JPH032900A - 声帯声道型音声分析装置 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 （産業上の利用分野） 本発明は、声帯声道型音声分析装置に関し、特に音声の
声帯音源波と声道の特性を同時に分析する音声分析装置
に関する （従来の技術） 音声合成や音声認識のための音声信号の代表的分析方法
としては３つの方法がある。第１の従来方法は、線形予
測法＜ＬＰＣ法）や、ＡＲＭＡ分析によるもので、音声
信号は、線形フィルタに有声音ならばインパルス列、無
声音ならば白色雑音が入力されたときの応答として生成
されるというモデルに基づいて、その線形フィルタの係
数を求める方法である。線形フィルタの構成法に応じた
この方法の様々な変形として、α（アルファ）パラメー
タ（ＡＲ関数と呼ばれることもある）、ＰＡＲＣＯＲ（
パーコール：偏自己相関）係数、ＡＲＭＡ　（エイアー
ルエムエイまたはアルマ）係数などと呼ばれる係数を求
める方法が知られている。

これらは、ジェイ、デイ−、マーゲルとエイ、エイチ、
グレイ（Ｊ、Ｄ、Ｈａｒｋｅｌ　ａｎｄ　Ａ、Ｈ，Ｇｒ
ａＶ　）　（ｆ）著書［音声の線形予測（鈴木訳）　Ｊ
　　（ＬＩＮＥＡＲＰｒｅｄｃｔｉｏｎ　ｏｆ　　５ｐ
ｅｅｃｈ）に詳細に説明されている６第２の従来方法と
して、ピー、ヘデエリン（Ｐ。

ｔｌｅｄｅ　ｌ　ｉ　ｎ　）によって、インターナショ
ナル・カンファレンス・オン・アコースティックス・ス
ピーチ・シグナル・プロセッシング（Ｉｎｔｅｒｎａｔ
ｉｏｎａｌ　Ｃｏｎｆｅｒｅｎｃｅ　　ｏｎ　　Ａｃｏ
ｕｓｔｉｃｓ　　５ｐｅｅｃｈ　　Ｓｉｇｎａｌ　　Ｐ
ｒｏｃｅｓｓｉｎｇ音響音声信号処理国際会議）′８６
において、論文裁の４６５ページから４６８ページに、
ハイ・クォリティ・グロツタル・ＬＰＧ−ボコーディン
グ（ｔｌｉｇｈ　Ｑｕａｌｉｔｙ　Ｇｌｏｔｔａｌ　Ｌ
ＰＣ−Ｖｏｃｏｄｉｎｇ：高品質声帯ＬＰＧ音声符号化
）と題して発表されたものがある。

これは第３図に示すように、有声音のときに、インパル
ス列ではなく声帯音源１０１から生成される声帯音源が
線形フィルタ１０２に入力されるという音声の生成モデ
ルに基づいている。そして、このモデルによって生成さ
れた音声と実際の自然音声（信号線１０３から入力され
る）の二乗誤差（１０４で算出される）が最小になるよ
うに最適化して、音源波形のパラメータならびにＡＲｆ
Ｊ数を求めるものである。

また、第３の従来例として、更にこれを改良したものが
、・°８８年の同会議において、ヘデリン（ｔｌｅｄｅ
ｌｉｎ）によって、論文集の３３９ページから３４２ペ
ージに、フェーズ・コンペンセイション・イン・オール
−ボール・スピーチ・アナリシス（ＰｈａｓＯＣｏｎｐ
ｅｎｓａｔｉｏｎ　ｉｎ＾ＩＩ　　−Ｐｏ１ｅ　５ｐｅ
ｅｃｈ　Ａｎａｌｙｓｉｓ：全極形音声分析における位
相補正）と題して発表された論文に開示されている。

これは、予め様々な波形に対応する有限個の符号を用意
しておき、声帯波に対してはその中の最適なものを選び
出し分析するものである。即ち、有限個の音源波形を用
意して、それに番号付けをしておく。分析は、まず音源
としである符号（番号）の波形を選んで音声を合成して
実際の音声との誤差を求める。これを異なる符号の波形
について繰り返し、誤差が最も少なかったときの符号の
波形を推定された声帯音源波形とするのである。

