Nothing Special   »   [go: up one dir, main page]

JPH11219199A - 位相検出装置及び方法、並びに音声符号化装置及び方法 - Google Patents

位相検出装置及び方法、並びに音声符号化装置及び方法

Info

Publication number
JPH11219199A
JPH11219199A JP10019962A JP1996298A JPH11219199A JP H11219199 A JPH11219199 A JP H11219199A JP 10019962 A JP10019962 A JP 10019962A JP 1996298 A JP1996298 A JP 1996298A JP H11219199 A JPH11219199 A JP H11219199A
Authority
JP
Japan
Prior art keywords
phase
waveform
input signal
pitch
data
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.)
Withdrawn
Application number
JP10019962A
Other languages
English (en)
Inventor
Akira Inoue
晃 井上
Masayuki Nishiguchi
正之 西口
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sony Corp
Original Assignee
Sony Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Sony Corp filed Critical Sony Corp
Priority to JP10019962A priority Critical patent/JPH11219199A/ja
Priority to US09/236,868 priority patent/US6278971B1/en
Priority to EP99300677A priority patent/EP0933757A3/en
Publication of JPH11219199A publication Critical patent/JPH11219199A/ja
Withdrawn legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
    • G10L19/02—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 spectral analysis, e.g. transform vocoders or subband 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
    • G10L19/04—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using predictive techniques
    • G10L19/08—Determination or coding of the excitation function; Determination or coding of the long-term prediction parameters
    • G10L19/10—Determination or coding of the excitation function; Determination or coding of the long-term prediction parameters the excitation function being a multipulse excitation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Computational Linguistics (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Compression, Expansion, Code Conversion, And Decoders (AREA)

Abstract

(57)【要約】 【課題】 サイン波合成符号化の際等の入力信号の位相
情報を簡単な処理により検出する。 【解決手段】 入力端子２０からの音声信号に基づく入
力信号の波形を波形切り出し部２１で時間軸上で１ピッ
チ周期分だけ切り出し、ゼロ詰め部２２により１ピッチ
周期分波形データにゼロ詰めを施して、全体で２N サン
プル（Ｎは整数、２N は上記１ピッチ周期のサンプル数
以上）とする。このゼロ詰めされた波形データに対して
ＦＦＴ（高速フーリエ変換）部２３でＦＦＴ処理し、Ｆ
ＦＴ処理されたデータの実部と虚部とを用いてtan-1 部
２４でtan-1 の計算を行って位相を求め、これを補間部
２５で線形補間することにより、入力信号の各高調波毎
の位相を求める。

