JPH052158B2 - - Google Patents
Info
- Publication number
- JPH052158B2 JPH052158B2 JP60128588A JP12858885A JPH052158B2 JP H052158 B2 JPH052158 B2 JP H052158B2 JP 60128588 A JP60128588 A JP 60128588A JP 12858885 A JP12858885 A JP 12858885A JP H052158 B2 JPH052158 B2 JP H052158B2
- Authority
- JP
- Japan
- Prior art keywords
- band
- linear prediction
- coefficients
- analysis
- bands
- 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
- 238000004458 analytical method Methods 0.000 claims description 21
- 230000015572 biosynthetic process Effects 0.000 claims description 18
- 238000003786 synthesis reaction Methods 0.000 claims description 18
- 230000003595 spectral effect Effects 0.000 claims description 16
- 230000002194 synthesizing effect Effects 0.000 claims 1
- 238000001228 spectrum Methods 0.000 description 17
- 238000000034 method Methods 0.000 description 12
- 230000005540 biological transmission Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000005236 sound signal Effects 0.000 description 2
- 239000012141 concentrate Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
Landscapes
- Developing Agents For Electrophotography (AREA)
- Solid-Sorbent Or Filter-Aiding Compositions (AREA)
- Signal Processing For Digital Recording And Reproducing (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
Description
【発明の詳細な説明】
（産業上の利用分野）
本発明は線形予測分析手法を用いる帯域分割型
ボコーダに関し、特に合成側において分割された
各周波数帯域毎の線形予測パラメータから全周波
数帯域に互る線形予測パラメータを抽出して音声
を合成する帯域分割型ボコーダに関する。
ボコーダに関し、特に合成側において分割された
各周波数帯域毎の線形予測パラメータから全周波
数帯域に互る線形予測パラメータを抽出して音声
を合成する帯域分割型ボコーダに関する。
（従来の技術）
帯域分割型ボコーダの目的は、線形予測分析手
法の欠点であるフオルマント帯域幅の過少推定
と、高次フオルマントにおける近似性の悪さの２
点を改善して分析精度を向上するところにある
が、その改善のために、派生的に帯域の境界周波
数における不連続性が合成音声のスペクトル包絡
の上に現われることが知られている。この不連続
性を除去するために従来、分析側から合成側に伝
送される分割された各周波数帯域毎の線形予測パ
ラメータより全周波数帯域にわたる線形予測パラ
メータを抽出して全周波数帯域に対応する音声合
成フイルタを制御する線形予測分析手段を合成側
に備える方法が行なわれていた。以上の内容は公
開特許公報昭58−220199、「帯域分割型ボコーダ」
に詳しく述べられている。
法の欠点であるフオルマント帯域幅の過少推定
と、高次フオルマントにおける近似性の悪さの２
