駆動音源モデル • • • • 予測残差音源コード励振音源マルチパルス音源位相等化音源音声信号モデル S ( )  G( ) H ( ) スペクトル包絡パルス音源スペクトルノイズ音源スペクトル音源パラメータ T 音声合成フィルタ音声スペクトル予測残差信号波形自己相関係数スペクトル X(z) 音声 E(z)=A(z)X(z) X(z)=E(z)/A(z) T 予測残差 T E(z) 分析合成系と波形符号化分析合成系合成フィルタパルス・ノイズ音源信号 PCM 音声信号音声信号 4bit/sample 音声信号量子化 16,12,8,6,4,2,1 bit/sample 予測符号化（ADPCM) 予測残差信号量子化合成フィルタ 2bit/sample 1bit/sample 音声信号分析合成系と波形符号化 PHS 携帯電話 ISDN 音声信号の線形予測量子化誤差の電力は、入力信号電力に比例する. したがって、音声信号より予測残差信号の電力が小さくなるので、量子化誤差が小さくなる予測信号予測残差信号  en  xn  xn 予測符号化の基本構成予測次数と予測利得の関係適応予測符号化（ADPCM) 左図の真中のタイプが、聴覚のマスキング効果によって量子化雑音が最も聞こえにくい量子化雑音のスペクトル成形音声量子化雑音同時マスキング純音より雑音のパワーが20dB 大きいためマスキーよりマスカーの周波数が低い方がマスキングされやすい 20dB 80dBSPL 臨界帯域耳による周波数分析低い周波数ほど精密な周波数分析を行っている耳の生理的構造耳の周波数分析特性耳は、周波数の対数に比例した周波数分析精度（分解能）を持つ. 各ピークの周波数より高い周波数で急激に感度が低下する. ベクトル量子化コードブック c1 c2 入力信号 cM Fx I G x J x  GJ J G G Hx JK 1 2 コードベクトルの数が M  2 B のとき、1サンプル当りの量子化ビット数は B / n となる. たとえば、n=20でB=10ならば、 0.5ビット/サンプルとなり1ビット以下になる n x1 xn x2 距離d (x, ci ) が最小となるコードベクトルを選択 ck コード励振形予測符号化（CELP) 予測残差信号の複数のサンプルをまとめて量子化する（ベクトル量子化）マスキングの利用符号化音声の誤差が最小になるように音源コードを決定する聴覚重み付けマッチング 1 A( z ) A(rz) hn wn ewn 音源信号聴覚重み付け二乗誤差重み付けしない二乗誤差 N 1 e    sn  sˆn  2 n N 1 2 wn 2 e n 0 N 1    sn  hn  vn  n 0 最小距離選択    wn  en  2 n 0 N 1 2    wn  sn  wn  sˆn  2 n 0 N 1    swn  wn  hn  vn  n 0 N 1    swn  hwn  vn  n 0 2 2 マルチパルス符号化 htを LPCフィルタのインパルス応答とすると、マルチパルス音源の信号モデルは次式で表される m xt   ht  pi (t  ti )  et i 1 各パルスの時点tiが与えられると、パルス振幅piは最小二乗法により決定される  x0   0        xt1   h0        h1  xti         x    N 1   x = 0 h0 h1 H   p1   e0             pi                         p   e    m   N 1  p + e 最小二乗解は次式で表される p = (H t H)-1 H t x パルス位置tiは、全ての組み合わせを全探索し、波形の二乗誤差が最小となる解を求める位相等化音源残差信号( c) を en、フィルタのインパルス応答を f n  et0  n / et0  n として、位相等化（零位相化）された残差信号( d) を次式で求める e pn  f n  en 位相等化された残差信号はパルス状の信号になるまた、位相等化残差信号を用いて合成した音声信号( b) は最小位相化されるが、位相に対して聴覚が鈍感であることから品質は原音声( a) とさほど変わらない位相等化残差信号は少数のパルス列( e) で表すことができ、この音源を用いて聴覚的に等価な音声( f ) を合成することができる