JP2597271B2 - 合成による分析技術に基づく音声コーダの改良 - Google Patents
合成による分析技術に基づく音声コーダの改良Info
- Publication number
- JP2597271B2 JP2597271B2 JP4187371A JP18737192A JP2597271B2 JP 2597271 B2 JP2597271 B2 JP 2597271B2 JP 4187371 A JP4187371 A JP 4187371A JP 18737192 A JP18737192 A JP 18737192A JP 2597271 B2 JP2597271 B2 JP 2597271B2
- Authority
- JP
- Japan
- Prior art keywords
- signal
- spectrum
- filter
- coder
- audio 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.)
- Expired - Lifetime
Links
- 230000015572 biosynthetic process Effects 0.000 title claims description 22
- 238000003786 synthesis reaction Methods 0.000 title claims description 22
- 238000000034 method Methods 0.000 title claims description 7
- 238000004458 analytical method Methods 0.000 title claims description 5
- 230000000873 masking effect Effects 0.000 claims description 39
- 230000005236 sound signal Effects 0.000 claims description 29
- 238000001228 spectrum Methods 0.000 claims description 25
- 230000005284 excitation Effects 0.000 claims description 21
- 238000007493 shaping process Methods 0.000 claims description 9
- 230000003595 spectral effect Effects 0.000 claims description 9
- 230000007774 longterm Effects 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims 1
- 238000001914 filtration Methods 0.000 claims 1
- 230000006870 function Effects 0.000 description 14
- 238000012545 processing Methods 0.000 description 8
- 238000012546 transfer Methods 0.000 description 8
- 230000008447 perception Effects 0.000 description 5
- 238000013139 quantization Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000010183 spectrum analysis Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
- G10L19/04—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
- G10L19/26—Pre-filtering or post-filtering
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B1/00—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission
- H04B1/66—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission for reducing bandwidth of signals; for improving efficiency of transmission
- H04B1/665—Details of transmission systems, not covered by a single one of groups H04B3/00 - H04B13/00; Details of transmission systems not characterised by the medium used for transmission for reducing bandwidth of signals; for improving efficiency of transmission using psychoacoustic properties of the ear, e.g. masking effect
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Human Computer Interaction (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Machine Translation (AREA)
Description
【０００１】
【産業上の利用分野】本発明は、音声信号コード化シス
テムに関し、特に、合成による分析音声コーダの改良に
係る。
テムに関し、特に、合成による分析音声コーダの改良に
係る。
【０００２】
【従来の技術】このようなコーダにおいて、コード化さ
れるべき音声信号サンプルの各セット（フレーム）に対
し、音声装置を模した合成フィルターのための励起信号
