JPH0836400A - 音声状態判定回路 - Google Patents
音声状態判定回路Info
- Publication number
- JPH0836400A JPH0836400A JP6192275A JP19227594A JPH0836400A JP H0836400 A JPH0836400 A JP H0836400A JP 6192275 A JP6192275 A JP 6192275A JP 19227594 A JP19227594 A JP 19227594A JP H0836400 A JPH0836400 A JP H0836400A
- Authority
- JP
- Japan
- Prior art keywords
- voiced
- section
- unvoiced
- voice
- wavelet
- 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.)
- Pending
Links
Landscapes
- Complex Calculations (AREA)
Abstract
(57)【要約】
【目的】可変ビットレート・低ビットレート音声符復号
器における有声／無声判定器の音声状態判定の誤り率を
小さくして再生音声品質を向上させる。 【構成】フレーム化器１１でフレーム化した音声信号ｂ
１をウェーブレット変換器１２でウェーブレット変換
し、その結果ｃ１をウェーブレット変換結果エネルギ計
算器１３で計算したフレーム毎のエネルギの値を状態判
定器１４に入力する。状態判定器１４で予め設定された
有音／無音区間判定用のエネルギの閾値、周期性判定用
閾値および急激なホルマント変化の有無を調べるための
閾値と比較し、有声区間，無声区間，有／無の遷移区
間，無音区間のいずれかを判定して対応するフラグｅ１
を出力するように構成した。
器における有声／無声判定器の音声状態判定の誤り率を
小さくして再生音声品質を向上させる。 【構成】フレーム化器１１でフレーム化した音声信号ｂ
１をウェーブレット変換器１２でウェーブレット変換
し、その結果ｃ１をウェーブレット変換結果エネルギ計
算器１３で計算したフレーム毎のエネルギの値を状態判
定器１４に入力する。状態判定器１４で予め設定された
有音／無音区間判定用のエネルギの閾値、周期性判定用
閾値および急激なホルマント変化の有無を調べるための
閾値と比較し、有声区間，無声区間，有／無の遷移区
間，無音区間のいずれかを判定して対応するフラグｅ１
を出力するように構成した。
Description
【０００１】
【産業上の利用分野】本発明は、入力音声が、有声区
間，無声区間，遷移区間または無音区間のうち、どの状
態にあるかを正確に判定できる装置を提供するものであ
り、可変ビットレート・低ビットレート音声符復号化装
置に用いられる音声状態判定回路に関する。
間，無声区間，遷移区間または無音区間のうち、どの状
態にあるかを正確に判定できる装置を提供するものであ
り、可変ビットレート・低ビットレート音声符復号化装
置に用いられる音声状態判定回路に関する。
【０００２】
【従来の技術】低ビットレート（２．４ｋｂｐｓ以下）
の音声符復号化方式では、分析合成方式にみられるよう
に、入力音声が無声区間であるか有声区間であるか、遷
移区間（無声から有声へ、または、有声から無声へ遷移
している区間）、または無音区間であるかによって、異
なる符号化方法が用いられるのが一般的である。最も代
表的な分析合成方式としてＬＰＣボコーダ（linear pre
dicitive coding VOCODER ）、即ち、線形予測分析によ
る音声符復号化方式がある。この方式では、音声信号の
状態を有声と無声の２種類に判別し、音声が有声区間で
ある場合には予測残差信号をパルス列で近似し、無声区
間である場合には雑音により近似して情報圧縮してい
る。ここで重要なのは、符号化しようとしている音声フ
レームが有声区間であるか無声区間であるかの正確な判
定である。この判定誤りが多発すると再生音声は聴感上
で劣化が生じるので、判定誤り率を２％以下に抑える必
要がある。しかし、従来の音声状態判定方法では正確
に、有声／無声／遷移／無音という４種の状態のいずれ
かを正確に見分けられる方式が存在しないといえる。
の音声符復号化方式では、分析合成方式にみられるよう
に、入力音声が無声区間であるか有声区間であるか、遷
移区間（無声から有声へ、または、有声から無声へ遷移
