JP2001525079A - 音声符号化システム及び方法 - Google Patents

Abstract

(57)【要約】 音声信号は高及び低副帯域に分解され、少なくとも高副帯域の雑音成分が符号化される。復合器では音声信号が、合成雑音励起信号を使用する復合化手段及びフィルタにより合成され、高副帯域の雑音成分を再生成する。

Description

【発明の詳細な説明】 音声符号化システム及び方法技術分野 本発明は、音声符号化装置及び方法に関し、より具体的には音声信号を低ビッ トレートで符号化するシステム及び方法に関するが、これに限定されない。発明の背景 広範囲のアプリケーションにおいて、例えばコンピュータや携帯用口述記録機 器、パーソナルコンピュータ機器等のメモリ容量を節約するために、音声信号を 低ビットレートで効率的に記憶する設備を設けることが望ましい。同様に、例え ばビデオ会議、オーディオストリーミング又はインターネットを介した電話通信 等で音声信号を伝送する場合、低ビットレートであることが非常に望ましい。し かしながらいずれの場合においても明瞭度や品質が重要であり、したがって本発 明は高いレベルの明瞭度及び品質を保ちつつ、非常に低いビットレートで符号化 することの問題、また更にスピーチ及び音楽の両方を低ビットレートで充分満足 に処理することができる符号化システムを提供するという問題を解決することに 関するものである。 スピーチ信号で非常に低いビットレートを実現するためには、波形コーダでは なくパラメトリックコーダ、即ち「ボコーダ」を利用すべきであることが一般的 に知られている。ボコーダは、波形それ自体ではなく波形のパラメータのみを符 号化し、スピーチのように聞こえはするものの、潜在的には非常に異なる波形を 持つ信号を生成する。 代表的な例としては、T.E.Tremaineによる「The Government Standard Linear Predictive Coding Algorithm」:LPC10:Speech Technology、pp40−49、1982に記 述のLPC 10ボコーダ(Federal Standard 1015)が挙げられる。これは同様のアル ゴリズムであるLPC 10eに引き継がれているが、両者とも本願に参考資料として 取り入れられる。LPC 10及びその他のボコーダは、従来電話周波数帯域(０〜４k Hz)において動作されてきているが、それはスピーチを聞き取れるよ うにするために必要な情報を全てこの帯域幅に含むと考えられているためである 。しかしながら我々は、この方法で2.4Kbit/sもの低いビットレートで符号化さ れたスピーチの音声品質と明瞭度が、現在の商業用アプリケーションの多くに適 していないことを見いだした。 音声品質の向上にはスピーチモデルにおいてより多くのパラメータを必要とす るが、これらの追加パラメータ手段を符号化しようとすると、既存のパラメータ に使えるビットがより少なくなるという問題が生じる。LPC 10eモデルには、例 えばA.V.McCree及びT.P.Barnwell IIIによる「A Mixed Excitation LPC Vecoder Model for Low Bit Rate Speech Coding」;IEEE−Trans Speech and Audio Pro cessing、Vol.3、No.4、1995年７月のように様々な強化策が提案されているが、 これら全てを利用したとしても音声品質はわずかに適正化されるにすぎない。 このモデルをさらに強化するために、我々は、より広い帯域幅（０〜８kH）を 符号化することに着目した。このことはボコーダについては考慮されたことがな かったが、これはより高い帯域幅の符号化に要する追加ビットが符号化による恩 恵を大きく打ち消してしまうかのように見えるためである。広帯域幅の符号化は 通常高品質コーダについてのみ考慮されており、これは明瞭度を増すというより はむしろスピーチがより自然に聞こえるようにしたものであり、多くの追加ビッ トを必要とする。 広帯域のシステムを実現するための１つの一般的方法としては、信号を低副帯 域及び高副帯域に分割し、高副帯域をより少ないビットで符号化できるようにす る方法が挙げられる。ITU標準G722（X.Maitreによる「７kHz Audio Coding With in 64Kbit/s」(IEEE Journal on Selected Areas in Comm.、Vol.6、No.2、pp2 83−298、1988年２月）に記述されているように、２つの帯域は別々に復号化さ れ、その後一つに合わせられる。この手法をボコーダに適用した場合、高帯域幅 は低帯域幅よりも低次のLPCで分析されるべきであることが示唆された（我々は ２次が適切であること見いだした）。それには別々のエネルギー値が必要である が、低帯域幅からのものが利用できるために、別のピッチや有声−無声判定は必 要ないことを、我々は見いだした。残念ながら、我々の推論するところ、２つの 帯域間の位相の不整合が原因で２つの合成帯域を再結合することによりアーチ ファクトが発生してしまった。このデコーダにおける問題を、我々は各帯域のLP C及びエネルギーパラメータを組み合わせ、単一の高次広帯域フィルタを作りこ れを広帯域励起信号で駆動することにより解決した。 驚くべきことに、純粋なスピーチに対する広帯域LPCボコーダの明瞭度は、同 じビットレートの電話周波数帯域のものと比べると著しく高く、DRTスコア（W.D .Voiersによる「Diagnostic Evaluation of Speech Intelligibility」、in Spe ech Intelligibility and Speaker Recognition(M.E.Hawley、cd.)pp374−387、 Dowden、Hutchinson&Ross、Inc.、1977）に記載）は、狭帯域コーダの84.4に比 して86.8であった。 しかしながらバックグラウンド雑音が小さいスピーチにあってさえも、合成信 号にはバズが目立ち、高帯域にアーチファクトが含まれていた。これは我々の解 析結果から、符号化された高帯域エネルギーがバックグラウンド雑音により高め られ、これが有声スピーチを合成する間に高帯域高調波を高めてバズ作用を生じ ることがわかった。 さらに詳細な調査の結果、我々は、明瞭度を向上させるには有声部分ではなく 、主に無声の摩擦音や破裂音をより良好に復号化すればよいことを見いだした。 このことにより我々の方向性は、雑音のみを合成し、有声スピーチの高調波を低 帯域のみに限定するという、異なる高帯域復号化手法へと導かれた。これにより バズは除去されたが、復号化された高帯域エネルギーが高い場合、かわりに入力 信号中の高帯域高調波が原因でヒスが加わってしまう場合があった。これは有声 −無声判定を用いて解決可能であったが、我々は、最も信頼できる方法が、高帯 域入力信号を雑音及び高調波（周期性）成分に分け、雑音成分のエネルギーのみ を復号化することであることを見いだした。 