が、知覚的に有意な歪の程度を最小にするように、とり
得る励起信号のセット（パルスのグループ、ホワイト・
ノイズのランダム列など）から選ばれることは公知であ
る。これは普通、合成サンプルと原信号の対応するサン
プルとの比較、および、いかに人間の耳が導入された歪
を評価するかを考慮に入れた関数を用いた適用なフィル
ターでの同時重み付けによって得られる。
れるべき音声信号サンプルの各セット（フレーム）に対
し、音声装置を模した合成フィルターのための励起信号
が、知覚的に有意な歪の程度を最小にするように、とり
得る励起信号のセット（パルスのグループ、ホワイト・
ノイズのランダム列など）から選ばれることは公知であ
る。これは普通、合成サンプルと原信号の対応するサン
プルとの比較、および、いかに人間の耳が導入された歪
を評価するかを考慮に入れた関数を用いた適用なフィル
ターでの同時重み付けによって得られる。
【０００３】より一般的な形式では、合成ブランチは、
励起信号に短期および長期特徴をそれぞれ与える二つの
フィルターのカスケードを含む。後者の長期特徴を与え
るフィルターは、線形予測係数αに依存する伝達関数を
有し、この線形予測係数αは、周知の線形予測技術を用
いて入力信号から得られる。典型的な伝達関数は、次の
ような表式のものである。
励起信号に短期および長期特徴をそれぞれ与える二つの
フィルターのカスケードを含む。後者の長期特徴を与え
るフィルターは、線形予測係数αに依存する伝達関数を
有し、この線形予測係数αは、周知の線形予測技術を用
いて入力信号から得られる。典型的な伝達関数は、次の
ような表式のものである。
【数１】
【０００４】重み付けフィルターは、人間の耳が音声信
号スペクトルのより高いエネルギー領域（フォルマント
領域）に対応するノイズにより鈍感で、より低いエネル
ギー領域（インターフォルマント領域）のノイズにより
敏感であるという事実を利用している。このようなフィ
ルターは、量子化ノイズが音声信号スペクトルの極大お
よび極小に対応する極大および極小を表すように、量子
化ノイズのスペクトル（即ち、原信号と合成信号との差
として得られる誤差信号のスペクトル）を整形する。換
言すれば、フィルタリングされた誤差信号のスペクトル
は、音声信号スペクトルの平滑化されたレプリカとな
る。これを得るため、短期合成フィルターの伝達関数か
ら得られた伝達関数が使われ、典型的な関数の型は、
号スペクトルのより高いエネルギー領域（フォルマント
領域）に対応するノイズにより鈍感で、より低いエネル
ギー領域（インターフォルマント領域）のノイズにより
敏感であるという事実を利用している。このようなフィ
ルターは、量子化ノイズが音声信号スペクトルの極大お
よび極小に対応する極大および極小を表すように、量子
化ノイズのスペクトル（即ち、原信号と合成信号との差
として得られる誤差信号のスペクトル）を整形する。換
言すれば、フィルタリングされた誤差信号のスペクトル
は、音声信号スペクトルの平滑化されたレプリカとな
る。これを得るため、短期合成フィルターの伝達関数か
ら得られた伝達関数が使われ、典型的な関数の型は、
【数２】 である。ここで、因子γ（一般に、０．９のオーダー）
は、フォルマント領域において許容されるノイズ量を決
定する。実際に、表式（２）のような伝達関数を使う場
合、重み付けは、原信号と合成信号との両方に行われ、
誤差信号には行われない。これは明らかに最適励起のサ
ーチに要する全体的計算量に削減をもたらす。というの
は、短期合成フィルターおよび重み付けフィルターのシ
リーズが、表式（２）の分母を伝達関数とする単一のフ
ィルターに対応するからである。
は、フォルマント領域において許容されるノイズ量を決
定する。実際に、表式（２）のような伝達関数を使う場
合、重み付けは、原信号と合成信号との両方に行われ、
誤差信号には行われない。これは明らかに最適励起のサ
ーチに要する全体的計算量に削減をもたらす。というの
は、短期合成フィルターおよび重み付けフィルターのシ
リーズが、表式（２）の分母を伝達関数とする単一のフ
ィルターに対応するからである。
【０００５】従来の重み付けフィルターの使用により得
られる合成音声の質はかなり良いが、或る限界を越える
ことは決して出来ない。というのは、これらのフィルタ
ーに暗黙のうちに含まれている人間の知覚モデルが、極
端に単純化されているからである。実際、このようなモ
デルは、二つの信号間（この特定の場合、音声信号と誤
差信号又はノイズとの間）のマスキングとして知られる
現象の質的側面、即ち、高いエネルギー領域では、誤差
信号は音声信号により、より強くマスクされるという事
実を活用している。しかしながら、音声信号の種々の周
波数および対応するエネルギー値に依存する複雑な量的
側面も存在する。もしより正確な人間の知覚モデルが重
み付けに活用されれば、コード化信号のより高い質的レ
ベルが得られることは明らかである。
られる合成音声の質はかなり良いが、或る限界を越える
ことは決して出来ない。というのは、これらのフィルタ
ーに暗黙のうちに含まれている人間の知覚モデルが、極
端に単純化されているからである。実際、このようなモ
デルは、二つの信号間（この特定の場合、音声信号と誤
差信号又はノイズとの間）のマスキングとして知られる
現象の質的側面、即ち、高いエネルギー領域では、誤差
信号は音声信号により、より強くマスクされるという事
実を活用している。しかしながら、音声信号の種々の周
波数および対応するエネルギー値に依存する複雑な量的
側面も存在する。もしより正確な人間の知覚モデルが重
み付けに活用されれば、コード化信号のより高い質的レ
ベルが得られることは明らかである。
【０００６】音声コーダにより正確な人間の知覚モデル
を使用することは、既に示唆されているが、誤差信号の
重み付けとは全く異なる目的のためである。
を使用することは、既に示唆されているが、誤差信号の
重み付けとは全く異なる目的のためである。
【０００７】例えば、ドロゴデラコボ（Ｒ．Ｄｒｏｇｏ
ｄｅ ｌａｃｏｖｏ）、モンタグナ（Ｒ．Ｍｏｎｔａ
ｇｎａ）およびセレノ（Ｄ．Ｓｅｒｅｎｏ）により１９
９０年４月３〜６日米国アルブケルクで開催された音響
・音声信号処理に関する国際会議（ＩＣＡＳＳＰ ９