している区間）、または無音区間であるかによって、異
なる符号化方法が用いられるのが一般的である。最も代
表的な分析合成方式としてＬＰＣボコーダ（linear pre
dicitive coding VOCODER ）、即ち、線形予測分析によ
る音声符復号化方式がある。この方式では、音声信号の
状態を有声と無声の２種類に判別し、音声が有声区間で
ある場合には予測残差信号をパルス列で近似し、無声区
間である場合には雑音により近似して情報圧縮してい
る。ここで重要なのは、符号化しようとしている音声フ
レームが有声区間であるか無声区間であるかの正確な判
定である。この判定誤りが多発すると再生音声は聴感上
で劣化が生じるので、判定誤り率を２％以下に抑える必
要がある。しかし、従来の音声状態判定方法では正確
に、有声／無声／遷移／無音という４種の状態のいずれ
かを正確に見分けられる方式が存在しないといえる。
【０００３】従来の音声状態判定の技術として、ＬＰＣ
ボコーダの有声／無声判定法について説明する。ＬＰＣ
ボコーダでは、有声／無声の判定は、音源（予測残差信
号）の周期性の度合いで決まる。周期性の度合いは、入
力音声信号のピッチ周期τｐに当たる時間遅れ（τ＝τ
ｐ）での予測残差信号相関Ｒτp を、時間遅れなし（τ
＝０）での予測残差信号相関Ｒ0 で正規化した値の大小
で調べる。図１に遅れ時間τとＲτ／Ｒ0 （Ｒ0 で正規
化された遅れ時間τでの予測残差信号相関Ｒτ）の関係
を示す。ここで、有声／無声判定は、次の条件式で決定
する。
ボコーダの有声／無声判定法について説明する。ＬＰＣ
ボコーダでは、有声／無声の判定は、音源（予測残差信
号）の周期性の度合いで決まる。周期性の度合いは、入
力音声信号のピッチ周期τｐに当たる時間遅れ（τ＝τ
ｐ）での予測残差信号相関Ｒτp を、時間遅れなし（τ
＝０）での予測残差信号相関Ｒ0 で正規化した値の大小
で調べる。図１に遅れ時間τとＲτ／Ｒ0 （Ｒ0 で正規
化された遅れ時間τでの予測残差信号相関Ｒτ）の関係
を示す。ここで、有声／無声判定は、次の条件式で決定
する。
【数１】
【０００４】図２に従来の有声／無声判定器の構成を示
す。例えば、８ｋＨｚで標本化された入力音声ａはフレ
ーム化器１により１フレーム２０ｍｓｅｃに分割されｂ
となりその後はフレーム毎に処理される。フレーム化さ
れた信号ｂは線形予測分析器２により線形予測分析さ
れ、その結果として線形予測係数ｃが得られる。この線
形予測係数ｃは、線形予測フィルタ３の係数として用い
られ、フレーム化された信号ｂは線形予測フィルタリン
グされ、予測残差信号ｄが得られる。予測残差信号ｄは
相関値計算器４に入力され、時間遅れなし（τ＝０）で
の予測残差信号相関（Ｒ0 ）および入力音声信号のピッ
チ周期τｐに当たる時間遅れ（τ＝τｐ）での予測残差
信号相関（Ｒτp ）が計算されて出力される。これらを
それぞれｅ，ｆとする。ｅ，ｆは、有声／無声判定器５
により条件式（１）に基づき有声／無声判定が実行され
る。ここで、経験から求められたしきい値ｇとして例え
ば０．２５が与えられている。判定結果である有声／無
声フラグｈは、例えば有声ならば０、無声ならば１と設
定される。
す。例えば、８ｋＨｚで標本化された入力音声ａはフレ
ーム化器１により１フレーム２０ｍｓｅｃに分割されｂ
となりその後はフレーム毎に処理される。フレーム化さ
れた信号ｂは線形予測分析器２により線形予測分析さ
れ、その結果として線形予測係数ｃが得られる。この線
形予測係数ｃは、線形予測フィルタ３の係数として用い
られ、フレーム化された信号ｂは線形予測フィルタリン
グされ、予測残差信号ｄが得られる。予測残差信号ｄは
相関値計算器４に入力され、時間遅れなし（τ＝０）で
の予測残差信号相関（Ｒ0 ）および入力音声信号のピッ
チ周期τｐに当たる時間遅れ（τ＝τｐ）での予測残差
信号相関（Ｒτp ）が計算されて出力される。これらを
それぞれｅ，ｆとする。ｅ，ｆは、有声／無声判定器５
により条件式（１）に基づき有声／無声判定が実行され
る。ここで、経験から求められたしきい値ｇとして例え
ば０．２５が与えられている。判定結果である有声／無
声フラグｈは、例えば有声ならば０、無声ならば１と設
定される。
【０００５】
【発明が解決しようとする課題】この方式で問題となる
のは、有声／無声判定において音声中の音源である予測
残差信号の周期性を調べているのみであり、音声の音色
を表す情報であるスペクトルについては考慮していない
ことである。つまり、音声は特有のスペクトルを有する
