音声符号化方法および音声符号化装置

トップ :: G 物理学 :: G10 楽器;音響

【発明の名称】	音声符号化方法および音声符号化装置
【発明者】	【氏名】田崎裕久
【要約】	【課題】よりよい音質を与える音源を適切に選択でき、得られた音声符号を音声復号化装置で復号化して得られる復号音の主観的な品質を改善することができる音声符号化方法および音声符号化装置を得る。【解決手段】各音源モード毎に、入力音声1から求まる符号化対象信号の符号化を行って、その時の符号化歪を出力する駆動音源符号化手段９～１１、符号化歪と、固定の閾値または符号化対象信号の信号パワーに基づいて決定した閾値との比較を行う比較手段１５、および、符号化歪と、比較手段の比較結果に基づいて、音源モードの選択を行う最小歪選択手段１７を備えたものである。

【特許請求の範囲】
【請求項１】複数の音源モードの中から１つの音源モードを選択し、その音源モードを使用して、入力音声を所定長区間よりなるフレーム毎に符号化する音声符号化方法において、符号化工程により、前記各音源モード毎に前記入力音声から求まる符号化対象信号の符号化を行って、その時の符号化歪を出力し、比較工程により、前記符号化工程にて符号化された符号化歪と、固定の閾値または前記符号化対象信号の信号パワーに基づいて決定した閾値との比較を行い、選択工程により、前記符号化工程にて符号化された符号化歪と、前記比較工程による比較結果に基づいて、前記音源モードの選択を行うことを特徴とする音声符号化方法。
【請求項２】複数の音源モードの中から１つの音源モードを選択し、その音源モードを使用して、入力音声を所定長区間よりなるフレーム毎に符号化する音声符号化方法において、符号化工程により、前記各音源モード毎に前記入力音声から求まる符号化対象信号の符号化を行って、その時の符号化歪を出力し、選択工程により、前記符号化工程にて符号化された符号化歪の相互比較を行って、その比較結果に基づいて音源モードの１つを選択し、比較工程により、前記選択工程にて選択された音源モードに対応する符号化歪と、固定の閾値または前記符号化対象信号の信号パワーに基づいて決定した閾値との比較を行い、置換工程により、前記比較工程による比較結果に基づいて、前記選択工程にて選択された音源モードを置換することを特徴とする音声符号化方法。
【請求項３】選択工程では、符号化歪が閾値を上回る比較結果が得られている音源モードの選択を抑制するようにしたことを特徴とする請求項１記載の音声符号化方法。
【請求項４】閾値を、音源モード毎に用意したことを特徴とする請求項１記載の音声符号化方法。
【請求項５】符号化歪の出力変換を行う変換工程により、比較工程によるあらかじめ定めた音源モードの符号化歪と閾値の比較の結果、前記符号化歪が前記閾値を上回る場合に、その符号化歪を前記閾値の値で置換し、選択工程により、前記変換工程より出力された符号化歪を含む全ての音源モードの符号化歪の中から、最小の符号化歪に対応した音源モードを選択することを特徴とする請求項１記載の音声符号化方法。
【請求項６】置換工程により、選択工程が選択した音源モードに対応する符号化歪が閾値を上回る場合に、あらかじめ定めた音源モードを選択することを特徴とする請求項２記載の音声符号化方法。
【請求項７】閾値を、入力音声または符号化対象信号に対して所定の歪率となるように設定したことを特徴とする請求項１または請求項２記載の音声符号化方法。
【請求項８】判定工程を設けて、入力音声または符号化対象信号の分析を行って音声様態を判定し、前記判定工程が所定の判定結果を出力したときに限って、選択工程が比較工程による比較の結果を使用せずに音源モードの選択を行うことを特徴とする請求項１記載の音声符号化方法。
【請求項９】判定工程を設けて、入力音声または符号化対象信号の分析を行って音声様態を判定し、閾値算出工程を設けて、前記判定工程による判定結果に基づいて閾値の決定を行い、比較工程では、前記閾値算出工程にて決定された閾値を用いて比較を行うことを特徴とする請求項１または請求項２記載の音声符号化方法。
【請求項１０】判定工程が、少なくとも音声の立ち上がりであるか否かの判定を行うことを特徴とする請求項８または請求項９記載の音声符号化方法。
【請求項１１】複数の音源モードを、非雑音的な音源を生成する音源モードと、雑音的な音源を生成する音源モードで形成したことを特徴とする請求項１から請求項１０のうちのいずれか１項記載の音声符号化方法。
【請求項１２】複数の音源モードを、非雑音的な音源符号語を使用する音源モードと、雑音的な音源符号語を使用する音源モードで形成したことを特徴とする請求項１から請求項１０のうちのいずれか１項記載の音声符号化方法。
【請求項１３】複数の音源モードの中から１つの音源モードを選択し、その音源モードを使用して、入力音声を所定長区間よりなるフレーム毎に符号化する音声符号化装置において、前記各音源モード毎に、前記入力音声から求まる符号化対象信号の符号化を行い、その時の符号化歪を出力する符号化手段と、前記符号化手段にて符号化された符号化歪と、固定の閾値または前記符号化対象信号の信号パワーに基づいて決定した閾値との比較を行う比較手段と、前記符号化手段にて符号化された符号化歪と、前記比較手段による比較の結果に基づいて、前記音源モードの選択を行う選択手段とを備えたことを特徴とする音声符号化装置。
【請求項１４】複数の音源モードの中から１つの音源モードを選択し、その音源モードを使用して、入力音声を所定長区間よりなるフレーム毎に符号化する音声符号化装置において、前記各音源モード毎に、前記入力音声から求まる符号化対象信号の符号化を行い、その時の符号化歪を出力する符号化手段と、前記符号化手段にて符号化された符号化歪を相互に比較し、その比較結果に基づいて音声モードの１つを選択する選択手段と、前記選択手段にて選択された音声モードに対応する符号化歪と、固定の閾値または前記符号化対象信号の信号パワーに基づいて決定した閾値との比較を行う比較手段と、前記選択手段にて選択された音声モードの置換を、前記比較手段による比較結果に基づいて行う置換手段とを備えたことを特徴とする音声符号化装置。
【請求項１５】比較手段が、符号化手段より出力された符号化歪と比較するための閾値を、符号化対象信号に対して所定の歪率となるように設定することを特徴とする請求項１３または請求項１４記載の音声符号化装置。
【請求項１６】入力音声または符号化対象信号を分析して音声様態を判定する判定手段を備え、選択手段は、前記判定手段が所定の判定結果を出したときに限って、比較手段での比較結果を使用せずに音源モードの選択を行うものであることを特徴とする請求項１３記載の音声符号化装置。
【請求項１７】複数の音源モードを、非雑音的な音源を生成する音源モードと、雑音的な音源を生成する音源モードで構成したことを特徴とする請求項１３から請求項１６のうちのいずれか１項記載の音声符号化装置。

【発明の詳細な説明】【０００１】
【発明の属する技術分野】この発明は、ディジタル音声信号を少ない情報量に圧縮する音声符号化方法および音声符号化装置に関するものであり、特に、音声符号化方法および音声符号化装置における音源の符号化に関するものである。
【０００２】
【従来の技術】従来の音声符号化方法および音声符号化装置の多くは、入力音声をスペクトル包絡情報と音源に分けて、フレーム単位で各々を符号化して音声符号を生成している。音源の符号化に関しては、背景雑音区間を含む様々な様態を持つ入力音声に対する符号化品質を確保するために、表現できる音源に違いを与えた複数の音源モードを用意し、その内の１つをフレーム毎に選択して使用する、いわゆるマルチモード符号化が検討されている。このような従来のマルチモード符号化を行う音声符号化方法および音声符号化装置としては、例えば、特開平３－１５６４９８号公報、あるいは国際公開ＷＯ９８／４０８７７号公報などに開示されているものがある。
【０００３】図８は特開平３－１５６４９８号公報に開示されている従来の音声符号化装置の構成を示すブロック図である。図において、１は入力音声、２は線形予測分析手段、３は線形予測係数符号化手段、７は多重化手段、８は音声符号、４７は音源符号化部である。また、音源符号化部４７内において、４８は分類手段、４９，５０は切換手段、５１はマルチパルス音源符号化手段、５２は母音部音源符号化手段である。
【０００４】次に、この特開平３－１５６４９８号公報に開示された従来の音声符号化装置の動作について説明する。ここで、図示のように構成された従来の音声符号化装置では、あらかじめ定められた区間長、例えば１０ｍｓを１フレームとしてフレーム単位で処理を行う。
【０００５】まず、入力音声１が線形予測分析手段２と分類手段４８と切換手段４９に入力される。線形予測分析手段２はその入力音声１を分析し、音声のスペクトル包絡情報である線形予測係数を抽出する。線形予測係数符号化手段３はこの抽出された線形予測係数を符号化し、その符号を多重化手段７に出力するとともに、音源の符号化のために量子化された線形予測係数を出力する。
【０００６】分類手段４８は入力音声１の音響的特徴を分析して、母音性信号とそれ以外とに分類し、分類結果を切換手段４９と切換手段５０に出力する。切換手段４９は分類手段４８による分類結果が母音性信号である場合に、入力音声１を母音部音源符号化手段５２に接続し、分類手段４８による分類結果が母音性信号でない場合に、入力音声１をマルチパルス音源符号化手段５１に接続する。
【０００７】マルチパルス音源符号化手段５１は複数のパルス列の組合せによって音源を符号化し、符号化結果を切換手段５０に出力する。母音部音源符号化手段５２は可変時間長のセグメント長を算出するとともに、このセグメントの音源信号を、例えば改良ピッチ補間マルチパルス音源モデルを用いて符号化し、その符号化結果を切換手段５０に出力する。
【０００８】切換手段５０は、分類手段４８による分類結果が母音性信号である場合に、母音部音源符号化手段５２が出力した符号化結果を多重化手段７に接続し、分類手段４８による分類結果が母音性信号でない場合に、マルチパルス音源符号化手段５１が出力した符号化結果を多重化手段７に接続する。多重化手段７は、線形予測係数符号化手段３から入力された符号と、切換手段５０から入力された符号化結果を多重化して、得られた音声符号８を出力する。
【０００９】このように、特開平３－１５６４９８号公報に開示された従来の音声符号化装置では、入力音声１の音響的特徴に基づいてあらかじめ複数種類用意した音源モデルの中から１つを選択し、選択した音源モデルを用いた符号化を行うことで、音声信号を少ない情報量で良好に表すことができる、と報告されている。
【００１０】また、図９は、国際公開ＷＯ９８／４０８７７号公報に開示されている従来の音声符号化装置の構成を示すブロック図である。図において、１は入力音声、２は線形予測分析手段、３は線形予測係数符号化手段、４は適応音源符号化手段、７は多重化手段、８は音声符号、５３，５４は駆動音源符号化手段、５５，５６はゲイン符号化手段、５７は最小歪選択手段である。
【００１１】次に、この国際公開ＷＯ９８／４０８７７号公報に開示された従来の音声符号化装置の動作について説明する。ここで、図示のように構成された従来の音声符号化装置では、５～５０ｍｓ程度の長さの音声を１フレームとして、フレーム単位で処理を行う。音源の符号化については、１フレームを２分割したサブフレーム毎に処理を行う。なお、説明を分かりやすくするために以降の説明では、フレームとサブフレームを特に区別せず、単にフレームと記す。
【００１２】まず、入力音声１が線形予測分析手段２、適応音源符号化手段４、および駆動音源符号化手段５３に入力される。線形予測分析手段２は入力音声１を分析し、音声のスペクトル包絡情報である線形予測係数を抽出する。線形予測係数符号化手段３は、この線形予測係数を符号化し、その符号を多重化手段７に出力するとともに、音源の符号化のために量子化された線形予測係数を出力する。
【００１３】適応音源符号化手段４には、過去の所定長の音源（信号）が適応音源符号帳として記憶されている。この適応音源符号帳に、数ビットの２進数値で示した適応音源符号を入力すると、その適応音源符号から繰返し周期を算出し、この繰返し周期を用いて過去の音源を周期的に繰り返した時系列ベクトルを生成して出力する。適応音源符号化手段４はこの適応音源符号帳に各適応音源符号を入力することによって得られる各時系列ベクトルを、線形予測係数符号化手段３からの量子化された線形予測係数を用いた合成フィルタに通すことによって、仮の合成音を求める。そして、この仮の合成音に適切なゲインを乗算した信号と、入力音声１との間の歪を調べる。この処理を全ての適応音源符号に対して行い、最小の歪を与えた適応音源符号を選択するとともに、選択した適応音源符号に対応する時系列ベクトルを適応音源として出力する。また、入力音声１から適応音源による合成音に適切なゲインを乗算した信号を差し引いた信号を、符号化対象信号として出力する。
【００１４】駆動音源符号化手段５４には、複数の時系列ベクトルが駆動音源符号帳として記憶されている。この駆動音源符号帳は数ビットの２進数値で示した駆動音源符号が入力されると、その駆動音源符号に対応する位置に格納されている時系列ベクトルを読み出して出力する。駆動音源符号化手段５４はこの駆動音源符号帳に各適応音源符号を入力することによって各時系列ベクトルを求め、それを線形予測係数符号化手段３からの量子化された線形予測係数を用いた合成フィルタに通すことによって、仮の合成音を求める。そして、この仮の合成音に適切なゲインを乗算した信号と、適応音源符号化手段４から入力された符号化対象信号との歪を調べる。この処理を全ての駆動音源符号に対して行い、最小の歪を与えた駆動音源符号を選択するとともに、選択された駆動音源符号に対応する時系列ベクトルを駆動音源として出力する。
【００１５】ゲイン符号化手段５６には、適応音源と駆動音源に対する２つのゲイン値を表す複数のゲインベクトルがゲイン符号帳として記憶されている。このゲイン符号帳は数ビットの２進数値で示したゲイン符号が入力されると、そのゲイン符号に対応する位置に格納されているゲインベクトルを読み出して出力する。ゲイン符号化手段５６はこのゲイン符号帳に各ゲイン符号を入力することによってゲインベクトルを求め、その第一要素を適応音源符号化手段４から出力された適応音源に乗算し、またゲインベクトルの第二要素を駆動音源符号化手段５４から出力された駆動音源に乗算し、得られた２つの信号を加算して仮の音源を生成する。そして、この仮の音源を線形予測係数符号化手段３からの量子化された線形予測係数を用いた合成フィルタに通すことによって、仮の合成音を求め、その仮の合成音と駆動音源符号化手段５４を介して入力された入力音声１との歪を調べる。この処理を全てのゲイン符号に対して行い、最小の歪を与えたゲイン符号を選択する。そして、選択されたゲイン符号、適応音源符号化手段４から駆動音源符号化手段５４を介して入力された適応音源符号、および駆動音源符号化手段５４から入力された駆動音源符号からなる音源符号と、最小の歪と、選択されたゲイン符号に対応する仮の音源とを最小歪選択手段５７に出力する。