（発明が解決しようとする課題） 上述筒１の従来方法によれば、少ない演算量で音声の分
析ができる。しかし、音声合成などに適用すると、有声
音の場合はあまり良好な音質の合成音は得られない、こ
れは、音源として前記のようにインパルス列を仮定して
いることに問題があると考えられる。生理学的な研究結
果によれば、声帯振動は非常に複雑で、簡単なインパル
スなどでは近似できないことが明らかになってきている
。

このことは、分析されなαパラメータやＡＲＭＡ係数な
どが表している特性は、声道の特性ではなく、声帯音源
と声道の両方の特性を含んでいることを意味している。

インパルス列が実際の音源の良好な近似ではなく、分析
結果が声道の特性を表しているのではないということは
、音声通信を目的とした符号化においては必ずしも致命
的な欠陥とはならず、パルスの数を増やすなどして音質
を改善することもある程度は可能である。しかし、文字
列から規則にしたがって音声を合成する任意語の音声合
成においては、ピッチなどの音源パラメータと、声道の
パラメータを独立に制御する必要があるため、実際の音
声の生成過程により近い音声合成モデルが望まれる。ま
た、符号化においてもより正確なモデルに基づいて分析
した方が効率や音電が向上される。

この点を実際の音声の生成に近づけたものが上記第２と
第３の従来方法である。即ち、有声の音源としては、実
際の声帯の振動をスコープなどを用いて観測した結果を
参考にして波形をモデル化したものを使っている。これ
ら従来方法によれば、有声音の自然さや符号化効率を向
上することができる。

しかし、これらの第２第３の従来方法は、誤差を繰り返
し評価しながら係数の１ｊｌｉ化を図るため、分析に膨
大な演算が必要であり、価格や装置規模の観点から実現
か困難であるという問題があった。

これは第１の従来方法と同一の構成である線形フィルタ
の部分の係数でさえも、従来の線形予測法などの分析法
が応用できなかっな、しかも、声帯波の時間軸上の位置
まで合わせなければならない。

通常は分析フレームの時間長は最低でもピッチの二倍程
度に設定するので、その間にある複数個の声帯パルスの
位置をそれぞれに決定する必要があり、さらに分析を複
雑にしていた。

本発明の目的は、上記第２第３の従来方法のように、声
帯音源の波形モデルに基づいた分析でありながらそれよ
り少ない演算量で実現できる声帯声道型音声分析装置を
提供することにある。

（課題を解決するための手段） 前記課題を解決するため本発明における第１の発明によ
る声帯声道型音声分析装置は、入力音声信号を一時記憶
する入力バッファと、声帯音源波の持つ周波数特性の逆
特性を持つＦＩＲフィルタと、様々な声帯音源波のもつ
周波数特性の逆特性をもつ前記ＦＩＲフィルタの係数を
生成する係数生成手段と、前記ＦＩＲフィルタの出力信
号のスペクトルを分析するスペクトル分析手段と、前記
スペクトル分析手段で順次得られる分析誤差を互いに比
較する誤差比較手段と、前記様々な声帯音源波の候補に
対する前記ＦＩＲフィルタの係数をもつ前記ＦＩＲフィ
ルタに前記入力音声信号入力させたとき前記誤差比較手
段で得られた分析誤差が最小になったときの前記声帯音
源波の候補を声帯音源波の分析結果とし、そのときの前
記スペクトル分析の結果を声道特性の分析結果として出
力するよう制御する制御手段とを備える。

