JP2014507689A - ピッチ検出方法及び装置 - Google Patents

Abstract

本発明は、スピーチ及びオーディオの分野に属する、ピッチ検出方法及び装置を開示する。ピッチ検出方法は、時間領域においてスピーチ信号に対してピッチ検出を実行して、初期ピッチ周期を取得し、スピーチ信号を周波数領域に変換して、スピーチ信号の周波数スペクトルを取得し（ここで、周波数スペクトルは周波数スペクトルの振幅スペクトルを含み）、初期ピッチ周期とスピーチ信号の周波数スペクトルとに従って、特徴パラメータを抽出し、初期ピッチ周期と特徴パラメータとに従って、ファインピッチ周期検出を実行して、ファインピッチ周期を取得することを含む。

Description

本出願は、２０１１年６月２２日に中国専利局に出願された、「ＰＩＴＣＨ ＤＥＴＥＣＴＩＯＮ ＭＥＴＨＯＤ ＡＮＤ ＡＰＰＡＲＡＴＵＳ（ピッチ検出方法及び装置）」と題された、中国特許出願第２０１１１０１７００７５．０号の優先権を主張するものであり、当該出願はその全体が参照によって本明細書中に援用される。

本発明は、ピッチ検出方法及び装置に関し、特に、精度が高く、演算量が少ない、ピッチ検出方法及び装置に関する。

デジタル通信の分野では、スピーチ、イメージ、オーディオ、及びビデオの伝送が、携帯電話の通話、オーディオ／ビデオ会議、放送及びテレビ、並びにマルチメディアエンターテインメントなどの適用例において広く要求されている。オーディオ／ビデオ信号を記憶又は伝送するために占有されるリソースを減少させるために、オーディオ／ビデオ圧縮符号化技術が出現した。スピーチ及びオーディオ信号の処理に際して、ピッチ検出は、様々な実際的なスピーチ及びオーディオ適用例における主要技術のうちの１つであり、ピッチは、スピーチ符号化、スピーチ認識、及びトーン回復（ｔｏｎｅ ｒｅｔｒｉｅｖａｌ）における重要な抽出パラメータであり、ピッチ検出の精度は、最終的な符号化の性能に直接影響を及ぼす。従来技術では、ピッチ周期検出のために、通常、２つの方法が採用される。

１つの方法は時間領域方法であり、スピーチ信号が前処理された後、入力信号が時間領域において解析及び計算されて、ピッチ周期が判定される。

スピーチ信号については、関連する関数方法は、ほとんどが、時間領域においてスピーチ信号に対してピッチ検出を実行するために採用され、検出は、時間領域においてのみ、スピーチ信号の関連する値に関して実行される。しかし、実際のピッチ周期の整数倍における、スピーチ信号の関連する値は、全て非常に大きく、それらは正確に区別及び検出されることが非常に困難であり、倍数ピッチエラーが容易に発生し、これにより、ピッチパラメータ検出の精度は減少する。

もう１つの方法は周波数領域方法であり、これは、時間領域信号を周波数領域に変換し、周波数領域においてピーク検出を実行し、検出されたピークとピッチ追跡アルゴリズムとに従ってピッチ周波数を取得し、ピッチ周波数に対して対応する変換を実行して、ピッチ周期を取得するというものである。

このプロセスでは、時間領域信号から周波数領域への変換、及び周波数領域におけるピッチ探索は、演算量が多く、従って、実際の適用例で採用されることが困難である。

本発明の実施形態は、精度が高く、演算量が少ない、ピッチ検出方法及び装置を提供する。

上記の目的を達成するために、本発明の実施形態は、以下の技術的解決法を採用する。

ピッチ検出方法は、
時間領域においてスピーチ信号に対してピッチ検出を実行して、初期ピッチ周期を取得し、
スピーチ信号を周波数領域に変換して、スピーチ信号の周波数スペクトルを取得し、ここで、周波数スペクトルは周波数スペクトルの振幅スペクトルを含み、
初期ピッチ周期とスピーチ信号の周波数スペクトルとに従って、特徴パラメータを抽出し、
初期ピッチ周期と特徴パラメータとに従って、ファインピッチ周期検出を実行して、ファインピッチ周期を取得することを含む。

ピッチ検出装置は、
時間領域においてスピーチ信号に対してピッチ検出を実行して、初期ピッチ周期を取得するように構成された、初期ピッチ周期取得モジュールと、
スピーチ信号を周波数領域に変換して、スピーチ信号の周波数スペクトルを取得するように構成された、時間周波数変換モジュールと（ここで、周波数スペクトルは周波数スペクトルの振幅スペクトルを含み）、
初期ピッチ周期とスピーチ信号の周波数スペクトルとに従って、特徴パラメータを抽出するように構成された、特徴パラメータ抽出モジュールと、
初期ピッチ周期と特徴パラメータとに従って、ファインピッチ周期検出を実行して、ファインピッチ周期を取得するように構成された、ファインピッチ周期取得モジュールとを含む。

本発明の実施形態で提供されるピッチ検出方法及び装置では、時間領域において取得された初期ピッチ周期と、周波数領域において抽出された特徴パラメータとに従って、ピッチ周期についての検出を実行することによって、倍数ピッチエラーの発生が回避され、ピッチ周期検出の精度が向上する。

本発明の実施形態によるピッチ検出方法のフローチャートである。 本発明の実施形態によるピッチ検出方法における、スピーチ情報のウィンドウ処理の概略構成図である。 本発明の実施形態によるピッチ検出方法における、時間周波数変換のフローチャートである。 本発明の実施形態によるピッチ検出方法における、周波数点平均振幅と周波数点振幅との比率パラメータ値と、平均振幅パラメータ値とに従って、３倍ピッチ周波数について倍数ピッチ周波数検出を実行するフローチャートである。 本発明の実施形態によるピッチ検出方法における、周波数点平均振幅と周波数点振幅との比率パラメータ値と、平均振幅パラメータ値とに従って、２倍ピッチ周波数について倍数ピッチ周波数検出を実行するフローチャートである。 本発明の実施形態によるピッチ検出方法における、周波数点平均振幅と周波数点振幅との比率パラメータ値と、キャッシュデータとに従って、３倍ピッチ周波数について倍数ピッチ周波数検出を実行するフローチャートである。 本発明の実施形態によるピッチ検出方法における、周波数点平均振幅と周波数点振幅との比率パラメータ値と、キャッシュデータとに従って、２倍ピッチ周波数について倍数ピッチ周波数検出を実行するフローチャートである。 本発明の実施形態によるピッチ検出方法における、振幅スペクトルに対して補間を実行するフローチャートである。 本発明の実施形態によるピッチ検出方法における、スピーチ信号に対してゼロパディングを実行するフローチャートである。 本発明の実施形態によるピッチ検出方法における、全周波数領域を検出するフローチャートである。 本発明の実施形態によるピッチ検出装置の概略構成図である。 本発明の実施形態２によるピッチ検出装置における、時間周波数変換モジュールの概略構成図である。 本発明の実施形態３によるピッチ検出装置における、時間周波数変換モジュールの概略構成図である。