【００１６】一方、駆動音源符号化手段５３には、複数の時系列ベクトルが駆動音源符号帳として記憶されている。この駆動音源符号帳は数ビットの２進数値で示した駆動音源符号が入力されると、その駆動音源符号に対応する位置に格納されている時系列ベクトルを読み出して出力する。駆動音源符号化手段５３はこの駆動音源符号帳に各適応音源符号を入力することによって各時系列ベクトルを求め、それを線形予測係数符号化手段３からの量子化された線形予測係数を用いた合成フィルタに通すことによって、仮の合成音を求める。そして、この仮の合成音に適切なゲインを乗算した信号と、入力音声１との歪を調べる。この処理を全ての駆動音源符号に対して行い、最小の歪を与えた駆動音源符号を選択するとともに、選択された駆動音源符号に対応する時系列ベクトルを駆動音源として出力する。
【００１７】ゲイン符号化手段５５には、駆動音源に対する複数個のゲイン値が第一のゲイン符号帳として記憶されている。このゲイン符号帳は数ビットの２進数値で示したゲイン符号が入力されると、そのゲイン符号に対応する位置に格納されているゲイン値を読み出して出力する。ゲイン符号化手段５５はこのゲイン符号帳に各ゲイン符号を入力することによってゲイン値を得、そのゲイン値を駆動音源符号化手段５３から出力された駆動音源に乗算し、得られた信号を仮の音源とする。そして、この仮の音源を線形予測係数符号化手段３からの量子化された線形予測係数を用いた合成フィルタに通すことによって、仮の合成音を求め、この仮の合成音と駆動音源符号化手段５３を介して入力された入力音声１との歪を調べる。この処理を全てのゲイン符号に対して行い、最小の歪を与えたゲイン符号を選択する。そして選択したゲイン符号と、駆動音源符号化手段５３から入力された駆動音源符号とからなる音源符号と、最小の歪と、選択したゲイン符号に対応する仮の音源とを最小歪選択手段５７に出力する。
【００１８】最小歪選択手段５７は、ゲイン符号化手段５５から入力された最小の歪と、ゲイン符号化手段５６から入力された最小の歪を比較し、より小さい歪を出力したゲイン符号化手段５５または５６を選択し、選択したゲイン符号化手段５５，５６が出力した音源符号を多重化手段７に出力する。また、選択したゲイン符号化手段５５，５６が出力した仮の音源を最終的な音源として適応音源符号化手段４に対して出力する。適応音源符号化手段４は、最小歪選択手段５７から入力した音源を用いて、内部の適応音源符号帳の更新を行う。
【００１９】その後、多重化手段７は線形予測係数符号化手段３から出力された線形予測係数の符号と、最小歪選択手段５７から出力された音源符号とを多重化し、得られた音声符号８を出力する。
【００２０】このように、国際公開ＷＯ９８／４０８７７号公報に開示された従来の音声符号化装置では、２つの音源モードでの符号化をその双方にて行い、小さい歪を与えた音源モードを選択することで、最もよい符号化特性を与えるモード選択ができ、符号化品質が改善する、と報告されている。
【００２１】なお、このような音声符号化装置に関連する記載がなされた文献としては、例えば、入力音声から遅延パラメータに対応した長さの目標音声ベクトルを生成し、適応音源探索、および駆動音源探索を行う特開平９－３１９３９６号公報、適応音源信号のパワー情報により、駆動音源に対するゲイン量子化テーブルを、複数のゲイン量子化テーブル中より選択する特開２０００－１７５５９８号公報などもある。
【００２２】
【発明が解決しようとする課題】従来の音声符号化装置は以上のように構成されているので、それぞれ以下に述べるような課題があった。
【００２３】特開平３－１５６４９８号公報に開示された従来の音声符号化装置では、入力音声１の音響的特徴だけに基づいてあらかじめ複数種類用意した音源モデルの中から１つを選択してしまうため、得られた音声符号を音声復号化装置で復号化して得られる復号音の主観的な品質、つまり音質が必ずしも最良にならないという課題がある。すなわち、入力音声１の音響的特徴に基づく分類では、必ず分類誤りがあるため、入力音声に適切でない音源モデルを選択してしまうことがある。また、入力音声１の分類が正しかったとしても、選択した音源モデルでは良好な符号化ができず、むしろ選択されなかった音源モデルで符号化した方が、音声復号化装置で復号化して得られる復号音の音質がよくなる場合もある。例えば、母音区間であっても、過渡部などの波形的な乱れが多い場合には、母音部音源符号化手段５２での符号化結果が悪く、むしろマルチパルスを用いた方が変化に良好に対応できる場合がある。
【００２４】また、国際公開ＷＯ９８／４０８７７号公報に開示された従来の音声符号化装置では、２つの音源モードでの符号化をその両方でそれぞれ行い、小さい歪を与えた音源モードを選択しているため、符号化歪は最小となるものの、得られた音声符号を音声復号化装置で復号化して得られる復号音の主観的な品質（音質）が必ずしも最良にならないという課題がある。以下、図７を参照しながらそれについて詳細に説明する。
【００２５】図７（ａ）は入力音声を示し、同図（ｂ）は雑音的な音声を表現するために用意した音源モードを選択したときの復号音（音声符号を音声復号化装置で復号した結果）、同図（ｃ）は母音的な音声を表現するために用意した音源モードを選択したときの復号音を示している。なお、図７（ａ）に示した入力音声は雑音的な特徴を有する区間のものであり、図示のように、雑音的な入力音声は振幅の大きい部分と小さい部分がフレーム中に混在していることが多い。
【００２６】図７の場合、同図（ａ）と（ｂ）の信号の差信号のパワーとして求められる歪の値は、同図（ａ）と（ｃ）の歪よりも大きくなっている。これは図７（ａ）に示す入力音声の振幅が大きい部分において、同図（ｃ）との差が小さいためである。しかしながら、図７（ｂ）と（ｃ）を人間が聴取したときには、同図（ｃ）の場合にはパルス的な劣化音が聞こえてしまい、図７（ｂ）の方が好ましい、とされてしまう。このように歪が最小の音源モードを選択する従来の音声符号化装置では、得られた音声符号を音声復号化装置で復号化して得られる復号音の主観的な品質（音質）では必ずしも最適の選択となっていない場合がある。
【００２７】この発明は、上記のような課題を解決するためになされたもので、よりよい音質を与える音源を適切に選択でき、得られた音声符号を音声復号化装置で復号化して得られる復号音の主観的な品質、つまり音質を改善することのできる音声符号化方法および音声符号化装置を得ることを目的とする。
【００２８】
【課題を解決するための手段】この発明に係る音声符号化方法は、各音源モード毎に入力音声から求められる符号化対象信号の符号化を行って、その時に符号化された符号化歪と、固定の閾値または符号化対象信号の信号パワーに基づいて決定した閾値とを比較して、その比較結果に基づいて符号化された符号化歪を選択することにより、複数の音源モードの中から１つの音源モードを選択し、この選択された音源モードを使用して、所定長区間よりなるフレーム毎に入力音声の符号化を行うようにしたものである。
【００２９】この発明に係る音声符号化方法は、各音源モード毎に入力音声から求められる符号化対象信号の符号化を行って音源モードの１つを選択し、選択された音源モードに対応する符号化歪と、固定の閾値あるいは符号化対象信号の信号パワーに基づいて決定した閾値との比較を行って、その比較結果に基づいて選択された音源モードの置換を行い、置換された音源モードを使用して、所定長区間よりなるフレーム毎に入力音声の符号化を行うようにしたものである。
【００３０】この発明に係る音声符号化方法は、符号化歪の選択に際して、符号化歪が閾値を上回る比較結果が得られている音源モードについては、その選択を抑制するようにしたものである。
【００３１】この発明に係る音声符号化方法は、音源モード毎に閾値を用意するようにしたものである。
【００３２】この発明に係る音声符号化方法は、符号化歪の出力変換を行う際に、あらかじめ定めた音源モードの符号化歪と閾値との比較の結果、前者が後者を上回る場合に、その符号化歪を閾値の値で置換し、この出力変換された符号化歪を含む全ての音源モードの符号化歪の中から、最小の符号化歪に対応した音源モードを選択するようにしたものである。
【００３３】この発明に係る音声符号化方法は、選択された音源モードに対応する符号化歪が閾値を上回る場合に、あらかじめ定めた音源モードを選択するようにしたものである。
【００３４】この発明に係る音声符号化方法は、入力音声または符号化対象信号に対して所定の歪率となるように、閾値の設定を行うようにしたものである。
【００３５】この発明に係る音声符号化方法は、入力音声または符号化対象信号の分析による音声様態の判定結果が、所定のものであった場合に限って、音源モードの選択を、符号化歪と閾値との比較結果を使用せずに行うようにしたものである。
【００３６】この発明に係る音声符号化方法は、入力音声または符号化対象信号の分析を行って音声様態を判定し、その判定結果に基づいて決定された閾値を用いて、符号化歪と閾値との比較を行うようにしたものである。
【００３７】この発明に係る音声符号化方法は、入力音声または符号化対象信号の分析を行って音声様態を判定する際、少なくとも音声の立ち上がりであるか否かの判定を行うようにしたものである。
【００３８】この発明に係る音声符号化方法は、複数の音源モードを、非雑音的な音源を生成する音源モードと、雑音的な音源を生成する音源モードとで構成するようにしたものである。
【００３９】この発明に係る音声符号化方法は、複数の音源モードを、非雑音的な音源符号語を使用する音源モードと、雑音的な音源符号語を使用する音源モードとで構成するようにしたものである。
【００４０】この発明に係る音声符号化装置は、各音源モード毎に、入力音声から求まる符号化対象信号の符号化を行う符号化手段、符号化された符号化歪と、固定の閾値または符号化対象信号の信号パワーに基づいて決定した閾値との比較を行う比較手段、および符号化された符号化歪と、比較手段の比較結果に基づいて、音源モードの選択を行う選択手段を備え、複数の音源モードの中から選択した１つの音源モードを使用して、入力音声を所定長区間よりなるフレーム毎に符号化するようにしたものである。
【００４１】この発明に係る音声符号化装置は、各音源モード毎に、入力音声から求まる符号化対象信号の符号化を行う符号化手段、符号化された符号化歪の相互比較結果に基づいて音声モードの１つを選択する選択手段、選択された音声モードに対応する符号化歪と、固定の閾値または符号化対象信号の信号パワーに基づいて決定した閾値との比較を行う比較手段、および比較手段の比較結果に基づいて、選択された音声モードの置換を行う置換手段を備え、複数の音源モードの中から選択した１つの音源モードを使用して、入力音声を所定長区間よりなるフレーム毎に符号化するようにしたものである。
【００４２】この発明に係る音声符号化装置は、比較手段にて、符号化手段より出力された符号化歪と比較するための閾値を、符号化対象信号に対して所定の歪率となるように設定するようにしたものである。
【００４３】この発明に係る音声符号化装置は、判定手段を備えて、入力音声または符号化対象信号の分析により音声様態の判定を行い、この判定手段が所定の判定結果を出力したときに限って、選択手段が、比較手段での比較結果を使用せずに音源モードの選択を行うようにしたものである。
【００４４】この発明に係る音声符号化装置は、複数の音源モードを、非雑音的な音源を生成する音源モードと、雑音的な音源を生成する音源モードとで構成するようにしたものである。
【００４５】
【発明の実施の形態】以下、この発明の実施の一形態を説明する。
実施の形態１．図１はこの発明の実施の形態１による音声符号化方法を適用した音声符号化装置の構成を示すブロック図である。図において、１は当該音声符号化装置に入力される入力音声であり、２はその入力音声１より線形予測係数を抽出する線形予測分析手段、３は抽出された線形予測係数を符号化するために量子化する線形予測係数符号化手段である。４は入力音声１と線形予測係数符号化手段３からの信号をもとに、適応音源と符号化対象信号を出力する適応音源符号化手段である。５は入力音声１と、線形予測係数符号化手段３からの信号および適応音源符号化手段４からの信号をもとに、駆動音源と駆動音源符号、およびモード選択情報を出力する駆動音源符号化部である。６は入力音声１と、線形予測係数符号化手段３からの信号、および駆動音源符号化部５からの信号を入力としてゲイン符号を選択するとともに、当該ゲイン符号に対応する音源を適応音源符号化手段４に入力するゲイン符号化手段である。７は線形予測係数符号化手段３、適応音源符号化手段４、駆動音源符号化部５、およびゲイン符号化手段６からの信号を多重化する多重化手段であり、８はこの多重化手段７より出力される、当該音声符号化装置で符号化された音声符号である。
【００４６】また、駆動音源符号化部５内において、９は乱数で生成した時系列ベクトルによる駆動音源符号帳を備えて、線形予測係数符号化手段３と適応音源符号化手段４からの信号をもとに、仮の合成音と符号化対象信号との歪を調べて、駆動音源符号、歪、および駆動音源を出力する、符号化手段としての駆動音源符号化手段である。１０，１１はそれぞれ異なるパルス位置テーブルを含む駆動音源符号帳を備えて、線形予測係数符号化手段３と適応音源符号化手段４からの信号をもとに、仮の合成音と符号化対象信号との歪を調べて、駆動音源符号、歪、および駆動音源を出力する符号化手段としての駆動音源符号化手段である。１２は入力音声１の信号パワーを計算するパワー計算手段であり、１３はパワー計算手段１２からの信号より、歪に関する閾値を計算する閾値計算手段である。１４は入力音声１を分析し、音声の立ち上がり部分であるか否かの判定を行う判定手段である。１５は駆動音源符号化手段９からの信号と閾値計算手段１３からの閾値を比較する比較手段であり、１６は判定手段１４の判定結果と比較手段１５の比較結果に基づいて、駆動音源符号化手段９の出力変換を行う変換手段である。１７は変換手段１６からの信号と、駆動音源符号化手段１０および１１からの信号に基づいて、駆動音源と駆動音源符号、およびモード選択情報を多重化手段７に出力する、選択手段としての最小歪選択手段である。
【００４７】次に動作について説明する。この実施の形態１による音声符号化装置では、例えば２０ｍｓを１フレームとして、フレーム単位で処理を行う。音源の符号化処理、つまり適応音源符号化手段４、駆動音源符号化部５およびゲイン符号化手段６の処理については、１フレームを２分割したサブフレーム毎に処理を行う。なお、説明を分かりやすくするため、従来の場合と同様に、以降の説明ではフレームとサブフレームを特に区別せず単にフレームと記す。
