特許 6377862 エンコーダ選択

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】6377862

(24)【登録日】2018年8月3日

(45)【発行日】2018年8月22日

(54)【発明の名称】エンコーダ選択

(51)【国際特許分類】

   G10L 19/20 20130101AFI20180813BHJP

【ＦＩ】

   G10L19/20

【請求項の数】47

【全頁数】44

(21)【出願番号】特願2017-551101(P2017-551101)

(86)(22)【出願日】2016年3月30日

(65)【公表番号】特表2018-513408(P2018-513408A)

(43)【公表日】2018年5月24日

(86)【国際出願番号】US2016025049

(87)【国際公開番号】WO2016164231

(87)【国際公開日】20161013

【審査請求日】2018年4月6日

(31)【優先権主張番号】62/143,155

(32)【優先日】2015年4月5日

(33)【優先権主張国】US

(31)【優先権主張番号】15/083,867

(32)【優先日】2016年3月29日

(33)【優先権主張国】US

【早期審査対象出願】

(73)【特許権者】

【識別番号】595020643

【氏名又は名称】クゥアルコム・インコーポレイテッド

【氏名又は名称原語表記】ＱＵＡＬＣＯＭＭ ＩＮＣＯＲＰＯＲＡＴＥＤ

(74)【代理人】

【識別番号】100108855

【弁理士】

【氏名又は名称】蔵田 昌俊

(74)【代理人】

【識別番号】100109830

【弁理士】

【氏名又は名称】福原 淑弘

(74)【代理人】

【識別番号】100158805

【弁理士】

【氏名又は名称】井関 守三

(74)【代理人】

【識別番号】100112807

【弁理士】

【氏名又は名称】岡田 貴志

(72)【発明者】

【氏名】アッティ、ベンカトラマン・エス．

(72)【発明者】

【氏名】チェビーヤム、ベンカタ・スブラーマンヤム・チャンドラ・セカー

(72)【発明者】

【氏名】ラジェンドラン、ビベク

(72)【発明者】

【氏名】スバシンガ、スバシンガ・シャミンダ

【審査官】 上田 雄

(56)【参考文献】

【文献】 特表２０１１−５２７４４５（ＪＰ，Ａ）

【文献】 米国特許出願公開第２０１４／０１８８４６５（ＵＳ，Ａ１）

【文献】 米国特許出願公開第２００８／０１４７４１４（ＵＳ，Ａ１）

【文献】 TANCEREL, L., et al.，COMBINED SPEECH AND AUDIO CODING BY DISCRIMINATION，Proc. 2000 IEEE Workshop on Speech Coding，IEEE，２０００年 ９月１７日，pp.154-156

(58)【調査した分野】（Int.Cl.，ＤＢ名）

Ｇ１０Ｌ １９／００−１９／２６

(57)【特許請求の範囲】

【請求項1】

スピーチフレーム又は非スピーチフレームとしてのオーディオフレームの分類を示す第１の決定データを出力するように構成された第１の分類器と、前記第１の決定データは、前記オーディオフレームが前記スピーチフレームである第１の尤度に関連付けられた第１の確率データに基づいて、及び前記オーディオフレームが前記非スピーチフレームである第２の尤度に関連付けられた第２の確率データに基づいて決定される、
前記第１の分類器から前記第１の決定データ、前記第１の確率データ及び前記第２の確率データを受けるように結合された第２の分類器と、前記第２の分類器は、前記第１の確率データ、前記第２の確率データ及び前記第１の決定データに基づいて、第２の決定データを出力するように構成され、前記第２の決定データは、前記オーディオフレームを符号化するのに利用可能な、複数のエンコーダのうちの特定のエンコーダの選択の指示を含む、
前記第２の決定データが前記特定のエンコーダの前記選択を示すことに応答して前記オーディオフレームを符号化するように構成された前記特定のエンコーダと、を備えるオーディオ信号を符号化するための機器。

【請求項2】

前記複数のエンコーダは第１のエンコーダと第２のエンコーダとを含み、前記第２の決定データに基づいて前記第１のエンコーダ又は前記第２のエンコーダを選択するように構成されたスイッチを更に備える、請求項１に記載の機器。

【請求項3】

前記第１のエンコーダはスピーチエンコーダを備え、前記第２のエンコーダは非スピーチエンコーダを備える、請求項２に記載の機器。

【請求項4】

前記第２のエンコーダは音楽エンコーダを備える、請求項３に記載の機器。

【請求項5】

前記第１のエンコーダは代数符号励振線形予測（ＡＣＥＬＰ）エンコーダを備え、前記第２のエンコーダは変換符号化励振（ＴＣＸ）エンコーダを備える、請求項３に記載の機器。

【請求項6】

前記第１の分類器は混合ガウスモデルモジュールを備え、前記第２の分類器は開ループ分類器を備える、請求項１に記載の機器。

【請求項7】

前記第１の分類器は状態機械を含み、前記状態機械は、前記第１の確率データと前記第２の確率データとを受信するように、並びに前記第１の確率データ及び前記第２の確率データに基づいて前記第１の決定データを生成するように構成される、請求項１に記載の機器。

【請求項8】

前記第２の分類器は、前記第１の確率データ、前記第２の確率データ及び前記第１の決定データに基づいて、調整パラメータを生成するように構成された調整パラメータ生成器を含み、前記第２の分類器は、前記調整パラメータの値に更に基づいて前記第２の決定データを出力するように構成される、請求項１に記載の機器。

【請求項9】

複数の符号化モードで動作するように構成される切替え型エンコーダを更に備え、前記複数のエンコーダは、前記切替え型エンコーダの前記複数の符号化モードに対応し、前記特定のエンコーダは、前記切替え型エンコーダの特定の符号化モードに対応する、請求項１に記載の機器。

【請求項10】

前記複数のエンコーダを更に備え、前記第１の分類器、前記第２の分類器及び前記複数のエンコーダはモバイル通信機器又は基地局に一体化される、請求項１に記載の機器。

【請求項11】

前記オーディオフレームを含むオーディオ信号を受信するように構成された受信機と、
前記受信機に結合された復調器と、前記復調器は、前記オーディオ信号を復調するように構成される、
前記復調器に結合されたプロセッサと、
複数のデコーダとを更に備える、請求項１に記載の機器。

【請求項12】

前記受信機、前記復調器、前記プロセッサ及び前記複数のデコーダはモバイル通信機器に一体化される、請求項１１に記載の機器。

【請求項13】

前記受信機、前記復調器、前記プロセッサ及び前記複数のデコーダは基地局に一体化される、請求項１１に記載の機器。

【請求項14】

前記第１の分類器は、短期特徴データと長期状態データとに更に基づいて前記第１の決定データを出力するように構成され、前記第２の分類器は、前記短期特徴データと前記長期状態データとに更に基づいて前記第２の決定データを出力するように構成される、請求項１に記載の機器。

【請求項15】

オーディオ信号を符号化するためのエンコーダを選択する方法であって、
第２の分類器が、第１の分類器から、第１の確率データと第２の確率データとを受けることと、前記第１の確率データは、オーディオフレームがスピーチフレームである第１の尤度に関連付けられ、前記第２の確率データは、前記オーディオフレームが非スピーチフレームである第２の尤度に関連付けられる、
前記第２の分類器が、前記第１の分類器から第１の決定データを受けることと、前記第１の決定データは、前記スピーチフレーム又は前記非スピーチフレームとしての前記オーディオフレームの分類を示す、
前記第２の分類器が、前記第１の確率データ、前記第２の確率データ及び前記第１の決定データに基づいて第２の決定データを決定することと、前記第２の決定データは、前記オーディオフレームを符号化するための、複数のエンコーダのうちの特定のエンコーダの選択を示す、
スイッチに前記第２の決定データを前記第２の分類器の出力から与えることと、ここにおいて、前記スイッチは、前記第２の決定データに基づいて前記複数のエンコーダのうちの前記特定のエンコーダを選択し、前記オーディオフレームは、前記特定のエンコーダを使って符号化される、を備える方法。

【請求項16】

前記第１の決定データは、前記第２の分類器が前記第１の分類器の状態機械から受ける、請求項１５に記載の方法。

【請求項17】

前記複数のエンコーダは第１のエンコーダと第２のエンコーダとを含み、前記第１のエンコーダはスピーチエンコーダを備え、前記第２のエンコーダは非スピーチエンコーダを備える、請求項１５に記載の方法。

【請求項18】

前記複数のエンコーダのうちの第１のエンコーダに関連付けられた第１の推定コード化利得値を決定することと、
前記複数のエンコーダのうちの第２のエンコーダに関連付けられた第２の推定コード化利得値を決定することとを更に備える、請求項１５に記載の方法。

【請求項19】

調整パラメータの値を選択することを更に備え、前記値は、前記第１の確率データ、前記第２の確率データ、長期状態データ又は前記第１の決定データのうちの少なくとも１つに基づいて選択され、前記第２の決定データは、前記調整パラメータの前記値に更に基づいて決定される、請求項１８に記載の方法。

【請求項20】

前記調整パラメータの前記値に基づいて前記第１の推定コード化利得値を調整することを更に備え、前記特定のエンコーダの前記選択は、前記調整された第１の推定コード化利得値及び前記第２の推定コード化利得値に基づく、請求項１９に記載の方法。

【請求項21】

前記調整パラメータの前記値は、スピーチに関連付けられた前記第１のエンコーダ又は非スピーチに関連付けられた前記第２のエンコーダへ前記選択を偏らせるように選択される、請求項２０に記載の方法。

【請求項22】

オーディオフレームに関連付けられた条件のセットが満足されるかどうかを決定することと、
前記条件のセットが満足されることに応答して、スピーチに関連付けられた第１のエンコーダへ前記選択を偏らせるように、調整パラメータの値を選択することとを更に備える、請求項１５に記載の方法。

【請求項23】

前記オーディオフレームが１２，８００ヘルツのサンプルレートに関連付けられるかどうかを決定することを更に備え、前記条件のセットは、前記オーディオフレームが１２，８００ヘルツの前記サンプルレートに関連付けられると決定することに応答して、少なくとも部分的に満足されると決定される、請求項２２に記載の方法。

【請求項24】

前記条件のセットは、前記第１の決定データが、前記オーディオフレームが前記スピーチフレームとして分類されることを示すと決定することに応答して、少なくとも部分的に満足されると決定される、請求項２２に記載の方法。

【請求項25】

前記オーディオフレームを符号化するのに使われる前記第１のエンコーダに関連付けられた第１の推定コード化利得値が第１の値以上であるかどうかを決定することを更に備え、前記第１の値は、第２の推定コード化利得値と第２の値との間の差に関連付けられ、前記条件のセットは、前記第１の推定コード化利得値が前記第１の値以上であると決定することに応答して、少なくとも部分的に満足されると決定される、請求項２２に記載の方法。

【請求項26】

直近に分類されたフレームが、スピーチコンテンツを含むものとして分類されるかどうかを決定することと、
前記第１の確率データによって示される第１の確率値が、前記第２の確率データによって示される第２の確率値よりも大きいかどうかを決定することとを更に備え、
前記条件のセットは、前記直近に分類されたフレームが前記スピーチコンテンツを含むものとして分類されると決定することに応答して、及び前記第１の確率値が前記第２の確率値よりも大きいと決定することに応答して、少なくとも部分的に満足されると決定される、請求項２２に記載の方法。

【請求項27】

幾つかの直近に分類されたフレームに対応する各フレームが、スピーチコンテンツを含むものとして分類されるかどうかを決定することと、
前記第１の確率データによって示される第１の確率値が第３の値以上であるかどうかを決定することと、前記第３の値は、前記第２の確率データによって示される第２の確率値と第４の値との間の差に関連付けられる、を更に備え、
前記条件のセットは、前記幾つかの直近に分類されたフレームに対応する各フレームが、前記スピーチコンテンツを含むものとして分類されると決定することに応答して、及び前記第１の確率値が前記第３の値以上であると決定することに応答して、少なくとも部分的に満足されると決定される、請求項２２に記載の方法。

【請求項28】

前記オーディオフレームの複数のサブフレームの平均有声化値が第１の閾値以上であるかどうかを決定することと、
前記オーディオフレームに関連付けられた非定常性値が第２の閾値よりも大きいかどうかを決定することと、
前記オーディオフレームに関連付けられたオフセット値が第３の閾値未満であるかどうかを決定することとを更に備え、
前記条件のセットは、前記平均有声化値が前記第１の閾値以上であると決定すること、前記非定常性値が前記第２の閾値よりも大きいと決定すること、及び前記オフセット値が前記第３の閾値未満であると決定することに応答して、少なくとも部分的に満足されると決定される、請求項２２に記載の方法。

【請求項29】

オーディオフレームに関連付けられた条件の第２のセットが満足されるかどうかを決定することと、
前記条件の第２のセットが満足されることに応答して、非スピーチに関連付けられた第２のエンコーダへ前記選択を偏らせるように、調整パラメータの値を選択することとを更に備える、請求項１５に記載の方法。

【請求項30】

前記オーディオフレームが１２，８００ヘルツのサンプルレートに関連付けられるかどうかを決定することを更に備え、前記条件の第２のセットは、前記オーディオフレームが１２，８００ヘルツの前記サンプルレートに関連付けられると決定することに応答して、少なくとも部分的に満足されると決定される、請求項２９に記載の方法。

【請求項31】

前記第１の決定データが、前記オーディオフレームが前記非スピーチフレームとして分類されることを示すかどうかを決定することを更に備え、前記条件の第２のセットは、前記第１の決定データが、前記オーディオフレームが前記非スピーチフレームとして分類されることを示すと決定することに応答して、少なくとも部分的に満足されると決定される、請求項２９に記載の方法。

【請求項32】

前記第２の分類器は、モバイル通信機器又は基地局を備える機器中に含まれる、請求項１５に記載の方法。

【請求項33】

オーディオフレームがスピーチフレームである第１の尤度に関連付けられた第１の確率データを決定するための手段と、
前記オーディオフレームが非スピーチフレームである第２の尤度に関連付けられた第２の確率データを決定するための手段と、
前記第１の確率データ及び前記第２の確率データに基づいて第１の決定データを決定するための手段と、前記第１の決定データは、前記スピーチフレーム又は前記非スピーチフレームとしての前記オーディオフレームの分類の第１の指示を含む、
前記第１の決定データ、前記第１の確率データ及び前記第２の確率データを受信し、並びに前記第１の確率データ、前記第２の確率データ及び前記第１の決定データに基づいて第２の決定データを決定するための手段と、前記第２の決定データは、前記オーディオフレームを符号化するための手段の選択の第２の指示を含む、
前記第２の決定データが符号化するための前記手段の前記選択を示すことに応答して前記オーディオフレームを符号化するための前記手段と、を備えるオーディオ信号を符号化するための装置。

【請求項34】

前記第１の確率データを決定するための前記手段はスピーチモデル回路構成を備え、前記第２の確率データを決定するための前記手段は非スピーチモデル回路構成を備え、前記第１の決定データを決定するための前記手段は状態機械を備え、前記第２の決定データを決定するための前記手段は開ループ分類器を備える、請求項３３に記載の装置。

【請求項35】

前記第１の確率データを決定するための前記手段、前記第２の確率データを決定するための前記手段及び前記第１の決定データを決定するための前記手段は、混合ガウスモデル回路構成中に含まれる、請求項３３に記載の装置。

【請求項36】

前記第１の確率データを決定するための前記手段、前記第２の確率データを決定するための前記手段、前記第１の決定データを決定するための前記手段及び前記第２の決定データを決定するための前記手段は、モバイル通信機器又は基地局に一体化される、請求項３３に記載の装置。

【請求項37】

命令を記憶するコンピュータ可読記憶機器であって、前記命令は、プロセッサによって実行されると、前記プロセッサに、
オーディオフレームがスピーチフレームである第１の尤度に関連付けられた第１の確率データを生成するために第１の動作を実行することと、
前記オーディオフレームが非スピーチフレームである第２の尤度に関連付けられた第２の確率データを生成するために第２の動作を実行することと、
前記第１の確率データ及び前記第２の確率データに基づいて第１の決定データを生成するために第３の動作を実行することと、前記第１の決定データは、前記スピーチフレーム又は前記非スピーチフレームとしての前記オーディオフレームの分類を示す、
前記第１の確率データ、前記第２の確率データ、及び前記第１の決定データを使用して第２の決定データを生成するために第４の動作を実行することと、前記第２の決定データは、前記オーディオフレームを符号化するためのエンコーダの選択を示す、
前記エンコーダを使用して前記オーディオフレームの符号化を開始することと、を備える動作を実施させる、コンピュータ可読記憶機器。

【請求項38】

前記命令は、前記プロセッサに更に、
第１のエンコーダにおいて、前記オーディオフレームの符号化に関連付けられた第１の推定コード化利得値を決定することと、
第２のエンコーダにおいて、前記オーディオフレームの符号化に関連付けられた第２の推定コード化利得値を決定することと、
調整パラメータの値に基づいて前記第１の推定コード化利得値を調整することと、ここにおいて、前記第２の決定データは、前記調整された第１の推定コード化利得値及び前記第２の推定コード化利得値に基づいて決定される、を備える前記動作を実施させる、請求項３７に記載のコンピュータ可読記憶機器。

【請求項39】

前記命令は、前記プロセッサに更に、スピーチコンテンツに関連付けられた第１のエンコーダへ前記選択を偏らせるように、調整パラメータの値を選択することを備える前記動作を実施させる、請求項３７に記載のコンピュータ可読記憶機器。

【請求項40】

オーディオ信号を符号化するための特定のエンコーダへ選択を偏らせるように調整パラメータの値を選択する方法であって、
第２の分類器において、第１の確率データと第１の決定データとを第１の分類器から受信することと、前記第１の確率データは、オーディオフレームがスピーチフレームである第１の尤度に関連付けられ、前記第１の決定データは、前記スピーチフレーム又は非スピーチフレームとしての前記オーディオフレームの分類を示す、
前記第２の分類器において、前記オーディオフレームに関連付けられた条件のセットが満足されるかどうかを決定することと、前記条件のセットの第１の条件は前記第１の確率データに基づき、前記条件のセットの第２の条件は前記第１の決定データに基づく、
前記条件のセットが満足されると決定することに応答して、複数のエンコーダのうちの第１のエンコーダへ第１の選択を偏らせるように、前記調整パラメータの第１の値を選択することと、
スイッチに第２の決定データを前記第２の分類器の出力から与えることと、前記第２の決定データは、前記調整パラメータの前記第１の値に基づいて決定され、前記スイッチは、前記第２の決定データに基づいて前記複数のエンコーダのうちの前記特定のエンコーダを選択し、前記オーディオフレームは、前記特定のエンコーダを使って符号化される、を備える方法。