デジタル信号処理の分野では、オーディオコーデック及びビデオコーデックが、携帯電話、無線装置、パーソナルデータアシスタント（ＰＤＡ）、ハンドヘルド又はポータブルコンピュータ、ＧＰＳレシーバ／ナビゲータ、カメラ、オーディオ／ビデオプレーヤ、ビデオカメラ、ビデオレコーダ、及び監視装置などの、様々な電子装置に広く適用される。一般に、このタイプの電子装置は、オーディオエンコーダ又はオーディオデコーダを含み、オーディオエンコーダ又はデコーダは、デジタル回路によって、又はＤＳＰ（デジタル信号プロセッサ）などのチップによって直接実装されてもよく、あるいは、ソフトウェアコード内の手順を実行するためにプロセッサを駆動する、ソフトウェアコードによって実装されてもよい。一般に、オーディオエンコーダ内にはピッチ検出手順が存在する。本発明の一実施形態によるピッチ検出方法について、添付の図面を参照して以下に詳細に説明する。

実施形態１
ピッチ検出方法は、図１に示すように、以下を含む。

ステップ１００：時間領域においてスピーチ信号に対してピッチ検出を実行して、初期ピッチ周期を取得する。

時間領域において、知覚重み付けを経たスピーチ信号に従って、開ループピッチ検出が実行されて、初期ピッチ周期Ｔ’が取得されてもよい。

ステップ１０１：スピーチ信号に対して前処理を実行する。

スピーチ信号ｓ（ｎ）に対して前処理が実行され、例えば、スピーチ信号内の高周波成分を強調し、スピーチ符号化の精度を向上させるために、プリエンファシス処理が実行される。スピーチ信号のための前処理が完了した後、前処理されたスピーチ信号ｓ_ｐｒｅ（ｎ）が取得される。スピーチ信号を周波数領域に変換し、ピッチ検出をより高精度にするために、スピーチ信号に対して初期段階処理が実行される必要がある。

ステップ１０２：前処理されたフレーム信号に解析ウィンドウを適用する。

前処理されたスピーチ信号ｓ_ｐｒｅ（ｎ）に従って、前処理されたフレーム信号に解析ウィンドウが適用され、解析ウィンドウの関数は、
Ｗ_ＦＦＴ（ｎ）＝√（０．５−０．５ｃｏｓ（２πｎ／Ｌ_ＦＦＴ））＝ｓｉｎ（πｎ／Ｌ_ＦＦＴ）， ｎ＝０，１，２，．．．，Ｌ_ＦＦＴ−１
であり、上式で、Ｌ_ＦＦＴは解析ウィンドウの長さである。

図２に示すように、第１の解析ウィンドウが、現在のフレームに適用され、第２の解析ウィンドウが、現在のフレームの後半フレームと、次のフレームの前半フレームとに適用される。

第１の解析ウィンドウの関数は、
ｓ^［０］ _ｗｎｄ（ｎ）＝ｗ_ＦＦＴ（ｎ）ｓ_ｐｒｅ（ｎ）， ｎ＝０，１，２，．．．，Ｌ_ＦＦＴ−１
である。

第２の解析ウィンドウの関数は、
ｓ^［１］ _ｗｎｄ（ｎ）＝ｗ_ＦＦＴ（ｎ）ｓ_ｐｒｅ（ｎ＋Ｌ_ＦＦＴ／２）， ｎ＝０，１，２，．．．，Ｌ_ＦＦＴ−１
である。

ステップ１０３：スピーチ信号を周波数領域に変換して、スピーチ信号の周波数スペクトルを取得し、ここで、周波数スペクトルは周波数スペクトルの振幅スペクトルを含む。

周波数領域においてスピーチ信号に対して検出を実行するためには、周波数領域における、スピーチ信号の周波数スペクトルが取得される必要があり、周波数スペクトルは周波数スペクトルの振幅スペクトルを含む。図３に示すように、このステップの一実施形態は、以下を含む。

ステップ３００：解析ウィンドウが適用されたスピーチ信号に対して、周波数領域変換を実行して、周波数スペクトル係数を取得する。

周波数スペクトル係数を取得するために、ウィンドウが適用されたスピーチ信号のフレームに対して、フーリエ変換が実行され、例えば、フレーム長Ｌ_ＦＦＴは２５６である。実際の適用例では、２５６点のフーリエ変換が実行されて、対応する周波数スペクトル係数が取得されてもよく、周波数スペクトル係数の関数は、

上式で、Ｋ＜＝Ｌ_ＦＦＴ／２、Ｎ＝Ｌ_ＦＦＴであり、周波数スペクトル係数は複素数であり、実数部と虚数部とを含む。

ステップ３０１：周波数スペクトル係数に従って、エネルギースペクトルを計算する。

周波数スペクトル係数内の、実数部及び虚数部の平方和を計算して、エネルギースペクトルを計算し、エネルギースペクトルの関数Ｅ（ｋ）は、
Ｅ（ｋ）＝Ｘ^２ _Ｒ（ｋ）＋Ｘ^２ _Ｉ（ｋ）， ｋ＝０，１，２，．．．，Ｋ−１
であり、上式で、Ｘ_Ｒ（ｋ）及びＸ_Ｉ（ｋ）は、それぞれ、実数部及び虚数部を示す。