【００４８】まず、入力音声１が、線形予測分析手段２、適応音源符号化手段４、駆動音源符号化部５、およびゲイン符号化手段６に入力される。なお、駆動音源符号化部５に入力された入力音声１は、そのパワー計算手段１２と判定手段１４に送られる。線形予測分析手段２は入力音声１が入力されるとその分析を行い、音声のスペクトル包絡情報である線形予測係数を抽出して、線形予測係数符号化手段３に送出する。線形予測係数符号化手段３はこの線形予測分析手段２から受け取った線形予測係数を符号化して多重化手段７に出力するとともに、音源の符号化のために量子化された線形予測係数を、適応音源符号化手段４、駆動音源符号化部５、およびゲイン符号化手段６に出力する。駆動音源符号化部５では、この線形予測係数符号化手段３からの量子化された線形予測係数が、駆動音源符号化手段９～１１に入力される。
【００４９】なお、この実施の形態１では、スペクトル包絡情報として線形予測係数を使用しているが、これに限定されるものではなく、ＬＳＰ（ＬｉｎｅＳｐｅｃｔｒｕｍＰａｉｒｓ）など他のパラメータを使用してもかまわない。
【００５０】適応音源符号化手段４には、過去の所定長の音源（信号）が記憶された適応音源符号帳が備えられている。この適応音源符号帳は、数ビットの２進数値で示した適応音源符号が入力されると、その適応音源符号に対応した過去の音源の繰返し周期を求め、その繰返し周期を用いて過去の音源を周期的に繰り返した時系列ベクトルを生成して出力する。適応音源符号化手段４はこの適応音源符号帳に各適応音源符号を入力することによって得られる各時系列ベクトルを、線形予測係数符号化手段３の出力する、量子化された線形予測係数を用いた合成フィルタを通してフィルタリングすることにより、仮の合成音を求める。そして、得られた仮の合成音に適切なゲインを乗算した信号と入力音声１との差分から、それら両者間の歪を調べる。
【００５１】適応音源符号化手段４はこの処理を全ての適応音源符号に対して行い、最小の歪を与えた適応音源符号を選択し、選択された適応音源符号に対応する時系列ベクトルを、適応音源として駆動音源符号化手段９、および駆動音源符号化手段１０，１１に出力する。また入力音声１から適応音源による合成音に適切なゲインを乗算した信号を差し引いた信号（両者間の歪）を、符号化対象信号として駆動音源符号化手段９、および駆動音源符号化手段１０，１１に出力する。
【００５２】駆動音源符号化手段９には、乱数によって生成された時系列ベクトルが、雑音的な音源符号語として複数、駆動音源符号帳に記憶されている。この駆動音源符号化手段９内の駆動音源符号帳は、数ビットの２進数値で示した駆動音源符号が入力されると、その駆動音源符号に対応する位置より、そこに格納されている時系列ベクトルを読み出して出力する。このようにした場合、出力される時系列ベクトルは雑音的な音源を生成している。駆動音源符号化手段９はこの駆動音源符号帳に各駆動音源符号を入力することによって得られる時系列ベクトルを、線形予測係数符号化手段３の出力する、量子化された線形予測係数を用いた合成フィルタを通してフィルタリングすることにより、仮の合成音を求める。そして、得られた仮の合成音に適切なゲインを乗算した信号と、適応音源符号化手段４から入力された符号化対象信号との間の差分に基づく歪を調べる。ここで、符号化対象信号をｘ、仮の合成音をｙとすると、両者間の歪Ｄは次に示す（１）式で計算される。
【００５３】
【数１】

【００５４】駆動音源符号化手段９はこの処理を全ての駆動音源符号に対して行い、最小の歪を与えた駆動音源符号を選択するとともに、選択された駆動音源符号に対応する時系列ベクトルを駆動音源として、比較手段１５および変換手段１６に出力する。その時、この駆動音源とともに、上記最小の歪および駆動音源符号も比較手段１５と変換手段１６に出力される。
【００５５】駆動音源符号化手段１０には、パルス位置テーブルを含んだ駆動音源符号帳が記憶されている。この駆動音源符号化手段１０内の駆動音源符号帳は、数ビットの２進数値で示した駆動音源符号が入力されると、その駆動音源符号を複数のパルス位置符号と極性に分離して、パルス位置テーブル中の各パルス位置符号に対応する位置に格納されているパルス位置を読み出し、そのパルス位置と極性に従って、複数本のパルスを持った時系列ベクトルを生成して出力する。つまり、出力される時系列ベクトルは、複数本のパルスから成る非雑音的な音源を生成している。なお、この駆動音源符号化手段１０の駆動音源符号帳には、上記パルス位置テーブル等によって非雑音的な音源符号語が格納されていると見なすことができる。
【００５６】駆動音源符号化手段１０はこの駆動音源符号帳に各適応音源符号を入力することによって得られる時系列ベクトルを、適応音源符号化手段４で選択された適応音源符号に対応する繰返し周期を用いてピッチ周期化し、さらに線形予測係数符号化手段３の出力する、量子化された線形予測係数を用いた合成フィルタを通してフィルタリングすることにより、仮の合成音を求める。そして、得られた仮の合成音に適切なゲインを乗算した信号と適応音源符号化手段４から入力された符号化対象信号との差分に基づく両者間の歪を調べる。
【００５７】駆動音源符号化手段１０はこの処理を全ての駆動音源符号に対して行い、最小の歪を与えた駆動音源符号を選択するとともに、選択された駆動音源符号に対応する時系列ベクトルを駆動音源とする。そしてこの駆動音源を、最小の歪および駆動音源符号とともに最小歪選択手段１７に出力する。
【００５８】駆動音源符号化手段１１には、駆動音源符号化手段１０のそれとは異なったパルス位置テーブルを含む駆動音源符号帳が記憶されている。この駆動音源符号化手段１１内の駆動音源符号帳は、数ビットの２進数値で示した駆動音源符号が入力されると、その駆動音源符号を複数のパルス位置符号と極性に分離して、パルス位置テーブル中の各パルス位置符号に対応する位置に格納されているパルス位置を読み出し、そのパルス位置と極性に従って、複数本のパルスを持った時系列ベクトルを生成して出力する。この場合も駆動音源符号化手段１０と同様に、時系列ベクトルが複数本のパルスから成る非雑音的な音源を生成し、その駆動音源符号帳には、パルス位置テーブル等によって非雑音的な音源符号語が格納されていると見なせる。
【００５９】駆動音源符号化手段１１はこの駆動音源符号帳に各適応音源符号を入力することによって得られる時系列ベクトルを、適応音源符号化手段４で選択された適応音源符号に対応する繰返し周期を用いてピッチ周期化し、さらに線形予測係数符号化手段３の出力する、量子化された線形予測係数を用いた合成フィルタを通してフィルタリングすることにより、仮の合成音を求める。そして、得られた仮の合成音に適切なゲインを乗算した信号と適応音源符号化手段４から入力された符号化対象信号との差分をとり、それに基づく両者間の歪を調べる。
【００６０】駆動音源符号化手段１１はこの処理を全ての駆動音源符号に対して行い、最小の歪を与えた駆動音源符号を選択するとともに、選択された駆動音源符号に対応する時系列ベクトルを駆動音源とする。そしてこの駆動音源を、最小の歪および駆動音源符号とともに最小歪選択手段１７に出力する。
【００６１】パワー計算手段１２は受け取った入力音声１のフレーム内の信号パワーを計算し、得られた信号パワーを閾値計算手段１３に出力する。閾値計算手段１３はこのパワー計算手段１２から入力された信号パワーに、あらかじめ用意されている歪率に関する定数を乗算し、その計算結果を歪に関する閾値として比較手段１５と変換手段１６に出力する。
【００６２】ここで、あらかじめ用意した定数をＲ、信号パワーをＰとすると、歪に関する閾値Ｄ_thは、次の（２）式で求めることができる。
Ｄ_th ＝Ｒ・Ｐ・・・（２）
【００６３】なお、定数Ｒはパワー領域での歪率に関する値であり、この実施の形態１では０．７とする。また、入力音声１の信号パワーＰにこの歪率に関する定数Ｒを乗算して得られる、歪に関する閾値Ｄ_thは、（１）式に示した歪の領域で定義される値となる。
【００６４】一方、判定手段１４は受け取った入力音声１の分析を行って音声態様を判定する。その結果、音声の立ち上がり部分である場合には“０”を、それ以外の場合には“１”を、それぞれ判定結果として出力する。音声の立ち上がりであるか否かは、入力音声１の信号パワーを前フレームの信号パワーで除した結果が、所定の閾値を超えているか否かで大まかに判定することができる。
【００６５】比較手段１５は駆動音源符号化手段９から入力された歪Ｄと、閾値計算手段１３から入力された歪に関する閾値Ｄ_thとの比較を行い、その比較結果として、歪Ｄの方が大きいときには“１”を、それ以外の場合には“０”をそれぞれ出力する。変換手段１６は判定手段１４から出力された判定結果と比較手段１５から出力された比較結果とを受け、その両方が“１”であった場合には、駆動音源符号化手段９から出力された歪Ｄを、閾値計算手段１３から入力された閾値Ｄ_thの値に置換する。なお、この変換手段１６は判定手段１４の判定結果、あるいは比較手段１５の比較結果のいずれか一方でも“０”であった場合には、上記置換の処理は行わない。この変換手段１６による置換処理結果は最小歪選択手段１７に出力される。
【００６６】最小歪選択手段１７はこの変換手段１６から入力された歪と、駆動音源符号化手段１０から入力された歪と、駆動音源符号化手段１１から入力された歪との比較を行って、これらの中で最小の歪を選択する。そして、この選択された歪を出力した変換手段１６または駆動音源符号化手段１０，１１より出力された駆動音源をゲイン符号化手段６に、駆動音源符号を多重化手段７にそれぞれ出力する。さらに、これら３つの歪の内のどれを選択したかを示す情報をモード選択情報として多重化手段７に出力する。
【００６７】なお、（１）式の第一項は仮の合成音ｙに依存しないので、歪Ｄを最小化するｙを探索することは、次の（３）式に示した、上記（１）式の第二項を最大化するｙを探索することと等価である。
【００６８】
【数２】

【００６９】従って、複数の仮の合成音ｙに対して、この（３）式で示した評価値ｄを計算し、これを最大化する仮の合成音ｙを与えた駆動音源符号を選択しても同じ結果となる。ただし、各駆動音源符号化手段が（３）式で示した評価値ｄを最大化する駆動音源符号を探索し、歪Ｄの代わりに評価値ｄを出力する場合には、これに応じて閾値計算手段１３、比較手段１５、変換手段１６、最小歪選択手段１７での処理を以下の通り変更する必要がある。
【００７０】すなわち、閾値計算手段１３では、符号化対象信号ｘの信号パワーをＰ'として、評価値ｄに対応する閾値ｄ_thを次の（４）式により算出する。
ｄ_th ＝Ｐ’－Ｒ・Ｐ・・・（４）
【００７１】ここで、この（４）式は、（１）式と（３）式とを合わせて次の（５）式を求め、得られた（５）式の第二項に（２）式を代入することで導出できる。なお、（５）式の第一項は符号化対象信号の信号パワーＰ’である。この時、閾値計算手段１３に対する入力として、適応音源符号化手段４から出力された符号化対象信号を追加する必要がある。
【００７２】
【数３】

【００７３】また、比較手段１５では、駆動音源符号化手段９が出力した評価値ｄと、閾値計算手段１３から入力された閾値ｄ_thとの比較を行い、その比較結果として、評価値ｄの方が小さい場合には“１”を、それ以外の場合には“０”をそれぞれ出力する。変換手段１６にはこの比較手段１５が出力した比較結果と、判定手段１４が出力した判定結果が入力され、その両方がともに“１”であれば、駆動音源符号化手段９から出力された結果中の評価値ｄを、閾値計算手段１３から入力された閾値ｄ_thの値に置換する。なお、それ以外の場合には評価値ｄの置換処理は行わない。
【００７４】最小歪選択手段１７には変換手段１６と、駆動音源符号化手段１０および１１より評価値ｄが入力されている。最小歪選択手段１７はそれら３つの評価値ｄの比較を行って、その中で最大の評価値を選択する。そして選択された評価値を出力した変換手段１６または駆動音源符号化手段１０または駆動音源符号化手段１１が出力した駆動音源をゲイン符号化手段６に、駆動音源符号を多重化手段７にそれぞれ出力する。最小歪選択手段１７はさらに、上記３つの評価値の内のどれを選択したかを示す情報をモード選択情報として多重化手段７に出力する。
【００７５】ゲイン符号化手段６には、適応音源と駆動音源に対する２つのゲイン値を表す複数のゲインベクトルがゲイン符号帳として記憶されている。このゲイン符号帳は、数ビットの２進数値で示したゲイン符号が入力されると、そのゲイン符号に対応する位置に格納されているゲインベクトルを読み出して出力する。ゲイン符号化手段６はこのゲイン符号帳に各ゲイン符号を入力することによってゲインベクトルを求め、その第一要素を適応音源符号化手段４の出力する適応音源に乗算するとともに、第二要素を最小歪選択手段１７の出力する駆動音源に乗算して、得られた２つの信号を加算することにより仮の音源を生成する。そしてこの仮の音源を線形予測係数符号化手段３の出力する、量子化された線形予測係数を用いた合成フィルタを通してフィルタリングすることにより、仮の合成音を求める。そして、得られた仮の合成音と入力音声１との差分をとり、それに基づく両者間の歪を調べる。
【００７６】ゲイン符号化手段６はこの処理を全ての駆動音源符号に対して行い、最小の歪を与えたゲイン符号を選択するとともに、その選択されたゲイン符号を多重化手段７に、選択されたゲイン符号に対応する仮の音源を最終的な音源として適応音源符号化手段４にそれぞれ出力する。
【００７７】適応音源符号化手段４は、このゲイン符号化手段６より出力された最終的な音源を受け取ると、内部に記憶している適応音源符号帳をその最終的な音源に基づいて更新する。
【００７８】その後、多重化手段７は、線形予測係数符号化手段３から出力された線形予測係数の符号、適応音源符号化手段４から出力された適応音源符号、駆動音源符号化部５中の最小歪選択手段１７から出力された駆動音源符号とモード選択情報、およびゲイン符号化手段６から出力されたゲイン符号を多重化し、得られた音声符号８を出力する。
【００７９】次に、この実施の形態１により得られた音声符号８を音声復号化装置で復号化して得られる復号音の主観的な品質、つまり音質の改善がはかれることを、図７を参照しながら説明する。図７は符号化歪を最小にする音源モードの選択について説明するための各波形を示すイメージ図であり、図７（ａ）は入力音声、同図（ｂ）は雑音的な音声を表現するために用意した音源モードを選択したときの復号音（音声符号を音声復号化装置で復号した結果）、同図（ｃ）は母音的な音声を表現するために用意した音源モードを選択したときの復号音をそれぞれ示している。なお、図７（ａ）に示した入力音声は雑音的な特徴を有する区間のものであり、図示のように、雑音的な入力音声は振幅の大きい部分と小さい部分がフレーム中に混在していることが多い。
【００８０】入力音声１が図７（ａ）に示すように雑音的である場合には、一般にモデル化がうまく働かないので、同図（ｂ）に示した雑音的な音声を表現するために用意した音源モード（雑音的な音源符号語を使用する音源モード）の場合でも、同図（ｃ）に示した母音的な音声を表現するために用意した音源モード（非雑音的な音源符号語を使用する音源モード）の場合でも、符号化時の歪率は比較的大きな値となる。