点を改善して分析精度を向上するところにある
が、その改善のために、派生的に帯域の境界周波
数における不連続性が合成音声のスペクトル包絡
の上に現われることが知られている。この不連続
性を除去するために従来、分析側から合成側に伝
送される分割された各周波数帯域毎の線形予測パ
ラメータより全周波数帯域にわたる線形予測パラ
メータを抽出して全周波数帯域に対応する音声合
成フイルタを制御する線形予測分析手段を合成側
に備える方法が行なわれていた。以上の内容は公
開特許公報昭58−220199、「帯域分割型ボコーダ」
に詳しく述べられている。
（発明が解決しようとする問題点）
しかしながら帯域間の不連続性を除去するため
に全帯域に渡る線形予測分析を合成側で実施する
と以下に示す新しい欠点が生じる。即ちこの方法
は帯域分割の結果生じたスペクトルの不連続性
を、改めて全帯域の線形予測分析により取り除こ
うとするものであり、当然ながら分析側で分析さ
れた不連続なスペクトル包絡と合成側で改めて算
出されたスペクトル包絡とに差が生じ、線形予測
法の公知の性質からこの差の部分が全周波数帯域
に拡散される事は自明である。即ち従来の方法は
帯域間の不連続性を除去した結果、スペクトル包
絡全体に歪が発生するという欠点を有している。
に全帯域に渡る線形予測分析を合成側で実施する
と以下に示す新しい欠点が生じる。即ちこの方法
は帯域分割の結果生じたスペクトルの不連続性
を、改めて全帯域の線形予測分析により取り除こ
うとするものであり、当然ながら分析側で分析さ
れた不連続なスペクトル包絡と合成側で改めて算
出されたスペクトル包絡とに差が生じ、線形予測
法の公知の性質からこの差の部分が全周波数帯域
に拡散される事は自明である。即ち従来の方法は
帯域間の不連続性を除去した結果、スペクトル包
絡全体に歪が発生するという欠点を有している。
本発明の目的は帯域間の不連続性を解決し、且
つ不連続性の除去に起因するスペクトル包絡全体
の歪が発生しない帯域分割型ボコーダを提供する
ことにある。
つ不連続性の除去に起因するスペクトル包絡全体
の歪が発生しない帯域分割型ボコーダを提供する
ことにある。
（問題点を解決するための手段）
本発明の帯域分割型ボコーダは、線形予測法を
用いる帯域分割型ボコーダであつて、分析側では
分析される帯域間に重複周波数区間を設けて各帯
域毎の線形予測係数を算出し、合成側ではこれら
の線形予測係数から帯域間に重複周波数区間を設
けずに帯域毎のスペクトル包絡を算出し、これら
のスペクトル包絡より全帯域の線形予測係数等の
スペクトル包絡を表現する係数を改めて算出する
手段を備えて構成される。
用いる帯域分割型ボコーダであつて、分析側では
分析される帯域間に重複周波数区間を設けて各帯
域毎の線形予測係数を算出し、合成側ではこれら
の線形予測係数から帯域間に重複周波数区間を設
けずに帯域毎のスペクトル包絡を算出し、これら
のスペクトル包絡より全帯域の線形予測係数等の
スペクトル包絡を表現する係数を改めて算出する
手段を備えて構成される。
（実施例）
次に本発明の実施例を図を参照して詳細に説明
する。第１図は本発明の実施例を示すブロツク図
である。第１図に於いて一点鎖線１００で囲んだ
部分は本発明の分析側の一点鎖線１０１で囲んだ
部分は本発明の合成側の構成である。
する。第１図は本発明の実施例を示すブロツク図
である。第１図に於いて一点鎖線１００で囲んだ
部分は本発明の分析側の一点鎖線１０１で囲んだ
部分は本発明の合成側の構成である。
入力端子１を介して音声信号がＡ／Ｄ変換器２
へ供給される。Ａ／Ｄ変換器２は音声信号を
3.4KHzに帯域制限した後8KHzで標本化し窓処理
器３へ出力する。窓処理器３は音声サンプル256
個分を一組としてハミング係数の乗算を行ないフ
ーリエ変換器１，４へ出力する。尚、ハミング係
数の乗算は160サンプル毎移動して行なわれ、こ
れが処理の基本フレーム周期20ｍＳ＝160／８と
なる。フーリエ変換器１，４は256個の窓処理さ
れた音声サンプルをFFTの手法によりフーリエ
変換し電力スペクトル算出器５へ求めた複素スペ
クトルデータを出力する。電力スペクトル算出器
５は複数スペクトルから公知の方法で電力スペク
トルを算出し、自己相関係数算出器１，６、自己
相関係数算出器２，７、および対数算出器８へ出
力する。
へ供給される。Ａ／Ｄ変換器２は音声信号を
3.4KHzに帯域制限した後8KHzで標本化し窓処理
