JPS6289999A - 音声分析装置 - 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】 ［産業上の利用分野］ この発明は、入力音声信号のスペクトル包絡に基づいて
、該音声信号を分析する音声分析装置に関する。

「従来の技術フ 音声認識装置、聴覚障害名のための発声練習装置、音声
分析合成による通信システムあるいは音声合成装置など
においては、目的とする処理を実現するために、入力音
声信号の分析及びその特徴抽出が必要となる。入力音声
信号の分析は、−役に、その周波数スペクトルに基づい
てなされる。

それは、人間の聴覚が音声信号の時間変１ヒ波形そのも
のより、むしろ音声信号のスペク１−ルに対して敏感で
あり、同一のスベクｌ〜ル形状を持った信号を同じ音韻
として認識するという事実によっている。

音声信号は、有声音部分においては、声帯ｔ５動によっ
て駆動される周期的信号としての構造を持つ。その結果
、有声音部分の周波数スベク１−ルは、線スペクトル的
構造を持つ。一方、無音声部分においては、音声信号は
声帯振動をともなわず、むしろ、声道を通過する気流に
よって起こされろ雑音をその音源としている。その結果
、この無音声部分の周波数スペクトルは、線スペクトル
のような周期的な構造を持たない。これに対応して、従
来の音声分析においては、入力音声信号の音源として周
期的パルス発生源を想定する方法と、ノイズ音源を想定
する方法がある。前者は自己回帰モデル（△Ｒモデル）
による音声分析で良く知られ、後者はケプストラム分析
による音声分析で良く知られている。これらの音声分析
によれば、入力音声信号のスペクトルから微細な構造を
取り除いたいわゆるスペクトル包絡が得られる。

入力音声信号を、上記のＡＲモデルによる分析方法ある
いはケプストラム分析方法などの方法で分析し、スペク
トル包絡を求める場合、これらの方法は系の時間的定常
性を仮定しているため、本来的には、時間的に音韻が変
化する場合には、適用できないものである。そこで、こ
れらの分析方法においては、系が大ぎく変化しないと見
られるような短かい詩間［の信号を切り出し、これに端
点の影響が出ないようにハミング窓、ハニング窓などの
窓関数をかけることで、時間的に準定常的な信号を作り
出している。そして、この信号を分析することによって
１ワられるスペクトル包絡を、上記信号切り出し時点で
のスペクトル包絡としている。

なお、上記のスペクトル包絡の時系列を得る分析方法の
ほか、モデルの前提として、系の時間的な変化を仮定し
た非定常な音声信号の分析方法も提案されている。しか
し、この分析方法においても、結果としてスペクトル包
絡の時系列が得られることに変りはない。

さらに上記の分析方法以外の有力な分析方法として、フ
ィルタバンクによる周波数分析方法がある。この分析方
法は、入力音声信号を多数のそれぞれ異なる中心周波数
を持つバンドパスフィルタに通し、それらフィルタ出力
をもってスペクトル強度とするものである。この分析方
法の特徴は、例えば、ハードウェア化による実旧間処理
の容易さにある。

このように、音声分析においては、入力音声信号のスペ
クトル包絡を求めることが多いが、求めたスペクトル包
絡から最終的に、音声信号を分析する方法としては、そ
の局所的ピーク（以下、ローカルピークと記す）からの
フォルマントの周波数及び幅などを抽出することによっ
て分析するフォルマント分析が知られている。この分析
方法は、母音部がそれぞれ固有の７オルマンｌ−周波数
及びフォルマント幅を持ち、かつ子音部では、後続する
母音部へ向ってのフォルマント周波数の変化の様子に各
子音の特徴があるという事実に基づくものである。例え
ば、日本語の５母音（アイウェオ）は、周波数の低い側
から２つのフォルマント周波数Ｆ＋　、Ｆ２で青黴づけ
られ、同性で同年代の人物の音声では、Ｆｌ、Ｆ２はそ
れぞれほぼ同じ値となる。したがって、フォルマン（−
周波数Ｆｌ。

Ｆ２を検出することによって、母音を識別することが可
能である。

また、フォルマントにこだわらず、スペクトル包絡のロ
ーカルビークを抽出し、その周波数と時間的な遷移に注
目するローカルビークの分析も知られている。この分析
方法は、母音の変化部分や子音部分では、ローカルビー
クの時間的変化に、音韻の特徴が現われていると考えら
れる点に基づいている。