【００８１】ここで、駆動音源符号化手段９は乱数によって生成された時系列ベクトルを使用しており、図７（ｂ）に示す雑音的な音声を表現するために用意した音源モードに対応する。また駆動音源符号化手段１０および１１はパルス音源とピッチ周期化を使用しており、図７（ｃ）に示す母音的な音声を表現するために用意した音源モードに対応する。
【００８２】前述のように、各駆動音源符号化手段９～１１から出力される歪Ｄは何れも大きい値となっているが、駆動音源符号化手段９から出力された歪Ｄだけは、変換手段１６によって、歪Ｄよりも小さい閾値Ｄ_thに置換される。その結果、最小歪選択手段１７において、駆動音源符号化手段９が出力した駆動音源符号が選択され、復号音は図７（ｂ）に示すものとなる。このように、図７（ｂ）に示す復号音の歪の方が同図（ｃ）に示す復号音の歪よりも大きな場合でも、雑音的な区間などの符号化時の歪率が大きくなる区間では、安定的に図７（ｂ）に示す復号音が選択される。
【００８３】なお、この実施の形態１では、判定手段１４が音声の立ち上がり以外であると判定したときに限って、変換手段１６による置換の処理を行うようにしている。すなわち、音声の立ち上がりと判定された場合でも変換手段１６による置換の処理を行うようにして、復号音が図７（ｂ）となるようにしてしまうと、破裂音のパルス的な特徴がつぶれてしまったり、母音の立ち上がりをザラザラした音質に劣化させてしまうことになる。
【００８４】また、この実施の形態１では、パワー計算手段１２で入力音声１の信号パワーを計算し、閾値計算手段１３はその信号パワーを用いて閾値の計算を行っている。すなわち、入力音声１の信号パワーに歪率に関する定数を乗算することで、一定の歪率（ＳＮ比など）となる歪の値が閾値として算出されている。この閾値を使用することで、駆動音源符号化手段９の歪が一定の歪率（ＳＮ比など）を超えたときにその歪の値を置換して、駆動音源符号化手段９の出力する歪が選択されやすくなるようにしている。
【００８５】なお、閾値計算手段１３については、入力音声１の信号パワーを使用せず、固定閾値Ｒをそのまま出力する構成に変形することも可能である。その場合、各駆動音源符号化手段９～１１が出力する歪を、入力音声１の信号パワーＰで除算した値、つまり歪率として出力するように変形することにより、異なる構成によっても上述した実施の形態の場合と同じ結果を与えることができる。
【００８６】また、この実施の形態１では、パワー計算手段１２が入力音声１の信号パワーを計算しているが、適応音源符号化手段４が出力した符号化対象信号の信号パワーを計算するように変更するようにしてもよい。その場合、閾値計算手段１３が出力する閾値が、上記した入力音声１に対する歪に関する閾値ではなく、符号化対象信号に対する歪に関する閾値となる。
【００８７】なお、定常母音区間では適応音源による符号化が良好で、符号化対象信号が入力音声に比べて低振幅で雑音的になる場合がある。上記のように、パワー計算手段１２が符号化対象信号の信号パワーを計算する構成とした場合には、閾値も小さくなり、変換手段１６での歪の置換が起こりやすくなる。しかしながら、定常母音区間では置換を行わずに歪を最小にする駆動音源符号化手段９から１１を選択する方が望ましいので、置換を停止するために判定手段１４における判定処理を修正する必要がある。具体的には、判定手段１４が、音声の立ち上がり、または母音区間を検知した時に判定結果として“０”を出力し、それ以外の時に判定結果として“１”を出力するようにすればよい。母音区間の検知は、入力音声１のピッチ周期性の大きさ、適応音源符号化手段４での符号化処理中の中間パラメータなどを用いて行うことができる。
【００８８】また、この実施の形態１では、パワー計算手段１２が入力音声１の信号パワーを計算し、その信号パワーを用いて閾値計算手段１３が閾値の計算を行っているが、信号パワーの代わりに、振幅や、対数パワーなどを用いても、閾値計算手段１３の計算式を変形することで同じ結果を得ることができる。
【００８９】また、この実施の形態１では、雑音的な音源を生成する駆動音源符号化手段として駆動音源符号化手段９を１つ、また非雑音的な音源を生成する駆動音源符号化手段として駆動音源符号化手段１０，１１の２つを備える構成としたが、前者を２つ以上としてもかまわないし、後者を１つまたは３つ以上としてもかまわないことはいうまでもない。
【００９０】また、この実施の形態１では、閾値Ｄ_thと歪Ｄの比較結果に基づいて歪Ｄを閾値Ｄ_thに置換するようにしているが、閾値Ｄ_thと歪Ｄを入力変数とする関数を用意し、その出力値を新たな歪Ｄと置換するようにしてもかまわない。
【００９１】また、この実施の形態１では、単純に信号間の２乗距離を歪としているが、音声符号化装置で多く使用されている聴覚重み付け歪とするようにしても当然かまわない。
【００９２】以上のように、この実施の形態１によれば、複数の音源モードの中から１つを選択し、この音源モードを使用して入力音声１をフレームと呼ばれる所定長の区間毎に符号化する際に、各音源モード毎に入力音声から求まる符号化対象信号の符号化を行い、その時の符号化歪と固定の閾値、あるいは符号化対象信号の信号パワーに基づいて決定した閾値との比較を行って、その比較結果に基づいて音源モードの選択を行うようにしたので、符号化歪が大きい場合でも復号音の品質劣化が少ない音源モードを選択することが可能となるため、よりよい音質を与える音源モードの選択が適切に行え、得られた音声符号を音声復号化装置で復号化した復号音の主観的な品質、つまり音質を改善することができるという効果が得られる。
【００９３】さらに、この実施の形態１によれば、あらかじめ定めた音源モードについて符号化歪と閾値の比較を行い、符号化歪が閾値を上回る場合にその符号化歪を閾値の値に置換し、全ての音源モードの符号化歪の中で最小の符号化歪に対応した音源モードを選択するようにしたので、符号化歪が大きい場合に符号化歪が置換された音源モードが選択されやすくなるため、よりよい音質を与える音源モードの選択が適切に行え、得られた音声符号を音声復号化装置で復号化した復号音の主観的な品質（音質）を改善することができるという効果が得られる。
【００９４】さらに、この実施の形態１によれば、入力音声または符号化対象信号に対して所定の歪率となるように、閾値の設定を行うようにしたので、符号化時の歪率が所定以上である場合に、復号音の品質劣化が少ない音源モードを選択することが可能となるため、よりよい音質を与える音源モードの選択が適切に行え、得られた音声符号を音声復号化装置で復号化した復号音の主観的な品質（音質）を改善することができるという効果が得られる。
【００９５】さらに、この実施の形態１によれば、入力音声または符号化対象信号を分析して音声様態を判定し、所定の判定結果となったときに限って、符号化歪と閾値との比較結果を使用せずに音源モードの選択を行うようにしたので、符号化歪が大きくても復号音の品質劣化を起こしにくい入力音声に対しては、従来の場合と同様の音源モード選択が行われ、一層丁寧な音源モード選択となり、得られた音声符号を音声復号化装置で復号化した復号音の主観的な品質（音質）を改善することができるという効果が得られる。
【００９６】さらに、この実施の形態１によれば、音声様態の判定において、少なくとも音声の立ち上がりであるか否かを判定するようにしたので、音声の立ち上がりという符号化歪が大きくなりがちな区間とそれ以外の区間とで、符号化歪に基づく音源モード選択の制御を変えることが可能となるため、音声の立ち上がりでの劣化がなく、それ以外での音源モード選択を改善することができて、得られた音声符号を音声復号化装置で復号化した復号音の主観的な品質（音質）を改善でき、また、上記音声の立ち上がりの区間は、破裂音などのように雑音的な音源よりパルス的な音源の方が適するケースもあるため、符号化歪が大きくても、特定の音源モードを優先的に選択するような制御は劣化を引き起こすことが出てくるが、音声の立ち上がりの判定によってそれを回避できるなどの効果が得られる。
【００９７】さらに、この実施の形態１によれば、複数の音源モードを、非雑音的な音源を生成する音源モードと、雑音的な音源を生成する音源モードで構成したので、符号化歪が大きい場合に雑音的な音源を生成する音源モードを選択しやすくすることが可能となるため、非雑音的な音源を生成する音源モードを選択することによる劣化を回避し、得られた音声符号を音声復号化装置で復号化した復号音の主観的な品質（音質）を改善することができるという効果が得られる。
【００９８】さらに、この実施の形態１によれば、複数の音源モードを、非雑音的な音源符号語を使用する音源モードと、雑音的な音源符号語を使用する音源モードで構成したので、符号化歪が大きい場合に雑音的な音源符号語を使用する音源モードを選択しやすくすることが可能となるため、非雑音的な音源符号語を使用する音源モードを選択して劣化することを回避し、得られた音声符号を音声復号化装置で復号化した復号音の主観的な品質（音質）を改善することができるという効果が得られる。
【００９９】実施の形態２．図２はこの発明の実施の形態２による音声符号化方法を適用した音声符号化装置の構成を示すブロック図である。図において、１は入力音声、２は線形予測分析手段、３は線形予測係数符号化手段、６はゲイン符号化手段、７は多重化手段、８は音声符号であり、これらは図１に同一符号を付して示した実施の形態１の各部と同等の部分である。
【０１００】また、１８は入力音声１と線形予測係数符号化手段３からの信号をもとに、適応音源、駆動音源、音源符号、およびモード選択情報を出力する音源符号化部である。
【０１０１】この音源符号化部１８内において、１９は乱数で生成した時系列ベクトルによる駆動音源符号帳を備え、入力音声１と線形予測係数符号化手段３からの信号をもとに、仮の合成音と入力音声１との歪を調べて、音源符号、歪、および駆動音源を出力する、符号化手段としての音源符号化手段である。２０はパルス位置テーブルを含む駆動音源符号帳を備え、入力音声１と線形予測係数符号化手段３からの信号をもとに、仮の合成音と入力音声１との歪を調べて、音源符号、歪、および駆動音源を出力する、符号化手段としての音源符号化手段である。２１は適応音源符号帳を備えた適応音源符号化手段と、駆動音源符号帳を備えた駆動音源符号化手段とによって構成され、入力音声１と線形予測係数符号化手段３からの信号をもとに、音源符号、歪、適応音源、および駆動音源を出力する、符号化手段としての音源符号化手段である。
【０１０２】２２は入力音声の信号パワーを計算するパワー計算手段、２３はパワー計算手段２２からの信号より、歪に関する閾値を計算する閾値計算手段であり、２４は入力音声１を分析し、音声の立ち上がり部分であるか否かを判定する判定手段である。２５は音源符号化手段１９からの信号と閾値計算手段２３からの閾値を比較する比較手段である。２６は判定手段２４の判定結果と比較手段２５の比較結果に基づいて音源符号化手段１９の出力変換を行う変換手段である。２７は変換手段２６からの信号と、音源符号化手段２０および２１からの信号に基づいて、適応音源および駆動音源をゲイン符号化手段６に、音源符号およびモード選択情報を多重化手段７に出力する、選択手段としての最小歪選択手段である。
【０１０３】このように、上記実施の形態２では、複数の音源符号化手段１９～２１の中から１つを選択する構成としている点で、複数の駆動音源符号化手段９～１１の中の１つを選択する構成の実施の形態１とは異なっている。つまり、駆動音源符号化手段の他に適応音源符号化手段も含めた上位の音源符号化手段１９～２１の選択にこの発明を適用したものとなっている。
【０１０４】次に動作について説明する。なお、ここでは、上記実施の形態１とは異なる部分を中心に、図２に基づいて説明する。まず、入力音声１が線形予測分析手段２、ゲイン符号化手段６、および音源符号化部１８に入力される。線形予測分析手段２は入力音声１が入力されるとその分析を行い、音声のスペクトル包絡情報である線形予測係数を抽出して、線形予測係数符号化手段３に送出する。線形予測係数符号化手段３はこの線形予測分析手段２から受け取った線形予測係数を符号化して多重化手段７に出力するとともに、音源の符号化のために量子化された線形予測係数を、音源符号化部１８およびゲイン符号化手段６に出力する。なお、音源符号化部１８では、入力音声１は音源符号化手段１９～２１、およびパワー計算手段２２、判定手段２４に入力され、線形予測係数符号化手段３からの量子化された線形予測係数は、音源符号化手段１９～２１に入力される。
【０１０５】音源符号化手段１９には、乱数によって生成された時系列ベクトルが、雑音的な音源符号語として複数、駆動音源符号帳に記憶されている。この音源符号化手段１９内の駆動音源符号帳は、数ビットの２進数値で示した音源符号が入力されると、その音源符号に対応する位置より、そこに格納されている時系列ベクトルを読み出して出力する。なお、この出力された時系列ベクトルは雑音的な音源を生成している。音源符号化手段１９はこの駆動音源符号帳に各音源符号を入力することによって得られる時系列ベクトルを、線形予測係数符号化手段３の出力する、量子化された線形予測係数を用いた合成フィルタにてフィルタリングすることにより、仮の合成音を求める。そして、得られた仮の合成音に適切なゲインを乗算した信号と入力音声１との差分をとり、それに基づく両者間の歪を調べる。
【０１０６】音源符号化手段１９はこの処理を全ての音源符号に対して行い、最小の歪を与えた音源符号を選択するとともに、選択された音源符号に対応する時系列ベクトルを駆動音源とする。そしてこの駆動音源を、上記最小の歪および音源符号とともに、比較手段２５と変換手段２６とに出力する。
【０１０７】音源符号化手段２０には、パルス位置テーブルを含んだ駆動音源符号帳が記憶されている。この音源符号化手段２０内の駆動音源符号帳は、数ビットの２進数値で示した音源符号が入力されると、その音源符号を複数のパルス位置符号と極性に分離して、パルス位置テーブル中の各パルス位置符号に対応する位置に格納されているパルス位置を読み出し、そのパルス位置と極性に従って、複数本のパルスを持つ時系列ベクトルを生成して出力する。この時系列ベクトルは複数本のパルスによる非雑音的な音源を生成し、その駆動音源符号帳はパルス位置テーブル等により非雑音的な音源符号語が格納されていると見なせる。
【０１０８】音源符号化手段２０はこの駆動音源符号帳に各音源符号を入力することによって得られる各時系列ベクトルを、線形予測係数符号化手段３の出力する、量子化された線形予測係数を用いた合成フィルタにてフィルタリングすることにより、仮の合成音を求める。そして、得られた仮の合成音に適切なゲインを乗算した信号と入力音声１との差分をとり、それに基づく両者間の歪を調べる。
【０１０９】音源符号化手段２０はこの処理を全ての音源符号に対して行い、最小の歪を与えた音源符号を選択するとともに、選択された音源符号に対応する時系列ベクトルを駆動音源とする。そしてこの駆動音源を、上記最小の歪および音源符号とともに、最小歪選択手段２７に出力する。
