JPH07501897A - 音声情報抽出装置 - 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】 音声情報抽出装置 この発明は、音響信号、特に人の音声に関連する音響信号の情報内容を引き出す ための方法および装置に関する。

２、背景技術 人の音声から情報内容を引き出すための従来の装置には様々な問題がある。音声 起動装置、コンピュータ、タイプライタ−を含むそのような従来の装置は通常、 話された言語を認識し、理解し、応答しようとする。デジタル通信リンクを介し ての音声を伝達するコストを最小に抑さえるために、音声圧縮装置はデジタル化 された音声のコード化に必要なデータのビット数を最小化しようとする。補聴器 は音声から情報を引き出そうとする難聴者の能力を高め、音声をより良く理解し ようとする。他にも音声を解釈したり、それに応答したりする装置が多数存在す る。

ここに開示するように、このような装置か困難に直面し、しかもそれにほとんど 対処できないのは、そのような装置が人の耳の操作原理とは全く異なる操作原理 を取り入れているという事実に由来する。そのような装置は、耳に見られるもの と同し情報抽出原理を取り入れることに失敗したため、能率的な方法で音声の情 報を引き出したり、表したりすることができない。

Ｃｈａｐｐｅｌｌ　は１９８６年６月にｒＭｉｃｒｏｗａｖｅ　Ｓｙｓｔｅｍ　 Ｎｅｗｓ　ａｎｄ　Ｃｏａｍｕｎｊｃａｔｌｏｎ　ＴｅｃｈｎｏｌｏｇｙＪて発 表したｒＰｌｌｔｅｒ　Ｔｅｃｈｎｉｑｕｅ　Ｏ［Ｔｅｒｓ　Ａｄｖａｎｔａｇ ｃｃｌ　ｆｏｒ　Ｉｎ５ｔａｎｔａｎｅ盾浮■ Ｆｒｅｑｕｅｎｃｙ　ＨｅａｓｕｒｅｍｅｎｔＪという論文の中で、伝達フィル ター選別器あるいは比検出器の基本的概念を開示している。Ｃｈａｐｐｅｌｌは 音声ではなく、個々のレーダーパルスの周波数の測定にその技術を適用しており 、周波数の多様性処理のための高調波の組合せの測定には注目していない。また Ｃｈａｐｐｅｌ　ｌは、本書で示すような完全な線形選別器曲線あるいはガウス 型の完全対数選別品曲線を示すガウスフィルターではなく、非線形の周波数選別 品曲線を示すバターワースフィルターを使用している。

ＭｏｒｌｅＬ等ハ、１９１１２填−ｐｈｉｓｉｃｓに発表した「波形伝搬とサン プリング理論」という論文の中で、周波数の対数軸に沿って等間隔に置がれた、 ガウスフィルターを持つフィルターバンクを開示している。そのシステムは音声 ではなく地震波に適用されており、周波数の多様性処理のための高調波の測定や 組合せには注目していない。

Ｈａｒｕｃａｎは、アメリカ音響学会誌に１９９０年に発表した「別方法による 周期的複合音内での誤調整された高調波の聴取」という論文、および「聴覚機能 」という本の第２１章「ピッチの知覚と聴覚本質の分離と統合」の中で、異なる 音を認識し、区別する聴覚系の能力について記述しているが、それがどのように して行われるかについてはふれていない。高調波の周波数を測定するための周波 数ｍり過程の利用、および従来のスペクトル解析に利用されているような周波数 成分を改造するための高１週波テンプレートに合う［ピッチメータ刊も開示され ている。しがし、このような文献では人の耳に見られる機能的特徴を説明できな い。さらに耳は、多目的検出器というよりはむしろ本質的には変調検出器である こと、音声の変調は高調波に関連するキャリアーを通して周波数変化を伴うＡＭ ／ＦＭ混成信号を利用していることを公開している文献はない。なぜ人のピッチ の知覚が対数関数的であるのかというと、適切に高調波をＦＭに復調するために は、対数関係にある中央周波数に比例する帯域幅をもつ帯域通過フィルターが必 要だからである。最後になるが、比検出器は公開されていない。

信号をコード化した情報は、様々な方法で引き出すことができる。通常、信号か ら情報を引き出すための最善策は、情報をコード化するために用いた方法と同じ 方法を用いることである。フーリエ係数や波形変換係数、線形予ｔｌｌｊ係数を 用いた方法、あるいは音響信号それ自体の測定による一般的技術を用いた方法の ような、音響信号から情報を引き出すための一般的なデータ処理方法を人の耳は 使用していないよってある。

人の音声には通常、１秒当り約１００ビツトの情報しか含まれていない。さらに 、音声が、電話（鐘の音）の音質に関するナイキスト限界であるｇ、ｏｏｏサン プル／秒の割合で１２ビツトのアナログ−デジタル変換器によってデジタル化さ れる場合、約１００．０００ビツトのデータか各音で得られる。従って、データ のビット数を減らすために音声のデータを１０００分の１まで圧縮し、しかも全 情報を維持することは可能なはずである。数十年にわたる懸命な研究にもかかわ らず、電話の音質の音声で達成された最善の圧縮率は、４８００ビット／秒のコ ード励起線形予知（ＣＥＰＬ）技術によって達成されたものであるが、約２０分 の１に過ぎない。さらに悪いことには、高度の圧縮率を含む音声圧縮技術は非常 に複雑で、その実行のためには膨大な量の計算を必要とする。

音声の信号を圧縮したり、あるいは別の方法で処理する機械を製造しようとする 際に生しる難題は、音響知覚に「鶏と卵どちらが先か」という種類の問題が伴う 結果中しるものである。音声の情報は、情報が音声の信号内にどのようにコード 化されているかを、まず最初に分からなければ、引き出すことができない。一方 、情報がどのようにコード化されているかを理解するのは、情報を再現する実際 的な方法がなければ難しい。この状況は、１ｌｃｒｉａｎ　ｖｏｎ　）Ｉｅｌｓ ｈｏｌｔｓが「共鳴器」によって人の聴覚機能を説明しようとして失敗して以来 、百年以上というものほとんど変化しなかった。それ以来、音響知覚に関する多 くの理論が発表されたが、いずれも観察される聴覚系の知覚応答の大半を説明す ることができない。このように理論的理解がなされていない結果、耳と同しよう に離れた方法で実行する機械は製造されたことがなかった。

そのため、従来の方法は不正確であったり非能率的であることが多い。本書で示 す発明は、人の聴覚系の作用により適合する技術を用いることによってこのよう な問題を解決している。

発明の目的 先に諭したような関連する技法の限界を考えると、この発明の目的は、人の聴覚 系の機能と同様な方法で機能し、また類似の音舌性能を持っている、音声情報の 優れた抽出装置を提示することである。

振幅や位相のひずみ、ノイズ、干渉、および音声のピッチに比較的感度の低い音 声情報抽出装置を提示することが、この発明のもう一つの目的である。

さらに、入力された音の強度と周波数の両方に対して人の耳と同様に対数関数的 に応答する音声情報抽出装置を提示することが、発明のもう一つの目的である。

発明の要約 この発明における上記の目的およびその他の目的は、汎用音響解析装置ではなく 、むしろ特殊目的の変調解析装置のような耳のモデルに基づく方法と装置によっ て達成される。この方法に従って、人の声や楽器によって作り出されるような調 和的に配置されたキャリアーの音調がら振幅や周波数の変調情報を引き出すこと を、特にこの発明では意図している。そのような音の特殊な性質に関する「演鐸 的」知識を取り入れることによって、耳およびこの発明は共に「不確定性原理」 における抜は道を有効に利用する。これによって、この発明および耳は、従来の 音声処理技術よりも、より正確に音声の高調波の周波数の変調を測定することが できる。

この発明は、様々な周波数、瞬間周波数および振幅（ＡＭとＦＭ）を用いて音響 情報を表すためのものである。不確定性原理の抜は道を利用することによって、 この技術は、従来のフーリエ解析およびその関連方法より、１００倍も正確に周 波数情報を測定するシステムを可能とする。さらにこの発明の方法は、耳による 対数関数的な周波数のコード化、誤調整の際に生しるような振幅ひずみ、位相ひ ずみ、および僅かな周波数変化に対する耳の無感覚性、単一側波帯無線伝送、お よびピッチに無関係であるために話し手にはほとんど左右されない音声情報の抽 出に一致する。

この発明は、周波数選別と振幅復調を利用して、音声信号の各高調波の周波数と 振幅の特性を引き出すことによってトデ作する。次に、周波数の平均変調を得る ために、所定の各高調波の一連の周波数変調を合計する。実施例としては、この 発明は所定の周波数比に分離された複数の個々の隣接フィルターを備えた受信機 を有する。例えばガウスフィルターおよび対数増幅器を用いて、隣接するフィル ターで単一振幅の対数関数が得られると、比検出器を組立てるように差し引く。

次に、出力信号を組立てるるために、基本周波数の高調波について加重合計を計 算する。組立てられた出力信号は、最高のＡＭ対数信号をもつチャンネルから選 択された単一チャンネルのＦＭ対数信号である。重みを付けることは、ｉｎ＋定 された基本波の整数倍である周波数に最大の加重を与え、フィルター内に含まれ るそれ以外の高調波の信号に低い加重を与えることである。これによって、ノイ ズや見せかけの信号の影響が減らされる。このように組み立てられた出力信号は 、音声の解釈システムに利用するために、要望に応して緩和され、デジタル化、 あるいはその他の処理を行うことができる。

特にこの発明では、無線信号をＦＭ変調するための比検出器、対数周波数軸をも つガウス（ガボー）関数フィルターバンク、周波数ダイパーシティ信号、および 対数関数によるコード化の結果生しるスケール不変性を取り入れている。

図面の簡単な説明 この発明の上記目的およびその他の目的は、以下に詳細に述べる方法および装置 によって達成されるが、参考のために次のような図も示す。

図ＩＡは、広いフィルター帯域幅をもつフーリエ解析に基づく　“Ｔｈｅ　ｂｉ ｒｃｈ　ｃａｎｏｅ　５ｌｉｄ　ｏｎ　ｔｈｅ　ｓｍｏｏｔｈ　ｐｌａｎｋｓ− のセンテンスのスペクトグラムである。

図ＩＢは、帯域幅の狭いフィルターを用いた図ＩＡと同様のスペクトグラムであ る。

図２は、フィルターの通過帯域内のどの信号の瞬間周波数でも測定できる比検出 器を作るために用いた、二つの隣接するガウス帯域通過フィルターの周波数応答 を示している。

図３は、広く平坦な通過帯域のある複合フィルターを作るために組み合わされた 数個のガウス帯域通過フィルターを示す図である。

図４は、フィルターバンク内にあるそれぞれか周波数の対数に対するガウス振幅 応答曲線を有する七；域通過フィルターの周波数に対する振幅の応答を示す図で ある。

図５は、比検出器を作るためにフィルターバンクから検出された瞬間振幅の対数 を結合したことを示す図である。

図６（ａ）は、時間と瞬間振幅の対数に対する音声波形、およびフィルターバン クから検出された瞬間周波数の対数を示す図である。

図６（ｂ）は、数秒の音声にの従来のフーリエスペクトログラフである。

図７は、この発明のブロック図である。

図８は、この発明に従って加重された周波数平均を得るための装置を示す図であ る。

図９ａは、三つの音質信号発生装置に対する６４ポイントＦＦＴのパワースペク トルを示す図である。

図９ｂは、図９８の６４ポイントＦＦＴに対応する３２比検出器に関して比検出 出力を表として示す図である。

図９０は、複合入力信号の成分を同定するための、この発明による複合評価シス テムのブロック図である。

実砲例の詳細な説明 人の視見処理系および聴覚処理系において、これらの系の受容器官が信号それ自 体ではなく、多様な周波数のバンド内にある信号の強度の対数にのみ直接応答し ているという事実によって、非常に制約されている。人の視覚系と聴覚系では、 フーリエ解析あるいはその他の従来の信号処理を行っていないようである。それ は、これらの技術は人力時の信号強度の対数値よりはむしろ信号自体の測定を必 要とするためである。人の目の網膜は、三種類の円錐体細胞によって三つの周波 数帯域内で静１定される三つのｌｏｇ　（強度）から高解像度の周波数（色）情 報を引き出す、ということが知られている。約２００年前にＴｈｏｗａｓ　Ｙｏ ｕｎｇが初めて提議してから今日まで、研究名達はそれかとのようにして行われ ているのかを完全には理解できなかった。ノーヘル賞受賞名であるＤａνｉｄ　 ｌ１ｕｂｃｌによる１目、脳と視覚”という１９８０年の研究の１８７−１８８ ページを参照されたい。一つの方法は、この現象の作用を比検波器として考える ことである。そうすると同様の現象が人の聴覚処理にも存在すると仮定される。

