JP3636460B2 - 音響信号中の過渡状態を検出し生成する方法とシステム - Google Patents

Description

本発明は信号処理のための方法とシステムに関し、その方法とシステムによって音響信号中の識別可能な音響像をあらわす特徴が音響信号中の過渡成分から抽出される。この処理の結果は、音または話声信号の識別、またはラウドスピーカーや補聴器や遠距離通信システムなどの音響製品またはシステムの品質評価または、音響条件の品質評価に用いられる。本発明の方法はまた、狭帯域遠距離通信における話声の圧縮および復元に関連して用いることができる。
先行技術の音響信号の信号解析の方法においては、信号はある短時間のあいだ定常状態であると考えられ、短時間スペクトル解析の形がこの仮定のもとで用いられている。
ヒトの耳は、同時に速い音声信号をとらえ、高い精度で音声周波数を検知し、複雑な音声環境で音声信号を区別する能力を持っている。たとえば、音楽楽器の伴奏のもとで歌手が歌っている内容を理解することができる。
先行技術の信号解析の方法および本発明の方法では、ヒトの耳中の蝸牛は、ヒトの耳の周波数範囲において無数の帯域通過濾波器（バンドパスフィルタ）、IBPとみなし得ると仮定される。
励起による１つの帯域通過濾波器の時間応答ｆ（ｔ）は、過渡応答ft（ｔ）と定常状態応答fs（ｔ）の２つの成分に分離することができる。
（１）ｆ（ｔ）＝ft（ｔ）＋fs（ｔ）
伝統的な信号処理は定常状態応答fs（ｔ）に基づいており、過渡応答ft（ｔ）は非常に速く消え去り、知覚にとって重要ではないと仮定され、たとえば「回路合成の原理」（マグローヒル、1959、エルネスト5.クーおよびドナルド オー．ペデルセン、12頁、９〜15を参照すると、そこには「強制応答のみが考慮され、回路網（network）の初期状態に起因する応答は無視される。」と述べられている。
このように、学生が信号解析の世界に案内される時、過渡応答すなわち回路網の初期状態による応答は、非常に短い時間で消え去るので無視すべきであると、非常に初期の段階で彼らは学ぶ。さらに、伝統的な線形解析法を用いてこれらの過渡信号を解析することはなかなかむずかしい。
ヒトが、非常に短い音を聞き、同時に高い精度で周波数を検出する能力は、伝統的な濾波器ベースのスペクトル解析と矛盾する。帯域通過濾波器の時間窓（time window）（立ち上がり時間の２倍）は帯域幅に逆比例する。
（２）tw＝2/（fuーfl）
ここでf1は下側遮断周波数（cutoff frequency）で、fuは上側遮断周波数である。
このようにもし5msの立ち上がり時間が要求されるとき、結果としては、周波数分解能が400Hz以下である。
これらの過渡成分の検知が、高周波数分解能と矛盾するので、ヒトの耳によるこれらの過渡成分の検知は、他の方法でなされるに違いない。ヒトの耳がこれらの信号をどのように検出することができるのかはまだ調べられていないが、蝸牛は音を受信していないとき静止の位置にあり、そこでは蝸牛は非常に広帯域であろう。音声信号が受信されると、蝸牛はその信号中の周波数成分に固定され始める。このように、蝸牛は開始時点では広帯域であるが、もし１つ以上の安定な周波数が受信されると、蝸牛は高い精度でこの周波数に固定される。
蝸牛から発生した神経パルスは周波数が約1.4kHz未満の時、音調の周波数に同期することが今日知られている。もし周波数が1.4kHzより大きい時、パルスはその周波数１のサイクルあたり１未満の回数でランダムに生成される。
濾波器バンクスペクトル解析に基づく信号解析が英国特許第2213623号に開示されており、それは、音素認識のためのシステムを記述している。このシステムは音声信号の過渡的部分を検出する検出手段をそなえており、そこにおける過渡検出の主要な目的は話声スペクトルが最も鋭く変化する点すなわちピーク点を検出することである。ピーク点の検出はより正確な音素分割のために用いられる。
英国特許第2213623号の過渡解析は、スペクトル解析およびスペクトル変化に基づいており、時間領域における直接の過渡検出に基づいた、本発明の過渡解析とは相当異なっている。
本発明は、音響信号の解析のための知られているすべての方法と原理的に異なるアプローチに基づいている。音響信号の同定に関連する信号情報が信号の過渡成分に存在していることが、本発明により見出された。このように本発明の方法は、過渡成分の分離または音響信号の応答と、過渡成分に対応する過渡パルスの生成と、パルスの形状の解析を含む。音響信号において、対応する過渡パルスは時間間隔をおいて繰り返され、これらの周期的過渡パルスの時間間隔がふつうまた解析あるいは決定される。
実生活の場で、ヒトの耳は音素あるいは音響像を認識するため高周波数でのエネルギー変化に反応する。しかし本方法では、耳によって観察されるエネルギー変化に対応する過渡パルスはこれらの高周波数において抽出され、その後過渡パルスは音響像または音素の個々の特性を保ちながら、低周波数範囲に変換されることが望ましい。このように本発明の原理を用いて、変換された低周波数信号を調べることにより音響信号中の個々の特性を得ることができる。
以下に述べる本発明の方法の説明から理解されるように、パルスの過渡波形あるいは形状を抽出する概念は、現在使われている最良の設計よりずっと簡単な前処理方法を用い、かつ同時に、音響入力信号に関してずっと価値のある情報を得ることを可能にする。
本発明は、その最も広い観点によれば、識別可能な音響像を表すものとして、ヒトの耳などの動物の耳により知覚され得る特徴を同定あるいは表現するための、音響信号のエネルギー変化の形状の利用に関する。
本発明の方法の特色のより詳細な説明にはいる前に、いくつかの定義が与えられる。
短時間解析において、信号における過渡成分は定義の対象である。その発想は信号エネルギーの急激な変化に対する蝸牛における応答に対応する応答を与える表現を得ることにある。信号エネルギーにおける急激な変化は、音響信号における過渡成分に対応する。そこで、この文脈では、「過渡成分」という用語は、音響信号における急激なエネルギー変化に対応する何らかの信号を表す。過渡成分は解析されるべき信号情報を保持しており、この情報を解析するため過渡成分は異なる形状をもつ対応過渡パルスに変換できる。そこでこの明細書では、「過渡パルス」という用語は、識別可能な形状を持ち、実質的に音響信号の過渡成分の情報を保持し、それにより音響信号のエネルギーにおける急激な変化に対応するパルスを意味する。上述のように音響信号の過渡部分は時間間隔をおいて繰り返される。そこで、この明細書では、「周期的」という用語は過渡成分、応答、またはパルスと組み合わせて用いられるときには、間隔をおいて繰り返される何らかの過渡成分、応答またはパルスを表す。
