JPH0644196B2 - 極パラメ−タ値抽出装置 - Google Patents
極パラメ−タ値抽出装置Info
- Publication number
- JPH0644196B2 JPH0644196B2 JP61023139A JP2313986A JPH0644196B2 JP H0644196 B2 JPH0644196 B2 JP H0644196B2 JP 61023139 A JP61023139 A JP 61023139A JP 2313986 A JP2313986 A JP 2313986A JP H0644196 B2 JPH0644196 B2 JP H0644196B2
- Authority
- JP
- Japan
- Prior art keywords
- value
- autocorrelation
- pole
- coefficient
- parameter
- 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.)
- Expired - Lifetime
Links
- 238000001914 filtration Methods 0.000 claims description 15
- 238000000605 extraction Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 description 25
- 238000000034 method Methods 0.000 description 9
- 238000001228 spectrum Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 5
- 230000015572 biosynthetic process Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000003786 synthesis reaction Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
Landscapes
- Compression, Expansion, Code Conversion, And Decoders (AREA)
- Oscillators With Electromechanical Resonators (AREA)
- Iron Core Of Rotating Electric Machines (AREA)
- Amplifiers (AREA)
Description
【発明の詳細な説明】 〔産業上の利用分野〕 本発明は極パラメータ値抽出装置に関し、特に音声等の
信号のスペクトルを近似する極パラメータの値を抽出す
る極パラメータ値抽出装置に関するものである。
信号のスペクトルを近似する極パラメータの値を抽出す
る極パラメータ値抽出装置に関するものである。
音声合成や音声確認の分野では、音声のスペクトルを近
似するパラメータに値を抽出することが重要である。ま
た、一般の信号についても、そのスペクトルを近似する
パラメータの値を抽出することが必要になる場合があ
る。
似するパラメータに値を抽出することが重要である。ま
た、一般の信号についても、そのスペクトルを近似する
パラメータの値を抽出することが必要になる場合があ
る。
音声等の信号（以下、単に音声等と表す）のスペクトル
を近似するパラメータとしては、極パラメータ即ちホル
マント周波数とバンド幅がしばしば用いられる。これ
は、その物理的意味が明確である等の特徴があり、応用
上有利であるためである。
を近似するパラメータとしては、極パラメータ即ちホル
マント周波数とバンド幅がしばしば用いられる。これ
は、その物理的意味が明確である等の特徴があり、応用
上有利であるためである。
従来、音声等のスペクトルを近似する極パラメータの値
を抽出するものとして、音声等から抽出された線形予測
係数を係数とする高次代数方程式を例えばニュートン・
ラプソン法等の逐次近似法を用いて解く方法が知られて
いる。この第１の従来例は、例えばジェイ・ディー・マ
ーケルとエイ・エイチ・グレイ（J.D.Markel,A.H.Gray)
の著書「音声の線形予測（鈴木訳）」（Linear Predict
ion of Speech)の第７章に示されている。
を抽出するものとして、音声等から抽出された線形予測
係数を係数とする高次代数方程式を例えばニュートン・
ラプソン法等の逐次近似法を用いて解く方法が知られて
いる。この第１の従来例は、例えばジェイ・ディー・マ
ーケルとエイ・エイチ・グレイ（J.D.Markel,A.H.Gray)
