JP3062226B2 - 条件付き確率的励起符号化法 - Google Patents
条件付き確率的励起符号化法Info
- Publication number
- JP3062226B2 JP3062226B2 JP2226785A JP22678590A JP3062226B2 JP 3062226 B2 JP3062226 B2 JP 3062226B2 JP 2226785 A JP2226785 A JP 2226785A JP 22678590 A JP22678590 A JP 22678590A JP 3062226 B2 JP3062226 B2 JP 3062226B2
- Authority
- JP
- Japan
- Prior art keywords
- signal
- excitation
- signals
- filter
- value
- 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
- 230000005284 excitation Effects 0.000 title claims description 65
- 238000000034 method Methods 0.000 claims description 37
- 238000001914 filtration Methods 0.000 claims description 8
- 230000007774 longterm Effects 0.000 claims description 8
- 230000004044 response Effects 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 4
- 230000003247 decreasing effect Effects 0.000 claims description 2
- 238000002620 method output Methods 0.000 claims 1
- 230000008569 process Effects 0.000 description 12
- 238000004458 analytical method Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000013139 quantization Methods 0.000 description 5
- 230000005236 sound signal Effects 0.000 description 5
- 238000003786 synthesis reaction Methods 0.000 description 5
- 239000013598 vector Substances 0.000 description 5
- 101000822695 Clostridium perfringens (strain 13 / Type A) Small, acid-soluble spore protein C1 Proteins 0.000 description 4
- 101000655262 Clostridium perfringens (strain 13 / Type A) Small, acid-soluble spore protein C2 Proteins 0.000 description 4
- 101000655256 Paraclostridium bifermentans Small, acid-soluble spore protein alpha Proteins 0.000 description 4
- 101000655264 Paraclostridium bifermentans Small, acid-soluble spore protein beta Proteins 0.000 description 4
- 238000013459 approach Methods 0.000 description 4
- 230000015572 biosynthetic process Effects 0.000 description 4
- 230000000737 periodic effect Effects 0.000 description 4
- 230000002411 adverse Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 210000003127 knee Anatomy 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- LLQPHQFNMLZJMP-UHFFFAOYSA-N Fentrazamide Chemical compound N1=NN(C=2C(=CC=CC=2)Cl)C(=O)N1C(=O)N(CC)C1CCCCC1 LLQPHQFNMLZJMP-UHFFFAOYSA-N 0.000 description 1
- 206010019133 Hangover Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 230000008080 stochastic effect Effects 0.000 description 1
- 238000005309 stochastic process Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03M—CODING; DECODING; CODE CONVERSION IN GENERAL
- H03M7/00—Conversion of a code where information is represented by a given sequence or number of digits to a code where the same, similar or subset of information is represented by a different sequence or number of digits
-
- 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
- G10L19/12—Determination or coding of the excitation function; Determination or coding of the long-term prediction parameters the excitation function being a code excitation, e.g. in code excited linear prediction [CELP] vocoders
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
- G10L2019/0001—Codebooks
- G10L2019/0003—Backward prediction of gain
-
- 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
- G10L2019/0011—Long term prediction filters, i.e. pitch estimation
-
- 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
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/93—Discriminating between voiced and unvoiced parts of speech signals
Landscapes
- Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
- Filters That Use Time-Delay Elements (AREA)
Description
【発明の詳細な説明】 技術分野 本発明は情報の符号化、より詳細には、幾つかの状況
において確率的要素を持つものとして表わすことができ
る情報、例えば、音声の効率的な符号化に関する。
において確率的要素を持つものとして表わすことができ
る情報、例えば、音声の効率的な符号化に関する。
発明の背景 過去数年間の間に、コード励起予測（Code−Excited
Predictive,CELP）符号化が低速度、例えば、8Kb/sにお
けるデジタル音声通信に対する主要な技術として出現
し、今日においては、デジタル移動電話及び秘密音声通
信における符号化に対する主要候補であると見なされて
いる。これに関しては、例えば、B.S.アタル（B.S.Ata
l）及びM.R.シュローダー（M.R.Schroeder）によって、
Proceedings IEEE Int.Conf.Comm.,1984年５月号、ペー
ジ48.1に掲載の論文『非常に低ビット速度における音声
信号の確率的符号化（Stochastic Coding of Speech Si
gnals at Very Low Bit Rates）』:M.R.シュローダー
（M.R.Schroeder）及びB.S.アタル（B.S.Atal）によっ
て、Proc.IEEE Int.Conf.ASSP.,1985年、ページ937−94
0に掲載の論文『コード励起線型予測（Code−Excited L
inear Predictive,CELP）：非常に低ビット速度におけ
る高品質音声（High Quality Speech ar Very Iow Bit
Rates）』;P.クルーン（P.Kroon）及びE.F.デプレッテ
ル（E.F.Deprettere）によって、IEEE J.on Sel.Area i