【請求項41】

前記条件のセットは、
前記オーディオフレームが１２，８００ヘルツのサンプルレートに関連付けられると決定すること、
前記第１の決定データが、前記スピーチフレームとしての前記オーディオフレームの前記分類を示すと決定すること、及び
前記第１のエンコーダが、前記オーディオフレームを符号化することに関連付けられた第１の推定コード化利得値が特定の値以上であると決定することに応答して、少なくとも部分的に満足されると決定される、請求項４０に記載の方法。

【請求項42】

前記条件のセットは、
直近に分類されたフレームが、スピーチコンテンツを含むものとして分類されると決定すること、及び
前記第１の確率データによって示される第１の確率値が、第２の確率データによって示される第２の確率値よりも大きいと決定すること、前記第２の確率データは、前記オーディオフレームが前記非スピーチフレームである第２の尤度に関連付けられる、に応答して、少なくとも部分的に満足されると決定される、請求項４０に記載の方法。

【請求項43】

前記条件のセットは、
幾つかの直近に分類されたフレームに対応する各フレームが、スピーチコンテンツを含むものとして分類されると決定すること、及び
前記第１の確率データによって示される第１の確率値が第３の値以上であると決定すること、前記第３の値は、第２の確率データによって示される第２の確率値と第４の値との間の差に関連付けられ、前記第２の確率データは、前記オーディオフレームが前記非スピーチフレームである第２の尤度に関連付けられる、に応答して、少なくとも部分的に満足されると決定される、請求項４０に記載の方法。

【請求項44】

前記条件のセットは、
前記オーディオフレームの複数のサブフレームの平均有声化値が第１の閾値以上であると決定すること、
前記オーディオフレームに関連付けられた非定常性値が第２の閾値よりも大きいと決定すること、及び
前記オーディオフレームに関連付けられたオフセット値が第３の閾値未満であると決定することに応答して、少なくとも部分的に満足されると決定される、請求項４０に記載の方法。

【請求項45】

前記オーディオフレームに関連付けられた条件の第２のセットが満足されるかどうかを決定することと、
前記条件の第２のセットが満足されると決定することに応答して、前記調整パラメータを、前記複数のエンコーダのうちの非スピーチエンコーダへ第２の選択を偏らせるために、前記第１の値から第２の値に更新することとを更に備える、請求項４０に記載の方法。

【請求項46】

前記条件の第２のセットは、
前記オーディオフレームが１２，８００ヘルツのサンプルレートに関連付けられると決定すること、及び
前記第１の決定データが、前記非スピーチフレームとしての前記オーディオフレームの前記分類を示すと決定することに応答して、満足されると決定される、請求項４５に記載の方法。

【請求項47】

前記第２の分類器は、モバイル通信機器又は基地局を備える機器中に含まれる、請求項４０に記載の方法。

【発明の詳細な説明】

【技術分野】

【0001】

関連出願の相互参照
[0001]本出願は、その全体が参照により本明細書に明確に組み込まれる、２０１６年３月２９日に出願された「ＥＮＣＯＤＥＲ ＳＥＬＥＣＴＩＯＮ」と題する米国特許出願第１５／０８３，８６７号、及び２０１５年４月５日に出願された「ＥＮＣＯＤＥＲ ＳＥＬＥＣＴＩＯＮ」と題する米国仮特許出願第６２／１４３，１５５号の利益を主張する。

【0002】

[0002]本開示は概して、エンコーダの選択に関する。

【背景技術】

【0003】

[0003]デジタル技法によるオーディオの記録及び送信が普及している。例えば、オーディオは、長距離及びデジタル無線電話アプリケーションにおいて送信され得る。ワイヤレス電話などの機器は、人間の声（例えば、スピーチ）及び非スピーチ（例えば、音楽又は他の音）を表す信号を送り、受信することができる。

【0004】

[0004]幾つかの機器では、複数のコード化技術が利用可能である。例えば、機器のオーディオコーダデコーダ（コーデック）は、様々なコンテンツを符号化するのに、切替え型コード化手法を使うことができる。例示のために、機器は、代数符号励振線形予測（ＡＣＥＬＰ）エンコーダなどのスピーチエンコーダと、変換符号化励振（ＴＣＸ）エンコーダ（例えば、変換ドメインエンコーダ）などの非スピーチエンコーダとを含み得る。スピーチエンコーダは、スピーチコンテンツを符号化するのに優れている場合があり、音楽エンコーダなどの非スピーチエンコーダは、非アクティブ及び音楽コンテンツを符号化するのに優れている場合がある。本明細書で使用する限り、「エンコーダ」は、切替え型エンコーダの符号化モードのうちの１つを指す場合があることに留意されたい。例えば、ＡＣＥＬＰエンコーダ及びＴＣＸエンコーダは、切替え型エンコーダ内の２つの別個の符号化モードであり得る。

【0005】

[0005]機器は、オーディオフレームを分類するのに、及びエンコーダを選択するのに、複数の手法のうちの１つを使ってよい。例えば、オーディオフレームが、スピーチフレームとして、又は非スピーチフレーム（例えば、音楽フレーム）として分類され得る。オーディオフレームがスピーチフレームとして分類される場合、機器は、オーディオフレームを符号化するためにスピーチエンコーダを選択してよい。代替として、オーディオフレームが非スピーチフレーム（例えば、音楽フレーム）として分類される場合、機器は、オーディオフレームを符号化するために非スピーチエンコーダを選択してよい。

【0006】

[0006]機器によってオーディオフレームを分類するのに使われ得る第１の手法は、スピーチ特性に基づく混合ガウスモデル（ＧＭＭ）を含み得る。例えば、ＧＭＭは、オーディオフレームが、スピーチフレームである可能性がより高いか、それとも非スピーチフレームである可能性がより高いか決定するのに、オーディオフレームのピッチ、スペクトル形状、相関メトリックなどのようなスピーチ特性を使うことができる。ＧＭＭは、スピーチフレームを識別するのに優れている場合があるが、非スピーチフレーム（例えば、音楽フレーム）を識別するのが同様にうまくいくとは限らない場合がある。

【0007】

[0007]第２の手法は、開ループ分類器を含み得る。開ループ分類器は、どのエンコーダ（例えば、スピーチエンコーダ又は非スピーチエンコーダ）が、オーディオフレームを符号化するのにより適しているか予測することができる。「開ループ」という用語は、どのエンコーダを選択するべきか予測するのに先立って、オーディオフレームが明示的には符号化されていないことを表すのに使われる。開ループ分類器は、非スピーチフレームを識別するのに優れている場合があるが、スピーチフレームを識別するのが同様にうまくいくとは限らない場合がある。

【0008】

[0008]機器によってオーディオフレームを分類するのに使われ得る第３の手法は、モデルベース分類器と開ループ分類器とを含み得る。モデルベース分類器は、開ループ分類器に決定を出力することができ、開ループ分類器は、オーディオフレームを分類する際に決定を使うことができる。

【0009】

[0009]機器は、着信オーディオ信号をフレームごとに分析することができ、特定のオーディオフレームを、スピーチエンコーダ、それとも音楽エンコーダなどの非スピーチエンコーダを使って符号化するか決定することができる。特定のオーディオフレームが誤分類される（例えば、スピーチフレームとして、又は非スピーチフレームとして不適切に分類される）場合、乱れ、悪い信号品質又はそれらの組合せが生じられ得る。

【発明の概要】

【0010】

[0010]ある特定の態様では、機器は、第１の分類器と、第１の分類器に結合された第２の分類器とを含む。第１の分類器は、スピーチフレーム又は非スピーチフレームとしてのオーディオフレームの分類を示す第１の決定データを決定するように構成される。第１の決定データは、オーディオフレームがスピーチフレームである第１の尤度に関連付けられた第１の確率データに基づいて、及びオーディオフレームが非スピーチフレームである第２の尤度に関連付けられた第２の確率データに基づいて決定される。第２の分類器は、第１の確率データ、第２の確率データ及び第１の決定データに基づいて第２の決定データを決定するように構成される。第２の決定データは、オーディオフレームを符号化するのに利用可能な、複数のエンコーダのうちの特定のエンコーダの選択の指示を含む。

【0011】

[0011]別の特定の態様では、方法は、第１の分類器から、第１の確率データと第２の確率データとを第２の分類器において受信することを含む。第１の確率データは、オーディオフレームがスピーチフレームである第１の尤度に関連付けられ、第２の確率データは、オーディオフレームが非スピーチフレームである第２の尤度に関連付けられる。方法は、第２の分類器において、第１の分類器から第１の決定データを受信することも含む。第１の決定データは第１の確率データ及び第２の確率データに基づく。第１の決定データは、スピーチフレーム又は非スピーチフレームとしてのオーディオフレームの分類を示す。方法は、第２の分類器において、第１の確率データ、第２の確率データ及び第１の決定データに基づいて第２の決定データを決定することを更に含む。第２の決定データは、オーディオフレームを符号化するための、複数のエンコーダのうちの特定のエンコーダの選択を示す。

【0012】

[0012]別の特定の態様では、装置は、オーディオフレームがスピーチフレームである第１の尤度に関連付けられた第１の確率データを決定するための手段と、オーディオフレームが非スピーチフレームである第２の尤度に関連付けられた第２の確率データを決定するための手段とを含む。装置は、第１の確率データ及び第２の確率データに基づいて第１の決定データを決定するための手段も含む。第１の決定データは、スピーチフレーム又は非スピーチフレームとしてのオーディオフレームの分類の第１の指示を含む。装置は、第１の確率データ、第２の確率データ及び第１の決定データに基づいて第２の決定データを決定するための手段を更に含む。第２の決定データは、オーディオフレームを符号化するためのエンコーダの選択の第２の指示を含む。

【0013】

[0013]別の特定の態様では、プロセッサによって実行されると、プロセッサに、オーディオフレームがスピーチフレームである第１の尤度に関連付けられた第１の確率データを決定することと、オーディオフレームが非スピーチフレームである第２の尤度に関連付けられた第２の確率データを決定することとを含むことを実施させる命令を記憶するコンピュータ可読記憶機器。動作は、第１の確率データ及び第２の確率データに基づいて第１の決定データを決定することも含む。第１の決定データは、スピーチフレーム又は非スピーチフレームとしてのオーディオフレームの分類を示す。動作は、第１の確率データ、第２の確率データ及び第１の決定データに基づいて第２の決定データを決定することを更に含む。第２の決定データは、オーディオフレームを符号化するためのエンコーダの選択を示す。

【0014】

[0014]別の特定の態様では、方法は、第２の分類器において、第１の確率データと第１の決定データとを第１の分類器から受信することを含む。第１の確率データは、オーディオフレームがスピーチフレームである第１の尤度に関連付けられる。第１の決定データは、スピーチフレーム又は非スピーチフレームとしてのオーディオフレームの分類を示す。方法は、第２の分類器において、オーディオフレームに関連付けられた条件のセットが満足されるかどうかを決定することも含む。条件のセットの第１の条件は第１の確率データに基づき、条件のセットの第２の条件は第１の決定データに基づく。方法は、条件のセットが満足されるかどうかを決定することに応答して、複数のエンコーダのうちの第１のエンコーダへ選択を偏らせる(bias)ように調整パラメータの値を選択することを更に含む。

【0015】

[0015]本開示の他の態様、利点及び特徴は、以下のセクション、即ち、図面の簡単な説明と、発明を実施するための形態と、特許請求の範囲とを含む、本出願の検討の後に明らかになるであろう。

【図面の簡単な説明】

【0016】

【図1】[0016]エンコーダを選択するように動作可能であるシステムの特定の例示的態様のブロック図。

【図2】[0017]図１のシステムの選択器の特定の例示的態様のブロック図。

【図3】[0018]図１のシステムの第１の分類器の特定の例示的態様のブロック図。

【図4】[0019]図１のシステムの第２の分類器の特定の例示的態様のブロック図。

【図5】[0020]エンコーダを選択する方法を示すフローチャート。

【図6】[0021]選択を特定のエンコーダへ偏倚するように調整パラメータの値を選択する方法を示すフローチャート。

【図7】[0022]エンコーダを選択するように動作可能である機器の特定の例示的態様のブロック図。

【図8】[0023]エンコーダを選択するように動作可能である基地局の特定の例示的態様のブロック図。

【発明を実施するための形態】

【0017】

[0024]本開示の特定の態様が、図面を参照して以下で説明される。説明では、共通の特徴は、共通の参照番号によって指定される。本明細書で使われる限り、様々な用語は、特定の実装形態を記述するためにのみ使われるのであって、限定的であることは意図されない。例えば、単数形「ａ」、「ａｎ」及び「ｔｈｅ」は、文脈が別段に明確に示すのでなければ、複数形をも含むものとする。更に、「備える」及び「備えている」という用語が、「含む」又は「含んでいる」と互換的に使用され得ることが理解され得る。更に、「ここにおいて」という用語が「ここで」という用語と互換的に使用され得ることを理解されよう。本明細書では、構造、構成要素、動作などの要素を修正するのに使用される順序を示す用語（例えば、「第１の」、「第２の」、「第３の」など）は、それ自体、別の要素に関する要素の優先順位又は順序を示しておらず、要素を、（順序を示す用語の使用を別にすれば）同じ名前を有する別の要素から区別しているだけである。本明細書で使用する「セット」という用語は、１つ又は複数の要素のグループ化を指し、「複数の」という用語は、複数の要素を指す。

【0018】

[0025]本開示では、エンコーダ又は符号化モードを選択するための技法が記載される。機器は、オーディオフレームを受信することができ、オーディオフレームを符号化するのに使われる、複数のエンコーダのうちの特定のエンコーダ（又は符号化モード）を選択することができる。本明細書に記載される技法は、特定のエンコーダ（例えば、スピーチエンコーダ若しくは非スピーチ／音楽エンコーダ）又は特定の符号化モードへ選択を偏らせる(bias)のに使われる調整パラメータの値（例えば、ヒステリシスメトリック）を設定するのに使われ得る。調整パラメータは、オーディオフレームのより正確な分類を行うのに使われてよく、その結果、オーディオフレームを符号化するのに使われるべきエンコーダの選択が向上し得る。

【0019】

[0026]例示のために、機器は、オーディオフレームを受信することができ、オーディオフレームを符号化するために選択されるべきエンコーダを識別するのに、第１の分類器及び第２の分類器など、複数の分類器を使うことができる。第１の分類器は、スピーチモデル（例えば、スピーチモデル回路構成）に基づいて、非スピーチモデル（例えば、非スピーチモデル回路構成）基づいて、又はそれらの組合せで、第１の決定データを生成し得る。第１の決定データは、オーディオフレームがスピーチのようなフレームであるか、それとも非スピーチ（例えば、音楽、背景雑音など）フレームであるかを示し得る。スピーチコンテンツは、例示的な非限定的例として、アクティブスピーチ、非アクティブスピーチ、雑音が多いスピーチ、又はそれらの組合せを含むものとして指定され得る。非スピーチコンテンツは、例示的な非限定的例として、音楽コンテンツ、音楽のようなコンテンツ（例えば、保留中の音楽、呼出し音など）、背景雑音、又はそれらの組合せを含むものとして指定され得る。他の実装形態では、非アクティブスピーチ、雑音が多いスピーチ、又はそれらの組合せは、スピーチに関連付けられた特定のエンコーダ（例えば、スピーチエンコーダ）が、非アクティブスピーチ又は雑音が多いスピーチを復号するのが困難である場合、機器によって非スピーチコンテンツとして分類され得る。別の実装形態では、背景雑音はスピーチコンテンツとして分類され得る。例えば、スピーチに関連付けられた特定のエンコーダ（例えば、スピーチエンコーダ）が、背景雑音を復号するのに優れている場合、機器は、背景雑音をスピーチコンテンツとして分類し得る。

【0020】

[0027]幾つかの実装形態では、第１の分類器は、（例えば、混合ガウスモデルに基づく、隠れマルコフモデルに基づく、又はニューラルネットワークに基づく）最尤アルゴリズムに関連付けられ得る。第１の決定データを生成するために、第１の分類器は、オーディオフレームがスピーチフレームである第１の尤度に関連付けられた第１の確率値（例えば、第１の確率データ）、オーディオフレームが非スピーチフレームである第２の尤度に関連付けられた第２の確率値（例えば、第２の確率データ）、又はそれらの組合せなど、１つ又は複数の確率値を生成すればよい。第１の分類器は、第１の確率データ、第２の確率データ、又はそれらの組合せを受信するとともに、第１の決定データを生成する状態機械を含み得る。第１の決定データは、状態機械によって出力され、第２の分類器によって受信され得る。

【0021】

[0028]第２の分類器は、オーディオフレームを符号化するための、複数のエンコーダのうちの特定のエンコーダの選択に関連付けられた（例えば、その選択を示す）第２の決定データを生成するように構成され得る。第２の決定データは、オーディオフレームの、更新又は修正された分類に対応し得る（例えば、第２の決定データは、第１の決定データとは異なる分類を示し得る）。幾つかの実装形態では、第１の決定データは、第２の決定データと同じ分類を示し得る。追加又は代替として、第２の決定データは、「最終決定」に対応し得る（例えば、オーディオフレームがスピーチフレームの分類を有する場合、スピーチエンコーダが選択される）。第２の分類器は、モデルベース分類器であってもよく、純粋にモデルに基づくとは限らない分類器（例えば、開ループ分類器）であってもよく、コード化パラメータのセットに基づいてもよい。コード化パラメータは、例示的な非限定的例として、コアインジケータ、コード化モード、コーダタイプ、ローパスコア決定、ピッチ値、ピッチ安定度、又はそれらの組合せを含み得る。