従って、この発明で開示するように、この現象は音声の処理システムに利用でき る。他の技術とは異なり、この技術で得られる応答は実験的に得られた人の聴覚 系の音響反応とほぼ同じである。

図ＩＡおよびＩＢを見ると、同じ会話文の二つのスペクトグラムが示されている 。図ＩＡのスペクトグラムは広いフィルター帯域幅をもつ従来のフーリエ型解析 を用いて得られたものであり、音声の文献で見られる従来のスペクトグラムであ る。図ＩＡとＩＢは、１９８７年に発表されたり、ＯｏＳｈａｕｇｈｎａｓｓｙ の°５ｐｅｅｃｈ　Ｃｏｍｍｕｎｉｃａｔｉｏｎ　−１１ｕｍａｎ　ａｎｄ　Ｍ ａｃｈｉｎｅ”の図６．９Ａと６．９Ｂから再生したものである。図ＩＢのスペ クトグラムは狭い帯域幅フィルターを用いて作成したものであり、明らかに音声 の特徴である声の高調波を示している。フーリエの不確定性原理による制約のた め、文献にあるような非常に高解像度のスペクトグラムに出会うことは稀である 。不確定性原理は、フィルターバンク内で形成される周波数と一時的な解像度と の積かある最低値以下になることはないことを定義している。

最終的に、周波数に関して高解像度のフィルターバンクは、時間に関する解像度 が低いため、会話の言葉と言葉の間にあるような短い空白の解析は困難になる。

しかし、単一の音調がある一個のフィルターの帯域幅内に存在することが演鐸的 に分かっている場合、あるいはそのように配置されている場合、不確定性原理は 当てはまらない。このような技術は、以前から無線警報受信機に利用されてきた 。

人の音声信号と人の聴覚フィルターバンクの構造は、別々のフィルター内に存在 する重要なパワーレベルに周波数や振幅の変調した各高調波を配置するという方 法を用いてモデル化することができる。従って、この各高調波の変調情報は、周 波数と時間の画情報を含んでおり、従来の変換型解析に対する不確定性原理によ る制限を２〜３桁以上超えた精度で引き出すことができる。さらに、この変調情 報は全て、各高調波の強度の対数をＭ１定するだけて引き出すことができる。従 って、たとえ耳が１２桁の大きさのダイナミックレンジに及ぶ音声信号に応答す るとしても、コード化された情報全てを僅か１桁の出力信号にコード化すること ができる。このような情報の圧縮は全ての音響処理応用に深い意味を有している 。

同時に発生する音響信号の３ｉｆｆｌｌｌと処理、およびそれからの情報抽出は 、全部が混って大きな山になっているいくつかのジグソーパズルから決まったピ ースを選ぶのに幾分似ている。まず、多数のピースを各パズルに分離する必要が ある。次に、今度は各パズルが完成された場合に形成されるはずの絵に従って、 各パズルを組み立てなければならない。これを行うだめの一つの技術は、互いに 「一定の」関係を持っピース同志を集めることである。例えば同じような独特の 色をしたピースや、同しような平らな端（パズルの縁であることを示唆する）の ピースを山から分け、−緒にまとめる。これをうまく行うには二つの能力が必要 である。一つは、僅かな色の変化や端の「平坦さ」の変化を見分けることができ るような「正確な測定」を行う能力である。もう一つ必要な能力は、精度の異な る測定間の相関を探知する能力である。

音響信号によって表されるパズルは、瞬間振幅と周波数の正確な測定を行い、様 々な測定間の相関を検出する同様な方法により、分離できる。多くの狭い帯域幅 から成るフィルターバンク、ＡＭ検出器は、雑音の中から信号を検出する一つの 方法である。各検出器は、ある程１１Ｊ々の周波数帯域に同調されているので、 検出器が実際に検出した信号が分かれば、信号周波数の粗い測定ができる。しか しこの粗い４Ｆ［定は改善できる。

二つの「ガウス型」帯域通過フィルター２０１と２０２において、周波数に対す る振幅の応答を図２に示す。フィルター通過帯域は、周波数Ｎ△ｆおよび（Ｎ＋ １）△ｆの間に中心がある。ここで、△ｆは二つのフィルターの間の間隔に等し く、またフィルターの帯域幅の尺度でもある（”　Ｎ”は、フィルターバンクと 呼ばれる、等しい間隔て置かれた一連のフィルター内におけるＮ番目のフィルタ ーを指す。）。

振幅”Ａ″と周波数”　ｆ“の正弦波信号がこれら二つのフィルターを通過する とき、二つの各フィルターからの出力は、周波数が”　ｆ“で、振幅は周波数の ガウス型関数であるａ　（ｆ）およびｂ　（ｆ）の、信号の減衰コピーである。

周波数に対する振幅の別の応答を利用できることに注意すべきである。ガウス型 応答を選択した理由は、ガウス型応答が時間と帯域幅との積が最低となる可能性 があるという意味で最適な応答であるためである。

二つのフィルターの通過帯域内に他の信号が存在しない場合、これら二つの振幅 は、音声の場合のようにゆっくり変化すると考えられる人力信号の瞬間周波数を 正確に決定するために利用できる。比ａ　（ｂ）　／ｂ　（ｆ）の自然対数を取 ると次式か得られる。

ｉｎ　［ａ　（ｆ）　／ｂ　（ｆ）　］　−−（ｆ−Ｎ△ｆ）　２／△ｒ２＋　 （ｆ−（Ｎ＋１）　△ｆ）　２／△ｆ２二つのフィルター出力の比を取れば、振 幅の変化が相殺されることに注目すべきである。入力信号の振幅が時間によって 変化しても、出力はなお振幅に無関係である。この機能を果たす装置は比検波器 と呼ばれ、当業者には良く知られていたように、長い間（ガウス型フィルターは ないけれども）ＦＭラジオ受信器に利用されていた。

この式の分子を展開すると、次式になる。

−ｆ２＋２ｆＮΔＩ−（ＮΔＩ）　２千１２−２ｆ（Ｎ＋１）ΔＩ＋Ｎ２△ｅ２ ＋２Ｎ　Δ１２＋　Δ１２−−２ｒ　△Ｉ＋２Ｎ　Δ１２　＋　Δ１２故に、（ △ｆ／２）　ｌｎ［ａ（ｆ）／ｂ（ｆ）コーｆ＋（Ｎ＋１／２）Δｆ従って、周 波数ｆについて、次のような解が得られる。

ｆ−（Ｎ＋１／２）Δｆ−（Δｆ／２）　Ｉ　ｎ　［ａ　（ｆ）　／ｂ　（ｆ） 　］　、または：ｆ−Ｎ△ｆ＋△ｆ／２−（△ｆ／２）　ｆｉｎ　［ａ　（ｆ） ］　−Ｉｎ　［ｂ　（ｆ）］ｌこの式の最−項Ｎ△ｆは、単に初めのフィルター の中心周波数のことである。

第二項は隣接フィルター間の間隔の半分に等しく、最後の項は二つの隣接フィル ターの出力振幅（強度）の対数値の差に比例する。ｆが二つのフィルターのちょ うど中間である際に生しる、ａ　（ｆ）　−ｂ　（Ｄの場合は、この式はまさに ｆ−Ｎ△ｆ＋△ｆ／２となる。

二つのフィルター通過帯域内に一つの信号しか存在しない場合には、上の式に従 って信号の振幅とは無関係に、フィルターから”対数検出された°出力振幅の間 の差の単純な関数として、信号の瞬間周波数を決定することができる。充分なＳ ／Ｎ比が与えられれば、たとえ非常に短時間の信号であっても、フィルターの帯 域幅の非常に小さな分画まで正確に、瞬間周波数を容易に決定できる。さらに、 フィルターか完全な音声周波数域に比べて比較的狭い帯域幅を持つ場合（最適な 信号検出の場合のように）、大部分の時間、フィルターバンク内の大部分のフィ ルターは内部の（高調波のような）ある信号の単一成分しか持たないであろう。

人の耳は、非常に広範囲の信号振幅に対応できるように、信号振幅に対して対数 応答を示すよってある。上述の技術を用いればご　ｌｏｇＡＭ検出”フィルター バンク（広範囲の振幅にわたる狭い帯域信号の検出に最適）の構築に必要な費用 に多くは上積みせずに、対数検出ＡＭを利用して、正確な瞬間周波数の測定を行 うことができる。これらは信号源を識別して位置づけるために信号を分別するた めに非常に有効である。

各音調を別々に分離し、瞬間周波数を正確にｎｊ定てきることに加えて、この種 のフィルターバンクは別の特性を有する。図３に示したように、ジグソーパズル のピースを分類した後、そのピースを組み換えるために利用できるのである。

フィルターバンク内の各フィルターの出力を合計することによって、他の帯域通 過フィルターを”合成“することが可能である。図３に示すように、隣接フィル ター出力（例えば、フィルター３０１）を合計することにより、別の帯域幅の広 いフィルターを作成できるため、周波数に対して理想的な一定振幅応答を示すフ ィルター３０３を合成できる。これは、信号の周波数特性が不明である場合は、 信号を最適なフィルターにかけるという問題を解決するために、重要である。こ の種のフィルターバンクは、雑音や干渉信号を取り除くために最適なフィルター を合成することによって、最適条件下で信号を効果的に再度フィルターにかけ、 周波数特性の正確な測定を可能にする。

換言すると、信号を引き離してフィルターバンクの各フィルター内にある個々の ピースを解析した後、（高調波の周期的な周波数間隔のような、正確な測定間の 相関を利用することによって決定された）選択したピースを全くひずませること なく再構成てきる。ピースを再度集める際に信号がひずまないようにするため、 再横築された信号のフーリエ係数が元の入力のフーリエ係数と同じである（ある いは比例する）ことが保証しなければならない。合成フィルターはその帯域通過 フィルター内で周波数に対して「一定の」振幅で構成されるという事実は、合成 されたフィルターが正しい振幅比を維持できるということを意味している。

しかし、ひずみを避けるためには、出力の位相応答も入力の位相応答と合致しな ければならない。振幅応答か同じであるというだけでは不十分である。対称的な 有限インパルス応答（ＦＩＲ）フィルターを利用することにより、振幅と位相の 両方が確実に合致するようにフィルターバンクを構成することができる。このよ うに、フーリエ係数は比例するので、フーリエ式内の項を合計して得られる信号 の各合成測定値は、それに対応する元の入力測定に比例するはずである。

音声知覚の別の特徴は、人のピッチの知覚が周波数自体ではなく周波数の対数に 応答するという点である。遠くから等しく　（同じ間隔で）聞こえる音調は、周 波数では全く同じ間隔で存在するわけてはないが、周波数の対数は等しい間隔で ある。この知見は非常に誤射されているが、音楽の構成や評価、および楽器の調 律における重要因子であることは確かである。このように、人の聴力は単に一定 の周波数周波数内にある信号を検出することに適しているだけでなく、ある種の 変調を検出し、識別することに適していると思われる。人の聴力は２０−２０， ０００ヘルツの周波数範囲に「同調」されていることは良く知られている。し力 化、人の聴力はある限定された範囲の振幅および周波数の変調だけを選び出すた めにも同調できるよってある。耳はある範囲の変調だけに感受性を示すという事 実は、ＨａｒｔＩＩｌａｎｎが諭したように、音声機能試験で示されるような行 動をする理由となる。

