JPH045699A - 鼻音区間検出方式 - 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］ 本発明は音声区間の検出方式、特に有声子音である鼻音
の発声されている鼻音区間を検出するための鼻音区間検
出方式に関するものである。

［従来の技術］ 単語や文章を発声したときの各音素のスペクトルは、調
音結合のために前後の音素の影響を受けて変形し、さら
に単独の音素や音節を発声するとき程には調音器官か大
きく動かされないため、単独に発声されたときのスペク
トルとは大きく異なる。このため、スペクトル包絡の時
間パターンから音素の境界を決定するセグメンテーショ
ンは非常に困難である。

従来では声帯振動が休止する無声子音に関しては、スペ
クトルの変化量や周期性の有無からセグメンテーション
を行っていた。

また有声子音に関しては、■隣接した前後のフレーム間
のスペクトル距離変化量や、■数フレーム分のスペクト
ルの傾きを最小自乗法で近似した量の時間的変化か、あ
るしきい値を越えるか否かによって音素区間を判別して
いた。

［発明が解決しようとする課題］ しかしながら、上述した■の有声子音区間におけるスペ
クトル距離変化量によってセグメンテーションを行なう
という従来方法では、鼻音区間と鼻音ではない区間（非
鼻音区間）とをセグメンテーションする際に、通常のス
ペクトル距離の変化量が他の音素区間との変化量に比べ
て極めて小さく、セグメンテーションが非常に困難であ
るという問題点があった。

また、■の最小自乗法で近似した量の時間的変化で判別
するという従来方法でも、鼻音等の特徴を反映する零を
抽出する機構を持たないので、■のスペクトル距離変化
量と同様な問題があると考えられる。

この発明の鼻音区間検出方式は、以上述べた鼻音と非鼻
音区間とのセグメンテーションが困難であるという問題
点を除去するため、鼻音区間に敏感なスペクトルパラメ
ータを用いることによって、鼻音区間を容易に検出てき
るアルコリズムを提供することを目的とする。

［課題を解決するための手段］ この発明は、鼻音区間の変化量を増加させる次式で表し
た鼻音関数を用い、その変化率（差分）をとることによ
って鼻音区間を検出するようにしたものである。

ｍ（ｘ）＝Σ　ｌ　　ｆ　（ｃ　、（ｘ））　　ｇ　（
ｕ　、（ｘ））ｉ＝ま ただし、 ｆはＬＰＣケプストラムに比例する関数、ｇは自己相関
係数に比例する関数、 ｃ、（ｘ）は線形予測分析法によって自己相関係数より
導出されたフレームＸにおけるｉ次のＬＰＣケプストラ
ム、 Ｕ、（Ｘ）はＡ／Ｄデータより導出されたフレームＸに
おけるｉ次の自己相関係数 ｎは最大次数である。

また、鼻音関数の差分は、次式で表せる。

ｈ（ｘ）−１ｍ（ｘ十Ｉ）−ｍ（ｘ） ［作用］ 音声認識アルコリズムのセグメンテーションにおいて、
鼻音区間に敏感なスペクトルパラメータを導入したので
、鼻音区間と非鼻音区間とをセグメンテーションする際
に、通常のスペクトル距離の変化量が他の音素区間との
変化量に比べて極めて小さくても、鼻音区間が特に強調
されるため、音声区間の中での鼻音区間が有効に抽出さ
れる。

