JP2010107689A - ピッチ情報検出装置およびプログラム - Google Patents

Abstract

【課題】音響信号のピッチ情報を高精度に特定する。
【解決手段】検出値生成部３０は、音響信号ＡのピークＫ_pから変化度Ｒに応じた速度で経時的に減少する検出値ｅ_pの時系列（すなわち音響信号Ａの包絡線）を生成する。情報特定部４２は、検出値ｅ_pの時系列から音響信号Ａのピッチ情報Ｄを特定する。変化度設定部４４は、ピッチ情報Ｄに応じて変化度Ｒを可変に設定する。例えば、変化度設定部４４は、ピッチ情報Ｄの示すピッチＰAが高いほど検出値ｅ_pの変化の速度が高くなるように変化度Ｒを設定する。
【選択図】図１

Description

本発明は、音響のピッチ（基本周波数）に関する情報を音響信号から検出する技術に関する。

音響のピッチに関する情報（以下「ピッチ情報」という）を音響信号から検出する技術が従来から提案されている。例えば特許文献１には、音響信号のピーク値から経時的に減少する検出値の軌跡（すなわち音響信号の包絡線）からピークを検出するとともに各ピークの間隔からピッチを特定する方法が開示されている。
特開昭６１−４４３３０号公報

特許文献１の技術においては、検出値が固定の速度で変化する。したがって、検出値の変化の速度を高目に設定した場合には、本来の目標となるピークとは別個のピーク（例えば雑音に相当するピーク）が誤検出される可能性が高く、検出値の変化の速度を低目に設定した場合には、本来の目標となるピークが検出されない可能性が高いという問題がある。以上の事情を考慮して、本発明は、ピッチ情報を高精度に特定することを目的とする。

以上の課題を解決するために、本発明に係るピッチ情報検出装置は、音響信号のピークから変化度に応じた速度で経時的に絶対値が減少する検出値の時系列（すなわち、音響信号の包絡線）を生成する検出値生成手段と、前記検出値の時系列から前記音響信号のピッチ情報を順次に特定する情報特定手段と、前記ピッチ情報に応じて前記変化度を可変に設定する変化度設定手段とを具備する。例えば、変化度設定手段は、前記ピッチ情報の示すピッチが高いほど前記検出値の変化の速度が高くなるように前記変化度を設定する。以上の構成においては、ピッチ情報の特定に利用される検出値が音響信号のピッチ情報に応じた速度で変化するから、検出値の変化の速度がピッチ情報に拘わらず所定値に固定された構成と比較して、音響信号のピッチ情報を高精度に特定することが可能である。

本発明の好適な態様において、前記検出値生成手段は、基準値と音響信号の強度とで絶対値が大きい方を前記検出値として順次に選択する比較手段と、前記変化度設定手段が設定した変化度に応じた速度で前記基準値の絶対値が経時的に減少するように前記変化度と前記検出値とから前記基準値を順次に算定する基準値算定手段とを含む。以上の態様においては、基準値と音響信号の強度との比較に応じて検出値が生成されるから、例えば音響信号のピークを検出したうえで当該ピークの強度から検出値の時系列を設定する構成と比較して、検出値の時系列を簡易かつ確実に生成することが可能となる。なお、音響信号の強度とは、音響信号の振幅やパワー（振幅の自乗和）を意味する。

本発明の好適な態様に係るピッチ情報検出装置は、ピッチ情報と変化度とを対応させて記憶する記憶手段を具備し、変化度設定手段は、情報特定手段が特定したピッチ情報に対応する変化度を記憶手段から取得する。以上の態様においては、ピッチ情報に対応する変化度が記憶手段から取得されるので、例えばピッチ情報を利用した演算で変化度を算定する構成と比較して、変化度設定手段による処理の負荷が軽減されるという利点がある。

本発明の好適な態様において、変化度設定手段は、ピッチ情報を変数とする演算を実行することで変化度を算定する。以上の態様においては、ピッチ情報を変数とする演算で変化度が算定されるから、ピッチ情報と変化度とを対応させて記憶する記憶装置を利用して変化度を特定する構成と比較して、変化度の特定に必要な記憶装置の容量が削減されるという利点がある。