の著書「音声の線形予測（鈴木訳）」（Linear Predict
ion of Speech)の第７章に示されている。
極パラメータの値を抽出する第２の例として、自己相関
領域において逆フィルタリングするものが、伏木田によ
る論文「自己相関領域で逆フィルタリングを用いたホル
マントの多段推定方式」（日本音響学会音声研究会資料
Ｓ８１−４１）に示されている。この第２の従来例で
は、第ｋ段の２次の極回路の係数をαｋ１とαｋ２と
し、その入力の自己相関値をrk-1,iとしたとき、出力の
自己相関値rk,iを次式によって求める。
領域において逆フィルタリングするものが、伏木田によ
る論文「自己相関領域で逆フィルタリングを用いたホル
マントの多段推定方式」（日本音響学会音声研究会資料
Ｓ８１−４１）に示されている。この第２の従来例で
は、第ｋ段の２次の極回路の係数をαｋ１とαｋ２と
し、その入力の自己相関値をrk-1,iとしたとき、出力の
自己相関値rk,iを次式によって求める。
rk,i＝(1+α2 k,1+α2 k,2)rk-1,i -(αk,1-αk,1・αk,2)rk-1,i+1 -αk,2(rk-1,i-2+rk-1,i+2)…(1) 第１段の入力には音声等の自己相関を用いて、逐次式
(1)によって出力の自己相関値を求め、最終段（これを
第Ｋ段とする）の出力の自己相関値rk,oを求める。これ
が自己相関領域における逆フィルタリングと呼ばれる方
法である。なお、rk,oは予測残差のパワーあるいはエラ
ーパワーと呼ばれ、これを算出するのには入力音声の自
己相関値ro,iは０次から２Ｋ次のものが必要である。あ
らかじめ、極パラメータ値のテーブルを用意しておき、
それから各段の係数ak,1・ak,2を求めて上記のrk,oを算
出する。種々の極パラメータの値の候補に対してrk,oの
最小値を与えたものを最適な近似を与える極パラメータ
の値として出力する。
(1)によって出力の自己相関値を求め、最終段（これを
第Ｋ段とする）の出力の自己相関値rk,oを求める。これ
が自己相関領域における逆フィルタリングと呼ばれる方
法である。なお、rk,oは予測残差のパワーあるいはエラ
ーパワーと呼ばれ、これを算出するのには入力音声の自
己相関値ro,iは０次から２Ｋ次のものが必要である。あ
らかじめ、極パラメータ値のテーブルを用意しておき、
それから各段の係数ak,1・ak,2を求めて上記のrk,oを算
出する。種々の極パラメータの値の候補に対してrk,oの
最小値を与えたものを最適な近似を与える極パラメータ
の値として出力する。
前記従来例のうち、第１の例即ち線形予測係数を係数と
する高次代数方程式を解くものは、高次代数方程式を解
く際に多くに演算を必要とすることや、極の周波数やバ
ンド幅を安定に求めることが困難であるといった問題点
があった。
する高次代数方程式を解くものは、高次代数方程式を解
く際に多くに演算を必要とすることや、極の周波数やバ
ンド幅を安定に求めることが困難であるといった問題点
があった。
また第２の例では、あらかじめ音声等のスペクトルを表
す極パラメータとして妥当と思われる候補の中から最適
な値を抽出するので安定に求められるが、多くの演算を
必要とするといった問題点があった。
す極パラメータとして妥当と思われる候補の中から最適
な値を抽出するので安定に求められるが、多くの演算を
必要とするといった問題点があった。
本発明の目的は、音声等の信号のスペクトルを近似する
極パラメータの値を比較的少ない演算量で抽出できる極
パラメータ値抽出装置を提供することにある。
極パラメータの値を比較的少ない演算量で抽出できる極
パラメータ値抽出装置を提供することにある。
本発明の極パラメータ値抽出装置は、音声信号から時間
窓内の自己相関値を算出し一時記憶する手段と、極パラ
メータの値を記憶し入力コードに対する極パラメータの
値を出力する極パラメータの値テーブルと、その極パラ
メータ値から自己相関領域における逆フィルタリングを
行なうための関数を算出する手段と、その係数を用いて
前記一時記憶された自己相関値を自己相関領域において
逆フィルタリングする手段を有する型の極パラメータ値
抽出装置において、前記自己相関領域において逆フィル
タリングする手段の出力のうち４次以下の自己相関値か
ら４次以下の線形予測係数と予測残差のパワーを算出す
る手段と、その線形予測係数から極パラメータを算出す
る手段と、前記予測残差のパワーの最小値を検出する手
段と、その予測残差のパワーの最小値を与えた時の前記
極パラメータ値テーブルの出力と前記線形予測係数から
極パラメータを算出する手段の出力とを抽出された極パ
ラメータの値として出力するように制御する手段から構
