JP2006011091A - 音声符号化装置、音声復号化装置、およびこれらの方法 - Google Patents

Abstract

【課題】 音声信号を階層的に符号化する際に、拡張レイヤにおいてＣＥＬＰ方式の音声符号化を用いつつも効率良い符号化を実現すること。
【解決手段】 第１符号化部１１５は、入力信号Ｓ１１にＣＥＬＰ方式の音声符号化処理を施し、得られた第１符号化情報Ｓ１２をパラメータ復号化部１２０に出力する。パラメータ復号化部１２０は、第１符号化情報Ｓ１２から、第１量子化ＬＳＰ符号（Ｌ１）、第１適応音源ラグ符号（Ａ１）等を求め、これらの符号から第１パラメータ群Ｓ１３を求め、第２符号化部１３０に出力する。第２符号化部１３０は、第１パラメータ群Ｓ１３を用いて入力信号Ｓ１１に第２符号化処理を施し、第２符号化情報Ｓ１４を得る。多重化部１５４は、第１符号化情報Ｓ１２および第２符号化情報Ｓ１４を多重化し、伝送路Ｎを介して復号化装置１５０に出力する。
【選択図】 図１

Description

本発明は、音声信号を階層的に符号化する音声符号化装置と、この音声符号化装置によって生成された符号化情報を復号化する音声復号化装置と、これらの方法とに関する。

移動体通信、インターネット通信等のようにディジタル化された音声・楽音信号を扱う通信システムにおいては、有限の資源（リソース）である通信回線を有効利用するため、音声・楽音信号の符号化／復号化技術が不可欠であり、これまで多くの符号化／復号化方式が開発されている。

その中でも、特に音声信号を対象としたＣＥＬＰ方式の符号化／復号化方式は、主流の音声符号化／復号化方式として実用化されている（例えば、非特許文献１参照）。ＣＥＬＰ方式の音声符号化装置は、音声の生成モデルに基づいて入力音声を符号化する。具体的には、ディジタル化された音声信号を２０ｍｓ程度のフレームに区切ってフレーム毎に音声信号の線形予測分析を行い、得られた線形予測係数および線形予測残差ベクトルをそれぞれ個別に符号化する。

また、インターネット通信等のようにパケットを伝送する通信システムにおいては、ネットワークの状態によってパケット損失が発生するため、符号化情報の一部が欠損した場合であっても残りの符号化情報の一部から音声・楽音を復号化できる機能が望まれる。同様に、回線容量に応じてビットレートを変化させる可変レート通信システムにおいても、回線容量が低下した場合に、符号化情報の一部のみを伝送することにより通信システムの負担を軽減させることが望ましい。このように、符号化情報の全て若しくは符号化情報の一部のみを用いて元のデータを復号化できる技術として、最近、スケーラブル符号化技術が注目を浴びている。従来にもいくつかのスケーラブル符号化方式が開示されている（例えば、特許文献１参照）。

スケーラブル符号化方式は、一般的に、基本レイヤと複数の拡張レイヤとからなり、各レイヤは、基本レイヤを最も下位のレイヤとし、階層構造を形成している。そして、各レイヤの符号化は、下位レイヤの入力信号と復号化信号との差の信号である残差信号を符号化対象とし、下位レイヤの符号化情報を利用して行われる。この構成により、全レイヤの符号化情報もしくは下位レイヤの符号化情報のみを用いて、元のデータを復号化することができる。
特開平１０−９７２９５号公報 M. R. Schroeder, B. S. Atal, "Code Excited Linear Prediction: High Quality Speech at Low Bit Rate", IEEE proc., ICASSP'85 pp.937-940

しかしながら、音声信号に対しスケーラブル符号化を行うことを考えた場合、従来の方法では、拡張レイヤにおける符号化対象は残差信号となる。この残差信号は、音声符号化装置の入力信号（または１つ下位のレイヤで得られた残差信号）と、１つ下位のレイヤの復号化信号との差信号であるため、音声の成分を多く失い、雑音の成分を多く含んだ信号である。従って、従来のスケーラブル符号化の拡張レイヤにおいて、音声の生成モデルに基づいて符号化を行うＣＥＬＰ方式のような音声の符号化に特化した符号化方式を適用すると、音声の成分を多く失っている残差信号に対し音声の生成モデルに基づいて符号化を行わなければならず、この信号を効率良く符号化することができない。また、ＣＥＬＰ以外の他の符号化方式を用いて残差信号を符号化することは、少ないビットで品質の良い復号化信号を得ることができるＣＥＬＰ方式の利点を放棄することとなり、効果的では無い。

本発明は、かかる点に鑑みてなされたものであり、音声信号を階層的に符号化する際に、拡張レイヤにおいてＣＥＬＰ方式の音声符号化を用いつつも効率良い符号化を実現し、品質の良い復号化信号を得ることができる音声符号化装置と、この音声符号化装置によって生成された符号化情報を復号化する音声復号化装置と、これらの方法とを提供することを目的とする。

本発明の音声符号化装置は、音声信号からＣＥＬＰ方式の音声符号化によって符号化情報を生成する第１の符号化手段と、前記符号化情報から、音声信号の生成モデルの特徴を表すパラメータを生成する生成手段と、前記音声信号を入力とし、前記パラメータを用いるＣＥＬＰ方式の音声符号化によって、入力される前記音声信号を符号化する第２の符号化手段と、を具備する構成を採る。

ここで、上記のパラメータとは、ＣＥＬＰ方式の音声符号化において使用されるＣＥＬＰ方式特有のパラメータ、すなわち、量子化ＬＳＰ（Line Spectral Pairs）、適応音源ラグ、固定音源ベクトル、量子化適応音源利得、量子化固定音源利得を意味する。

例えば、上記の構成において、第２の符号化手段は、音声符号化装置の入力である音声信号を線形予測分析して得られるＬＳＰと、上記の生成手段によって生成される量子化ＬＳＰとの差を、ＣＥＬＰ方式の音声符号化によって符号化する構成を採る。すなわち、第２の符号化手段は、ＬＳＰパラメータの段階で差をとり、この差に対しＣＥＬＰ方式の音声符号化を行うことにより、残差信号を入力としないＣＥＬＰ方式の音声符号化を実現する。

なお、上記の構成において、第１の符号化手段、第２の符号化手段とは、それぞれ基本第１レイヤ（基本レイヤ）符号化部、第２レイヤ符号化部だけを意味するのではなく、例えば、それぞれ第２レイヤ符号化部、第３レイヤ符号化部を意味しても良い。また、必ずしも隣接レイヤの符号化部のみを意味するのではなく。例えば、第１の符号化手段が第１レイヤ符号化部、第２の符号化手段が第３レイヤ符号化部を意味することもある。

本発明によれば、音声信号を階層的に符号化する際に、拡張レイヤにおいてＣＥＬＰ方式の音声符号化を用いつつも効率良い符号化を実現し、品質の良い復号化信号を得ることができる。

以下、本発明の実施の形態について、添付図面を参照して詳細に説明する。

（実施の形態１）
図１は、本発明の実施の形態１に係る音声符号化装置１００および音声復号化装置１５０の主要な構成を示すブロック図である。

この図において、音声符号化装置１００は、本実施の形態に係る符号化方法に従って入力信号Ｓ１１を階層的に符号化し、得られた階層的な符号化情報Ｓ１２およびＳ１４を多重化し、多重化された符号化情報（多重化情報）を音声復号化装置１５０に伝送路Ｎを介して伝送する。一方、音声復号化装置１５０は、音声符号化装置１００からの多重化情報を符号化情報Ｓ１２およびＳ１４に分離し、分離後の符号化情報を本実施の形態に係る復号化方法に従って復号化し、出力信号Ｓ５４を出力する。

まず、音声符号化装置１００について詳細に説明する。

音声符号化装置１００は、第１符号化部１１５と、パラメータ復号化部１２０と、第２符号化部１３０と、多重化部１５４と、から主に構成され、各部は以下の動作を行う。なお、図２は、音声符号化装置１００における各パラメータの流れを示す図である。

第１符号化部１１５は、音声符号化装置１００に入力された音声信号Ｓ１１に対し、ＣＥＬＰ方式の音声符号化（第１符号化）処理を施し、音声信号の生成モデルに基づいて得られた各パラメータを表す符号化情報（第１符号化情報）Ｓ１２を、多重化部１５４に出力する。また、第１符号化部１１５は、階層的な符号化を行うため、第１符号化情報Ｓ１２をパラメータ復号化部１２０にも出力する。なお、第１符号化処理によって得られる各パラメータを以下第１パラメータ群と呼ぶことにする。具体的には、第１パラメータ群は、第１量子化ＬＳＰ（Line Spectral Pairs）、第１適応音源ラグ、第１固定音源ベクトル、第１量子化適応音源利得、および第１量子化固定音源利得からなる。

