JPH0218598A - 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〕 本発明は、音声分析装置に関し、特にピッチ変動による
分析結果のバラツキが少なく、また準定常的な音声信号
に対しても精度が高い分析結果を得ることのできる音声
分析処理装置に関する。

〔従来の技術〕

従来の音声分析では、オーム社文献「音声情報処理の基
礎」Ｐ２１〜Ｐ２８に記載のように、音声信号から１０
〜３０　ｍ　ｓ範囲の固定長区間を分析区間として抽出
している。

〔発明が解決しようとする課題〕

第２図は成人男性の発声した′イ′の音声波形例である
。この二液形を視察してもほとんど差は無くまた聴取し
ても差を検知する事はできない。

しかし、従来の音声分析手法でこの二液形を分析すると
顕著な差が表われる。第３図に示すスペクトルは、第２
図（ａ）、（ｂ）の波形から各々−周期波形を切り出し
、ＤＦＴ　（離散的フーリエ変換）を施して求めたもの
である。ＤＦＴにより求まる結果は、ピッチ周波数（周
期の逆数）の高調波成分のみであるが、第３図では、こ
れを直線補間して図示している。第３図の最も振幅の大
きい第１のフォルマントの目視計測にょるフォルマント
周波数は、第２図の第１フオルマント成分の周期の逆数
である。フォルマント成分の周期は、波形（ａ）、（ｂ
）に対して同一で３．４５ｒｎｓであり、フォルマント
周波数は２９０　Ｈｚである。

また、波形（ａ）のピッチ周波数は１３０　Ｈｚ、波形
（ｂ）のピッチ周波数は１１５　Ｈｚである。

第３図から判る事は、ピッチ周波数が変動すると、得ら
れるスペクトルが変動する事である。これは特にフォル
マント周波数とピッチ周波数の高調波の周波数に開きが
あると著しい。

なお、音声分析の区間長を増し、周波数分解能を細かく
しても、フォルマント成分の検知は良好に行なえない。

第４図は、波形（ｂ）がら二周期波形を切り出し、ＤＦ
Ｔを施して求めたスペクトルである。第４図では、分析
区間長を２倍にする事で、周波数分解能は５７．５Ｈｚ
　（１１，５／２Ｈｚ　）と細かくなっている。この結
果２８７．５Ｈｚのスペクトル成分が求まっている。こ
の周波数２８７．５Ｈｚ　　は目視によるフォルマント
周波数（２９０Ｈｚ）にほぼ一致しているにもがかわら
ず、得られるスペクトル値は非常に小さな値となってい
る。このような結果となる理由は、臨接する周期波形に
おいて、フォルマント成分の位相が異なっているためで
ある。この位相ずれの度合いは、音声の周期をフォルマ
ント成分の周期で除した値の、小数部で判る。小数部が
０であれば、同相となり、０．５　であれば逆相となる
。ちなみに第２図（ｂ）においては、音声周期が８．７
ｍｓ、フォルマント成分の周期が３．４５ｍ５であり、
前者を後者で除した数値は、２．５２であり、小数部が
０．５２となりほぼ逆相となっている。

以上に述べた、ピッチ変動に起因するスペクトルのバラ
ツキは、分析区間内の周期波形数を増加したり、窓掛け
を行なう事で解決される問題ではない。

本発明の目的は上記問題を解決し、精度良く音声分析を
行なう事にある。

〔課題を解決するための手段〕

上記目的は、フォルマント成分の位相が変化しない区間
を音声分析する事で達成される。

〔作用〕

音声のフォルマント成分は、−周期間隔で励起される減
衰正弦波と考えられる。前述したようにフォルマント成
分は臨接周期波形において位相がずれる可能性がある為
、フォルマント成分が同相となるには分析区間を一周期
以下にする必要がある。また分析区間を一周期としても
、不連続な位相変化フォルマント成分を含む危険がある
為、分析区間の始点を最大波高値の近傍とする必要があ
る。以下、第１図により詳細に説明する。

第１図は、第２図の波形（ｂ）に対して本発明を適用す
る手順を説明する図である。

分析区間を図中Ａのように一周期よりも長くすると位相
変化の不連続なフォルマント成分が混在して分析精度が
低下する。従って分析区間長を一周期とする必要がある
。次に一周期波形の切出位置を図中Ｂのようにすると、
これもまた位相変化の不連続なフォルマント成分が混在
する。フォルマント成分がほぼ減衰正弦波となっている
事を考えると、−周期波形中で最大波高位置を検出し、
その点を基点として逆時間方向に波形を追跡し、零レベ
ルを交叉する時点を分析区間の始点とする事で安定な分
析結果が得られる。このようにして求めた分析区間が図
中Ｃで示す区間である。尚、ここで零レベルとは、−周
期区間での波高値の平均レベルを意味する。