n Comm.SAC−６（２）、1988年２月号、ページ353−363
に掲載の論文『あるクラスの4.8から16Kb/sの間の速度
における高品質音声符号化のための分析−合成予測コー
ダー（A Class of Analysisi−by−Synthesis Predicti
ve Coders for High−Quality Speech Coding at Rate
Between 4.8 and 16Kb/s）』;P.クルーン（P.Kroon）及
びB.S.アタル（B.S.Atal）によって、Proc.IEEE Int.Co
nf.ASSP.,1987年、ページ1650−1654に掲載の論文『4.8
Kb/s CELPコーダーに対する量子化手順（Quantization
Procedures for 4.8 Kb/s CELP Coders）』；及び1989
年３月17日付けでB.アタル（B.Atal）らに交付され、本
発明の受託者に譲渡された合衆国特許第4,827,517号を
参照すること。
Predictive,CELP）符号化が低速度、例えば、8Kb/sにお
けるデジタル音声通信に対する主要な技術として出現
し、今日においては、デジタル移動電話及び秘密音声通
信における符号化に対する主要候補であると見なされて
いる。これに関しては、例えば、B.S.アタル（B.S.Ata
l）及びM.R.シュローダー（M.R.Schroeder）によって、
Proceedings IEEE Int.Conf.Comm.,1984年５月号、ペー
ジ48.1に掲載の論文『非常に低ビット速度における音声
信号の確率的符号化（Stochastic Coding of Speech Si
gnals at Very Low Bit Rates）』:M.R.シュローダー
（M.R.Schroeder）及びB.S.アタル（B.S.Atal）によっ
て、Proc.IEEE Int.Conf.ASSP.,1985年、ページ937−94
0に掲載の論文『コード励起線型予測（Code−Excited L
inear Predictive,CELP）：非常に低ビット速度におけ
る高品質音声（High Quality Speech ar Very Iow Bit
Rates）』;P.クルーン（P.Kroon）及びE.F.デプレッテ
ル（E.F.Deprettere）によって、IEEE J.on Sel.Area i
n Comm.SAC−６（２）、1988年２月号、ページ353−363
に掲載の論文『あるクラスの4.8から16Kb/sの間の速度
における高品質音声符号化のための分析−合成予測コー
ダー（A Class of Analysisi−by−Synthesis Predicti
ve Coders for High−Quality Speech Coding at Rate
Between 4.8 and 16Kb/s）』;P.クルーン（P.Kroon）及
びB.S.アタル（B.S.Atal）によって、Proc.IEEE Int.Co
nf.ASSP.,1987年、ページ1650−1654に掲載の論文『4.8
Kb/s CELPコーダーに対する量子化手順（Quantization
Procedures for 4.8 Kb/s CELP Coders）』；及び1989
年３月17日付けでB.アタル（B.Atal）らに交付され、本
発明の受託者に譲渡された合衆国特許第4,827,517号を
参照すること。
CELPコーダーは、8Kb/sにおいては、かなり良い品質
の音声を提供することができるが、4.8Kb/sにおけるこ
の性能は、幾つかのアプリケーションに対しては、ま
だ、満足できるものではない。CELP符号化概念の特徴、
つまり、線型フィルターの確率的励起は、また、潜在的
な弱点を持つ。つまり、確率的励起は、一般的には、音
声合成プロセスに寄与することなく、また、フィルター
によって完全に除去することができないノイズ性成分を
含む。従って、CELP符号化の低ビット特性を保持する一
方において、符号化された音声が復号されたときの再生
された音声の知覚品質を改良することが要求される。
の音声を提供することができるが、4.8Kb/sにおけるこ
の性能は、幾つかのアプリケーションに対しては、ま
だ、満足できるものではない。CELP符号化概念の特徴、
つまり、線型フィルターの確率的励起は、また、潜在的
な弱点を持つ。つまり、確率的励起は、一般的には、音
声合成プロセスに寄与することなく、また、フィルター
によって完全に除去することができないノイズ性成分を
含む。従って、CELP符号化の低ビット特性を保持する一
方において、符号化された音声が復号されたときの再生
された音声の知覚品質を改良することが要求される。
発明の概要 本発明の一面によると、音声符号化システム内におい
て、線型予測フィルター（Iinearpredictives filter,L
PF）システムへの入力として提供される確率的励起のレ
ベルをこのレベルを長期（ピッチ ループ）サブシステ
ムの性能インデックスにリンクすることによって適応的
に制約すると良いことが証明される。より具体的には、
励起信号のレベルに対する利得係数が、確率的励起の寄
与なしにLPFコーダーによって達成されるエラーの低減
の関数として適応的に調節される。つまり、ピッチ ル
ープ及びフィルター パラメータが入力に対する十分に
良好な近似を与えるときは、確率的励起の実際のレベル
が低く規定される。ピッチ ループ及びLPFパラメータ
がエラーを許容できるレベルに低減するのに十分でない
ときは、確率的励起のレベルが高く設定される。この動
作は、確率的励起のノイズ効果を低減し、合成された音
声の周期性を向上させ、従って、コーダーの知覚品質を
向上させる。
て、線型予測フィルター（Iinearpredictives filter,L
PF）システムへの入力として提供される確率的励起のレ
ベルをこのレベルを長期（ピッチ ループ）サブシステ
ムの性能インデックスにリンクすることによって適応的
に制約すると良いことが証明される。より具体的には、
励起信号のレベルに対する利得係数が、確率的励起の寄
与なしにLPFコーダーによって達成されるエラーの低減
の関数として適応的に調節される。つまり、ピッチ ル
ープ及びフィルター パラメータが入力に対する十分に
良好な近似を与えるときは、確率的励起の実際のレベル
が低く規定される。ピッチ ループ及びLPFパラメータ
がエラーを許容できるレベルに低減するのに十分でない
ときは、確率的励起のレベルが高く設定される。この動
作は、確率的励起のノイズ効果を低減し、合成された音
声の周期性を向上させ、従って、コーダーの知覚品質を
向上させる。
より一般的な局面においては、本発明は、（ｉ）分析
及び測定によって（少なくとも近似的に）明示的決定が
可能な第一のセットのパラメータと、（ii）全体として
のシステムあるいはプロセスに悪影響（並びに良い影
響）を持つ確率的プロセスを表わす第二のセットのパラ
メータの組合わせとして表わすことができる他のシステ
ム及びプロセスに適用することができる。本発明は、従
って、確率的寄与を反映する組合わせの成分の強調を、
この強調の軽減がシステム全体として見たときのプロセ
ス性能を向上するようなときは、これが持つ良い影響を
犠牲にしてでも適応的に低下させ、これにより、悪影響
を低減することを図る。
及び測定によって（少なくとも近似的に）明示的決定が
可能な第一のセットのパラメータと、（ii）全体として
のシステムあるいはプロセスに悪影響（並びに良い影
響）を持つ確率的プロセスを表わす第二のセットのパラ
メータの組合わせとして表わすことができる他のシステ
ム及びプロセスに適用することができる。本発明は、従
って、確率的寄与を反映する組合わせの成分の強調を、
この強調の軽減がシステム全体として見たときのプロセ
ス性能を向上するようなときは、これが持つ良い影響を
犠牲にしてでも適応的に低下させ、これにより、悪影響
を低減することを図る。
詳細な説明 本発明の符号化システムは、一例としての実施態様に
おいては従来の励起フィルター モデル（excitation−
fiiter model）を採用する標準のコードブック励起線型
予測（Codebook−Excited Linear Predictive,CELP）コ
ーダに基づく。最初に、この先行技術によるシステムに
ついて簡単に説明する。上に引用の参考文献を含む様々
な文献を見ることによってこれら周知のシステムのより
完全な理解を得ることができる。
おいては従来の励起フィルター モデル（excitation−
fiiter model）を採用する標準のコードブック励起線型
予測（Codebook−Excited Linear Predictive,CELP）コ
ーダに基づく。最初に、この先行技術によるシステムに
ついて簡単に説明する。上に引用の参考文献を含む様々
な文献を見ることによってこれら周知のシステムのより
完全な理解を得ることができる。
第１図において、マイクロホン101に加えられる音声
パターンは、ここで、音声信号に変換されるが、これ
は、当業者において周知の方法にて、フィルター及びサ
ンプラー105内において、帯域ろ波及びサンプリングさ
れる。結果としてのサンプルがアナログ／デジタル変換
器110によってデジタル符号に変換され、デジタル的に
符号化された音声信号ｓ（ｎ）が生成される。信号ｓ
（ｎ）は、LPC及びピッチ予測分析器115内で処理され
る。この処理には、符号化されたサンプルを一連の連続
する音声フレーム期間に分割する作業が含まれる。この
説明を通じて、時間軸の原点が現フレームの開始の所と
整合し、全ての処理は、時間ウインドウ〔ｎ＝0,...,N
−１〕（Ｎはフレーム サイズ、つまり、フレーム内の
サンプルの数である）内において遂行されるものと想定
される。分析器115による処理は、さらに、個々の一連
のフレーム内の信号ｓ（ｎ）に対応するセットのパラメ
ータの生成を含む。第１図において、ａ（１）、ａ