その他、スペクトル包絡上曲線そのものをちって音声信
号の特徴量とし、以降の処理で識別、分類あるいは表示
に用いる方法も提示されている。

以上述べたように、音声信号の分析においては、スペク
トルの包絡を抽出する事が重要であり、さらに、そのス
ペクトル包絡自体以外にも、そこから得られるフォルマ
ントの周波数や幅、さらには、ローカルビークの周波数
とその遷移なども音声を特徴づける坦として用いられる
。

［発明が解決しようとする問題点］ ところで、人間が音声を発する場合、その音韻は声道の
共振、反共振特性によって形成されると考えられている
。例えば、共振周波数はスペクトル包絡上にフォルマン
トとして現われる。したがって、声道構造がほぼ同一の
人間同志では、同一の音讃に対しては、はぼ開襟なスペ
クトルが得られる。

ところが、男性と女性、小供と大人のように、声道長が
著しく異なる場合には、共振あるいは反共振の周波数が
ずれるため、同一の音韻に対するスペクトル包絡の形が
一致しないことが知られている。したがって、この場合
は、ローカルビークやフォルマントの周波数もずれるこ
とになる。このことは、不特定話者の音声認識や聴覚障
害者用の音声の視覚的表示など、発声者によらず、同一
音韻に対しては、同一の結果を抽出することを目的とし
た分析には、著しく不都合である。

このような問題を解決する方法としては、従来、多数の
標準パターンを用意する方法と、フォルマント周波数の
比をとる方法が知られている。

前者は、男性、女性、大人、小供などの多数の異なった
人間のスペクトル包絡を１１１１％パターンとして登録
したおき、未知の入カバターンを、それら多数の標準パ
ターン中の最も類似のものに分類することによって、不
特定多数の入力音声を認識しようとするものである。し
かし、この方法では、任意の人間の入力音声に対応する
ためには、非常に多数の標準パターンを用意しておかな
ければならず、また、それらのパターンの比較トこ長時
間を要する欠点がある。また、この方法は、声道長を規
格化した結果を抽出するわけではないので、声道長によ
らない音韻の特徴を表示する目的では使用できない。

後者のフォルマント周波数の比をとる方法は、声道長に
よらない母韻の特徴を抽出する方法としてよく知られて
いる。この方法について、さらに説明を付は加えれば、
まず、スペクトル包絡中のローカルビークのうち、母音
について比較的安定と考えられている第１．第２．第３
のフォル７ントの周波数Ｆ１　、Ｆ２　、Ｆｌを抽出し
、それらの間の比、例えば、Ｆｌ／Ｆ３　、Ｆ２　／Ｆ
３を求めて、特徴量とするものである。声道長がａ倍に
なれば、フォルマント周波数はｉ／ａ倍、つまり、Ｆｌ
　／ａ　、　Ｆ２　／ａ　、　Ｆｌ　／ａ　ニなルカ、
そレラの比は不変であるというのが、この方法の根拠で
ある。

この方法は、母音について、′Ｍ１．第１．第３のフォ
ルマントが安定に抽出される場合は、良い結果をもたら
すが、安定に抽出されない場合は、分析結果の信頼性が
著しく低下するという問題を有する。また、この方法は
、子音部分には適用できないという欠点がある。つまり
、子音部分では、声道の共成特性であるフォルマントは
定義されず、実際、スペクトル包絡上にも、第１．第２
．第３のフォルマントに対応するローカルビークが観察
されるとはかぎらないので、Ｆｌ　、Ｆ２　、Ｆｌを抽
出して比をとることができないのである。また、子音部
分に限らず母音でも、立上り部分や終了部分では、フォ
ルマントが必ずしも安定ではないので、誤ったフォルマ
ント周波数が抽出されることがある。このような場合は
、フォルマント周波数の比が不連続に変化し、全く誤っ
た値をとってしまう。したがって、この方法は、音声信
号中の母音部分のうち、安定な部分にしか用いることが
できず、母音部分の始めや終りの部分及び子音部分は別
の方法を用いて分析しなくてはならない。しかし、その
場合、ｆｆｉ音安定部分とその他の部分では、抽出パラ
メータが異なることになるため、子音部分から母音部分
への連続しｔ；変化を記ｊボすることができない。つま
り、フォルマン１〜周波数の比をとる方法は、本質的に
、定常的な母音にだけしか適用できないものである。

