JPH02501166A - スピーチコーディング - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるため要約のデータは記録されません。

Description

【発明の詳細な説明】 スピーチコーディング スピーチコーディングの通常の技術は入力スピーチ信号がコーグで時間間隔に分 割されるいわゆるＬＰＧコーディングであり、各間隔はその間隔中の信号の周波 数スペクトルを示す応答を有する合成フィルタのパラメータを決定するために解 析される。パラメータは、それらが適切な励起信号を供給されたときにもとの入 力に類似した合成スピーチ出力を発生する合成フィルタのパラメータを周期的に 更新するデコーダに伝送される。

コーグはまた明らかに使用される励起の性質に関する情報をデコーダに伝送する 。多数の選択がこのために提されており、これは２つの主なカテゴリーの何れか に属するものである。すなわち（ｉ）入力信号が、量子化され励起として使用さ れるために（フィルタ処理の後で）送られることができる、もしくは例えばデコ ーダ中の励起発生器に伝送するために音声およびピッチパラメータを得るように 分析されてもよい残留信号を生成するために合成フィルタの逆であるフィルタを 通過される残留励起直線予測コード化（ＣＥＬＰ）　、または（ｉ　ｉ）得られ た出力と入力スピーチの間の差が合成フィルタを通過されたときに最小であるよ うに、励起が得られる合成方法による分析である。このカテゴリーには２つの異 なる方法がある。１つは、多数のスピーチサンプルに対応した時間フレームが振 幅および位置がコード化される小さい限定された数の励起パルスを含むマルチパ ルス励起（ＭＰ−ＬＰＧ）である。別の方法は確率的コード化またはコード励起 線形予測（ＣＥＬＰ）である。コーグおよびデコーダは、それぞれ励起の標準フ レームの蓄積されたリストを有する。スピーチの各フレームに対して、合成フィ ルタを通過されたときに実際のスピーチに最も近い合成スピーチを生成するコー ドブックエントリイのそのフレームが識別され、それに割当てられたコードワー ドがその蓄積リストから同一のエントリイを検索することができるデコーダに送 られる。このようなコードブックはランダムシーケンスの発生を使用して満足さ れてもよい。しかしながら、別の態様はフレームが少数のパルス（例えばフレー ムを有する３２個の可能な位置から４または５個のパルス）だけを含むいわゆる “希少ベクトル”コードブックである。ＣＥＬＰコーダコー型的に１０２４エン トリイコードブツクを有する。　′ 本発明は請求の範囲の請求項において限定されている。

本発明のある実施例が添付図面と共に例示することにより説明される。

第１図は本発明において使用される循環パルスシフトを示す。

第２図は本発明によるスピーチコーグの１悪様のブロック図である。

第３図は適切なコーグのブロック図である。

マルチパルス励起ダおよび希少ベクトルＣＥＬＰコーダは、両者の場合に使用さ れる励起がフレーム内において許容可能な位置の数よりも非常に少ない数のパル スを含むフレームに存在するという特徴を共に有することが序章から理解される であろう。

以下に説明されるコーグは、それが希少ベクトルコードブックを使用することに おいてＣＥＬＰに類似しているが、しかしながらこの希少ベクトルコードブック は通常使用されるものよりも非常に少なく、はぼ３２または６４のエントリイで ある。各エントリイはある励起とは異なる、すなわち周期シフトだけが互いに異 なる励起の組の別の要素が得られる励起を表す。第１図ａ、第１図すおよび第１ 図Ｃにおいてセットのこのような３個の要素が５つのパルスを有する３２の位置 フレームに対して示されており、第１図すはエントリイを左に循環的にシフトす ることによって第１図ａから形成され、第１図Ｃは同様に第１図ａから形成され ることができることが分かる。シフト量は二重の矢印で図面に示されている。循 環的シフトは左端からシフトされたパルスが一周して右から再度現れることを意 味する。セットを表すエントリイは最大のパルスと共に位置１に、すなわち第１ 図ｄに示されるように蓄積される。最大のパルスの大きさは、別のものがそれに よって標準化されるならば蓄積される必要はない。

コードブックエントリイの数が３２である場合、選択される励起はエントリイを 識別する５ビツトコードワードによって表されることができ、別の５ビツトが（ ３２個の可能なシフトが全て許容されるならば）蓄積された位置からシフトの番 号を提供する。

