228_088-210CP-TW

:::

228_088-210CP-TW

發佈日期 : 2009-04-29

發明專利說明書
﹝本說明書格式，順序及粗體字，請勿任意更動，※號部份請勿填寫﹞
	※申請案號： 089110061
	※申請日期： 20000524 ※ＩＰＣ分類： Int.Cl.(7) G10L 19/00

一、發明名稱： (中文/英文)
	聲音聽覺特性使用於殘值轉換可變速率語音編解碼器(全文下載) VARIABLE-RATE RESIDUAL-TRANSFORM VOCODERS USINGAUDITORY PERCEPTION APPROXIMA TION
二、申請人：共 1 人
	1 . 　姓名或名稱：(中文/英文) 　　行政院國家科學委員會 / NATIONAL SCIENCE COUNCIL 　代　表　人：(中文/英文) 　　 / 　住居所或營業所地址：(中文/英文) 　　台北巿和平東路二段一○六號十八樓 / 　國　　　　籍：(中文/英文) 　　中華民國 / TW
三、發明人：共 2 人
	1 . 　姓名：(中文/英文) 　　楊家輝 / YANG, JAR-FERR 　國　　　籍：(中文/英文) 　　中華民國 / TW 　 2 . 　姓名：(中文/英文) 　　林榮三 / LIN, RONG-SAN 　國　　　籍：(中文/英文) 　　中華民國 / TW
四、聲明事項
	□主張專利法第二十二條第二項 □ 第一款或 □ 第二款規定之事實，其事實發生日期為：年　月　日 □申請前已向下列國家(地區)申請專利: 　【格式請依:受理國家(地區)、申請日、申請案號、順序註記】
	□ 有主張專利法第二十七條第一項國際優先權：　□無主張專利法第二十七條第一項國際優先權：
	□ 主張專利法第二十九條第一項國內優先權：　【格式請依:申請日、申請案號、順序註記】
	□ 主張專利法第三十條生物材料：　□ 須寄存生物材料者：　　　國內生物材料【格式請依:寄存機構、日期、號碼、順序註記】　　　國外生物材料【格式請依:寄存國家、機構、日期、號碼、順序註記】
□ 不須寄存生物材料者: 　　　所屬技術領域中具有通常知識者易於獲得時，不須寄存。

五、中文發明摘要：
	本發明提出一新類型的具可變速率、低計算量、低複雜度之語音騙解碼裝置，本裝置可整合編碼器與解碼器於簡易的單一數位訊號處埋(DSP)晶片以達到即時(Real－time)執行，所以本發明可應用於現今頻寬變化之一般公眾電話系統、網際網路、與無線通訊網路之電話傳輸，俱可依通訊品質及頻寬變化需要而改變位元率的特性。　　本裝置之核心採用一適應性語音基週預估器(Adaptive Pitch Predictor)，配合語音殘值之離散餘弦轉換（Discrete Cosine Transform，簡稱DCT），並以人類耳朵對聲音感知特性進行量化編碼，且在編碼端及解碼端分別使用預強調濾波器(Pre－emphasized Filter)及去強調濾波器(De－emphasized Filter)來改善語音的品質。本系統所需要的計算量遠低於傳統的碼激式線性(CELP)騙解碼器，且在改變位元率時本發明不需要改變系統之結構，有別現今編解碼器需改變其系統之結構優點，由以上可知本發明是一項新穎且具實用性的語音編碼裝置。　　本發明提出一新類型的具可變速率、低計算量、低複雜度之語音編解碼裝置，本裝置包含一適應性語音基週預估器，配合語音殘值之離散餘弦轉換(DCT)，並以人類耳朵對聲音感知特性進行量化編碼，且在編碼端及解碼端分別使用預強調濾波器及去強調濾波器來改善語音的品質。

六、英文發明摘要：
	In this invention, a simple variable ratevocoder for compressing the speech with lowcomputational complexity is proposed by exploitingan adaptive pitch predictor, discrete cosinetTansform (DCT) on its residual signal, andperceptual representation of the DCT coefficients.To