以上述べたように、声道長の異なる不特定多数の音声全
般のスペクトル包絡から、音韻に固有の特ｆｆ１ｌを抽
出する方法は、いまだ見い出されていない。

この発明の目的は、発声者の性別、年齢などによる声ｉ
！艮の違いに左右されることなく、音韻に特有のスペク
トルパターンを得ることができる音声分析装置を提供す
るところにある。

［問題点を解決するための手段及び作用］上記目的を達
成するためにこの発明は、入力音声信号から抽出したス
ペクトル包絡の対数化及び正規化を図り、これによって
得られた正規化対数スペクトル包絡を、メル尺度上で積
分し、上記スペクトル包絡の包絡情報を周波数上から上
記［山分出力上に射影するように構成したものである。

［実施例１ 以下、図面を参照してこの発明の一実施例を詳細に説明
する。

第１図は一実施例の構成を示すブロック図であるが、こ
の第１図を説明する前に、まず、第２図乃至第７図を参
照しながら、一実施例の概要を説明する。

まず、声道長による母音のスペクトル包絡を比較すると
第２図のようになる。第２図は、異なる２つの声道長（
Ｊ、ｔ　＞、　　（Ｊ１２）における同−音■のスペク
トル包絡Ｐｉ）を対数表示したものである。この第２図
によれば、数１００Ｈｚから約５ｋＨｚ程度の周波数範
囲においては、長い声道長１Ｍ＋）のスペクトル包絡Ｐ
ｔ（ｆ）（第２図では、ｌｏｇＰｔ（Ｊ））は、短い声
道長（−（ｉ２）のスペクトル包絡Ｐ２　（Ｊ）（第２
図では、ｌ０ＴＪ　Ｆ２　１　）　）に対して、おおむ
ね同一形状のスペクトル包絡Ｐｉ）を周波数軸（ｆ＞方
向に、原点を固定して定数倍した形になっている。

これに反して、ＯＨｚから数１００Ｈｚおよび５に日２
程度以上の周波数範囲では、個人の音質子にかかわる違
いが大ぎく現われ、スペクトル包絡Ｐｉ）の相似性は小
さくなる。つまり、声道長（Ｊｌｔ　＞、　　（Ｊ！、
２　＞の比１！ｔ　／、１．２＞をｒとすれば、スペク
トル包絡Ｐ１　（Ｊ＞とスペクトル包絡Ｐｚ（Ｊ＞との
間には、大きさを正規化して対数をとった場合、１１０
０Ｈｚから５ｋＨｚ、Ｐｉｉ度において、 ・・・（１） なる関係が成り立つ。ここでスペクトル包絡Ｐ＋　　（
Ｊ）、Ｆ２　　（チ）そのものではなく、太き声信号の
振幅の大きさの違いを取り除くためである。

さて、このとき、第１〜第３のフォルマントを抽出すれ
ば、その周波数（Ｆｌ）、（Ｆ２　）。

（Ｆ３）及び（Ｆ１’　）、（Ｆ２！’　）、（Ｆ３’
　）は第２図のようになる。この場合、これらの間【こ
は、 Ｆ＋　　’　　、ｚ’Ｆ＋”＝　Ｆ２　　’　　／Ｆ２
ｚ　Ｆ３　　’　　／Ｆ３夕ｒ・・・（２） の関係があるため、フォルマント周波数（Ｆ）の比（例
えば、次式（３）に示されるようなもの）は不変となる
。

Ｆｌ　・′Ｆ２夕Ｆｌ’、／Ｆ２’。

Ｆｌ、’Ｆ３りＦｌ’、／Ｆ３’　　　　　・・・　（
３）これを第３図及び第４図の実測例に従って説明する
。第３図は、日本語の５母音について、２０〜３０代の
男性と女性のＦｌとＦ２の分布を示したものである。こ
の第３図から明らかなように、男性と女性では、分布が
大きくずれており、たとえ１工、男性のアと女性のオ、
男性の工と女性のつが同一範囲に分布する。