Description

【発明の詳細な説明】
【０００１】
【発明の属する技術分野】本発明は、サイン波合成符号
化等における各高調波（ハーモニクス）成分の位相を検
出するための位相検出装置及び方法、並びに音声符号化
装置及び方法に関する。
【０００２】
【従来の技術】オーディオ信号（音声信号や音響信号を
含む）の時間領域や周波数領域における統計的性質と人
間の聴感上の特性を利用して信号圧縮を行うような符号
化方法が種々知られている。この符号化方法としては、
大別して時間領域での符号化、周波数領域での符号化、
分析合成符号化等が挙げられる。
【０００３】音声信号等の高能率符号化の例としては、
ハーモニック（Harmonic）符号化、ＭＢＥ（Multiband
Excitation：マルチバンド励起）符号化等のサイン波分
析合成符号化（Sinusoidal Coding） や、ＳＢＣ（Sub-
band Coding:帯域分割符号化）、ＬＰＣ（Linear Predi
ctive Coding: 線形予測符号化）、あるいはＤＣＴ（離
散コサイン変換）、ＭＤＣＴ（モデファイドＤＣＴ）、
ＦＦＴ（高速フーリエ変換）等が知られている。
【０００４】
【発明が解決しようとする課題】ところで、入力音声信
号に対して上記ＭＢＥ符号化、ハーモニック符号化や、
ＳＴＣ（Sinusoidal Transform Coding） 等のサイン波
合成符号化（SinusoidalCoding） を用いるような、又
は、入力音声信号のＬＰＣ（線形予測符号化）残差に対
してこれらのサイン波合成符号化を用いるような音声高
能率符号化においては、分析合成の要素となる各サイン
波（ハーモニクス、高調波）の振幅、あるいはスペクト
ルエンベロープに関する情報を伝送しているが、位相に
ついては伝送しておらず、合成時に適宜に位相を算出し
ているのが実情である。
【０００５】そのため、復号されて再生される音声波形
は、元の入力音声信号の波形と異なることになる、とい
う問題がある。すなわち、元の波形の波形再生を実現す
るためには、各ハーモニクス（高調波）成分の位相情報
をフレーム毎に検出して伝送することが必要とされる。
【０００６】本発明は、このような実情に鑑みてなされ
たものであり、元の波形の波形再現性を実現するための
位相検出装置及び方法、並びにこの位相検出の技術を用
いた音声符号化装置及び方法の提供を目的とする。
【０００７】
【課題を解決するための手段】本発明に係る位相検出装
置及び方法は、上述した課題を解決するために、音声信
号に基づく入力信号波形を時間軸上で１ピッチ周期分だ
け切り出し、切り出された１ピッチ周期分のサンプルに
対してＦＦＴ等の直交変換を施し、直交変換されたデー
タの実部と虚部とに基づいて上記入力信号の各高調波成
分の位相情報を検出することを特徴としている。
【０００８】また、本発明は、上記特徴を有する位相検
出を、サイン波合成符号化等の音声合成に適用すること
を特徴としている。
【０００９】ここで、上記入力信号波形としては、音声
信号波形そのもの、あるいは音声信号の短期予測残差の
信号波形を用いることができる。
【００１０】また、上記切り出された波形データにゼロ
詰めを施して全体で２N サンプル（Ｎは整数、２N は上
記１ピッチ周期のサンプル数以上）として、直交変換す
ることが好ましく、この直交変換としては高速フーリエ
変換が好ましい。
【００１１】さらに、上記位相検出は、上記直交変換に
より得られたデータの実部と虚部とを用いて逆正接（ta
n-1） を求める計算により位相を求め、この位相を補間
処理して各高調波毎の位相を求めることが好ましい。
【００１２】
【発明の実施の形態】本発明に係る位相検出装置及び方
法は、例えばマルチバンド励起（MultibandExcitation:
ＭＢＥ）符号化、サイン波変換符号化（Sinusoidal Tr
ansform Coding:ＳＴＣ）、ハーモニック符号化（Harmo
nic coding ）等のサイン波合成符号化方式に適用され
るものであり、又はＬＰＣ（Linear Predictive Codin
g）残差に上記サイン波合成符号化を用いた符号化方式
に適用されるものである。
【００１３】ここで、本発明の実施の形態の説明に先立
ち、本発明に係る位相検出装置あるいは方法が適用され
る装置としてのサイン波分析合成符号化を行うような音
声符号化装置について説明する。
【００１４】図１は、上述した位相検出装置あるいは方
法が適用される音声符号化装置の具体例の概略構成を示
している。
【００１５】図１の音声信号符号化装置は、入力信号に
対して、サイン波分析（sinusoidalanalysis ）符号
化、例えばハーモニックコーディング（harmonic codin
g ）を行う第１の符号化部１１０と、入力信号に対し
て、例えば合成による分析法を用いて最適ベクトルのク
ローズドループサーチによるベクトル量子化を用いた符
号励起線形予測（ＣＥＬＰ）符号化を施す第２の符号化
部１２０とを有し、入力信号の有声音（Ｖ：Voiced）の
部分の符号化に第１の符号化部１１０を用い、入力信号
の無声音（ＵＶ：Unvoiced）の部分の符号化には第２の
符号化部１２０を用いるようにしている。本発明に係る
位相検出の実施の形態は、第１の符号化部１１０に対し
て適用されている。なお、図１の例では、入力音声信号
の短期予測残差例えばＬＰＣ（線形予測符号化）残差を
求めた後に第１の符号化部１１０に送られるようにして
