JP4245606B2

JP4245606B2 - 音声符号化装置

Info

Publication number: JP4245606B2
Application number: JP2005500739A
Authority: JP
Inventors: 均佐々木; 恭士大田
Original assignee: Fujitsu Ltd
Current assignee: Fujitsu Ltd
Priority date: 2003-06-10
Filing date: 2003-06-10
Publication date: 2009-03-25
Anticipated expiration: 2023-06-10
Also published as: US7072830B2; WO2004112256A1; US20050278174A1; JPWO2004112256A1

Description

本発明は、音声符号化装置に関し、特に音声信号の情報を圧縮して符号化を行う音声符号化装置に関する。

移動体通信やＣＤなどでは、音声のディジタル処理が行われ、ディジタル化された音声信号は、ユーザにとっても身近な存在となっている。ディジタル音声信号を効率よく圧縮・伝送するためには、高能率符号化が行われる。

高能率符号化は、情報量の冗長度を除去して圧縮し、人間の感覚で歪ができるだけ感知されないようにして伝送容量の節約を図る技術であり、様々な方式が提案されている。音声信号の高能率符号化アルゴリズムとしては、ITU-T G.726で標準化されているＡＤＰＣＭ（Adaptive Differential Pulse Code Modulation：適応的差分パルス符号変調）が広く使用されている。

図１８、図１９はＡＤＰＣＭコーデックのブロック構成を示す図である。ＡＤＰＣＭ符号器１１０は、Ａ／Ｄ部１１１、適応量子化部１１２、適応逆量子化部１１３、適応予測部１１４、減算器１１５、加算器１１６から構成される。なお、点線枠内をローカルデコーダと呼ぶ。ＡＤＰＣＭ復号器１２０は、適応逆量子化部１２１、適応予測部１２２、Ｄ／Ａ部１２３、加算器１２４から構成される（符号器側のローカルデコーダがそのまま復号器となる）。

ＡＤＰＣＭ符号器１１０に対し、Ａ／Ｄ部１１１は、入力音声をディジタル信号ｘに変換する。減算器１１５は、現在の入力信号ｘと、適応予測部１１４で過去の入力信号にもとづいて生成した予測信号ｙとの差分をとって予測残差信号ｒを生成する。

適応量子化部１１２は、量子化誤差が小さくなるように、予測残差信号ｒの過去の量子化値に応じて量子化ステップ幅（ステップサイズ）を増減して量子化を行う。すなわち、直前の標本（サンプル）の量子化値の振幅が一定値以下のときは変化が少ないとみて、量子化ステップサイズに１よりも小さい係数（スケーリングファクタと呼ばれる）を乗じて、量子化ステップサイズを狭めて量子化する。

また、直前のサンプルの量子化値の振幅が一定値を超えるときは変化が大きいとみて、量子化ステップサイズに１よりも大きい係数を乗じて、量子化ステップサイズを広げて粗く量子化する。

ここで、適応量子化部１１２の量子化レベル数は、符号化ビット数によって決まり、例えば、４ビット符号化であれば１６レベルに量子化される。Ａ／Ｄ部１１１のサンプリング周波数を８ｋＨｚとすれば、適応量子化部１１２のディジタル出力（ＡＤＰＣＭ符号）ｚは、３２ｋｂｉｔ／ｓ（＝８ｋＨｚ×４ビット）となる（Ａ／Ｄ部１１１が出力するディジタル音声信号が６４ｋｂｉｔ／ｓならば圧縮率は１／２である）。

また、ＡＤＰＣＭ符号ｚは、ローカルデコーダの適応逆量子化部１１３に入力される。適応逆量子化部１１３は、ＡＤＰＣＭ符号ｚを逆量子化して、量子化予測残差信号ｒａを生成する。加算器１１６は、予測信号ｙと量子化予測残差信号ｒａとを加算して、再生信号（局部再生信号）ｘａを生成する。

適応予測部１１４は、内部に適応フィルタを含み、適応フィルタの予測係数を予測残差信号の電力が最小になるように逐次修正しながら、再生信号ｘａと量子化予測残差信号ｒａにもとづいて、次の入力のサンプル値に対する予測信号ｙを生成し、減算器１１５へ送信する。

一方、ＡＤＰＣＭ復号器１２０では、伝送されたＡＤＰＣＭ符号ｚに対し、ＡＤＰＣＭ符号器１１０のローカルデコーダと全く同一の処理を行って再生信号ｘａを生成し、Ｄ／Ａ部１２３でアナログ信号に変換して音声出力を得る。

ＡＤＰＣＭの利用分野としては、近年、携帯電話機にＡＤＰＣＭ音源を内蔵して、サンプリングした動物の鳴き声や人の話し声などを着信メロディとして流したり、リアルな再生音を利用して、ゲームの音楽に効果音を挿入するなど、多様な音声サービスに盛んに使われており、さらなる音声品質の向上が求められている。

