JPH04264599A - 音声分析合成装置 - 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】

【０００１】

【産業上の利用分野】本発明は少ない情報量で高品質な
合成音を得るに好適な音声の分析合成装置に関し、特に
低ビットレート音声伝送や音声蓄積、再生等に利用でき
る音声分析合成装置に関する。

【０００２】

【従来の技術】従来、音声の分析合成には、様々な方式
が提案されてきた。特に、情報圧縮率を高めたものとし
て、いわゆるボコーダと呼ばれているものがある。これ
は音声をスペクトル包絡情報と音源情報に分離し、それ
ぞれをパラメータ化するものである。代表的なものとし
て、チャネルボコーダやＬＰＣ（線形予測）ボコーダ、
ホモモルフィックボコーダなどがある。これらの概要は
、たとえば、古井貞煕著「ディジタル音声処理」（東海
大学出版会、１９８５年９月）に要領良くまとめられて
いる。

【０００３】しかし、これらの方式ではスペクトル包絡
の抽出精度が不十分で、合成音声の品質に問題があった
。これに対し、最近新しいスペクトル包絡抽出法として
、ＰＳＥ（パワースペクトル包絡）分析合成法が提案さ
れている。これは、音声のフーリエパワースペクトルを
ピッチ周波数の間隔で標本化して得られるデータ列から
スペクトル包絡を定義するものであり、その合成音は従
来方式に比べ高品質である。方式の詳細は、中島隆之、
他著、「パワースペクトル包絡（ＰＳＥ）音声分析・合
成系」（日本音響学会誌４４巻１１号、昭６３−１１）
に述べられている。

【０００４】

【発明が解決しようとする課題】ＰＳＥ分析合成法は高
品質な合成音が得られるが、スペクトル包絡を２０項か
ら３０項の余弦級数の係数のセット（ＰＳＥパラメータ
）で表現するため情報量が多くなる。音声の伝送や蓄積
、再生といった応用においては情報量の低減が重要であ
る。本発明の発明者らはＰＳＥパラメータをベクトル量
子化することで情報量（ビットレート）を削減すること
を検討した。この方法は特願昭６３−２４０９７２や特
願平０１−０５７７０６、特願平０１−２１１３１１等
に述べられている。しかし、ＰＳＥパラメータのベクト
ル量子化には、次のような問題があることがわかった。

【０００５】ＰＳＥパラメータはそのセットとして音声
のパワースペクトル包絡を定義するものである。したが
って、個々のパラメータは音声の音響的特徴を表すスペ
クトル包絡の周波数成分、あるいはスペクトル包絡から
変換されるインパルス応答波形の時間成分に直接対応す
るものではない。このことはＰＳＥパラメータのベクト
ル量子化によって各パラメータに生じる量子化歪と、そ
れが合成音質に与える影響は複雑な関係にあることを示
している。その結果、ベクトル量子化特性の向上が合成
音声の品質向上に直接結び付かない場合があった（第１
の課題）。本発明の第１の目的は、音声分析合成にベク
トル量子化を適用する場合に、ベクトル量子化の特性改
善が合成音声品質の改善に直接結び付くようなパラメー
タをベクトルとして取り出し、ベクトル量子化後のベク
トルから元のパラメータを良好に復元することである。

【０００６】また、中島等の方法でピッチ周波数の整数
倍で標本化した対数パワースペクトルから定義したスペ
クトル包絡は、音声によってはスペクトル包絡の形状が
過剰に波打つことがある。この結果、スペクトルの特定
周波数成分の不自然な強調や抑圧が生じ、合成音声の品
質が劣化するという問題があった（第２の課題）。本発
明の第２の目的は、過剰な波打ちが生じないようなスペ
クトル包絡を生成することである。

【０００７】

【課題を解決するための手段】本発明は、上記第１の課
題を解決するために、合成音声の品質との対応が明確な
スペクトル包絡の周波数成分、あるいはインパルス応答
波形のサンプルをベクトル量子化するための手段を設け
ることを特徴とする。すなわち、スペクトル包絡をベク
トル量子化する場合には、所定の周波数分解能のスペク
トル包絡データからベクトル量子化のベクトル次元に一
致した個数のデータを取り出すスペクトル包絡ベクトル
化手段と、ベクトル量子化後のデータからスペクトル包
絡を復元するスペクトル包絡復元手段とを設ける。また
、インパルス応答をベクトル量子化する場合には、所定
の時間分解能のインパルス応答波形サンプルからベクト
ル量子化のベクトル次元に一致した個数のサンプルを取
り出す手段と、ベクトル量子化後のデータからインパル
ス応答波形を復元する手段とを設ける。

【０００８】また、本発明は、上記第２の課題を解決す
るために、音声の対数パワースペクトルのピッチ周波数
間隔の標本データから、放物線のあてはめを基本とする
スペクトル包絡生成手段を設けることを特徴とする。