improve the speech quality, we further suggestpre-emphasized and de-emphasized filtersrespectively figured in the encoder and thedecoder. The proposed speech coder, which achievesa reasonable quality but with much lowercomputational complexity than the traditionalcoded excited linear prediction (CELP) coders, cansimultaneously offer multiple bit rates withvarlous speech quality in the same codingstructure. The real-time implementation comprisingboth encoder and decoder in a single low cost DSPchip confirms that the proposed vocoder producesn acceptable speech quality. With simple andariable-rate advantages, the proposed vocoder issuitable for providing digital speechcommunication over PSTN, internet, and wirelessnetworks to achieve quality-of-serviceapplications

七、指定代表圖：
（一）本案指定代表圖為：
（二）本代表圖之元件符號簡單說明：



八、本案若有化學式時，請揭示最能顯示發明特徵的化學式：


九、發明說明：
	發明背景　　數位多媒體通訊之時代，隨著網際網路之潮流及行動無線電話之風行，大量的使用者伴隨著傳輸頻寬嚴重的不足，多媒體訊號的壓縮技術及標準亦相形的重要。由於網際網路與無線網路之頻寬會隨著時間與空間環境改變而改變，為同時提高服務品質及使用率的考量，所以我們必須發展一套：可變速率的語音解碼器，平時以高率提供高品質通訊；當傳輸頻寬壅塞時，我們可機動降低些許語音品質以低速率消除壅塞，以防止通訊的斷訊。為了達到多媒體通訊的時代目的，國際動態影像專家群(MPEG)組織議訂定了MPEG-4音頻協定，亦建議可調式位元率之多媒體編解碼架構’可變速率語音編解碼系統之重要性亦可獲得重視與發展。包括MPEG-4音頻協定，目前所使用的低率壓縮語音編解碼系統，乃採用線性預估碼激式(CELP)，如ITU所訂G.723.1編解碼器，其系統架構之複雜度及演算法均相當龐大，它雖然有5.3Kbps及6.3Kbps二種位元率，然編解碼壓縮位元率是卻無法改變，且編碼端所使用的核心結構也不是完全一樣，無法使用單一系統架構完成多率語音編碼。雖然國際MPEG組織所訂定MPEG-4音訊協定標準之位元率是可調式，但整個架構之複雜度及計算量都達大於CELP及ITUG.723.1系統。在多媒體通訊實際運用上，我們不可能在個人電腦或DSP微處理晶片上，將所有高計算複雜之多速率編碼器與解碼器同時實現在一顆DSP或CPU晶片上，執行即時編解語音的工作。習知技藝　　多媒體通訊系統中，傳輸頻寬會因時間上隨使用者的人數多寡及所遭遇的環境有很大的變化，因此為促進網際網路和無線通訊的發展，降低頻寬的使用有其必要性。從1975年以來已經有很多編解碼器可以在低位元率下產生高品質的語音，大部份的編解碼器均利用線性預測以保持語音頻譜特性來模擬發音波形的模式，達成人類耳朵感知最佳化的編碼特性，以獲得語音壓縮的目標。近年來A.Gersho於1994年Proc.IEEE第82卷第6期第900-918頁，A.S.Spanias於1994年Proc.IEEE．第82卷第10期第1541-1582頁基於線性預估碼激式(CELP)技術已被証明可以往2.4~4.8Kb/s內合成好的語音品質。