JPH0219477B2 - - Google Patents

Description

【発明の詳細な説明】

本発明は簡易形音声分析装置の改良に関する。 通常、音声認識装置では、音声波形を分析し、
その分析出力である特徴パラメータの時系列とあ
らかじめ記憶されているパターンとの間で識別計
算を行い、認識結果を求めている。従来、この音
声認識装置に使用されている音声分析としてバン
ドスフイルタ分析やケプストラム分析や変形ケプ
ストラム分析があつた。 音声波の声帯の振動によつて励振された声道か
らの放射出力であると考えることができ、音声信
号Ｇ（ｔ）は(1)式のように声道のインパルス応答
Ｒ（ｔ）と音源波形Ｓ（ｔ）の畳み込みで表わされ
る。 Ｇ（ｔ）＝Ｒ（ｔ）＊Ｓ（ｔ） ……(1) ＊は畳み込み操作 (1)式をフーリエ変換すると Gf（ｗ）＝Rf（ｗ）×Sf（ｗ） ……(2) となる。音源特性Sf（ｗ）は周期的な線スペクト
ラムであり、声道特性Rf（ｗ）は、音声スペクト
ルGf（ｗ）のエンベロープである。このエンベロ
ープを得る方法として一定値以上の帯域幅を持つ
たバンドバスフイルタを音声帯域内に複数個並べ
るバンドバスフイルタ分析がある。一定値以上の
帯域幅を持つことにより音源特性であるスペクト
ルの影響を弱くし複数個並べることによりエンベ
ロープの全体の特性すなわち声道特性を得ること
ができていた。 ところで、より精密な声道特性を得るために
は、バンドバスフイルタの帯域幅を細くする必要
があるが、細くすると音源スペクトルである線ス
ペクトルの影響が大きく表われてくる。このため
バンドパスフイルタの帯域幅はある程度以上細く
することはできず、バンドパスフイルタ分析では
より精密な声道特性を得ることはできなかつた。
一方、声道特性と音源特性を分離し、より精密な
声道特性を求める方法としてケプストラム分析が
ある。ケプストラム分析では、(2)式をさらにlog
変換し、 log｜Gf（ｗ）｜＝log｜Rf（ｗ）｜ ＋log｜Sf（ｗ） ……(3) 次に逆フーリエ変換によつてケプストラムを得
る。 Gc（ｑ）＝Rc（ｑ）＋Sc（ｑ） ……(4) この(4)式のように、スペクトラム領域での積が
ケプストラム領域では和となる。音源スペクトル
Sf（ｗ）である周期的な線スペクトルのケプスト
ラムSc（ｑ）は音源の周期Tpの近傍にのみ表われ
る。一方、声道スペクトルRf（ｗ）はGf（ｗ）の
エンベロープとして表われ、そのケプストラム
RC（ｑ）は低ケフレンシ部へ表われる。すなわ
ち、音声信号をケプストラム分析し、ケフレンシ
の低い成分に音源特性より分離された声道特性を
得ることができる。 さらに特願昭56―069031号明細書（特開昭57―
185098号公報）に記載されているように音声のス
ペクトルの中より帯域内の周波数成分のみを切出
しゼロ周波数までシワトする切出し部を用けるこ
とにより、伝送路の帯域外の特性の影響を除去す
ることができる。また、周波数の高域部を圧縮す
る写像関数による周波数軸のスケール変換例えば
logスケール変換、Melスケール変換などを行う
スケール変換部を設けることにより、高域より低
域へ重みが置かれたすなわち人間の聴覚特性に近
い特性を持つた変形ケプストラムが得られる。前
記スケール変換は第１図に示すような写像関数
Sm＝Ｍ（Sl）により、伝送路の帯域内のみのデー
タをlogスケールまたはMelスケールへ並び換え
ることである。すなわとSl番目のスペクトルを
Sm番目の変形スペクトルとすることである。 しかしながら、前記のバンドパスフイルタ分析
やケプストラム分析や変形ケプストラム分析は、
フーリエ変換を基本としており三角関数系との乗
算を必要とし装置が大型となる欠点があつた。 一方、フーリエ変換の近似的な変換であるウオ
ルシユ変換は±１の２値の直交関数系による変換
であるため、ウオルシユスペクトルは加減算のみ
で求めることができる。このウオルシユ変換を用