器３へ出力する。窓処理器３は音声サンプル256
個分を一組としてハミング係数の乗算を行ないフ
ーリエ変換器１，４へ出力する。尚、ハミング係
数の乗算は160サンプル毎移動して行なわれ、こ
れが処理の基本フレーム周期20ｍＳ＝160／８と
なる。フーリエ変換器１，４は256個の窓処理さ
れた音声サンプルをFFTの手法によりフーリエ
変換し電力スペクトル算出器５へ求めた複素スペ
クトルデータを出力する。電力スペクトル算出器
５は複数スペクトルから公知の方法で電力スペク
トルを算出し、自己相関係数算出器１，６、自己
相関係数算出器２，７、および対数算出器８へ出
力する。
自己相関係数算出器１，６は下記(1)式を用いて
非正規化自己相関係数φL(i)、ｉ＝０，１，…，
６を求める。
非正規化自己相関係数φL(i)、ｉ＝０，１，…，
６を求める。
φL(i)＝ｐ(5)＋２38
〓j=6
ｐ(j)cos
〔（ｊ−５）iπ／128〕 (1)
ただし、ｐ(k)、ｋ＝１，２，…，256は8KHzを
２５６分割したときの離散電力スペクトルであり
ｐ(k)は（ｋ−１）×4000／128Hzでの電力スペクト
ルを示す。即ち自己相関係数算出器１，６は125
〜1156.25Hzの範囲の周波数スペクトルを離散フ
ーリエ変換し非正規化自己相関係数φL(i)、ｉ＝
０，１，…，６を求めている。
２５６分割したときの離散電力スペクトルであり
ｐ(k)は（ｋ−１）×4000／128Hzでの電力スペクト
ルを示す。即ち自己相関係数算出器１，６は125
〜1156.25Hzの範囲の周波数スペクトルを離散フ
ーリエ変換し非正規化自己相関係数φL(i)、ｉ＝
０，１，…，６を求めている。
更に自己相関係数算出器１，６は出力ライン６
０１を介して、電力情報に相当するφL(o)を量子
化器１，１０へ出力する。次に自己相関係数算出
器１，６は下記(2)式を用いて正規化自己相関係数
ρL(i)、ｉ＝１，２，…，６を求め、線形予測分析
器１，９へ出力する。
０１を介して、電力情報に相当するφL(o)を量子
化器１，１０へ出力する。次に自己相関係数算出
器１，６は下記(2)式を用いて正規化自己相関係数
ρL(i)、ｉ＝１，２，…，６を求め、線形予測分析
器１，９へ出力する。
ρL(i)＝φL(i)／φL(o) (2)
自己相関係数算出器２，７は下記(3)、(4)式を用
いて非生規化自己相関係数φH(i)、ｉ＝０，１，
…，６、および正規化自己相関係数ρH(i)、ｉ＝
１，２，…，６を求め、φH(o)を出力ライン７０
１を介して量子化器２，１２へ、ρH(i)、ｉ＝１，
２，…，６を線形予測分析器２，１１へ出力す
る。
いて非生規化自己相関係数φH(i)、ｉ＝０，１，
…，６、および正規化自己相関係数ρH(i)、ｉ＝
１，２，…，６を求め、φH(o)を出力ライン７０
１を介して量子化器２，１２へ、ρH(i)、ｉ＝１，
２，…，６を線形予測分析器２，１１へ出力す
る。
φH(i)＝ｐ（35）＋２101
〓j=36
ｐ(j)cos
〔（ｊ−35）iπ／128〕 (3)
ρH(i)＝φH(i)／φH(o)（ｉ＝１，２，…，６） (4)
即ち自己相関係数算出器２，７は1062.5〜3125
Hzの範囲の周波数成分を利用している。1062.5Hz
〜1156.25Hzの部分が自己相関係数算出器１，６
と自己相関係数算出器２，７との相方で分析され
ている点が本発明の１つの要点である。
Hzの範囲の周波数成分を利用している。1062.5Hz
〜1156.25Hzの部分が自己相関係数算出器１，６
と自己相関係数算出器２，７との相方で分析され
ている点が本発明の１つの要点である。
線形予測分析器１，９および線形予測分析器
２，１１は角々供給されるρL(i)、ρH(i)、（ｉ＝１，
…，６）から各６ケのＫパラメータKL(i)、KH(i)、
（ｉ＝１，２，…，６）を公知の手法、例えば自
己相関法を用いて算出し、出力ライン９０１、又
は１１０１を介してKL(i)を量子化器１，１０へ、
KH(i)を量子化器２，１２へ出力する。
２，１１は角々供給されるρL(i)、ρH(i)、（ｉ＝１，
…，６）から各６ケのＫパラメータKL(i)、KH(i)、
（ｉ＝１，２，…，６）を公知の手法、例えば自
己相関法を用いて算出し、出力ライン９０１、又
は１１０１を介してKL(i)を量子化器１，１０へ、
KH(i)を量子化器２，１２へ出力する。
量子化器１，１０は供給されたφL(o)とKL(i)、
(i)＝１，…，６）を所定のビツト数で量子化し多