また、以上の各態様に係るピッチ情報検出装置は、音声の処理に専用されるＤＳＰ（Digital Signal Processor）などのハードウェア（電子回路）によって実現されるほか、ＣＰＵ（Central Processing Unit）などの汎用の演算処理装置とプログラムとの協働によっても実現される。本発明に係るプログラムは、音響信号のピークから変化度に応じた速度で経時的に絶対値が減少する検出値の時系列を生成する検出値生成処理と、前記検出値の時系列から前記音響信号のピッチ情報を順次に特定する情報特定処理と、前記ピッチ情報に応じて前記変化度を可変に設定する変化度設定処理とをコンピュータに実行させる。以上のプログラムによれば、本発明に係るピッチ情報検出装置と同様の作用および効果が奏される。本発明のプログラムは、コンピュータが読取可能な記録媒体に格納された形態で利用者に提供されてコンピュータにインストールされるほか、通信網を介した配信の形態でサーバ装置から提供されてコンピュータにインストールされる。

＜Ａ：第１実施形態＞
図１は、本発明の第１実施形態に係るピッチ情報検出装置のブロック図である。ピッチ情報検出装置１００には音響信号Ａが供給される。音響信号Ａは、音響の時間軸上の波形を表す強度（振幅またはパワー）ａの時系列である。音響信号Ａの供給元（図示略）は、例えば、周囲の音響に応じた音響信号Ａを生成する収音機器や、記録媒体から音響信号Ａを取得して出力する再生装置である。ピッチ情報検出装置１００は、音響信号Ａからピッチ情報Ｄを特定して出力する。ピッチ情報Ｄは、音響信号Ａのピッチに関連する情報である。本形態のピッチ情報Ｄは、音響信号Ａの音高を識別するためのノートナンバｆnである。

図１に示すように、ピッチ情報検出装置１００は、演算処理装置１２と記憶装置１４とを含むコンピュータシステムで実現される。記憶装置１４は、音響信号Ａからピッチ情報Ｄを特定するためのプログラムや各種のデータを記憶する。半導体記録媒体や磁気記録媒体などの公知の記録媒体が記憶装置１４として任意に採用される。

演算処理装置１２は、記憶装置１４に格納されたプログラムを実行することで複数の要素（信号区分部２２，フィルタ処理部２４，検出値生成部３０，情報特定部４２，変化度設定部４４）として機能する。なお、音響信号Ａの処理に専用される電子回路（ＤＳＰ）が演算処理装置１２の各要素を実現する構成や、演算処理装置１２の各要素を複数の集積回路に分散的に搭載した構成も採用される。

信号区分部２２は、音響信号Ａを時間軸上で複数の区間（以下「単位区間」という）に区分する。フィルタ処理部２４は、各単位区間の音響信号Ａの高域成分を抑制するローパスフィルタまたはバンドパスフィルタである。なお、フィルタ処理部２４による処理後の音響信号Ａを信号区分部２２が各単位区間に区分する構成も採用される。

検出値生成部３０は、信号区分部２２およびフィルタ処理部２４による処理後の音響信号Ａの各ピークでの強度ａから経時的に変化する検出値（ｅ_p，ｅ_n）の時系列を生成する。検出値生成部３０は、正側処理部３２と負側処理部３４とで構成される。以下の説明において、添字「_p」が付加された符号は正側処理部３２（正数の強度ａ）に関する要素を意味し、添字「_n」が付加された符号は負側処理部３４（負数の強度ａ）に関する要素を意味する。

図２は、検出値生成部３０の動作を説明するためのタイミングチャートである。図２に示すように、正側処理部３２は、音響信号Ａのうち強度ａが正数であるピークＫ_pに対応する検出値ｅ_pの時系列を生成する。一方、負側処理部３４は、音響信号Ａのうち強度ａが負数であるピークＫ_n（すなわちディップ）に対応する検出値ｅ_nの時系列を生成する。図２から把握されるように、検出値ｅ_pの時系列（軌跡）は音響信号Ａの正側の包絡線に相当し、検出値ｅ_nの時系列は音響信号Ａの負側の包絡線に相当する。すなわち、検出値生成部３０は、音響信号Ａの包絡線を検出する要素としても把握される。