「形状」という用語は、与えられた時間隔区間Tpの中で、その区間外の振幅レベルと比べてはっきり異なった振幅レベルをもつ、（時間限定されたまたは時間限定されていない）、何らかの時間的に変化する任意の関数を表す。このように、Tpは、形状関数が時間限定されているときはその形状関数の継続時間であり、そうでない時は、その時区間外の振幅レベルに比べてはっきり異なった振幅レベルを持つ関数部分の継続時間である。理解されるように、パルスの形状の同定はパルスの時間軸にそったパルスの振幅を観察することにより、適切に行われる。
エネルギー変化の形状から情報を抽出するために、本発明の１つの広い観点は、信号の過渡パルスの形状によってエネルギー変化の形状を表すことに関連する。しかしながら、エネルギー変化に対応する過渡パルスを得るためにいくつかの方法を適用することができるが、包絡線（envelope）検出法が用いられることが望ましく、その際包絡線は音響信号のエネルギー変化の過渡応答から検出されることが望ましい。
異なる音響像を表すエネルギー変化は、音響信号における急激なエネルギー変化を与える音素あるいは母音その他の音であることが可能である。
また、本発明のある観点によれば、信号のエネルギー変化の形状を、識別可能な音響像を表す予め設定されたエネルギー変化形状と比較することからなり、かつ識別可能な音響像を表すものとしてヒトの耳などの動物の耳に知覚されることのできるエネルギー変化を、音響信号中で同定するための方法が提供される。同定のためには、エネルギー変化の形状が信号の過渡パルスの形状によって表されることが望ましく、さらに過渡パルスの形状が、音響信号におけるエネルギー変化の過渡応答の包絡線検出によって得られることが望ましい。
またこの発明は、音響信号の過渡成分を抽出することと、過渡成分の包絡線を検出することを含む、信号の情報を実質的に保持しながら信号の帯域を減らすために音響信号を処理する方法に関する。異なる音響像を表すものとして、ヒトの耳などの動物の耳に知覚され得る信号の過渡パルス形状が同定されることが望ましい。
パルス立ち上がり時間あるいは先導エッジの形、パルスの継続時間および立ち下がり時間あるいは衰微エッジの形はすべて、パルスの同定のための重要な特性であることに注目するべきである。発明の好ましい実施態様によれば、パルスの先導エッジの形が同定され、さらに先導エッジの形の少なくとも一部の立ち上がり時間と勾配及び／又は勾配変動を決定することにより先導エッジの形が決定されることが望ましい。
発明の好ましい実施態様によれば、パルスの上方部分が必要な情報を含んでいるので、先導エッジの形の少なくとも頂上部分の立ち上がり時間と勾配及び／又は勾配変動が測定される。頂上部分は、勾配が最大になる点から実質的に始まる部分と定義してよい。頂上部分はまた、パルスの振幅の上方の50％に対応する部分でもよい。
パルスの形状を決定するときに、いくつかの方法が用いられるが、望ましい実施態様においては、先導エッジの立ち上がり時間と勾配及び／又は勾配変動が少なくとも５つの試料を基として測定される。しかしながら試料の数は他の適当な数であってもよい。また別の、先導エッジの形状の同定の望ましい方法は、参照ライブラリとの比較を用いて実行される。ここで、比較する際の参照物は先導エッジの立ち上がり時間を基にして選ぶことができる。
また、パルスの継続時間の同定が行われることが望ましい。ここでパルスの継続時間は、所定の振幅における先導エッジから衰微エッジまでの距離として定められる。
また、了解されることであるが、過渡パルスの衰微エッジの形状を同定することが望ましい。
本発明の方法は、音響信号の過渡状態の表現を提供する。その方法は、ヒトの耳の周波数範囲にある音響信号の帯域通過濾波（filtration）と低域通過濾波した包絡線の検出を含む。包絡線は、その後公知の信号解析の方法で解析することができる。包絡線は信号の過渡部分の表現である。
包絡線解析に用いるべき公知の信号解析方法および選択すべき帯域通過濾波器の特性は、解析の目的に依存する。その目的は、話声認識、オーディオ製品や音響条件の品質測定、狭帯域遠距離通信などである。
本発明はまた、音響信号の過渡成分を抽出する手段と、過渡成分の包絡線を検出する手段を備えており、信号の情報を実質的に保持しつつ信号の帯域幅を縮小するための音響信号処理システムに関する。
実施例とシステムの詳細は、図面とそのシステムの実施例の数学的記述に関してなされるシステムの実施例の詳細な議論と、請求項から明らかになる。
以下、本発明をその原理の数学的記述および図面に関連して、さらに詳細に記述する。
図１は、帯域通過濾波器Ｆ（ω）と低域通過濾波器Ｈ（ω）のスペクトルを示す図である。
図２は、同一の帯域幅をもつ無数の帯域通過濾波器IBPに対する、ｓ−平面における零（zeros）および極（poles）を示す図である。
図３は、同一のＱ値をもつ無数の帯域通過濾波器IBPに対する、ｓ−平面における零および極を示す図である。
図４は、ｓ−平面における種々の根部位（root locations）に対する衝撃応答（impulse response）を示す図である。
図５は「linear prediction」という言葉に対するスペクトログラムを示す図である。
図６は、無数の帯域通過濾波器IBPの和が、１回の帯域濾波によってなされるかを示す図である。
図７は、本発明による過渡検出システムの原理を示す図である。
図８は、本発明による過渡検出システムのブロックダイアグラムを示す図である。
図９は、図８のシステムにおいて用いるべき望ましい高域通過濾波器の特性を示す図である。
図10は、図８のシステムにおいて用いるべき望ましい低域通過濾波器の特性を示す図である。
図11は、ヒトの耳の感度を示す図である。
図12は、アメリカ母音の/i（：）／

/a（：）/u（：）に対する、平均ホルマント（formant）周波数を示す図である。
図13は、図11の母音の第一過渡解析の実験結果を示す図である。
図14は、「heat」における母音「ｉ」の処理後の曲線を示す図である。
図15は、「hop」における母音「ｏ」に対する、図12と同様の曲線を示す図である。
図16は、「heat」における母音「ｉ」の処理後の曲線に対する、正規化した時間窓を示す図である。
図17は、「hop」における母音「ｏ」に対する、正規化した時間窓を示す図である。
図18は、「have」における母音「ａ」に対する、正規化した時間窓を示す図である。
図19は、本発明による話声認識システムのブロックダイアグラムを示す図である。