この手法は、この技術の効力を大幅に強化する２つの思いがけない利益をもた らした。第一には、高帯域が雑音しか含んでいないため、高及び低帯域の位相を 整合させる問題を解消したことであり、これはボコーダについてでさえ、それら を完全に分けて合成することができることを意味する。実際、低帯域用のコーダ は完全に別個のものでよく、市販の部品であっても良い。第二には、いかなる信 号も雑音と高調波成分に分割することができるため、高帯域の符号化はスピーチ に固有のものではなくなり、そうでなければその周波数帯域は再生される可能性 が全く無かったところが、雑音成分再生の恩恵を受けることができる。これは強 いパーカッション成分を含むロック音楽において特に言えることである。 本システムは根本的に、McElroyらによる「Wideband Speech Coding in7.2KB/ s」(ICASSP 93、ppII-620−II-623）のような波形符号化に基づいた他の広帯域 拡張技術とは異なる手法によるものである。波形符号化の問題は、G722（Supra ）のように多数のビットを必要とするか、さもなければ高帯域信号の不十分な再 生（McElroyら）によって大量の量子化雑音を高調波成分に加えることになるか のいずれかである点にある。 本願において「ボコーダ」という語は、選択されたモデルパラメータを符号化 し、その中に残差波形の明示的な符号化を行わない、スピーチコーダを広義的に 画定するのに使用され、またこの語には、スピーチスペクトルを複数の帯域に分 割し、各帯域の基本パラメータセットを抽出することによって符号化を行う多帯 域励起コーダ（MBE）も含まれる。 ボコーダ分析という語は、少なくとも線形予測符号化（LPC）係数及びエネル ギー値を含むボコーダ係数を決定するプロセスを説明するために用いられる語で ある。また加えて低副帯域については、ボコーダ係数は有声−無声判定、さらに 有声スピーチにはピッチ値を含む場合がある。発明の開示 本発明の一態様によれば、エンコーダ及びデコーダを含む、音声信号を符号化 及び復号化するための音声符号化システムが提供され、 前記エンコーダが： 前記音声信号を高副帯域信号及び低副帯域信号へと分解するための手段と； 前記低副帯域信号を符号化するための低副帯域符号化手段と； ソースフィルタモデルに基づいて前記高副帯域信号の少なくとも非周期成分を 符号化するための高副帯域符号化手段と；を含み、 前記デコーダ手段が、前記符号化された低副帯域信号及び前記符号化された高 副帯域信号とを復号化するための、そしてそこから音声出力信号を再生するため の復号化するための手段を含み、 前記復号化手段が、フィルタ手段と、そして前記フィルタ手段に通す励起信号 を生成して合成音声信号を生成するための励起手段とを含み、該励起手段が、前 記音声信号の高副帯域に対応する周波数帯域中の合成雑音の実質的成分を含む励 起信号を生成するように作動可能であることを特徴とする。 復号化手段は、高及び低副帯域をともに変換するための単一の復号化手段から 構成することができ、復号化手段として望ましいのは、符号化された低及び高副 帯域信号をそれぞれに受信して復号化するための低副帯域復号化手段と高副帯域 復号化手段とから構成されたものである。 特定の実施例においては、前記励起信号の前記高周波数帯域は実質的に全体が 合成雑音信号により構成されているが、他の実施例においては、励起信号は合成 雑音成分と、前記低副帯域音声信号の１つ以上の高調波に対応するさらなる成分 とを混合したものから構成されている。 高副帯域エネルギー即ち利得値と、１つ以上の高副帯域スペクトルパラメータ とを得るために好都合なように、高副帯域符号化手段は前記高副帯域信号を分析 し及び符号化するための手段を備えている。１つ以上の高副帯域スペクトルパラ メータはできれば２次LPC係数からなることが望ましい。 前記符号化手段が前記高副帯域における雑音エネルギーを測定する手段を含む ことが望ましく、これにより前記高副帯域エネルギー即ち利得値を推論すること が望ましい。代替的には前記符号化手段は、前記高副帯域信号中の全体のエネル ギーを測定するための手段を含み、これにより前記高副帯域エネルギー即ち利得 値を導き出す。 ビットレートの不必要な使用を省くために、システムは、前記高副帯域信号中 の前記エネルギーをモニタし、これを高及び低副帯域エネルギーの少なくとも１ つから得たしきい値と比較し、そして前記モニタされたエネルギーが前記しきい 値よりも低い場合に、前記高副帯域符号化手段に最低符号出力を供給させる手段 を含むことが望ましい。 主にスピーチの符号化を意図した構成においては、前記低副帯域符号化手段は 有声−無声判定を行うための手段を含むスピーチコーダを含む。この場合、前記 復号化手段は、前記高帯域符号化信号中のエネルギー及び前記有声−無声判定に 応答して、音声信号が有声か無声かに依存する前記励起信号中の雑音エネルギー を調節する手段を含む。 システムが音楽用に意図されたものであれば、前記低副帯域符号化手段は、例 えばMPEG音声コーダのような適当な波形コーダをいずれかの数量備える。 高及び低副帯域間の分割は特定の条件に基づいて選択され、したがって、約2. 75kHz、４kHz、5.5kHz等が選択される。 前記高副帯域符号化手段は、前記雑音成分を800bpsよりも小さい、望ましくは 300bps程度の非常に低いビットレートで符号化することが望ましい。 エネルギー利得値及び１つ以上のスペクトルパラメータを得るために高副帯域 を分析する場合、前記高副帯域信号を前記スペクトルパラメータの決定には相対 的に長いフレーム周期で、そして前記エネルギー即ち利得値の決定には相対的に 短いフレーム周期で分析することが望ましい。 他の態様において本発明は、入力信号が副帯域へと分割され、それぞれのボコ ーダ係数が得られ、その後再結合されてLPCフィルタに送られる、非常に低いビ ットレートで符号化するためのシステム及び方法を提供する。 したがってこの態様においては、本発明は4.8kbit/s未満のビットレートで信 号を圧縮し、またその信号を再合成するためのボコーダシステムが提供される。 このシステムは符号化手段及び復号化手段を含み、該符号化手段が； 前記スピーチ信号を、ともに少なくとも5.5kHzの帯域幅を画定する低及び高副 帯域へと分解するためのフィルタ手段と； 相対的に高次のボコーダ分析を前記低副帯域に実施して、前記低副帯域を表わ すボコーダ係数を得るための低副帯域ボコーダ分析手段と； 相対的に低次のボコーダ分析を前記高副帯域に実施して、前記高副帯域を表わ すボコーダ係数を得るための高副帯域ボコーダ分析手段と； 前記低及び高副帯域係数を含むボコーダパラメータを符号化して、記憶及び／ 又は伝送用に圧縮信号を供給するための符号化手段とを含み；さらに 前記復号化手段が： 前記圧縮信号を復号化して、前記低及び高副帯域ボコーダ係数を含むボコーダ パラメータを得るための復号化手段と； 前記高及び低副帯域に関するボコーダパラメータからLPCフィルタを構成し、 前記スピーチ信号を前記フィルタ及び励起信号から再合成するための合成手段と を含むことを特徴とする。 