索の前に計算される。
ここで、 代数符号帳 5の出力べク トル Ckに含まれるパルス本数を Npとすると 、 式（10)の分子項 Qkは次式
Figure imgf000008_0001
で表される。 ここで、 Sk(i)は Ckの i番目のパルス系統におけるパルス振幅（+1 又は- 1)であリ、 mk(i)はそのパルス位置を表す。 また、 式（10)の分母項 Ekは次 式で求められる。
ΛΓ -1
i=0
Figure imgf000008_0002
ここで、 式（13)の Qk、 式（14)の Ekを用いて探索を行うことも可能であるが、 探索にかかる処理量を削減するため、 以下に述べる手順により Qkと Ekを変形す る。 まず、 d(n)をその絶対値 |d(n)|と符号 sign[d(n)]の 2つの部分に分解する。 次に、 次式
Φ' (i, j)=sign[d(i)]sign[d(j)]<i' (i, j), i=0， · . N—l， j = i+l， ..N_l (15) によリ Φに d(n)の符号情報を含める。 式（14)の第 2項の定数 2を除去するために、 次式
Φ' (ι, \) = / (i，i)/2， i=0,...,N-l (16)
で Φの主対角成分をスケーリングする。 したがって、 分子項 Qkは、 次式
Figure imgf000008_0003
のように簡略化される。 また、 分母項 Ekは、 次式 Ek' = Ek/2
N -1 N -2 N -1
= ∑ <i'(mfc(i),mfc(i')) + L ∑. sk{i)sk(j) ^{ k(i),mk(j)) (18) i=0 i=0 j=»+l のように簡略化される。 従って、 各パルスの位置を変えながら式（17)、 （18)によ リ分子項 <3 と分母項 Ek' を計算し、 D〃 =Qk' 2/E が最大となるパルス 位置を決定することにょリ代数符号帳の出力を得ることができる。
次に、 ゲイン opt, γ optの量子化を行う。 ゲインの量子化方法は任意でぁリ 、 スカラー量子化やベクトル量子化などの方法を用いることができる。 例えば、 L P C係数量子化部 2と同様の方法で、 β、 γを量子化してゲインの量子化イン デックスを復号器に伝送するようにする。
以上よリ、 出力情報選択部 9は、 （1) LPC係数の量子化インデックス、 （2) ピ ツチラグ Lopt、 (3) 代数符号帳インデックス（パルス性信号特定データ）、 （4)ゲ ィンの量子化ィンデックスを復号器に伝送する。
又、 現フレームでのすべての探索処理、 量子化処理が終了した後、 次フレーム の入力信号を処理する前に、 適応符号帳 4の状態更新を行う。 状態更新では、 適 応符号帳内の最も古い（最も過去の）フレームの音源信号をフレーム長分だけ廃棄 し、 現フレームで求めた最新の音源信号をフレーム長だけ格納する。 尚、 適応符 号帳 4の初期状態はゼロ状態、 すなわち、 すべてのサンプルの振幅が 0の状態と する。
以上説明した通リ、 CELP方式は音声の生成過程をモデル化し、 そのモデルの特 徴パラメータを量子化して伝送することによリ、 音声を効率良く圧縮することが できる。
さて、 CELP (およびその改良を含む） は、 8~16kbit/s程度の bitレートで高品 質な再生音声を実現できることが知られている。 中でも、 ITU - T勧告 G.729 (CS-A CELP)は、 8kbit/sの低ビットレート条件で、 32kbit/sの ADPCMと同等の音質を実 現することができる。 ところが、 通信回線の有効利用の観点から、 近年では 4kl)it/s以下の超低ビットレートで高品質な再生音声を実現することが求められ ている。
ビットレートを削減する最も簡単は方法は、 符号化の単位であるフレーム長を 長くしてべク トル量子化効率を高めることである。 CS - ACELPのフレーム長は 5mse c (40サンプル）であり、 前述のように、 音源信号の雑音成分を 1フレーム当たリ 17 bitでべク トル量子化する。 ここでフレーム長をじ3"^じ£1^の2倍の101^6(：(=80サン プル）とし、 1フレーム当たリの代数符号帳に割リ当てる量子化ビット数を 171)it とする場合を考える。
10msecのフレームに 4本のパルスを立てる場合のパルス配置の例を図 2 0に示 す。 図 2 0において、 第 1〜第 3パルス系統のパルス （サンプル点及び極性） は それぞれ 5 bitで表され、 第 4パルス系統のパルスは 6 bitで表され、 代数符号帳 インデックスを表現するには 21 bit必要となる。 すなわち、 代数符号帳を用いる 場合、 単純にフレーム長を 2倍の 10msecにしても、 1フレーム当たリのパルス本 数を減らさなければ、 パルスの立つ位置が増えた分だけパルスの組み合わせが増 えるため量子化ビット数も増加してしまう。
この例の場合、 代数符号帳インデックスのビット数を 17 bitにするには例えば 図 2 1に示すようにパルスの本数を減らすしか方法がない。 ところが、 本発明者 等の実験によれば、 1フレーム当たりのパルス本数を 3本以下にすると、 再生音 声の品質が急激に劣化する。 この現象は定性的にも容易に理解できる。 つまリ、 フレーム帳が 5msecの場合に 1フレーム当たり 4本のパルスを立てると （図 1 8) 、 10msecではパルス 8本存在する。 これに対し、 フレーム帳が 10msecの場合に 1フ レーム当たり 3本のパルスを立てると （図 2 1 ) 、 当然 10msecでは 3本しかパルス が存在しない。 このため、 代数符号帳で表すべき音源信号の雑音性を十分に表現 しきれず、 再生音声の品質が劣化する。
以上より、 ビットレート削減のためにフレーム長を長くしても、 1フレーム当 たリのパルス本数を減らさなければビットレートを削減することはできない。 し 力 し、 パルスの本数を減らすと再生音声の品質が大幅に劣化してしまう。 従って 、 単純にフレーム長を長くしてべクトル量子化効率を高めるという方法では、 4kbit/sのビットレートで高品質な再生音声を実現することは困難であった。 以上から本発明の目的は、 ビットレートを削減でき、 かつ、 高品質な音声の再 生を可能にすることである。
発明の開示 CELPにおいて符号器は、 （1) LPC係数の量子化インデックス、 （2) 適応符号帳 のピッチラグ L o pし (3) 代数符号帳インデックス（パルス性信号特定デ一タ）、 ( 4)ゲインの量子化インデックスを復号器に伝送する。 この場合、 ピッチラグを伝 送するために 8 b i t必要であるから、 もし、 ピッチラグを送らないで良ければ、 その分、 代数符号帳インデックスを表現するためのビット数を多くできる。 すな わち、 代数符号帳より出力するパルス性信号に含めるパルス本数を増大でき、 高 品質の音声符号の伝送及び高品質の再生が可能になる。 一般に、 音声の定常部で はピッチ周期はゆつく りと変化することが知られてぉリ、 定常部では現フレーム のピッチラグを過去 （例えば直前） のフレームにおけるピッチラグと同じである とみなしても再生音声品質はほとんど劣化しない。
そこで、 本発明では、 現フレームの入力信号から求めたピッチラグを用いる符 号化モード 1と、 過去フレームの入力信号から求めたピッチラグを用いる符号化 モード 2を用意し、 符号化モード 1においてパルス本数が少ない第 1の代数符号 帳を使用し、 符号化モード 2においてパルス本数が第 1の符号帳よリ多い第 2の 代数符号帳を使用する。 符号化に際して、 符号器はフレーム毎に符号化モード 1 と符号化モード 2それぞれによリ符号化し、 入力信号をよリ正確に再生できるモ ードで符号化した符号を復号器に伝送する。 このようにすれば、 ビットレートを 削減でき、 かつ、 高品質な音声の再生が可能になる。
又、 現フレームの入力信号から求めたピッチラグを用いる符号化モード 1と、 過去フレームの入力信号から求めたピッチラグを用いる符号化モード 2を用意し 、 符号化モード 1においてパルス本数が少ない第 1の代数符号帳を使用し、 符号 化モード 2においてパルス本数が第 1の符号帳よリ多い第 2の代数符号帳を使用 する。 符号化に際して、 入力信号の性質、 例えば、 入力信号の周期性に基づいて 最適なモードを決定し、 該決定されたモードに基づいて符号化する。 このように すれば、 ビットレートを削減でき、 かつ、 高品質な音声の再生が可能になる。
図面の簡単な説明
図 1は本発明の第 1の概略説明図である。
図 2は代数符号帳 0のパルス配置例である。
図 3は代数符号帳 1のパルス配置例である。 図 4は本発明の第 2の概略説明図である。
図 5は代数符号帳 2のパルス配置例である。
図 6は符号化装置の第 1実施例の構成図である。
図 7は符号化装置の第 2実施例の構成図である。
図 8はモード判定部の処理手順である。
図 9は符号化装置の第 3実施例の構成図である。
図 1 0は第 3実施例で使用する各代数符号帳のパルス配置例である。
図 1 1はピッチ周期化の概念図である。
図 1 2は符号化装置の第 4実施例の構成図である。
図 1 3は復号化装置の第 1実施例の構成図である。
図 1 4は復号化装置の第 2実施例の構成図である。
図 1 5は CELPの原理図である。
図 1 6は量子化方法説明図である。
図 1 7は適応符号帳の説明図である。
図 1 8は代数符号帳のパルス配置例である。
図 1 9は各パルス系統グループに割リ当てたサンプル点の説明図である。 図 2 0は 10ms e cのフレームに 4本のパルスを立てる場合の例である。
図 2 1は 10ms e cのフレームに 3本のパルスを立てる場合の例である。
発明を実施するための最良の形態
(A) 本発明の概略
( a ) 第 1の特徴
本発明は、 現フレームのピッチラグとして現フレームの入力信号から求めたピ ツチラグを用いる第 1の符号化モード （モード 0 ) と、 過去の例えば 1フレーム 前の入力信号から求めたピッチラグを用いる第 2の符号化モード （モード 1 ) を 用意し、 モード 0ではパルス本数が少ない代数符号帳を使用し、 モード 1ではパ ルス本数がモード 0の代数符号帳より多い代数符号帳を使用する。 いずれのモー ドで符号化するかは、 忠実に音声を再現できるかにより決定する。 モード 1では パルス本数が増加するためモード 0に比べ音声信号の雑音成分を忠実に表現でき る。 図 1は本発明の第 1の概略説明図である。 入力信号べク トル Xを LPC分析部 1 1へ入力し LPC係数 a (i)
Figure imgf000013_0001