ステップ３０２：現在のフレームと前のフレームとに従って、エネルギースペクトルに対して重み付け処理を実行して、エネルギースペクトルを平滑化する。

ピッチ周期検出の精度を更に向上させるために、現在のフレームと前のフレームとに従って、エネルギースペクトルが重み付けされて、平滑なエネルギースペクトルが取得されてもよく、平滑なエネルギースペクトルの関数は、

であり、上式で、Ｅ^［０］（ｋ）は、第１の解析ウィンドウに従って生成されたエネルギースペクトルであり、Ｅ^［１］（ｋ）は、第２の解析ウィンドウに従って生成されたエネルギースペクトルであり、αの値は、Ｅ^〜（ｋ）内でＥ^［０］（ｋ）及びＥ^［１］（ｋ）が占める割合を表し、これは経験に従って選択され、例えば０．５に設定されてもよい。

ステップ３０３：エネルギースペクトルに従って、周波数スペクトルの振幅スペクトルを計算する。

エネルギースペクトルの関数に対して開平演算が実行されて、振幅スペクトルの関数が取得される。振幅スペクトルの関数を計算するプロセスにおいて、振幅スペクトルの関数の値が過度に大きくなるのを防止するために、振幅スペクトルの関数に対して対数演算が実行され、振幅範囲が圧縮される。平滑なエネルギースペクトルの関数の値が０である場合、その対数値は負の無限大に近付き、演算中にオーバフロー現象が発生する可能性があり、従って、比較的小さな正数εが、対数値のオーバフローを防止するために設定される。振幅スペクトルの関数は、

であり、上式で、θ及びηは定数であり、周波数スペクトルの振幅範囲は、定数を設定することによって調節されてもよく、例えば、定数は、θ＝２、η＝ｌｏｇ_１０（４／Ｌ^２ _ＦＦＴ）に設定されてもよい。

ステップ１０４：初期ピッチ周期とスピーチ信号の周波数スペクトルとに従って、特徴パラメータを抽出する。

初期ピッチ周期Ｔ’に対して逆数演算が実行されて、基本周波数ｆ’が取得される。基本周波数ｆ’に対して乗算演算が実行されて、倍数ピッチ周波数、例えば、２ｆ’及びｆ’／２が取得される。

特徴パラメータは、平均振幅パラメータ、平均振幅と周波数点振幅との比率パラメータ、及びピーク位置パラメータを含む。

ファインピッチ周期についての検出を実行して、倍数ピッチエラーの発生を回避するために、振幅スペクトルの振幅及び変動特性を、ファインピッチ周期を判定するために取得する関数が設定される必要があり、例えば、関数は、

に設定され、上式で、Ｓ^ｖ（ｋ）は、平均振幅の関数であり、Ｓ（ｋ）は、振幅スペクトルの関数であり、ｆ’は、周波数領域における、初期ピッチ周期Ｔ’の対応する周波数点であり、検出の間、Ｓ^ｖ（ｋ）の値は、２ｆ’−１の範囲内の、かつ、測定される周波数点ｋを中心とする、周波数点の平均振幅を表し、ｒ（ｋ）は、平均振幅と、測定される周波数点の振幅との比率関数である。

検出の間、基本周波数、２倍ピッチ周波数、及び３倍ピッチ周波数の値が関数内に代入されて、基本周波数特徴パラメータＳ^ｖ（ｆ’）及びｒ（ｆ’）、２倍ピッチ周波数特徴パラメータＳ^ｖ（２ｆ’）及びｒ（２ｆ’）、並びに３倍ピッチ周波数特徴パラメータＳ^ｖ（３ｆ’）及びｒ（３ｆ’）が取得される。

ステップ１０５：初期ピッチ周期と特徴パラメータとに従って、ファインピッチ周期検出を実行して、ファインピッチ周期を取得する。

初期ピッチ周期と特徴パラメータとに従って、スピーチ信号に対して倍数ピッチ周波数検出が実行される。実際の検出では、ほとんどの倍数ピッチエラーは、周波数領域における基本周波数点、２倍ピッチ周波数点、及び３倍ピッチ周波数点の位置において発生し、従って、必要とされる検出精度が高くない場合、検出の複雑さを減らすために、検出は、基本周波数、２倍ピッチ周波数、及び３倍ピッチ周波数についてのみ実行されてもよい。

周波数点平均振幅と周波数点振幅との比率パラメータ値と、平均振幅パラメータ値とに従って、３倍ピッチ周波数について検出が実行される場合、図４に示すように、以下が含まれる。

ステップ４００：基本周波数点平均振幅と周波数点振幅との比率パラメータ値の、３倍ピッチ周波数点平均振幅と周波数点振幅との比率パラメータ値に対する比率が、第１のデフォルト値より大きいかどうかを判定する。

平均振幅値Ｓ^ｖ（ｋ）と、平均振幅と周波数点振幅との比率パラメータｒ（ｋ）とによれば、検出される周波数点の振幅値が平均振幅パラメータＳ^ｖ（ｋ）に対して相対的に大きければ大きいほど、ｒ（ｋ）の値は小さく、これはこの周波数点においてピークが発生することを示し、振幅スペクトルの変動特性は明らかである、ということがわかる。

検出の間、実際のピッチ周波数の位置において、ピークが発生する。この時、この周波数点における振幅値Ｓ（ｋ）は、周波数点の周囲の範囲２ｆ’−１内で、平均振幅パラメータＳ^ｖ（ｋ）の値より大きく、従って、平均振幅と周波数点振幅との比率パラメータの値ｒ（ｋ）は小さい。これにより、基本周波数点、２倍ピッチ周波数点、及び３倍ピッチ周波数点の、Ｓ^ｖ（ｋ）とｒ（ｋ）とに従って、取得されたピッチ周期内で倍数ピッチエラーが発生するかどうかが判定されてもよい。

倍数ピッチ周波数検出の間、３ｆ’の位置がファインピッチ周波数におけるものであってもよいかどうかが最初に判定される。倍数ピッチ周波数検出をより正確にするために、第１のデフォルト値δ_１が設定され、ｒ（ｆ’）のｒ（３ｆ’）に対する比率がδ_１より大きい場合のみ、３ｆ’の位置はファインピッチ周波数におけるものであってもよく、第１のデフォルト値δ_１は、経験に従って１．２２に設定されてもよい。