ＡＤＰＣＭによる音声品質向上を図った従来技術としては、入力音声と予測値との差分値に単位量子化幅の１／２を加算または減算した信号を、適応量子化して符号を求め、その符号から次ステップの単位量子化幅を更新して、予測値、逆量子化値から次の予測値を求める技術が提案されている（例えば、特許文献１参照）。
特開平１０−２３３６９６号公報（段落番号〔００４９〕〜〔００８９〕，第１図）図１８で上述したITU-T G.726のＡＤＰＣＭ符号器１１０のループ制御では、現在（時刻ｎ）の１つのサンプルのみの量子化の情報によって、ＡＤＰＣＭ符号を生成している。このため、時刻（ｎ＋１）で急に振幅が増加するような、予測した値よりも大きな信号ｘn+1が入力すると、時刻（ｎ＋１）の量子化ステップサイズΔn+1は小さいままなので、変化に追随できずに大きな量子化誤差が生じてしまう。これを再生すると聴覚的に聞き苦しい音（主観的にはカサカサした音）となり、音質劣化を引き起こすといった問題があった。

また、従来技術（特開平１０−２３３６９６号公報）では、単位量子化幅を更新するために必要なテーブルを、符号器と復号器の両方に用意して置かなければならず、実用面において必ずしも好適とはいえない。

本発明はこのような点に鑑みてなされたものであり、量子化誤差を抑制して音声品質の向上を図った音声符号化装置を提供することを目的とする。
上記課題を解決するために、図１に示すような、音声信号の符号化を行う音声符号化装置１０において、音声信号のサンプル値に対する符号を求める際に、サンプル値の近傍区間での符号候補の複数の組み合わせとして、先読みサンプル数までに取り得るすべての符号の候補を、符号を求める度に格納する符号候補格納部１１と、符号候補格納部１１で格納されている符号を復号化して再生信号を生成する復号信号生成部１２と、入力サンプル値と再生信号との差分の自乗和を算出して、量子化誤差を最小とする、自乗和が最小値の符号候補を検出し、検出した符号候補の中の符号を出力する誤差評価部１３と、を有することを特徴とする音声符号化装置１０が提供される。

ここで、符号候補格納部１１は、音声信号のサンプル値に対する符号を求める際に、サンプル値の近傍区間での符号候補の複数の組み合わせとして、先読みサンプル数までに取り得るすべての符号の候補を、符号を求める度に格納する。復号信号生成部１２は、符号候補格納部１１で格納されている符号を復号化して再生信号を生成する。誤差評価部１３は、入力サンプル値と再生信号との差分の自乗和を算出して、量子化誤差を最小とする、自乗和が最小値の符号候補を検出し、検出した符号候補の中の符号を出力する。

本発明の上記および他の目的、特徴および利点は本発明の例として好ましい実施の形態を表す添付の図面と関連した以下の説明により明らかになるであろう。

以下、本発明の実施の形態を図面を参照して説明する。図１は音声符号化装置の原理図である。音声符号化装置１０は、音声信号の情報を圧縮して符号化を行う装置である。
符号候補格納部１１は、音声信号のサンプル値に対する符号を求める際に、後述の先読みサンプル数ｐｒまでを近傍区間とした、時刻（ｎ＋ｋ）（０≦ｋ≦ｐｒ）までの符号候補｛ｊ１、ｊ２、…、ｊ（ｐｒ＋１）｝の複数（すべて）の組み合わせを格納する。図では、先読みサンプルのｐｒを１として、時刻ｎの符号ｊ１と時刻（ｎ＋１）の符号ｊ２の符号候補の組み合わせを格納している例を示している。

復号信号生成部（ローカルデコーダ）１２は、符号候補格納部１１で格納されている符号を順次復号化して再生信号ｓｒを生成する。誤差評価部１３は、入力音声信号の入力サンプル値ｉｎと再生信号ｓｒとの差分の自乗和を算出し、自乗和が最小値の符号候補（＝量子化誤差が最小とみなせる）を検出し、検出した符号候補の中の符号ｉｄｘを出力する。

なお、図中ベクトル表記してあるのは、順次処理が行われることを示すものである。すなわち、符号候補のベクトル表記は、符号候補格納部１１からローカルデコーダ１２へ符号候補｛１、１｝、｛１、２｝、…が順次入力されることを示し、再生信号のベクトル表記は、ローカルデコーダ１２で順次生成されて誤差評価部１３へ入力することを示し、入力サンプル値のベクトル表記は、誤差評価部１３へ順次入力されることを示している。

なお、後述の図１２のローカルデコーダ１２の構成を使用する場合、符号候補｛１、２｝に対してのローカルデコーダ再生信号ｓｒ[ｎ]とｓｒ[ｎ＋１]は、以下の手順で生成する。

適応逆量子化部１２ａにおいて符号＃１を逆量子化して、逆量子化信号ｄｑ[ｎ]を生成する。加算器１２ｂでは、前時刻の再生信号ｓｒ[ｎ−１]を遅延させた遅延信号ｓｅ[ｎ]と加算して、再生信号（局部再生信号）ｓｒ[ｎ]を生成する。

次にｎ＋１での再生信号を同様の手順で求める。適応逆量子化部１２ａにおいて符号＃２を逆量子化して、逆量子化信号ｄｑ[ｎ＋１]を生成する。加算器１２ｂでは、前時刻の再生信号ｓｒ[ｎ]を遅延させた遅延信号ｓｅ[ｎ＋１]と加算して、再生信号（局部再生信号）ｓｒ[ｎ＋１]を生成する。