パラメータ復号化部１２０は、第１符号化部１１５から出力された第１符号化情報Ｓ１２に対してパラメータ復号化を施し、音声信号の生成モデルの特徴を表すパラメータを生成する。このパラメータ復号化は、符号化情報を完全に復号化するのではなく、部分的な復号化を行うことにより上述の第１パラメータ群を得る。すなわち、従来の復号化処理は、符号化情報を復号化することにより符号化前の元の信号を得ることを目的としているが、パラメータ復号化処理は、第１パラメータ群を得ることを目的としている。具体的には、パラメータ復号化部１２０は、第１符号化情報Ｓ１２を多重化分離して、第１量子化ＬＳＰ符号（Ｌ１）、第１適応音源ラグ符号（Ａ１）、第１量子化音源利得符号（Ｇ１）、および第１固定音源ベクトル符号（Ｆ１）を求め、得られた各符号から第１パラメータ群Ｓ１３を求める。この第１パラメータ群Ｓ１３は、第２符号化部１３０に出力される。

第２符号化部１３０は、音声符号化装置１００の入力信号Ｓ１１と、パラメータ復号化部１２０から出力された第１パラメータ群Ｓ１３と、を用いて後述の第２符号化処理を施すことにより第２パラメータ群を求め、この第２パラメータ群を表す符号化情報（第２符号化情報）Ｓ１４を多重化部１５４に出力する。なお、第２パラメータ群は、第１パラメータ群にそれぞれ対応して、第２量子化ＬＳＰ、第２適応音源ラグ、第２固定音源ベクトル、第２量子化適応音源利得、および第２量子化固定音源利得からなる。

多重化部１５４には、第１符号化部１１５から第１符号化情報Ｓ１２が入力され、また、第２符号化部１３０から第２符号化情報Ｓ１４が入力される。多重化部１５４は、音声符号化装置１００に入力された音声信号のモード情報に応じて必要な符号化情報を選択し、選択された符号化情報とモード情報とを多重化して、多重化した符号化情報（多重化情報）を生成する。ここで、モード情報とは、多重化して伝送する符号化情報を指示する情報である。例えば、モード情報が「０」である場合、多重化部１５４は、第１符号化情報Ｓ１２とモード情報とを多重化し、また、モード情報が「１」である場合、多重化部１５４は、第１符号化情報Ｓ１２と第２符号化情報Ｓ１４とモード情報とを多重化する。このように、モード情報の値を変えることにより、音声復号化装置１５０に伝送する符号化情報の組み合わせを変えることが出来る。次に、多重化部１５４は、多重化後の多重化情報を、伝送路Ｎを介して音声復号化装置１５０に出力する。

このように、本実施の形態の特徴は、パラメータ復号化部１２０および第２符号化部１３０の動作にある。なお、説明の都合上、第１符号化部１１５、パラメータ復号化部１２０、第２符号化部１３０の順に以下各部の動作を詳細に説明していく。

図３は、第１符号化部１１５の内部構成を示すブロック図である。

前処理部１０１は、音声符号化装置１００に入力された音声信号Ｓ１１に対し、ＤＣ成分を取り除くハイパスフィルタ処理や後続する符号化処理の性能改善につながるような波形整形処理やプリエンファシス処理を行い、これらの処理後の信号（Xin）をＬＳＰ分析部１０２および加算器１０５へ出力する。

ＬＳＰ分析部１０２は、このXinを用いて線形予測分析を行い、分析結果であるＬＰＣ（線形予測係数）をＬＳＰに変換し、変換結果を第１ＬＳＰとしてＬＳＰ量子化部１０３へ出力する。

ＬＳＰ量子化部１０３は、ＬＳＰ分析部１０２から出力された第１ＬＳＰを、後述する量子化処理を用いて量子化し、量子化された第１ＬＳＰ（第１量子化ＬＳＰ）を合成フィルタ１０４へ出力する。また、ＬＳＰ量子化部１０３は、第１量子化ＬＳＰを表す第１量子化ＬＳＰ符号（Ｌ１）を多重化部１１４へ出力する。

合成フィルタ１０４は、第１量子化ＬＳＰに基づくフィルタ係数を用いて、加算器１１１から出力される駆動音源に対しフィルタ合成を行い、合成信号を生成する。この合成信号は、加算器１０５へ出力される。

加算器１０５は、合成信号の極性を反転させてXinに加算することにより、誤差信号を算出し、この算出された誤差信号を聴覚重み付け部１１２へ出力する。

適応音源符号帳１０６は、過去に加算器１１１から出力された駆動音源をバッファに記憶している。また、適応音源符号帳１０６は、パラメータ決定部１１３から出力される信号によって特定される切り出し位置に基づき、この切り出し位置から１フレーム分のサンプルをバッファより切り出し、第１適応音源ベクトルとして乗算器１０９へ出力する。また、適応音源符号帳１０６は、加算器１１１から駆動音源が入力される毎に上記バッファのアップデートを行う。

量子化利得生成部１０７は、パラメータ決定部１１３からの指示に基づいて、第１量子化適応音源利得および第１量子化固定音源利得を決定し、第１量子化適応音源利得を乗算器１０９へ、第１量子化固定音源利得を乗算器１１０へ出力する。

固定音源符号帳１０８は、パラメータ決定部１１３からの指示によって特定される形状を有するベクトルを、第１固定音源ベクトルとして乗算器１１０へ出力する。

乗算器１０９は、量子化利得生成部１０７から出力された第１量子化適応音源利得を、適応音源符号帳１０６から出力された第１適応音源ベクトルに乗じて、加算器１１１へ出力する。乗算器１１０は、量子化利得生成部１０７から出力された第１量子化固定音源利得を、固定音源符号帳１０８から出力された第１固定音源ベクトルに乗じて、加算器１１１へ出力する。加算器１１１は、乗算器１０９で利得が乗算された第１適応音源ベクトルと、乗算器１１０で利得が乗算された第１固定音源ベクトルとを加算し、加算結果である駆動音源を合成フィルタ１０４および適応音源符号帳１０６へ出力する。なお、適応音源符号帳１０６に入力された駆動音源は、バッファに記憶される。

聴覚重み付け部１１２は、加算器１０５から出力された誤差信号に対して聴覚的な重み付けを行い、符号化歪みとしてパラメータ決定部１１３へ出力する。

パラメータ決定部１１３は、聴覚重み付け部１１２から出力される符号化歪みを最小とする第１適応音源ラグを選択し、選択結果を示す第１適応音源ラグ符号（Ａ１）を多重化部１１４に出力する。また、パラメータ決定部１１３は、聴覚重み付け部１１２から出力される符号化歪みを最小とする第１固定音源ベクトルを選択し、選択結果を示す第１固定音源ベクトル符号（Ｆ１）を多重化部１１４に出力する。また、パラメータ決定部１１３は、聴覚重み付け部１１２から出力される符号化歪みを最小とする第１量子化適応音源利得および第１量子化固定音源利得を選択し、選択結果を示す第１量子化音源利得符号（Ｇ１）を多重化部１１４に出力する。

多重化部１１４は、ＬＳＰ量子化部１０３から出力された第１量子化ＬＳＰ符号（Ｌ１）と、パラメータ決定部１１３から出力された、第１適応音源ラグ符号（Ａ１）、第１固定音源ベクトル符号（Ｆ１）、および第１量子化音源利得符号（Ｇ１）とを多重化して第１符号化情報Ｓ１２として出力する。

図４は、パラメータ復号化部１２０の内部構成を示すブロック図である。

多重化分離部１２１は、第１符号化部１１５から出力された第１符号化情報Ｓ１２から個々の符号（Ｌ１、Ａ１、Ｇ１、Ｆ１）を分離し、各部に出力する。具体的には、分離された第１量子化ＬＳＰ符号（Ｌ１）はＬＳＰ復号化部１２２に出力され、分離された第１適応音源ラグ符号（Ａ１）は適応音源符号帳１２３に出力され、分離された第１量子化音源利得符号（Ｇ１）は量子化利得生成部１２４に出力され、分離された第１固定音源ベクトル符号（Ｆ１）は固定音源符号帳１２５へ出力される。

ＬＳＰ復号化部１２２は、多重化分離部１２１から出力された第１量子化ＬＳＰ符号（Ｌ１）から第１量子化ＬＳＰを復号化し、復号化した第１量子化ＬＳＰを第２符号化部１３０へ出力する。

適応音源符号帳１２３は、第１適応音源ラグ符号（Ａ１）で指定される切り出し位置を第１適応音源ラグとして復号化する。そして、適応音源符号帳１２３は、得られた第１適応音源ラグを第２符号化部１３０へ出力する。

量子化利得生成部１２４は、多重化分離部１２１から出力された第１量子化音源利得符号（Ｇ１）で指定される第１量子化適応音源利得および第１量子化固定音源利得を復号化する。そして、量子化利得生成部１２４は、得られた第１量子化適応音源利得を第２符号化部１３０へ出力し、また、第１量子化固定音源利得を第２符号化部１３０へ出力する。