０）に提出された『ＳＶＤベースのＣＥＬＰコーダにお
けるベクタ量子化および知覚基準（Ｖｅｃｔｏｒｑｕａ
ｎｔｉｚａｔｉｏｎ ａｎｄ ｐｅｒｃｅｐｔｕａｌ
ｃｒｉｔｅｒｉａ ｉｎ ＳＶＤ ｂａｓｅｄＣＥＬＰ
ｃｏｒｄｅｒｓ，３−６，Ａｐｒｉｌ １９９０）』
と題する論文は、合成による分析ＣＥＬＰコーダを記述
しており、そこでは、短期合成フィルターが所謂特異値
分解に基づいており、音声によるノイズ・マスキングの
より正確なモデルが、かような値の数の選択に利用され
ている。上述の技術によれば、適当な正規直交のベース
が、フィルターの入力および出力ベクタのために作ら
れ、そのベースは、入力信号のそのベース上への射影を
特異値で乗算することにより、出力信号の他のベース上
への射影が得られると言う様なものである。合成フィル
ターを作るために使われるべき特異値の数を限定するこ
とにより（例えば、マスキング効果がより多いノイズ量
を許容するスペクトル領域に対応するそれらを除去する
ことにより）、或るフレームに対する最適な励起の特定
に要する計算の量、より特定的には、コードブック中の
ワードを特定するのに要するビット数が削減される。か
ように、与えられた信号品質を、より低いコード化ビッ
ト数で得ることが出来る。このメモリに記述されたコー
ダ中における誤差信号の重み付けは、関係（２）に基づ
く従来フィルターによって行われ、見出された知覚モデ
ルを利用していない。一方、そのコーダ内のノイズ重み
付けフィルターを記述された技術で実施することは、合
成フィルターを実施することと両立しなくなる。という
のは、各特異値が、多くのスペクトル領域において、領
域毎に異なるやり方で、ノイズ知覚性に影響を与えるか
らである。
ｄｅ ｌａｃｏｖｏ）、モンタグナ（Ｒ．Ｍｏｎｔａ
ｇｎａ）およびセレノ（Ｄ．Ｓｅｒｅｎｏ）により１９
９０年４月３〜６日米国アルブケルクで開催された音響
・音声信号処理に関する国際会議（ＩＣＡＳＳＰ ９
０）に提出された『ＳＶＤベースのＣＥＬＰコーダにお
けるベクタ量子化および知覚基準（Ｖｅｃｔｏｒｑｕａ
ｎｔｉｚａｔｉｏｎ ａｎｄ ｐｅｒｃｅｐｔｕａｌ
ｃｒｉｔｅｒｉａ ｉｎ ＳＶＤ ｂａｓｅｄＣＥＬＰ
ｃｏｒｄｅｒｓ，３−６，Ａｐｒｉｌ １９９０）』
と題する論文は、合成による分析ＣＥＬＰコーダを記述
しており、そこでは、短期合成フィルターが所謂特異値
分解に基づいており、音声によるノイズ・マスキングの
より正確なモデルが、かような値の数の選択に利用され
ている。上述の技術によれば、適当な正規直交のベース
が、フィルターの入力および出力ベクタのために作ら
れ、そのベースは、入力信号のそのベース上への射影を
特異値で乗算することにより、出力信号の他のベース上
への射影が得られると言う様なものである。合成フィル
ターを作るために使われるべき特異値の数を限定するこ
とにより（例えば、マスキング効果がより多いノイズ量
を許容するスペクトル領域に対応するそれらを除去する
ことにより）、或るフレームに対する最適な励起の特定
に要する計算の量、より特定的には、コードブック中の
ワードを特定するのに要するビット数が削減される。か
ように、与えられた信号品質を、より低いコード化ビッ
ト数で得ることが出来る。このメモリに記述されたコー
ダ中における誤差信号の重み付けは、関係（２）に基づ
く従来フィルターによって行われ、見出された知覚モデ
ルを利用していない。一方、そのコーダ内のノイズ重み
付けフィルターを記述された技術で実施することは、合
成フィルターを実施することと両立しなくなる。という
のは、各特異値が、多くのスペクトル領域において、領
域毎に異なるやり方で、ノイズ知覚性に影響を与えるか
らである。
【０００８】
【課題を解決するための手段】これに対して本発明は、
重み付けフィルターが人間の知覚のより正確なモデルを
実際に活用するコーダを提供することを目的とする。
重み付けフィルターが人間の知覚のより正確なモデルを
実際に活用するコーダを提供することを目的とする。
【０００９】より正確には、本発明は、合成による分析
デジタル音声コーダであって、 （１）励起信号のセットを供給する励起信号発生器（Ｇ
Ｅ）であって、一グルー プの音声信号サンプル［Ｓ
（ｎ）］に関連したコード化操作に用いられるべき最適
励起が該励起信号のセットから選択される上記励起信号
発生器（ＧＥ）、 （２）音声信号の短期及び長期スペクトル特性を前記励
起信号に与えて合成された音声信号［
デジタル音声コーダであって、 （１）励起信号のセットを供給する励起信号発生器（Ｇ
Ｅ）であって、一グルー プの音声信号サンプル［Ｓ
（ｎ）］に関連したコード化操作に用いられるべき最適
励起が該励起信号のセットから選択される上記励起信号
発生器（ＧＥ）、 （２）音声信号の短期及び長期スペクトル特性を前記励
起信号に与えて合成された音声信号［
【外２】 （ｎ）］を供給するフィルタリング・システム（ＬＴ，Ｓ
Ｔ）、及び （３）原音声信号に対する合成音声信号の歪み［ｅ
（ｎ）］の知覚的に有意な測定を行い、コード化された
音声信号を発生するための手段（ＳＭ，ＳＷ，ＥＬ，Ｃ
Ｄ）であって、該歪みのスペクトル整形を行うためのフ
ィルター（ＳＷ）を含んだ上記手段（ＳＭ，ＳＷ，Ｅ
Ｌ，ＣＤ）を含み、該スペクトル整形フィルター（Ｓ
Ｗ）の伝達関数の係数は、音声信号によるノイズの包括
的マスキングしきい値の逆数により表され、且つ （ｉ）離散的な音声信号スペクトルを求める工程、 （ｉｉ）スペクトル中の予め定められた成分、又は成分
のグループに対する部分的なマスキングしきい値を計算
する工程、及び （ｉｉｉ）部分的マスキングしきい値を加え合わせて包
括的マスキングしきい値を定める工程により得られるこ
とを特徴とする上記合成による分析デジタル音声コーダ
を提供する。
Ｔ）、及び （３）原音声信号に対する合成音声信号の歪み［ｅ
（ｎ）］の知覚的に有意な測定を行い、コード化された
音声信号を発生するための手段（ＳＭ，ＳＷ，ＥＬ，Ｃ
Ｄ）であって、該歪みのスペクトル整形を行うためのフ
ィルター（ＳＷ）を含んだ上記手段（ＳＭ，ＳＷ，Ｅ
Ｌ，ＣＤ）を含み、該スペクトル整形フィルター（Ｓ
Ｗ）の伝達関数の係数は、音声信号によるノイズの包括