ここで、時刻ｎのサンプル値に対する符号ｉｄｘ[ｎ]を求める場合、従来では上述したように、現在時刻ｎの１つのサンプルのみの量子化によって符号化を行っていたが、時刻ｎだけでなく時刻ｎ周辺のサンプル区間（＝近傍区間）の情報も誤差評価の対象として利用して、符号ｉｄｘ[ｎ]を求めるものである。

すなわち、現在のサンプル値だけでなく、未来のサンプル（先読みサンプルと呼ぶ）も利用するということであり、例えば、先読みサンプルを１としたら、時刻ｎ及び時刻（ｎ＋１）の２サンプルの情報までを考慮して、時刻ｎの符号ｉｄｘ[ｎ]を求めることになる。

また、先読みサンプルを２としたら、時刻ｎ、時刻（ｎ＋１）、時刻（ｎ＋２）の３サンプルの情報までを考慮して、時刻ｎの符号ｉｄｘ[ｎ]を求めることになる。なお、本装置の詳細動作については図４以降で説明する。

次に解決すべき問題点について図２、図３を用いて詳しく説明する。図２は再生信号を求めている様子を示す図である。説明を簡略にするために、予測なし（単に入力サンプルと再生信号との差分を量子化）として、１サンプルあたり２ビット（量子化レベルは４通り）で量子化するものとする。

音声信号に対して、時刻（ｎ−１）でサンプルしたサンプル値をＸｎ−１、時刻ｎでサンプルしたサンプル値をＸｎとする。また、時刻（ｎ−１）で復号された再生信号がＳｎ−１であったとする。

ここで、時刻ｎにおける再生信号を求める場合、まず、時刻ｎのサンプル値Ｘｎと、時刻（ｎ−１）の再生信号Ｓｎ−１との差分をとって差分信号Ｅｎを生成する（予測処理を行うのであれば同一時刻での差分を求めるが、ここでは予測なしとしたので、１つ前の再生信号と現在の入力サンプル値との差分が求められる）。

そして、この差分信号Ｅｎに量子化を施して、時刻ｎにおける量子化値を選択する。ここでは２ビットの量子化としたので、量子化値はｈ１〜ｈ４の４通りあり、これら４候補の中から、差分信号Ｅｎの値を最も正しく表現できるもの（サンプル値Ｘｎに最も近接するもの）が選択されることになる（なお、ドットの間隔が量子化ステップサイズに対応する）。

図では、差分信号Ｅｎを最も正しく表現できるものは量子化値ｈ３である（すなわち、サンプル値Ｘｎと最も近接なドットはｈ３）。したがって、時刻ｎにおける再生信号として、量子化値ｈ３（Ｓｎとする）を選択し、量子化値ｈ３を示すＡＤＰＣＭ符号が符号器から出力することになる。

図３は振幅変動に追随できずに大きな量子化誤差が発生する様子を示す図である。従来のＡＤＰＣＭ符号器の問題点を示している。図２で示した音声信号に対して、時刻（ｎ＋１）でサンプルしたサンプル値をＸｎ＋１、時刻（ｎ＋２）でサンプルしたサンプル値をＸｎ＋２とする。また、時刻ｎで復号された再生信号は図２で示したＳｎである。なお、音声信号は、時刻（ｎ＋１）付近で急に振幅が増加する波形とする。

時刻（ｎ＋１）における再生信号を求める場合を考える。まず、時刻（ｎ＋１）のサンプル値Ｘｎ＋１と、時刻ｎの再生信号Ｓｎとの差分をとって差分信号Ｅｎ＋１を生成する。

そして、差分信号Ｅｎ＋１に量子化を施して、時刻（ｎ＋１）の量子化値を選択する。２ビットの量子化なので、量子化値の候補は、ｈ５〜ｈ８の４通りある。また、これら量子化値の量子化ステップサイズは、直前で選択された量子化値によって決まる。

すなわち、直前で選択された量子化値が、４つあるドットの真ん中２つのいずれかが選ばれているなら、時刻（ｎ−１）から時刻ｎへの振幅変動は少ないため、時刻ｎから時刻（ｎ＋１）への振幅変動も少ないであろうとみなして、時刻（ｎ＋１）の量子化ステップサイズは小さくする。

また、直前で選択された量子化値が、４つあるドットの両端のいずれかが選ばれた場合には、時刻（ｎ−１）から時刻ｎへの振幅変動は大きいため、時刻ｎから時刻（ｎ＋１）への振幅変動も大きいであろうとみなして、時刻（ｎ＋１）の量子化ステップサイズは大きくする。

ここの例では、時刻ｎの再生信号Ｓｎは、再生信号候補ｈ１〜ｈ４の中のｈ３を選択したものであるから（真ん中２つの内の１つである）、振幅変動が少ないとみなせるので、時刻（ｎ＋１）の量子化値の量子化ステップサイズは（つまりｈ５〜ｈ８のドット間隔は）、小さくする（時刻ｎで用いた１より小さいスケーリングファクタを時刻（ｎ＋１）でも用いて、ｈ１〜ｈ４のドット間隔と同じとしている）。

その後、量子化値の候補ｈ５〜ｈ８の中から、差分信号Ｅｎ＋１を最も正しく表現できるものを選択することになる。ところが、時刻（ｎ＋１）で音声信号の振幅が急に立ち上がっているため、量子化ステップサイズが大きくない再生信号候補ｈ５〜ｈ８の中から差分信号Ｅｎ＋１をもっとも正しく表現できるもの（サンプル値Ｘｎ＋１に最も近接なドット）を選ぶとしてもせいぜいｈ５しかない。