また、本発明における第２の発明による声帯声道型音声
分析装置において、入力音声信号を一時記憶する入力バ
ッファと、前記バッファ出力を入力とするＩＩＲフィル
タと、様々な声帯音源波の持つ周波数特性の逆特性の最
小位相成分の特性を持つＩＩＲフィルタの第１の係数と
声帯音源波の持つ周波数特性の逆特性の最大位相成分を
逆位相化した特性を持つＩＩＲフィルタの第２のｌ；ｆ
ｉ数を生成する係数生成手段と、前記ＩＩＲフィルタの
出力を一時記憶し、時間軸を反転して前記ＩＩＲフィル
タに出力する時間軸反転バッファと、前記ＩＩＲフィル
タの出力信号のスペクトルを分析するスペクトル分析手
段と、前記スペクトル分析手段で順次得られる分析誤差
を互いに比較する誤差比較手段と、前記様々な声帯音源
波の候補に対して　、入力音信号を前記第１の係数をも
つ前記ＩＩＲフィルタでフィルタリングさせた信号を前
記時間軸反転バッファで時間軸を反転させ、次に前記時
間軸を反転した信号を再び前記第２の係数をもつ前記Ｉ
ＩＲフィルタでフィルタリングさせた信号を時間軸反転
バッファで再び時間軸を反転させ、その信号を前記スペ
クトル分析手段で分析したときの分析誤差を互いに比較
し、分析誤差が最小になったときの前記声帯音源波の候
補を声帯音源波の分析結果とし、そのときの前記スペク
トル分析の結果を声道特性の分析結果として出力するよ
う制御する制御手段とを備える。

（作用） 第１の本発明では、まず声帯音源波の持つ周波数特性の
逆特性を持つフィルタをＦＩＲフィルタで実現する。こ
こに、逆特性というのは振幅特性が逆数の関係で、位相
特性が正負の符号を反転したものである。この逆特性の
ＦＩＲフィルタの係数は、もとの声帯波のフーリエ変換
を求め振幅の逆数と位相の符号を反転したものを求め逆
フーリエ変換することで求まる。前記第３の従来例のよ
うに、声帯波を符号化したものの中から最適なものを選
択する方法では、この逆特性のＦＩＲフィルタの係数も
予め各符号の声帯波について求めておけば良いので、分
析の際の演算量が増加することはない。

さて、もしこの逆特性のフィルタの特性が、真に声帯波
の特性の逆であったならば、この声帯波の逆特性のフィ
ルタを通した信号のスペクトルは、声帯波の持つ特性が
キャンセルされて、声道だけの特性を表していることに
なる。従って、第１の従来例の線形予測法などを用いて
分析すれば、声道の特性が推定できる。しかし、真の声
帯波の特性を予め知ることはできないので、−度の計算
で正しく分析できるわけではない。そのため、様々な声
帯波を仮定して分析を繰り返し、誤差が最小になったも
のを最適な分析結果とする。

また、第２の発明では、声帯音源波の持つ周波数特性の
逆特性を持つ逆フィルタをＩＩＲフィルタで実現するも
のである。しかし、声帯波の位相特性は最小位相では表
せないため、その逆フィルタをＩＩＲフィルタで実現し
ようとすると、極を単位円の外側に設定させる必要があ
るため、不安定な回路となってしまう。即ち、単純に第
１の発明のＦＩＲフィルタをＩＩＲフィルタで置き換え
ることはできない。そこで、単位円の外部の極の特性を
、時間軸を反転させてフィルタリングを行なうことで実
現させる。

そのために、ＩＩＲフィルタの出力を一時記憶し、時間
軸を反転して出力する時間軸反転バッファを設ける。そ
して、まず最小位相成分、即ち単位円の内部の極零に相
当する係数によりＩＩＲフィルタでフィルタリングし、
その出力を時間軸反転バッファで時間軸反転する。その
時間軸反転された信号を、最大位相成分を逆位相化した
特性、即ち単位円の外部の極零を逆数で置き換えて単位
円の内部に写１！Ａシだ極零に相当する係数により再び
フィルタリングし、さらに再度時間軸を反転し通常の時
間軸に戻す。この時間軸を反転してフィルタリングする
処理は無限に続く信号では実現できないが、本発明では
入力された音声信号を有限の時間長の分析フレーム毎に
区切って処理するため実現できる。以後は前記第１の発
明と同様である。

これらの発明では、音源波の位置を推定する必要がない
上、声道特性の推定には第１の従来例などの高速な分析
法を利用してαパラメータなどの値として得られる。こ
のようにして、声帯と声道の特性を表すパラメータの値
が得られる。様々な音源波について誤差の評価を繰り返
し探索するのは前記第２と第３の従来例と同様であるか
、各繰り返し毎の演Ｘ量は少ない。