，...，ρ)を求める。 Ρは LPC分析次数である。 ここで 、 Xの次元数はフレームを構成するサンプル数 Nと同じとする。 また、 以下では 特に断らない限リベクトルの次元数は Nとする。 LPC係数 a (i)は LPC係数量子化 部 1 2において量子化され、 量子化済み LPC係数 a q(i) (n=l，...，p)が求められる 。 声道特性を表す LPC合成フィルタ 1 3は aq(i)によリ構成され、 その伝達関数 は次式
Figure imgf000013_0002
で表される。
モード 0で動作する第 1の符号部 1 4は、 適応符号帳 （適応符号帳 0) 1 4 a と代数構造符号帳 （代数符号帳 0) 1 4 bと、 ゲイン乗算器 1 4 c， 1 4 dと力!] 算器 1 4 eを備えている。 又、 モード 1で動作する第 2の符号部 1 5は、 適応符 号帳 （適応符号帳 1 ) 1 5 aと代数構造符号帳 （代数符号帳 1 ) 1 5 bと、 ゲイ ン乗算器 1 5 c， 1 5 dと加算器 1 5 eを備えている。
適応符号帳 1 4 a， 1 5 aは、 図 1 7で説明したように過去における最新の Ά サンプルのピッチ周期成分を記憶するバッファで構成されている。 適応符号帳 1 4 a , 1 5 aの内容は同じでぁリ、 N=80サンプル、 n=227とすれば、 ピッチラグ = 1によリ 1~80サンプルよリなる音源信号 （周期性信号） が特定され、 ピッチラ グ = 2によリ 2~81サンプルよリなる周期'性信号が特定され、 ···ピッチラグ 147に よリ 147-227サンプルよりなる周期'性信号が特定される。
第 1の符号部 1 4における代数構造符号帳 1 4 bのパルス配置は図 2に示すよ うになつている。 すなわち、 代数構造符号帳 1 4 bは、 1フレームを構成する N
( = 80)サンプル点を 3つのパルス系統グループ 0〜 2に分割し、 各パルス系統 グループから 1つのサンプル点を取リ出してなる全組み合わせについて、 各サン プル点で正極性あるレ、は負極性のパルスを有するパルス性信号を雑音成分として 順次出力するようになっている。 パルス系統グループ 0， 1それぞれにおけるパ ルス位置とパルスの極性を表現するために 5ビット、 パルス系統グループ 2にお けるパルス位置とパルスの極性を表現するために 6ビット必要となリ、 トータノレ 17ビットがパルス性信号を特定するために必要になリ、 その組み合わせ数 mは 2 1 7通リである。
第 2の符号部 1 5における代数構造符号帳 1 5 bのパルス配置は図 3に示すよ うになつている。 すなわち、 代数構造符号帳 1 5 bは、 1フレームを構成する N
( = 80)サンプル点を 5つのパルス系統グループ 0〜4に分割し、 各パルス系統 グループから 1つのサンプル点を取リ出してなる全組み合わせについて、 各サン プル点で正極性あるいは負極性のパルスを有するパルス性信号を雑音成分として 順次出力するようになっている。 全パルス系統グループ 0〜 4におけるパルス位 置とパルスの極性を表現するために 5ビット必要となり、 トータル 25ビットがパ ルス性信号を特定するために必要になり、 その組み合わせ数 mは 2 2 5通リである 第 1の符号部 1 4は通常の CELPと同様の構成であり、 符号帳探索も CELPと同様 にして行う。 つまリ、 第 1適応符号帳 1 4 aにおける所定の範囲（例えば 20~147 )でピッチラグ Lを変化させ、 各ピッチラグにおける適応符号帳出力 P。（L)をモ ード切換部 1 6を介して LPC合成フィルタ 1 3に入力し、 演算部 1 7は LPC合成フ ィルタ出力と入力信号 Xとの誤差電力を算出し、 誤差電力評価部 1 8は誤差電力 が最小となる最適ピッチラグ Lagと最適ピッチゲイン |3。を求める。 次に、 ピッチ ラグ L a gが示す適応符号帳出力にゲイン β Qを乗算した信号と代数符号帳 1 4 b から出力するパルス性信号 C。（i) ( i=0， . . .，m- 1)を合成して得られる信号をモ一 ド切換部 1 6を介して LPC合成フィルタ 1 3に入力し、 演算部 1 7は LPC合成フィ ルタ出力と入力信号 Xとの誤差電力を算出し、 誤差電力評価部 1 8は誤差電力が 最小となるパルス性信号を特定するィンデックス I。と最適代数符号帳ゲイン γ 0 を決定する。 ここで、 m= 2 1 7は代数符号帳 1 4 bのサイズ（パノレスの組み合わ せの総数）を表す。
第 1の符号部 1 4による最適符号帳探索及び代数符号帳探索が終了すれば、 第 2の符号部 1 5はモード 1の処理を開始する。 モード 1は適応符号帳探索を行わ ない点でモ一ド 0と異なる。 一般に、 音声の定常部ではピッチ周期はゆつく リと 変化することが知られてぉリ、 定常部では現フレームのピッチラグを過去のフレ ーム （例えば 1つ前のフレーム） のピッチラグと同じとしても再生音声品質はほ とんど劣化しない。 かかる場合、 ピッチラグを復号器に送る必要がないため、 ピ ツチラグを符号化するに必要なビット数 （例えば 8ビット） 余裕が発生する。 そ こで、 この 8ビットを代数符号帳インデックスを表現するために使用する。 この ようにすれば、 代数符号帳 15 bのパルス配置を図 3に示すようにでき、 パルス 性信号のパルス本数を増加できる。 CELPでは代数符号帳 (又は雑音符号帳等）の伝 送ビット数を多くすると、 ょリ複雑な音源信号を表現可能となリ再生音声品質が 向上する。
以上よリ、 第 2の符号部 15は適応符号帳探索を行わず、 過去のフレーム（例 えば前フレーム）で求めた最適ピッチラグ lag_oldを現フレームの最適ラグとみな し、 その時の最適ピッチゲイン を求める。 ついで、 第 2の符号部 15は第 1 の符号部 14における代数符号帳探索と同様に代数符号帳 15 bを用いて代数符 号帳探索を行い、 誤差電力が最小となるパルス' 14信号を特定する最適インデック ス I と最適ゲイン y を決定する。
第 1、 第 2の符号部 14、 15における探索処理が終了すれば、 モ一ド 0で決 定した最適符号帳 14 aの出力べクトル P。（Lag)と、 代数符号帳 14 bの出力べ クトル CQ(I0)とからモ一ド 0の音源信号べク トル
e ο=^ ο· Po(Lag) + r o-C0( I o)
を求める。 同様にしてモード 1で決定した適応符号帳の出力べクトノレ Pi (Lag一 ol d)、 代数符号帳 15 bの出力べク トル dU Jからモード 1の音源信号べクトル e1 = JS1-Pi(Lag-old) + y1-C1(I α)
を求める。 誤差電力評価部 18は音源信号ベク トル e0， eiと入力信号との間の各 誤差電力を計算する。 モード判定部 19は、 誤差電力評価部 18から入力される 誤差電力を比較し、 誤差電力の小さい方を最終的に使用するモードと判定し、 出 力情報選択部 20は、 モード情報、 LPC量子化インデックス、 ピッチラグ、 使用 するモードの代数符号帳ィンデックス及びゲイン量子化ィンデックスを選択して 復号器に伝送する。
現フレームの全ての探索処理、 量子化処理が終了した後、 次フレームの入力信 号を処理する前に適応符号帳の状態更新を行う。 状態更新では、 適応符号帳内の 最も古い（最も過去の）フレームの音源信号をフレーム長分だけ廃棄し、 現フレー ムで求めた最新の音源信号 ex (音源信号 e。または e i) を格納する。 尚、 適応符 号帳の初期状態はゼ口状態とする。
上記の説明では全モード（モード 0、 モード 1 ) の適応符号帳探索/代数符号帳 探索を実行した後に最終的に使用するモードを決定したが、 探索前に入力信号の 性質を調べ、 その性質に応じてどちらのモードを採用するかを決定し、 採用した 一方のモ一ドで適応符号帳探索/代数符号帳探索を実行して符号化するように構 成することもできる。 また、 上記の説明では 2つの適応符号帳を用いて説明した が、 2つの適応符号帳には全く同じ過去の音源信号が格納されているので、 1つ の適応符号帳で実現してもよい。
( b ) 第 2の特徴
図 4は本発明の第 2の概略説明図であり、 図 1と同一部分には同一符号を付し ている。 異なる点は、 第 2の符号部 1 5の構成である。
第 2の符号部 1 5の代数符号帳 1 5 bとして、 （1) 第 1の代数構造符号帳 1 5 と（2) 該第 1の代数構造符号帳 1 5 ょリパルス本数が多い第 2の代数構造 符号帳 1 5 b 2を設ける。 第 1の代数構造符号帳 1 5 は図 3に示すパルス配置 を備え、 1フレームを構成する N (=80)サンプル点を複数 (=5)のパルス系統ダル ープに分割し、 各パルス系統グループから 1個づっ取リ出したサンプル点で正極 性あるいは負極性のパルスを有するパルス性信号を順次出力する。 一方、 第 2の 代数構造符号帳 1 5 b 2は、 図 5に示すように、 1フレーム期間よリ短い期間に 含まれる M (=55)サンプル点を第 1の代数構造符号帳 1 5 1^ょリ多い数 (=6)の パルス系統グループに分割し、 各パルス系統グループから 1個づっ取リ出したサ ンプル点で正極性あるいは負極性のパルスを有するパルス性信号を順次出力する 過去のフレーム （例えば 1フレーム前） の入力信号から求めたピッチラグ L ag -o l dの値を現フレームのピッチラグとして用いるモード 1において、 代数符号帳 切り替え部 1 5 f は過去のピッチラグ L ag—o l dの値が Mょリ大きければ第 1の代 数構造符号帳 1 5 から出力するパルス性信号を選択し、 M以下では第 2の代 数構造符号帳 1 5 b 2から出力するパルス性信号を選択する。 第 2の代数符号帳 15 b 2は第 1の代数符号帳 15 b iに比べ狭い範囲にパルス を配置しているため、 ピッチ周期化部 15 gは第 2の代数符号帳 15 b2のパル ス性信号パターンを繰リ返して出力するピッチ周期化処理を行う。
以上説明の通り、 本発明によれば、 （1) 従来の CELPモード（モード 0)に加えて 、 (2) 過去のピッチラグを用いることによリピッチラグを伝送するための情報量 を削除し、 その分、 代数符号帳の情報量を増加したモード（モード 1)を備えるこ とにょリ、 有声部などの音声の定常部で高品質な再生音声品質を得ることができ る。 また、 モード 0とモード 1を入力信号の性質に応じて切リ替えることによリ 、 様々な性質の入力音声に対して高品質な再生音声品質を得ることができる。
(B) 音声符号化装置の第 1実施例
図 6は本発明の音声符号化装置の第 1実施例の構成図であリ、 モード 0とモー ド 1の 2つのモードからなる音声符号器の構成を有している。