［実施例］ 以下、本発明の実施例を図面を用いて説明する。

なお、鼻音関数の変化率を用いた本実施例による鼻音区
間の検出は、発明者による４７都道府県名の音声データ
に基づいてその効果を確認したものである。

第１図は本発明における実施例を示す鼻音区間検出アル
ゴリズムであり、第１式はこのアルゴリズムで用いる鼻
音検出用スペクトルパラメータとしての鼻音関数である
。

ｍ（ｘ）−Σ　ｌ　　ｆ　（ｃ　＋（ｘ　））−ｇ　（
ｕ　ｉ（ｘ　））たたし、 ｆはＬＰＧ（音声パワースペクトルの対数のＦ。

ｕｒｉｅｒ変換）ケプストラムに比例する関数で、比例
定数はａ（ｘ−＋ａｘ）、 ｇは自己相関係数に比例する関数で、比例係数はｂ（ｙ
→ｂｙ）、 Ｃ□（ｘ）は線形予測分析法によって自己相関係数より
導出されたフレームＸにおける１次のＬＰＣケプストラ
ム、 Ｕえ（Ｘ）はＡ／Ｄデータより導出されたフレームＸに
おけるｉ次の自己相関係数 ｎは最大次数である。

ここで、第１式の導入理由を説明する。

まず、ＬＰＣケプストラムは線形予測分析法に基づいて
声道の伝達関数として推定されたケプストラムの特殊な
型である。その伝達関数として通常全極型モデルか採用
される。極とは包絡スペクトルの極大、即ちホルマント
を意味し、音声認識にとって重要な母音等の特徴を反映
している。逆に、零とは極小、即ちアンチホルマントを
意味し、鼻音等の特徴を反映している。従って、全極型
モテルで表現されたＬＰＣケプストラムは零に関する鼻
音情報をはとんと反映していないと考えられる。これに
ついては第３図、第４図のスペクトル包絡を参照された
い。同図は鼻音化による母音／ａ／のスペクトル変化の
例を示し、３００〜４００Ｈｚと２５００Ｈｚ付近の極
零対によって特徴つけられる。また、Ｆ、、Ｆ、、Ｆ、
はホルマントである。

一方、自己相関係数は音声のサンプル時系列から相関を
とって求められるものであり、ＬＰＣケプストラムのよ
うにスペクトルから包絡成分を抽出し全極型モデルで近
似するという操作を介在させないため、スペクトルのピ
ッチや零に関する情報は捨象されずに残されていると考
えられる（第４図の短時間スペクトル参照）。

以上の考察からＬＰＣケプストラムと自己相関係数を用
いることによってピッチや零に関する情報のみを抽出す
ることか可能となると予想される。

本実施例では、最も単純にＬＰＣケプストラムと自己相
関係数の関数の差分を取った鼻音関数を導入している。

ここで、ＬＰＣケプストラムと自己相関係数はデイメン
ジョン（次元）が異なり、しかも前者は非線形、後者は
線形的関数であるので、直接差分をとることには無理が
ある。そこで関数ｆ及びｇを導入して補正している。本
実施例では単純に次元補正をするための重み係数ａ、ｂ
を導入してしる。また、この係数ａ、ｂの大きさを調節
することによって鼻音関数ｍの鼻音に対する感度を制御
することができる。

ところで、自己相関係数ｕｉはフレームという短時間単
位のＡ／Ｄデータサンプル系列（Ｘｏ。

Ｘ＋＋　・・七　ｘ、ｌから次式で計算される。

ｕｉ＝ΣＸ　ｎＸ　Ｘ　ｎｏ　ｒ／　Ｖ　ｏ　　　（自
己相関係数）ｎ＝１ ■ｏ−Σｘ”（ｉ）　　　　　　　　　　　（音声パワ
）１：１ ここで、次数１とはｉサンプル離れた信号間の相関を取
るという意味であり、ｉが小さいほど周期の短い、即ち
周波数の高い成分との相関を表している。このことから
自己相関係数はパワスペクトルと関係していることかわ
かる。事実、ウィナ−キンチンの定理から自己相関係数
とパワスペクトルとの間にはフーリエ変換、逆フーリエ
変換の関係があることが知られている。

以上のように、次数ｉとはパワスペクトルの各チャネル
に相当する概念である。ただし、パワスペクトルではチ
ャネルの大きい方が周波数の高い成分に相当している。

また最大次数ｎとしては通常１５前後の値がとられる。

本実施例では自己相関係数から線形予測分析法によって
線形予測係数を求めた後、ＬＰＣケプストラムに変換す
る。従って、自己相関係数とＬＰＣケプストラムとは同
じ次数の成分において互いに対応している。