固定音源符号帳１２５は、多重化分離部１２１から出力された第１固定音源ベクトル符号（Ｆ１）で指定される第１固定音源ベクトルを生成し、第２符号化部１３０へ出力する。

なお、前述の第１量子化ＬＳＰ、第１適応音源ラグ、第１固定音源ベクトル、第１量子化適応音源利得、および第１量子化固定音源利得は、第１パラメータ群Ｓ１３として第２符号化部１３０に出力する。

図５は、第２符号化部１３０の内部構成を示すブロック図である。

前処理部１３１は、音声符号化装置１００に入力された音声信号Ｓ１１に対し、ＤＣ成分を取り除くハイパスフィルタ処理や後続する符号化処理の性能改善につながるような波形整形処理やプリエンファシス処理を行い、これらの処理後の信号（Xin）をＬＳＰ分析部１３２および加算器１３５へ出力する。

ＬＳＰ分析部１３２は、このXinを用いて線形予測分析を行い、分析結果であるＬＰＣ（線形予測係数）をＬＳＰ（Line Spectral Pairs）に変換し、変換結果を第２ＬＳＰとしてＬＳＰ量子化部１３３へ出力する。

ＬＳＰ量子化部１３３は、パラメータ復号化部１２０から出力された第１量子化ＬＳＰの極性を反転させ、ＬＳＰ分析部１３２から出力された第２ＬＳＰに極性反転後の第１量子化ＬＳＰを加算することにより、残差ＬＳＰを算出する。次に、ＬＳＰ量子化部１３３は、算出された残差ＬＳＰを、後述する量子化処理を用いて量子化し、量子化された残差ＬＳＰ（量子化残差ＬＳＰ）と、パラメータ復号化部１２０から出力された第１量子化ＬＳＰと、を加算することにより、第２量子化ＬＳＰを算出する。この第２量子化ＬＳＰは、合成フィルタ１３４へ出力され、一方、量子化残差ＬＳＰを表す第２量子化ＬＳＰ符号（Ｌ２）は、多重化部１４４へ出力される。

合成フィルタ１３４は、第２量子化ＬＳＰに基づくフィルタ係数を用いて、加算器１４１から出力される駆動音源に対しフィルタ合成を行い、合成信号を生成する。この合成信号は、加算器１３５へ出力される。

加算器１３５は、合成信号の極性を反転させてXinに加算することにより、誤差信号を算出し、この算出された誤差信号を聴覚重み付け部１４２へ出力する。

適応音源符号帳１３６は、過去に加算器１４１から出力された駆動音源をバッファに記憶している。また、適応音源符号帳１３６は、第１適応音源ラグと、パラメータ決定部１４３から出力される信号とによって特定される切り出し位置に基づき、この切り出し位置から１フレーム分のサンプルをバッファより切り出し、第２適応音源ベクトルとして乗算器１３９へ出力する。また、適応音源符号帳１３６は、加算器１４１から駆動音源が入力される毎に上記バッファのアップデートを行う。

量子化利得生成部１３７は、パラメータ決定部１４３からの指示に基づいて、パラメータ復号化部１２０から出力された第１量子化適応音源利得および第１量子化固定音源利得を用いて、第２量子化適応音源利得および第２量子化固定音源利得を求める。この第２量子化適応音源利得は乗算器１３９へ出力され、第２量子化固定音源利得は乗算器１４０へ出力される。

固定音源符号帳１３８は、パラメータ決定部１４３からの指示によって特定される形状を有するベクトルと、パラメータ復号化部１２０から出力される第１固定音源ベクトルと、を加算して第２固定音源ベクトルを求め、これを乗算器１４０へ出力する。

乗算器１３９は、適応音源符号帳１３６から出力された第２適応音源ベクトルに対し、量子化利得生成部１３７から出力された第２量子化適応音源利得を乗じ、加算器１４１へ出力する。乗算器１４０は、固定音源符号帳１３８から出力された第２固定音源ベクトルに対し、量子化利得生成部１３７から出力された第２量子化固定音源利得を乗じ、加算器１４１へ出力する。加算器１４１は、乗算器１３９で利得が乗算された第２適応音源ベクトルと、乗算器１４０で利得が乗算された第２固定音源ベクトルとを加算し、加算結果である駆動音源を合成フィルタ１３４および適応音源符号帳１３６へ出力する。なお、適応音源符号帳１３６にフィードバックされた駆動音源は、バッファに記憶される。

聴覚重み付け部１４２は、加算器１３５から出力された誤差信号に対して聴覚的な重み付けを行い、符号化歪みとしてパラメータ決定部１４３へ出力する。

パラメータ決定部１４３は、聴覚重み付け部１４２から出力される符号化歪みを最小とする第２適応音源ラグを選択し、選択結果を示す第２適応音源ラグ符号（Ａ２）を多重化部１４４に出力する。また、パラメータ決定部１４３は、聴覚重み付け部１４２から出力される符号化歪みを最小とする第２固定音源ベクトルを、パラメータ復号化部１２０から出力された第１適応音源ラグを用いることにより選択し、選択結果を示す第２固定音源ベクトル符号（Ｆ２）を多重化部１４４に出力する。また、パラメータ決定部１４３は、聴覚重み付け部１４２から出力される符号化歪みを最小とする第２量子化適応音源利得および第２量子化固定音源利得を選択し、選択結果を示す第２量子化音源利得符号（Ｇ２）を多重化部１４４に出力する。

多重化部１４４は、ＬＳＰ量子化部１３３から出力された第２量子化ＬＳＰ符号（Ｌ２）と、パラメータ決定部１４３から出力された、第２適応音源ラグ符号（Ａ２）、第２固定音源ベクトル符号（Ｆ２）、および第２量子化音源利得符号（Ｇ２）とを多重化して第２符号化情報Ｓ１４として出力する。

次に、図５に示したＬＳＰ量子化部１３３が、第２量子化ＬＳＰを決定する処理について説明する。なお、ここでは、第２量子化ＬＳＰ符号（Ｌ２）に割り当てるビット数を８とし、残差ＬＳＰをベクトル量子化する場合を例に挙げて説明する。

ＬＳＰ量子化部１３３は、予め作成された２５６種類の第２ＬＳＰコードベクトル［ｌｓｐ_ｒｅｓ ^{（Ｌ２’）}（ｉ）］が格納された第２ＬＳＰコードブックを備える。ここで、Ｌ２’は各第２ＬＳＰコードベクトルに付されたインデックスであり、０〜２５５の値をとる。また、ｌｓｐ_ｒｅｓ ^{（Ｌ２’）}（ｉ）はＮ次元のベクトルであり、ｉは０〜Ｎ−１の値をとる。

ＬＳＰ量子化部１３３には、ＬＳＰ分析部１３２から第２ＬＳＰ［α_２（ｉ）］が入力される。ここで、α_２（ｉ）はＮ次元のベクトルであり、ｉは０〜Ｎ−１の値をとる。また、ＬＳＰ量子化部１３３には、パラメータ復号化部１２０から第１量子化ＬＳＰ［ｌｓｐ_１ ^{（Ｌ１’ｍｉｎ）}（ｉ）］も入力される。ここで、ｌｓｐ_１ ^{（Ｌ１’ｍｉｎ）}（ｉ）はＮ次元のベクトルであり、ｉは０〜Ｎ−１の値をとる。

ＬＳＰ量子化部１３３は、以下の（式１）

により、残差ＬＳＰ［ｒｅｓ（ｉ）］を求める。次に、ＬＳＰ量子化部１３３は、以下の（式２）

により、残差ＬＳＰ［ｒｅｓ（ｉ）］と第２ＬＳＰコードベクトル［ｌｓｐ_ｒｅｓ ^{（Ｌ２’）}（ｉ）］との二乗誤差ｅｒ_２を求める。そして、ＬＳＰ量子化部１３３は、全てのＬ２’について二乗誤差ｅｒ_２を求め、二乗誤差ｅｒ_２が最小となるＬ２’の値（Ｌ２’ｍｉｎ）を決定する。この決定されたＬ２’ｍｉｎは、第２量子化ＬＳＰ符号（Ｌ２）として多重化部１４４へ出力される。

次に、ＬＳＰ量子化部１３３は、以下の（式３）

により、第２量子化ＬＳＰ［ｌｓｐ_２（ｉ）］を求める。ＬＳＰ量子化部１３３は、この第２量子化ＬＳＰ［ｌｓｐ_２（ｉ）］を合成フィルタ１３４へ出力する。

このように、ＬＳＰ量子化部１３３によって求められるｌｓｐ_２（ｉ）が第２量子化ＬＳＰであり、二乗誤差ｅｒ_２を最小とするｌｓｐ_ｒｅｓ ^{（Ｌ２’ｍｉｎ）}（ｉ）が量子化残差ＬＳＰである。