これは、私達が行うやり方で楽器を調律したり音楽を構成する理由を説明するも のである。

古代ギリシャの昔から、弦楽器で演奏される音符のピッチの差は、互いに整数比 であるように、ある一定の長さもしくは「間隔」に分割した弦の上の指の位置と 一致することが知られていた。弦が振動する基本波の周波数は弦の長さに比例す るので、これはギリシャ音楽音階の音符は周波数と同じ間隔では上昇しなかった ことを意味する。そうではなく、それらは標準的周波数比で上昇したのである。

比の対数は、比の分子および分母の対数の差と等しいので、音符のピッチの標準 的差は、周波数自体ではなくて周波数の対数の標準的差に一一致する。

耳は本来、この種の対数同調を°好む°という事実は、楽器の調律や、音楽の演 奏に相当な問題を引き起こしてきた。一度に一つの音符というような簡単なメロ ディ−を演奏するのは難しくない。しかし、例えば和音を作る場合のように、異 なるピッチのいくつかの音符を同時に演奏すると、直ちに問題が生じる。問題は 、音調のｗ水波または高調波の間に”うなり”が生じる可能性があるということ である。ある種の″うなり周波数”て生じるうなりは、音楽家達が不協和音と呼 ぶものを作り出し、非常にうるさくなる可能性がある。基本波の高調波は周波数 が等間隔なので、それらの周波数は、周波数が等間隔であるとは限らない音階上 の他の音符の扶水波と全く同しであるはずはないが、うなり周波数がゼロであれ ば、うなりは聞こえないはずである。対数的に調律した音階上の別々の音符の別 々の高調波間の周波数に見られる僅かな差がうなりの原因となる。

しかし、人の耳はうなり周波数（瞬間振幅変調の周波数）と振動周波数（瞬間周 波数変調の周波数）の非常に限られた範囲に敏感である。従って問題は、調律時 に幾分妥協し、最、鵠な不協和音を避けるためにある種の限られた音符の組合せ （良く知られている和音）だけを演奏すれば緩和できる。従って、普遍的言吾で あるには程遠いが、人の音楽は私達の耳の瞬間振幅および瞬間周波数解析能力の 通過帯域に正確に合致するよう１ご調律“されている。たとえほかに多数の不協 和音か存在しても、問題ではない。耳の音響信号処理システムによって探知でき る狭い範囲の変調帯域幅の外にある限り、それらの音は決し７て聞こえない。明 らかに、そのような不協和音に関する情報は、人の音響センサーによって脳の相 関器官に送られる情報内にコード化されないのである。

これは既にここて述へたいくつかの点を強調するものである。第一に、ある音調 の瞬間周波数を不確定性原理によって定められる限界よりも正確にｉｌｌ’ｌ定 するためには、測定装置の帯域幅内に単一の周波数成分だけが存在するように設 置する必要がある。第二に、変調信号はゼロでない帯域幅を有する。これらの帯 域幅力（変調のＡＰＩ定に用いるチャンネルフィルターの帯域幅より大きいと、 変調内に存在する情報は失われてしまう。最適なフィルター幅は、どの信号を最 も検出したいかによって決まる。このような信号の多くは（振動する声の和音の ような）振動源によって生じたものであるならば、信号は多くの高調波を含んで いる。一つの高調波の瞬間周波数を測定するためには、あるフィルター内にはそ の高憩だけが存在するように、フィルターは充分狭くなければならない。一方、 振動は通常変調されている。変調をＭ１定するには、フィルター帯域幅が変調の 帯域幅以下となるほど狭いフィルターであってはならない。最後に、高調波の間 隔は基本周波数あるいはピッチの関数であるため、最適なフィルターの帯域幅も 周波数の関数になるはずである。従って、フィルターのために最適な間隔と帯域 幅は、信号に依存し、私達は常に全ての音を同時に最適条件で使用することはで きない。

何百万年にもわたって自然は、人の耳を、高調波に富んだ人の声の音のように比 較的狭い変調帯域幅を持つ音を検出し、特性を捉えるのに最適であるようにして きたよってある。これが「硬電線」を音声電気回路内に直接取り入れた演鐸的知 工の形式である。明確に言えば、ｆｆ１ｒｘＪよって周波数を変えるように基本 波の周波数か変調するならば、ｒＮＪ番口の高調波はＮｘの量だけ周波数か変わ る。

換言すると、高調波の帯域幅は高調波の周波数に比例する。これが対数周波数ス ケールの理由である。変調したそれぞれの高調波の瞬間周波数を測定するため、 フィルターバンク内のフィルターの帯域幅は、フィルターを調節した中心周波数 に直接比例して広げなければならない。一方、フィルターの帯域幅が広くなりす ぎて、フィルターの通過帯域内に一個以上の高調波が存在するようになれば、瞬 間周波数の正確な測定は不可能となるだろう。結局、基本波の周波数変調が基本 周波数の本質的部分を占める帯域幅を有する場合には、フィルターは高次の高調 波の瞬間周波数を完全にａｌｌｌ定することはできない。

人の声の周波数範囲内では、周波数がほぼ直線的に増加する帯域幅のあるフィル ターかあることが期待されるたろう。これらのフィルターの帯域幅は、同調され る中心周波数のｌＯ％程度である。帯域幅がより広ければ、フィルター通過帯域 内には一つ以上の高調波が生じるので、高次の高調波の瞬間周波数の測定は不可 能となる。帯域幅がより狭ければ、声の周波数範囲内で通常生ずる僅がな周波数 変調を測定することができない。同様の原理は音声の周波数以外で作用するシス テムにも当てはまる。しかし、声の周波数１人外にあるフィルターは、音声以外 の信号に対しても完全に作動できる。

会話の際の人の声の平均的ピッチは、１００ヘルツ（ベース）から３００ヘルツ （ソプラノ）の範囲の周波数に及ぶ。歌声のピッチ範囲は約８０ヘルツから、ソ プラノの”高いＣ゛である約１０５０ヘルツに及ぶ。それに対し、ピアノのキー では基本波の周波数範囲は２７．５〜４１８６ヘルツである。音声の平均ピッチ をできるだけ完全に２００ヘルツにすると、帯域幅は約２００ヘルツから少なく とも２０００ヘルツまで直線的傾向を示すと予想される。しかし、その傾向は電 話回線を通過する周波数の上限である約３５００ヘルツ以上では続かないと考え られるが、それはその周波数以上の高調波では声かほとんどパワーを出せないか らである。

線形周波数スケールから対数関数スケールに切り替わると、ＦＭ検出フィルター バンクの設計が大きく影響を与えるように思われるかも知れないが、実際はそう ではない。ＦＭＩ出フ出歩イルターバンクす先に諭した数値と式に従って、周波 数をｌｏｇ　（周波数／Ｆ）で置き換えると（Ｆはフィルターバンクの最初のフ ィルターか同調された周波数）、瞬間周波数自体ではなく瞬間周波数比の対数を Ｍ１定する新しいフィルターバンクが得られる。これらのフィルターの応答は、 図４に示すように、線形周波数スケールでプロットできる。図４は、各帯域通過 フィルターかｌｏｇ　（周波数）に対するガウス型振幅応答を示す帯域通過フィ ルターで構成されるフィルターバンク内におけるフィルターの周波数に対する振 幅応答を示している。フィルターバンクはフィルターがそれぞれ４分の１オクタ ーブずつ離れているように設計された。すなわち、どのフィルターから始めて、 四枚分のフィルターたけを左または右に移動しても、実際はフィルターの中心周 波数か二倍しか変わらないということである。

人の音響感知を考えて見ると、耳の中にあるフィルター機能はもう少し細かな、 オクターブの約１２分の１はどの周波数間隔であるように思われる。直接的な接 近方法がなく、しかも主観的要因が多数あるため、人の音声処理における帯域幅 を正確に決めることは困難であるが、この影響に関する証拠はいくつがある。、 ２０Ｏヘルツ以上では、円ＣＭｐとＭＩＩｌｐｅ口が集めたデータによれば、は っきりと聞こえるためには、二つの異なる正弦波音調は、少なくとも１．１８の 周波数比もしくは４分の１オクターブの周波数比で分離されていなければならな い。音調をそれぞれ聞き分けることができるということは、音調が別々のフィル ター帯域幅にあるということなので、フィルター帯域幅はフィルターの中心周波 数の１８％より幾分狭くなければならない。ｌｌａｒｔｍａｎｎは、２００ヘル ツ付近の基本波周波数でほぼは１２次の高調波までは聞き手は誤って同調された 高調波の周波数を正確に推定できるが、それ以上の高調波では“うなり感覚′が あると述べている。また彼は、°誤って同調された高調波を識別する際に、２． ２〜３．５ヘルツまでの完全周波数限界”が存在するらしいと報告している。う なり感覚は、その高調波では、フィルターが複数の高調波からの重要なパワーを 通すに充分なほど広いことを示唆するものである。完全な周波数限界は、人の声 の周波数域以上でフィルターを通過はこの範囲内でのものとは異なる可能性があ ること、また別の目的にとっては最適である可能性のあることを示唆するもので ある。

ＡＭとＦＭの高調波を音声の信号内に対数関数にコード化すると、信号の情報内 容のコード化１ごスケール不変性”を入れることになる。異なるピッチの音符を 楽器で演奏する場合、明確に＆識できる音色によって、その楽器を２１１できる 。

音の周波数は完全に異なるが、何故か音は同じ性質の情報を伝える。同様に、低 いピッチの男性の声で話した場合でも高いピッチの女性の声で話した場合でも、 音声をコ５すすることが可能である。表１はある音声処理装置が、四つの高調波 からなる複合音を受信した後に、各高調波の瞬間周波数の対数を計算した結果を 示している。

基本波の瞬間周波数は時間の関数、ｆ　（ｔ）である。各高調波の瞬間周波数は 、基本波の瞬間周波数の単純な整数倍である。対数操作によって関数ｆ（ｔ）は 高調波次数から分けられる。これらの関数を時間に対して図示すると、垂直方向 のオフセット以外は、すべて同じに見える。確かに、関数から各関数の平均値を 差し引くと、即ち高度通過フィルターを通すと、四つの同し関数が得られる。他 の点が同じであるとき、この操作を行った場合の出力はピッチに左右されない。

このことは二つの重要な点を明らかにする。第一に、人の音声の情報速度は、新 しい情報についてわずか毎秒約１００ビツトである。それは、通常の電話による 会話と比較すると、信号対雑音比（Ｓ／Ｎ比）に対して音声信号が占める帯域幅 に対するンヤノン容量よりも非常に少ない。このことは、人の音声の信号化は低 いＳ／Ｎ比の会話に適合しており、観察される情報速度はンヤノン容量により近 いものになることを示唆している。電話回線上の人の音声は、同一回線を使用し た高速のモデム信号で理解するために必要なＳ／Ｎ比よりも、数百倍も低いＳ／ Ｎ比でも容易に理解することができる。理解できるということは、生残のために 重要な特性である。雑音の多い環境で生きるためには、可及的速やかに確実に伝 達する能力を高めるという特性の進化を自然は選択するであろう。しかし、ンヤ ノン容鹸理は速度と確実性は両立しないことに言及している。低いＳ／Ｎ比の環 境では、同じ帯域幅を持つ高いＳ／Ｎ比の環境と同じ情報伝達速度は維持できな い。人の音声と聴力は、速い伝達速度ではなく低い低いで作動するように適合し ていると考えられる。緩慢な情報の伝達はこの特性に大きく影響している。

