JPH10214100A - 音声合成方法 - Google Patents

Abstract

(57)【要約】 【課題】 サイン波合成の際の位相初期化により合成音
が不自然となることを防止する。 【解決手段】 サイン波合成回路２１５にてサイン波合
成を行う際に、位相初期化回路２１９は、端子２０５か
らのＶ（有声音）／ＵＶ（無声音）情報に基づいて、Ｕ
Ｖフレームが２フレーム以上連続するときに、フレーム
の終端で、奇数番目のハーモニクスと偶数番目のハーモ
ニクスとで異なる初期値により位相初期化を行う。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、いわゆるＭＢＥ
（Multiband Excitation：マルチバンド励起）符号化方
式やハーモニック符号化方式等のようなサイン波合成符
号化あるいはＬＰＣ（線形予測符号化）残差に対しそれ
らのサイン波合成符号化を施すようなサイン波合成を用
いる音声合成方法に関する。

【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、ハ
ーモニック（Harmonic）符号化、ＭＢＥ（Multiband Ex
citation: マルチバンド励起）符号化等のサイン波分析
符号化や、ＳＢＣ（Sub-band Coding:帯域分割符号
化）、ＬＰＣ（Linear Predictive Coding: 線形予測符
号化）、あるいはＤＣＴ（離散コサイン変換）、ＭＤＣ
Ｔ（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】これらの音声符号化方法の内、上記ＭＢＥ
符号化やハーモニック符号化等のように音声合成時にサ
イン波合成を用いるものにおいては、エンコーダ側で符
号化されて送信されてきたデータ、例えばハーモニクス
（音声の基本波及びその高調波）の振幅及び位相データ
に基づいて、振幅及び位相の補間を行い、それらの補間
されたパラメータに従って、時々刻々周波数と振幅の変
化してゆくハーモニクス１本分の時間波形を算出し、そ
の時間波形をハーモニクスの本数分だけ足し合わせて合
成波形を得ている。

【０００５】しかしながら、伝送ビットレートをさらに
低減するために、上記位相データを伝送しない例も多
く、この場合には、サイン波合成のための位相情報は、
フレーム境界において連続性が保たれるように予測され
た値を用いている。この予測は毎フレーム行われ、有声
音フレームから無声音フレームへの遷移、あるいは無声
音フレームから有声音フレームへの遷移においても絶え
間なく行われるようになっている。

【０００６】

【発明が解決しようとする課題】ところで、上記位相予
測は、全てのフレームにおいて行われ、有声音→無声
音、無声音→有声音、のようなトランジェント部におい
ても行われる。しかしながら、無声音フレームにおいて
は、有意なピッチが存在せず、場合によってはピッチデ
ータの伝送も行われない。このため、上記位相予測を続
けると位相の値に狂いが生じ、本来期待されていた零位
相加算又はπ／２位相加算から徐々にはずれてゆく現象
が生じ、合成音が歪み感を伴った不自然なものとなり、
音質劣化を引き起こすことになる。

【０００７】そのため、無声音→有声音のようなトラン
ジェント部で位相の初期化を行うことが望ましいが、こ
のときの初期値として全てのハーモニクス（基本波及び
高調波）に同一の適当な定数を与えてしまうと、位相が
そろってしまうことにより、やはり合成音が不自然にな
るという問題がある。

【０００８】本発明は、このような実情に鑑みてなされ
たものであり、サイン波合成等により音声合成処理を行
う際の位相の狂いによる悪影響を未然に防止できるよう
な音声合成方法の提供を目的とする。

【０００９】

【課題を解決するための手段】本発明に係る音声合成方
法は、上述した課題を解決するために、音声信号に基づ
く入力信号を時間軸上でフレーム単位で区分し、区分さ
れた各フレーム毎にピッチを求めると共に有声音又は無
声音のいずれかを判別し、求められたピッチのハーモニ
クスを用いて有声音を合成する音声合成方法において、
上記無声音と判別されたフレームから上記有声音と判別
されたフレームへ遷移するとき、上記ハーモニクスの位
相を初期化し、奇数番目のハーモニクスと偶数番目のハ
ーモニクスとで異なる初期値を与えることを特徴として
いる。ここで、上記無声音と判別されたフレームが２フ
レーム以上連続したときに、上記奇数番目のハーモニク
スの位相の初期値として、偶数番目の初期値にπ／ｎ
（ｎは０以外の整数）を加えた値を用いて位相初期化を
行うことが好ましい。ここで、ハーモニクスとは、音声
信号の基本波及びその高調波を意味する。

【００１０】また、本発明に係る音声合成方法は、音声
信号に基づく入力信号を時間軸上でフレーム単位で区分
し、区分された各フレーム毎にピッチを求めると共に有
声音又は無声音のいずれかを判別し、求められたピッチ
のハーモニクスを用いて有声音を合成する音声合成方法
において、上記無声音と判別されたフレームが２フレー
ム以上連続した後に上記有声音と判別されたフレームへ
遷移するとき、上記ハーモニクスの位相を、乱数により
初期化することを特徴としている。

【００１１】このように、位相初期化の際に全てのハー
モニクスの位相を揃えることが回避されることにより、
合成音が不自然になることを防止できる。

【００１２】

【発明の実施の形態】以下、本発明に係る好ましい実施
の形態について説明する。本発明に係る音声合成方法
は、例えばマルチバンド励起（Multiband Excitation:
ＭＢＥ）符号化、サイン波変換符号化（Sinusoidal Tra
nsform Coding:ＳＴＣ）、ハーモニック符号化（Harmon
ic coding ）等のサイン波合成符号化、又はＬＰＣ（Li
near Predictive Coding）残差に上記サイン波合成符号
化を用いたもので、符号化の単位となるフレーム毎に有
声音（Ｖ）／無声音（ＵＶ）の判別を行い、ＵＶのフレ
ームからＶのフレームに遷移する時点で、サイン波合成
の位相を例えば０あるいはπ／２等の所定値に初期化す
るものである。ここで、上記ＭＢＥ符号化においては、
フレーム内の複数に分割された各バンド毎に上記Ｖ／Ｕ
Ｖ判別を行っており、全バンドがＵＶとされるフレーム
から少なくとも１つのバンドがＶとされるフレームへの
遷移時に、位相を初期化している。

【００１３】この場合、ＵＶフレームからＶフレームへ
の遷移を検出しなくとも、ＵＶフレームでは常に位相の
初期化を行わせればよい。ただし、ピッチ検出ミス等に
よりＶとなるべきフレームがＵＶと判別されることがま
れにあることを考慮して、ＵＶフレームが例えば２フレ
ーム連続したとき、あるいは３フレーム以上の所定のフ
レーム数だけ連続したときに、位相の初期化を行わせる
ことが好ましい。

【００１４】位相初期化の際には、ハーモニクス（基本
波及び高調波）の奇数番目と偶数番目とで異なる初期位
相値を用いることが好ましく、例えば、奇数番目のハー
モニクスの初期値として、偶数番目の初期値にπ／ｎ
（ｎは非０の整数）を加えた値を用いればよい。

【００１５】あるいは、位相初期化の際に、各ハーモニ
クスの初期位相を乱数により初期化することが挙げら
れ、この場合のｍ番目のハーモニクスの初期位相θ
_m(Ｌ) を、正の乱数を生成する関数をrandom()、この関
数random()の最大値をRAND_MAXとするとき、 θ_m(Ｌ) ＝ επ（（random()／RAND_MAX）−ａ） ただし、ε、ａは定数 により求めることが挙げられる。

【００１６】これは、特に、ＵＶフレームのときに、ピ
ッチ情報を送る代わりに他の情報を送るようなシステム
の場合に、連続的な位相予測が困難であることから、上
述のようにＵＶフレームで位相の初期化を行う効果が大
きく、位相がはずれてゆくことによる音質劣化を未然に
防止できる。

【００１７】以下、本発明に係る音声合成方法の実施の
形態の具体例の説明に先立ち、符号化側（エンコーダ
側）の音声符号化装置の具体例について説明する。

【００１８】先ず、図１は、サイン波分析符号化を行う
ような音声符号化装置の具体例の概略構成を示してい
る。

【００１９】ここで、図１の音声信号符号化装置の基本
的な考え方は、入力音声信号の短期予測残差例えばＬＰ
Ｃ（線形予測符号化）残差を求めてサイン波分析（sinu
soidal analysis ）符号化、例えばハーモニックコーデ
ィング（harmonic coding ）を行う第１の符号化部１１
０と、入力音声信号に対して位相再現性のある波形符号
化により符号化する第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：Unvo
iced）の部分の符号化には第２の符号化部１２０を用い
るようにすることである。

【００２０】上記第１の符号化部１１０には、例えばＬ
ＰＣ残差をハーモニック符号化やマルチバンド励起（Ｍ
ＢＥ）符号化のようなサイン波分析符号化を行う構成が
用いられる。上記第２の符号化部１２０には、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）符号化の構成が用いられる。

【００２１】図１の例では、入力端子１０１に供給され
た音声信号が、第１の符号化部１１０のＬＰＣ逆フィル
タ１１１及びＬＰＣ分析・量子化部１１３に送られてい
る。ＬＰＣ分析・量子化部１１３から得られたＬＰＣ係
数あるいはいわゆるαパラメータは、ＬＰＣ逆フィルタ
１１１に送られて、このＬＰＣ逆フィルタ１１１により
入力音声信号の線形予測残差（ＬＰＣ残差）が取り出さ
れる。また、ＬＰＣ分析・量子化部１１３からは、後述
するようにＬＳＰ（線スペクトル対）の量子化出力が取
り出され、これが出力端子１０２に送られる。ＬＰＣ逆
フィルタ１１１からのＬＰＣ残差は、サイン波分析符号
化部１１４に送られる。サイン波分析符号化部１１４で
は、ピッチ検出やスペクトルエンベロープ振幅計算が行
われると共に、Ｖ（有声音）／ＵＶ（無声音）判定部１
１５によりＶ／ＵＶの判定が行われる。サイン波分析符
号化部１１４からのスペクトルエンベロープ振幅データ
がベクトル量子化部１１６に送られる。スペクトルエン
ベロープのベクトル量子化出力としてのベクトル量子化
部１１６からのコードブックインデクスは、スイッチ１
１７を介して出力端子１０３に送られ、サイン波分析符
号化部１１４からの出力は、スイッチ１１８を介して出
力端子１０４に送られる。また、Ｖ／ＵＶ判定部１１５
からのＶ／ＵＶ判定出力は、出力端子１０５に送られる
と共に、スイッチ１１７、１１８の制御信号として送ら
れており、上述した有声音（Ｖ）のとき上記インデクス
及びピッチが選択されて各出力端子１０３及び１０４か
らそれぞれ取り出される。

【００２２】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）のときオンとなるスイッチ１２７を介
して、出力端子１０７より取り出される。

【００２３】ここで、本例においては、ベクトル量子化
部１１６において、サイン波分析符号化部１１４からの
スペクトルエンベロープ振幅データに対して聴覚重み付
きベクトル量子化を施しており、この重み付きベクトル
量子化の際に、重みの伝達関数のインパルス応答に基づ
くパラメータを直交変換した結果に基づいて重みを算出
することにより演算量の低減を実現している。

【００２４】次に、図２は、上記図１の音声信号符号化
装置に対応する音声信号復号化装置の基本構成を示すブ
ロック図であり、本発明の実施の形態となる音声合成装
置が適用されるものである。

【００２５】この図２において、入力端子２０２には上
記図１の出力端子１０２からの上記ＬＳＰ（線スペクト
ル対）の量子化出力としてのコードブックインデクスが
入力される。入力端子２０３、２０４、及び２０５に
は、上記図１の各出力端子１０３、１０４、及び１０５
からの各出力、すなわちエンベロープ量子化出力として
のインデクス、ピッチ、及びＶ／ＵＶ判定出力がそれぞ
れ入力される。また、入力端子２０７には、上記図１の
出力端子１０７からのＵＶ（無声音）用のデータとして
のインデクスが入力される。

【００２６】入力端子２０３からのエンベロープ量子化
出力としてのインデクスは、逆ベクトル量子化器２１２
に送られて逆ベクトル量子化され、ＬＰＣ残差のスペク
トルエンベロープが求められて有声音合成部２１１に送
られる。有声音合成部２１１は、サイン波合成により有
声音部分のＬＰＣ（線形予測符号化）残差を合成するも
のであり、この有声音合成部２１１には入力端子２０４
及び２０５からのピッチ及びＶ／ＵＶ判定出力も供給さ
れている。有声音合成部２１１からの有声音のＬＰＣ残
差は、ＬＰＣ合成フィルタ２１４に送られる。また、入
力端子２０７からのＵＶデータのインデクスは、無声音
合成部２２０に送られて、雑音符号帳を参照することに
より無声音部分のＬＰＣ残差が取り出される。このＬＰ
Ｃ残差もＬＰＣ合成フィルタ２１４に送られる。ＬＰＣ
合成フィルタ２１４では、上記有声音部分のＬＰＣ残差
と無声音部分のＬＰＣ残差とがそれぞれ独立に、ＬＰＣ
合成処理が施される。あるいは、有声音部分のＬＰＣ残
差と無声音部分のＬＰＣ残差とが加算されたものに対し
てＬＰＣ合成処理を施すようにしてもよい。ここで入力
端子２０２からのＬＳＰのインデクスは、ＬＰＣパラメ
ータ再生部２１３に送られて、ＬＰＣのαパラメータが
取り出され、これがＬＰＣ合成フィルタ２１４に送られ
る。ＬＰＣ合成フィルタ２１４によりＬＰＣ合成されて
得られた音声信号は、出力端子２０１より取り出され
る。

【００２７】次に、上記図１に示した音声信号符号化装
置のより具体的な構成について、図３を参照しながら説
明する。なお、図３において、上記図１の各部と対応す
る部分には同じ指示符号を付している。

【００２８】この図３に示された音声信号符号化装置に
おいて、入力端子１０１に供給された音声信号は、ハイ
パスフィルタ（ＨＰＦ）１０９にて不要な帯域の信号を
除去するフィルタ処理が施された後、ＬＰＣ（線形予測
符号化）分析・量子化部１１３のＬＰＣ分析回路１３２
と、ＬＰＣ逆フィルタ回路１１１とに送られる。

【００２９】ＬＰＣ分析・量子化部１１３のＬＰＣ分析
回路１３２は、入力信号波形の２５６サンプル程度の長
さを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。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２０
ｍsec となる。

【００３０】ＬＰＣ分析回路１３２からのαパラメータ
は、α→ＬＳＰ変換回路１３３に送られて、線スペクト
ル対（ＬＳＰ）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ＬＳＰ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。

【００３１】α→ＬＳＰ変換回路１３３からのＬＳＰパ
ラメータは、ＬＳＰ量子化器１３４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、２０ｍsec を１フレームとし、２０ｍsec 毎に算出
されるＬＳＰ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。

【００３２】このＬＳＰ量子化器１３４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、ＬＳＰ補間回路１３６に送られる。

【００３３】ＬＳＰ補間回路１３６は、上記２０ｍsec
あるいは４０ｍsec 毎に量子化されたＬＳＰのベクトル
を補間し、８倍のレートにする。すなわち、２．５ｍse
c 毎にＬＳＰベクトルが更新されるようにする。これ
は、残差波形をハーモニック符号化復号化方法により分
析合成すると、その合成波形のエンベロープは非常にな
だらかでスムーズな波形になるため、ＬＰＣ係数が２０
ｍsec 毎に急激に変化すると異音を発生することがある
からである。すなわち、２．５ｍsec 毎にＬＰＣ係数が
徐々に変化してゆくようにすれば、このような異音の発
生を防ぐことができる。

【００３４】このような補間が行われた２．５ｍsec 毎
のＬＳＰベクトルを用いて入力音声の逆フィルタリング
を実行するために、ＬＳＰ→α変換回路１３７により、
ＬＳＰパラメータを例えば１０次程度の直接型フィルタ
の係数であるαパラメータに変換する。このＬＳＰ→α
変換回路１３７からの出力は、上記ＬＰＣ逆フィルタ回
路１１１に送られ、このＬＰＣ逆フィルタ１１１では、
２．５ｍsec 毎に更新されるαパラメータにより逆フィ
ルタリング処理を行って、滑らかな出力を得るようにし
ている。このＬＰＣ逆フィルタ１１１からの出力は、サ
イン波分析符号化部１１４、具体的には例えばハーモニ
ック符号化回路、の直交変換回路１４５、例えばＤＦＴ
（離散フーリエ変換）回路に送られる。