【０００９】

【作用】まず、スペクトル包絡をベクトル量子化する場
合の作用について説明する。

【００１０】スペクトル包絡ベクトル化手段では、スペ
クトル包絡（所定の周波数間隔（周波数分解能）の対数
パワー値のデータ列）を入力し、ベクトル量子化のため
のスペクトル包絡ベクトルを求める。具体的には、この
データ列の平均値を算出し、これを各データから減算し
、対数パワー値が正規化されたスペクトル包絡データを
求める。次に、この正規化スペクトル包絡データから、
メル尺度上で等間隔になるような周波数間隔で（すなわ
ち周波数の低域では密に、高域では粗になるような間隔
で）ベクトルの次元と一致した個数のデータを再標本化
し、スペクトル包絡ベクトルを得る。メル尺度上で等間
隔に再標本化することによって、ベクトルの次元が小さ
くても聴覚的には品質劣化の少ない合成音声が復元でき
る。

【００１１】スペクトル包絡復元手段では、ベクトル量
子化によって量子化されたベクトルから元のスペクトル
包絡データを復元する。量子化されたベクトルを周波数
軸上に再配置すると、データは不等間隔に配置されてい
る。これらのデータの間のデータを補間によって求める
。具体的には連続する３つのデータに対して放物線のあ
てはめを行い、２つのデータ間の値はその２つのデータ
を通る２つの放物線を重み付けて加算することによって
補間している。すなわち、補間された値は２つの放物線
の加重平均値になっている。補間されたデータに、正規
化時に差し引いた対数パワー値の平均値を加算すること
で、スペクトル包絡を復元する。

【００１２】次に、インパルス応答波形をベクトル量子
化する場合の作用について説明する。インパルス応答ベ
クトル化手段では、零位相化インパルス応答（所定の時
間間隔（時間分解能）の振幅値のデータ列）を入力し、
ベクトル量子化のためのインパルス応答ベクトルを求め
る。具体的には、零位相化インパルス応答は時刻０に対
して対称なので、時刻０以上のデータのみを取り出す。 次に、時刻０のデータの振幅値が最大なので、この値で
他のデータの振幅値を除すことで振幅を正規化する。さ
らに、この振幅を正規化したインパルス応答波形のサン
プルを、時刻０のサンプルから順に、ベクトルの次元と
一致した個数だけ等間隔に再標本化することによってイ
ンパルス応答ベクトルを求める。ただし、再標本化の間
隔は、ピッチ周期の関数としてあらかじめ決められてい
るものを選択する。このようにすることで、聴覚的に重
要な特徴を保存したインパルス応答ベクトルが得られる
。インパルス応答復元手段では、ベクトル量子化によっ
て量子化されたベクトルから元のインパルス応答波形デ
ータを復元する。ベクトルの次元以上の、打ち切られた
部分の情報は失われているので、次のように復元する。 量子化値データを波形とみなして線形予測分析し、線形
予測係数を求め、この係数を用いてベクトル次元以上の
波形を予測し、外挿する。このようにすることで、量子
化データと声道特性が一致するような外挿波形が得られ
る。外挿した部分も含め、振幅の正規化に用いた最大振
幅値をかけることによって振幅値を復元し、時刻０に対
して対称な波形を生成することによって零位相化インパ
ルス応答波形を復元する。

【００１３】第２の課題では、スペクトル包絡生成手段
において、ピッチ周波数の整数倍で標本化された対数パ
ワー値のデータ列を入力し、スペクトル包絡を生成する
。具体的には、上述のスペクトル包絡復元手段における
のと同様に、放物線のあてはめと重み付け加算によって
スペクトル包絡を生成する。これによって、過剰な波打
ちがない滑らかなスペクトル包絡が得られる。

【００１４】

【実施例】以下、本発明の実施例を図面を用いて説明す
る。図１は本発明の音声分析合成装置の第１の実施例を
示すブロック図である。図１において、アナログ音声信
号１はアナログ・ディジタル（Ａ／Ｄ）変換器２を経て
ディジタル音声データ３として、２面構成のバッファメ
モリ４に入力される。このメモリはそれ以降の処理の時
間調整と、入力音声の中断を防止するために設けられて
いる。バッファメモリ４から１分析フレーム分の音声デ
ータ５が読み出され、ピッチ抽出部６とスペクトル分析
部９に入力される。ピッチ抽出部６では、ピッチ周期７
とピッチ周波数８が求められる。スペクトル分析部９に
は、ピッチ抽出部６で求められたピッチ周波数８も入力
され、ピッチ周波数の整数倍で標本化された対数パワー
スペクトルのデータ１０が求められる。

【００１５】スペクトル包絡生成部１１では対数パワー
スペクトルデータ１０から対数パワースペクトル包絡（
以下、単にスペクトル包絡）データ１２を生成する。 スペクトル包絡ベクトル化部３０ではスペクトル包絡デ
ータ１２を正規化、再標本化し、スペクトル包絡データ
１２の平均値３１とスペクトル包絡ベクトル３２を求め
る。

