JP5127170B2

JP5127170B2 - 復号装置およびスペクトル整形方法

Info

Publication number: JP5127170B2
Application number: JP2006188355A
Authority: JP
Inventors: 公生三関
Original assignee: Toshiba Corp
Current assignee: Toshiba Corp
Priority date: 2006-07-07
Filing date: 2006-07-07
Publication date: 2013-01-23
Anticipated expiration: 2026-07-07
Also published as: JP2008015356A

Description

この発明は、音声信号のスペクトル整形を行うスペクトル整形方法および装置に関する。

従来のＣＥＬＰベースの音声符号化方式では、復号部において、復号した音源信号を合成フィルタに入力することにより音声信号を生成し、この音声信号を適応ポストフィルタに通過させたものを出力音声信号とする。この適応ポストフィルタは、スペクトル強調部を備え、このスペクトル強調部において、合成フィルタの係数を利用したスペクトル強調フィルタで音声信号のスペクトル包絡（スペクトルの概形）を強調することによりスペクトル整形を行う（例えば、非特許文献１参照）。このようなスペクトル整形により、符号化音声の雑音感が低減するので主観品質が改善される。

一般に、理想モデルとしては音源信号のスペクトルの形状は平坦であることを想定しているが、実音声を予測分析して得られる音源信号や、符号化して得られる音源信号は、実際には理想的な平坦ではなく、通常はスペクトル包絡の形状にかなりの凹凸がある。この要因としては、予測分析については、予測分析の精度や予測の次数の不足が要因となっている。

また、符号化の影響としては、CELP系の符号化などでは、合成された音声信号の歪みが小さくなるように音源信号の符号化が行われるため、音声信号のパワーが大きい周波数帯域を表すために音源信号の符号化ビットが多く消費され、結果、その周波数帯域に音源信号のエネルギが集中する傾向が強くなることにある。

音源信号のエネルギが集中する傾向は、符号化された音源信号の周波数帯域を狭くする傾向につながる。音源信号の周波数帯域が狭くなる傾向は、即ち、その音源信号を合成フィルタで合成して得られる音声信号の周波数帯域も狭くなる傾向につながるので、結果的に、音のこもり感や狭帯域感となって音質の自然性が低下し、主観品質が低下することになる。

従来法では、合成フィルタの周波数特性の形状を利用したスペクトル強調フィルタA(z/α)/A(z/β)を用いてスペクトル強調を行うことにより、符号化後の音源信号の周波数帯域が狭くなることについて何ら考慮をしていない。このため、符号化の結果により音源信号の周波数帯域が狭くなっている符号化区間では、この音源信号から生成された音声信号に対してスペクトル強調を行うと、他の符号化区間よりも、音声信号にこもり感や狭帯域感の程度を増加させることになる。

このように、音源信号の周波数帯域が狭くなる程度は、符号化区間毎の音声信号の特性や、符号化の結果の影響を受けて不規則なものとなり、スペクトル強調を行って得られる音声信号に付与されるこもり感や狭帯域感も不規則に現れる傾向にある。このことも主観品質を劣化させる要因となっている。

このように、従来のポストフィルタを用いたスペクトル整形では、音声信号を合成するための合成フィルタの係数を利用して、音声信号のスペクトル包絡を強調するが、このスペクトル強調により符号化音声の雑音感はある程度まで低減できるももの、副作用として、スペクトル強調された音声信号にこもり感や狭帯域感が付与されやすく、より高品質なスペクトル整形が難しいという問題があった。
P.Kroon and E.F.Deprettere, "A Class of Analysis - by - Synthesis Predictive Coders for High Quality Speech Coding at Rates Between4.8 and 16kbits/s", IEEE SAC - G. February, 1988. pp. 353〜363

従来のポストフィルタを用いたスペクトル整形では、合成フィルタの係数を利用したスペクトル強調フィルタで音声信号のスペクトル包絡を強調することによりスペクトル強調により符号化音声の雑音感はある程度まで低減できるももの、副作用として、こもり感や狭帯域感が付与されやすくなり、より高品質なスペクトル整形が難しいという問題があった。

この発明は上記の問題を解決すべくなされたもので、音のこもり感や狭帯域感を低減して、従来よりも安定的に主観品質を改善するための、高品質なスペクトル整形が容易な復号装置およびスペクトル整形方法を提供することを目的とする。

