JPS6367200B2 - - Google Patents

Description

【発明の詳細な説明】 本発明は、音声の分析合成または音声認識等に
用いる音声出力周波数特性パターンの極零パラメ
ータ値抽出装置に関する。

音声波形の周波数スペクトルは、音道の共振周
波数に対応してフオルマントと呼ばれるエネルギ
ーの集中した周波数成分を持つことが知られてい
る。また、このフオルマントは、音声波形の周波
数スペクトルを全極モデルで近似したときの極パ
ラメータにほぼ対応することが知られている。音
声波形から極パラメータ（フオルマントパラメー
タ）を抽出する方法の代表的な例として、音声波
形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ユートン・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。し
かし、この方法は、フオルマントの周波数および
バンド幅を安定に求めることが困難であり、特
に、隣り合う分析フレームにおいて抽出されたフ
オルマントとの対応づけが正確に行なえない場合
が生ずる等の欠点がある。

また、音声生成モデルに基づいて、種々のフオ
ルマントパターンに対して周波数スペクトルを合
成し、自然音声のスペクトルに近づけて行く所謂
AbS法（合成分析法）も知られている。この方法
は、フオルマントの対応付エラー等が避け易く、
比較的正確な抽出を行なうことが可能であるが、
膨大な演算量を必要とする欠点がある。

また、例えば極パラメータ値を多数用意してお
いて、各極パラメータ値から導出される線形予測
系数を用いた逆フイルタに音声信号を入力させ、
前記逆フイルタの出力値の２乗を積算したエラー
パワーが最小になる極パラメータを求める方法も
ある。すなわち、音声波形の周波数スペクトル包
絡を全極モデルで近似した時の伝達関係Ｔ（ｚ）
（ｚ＝jωT、Ｔ：サンプリング周期）が、 Ｔ（ｚ）＝_M 〓^m=1 H_n（ｚ） ＝_M 〓^m=1 １／１＋α_1nZ^-1＋α_2nZ^-2 …(1) ただし、α_1n＝b² _n α_2n＝2b_ncos2π_nＴ Ｍ；極の個数_n ；極の周波数 b_n；極のバンド巾 H_n（ｚ）；第ｍ極の伝達関数 で表わされることから、実際の音声信号を(1)式で
表わされるフイルタの逆フイルタT^-1（ｚ）を通
した後の出力波形のエネルギー（エラーパワー）
が最小となるように極パラメータを選ぶ方法であ
る。零パラメータについても係数を変えることに
より同様にできる。

１つのフオルマントに対応する逆フイルタH^-1 _n
（ｚ）は２つの線形予測係数α_1n，α_2nを与えたと
き入力信号S_oに対して下記式で与えられる出力信
号e_oを出力する。

e_o＝S_o−α_1nS_o-1−α_2nS_o-2 …(2) 従つて、エラーパワーＥは、 Ｅ＝_oB 〓^n=nA e² _o …(3) で与えられる。ただし、n_A，n_Bは分析窓の始めと
終りのサンプリング番号である。音声の分析窓の
時間幅は、30ｍ_sec程度必要であることが知れら
ており、例えば10KHzで音声波形がサンプリング
されているとすると、(3)式の積算区間長（n_B−
n_A）は300程度になる。従つて、種々の極パラメ
ータ値に対応する線形予測係数に対して(3)式のエ
ラーパワーを演算することは膨大な演算量が必要
である。さらに例えば４個程度のフオルマントに
対しそれぞれの予測係数を組合せることは大変な
ことである。

本発明の目的は、上記(3)式で与えられるエラー
パワーを少ない演算量で算出し、最適の極零パラ
メータ値を求めることができる極零パラメータ値
抽出装置を提供することにある。