なお、この結果得られたαパラメータなどのもつ特性は
、第１の従来例の場合のように、声帯の特性を含まず声
道の特性を良好に近似しているものと考える。従って、
この特性の逆特性を実現し、元の音声信号をフィルタリ
ングすれば（これは逆フィルタリングと呼ばれる方法で
ある）、時間の関数としての声帯音源波が得られる。こ
れは単に声帯波の形状だけではなく時間軸上の位置情報
も得られることを意味している。前記第２と第３の従来
例のように初めに位置も同時に推定しなければならない
のとは異なり、分析が終了してから逆フィルタリングす
れば位置情報も含んだ音源波形の推定が容易にできる。

（実施例） 次に本発明の第１の実施例を図面を参照しながら説明す
る。

第１図は本発明の第１の発明の一実施例を示すブロック
図である。

入力バッファ２は、信号線９から入力された音声信号を
一時記憶し、制御回路１からの制御信号にしたがって一
分析フレーム分の音声信号をＦＩＲフィルタ８におくる
ものである。

声帯波候補設定回路６は、声帯波の候補の符号を発生し
、ＦＩＲ係数メモリ７と分析結果バッファ４に送る。符
号の発生方法としては、全部の符号に付いて総当たりで
最適符号を探索する場合は順に発生させれば良く、予め
木構造の符号に設定されているならば、ＭＳＢから順に
１またはＯを設定させれば良い。

ＦＩＲ係数メモリ７には、様々な声帯音源波の持つ周波
数特性の逆特性を持つＦＩＲフィルタの係数値が予め記
録されていて、声帯波候補設定回路６から声帯波の候補
の符号が送られると、対応するＦＩＲフィルタの係数値
をＦＩＲフィルタ８に送る。

ＦＩＲフィルタ８は、前記ＦＩＲＩ数メモヅメモリ送ら
れた係数値を用いて、前記入力バッファ２から送られる
音声信号をフィルタリングし線形予測分析回路３に送る
。

線形予測分析回路３は、ＦＩＲフィルタ８から送られた
信号の線形予測分析を行ない、線形予測係数（αパラメ
ータまたはＰＡＲＣＯＲ係数）を分析結果バッファ４に
送り、分析誤差を誤差比較回路５に送る。

分析結果バッファ４は二重のバッファになっていて、第
１のバッファには声帯波候補設定回路６から送られた声
帯波の候補の符号と、線形予測分析回路３から送られた
線形予測係数を一時記憶し、第２のバッファには声帯波
の符号と線形予測係数のａ適値の候補を記憶する。制御
回路１から最適値の更新の指示を示す制御信号が送られ
たら、第１のバッファの内容を第２のバッファにコピー
する。これにより、全ての声帯波の候補についての分析
が終われば、第２のバッファに截ったデータが最適な声
帯波の符号と線形予測係数のデータとなる。

誤差比較回路５は分析誤差の最小値の候補を記憶するメ
モリと比較器を持ち、メモリ内の分析誤差と線形予測分
析回路３から送られた分析誤差を比較して、後者の方が
小さい場合には、メモリ内の情報を書き換えるとともに
、制御回路１に通知する。なお、メモリは各分析フレー
ムの初めにリセットされる。

制御回路１は、声帯波候補設定回路６に声帯波の候補の
符号を発生させ、ＦＩＲ係数メモリ７と分析結果バッフ
ァ４に送らせる。次に、ＦＩＲフィルタ８にＦＩＲ係数
メモリ７から送られた係数値をフィルタ係数にセットさ
せる。続いて入力バッファ２に一分析フレーム分の信号
をＦＩＲフィルタ８に送らせる。そこでフィルタリング
された信号を線形予測分析回路３に分析させ、線形予測
係数と分析誤差をそれぞれ分析結果バッファ４と誤差比
較回路５に送らせる。誤差比較回路５から新しい分析誤
差の方が小さいことを通知してきたら、分析結果バッフ
ァ４にａＸ値の更新を指示する、これを、様々な音源候
補に対して繰り返す。