したがって、時刻（ｎ＋１）における再生信号は、量子化値ｈ５（Ｓｎ＋１）が選択され、量子化値ｈ５を示すＡＤＰＣＭ符号が符号器から出力されることになる。しかし、図からわかるように、量子化誤差が大きくなってしまい、音質劣化を招くことになる。

次に時刻（ｎ＋２）での量子化に対し、時刻（ｎ＋１）の再生信号Ｓｎ＋１は、再生信号候補ｈ５〜ｈ８の中のｈ５を選択したものであるから（両端の内の１つである）、振幅変動が大きいとみなし、時刻（ｎ＋２）の量子化値の量子化ステップサイズは（つまりｈ９〜ｈ１２のドット間隔は）、時刻（ｎ＋１）の量子化ステップサイズよりも大きくなっている。そして、上述と同様な処理を行って、再生信号としてはｈ９が選択されることになる。

このように、従来のＡＤＰＣＭでは、音声の急なレベル変化があった場合でも、変化量が小さい振幅増加前の量子化ステップサイズで、振幅変動の大きいサンプルの量子化値を求めているために、大きな量子化誤差が発生してしまい、音質劣化が生じていた。音声符号化装置１０では、音声の振幅変動が大きい場合でも、量子化誤差を効率よく抑制して音声品質の向上を図るものである。

次に音声符号化装置１０の構成及び動作について以降詳しく説明する。最初に符号候補格納部１１について説明する。図４は符号候補格納部１１で格納される符号候補の概念を説明するための図である。今、時刻ｎにおける音声信号のサンプル値の符号ｉｄｘ[ｎ]を求める場合を考える。また、時刻（ｎ＋１）のサンプル値までを、時刻ｎのサンプル値の近傍区間とし（すなわち、先読みサンプル１とする）、１サンプルあたり２ビットの量子化と仮定する。

時刻ｎのサンプル値に対する量子化値の符号ｊ１は、＃１〜＃４の４通りの候補があり、符号ｊ１の＃１〜＃４それぞれに対して、時刻（ｎ＋１）の符号ｊ２も＃１〜＃４の４通りの候補がある。

ここで、例えば、時刻ｎのサンプル値に対する符号ｊ１に＃１を選択して、時刻（ｎ＋１）の符号ｊ２に＃１を選択した場合を｛１、１｝のように表記すると、符号候補のすべての組み合わせは、｛１、１｝、｛１、２｝、…｛４、３｝、｛４、４｝の１６通りあることになる。

したがって、現在時刻ｎの符号を２ビットの量子化で求める際に、先読みサンプル１として、時刻（ｎ＋１）のサンプル値までを使用すると、符号候補格納部１１では、時刻ｎの符号ｊ１と時刻（ｎ＋１）の符号ｊ２の符号のすべての１６通りの組み合わせ｛ｊ１、ｊ２｝＝｛１、１｝、…、｛４、４｝が格納されることになる。

また、符号候補格納部１１は、これら符号候補をローカルデコーダ１２に順次入力し、１６通りすべて入力し終わると、次は装置内では現在時刻（ｎ＋１）の符号を求めることになるので、時刻（ｎ＋２）のサンプル値までを使用することになり、符号候補格納部１１には、時刻（ｎ＋１）の符号ｊ１と、時刻（ｎ＋２）の符号ｊ２とのすべての１６通りの組み合わせが格納され、再びローカルデコーダ１２へ入力することになる。以下、このような動作が繰り返される。

なお、上記の例では、時刻ｎの符号ｉｄｘ[ｎ]を求める際に、先読みサンプル１として時刻（ｎ＋１）までを含めたが、２ビット量子化で先読みサンプル２とすれば、符号候補格納部１１には、時刻ｎの符号ｊ１、時刻（ｎ＋１）の符号ｊ２、時刻（ｎ＋２）の符号ｊ３のすべての符号の組み合わせ｛ｊ１、ｊ２、ｊ３｝＝｛１、１、１｝、…、｛４、４、４｝の６４通りの候補が格納されることになる（以降、同様な考え方である）。

次に符号化時に量子化誤差を抑制するときの動作について図５〜図１１を用いて説明する。なお、時刻ｎの符号ｉｄｘ[ｎ]を求めるものとし、先読みサンプル１として時刻（ｎ＋１）の情報を利用する。また、説明を簡略化するために、予測なしとし、量子化は２ビットで行うものとする。

図５〜図１０は動作を説明するための図である。音声信号に対して、時刻ｎでサンプルしたサンプル値をＸｎ、時刻（ｎ＋１）でサンプルしたサンプル値をＸｎ＋１とする。また、音声信号は、時刻（ｎ＋１）付近で急に振幅が増加する波形とする。

図５に対し、時刻ｎにおける符号候補ｊ１を復号した際の符号候補は＃１〜＃４の４通りある。ここで、時刻ｎにおいて、符号候補＃１を最初に選択したとする。すると、符号候補＃１に対応する、時刻（ｎ＋１）において選択可能な符号候補は、量子化ステップサイズの広い＃（１−１）〜＃（１−４）の４通りある。