いることにより特開昭57―700号公報に記載され
ているように小型の疑似バンドパスフイルタを実
現することが知られている。しかし疑似バンドパ
スフイルタではより細かで精密な声道特性を得ら
れない欠点があつた。 本発明の目的は、ケプストラム分析における。
フーリエ変換と逆フーリエ変換を多値ウオルシユ
変換に置き換えることにより、ケプストラムの近
似値を得る小型の装置、すなわち、より細かで精
密な声道特性が得られかつ小型の音声分析装置を
提供することにある。 本発明による音声分析装置は、入力信号の多値
ウオルシユ変換を行う第１多値ウオルシユ変換部
と、前記第１多値ウオルシユ変換部の出力よりウ
オルシユパワースペクトルを求めそのlog変換を
行うlog変換部と、ウオルシユ交番数軸のスケー
ル変換を行う写像関数Sm＝Ｍ（Sl）により前記
log変換部の出力を変形交番数軸へ写像するスケ
ール変換部と、前記スケール変換部の出力の多値
ウオルシユ変換を行う第２多値ウオルシユ変換部
を有している。 次に本発明で使用する多値ウオルシユ変換につ
いて説明する。ウオルシユ変換はフーリエ変換に
おける直交関数系である三角関数を±１の２値の
関数であるウオルシユ関数への置き換えたもので
あり、加減算のみでフーリエ変換の近似値が得ら
れる。しかし三角関数を±１の２値関数へ近似さ
せているため、近似度合が悪かつた。一方、ウオ
ルシユ関数を多値化し複素数化させることにより
簡単な演算でフーリエ変換のよりよい近似値が得
られる多値ウオルシユ変換が同一出願人から昭和
58年４月11日に出願された特願昭58―63186号明
細書「多値ウオルシユ変換装置」に記載されてい
る。ここで多値ウオルシユ変換の原理について述
べる。すでに述べたとおり、ウオルシユ関数は、
三角関数を±１に量子化したものであるので、よ
り細かい量子化による多値ウオルシユ関数を導入
することによつて、よりフーリエスペクトルへ近
づけることができる。例えば、第１０図に示し
た。 の８個の要素をもつ多値ウオルシユ関数が考えら
れる。しかし、この方法では

【式】 などの要素を持つため、その変換には乗算を必要
とする。 特願昭58―63186号明細書では、８値ウオルシ
ユ変換の場合には、第１１図に示したように、 （１，１＋ｊ，ｊ，−１＋ｊ，−１，−１，−ｊ，
−ｊ，１−ｊ） の８個の要素を用いている。この関数系による８
値ウオルシユ変換の演算は、±１，±ｊとの積の間
の演算であるので、加減算のみで実行できる。 また、同様の考え方により、16値ウオルシユ変
換は、第１２図に示したような、 （１，１＋１／２ｊ，１＋ｊ，１／２＋ｊ，ｊ，− １／２＋ｊ，−１＋ｊ，−１＋１／２ｊ，−１，−１− １／２ｊ，−１−ｊ，−１／２−ｊ，−ｊ，１／２−ｊ
， １−ｊ，１−１／２ｊ） の16個要素を用いる。これによる関数系を用い
る16値ウオルシユ変換の演算は、±１，±１／２，± ｊ，±１／２ｊとの積の演算であるため、シフタによ る1/2化と加減算のみで実行でき、実質的に乗算
は不要である。 入力時系列を逆２進順に並べた列ベクトルを
Ｘ、多値ウオルシユスペクトルをＷ、変換行列を
Ｃとすれば、 Ｗ＝Ｃ・Ｘ ＝G_o・G_o-1……G₁・Ｘ ……(6) ｎ回の行列の積として表現できる。ここで各G_iは
(7)，(8)，(9)式により決定される。 G_i＝E_iI_o-i ただしはクロネツカー積である L_i＝diag（1.〔ai〕．〔a² _i〕．…．〔a^2i-1 ₁〕）…
…(9) ただしI_iは2ⁱ行2ⁱ列の単位行列であり、diag（ ）
は括孤内を対角要素とする対角行列である。 ここで〔a_i〕は多値化の数によつて決定され、