（２）,..,a（ｐ）として示されるパラメータ信号は、
その間隔の音声パターンの短遅延相関あるいはスペクト
ル関連特性を表わし、そして、パラメータ信号β
（１），β（２），β（３），及びｍは、その音声パタ
ーンの長遅延相関あるいはピッチ関連特性を示す。この
タイプのコーダーにおいては、音声信号フレームあるい
はブロックは、典型的には、５マイクロ秒、つまり、40
サンプルの継続期間を持つ。このようなブロックに対し
ては、確率的コード メモリー120は、個々が一連の40
個のランダム数から成る1024個のランダム ホワイト
ガウスコード語シーケンスを含む。個々のコード語は、
ろ波の前に、スケーラー125内においてこの５ミリ秒ブ
ロックに対して一定である係数γにてスケーリングされ
る。音声適応化は反復フィルター135及び145内において
遂行される。
パターンは、ここで、音声信号に変換されるが、これ
は、当業者において周知の方法にて、フィルター及びサ
ンプラー105内において、帯域ろ波及びサンプリングさ
れる。結果としてのサンプルがアナログ／デジタル変換
器110によってデジタル符号に変換され、デジタル的に
符号化された音声信号ｓ（ｎ）が生成される。信号ｓ
（ｎ）は、LPC及びピッチ予測分析器115内で処理され
る。この処理には、符号化されたサンプルを一連の連続
する音声フレーム期間に分割する作業が含まれる。この
説明を通じて、時間軸の原点が現フレームの開始の所と
整合し、全ての処理は、時間ウインドウ〔ｎ＝0,...,N
−１〕（Ｎはフレーム サイズ、つまり、フレーム内の
サンプルの数である）内において遂行されるものと想定
される。分析器115による処理は、さらに、個々の一連
のフレーム内の信号ｓ（ｎ）に対応するセットのパラメ
ータの生成を含む。第１図において、ａ（１）、ａ
（２）,..,a（ｐ）として示されるパラメータ信号は、
その間隔の音声パターンの短遅延相関あるいはスペクト
ル関連特性を表わし、そして、パラメータ信号β
（１），β（２），β（３），及びｍは、その音声パタ
ーンの長遅延相関あるいはピッチ関連特性を示す。この
タイプのコーダーにおいては、音声信号フレームあるい
はブロックは、典型的には、５マイクロ秒、つまり、40
サンプルの継続期間を持つ。このようなブロックに対し
ては、確率的コード メモリー120は、個々が一連の40
個のランダム数から成る1024個のランダム ホワイト
ガウスコード語シーケンスを含む。個々のコード語は、
ろ波の前に、スケーラー125内においてこの５ミリ秒ブ
ロックに対して一定である係数γにてスケーリングされ
る。音声適応化は反復フィルター135及び145内において
遂行される。
フィルター135は、大きなメモリー（２から15ミリ
秒）を持つ予測器を使用して合成音声信号内に音声周期
性を導入し、フィルター145は、短いメモリー（２ミリ
秒以下）を使用してスペクトル包絡線を導入する。この
ようなフィルターは、B.S.アタル（B.S.Atal）によっ
て、IEEEトランザクション オン コミニケーション
（IEEE Transaction on Communications）、Vol.COS−3
0、ページ600−614,1982年４月号に発表の論文『低ビッ
ト速度での音声の予測符号化（Predictive Codingof Sp
eech at Low Bit Rates）』において説明されている。
ディファレンサー150に加えられた元の音声信号ｓ
（ｎ）とフィルター145から加えられた合成音声信号
（ｎ）との間の差を表わすエラーがさらに、線型フィル
ター155によって、これらエラーが知覚的にあまり重要
でないときは、それら周波数成分を減衰し、これらエラ
ーが知覚的に重要な場合はそれら周波数成分を増幅する
ように処理される。最少平均２乗主観エラー信号Ｅ
（ｋ）を生成するメモリー120からの確率的コード信号
とこれに対応する最適スケール係数γは、メモリー120
内の1024個のコード語シーケンスの全てがピーク ピッ
カー170によって処理された後にはじめて選択される。
秒）を持つ予測器を使用して合成音声信号内に音声周期
性を導入し、フィルター145は、短いメモリー（２ミリ
秒以下）を使用してスペクトル包絡線を導入する。この
ようなフィルターは、B.S.アタル（B.S.Atal）によっ
て、IEEEトランザクション オン コミニケーション
（IEEE Transaction on Communications）、Vol.COS−3
0、ページ600−614,1982年４月号に発表の論文『低ビッ
ト速度での音声の予測符号化（Predictive Codingof Sp
eech at Low Bit Rates）』において説明されている。
ディファレンサー150に加えられた元の音声信号ｓ
（ｎ）とフィルター145から加えられた合成音声信号
（ｎ）との間の差を表わすエラーがさらに、線型フィル
ター155によって、これらエラーが知覚的にあまり重要
でないときは、それら周波数成分を減衰し、これらエラ
ーが知覚的に重要な場合はそれら周波数成分を増幅する
ように処理される。最少平均２乗主観エラー信号Ｅ
（ｋ）を生成するメモリー120からの確率的コード信号
とこれに対応する最適スケール係数γは、メモリー120
内の1024個のコード語シーケンスの全てがピーク ピッ
カー170によって処理された後にはじめて選択される。
これらパラメータ、並びにLPC分析器出力は、次に、
最終的な再生のために復号器に送られる。このような先
行技術による復号器が第２図に示される。図面からわか
るように、励起パラメータＫ＊及びスケール係数γによ
って励起シーケンスがLPCフィルターに加えられるが、
このフィルターのパラメータはフレーム毎に符号器によ
って供給される。このフィルタリングの出力は、要求さ
れる再生信号を提供する。
最終的な再生のために復号器に送られる。このような先
行技術による復号器が第２図に示される。図面からわか
るように、励起パラメータＫ＊及びスケール係数γによ
って励起シーケンスがLPCフィルターに加えられるが、
このフィルターのパラメータはフレーム毎に符号器によ
って供給される。このフィルタリングの出力は、要求さ
れる再生信号を提供する。
本発明を使用することによって得られる向上の背景を
より良く理解するために、上に概説されたCELPプロセス
についてより詳細に分析を行なう。より具体的には、ｓ
（ｎ）が極ゼロ ノイズ重み付け線型フィルターによっ
てＸ（ｚ）＝Ｓ（ｚ）Ａ（ｚ）/A′（ｚ）を得るために
ろ波される。つまり、Ｘ（ｚ）（時間領域におけるｘ
（ｎ））は符号化プロセスにおいて使用される目標信号
である。Ａ（ｚ）は、現フレームに対応する標準LPC多
項式であり、係数ai,i＝0,...,M（a0＝1.0）を持つ。
Ａ′（ｚ）は、Ａ（ｚ）からゼロをｚ−平面内の原点に
向けてシフトすることによって、つまり、０＜γ＜１
（典型的な値：＜＝0.8）を使用することによって得ら
れる修正された多項式である。この事前フィルタリング
動作は、符号化された音声スペクトルの谷内の量子化ノ
イズを低下させ、コーダーの知覚性能を向上させる。こ
のような事前フィルタリングについては、IEEEトラン
ス.ASSP（IEEE Trans.ASSP）,Vol.ASSP−2,No.3,1979年
６月号に掲載のB.S.アトル（B.S.Atal）らによって掲載
の論文『音声信号の予測符号化及び主観的エラー基準
（Predictive Coding of Speech and Subjective Error
Criteia）』において説明されている。
より良く理解するために、上に概説されたCELPプロセス
についてより詳細に分析を行なう。より具体的には、ｓ
（ｎ）が極ゼロ ノイズ重み付け線型フィルターによっ
てＸ（ｚ）＝Ｓ（ｚ）Ａ（ｚ）/A′（ｚ）を得るために
ろ波される。つまり、Ｘ（ｚ）（時間領域におけるｘ
（ｎ））は符号化プロセスにおいて使用される目標信号
である。Ａ（ｚ）は、現フレームに対応する標準LPC多
項式であり、係数ai,i＝0,...,M（a0＝1.0）を持つ。
Ａ′（ｚ）は、Ａ（ｚ）からゼロをｚ−平面内の原点に
向けてシフトすることによって、つまり、０＜γ＜１
（典型的な値：＜＝0.8）を使用することによって得ら
れる修正された多項式である。この事前フィルタリング
動作は、符号化された音声スペクトルの谷内の量子化ノ
イズを低下させ、コーダーの知覚性能を向上させる。こ
のような事前フィルタリングについては、IEEEトラン
ス.ASSP（IEEE Trans.ASSP）,Vol.ASSP−2,No.3,1979年
６月号に掲載のB.S.アトル（B.S.Atal）らによって掲載
の論文『音声信号の予測符号化及び主観的エラー基準
（Predictive Coding of Speech and Subjective Error
Criteia）』において説明されている。
LPCフィルターＡ（ｚ）は、標準の自己相関法LPC分析
によって得られる全ポール フィルターの量子化バージ
ョンであると見なされる。LC分析器内において遂行され
るLPC分析及び量子化プロセスは、CELPアルゴリズムの
他の部分とは独立される。これに関しては、上に引用の
文献及びA.Vオペンハイマー（A.V.Oppenheimer）、Ed.
によって1978年にプレンティス ホール（Prentice−Ha
ll）社、ニュージャーシー、エンジェルウッド クリフ
所在、から出版された著書『デジタル信号処理のアプリ
ケーション（Application of Digital Signal Processi
ng）』を参照すること。
によって得られる全ポール フィルターの量子化バージ
ョンであると見なされる。LC分析器内において遂行され
るLPC分析及び量子化プロセスは、CELPアルゴリズムの
他の部分とは独立される。これに関しては、上に引用の
文献及びA.Vオペンハイマー（A.V.Oppenheimer）、Ed.
