JP2001508197A - 構成信号にノイズを加算してｌｐｃ原理により符号化された音声のオーディオ再生のための方法及び装置 - Google Patents

Abstract

(57)【要約】 音声はＬＰＣ原理に従って符号化された部分のシーケンスとして受信される。有声音の音声の場合には反復信号で、無声音の音声の場合には、白色雑音で全極フィルタを励起することにより、その部分は、オーディオ再生の連続した読み出し出力として再生される。特に、反復信号は、相互に重なり合った時間窓をもとに、周期的信号の集められた連続により全体的に表現される。その反復信号は、ピッチとフォルマントの情報を用いて元々のＬＰＣフィルタから得られた改良したＬＰＣフィルタを通して、フィルタのための源からノイズによって供給され、有声音と無声音に分けられる。フィルタは少なくとも４つの量の部分集合、全体的なノイズスケーリング、ピッチ依存ノイズスケーリング、振幅依存ノイズスケーリング及び、フォルマント間ノイズスケーリングにより決定される。

Description

【発明の詳細な説明】 構成信号にノイズを加算してＬＰＣ原理により符号化された音声のオーディオ再 生のための方法及び装置発明の背景 本発明は、請求項１の前文による方法に関する。ＬＰＣ符号化は低コストの応 用に広く使用されている。それゆえ、性能はある程度妥協される。このような方 法は、しばしば、再生された音声に、ある種のいわゆる雑音（ｂｕｚｚｙｎｅｓ ｓ）を引き起こす。その雑音はある不自然な音となり、全周波数帯に亘って発生 し、聴取者に、不愉快を感じさせる。問題は又、スペクトログラムにも現れる。 最新の技術が、Ａｌａｎ Ｖ．ＭｃＣｒｅｅ他により、”Ａ Ｍｉｘｅｄ Ｅｘ ｃｉｔａｔｉｏｎ ＬＰＣ Ｖｏｃｏｄｅｒ Ｍｏｄｅｌ ｆｏｒ Ｌｏｗ Ｂ ｉｔ Ｒａｔｅ Ｓｐｅｅｃｈ Ｃｏｄｉｎｇ， ＩＥＥＥ Ｔｒａｎｓ．Ｓｐ ｅｅｃｈ ａｎｄ Ａｕｄｉｏ Ｐｒｏｃｅｓｓｉｎｇ， Ｖｏｌ．３、Ｎｏ４ ．，１９９５年７月，２４２から２５０頁”に示されている。しかし、この文献 では、雑音の効果を減らすある手段がとられているが、いくぶん連続するだけで ある。発明の概要 その結果、本発明の目的は、そのような雑音を抑圧する又は聞こえないように して、音声品質を改善することである。見つけられた解決方法では、ノイズが音 声信号に注意深く加えられる。ＬＰＣ音声の発生はローエンドが特徴なので、必 要な手段は、比較的少ない処理ですむべきである。さて、その１つの観点から、 本発明は、請求項１の特徴部分に挙げられていることを特徴とする。スペクトロ グラムと聴取者テストは、改善を示している。 本発明はまた、そのように符号化された音声を出力する装置に関する。独立請 求項には本発明の更なる優位性が挙げられている。図面の簡単な説明 図１は従来のモノパルスボコーダを示す図である。 図２は従来のボコーダの励起信号を示す図である。 図３は従来のボコーダにより生成された音声信号の例を示す図である。 図４Ａ／Ｂは提案されたＬＰＣ型のボコーダを説明する図である。 図５は提案されたＬＰＣフィルタ分割器を示す図である。 図６は提案されたノイズエンベロープ予測器を示す図である。 図７は音声例のスペクトルを示す図である。 図８Ａ／Ｂは音声信号とそのスペクトログラムを示す図である。 図９Ａ／ＢはＬＰＣ信号とそのスペクトログラムを示す図である。 図１０Ａ／Ｂは本発明により改良したＬＰＣ信号とそのスペクトログラムを示 す図である。発明の詳細な記載 音声発生は、様々な文書に開示されている。例えば、ＵＳシリアル番号０８／ ３２６，７９１（ＰＨＮ １３８０１），ＵＳシリアル番号０７／９２４，７２ ６（ＰＨＮ １３９９３），ＵＳシリアル番号０８／６９６，４３１（ＰＨＮ １５４０８），ＵＳシリアル番号０８／７７８，７９５（ＰＨＮ １５６４１） ，ＵＳシリアル番号０８／８５９，５９３（ＰＨＮ １５８１９）で、全ては、 本発明の出願人に譲られている。 