ステップ４０１：基本周波数点平均振幅と周波数点振幅との比率パラメータ値の、３倍ピッチ周波数点平均振幅と周波数点振幅との比率パラメータ値に対する比率が、第１のデフォルト値より大きい場合、２倍ピッチ周波数点平均振幅と周波数点振幅との比率パラメータ値の、３倍ピッチ周波数点平均振幅と周波数点振幅との比率パラメータ値に対する比率が、第２のデフォルト値より大きいかどうかを判定する。

ｒ（ｆ’）のｒ（３ｆ’）に対する比率が、第１のデフォルト値δ_１より大きい場合、ｒ（２ｆ’）のｒ（３ｆ’）に対する比率が、第２のデフォルト値λ_１より大きいかどうかが判定され、第２のデフォルト値λ_１は、経験に従って１．２２に設定されてもよい。

ステップ４０２：２倍ピッチ周波数点平均振幅と周波数点振幅との比率パラメータ値の、３倍ピッチ周波数点平均振幅と周波数点振幅との比率パラメータ値に対する比率が、第２のデフォルト値より大きい場合、３倍ピッチ周波数点平均振幅のパラメータ値と、基本周波数点平均振幅のパラメータ値との間の差が、第３のデフォルト値より大きいかどうかを判定する。

ｒ（２ｆ’）のｒ（３ｆ’）に対する比率が、第２のデフォルト値λ_１より大きい場合、Ｓ^ｖ（３ｆ’）と、Ｓ^ｖ（ｆ’）との間の差が、第３のデフォルト値γ_１より大きいかどうかが判定され、第３のデフォルト値γ_１は、経験に従って０．６に設定されてもよい。

ステップ４０３：３倍ピッチ周波数点平均振幅のパラメータ値と、基本周波数点平均振幅のパラメータ値との間の差が、第３のデフォルト値より大きい場合、３倍ピッチ周波数が、必要とされるファインピッチ周波数であると判定する。

上記の３つの条件が同時に満たされた場合、基本周波数、２倍ピッチ周波数、及び３倍ピッチ周波数のうち、３倍ピッチ周波数がファインピッチ周波数であると判定されてもよく、そして、必要とされるファインピッチ周期は、ファインピッチ周波数に従って決定されてもよい。

３倍ピッチ周波数が、必要とされるファインピッチ周波数ではない場合、周波数点平均振幅と周波数点振幅との比率パラメータ値と、平均振幅パラメータ値とに従って、２倍ピッチ周波数について検出が実行される。図５に示すように、以下が含まれる。

ステップ５００：基本周波数点平均振幅と周波数点振幅との比率パラメータ値の、２倍ピッチ周波数点平均振幅と周波数点振幅との比率パラメータ値に対する比率が、第７のデフォルト値より大きいかどうかを判定する。

３倍ピッチエラーの検出と同様に、ｒ（ｆ’）のｒ（２ｆ’）に対する比率がδ_２より大きいかどうかが判定され、第７のデフォルト値δ_２は、経験に従って１．２２に設定されてもよい。

ステップ５０１：基本周波数点平均振幅と周波数点振幅との比率パラメータ値の、２倍ピッチ周波数点平均振幅と周波数点振幅との比率パラメータ値に対する比率が、第７のデフォルト値より大きい場合、３倍ピッチ周波数点平均振幅と周波数点振幅との比率パラメータ値の、２倍ピッチ周波数点平均振幅と周波数点振幅との比率パラメータ値に対する比率が、第８のデフォルト値より大きいかどうかを判定する。

ｒ（ｆ’）のｒ（２ｆ’）に対する比率が、第７のデフォルト値δ_２より大きい場合、ｒ（３ｆ’）のｒ（２ｆ’）に対する比率が、第８のデフォルト値λ_２より大きいかどうかが判定され、第８のデフォルト値λ_２は、経験に従って１．２２に設定されてもよい。

ステップ５０２：３倍ピッチ周波数点平均振幅と周波数点振幅との比率パラメータ値の、２倍ピッチ周波数点平均振幅と周波数点振幅との比率パラメータ値に対する比率が、第８のデフォルト値より大きい場合、２倍ピッチ周波数点平均振幅のパラメータ値と、基本周波数点平均振幅のパラメータ値との間の差が、第９のデフォルト値より大きいかどうかを判定する。

ｒ（３ｆ’）のｒ（２ｆ’）に対する比率が、第８のデフォルト値λ_２より大きい場合、Ｓ^ｖ（２ｆ’）と、Ｓ^ｖ（ｆ’）との間の差が、第９のデフォルト値γ_２より大きいかどうかが更に判定され、第９のデフォルト値γ_２は、経験に従って０．４に設定されてもよい。

ステップ５０３：２倍ピッチ周波数点平均振幅のパラメータ値と、基本周波数点平均振幅のパラメータ値との間の差が、第９のデフォルト値より大きい場合、２倍ピッチ周波数が、必要とされるファインピッチ周波数であると判定する。

上記の３つの条件が同時に満たされた場合、基本周波数、２倍ピッチ周波数、及び３倍ピッチ周波数のうち、２倍ピッチ周波数がファインピッチ周波数であると判定されてもよく、そして、必要とされるファインピッチ周期は、ファインピッチ周波数に従って決定されてもよい。

実施形態２
倍数ピッチ周波数検出の間、周波数点平均振幅と周波数点振幅との比率パラメータ値と、キャッシュ内に記憶された、現在のフレームより前の倍数ピッチ周波数の判定結果とに従って、更なる判定が実行されてもよい。図６に示すように、３倍ピッチ周波数の検出は、以下を含む。

ステップ６００：基本周波数点平均振幅と周波数点振幅との比率パラメータ値の、３倍ピッチ周波数点平均振幅と周波数点振幅との比率パラメータ値に対する比率が、第４のデフォルト値より大きいかどうかを判定する。

ｒ（ｆ’）のｒ（３ｆ’）に対する比率がδ_３より大きいかどうかが判定され、第４のデフォルト値δ_３は、経験に従って１．０５に設定されてもよい。

ステップ６０１：基本周波数点平均振幅と周波数点振幅との比率パラメータ値の、３倍ピッチ周波数点平均振幅と周波数点振幅との比率パラメータ値に対する比率が、第４のデフォルト値より大きい場合、２倍ピッチ周波数点平均振幅と周波数点振幅との比率パラメータ値の、３倍ピッチ周波数点平均振幅と周波数点振幅との比率パラメータ値に対する比率が、第５のデフォルト値より大きいかどうかを判定する。