ため有声／無声判定にこれを用いれば有効であるにもか
かわらず、使用していないことである。このため、周期
性を有する背景雑音が入力音声に混在している場合、無
声区間（有声区間とは異なるスペクトルを有する）が有
音区間であると誤って判定されてしまう。
のは、有声／無声判定において音声中の音源である予測
残差信号の周期性を調べているのみであり、音声の音色
を表す情報であるスペクトルについては考慮していない
ことである。つまり、音声は特有のスペクトルを有する
ため有声／無声判定にこれを用いれば有効であるにもか
かわらず、使用していないことである。このため、周期
性を有する背景雑音が入力音声に混在している場合、無
声区間（有声区間とは異なるスペクトルを有する）が有
音区間であると誤って判定されてしまう。
【０００６】本発明の目的は、入力音声が有声区間，無
声区間，遷移区間（ここで遷移区間とは、有声区間から
無声区間へ、たまは、無声区間から有声区間へ遷移して
いる区間であり、有声と無声の中間の性質を有する）、
無音区間のうちどの状態にあるかを判別し、それぞれに
適した別々の音源の符号化方法を用いる可変ビットレー
ト・低ビットレート音声符復号器の再生音声品質を向上
させるため、音声の状態判定誤り率を小さくした音声状
態判定回路を提供することにある。
声区間，遷移区間（ここで遷移区間とは、有声区間から
無声区間へ、たまは、無声区間から有声区間へ遷移して
いる区間であり、有声と無声の中間の性質を有する）、
無音区間のうちどの状態にあるかを判別し、それぞれに
適した別々の音源の符号化方法を用いる可変ビットレー
ト・低ビットレート音声符復号器の再生音声品質を向上
させるため、音声の状態判定誤り率を小さくした音声状
態判定回路を提供することにある。
【０００７】
【課題を解決するための手段】本発明は、有声／無声判
定において音声中の音源の周期性を調べるのみではな
く、音声の音色を表す情報であるスペクトルを観察する
ことにより音声の状態（有声区間，無声区間，遷移区
間，または無音区間）の違いを識別し、より正確に状態
判定を行うことを特徴とする音声状態判定回路である。
定において音声中の音源の周期性を調べるのみではな
く、音声の音色を表す情報であるスペクトルを観察する
ことにより音声の状態（有声区間，無声区間，遷移区
間，または無音区間）の違いを識別し、より正確に状態
判定を行うことを特徴とする音声状態判定回路である。
【０００８】本発明では、スペクトルを観測する手段と
して、ウェーブレット変換を用いる。ウェーブレット変
換は、近年注目を集めている新しい時間−周波数解析手
法である。関数をφとすると、ウェーブレットは、ａ，
ｂをパラメータとする関数列として次の（２）式で定義
される。
して、ウェーブレット変換を用いる。ウェーブレット変
換は、近年注目を集めている新しい時間−周波数解析手
法である。関数をφとすると、ウェーブレットは、ａ，
ｂをパラメータとする関数列として次の（２）式で定義
される。
【０００９】
【数１】 ウェーブレット変換は、このウェーブレットφ
a,b （ｘ）を用い、２乗可積分な空間Ｌ2 関数ｆ（ｘ）
について次式となる。
a,b （ｘ）を用い、２乗可積分な空間Ｌ2 関数ｆ（ｘ）
について次式となる。
【数２】 ここで、ａは周波数軸、ｂは時間軸に対応し、｜Ｗ
（ａ，ｂ）｜2 は、「時刻ｂにおける周期ａの成分をも
つエネルギ」と解釈することができ、フーリエ変換より
時間−周波数に関する多くの情報を得ることができる。
（ａ，ｂ）｜2 は、「時刻ｂにおける周期ａの成分をも
つエネルギ」と解釈することができ、フーリエ変換より
時間−周波数に関する多くの情報を得ることができる。
【００１０】上記の時間−周波数解析手法の点から、短
時間フーリエ変換に比べてウェーブレット変換が優れて
いる点は、以下の通りである。 （１）高域で時間分解能が高く、低域で周波数分解能が
高い。 （２）人間の聴覚の時間・周波数の特性に類似してい
る。 （３）「いつ」あるいは「どこで」入力信号に変化が起
こったかをより正確に知ることができる。 これらのような点から、音声や音響解析に適していると
いわれている。
時間フーリエ変換に比べてウェーブレット変換が優れて
いる点は、以下の通りである。 （１）高域で時間分解能が高く、低域で周波数分解能が
高い。 （２）人間の聴覚の時間・周波数の特性に類似してい
る。 （３）「いつ」あるいは「どこで」入力信号に変化が起
こったかをより正確に知ることができる。 これらのような点から、音声や音響解析に適していると
いわれている。
【００１１】図３を用いて、上記（１）（２）（３）に
つていの説明を行う。同図（Ａ）は短時間フーエリ変換
の時間−周波数軸での分解能を示し、（Ｂ）はウェーブ
レット変換の時間−周波数軸での分解能を示す。（Ａ）
では時間軸、周波数軸で等間隔の分解能を有しているの
に対し、（Ｂ）では、高域で時間分解能が高く、低域で
周波数分解能が高くなっているのが分かる。人間の音声
信号の特長は、有声音の場合は、低周波数領域（５０〜
４００Ｈｚ）で基本ピッチ成分が緩やかに変化し、無声
音の場合は、広い周波数領域（入力信号が８０００Ｈｚ
でサンプリングされている場合、０〜４０００Ｈｚ）に
わたりホルマントが急激に変化する。このような信号を
解析する際、同図（Ｂ）の分解能を有している変換法が
明らかに適している。これを用いることにより、低周波
数領域（５０〜４００Ｈｚ）での緩やかな基本ピッチの
変化、広い周波数領域（入力信号が８０００Ｈｚでサン
プリングされている場合、０〜４０００Ｈｚ）での急激
な高域のホルマントの変化をより正確に検出することが
できる。次の表１には各フレームでのウェーブレット変
換結果から検出される周期性（ピッチ成分の有無）およ
び急激なホルマントの変化と、音声の状態の関係を示
す。
つていの説明を行う。同図（Ａ）は短時間フーエリ変換
の時間−周波数軸での分解能を示し、（Ｂ）はウェーブ
レット変換の時間−周波数軸での分解能を示す。（Ａ）
では時間軸、周波数軸で等間隔の分解能を有しているの
に対し、（Ｂ）では、高域で時間分解能が高く、低域で
周波数分解能が高くなっているのが分かる。人間の音声
信号の特長は、有声音の場合は、低周波数領域（５０〜
４００Ｈｚ）で基本ピッチ成分が緩やかに変化し、無声
音の場合は、広い周波数領域（入力信号が８０００Ｈｚ
でサンプリングされている場合、０〜４０００Ｈｚ）に
わたりホルマントが急激に変化する。このような信号を
解析する際、同図（Ｂ）の分解能を有している変換法が
明らかに適している。これを用いることにより、低周波
数領域（５０〜４００Ｈｚ）での緩やかな基本ピッチの
変化、広い周波数領域（入力信号が８０００Ｈｚでサン
プリングされている場合、０〜４０００Ｈｚ）での急激
な高域のホルマントの変化をより正確に検出することが
できる。次の表１には各フレームでのウェーブレット変
換結果から検出される周期性（ピッチ成分の有無）およ
び急激なホルマントの変化と、音声の状態の関係を示
す。
【００１２】
【表１】
【００１３】
【実施例】図４にウェーブレット変換を用いた本発明の
音声状態判定器の構成例を示す。例えば、８ｋＨｚで標
本化された入力音声ａ１はフレーム化器１１により１フ
レーム２０ｍｓｅｃに分割されｂ１となりその後はフレ
ーム毎に処理される。ｂ１はウェーブレット変換器１２
により変換され、その結果として、１フレーム内での任
意の時刻ｂ、任意の周波数（周期ａ）の成分に対応する
ウェーブレット変換結果Ｗ（ａ，ｂ）ｃ１が得られる。
この詳細は図５によって後で説明する。ｃ１はウェーブ
レット変換結果エネルギ計算器１３に入力され、ウェー
ブレット変換結果エネルギ｜Ｗ（ａ，ｂ）｜2 ｄ１が出
力される。音声状態判定器１４では、ｄ１を入力し、後
に説明するアルゴリズムを用いて、有声，無声，遷移区
間，無音区間のうちどの状態であるかを判定し、その結
果として状態判定フラグｅ１を出力する。
音声状態判定器の構成例を示す。例えば、８ｋＨｚで標
本化された入力音声ａ１はフレーム化器１１により１フ
レーム２０ｍｓｅｃに分割されｂ１となりその後はフレ
ーム毎に処理される。ｂ１はウェーブレット変換器１２
により変換され、その結果として、１フレーム内での任
意の時刻ｂ、任意の周波数（周期ａ）の成分に対応する
ウェーブレット変換結果Ｗ（ａ，ｂ）ｃ１が得られる。
この詳細は図５によって後で説明する。ｃ１はウェーブ
レット変換結果エネルギ計算器１３に入力され、ウェー
ブレット変換結果エネルギ｜Ｗ（ａ，ｂ）｜2 ｄ１が出
力される。音声状態判定器１４では、ｄ１を入力し、後
に説明するアルゴリズムを用いて、有声，無声，遷移区
間，無音区間のうちどの状態であるかを判定し、その結
果として状態判定フラグｅ１を出力する。
【００１４】図５にウェーブレット変換結果ｗ（ａ，
ｂ）について示す。横軸は、前記（２）式，（３）式に
おける係数ｂであり、１フレーム内の時間的な位置に対
応している。この実施例では、横軸０〜１．０の区間を
１フレーム長と考えている。また、縦軸は、前記（２）
式における係数ａであり、周波数軸での位置に対応して
いる。ａは分析しようとしている周波数の中心周波数に
対応している。ウェーブレット変換は、同図に示した＜
１＞〜＜１５＞の時間−周波数領域毎に実行され、＜１
＞〜＜１５＞の領域に対応するｗ（ａ，ｂ）が得られ
る。但し、同図では＜１＞〜＜１５＞の領域内に示して
いるｗ（ａ，ｂ）のａは、周波数ではなく、ウェーブレ
ット（前記（２）式）のａの値（ウェーブレットの有す
る周波数成分：分析しようとしている周波数帯域に対応
する）を表している。これらの各領域＜１＞〜＜１５＞
のｗ（ａ，ｂ）についてそれぞれ｜ｗ（ａ，ｂ）｜2 を
計算すれば、各領域＜１＞〜＜１５＞でのエネルギが求
められる。
ｂ）について示す。横軸は、前記（２）式，（３）式に
おける係数ｂであり、１フレーム内の時間的な位置に対
応している。この実施例では、横軸０〜１．０の区間を
１フレーム長と考えている。また、縦軸は、前記（２）
式における係数ａであり、周波数軸での位置に対応して
いる。ａは分析しようとしている周波数の中心周波数に
対応している。ウェーブレット変換は、同図に示した＜
１＞〜＜１５＞の時間−周波数領域毎に実行され、＜１
＞〜＜１５＞の領域に対応するｗ（ａ，ｂ）が得られ
る。但し、同図では＜１＞〜＜１５＞の領域内に示して
いるｗ（ａ，ｂ）のａは、周波数ではなく、ウェーブレ
ット（前記（２）式）のａの値（ウェーブレットの有す
る周波数成分：分析しようとしている周波数帯域に対応
する）を表している。これらの各領域＜１＞〜＜１５＞
のｗ（ａ，ｂ）についてそれぞれ｜ｗ（ａ，ｂ）｜2 を
計算すれば、各領域＜１＞〜＜１５＞でのエネルギが求
められる。
【００１５】次に、有声／無声判定アルゴリズムについ
て説明する。図６にフレーム毎に実行される状態（有
声，無声，遷移，無音）判定アルゴリズムのフローチャ
ートを示す。ステップ番号６１〜６８について順番に説
明する。 ステップ６１：各時間・周波数領域＜１＞〜＜１５＞に
ついて｜ｗ（ａ，ｂ）｜2 を求める。 ステップ６２：領域＜４＞〜＜７＞の｜ｗ（ａ，ｂ）｜
2 の合計ｗT4,7を求める。これは、音声信号の成分は１
ｋＨｚ付近に多く分布しているという事実に基づき、１
ｋＨｚ付近での成分のエネルギの合計である。ｗT4,7を
求め、次のステップ６３でこの値を用いて入力音声が有
音（有声，無声，遷移）であるか無音であるかを判定す
るためである。 ステップ６３：有音／無音判定を行うため、閾値Ｔｈ1
と比較し、これより大きければ有音、小さければ無音と
する。閾値Ｔｈ1 には、予め経験的に適切な値をセット
をしておく。 ステップ６４：ステップ６３で無音と判定された場合、
状態判定フラグを無音に対応する値にセットし出力す
る。
て説明する。図６にフレーム毎に実行される状態（有
声，無声，遷移，無音）判定アルゴリズムのフローチャ
ートを示す。ステップ番号６１〜６８について順番に説
明する。 ステップ６１：各時間・周波数領域＜１＞〜＜１５＞に
ついて｜ｗ（ａ，ｂ）｜2 を求める。 ステップ６２：領域＜４＞〜＜７＞の｜ｗ（ａ，ｂ）｜
2 の合計ｗT4,7を求める。これは、音声信号の成分は１
ｋＨｚ付近に多く分布しているという事実に基づき、１
ｋＨｚ付近での成分のエネルギの合計である。ｗT4,7を
求め、次のステップ６３でこの値を用いて入力音声が有
音（有声，無声，遷移）であるか無音であるかを判定す
るためである。 ステップ６３：有音／無音判定を行うため、閾値Ｔｈ1
と比較し、これより大きければ有音、小さければ無音と
する。閾値Ｔｈ1 には、予め経験的に適切な値をセット
をしておく。 ステップ６４：ステップ６３で無音と判定された場合、
状態判定フラグを無音に対応する値にセットし出力す
る。
【００１６】ステップ６５：領域＜４＞〜＜７＞の｜ｗ
（ａ，ｂ）｜2 の分散σ2 4,7を求める。この値は、領域
＜４＞〜＜７＞の時間的変化の大きさの度合いを表し、
これを用いて音声信号の周期性の強さ、つまり有声区間
である可能性の大きさを調べる。音声の基本ピッチ周波
数の平均は、男声１２５Ｈｚ、女声２５０Ｈｚであるこ
とから、もし現フレームが有音区間であれば、領域＜４
＞〜＜７＞には、その高調波成分が存在し、時間的に緩
やかに変化するので分散σ2 4,7は小さくなる。また、分
散σ2 4,7が大きければ無声である可能性が高くなる。 ステップ６６：領域＜８＞〜＜１５＞の｜ｗ（ａ，ｂ）
｜2 の分散σ2 8,15 を求める。この値は、領域＜８＞〜
＜１５＞の時間的変化の大きさの度合いを表し、これを
用いて音声信号のホルマントの時間的な急激な変化があ
るかないか、つまり無声区間である可能性の大きさを調
べる（ホルマントの時間的変化を調べるためには、広い
周波数範囲で、高い時間分解能で音声波形を分析する必
要があるため、領域＜８＞〜＜１５＞のエネルギ｜ｗ
（ａ，ｂ）｜2 の時間的変化を調べている）。もし現フ
レームが無音区間であれば、領域＜８＞〜＜１５＞のエ
ネルギは時間的に急激に変化するため、分散σ2 8,15 は
大きくなる。また、分散σ2 8,15 が小さければ有声であ
る可能性が高くなる
（ａ，ｂ）｜2 の分散σ2 4,7を求める。この値は、領域
＜４＞〜＜７＞の時間的変化の大きさの度合いを表し、
これを用いて音声信号の周期性の強さ、つまり有声区間
である可能性の大きさを調べる。音声の基本ピッチ周波
数の平均は、男声１２５Ｈｚ、女声２５０Ｈｚであるこ
とから、もし現フレームが有音区間であれば、領域＜４
＞〜＜７＞には、その高調波成分が存在し、時間的に緩
やかに変化するので分散σ2 4,7は小さくなる。また、分
散σ2 4,7が大きければ無声である可能性が高くなる。 ステップ６６：領域＜８＞〜＜１５＞の｜ｗ（ａ，ｂ）
｜2 の分散σ2 8,15 を求める。この値は、領域＜８＞〜
＜１５＞の時間的変化の大きさの度合いを表し、これを
用いて音声信号のホルマントの時間的な急激な変化があ
るかないか、つまり無声区間である可能性の大きさを調
べる（ホルマントの時間的変化を調べるためには、広い
周波数範囲で、高い時間分解能で音声波形を分析する必
要があるため、領域＜８＞〜＜１５＞のエネルギ｜ｗ
（ａ，ｂ）｜2 の時間的変化を調べている）。もし現フ
レームが無音区間であれば、領域＜８＞〜＜１５＞のエ
ネルギは時間的に急激に変化するため、分散σ2 8,15 は
大きくなる。また、分散σ2 8,15 が小さければ有声であ
る可能性が高くなる
【００１７】ステップ６７：σ2 4,7 , σ2 8,15 から次
の表２を用いて状態を判定する。ここで、閾値Ｔｈ2 は
周期性判定用の分散σ2 4,7の閾値であり、σ2 4,7がこれ
より小さければ有声区間とする。また、閾値Ｔｈ3 は急
激なホルマント変化の判定用の分散σ2 8,15 の閾値であ
り、σ2 8,15 がこれより大きければ無声区間であるとす
る。
の表２を用いて状態を判定する。ここで、閾値Ｔｈ2 は
周期性判定用の分散σ2 4,7の閾値であり、σ2 4,7がこれ
より小さければ有声区間とする。また、閾値Ｔｈ3 は急
激なホルマント変化の判定用の分散σ2 8,15 の閾値であ
り、σ2 8,15 がこれより大きければ無声区間であるとす
る。
【００１８】
【表２】
【００１９】表２の状態判定表から分かるように、有声
と無声の中間的な性質を示す場合（有声・無声のどちら
にも対応する場合、または、どちらにも対応しない場
合）には遷移区間であると判定する。Ｔｈ2 とＴｈ3 に
は、予め経験的に適切な値をセットしておく。 ステップ６８：ステップ６７に基づき、状態判定フラグ
をそれぞれの状態に対応する値にセットし出力する。
と無声の中間的な性質を示す場合（有声・無声のどちら
にも対応する場合、または、どちらにも対応しない場
合）には遷移区間であると判定する。Ｔｈ2 とＴｈ3 に
は、予め経験的に適切な値をセットしておく。 ステップ６８：ステップ６７に基づき、状態判定フラグ
をそれぞれの状態に対応する値にセットし出力する。
【００２０】この判定方法では、音声の周期性（ピッチ
成分の有無）および急激なホルマントの変化の両方を調
べることが可能であるため、入力音声信号に背景雑音が
存在していても、音声の状態をより正確に判定すること
ができる。
成分の有無）および急激なホルマントの変化の両方を調
べることが可能であるため、入力音声信号に背景雑音が
存在していても、音声の状態をより正確に判定すること
ができる。
【００２１】
【発明の効果】本発明を用いることにより、音声の状態
判定誤りを小さく抑えることができ、本方式を可変ビッ
トレート・低ビットレート音声符復号器に適用した場
合、再生音声の品質向上ができるため実用上効果は大き
い。
判定誤りを小さく抑えることができ、本方式を可変ビッ
トレート・低ビットレート音声符復号器に適用した場
合、再生音声の品質向上ができるため実用上効果は大き
い。
【図１】遅れ時間と予測残差信号の相関値の関係図であ
る。
る。
【図２】従来の有声／無声判定器の構成例図である。
【図３】時間−周波数軸での分解能説明図である。
【図４】本発明の有声／無声判定器の構成例図である。
【図５】本発明のウェーブレット変換結果説明図であ
る。
る。
【図６】本発明の状態判定アルゴリズムを示すフローチ
ャートである。
ャートである。
１ フレーム化器 ２ 線形予測分析器 ３ 線形予測分析フィルタ ４ 相関値計算器 ５ 有声／無声判定器 １１ フレーム化器 １２ ウェーブレット変換器 １３ ウェーブレット変換結果エネルギ計算器 １４ 状態判定器 ６１〜６８ ステップ番号
Claims (1)
- 【請求項１】 フレーム化された音声信号をウェーブレ
ット変換しウェーブレット変換結果を出力するウェーブ
レット変換器と、 該ウェーブレット変換結果のエネルギを計算して出力す
るウェーブレット変換結果エネルギ計算器と、 該ウェーブレット変換結果エネルギの値と、予め経験的
に設定された有音／無音判定用のエネルギの閾値，周期
性判定用の閾値および急激なホルマント変化の有無を調
べるための閾値とを比較することにより、現フレームの
音声信号の状態が有声区間，無声区間，無声から有声へ
の遷移区間，有声から無声への遷移区間，または無音区
間のいずれであるかを判定し、その判定結果に基づき音
声状態のフラグの値を設定して出力する状態判定器とを
備えた音声状態判定回路。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP6192275A JPH0836400A (ja) | 1994-07-25 | 1994-07-25 | 音声状態判定回路 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP6192275A JPH0836400A (ja) | 1994-07-25 | 1994-07-25 | 音声状態判定回路 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH0836400A true JPH0836400A (ja) | 1996-02-06 |
Family
ID=16288572
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP6192275A Pending JPH0836400A (ja) | 1994-07-25 | 1994-07-25 | 音声状態判定回路 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH0836400A (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2005124739A1 (ja) * | 2004-06-18 | 2005-12-29 | Matsushita Electric Industrial Co., Ltd. | 雑音抑圧装置および雑音抑圧方法 |
| KR20180067608A (ko) * | 2015-10-13 | 2018-06-20 | 알리바바 그룹 홀딩 리미티드 | 노이즈 신호 결정 방법과 장치, 및 음성 노이즈 제거 방법과 장치 |
-
1994
- 1994-07-25 JP JP6192275A patent/JPH0836400A/ja active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2005124739A1 (ja) * | 2004-06-18 | 2005-12-29 | Matsushita Electric Industrial Co., Ltd. | 雑音抑圧装置および雑音抑圧方法 |
| KR20180067608A (ko) * | 2015-10-13 | 2018-06-20 | 알리바바 그룹 홀딩 리미티드 | 노이즈 신호 결정 방법과 장치, 및 음성 노이즈 제거 방법과 장치 |
| JP2018534618A (ja) * | 2015-10-13 | 2018-11-22 | アリババ グループ ホウルディング リミテッド | ノイズ信号判定方法及び装置並びに音声ノイズ除去方法及び装置 |