【0022】

[0029]第２の分類器は、第１の決定データ、第１の確率データ、第２の確率データ、又はそれらの組合せに基づいて、第２の決定データを生成し得る。幾つかの実装形態では、第２の分類器は、第２の決定データを生成するのに、コード化パラメータのセットのうちの１つ又は複数を使い得る。更に、第２の分類器は、オーディオフレームに関連付けられた１つ又は複数の条件に基づいて、第２の決定データを生成することができる。例えば、第２の分類器は、本明細書に記載されるように、オーディオフレームに関連付けられた条件のセットが満足されるかどうかを決定することができる。条件のセットの１つ又は複数の条件が満足される（又は満足されない）ことに応答して、第２の分類器は、第１のエンコーダ（例えば、スピーチエンコーダ）又は第２のエンコーダ（例えば、非スピーチエンコーダ）へ選択を偏らせる（例えば、選択に影響する）ように、調整パラメータの値を決定してよい。他の実装形態では、第２の分類器は、複数の符号化モードを有する切替え可能エンコーダ、このような切替え型エンコーダの特定の符号化モードへ選択を偏らせる（例えば、選択に影響する）ように、調整パラメータの値を決定してよい。調整パラメータは、第２の分類器によって、オーディオフレーム用のエンコーダの選択を向上させるのに使われ得るヒステリシスメトリック（例えば、時間に基づくメトリック）として動作し得る。例えば、ヒステリシスメトリックは、閾値数の連続オーディオフレームが特定の分類を有するものと識別されるまで、２つのエンコーダの間を交互に切り替えるのを遅らせるか、又は削減することによって、符号化オーディオフレームを含む符号化オーディオストリームを「平滑化する」ことができる。

【0023】

[0030]条件のセットは、エンコーダのうちの少なくとも１つが第１のサンプルレート（例えば、オーディオサンプリングレート）に関連付けられるという第１の条件を含み得る。幾つかの実装形態では、第１のサンプルレートは、例示的な非限定的例として、１２．８キロヘルツ（ｋＨｚ）などの低オーディオサンプリングレートであってよい。他の実装形態では、第１のサンプルレートは、１２．８ｋＨｚよりも大きいか、又はそれ未満、例えば１４．４ｋＨｚ又は８ｋＨｚであってよい。特定の実装形態では、第１のサンプルレートは、エンコーダによって使われる他のサンプルレートよりも低くてよい。条件のセットは、第１の決定がスピーチフレームとしてのオーディオフレームの分類に関連付けられるという第２の条件を含み得る。条件のセットは、オーディオフレームを符号化するのに使われる第１のエンコーダに関連付けられた第１の推定コード化利得値が、第１の値以上であるという第３の条件を含んでよく、第１の値は、第２の推定コード化利得値と第２の値との間の差に関連付けられる。

【0024】

[0031]幾つかの実装形態では、直近に分類されたフレームがスピーチコンテンツに関連付けられる場合、条件のセットは、第１の確率値が第２の確率値以上であるという決定に関連付けられる条件を含み得る。代替として、複数の最近分類されたフレームの各フレームがスピーチコンテンツに関連付けられる場合、条件のセットは、第１の確率値が第３の値以上であるという決定に関連付けられる別の条件を含んでよく、第３の値は、第２の確率値と第４の値との間の差に関連付けられる。

【0025】

[0032]幾つかの実装形態では、条件のセットは、第１の閾値以上である、オーディオフレームの複数のサブフレームの平均有声化値に関連付けられた条件を含み得る。追加又は代替として、条件のセットは、第２の閾値よりも大きいオーディオフレームに関連付けられた非定常性値に関連付けられた条件を含み得る。追加又は代替として、条件のセットは、第３の閾値未満であるオーディオフレームに関連付けられたオフセット値に関連付けられた条件を含み得る。

【0026】

[0033]図１を参照すると、エンコーダを選択するように動作可能なシステム１００の特定の説明のための例が開示されている。システム１００は、機器１０２に結合されるか、又は含まれるマイクロフォンを介して受信された、サンプリングされたオーディオ信号など、入力スピーチ１１０を含み得るオーディオ信号を受信するように構成された機器１０２を含む。機器１０２は、入力スピーチ１１０の全部又は一部を符号化するために、第１のエンコーダ１３２と第２のエンコーダ１３４との間で選択するように構成される。第１のエンコーダ１３２及び第２のエンコーダ１３４は別個のエンコーダとして示されているが、他の実装形態では、第１のエンコーダ１３２及び第２のエンコーダ１３４は、単一のエンコーダ（例えば、切替え型エンコーダ）の中に含まれてよい。例えば、第１のエンコーダ１３２及び第２のエンコーダ１３４は、切替え型エンコーダの異なる符号化モードに対応し得る。入力スピーチ１１０を符号化すると、符号化オーディオフレーム１１４など、一連の符号化オーディオフレームを生成することができ、フレームは、ワイヤレスネットワークを介するなどして、１つ又は複数の他の機器に送られ得る。例えば、機器１０２は、リモート機器との、ボイスオーバーインターネットプロトコル（ＶｏＩＰ）コールなどのボイスコールに関与し得る。幾つかの実装形態では、第１のエンコーダ１３２、第２のエンコーダ１３４、又は両方が、１つ又は複数のプロトコル／規格に従って、例えば、例示的、非限定的例として、第３世代パートナーシッププロジェクト（３ＧＰＰ（登録商標））エンハンストボイスサービス（ＥＶＳ：enhanced voice service）プロトコル／規格に従って動作する（例えば、準拠する）ように構成され得る。

【0027】

[0034]機器１０２は、選択器１２０と、スイッチ１３０と、第１のエンコーダ１３２及び第２のエンコーダ１３４を含む複数のエンコーダとを含むエンコーダ１０４を含む。エンコーダ１０４は、オーディオフレーム１１２など、入力スピーチ１１０を含むオーディオ信号のオーディオフレームを受信するように構成される。オーディオ信号は、スピーチデータ、非スピーチデータ（例えば、音楽又は背景雑音）、又は両方を含み得る。選択器１２０は、オーディオ信号の各フレームが第１のエンコーダ１３２又は第２のエンコーダ１３４によって符号化されるべきかを決定するように構成され得る。例えば、第１のエンコーダ１３２は、ＡＣＥＬＰエンコーダなどのスピーチエンコーダを含んでよく、第２のエンコーダ１３４は、音楽エンコーダなどの非スピーチエンコーダを含んでよい。特定の実装形態では、第２のエンコーダ１３４はＴＣＸエンコーダを含む。スイッチ１３０は、オーディオフレーム１１２を、符号化オーディオフレーム１１４を生成するための、第１のエンコーダ１３２又は第２のエンコーダ１３４のうちの選択された１つにルーティングするために、選択器１２０に応答する。

【0028】

[0035]選択器１２０は、第１の分類器１２２と第２の分類器１２４とを含み得る。第１の分類器１２２は、オーディオフレーム１１２又は図２及び図３を参照して説明される特徴セットなど、オーディオフレーム１１２の一部分を受信するように構成され得る。第１の分類器１２２は、スピーチフレーム又は非スピーチフレームとしてのオーディオフレーム１１２の分類を示す第１の決定データ１４６を出力するように構成され得る。第１の決定データ１４６は、オーディオフレームがスピーチフレームである第１の尤度に関連付けられた第１の確率データ１４２に基づいて、及びオーディオフレームが非スピーチフレームである第２の尤度に関連付けられた第２の確率データ１４４に基づいて決定され得る。例えば、第１の分類器１２２は、モデルベース分類器、ＧＭＭ回路（例えば、ＧＭＭモジュール）、又は両方を含むか、又はそれらに対応し得る。第１の分類器１２２の特定の実装形態は、図３に関して更に詳しく記載される。

【0029】

[0036]第２の分類器１２４は、第１の分類器１２２に結合され、第１の確率データ１４２、第２の確率データ１４４及び第１の決定データ１４６に基づいて第２の決定データ１４８を出力するように構成される。第２の決定データ１４８は、オーディオフレーム１１２を符号化するのに利用可能である、複数のエンコーダのうちの特定のエンコーダ（例えば、第１のエンコーダ１３２又は第２のエンコーダ１３４）の選択を示す。幾つかの実装形態では、第２の分類器１２４は、オーディオフレーム１１２を受信するように構成され得る。第２の分類器１２４は、第１の分類器１２２から、エンコーダ１０４から、又は機器１０２の別の構成要素から、オーディオフレーム１１２を受信し得る。追加又は代替として、第２の分類器１２４は、調整パラメータを生成するように構成され得る。調整パラメータの値は、複数のエンコーダのうちの特定のエンコーダ（例えば、第１のエンコーダ１３２又は第２のエンコーダ１３４）を示すように、第２の決定データ１４８を偏倚し（例えば、それに影響し）得る。例えば、調整パラメータの第１の値は、特定のエンコーダを選択する確率を増し得る。第２の分類器１２４は、開ループ分類器を含むか、又はそれに対応し得る。第２の分類器１２４の特定の実装形態が、図４に関して更に詳しく説明される。

【0030】

[0037]スイッチ１３０は、選択器１２０に結合されており、第２の決定データ１４８を受信するように構成され得る。スイッチ１３０は、第２の決定データ１４８に従って、第１のエンコーダ１３２又は第２のエンコーダ１３４を選択するように構成され得る。スイッチ１３０は、第２の決定データ１４８に従って（例えば、基づいて）、オーディオフレーム１１２を第１のエンコーダ１３２又は第２のエンコーダ１３４に与えるように構成され得る。他の実装形態では、スイッチ１３０は、選択されたエンコーダの出力をアクティブ化するか、又は可能にするために、信号を、選択されたエンコーダに与えるか、又はルーティングする。

【0031】

[0038]第１のエンコーダ１３２及び第２のエンコーダ１３４は、スイッチ１３０に結合され、スイッチ１３０からオーディオフレーム１１２を受信するように構成され得る。他の実装形態では、第１のエンコーダ１３２又は第２のエンコーダ１３４は、機器１０２の別の構成要素からオーディオフレーム１１２を受信するように構成され得る。第１のエンコーダ１３２及び第２のエンコーダ１３４は、オーディオフレーム１１２を受信することに応答して、符号化オーディオフレーム１１４を生成するように構成され得る。

【0032】

[0039]動作中、入力スピーチ１１０はフレームごとに処理されてよく、エンコーダ１０４において（例えば、選択器１２０中で）入力スピーチ１１０から、特徴のセットが抽出され得る。特徴のセットは、第１の分類器１２２によって使われ得る。例えば、第１の分類器１２２（例えば、モデルベース分類器）は、それぞれスピーチの短期確率（「ｌｐｓ」）及び音楽の短期確率（「ｌｐｍ」）などの、第１の確率データ１４２と第２の確率データ１４４とを生成し、出力することができる。図３に関して記載されるように、特定のフレームに対応するｌｐｓ及びｌｐｍ値は、特定のフレームについての、スピーチ又は音楽の決定（「ｓｐ＿ａｕｄ＿ｄｅｃｉｓｉｏｎ」）を生成するために、エンコーダ１０４の１つ又は複数の状態（例えば、状態パラメータ）を追跡する、第１の分類器１２２中の状態機械に与えられてよい。エンコーダ１０４の１つ又は複数の状態は、非アクティブフレームのカウント、スピーチフレームのカウント、音楽フレームのカウントなどのような、長期パラメータの値を含み得る。状態機械は、ボイスアクティビティ検出器（ＶＡＤ）からのボイスアクティビティ決定、現在のフレームのエネルギーなどのようなパラメータを受信する場合もある。ＶＡＤは「ボイス」アクティビティ検出器として記載されるが、ＶＡＤは、アクティブ信号（スピーチ又は音楽を含んでもよい）と、背景雑音などの非アクティブ信号との間の弁別器であることを理解されたい。

【0033】

[0040]第２の分類器１２４は、ＡＣＥＬＰ符号化のための信号対雑音比（「ｓｎｒ＿ａｃｅｌｐ」）及びＴＣＸ符号化のための信号対雑音比（「ｓｎｒ＿ｔｃｘ」）と呼ばれる、２つのコード化利得推定又は測度を推定するのに、フレームから抽出された短期特徴を使うことができる。ＳＮＲ比と呼ばれるが、ｓｎｒ＿ａｃｅｌｐ及びｓｎｒ＿ｔｃｘは、それぞれスピーチ若しくは音楽である現在のフレームの尤度に対応し得るか、又はフレームを符号化する際に、第１のエンコーダ１３２（例えば、ＡＣＥＬＰエンコーダ）若しくは第２のエンコーダ１３４（例えば、ＴＣＸエンコーダ）の推定される有効性程度に対応し得るコード化利得推定又は他の推定若しくは測度であってよい。第２の分類器１２４は、第１の決定データ１４６（例えば、「ｓｐ＿ａｕｄ＿ｄｅｃｉｓｉｏｎ」）などの長期情報に基づいて、及び第１の確率データ１４２（例えば、「ｌｐｓ」）、第２の確率データ１４４（例えば、「ｌｐｍ」）、１つ以上の他のパラメータ、又はそれらの組合せなど、第１の分類器１２２からの追加データに更に基づいて、ｓｎｒ＿ａｃｅｌｐ、ｓｎｒ＿ｔｃｘ、又は両方を修正する（例えば、それらの値を調整する）ことができる。

【0034】

[0041]選択器１２０は従って、分類器１２２、１２４のいずれかにおいて生成され得る長期及び短期パラメータに基づいて、及び図２に示すように、特定のフレームにどのエンコーダ（例えば、第１のエンコーダ１３２又は第２のエンコーダ１３４）を適用するべきかという決定を偏倚し（例えば、決定に影響し）得る。第１の分類器１２２からの追加データ（例えば、第１の確率データ１４２、第２の確率データ１４４、又は両方）に基づいてエンコーダを選択することによって、選択器１２０は、各フレーム用に第１のエンコーダ１３２又は第２のエンコーダ１３４のいずれかを選択するために、第１の分類器（例えば、モデルベース分類器又は開ループ分類器）からの決定を使う実装形態と比較して、第１のエンコーダ１３２又は第２のエンコーダ１３４のいずれかによって符号化されるべきフレームを選択するため、誤検知（false positives）の数と、逸失検出（missed detections）の数とを削減することができる。

【0035】

[0042]更に、図１は第１のエンコーダ１３２と第２のエンコーダ１３４とを示しているが、これは限定的と見なされるべきでないことに留意されたい。代替例では、２つより多いエンコーダ、回路又は他のモジュールが含まれてよい。例えば、エンコーダ１０４は、１つ又は複数の低帯域（ＬＢ）「コア」回路又はモジュール（例えば、ＴＣＸコア、ＡＣＥＬＰコア、１つ以上の他のコア、又はそれらの任意の組合せ）と、１つ又は複数の高帯域（ＨＢ）／帯域幅拡張（ＢＷＥ）回路又はモジュールとを含み得る。スピーチ符号化のために選択されたオーディオフレーム１１２の低帯域部分は、フレームの特性（例えば、フレームが、スピーチ、雑音、音楽などを含むかどうか）に依存して、符号化のために、特定の低帯域コア回路又はモジュールに与えられてよい。各フレームの高帯域部分は、特定のＨＢ／ＢＷＥ回路又はモジュールに与えられ得る。

【0036】

[0043]図２は、図１の選択器１２０の特定の説明のための例２００のブロック図である。例２００において、選択器１２０は、入力フレーム（例えば、図１のオーディオフレーム１１２）と、エンコーダ１０４の長期状態（long-term state）に対応するデータとを受信するように、及びスピーチ／音楽決定（例えば、図１の第１の決定データ１４６）を出力するように構成される。短期特徴抽出器２２６は、入力フレームを受信するように、及び入力フレームから抽出された特徴セットを生成するように構成される。例示のために、短期特徴抽出器２２６は、入力フレームに基づいて短期特徴を生成するように構成され得る。

【0037】

[0044]第１の分類器１２２は、短期特徴抽出器２２６からの特徴セットと、長期状態データとを受信するように構成されたモデルベース分類器として示されている。第１の分類器１２２は、スピーチの短期確率のインジケータ（「ｌｐｓ」）（例えば、図１の第１の確率データ１４２）と、音楽の短期確率のインジケータ（「ｌｐｍ」）（例えば、図１の第２の確率データ１４４）と、スピーチ／音楽決定（「ｓｐ＿ａｕｄ＿ｄｅｃｉｓｉｏｎ」）（例えば、図１の第１の決定データ１４６）とを生成するように構成される。幾つかの実装形態では、第１の分類器１２２は、入力フレームを受信するように構成され得る。

【0038】

[0045]第２の分類器１２４は、入力フレームと長期状態データとを受信するように構成された開ループ分類器として示されている。第２の分類器１２４はまた、短期特徴抽出器２２６から短期特徴を受信するように、及びスピーチの短期確率のインジケータ（「ｌｐｓ」）と、音楽の短期確率のインジケータ（「ｌｐｍ」）と、スピーチ／音楽決定（「ｓｐ＿ａｕｄ＿ｄｅｃｉｓｉｏｎ」）とを、第１の分類器１２２から受信するように構成され得る。第２の分類器１２４は、更新された（又は修正された）分類決定（例えば、図１の第２の決定データ１４８）を出力するように構成される。第２の分類器１２４は、第２の決定データを、スイッチ（例えば、図１のスイッチ１３０）又は切替え型エンコーダに出力し得る。追加又は代替として、第２の分類器１２４は、短期特徴抽出器２２６から特徴セットを受信するように構成され得る。

【0039】

[0046]第１の分類器１２２の詳細が、図３に示される特定の例３００に従って示される。例３００において、第１の分類器１２２は、スピーチモデル３７０（例えば、スピーチモデル回路構成）と、音楽モデル３７２（例えば、音楽モデル回路構成）と、状態機械３７４とを含む。スピーチモデル３７０は、図２の短期特徴抽出器２２６から受信された特徴セットに基づいて、スピーチの短期確率のインジケータ（「ｌｐｓ」）を計算するように構成される。音楽モデル３７２は、短期特徴抽出器２２６から受信された特徴セットに基づいて、音楽の短期確率のインジケータ（「ｌｐｍ」）を計算するように構成される。他の実装形態では、第１の分類器１２２は、入力フレームを受信することができ、特徴セットを決定することができる。