【００３５】ＬＰＣ分析・量子化部１１３のＬＰＣ分析
回路１３２からのαパラメータは、聴覚重み付けフィル
タ算出回路１３９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１１６と、第２の符号化部１２
０の聴覚重み付けフィルタ１２５及び聴覚重み付きの合
成フィルタ１２２とに送られる。

【００３６】ハーモニック符号化回路等のサイン波分析
符号化部１１４では、ＬＰＣ逆フィルタ１１１からの出
力を、ハーモニック符号化の方法で分析する。すなわ
ち、ピッチ検出、各ハーモニクスの振幅Ａｍの算出、有
声音（Ｖ）／無声音（ＵＶ）の判別を行い、ピッチによ
って変化するハーモニクスのエンベロープあるいは振幅
Ａｍの個数を次元変換して一定数にしている。

【００３７】図３に示すサイン波分析符号化部１１４の
具体例においては、一般のハーモニック符号化を想定し
ているが、特に、ＭＢＥ（Multiband Excitation: マル
チバンド励起）符号化の場合には、同時刻（同じブロッ
クあるいはフレーム内）の周波数軸領域いわゆるバンド
毎に有声音（Voiced）部分と無声音（Unvoiced）部分と
が存在するという仮定でモデル化することになる。それ
以外のハーモニック符号化では、１ブロックあるいはフ
レーム内の音声が有声音か無声音かの択一的な判定がな
されることになる。なお、以下の説明中のフレーム毎の
Ｖ／ＵＶとは、ＭＢＥ符号化に適用した場合には全バン
ドがＵＶのときを当該フレームのＵＶとしている。ここ
で上記ＭＢＥの分析合成手法については、本件出願人が
先に提案した特願平４−９１４２２号明細書及び図面に
詳細な具体例を開示している。

【００３８】図３のサイン波分析符号化部１１４のオー
プンループピッチサーチ部１４１には、上記入力端子１
０１からの入力音声信号が、またゼロクロスカウンタ１
４２には、上記ＨＰＦ（ハイパスフィルタ）１０９から
の信号がそれぞれ供給されている。サイン波分析符号化
部１１４の直交変換回路１４５には、ＬＰＣ逆フィルタ
１１１からのＬＰＣ残差あるいは線形予測残差が供給さ
れている。オープンループピッチサーチ部１４１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１４６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１４１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１１５に送られてい
る。

【００３９】直交変換回路１４５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。この直交変換回路１４５からの出力は、高
精度ピッチサーチ部１４６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評価部１４８
に送られる。

【００４０】高精度（ファイン）ピッチサーチ部１４６
には、オープンループピッチサーチ部１４１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１４５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１４６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、スイッチ１１８を介して出力端子１０
４に送っている。

【００４１】スペクトル評価部１４８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
１４６、Ｖ／ＵＶ（有声音／無声音）判定部１１５及び
聴覚重み付きのベクトル量子化器１１６に送られる。

【００４２】Ｖ／ＵＶ（有声音／無声音）判定部１１５
は、直交変換回路１４５からの出力と、高精度ピッチサ
ーチ部１４６からの最適ピッチと、スペクトル評価部１
４８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１４１からの正規化自己相関最大値ｒ(p)
と、ゼロクロスカウンタ１４２からのゼロクロスカウン
ト値とに基づいて、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。

【００４３】ところで、スペクトル評価部１４８の出力
部あるいはベクトル量子化器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｜Ａ_m｜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｜Ａ_m｜の個数ｍ_MX＋１も８〜６３と変化するこ
とになる。このためデータ数変換部１１９では、この可
変個数ｍ_MX＋１の振幅データを一定個数Ｍ個、例えば４
４個、のデータに変換している。

【００４４】このスペクトル評価部１４８の出力部ある
いはベクトル量子化器１１６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Ｍ個（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、ベクトル量
子化器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１３９からの出力により与えられる。ベクトル量
子化器１１６からの上記エンベロープのインデクスは、
スイッチ１１７を介して出力端子１０３より取り出され
る。なお、上記重み付きベクトル量子化に先だって、所
定個数のデータから成るベクトルについて適当なリーク
係数を用いたフレーム間差分をとっておくようにしても
よい。

【００４５】次に、第２の符号化部１２０について説明
する。第２の符号化部１２０は、いわゆるＣＥＬＰ（符
号励起線形予測）符号化構成を有しており、特に、入力
音声信号の無声音部分の符号化のために用いられてい
る。この無声音部分用のＣＥＬＰ符号化構成において、
雑音符号帳、いわゆるストキャスティック・コードブッ
ク（stochastic code book）１２１からの代表値出力で
ある無声音のＬＰＣ残差に相当するノイズ出力を、ゲイ
ン回路１２６を介して、聴覚重み付きの合成フィルタ１
２２に送っている。重み付きの合成フィルタ１２２で
は、入力されたノイズをＬＰＣ合成処理し、得られた重
み付き無声音の信号を減算器１２３に送っている。減算
器１２３には、上記入力端子１０１からＨＰＦ（ハイパ
スフィルタ）１０９を介して供給された音声信号を聴覚
重み付けフィルタ１２５で聴覚重み付けした信号が入力
されており、合成フィルタ１２２からの信号との差分あ
るいは誤差を取り出している。なお、聴覚重み付けフィ
ルタ１２５の出力から聴覚重み付き合成フィルタの零入
力応答を事前に差し引いておくものとする。この誤差を
距離計算回路１２４に送って距離計算を行い、誤差が最
小となるような代表値ベクトルを雑音符号帳１２１でサ
ーチする。このような合成による分析（Analysisby Syn
thesis ）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。

【００４６】このＣＥＬＰ符号化構成を用いた第２の符
号化部１２０からのＵＶ（無声音）部分用のデータとし
ては、雑音符号帳１２１からのコードブックのシェイプ
インデクスと、ゲイン回路１２６からのコードブックの
ゲインインデクスとが取り出される。雑音符号帳１２１
からのＵＶデータであるシェイプインデクスは、スイッ
チ１２７ｓを介して出力端子１０７ｓに送られ、ゲイン
回路１２６のＵＶデータであるゲインインデクスは、ス
イッチ１２７ｇを介して出力端子１０７ｇに送られてい
る。

【００４７】ここで、これらのスイッチ１２７ｓ、１２
７ｇ及び上記スイッチ１１７、１１８は、上記Ｖ／ＵＶ
判定部１１５からのＶ／ＵＶ判定結果によりオン／オフ
制御され、スイッチ１１７、１１８は、現在伝送しよう
とするフレームの音声信号のＶ／ＵＶ判定結果が有声音
（Ｖ）のときオンとなり、スイッチ１２７ｓ、１２７ｇ
は、現在伝送しようとするフレームの音声信号が無声音
（ＵＶ）のときオンとなる。

【００４８】次に、図４は、上記図２に示した音声信号
復号化装置のより具体的な構成を示しており、本発明の
実施の形態となる音声合成装置が適用されている。この
図４において、上記図２の各部と対応する部分には、同
じ指示符号を付している。

【００４９】この図４において、入力端子２０２には、
上記図１、３の出力端子１０２からの出力に相当するＬ
ＳＰのベクトル量子化出力、いわゆるコードブックのイ
ンデクスが供給されている。

【００５０】このＬＳＰのインデクスは、ＬＰＣパラメ
ータ再生部２１３のＬＳＰの逆ベクトル量子化器２３１
に送られてＬＳＰ（線スペクトル対）データに逆ベクト
ル量子化され、ＬＳＰ補間回路２３２、２３３に送られ
てＬＳＰの補間処理が施された後、ＬＳＰ→α変換回路
２３４、２３５でＬＰＣ（線形予測符号）のαパラメー
タに変換され、このαパラメータがＬＰＣ合成フィルタ
２１４に送られる。ここで、ＬＳＰ補間回路２３２及び
ＬＳＰ→α変換回路２３４は有声音（Ｖ）用であり、Ｌ
ＳＰ補間回路２３３及びＬＳＰ→α変換回路２３５は無
声音（ＵＶ）用である。またＬＰＣ合成フィルタ２１４
は、有声音部分のＬＰＣ合成フィルタ２３６と、無声音
部分のＬＰＣ合成フィルタ２３７とを分離している。す
なわち、有声音部分と無声音部分とでＬＰＣの係数補間
を独立に行うようにして、有声音から無声音への遷移部
や、無声音から有声音への遷移部で、全く性質の異なる
ＬＳＰ同士を補間することによる悪影響を防止してい
る。

【００５１】また、図４の入力端子２０３には、上記図
１、図３のエンコーダ側の端子１０３からの出力に対応
するスペクトルエンベロープ（Ａｍ）の重み付けベクト
ル量子化されたコードインデクスデータが供給され、入
力端子２０４には、上記図１、図３の端子１０４からの
ピッチのデータが供給され、入力端子２０５には、上記
図１、図３の端子１０５からのＶ／ＵＶ判定データが供
給されている。

【００５２】入力端子２０３からのスペクトルエンベロ
ープＡｍのベクトル量子化されたインデクスデータは、
逆ベクトル量子化器２１２に送られて逆ベクトル量子化
が施され、上記データ数変換に対応する逆変換が施され
て、スペクトルエンベロープのデータとなって、有声音
合成部２１１のサイン波合成回路２１５に送られてい
る。

【００５３】なお、エンコード時にスペクトルのベクト
ル量子化に先だってフレーム間差分をとっている場合に
は、ここでの逆ベクトル量子化後にフレーム間差分の復
号を行ってからデータ数変換を行い、スペクトルエンベ
ロープのデータを得る。

【００５４】サイン波合成回路２１５には、入力端子２
０４からのピッチ及び入力端子２０５からの上記Ｖ／Ｕ
Ｖ判定データが供給されている。サイン波合成回路２１
５からは、上述した図１、図３のＬＰＣ逆フィルタ１１
１からの出力に相当するＬＰＣ残差データが取り出さ
れ、これが加算器２１８に送られている。このサイン波
合成の具体的な手法については、例えば本件出願人が先
に提案した、特願平４−９１４２２号の明細書及び図
面、あるいは特願平６−１９８４５１号の明細書及び図
面に開示されている。

【００５５】サイン波合成回路２１５には、位相初期化
回路２１９からの位相初期値情報が送られている。この
位相初期化回路２１９は、無声音（ＵＶ）フレームから
有声音（Ｖ）フレームへの遷移時に、サイン波合成回路
２１５で用いられるハーモニクス（基本波及びその高調
波）の位相を初期化し、奇数番目のハーモニクスと偶数
番目のハーモニクスとで異なる初期値を与えるものであ
る。あるいは、ＵＶフレームが２フレーム以上連続した
後にＶフレームに遷移したときに、乱数を用いて各ハー
モニクス毎に異なる位相初期値を与えるようにしてもよ
い。この位相初期化回路２１９の具体例については後述
する。

【００５６】また、逆ベクトル量子化器２１２からのエ
ンベロープのデータと、入力端子２０４、２０５からの
ピッチ、Ｖ／ＵＶ判定データとは、有声音（Ｖ）部分の
ノイズ加算のためのノイズ合成回路２１６に送られてい
る。このノイズ合成回路２１６からの出力は、重み付き
重畳加算回路２１７を介して加算器２１８に送ってい
る。これは、サイン波合成によって有声音のＬＰＣ合成
フィルタへの入力となるエクサイテイション（Excitati
on：励起、励振）を作ると、男声等の低いピッチの音で
鼻づまり感がある点、及びＶ（有声音）とＵＶ（無声
音）とで音質が急激に変化し不自然に感じる場合がある
点を考慮し、有声音部分のＬＰＣ合成フィルタ入力すな
わちエクサイテイションについて、音声符号化データに
基づくパラメータ、例えばピッチ、スペクトルエンベロ
ープ振幅、フレーム内の最大振幅、残差信号のレベル等
を考慮したノイズをＬＰＣ残差信号の有声音部分に加え
ているものである。

【００５７】加算器２１８からの加算出力は、ＬＰＣ合
成フィルタ２１４の有声音用の合成フィルタ２３６に送
られてＬＰＣの合成処理が施されることにより時間波形
データとなり、さらに有声音用ポストフィルタ２３８ｖ
でフィルタ処理された後、加算器２３９に送られる。

【００５８】次に、図４の入力端子２０７ｓ及び２０７
ｇには、上記図３の出力端子１０７ｓ及び１０７ｇから
のＵＶデータとしてのシェイプインデクス及びゲインイ
ンデクスがそれぞれ供給され、無声音合成部２２０に送
られている。端子２０７ｓからのシェイプインデクス
は、無声音合成部２２０の雑音符号帳２２１に、端子２
０７ｇからのゲインインデクスはゲイン回路２２２にそ
れぞれ送られている。雑音符号帳２２１から読み出され
た代表値出力は、無声音のＬＰＣ残差に相当するノイズ
信号成分であり、これがゲイン回路２２２で所定のゲイ
ンの振幅となり、窓かけ回路２２３に送られて、上記有
声音部分とのつなぎを円滑化するための窓かけ処理が施
される。

【００５９】窓かけ回路２２３からの出力は、無声音合
成部２２０からの出力として、ＬＰＣ合成フィルタ２１
４のＵＶ（無声音）用の合成フィルタ２３７に送られ
る。合成フィルタ２３７では、ＬＰＣ合成処理が施され
ることにより無声音部分の時間波形データとなり、この
無声音部分の時間波形データは無声音用ポストフィルタ
２３８ｕでフィルタ処理された後、加算器２３９に送ら
れる。

【００６０】加算器２３９では、有声音用ポストフィル
タ２３８ｖからの有声音部分の時間波形信号と、無声音
用ポストフィルタ２３８ｕからの無声音部分の時間波形
データとが加算され、出力端子２０１より取り出され
る。

【００６１】ところで、上記音声信号符号化装置では、
要求される品質に合わせ異なるビットレートの出力デー
タを出力することができ、出力データのビットレートが
可変されて出力される。

【００６２】具体的には、出力データのビットレート
を、低ビットレートと高ビットレートとに切り換えるこ
とができる。例えば、低ビットレートを２ｋbpsとし、
高ビットレートを６ｋbpsとする場合には、以下の表１
に示す各ビットレートのデータが出力される。

【００６３】

【表１】

【００６４】出力端子１０４からのピッチデータについ
ては、有声音時に、常に８bits／２０ｍsecで出力さ
れ、出力端子１０５から出力されるＶ／ＵＶ判定出力
は、常に１bit／２０ｍsecである。出力端子１０２から
出力されるＬＳＰ量子化のインデクスは、３２bits／４
０ｍsecと４８bits／４０ｍsecとの間で切り換えが行わ
れる。また、出力端子１０３から出力される有声音時
（Ｖ）のインデクスは、１５bits／２０ｍsecと８７bit
s／２０ｍsecとの間で切り換えが行われ、出力端子１０
７ｓ、１０７ｇから出力される無声音時（ＵＶ）のイン
デクスは、１１bits／１０ｍsecと２３bits／５ｍsecと
の間で切り換えが行われる。これにより、有声音時
（Ｖ）の出力データは、２ｋbpsでは４０bits／２０ｍs
ecとなり、６ｋbpsでは１２０bits／２０ｍsecとなる。
また、無声音時（ＵＶ）の出力データは、２ｋbpsでは
３９bits／２０ｍsecとなり、６ｋbpsでは１１７bits／
２０ｍsecとなる。

【００６５】尚、上記ＬＳＰ量子化のインデクス、有声
音時（Ｖ）のインデクス、及び無声音時（ＵＶ）のイン
デクスについては、後述する各部の構成と共に説明す
る。

【００６６】次に、図５及び図６を用いて、ＬＳＰ量子
化器１３４におけるマトリクス量子化及びベクトル量子
化について詳細に説明する。

【００６７】上述のように、ＬＰＣ分析回路１３２から
のαパラメータは、α→ＬＳＰ変換回路１３３に送られ
て、ＬＳＰパラメータに変換される。例えば、ＬＰＣ分
析回路１３２でＰ次のＬＰＣ分析を行う場合には、αパ
ラメータはＰ個算出される。このＰ個のαパラメータ
は、ＬＳＰパラメータに変換され、バッファ６１０に保
持される。