前記低副帯域分析手段は10次のLPC分析を適用し、前記高副帯域分析手段は２ 次のLPC分析を適用する。 また本発明は、上述のシステムと共に利用する音声エンコーダ及び音声デコー ダ、並びにそれらに対応する方法にも及ぶ。 上記に本発明について説明したが、本発明は上記及び以下の説明で述べられた 特長のあらゆる発明的組み合わせをも包含するものである。図面の簡単な説明 本発明は様々な方法で実施することができるが、単に具体例を挙げる目的のた めに２つの実施例及びそれらの異なる変更形態を、添付の図面を参照して詳細に 説明する。図面は以下の通りである。 図１は、本発明に基づく広帯域コーデックの第一の実施例のエンコーダのブロ ック図である。 図２は、本発明に基づく広帯域コーデックの第一の実施例のデコーダのブロッ ク図である。 図３は、第一の実施例において利用される符号化−復号化プロセスの結果得ら れたスペクトルを示すものである。 図４は、男性の声のスペクトル写真である。 図５は、代表的なボコーダによって仮定されるスピーチモデルのブロック図で ある。 図６は、本発明に基づくコーデックの第二の実施例のエンコーダのブロック図 である。 図７は、16kHzでサンプリングされた無声スピーチフレームに関する２つの副 帯域の短時間スペクトルを示す。 図８は、図７の無声スピーチフレームに関する２つの副帯域のLPCスペクトル を示す。 図９は、図７及び図８の無声スピーチフレームの、結合されたLPCスペクトル を示す。 図10は、本発明に基づくコーデックの第二の実施例のデコーダのブロック図で ある。 図11は、本発明の第二の実施例において利用されるLPCパラメータ符号体系の ブロック図である。 図12は、本発明の第二の実施例において使用されるLSP予測器に対する好まし い重み付け方式を示すものである。 以下の説明において、本発明に基づく２つの異なる実施例を挙げるが、その両 方が副帯域復号化を用いたものである。第一の実施例においては、高帯域の雑音 成分のみが符号化され、デコーダにおいて再合成されるという符号体系が用いら れる。 第二の実施例は、低及び高副帯域の両方に対してLPCボコーダ方式を使用し、 結合して全極フィルタを制御するためのLPCパラメータの結合セットを生成する ためのパラメータを得る。 第一の実施例を説明する前に、現在の音声及びスピーチコーダについて触れる と、これらは拡張帯域幅を備える入力信号を与えられた場合、単に符号化前に入 力信号の帯域を限定する。本願に説明する技術は、主コーダに比較して取るに足 らないビットレートで拡張帯域幅を符号化できるようにしたものである。本技術 は、高副帯域を完全に再生しようと試みるものではないが、それでも主要帯域限 定信号の品質（スピーチに関しては明瞭度）を著しく向上させる符号化法を提供 する。 高帯域は、全極フィルタが励起信号で駆動されると、通常の方法でモデリング される。スペクトルを記述するには１つ又は２つのパラメータしか必要としない 。励起信号はホワイトノイズ及び周期成分の組み合わせであると考えられ、周期 成分はホワイトノイズに対して非常に複雑な関係を持っている可能性がある（多 くの音楽においてはそうである）。以下に説明するコーデックの最も一般的な形 式 においては、周期成分が効果的に破棄される。伝送されるのは雑音成分の予測エ ネルギー及びスペクトルパラメータだけであり、デコーダにおいてはホワイトノ イズのみが全極フィルタの駆動に使用される。 高帯域の符号化が完全にパラメータ形式で行われることが重要であり、独自の 概念である。すなわち励起信号自体の符号化は行われないということである。唯 一符号化されるパラメータはスペクトルパラメータ及びエネルギーパラメータで ある。 本発明のこの態様は、新しい形式のコーダとして、もしくは既存のコーダーに 対する広帯域拡張として実現することができる。このような既存のコーダは第三 者から供給を受けても良いし、あるいは既に同じシステム上にあるものでもおそ らくは良い（例：Window95/NTのACMコーデック）。その意味においては、そのコ ーデックを使って主信号を符号化するが、その狭帯域コーデック自体が生成する 信号よりも品質の高い信号を生成させる、コーデックに対するパラサイトとして 機能する。高帯域を合成するためにホワイトノイズのみを利用することの重要な 特長は、２つの帯域を結合することがさして難しくないという点にある。すなわ ちそれらの帯域を数ミリ秒以内に合わせなければならないだけで、解決しなけれ ばならない位相の連続性の問題が存在しないのである。事実、我々は異なるコー デックを利用して数多くの実証を行なったが、信号を合わせることに何等の困難 はなかった。 本発明は２つの方法で利用することができる。１つは、既存の狭帯域（４kHz ）コーダの品質を、入力帯域幅を非常にわずかのビットレート増で拡張すること により改善することである。もう１つは、低帯域コーダをより小さな入力帯域幅 （代表的には2.75kHz）で動作させ、さらにそれを拡張して失われた帯域幅（代 表的には5.5kHz）を補償することによって、より低いビットレートのコーダを作 ることである。 図１及び図２は、コーデックの第一の実施例に対するエンコーダ10及びデコー ダ12をそれぞれ図示する。まず最初に図１を参照すると、入力された音声信号は ローパスフィルタ14を通過するが、ここでローパスフィルタによりろ波されるこ とで低副帯域信号が形成され、大部分が捨てられる。また入力された音声信号は ハイパスフィルタ16も通過するが、ここでハイパスフィルタによりろ波されるこ とで高副帯域信号が形成され、大部分が捨てられる。 フィルタにはシャープカットオフ及び良好なストップバンド減衰が必要である 。これを達成するには、73タップFIRフィルタ又は８次楕円フィルタが利用され るが、これは使用されているプロセッサ上でどちらの方が高速動作できるかによ り決定される。ストップバンド減衰は少なくとも40dB、好ましくは60dBであり、 通過帯域リップルは最高でも−0.2dBと小さくなくてはならない。フィルタに関 して３dB点が目標分割点（代表的には４kHz）である。 低副帯域信号は狭帯域エンコーダ18に供給される。狭帯域エンコーダはボコー ダもしくは周波数帯域エンコーダである。高副帯域信号は、以下に説明するが、 高副帯域のスペクトルを分析してパラメータ係数及びその雑音成分を判定する高 副帯域分析器20へと供給される。 スペクトルパラメータ及び雑音エネルギー値の対数は量子化され、それらの以 前の値から減算（例：差分符号化）され、そしてRiceコーダ22へと符号化のため に供給され、その後狭帯域エンコーダ18からの符号化された出力と結合される。 