【００１６】スペクトル包絡ベクトル３２は、ベクトル
量子化部５０においてコードブック５１から読み出され
たコードベクトル５２と照合され、量子化されたスペク
トル包絡ベクトル３２’を出力する。スペクトル包絡復
元部３３では、量子化スペクトル包絡ベクトル３２’と
スペクトル包絡データの平均値３１からスペクトル包絡
が復元され、復元スペクトル包絡データ１２’として出
力される。インパルス応答変換部１３では復元スペクト
ル包絡データ１２’がインパルス応答波形１４に変換さ
れる。波形合成部１５ではインパルス応答波形１４の振
幅を補正し、ピッチ周期７の間隔でずらしながら足し合
わせて、音声波形１６が合成され、出力用の２面バッフ
ァメモリ１７を経て、連続したディジタル信号１８とな
り、ディジタル・アナログ（Ｄ／Ａ）変換器１９により
アナログ信号に変換され、出力音声２０として出力され
る。

【００１７】以下、各部分を詳細に説明する。Ａ／Ｄ変
換器２では、帯域を４ｋＨｚ以下に制限されたアナログ
音声信号１を８ｋＨｚのサンプリングレートでディジタ
ル音声データ３に変換する。バッファメモリ４から１分
析フレームとして３０ｍｓ（２４０サンプル）の音声デ
ータが読み出される。その更新周期は２０ｍｓである。 これらは、音声の分析合成において普通に用いられる平
均的な数値である。ピッチ抽出部６では自己相関法やＡ
ＭＤＦ法、ケプストラム法など公知の手法によってピッ
チ周期７を求める。ピッチ周期の時間分解能は、通常は
サンプリングレートの逆数（８ｋＨｚサンプリングのと
きは１２５μｓ）であるが、ここでは２次曲線による補
間を行い、時間分解能の向上を図っている。ピッチ周波
数８はピッチ周期７の逆数として求まる。図２はスペク
トル分析部９を説明するための図である。前処理部９０
１では、１フレーム分（２４０サンプル）の音声データ
５に対してハミング窓をかけ、さらに１８０８個の値が
０のデータを付加し、合計２０４８点のデータ９０２と
する。このデータ９０２はフーリエ変換部９０３に入力
され、高速フーリエ変換（ＦＦＴ）される。フーリエ係
数を絶対値で表示したものが音声データ５の周波数成分
、すなわちスペクトルとなる。スペクトルは、振幅と位
相で表されているものとする（複素スペクトルで表され
ることもあるが、相互に変換可能である）。前処理部９
０１において値が０のデータを付加したのは周波数分解
能を向上させるためであり、本実施例における分解能は
約３．９Ｈｚである。ここでは０から４ｋＨｚに対応す
る１０２４個の振幅データ９０４が出力される。

【００１８】再標本化部９０５では、振幅データ９０４
から０Ｈｚを起点としてピッチ周波数８の整数倍の周波
数に対応する再標本化振幅データ９０６が再標本化され
る。例えばピッチ周波数が１２０Ｈｚのときには、０，
１２０，２４０，，，３９６０Ｈｚに周波数分解能の１
／２以下の誤差で対応する、全部で３４個の振幅データ
９０６が出力される。ピッチ周波数の整数倍で再標本化
する理由については、中島等の論文”パワースペクトル
包絡（ＰＳＥ）音声分析・合成系”、日本音響学会誌４
４巻１１号（昭６３−１１）に詳細に述べられている。

【００１９】パワー変換部９０７では、再標本化された
振幅データ９０６を２乗してパワー化し、パワーデータ
９０８とする。対数変換部９０９では、これらのパワー
データ９０８のそれぞれを対数変換し、対数パワーデー
タ１０を出力する。対数パワーデータは、１フレーム分
の音声データの対数パワースペクトルをピッチ周波数の
整数倍で再標本化したものとみなすことが出来る。した
がって、対数パワーデータ１０をピッチ周波数の整数倍
で再標本化した対数パワースペクトルデータと呼ぶこと
もある。

【００２０】図３はスペクトル包絡生成部１１の構成を
示している。スペクトル包絡生成部１１は放物線あては
め部１１０１と重み付き加算部１１０３からなる。放物
線あてはめ部１１０１では、対数パワーデータ１０の連
続する３つのデータに対し、この３点を通るような放物
線を決定する。図４はこれを説明する図である。３つの
対数パワーデータ１１０４、１１０５、１１０６を通る
放物線１１０８が決定される。１１０８は数１のように
表される。

【００２１】

【数１】

【００２２】ここに、ｆは周波数を示す。同様に３つの
対数パワーデータ１１０５、１１０６、１１０７を通る
放物線１１０９が決定される。１１０９は数２のように
表される。