によって1978年にプレンティス ホール（Prentice−Ha
ll）社、ニュージャーシー、エンジェルウッド クリフ
所在、から出版された著書『デジタル信号処理のアプリ
ケーション（Application of Digital Signal Processi
ng）』を参照すること。
コーダーは、通常、平均２乗誤差（mean square erro
r,MSE）の点からできる限り目標信号ｘ（ｎ）に近い信
号ｙ（ｎ）を合成することを試みる。この合成アルゴリ
ズムは以下の単純な式に基づく。
r,MSE）の点からできる限り目標信号ｘ（ｎ）に近い信
号ｙ（ｎ）を合成することを試みる。この合成アルゴリ
ズムは以下の単純な式に基づく。
ｒ（ｎ）＝βｒ′（n,P）＋gc（ｎ） （２） β及びＰは、それぞれいわゆるピッチ タップ及びピ
ッチ ラッグである。ｇは励起利得であり、ｃ（ｎ）は
励起信号である。利得信号ｇは、これに上の説明におい
て使用されるγ記号から本発明に従ってこれに与えられ
る適応品質を反映するために変えられている。これら適
応品質については以下に詳細に説明される。個々の実体
β,P,g,c（ｎ）は、所定の有限テーブルからの値を取
る。より具体的には、励起シーケンスｃ（ｎ）に対する
テーブル（励起コードブック）は、セットのＮ−次元コ
ード ベクトルを保持する。
ッチ ラッグである。ｇは励起利得であり、ｃ（ｎ）は
励起信号である。利得信号ｇは、これに上の説明におい
て使用されるγ記号から本発明に従ってこれに与えられ
る適応品質を反映するために変えられている。これら適
応品質については以下に詳細に説明される。個々の実体
β,P,g,c（ｎ）は、所定の有限テーブルからの値を取
る。より具体的には、励起シーケンスｃ（ｎ）に対する
テーブル（励起コードブック）は、セットのＮ−次元コ
ード ベクトルを保持する。
コーダーのタスクは、目標と合成された信号との間の
距離を最少にするようにこれらテーブルから実体の（最
適でないまでも）良好な選択を行なうことにある。テー
ブルのサイズは、符号化信号ｙ（ｎ）を合成するために
システムに提供できるビット数を決定する。
距離を最少にするようにこれらテーブルから実体の（最
適でないまでも）良好な選択を行なうことにある。テー
ブルのサイズは、符号化信号ｙ（ｎ）を合成するために
システムに提供できるビット数を決定する。
式（２）及び（３）は、W.B.クレイジン（W.B.Kleij
n）らによってProc.IEEE Conf.ASSP,1988年、ページ155
−159に発表の論文『CELPにおける改良された音声品質
及び効率的ベクトル量子化（Improved Speech Quality
and Efficient Vector Quantization）』において説明
されている（周期的延長を持つ）一次ピッチ ループを
表わすことに注意する。より高次のピッチ ループを使
用することもできるが、但し、有限数のビットを１ピッ
チ ループ以上のパラメータを伝送するために広げるこ
とは、より高い性能を与えないことが発見された。一次
ピッチ ループの使用は、本発明のアプリケーションに
重大な影響を与えないばかりか、これは、本分析、動作
及び計算の複雑さを少なくする。当業者においては、幾
つかの特定のアプリケーションにおいては、より高次の
ピッチ ループが使用できることは理解できることであ
る。
n）らによってProc.IEEE Conf.ASSP,1988年、ページ155
−159に発表の論文『CELPにおける改良された音声品質
及び効率的ベクトル量子化（Improved Speech Quality
and Efficient Vector Quantization）』において説明
されている（周期的延長を持つ）一次ピッチ ループを
表わすことに注意する。より高次のピッチ ループを使
用することもできるが、但し、有限数のビットを１ピッ
チ ループ以上のパラメータを伝送するために広げるこ
とは、より高い性能を与えないことが発見された。一次
ピッチ ループの使用は、本発明のアプリケーションに
重大な影響を与えないばかりか、これは、本分析、動作
及び計算の複雑さを少なくする。当業者においては、幾
つかの特定のアプリケーションにおいては、より高次の
ピッチ ループが使用できることは理解できることであ
る。
ｚ（ｎ）（ｚ領域における（Ｚ（ｚ））によって示さ
れる実際の出力信号は、ノイズ重み付けフィルターの逆
数を使用することによって得られる。これは、単に、Ｚ
（ｚ）＝Ｒ（ｚ）（1/A（ｚ））を計算することによっ
て達成されるが、ここで、Ｒ（ｚ）は、ｒ（ｎ）のｚ−
領域の片割れである。一般的には、ｘ（ｎ）とｙ（ｎ）
との間のMSE距離を最少にすることは、入力ｓ（ｎ）と
出力ｚ（ｎ）との間のMSEを最少にすることを意味しな
いことに注意する。但し、ノイズ重み付けフィルタリン
グは、CELPコーダーの知覚性能を大きく向上させること
が発見されている。
れる実際の出力信号は、ノイズ重み付けフィルターの逆
数を使用することによって得られる。これは、単に、Ｚ
（ｚ）＝Ｒ（ｚ）（1/A（ｚ））を計算することによっ
て達成されるが、ここで、Ｒ（ｚ）は、ｒ（ｎ）のｚ−
領域の片割れである。一般的には、ｘ（ｎ）とｙ（ｎ）
との間のMSE距離を最少にすることは、入力ｓ（ｎ）と
出力ｚ（ｎ）との間のMSEを最少にすることを意味しな
いことに注意する。但し、ノイズ重み付けフィルタリン
グは、CELPコーダーの知覚性能を大きく向上させること
が発見されている。
CELP符号化における重要な問題は、様々なコードブッ
クから良好なセットのパラメータを選択する戦略であ
る。全体的な広範に渡るサーチは、原理上は可能ではあ
るが、但し、非常に複雑になる。従って、実際には、幾
つかの次善の最適手順が使用される。一般的で意味ある
戦略は、ピッチパラメータＰ及びβを励起パラメータｇ
及びｃ（ｎ）から分離し、これら二つのグループを独立
的に選択する方法である。これは、これがシステムの冗
長（周期、periodic）部分を非冗長（刷新、innovativ
e）部分から分離するためにこの問題を扱うための“自
然な”方法である。Ｐ及びβが最初に見つけられ、次
に、このような固定された選択に対して、最適のｇ及び
ｃ（ｎ）が見つけられる。第（１）−（３）式に見られ
る合成規則の定義は、この分離を単純な方法にて行なう
ことを可能にする。システムの線型性は、（１）と
（２）式とを、以下の形式に結合することを可能にす
る。
クから良好なセットのパラメータを選択する戦略であ
る。全体的な広範に渡るサーチは、原理上は可能ではあ
るが、但し、非常に複雑になる。従って、実際には、幾
つかの次善の最適手順が使用される。一般的で意味ある
戦略は、ピッチパラメータＰ及びβを励起パラメータｇ
及びｃ（ｎ）から分離し、これら二つのグループを独立
的に選択する方法である。これは、これがシステムの冗
長（周期、periodic）部分を非冗長（刷新、innovativ
e）部分から分離するためにこの問題を扱うための“自
然な”方法である。Ｐ及びβが最初に見つけられ、次
に、このような固定された選択に対して、最適のｇ及び
ｃ（ｎ）が見つけられる。第（１）−（３）式に見られ
る合成規則の定義は、この分離を単純な方法にて行なう
ことを可能にする。システムの線型性は、（１）と
（２）式とを、以下の形式に結合することを可能にす
る。
ｙ(ｎ)=y0(ｎ)+βｒ′(n,P)＊ｈ(ｎ)+gc(ｎ)＊ｈ(ｎ)
（４） ここで、y0（ｎ）は、入力が存在しないフィルター初
期状態に応答し、ｈ（ｎ）は、レンジ〔0,...N−１〕に
おける1/A′のインパルス応答である。記号＊はコンボ
リューション動作を示す。最良のＰ及びβは、以下によ
って与えられる。
（４） ここで、y0（ｎ）は、入力が存在しないフィルター初
期状態に応答し、ｈ（ｎ）は、レンジ〔0,...N−１〕に
おける1/A′のインパルス応答である。記号＊はコンボ
リューション動作を示す。最良のＰ及びβは、以下によ
って与えられる。
ここで、このサーチは、β及びＰに対するテーブル内
の全ての項目を通じて行なわれる。記号‖．‖は対応す
る時間シーケンスのユークリット形式を示す。Ｐに対す
る値は、典型的には、整数レンジ〔20,...147〕（７ビ
ット）内にある。βに対するテーブルは、典型的には、
近似レンジ〔0,4,...1.5〕内の８個の離散値（３ビッ
ト）を含む。
の全ての項目を通じて行なわれる。記号‖．‖は対応す
る時間シーケンスのユークリット形式を示す。Ｐに対す
る値は、典型的には、整数レンジ〔20,...147〕（７ビ
ット）内にある。βに対するテーブルは、典型的には、
近似レンジ〔0,4,...1.5〕内の８個の離散値（３ビッ
ト）を含む。
もっと複雑でないアプローチにおいては、Ｐ及びβ
が、最初にβが最適（非量子化）値を取れるようにし、
そして最良Ｐを見てけ、次に、最良Ｐに対応する最適β
を量子化することによって独立的に見つけられる。この
ケースにおいては、（Ｐに対する）最適問題は以下によ
って解決される。
が、最初にβが最適（非量子化）値を取れるようにし、
そして最良Ｐを見てけ、次に、最良Ｐに対応する最適β
を量子化することによって独立的に見つけられる。この
ケースにおいては、（Ｐに対する）最適問題は以下によ
って解決される。
ここで、＜.,.＞は、引数の内積を示す。最良ピッチ
Ｐ＊に対する最適βは、以下によって与えられる。
Ｐ＊に対する最適βは、以下によって与えられる。
この値は、３ビット コードブックから最も近い値に
量子化され、これによって、 が得られる。
量子化され、これによって、 が得られる。
いったん 及びＰ＊が見つけられると、コーダーは、以下に解くこ
とによって、結果としてのエラー信号 に対する最良一致を探すことを試みる。
とによって、結果としてのエラー信号 に対する最良一致を探すことを試みる。
ここで、このサーチは、利得テーブル及び励起コード
ブックの全ての項目を通じて遂行される。ピッチ ルー
プに関しては、g,c（ｎ）に関するサーチは、最初に、
非制約（非量子化）利得を持つ最適励起に対するサーチ
を行ない、次に、この利得を量子化することによって簡
素化できる。このケースにおいては、以下のようにな
る。
ブックの全ての項目を通じて遂行される。ピッチ ルー
プに関しては、g,c（ｎ）に関するサーチは、最初に、
非制約（非量子化）利得を持つ最適励起に対するサーチ
を行ない、次に、この利得を量子化することによって簡