デコーダ12において、スペクトルパラメータが符号化されたデータから得られ 、スペクトル形成フィルタ23に加えられる。スペクトル形成フィルタ23は合成ホ ワイトノイズ信号により励起され、合成非高調波高副帯域信号を生成し、その利 得値は24において雑音エネルギー値に基づいて調節される。その後合成信号は、 信号を補間し、それを高副帯域に反映させるプロセッサ26を通過する。低副帯域 信号を表わす符号化データは狭帯域デコーダ30を通過するが、この符号化データ はさらに32で補間され、34で再結合されて低副帯域信号を復号化して合成出力信 号を形成する。 上記の実施例において、記憶／伝送機構が可変ビットレートの符号化をサポー トできる場合、又は充分に大きい遅延を許容してデータを固定サイズのパケット 内にブロック化される場合には、Rice符号化法が唯一適切な符号化法である。そ れ以外では、従来の量子化法がビットレートにあまり影響を与えることなく利用 可能である。 符号化−復号化プロセスの全てを実施した結果を図３のスペクトルに示す。上 の図はエルトン・ジョンのNakitaから得た雑音及び強い高調波成分両方を含むフ レームであり、下の図は同じフレームであるが、４〜８kHzの領域を上述した広 帯域拡張を使用して符号化したものである。 高副帯域のスペクトル及び雑音成分分析についてより詳細を考察すると、スペ クトル分析では安定したフィルタを確実に作成するとされる標準自己相関法を利 用して２つのLPC係数を導出する。量子化のために、LPC係数は反射係数へと変換 され、各々９レベルで量子化される。その後これらのLPC係数は、波形を逆ろ波 して雑音成分分析用の白色化信号を生成するために使用される。 雑音成分分析は複数の方法で実施可能である。例えば高副帯域は全波整流され 、滑らかにされて、McCreeらの文献に記述されるような周期性についての分析を 行なわれる。しかしながらその測定は、周波数領域における直接測定によってよ り簡単に実施される。したがって本実施例においては、256ポイントFFTを白色化 された高副帯域信号に実施した。雑音成分エネルギーをFFTビンエネルギーの中 央値として取った。このパラメータは重要な特性を持つ。すなわち信号が完全に 雑音であった場合、中央値の期待値は単に信号のエネルギーである。しかし信号 が周期成分を有している場合、平均間隔がFFTの周波数解像度の２倍よりも大き い限りは、中央値がスペクトル中のピークの間に来ることになる。しかし間隔が 非常に狭い場合、かわりにホワイトノイズが使われていると、人の耳は小さな違 いを認識する。 スピーチ（及び音声信号の一部）については、LPC分析よりもより短い間隔で 雑音エネルギー計算を行なう必要がある。これは破裂音の急激な発生のため、そ して無声スペクトルがあまり速く動かないためである。このような場合、FFTの エネルギーに対する中央値の比率（例えばわずかな雑音成分等）が測定される。 これはその後、その分析周期に対する測定エネルギー値全てをスケーリングする ために利用される。 雑音／周期判別は不完全であり、そして雑音成分分析それ自体も不完全である 。これを許容するために、高副帯域分析器20は高帯域中のエネルギーを約50％の 固定因数でスケーリングする。元の信号を復号化された拡張信号と比べると、高 音域調整を若干下げたように聞こえる。しかし非拡張方式で復号化した信号にお け る高音域の完全排除に比較すると、その差異はとるにたらない程度である。 通常雑音成分の再生は、雑音成分が高帯域中の高調波エネルギーと比べて小さ い場合、又は低帯域中のエネルギーと比べて非常に小さい場合には行なう意味が ない。前者の場合には、FFTビン間における信号リークにより、雑音成分の正確 な測定はどんな方法を用いても難しい。これはまた、後者の場合においても低域 フィルタのストップバンドにおける限られた減衰のためにある程度同じことが言 える。したがって本実施例の修正形態において、高副帯域分析器20が測定された 高副帯域雑音エネルギーを、高及び低副帯域エネルギーの少なくともいずれか１ つから得たしきい値と比較し、それがしきい値よりも低い場合、雑音下限エネル ギー値がかわりに伝送される。雑音下限エネルギー値とは、高帯域におけるバッ クグラウンド雑音レベルの推定値であり、通常これは出力信号の開始から測定さ れた最低の高帯域エネルギー値に等しく設定される。 次にこの実施例における性能を考察する。図４は男性の声のスペクトル写真で ある。周波数を示す縦軸は8000Hzに達しており、これは標準の電話コーダ（４kH z）範囲の２倍である。図中の暗い部分はその周波数における信号強度を表わし ている。横軸は時間を表わしている。 ４kHzより上においては信号は殆どが摩擦音もしくは破裂音からの雑音である か、全く存在していないかであることが分かる。この場合における広帯域拡張は 、高帯域のほぼ完全な再生を行なう。 女性の一部及び子供の声については、４kHzより高い周波数において有声スピ ーチがそのエネルギーの殆どを失う。この場合、理想的には若干高め（5.5kHz程 度が良い）で帯域分割を行なうことが望ましい。しかし、そのようにしなくとも 品質は無声スピーチにおいては非拡張コーデックよりも良好であり、有声スピー チでは全く同じである。さらに明瞭度の向上は摩擦音や破裂音の良好な再生から 得られるものであり、母音のより良い再生からではないため、したがって分割点 は音声品質に影響を与えるだけで明瞭度に影響することはない。 音楽の再生については、広帯域拡張法の効果は音楽の種類に多少依存する。最 も顕著な高帯域成分が打楽器や声（特に女性の声）の「柔らかさ」に由来するロ ック／ポップスについては、音をところどころで強調したとしても、雑音のみの 合成が非常に効果的である。その他の音楽は、例えばピアノ演奏などのように高 帯域には高調波成分しか持たない。この場合、高帯域では何も再生されない。し かしながら本質的に、低周波数の高調波が多く存在すれば、高周波数の欠如は音 にとってあまり重要ではないようである。 次に、図５〜図12を参照して説明されるコーデックの第二の実施例を考察する 。この実施例は周知のLPC10ボコーダ（T.E.Tremainの「The Government Standar d Linear Predictive Coding Algorithm:LPC10」;Speech Technology、pp40−49 、1982に記載）と同様の概念を基本としており、LPC10ボコーダが採用するスピ ーチモデルを図５に示す。全極フィルタ110としてモデリングされるボーカルト ラクトは、有声スピーチについては周期的な励起信号112により、そして無声ス ピーチについてはホワイトノイズ114により駆動される。 ボコーダはエンコーダ116及びデコーダ118の２つの部分から構成される。図６ に示されるエンコーダ116は、入力スピーチを等しい時間間隔をおいたフレーム へと分割する。その後各フレームは、スペクトルの０〜４kHz及び４〜８kHzの領 域に対応する帯域へと分割される。