成される。
窓内の自己相関値を算出し一時記憶する手段と、極パラ
メータの値を記憶し入力コードに対する極パラメータの
値を出力する極パラメータの値テーブルと、その極パラ
メータ値から自己相関領域における逆フィルタリングを
行なうための関数を算出する手段と、その係数を用いて
前記一時記憶された自己相関値を自己相関領域において
逆フィルタリングする手段を有する型の極パラメータ値
抽出装置において、前記自己相関領域において逆フィル
タリングする手段の出力のうち４次以下の自己相関値か
ら４次以下の線形予測係数と予測残差のパワーを算出す
る手段と、その線形予測係数から極パラメータを算出す
る手段と、前記予測残差のパワーの最小値を検出する手
段と、その予測残差のパワーの最小値を与えた時の前記
極パラメータ値テーブルの出力と前記線形予測係数から
極パラメータを算出する手段の出力とを抽出された極パ
ラメータの値として出力するように制御する手段から構
成される。
本発明における自己相関領域での逆フィルタリングは、
前述の第２の従来例に対比させるならば、第Ｋ−２段な
いし第Ｋ−１段（これを第Ｌ段とする）までの逆フィル
タリングを行ない、それ以降最終段までの逆フィルタリ
ングを行なわない。このとき第Ｌ段の出力の自己相関値
rL,iは２（Ｋ−Ｌ）（これをＭとする）次以下のものに
ついて求める。即ち、Ｋ−Ｌが２のときはＭは４、１の
ときはＭは２である。
前述の第２の従来例に対比させるならば、第Ｋ−２段な
いし第Ｋ−１段（これを第Ｌ段とする）までの逆フィル
タリングを行ない、それ以降最終段までの逆フィルタリ
ングを行なわない。このとき第Ｌ段の出力の自己相関値
rL,iは２（Ｋ−Ｌ）（これをＭとする）次以下のものに
ついて求める。即ち、Ｋ−Ｌが２のときはＭは４、１の
ときはＭは２である。
次にこの自己相関値を用いてＭ次の線形予測係数（これ
をａｉ；ｉ＝１，…，Ｍ）を求める。これは次の連立方
程式を第１の従来例の方法で解いて得られる。
をａｉ；ｉ＝１，…，Ｍ）を求める。これは次の連立方
程式を第１の従来例の方法で解いて得られる。
ただし、ａｏ＝１ このときのエラーパワーｐは次式で与えられる。
第１段から第Ｌ段までの逆フィルタリングにおいて、種
々の極パラメータの候補について式(3)のｐを求めその
最小値を与える極パラメータの値と、式(2)の解として
得られたａｉを係数とする次の式(4)の代数方程式の根
とを最適な極パラメータの値として出力する。
々の極パラメータの候補について式(3)のｐを求めその
最小値を与える極パラメータの値と、式(2)の解として
得られたａｉを係数とする次の式(4)の代数方程式の根
とを最適な極パラメータの値として出力する。
式(4)の根は次数Ｍは４次以下なので有限回の演算で安
定に求められることが知られている。また、次(2)を解
く場合も、従来例のように解かなくても、直接自己相関
値から求めることも容易である。例えばＭ＝２の場合に
は次式で求まる。
定に求められることが知られている。また、次(2)を解
く場合も、従来例のように解かなくても、直接自己相関
値から求めることも容易である。例えばＭ＝２の場合に
は次式で求まる。
a1＝-(rL,OrL,1-rL,1rL,2)/(r2 L,O-r2 L,1) a2＝-(rL,OrL,2-r2 L,1/(r2 L,O-r2 L,1)…(5) 〔実施例〕 次に、本発明について図面を用いて説明する。
第１図は本発明の第１の実施例のブロック図である。
あらかじめ定められた分析フレームの時間ごとに制御回
路１０１から信号線１２３、１２４，１２６，１２７，
１２８，１２９および１３０を介してそれぞれ自己相関
算出回路１０２，バッファ１０３，自己相関逆フィルタ
１０６，線形予測回路１０７，極値算出回路１０８，バ
ッファ１０９および比較回路１１０に対し初期化を指示
する制御情報が送られ、各回路やバッファあるいは自己
相関逆フィルタ１０６が初期化される。
路１０１から信号線１２３、１２４，１２６，１２７，
１２８，１２９および１３０を介してそれぞれ自己相関
算出回路１０２，バッファ１０３，自己相関逆フィルタ
１０６，線形予測回路１０７，極値算出回路１０８，バ
ッファ１０９および比較回路１１０に対し初期化を指示
する制御情報が送られ、各回路やバッファあるいは自己
相関逆フィルタ１０６が初期化される。
自己相関算出回路１０２では、制御回路１０１から送ら
れる開始の指示に従い、信号線１２１から入力される信
号の自己相関係数が算出され信号線１３１を介してバッ
ファ１０３に送られる。
れる開始の指示に従い、信号線１２１から入力される信
号の自己相関係数が算出され信号線１３１を介してバッ