素化できる。このケースにおいては、以下のようにな
る。
そして、ｇ＊が利得テーブル内の最も近い値に量子化
される。
される。
上に説明のシステムは、CELPコーダーの基本バージョ
ンである。同一システムの様々な他のバージョンが文献
において提案されているが、これらは、計算の複雑さ
を、時には、コーディング品質を犠牲にして低減するた
めの様々な技術とともに使用される。これら技術の殆ど
は、本発明にも組み込むことができる。
ンである。同一システムの様々な他のバージョンが文献
において提案されているが、これらは、計算の複雑さ
を、時には、コーディング品質を犠牲にして低減するた
めの様々な技術とともに使用される。これら技術の殆ど
は、本発明にも組み込むことができる。
条件付き確率的励起−改良されたCELP 本発明による条件付き確率励起コード（Constrained
Stochastic Excitation Code,CSEC）システムは、上に
説明の標準のCELPとｇ及びｃ（ｎ）選択の段階から差が
でる。CSECシステムにおいては、これらパラメータは、
励起のレベルを制約し、これを長期サブシステムの性能
に適応させるような方法にて選択される。このアプロー
チの背景の概念が以下に説明される。
Stochastic Excitation Code,CSEC）システムは、上に
説明の標準のCELPとｇ及びｃ（ｎ）選択の段階から差が
でる。CSECシステムにおいては、これらパラメータは、
励起のレベルを制約し、これを長期サブシステムの性能
に適応させるような方法にて選択される。このアプロー
チの背景の概念が以下に説明される。
CELP符号化アプローチは、逆フィルタリング動作Ｘ
（ｚ）Ａ′（ｚ）（１−βz-P）の結果としての残留信
号が真にランダムであり、それが持つその根底となるソ
ース信号に関するどのような残留情報もＸ（ｚ）に対す
る良好な推定値を再合成するために重要でないという基
本的な前提に基づく。換言すれば、この残留信号は、合
成プロセスにおいて（他の点では全く異なる）類似する
確率的特性を持つ他の信号と置換することができる。こ
の想定は、この残留信号が本質的にホワイトであり、ガ
ウス プロセスとして特性化できるという観察に基づ
く。
（ｚ）Ａ′（ｚ）（１−βz-P）の結果としての残留信
号が真にランダムであり、それが持つその根底となるソ
ース信号に関するどのような残留情報もＸ（ｚ）に対す
る良好な推定値を再合成するために重要でないという基
本的な前提に基づく。換言すれば、この残留信号は、合
成プロセスにおいて（他の点では全く異なる）類似する
確率的特性を持つ他の信号と置換することができる。こ
の想定は、この残留信号が本質的にホワイトであり、ガ
ウス プロセスとして特性化できるという観察に基づ
く。
本発明によれば、我々は、我々の無視に対して支払わ
れるペナルティーを“ダム（dumb）”励起に対して幾つ
かの制約を与えることによって軽減する。これは、音声
信号とは全く無関係のノイズ状の外来信号を導入するこ
とによる悪影響を低減するという考えによる。
れるペナルティーを“ダム（dumb）”励起に対して幾つ
かの制約を与えることによって軽減する。これは、音声
信号とは全く無関係のノイズ状の外来信号を導入するこ
とによる悪影響を低減するという考えによる。
全ての励起信号は、その中に“良い”及び“悪い”成
分を持つ。良い成分は、より良い出力に寄与し、悪い成
分は、システムにノイズを加える。上に述べた如く、我
々は、これら二つの成分を分離することができないた
め、我々は、全ての励起信号が“悪い”つまり、望まし
くないノイズ状の成分が優勢であり、従って、このよう
な励起信号の使用は制約されるべきであるという悲観的
な発想を採用する。
分を持つ。良い成分は、より良い出力に寄与し、悪い成
分は、システムにノイズを加える。上に述べた如く、我
々は、これら二つの成分を分離することができないた
め、我々は、全ての励起信号が“悪い”つまり、望まし
くないノイズ状の成分が優勢であり、従って、このよう
な励起信号の使用は制約されるべきであるという悲観的
な発想を採用する。
式（４）内のソースに関する新たな情報を運ぶｙ
（ｎ）の二つの成分は、“ピッチ”信号ｐ（ｎ）＝β
ｒ′＊ｈ（ｎ）及びろ波された励起ｅ（ｎ）＝gc（ｎ）
＊ｈ（ｎ）である。ｐ（ｎ）は、ソースの周期性を利用
しようとする試みの結果である。この中には加算性のノ
イズ成分は存在せず、新たな情報が遅延Ｐ及びスケール
係数βを補正することによって導入される。従って、こ
れは、励起ノイズ性成分ｅ（ｎ）よりも一層知覚的に魅
力的であると期待される。幸いなことに、音声（周期
性）領域においては、ｐ（ｎ）は、優勢成分であり、こ
れがCELP法の成功に関する重要な理由である。
（ｎ）の二つの成分は、“ピッチ”信号ｐ（ｎ）＝β
ｒ′＊ｈ（ｎ）及びろ波された励起ｅ（ｎ）＝gc（ｎ）
＊ｈ（ｎ）である。ｐ（ｎ）は、ソースの周期性を利用
しようとする試みの結果である。この中には加算性のノ
イズ成分は存在せず、新たな情報が遅延Ｐ及びスケール
係数βを補正することによって導入される。従って、こ
れは、励起ノイズ性成分ｅ（ｎ）よりも一層知覚的に魅
力的であると期待される。幸いなことに、音声（周期
性）領域においては、ｐ（ｎ）は、優勢成分であり、こ
れがCELP法の成功に関する重要な理由である。
R.C.ローズ（R.C.Rose）らによってProc IEEE ICASSP
−86,ページ453−456（1986年）に記載の論文『自己励
起ボーコダー;4800bpsにおける市外品質への代替アプロ
ーチ（The−Excited Vocoder;an Alternate Approach t
o TollQuality at 4800 bps）』においては、確率的励
起が完全に削除できることが示唆される。自己励起ポー
コーダ（Self−Excited Vocoder,SEV）においては、ｒ
（ｎ）の部分がLPC合成フィルターを励起するために使
用される唯一の信号である（つまり、ｇ＝０である）。
但し、このコーダーは、特に遷移領域においては、初期
化の後、新たな情報を説明するために刷新励起（innova
tion excitation）が使用されないために性能が悪いこ
とが知られている。この問題意識のために、SEVの開発
者らは、二つの他の成分を“自己励起（self−excitati
on）に加えた。つまり、基本CELPにおける正規確率的励
起及び多重パルスLPC符号化におけるインパルス励起が
これである。“純粋な"SEVは実際には使用されたことが
ない。これら三つの励起成分の各々は、上に説明の標準
のMSE手順によって、全体としての励起を知覚的に向上
させる試みをすることなく最適化されてきた。
−86,ページ453−456（1986年）に記載の論文『自己励
起ボーコダー;4800bpsにおける市外品質への代替アプロ
ーチ（The−Excited Vocoder;an Alternate Approach t
o TollQuality at 4800 bps）』においては、確率的励
起が完全に削除できることが示唆される。自己励起ポー
コーダ（Self−Excited Vocoder,SEV）においては、ｒ
（ｎ）の部分がLPC合成フィルターを励起するために使
用される唯一の信号である（つまり、ｇ＝０である）。
但し、このコーダーは、特に遷移領域においては、初期
化の後、新たな情報を説明するために刷新励起（innova
tion excitation）が使用されないために性能が悪いこ
とが知られている。この問題意識のために、SEVの開発
者らは、二つの他の成分を“自己励起（self−excitati
on）に加えた。つまり、基本CELPにおける正規確率的励
起及び多重パルスLPC符号化におけるインパルス励起が
これである。“純粋な"SEVは実際には使用されたことが
ない。これら三つの励起成分の各々は、上に説明の標準
のMSE手順によって、全体としての励起を知覚的に向上
させる試みをすることなく最適化されてきた。
本発明によると、ノイズ性の励起がさらに減少され、
ピッチ信号ｐ（ｎ）に対して、より重い再生負担が課せ
られる。但し、ｐ（ｎ）は出力の再生において常に効率
的であるとは言えないため、特に音声の存在しない及び
遷移領域においては効率的でないために、励起低減の量
は、ｐ（ｎ）の効率に依存する。ｐ（ｎ）の効率はその
ｘ（ｎ）への接近度を反映し、様々な方法にて定義する
ことができる。この効率の有効な尺度は以下によって与
えられる。
ピッチ信号ｐ（ｎ）に対して、より重い再生負担が課せ
られる。但し、ｐ（ｎ）は出力の再生において常に効率
的であるとは言えないため、特に音声の存在しない及び
遷移領域においては効率的でないために、励起低減の量
は、ｐ（ｎ）の効率に依存する。ｐ（ｎ）の効率はその
ｘ（ｎ）への接近度を反映し、様々な方法にて定義する
ことができる。この効率の有効な尺度は以下によって与
えられる。
量Spが励起のレベルを制御するために使用される。前
述の如く、励起は本質的にノイズ性成分として知覚され
るため、我々は、信号対ノイズ性励起の比を以下のよう
に定義する。
述の如く、励起は本質的にノイズ性成分として知覚され
るため、我々は、信号対ノイズ性励起の比を以下のよう
に定義する。
ここでの基本要件は、Seがある単調非減少値関数Ｔ
（Sp）より高いことである。
（Sp）より高いことである。
SeＴ（Sp） （13） 本議論において、一例として使用される有効な経験関
数Ｔ（Sp）が第３図に示される。これは、線型傾斜（dB
スケール）に続く平坦な領域から成る。Spが高いとき、
つまり、出力を効率的に再生する能力があるときは、Se
が高くされ、ｅ（ｎ）は出力には殆ど寄与しない。Spが
下がると、ｅ（ｎ）に関する制約が緩められ、ｐ（ｎ）
が非効率となるため、これが次第に勢いをつける。Ｔ
（Sp）はこの関数の膝ポイントを決定するスロープ係数
α及び飽和レベルｆによって制御される。直感的に、こ
の膝の横軸は、Spのダイナミック レンジの中央の回り
に横たわるべきである。第４図は、Spの典型的な時間進
化を示すが、これは、約1.0から10.0dBのダイナミック
レンジを示す。Seが高いとき、Seは、このSNR結果ノ
イズ性の励起が聞こえなくなるようにする目的で24dB以
上にされる。符号化された音声を聞くことから得られる
これらパラメータに対する一例としての値は、α＝6.0
及びｆ＝24.0dBである。