| US10796713B2 (en) | 2015-10-13 | 2020-10-06 | Alibaba Group Holding Limited | Identification of noise signal for voice denoising device |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Marzinzik et al. | Speech pause detection for noise spectrum estimation by tracking power envelope dynamics | |
| EP1252621B1 (en) | System and method for modifying speech signals | |
| US6182035B1 (en) | Method and apparatus for detecting voice activity | |
| CN1909060B (zh) | 提取浊音/清音分类信息的方法和设备 | |
| JPH05346797A (ja) | 有声音判別方法 | |
| CA2235455A1 (en) | Method and apparatus for speech enhancement in a speech communication system | |
| JP2016513812A (ja) | 時間領域デコーダにおける量子化雑音を低減するためのデバイスおよび方法 | |
| CN103474074B (zh) | 语音基音周期估计方法和装置 | |
| CN1550001A (zh) | 用于语音质量评估的听觉发音分析 | |
| Patil et al. | Classification of normal and pathological voices using TEO phase and Mel cepstral features | |
| Bapineedu et al. | Analysis of lombard speech using excitation source information | |
| KR19990049148A (ko) | 피치 구간별 fo/f1률의 유사성에 의한 음성파형 압축방법 | |
| Osman et al. | Speech compression using LPC and wavelet | |
| Rasetshwane et al. | Identification of speech transients using variable frame rate analysis and wavelet packets | |
| JP2003316380A (ja) | 会話を含む音の信号処理を行う前の段階の処理におけるノイズリダクションシステム | |
| Patwardhan et al. | Effect of voice quality on frequency-warped modeling of vowel spectra | |
| Dasgupta et al. | Detection of glottal excitation epochs in speech signal using Hilbert envelope | |
| KR100322704B1 (ko) | 음성신호의지속시간변경방법 | |
| Kumar¹ et al. | Extraction of Vocal Tract Length from Formant Frequencies for Forensic Speech Applications | |
| KR20030034260A (ko) | 이동 통신 시스템의 음성 활성도 측정 장치 및 그 방법 | |
| Lukasiak et al. | Linear prediction incorporating simultaneous masking | |
| Shi et al. | An experimental study of noise on the performance of a low bit rate parametric speech coder | |
| KR0171004B1 (ko) | Samdf를 이용한 기본 주파수와 제1포만트의 비율 측정방법 | |
| Nordstrom et al. | Influence of the LPC filter upon the perception of breathiness and vocal effort | |
| Yuan | The weighted sum of the line spectrum pair for noisy speech |