図６は、図５に示したパラメータ決定部１４３が、第２適応音源ラグを決定する処理について説明するための図である。

この図において、バッファＢ２は、適応音源符号帳１３６が備えるバッファであり、位置Ｐ２は、第２適応音源ベクトルの切り出し位置であり、ベクトルＶ２は、切り出された第２適応音源ベクトルである。また、ｔは、第１適応音源ラグであり、数値４１、２９６は、パラメータ決定部１４３が第１適応音源ラグの探索を行う範囲の下限および上限を示している。また、ｔ−１６、ｔ＋１５は、第２適応音源ベクトルの切り出し位置を動かす範囲の下限および上限を示している。

切り出し位置Ｐ２を動かす範囲は、第２適応音源ラグを表す符号（Ａ２）に割り当てるビット数を５とする場合、３２（＝２^５）の長さの範囲（例えば、ｔ−１６〜ｔ＋１５）に設定する。しかし、切り出し位置Ｐ２を動かす範囲は、任意に設定することができる。

パラメータ決定部１４３は、パラメータ復号化部１２０から入力された第１適応音源ラグｔを基準として、切り出し位置Ｐ２を動かす範囲をｔ−１６〜ｔ＋１５に設定する。次に、パラメータ決定部１４３は、切り出し位置Ｐ２を上記の範囲内で動かし、順次、この切り出し位置Ｐ２を適応音源符号帳１３６に指示する。

適応音源符号帳１３６は、パラメータ決定部１４３より指示された切り出し位置Ｐ２から、第２適応音源ベクトルＶ２をフレームの長さだけ切り出し、切り出した第２適応音源ベクトルＶ２を乗算器１３９に出力する。

パラメータ決定部１４３は、全ての切り出し位置Ｐ２から切り出される全ての第２適応音源ベクトルＶ２に対して、聴覚重み付け部１４２から出力される符号化歪みを求め、この符号化歪みが最小となるような切り出し位置Ｐ２を決定する。このパラメータ決定部１４３によって求められるバッファの切り出し位置Ｐ２が第２適応音源ラグである。パラメータ決定部１４３は、第１適応音源ラグと第２適応音源ラグとの差分（図６の例では、−１６〜＋１５）を符号化し、符号化により得られる符号を第２適応音源ラグ符号（Ａ２）として多重化部１４４に出力する。

このように、第２符号化部１３０において、第１適応音源ラグと第２適応音源ラグとの差分を符号化することにより、第２復号化部１８０において、第１適応音源ラグ符号から得られる第１適応音源ラグ（ｔ）と、第２適応音源ラグ符号から得られる差分（−１６〜＋１５）と、を加算することにより、第２適応音源ラグ（ｔ−１６〜ｔ＋１５）を復号化することができる。

このように、パラメータ決定部１４３は、パラメータ復号化部１２０から第１適応音源ラグｔを受け取り、第２適応音源ラグの探索にあたり、このｔ周辺の範囲を重点的に探索するので迅速に最適な第２適応音源ラグを見つけることができる。

図７は、上記のパラメータ決定部１４３が、第２固定音源ベクトルを決定する処理について説明するための図である。この図は、代数的固定音源符号帳１３８から第２固定音源ベクトルが生成される過程を示したものである。

トラック１、トラック２、およびトラック３において、それぞれ振幅値１の単位パルス（７０１、７０２、７０３）が１本生成される（図の実線）。各トラックは、単位パルスを生成できる位置が異なっており、この図の例では、トラック１は｛0,3,6,9,12,15,18,21｝の８箇所のうちのいずれかに、トラック２は｛1,4,7,10,13,16,19,22｝の８箇所のうちのいずれかに、トラック３は｛2,5,8,11,14,17,20,23｝の８箇所のうちのいずれかに、それぞれ単位パルスを１本ずつ立てることができる構成となっている。

乗算器７０４は、トラック１で生成される単位パルスに極性を付する。乗算器７０５は、トラック２で生成される単位パルスに極性を付する。乗算器７０６は、トラック３で生成される単位パルスに極性を付する。加算器７０７は、生成された３本の単位パルスを加算する。乗算器７０８は、加算後の３本の単位パルスに予め定められた定数βを乗算する。定数βはパルスの大きさを変更するための定数であり、定数βを０〜１程度の値に設定すると良い性能が得られるということが実験的に判っている。また、音声符号化装置に応じて適した性能が得られるように、定数βの値を設定しても良い。加算器７１１は、３本のパルスから構成される残差固定音源ベクトル７０９と第１固定音源ベクトル７１０とを加算し、第２固定音源ベクトル７１２を得る。ここで、残差固定音源ベクトル７０９は、０〜１の範囲の定数βが乗じられた後に第１固定音源ベクトル７１０に加算されるので、結果的に、第１固定音源ベクトル７１０に比重を掛けた重み付け加算がされていることになる。

この例では、各パルスに対して、位置が８通り、極性が正負の２通りあるので、位置情報３ビットと極性情報１ビットとが各単位パルスを表現するのに用いられる。従って、合計1２ビットの固定音源符号帳となる。

パラメータ決定部１４３は、３本の単位パルスの生成位置と極性とを動かすために、順次、生成位置と極性とを固定音源符号帳１３８に指示する。

固定音源符号帳１３８は、パラメータ決定部１４３から指示された生成位置と極性とを用いて残差固定音源ベクトル７０９を構成し、構成された残差固定音源ベクトル７０９とパラメータ復号化部１２０から出力された第１固定音源ベクトル７１０とを加算し、加算結果である第２固定音源ベクトル７１２を乗算器１４０に出力する。

パラメータ決定部１４３は、全ての生成位置と極性との組み合わせに対する第２固定音源ベクトルについて、聴覚重み付け部１４２から出力される符号化歪みを求め、符号化歪みが最小となる生成位置と極性との組み合わせを決定する。次に、パラメータ決定部１４３は、決定された生成位置と極性との組み合わせを表す第２固定音源ベクトル符号（Ｆ２）を多重化部１４４に出力する。

次に、上記のパラメータ決定部１４３が、量子化利得生成部１３７に対して指示を行い、第２量子化適応音源利得および第２量子化固定音源利得を決定する処理について説明する。なお、ここでは、第２量子化音源利得符号（Ｇ２）に割り当てるビット数を８とする場合を例に挙げて説明する。

量子化利得生成部１３７は、予め作成された２５６種類の残差音源利得コードベクトル［ｇａｉｎ_２ ^{（Ｋ２’）}（ｉ）］が格納された残差音源利得コードブックを備える。ここで、Ｋ２’は、残差音源利得コードベクトルに付されたインデックスであり、０〜２５５の値をとる。また、ｇａｉｎ_２ ^{（Ｋ２’）}（ｉ）は２次元のベクトルであり、ｉは０〜１の値をとる。

パラメータ決定部１４３は、Ｋ２’の値を０から２５５まで、順次、量子化利得生成部１３７に指示する。量子化利得生成部１３７は、パラメータ決定部１４３から指示されたＫ２’を用いて、残差音源利得コードブックから残差音源利得コードベクトル［ｇａｉｎ_２ ^{（Ｋ２’）}（ｉ）］を選択し、以下の（式４）

により第２量子化適応音源利得［ｇａｉｎ_ｑ（０）］を求め、求まったｇａｉｎ_ｑ（０）を乗算器１３９に出力し、また、以下の（式５）

により第２量子化固定音源利得［ｇａｉｎ_ｑ（１）］を求め、求まったｇａｉｎ_ｑ（１）を乗算器１４０に出力する。ここで、ｇａｉｎ_１ ^{（Ｋ１’ｍｉｎ）}（０）は、第１量子化適応音源利得であり、また、ｇａｉｎ_１ ^{（Ｋ１’ｍｉｎ）}（１）は、第１量子化固定音源利得であり、それぞれパラメータ復号化部１２０から出力される。

このように、量子化利得生成部１３７によって求められるｇａｉｎ_ｑ（０）が第２量子化適応音源利得であり、ｇａｉｎ_ｑ（１）が第２量子化固定音源利得である。

パラメータ決定部１４３は、全てのＫ２’について、聴覚重み付け部１４２より出力される符号化歪みを求め、符号化歪みが最小となるＫ２’の値（Ｋ２’ｍｉｎ）を決定する。次に、パラメータ決定部１４３は、決定されたＫ２’ｍｉｎを第２量子化音源利得符号（Ｇ２）として多重化部１４４に出力する。

このように、本実施の形態に係る音声符号化装置によれば、第２符号化部１３０の符号化対象を音声符号化装置の入力信号とすることにより、音声信号の符号化に適しているＣＥＬＰ方式の音声符号化を効果的に適用することができ、品質の良い復号化信号を得ることができる。また、第２符号化部１３０は、第１パラメータ群を用いて入力信号の符号化を行い、第２パラメータ群を生成することにより、復号化装置側は、二つのパラメータ群（第１パラメータ群、第２パラメータ群）を用いて第２復号化信号を生成することができる。