【００６８】このバッファ６１０からは、２フレーム分
のＬＳＰパラメータが出力される。２フレーム分のＬＳ
Ｐパラメータはマトリクス量子化部６２０でマトリクス
量子化される。マトリクス量子化部６２０は、第１のマ
トリクス量子化部６２０₁ と第２のマトリクス量子化部
６２０₂ とから成る。２フレーム分のＬＳＰパラメータ
は、第１のマトリクス量子化部６２０₁ でマトリクス量
子化され、これにより得られる量子化誤差が、第２のマ
トリクス量子化部６２０₂ でさらにマトリクス量子化さ
れる。これらのマトリクス量子化により、時間軸方向及
び周波数軸方向の相関を取り除く。

【００６９】マトリクス量子化部６２０₂ からの２フレ
ーム分の量子化誤差は、ベクトル量子化部６４０に入力
される。ベクトル量子化部６４０は、第１のベクトル量
子化部６４０₁ と第２のベクトル量子化部６４０₂ とか
ら成る。さらに、第１のベクトル量子化部６４０₁ は、
２つのベクトル量子化部６５０、６６０から成り、第２
のベクトル量子化部６４０₂ は、２つのベクトル量子化
部６７０、６８０から成る。第１のベクトル量子化部６
４０₁ のベクトル量子化部６５０、６６０で、マトリク
ス量子化部６２０からの量子化誤差が、それぞれ１フレ
ーム毎にベクトル量子化される。これにより得られる量
子化誤差ベクトルは、第２のベクトル量子化部６４０₂
のベクトル量子化部６７０、６８０で、さらにベクトル
量子化される。これらのベクトル量子化により、周波数
軸方向の相関を処理する。

【００７０】このように、マトリクス量子化を施す工程
を行うマトリクス量子化部６２０は、第１のマトリクス
量子化工程を行う第１のマトリクス量子化部６２０₁
と、この第１のマトリクス量子化による量子化誤差をマ
トリクス量子化する第２のマトリクス量子化工程を行う
第２のマトリクス量子化部６２０₂ とを少なくとも有
し、上記ベクトル量子化を施す工程を行うベクトル量子
化部６４０は、第１のベクトル量子化工程を行う第１の
ベクトル量子化部６４０₁ と、この第１のベクトル量子
化の際の量子化誤差ベクトルをベクトル量子化する第２
のベクトル量子化工程を行う第２のベクトル量子化部６
４０₂ とを少なくとも有する。

【００７１】次に、マトリクス量子化及びベクトル量子
化について具体的に説明する。

【００７２】バッファ６１０に保持された、２フレーム
分のＬＳＰパラメータ、すなわち１０×２の行列は、マ
トリクス量子化器６２０₁ に送られる。上記第１のマト
リクス量子化部６２０₁ では、２フレーム分のＬＳＰパ
ラメータが加算器６２１を介して重み付き距離計算器６
２３に送られ、最小となる重み付き距離が算出される。

【００７３】この第１のマトリクス量子化部６２０₁ に
よるコードブックサーチ時の歪尺度ｄ_MQ1は、ＬＳＰパ
ラメータＸ₁ 、量子化値Ｘ₁'を用い、（１）式で示す。

【００７４】

【数１】

【００７５】ここで、ｔはフレーム番号、ｉはＰ次元の
番号を示す。

【００７６】また、このときの、周波数軸方向及び時間
軸方向に重みの制限を考慮しない場合の重みｗを（２）
式で示す。

【００７７】

【数２】

【００７８】この（２）式の重みｗは、後段のマトリク
ス量子化及びベクトル量子化でも用いられる。

【００７９】算出された重み付き距離はマトリクス量子
化器（ＭＱ₁） ６２２に送られて、マトリクス量子化が
行われる。このマトリクス量子化により出力される８ビ
ットのインデクスは信号切換器６９０に送られる。ま
た、マトリクス量子化による量子化値は、加算器６２１
で、バッファ６１０からの２フレーム分のＬＳＰパラメ
ータから減算される。重み付き距離計算器６２３では、
加算器６２１からの出力を用いて、重み付き距離が算出
される。このように、２フレーム毎に、順次、重み付き
距離計算器６２３では重み付き距離が算出されて、マト
リクス量子化器６２２でマトリクス量子化が行われる。
重み付き距離が最小となる量子化値が選ばれる。また、
加算器６２１からの出力は、第２のマトリクス量子化部
６２０₂ の加算器６３１に送られる。

【００８０】第２のマトリクス量子化部６２０₂ でも第
１のマトリクス量子化部６２０₁ と同様にして、マトリ
クス量子化を行う。上記加算器６２１からの出力は、加
算器６３１を介して重み付き距離計算器６３３に送ら
れ、最小となる重み付き距離が算出される。

【００８１】この第２のマトリクス量子化部６２０₂ に
よるコードブックサーチ時の歪尺度ｄ_MQ2 を、第１のマ
トリクス量子化部６２０₁ からの量子化誤差Ｘ₂ 、量子
化値Ｘ₂'により、（３）式で示す。

【００８２】

【数３】

【００８３】この重み付き距離はマトリクス量子化器
（ＭＱ₂） ６３２に送られて、マトリクス量子化が行わ
れる。このマトリクス量子化により出力される８ビット
のインデクスは信号切換器６９０に送られる。また、マ
トリクス量子化による量子化値は、加算器６３１で、２
フレーム分の量子化誤差から減算される。重み付き距離
計算器６３３では、加算器６３１からの出力を用いて、
重み付き距離が順次算出されて、重み付き距離が最小と
なる量子化値が選ばれる。また、加算器６３１からの出
力は、第１のベクトル量子化部６４０₁ の加算器６５
１、６６１に１フレームずつ送られる。

【００８４】この第１のベクトル量子化部６４０₁ で
は、１フレーム毎にベクトル量子化が行われる。加算器
６３１からの出力は、１フレーム毎に、加算器６５１、
６６１を介して重み付き距離計算器６５３、６６３にそ
れぞれ送られ、最小となる重み付き距離が算出される。

【００８５】量子化誤差Ｘ₂と量子化値Ｘ₂'との差分
は、１０×２の行列であり、 Ｘ₂−Ｘ₂’＝［ｘ_3-1 ，ｘ_3-2 ］ と表すときの、この第１のベクトル量子化部６４０₁ の
ベクトル量子化器６５２、６６２によるコードブックサ
ーチ時の歪尺度ｄ_VQ1、ｄ_VQ2を、（４）、（５）式で示
す。

【００８６】

【数４】

【００８７】この重み付き距離はベクトル量子化器（Ｖ
Ｑ₁） ６５２、ベクトル量子化器（ＶＱ₂） ６６２にそ
れぞれ送られて、ベクトル量子化が行われる。このベク
トル量子化により出力される各８ビットのインデクスは
信号切換器６９０に送られる。また、ベクトル量子化に
よる量子化値は、加算器６５１、６６１で、入力された
２フレーム分の量子化誤差ベクトルから減算される。重
み付き距離計算器６５３、６６３では、加算器６５１、
６６１からの出力を用いて、重み付き距離が順次算出さ
れて、重み付き距離が最小となる量子化値が選ばれる。
また、加算器６５１、６６１からの出力は、第２のベク
トル量子化部６４０₂ の加算器６７１、６８１にそれぞ
れ送られる。

【００８８】ここで、ｘ_4-1 ＝ｘ_3-1 −ｘ’_3-1 ｘ_4-2 ＝ｘ_3-2 −ｘ’_3-2 と表すときの、この第２のベクトル量子化部６４０₂ の
ベクトル量子化器６７２、６８２によるコードブックサ
ーチ時の歪尺度ｄ_VQ3、ｄ_VQ4を、（６）、（７）式で示
す。

【００８９】

【数５】

【００９０】この重み付き距離はベクトル量子化器（Ｖ
Ｑ₃） ６７２、ベクトル量子化器（ＶＱ₄） ６８２にそ
れぞれ送られて、ベクトル量子化が行われる。このベク
トル量子化により出力される各８ビットのインデクスは
信号切換器６９０に送られる。また、ベクトル量子化に
よる量子化値は、加算器６７１、６８１で、入力された
２フレーム分の量子化誤差ベクトルから減算される。重
み付き距離計算器６７３、６８３では、加算器６７１、
６８１からの出力を用いて、重み付き距離が順次算出さ
れて、重み付き距離が最小となる量子化値が選ばれる。

【００９１】また、コードブックの学習時には、上記各
歪尺度をもとにして、一般化ロイドアルゴリズム（ＧＬ
Ａ）により学習を行う。

【００９２】尚、コードブックサーチ時と学習時の歪尺
度は、異なる値であっても良い。

【００９３】上記マトリクス量子化器６２２、６３２、
ベクトル量子化器６５２、６６２、６７２、６８２から
の各８ビットのインデクスは、信号切換器６９０で切り
換えられて、出力端子６９１から出力される。

【００９４】具体的には、低ビットレート時には、上記
第１のマトリクス量子化工程を行う第１のマトリクス量
子化部６２０₁ 、上記第２のマトリクス量子化工程を行
う第２のマトリクス量子化部６２０₂ 、及び上記第１の
ベクトル量子化工程を行う第１のベクトル量子化部６４
０₁ での出力を取り出し、高ビットレート時には、上記
低ビットレート時の出力に上記第２のベクトル量子化工
程を行う第２のベクトル量子化部６４０₂ での出力を合
わせて取り出す。

【００９５】これにより、２ｋbps 時には、３２bits／
４０ｍsec のインデクスが出力され、６ｋbps 時には、
４８bits／４０ｍsec のインデクスが出力される。

【００９６】また、上記マトリクス量子化部６２０及び
上記ベクトル量子化部６４０では、上記ＬＰＣ係数を表
現するパラメータの持つ特性に合わせた、周波数軸方向
又は時間軸方向、あるいは周波数軸及び時間軸方向に制
限を持つ重み付けを行う。

【００９７】先ず、ＬＳＰパラメータの持つ特性に合わ
せた、周波数軸方向に制限を持つ重み付けについて説明
する。例えば、次数Ｐ＝１０とするとき、ＬＳＰパラメ
ータｘ（ｉ）を、低域、中域、高域の３つの領域とし
て、 Ｌ₁＝｛ｘ（ｉ）｜１≦ｉ≦２｝ Ｌ₂＝｛ｘ（ｉ）｜３≦ｉ≦６｝ Ｌ₃＝｛ｘ（ｉ）｜７≦ｉ≦１０｝ とグループ化する。そして、各グループＬ₁、Ｌ₂、Ｌ₃
の重み付けを１／４、１／２、１／４とすると、各グル
ープＬ₁、Ｌ₂、Ｌ₃ の周波数軸方向のみに制限を持つ重
みは、（８）、（９）、（１０）式となる。

【００９８】

【数６】

【００９９】これにより、各ＬＳＰパラメータの重み付
けは、各グループ内でのみ行われ、その重みは各グルー
プに対する重み付けで制限される。

【０１００】ここで、時間軸方向からみると、各フレー
ムの重み付けの総和は、必ず１となるので、時間軸方向
の制限は１フレーム単位である。この時間軸方向のみに
制限を持つ重みは、（１１）式となる。

【０１０１】

【数７】

【０１０２】この（１１）式により、周波数軸方向での
制限のない、フレーム番号ｔ＝０，１の２つのフレーム
間で、重み付けが行われる。この時間軸方向にのみ制限
を持つ重み付けは、マトリクス量子化を行う２フレーム
間で行う。

【０１０３】また、学習時には、学習データとして用い
る全ての音声フレーム、即ち全データのフレーム数Ｔに
ついて、（１２）式により、重み付けを行う。

【０１０４】

【数８】

【０１０５】また、周波数軸方向及び時間軸方向に制限
を持つ重み付けについて説明する。例えば、次数Ｐ＝１
０とするとき、ＬＳＰパラメータｘ（ｉ，ｔ）を、低
域、中域、高域の３つの領域として、 Ｌ₁＝｛ｘ（ｉ，ｔ）｜１≦ｉ≦２，０≦ｔ≦１｝ Ｌ₂＝｛ｘ（ｉ，ｔ）｜３≦ｉ≦６，０≦ｔ≦１｝ Ｌ₃＝｛ｘ（ｉ，ｔ）｜７≦ｉ≦１０，０≦ｔ≦１｝ とグループ化する。各グループＬ₁、Ｌ₂、Ｌ₃ の重み付
けを１／４、１／２、１／４とすると、各グループ
Ｌ₁、Ｌ₂、Ｌ₃ の周波数軸方向及び時間軸方向に制限を
持つ重み付けは、（１３）、（１４）、（１５）式とな
る。

【０１０６】

【数９】

【０１０７】この（１３）、（１４）、（１５）式によ
り、周波数軸方向では３つの帯域毎に、時間軸方向では
マトリクス量子化を行う２フレーム間に重み付けの制限
を加えた重み付けを行う。これは、コードブックサーチ
時及び学習時共に有効となる。

【０１０８】また、学習時においては、全データのフレ
ーム数について重み付けを行う。ＬＳＰパラメータｘ
（ｉ，ｔ）を、低域、中域、高域の３つの領域として、 Ｌ₁ ＝｛ｘ（ｉ，ｔ）｜１≦ｉ≦２，０≦ｔ≦Ｔ｝ Ｌ₂ ＝｛ｘ（ｉ，ｔ）｜３≦ｉ≦６，０≦ｔ≦Ｔ｝ Ｌ₃ ＝｛ｘ（ｉ，ｔ）｜７≦ｉ≦１０，０≦ｔ≦Ｔ｝ とグループ化し、各グループＬ₁、Ｌ₂、Ｌ₃ の重み付け
を１／４、１／２、１／４とすると、各グループＬ₁、
Ｌ₂、Ｌ₃ の周波数軸方向及び時間軸方向に制限を持つ
重み付けは、（１６）、（１７）、（１８）式となる。

【０１０９】

【数１０】

【０１１０】この（１６）、（１７）、（１８）式によ
り、周波数軸方向では３つの帯域毎に重み付けを行い、
時間軸方向では全フレーム間で重み付けを行うことがで
きる。

【０１１１】さらに、上記マトリクス量子化部６２０及
び上記ベクトル量子化部６４０では、上記ＬＳＰパラメ
ータの変化の大きさに応じて重み付けを行う。音声フレ
ーム全体においては少数フレームとなる、Ｖ→ＵＶ、Ｕ
Ｖ→Ｖの遷移（トランジェント）部において、子音と母
音との周波数特性の違いから、ＬＳＰパラメータは大き
く変化する。そこで、（１９）式に示す重みを、上述の
重みｗ’（ｉ，ｔ）に乗算することにより、上記遷移部
を重視する重み付けを行うことができる。

【０１１２】

【数１１】

【０１１３】尚、（１９）式の代わりに、（２０）式を
用いることも考えられる。

【０１１４】

【数１２】

【０１１５】このように、ＬＳＰ量子化器１３４では、
２段のマトリクス量子化及び２段のベクトル量子化を行
うことにより、出力するインデクスのビット数を可変に
することができる。

【０１１６】次に、図１，図３のベクトル量子化部１１
６の基本構成を図７に、また図７のベクトル量子化部の
より具体的な構成を図８にそれぞれ示し、ベクトル量子
化器１１６におけるスペクトルエンベロープ（Ａｍ）の
重み付きベクトル量子化の具体例について説明する。

【０１１７】先ず、図３の音声信号符号化装置におい
て、スペクトル評価部１４８の出力側あるいはベクトル
量子化器１１６の入力側に設けられたスペクトルエンベ
ロープの振幅のデータ数を一定個数にするデータ数変換
の具体例について説明する。

【０１１８】このデータ数変換には種々の方法が考えら
れるが、本実施の形態においては、例えば、周波数軸上
の有効帯域１ブロック分の振幅データに対して、ブロッ
ク内の最後のデータからブロック内の最初のデータまで
の値を補間するようなダミーデータ、あるいはブロック
の最後のデータ、最初のデータを繰り返すような所定の
データを付加してデータ個数をＮ_F 個に拡大した後、帯
域制限型のＯ_S 倍（例えば８倍）のオーバーサンプリン
グを施すことによりＯ_S 倍の個数の振幅データを求め、
このＯ_S 倍の個数（（ｍ_MX＋１）×Ｏ_S 個）の振幅デー
タを直線補間してさらに多くのＮ_M 個（例えば２０４８
個）に拡張し、このＮ_M 個のデータを間引いて上記一定
個数Ｍ（例えば４４個）のデータに変換している。実際
には、最終的に必要なＭ個のデータを作成するのに必要
なデータのみをオーバーサンプリング及び直線補間で算
出しており、Ｎ_M 個のデータを全て求めてはいない。