【００２３】

【数２】

【００２４】重み付き加算部１００３では上述のように
して決定された放物線１１０８と１１０９（これらの放
物線をまとめて図３では１１０２と表している）を用い
て周波数軸上の点ｎｐと（ｎ＋１）ｐ（ｐはピッチ周波
数を表す）の間の対数パワーの値ｙ（ｆ）を数３を用い
て補間する。

【００２５】

【数３】

【００２６】ｗ（ｆ）は重み関数であり、図５の１１１
１に示すようなものである。すなわち、補間された値は
２つの放物線の加重平均値になっている。補間結果を図
４の１１１０に示す。なお、周波数０とｐの間について
は、元の対数パワースペクトルは周波数０に対して対称
なので、周波数ｐの対数パワー値が周波数−ｐにもある
と仮定して、−ｐ、０、ｐの対数パワーデータを通る放
物線を求め、これと０、ｐ、２ｐの対数パワーデータを
通る放物線とを用いて補間する。以上のような操作を対
数パワーデータ１０の全てのデータについて行い、スペ
クトル包絡データ１２を生成する。２０４８点のフーリ
エ変換を行った場合は、１０２４点のスペクトル包絡デ
ータが得られることになる。

【００２７】一方、中島等はスペクトル包絡を有限項の
余弦級数（数４）で定義している。

【００２８】

【数４】

【００２９】ここでｍは項数、λはサンプリング周波数
を２πに対応させた角周波数である。係数Ａは、ピッチ
周波数で標本化された対数パワースペクトルデータ１０
と、数４によるＹ（λ）との２乗誤差が最小となるよう
に求められる。項数ｍは通常２５程度である。この詳細
については、前出の中島等の論文”パワースペクトル包
絡（ＰＳＥ）音声分析・合成系”、日本音響学会誌４４
巻１１号（昭６３−１１）に述べられている。余弦級数
で定義したスペクトル包絡は周波数に関してのｎ階微分
が連続ではあるが、その形状は過剰な波打ちが生じる場
合がある。これに対し、本発明の方法によって得られた
スペクトル包絡はｎ階微分の連続性は保証されないが、
過剰な波打ちが無い滑らかなものとなっている。

【００３０】次に、スペクトル包絡ベクトル化部３０に
ついて図６を用いて説明する。スペクトル包絡データ１
２は対数パワー正規化部３００１においてスペクトル包
絡データの平均値３１が計算され、この値を各スペクト
ル包絡データから減算することによって正規化スペクト
ル包絡データ３００２を求める。等メル再標本化部３０
０３では、この正規化スペクトル包絡データ３００２か
ら所定個数（ベクトルの次元に一致した個数）のデータ
を再標本化し、スペクトル包絡ベクトル３２として出力
する。再標本化の方法は、メル尺度上で等間隔になるよ
うに取り出すデータを決定する。具体的には、あらかじ
めメル尺度上で等間隔になるような所定個数の周波数値
のテーブルを作成しておき、これを参照することによっ
て正規化スペクトル包絡データ３００２を再標本化する
。

【００３１】周波数領域のパラメータをベクトル量子化
する例として、ピッチ周波数間隔で標本化した対数パワ
ースペクトルデータ１０そのものを用いることも考えら
れる。しかし、このデータ数はピッチ周波数に依存しフ
レームごとに異なるため、一般に固定次元のベクトルを
用いるベクトル量子化との整合性が悪い。そこで、本発
明ではスペクトル包絡データの再標本化によってベクト
ル量子化の対象とするベクトルを作成している。

【００３２】ベクトルの次元（再標本化するデータ数）
が大きいほどスペクトル包絡の近似度は向上するが、コ
ードベクトルとの照合のための距離計算の演算量やコー
ドベクトルの記憶容量が増大するため、あまり大きくす
ることができない。したがって、少ない点数でもなるべ
く音質の劣化が少ないような、スペクトル包絡の再標本
化が重要である。ここではメル尺度上で等間隔になるよ
うに、すなわち周波数の低域では密に、高域では粗にな
るように再標本化している。再標本化の点数（ベクトル
次元）は２５程度である。メル尺度上で等間隔に再標本
化することによって、ベクトルの次元が小さくても聴覚
的には品質劣化の少ない合成音声が復元できる。

【００３３】スペクトル包絡ベクトル３２は、ベクトル
量子化部５０においてコードブック５１に格納されてい
る各コードベクトル５２との距離が計算され、距離値が
最も小さいコードベクトルの値が量子化されたスペクト
ル包絡ベクトル３２’として出力される。以上は通常の
ベクトル量子化手法を用いた場合であるが、ベクトル量
子化部については本発明の発明者らがすでに提案してい
るファジィベクトル量子化や相補型ベクトル量子化を用
いることも可能である。これらについては、特願昭６３
−２４０９７２や特願平０１−０５７７０６、特願平０
１−２１１３１１に開示されている。いずれにしても、
スペクトル包絡ベクトル３２に対応して量子化されたス
ペクトル包絡ベクトル３２’が得られる。

