JPH04288600A - ピッチ周波数差分特徴量抽出法 - Google Patents

ピッチ周波数差分特徴量抽出法

Info

Publication number
JPH04288600A
JPH04288600A JP5247991A JP5247991A JPH04288600A JP H04288600 A JPH04288600 A JP H04288600A JP 5247991 A JP5247991 A JP 5247991A JP 5247991 A JP5247991 A JP 5247991A JP H04288600 A JPH04288600 A JP H04288600A
Authority
JP
Japan
Prior art keywords
pitch frequency
autocorrelation function
pitch
time
peak
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
JP5247991A
Other languages
English (en)
Other versions
JP2940835B2 (ja
Inventor
Satoshi Takahashi
敏 高橋
Shoichi Matsunaga
昭一 松永
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
NTT Inc
Original Assignee
Nippon Telegraph and Telephone Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nippon Telegraph and Telephone Corp filed Critical Nippon Telegraph and Telephone Corp
Priority to JP5247991A priority Critical patent/JP2940835B2/ja
Publication of JPH04288600A publication Critical patent/JPH04288600A/ja
Application granted granted Critical
Publication of JP2940835B2 publication Critical patent/JP2940835B2/ja
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

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】この発明は、音声の韻律情報の要
素の1つであるピッチ周波数の差分情報を必要とする単
語音声認識装置や連続音声認識装置、あるいは話者認識
装置などで使用され、アクセントやイントネーションに
ついての情報を獲得するピッチ周波数差分特徴量抽出法
に関する。
【0002】
【従来の技術】従来において、ピッチ周波数の差分情報
を得ようとする場合、次のような手法が行なわれた。入
力信号の短時間スペクトルf(r)h をスペクトル包
絡f(r)で正規化することによって得られるスペクト
ル微細構造は、高調波構造を有する。この正規化スペク
トルf(r)h /f(r)をフーリエ展開することに
より得られる相関関数は、予測残差の相関関数で音源の
性質を表す。(例えば、古井貞煕、「ディジタル音声処
理」東海大学出版会(1985))従って、はじめに時
刻tのフレームにおける予測残差の自己相関関数を計算
し、相関値のピーク位置を検出した後、ピッチ周波数を
決定する。図3Aは、有声音定常部の予測残差の自己相
関関数の例を示し、横軸は時間遅れ幅で、縦軸は相関値
である。図中の鋭いピークがピッチ周波数成分を表して
おり、ピーク位置の時間遅れ幅がピッチ周期となってピ
ッチ周波数が決定できる。同様に時刻sのフレームにお
けるピッチ周波数を決定する。最後に、時刻tのピッチ
周波数と時刻sのピッチ周波数との差から差分情報を得
る。
【0003】しかしながら、音声の有声、無声の過渡部
や文末では、音声のピッチ構造が乱れるために、自己相
関関数中の真のピッチ周波数成分を示すピークが顕著に
現れず、倍ピッチ周波数や半ピッチ周波数の成分を示す
ピークが真のピークを越えることがある。図3Bは、倍
ピッチ成分のピークが真のピッチ成分のピークを越え、
誤ったピッチ周波数が計算される例である。誤ったピー
クが選択されピッチ周波数が決定された段階で、真のピ
ッチ情報は完全に失われてしまう。従って正しいピッチ
周波数差分情報を得るためには、得られたピッチ周波数
が前後のフレームのピッチ周波数値と不連続になった場
合、予測残差の自己相関関数の第2ピーク、第3ピーク
を検出し、その中に周囲のフレームのピッチ周波数と連
続するピッチ周波数が含まれているかを検証しなければ
ならなかった。しかしこの検証のための一般的な規則を
記述するのは困難で、自動修正の他に視察による修正が
必要であるという問題があった。
【0004】
【課題を解決するための手段】この発明によれば、各フ
レームでピッチ周波数を一意に決定する過程を避け、あ
る時刻t(フレーム)における音声の予測残差の自己相
関関数と、その時刻tから離れた時刻s(数フレーム離
れたフレーム)におけるその音声の予測残差の自己相関
関数との相互相関関数を計算してピッチ周波数差分特徴
ベクトルとする。この相互相関関数を計算するというこ
とは、2つの予測残差の自己相関関数のデータ系列を、