重化器１３へ出力する。同様に量子化器２，１２
は供給されたφH(o)とKH(i)、（ｉ＝１，…，６）を
所定のビツト数で量子化し多量化器１３へ出力す
る。
(i)＝１，…，６）を所定のビツト数で量子化し多
重化器１３へ出力する。同様に量子化器２，１２
は供給されたφH(o)とKH(i)、（ｉ＝１，…，６）を
所定のビツト数で量子化し多量化器１３へ出力す
る。
一方、対数算出器８は供給された電力スペクト
ルの対数値をテーブルルツクアツプにより求めフ
ーリエ変換器２，１４へ出力する。フーリエ変換
器２，１４は対数電力スペクトルをフーリエ変換
し、即ちケプストラム係数を算出し、Pitch、
Ｖ／uv判別器１５へ出力する。Pitch、Ｖ／uv判
別器１５はケプストラム係数を入力としての公知
の方法、例えばA.Michael Noll“Short−Time
Spec−trum and“Cepstrum”Techniques for
Vocal−Pitch Detection”、The Journal of
Acousti−cal Society of America、 vol.36、
No.２、Feb.1964、pp.296〜302に記載されている
方法を用いてPitch周期及びＶ／uv判別を行な
い、結果を量子化器３，１６で所定のビツト数に
量子化し多重化器１３へ出力する。
ルの対数値をテーブルルツクアツプにより求めフ
ーリエ変換器２，１４へ出力する。フーリエ変換
器２，１４は対数電力スペクトルをフーリエ変換
し、即ちケプストラム係数を算出し、Pitch、
Ｖ／uv判別器１５へ出力する。Pitch、Ｖ／uv判
別器１５はケプストラム係数を入力としての公知
の方法、例えばA.Michael Noll“Short−Time
Spec−trum and“Cepstrum”Techniques for
Vocal−Pitch Detection”、The Journal of
Acousti−cal Society of America、 vol.36、
No.２、Feb.1964、pp.296〜302に記載されている
方法を用いてPitch周期及びＶ／uv判別を行な
い、結果を量子化器３，１６で所定のビツト数に
量子化し多重化器１３へ出力する。
さて分析側の量子化器１，１０、量子化器２，
１２、量子化器３，１６で各々、所定のビツトに
量子化されたデータは多重化器１３、伝送路１
７、多重分離器１８を介して、復合化器１，１
９、復合化器２，２０、復合化器３，２１へ供給
され復合化される。復合化器１，１９で復合化さ
れたφ´L(o)とK´L(i)、(i)＝１，…，６）とは包絡算
出器１，２２へ、復合化器２，２０で復合化され
たφ´H(o)とK´H(i)、（ｉ＝１，…，６）とは包絡算
出
器２，２３へ各々供給される。
１２、量子化器３，１６で各々、所定のビツトに
量子化されたデータは多重化器１３、伝送路１
７、多重分離器１８を介して、復合化器１，１
９、復合化器２，２０、復合化器３，２１へ供給
され復合化される。復合化器１，１９で復合化さ
れたφ´L(o)とK´L(i)、(i)＝１，…，６）とは包絡算
出器１，２２へ、復合化器２，２０で復合化され
たφ´H(o)とK´H(i)、（ｉ＝１，…，６）とは包絡算
出
器２，２３へ各々供給される。
包絡算出器１，２２はK´L(i)、（ｉ＝１，…，
６）から正規化予測残差電力uLおよびαパラメー
タαL(i)、（ｉ＝１，…，６）を求め、下記(5)式に
より電力スペクトル包絡を算出する。
６）から正規化予測残差電力uLおよびαパラメー
タαL(i)、（ｉ＝１，…，６）を求め、下記(5)式に
より電力スペクトル包絡を算出する。
ただし、AL(o)＝6
〓t=0
α2 L(t)、AL(r)＝２6-r
〓t=0
αL(t)・αL
（ｔ＋ｒ）、αL(o)＝１である。
（ｔ＋ｒ）、αL(o)＝１である。
同様に包絡算出器２，２３はK´H(i)、（ｉ＝１，
…，６）から正規化予測残差電力uHおよびαパラ
メータαH(i)、（ｉ＝１，…，６）を求め、下記(6)
式により電力スペストル包絡を算出する。
…，６）から正規化予測残差電力uHおよびαパラ
メータαH(i)、（ｉ＝１，…，６）を求め、下記(6)
式により電力スペストル包絡を算出する。
ただし、AH(o)＝6
〓t=0
α2 H(t)、AH(r)（ｒ）＝２6-r
〓t=0
αH
(t)・αH（ｔ＋ｒ）、αH(o)＝０である。
(t)・αH（ｔ＋ｒ）、αH(o)＝０である。