【００３４】次にスペクトル包絡復元部３３について説
明する。図７はその構成を示す。スペクトル包絡復元部
３３では、ベクトル量子化によって量子化されたスペク
トル包絡ベクトル３２’から復元されたスペクトル包絡
データ１２’を求める。量子化されたスペクトル包絡ベ
クトル３２’を周波数軸上に再配置すると、データは不
等間隔に配置されることになる。これらの再配置された
データの間を補間によって求める。具体的にはスペクト
ル包絡生成部１１におけるのと同様に、放物線あてはめ
部３３０１において連続する３つのデータに対して放物
線のあてはめを行い、重み付き加算部３３０３において
２つのデータ間の値をその２つのデータを通る２つの放
物線３３０２を重み付けて加算することによって補間し
ている。この結果、０Ｈｚから４ｋＨｚに対応する１０
２４個の正規化スペクトル包絡の補間データ３３０４が
得られる。平均値加算部３３０５において、補間データ
３３０４に、正規化時に差し引いたスペクトル包絡デー
タの平均値３１を加算することで、復元されたスペクト
ル包絡データ１２’が得られる。

【００３５】なお、不等間隔に配置されているデータに
対して、中島等の余弦級数のあてはめによるスペクトル
包絡の定義の方法は適用することはできない。これは、
余弦級数値に対する拘束が再標本値のある点だけに有効
であり、それ以外の点では値が極端に変動しうるからで
ある。これに対し、本発明の放物線のあてはめは、補間
するデータが不等間隔に配置されていても滑らかに補間
できるという特長を持っている。

【００３６】復元されたスペクトル包絡データ１２’は
図８に示すインパルス応答変換部１３でインパルス応答
波形１４に変換される。１０２４点の復元スペクトル包
絡データ１２’は指数変換部１３０１において対数パワ
ーの次元から絶対値振幅の次元に変換され、零位相化ス
ペクトル１３０２を得る。スペクトルは周波数０Ｈｚに
対して対称なので、周波数を反転したデータを付加し、
２０４８点のデータとする。これをフーリエ逆変換部１
３０３で高速フーリエ逆変換（ＩＦＦＴ）することによ
って、零位相化インパルス応答波形１４を得る。なお、
インパルス応答波形の位相条件は零位相に限定されるも
のではない。他の例は本発明の発明者らによる別の出願
、例えば特願平０２−１６４７４８等にも述べられてい
る。

【００３７】インパルス応答波形１４は波形合成部１５
に入力され、１フレーム周期（２０ｍｓ）分の復元音声
波形１６が合成される。ここではまず、振幅補正部１５
０１において１フレーム周期に何個のインパルス応答波
形が入るかをピッチ周期７を用いて計算し、この値に比
例した係数をかけることによって振幅が補正されたイン
パルス応答波形１５０２を求める。これは合成音声のフ
レーム内のパワーが原音声のパワーと一致するようにす
るためである。次に重ね合わせ合成部１５０３で順次ピ
ッチ周期７の間隔だけずらしながら加え合わせられ、１
フレーム分の音声波形１６が得られる。

【００３８】１フレーム分の音声波形１６は２面構成の
バッファメモリ１７に入力され、時間的に連続したディ
ジタル音声信号１８がディジタル・アナログ（Ｄ／Ａ）
変換器１９を経由してアナログ音声信号２０として出力
される。本実施例によれば、スペクトル包絡をベクトル
量子化によって情報圧縮しても、良好な品質の合成音声
が得られる。

【００３９】次に本発明の音声分析合成装置の第２の実
施例について説明する。図１０は第２の実施例のブロッ
ク図である。第１の実施例との違いは、スペクトル包絡
のベクトル量子化の代わりに、インパルス応答波形のベ
クトル量子化を行う点である。他の部分は基本的に第１
の実施例と同じであるので、ここではインパルス応答波
形のベクトル量子化部分について詳細に説明する。

【００４０】インパルス応答変換部１３では、スペクト
ル包絡生成部１１で得られたスペクトル包絡データ１２
を零位相化インパルス応答波形１４に変換する。このイ
ンパルス応答波形１４はインパルス応答ベクトル化部４
０でベクトル量子化の対象となるベクトルに変換される
。

【００４１】図１１はインパルス応答ベクトル化部４０
の構成を示している。インパルス応答ベクトル化部４０
では、零位相化インパルス応答（所定の時間分解能、本
実施例では１２５μｓ間隔、の振幅値のデータ列）１４
を入力し、ベクトル量子化のためのインパルス応答ベク
トル４２を求める。具体的には、零位相化インパルス応
答は時刻０に対して対称なので、振幅正規化部４００１
において時刻０以上のデータのみを取り出す。次に、時
刻０のデータの振幅値が最大なので、この値で他のデー
タの振幅値を除すことで振幅を正規化したインパルス応
答データ４００２を求める。時刻０のデータの振幅値は
最大振幅値４１として出力する。