図20から25は、それぞれ「heat」における音素「ｉ」、「hop」における「ｏ」、「ongaonga」における「ｏ」、デンマーク語の単語「hus」における「ｕ」、デンマーク語の単語「φse」における「φ」、デンマーク語の単語「lys」における「ｙ」の話声合成のための過渡パルスを示す図である。
まず、本発明の原理の数学的説明が与えられる。
帯域通過濾波器は、時間領域において衝撃応答（インパルスレスポンス）により表され、次の式で表現される。
ｆ（ｔ）＝ｈ（ｔ）cos（ω_ct）
ここでｈ（ｔ）は低域通過濾波器に対する衝撃応答であり、ω_ｃは帯域通過濾波器ｆ（ｔ）の中心周波数である。cos（ω_ct）の項は、中心周波数がω_ｃの帯域通過濾波器への低域通過濾波器の周波数偏移（shift）を表すものとみなされる。
このことは図１に示され、ｆ（ω）およびＨ（ω）はそれぞれｆ（ｔ）およびｈ（ｔ）の対応周波数特性である。
IBP濾波器が、原点に零をもち複素ｓ−平面の左半平面において２つの（相補的）複素極をもつ単純帯域通過濾波器BPから構成されているとし、IBP濾波器の極が一直線上に位置しているとすると、
１） もしIBP濾波器の全てについて帯域幅が同じであるとすると、立ち上がり時間と遅延時間は濾波器の全てについて同じになるが、Ｑ＝fc/（fu−fl）は中心周波数fcに逆比例する。零と極は図２に示されている。
２） もし濾波器の全てについてＱ値が同じであるとすると、立ち上がり時間と遅延時間は中心周波数に逆比例するが、帯域幅は中心周波数に比例する。零と極は図３に示されている。
立ち上がり時間と遅延時間が、過渡状態の解析において対象となる周波数帯（range）の中のIBP濾波器について同じであると仮定する。もしそうでなければ、脳がこれを補償するものと仮定する。その効果は、（もしＱ値が同じなら）周波数が下がるにつれて、立ち上がり時間がより遅くなり、遅延時間がより長くなることだけである。過渡成分のリズムと形状は同じになる。
短時間解析において、信号中の過渡成分は定義の対象である。その考えは、信号エネルギーにおける急激な変化に対する蝸牛内の応答に対応する応答を与える表現を得ることにある。信号エネルギーにおける急激な変化は音響信号中の過渡成分に対応する。
信号における過渡および定常状態成分の組成は、包絡線検出によって同定される。ここで定常状態成分は検出した包絡線におけるDC成分であり、過渡成分は包絡線のレベルにおける変化として同定される。
過渡応答は包絡線検出により同定される。
衝撃応答の包絡線は次の式で表現される。

ここで

は、ｆ（ｔ）のヒルベルト変換である。
（３）式を（４）式に代入することにより次の式が得られる。

ヒルベルト変換については、ｕ（ｔ）およびｖ（ｔ）に対するスペクトルが重なり合わない時、次の式が成り立つ。

したがって、ｈ（ｔ）に対するスペクトルが中心周波数ω_ｃに重ならないという仮定のもとで次の式が成り立つ。
（７）

したがって
（８）ft（ｔ）＝|h（ｔ）｜
この条件のもとで、衝撃応答の包絡線は中心周波数と独立である。このことは図４に示されており、どのようにして異なる衝撃応答が同一の包絡線を生じるかを示す。
（８）式の結果、IBP濾波器に対する全包絡線は、個々の帯域通過濾波器に対する包絡線の和となる。
累積過渡応答ftt（ｔ）は、このようにft（ｔ）を加え合わせることにより表現される。この和は次の式で表現される。

したがって
（10）ftt（ｔ）＝|h（ｔ）｜（ω_cu−ω_cl）
ここでω_clは、低域IBP濾波器に対する中心周波数であり、ω_cuは高域IBP濾波器に対する中心周波数である。
図５は、ある男性によって発音された時の「linear prediction」という言葉に対するスペクトログラムである。このスペクトログラムは、帯域幅が300Hzで、中心周波数が約150Hzから約4kHzの間の範囲にある帯域濾波器によって記録されている。縦軸座標は周波数で、横軸座標は時間であり、黒インクは信号エネルギーの程度である。水平方向の黒い帯状域は、話声の中の主たる周波数帯であり、ホルマント（formant）と呼ばれる。縦の細い線は、信号の急激なエネルギー変化に相当し、したがって過渡成分に対応する。スペクトログラムは普通、ホルマント分析に用いられ、300Hzの帯域幅は過渡分析のためには十分ではない。しかし線の形状の外見からすると、過渡信号は帯域通過濾波器の中心周波数と独立であることが確認される。
前述の通し、蝸牛は無数の帯域通過濾波器をもつともなされるが、多数の帯域通過濾波器を使用せずに過渡信号を検出することができれば有利である。
図６は、どのようにして無数の帯域通過濾波器IBPの和が、低域および高域IBP濾波器IBP₁とIBP_uの遮断周波数をカバーする帯域をもっている１つの帯域通過濾波BPによってなされるかを示す図である。この帯域通過濾波器BPは最大平坦遅延型のものが望ましい。なぜならこの型の濾波器は過渡状態の形状を保存するのに非常に適しているからである。
実際上は、包絡線を検出するもっとも簡単な方法は、整流器と低域通過濾波器を用いることである。たとえば、「通信システム：電気通信における信号とノイズ入門」マグローヒル好学社1968年、エー ブルース カールソンを参照のこと。等式（10）から、累積過渡成分は、包絡線検出の前に累積される必要のあるIBPの範囲をカバーする高域通過濾波BPを行うことにより検出されることがわかる。包絡線検出は、帯域通過濾波器の中心周波数ω_ｃによる、帯域通過濾波器の帯域の半分をもつ低域通過濾波器への周波数変移に相当する。このことは、低域通過濾波器の遮断周波数が、BPによってカバーされるIBP全部の帯域を決定することを意味する。この原理は図７に示されている。
図７において、デジタル化された音声信号Ｓ（ｔ）が、帯域通過あるいは高域通過濾波器BP10に入り、その帯域通過濾波器の出力が整流装置11への入力となり、その出力が低域通過濾波器LP12への入力となる。低域通過濾波器12の出力はftt（ｔ）と表され、包絡線の検出したがって音声信号Ｓ（ｔ）の過渡応答の検出を表す。
信号の過渡部分の数学的定義から、ｈ（ｔ）の極がｓ−平面の負の実軸上に位置することが結論される。このことは衝撃応答が零のまわりに振動していないことを意味する。（過渡応答は非振動信号である。）
等式（10）からIBP濾波器の限界ω_cuとω_clは単にftt（ｔ）の量の問題であることがわかる。
帯域通過濾波BPはIBP濾波器の過渡応答の和に対する限界を定め、振幅特性がIBP濾波器からの寄与に重みをつける。もしBPのかわりに低域通過濾波器を用いると、ｈ（ｔ）のスペクトルと、低域IBP濾波器の中心周波数に重なりが生じる。帯域通過濾波器BPは少なくとも低域通過濾波器LPのの遮断周波数の２倍に等しい帯域幅をもつべきである。帯域幅と振幅特性は、本発明の方法を用いる時いろいろな信号解析の最適化のため利用することができる。
