JPH08511672A

JPH08511672A - 冗長性の減少された試験信号を使用する通信装置の試験方法および装置

Info

Publication number: JPH08511672A
Application number: JP7502549A
Authority: JP
Inventors: ホーリア、マイケル・ピーター
Original assignee: ブリテイッシュ・テレコミュニケーションズ・パブリック・リミテッド・カンパニー
Priority date: 1993-06-21
Filing date: 1994-06-17
Publication date: 1996-12-03
Anticipated expiration: 2020-10-05
Also published as: US5999900A; AU6974694A; DE69421704T2; JP3701671B2; WO1995001011A1; DE69421704D1; EP0705501A1; EP0705501B1; SG47542A1; CA2161257C; AU677401B2; CA2161257A1

Abstract

(57)【要約】通信装置用の試験信号は、冗長が取除かれた自然のスピーチに類似しているように同じ音の異なる連続と、まれにしか発生しない音と、およびレベル、ピッチおよび期間の極値の音とを含む実際のまたは合成されたスピーチの連続したセグメントを含んでいる。通信装置(1)の特性を解析する時に、解析装置(8)が自然のスピーチにおける各音の発生頻度を考慮する。

Description

【発明の詳細な説明】冗長性の減少された試験信号を使用する通信装置の試験方法および装置本発明は、通信装置の試験方法および装置に関する。通信装置（例えば、電話線、電話回路網、またはコーデック等の通信装置）を試験する時、試験信号は通信装置の入力に導入され、装置の結果的な出力に対してある試験が行われる。信号対雑音比のような“客観的”試験測定値を得ることが知られており、その値は自動処理装置によって計算されることができる。聞き手が通信装置の出力を聞いて、出力の品質について意見を述べる“主観的”試験を行うことも知られている。通信システムのいくつかの素子は線形である。したがって、ディスクリートな周波数正弦波、掃引された正弦波信号またはチャープ信号、ランダムまたは疑似ランダム雑音信号、またはパルスのような簡単な人工的な試験信号を適用することができる。出力信号は、例えば高速フーリエ変換（ＦＦＴ）または他のスペクトル解析技術を使用して解析されることができる。１以上のこのような簡単な試験信号は、線形システムを十分に特徴付けることができる。他方において、最近の通信システムに含まれる素子では非線形であり、および、または時間的に変化する素子が増加している。例えば、移動電話システムの一部分を形成する最近の低ビット速度のデジタルスピーチコーデックは、非線形応答および自動利得制御（ＡＧＣ）、音声活動検出器（ＶＡＤ）および関連した音声スイッチを有し、バーストエラーはそれらが一部分を形成する通信システムに時間的変化を生じさせる。したがって、通信装置の歪みまたは許容度の客観的な尺度を得るために線形システムに対して開発された簡単な試験方法が益々使用できなくなる。最近、文献（John G.BeerendsおよびJan A.Stemerdink氏による“Measuring t he Quality of Audio Devices”presented at the 90th AES Convention 1991年 2月19-22日,Paris in AES Preprints as Preprint 3070(L-8)by the Audio Engi neering Society）において、実際に記録されたスピーチのデータベースを試験信号として使用し、人間の聴覚に生じると考えられるプロセスにいくつかの点で対応するように設計された知覚的な解析方法を使用するコーデックの対応した出力を解析することによってデジタル移動無線に対してスピーチコーデックの品質を測定することが提案されている。通信装置の特性を測定するためにセプストラル(cepstral)距離（ＣＤ）測定のような通常の歪み解析測定と共に、人工的な音声信号（すなわち、スペクトル的に人間の音声に類似しているが、インテリジェンスを全く伝達しない信号）を使用することもまた提案されている（例えば、Irii、Kurashima、KitawakiおよびI toh氏による文献（“Objective Measurement Method for Estimating Speech Qu ality of Low Bit Rate Speech Coding”,NTT Review,Vol.3.No.5，1991年9月）。