真の高調波成分に関しては、各高：Ａ彼の瞬間周波数の情報内容が、基本波の情 報内容と同しであることに注意すべきである。周波数多様性信号として知られる 複数の周波数による同一情報の同時伝達は、高周波ラジオから超音波自動焦点カ メラまでの、人工の装置に使用されてきた。その目的は、たとえ環境がいくつか の周波数を濾過し、雑音や破壊的干渉によるものを消去するとしても、必要な情 報の受信を確実にすることができるようにすることである。情報の緩慢な伝達は 、帯域幅が支持てきる情報速度を減少させるが、伝達の確実性は高める。

第二の点は、Ｅ１１過程において、異なるピッチの声や大きさの水準について次 の処理のために話し言葉を記録したり別の表現に分離したりする必要はないとい う点である。瞬間振幅と周波数の４−１定から平均値を対数変換して差し引くこ とによって、センサーは、入力信号のピッチにも大きさにも依存しない情報を表 現する次のような処理装置を提示することができる。ピッチと大きさの情報は失 われるが、それらは分解されて、別々の情報断片として報告されるのである。

これは、チャンネルフィルターからの瞬間周波数情報が、識別過程で活用される 唯一の情報であることを意味するものではない。各高調波の瞬間周波数の情報内 容は同一であるけれども、高調波の瞬間振幅の情報内容は異なる可能性があるこ とに注意ずべきである。例えば、いくつかの高調波は他の高調波より速く減衰す る可能性がある。また、再構成された広帯域信号の解析から得られる情報力’＋ １１用される可能性もある。例えば、楽器の音色の二ニ友は、高調波間の位相関 係に左右されることか知られている。ある波形の高調波の相対的位相が、広帯域 波形の瞬間振幅あるいは包絡線を変化させる可能性がある。従って、包絡線は同 一のパワースペクトルを持つ波形を１号すするために有効であるかも知れないが 、位相スペクトルを変えてしまう。

ここに開示する発明は、各音声の高調波の振幅と周波数変調（ＡＭとＦＭ）を測 定することによって音声からの情報を引き出すものである。変調の帯域幅は通常 、音声信号自体よりも１００−１０００倍小さ９ため、ナイキストのサンプリン グ理論は、変調をコード化するには、音声自体をコード化するために必要なデー タビットよりもかなり少ないデータビットを使用すれば良いことを保証している 。さらに、高調波のＦＭの白々数ｊ数は定数以外は全て同一であるため、それら を平均して単一１ｕ合ＦＭを得ることができ、これにより引き出されたＦＭ情報 をコード化するために必要なピント数をさらに減らずことになる。大局的な情報 理論からは、一つの信号の変調だけか情報を伝えることになる。従って、音声の 変調を直接抽出すれば、音声信号の情報内容を簡潔に表することになる。

この発明はまた、信号自体は１ｌＰＩ定せずに、限定されたダイナミックレンジ の装置技術を利用してこの変調情報の抽出を可能にする。ある帯域通過フィルタ ーの出力時に、信号強度の対数だけを測定すれば良いのである。また、ＡＭとＦ Ｍの対数のコード化は、同し変調の線形コード化に比べると、抽出された情報の コード化に必要なデータビット数をはるかに減らすことになる。

この発明は、人の音声が振幅と周波数の変調した高調波で構成されていることか 「知られている」という事実を、人の聴覚系が特に利用している、という認識に 基づくものである。従来の理論家達は、音声のデータを解釈するために必要な全 情報は、音声信号自体の中のどこかにあると信じている。この発明は、受信され た信号ではなく人の聴覚系自体（あるいは本発明）の中にある直感的な知慮の形 式に追加情報が必要であるという原理を認識している。

処理されるへき信号は変調した高調波で構成されることを「知って」いるシステ ムは、その事実を「知って」いなければ決して利用できない技術を利用すること かできる。これらの特殊な技術によってこの発明は、他のどのような技術よりも 非常に簡ｔｉｔに、しかも正確に変調１６報を引き出すことができる。確かに、 それらは変調情報を非常に正確にΔＰＩ定できるので、１００倍以上も不確定性 原理を混乱させると思われる。

従ってこの発明は、耳が一般的音響分析器ではなく、音の振幅と周波数が変調さ れた高調波から情報を引き出すために特別に設計されているものであるという原 理に基づいている。ここで既に述べたように、ガウス型周波数応答が重なるよう に構成されたフィルターから成る比検出フィルターバンクは、信号の瞬間周波数 あるいは瞬間周波数の比の対数のどちらも直接測定できるように設計することが できる。この発明では、後者に基づいて音声信号の処理をしているが、人の聴覚 系では音声の周波数域以外、特に低周波数域では、前者を利用している。フィル ターバンク内のフィルターはｌｏｇ　（周波数／Ｒ）に対してガウス型応答を示 すが（ここでＲは標準周波数で一定である）、またフィルターは１２分の１オク ターブの間隔て中心を置いている。この特殊な間隔は音楽家が平均率でピアノを 調律する際に用いる間隔と同してあり、この発明ではピアノの調律で用いられる ものと同じ理由からこれを利用する。その他の間隔も利用することはできるが、 この間隔は周波数間隔について考察することの重要性を明らかに示している。図 ５は、図４に示すような１２分の１オクターブの間隔のｌｏｇ　（瞬間振幅）検 出されるフィルターバンクの出力が、どのように組み合わされて比検出器を形成 するか、また高調波に関係する周波数に調律された比検出器のサブセットからの ｌｏｇ（瞬間周波数）測定が、どのように平均化されて基本周波数の単一合成値 が得られるかを示している。このように１２分の１オクターブの間隔のフィルタ ー中心周波数は、線形間隔の高：Ａ波周波数に非常に近い中心を有し、また人の 聴覚系に存在するものに対応するような帯域幅を持つフィルターを、対数間隔て 設置することになる。

高調波は常に相互に一定したオフセット（フィルター数）であるフィルター内に 中心を持つため、この特性によって各高調波から抽出されたＦＭの重みを付けた 平均値（複合音）を得ることが容易になる。従って、高調波を探したり追跡した りする必要はない。直感的に分かるフィルターセットからの出力を単純に合計す るたけである。

図５は、フィルター番号１に中心を置く、ピアノの最低基本波のキーに対応する 合計の一例を表わしている。音声では、最低基本波はさらに高周波数、即ち６０ ヘルツと考えられる。この方法では、合計はフィルターバンク内の各フィルター について計算され、その結果、フィルターバンクに現われた最高周波数までの全 ての高調波についての平均ＦＭ応答をコード化した一連の出力が得られる。全く 干渉する音調のない状態で、単一の声しか存在しない場合には、あらゆる瞬間に おいて、最大のＩ　Ｏｇ　（ＡＭ）に相当するチャンネル応答を合計することか ら単にＦＭ測測定選択するたけて、時間に対する単一チヤンネルＦＭ関数を構成 できる。換言すると、フィルターバンクは、大部分のフィルターがその通過帯域 内に全＜１３号を持っていなくとも、全フィルターの全応答を計算するのである 。しかし単一音声は一組の高調波しか作らないという直感的加工を与えると、あ る瞬間の単−合鱈比検出器応答は実際には１信号を表わし、その比検出器は最大 振幅を持つ信号に一致する。

重要な点は、非ガウス型応答関数を持つ帯域通過フィルターに基づく他の通常の 比検出器とは違い、ガウス型フィルターでは、たとえ信号の周波数が比検出器を 形成するフィルターの中心通過帯域から遠く離れでいても、周波数の計算が「正 確」であるということである。従って、＝１算された周波数精度は、比検出器内 のＳ／Ｎ比だけに左右される。通常用いられる種類のフィルターの場合のように 、検出器の中央域だけが正しいという近似式にも依存しない。このことは、信号 周波数近くのどの周波数に同調されても、全ての比検出器が信号周波数を正しく ３１算するということを怠味しているのであり、重要である。従って、ある単一 チャンネルのＦＭ信号を作るために最大振幅の検出器を設置しようとする場合は 、雑音によっては、正しい検出器の値ではなく隣接する検出器の値を状況に応し て選択してもかまイっない。近くの検出器の値も、はとんど同し周波数値となる であろう。

この装置はまた、干渉信号、同時信号および持続時間の異なる信号が存在する状 況において、信号の平均ＦＭ測測定行うために、高調波のＦＭＣＩ定値に適切な 重みを付ける単純操作をするために必要な全入力を与えるものである。問題の主 信号は一組の高調波から成るという直感的知識を利用することによって、周波数 値自体が平均値に重みを付けるために使用される。合計に影響する１チヤンネル 内においてＡ１１ｌ定された周波数が正確な高調波（Ｕ水波の整数倍）ではない と思われる場合、合計からそれを有効に除去できるように負の重みを付けても良 い。これは、このＪＰＩ定過程の応答を、−組の高調波（連続周波数）で構成さ れ、そのうちのある高調波かあって同調されている入力信号に対して耳ではわか っている応答と比較して、例示することができる。上述したｔｌａｒｔｏａ曲の 論文では、人の被験者に対して行われたそのような聴覚機能のいくつかの実験に ついて記述されている。そのような技術がどの程度うまく作動するかは、システ ムが各チャンネル内の周波数をどの程度正確に計算できるかにかかっている。不 確定性原理による限界を大きく越える能力が非常に重要なのはそのためである。

信号の多様な高調波周波数を計算する際の精度は、各高調波のＳ／Ｎ比（ＳＮＲ ）と高調波の持続時間である。フィルターバンクの雑音帯域幅は周波数の関数で あるため、反え１にＳＮＲは高調波の振幅と周波数の両方に左右される。比検出 フィルターバンクの直感的に知られている構造と、各高調波の振幅と周波数の値 がわかっている場合、周波数計算で生じ得る誤差を算出できる。持続時間は振幅 Ａ−ｊ定から計算できる。これは、最小誤差の高調波に最も重みを付けるような ＦＭ平均化の動的重み付けに必要な情報全てである。各高調波の持続時間がＭｊ 定精度に影響するのは、異なる帯域幅を持つフィルターがそれぞれ異なる持続時 間のインパルス応答を示すため、すなわち、広い帯域幅により持続時間が短くな るためである。比検出器内で信号か維持できる持続時間が、検出器フィルターの インパルス応答の持続時間より短い場合には、検出器は正確な測定ができない。

インパルス応答の持続時間が異なる比検出器内では、多様な高調波が存在する。

従って、ｔｌａｒｔｍａ曲が行った誤って同調の高調波試験に関しては、持続時 間の短い信号が始めに現れる場合には、より低周波数チャンネルの長い持続時間 のインパルス応答を伴う過渡現象が消えてしまう前に、より高次の高調派が安定 した周波数値をもたらす。しカル高次の高調波の方が低次の高調波より大きな雑 音帯域幅をフィルター内に持っている。従って、それらは安定な測定を速めるこ とはできるが、低次の高、Ｍ波で得られると予想される測定よりも精度は低い。

従って、信号が合計に含まれているはずの高調波の周波数に充分近いものである かどうかを決定するための最初の「認識ゲート」は、より高い高調波からの、精 度は低いが最初に得られる周波数計算に左右されることになるだろう。そのため 、やや誤って同調された高調波は初めは比較的広い二ニ哉ゲート内に存在する周 波数の不確定性）。

しかし信号が充分長く持続することにより、低次の高調波から正確な測定が可能 になり、認識ゲートは狭くなり、結局、基本波の周波数の整数（Δにあまり近く ないように誤って同調された高調波は拒否される。これがまさに）Ｉａｒｔｉａ ｎｎ　（１９９０，１７１９ページ）によって観察された種類の行動である。す なわち「誤って同調の高調波実験を５ｈｓというような短い持続時間で行うと、 特殊な作用が生じる。聴き手違は複合音調から誤って同調された高調波を聞くが 、誤って同調された高調波は護雑な音調から遅れた場合にのみ生じる。その影響 は印象的である。」人の耳のこの作用、およびｌｌａｒＬｆｆｌａ曲が記述した 他の多くの作用は、ここに開示する発明か使用Ｊしているような情報抽出過程の 直接的結果であると思われる。