【０１１９】図３の重み付きベクトル量子化を行うベク
トル量子化部１１６は、図７に示すように、第１のベク
トル量子化工程を行う第１のベクトル量子化部５００
と、この第１のベクトル量子化部５００における第１の
ベクトル量子化の際の量子化誤差ベクトルを量子化する
第２のベクトル量子化工程を行う第２のベクトル量子化
部５１０とを少なくとも有する。この第１のベクトル量
子化部５００は、いわゆる１段目のベクトル量子化部で
あり、第２のベクトル量子化部５１０は、いわゆる２段
目のベクトル量子化部である。

【０１２０】第１のベクトル量子化部５００の入力端子
５０１には、スペクトル評価部１４８の出力ベクトル
ｘ、即ち一定個数Ｍのエンベロープデータが入力され
る。この出力ベクトルｘは、ベクトル量子化器５０２で
重み付きベクトル量子化される。これにより、ベクトル
量子化器５０２から出力されるシェイプインデクスは出
力端子５０３から出力され、また、量子化値ｘ₀ 'は出力
端子５０４から出力されると共に、加算器５０５、５１
３に送られる。加算器５０５では、ソースベクトルｘか
ら量子化値ｘ₀ 'が減算されて、量子化誤差ベクトルｙが
得られる。

【０１２１】この量子化誤差ベクトルｙは、第２のベク
トル量子化部５１０内のベクトル量子化部５１１に送ら
れる。このベクトル量子化部５１１は、複数個のベクト
ル量子化器で構成され、図７では、２個のベクトル量子
化器５１１₁、５１１₂から成る。量子化誤差ベクトルｙ
は次元分割されて、２個のベクトル量子化器５１１₁、
５１１₂で、それぞれ重み付きベクトル量子化される。
これらのベクトル量子化器５１１₁、５１１₂から出力さ
れるシェイプインデクスは、出力端子５１２₁、５１２₂
からそれぞれ出力され、また、量子化値ｙ₁ ’、ｙ₂ ’は
次元方向に接続されて、加算器５１３に送られる。この
加算器５１３では、量子化値ｙ₁ ’、ｙ₂ ’と量子化値ｘ
₀ ’とが加算されて、量子化値ｘ₁ ’が生成される。この
量子化値ｘ₁ ’は出力端子５１４から出力される。

【０１２２】これにより、低ビットレート時には、上記
第１のベクトル量子化部５００による第１のベクトル量
子化工程での出力を取り出し、高ビットレート時には、
上記第１のベクトル量子化工程での出力及び上記第２の
量子化部５１０による第２のベクトル量子化工程での出
力を取り出す。

【０１２３】具体的には、図８に示すように、ベクトル
量子化器１１６内の第１のベクトル量子化部５００のベ
クトル量子化器５０２は、Ｌ次元、例えば４４次元の２
ステージ構成としている。

【０１２４】すなわち、４４次元でコードブックサイズ
が３２のベクトル量子化コードブックからの出力ベクト
ルの和に、ゲインｇ_i を乗じたものを、４４次元のスペ
クトルエンベロープベクトルｘの量子化値ｘ₀ ’として
使用する。これは、図８に示すように、２つのシェイプ
コードブックをＣＢ０、ＣＢ１とし、その出力ベクトル
をｓ_0i 、ｓ_1j 、ただし０≦ｉ，ｊ≦３１、とする。ま
た、ゲインコードブックＣＢｇの出力をｇ_l 、ただし０
≦ｌ≦３１、とする。ｇ_l はスカラ値である。この最終
出力ｘ₀ 'は、ｇ_i（ｓ_0i ＋ｓ_1j ） となる。

【０１２５】ＬＰＣ残差について上記ＭＢＥ分析によっ
て得られたスペクトルエンベロープＡｍを一定次元に変
換したものをｘとする。このとき、ｘをいかに効率的に
量子化するかが重要である。

【０１２６】ここで、量子化誤差エネルギＥを、 Ｅ＝‖Ｗ｛Ｈｘ−Ｈｇ_l（ｓ_0i ＋ｓ_1j ）｝‖² ・・・ （２１） ＝‖ＷＨ｛ｘ−ｇ_l（ｓ_0i ＋ｓ_1j ）｝‖² と定義する。この（２１）式において、ＨはＬＰＣの合
成フィルタの周波数軸上での特性であり、Ｗは聴覚重
み付けの周波数軸上での特性を表す重み付けのための行
列である。

【０１２７】行列Ｈは、現フレームのＬＰＣ分析結果
によるαパラメータを、α_i （１≦ｉ≦Ｐ）として、

【０１２８】

【数１３】

【０１２９】の周波数特性からＬ次元、例えば４４次元
の各対応する点の値をサンプルしたものである。

【０１３０】算出手順としては、一例として、１、
α₁、α₂、・・・、α_p に０詰めして、すなわち、１、
α₁、α₂、・・・、α_p 、０、０、・・・、０として、
例えば２５６点のデータにする。その後、２５６点ＦＦ
Ｔを行い、（re²＋im²）^1/2 を０〜πに対応する点に対
して算出して、その逆数をとる。それをＬ点、すなわち
例えば４４点に間引いたものを対角要素とする行列を、

【０１３１】

【数１４】

【０１３２】とする。

【０１３３】聴覚重み付け行列Ｗは、以下のように求
められる。

【０１３４】

【数１５】

【０１３５】この（２３）式で、α_i は入力のＬＰＣ分
析結果である。また、λa、λbは定数であり、一例とし
て、λa＝０．４、λb＝０．９が挙げられる。

【０１３６】行列あるいはマトリクスＷは、上記（２
３）式の周波数特性から算出できる。一例として、１、
α₁λb、α₂λb²、・・・、α_pλb^p、０、０、・・・、
０として２５６点のデータとしてＦＦＴを行い、０以上
π以下の区間に対して（re²[ｉ]＋im²[ｉ]）^1/2 、０≦
ｉ≦１２８、を求める。次に、１、α₁λa、α₂λa²、
・・・、α_pλa^p 、０、０、・・・、０として分母の周
波数特性を２５６点ＦＦＴで０〜πの区間を１２８点で
算出する。これを（re'²[ｉ]＋im'²[ｉ]）^1/2、０≦ｉ
≦１２８、とする。

【０１３７】

【数１６】

【０１３８】として、上記（２３）式の周波数特性が求
められる。

【０１３９】これをＬ次元、例えば４４次元ベクトルの
対応する点について、以下の方法で求める。より正確に
は、直線補間を用いるべきであるが、以下の例では最も
近い点の値で代用している。

【０１４０】すなわち、 ω[ｉ]＝ω₀［nint(128ｉ/L)］ １≦ｉ≦Ｌ ただし、nint（Ｘ）は、Ｘに最も近い整数を返す関数で
ある。

【０１４１】また、上記Ｈに関しても同様の方法で、
h(1)、h(2)、・・・、h(L)を求めている。すなわち、

【０１４２】

【数１７】

【０１４３】となる。

【０１４４】ここで、他の例として、ＦＦＴの回数を減
らすのに、Ｈ(ｚ)Ｗ(ｚ)を先に求めてから、周波数特性
を求めてもよい。すなわち、

【０１４５】

【数１８】

【０１４６】この（２５）式の分母を展開した結果を、

【０１４７】

【数１９】

【０１４８】とする。ここで、１、β₁、β₂、・・・、
β_2p、０、０、・・・、０として、例えば２５６点のデ
ータにする。その後、２５６点ＦＦＴを行い、振幅の周
波数特性を、

【０１４９】

【数２０】

【０１５０】とする。これより、

【０１５１】

【数２１】

【０１５２】これをＬ次元ベクトルの対応する点につい
て求める。上記ＦＦＴのポイント数が少ない場合は、直
線補間で求めるべきであるが、ここでは最寄りの値を使
用している。すなわち、

【０１５３】

【数２２】

【０１５４】である。これを対角要素とする行列を
Ｗ’とすると、

【０１５５】

【数２３】

【０１５６】となる。（２６）式は上記（２４）式と同
一のマトリクスとなる。

【０１５７】あるいは、（２５）式より直接｜Ｈ（exp
(jω)）Ｗ（exp(jω)）｜をω＝ｉπ／Ｌ（ただし、１
≦ｉ≦Ｌ）に関して算出したものをwh[i] に使用しても
よい。又は、（２５）式のインパルス応答を適当な長さ
（例えば４０点）求めて、それを用いてＦＦＴして振幅
周波数特性を求めて使用してもよい。

【０１５８】ここで、本発明の実施の形態として、聴覚
重み付けフィルタの特性とＬＰＣ合成フィルタの特性を
持った重みＷ’の計算における演算量を少なくする方
法について説明する。

【０１５９】上記（２５）式に示されたＨ(ｚ)Ｗ(ｚ)を
Ｑ(ｚ)とする。すなわち、

【０１６０】

【数２４】

【０１６１】として、Ｑ(ｚ)のインパルス応答を求め
る。それをｑ(ｎ)、０≦ｎ＜Ｌ_imp とする。Ｌ_imp はイ
ンパルス応答長であり、例えばＬ_imp＝４０ である。

【０１６２】本実施の形態においては、Ｐ＝１０である
ので、上記（ａ１）式は３０個の係数を持つ２０次のＩ
ＩＲ（無限インパルス応答）フィルタとなる。概略でＬ
_imp×３Ｐ＝４０×３０＝１２００回の積和演算で、上
記（ａ１）式のインパルス応答ｑ(ｎ)がＬ_imp サンプル
分求められる。このｑ(ｎ)に０詰めをして、ｑ'(ｎ)、
０≦ｎ＜２^m とする。例えばｍ＝７の場合には、トータ
ル１２８個のデータとすべく、２^m−Ｌ_imp＝１２８−４
０＝８８個の０をｑ(ｎ)にアペンド（０詰め）して、
ｑ'(ｎ) とする。

【０１６３】このｑ'(ｎ) を、２^m（＝１２８） 点、Ｆ
ＦＴ（高速フーリエ変換）する。ＦＦＴの結果の実部、
虚部をそれぞれ re[i]，im[i] 、０≦ｉ≦２^m-1 とす
る。これより、

【０１６４】

【数２５】

【０１６５】を算出する。これがＱ(ｚ)の２^m-1 点で表
された振幅周波数応答である。このｒｍ[i] の隣接する
値同士を直線補間して、２^m 点で周波数応答を表す。な
お、直線補間の代わりに、より高次の補間を用いてもよ
いが、その分演算量が増えることになる。

【０１６６】上記補間により求められた配列をwlpc[i]
、０≦ｉ≦２^m とすると、 wlpc[2i] ＝ ｒｍ[i] ０≦ｉ≦２^m-1 ・・・ (a3) wlpc[2i+1]＝（rm[i]+rm[i+1]）/2 ０≦ｉ＜２^m-1 ・・・ (a4) であり、これでwlpc[i] 、０≦ｉ≦１２８が算出され
る。

【０１６７】これより、上記 wh₀[i] を使用する代わり
に、 wh[i] ＝ wlpc［nint(128i/L)］ １≦ｉ≦Ｌ ・・・ (a5) ただし、nint(x) は、ｘに最も近い整数を返す関数とし
て、wh[i] を導出できる。これは、１２８点のＦＦＴを
１回演算することにより、上記（２６）式のＷ’が求
められることになる。

【０１６８】一般に、Ｎ点ＦＦＴに必要な演算量は、概
略 (N/2)log₂Ｎ の複素乗算 Ｎlog₂Ｎ の複素加算 であり、これは、 (N/2)log₂Ｎ×４ の実数乗算 Ｎlog₂Ｎ×２ の実数加算 に相当する。

【０１６９】このような方法によれば、先ず、上記イン
パルス応答ｑ(ｎ)を求める積和演算量が１２００であ
る。また、上記ｍ＝７で、Ｎ＝２⁷ ＝１２８の場合のＦ
ＦＴの演算量は、略々 １２８／２×７×４ ＝ １７９２ １２８×７×２ ＝ １７９２ となり、積和を１として、約１７９２のオーダになる。
次に、上記（ａ２）式の計算は、２乗和の演算量を約
３、平方根の演算量を約５０として、これが２^m-1＝２⁶
＝６４回計算されることより、 ６４×（３＋５０） ＝ ３３９２ また、上記（ａ４）式の補間は、６４×２＝１２８程度
のオーダとなる。

【０１７０】従って、これらの総計は、 １２００＋１７９２＋３３９２＋１２８ ＝ ６５１２ すなわち、６５１２程度のオーダとなる。

【０１７１】さらに、重みマトリクスＷは、Ｗ'^T
Ｗのパターンで使用されるので、上記（ａ２）式の平
方根演算を省略して、ｒｍ²[i]のみを求めて使用しても
よい。この場合、上記（ａ３）式、（ａ４）式は、ｒｍ
[i] ではなくｒｍ²[i]に対して行い、上記（ａ５）式で
求めるものも、wh[i] ではなくwh²[i]となる。このとき
の上記ｒｍ²[i]を求める演算量は１９２となり、総計の
演算量は、 １２００＋１７９２＋１９２＋１２８ ＝ ３３１２ すなわち３３１２程度のオーダとなる。

【０１７２】なお、上記（２５）式から（２６）式まで
の演算をそのままの形で行う場合には、演算量の総計
は、約１２１６０程度のオーダとなる。すなわち、先
ず、上記（２５）式の分子、分母共に２５６点ＦＦＴ演
算が行われ、これらの２５６点ＦＦＴは、上述したよう
に、それぞれが２５６／２×８×４＝４０９６のオーダ
となる。また、上記 wh₀[i] の演算には、２回の２乗和
（演算量各３）、割算（演算量約２５）及び平方根計算
（演算量約５０）があって、これが１２８回分で、１２
８×（３＋３＋２５＋５０）＝１０３６８となるが、こ
れについても上述と同様に平方根の計算を省略すると、
１２８×（３＋３＋２５）＝３９６８のオーダの演算量
となる。従って、これらの総計は、４０９６×２＋３９
６８＝１２１６０のオーダとなる。

【０１７３】このようなことから、上記（２５）式をそ
のまま計算して、上記wh₀[i]の代わりにwh₀ ²[i] を計算
する場合には、１２１６０程度のオーダの演算量が必要
となるのに対して、上記（ａ１）式から（ａ５）式まで
のような計算を行うことにより、演算量は３３１２程度
のオーダに削減され、約１／４強程度にまで演算量が削
減されることになる。

【０１７４】以上説明したような演算量を少なくした重
みの計算処理手順をまとめると、図９のフローチャート
のようになる。

【０１７５】この図９において、最初のステップＳ９１
で重みの伝達関数の上記（ａ１）式を導出し、次のステ
ップＳ９２で上記（ａ１）式のインパルス応答を導出す
る。このインパルス応答に対してステップＳ９３で０ア
ペンド（０詰め）した後、ステップＳ９４でＦＦＴ（高
速フーリエ変換）する。なお、０アペンドしなくても２
のべき乗の長さのインパルス応答を算出した場合は、そ
のままＦＦＴしてもよい。次のステップＳ９５で振幅又
は振幅の２乗の周波数特性を算出する。次のステップＳ
９６で、周波数特性のポイント数を増やすための直線補
間を行う。

【０１７６】このような重み付きベクトル量子化の重み
の計算は、音声符号化のみならず、オーディオ信号等の
可聴信号の符号化に適用できる。すなわち、音声又はオ
ーディオ信号を周波数領域のパラメータとしてのＤＦＴ
（離散フーリエ変換）係数、ＤＣＴ（離散コサイン変
換）係数、ＭＤＣＴ（改良ＤＣＴ）係数など、又はその
パラメータに基づいて得られたパラメータ、例えばハー
モニクス振幅、ＬＰＣ残差のハーモニクス振幅などで表
現する可聴信号符号化において、そのパラメータを重み
付きベクトル量子化する際、重みの伝達関数のインパル
ス応答、又はインパルス応答を打ち切ったものに０アペ
ンド（０詰め）したものをＦＦＴして、その結果に基づ
いて重みを算出するようにすればよい。この場合、上記
重みのインパルス応答のＦＦＴを行った後に、ＦＦＴ係
数そのもの（re,im） （ただし、係数の実部をre、虚部
をimとする。）、re²＋im² 、又は（re²＋im²）^1/2のい
ずれかを補間したものを上記重みとして使用することが
好ましい。