人間のスピーチを符号化するように設計されたコーデックのような試験装置および人間の聴覚に基づく解析方法を使用した場合、上記のBeernendsおよびSteme rdink氏の文献において提案されたように、実際の人間のスピーチサンプルを使用することは明らかである。しかしながら、実際にはこのような試験システムの特性はあまりよくない。１つの人工的な音声試験信号が、CCITT勧告Ｐ50（Artificial Voices,Vol.Rec .Ｐ50,Melbourne 1988,published by CCITT）に記載されている。Ｐ50試験信号には、予め定められた長さのセグメントで与えられたランダムに選択されたシーケンサで16の予め定められたスペクトルパターンが存在し、そのセグメント間の転移は滑らかである。Ｐ50信号は、約10秒にわたって平均化した場合、スピーチに対する長期間および短期間のスペクトル類似性を有する。しかしながら、Ｐ50 試験信号と実際のスピーチとの間のいくつかの相違が通信システムを試験する時に顕著であることが認められている。提案された別のタイプの人工的な試験信号は、文献（H.BrehmおよびW.Stammle r氏による“Description and Generation of Sphericaliy Invarient Speech Mo del Signals”Signal Processing,Vol.12 Pt 2,1987年3月）に記載されているように球状の変化しないランダムプロセス（ＳＩＲＰ）を使用する。これは、自然のスピーチと同じ長期間スペクトルを有する信号を提供する。短期間スペクトルは自然のスピーチのものに類似しておらず、経過時間にわたる音のグルーピングが主観的に自然のスピーチと非常に異なって聞こえる。マルコフ（ｍ）ＳＩＲＰと呼ばれる変形は、短期間のスペクトルのモデル化を試みているが、自然のスピーチと異なって聞こえるスピーチ音との間の速いランダムな転移を有する。したがって、本発明は、自然のスピーチにおいて発生する、自然のスピーチに比較して冗長性が減少された音のシーケンスを含む試験信号を提供する。実際のスピーチデータを使用する時、いくつかの問題に直面する。表現するには、話し手の人数が多くなければならず、各話し手からのスピーチ材料は広範囲にわたるものでなければならず、音声レベルの範囲は各話し手に対して考慮されなければならない。したがって、システムの信頼できる特性を提供するために、試験されているシステムにより動作されなければならない自然のスピーチ材料の量は非常に多い。本発明は、一般に生理学的および言語学的な制約が、スピーチ音のある組合せが自然のスピーチにおいて発生することを阻止し、試験のために人間のスピーチで生成された音の多くのものに著しい冗長が存在することの認識に基づいている。したがって、本発明によると、実際の人間のスピーチからのスピーチ音（記録または合成されたいずれか）は、冗長を生ぜずに種々のスピーチ音およびレベルの表現例を提供する構造に構成され、実現可能な長さのスピーチ状の試験信号を提供する。この方法において、自然のスピーチのフォルマント構造および時間的 (temporal)構造を含み、しかも比較的表現的で現実的な期間のスピーチ信号（上記のＳＩＲＰおよびＰ 50試験信号とは異なる）を得ることができる。本発明の試験信号と共に通信システムの特性を解析するために使用できる解析方法は、ここでは全文が参照文献とされているＷＯ94/00922として公開された本出願人の国際特許出願ＧＢ93/01322号明細書に記載されている。本出願人の欧州特許第94300073.7号明細書（1994年1月6日出願）に記載され、ここでは参照文献とされている修正によって、解析方法は、連続した時間間隔にわたって１組のスペクトル帯域のそれぞれの中の歪みに応答する歪みを与えられた試験信号から１組のスペクトル成分信号を周期的に導出する装置を使用することができる。この装置は、通信装置による歪みの主観的影響の尺度を生成するように構成される。この主観的影響の尺度は、時間にわたる歪みの拡散および、または前記のスペクトル帯域に依存するように計算される。以下の説明および請求の範囲から本発明の別の観点および好ましい実施例が明らかになるであろう。以下、添付図面を参照して単なる例示として本発明を説明する。図１は、使用されている本発明の１実施例の構造を示したブロック図である。図２は、本発明の１実施例の素子をさらに詳細に示したブロック図である。図３は、図２の実施例の一部分を形成する試験信号発生器をさらに詳細に示したブロック図である。図４は、時間にわたる試験信号の構造を概略的に示す。図５は、本発明による試験信号シーケンスを導出する装置の構造を示したブロック図である。図６は、図５の装置によって実行されるプロセスを示したフロー図である。図７は、図６のプロセスの一部分をさらに詳細に示したフロー図である。図８は図３に対応し、本発明の別の実施例の一部分を形成する試験信号発生器の構造を示す。