1ポイント(自己相関関数における1基準遅れ時間)ず
つずらしながら相関関数を計算し特徴ベクトルの要素と
していくので、ピーク位置がお互いに重なった時点で特
徴ベクトルの要素は大きな値をとることになり、そのピ
ーク値から差分情報を得る。このようにして、お互いの
予測残差の自己相関関数のピーク位置の情報を忠実にピ
ッチ周波数差分特徴ベクトルに反映することができる。
【0005】
【実施例】図1にこの発明によるピッチ周波数差分特徴
量を計算する実施例を示す。入力端子1から入力された
音声は、A/D変換部2においてディジタル信号に変換
される。そのディジタル信号は残差計算部3において1
フレーム(例えば10ミリ秒)ごとに予測残差の自己相
関関数を計算する。この予測残差の自己相関関数は、短
時間スペクトルf(r)h をスペクトル包絡f(r)
で正規化した正規化スペクトルf(r)h /f(r)
をフーリエ展開することにより計算しても良いし、ある
いは、予測残差波形を求めた後、直接的にその相関関数
を計算することにより得てもよい。
【0006】次に、残差相関計算部4において、各フレ
ームで求めた予測残差の自己相関関数と数フレーム先(
例えば7フレーム先)の予測残差の自己相関関数との相
互相関関数を求める。例えば、サンプリング周波数12
kHz でサンプリングした男声データを考える。この
場合、自己相関関数の1基準遅れ時間は1/12000
秒である。男声のピッチ周波数の変化範囲を50Hzか
ら300Hzとすると、予測残差の自己相関関数a(n
)において、50Hzのピッチ成分を表すピークは24
0ポイント目(12000/50=240)に、300
Hzのピッチ成分を表すピークは40ポイント目(12
000/300=40)にそれぞれ現れる。従って、a
(40)からa(240)までの201個のデータを切
りだし、新たにx(n)(n=0,1,…,200)と
する。同様に7フレーム先でy(n)(n=0,1,…
,200)を求め、x(n)とy(n)との相互相関関
数Rxy(τ)、つまり特徴ベクトルを求める。
【0007】 Rxy(τ)=(1/T)・Σt x(t)y(t+τ
)Σtはt=0からt=Tまでの加算を示す。ここでT
=200で、τは7フレーム間で動き得るピーク位置の
差、即ち、7フレームで変化し得るピッチ周波数を考慮
し−40≦τ≦40とする。これは、低周波数領域で5
0Hzから60Hzまでの変化をカバーする。各フレー
ムで求められた81次元の特徴ベクトルRxy(τ)を
そのフレームにおけるピッチ差分特徴量とし、結果出力
部5から出力する。もちろん、τは対象とする音声デー
タの性質によって変えても差し支えない。また、81次
元では次元数が大き過ぎて扱いにくいようなシステムで
は、特徴ベクトルを、例えば2次元ずつ調べていき、数
値の大きい要素を選択しながらマージしていって41次
元の特徴ベクトルにするような次元数の低減を行っても
よい。
【0008】
【発明の効果】以上述べたように、この発明においては
予測残差の自己相関関数に現れるピッチ情報を忠実に特
徴量に取り込めるため、情報の損失の少ない特徴量を得
ることができる。また、ピッチ周波数自動修正後の視察
による検証も不要である。特に、文末や長い単語、句の
語尾では、正しいピッチ周波数を一意に決定するのが困
難であるため効果がある。
【0009】例えば、時刻tで図3Aに示されるような
予測残差の自己相関関数x(n)が得られ、ピーク位置
は100ポイント目であったとする。数フレーム先の時
刻sで図3Bに示されるような予測残差の自己相関関数
y(n)が得られ、ピーク位置は95ポイント目と11
0ポイント目とに2つ現れたとする。これらを同時に図
2Aに示す。このとき、真のピッチ成分を表すピークが
95ポイント目のピーク(即ちピッチ周波数126Hz
)であるにもかかわらず、110ポイント目のピークの
方が大きくなってしまった場合、従来のように各時刻で
ピッチ周波数を決定すると、時刻sでのピッチ周波数は
109Hzとなってしまう。この段階で正しいピッチ情
報は完全に失われてしまう。しかし、この発明による特
徴量では、2つの自己相関関数の相互相関関数Rxyを
計算するので、上記の例の場合Rxyは、図2Bに示さ
れる時刻tの100ポイント目のピークが時刻sの95
ポイント目のピークと重なるRxy(−5)と、図2C
に示される時刻tの100ポイント目のピークが時刻s
の110ポイント目のピークと重なるRxy(10)と
でそれぞれ大きな値を示し、何れのピーク位置の情報を
失わないピッチ差分特徴量となる。
【0010】アクセントやイントネーションの情報を与
えるピッチ差分情報は、単語音声認識や連続音声認識に
おいて、音韻情報と組み合わせて使用することにより認
識性能が向上する。また、話者認識においても、ピッチ
差分情報は個人性を表す特徴として有効である。なおこ
のように、y(n)中の二つのピーク位置の情報を含む
ピッチ差分情報が得られるが、後の処理が統計的処理の
場合は正しい方のピッチ差分情報が救われる。
【図面の簡単な説明】
【図1】この発明を適用したピッチ周波数差分特徴量抽
出装置の例を示すブロック図。
【図2】図3A、Bでそれぞれ二つの予測残差の自己相
関関数の相互相関関数の計算例を示す図。
【図3】Aは有声音定常部における予測残差の自己相関
関数の例を示す図、Bは有声、無声の過渡部のフレーム
における予測残差の自己相関関数で、誤ったピッチ周波
数(半ピッチ周波数)を示すピークが、真のピッチ周波
数を示すピークを越えてしまう例を示す図である。