【００４２】さらに、等間隔再標本化部４００３におい
て、この振幅を正規化したインパルス応答波形データ４
００２を、時刻０のサンプルから順に、ベクトルの次元
と一致した個数だけ等間隔に再標本化することによって
インパルス応答ベクトル４２を求める。ただし、再標本
化の間隔は、ピッチ周期７の関数としてあらかじめ決め
られているものを選択する。例えば、ピッチ周期がベク
トル次元の２倍以下のときは、毎サンプル取り出し、ピ
ッチ周期がそれよりも長いときは１サンプル置きに取り
出すようにする。このようにすることで、聴覚的に重要
な特徴を保存したインパルス応答ベクトルが得られる。

【００４３】インパルス応答ベクトルは、ベクトル量子
化部６０においてコードブック６１に格納されている各
コードベクトル６２との距離が計算され、距離値が最も
小さいコードベクトルの値が量子化されたインパルス応
答ベクトル４２’として出力される。ベクトル量子化部
６０とコードブック６１の構造と機能は、第１の実施例
のベクトル量子化部５０とコードブック５１と同じであ
る。コードベクトル６２はインパルス応答用なので、第
１の実施例のコードベクトル５２とは異なっている。

【００４４】インパルス応答復元部４３では、ベクトル
量子化によって量子化されたインパルス応答ベクトル４
２’から元のインパルス応答波形データを復元する。量
子化されたインパルス応答データ４２’ではベクトルの
次元以上の、打ち切られた部分の情報は失われているの
で、次のように外挿する。インパルス応答は声道の特性
を伝達関数に持つ系に、単一インパルスを入力したとき
の出力と考えられる。したがって、ある程度の長さを持
ったインパルス応答波形の一部分から声道特性の近似値
を推定することが可能である。そこで、声道特性推定の
一方法として公知の線形予測技術を適用する。すなわち
、量子化後のインパルス応答ベクトル４２’を波形とみ
なして線形予測分析し、線形予測係数（ＬＰＣ）を求め
、この係数を用いてベクトル次元以上の波形を予測し、
外挿する。このようにすることで、量子化インパルス応
答ベクトル４２’から推定された声道特性を持つような
外挿波形が得られる。

【００４５】図１２にインパルス応答復元部４３の構成
を示す。線形予測分析部４３０１では量子化後のインパ
ルス応答ベクトル４２’を線形予測分析し、線形予測係
数４３０２を得る。線形予測外挿部４３０３ではこの予
測係数４３０２を用い、量子化後のインパルス応答ベク
トル４２’のベクトル次元以上のデータを線形予測によ
り求める。外挿部分には半周期のレイズド・コサイン窓
などの適当な減衰窓を賭け、適当な長さでインパルス応
答が減衰するようにしておく。このようにして外挿イン
パルス応答データ４３０４が得られる。

【００４６】補間部４３０５では、ピッチ周期７の値に
よって、等間隔標本化部４００３において１サンプル置
き以上の間隔で標本化されている場合には、２次曲線の
あてはめ等によって間の値を補間し、所期の時間分解能
の外挿インパルス応答データ４３０６を得る。

【００４７】振幅復元部４３０７では、外挿インパルス
応答データ４３０６に、振幅の正規化に用いた最大振幅
値４１をかけることによって振幅値を復元し、さらに時
刻０に対して対称な波形を生成することによって復元零
位相化インパルス応答波形１４’を得る。波形合成部１
５以降の処理は第１の実施例と同様なので、説明は省略
する。

【００４８】本実施例によれば、インパルス応答波形を
ベクトル量子化によって情報圧縮しても、良好な品質の
合成音声が得られる。

【００４９】次に、第１の実施例の音声分析合成装置を
用いた、音声の低ビットレート伝送を目的とした、音声
の符号化復号化について第３の実施例として説明する。 図１３と図１４は第３の実施例の音声符号化復号化方法
のブロック図である。送信側（図１３）と受信側（図１
４）を対にした一方向のみを示しており、逆方向への通
信路は、図が複雑になるため省略してある。なお、ここ
では量子化過程としてのベクトル量子化を、指標等を出
力するまでの過程と、指標等からベクトルを復元する過
程とに分け、便宜上前者をベクトル量子化符号化、後者
をベクトル量子化復号化と呼ぶことにする。

【００５０】図１３において、アナログの音声信号１を
入力し、スペクトル包絡ベクトル化部３０でスペクトル
包絡ベクトル３２に変換するまでは、第１の実施例と同
様である。ベクトル量子化符号化部５３において、スペ
クトル包絡ベクトル３２とコードブック５１に格納され
ている各コードベクトル５２との距離が計算され、距離
値が最も小さくなるコードベクトルの指標５４が出力さ
れる。ファジィベクトル量子化や相補型ベクトル量子化
ではコードベクトルの指標と共に付随した情報が出力さ
れる。