図９は、図８の一部分を形成するスピーチシンセサイザをさらに詳細に示したブロック図である。図１０は、図２の実施例の一部分を形成する解析装置をさらに詳細に示したブロック図である。図１１は、本発明の実施例において図８の解析装置により実行されるプロセスの概略を示したフロー図である。［装置の概要］図１を参照すると、通信装置１は、入力ポート２および出力ポート３を含む。試験装置４は、試験されている通信装置の入力ポート２に結合する出力ポート５と、試験されている通信装置の出力ポート３に結合するための入力ポート６とを含む。図２を参照すると、試験装置４は、出力ポート５に結合されてスピーチ状の試験信号をそれに供給する試験信号発生器７と、入力ポート６に結合されて通信装置１から受信された信号を解析する信号解析装置８とを含む。本出願人の上記に参照にされた国際特許出願明細書に詳細に示されているように、解析装置８はまた試験信号発生器７によって生成された試験信号の解析を使用しており、これはこの実施例において出力ポート５から入力ポート６に至るパス９で示されている。測定信号出力ポート10はまた解析装置８に接続され、ここにおいて通信装置の許容度（例えば、歪み）のある尺度を示す信号が次の処理または図示されていない視覚表示装置（ＶＤＵ）上における表示のために出力される。［第１の実施形態］［試験信号発生器７］図３に簡単な形態で示されているように、人工スピーチ発生器は、スピーチ信号が再構成されることができる記憶されたデジタルデータを含むデジタル記憶装置71（例えば、ハードディスクまたはデジタルオージオテープ）を含んでいるだけでもよい。記憶されたデータは個々のデジタル化されたスピーチサンプルでもよく、それらは出力ポート５に接続された信号再構成手段72（例えば、デジタルアナログ変換器（ＤＡＣ））に記憶装置71から連続的に供給される。記憶装置71 に記憶されたサンプルデータは、何秒間か（例えば10秒間程度）継続する１以上のスピーチ発声を含む。制御回路73（例えばマイクロプロセッサ）は、出力されるべき特定の試験信号を選択するように記憶装置71の動作を制御する。図４を参照すると、記憶装置71に記憶された試験信号データは、複数のセグメントｔ₀，ｔ₁，ｔ₂，…，ｔ_nを含む試験信号を形成するように再構成される。各セグメントｔ₀乃至ｔ_nは、異なるスピーチ音（例えば異なる音素）または沈黙に対応する。［試験シーケンスの設計］この実施例において、試験シーケンスは試験信号発生器100（例えば、デジタルコンピュータ）によって予め生成されており、スピーチセグメント記憶装置17 1がこの発生器100に接続され、記憶装置171は各音素を発声する実際の人間のスピーチの記録されたインスタンスのデータベースを記憶する。シーケンス発生器 100はまた試験信号シーケンスをそれに書込むために記憶装置71に接続される。試験信号の最初の開始点は、異なる定義に応じて40乃至50個存在する音素のセット、例えば国際発音アルファベット（International Phonetic Alphabet）（文献（W.A.Ainsworth氏による“Mechanisms of Speech Recognition”,Pergamon Press,1976））によって定義されたセットである。これらの音素は、スペクトル内容、および重要である時間的な構造に応じて第１に発声された音声および音声でない音、第２に母音および子音、第３に破裂音、摩擦音、推移音等のいくつかのカテゴリィに分けられることが可能である。本発明のために、自然のスピーチにおいて発生した音を１つ残らず使用して通信装置を試験する必要はない。その代りとして、上記の各カテゴリィから１以上の例を採取し、試験信号を形成することで十分である。したがって、音素のセットは異なるスペクトル内容（例えば、発声された音声または音声でない音）および時間構造（例えば、唇の開または閉による終了）を表す10乃至20個のスピーチセグメントのサブセットに減少され、それらは図６のステップ301で選択される。次に、種々のパラメータ、特にレベルまたはエネルギ、ピッチ、期間およびフォルマント転移率の統計的分散が考慮される。フォルマントは、スピーチのスペクトルに共鳴ピークを含むことがスピーチ分野においてよく知られており、それらのいくつかの位置は調音器官の動きと共に変化する。これらの各パラメータは、典型的に平均値およびまれにしか発生しない上方および下方の値によって特徴付けられる。さらに、音素のいくつかおよび音素のいくつかの組合わせは他のものより平均してより頻繁に発生する。これらの統計的な分布に関する情報は、例えば文献（Richards D．