これに対して、第４図はＦｌ　／Ｆ３　、　Ｆ２　／Ｆ
３の分布を表わしたものである。この第４図によれば、
フォルマン１〜周波数の比においては、男性と女性の差
が解消していることがわかる。

そこで、母音の定数部に限らず、数１００Ｈｚから約５
ｋＨ２程度の範囲にお【ブる周波数軸の定数倍、１−ｒ
−ｔによるスペクトル包１ｆｌＰ（））の変換（Ｒ） Ｐ（Ｊ）→Ｐ’　　１）＝Ｐ（ｒ　ｉ）　　　−＋４＋
に際して、不変な関数空間にスペクトル包絡Ｐ（ｆ＞を
射影する変換（Ｕ）を見い出せば、その空間中では、声
道長（１）によらず、同一の音韻に属するスペクトル包
絡Ｐ（Ｊ）は、同一の形状を持つはずである。

これを概念的に示したのが第５図である。この第５図は
、声道長（１）の違いによる音ｆｆｆｉ　”ア″あるい
は゛イ″のスペクトル包絡Ｐ（ｆ）の違いが、変換（Ｕ
）によって同一形状のスペクトル包絡Ｐ’（ｆ）に変換
される様子を示すものである。

すなわち、音韻ア″に関しては、声道長く１１）におけ
るスペクトル包絡Ｐ１　ア（Ｊ＞と声道長（１２）にお
けるスペクトル包絡Ｐ２７（ｆ）が、変換（Ｕ）により
、同一形状のスペクトル包絡Ｐ’　　？（＋）に変換さ
れる様子を示す。同様に、音韻イに関しては、スペクト
ル包絡Ｐ１　イ＜ｆ＞。

Ｐ２　イ＜ｆ）がスペクトル包絡Ｐ′　イ（ヂ）に変換
される様子を示す。

この実施例では、上記変換（Ｌｌ）を次のように実現し
ている。すなわち、大きさを正規化した対数スペクトル
包絡をメル尺度〜１（ｆ）上で積分したものをＬ（チ）
とすると、 Ｌ（Ｊ）＝　　　ｆ’、ｌｏ　ｇ　ＩＰ（ｋ＞ｌｄＭ（
ｋ）　　・・・（５）となる。ここでメル尺度Ｍ（ｆ＞
とは、人間の聴覚のうち、音の高さに対する感覚の尺度
として知られているもので、同時に聴覚器官である蛸牛
管の基底模上に分布する聴覚細胞の周波数に対する関係
と一致することが知られている。つまり、人間は音声の
周波数分析をメル尺度Ｍ　（１）上で行っていると推定
されている。

第６図は、周波数に対するメル尺度Ｍ（７＞の依存性を
示すグラフであり、その関数形は、で与えられるが、約
５００＋−（Ｚから５ｋＨ２の周波数範囲では、 と近似できる。

式（５）のＬｉ）はＰ（ヂ）の関数形に依存しているの
で、これをＬｐ（Ｊ）と書く。これに、式（４）の変換
を施すと、 （但し、ｈ＝ｒｋ） ・・・（８） であるが、今考えている周波数範囲（数１００ＨＺから
約５ｋＨ２）では、式（７）から、ｄ　Ｍ　（−）夕ｄ
　Ｍ　（ｈ　）　　　　　　　・・・■・・・　（１０
） となり、 Ｌｐ　’　　（７）々Ｌｐ　　（＋’　ｆ　）　　　−
（１１）が成り立つ。そこで、スペクトル包絡Ｐ（ヂ）
とこのしｐ（＋）とを、周波数＜ｉ＞でパラメータ表示
した関数（Ｐ（Ｊ）、Ｌｐ　　（チ））を考えると、 （Ｐ（Ｊ）、Ｌｐ　　（（）） ＝　　（Ｐ　　（ｒ　　ｆ　）、　　Ｌｐ　　　（ｒ　
　ヂ　）　）＝　（Ｐ’　　（Ｊ）、Ｌｐ’　　（ｆ＞
）　　　　・・・（１２）となり、 （Ｐ　　（Ｊ）、　　ｆ＞　　−（Ｐ　　＜ｆ＞、　　
Ｌ　ρ　（ｆ　）　）・・・（１３） の変換（ｔＪ）が、式（４）の変換（Ｒ）に対して、不
変な関数空間への射影であることがわかる。