本発明のパラメータ抽出回路は、音声信号から
時間窓内の自己相関値V_i（ｉ＝０，１，２，…）
を算出する自己相関値算出回路と、各種の極およ
び又は零パラメータ値をあらかじめ記憶しアドレ
ス入力に対応して該当番地に記憶した極パラメー
タ値等を出力するアドレス・極パラメータ値変換
回路と、該変換回路の出力パラメータ値から線形
予測係数α₁およびα₂を生成する線形予測係数生成
回路と、前記自己相関値算出回路の出力値V_iが入
力され前記線形予測係数生成回路から与えられた
予測係数α₁，α₂を用いて次式による演算出力値
r_i、すなわち r_i＝（１＋α₁ ²＋α₂ ²）V_i−（α₁−α₁α₂）V_i+1 −（α₁−α₁α₂）V_i-1−α₂V_i-2−α₂V_i+2 なるr_iを演算出力する演算回路と、該演算回路の
出力値を記憶する自己相関値一時記憶回路と、該
記憶回路の記憶するr₀すなわちエラーパワーのう
ち最小のものを検出しこれに対応する前記アドレ
ス・極パラメータ変換回路のアドレスを出力する
最小値検出回路とを備えて、前記エラーパワーr₀
の最小値を与えた極零パラメータを抽出すること
を特徴とする。

なお、極パラメータ値の推定を前段で粗く推定
し、後段で逐次精度を上げるようにすれば演算回
数を大幅に減少させることができる。

次に、本発明について、図面を参照して詳細に
説明する。

先ず、本発明の原理について説明する。前記(2)
式で与えられるインバースフイルタの出力値（い
わば近似誤差である）e_oの自己相関値r_iを考える
と、 r_i＝_oB 〓^n=nA e_oe_o-i …(4) ただし、e_o-iはe_oよりｉタイムスロツト前の出
力値である。従つて、r₀はエラーパワーＥに一致
する。(4)式に(2)式を代入して展開すると、 r_i＝_oB 〓 〓^n=nA （S_o−α₁S_o-1−α₂S_o-2）×（S_o-i−α₁S_o-i-1−
α₂S_o-i-2） ＝_oB 〓 〓^n=nA （S_oS_o-i−α₁S_o-iS_o-i−α₂S_o-2S_o-i−α₁S_oS_o-i-
1＋α₁ ²S_o-1S_o-i-1 ＋α₁α₂S_o-2S_o-i-1−α₂S_oS_o-i-2＋α₁α₂S_o-1S
_o-i-2＋α₂ ²S_o-2S_o-i-2）…(5) となる。分析窓（例えばハミング窓）が一定の時
間区間の外で０となりS_oも０となることを考慮す
ると、例えばS_oS_o-iはS_o-1S_o-i-1と等しいと考え
ることができる。従つて、(5)式は次の(6)式のよう
に表わすことができる。

r_i＝（１＋α₁ ²＋α₂ ²）V_i−（α₁−α₁α₂）V_i+1−
（α₁−α₁α₂）V_i-1−α₂V_i-2−α₂V_i+2…(6) ただし、 V_i＝_oB 〓^n=nA S_oS_o-i（ｉ：タイムスロツト数） …(7) すなわち、V_iは入力信号S_oの自己相関値であ
る。また、分析窓の性質からV_i＝V_-iである。従
つて入力信号S_oの自己相関値V_iと、線係予測係数
α₁，α₂とから前記エラパワー_oB 〓^n=nA e_o ²（すなわちr₀）
を求めることができる。極が複数個あるときは(6)
式によつて得られたr_iを(6)式右辺のV_iに代入して
新たなr_iを求め、これをくり返して最終的なr₀を
求めることができる。例えばホルマントが４個あ
るときは、音声入力信号S_oに対してｉ＝０，１，
…８について自己相関V₀，…V₈を求め、これに
よつて、第１フオルマントに対するr₀，…r₆を求
め、このr₀，…．r₆を(6)式右辺のV_iに代入して第
２ホルマントに対するr₀，…r₄を求め、さらに同
様にして第３ホルマントおよび第４ホルマントを
全部考慮したr₀すなわちエラーパワーΣe² _oを求め
ることができる。各種の極パラメータに対して上
述の演算によりエラーパワーΣe² _oを求め、その最
小値を与える極パラメータ値を抽出することがで
きる。上述の(6)式による演算は、（n_B−n_A）が300
程度の値であることから、前述の(2)，(3)式を用い
てエラーパワーを算出するのに比して、乗算回
数，加算回数とも大幅に低減することができる。