【０１７７】ここで、上述した（２６）式のマトリクス
Ｗ’、すなわち重み付き合成フィルタの周波数特性を
用いて、上記（２１）式を書き直すと、

【０１７８】

【数２６】

【０１７９】となる。

【０１８０】次に、シェイプコードブックとゲインコー
ドブックの学習法について説明する。

【０１８１】先ず、ＣＢ０に関しコードベクトルｓ_0c を
選択する全てのフレームｋに関して歪の期待値を最小化
する。そのようなフレームがＭ個あるとして、

【０１８２】

【数２７】

【０１８３】を最小化すればよい。この（２８）式中
で、Ｗ_k'はｋ番目のフレームに対する重み、ｘ_k はｋ
番目のフレームの入力、ｇ_k はｋ番目のフレームのゲイ
ン、ｓ_1k はｋ番目のフレームについてのコードブックＣ
Ｂ１からの出力、をそれぞれ示す。

【０１８４】この（２８）式を最小化するには、

【０１８５】

【数２８】

【０１８６】

【数２９】

【０１８７】次に、ゲインに関しての最適化を考える。

【０１８８】ゲインのコードワードｇ_c を選択するｋ番
目のフレームに関しての歪の期待値Ｊ_g は、

【０１８９】

【数３０】

【０１９０】上記（３１）式及び（３２）式は、シェイ
プｓ_0i 、ｓ_1j 及びゲインｇ_l 、０≦ｉ≦３１、０≦ｊ≦
３１、０≦ｌ≦３１の最適なセントロイドコンディショ
ン(Centroid Condition)、すなわち最適なデコーダ出力
を与えるものである。なお、ｓ_1j に関してもｓ_0i と同様
に求めることができる。

【０１９１】次に、最適エンコード条件（Nearest Neig
hbour Condition ）を考える。

【０１９２】歪尺度を求める上記（２７）式、すなわ
ち、 Ｅ＝‖Ｗ'（ｘ−ｇ_l（ｓ_0i ＋ｓ_1j ））‖² を最小化するｓ_0i 、ｓ_1j を、入力ｘ、重みマトリクス
Ｗ' が与えられる毎に、すなわち毎フレームごとに決
定する。

【０１９３】本来は、総当り的に全てのｇ_l （０≦ｌ≦
３１）、ｓ_0i （０≦ｉ≦３１）、ｓ_1j （０≦ｊ≦３１）
の組み合せの、３２×３２×３２＝３２７６８通りにつ
いてＥを求めて、最小のＥを与えるｇ_l 、ｓ_0i 、ｓ_1j の
組を求めるべきであるが、膨大な演算量となるので、本
実施の形態では、シェイプとゲインのシーケンシャルサ
ーチを行っている。なお、ｓ_0i とｓ_1j との組み合せにつ
いては、総当りサーチを行うものとする。これは、３２
×３２＝１０２４通りである。以下の説明では、簡単化
のため、ｓ_0i ＋ｓ_1j をｓ_m と記す。

【０１９４】上記（２７）式は、Ｅ＝‖Ｗ'（ｘ−ｇ_l
ｓ_m）‖² となる。さらに簡単のため、ｘ_w ＝Ｗ'ｘ、
ｓ_w ＝Ｗ'ｓ_m とすると、

【０１９５】

【数３１】

【０１９６】となる。従って、ｇ_l の精度が充分にとれ
ると仮定すると、

【０１９７】

【数３２】

【０１９８】という２つのステップに分けてサーチする
ことができる。元の表記を用いて書き直すと、

【０１９９】

【数３３】

【０２００】となる。この（３５）式が最適エンコード
条件(Nearest Neighbour Condition)である。

【０２０１】ここで上記（３１）、（３２）式の条件
（Centroid Condition）と、（３５）式の条件を用い
て、ＬＢＧ(Linde-Buzo-Gray) アルゴリズム、いわゆる
一般化ロイドアルゴリズム（Generalized Lloyd Algori
thm:ＧＬＡ）によりコードブック（ＣＢ０、ＣＢ１、Ｃ
Ｂｇ）を同時にトレーニングできる。

【０２０２】なお、本実施の形態では、Ｗ’として、
入力ｘのノルムで割り込んだＷ’を使用している。す
なわち、上記（３１）、（３２）、（３５）式におい
て、事前にＷ’にＷ’／‖ｘ‖を代入して使用して
いる。

【０２０３】あるいは別法として、ベクトル量子化器１
１６でのベクトル量子化の際の聴覚重み付けに用いられ
る重みＷ’については、上記（２６）式で定義されて
いるが、過去のＷ’も加味して現在のＷ’を求める
ことにより、テンポラルマスキングも考慮したＷ’を
求めてもよい。

【０２０４】上記（２６）式中のwh(1),wh(2),・・・,w
h(L)に関して、時刻ｎ、すなわち第ｎフレームで算出さ
れたものをそれぞれwh_n(1),wh_n(2),・・・,wh_n(L) とす
る。

【０２０５】時刻ｎで過去の値を考慮した重みをＡ
_n(i)、１≦ｉ≦Ｌ と定義すると、

【０２０６】

【数３４】

【０２０７】とする。ここで、λは例えばλ＝０．２と
すればよい。このようにして求められたＡ_n(i)、１≦ｉ
≦Ｌ について、これを対角要素とするマトリクスを上
記重みとして用いればよい。

【０２０８】このように重み付きベクトル量子化により
得られたシェイプインデクスｓ_0i 、ｓ_1j は、出力端子５
２０、５２２からそれぞれ出力され、ゲインインデクス
ｇ_lは、出力端子５２１から出力される。また、量子化
値ｘ₀ 'は、出力端子５０４から出力されると共に、加算
器５０５に送られる。

【０２０９】この加算器５０５では、スペクトルエンベ
ロープベクトルｘから量子化値ｘ₀ 'が減算されて、量子
化誤差ベクトルｙが生成される。この量子化誤差ベクト
ルｙは、具体的には、８個のベクトル量子化器５１１₁
〜５１１₈から成るベクトル量子化部５１１に送られ
て、次元分割され、各ベクトル量子化器５１１₁〜５１
１₈で重み付きのベクトル量子化が施される。

【０２１０】第２のベクトル量子化部５１０では、第１
のベクトル量子化部５００と比較して、かなり多くのビ
ット数を用いるため、コードブックのメモリ容量及びコ
ードブックサーチのための演算量（Complexity）が非常
に大きくなり、第１のベクトル量子化部５００と同じ４
４次元のままでベクトル量子化を行うことは、不可能で
ある。そこで、第２のベクトル量子化部５１０内のベク
トル量子化部５１１を複数個のベクトル量子化器で構成
し、入力される量子化値を次元分割して、複数個の低次
元ベクトルとして、重み付きのベクトル量子化を行う。

【０２１１】ベクトル量子化器５１１₁〜５１１₈で用い
る各量子化値ｙ₀ 〜ｙ₇ と、次元数と、ビット数との関係
を、表２に示す。

【０２１２】

【表２】

【０２１３】ベクトル量子化器５１１₁〜５１１₈から出
力されるインデクスＩdvq₀〜Ｉdvq₇は、各出力端子５２
３₁〜５２３₈からそれぞれ出力される。これらのインデ
クスの合計は７２ビットである。

【０２１４】また、ベクトル量子化器５１１₁〜５１１₈
から出力される量子化値ｙ₀ ’〜ｙ₇ ’を次元方向に接続
した値をｙ’とすると、加算器５１３では、量子化値
ｙ’と量子化値ｘ₀ ’とが加算されて、量子化値ｘ₁ ’が
得られる。よって、この量子化値ｘ₁ ’は、ｘ₁ ’＝ｘ₀ ’＋ｙ’ ＝ｘ−ｙ＋ｙ’ で表される。すなわち、最終的な量子化誤差ベクトル
は、ｙ’−ｙとなる。

【０２１５】尚、音声信号復号化装置側では、この第２
のベクトル量子化部５１０からの量子化値ｘ₁ ’ を復号
化するときには、第１のベクトル量子化部５００からの
量子化値ｘ₀ ’ は不要であるが、第１のベクトル量子化
部５００及び第２のベクトル量子化部５１０からのイン
デクスは必要とする。

【０２１６】次に、上記ベクトル量子化部５１１におけ
る学習法及びコードブックサーチについて説明する。

【０２１７】先ず、学習法においては、量子化誤差ベク
トルｙ及び重みｗ’を用い、表２に示すように、８つの
低次元ベクトルｙ₀ 〜ｙ₇ 及びマトリクスに分割する。こ
のとき、重みＷ’は、例えば４４点に間引いたものを
対角要素とする行列、

【０２１８】

【数３５】

【０２１９】とすると、以下の８つの行列に分割され
る。

【０２２０】

【数３６】

【０２２１】このように、ｙ及びＷ’の低次元に分割
されたものを、それぞれｙ_i 、Ｗ_i’ （１≦ｉ≦８） とする。

【０２２２】ここで、歪尺度Ｅを、 Ｅ＝‖Ｗ_i'（ｙ_i −ｓ）‖² ・・・（３７） と定義する。このコードベクトルｓはｙ_i の量子化結果
であり、歪尺度Ｅを最小化する、コードブックのコード
ベクトルｓがサーチされる。

【０２２３】尚、Ｗ_i’は、学習時には重み付けがあ
り、サーチ時には重み付け無し、すなわち単位行列と
し、学習時とコードブックサーチ時とでは異なる値を用
いるようにしてもよい。

【０２２４】また、コードブックの学習では、一般化ロ
イドアルゴリズム（ＧＬＡ）を用い、さらに重み付けを
行っている。先ず、学習のための最適なセントロイドコ
ンディションについて説明する。コードベクトルｓを最
適な量子化結果として選択した入力ベクトルｙがＭ個あ
る場合に、トレーニングデータをｙ_k とすると、歪の期
待値Ｊは、全てのフレームｋに関して重み付け時の歪の
中心を最小化するような（３８）式となる。

【０２２５】

【数３７】

【０２２６】上記（３９）式で示すｓは最適な代表ベク
トルであり、最適なセントロイドコンディションであ
る。

【０２２７】また、最適エンコード条件は、‖Ｗ_i'
（ｙ_i −ｓ）‖² の値を最小化するｓをサーチすればよ
い。ここでサーチ時のＷ_i'は、必ずしも学習時と同じ
Ｗ_i'である必要はなく、重み無しで

【０２２８】

【数３８】

【０２２９】のマトリクスとしてもよい。

【０２３０】このように、音声信号符号化装置内のベク
トル量子化部１１６を２段のベクトル量子化部から構成
することにより、出力するインデクスのビット数を可変
にすることができる。

【０２３１】次に、本発明の前記ＣＥＬＰ符号化構成を
用いた第２の符号化部１２０は、より具体的には図１０
に示すような、多段のベクトル量子化処理部（図１０の
例では２段の符号化部１２０₁と１２０₂）の構成を有す
るものとなされている。なお、当該図１０の構成は、伝
送ビットレートを例えば前記２ｋｂｐｓと６ｋｂｐｓと
で切り換え可能な場合において、６ｋｂｐｓの伝送ビッ
トレートに対応した構成を示しており、さらにシェイプ
及びゲインインデクス出力を２３ビット／５ｍｓｅｃと
１５ビット／５ｍｓｅｃとで切り換えられるようにして
いるものである。また、この図１０の構成における処理
の流れは図１１に示すようになっている。

【０２３２】この図１０において、例えば、図１０の第
１の符号化部３００は前記図３の第１の符号化部１１３
と略々対応し、図１０のＬＰＣ分析回路３０２は前記図
３に示したＬＰＣ分析回路１３２と対応し、図１０のＬ
ＳＰパラメータ量子化回路３０３は図３の前記α→ＬＳ
Ｐ変換回路１３３からＬＳＰ→α変換回路１３７までの
構成と対応し、図１０の聴覚重み付けフィルタ３０４は
図３の前記聴覚重み付けフィルタ算出回路１３９及び聴
覚重み付けフィルタ１２５と対応している。したがっ
て、この図１０において、端子３０５には前記図３の第
１の符号化部１１３のＬＳＰ→α変換回路１３７からの
出力と同じものが供給され、また、端子３０７には前記
図３の聴覚重み付けフィルタ算出回路１３９からの出力
と同じものが、端子３０６には前記図３の聴覚重み付け
フィルタ１２５からの出力と同じものが供給される。た
だし、この図１０の聴覚重み付けフィルタ３０４では、
前記図３の聴覚重み付けフィルタ１２５とは異なり、前
記ＬＳＰ→α変換回路１３７の出力を用いずに、入力音
声データと量子化前のαパラメータとから、前記聴覚重
み付けした信号（すなわち前記図３の聴覚重み付けフィ
ルタ１２５からの出力と同じ信号）を生成している。

【０２３３】また、この図１０に示す２段構成の第２の
符号化部１２０₁及び１２０₂において、減算器３１３及
び３２３は図３の減算器１２３と対応し、距離計算回路
３１４及び３２４は図３の距離計算回路１２４と、ゲイ
ン回路３１１及び３２１は図３のゲイン回路１２６と、
ストキャスティックコードブック３１０，３２０及びゲ
インコードブック３１５，３２５は図３の雑音符号帳１
２１とそれぞれ対応している。

【０２３４】このような図１０の構成において、先ず、
図１１のステップＳ１に示すように、ＬＰＣ分析回路３
０２では、端子３０１から供給された入力音声データｘ
を前述同様に適当なフレームに分割してＬＰＣ分析を行
い、αパラメータを求める。ＬＳＰパラメータ量子化回
路３０３では、上記ＬＰＣ分析回路３０２からのαパラ
メータをＬＳＰパラメータに変換して量子化し、さらに
この量子化したＬＳＰパラメータを補間した後、αパラ
メータに変換する。次に、当該ＬＳＰパラメータ量子化
回路３０３では、当該量子化したＬＳＰパラメータを変
換したαパラメータ、すなわち量子化されたαパラメー
タから、ＬＰＣ合成フィルタ関数１／Ｈ（ｚ）を生成
し、これを端子３０５を介して１段目の第２の符号化部
１２０₁の聴覚重み付き合成フィルタ３１２に送る。

【０２３５】一方、聴覚重み付けフィルタ３０４では、
ＬＰＣ分析回路３０２からのαパラメータ（すなわち量
子化前のαパラメータ）から、前記図３の聴覚重み付け
フィルタ算出回路１３９によるものと同じ聴覚重み付け
のためのデータを求め、この重み付けのためのデータが
端子３０７を介して、１段目の第２の符号化部１２０₁
の聴覚重み付き合成フィルタ３１２に送られる。また、
当該聴覚重み付けフィルタ３０４では、図１１のステッ
プＳ２に示すように、入力音声データと量子化前のαパ
ラメータとから、前記聴覚重み付けした信号（前記図３
の聴覚重み付けフィルタ１２５からの出力と同じ信号）
を生成する。すなわち、先ず、量子化前のαパラメータ
から聴覚重み付けフィルタ関数Ｗ（ｚ）を生成し、さら
に入力音声データｘに当該フィルタ関数Ｗ（ｚ）を適用
してｘ_W を生成し、これを上記聴覚重み付けした信号と
して、端子３０６を介して１段目の第２の符号化部１２
０₁ の減算器３１３に送る。

【０２３６】１段目の第２の符号化部１２０₁ では、９
ビットシェイプインデクス出力のストキャスティックコ
ードブック（stochastic code book）３１０からの代表
値出力（無声音のＬＰＣ残差に相当するノイズ出力）が
ゲイン回路３１１に送られ、このゲイン回路３１１に
て、ストキャスティックコードブック３１０からの代表
値出力に６ビットゲインインデクス出力のゲインコード
ブック３１５からのゲイン（スカラ値）を乗じ、このゲ
イン回路３１１にてゲインが乗じられた代表値出力が、
１／Ａ（ｚ）＝（１／Ｈ（ｚ））・Ｗ（ｚ）の聴覚重み
付きの合成フィルタ３１２に送られる。この重み付きの
合成フィルタ３１２からは、図１１のステップＳ３のよ
うに、１／Ａ（ｚ）のゼロ入力応答出力が減算器３１３
に送られる。当該減算器３１３では、上記聴覚重み付き
合成フィルタ３１２からのゼロ入力応答出力と、上記聴
覚重み付けフィルタ３０４からの上記聴覚重み付けした
信号ｘ_W とを用いた減算が行われ、この差分或いは誤差
が参照ベクトルｒとして取り出される。図１１のステッ
プＳ４に示すように、１段目の第２の符号化部１２０₁
でのサーチ時には、この参照ベクトルｒが、距離計算回
路３１４に送られ、ここで距離計算が行われ、量子化誤
差エネルギＥを最小にするシェイプベクトルｓとゲイン
ｇがサーチされる。ただし、ここでの１／Ａ（ｚ）はゼ
ロ状態である。すなわち、コードブック中のシェイプベ
クトルｓをゼロ状態の１／Ａ（ｚ）で合成したものをｓ
_syn とするとき、式（４０）を最小にするシェイプベク
トルｓとゲインｇをサーチする。