第７図は、変換（Ｕ）の概念図である。なお、第７図は
、後述する包絡情報として、スペクトル包絡Ｐ（Ｊ＞で
はなく、対数スペクトル包絡１ｏｑｌＰｉ）Ｉを示して
いる。この場合、上式（１２）は次式（１４）のように
表現される。

（ｌｏｇ　ＩＰ　（Ｊ）Ｉ、Ｌｐ　（ｆ））−（ｌｏｇ
　ＩＰ’　　（Ｊ）Ｉ、ＬＰ’　　＜ｉ＞＞・・・（１
４） また、スペクトル包絡Ｐ＜ｆ＞や対数スペクトル包絡１
ｏｏＩＰ（Ｊ）Ｉではなく、正規化対数スペクトル包絡
１００　Ｉ　Ｐ　＜チ）１を用いるとずれば、式（１２
）は次式（１５）のように表現される。

・・・（１５） 以上、本実施例の概要を説明したが、次に第１図に戻っ
て、本実加剰の処理を行うための構成について説明する
。

第１図において、１１は入力音声信号（、Ａ＋Ｎ）のス
ペクトル包ｔｇＰ（ｌを抽出するスペクトル包絡抽出部
である。ここで、スペクトル包絡を抽出する方法として
は、ＡＲモデルによる音声分析方法におけるスペクトル
包絡抽出方法、ケブストラム分析による音声分析方法に
おけるスペクトル包絡抽出方法、フィルタバンクによる
周波数分析による音声分析方法におけるスペクトル包絡
抽出方法など、種々様々な方法を用いることが可能であ
る。

１２はスペクトル包絡抽出部１１で抽出されたスペクト
ラム包絡Ｐ（ｌの大きさを対数化する対数化部である。

１３は、この対数化部１２から出力される対数スペクト
ル包絡１ｏａｌＰ（ｆ）Ｉの大きざを正規化する正規化
部である。ここで、対数スペクトル包絡１０！：１ＩＰ
ｉ）Ｉの大きさを正規化する方法としては、例えば、自
動利得制御による方法、対数スペクトル包絡１ｏａｌＰ
ｉ）１を周波数（ｆ）で微分して定数項を落とした後、
積分して一定値を加える方法などが挙げられる。

１４は正規化部１３から出力される正規化された対数ス
ペクトル包１８１ｏｇ　ＩＰ（ｆ）Ｉを、メル尺度Ｍ（
ｆ）を変数として積分する積分部である。

つまり、この積分部１４は、スペクトル包絡１０ＱＩＰ
（ｆ）ｌを先の式（５）に示される積分関数に従って積
分するものである。

１５は、対数化部］２から出力される対数スペクトル包
絡１ｏｏｌＰ（Ｊ）Ｉと積分部１４から出力される積分
結果の供給を受け、対数スペクトル包絡ｌｏｇＩＰ（Ｊ
）Ｉを、先の第７図に示すように、周波数＜７＞上から
積分関数 Ｌ（ｆ＞（＝Ｌｐ　　（ｆ））上に射影し、その射影結
果を表示する射影部である。つまり、この射影部１５は
、ｘ−ｙ直交座標のｙ軸にＬｐ　（ｆ）をとり、ｙ軸に
対数スペクトル包絡ｌｏｇ　Ｉ　Ｐ　ｌ　）ｌをとって
、周波数＜ｉ＞によってパラメータ表示することにより
、入力音声信号（ＡｌＮ）の分析結果をパターン化する
ものでおる。

なお、この射影部１５の処理において、ｙ軸上にとられ
る値としては、先の式（１４）、　　（１５）の説明か
らも明らかなように、スペクトル包絡Ｐ（ｆ）や正規化
対数スペクトル包絡 限らず、スペクトル包＃’ｄＰ＜ｆ＞を正規化したちの
Ｐｉ＞であってもよい。つまり、この発明において、射
影に供される包絡情報とは、少なくとも上述した４つの
パターンを意味する。