図１は従来のモノパルスボコーダを示す。ＬＰＣの優位な点は、符号化された 音声の記憶量が小さくそして、扱いやすいことである。不利な点は、再生された 音声の品質が比較的低いことである。概念的に、音声の合成は、入力４０から周 期的なパルストレインを受け、入力４２から白色雑音を受ける全極フィルタ４４ を通して行われる。選択は、有声音と無声音のフレームのシーケンスの発生を制 御するスイッチ４１により行われる。増幅器４６は、合成音声出力４８の最終的 な音声の音量を制御する。フィルタ４４は、時変のフィルタ 係数を持つ。典型的には、パラメータは、５から２０ミリ秒ごとに更新される。 ピッチ期間に単一の励起パルスのみがあるため、合成器は、モノパルス励起と呼 ばれる。一般的に、図１はパラメトリックモデルを示す。そして、多くの応用の ために合成された大きなデータベースを使っても良い。本発明は、図１に対して 改良された装備で実行され得る。 図２はそのようなボコーダで音声を作るための励起シーケンスの例を示し、図 ３はこの励起により発生された音声信号の例を示す。時間は秒で示され、瞬時の 音声信号振幅が、任意の単位で示されている。 図４Ａと４Ｂは提案したＬＰＦ型のボコーダを示す。特に図４Ａは、ＬＰＣの 全部のフィルタ係数を、有声音フィルタＨ_vと、別の無声音フィルタＨ_uvへ分離 するのを概念的に示す。同様に、全体のゲインも有声音ゲインＧ_vと、別の無声 音ゲインＧ_uvへ分離される。分離を実行するための制御ファクタはピッチである 。この図の概念的なブロックは最後の合成器のモジュールではない。分離特性は 後に議論する。図４Ｂは、別々の有声音（８４，８６）と無声音（８８，９０） のチャネルより作られるボコーダ合成器を示し、出力音声を合成するために、要 素９２で加算される。 図５は本発明によるＬＰＣフィルタ分離器を示す。元々のＬＰＣフィルタから の入力は符号１００である。ブロック１０２は、周波数領域に変換するためのＬ ＰＣスペクトルエンベロープサンプリングを行う。これは、位相には無関係な調 波のサンプリングとして表される。周波数領域の基本サンプリング周波数は、１ ００Ｈｚのような固定値ｆ₀に設定されても良い。時間領域のサンプリングレー トが８ｋＨｚなら、調波の数はＬ＝４０である。ｆ₀の値はアンダーサンプリン グを防ぐために十分高くなければならない。それは実際のピッチ周波数とは独立 している。予測器の次数はｐ、問題の調波数はｋである。サンプリングは、 に従って行われる。ここで Ａ（ｚ）＝１＋ａ_lｚ^-1+ａ₂ｚ^-2＋．．．ａ_pｚ^-p である。 得られる調波振幅は、ピッチ信号値により制御されるノイズエンベロープ予測 器１０４へ送られる。ブロック１０４は、ブロック１０６と１０８で、有声音と 無声音の合成のためにそれぞれ、２つの組の調波振幅ｍ_v.kとｍ_uv.kを作る。こ れらの調波振幅は、を用いて自己相関関数に変換される。自己相関関数からＬＰＣフィルタのパラメ ータを計算することは良く知られている。 図６は、図５のノイズエンベロープ予測器１０４の詳細を示す。ゲインファク タを出力側に適用する代わりに、求めるゲインファクタを含めて全極フィルタの サンプルされた形と更に、測定されたピッチが、各調波におけるノイズの総計を 予測するために使用される。ノイズの総計を予測するための主な手がかりとして 、我々はフォルマントピークの位置を使用する。もし２つのフォルマントのピー クの間のエネルギーが全体的な最大ピークより非常に小さければ、その領域の音 声はノイズ的であるとされる。また、もしピッチ周波数が低ければ、本発明に従 って更なるノイズが使用される。それゆえ図示したように、調波ノイズ計算とし て、次の４つの機能ブロック、ブロック１２０のピッチ依存ノイズスケーリング 、ブロック１２２の全体的なノイズスケーリング、ブロック１２４の振幅依存ノ イズスケーリングそして、ブロック１２６のフォルマント間ノ イズスケーリングが、この振幅を制御する。