以下に示すように、情報抽出過Ｈｚは従来の方法と徹底的に異なる。しかしまず 基本的な周波数測定と平均化処理に関する二つの改良点について考慮する。第一 に、人の聴覚系の「周波数に比例する帯域幅」のフィルターバンク特性（前項で は対数関数的周波数応答と記述していた）は、約５００ヘルツ以下には及ばない ことか以前から知られていた。（低周波数では、帯域幅は周波数にほとんど左右 されないと思われる。）この特性をさらに低周波数まで広げると、帯域幅が狭く なるために、フィルターは非常に長いインパルス応答を示すようになる。比検出 フィルターは、そのインパルス応答の持続時間以下の時間内にその帯域幅を通る 信号の瞬間周波数をスィーブすることはできないので、持続時間、従って最も狭 い許容帯域幅は、低周波数の高調波の変調を特徴付けるために制限しなければな らない。厳密な「周波数に比例した帯域幅」規則から外れると、比検出器が低周 波数で瞬間周波数の対数を直接＝１算することが妨げられるように見えるかも知 れないか（初めに瞬間周波数を計算し、その後それらの周波数の対数を計算する 線形間隔のフィルターバンクを利用する場合と反対であるので）、この問題には 簡単な解決策があり、すなわち、より高い周波数の場合のように一定数のフィル ターを利用するのではなくて、低い周波数では、オクターブ毎にフィルターの数 を系統的に変更すれば良いのである。１オクターブ当たりのフィルター数やフィ ルターの帯域幅を最適なものとするには、ある取り決めが必要である。狭く密な 間隔て置かれたフィルターでは、それらの変調速度が遅い場合に限り、相互干渉 という問題を被らずに、システムはより高い高調波を測定できるのである。

オクターブ毎のフィルター数を変える一つの方法は、各比検出器の帯域通過フィ ルターの周波数応答を二つに（中心周波数の上部と下部に）「分割」し、二つの 隣接する半り）同士は同しガウス型周波数応答を示す同一「標準偏差」を持つ（ 二つの中心周波数間の信号に対して）正確な比検出器を形成し、一方そうではな い半分同士は異なる標準偏差を利用するものである。この方法により、瞬間周波 数比の対数等も測定するが、一方では線形周波数軸上に一定間隔にあることも含 め、広い範囲のフィルター間隔も利用できるような比検出フィルターバンクを構 成することか可能となる。実際には、ある比検出器から次の比検出器に移行する 際に、オクターブ毎のフィルター数（標準偏差によって決まる）を変えても、正 確な比検出器応答か維持される。例えば、はぼ一定の帯域幅のフィルターを用い て周波数比の対数を測定するフィルターバンクを作るために、フィルターバンク 内で最高周波数のフィルターから始めることができる。このフィルターの周波数 に対する振幅応答の低周波数側の半分は、そのフィルターの中心周波数で期待さ れる帯域幅に対応する標準偏差に基づいている。従って、次の低周波数側のフィ ルターが持っていなければならない中心周波数と、周波数に対する振幅応答の上 半分とを同じ標準偏差に基づいて決定する。その後、フィルター設計の過程は、 帯域幅を一定に保つように、各比検出器の漂！？−偏差を連続的に変えながら、 次々に低い側の周波数フィルターの周波数に対する振幅応答の設計を繰り返す。

第二の改良点として、重みの値によって平均値を「規格化する」ための、複雑で 生物学的に信じ難い機構を利用せずに、簡単に重みを付けた周波数平均を得るた めの方法を示す。対数関数的に同調された比検出器内の二つのフィルターを通過 する、振幅「Ａ」、周波数ｒｆＪの正弦波信号を再度考える。二つのフィルター からの各出力は、周波数が「ｆ」、振幅がａ　（ｆ）とｂ　（ｆ）の減衰信号の コピーであり、Ｉｎ（周波数）のガウス関数である。

ここで、Ｋ−Ｉｎ　（ｆｃａ／ｆｒ）／σはフィルターの中心周波数、ｆｃａを 標準周波数ｆｒに対して決定し、「σ」はフィルターの標準偏差である。既に述 べたように、この二つの振幅相定は、信号の瞬間周波数比の対数を決定するため に使用される。

信号の各高調波から抽出された瞬間周波数変調の重みを付けた平均（ＦＭ）の計 算には、簡単な方法が望ましい。重み付けは初めは各高調波のＳ／Ｎ比に依存し て、最も高いＳ／Ｎをもつ高調波に最も大きな重みを付ける必要があるが、その 後は、平均ＦＭと各高調波から計算されるＦＭとの差に依存する誤差信号に応し て適合する。これは、干渉などに影響される、実際の高調波ではない信号の寄与 も減じるであろう。

フィルターか完全に調和的間隔で置かれている場合は、複数の高調波を結合する 周波数ダイパー／ティが、高調波を含む比検出器を形成する一対のフィルター出 力からの振幅、パワー、前検出信号のうちのいずれかに適切に重みを付けて合計 することによって行われる。この種の結合の長所は、自己規格化を行うことであ る。すなわち、単純に（減衰器を通して）振幅か信号に重みを付け、重みを付け た鎧を金工トシ、次に（比検出器における上部フィルターおよび下部フィルター に対応して）二つの合計に関して比検出を行うと、重みを付けた周波数計算値を 直接得ることができる。換言すると、初めに対数の差を計算して周波数計算値を 出し、次に周波数計算値を平均化するのではなく、初めに一対の振幅を平均化し 、次に対数の差を３１算すると言えるだろう。しかし、高調波を含む各比検出器 が同し振幅比あるいは対数差を示すように、フィルターの間隔を決めなければな らない。フィルターが完全に調和する間隔で置かれている場合にも、その点は当 てはまるだろう。

ＦＭを直接平均するというよりはむしろ、図５に示すように、振幅が正確に調和 するように：Ａ整されたフィルターに由来するのであれば、比検出を行う前に、 振幅自体（あるいは振幅の平方に等しいパワー、パワー比の対数は振幅比の対数 の２倍に等しいことに注Ｓ）を平均化することによって、自己規格化による重み を付けた平均を得ることができると言える。その場合、高：Ａ波が、ａ　（ｆ） 　−ロ ｃ−ａ　（ｆ）やｂ　（ｆ）　−Ｃ−ｂ　（ｆ）であれば（Ｃ−比例定数）のよ うＩＩ　ｎ　１１ な異なる振幅をもっていても、雑音等を除いて、振幅の比は同じとなるであろう 。

ここで、ａ　（ｆ）とｂ　（ｆ）は、信号のｎ次の高、７！１波の周波数におけ る比検出ｎ 用益からのフィルター出力の振幅を示す。高、周波はそれぞれ異なる振幅を持つ ので、信号の長さに比例して、直接的な平均化か自動的に項（分子と分母）に重 みを付けるであろう。白色雑音の場合は、各フィルター出力の雑音レベルはフィ ルターの既知の帯域（ＢＷ）にのみ左右されるので、信号の長さではなく信号対 雑音比に比例して重みを付けるためには、各フィルターの出力に対して、一定の スケール因子を適用することができる。Ｓ／Ｎ−３／　（雑音左度・ＢＷ）であ るため、未知の定数雑音密度は、次式で比として消去される。

以上のように、雑音がない場合は、この重みを付けた合＝１の比から元の振幅」 七が得られるが、雑音がある場合には、その合計のＳ／Ｎ振幅比と直接比例して 合計内の項に重みを付ける。しかし一般的には、フィルターは正確に高調波的に 同調されていないだろうから、ａ　、（’　）　／　ｂｎ　（”≠ａ、（ｆ）／ ｂ、（ｆ）である。それにもかかわらず、例えば図８の減衰器８１２−８１５の ように、／％−ドウエアあるいはソフトウェアで実行されていり虚像フィルター ｌ〈ンク“　（ＶＦＢ）を利用することによって、小さｔｊ誤同調を修正する簡 単な方法がある。ＶＦＢは、たとえ実際のフィルターバンクが高調波の正確な間 隔を保っていない場合でも、適当な間隔の虚像フィルターバンク応答の計算と瞬 間周波数および振幅の不連続なａｌ１１定を単純に置き換えることによって、正 確な高調波の間隔における測定値を得るために利用できる。換言すると、実際の フィルター／くンクから周波数と振幅の測定直かわかり、すべて一定の音調であ る成分に由来するものとしてそれらを処理すれば、入力が一定音凋の一つに等し い場合、既知のフィルター応答の出力において振幅を直ちに決定できる。これは 長所よりも面倒の方か多いように見えるかも知れないし、虚像フィルター応答を 計算するために実際にガウス関数を計算しなければならないのであれば、確かに そうである。しカル、ピアノの調律に合わせたフィルターバンクの場合のように 、実際のフィルターバンクがほぼ高調波的な間隔て置かれていれば、容易にｉｌ 算できる線形近似で充分である。最初の場所でのｍｊ定を行うためには、全く正 確には高調波に同調されてはいないフィルターを使用する必要かある。しかし初 めにそれらを“修正する”ことによって、それら１ｌＰＩ定か全て高調波的に同 調された検出器に由来するかのように見えるようにして、測定値を結合すること は容易であろう。Ｋ−に＋δを（ｋは「虚像フィルターバンク（ＶＦＢ）Ｊの中 心周波数を決定する）、実際のフィルターバンクに関連するある二”δ”によっ て周波数におけるオフセットとする（フィルターバンク内の各比検出器は異なる オフセットをもつ。）。次に、ＶＦＢからの振幅出力を次式によってａ　（ｆ） に関連づける。

ここで である。δの値か小さい場合には、近似ｅ−Ｘ−（１−ｘ）によって次式が得ら れる。

ａ　（ｆ）　■ＦＢ−ａ　（ｆ）　（］−δ＊２１ｎ　（ｆ／　ｆ　ｒ）　／ａ −２に−６））ｂ　（ｆ）に対しても同じ補正因子が適用できる。

図８は説明した重みを付けた平均化を示している。一対の比検出器がそれぞれ異 なる高調波に同調されている二つの比検出器８０４および８０５から成る、二対 のフィルター８０１−８０３からのパワー（ＡＭ２）が、対数検出器８０７−８ ０９を通っている流れを示すが、その後それらは差し引かれて、周波数比（ＦＭ ）の対数を得る。

ＡＭ２の信号も減衰器（８１２−１１１５＞を通るが、そこにおける信号減衰の 量（重み付け）は、高調波のＦＭと、多重高調波を重みを付けた合計から算出さ れる平均ＦＭとの差の関数である。合】１は加算器８１７に表示され、対数検出 器８１ｇおよび８１９に適用され、その後、平均化するために減算器８２０で差 し引かれる。平均は減算器８２１および８２２内てその対の比検出器で得られた 結果から差し引かね、信号減衰量（減衰器８１２−８１５内で重みを付けられる ）を調節するために用いられる。

減衰器は虚像フィルターバンクの補正因子し組み入れることができる。この平均 化方法は、ＡＭａＦｌ定にもあるいはパワー測定（パワーは低通過フィルターを 通した後、二乗則装置によって決定できる）にも利用できることに注意されたい 。

ガウス型雑音については、パワー結合は一般的に振幅結合より優れているであろ う。（前検出信号に関してもこの方法で結合しようと試みられるかも知れない。

真の高調波は位相コヒーレンス形式を持っているので、それらは分解的ではなく 建設的に合；１する傾向かある。これを後検出された振幅あるいはパワーではな く、前検出された信号に対して行うと、２−タウン刺激によって作り出される、 高調波的に関連する周波数で、うなりの聴覚系の知覚を繰り返す可能性がある。