また、射影部１５の処理においては、ｙ軸に包絡情報を
とり、ｙ軸にＬｐ（ｆ）をとってもよいことは勿論であ
る。

ここで、本実施例の音声分析による実測例を説明する。

第８図、第９図はそれぞれ、女性、男性の音韻パイ°′
の対数スペクトル包絡 たものである。

まず、抽出部１１に入力される音声信号（ＡＩＮ）は、
コンデンサマイクロフォンで採取した音声を５０μｓｅ
ｃの周期でサンプリングし、これを１２ビツトでデジタ
ル化したものである。

なお、この音声の採取には、３にワードのウニイブメモ
リを使っている。

抽出部１１は、この入力音声信号＜Ａ、Ｎ）からケプス
トラム分析によって、スペクトル包絡Ｐｉ）を求めてい
る。ケプストラム分析は、母音安定部の１０２４ポイン
ト長のフレームを微分し、これにハミング窓をかけたも
のを、ＦＦＴアルゴリズムによってフーリエ変換するこ
とにより、スペクトル包絡Ｐ（＋）を得るように設定さ
れている。

対数化部１２は、上記のようにして得られたスペクトラ
ム包絡Ｐ（ヂ）の絶対値の対数をとり、これに逆フーリ
エ変換を施してケプストラムをｉｌた後、ケフレンシー
上でカットオフ１．７〜２．５ｍ　ｓｅｃの方形窓をか
け、これをフーリエ変換することにより、対数スペクト
ル包絡ｔｏｇＩ　Ｐ　ｌ（）ｌを得ている。

なお、この対数スベクｉ・ル包絡１ｏｇＩ　Ｐ　（Ｊ　
）ｌを得るに当っては、上記ケフレンシー上のカットオ
フはピッチ周波数に対応して選ばれている。また、対数
スペクトル包絡１０ｑｌＰｉ）ｌの大きざの正規化のた
めに、このスペクトル包絡１ｏｏＩＰｉ）Ｉは、ケプス
トラムの第Ｏ吹成分を一定値に直してから求められたも
のである。

第８図、第９図に示す対数スペクトル包絡１ｏａｌＰ（
［）１は上記のようにして得られるものであるが、ここ
で、第８図と第９図の対数スペクトル包絡を比較すると
、両者のスペクトル形状は約５ｋｌ−１２以下の周波数
範囲では類似しているが、これ以上の周波数範囲では、
女性のスペクトル形状の方が高い方へずれている。

この対数スペクトル包絡１ｏｇｌＰｉ）Ｉに対して、式
（５）で表現されるＬｐ（Ｊ）を求め、これをＸ軸にと
り、対数スペクトル包絡１ｏｇＩＰ（（）をｙ軸にとっ
たのが、それぞれ第１０図、第１１図である。これをみ
ると、ピークの高さ、細かいニュアンスは多少異なって
いるが、第８図と第９図にあける周波数方向のずれが解
消されていることがわかる。

第１２図は女性の発声した音韻゛夕パの立ち上がり部分
に対して、フレーム位置を時間的にずらしながら、上記
のようにして対数スペクトル包絡１０１ＪＩＰ（ｆ）Ｉ
を求めることにより、このスペクトル包絡ｔｏｏ　Ｉ　
Ｐ　（チ）１の時系列変化を表わしたものである。第１
３図は第１２図の対数スペクトル包絡１ｏｇ　１Ｐｉ）
１に対して、本実施例の変換（Ｕ）を施すことにより、
音声分析結果の時系列変化を求めたものである。

この実測例によれば、本実施例の変換（Ｕ）は、子音部
および母音の立上り部に対しても安定に作用し、スペク
トル変化がなめらかに表示されることがわかる。

第１４図、第１５図はそれぞれ、第１３図と同じように
して得た男性１女性の音韻ア″の時系列変化を示すもの
である。これら第１４図及び第１５図と先の第１３図の
母音部をみると、男女の大きな声道長差が解消されてい
ることがわかる。

以上詳述したようにこの実施例は、包絡情報（Ｐ（Ｊ）
、Ｐ（＋）、ｌｏｇ　ＩＰ（Ｊ）ｌあるいは＋ｏａｌＰ
（［）Ｉ）を、式（５）と９で定義される変換（Ｕ）に
よって、周波数（ｆ）上からＬｐ＜！＞上に射影するこ
とにより、音声分析結果を得るように構成したものであ
る。