【0040】

[0047]状態機械３７４は、第１の確率データ（例えば、図１の第１の確率データ１４２に対応する、スピーチモデル３７０から出力されたスピーチの短期確率のインジケータ（「ｌｐｓ」））を受信するように構成され得る。状態機械（state machine）３７４は、第２の確率データ（例えば、図１の第２の確率データ１４４に対応する、音楽モデル３７２から出力された音楽の短期確率のインジケータ（「ｌｐｍ」））を受信するように構成され得る。状態機械３７４は、第１の確率データ及び第２の確率データに基づいて、スピーチ／音楽決定（「ｓｐ＿ａｕｄ＿ｄｅｃｉｓｉｏｎ」）（例えば、図１の第１の決定データ１４６）を生成するように構成され得る。

【0041】

[0048]第２の分類器１２４の詳細が、図４に示される特定の例４００に従って示される。例４００において、第２の分類器１２４は、短期スピーチ尤度推定器４１０と、短期音楽尤度推定器４１２と、長期決定偏倚ユニット４１４と、調整パラメータ生成器４１６と、分類決定生成器４１８とを含む。

【0042】

[0049]短期スピーチ尤度推定器４１０は、入力フレームから（例えば、図２の短期特徴抽出器２２６から）抽出された短期特徴のセットと、入力フレーム（例えば、図１のオーディオフレーム１１２）とを受信するように構成される。短期スピーチ尤度推定器４１０は、推定コード化利得又はＡＣＥＬＰエンコーダ（例えば、図１の第１のエンコーダ１３２）を使って入力フレームを符号化する効率に対応する第１の推定コード化利得値（例えば、「ｓｎｒ＿ａｃｅｌｐ」）を生成するように構成される。

【0043】

[0050]短期音楽尤度推定器４１２は、入力フレームから（例えば、図２の短期特徴抽出器２２６から）抽出された短期特徴のセットと、入力フレームとを受信するように構成される。短期音楽尤度推定器４１２は、推定コード化利得又はＴＣＸエンコーダ（例えば、図１の第２のエンコーダ１３４）を使って入力フレームを符号化する効率に対応する第２の推定コード化利得値（例えば、「ｓｎｒ＿ｔｃｘ」）を生成するように構成される。

【0044】

[0051]長期決定偏倚ユニット４１４は、第１の推定コード化利得値（例えば、「ｓｎｒ＿ａｃｅｌｐ」）と、第２の推定コード化利得値（例えば、「ｓｎｒ＿ｔｃｘ」）と、図３に示すように第１の分類器１２２によって生成されたスピーチ／音楽決定（「ｓｐ＿ａｕｄ＿ｄｅｃｉｓｉｏｎ」）と、長期状態データとを受信するように構成される。長期決定偏倚ユニット４１４は、長期決定偏倚ユニット４１４に入力された値のうちの１つ又は複数に基づいて出力を生成するように構成される。

【0045】

[0052]調整パラメータ生成器４１６は、図３のスピーチモデル３７０から出力された第１の確率データ（例えば、「ｌｐｓ」）と、図３の音楽モデル３７２から出力された第２の確率データ（例えば、「ｌｐｍ」）と、長期状態データと、長期決定偏倚ユニット４１４の出力とを受信するように構成される。調整パラメータ生成器４１６は、分類決定生成器４１８によってスピーチ／音楽決定をスピーチエンコーダへ、又は音楽エンコーダへ偏倚するのに使われる調整パラメータの値（「ｄｓｎｒ」で示される）を設定するように構成される。調整パラメータは、図４において、及び以下で説明する例において、「ｄｓｎｒ」と標示されるが、調整パラメータは、信号対雑音比に対応してもしなくてもよい。例えば、幾つかの実装形態では、調整値は、信号対雑音比に対するオフセット（例えば、「デルタｓｎｒ」）を表す場合があり、他の実装形態では、調整パラメータは、コード化利得値又はコード化利得比（例えば、「デルタコード化利得」）に対するオフセット、コード化利得推定に対する、又は１つ以上の他の物理的値若しくはモデルパラメータに対するオフセットに対応する場合があり、又は物理的値若しくはモデルパラメータへの直接的対応をもたない数値であってよい。従って、「ｄｓｎｒ」というラベルは、単に便宜のためにのみ使われるのであって、調整パラメータの内容又は使用に対していかなる限定も課すものではないことを理解されたい。

【0046】

[0053]分類決定生成器４１８は、第１の推定コード化利得値（例えば、「ｓｎｒ＿ａｃｅｌｐ」）と、第２の推定コード化利得値（例えば、「ｓｎｒ＿ｔｃｘ」）と、調整パラメータ（例えば、「ｄｓｎｒ」）と、図２の短期特徴抽出器２２６からの短期特徴のセットと、長期状態データと、図３に示すように第１の分類器１２２によって生成されたスピーチ／音楽決定（「ｓｐ＿ａｕｄ＿ｄｅｃｉｓｉｏｎ」）とを受信するように構成される。受信された入力値に基づいて、分類決定生成器４１８は、更新された（又は修正された）分類決定を出力するように構成され、分類決定は、図１の第２の決定データ１４８に対応し得る。

【0047】

[0054]調整パラメータの値（「ｄｓｎｒ」）は、分類決定生成器４１８のスピーチ／音楽決定を偏らせる。例えば、調整パラメータの正の値は、分類決定生成器４１８が、入力フレーム用にスピーチエンコーダを選択する可能性をより高くさせることができ、調整パラメータの負の値は、分類決定生成器４１８が、入力フレーム用に非スピーチエンコーダを選択する可能性をより高くさせることができる。

【0048】

[0055]図４に関して記載されるように、幾つかのパラメータが利用可能であり、スピーチ／音楽決定に影響するか、又はスピーチ若しくは非スピーチへ偏倚するのに使われ得る。例えば、第１の分類器１２２の決定（「ｓｐ＿ａｕｄ＿ｄｅｃｉｓｉｏｎ」）を取得する際にスピーチモデル及び音楽モデルによって中間パラメータとして計算された、スピーチの短期確率（「ｌｐｓ」）、音楽の短期確率（「ｌｐｍ」）、又はそれらの組合せは、第２の分類器１２４のスピーチ／音楽決定を偏らせるのに使われ得る。

【0049】

[0056]別の例として、第１の分類器１２２の長期決定（「ｓｐ＿ａｕｄ＿ｄｅｃｉｓｉｏｎ」）は、第２の分類器１２４のスピーチ／音楽決定を偏らせるのに使われ得る。別の例として、短期コード化利得推定の近さ（例えば、数的類似）（例えば、「ｓｎｒ＿ａｃｅｌｐ」及び「ｓｎｒ＿ｔｃｘ」）が、第２の分類器１２４のスピーチ／音楽決定を偏らせるのに使われてよい。

【0050】

[0057]別の例として、（例えば、長期状態データ中の）ＡＣＥＬＰ／スピーチとして選ばれた、幾つかの過去の連続するフレームが、第２の分類器１２４のスピーチ／音楽決定を偏らせるのに使われてよい。代替として、過去のフレームのサブセットの中で選ばれたＡＣＥＬＰ／スピーチフレームの数の測度（これの例は、過去の５０個のフレームにおける、ＡＣＥＬＰ／スピーチフレームの割合であり得る）が、第２の分類器１２４のスピーチ／音楽決定を偏らせるのに使われてよい。

【0051】

[0058]別の例として、（例えば、長期状態データ中の）ＡＣＥＬＰ／スピーチとＴＣＸ／音楽との間の前のフレーム決定が、第２の分類器１２４のスピーチ／音楽決定を偏らせるのに使われてよい。別の例として、スピーチエネルギーの非定常性測度（「ｎｏｎ＿ｓｔａＸ」）が、異なる周波数帯域の間での、現在のフレームのエネルギーと過去のフレームのエネルギーとの比の合計として推定され得る。非定常性測度は、図２の短期特徴抽出器２２６によって与えられる特徴のセットに含まれ得る。非定常性測度は、第２の分類器１２４のスピーチ／音楽決定を偏らせるのに使われ得る。

【0052】

[0059]別の例として、入力フレームのサブフレーム全て（又はそのサブセット）の間の平均（例えば、アベレージ又は算術平均）有声化が、第２の分類器１２４のスピーチ／音楽決定を偏らせるのに使われてよい。平均有声化は、サブフレーム中のスピーチと、スピーチのシフトされたバージョンの正規化相関の測度を含み得る。シフトされたバージョンのシフト量は、サブフレームの計算されたピッチ遅れに対応し得る。高い有声化は、信号が、ピッチ遅れと実質的に合致する反復間隔を有して、高度に反復性であることを示す。平均有声化は、図２の短期特徴抽出器２２６によって与えられる特徴のセットに含まれてよい。

【0053】

[0060]別の例として、オフセットパラメータが、第２の分類器１２４のスピーチ／音楽決定を偏らせるのに使われてよい。例えば、ＴＣＸエンコーダが、音楽セグメントをコード化するのに使われる場合、スピーチ／音楽決定を偏らせるとき、オフセットパラメータが組み込まれてよい。オフセットパラメータは、ＴＣＸコード化利得の逆測度に対応し得る。オフセットパラメータは、第２の推定コード化利得値（「ｓｎｒ＿ｔｃｘ」）と逆関係し得る。特定の実装形態では、第２の推定コード化利得値（「ｓｎｒ＿ｔｃｘ」）に対応する最低限の基準を課すために、オフセットパラメータの値が閾値未満（例えば、オフセット＜７４．０）であるかどうか、決定が行われ得る。第１の推定コード化利得値（「ｓｎｒ＿ａｃｅｌｐ」）が別の閾値を超える（例えば、ｓｎｒ＿ａｃｅｌｐ＞ｓｎｒ＿ｔｃｘ−４）ことを検証するのに加え、オフセットパラメータが閾値未満でないことを検証すると、エンコーダのいずれか、又は両方が、入力フレームを符号化するのに不十分であるかどうかを示すことができる。エンコーダの両方が、入力フレームを符号化するのに不十分である場合、第３のエンコーダが、入力フレームを符号化するのに使われてよい。エンコーダ選択を偏らせるのに使われ得る、幾つかのパラメータが上で列挙されているが、幾つかの実装形態は、列挙されるパラメータのうちの１つ以上を除外し、１つ以上の他のパラメータを含み得るか、又はそれらの任意の組合せであることを理解されたい。

【0054】

[0061]追加データ（例えば、図１の第１の分類器１２２からのデータ）に基づいてコード化利得推定又は測度を修正する（例えば、その値を調整する）ことによって、第２の分類器１２４は、各フレーム用に第１のエンコーダ１３２又は第２のエンコーダ１３４のいずれかを選択するための、第１の分類器（例えば、モデルベース分類器又は開ループ分類器）からの決定を使う実装形態と比較して、符号化されるべきフレームを選択するための、フォールスポジティブの数と、逸失検出の数とを削減することができる。オーディオフレームを符号化するために、選択されたエンコーダを使うことによって、オーディオフレームの誤分類から、及びオーディオフレームを符号化するのに間違ったエンコーダを使うことから生じる乱れ及び悪い信号品質が削減されるか、又はなくされ得る。

【0055】

[0062]図１〜図４に関して記載された態様の可能な実装形態を示す、コンピュータコードの幾つかの例が、以下で提示される。これらの例において、項「ｓｔ−＞」は、項に続く変数が状態パラメータ（例えば、図１のエンコーダ１０４の状態、図１の選択器１２０の状態、又はそれらの組合せ）であることを示す。例えば、「ｓｔ−＞ｌｐｓ」は、入力フレームがスピーチフレーム（「ｌｐｓ」）である短期確率が状態パラメータであることを示す。以下の例は、図１のシステム１００、図２〜図４の例、又は両方に基づくとともに、第１の分類器１２２がモデルベース分類器であり、第２の分類器１２４が開ループ分類器であり、第１のエンコーダ１３２がＡＣＥＬＰエンコーダを含み、第２のエンコーダ１３４がＴＣＸエンコーダを含む実装形態に対応する。

【0056】

[0063]コンピュータコードは、実行可能コードの一部ではないコメントを含む。コンピュータコード中で、コメントの開始はフォワードスラッシュ及びアスタリスク（例えば、「／＊」）によって示され、コメントの終了は、アスタリスク及びフォワードスラッシュ（例えば、「＊／」）によって示される。例示のために、コメント「ＣＯＭＭＥＮＴ」が、擬似コード中で／＊ ＣＯＭＭＥＮＴ ＊／として現れ得る。

【0057】

[0064]与えられる例において、「＝＝」演算子は、Ａの値がＢの値と等しいとき、「Ａ＝＝Ｂ」がＴＲＵＥの値を有し、それ以外の場合はＦＡＬＳＥの値を有するような等価性比較を示す。「＆＆」演算子は、論理ＡＮＤ演算を示す。「｜｜」演算子は、論理ＯＲ演算を示す。「＞」（よりも大きい）演算子は、「よりも大きい」ことを表し、「＞＝」演算子は、「以上」であることを表し、「＜」演算子は、「未満」であることを示す。数に続く項「ｆ」は、浮動小数点（例えば、１０進）数フォーマットを示す。前述のように、「ｓｔ−＞Ａ」項は、Ａが状態パラメータであることを示す（即ち、「−＞」の文字は、論理又は算術演算を表さない）。

【0058】

[0065]与えられる例において、「＊」は乗算演算を表すことができ、「＋」又は「ｓｕｍ」は加算演算を表すことができ、「−」は減算演算を示すことができ、「／」は除算演算を表すことができる。「＝」演算子は、割当てを表す（例えば、「ａ＝１」は、変数「ａ」に１の値を割り当てる）。他の実装形態は、例１の条件のセットに加え、又はその代わりに、１つ又は複数の条件を含み得る。

【0059】

[0066]条件「ｓｔ−＞ｌｐｓ＞ｓｔ−＞ｌｐｍ」は、モデルベース分類器によって計算されるように、スピーチのような現在のフレームの短期確率が、音楽のような現在のフレームの短期確率よりも高いことを示す。これらは、状態機械３７４における処理が第１の分類器１２２（例えば、モデルベース分類器）において起こる前に第２の分類器１２４に値が与えられるか、又はタップアウトされ得る中間パラメータである。

【0060】

[0067]例えば、ｌｐｓは、観察された特徴が与えられた場合のスピーチのログ確率に対応してよく、ｌｐｍは、音楽のログ確率に対応し、観察された特徴を与えてよい。例えば、

【数1】

【数2】

であり、但し、ｐ（ｘ）はｘの確率を示し、ｐ（ｘ｜ｙ）は、ｙが与えられた場合のｘの確率を示す。幾つかの実装形態では、ｌｐｓとｌｐｍとの間の相対比較を実施するとき、ｐ（ｆｅａｔｕｒｅｓ）は、共通項であるので無視されてよい。項ｐ（ｆｅａｔｕｒｅｓ｜ｓｐｅｅｃｈ）は、特徴がスピーチに属すと仮定すると、観察される特徴セットの確率である。項ｐ（ｆｅａｔｕｒｅｓ｜ｓｐｅｅｃｈ）は、スピーチ用のモデルに基づいて計算され得る。項ｐ（ｓｐｅｅｃｈ）は、スピーチの先験的確率である。概して、誰かが電話に向かって話している尤度は、電話に音楽が流されている尤度よりも高くなり得るので、モバイル通信アプリケーションの場合、ｐ（ｓｐｅｅｃｈ）＞ｐ（ｍｕｓｉｃ）である。しかしながら、代替使用ケースでは、ｐ（ｓｐｅｅｃｈ）とｐ（ｍｕｓｉｃ）は任意に関連付けられる場合がある。

【0061】

[0068]パラメータｌｐｓ及びｌｐｍは、それぞれ、スピーチ及び音楽の先験的確率とともに、スピーチモデル、音楽モデル、又はそれらの組合せについての情報をもつ、スピーチ及び音楽である観察された特徴セットの尤度を示し得る。

【0062】

[0069]条件「ｓｔ−＞ｓｒ＿ｃｏｒｅ＝＝１２８００」は、エンコーダ又はエンコーダ動作モード（例えば、１２．８ｋＨｚのＡＣＥＬＰコアサンプルレート）を示し得る。例えば、幾つかの実装形態では、１２．８ｋＨｚエンコーダ動作モードは、より高いサンプリングレートエンコーダ動作モードと比較して、増加するスピーチ／音楽誤予測を呈する場合がある。

【0063】

[0070]条件「ｓｐ＿ａｕｄ＿ｄｅｃｉｓｉｏｎ０＝＝０」は、入力フレームがスピーチフレームであることを第１の分類器１２２のスピーチ／音楽決定が示すことを示し得る。第１の分類器１２２のスピーチ／音楽決定は、モデルベースパラメータｌｐｓ及びｌｐｍが計算された後で、並びに状態機械３７４（ｓｐ＿ａｕｄ＿ｄｅｃｉｓｉｏｎが頻繁な切替えを避けるように、長期情報を検討する）処理が完了した後で生成される。

【0064】

[0071]項「ｓｔ−＞ａｃｅｌｐＦｒａｍｅｓＣｏｕｎｔ」は、ＡＣＥＬＰ（又はスピーチ）であると決定された、過去の連続するフレームの数のカウントを示す。このカウントは、過去の連続するＡＣＥＬＰフレームの数が比較的高いとき、決定をスピーチへ偏倚するのに使われ得る。このカウントを、決定を偏らせるのに使うと、ｌｐｓがｌｐｍの値と同様の値を有するとき、及びｓｎｒ＿ａｃｅｌｐがｓｎｒ＿ｔｃｘの値と同様の値を有するときなど、境界線ケースにおいて、増加する偏倚効果を与えることができる。これは、ＡＣＥＬＰ／ＴＣＸの間の頻繁な切替えも避ける。

【0065】

[0072]条件のセットは、調整パラメータの値「ｄｓｎｒ」を、例１に示されるように設定することによって、スピーチ／音楽決定を偏らせるかどうかを決定するために評価され得る。