CELP在低位元率編解碼時是經由分析率合成程序，使用短項與長項預估的方法，藉著二級向量量化，並利用閉迴路搜尋碼本來得到激發訊號，本發明知道採用閉迴路搜尋需花費很大的計算量，即使是利用快速演算法，仍很難實現在同一個廉價的DSP晶片上達到即時(ReaL-time)執行編碼與解碼的程序。至於可變速率的應用在現今文獻中，其向量量化編碼程序需要使用大小不同維度的碼本，所以計算量很大，而Y.Shoham於1993年Proc.ICASSP-93第Ⅱ-167-169頁說明以頻率或轉換領域來壓縮語音，轉換編碼方式是屬於中等的計算量，可產生相當好的語音品質。其中離散餘弦轉換(DCT)不僅能產生最佳的能量聚集，也具有語音共振峰及基週結構的頻譜特性，更值得注意的是以DcT為基礎編解碼器可以運用在不同的速率中，而不需要改變原型編解碼技術。也就是說藉著改變被編碼的DCT係數的數目而達到改變傳輸速率。在高位元率時，本發明僅需要增加小小的計算量就可改善基本編解器產生較好的語音品質，相反的在低位元率時，可以輕易刪除一些較不重要的DCT係數以降低數據，然而根據文獻，以DCT為基礎的編碼器，在較高的位元率時能產生很好的語音品質，但是在較低的位元率中，假如沒有適當的利用人類耳朵對聲音的特性來重建訊號，會產生嚴重的嗡嗡聲及水聲等雜音。發明目標　　本發明之首要目的係揭示一新型的可變速率語音編解系統，具有架構簡單、計算量很小、位元率改變時不須改變系統之結構的優點，且採用了人類耳朵對聲音的特性，進行話音壓縮編碼。為了更進一步改善語音品質，在本系統編解碼端使用預強調及去強調兩濾波器，這兩個濾波器之參數不需要浪費額外的位元來傳送，而傳統架構的方法卻需要傳送每一音框濾波器的參數至解碼端，這又是本系統的另一特色。本發明因系統架構簡單，編解碼器可同時整合在一起其演算法計算量在DSP晶片上只佔約17MIPS，若採用MMX指令，其佔CPU執行時間又可大大的降低，所以本發明可適用於行動無線電話，電腦語音整合及網際網路電話發明之詳細說明　　本發明提出一新型可變速率語音編解器，藉著利用一些重要的聽覺特性及口腔模式的編解碼程序，來建構系統架構。首先介紹基率(Base Rate)編解碼器，它是利用適應性預估基週器和採用人類耳朵聽覺的特性對DCT係數編碼，及使用預強調和去強調濾波器來壓縮語音。依所需語音品質，依序增加被編碼的DCT係數而增加速率，以達到漸次提高合成語音的品質特性。為了評估其性能及計算複雜度，本發明以DSP晶片及個人電腦上實現即時編碼及解碼程序。　　本發明「一種聽覺特性用於殘值轉換可變速率語音編解碼裝置」，其係一種使用聽覺特性之預強調濾波的於基週預測殘值轉換之可變速率語音編碼及其相對應之解碼與去強調濾波裝置，該裝置包括：－一預強調濾波器H _pre (z)：將原始輸入語音信號s _i (n)處理成預強調語音訊號s(n)；其濾波器之係數是利用前K個解碼的音框語音訊號，經P階的線性預估器(LPC)求得之P個係數，{α _i ,i=1,2, _… ,P}組成，其中　　　　－二階適應性預估器：該預估器利用適應性碼本(Codebook)經最小平方差，求得到一週期參數i及j及增益參數和，並利用一減法器，將上述預強語音信號s(n)減去上述週期參數及增益參數求得到一預估訊號) (n)，而得到一殘值訊號x(n)；－離散餘弦轉換器(DCT)：接收上述減法器殘值訊號x(n)，以每(N-M)點取成一輸入音框，依時域重疊M，建立N點轉換音框，再轉成N點的DCT係數X[k]；輸入音框時域(N-M)點前取重疊M點以建立N點轉換音框時，一框窗函數(Frame Window Function) w[n]=1,M n N-M-1;w[n]=(2n+1)/2M,0 n M-1;w[n]=[2(N-n)－1]∕2M,N-M n N-1;聽覺特性DCT係數挑選器：接收前述N點DCT係數X[k]根據人類耳朵聽覺特性及人類對頻率變動聽覺的容許誤差，DCT係數的統計特性，將N點的係數在頻率域分成五段不同解析區域，依耳朵感知特性挑選M個係數之絕對值組成一DCT係數向量，X={X ₁ ,X _2… ,X _M }形成基率(Base Rate)編碼以及高率(HighRate)之DCT係數；－DCT量化器：將上述被挑選基率DCT係數向量，以加權向量量化(Yector Quantization)求得最佳碼字索引(CodebookIndex)參數k及最佳碼字量化增益(Quantized CodebookGain) ₃ ，將上述被挑選高率之DCT係數，以已量化編碼基率DCT係數為參考進行純重量化(Scalar Quantization)；其中DCT係數挑器得在頻率域分成A,B,C,D,E五段不同解析的區域，分別為A與B兩區域是250Hz,C區域是500Hz,D區域是1KHz，E區域是2KHZ等頻寬。