第１図は鼻音関数ｍを用いた鼻音区間検出アルフリズム
の実施例をフローチャートで表わしたものであり、第２
図はそれを実施する構成を示したブロック図である。

まず、音声信号をＬＰＣケプストラム算出手段２１と自
己相関係数算出手段２２に入力して各フレーム毎にＬＰ
Ｃケプストラム及び自己相関係数を算出する（ステップ
１１）。次にこれらを鼻音関数算出手段２３に加えて第
１式で表わされた鼻音関数ｍを各フレーム毎に求め（ス
テップ１２）、求めた鼻音関数を変化率算出手段２４に
導いて鼻音関数の１フレーム毎の差分、即ち第３式に示
す鼻音関数変化率りを導き出す（ステップ１３）。

ｈ（ｘ）＝　１ｍ（ｘ＋１）−ｍ（ｘ）そして、比較手
段２５で鼻音関数変化率りが所定のしきい値ＴＨよりも
大きいか否かの判定を行う（ステップ１４）。判定結果
を鼻音区間候補選出手段２６に入力して鼻音関数変化率
りか所定のしきい値ＴＨより大きい値を持つ場合そのフ
レームを鼻音区間候補としくステップ１５）　、ＴＨよ
り小さい場合そのフレームを非鼻音区間候補とする（ス
テップ１６）。

このようにして、各フレーム毎に鼻音、非鼻音の候補側
が求められた時、これらの候補をトップダウン処理手段
２７に供給しトップダウン処理（ステップ１７）によっ
て、最終的に鼻音区間が同定される（ステップ１８）。

ここで、上記処理ステップ１３において、鼻音関数ｍ（
ｘ）の変化率ｈ　（Ｘ　）（鼻音関数のフレーム間差分
）を求める理由は次の通りである。

鼻音関数ｍ（ｘ）には零及びピッチに関する情報の両方
が含まれているので、両者を分離し鼻音の特徴を反映し
ている零のみを抽出しなければならない。そこで、鼻音
関数ｍ　（ｘ　）の変化率を求めることによって、零に
関する情報のみを抽出するわけである。

第５図にｒａｎｉＪと発声した場合のパワ波形例を示し
である。言うまでもなく「ａ」及び「１−１は母音であ
り、ｒｎＪは鼻音である。ここて鼻音ｆｎｊの区間を求
めるために、音声の各フレーム毎に鼻音関数ｍ（ｘ）並
ひにその変化率ｈ　（ｘ　）＝ｍ（ｘ　−＝　１　）ｍ
（ｘ）か計算されていく。母音区間においてはスペクト
ルは定常的であるのてｈ（ｘ）はセロに近い一定値を示
す。しかし、ｒａＪからｒｎＪに遷移する過程（第５図
においてはｉフレームから１＋１フレームへの変化に相
当する）ではピッチ周波数はほぼ一定であるが、鼻音化
の影響によりスペクトルに零が生じる。従って、ｈ（ｉ
）−ｍ（ｉ±１）ｍ（ｉ　）のように鼻音関数のフレー
ム間差分を取ることにより鼻音関数に含まれていたピッ
チに関する情報は捨象され、零が生したことによるスペ
クトルの変化分だけが抽出される。よって、ｈ（ｉ）＝
ｍ（ｉ　＋　１　）−ｍ（ｉ　）からｈ（ｉ　＋　１）
＝ｍ（ｉ　＋２）−ｍ（ｉ）に至ってｈは増大する。同
様なことか「ｎ」から「ｉ」への遷移領域についても成
立し、こんどは逆にｈ　（ｊ　）＝ｍ（ｊ　＋　１　）
−ｍ（Ｊ）からｈ（ｊ　＋　１　）＝ｍ（ｊ　＋　２）
−ｍ（ｊ　＋　ｌ　）に至ってｈは減少する。