【数3】

【0066】

[0073]ｓｔ−＞ａｃｅｌｐＦｒａｍｅｓＣｏｕｎｔ＞＝１は、最後のフレーム（即ち、現在評価されているフレームに先行するフレーム）が、ＡＣＥＬＰフレームであると決定されたことを示す（例えば、第２の決定データ１４８は、第１のエンコーダ１３２の選択を示す）ことに留意されたい。最後のフレーム（前のフレーム）がＡＣＥＬＰフレームであると決定された場合、例１の条件のセットは、ｓｔ−＞ｌｐｓ＞ｓｔ−＞ｌｐｍについてのチェックも含む。しかしながら、最後の６つの連続するフレームがＡＣＥＬＰフレームであると決定された場合、例１の条件のセットは、ｓｔ−＞ｌｐｓがｓｔ−＞ｌｐｍ未満であっても、ｓｔ−＞ｌｐｓの値がｓｔ−＞ｌｐｍの値の１．５以内である限り、現在のフレームについての調整パラメータ「ｄｓｎｒ」を、ＡＣＥＬＰフレームである現在のフレームへ選択を偏らせるように調整することを許可する。ｓｔ−＞ａｃｅｌｐＦｒａｍｅｓＣｏｕｎｔ＞＝６は、少なくとも最後の６つのフレームがＡＣＥＬＰフレームフレームであると決定されたことを示し（例えば、第２の決定データ１４８は、第１のエンコーダ１３２の選択を示す）、最後のフレーム（即ち、現在評価されているフレームに先行するフレーム）がＡＣＥＬＰフレームであると決定されたことを暗黙的に示すことにも留意されたい。例示のために、幾つかの実装形態では、ｓｔ−＞ｌｐｓの値は通常、−２７と２７との間であってよく、ｓｔ−＞ｌｐｍの値は通常、−１６と２３との間であってよい。

【0067】

[0074]例１において適用されるような調整パラメータ（例えば、ｄｓｎｒ＝４．０ｆ）の修正の後であっても、幾つかの実装形態では、調整パラメータの値は、分類決定生成器４１８のスピーチ／音楽決定中に適用される前に、更に調整され（例えば、増加又は減少され）てよいことに留意されたい。従って、例１における調整パラメータ「ｄｓｎｒ」の修正は、例１の条件のセットが満足されるとき、スピーチ／ＡＣＥＬＰを選択する確率を増すが、必ずしも保証するとは限らない。

【0068】

[0075]他の実装形態は、例１の条件のセットに加え、又はその代わりに、１つ又は複数の条件を含み得る。例えば、パラメータ「ｎｏｎ＿ｓｔａＸ」は、現在及び過去のフレームの間の様々な周波数帯におけるエネルギーの絶対分散の測度を示し得る。ログドメインにおいて、ｎｏｎ＿ｓｔａＸは、異なる帯域間での現在及び過去のフレームの間の絶対ログエネルギー差の合計であってよい。パラメータｎｏｎ＿ｓｔａＸの値の計算の例が、例２において与えられる。

【数4】

【0069】

[0076]音楽信号、特に楽器信号（例えば、バイオリン）は、全ての周波数帯において非常に高い定常性程度を有するが、ときには、高いハーモニシティにより、有声スピーチと間違えられる場合がある。比較的高い非定常性の条件は、定常楽器信号をスピーチとして（例えば、ＡＣＥＬＰエンコーダを用いて）符号化する尤度を低減するのに使われ得る。

【0070】

[0077]別の例として、平均有声化に基づく条件「ｍｅａｎ（ｖｏｉｃｉｎｇ＿ｆｒ，４）＞＝０．３」は、現在のフレームの４つのサブフレーム内のパラメータｖｏｉｃｉｎｇ＿ｆｒの値の算術平均が０．３以上のとき、満足され得る。フレームの全てのサブフレームに対応し得る４つのサブフレームが検討されているが、他の実装形態では、４つよりも少ないサブフレームが検討されてよい。パラメータｖｏｉｃｉｎｇ＿ｆｒは、

【数5】

として決定され得る。

【0071】

[0078]式３において、τ_iは、サブフレームｉ中で推定されるピッチ期間である。ｖｏｉｃｉｎｇ＿ｆｒ［ｉ］は、サブフレームｉについての有声化パラメータである。１の値を有するｖｏｉｃｉｎｇ＿ｆｒ［ｉ］は、現在のサブフレーム中のスピーチと、サンプルτ_iのセットとの間の相関が非常に高いことを示し、値０は、相関が非常に低いことを意味する。ｖｏｉｃｉｎｇ＿ｆｒは、スピーチの反復性の測度であり得る。有声フレームは高度に反復性であり、条件「ｍｅａｎ（ｖｏｉｃｉｎｇ＿ｆｒ，４）＞０．３」は、スピーチのような信号に対して満足され得る。

【0072】

[0079]別の例として、オフセットパラメータに基づく条件「ｏｆｆｓｅｔ＜７４．０ｆ」が、スピーチ／音楽決定をスピーチへ偏倚するかどうかを決定するときに使われ得る。オフセットパラメータはｓｎｒ＿ｔｃｘと逆関係し、これは、オフセット値の増加がｓｎｒ＿ｔｃｘの減少につながるとともに逆もまた成り立つことを意味し、オフセットパラメータを、低い値を有するように制限すると、ｓｎｒ＿ｔｃｘを、有効なＴＣＸ符号化のための下限を超えるレベルを有するように間接的に制限することになる。オフセットパラメータは、長期状態、短期特徴などに基づいて、第２の分類器内で計算されることに留意されたい。一実装形態では、ｓｎｒ＿ｔｃｘとオフセットとの間の関係は、

【数6】

（但し、Ｓ_hは重み付けされたスピーチであり、重み付けは入力スピーチのＬＰＣに対して行われる）
又は

【数7】

となり得る。

【0073】

[0080]別の例として、例３に示したように、音楽信号中でのＡＣＥＬＰフレームの出現を削減するために、「ｓｐ＿ａｕｄ＿ｄｅｃｉｓｉｏｎ０＝＝１」である（例えば、第１の決定データ１４６が音楽フレームを示す）とき、スピーチ／音楽決定は、音楽へ偏倚され得る。

【数8】

【0074】

[0081]第２の分類器１２４の決定をＡＣＥＬＰ又はＴＣＸいずれかへ偏倚するための例１との比較で、提案される条件の拡張セットが例４において与えられる。

【数9】

【0075】

[0082]第２の分類器１２４の決定をＡＣＥＬＰ又はＴＣＸいずれかへ偏倚するための、提案される条件の別のセットが、例５において与えられる。例５において、０．３よりも高いｍｅａｎ（ｖｏｉｃｉｎｇ＿ｆｒ，４）が、独立した条件として存在する。

【数10】

【0076】

[0083]例１及び３〜５は、調整パラメータ「ｄｓｎｒ」の値の設定に対応する条件のセットの例を挙げているが、他の実装形態は、１つ以上の条件を除外し、１つ以上の他の条件を含め、又はそれらの任意の組合せを行い得る。例えば、例１及び３〜５は、増加するスピーチ／音楽誤予測を呈し得るエンコーダ動作モード（例えば、１２．８ｋＨｚサンプルレート）を示す条件「ｓｔ−＞ｓｒ＿ｃｏｒｅ＝＝１２８００」を含んでいるが、他の実装形態では、調整パラメータを設定するための条件のセットに、１つ以上の他のエンコーダモードが含まれるか、又はエンコーダモードが含まれなくてよい。例の幾つかでは数値（例えば、７４．０ｆ）が与えられているが、そのような値は例としてのみ与えられており、他の実装形態では、誤予測を削減するために、他の値が決定されてよい。更に、本明細書において使われるパラメータ指示（例えば、「ｌｐｓ」、「ｌｐｍ」など）は、例示のためにすぎない。他の実装形態では、パラメータは、異なる名称で呼ばれ得る。例えば、スピーチパラメータの確率は、「ｐｒｏｂ＿ｓ」又は「ｌｐ＿ｐｒｏｂ＿ｓ」で呼ばれる場合がある。更に、時間アベレージ化（ローパス）パラメータ（「ｌｐ」で呼ばれる）が記載されており、図１〜図４並びに例１及び３〜５は、時間アベレージ化又はローパスパラメータの代わりに、他のパラメータ（例えば、「ｐｒｏｂ＿ｓ」、「ｐｒｏｂ＿ｍ」など）を使うことができる。

【0077】

[0084]図５は、エンコーダの選択を決定する方法５００を示すフローチャートである。方法５００は、スピーチ符号化と非スピーチ符号化との間で選択をするエンコーダ中で、又はエンコーダによって実施され得る。例えば、方法５００は図１のエンコーダ１０４によって実施され得る。

【0078】

[0085]方法５００は、５０２において、第１の分類器から、第１の確率データと第２の確率データとを第２の分類器において受信することを含む。第１の確率データは、オーディオフレームがスピーチフレームである第１の尤度に関連付けられ、第２の確率データは、オーディオフレームが非スピーチフレームである第２の尤度に関連付けられる。例示のために、第１の確率データ１４２及び第２の確率データ１４４が、図１の第１の分類器１２２から、第２の分類器１２４において受信される。例えば、第１の分類器はモデルベース分類器に関連付けられてよく、第２の分類器は開ループモデル又は開ループ分類器に関連付けられてよい。

【0079】

[0086]５０４において、第１の決定データが第１の分類器から第２の分類器において受信されてよく、第１の決定データは、スピーチフレーム又は非スピーチフレームとしてのオーディオフレームの分類を示す。第１の決定データは、第１の分類器の状態機械から、第２の分類器において受信され得る。例えば、第１の決定データは、図１の第１の決定データ１４６に対応し得る。

【0080】

[0087]方法５００は、５０６において、第２の分類器において、第１の確率データ、第２の確率データ及び第１の決定データに基づいて第２の決定データを決定することも含む。第２の決定データは、オーディオフレームを符号化するための、複数のエンコーダのうちの特定のエンコーダの選択を示すように構成される。例えば、複数のエンコーダは、それぞれ図１の第１のエンコーダ１３２及び第２のエンコーダ１３４など、第１のエンコーダと第２のエンコーダとを含み得る。第１のエンコーダはスピーチエンコーダを含むことができ、第２のエンコーダは非スピーチエンコーダを含むことができる。例示のために、非スピーチエンコーダは、ＴＣＸエンコーダなどの音楽エンコーダを含み得る。

【0081】

[0088]方法５００は、第２の分類器の出力から、複数のエンコーダのうちのある特定のエンコーダを選択するように構成されたスイッチに、第２の決定データを与えることを含み得る。オーディオフレームは、選択されたエンコーダを使って符号化される。例えば、図１の第２の分類器１２４は、第１のエンコーダ１３２又は第２のエンコーダ１３４のうちの１つを選択するために、スイッチ１３０に与えられる第２の決定データ１４８を出力し得る。

【0082】

[0089]方法５００は、オーディオフレームを符号化するのに使われる複数のエンコーダのうちの第１のエンコーダに関連付けられた第１の推定コード化利得値を決定することと、オーディオフレームを符号化するのに使われる複数のエンコーダのうちの第２のエンコーダに関連付けられた第２の推定コード化利得値を決定することとを含み得る。例えば、第１の推定コード化利得値は、図４の短期スピーチ尤度推定器４１０によって出力される値（例えば、ｓｎｒ＿ａｃｅｌｐ）に対応してよく、第２の推定コード化利得値は、短期音楽尤度推定器４１２によって出力される値（例えば、ｓｎｒ＿ｔｃｘ）に対応してよい。方法５００は、調整パラメータの値に基づいて第１の推定コード化利得値を調整することを含み得る。例えば、図４の調整パラメータの値「ｄｓｎｒ」は、図４の調整パラメータ生成器４１６によって出力されてよく、分類決定生成器４１８によって、ｓｎｒ＿ａｃｅｌｐの値を調整するのに使われ得る。１つ又は複数のエンコーダの選択は、調整された第１の推定コード化利得値及び第２の推定コード化利得値に基づき得る。

【0083】

[0090]方法５００は、調整パラメータの値（例えば、「ｄｓｎｒ」）を選択することを含み得る。値は、第１の確率データ（例えば、ｌｐｓ）、第２の確率データ（例えば、ｌｐｍ）、長期状態データ又は第１の決定（例えば、ｓｐ＿ａｕｄ＿ｄｅｃｉｓｉｏｎ）のうちの少なくとも１つに基づいて選択され得る。例えば、調整パラメータの値は、図４の調整パラメータ生成器４１６によって選択され得る。第２の決定データは、調整パラメータ生成器４１６から受信される調整パラメータの値に応答する、分類決定生成器４１８の出力など、調整パラメータの値に基づいて決定され得る。調整パラメータの値は、スピーチに関連付けられた第１のエンコーダ又は非スピーチに関連付けられた第２のエンコーダへ選択を偏らせるように選択され得る。

【0084】

[0091]方法５００は、オーディオフレームに関連付けられた条件のセットが満足されるかどうかを決定することと、条件のセットが満足されることに応答して、スピーチに関連付けられた第１のエンコーダへ選択を偏らせるように、調整パラメータの値を選択することとを含み得る。条件のセットは、例１における条件「ｓｔ−＞ｓｒ＿ｃｏｒｅ＝＝１２８００」など、オーディオフレームが１２．８ｋＨｚというコアサンプルレートに関連付けられていると決定することに応答して、少なくとも部分的に満足されると決定されてよい。条件のセットは、例１における条件「ｓｐ＿ａｕｄ＿ｄｅｃｉｓｉｏｎ０＝＝０」など、オーディオフレームがスピーチフレームとして分類されることを第１の決定データが示すと決定することに応答して、少なくとも部分的に満足されると決定されてよい。条件のセットは、オーディオフレームを符号化するのに使われる第１のエンコーダに関連付けられた第１の推定コード化利得値（例えば、ｓｎｒ＿ａｃｅｌｐ）が第１の値以上であると決定することに応答して、少なくとも部分的に満足されると決定されてよい。第１の値は、例１における条件「ｓｎｒ＿ａｃｅｌｐ＞＝ｓｎｒ＿ｔｃｘ−４」など、第２の推定コード化利得値（例えば、ｓｎｒ＿ｔｃｘ）と第２の値（例えば、４）との間の差に関連付けられ得る。条件のセットは、直近に分類されたフレームが、スピーチコンテンツを含むものとして分類される（例えば、例１における「ｓｔ−＞ａｃｅｌｐＦｒａｍｅｓＣｏｕｎｔ＞＝１」）と決定すること、及び第１の確率データによって示される第１の確率値が、第２の確率によって示される第２の確率値よりも大きい（例えば、例１における「ｓｔ−＞ｌｐｓ＞ｓｔ−＞ｌｐｍ」）と決定することに応答して、少なくとも部分的に満足されると決定されてよい。

【0085】

[0092]条件のセットは、幾つかの直近に分類されたフレームに対応する各フレームが、スピーチコンテンツを含むものとして分類される（例えば、例１における「ｓｔ−＞ａｃｅｌｐＦｒａｍｅｓＣｏｕｎｔ＞＝６」）と決定すること、及び第１の確率データによって示される第１の確率値（例えば、「ｓｔ−＞ｌｐｓ」）が第３の値（例えば、例１における「ｓｔ−＞ｌｐｍ−１．５」）以上であると決定することに応答して、少なくとも部分的に満足されると決定されてよい。第３の値は、第２の確率データによって示される第２の確率値（例えば、「ｓｔ−＞ｌｐｍ」）と第４の値（例えば、１．５）との間の差に関連付けられ得る。

【0086】

[0093]条件のセットは、オーディオフレームの複数のサブフレームの平均有声化値が第１の閾値以上である（例えば、例４における「ｍｅａｎ（ｖｏｉｃｉｎｇ＿ｆｒ，４）＞＝０．３」）と決定すること、オーディオフレームに関連付けられた非定常性値が第２の閾値よりも大きい（例えば、例４における「ｎｏｎ−ｓｔａＸ＞５．０」）と決定すること、及びオーディオフレームに関連付けられたオフセット値が第３の閾値未満である（例えば、例４における「ｏｆｆｓｅｔ＜７４」）と決定することに応答して、少なくとも部分的に満足されると決定されてよい。

【0087】

[0094]ある特定の態様では、方法５００は、例３に関して記載するように、オーディオフレームに関連付けられた条件の第２のセットが満足されるかどうかを決定することと、条件の第２のセットが満足されることに応答して、非スピーチに関連付けられた第２のエンコーダへ選択を偏らせるように、調整パラメータの値を選択することとを含む。条件の第２のセットは、オーディオフレームが１２．８ｋＨｚというコアサンプルレートに関連付けられる（例えば、例３における「ｓｔ−＞ｓｔ＿ｃｏｒｅ＝＝１２８００」）と決定することに応答して、少なくとも部分的に満足されると決定されてよい。代替又は追加として、条件の第２のセットは、第１の決定データが、オーディオフレームが非スピーチフレームとして分類されることを示す（例えば、例３における「ｓｐ＿ａｕｄ＿ｄｅｃｉｓｉｏｎ０＝＝１」）と決定することに応答して、少なくとも部分的に満足されると決定されてよい。

【0088】

[0095]方法５００は、特定のオーディオフレームのより正確な分類と、特定のオーディオフレームを符号化するのに使われるべきエンコーダの向上された選択とを可能にし得る。第１の分類器からの確率データと第１の決定データとを、選択を決定するのに使うことによって、従来の分類技法と比較して、オーディオフレームは、スピーチフレーム又は音楽フレームとして正確に分類されてよく、誤分類されるスピーチフレームの数が削減され得る。分類されたオーディオフレームに基づいて、オーディオフレームを符号化するためのエンコーダ（例えば、スピーチエンコーダ又は非スピーチエンコーダ）が選択され得る。スピーチフレームを符号化するために、選択されたエンコーダを使うことによって、オーディオフレームの誤分類から、及びオーディオフレームを符号化するために、間違ったエンコーダを使うことから生じる乱れ及び悪い信号品質が削減され得る。

【0089】

[0096]図６は、選択を特定のエンコーダへ偏倚するように調整パラメータの値を選択する方法６００を示すフローチャートである。方法６００は、スピーチ符号化と非スピーチ符号化との間で選択をするエンコーダ中で、又はエンコーダによって実施され得る。例えば、方法６００は図１のエンコーダ１０４によって実施され得る。