【０１１０】音源符号化手段２１は、過去の所定長の音源（信号）が適応音源符号帳として記憶されている適応音源符号化手段と、パルス位置テーブルを含んだ駆動音源符号帳が記憶されている駆動音源符号化手段とによって構成されている。この音源符号化手段２１中の適応音源符号化手段が持つ適応音源符号帳は、数ビットの２進数値で示した適応音源符号が入力されると、その適応音源符号から繰返し周期を算出し、この繰返し周期を用いて過去の音源を周期的に繰り返した時系列ベクトルを生成して出力する。また、この音源符号化手段２１中の駆動音源符号化手段が持つ駆動音源符号帳は、数ビットの２進数値で示した駆動音源符号が入力されると、その駆動音源符号に対応する位置に格納されている時系列ベクトルを読み出して出力する。なお、この時系列ベクトルは複数本のパルスによる非雑音的な音源を生成し、その駆動音源符号帳はパルス位置テーブル等により非雑音的な音源符号語が格納されていると見なせる。
【０１１１】音源符号化手段２１の適応音源符号化手段はその適応音源符号帳に適応音源符号を入力することによって得られる各時系列ベクトルを、線形予測係数符号化手段３の出力する、量子化された線形予測係数を用いた合成フィルタにてフィルタリングすることにより、仮の合成音を求める。そして、得られた仮の合成音に適切なゲインを乗算した信号と入力音声１との差分をとり、それに基づく両者間の歪を調べる。音源符号化手段２１の適応音源符号化手段はこの処理を全ての音源符号に対して行い、最小の歪を与えた適応音源符号を選択するとともに、選択された適応音源符号に対応する時系列ベクトルを適応音源として出力する。また、入力音声１と適応音源による合成音に適切なゲインを乗算した信号との差分を計算し、それを符号化対象信号として出力する。
【０１１２】また、音源符号化手段２１の駆動音源符号化手段はその駆動音源符号帳に駆動音源符号を入力することによって得られる各時系列ベクトルを、上記音源符号化手段２１の適応音源符号化手段で選択された適応音源符号に対応する繰返し周期を用いてピッチ周期化し、さらに線形予測係数符号化手段３の出力する、量子化された線形予測係数を用いた合成フィルタにてフィルタリングすることにより、仮の合成音を求める。そして、得られた仮の合成音に適切なゲインを乗算した信号と、適応音源符号化手段から入力された符号化対象信号との差分をとり、それに基づく両者間の歪を調べる。音源符号化手段２１の駆動音源符号化手段はこの処理を全ての駆動音源符号に対して行い、最小の歪を与えた駆動音源符号を選択して、選択された駆動音源符号に対応する時系列ベクトルを駆動音源とし、その駆動音源を上記最小の歪および駆動音源符号とともに出力する。
【０１１３】音源符号化手段２１は最後に、その適応音源符号と駆動音源符号との多重化を行い、得られた結果を音源符号として、上記適応音源、駆動音源とともに最小歪選択手段２７に出力する。
【０１１４】パワー計算手段２２は受け取った入力音声１のフレーム内の信号パワーを計算し、得られた信号パワーを閾値計算手段２３に出力する。閾値計算手段２３はこのパワー計算手段２２から入力された信号パワーに、あらかじめ用意されている歪率に関する定数を乗算し、その計算結果を歪に関する閾値として比較手段２５と変換手段２６に出力する。判定手段２４は受け取った入力音声１の分析を行って音声態様を判定する。その結果、音声の立ち上がり部分である場合には“０”を、それ以外の場合には“１”を、それぞれ判定結果として出力する。
【０１１５】比較手段２５は音源符号化手段１９から入力された歪と、閾値計算手段２３から入力された歪に関する閾値との比較を行い、その比較結果として、歪の方が大きいときには“１”を、それ以外の場合には“０”をそれぞれ出力する。変換手段２６は判定手段２４から出力された判定結果と比較手段２５から出力された比較結果とを受け、その両方が“１”であった場合には、音源符号化手段１９から出力された歪を、閾値計算手段２３から入力された閾値の値に置換する。なお、この変換手段２６は判定手段２４の判定結果、あるいは比較手段２５の比較結果のいずれか一方でも“０”であった場合には、上記置換の処理は行わない。この変換手段２６による置換処理結果は最小歪選択手段２７に出力される。
【０１１６】最小歪選択手段２７はこの変換手段２６から入力された歪と、音源符号化手段２０から入力された歪と、音源符号化手段２１から入力された歪との比較を行って、それらの中より最小の歪を選択する。ここで、変換手段２６から入力された歪を選択した場合には、ゲイン符号化手段６に、適応音源としての全要素がゼロの値を持つ信号と、変換手段２６から入力された駆動音源とを出力し、多重化手段７に変換手段２６から入力された音源符号を出力する。また、音源符号化手段２０から入力された歪を選択した場合には、ゲイン符号化手段６に適応音源としての全要素がゼロの値を持つ信号と、音源符号化手段２０から入力された駆動音源とを出力し、多重化手段７に音源符号化手段２０から入力された音源符号を出力する。また、音源符号化手段２１から入力された歪を選択した場合には、ゲイン符号化手段６に音源符号化手段２１から入力された適応音源と駆動音源を、多重化手段７に音源符号化手段２１から入力された音源符号を出力する。さらに、これら３つの歪の内のどれを選択したかを示す情報をモード選択情報として多重化手段７に出力する。
【０１１７】ゲイン符号化手段６には、適応音源と駆動音源に対する２つのゲイン値を表す複数のゲインベクトルがゲイン符号帳として記憶されている。このゲイン符号帳は、数ビットの２進数値で示したゲイン符号が入力されると、そのゲイン符号に対応する位置に格納されているゲインベクトルを読み出して出力する。ゲイン符号化手段６はこのゲイン符号帳に各ゲイン符号を入力することによってゲインベクトルを求め、その第一要素を音源符号化部１８の出力する適応音源に乗算するとともに、第二要素を音源符号化部１８の出力する駆動音源に乗算して、得られた２つの信号を加算することにより仮の音源を生成する。そしてこの仮の音源を線形予測係数符号化手段３の出力する、量子化された線形予測係数を用いた合成フィルタにてフィルタリングすることにより、仮の合成音を求める。そして、得られた仮の合成音と入力音声１との差分をとり、それに基づく両者間の歪を調べる。
【０１１８】ゲイン符号化手段６はこの処理を全てのゲイン符号に対して行い、最小の歪を与えたゲイン符号を選択する。そして、この選択されたゲイン符号を多重化手段７に出力し、またこの選択されたゲイン符号に対応する仮の音源を、最終的な音源として音源符号化手段２１内の適応音源符号化手段に出力する。
【０１１９】音源符号化手段２１内の適応音源符号化手段は、このゲイン符号化手段６より出力された最終的な音源を受け取ると、内部に記憶している適応音源符号帳をその最終的な音源に基づいて更新する。
【０１２０】その後、多重化手段７は、線形予測係数符号化手段３から出力された線形予測係数の符号、音源符号化部１８から出力された音源符号とモード選択情報、およびゲイン符号化手段６から出力されたゲイン符号を多重化し、得られた音声符号８を出力する。
【０１２１】なお、この発明の実施の形態２として、適応音源符号化手段も含めた上位の音源符号化手段を複数備えて、その中の１つを選択する、図２に示したものについて説明したが、音声符号化装置が複数の駆動音源符号化手段を備えてその中の１つを選択するように構成した、上記実施の形態１の音声符号化装置と同様の様々な変形が可能である。
【０１２２】以上のように、この実施の形態２によれば、適応音源符号化手段を含む上位の音源符号化手段を複数備え、その中の１つを選択するようにしているので、その音源符号化手段の選択においても、上記実施の形態１の場合と同様の効果が得られる。
【０１２３】実施の形態３．図３はこの発明の実施の形態３による音声符号化方法を適用した音声符号化装置の構成を示すブロック図であり、図中、図１の各部分と同等の部分については同一番号を付してその説明を省略する。図において、２８は入力音声１と、線形予測係数符号化手段３からの信号および適応音源符号化手段４からの信号をもとに、駆動音源と駆動音源符号、およびモード選択情報を出力する駆動音源符号化部である。
【０１２４】また、２９はパワー計算手段１２からの信号より、歪に関する第一の閾値、および第二の閾値を計算する閾値計算手段である。３０は駆動音源符号化手段１０からの信号と第一の閾値とを比較する比較手段であり、３１はこの比較手段３０と判定手段１４の判定結果に基づいて、駆動音源符号化手段１０の出力を補正する変換手段としての補正手段である。３２は駆動音源符号化手段１１からの信号と第二の閾値とを比較する比較手段であり、３３はこの比較手段３２と判定手段１４の判定結果に基づいて、駆動音源符号化手段１１の出力を補正する変換手段としての補正手段である。なお、上記駆動音源符号化部２８は、閾値計算手段２９、比較手段３０，３２、補正手段３１，３３と、駆動音源符号化手段９，１０，１１、パワー計算手段１２、判定手段１４、および最小歪選択手段１７とによって構成されている。
【０１２５】次に動作について説明する。なお、ここでは、上記実施の形態１とは異なる部分を中心に、図３に基づいて説明する。この場合も、線形予測係数符号化手段３で量子化された線形予測係数と、適応音源符号化手段４からの符号化対象信号とが、駆動音源符号化部２８内の駆動音源符号化手段９～１１に入力されている。この駆動音源符号化手段９には、乱数によって生成された複数の時系列ベクトルが駆動音源符号帳として記憶されている。駆動音源符号化手段９は実施の形態１の場合と同様に、その駆動音源符号帳を用いて適応音源符号化手段４から入力された符号化対象信号を符号化した時の歪を最小にする駆動音源符号を選択し、その選択された音源符号に対応する時系列ベクトルを駆動音源として、最小の歪および駆動音源符号とともに、最小歪選択手段１７に出力する。
【０１２６】また駆動音源符号化手段１０には、パルス位置テーブルを含む駆動音源符号帳が記憶されている。駆動音源符号化手段１０はその駆動音源符号帳を用いて、実施の形態１の場合と同様に、適応音源符号化手段４から入力された符号化対象信号を符号化した時の歪を最小にする駆動音源符号を選択し、その選択された音源符号に対応する時系列ベクトルを駆動音源として、最小の歪および駆動音源符号とともに、比較手段３０と補正手段３１とに出力する。同様に、駆動音源符号化手段１１には、上記駆動音源符号化手段１０のものとは異なるパルス位置テーブルを含む駆動音源符号帳が記憶されている。駆動音源符号化手段１１はその駆動音源符号帳を用いて、適応音源符号化手段４から入力された符号化対象信号を符号化した時の歪を最小にする駆動音源符号を選択し、その選択された音源符号に対応する時系列ベクトルを駆動音源として、最小の歪および駆動音源符号とともに、比較手段３２と補正手段３３とに出力する。
【０１２７】なお、この場合も、駆動音源符号化手段９の駆動音源符号帳には、乱数によって生成された雑音的な音源符号語が、駆動音源符号化手段１０，１１の駆動音源符号帳には、パルス位置テーブル等による非雑音的な音源符号語がそれぞれ格納されており、また、駆動音源符号化手段９より出力される時系列ベクトルは、雑音的な音源を生成し、駆動音源符号化手段１０，１１より出力される時系列ベクトルは、非雑音的な音源を生成している。
【０１２８】一方、閾値計算手段２９はパワー計算手段１２によって算出された信号パワーに、あらかじめ用意された歪率に関する第一の定数を乗算して、歪に関する第一の閾値を求め、あらかじめ用意された歪率に関する第二の定数を乗算して、歪に関する第二の閾値を求める。得られた歪に関する第一の閾値は比較手段３０と補正手段３１に、歪に関する第二の閾値は比較手段３２と補正手段３３にそれぞれ出力される。なお、ここであらかじめ用意される第一および第二の歪率に関する定数については、符号化歪が大きいときに、駆動音源符号化手段１０と１１の中の、復号音の劣化がより大きい方の定数を小さく設定しておく。この歪率に関する定数が小さい程、小さい符号化歪において先に、後述する比較手段３０，３２での比較結果が“１”となる。
【０１２９】判定手段１４は実施の形態１の場合と同様に、入力音声１を分析して音声態様を判定する。判定の結果、音声の立ち上がり部分である場合には“０”を、それ以外の場合に“１”を出力する。
【０１３０】比較手段３０は、駆動音源符号化手段１０から入力された歪と、閾値計算手段２９から入力された第一の閾値との比較を行い、歪の方が大きい場合には比較結果として“１”を、それ以外の場合には比較結果として“０”を出力する。補正手段３１は、判定手段１４から出力された判定結果と、比較手段３０から出力された比較結果の両方が“１”である場合に、駆動音源符号化手段１０から出力された結果中の歪を閾値計算手段２９から入力された第一の閾値を用いて補正し、補正後の値を新たに歪として最小歪選択手段１７に出力する。なお、それ以外の場合には上記補正は行わず、駆動音源符号化手段１０から出力された歪をそのまま最小歪選択手段１７に出力する。この補正手段３１による補正については、歪をＤ、閾値をＤ_thとすれば、例えば次の（６）式を用いて行うことができる。
Ｄ' ＝Ｄ＋α（Ｄ－Ｄ_th ）・・・（６）
ここで、Ｄ'は補正後の歪、αは正の定数である。
【０１３１】なお、補正手段３１による補正は、指数関数を適用するなど、（６）式よりも複雑な補正を適用することも当然可能であるし、非常に大きい固定値に補正してしまうことも可能である。非常に大きい固定値に補正した場合には、最小歪選択手段１７において基本的に駆動音源符号化手段１０が選択されなくなる。
【０１３２】また、比較手段３２は、駆動音源符号化手段１１から入力された歪と、閾値計算手段２９から入力された第二の閾値を比較し、歪の方が大きい場合には比較結果として“１”を、それ以外の場合には比較結果として“０”を出力する。補正手段３３は、判定手段１４から出力された判定結果と、比較手段３２から出力された比較結果の両方が“１”である場合に、駆動音源符号化手段１１から出力された結果中の歪を、閾値計算手段２９から入力された閾値を用いて補正し、補正後の値を新たに歪として最小歪選択手段１７に出力する。それ以外の場合には補正を行わず、駆動音源符号化手段１０からの歪をそのまま最小歪選択手段１７に出力する。なお、この補正については、補正手段３１の場合と同様に行うことができる。
【０１３３】最小歪選択手段１７は、駆動音源符号化手段９、補正手段３１、および補正手段３３から入力された各歪の比較を行い、それらの中の最小の歪を選択する。その結果、駆動音源符号化手段９から入力された歪を選択した場合には、駆動音源符号化手段９から入力された駆動音源をゲイン符号化手段６に、駆動音源符号を多重化手段７にそれぞれ出力する。また補正手段３１から入力された歪を選択した場合には、補正手段３１を介して駆動音源符号化手段１０から入力された駆動音源をゲイン符号化手段６に、駆動音源符号を多重化手段７にそれぞれ出力する。同様に、補正手段３３から入力された歪を選択した場合には、補正手段３３を介して駆動音源符号化手段１１から入力された駆動音源をゲイン符号化手段６に、駆動音源符号を多重化手段７にそれぞれ出力する。さらに、これら３つの歪の内のどれを選択したかを示す情報を、モード選択情報として多重化手段７に出力する。
