JP2006523331A5

JP2006523331A5 -

Info

Publication number: JP2006523331A5
Application number: JP2006509610A
Authority: JP
Filing date: 2004-03-31
Publication date: 2007-05-10
Anticipated expiration: 2024-03-31

Claims

音声信号をサンプリングするステップと、
サンプリングされた音声信号を重複フレームに分割するステップと、
周波数領域分析を使用して、１つのフレームから第１のピッチ情報を抽出するステップと、
それぞれが前記第１のピッチ情報からのスペクトル・スコアと結合され、前記フレームについての可能なピッチ推定値を表す少なくとも１つのピッチ候補を提供するステップステップと、
時間領域分析を使用して、前記フレームから第２のピッチ情報を抽出するステップと、前記第２のピッチ情報から前記少なくとも１つのピッチ候補に関する相関スコアを提供するステップと、
前記フレームのピッチ推定値を表すために前記少なくとも１つのピッチ候補のうちの１つを選択するステップと、
を有する方法。
選択するステップが、
スペクトル・スコアと相関スコアとの最良の組合せを有する前記少なくとも１つのピッチ候補のうちの前記１つを選択し、それにより、前記フレームのピッチと一致する最良確率を有する１つのピッチ候補を示すステップ
を有する、請求項１に記載の方法。
選択するステップが、
前記少なくとも１つのピッチ候補のそれぞれの可能なピッチ推定値と前のフレームについて選択されたピッチ推定値との間の一致尺度を計算するステップと、
スペクトル・スコア、相関スコアおよび前記一致尺度の最良の組合せを有する前記少なくとも１つのピッチ候補のうちの前記１つを選択し、それにより、前記フレームのピッチと一致する最良確率を有する１つのピッチ候補を示すステップと、
を有する、請求項２に記載の方法。
前記少なくとも１つのピッチ候補が、前記フレームについて可能な６個以下のピッチ推定値を表す６個以下のピッチ候補を有する、請求項１に記載の方法。
前記少なくとも１つのピッチ候補のスペクトル・スコアが、前記フレームのスペクトル内で検出されたスペクトル・ピークに対するピッチ値の互換性の尺度を示す、請求項１に記載の方法。
時間領域分析を使用して、前記フレームから第２のピッチ情報を抽出するステップが、前記フレームと前のフレームとをまとめて拡張フレームに結合するステップと、
前記拡張フレームを低域フィルタリングしダウンサンプリングすることにより、ダウンサンプリングされた拡張フレームを計算するステップと、
を有する、請求項１に記載の方法。
相関スコアを提供するステップが、
ダウンサンプリングされた拡張フレームの２つのフラグメント間の相互相関を計算するステップ
を有する、請求項１に記載の方法。
前記２つのフラグメントが、事前定義長さのものであり、前記少なくとも１つのピッチ候補のそれぞれに対応する遅れ値分だけ相互に対して遅延される、請求項７に記載の方法。
ダウンサンプリングされた拡張フレーム内の２つのフラグメントの位置が、フラグメントの全エネルギを最大化することによって選択される、請求項８に記載の方法。
サンプリングされた音声信号の複数のフレームの複数のピッチ推定値を選択するステップと、
前記複数のピッチ推定値を有する、サンプリングされた音声信号の表現を符号化するステップと、
をさらに有する、請求項１に記載の方法。
サンプリングされた音声信号の符号化表現が分散音声認識システムで使用される、請求項１０に記載の方法。
音声信号の特徴を抽出するための分散音声認識フロントエンドを有する分散音声認識システムであって、前記分散音声認識フロントエンドが、
メモリと、
前記メモリに通信可能に結合されたプロセッサと、
前記メモリおよび前記プロセッサに通信可能に結合されたピッチ抽出プロセッサであって、
音声信号をサンプリングし、
サンプリングされた音声信号を重複フレームに分割し、
周波数領域分析を使用して、１つのフレームから第１のピッチ情報を抽出し、
それぞれが前記第１のピッチ情報からのスペクトル・スコアと結合され、前記フレームについての可能なピッチ推定値を表す少なくとも１つのピッチ候補を提供し、
時間領域分析を使用して、前記フレームから第２のピッチ情報を抽出し、
前記第２のピッチ情報から前記少なくとも１つのピッチ候補に関する相関スコアを提供し、
前記フレームのピッチ推定値を表すために前記少なくとも１つのピッチ候補のうちの１つを選択する
ことによって音声信号からピッチ情報を抽出するためのピッチ抽出プロセッサと、
を有する、分散音声認識システム。
音声処理システムのためのコンピュータ・プログラムを有するコンピュータ可読媒体であって、前記コンピュータ・プログラムが、
音声信号をサンプリングするステップと、
サンプリングされた音声信号を重複フレームに分割するステップと、
周波数領域分析を使用して、１つのフレームから第１のピッチ情報を抽出するステップと、
それぞれが前記第１のピッチ情報からのスペクトル・スコアと結合され、前記フレームについての可能なピッチ推定値を表す少なくとも１つのピッチ候補を提供するステップと、
時間領域分析を使用して、前記フレームから第２のピッチ情報を抽出するステップと、前記第２のピッチ情報から前記少なくとも１つのピッチ候補に関する相関スコアを提供するステップと、
前記フレームのピッチ推定値を表すために前記少なくとも１つのピッチ候補のうちの１つを選択するステップと、
をコンピュータに実行させる、コンピュータ可読媒体。