はじめにモード 0とモード 1に共通な LPC分析部 1 1、 LPC係数量子化部 12に ついて説明する。 入力信号は 5~10msec程度の一定長のフレームに分割され、 フレ ーム単位で符号化処理が行われる。 ここでは、 1フレームは Nサンプリングであ るとする。 まず、 LPC分析部 (線形予測分析部） 1 1は、 1フレーム Nサンプルの 入力信号 Xから LPC係数 α = {α (1)， α (2)，·..， α (P)}を求める。 ここで、 LPC分析 数を Ρとする。
次に、 LPC係数量子化部 1 2は、 LPC係数ひを量子化し、 LPC量子化インデック ス Index— LPCと LPC係数の逆量子化値 (量子化された LPC係数） aq={aq(l), a q (2) , ...， ajp)}を求める。 LPC係数の量子化方法は任意であり、 スカラー量子化やべ クトル量子化等の方法を用いることができる。 また、 LPC係数を直接量子化せず に、 一旦 kパラメータ（反射係数)や LSP (線スぺク トル対)等の量子化特性'捕間特 性の優れた別のパラメータに変換してから量子化してもよい。 聴覚重み付き合成 フィルタ 13を構成する LPC合成フィルタ 13 aの伝達関数 H(z)は次式
S{z) = - i+∑ひ )^ (20) で与えられる。 聴覚重み付けフィルタ 13 bとしては任意のものが使用可能であ るが、 （3)式で示すフィルタを用いることができる。
モード 0に従って動作する第 1の符号部 14は通常の CELPと同じ構成でぁリ、 適応符号帳 14 a、 代数符号帳 14 b、 ゲイン乗算部 14 c， 14 d、 加算器 1 4 e及びゲイン量子化部 14 hを備え、 （1) 最適ピッチラグ Lag、 （2) 代数符号 帳インデックス index-C0、 （3) ゲインインデックス index- gOを求める。 モード 0 における適応符号帳 14 aの探索法及び代数符号帳 14 bの探索法は （A) の本 発明の概略の項で説明した方法と同じである。
なお、 代数符号帳 14 bは、 フレーム長が 10msec (80サンプル）の場合、 図 2に 示すようにパルス本数 3本のパルス配置構成を有している。 従って、 代数符号帳 14 bの出力 C。（n) (n=0，...，N- 1)は、 次式
C 0 (n) = s 0 δ ι,η— m0)+ s i δ ( n— mi)+ s 2 δ (n— m2) (21) で与えられる。 ここで、 s iはパルス系統 iのパルスの極性（+1又は- 1)、 miはパ ルス系統 iのパルス位置でぁリ、 δ (0)=1である。 （21)式の右辺第 1項はパルス 系統 0においてパルス位置 m0にパルス s。を配置することを意味し、 右辺第 2項 はパルス系統 1においてパルス位置 にパルス s iを配置することを意味し、 右 辺第 3項はパルス系統 2においてパルス位置 m2にパルス s 2を配置することを意 味する。 代数符号帳探索に際して、 （21)式のパルス性信号を順次出力して最適の パルス性信号を探索する。
ゲイン量子化器 14 hはピッチゲイン及ぴ代数符号帳ゲインを量子化する。 量 子化方法は任意であり、 スカラー量子化やべク トル量子化などを用いることがで きる。 モード 0で決定された適応符号帳 14 aの出力を P。、 代数符号帳 14 b の出力を C。とし、 量子化されたピッチゲインを) 80、 代数符号帳 14 bの量子化 されたゲインを γ。とすると、 モード 0の最適な音源べク トル e0は次式
e0=)3。P0+y。C。 （22)
で与えられる。 音源ベク トル e。を重み付けフィルタ 1 3 bに入力し、 その出力 を LPC合成フィルタ 13 aに入力し重み付き合成出力 syn。を作成する。 モード 0 の誤差電力評価部 1 8は、 入力信号 Xと LPC合成フィルタ出力 syn0との間の誤差 電力 errOを算出してモード判定部 19に入力する。
モード 1に従って動作する第 2の符号部 1 5は、 適応符号帳探索を行わず、 過 去のフレームで探索した最適ピッチラグを現フレームの最適ピッチラグとして用 いる。 つまリ、 適応符号帳 1 5 aでは探索処理を行わず、 過去のフレーム（例え ば前フレーム） で求めた最適ピッチラグ Lag-oldを現フレームの最適ラグとして 最適ピッチゲイン i8 を求める。 最適ピッチゲインは式（6)で算出できる。 以上の ように、 モード 1ではピッチラグを復号器に伝送する必要がないから、 該ピッチ ラグ伝送に必要なビット数 （例えば 1フレーム当たリ 8bit) を代数符号帳インデ ックスの量子化に割リ当てることができる。 これによリ、 モード 0では代数符号 帳インデックスを 171) i tで表現しなければならないが、 モード 1では 25 (= 17+8 ) bitで代数符号帳インデックスを表現することができる。 従って、 代数符号帳 1 5 bのパルス配置を図 3に示すように 1フレーム長が 10msec (80サンプル）の場 合、 パルス本数を 5本にできる。 従って、 代数符号帳 1 5 bの出力 d di) (n=0，.. .，N- 1)は、 次式
4
d(n) = ^3^(71 - 7^) (23) で表される。 代数符号帳 1 5 bの探索に際しては、 （23)式で表現される ddi)を 順次出力することによリ代数符号帳ィンデックス Index— Cl、 ゲインィンデックス Index— glを求める。 代数符号帳 1 5 bの探索法は （A) の本発明の概略の項で説 明した方法と同じである。
モード 1で決定された適応符号帳 1 5 aの出力を P i、 代数符号帳 1 5 bの出 力を C iとし、 量子化されたピッチゲインを 代数符号帳 1 5 bの量子化され たゲインを とすると、 モード 1の最適な音源べク トル eiは次式
Figure imgf000019_0001
で求められる。 この音源ベク トル eiを重み付けフィルタ 1 3 b' に入力し、 その 出力を LPC合成フィルタ 1 3 a' に入力し、 重み付き合成出力 syiuを作成する。 誤差電力評価部 1 8' は、 入力信号 Xと重み付き合成出力 syiuとの間の誤差電力 errlを算出してモード判定部 1 9に入力する。
モード判定部 1 9は errOと errlを比較し、 誤差電力が小さい方を最終的に使用 モードと判定する。 出力情報選択部 2 0は、 errO<errlであればモード情報を 0 にし、 errO>errlであればモード情報を 1にし、 errO = errlであれば予め決めら れたモード（0又は 1)を選択する。 また、 出力情報選択部 2 0は、 使用モードに基 づいて、 ピッチラグ L ag— op t、 代数符号帳インデックス I ndex— (：、 ゲインインデ ックス Index_gを選択し、 これらにモ一ド情報及び LPCィンデッタス情報を加えて 最終的な符号化データ（伝送情報）を作成して伝送する。
現フレームの全ての探索処理、 量子化処理が終了した後、 次フレームの入力信 号を処理する前に適応符号帳の状態更新を行う。 状態更新では、 適応符号帳内の 最も古レ、（最も過去の）フレームの音源信号を廃棄し、 現フレームで求めた最新の 音源信号 (上記 e 0または e i)を格納する。 尚、 適応符号帳の初期状態はゼロ状態 、 すなわち、 全てのサンプルの振幅が 0の状態とする。
図 6の実施例では、 2つの適応符号帳 1 4 a， 1 5 aを用いて説明したが、 2 つの適応符号帳には全く同じ過去の音源信号が格納されているので、 1つの適応 符号帳で実現してもよい。 又、 図 6の実施例では、 重み付けフィルタ、 LPC合成 フィルタ、 誤差電力評価部をそれぞれ 2つ用いたが、 それぞれを共通化して 1つ とすることもできる。
以上第 1実施例によれば、 （1) 従来の CELPモード（モード 0 )と、 （2) 過去のピ ツチラグを用いることによリピッチラグ情報を削減し、 削減分代数符号帳の情報 量を増加させるモード （モード 1 ) とを備えることによリ、 無声部や過渡部など の非定常部では従来の CELPと同じ符号化処理を行い、 有声部などの音声の定常部 に対しては、 モード 1によリ音源信号を精密に符号化することによリ高品質な再 生品質を得ることができる。
( C ) 音声符号化装置の第 2実施例
図 7は音声符号化装置の第 2実施例の構成図であリ、 図 6の第 1実施例と同一 部分には同一符号を付している。 第 1実施例では、 各モードにおいて適応符号帳 探索/代数符号帳探索を実行し、 誤差が小さい方のモードを最終的に使用するモ ードと判定し、 該モードで求めたピッチラグ L ag— op t、 代数符号帳インデックス I ndex— C、 ゲインインデックス Index— gを選択して復号器に伝送した。 し力 し、 第 2実施例では、 探索前に入力信号の性質を調べ、 その性質に応じてどちらのモー ドを採用するかを決定し、 採用した一方のモードで適応符号帳探索/代数符号帳 採索を実行して符号化する。 第 2実施例において第 1実施例と異なる点は、 (1) モード判定部 31を設け、 符号帳探索前に入力信号 Xの性質を調べ、 その 性質に応じてどちらのモードを採用するかを決定する点、
(2) モード出力選択部 32を設け、 採用されたモードに応じた符号部 14， 1 5の出力を選択して重み付けフィルタ 13 bに入力する点、
(3) 重み付けフィルタ （W(z)) 13 b、 LPC合成フィルタ（Η(ζ)) 13 a、 誤差 電力評価部 18を各モードに共通に設けている点、
(4) 出力情報選択部 20がモード判定部 31から入力するモード情報に基づい て復号器に送出する情報を選択して送出する点、
である。
モード判定部 31は入力信号べクトル Xが入力すると、 入力信号 Xの性質を調 ベ、 該性質に応じてモード 0とモード 1のどちらを採用するかを示すモード情報 を生成する。 モード 0が最適と判定すれば、 モード情報は 0となリ、 モード 1が 最適と判定すればモード情報は 1となる。 この判定結果に基づいて、 モード出力 選択部 32は第 1の符号部 14あるいは第 2の符号部 15の出力を選択する。 モ 一ド判定の方法としては、 開ループラグの変化を検出する方法を用いることがで きる。 図 8は入力信号の性質に基づいて採用するモードを判定する処理フローで ある。 まず、 入力信号 X (η) (η=0，.·.，Ν- 1)を用いて次式
w-i (25)
R{k) = χ(ή)χ(η一お)
ιι=0