これは計算的に効率的な方法で８次楕円フィ ルタを用いて行われる。ハイパスフィルタ120及びローパスフィルタ122がそれぞ れに適用され、結果として得られた信号の大半を破棄して２つの副帯域を形成す る。高副帯域には４〜８kHzスペクトルを鏡映したものが含まれる。10個の線形 予測符号化（LPC）係数が124において低副帯域から計算され、２つのLPC係数が1 26において高帯域から計算され、同様に各帯域の利得値も計算される。図７及び 図８は、代表的な無声信号のサンプリング速度16kHzでの、２つの副帯域の短期 スペクトル及び２つの副帯域LPCスペクトルをそれぞれに示し、図９は結合したL PCスペクトルを示す。有声フレームの有声−無声判定128及びピッチ値130もまた 低副帯域から計算される。（有声−無声判定には任意で同時に高副帯域情報も利 用することができる）。10個の低帯域LPCパラメータは132において線スペクトル 対（LSP）に変換され、その後全てのパラメータが予測量子化器134を用いて符号 化され、低ビットレートデータストリームが作られる。 図10に示すデコーダ118は136においてパラメータを復号化し、有声スピーチの 間は隣接するフレームのパラメータ間を各ピッチ周期の始まりで補間する。10個 の低副帯域LSPは138においてLPC係数へと変換され、その後140で２つの高副帯域 係数と結合されて18個のLPC係数のセットが作られる。これは以下に説明する自 己相関領域結合（Autocorrelation Domain Combination）技術又はパワースペク トル領域結合（Power Spectral Domain Combination）技術を用いて実行される 。LPCパラメータは全極フィルタ142を制御するが、このフィルタは励起信号発生 器144からのホワイトノイズ又はピッチ周期の周期性を持つインパルス状の波形 のいずれかにより励起され、図５に示すモデルをエミュレーションする。有声励 起信号の詳細は後に説明する。 ボコーダの第二の実施例の特定の具体例を次に説明する。多岐にわたる態様の より詳細な考察については、本願に参考資料として組み込まれるL.Rablner及びR .W.Schaferによる「Digital Processing of Speech Signals」、Prentice Hall、1 978を参照されたい。LPC 分析 標準自己相関法が使用されて低及び高副帯域両方のLPC係数及び利得を得る。 これは安定した全極フィルタを確実に供する単純な手法であるが、しかしながら フォルマント帯域幅を過剰に見積もってしまう傾向がある。この問題は、A.V.Mc Cree及びT.P.Barnwell IIIによる「A Mixed Excitation LPC Vocoder Model for Low Bit Rate Speech Encoding」、IEEE Trans.Speech and Audio Processing 、Vol.3、pp242−250、1995年７月に記述されるように、適応フォルマント強調 によってデコーダ内で解決可能である。ここでは励起シーケンスを帯域幅拡張し たLPC合成（全極）フィルタでろ波することによりフォルマントの回りのスペク トルが強調される。この結果生じるスペクトルの傾きを低減するために、より弱 い全零フィルタもまた適用される。フィルタ全体は伝達関数： H(z)=A(z/0.5)/A(z/0.8) を有しており、ここでA(z)は全極フィルタの伝達関数である。再合成LPCモデル ２つの副帯域LPCモデルのパワースペクトル間の不連続性、及び位相応答の不 連続性に起因する潜在的問題を回避するために、単一の高次再合成LPCモデルが 副帯域モデルから発生される。このモデル（これには18次が適当であると判明） からは、標準LPCボコーダと同様にスピーチを合成することができる。本願では ２つの手法を説明するが、第二の手法は計算的により単純な方法である。 以下において、「Ｌ」及び「Ｈ」の下付き文字を使用して、仮定されたローパ スフィルタによりろ波された広帯域信号の特徴をそれぞれ表わし（４kHzのカッ トオフを持ち、通過帯域内で単位応答、外で零となるフィルタを想定）、そして 「l」及び「h」の下付き文字を使用して、それぞれ低及び高副帯域信号の特徴を 表わす。パワースペクトル領域結合 ろ波された広帯域信号P_L(ω)及びP_H(ω)のパワースペクトル密度は以下のよう に計算することができる。 及び ここでa_l(n)、a_h(n)及びg_l、g_hはそれぞれスピーチのフレームからのLPCパラメ ータ及び利得値であり、P_l、P_hはLPCモデル次数である。π−ω/2の項が生じる のは、高副帯域スペクトルが鏡映されたためである。 広帯域信号のパワースペクトル密度P_W(ω)は以下により得られる。 P_W(ω)=P_L(ω)+P_H(ω) （3） 広帯域信号の自己相関はP_W(ω)の逆離散時間フーリエ変換により得られ、これ からその広帯域信号のフレームに対応する（18次）LPCモデルが計算できる。あ る実用的な例においては、逆離散フーリエ変換（DFT）を利用して反転変換が実 施される。しかしながら、この場合には、適正な周波数解像度を得るために多数 のスペクトル値（代表的には512個）が必要となり、過大な量の計算が必要とな るという問題が生じる。自己相関領域結合 この手法には、ローパス及びハイパス処理された広帯域信号のパワースペクト ル密度を計算するかわりに、自己相関r_L(τ)及びr_H(τ)が生成される。ローパス フィルタでろ波された広帯域信号は因数２でアップサンプリングした低副帯域に 等しい。時間領域においては、このアップサンプリングは交互の零の挿入（補間 ）、及びその後のローパスフィルタによるろ波で構成される。したがって自己相 関領域においては、アップサンプリングは、補間、その後のローパスフィルタイ ンパルス応答の自己相関が含まれる。 ２つの副帯域信号の自己相関は、副帯域LPCモデルから効率的に計算すること ができる（例えば、R.A.Roberts及びC.T.Mullisによる「Digital Signal proces sing」（第11章、p527、Addison−Wesley、1987）を参照）。r_l(m)が低副帯域の 自己相関を表わす場合、補間自己相関r'_l,(m)は以下により与えられる； 低域フィルタでろ波された信号r_L(m)は以下から求められる。 r_L(m)=r'_l(m)×(h(m)×h(−m)) （5） ここでh(m)はローパスフィルタインパルス応答である。ハイパスフィルタでろ波 された信号r_H(m)の自己相関も、ハイパスフィルタが適用されることを除いて同 様に得られる。 広帯域信号r_W(m)の自己相関は以下の通りに表わすことができる； r_W(m)=r_L(m)+r_H(m) （6） そしてこれにより広帯域LPCモデルが計算される。図５には、結果として得られ た上記で考慮した無声スピーチのフレームのLPCスペクトルを示す。 