図６に対し、時刻（ｎ＋１）の符号候補として、＃（１−１）を選択したとする。このとき、時刻ｎのサンプル値Ｘｎと、符号候補＃１との差分ｄ₁を求め、時刻（ｎ＋１）のサンプル値Ｘｎ＋１と、符号候補＃（１−１）との差分ｄ_1-1を求める。そして、これらの差分の自乗和を算出して誤差評価値ｅ（｛１、１｝）を求める。

ｅ（｛１、１｝）＝（ｄ₁）²＋（ｄ_1-1）² ・・・（１）
図７に対し、時刻（ｎ＋１）の符号候補として、＃（１−２）を選択したとする。このとき、時刻ｎのサンプル値Ｘｎと、符号候補＃１との差分はｄ₁であり、また、時刻（ｎ＋１）のサンプル値Ｘｎ＋１と、符号候補＃（１−２）との差分ｄ_1-2が求められる。そして、これらの差分の自乗和を算出して誤差評価値ｅ（｛１、２｝）を求める。

ｅ（｛１、１｝）＝（ｄ₁）²＋（ｄ_1-2）² ・・・（２）
以下、時刻（ｎ＋１）の符号候補として、＃（１−３）、＃（１−４）を選択した場合も同様の処理を行って、誤差評価値ｅ（｛１、３｝）、ｅ（｛１、４｝）を求める。

図８に対し、時刻ｎにおいて、符号候補＃２を選択したとする。すると、符号候補＃２に対応する、時刻（ｎ＋１）において選択可能な符号候補は、量子化ステップサイズの狭い＃（２−１）〜＃（２−４）の４通りある。

図９に対し、時刻（ｎ＋１）の符号候補として、＃（２−１）を選択したとする。このとき、時刻ｎのサンプル値Ｘｎと、符号候補＃２との差分ｄ₂を求め、また、時刻（ｎ＋１）のサンプル値Ｘｎ＋１と、符号候補＃（２−１）との差分ｄ_2-1が求められる。そして、これら差分の自乗和を算出して誤差評価値ｅ（｛２、１｝）を求める。

ｅ（｛２、１｝）＝（ｄ₂）²＋（ｄ_2-1）² ・・・（３）
図１０に対し、時刻（ｎ＋１）の符号候補として、＃（２−２）を選択したとする。このとき、時刻ｎのサンプル値Ｘｎと、再生信号候補＃２との差分はｄ₂であり、また、時刻（ｎ＋１）のサンプル値Ｘｎ＋１と、符号候補＃（２−２）との差分ｄ_2-2が求められる。そして、これら差分の自乗和を算出して誤差評価値ｅ（｛２、２｝）を求める。

ｅ（｛２、２｝）＝（ｄ₂）²＋（ｄ_2-2）² ・・・（４）
以下、時刻（ｎ＋１）の符号候補として、＃（２−３）、＃（２−４）を選択した場合も同様の処理を行って、誤差評価値ｅ（｛２、３｝）、ｅ（｛２、４｝）を求める。

このような処理を時刻ｎにおける符号候補＃３、＃４についても行い、結局、１６個の誤差評価値ｅ（｛１、１｝）〜ｅ（｛４、４｝）を求める。そして、誤差評価値ｅ（｛１、１｝）〜ｅ（｛４、４｝）の中から最小値を選択する。この例の場合、図６で説明した誤差評価値ｅ（｛１、１｝）が最小値になることが、図から判別できる。したがって、時刻ｎの符号候補＃１が最終的に選択決定され、符号候補＃１を表す符号ｉｄｘ[ｎ]が伝送路上へ出力されることになる。

ここで、従来技術と比較しながら音声符号化装置１０の特徴について説明する。図１１は符号選択を示す図である。もし、上記の図５〜図１０の例に対して、図３で説明したような従来技術の処理を行ったとすると、時刻ｎでは、サンプル値Ｘｎに最も近接な位置にある候補＃２が選択され、時刻（ｎ＋１）では、サンプル値Ｘｎ＋１に最も近接な位置にある候補＃（２−１）が選択されることになる。すると、時刻ｎでは量子化誤差ｅ_1aが小さくても、時刻（ｎ＋１）では大きな量子化誤差ｅ_2aが発生してしまうことになる。

ここで、量子化ステップサイズを決めるには、直前で選択された値によって決めることは従来と同じであるが、従来の処理では、過去に決定された符号にもとづいて、次の量子化ステップサイズを決めている。したがって、時刻ｎでは、時刻ｎのサンプル値に最も近い符号を決定できたとしても、次のサンプリング時刻（ｎ＋１）で振幅変動が急激に増加したような場合、変化量が小さい振幅増加前の量子化ステップサイズで、時刻（ｎ＋１）の符号を求めてしまうことが起こるため、時刻（ｎ＋１）では大きな量子化誤差ｅ_2aが発生してしまう。

一方、音声符号化装置１０の場合、近傍サンプル区間内の符号候補すべてに対して発生する量子化誤差をあらかじめ求めておき、量子化誤差が最小となる符号候補の組み合わせを選択する。このため、振幅変動が急激に増加する場合であっても、その振幅変動が近傍区間内にあれば、従来のように１つのサンプル地点のみ大きな量子化誤差を発生する符号を選択するようなことがなくなる。