L氏による“Telecommunication by Speech”Butterwort hs,1973年、またはFletcher H氏による“Speech and Hearing in Communication ”，D.Van Nostrand,1953年、或はAinsworth W.A氏による“Mechanisms of Spee ch Recognition”Permagon Press,1976年、若しくはO'Connor J DおよびTrim J L M氏による“Vowel consonant and Syllable-A Phonological Definition”Wor ld,Vol.9，No.2,1953年8月）に記載されている。その後，音素のスーパーセットは、サブセットの各音素のいくつかのインスタンス、通常レベル（振幅）のもの、実際に通常認められる高いおよび低い極値のもの（例えば、１標準偏差、２標準偏差、またはある別の予め定められた統計的な量だけ平均レベルから外れた）、同様に自然のスピーチにおいて認められるピッチの各極値（高いおよび低い）のもの、およびフォルマントを含む音に対して自然のスピーチにおいて認められたフォルマント転移速度の各極値（高いおよび低い）におけるもの等を採取することによってステップ302で構成される。したがって、スーパーセットは、選択された音素のインスタンスを含む100個程度のスピーチセグメントのリストを含んでいる。発生値の頻度は、スーパーセットの各音素に対して記憶される。ＣＣＩＴＴ勧告P56に記載された方法を使用して測定されたようなスピーチレベルの多様性は、英国電話ネットワークにおいてほぼ４ｄＢの標準偏差を示すことが認められている。通信装置の素子の多くのもの（例えば、エコー消去装置または音声スイッチ）が時間変化特性を有しているため、各スピーチセグメントが発生する内容（すなわち、それに先行する信号部分）は、それが歪みを与えられる程度を決定する時に重要である。例えば、沈黙または低い振幅スピーチセグメントによって先行されるスピーチセグメントは音声スイッチによってクリップされる可能性があり、一方、それが高い振幅スピーチセグメントによって先行された場合には、このようなクリッピングは発生しない。したがって、このようにして生成されたスピーチセグメントのスーパーセットから試験信号を構成する時、同じスピーチセグメントが１以上の内容（すなわち、異なるスピーチセグメントによって先行された）において試験信号で表現されることを確実にするように注意されるか、或は試験信号がスピーチセグメントの１つのタイプから別のものへの多数の異なるタイプの転移を確実に含むように別の方法で観察される。短い沈黙がスピーチ中に発生するため、“沈黙”セグメントもまたスーパーセット中に含まれる。しかしながら、人間の音声システムにおける調音器官がある位置から別の位置に直ぐに移動することを阻止する生理学的制限のために、或いは例えば連続した子音の一続きの長さを制限する言語学的な理由（言語間で変化する可能性がある）のいずれかのために１つの音索から別のものへのいくつかの転移は自然のスピーチでは発生しない。したがって、本発明によるとスピーチセグメントのいくつかの連続は、試験信号を構成する時は許されない。図７は、試験シーケンスを生成するためにステップ303で使用されるアルゴリズムの一例を示す。シーケンスは、180秒程度継続し、セグメントの連続から構成され、それらは好ましくは可変的であるが典型的に数百ミリ秒程度の各期間である。ステップ201において、第１のスピーチセグメント（図４のｔ₀、インデクスｉ＝０）は、随意またはランダム（疑似ランダム）ベースでスピーチセグメントのスーパーセットから選択される。ステップ202において、スピーチセグメントが既にそのシーケンスで予め定められた回数以上すでに使用されているか、或いはスピーチセグメントが直前の同じスピーチセグメント（ｔ_i-1）の後のシーケンスで既に発生しているかについて試験が行われる。これらの基準のいずれかが満たされた場合、選択されたスピーチセグメントはシーケンスに含まれず、その代りに選択ステップ201が新しいスピーチセグメントを発見するために反復される。ステップ203において、選択されたセグメントが自然のスピーチにおいて前のセグメント（ｔ_i-1）に続くことが可能であるか否かを決定するために生理学的または言語学的ルールが適用される。例えば、セグメントが２つの先行する子音の後に発生した子音であるか、または２つの先行する摩擦音の後に発生した摩擦音である場合、それは拒否される。このような発生ルールは、例えばテキストとスピーチの合成においてよく知られている。選択されたセグメントがこれらの発生ルールに合わない場合、ステップ201が再度反復される。ステップ204において、シーケンスの長さが試験され、シーケンスが既に予め定められたセグメント数（すなわち、ｉ＝Ｎ、予め定められた子音）から構成されている場合、シーケンスは終了し、プロセスは図６のステップ304に進む。ステップ205において、シーケンス中の最後の沈黙セグメントからのスピーチセグメント数の試験が行なわれる。沈黙セグメントはセグメントのスーパーセットのメンバーであり、したがってステップ201でランダムベースで選択される。