全ての声帯波の候補についての分析が終わったら、分析
結果バッファ４に対し第２のバッファに残ったデータを
信号線１０から出力させる。

以上の動作が分析フレーム毎に繰り返される。

次に、図面を用いて第２の発明についてその実施例を示
す第２図を参Ｈしながら説明する。

図において、入力バッファ２、線形予測分析口！？８３
．分析結果バッファ４、誤差比較回路５、声帯波候補設
定回路６は前記第１の実施例と同様の動作をするもので
ある。

１１Ｒ係数メモリ１１には、声帯音源波の持つ周波数特
性の逆特性の最小位相成分の特性を持っ１１Ｒフイルタ
の第１の係数と声帯音源波の持つ周波数特性の逆特性の
最大位相成分を逆位相化した特性を持つＩＩＲフィルタ
の第２の係数が記憶されている。この係数の値は、声帯
波候補設定回路６から送られる声帯音源波の候補の符号
と、制復回路１から送られる第１の係数か第２の係数か
を表す制御信号に従って、ＩＩＲフィルタに送られる。

これらの係数は、予め以下のような処理によって作成し
ておくことができる。まず、声帯音源波の複素ゲプスト
ラムを求める０時間の原点の成分を１から引いた値で置
き換え、時間の原点以外の成分の符号を反転する。こう
して得られた複素ケブヌトラムは声帯音源波の特性の逆
特性に対応している。その正の時間の部分は最小位相成
分に相当する。これを実現するフィルタ係数は例えば、
そのフーリエ変換からパワースペクトルを求め、その逆
フーリエ変換で自己相関関数を求め、これに線形予測法
を用いれば容易に得られる。この係数をＩＩＲフィルタ
の係数として用いれば、声帯音源波の逆特性の最小位相
成分を有するフィルタが実現できることになる。即ち、
これが第１の係数である。一方、声帯音源波の逆特性の
複素ケプストラムの負の時間の部分の時間軸を反転して
同様の処理を行なえば、′第２の係数が求められる。

１１Ｒフイルタ１２は、入力バッファ２または時間軸反
転バッファ１３から送られる信号をフィタリングして時
間軸反転バッファ１３に出力する。

このフィルタへの入力信号の切替は、制御回路１からの
制御信号に従うスイッチ１４によって行なわれる。

時間軸反転バッファ１３は、ＩＩＲフィルタ１２から送
られた信号を一時記憶し、時間を反転して出力する。こ
の信号は、制御回路１からの制御信号でスイッチ１５を
切り替えることにより、ＩＩＲフィルタ１２または線形
予測分析回路３に送られる。

制御回路１は、まず声帯及候補設定回路６に声帯波の候
補の符号を発生させ、ＩＩＲ係数メモリ１１と分析結果
バッファ４に送らせる。同時にＩＩＲ係数メモリ１１に
は第１の係数を出力するよう指示する０次に、ＩＩＲフ
ィルタ１２にＩＩＲ係数メモリ１１から送られた係数値
をフィルタ係数にセットさせる。続いてスイッチ１４を
入力バッファ２側に切り替え、入力バッファ２に一分析
フレーム分の信号をＩＩＲフィルタ１２に送らせる。そ
こでフィルタリングされた信号を時間軸反転バッファ１
３に送らせる。次に同一の音源波の符号に対してＩＩＲ
係数メモリ１１には第２の係数を出力するよう指示する
。その係数をＩＩＲフィルタ１２にセットさせ、スイッ
チ１４およびスイッチ１５を切り替えて、時間軸反転バ
ッファ１３からＩＩＲフィルタ１２′に信号が流れるよ
うにし、再びフィルタリングされた信号を時間軸反転バ
ッファ１３に送らせる０次にスイッチ１５を切り替えて
、時間軸反転バッファ１３の出力信号を線形予測分析回
路３に送らせ、分析を行なわせる。