【０２３７】

【数３９】

【０２３８】ここで、量子化誤差エネルギＥを最小とす
るｓとｇをフルサーチしてもよいが、計算量を減らすた
めに、以下のような方法をとることができる。なお、ｒ
(ｎ)等は、ベクトルｒ等の要素を表している。

【０２３９】第１の方法として、以下の式（４１）に定
義するＥ_sを最小とするシェイプベクトルｓをサーチす
る。

【０２４０】

【数４０】

【０２４１】第２の方法として、第１の方法により得ら
れたｓより、理想的なゲインは、式（４２）のようにな
るから、式（４３）を最小とするｇをサーチする。

【０２４２】

【数４１】

【０２４３】 Ｅ_g＝（ｇ_ref−ｇ）² （４３） ここで、Ｅはｇの二次関数であるから、Ｅ_gを最小にす
るｇはＥを最小化する。

【０２４４】上記第１，第２の方法によって得られたｓ
とｇより、量子化誤差ベクトルｅは次の式（４４）のよ
うに計算できる。

【０２４５】ｅ ＝ｒ−ｇｓ_syn （４４） これを、２段目の第２の符号化部１２０₂ のリファレン
ス入力として１段目と同様にして量子化する。

【０２４６】すなわち、上記１段目の第２の符号化部１
２０₁ の聴覚重み付き合成フィルタ３１２からは、端子
３０５及び端子３０７に供給された信号がそのまま２段
目の第２の符号化部１２０₂の聴覚重み付き合成フィル
タ３２２に送られる。また、当該２段目の第２の符号化
部１２０₂減算器３２３には、１段目の第２の符号化部
１２０₁にて求めた上記量子化誤差ベクトルｅが供給さ
れる。

【０２４７】次に、図１１のステップＳ５において、当
該２段目の第２の符号化部１２０₂でも１段目と同様に
処理が行われる。すなわち、５ビットシェイプインデク
ス出力のストキャスティックコードブック３２０からの
代表値出力がゲイン回路３２１に送られ、このゲイン回
路３２１にて、当該コードブック３２０からの代表値出
力に３ビットゲインインデクス出力のゲインコードブッ
ク３２５からのゲインを乗じ、このゲイン回路３２１の
出力が、聴覚重み付きの合成フィルタ３２２に送られ
る。当該重み付きの合成フィルタ３２２からの出力は減
算器３２３に送られ、当該減算器３２３にて上記聴覚重
み付き合成フィルタ３２２からの出力と１段目の量子化
誤差ベクトルｅとの差分が求められ、この差分が距離計
算回路３２４に送られてここで距離計算が行われ、量子
化誤差エネルギＥを最小にするシェイプベクトルｓとゲ
インｇがサーチされる。

【０２４８】上述したような１段目の第２の符号化部１
２０₁ のストキャストコードブック３１０からのシェイ
プインデクス出力及びゲインコードブック３１５からの
ゲインインデクス出力と、２段目の第２の符号化部１２
０₂ のストキャストコードブック３２０からのインデク
ス出力及びゲインコードブック３２５からのインデクス
出力は、インデクス出力切り換え回路３３０に送られる
ようになっている。ここで、当該第２の符号化部１２０
から２３ビット出力を行うときには、上記１段目と２段
目の第２の符号化部１２０₁及び１２０₂のストキャスト
コードブック３１０，３２０及びゲインコードブック３
１５，３２５からの各インデクスを合わせて出力し、一
方、１５ビット出力を行うときには、上記１段目の第２
の符号化部１２０₁ のストキャストコードブック３１０
とゲインコードブック３１５からの各インデクスを出力
する。

【０２４９】その後は、ステップＳ６のようにフィルタ
状態がアップデートされる。

【０２５０】ところで、本実施の形態では、２段目の第
２の符号化部１２０₂ のインデクスビット数が、シェイ
プベクトルについては５ビットで、ゲインについては３
ビットと非常に少ない。このような場合、適切なシェイ
プ、ゲインがコードブックに存在しないと、量子化誤差
を減らすどころか逆に増やしてしまう可能性がある。

【０２５１】この問題を防ぐためには、ゲインに０を用
意しておけばよいが、ゲインは３ビットしかなく、その
うちの一つを０にしてしまうのは量子化器の性能を大き
く低下させてしまう。そこで、比較的多いビット数を割
り当てたシェイプベクトルに、要素が全て０のベクトル
を用意する。そして、このゼロベクトルを除いて、前述
のサーチを行い、量子化誤差が最終的に増えてしまった
場合に、ゼロベクトルを選択するようにする。なお、こ
のときのゲインは任意である。これにより、２段目の第
２の符号化部１２０₂が量子化誤差を増すことを防ぐこ
とができる。

【０２５２】なお、図１０の例では、２段構成の場合を
例に挙げているが、２段に限らず複数段構成とすること
ができる。この場合、１段目のクローズドループサーチ
によるベクトル量子化が終了したら、Ｎ段目（２≦Ｎ）
ではＮ−１段目の量子化誤差をリファレンス入力として
量子化を行い、さらにその量子化誤差をＮ＋１段目のリ
ファレンス入力とする。

【０２５３】上述したように、図１０及び図１１から、
第２の符号化部に多段のベクトル量子化器を用いること
により、従来のような同じビット数のストレートベクト
ル量子化や共役コードブックなどを用いたものと比較し
て、計算量が少なくなる。特に、ＣＥＬＰ符号化では、
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ため、サーチの回数が少ないことが
重要である。また、２段の第２の符号化部１２０₁と１
２０₂の両インデクス出力を用いる場合と、１段目の第
２の符号化部１２０₁のインデクス出力のみを用いる
（２段目の第２の符号化部１２０₂の出力インデクスを
用いない）場合とを切り換えることにより、簡単にビッ
ト数を切り換えることが可能となっている。さらに上述
したように、１段目と２段目の第２の符号化部１２０₁
と１２０₂の両インデクス出力を合わせて出力するよう
なことを行えば、後のデコーダ側において例えば何れか
を選ぶようにすることで、デコーダ側でも容易に対応で
きることになる。すなわち例えば６ｋｂｐｓでエンコー
ドしたパラメータを、２ｋｂｐｓのデコーダでデコード
するときに、デコーダ側で容易に対応できることにな
る。またさらに、例えば２段目の第２の符号化部１２０
₂のシェイプコードブックにゼロベクトルを含ませるこ
とにより、割り当てられたビット数が少ない場合でも、
ゲインに０を加えるよりは少ない性能劣化で量子化誤差
が増加することを防ぐことが可能となっている。

【０２５４】次に、上記ストキャスティックコードブッ
クのコードベクトル（シェイプベクトル）は例えば以下
のようにして生成することができる。

【０２５５】例えば、ストキャスティックコードブック
のコードベクトルは、いわゆるガウシアンノイズのクリ
ッピングにより生成することができる。具体的には、ガ
ウシアンノイズを発生させ、これを適当なスレシホール
ド値でクリッピングし、それを正規化することで、コー
ドブックを構成することができる。

【０２５６】ところが、音声には様々な形態があり、例
えば「さ，し，す，せ，そ」のようなノイズに近い子音
の音声には、ガウシアンノイズが適しているが、例えば
「ぱ，ぴ，ぷ，ぺ，ぽ」のような立ち上がりの激しい子
音（急峻な子音）の音声については、対応しきれない。

【０２５７】そこで、本発明では、全コードベクトルの
うち、適当な数はガウシアンノイズとし、残りを学習に
より求めて上記立ち上がりの激しい子音とノイズに近い
子音の何れにも対応できるようにする。例えば、スレシ
ホールド値を大きくとると、大きなピークを幾つか持つ
ようなベクトルが得られ、一方、スレシホールド値を小
さくとると、ガウシアンノイズそのものに近くなる。し
たがって、このようにクリッピングスレシホールド値の
バリエーションを増やすことにより、例えば「ぱ，ぴ，
ぷ，ぺ，ぽ」のような立ち上がりの激しい子音や、例え
ば「さ，し，す，せ，そ」のようなノイズに近い子音な
どに対応でき、明瞭度を向上させることができるように
なる。なお、図１２には、図中実線で示すガウシアンノ
イズと図中点線で示すクリッピング後のノイズの様子を
示している。また、図１２の（Ａ）はクリッピングスレ
シホールド値が１．０の場合（すなわちスレシホールド
値が大きい場合）を、図１２の（Ｂ）にはクリッピング
スレシホールド値が０．４の場合（すなわちスレシホー
ルド値が小さい場合）を示している。この図１２の
（Ａ）及び（Ｂ）から、スレシホールド値を大きくとる
と、大きなピークを幾つか持つようなベクトルが得ら
れ、一方、スレシホールド値を小さくとると、ガウシア
ンノイズそのものに近くなることが判る。

【０２５８】このようなことを実現するため、先ず、ガ
ウシアンノイズのクリッピングにより初期コードブック
を構成し、さらに予め適当な数だけ学習を行わないコー
ドベクトルを決めておく。この学習しないコードベクト
ルは、その分散値が小さいものから順に選ぶようにす
る。これは、例えば「さ，し，す，せ，そ」のようなノ
イズに近い子音に対応させるためである。一方、学習を
行って求めるコードベクトルは、当該学習のアルゴリズ
ムとしてＬＢＧアルゴリズムを用いるようにする。ここ
で最適エンコード条件（Nearest Neighbour Conditio
n） でのエンコードは固定したコードベクトルと、学習
対象のコードベクトル両方を使用して行う。セントロイ
ドコンディション（Centroid Condition）においては、
学習対象のコードベクトルのみをアップデートする。こ
れにより、学習対象となったコードベクトルは「ぱ，
ぴ，ぷ，ぺ，ぽ」などの立ち上がりの激しい子音に対応
するようになる。

【０２５９】なお、ゲインは通常通りの学習を行うこと
で、これらのコードベクトルに対して最適なものが学習
できる。

【０２６０】上述したガウシアンノイズのクリッピング
によるコードブックの構成のための処理の流れを図１３
に示す。

【０２６１】この図１３において、ステップＳ１０で
は、初期化として、学習回数ｎ＝０とし、誤差Ｄ₀＝∞
とし、最大学習回数ｎ_maxを決定し、学習終了条件を決
めるスレシホールド値εを決定する。

【０２６２】次のステップＳ１１では、ガウシアンノイ
ズのクリッピングによる初期コードブックを生成し、ス
テップＳ１２では学習を行わないコードベクトルとして
一部のコードベクトルを固定する。

【０２６３】次にステップＳ１３では上記コードブック
を用いてエンコードを行い、ステップＳ１４では誤差を
算出し、ステップＳ１５では（Ｄ_n-1−Ｄ_n）／Ｄ_n＜
ε、若しくはｎ＝ｎ_maxか否かを判断し、Ｙｅｓと判断
した場合には処理を終了し、Ｎｏと判断した場合にはス
テップＳ１６に進む。

【０２６４】ステップＳ１６ではエンコードに使用され
なかったコードベクトルの処理を行い、次のステップＳ
１７ではコードブックのアップデートを行う。次にステ
ップＳ１８では学習回数ｎを１インクリメントし、その
後ステップＳ１３に戻る。

【０２６５】次に、図３の音声信号符号化装置におい
て、Ｖ／ＵＶ（有声音／無声音）判定部１１５の具体例
について説明する。

【０２６６】このＶ／ＵＶ判定部１１５においては、直
交変換回路１４５からの出力と、高精度ピッチサーチ部
１４６からの最適ピッチと、スペクトル評価部１４８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１４１からの正規化自己相関最大値ｒ(p) と、ゼ
ロクロスカウンタ１４２からのゼロクロスカウント値と
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の場合と同様な各バンド毎の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
件としている。

【０２６７】このＭＢＥの場合の各バンド毎のＶ／ＵＶ
判定結果を用いたＶ／ＵＶ判定条件について以下に説明
する。

【０２６８】ＭＢＥの場合の第ｍ番目のハーモニクスの
大きさを表すパラメータあるいは振幅｜Ａ_m｜ は、

【０２６９】

【数４２】

【０２７０】により表せる。この式において、｜Ｓ(j)
｜ は、ＬＰＣ残差をＤＦＴしたスペクトルであり、｜
Ｅ(j)｜ は、基底信号のスペクトル、具体的には２５６
ポイントのハミング窓をＤＦＴしたものである。また、
ａ_m及びｂ_mは、第ｍ番目のハーモニクスに対応する第ｍ
バンドに対応する周波数をインデクスｊで表現したとき
の下限値及び上限値である。また、各バンド毎のＶ／Ｕ
Ｖ判定のために、ＮＳＲ（ノイズtoシグナル比）を利用
する。この第ｍバンドのＮＳＲは、

【０２７１】

【数４３】

【０２７２】と表せ、このＮＳＲ値が所定の閾値（例え
ば0.3 ）より大のとき（エラーが大きい）ときには、そ
のバンドでの｜Ａ_m ｜｜Ｅ(j) ｜による｜Ｓ(j) ｜の近
似が良くない（上記励起信号｜Ｅ(j) ｜が基底として不
適当である）と判断でき、当該バンドをＵＶ（Unvoice
d、無声音）と判別する。これ以外のときは、近似があ
る程度良好に行われていると判断でき、そのバンドをＶ
（Voiced、有声音）と判別する。

【０２７３】ここで、上記各バンド（ハーモニクス）の
ＮＳＲは、各ハーモニクス毎のスペクトル類似度をあら
わしている。ＮＳＲのハーモニクスのゲインによる重み
付け和をとったものをＮＳＲ_all として次のように定義
する。

【０２７４】ＮＳＲ_all ＝（Σ_m ｜Ａ_m ｜ＮＳＲ_m ）／
（Σ_m ｜Ａ_m ｜） このスペクトル類似度ＮＳＲ_all がある閾値より大きい
か小さいかにより、Ｖ／ＵＶ判定に用いるルールベース
を決定する。ここでは、この閾値をＴｈ_NSR ＝0.3 とし
ておく。このルールベースは、フレームパワー、ゼロク
ロス、ＬＰＣ残差の自己相関の最大値に関するものであ
り、ＮＳＲ_all ＜Ｔｈ_NSR のときに用いられるルールベ
ースでは、ルールが適用されるとＶとなり適用されるル
ールがなかった場合はＵＶとなる。

【０２７５】また、ＮＳＲ_all ≧Ｔｈ_NSR のときに用い
られるルールベースでは、ルールが適用されるとＵＶ、
適用されないとＶとなる。

【０２７６】ここで、具体的なルールは、次のようなも
のである。ＮＳＲ_all ＜Ｔｈ_NSR のとき、 if numZeroＸＰ＜２４、& frmPow＞３４０、& r0＞0.32
then Ｖ ＮＳＲ_all ≧Ｔｈ_NSR のとき、 if numZeroＸＰ＞３０、& frmPow＜９００、& r0＜0.23
then ＵＶ ただし、各変数は次のように定義される。 numZeroＸＰ：１フレーム当たりのゼロクロス回数 frmPow ：フレームパワー r0 ：自己相関最大値 上記のようなルールの集合であるルールに照合すること
で、Ｖ／ＵＶを判定する。

【０２７７】次に、図４の音声信号復号化装置の要部の
より具体的な構成及び動作について説明する。

【０２７８】先ず、サイン波合成回路２１５でのサイン
波合成及び位相初期化回路２１９での各ハーモニクス
（基本波及びその高調波）の位相初期化について説明す
る。

【０２７９】サイン波合成回路２１５において、上記Ｖ
（有声音）と判別された１フレーム分のサイン波合成信
号ｖ（ｎ）は、フレーム内の時間インデックス（サンプ
ル番号）ｎを用いて、一般に次のように表される。