原理的には、低域通過濾波器LPの極は、数学的過渡検出システムにおいて負の実軸上に位置しているべきである。しかしながら音響信号を取り扱う時、決定要因となるのは蝸牛の特性であるが、衝撃応答の中に有意な振動がないことが望ましい。なぜならそれは音響信号の過渡状態をより不鮮明にするからである。低域通過濾波器LPの遮断周波数は信号の過渡状態に対する表現であり、この周波数は音響信号に関連して、蝸牛の立ち上がり時間に対応する立ち上がり時間となって現れるべきである。遮断周波数は過渡成分の指標とみなされる。ここで下側遮断周波数は立ち上がり時間の遅い信号要素のみの過渡検出にとなってあらわれ、また上側遮断周波数は立ち上がり時間の早い信号要素の過渡検出にとなってあらわれる。
耳からの神経パルスが約1.4kHz以下の周波数に同期しそれ以上の周波数に同期しないという事実は、耳が1.4kHz以下においては音調（tone）指向であり、1.4kHz以上においては過渡指向であることを示す。過渡指向領域においては神経パルスは、信号における急激なエネルギー変化に対応する過渡成分に同期する。
BPの遮断周波数は蝸牛の過渡感度領域に対応するべきである。（理論的にはそれは、耳の感度曲線に対応する振幅特性を持つべきである。）
ヒトの聴覚の感度曲線は下側遮断周波数が約2kHzで、上側遮断周波数が約5kHzであるはずだということを示す。BP濾波器の振幅特性は、個々のIBP濾波器からの寄与に重みをつける。
以上の議論から、本発明による過渡検出と分析システムは図８のブロックダイアグラムに示されているように構成される。図８において、音声信号はマイクロホン13に入力され、その出力は低域通過濾波器14を通過し、A/D変換器15によってデジタル化される。A/D変換器の出力Ｓ（ｔ）は高域通過あるいは帯域通過濾波器BP10へ導かれ、帯域通過濾波器の出力は整流装置11に入力され、その出力は低域通過濾波器LP12に入力される。図７も参照のこと。低域通過濾波器12の出力はftt（ｔ）と表され、入力信号の過渡成分を表す。過渡成分を解析するために、低域通過濾波器12の出力信号は信号解析や信号認識装置16の中へ導かれることが望ましい。
図９と図10は、図７あるいは図８のシステムにおいて用いるべき好ましい高域通過濾波器および低域通過濾波器の特性を示す図である。図７あるいは図８において高域通過濾波器10として用いられる帯域通過濾波器BPは、少なくとも2000Hz、望ましくは約3000Hzの下側遮断周波数をもつべきである。上側遮断周波数は4500から7000Hzの範囲に、望ましくは約6000Hzにあるべきである。図９に示された特性は3014Hzの下側遮断周波数をもつ。図７あるいは図８において用いられる低域通過濾波器LPは、400から1200Hzの範囲に、望ましくは約700Hzの上側遮断周波数をもつべきである。図10に示された特性は732Hzの上側遮断周波数をもつ。全波整流器を用いて図７あるいは図８の過渡検出システムを構成することも可能である。しかしながら、図７あるいは図８において示されているように、一方向整流器を用いることが望ましい。
図11において、ヒトの耳の感度が示され、音調の音響信号に対する蝸牛の応答を示している。すでに述べたように、感覚は約1.4kHzまでは音調指向であり、1.4kHz以上では過渡指向である。
すでに述べられ、図６に示されているように、IBP濾波器に対する全包絡線は、個々の帯域通過濾波器の包絡線の和として求められ、無数のあるいは多数個の帯域通過濾波器IBPの加算は１つの帯域通過濾波BPによって行うことができる。この原理が図７に示された図面に用いられている。しかしながら、いくつかの帯域通過濾波器の加算はまた、いくつかの個々の帯域通過濾波器の包絡線が検出され加算される濾波器バンクの方法を用いることによって実現することができる。このように、濾波器バンクの中の各部分は、特定の中心周波数をもつ帯域通過濾波器と整流器と低域通過濾波器からなり、低域通過濾波器の出力は、全包絡線を求めるため加算される。
ここで、図12および図13によって示されたいくつかの導入的実験について論じる。
BPおよびLP濾波器の遮断周波数を評価し、この方法の話声認識に対する適性を評価するため、２つの実験が行われた。
１、振幅変調信号を聞き取ることによる実験。
制御された条件のもとでLP濾波器の遮断周波数の第一の表示を得るため、聞き取り試験が、耳に対する感度周波数範囲の振幅変調信号を用いて実行された。通常その範囲においてこのように集中した信号はないため、実験は幾分人工的であり、耳に対し非常に過酷であるため、この実験を確かめることは勧められない。
搬送波周波数は3.5kHzに選ばれ、変調音調（modulation tone）は、数Hzからはじめてだんだん上げていった。350ないし400Hzまでは、包絡線信号は雑音として聞こえる。それ以降は、まずうつろな/u（：）／として聞こえ、800Hzで鋭い/i（：）／のように聞こえる。800Hzをこえると、包絡線信号を聞くことはできなかった。ある時点でさらに音調（tone）を増加させると、いろいろな混合音調が聞こえる。
音声はもちろん搬送波周波数によって支配されていた。しかしLP濾波器に対する遮断周波数はおそらく１ないし1.2kHz以下でなければならないことが示された。
変調指数は約0.75であった。もしそれが１以上の時は、上音（overtones）の導入が認められる。
２、４つの母音に対する過渡信号の解析
図12は男性、女性、子供による、heed、had、hod、およびwho'dにおけるアメリカの母音/i（：）／、

/a（：）／、および/u（：）／に対する平均ホルマント周波数を示す図である。こららの母音は母音群のなかで良い分散を示すので、この実験に用いられた。
母音は、普通のカセットレコーダを用いて男性、女性、および子供によって（デンマーク語のアクセントで）発音されたものを記録した。
実験準備
アナログTSD（過渡信号検出器）を図７に従い設計した。設計は操作増幅器LM833をもとにした。
濾波器の種類は以下の通りであった。
BP濾波器は、1dbの脈動（ripple）をもつ４次のチェビシェフ濾波器であった。上側遮断周波数は約6.5kHzであり、低い方は約550Hzから2.6kHzまで調節可能である。
整流器は、負の信号を反転し正の信号に加える、全波整流器であった。
LP濾波器は1.5kHzに遮断周波数をもつように設計された２次のバターワース濾波器であった。（3db遮断周波数を2.1kHzまで測定した。）