数Ｔ（Sp）が第３図に示される。これは、線型傾斜（dB
スケール）に続く平坦な領域から成る。Spが高いとき、
つまり、出力を効率的に再生する能力があるときは、Se
が高くされ、ｅ（ｎ）は出力には殆ど寄与しない。Spが
下がると、ｅ（ｎ）に関する制約が緩められ、ｐ（ｎ）
が非効率となるため、これが次第に勢いをつける。Ｔ
（Sp）はこの関数の膝ポイントを決定するスロープ係数
α及び飽和レベルｆによって制御される。直感的に、こ
の膝の横軸は、Spのダイナミック レンジの中央の回り
に横たわるべきである。第４図は、Spの典型的な時間進
化を示すが、これは、約1.0から10.0dBのダイナミック
レンジを示す。Seが高いとき、Seは、このSNR結果ノ
イズ性の励起が聞こえなくなるようにする目的で24dB以
上にされる。符号化された音声を聞くことから得られる
これらパラメータに対する一例としての値は、α＝6.0
及びｆ＝24.0dBである。
励起を制約するための手順は、後に詳細に説明される
が、非常に単純である。つまり、システムは現フレーム
に対するSpを計算し、Ｔ（．）を使用して閾値を決定
し、そして式（13）の制約下において最良励起（ｎ）
及び最良利得を選択する。
が、非常に単純である。つまり、システムは現フレーム
に対するSpを計算し、Ｔ（．）を使用して閾値を決定
し、そして式（13）の制約下において最良励起（ｎ）
及び最良利得を選択する。
この目的は、式（13）の制約下において、対応するコ
ードブックから最良利得及び励起ベクトルを見つけるこ
とにある。上の制約下においてMSEを最少にすることは
有効なことである。
ードブックから最良利得及び励起ベクトルを見つけるこ
とにある。上の制約下においてMSEを最少にすることは
有効なことである。
非スケール励起対応ch（ｎ）＝ｃ（ｎ）＊ｈ（ｎ）を
定義することにより、この最少化問題は、従って以下の
ように記述することができる（式（８））。
定義することにより、この最少化問題は、従って以下の
ように記述することができる（式（８））。
尚、（14）式は（15）式に依存するものとする。
ここで、最少化レンジは、利得及び励起コードブック
の全ての項目のセットである。この問題の二次形式から
固定された励起ｃ（ｎ）に対して、最良利得は、最適利
得を以下の式（10）のように量子化することによって得
られることは明らかである。
の全ての項目のセットである。この問題の二次形式から
固定された励起ｃ（ｎ）に対して、最良利得は、最適利
得を以下の式（10）のように量子化することによって得
られることは明らかである。
従って、任意のｃ（ｎ）に対して、最良利得は、式
（15）の制約化において、以下によって与えられる。
（15）の制約化において、以下によって与えられる。
尚、（17）式は（15）式に依存するものとする。
このサーチ手順は、個々の励起ベクトルに対して、式
（17）のようにして最適利得を得て、結果としての歪を
記録し、そして最も低い歪に対応するペア，（ｎ）
を選択することにある。
（17）のようにして最適利得を得て、結果としての歪を
記録し、そして最も低い歪に対応するペア，（ｎ）
を選択することにある。
第５図は、簡略図にて、上に説明の一例としての音声
符号化プロセスに従う処理の幾つかの重要な局面を要約
する。スイッチ500は処理の二つのフェーズに対応する
二つの位置を持つ。
符号化プロセスに従う処理の幾つかの重要な局面を要約
する。スイッチ500は処理の二つのフェーズに対応する
二つの位置を持つ。
スイッチ500の第一の位置１は、ピッチ パラメータ
β及びＰに対する値のブロック510における決定に対す
る位置に対応する。この決定に対して、ｇ＝０の値が想
定される。つまり、励起信号は、ゼロの振幅を持つもの
と想定される。こうして、ピッチ ループが入力信号を
いかに良く表わすかについての測定が行われる。つま
り、y0（フィルター1/Aの“ゼロ メモリー ハングオ
ーバ”あるいは初期状態応答）とβｒ′（ｎ−Ｐ）のｈ
（ｎ）との畳み込みがなされるときの寄与が式（４）の
ようにして、ｇ＝０の値のときのｙ（ｎ）を評価するた
めに使用される。
β及びＰに対する値のブロック510における決定に対す
る位置に対応する。この決定に対して、ｇ＝０の値が想
定される。つまり、励起信号は、ゼロの振幅を持つもの
と想定される。こうして、ピッチ ループが入力信号を
いかに良く表わすかについての測定が行われる。つま
り、y0（フィルター1/Aの“ゼロ メモリー ハングオ
ーバ”あるいは初期状態応答）とβｒ′（ｎ−Ｐ）のｈ
（ｎ）との畳み込みがなされるときの寄与が式（４）の
ようにして、ｇ＝０の値のときのｙ（ｎ）を評価するた
めに使用される。
処理のフェーズ２において、スイッチ500が位置２に
置かれた状態において、処理のフェーズ１から得られた
制約に基づいて、ブロック520においてｊ及びｇに対す
る最良値が決定される。ここでは、メモリ530からの励
起コードがフェーズ１のオペランドとともに使用され
る。
置かれた状態において、処理のフェーズ１から得られた
制約に基づいて、ブロック520においてｊ及びｇに対す
る最良値が決定される。ここでは、メモリ530からの励
起コードがフェーズ１のオペランドとともに使用され
る。
CSECコーダーの主観的性能がＡ−Ｂ比較リスニング
テストによって測定される。この主観的テストにおいて
は、セットの音声セグメントがコーダーＡ及びコーダー
Ｂによって処理される。個々のセンテンスの二つのバー
ジョンが再生され、リスナーは、彼あるいは彼女の判断
に従って、良く響くと思われるコーダーを採択する。こ
れらテストの結果は、当分野において周知の基本CELP符
号化法と比較して明らかな全体としての改良を示す。
テストによって測定される。この主観的テストにおいて
は、セットの音声セグメントがコーダーＡ及びコーダー
Ｂによって処理される。個々のセンテンスの二つのバー
ジョンが再生され、リスナーは、彼あるいは彼女の判断
に従って、良く響くと思われるコーダーを採択する。こ
れらテストの結果は、当分野において周知の基本CELP符
号化法と比較して明らかな全体としての改良を示す。
CSECコーダーの複雑さは、CELPの複雑さと、両者のコ
ーダーにおいて、同一のタイプ及び量のコード ブック
サーチ計算が要求されるために、本質的に同一であ
る。また、CELPアルゴリズムに対して提案されている殆
どの複雑さを低減するための“トリック”は、CSEC法と
も組合わせることができる。従って、CSEC法は、CELPア
ルゴリズムのコストを伴なわない改良型である。
ーダーにおいて、同一のタイプ及び量のコード ブック
サーチ計算が要求されるために、本質的に同一であ
る。また、CELPアルゴリズムに対して提案されている殆
どの複雑さを低減するための“トリック”は、CSEC法と
も組合わせることができる。従って、CSEC法は、CELPア
ルゴリズムのコストを伴なわない改良型である。
CELP復号器には、励起利得がコーダーによって供給さ
れるコード化されたバラメータに応答する励起利得であ
るべきだという要件以外は特別な変更を必要としない。
れるコード化されたバラメータに応答する励起利得であ
るべきだという要件以外は特別な変更を必要としない。
本発明の上の説明は、主に、周知の設計の標準CELPコ
ーダーからの改良点について行なわれる。従って、小さ
なハードウェア設計の選択及び本発明の改良されたアル
ゴリズムのプログラム実現を越えた追加の構造は要求さ
れない。同様に、特別なプログラム言語あるいはプロセ
ッサについても示唆されない。音声及び関連する信号の
符号化技術に熟練するものは、本明細書の教示に従って
本発明を実現するために有効な様々なプロセッサ及び言
語になじみ深いものである。
ーダーからの改良点について行なわれる。従って、小さ
なハードウェア設計の選択及び本発明の改良されたアル
ゴリズムのプログラム実現を越えた追加の構造は要求さ
れない。同様に、特別なプログラム言語あるいはプロセ
ッサについても示唆されない。音声及び関連する信号の
符号化技術に熟練するものは、本明細書の教示に従って
本発明を実現するために有効な様々なプロセッサ及び言
語になじみ深いものである。
本発明の上の説明は、音声の符号化との関連でなされ
たが、デジタル信号処理分野において熟練するものは、
この教示の他の特定のコンテクストへの適用性を認識で
きるものである。例えば、イメージあるいは他の形式の
情報の符号化も本発明を使用して改良することができる
ものである。
たが、デジタル信号処理分野において熟練するものは、
この教示の他の特定のコンテクストへの適用性を認識で
きるものである。例えば、イメージあるいは他の形式の
情報の符号化も本発明を使用して改良することができる
ものである。
第１図は先行技術によるCELPコーダーを示す図； 第２図は先行技術による復号器を示す図； 第３図は本発明の一つの実施態様において効果的に使用
することができる閾値関数を示す図； 第４図は、典型的な入力に対してピッチ ループ サブ
システムによる符号化の効率の重要な測定値がいかに変
動するかを示す図；そして 第５図は本発明の要素を要約的に示す図である。 ＜主要部の符号の説明＞ 500……スイッチ 510……ピッチパラメータβおよびＰに対する値のブロ
ック 515……遅延＋周期的遅延の遅延のブロック 530……励起コードメモリ
することができる閾値関数を示す図； 第４図は、典型的な入力に対してピッチ ループ サブ
システムによる符号化の効率の重要な測定値がいかに変
動するかを示す図；そして 第５図は本発明の要素を要約的に示す図である。 ＜主要部の符号の説明＞ 500……スイッチ 510……ピッチパラメータβおよびＰに対する値のブロ
ック 515……遅延＋周期的遅延の遅延のブロック 530……励起コードメモリ
───────────────────────────────────────────────────── フロントページの続き (58)調査した分野(Int.Cl.7，ＤＢ名) G10L 19/00 - 19/14 H03M 7/30
Claims (8)
- 【請求項１】通信システムにおいて、入力信号を符号化
して一組の出力信号を形成する方法であって、 該入力信号について１つもしくは２つ以上の長期間予測
器パラメータ信号を含む１つもしくは２つ以上の予測器
パラメータ信号を発生するステップと、 複数の候補信号を発生するステップであって、該候補信
号の各々が該予測器パラメータ信号によって特性づけら