在基率(Basic Rate)編碼時，A,B,C,D四個區域內各選絕對值最大DCT值係數以增益向量編碼之；在低率((Low Rate)時，再增加編碼A、B兩區域內各附加的一點DCT係數（即是於本編瑪架構上，另增加A區域和B區域以聽覺遮閉效應為參考選擇個別附加編碼一點DCT係數，且以該區域內最大DCT值來正規化後，以3位元純量量化）；在中率(Middle Rate)時，再增加編碼C,D兩區域內各附加的一點DCT係數（即是於本編瑪架構上，另新增C,D兩區域以聽覺遮閉效應為參考選擇個別附加編碼一點DCT係數’且以該區域內最大DCT值來正規化後，以3位元純重量化）；在高率(HighRate)時，以中率為基礎增加編碼E區域內的4點DCT係數（即是於本編碼架構上，另新增在E區域內根據聽覺的遮閉效應，以3位元淬取出4個DCT係數其位置之編碼），如表（一），其中位置索引以選擇所對應位置之DCT能量總和最大者，其大小以4位元來編碼其碼本索引，碼字大小增益以3位元解析利用等機率純量量化來編碼：　　　　－一參數多工器：整合上述週期參數i及j，週期增益參數 ₁ 和、DCT碼字索引k、DCT量化增益 ₃ 、以及因高速率所增送之DCT係數之量化等數據，形成一壓縮數據流，完成多率語音壓縮；－一參數解多工器：將上述壓縮數據流分離成週期參數i及j、週期增益參數 ₁ 和、DCT碼字索引k，M個DCT正負值、DCT量化增益 ₃ 、以及因高速率所增送之DCT係數之量化等數據，開始語音解壓縮；離散餘弦轉換組成器：將上述參數解多工器所解出之DCT碼字索引k、M個DCT正負值、及DCT量化增益 ₃ ，先執行M點DCT係數之重建，再將增送之DCT係數之反量化，其餘係數則以零值之重建，完成N點DCT係數之重建；逆離散餘弦轉換(IDCT)器，將上述重建之N點DCT係數轉換為N點重建音框殘值訊號，並前M點與上一個重建音框之後M點相加，以重建(N-M)點殘值 (n)訊號；－二階預估產生器，將上述參數解多工器所解出之週期參數i及j以及週期增益參數 ₁ 和產生與編碼端完全相同之預估訊號 (n)；即是以一個連續的適應性碼字C _i 與C _j ，其相對應的碼字增益β ₁ ,β ₂ ，以產生一預估語音向量S _m ，其關係如下式：S _m =β ₁ C _i +β ₂ C _j ，其中j=i±1，且最佳基週參數i＝。最佳基週參數j=i-1如；反之j=i+1如 < 。和以最少平方誤求得，其中最佳之量化以等機率純重量化為 ₁ 。之量化則先以ρ=β / ₁ 轉換，再將ρ純量量化為。　　－加法器：將上述重建音框殘值訊號 (n)及預估訊號 (n)相加，以重建預強語音信號 (n)；－去強調濾波器H _de (z)：將上述重建預強語音信號 (n)處理成為最後重建語音信號 _i (n)完成語音之解壓縮；　　茲再就本發明相關技術結構說明如下　　（一）、編解碼器方塊圖圖（一）和圖（二）是本發明所提出的聽覺特性用於殘值轉換可變速率語音編碼器及解碼器的基本結構。本發明所提編碼演算法是以一個音框(frame)N點DCT值為編碼核心，為了減少DCT轉換時產生方塊效應(Blocky Effect)造成之雜訊，本發明在音框間有M點的語音取樣重疊，如圖（三）所示。為了降低DCT轉換時產生之雜訊，本發明在編解碼端使用預強調100和去強調濾波器180處理，如圖（一）、（二）所示。原來的語音經預強調濾波器處理再減去基週預估訊號得到殘值訊號，然後將殘值訊號經離散餘弦轉換(DCT)110轉換成DCT係數。再採用人類心理音響學耳朵的特性，針對N點的該音框DCT值選擇較大可聽見的(Audible)DCT係數來量化編碼。在解碼端由反向量量化及逆DCT轉換(IDCT)130得N點殘值音框訊號後，再與N點的適應性基週預估訊號相加260，再經去強調濾波器180處理，得到N點合成語音，以上這些詳細描述如下：　　（二）、二階適應性預估器類似CELP編碼器，適應性預估器是使用最小平方誤差標準，以閉迴路分析來完成。