なぜ聴覚系かこのようなことを行うのかという点について、聴覚系は振幅（包絡 線）検出過程を対数関数的な増幅過程から切り離せないためである、という理由 も考えられる。） ここで述べる比検出原理は、従来のフーリエ解析あるいはウェイブレット解析法 などと有効に組み合わせることによって、従来の解析方法だけを利用する場合に 比へ、周波数と振幅対時間の信号の特性を）目当正確にめることができる。例え ば、適当なガウス型“ウィンドウ関数”を不連続フーリエ変換と組み合わせて用 いれば、ｌｏｇ（パワースペクトル）で隣接する“箱”の間の差が比検出器を形 成するのに利用できるので、たとえ成分か高調波的関係でない場合でも、どのよ うな不連続な信号成分の瞬間周波数や振幅についても多重の正確な計算ができる ようになる。多重計算は、通常の帯域幅がらがなり離れた信号に対しても比検出 器が適切に作動したという事実を、直接示す結果である。逆に多重計算は、たと え多重信号の成分がパワースペクトルでは容易に分解できないとしても、多重信 号成分の存在の検出に利用できるであろう。従って、近い間隔で存在する二つの 音調によって起きる相互干渉によって、互いの特性を正確に測定した上でフィル ターの音調同調が妨げられる可能性はあるが、音調のどちらかの側に誤って同調 された比検出器では、ある音調が他の音調より著しく弱まる可能性があり、その ために相互干渉が緩和されるので、相互干渉をそれほど受けないことになるため 、これらの特性を測定することが可能となる。

図９ａは３つの音２Ｉ信号が発生するガウス型ウィンドウを利用して６４ポイン トのＦＦＴて得られたパワースペクトルを示している。ここで、ｆｌは箱１ｏと 箱１１の中間（１０，５箱）の周波数に、ｆ２は箱１６の、ｆ３は箱２５．２１ の周波数に同調しである。振幅はそれぞれ、１．０　、０．０１．０．１である 。６４ポイントの真のＦＦＴには、３２の比検出器がある。図９ｂは、３２の検 出器で測定された周波数（ＦＭ）と振幅（ＡＭ）を示している。Ｉ　、ＩＬ　Ｉ Ｉ＋に図示したように、ｆｌ、ｆ２、ｆ３ての信号に対して多重計算を得た。周 波数計算は、箱の非常に小さな分画内に正確に収まるという特徴があり、振幅の 計算も同様に僅かな分画に正確に一致する。

これらの精度は、パワースペクトルのピーク＝１算から得られた精度をはるかに 越えるものである。このような多重計算から得られる精度で重要なのは、図９ａ に示したようなパワースペクトルからは容品に！　＋１できない別々の音調が区 Ｉすできるようになるという点である。例えば、図９ａのパワースペクトルでは ｆｌとｆ２は別々の音調であることがはっきりとは識別できない。しがし図９ｂ の表では、人力時に存在する個々の信号がはっきりと表示されている。このよう に、多重計算によって、存在する音調の数を識別する際のモデルを明らかにでき る。さらに、各信号について正確なパラメータを得ることができる。

図９Ｃはブロック図形式で、本発明による装置を図示している。パワー計算器９ ０１は、複数のフィルターの出力で受信したある多重成分信号の周波数に対する パワーを計算するための手段を提供する。比検出器９０２は出力パワー計算を、 図９ｂに図示するような、入力成分の振幅と周波数の多重性の正確な計算に変換 する。処理装置その他の９０３はこれらの計算の一貫性を決定し、入力信号の特 徴付けを行うために利用できる。

前述のように、この種の情報抽出処理は従来の手法とは相当異なる。従来の手法 は次の二つに分類することができる。（１）入力として信号それ自体の測定を必 要とする処理方法と（２）そうではない処理方法である。本発明の方法はそのよ うな入力を必要としない。例えば、第１のタイプの処理方法の多くは、線形予Ｍ １に基づいて、音声情報をコード化する。通常はデジタル化されているフィルタ ーは、入力信号の実際の波形を後で測定してその後の測定値を予想する。次に予 想は実際の新しいＣ＋定から控除され、その差だけがコード化される。そのよう な処理方法は、最初の場所での信号の波形を測定する技術がなければ決して作動 しない。これに対し、第２のタイプの処理方法はそのような能力を必要とはせず 、従って、ある意味ではより簡単に実行できる。例えば、可視光線の周波数と同 程度の高さの周波数で信号の波形を直接測定するための技術は存在しない。それ にもかかわらず、比検出器のような技術は、周波数（色）と振幅のような光の特 性を容易に測定することができる。従って、二種類の処理方法を実行するために 必要な技術の複雑性には根本的な差が存在する。第２のタイプは込み入った技術 がより少なく好結果を得ることができる。

第２の処理方法自体はさらに次の二種類に分類できるだろう。（１）変換に基づ く方法、と（２）ディスクリミネータ（周波数復調器）または追跡フィルターに よる方法である。変換の二４算には入力時に信号波形の測定を必要とするので、 完全な変換、すなわち振幅と位相スペクトルの双方を計算するのが第１のタイプ の方法である。しかしここでは、フィルターバンクの有効な利用のために変換の 使用だけを考える。例えば、フーリエ変換は周波数に対する信号パワーの分布を 測定するために利用できるだろう。周波数に対する信号パワーの測定には通常、 信号波形を１ｌＰＩ定する能ツノは不必要である。しかしフーリエ変換という方 法によるパワ一対周波数の測定は、初めに波形を測定する能力を必要とする。変 換に基づく手法は、音声情報をコード化するために、ある種の変形によって得ら れる係数を使用する。フーリエ変換は音声分析に長い間利用されてきたし、最近 ではセプストラル変換やウェイブレット変換も提案されている。このような変換 装置は、信号の振幅と位相スペクトルを測定するフィルターバンクと考えること ができるが、各高調波が周波数で孤立しているという直観的知識を利用していな い。従って、それらは全て不確定性原理によって限定されている。直観的知識を 利用せずに、変換器のフィルターバンク内のフィルターを配置する場合より周波 数測定精度を著しく高めることは不可能である。周波数の計算は、フィルターま たは“場所”によって変換内に信号が生じるようにするだけで得られる。そのよ うな方法では、通常のＳ／Ｎ比の状況で、人の聴覚系はその効果的なフィルター 間の間隔の僅か１９６に過ぎない周波数のシフトを容易に検出できる、という事 実を説明することができない。従ってそのような方法は、それらだけでは、非常 に精度の高い周波数変調情報を探知するために効果的でない。しカル、変換によ って生じた振幅スペクトルは、場合によって、比検出フィルターバンクに相当す る出力を合成するために有効だろうと考えられる。

ディスクリミネータ法および追跡フィルター法は、ここに開示する技術に最も類 貝しているが、実用化される発明とはいくつかの基本的相違がある一方、従来ど の方法も音響信号から音声情報の抽出がうまくいっていなかったのである。追跡 フィルターは本来、帯域通過フィルターあるいは帯域消去フィルターのいずれか である。それらの顕著な特性は、フィルターの操作帯域幅が周波数で固定されな いということである。その代わり、フィードバック機構が、作動帯域が時間によ って変化する信号の周波数を追跡するように利用されている。そのような方法は 、一つのキャリアー周波数しかない信号の追跡には有効であることは証明された ものの、変調した高調波や、同時に話されるために生じる倍数的でない高調波の 高精度な追跡に実用的であるとは証明されていない。

このような方法には、多くの実用上の問題かある。これらの問題には、線形周波 数スケールで高調波かそれらの間の一定間隔を維持できないため、個々に追跡さ れてしまうという事実を含んでいる。さらに、それらは異なる帯域をもっている ため、追跡フィルターの４１７域幅は周波数とともに変化するにちがいない。ま た、高調波かそれぞれ追跡されるとすると、いくつかのフィルターは一つの高調 波だけを追跡し、残りの高調波を全く無視するという傾向が生しる可能性もある 。ここて開示する発明は、いかなるものであれ追跡を必要としない。高調波は基 本波に比例して常に既知のフィルターの位置内にあるので、完全な静的フィルタ ー構造によって測定や合計かできる。

ガウス型の比検出フィルターバンクは周波数ディスクリミネータの１形式である 。周波数ディスクリミネータを厚生するには多くの方法があり、いろいろな方法 が音声を処理するための装置に提案されてきた。例えばＨａｒｔ■ａ曲は、上述 のように、誤って同調された高調波実験に結び付けて周波数ディスクリミネータ を簡単に考慮した。しかし本書で開示する発明以外は、そのような方法は全て克 服できない問題に直面した。第一に、音声は複数のキャリアー（高調波）で構成 されているため、一つのディスクリミネータを利用して音声帯域の全てに渡って 作動させるようなことはできない。第二に、隣設するＦＭラジオ局とは異なり、 高調波は常に重ならない周波数帯域内には留まらない。５次の高調波の周波数が 二倍であるとしたら、６次、７次、８次、９次、１０次の高調波が占める以前の 帯域をすばやくスィーブするであろう。大半の種類のディスクリミネータはそれ らの帯域内のある信号の周波数を計算することによって機能するので、追跡フィ ルターの場合はまさにこのケースであるが、周波数のその帯域の位置を追跡しな ければならない。確かに、追跡フィルターはディスクリミネータの簡単な１形式 である。従って、信号、しかもただ一つの信号だけをその帯域幅内に置く必要の ある操作原理を利用するディスクリミネータは全て、追跡フィルターの場合と同 様の問題に直面することになるであろう。それらの通常技能はさらに、ディスク リミネータが信号を追跡する帯域を持つというよりは、装置は中間の周波数で作 動し、ディスクリミネータの帯域幅内に信号を同調する追跡用局部発振器を利用 する方が普通であることを示している。

比検出器は、信号か単一フィルターの帯域内にあることを必要としないディスク リミネータの１形式である。比検出器の作動原理は、信号が、信号フィルター内 にとのように留まっているかてはなく、隣設フィルター間をどのように通過する かに基づく。従ってそれは、静的フィルターバンクを通り抜ける信号の、’Ｉｌ ＋定に、より適している。そうではあるが、古典的な比検出形式は、音声の高調 波処理に適していない。これには主に二つの理由がある。第一に、高調波の帯域 幅が異なるので、周波数自体を検出するものではなく、周波数比の対数を検出す る比検出器が必要である。第二に、古典的な比検出器は通常、バターワースフィ ルターのようなフィルターを使用するが、そうすると周波数測定過程は信号が隣 設する二つのフィルター間の中央域にある場合にだけしが正確ではない。信号は ある比検出器から次の比検出器へと、システムのコストと複雑性を加えながら通 過するので、それらが著しく重なっていないとすれば、不正確な測定となる。本 発明はこれらの問題全てを解決する。さらに、ｌｏｇ（ＦＭ）の計算のための入 力としてＡＭそれ自体ではなく　ｌ　ｏ　ｇ　（ＡＭ）だけが必要であり、初め にＦＭを計算して、次にその対数をめる。これによって、ある限定されたダイナ ミックレンジの技術を利用して全処理を遂行することが可能となる。この結果は 耳の理解にとっては非常に重要であるが、デジタル化された音声に有効な広いダ イナミックレンジを持つアナログ−デジタル変換器や、広いダイナミックレンジ の浮遊点デジタル信号処理装置の開発て最近進捗を促した、機械の方法にはそれ ほど重要ではないてあろう。

普通の技法のフィルターで知られているように、アナログやデジタルや混合技術 を利用したフィルター自体を組み立てることができる多くの異なる方法がある。

図６ａと６ｂには、処理されたコンピュータシュミレーンヨン結果か示されてい る。この場合、高速フーリエ変１１ａ（ＦＦＴ）によって生じる振幅スペクトル の重み付けによって、フィルターはデジタル方式で合成された。図６ｂには、音 声の連続的な振幅スペクトルからなるスペクトル写真を示す。図６ｂは、人気漫 画のキャラクタ−”ムササビロノキー°の「気に入ってもらえると、ぼくたちう れしいんだけど！」というせりふの数秒間の音声の従来のフーリエのスペクトル 写真である。左下に、それぞれの比検出器の出力を示す。図６ａは、前記音声波 形対時間、図５に示すようなフィルターバンクから検出された出力のｌｏｇ（瞬 間振幅）とｌｏｇ（瞬間周波数）を示している。ｌｏｇ　（周波数）は垂直軸方 向に示されているが、各オクターブ内に１２の出力チャンネルがプロットされて いることに注意されたい。ｌｏｇ（振幅）は出力強度（黒さ）によって示され、 時間は水平軸方向に示されている。ｌｏｇ　（周波数）６０１からなる、図５に 示されているような比検出２；からのｌｏｇ（周波数）出力に高調波的に比例す るように統合されて生じる単一チャンネルは、図の下に示されているが、周波数 はｔ０殺されるので、第一高調波（基本波）に直接プロットされることはない。