によリ自己相関関数 R(k) (k=20~143)を求める （ステップ 1 0 1) 。 ここで Nは 1フレームを構成するサンプル数である。
ついで、 自己相関関数 R(k)が最大となる時のラグ kを求める （ステップ 10 2) 。 自己相関関数 R(k)が最大となる時のラグ kを開ループラグと称し、 で 表す。 また、 前フレームで同様にして求めた開ループラグを L-o Idと記す。 しか る後、 前フレームの開ループラグ L-o Idと現フレームの開ループラグ Lの差
(L-old-L) を求め （ステップ 103) 、 (L-old-L) が予め決めた閾値よ リも大きければ、 入力音声の周期性は大きく変化したと見なしモード情報を 0に 設定する。 一方、 （L-old— L) が閾値よりも小さければ、 入力音声の周期性は 前フレームに比べてか変化していないと見なしモード情報を 1に設定する （ステ ップ 1 0 4 ) 。 以後、 フレーム毎に上記処理を繰り返す。 尚、 モード判定終了後 は、 次フレームでのモード判定のために、 現フレームで求めた開ループラグ Lを L一 o l dとして保持しておく。
モード出力選択部 3 2は、 モード情報が 0であれば端子 0を選択し、 モード情 報が 1であれば端子 1を選択する。 従って、 第 1実施例のように、 同一フレーム で 2つのモードが同時に動作することはない。
モード判定部 3 1によリモード 0が設定されると、 第 1の符号部 1 4は適応符 号帳 1 4 a及び代数符号帳 1 4 bの探索を行つた後、 ゲイン量子化器 1 4 hでピ ツチゲイン 。と代数符号帳ゲインァ。の量子化を実行する。 この時、 モード 1に 応じた第 2の符号部は動作しない。
一方、 モード判定部 3 1によリモード 1が設定されると、 第 2の符号部 1 5は 適応符号帳探索を行わず、 過去のフレーム（例えば前フレーム）で求めた最適ピッ チラグ 1 a g—o 1 dを現フレームの最適ラグともみなし、 その時の最適ピッチゲイン β iを求める。 ついで、 第 2の符号部 1 5は代数符号帳 1 5 bを用いて代数符号 帳探索を行い、 誤差電力が最小となるパルス性信号を特定する最適ィンデックス Iェと最適ゲイン y iを決定する。 ついで、 ゲイン量子ィ匕器 1 5 hはピッチゲイン と代数符号帳ゲイン の量子化を実行する。 この時、 モード 0側の第 1の符 号部 1 4は動作しない。
第 2実施例によれば、 符号帳探索前に入力信号の性質に基づいて、 いずれのモ ードで符号化するか決定し、 該モードで符号化して出力するため、 第 1実施例の ように 2つのモードで符号化して良レ、方を選択する必要がないため、 処理量を削 減でき、 高速処理が可能である。
(D ) 音声符号化装置の 3実施例
図 9は音声符号化装置の第 3実施例の構成図であリ、 図 6の第 1実施例と同一 部分には同一符号を付している。 第 1実施例と異なる点は、
(1) 第 2の符号部 1 5の代数符号帳 1 5 bとして、 第 1の代数構造符号帳 1 5 と第 2の代数構造符号帳 1 5 b 2を設け、 第 1の代数構造符号帳 1 5 は図 1 0 ( b ) に示すパルス配置構成を備え、 第 2の代数構造符号帳 1 5 b 2は図 1 0 ( c ) に示すパルス配置構成を備えている点、 (2) 代数符号帳切り替え部 15 f を設け、 モード 1における過去のピッチラグ の値 Lag-oldが閾値 Thよリ大きければ第 1の代数構造符号帳 15 biから出力す る雑音成分であるパルス性信号を選択し、 閾値以下では第 2の代数構造符号帳 1 5 b 2から出力するパルス性信号を選択する点、
(3) 第 2の代数符号帳 1 5 b2は第 1の代数符号帳 1 5 に比べ狭い範囲 （サ ンプル点 0〜55) にパルスを配置しているためピッチ周期化部 1 5 gを設け、 該ピッチ周期化部 1 5 gにより第 2の代数符号帳 15 b 2から出力するパルス性 信号を繰リ返して発生して 1フレーム分のパルス性信号を出力する点である。 モード 0において、 第 1の符号部 14は第 1実施例と全く同じ処理により最適 ピッチラグ Lag、 代数符号帳インデックス Index— C0、 ゲインインデックス Index— gOを求める。
又、 モード 1において、 第 2の符号部 1 5は第 1実施例と同じく適応符号帳 1 5 aの探索を行わず、 過去のフレーム（例えば前フレーム）で決定した最適ピッチ ラグ Lag-oldを現フレームの最適ピッチラグとして使用する。 最適ピッチゲイン は式（6)で算出される。 又、 第 2の符号部 15は代数符号帳探索に際して、 ピッ チラグ L ag— 01 dの値に応じて第 1の代数符号帳 1 5 b iを使用するか、 第 2の代 数符号帳 1 5 b2を使用するか決定して探索を行う。
以下ではフレーム長が lOmse (；、 N=80サンプルの場合におけるモード 0、 モード 1の代数符号帳探索について説明する。
(1) モード 0
モード 0で使用する代数符号帳 14 bのパルス配置構成例を図 10 (a) に示 す。 このパルス配置例は、 パルス本数が 3本で量子化ビット数が 17b itの場合で ある。 （21)式で示す Co(n)(n=0，...，N - 1)を順次出力し、 従来と同様の代数符号 帳探索を行う。 （21)式において、 s iはパルス系統 iのパルス極性 (+1又は- 1)で ぁリ、 m iはパルス系統 iのパルス位置である。 又、 δ (0)=1である。
(2) モード 1
モード 1では過去のピッチラグ L a g— 01 dを用いるので、 ピッチラグに量子化ビ ットを割り当てる必要がない。 このため、 代数符号帳 15 15 b 2に代数符 号帳 14 bょリも多くのビット数を割リ当てることが可能である。 モ一ド 0のピ ツチラグの量子化ビット数を 1フレーム当たリ 8 tとすると、 代数符号帳 1 5 b 1, 1 5 b 2の量子化ビット数として 25b it (=17+8)を割リ当てることが可能であ る。
25b itで 1フレームに 5本のパルスを立てる場合のパルス配置例が図 1 0 (b) である。 第 1の代数構造符号帳 1 5 はこのパルス配置構成を備え、 各パルス 系統グループから 1個づっ取リ出したサンプル点で正極性あるいは負極性のパル スを有するパルス性信号を順次出力する。 又、 25bitで 1フレームよリ短い期間に 6本のパルスを立てる場合のパルス配置例が図 1 0 (c) である。 第 2の代数構 造符号帳 1 5 b 2はこのパルス配置構成を備え、 各パルス系統グループから 1個 づっ取り出したサンプル点で正極性あるいは負極 14のパルスを有するパルス性信 号を順次出力する。
図 1 0 (b) のパルス配置構成は、 図 1 0 ( a) に比べて 1フレーム当たリの パルス本数が 2本多くなつている。 又、 図 1 0 (c) のパルス配置構成は、 狭い 範囲 （サンプル点 0〜5 5) にパルスを配置するが、 図 1 0 (a ) に比べてパル ス本数が 3本多くなつている。 このため、 モード 1では、 モード 0の場合よリ音 源信号を精密に符号化することが可能である。 又、 第 2の代数構造符号帳 1 5 b 2は第 1の代数符号帳 1 5 に比べ狭い範囲 （サンプル点 0〜5 5) にパルスを 配置しているが、 パルス本数は多い。 このため、 第 2の代数符号帳 1 5 b 2の方 が第 1の代数符号帳 1 5 b iより音源信号を精密に符号化することが可能である 。 従って、 モード 1において入力信号 Xの周期性が短ければ、 第 2の代数構造符 号帳 1 5 b 2を使用して雑音成分であるパルス性信号を発生し、 長ければ第 1の 代数構造符号帳 1 5 b 2を使用して雑音成分であるパルス性信号を発生する。 以上より、 モード 1では、 過去のピッチラグ Lag-oldがあらかじめ決めた閾値
Th (例えば 55)よりも大きいければ、 次式
η ( , ^ 、 (26)
し i^n) = Sidyn― mi) によリ第 1の代数符号帳 1 5 の出力 d di)を求め、 順次出力することにより 代数符号帳ィンデックス Index— Cl、 ゲインィンデックス Index— glを求める。 一方、 過去のピッチラグ Lag— oldが閾値 Th (例えば 55)以下であれば、 第 2の 代数符号帳 1 5 b 2を使用して探索を行う。 第 2の代数符号帳 1 5 b 2の探索方法 は、 既述の代数符号帳探索と同様でよいが、 探索処理の前にインパルス応答をピ ツチ周期化する必要がある。 聴覚重み付き合成フィルタ 1 3のインパルス応答を a(n) (n=0，...，79)とすると、 代数符号帳 1 5 b 2を探索する前に次式
、 1 a\n) {n < Lag-old) (2
' a人' n一 L gjld) (n >= Lag ald)
によリピッチ周期化されたインパルス応答^ (n) (n=0，...，79)を求める。 この場 合、 ピッチ周期化方法としては単純なく リ返しだけでなく、 先頭の Lag— old個の サンプルを一定の割合で減衰又は増幅して繰リ返してもよい。
第 2の代数符号帳 1 5 b 2の探索はインパルス応答として上記 （ を用いて 行う。 ただし、 代数符号帳 1 5 b 2の探索によって得られる出力は 0〜Th(=55) サンプル目までしかパルスが存在しないので、 ピッチ周期化部 1 5 gは次式
{ 5
, Si5{n― rrii) (n < Lagjold) (2g)
Cx(n一 Lagjold) (n >= Lagjold)
で示すピッチ周期化処理によリ残リのサンプル（この例では 24サンプル）を生成す る。 図 1 1はピッチ周期化部 1 5 gによるピッチ周期化の概念図でぁリ、 （1)は ピッチ周期化前の雑音成分であるパルス性信号、 （2)はピッチ周期化後のパルス 性信号である。 ピッチ周期化後のパルス' 14信号は、 ピッチ周期化前のピッチラグ Lag—old分の雑音成分 Aを繰り返す（コピーする） ことによリ得られる。 また、 ピッチ周期化の方法として単純な繰リ返しだけでなく、 先頭の Lag— old個のサン プルを一定の割合で減衰又は増幅して繰リ返してもよい。
(c) 代数符号帳切替
代数符号帳切リ替え部 1 5 f は、 過去のピッチラグ Lag— oldの値が閾値 Thよ リも大きければスィッチ を端子 Saに接続し、 第 1の代数符号帳 1 5 I から出 力するパルス性信号をゲイン乗算器 1 5 dに入力し、 ゲイン乗算器 1 5 dは入力 信号に代数符号帳ゲイン を乗算する。 また、 代数符号帳切リ替え部 1 5 f は 、 過去のピッチラグ L ag—o l dが閾値 Thょリも小さければスィッチ Swを端子 Sbに 接続し、 ピッチ周期化部 1 5 gでピッチ周期化された第 2の代数符号帳 1 5 b 2 から出力するパルス性信号をゲイン乗算器 1 5 dに入力し、 ゲイン乗算器 1 5 d は入力信号に代数符号帳ゲイン γ iを乗算する。