例えば、図６は、誤差評価値が最小となる符号候補＃１、＃（１−１）を示しており、時刻ｎでは候補＃１を選択決定しているため、時刻ｎの量子化誤差だけについて見ると、量子化誤差ｅ₁（＝ｄ₁）は、図１１の従来処理と比べて大きくはなっている（ｅ₁＞ｅ_1a）。

ただし、時刻ｎで候補＃１を選択することで、時刻（ｎ＋１）では量子化ステップサイズを広げることができる。このため、時刻（ｎ＋１）ではステップサイズが広がった候補＃１−１〜＃１−４の中でサンプル値Ｘｎ＋１に近接な候補を選択することになるので、結局、（ｅ₁＋ｅ₂（＝ｄ_1-1））＜（ｅ_1a＋ｅ_2a）となり、音声符号化装置１０の方が量子化誤差を小さくできることがわかる。

このように、振幅変動前は量子化誤差を小さくできても、振幅変動後に大きな量子化誤差を発生させてしまう従来技術に対して、音声符号化装置１０では、振幅変動前後で量子化誤差を総体的に小さくする構成としたので、Ｓ／Ｎの向上を図ることが可能になる。

次にローカルデコーダ１２の詳細ブロックを示した音声符号化装置１０について説明する。図１２は音声符号化装置１０の構成を示す図である。音声符号化装置１０は、符号候補格納部１１、ローカルデコーダ１２、誤差評価部１３を含む。ローカルデコーダ１２は、適応逆量子化部１２ａ、加算器１２ｂ、遅延部１２ｃから構成され、誤差評価部１３は、差分自乗和算出部１３ａ、最小値検出部１３ｂから構成される。符号候補格納部１１については上述したので、ローカルデコーダ１２、誤差評価部１３について説明する。なお、符号候補格納部１１では、時刻ｎの符号ｊ１、時刻（ｎ＋１）の符号ｊ２の｛ｊ１、ｊ２｝の組み合わせを格納しているものとする。

ローカルデコーダ１２に対し、適応逆量子化部１２ａは、符号候補｛１、１｝を受信すると、前回の時刻（ｎ−１）で処理した結果から量子化ステップサイズを更新する。そして、最初に時刻ｎのｊ１＝＃１の符号に対応する量子化値を認識した後、その量子化値を逆量子化して、逆量子化信号ｄｑ[ｎ]を出力する。

加算器１２ｂは、遅延部１２ｃから出力される遅延信号ｓｅ[ｎ]（時刻（ｎ−１）の再生信号ｓｒ[ｎ−１]を１サンプル時間遅延した信号である）と、逆量子化信号ｄｑ[ｎ]とを加算して、再生信号ｓｒ[ｎ]（＝ｄｑ[ｎ]＋ｓｅ[ｎ]）を生成し、遅延部１２ｃ及び誤差評価部１３へ出力する。遅延部１２ｃは、再生信号ｓｒ[ｎ]を受信すると、１サンプル時間遅延させて遅延信号ｓｅ[ｎ＋１]を出力し、加算器１２ｂへフィードバックする。

次に適応逆量子化部１２ａは、時刻（ｎ＋１）のｊ２＝＃１の符号に対応する量子化値を認識した後、その量子化値を逆量子化して、逆量子化信号ｄｑ[ｎ＋１]を出力する。そして、加算器１２ｂ、遅延部１２ｃでは、上述と同様な処理が行われて、符号ｊ２に対する再生信号が生成される。

誤差評価部１３に対し、差分自乗和算出部１３ａは、入力サンプル値ｉｎ[ｎ]と、再生信号ｓｒ[ｎ]とを受信して、以下の式にもとづいて差分自乗和を算出する。ただし、０≦ｋ≦ｐｒである（ｐｒは先読みサンプル数）。

最小値検出部１３ｂは、すべての符号候補に対する式（５）の値から最小値を検出する。そして、最小値である符号候補の中から時刻ｎの符号候補（再生信号）を認識し、その符号候補に対応する符号ｉｄｘ[ｎ]を伝送路上へ出力する。

なお、上記の構成に対して、予測を行う場合には、遅延部１２ｃを適応予測部に置き換え、この適応予測部に再生信号および逆量子化信号を入力する構成とすれば、適応予測方式に対応することができる。

図１３は音声符号化装置１０の動作概要を示すフローチャートである。符号候補は｛ｊ１、ｊ２｝とし、ｊ１は時刻ｎの符号、ｊ２は時刻（ｎ＋１）の符号である。
〔Ｓ１〕符号候補格納部１１は、符号候補｛ｊ１、ｊ２｝を格納する。
〔Ｓ２〕ローカルデコーダ１２は、時刻ｎの符号ｊ１の再生信号を生成する。
〔Ｓ３〕ローカルデコーダ１２は、時刻（ｎ＋１）の符号ｊ２の再生信号を生成する。
〔Ｓ４〕誤差評価部１３は、式（５）にもとづき、誤差評価値ｅ（｛ｊ１、ｊ２｝）を算出する。
〔Ｓ５〕すべての符号候補｛ｊ１、ｊ２｝＝｛１、１｝〜｛ｆ、ｆ｝に対する誤差を算出したならばステップＳ６へいき、そうでなければステップＳ２へ戻る。
〔Ｓ６〕誤差評価部１３は、誤差評価値ｅ（｛ｊ１、ｊ２｝）の最小値を検出し、最小値となった｛ｊ１、ｊ２｝のｊ１を時刻ｎの符号ｉｄｘ[ｎ]として出力する。
〔Ｓ７〕ローカルデコーダ１２は、ステップＳ６で決定された時刻ｎのｊ１にもとづいて、時刻（ｎ＋１）における量子化ステップサイズの更新を行う。
〔Ｓ８〕時刻ｎを更新し、時刻（ｎ＋１）の符号を求める処理に入る（符号候補格納部１１には、時刻（ｎ＋１）の符号ｊ１、時刻（ｎ＋２）の符号ｊ２の符号候補｛ｊ１、ｊ２｝が格納されることになる）。