また、以上の構成において、パラメータ復号化部１２０は、第１符号化部１１５から出力される第１符号化情報Ｓ１２の部分的な復号化を行って、得られる各パラメータを第１符号化部１１５の上位レイヤにあたる第２符号化部１３０に出力し、第２符号化部１３０は、この各パラメータと音声符号化装置１００の入力信号とを用いて第２符号化を行う。この構成を採ることにより、本実施の形態に係る音声符号化装置は、音声信号を階層的に符号化する際に、拡張レイヤにおいてＣＥＬＰ方式の音声符号化を用いつつも効率良い符号化を実現し、品質の良い復号化信号を得ることができる。さらに、第１符号化情報を完全に復号化する必要がないため、符号化の処理演算量を軽減することができる。

また、以上の構成において、第２符号化部１３０は、音声符号化装置１００の入力である音声信号を線形予測分析して得られるＬＳＰと、パラメータ復号化部１２０によって生成される量子化ＬＳＰとの差を、ＣＥＬＰ方式の音声符号化によって符号化する。すなわち、第２符号化部１３０は、ＬＳＰパラメータの段階で差をとり、この差に対しＣＥＬＰ方式の音声符号化を行うことにより、残差信号を入力としないＣＥＬＰ方式の音声符号化を実現することができる。

また、以上の構成において、音声符号化装置１００（の第２符号化部１３０）から出力される第２符号化情報Ｓ１４は、従来の音声符号化装置からは生成されない全く新規な信号である。

次に、図３に示した第１符号化部１１５の動作について補足説明を行う。

以下は、第１符号化部１１５内のＬＳＰ量子化部１０３が、第１量子化ＬＳＰを決定する処理について説明したものである。

ここでは、第１量子化ＬＳＰ符号（Ｌ１）に割り当てるビット数を８とし、第１ＬＳＰをベクトル量子化する場合を例に挙げて説明する。

ＬＳＰ量子化部１０３は、予め作成された２５６種類の第１ＬＳＰコードベクトル［ｌｓｐ_１ ^{（Ｌ１’）}（ｉ）］が格納された第１ＬＳＰコードブックを備える。ここで、Ｌ１’は第１ＬＳＰコードベクトルに付されたインデックスであり、０〜２５５の値をとる。また、ｌｓｐ_１ ^{（Ｌ１’）}（ｉ）はＮ次元のベクトルであり、ｉは０〜Ｎ−１の値をとる。

ＬＳＰ量子化部１０３には、ＬＳＰ分析部１０２から第１ＬＳＰ［α_１（ｉ）］が入力される。ここで、α_１（ｉ）はＮ次元のベクトルであり、ｉは０〜Ｎ−１の値をとる。

ＬＳＰ量子化部１０３は、以下の（式６）

により、第１ＬＳＰ［α_１（ｉ）］と第１ＬＳＰコードベクトル［ｌｓｐ_１ ^{（Ｌ１’）}（ｉ）］との二乗誤差ｅｒ_１を求める。次に、ＬＳＰ量子化部１０３は、全てのＬ１’について二乗誤差ｅｒ_１を求め、二乗誤差ｅｒ_１が最小となるＬ１’の値（Ｌ１’ｍｉｎ）を決定する。そして、ＬＳＰ量子化部１０３は、この決定されたＬ１’ｍｉｎを第１量子化ＬＳＰ符号（Ｌ１）として多重化部１１４へ出力し、また、ｌｓｐ_１ ^{（Ｌ１’ｍｉｎ）}（ｉ）を第１量子化ＬＳＰとして合成フィルタ１０４へ出力する。

このように、ＬＳＰ量子化部１０３によって求められるｌｓｐ_１ ^{（Ｌ１’ｍｉｎ）}（ｉ）が第１量子化ＬＳＰである。

図８は、第１符号化部１１５内のパラメータ決定部１１３が、第１適応音源ラグを決定する処理について説明するための図である。

この図において、バッファＢ１は、適応音源符号帳１０６が備えるバッファであり、位置Ｐ１は、第１適応音源ベクトルの切り出し位置であり、ベクトルＶ１は、切り出された第１適応音源ベクトルである。また、数値４１、２９６は、切り出し位置Ｐ１を動かす範囲の下限および上限を示している。

切り出し位置Ｐ１を動かす範囲は、第１適応音源ラグを表す符号（Ａ１）に割り当てるビット数を８とする場合、２５６（＝２^８）の長さの範囲（例えば、４１〜２９６）に設定する。しかし、切り出し位置Ｐ１を動かす範囲は、任意に設定することができる。

パラメータ決定部１１３は、切り出し位置Ｐ１を設定範囲内で動かし、順次、この切り出し位置Ｐ１を適応音源符号帳１０６に指示する。

適応音源符号帳１０６は、パラメータ決定部１１３から指示された切り出し位置Ｐ１から、第１適応音源ベクトルＶ１をフレームの長さだけ切り出し、切り出した第１適応音源ベクトルを乗算器１０９に出力する。

パラメータ決定部１１３は、全ての切り出し位置Ｐ１から切り出される全ての第１適応音源ベクトルＶ１に対して、聴覚重み付け部１１２から出力される符号化歪みを求め、この符号化歪みが最小となるような切り出し位置Ｐ１を決定する。このパラメータ決定部１１３によって求められるバッファの切り出し位置Ｐ１が第１適応音源ラグである。パラメータ決定部１１３は、この第１適応音源ラグを表す第１適応音源ラグ符号（Ａ１）を多重化部１１４に出力する。

図９は、第１符号化部１１５内のパラメータ決定部１１３が、第１固定音源ベクトルを決定する処理について説明するための図である。この図は、代数的固定音源符号帳から第１固定音源ベクトルが生成される過程を示したものである。

トラック１、トラック２、およびトラック３は、それぞれ単位パルス（振幅値が１）を１本生成する。また、乗算器４０４、乗算器４０５、および乗算器４０６は、それぞれトラック１〜３で生成される単位パルスに極性を付する。加算器４０７は、生成された３本の単位パルスを加算する加算器であり、ベクトル４０８は、３本の単位パルスから構成される第１固定音源ベクトルである。

各トラックは単位パルスを生成できる位置が異なっており、この図においては、トラック１は｛0,3,6,9,12,15,18,21｝の８箇所のうちのいずれかに、トラック２は｛1,4,7,10,13,16,19,22｝の８箇所のうちのいずれかに、トラック３は｛2,5,8,11,14,17,20,23｝の８箇所のうちのいずれかに、それぞれ単位パルスを１本ずつ立てる構成となっている。

各トラックで生成された単位パルスは、それぞれ乗算器４０４〜４０６により極性が付され、加算器４０７にて３本の単位パルスが加算され、加算結果である第１固定音源ベクトル４０８が構成される。

この例では、各単位パルスに対して位置が８通り、極性が正負の２通りであるので、位置情報３ビットと極性情報１ビットとが各単位パルスを表現するのに用いられる。従って、合計1２ビットの固定音源符号帳となる。

パラメータ決定部１１３は、３本の単位パルスの生成位置と極性とを動かし、順次、生成位置と極性とを固定音源符号帳１０８に指示する。

固定音源符号帳１０８は、パラメータ決定部１１３により指示された生成位置と極性とを用いて第１固定音源ベクトル４０８を構成して、構成された第１固定音源ベクトル４０８を乗算器１１０に出力する。

パラメータ決定部１１３は、全ての生成位置と極性との組み合わせについて、聴覚重み付け部１１２から出力される符号化歪みを求め、符号化歪みが最小となる生成位置と極性との組み合わせを決定する。次に、パラメータ決定部１１３は、符号化歪みが最小となる生成位置と極性との組み合わせを表す第１固定音源ベクトル符号（Ｆ１）を多重化部１１４に出力する。

次に、第１符号化部１１５内のパラメータ決定部１１３が、量子化利得生成部１０７に対して指示を行い、第１量子化適応音源利得および第１量子化固定音源利得を決定する処理について説明する。なお、ここでは、第１量子化音源利得符号（Ｇ１）に割り当てるビット数を８とする場合を例に挙げて説明する。

量子化利得生成部１０７は、予め作成された２５６種類の第１音源利得コードベクトル［ｇａｉｎ_１ ^{（Ｋ１’）}（ｉ）］が格納された第１音源利得コードブックを備える。ここで、Ｋ１’は、第１音源利得コードベクトルに付されたインデックスであり、０〜２５５の値をとる。また、ｇａｉｎ_１ ^{（Ｋ１’）}（ｉ）は２次元のベクトルであり、ｉは０〜１の値をとる。

パラメータ決定部１１３は、Ｋ１’の値を０から２５５まで、順次、量子化利得生成部１０７に指示する。量子化利得生成部１０７は、パラメータ決定部１１３により指示されたＫ１’を用いて、第１音源利得コードブックから第１音源利得コードベクトル［ｇａｉｎ_１ ^{（Ｋ１’）}（ｉ）］を選択し、ｇａｉｎ_１ ^{（Ｋ１’）}（０）を第１量子化適応音源利得として乗算器１０９に出力し、また、ｇａｉｎ_１ ^{（Ｋ１’）}（１）を第１量子化固定音源利得として乗算器１１０に出力する。