ファ１０３に送られる。
バッファ１０３では、制御回路１０１からの初期化の指
示に従って内部がクリアされた後、自己相関算出回路１
０２から送られる自己相関係数が蓄えられつつ、それが
信号線１３２を介して自己相関逆フィルタ１０６に送ら
れる。ここで蓄えられた自己相関係数は以後制御回路１
０１から送出の指示があるごとくにくり返し自己相関逆
フィルタ１０６に送られる。
示に従って内部がクリアされた後、自己相関算出回路１
０２から送られる自己相関係数が蓄えられつつ、それが
信号線１３２を介して自己相関逆フィルタ１０６に送ら
れる。ここで蓄えられた自己相関係数は以後制御回路１
０１から送出の指示があるごとくにくり返し自己相関逆
フィルタ１０６に送られる。
一方制御回路１０１は信号線１２５を介して極値テーブ
ル１０４に対し極パラメータの値の候補をコードを送
る、これに対する極パラメータの値が極値テーブル１０
４から信号線１３３を介して係数算出回路１０５に送ら
れる。係数算出回路１０５ではその値から自己相関領域
での逆フィルタリングに必要な係数、即ち前述の式(1)
の各係数が算出され信号線１３４を介して自己相関逆フ
ィルタ１０６に送られる。この過程は制御回路１０１か
ら極パラメータの候補のコードが送られるごとくにくり
返される。
ル１０４に対し極パラメータの値の候補をコードを送
る、これに対する極パラメータの値が極値テーブル１０
４から信号線１３３を介して係数算出回路１０５に送ら
れる。係数算出回路１０５ではその値から自己相関領域
での逆フィルタリングに必要な係数、即ち前述の式(1)
の各係数が算出され信号線１３４を介して自己相関逆フ
ィルタ１０６に送られる。この過程は制御回路１０１か
ら極パラメータの候補のコードが送られるごとくにくり
返される。
自己相関逆フィルタ１０６では制御回路１０１からの指
示に従って、バッファ１０３から送られる自己相関係数
のデータに対し係数算出回路１０５から送られた係数に
より自己相関領域での逆フィルタリングの処理、即ち前
述の式(1)をくり返し適用し出力の自己相関係数の値を
算出する処理が施され、４次までの自己相関係数の値が
算出されて信号線１３５を介して線形予測回路１０７に
送られる。この処理も制御回路１０１からの指示が送ら
れるごとくにくり返される。
示に従って、バッファ１０３から送られる自己相関係数
のデータに対し係数算出回路１０５から送られた係数に
より自己相関領域での逆フィルタリングの処理、即ち前
述の式(1)をくり返し適用し出力の自己相関係数の値を
算出する処理が施され、４次までの自己相関係数の値が
算出されて信号線１３５を介して線形予測回路１０７に
送られる。この処理も制御回路１０１からの指示が送ら
れるごとくにくり返される。
線形予測回路１０７では制御回路１０１からの指示に従
って、自己相関逆フィルタ１０６から送られる４次まで
の自己相関係数を用いて、その値に対する最適な４次ま
での線形予測係数とそのときのエラーパワーが算出さ
れ、線形予測係数は信号線１３６を介して極値算出回路
１０８に送られ、エラーパワーは信号線１３８を介して
比較回路１１０に送られる。この処理も制御回路１０１
からの指示が送られるごとにくり返される。
って、自己相関逆フィルタ１０６から送られる４次まで
の自己相関係数を用いて、その値に対する最適な４次ま
での線形予測係数とそのときのエラーパワーが算出さ
れ、線形予測係数は信号線１３６を介して極値算出回路
１０８に送られ、エラーパワーは信号線１３８を介して
比較回路１１０に送られる。この処理も制御回路１０１
からの指示が送られるごとにくり返される。
極値算出回路１０８では制御回路１０１からの指示に従
って、線形予測回路１０７から送られる４次までの線形
予測係数を係数とする代数方程式の根が求められ、信号
線１３７を介してバッファ１０９に送られる。
って、線形予測回路１０７から送られる４次までの線形
予測係数を係数とする代数方程式の根が求められ、信号
線１３７を介してバッファ１０９に送られる。
比較回路１１０では制御回路１０１から初期化の指示が
送られたときには、エラーパワーの最小値を検出する際
の比較の初期値が信号線１４０を介してメモリ１１１に
送られる。次に比較回路１１０では制御回路１０１から
の指示に従って、線形予測回路１０７から送られるエラ
ーパワーと、メモリ１１１から信号線１３９を介して読
み出した値が比較され、比較結果が信号線１４１を介し
て制御回路１０１に送られるとともに、線形予測回路１
０７から送られたエラーパワーの方が小さいときは、そ
の値が信号線１４０を介してメモリ１１１に送られてそ
の内容が書き換えられる。この処理も制御回路１０１か
らの指示があるごとくにくり返される。