【０２８０】

【数４４】

【０２８１】この式中のｎは、フレーム長をＬとすると
き、０≦ｎ＜Ｌであり、ｍはハーモニクスの番号を表
す。また、Ａ_m(n)は、上記合成フレームの先端から終端
までの間で補間された第ｍ高調波の振幅であり、最も簡
単には、フレーム単位で更新される振幅データの第ｍ高
調波の値を直線補間することにより求めることができ
る。すなわち、上記合成フレームの先端（ｎ＝０）での
第ｍ高調波の振幅値をＡ_0m、該合成フレームの終端（ｎ
＝Ｌ：次の合成フレームの先端）での第ｍ高調波の振幅
値をＡ_Lmとするとき、 Ａ_m(n) ＝ (L-n)Ａ_0m／Ｌ＋ｎＡ_Lm／Ｌ の式によりＡ_m(n)を計算すればよい。

【０２８２】次に、上記サイン波合成信号ｖ（ｎ）の式
中の位相θ_m(ｎ) は、

【０２８３】

【数４５】

【０２８４】により表せる。この式中のθ_m(０) は初期
位相である。

【０２８５】従って、ｎ＝０、ｎ＝Ｌにおける基本角周
波数を、それぞれω₁，ω₂とし、各サンプルｎにおける
角周波数を線形補間により求めることにすると、ｎ＝Ｌ
における位相θ_m(Ｌ) は、

【０２８６】

【数４６】

【０２８７】として求められる。この式中で、mod(x,y)
とは、ｘをｙで割った余り（剰余）を示し、例えば、mo
d(2.3π，2π)＝0.3πである。従って、 β＝mod(α＋π，2π)−π は、例えばα＝1.3π のときβ＝−0.7π 、α＝2.3π
のときβ＝0.3π 、α＝−1.3π のときβ＝0.7π であ
る。

【０２８８】このようにして求められたθ_m(Ｌ) を次の
フレームの初期位相として与えることで、角フレームの
位相の連続性が保たれる。

【０２８９】しかしながら、ＵＶ（無声音）フレームに
おいては、角周波数ω_m が不定となるため、上述のよう
に計算することはできない。そこで、フレームがＵＶの
ときには、そのフレームの終端ｎ＝Ｌにおいて初期位相
を与える。

【０２９０】この初期位相を θ_m(Ｌ)＝０，π／２ の
ように、全てのハーモニクスに同一の固定値を与えてし
まうと、各ハーモニクスの位相が揃いすぎてしまうた
め、合成音が不自然になる。

【０２９１】そこで、本実施の形態においては、偶数番
目のハーモニクスの位相初期値と奇数番目のハーモニク
スの位相初期値とを互いに異ならせることにより、上述
のような音質劣化を防止している。この場合、偶数番目
の位相初期値にπ／Ｎ（Ｎは非０の整数：Ｎ＝±１，±
２，±３，±４，・・・）を加えて奇数番目の位相初期
値とすることが挙げられる。具体的には例えば、 θ_m(Ｌ)＝０ ｍは偶数（偶数番目のハーモニク
スの初期値） θ_m(Ｌ)＝π/4 ｍは奇数（奇数番目のハーモニク
スの初期値） としたり、 θ_m(Ｌ)＝π/2 ｍは偶数（偶数番目のハーモニク
スの初期値） θ_m(Ｌ)＝π/4 ｍは奇数（奇数番目のハーモニク
スの初期値） とすることが挙げられる。これらの具体例では、偶数番
目のハーモニクスの位相初期値に＋π／４又は−π／４
を加えた値を奇数番目のハーモニクスの位相初期値とし
ているが、この他任意のオフセットを各ハーモニクスの
奇数番目と偶数番目とに与えるようにすればよい。

【０２９２】また、乱数を用いて各ハーモニクス毎に異
なる初期値を与えることでも同様の効果、すなわち位相
が揃い過ぎることによる合成音の不自然さを防止する効
果を得ることができる。

【０２９３】すなわち、この乱数を用いる初期化の具体
例としては、正の乱数を生成する関数をrandom()とし、
この関数random()が生成し得る最大の数をRAND_MAXとす
るとき、ｍ番目のハーモニクスの初期位相θ_m(Ｌ) を、

【０２９４】

【数４７】

【０２９５】により計算して与える。この式中のε及び
ａは適当な定数であり、具体例としては、ε＝0.5 ，ａ
＝０とすることが挙げられる。

【０２９６】ところで、本実施の形態においては、Ｖ／
ＵＶ情報は１ビット（２値）であるが、２ビット以上の
情報によりＶらしさ、ＵＶらしさを表現する場合には、
εの値をそれに応じて変化させることも考えられる。こ
れは、ピッチ強度の弱い、すなわちＵＶに近いようなＶ
のフレームにおいては、初期位相を広く分布させること
で、合成音中にノイズ成分を多く含ませることに相当す
る。

【０２９７】次に、初期化のタイミングについて述べ
る。位相初期化は、図４の位相初期化回路２１９に供給
されるＶ／ＵＶフラグを参照し、ＵＶが２フレーム以上
連続しているときに位相初期化を行う。この位相初期化
は、ＵＶフレームが連続している間は常に行われ、Ｖフ
レームに遷移したとき、初期化された位相からサイン波
合成が開始される。

【０２９８】図１４は、この初期化の動作についての状
態遷移を示すものである。この図１４の状態Ｓ_A ，状態
Ｓ_B では上記位相の初期化は行われず、状態Ｓ_C に達し
たときに位相初期化が行われる。この図１４において、
状態Ｓ_A のときＶ（有声音）と判別されれば状態Ｓ_A の
ままで、ＵＶ（無声音）と判別されたときに状態Ｓ_Bに
移る。状態Ｓ_B では、Ｖのとき状態Ｓ_A に戻り、ＵＶの
とき状態Ｓ_C に移って、このときのフレームの終端で位
相を初期化する。状態Ｓ_C では、ＵＶのとき状態Ｓ_C の
ままであるがこのときもフレームの終端で位相を初期化
し、Ｖのとき状態Ｓ_A に移る。従って、ＵＶが２フレー
ム以上連続したときに位相初期化が行われ、この後はＵ
Ｖフレームが連続している間は常時位相初期化が行わ
れ、Ｖフレームになると状態Ｓ_A に戻って、再びＵＶが
２フレーム以上連続するまで初期化は行わない。

【０２９９】このようにＵＶフレームが２フレーム以上
続くときのみ位相初期化をおこなわせることにより、ピ
ッチ検出ミス等によりＶとなるべきフレームがＵＶと判
別されることによる誤動作を防止できる。すなわち、こ
のような１フレームのみＵＶと誤判別されることがあっ
ても、次のフレームではＶに戻ることより、位相初期化
を行わないことにより位相の連続性が保たれる。また、
２フレーム以上ＵＶと判別されれば、本当のＵＶフレー
ムであると判断してよく、位相初期化を行わせるのが妥
当である。

【０３００】次に、図４のＬＰＣ合成フィルタ２１４に
ついて説明する。ＬＰＣ合成フィルタ２１４は、上述し
たように、Ｖ（有声音）用の合成フィルタ２３６と、Ｕ
Ｖ（無声音）用の合成フィルタ２３７とに分離されてい
る。すなわち、合成フィルタを分離せずにＶ／ＵＶの区
別なしに連続的にＬＳＰの補間を２０サンプルすなわち
２．５ｍsec 毎に行う場合には、Ｖ→ＵＶ、ＵＶ→Ｖの
遷移（トランジェント）部において、全く性質の異なる
ＬＳＰ同士を補間することになり、Ｖの残差にＵＶのＬ
ＰＣが、ＵＶの残差にＶのＬＰＣが用いられることによ
り異音が発生するが、このような悪影響を防止するため
に、ＬＰＣ合成フィルタをＶ用とＵＶ用とで分離し、Ｌ
ＰＣの係数補間をＶとＵＶとで独立に行わせたものであ
る。

【０３０１】この場合の、ＬＰＣ合成フィルタ２３６、
２３７の係数補間方法について説明する。これは、次の
表３に示すように、Ｖ／ＵＶの状態に応じてＬＳＰの補
間を切り換えている。

【０３０２】

【表３】

【０３０３】この表３において、均等間隔ＬＳＰとは、
例えば１０次のＬＰＣ分析の例で述べると、フィルタの
特性がフラットでゲインが１のときのαパラメータ、す
なわち α₀＝１，α₁＝α₂＝・・・＝α₁₀＝０に対応す
るＬＳＰであり、 ＬＳＰ_i ＝（π／１１）×ｉ ０≦ｉ≦１０ である。

【０３０４】このような１０次のＬＰＣ分析、すなわち
１０次のＬＳＰの場合は、図１５に示す通り、０〜πの
間を１１等分した位置に均等間隔で配置されたＬＳＰ
で、完全にフラットなスペクトルに対応している。合成
フィルタの全帯域ゲインはこのときが最小のスルー特性
となる。

【０３０５】図１６は、ゲイン変化の様子を概略的に示
す図であり、ＵＶ（無声音）部分からＶ（有声音）部分
への遷移時における１／Ｈ_UV(z) のゲイン及び１／Ｈ
_V(z)のゲインの変化の様子を示している。

【０３０６】ここで、補間を行う単位は、フレーム間隔
が１６０サンプル（２０ｍsec ）のとき、１／Ｈ_V(z)の
係数は２．５ｍsec （２０サンプル）毎、また１／Ｈ_UV
(z)の係数は、ビットレートが２ｋbps で１０ｍsec
（８０サンプル）、６ｋbps で５ｍsec （４０サンプ
ル）毎である。なお、ＵＶ時はエンコード側の第２の符
号化部１２０で合成による分析法を用いた波形マッチン
グを行っているので、必ずしも均等間隔ＬＳＰと補間せ
ずとも、隣接するＶ部分のＬＳＰとの補間を行ってもよ
い。ここで、第２の符号化部１２０におけるＵＶ部の符
号化処理においては、Ｖ→ＵＶへの遷移部で１／Ａ(z)
の重み付き合成フィルタ１２２の内部状態をクリアする
ことによりゼロインプットレスポンスを０にする。

【０３０７】これらのＬＰＣ合成フィルタ２３６、２３
７からの出力は、それぞれ独立に設けられたポストフィ
ルタ２３８ｖ、２３８ｕに送られており、ポストフィル
タもＶとＵＶとで独立にかけることにより、ポストフィ
ルタの強度、周波数特性をＶとＵＶとで異なる値に設定
している。

【０３０８】次に、ＬＰＣ残差信号、すなわちＬＰＣ合
成フィルタ入力であるエクサイテイションの、Ｖ部とＵ
Ｖ部のつなぎ部分の窓かけについて説明する。これは、
図４の有声音合成部２１１のサイン波合成回路２１５
と、無声音合成部２２０の窓かけ回路２２３とによりそ
れぞれ行われるものである。なお、エクサイテイション
のＶ部の合成方法については、本件出願人が先に提案し
た特願平４−９１４２２号の明細書及び図面に具体的な
説明が、また、Ｖ部の高速合成方法については、本件出
願人が先に提案した特願平６−１９８４５１号の明細書
及び図面に具体的な説明が、それぞれ開示されている。
今回の具体例では、この高速合成方法を用いてＶ部のエ
クサイテイションを生成している。

【０３０９】Ｖ（有声音）部分では、隣接するフレーム
のスペクトルを用いてスペクトルを補間してサイン波合
成するため、図１７に示すように、第ｎフレームと第ｎ
＋１フレームとの間にかかる全ての波形を作ることがで
きる。しかし、図１７の第ｎ＋１フレームと第ｎ＋２フ
レームとのように、ＶとＵＶ（無声音）に跨る部分、あ
るいはその逆の部分では、ＵＶ部分は、フレーム中に±
８０サンプル（全１６０サンプル＝１フレーム間隔）の
データのみをエンコード及びデコードしている。このた
め、図１８に示すように、Ｖ側ではフレームとフレーム
との間の中心点ＣＮを越えて窓かけを行い、ＵＶ側では
中心点ＣＮ移行の窓かけを行って、接続部分をオーバー
ラップさせている。ＵＶ→Ｖの遷移（トランジェント）
部分では、その逆を行っている。なお、Ｖ側の窓かけは
破線のようにしてもよい。

【０３１０】次に、Ｖ（有声音）部分でのノイズ合成及
びノイズ加算について説明する。これは、図４のノイズ
合成回路２１６、重み付き重畳回路２１７、及び加算器
２１８を用いて、有声音部分のＬＰＣ合成フィルタ入力
となるエクサイテイションについて、次のパラメータを
考慮したノイズをＬＰＣ残差信号の有声音部分に加える
ことにより行われる。

【０３１１】すなわち、上記パラメータとしては、ピッ
チラグＰch、有声音のスペクトル振幅Ａm[i]、フレーム
内の最大スペクトル振幅Ａmax 、及び残差信号のレベル
Ｌevを挙げることができる。ここで、ピッチラグＰch
は、所定のサンプリング周波数ｆs （例えばｆs＝８kH
z）でのピッチ周期内のサンプル数であり、スペクトル
振幅Ａm[i]のｉは、ｆs／２ の帯域内でのハーモニック
スの本数をＩ＝Ｐch／２とするとき、０＜ｉ＜Ｉの範囲
内の整数である。

【０３１２】このノイズ合成回路２１６による処理は、
例えばＭＢＥ（マルチバンド励起）符号化の無声音の合
成と同様な方法で行われる。図１９は、ノイズ合成回路
２１６の具体例を示している。

【０３１３】すなわち図１９において、ホワイトノイズ
発生部４０１からは、時間軸上のホワイトノイズ信号波
形に所定の長さ（例えば２５６サンプル）で適当な窓関
数（例えばハミング窓）により窓かけされたガウシャン
ノイズが出力され、これがＳＴＦＴ処理部４０２により
ＳＴＦＴ（ショートタームフーリエ変換）処理を施すこ
とにより、ノイズの周波数軸上のパワースペクトルを得
る。このＳＴＦＴ処理部４０２からのパワースペクトル
を振幅処理のための乗算器４０３に送り、ノイズ振幅制
御回路４１０からの出力を乗算している。乗算器４０３
からの出力は、ＩＳＴＦＴ処理部４０４に送られ、位相
は元のホワイトノイズの位相を用いて逆ＳＴＦＴ処理を
施すことにより時間軸上の信号に変換する。ＩＳＴＦＴ
処理部４０４からの出力は、重み付き重畳加算回路２１
７に送られる。

【０３１４】なお、上記図１９の例においては、ホワイ
トノイズ発生部４０１から時間領域のノイズを発生して
それをＳＴＦＴ等の直交変換を行うことで周波数領域の
ノイズを得ていたが、ノイズ発生部から直接的に周波数
領域のノイズを発生するようにしてもよい。すなわち、
周波数領域のパラメータを直接発生することにより、Ｓ
ＴＦＴやＦＦＴ等の直交変換処理が節約できる。

【０３１５】具体的には、±ｘの範囲の乱数を発生しそ
れをＦＦＴスペクトルの実部と虚部として扱うようにす
る方法や、０から最大値（ｍａｘ）までの範囲の正の乱
数を発生しそれをＦＦＴスペクトルの振幅として扱い、
−πからπまでの乱数を発生しそれをＦＦＴスペクトル
の位相として扱う方法などが挙げられる。

【０３１６】こうすることにより、図１９のＳＴＦＴ処
理部４０２が不要となり、構成の簡略化あるいは演算量
の低減が図れる。

【０３１７】ノイズ振幅制御回路４１０は、例えば図２
０のような基本構成を有し、上記図４のスペクトルエン
ベロープの逆量子化器２１２から端子４１１を介して与
えられるＶ（有声音）についての上記スペクトル振幅Ａ
m[i]と、上記図４の入力端子２０４から端子４１２を介
して与えられる上記ピッチラグＰchに基づいて、乗算器
４０３での乗算係数を制御することにより、合成される
ノイズ振幅Ａm_noise[i]を求めている。すなわち図２０
において、スペクトル振幅Ａm[i]とピッチラグＰchとが
入力される最適なnoise_mix 値の算出回路４１６からの
出力をノイズの重み付け回路４１７で重み付けし、得ら
れた出力を乗算器４１８に送ってスペクトル振幅Ａm[i]
と乗算することにより、ノイズ振幅Ａm_noise[i]を得て
いる。

【０３１８】ここで、ノイズ合成加算の第１の具体例と
して、ノイズ振幅Ａm_noise[i]が、上記４つのパラメー
タの内の２つ、すなわちピッチラグＰch及びスペクトル
振幅Ａm[i]の関数ｆ₁(Pch,Am[i])となる場合について説
明する。