以上、 第 3実施例を説明したが、 本実施例で示した量子化ビット数、 パルス配 置は一例でぁリ、 様々な量子化ビット数及びパルス配置例が可能である。 また、 本実施例では符号化モード数を 2として説明したが、 モード数を 3又はそれ以上 としもよい。
また、 上記の説明では 2つの適応符号帳を用いて説明したが、 2つの適応符号 帳には全く同じ過去の音源信号が格納されるので、 1つの適応符号帳で実現して もよい。
また、 本実施例では、 重み付けフィルタ、 LPC合成フィルタ、 誤差電力評価部 をそれぞれ 2つ用いたが、 共通化して 1つとし、 各フィルタへの入力を切リ替え て実現してもよい。
以上、 第 3実施例によれば過去のピッチラグの値に応じてパルス本数、 パルス 配置を適応的に切リ替えることによリ、 従来の音声符号化方式に比べ音源信号を 精密に符号化することができ、 高品質な再生音声品質を得ることができる。
(E) 音声符号化装置の第 4実施例
図 1 2は音声符号化装置の第 4実施例の構成図でぁリ、 探索前に入力信号の性 質を調べ、 その性質に応じてモード 0、 1のどちらのモードを採用するかを決定 し、 採用した一方のモードで適応符号帳探索/代数符号帳探索を実行して符号化 する。 第 4実施例において第 3実施例と異なる点は、
(1) モード判定部 3 1を設け、 符号帳探索前に入力信号 Xの性質を調べ、 その 性質に応じてどちらのモードを採用するかを決定する点、
(2) モード出力選択部 3 2を設け、 採用されたモードに応じた符号部 1 4， 1 5の出力を選択して聴覚重み付き合成フィルタ 1 3に入力する点、
(3) 重み付けフィルタ （W(z) ) 1 3 b、 LPC合成フィルタ（H (z) ) 1 3 a、 誤差 電力評価部 1 8を各モードに共通に設けている点、 (4) 出力情報選択部 2 0がモード判定部 3 1から入力するモード情報に基づい て復号器に送出する情報を選択して送出する点、
である。 モード判定部 3 1のモード判定処理は図 8の処理と同じである。 第 4実施例によれば、 符号帳探索前に入力信号の性質に基づいて、 いずれのモ ードで符号化するか決定し、 該モードで符号化して出力するため、 第 3実施例の ように 2つのモードで符号化し、 良い方を選択する必要がないため、 処理量を削 減でき、 高速処理が可能である。
( F ) 復号化装置の第 1実施例
図 1 3は音声復号化装置の第 1実施例の構成図でぁリ、 音声符号化装置 （第 1 実施例、 第 2実施例） から送られてくる符号情報を復号して音声信号を再生する ものである。
LPC逆量子化部 5 1は音声符号化装置より LPC量子化インデックス Index— LPCを 受信すれば逆量子化された LPC係数 a q ( i) ( i=l， 2， · . .， q)を出力する。 pは LPC分析 次数である。 LPC合成フィルタ 5 2は LPC係数 a q ( i)を用いて次式
H(z) = ~- p (29)
i=l
で示す伝達特性を有するフィルタとなる。 第 1の復号部 5 3は音声符号化装置に おける第 1の符号部 1 4に対応するもので、 適応符号帳 5 3 a、 代数符号帳 5 3 b、 ゲイン乗算部 5 3 c 5 3 d , 加算器 5 3 eを有している。 代数符号帳 5 3 bは図 2のパルス配置構成を有している。 第 2の復号部 5 4は音声符号化装置に おける第 2の符号部 1 5に対応するもので、 適応符号帳 5 4 a、 代数符号帳 5 4 b、 ゲイン乗算部 5 4 c， 5 4 d、 加算器 5 4 eを有している。 代数符号帳 5 4 bは図 3のパルス配置構成を有している。
受信した現フレームのモード情報が 0であれば、 すなわち音声符号化装置にお いてモード 0が選択されると、 第 1の復号部の適応符号帳 5 3 aにピッチラグ L agが入力し、 適応符号帳 5 3 aょリ該ピッチタグ L agに对応する 80サンプル分 のピッチ周期成分 (適応符号帳ベクトル） P。が出力する。 また、 第 1の復号部の 代数符号帳 5 3 bに代数符号帳インデックス I ndex—Cが入力し、 対応する雑音成 分 （代数符号帳ベクトル） C。が出力する。 代数符号帳ベクトル C。は（21)式によ リ生成される。 更に、 ゲイン逆量子化部 5 5にゲインインデックス Index— gが入 力し、 ゲイン逆量子化部 5 5ょリピッチゲインの逆量子化値 。と代数符号帳ゲ インの逆量子化値 γ。が乗算器 5 3 c、 5 3 dに入力する。 この結果、 次式
e0= j3。Ρ 0+ γ。C。 （30)
で与えられるモード 0の音源信号 e。が加算器 5 3 eょリ出力する。
一方、 現フレームのモード情報が 1であれば、 すなわち音声符号化装置におい てモード 1が選択されると、 前フレームのピッチラグ L ag— o l dが第 2の復号部 5 4の適応符号帳 5 4 aに入力し、 適応符号帳 5 4 aよリ該ピッチタグ L ag— o 1 d に対応する 80サンプル分のピッチ周期成分 (適応符号帳べク トル） が出力する 。 また、 第 2の復号部 5 4の代数符号帳 5 4 bに代数符号帳インデックス Index- Cが入力し、 対応する雑音成分 （代数符号帳ベクトル） ^ (η)が（25)式にょリ生 成される。 更に、 ゲイン逆量子化部 5 5にゲインインデックス Index— gが入力し 、 ゲイン逆量子化部 5 5ょリピッチゲインの逆量子化値) 3 iと代数符号帳ゲイン の逆量子化値 が乗算器 5 4 c、 5 4 dに入力する。 この結果、 次式
Figure imgf000028_0001
で与えられるモード 1の音源信号 e が加算器 5 4 eよリ出力する。
モード切替器 5 6は、 モード情報に応じてスィッチ Sw2を切替える。 すなわち 、 モード情報が 0であれば Sw2を端子 0に接続し、 これにより e。が音源信号 exと なる。 また、 モード情報が 1であれば、 スィッチ Sw2を端子 1に接続し、 e iが音 源信号 exとなる。 この音源信号 exは適応符号帳 5 3 a， 5 4 aに入力しその内容 を更新する。 すなわち、 適応符号帳内の最も古いフレームの音源信号を廃棄し、 現フレームで求めた最新の音源信号 exを格納する。
又、 音源信号 exは LPC量子化係数 a q ( i )で構成された LPC合成フィルタ 5 2に入 力し、 LPC合成フィルタ 5 2は LPC合成出力 yを出力する。 この LPC合成出力 yを 再生音声として出力してもよいが、 更に音質を高めるためにボストフィルタ 5 7 に通すことが望ましい。 ポス トフィルタ 5 7の構成は任意であるが、 例えば伝達 関数が次式 10
10 -(1一 μζ~ι)
(32) のポストフィルタを用いることができる。 ここで、 ω " ω 2、 はポストフィ ルタの特性を調整するパラメータであり、 その値は任意であるが、 例えば ω ι=0. 5、 ω 2=0.8, μ=0.5といった値を用いることができる。
尚、 実施例では 2つの適応符号帳を用いて説明したが、 2つの適応符号帳には 全く同じ音源信号が格納されるので、 1つの適応符号帳で実現してもよい。
以上本実施例によれば過去のピッチラグの値に応じてパルス本数、 パルス配置 を適応的に切替えることによリ、 従来の音声復号化装置に比べて高品質な再生音 声品質を得ることができる。
(G) 複号化装置の第 2実施例
図 1 4は音声復号化装置の第 2実施例の構成図でぁリ、 音声符号化装置 （第 3 実施例、 第 4実施例） から送られてくる符号情報を復号して音声信号を再生する もので、 図 1 3の第 1実施例と同一部分には同一符号を付している。 第 1実施例 と異なる点は、
(1) 代数符号帳 5 4 bとして、 第 1の代数構造符号帳 5 4 と第 2の代数構 造符号帳 54 b 2を設け、 第 1の代数構造符号帳 54 は図 1 0 (b) に示すパ ルス配置構成を備え、 第 2の代数構造符号帳 5 4 b 2は図 1 0 (c ) に示すパル ス配置構成を備えている点、
(2) 代数符号帳切リ替え部 54 f を設け、 モード 1における過去のピッチラグ の値 Lag— oldが閾値 Thよリ大きければ第 1の代数構造符号帳 54 から出力す る雑音成分であるパルス性信号を選択し、 閾値以下では第 2の代数構造符号帳 5 4 b 2から出力するパルス性信号を選択する点、
(3) 第 2の代数符号帳 5 4 b 2は第 1の代数符号帳 541 に比べ狭い範囲 （サ ンプル点 0〜5 5) にパルスを配置しているためピッチ周期化部 5 4 gを設け、 該ピッチ周期化部 5 4 gによリ第 2の代数符号帳 54 b 2から出力する雑音成分
(パルス性信号） を繰り返して発生して 1フレーム分のパルス性信号を出力する 点である。
モード情報が 0であれば第 1実施例の復号処理と全く同じ復号処理が行われる 。 一方、 モード情報が 1であれば、 前フレームのピッチラグ L ag— o l dが予め決め た閾値 Th (例えば 55)ょリも大きいければ、 代数符号帳インデックス I ndex-Cが第 1の代数符号帳 5 4 に入力し、 符号帳出力 d di)が（25)式により生成される 。 また、 ピッチラグ L ag—o l dが閾値 T hょリも小さいければ、 代数符号帳インデ ックス Index-Cが第 2の代数符号帳 5 4 b 2に入力し、 C (D)が（27)式にょリ生 成される。 以後、 第 1実施例と同じ復号処理が行われ、 ポストフィルタ 5 7ょリ 再生音声信号が出力する。
以上本実施例によれば、 過去のピッチラグの値に応じてパルス本数、 パルス配 置を適応的に切替えることにょリ、 従来の音声復号方式に比べて高品質な再生音 声品質を得ることができる。
(H) 効果
本発明によれば、 （1) 従来の CELPモード（モード 0)と、 （2) 過去のピッチラグ を用いることによリ適応符号帳に要するピッチラグ情報を削減し、 代数符号帳の 情報量を増加させるモード（モード 1)とを備えることによリ、 無声部や過渡部な どの非定常部では従来の CELPと同じ符号化処理を行い、 有声部などの音声の定常 部に対しては、 モード 1により音源信号を精密に符号化することによリ高品質な 再生音声品質を得ることができる。