比検出器出力に重なっている複合対数（ＦＭ）の単一チャンネルを得るには高調 彼出カを合計し、最大振幅に対応する合計出力を選択する。高調波は比検出フィ ルターバンクの多様なチャンネルを通過するので、高調波の周波数変調の同様の 性質とその結果生じる複合音が図に明らかに示され、水平グリッド線は１６０ヘ ルツの整数倍の対数スケールでプロットしたものである。

ＦＦ７手法はシミュレーションするための従来の方法であるが、フィルターバン ク内のフィルターに関する理想的な周波数応答は得られない。使用されたＦＦＴ の長さては、低周波数フィルターの長いインパルス応答を正しく横築するには短 すぎたし、高周波フィルターを正しく低通過フィルターにかけるには長すぎた。

これらの影響は低周波の第一高調波で最も顕著である。さらに理想的なガウス型 応答に近いフィルターを使用すると、Ｓ／Ｎ比が高い場合には、比較的高次の高 調波に見られるように、隣接する比検出器は全て、はとんど等しい周波数測定値 を示すであろう。図５を得るために利用した最適条件に近いフィルターの場合は 、低周波の基本波に近い隣接フィルターからの出力で、１０ヘルツ程度の小さな 周波数オフセットを見ることができる。

”　ど番目と゛　ｊ＋１”番目のフィルターの間の信号の対数振幅（フィルター によって減衰しない）は、次式のように、フィルター処理された出力の振幅゛Ａ “により決定できる。

ｉｎ（λＭ４）　−１ｎ（ＡＨ）　”　（０，５（ｉｎ（へ）−１ｎ（〜＋）　 ”　ｌ）］”信号の対数周ｌ皮数も同様に、次式によりフィルターの１ｎ（Ａ） 出力から算出される。

ｉｎ（ＦＭ、）　＝　ｓｉｇｍａ　（Ｋ　＋　ｊ　−１，５＋　０．５（ｉｎ（ へｌ−”（Ａ）ｌ））ここで、Ｋは定数で、Ｋ−１ｎ（最初のフィルターの周波 数／標準周波数）／シグマである。シグマはフィルター間隔と帯域幅を決める定 数で、例えばシグマ−Ｉｎ（２）／１．２となる。

高調波のｌｏｇ（ＦＭ）とｌ　ｏ　ｇ　（ＡＭ）の帯域幅は、非常に緩慢に変化 するので、信号波形自体の帯域幅よりも数Ｈテ小さいことが明確に理解できる。

従って、このような変調の見本に見られる変形は、信号自体をコード化する場合 に比べてはるかに少ないデータビットしか必要としない。

さらにデータ圧縮は、実質的にどのような標準波形データ圧縮技術を変調波形に 対して適用することも可能である。どのような情報の伝達でも可能な信号の一部 に過ぎない音声信号上の変調を直接抽出する場合には、この技術によって、まだ 情報を維持している段階で処理しなければならないデータ量を著しく減らすこと ができる。また機械による音声の認識や音声理解に応用する場合には、音声の情 報内容の簡潔な表現が非常に重要となろう。

図７に示す本発明のブロック図は、装置の通過帯域内の全ての信号のｌｏｇ（瞬 間振幅）とｌｏｇ　（瞬間周波数）を正確に測定する”ピアノ調律”の比検出フ ィルターバンクであることを示している。ここでは、フィルターバンクそれ自体 とｌｏｇ（周波数）の調整が、どの信号が高調波的に関連付けられているかを決 めるために利用され、存在しうる全ての音声信号に特徴が見られる′周波数多様 性”を取り除くために、これらの信号のｌｏｇ　（周波数）測定値の平均が取ら れている。次に、全ての高調波からのパワーを合わせることによって得られる大 きな振幅から、最も強い信号を含んでいる比検出器を駆すする。それによって、 フィルターバンクにわたって周波数をスイープする（多重通信的）音声信号がデ マルチプル処理され、最大のパワーを持つチャンネルがらｌｏｇ（ＦＭ）が抽出 され、また抽出されたｌｏｇ（ＦＭ）に高１７８波的に対応するチャンネルから ｌ。

ｇ　（ＡＭ）が抽出されることによって、単一チャンネルであるｌｏｇＣＡＭ） と’Ｏｇ（ＦＭ）か出力される。

音声データ圧縮に続いて、抽出されたＦＭおよびＡＭ波形を持つ一組の高調波を 変調させることによって、音声の再構成が可能である。図７で、入力音声信号７ ０１は、−組の狭い帯域のＡＭおよびＦＭ復調器７０３に流し込まれ、それぞれ 別の周波数帯域に同調される。次にこれらの変調器からの出力は高調波信号連結 器７０５に高：Ａ波的に結合される。これらの出力は図６ａにプロットされてい る。すなわち復調器は、ある一定の復調器のサブセットが常に存在し、各サブセ ット内にある復調器の中心周波数がサブセット内の第一あるいは最低周波数の復 調器の高調波のほぼ゛整数倍となるように同調されている。つまり、図でＨｌ、 Ｈ２，、。

ＨＩＯと示されている、ある特定のサブセット内のそれらの変調器から出力され る高調波的な関係にあるＡＮとＦＭの出力だけが結合されるのである。どの−瞬 をとってみても、全ての人力音声パワーは、高調波の作用により、多重チャンネ ル信号連結器の出力の中のある一つのチャンネルに凝縮される。同様に、全ての 音声高調波の瞬間周波数は、同一チャンネルからのＦＭ小出力よって表される。

しカル、基本波の周波数は時間の関数として変化するので、結合したＡＭおよび ＦＭ信号を含むチャンネルは、信号結合装置の多数の出力チャンネルにまたがる 形で多重通信化される。このように基本波の周波数の時間変化ＦＭ　（ｔ）　、 および各高：Ａ波の振幅の時間変化、ＡＭ　（ｔ）Ｈｌｌ、、、ＡＭ（ｔ）ＨＩ Ｏは、デマルチプレクサ７０７内で高調波的に結合されたＡＭおよびＦＭ信号を デマルチプル処理することによって再構成することができる。いかなる瞬間にお いても、ＦＭ（１）は最大の信号振幅（ＡＭ）を持つチャンネルからのＦＭ大入 力等しく設定される。図６ａに示された複合ＦＭ　（ｔ）はこの方法によって作 られたものである。各高調波に対するＡＭ（ｔ）は同様に、（おそらく、干渉等 を減らすために、信号の結合に使用された同じ重みによって「重みを付けられ」 ）高調波の周波数に最も適合するように調整された比検出器（ＦＭ復調器）で構 成される二つのＡＭ検出器からの振幅Ｃｊ定値によって決定される。

本発明の最も好ましい実施態様を説明してきたが、後に請求する本発明の範囲に 反することなく、種々の変化や変更を加えることができるものである。

図ＩＢ 図２　′ 周波数　１０Δ１１１Δτ −Ｈト 図３ 周波数 図４ 図６ 図６（ａ）　図６　（ｂ） 図７ ／９ψ 図８ 図９ｂ 図９ｃ 国際調査報告 耐二：：：ＱＳ：Ｈｐ：。ｊ“ニー−、ニマ：：　：：？＝ｒ”二°；ン：：畳 ｔｌｒｐ’ｕ品τ工；”；＝°”ｌｊ　ｃｌ）ｍ　Ｉｎ　＋香@Ｎｂ−”δ゛〃 丁２Ｉ２゛弓−Ｆ°“°−１°”パ−−１ｈ＃ｌｕＭ＋＃ＡＰ＋ｌ＋ｎ１ｅｌｌ ｌ＋ｓ旧ｎｎＯ＋ｔＴｌｆｈｌｅ−ｆｆｉ＜１ガ曽１ｅｎＮＮｉｔｂｌｒｍ＋ｈ １ｆｌガーｎ＋＋＋{ｍｙ＠ｌ＋Ｈ＋６ＴｔｈｅｗｒｐＯｔｅ６＋１ｅｌｙｍ＋ ＋ｉｗ

Claims (40)