このように、量子化利得生成部１０７によって求められるｇａｉｎ_１ ^{（Ｋ１’）}（０）が第１量子化適応音源利得であり、ｇａｉｎ_１ ^{（Ｋ１’）}（１）が第１量子化固定音源利得である。

パラメータ決定部１１３は、全てのＫ１’について、聴覚重み付け部１１２より出力される符号化歪みを求め、符号化歪みが最小となるＫ１’の値（Ｋ１’ｍｉｎ）を決定する。次に、パラメータ決定部１１３は、Ｋ１’ｍｉｎを第１量子化音源利得符号（Ｇ１）として多重化部１１４に出力する。

以上、本実施の形態に係る音声符号化装置１００について詳細に説明した。

次に、上記の構成を有する音声符号化装置１００から送信された符号化情報Ｓ１２およびＳ１４を復号化する本実施の形態に係る音声復号化装置１５０について詳細に説明する。

音声復号化装置１５０の主要な構成は、図１に既に示した通り、第１復号化部１６０と、第２復号化部１８０と、信号制御部１９５と、多重化分離部１５５と、から主に構成される。音声復号化装置１５０の各部は、以下の動作を行う。

多重化分離部１５５は、音声符号化装置１００から多重化して出力されたモード情報と符号化情報とを多重分離化し、モード情報が「０」、「１」である場合、第１符号化情報Ｓ１２を第１復号化部１６０に出力し、モード情報が「１」である場合、第２符号化情報Ｓ１４を第２復号化部１８０に出力する。また、多重化分離部１５５は、モード情報を信号制御部１９５に出力する。

第１復号化部１６０は、多重化分離部１５５から出力された第１符号化情報Ｓ１２をＣＥＬＰ方式の音声復号化方法を用いて復号化（第１復号化）し、復号化によって求められる第１復号化信号Ｓ５２を信号制御部１９５に出力する。また、第１復号化部１６０は、復号化の際に求められる第１パラメータ群Ｓ５１を第２復号化部１８０に出力する。

第２復号化部１８０は、第１復号化部１６０から出力された第１パラメータ群Ｓ５１を用いて、多重化分離部１５５から出力された第２符号化情報Ｓ１４に対し、後述の第２復号化処理を施すことにより復号化し、第２復号化信号Ｓ５３を生成して信号制御部１９５に出力する。

信号制御部１９５は、第１復号化部１６０から出力された第１復号化信号Ｓ５２と第２復号化部１８０から出力された第２復号化信号Ｓ５３とを入力し、多重化分離部１５５から出力されたモード情報に応じて、復号化信号を出力する。具体的には、モード情報が「０」である場合、第１復号化信号Ｓ５２を出力信号として出力し、モード情報が「１」である場合、第２復号化信号Ｓ５３を出力信号として出力する。

図１０は、第１復号化部１６０の内部構成を示すブロック図である。

多重化分離部１６１は、第１復号化部１６０に入力された第１符号化情報Ｓ１２から個々の符号（Ｌ１、Ａ１、Ｇ１、Ｆ１）を分離し、各部に出力する。具体的には、分離された第１量子化ＬＳＰ符号（Ｌ１）はＬＳＰ復号化部１６２に出力され、分離された第１適応音源ラグ符号（Ａ１）は適応音源符号帳１６５に出力され、分離された第１量子化音源利得符号（Ｇ１）は量子化利得生成部１６６に出力され、分離された第１固定音源ベクトル符号（Ｆ１）は固定音源符号帳１６７へ出力される。

ＬＳＰ復号化部１６２は、多重化分離部１６１から出力された第１量子化ＬＳＰ符号（Ｌ１）から第１量子化ＬＳＰを復号化し、復号化した第１量子化ＬＳＰを合成フィルタ１６３および第２復号化部１８０へ出力する。

適応音源符号帳１６５は、多重化分離部１６１から出力された第１適応音源ラグ符号（Ａ１）で指定される切り出し位置から、１フレーム分のサンプルをバッファより切り出し、切り出したベクトルを第１適応音源ベクトルとして乗算器１６８へ出力する。また、適応音源符号帳１６５は、第１適応音源ラグ符号（Ａ１）で指定される切り出し位置を第１適応音源ラグとして第２復号化部１８０へ出力する。

量子化利得生成部１６６は、多重化分離部１６１から出力された第１量子化音源利得符号（Ｇ１）で指定される第１量子化適応音源利得および第１量子化固定音源利得を復号化する。そして、量子化利得生成部１６６は、得られた第１量子化適応音源利得を乗算器１６８および第２復号化部１８０へ出力し、また、第１量子化固定音源利得は、乗算器１６９および第２復号化部１８０へ出力する。

固定音源符号帳１６７は、多重化分離部１６１から出力された第１固定音源ベクトル符号（Ｆ１）で指定される第１固定音源ベクトルを生成し、乗算器１６９および第２復号化部１８０へ出力する。

乗算器１６８は、第１適応音源ベクトルに第１量子化適応音源利得を乗算して、加算器１７０へ出力する。乗算器１６９は、第１固定音源ベクトルに第１量子化固定音源利得を乗算して、加算器１７０へ出力する。加算器１７０は、乗算器１６８、１６９から出力された利得乗算後の第１適応音源ベクトルと第１固定音源ベクトルとの加算を行い、駆動音源を生成し、生成された駆動音源を合成フィルタ１６３および適応音源符号帳１６５に出力する。

合成フィルタ１６３は、加算器１７０から出力された駆動音源と、ＬＳＰ復号化部１６２によって復号化されたフィルタ係数とを用いてフィルタ合成を行い、合成信号を後処理部１６４へ出力する。

後処理部１６４は、合成フィルタ１６３から出力された合成信号に対して、ホルマント強調やピッチ強調といったような音声の主観的な品質を改善する処理や、定常雑音の主観的品質を改善する処理などを施し、第１復号化信号Ｓ５２として出力する。

なお、再生された各パラメータは、第１パラメータ群Ｓ５１として第２復号化部１８０に出力される。

図１１は、第２復号化部１８０の内部構成を示すブロック図である。

多重化分離部１８１は、第２復号化部１８０に入力された第２符号化情報Ｓ１４から個々の符号（Ｌ２、Ａ２、Ｇ２、Ｆ２）を分離し、各部に出力する。具体的には、分離された第２量子化ＬＳＰ符号（Ｌ２）はＬＳＰ復号化部１８２に出力され、分離された第２適応音源ラグ符号（Ａ２）は適応音源符号帳１８５に出力され、分離された第２量子化音源利得符号（Ｇ２）は量子化利得生成部１８６に出力され、分離された第２固定音源ベクトル符号（Ｆ２）は固定音源符号帳１８７へ出力される。

ＬＳＰ復号化部１８２は、多重化分離部１８１から出力される第２量子化ＬＳＰ符号（Ｌ２）から量子化残差ＬＳＰを復号化し、この量子化残差ＬＳＰを第１復号化部１６０から出力される第１量子化ＬＳＰと加算し、加算結果である第２量子化ＬＳＰを合成フィルタ１８３に出力する。

適応音源符号帳１８５は、第１復号化部１６０から出力される第１適応音源ラグと、多重化分離部１８１から出力される第２適応音源ラグ符号（Ａ２）と、で指定される切り出し位置から、１フレーム分のサンプルをバッファより切り出し、切り出したベクトルを第２適応音源ベクトルとして乗算器１８８へ出力する。

量子化利得生成部１８６は、第１復号化部１６０から出力される第１量子化適応音源利得および第１量子化固定音源利得と、多重化分離部１８１から出力される第２量子化音源利得符号（Ｇ２）とを用いて、第２量子化適応音源利得および第２量子化固定音源利得を求め、第２量子化適応音源利得を乗算器１８８へ、第２量子化固定音源利得を乗算器１８９へ出力する。

固定音源符号帳１８７は、多重化分離部１８１から出力された第２固定音源ベクトル符号（Ｆ２）で指定される残差固定音源ベクトルを生成し、生成された残差固定音源ベクトルと第１復号化部１６０から出力される第１固定音源ベクトルとを加算し、加算結果である第２固定音源ベクトルを乗算器１８９へ出力する。

乗算器１８８は、第２適応音源ベクトルに第２量子化適応音源利得を乗算して、加算器１９０へ出力する。乗算器１８９は、第２固定音源ベクトルに第２量子化固定音源利得を乗算して、加算器１９０へ出力する。加算器１９０は、乗算器１８８で利得が乗算された第２適応音源ベクトルと、乗算器１８９で利得が乗算された第２固定音源ベクトルとの加算を行うことにより駆動音源を生成し、生成された駆動音源を合成フィルタ１８３および適応音源符号帳１８５に出力する。

合成フィルタ１８３は、加算器１９０から出力された駆動音源と、ＬＳＰ復号化部１８２によって復号化されたフィルタ係数とを用いてフィルタ合成を行い、合成信号を後処理部１８４へ出力する。