ここで、上の例の場合におけるｈの変化の様子を第６図
に示す。同図に示すようにしきい値ＴＨを適当に定めれ
ば、ｈ＞ＴＨを与えるフレームｉｊが鼻音区間と母音区
間とを分ける境界候補として摘出てきる。

なお、このしきい値ＴＨは経験的に求める。

次に、ステップ１７でトップタウン処理をするのは次の
通りである。

本実施例で導入した鼻音関数の変化率は母音部と鼻音の
遷移部で最も敏感に反応するか、母音部と他の有声子音
あるいは無声子音との遷移部に対しても反応し、誤って
鼻音区間と判定される可能性もある。そこで、無声子音
や他の有声子音との探索法と組合せ、これらの区間候補
と鼻音区間候補とを照合し、トップダウン的に区間を決
定する処理を追加する。

例えば、鼻音区間と他の有声子音、無声子音区間とが隣
接することは言語的にありえないので、どれかを削除し
なければならない。その削除のルールとしては候補区間
長の長い方の音韻を採用する等か考えられる。また、認
識単語の中に鼻音で始まったり、終わったりするような
単語が無いときに、単語の始終端部て鼻音区間候補が挙
げられたような場合、区間候補をリンエクトする等の処
理を施す。

以上の例のように、鼻音区間候補を音韻分析で決定する
（ホトムアノプ）のではなく、候補列から言語的な情報
等を用いて天下り的に決定する処理、即ちトップタウン
処理を行う。

以上述べたように本実施例によれば、鼻音区間に敏感な
鼻音関数を導入して鼻音区間を強調するようにしたので
、音声に鼻音が含まれていても、鼻音を他の音素から十
分に識別することが可能となり、したかって、鼻音のセ
グメンテーションが容易となる。

さらにトップタウン処理により鼻音区間候補列から言語
的にあり得ない候補を除いて真の鼻音区間を決定するの
で、誤って鼻音区間と判定するこトカ有効に防止される
。

［発明の効果１ 以上述へたように本発明によれば、鼻音区間を鼻音関数
の変化率の大きさによって定義できることか可能となっ
たので、鼻音区間の検出か容易となる。

【図面の簡単な説明】

第１図は本実施例による鼻音区間検出方式のアルコリズ
ムを示すフローチャート、第２図は本発明方式を実施す
るための構成例を示すブロック図、第３図は鼻音化によ
る／　ａ　／のスペクトル変化の例を示す説明図、第４
図はＬＰＣケプストラムとＦＥＴケプストラムによるス
ペクトル包絡の比較説明図、第５図はｒａｎｉＪパワ波
形図、第６図はｒａｎｉＪ発声のときの鼻音関数の変化
率の変化特性図である。 ２１はＬＰＣケプストラム算出手段、２２は自己相関係
数算出手段、２３は鼻音関数算出手段、２４は変化率算
出手段、２５は比較手段、２６は鼻音区間候補選出手段
、２７はトップタウン処理手段である。 本実施例による鼻音区間検出方式のフト第１図 鼻音化による／ａ／のスへリトル変化の同第３図 周波数［ｋＨｚ］ ＬＰＧとＦＦＴＦＥケプストラムよるスペクトル絡の比
較第４図

Claims (1)

1. 【特許請求の範囲】 　鼻音区間の変化量を増加させる次式で表した鼻音関数
   を用い、 その変化率を取ることによって鼻音区間を検出するよう
   にしたことを特徴とする鼻音区間検出方式。 ▲数式、化学式、表等があります▼ ただし、 ｆはＬＰＣケプストラムに比例する関数、 ｇは自己相関係数に比例する関数、 ｃ＿ｉ（ｘ）は線形予測分析法によって自己相関係数よ
   り導出されたフレームｘにおけるｉ 次のＬＰＣケプストラム、 ｕ＿ｉ（ｘ）はＡ／Ｄデータより導出されたフレームｘ
   におけるｉ次の自己相関係数 ｎは最大次数である。