れるフィルターにおいて符号化励起信号をフィルターリ
ングすることによって合成され、該符号化励起信号の各
々が関連する指標信号を有しており、そして該符号化励
起信号の各々が該フィルターリングに先んじて利得制御
信号の値にしたがって振幅調整されるものであるステッ
プと、 該候補信号の各々を該入力信号と比較してその間の類似
度を決定するステップと、 信号対励起の比が所定の閾値関数を越えるように該利得
信号についての値が選択されるという制約条件にしたが
って該類似度が最大化されるよう符号化励起信号および
該利得信号の値を一緒に選択するステップと、 該予測器パラメータ信号を選択するステップであって、
該指標信号が該選択された符号化励起信号と、該入力信
号を表す該一組の出力信号として該利得信号についての
選択された値とに対応するものであるステップとを含む
符号化方法。 - 【請求項２】請求項１に記載の方法において、 該予測器パラメータ信号の１つもしくは２つ以上を送信
するステップをさらに含み、該指標信号が該選択された
符号化励起信号および復号器に対する該利得信号につい
ての該選択された値に対応するものである符号化方法。 - 【請求項３】請求項１に記載の方法において、 複数の候補信号を発生する該ステップが、該符号化励起
信号の各々に対応するコード語を記憶することと、該フ
ィルターに適用するため該コード語を引き続き検索する
こととを含む符号化方法。 - 【請求項４】請求項１に記載の方法において、 該選択するステップが、該利得信号についての該値を零
を含む範囲内に制約することを含む符号化方法。 - 【請求項５】請求項１に記載の方法において、 該選択するステップが、該１つもしくは２つ以上の長期
間予測器パラメータにより特性づけられる該フィルター
の出力が該信号対励起の比にしたがって該入力信号に近
似するときに、該利得信号についての該値を実質的に零
に設定することを含む符号化方法。 - 【請求項６】請求項１に記載の方法において、 該１つもしくは２つ以上の長期間予測器パラメータ信号
が、ピッチ予測器パラメータ信号である符号化方法。 - 【請求項７】請求項１に記載の方法において、 該入力信号が知覚的に重みづけされたｘ（ｎ）、ｎ＝
１、２、……、Ｎの値を有する音声信号であり、該候補
信号が各々ｅ（ｎ）、ｎ＝１、２……、Ｎの値から成
り、そして該信号対励起の比が次式により与えられ、 そして、該閾値関数が次式によって与えられ SeＴ（Sp） ここで、Ｔ（Sp）は、該フィルターの出力が該１つまた
は２つ以上の長期間予測器によってのみ、および該符号
化励起信号の適用なしに特性づけられる場合に該フィル
ターの出力がｘ（ｎ）にどのくらい接近して近似してい
るかの測度Spの単調非減少関数である符号化方法。 - 【請求項８】請求項７に記載の方法において、 該予測器パラメータが線型予測フィルターを特性づける
ものであり、Spが次式により与えられる信号対雑音比の
測度であり、 ここで、yo（ｎ）は励起を伴わないフィルターに対する
初期応答であり、ｐ（ｎ）は入力を伴わない該長期間パ
ラメータによって特性づけられるフィルターの出力であ
る符号化方法。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US40200689A | 1989-09-01 | 1989-09-01 | |
| US402,006 | 1989-09-01 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH03102921A JPH03102921A (ja) | 1991-04-30 |
| JP3062226B2 true JP3062226B2 (ja) | 2000-07-10 |
Family
ID=23590155
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2226785A Expired - Lifetime JP3062226B2 (ja) | 1989-09-01 | 1990-08-30 | 条件付き確率的励起符号化法 |
Country Status (8)
| Country | Link |
|---|---|
| US (2) | US5481642A (ja) |
| EP (1) | EP0415675B1 (ja) |
| JP (1) | JP3062226B2 (ja) |
| KR (1) | KR100204740B1 (ja) |
| CA (1) | CA2021514C (ja) |
| DE (1) | DE69017801T2 (ja) |
| FI (1) | FI97580C (ja) |
| NO (1) | NO303475B1 (ja) |
Families Citing this family (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA2021514C (en) * | 1989-09-01 | 1998-12-15 | Yair Shoham | Constrained-stochastic-excitation coding |
| JPH04264597A (ja) * | 1991-02-20 | 1992-09-21 | Fujitsu Ltd | 音声符号化装置および音声復号装置 |
| US5434947A (en) * | 1993-02-23 | 1995-07-18 | Motorola | Method for generating a spectral noise weighting filter for use in a speech coder |
| AU675322B2 (en) * | 1993-04-29 | 1997-01-30 | Unisearch Limited | Use of an auditory model to improve quality or lower the bit rate of speech synthesis systems |
| US5642464A (en) * | 1995-05-03 | 1997-06-24 | Northern Telecom Limited | Methods and apparatus for noise conditioning in digital speech compression systems using linear predictive coding |
| US5649051A (en) * | 1995-06-01 | 1997-07-15 | Rothweiler; Joseph Harvey | Constant data rate speech encoder for limited bandwidth path |
| US5668925A (en) * | 1995-06-01 | 1997-09-16 | Martin Marietta Corporation | Low data rate speech encoder with mixed excitation |
| TW317051B (ja) * | 1996-02-15 | 1997-10-01 | Philips Electronics Nv | |
| CA2185053C (en) * | 1996-06-24 | 2002-04-16 | Frank B. Norman | Interactive reverse channel for direct broadcast satellite system |
| US5839098A (en) | 1996-12-19 | 1998-11-17 | Lucent Technologies Inc. | Speech coder methods and systems |
| FR2761512A1 (fr) * | 1997-03-25 | 1998-10-02 | Philips Electronics Nv | Dispositif de generation de bruit de confort et codeur de parole incluant un tel dispositif |
| CA2636684C (en) * | 1997-12-24 | 2009-08-18 | Mitsubishi Denki Kabushiki Kaisha | A method for speech coding, method for speech decoding and their apparatuses |
| JP3842432B2 (ja) * | 1998-04-20 | 2006-11-08 | 株式会社東芝 | ベクトル量子化方法 |
| DE19845888A1 (de) * | 1998-10-06 | 2000-05-11 | Bosch Gmbh Robert | Verfahren zur Codierung oder Decodierung von Sprachsignalabtastwerten sowie Coder bzw. Decoder |
| GB2348342B (en) * | 1999-03-25 | 2004-01-21 | Roke Manor Research | Improvements in or relating to telecommunication systems |
| FI116992B (fi) | 1999-07-05 | 2006-04-28 | Nokia Corp | Menetelmät, järjestelmä ja laitteet audiosignaalin koodauksen ja siirron tehostamiseksi |
| US6721701B1 (en) * | 1999-09-20 | 2004-04-13 | Lucent Technologies Inc. | Method and apparatus for sound discrimination |