分析区間をＣとする事で精度の良い分析結果が得られる
が、ここで問題となるのは、周波数分解能である。分析
区間Ｃで分析を行なった場合、周波数分解能は、周期の
逆数（ピッチ周波数）となる。これは通常７０　Ｈｚ〜
５００　Ｈｚであり、周波数分解能の粗い結果しか得ら
れない。周波数分解能を高めるには、区間Ｃに対応する
波形の周辺に零をセットした仮想波形（図中Ｗ　ｒ　）
を分析すれば良い。Ｗｒの波形長をＴ秒とすると分析結
果の周波数分解能は１／Ｔ（Ｈｚ）となり適正なＴを選
ぶことで高分解能の分析結果が得られる。

〔実施例〕

以下、本発明の一実施例を第５図により説明する。

１０は入力音声信号である。この信号は標本化されてい
るものとする。１の周期計数部では１０から周期を求め
２０を出力する。これは、文献（「音声情報処理の基礎
ＪＰ１２１）に述べられている手法で実現できる。波高
平均レベル計算部２では、一周期区間内の波高値の総和
を求め、それを加算点数で除して平均レベルを求める。

周期波形切出部３では、一周期区間内の最大波高時点を
検出し、次に最大波高時点から逆時間方向に音声信号を
追跡し、音声信号値が、波高平均レベル以下になる最初
の時点を検出する。次にこれを始端とした一周期波形を
出力する。零詰め部４では、所定の周波数分解能を満足
するだけの零値を一周期波形に付加し、零詰め一周期波
形３０を出力する。これは、第１図のＷＩに対応するも
のである。

スペクトル計算部５では文献（［音声情報処理の基礎」
Ｐ１８〜Ｐ２１）に記載されているような方法で、３０
をフーリエ変換処理してスペクトル４０を出力する。

ここで入力音声信号１０が既にコンデンサ等を通過して
周波数零成分がほとんどないと見做せる時には、特に波
高平均レベル計算部２を設ける必要はなく、周期波形切
出部３で波高平均レベルを０と考えて処理すれば良い。

次に零詰め部４で設定すべき零の個数について説明する
。この零の個数は周波数分解能に対応する。周波数分解
能を変化させた合成音を試聴し、音質の評価を行なった
所、周波数分解能で２０Ｈｚを超えると、顕著な音質劣
化があり、また周波数分解能を５　Ｈｚ以下に細かくし
ても音質に差がない事が判った。この事から周波数分解
能は、５　Ｈｚ〜２０　Ｈｚの範囲内にあれば良いと言
える。

第６図は所与の分解能を達成する為に必要な標本点数を
示すものである。この表の縦方向は標本化周波数を意味
し、横方向は周波数分解能を意味する。

フーリエ変換を行なう際には、ＦＥＴを用いた方が演算
速度が速い。この時の制約条件は、処理点数を２のべき
乗とする事である。第４図に示す周波数分解能を満足し
て、ＦＦＴを行なうには、例えば標本化周波数８　Ｋ　
Ｈｚの時には、５１２点、もしくは１０２４点に標本点
数を設定すれば良い。

この時、５１２点、１０２４点に対応する周波数分解能
は各々１５．６２５Ｈｚ　、　７．８１２５Ｈｚとなる
。

零詰め部４では、この標本点数と周期の差分点数の零を
詰め、スペクトル計算部５では、標本点数分のフーリエ
変換処理を行う。例えば、標本点数を５１２点とし、周
期が６０点とすると、４５２点の零詰めをし、５１２点
のフーリエ変換を行なう。

音声分析処理技術は、多くの音声処理分野で共通して用
いられており、本分析方式は音声合成・音声認識装置に
適用可能であり、分析結果がピッチ変動の影響を受けに
くく、安定かつ正確なため各性能が向上する。

第７図は、音声分析合成装置の一実施例を示す構成図で
ある。音声分析合成装置に関しては、例えば、１．Ｌ、
ＦＬＡＮＡＧＡＮ著のｒｓｐｅａｃｈ　Ａｎａｌｙｓｊ
、５Ｓｙｕｔｈｅｓｉｓ　ａｎｄ　Ｐｅｒｃｅｐｔｊ、
ｏｎＪ　中の）ＩｏｍｏｍｏｒｐｈｉｃＶｏｃｏｄｅｒ
ｓに詳しい。