後処理部１８４は、合成フィルタ１８３から出力された合成信号に対して、ホルマント強調やピッチ強調といったような音声の主観的な品質を改善する処理や、定常雑音の主観的品質を改善する処理などを施し、第２復号化信号Ｓ５３として出力する。

以上、音声復号化装置１５０について詳細に説明した。

このように、本実施の形態に係る音声復号化装置によれば、第１符号化情報を復号化して得られる第１パラメータ群から第１復号化信号を生成し、第２符号化情報を復号化して得られる第２パラメータ群と前記第１パラメータ群とから第２復号化信号を生成し、これを出力信号として得ることができる。また、第１符号化情報のみを用いる場合、第１符号化情報を復号化して得られる第１パラメータ群から第１復号化信号を生成することにより、これを出力信号として得ることができる。すなわち、全ての符号化情報、もしくは、一部の符号化情報を用いて出力信号を得ることができる構成を採ることにより、符号化情報の一部からでも音声・楽音を復号化できる機能（階層的な符号化）を実現することができる。

また、以上の構成において、第１復号化部１６０は、第１符号化情報Ｓ１２の復号化を行うと共に、この復号化の際に求められる第１パラメータ群Ｓ５１を第２復号化部１８０に出力し、第２復号化部１８０は、この第１パラメータ群Ｓ５１を用いて、第２符号化情報Ｓ１４の復号化を行う。この構成を採ることにより、本実施の形態に係る音声復号化装置は、本実施の形態に係る音声符号化装置によって階層的に符号化された信号を復号化することができる。

なお、本実施の形態では、パラメータ復号化部１２０において、第１符号化部１１５から出力された第１符号化情報Ｓ１２から個々の符号（Ｌ１、Ａ１、Ｇ１、Ｆ１）を分離する場合を例にとって説明したが、前記個々の符号を第１符号化部１１５からパラメータ復号化部１２０へ直接入力することにより、多重化および多重化分離の手順を省略しても良い。

また、本実施の形態では、音声符号化装置１００において、固定音源符号帳１０８が生成する第１固定音源ベクトル、および固定音源符号帳１３８が生成する第２固定音源ベクトルが、パルスにより形成されている場合を例にとって説明したが、拡散パルスによってベクトルが形成されていても良い。

また、本実施の形態では、２階層からなる階層的符号化の場合を例にとって説明したが、階層の数はこれに限定されず、３以上であっても良い。

（実施の形態２）
図１２(ａ)は、実施の形態１で説明した音声符号化装置１００を搭載する、本発明の実施の形態２に係る音声・楽音送信装置の構成を示すブロック図である。

音声・楽音信号１００１は、入力装置１００２によって電気的信号に変換され、Ａ／Ｄ変換装置１００３に出力される。Ａ／Ｄ変換装置１００３は、入力装置１００２から出力された（アナログ）信号をディジタル信号に変換し、音声・楽音符号化装置１００４へ出力する。音声・楽音符号化装置１００４は、図１に示した音声符号化装置１００を搭載し、Ａ／Ｄ変換装置１００３から出力されたディジタル音声・楽音信号を符号化し、符号化情報をＲＦ変調装置１００５へ出力する。ＲＦ変調装置１００５は、音声・楽音符号化装置１００４から出力された符号化情報を電波等の伝播媒体に載せて送出するための信号に変換し送信アンテナ１００６へ出力する。送信アンテナ１００６はＲＦ変調装置１００５から出力された出力信号を電波（ＲＦ信号）として送出する。なお、図中のＲＦ信号１００７は送信アンテナ１００６から送出された電波（ＲＦ信号）を表す。

以上が音声・楽音信号送信装置の構成および動作である。

図１２(ｂ)は、実施の形態１で説明した音声復号化装置１５０を搭載する、本発明の実施の形態２に係る音声・楽音受信装置の構成を示すブロック図である。

ＲＦ信号１００８は、受信アンテナ１００９によって受信されＲＦ復調装置１０１０に出力される。なお、図中のＲＦ信号１００８は、受信アンテナ１００９に受信された電波を表し、伝播路において信号の減衰や雑音の重畳がなければＲＦ信号１００７と全く同じものになる。

ＲＦ復調装置１０１０は、受信アンテナ１００９から出力されたＲＦ信号から符号化情報を復調し、音声・楽音復号化装置１０１１へ出力する。音声・楽音復号化装置１０１１は、図１に示した音声復号化装置１５０を搭載し、ＲＦ復調装置１０１０から出力された符号化情報から音声・楽音信号を復号し、Ｄ／Ａ変換装置１０１２へ出力する。Ｄ／Ａ変換装置１０１２は、音声・楽音復号化装置１０１１から出力されたディジタル音声・楽音信号をアナログの電気的信号に変換し出力装置１０１３へ出力する。出力装置１０１３は電気的信号を空気の振動に変換し音波として人間の耳に聴こえるように出力する。なお、図中、参照符号１０１４は出力された音波を表す。

以上が音声・楽音信号受信装置の構成および動作である。

無線通信システムにおける基地局装置および通信端末装置に、上記のような音声・楽音信号送信装置および音声・楽音信号受信装置を備えることにより、高品質な出力信号を得ることができる。

このように、本実施の形態によれば、本発明に係る音声符号化装置および音声復号化装置を音声・楽音信号送信装置および音声・楽音信号受信装置に実装することができる。

（実施の形態３）
実施の形態１では、本発明に係る音声符号化方法、すなわち、主にパラメータ復号化部１２０および第２符号化部１３０で行われる処理を第２レイヤにおいて行う場合を例にとって説明した。しかし、本発明に係る音声符号化方法は、第２レイヤのみならず他の拡張レイヤにおいても実施することができる。例えば、３階層からなる階層的符号化の場合、本発明の音声符号化方法を第２レイヤおよび第３レイヤの双方において実施しても良い。この実施の形態について、以下詳細に説明する。

図１３は、本発明の実施の形態３に係る音声符号化装置３００および音声復号化装置３５０の主要な構成を示すブロック図である。なお、この音声符号化装置３００および音声復号化装置３５０は、実施の形態１に示した音声符号化装置１００および音声復号化装置１５０と同様の基本的構成を有しており、同一の構成要素には同一の符号を付し、その説明を省略する。

まず、音声符号化装置３００について説明する。この音声符号化装置３００は、実施の形態１に示した音声符号化装置１００の構成に加え、第２パラメータ復号化部３１０および第３符号化部３２０をさらに備える。

第１パラメータ復号化部１２０は、パラメータ復号化によって得られる第１パラメータ群Ｓ１３を第２符号化部１３０および第３符号化部３２０に出力する。

第２符号化部１３０は、第２符号化処理によって第２パラメータ群を求め、この第２パラメータ群を表す第２符号化情報Ｓ１４を多重化部１５４および第２パラメータ復号化部３１０に出力する。

第２パラメータ復号化部３１０は、第２符号化部１３０から出力された第２符号化情報Ｓ１４に対し、第１パラメータ復号化部１２０と同様のパラメータ復号化を施す。具体的には、第２パラメータ復号化部３１０は、第２符号化情報Ｓ１４を多重化分離して、第２量子化ＬＳＰ符号（Ｌ２）、第２適応音源ラグ符号（Ａ２）、第２量子化音源利得符号（Ｇ２）、および第２固定音源ベクトル符号（Ｆ２）を求め、得られた各符号から第２パラメータ群Ｓ２１を求める。この第２パラメータ群Ｓ２１は、第３符号化部３２０に出力される。

第３符号化部３２０は、音声符号化装置３００の入力信号Ｓ１１と、第１パラメータ復号化部１２０から出力された第１パラメータ群Ｓ１３と、第２パラメータ復号化部３１０から出力された第２パラメータ群Ｓ２１と、を用いて第３符号化処理を施すことにより第３パラメータ群を求め、この第３パラメータ群を表す符号化情報（第３符号化情報）Ｓ２２を多重化部１５４に出力する。なお、この第３パラメータ群は、第１および第２パラメータ群にそれぞれ対応して、第３量子化ＬＳＰ、第３適応音源ラグ、第３固定音源ベクトル、第３量子化適応音源利得、および第３量子化固定音源利得からなる。

多重化部１５４には、第１符号化部１１５から第１符号化情報が入力され、第２符号化部１３０から第２符号化情報が入力され、第３符号化部３２０から第３符号化情報が入力される。多重化部１５４は、音声符号化装置３００に入力されたモード情報に応じて、各符号化情報とモード情報とを多重化して、多重化した符号化情報（多重化情報）を生成する。例えば、モード情報が「０」である場合、多重化部１５４は、第１符号化情報とモード情報とを多重化し、モード情報が「１」である場合、多重化部１５４は、第１符号化情報と第２符号化情報とモード情報とを多重化し、また、モード情報が「２」である場合、多重化部１５４は、第１符号化情報と第２符号化情報と第３符号化情報とモード情報とを多重化する。次に、多重化部１５４は、多重化後の多重化情報を、伝送路Ｎを介して音声復号化装置３５０に出力する。