| DE10120231A1 (de) * | 2001-04-19 | 2002-10-24 | Deutsche Telekom Ag | Verfahren und Anordnung zur einkanaligen Geräuschreduktion für gestörte Sprachsignale |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4827517A (en) * | 1985-12-26 | 1989-05-02 | American Telephone And Telegraph Company, At&T Bell Laboratories | Digital speech processor using arbitrary excitation coding |
| JPS6337724A (ja) * | 1986-07-31 | 1988-02-18 | Fujitsu Ltd | 符号化伝送装置 |
| US4797926A (en) * | 1986-09-11 | 1989-01-10 | American Telephone And Telegraph Company, At&T Bell Laboratories | Digital speech vocoder |
| JPS63214032A (ja) * | 1987-03-02 | 1988-09-06 | Fujitsu Ltd | 符号化伝送装置 |
| US4969192A (en) * | 1987-04-06 | 1990-11-06 | Voicecraft, Inc. | Vector adaptive predictive coder for speech and audio |
| US4868867A (en) * | 1987-04-06 | 1989-09-19 | Voicecraft Inc. | Vector excitation speech or audio coder for transmission or storage |
| US4899385A (en) * | 1987-06-26 | 1990-02-06 | American Telephone And Telegraph Company | Code excited linear predictive vocoder |
| CA2021514C (en) * | 1989-09-01 | 1998-12-15 | Yair Shoham | Constrained-stochastic-excitation coding |
-
1990
- 1990-07-19 CA CA002021514A patent/CA2021514C/en not_active Expired - Lifetime
- 1990-08-17 NO NO903641A patent/NO303475B1/no unknown
- 1990-08-24 EP EP90309335A patent/EP0415675B1/en not_active Expired - Lifetime
- 1990-08-24 DE DE69017801T patent/DE69017801T2/de not_active Expired - Lifetime
- 1990-08-30 JP JP2226785A patent/JP3062226B2/ja not_active Expired - Lifetime
- 1990-08-31 KR KR1019900013571A patent/KR100204740B1/ko not_active Expired - Fee Related
- 1990-08-31 FI FI904303A patent/FI97580C/fi active IP Right Grant
-
1994
- 1994-08-08 US US08/287,636 patent/US5481642A/en not_active Expired - Lifetime
-
1996
- 1996-10-07 US US08/726,620 patent/US5719992A/en not_active Expired - Lifetime
Also Published As
| Publication number | Publication date |
|---|---|
| KR910007291A (ko) | 1991-04-30 |
| DE69017801T2 (de) | 1995-07-13 |
| US5719992A (en) | 1998-02-17 |
| NO903641L (no) | 1991-03-04 |
| FI97580B (fi) | 1996-09-30 |
| DE69017801D1 (de) | 1995-04-20 |
| EP0415675A2 (en) | 1991-03-06 |
| JPH03102921A (ja) | 1991-04-30 |
| CA2021514C (en) | 1998-12-15 |
| NO903641D0 (no) | 1990-08-17 |
| FI904303A0 (fi) | 1990-08-31 |
| EP0415675B1 (en) | 1995-03-15 |
| US5481642A (en) | 1996-01-02 |
| CA2021514A1 (en) | 1991-03-02 |
| FI97580C (fi) | 1997-01-10 |
| KR100204740B1 (ko) | 1999-06-15 |
| NO303475B1 (no) | 1998-07-13 |
| EP0415675A3 (en) | 1991-04-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| RU2262748C2 (ru) | Многорежимное устройство кодирования | |
| JP3062226B2 (ja) | 条件付き確率的励起符号化法 | |
| AU700205B2 (en) | Improved adaptive codebook-based speech compression system | |
| AU709754B2 (en) | Pitch delay modification during frame erasures | |
| EP0747883B1 (en) | Voiced/unvoiced classification of speech for use in speech decoding during frame erasures | |
| US6604070B1 (en) | System of encoding and decoding speech signals | |
| US6757649B1 (en) | Codebook tables for multi-rate encoding and decoding with pre-gain and delayed-gain quantization tables | |
| JP2887286B2 (ja) | デジタル的にコード化されたスピーチを圧縮するたの方法における改良 | |
| 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 | |
| US6714907B2 (en) | Codebook structure and search for speech coding | |
| JP4176349B2 (ja) | マルチモードの音声符号器 | |
| US6081776A (en) | Speech coding system and method including adaptive finite impulse response filter | |
| JPH09127991A (ja) | 音声符号化方法及び装置、音声復号化方法及び装置 | |
| JPH1091194A (ja) | 音声復号化方法及び装置 | |
| JPH09127996A (ja) | 音声復号化方法及び装置 | |
| KR20030046451A (ko) | 음성 코딩을 위한 코드북 구조 및 탐색 방법 | |
| JP3357795B2 (ja) | 音声符号化方法および装置 | |
| EP0747884B1 (en) | Codebook gain attenuation during frame erasures | |
| RU2707144C2 (ru) | Аудиокодер и способ для кодирования аудиосигнала | |
| US5873060A (en) | Signal coder for wide-band signals | |
| EP0954851A1 (en) | Multi-stage speech coder with transform coding of prediction residual signals with quantization by auditory models | |
| 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 | |
| JP3249144B2 (ja) | 音声符号化装置 | |
| JPH09179593A (ja) | 音声符号化装置 | |
| JPH041800A (ja) | 音声帯域信号符号化方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080428 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090428 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100428 Year of fee payment: 10 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100428 Year of fee payment: 10 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110428 Year of fee payment: 11 |
|
| EXPY | Cancellation because of completion of term | ||
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110428 Year of fee payment: 11 |