以後は、第１図に示す実施例と同様に各部を制御して、
分析結果バッファ４に対し第２のバッファに残った最適
な分析結果のデータを信号線１０から出力させる。

本実施例では、第１図に示す実施例と比べて、時間軸反
転バッファが余分に必要であるが、ＩＩＲフィルタを利
用できるため演Ｘｆｆ１は少なくて済む。

（発明の効果） 以上説明したように本発明は、声帯音源の波形モデルに
基づいた分析でありながら、それらより少ない演算星で
実現できるうえ、分析が終了してから逆フィルタリング
すれば位置情報も含んだ音源波形の推定が容易にできる
という効果がある。

【図面の簡単な説明】

第１図は本発明における第１の発明の一実施例を示すブ
ロック図、第２図は本発明における第２の発明の一実施
例を示すブロック図、第３図は従来方法を説明するため
のブロック図である。 １・・・制御回路、２・・・入力バッファ、３・・・線
形予測分析回路、４・・・分析結果バッファ、５・・・
誤差比較回路、６・・・声帯及候補設定回路、７・・・
ＦＩＲ係数メモリ、８・・・ＦＩＲフィルタ、１１・・
・ＩＩＲＩ数メモツメモリ・・・ＩＩＲフィルタ、１３
・・・時間軸反転バッファ、１４．１５・・・スイッチ
。

Claims (2)

【特許請求の範囲】
1. （１）音声の声帯音源波と声道の特性を分析する型の声
   帯声道型音声分析装置において、入力音声信号を一時記
   憶する入力バッファと、声帯音源波の持つ周波数特性の
   逆特性を持つＦＩＲフィルタと、様々な声帯音源波のも
   つ周波数特性の逆特性をもつ前記ＦＩＲフィルタの係数
   を生成する係数生成手段と、前記ＦＩＲフィルタの出力
   信号のスペクトルを分析するスペクトル分析手段と、前
   記スペクトル分析手段で順次得られる分析誤差を互いに
   比較する誤差比較手段と、前記様々な声帯音源波の候補
   に対する前記ＦＩＲフィルタの係数をもつ前記ＦＩＲフ
   ィルタに前記入力音声信号入力させたとき前記誤差比較
   手段で得られた分析誤差が最小になったときの前記声帯
   音源波の候補を声帯音源波の分析結果とし、そのときの
   前記スペクトル分析の結果を声道特性の分析結果として
   出力するよう制御する制御手段とを備えて構成されるこ
   とを特徴とする声帯声道型音声分析装置。
2. （２）音声の声帯音源波と声道の特性を分析する型の音
   声分析装置において、入力音声信号を一時記憶する入力
   バッファと、前記バッファ出力を入力とするＩＩＲフィ
   ルタと、様々な声帯音源波の持つ周波数特性の逆特性の
   最小位相成分の特性を持つＩＩＲフィルタの第１の係数
   と声帯音源波の持つ周波数特性の逆特性の最大位相成分
   を逆位相化した特性を持つＩＩＲフィルタの第２の係数
   を生成する係数生成手段と、前記ＩＩＲフィルタの出力
   を一時記憶し、時間軸を反転して前記ＩＩＲフィルタに
   出力する時間軸反転バッファと、前記ＩＩＲフィルタの
   出力信号のスペクトルを分析するスペクトル分析手段と
   、前記スペクトル分析手段で順次得られる分析誤差を互
   いに比較する誤差比較手段と、前記様々な声帯音源波の
   候補に対して、、入力音信号を前記第１の係数をもつ前
   記ＩＩＲフィルタでフィルタリングさせた信号を前記時
   間軸反転バッファで時間軸を反転させ、次に前記時間軸
   を反転した信号を再び前記第２の係数をもつ前記ＩＩＲ
   フィルタでフィルタリングさせた信号を時間軸反転バッ
   ファで再び時間軸を反転させ、その信号を前記スペクト
   ル分析手段で分析したときの分析誤差を互いに比較し、
   分析誤差が最小になったときの前記声帯音源波の候補を
   声帯音源波の分析結果とし、そのときの前記スペクトル
   分析の結果を声道特性の分析結果として出力するよう制
   御する制御手段とを備えて構成されることを特徴とする
   声帯声道型音声分析装置。