的マスキングしきい値の逆数により表され、且つ （ｉ）離散的な音声信号スペクトルを求める工程、 （ｉｉ）スペクトル中の予め定められた成分、又は成分
のグループに対する部分的なマスキングしきい値を計算
する工程、及び （ｉｉｉ）部分的マスキングしきい値を加え合わせて包
括的マスキングしきい値を定める工程により得られるこ
とを特徴とする上記合成による分析デジタル音声コーダ
を提供する。
【００１０】好ましい実施例では、離散的スペクトル
は、ステップ状の線形予測スペクトルであり、各ステッ
プは、或るバンドに対応し、そのバンドにおける信号レ
ベルを表すレベルを有し、且つその部分的しきい値が、
各バンドに対して算出される。また、好ましくは前記フ
ィルターは、最小フエイズ有限インパルス応答フィルタ
ーである。
は、ステップ状の線形予測スペクトルであり、各ステッ
プは、或るバンドに対応し、そのバンドにおける信号レ
ベルを表すレベルを有し、且つその部分的しきい値が、
各バンドに対して算出される。また、好ましくは前記フ
ィルターは、最小フエイズ有限インパルス応答フィルタ
ーである。
【００１１】
【実施例】図１に示すように、合成による分析コーダ
は、一般に次のものを含む。励起信号の源ＧＥ、源ＧＥ
により供給される信号をスケール・フアクタσで増倍す
るマルチプライヤＭＬ、励起信号に、信号の微細スペク
トル構造に依存する特性を導入する長期合成フィルター
ＬＴ、励起信号に、信号のスペクトル・エンヴェロップ
に依存する特性を導入し、合成信号
は、一般に次のものを含む。励起信号の源ＧＥ、源ＧＥ
により供給される信号をスケール・フアクタσで増倍す
るマルチプライヤＭＬ、励起信号に、信号の微細スペク
トル構造に依存する特性を導入する長期合成フィルター
ＬＴ、励起信号に、信号のスペクトル・エンヴェロップ
に依存する特性を導入し、合成信号
【外３】 （ｎ） を発生する短期合成フィルターＳＴ、原信号ｓ（ｎ）か
ら合成信号を引き、誤差信号ｅ（ｎ）を供給する加算器
ＳＭ、誤差信号のスペクトルの重み付け（または整形）
のためのフィルターＳＷ、与えられたフレームに対する
最適な励起を決定するのに要する計算を実行する処理ユ
ニットＥＬ、及び、コード化音声信号を共に形成する、
最適励起信号、スケール・フアクタ、及び合成フィルタ
ー・パラメータに関連する情報をコード化するための回
路ＣＤ。
ら合成信号を引き、誤差信号ｅ（ｎ）を供給する加算器
ＳＭ、誤差信号のスペクトルの重み付け（または整形）
のためのフィルターＳＷ、与えられたフレームに対する
最適な励起を決定するのに要する計算を実行する処理ユ
ニットＥＬ、及び、コード化音声信号を共に形成する、
最適励起信号、スケール・フアクタ、及び合成フィルタ
ー・パラメータに関連する情報をコード化するための回
路ＣＤ。
【００１２】本発明の好ましい実施例では、重み付けフ
ィルターＳＷは、引用論文に記載されたコーダで使用さ
れた音声信号によるノイズ・マスキングのモデルを基本
的に利用する。そのようなモデルは次のようにして得ら
れた。
ィルターＳＷは、引用論文に記載されたコーダで使用さ
れた音声信号によるノイズ・マスキングのモデルを基本
的に利用する。そのようなモデルは次のようにして得ら
れた。
【００１３】先ず、同時的マスキング、即ち同時に存在
する信号間のマスキングのみが考えられた。つまり、合
成による分析コーダは、適当な持続時間（フレーム）に
対応する音声信号サンプルのグループを処理することを
考慮して、音声信号及びその同じフレームに対応するノ
イズとの間の相互影響が考慮されたが、異なるフレーム
に属する信号とノイズとの間の影響は無視された。マス
キングのモデルを得るため、臨界バンドの概念もまた利
用された。この用語（臨界バンド）は、それを越えると
聴者が複雑な信号変化に応答するバンド幅を指すもので
ある。この概念は、トビアス（Ｊ．Ｖ．Ｔｏｂｉａｓ）
により編集され１９７０年ニューヨークのアカデミック
・プレスより発行された『現代聴覚理論の基礎（Ｆｏｕ
ｎｄａｔｉｏｎｓ ｏｆ Ｍｏｄｅｒｎ Ａｕｄｉｔｏ
ｒｙ Ｔｈｅｏｒｙ）』と題する書物、とりわけシャル
フ（Ｂ．Ｓｃｈａｒｆ）による『臨界バンド（Ｃｒｉｔ
ｉｃａｌ Ｂａｎｄｓ，ｐａｇｅｓ１５９ ａｎｄ ｆ
ｆ）』と言う章に詳しく書かれている。この他、バンド
自体中に集中したトーンによる臨界バンドにおけるノイ
ズ・マスキングのモデルも、利用されており、ベルドヒ
ュイスら（Ｒ．Ｎ．Ｊ．Ｖｅｌｄｈｕｉｓ ｅｔ ａ
ｌ．）により１９８９年グラスゴウで開催された音響・
音声信号処理に関する国際会議（ＩＣＡＳＳＰ ８９）
に提出された『品質の損失のないデジタル・オーデイオ
信号のサブバンド・コード化（Ｓｕｂｂａｎｄ Ｃｏｄ
ｉｎｇ ｏｆ Ｄｉｇｉｔａｌ Ａｕｄｉｏ Ｓｉｇｎ
ａｌｓＷｉｔｈｏｕｔ Ｌｏｓｓ ｏｆ Ｑｕａｌｉｔ
ｙ，２３−２６Ｍａｙ １９８９，ｐａｐｅｒ Ａｌａ
８）』と題する論文に記述されている。そのモデルによ
れば、種々のトーンのマスキングのしきい値（即ち、そ
れを越えるとトーンがノイズをマスクする信号／ノイズ
比の値）が、周波数の変化に従い、三角形の関数によっ
て表される。この関数は、バンド内のマスキングレベル
（即ち、しきい値）、及びより低い周波数及びより高い
周波数に向っての関数の傾斜により特定される。
する信号間のマスキングのみが考えられた。つまり、合
成による分析コーダは、適当な持続時間（フレーム）に
対応する音声信号サンプルのグループを処理することを
考慮して、音声信号及びその同じフレームに対応するノ
イズとの間の相互影響が考慮されたが、異なるフレーム
に属する信号とノイズとの間の影響は無視された。マス
キングのモデルを得るため、臨界バンドの概念もまた利
用された。この用語（臨界バンド）は、それを越えると
聴者が複雑な信号変化に応答するバンド幅を指すもので
ある。この概念は、トビアス（Ｊ．Ｖ．Ｔｏｂｉａｓ）
により編集され１９７０年ニューヨークのアカデミック
・プレスより発行された『現代聴覚理論の基礎（Ｆｏｕ
ｎｄａｔｉｏｎｓ ｏｆ Ｍｏｄｅｒｎ Ａｕｄｉｔｏ
ｒｙ Ｔｈｅｏｒｙ）』と題する書物、とりわけシャル
フ（Ｂ．Ｓｃｈａｒｆ）による『臨界バンド（Ｃｒｉｔ
ｉｃａｌ Ｂａｎｄｓ，ｐａｇｅｓ１５９ ａｎｄ ｆ
ｆ）』と言う章に詳しく書かれている。この他、バンド