いる。
【００１６】図１において、入力端子１０１に供給され
た音声信号は、ＬＰＣ逆フィルタ１３１及びＬＰＣ分析
部１３２に送られ、また、第１の符号化部１１０のオー
プンループピッチサーチ部１１１にも送られる。ＬＰＣ
分析部１３２は、入力信号波形の２５６サンプル程度の
長さ（分析長）を１ブロックとしてハミング窓をかけ
て、自己相関法により線形予測係数、いわゆるαパラメ
ータを求める。データ出力の単位となるフレーミングの
間隔は、１６０サンプル程度とする。ここで、入力音声
信号のサンプリング周波数ｆｓが例えば８ｋHzのとき、
１フレーム間隔は１６０サンプルで２０ｍsec となる。
【００１７】ＬＰＣ分析部１３２からのαパラメータ
は、例えばα→ＬＳＰ変換により線スペクトル対（ＬＳ
Ｐ）パラメータに変換される。これは、直接型のフィル
タ係数として求まったαパラメータを、例えば１０個、
すなわち５対のＬＳＰパラメータに変換する。変換は例
えばニュートン−ラプソン法等を用いて行う。このＬＳ
Ｐパラメータに変換するのは、αパラメータよりも補間
特性に優れているからである。このＬＳＰパラメータ
は、ＬＳＰ量子化器１３３によりマトリクスあるいはベ
クトル量子化される。このとき、フレーム間差分をとっ
てからベクトル量子化してもよく、複数フレーム分をま
とめてマトリクス量子化してもよい。ここでは、２０ｍ
sec を１フレームとし、２０ｍsec 毎に算出されるＬＳ
Ｐパラメータを２フレーム分まとめて、マトリクス量子
化及びベクトル量子化している。
【００１８】このＬＳＰ量子化器１３３からの量子化出
力、すなわちＬＳＰ量子化のインデクスは、端子１０２
を介して取り出され、また量子化済みのＬＳＰベクトル
は、例えばＬＳＰ補間やＬＳＰ→α変換を介してＬＰＣ
のαパラメータとされて、ＬＰＣ逆フィルタ１３１や、
後述する第２の符号化部１２０の聴覚重み付きのＬＰＣ
合成フィルタ１２２及び聴覚重み付けフィルタ１２５に
送られる。
【００１９】また、ＬＰＣ分析部１３２からのαパラメ
ータは、聴覚重み付けフィルタ算出部１３４に送られて
聴覚重み付けのためのデータが求められ、この重み付け
データが後述する聴覚重み付きのベクトル量子化器１１
６と、第２の符号化部１２０の聴覚重み付きのＬＰＣ合
成フィルタ１２２及び聴覚重み付けフィルタ１２５とに
送られる。
【００２０】ＬＰＣ逆フィルタ１３１では、上記αパラ
メータを用いて、入力音声信号の線形予測残差（ＬＰＣ
残差）を取り出すような逆フィルタリング処理を行って
いる。このＬＰＣ逆フィルタ１３１からの出力は、サイ
ン波分析符号化、具体的には例えばハーモニック符号化
を行う第１の符号化部１１０の、ＤＦＴ（離散フーリエ
変換）回路等の直交変換部１１２及び位相検出部１４０
に送られる。
【００２１】また、符号化部１１０のオープンループピ
ッチサーチ部１１１には、上記入力端子１０１からの入
力音声信号が供給されている。オープンループピッチサ
ーチ部１１１では、入力信号のＬＰＣ残差をとってオー
プンループによる比較的ラフなピッチのサーチが行わ
れ、抽出された粗ピッチデータは高精度ピッチサーチ部
１１３に送られて、後述するようなクローズドループに
よる高精度のピッチサーチ（ピッチのファインサーチ）
が行われる。また、オープンループピッチサーチ部１１
１からは、上記粗ピッチデータと共にＬＰＣ残差の自己
相関の最大値をパワーで正規化した正規化自己相関最大
値ｒ(p) が取り出され、Ｖ／ＵＶ（有声音／無声音）判
定部１１４に送られている。
【００２２】直交変換部１１２では例えばＤＦＴ（離散
フーリエ変換）等の直交変換処理が施されて、時間軸上
のＬＰＣ残差が周波数軸上のスペクトル振幅データに変
換される。この直交変換部１１２からの出力は、高精度
ピッチサーチ部１１３及びスペクトル振幅あるいはエン
ベロープを評価するためのスペクトルエンベロープ評価
部１１５に送られる。
【００２３】高精度（ファイン）ピッチサーチ部１１３
には、オープンループピッチサーチ部１１１で抽出され
た比較的ラフな粗ピッチデータと、直交変換部１１２に
より例えばＤＦＴされた周波数軸上のデータとが供給さ
れている。この高精度ピッチサーチ部１１３では、上記
粗ピッチデータ値を中心に、0.２〜0.５きざみで±数サ
ンプルずつ振って、最適な小数点付き（フローティン
グ）のファインピッチデータの値へ追い込む。このとき
のファインサーチの手法として、いわゆる合成による分
析 (Analysis by Synthesis)法を用い、合成されたパワ
ースペクトルが原音のパワースペクトルに最も近くなる
ようにピッチを選んでいる。このようなクローズドルー
プによる高精度のピッチサーチ部１４６からのピッチデ
ータについては、スペクトルエンベロープ評価部１１
５、位相検出部１４１、及び切換部１０７に送ってい
る。
【００２４】スペクトルエンベロープ評価部１１５で
は、ＬＰＣ残差の直交変換出力としてのスペクトル振幅
及びピッチに基づいて各ハーモニクスの大きさ及びその
集合であるスペクトルエンベロープが評価され、高精度
ピッチサーチ部１１３、Ｖ／ＵＶ（有声音／無声音）判
定部１１４及びスペクトルエンベロープ量子化部１１６
に送られる。スペクトルエンベロープ量子化部１１６と
しては、聴覚重み付きのベクトル量子化器が用いられ
る。
【００２５】Ｖ／ＵＶ（有声音／無声音）判定部１１４
は、直交変換部１１２からの出力と、高精度ピッチサー
チ部１１３からの最適ピッチと、スペクトルエンベロー