８値の場合は a_i＝ｅ×ｐ（jπ／2i）、a^k _i＝ｅ×ｐ（jθ）とし 〔ｅ×ｐ（jθ）〕＝１、０θ＜π／４のとき ＝１＋ｊ、π／４θ＜π／２のとき ＝ｊ、π／２θ＜3π／４のとき ＝１＋ｊ、3π／４θ＜πのとき とする。また、16値の場合は 〔ｅ×Ｐ（jθ）〕＝１、０θ＜π／８のとき ＝１＋１／２ｉ、π／８θ＜π／４のとき ＝１＋ｊ、π／４θ＜3π／８のとき ＝１／２＋ｊ、3π／８θ＜π／２のとき ＝ｊ、π／２θ＜5π／８のとき ＝−１／２＋ｊ、5π／８θ＜3π／４のとき ＝１＋ｊ、3π／４θ＜7π／８のとき ＝−１＋１／２ｊ、7π／８θ＜πのとき とする。 また、逆２進順とは自然数を２進表現し、その
桁桁を逆転させた数を考え、その数の順序に並べ
ることであり、ｎ＝３の場合 Ｘ＝（X₀X₄X₂X₆X₁X₅X₃X₇）となる。さらに
８値ウオルシユ変換の場合各G_iは となる。これらG_iの各行ともゼロでない要素は２
つのみであり高速フーリエ変換で用いられるバタ
フライ演算と同形の演算にて求められることを示
している。このゼロでない要素は（±1.±ｊ）で
あるため複素数の加減算のみで実行できる。さら
に16値ウオルシユ変換の場合ゼロでない要素は
（±１／±１／２、±ｊ／±１／２ｊ）であるためシフ
ト 演算と複素数の加減算のみで実行できる。また、
この時得られる多値ウオルシユスペクトルのW_i
とW_o/2-i（Ｎ＝2ⁿ）は共役複素数となる。 本発明の音声分析装置は、ケプストラム分析に
おけるフーリエ変換と逆フーリエ変換を多値ウオ
ルシユ変換へ置き換えることにより、加減算器等
による簡単な演算器で構成できる利点を持つてい
る。さらにウオルシユ変換を用いた疑似バンドパ
スフイルタ分析装置に比較し、より細かで精密な
声道特性が得られる利点を持つている。 次に本発明の装置の具体的な構成を図面を参照
しながら説明する。 本発明の実施例は第２図に示すように、第１バ
ツフアメモリ部１、第１多値ウオルシユ演算部
２、第１多値ウオルシユ変換制御部３、log変換
部４、スケール変換部５、第２バツフアメモリ
６、第２多値ウオルシユ演算部７、第２多値ウオ
ルシユ変換制御部８より構成される。始めに入力
時系列データが第１バツフアメモリ部１へ入力さ
れ一時記憶される。記憶された後、第４図に示し
たｎ＝４の場合の計算の流れ図に従つた第１多値
ウオルシユ変換制御部３の制御信号により、第１
段より第ｎ段まで計算が進められる。第ｉ段の処
理は、第４図に示した第ｉ段の2^n-1個のバタフラ
イ演算を実行することであり、(7)式のG_iの行列を
乗ずることを意味している。 バタフライ演算は Y_a＝X_a＋X_b・a_k Y_b＝X_a−X_b・a_k ……(10) であり、第３図に示す第１多値ウオルシユ演算部
２にて求められる。バタフライ演算では始めに
X_a．X_bが第１バツフアメモリ部１より読み出さ
れ、X_aの実数部と虚数部がレジスタ２０１，２
０２へ、X_bの実数部と虚数部がレジスタ２０３，
２０４へそれぞれ一時格納される。X_a・a_kの複
素数乗算は８値ウオルシユ変換の場合は次の４通
りの加減算にて実行される。 （z_R＋jz_I）＝（X_bR＋jX_bI）・a_kとし、 a₀＝１のとき z_R＝X_bR z_I＝X_bI a₂＝１＋ｊのとき z_R＝X_bR−X_bI z_I＝X_bR＋X_bI a₄＝ｊのとき z_R＝−X_bI z_I＝X_bR a₀＝１＋ｊのとき z_R＝−X_bR−X_bI z_I＝X_bR−X_bI ……(11) 第４図の計算の流れ図中のa₁.a₃.a₅.a₇はそれぞ
れa₀.a₂.a₄.a₆と同じ値である。(11)式の演算は第１
多値ウオルシユ変換制御部３の制御信号のもとで
スイツチ２１１と加減算器２２１と２２２により
求められる。すなわちスイツチ２１１は加減算器
２２１と２２２の入力をX_bR，X_bI、ゼロのどれ
かを選択し、加減算器２２１と２２２は加算又は
減算又は加算符号反転を行い前記(11)式の演算を行
う。つづいて(10)式の加算および減算が実数部、虚
数部に分けて加算器２３１と２３２および減算器
２３３と２３４にて行われる。得られた結果Y_a，
Y_bは第１バツフアメモリ部１のX_a，X_bが記憶さ