自体中に集中したトーンによる臨界バンドにおけるノイ
ズ・マスキングのモデルも、利用されており、ベルドヒ
ュイスら（Ｒ．Ｎ．Ｊ．Ｖｅｌｄｈｕｉｓ ｅｔ ａ
ｌ．）により１９８９年グラスゴウで開催された音響・
音声信号処理に関する国際会議（ＩＣＡＳＳＰ ８９）
に提出された『品質の損失のないデジタル・オーデイオ
信号のサブバンド・コード化（Ｓｕｂｂａｎｄ Ｃｏｄ
ｉｎｇ ｏｆ Ｄｉｇｉｔａｌ Ａｕｄｉｏ Ｓｉｇｎ
ａｌｓＷｉｔｈｏｕｔ Ｌｏｓｓ ｏｆ Ｑｕａｌｉｔ
ｙ，２３−２６Ｍａｙ １９８９，ｐａｐｅｒ Ａｌａ
８）』と題する論文に記述されている。そのモデルによ
れば、種々のトーンのマスキングのしきい値（即ち、そ
れを越えるとトーンがノイズをマスクする信号／ノイズ
比の値）が、周波数の変化に従い、三角形の関数によっ
て表される。この関数は、バンド内のマスキングレベル
（即ち、しきい値）、及びより低い周波数及びより高い
周波数に向っての関数の傾斜により特定される。
【００１４】上述の考慮から出発して、音声信号による
量子化ノイズの包括的マスキングしきい値を決定するた
めに、次のような幾つかの単純化仮説が置かれた。 （１）各臨界バンド内における音声信号は、実際には、
より複雑な信号であっても、そのバンド自体中に集中し
た単純トーンとして考えられ、それゆえ、トーンと同じ
挙動を行うマスキングしきい値が用いられてきた。従っ
て、しきい値の単純な垂直方向のシフトにより、信号の
より大きい複雑性が考慮される。 （２）一つのトーンのマスキングしきい値は、その振幅
とは独立したものと考えられてきた。 （３）マスキング効果は加法的なものと考えられてき
た。
量子化ノイズの包括的マスキングしきい値を決定するた
めに、次のような幾つかの単純化仮説が置かれた。 （１）各臨界バンド内における音声信号は、実際には、
より複雑な信号であっても、そのバンド自体中に集中し
た単純トーンとして考えられ、それゆえ、トーンと同じ
挙動を行うマスキングしきい値が用いられてきた。従っ
て、しきい値の単純な垂直方向のシフトにより、信号の
より大きい複雑性が考慮される。 （２）一つのトーンのマスキングしきい値は、その振幅
とは独立したものと考えられてきた。 （３）マスキング効果は加法的なものと考えられてき
た。
【００１５】これらの仮定から出発して、音声信号に対
するマスキングしきい値を決定するには、次の操作を要
する。 （ａ）等しい幅の一連のステップとして、音声信号の線
形予測スペクトルを決定すること。各ステップは、間隔
０〜４ｋＨｚ内の或るバンドに対応し、そのバンド内の
信号の規格化レベルを示すレベルを有する。 （ｂ）各バンドに対してマスキングしきい値を計算する
こと。 （ｃ）個々のバンドの寄与を合計して、包括的マスキン
グしきい値を決定すること。
するマスキングしきい値を決定するには、次の操作を要
する。 （ａ）等しい幅の一連のステップとして、音声信号の線
形予測スペクトルを決定すること。各ステップは、間隔
０〜４ｋＨｚ内の或るバンドに対応し、そのバンド内の
信号の規格化レベルを示すレベルを有する。 （ｂ）各バンドに対してマスキングしきい値を計算する
こと。 （ｃ）個々のバンドの寄与を合計して、包括的マスキン
グしきい値を決定すること。
【００１６】０〜４ｋＨｚの音声信号スペクトル範囲
は、コーダを電話へ応用する上で興味ある範囲である。
明らかに、信号のバンドへの分割を細かくすればするほ
ど、単純化の影響は小さくなるが、計算量は多くなる。
バンドの数の選択は、この相剋する要件間の妥協から生
まれる。実施されたテストによると、考慮された間隔が
少なくとも１６バンド、好ましくは少なくとも２４バン
ドに分割されれば、本発明により達成可能な品質は、従
来の重み付けフィルターを使用したコーダと比較して、
高くなることが示された。このようにして得たバンド
は、『現代聴覚理論の基礎』の上記章で報告された表と
比較することにより推論することの出来るように、音声
信号の臨界バンドと正確には一致するものではない。信
号バンドが、より多くの臨界バンドを含むか、または隣
接する臨界バンドを含む場合、マスキングしきい値は、
個々の臨界バンドに関するしきい値の重み付け平均とし
て形成される。より多くの信号バンドが、同一の臨界バ
ンド内に入る場合、同一のマスキングしきい値が、全て
の信号バンドに対して使用される。
は、コーダを電話へ応用する上で興味ある範囲である。
明らかに、信号のバンドへの分割を細かくすればするほ
ど、単純化の影響は小さくなるが、計算量は多くなる。
バンドの数の選択は、この相剋する要件間の妥協から生
まれる。実施されたテストによると、考慮された間隔が
少なくとも１６バンド、好ましくは少なくとも２４バン
ドに分割されれば、本発明により達成可能な品質は、従
来の重み付けフィルターを使用したコーダと比較して、
高くなることが示された。このようにして得たバンド
は、『現代聴覚理論の基礎』の上記章で報告された表と
比較することにより推論することの出来るように、音声
信号の臨界バンドと正確には一致するものではない。信
号バンドが、より多くの臨界バンドを含むか、または隣
接する臨界バンドを含む場合、マスキングしきい値は、
個々の臨界バンドに関するしきい値の重み付け平均とし
て形成される。より多くの信号バンドが、同一の臨界バ
ンド内に入る場合、同一のマスキングしきい値が、全て
の信号バンドに対して使用される。
【００１７】図２は、一つの信号に対し３２バンドの場
合の規格化された包括的マスキング閾値を示し、この信
号のスペクトルは実線カーブで示されている。当該技術
に熟達している者には周知の理論的理由により重み付け
フィルターの設計に要求されるように、この規格化は、
関数の平均値を０に等しくするような、実際のしきい値
のスケーリングである。規格化包括的マスキングしきい
値のステップをｄＢで表した値は、次表に示される。
合の規格化された包括的マスキング閾値を示し、この信
号のスペクトルは実線カーブで示されている。当該技術
に熟達している者には周知の理論的理由により重み付け
フィルターの設計に要求されるように、この規格化は、
関数の平均値を０に等しくするような、実際のしきい値
のスケーリングである。規格化包括的マスキングしきい