以上説明したように、音声信号のサンプル値に対する符号を求める際に、サンプル値の近傍区間でのすべての符号候補の組み合わせを格納し、符号候補から再生信号を生成し、入力サンプル値と再生信号との差分の自乗和を算出して、自乗和が最小となる符号候補の中の符号を出力する構成とした。これにより、音声の振幅変動が大きい場合でも、量子化誤差を効率よく抑制することができ、音声品質の向上を図ることが可能になる。また、符号器側の構成変更のみで実現できるので容易に実用化が可能である。

次に効果について説明する。図１４は従来の処理を行った場合の波形であり、図１５は音声符号化装置１０による処理を行った場合の波形を示す図である。縦軸は振幅、横軸は時間であり、男女の自然音（肉声）ファイルについて測定した結果である。

図１４の上側の波形Ｗ１ａは、従来のＡＤＰＣＭ符号器で符号化した信号を再生した信号（ＡＤＰＣＭ復号器の出力波形）であり、下側の波形Ｗ１ｂは元の入力音声と波形Ｗ１ａとのレベル差分である。また、図１５の上側の波形Ｗ２ａは、音声符号化装置１０で符号化した信号を再生した信号（ＡＤＰＣＭ復号器の出力波形）であり、下側の波形Ｗ２ｂは元の入力音声と波形Ｗ２ａとのレベル差分である（レベル差分を示す誤差信号の倍率は４倍にした）。

波形Ｗ１ｂ、波形Ｗ２ｂを比較すると、波形Ｗ２ｂの方が平坦であり、量子化誤差が抑制されていることがわかる。また、Ｓ／Ｎについては従来は２８．３７ｄＢであったが、音声符号化装置１０では３４．５０ｄＢとなり、６．１３ｄＢの改善が見られ、音声符号化装置１０が有効であることがわかる。

次に変形例について説明する。図１６は変形例を示す図である。音声符号化装置１０ａは、あらたに符号選択部１４を含む。その他の構成要素は図１２と同じである。
符号選択部１４では、近傍区間の最終段のサンプル時刻を時刻（ｎ＋ｋ）とした場合、時刻（ｎ＋ｋ）における符号候補に対し、入力サンプル値ｉｎ[ｎ＋ｋ]に最も近い値を表す符号を選択し、適応逆量子化部１２ａへ出力する。そして、ローカルデコーダ１２では、時刻（ｎ＋ｋ）の再生信号に対しては、符号選択部１４で選択された符号のみを再生して再生信号を生成する。

図１７は変形例の動作を説明するための図である。時刻ｎの符号を求める際に、先読みサンプル１とすると、最終段時刻は時刻（ｎ＋１）となる（先読みサンプルが２なら、最終段時刻は時刻（ｎ＋２）である）。

ここで、図１５以前に上述した音声符号化装置１０の動作では、符号候補格納部１１から入力した符号をすべて復号化して再生信号を生成し、誤差評価を行うものであった。一方、変形例の場合は、最終段時刻（ｎ＋ｋ）の符号候補に対しては、最終段時刻（ｎ＋ｋ）の入力サンプル値ｉｎ[ｎ＋ｋ]と最も近接な１つの符号を符号選択部１４であらかじめ選択し（通常の符号化が行われている）、最終段時刻（ｎ＋ｋ）に関しては、その符号だけをローカルデコーダ１２で復号化して再生信号を生成して、その後、誤差評価部１３で誤差評価が行われるものである。

したがって、図の場合、＃（１−１）が符号選択部１４で選択されることになるので、ローカルデコーダ１２では、＃（１−１）のみ復号化し、＃（１−２）〜＃（１−４）に関しては、復号化は行わない。このような構成にすることで、変形例の場合では、計算量を低減することができ、処理速度の向上を図ることが可能になる。

このように、現在のサンプルだけでなく、近傍のサンプル区間での量子化誤差を考慮して符号を選択することで、量子化誤差を抑制し、音質を向上させることができる。なお、上記では、符号化を行う信号として、音声信号を対象にして説明したが、音声信号に限らず、高能率符号化の一方式として、多様な分野に広く適用することが可能である。

以上説明したように、音声符号化装置は、音声信号のサンプル値に対する符号を求める際に、サンプル値の近傍区間でのすべての符号候補の組み合わせを格納し、格納されている符号を復号化して再生信号を生成し、入力サンプル値と再生信号との差分の自乗和を算出して、自乗和が最小となる符号候補を量子化誤差最小とみなして、符号候補の中の符号を出力する構成とした。これにより、音声の振幅変動が大きい場合でも、量子化誤差を効率よく抑制することができ、音声品質の向上を図ることが可能になる。