母音録音と過渡信号検出
男性、女性、および子供によって発音された４つの母音を、普通のラジオカセットレコーダにより録音した。過渡信号をTSDにより検出し、８ビットA/D変換器により変換し、PC上に記憶させた。録音の時の標本化レートは10kHzであった。しかし録音したデータを解析する時には、１つとびの値だけを取り上げたので、標本化レートは5kHzとなった。８ビットA/D変換器はダイナミックレンジが悪く、したがって分離した（すなわち語中でない）状態で母音を録音することが必要であった。このことはより不確実な発音を生み出す。
図13aから13pは、図12の母音の１つめの過渡解析の実験結果を示す図である。
過渡信号を聞くことにより母音を同定することが可能である。結果の時間変化の目視観察によれば、それぞれ男性、女性、および子供によって発音された同じ母音は、基本的音調に違いが見られるものの、ほとんど同じ特性を持っていることが認められた。デンマーク語の単語「op」の発音/a（：）／を録音する際、ｐ−音も録音され、過渡信号の時間変化からはっきり見ることができる。
過渡信号の解析
過渡信号のパワーは母音によって非常に異なる。母音/a（：）／および/u（：）／の信号は非常に低く（特に男性の声）、ラジオカセットレコーダのボリュームを高いレベルにまで上げる必要があった。これは多量のノイズを発生させた。
まず母音のいろいろな位置から始めて20msの継続時間で5kHzの標本化レートでFFT解析をいくつかおこなった。スペクトルは大変きわだっており母音全体を通じて同じであるように見える。このことは信号中に重要な情報が存在することを強く示す。
共通の特徴を解析するために、20ms（101個の標本）が各母音からランダムに選ばれた。時間信号がハミング窓によって平滑化され、FFTが計算された。図13aから13dには、パワースペクトルが示されており、３つの声が各母音について同じダイアグラムに表示されている。そして対応する過渡信号が、女性によって発音された場合図13eから図13hに、男性によって発音された場合図13iから図13lに、子供によって発音された場合図13mから図13pに、別々に示されている。
スペクトルは次の特徴を持つことが期待されている。
３つの異なった声により発音された同じ母音のスペクトルは、母音に関して共通ないくつかの特徴を備え、声に関連するいくつかの特徴を備える。
同一の声によって発音された違った母音のスペクトルは、その違う母音に関連するいくつかの特徴を備え、声からのいくつかの共通の特徴を備える。
さらにスペクトルの形状が、絶対周波数よりも重要な役割を果たすことが期待される必要がある。
パワースペクトルから次のことがわかる。
/i（：）／（図13a）
最もめだった特徴は、３つの声全てからのスペクトルが、300から400Hzの周波数範囲にきわだった頂上を有し、それらが50Hzの幅であること、そして200から250Hzにきわだった割れ目を有することである。さらに50Hzにおいて、１つの寄与がある。男性の声は150Hzに寄与があり、低い声に起因するものと思われる。

女性と男性の声は350Hzにおいて際だった割れ目（50dbより深い）を有する。今の場合、男性の声は150Hzにおいても寄与がある。子供の声はこのパターンにあまりうまく当てはまらない。これはたぶん、不明確な発音によるものであろう。
/a（：）／（図13c）
３つの声すべてに、頂上の250から300Hzがある。周波数範囲はやや低く、/i（：）／の場合ほど際だってはいない。さらに３つの声すべてについて、50Hz及びそれ以下で主要な寄与がある。
/u（：）／（図13d）
子供と女性の声は本当によく似ており、300と350Hzにピークがあり、100Hzに深くて幅の広い谷がある。男性の声にもピークがあり、谷は女性及び子供の場合と同じぐらい幅広であるが深くはない。この理由は、低い声であることと、ラジオカセットレコーダに起因する信号中の多量のノイズが存在することによる可能性がある。
図13aからのｐの結果を導きだした実験は、初歩的であると見られるかもしれないが、その結果は、特に多量のノイズとたった８ビットのA/D変換器のもとで用いられた単純な装置であることを考慮に入れると、非常に興味深い。このことにもかかわらず、その結果は際だっている。結果を改良するためのデータ選択は特になく、したがって疑いなく、過渡状態は話声認識にとって決定的重要性をもつ。
全ての情報が500Hz以下の周波数範囲に存在しているように見える。もしそうならば、標本化周波数に要求される条件は1.5kHz以下になり、より多くの処理を平行して行いながら非常に集中的に話声信号を解析することが可能になる。例えば５、20および40msのような、より多くの時間窓をもつことができ、ある音素を検出するためにスペクトル解析（FFT、LPC、CEPSTRUMなど）を用い、別の音素を検出するために時間解析（相関または方法）を用いることができる。
帯域通過濾波された音素のエネルギーにおける変化を補償するため、AGC増幅器を前増幅器（preamplifier）とし、BP濾波器の後に対数またはAGC増幅器をもつ、より巧妙に設計されたTSDを用いることによって、非常によい結果が得られ、話者に依存しないしっかりした話声認識が実現される可能性が高い。もし８ビットA/D変換器の代りに12ビットまたは16ビットA/D変換器を用いれば、さらによい結果が得られるであろう。
図14から図18に示された、他の実験結果を以下に議論する。
本発明による過渡信号成分の抽出方法は、音響入力信号の前処理（pre−process）であるとみなすこともできる。前処理のパラメータをより良き理解し及び／又は決定することができるように、ソフトウェアプログラムが開発され、それを用いることにより、前処理の各処理段階の後で出力信号を提示し出力結果を聞くことができるようになった。
図14と図15に示す話声信号の解析は、コンパック（Compaq）のデスクプロ（Deskpro）4/60iPC上で走るこのソフトウェアプログラムによって行った。この型のPCは、マイクロソフトウィンドウズサウンドシステムと、マイクロホンと、アナログデバイス（Analog Devices）社からの符復号器（codec）チップ（AD1848）を備えている。符復号器チップは標本化と、アンチエイリアシング濾波と、A/D変換を実行する。
図14aと15aに示す話声信号はこのサウンドシステムによって録音されている。話声信号は、11025kHzで16ビット線形PCMによって標本化している。通過帯域はは4.9kHzよりも大きい。