値のステップをｄＢで表した値は、次表に示される。
【００１８】
【表１】
【００１９】一旦、包括的マスキングしきい値が決定さ
れると、重み付けフィルター伝達関 数は従来の設計技術
により得られる。より特定的には、最小フエイズ有限イ
ンパルス応答フィルターが導入される。或る係数を有す
る有限インパルス応答フィルターを得るためのモダリテ
イー（様相）は、オッペンハイム（Ａ．Ｖ．Ｏｐｐｅｎ
ｈｅｉｍ）およびシャフア（Ｒ．Ｗ．Ｓｃｈａｆｅｒ）
の書物『デジタル信号処理（Ｄｉｇｉｔａｌ ｓｉｇｎ
ａｌ Ｐｒｏｃｅｓｓｉｎｇ，Ｐｒｅｎｔｉｃｅ Ｈａ
ｌｌ Ｉｎｃ．，３５３〜３５８頁）』に記載されてい
る。マスキングしきい値が与えられると、フィルター係
数は一義的に決定される。しかしながら、同一のマスキ
ングしきい値が、異なる型のフィルターでも実現できる
ことは明らかである。
れると、重み付けフィルター伝達関 数は従来の設計技術
により得られる。より特定的には、最小フエイズ有限イ
ンパルス応答フィルターが導入される。或る係数を有す
る有限インパルス応答フィルターを得るためのモダリテ
イー（様相）は、オッペンハイム（Ａ．Ｖ．Ｏｐｐｅｎ
ｈｅｉｍ）およびシャフア（Ｒ．Ｗ．Ｓｃｈａｆｅｒ）
の書物『デジタル信号処理（Ｄｉｇｉｔａｌ ｓｉｇｎ
ａｌ Ｐｒｏｃｅｓｓｉｎｇ，Ｐｒｅｎｔｉｃｅ Ｈａ
ｌｌ Ｉｎｃ．，３５３〜３５８頁）』に記載されてい
る。マスキングしきい値が与えられると、フィルター係
数は一義的に決定される。しかしながら、同一のマスキ
ングしきい値が、異なる型のフィルターでも実現できる
ことは明らかである。
【００２０】図３は、図２で例示したスペクトルに対す
る３２バンドの考慮された例における、従来のフィルタ
ーにより得た量子化ノイズ整形（破線カーブ）と本発明
のフィルターにより得たもの（点線カーブ）を示す。よ
り正確な知覚モデルを使用することにより、従来のフィ
ルターにより得られたノイズ整形とは異なるノイズ整形
となっているのは明らかである。その差異は、フォルマ
ント領域における拡がり、およびノイズ・スペクトルの
種々の部分の異なる傾斜により主に示されている。より
正確な整形により、コード化信号の質は高まる。このこ
とは、直観的でもあり、実施された聴取テストでも証明
された。
る３２バンドの考慮された例における、従来のフィルタ
ーにより得た量子化ノイズ整形（破線カーブ）と本発明
のフィルターにより得たもの（点線カーブ）を示す。よ
り正確な知覚モデルを使用することにより、従来のフィ
ルターにより得られたノイズ整形とは異なるノイズ整形
となっているのは明らかである。その差異は、フォルマ
ント領域における拡がり、およびノイズ・スペクトルの
種々の部分の異なる傾斜により主に示されている。より
正確な整形により、コード化信号の質は高まる。このこ
とは、直観的でもあり、実施された聴取テストでも証明
された。
【００２１】もちろん、本発明のコーダの重み付けフィ
ルターで使用されている音声信号による誤差信号マスキ
ングは、記述されたもの、例えば、ＩＳＯにより標準化
されている技術によるオーデイオ信号コード化で使用さ
れているもの、とは異なる知覚モデルを用いることもで
きる。その技術は、ミュスマン（Ｈ．Ｇ．Ｍｕｓｍａ
ｎ）により１９９０年１２月２〜５日サンヂエゴで開催
されたＩＥＥＥ国際通信会議（Ｇｌｏｂａｌ Ｔｅｌｅ
ｃｏｍｍｕｎｉｃａｔｉｏｎｓ Ｃｏｎｆｅｒｅｎｃ
ｅ）ＧＬＯＢＥＣＯＭ’ ９０に、ｐａｐｅｒ ４０
５．１として提出された『ＩＳＯオーデイオ信号コード
化標準（Ｔｈｅ ＩＳＯ Ａｕｄｉｏ ＣｏｄｉｎｇＳ
ｔａｎｄａｒｄ）』と題する論文に記載されている。そ
こでは、各サブバンドに関するマスキングしきい値を利
用して、オーデイオ信号が分割される種々のサブバンド
への最適ビット割当を決定するために、知覚モデルが使
用されている。この異なる応用に加えて、記述されたモ
デルとの差異は、基本的には、線形予測技術でなく、入
力信号の高速フーリエ変換を利用する信号のスペクトル
分析に関するものである。スペクトル分析の後、トーン
およびノントーン・スペクトル成分が抽出され（トーン
成分は、隣接する線のパワーより充分高いパワーを有す
る成分を意味する）、マスキングしきい値が、異なる成
分毎に算出され、それから、包括マスキングしきい値
が、個々の成分のマスキングしきい値の合成として算出
される。
ルターで使用されている音声信号による誤差信号マスキ
ングは、記述されたもの、例えば、ＩＳＯにより標準化
されている技術によるオーデイオ信号コード化で使用さ
れているもの、とは異なる知覚モデルを用いることもで
きる。その技術は、ミュスマン（Ｈ．Ｇ．Ｍｕｓｍａ
ｎ）により１９９０年１２月２〜５日サンヂエゴで開催
されたＩＥＥＥ国際通信会議（Ｇｌｏｂａｌ Ｔｅｌｅ
ｃｏｍｍｕｎｉｃａｔｉｏｎｓ Ｃｏｎｆｅｒｅｎｃ
ｅ）ＧＬＯＢＥＣＯＭ’ ９０に、ｐａｐｅｒ ４０
５．１として提出された『ＩＳＯオーデイオ信号コード
化標準（Ｔｈｅ ＩＳＯ Ａｕｄｉｏ ＣｏｄｉｎｇＳ
ｔａｎｄａｒｄ）』と題する論文に記載されている。そ
こでは、各サブバンドに関するマスキングしきい値を利
用して、オーデイオ信号が分割される種々のサブバンド
への最適ビット割当を決定するために、知覚モデルが使
用されている。この異なる応用に加えて、記述されたモ
デルとの差異は、基本的には、線形予測技術でなく、入
力信号の高速フーリエ変換を利用する信号のスペクトル
分析に関するものである。スペクトル分析の後、トーン
およびノントーン・スペクトル成分が抽出され（トーン
成分は、隣接する線のパワーより充分高いパワーを有す
る成分を意味する）、マスキングしきい値が、異なる成
分毎に算出され、それから、包括マスキングしきい値
が、個々の成分のマスキングしきい値の合成として算出
される。
【図１】合成による分析コーダの概略ブロック・ダイヤ
グラム。
グラム。
【図２】本発明で使用されている規格化マスキングしき
い値の一例のグラフ。
い値の一例のグラフ。
【図３】図２の規格化マスキングしきい値に基づく、本
発明のフィルターによつて得たノイズ整形と従来のフィ
ルターによつて得たノイズ整形のグラフ。
発明のフィルターによつて得たノイズ整形と従来のフィ
ルターによつて得たノイズ整形のグラフ。