【特許請求の範囲】
1. １．（ａ）複数が集合して人の声の周波数範囲をカバーする複数の各帯域通過フ ィルターを有する受信器に音声信号を受信する工程と、（ｂ）前記帯域通過フィ ルターの出力からの音声信号の波形内の各高調波の瞬間振幅変調ＡＭ（ｔ）を決 定する工程と、 （ｃ）音声信号を認識するために、前記隣接する帯域通過フィルター間の周波数 分離の精度内で、前記帯域通過フィルターの出力からの前記音声信号波形内の各 高調波の瞬間周波数変調ＦＭ（１）を決定する工程と、（ｄ）前記各１ｏｇＦＭ （ｔ）から高調波次数の対数を引いた後、測定された各高調波から前記ＦＭ（ｔ ）の対数の重みを付けた平均値を計算することにより、音声の基本周波数の瞬間 周波数の対数を決定する工程と、（ｅ）復数の最低周波数音声高調波に対して、 工程（ｄ）で得られた前記音声信号の基本周波数の瞬間周波数の対数および工程 （ｂ）で得られた前記ＡＭ（ｔ）の対数を有する出力信号を作る工程と を具備する音声から情報内容を抽出する方法。
2. ２．請求の範囲１記載の方法において、所定のフィルターサブセットが、各サブ セット内の最低中，心周波数検出器の正確な整数倍にほとんど等しい周波数を中 心とするＡＭ検出器および田検出器を形成するように、前記フィルターが中心周 波数を有し、各サブセット内の検出器が高調波に同調されている方法。
3. ３．請求の範囲２言己載の方法において、工程ｄにおいて結合するためにＦＭ検 出器出力のサブセットを選択する工程をさらに具備する方法。
4. ４．請求の範囲３記載の方法において、前記の重みをつけた平均値を決定する際 に、重みをつけた合計を計算し、前記重みをつけた合計が各州検出器内信号のＳ ／Ｎ比の関数である方法。
5. ５．請求の範囲３記載の方法において、前記重みを付けた平均値を決定する際に 重みを付けた合計を計算し、前記合計の重みが、各高調波で計算された出力周波 数ＦＭ（ｔ）と基本周波数の対応する予測整数倍の周波数との差の関数であり、 フィードバック処理で計算される方法。
6. ６．請求の範囲３記載の方法において、音声基本波の単一複合成分１ｏｇ（ＦＭ （ｔ））が、前記ＦＭ検出器すべてからの前記ＦＭ出力をデマルチブル処理する 方法。
7. ７．請求の範囲６記載の方法において、各瞬間において、前記音声基本波の前記 デマルチブル処理が、前記サブセットから成る前記フィルター内のＡＭ検出信号 の重みを付けた合計を組み合わせ、最大出力を生じるように前記サブセットから ｌｏｇ（ＦＭ（ｔ））を選択した出力によって達成される方法。
8. ８．請求の範囲７記載の方法において、多重同時音声源については、複数のフィ ルター出力を、最大出力を有するサブセットに対応する前記出力が、多重腹合音 声基本周波数を構成するように選択する方法。
9. ９．請求の範囲１記載の方法において、各高調波の前記ＡＭ（ｔ）出力の対数を 、前記複合基本周波数の整数倍にほぼ等しい中心を持つフィルターからデマルチ ブル処理し、前記ＡＭ検出フィルター出力を組合せることによって導出する方法 。
10. １０．請求の範囲１記載の方法において、前記ＦＭ（ｔ）が比検波器で決定され る方法。
11. １１．請求の範囲！０記載の方法において、前記帯域通過フィルターが線形周波 数軸上でガウス型の岡波数応答を有し、ＦＭ（ｔ）の比検波計算が２つの隣接す るＡＭ検波フィルターからの前記出力の前記対数間の差の一次関数から決定され るような帯域幅および中心周波数を持つ方法。
12. １２．請求の範囲１０記載の方法において、前記各帯域通過フィルターが、対数 周波数軸上でガウス曲線の対数周波数応答を有し、Ｉｏｇ（ＦＭ（ｔ））の比検 波計算が２つの隣接するＡＭ検波フィルターからの前記出力の前記対数間の差の 一次関数から決定できるような帯域幅および中心周波数を持つ方法。
13. １３．請求の範囲１１記載の方法において、周波数軸および対数周波数軸のうち いずれか一方の軸上の前記ガウス型フィルターの間隔が、前記ガウス関数の標準 偏差に等しい方法。
14. １４．請求の範囲１２記載の方法において、周波数軸または対数周波数軸のガウ ス型フィルターの間隔がガウス関数の標準偏差に等しい方法。
15. １５．請求の範囲２記載の方法において、前記各フィルターの中心周波数が１オ クターブの１２分の１に分離されている方法。
16. １６．請求の範囲１記載の方法において、音声を認識するために必要な精度範囲 内で瞬間周波数変調を決定する工程が、隣合わせたフィルター間の周波数分離の １０％以内で前記精度を決定する方法。
17. １７．音声信号を復数の帯域通過フィルターに通し、低サンフブリング周波数で 前記フィルターのｌｏｇ（ＦＭ（ｔ））およびｌｏｇ（ＡＭ（ｔ））出力のサン ブリングを行い、それによって前記音声内の情報内容を低ビット速度、低ダイナ ミックレンジ、デジタル信号にコード化する、音声信号を圧縮する方法。
18. １８．一級の倍音間隔の音響キャリア音調を合成し、前記音調をＦＭおよびＡＭ 出力に変調し、 人の音声範囲をカバーする腹数の帯域通過フィルター出力から音声波形の各高調 波の瞬間振幅変調ＡＭ（ｔ）を決定し、音声を認識するために隣合った前記帯域 通過フィルター間の周波数間隔の精度内で前記帯域通過フィルターの出力から音 声波形の各高調波の瞬間周波数変調ＦＭ（ｔ）を決定し、 前記１ｏｇ（ＦＭ（ｔ））の各値から高調波次数の対数を差し引いた後、測定さ れた各高調波から前記ＦＭ（ｔ）の対数の重みを付けた平均を計算することによ って音声基本周波数の瞬間周波数の対数を決定し、 複数の最低周波数の音声高調波について、前記工程で得られた音声基本周波数の 瞬間周波数の対数および前記工程で得られたＡＭ（ｔ）の対数を有する出力信号 を作ることによって、前記ＦＭおよびＡＭ出力を決定するという工程とを具備す る音声波形を再構成する方法。
19. １９．請求の範囲１記載の方法において、複数の前記最低周波数の音声高調波が 基本周波数の１０次までの最低周波数の高調波のうちのいずれかからなる方法。
20. ２０．（ａ）音声信号を受信するために配置された受信器であって、隣接する各 フィルターの中心周波数が所定の周波数比によって分離された複数のフィルター を有する受信器と、 （ｂ）前記隣接フィルターで検出された信号振幅の差を決定することにより前記 音声信号の周波数特性を測定する手段と、（ｃ）基本周波数の高調波のみを含む 周波数範囲内において信号振幅の差から成る所定の各セットを合計して和を取る ように配置された加算器と、（ｄ）前記計から出力信号を作る手段と、を具備す る音声の情報内容を抽出する装置。
21. ２１．請求の範囲２０記載の装置において、差を決定する前記手段が、前記隣接 フィルター内の信号振幅の対数を差し引くように設計されている減算器を具備す る。
22. ２２．請求の範囲２１記載の装置において、差を決定する前記手段が、前記各フ ィルター内の信号振幅の平均値を決定するための手段をさらに具備する。
23. ２３．請求の範囲２０記載の装置において、前記各フィルターがガウス型周波数 応答を有する。
24. ２４．請求の範囲２０記載の装置において、前記フィルターが、周波数に対して 対数的間隔にあり、また線形間隔の高調波の周波数近くに中心を置き、人の聴覚 系内に存在することがわかっている帯域幅に対応する帯域幅を有する。
25. ２５．請求の範囲２０記載の装置において、前記フィルターが、１２分の１オク ターブの間隔で配置された中心周波数を有する。
26. ２６．請求の範囲２２記載の装置において、前記フィルターがｌｏｇ（周波数／ Ｒ）（ただし、Ｒは基準周波数）に対してガウス型応答を有する。
27. ２７．請求の範囲２０記載の装置において、前記各フィルターが、人の音声の既 知の周波数をカバーするフィルターバンクを形成している。
28. ２８．（ａ）音声信号を受信するように配置された受信器と、（ｂ）前記音声信 号を複数の周波数帯域に分類するために複数のフィルターを有するフィルターバ ンクと、 （ｃ）前記周波数帯域内の周波数振幅を検出し、最高振幅の帯域を選択するため の手段と、 （ｄ）最高振幅の前記帯域の高調波周波数を含む周波数帯域を選択する手段と、 （ｅ）前記高調波周波数を含む前記周波数帯域の振幅を合計するために配置され た加算器と、 を具備する音声信号から情報を抽出する装置。
29. ２９．（ａ）複数の各帯域通過フィルターへ音声信号を受信する手段であり、前 記フィルターを合わせて人の声の周波数範囲をカバーする手段と、（ｂ）前記帯 域通過フィルターから出力される音声波形の各高調波の瞬間振幅変調ＡＭ（ｔ） を決定する手段と、 （ｃ）音声を認識するために隣接する前記帯域通過フィルター間の周波数分離の 精度内で前記帯域通過フィルターから出力される音声波形の各高調波の瞬間周波 数変調ＦＭ（ｔ）を決定する手段と、 （ｄ）前記各１ｏｇ（ＦＭ（ｔ））から高調波次数の対数を差い引いた後、決定 された各高調波から前記ＦＭ（ｔ）の対数の重みを付けた平均を計算することに よって音声基本周波数の瞬間周波数の対数を決定するための手段と、（ｅ）複数 の低周波音声高調波で、工程（ｄ）で得られた音声基本周波数の瞬間周波数の対 数および工程（ｂ）で得られたＡＭ（ｔ）の対数を有する出力信号を作る手段と 、を具備する音声から情報内容を抽出する装置。
30. ３０．複数の変調された高調波に関するキャリア音調から成る情報伝達信号から 情報内容を抽出する方法において、 （ａ）複数の各帯域通過フィルターを有し、前記帯域通過フィルターを合わせて 前記情報伝達信号の所定の周波数範囲をカバーする受信器に、前記情報伝達信号 を受信する工程と、 （ｂ）前記帯域通過フィルターの出力からの情報信号波形において各高調波の瞬 間振幅変調ＡＭ（ｔ）を決定する工程と、（ｃ）音声を認識するために隣接する 前記帯域通過フィルター間の周波数分離の精度内で前記帯域通過フィルターの出 力からの前記情報信号波形において各高調波の瞬間周波数変調ＦＭ（ｔ）を決定 する工程と、（ｄ）前記ｌｏｇ（ＦＭ（ｔ））の各値から高調波次数の対数を差 し引いた後、測定された各高調波から前記ＦＭ（ｔ）の対数の重みを付けた平均 を計算することによって情報信号の基本周波数の瞬間周波数の対数を決定する工 程と、（ｅ）複数の最低周波数の音声高調波に対して、工程（ｄ）で得られた音 声基本周波数の瞬間周波数の対数、および工程（ｂ）で得られたＡＭ（ｔ）の対 数を有する出力信号を作る工程と を具備する方法。
31. ３１．請求の範囲３０記載の方法において、前記剛（ｔ）が比検波器によって決 定される。
32. ３２．請求の範囲３１記載の方法において、前記各帯域通過フィルターが、対数 周波数軸上でガウス曲線となり、ｌｏｇ（ＦＭ（ｔ））の比検出計算が２つの隣 接するＡＭ検出フィルターからの前記出力の前記対数間の差の一次関数から決定 できるような帯域幅および中心周波数を持つような対数周波数応答を有する。
33. ３３．腹数の変調された高調波に関するキャリア音調から成る情報キャリア信号 から情報内容を抽出する装置において、（ａ）前記情報キャリア信号を受信する ために配置され、所定の周波数比によって分離された中心周波数を有する隣接す るフィルターをもつ複数の各フィルターを有する受信器と、 （ｂ）前記隣接するフィルターで検出された信号振幅の差を決定することによっ て前記情中心周波数を有する送信号の周波数特性を測定する手段と、（ｃ）前記 差の所定のセットを合計するように配置され、前記セットが基本周波数の高調波 のみを含む周波数範囲内において信号振幅の差からなる各加算器と、（ｄ）前記 合計から出力信号を作るための手段とを具備する装置。
34. ３４．異なる中心周波数を持つ少なくとも一対の帯域通過フィルターであり、必 要な周波数帯域をカバーする周波数応答特性を有する前記帯域通過フィルターと 、前記各フィルターが前記中心周波数以下の第一標準偏差に基づく第一周波数応 答、および前記と同じ前記中心周波数以上の第二標準偏差に基づく第二周波数応 答を有し、第一標準偏差および第二標準偏差が異なる各フィルターと、低い中心 周波数において前記フィルター対の一方のフィルターに対する前記第二標準偏差 が、高い中心周波数における前記フィルター対の一方のフィルターの第一標準偏 差に等しい、少なくとも一対の帯域通過フィルターとを具備する比検波器を有す る比検波フィルターバンク。
35. ３５．請求の範囲３４記載の装置において、前記比検波器を形成する前記フィル ターの前記中心周波数が、高調波間隔に等しいか、それ以上の間隔で配置されて おり、さらに、重みを付けた出力を形成するために前記フィルターからの出力に 重みを付けるための手段と、 ＦＭ出力を形成するために前記フィルターからの出力信号の比を検出する手段と 、合計するために前記ＦＭ出力と前記の重みを付けた出力を合計するための手段 と、平均ＦＭ信号を得るために前記合計の比を検出するための手段と、前記フィ ルターバンク内の前記フィルターの前記ＦＭ出力から前記平均ＦＭ信号を差し引 くための手段と、 を具備する装置。
36. ３６．請求の範囲３５記載の装置において、重みを付けるための前記手段が、減 衰器を具備する。
37. ３７．請求の範囲３６記載の装置において、さらに仮想、フィルターバンクを用 いるための手段を具備する装置で、前記仮想、フィルターバンクが近似的には高 調波間隔で配置された前記フィルター内の同調していないフィルターを補償する 手段を有する。
38. ３８．請求の範囲３７記載の装置において、前記仮想フィルターバンクが、前記 フィルターバンクの中心周波数から中心周波数を補償し、前記引き算が高調波間 隔で同調されていない前記フィルターの実際の中心周波数と前記の同調されてい ないフィルターの正確な高調波中心周波数の差である。
39. ３９．請求の範囲３８記載の装置において、前記フィルターバンクの各比検波器 が、それぞれの補償をする。
40. ４０．入力多成分信号において不連続信号を特色づける装置において、複数のフ ィルターを有し多成分信号を入力として受信する受信器であって、計算に使用さ れる復数の前記フィルターの各フィルターが、比検波器を形成するのに適する振 幅／周波数応答を有し、また前記比検波器が出力、前記入力の多重チャンネル信 号の１成分の周波数および振幅の矛盾のない一組を形成するある前記出力を有す る、前記多成分信号の対周波数出力を計算するための手段を具備する装置。