上記の目的を達成するために、この発明の復号装置は、符号化データを復号して合成前の第１の音源信号を生成する音源生成手段と、合成前の第１の音源信号のスペクトル包絡を平坦化することにより第２の音源信号を生成するスペクトル平坦化手段と、第２の音源信号に基づいて音声信号を合成する合成手段とを具備する。

この発明によれば、音のこもり感や狭帯域感を低減して、従来よりも安定的に主観品質を改善するための、高品質なスペクトル整形が容易な復号装置およびスペクトル整形方法を提供できる。

以下、図面を参照して、この発明の一実施形態について説明する。
図１は、この発明の一実施形態に係わる復号装置の構成を示すものである。復号装置は、合成フィルタ係数生成部１０と、音源生成部２０と、音源分析部３０と、音源スペクトル平坦化部４０と、合成フィルタ部５０と、ポストフィルタ部６０とを備えている。

合成フィルタ係数生成部１０は、合成フィルタ用の符号化データから、後述する合成フィルタ部５０およびポストフィルタ部６０で用いる合成フィルタ係数を生成し、これを合成フィルタ部５０およびポストフィルタ部６０に出力する。
音源生成部２０は、音源信号用の符号化データを復号して音源信号を生成し、これを合成フィルタ部５０および音源分析部３０に出力する。

音源分析部３０は、音源生成部２０にて生成された音源信号を分析し、この音源信号のスペクトル包絡を平坦化するための平坦化パラメータを求め、これを音源スペクトル平坦化部４０に出力する。その一例としては、上記音源信号をＬＰＣ分析して、上記音源信号についての短期予測係数を求め、これを上記平坦化パラメータとして出力する。

音源スペクトル平坦化部４０は、音源分析部３０にて求めた平坦化パラメータを用いて、音源生成部２０から与えられる音源信号のスペクトル包絡の過度な傾きや凹凸を平坦化するようにスペクトル整形する。

ここで、音源分析部３０と音源スペクトル平坦化部４０の具体的な構成について図２を用いて説明する。
図２にあるように、音源分析部３０は、自己相関算出部３０１と、予測係数算出部３０２とを備えている。自己相関算出部３０１は、音源信号ｅ（ｎ）の自己相関Ｒｅｅ（k）を下式（１）にしたがって求める。

予測係数算出部３０２は、自己相関算出部３０１で求められた自己相関Ｒｅｅ（k）を用いて、例えば、下式（２）の正規方程式を解くことにより平坦化パラメータ（短期予測係数）ｄi（i=1,…,q）を求める。下式（２）の正規方程式を解くための具体的なアルゴリズムとしては、例えば、Levinson-Durbin法が知られている。

一方、音源スペクトル平坦化部４０は、重み付き予測フィルタ４０１と、ゲイン調整部４０２とを備えている。
なお、平坦化に関しては、音源信号のスペクトル包絡の凹凸を完全に平坦化するのではなく、弱い平坦化を行うようにすることで音質改善の効果が現れる。このような、弱い平坦化処理を実現する方法として、本実施例では、以下に述べるような、重み付き予測フィルタを用いる方法について説明する。重み付き予測フィルタの重み係数を適切な値に設定することによって平坦化の程度が弱くなるなるように制御することができる。

重み付き予測フィルタ４０１は、音源分析部３０にて求めた平坦化パラメータが設定され、これにより音源生成部２０から与えられる音源信号のスペクトル包絡を平坦化する重み付きの予測フィルタとして機能する。重み付き予測フィルタとしては種々の構成が考えられるが、ここでは一例として、下式（３）、（４）で示すＤｗ（ｚ）を用いることにする。ここで、λ1，λ2は重み係数を表す。

この例では、Ｄｗ（ｚ）が重み付き予測フィルタとして機能するためには、λ2＜λ1、かつ、0≦λ2≦１の関係になるように重み係数λ1とλ2を設定すればよい。λ1を１以下に設定する場合は、Ｄｗ（ｚ）が重み付き予測フィルタとして機能するためには0≦λ2＜λ1≦１の関係になるように重み係数λ1とλ2を設定すればよい。こうすることにより、Ｄｗ（ｚ）の分子側の予測フィルタの特性を分母側の予測フィルタの特性が弱めるので、重み付き予測フィルタＤｗ（ｚ）が“弱い”予測フィルタとして機能するようになる。この“弱い”予測フィルタで音源信号をフィルタリングすることにより、スペクトルが“弱く”平坦化された音源信号を生成することができる。