在147點取樣長度的適應性碼本140，以碼字線性重疊方式儲存有128個碼字，這些碼字是過去音框所預估解碼出來的語音訊號，碼本的指標由0到127個對應到128個整數基週延遲，範圍由20至147取樣，也就是指標0對應到20的基週延遲，指標1對應到21的基週延遲等等。在一音框語音內基週的延遲近似固定，這假設是合理的，然而不保証是整數延遲，對於非整數的基週延遲，本發明使用一簡化的二階預估如下式S _m =β ₁ C _i +β ₂ C _j , for j=i±1 (1)這裡的C _i 和C _j 是二個主要連續的碼字，其相對應的碼字增益為β ₁ 和β ₂ ，由於現在的預估訊號向量S _m 是由二個連續碼字做線性組合產生，它的物理意義是這兩個碼字做內插，因此很明顯的二階適應性預估器可產生非整數週期特性的語音訊號。碼本指標i是屬於主要的基週延遲，而指標j是第二的基週延遲，為了減化計算量，所以搜尋主要的指標i是根據一階的預估標準，如下式：　　　　這裡的S是原來輸入的預強調音框訊號，與碼本裏的第i個碼字有最大相關，註標表示引數的最佳解，一旦最佳的主要基週被找到，本發明直接使用式(2)計算相關值，求出i+1或1-1，如下式　　　　來決定那一個當做最佳第二基週指標j，已知i和j，本發明能定義最小平方誤差標準，如下式∥E∥ ² =∥S-β ₁ C _i* -β ₂ C _j* ∥ ² =∥S∥ ² +β ∥C _i* ∥ ² +β ∥C _j* ∥ ² -2β ₁ SC _j* -2β ₂ SC _j* +2β ₁ β ₂ C _i* C _jj (4)藉著個別對β ₁ 和β ₂ 偏微分，且令等式為零得到下列(5)、(6)兩式：　　　　求解(5)(6)兩式得到最佳主要及第二基週增益，β 和β 其表示如下列(7)、(8)兩式：　　　　本發明所提出的簡化二階適應性預估器與一階預估器相比，僅僅需要一個額外位元來編碼j是等於i+l或1-1，主要的基週增益被編碼如同一階預估器方式，然而第二個基週增益β 首先被表示成ρ ^ = 然後以等機率純量量化，如此預估的殘值向量在二階預估處理後變成如下式（ ₁ 和分別表示β 和ρ ^* 經量化）: 　　　　（三）、預強調及去強調濾波器為了改善合成語音品質，在編碼端音框語音訊號先經預強調濾波器100處理在與適應性預估訊號相減後得N點殘值音框訊號再轉換成N點DCT係數，所以在解碼端逆DCT轉換210後的音框殘值訊號與預估基週音框訊號相加得到N點音框激發訊號再經去強調濾波器180處理得到合成語音；下列兩式為濾波器之轉移函數：　　　　預強調及去強調濾波器的參數之求取是利用前三個(K=3)解碼音框語音訊號組合成180點訊號經10階(p=10)的線性預估器(LPC)求得，由此可知濾波器的頻率響應特性隨著每個音框語音訊號而不同，故可以濾除因量化或其他因素所造成的雜訊。濾波器的加權因素a與b可依需要選定。由於這兩濾波器的參數由解碼音框語音求得，所以本發明在解碼端去強調濾波器的參數不需要由編碼端傳送。　　（四）、聽覺特性量化DCT係數為了改善合成的語音品質，本發明採用聽覺特性來量化離散餘弦轉換(DCT)係數，因為DCT轉換具有最佳能量聚集特性，且其計算量也比最佳KLT少而且已經有很多快速的DCT和逆離散餘弦轉換(IDCT)130演算法可供使用。其中DCT和IDCT之轉換公式如下：　　　　而x[n]是殘值訊號的第n個取樣樣本，而X[k]是第k個DCT係數。　　根據聽覺特性及DCT係數的統計特性。本發明建議一有效編碼技術來量化這些DCT係數，由於本發明必須傳輸被選擇到的DCT係數它的頻率索引及其大小，所以分成二部份編碼，一部份是編碼頻率索引，另一部份是編碼索引相對的量化大小，茲再說明如下：　　 A、DCT係數頻率索引編碼首先在頻率解析上低頻成份所支配的能量較高頻成份敏感，因此將著重於低頻DCT係數的量化及編碼使用較多位元數而高頻成份的DCT係數使用較少位元數。在轉換領域能量分佈觀念低頻成份較高頻成份重要，在相同的時間，人類耳朵聽覺特性，低頻範圍頻率偏移較靈敏，因此本發明在不同頻率範圍有不同的頻率解析度來編碼DCT係數，由於每一音框有N點的殘值訊號，因此殘值訊號的DCT係數也是N點，本發明根據頻率索引將N點DCT係數分成5段不同解析的區域，分割方式如圖(四)所示，在不同區域的DCT係數將用不同位元數編碼。