これらの４つのブロックの結合した 効果は、調波ノイズ計算としてブロック１２８に与えられる。それは、図５のブ ロック１０４の実現をし、ブロック１１０と１１２に項目１０６と１０８を送る 。 ブロック１２０，１２２，１２４，１２６の４つの効果は、相当な程度、互い に独立であろうが、しかし、最適な結果のためには、それらは結合される。勿論 、スケーリングファクタは、考慮されねばならない。４つの効果は異化の容易扱 われる。 １．全体的なノイズスケーリングは、０から２ｋＨｚのような所定の周波数間隔 内で、最小調波振幅ｍ_minと最大調波振幅ｍ_maxを検索することを通して見つけら れ得る。ダイナミックレンジはｄ＝ｍ_max／ｍ_minとして定義され、全体的なノイ ズファクタは、ｎ_g＝β／（２０．１ｏｇ¹⁰（ｄ））である。スケールファクタ βは、β＝５のように、合成のためのノイズの全体的な総計を制御するのに使用 され得る。ノイズが多くなるほど合成音声音を更に耳障りにさせる。 ２．ピッチ依存ノイズスケーリングは、以下のように測定されたピッチより得ら れる。 ｎ_p＝１／ｐ これは低周波数でノイズが支配的なことを意味する。 ３．振幅依存ノイズスケーリング：全体的な最大パワーＰ_gと比べて、特定の調 波ｍ_kの振幅が低くなればなるほど、多くのノイズが使用され得る。この振幅依 存ノイズスケールを計算するための好適な式は、ｎ_a.k＝（１０．１ｏｇ¹⁰Ｐ_g／ ２０．１ｏｇ¹⁰ｍ_k）−１である。 ここで、最後の”１”はオフセット値を示す。全体的なパワーは次のように計 算される。最初に、直前のパワー値Ｐ_g.prevは、それを指数的に減少するために β＝０．９９のような緩和値が掛けられる。もし測定されたパワーがゼロならば 、緩和値はゼロに設定され る。この様に、Ｐ_g＝βＰ_g.prevである。そして、サンプルされた調波振幅から の最大パワー値は、： Ｐ_m＝ｍａｘ{ｍ_k ²｝である。もし、Ｐ_mが実際に、Ｐ_gより大きいなら、Ｐ_gはＰ_m と等しく設定される。 ４．フォルマント間ノイズスケーリング。ここで、調波振幅スペクトラムから、 フォルマントトップの位置が見つけられる。これらの位置を用い、各調波に対し 、値が計算される。それは、様々なトップ１．．ｋ．．Ｌに対し、調波から最も 近いフォルマントのピークＤ_k＝｜ｋ_top−ｋ｜の距離を与える。フォルマント間 ノイズスケーリング値はＤ_kとｆ₀の積ｎ_r.k＝Ｄ_k．ｆ₀として与えられる。ここ で、ｆ₀は、調波をサンプリングするのに使用する基本周波数である。 有利なことに、そのように見つけられた４つのノイズスケールは、ある周波数 以上で調波においてノイズの総計を与えるために結合される。ｋ＜３に対しては ｎ_k＝０である。しかし、それより高い値に対して、ｎ_k＝ｎ_g．ｎ_p．ｎ_u.k．ｎ_{f .k} である。２つの最も低い調波は、本実施例では、ノイズを持たないと推定され る。しかし、ｋ＝０でさえも、ｋを使用するの値は、高いかもしれないし、低い かもしれない。 もし、この様に見つけられたｎ_kに対する値が１より大きい場合、１とされる 。ある状況では、全ての積よりも他の算術的な組み合わせの方が同様な有益な結 果をもたらし得る。実際、しばしば、４つよりも少ない数の結合された効果の方 が、納得できる結果を生み出し得るということがある。 最後に、各調波に対し、振幅ｍ_k,uvは無声音のエンベロープに対してｍ_k.uv＝ ｍ_k．ｎ_kにより得られ、そして、有声音の調波振幅はｍ_v.k＝ｍ_k−ｍ_uv,kとなる 。２つの量の合計は、同じでなければならないからである。代わりに、一度、調 波ノイズスペクトルが 見つかったなら、出力信号を生成するのに、正弦波的合成も使用し得る。ＬＰＣ フィルタからサンプルされた調波振幅と共に調波発振器バンクが使用され得る。 更に、その周波数の予測ノイズによって、位相も、初期位相とランダム位相の組 み合わせに設定されても良い。