【００５１】多重化部７０ではピッチ周期７、スペクト
ル包絡データの平均値３１、コードベクトルの指標（及
び付随情報）５４を所定のビットレートになるように量
子化し、所定の書式に変換した多重化データ７１として
伝送路７２に送出する。

【００５２】図１４において、伝送路７２から受信した
データ７１’は多重分離部７３においてピッチ周期７’
、スペクトル包絡データの平均値３１’、コードベクト
ルの指標（及び付随情報）５４’に分離される。ここで
’をつけたのは、多重化部７０での量子化、及び伝送路
７２上でのビット誤りが合った場合の影響で、多重化部
７０に入力されたときの値と異なることがあることを意
味している。

【００５３】ベクトル量子化復号化部５５では、伝送さ
れたコードベクトルの指標（及び付随情報）５４’を入
力し、コードブック５６から指標が５４’のコードベク
トル５７を読み出し、量子化されたスペクトル包絡ベク
トル３２’として出力する。なお、コードブック５６は
コードブック５１と同一のものであることは言うまでも
ない。スペクトル包絡復元部３３以降の処理は、第１の
実施例と同様である。第３の実施例によれば、低ビット
レートで高品質の音声を伝送することが可能である。ま
た、第２の実施例の音声分析合成装置を用いて、第３の
実施例と同等の音声符号化復号化を実現できることは明
らかである。この他、多重化データ７１を伝送路７２に
送出する代わりに、半導体メモリや磁気ディスク等の記
憶装置に記憶し、これを読み出して音声を合成する音声
蓄積、再生方法ができることは言うまでもない。

【００５４】

【発明の効果】本発明によれば、音声品質上重要な対数
パワースペクトル包絡をメル尺度上で等間隔に標本化し
てベクトル量子化するので、少ない情報量で良好な合成
音が得られる。また、本発明の別の効果は、インパルス
応答波形のうち聴覚的に重要な部分を標本化してベクト
ル量子化し、声道特性を保存するように外挿することで
元のインパルス応答波形を復元するので、少ない情報量
で良好な合成音が得られる。さらに、本発明の別の効果
は、過剰な波打ちの無いスペクトル包絡を定義すること
により、雑音感のより少ない合成音が得られることであ
る。

【００５５】本発明を音声の伝送に適用した場合は、低
ビットレートで高品質な音声を伝送できる。また、低ビ
ットレートの音声蓄積、再生が可能である。

【００５６】なお、本発明の説明では、対象は全て音声
を例にしているが、類似の構造の情報を持つものに利用
できることは言うまでもない。

【００５７】

【図面の簡単な説明】

【図１】本発明の音声分析合成装置の第１の実施例を示
すブロック図。

【図２】スペクトル分析部のブロック図。

【図３】スペクトル包絡生成部のブロック図。

【図４】スペクトル包絡生成の原理を説明する図。

【図５】重み付け関数の例。

【図６】スペクトル包絡ベクトル化部のブロック図。

【図７】スペクトル包絡復元部のブロック図。

【図８】インパルス応答変換部のブロック図。

【図９】波形合成部のブロック図。

【図１０】本発明の音声分析合成装置の第２の実施例を
示すブロック図。

【図１１】インパルス応答ベクトル化部のブロック図。

【図１２】インパルス応答復元部のブロック図。

【図１３】本発明の音声符号化復号化による送信部の一
実施例を示すブロック図。

【図１４】本発明の音声符号化復号化による受信部の一
実施例を示すブロック図。

【符号の説明】

６…ピッチ抽出部、９…スペクトル分析部、１１…スペ
クトル包絡生成部、１３…インパルス応答変換部、１５
…波形合成部、３０…インパルス応答ベクトル化部、３
３…スペクトル包絡復元部、４０…インパルス応答ベク
トル部、４３…インパルス応答復元部、５０、６０…ベ
クトル量子化部、５１、５６、６１…コードブック、５
３…ベクトル量子化符号化部、５５…ベクトル量子化復
号化部、７０…多重化部、７２…伝送路、７３…多重分
離部

Claims (9)