根據人類聽覺的遮閉效應，高能量成份將遮閉其相鄰近的低能量成份，所以在每個區域內本發明選擇能量最大的DCT係數來編碼，頻率變率聽覺的容許誤差，是另一個重要的心理聽覺特徵，本發明編碼DCT係數也將採用這重要特徵，直接的說人類聽覺系統對低頻成份的偏移變動較高頻成份靈敏。對於8KHz的取樣頻率，N點DCT轉換區域對應4Khz的頻帶，因為低頻帶的DCT係數對聽覺系統較靈敏較重要，所以被分割成較小區域，分割情形如圖(四)所示，A和B兩區域是250Hz，C區域是500Hz，D區域是1KHz，E區域是2KHz，本發明可以隨可用頻寬的大小及所需語音品質而選擇性的編碼這五段區域內的DCT係數，例如5.4kbps時只編碼A,B,C,D四個區域內的4點最大DCT值，當品質需求提高時首先在A,B兩區域內根據人類聽覺的遮蔽效應以該區域內原來最大能量為參考，根據(15)式附加編碼一點相對位置之DCT係數，來增加其合成語音品質，例如X[2]是在A區域內最大DCT係數，則所附加的另一點DCT係數位置為X[0]，如此為6.4k位元率編碼。若所需語音品質還需提高時則增加在C,D兩區域內以A,B兩區域相同編碼方式各別附加編碼一點DCT係數如此為7.5k位元率。在編碼9.4kbps時以7.5kbps為基礎，增加補償高頻帶的誤差訊號所以在E區域內根據聽覺的遮蔽效應將N/2點DCT係數分成8群，每群有4個DCT係數，由這8群挑選出其中一群有最大功率和的指標以3位元來編碼頻率索引，所編碼的DCT位置如表一：　　　　 B、DCT振幅的向量及適應性量化例如在基率5.4kbps編碼技巧，根據前述原理被選到的頻率索引相對應的4個DCT係數振幅被編碼傳送到解碼端，其餘的DCT位置振幅大小補零，然後利用逆DCT轉換130重建被量化的殘值訊號，這4個被編碼的DCT係數使用加權量化其絕對值大小。碼字裏的每個元素有其自己的加權因素，在轉換領域屬於低頻元素支配較大的能量，所以它被加權較大，隨著頻率逐漸地增加而DCT係數大小的加權逐漸的減少，為方便和效率，DCT係數的振幅被表示成絕對值大小和帶正負符號，換句話說正負符號個別的被編碼，而絕對值大小以加權來量化，首先這4個DCT係數的正負符號用4位元來編碼，令X[k]為DCT頻率指標k的大小，k的範圍為0到N－1，例如，假設被編碼的頻率指標k為2,5,11,26其對應之振幅大小為X[2],X[5],X[11]，和X[26]必須被量化和傳送到解碼端。　　例如一般輸入向量X被表示為 =[x ₁ x ₂ x ₃ x ₄ ]，其中X _i 是DCT係數的絕對值大小，令M _k =[mk ₁ ,mk ₂ ,mk ₃ ,mk ₄ ]是DCT大小碼本的第k個碼字，以加權向量量化，測量距離的表示式如下式，　　　　 w _j 是誤差標率加權因素，β ₃ 是DCT碼字振幅的增益，加權因素有w ₂ >w ₁ >w ₃ >w ₄ 的特性，w ₁ 表示最低頻率的加權因素，由最小的距離，本發明能得到最相配的碼字K ^* 如下式，　　　　其相對的最佳增益β ₃ 被描述為如下式　　　　 4個DCT係數大小組成維度為4的向量碼本以5個位元來編碼其碼字索引，碼字大小的增益以4位元的解析利用等機率純量量化來編碼，其位元配置如表二。　　 6.4Kdps編碼器是以5.4Kbps為基礎在A區域和B區域以聽覺遮閉效應為參考，個別附加編碼一點DCT係數，其編碼如同上述採用絕對值大小及正負號分別量化和編碼，本發明首先利用該區域內被編碼最大DCT值來正規化所附加的DCT絕對值,例如，假設DCT係數 ₂ [2]是在基率5.4Kbps編碼器被編碼，則附加的DCT X[0]振幅大小被正規化表示成Ka= ，由於 [2]是在A區域內最大的DCT值所以將小於1，因此∣x[0]∣很容易藉由K _a = 來表示，K _a 利用3個位元做等機率純量量化，∣x[0]∣的重建被表示成∣ [0]∣= _a *∣ [2]∣, _a 表示K _a 被量化，其位元配置如表二。7.5Kbps編碼技巧以6.4Kbps編解碼器為基礎，但在C,D兩區域內所附加的DCT係數其振幅編碼方式如同A,B兩區域。