れていた場所へ書かれる。最終段である第ｎ段ま
で前記処理が終了すると、第１バツフアメモリ１
に多値ウオルシユスペクトラムが得られる。 多値ウオルシユ変換が終了した後、第５図に示
すlog変換部４とスケール変換部５によつて、log
パワー多値ウオルシユスペクトルが求められ、ス
ケール変換を行う写像関数S_n＝Ｍ（S_e）により変
形交番数軸へ写像を行う。すなわち、スケール変
換制御部５１は第６図に示すタイムチヤートに従
つた制御信号を発し、始めに第１バツフアメモリ
部１より信号a₁に従つて多値ウオルシユスペクト
ルの偶数項W_2iと奇数項W_2i+1を順次読み出し、
log変換部４の乗算器４１で２乗され加算器４２
とアキユムレータ４３を用いてパワー多値ウオル
シユスペクトル（Pi＝W² _2i＋W² _2i+1）が求められ、
つづいてlog変換部４にてlog変換され、信号a2を
アドレスとして指示された写像関数値Ｍ（ｉ）を
写像関数テーブルメモリ部５２より読み出し、そ
の出力Ｍ（ｉ）を第２バツフアメモリ部６のアド
レス信号a3としてlogパワー多値ウオルシユスペ
クトル（logP_i）を第２バツフアメモリ部６のＭ
（ｉ）番地へ格納する。第２の多値ウオルシユ変
換は第１の多値ウオルシユ変換と同様に動作し第
２バツフアメモリ部６、第２多値ウオルシユ変換
部７、第２ウオルシユ変換制御部８にて実行され
る。なお、以上の説明では、スケール変換後に再
び多値ウオルシユ変換を行なうものとして説明し
たが、このスケール変換後（正確には絶対値化し
た直後）には、その信号は縦軸に対称な実関数と
なつている。一般に、縦軸に対称な実関数のフー
リエ変換とフーリエ逆変換は、同じ結果を与え
る。この多値ウオルシユ変換においても同様のこ
とが成立する。したがつて、すでに述べた実施例
において、第２多値ウオルシユ変換部７が、多値
逆ウオルシユ変換を行なわせたとしても、結果は
同一となる。 ところで、通常音声認識ではケプストラムの低
次の項のみ使用するため、第２の多値ウオルシユ
変換は低次の項のみ計算すればよい。そのため第
２の多値ウオルシユ変換(6)式の変換行列の低次の
項のみすなわち W_k＝_N-1 〓^l=0 H_kl・X_l ……(12) の小さいｋについてのみ計算すればよい。ここで
さらにXlは偶関数であるのでH_klの実数部である
H′_klを使用すればよい。 W_k＝_N-1 〓^l=0 H′_kl・X_l ……(13) 本発明の第２の実施例は、第２のウオルシユ変
換を（13）式にて求める装置である、第１の実施
例における第２多値ウオルシユ変換制御部８、第
２多値ウオルシユ演算部７を第７図に示す構成へ
変更したものである。第２多値ウオルシユ変換制
御部７は第８図に示すタイムチヤートに従つた制
御信号を発し、信号cl７によつてアキユムレータ
７２をクリヤし、信号ｋ１に従つて第２バツフア
メモリ部６より変形logパワー多値ウオルシユス
ペクトルX_l＝logPM（ｉ）を読み出し、多値ウオ
ルシユ変換行列の実数部H′_klに従つた＋１または
−１の信号ｂ２により加減算器７１はアキユムレ
ータ７２との間で加算または減算を行う。すなわ
ち信号ｂ２が＋１の場合はACC＋X_l→ACCを行
い、信号ｂ２が−１の場合はACC―X_l→ACCを
行う。信号ｂ１がＮ―１となつた時アキユムレー
タ７２へウオルシユ変換値W_kすなわち疑似ケプ
ストラムが得られる。 次に本発明の第３の実施例は多値ウオルシユ変
換として16値ウオルシユ変換を採用した場合の装
置であり、第１の実施例における第１多値ウオル
シユ演算部を第９図に示す構成へ変更したもので
ある。計算は第１の実施例と同様に進められる。
第１の実施例と異なる点はバタフライ演算におけ
る乗算要素a_kの値が８種類あることである。(10)式
における複素数乗算は次の８通りの演算にて実行