【０１３４】次に、この実施の形態３により得られた音声符号８を音声復号化装置で復号化して得られる復号音の主観的な品質（音質）が改善されることを、図７を参照しながら説明する。図７は符号化歪を最小にする音源モードの選択について説明するための各波形を示すイメージ図で、図７（ａ）は入力音声、同図（ｂ）は雑音的な音声を表現するために用意した音源モードを選択したときの復号音、同図（ｃ）は母音的な音声を表現するために用意した音源モードを選択したときの復号音をそれぞれ示している。入力音声１が図７（ａ）に示すように雑音的である場合には、一般にモデル化がうまく働かないので、同図（ｂ）に示した雑音的な音声を表現するために用意した音源モードの場合でも、同図（ｃ）に示した母音的な音声を表現するために用意した音源モードの場合でも、符号化時の歪率は比較的大きな値となる。
【０１３５】ここで、駆動音源符号化手段９は乱数によって生成された時系列ベクトルを使用しており、図７（ｂ）に示す雑音的な音声を表現するために用意した音源モードに対応する。また駆動音源符号化手段１０および１１はパルス音源とピッチ周期化を使用しており、図７（ｃ）に示す母音的な音声を表現するために用意した音源モードに対応する。
【０１３６】各駆動音源符号化手段９～１１より出力された歪Ｄは何れも大きな値となっているが、駆動音源符号化手段１０および１１から出力された歪Ｄは、補正手段３１あるいは３３によって、歪Ｄよりも大きい値に補正される。その結果、駆動音源符号化手段９が出力した駆動音源符号が、最小歪選択手段１７によって選択され、復号音は図７（ｂ）に示すものとなる。このように、図７（ｂ）の歪の方が同図（ｃ）の歪より大きくても、雑音的な区間などの符号化時の歪率が大きくなる区間では、安定的に図７（ｂ）に示す復号音が選択される。
【０１３７】なお、この実施の形態３では、各駆動音源符号化手段９～１１が、（１）式に示した歪Ｄを最小化する駆動音源符号を探索し、最小の歪Ｄを出力するようにするものについて説明したが、実施の形態１の場合と同様に、（３）式に示した評価値ｄを最大化する駆動音源符号を探索し、歪Ｄの代わりに評価値ｄを出力する構成とすることも可能である。
【０１３８】また、この実施の形態３では、閾値計算手段２９が２つの固定閾値をそのまま出力し、各駆動音源符号化手段９～１１が出力する歪を入力音声１の信号パワーで除算した値、つまり歪率として出力するように変形することも可能であるし、パワー計算手段１２が適応音源符号化手段４の出力する符号化対象信号の信号パワーを計算するように変更することも、信号パワーの代わりに、振幅や、対数パワーなどを計算するように変更することも可能である。
【０１３９】また、この実施の形態３では、雑音的な音源を生成する駆動音源符号化手段として駆動音源符号化手段９を１つ、また非雑音的な音源を生成する駆動音源符号化手段として駆動音源符号化手段１０，１１の２つを備える構成としたが、前者を２つ以上としてもかまわないし、後者を１つまたは３つ以上としてもかまわないことはいうまでもない。
【０１４０】また、この実施の形態３では、単純に信号間の２乗距離を歪としているが、音声符号化装置で多く使用されている聴覚重み付け歪とするようにしても当然かまわない。
【０１４１】以上のように、この実施の形態３によれば、実施の形態１の場合と同様に、符号化歪が大きい場合、あるいは符号化時の歪率が所定以上である場合でも、復号音の品質劣化が少ない音源モードを選択することが可能となり、また符号化歪が大きくても復号音の品質劣化を起こしにくい入力音声に対しては、従来の場合と同様の音源モード選択が行われて一層丁寧な音源モード選択が可能となり、また符号化歪が大きくなりがちな区間とそれ以外の区間で符号化歪に基づく音源モード選択の制御を変えることができて、音声の立ち上がりでの劣化がなく、それ以外での音源モード選択を改善することが可能となり、さらに符号化歪が大きい場合に、雑音的な音源を生成する音源モード、もしくは雑音的な音源符号語を使用する音源モードが選択しやすくなって、非雑音的な音源を生成する音源モード、あるいは非雑音的な音源符号語を使用する音源モードを選択して劣化することを回避することが可能となるなどのため、よりよい音質を与える音源モードを適切に選択でき、得られた音声符号を復号化した復号音の主観的な品質（音質）を改善することができるという効果が得られる。
【０１４２】さらに、この実施の形態３によれば、符号化歪が閾値を上回る比較結果が得られている音源モードの選択を抑制するようにしたので、符号化歪が大きい場合に復号音の品質劣化が少ない音源モードを選択しやすくすることが可能となり、よりよい音質を与える音源モードを適切に選択できるため、得られた音声符号を復号化した復号音の主観的な品質（音質）を改善することができるという効果が得られる。
【０１４３】さらに、この実施の形態３によれば、音源モード毎に閾値を用意したので、各音源モード毎に復号音品質の劣化を引き起こすことを検知する閾値を適切に調整することで、よりよい音質を与える音源モードを適切に選択でき、得られた音声符号を復号化して得られる復号音の主観的な品質（音質）を改善することができるという効果が得られる。
【０１４４】実施の形態４．図４はこの発明の実施の形態４による音声符号化方法を適用した音声符号化装置の構成を示すブロック図であり、図中、図１の各部分と同等の部分については同一番号を付してその説明を省略する。図において、３４は入力音声１と、線形予測係数符号化手段３からの信号および適応音源符号化手段４からの信号をもとに、駆動音源と駆動音源符号、およびモード選択情報を出力する駆動音源符号化部である。
【０１４５】また、３５は駆動音源符号化手段９～１１からの信号に基づいて最小の歪と、この最小の歪に対応する駆動音源と、駆動音源符号と、モード選択情報を出力する、選択手段としての最小歪選択手段である。３６はこの最小歪選択手段３５からの信号と閾値計算手段１３からの閾値とを比較する比較手段であり、３７はこの比較手段３６と判定手段１４の判定結果に基づいて最小歪選択手段３５からの信号を駆動音源符号化手段９の出力で置換する置換手段である。なお、上記駆動音源符号化部３４は、最小歪選択手段３５、比較手段３６、置換手段３７と、駆動音源符号化手段９，１０，１１、パワー計算手段１２、閾値計算手段１３、および判定手段１４とによって構成されている。
【０１４６】次に動作について説明する。なお、ここでは、上記実施の形態１とは異なる部分を中心に、図４に基づいて説明する。この場合も、線形予測係数符号化手段３で量子化された線形予測係数と、適応音源符号化手段４からの符号化対象信号とが、駆動音源符号化部３４内の駆動音源符号化手段９～１１に入力されている。この駆動音源符号化手段９には、乱数によって生成された複数の時系列ベクトルが駆動音源符号帳として記憶されている。駆動音源符号化手段９は実施の形態１の場合と同様に、その駆動音源符号帳を用いて適応音源符号化手段４から入力された符号化対象信号を符号化した時の歪を最小にする駆動音源符号を選択し、その選択された音源符号に対応する時系列ベクトルを駆動音源として、最小の歪および駆動音源符号とともに、最小歪選択手段３５と置換手段３７とに出力する。
【０１４７】また駆動音源符号化手段１０には、パルス位置テーブルを含む駆動音源符号帳が記憶されている。駆動音源符号化手段１０はその駆動音源符号帳を用いて、適応音源符号化手段４から入力された符号化対象信号を符号化した時の歪を最小にする駆動音源符号を選択し、その選択された音源符号に対応する時系列ベクトルを駆動音源として、最小の歪および駆動音源符号とともに、最小歪選択手段３５に出力する。同様に、駆動音源符号化手段１１には、上記駆動音源符号化手段１０のものとは異なるパルス位置テーブルを含む駆動音源符号帳が記憶されている。駆動音源符号化手段１０，１１はそれらの駆動音源符号帳を用いて、適応音源符号化手段４から入力された符号化対象信号を符号化した時の歪を最小にする駆動音源符号を選択し、その選択された音源符号に対応する時系列ベクトルを駆動音源として、最小の歪および駆動音源符号とともに、最小歪選択手段３５に出力する。
【０１４８】なお、この場合も、駆動音源符号化手段９の駆動音源符号帳には、乱数によって生成された雑音的な音源符号語が、駆動音源符号化手段１０，１１の駆動音源符号帳には、パルス位置テーブル等による非雑音的な音源符号語がそれぞれ格納されており、また、駆動音源符号化手段９より出力される時系列ベクトルは、雑音的な音源を生成し、駆動音源符号化手段１０，１１より出力される時系列ベクトルは、非雑音的な音源を生成している。
【０１４９】最小歪選択手段３５はこれら各駆動音源符号化手段９～１１より入力された各歪の比較を行い、それらの中の最小の歪を選択して、その最小の歪を比較手段３６に出力する。また、駆動音源符号化手段９～１１中の、この最小の歪に対応するものから入力された駆動音源と駆動音源符号を置換手段３７に出力し、さらにこれら３つの歪の内のどれを選択したかを示す情報を、モード選択情報として置換手段３７に出力する。また、判定手段１４は入力音声１を分析して音声態様の判定を行い、音声の立ち上がりの場合には“０”を、それ以外の場合には“１”を、判定結果として置換手段３７に出力する。
【０１５０】一方、比較手段３６には上記最小歪選択手段３５で選択された歪とともに、閾値計算手段１３にてパワー計算手段１２からの信号パワーに基づいて計された歪に関する閾値が入力されている。また、比較手段３６は最小歪選択手段３５から入力された歪と、閾値計算手段１３から入力された閾値とを比較して、歪の方が大きい場合には“１”を、それ以外の場合には“０”を、比較結果として置換手段３７に出力する。
【０１５１】置換手段３７は、この判定手段１４から出力された判定結果と比較手段３６から出力された比較結果とを受け、その両方が“１”であった場合には、最小歪選択手段３５から出力された駆動音源と駆動音源符号を、駆動音源符号化手段９から出力された駆動音源と駆動音源符号に置換する。なお、それ以外の場合には上記置換を行わない。この置換手段３７による置換処理結果である最終的な駆動音源がゲイン符号化手段６に、駆動音源符号が多重化手段７に出力される。
【０１５２】次に、この実施の形態４により得られた音声符号８を音声復号化装置で復号化して得られる復号音の主観的な品質（音質）が改善されることを、図７を参照しながら説明する。図７は符号化歪を最小にする音源モードの選択について説明するための各波形を示すイメージ図で、図７（ａ）は入力音声、同図（ｂ）は雑音的な音声を表現するために用意した音源モードを選択したときの復号音、同図（ｃ）は母音的な音声を表現するために用意した音源モードを選択したときの復号音をそれぞれ示している。入力音声１が図７（ａ）に示すように雑音的である場合には、一般にモデル化がうまく働かないので、同図（ｂ）に示した雑音的な音声を表現するために用意した音源モードの場合でも、同図（ｃ）に示した母音的な音声を表現するために用意した音源モードの場合でも、符号化時の歪率は比較的大きな値となる。
【０１５３】ここで、駆動音源符号化手段９は乱数によって生成された時系列ベクトルを使用しており、図７（ｂ）に示す雑音的な音声を表現するために用意した音源モードに対応する。また駆動音源符号化手段１０および１１はパルス音源とピッチ周期化を使用しており、図７（ｃ）に示す母音的な音声を表現するために用意した音源モードに対応する。
【０１５４】各駆動音源符号化手段９～１１より出力された歪Ｄは何れも大きな値となっているが、最小歪選択手段３５では、振幅の大きい部分での符号化歪が少ないために歪Ｄが小さくなることの多い、駆動音源符号化手段１０または１１から出力された歪が選択される。それでも選択された最小の歪Ｄの値は閾値計算手段１３からの閾値Ｄ_thよりは大きいため、最小歪選択手段３５より出力された駆動音源符号化手段１０または１１の駆動音源符号は、置換手段３７にて駆動音源符号化手段９より出力された駆動音源符号に置換されて、復号音は図７（ｂ）に示すものとなる。このように、図７（ｂ）の歪の方が同図（ｃ）の歪より大きくても、雑音的な区間などの符号化時の歪率が大きくなる区間では、図７（ｂ）に示す復号音が安定的に選択される。
【０１５５】なお、この実施の形態４においても、実施の形態１と同様に、各駆動音源符号化手段９～１１が、（３）式に示した評価値ｄを最大化する駆動音源符号を探索し、歪Ｄの代わりに評価値ｄを出力する構成とすることも可能である。この場合、最小歪選択手段３５では最大の評価値を選択し、比較手段３６では大小関係と出力結果の関係が逆になる。また閾値計算手段１３でも評価値ｄに対応した閾値ｄ_thを計算する必要がある。
【０１５６】また、この実施の形態４では、閾値計算手段１３が固定の閾値をそのまま出力し、各駆動音源符号化手段９～１１が出力する歪を入力音声１の信号パワーで除算した値、つまり歪率として出力するように変形することも可能であるし、パワー計算手段１２が適応音源符号化手段４の出力する符号化対象信号の信号パワーを計算するように変更することも、信号パワーの代わりに、振幅や、対数パワーなどを計算するように変更することも可能である。
【０１５７】また、この実施の形態４では、雑音的な音源を生成する駆動音源符号化手段として駆動音源符号化手段９を１つ、また非雑音的な音源を生成する駆動音源符号化手段として駆動音源符号化手段１０，１１の２つを備える構成としたが、前者を２つ以上としてもかまわないし、後者を１つまたは３つ以上としてもかまわないことはいうまでもない。
【０１５８】また、この実施の形態４では、単純に信号間の２乗距離を歪としているが、音声符号化装置で多く使用されている聴覚重み付け歪とするようにしても当然かまわない。
【０１５９】以上のように、この実施の形態４によれば、複数の音源モードの中から１つを選択し、この音源モードを使用して入力音声１をフレームと呼ばれる所定長の区間毎に符号化する際に、各音源モード毎に入力音声から求まる符号化対象信号の符号化を行ってそれらの中の１つを選択し、それと、その時の符号化歪と固定の閾値、あるいは符号化対象信号の信号パワーに基づいて決定した閾値との比較を行い、その比較結果に基づいて符号化歪の出力変換を行うようにしたので、符号化歪が大きい場合でも復号音の品質劣化が少ない音源モードを選択することが可能となるため、よりよい音質を与える音源モードの選択が適切に行え、得られた音声符号を音声復号化装置で復号化した復号音の主観的な品質を改善することができるという効果が得られる。
【０１６０】さらに、この実施の形態４によれば、実施の形態１の場合と同様に、符号化時の歪率が所定以上である場合でも、復号音の品質劣化が少ない音源モードを選択することが可能となり、また符号化歪が大きくても復号音の品質劣化を起こしにくい入力音声に対しては、従来の場合と同様の音源モード選択が行われて一層丁寧な音源モード選択が可能となり、また符号化歪が大きくなりがちな区間とそれ以外の区間で符号化歪に基づく音源モード選択の制御を変えることができて、音声の立ち上がりでの劣化がなく、それ以外での音源モード選択を改善することが可能となり、さらに符号化歪が大きい場合に、雑音的な音源を生成する音源モード、もしくは雑音的な音源符号語を使用する音源モードが選択しやすくなって、非雑音的な音源を生成する音源モード、あるいは非雑音的な音源符号語を使用する音源モードを選択して劣化することを回避することが可能となるなどのため、よりよい音質を与える音源モードを適切に選択でき、得られた音声符号を復号化した復号音の主観的な品質を改善することができるという効果が得られる。