【０３１９】このような関数ｆ₁(Pch,Am[i])の具体例と
して、 ｆ₁(Pch,Am[i])＝０ （０＜ｉ＜Nois
e_b×Ｉ） ｆ₁(Pch,Am[i])＝Am[i]×noise_mix （Noise_b×Ｉ
≦ｉ＜Ｉ） noise_mix ＝ Ｋ×Ｐch／２.0 とすることが挙げられる。

【０３２０】ただし、noise_mix の最大値は、noise_mi
x_max とし、その値でクリップする。一例として、Ｋ＝
０.0２、noise_mix_max＝０.３、Noise_b＝０.７とする
ことが挙げられる。ここで、Noise_b は、全帯域の何割
からこのノイズの付加を行うかを決める定数である。本
例では、７割より高域側、すなわちｆs＝８kHzのとき、
４０００×０．７＝２８００Hzから４０００Hzの間でノ
イズを付加するようにしている。

【０３２１】次に、ノイズ合成加算の第２の具体例とし
て、上記ノイズ振幅Ａm_noise[i]を、上記４つのパラメ
ータの内の３つ、すなわちピッチラグＰch、スペクトル
振幅Ａm[i]及び最大スペクトル振幅Ａmax の関数ｆ₂(Pc
h,Am[i],Amax) とする場合について説明する。

【０３２２】このような関数ｆ₂(Pch,Am[i],Amax) の具
体例として、 ｆ₂(Pch,Am[i],Amax)＝０ （０＜ｉ
＜Noise_b×Ｉ） ｆ₂(Pch,Am[i],Amax)＝Am[i]×noise_mix （Noise_b
×Ｉ≦ｉ＜Ｉ） noise_mix ＝ Ｋ×Ｐch／２.0 を挙げることができる。ただし、noise_mix の最大値
は、noise_mix_max とし、一例として、Ｋ＝０.0２、no
ise_mix_max＝０.３、Noise_b＝０.７とすることが挙げ
られる。

【０３２３】さらに、もしＡm[i]×noise_mix＞Ａmax×
Ｃ×noise_mix ならば、 ｆ₂(Pch,Am[i],Amax)＝Ａmax×Ｃ×noise_mix とする。ここで、定数Ｃは、Ｃ＝０.３ としている。こ
の条件式によりノイズレベルが大きくなり過ぎることを
防止できるため、上記Ｋ、noise_mix_max をさらに大き
くしてもよく、高域のレベルも比較的大きいときにノイ
ズレベルを高めることができる。

【０３２４】次に、ノイズ合成加算の第３の具体例とし
て、上記ノイズ振幅Ａm_noise[i]を、上記４つのパラメ
ータの内の４つ全ての関数ｆ₃(Pch,Am[i],Amax,Lev) と
することもできる。

【０３２５】このような関数ｆ₃(Pch,Am[i],Amax,Lev)
の具体例は、基本的には上記第２の具体例の関数ｆ₂(Pc
h,Am[i],Amax) と同様である。ただし、残差信号レベル
Levは、スペクトル振幅Ａm[i]のｒｍｓ（root mean squ
are）、あるいは時間軸上で測定した信号レベルであ
る。上記第２の具体例との違いは、Ｋの値とnoise_mix_
max の値とをLev の関数とする点である。すなわち、Le
v が小さくなったときには、Ｋ、noise_mix_max の各値
を大きめに設定し、Lev が大きいときは小さめに設定す
る。あるいは、連続的にLev の値を逆比例させてもよ
い。

【０３２６】次に、ポストフィルタ２３８ｖ、２３８ｕ
について説明する。

【０３２７】図２１は、図４の例のポストフィルタ２３
８ｖ、２３８ｕとして用いられるポストフィルタを示し
ており、ポストフィルタの要部となるスペクトル整形フ
ィルタ４４０は、ホルマント強調フィルタ４４１と高域
強調フィルタ４４２とから成っている。このスペクトル
整形フィルタ４４０からの出力は、スペクトル整形によ
るゲイン変化を補正するためのゲイン調整回路４４３に
送られており、このゲイン調整回路４４３のゲインＧ
は、ゲイン制御回路４４５により、スペクトル整形フィ
ルタ４４０の入力ｘと出力ｙと比較してゲイン変化を計
算し、補正値を算出することで決定される。

【０３２８】スペクトル整形フィルタの４４０特性ＰＦ
(z) は、ＬＰＣ合成フィルタの分母Ｈv(z)、Ｈuv(z) の
係数、いわゆるαパラメータをα_i とすると、

【０３２９】

【数４８】

【０３３０】と表せる。この式の分数部分がホルマント
強調フィルタ特性を、（１−ｋｚ^-1）の部分が高域強調
フィルタ特性をそれぞれ表す。また、β、γ、ｋは定数
であり、一例としてβ＝０．６、γ＝０．８、ｋ＝０．
３を挙げることができる。

【０３３１】また、ゲイン調整回路４４３のゲインＧ
は、

【０３３２】

【数４９】

【０３３３】としている。この式中のｘ(i) はスペクト
ル整形フィルタ４４０の入力、ｙ(i)はスペクトル整形
フィルタ４４０の出力である。

【０３３４】ここで、上記スペクトル整形フィルタ４４
０の係数の更新周期は、図２２に示すように、ＬＰＣ合
成フィルタの係数であるαパラメータの更新周期と同じ
く２０サンプル、２．５ｍsec であるのに対して、ゲイ
ン調整回路４４３のゲインＧの更新周期は、１６０サン
プル、２０ｍsec である。

【０３３５】このように、ポストフィルタのスペクトル
整形フィルタ４４０の係数の更新周期に比較して、ゲイ
ン調整回路４４３のゲインＧの更新周期を長くとること
により、ゲイン調整の変動による悪影響を防止してい
る。

【０３３６】すなわち、一般のポストフィルタにおいて
は、スペクトル整形フィルタの係数の更新周期とゲイン
の更新周期とを同じにしており、このとき、ゲインの更
新周期を２０サンプル、２．５ｍsec とすると、図２２
からも明らかなように、１ピッチ周期の中で変動するこ
とになり、クリックノイズを生じる原因となる。そこで
本例においては、ゲインの切換周期をより長く、例えば
１フレーム分の１６０サンプル、２０ｍsec とすること
により、急激なゲインの変動を防止することができる。
また逆に、スペクトル整形フィルタの係数の更新周期を
１６０サンプル、２０ｍsec とするときには、円滑なフ
ィルタ特性の変化が得られず、合成波形に悪影響が生じ
るが、このフィルタ係数の更新周期を２０サンプル、
２．５ｍsec と短くすることにより、効果的なポストフ
ィルタ処理が可能となる。

【０３３７】なお、隣接するフレーム間でのゲインのつ
なぎ処理は、図２３に示すように、前フレームのフィル
タ係数及びゲインと、現フレームのフィルタ係数及びゲ
インとを用いて算出した結果に、次のような三角窓 Ｗ(i) ＝ ｉ／２０ （０≦ｉ≦２０） と １−Ｗ(i) （０≦ｉ≦２０） をかけてフェードイン、フェードアウトを行って加算す
る。図２３では、前フレームのゲインＧ₁ が現フレーム
のゲインＧ₂ に変化する様子を示している。すなわち、
オーバーラップ部分では、前フレームのゲイン、フィル
タ係数を使用する割合が徐々に減衰し、現フレームのゲ
イン、フィルタ係数の使用が徐々に増大する。なお、図
２３の時刻Ｔにおけるフィルタの内部状態は、現フレー
ムのフィルタ、前フレームのフィルタ共に同じもの、す
なわち前フレームの最終状態からスタートする。

【０３３８】以上説明したような信号符号化装置及び信
号復号化装置は、例えば図２４及び図２５に示すような
携帯通信端末あるいは携帯電話機等に使用される音声コ
ーデックとして用いることができる。

【０３３９】すなわち、図２４は、上記図１、図３に示
したような構成を有する音声符号化部１６０を用いて成
る携帯端末の送信側構成を示している。この図２４のマ
イクロホン１６１で集音された音声信号は、アンプ１６
２で増幅され、Ａ／Ｄ（アナログ／ディジタル）変換器
１６３でディジタル信号に変換されて、音声符号化部１
６０に送られる。この音声符号化部１６０は、上述した
図１、図３に示すような構成を有しており、この入力端
子１０１に上記Ａ／Ｄ変換器１６３からのディジタル信
号が入力される。音声符号化部１６０では、上記図１、
図３と共に説明したような符号化処理が行われ、図１、
図２の各出力端子からの出力信号は、音声符号化部１６
０の出力信号として、伝送路符号化部１６４に送られ
る。伝送路符号化部１６４では、いわゆるチャネルコー
ディング処理が施され、その出力信号が変調回路１６５
に送られて変調され、Ｄ／Ａ（ディジタル／アナログ）
変換器１６６、ＲＦアンプ１６７を介して、アンテナ１
６８に送られる。

【０３４０】また、図２５は、上記図２、図４に示した
ような構成を有する音声復号化部２６０を用いて成る携
帯端末の受信側構成を示している。この図２５のアンテ
ナ２６１で受信された音声信号は、ＲＦアンプ２６２で
増幅され、Ａ／Ｄ（アナログ／ディジタル）変換器２６
３を介して、復調回路２６４に送られ、復調信号が伝送
路復号化部２６５に送られる。２６４からの出力信号
は、上記図２、図４に示すような構成を有する音声復号
化部２６０に送られる。音声復号化部２６０では、上記
図２、図４と共に説明したような復号化処理が施され、
図２、図４の出力端子２０１からの出力信号が、音声復
号化部２６０からの信号としてＤ／Ａ（ディジタル／ア
ナログ）変換器２６６に送られる。このＤ／Ａ変換器２
６６からのアナログ音声信号がスピーカ２６８に送られ
る。

【０３４１】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、図３の音声分析
側（エンコード側）の構成や、図２、図４の音声合成側
（デコード側）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。また、デコーダ側の合成フ
ィルタ２３６、２３７や、ポストフィルタ２３８ｖ、２
３８ｕは、図４のように有声音用と無声音用とで分離し
なくとも、有声音及び無声音の共用のＬＰＣ合成フィル
タやポストフィルタを用いるようにしてもよい。さら
に、本発明の適用範囲は、伝送や記録再生に限定され
ず、ピッチ変換やスピード変換、規則音声合成、あるい
は雑音抑圧のような種々の用途に応用できることは勿論
である。

【０３４２】

【発明の効果】以上の説明から明らかなように、本発明
に係る音声合成方法によれば、無声音（ＵＶ）と判別さ
れるフレームから有声音（Ｖ）と判別されるフレームに
遷移する際に、サイン波合成のためのハーモニクスの位
相を初期化しており、偶数番目のハーモニクスの初期位
相と奇数番目のハーモニクスの初期位相とを互いに異な
らせているため、初期化位相が揃うことによる音質劣
化、例えば合成音が不自然になることを未然に防止でき
る。

【０３４３】また、ＵＶフレームが２フレーム以上連続
した後にＶフレームに遷移する際に各ハーモニクスの位
相を乱数を用いて初期化することによっても、初期化位
相が揃うことにより合成音が不自然になることを防止で
きる。

【図面の簡単な説明】

【図１】本発明に係る音声合成装置の実施の形態に信号
を供給するための音声符号化装置の基本構成を示すブロ
ック図である。

【図２】本発明に係る音声合成装置の実施の形態が適用
される音声復号化装置として、図１の音声符号化装置に
より符号化された信号を復号化するための音声復号化装
置の基本構成を示すブロック図である。

【図３】図１の音声符号化装置のより具体的な構成例を
示すブロック図である。

【図４】図３の音声符号化装置により符号化された信号
を復号化するための音声復号化装置の具体的な構成の例
を示すブロック図である。

【図５】ＬＳＰ量子化部の基本構成を示すブロック図で
ある。

【図６】ＬＳＰ量子化部のより具体的な構成を示すブロ
ック図である。

【図７】ベクトル量子化部の基本構成を示すブロック図
である。

【図８】ベクトル量子化部のより具体的な構成を示すブ
ロック図である。

【図９】ベクトル量子化部の際の重みの計算の処理手順
の具体例を説明するためのフローチャートである。

【図１０】図１、図３に示す音声符号化装置のＣＥＬＰ
符号化部分（第２の符号化部）の具体的構成を示すブロ
ック回路図である。

【図１１】図１０の構成における処理の流れを示すフロ
ーチャートである。

【図１２】ガウシアンノイズと、異なるスレシホールド
値でのクリッピング後のノイズの様子を示す図である。

【図１３】学習によってシェイプコードブックを生成す
る際の処理の流れを示すフローチャートである。

【図１４】波形合成時の位相初期化の動作を説明するた
めの状態遷移図である。

【図１５】１０次のＬＰＣ分析により得られたαパラメ
ータに基づく１０次のＬＳＰ（線スペクトル対）を示す
図である。

【図１６】ＵＶ（無声音）フレームからＶ（有声音）フ
レームへのゲイン変化の様子を説明するための図であ
る。

【図１７】フレーム毎に合成されるスペクトルや波形の
補間処理を説明するための図である。

【図１８】Ｖ（有声音）フレームとＵＶ（無声音）フレ
ームとの接続部でのオーバーラップを説明するための図
である。

【図１９】有声音合成の際のノイズ加算処理を説明する
ための図である。

【図２０】有声音合成の際に加算されるノイズの振幅計
算の例を示す図である。

【図２１】ポストフィルタの構成例を示す図である。

【図２２】ポストフィルタのフィルタ係数更新周期とゲ
イン更新周期とを説明するための図である。

【図２３】ポストフィルタのゲイン、フィルタ係数のフ
レーム境界部分でのつなぎ処理を説明するための図であ
る。

【図２４】本発明の実施の形態となる音声符号化装置が
用いられる携帯端末の送信側構成の一例を示すブロック
図である。

【図２５】図２４の携帯端末の送信側構成に対応する受
信側構成の一例を示すブロック図である。

【符号の説明】

１１０ 第１の符号化部、 １１１ ＬＰＣ逆フィル
タ、 １１３ ＬＰＣ分析・量子化部、 １１４ サイ
ン波分析符号化部、 １１５ Ｖ／ＵＶ判定部、１１６
ベクトル量子化器、 １２０ 第２の符号化部、 １
２１ 雑音符号帳、 １２２ 重み付き合成フィルタ、
１２３ 減算器、 １２４ 距離計算回路、 １２５
聴覚重み付けフィルタ、 ２１１ 有声音合成部、
２１５サイン波合成回路、 ２１９ 位相初期化回路

Claims (5)

【特許請求の範囲】
1. 【請求項１】 音声信号に基づく入力信号を時間軸上で
   フレーム単位で区分し、区分された各フレーム毎にピッ
   チを求めると共に有声音又は無声音のいずれかを判別
   し、求められたピッチのハーモニクスを用いて有声音を
   合成する音声合成方法において、 上記無声音と判別されたフレームから上記有声音と判別
   されたフレームへの遷移時に上記ハーモニクスの位相を
   初期化し、奇数番目のハーモニクスと偶数番目のハーモ
   ニクスとで異なる初期値を与えることを特徴とする音声
   合成方法。
2. 【請求項２】 上記奇数番目のハーモニクスの位相の初
   期値として、偶数番目の初期値にπ／ｎ（ｎは０以外の
   整数）を加えた値を用いることを特徴とする請求項１記
   載の音声合成方法。
3. 【請求項３】 上記無声音と判別されたフレームが２フ
   レーム以上連続するときに上記ハーモニクスの位相を初
   期化することを特徴とする請求項１記載の音声合成方
   法。
4. 【請求項４】 音声信号に基づく入力信号を時間軸上で
   フレーム単位で区分し、区分された各フレーム毎にピッ
   チを求めると共に有声音又は無声音のいずれかを判別
   し、求められたピッチのハーモニクスを用いて有声音を
   合成する音声合成方法において、 上記無声音と判別されたフレームが２フレーム以上連続
   した後に上記有声音と判別されたフレームへ遷移すると
   き、上記ハーモニクスの位相を、乱数により初期化する
   ことを特徴とする音声合成方法。
5. 【請求項５】 ｍ番目のハーモニクスの初期位相θ_m
   は、正の乱数を生成する関数をrandom()、この関数rand
   om()の最大値をRAND_MAXとするとき、 θ_m ＝ επ（（random()／RAND_MAX）−ａ） ただし、ε、ａは定数 により求めて上記初期化を行うことを特徴とする請求項
   ４記載の音声合成方法。