この場合、具体的な処理の例は、下式（５）のようになる。下式（５）のｅ（ｎ）は平坦化される前の音源信号を表し、ｅ‘（ｎ）は平坦化された音源信号を表している。

上記の重み付き予測フィルタの構成は極零型となるが、これに限られるものではない。例えば、重み付き予測フィルタとして、下式（６）に示すような全零型の構成でも有効である。この場合、具体的な処理の例は、下式（７）のようになる。

このとき、β（ｉ）として減少する指数窓（即ち、β（ｉ）＝λ_１ ^ｉ）を用いれば、式（３）でλ_２＝０とすることと等価となる。さらに、β（ｉ）として指数窓と異なる減少窓を用いることで、より自由度の高い平坦化を行うことが可能となる。

このように、“弱い”予測フィルタとして機能するような重み付き予測フィルタには種々の構成が考えられるが、どのような構成を用いたとしても、本発明に含まれることは言うまでもない。

また、音源信号のスペクトル形状を平坦化する特性を付与する対象は、音源信号に対してだけに限定されるものではない。すなわち、音源信号のスペクトル形状を平坦化する特性を音声信号のレベルの信号に付与することも可能である。このように、音源信号のスペクトル形状を平坦化する特性を付与するための対象は音源信号のレベルの信号でも音声信号のレベルの信号でも構わない。また、音源信号のスペクトル形状を平坦化する特性を付与する対象は、時間領域の信号でも周波数領域の信号でもよく、同様の効果が得られる。

その骨子とするところは、音源信号のスペクトル形状を平坦化する特性が、結果として最終的に出力される音声信号に反映されるような構成であればよいので、実現方法や構成の違いに依らず、本発明に含まれる。

ゲイン調整部４０２は、音源生成部２０から与えられる音源信号に基づいて、重み付き予測フィルタ４０１から出力される、スペクトル包絡が平坦化された音源信号のゲインを調整して出力する。

図１に戻ると、合成フィルタ部５０は、合成フィルタ係数生成部１０で生成した合成フィルタ係数を用いて、音源スペクトル平坦化部４０（ゲイン調整部４０２）から出力される音源信号に基づいて、音声信号を合成し、これをポストフィルタ部６０に出力する。

ポストフィルタ部６０は、合成フィルタ係数生成部１０で合成した合成フィルタ係数を用いて、合成フィルタ部５０から与えられる音声信号に対して、スペクトル包絡を強調して、上記音声信号のスペクトルを整形する。これにより出力音声信号が得られる。

以上のように、上記構成の復号装置は、音源分析部３０が、音源生成部２０にて生成された音源信号に基づいて、この音源信号のスペクトルを平坦化するための平坦化パラメータを求め、音源スペクトル平坦化部４０が、上記平坦化パラメータを用いて、音源生成部２０から与えられる音源信号に対応するスペクトル包絡の過度な傾きや凹凸を平坦化するようにスペクトル整形するようにしている。

したがって、上記構成の復号装置によれば、音源信号の凹凸が平坦化されているので、合成フィルタ部５０の特性が持つスペクトル包絡の形状をポストフィルタ部６０で強調しても、合成フィルタのスペクトル包絡を強調したスペクトルの凹凸と音源信号のスペクトルの凹凸とが重なることで生じる過度なスペクトル強調を防止することができ、これにより過度なスペクトル強調に起因する音のこもり感や不安定感が低減されるので、主観的な品質が改善できる。

図５は、音源生成部２０の内部の構成の一例をより詳細に表したものである。
音源生成部２０は、音源信号用の符号化データを復号して音源信号を生成し、これを合成フィルタ部５０および音源分析部３０に出力する。この例では、音源生成部２０は、Ｇ．７２９やＡＭＲ方式と同様の構成であり、適応コードブック（適応ＣＢ）２２、固定コードブック（固定ＣＢ）２４、ゲインコードブック（ゲインＣＢ）２６、結合部２８から構成されている。

適応ＣＢ２２は、音源信号用の符号化データのうち、適応ＣＢ用の符号を基に、適応ＣＢから適応コードブックベクトルｅ１（ｎ）を生成する。固定ＣＢ２４は、音源信号用の符号化データのうち、固定ＣＢ用の符号を基に固定ＣＢから固定コードブックベクトルｅ２（ｎ）を生成する。

ゲインＣＢ２６は、音源信号用の符号化データのうち、ゲインＣＢ用の符号を基に、ゲインＣＢから適応コードブックベクトル用のゲインｇ１と固定コードブックベクトル用のゲインｇ２を生成する。