以下、第７図に関して説明する。６は以上に述べた音声
分析処理部である。入力音声信号に対し、音源パルス列
生成部７では、周期を計数して、それに見合った間隔で
音源パルス列を生成する。合成フィルター８では、音源
パルスが入力される度に、スペクトルに対応する波形を
生成し加算する事で、音声出力波形を得る。スペクトル
に対応した波形を生成する方法としては、スペクトルに
零位相あるいは最小位相を設定して逆フーリエ変換を行
なう方法が知られている。構成要素７，８は前述のＦＬ
ＡＮＡＧＡＮ氏の文献に詳述されており、当業者には容
易に実現する事ができる。

第８図は、音声認識装置の一実施例を示す構成図である
。音声認識装置に関しては、Ｔ、Ｂ、Ｍａｒｔｉｎ編集
のｒＡｕｔｏｍａｔｉｃ　５ｐｅｅｃｈ　＆　５ｐｅａ
ｋｅｒ　ＲｅｃｏｇｎｉｔｉｏｎＪに詳しい。

以下、第８図に関して説明する。６は前記した音声分析
処理部である。入力音声信号に対し、音声分析処理部６
でスペクトルを求め、９の標準パターン格納、読出部か
ら予め登録されている標準パターンの内容を逐次読出し
、一致判定部１０で最も類似したパターンを選び出して
、それが属するカテゴリーを出力する。構成要素９，１
０は前述のＭａｒｔｉｎ氏編の文献に詳述されており、
当業者にま容易に実現できる。

第９図は、第１図の音声波形を分析して求めたスペクト
ルである。フォルマント形状を分り易くするために、横
軸は対数軸としている。実線が、本発明で求めたスペク
トル、破線は、第４図に相当する分析区間を二周期波形
として求めたスペクトルである（２ＫＨｚ以上省略）。

本発明により、得られたスペクトルではフォルマント形
状が精度良く　（抽出されている事が判る。

また拗音のようにスペクトル形状が時間と共に変化する
際にも精度良くスペクトルが抽出できる。

〔発明の効果〕

以上述べたように、本発明によれば拗音のように時間と
共にスペクトルが変化する波形に対して良い精度でスペ
クトルを抽出でき、またピッチ周波数の変動によるスペ
クトル抽出精度の劣化を軽減でき る。

また、スペクトル抽出精度が高まる事により、合成音声
の音質向上や、音声認識率向上といった効果がある。

【図面の簡単な説明】

第１図は本発明の動作原理を説明する図、第２図は周期
の異なる波形例、第３図は従来手法による一周期波形分
析結果を示す図、第４図は従来手法による二周期波形分
析結果を示す図、第５図は本発明の１実施例を示す構成
図、第６図は所定周波数分解能を実現する為に必要な標
本点数を示す図、第７図は本発明の音声分析合成への応
用例を示す図、第８図は、本発明の音声認識への応用例
を示す図、第９図は、本発明による抽出スペクトル例を
示す図である。 １・・・周期計数部、２・・・波高平均レベル計算部、
３・・・周期波形切出部、４・・・零詰め部、５・・ス
ペクトル計算部、６・・・、本発明による音声分析処理
部、７・・・音源パルス列生成部、８・・・合成フィル
ター９・・・標準パターン格納読出部、１０・・・一致
判定部、１００・・・入力音声信号、２００・・・周期
、３００・・・（ｇρ）　！’＋＋（乙んＹ （ａ７Ｄ）］＃１１−ＩｚｋＹ

Claims (1)

1. 【特許請求の範囲】 １、入力音声信号中の有声部分に対して、周期を計数し
   、一周期区間内の最大波高位置直前の零交叉点近傍を始
   点とした一周期波形を抽出し、抽出波形に対して高分解
   能の周波数分析を行なう事を特徴とする音声分析装置。 ２、特許請求の範囲第１項において、上記周波数分解能
   を５〜２０Ｈｚの範囲とする事を特徴とする音声分析装
   置。 ３、特許請求の範囲第１項又は、第２項記載の音声分析
   装置を具備した事を特徴とする音声分析合成装置。 ４、特許請求の範囲第１項又は第２項記載の音声分析装
   置を具備した事を特徴とする音声認識装置。