Claims (1)

    【特許請求の範囲】
  1. 【請求項1】  時刻tにおける音声のピッチ周波数と
    、時刻tより後の時刻sにおける上記音声のピッチ周波
    数との差分情報を与えるピッチ周波数差分特徴量抽出法
    において、上記時刻tにおける上記音声の残差自己相関
    関数と、上記時刻sにおける上記音声の残差自己相関関
    数との相互相関関数とを計算し、その残差相互相関関数
    のピーク値から上記差分情報を得ることを特徴とするピ
    ッチ周波数差分特徴量抽出法。
JP5247991A 1991-03-18 1991-03-18 ピッチ周波数差分特徴量抽出法 Expired - Fee Related JP2940835B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP5247991A JP2940835B2 (ja) 1991-03-18 1991-03-18 ピッチ周波数差分特徴量抽出法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP5247991A JP2940835B2 (ja) 1991-03-18 1991-03-18 ピッチ周波数差分特徴量抽出法

Publications (2)

Publication Number Publication Date
JPH04288600A true JPH04288600A (ja) 1992-10-13
JP2940835B2 JP2940835B2 (ja) 1999-08-25

Family

ID=12915860

Family Applications (1)

Application Number Title Priority Date Filing Date
JP5247991A Expired - Fee Related JP2940835B2 (ja) 1991-03-18 1991-03-18 ピッチ周波数差分特徴量抽出法

Country Status (1)