Claims

請求の範囲
1 . 適応符号帳及ぴ代数符号帳を用いて音声信号を符号化する音声符号化装置 において、
音声信号を所定速度でサンプリングした入力信号を一定サンプル数 (= N) の フレ一ム単位で線形予測分析して得られる線形予測係数を用いて構成される合成 過去 Lサンプル分の音声信号のピッチ周期成分を保存し、 順次、 1ピッチ遅延 した Nサンプル分の周期性信号を出力するための適応符号帳、
1フレームを構成する Nサンプル点を複数のパルス系統グループに分割し、 各 パルス系統グループから 1つのサンプル点を取リ出してなる全組み合わせについ て、 各サンプル点で正極性あるレ、は負極性のパルスを有するパルス性信号を雑音 成分として順次出力するための代数構造符号帳、
適応符号帳から順次出力する周期性信号によリ前記合成フィルタを駆動して得 られる信号と前記入力信号との差が最小となる周期性信号を特定するピッチラグ (第 1ピッチラグ） を現フレームのピッチラグとし、 あるいは、 過去のフレーム で求めたピッチラグ （第 2ピッチラグ） を現フレームのピッチラグとするピッチ ラグ決定部、
前記決定したピッチラグにょリ特定される周期' 14信号と代数構造符号帳から順 次出力するパルス性信号とで前記合成フィルタを駆動して得られる信号と前記入 力信号との差が最小となるパルス性信号を決定するパルス性信号決定部、 前記ピッチラグ、 前記パルス性信号を特定するデータ、 前記線形予測係数を音 声符号として出力する手段、
を備えたことを特徴とする音声符号化装置。
2 . 前記符号出力手段は、 第 1ピッチラグを現フレームのピッチラグとすると きは該第 1ピッチラグを出力し、 第 2ピッチラグを現フレームのピッチラグとす るときはその旨を示すデータを出力し、
前記代数構造符号帳は、 第 1ピッチラグを現フレームのピッチラグとするとき に使用する第 1の代数構造符号帳と、 第 2ピッチラグを現フレームのピッチラグ とするときに使用する第 2の代数構造符号帳を備え、 第 2の代数構造符号帳は第 1の代数構造符号帳に比べて、 パルス系統グループ 数を多くしたこと、
を特徴とする請求項 1記載の音声符号化装置。
3 . 前記第 2の代数構造符号帳は、
1フレームを構成する Nサンプル点を複数のパルス系統グループに分割し、 各 パルス系統グループから 1つのサンプル点を取リ出してなる全組み合わせについ て、 各サンプル点で正極性あるいは負極性のパルスを有するパルス性信号を雑音 成分として順次出力するための第 3の代数構造符号帳と、
1フレーム期間より短い期間に含まれる Mサンプル点を、 第 3の代数構造符号 帳より多いパルス系統グループに分割し、 各パルス系統グループから 1つのサン プル点を取り出してなる全組み合わせについて、 各サンプル点で正極性あるいは 負極性のパルスを有するパルス性信号を雑音成分として順次出力するための第 4 の代数構造符号帳を備え、
前記パルス性信号決定部は、 前記第 2のピッチラグの値が Mょリ大きいとき第 3の代数構造符号帳を使用し、 第 2のピッチラグの値が M以下のとき第 4の代数 構造符号帳を使用する、
ことを特徴とする請求項 2記載の音声符号化装置。
4 . 入力信号の性質に応じて前記第 1ピッチラグあるいは第 2ピッチラグを現 フレームのピッチラグとして選択するピッチラグ選択部、
を備えたことを特徴とする請求項 1または請求項 2または請求項 3記載の音声 符号化装置。
5 . 前記選択部は、
現フレームの入力信号と自己相関値が最大となる過去の入力信号との時間差を 求め、 該時間差にもとづいて入力信号の周期性を判断し、 周期性が大きければ第 2ピッチラグを現フレームのピッチラグとし、 周期性が小さければ第 1ピッチラ グを現フレームのピッチラグとして選択することを特徴とする請求項 4記載の音 声符号化装置。
6 . 第 1ピッチラグを使用した時の前記再生信号と入力信号との差、 第 2ピッ チラグを使用した時の前記再生信号と入力信号との差を比較し、 差が小さいほう のピツチラグを現フレ一ムのピツチラグとするピツチラグ選択部、 を備えたことを特徴とする請求項 1または請求項 2または請求項 3記載の音声 符号化装置。
7 . 適応符号帳及び代数符号帳を用いて音声信号を符号化する音声符号化方法 において、
音声信号を所定速度でサンプリングした入力信号を一定サンプル数 （ = N) の フレーム単位で線形予測分析して線形予測係数を求め、 該線形予測係数を用いて 合成フィルタを構成し、
過去 Lサンプル分の音声信号のピッチ周期成分を保存し、 1ピッチ遅延した N サンプル分の周期性信号を順次出力するための適応符号帳を設けると共に、
1フレームを構成する Nサンプル点を複数のパルス系統グループに分割し、 各 パルス系統グループから 1つのサンプル点を取り出してなる全組み合わせについ て、 各サンプル点で正極性あるレヽは負極性のパルスを有するパルス性信号を雑音 成分として順次出力するための第 1の代数構造符号帳と、 第 1の代数構造符号帳 よリ多いパルス系統グループに分割し、 各パルス系統グループから 1つのサンプ ル点を取り出してなる全組み合わせについて、 各サンプル点で正極 14あるいは負 極性のパルスを有するパルス性信号を順次出力するための第 2の代数構造符号帳 を設け、
適応符号帳よリ順次 1ピッチ遅延して得られる Nサンプル分の周期性信号で前 記合成フィルタを駆動して得られる信号と前記入力信号との差が最小となる周期 性信号を特定するピッチラグを現フレームのピッチラグとし、 該ピッチラグによ リ特定される周期性信号と第 1の代数構造符号帳から順次出力するパルス性信号 とで前記合成フィルタを駆動して得られる信号と前記入力信号との差 （第 1の差 ) が最小となるパルス'性信号を特定し、
過去のフレームで求めたピッチラグを現フレームのピッチラグとし、 該ピッチ ラグにより特定される周期性信号と第 2の代数構造符号帳から順次出力するパル ス性信号とで前記合成フィルタを駆動して得られる信号と前記入力信号との差 （ 第 2の差） が最小となるパルス性信号を特定し、
前記第 1、 第 2の差のうち小さい方のピッチラグ及び前記パルス性信号を特定 するデータ、 前記線形予測係数を音声符号として出力する、
ことを特徴とする音声符号化方法。
8 . 前記第 2の代数構造符号帳として、
1フレームを構成する Nサンプル点を複数のパルス系統グループに分割し、 各 パルス系統グループから 1つのサンプル点を取リ出してなる全組み合わせについ て、 各サンプル点で正極性あるいは負極性のパルスを有するパルス性信号を雑音 成分として順次出力するための第 3の代数構造符号帳と、 1フレーム期間よリ短 い期間に含まれる Mサンプル点を、 第 3の代数構造符号帳よリ多いパルス系統グ ループに分割し、 各パルス系統グループから 1つのサンプル点を取り出してなる 全組み合わせについて、 各サンプル点で正極性あるいは負極' 14のパルスを有する パルス性信号を雑音成分として順次出力するための第 4の代数構造符号帳を設け 過去のフレームで求めた前記ピッチラグが Mょリ大きいとき第 3の代数構造符 号帳を使用し、 第 2のピツチラグが M以下のとき第 4の代数構造符号帳を使用し て、 前記合成フィルタから出力する再生信号と前記入力信号との第 2の差が最小 となるパルス性信号を特定する、
ことを特徴とする請求項 7記載の音声符号化方法。
9 . 適応符号帳及び代数符号帳を用いて音声信号を符号化する音声符号化方 法において、
音声信号を所定速度でサンプリングした入力信号を一定サンプル数 （= N) の フレーム単位で線形予測分析して線形予測係数を求め、 該線形予測係数を用いて 合成フィルタを構成し、
過去 Lサンプル分の音声信号のピッチ周期成分を保存し、 1ピッチ遅延した N サンプル分の周期性信号を順次出力するための適応符号帳を設けると共に、
1フレームを構成する Nサンプル点を複数のパルス系統グループに分割し、 各 パルス系統グループから 1つのサンプル点を取り出してなる全組み合わせについ て、 各サンプル点で正極性あるレ、は負極性のパルスを有するパルス性信号を雑音 成分として順次出力する第 1の代数構造符号帳と、 第 1の代数構造符号帳に比べ パルス系統グループ数を多くした第 2の代数構造符号帳を設け、 (1) 入力信号の周期性が低ければ、
適応符号帳よリ 1ピッチ順次遅延して得られる Nサンプル分の周期性信号で前 記合成フィルタを駆動して得られる信号と前記入力信号との差が最小となる周期 性信号を特定するピッチラグを求め、
該ピッチラグにより特定される周期性信号と第 1の代数構造符号帳から順次出 力するパルス性信号とで前記合成フィルタを駆動して得られる信号と前記入力信 号との差が最小となるパルス性信号を特定し、
前記ピッチラグ、 前記パルス性信号を特定するデータ、 前記線形予測係数を音 声符号として出力し、
(2) 入力信号の周期性が高ければ、
過去のフレームで求めたピッチラグを現フレームのピッチラグとし、 該ピッチラグにより特定される周期'性信号と第 2の代数構造符号帳から順次出 力するパルス性信号とで前記合成フィルタを駆動して得られる信号と前記入力信 号との差が最小となるパルス'性信号を特定し、
ピッチラグは過去のピッチラグと同じである旨を示すデータ、 前記パルス性信 号を特定するデータ、 前記線形予測係数を音声符号として出力する、
ことを特徴とする音声符号化方法。
1 0 . 前記第 2の代数構造符号帳として、
1フレームを構成する Nサンプル点を複数のパルス系統グループに分割し、 各 パルス系統グループから 1つのサンプル点を取り出してなる全組み合わせについ て、 各サンプル点で正極性ある ヽは負極性のパルスを有するパルス性信号を雑音 成分として順次出力するための第 3の代数構造符号帳と、 1フレーム期間よリ短 い期間に含まれる Mサンプル点を、 第 3の代数構造符号帳よリ多いパルス系統グ ループに分割し、 各パルス系統グループから 1つのサンプル点を取リ出してなる 全組み合わせについて、 各サンプル点で正極性あるいは負極性のパルスを有する パルス性信号を雑音成分として順次出力するための第 4の代数構造符号帳を設け 過去のフレームで求めた前記ピッチラグが Mょリ大きいとき第 3の代数構造符 号帳を使用し、 第 2のピッチラグが M以下のとき第 4の代数構造符号帳を使用し て、 前記合成フィルタから出力する再生信号と前記入力信号との差が最小となる パルス性信号を特定する、
ことを特徴とする請求項 9記載の音声符号化方法。
1 1 . 入力信号を一定長のフレームに分割し、 フレーム単位で入力信号を線形 予測分析して得られる線形予測係数から構成される合成フィルタを有し、 適応符 号長から出力される周期性信号と、 代数構造符号帳から出力されるパルス性信号 とによリ前記合成フィルタを駆動して再生信号を生成し、 入力信号と前記再生信 号との誤差が最小となるように符号化する音声符号化方法において、
現フレームの入力信号から求めたピッチラグを用いる符号化モード 1と、 過去 のフレームの入力信号から求めたピッチラグを用いる符号化モード 2を用意し、 符号化モード 1と符号化モ一ド 2によリ符号化した場合、 入力信号をよリ精密 に符号化できるモードをフレーム毎に決定し、
該決定されたモードに基づいて符号化する、
ことを特徴とする音声符号化方法。
1 2 . 入力信号を一定長のフレームに分割し、 フレーム単位で入力信号を線形 予測分析して得られる線形予測係数から構成される合成フィルタを有し、 適応符 号帳から出力される周期性信号と、 代数構造符号帳から出力されるパルス性信号 とによリ前記合成フィルタを駆動して再生信号を生成し、 入力信号と前記再生信 号との誤差が最小となるように符号化する音声符号化方法において、
現フレームの入力信号から求めたピッチラグを用いる符号化モード 1と、 過去 のフレームの入力信号から求めたピッチラグを用いる符号化モード 2を用意し、 入力信号の性質に応じて最適なモードを決定し、
該決定されたモードに基づいて符号化する、
ことを特徴とする音声符号化方法。
1 3 . 適応符号帳及び代数符号帳を用いて音声信号を復号化する音声複号化装 置において、
符号化装置よリ受信した線形予測係数を用いて構成される合成フィルタ、 復号した過去 Lサンプル分の音声信号のピッチ周期成分を保存すると共に、 符 号化装置よリ受信したピッチラグあるいはピツチラグは過去と同じであるという 情報より求まるピッチラグが示す周期性信号を出力する適応符号帳、
受信したパルス性信号特定データが示すパルス性信号を雑音成分として出力す る代数構造符号帳、
適応符号帳から出力する周期性信号と代数符号帳から出力するパルス性信号を 合成して前記合成フィルタに入力し、 該合成フィルタよリ再生信号を出力する手 段、
を備えたことを特徴とする音声複号化装置。
1 4 . 前記代数構造符号帳は、 第 1の代数構造符号帳と、 第 1の代数構造符号 帳に比べてパルス系統グループ数を多く した第 2の代数構造符号帳を備え、 符号化装置よりピッチラグを受信すれば第 1の符号帳よリ前記受信したパルス 性信号特定データが示すパルス性信号を出力し、
符号化装置よリピッチラグは過去と同じであるという情報を受信すれば第 2の 符号帳よリ前記受信したパルス性信号特定データが示すパルス性信号を出力する こと、
を特徴とする請求項 1 3記載の音声復号化装置。
1 5 . 前記第 2の代数構造符号帳は、
1フレームを構成する Nサンプル点を複数のパルス系統グループに分割し、 各 パルス系統グループから 1つのサンプル点を取リ出してなる全組み合わせについ て、 各サンプル点で正極性あるいは負極性のパルスを有するパルス性信号を雑音 成分として順次出力する第 3の代数構造符号帳と、
1フレーム周期よリ短い周期に含まれる Mサンプル点を、 第 3の代数構造符号 帳よリ多いパルス系統グループに分割し、 各パルス系統グループから 1つのサン プル点を取り出してなる全組み合わせについて、 各サンプル点で正極性あるいは 負極性のパルスを有するパルス性信号を雑音成分として順次出力する第 4の代数 構造符号帳を備え、
符号化装置ょリ、 ピッチラグが過去と同じであるという情報を受信した場合、 ピッチラグが Mよリ大きいとき第 3の代数構造符号帳よリ前記受信したパルス性 信号特定データが示すパルス性信号を出力し、 第 2のピッチラグが M以下のとき 第 4の代数構造符号帳よリ前記受信したパルス性信号特定データが示すパルス性
PCT/JP1999/004991 1999-09-14 1999-09-14 Codeur/decodeur vocal Ceased WO2001020595A1 (fr)