図３は、検出値生成部３０のブロック図である。図３に示すように、正側処理部３２は、比較部５２と遅延部５４と基準値算定部５６とを含んで構成される。基準値算定部５６は基準値ｘ_pを順次に算定する。比較部５２は、基準値算定部５６が算定した基準値ｘ_pと音響信号Ａの強度ａとを順次に比較し、基準値ｘ_pおよび強度ａのうちの大きい方を検出値ｅ_pとして選択する。したがって、図２に示すように、音響信号Ａの正側のピークＫ_pにて強度ａが基準値ｘ_pを上回る区間Ｑ1_p内では強度ａが検出値ｅ_pとして順次に選択され、基準値ｘ_pが強度ａを上回る区間Ｑ2_p内では基準値ｘ_pが検出値ｅ_pとして順次に選択される。図３に示すように、検出値ｅ_pは、遅延部５４にて所定長（例えば音響信号Ａの１サンプル分の時間）だけ遅延されたうえで情報特定部４２と基準値算定部５６とに供給される。

基準値算定部５６は、比較部５２が順次に選択する検出値ｅ_pと変化度Ｒとから基準値ｘ_pを算定する。さらに詳述すると、基準値算定部５６は、検出値ｅ_pと変化度Ｒとの乗算値を基準値ｘ_pとして順次に算定する乗算器である。変化度Ｒは１を下回る正数に設定される。したがって、基準値ｘ_pが強度ａを上回る図２の区間Ｑ2_p内において、比較部５２による検出値ｅ_p（基準値ｘ_p）は、音響信号Ａの正側のピークＫ_pの強度ａ（極大値）から変化度Ｒに応じた速度で経時的に減少する。変化度Ｒが小さいほど検出値ｅ_pの経時的な変化は急峻となり、変化度Ｒが大きい（１に近い）ほど検出値ｅ_pの経時的な変化は緩慢となる。

図３の負側処理部３４は、正側処理部３２と同様に、比較部５２と遅延部５４と基準値算定部５６とを含んで構成される。ただし、各数値の大小や正負の関係が正側処理部３２とは逆転する。さらに詳述すると、負側処理部３４の基準値算定部５６が算定する基準値ｘ_nは負数であり、基準値ｘ_nおよび音響信号Ａの強度ａのうちの小さい方（絶対値が大きい方）を比較部５２が検出値ｅ_nとして順次に選択する。すなわち、図２に示すように、音響信号Ａの負側のピークＫ_n（ディップ）にて強度ａが基準値ｘ_nを下回る区間Ｑ1_n内では強度ａが検出値ｅ_nとして選択され、基準値ｘ_nが強度ａを下回る区間Ｑ2_n内では基準値ｘ_nが検出値ｅ_nとして選択される。変化度Ｒは正側処理部３２と共通（１を下回る正数）であるから、図２の区間Ｑ2_n内において、検出値ｅ_n（基準値ｘ_n）の絶対値は、音響信号Ａの負側のピークＫ_nの強度ａ（極小値）から変化度Ｒに応じた速度で経時的に減少する。

図１や図３の情報特定部４２は、正側処理部３２が生成した正側の検出値ｅ_pの時系列と負側処理部３４が生成した負側の検出値ｅ_nの時系列とからピッチ情報Ｄを特定する。例えば、情報特定部４２は、正側の検出値ｅ_pが増加から減少に反転する地点を正側のピークＫ_pとして検出し、各ピークＫ_pの間隔（音響信号Ａの周期）から音響信号ＡのピッチＰ1を特定する。同様に、情報特定部４２は、負側の検出値ｅ_nが減少から増加に反転する地点を負側のピークＫ_nとして検出し、各ピークＫ_nの間隔（音響信号Ａの周期）からピッチＰ2を特定する。そして、情報特定部４２は、ピッチＰ1とピッチＰ2とから確定的なピッチＰAを特定する。例えば、ピッチＰ1およびピッチＰ2のうち大きい方をピッチＰAとして特定する方法や、ピッチＰ1とピッチＰ2との平均値をピッチＰAとして特定する方法が好適である。さらに、本形態の情報特定部４２は、ピッチＰAに対応するノートナンバｆnをピッチ情報Ｄとして決定する。ノートナンバｆnの特定には公知の技術が任意に採用される。情報特定部４２が特定したピッチ情報Ｄは、ピッチ情報検出装置１００の外部に提供されて各種の処理に利用されるほか、図１および図３の変化度設定部４４に供給される。