プ評価部１１５からのスペクトル振幅データと、オープ
ンループピッチサーチ部１１１からの正規化自己相関最
大値ｒ(p) とに基づいて、当該フレームのＶ／ＵＶ判定
が行われる。さらに、ＭＢＥの場合の各バンド毎のＶ／
ＵＶ判定結果の境界位置も当該フレームのＶ／ＵＶ判定
の一条件としてもよい。このＶ／ＵＶ判定部１１５から
の判定出力は、出力端子１０５を介して取り出される。
【００２６】ところで、スペクトル評価部１１５の出力
部あるいはスペクトルエンベロープ量子化部１１６の入
力部には、データ数変換（一種のサンプリングレート変
換）部が設けられている。このデータ数変換部は、上記
ピッチに応じて周波数軸上での分割帯域数が異なり、デ
ータ数が異なることを考慮して、エンベロープの振幅デ
ータ｜Ａm｜ を一定の個数にするためのものである。す
なわち、例えば有効帯域を３４００ｋHzまでとすると、
この有効帯域が上記ピッチに応じて、８バンド〜６３バ
ンドに分割されることになり、これらの各バンド毎に得
られる上記振幅データ｜Ａm｜ の個数も８〜６３と変化
することになる。このため上記データ数変換部で、この
可変個数の振幅データを一定個数、例えば４４個、のデ
ータに変換している。
【００２７】このスペクトルエンベロープ評価部１１５
の出力部あるいはスペクトルエンベロープ量子化部１１
６の入力部に設けられたデータ数変換部からの上記一定
個数（例えば４４個）の振幅データあるいはエンベロー
プデータが、スペクトルエンベロープ量子化部１１６に
より、所定個数、例えば４４個のデータ毎にまとめられ
てベクトルとされ、重み付きベクトル量子化が施され
る。この重みは、聴覚重み付けフィルタ算出回路１３４
からの出力により与えられる。スペクトルエンベロープ
量子化部１１６からの上記エンベロープのインデクス
は、切換部１０７に送られる。
【００２８】位相検出部１４１では、後述するようにサ
イン波分析合成符号化の各ハーモニクス（高調波）毎の
位相や位相の固定遅延成分等の位相情報を検出し、この
位相情報を位相量子化部１４２に送って量子化し、量子
化された位相データを切換部１０７に送っている。
【００２９】切換部１０７は、Ｖ／ＵＶ判定部１１５か
らのＶ／ＵＶ判定出力に応じて、第１の符号化部１１０
のピッチ、スペクトルエンベロープのベクトル量子化イ
ンデクス、位相の各データと、第２の符号化部１２０か
らの後述するシェイプ、ゲインの各データとを切り換え
て、端子１０３より出力する。
【００３０】図１の第２の符号化部１２０は、この例で
はＣＥＬＰ（符号励起線形予測）符号化構成を有してお
り、雑音符号帳１２１からの出力を、重み付きの合成フ
ィルタ１２２により合成処理し、得られた重み付き音声
を減算器１２３に送り、入力端子１０１に供給された音
声信号を聴覚重み付けフィルタ１２５を介して得られた
音声との誤差を取り出し、この誤差を距離計算回路１２
４に送って距離計算を行い、誤差が最小となるようなベ
クトルを雑音符号帳１２１でサーチするような、合成に
よる分析（Analysis by Synthesis ）法を用いたクロー
ズドループサーチを用いた時間軸波形のベクトル量子化
を行っている。このＣＥＬＰ符号化は、上述したように
無声音部分の符号化に用いられており、雑音符号帳１２
１からのＵＶデータとしてのコードブックインデクス
は、上記Ｖ／ＵＶ判定部１１５からのＶ／ＵＶ判定結果
が無声音（ＵＶ）のとき切り換えられる切換部１０７を
介して、出力端子１０７より取り出される。
【００３１】次に、本発明に係る好ましい実施の形態に
ついて、以下に説明する。この本発明に係る位相検出装
置及び方法の実施の形態は、上記図１に示した音声信号
符号化装置の位相検出部１４１に用いられるものである
が、これに限定されないことは勿論である。
【００３２】先ず、図２は、本発明に係る好ましい実施
の形態となる位相検出装置の概略構成を示すブロック
図、図３は、本発明に係る好ましい実施の形態となる位
相検出方法を説明するためのフローチャートである。
【００３３】図２の入力端子２０に供給される入力信号
としては、ディジタル化した音声信号そのもの、あるい
は上述した図１の例のＬＰＣ逆フィルタ１３１からの信
号のようなディジタル音声信号の短期予測残差信号（Ｌ
ＰＣ残差信号）が用いられる。この入力信号に対して、
波形切り出し部２１により、図３のステップＳ２１に示
すように、１ピッチ周期分の波形信号を切り出してい
る。これは、図４に示すように、入力信号（音声信号あ
るいはＬＰＣ残差信号）ｓ(i) の分析ブロック中の分析
点（時刻）ｎから１ピッチ周期に相当するサンプル数
（ピッチラグ）pchを切り出す処理である。この図４の
例では、分析ブロック長を２５６サンプルとしている
が、これに限定されない。また、図４の横軸は分析ブロ
ック中の位置あるいは時刻をサンプル数で表しており、
上記分析点の位置あるいは時刻ｎは、分析開始からｎサ
ンプル目であることを示している。
【００３４】この切り出された１ピッチ分の波形信号に
対して、ゼロ詰め処理部２２により、図３のステップＳ
２２のゼロ詰め処理が施される。これは、図５に示すよ
うに、上記１ピッチラグ分のpch サンプルの信号波形を
先頭に配置し、信号長が２Nサンプル、この実施の形態
では、２8 ＝２５６サンプルとなるように、残りをゼロ
詰めした信号列re(i) （ただし、０≦ｉ＜２N） を得る
処理である。
【００３５】
【数１】