前過渡信号が図14bと15bに示されている。こららの信号は、遮断周波数が3.0kHzの３次IIRデジタル高域通過濾波器によって濾波された話声信号である。濾波器は３次のバターワース濾波器の双線形変換である。
3.0kHzの遮断周波数は、蝸牛の最も感度の高い領域の範囲で帯域通過させるため選ばれた。この場合、これは3.0kHzから4.9kHzを意味する。ここで4.9kHzは符復号器チップによって決められた。高域通過または帯域通過濾波器は、もし等式（10）に従って最大平坦遅延特性をもつならば、最適になる。
図14cおよび15cに示す過渡信号は、約700Hzに遮断周波数をもつ２次のIIRデジタル低域通過濾波器によって整流され濾波される前過渡信号である。濾波器は２次のバターワース濾波器の双線形変換である。
低域通過濾波器は、蝸牛の過渡応答に対応する過渡パルスの形状を保存する。したがってこれを実行できる濾波器は最適の濾波器になる。蝸牛の神経は約1.4kHzまでの周波数の神経パルスを発生することができる。1.4kHzの過渡指向領域にあるIBP濾波器の帯域幅は、包絡線検出により700Hzの低域通過濾波器に対する遮断周波数に変換される。これが約700Hzの遮断周波数が選ばれた理由である。
過渡信号は、信号におけるエネルギー変化の表現であるとみなすことができる。
図14と図15に示された全ての信号は、最大信号レベルにまで正規化される。これは最大信号絶対値が32766であることを意味する。図14と15における横軸座標は50msの時間間隔を表し、図14aと15aおよび図14bと15bにおける縦軸座標は対応する話声信号の音声圧力を表し、一方図14cと15cの縦軸座標は対応過渡話声信号のエネルギーを表す。
それぞれ図14a、15a、14b、15b、14cおよび15cに対応する話声、前過渡信号および過渡信号を聞くことが可能である。濾波器特性を選ぶ１つの主たる必要条件は、前記の信号を聞くとき、もとの話声信号に近い音声を信号が維持しなければならないということである。
図７に示されたシステムに関して、図14は男性によって発音されたときの「heat」における母音「ｉ」の曲線を示す。ここで（ａ）は図７におけるデジタル化した入力信号Ｓ（ｔ）に対応する濾波前の話声信号を示し、（ｂ）は図７における帯域通過濾波器10の出力信号に対応する高域通過濾波後の信号を示し、（ｃ）は図７における低域通過濾波器12の出力信号に対応する整流および低域通過濾波後の信号を示す。
図15は「hop」における母音「ｏ」に対する図14と同様の曲線を示す。
過渡パルスの立ち上がり時間と立ち下がり時間および幅あるいは継続時間は、母音における音声にとって大切であると思われる。図16から18は過渡パルスの測定例を示す。図16aに示される、男性により発音された時の「heat」における母音「ｉ」の時間窓が、図14cに示された処理後の信号に対応する。「heat」における母音「ｉ」が子供により発音された時の、対応する時間窓が図16bに示されている。図16aと16bから、最も主たるパルスの先導エッジと衰微エッジは急峻で、立ち上がり時間と立ち下がり時間が約0.4ms以下であり、主たるパルスの幅は、約50％のレベルで測定したとき約0.8msであることがわかる。
図17aに示される、男性により発音された時の「hop」における母音「ｏ」の時間窓が、図15cに示された処理後の信号に対応する。「hop」における母音「ｏ」が子供により発音された時の、対応する時間窓が図17bに示されている。図17aと17bから、最も主たるパルスの先導エッジと衰微エッジは急峻で、立ち上がり時間と立ち下がり時間が約0.5msであるが、主たるパルスの幅は、約50％のレベルで測定したとき約1.5msであることがわかる。図17bの主たるパルスにおける溝は、知覚に影響を与えるほど深くはない。「hop」における母音「ｏ」は鋭い母音であり、もっと柔らかな母音であればもっとゆっくりした衰微エッジをもつであろうということに注目すべきである。
図18は男性により発音された時の「have」における母音「ａ」の処理後の信号の時間窓を示す。過渡パルスの形状が、図16から17に示されたパルスと比較してより柔らかい先導エッジと衰微エッジをもつことがわかる。
このように上記の結果から、母音の知覚は過渡パルスの形状から与えられることが結論できる。さらに、上述した信号処理の方法によって音響信号から抽出された過渡成分あるいはパルスを解析することにより、話声信号の母音あるいは音素が過渡パルス又はパルスの形状を同定することにより認識できることが結論できる。
母音あるいは音素において、過渡パルスは繰り返され、その反復周波数が音程（pitch）の知覚を与える。図16において、２つの連続するパルスのの間の時間間隔は、男性の音程約170Hzに対応して約6msであり、図16bにおいて、２つの連続するパルス間の時間間隔は、子供の音程約280Hzに対応して約3.5msである。
このようにまた、上述した信号処理の方法によって音響信号から抽出された過渡成分あるいはパルスを解析することにより、話声信号の音程が過渡パルス間の時間間隔を定量することにより測定できることが結論できる。
このように、本発明の好ましい実施態様によって音響信号を解析するとき、入力信号の高域通過濾波とそれに続く整流と低域通過濾波を含む信号処理の間、音声信号の同一性が保たれることが考慮される。
上記の議論から、本発明は話声認識に使用するのに非常に適した方法を提供することが理解されるべきである。
図19は本発明による話声認識システムのブロックダイアグラムを示す図である。このシステムには、図７の帯域通過濾波器10、整流回路11および低域通過濾波器12を備えた前処理装置20が設けられている。このように本発明の方法によれば、単一の集積回路またはチップに集積することが最も好都合であるこの前処理装置は過渡成分検出装置である。システムはさらに、参照ライブラリ22に接続されたパターン認識装置21、音素測定装置23および単語／文章測定装置24などのような、話声認識システムにおいて通常用いられる装置を備える。図19に示すシステムは、テンプレートマッチングを用いているが、代わりの手段を認識システムにおいて用いてもよい。
図19の参照ライブラリ22は、前処理装置20によって発生することのできる形状に対応するライブラリを記憶すべきである。
単一チップ前処理装置はまた、図８に示される低域通過濾波器14およびまたはA/D変換器15を備えていてもよいことが理解されるべきである。
本発明による前処理は、ラウドスピーカや補聴器や遠距離通信システムなどの音響製品やシステムの品質測定や、音響条件の品質測定などのように、話声あるいは音声の解析、認識、符号化および／または復号化が必要とされる他の多くの電気的システムにおいて用いることができることを理解すべきである。前処理はまた、狭帯域遠距離通信における話声の圧縮および復元に関連して用いることができる。