変化度設定部４４は、検出値生成部３０（正側処理部３２，負側処理部３４）にて使用される変化度Ｒをピッチ情報Ｄに応じて可変に設定する。変化度設定部４４は、単位区間毎に変化度Ｒを更新する。すなわち、各基準値算定部５６に設定される変化度Ｒは、１個の単位区間の最初に更新されてから直後の単位区間にて新たな変化度Ｒに更新されるまで維持される。ピッチ情報Ｄに応じた変化度Ｒの設定には図４のテーブルＴが使用される。テーブルＴは事前に作成されて記憶装置１４に格納される。

図４に示すように、テーブルＴは、ピッチ情報Ｄ（ノートナンバｆn）の各数値（ｆn1，ｆn2，……）と変化度Ｒの各数値（Ｒ1，Ｒ2，……）とを対応付ける。変化度設定部４４は、情報特定部４２が特定したピッチ情報Ｄに対応する変化度Ｒを記憶装置１４のテーブルＴから取得して検出値生成部３０（正側処理部３２および負側処理部３４）の基準値算定部５６に供給する。テーブルＴにおいては、ピッチ情報Ｄのノートナンバｆnが大きい（すなわち音響信号ＡのピッチＰAが高い）ほど変化度Ｒが小さくなるようにピッチ情報Ｄと変化度Ｒとが対応付けられる。したがって、音響信号ＡのピッチＰAが高いほど基準値ｘ_pおよび基準値ｘ_nの経時的な変化は急峻となる。

以上のように音響信号ＡのピッチＰAに応じて基準値ｘ_pおよび基準値ｘ_nの変化度Ｒが可変に設定されるから、以下に詳述するように、変化度Ｒが固定された構成（以下「対比例」という）と比較してピッチ情報Ｄ（ピッチＰA）を高精度に特定することが可能である。なお、以下では音響信号Ａの正側のピークＫ_pのみに着目するが、負側のピークＫ_pに着目した場合にも同様の効果が実現される。

図５は、音響信号Ａ（ピッチＰA）の波形の模式図である。音響信号Ａには、本来のピッチＰAに対応した周期ＴPAで発生するピークＫ_p以外にも局所的なピークＨ_pが発生する。ピークＨ_pは、例えば音響信号Ａに重畳された雑音の成分である。対比例のもとで、基準値ｘ_pが急峻に変化するように変化度Ｒを低目の固定値に設定した場合、図５に破線で示すように、音響信号ＡのピークＫ_pに加えてピークＨ_pにおいても強度ａが基準値ｘ_pを上回るから、ピークＫ_pおよびピークＨ_pの双方が検出値ｅ_pの軌跡から検出される。したがって、図５の周期Ｔ1や周期Ｔ2に対応する不正確なピッチが特定される。

一方、第１実施形態においては、音響信号ＡのピッチＰAが低いほど検出値ｅ_pおよび検出値ｅ_nの変化の速度が低くなるように変化度Ｒが可変に設定されるから、図５に示すように、ピークＫ_pの強度ａは基準値ｘ_pを上回るが、ピークＨ_pの強度ａは基準値ｘ_pを下回る。したがって、ピークＫ_pのみが検出値ｅ_pの軌跡から検出され、各ピークＫ_pの周期ＴPAに対応するピッチＰAが正確に検出される。

図６は、ピッチＰAが高い音響信号Ａの波形の模式図である。音響信号Ａには、ピッチＰAに対応する周期ＴPAで正側のピークＫ_pが発生するが、各ピークＫ_pにおける強度ａは随時に変化する。いま、図５の場合におけるピークＨ_pの誤検出を回避する観点から、対比例のもとで、基準値ｘ_pが緩慢に変化するように変化度Ｒを高目の固定値に設定した場合、高いピークＫ_pの強度ａは基準値ｘ_pを上回るが、低いピークＫ_pの強度ａは基準値ｘ_pを下回る。したがって、高いピークｘ_pの周期Ｔ3に対応するピッチが誤検出される。