Country Link
JP (1) JP2940835B2 (ja)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2003017250A1 (en) * 2001-07-27 2003-02-27 Amusetec Co., Ltd. 2-phase pitch detection method and appartus
JP2007328288A (ja) * 2006-06-09 2007-12-20 Sony Corp 韻律識別装置及び方法、並びに音声認識装置及び方法
JP2009031452A (ja) * 2007-07-25 2009-02-12 Sony Corp 音声解析装置、および音声解析方法、並びにコンピュータ・プログラム
US7979270B2 (en) 2006-12-01 2011-07-12 Sony Corporation Speech recognition apparatus and method
US8073686B2 (en) 2008-02-29 2011-12-06 Kabushiki Kaisha Toshiba Apparatus, method and computer program product for feature extraction

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009047831A (ja) * 2007-08-17 2009-03-05 Toshiba Corp 特徴量抽出装置、プログラムおよび特徴量抽出方法
JP4585590B2 (ja) 2008-09-26 2010-11-24 株式会社東芝 基本周波数変化量抽出装置、方法及びプログラム

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2003017250A1 (en) * 2001-07-27 2003-02-27 Amusetec Co., Ltd. 2-phase pitch detection method and appartus
US7012186B2 (en) 2001-07-27 2006-03-14 Amusetec Co., Ltd. 2-phase pitch detection method and apparatus
JP2007328288A (ja) * 2006-06-09 2007-12-20 Sony Corp 韻律識別装置及び方法、並びに音声認識装置及び方法
US7979270B2 (en) 2006-12-01 2011-07-12 Sony Corporation Speech recognition apparatus and method
JP2009031452A (ja) * 2007-07-25 2009-02-12 Sony Corp 音声解析装置、および音声解析方法、並びにコンピュータ・プログラム
US8165873B2 (en) 2007-07-25 2012-04-24 Sony Corporation Speech analysis apparatus, speech analysis method and computer program
US8073686B2 (en) 2008-02-29 2011-12-06 Kabushiki Kaisha Toshiba Apparatus, method and computer program product for feature extraction

Also Published As

Publication number Publication date
JP2940835B2 (ja) 1999-08-25

Similar Documents

Publication Publication Date Title
EP0853309B1 (en) Method and apparatus for signal analysis
JPS63285598A (ja) 音素接続形パラメ−タ規則合成方式
KR20080026456A (ko) 음신호 처리 방법, 음신호 처리 장치 및 기록 매체
US8942977B2 (en) System and method for speech recognition using pitch-synchronous spectral parameters
US5806031A (en) Method and recognizer for recognizing tonal acoustic sound signals
JP2940835B2 (ja) ピッチ周波数差分特徴量抽出法
Matsumoto et al. Evaluation of Mel-LPC cepstrum in a large vocabulary continuous speech recognition
JPH06161494A (ja) 音声のピッチ区間自動抽出方法
US4982433A (en) Speech analysis method
JPH07234696A (ja) 音声の複素ケプストラム分析装置
Ding et al. Determining polarity of speech signals based on gradient of spurious glottal waveforms
Chowdhury et al. Formant estimation from speech signal using the magnitude spectrum modified with group delay spectrum
JPS5912185B2 (ja) 有声無声判定装置
JP3358139B2 (ja) 音声ピッチマーク設定方法
KR19980037190A (ko) 유성음 구간에서 프레임별 피치 검출 방법
JP3012272B2 (ja) 基本周波数抽出方法
JP3233543B2 (ja) インパルス駆動点抽出方法およびピッチ波形抽出方法とその装置
KR930010398B1 (ko) 음성신호 파형에서 비대칭율을 이용한 전이구간 검출방법
JPS6126679B2 (ja)
JPS5876891A (ja) 音声ピツチ抽出方法
JPH1097288A (ja) 背景雑音除去装置及び音声認識装置
Shimodaira et al. Robust pitch detection by narrow band spectrum analysis
JPS6068000A (ja) ピッチ抽出装置
JPH0225199B2 (ja)
JPH0117599B2 (ja)

Legal Events

Date Code Title Description
LAPS Cancellation because of no payment of annual fees