【特許請求の範囲】
1. 【請求項１】音声信号を短時間のデータ（フレーム）に
   分割する手段、前記短時間の音声データをピッチ分析し
   、ピッチ周期を出力するピッチ抽出手段、前記短時間の
   音声データをスペクトル分析し、対数パワースペクトル
   のデータ列を出力するスペクトル分析手段、前記対数パ
   ワースペクトルのデータ列からスペクトル包絡を生成す
   るスペクトル包絡生成手段、前記スペクトル包絡をイン
   パルス応答波形に変換するインパルス応答変換手段、前
   記インパルス応答波形の振幅を補正し、前記ピッチ周期
   の間隔で重ね合わせ、音声波形を合成する波形合成手段
   を有する音声分析合成装置において、前記スペクトル包
   絡の対数パワー値を正規化し、あらかじめ定められた点
   数の対数パワー値を取り出してスペクトル包絡ベクトル
   とするスペクトル包絡ベクトル化手段、前記スペクトル
   包絡ベクトルをあらかじめ用意された複数個のベクトル
   と比較して量子化するベクトル量子化手段、前記量子化
   されたスペクトル包絡ベクトルを内挿してスペクトル包
   絡を復元するスペクトル包絡復元手段を有することを特
   徴とする音声分析合成装置。
2. 【請求項２】請求項１において、前記スペクトル包絡ベ
   クトル化手段は、対数パワー値正規化後のスペクトル包
   絡のサンプルから、周波数の低い部分が密に、周波数の
   高い部分が粗になるような間隔で所定個数の対数パワー
   値を取り出すことを特徴とする音声分析合成装置。
3. 【請求項３】請求項１において、前記スペクトル包絡復
   元手段は、前記ベクトル量子化手段によって量子化され
   た前記スペクトル包絡ベクトルの連続する３サンプルご
   とに放物線のあてはめを行ない、隣接する２つの放物線
   の重み付け加算によって２サンプル間の補間を行ない、
   前記対数パワー値の正規化と逆の操作によって対数パワ
   ー値を復元し、スペクトル包絡を復元することを特徴と
   する音声分析合成装置。
4. 【請求項４】音声信号を短時間のデータ（フレーム）に
   分割する手段、前記短時間の音声データをピッチ分析し
   、ピッチ周期を出力するピッチ抽出手段、前記短時間の
   音声データをスペクトル分析し、対数パワースペクトル
   のデータ列を出力するスペクトル分析手段、前記対数パ
   ワースペクトルのデータ列からスペクトル包絡を生成す
   るスペクトル包絡生成手段、前記スペクトル包絡をイン
   パルス応答波形に変換するインパルス応答変換手段、前
   記インパルス応答波形の振幅を補正し、前記ピッチ周期
   の間隔で重ね合わせ、音声波形を合成する波形合成手段
   を有する音声分析合成装置において、前記インパルス応
   答波形の振幅を正規化し、あらかじめ定められた点数の
   振幅データを取り出してインパルス応答ベクトルとする
   インパルス応答ベクトル化手段、前記インパルス応答ベ
   クトルをあらかじめ用意された複数個のベクトルと比較
   して量子化するベクトル量子化手段、前記量子化された
   インパルス応答ベクトルを補間あるいは外挿してインパ
   ルス応答波形を復元するインパルス応答復元手段を有す
   ることを特徴とする音声分析合成装置。
5. 【請求項５】請求項４において、前記インパルス応答ベ
   クトル化手段は、振幅正規化後の前記インパルス応答波
   形のサンプルから、前記ピッチ周期の値によってあらか
   じめ定められた取り出し方に従って所定個数の振幅デー
   タを取り出すことを特徴とする音声分析合成装置。
6. 【請求項６】請求項４において、前記インパルス応答復
   元手段は、前記ベクトル量子化手段によって量子化され
   た前記インパルス応答ベクトルを波形とみなして線形予
   測分析し、その予測係数を用いて前記量子化されたイン
   パルス応答ベクトルを外挿し、前記振幅の正規化と逆の
   操作によって振幅を復元し、インパルス応答波形を復元
   することを特徴とする音声分析合成装置。
7. 【請求項７】請求項１から６のいずれかにおいて、前記
   スペクトル包絡生成手段は、前記対数パワースペクトル
   のデータ列の連続する３個のデータごとに放物線のあて
   はめを行ない、隣接する２つの放物線の重み付け加算に
   よって２つのデータ間の補間を行うことによってスペク
   トル包絡を生成することを特徴とする音声分析合成装置
   。
8. 【請求項８】請求項１から７のいずれかにおいて、前記
   ベクトル量子化手段は、前記スペクトル包絡ベクトル、
   あるいは前記インパルス応答ベクトルをあらかじめ用意
   された複数個のベクトルの少なくとも２個以上のベクト
   ルの線形結合として量子化する、ファジィベクトル量子
   化、または相補型ベクトル量子化を用いることを特徴と
   する音声分析合成装置。
9. 【請求項９】請求項８において前記ベクトル量子化手段
   を、前記スペクトル包絡ベクトル、あるいは前記インパ
   ルス応答ベクトルを入力し、前記あらかじめ用意された
   複数個のベクトルに付された、前記スペクトル包絡ベク
   トル、あるいは前記インパルス応答ベクトルに対応した
   指標および付随情報を出力するベクトル量子化符号化手
   段と、前記指標および付随情報から前記あらかじめ用意
   された複数個のベクトルを用いて前記スペクトル包絡ベ
   クトル、あるいは前記インパルス応答ベクトルの量子化
   値を出力するベクトル量子化復号化手段とに分割し、前
   記音声信号を短時間のデータ（フレーム）に分割する手
   段から前記ベクトル量子化符号化手段までを送信側に有
   し、前記ベクトル量子化復号化手段から前記音声波形を
   合成する手段までを受信側に有することを特徴とする音
   声符号化復号化装置。