一方、第１実施形態においては、音響信号ＡのピッチＰAが高いほど検出値ｅ_pおよび検出値ｅ_nの変化の速度が高くなるように変化度Ｒが可変に設定されるから、図６に示すように、音響信号Ａの総てのピークＫ_pが検出値ｅ_pの軌跡から正確に検出される。したがって、各ピークＫ_pの周期ＴPAに対応するピッチＰAを正確に検出できるという利点がある。

＜Ｂ：第２実施形態＞
次に、本発明の第２実施形態について説明する。なお、第２実施形態において作用や機能が第１実施形態と同等である要素については以上と同じ符号を付して各々の詳細な説明を適宜に省略する。

第１実施形態の変化度設定部４４は、ピッチ情報Ｄに応じた変化度Ｒの特定にテーブルＴを利用した。第２実施形態の変化度設定部４４は、ピッチ情報Ｄを変数とする演算を実行することで変化度Ｒを算定する。例えば、変化度設定部４４は、以下の数式(1)の演算を実行することで変化度Ｒを算定する。
Ｒ＝１０^ｄ／２０ ……(1)

数式(1)の変数ｄは以下の数式(2)で定義される。数式(2)における変数Ｇは、音響信号Ａの標準的なピッチに対応した１周期内での基準値ｘ（ｘ_p，ｘ_n）の減衰量を意味する負数（例えば-12[dB]）であり、変数ＦSは音響信号Ａの標本化周波数[Hz]である。数式(2)の変数ＦXは、ピッチ情報Ｄが示すノートナンバｆnを変数として以下の数式(3)で定義される。すなわち、変数ＦXは、ノートナンバｆnに対応する周波数[Hz]を意味する。例えば、ノートナンバｆnが基準値（６９）である場合に変数ＦXは４４０[Hz]となる。
ｄ＝Ｇ／（ＦS／ＦX） ……(2)
ＦX＝４４０×２^{（ｆn−６９）／１２} ……(3)

数式(3)から理解されるように、ピッチ情報Ｄのノートナンバｆnが大きいほど変数ＦXは大きい数値となる。したがって、第１実施形態と同様に、ノートナンバｆnが大きいほど変化度Ｒは小さくなる。すなわち、音響信号ＡのピッチＰAが高いほど、検出値ｅ_pおよび検出値ｅ_nの経時的な変化は急峻となる。したがって、第１実施形態と同様の効果が実現される。

また、変化度設定部４４による演算で変化度Ｒが算定されるから、第１実施形態のテーブルＴを記憶装置１４に格納する必要がない。したがって、記憶装置１４に必要な容量が削減されるという利点がある。もっとも、テーブルＴを利用する第１実施形態によれば、変化度Ｒの演算が不要であるから、変化度設定部４４（演算処理装置１２）による処理の負荷が軽減されるという利点がある。

なお、変化度Ｒの演算式は以上の例示（数式(1)から数式(3)）に限定されない。また、第１実施形態のテーブルＴは、数式(1)から数式(3)のような演算で算定された変化度Ｒと演算に使用されたピッチ情報Ｄと対応付けることで作成される。

＜Ｃ：変形例＞
以上に例示した各形態には様々な変形が加えられる。具体的な変形の態様を例示すれば以下の通りである。なお、以下の例示から２以上の態様を任意に選択して組合せてもよい。

（１）変形例１
以上の各形態においては検出値生成部３０を正側処理部３２と負側処理部３４とで構成したが、検出値生成部３０が正側処理部３２および負側処理部３４の一方のみを具備する構成も好適である。例えば、検出値生成部３０が正側処理部３２のみを具備する構成では、正側の検出値ｅ_pから検出される各ピークＫ_pの間隔から音響信号ＡのピッチＰAが特定される。

（２）変形例２
ピッチ情報Ｄは、音響信号ＡのピッチＰAに関連する情報という意味であり、以上の各形態におけるノートナンバｆnには限定されない。例えば、音響信号ＡのピッチＰAやピッチＰAに対応する周期（ピッチ周期）をピッチ情報Ｄとして特定する構成も好適である。