9.4kbps編碼方式是以7.5kbps編碼器為基礎，新增E區域所淬取出4個DCT係數組成維度為4的向量碼本，然後以4位元來編碼其碼本索引，其碼字大小增益以3位元解析利用等機率純量量化來編碼。　　（五）即時(real-time)實現和客觀品質評估為了評估合成語音品質及計算複雜，本發明將基率5.4Kbps編碼器及解碼器同時整合在同一顆TMS320C30DSP晶片上且可以即時執行編解工作，外國文獻4.3Kbps的CELP編解器[10]每秒需要26百萬令(MIPS)，然而本發明的基率編碼器的複雜度僅需要9.58MIPS，表三是5.4Kbps之複雜度評估，至於合成語音品質的評估是以整段訊號與雜訊比值(SNR)，和每音框訊號與雜訊比值(SEGSNR)兩指標針對可變速率語音碼器與傳統4.sKbpsCELP做比較，如表四。由上述可知本發明所發明的可變速率語音碼器架構很簡單系統演法計算量很小，由表四可知在四種實驗的位元率都比CELP4.8Kbps有明顯好，且變速率語音碼器在改變傳輸位元率時僅需要花費很小的額外計算量，而不需要改變整個系統之架構，所以很適合以低成本的DSP硬體晶片來實現。圖式簡單說明　　表一區域E之DCT位置編碼表　　表二本發明之四段速率之位元配置表　　表三本發明可變速率語音編碼器之計算複雜分析表　　表四本發明可變速率語音編碼器之品質比較表　　第一圖可變速率語音編碼器之構造示意圖。　　第二圖可變速率語音解碼器之構造示意圖。　　第三圖音框窗函數(Frame Window Function)示意圖。　　第四圖64點DCT分成五段不同解析頻率區域之示意圖。主要元件符號說明　　 100．．．預強調濾波器H _pre (z) 　　 101．．．減法器　　 110．．．離散餘弦轉換(DCT) 　　 120．．．DCT量化　　 130．．．逆離散餘弦轉換(IDCT) 　　 131．．．基週預估增益、　　 140．．．適應性碼本　　 150．．．殘餘訊號記憶體　　 160．．．語音記憶體　　 170．．．線性預估係數分析　　 180．．．去強調濾波器H _de (z) 　　 190．．．參數多工器　　 200．．．參數解多工　　 260．．．加法器　　 270．．．乘法器

十、申請專利範圍：
	1.一種聲音聽覺特性使用於殘值轉換可變速率語音編解碼器，該裝置包括：－一預強調濾波器H _pre (z)，將原始輸入語音信號s _i (n)處理成預強調語音訊號s(n)；一二階適應性預估器，該預估器利用適應性碼本(Codebook)經最小平方差，求得到一週期參數i及j及增益參數 ₁ 和，並利用一減法器，將上述預強語音信號s(n)減去上述週期參數及增益參數求得到一預估訊號 (n)，而得到一殘值訊號x(n)；－離散餘弦轉換器(DCT)，接收上述減法器殘值訊號x(n)，以每(N－M)點取成一輸入音框，依時域重疊M，建立N點轉換音框，再轉成N點的DCT係數X[k]；－聽覺特性DCT係數挑選器，接收前述N點DCT係數X[k]，根據人類耳朵聽覺特性及人類對頻率變動聽覺的容許誤差，DCT係數的統計特性，將N點的係數在頻率域分成五段不同解析區域，依耳朵感知特性挑選M個係數之絕對值組成一DCT係數向量，X={X ₁ , _… X _M }形成基率(Base Rate)編碼以及高率(High Rate)之DCT係數，－DCT量化器，將上述被挑選基率DCT係數向量，以加權向量量化(Vector Quantization)求得最佳碼字索引(Codebook Index)參數k及最佳碼字量化增益(Quantized Codebook Gain) ₃ ,將上述被挑選高率之DCT係數，以已量化編碼基率DCT係數為參考進行純量量化(Scalar Quantization);－一參數多工器，整合上述週期參數i及j、週期增益參數 ₁ 和、DCT碼字索引k、DCT量化增益 ₃ 、以及因高速率所增送之DCT係數之量化等數據，形成一壓縮數據流，完成多率語音壓縮；－參數解多器，將上述壓縮數據流分離成週期參數i及j、週期增益參數 ₁ 和、DCT碼字索引k、M個DCT正負值、DCT量化增益 ₃ 、以及因高速率所增送之DCT係數之量化等數據，開始語音解壓縮；－離散餘弦轉換組成器，將上述參數解多工器所解出之DCT碼字索引k、M個DCT正負值、及DCT量化增益 ₃ ，先執行M點DCT係數之重建，再將增送之DCT係數之反量化，其餘係數則以零值之重建，完成N點DCT係數之重建；－逆離散餘弦轉換(IDCT)器，將上述重建之N點DCT係數轉換為N點重建音框殘值訊號，並前M點與上一個重建音框之後M點相加，以重建(N－M)點殘值 (n)訊號；一二階預估產生器，將上述參數解多工器所解出之週期參數i及j以及週期增益參數 ₁ 和產生與編碼端完全相同之預估訊號 (n)；一加法器，將上述重建音框殘值訊號 (n)及預估訊號 (n)相加，以重建預強語音信號 (n)；一去強調濾波器H _de (z)，將上述重建預強語音信號 (n)處理成為最後重建語音信號 _i (n)完成語音之解壓縮。　　 2.如申請專利範圍第1項所述之一種聲音聽覺特性使用於殘值轉換可變速率語音編解碼器，其預強調濾波器H _pre (z)之係數是利用前K個解碼的音框語音訊號，經P階的線性預估器(LPC)求得之P個係數，{α _i ,i=1,2, _… ,P}組成，其中：　　 3.如申請專利範圍第1項所述之一種聲音聽覺特性使用於殘值轉換可變速率語音編解碼器，其二階適應性預估器係以二個連續的適應性碼字G _i 與G _j ，其相對應的碼字增益β ₁ ,β ₂ ，以產生一預估語音向量S _m ，其關係如下式：S _m =β ₁ C _i +β ₂ C _j ，其中j=i±1，且最佳基週參數i= 。最佳基週參數j=i－1如；反之j=i+1如。和以最少平方誤求得。　　 4.如申請專利範圍第1項所述之一種聲音聽覺特性使用於殘值轉換可變速率語音編碼器，其二階適應性預估器之最佳適應性碼則先以p ^ = / ₁ 轉換，再將p ^* 純量量化為。　　 5.如申請專利範圍第1項所述之一種聲音聽覺特性使用於殘值轉換可變速率語音編解碼器，其中DCT量化器之係數挑器將頻率域分成A,B,C,D,E五段不同解析的區域，分別為A與B兩區域是250Hz,C區域是500Hz，D區域是IKHz,E區域是2KHz等頻寬。在基率(Bas eRate)編碼時，A,B,C,D四個區域內各選絕對值最大DCT係數值以增益向量編碼之；在低率(Low Rate)時，再增加編碼A,B兩區域內各附加的一點DCT係數；在中率(Middle Rate)時，再增加加編碼C,D兩區域內各附加的一點DCT係數；在高率(HighRate)時，以中率為基礎增加編碼E區域內的4點DCT係數者。　　 6.如申請專利範圍第1項所述之一種聲音聽覺特性使用於殘值轉換可變速率語音編解碼器，其輸入音框時域(N－M)點前取重疊M點以建立N點轉換音框時，一框窗函數(Frame Window Function)w[n]=I,M n N－M－1;w[n]=(2n+1)/2M,0 n M－1;w[n]=2(N－n)－1)/2M,N－M n N－1 _。　　 7.如申請專利範圍第1項所述之一種聲音聽覺特性使用於殘值轉換可變速率語音編解碼器，其中DCT量化器之係數，其向量編碼以4維度的向量碼本，其中以5個位元來編碼其碼字索引，碼字大小的增益以4位元的解析利用等機率純量量化。　　 8.如申請專利範圍第1項所述之一種聲音聽覺特性使用於殘值轉換可變速率語音編解碼器，其中DCT量化器之係數，其低率編碼以申請專利範圍第7項所述編碼架構上，另增加A區域和B區域以聽覺遮閉效應為參考選擇個別附加編碼一點DCT係數，且以該區域內最大DCT值來正規化後，以3位元純量量化。　　 9.如申請專利範圍第1項所述之一種聲音聽覺特性使用於殘值轉換可變速率語音編解碼區，其中DCT量化器之係數，於中率編碼以申請專利範圍第8項所述編碼架構上，另新增C,D兩區域以聽覺遮閉效應為參考選擇個別附加編碼一點DCT係數，且以該區域內最大DCT值來正規化後，以3位元純量量化。　　 10.如申請專利範圍第1頂所述之一種聲音聽覺特性使用於殘值轉換可變速率語音編解碼器，其中DCT量化器之係數，於高率時編碼以申請專利範圍第9項所述編碼架構上，另新增在E區域內根據聽覺的遮閉效應，以3位元淬取出4個DCT係數其位置之編碼如表一：其中位置索引以選擇所對應位置之DCT能量總和最大者，以4位元來編碼其大小碼本索引，碼字大小增益以3位元解析利用等機率純量量化來編碼。


十一、圖式：

瀏覽數: