| 1 |
1
음성신호에 대한 양자화 장치에 있어서,
(a) 입력되는 음성신호를 KLT 도메인으로 변환하는 KLT부,
(b) 상기 KLT 도메인으로 변환된 음성신호를 양자화하여 상기 음성신호에 대응하는 인덱스를 포함하는 프레임을 생성하고, 상기 음성신호를 코드 벡터로 변환하는 스칼라 양자화부,
(c) 상기 코드 벡터의 발생 확률 분포 및 누적 확률 분포에 기초하여, 상기 코드 벡터를 비트열(bit stream)로 이루어진 부호어 변환하고, 상기 부호어에 대한 인덱스 정보를 전송하는 산술 부호화부,
(d) 상기 산술 부호화부로부터 수신한 상기 인덱스 정보에 대응하는 부호어를 상기 인덱스를 포함하는 프레임으로 역변환하는 산술 복호화부 및
(e) 상기 역변환된 프레임에 포함되어 있는 상기 인덱스에 기초하여 이산화된 코드 벡터를 출력하는 스칼라 복호화부
(f) 상기 스칼라 양자화부와 상기 산술 부호화부 사이에 상기 음성신호의 차수(dimension)에 따라 상기 인덱스를 구분하고, 상기 인덱스를 포함하는 단일 프레임을 복수개 포함하는 슈퍼 프레임(superframe)을 생성하는 슈퍼프레임 생성부
를 포함하되,
상기 스칼라 양자화부에 입력되는 상기 KLT 도메인으로 변환된 음성신호는 역방향 적응 이득 및 양자화 이득에 의해 정규화된 것인 양자화 장치
|
| 2 |
2
삭제
|
| 3 |
3
제 1 항에 있어서,
상기 인덱스는 상기 KLT 도메인으로 변환된 음성신호의 이득(gain) 인덱스와 형태(shape) 인덱스를 포함하는 것인 양자화 장치
|
| 4 |
4
제 3 항에 있어서,
(g) 상기 KLT 도메인으로 변환된 음성신호의 확률 밀도 함수(probability density function)에 기초하여, 상기 이득 인덱스와 형태 인덱스의 확률 질량 함수(probability mass function)를 측정하는 질량 함수 추정부
를 더 포함하는 것인 양자화 장치
|
| 5 |
5
제 3 항에 있어서,
상기 KLT부는,
이전 프레임에서 양자화된 음성신호에 기초하여 현재 프레임의 선형 예측(Linear Predictive) 계수를 측정하고, 상기 선형 예측 계수에 기초하여 생성된 고유 벡터 행렬을 이용하여 상기 입력되는 음성신호를 상기 KLT 도메인으로 변환하는 것인 양자화 장치
|
| 6 |
6
제 3 항에 있어서,
상기 KLT 도메인으로 변환된 음성신호는 가우시안(Gaussian) 확률 밀도 함수(probability density function)를 갖되, 상기 가우시안 확률 밀도 함수는 로 범위가 제한되며,
상기 λi는 상기 음성신호의 i번째 고유값인 것인 양자화 장치
|
| 7 |
7
제 3 항에 있어서,
(h) 상기 산술 복호화부와 상기 스칼라 복호화부 사이에 상기 슈퍼 프레임(superframe)을 상기 KLT 도메인으로 변환된 음성신호의 이득(gain) 인덱스와 형태(shape) 인덱스를 포함하는 복수개의 단일 프레임으로 분리하는 슈퍼 프레임 분리부
를 더 포함하는 양자화 장치
|
| 8 |
8
제 3 항에 있어서,
상기 산술 부호화부는
상기 음성신호의 차수(dimension)에 따라 상기 슈퍼 프레임에 포함되어 있는 복수개의 단일 프레임을 선택적으로 이용하여 상기 코드 벡터를 비트열(bit stream)로 이루어진 부호어로 변환하는 것인 양자화 장치
|
| 9 |
9
제 4 항에 있어서,
상기 산술 부호화부는
상기 확률 질량 함수에 기초하여 상기 코드 벡터를 비트열(bit stream)로 이루어진 부호어로 변환하는 것인 양자화 장치
|
| 10 |
10
제 9 항에 있어서,
상기 산술 부호화부는
스텝 크기 △에 기초하여 상기 코드 벡터를 비트열(bit stream)로 이루어진 부호어로 변환하되,
상기 스텝 크기 △는 유효 스텝 크기 g△가 미리 설정된 최소 스텝 크기 △min 보다 작은 경우에는 상기 최소 스텝 크기 △min를 상기 음성신호의 시변 이득으로 나눈 값이고, 상기 유효 스텝 크기 g△가 미리 설정된 최대 스텝 크기 △max보다 큰 경우에는 상기 최대 스텝 크기 △max를 상기 음성신호의 시변 이득으로 나눈 값인 양자화 장치
|
| 11 |
11
제 5 항에 있어서,