【００３６】次に、このゼロ詰めされた信号列re(i) を
実数部とし、虚数信号列im(i) として、 im(i) ＝ ０ （０≦ｉ＜２N） を用い、ＦＦＴ処理部２３により、図３のステップＳ２
３に示すように、これらの実数信号列re(i) 及び虚数信
号列im(i) に対して２N ポイントのＦＦＴ（高速フーリ
エ変換）を実行する。
【００３７】このＦＦＴの実行結果に対して、tan-1 処
理部２４により、図３のステップＳ２４に示すようにta
n-1 （逆正接）を計算して位相を求める。これは、ＦＦ
Ｔの実行結果の実数部をＲe(i)、虚数部をＩm(i)とする
とき、０≦ｉ＜２N-1 の成分が、周波数軸上で０〜π
（rad） の成分に相当することから、この周波数軸上の
ω＝０〜πの範囲の位相φ(ω)を、次の（２）式により
２N-1 ポイント求めるものである。求められた位相の具
体例を図６の実線に示す。
【００３８】
【数２】
【００３９】ところで、上記時刻ｎ（サンプル）を中心
とする分析ブロックのピッチラグがpch（サンプル） で
あるので、時刻ｎにおける基本周波数（角周波数）ω0
は、 ω0 ＝ ２π／pch （３） となる。周波数軸上のω＝０〜πの範囲にハーモニクス
（高調波）がω0 間隔にＭ本並んでいる。このＭは、 Ｍ ＝ pch／２ （４） となる。
【００４０】上記tan-1 処理部２４により求められた位
相φ(ω)は、ピッチラグpch や基本周波数ω0 とは無関
係に、分析ブロック長とサンプリング周波数によって決
まる周波数軸上の２N-1 点の位相である。そこで、上記
基本周波数ω0 間隔の各ハーモニクスの位相を求めるた
めに、補間処理部２５で図３のステップＳ２５に示す補
間処理を実行する。この処理は、ｍ番目のハーモニクス
の位相φm＝φ(m×ω0) （ただし、１≦ｍ≦Ｍ）を、上
記求められた２N-1 ポイントの位相φ(ω)に基づき線形
補間等により求めている。補間された各ハーモニクスの
位相データは、出力端子２６より取り出される。
【００４１】ここで、例えば線形補間の場合を図７及び
図８を参照しながら説明すると、これらの図に示す各値
ｉｄ，idＬ，idＨ，phaseＬ，phaseＨは、それぞれ次の
ようなものである。
【００４２】
【数３】
【００４３】すなわち、上記求められた２N-1 ポイント
の位相に対応する周波数軸上の位置を整数値（サンプル
番号）で表し、これらの２N-1 ポイントの内の隣り合う
２つの位置idＬ，idＨ間にｍ番目のハーモニクスの周波
数ｉｄ（＝ｍ×ω0） が存在するとき、各位置idＬ，id
Ｈのそれぞれの位相phaseＬ，phaseＨを用いて線形補間
によりｍ番目のハーモニクスの周波数ｉｄでの位相φm
を計算する。この線形補間の計算式は次の通りである。
【００４４】
【数４】
【００４５】図７は、上記２N-1 ポイントの内の隣り合
う２つの位置idＬ，idＨのそれぞれの位相phaseＬ，pha
seＨを単純に線形補間してｍ番目のハーモニクス位置ｉ
ｄでの位相φm を計算する場合を示している。
【００４６】これに対して、図８は、位相の不連続を考
慮した補間処理の例を示している。これは、tan-1 の計
算を行って得られる位相φm が２π周期で連続すること
から、周波数軸上の位置idＬの位相phaseＬ（ａ点） に
２πを加算した値（ｂ点）と、位置idＨの位相phaseＨ
とを用いた線形補間により、ｍ番目のハーモニクス位置
ｉｄでの位相φm を計算している。このように２πを加
算して位相の連続性を保つ処理を、位相のアンラップ処
理という。
【００４７】図６の曲線上の×印は、このようにして求
められた各ハーモニクスの位相を示している。
【００４８】図９は、上述したような各ハーモニクスの
位相φm を線形補間により計算する処理手順を示すフロ
ーチャートである。この図９のフローチャートにおい
て、最初のステップＳ５１では、ハーモニクスの番号ｍ
を初期化（ｍ＝１）し、次のステップＳ５２で、ｍ番目
のハーモニクスについての上記各値ｉｄ，idＬ，idＨ，
phaseＬ，phaseＨを計算し、次のステップＳ５３で位相
の連続性を判別する。このステップＳ５３で不連続と判
別された場合にはステップＳ５４に進み、連続と判別さ
れた場合にはステップＳ５５に進んでいる。すなわち、
不連続の場合にはステップＳ５４に進んで、周波数軸上
の位置idＬの位相phaseＬ に２πを加算した値と、位置
idＨの位相phaseＨ とを用いた線形補間により、ｍ番目
のハーモニクスの位相φm を求めており、連続の場合に
はステップＳ５５に進んで、各位相phaseＬ，phaseＨを
単純に線形補間してｍ番目のハーモニクスの位相φm を
求めている。次のステップＳ５６では、ハーモニクスの
番号ｍが上記Ｍに達したか否かを判別して、ＮＯの場合
はｍをインクリメント（ｍ＝ｍ＋１）してステップＳ５
２に戻り、ＹＥＳの場合は処理を終了している。
【００４９】次に、上述のようにして求められた位相情
報を用いてサイン波合成を行う場合の具体例について図
１０を参照しながら説明する。ここでは、時刻ｎ1から
ｎ2までのフレーム間隔Ｌ＝ｎ2−ｎ1の時間波形をサイ
ン波合成（Sinusoidal合成）により再生する場合につい
て説明する。
【００５０】時刻ｎ1 のピッチラグがpch1（サンプ
ル）、時刻ｎ2 のピッチラグがpch2（サンプル）である
とき、時刻ｎ1,ｎ2 のピッチ周波数ω1,ω2 （rad/サンフ゜