【0090】

[0097]第１の分類器からの第１の確率データ及び第１の決定データが、６０２において、第２の分類器において受信される。第１の確率データは、オーディオフレームがスピーチフレームである第１の尤度に関連付けられる。例えば、第１の確率データは、図１の第１の分類器１２２から第２の分類器１２４において受信される、第１の確率データ１４２、第２の確率データ１４４、又はそれらの組合せに対応し得る。第１の決定データは、図１の第１の決定データ１４６など、スピーチフレーム又は非スピーチフレームとしてのオーディオフレームの分類を示す。

【0091】

[0098]方法６００は、６０４において、第２の分類器において、オーディオフレームに関連付けられた条件のセットが満足されるかどうかを決定することも含む。条件のセットの第１の条件は第１の確率データに基づき、条件のセットの第２の条件は第１の決定データに基づく。例えば、第１の条件は例１における「ｓｔ−＞ｌｐｓ＞ｓｔ−＞ｌｐｍ」に対応してよく、第２の条件は例１における「ｓｐ＿ａｕｄ＿ｄｅｃｉｓｉｏｎ０＝＝０」に対応してよい。

【0092】

[0099]方法６００は、６０６において、条件のセットが満足されると決定することに応答して、複数のエンコーダのうちの第１のエンコーダへ第１の選択を偏らせるように、調整パラメータの値を設定することを更に含む。例えば、調整パラメータの値は、分類決定生成器４１８に与えられる、図４の調整パラメータ生成器４１６の出力の値に対応し得る。例示のために、第１のエンコーダへ第１の選択を偏らせるように調整パラメータの値を設定することは、例１における「ｄｎｓｒ＝４．０」など、調整パラメータの値を設定すること（又は更新すること）に対応し得る。第１のエンコーダは、スピーチエンコーダを含むか、又はそれに対応し得る。

【0093】

[0100]ある特定の態様では、条件のセットは、オーディオフレームが１２．８００ｋＨｚのサンプルレートに関連付けられる（例えば、例１における「ｓｔ−＞ｓｒ＿ｃｏｒｅ＝＝１２８００」）と決定することに応答して、少なくとも部分的に満足されると決定される。条件のセットは、第１の決定データがスピーチフレームとしてのオーディオフレームの分類を示す（例えば、例１における「ｓｐ＿ａｕｄ＿ｄｅｃｉｓｉｏｎ０＝＝０」）と決定することに応答して、少なくとも部分的に満足されると決定されてよい。条件のセットは、第１のエンコーダにおいてオーディオフレームを符号化することに関連付けられた第１の推定コード化利得値（例えば、「ｓｎｒ＿ａｃｅｌｐ」）が第１の値以上である（例えば、例１における「ｓｎｒ＿ａｃｅｌｐ＞＝ｓｎｒ＿ｔｃｘ−４」）と決定することに応答して、少なくとも部分的に満足されると決定されてよく、第１の値は、第２の推定コード化利得値（例えば、「ｓｎｒ＿ｔｃｘ」）と第２の値との間の差に関連付けられる。

【0094】

[0101]ある特定の態様では、条件のセットは、直近に分類されたフレームが、スピーチコンテンツを含むものとして分類される（例えば、例１における「ｓｔ−＞ａｃｅｌｐＦｒａｍｅｓＣｏｕｎｔ＞＝１」）と決定することに応答して、少なくとも部分的に満足されると決定される。ある特定の態様では、条件のセットは、第１の確率データによって示される第１の確率値が、第２の確率データによって示される第２の確率値よりも大きい（例えば、「ｓｔ−＞ｌｐｓ＞ｓｔ−ｌｐｍ」）と決定することに応答して、少なくとも部分的に満足されると決定され、オーディオフレームの第２の尤度に関連付けられた第２の確率データは非スピーチフレームである。

【0095】

[0102]条件のセットは、幾つかの直近に分類されたフレームに対応する各フレームが、スピーチコンテンツを含むものとして分類される（例えば、「ｓｔ−＞ａｃｅｌｐＦｒａｍｅｓＣｏｕｎｔ＞＝６」）と決定することに応答して、少なくとも部分的に満足されると決定されてよい。条件のセットは、例１における条件「ｓｔ−＞ｌｐｓ＞ｓｔ−ｌｐｍ−１．５」など、第１の確率データによって示される第１の確率値（例えば、「ｓｔ−＞ｌｐｓ」）が第３の値以上であると決定することに応答して、少なくとも部分的に満足されると決定されてよく、第３の値は、第２の確率データによって示される第２の確率値（例えば、「ｓｔ−＞ｌｐｍ」）と第４の値との間の差に関連付けられる。第２の確率データは、オーディオフレームが非スピーチフレームである第２の尤度に関連付けられ得る。

【0096】

[0103]条件のセットは、オーディオフレームの複数のサブフレームの平均有声化値が第１の閾値以上である（例えば、例４における「ｍｅａｎ（ｖｏｉｃｉｎｇ＿ｆｒ，４）＞＝０．３」）と決定することに応答して、少なくとも部分的に満足されると決定されてよい。条件のセットは、オーディオフレームに関連付けられた非定常性値が第２の閾値よりも大きい（例えば、例４における「ｎｏｎ＿ｓｔａＸ＞５．０」）と決定することに応答して、少なくとも部分的に満足されると決定されてよい。条件のセットは、オーディオフレームに関連付けられたオフセット値が第３の閾値未満である（例えば、例４における「ｏｆｆｓｅｔ＜７４．０」）と決定することに応答して、少なくとも部分的に満足されると決定されてよい。

【0097】

[0104]幾つかの実装形態では、方法６００は、例３の条件のセットなど、オーディオフレームに関連付けられた条件の第２のセットが満足されるかどうかを決定することを含み得る。方法６００は、条件の第２のセットが満足されると決定することに応答して、複数のエンコーダのうちの第２のエンコーダへ第２の選択を偏らせるように、調整パラメータの値を第１の値から第２の値に更新することも含んでよく、第２のエンコーダは非スピーチエンコーダを含む。例えば、第２のエンコーダへ第２の選択を偏らせるように調整パラメータの値を更新することは、図４の調整パラメータ生成器４１６の出力の値を設定すること（例えば、例３における「ｄｓｎｒ＝−２．０」）によって実施され得る。例示のために、条件の第２のセットは、オーディオフレームが１２．８ｋＨｚのサンプルレートに関連付けられると決定すること、及び第１の決定データが非スピーチフレームとしてのオーディオフレームの分類を示すと決定すること（例えば、例３における「（ｓｔ−＞ｓｒ＿ｃｏｒｅ＝＝１２８００）＆＆（ｓｐ＿ａｕｄ＿ｄｅｃｉｓｉｏｎ０＝＝１）」）に応答して、満足されると決定され得る。

【0098】

[0105]選択を決定するのに調整パラメータを使うことによって、オーディオフレームは、スピーチフレーム又は音楽フレームとして分類されてよく、従来の分類技法と比較して、誤分類されるスピーチフレームの数が削減され得る。分類されたオーディオフレームに基づいて、オーディオフレームを符号化するためのエンコーダ（例えば、スピーチエンコーダ又は非スピーチエンコーダ）が選択され得る。スピーチフレームを符号化するために、選択されたエンコーダを使うことによって、オーディオフレームの誤分類から、及びオーディオフレームを符号化するために、間違ったエンコーダを使うことから生じる乱れ及び悪い信号品質が削減され得る。

【0099】

[0106]特定の実施形態では、図５〜図６の方法、例１〜５のうちの１つ以上、又はそれらの組合せは、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）機器、特定用途向け集積回路（ＡＳＩＣ）、中央処理ユニット（ＣＰＵ）などの処理ユニット、デジタル信号プロセッサ（ＤＳＰ）、コントローラ、別のハードウェア機器、ファームウェア機器、又はそれらの任意の組合せによって実装され得る。一例として、図５〜図６の方法、例１〜５のうちの１つ以上、又はそれらの組合せは、個々に又は組み合わせて、図７及び図８に関して説明するように、命令を実行するプロセッサによって実施され得る。例示のために、図５の方法５００の部分が、図６の第２の部分と又は例１の第３の部分と組み合わされてよい。

【0100】

[0107]図７を参照すると、機器７００（例えば、ワイヤレス通信機器）の特定の説明のための例のブロック図が示されている。様々な実装形態において、機器７００は、図７に示されたよりも多いか、又は少ない構成要素を有する場合がある。説明のための例では、機器７００は、図１の機器１０２に対応し得る。説明のための例として、機器７００は、図５〜図６の方法のうちの１つ以上、例１〜５のうちの１つ以上、又はそれらの組合せに従って動作し得る。

【0101】

[0108]特定の例では、機器７００はプロセッサ７０６（例えば、ＣＰＵ）を含む。機器７００は、プロセッサ７１０（例えば、ＤＳＰ）など、１つ又は複数の追加プロセッサを含み得る。プロセッサ７１０は、オーディオコーダデコーダ（コーデック）７０８を含み得る。例えば、プロセッサ７１０は、オーディオコーデック７０８の動作を実施するように構成された１つ又は複数の構成要素（例えば、回路構成）を含み得る。別の例として、プロセッサ７１０は、オーディオコーデック７０８の動作を実施するための１つ又は複数のコンピュータ可読命令を実行するように構成され得る。オーディオコーデック７０８はプロセッサ７１０の構成要素として示されているが、他の例では、オーディオコーデック７０８の１つ又は複数の構成要素が、プロセッサ７０６、コーデック７３４、別の処理構成要素、又はそれらの組合せの中に含められてもよい。

【0102】

[0109]オーディオコーデック７０８はボコーダエンコーダ７３６を含み得る。ボコーダエンコーダ７３６は、エンコーダ選択器７６０と、スピーチエンコーダ７６２と、非スピーチエンコーダ７６４とを含み得る。例えば、スピーチエンコーダ７６２は図１の第１のエンコーダ１３２に対応してよく、非スピーチエンコーダ７６４は図１の第２のエンコーダ１３４に対応してよく、エンコーダ選択器７６０は図１の選択器１２０に対応してよい。

【0103】

[0110]機器７００は、メモリ７３２とコーデック７３４とを含む場合がある。コンピュータ可読記憶機器などのメモリ７３２は、命令７５６を含み得る。命令７５６は、図５〜図６の方法、例１〜５のうちの１つ以上、又はそれらの組合せを実施するように、プロセッサ７０６、プロセッサ７１０、又はそれらの組合せによって実行可能である１つ又は複数の命令を含み得る。機器７００は、（例えば、トランシーバを介して）アンテナ７４２に結合されたワイヤレスコントローラ７４０を含む場合がある。

【0104】

[0111]機器７００は、ディスプレイコントローラ７２６に結合されたディスプレイ７２８を含む場合がある。スピーカー７４１、マイクロフォン７４６、又は両方が、コーデック７３４に結合され得る。コーデック７３４は、デジタルアナログコンバータ（ＤＡＣ）７０２と、アナログデジタルコンバータ（ＡＤＣ）７０４とを含む場合がある。コーデック７３４は、マイクロフォン７４６からアナログ信号を受信し、ＡＤＣ７０４を使用してアナログ信号をデジタル信号にコンバートし、第１のオーディオコーデック７０８にデジタル信号を与えることができる。オーディオコーデック７０８はデジタル信号を処理し得る。幾つかの実装形態では、オーディオコーデック７０８は、コーデック７３４にデジタル信号を与え得る。コーデック７３４は、ＤＡＣ７０２を使用してデジタル信号をアナログ信号にコンバートし得、そのアナログ信号をスピーカー７４１に与え得る。

【0105】

[0112]エンコーダ選択器７６０は、本明細書に記載されるように、条件の１つ又は複数のセットに基づいて調整パラメータの値を設定すること（又は更新すること）により、エンコーダ選択の偏倚を含む、エンコーダ選択のハードウェア実装形態を実装するのに使われ得る。代替又は追加として、ソフトウェア実装形態（又は合成ソフトウェア／ハードウェア実装形態）が実装され得る。例えば、命令７５６は、プロセッサ７１０又は機器７００の他の処理ユニット（例えば、プロセッサ７０６、コーデック７３４、又は両方）によって実行可能であり得る。例示のために、命令７５６は、図１の選択器１２０に関して実施されるものとして記載された動作に対応し得る。

【0106】

[0113]特定の実装形態では、機器７００は、システムインパッケージ又はシステムオンチップ機器７２２内に含められ得る。特定の実装形態では、メモリ７３２、プロセッサ７０６、プロセッサ７１０、ディスプレイコントローラ７２６、コーデック７３４及びワイヤレスコントローラ７４０は、システムインパッケージ又はシステムオンチップ機器７２２中に含まれる。ある特定の実装形態では、入力機器７３０及び電源７４４が、システムオンチップ機器７２２に結合される。その上、特定の実装形態では、図７に示されるように、ディスプレイ７２８、入力機器７３０、スピーカー７４１、マイクロフォン７４６、アンテナ７４２及び電源７４４は、システムオンチップ機器７２２の外部にある。特定の実装形態では、ディスプレイ７２８、入力機器７３０、スピーカー７４１、マイクロフォン７４６、アンテナ７４２及び電源７４４の各々は、インターフェース又はコントローラなどの、システムオンチップ機器７２２の構成要素に結合され得る。

【0107】

[0114]機器７００は、通信機器、エンコーダ、デコーダ、スマートフォン、セルラーフォン、モバイル通信機器、ラップトップコンピュータ、コンピュータ、タブレット、携帯情報端末（ＰＤＡ）、セットトップボックス、ビデオプレーヤ、娯楽ユニット、表示装置、テレビ、ゲーム機、音楽プレーヤ、ラジオ、デジタルビデオプレーヤ、デジタルビデオディスク（ＤＶＤ）プレーヤ、チューナー、カメラ、ナビゲーション機器、デコーダシステム、エンコーダシステム、基地局、ビークル、又はそれらの組合せを含み得る。

【0108】

[0115]例示的実装形態では、プロセッサ７１０は、図１〜図６、例１〜５を参照して記載した方法又は動作の全部若しくは一部分、又はそれらの組合せを実施するように動作可能であり得る。例えば、マイクロフォン７４６は、ユーザスピーチ信号に対応するオーディオ信号を取込みし得る。ＡＤＣ７０４は、取込まれたオーディオ信号を、アナログ波形から、デジタルオーディオサンプルからなるデジタル波形にコンバートし得る。プロセッサ７１０は、デジタルオーディオサンプルを処理することができる。

【0109】

[0116]ボコーダエンコーダ７３６は、フレームごとに、デジタルオーディオサンプルの各受信フレームがスピーチそれとも非スピーチオーディオデータに対応するか決定することができ、フレームを符号化するために、対応するエンコーダ（例えば、スピーチエンコーダ７６２又は非スピーチエンコーダ７６４）を選択すればよい。ボコーダエンコーダ７３６において生成された符号化オーディオデータは、変調データの変調及び送信のために、アンテナ７４２を介してワイヤレスコントローラ７４０に与えられ得る。

【0110】

[0117]それ故に機器７００はプロセッサ（例えば、プロセッサ７０６又はプロセッサ７１０）によって実行されると、プロセッサに、オーディオフレームがスピーチフレームである第１の尤度に関連付けられた第１の確率データ（例えば、図１の第１の確率データ１４２）を決定することと、オーディオフレームが非スピーチフレームである第２の尤度に関連付けられた第２の確率データ（例えば、図１の第２の確率データ１４４）を決定することとを含む動作を実施させる命令（例えば、命令７５６）を記憶するコンピュータ可読記憶機器（例えば、メモリ７３２）を含み得る。動作は、第１の確率データ及び第２の確率データに基づいて、第１の決定データ（例えば、図１の第１の決定データ１４６）を決定することも含み得る。第１の決定データは、スピーチフレーム又は非スピーチフレームとしてのオーディオフレームの分類を示す。動作は、第１の確率データ、第２の確率データ及び第１の決定データに基づいて、第２の決定データ（例えば、図１の第２の決定データ１４８）を決定することも含み得る。第２の決定データは、オーディオフレームを符号化するためのエンコーダ（例えば、スピーチエンコーダ７６２又は非スピーチエンコーダ７６４）の選択を示す。

【0111】

[0118]図８を参照すると、基地局８００の特定の説明のための例のブロック図が示されている。様々な実装形態において、基地局８００は、図８に示されたよりも多い構成要素又は少ない構成要素を有する場合がある。説明のための例では、基地局８００は、図１の機器１０２を含み得る。説明のための例において、基地局８００は、図５〜図６の方法のうちの１つ以上、例１〜５のうちの１つ以上、又はそれらの組合せに従って動作し得る。

【0112】

[0119]基地局８００は、ワイヤレス通信システムの一部であり得る。ワイヤレス通信システムは、複数の基地局と複数のワイヤレス機器とを含み得る。ワイヤレス通信システムは、ロングタームエボリューション（ＬＴＥ（登録商標））システム、符号分割多元接続（ＣＤＭＡ）システム、モバイル通信用グローバルシステム（ＧＳＭ（登録商標））システム、ワイヤレスローカルエリアネットワーク（ＷＬＡＮ）システム、又は何らかの他のワイヤレスシステムであり得る。ＣＤＭＡシステムは、広帯域ＣＤＭＡ（ＷＣＤＭＡ（登録商標））、ＣＤＭＡ １Ｘ、エボリューションデータオプティマイズド（ＥＶＤＯ）、時分割同期ＣＤＭＡ（ＴＤ−ＳＣＤＭＡ）又はＣＤＭＡの何らかの他のバージョンを実装し得る。

【0113】

[0120]ワイヤレス機器は、ユーザ機器（ＵＥ）、移動局、端末、アクセス端末、加入者ユニット、局などと呼ばれることもある。ワイヤレス機器は、セルラーフォン、スマートフォン、タブレット、ワイヤレスモデム、携帯情報端末（ＰＤＡ）、ハンドヘルド機器、ラップトップコンピュータ、スマートブック、ネットブック、タブレット、コードレスフォン、ワイヤレスローカルループ（ＷＬＬ）局、Ｂｌｕｅｔｏｏｔｈ（登録商標）機器などを含み得る。ワイヤレス機器は、図７の機器７００を含むか、又は機器７００に対応し得る。