図10に示されているように、前処理装置に用いられる低域通過濾波器12の遮断周波数は1kHz以下であることが望ましい。このように音響信号の全ての必要な信号情報は、1kHzというかなり狭い周波数範囲のなかで表される。これは、話声信号の通信のためのGSM移動遠距離通信システムに用いられる、毎秒約9000ビットの周波数帯と比較すべきである。本発明の前処理方法又は装置を用いることにより、遠距離通信に用いられる周波数帯を毎秒約1000ビットにまで下げることが可能となり、この分野の通信において多大な節約となる。
このように、本方法は、狭帯域遠距離通信における帯域幅を最適化するのに非常に適しており、遠距離通信システムにおいて音響信号を伝送する時、信号が、伝送され受信機によって受信される前に、ここにおいて述べられた前処理を用いて処理されることは本発明の範囲に入ることが理解されるべきである。処理した信号を伝送する前に信号をデジタル表現に符号化し、音響信号の認識可能な音声像を表す場合にヒトの耳などの動物の耳に知覚される過渡パルス形状を再現するため、符号化し他信号を受信機で復号化することが望ましい。
上述のデジタル伝送の際、受信し復号化し再現する過渡パルスの品質に対するいろいろな必要条件を満たすため、帯域幅を選択する。このように最大で毎秒4000ビットの帯域幅を選ぶことができるが、毎秒約2000ビットの帯域幅を用いることにより、よい品質でパルスを再現することができる。しかしながら、帯域幅は毎秒800から2000ビットの範囲にあることが望ましい。例えば、軍事システムなどにおけるように、再現した信号の品質が高いことより、システム稼働性（performance）の高いことが望まれる遠距離通信システムにおいては、毎秒約400ビットの帯域幅が選択されることに注目すべきである。
デジタル信号を伝送する時、デジタル情報が、処理した音響信号を表す過渡パルスの先導エッジと衰微エッジと継続時間についての情報を含んでいることが望ましい。また一連の同一パルスにおいて第２および後続のパルスが、伝送されたとき繰り返しを指し示すデジタル符号（sign）によって表されることが望ましい。
また本発明のもう１つの目的は、話声合成において用いられる方法を提供することである。
図14から18に実験結果の議論から、各母音あるいは音素の音は、その音素に特定的に対応する主たる過渡パルスの形状によってきまることが理解される。実験から、図16から18の処理したパルスに類似した過渡パルスが、その音素の音を発生するために必要な情報を保持していることが結論された。
図14から18に示された過渡解析のため開発されたソフトウェアを用いれば、縦軸座標が振幅で横軸座標がmsで表した時間である座標系にいくつかの点を置くことによって単純過渡信号を生成することができる。１つの過渡パルスは、１つまたはいくつかの点を置きそれらの点の間に直線または正弦曲線で線を補間し、時間間隔を規定することにより生成できる。信号は300msの間繰り返され、信号は、符復号器チップのD/A変換器によって変換された時、聞くことができる。
パルス立ち上がり時間あるいは先導エッジの形状、パルスの継続時間、および立ち下がり時間あるいは衰微エッジの形状はすべて、話声認識及び／又は合成に用いる過渡パルスの同定、表現及び／又は生成のための重要な特徴であることに注目すべきである。これらの特徴はまた、話声圧縮に関連しても用いられる。
このことは図20から25に示され、話声合成あるいは同定のため用いられる過渡パルスが、それぞれ「heat」における音素「ｉ」、「hop」における「ｏ」、「ongaonga」におけるあるいはデンマーク語の単語「Ole」における「ｏ」、「who」における「ｕ」、デンマーク語の単語「φse」における「φ」、デンマーク語の単語「lys」における「ｙ」の話声合成のためにいかに形成されるべきかを示している。パルスは5msの間繰り返される。
図20から、「heat」における音素「ｉ」は、継続時間が0.3から1.1msの範囲にあり、先導エッジの立ち上がり時間が0.3から0.5msの範囲にある非常に短いパルスによって形成できることがわかる。衰微エッジの立ち下がり時間もまた0.3から0.5msの範囲にあるべきである。
同様に図21から、「hop」における音素「ｏ」は、継続時間が1.3から1.8msの範囲にあり、先導エッジの立ち上がり時間が0.3から0.5msの範囲にあるパルスによって形成できることがわかる。衰微エッジの立ち下がり時間は0.3から0.5msの範囲にあるべきである。
図22から、デンマーク語の単語「Ole」における音素「ｏ」は、継続時間がパルスの上半分において1.3から1.8msの範囲にあり、先導エッジの立ち上がり時間が0.3から0.5msの範囲にあるパルスによって形成できることがわかる。この音素に対する衰微エッジの立ち下がり時間は変わり得るが、1.0から2.0msの範囲にあるべきである。
図23から、「who」における音素「ｕ」は、正弦曲線補間法により、継続時間を1.0から2.0msの範囲の値として過渡パルスを生成することにより形成できることがわかる。望ましい継続時間は約1.5msである。
図24は、デンマーク語の単語「φse」における音素「φ」のパルスを示す図である。ここで先導エッジは0.4から0.6msの範囲の立ち上がり時間とすることができる。衰微エッジの立ち下がり時間は1.0から2.0msの範囲にあるべきである。
図25は、デンマーク語の単語「lys」における音素「ｙ」のパルスを示す図である。ここで先導エッジは1.0から2.0msの範囲の立ち上がり時間とすることができる。衰微エッジの立ち下がり時間もまた1.0から2.0msの範囲にあるべきである。
本発明の前述の原理に従ってヒトの話声を合成する際には、合成すべき話声を構成する一連の音素に対応する一連の過渡パルスを生成することが望ましい。さらにこの一連の音素は、規則に基づく変換を用いて、一連の文字から規定されることが望ましい。
本発明の原理はまた音響製品の品質測定にも用いることができることを理解すべきである。そのような測定において、きちんと規定された過渡信号が音響製品に伝送されるべきであり、それにより応答のひずみを測定できる。ひずみは、図７に示された原理に従って前処理を用いることにより測定できる。
本発明の原理はまた、補聴器において、話声信号のノイズ抑制を改善するために用いることができる。
過渡パルスの固有形状を表す特性ライブラリは、話声信号を固定し話声信号をノイズバックグラウンドから分離するために用いることができる。
