隠れマルコフモデルとエントロピー符号化を用いたベクトル量子化
正 米崎, 清宏 鹿野 · Institutional Repositories DataBase (IRDB) · 1996
本論文では,隠れマルコフモデル(HMM)とエントロピー符号化を組み合わせた音声符号化方式を提案する.提案方式は,HMMでモデル化された音声の状態に応じて最適な符号系を生成することで,音声の高能率符号化を実現するものである.これまでに,信号源モデルとしてマルコフモデル(MM)を用いる有限状態ベクトル量子化(FSVQ)が提案されているが伝送路誤りに脆弱であることが指摘されてきた.これに対し,HMMではモデル内の確率的な分散で信号源の状態を表現しているため,誤りに強い信号源モデルであると言える.また,HMMは音声認識で広く利用されている優れた音声信号源モデルであるので,音声符号化でも大きな効果が期待できる.シミュレーションの結果,提案方式は従来のべクトル量子化と比較してケプストラム距離で約0.3[dB] (8状態HMM時)の符号化利得を得ることがわかった.これは,8bitsのべクトル量子化と同等の量子化ひずみを平均符号長約6.5bitsで実現したことに相当する.誤りに対しても,FSVQと比較し,強いことがわかった.更に,HMM,および,エントロピー符号化系を誤り耐性のある構成とすることで,誤りの影響を約1/3に抑えることが可能となった.
Cited by 0 works.