第２図はスピーチ信号ダのブロック図である。入力１で受信されるスピーチ信号 はサンプラ２によってサンプルに変換され、その後アナログデジタル変換器３に おいてデジタル形状に変換される。分析ユニット４は、それぞれ連続するグルー プのサンプルに対してスピーチのスペクトル内容に対応した応答を有する合成フ ィルタの係数を計算する。ＬＰＧ係数の導出は良く知られており、ここでは説明 しない。係数は出力マルチプレクサ５および局部合成フィルタ６に供給される。

フィルタ更新速度は典型的に２０ｍ５に１度であってもよい。

コーグはまた上記で論じられた３２個のコードブックエントリイを含むコードブ ック蓄積装置７を有する。エントリイが蓄積される方法は本発明に重要ではない が、（３２のサンプル期間フレームにおける５パルス励起に対する）各エントリ イがフレーム内の位置および第１のものの後に４つのパルスの振幅を有すると考 えられる。この情報は、蓄積装置から読出されたときに実励起フレーム、すなわ ち（もちろんその２７個はゼロである）３２個の値を生成する励起発生器８に供 給される。その出力は制御可能なシフトユニット９を介して合成フィルタ６の入 力に供給される。フィルタ出力は、（３２サンプルスピーチフレームとフィルタ された異なる励起間で多数の比較が行われることができるように）減算器１０に よってバッファ１１を介して供給された入力スピーチサンプルと比較される。

適切なシフト値を確認するために、いくつかの技術がマルチパルスコーディング から得られる。マルチパルスコーディングにおいて、パルス位置および振幅を得 る一般的な方法は反復方法によるものであり、合成スピーチと実スピーチ間のエ ラーを最小にする１つのパルスが計算され、第１のパルスと結合してエラー等を 最小にする次のパルスが発見され、以下同様に続けられる。Ｍ　Ｐ　−Ｌ　Ｐ　 Ｇパルスの統計の分析は、通常量られる第１のパルスが最大の振幅を有すること を示す。

本発明のこの実施例は、この第１のパルスの位置だけを発見するようにマルチパ ルス検索を実行することによってこれを利用する。例えばＢ、Ｓ、　Ａｔａｌお よびＪ、Ｒ，Ｒｅｍｄｅによる文献（Ａ　Ｎｅｗ　Ｍｏｄｅｌｏｆ’　ＬＰＣＥ ｘｃｉｔａｔｉｏｎｆＯｒｐｒＯｄｕｅｊｎｇＮａｔｕｒａｌ　Ｓｏｕｎｄｉｎ ｇ　５ｐｅｅｃｈａｔ　ＬｏｗＢｉｔ　ｒａｔｅｓ”　、Ｐｒｏｃ、Ｉ　ＥＥＥ 　Ｉｎｔ、　Ｃｏｎｆ、ＡＳＳＰ。

Ｐａｒｉｓ、　１９８２．６１４頁）に記載されているこれに対する任意の既知 の方法が使用されてもよい。

第２図において、この目的のための検索ユニット１２が示されている。その出力 は、発生器８によって発生された励起に与えられる循環シフトを決定するために シフタ９に供給される。これがコードブックによって許容された１０２４の励起 から効果的に励起の特定のクラス、すなわち検索ユニットによって決定された特 定の位置を占有する最大のパルスを有するものを選択する。

減算器１０の出力は蓄積装置７にアドレスを、シフトユニット９にシフト値を供 給する制御ユニット１３に供給される。制御ユニットの目的は、選択されたクラ スによって表される３２個の可能な励起のどれが最小の減算器出力（通常はフレ ームにわたる差の２束平均値）を生じるかを確認する。最後に決定されたエント リイおよびシフトはコードワードＣおよびシフト値Ｓの形態で出力マルチプレク サ５に出力される。

バッファ１１の出力で利用できるスピーチの所定のフレームに対する制御ユニッ トによるエントリイ決定は以下のように行われる。

（ｉ）蓄積装置７に連続するコードワード（コードブックアドレス）を供給し、 （ｉｔ）各コードブックエントリイに“マルチパルス″検索によって表された位 置に最大パルスを移動するようなシフトを与え、 （ｉｉｉ）どれが最低の２乗平均差を生成するかを確認するために３２個のエン トリイ全てに対して減算器１０の出力を監視し、（ｉｖ）マルチプレクサにコー ドワードおよびシフト値を出力する。

１０２４のエントリイコードブックを使用する通常のＣＥＬＰコーダーと比較す ると、励起に設けられた制限のために得られる信号対雑音比における減少は少な い（すなわち、それらは３２個の互いにシフト可能なりラスに分かれる）。しか しながら、コードブックの寸法、従って蓄積装置７に対する蓄積要求が減少する 。さらに、実行されるＺ要があるのは１０２４よりむしろ３２の試験だけである ため制御ユニット１３によって実行される計算量が著しく減少される。

°マルチパルス検索”に固有の最適な選択を考慮するために、上記の処理はまた 検索によって発見された位置の前後のいくつかの位置をシフトされた励起を含む 。これは、点線接続で示されるようにシフトユニット９に供給されたシフト値か ら適切な値を加算／減算する制御ユニットによって達成される。しかしながら、 所定の励起の時間シフト形態のフィルタされた出力は所定の励起に対するフィル タの応答の時間シフト形態であるため、これらのシフトが代りに合成フィルタ６ の後に位置された第２のシフタ１４によって実行されることができる。しかしな がら、一度うツブアラウンドが発生すると結果は正しくなくなる。この問題は、 （ａ）ラップアラウンドを引起こすシフトを実行しない、（ｂ）シフトを実行す るが、パルスをラップアラウンドではなく喪失させる（およびデコーダに通知す る）、もしくは（Ｃ）ラップアラウンドを許容するが、エラーを計算するために 訂正を実行することによって調整されてもよい。

コードブックの生成は言及されたままである。これはガウス（Ｇ　ａｕｓｓｉａ ｎ　）雑音技術によって、すでにＢ、Ｓ、　Ａｔａｌ＆　Ｍ、Ｒ，Ｓ　ｃｈｒｏ ｅｄｅｒによる文献（“Ｓ　ｃｈｏｌａｓｔｉｃ　Ｃｏｄｊｎｇｏｆ　５ｐｅｅ ｃｈ　Ｓｉｇｎａｌｓ　ａｔ　ｖｅｒｙ　ｌｏｗ　Ｂｉｔ　Ｒａｔｅｓ″　。

Ｐｒｏｃ　Ｉ　ＥＥＥ　Ｉｎｔ　Ｃｏｎｆ　ｏｎ　Ｃｏｍｍｕｎｉｃａｔｉｏｎ ｓ　、　１９８４年、　１ｅｉｏ乃至１８１３頁）において示唆されている方法 で生成される二とができる。しかしながら、別の利点はマルチパルス検索ダによ って生成された結果の統計的分析によりコードブックを生成することによって得 られる。コードブックエントリイが第１の獲得パルスと共に標準位置に蓄積され 、ユニットによって得られた位置にこのようなパルスを移動しシフトすることが できるため、これは“マルチパルス検索”によって得られた第１のパルスが最大 であるという仮定に含まれる近似値を取除（ことができる。

第２図に示されている種々の機能素子は別々に表されているが、実際にはそれら のいくつかまたは全てが同一のハードウェアによって実行されてもよい。例えば 、適切にプログラムされた市販の利用可能なデジタル信号処理（ＤＳＰ）集積回 路の１つが使用されてもよい。

“マルチパルス検索′の選択はシフトされたコードブックエントリイの内容に示 されているが、それはまた許容された励起がフレーム内の特定の位置に最大のま たは非常に目立ったパルスを有する全励起内のクラスに分割されることができる 別の状態に適用されることができる。その場合、得られたパルスの位置は適切な りラスおよびクラスが試験される必要のあ墨コードブックエントリイだけを選択 するために使用される。

第３図は、第２図の装置によってエンコードされた信号を再生するためのデコー ダを示す。

入力３０は、（ａ）合成フィルタ３２にフィルタ係数を提供し、（ｂ）コードブ ック蓄積装置３３のアドレス入力にコードワードを供給し、（ｃ）合成フィルタ ３２の入力に蓄積装置３３に接続された励起発生器３５の出力を送信するシフタ ３４にシフト値を供給するデマルチプレクサ３１に供給される。フィルタ３２か らのスピーチ出力はデジタルアナログ変換器３６を介して出力３７に供給される 。

国際調査報告 １−．１．＃ａｌ　ａ＠ｏｍ＋＋ＨＩＩｓ、　ＰＣτ／ＧＢ　８Ｂ１０ＣＴＣ＆ 　−２−国際調査報告

Claims (8)

【特許請求の範囲】
1. （１）入力スピーチ信号から合成フィルタ応答の連続した表示を限定するフィル タ情報を生成し、フィルタ情報を出力するように動作的に構成された手段と、 入力スピーチ信号およびフィルタ情報からスピーチの連続した時間フレーム期間 のための励起情報を生成するように動作的に構成された手段であって、 （ａ）それぞれ複数のパルスから成る複数の励起フレームを限定するデータを蓄 積する蓄積装置と、（ｂ）限定された応答を有するフィルタの入力に供給された ときに入力スピーチのフレームに類似した合成スピーチのフレームを生成する規 準を溝足する前記複数のフレームから１つの励起フレームを決定し、決定された １つのフレームを識別するデータを出力するために、 （ｉ）前記規準を満足する１つのパルスのフレーム内の位置を決定し、 （ｉｉ）決定された位置にしたがって、限定された励起フレームの複数のクラス の１つを選択し、（ｉｉｉ）そのクラス内のフレームのいずれが前記規準を満足 するかを決定するように構成されている決定手段とを含む手段とを具備するスピ ーチコーダ。
2. （２）前記複数の励起フレームは、各組の要素が同じ組のその他の要素の循環的 にシフトされた形態である複数の組の励起フレームを含み、前記クラスはそれぞ れ各組からの１つの要素を含む請求項１記載のスピーチコーダ。
3. （３）蓄積装置は各組の１つの要素を限定するエントリイを含み、コーダはその 組の別の要素を生成するように制御可能なシフト手段を含む請求項２記載のスピ ーチコーダ。
4. （４）各クラスは決定されたパルス部分に対応した量によってシフトされた各組 のその要素から成る請求項３記載のスピーチコーダ。
5. （５）各クラスは決定されたパルス部分に対応した量によってシフトされた各組 のその要素から成り、これらの要素はフレームの大きさに関して小さい付加的な シフトを受ける請求項３記載のスピーチコーダ。
6. （６）決定されたパルス部分に対応したシフトの畳は、決定された１つのパルス とフレーム内の回し位置に励起フレームの最大のパルスを移動するシフトである 請求項４または５記載のスピーチコーダ。
7. （７）前記複数の励起フレームは、さらに別のパルスの決定によって後続され前 記規準を満足する単一の第１のパルスのフレーム内の位置の識別を含むトレーニ ングシーケンスによって生成され、決定された位置に対応したシフトの量は決定 された１つのパルスとフレーム内の同じ位置に励起フレームの前記第１のパルス を移動するシフトである請求項４または５記載のスピーチコーダ。
8. （８）入力スピーチ信号から合成フィルタ応答の連続した表示を限定するフィル タ情報を生成し、フィルタ情報を出力するように動作的に構成された手段と、 入力スピーチ信号およびフィルタ情報からスピーチの連続した時間フレーム期間 のための励起情報を生成するように動作的に構成された手段であって、 （ａ）それぞれ複数のパルスから成る複数の励起フレームを限定するデータを蓄 積する蓄積装置と、（ｂ）限定された応答を有するフィルタの入力に供給された ときに入力スピーチのフレームに類似した合成スピーチのフレームを生成する規 準を満足する前記複数のフレームおよび循環的にシフトされたそのフレームの形 態から１つの励起フレームを決定し、その循環シフトのいずれかの場合には蓄積 エントリイおよび量を識別するデータを出力するために、（ｉ）前記規準を満足 する１つのパルスのフレーム内の位置を決定し、 （ｉｉ）決定された位置から得られた量によって循環的にシフトされたときに前 記複数のフレームのいずれが前記規準を満足するかを決定するように構成されて いる決定手段とを含む手段とを具備するスピーチコーダ。