상기 KLT부는
현재 프레임의 선형 예측 계수에 기초하여 고유값과 고유 벡터 행렬을 각각 검출하고, 상기 고유값과 고유 벡터 행렬을 이용하여 상기 이산화된 코드 벡터를 역KLT 변환하는 것인 양자화 장치
|
| 12 |
12
음성신호에 대한 양자화 방법에 있어서,
a) 입력되는 음성신호를 KLT 도메인으로 변환하는 단계,
b) 상기 KLT 도메인 변환된 음성신호를 역방향 적응 이득 및 양자화 이득에 의해 정규화시키는 단계,
c) 상기 정규화된 음성신호를 양자화하여 상기 음성신호에 대응하는 인덱스를 포함하는 프레임을 생성하고, 상기 음성신호를 코드 벡터로 변환하는 단계,
d) 상기 코드 벡터의 발생 확률 분포 및 누적 확률 분포에 기초하여, 상기 코드 벡터를 비트열(bit stream)로 이루어진 부호어로 변환하고, 상기 부호어에 대한 인덱스 정보를 전송하는 단계,
e)상기 수신한 인덱스 정보에 대응하는 부호어를 상기 인덱스를 포함하는 프레임으로 역변환하는 단계 및
f) 상기 역변환된 프레임에 포함되어 있는 상기 인덱스에 기초하여 이산화된 코드 벡터를 출력하는 단계
g) 상기 단계 c) 와 상기 단계 d) 사이에서 상기 음성신호의 차수(dimension)에 따라 상기 인덱스를 구분하고, 상기 인덱스를 포함하는 단일 프레임을 복수개 포함하는 슈퍼 프레임(superframe)을 생성하는 단계
를 포함하는 양자화 방법
|
| 13 |
13
삭제
|
| 14 |
14
제 12 항에 있어서,
상기 인덱스는 상기 KLT 도메인으로 변환된 음성신호의 이득(gain) 인덱스와 형태(shape) 인덱스를 포함하는 것인 양자화 방법
|
| 15 |
15
제 14 항에 있어서,
h) 상기 KLT 도메인으로 변환된 음성신호의 확률 밀도 함수(probability density function)에 기초하여, 상기 이득 인덱스와 형태 인덱스의 확률 질량 함수(probability mass function)를 측정하는 단계
를 더 포함하는 것인 양자화 방법
|
| 16 |
16
제 15 항에 있어서,
상기 d) 단계는
상기 확률 질량 함수에 기초하여 상기 코드 벡터를 비트열(bit stream)로 이루어진 부호어로 변환하는 것인 양자화 방법
|
| 17 |
17
제 14 항에 있어서,
상기 KLT 도메인으로 변환된 음성신호는 가우시안(Gaussian) 확률 밀도 함수(probability density function)를 갖되, 상기 가우시안 확률 밀도 함수는 로 범위가 제한되며,
상기 λi는 상기 음성신호의 i번째 고유값인 것인 양자화 방법
|
| 18 |
18
제 16 항에 있어서,
상기 d) 단계는
스텝 크기 △에 기초하여 상기 코드 벡터를 비트열(bit stream)로 이루어진 부호어로 변환하되,
상기 스텝 크기 △는 유효 스텝 크기 g△가 미리 설정된 최소 스텝 크기 △min 보다 작은 경우에는 상기 최소 스텝 크기 △min를 상기 음성신호의 시변 이득으로 나눈 값이고, 상기 유효 스텝 크기 g△가 미리 설정된 최대 스텝 크기 △max보다 큰 경우에는 상기 최대 스텝 크기 △max를 상기 음성신호의 시변 이득으로 나눈 값인 양자화 방법
|
| 19 |
19
제 14 항에 있어서,
상기 a) 단계는
이전 프레임에서 양자화된 음성신호에 기초하여 현재 프레임의 선형 예측(Linear Predictive) 계수를 측정하고, 상기 선형 예측 계수에 기초하여 생성된 고유 벡터 행렬을 이용하여 상기 입력되는 음성신호를 상기 KLT 도메인으로 변환하는 것인 양자화 방법
|
| 20 |
20
제 14 항에 있어서,
i) 상기 e) 단계와 상기 f) 단계 사이에서 상기 슈퍼 프레임(superframe)을 상기 KLT 도메인으로 변환된 음성신호의 이득(gain) 인덱스와 형태(shape) 인덱스를 포함하는 복수개의 단일 프레임으로 분리하는 단계
를 더 포함하는 양자화 방법
|
| 21 |
21
제 19 항에 있어서,
j) 현재 프레임의 선형 예측 계수에 기초하여 고유값과 고유 벡터 행렬을 각각 검출하고, 상기 고유값과 상기 고유 벡터 행렬을 이용하여 상기 이산화된 코드 벡터를 역KLT 변환하는 단계
를 더 포함하는 양자화 방법
|