結合部２８は適応コードブックベクトル用のゲインを乗じた適応コードブックベクトルと、固定コードブックベクトル用のゲインを乗じた固定コードブックベクトルとを結合させることにより、音源信号を生成し、これを合成フィルタ部５０および音源分析部３０に出力する。結合の方法の一例は、ｅ（ｎ）＝ｇ１×ｅ１（ｎ）＋ｇ２×ｅ２（ｎ）とすることである。また、次の符号化に備えてこの音源信号を適応コードブックに格納する。

図５に示すような音源生成部２０を図１に用いたものが図６である。ここでは図１と同様の箇所については、説明を省略する。図６に示すように、合成フィルタ処理される前の音源信号は適応コードブックと固定コードブックの両方の寄与から生成されている。このような合成フィルタ処理される前の音源信号を対象に、この音源信号のスペクトル包絡を平坦化するための平坦化パラメータを求めることで、合成前の音源信号のスペクトル包絡を安定的に平坦化することが可能となる効果がある。

この場合も、平坦化に関しては、音源信号のスペクトル包絡の凹凸を完全に平坦化するのではなく、弱い平坦化を行うようにすることで音質改善の効果が現れる。適応コードブックには、次の符号化に備えて音源信号を適応コードブックに格納する必要がある。その際、適応コードブックを符号化側と復号側で同じ内容にするために、復号側でも符号化側と同じ音源信号を格納する必要がある。

図６は、符号化側で平坦化する前の音源信号を適応コードブックに格納する場合に対応しており、平坦化する前の音源信号を適応コードブックに格納している。もし、符号化側で平坦化後の音源信号を適応コードブックに格納する場合は、図７に点線で示すように、復号側でも平坦化後の音源信号を適応コードブックに格納する必要がある。

なお、上記実施の形態では、合成フィルタ部５０の前段に音源スペクトル平坦化部４０を設けて音源信号を平坦化するようにしたが、これに代わって例えば、図３に示すように、音源スペクトル平坦化部４０を合成フィルタ部５０とポストフィルタ部６０との間に設けるようにしても同様の効果が得られる。

さらには、図４に示すように、音源スペクトル平坦化部４０を、ポストフィルタ部６０内に設けるようにしてもよい。図４の例では、音源スペクトル平坦化部４０がポストフィルタ部６０内のスペクトル強調部６０１の後段に設けられている。

この場合、ポストフィルタ部６０内では、スペクトル強調部６０１が、合成フィルタ係数生成部１０で生成した合成フィルタ係数を用いて、合成フィルタ部５０から与えられる音声信号に対して、スペクトル包絡を強調して、上記音声信号のスペクトルを整形する。

そして、音源スペクトル平坦化部４０が、音源分析部３０にて求めた平坦化パラメータを用いて、スペクトル強調部６０１から与えられる音声信号に対し、前述した、重み付き予測フィルタを用いることにより、平坦化処理が行われる。この重み付き予測フィルタの特性は音源分析部３０にて求めた平坦化パラメータを用いているため、音声信号を重み付き予測フィルタに通過させることにより、音声信号を構成する音源信号のスペクトル包絡についての過度な傾きや凹凸が平坦化された音声信号を生成することができる。

傾き補償フィルタ６０２は、スペクトル強調部６０１の処理により付与されたスペクトルの傾きを補償する役割を持つ。この実施形態では、傾き補償フィルタ６０２が、音源スペクトル平坦化部４０から与えられる音声信号に対し、スペクトル強調部６０１で使用されたスペクトル強調フィルタの係数から傾き補償特性を求めて、この傾きを補償する。

ゲイン調整部６０３は、傾き補償フィルタ６０２からの音声信号について、合成フィルタ部５０から与えられる音声信号と同程度のエネルギになるように、ゲインを調整したものを出力音声信号として出力する。

このような構成であっても、合成フィルタのスペクトル包絡を強調したスペクトルの凹凸と音源信号のスペクトルの凹凸とが重なることで生じる過度なスペクトル強調を防止することができ、これにより過度なスペクトル強調に起因する音のこもり感や不安定感が低減されるので、主観的な品質が改善できる。

図４の例では、音源スペクトル平坦化部４０がポストフィルタ部６０内のスペクトル強調部６０１の後段に設けられているが、音源スペクトル平坦化部を設ける位置はこれに限られるものではない。ポストフィルタ自体も様々な構成が可能であるが、そのような場合でも、音源スペクトル平坦化部に相当する処理は、ポストフィルタ部の中の他にある処理の前段に配置しても、後段に配置しても、同じ機能を提供することができるため、ポストフィルタ部の中に音源スペクトル平坦化部を設ける場合、どの位置に配置する場合でも、本発明の一例に含まれることは明白である。