ル） は、それぞれ、 ω1 ＝ ２π／pch1 （１１） ω2 ＝ ２π／pch2 （１２） である。また、各ハーモニクス成分の振幅データを、時
刻ｎ1 では、Ａ11,Ａ12,Ａ13,...、時刻ｎ2 では、
Ａ21,Ａ22,Ａ23,...とし、各ハーモニクス成分の位相デ
ータを時刻ｎ1 では、φ11,φ12,φ13,...、時刻ｎ2 で
は、φ21,φ22,φ23,...とする。
【００５１】ピッチが連続している場合には、時刻ｎ
（ｎ1≦ｎ≦ｎ2）における第ｍ番目のハーモニクス成分
の振幅は、時刻ｎ1,ｎ2 における振幅データの線形補間
によって、次の（１３）式により得られる。
【００５２】
【数５】
【００５３】時刻ｎ1,ｎ2 の間でのｍ番目のハーモニク
ス成分の周波数変化を、次の（１４）式で示すように、
（線形変化分）＋（固定変動分）であると仮定する。
【００５４】
【数６】
【００５５】このとき、第ｍ番目のハーモニクス成分の
時刻ｎにおける位相θm(n)（rad）は、次の（１５）式
で表されるから、これを計算して（１７）式が得られ
る。
【００５６】
【数７】
【００５７】よって、時刻ｎ2 におけるｍ番目のハーモ
ニクスの位相φm2（rad） は、次の（１９）式で表され
る。従って各ハーモニクス成分の周波数変化の変動分Δ
ωm(rad/サンフ゜ル） は、次の（２０）式に示すようにな
る。
【００５８】
【数８】
【００５９】
【数９】
【００６０】第ｍ番目のハーモニクス成分について、時
刻ｎ1,ｎ2 における位相φm1,φm2が与えられているの
で、上記（２０）式より、周波数変化の固定変動分Δω
m を求め、上記（１７）式により各時刻ｎの位相θm が
求まれば、第ｍ番目のハーモニクスによる時間波形Ｗ
m(n)は、 Ｗm(n) ＝ Ａm(n)cos(θm(n)) （ｎ1≦ｎ≦ｎ2） （２１） となる。このようにして得られた全てのハーモニクスに
関する時間波形の総和をとったものが、次の（２２）
式、（２３）式に示すように、合成波形Ｖ(n) となる。
【００６１】
【数１０】
【００６２】次に、ピッチ不連続の場合について説明す
る。ピッチ不連続の場合は、周波数変化の連続性は考慮
せずに、時刻ｎ1 より前向きにサイン波合成した次の
（２４）式に示す波形Ｖ1(n)と、時刻ｎ2 より後ろ向き
にサイン波合成した次の（２５）式に示す波形Ｖ2(n)と
にそれぞれ窓をかけて重畳加算（overlap add） する。
【００６３】
【数１１】
【００６４】
【数１２】
【００６５】以上説明したような位相検出装置によれ
ば、予め検出されたピッチ周波数を用いて、ＦＦＴと線
形補間により、所望のハーモニクス成分の位相を高速に
検出できる。これにより、音声信号のサイン波合成符号
化、又は音声信号のＬＰＣ残差にサイン波合成符号化を
用いる音声符号化において、波形再現性を実現できる。
【００６６】なお、本発明は上記実施の形態のみに限定
されるものではなく、例えば上記図１の構成について
は、各部をハードウェア的に記載しているが、いわゆる
ＤＳＰ（ディジタル信号プロセッサ）等を用いてソフト
ウェアプログラムにより実現することも可能である。
【００６７】
【発明の効果】以上の説明から明らかなように、本発明
に係る位相検出装置及び方法によれば、音声信号に基づ
く入力信号波形を時間軸上で１ピッチ周期分だけ切り出
し、切り出された１ピッチ周期分のサンプルに対してＦ
ＦＴ等の直交変換を施し、直交変換されたデータの実部
と虚部とに基づいて上記入力信号の各高調波成分の位相
情報を検出することにより、元の波形の位相情報を検出
でき、波形再現性を高めることができる。
【００６８】特に、予め検出されたピッチを用いて、Ｆ
ＦＴ（高速フーリエ変換）と線形補間とを用いることに
より、各ハーモニクス（高調波）成分の位相を高速に検
出できる。これによって、サイン波合成符号化等の音声
符号化に適用した場合に、波形再現性を高めることがで
き、例えば合成音が不自然になることを未然に防止でき
る。
【図面の簡単な説明】
【図１】本発明に係る位相検出装置及び方法の実施の形
態が適用される音声符号化装置の一例の概略構成を示す
ブロック図である。
【図２】本発明に係る実施の形態となる位相検出装置の
概略構成を示すブロック図である。
【図３】本発明に係る実施の形態となる位相検出方法を
説明するためのフローチャートである。
【図４】位相検出の対象となる入力信号の一例を示す波
形図である。
【図５】１ピッチ分の波形データにゼロ詰めを施した信
号の一例を示す波形図である。
【図６】検出された位相の一例を示す図である。
【図７】位相が連続するときの補間処理の一例を説明す
るための図である。
【図８】位相が不連続のときの補間処理の一例を説明す
るための図である。
【図９】位相の線形補間の処理手順の一例を説明するた
めのフローチャートである。
【図１０】位相情報が得られたときのサイン波合成の一
例を説明するための図である。
【符号の説明】
２１ 波形切り出し部、 ２２ ゼロ詰め処理部、 ２
３ ＦＦＴ処理部、２４ tan-1部 、 ２５ 補間処理
部、 １１０ 第１の符号化部、 １１１オープンルー
プピッチサーチ部、 １１２ 直交変換部、 １１３
高精度ピッチサーチ部、 １１４ Ｖ／ＵＶ判定部、
１１５ スペクトルエンベロープ評価部、 １１６ ス
ペクトルエンベロープ量子化部、 １２０ 第２の符号
化部、 １３１ ＬＰＣ逆フィルタ、 １３２ ＬＰＣ
分析部、 １３３ ＬＳＰ量子化部、 １４１ 位相検
出部、 １４２ 位相量子化部

Claims (18)

    【特許請求の範囲】
  1. 【請求項１】 音声信号に基づく入力信号波形を時間軸
    上で１ピッチ周期分だけ切り出す波形切り出し手段と、 切り出された１ピッチ周期分の波形データに対して直交
    変換を施す直交変換手段と、 この直交変換手段からのデータの実部と虚部とに基づい
    て上記入力信号の各高調波成分の位相情報を検出する位
    相検出手段とを有することを特徴とする位相検出装置。
  2. 【請求項２】 上記入力信号波形は音声信号波形である
    ことを特徴とする請求項１記載の位相検出装置。
  3. 【請求項３】 上記入力信号波形は音声信号の短期予測
    残差の信号波形であることを特徴とする請求項１記載の
    位相検出装置。
  4. 【請求項４】 上記波形切り出し手段からの切り出し波
    形データにゼロ詰めを施して全体で２N サンプル（Ｎは
    整数、２N は上記１ピッチ周期のサンプル数以上）と
    し、上記直交変換手段に送ることを特徴とする請求項１
    記載の位相検出装置。
  5. 【請求項５】 上記直交変換手段は、高速フーリエ変換
    回路であることを特徴とする請求項１記載の位相検出装
    置。
  6. 【請求項６】 上記位相検出手段は、上記直交変換手段
    からのデータの実部と虚部とを用いて逆正接（tan-1）
    を求める計算により位相を求め、この位相を補間処理し
    て各高調波毎の位相を求めることを特徴とする請求項１
    記載の位相検出装置。
  7. 【請求項７】 音声信号に基づく入力信号波形を時間軸
    上で１ピッチ周期分だけ切り出す波形切り出し工程と、 切り出された１ピッチ周期分の波形データに対して直交
    変換を施す直交変換工程と、 この直交変換工程により得られたデータの実部と虚部と
    に基づいて上記入力信号の各高調波成分の位相情報を検
    出する位相検出工程とを有することを特徴とする位相検
    出方法。
  8. 【請求項８】 上記波形切り出し工程により得られた切
    り出し波形データにゼロ詰めを施して全体で２N サンプ
    ル（Ｎは整数、２N は上記１ピッチ周期のサンプル数以
    上）とし、上記直交変換手段に送ることを特徴とする請
    求項７記載の位相検出方法。
  9. 【請求項９】 上記位相検出工程では、上記直交変換工
    程により得られたデータの実部と虚部とを用いて逆正接
    （tan-1） を求める計算により位相を求め、この位相を
    補間処理して各高調波毎の位相を求めることを特徴とす
    る請求項７記載の位相検出方法。
  10. 【請求項１０】 音声信号に基づく入力信号を時間軸上
    でブロック単位で区分し、区分された各ブロック毎にピ
    ッチを求めると共に、各ブロック単位でサイン波分析合
    成符号化を施す音声符号化装置において、 上記入力信号の波形を時間軸上で上記ピッチの１ピッチ
    周期分だけ切り出す波形切り出し手段と、 切り出された１ピッチ周期分の波形データに対して直交
    変換を施す直交変換手段と、 この直交変換手段からのデータの実部と虚部とに基づい
    て上記入力信号の上記サイン波合成のための各高調波成
    分の位相情報を検出する位相検出手段とを有することを
    特徴とする音声符号化装置。
  11. 【請求項１１】 上記入力信号は音声信号であることを
    特徴とする請求項１０記載の音声符号化装置。
  12. 【請求項１２】 上記入力信号は音声信号の短期予測残
    差信号であることを特徴とする請求項１０記載の音声符
    号化装置。
  13. 【請求項１３】 上記波形切り出し手段からの切り出し
    波形データにゼロ詰めを施して全体で２N サンプル（Ｎ
    は整数、２N は上記１ピッチ周期のサンプル数以上）と
    し、上記直交変換手段に送ることを特徴とする請求項１
    ０記載の音声符号化装置。
  14. 【請求項１４】 上記直交変換手段は、高速フーリエ変
    換回路であることを特徴とする請求項１０記載の音声符
    号化装置。
  15. 【請求項１５】 上記位相検出手段は、上記直交変換手
    段からのデータの実部と虚部とを用いて逆正接（ta
    n-1） を求める計算により位相を求め、この位相を補間
    処理して各高調波毎の位相を求めることを特徴とする請
    求項１０記載の音声符号化装置。
  16. 【請求項１６】 音声信号に基づく入力信号を時間軸上
    でブロック単位で区分し、区分された各ブロック毎にピ
    ッチを求めると共に、各ブロック単位でサイン波分析合
    成符号化を施す音声符号化方法において、 上記入力信号の波形を時間軸上で上記ピッチの１ピッチ
    周期分だけ切り出す波形切り出し工程と、 切り出された１ピッチ周期分の波形データに対して直交
    変換を施す直交変換工程と、 この直交変換工程により得られたデータの実部と虚部と
    に基づいて上記入力信号の各高調波成分の位相情報を検
    出する位相検出工程とを有することを特徴とする音声符
    号化方法。
  17. 【請求項１７】 上記波形切り出し工程により得られた
    切り出し波形データにゼロ詰めを施して全体で２N サン
    プル（Ｎは整数、２N は上記１ピッチ周期のサンプル数
    以上）とし、上記直交変換手段に送ることを特徴とする
    請求項１６記載の音声符号化方法。
  18. 【請求項１８】 上記位相検出工程では、上記直交変換
    工程により得られたデータの実部と虚部とを用いて逆正
    接（tan-1） を求める計算により位相を求め、この位相
    を補間処理して各高調波毎の位相を求めることを特徴と
    する請求項１６記載の音声符号化方法。
JP10019962A 1998-01-30 1998-01-30 位相検出装置及び方法、並びに音声符号化装置及び方法 Withdrawn JPH11219199A (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP10019962A JPH11219199A (ja) 1998-01-30 1998-01-30 位相検出装置及び方法、並びに音声符号化装置及び方法
US09/236,868 US6278971B1 (en) 1998-01-30 1999-01-26 Phase detection apparatus and method and audio coding apparatus and method
EP99300677A EP0933757A3 (en) 1998-01-30 1999-01-29 Phase detection for an audio signal