ｒ（ｆ’）のｒ（３ｆ’）に対する比率が、第４のデフォルト値δ_３より大きい場合、ｒ（２ｆ’）のｒ（３ｆ’）に対する比率が、第５のデフォルト値λ_３より大きいかどうかが判定され、第５のデフォルト値λ_３は、経験に従って１．０５に設定されてもよい。

ステップ６０２：２倍ピッチ周波数点平均振幅と周波数点振幅との比率パラメータ値の、３倍ピッチ周波数点平均振幅と周波数点振幅との比率パラメータ値に対する比率が、第５のデフォルト値より大きい場合、３倍ピッチエラーが前のフレーム内で発生したかどうかを判定する。

２倍ピッチ周波数点平均振幅と周波数点振幅との比率パラメータ値の、３倍ピッチ周波数点平均振幅と周波数点振幅との比率パラメータ値に対する比率が、第５のデフォルト値λ_３より大きい場合、キャッシュ内に記憶された、前のフレームのマークに従って、３倍ピッチエラーが前のフレーム内ですでに発生したかどうかが判定される。

ステップ６０３：３倍ピッチエラーが前のフレーム内で発生した場合、現在のフレームより前に３倍ピッチエラーが発生した回数が、第６のデフォルト値より大きいかどうかを判定する。

３倍ピッチエラーが前のフレーム内ですでに発生したと判定された場合、現在のフレームより前に３倍ピッチエラーが発生した回数が、第６のデフォルト値ｃ_１より大きいかどうかが更に判定される。例えば、３倍ピッチエラーが連続的に発生した回数が、第６のデフォルト値ｃ_１より大きいかどうかが、現在のフレームの前の１０フレームについて判定される。第６のデフォルト値ｃ_１がフレーム全体に従って判定される場合、これは３に設定されてもよく、第６のデフォルト値ｃ_１がハーフフレームに従って判定される場合、これは６に設定されてもよい。

ステップ６０４：現在のフレームより前に３倍ピッチエラーが発生した回数が、第６のデフォルト値より大きい場合、３倍ピッチ周波数が、必要とされるファインピッチ周期であると判定する。

３倍ピッチエラーが、周波数点３ｆ’が存在するフレームの前のフレーム内で、及び周波数点３ｆ’が存在するフレームの前の１０フレーム内で発生した場合、３倍ピッチエラーが３回連続的に発生したとキャッシュ内に記録されており、従って、３倍ピッチエラーが発生したと判定される。実際のピッチ周波数は３ｆ’の付近で発生し、３ｆ’が、必要とされるファインピッチ周波数である。

３倍ピッチ周波数が、必要とされるファインピッチ周波数ではない場合、周波数点平均振幅と周波数点振幅との比率パラメータ値と、キャッシュデータとに従って、２倍ピッチ周波数について検出が実行される。図７に示すように、以下が含まれる。

ステップ７００：基本周波数点平均振幅と周波数点振幅との比率パラメータ値の、２倍ピッチ周波数点平均振幅と周波数点振幅との比率パラメータ値に対する比率が、第１０のデフォルト値より大きいかどうかを判定する。

ｒ（ｆ’）のｒ（２ｆ’）に対する比率がδ_４より大きいかどうかが判定され、第１０のデフォルト値δ_４は、経験に従って１．０５に設定されてもよい。

ステップ７０１：基本周波数点平均振幅と周波数点振幅との比率パラメータ値の、２倍ピッチ周波数点平均振幅と周波数点振幅との比率パラメータ値に対する比率が、第１０のデフォルト値より大きい場合、３倍ピッチ周波数点平均振幅と周波数点振幅との比率パラメータ値の、２倍ピッチ周波数点平均振幅と周波数点振幅との比率パラメータ値に対する比率が、第１１のデフォルト値より大きいかどうかを判定する。

ｒ（ｆ’）のｒ（２ｆ’）に対する比率が、第１０のデフォルト値δ_４より大きい場合、ｒ（３ｆ’）のｒ（２ｆ’）に対する比率が、第１１のデフォルト値λ_４より大きいかどうかが判定され、第１１のデフォルト値λ_４は、経験に従って１．０５に設定されてもよい。

ステップ７０２：３倍ピッチ周波数点平均振幅と周波数点振幅との比率パラメータ値の、２倍ピッチ周波数点平均振幅と周波数点振幅との比率パラメータ値に対する比率が、第１１のデフォルト値より大きい場合、２倍ピッチエラーが前のフレーム内で発生したかどうかを判定する。

３倍ピッチ周波数点平均振幅と周波数点振幅との比率パラメータ値の、２倍ピッチ周波数点平均振幅と周波数点振幅との比率パラメータ値に対する比率が、第１１のデフォルト値λ_４より大きい場合、キャッシュ内に記憶された、前のフレームのマークに従って、２倍周期倍数エラーが前のフレーム内ですでに発生したかどうかが判定される。

ステップ７０３：２倍ピッチエラーが前のフレーム内で発生した場合、現在のフレームより前に２倍ピッチエラーが発生した回数が、第１２のデフォルト値より大きいかどうかを判定する。

３倍ピッチエラーが前のフレーム内ですでに発生したと判定された場合、現在のフレームより前に２倍ピッチエラーが発生した回数が、第１２のデフォルト値より大きいかどうかが更に判定される。例えば、２倍ピッチエラーが連続的に発生した回数が、第１２のデフォルト値ｃ_２より大きいかどうかが、現在のフレームの前の１０フレームについて判定される。第１２のデフォルト値ｃ_２がフレーム全体に従って判定される場合、これは３に設定されてもよく、第１２のデフォルト値ｃ_２がハーフフレームに従って判定される場合、これは６に設定されてもよい。

ステップ７０４：現在のフレームより前に２倍ピッチエラーが発生した回数が、第１２のデフォルト値より大きい場合、２倍ピッチ周波数が、検出される必要があるファインピッチ周波数であると判定する。