Priority Applications (5)

Application Number Priority Date Filing Date Title
EP99943314A EP1221694B1 (en) 1999-09-14 1999-09-14 Voice encoder/decoder
DE69932460T DE69932460T2 (de) 1999-09-14 1999-09-14 Sprachkodierer/dekodierer
JP2001524094A JP4005359B2 (ja) 1999-09-14 1999-09-14 音声符号化及び音声復号化装置
PCT/JP1999/004991 WO2001020595A1 (fr) 1999-09-14 1999-09-14 Codeur/decodeur vocal
US10/046,125 US6594626B2 (en) 1999-09-14 2002-01-08 Voice encoding and voice decoding using an adaptive codebook and an algebraic codebook

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP1999/004991 WO2001020595A1 (fr) 1999-09-14 1999-09-14 Codeur/decodeur vocal

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US10/046,125 Continuation US6594626B2 (en) 1999-09-14 2002-01-08 Voice encoding and voice decoding using an adaptive codebook and an algebraic codebook

Publications (1)

Publication Number Publication Date
WO2001020595A1 true WO2001020595A1 (fr) 2001-03-22

Family

ID=14236705

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP1999/004991 Ceased WO2001020595A1 (fr) 1999-09-14 1999-09-14 Codeur/decodeur vocal

Country Status (5)

Country Link
US (1) US6594626B2 (ja)
EP (1) EP1221694B1 (ja)
JP (1) JP4005359B2 (ja)
DE (1) DE69932460T2 (ja)
WO (1) WO2001020595A1 (ja)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004157381A (ja) * 2002-11-07 2004-06-03 Hitachi Kokusai Electric Inc 音声符号化装置及び方法
WO2006001218A1 (ja) * 2004-06-25 2006-01-05 Matsushita Electric Industrial Co., Ltd. 音声符号化装置、音声復号化装置、およびこれらの方法
JP2006510063A (ja) * 2002-12-17 2006-03-23 クゥアルコム・インコーポレイテッド サブサンプルされた励起波形コードブック
JP2010511901A (ja) * 2007-11-05 2010-04-15 ▲ホア▼▲ウェイ▼技術有限公司 符号化方法、符号化器、および、コンピュータ読み取り可能な媒体
WO2012008330A1 (ja) * 2010-07-16 2012-01-19 日本電信電話株式会社 符号化装置、復号装置、これらの方法、プログラム及び記録媒体
JP2012530266A (ja) * 2009-06-19 2012-11-29 ▲ホア▼▲ウェイ▼技術有限公司 パルス符号化のための方法および装置、パルス復号のための方法および装置

Families Citing this family (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7457415B2 (en) 1998-08-20 2008-11-25 Akikaze Technologies, Llc Secure information distribution system utilizing information segment scrambling
US7240001B2 (en) * 2001-12-14 2007-07-03 Microsoft Corporation Quality improvement techniques in an audio encoder
US6934677B2 (en) 2001-12-14 2005-08-23 Microsoft Corporation Quantization matrices based on critical band pattern information for digital audio wherein quantization bands differ from critical bands
AU2003214182A1 (en) * 2002-03-12 2003-09-29 Dilithium Networks Pty Limited Method for adaptive codebook pitch-lag computation in audio transcoders
US7299190B2 (en) * 2002-09-04 2007-11-20 Microsoft Corporation Quantization and inverse quantization for audio
JP4676140B2 (ja) 2002-09-04 2011-04-27 マイクロソフト コーポレーション オーディオの量子化および逆量子化
US7502743B2 (en) 2002-09-04 2009-03-10 Microsoft Corporation Multi-channel audio encoding and decoding with multi-channel transform selection
KR100463417B1 (ko) * 2002-10-10 2004-12-23 한국전자통신연구원 상관함수의 최대값과 그의 후보값의 비를 이용한 피치검출 방법 및 그 장치
KR100465316B1 (ko) * 2002-11-18 2005-01-13 한국전자통신연구원 음성 부호화기 및 이를 이용한 음성 부호화 방법
RU2248619C2 (ru) * 2003-02-12 2005-03-20 Рыболовлев Александр Аркадьевич Способ и устройство преобразования речевого сигнала методом линейного предсказания с адаптивным распределением информационных ресурсов
TWI225637B (en) * 2003-06-09 2004-12-21 Ali Corp Method for calculation a pitch period estimation of speech signals with variable step size
WO2005020210A2 (en) * 2003-08-26 2005-03-03 Sarnoff Corporation Method and apparatus for adaptive variable bit rate audio encoding
US20050091047A1 (en) * 2003-10-27 2005-04-28 Gibbs Jonathan A. Method and apparatus for network communication
US7826441B2 (en) 2004-08-30 2010-11-02 Qualcomm Incorporated Method and apparatus for an adaptive de-jitter buffer in a wireless communication system
US8085678B2 (en) 2004-10-13 2011-12-27 Qualcomm Incorporated Media (voice) playback (de-jitter) buffer adjustments based on air interface
US8155965B2 (en) 2005-03-11 2012-04-10 Qualcomm Incorporated Time warping frames inside the vocoder by modifying the residual
US8355907B2 (en) 2005-03-11 2013-01-15 Qualcomm Incorporated Method and apparatus for phase matching frames in vocoders
US7539612B2 (en) * 2005-07-15 2009-05-26 Microsoft Corporation Coding and decoding scale factor information
WO2007105586A1 (ja) * 2006-03-10 2007-09-20 Matsushita Electric Industrial Co., Ltd. 符号化装置および符号化方法
US8712766B2 (en) * 2006-05-16 2014-04-29 Motorola Mobility Llc Method and system for coding an information signal using closed loop adaptive bit allocation
WO2008001866A1 (en) * 2006-06-29 2008-01-03 Panasonic Corporation Voice encoding device and voice encoding method
US8364492B2 (en) * 2006-07-13 2013-01-29 Nec Corporation Apparatus, method and program for giving warning in connection with inputting of unvoiced speech
CN101226744B (zh) * 2007-01-19 2011-04-13 华为技术有限公司 语音解码器中实现语音解码的方法及装置
CN101842833B (zh) * 2007-09-11 2012-07-18 沃伊斯亚吉公司 语音和音频编码中快速代数码本搜索的方法和设备
CN101981612B (zh) * 2008-09-26 2012-06-27 松下电器产业株式会社 声音分析装置以及声音分析方法
CN102623012B (zh) * 2011-01-26 2014-08-20 华为技术有限公司 矢量联合编解码方法及编解码器
ES2628189T3 (es) * 2011-02-16 2017-08-02 Nippon Telegraph And Telephone Corporation Método de codificación, método de descodificación, codificador, descodificador, programa y medio de grabación
EP3576089B1 (en) * 2012-05-23 2020-10-14 Nippon Telegraph And Telephone Corporation Encoding of an audio signal