このような構成によれば、発声者の声道長（Ｊｌ）の違
いによる分析結果の違いを解消することができ、常に、
音韻固有の分析結果を得ることができる。この場合、こ
の実施例は、有声、無声の違いや母音、子音の違いに関
係なく、入力音声信号（ＡＩＮ）の任意の部分のスペク
トル包絡に対して適用できる。また、分析結果がフォル
マント周波数（Ｆ）の抽出精度やその安定性に依存しな
いため、入力音声信号（ＡｌＮ）の全部分に適用可能で
ある。そして、特に、この実施例によれば、従来全く不
可能であった、個人の声道長（１）の違いに影響される
ことなく、子音部から母音部へ移行していく過程でのス
ペクトル包絡の変化を求めるという課題を解消すること
ができる。

また、この実施例においては、式（５）の被積分関数と
して、スペクトル包絡Ｐ（Ｊ）や対数スペクトル包絡１
ｏ（ＩＩＰ（ｆ）ｌではなく、正規化対数スペクトル包
絡ｌｏｃ＋１Ｐｉ）Ｉを用いているので、同一音韻に対
する声の大きざの影響を取り除くことができる。

なお、この発明は先の実施例に限定されるものではない
。

例えば、先の実施例では、式（５）の被積分関数を得る
のに、抽出部１１から出力されるスペクトル包絡Ｐｉ）
を対数化した後、正規化する場合を説明したが、この逆
の処理を行ってもよいことは勿論である。

また、この発明の音声分析装置は、ハードウェア、ソフ
トウェアのいずれで実現してもよいことは勿論である。

この他にも、発明の要旨を逸悦しない範囲で種々嫌々変
形実施可能なことは勿論である。

［発明の効果コ この発明によれば、声道長に影響されることなく、音韻
固有の分析パターンを得ることができるので、不特定話
者の音声認識など、発声者によらず同一音韻に対しては
同一分析結果を得たい場合に、多大に寄与することがで
きる。

【図面の簡単な説明】

第１図は一実施例の構成を示すブロック図、第２図は一
実施例の概略を説明するためのスペクトル包略図、第３
図、第４図は一実施例の概略を説明するための調定図、
第５図は一実施例の概略を説明するためのスペク１−ル
包絡図、第６図はメル尺度を説明するための特性図、第
７図は一実施例の概略を説明するためのスペクトル包略
図、第８図乃至第１５図は一実施例の実測例を説明する
ためのスペクトル包略図である。 １１・・・スペクトル包絡抽出部、１２・・・対数化部
、１３・・・正規化部、７４・・・積分部、１５・・・
射影部。 出願人代理人　弁理士　鈴江武彦 ０　　　　　　５００　　　　　１０００　Ｆ、（Ｈ２
）ｇ３図 Ｉ　　　ＰＩ　　　Ｆ２ Ｔ（可−可） ÷（１−俸惨 第５図　　　　Ｌｐ（↑ン′ 昭和　邸°１２７７日 特許庁長官　　宇　賀　道　部　殿 ２、発明の名称 音声分析装置 ３、補正をする者 事件と。関係　特許出願人 （３１９）凸版印刷株式会社 ４、代理人 ５、自発補正 ７、補正の内容 （１）　　明細書の第３頁第４行目に１前者」とあるを
「後者」と訂正する。 （２）　　同じく第３頁第６行目に「後者」とあるを「
前者」と訂正する。 （３）同じく第６頁第１７行目に「同志」とあるを「ど
うし」と訂正する。

Claims (1)

1. 【特許請求の範囲】 入力音声信号からスペクトル包絡を抽出するスペクトル
   包絡抽出手段と、 このスペクトル包絡抽出手段によって抽出された上記ス
   ペクトル包絡を正規化された対数スペクトル包絡に変換
   する変換手段と、 この変換手段から出力される上記正規化対数スペクトル
   包絡をメル尺度上で積分する積分手段と、上記スペクト
   ル包絡抽出手段で抽出された上記スペクトル包絡の包絡
   情報を周波数上から上記積分手段の積分出力上に射影す
   る射影手段とを具備した音声分析装置。