される。 （z_R＋jz_I）＝（X_bR＋jX_bI）・a_kとし a₀＝１のとき z_R＝X_bR z_I＝X_bI a₁＝１＋１／２ｊのとき z_R＝X_bR−１／２X_bI z_I＝１／２X_bR＋X_bI a₂＝１＋ｊのとき z_R＝X_bR−X_bI z_I＝X_bR＋X_bI a₃＝１／２＋ｊのとき z_R＝１／２X_bR−X_bI z_I＝X_bR＋１／２X_bI a₄＝ｊのとき z_R＝−X_bI z_I＝X_bR a₅＝−１／２＋ｊのとき z_R＝−１／２X_bR−X_bI Z_I＝X_bR−１／２X_bI a₆＝−１＋ｊのとき z_R＝−X_bR−X_bI z_I＝X_bR−X_bI a₇＝−１＋１／２ｊのとき z_R＝−X_bR−１／２X_bI z_I＝１／２X_bR−X_bI ……(14) シフタ２４１と２４２は１ビツト右シフトする
ことにより１／２X_bRおよび１／２X_bIを求め、スイツ チ２１２は加減算器２２１と２２２の入力を
X_bR．X_bI．１／２X_bR．１／２X_bI．ゼロのどれかを選 択し、加減算器２２１と２２２にて加算又は減算
と符号反転を行い(11)式の複素数乗算を実行する。 以上本発明を実施例に基づき説明したが、これ
らの記載は本発明の範囲を限定するものではな
い。特に本発明の実施例ではFWTのアルゴリズ
ムとして(6)式に示すように入力時系を逆２進順に
並べG₁よりG_oまで順次積を取り求めていたが、
（13）式に示すような正順序の時系列X′とG_o ^T、
よりG₁ ^Tまで順次積を取り、その結果として逆２
進順のウオルシユスペクトルW′を得る方法も採
用できることは明白である。 W′＝G_1T・G_2T・…G_o ^T・X′ ……(15) また、パワースペクトルをP_i＝W² _2i＋W² _2i＋１と
して求めるが、乗算器を必要としているためP_i＝
｜W_2i｜＋｜W_2i＋１｜のように絶対値の和とし
てパワースペクトルを近似的に求める方法も採用
できることは明白である。

【図面の簡単な説明】

第１図はスケール変換を示す図であり、第２図
は本発明の第１の実施例のブロツク図であり、第
３図は第１多値ウオルシユ演算部２のブロツク図
であり、第４図は第１多値ウオルシユ変換の計算
の流れの図であり、第５図はlog変換部４とスケ
ール変換部５のブロツク図であり、第６図はスケ
ール変換のタイムチヤートであり、第７図は本発
明の第２の実施例における第２多値ウオルシユ演
算部２のブロツク図であり、第８図は第２多値ウ
オルシユ変換のタイムチヤートであり、第９図は
本発明の第３の実施例における第１多値ウオルシ
ユ演算部２のブロツク図、第１０図，第１１図，
第１２図は本発明で用いる多値ウオルシユ変換を
説明するための図である。 図において、１は第１バツフアメモリ部、２は
第１多値ウオルシユ演算部、３は第１多値ウオル
シユ変換制御部、４はlog変換部、６は第２バツ
フアメモリ部、７は第２多値ウオルシユ演算部、
８は第２多値ウオルシユ変換制御部２０１，２０
２，２０３，２０４はレジスタ、２１１，２１２
はスイツチ、２２１，２２２は加減算器、２３
１，２３２は加算器、２３３，２３４は減算器、
２４１，２４２はシフタである。第５図において
４１は乗算器、４２は加算器、４３はアキムレー
タ、４４はlog変換器、５１はスケール変換制御
部、５２は写像関数テーブルメモリ、７１は加算
器、７２はアキユムレータである。

Claims (1)

【特許請求の範囲】
1. １ 入力信号の多値ウオルシユ変換を行う第１多
   値ウオルシユ変換部と、前記第１多値ウオルシユ
   変換部の出力よりウオルシユパワースペクトルを
   求めそのlog変換をlog変換部と、ウオルシユ交番
   数軸のスケール変換を行う写像関数Sm＝Ｍ（Sl）
   により前記log変換部の出力変形交番数軸へ写像
   するスケール変換部と、前記スケール変換部の出
   力の多値ウオルシユ変換を行う第２多値ウオルシ
   ユ変換部とを持つことを特徴とする音声分析装
   置。