時間に亘ってエネルギーを不鮮明にするために、 初期位相は、２π．（ｋ−０．５）／ｋのような関数によって制御されても良い 。ここで、ｋは調波番号である。後者の機構の優位性は、位相操作は、魅力ある 音声形成機構である。 図７は、音声のスペクトルの例を示す。ここで、いわゆるフォルマント周波数 は、谷により互いに分離されている。等距離の縦の線はサンプリング周波数であ る。処理のために、音声は、時間的に連続した互いに重なり合う窓関数を通して 、共通に窓がかけられる。処理は、一般的に独立した窓に基づいて行われ、処理 の結果は、互いに重なる時間窓を基にして再び集められる。比較的短い時間周期 を取ることにより、コストは低く保たれる。本発明に通じる１つの認識は、ノイ ズ効果は、主に、フォルマント周波数の間の谷に関連しているということである 。そして、効果は更に高い周波数に関連している。使用される多くの設計は、有 声音スペクトルに亘って、ノイズの最適な分散をえることに、集中している。 図８Ａは自然音声信号を示し、図８Ｂはそのスペクトログラムを示す。発声の 音声上の意味は無視される。３つの異なった音声が目に見え、真中の１つが、最 も明らかに有声音に関係している。有声音はまた、連続した縦の帯を持つ。 同様に図９Ａ／Ｂは本発明による改良を適用しない、ＬＰＣ信号と関連したス ペクトログラムを示す。音声が有声音である限り、縦の帯は、図１０Ｂよりも顕 著に目に見えるが、実際、開始と最後である程度急峻である。実際、これらの帯 は、前に述べた雑音に関連している。 図１０Ａ／Ｂは、ノイズの相対的な強さにより支配される特定の 調波をランダム位相化することにより本発明によりオーディオが改良された後の 、オーディオ出力とその再構成されたスペクトログラムを示す。縦の暗い帯は元 々とほぼ同じ強さであり、開始と終了で急峻ではない。

Claims (1)

1. 【特許請求の範囲】 １．ＬＰＣ原理に従って符号化された音声セグメントのシーケンスを受信し、有 声音の音声の場合には反復信号を伴った全極フィルタを励起することにより、及 び、無声音の場合には白色雑音によりオーディオ再生の連結した読み出しのため に前記セグメントを再生する方法であって、 前記反復信号は、相互に重なり合う時間窓をもとに集められた連続した周期信 号により全体的に表され、 前記反復信号は、ピッチとフォルマントの情報を用いて元々のＬＰＣフィルタ から得られた改良したＬＰＣフィルタを通して、フィルタのための源からのノイ ズによって供給され、 有声音と無声音に分けられ、 フィルタは少なくとも４つの量の部分集合、全体的なノイズスケーリング、ピ ッチ依存ノイズスケーリング、振幅依存ノイズスケーリング及び、フォルマント 間ノイズスケーリングにより決定されることを特徴とする方法。 ２．前記ノイズは、前記全ての４つの量に結合している請求項１記載の方法。 ３．前記ノイズは、部分集合の前記量の積により決定される請求項１記載の方法 。 ４．フォルマントのピークに存在する要素と比べて、フォルマント間の谷にある 実際のスペクトルにある要素を用い、前記連続の各要素のためにフォルマント間 ノイズスケーリングが使用される請求項１記載の方法。 ５．実際のスペクトルは、時間的に指数的に緩和するしきい値と比較される請求 項１記載の方法。 ６．前記ノイズは、最大位相差２πのランダム化された位相ノイズである請求項 ４記載の方法。 ７．各音声の調波のパワー値を標準化し、 ピッチに依存するノイズファクタを計算し、 調波のピークに依存する減衰パターンを計算し、 調波のピークに依存するノイズファクタを計算し、 調波に依存する位相シフトをランダム化し、 各調波ごとに、初期位相パターン、ランダムノイズパターン及び振幅スケーリ ングの適用を通して音声信号を再構成して、前記ノイズの効果を制御する前記有 声音の音声からのパラメータ値を逆に結合する請求項４記載の方法。 ８．請求項１記載の方法を利用するように配置された装置。