ＧＥ 励起信号発生器 ＭＬ マルチプライヤ ＬＴ 長期合成フィルター ＳＴ 短期合成フィルター ＳＭ 加算器 ＳＷ 重み付けフィルター ＥＬ 処理ユニット ＣＤ 回路 σ スケール・フアクタ ｓ（ｎ） 原音声信号
【外４】 （ｎ）
───────────────────────────────────────────────────── フロントページの続き (72)発明者 ロベルト・モンタグナ イタリー国、トリノ、ヴイア・アロナ ８ (56)参考文献 特開 昭62−159199（ＪＰ，Ａ) 特開 昭60−69699（ＪＰ，Ａ)
Claims (5)
- 【請求項１】 合成による分析デジタル音声コーダであ
って、 （１）励起信号のセットを供給する励起信号発生器（Ｇ
Ｅ）であって、一グループの音声信号サンプル［Ｓ
（ｎ）］に関連したコード化操作に用いられるべき最適
励起が該励起信号のセットから選択される上記励起信号
発生器（ＧＥ）、 （２）音声信号の短期及び長期スペクトル特性を前記励
起信号に与えて合成された音声信号［ 【外１】 （ｎ）］を供給するフィルタリング・システム（ＬＴ，Ｓ
Ｔ）、及び （３）原音声信号に対する合成音声信号の歪み［ｅ
（ｎ）］の知覚的に有意な測定を行い、コード化された
音声信号を発生するための手段（ＳＭ，ＳＷ，ＥＬ，Ｃ
Ｄ）であって、該歪みのスペクトル整形を行うためのフ
ィルター（ＳＷ）を含んだ上記手段（ＳＭ，ＳＷ，Ｅ
Ｌ，ＣＤ） を含み、該スペクトル整形フィルター（ＳＷ）の伝達関
数の係数は、音声信号によるノイズの包括的マスキング
しきい値の逆数により表され、且つ （ｉ）離散的な音声信号スペクトルを求める工程、 （ｉｉ）スペクトル中の予め定められた成分、又は成分
のグループに対する部分的なマスキングしきい値を計算
する工程、及び （ｉｉｉ）部分的マスキングしきい値を加え合わせて包
括的マスキングしきい値を定める工程 により得られることを特徴とする上記合成による分析デ
ジタル音声コーダ。 - 【請求項２】 前記離散的スペクトルがステップ状の線
形予測スペクトルであり、各ステップは或るバンドに対
応し、且つそのバンドにおける信号レベルを表すレベル
を有し、また、部分的しきい値が各バンドに対して計算
されることを特徴とする請求項１に記載のコーダ。 - 【請求項３】 使用される線形予測スペクトルが少なく
とも１６、好ましくは少なくとも２４のステップを含む
ことを特徴とする請求項２に記載のコーダ。 - 【請求項４】 使用される線形予測スペクトルが３２の
ステップを含むことを特徴とする請求項３に記載のコー
ダ。 - 【請求項５】 前記フィルターが最小フエイズ有限イン
パルス応答フィルターであることを特徴とする請求項１
〜４のいずれか１項に記載のコーダ。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| ITTO910493A IT1249940B (it) | 1991-06-28 | 1991-06-28 | Perfezionamenti ai codificatori della voce basati su tecniche di analisi per sintesi. |
| IT91A000493 | 1991-06-28 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH05232998A JPH05232998A (ja) | 1993-09-10 |
| JP2597271B2 true JP2597271B2 (ja) | 1997-04-02 |
Family
ID=11409446
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP4187371A Expired - Lifetime JP2597271B2 (ja) | 1991-06-28 | 1992-06-23 | 合成による分析技術に基づく音声コーダの改良 |
Country Status (8)
| Country | Link |
|---|---|
| EP (1) | EP0520462B1 (ja) |
| JP (1) | JP2597271B2 (ja) |
| AT (1) | ATE159375T1 (ja) |
| CA (1) | CA2070603C (ja) |
| DE (2) | DE69222696T2 (ja) |
| ES (1) | ES2037645T3 (ja) |
| GR (2) | GR930300033T1 (ja) |
| IT (1) | IT1249940B (ja) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3024467B2 (ja) * | 1993-12-10 | 2000-03-21 | 日本電気株式会社 | 音声符号化装置 |
| JP3024468B2 (ja) * | 1993-12-10 | 2000-03-21 | 日本電気株式会社 | 音声復号装置 |
| CN101169934B (zh) * | 2006-10-24 | 2011-05-11 | 华为技术有限公司 | 时域听觉阈值加权滤波器的构造方法和设备、编解码器 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS6069699A (ja) * | 1983-09-26 | 1985-04-20 | 株式会社リコー | 音声パタ−ン作成装置 |
| US4827517A (en) * | 1985-12-26 | 1989-05-02 | American Telephone And Telegraph Company, At&T Bell Laboratories | Digital speech processor using arbitrary excitation coding |
-
1991
- 1991-06-28 IT ITTO910493A patent/IT1249940B/it active IP Right Grant
-
1992
- 1992-06-05 CA CA002070603A patent/CA2070603C/en not_active Expired - Fee Related