送られたときには、エラーパワーの最小値を検出する際
の比較の初期値が信号線１４０を介してメモリ１１１に
送られる。次に比較回路１１０では制御回路１０１から
の指示に従って、線形予測回路１０７から送られるエラ
ーパワーと、メモリ１１１から信号線１３９を介して読
み出した値が比較され、比較結果が信号線１４１を介し
て制御回路１０１に送られるとともに、線形予測回路１
０７から送られたエラーパワーの方が小さいときは、そ
の値が信号線１４０を介してメモリ１１１に送られてそ
の内容が書き換えられる。この処理も制御回路１０１か
らの指示があるごとくにくり返される。
制御回路１０１は、線形予測回路１０７において算出さ
れたエラーパワーの方が小さいという比較結果が比較回
路１１０から送られたときには、極値テーブル１０４に
対してそのときの極パラメータの値を信号線１４２を介
してバッファ１０９に送らせるとともに、極値算出回路
１０８に対して線形予測係数から極パラメータへの交換
すなわち代数方程式の求根を指示しその結果をバッファ
１０９に送らせる。バッファ１０９では制御回路１０１
からの指示があるごとに、極値テーブル１０４および極
値算出回路１０８から送られる極パラメータの値に書き
換えられて記憶される。
れたエラーパワーの方が小さいという比較結果が比較回
路１１０から送られたときには、極値テーブル１０４に
対してそのときの極パラメータの値を信号線１４２を介
してバッファ１０９に送らせるとともに、極値算出回路
１０８に対して線形予測係数から極パラメータへの交換
すなわち代数方程式の求根を指示しその結果をバッファ
１０９に送らせる。バッファ１０９では制御回路１０１
からの指示があるごとに、極値テーブル１０４および極
値算出回路１０８から送られる極パラメータの値に書き
換えられて記憶される。
このようにして、極パラメータの種々の候補についてひ
ととおり逆フィルタリングが行なわれた時点では、バッ
ファ１０９にはエラーパワーが最小という意味で最適な
極パラメータの値が記憶されている。各分析フレームの
処理の最後に制御回路１０１からバッファ１０９に出力
の指示が送られ、記憶されていた極パラメータの最適値
が信号線１２２から出力される。
ととおり逆フィルタリングが行なわれた時点では、バッ
ファ１０９にはエラーパワーが最小という意味で最適な
極パラメータの値が記憶されている。各分析フレームの
処理の最後に制御回路１０１からバッファ１０９に出力
の指示が送られ、記憶されていた極パラメータの最適値
が信号線１２２から出力される。
以上の処理が分析フレームごとにくり返される。
本実施例では自己相関逆フィルタ１０６から線形予測回
路１０７へ送られる自己相関係数の次数は４次までのも
のとしたが、前述のようにこれは２次までのものでも良
い。
路１０７へ送られる自己相関係数の次数は４次までのも
のとしたが、前述のようにこれは２次までのものでも良
い。
第２図は本発明の第２の実施例のブロック図である。
この実施例は、音色合成のための極パラメータ抽出など
において、音色合成モデルに合った分析ができるよう
に、抽出される極パラメータの値に制限を付けられるよ
うにしたものである。そのために、比較回路２１２とメ
モリ２１３が第１の実施例に対して追加されている。
において、音色合成モデルに合った分析ができるよう
に、抽出される極パラメータの値に制限を付けられるよ
うにしたものである。そのために、比較回路２１２とメ
モリ２１３が第１の実施例に対して追加されている。
本実施例における自己相関算出回路２０２，バッファ２
０３，極値テーブル２０４，係数算出回路２０５、自己
相関逆フィルタ２０６，線形予測回路２０７，極値算出
回路２０８，バッファ２０９，比較回路２１０およびメ
モリ２１１は、それぞれ第１の実施例における自己相関
算出回路１０２，バッファ１０３，極値テーブル１０
４，係数算出回路１０５，自己相関逆フィルタ１０６，
線形予測回路１０７，極値算出回路１０８，バッファ１
０９，比較回路１１０およびメモリ１１１に対応し同様
の動作をする。
０３，極値テーブル２０４，係数算出回路２０５、自己
相関逆フィルタ２０６，線形予測回路２０７，極値算出
回路２０８，バッファ２０９，比較回路２１０およびメ
モリ２１１は、それぞれ第１の実施例における自己相関
算出回路１０２，バッファ１０３，極値テーブル１０
４，係数算出回路１０５，自己相関逆フィルタ１０６，
線形予測回路１０７，極値算出回路１０８，バッファ１
０９，比較回路１１０およびメモリ１１１に対応し同様
の動作をする。
制御回路２０１の行なう制御で第１の実施例と異なる点
について以下に説明する。
について以下に説明する。
まず初期化の際には、極パラメータの値に対する制限の