パワースペクトル領域における結合と比較して、この手法の方が計算的に簡単 であるという利点がある。30次のFIRフィルタがアップサンプリングを実行する に十分であることがわかった。この場合、低次フィルタが意味する低い周波数解 像度でも適当である。なぜならそれは単に２つの副帯域間の交差点におけるスぺ クトルのリークを生じることにしかならない。これらの手法は共に広帯域スピー チに高次分析モデルを用いて得られたものと知覚的に酷似したスピーチを提供す るものである。 図７、図８及び図９に示す無声スピーチのフレームをプロットしたものを参照 すると、信号エネルギーの大部分がスペクトルのこの領域内に含まれることから 、高帯域スペクトル情報を含んだことによる効果が明確にわかる。ピッチ／有声−無声分析 ピッチは標準ピッチトラッカーを用いて決定される。有声であると判定された フレームの各々に、ピッチ周期に最低値を持つと予想されるピッチ関数が時間間 隔の範囲について計算される。３つの異なる関数が、自己相関、平均振幅差異関 数（AMDF）及び負ケプストラムに基づいて与えられる。これらは全て良好に機能 する。計算的に最も効率的な利用すべき関数はコーダのプロセッサのアーキテタ チャにより異なる。１つ以上の有声フレームのシーケンス毎に、ピッチ関数の最 小値がピッチ候補として選択される。費用関数を最小化するピッチ候補のシーケ ンスは、予測ピッチの輪郭として選択される。費用関数は、ピッチ関数及び経路 に沿ったピッチ変化の重み付きの和である。最良の経路はダイナミックプログラ ミングを利用して計算的に効率的な方法で得ることができる。 有声−無声選別器の目的は、スピーチの各フレームがインパルス励起モデル、 もしくは雑音励起モデルのどちらの結果として生じたものかを判定することであ る。有声−無声判定を下すために広範な方法を利用することができる。本実施例 で採用した方法は、線形判別関数を；低帯域エネルギー、低帯域（任意で高帯域 ）の第一の自己相関係数、ピッチ分析から得たコスト価格；に適用するという方 法である。有声−無声判定を高レベルのバッタグラウンド雑音中で満足に実行す るために、雑音トラッカー（例えばA.Varga及びK.Pontingによる「Control Expe riments on Noise Compensation in Hidden Markov Model Based Continuous Wo rd Recognition」(pp167−170、Eurospeech89)に記載のもの）を使用して雑音の 確率を計算し、これを線形判別関数に含むことができる。パラメータ符号化、有声−無声判定 有声−無声判定は単に１フレームにつき１ビットで符号化される。連続する有 声−無声判定間の相関を考慮することにより、これを減らすことは可能であるが 、低減出来るビットレートはわずかである。ピッチ 無声フレームについては、ピッチ情報は符号化されない。有声フレームについ ては、ピッチはまず対数領域に変換され、知覚的に許容し得る解像度にするため に定数（例えば20）によりスケーリングされる。現在と以前の有声フレームの変 換ピッチの差異は最も近い整数に丸められ、その後符号化される。利得 対数ピッチを符号化する方法が対数利得に対しても適用され、適正なスケーリ ング因子は低及び高帯域に対してそれぞれ１及び0.7である。LPC 係数 LPC係数は符号化データの大部分を生成する。LPC係数は、まず量子化に耐え得 る表現（例えば安定性が保証されており、基本フォルマント周波数及び帯域幅の 歪みが低いもの）に変換される。F.Itakuraによる「Line Spectrum Representat ion of Linear Predictor Coefficients of Speech Signals」(J.Acoust.Soc.Am eri.、Vol.57、S35(A)、1975)に記述されるように、高副帯域LPC係数は反射係数 として符号化され、低副帯域LPC係数は線形スペクトル対（LSP）へと変換される 。高副帯域係数は対数ピッチや対数利得と全く同じ方法で符号化される（例えば 連続する値の間の差異を符号化する方法−適正なスケー リング因子は5.0）。低帯域係数の符号化は以下に説明する。Rice 符号化 本実施例においては、パラメータは固定ステップサイズで量子化され、その後 無損失符号化法を利用して符号化される。符号化の方法は、Rice符号化法（R.F. Rice及びJ.R.Plauntによる「Adaptive Variable-Length Coding for Efficient Compression of Spacecraft Television Data」(IEEE Transactions on Communi cation Technology、Vol.19、No.6、pp889−897、1971)に記載）であり、これは 差異のラプラシアン密度を用いている。この符号化法では、差異の大きさと共に 増加するビットの数が指定される。この方法は、フレーム当たりに生成されるビ ット数を固定する必要のないアプリケーションに適しているが、LPC10e方式に類 似の固定ビットレート方式を利用することも可能である。有声励起 有声励起は、雑音及び周期成分が一緒になったものから構成される混合励起信 号である。周期成分は、周期重み付けフィルタを通過した、パルス分散フィルタ （McCreeらにより記述）のインパルス応答である。雑音成分は雑音重み付けフィ ルタを通過したランダムな雑音である。 周期重み付けフィルタは、ブレークポイント（kHz）及び振幅で表される20次 の有限インパルス応答（FIR）フィルタである。 雑音重み付けフィルタは、逆の応答を備える20次のFIRフィルタであり、した がって両者併せて周波数帯域全体にわたる一様な応答が生成されるのである。LPC パラメータ符号化 本実施例においては、線形スペクトル対周波数（LSF）の符号化に予測が利用 され、この予測は適応性のものである。ベクトル量子化を用いることもできるが 、計算量と記憶容量の双方を節約するためにスカラー符号化法が用いられる。図 11に符号体系の全体像を示す。LPCパラメータエンコーダ146において、入力l_i(t ) が予測器150からの予測値の負の値 と共に加算器148へと供給されて、予測誤差が与えられ、これが量子化器152によ り量子化される。量子化された予測誤差は、Rice符号化法により154において符 号化されて出力を得、また予測器150の出力と共に加算器156にも供給されて予測 器150への入力が得られる。 LPCパラメータデコーダ158において、誤差信号がRice符号化法により160で符 号化され、予測器164の出力と共に加算器162へと供給される。現在のLSF成分の 予測値に対応する和が加算器162から出力され、そして予測器164の入力にも供給 される。LSF 予測 予測段は、現在のLSF成分をデコーダが現在利用できるデータから予測する。 