（３）変形例３
以上の各形態においては基準値ｘ（ｘ_p，ｘ_n）と強度ａとの比較の結果から検出値ｅ（ｅ_p，ｅ_n）を特定したが、検出値ｅを生成する方法は任意である。例えば、公知の方法で音響信号ＡのピークＫ（Ｋ_p，Ｋ_n）を検出し、正側のピークＫ_pから変化度Ｒに応じた速度で経時的に減少するように検出値ｅ_pの時系列（正側の包絡線）を生成するとともに、負側のピークＫ_nから変化度Ｒに応じた速度で絶対値が経時的に減少するように検出値ｅ_nの時系列（負側の包絡線）を生成する構成が採用される。ピッチ情報Ｄは、検出値ｅ_pまたは検出値ｅ_nの時系列（包絡線）と音響信号Ａとの各交点の間隔に応じて特定される。以上の例示から理解されるように、検出値生成部３０は、音響信号ＡのピークＫから変化度Ｒに応じた速度で経時的に検出値ｅの絶対値が減少する（すなわち、音響信号Ａの包絡線の傾斜が変化度Ｒに応じて制御される）ように検出値ｅの時系列を特定する要素として包括され、第１実施形態の基準値ｘと強度ａとの比較は必須の要件ではない。

（４）変形例４
基準値算定部５６が変化度Ｒと検出値ｅ（ｅ_p，ｅ_n）とから基準値ｘ（ｘ_p，ｘ_n）を算定する方法は適宜に変更される。例えば、検出値ｅ_pから変化度Ｒを減算することで基準値ｘ_pを算定する構成や、検出値ｅ_nに変化度Ｒを加算することで基準値ｘ_nを算定する構成が採用される。すなわち、変化度Ｒに応じた速度で経時的に変化する（正側の基準値ｘ_pが減少し、または負側の基準値ｘ_nが増加する）ように基準値ｘが算定される構成であれば、基準値ｘを算定する具体的な方法は本発明において任意である。そして、基準値ｘの算定の方法に拘わらず、ピッチ情報Ｄが示すピッチＰAが高いほど基準値ｘの変化の速度が高くなるように変化度Ｒを設定する構成が好適である。

本発明の第１実施形態に係るピッチ情報検出装置のブロック図である。 検出値生成部の動作を説明するための概念図である。 検出値生成部のブロック図である。 変化度の特定に使用されるテーブルの概念図である。 第１実施形態の効果を説明するための概念図である。 第１実施形態の効果を説明するための概念図である。

符号の説明

１００……ピッチ情報検出装置、１２……演算処理装置、１４……記憶装置、２２……信号区分部、２４……フィルタ処理部、３０……検出値生成部、３２……正側処理部、３４……負側処理部、４２……情報特定部、４４……変化度設定部、５２……比較部、５４……遅延部、５６……基準値算定部。

Claims (6)

1. 音響信号のピークから変化度に応じた速度で経時的に絶対値が減少する検出値の時系列を生成する検出値生成手段と、
   前記検出値の時系列から前記音響信号のピッチ情報を順次に特定する情報特定手段と、
   前記ピッチ情報に応じて前記変化度を可変に設定する変化度設定手段と
   を具備するピッチ情報検出装置。
2. 前記検出値生成手段は、
   基準値と音響信号の強度とで絶対値が大きい方を前記検出値として順次に選択する比較手段と、
   前記変化度設定手段が設定した変化度に応じた速度で前記基準値の絶対値が経時的に減少するように前記変化度と前記検出値とから前記基準値を順次に算定する基準値算定手段とを含む
   請求項１のピッチ情報検出装置。
3. 前記変化度設定手段は、前記ピッチ情報の示すピッチが高いほど前記検出値の変化の速度が高くなるように前記変化度を設定する
   請求項１または請求項２のピッチ情報検出装置。
4. ピッチ情報と変化度とを対応させて記憶する記憶手段を具備し、
   前記変化度設定手段は、前記情報特定手段が特定したピッチ情報に対応する変化度を前記記憶手段から取得する
   請求項１から請求項３の何れかのピッチ情報検出装置。
5. 前記変化度設定手段は、前記ピッチ情報を変数とする演算を実行することで前記変化度を算定する
   請求項１から請求項３の何れかのピッチ情報検出装置。
6. 音響信号のピークから変化度に応じた速度で経時的に絶対値が減少する検出値の時系列を生成する検出値生成処理と、
   前記検出値の時系列から前記音響信号のピッチ情報を順次に特定する情報特定処理と、
   前記ピッチ情報に応じて前記変化度を可変に設定する変化度設定処理と
   をコンピュータに実行させるプログラム。
   

Images