次に、音声復号化装置３５０について説明する。この音声復号化装置３５０は、実施の形態１に示した音声復号化装置１５０の構成に加え、第３復号化部３６０をさらに備える。

多重化分離部１５５は、音声符号化装置３００から多重化して出力されたモード情報と符号化情報とを多重分離化し、モード情報が「０」、「１」、「２」である場合、第１符号化情報Ｓ１２を第１復号化部１６０に出力し、モード情報が「１」、「２」である場合、第２符号化情報Ｓ１４を第２復号化部１８０に出力し、また、モード情報が「２」である場合、第３符号化情報Ｓ２２を第３復号化部３６０に出力する。

第１復号化部１６０は、第１復号化の際に求められる第１パラメータ群Ｓ５１を第２復号化部１８０および第３復号化部３６０に出力する。

第２復号化部１８０は、第２復号化の際に求められる第２パラメータ群Ｓ７１を第３復号化部３６０に出力する。

第３復号化部３６０は、第１復号化部１６０から出力された第１パラメータ群Ｓ５１と第２復号化部１８０から出力された第２パラメータ群Ｓ７１とを用いて、多重化分離部１５５から出力された第３符号化情報Ｓ２２に対し第３復号化処理を施す。第３復号化部３６０は、この第３復号化処理によって生成された第３復号化信号Ｓ７２を信号制御部１９５に出力する。

信号制御部１９５は、多重化分離部１５５から出力されるモード情報に従って、第１復号化信号Ｓ５２、第２復号化信号Ｓ５３、または第３復号化信号Ｓ７２を復号化信号として出力する。具体的には、モード情報が「０」である場合、第１復号化信号Ｓ５２を出力し、モード情報が「１」である場合、第２復号化信号Ｓ５３を出力し、モード情報が「２」である場合、第３復号化信号Ｓ７２を出力する。

このように、本実施の形態によれば、３階層からなる階層的符号化において、本発明の音声符号化方法を第２レイヤおよび第３レイヤの双方において実施することができる。

なお、本実施の形態では、３階層からなる階層的符号化において、本発明に係る音声符号化方法を第２レイヤおよび第３レイヤの双方において実施する形態を示したが、本発明に係る音声符号化方法を第３レイヤにおいてのみ実施しても良い。

本発明に係る音声符号化装置および音声復号化装置は、上記の実施の形態１〜３に限定されず、種々変更して実施することが可能である。

本発明に係る音声符号化装置および音声復号化装置は、移動体通信システム等における通信端末装置または基地局装置に搭載することも可能であり、これにより上記と同様の作用効果を有する通信端末装置または基地局装置を提供することができる。

なお、ここでは、本発明をハードウェアで構成する場合を例にとって説明したが、本発明はソフトウェアで実現することも可能である。

本発明に係る音声符号化装置、音声復号化装置、およびこれらの方法は、ネットワークの状態によりパケット損失が起こる通信システム等に、または、回線容量等の通信状況に応じてビットレートを変化させる可変レート通信システムに適用できる。

実施の形態１に係る音声符号化装置および音声復号化装置の主要な構成を示すブロック図 実施の形態１に係る音声符号化装置における各パラメータの流れを示す図 実施の形態１に係る第１符号化部の内部構成を示すブロック図 実施の形態１に係るパラメータ復号化部の内部構成を示すブロック図 実施の形態１に係る第２符号化部の内部構成を示すブロック図 第２適応音源ラグを決定する処理について説明するための図 第２固定音源ベクトルを決定する処理について説明するための図 第１適応音源ラグを決定する処理について説明するための図 第１固定音源ベクトルを決定する処理について説明するための図 実施の形態１に係る第１復号化部の内部構成を示すブロック図 実施の形態１に係る第２復号化部の内部構成を示すブロック図 (ａ)実施の形態２に係る音声・楽音送信装置の構成を示すブロック図、(ｂ)実施の形態２に係る音声・楽音受信装置の構成を示すブロック図 実施の形態３に係る音声符号化装置および音声復号化装置の主要な構成を示すブロック図

符号の説明

１００ 音声符号化装置
１１５ 第１符号化部
１２０ パラメータ復号化部
１２２、１６２、１８２ ＬＳＰ復号化部
１２３、１３６、１６５、１８５ 適応音源符号帳
１２４、１３７、１６６、１８６ 量子化利得生成部
１２５、１３８、１６７、１８７ 固定音源符号帳
１３０ 第２符号化部
１３３ ＬＳＰ量子化部
１４２ 聴覚重み付け部
１４３ パラメータ決定部
１５０ 音声復号化装置
１６０ 第１復号化部
１８０ 第２復号化部
３００ 音声符号化装置
３１０ 第２パラメータ復号化部
３２０ 第３符号化部
３５０ 音声復号化装置
３６０ 第３復号化部

Claims (12)

1. 音声信号からＣＥＬＰ方式の音声符号化によって符号化情報を生成する第１の符号化手段と、
   前記符号化情報から、音声信号の生成モデルの特徴を表すパラメータを生成する生成手段と、
   前記音声信号を入力とし、前記パラメータを用いるＣＥＬＰ方式の音声符号化によって、入力される前記音声信号を符号化する第２の符号化手段と、
   を具備することを特徴とする音声符号化装置。
2. 前記パラメータは、
   量子化ＬＳＰ（Line Spectral Pairs）、適応音源ラグ、固定音源ベクトル、量子化適応音源利得、および量子化固定音源利得のいずれかを少なくとも含む、
   ことを特徴とする請求項１記載の音声符号化装置。
3. 前記第２の符号化手段は、
   前記生成手段によって生成される適応音源ラグに基づいて適応音源符号帳の探索範囲を設定する、
   ことを特徴とする請求項２記載の音声符号化装置。
4. 前記第２の符号化手段は、
   前記適応音源符号帳の探索によって求まる適応音源ラグと前記生成手段によって生成される適応音源ラグとの差を符号化する、
   ことを特徴とする請求項３記載の音声符号化装置。
5. 前記第２の符号化手段は、
   固定音源符号帳から生成される固定音源ベクトルに、前記生成手段によって生成される固定音源ベクトルを加算し、加算によって得られる固定音源ベクトルを符号化する、
   ことを特徴とする請求項２記載の音声符号化装置。
6. 前記第２の符号化手段は、
   前記固定音源符号帳から生成される固定音源ベクトルよりも前記生成手段によって生成される固定音源ベクトルに比重を掛けて前記加算を行う、
   ことを特徴とする請求項５記載の音声符号化装置。
7. 前記第２の符号化手段は、
   前記音声信号の線形予測分析で得られるＬＳＰと前記生成手段によって生成される量子化ＬＳＰとの差を符号化する、
   ことを特徴とする請求項２記載の音声符号化装置。
8. 前記音声信号のモード情報に従い、前記第１および第２の符号化手段によって生成される符号化情報の一方または双方を前記モード情報と多重化して出力する多重化手段、
   をさらに具備することを特徴とする請求項１記載の音声符号化装置。
9. 請求項１記載の音声符号化装置に対応する音声復号化装置であって、
   前記第１の符号化手段によって生成される符号化情報を復号化する第１の復号化手段と、
   前記第１の復号化手段の復号化処理において生成される、音声信号の生成モデルの特徴を表すパラメータを用いて、前記第２の符号化手段によって生成される符号化情報を復号化する第２の復号化手段と、
   を具備することを特徴とする音声復号化装置。
10. 請求項８記載の音声符号化装置に対応する音声復号化装置であって、
    前記第１の符号化手段によって生成される符号化情報を復号化する第１の復号化手段と、
    前記第１の復号化手段の復号化処理において生成される、音声信号の生成モデルの特徴を表すパラメータを用いて、前記第２の符号化手段によって生成される符号化情報を復号化する第２の復号化手段と、
    前記モード情報に従い、前記第１または第２の復号化手段のいずれかで復号化された信号を出力する出力手段と、
    を具備することを特徴とする音声復号化装置。
11. ＣＥＬＰ方式の音声符号化によって音声信号から符号化情報を生成する第１の符号化ステップと、
    前記符号化情報から、音声信号の生成モデルの特徴を表すパラメータを生成する生成ステップと、
    前記パラメータを用いるＣＥＬＰ方式の音声符号化によって、前記音声信号を符号化する第２の符号化ステップと、
    を具備することを特徴とする音声符号化方法。
12. 請求項１１記載の音声符号化方法に対応する音声復号化方法であって、
    前記第１の符号化ステップで生成される符号化情報を復号化する第１の復号化ステップと、
    前記第１の復号化ステップにおいて生成される、音声信号の生成モデルの特徴を表すパラメータを用いて、前記第２の符号化ステップで生成される符号化情報を復号化する第２の復号化ステップと、
    を具備することを特徴とする音声復号化方法。

Images