２倍ピッチエラーが、周波数点２ｆ’が存在するフレームの前のフレーム内で、及び周波数点２ｆ’が存在するフレームの前の１０フレーム内で発生した場合、２倍ピッチエラーが３回連続的に発生したとキャッシュ内に記録されており、従って、２倍ピッチエラーが発生したと判定される。実際のピッチ周波数は２ｆ’の付近で発生し、２ｆ’が、必要とされるファインピッチ周波数である。

倍数ピッチ周波数検出が完了した後、検出結果が、キャッシュ内の、前のフレームのマーク内に保存される。例えば、現在のフレーム内で２倍ピッチエラーが発生したと判定された場合、前のフレームのマーク内に、２倍ピッチエラーが発生したと記録され、かつ、これが連続的に発生した回数が記録され、これは次のフレームについてのデータ検出のために使用される。

実施形態３
ピッチ周期についての倍数ピッチ周波数検出の間、実施形態１及び実施形態２で説明したように、周波数点平均振幅と周波数点振幅との比率パラメータ値と、平均振幅パラメータ値とに従って判定を実行すること、及び、周波数点平均振幅と周波数点振幅との比率パラメータ値と、キャッシュデータとに従って判定を実行することという、２つの手法で、ファインピッチ周波数が判定されてもよい。実際には、判定の間、２つの判定手法の判定条件がＯＲ論理に従って結合される。手法のうちの一方の判定条件が満たされた場合、周波数点は、必要とされるファインピッチ周波数であると判定されてもよい。

例えば、３倍ピッチエラーの判定の間、周波数点平均振幅と周波数点振幅との比率パラメータ値と、平均振幅パラメータ値とに従って判定を実行することの、判定条件が満たされる限り、３倍ピッチ周波数が、必要とされるファインピッチ周波数であると判定されてもよく、又は、平均振幅と周波数点振幅との比率パラメータ値と、キャッシュ内に記憶された、現在のフレームより前の倍数ピッチ周波数の判定結果とに従って判定を実行することの、判定条件が満たされる限り、やはり、３倍ピッチ周波数が、必要とされるファインピッチ周波数であると判定されてもよい。

実施形態４
倍数ピッチ周波数検出をより高精度にするために、周波数領域における高密度振幅スペクトルが取得される必要がある。例えば、２５６の周波数点が、元の振幅スペクトル内に存在し、振幅スペクトルの高密度振幅スペクトルが、周波数点の間に周波数点を挿入することによって取得されてもよい。

ステップ３０３の後、取得された振幅スペクトルに従って、補間が実行される。図８に示すように、このステップは以下を含む。

ステップ８００：周波数スペクトルの振幅スペクトルに対して補間を実行して、スピーチ信号の高密度振幅スペクトルを取得する。

補間アルゴリズムに従って、周波数領域における既存の周波数点の間で補間が実行される。本発明では、キュービックＢスプライン補間が採用され、すなわち、元のＫ個の周波数点に基づいて、周波数点はｍＫ個の周波数点に拡張され、ここで、ｍは正の整数である。キュービックＢスプライン補間は、境界においていくらかの偏差を有する。エラーを減らすために、補間が実行される前に、いくつかの疑似データが、データの２つの端において手動で拡張され、すなわち、振幅スペクトルに対してＬ点の拡張が実行され、これにより、境界条件は、実際のデータの補間の精度に影響を及ぼさなくなる。拡張される値は、周波数スペクトルの２つの端における値と等しく、拡張される振幅スペクトルは、

である。

キュービックＢスプライン補間の関数は、

であり、上式で、ｆ（ｘ）は、挿入される周波数点の振幅を示し、ｋの値は整数であり、β^３（ｘ）は、キュービックＢスプライン基底関数であり、その式は、

である。

ｃ（ｋ）は、キュービックＢスプライン補間の係数であり、ｃ⁻（ｋ）＝ｃ（ｋ）／６と定義され、所与のＫ次元の入力ベクトルｙ＝｛ｙ（０），．．．，ｙ（Ｋ−１）｝に対して、ｃ⁻（ｋ）は、以下の２つの式の回帰方程式
ｃ^＋（ｋ）＝ｙ（ｋ）＋ａｃ^＋（ｋ−１） ｋ＝１，２，３，．．．，Ｋ−１（これは因果フィルタと同等である）、及び
ｃ⁻（ｋ）＝ａ（ｃ⁻（ｋ＋１）−ｃ^＋（ｋ）） ｋ＝Ｋ−２，Ｋ−３，Ｋ−４，．．．，０（これは反因果フィルタと同等である）
を介して取得されてもよく、上式で、ａ＝√３−２であり、２つの回帰方程式の初期値ｃ^＋（０）及びｃ⁻（Ｋ−１）は、それぞれ、

及び、
ｃ⁻（Ｋ−１）＝（ａ／（１−ａ^２））（ｃ^＋（ｋ−１）＋ａｃ^＋（ｋ−２））
であり、上式で、ｋ_０＞ｌｏｇλ／ｌｏｇ｜ａ｜であり、λは、精度要求を満たすために設定される定数である。最後に、キュービックＢスプライン補間の解かれた係数ｃ（ｋ）は、式ｃ^＋（ｋ）＝ｙ（ｋ）＋ａｃ^＋（ｋ−１） ｋ＝１，２，３，．．．，Ｋ−１内に代入され、補間されるシーケンスが取得されることが可能であり、補間された振幅スペクトルは、Ｓ’（ｉ），ｉ＝０，１，２，．．．，ｍＫ−１である。

ステップ８０１：現在のフレームと前のフレームとに従って、高密度振幅スペクトルに対して重み付け処理を実行して、高密度スペクトルを平滑化する。

補間が完了した後、高密度振幅スペクトルに対して平滑化処理が実行されて、高密度振幅スペクトルの不連続性が減少させられ、平滑化された高密度周波数スペクトルの関数は、

であり、上式で、Ｓ’^［−１］（ｉ）は、前のフレームの高密度周波数スペクトルであり、Ｓ^〜（ｉ）内でＳ’^［−１］（ｉ）及びＳ’^［０］（ｉ）が占める割合は、β（例えば、０．４に設定されてもよい）を介して設定される。