さらに、すべての極パラメータ値について、上
述の演算を行なう必要はない。最初は粗く量子化
した極パラメータ値についてエラーパワーの最小
値を求めて、粗い極パラメータ値を求め、逐次極
パラメータ値の精度を上げるようにすれば、最終
抽出までの演算回数はさらに大幅に減小できる。
今、例えば、フオルマントの数をＭ個とし、極パ
ラメータ値は各フオルマントに対してあらかじめ
用意されたＦ個のうちから選ぶものとすると、す
べての組合せについて総当り法で演算する場合は
F_M回の演算が必要になる。代表的な例としてＭ
＝４，Ｆ＝32程度としても32⁴回の膨大な演算が
必要である。本発明では、最初は極パラメータを
粗く推定し、その結果を用いて段階的に逐次細か
く推定して行くことが可能である。すなわち、前
段においては前記Ｆ個の極パラメータ値の中から
粗く量子化された小数個のパラメータ値について
各極の組合せによつて最適値を求める。そして、
後段においては、前段において求められた極パラ
メータ値の近傍の小数個の極に限定して極パラメ
ータ値の推定を行う。換言すればＦ個のパラメー
タを量子化符号で表わし、前段では上位桁につい
て最適値を求め、その結果を利用して逐次下位桁
まで求めるようにすればよい。例えば、分割段数
をＬ，各段における各極の量子化レベルをＩとす
ると、分割段数Ｌを、Ｌ＝log_IＦ程度に定めれば
十分な精度で極パラメータ値の推定を行なうこと
ができる。従つてI^M×Ｌ回程度エラーパワーを演
算することによつて極パラメータ値を求めること
ができる。一例として、Ｍ＝５，Ｆ＝32，Ｉ＝２
とすると、分割段数Ｌは５程度（Ｉ＝２であるか
ら、一段毎に精度を倍にすることができる）とな
り、160回程度のエラーパワー計算により極パラ
メータ値の推定を行なうことが可能である。

また、極パラメータ値の推定を行なう際に、推
定範囲の制限等の制約を容易に設けることができ
るから、過去の分析フレームにおける推定結果を
参照して、現在の分析フレームにおける極パラメ
ータ値の推定範囲を制限することにより、極パラ
メータ値の大きな不連続が生じることを防ぐこと
ができる利点もある。

以上の説明においては、説明の簡単のため、極
パラメータ値の推定の場合についてのべたが、零
点のパラメータ値の推定も、零点を表わす２つの
線形予測係数を用いて同様に行なうことができ
る。

また、上述では線形予測係数をα₁とα₂のみ考え
たが３次以上の予測係数を用いる場合であつても
同様な方法で極パラメータ値を求めることがで
き、同様な効果を奏することは明らかである。

以上の原理に基づいた、本発明の具体的な実施
例を図に示す。先ず、音声波形が、音声波形入力
端子１を介して分析窓回路２に入力される。分析
窓回路２はフレーム同期信号生成回路９の生成す
るフレーム同期信号に従つて、入力音声波形に対
して分析窓をかけ、その結果出力波形を自己相関
値算出回路３に入力させる。自己相関値算出回路
３は、前記フレーム同期信号に従つて、入力波形
の自己相関値V_i（例えばｉ＝０〜８）を算出し、
自己相関値バツフア４に蓄積させる。該自己相関
値V_iは、制御回路１１から与えられる制御信号に
よつて逆フイルタリング回路（演算回路）５に与
えられる。一方、各種極パラメータ値がアドレス
極パラメータ値変換回路８に記憶されていて、任
意の極の任意のパラメータ（例えば第１フオルマ
ントの第１パラメータ）が制御回路１１を介して
線形予測係数生成回路１０を与えられ、線形予測
係数生成回路１０は該極パラメータ値から線形予
測係数α₁，α₂を算出して逆フイルタリング回路５
に与える。逆フイルタリング回路（演算回路）５
は、与えられた線形予測係数α₁，α₂と前記自己相
関値V_iにより前記(6)式の演算を行なつて、その結
果を自己相関値一時記憶回路６に記憶させる。例
えば前記自己相関値V₀〜V₈が与えられたときは、
(6)式の演算結果により、r₀〜r₆が得られる。自己
相関値一時記憶回路６は、制御回路１１からの制
御データに従つて、上記演算結果r₀〜r₆を前記逆
フイルタリング回路５に与えると共にエラーパワ
ー値を出力する。次に、例えば第２フオルマント
の第１パラメータ値に対応する予測係数α₁，α₂に
より上記演算結果のr₀〜r₆から、新たな自己相関
値r₀〜r₄を演算する。以下同様にして、第４ホル
マントまでについてのr₀すなわち、エラーパワー
が演算され自己相関値一時記憶回路６に記憶す
る。同様にして各ホルマントの各極パラメータ値
の組合せについてエラーパワーが演算蓄積される
と、最小値検出回路７は、制御回路１１から与え
られる制御データに従つて、上記エラーパワーの
うち最小のものを検出して、該最小のエラーパワ
ーが得られたときの各極の極パラメータ値が格納
されているアドレスデータを出力して、アドレス
極パラメータ値変換回路８に与える。アドレス極
パラメータ値変換回路８は、指定されたアドレス
に記憶されている極パラメータ値を出力する。こ
れによつて、最小エラーパワーを与える極パラメ
ータを得ることができる。