値を信号線２２９を介して比較回路２１２に送り、比較
回路２１２はさらにその値を信号線２４３を介してメモ
リ２１３に送る。
値を信号線２２９を介して比較回路２１２に送り、比較
回路２１２はさらにその値を信号線２４３を介してメモ
リ２１３に送る。
極値テーブル２０４に対してモデルの制限に合った極パ
ラメータの候補のコードを送るごとに、極値算出回路２
０８に対しても、そのつど線形予測係数から極パラメー
タへの変換を指示し、その値を比較回路２１２に送らせ
る。比較回路２１２では、その値がメモリ２１３から信
号線２４４を介して読み出された制限の値に適合するか
否かを判定し、その結果を信号線２４５を介して制御回
路２０１に送る。
ラメータの候補のコードを送るごとに、極値算出回路２
０８に対しても、そのつど線形予測係数から極パラメー
タへの変換を指示し、その値を比較回路２１２に送らせ
る。比較回路２１２では、その値がメモリ２１３から信
号線２４４を介して読み出された制限の値に適合するか
否かを判定し、その結果を信号線２４５を介して制御回
路２０１に送る。
制御回路２０１では比較回路２１２からの判定結果が、
制限に適合していることを示しているときだけ比較回路
２１０からのエラーパワーの比較結果を参照し、最適な
極パラメータ値の抽出を行なう。
制限に適合していることを示しているときだけ比較回路
２１０からのエラーパワーの比較結果を参照し、最適な
極パラメータ値の抽出を行なう。
本実施例では、制限に合った極パラメータの値のみを抽
出できるので、音声のホルマント分析などではより安定
したホルマント抽出が行なえるという効果がある。
出できるので、音声のホルマント分析などではより安定
したホルマント抽出が行なえるという効果がある。
以上説明したように本発明は、従来より少ない演算量で
同等の極パラメータの値を得ることができるという効果
がある。さらに、本発明では高次の代数方程式を解くと
いう方法を用いないので、極パラメータの値を安定に求
めることができる。
同等の極パラメータの値を得ることができるという効果
がある。さらに、本発明では高次の代数方程式を解くと
いう方法を用いないので、極パラメータの値を安定に求
めることができる。
第１図および第２図はそれぞれ本発明の極パラメータ値
抽出装置の第１および第２の実施例を示すブロック図で
ある。 １０１，１０２……制御回路、１０２，２０５……自己
相関算出回路、１０３，２０３……バッファ、１０４，
２０４……極値テーブル、１０５，２０２……係数算出
回路、１０６，２０６……自己相関逆フィルタ、１０
７，２０７……線形予測回路、１０８，２０８……極値
算出回路、１０９，２０９……バッファ、１１０，２１
０，２１２……比較回路、１１１，２１１，２１３……
メモリ。
抽出装置の第１および第２の実施例を示すブロック図で
ある。 １０１，１０２……制御回路、１０２，２０５……自己
相関算出回路、１０３，２０３……バッファ、１０４，
２０４……極値テーブル、１０５，２０２……係数算出
回路、１０６，２０６……自己相関逆フィルタ、１０
７，２０７……線形予測回路、１０８，２０８……極値
算出回路、１０９，２０９……バッファ、１１０，２１
０，２１２……比較回路、１１１，２１１，２１３……
メモリ。
Claims (1)
- 【請求項１】音声信号から時間窓内の自己相関値を算出
し一時記憶する手段と、極パラメータの値を記憶し入力
コードに対する極パラメータの値を出力する極パラメー
タ値テーブルと、その極パラメータ値から自己相関領域
における逆フィルタリングを行なうための係数を算出す
る手段と、その係数を用いて前記一時記憶された自己相
関値を自己相関領域において逆フィルタリングする手段
を有する型の極パラメータ値抽出装置において、前記自
己相関領域において逆フィルタリングする手段の出力の
うち４次以下の自己相関値から４次以下の線形予測係数
と予測残差のパワーを算出する手段と、その線形予測係
数から極パラメータを算出する手段と、前記予測残差の
パワーの最小値を検出する手段と、その予測残差のパワ
ーの最小値を与えた時の前記極パラメータ値テーブルの
出力と前記線形予測係数から極パラメータを算出する手
段の出力とを抽出された極パラメータの値として出力す
るように制御する手段から構成されることを特徴とする