Ｓ^〜（ｉ）は、必要とされる高密度振幅スペクトルであり、高密度振幅スペクトルに従って、ファインピッチ周波数についての検出が実行される。

平滑化された高密度振幅スペクトルが取得された後、ファインピッチ周期についての検出が実行される。検出の間、周波数点の数が増加しているため、平均振幅Ｓ^ｖ（ｋ）の精度が向上し、周波数点振幅のジャンプによって発生する、検出への影響が減少する。検出ステップは、実施形態１及び実施形態２におけるものと同じであり、これらが繰り返される。

実施形態５
振幅スペクトルに対するキュービックＢスプライン補間に加えて、時間領域におけるスピーチ信号に対するゼロパディング補間も実行されてもよい。図９に示すように、以下が含まれる。

ステップ９００：スピーチ信号のテールに対してゼロパディング補間が実行された後、スピーチ信号を周波数領域に変換して、スピーチ信号の高密度振幅スペクトルを取得する。

スピーチ信号のテールにおいて、振幅値が０である点がパディングされ、ゼロパディングされたスピーチ信号は、周波数領域に変換される。時間周波数変換を介して、元のスピーチ信号内の周波数点と、スピーチ信号のテールにおける、振幅値がゼロパディングされた点とが、周波数領域に変換される、すなわち、元の周波数領域における振幅スペクトルの周波数点の間に、周波数点が挿入されてもよい。

時間領域から周波数領域への変換の間、振幅スペクトルにおける元の周波数点の振幅値は、ゼロパディング点によって影響を及ぼされない、すなわち、振幅スペクトルにおいて、元の周波数点、及び周波数点に対応する振幅値は維持され、これにより、周波数領域における、時間領域信号に対応する高密度振幅スペクトルが取得される。

ステップ９０１：現在のフレームと前のフレームとに従って、高密度振幅スペクトルに対して重み付け処理を実行して、高密度振幅スペクトルを平滑化する。

時間周波数変換が完了して、必要とされる高密度振幅スペクトルが取得された後、高密度振幅スペクトルのジャンプを減少させるために、平滑化処理がそれに対して実行され、平滑化された高密度振幅スペクトルの関数は、

であり、上式で、Ｓ’^［−１］（ｉ）は、前のフレームの高密度振幅スペクトルであり、Ｓ^〜（ｉ）内でＳ’^［−１］（ｉ）及びＳ’^［０］（ｉ）が占める割合は、β（例えば、０．４に設定されてもよい）を介して設定される。

Ｓ^〜（ｉ）は、必要とされる高密度振幅スペクトルであり、高密度振幅スペクトルに従って、ファインピッチ周波数についての検出が実行される。

平滑化された高密度振幅スペクトルが取得された後、ファインピッチ周期についての検出が実行される。検出プロセスの間、周波数点の数が増加しているため、平均振幅Ｓ^ｖ（ｋ）の精度が向上し、周波数点振幅のジャンプによって発生する、検出への影響が減少する。検出ステップは、実施形態１及び実施形態２におけるものと同じであり、これらについてはもはや繰り返さない。

実施形態６
高密度振幅スペクトルに対して倍数ピッチ周波数検出が実行される場合、取得されるファインピッチ周波数は、初期ピッチ周波数の倍数であり、探索範囲は、基本周波数、２倍ピッチ周波数、及び３倍ピッチ周波数の位置においてのみであり、検出は、全周波数領域については実行されず、これは十分に高精度ではない。より高い精度を有するファインピッチ周期を取得するために、スピーチ信号の高密度振幅スペクトルが取得された後、振幅ピーク探索が、高密度振幅スペクトルに対して更に実行されてもよく、そして、ファインピッチ周期は、対応する特徴パラメータに従って決定されてもよい。

初期ピッチ周期と特徴パラメータとに従って、ファインピッチ周期の検出を実行して、ファインピッチ周期を取得することは、図１０に示すように、以下を更に含む。

ステップ１０００：高密度振幅スペクトルにおいて、基本周波数点及び倍数ピッチ周波数点の付近の一定範囲内で振幅値を比較し、基本周波数点及び倍数ピッチ周波数点の付近の一定範囲内でのピーク位置を判定する。

周波数スペクトルの振幅スペクトルに対して補間が実行された後、高密度振幅スペクトルが取得される。高密度振幅スペクトルにおいて、基本周波数点及び倍数ピッチ周波数点の付近の一定範囲内で（例えば、基本周波数点ｆ’を中心とする２ｆ’−１の範囲内で）、振幅値のピーク探索が実行されて、基本周波数点及び倍数ピッチ周波数点の付近の一定範囲内でのピーク位置が判定され、ここで、基本周波数点及び各倍数ピッチ周波数点は、それぞれ１つのピーク位置に対応する。加えて、基本周波数点及び倍数ピッチ周波数点に対応する、振幅のピークが取得されてもよい。

ステップ１００１：基本周波数点及び倍数ピッチ周波数点のうち、周波数点の、平均振幅と周波数点振幅との比率パラメータ値の、他の周波数点のそれぞれの、平均振幅と周波数点振幅との比率パラメータ値に対する比率が、第１３のデフォルト値より大きい周波数点が存在するかどうかを判定し、この周波数点は、ターゲット周波数点と呼ばれる。

基本周波数点及び倍数ピッチ周波数点の、平均振幅と周波数点振幅との比率パラメータ値に従って、比較が実行され、周波数点の、平均振幅と周波数点振幅との比率パラメータ値の、全ての他の周波数点のそれぞれの、平均振幅と周波数点振幅との比率パラメータ値に対する比率が、第１３のデフォルト値δより大きいかどうかが判定され、第１３のデフォルト値δは、経験に従って、例えば１．２２に設定されてもよい。

ステップ１００２：基本周波数点及び倍数ピッチ周波数点のうち、周波数点の、平均振幅と周波数点振幅との比率パラメータ値の、他の周波数点のそれぞれの、平均振幅と周波数点振幅との比率パラメータ値に対する比率が、第１３のデフォルト値より大きい周波数点が存在する場合、ターゲット周波数点から、ターゲット周波数点に対応するピーク位置までの距離が、他の周波数点から、他の周波数点に対応するピーク位置までの距離より小さいかどうかを判定する。