予測誤差のばらつきは、元の値よりも小さいと考えられ、したがって与えられた 平均誤差でこれをより低いビットレートで符号化することができる。 時間ｔにおけるLSF要素ｉをl_i(t)で表わし、デコーダにより回復されたLSF要 素をl_i(t)で表わす。これらのLSFが、与えられた時間枠内の増加インデックス順 で、時間に連続的に符号化された場合、l_i(t)を予測するために以下の値が利用 される。 及び 従って一般線形LSF予測値は； となり、ここでa_ij(τ)は からの の予測に関係した重み付けである。 一般的に、高次予測器は適用においても予測においても計算的に効率的ではな いため、a_ij(τ）の値はわずかなセットしか利用するべきではない。非量子化LS Fベクトルで実験を実施した（例えば様々な予測器の構成の性能を調べるために からではなく、l_j(τ)から予測を行なった）。結果は以下の通りである。 装置Ｄ（図12に図示）が効率−誤差間のかねあいにおいて最良のものであった。 予測器が適応的に修正される体系が用いられた。適応的更新は以下に基づいて 行われる； ここでρは適応率を決定する（ρ＝0.005で4.5秒の時定数が得られ、この値が適 していることが判明）。Ｃ_xx及びＣ_xyの項は以下のようなトレーニングデータか ら初期化される。 及びここでy_iは予測されるべき値(l_i(t))及びx_jは予測器入力（l、l_i(t-1)等を含む ）のべクトルである。方程式（８）で画定される更新は、各フレームと周期的新 最小平均自乗誤差（MMSE）予測器係数ｐがＣ_xxｐ＝Ｃ_xyを解くことにより算出さ れてから適用される。 適応型予測器は、例えば話し手の違い、チャンネルもしくはバックグラウンド 雑音の相違が原因でトレーニング条件と稼動条件との間に大きな違いがある場合 にのみ必要となる。量子化及び符号化 予測器の出力 が与えられ、予測誤差が で計算される。これはスケーリングにより一様に量子化され、誤差 を得、この誤差はその後他の全てのパラメータと同様に無損失符号化法で符号化 される。適したスケーリング因数は160.0である。無声に分類されたフレームに ついては、より粗い量子化法を用いることができる。結果 自己相関領域結合を利用した広帯域LPCボコーダの明瞭度を4800bpsのCELPコー ダ（Federal Standard 1016）（狭帯域スピーチに利用される）の明瞭度と比較 するために診断的押韻試験（DRT）(W.D.Voiersによる「Diagnostic Evaluation of Speech Intelligibility」(Speech Intelligibility and Speaker Recogniti on、M.E.Hawley、cd.、pp374−387、Dowden、Hutchinson & Ross、Inco.、1977) に記載）を行なった。LPCボコーダについては、量子化レベル及びフレーム周期 が、平均ビットレートが約2400bpsとなるように設定された。表２の結果からわ かるように、広帯域LPCボコーダのDRTスコアはCELPコーダのスコアを上回ってい る。 上述の第二の実施例にはLPCボコーダに対する最近の強化策が２つ施されてい る。具体的には、パルス分散フィルタ及び適応型スペクトル強化法であるが、し かし本発明の実施例に、最近発表された数多くの強化策の中から他のいずれの特 長を取り込んでも良いことは言うまでもない。

───────────────────────────────────────────────────── フロントページの続き (72)発明者 セイムール，カール，ウィリアム イギリス国ケンブリッジ・シービー５・８ ディーエヌ，パルソネイジ・ストリート・ 26 (72)発明者 ロビンソン，アンソニー，ジョン イギリス国ケンブリッジ・シービー４・３ イーエックス，ハーベイ・グッドウィン・ アベニュー・39 【要約の続き】

Claims (1)

1. 【特許請求の範囲】 １．エンコーダ及びデコーダを含む、音声信号を符号化及び復号化するための音 声符号化システムであって、前記エンコーダが； 前記音声信号を高及び低副帯域信号へと分解するための手段と； 前記低副帯域信号を符号化するための低副帯域符号化手段と； ソース−フィルタモデルに基づいて前記高副帯域信号の少なくとも非周期成分 を符号化するための高副帯域符号化手段と；を含み 前記デコーダ手段が、前記符号化された低副帯域信号及び前記符号化された高 副帯域信号を復号化し、そこから音声出力信号を再生するための手段からなり、 前記デコーダ手段が、フィルタ手段と、合成音声信号を生成するために該フィ ルタ手段を通過させる励起信号を生成するための励起手段とを含み、該励起手段 が、前記音声信号の高副帯域に対応する高周波数帯域中の合成された雑音の実質 的な成分を含む励起信号を生成するように作動可能であることを特徴とする音声 符号化システム。 ２．前記デコーダ手段が、符号化された低及び高副帯域信号をそれぞれ受信して 復号化するための、低副帯域復号化手段及び高副帯域復号化手段とを含む、請求 項１に記載の音声符号化システム。 ３．前記励起信号の前記高周波数帯域全体が、実質的に合成雑音信号からなる、 請求項１又は２に記載の音声符号化システム。 ４．前記励起信号が、合成雑音成分と、前記低副帯域音声信号の１つ以上の高調 波に対応するさらなる成分とを混合したものを含む、請求項１又は２に記載の音 声符号化システム。 ５．前記高副帯域符号化手段が、高副帯域エネルギーもしくは利得値と、１つ以 上の高副帯域スペクトルパラメータとを得るために前記高副帯域信号を分析して 符号化するための手段を含む、請求項１〜４のいずれか１項記載の音声符号化シ ステム。 ６．前記１つ以上の高副帯域スペクトルパラメータが２次のLPC係数を含む、請 求項５に記載の音声符号化システム。 ７．前記符号化手段が、前記高副帯域中のエネルギーを測定するための手段を含 み、これにより前記高副帯域エネルギーもしくは利得値を導き出す、請求項５又 は６に記載の音声符号化システム。 ８．前記符号化手段が、前記高帯域信号中の雑音成分のエネルギーを測定するた めの手段を含み、これにより前記高副帯域エネルギーもしくは利得値を導き出す 、請求項５又は６に記載の音声符号化システム。 ９．前記高副帯域信号中の前記エネルギーをモニタし、これを前記高及び低副帯 域エネルギーのうちの少なくとも１つから導き出したしきい値と比較し、さらに 前記モニタしたエネルギーが前記しきい値よりも低い場合、前記高副帯域符号化 手段に最小符号出力を供給させるための手段を含む、請求項７又は８に記載の音 声符号化システム。 １０．前記低副帯域符号化手段が、スピーチコーダを備え、また有声−無声判定 を行なうための手段を含む、請求項１〜９のいずれか１項記載の音声符号化シス テム。 １１．前記復号化手段が、音声信号が有声であるか無声であるかによって、前記 励起信号中の雑音エネルギーを調節するために前記高帯域符号化信号中のエネル ギー及び前記有声ー無声判定に応答する手段を含む、請求項１０に記載の音声符 号化システム。 １２．前記低副帯域符号化手段がMPEG音声コーダを含む、請求項１〜９のいずれ か１項記載の音声符号化システム。 １３．前記高副帯域が、2.75kHzよりも高い周波数を含み、前記低副帯域が2.75k Hzよりも低い周波数を含む、請求項１〜１２のいずれか１項記載の音声符号化シ ステム。 １４．前記高副帯域が４kHzよりも高い周波数を含み、前記低副帯域が４kHzより も低い周波数を含む、請求項１〜１２のいずれか１項記載の音声符号化システム 。 １５．前記高副帯域が5.5kHzよりも高い周波数を含み、前記低副帯域が5.5kHzよ りも低い周波数を含む、請求項１〜１２のいずれか１項記載の音声符号化システ ム。 １６．前記高副帯域符号化手段が、800bpsよりも低い、好ましくは300bps程度の ビットレートで前記雑音成分を符号化する、請求項１〜１５のいずれか１項記載 の音声符号化システム。 １７．前記高副帯域信号が、前記スペクトルパラメータの決定には相対的に長い フレーム周期で、そして前記エネルギーもしくは利得値の決定には相対的に短い フレーム周期で分析される、請求項５又はその従属請求項のいずれか１項記載の 音声符号化システム。 １８．音声信号を符号化及び復号化するための音声符号化方法であって； 前記音声信号を高及び低副帯域信号へと分解するステップと； 前記低副帯域信号を符号化するステップと； 前記高副帯域の少なくとも非周期成分を、ソース−フィルタモデルに基づいて 符号化するステップと；さらに 前記符号化された低副帯域信号及び前記符号化された高副帯域信号を復号化し て音声出力信号を再生するステップと；を含み、 前記復号化するステップが、前記音声信号の高副帯域に対応する高周波数帯域 幅中の合成雑音の実質的な成分を含む励起信号を供給するステップと、該励起信 号をフィルタ手段を通して合成音声信号を生成するステップとを含むことを特徴 とする方法。 １９．音声信号を符号化するための音声エンコーダであって； 前記音声信号を高及び低副帯域信号へと分解する手段と； 前記低副帯域信号を符号化するための低副帯域符号化手段と；さらに 前記高副帯域信号の少なくとも雑音成分をソース−フィルタモデルに基づいて 符号化するための高副帯域符号化手段とを含むことを特徴とする音声エンコーダ 。 ２０．音声信号を符号化する方法であって； 前記音声信号を高及び低副帯域信号へと分解するステップと； 前記低副帯域信号を符号化するステップと；さらに 前記高副帯域信号の少なくとも雑音成分をソース−フィルタモデルに基づいて 符号化するステップとを含むことを特徴とする方法。 ２１．請求項２０に記載の方法に基づいて符号化された音声信号を復号化するた めの音声デコーダであって、フィルタ手段と、合成音声信号を生成するために前 記フィルタ手段を通過させる励起信号を生成するための励起手段とを含み、該励 起手段が前記音声信号の高副帯域に対応する高周波数帯域中の合成雑音の実質的 な成分を含む励起信号を生成するように作動可能である音声デコーダ。 ２２．請求項２０に記載の方法に基づいて符号化された音声信号を復号化するた めの方法であって、入力音声信号の高副帯域に対応する高周波数帯域幅中の合成 雑音の実質的な成分を含む励起信号を供給するステップと、該励起信号をフィル タ手段に通して合成音声信号を生成するステップとを含む方法。 ２３．エンコーダ手段及びデコーダ手段を含む、スピーチ信号を符号化及び復号 化するための符号化システムであって； 前記エンコーダ手段が： 前記スピーチ信号を、ともに少なくとも5.5kHzの帯域幅を画定する低及び高副 帯域へと分解するためのフィルタ手段と； 前記低副帯域に相対的に高次のボコーダ分析を実施し、前記低副帯域を表わす LPC係数を含むボコーダ係数を得るための低副帯域ボコーダ分析手段と； 前記高副帯域に相対的に低次のボコーダ分析を実施し、前記高副帯域を表わす LPC係数を含むボコーダ係数を得るための高副帯域ボコーダ分析手段と； 前記低及び高副帯域係数を含むボコーダパラメータを符号化し、記憶及び／又 は伝送用に符号化信号を供給するための符号化手段とを含み；さらに 前記デコーダ手段が： 前記符号化信号を復号化し、前記低及び高副帯域ボコーダ係数を含むボコーダ パラメータを得るための復号化手段と； 前記高及び低副帯域からのボコーダパラメータからLPCフィルタを構成し、前 記フィルタ及び励起信号から前記スピーチ信号を合成するための合成手段とを含 むことを特徴とする符号化システム。 ２４．前記低副帯域ボコーダ分析手段及び前記高副帯域ボコーダ分析手段がLPC ボコーダ分析手段である、請求項２３に記載の音声符号化システム。 ２５．前記低副帯域LPC分析手段が10次以上の分析を実施する、請求項２４に記 載の音声符号化システム。 ２６．前記高帯域LPC分析手段が２次の分析を実施する、請求項２４又は２５に 記載の音声符号化システム。 ２７．前記合成手段が、前記低副帯域及び前記高副帯域を再合成し、前記再合成 された低及び高副帯域を結合するための手段を含む、請求項２３〜２６のいずれ か１項記載の音声符号化システム。 ２８．前記合成手段が、低副帯域及び高副帯域のパワースペクトル密度をそれぞ れに判定するための手段と、相対的に高次のLPCモデルを得るために前記パワー スペクトル密度を結合するための手段とを含む、請求項２７に記載の音声符号化 システム。 ２９．前記結合するための手段が、前記結合したパワースペクトル密度の自己相 関を決定するための手段を含む、請求項２８に記載の音声符号化システム。 ３０．前記結合するための手段が、前記低及び高副帯域のパワースペクトル密度 関数の自己相関をそれぞれに決定し、さらに前記自己相関を結合するための手段 を含む、請求項２９に記載の音声符号化システム。 ３１．スピーチ信号を符号化するための音声コーダ装置であって； 前記スピーチ信号を低及び高副帯域へと分解するためのフィルタ手段と； 前記低副帯域信号に相対的に高次のボコーダ分析を実施し、前記低副帯域を表 わすボコーダ係数を得るための低帯域ボコーダ分析手段と； 前記高副帯域信号に相対的に低次のボコーダ分析を実施し、前記高副帯域を表 わすボコーダ係数を得るための高帯域ボコーダ分析手段と；さらに 前記低及び高副帯域ボコーダ係数を符号化し、記憶及び／又は伝送用に符号化 信号を供給するための符号化手段とを含むことを特徴とする音声コーダ装置。 ３２．請求項３１に記載のコーダ装置により符号化されたスピーチ信号を合成す るための音声デコーダ装置であって、前記符号化されたスピーチ信号が、低副帯 域及び高副帯域のLPC係数を含むパラメータを含み、 前記符号化された信号を復号化し、前記低及び高副帯域LPC係数を含むLPCパラ メータを得るための復号化手段と；さらに 前記高及び低副帯域のボコーダパラメータからLPCフィルタを構成し、前記スピ ーチ信号を前記フィルタ及び励起信号から合成するための合成手段とを含む音声 デコーダ装置。