しかしながら、２秒以上（例えば）のスピーチセグメントが沈黙セグメントなしに発生している場合、ステップ201でのセグメントの選択に優先して、ステップ2 06において沈黙セグメントが選択される。そうではなく、ステップ201で選択されたセグメントがステップ207においてシーケンスに付加された場合、インデクスカウンタｉがステップ208でインクレメントされる。シーケンスを限定するスピーチセグメントのリストを選択すると、この実施例では記憶装置71に記録される信号値のサンプル列が、記憶装置171から対応する記憶されたスピーチセグメントを読取り、２つのセグメントが接する不連続をステップ304で取除くようにスピーチセグメント間の転移部分でシーケンスのデジタル編集を行うことによって得られる。ステップ304におけるスピーチセグメントの結合すなわち連結は、合成されるアナウンスメントにおいて二重音(diphone)を結合するために使用される重複および付加技術を使用して行なわれることができる。文献（E.MoulinesおよびF.Ch arpentier氏によるSpeech Communication,Vol.9,No.5/6,453頁，またはC.Hamon 氏らによるproceedings IEEE,International Conference on Acoustics,Speech and Signal Processing(ICASSP)1989）に記載されたピッチ同期重複および付加技術（ＰＳＯＬＡ）が好ましい。この技術において、結合される２つのスピーチセグメントのエッジ領域において、両者が発声されたスピーチセグメントである場合、２つのセグメントの異なるピッチが両者の結合部における中間ピッチに向かって漸次的に変化され、２つのスピーチセグメントの波形は上記の文献にさらに詳細に記載されているように重複して付加される。隣接したスピーチセグメント間のいかなる総エネルギ不整合でも、重複領域にわたる波形の線形リスケーリング(resca ling)によって補正され、スペクトル不整合は、例えば文献（F.CharpentierおよびE.Moulines氏によるIEEE proceedings of International Conference on Acou stics,Speech and Signal Processing(ICASSP)1989）に記載された時間ドメイン平滑化技術を使用して補正される。したがって、シーケンス発生器100は、デジタル信号サンプルの連続した試験信号シーケンスを信号記憶装置71に漸次的に書込むためにセグメント記憶装置17 1から選択されたセグメントを連結し、それが続いてデジタルアナログ変換器72 を介してスピーチ信号を再構成するために試験信号発生器７において使用される。［第２の実施例］図８を参照すると、この実施例では試験信号発生器７は、デジタルアナログ変換器72を介して合成されたスピーチ信号を生成するためにパラメータ記憶装置37 1により供給される合成パラメータによって制御されるスピーチシンセサイザ370 を含む。スピーチシンセサイザ370は、文献（D H Klatt氏によるJournal of the Acous tic Society of America,Vol.67,No.3,1980年3月）に記載され、その構造が図９に示されており、適切にプログラムされたデジタル信号処理装置（ＤＳＰ）によって構成されることのできる縦続・並列フォルマントシンセサイザであることが好ましい。それは本質的にインパルス発生器373（音声でないスピーチを生成する）および雑音シーケンスを生成する（発生でないスピーチを生成する）ランダム数発生器374の出力に接続された共振フィルタ371の並列バンクおよび直列縦続フィルタ372から構成されている。インパルス発生器373の反復率およびフィルタの特性は、パラメータ記憶装置371から供給される制御パラメータである。この実施例において、シーケンス発生器100は、シーケンス記憶装置171がスピーチセグメントの再構成を可能にする制御パラメータのシーケンスを記憶することを除いて前の実施例と同様に動作し、スピーチセグメント間の転移は隣接したスピーチセグメント中の各シンセサイザパラメータの値を互いにテーパーして重複期間にすることによって簡単に達成される。その代わりに、テキストとスピーチを合成するシンセサイザにおいて使用されるタイプのスピーチシンセサイザ370または記憶されたアナウンスメントが使用されてもよい。このような装置は、図７のステップ203を部分的に置換することができるいくつかのルールを使用して、さらに入力を行うことなく隣接した音素を連結するように動作する。この場合、記憶装置71は音素識別子データ、レベルデータ、ピッチおよび期間または速度データだけを記憶して、出力する。［解析装置８］図１０を参照すると、解析装置８は入力ポート６から信号を受信し、対応したデジタルパルス列を生成するように構成されたアナログデジタル変換器（ＡＤＣ）81と、ＡＤＣ81のデジタル出力を受信するように結合された演算プロセッサ82 （例えば、インテル486プロセッサ等のマイクロプロセッサ、或はウェスターン・エレクトリック社製のＤＳＰ32Ｃまたはテキサス．インスツルメンツ社製のＴＭＳＣ30装置等のデジタル信号処理装置）と、プロセッサ82 用の命令シーケンスを記憶し、演算結果を記憶するための動作メモリを提供する記憶装置83と、出力10に接続されたプロセッサ82からの出力ライン84とを含む。プロセッサ82によって実行されるプロセスは、本出願人の上記に参照文献とされた国際特許出願ＷＯ94/00922号明細書および欧州特許出願第94300073.7号明細書に記載されたものに対応し、この両明細書はここでは参照文献にされている。しかしながら、本発明によると、試験信号を得る時に使用されたデータはまた解析装置８によって行われる解析を補助するために使用されることができる。本出願人の上記に参照にされた特許出願において、解析プロセスは、ある程度の時間間隔にわたって試験信号の歪みの１以上の尺度を計算する。本発明において、時間間隔は解析が行われる時間セグメントに対応し、全てのスピーチセグメントに対して計算された歪みの尺度は１以上の全体的歪み尺度に影響を与え、各スピーチセグメント歪みが尺度が全体的測定値に影響する量は、スピーチセグメントの発生の頻度にしたがって決定される。したがって、まれにしか発生しない音素、まれにしか発生しないレベル、まれにしか発生しないピッチ、まれにしか発生しない期間、およびまれにしか発生しない内容は全て試験信号中に存在する可能性があるが、それらが受けた歪みは、通信装置の特性を決定する時に適切に低い加重を与えられる。図１１を参照すると、１実施例により、動作において発生器７によって生成された試験信号はステップ101においてライン９で解析装置８に供給される。ステップ102において、加重データのシーケンス、試験シーケンスの各セグメントｔ_i に対する１つの加重値Ｗ_iは試験信号発生器７から解析装置８に供給される。加重データは、明らかに自然のスピーチにおいて関与するスピーチセグメントの発生する確率、すなわちそのレベル、そのピッチおよびその期間で音素の発生する確率に等しく、随意に直前のスピーチセグメントに続くその音素の確率を考慮してもよい。加重Ｗ_i（ｉ＝０乃至Ｎ）は、試験信号と共に記憶装置71に記憶される。ステップ106において、試験信号発生器７は、通信装置１を介して解析装置８に供給される試験信号を発生する。ステップ109において、解析装置８は、好ましくは知覚モデルを使用して、また非常に好ましくは本出願人の上記に参照された特許出願明細書（その任意の実施例）に記載された方法を使用して各セグメントに対してライン９で供給された劣化されていない試験信号と通信装置１によって歪みを与えられた試験信号との間における歪みの尺度を計算する。各セグメントに対する歪みの尺度は、例えばエラーラウドネスまたは前記特許出願明細書に記載されたエラーの合計量またはエラーの分布であってもよい。各セグメントＥ_i に対して歪みの尺度（例えば、そのセグメントおよび、またはスペクトル中の歪みの量またはラウドネス、およびその時間的な拡散）を指定すると、通信装置１の全体の歪みの尺度Ｄ_iがセグメントの歪み尺度Ｅ_iの加重された和を取ることによってステップ210で計算される。換言すると、Ｄ＝ΣＥ_iＷ_i 特性のこの尺度は、ステップ111において例えば視覚表示装置（示されていない）に出力される。別の実施例において、加重Ｗ_iを供給する試験信号発生器７ではなく、解析装置８が、音素の完全なセットを表す記憶されたデータに試験信号を整合させることによってライン９で歪みのない（ｃｌｅａｎ）試験信号を認識して、試験信号を含む音素の識別子、レベル等をそれから導出し、それに応じて記憶された音素データと関連した加重係数Ｗ_iを使用するように構成されたスピーチ認識装置を含むことができる。［発明の結果］本発明の試験信号の効率性は、既知の従来技術のいくつかの試験信号のそれと比較された。ＳＩＲＰの生成した試験信号と比較すると、本発明の試験信号は、通常の人間のスピーチのそれに非常に近い時間にわたった構造を有する信号を提供する。これは、音声スイッチ等の時間依存性素子の影響が主観的に非常に顕著である実際の通信システムを評価する時に非常に有効であることが分かっている。さらに、本発明は（ＳＩＲＰスピーチ信号とは異なり）発声された部分を含んでいるため、それは聞手に対して主観的に顕著である重要なフォルマント周波数のスペクトル歪みを良好に特徴付けることができる。ＣＣＩＴＴ勧告Ｐ50の信号と比較すると、本発明はＰ50の信号には存在しない発声された摩擦音等の特徴を含む非常に変化させられたスピーチ試験信号を供給する。さらに本発明は、Ｐ50の信号には存在しない明確な（ｃｌｅａｒ）フォルマント構造を備えた試験信号を供給する。