極パラメータ値抽出装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP61023139A JPH0644196B2 (ja) | 1986-02-04 | 1986-02-04 | 極パラメ−タ値抽出装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP61023139A JPH0644196B2 (ja) | 1986-02-04 | 1986-02-04 | 極パラメ−タ値抽出装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPS62180398A JPS62180398A (ja) | 1987-08-07 |
| JPH0644196B2 true JPH0644196B2 (ja) | 1994-06-08 |
Family
ID=12102220
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP61023139A Expired - Lifetime JPH0644196B2 (ja) | 1986-02-04 | 1986-02-04 | 極パラメ−タ値抽出装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH0644196B2 (ja) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0591695B1 (en) | 1992-09-18 | 1998-02-11 | Hitachi, Ltd. | Processor system using synchronous dynamic memory |
| JP3737437B2 (ja) | 2001-02-01 | 2006-01-18 | Ｎｅｃエレクトロニクス株式会社 | 半導体メモリ及びその動作モードのエントリー方法 |
-
1986
- 1986-02-04 JP JP61023139A patent/JPH0644196B2/ja not_active Expired - Lifetime
Also Published As
| Publication number | Publication date |
|---|---|
| JPS62180398A (ja) | 1987-08-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| RU2685391C1 (ru) | Способ, устройство и система для подавления шума | |
| JP2778567B2 (ja) | 信号符号化装置及び方法 | |
| EP1300833A3 (en) | A method of bandwidth extension for narrow-band speech | |
| JPH0225518B2 (ja) | ||
| CN110797039A (zh) | 语音处理方法、装置、终端及介质 | |
| EP1216504A1 (en) | Spectrum modeling | |
| JPH0644196B2 (ja) | 極パラメ−タ値抽出装置 | |
| KR20020005205A (ko) | 인간 청각 모델을 이용한 효율적인 음성인식 장치 | |
| JPH08305396A (ja) | 音声帯域拡大装置および音声帯域拡大方法 | |
| JP2914332B2 (ja) | 周波数荷重評価関数に基づくスペクトル特徴パラメータ抽出装置 | |
| US4845754A (en) | Pole-zero analyzer | |
| WO2005031702A1 (en) | Method for estimating resonance frequencies | |
| JPH0644198B2 (ja) | 極零分析装置 | |
| CN111862931B (zh) | 一种语音生成方法及装置 | |
| JPH0644197B2 (ja) | 極零分析装置 | |
| JP3932960B2 (ja) | 信号成分抽出方法及び装置 | |
| JP2002244697A (ja) | 音声認証装置、音声認証方法、及びプログラム | |
| JPH0670750B2 (ja) | 位相特性の推定を伴う極零分析装置 | |
| JPH11242018A (ja) | 巡回型フィルタによる分析方法及び分析装置 | |
| JPH06202695A (ja) | 音声信号処理装置 | |
| JP3785736B2 (ja) | データ処理装置 | |
| JPH0235990B2 (ja) | ||
| JPS5876891A (ja) | 音声ピツチ抽出方法 | |
| JPH0670753B2 (ja) | 極零分析装置 | |
| JPH0731511B2 (ja) | フオルマント抽出器 |