上記については単に本発明の原理を示すものである。さらに、多数の変形、変更が当業者にとって可能であり、本発明は上記に示し、説明した正確な構成および応用例に限定されるものではなく、対応するすべての変形例および均等物は、添付の請求項およびその均等物による本発明の範囲とみなされる。

音声符号化装置の原理図である。再生信号を求めている様子を示す図である。振幅変動に追随できずに大きな量子化誤差が発生する様子を示す図である。符号候補格納部で格納される符号候補の概念を説明するための図である。動作を説明するための図である。動作を説明するための図である。動作を説明するための図である。動作を説明するための図である。動作を説明するための図である。動作を説明するための図である。符号選択を示す図である。音声符号化装置の構成を示す図である。音声符号化装置の動作概要を示すフローチャートである。従来の処理を行った場合の波形を示す図である。音声符号化装置による処理を行った場合の波形を示す図である。変形例を示す図である。変形例の動作を説明するための図である。ＡＤＰＣＭコーデックのブロック構成を示す図である。ＡＤＰＣＭコーデックのブロック構成を示す図である。

符号の説明

１０音声符号化装置
１１符号候補格納部
１２ローカルデコーダ
１３誤差評価部

Claims

音声信号の符号化を行う音声符号化装置において、
音声信号のサンプル値に対する符号を求める際に、前記サンプル値の近傍区間での符号候補の複数の組み合わせとして、先読みサンプル数までに取り得るすべての符号の候補を、符号を求める度に格納する符号候補格納部と、
前記符号候補格納部で格納されている符号を復号化して再生信号を生成する復号信号生成部と、
入力サンプル値と再生信号との差分の自乗和を算出して、量子化誤差を最小とする、自乗和が最小値の符号候補を検出し、検出した符号候補の中の符号を出力する誤差評価部と、
を有することを特徴とする音声符号化装置。
時刻ｎのサンプル値に対する符号を求める際に、先読みサンプル数ｐｒまでを近傍区間とした、時刻（ｎ＋ｋ）を設定した場合（０≦ｋ≦ｐｒ）、前記符号候補格納部は、時刻ｎのサンプル値の符号ｊ１から時刻（ｎ＋ｋ）までのサンプル値に対する符号ｊｋの符号候補Ｊ｛ｊ１、ｊ２、…、ｊｋ｝の複数の組み合わせを格納し、前記復号信号生成部は、符号ｊ１、ｊ２、…、ｊｋから再生信号ｓｒ（Ｊ）を逐次生成し、前記誤差評価部は、入力サンプル値をｉｎとした場合、

の誤差評価値ｅ（Ｊ）を最小とする符号候補｛ｊ１、ｊ２、…、ｊｋ｝を検出し、検出した符号候補｛ｊ１、ｊ２、…、ｊｋ｝のｊ１を時刻ｎでの符号として出力することを特徴とする請求項１記載の音声符号化装置。
時刻ｎのサンプル値に対する符号を求める際に、先読みサンプル数ｐｒまでを近傍区間とした、近傍区間の最終段のサンプル時刻を時刻（ｎ＋ｋ）とした場合（ｋ＝ｐｒ）、最終段時刻（ｎ＋ｋ）の入力サンプル値ｉｎ[ｎ＋ｋ]に最も近接な符号を選択する符号選択部をさらに有し、前記復号信号生成部は、最終段時刻（ｎ＋ｋ）の再生信号に対しては、前記符号選択部で選択された符号のみを再生して再生信号を生成することを特徴とする請求項１記載の音声符号化装置。
信号の符号化を行う符号化方法において、
時刻ｎのサンプル値に対する符号を求める際に、先読みサンプル数ｐｒまでを近傍区間とした、時刻（ｎ＋ｋ）を設定した場合（０≦ｋ≦ｐｒ）、
時刻ｎのサンプル値の符号ｊ１から時刻（ｎ＋ｋ）までのサンプル値に対する符号ｊｋの符号候補Ｊ｛ｊ１、ｊ２、…、ｊｋ｝の複数の組み合わせとして、先読みサンプル数までに取り得るすべての符号の候補を、符号を求める度に格納し、
符号ｊ１、ｊ２、…、ｊｋから再生信号ｓｒ（Ｊ）を逐次生成し、
入力サンプル値をｉｎとした場合に、

の誤差評価値ｅ（Ｊ）を最小とする符号候補｛ｊ１、ｊ２、…、ｊｋ｝を検出し、
検出した符号候補｛ｊ１、ｊ２、…、ｊｋ｝のｊ１を時刻ｎでの符号として出力することを特徴とする符号化方法。
時刻ｎのサンプル値に対する符号を求める際に、先読みサンプル数ｐｒまでを近傍区間とした、近傍区間の最終段のサンプル時刻を時刻（ｎ＋ｋ）とした場合（ｋ＝ｐｒ）、最終段時刻（ｎ＋ｋ）の入力サンプル値ｉｎ[ｎ＋ｋ]に最も近接な符号を選択して、最終段時刻（ｎ＋ｋ）の再生信号に対しては、選択された前記符号のみを再生して再生信号を生成することを特徴とする請求項４記載の符号化方法。