これは、スライドまたは移動するフォルマント周波数（特に第２のフォルマントのもの）が音素の認識において重要であり、したがって通信システムにおけるスピーチ信号の明瞭性にとって重要であるため大切である。最後に、本発明のスピーチ信号の時間構造は、Ｐ50の試験信号のものより可変的で、速い転移、開始および停止を含み、したがって自然のスピーチに近い、時間にわたって詳細な振幅構造を有する。通信ネットワークの素子の時間依存性のために、比較的ゆっくりと変化するＰ50の試験信号は、速い転移をクリップする歪みを強調しない。実際の人間のスピーチと比較すると、本発明の試験信号は冗長性を大幅に減少させており、著しく長い期間にわたって装置をサービスしない状態に放置せずに、それが過剰に発生するまたはまれにしか発生しない状況を通信装置１に適用することを可能にする。本発明において、スピーチセグメントの小さい表現サブセット（既知の音素の数十個から選択された）が使用され、異なる内容のシーケンスに組立てられたこれらの音から試験信号が構成される。歪みは測定されているため、試験シーケンスは互いに比較的異なっているもの、或はさらに一般的にはあるものが別のものに続いた時に比較的歪みを発生しがちな音の連続したものを含むことがさらに重要である。［その他の代替および修正］本発明の動作の原理を変化せずに上記に記載された実施例に対する多数の変更が可能なことは上記の説明から明らかであろう。例えば、出力ポート５からの信号は、通信装置の入力ポート２にデジタル形態で供給され、ＡＤＣ81は取除かれてもよい。その代わりに、電気・機械トランスデューサが出力ポート５に設けられ、信号がオージオ信号として供給されることができる。後者の場合、試験信号は、ここにおいて共に参照文献にされている、ＣＣＩＴＴＰ.51（Recommendat ion on Artificial Ear and Artificial Mouth,Vol.5,Rec P.51,Melbourne1988 ）および上記の英国特許出願GB2218300(8730347)号明細書に記載されている人工マウスを介して供給されてもよい。上記において実際の通信装置に対する接続が説明されているが、通信装置によって導入された歪みをシミュレートするように計算装置をプログラムすることが同様に可能である。これは、多数のこのような歪みを特徴付けることが比較的容易なためである（例えば、ＶＡＤまたはコーデックによるもの）。したがって、本発明は、信号がこのようなシミュレーション装置に供給される実施例に対して同様に適応し、通信装置のシミュレートされた歪みを有する出力が処理される。このようにして、多数の複雑で非線形通信装置の組合わせの聞手に対する許容度が、現場においてこのような装置を組立てるか、或は接続する前にモデル化されることができる。解析装置８および試験信号発生器７は分離したハードウェアとして説明されているが、実際には単一の適切に処理されたデジタルプロセッサによって実現可能であり、同様に上記の実施例において示された通信装置シミュレータは同じプロセッサによって構成されることができる。この記載において、“音素”とはその通常の使用法ではそのスピーチ内容が変形された音を示すが、便宜上“音素”という用語は単一の反復可能な人間のスピーチ音を示すために使用されている。上記に示された実施例は通信装置の試験に関するものであるが、その他の試験または解析に対する本発明の新しい観点の適用が除外されるものではない。したがって、ここに記載されたニューマターまたはニューマターの組合わせおよびその変形に対する保護が求められ、それはこのようなマターまたは変形が以下の請求の範囲の技術的範囲内であるか否かにかかわらず、当業者に明らかであろう。その代わりとして、記憶装置71がフィルタ係数の形態でスピーチデータを記憶して、例えばＬＰＣスピーチシンセサイザを駆動するか、或は高レベルデータ（例えば音素、ピッチおよび識別子データ）の形態でそれを記憶して、再構成手段を含む音素シンセサイザを駆動してもよい。

【手続補正書】特許法第１８４条の８【提出日】１９９５年６月１３日【補正内容】請求の範囲１．自然のスピーチにおいて発生した音のシーケンスから構成された試験信号をそれに供給することによって通信装置を試験し、試験信号における発生の統計が、自然のスピーチにはほとんどない音が高い発生率で含まれるように自然のスピーチにおける発生の統計と異なっている通信装置の試験方法。２．自然のスピーチと比較して冗長性が減少されている自然のスピーチで発生した音のシーケンスを含んでいる試験信号。３．自然のスピーチの中に見出されるワードの一部分に対応したスピーチ音のシーケンスを含み、前記スピーチ音のいくつかがそのシーケンス内のスピーチの特徴の異なる値を有して複数のインスタンスの中に存在している通信装置の試験用の試験信号。４．１つの特徴値は平均値であり、１以上の他のものはまれにしか発生しない特徴値である請求項３記載の信号。