【０１６１】さらに、この実施の形態４によれば、符号化歪の中で最小のものを選択し、選択した符号化歪と閾値の比較を行い、その比較結果に基づいて、音源モードの選択を行うようにしたので、符号化歪が大きい場合に復号音の品質劣化が少ない音源モードを強制的に選択することが可能となって、よりよい音質を与える音源モードを適切に選択でき、得られた音声符号を復号化して得られる復号音の主観的な品質を改善することができるという効果が得られる。
【０１６２】さらに、この実施の形態４によれば、符号化歪の中で最小のものを選択し、選択した符号化歪が閾値を上回る場合には、あらかじめ定めた音源モードを選択するようにしたので、符号化歪が大きい場合に復号音の品質劣化が少ない音源モードを強制的に選択することが可能となって、よりよい音質を与える音源モードを適切に選択でき、得られた音声符号を復号化して得られる復号音の主観的な品質を改善することができる効果が得られる。
【０１６３】実施の形態５．図５はこの発明の実施の形態５による音声符号化方法を適用した音声符号化装置の構成を示すブロック図であり、図中、図１の各部分と同等の部分については同一番号を付してその説明を省略する。図において、３８は入力音声１と、線形予測係数符号化手段３からの信号および適応音源符号化手段４からの信号をもとに、駆動音源と駆動音源符号、およびモード選択情報を出力する駆動音源符号化部である。
【０１６４】また、３９は入力音声１を分析し、音声の立ち上がり部分であるか否かの判定を行う判定手段であるが、判定結果を変換手段ではなく閾値計算手段に出力している点で、図１に符号１４を付したものとは異なっている。４０はこの判定手段３９の判定結果とパワー計算手段１２からの信号パワーをもとに閾値を算出する閾値計算手段である。４１は判定手段３９の判定結果と比較手段１５の比較結果に基づいて駆動音源符号化手段９の出力変換を行う変換手段である。なお、上記駆動音源符号化部３８は、判定手段３９、閾値計算手段４０、変換手段４１と、駆動音源符号化手段９～１１、パワー計算手段１２、比較手段１５、および最小歪選択手段１７とによって構成されている。
【０１６５】次に動作について説明する。なお、ここでは、上記実施の形態１とは異なる部分を中心に、図５に基づいて説明する。この場合も、線形予測係数符号化手段３で量子化された線形予測係数と、適応音源符号化手段４からの符号化対象信号とが、駆動音源符号化部３８内の駆動音源符号化手段９～１１に入力されており、駆動音源符号化手段９は、乱数によって生成された複数の時系列ベクトルが格納された駆動音源符号帳を用いて、符号化対象信号を符号化した時の歪を最小にする駆動音源符号を選択し、その選択された音源符号に対応する時系列ベクトルを駆動音源として、最小の歪および駆動音源符号とともに、変換手段４１と比較手段１５とに出力する。また、駆動音源符号化手段１０および１１は、互いに異なったパルス位置テーブルを含む駆動音源符号帳を用いて、符号化対象信号を符号化した時の歪を最小にする駆動音源符号を選択し、その選択された音源符号に対応する時系列ベクトルを駆動音源として、最小の歪および駆動音源符号とともに、最小歪選択手段１７に出力する。
【０１６６】なお、この場合も、駆動音源符号化手段９の駆動音源符号帳には、乱数によって生成された雑音的な音源符号語が、駆動音源符号化手段１０，１１の駆動音源符号帳には、パルス位置テーブル等による非雑音的な音源符号語がそれぞれ格納されており、また、駆動音源符号化手段９より出力される時系列ベクトルは、雑音的な音源を生成し、駆動音源符号化手段１０，１１より出力される時系列ベクトルは、非雑音的な音源を生成している。
【０１６７】一方、パワー計算手段１２は入力音声１のフレーム内の信号パワーを計算して閾値計算手段４０に出力する。また、判定手段３９は入力音声１を分析して音声態様の判定を行い、判定の結果、音声の立ち上がり部分であった場合には“０”を、それ以外の場合には“１”を、それぞれ閾値計算手段４０に出力する。
【０１６８】閾値計算手段４０は、判定手段３９の判定結果が“０”であった場合には、あらかじめ用意されていた歪率に関する第一の定数をパワー計算手段１２からの信号パワーに乗算し、判定手段３９の判定結果が“１”であった場合には、あらかじめ用意した歪率に関する第二の定数をパワー計算手段１２から入力された信号パワーに乗算する。この乗算によって得られた結果を歪に関する閾値として、それぞれ比較手段１５と変換手段４１に出力する。なお、上記第一の定数は第二の定数に比べて大きく設定しておく。例えば、第一の定数を０．９、第二の定数を０．７に設定する。
【０１６９】比較手段１５は、駆動音源符号化手段９から入力された歪と、閾値計算手段４０から入力された閾値との比較を行い、歪の方が大きい場合時には“１”を、それ以外の場合には“０”を比較結果として変換手段４１に出力する。変換手段４１は、この比較手段１５から出力された比較結果が“１”である場合には、駆動音源符号化手段９から出力された結果中の歪を、閾値計算手段４０から入力された閾値の値に置換して最小歪選択手段１７に出力する。また、それ以外の場合には、上記置換を行わず、駆動音源符号化手段９から出力された結果中の歪をそのまま、最小歪選択手段１７に出力する。
【０１７０】最小歪選択手段１７は、変換手段４１から入力された歪と、駆動音源符号化手段１０および１１から入力された歪との比較を行って、それらの中で最小の歪を選択する。そしてこの選択された最小の歪を出力した、変換手段４１または駆動音源符号化手段１０または駆動音源符号化手段１１からの駆動音源をゲイン符号化手段６に、駆動音源符号を多重化手段７にそれぞれ出力する。さらに、これら３つの歪の内のどれを選択したかを示す情報を、モード選択情報として多重化手段７に出力する。
【０１７１】次に、この実施の形態３により得られた音声符号８を音声復号化装置で復号化して得られる復号音の主観的な品質（音質）が最適の選択となることを、図７を参照しながら説明する。図７は符号化歪を最小にする音源モードの選択について説明するための各波形を示すイメージ図であり、入力音声１が図７（ａ）に示すように雑音的である場合には、一般にモデル化がうまく働かないので、同図（ｂ）に示した雑音的な音声を表現するために用意した音源モードの場合でも、同図（ｃ）に示した母音的な音声を表現するために用意した音源モードの場合でも、符号化時の歪率は比較的大きな値となる。
【０１７２】ここで、駆動音源符号化手段９は乱数によって生成された時系列ベクトルを使用しており、図７（ｂ）に示す雑音的な音声を表現するために用意した音源モードに対応する。また駆動音源符号化手段１０および１１はパルス音源とピッチ周期化を使用しており、図７（ｃ）に示す母音的な音声を表現するために用意した音源モードに対応する。
【０１７３】判定手段３９が音声の立ち上がりであると判定して、判定結果“０”を出力した場合には、閾値計算手段４０では比較的大きな閾値を算出する。このため、駆動音源符号化手段９から出力された歪Ｄは大きい値ではあるが、それでも閾値を上回るには至らず、変換手段４１での置換処理は行われない。その結果、最小歪選択手段１７において、振幅の大きい部分での符号化歪が少ないために歪Ｄが小さくなることが多い駆動音源符号化手段１０または１１が選択されて、復号音は図７（ｃ）に示すものとなる。
【０１７４】判定手段３９が音声の立ち上がり以外であると判定して、判定結果“１”を出力した場合には、閾値計算手段４０では比較的小さな閾値を算出する。このため、駆動音源符号化手段９から出力された歪Ｄが閾値を上回り、変換手段４１での歪Ｄよりも小さい閾値Ｄ_thに置換される。その結果、最小歪選択手段１７において、駆動音源符号化手段９が出力した駆動音源符号が選択されて、復号音は図７（ｂ）に示すものとなる。このように、図７（ｂ）の歪の方が同図（ｃ）の歪より大きくても、音声の立ち上がり以外で、雑音的な区間など符号化時の歪率が大きくなる区間では、図７（ｂ）に示す復号音が安定的に選択される。
【０１７５】なお、音声の立ち上がりでも比較的小さな閾値を用いて復号音が図７（ｂ）に示すものとなるようにしてしまうと、破裂音のパルス的な特徴がつぶれてしまったり、母音の立ち上がりをザラザラした音質に劣化させてしまうことになる。この実施の形態５では判定手段３９での判定結果に基づいて閾値を決定することにより、立ち上がりでの劣化を回避している。
【０１７６】なお、この実施の形態５についても、実施の形態１と同様に、各駆動音源符号化手段９～１１が、（３）式に示した評価値ｄを最大化する駆動音源符号を探索し、歪Ｄの代わりに評価値ｄを出力する構成とすることも可能である。この場合、最小歪選択手段１７では最大の評価値を選択し、比較手段１５では大小関係と出力結果の関係が逆になる。また閾値計算手段４０でも評価値ｄに対応した閾値ｄ_thを計算する必要がある。
【０１７７】また、この実施の形態５では、閾値計算手段４０が第一の定数または第二の定数をそのまま閾値として出力し、各駆動音源符号化手段９～１１が出力する歪を入力音声１の信号パワーで除算した値、つまり歪率として出力するように変形することも可能であるし、パワー計算手段１２が適応音源符号化手段４の出力する符号化対象信号の信号パワーを計算するように変更することも、信号パワーの代わりに、振幅や、対数パワーなどを計算するように変更することも可能である。
【０１７８】また、この実施の形態５では、雑音的な音源を生成する駆動音源符号化手段として駆動音源符号化手段９を１つ、また非雑音的な音源を生成する駆動音源符号化手段として駆動音源符号化手段１０，１１の２つを備える構成としたが、前者を２つ以上としてもかまわないし、後者を１つまたは３つ以上としてもかまわないことはいうまでもない。
【０１７９】また、この実施の形態５では、単純に信号間の２乗距離を歪としているが、音声符号化装置で多く使用されている聴覚重み付け歪とするようにしても当然かまわない。
【０１８０】また、この実施の形態５では、閾値計算手段４０が判定手段３９の判定結果に基づいて、あらかじめ用意した歪率に関する２つの定数の一方を選択して使用するようにしているが、判定結果を３つ以上とすることで、対応する定数も３つ以上とし、より細かい制御を行うようにすることも可能である。さらに、判定手段３９が入力音声１を分析して連続値の判定パラメータを算出し、閾値計算手段４０がこの判定パラメータに基づいて、連続値による閾値を計算するようにすることも可能である。
【０１８１】以上のように、この実施の形態５によれば、実施の形態１の場合と同様に、符号化歪が大きい場合、あるいは符号化時の歪率が所定以上である場合でも、復号音の品質劣化が少ない音源モードを選択することが可能となり、また符号化歪が大きい場合でも、符号化歪が置換された音源モードが選択されやすくなり、また符号化歪が大きくなりがちな区間とそれ以外の区間で符号化歪に基づく音源モード選択の制御を変えることができて、音声の立ち上がりでの劣化がなく、それ以外での音源モード選択を改善することが可能となり、さらに符号化歪が大きい場合に、雑音的な音源を生成する音源モード、もしくは雑音的な音源符号語を使用する音源モードが選択しやすくなって、非雑音的な音源を生成する音源モード、あるいは非雑音的な音源符号語を使用する音源モードを選択して劣化することを回避することが可能となるなどのため、よりよい音質を与える音源モードを適切に選択でき、得られた音声符号を復号化した復号音の主観的な品質を改善することができるという効果が得られる。
【０１８２】さらに、この実施の形態５によれば、入力音声１または符号化対象信号の分析を行って音声様態を判定し、その判定結果に基づいて決定した閾値を用いて比較を行うようにしたので、音声様態に応じて適切に設定された閾値を用いて音源モードの選択を行うことが可能となるため、得られた音声符号を音声復号化装置で復号化して得られる復号音の主観的な品質を改善することができるという効果が得られる。
【０１８３】実施の形態６．図６はこの発明の実施の形態６による音声符号化方法を適用した音声符号化装置の構成を示すブロック図であり、図中、図１の各部分と同等の部分については同一番号を付してその説明を省略する。図において、４２は入力音声１と、線形予測係数符号化手段３からの信号および適応音源符号化手段４からの信号をもとに、駆動音源と駆動音源符号、およびモード選択情報を出力する駆動音源符号化部である。
【０１８４】また、４３は乱数によって生成された時系列ベクトルによる駆動音源符号帳であり、４４はこの駆動音源符号帳４３を用いて、線形予測係数符号化手段３と適応音源符号化手段４からの信号より仮の合成音と符号化対象信号との歪を調べ、駆動音源を出力する符号化手段としての駆動音源符号化手段である。４５はパルス位置テーブルを含む駆動音源符号帳であり、４６はこの駆動音源符号帳４５を用いて、線形予測係数符号化手段３と適応音源符号化手段４からの信号より仮の合成音と符号化対象信号との歪を調べ、駆動音源を出力する符号化手段としての駆動音源符号化手段である。なお、上記駆動音源符号化部４２は、パワー計算手段１２、閾値計算手段１３、判定手段１４、比較手段１５、変換手段１６、最小歪選択手段１７と、駆動音源符号帳４３，４５、駆動音源符号化手段４４，４６とによって構成されている。
【０１８５】次に動作について説明する。なお、ここでは、上記実施の形態１とは異なる部分を中心に、図６に基づいて説明する。駆動音源符号帳４３には乱数によって生成された複数の時系列ベクトルが記憶されている。この駆動音源符号帳４３は数ビットの２進数値で示した駆動音源符号が入力されると、その駆動音源符号に対応する位置に格納してある時系列ベクトルを読み出して出力する。駆動音源符号化手段４４はこの駆動音源符号帳４３に各駆動音源符号を入力することによって得られる時系列ベクトルを、線形予測係数符号化手段３の出力する、量子化された線形予測係数を用いた合成フィルタにてフィルタリングすることにより、仮の合成音を求める。そして、得られた仮の合成音に適切なゲインを乗算した信号と、適応音源符号化手段４から入力された符号化対象信号との差分をとり、それに基づく両者間の歪を調べる。
【０１８６】駆動音源符号化手段４４はこの処理を全ての音源符号に対して行い、最小の歪を与えた音源符号を選択し、その選択された音源符号に対応する時系列ベクトルを駆動音源として、上記最小の歪および音源符号とともに、比較手段１５と変換手段１６とに出力する。