【0114】

[0121]メッセージ及びデータ（例えば、オーディオデータ）の送受信など、様々な機能が、基地局８００の１つ以上の構成要素によって（及び／又は図示しない他の構成要素において）実施されてよい。特定の例では、基地局８００はプロセッサ８０６（例えば、ＣＰＵ）を含む。基地局８００は、トランスコーダ８１０を含み得る。トランスコーダ８１０は、オーディオコーデック８０８を含み得る。例えば、トランスコーダ８１０は、オーディオコーデック８０８の動作を実施するように構成された１つ又は複数の構成要素（例えば、回路構成）を含み得る。別の例として、トランスコーダ８１０は、オーディオコーデック８０８の動作を実施するための１つ又は複数のコンピュータ可読命令を実行するように構成され得る。オーディオコーデック８０８はトランスコーダ８１０の構成要素として示されているが、他の例では、オーディオコーデック８０８の１つ又は複数の構成要素が、プロセッサ８０６、別の処理構成要素、又はそれらの組合せの中に含められてもよい。例えば、ボコーダデコーダ８３８が、受信機データプロセッサ８６４中に含められてよい。別の例として、ボコーダエンコーダ８３６が送信データプロセッサ８６６中に含められてよい。

【0115】

[0122]トランスコーダ８１０は、２つ以上のネットワークの間でメッセージとデータとをトランスコードするように機能し得る。トランスコーダ８１０は、メッセージとオーディオデータとを、第１のフォーマット（例えば、デジタルフォーマット）から第２のフォーマットにコンバートするように構成され得る。例示のために、ボコーダデコーダ８３８は、第１のフォーマットを有する符号化信号を復号することができ、ボコーダエンコーダ８３６は、復号された信号を、第２のフォーマットを有する符号化信号に符号化することができる。追加又は代替として、トランスコーダ８１０は、データレート適応を実施するように構成され得る。例えば、トランスコーダ８１０は、フォーマット、オーディオデータを変更せずに、データレートをダウンコンバートするか、又はデータレートをアップコンバートすることができる。例示のために、トランスコーダ８１０は、６４ｋｂｉｔ／ｓ信号を１６ｋｂｉｔ／ｓ信号にダウンコンバートし得る。

【0116】

[0123]オーディオコーデック８０８は、ボコーダエンコーダ８３６とボコーダデコーダ８３８とを含み得る。ボコーダエンコーダ８３６は、図７を参照して記載されたように、エンコーダ選択器と、スピーチエンコーダと、非スピーチエンコーダとを含み得る。ボコーダデコーダ８３８は、デコーダ選択器と、スピーチデコーダと、非スピーチデコーダとを含み得る。

【0117】

[0124]基地局８００は、メモリ８３２を含み得る。コンピュータ可読記憶機器などのメモリ８３２は、命令を含み得る。命令は、図５〜図６の方法、例１〜５のうちの１つ以上、又はそれらの組合せを実施するように、プロセッサ８０６、トランスコーダ８１０、又はそれらの組合せによって実行可能である１つ又は複数の命令を含み得る。基地局８００は、アンテナのアレイに結合された、第１のトランシーバ８５２及び第２のトランシーバ８５４など、複数の送信機と受信機（例えば、トランシーバ）とを含み得る。アンテナのアレイは、第１のアンテナ８４２と第２のアンテナ８４４とを含み得る。アンテナのアレイは、図７の機器７００など、１つ又は複数のワイヤレス機器とワイヤレス通信するように構成され得る。例えば、第２のアンテナ８４４は、データストリーム８１４（例えば、ビットストリーム）をワイヤレス機器から受信することができる。データストリーム８１４は、メッセージ、データ（例えば、符号化スピーチデータ）、又はそれらの組合せを含み得る。

【0118】

[0125]基地局８００は、バックホール接続などのネットワーク接続８６０を含み得る。ネットワーク接続８６０は、コアネットワーク又はワイヤレス通信ネットワークの１つ以上の基地局と通信するように構成され得る。例えば、基地局８００は、ネットワーク接続８６０を介して、コアネットワークから第２のデータストリーム（例えば、メッセージ又はオーディオデータ）を受信し得る。基地局８００は、メッセージ又はオーディオデータを生成するために第２のデータストリームを処理し、メッセージ又はオーディオデータを、アンテナのアレイの１つ以上のアンテナを介して１つ以上のワイヤレス機器に、又はネットワーク接続８６０を介して別の基地局に与えればよい。特定の実装形態では、ネットワーク接続８６０は、例示的、非限定的例として、ワイドエリアネットワーク（ＷＡＮ）接続であってよい。

【0119】

[0126]基地局８００は、トランシーバ８５２、８５４、受信機データプロセッサ８６４及びプロセッサ８０６に結合される復調器８６２を含んでよく、受信機データプロセッサ８６４は、プロセッサ８０６に結合されてよい。復調器８６２は、トランシーバ８５２、８５４から受信された変調信号を復調するように、及び復調されたデータを受信機データプロセッサ８６４に与えるように構成され得る。受信機データプロセッサ８６４は、復調されたデータからメッセージ又はオーディオデータを抽出し、メッセージ又はオーディオデータをプロセッサ８０６に送るように構成され得る。

【0120】

[0127]基地局８００は、送信データプロセッサ８６６と送信多入力多出力（ＭＩＭＯ）プロセッサ８６８とを含み得る。送信データプロセッサ８６６は、プロセッサ８０６及び送信ＭＩＭＯプロセッサ８６８に結合され得る。送信ＭＩＭＯプロセッサ８６８は、トランシーバ８５２、８５４及びプロセッサ８０６に結合され得る。送信データプロセッサ８６６は、プロセッサ８０６からメッセージ又はオーディオデータを受信するように、及びメッセージ又はオーディオデータを、例示的、非限定的例として、ＣＤＭＡ又は直交周波数分割多重化（ＯＦＤＭ）などのコード化方式に基づいてコード化するように構成され得る。送信データプロセッサ８６６は、コード化データを送信ＭＩＭＯプロセッサ８６８に与えればよい。

【0121】

[0128]コード化データは、多重化データを生成するために、ＣＤＭＡ又はＯＦＤＭ技法を使って、パイロットデータなど、他のデータと多重化されてよい。多重化データは次いで、変調シンボルを生成するために、特定の変調方式（例えば、二位相偏移変調（Binary phase-shift keying）（「ＢＰＳＫ」）、四位相偏移変調（Quadrature phase-shift keying）（「ＱＳＰＫ」）、多値位相偏移変調（M-ary phase-shift keying）（「Ｍ−ＰＳＫ」）、多値直交振幅変調（「Ｍ−ＱＡＭ」）など）に基づいて、送信データプロセッサ８６６によって変調され（即ち、シンボルマッピングされ）得る。特定の実装形態では、コード化データ及び他のデータは、異なる変調方式を使って変調されてよい。各データストリームのデータレート、コード化及び変調は、プロセッサ８０６によって実行される命令によって決定され得る。

【0122】

[0129]送信ＭＩＭＯプロセッサ８６８は、送信データプロセッサ８６６から変調シンボルを受信するように構成されてよく、変調シンボルを更に処理することができ、データに対してビームフォーミングを実施することができる。例えば、送信ＭＩＭＯプロセッサ８６８は、変調シンボルにビームフォーミング重みを適用してよい。ビームフォーミング重みは、変調シンボルがそこから送信されるアンテナのアレイの１つ又は複数のアンテナに対応し得る。

【0123】

[0130]動作中、基地局８００の第２のアンテナ８４４は、データストリーム８１４を受信し得る。第２のトランシーバ８５４は、データストリーム８１４を第２のアンテナ８４４から受信することができ、データストリーム８１４を復調器８６２に与えればよい。復調器８６２は、データストリーム８１４の変調信号を復調し、復調されたデータを受信機データプロセッサ８６４に与えればよい。受信機データプロセッサ８６４は、復調されたデータからオーディオデータを抽出し、抽出されたオーディオデータをプロセッサ８０６に与えればよい。

【0124】

[0131]プロセッサ８０６は、オーディオデータを、トランスコード化のためにトランスコーダ８１０に与えてよい。トランスコーダ８１０のボコーダデコーダ８３８は、オーディオデータを、第１のフォーマットから、復号されたオーディオデータに復号することができ、ボコーダエンコーダ８３６は、復号されたオーディオデータを第２のフォーマットに符号化することができる。幾つかの実装形態では、ボコーダエンコーダ８３６は、ワイヤレス機器から受信されたよりも高いデータレート（例えば、アップコンバート）又は受信されたよりも低いデータレート（例えば、ダウンコンバート）を使って、オーディオデータを符号化してよい。他の実装形態では、オーディオデータはトランスコードされなくてよい。トランスコード化（例えば、復号及び符号化）は、トランスコーダ８１０によって実施されるものとして示されているが、トランスコード化動作（例えば、復号及び符号化）は、基地局８００の複数の構成要素によって実施されてよい。例えば、復号は受信機データプロセッサ８６４によって実施されてよく、符号化は送信データプロセッサ８６６によって実施されてよい。

【0125】

[0132]ボコーダデコーダ８３８及びボコーダエンコーダ８３６は、フレームごとに、データストリーム８１４の各受信フレームがスピーチそれとも非スピーチオーディオデータに対応するか決定することができ、フレームをトランスコードする（例えば、復号及び符号化する）ために、対応するデコーダ（例えば、スピーチデコーダ又は非スピーチデコーダ）と、対応するエンコーダとを選択してよい。トランスコード化データなど、ボコーダエンコーダ８３６において生成された符号化オーディオデータは、プロセッサ８０６を介して送信データプロセッサ８６６又はネットワーク接続８６０に与えられてよい。

【0126】

[0133]トランスコーダ８１０からのトランスコード化オーディオデータは、変調シンボルを生成するための、ＯＦＤＭなどの変調方式によるコード化のために、送信データプロセッサ８６６に与えられてよい。送信データプロセッサ８６６は、変調シンボルを、更なる処理及びビームフォーミングのために送信ＭＩＭＯプロセッサ８６８に与えてよい。送信ＭＩＭＯプロセッサ８６８は、ビームフォーミング重みを適用することができ、変調シンボルを、第１のトランシーバ８５２を介して、第１のアンテナ８４２など、アンテナのアレイの１つ又は複数のアンテナに与えてよい。従って、基地局８００は、ワイヤレス機器から受信されたデータストリーム８１４に対応するトランスコード化データストリーム８１６を、別のワイヤレス機器に与えてよい。トランスコード化データストリーム８１６は、データストリーム８１４とは異なる符号化フォーマット、データレート、又は両方を有し得る。他の実装形態では、トランスコード化データストリーム８１６は、別の基地局又はコアネットワークへの送信のために、ネットワーク接続８６０に与えられ得る。

【0127】

[0134]それ故に基地局８００はプロセッサ（例えば、プロセッサ８０６又はトランスコーダ８１０）によって実行されると、プロセッサに、オーディオフレームがスピーチフレームである第１の尤度に関連付けられた第１の確率データを決定することと、オーディオフレームが非スピーチフレームである第２の尤度に関連付けられた第２の確率データを決定することとを含む動作を実施させる命令を記憶するコンピュータ可読記憶機器（例えば、メモリ８３２）を含み得る。動作は、第１の確率データ及び第２の確率データに基づいて第１の決定データを決定することも含み得る。第１の決定データは、スピーチフレーム又は非スピーチフレームとしてのオーディオフレームの分類を示す。動作は、第１の確率データ、第２の確率データ及び第１の決定データに基づいて第２の決定データを決定することも含み得る。第２の決定データは、オーディオフレームを符号化するためのエンコーダの選択又はオーディオフレームを復号するためのデコーダの選択を示し得る。

【0128】

[0135]記載される態様とともに、装置は、オーディオフレームがスピーチフレームである第１の尤度に関連付けられた第１の確率データを決定するための手段を含み得る。例えば、第１の確率データを決定するための手段は、図１〜図３の第１の分類器１２２、図３のスピーチモデル３７０、図７のエンコーダ選択器７６０、図７の命令７５６を実行するプロセッサ７０６又はプロセッサ７１０、図８のプロセッサ８０６又はトランスコーダ８１０、オーディオフレームがスピーチフレームである第１の尤度に関連付けられた第１の確率データを決定するように構成された１つ以上の他の機器、又はそれらの任意の組合せを含み得る。

【0129】

[0136]装置は、オーディオフレームが非スピーチフレームである第２の尤度に関連付けられた第２の確率データを決定するための手段を含み得る。例えば、第２の確率データを決定するための手段は、図１〜図３の第１の分類器１２２、図３の音楽モデル３７２、図７のエンコーダ選択器７６０、図７の命令７５６を実行するプロセッサ７０６又はプロセッサ７１０、図８のプロセッサ８０６又はトランスコーダ８１０、オーディオフレームが非スピーチフレームである第２の尤度に関連付けられた第２の確率データを決定するように構成された１つ以上の他の機器、又はそれらの任意の組合せを含み得る。

【0130】

[0137]装置は、第１の確率データ及び第２の確率データに基づいて第１の決定データを決定するための手段を含むことができ、第１の決定データは、スピーチフレーム又は非スピーチフレームとしてのオーディオフレームの分類の第１の指示を含む。例えば、第１の決定データを決定するための手段は、図１〜図３の第１の分類器１２２、図３の状態機械３７４、図７のエンコーダ選択器７６０、図７の命令７５６を実行するプロセッサ７０６又はプロセッサ７１０、図８のプロセッサ８０６又はトランスコーダ８１０、第１の確率データ及び第２の確率データに基づいて第１の決定データを決定するように構成された１つ以上の他の機器、又はそれらの任意の組合せを含み得る。

【0131】

[0138]装置は、第１の確率データ、第２の確率データ及び第１の決定データに基づいて第２の決定データを決定するための手段を含むことができ、第２の決定データは、オーディオフレームを符号化するためのエンコーダの選択の第２の指示を含む。例えば、第２の決定データを決定するための手段は、図１〜図２及び図４の第２の分類器１２４、長期決定偏倚ユニット４１４、調整パラメータ生成器４１６、分類決定生成器４１８、エンコーダ選択器７６０、図７の命令７５６を実行するプロセッサ７０６又はプロセッサ７１０、図８のプロセッサ８０６又はトランスコーダ８１０、第１の確率データ、第２の確率データ及び第１の決定データに基づいて第２の決定データを決定するように構成された１つ以上の他の機器、又はそれらの任意の組合せを含み得る。特定の実装形態では、第１の確率データを決定するための手段、第２の確率データを決定するための手段及び第１の決定データを決定するための手段は、図１を参照して記載されたように、ＧＭＭ回路構成中に含まれる。

【0132】

[0139]第１の確率データを決定するための手段、第２の確率データを決定するための手段、第１の決定データを決定するための手段及び第２の決定データを決定するための手段は、エンコーダ、セットトップボックス、音楽プレーヤ、ビデオプレーヤ、娯楽ユニット、ナビゲーション機器、通信機器、ＰＤＡ、コンピュータ、又はそれらの組合せに一体化される。

【0133】

[0140]本明細書に記載される説明の態様では、図１のシステム１００、図２の例２００、図３の例３００、図３の例４００、図７の機器７００、図８の基地局８００、又はそれらの組合せによって実施される様々な機能は、特定の回路構成又は構成要素によって実施されるものとして記載されている。しかしながら、回路構成又は構成要素のこの分割は、説明のためにすぎない。代替例では、特定の回路又は構成要素によって実施される機能は、代わりに複数の構成要素又はモジュール間で分割され得る。その上、代替例では、図１〜図４、図７及び図８の２つ以上の回路又は構成要素が単一の回路又は構成要素に一体化され得る。図１〜図４、図７及び図８に示された各回路又は構成要素は、ハードウェア（例えば、ＡＳＩＣ、ＤＳＰ、コントローラ、ＦＰＧＡ機器など）、ソフトウェア（例えば、プロセッサによって実行可能な論理、モジュール、命令など）、又はそれらの任意の組合せを使用して実装され得る。

【0134】

[0141]更に、本明細書で開示される例に関して説明される様々な例示的な論理ブロック、構成、モジュール、回路及びアルゴリズムステップは、電子ハードウェア、プロセッサによって実行されるコンピュータソフトウェア、又は両方の組合せとして実装され得ることを、当業者は諒解されよう。様々な例示的な構成要素、ブロック、構成、モジュール、回路及びステップについて、上記では概してそれらの機能性に関して説明した。そのような機能性がハードウェアとして実装されるか、プロセッサ実行可能命令として実装されるかは、特定の適用例及び全体的なシステムに課された設計制約に依存する。当業者は、説明した機能性を特定の適用例ごとに様々な方法で実現してもよいが、そのような実装形態の決定は、本開示の範囲からの逸脱を引き起こすものと解釈されるべきではない。

【0135】

[0142]本明細書で開示した例に関して説明される方法又はアルゴリズムのステップは、直接ハードウェアに含まれ、プロセッサによって実行されるソフトウェアモジュールに含まれ、又はその２つの組合せに含まれ得る。ソフトウェアモジュールは、ランダムアクセスメモリ（ＲＡＭ）、フラッシュメモリ、読取り専用メモリ（ＲＯＭ）、プログラマブル読取り専用メモリ（ＰＲＯＭ）、消去可能プログラマブル読取り専用メモリ（ＥＰＲＯＭ）、電気的消去可能プログラマブル読取り専用メモリ（ＥＥＰＲＯＭ（登録商標））、レジスタ、ハードディスク、リムーバブルディスク、コンパクトディスク読取り専用メモリ（ＣＤ−ＲＯＭ）、又は当技術分野で知られている任意の他の形態の非一時的記憶媒体内に存在することができる。例示的な記憶媒体は、プロセッサが記憶媒体から情報を読み取り、記憶媒体に情報を書き込むことができるように、プロセッサに結合される。代替的に、記憶媒体はプロセッサと一体であり得る。プロセッサ及び記憶媒体は、ＡＳＩＣ内に存在することができる。ＡＳＩＣはコンピューティング機器又はユーザ端末中に存在し得る。代替的に、プロセッサ及び記憶媒体は、コンピューティング機器又はユーザ端末内の個別の構成要素として存在し得る。

【0136】

[0143]開示した例の前の説明は、開示した実装形態を当業者が製作又は使用することを可能にするために与えられる。これらの例への様々な変更は当業者には容易に明らかになり、本明細書で定義された原理は本開示の範囲から逸脱することなく他の実装形態に適用され得る。従って、本開示は、本明細書に示された例に限定されるものではなく、以下の特許請求の範囲によって定義される原理及び新規の特徴と一致する、可能な最も広い範囲を与えられるべきである。
以下に、本願の出願当初の特許請求の範囲に記載された発明を付記する。
［Ｃ１］
スピーチフレーム又は非スピーチフレームとしてのオーディオフレームの分類を示す第１の決定データを出力するように構成された第１の分類器と、前記第１の決定データは、前記オーディオフレームが前記スピーチフレームである第１の尤度に関連付けられた第１の確率データに基づいて、及び前記オーディオフレームが前記非スピーチフレームである第２の尤度に関連付けられた第２の確率データに基づいて決定される、
前記第１の分類器に結合された第２の分類器と、前記第２の分類器は、前記第１の確率データ、前記第２の確率データ及び前記第１の決定データに基づいて、第２の決定データを出力するように構成され、前記第２の決定データは、前記オーディオフレームを符号化するのに利用可能な、複数のエンコーダのうちの特定のエンコーダの選択の指示を含む、を備える機器。
［Ｃ２］
前記複数のエンコーダは第１のエンコーダと第２のエンコーダとを含み、前記第２の決定データに基づいて前記第１のエンコーダ又は前記第２のエンコーダを選択するように構成されたスイッチを更に備える、Ｃ１に記載の機器。
［Ｃ３］
前記第１のエンコーダはスピーチエンコーダを備え、前記第２のエンコーダは非スピーチエンコーダを備える、Ｃ２に記載の機器。
［Ｃ４］
前記第２のエンコーダは音楽エンコーダを備える、Ｃ３に記載の機器。
［Ｃ５］
前記第１のエンコーダは代数符号励振線形予測（ＡＣＥＬＰ）エンコーダを備え、前記第２のエンコーダは変換符号化励振（ＴＣＸ）エンコーダを備える、Ｃ３に記載の機器。
［Ｃ６］
前記第１の分類器は混合ガウスモデルモジュールを備え、前記第２の分類器は開ループ分類器を備える、Ｃ１に記載の機器。
［Ｃ７］
前記第１の分類器は状態機械を含み、前記状態機械は、前記第１の確率データと前記第２の確率データとを受信するように、並びに前記第１の確率データ及び前記第２の確率データに基づいて前記第１の決定データを生成するように構成される、Ｃ１に記載の機器。
［Ｃ８］
前記第２の分類器は、前記第１の確率データ、前記第２の確率データ及び前記第１の決定データに基づいて、調整パラメータを生成するように構成された調整パラメータ生成器を含み、前記第２の分類器は、前記調整パラメータの値に更に基づいて前記第２の決定データを出力するように構成される、Ｃ１に記載の機器。
［Ｃ９］
複数の符号化モードで動作するように構成される切替え型エンコーダを更に備え、前記複数のエンコーダは、前記切替え型エンコーダの前記複数の符号化モードに対応する、Ｃ１に記載の機器。
［Ｃ１０］
前記複数のエンコーダを更に備え、前記第１の分類器、前記第２の分類器及び前記複数のエンコーダはモバイル通信機器又は基地局に一体化される、Ｃ１に記載の機器。
［Ｃ１１］
前記オーディオフレームを含むオーディオ信号を受信するように構成された受信機と、 前記受信機に結合された復調器と、前記復調器は、前記オーディオ信号を復調するように構成される、
前記復調器に結合されたプロセッサと、
複数のデコーダとを更に備える、Ｃ１に記載の機器。
［Ｃ１２］
前記受信機、前記復調器、前記プロセッサ及び前記複数のデコーダはモバイル通信機器に一体化される、Ｃ１１に記載の機器。
［Ｃ１３］
前記受信機、前記復調器、前記プロセッサ及び前記複数のデコーダは基地局に一体化される、Ｃ１１に記載の機器。
［Ｃ１４］
エンコーダを選択する方法であって、
第２の分類器が、第１の分類器から、第１の確率データと第２の確率データとを受けることと、前記第１の確率データは、オーディオフレームがスピーチフレームである第１の尤度に関連付けられ、前記第２の確率データは、前記オーディオフレームが非スピーチフレームである第２の尤度に関連付けられる、
前記第２の分類器が、前記第１の分類器から第１の決定データを受けることと、前記第１の決定データは、前記スピーチフレーム又は前記非スピーチフレームとしての前記オーディオフレームの分類を示す、
前記第２の分類器が、前記第１の確率データ、前記第２の確率データ及び前記第１の決定データに基づいて第２の決定データを決定することと、前記第２の決定データは、前記オーディオフレームを符号化するための、複数のエンコーダのうちの特定のエンコーダの選択を示す、を備える方法。
［Ｃ１５］
前記第１の決定データは、前記第２の分類器が前記第１の分類器の状態機械から受ける、Ｃ１４に記載の方法。
［Ｃ１６］
前記複数のエンコーダのうちの前記特定のエンコーダを選択するように構成されたスイッチに前記第２の決定データを前記第２の分類器の出力から与えることを更に備え、前記オーディオフレームは、前記特定のエンコーダを使って符号化される、Ｃ１４に記載の方法。
［Ｃ１７］
前記複数のエンコーダは第１のエンコーダと第２のエンコーダとを含み、前記第１のエンコーダはスピーチエンコーダを備え、前記第２のエンコーダは非スピーチエンコーダを備える、Ｃ１４に記載の方法。
［Ｃ１８］
前記複数のエンコーダのうちの第１のエンコーダに関連付けられた第１の推定コード化利得値を決定することと、
前記複数のエンコーダのうちの第２のエンコーダに関連付けられた第２の推定コード化利得値を決定することとを更に備える、Ｃ１４に記載の方法。
［Ｃ１９］
調整パラメータの値を選択することを更に備え、前記値は、前記第１の確率データ、前記第２の確率データ、長期状態データ又は前記第１の決定データのうちの少なくとも１つに基づいて選択され、前記第２の決定データは、前記調整パラメータの前記値に更に基づいて決定される、Ｃ１８に記載の方法。
［Ｃ２０］
前記調整パラメータの前記値に基づいて前記第１の推定コード化利得値を調整することを更に備え、前記特定のエンコーダの前記選択は、前記調整された第１の推定コード化利得値及び前記第２の推定コード化利得値に基づく、Ｃ１９に記載の方法。
［Ｃ２１］
前記調整パラメータの前記値は、スピーチに関連付けられた前記第１のエンコーダ又は非スピーチに関連付けられた前記第２のエンコーダへ前記選択を偏らせるように選択される、Ｃ２０に記載の方法。
［Ｃ２２］
オーディオフレームに関連付けられた条件のセットが満足されるかどうかを決定することと、
前記条件のセットが満足されることに応答して、スピーチに関連付けられた第１のエンコーダへ前記選択を偏らせるように、調整パラメータの値を選択することとを更に備える、Ｃ１４に記載の方法。
［Ｃ２３］
前記オーディオフレームが１２，８００ヘルツのサンプルレートに関連付けられるかどうかを決定することを更に備え、前記条件のセットは、前記オーディオフレームが１２，８００ヘルツの前記サンプルレートに関連付けられると決定することに応答して、少なくとも部分的に満足されると決定される、Ｃ２２に記載の方法。
［Ｃ２４］
前記第１の決定データが、前記オーディオフレームが前記スピーチフレームとして分類されることを示すかどうかを決定することを更に備え、前記条件のセットは、前記第１の決定データが、前記オーディオフレームが前記スピーチフレームとして分類されることを示すと決定することに応答して、少なくとも部分的に満足されると決定される、Ｃ２２に記載の方法。
［Ｃ２５］
前記オーディオフレームを符号化するのに使われる前記第１のエンコーダに関連付けられた第１の推定コード化利得値が第１の値以上であると決定することを更に備え、前記第１の値は、第２の推定コード化利得値と第２の値との間の差に関連付けられ、前記条件のセットは、前記第１の推定コード化利得値が前記第１の値以上であると決定することに応答して、少なくとも部分的に満足されると決定される、Ｃ２２に記載の方法。
［Ｃ２６］
直近に分類されたフレームが、スピーチコンテンツを含むものとして分類されるかどうかを決定することと、
前記第１の確率データによって示される第１の確率値が、前記第２の確率データによって示される第２の確率値よりも大きいかどうかを決定することとを更に備え、
前記条件のセットは、前記直近に分類されたフレームが前記スピーチコンテンツを含むものとして分類されると決定することに応答して、及び前記第１の確率値が前記第２の確率値よりも大きいと決定することに応答して、少なくとも部分的に満足されると決定される、Ｃ２２に記載の方法。
［Ｃ２７］
幾つかの直近に分類されたフレームに対応する各フレームが、スピーチコンテンツを含むものとして分類されるかどうかを決定することと、
前記第１の確率データによって示される第１の確率値が第３の値以上であるかどうかを決定することと、前記第３の値は、前記第２の確率データによって示される第２の確率値と第４の値との間の差に関連付けられる、を更に備え、
前記条件のセットは、前記幾つかの直近に分類されたフレームに対応する各フレームが、前記スピーチコンテンツを含むものとして分類されると決定することに応答して、及び前記第１の確率値が前記第３の値以上であると決定することに応答して、少なくとも部分的に満足されると決定される、Ｃ２２に記載の方法。
［Ｃ２８］
前記オーディオフレームの複数のサブフレームの平均有声化値が第１の閾値以上であるかどうかを決定することと、
前記オーディオフレームに関連付けられた非定常性値が第２の閾値よりも大きいかどうかを決定することと、
前記オーディオフレームに関連付けられたオフセット値が第３の閾値未満であるかどうかを決定することとを更に備え、
前記条件のセットは、前記平均有声化値が前記第１の閾値以上であると決定すること、前記非定常性値が前記第２の閾値よりも大きいと決定すること、及び前記オフセット値が前記第３の閾値未満であると決定することに応答して、少なくとも部分的に満足されると決定される、Ｃ２２に記載の方法。
［Ｃ２９］
オーディオフレームに関連付けられた条件の第２のセットが満足されるかどうかを決定することと、
前記条件の第２のセットが満足されることに応答して、非スピーチに関連付けられた第２のエンコーダへ前記選択を偏らせるように、調整パラメータの値を選択することとを更に備える、Ｃ１４に記載の方法。
［Ｃ３０］
前記オーディオフレームが１２，８００ヘルツのサンプルレートに関連付けられるかどうかを決定することを更に備え、前記条件の第２のセットは、前記オーディオフレームが１２，８００ヘルツの前記サンプルレートに関連付けられると決定することに応答して、少なくとも部分的に満足されると決定される、Ｃ２９に記載の方法。
［Ｃ３１］
前記第１の決定データが、前記オーディオフレームが前記非スピーチフレームとして分類されることを示すかどうかを決定することを更に備え、前記条件の第２のセットは、前記第１の決定データが、前記オーディオフレームが前記非スピーチフレームとして分類されることを示すと決定することに応答して、少なくとも部分的に満足されると決定される、Ｃ２９に記載の方法。
［Ｃ３２］
前記第２の分類器は、モバイル通信機器又は基地局を備える機器中に含まれる、Ｃ１４に記載の方法。
［Ｃ３３］
オーディオフレームがスピーチフレームである第１の尤度に関連付けられた第１の確率データを決定するための手段と、
前記オーディオフレームが非スピーチフレームである第２の尤度に関連付けられた第２の確率データを決定するための手段と、
前記第１の確率データ及び前記第２の確率データに基づいて第１の決定データを決定するための手段と、前記第１の決定データは、前記スピーチフレーム又は前記非スピーチフレームとしての前記オーディオフレームの分類の第１の指示を含む、
前記第１の確率データ、前記第２の確率データ及び前記第１の決定データに基づいて第２の決定データを決定するための手段と、前記第２の決定データは、前記オーディオフレームを符号化するためのエンコーダの選択の第２の指示を含む、を備える装置。
［Ｃ３４］
前記第１の確率データを決定するための前記手段はスピーチモデル回路構成を備え、前記第２の確率データを決定するための前記手段は非スピーチモデル回路構成を備え、前記第１の決定データを決定するための前記手段は状態機械を備え、前記第２の決定データを決定するための前記手段は開ループ分類器を備える、Ｃ３３に記載の装置。
［Ｃ３５］
前記第１の確率データを決定するための前記手段、前記第２の確率データを決定するための前記手段及び前記第１の決定データを決定するための前記手段は、混合ガウスモデル回路構成中に含まれる、Ｃ３３に記載の装置。
［Ｃ３６］
前記第１の確率データを決定するための前記手段、前記第２の確率データを決定するための前記手段、前記第１の決定データを決定するための前記手段及び前記第２の決定データを決定するための前記手段は、モバイル通信機器又は基地局に一体化される、Ｃ３３に記載の装置。
［Ｃ３７］
命令を記憶するコンピュータ可読記憶機器であって、前記命令は、プロセッサによって実行されると、前記プロセッサに、
オーディオフレームがスピーチフレームである第１の尤度に関連付けられた第１の確率データを決定することと、
前記オーディオフレームが非スピーチフレームである第２の尤度に関連付けられた第２の確率データを決定することと、
前記第１の確率データ及び前記第２の確率データに基づいて第１の決定データを決定することと、前記第１の決定データは、前記スピーチフレーム又は前記非スピーチフレームとしての前記オーディオフレームの分類を示す、
前記第１の確率データ、前記第２の確率データ、及び前記第１の決定データに基づいて第２の決定データを決定することと、前記第２の決定データは、前記オーディオフレームを符号化するためのエンコーダの選択を示す、を備える動作を実施させる、コンピュータ可読記憶機器。
［Ｃ３８］
前記命令は、前記プロセッサに更に、
第１のエンコーダにおいて、前記オーディオフレームの符号化に関連付けられた第１の推定コード化利得値を決定することと、
第２のエンコーダにおいて、前記オーディオフレームの符号化に関連付けられた第２の推定コード化利得値を決定することと、
調整パラメータの値に基づいて前記第１の推定コード化利得値を調整することと、ここにおいて、前記第２の決定データは、前記調整された第１の推定コード化利得値及び前記第２の推定コード化利得値に基づいて決定される、を備える前記動作を実施させる、Ｃ３７に記載のコンピュータ可読記憶機器。
［Ｃ３９］
前記命令は、前記プロセッサに更に、スピーチコンテンツに関連付けられた第１のエンコーダへ前記選択を偏らせるように、調整パラメータの値を選択することを備える前記動作を実施させる、Ｃ３７に記載のコンピュータ可読記憶機器。
［Ｃ４０］
特定のエンコーダへ選択を偏らせるように調整パラメータの値を選択する方法であって、
第２の分類器において、第１の確率データと第１の決定データとを第１の分類器から受信することと、前記第１の確率データは、オーディオフレームがスピーチフレームである第１の尤度に関連付けられ、前記第１の決定データは、前記スピーチフレーム又は非スピーチフレームとしての前記オーディオフレームの分類を示す、
前記第２の分類器において、前記オーディオフレームに関連付けられた条件のセットが満足されるかどうかを決定することと、前記条件のセットの第１の条件は前記第１の確率データに基づき、前記条件のセットの第２の条件は前記第１の決定データに基づく、
前記条件のセットが満足されると決定することに応答して、複数のエンコーダのうちの第１のエンコーダへ第１の選択を偏らせるように、第１の値、前記調整パラメータを選択することとを備える方法。
［Ｃ４１］
前記条件のセットは、
前記オーディオフレームが１２，８００ヘルツのサンプルレートに関連付けられると決定すること、
前記第１の決定データが、前記スピーチフレームとしての前記オーディオフレームの前記分類を示すと決定すること、及び
前記第１のエンコーダが前記オーディオフレームを符号化することに関連付けられた第１の推定コード化利得値が第１の値以上であると決定すること、前記第１の値は、第２の推定コード化利得値と第２の値との間の差に関連付けられる、に応答して、少なくとも部分的に満足されると決定される、Ｃ４０に記載の方法。
［Ｃ４２］
前記条件のセットは、
直近に分類されたフレームが、スピーチコンテンツを含むものとして分類されると決定すること、及び
前記第１の確率データによって示される第１の確率値が、第２の確率データによって示される第２の確率値よりも大きいと決定すること、前記第２の確率データは、前記オーディオフレームが前記非スピーチフレームである第２の尤度に関連付けられる、に応答して、少なくとも部分的に満足されると決定される、Ｃ４０に記載の方法。
［Ｃ４３］
前記条件のセットは、
幾つかの直近に分類されたフレームに対応する各フレームが、スピーチコンテンツを含むものとして分類されると決定すること、及び
前記第１の確率データによって示される第１の確率値が第３の値以上であると決定すること、前記第３の値は、第２の確率データによって示される第２の確率値と第４の値との間の差に関連付けられ、前記第２の確率データは、前記オーディオフレームが前記非スピーチフレームである第２の尤度に関連付けられる、に応答して、少なくとも部分的に満足されると決定される、Ｃ４０に記載の方法。
［Ｃ４４］
前記条件のセットは、
前記オーディオフレームの複数のサブフレームの平均有声化値が第１の閾値以上であると決定すること、
前記オーディオフレームに関連付けられた非定常性値が第２の閾値よりも大きいと決定すること、及び
前記オーディオフレームに関連付けられたオフセット値が第３の閾値未満であると決定することに応答して、少なくとも部分的に満足されると決定される、Ｃ４０に記載の方法。
［Ｃ４５］
前記オーディオフレームに関連付けられた条件の第２のセットが満足されるかどうかを決定することと、
前記条件の第２のセットが満足されると決定することに応答して、前記調整パラメータを、前記複数のエンコーダのうちの非スピーチエンコーダへ第２の選択を偏らせるために、前記第１の値から第２の値に更新することとを更に備える、Ｃ４０に記載の方法。
［Ｃ４６］
前記条件の第２のセットは、
前記オーディオフレームが１２，８００ヘルツのサンプルレートに関連付けられると決定すること、及び
前記第１の決定データが、前記非スピーチフレームとしての前記オーディオフレームの前記分類を示すと決定することに応答して、満足されると決定される、Ｃ４５に記載の方法。
［Ｃ４７］
前記第２の分類器は、モバイル通信機器又は基地局を備える機器中に含まれる、Ｃ４０に記載の方法。

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】