- 1992-06-23 JP JP4187371A patent/JP2597271B2/ja not_active Expired - Lifetime
- 1992-06-26 AT AT92110767T patent/ATE159375T1/de active
- 1992-06-26 EP EP92110767A patent/EP0520462B1/en not_active Expired - Lifetime
- 1992-06-26 ES ES92110767T patent/ES2037645T3/es not_active Expired - Lifetime
- 1992-06-26 DE DE69222696T patent/DE69222696T2/de not_active Expired - Fee Related
- 1992-06-26 DE DE199292110767T patent/DE520462T1/de active Pending
-
1993
- 1993-06-07 GR GR930300033T patent/GR930300033T1/el unknown
-
1997
- 1997-10-16 GR GR970402658T patent/GR3025073T3/el unknown
Also Published As
| Publication number | Publication date |
|---|---|
| DE69222696T2 (de) | 1998-02-26 |
| ES2037645T3 (es) | 1997-12-01 |
| ITTO910493A1 (it) | 1992-12-28 |
| DE69222696D1 (de) | 1997-11-20 |
| GR930300033T1 (en) | 1993-06-07 |
| IT1249940B (it) | 1995-03-30 |
| ATE159375T1 (de) | 1997-11-15 |
| EP0520462B1 (en) | 1997-10-15 |
| CA2070603A1 (en) | 1992-12-29 |
| CA2070603C (en) | 1996-10-15 |
| DE520462T1 (de) | 1993-04-29 |
| JPH05232998A (ja) | 1993-09-10 |
| EP0520462A1 (en) | 1992-12-30 |
| GR3025073T3 (en) | 1998-01-30 |
| ES2037645T1 (es) | 1993-07-01 |
| ITTO910493A0 (it) | 1991-06-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| RU2257556C2 (ru) | Квантование коэффициентов усиления для речевого кодера линейного прогнозирования с кодовым возбуждением | |
| JP3566652B2 (ja) | 広帯域信号の効率的な符号化のための聴覚重み付け装置および方法 | |
| JP4662673B2 (ja) | 広帯域音声及びオーディオ信号復号器における利得平滑化 | |
| US6681202B1 (en) | Wide band synthesis through extension matrix | |
| EP0764941B1 (en) | Speech signal quantization using human auditory models in predictive coding systems | |
| EP0698877B1 (en) | Postfilter and method of postfiltering | |
| DE69615302T2 (de) | Maskierung des wahrnehmbaren Rauschens auf der Basis der Frequenzantwort eines Synthesefilters | |
| US6681204B2 (en) | Apparatus and method for encoding a signal as well as apparatus and method for decoding a signal | |
| JP3513292B2 (ja) | 雑音荷重フィルタリング方法 | |
| EP2991075B1 (en) | Speech coding method and speech coding apparatus | |
| MXPA96004161A (en) | Quantification of speech signals using human auiditive models in predict encoding systems | |
| EP0764939A2 (en) | Synthesis of speech signals in the absence of coded parameters | |
| CA2192397C (en) | Method and system for performing speech recognition | |
| US5884251A (en) | Voice coding and decoding method and device therefor | |
| JPH09281995A (ja) | 信号符号化装置及び方法 | |
| JP2597271B2 (ja) | 合成による分析技術に基づく音声コーダの改良 | |
| Malah | Efficient spectral matching of the LPC residual signal | |
| JPH0738119B2 (ja) | 音声波形符号復号化装置 | |
| JPH09179588A (ja) | 音声符号化方法 | |
| JPH02115899A (ja) | 音声符号化方式 |