なお、この発明は上記実施形態そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化できる。また上記実施形態に開示されている複数の構成要素を適宜組み合わせることによって種々の発明を形成できる。また例えば、実施形態に示される全構成要素からいくつかの構成要素を削除した構成も考えられる。さらに、異なる実施形態に記載した構成要素を適宜組み合わせてもよい。

この発明に係わる復号装置の一実施形態の構成を示す回路ブロック図。図１に示した復号装置の音源分析部および音源スペクトル平坦化部の構成を示す回路ブロック図。この発明に係わる復号装置の他の構成例を示す回路ブロック図。この発明に係わる復号装置の他の構成例を示す回路ブロック図。図１に示した復号装置の音源生成部の構成を示す回路ブロック図。図５に示した音源生成部を図１に示した復号装置に適用した構成を示す回路ブロック図。図５に示した音源生成部を図１に示した復号装置に適用した構成を示す回路ブロック図。

符号の説明

１０…合成フィルタ係数生成部、２０…音源生成部、２２…適応コードブック（適応ＣＢ）、２４…固定コードブック（固定ＣＢ）、２６…ゲインコードブック（ゲインＣＢ）、２８…結合部、３０…音源分析部、４０…音源スペクトル平坦化部、５０…合成フィルタ部、６０…ポストフィルタ部、３０１…自己相関算出部、３０２…予測係数算出部、４０１…予測フィルタ、４０２…ゲイン調整部、６０１…スペクトル強調部、６０２…補償フィルタ、６０３…ゲイン調整部。

Claims

符号化データを復号して合成前の第１の音源信号を生成する音源生成手段と、
合成前の第１の音源信号のスペクトル包絡を平坦化することにより第２の音源信号を生成するスペクトル平坦化手段と、
第２の音源信号に基づいて音声信号を合成する合成手段とを具備することを特徴とする復号装置。
符号化データを復号して合成前の第１の音源信号を生成する音源生成手段と、
合成前の第１の音源信号のスペクトル包絡を平坦化することにより第２の音源信号を生成するスペクトル平坦化手段と、
第２の音源信号に基づいて音声信号を合成する合成手段と、
合成手段で合成した音声信号に対してスペクトル整形を行うポスト処理手段とを具備することを特徴とする復号装置。
前記音源生成手段は、前記符号化データに含まれる適応コードブック用の符号に基づき生成される適応コードブックベクトルおよび前記符号化データに含まれる固定コードブック用の符号に基づき生成される固定コードブックベクトルに、前記符号化データに含まれるゲインコードブック用の符号に基づき生成される第１および第２のゲインをそれぞれ乗じ、前記第１のゲインを乗じた適応コードブックベクトルと、前記第２のゲインを乗じた固定コードブックベクトルとを結合することによって、前記第１の音源信号を生成する請求項１または２記載の復号装置。
符号化データを復号して合成前の第１の音源信号を生成する音源生成ステップと、
合成前の第１の音源信号のスペクトル包絡を平坦化することにより第２の音源信号を生成するスペクトル平坦化ステップと、
第２の音源信号に基づいて音声信号を合成する合成ステップとを具備することを特徴とするスペクトル整形方法。
符号化データを復号して合成前の第１の音源信号を生成する音源生成ステップと、
合成前の第１の音源信号のスペクトル包絡を平坦化することにより第２の音源信号を生成するスペクトル平坦化ステップと、
第２の音源信号に基づいて音声信号を合成する合成ステップと、
合成ステップで合成した音声信号に対してスペクトル整形を行うポスト処理ステップとを具備することを特徴とするスペクトル整形方法。
前記音源生成ステップは、前記符号化データに含まれる適応コードブック用の符号に基づき生成される適応コードブックベクトルおよび前記符号化データに含まれる固定コードブック用の符号に基づき生成される固定コードブックベクトルに、前記符号化データに含まれるゲインコードブック用の符号に基づき生成される第１および第２のゲインをそれぞれ乗じ、前記第１のゲインを乗じた適応コードブックベクトルと、前記第２のゲインを乗じた固定コードブックベクトルとを結合することによって、前記第１の音源信号を生成する請求項４または５記載のスペクトル整形方法。