【０１８７】また、駆動音源符号帳４５にはパルス位置テーブルを含む符号帳が記憶されている。この駆動音源符号帳４５は数ビットの２進数値で示した駆動音源符号が入力されると、その駆動音源符号を複数のパルス位置符号と極性に分離し、パルス位置テーブル中の各パルス位置符号に対応する位置に格納してあるパルス位置を読み出して、このパルス位置と極性に従って複数本のパルスを持った時系列ベクトルを生成する。駆動音源符号帳４５はさらに、その生成された時系列ベクトルを、適応音源符号化手段４で選択された適応音源符号に対応する繰返し周期を用いてピッチ周期化し、駆動音源符号化手段４６に出力する。
【０１８８】駆動音源符号化手段４６は駆動音源符号帳４５に各駆動音源符号を入力することによって得られる各時系列ベクトルを、線形予測係数符号化手段３の出力する、量子化された線形予測係数を用いた合成フィルタにてフィルタリングすることにより、仮の合成音を求める。そして、得られた仮の合成音に適切なゲインを乗算した信号と、適応音源符号化手段４から入力された符号化対象信号との差分をとり、それに基づく両者間の歪を調べる。駆動音源符号化手段４６はこの処理を全ての音源符号に対して行い、最小の歪を与えた音源符号を選択し、その選択された音源符号に対応する時系列ベクトルを駆動音源として、上記最小の歪および音源符号とともに、最小歪選択手段１７に出力する。
【０１８９】なお、この場合も、駆動音源符号化手段４４の駆動音源符号帳４３には、乱数によって生成された雑音的な音源符号語が、駆動音源符号化手段４６の駆動音源符号帳４５には、パルス位置テーブル等による非雑音的な音源符号語がそれぞれ格納されており、また、駆動音源符号化手段４４より出力される時系列ベクトルは、雑音的な音源を生成し、駆動音源符号化手段４６より出力される時系列ベクトルは、非雑音的な音源を生成している。
【０１９０】一方、パワー計算手段１２は入力音声１のフレーム内の信号パワーを計算して閾値計算手段１３に出力する。閾値計算手段１３は、あらかじめ用意されている歪率に関する定数を、このパワー計算手段１２から入力された信号パワーに乗算し、得られた結果を歪に関する閾値として比較手段１５および変換手段１６に出力する。また、判定手段１４は入力音声１を分析して音声態様の判定を行い、判定の結果、音声の立ち上がり部分であった場合には“０”を、それ以外の場合には“１”を、それぞれ閾値計算手段１３に出力する。
【０１９１】比較手段１５は、駆動音源符号化手段４４から入力された歪と、閾値計算手段１３から入力された閾値を比較する。比較の結果、歪の方が大きかった場合には“１”を、それ以外の場合には“０”を、比較結果として変換手段１６に出力する。変換手段１６はこの判定手段１４から出力された判定結果と、比較手段１５から出力された比較結果の両方が“１”であれば、駆動音源符号化手段４４から入力された結果中の歪を、閾値計算手段１３から入力された閾値の値に置換して最小歪選択手段１７に出力する。なお、それ以外の場合には上記置換は行わず、駆動音源符号化手段４４から入力された歪をそのまま最小歪選択手段１７に出力する。
【０１９２】最小歪選択手段１７はこの変換手段１６から入力された歪と、駆動音源符号化手段４６から入力された歪とを比較して、その小さい方の歪を選択する。そしてこの選択された最小の歪を出力した変換手段１６または駆動音源符号化手段４６からの駆動音源をゲイン符号化手段６に、駆動音源符号を多重化手段７にそれぞれ出力する。さらに、これら２つの歪のどちらを選択したかを示す情報を、モード選択情報として多重化手段７に出力する。
【０１９３】ここで、この駆動音源符号化手段４４と駆動音源符号化手段４６における符号化処理の差異は、アクセスする駆動音源符号帳４３，４５の違いのみである。このような場合、駆動音源符号帳４３と駆動音源符号帳４５を一体化して、１つの駆動音源符号化手段によって探索するように変形することができる。そのような場合には、駆動音源符号帳４３に対応する駆動音源による歪と、駆動音源符号帳４５に対応する歪を独立に計算し、前者の歪を変換手段１６に入力することで同じ結果を得ることができる。つまり、１つの駆動音源符号帳に対する駆動音源符号を、雑音的な符号語に対応するものと、非雑音的な符号語に対応するものとにグループ分けし、前者を駆動音源符号帳４３、後者を駆動音源符号帳４５と見なせば、この実施の形態６を適用することが可能となる。
【０１９４】なお、この実施の形態６についても実施の形態１と同様に、駆動音源符号化手段４４，４６が（３）式に示す評価値ｄを最大化する駆動音源符号を探索し、歪Ｄの代わりに評価値ｄを出力する構成とすることも可能である。その場合、最小歪選択手段１７では最大の評価値を選択し、比較手段１５では大小関係と出力結果の関係が逆になる。また閾値計算手段１３でも評価値ｄに対応した閾値ｄ_thを計算する必要がある。
【０１９５】また、この実施の形態６では、閾値計算手段１３が歪率に関する定数をそのまま閾値として出力し、各駆動音源符号化手段４４，４６が出力する歪を入力音声１の信号パワーで除算した値、つまり歪率として出力するように変形することも可能であり、パワー計算手段１２が適応音源符号化手段４の出力する符号化対象信号の信号パワーを計算するように変更することも、信号パワーの代わりに、振幅や、対数パワーなどを計算するように変更することも可能である。
【０１９６】また、この実施の形態６では、雑音的な音源を生成する駆動音源符号化手段としての駆動音源符号化手段４４と、非雑音的な音源を生成する駆動音源符号化手段としての駆動音源符号化手段４６をそれぞれ１つずつ備える構成としたが、それぞれを２つ以上としてもかまわないことはいうまでもない。
【０１９７】また、この実施の形態６では、単純に信号間の２乗距離を歪としているが、音声符号化装置で多く使用されている聴覚重み付け歪とするようにしても当然かまわない。
【０１９８】以上のように、この実施の形態６によれば、実施の形態１の場合と同様に、符号化歪が大きい場合、あるいは符号化時の歪率が所定以上である場合でも、復号音の品質劣化が少ない音源モードを選択することが可能となり、また符号化歪が大きい場合でも、符号化歪が置換された音源モードが選択されやすくなり、また符号化歪が大きくても復号音の品質劣化を起こしにくい入力音声に対しては、従来の場合と同様の音源モード選択が行われて一層丁寧な音源モード選択が可能となり、また符号化歪が大きくなりがちな区間とそれ以外の区間で符号化歪に基づく音源モード選択の制御を変えることができて、音声の立ち上がりでの劣化がなく、それ以外での音源モード選択を改善することが可能となり、さらに符号化歪が大きい場合に、雑音的な音源を生成する音源モード、もしくは雑音的な音源符号語を使用する音源モードが選択しやすくなって、非雑音的な音源を生成する音源モード、あるいは非雑音的な音源符号語を使用する音源モードを選択して劣化することを回避することが可能となるなどのため、よりよい音質を与える音源モードを適切に選択でき、得られた音声符号を復号化した復号音の主観的な品質を改善することができるという効果が得られる。
【０１９９】実施の形態７．なお、上記実施の形態２では、適応音源符号化手段と駆動音源符号化手段によって構成される複数の音源符号化手段１９～２１を備えて、その中の１つを選択するものについて説明したが、ゲイン符号化手段６も含むさらに上位の音源符号化手段を複数備えて、その中の１つを選択するようにしてもよい。
【０２００】また、実施の形態３～実施の形態６についても、適応音源符号化手段４と駆動音源符号化手段９～１１あるいは４４，４６によって構成される複数の音源符号化手段を備えて、その中の１つを選択するように構成しても、ゲイン符号化手段６も含むさらに上位の音源符号化手段を複数備えて、その中の１つを選択するように構成するようにしてもよい。
【０２０１】このように上位の音源モードを複数備えて、この音源モードを使用して入力音声をフレームと呼ばれる所定長区間毎に符号化する音声符号化方法において、各音源モード毎に入力音声から求まる符号化対象信号の符号化を行い、その時の符号化歪と固定の閾値または符号化対象信号の信号パワーに基づいて決定した閾値との比較を行い、その比較結果に基づいて、音源モードの選択を行うようにすることにより、符号化歪が大きい場合に復号音の品質劣化が少ない音源モードを選択することが可能となり、よりよい音質を与える音源モードを適切に選択でき、得られた音声符号を音声復号化装置で復号化して得られる復号音の主観的な品質を改善することができるという効果が得られる。
【０２０２】
【発明の効果】以上のように、この発明によれば、複数の音源モードのそれぞれについて、入力音声から求められる符号化対象信号を符号化して、その時の符号化歪と、固定の閾値あるいは符号化対象信号の信号パワーに基づいて決定した閾値との比較結果に基づいて音源モードを選択し、それを用いて入力音声をフレーム毎に符号化するように構成したので、符号化歪が大きい場合でも復号音の品質劣化が少ない音源モードの選択が可能となって、よりよい音質を与える音源モードの選択を適切に行うことができ、得られた音声符号を音声復号化装置で復号化した復号音の主観的な品質、つまり音質が改善できるという効果がある。
【０２０３】この発明によれば、複数の音源モードのそれぞれについて、入力音声から求まる符号化対象信号の符号化を行って、その時の符号化歪の相互比較結果より音源モードの１つを選択し、その音源モードに対応する符号化歪と、固定の閾値あるいは符号化対象信号の信号パワーに基づいて決定した閾値とを比較して、その比較結果に基づいた音源モードの置換を行い、それを用いて入力音声をフレーム毎に符号化するように構成したので、符号化歪が大きい場合でも復号音の品質劣化が少ない音源モードの選択が可能となって、よりよい音質を与える音源モードの選択を適切に行うことができ、得られた音声符号を音声復号化装置で復号化した復号音の主観的な品質（音質）が改善できるという効果がある。
【０２０４】この発明によれば、符号化歪が閾値を上回る場合、比較結果が得られている音源モードの選択を抑制するように構成したので、符号化歪が大きい場合に、復号音の品質劣化が少ない音源モードが選択しやすくなるため、よりよい音質を与える音源モードを適切に選択できるため、得られた音声符号を復号化した復号音の主観的な品質が改善できるという効果がある。
【０２０５】この発明によれば、閾値を音源モード毎に用意するように構成したので、各音源モード毎に復号音品質の劣化を引き起こすことを検知する閾値を適切に調整することが可能となって、よりよい音質を与える音源モードを適切に選択できるため、得られた音声符号を復号化して得られる復号音の主観的な品質が改善できるという効果がある。
【０２０６】この発明によれば、符号化歪と閾値との比較を、あらかじめ定めた音源モードについて行い、符号化歪が閾値を上回る場合にはその符号化歪を閾値の値に置換して、全音源モードの符号化歪中の最小の符号化歪に対応した音源モードを選択するように構成したので、符号化歪が大きい場合に、符号化歪が置換された音源モードが選択されやすくなって、よりよい音質を与える音源モードの選択が適切に行え、得られた音声符号を音声復号化装置で復号化した復号音の主観的な品質が改善できるという効果がある。
【０２０７】この発明によれば、選択した音源モードに対応する符号化歪を選択して閾値と比較し、それが閾値を上回る場合には、あらかじめ定めた音源モードを選択するように構成したので、符号化歪が大きい場合に、復号音の品質劣化が少ない音源モードを強制的に選択することが可能となり、よりよい音質を与える音源モードを適切に選択でき、得られた音声符号を復号化して得られる復号音の主観的な品質が改善できるという効果がある。
【０２０８】この発明によれば、閾値を、入力音声または符号化対象信号に対して所定の歪率となるように設定するように構成したので、符号化時の歪率が所定以上である場合に、復号音の品質劣化が少ない音源モードを選択することが可能となり、よりよい音質を与える音源モードの選択が適切に行え、得られた音声符号を音声復号化装置で復号化した復号音の主観的な品質が改善できるという効果がある。
【０２０９】この発明によれば、入力音声または符号化対象信号を分析して音声様態の判定を行い、所定の判定結果となったときに限り、符号化歪と閾値との比較結果を使用せずに音源モードの選択を行うように構成したので、符号化歪が大きくても復号音の品質劣化を起こしにくい入力音声に対しては、従来の場合と同様の音源モード選択が行われ、一層丁寧な音源モード選択が可能となって、得られた音声符号を音声復号化装置で復号化した復号音の主観的な品質が改善できるという効果がある。
【０２１０】この発明によれば、入力音声または符号化対象信号の分析による音声様態の判定結果に基づいて決定した閾値を用いて比較を行うように構成したので、音声様態に応じて適切に設定された閾値を用いて音源モードの選択を行うことが可能となり、得られた音声符号を音声復号化装置で復号化して得られる復号音の主観的な品質が改善できるという効果が得られる。
【０２１１】この発明によれば、音声様態の判定において、少なくとも音声の立ち上がりであるか否かを判定するように構成したので、符号化歪が大きくなりがちな音声の立ち上がり区間と、それ以外の区間とで、符号化歪に基づく音源モード選択の制御を変えることが可能となるため、音声の立ち上がりでの劣化がなく、それ以外での音源モード選択を改善することができて、得られた音声符号を音声復号化装置で復号化した復号音の主観的な品質が改善でき、また、音声の立ち上がり区間では、破裂音などのように雑音的な音源よりパルス的な音源の方が適するケースもあり、符号化歪が大きくても、特定の音源モードを優先的に選択するような制御では劣化を引き起こすことがあるが、音声の立ち上がりの判定によってそれを回避できるなどの効果がある。
【０２１２】この発明によれば、非雑音的な音源を生成する音源モードと、雑音的な音源を生成する音源モードとによって、複数の音源モードを形成するように構成したので、符号化歪が大きい場合に、雑音的な音源を生成する音源モードの選択がしやすくなるため、非雑音的な音源を生成する音源モードを選択することによる劣化を回避し、得られた音声符号を音声復号化装置で復号化した復号音の主観的な品質が改善できるという効果がある。
【０２１３】この発明によれば、非雑音的な音源符号語を使用する音源モードと、雑音的な音源符号語を使用する音源モードとによって、複数の音源モードを形成するように構成したので、符号化歪が大きい場合に、雑音的な音源符号語を使用する音源モードを選択しやすくなるため、非雑音的な音源符号語を使用する音源モードを選択して劣化することを回避し、得られた音声符号を音声復号化装置で復号化した復号音の主観的な品質が改善できるという効果がある。

【出願人】	【識別番号】０００００６０１３【氏名又は名称】三菱電機株式会社
【出願日】	平成１３年２月２７日（２００１．２．２７）
【代理人】	【識別番号】１０００６６４７４【弁理士】【氏名又は名称】田澤博昭（外１名）
【公開番号】	特開２００２－２５８８９６（Ｐ２００２－２５８８９６Ａ）
【公開日】	平成１４年９月１１日（２００２．９．１１）
【出願番号】	特願２００１－５２９４４（Ｐ２００１－５２９４４）