なお、例えば、前段において、極パラメータ推
定を極パラメータ値の上位桁についてのみ上記の
選択を行つたときは、上記アドレス極パラメータ
値変換回路８は、次段においては上記結果の近傍
における下位桁まで含んだ極パラメータ値を制御
回路１１を介して線形予測係数生成回路１０に送
り、演算回路５，自己相関値一時記憶回路６，最
小値検出回路７等は前述と同様な動作によつて再
びエラーパワーの最小値を求め該当アドレスを出
力する。上述の動作をくり返して、逐次推定精度
を高めて行き、最下位桁までについての推定が完
了すれば、その極パラメータ値を最終段の推定値
として出力端子１７から出力する。すなわち、極
パラメータ値の推定を、前段においては粗く推定
することによつて組合せの数を減じ、逐次推定の
精度を高めて行くようにすることができる。最初
から、全組合せについてエラーパワーを求める場
合に比較して、組合せ数を格段に少なくすること
ができ、従つて演算回数も少なくてよい。

以上のように、本発明においては、入力音声信
号の自己相関値と線形予測係数からエラーパワー
を算出して、該エラーパワー最小値に対応するる
極零パラメータを推定値とするように構成されて
いるから、比較的少ない演算回数で極零パラメー
タを得ることができる効果がある。

なお、極パラメータ等の推定を前段で粗く推定
し、その結果を利用して逐次精度を上げて推定す
るようにすれば、組合せの数を大幅に減少させる
ことができるから、演算回数をさらに大幅に減少
させることができるという効果がある。

また、前の分析フレームから得た極パラメータ
値等に基づいて、推定範囲に制約を加えることが
容易であるから、分析フレーム間における極パラ
メータ値等の大きな不連続を避けることができる
利点がある。

【図面の簡単な説明】

図は本発明の一実施例を示すブロツク図であ
る。 図において、１…音声波形入力端子、２…分析
窓回路、３…自己相関値算出回路、４…自己相関
値バツフア、５…演算回路、６…自己相関値一時
記憶回路、７…最小値検出回路、８…アドレス・
極パラメータ値変換回路、９…フレーム同期信号
生成回路、１０…線形予測係数生成回路、１１…
制御回路、１２〜１６…制御データ伝送路、１７
…極パラメータ値出力端子。

Claims (1)

1. 【特許請求の範囲】 １ 音声信号から時間窓内の自己相関値V_i（ｉは
   零および自然数）を算出する自己相関値算出回路
   と、 各種の極または零パラメータ値をあらかじめ記
   憶しアドレス入力に対応して該当番地に記憶した
   極パラメータ値を出力するアドレス・極パラメー
   タ値変換回路と、 該変換回路の出力パラメータ値から線形予測係
   数α₁およびα₂を生成する線形予測係数生成回路
   と、 前記自己相関値算出回路の出力値V_iが入力され
   前記線形予測係数生成回路から与えられた予測係
   数α₁、α₂を用いて出力値 r_i＝（１＋α₁ ²＋α₂ ²）V_i−（α₁−α₁α₂）V_i+1 −（α₁−α₁α₂）V_i-1−α₂V_i-2−α₂V_i+2 を演算する演算回路と、 該演算回路の出力値を記憶する自己相関値一時
   記憶回路と、 該記憶回路の記憶する出力値のうちエラーパワ
   ーのうち最小のものr₀を検出しこれに対応する前
   記アドレス・極パラメータ変換回路のアドレスを
   出力する最小値検出回路と を備えたことを特徴とする極零パラメータ値抽出
   装置。