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP10019962A JPH11219199A (ja) 1998-01-30 1998-01-30 位相検出装置及び方法、並びに音声符号化装置及び方法

Publications (1)

Publication Number Publication Date
JPH11219199A true JPH11219199A (ja) 1999-08-10

Family

ID=12013832

Family Applications (1)

Application Number Title Priority Date Filing Date
JP10019962A Withdrawn JPH11219199A (ja) 1998-01-30 1998-01-30 位相検出装置及び方法、並びに音声符号化装置及び方法

Country Status (3)

Country Link
US (1) US6278971B1 (ja)
EP (1) EP0933757A3 (ja)
JP (1) JPH11219199A (ja)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6621860B1 (en) * 1999-02-08 2003-09-16 Advantest Corp Apparatus for and method of measuring a jitter
EP1199711A1 (en) * 2000-10-20 2002-04-24 Telefonaktiebolaget Lm Ericsson Encoding of audio signal using bandwidth expansion
KR100788706B1 (ko) * 2006-11-28 2007-12-26 삼성전자주식회사 광대역 음성 신호의 부호화/복호화 방법
KR101131880B1 (ko) * 2007-03-23 2012-04-03 삼성전자주식회사 오디오 신호의 인코딩 방법 및 장치, 그리고 오디오 신호의디코딩 방법 및 장치
US8792592B2 (en) * 2009-05-29 2014-07-29 Thomson Licensing Feed-forward carrier recovery system and method
EP2360680B1 (en) * 2009-12-30 2012-12-26 Synvo GmbH Pitch period segmentation of speech signals

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5504833A (en) 1991-08-22 1996-04-02 George; E. Bryan Speech approximation using successive sinusoidal overlap-add models and pitch-scale modifications
US5884253A (en) * 1992-04-09 1999-03-16 Lucent Technologies, Inc. Prototype waveform speech coding with interpolation of pitch, pitch-period waveforms, and synthesis filter
JP3528258B2 (ja) 1994-08-23 2004-05-17 ソニー株式会社 符号化音声信号の復号化方法及び装置
JP3152109B2 (ja) 1995-05-30 2001-04-03 日本ビクター株式会社 オーディオ信号の圧縮伸張方法
BE1010336A3 (fr) * 1996-06-10 1998-06-02 Faculte Polytechnique De Mons Procede de synthese de son.
JPH11219198A (ja) * 1998-01-30 1999-08-10 Sony Corp 位相検出装置及び方法、並びに音声符号化装置及び方法

Also Published As

Publication number Publication date
EP0933757A3 (en) 2000-02-23
US6278971B1 (en) 2001-08-21
EP0933757A2 (en) 1999-08-04

Similar Documents

Publication Publication Date Title
JPH11224099A (ja) 位相量子化装置及び方法
EP0770987B1 (en) Method and apparatus for reproducing speech signals, method and apparatus for decoding the speech, method and apparatus for synthesizing the speech and portable radio terminal apparatus
US4937873A (en) Computationally efficient sine wave synthesis for acoustic waveform processing
KR100452955B1 (ko) 음성부호화방법, 음성복호화방법, 음성부호화장치, 음성복호화장치, 전화장치, 피치변환방법 및 매체
JPH0833754B2 (ja) デジタル音声符号化および復号方法および装置
JP4121578B2 (ja) 音声分析方法、音声符号化方法および装置
WO1993004467A1 (en) Audio analysis/synthesis system
JPH0744193A (ja) 高能率符号化方法
JP3687181B2 (ja) 有声音／無声音判定方法及び装置、並びに音声符号化方法
JPH10149199A (ja) 音声符号化方法、音声復号化方法、音声符号化装置、音声復号化装置、電話装置、ピッチ変換方法及び媒体
JP2003050600A (ja) 線スペクトル平方根を発生し符号化するための方法と装置
JPH11219198A (ja) 位相検出装置及び方法、並びに音声符号化装置及び方法
EP1099215B1 (en) Audio signal transmission system
JPH11219199A (ja) 位相検出装置及び方法、並びに音声符号化装置及び方法
JPH05281996A (ja) ピッチ抽出装置
JP3297751B2 (ja) データ数変換方法、符号化装置及び復号化装置
JP3218679B2 (ja) 高能率符号化方法
JPH11219200A (ja) 遅延検出装置及び方法、並びに音声符号化装置及び方法
US6662153B2 (en) Speech coding system and method using time-separated coding algorithm
JPH0792998A (ja) 音声信号の符号化方法及び復号化方法
JP3321933B2 (ja) ピッチ検出方法
JP3223564B2 (ja) ピッチ抽出方法
JP3398968B2 (ja) 音声分析合成方法
JP3297750B2 (ja) 符号化方法
JP3271193B2 (ja) 音声符号化方法

Legal Events

Date Code Title Description
A300 Application deemed to be withdrawn because no request for examination was validly filed

Free format text: JAPANESE INTERMEDIATE CODE: A300

Effective date: 20050405