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05167457A (ja) * 1991-12-19 1993-07-02 Matsushita Electric Ind Co Ltd 音声符号化装置
JPH05173596A (ja) * 1991-12-24 1993-07-13 Oki Electric Ind Co Ltd コード励振線形予測符号化装置
JPH05346798A (ja) * 1992-06-16 1993-12-27 Matsushita Electric Ind Co Ltd 音声符号化装置
US5701392A (en) * 1990-02-23 1997-12-23 Universite De Sherbrooke Depth-first algebraic-codebook search for fast coding of speech
US5717825A (en) * 1995-01-06 1998-02-10 France Telecom Algebraic code-excited linear prediction speech coding method
US5754976A (en) * 1990-02-23 1998-05-19 Universite De Sherbrooke Algebraic codebook with signal-selected pulse amplitude/position combinations for fast coding of speech
JPH10133696A (ja) * 1996-10-31 1998-05-22 Nec Corp 音声符号化装置
JPH10232696A (ja) * 1997-02-19 1998-09-02 Matsushita Electric Ind Co Ltd 音源ベクトル生成装置及び音声符号化／復号化装置

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2940005B2 (ja) * 1989-07-20 1999-08-25 日本電気株式会社 音声符号化装置
US5208862A (en) * 1990-02-22 1993-05-04 Nec Corporation Speech coder
US5396576A (en) * 1991-05-22 1995-03-07 Nippon Telegraph And Telephone Corporation Speech coding and decoding methods using adaptive and random code books
JP2538450B2 (ja) 1991-07-08 1996-09-25 日本電信電話株式会社 音声の励振信号符号化・復号化方法
US5734789A (en) * 1992-06-01 1998-03-31 Hughes Electronics Voiced, unvoiced or noise modes in a CELP vocoder
DE69309557T2 (de) * 1992-06-29 1997-10-09 Nippon Telegraph & Telephone Verfahren und Vorrichtung zur Sprachkodierung
JP2779886B2 (ja) * 1992-10-05 1998-07-23 日本電信電話株式会社 広帯域音声信号復元方法
JP3230782B2 (ja) 1993-08-17 2001-11-19 日本電信電話株式会社 広帯域音声信号復元方法
JP3199142B2 (ja) 1993-09-22 2001-08-13 日本電信電話株式会社 音声の励振信号符号化方法および装置
DE69426860T2 (de) * 1993-12-10 2001-07-19 Nec Corp., Tokio/Tokyo Sprachcodierer und Verfahren zum Suchen von Codebüchern
US5684920A (en) * 1994-03-17 1997-11-04 Nippon Telegraph And Telephone Acoustic signal transform coding method and decoding method having a high efficiency envelope flattening method therein
JP3235703B2 (ja) * 1995-03-10 2001-12-04 日本電信電話株式会社 ディジタルフィルタのフィルタ係数決定方法
EP0992981B1 (en) * 1996-11-07 2001-11-28 Matsushita Electric Industrial Co., Ltd Excitation Method Generator and Excitation Vector Generating Method
US6345246B1 (en) * 1997-02-05 2002-02-05 Nippon Telegraph And Telephone Corporation Apparatus and method for efficiently coding plural channels of an acoustic signal at low bit rates
US6073092A (en) * 1997-06-26 2000-06-06 Telogy Networks, Inc. Method for speech coding based on a code excited linear prediction (CELP) model
US6014618A (en) * 1998-08-06 2000-01-11 Dsp Software Engineering, Inc. LPAS speech coder using vector quantized, multi-codebook, multi-tap pitch predictor and optimized ternary source excitation codebook derivation
US6330533B2 (en) * 1998-08-24 2001-12-11 Conexant Systems, Inc. Speech encoder adaptively applying pitch preprocessing with warping of target signal
US6295520B1 (en) * 1999-03-15 2001-09-25 Tritech Microelectronics Ltd. Multi-pulse synthesis simplification in analysis-by-synthesis coders

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5701392A (en) * 1990-02-23 1997-12-23 Universite De Sherbrooke Depth-first algebraic-codebook search for fast coding of speech
US5754976A (en) * 1990-02-23 1998-05-19 Universite De Sherbrooke Algebraic codebook with signal-selected pulse amplitude/position combinations for fast coding of speech
JPH05167457A (ja) * 1991-12-19 1993-07-02 Matsushita Electric Ind Co Ltd 音声符号化装置
JPH05173596A (ja) * 1991-12-24 1993-07-13 Oki Electric Ind Co Ltd コード励振線形予測符号化装置
JPH05346798A (ja) * 1992-06-16 1993-12-27 Matsushita Electric Ind Co Ltd 音声符号化装置
US5717825A (en) * 1995-01-06 1998-02-10 France Telecom Algebraic code-excited linear prediction speech coding method
JPH10133696A (ja) * 1996-10-31 1998-05-22 Nec Corp 音声符号化装置
JPH10232696A (ja) * 1997-02-19 1998-09-02 Matsushita Electric Ind Co Ltd 音源ベクトル生成装置及び音声符号化／復号化装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP1221694A4 *

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004157381A (ja) * 2002-11-07 2004-06-03 Hitachi Kokusai Electric Inc 音声符号化装置及び方法
JP2006510063A (ja) * 2002-12-17 2006-03-23 クゥアルコム・インコーポレイテッド サブサンプルされた励起波形コードブック
WO2006001218A1 (ja) * 2004-06-25 2006-01-05 Matsushita Electric Industrial Co., Ltd. 音声符号化装置、音声復号化装置、およびこれらの方法
JP2006011091A (ja) * 2004-06-25 2006-01-12 Matsushita Electric Ind Co Ltd 音声符号化装置、音声復号化装置、およびこれらの方法
US7840402B2 (en) 2004-06-25 2010-11-23 Panasonic Corporation Audio encoding device, audio decoding device, and method thereof
JP2010511901A (ja) * 2007-11-05 2010-04-15 ▲ホア▼▲ウェイ▼技術有限公司 符号化方法、符号化器、および、コンピュータ読み取り可能な媒体
JP2013122612A (ja) * 2007-11-05 2013-06-20 ▲ホア▼▲ウェイ▼技術有限公司 符号化方法、符号化器、および、コンピュータ読み取り可能な媒体
US8600739B2 (en) 2007-11-05 2013-12-03 Huawei Technologies Co., Ltd. Coding method, encoder, and computer readable medium that uses one of multiple codebooks based on a type of input signal
US9349381B2 (en) 2009-06-19 2016-05-24 Huawei Technologies Co., Ltd Method and device for pulse encoding, method and device for pulse decoding
JP2012530266A (ja) * 2009-06-19 2012-11-29 ▲ホア▼▲ウェイ▼技術有限公司 パルス符号化のための方法および装置、パルス復号のための方法および装置
US10026412B2 (en) 2009-06-19 2018-07-17 Huawei Technologies Co., Ltd. Method and device for pulse encoding, method and device for pulse decoding
US8723700B2 (en) 2009-06-19 2014-05-13 Huawei Technologies Co., Ltd. Method and device for pulse encoding, method and device for pulse decoding
WO2012008330A1 (ja) * 2010-07-16 2012-01-19 日本電信電話株式会社 符号化装置、復号装置、これらの方法、プログラム及び記録媒体
JP5320508B2 (ja) * 2010-07-16 2013-10-23 日本電信電話株式会社 符号化装置、復号装置、これらの方法、プログラム及び記録媒体

Also Published As

Publication number Publication date
DE69932460T2 (de) 2007-02-08
DE69932460D1 (de) 2006-08-31
EP1221694B1 (en) 2006-07-19
EP1221694A4 (en) 2005-06-22
US20020111800A1 (en) 2002-08-15
US6594626B2 (en) 2003-07-15
EP1221694A1 (en) 2002-07-10
JP4005359B2 (ja) 2007-11-07

Similar Documents

Publication Publication Date Title
JP4005359B2 (ja) 音声符号化及び音声復号化装置
EP1141947B1 (en) Variable rate speech coding
EP1145228B1 (en) Periodic speech coding
JP3346765B2 (ja) 音声復号化方法及び音声復号化装置
JPWO2001020595A1 (ja) 音声符号化及び音声復号化装置
JP3094908B2 (ja) 音声符号化装置
US9972325B2 (en) System and method for mixed codebook excitation for speech coding
JP3180762B2 (ja) 音声符号化装置及び音声復号化装置
JPH10187197A (ja) 音声符号化方法及び該方法を実施する装置
JPH0990995A (ja) 音声符号化装置
JP3582589B2 (ja) 音声符号化装置及び音声復号化装置
JP3531780B2 (ja) 音声符号化方法および復号化方法
JP2003044099A (ja) ピッチ周期探索範囲設定装置及びピッチ周期探索装置
JPWO2000063878A1 (ja) 音声符号化装置、音声処理装置及び音声処理方法
JP3916934B2 (ja) 音響パラメータ符号化、復号化方法、装置及びプログラム、音響信号符号化、復号化方法、装置及びプログラム、音響信号送信装置、音響信号受信装置
JP3319396B2 (ja) 音声符号化装置ならびに音声符号化復号化装置
JP2001318698A (ja) 音声符号化装置及び音声復号化装置
JP2002073097A (ja) Ｃｅｌｐ型音声符号化装置とｃｅｌｐ型音声復号化装置及び音声符号化方法と音声復号化方法
JP3496618B2 (ja) 複数レートで動作する無音声符号化を含む音声符号化・復号装置及び方法
JPH07168596A (ja) 音声符号化装置
JP3192051B2 (ja) 音声符号化装置
JP3284874B2 (ja) 音声符号化装置
JP3230380B2 (ja) 音声符号化装置
JP3350340B2 (ja) 音声符号化方法および音声復号化方法
WO2001009880A1 (en) Multimode vselp speech coder

Legal Events

Date Code Title Description
AK Designated states

Kind code of ref document: A1

Designated state(s): JP US

AL Designated countries for regional patents

Kind code of ref document: A1

Designated state(s): AT BE CH CY DE DK ES FI FR GB GR IE IT LU MC NL PT SE

DFPE Request for preliminary examination filed prior to expiration of 19th month from priority date (pct application filed before 20040101)
121 Ep: the epo has been informed by wipo that ep was designated in this application
ENP Entry into the national phase

Ref country code: JP

Ref document number: 2001 524094

Kind code of ref document: A

Format of ref document f/p: F

WWE Wipo information: entry into national phase

Ref document number: 10046125

Country of ref document: US

WWE Wipo information: entry into national phase

Ref document number: 1999943314

Country of ref document: EP

WWP Wipo information: published in national office

Ref document number: 1999943314

Country of ref document: EP

WWG Wipo information: grant in national office

Ref document number: 1999943314

Country of ref document: EP