５．特徴は、音量、ピッチ、期間およびフォルマント転移率の１以上のものから構成されている請求項３または４記載の信号。６．自然のスピーチの中に見出されるワードの一部分に対応したスピーチ音のシーケンスを含み、そのシーケンスは自然のスピーチで発生したスピーチ音がそれらの間の少なくとも第１のオーダーの転移と共に表現されるようなものである通信装置の試験用の試験信号。７．予め記録された人間のスピーチの連結されたセグメントを含んでいる請求項２乃至６のいずれか１項記載の信号。８．パラメトリックスピーチシンセサイザによって生成された合成された信号を含んでいる請求項２乃至６のいずれか１項記載の信号。９．前記音のいくつかは複数の異なる先行した音の直ぐ後に続く複数のインスタンス中に存在している請求項２乃至８のいずれか１項記載の信号。１０．自然のスピーチでは比較的まれにしか発生しない音が高い相対発生頻度を有するスピーチ類似音に対応した複数のセグメントを含む試験信号を通信装置に供給し、前記各音に関して通信装置からの信号出力を解析し、それによって各音の歪みおよび自然のスピーチにおけるその発生頻度に基づいて通信装置によって発生させられた歪みの全体的な尺度を形成する通信装置の試験方法。１１．予め記録された試験信号シーケンスを記憶するように構成されたデータ記憶手段と、前記記憶されたシーケンスを再構成する手段とを含んでいる請求項２乃至９のいずれか１項による試験信号を生成する装置。１２．前記予め記録されたシーケンスは、記録された自然のスピーチのセグメントを含んでいる請求項１１記載の装置。１３．スピーチシンセサイザと、前記スピーチシンセサイザを制御して前記試験信号シーケンスを生成するためのデータ記憶手段とを含んでいる請求項１１記載の装置。１４．請求項２乃至９のいずれか１項による試験信号を使用する通信装置の試験方法。１５．添付図面を参照して実質的に記載されている通信装置の試験方法。１６．添付図面を参照して実質的に記載されている試験信号。１７．添付図面を参照して実質的に記載されている試験信号生成装置。

───────────────────────────────────────────────────── フロントページの続き (81)指定国ＥＰ(ＡＴ，ＢＥ，ＣＨ，ＤＥ，ＤＫ，ＥＳ，ＦＲ，ＧＢ，ＧＲ，ＩＥ，ＩＴ，ＬＵ，ＭＣ，ＮＬ，ＰＴ，ＳＥ)，ＡＵ，ＢＧ，ＢＲ，ＢＹ，ＣＡ，ＣＮ，ＣＺ，ＦＩ，ＨＵ，ＪＰ，ＫＥ，ＫＲ，ＫＺ，ＬＶ，ＮＯ，ＮＺ，ＰＬ，ＲＯ，ＲＵ，ＳＩ，ＳＫ，ＴＴ，ＵＡ，ＵＳ，ＵＺ，ＶＮ

Claims

【特許請求の範囲】１．自然のスピーチにおいて発生した音のシーケンスから構成された試験信号をそれに供給することによって通信装置を試験し、試験信号における発生の統計が、自然のスピーチにはほとんどない音が高い発生率で含まれるように自然のスピーチにおける発生の統計と異なっている方法。２．自然のスピーチと比較して冗長性が減少されて自然のスピーチで発生した音のシーケンスを含んでいる試験信号。３．自然のスピーチの中に見出されるワードの一部分に対応したスピーチ音のシーケンスを含み、前記スピーチ音のいくつかがそのシーケンス内のスピーチの特徴の異なる値を有して複数のインスタンスの中に存在している通信装置の試験用の試験信号。４．１つの特徴値は平均値であり、１以上の他のものはまれにしか発生しない特徴値である請求項３記載の信号。５．特徴は、音量、ピッチ、期間およびフォルマント転移率の１以上のものから構成されている請求項３または４記載の信号。６．予め記録された人間のスピーチの連結されたセグメントを含んでいる請求項２乃至５のいずれか１項記載の信号。７．パラメトリックスピーチシンセサイザによって生成された合成された信号を含んでいる請求項２乃至５のいずれか１項記載の信号。８．前記音のいくつかは複数の異なる先行した音の直ぐ後に続く複数のインスタンス中に存在している請求項２乃至７のいずれか１項記載の信号。９．自然のスピーチでは比較的まれにしか発生しない音が高い相対発生頻度を有するスピーチ類似音に対応した複数のセグメントを含む試験信号をそれに供給し、前記各音の通信装置による歪みを解析し、各音の歪みおよび自然のスピーチにおけるその発生頻度に基づいて通信装置の歪みの全体的な尺度を形成する通信装置の試験方法。１０．請求項２乃至８のいずれか１項による試験信号を生成する装置。１１．予め記録された試験信号シーケンスを記憶する手段と、前記記憶されたシーケンスを再構成する手段とを含んでいる請求項１０記載の装置。１２．前記予め記録されたシーケンスは、記録された自然のスピーチのセグメントを含んでいる請求項１１記載の装置。１３．スピーチシンセサイザおよび前記スピーチシンセサイザを制御して前記試験信号シーケンスを生成するためのデータ記憶手段を含んでいる請求項１０記載の装置。１４．請求項２乃至８のいずれか１項による試験信号を使用する通信装置の試験方法。