提示した実験は、認識し生成することが非常に簡単であるが、話声あるいは音響信号の認識と生成の全分野において大きな意義を持ち得る、音素のいくつかの共通特性を、初めて示した。
本発明の方法とシステムの実行は、時間領域において記述されている。しかしながら、時間領域において記述された過渡信号、過渡成分及び／又は過渡パルスはまた、周波数領域においても対応して記述することができることを理解すべきであり、このことはもちろん本発明の範囲に入るであろう。
また上に記述した信号処理の方法は、デジタル的に、又はアナログ素子を用いて電気的に、又は機械的に、又はそれらのいかなる組合せによっても実行され得るということに注目すべきである。そのような処理方法もまた本発明の範囲に入るであろう。

Claims (43)

1. 可聴周波数信号において2ms以下の立上り時間を有する急激なエネルギー変化に対応する過渡成分を検出し、前記過渡成分の包絡線と包絡線の形状とを検出し、包絡線の形状を用いて音素を同定する、可聴周波数信号の音素を同定する方法。
2. 過渡成分に対応する過渡パルスを包絡線から生成し、過渡パルスの先導エッジの形状から音素が同定される請求項１記載の方法。
3. 先導エッジの形状が先導エッジの立上り時間、又は先導エッジの勾配及び／又は先導エッジの勾配変動によって決定される請求項２記載の方法。
4. 前記先導エッジの先端部分が、前記立上り時間又は勾配及び／又は勾配変動を決定するために用いられる請求項３記載の方法。
5. 前記先端部分は、前記勾配が最大になる点で始まる部分である請求項４記載の方法。
6. 先導エッジの立上り時間、又は勾配及び／又は勾配変動が、少なくとも５つのサンプルに基づいて決定される請求項３記載の方法
7. 前記先導エッジの形状の同定が、参照ライブラリーとの比較を用いて実行される請求項２〜６のいずれか１つに記載の方法。
8. 過渡成分に対応する過渡パルスを包絡線から生成し、過渡パルスの期間から音素が同定される請求項１記載の方法。
9. 過渡パルスの期間が、所定レベルを越える先導エッジからその所定レベルを越える衰微エッジまでの時間間隔として決定される請求項８記載の方法。
10. 所定レベルが過渡パルスの最大振幅の50％以下である請求項９記載の方法。
11. 過渡パルスの衰微エッジの形状がさらに同定される請求項２記載の方法。
12. 検出された包絡線を表す信号を搬送し、搬送された信号を受信機で受信することをさらに備える請求項１記載の方法
13. 前記信号が、搬送される前に、デジタルデータに符号化され、受信された信号が、可聴周波数信号の音素を表し、かつ、動物又はヒトの耳によって知覚される過渡パルスの形状を再生するように受信機で復号化される請求項12記載の方法。
14. 搬送が最大で毎秒4000ビットの帯域幅で行われる請求項13記載の方法。
15. 帯域幅が最大で毎秒2000ビットである請求項14記載の方法。
16. 帯域幅が毎秒800〜2000ビットの区間にある請求項15記載の方法。
17. デジタルデータが先導エッジ，衰微エッジおよび過渡パルス期間についての情報を含む請求項13〜16のいずれか１つに記載の方法。
18. 一連の同じパルスにおける第２およびそれに続く過渡パルスは、くり返しを示すデジタル符号によって表される請求項13記載の方法。
19. 過渡成分の検出が可聴周波数信号の帯域通過濾波又は高域通過濾波からなる請求項１記載の方法。
20. 包絡線検出が整流と低域通過濾波からなる請求項１記載の方法。
21. 帯域通過又は高域通過濾波の下側遮断周波数が少なくとも2kHzである請求項19記載の方法
22. 濾波が4.5kHzと7kHzとの間の範囲に上側遮断周波数を有する請求項19又は21記載の方法。
23. 整流が一方向整流である請求項20記載の方法。
24. 低域通過濾波の遮断周波数が400Hz〜1200Hzの範囲にある請求項20記載の方法。
25. 包絡線検出が帯域通過濾波器のバンクを用いた帯域通過濾波からなる請求項１記載の方法。
26. 可聴周波数信号が0.5msより小さい先導エッジの立上り時間と、1.1msより小さい期間とを有する過渡パルスを備えるとき、過渡パルスが「heat」における音素「ｉ」を表すことを決定することを含む請求項１記載の方法。
27. 先導エッジの立上り時間が0.4msより小さいク請求項26記載の方法。
28. 可聴周波数信号が、0.5msより小さい先導エッジの立上り時間と、1.3ms〜1.8msの期間とを有する過渡パルスを備えるとき、過渡パルスが「hop」における音素「ｏ」を表すことを決定することを含む請求項１記載の方法。
29. 衰微エッジの立下り時間が0.5msより小さい請求項26又は27記載の方法。
30. 可聴周波数信号が、0.5msより小さい先導エッジの立上り時間と、1.3ms〜1.8msの期間とを有する過渡パルスを備えるとき、過渡パルスが英語の単語「ongaouga」又はデンマーク後の単語「ole」における音素「ｏ」を表すことを決定することを含む請求項１記載の方法。
31. 可聴周波数信号が正弦曲線補間と1.0ms〜2.0msの期間とを有する過渡パルスを備えるとき、過渡パルスが英語の単語「who」における音素「ｕ」を表すことを決定する請求項１記載の方法。
32. 話声圧縮に用いられる請求項１に記載の方法。
33. 音響製品の品質測定に用いられる請求項１記載の方法。
34. 室内あるいは室外での音響条件の品質測定に用いられる請求項１に記載の方法。
35. 可聴周波数信号において2ms以下の立上り時間を有する急激なエネルギー変化に対応する過渡成分を抽出する手段と、過渡成分の包絡線およびその包絡線の形状を検出する手段と、包絡線の形状を用いて音素を同定する手段とを備える、可聴周波数信号の音素同定システム。
36. 過渡成分に対応する過渡パルスの形状に基づいてエネルギー変化を同定又は表現する手段をさらに備える請求項35記載のシステム。
37. 過渡成分抽出手段が帯域通過濾波器又は高域通過濾波器を備える請求項36記載のシステム。
38. 包絡線検出手段が整流器と低域通過濾波器とを備える請求項35記載のシステム。
39. 帯域通過又は高域通過濾波器の下側遮断周波数が少なくとも2kHzである請求項37記載のシステム。
40. 帯域通過又は高域通過濾波器の上側遮断周波数が4.5kHzとの間の範囲にある請求項37記載のシステム。
41. 整流器が一方向整流器である請求項38記載のシステム。
42. 低域通過濾波器の遮断周波数は400Hz〜1200Hzの範囲にある請求項38記載のシステム。
43. 包絡線検出手段が濾波器バンクを備える請求項35又は36記載のシステム。

Images