| 1 |
1
입력 신호를 선형예측 분석하여 선형예측계수 비트스트림 및 잔차 신호를 출력하는 단계;학습된 제1 신경망 모듈을 이용하여, 상기 잔차 신호의 주기적인 성분을 부호화한 제1 잠재 신호, 상기 잔차 신호의 비주기적인 성분을 부호화한 제2 잠재 신호, 및 상기 제1 잠재 신호 및 상기 제2 잠재 신호의 가중치에 관한 가중치 벡터를 출력하는 단계; 및양자화 모듈을 이용하여, 상기 제1 잠재 신호를 양자화한 제1 비트스트림, 상기 제2 잠재 신호를 양자화한 제2 비트스트림 및 상기 가중치 벡터를 양자화한 가중치 비트스트림을 출력하는 단계를 포함하는, 부호화 방법
|
| 2 |
2
제1항에 있어서,상기 잔차 신호를 출력하는 단계는,상기 입력 신호를 이용하여 선형예측계수를 계산하는 단계;상기 선형예측계수를 양자화하여, 상기 선형예측계수 비트스트림을 출력하는 단계;상기 선형예측계수 비트스트림을 역양자화하여, 양자화된 선형예측계수를 결정하는 단계; 및상기 입력 신호 및 상기 양자화된 선형예측계수를 이용하여, 잔차 신호를 계산하는 단계를 포함하는, 부호화 방법
|
| 3 |
3
제1항에 있어서,상기 제1 잠재 신호, 상기 제2 잠재 신호 및 상기 가중치 벡터를 출력하는 단계는,학습된 제1 신경망을 이용하여, 상기 잔차 신호를 부호화한 상기 제1 잠재 신호를 출력하는 단계;학습된 제2 신경망을 이용하여, 상기 잔차 신호를 부호화한 상기 제2 잠재 신호를 출력하는 단계; 및학습된 제3 신경망을 이용하여, 상기 잔차 신호를 복원하기 위한 상기 가중치 벡터를 출력하는 단계를 포함하는, 부호화 방법
|
| 4 |
4
제3항에 있어서,상기 제1 신경망은,상기 잔차 신호의 주기적인 성분을 부호화하는 순환 신경망을 포함하고, 상기 제2 신경망은,상기 잔차 신호의 비주기적인 성분을 부호화하는 순방향 신경망을 포함하고,상기 제3 신경망은,상기 잔차 신호의 특성에 따라 가중치 벡터를 출력하는 게이팅 신경망을 포함하는, 부호화 방법
|
| 5 |
5
제1항에 있어서,상기 잔차 신호는,상기 가중치 벡터에 기초하여, 상기 제1 잠재 신호를 복호화한 제1 잔차 신호 및 상기 제2 잠재 신호를 복호화한 제2 잔차 신호의 가중합을 이용하여 복원되는, 부호화 방법
|
| 6 |
6
선형예측계수 비트스트림, 제1 비트스트림, 제2 비트스트림 및 가중치 비트스트림을 각각 역양자화하여, 양자화된 선형예측계수, 제1 잠재 신호, 제2 잠재 신호 및 가중치 벡터를 출력하는 단계;학습된 제2 신경망 모듈을 이용하여, 상기 제1 잠재 신호를 복호화한 제1 잔차 신호 및 상기 제2 잠재 신호를 복호화한 제2 잔차 신호를 출력하는 단계;상기 제1 잔차 신호, 상기 제2 잔차 신호 및 상기 가중치 벡터를 이용하여, 잔치 신호를 복원하는 단계; 및상기 잔차 신호 및 상기 양자화된 선형예측계수를 이용하여, 출력신호를 합성하는 단계를 포함하는, 복호화 방법
|
| 7 |
7
제6항에 있어서,상기 제1 잔차 신호와 제2 잔차 신호를 출력하는 단계는,학습된 제4 신경망을 이용하여, 상기 제1 잠재 신호를 복호화한 제1 잔차 신호를 출력하는 단계; 및학습된 제5 신경망을 이용하여, 상기 제2 잠재 신호를 복호화한 제2 잔차 신호를 출력하는 단계를 포함하는, 복호화 방법
|
| 8 |
8
제7항에 있어서,상기 제4 신경망은,상기 잔차 신호의 주기적인 성분을 복호화하는 순환 신경망을 포함하고,상기 제5 신경망은,상기 잔차 신호의 비주기적인 성분을 복호화하는 순방향 신경망을 포함하는, 복호화 방법
|
| 9 |
9
제6항에 있어서,상기 잔차 신호를 복원하는 단계는,상기 가중치 벡터를 이용하여, 상기 제1 잔차 신호 및 상기 제2 잔차 신호의 가중합에 따라 상기 잔차 신호를 출력하는, 복호화 방법
|
| 10 |
10
부호화기에 있어서,프로세서를 포함하고,상기 프로세서는,선형예측분석 모듈을 이용하여, 입력 신호를 선형예측 분석하여 선형예측계수 비트스트림 및 잔차 신호를 출력하고, 학습된 제1 신경망 모듈을 이용하여, 상기 잔차 신호의 주기적인 성분을 부호화한 제1 잠재 신호, 상기 잔차 신호의 비주기적인 성분을 부호화한 제2 잠재 신호, 및 상기 제1 잠재 신호 및 상기 제2 잠재 신호의 가중치에 관한 가중치 벡터를 출력하고,양자화 모듈을 이용하여, 상기 제1 잠재 신호를 양자화한 제1 비트스트림, 상기 제2 잠재 신호를 양자화한 제2 비트스트림 및 상기 가중치 벡터를 양자화한 가중치 비트스트림을 출력하는, 부호화기
|
| 11 |
11
제10항에 있어서,상기 프로세서는,선형예측계수 계산기를 이용하여, 상기 입력 신호에 대한 선형예측계수를 계산하고,선형예측계수 양자화기를 이용하여, 상기 선형예측계수를 양자화하여, 상기 선형예측계수 비트스트림을 출력하고, 선형예측계수 역양자화기를 이용하여, 상기 선형예측계수 비트스트림을 역양자화하여, 양자화된 선형예측계수를 출력하고,선형예측 분석 필터를 이용하여, 상기 입력 신호 및 상기 양자화된 선형예측계수에 따라 상기 잔차 신호를 계산하는, 부호화기
|
| 12 |
12
제10항에 있어서,상기 프로세서는,학습된 제1 신경망을 이용하여, 상기 잔차 신호를 부호화한 제1 잠재 신호를 출력하고,학습된 제2 신경망을 이용하여, 상기 잔차 신호를 부호화한 제2 잠재 신호를 출력하고,학습된 제3 신경망을 이용하여, 상기 잔차 신호를 복원하기 위한 가중치 벡터를 출력하는, 부호화기
|
| 13 |
13
제12항에 있어서,상기 제1 신경망은,상기 잔차 신호의 주기적인 성분을 부호화하는 순환 신경망을 포함하고,상기 제2 신경망은,상기 잔차 신호의 비주기적인 성분을 부호화하는 순방향 신경망을 포함하고,상기 제3 신경망은,상기 잔차 신호의 특성에 따라 가중치 벡터를 출력하는 게이팅 신경망을 포함하는, 부호화기
|