フイルタ係数算出器２４は上記pL(i)、（ｉ＝５，
…，36）とpH(i)、（ｉ＝37，…，101）から全帯域
のスペクトル包絡を示すフイルタ係数を算出し音
声合成フイルタ２５へ出力する。
…，36）とpH(i)、（ｉ＝37，…，101）から全帯域
のスペクトル包絡を示すフイルタ係数を算出し音
声合成フイルタ２５へ出力する。
所で、供給されるpL(i)、（ｉ＝５，…，36）は
125〜1093.75Hzの離散スペクトル包絡であり、pH
(i)、（ｉ＝37，…，101）は1125〜3125Hzの離散ス
ペクトル包絡である。因に31、25＝1125−1093.
75Hzは周波数サンプル間隔である。即ち分析側で
使用された周波数成分1093.75〜1156.25Hzおよび
1062.5〜1125Hzがフイルタ係数算出器２４では使
用されていない。この点が本発明の他の要点であ
る。
125〜1093.75Hzの離散スペクトル包絡であり、pH
(i)、（ｉ＝37，…，101）は1125〜3125Hzの離散ス
ペクトル包絡である。因に31、25＝1125−1093.
75Hzは周波数サンプル間隔である。即ち分析側で
使用された周波数成分1093.75〜1156.25Hzおよび
1062.5〜1125Hzがフイルタ係数算出器２４では使
用されていない。この点が本発明の他の要点であ
る。
上述の様に本発明では帯域分析型ボコーダに於
いて、分析側では所定の帯域より余分の帯域境界
付近の成分を含めて分析し、合成側では余分な成
分を除去している。これにより帯域境界切出しに
起因するスペクトル包絡の不連続性が大幅に軽減
される。即ち、境界切出しに起因するスペクトル
包絡の歪は境界付近に集中する傾向があり、この
境界付近を合成側で切捨てるからである。
いて、分析側では所定の帯域より余分の帯域境界
付近の成分を含めて分析し、合成側では余分な成
分を除去している。これにより帯域境界切出しに
起因するスペクトル包絡の不連続性が大幅に軽減
される。即ち、境界切出しに起因するスペクトル
包絡の歪は境界付近に集中する傾向があり、この
境界付近を合成側で切捨てるからである。
尚、フイルタ係数算出器２４で算出するフイル
タ係数は全極型フイルタの係数でも、全零型フイ
ルタの係数でも一向に差し支えない。全極型フイ
ルタの係数を求める場合には前記公開特許公報昭
58−220199、644ページに記載されている自己相
関係数を介して全帯域の線形予測係数を求める方
法により、例えば16次のαパラメータを算出すれ
ばよい。又、全零型フイルタの係数を求める場合
には√L(i)、（ｉ＝５，…，36）、および√H(i)、
（ｉ＝37，…，101）をフーリエ変換し、例えば
129点のトランスバーサルフイルタの係数を算出
すればよい。
タ係数は全極型フイルタの係数でも、全零型フイ
ルタの係数でも一向に差し支えない。全極型フイ
ルタの係数を求める場合には前記公開特許公報昭
58−220199、644ページに記載されている自己相
関係数を介して全帯域の線形予測係数を求める方
法により、例えば16次のαパラメータを算出すれ
ばよい。又、全零型フイルタの係数を求める場合
には√L(i)、（ｉ＝５，…，36）、および√H(i)、
（ｉ＝37，…，101）をフーリエ変換し、例えば
129点のトランスバーサルフイルタの係数を算出
すればよい。
一方、復号化器３，２１で復号化されたPitch、
Ｖ／uv信号は各々ピツチ発生器２６、スイツチ
２７へ供給される。ピツチ発生器２６はPitch情
報に基づきピツチパルス列を発生しスイツチ２７
へ出力する。雑音発生器２８は白色雑音を発生し
スイツチ２７へ出力する。スイツチ２７はＶ／
uv信号により有声時にはピツチパルス列を、無
声時には白色雑音を発生し音声合成フイルタ２５
へ出力する。音声合成フイルタ２５は音声を合成
しＤ／Ａ変換器２９へ出力する。Ｄ／Ａ変換器２
９はアナログ音声を再生し出力端子３０を介して
音声波形を出力する。
Ｖ／uv信号は各々ピツチ発生器２６、スイツチ
２７へ供給される。ピツチ発生器２６はPitch情
報に基づきピツチパルス列を発生しスイツチ２７
へ出力する。雑音発生器２８は白色雑音を発生し
スイツチ２７へ出力する。スイツチ２７はＶ／
uv信号により有声時にはピツチパルス列を、無
声時には白色雑音を発生し音声合成フイルタ２５
へ出力する。音声合成フイルタ２５は音声を合成
しＤ／Ａ変換器２９へ出力する。Ｄ／Ａ変換器２
９はアナログ音声を再生し出力端子３０を介して
音声波形を出力する。
（発明の効果）
以上述べた様に、本発明は帯域分割型ボコーダ
に於いて、分析側では所定の帯域より余分な帯域
境界付近の成分を含めて分析し、合成側では余分
な成分を除去することにより、帯域境界切出しに
起因するスペクトル包絡の不連続性が大幅に軽減
され極めて高品質なボコーダを実現し得るという
効果がある。
に於いて、分析側では所定の帯域より余分な帯域
境界付近の成分を含めて分析し、合成側では余分
な成分を除去することにより、帯域境界切出しに
起因するスペクトル包絡の不連続性が大幅に軽減
され極めて高品質なボコーダを実現し得るという
効果がある。
第１図は本発明の実施例を説明するためのブロ
ツク図であり参照番号１〜１６は分析側、１７は
電送路、１８〜３０は合成側を示す。 ２……Ａ／Ｄ変換器、３……窓処理器、４……
フーリエ変換器、１，５……電力スペクトル算出
器、６……自己相関係数算出器、１，７……自己
相関係数算出器、２，８……対数算出器、９……
線形予測分析器、１，１０……量子化器、１，１
１……線形予測分析器、２，１２……量子化器、
２，１３……多量化器、１４……フーリエ変換
器、２，１５……Pitch、Ｖ／uv判別器、１６…
…量子化器、３，１８……多重分離器、１９……
復号化器、１，２０……復号化器、２，２１……
復号化器、３，２２……包絡算出器、１，２３…
…包絡算出器、２，２４……フイルタ係数算出
器、２５……音声合成フイルタ、２６……ピツチ
発生器、２７……スイツチ、２８……雑音発生
器、２９……Ｄ／Ａ変換器。
ツク図であり参照番号１〜１６は分析側、１７は
電送路、１８〜３０は合成側を示す。 ２……Ａ／Ｄ変換器、３……窓処理器、４……
フーリエ変換器、１，５……電力スペクトル算出
器、６……自己相関係数算出器、１，７……自己
相関係数算出器、２，８……対数算出器、９……
線形予測分析器、１，１０……量子化器、１，１
１……線形予測分析器、２，１２……量子化器、
２，１３……多量化器、１４……フーリエ変換
器、２，１５……Pitch、Ｖ／uv判別器、１６…
…量子化器、３，１８……多重分離器、１９……
復号化器、１，２０……復号化器、２，２１……
復号化器、３，２２……包絡算出器、１，２３…
…包絡算出器、２，２４……フイルタ係数算出
器、２５……音声合成フイルタ、２６……ピツチ
発生器、２７……スイツチ、２８……雑音発生
器、２９……Ｄ／Ａ変換器。
Claims (1)
- 【特許請求の範囲】 １ 線形予測分析手法を用いる帯域分割型ボコー
ダにおいて、 分析側では分析される帯域間に重複周波数区間
を設けて各帯域毎の線形予測係数を算出する手段
と、これらの線形予測係数を分析側へ送出する手
段と、 合成側では分析側で算出されたこれらの線形予
測係数から帯域間に重複周波数区間を設けること
なく帯域毎のスペクトル包絡を算出し、これらの
スペクトル包絡より全帯域のスペクトル包絡に対
応する音声合成フイルタの係数を算出する手段
と、この係数に基づいて音声合成を行う音声合成
フイルタとを具備することを特徴とする帯域分割
型ボコーダ。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP60128588A JPS61285499A (ja) | 1985-06-13 | 1985-06-13 | 帯域分割型ボコ−ダ |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP60128588A JPS61285499A (ja) | 1985-06-13 | 1985-06-13 | 帯域分割型ボコ−ダ |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPS61285499A JPS61285499A (ja) | 1986-12-16 |
| JPH052158B2 true JPH052158B2 (ja) | 1993-01-11 |
Family
ID=14988465
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP60128588A Granted JPS61285499A (ja) | 1985-06-13 | 1985-06-13 | 帯域分割型ボコ−ダ |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPS61285499A (ja) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0833746B2 (ja) * | 1987-02-17 | 1996-03-29 | シャープ株式会社 | 音声・楽音の帯域分割符号化装置 |
-
1985
- 1985-06-13 JP JP60128588A patent/JPS61285499A/ja active Granted
Also Published As
| Publication number | Publication date |
|---|---|
| JPS61285499A (ja) | 1986-12-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US6678655B2 (en) | Method and system for low bit rate speech coding with speech recognition features and pitch providing reconstruction of the spectral envelope | |
| JPH05346797A (ja) | 有声音判別方法 | |
| JPH11177434A (ja) | 音声符号化復号方式 | |
| JPH0439679B2 (ja) | ||
| KR0155315B1 (ko) | Lsp를 이용한 celp보코더의 피치 검색방법 | |
| JPH052158B2 (ja) | ||
| Ahmadi et al. | Low bit-rate speech coding based on an improved sinusoidal model | |
| JP2736157B2 (ja) | 符号化装置 | |
| JPS62278598A (ja) | 帯域分割型ボコ−ダ | |
| JP3398968B2 (ja) | 音声分析合成方法 | |
| KR0138878B1 (ko) | 보코더용 피치검색 처리시간 단축법 | |
| JP2535809B2 (ja) | 線形予測型音声分析合成装置 | |
| JPH0235994B2 (ja) | ||
| Tsoukalas et al. | Low bit-rate speech coding by perceptually optimized noise excitation modulation | |
| JPH08160993A (ja) | 音声分析合成器 | |
| Lukasiak et al. | Linear prediction incorporating simultaneous masking | |
| Anselam et al. | QUALITY EVALUATION OF LPC BASED LOW BIT RATE SPEECH CODERS | |
| JP2560486B2 (ja) | マルチパルス符号化装置 | |
| JPH0229233B2 (ja) | ||
| Walter | Interrelationship between several classes of narrowban digital speech communication techniques and an underlying canonical baseline system | |
| Rabiner et al. | Analysis of the performance of a tandem connection of a 16‐Kbps CVSD coder to a 2.4‐Kbps LPC vocoder | |
| JPS61236600A (ja) | パタンマツチングボコ−ダ | |
| Zahorian et al. | Principal‐components analysis of speech spectra | |
| Wittenburg | Effects of Compression on Linguistically Relevant Speech Analysis Parameters | |
| Al-Naimi et al. | Improved line spectral frequency estimation through anti-aliasing filtering |