基本周波数点及び倍数ピッチ周波数点のうち、周波数点の、平均振幅と周波数点振幅との比率パラメータ値の、他の周波数点のそれぞれの、平均振幅と周波数点振幅との比率パラメータ値に対する比率が、第１３のデフォルト値δより大きい周波数点が存在する場合、ターゲット周波数点から、ターゲット周波数点に対応するピーク位置までの距離が、他の周波数点から、他の周波数点に対応するピーク位置までの距離より小さいかどうかが判定される、すなわち、ターゲット周波数点から、ターゲット周波数点に対応するピーク位置までの距離が、全ての周波数点から、全ての周波数点に対応するピーク位置までの距離のうち、最小であるかどうかが判定される。

ステップ１００３：ターゲット周波数点から、ターゲット周波数点に対応するピーク位置までの距離が、他の周波数点から、他の周波数点に対応するピーク位置までの距離より小さい場合、ターゲット周波数点に対応する周期がファインピッチ周期であると判定する。

上記の２つの条件が満たされた場合、ターゲット周波数点が、必要とされるファインピッチ周波数であると判定されてもよい。ファインピッチ周波数に対して逆数演算が実行されて、ファインピッチ周期が取得される。

実施形態７
実施形態１、実施形態２、及び実施形態６で説明したように、高密度振幅スペクトルに対して倍数ピッチ周波数検出が実行される場合、判定されるファインピッチ周波数は、基本周波数又は倍数ピッチ周波数点であり、精度は比較的低い。より高い精度を有するファインピッチ周期が必要とされる場合、実施形態１、実施形態２、及び実施形態６で検出された周波数点に従って、更なる探索が実行されてもよい。

倍数ピッチエラーの検出ステップは、実施形態１、実施形態２、及び実施形態６におけるものと同じであり、これらが繰り返される。

検出が完了した後、係数が整数倍である倍数ピッチ周波数点（例えば、３倍ピッチ周波数点３ｆ’）が判定される。高密度周波数スペクトルに対して、３倍ピッチ周波数点３ｆ’を中心とする一定範囲（例えば、２倍ピッチ周波数点２ｆ’と４倍ピッチ周波数点４ｆ’との間の２ｆ’−２）内で、ピーク探索を実行するように設定される。判定される倍数ピッチ周波数点の係数が、分数倍の半ピッチ周波数点ｆ’／２である場合、ピーク探索範囲が、ｆ’／２を中心とする２ｋ−２（ｋは探索される周波数点の周波数）の範囲内のピークであるように設定されてもよく、最後に、ピーク位置がファインピッチ周波数であると判定されてもよい。ファインピッチ周波数に対して逆数演算が実行され、必要とされるファインピッチ周期が決定されてもよい。

範囲内の、取得されたピークに対応する周波数点が、必要とされるファインピッチ周波数である。

上記のピッチ検出方法に対応して、本発明は、ピッチ検出装置を更に提供する。

ピッチ検出装置は、図１１に示すように、
時間領域においてスピーチ信号に対してピッチ検出を実行して、初期ピッチ周期を取得するように構成された、初期ピッチ周期取得モジュールと、
スピーチ信号を周波数領域に変換して、スピーチ信号の周波数スペクトルを取得するように構成された、時間周波数変換モジュールと（ここで、周波数スペクトルは周波数スペクトルの振幅スペクトルを含み）、
初期ピッチ周期とスピーチ信号の周波数スペクトルとに従って、特徴パラメータを抽出するように構成された、特徴パラメータ抽出モジュールと、
初期ピッチ周期と特徴パラメータとに従って、ファインピッチ周期検出を実行して、ファインピッチ周期を取得するように構成された、ファインピッチ周期取得モジュールとを含む。

特徴パラメータは、平均振幅パラメータ、平均振幅と周波数点振幅との比率パラメータ、及びピーク位置パラメータを含む。

ファインピッチ周期取得モジュールは、
基本周波数点及び倍数ピッチ周波数点の特徴パラメータを比較し、ファインピッチ周波数を判定するように構成された、倍数ピッチ周波数検出モジュールを更に含む。

倍数ピッチ周波数検出モジュールは、
ファインピッチ周波数の付近の一定範囲内で振幅ピークを探索し、ピークに対応する周波数点に対して逆数演算を実行して、ファインピッチ周期を取得するように構成された、ピーク探索モジュールを更に含む。

ピッチ検出装置は、
スピーチ信号に対して前処理を実行するように構成された、前処理モジュールと、
前処理されたフレーム信号に解析ウィンドウを適用するように構成された、ウィンドウ処理モジュールとを更に含む。

時間周波数変換モジュールは、図１２に示すように、
解析ウィンドウが適用されたスピーチ信号に対して、周波数領域変換を実行して、周波数スペクトル係数を取得するように構成された、周波数スペクトル係数取得モジュールと、
周波数スペクトル係数に従って、エネルギースペクトルを計算するように構成された、エネルギースペクトル取得モジュールとを更に含む。

ピッチ検出装置は、
現在のフレームと前のフレームとに従って、エネルギースペクトルに対して重み付け処理を実行して、エネルギースペクトルを平滑化するように構成された、エネルギースペクトル平滑化モジュールを更に含む。

ピッチ検出装置は、
エネルギースペクトルに従って、周波数スペクトルの振幅スペクトルを計算するように構成された、振幅スペクトル取得モジュールを更に含む。

ピッチ検出装置は、
周波数スペクトルの振幅スペクトルに対して補間を実行して、スピーチ信号の高密度振幅スペクトルを取得するように構成された、振幅スペクトル補間モジュールを更に含む。

時間周波数変換モジュールは、図１３に示すように、
スピーチ信号のテールに対してゼロパディング補間が実行された後、スピーチ信号を周波数領域に変換して、スピーチ信号の高密度振幅スペクトルを取得するように構成された、スピーチ信号補間モジュールを更に含む。

ピッチ検出装置は、
現在のフレームと前のフレームとに従って、高密度振幅スペクトルに対して重み付け処理を実行して、高密度振幅スペクトルを平滑化するように構成された、高密度振幅スペクトル平滑化モジュールを更に含む。

本発明の実施形態で提供されるピッチ検出方法及び装置では、時間領域において取得された初期ピッチ周期と、周波数領域において抽出された特徴パラメータとに従って、ピッチ周期についての検出を実行することによって、倍数ピッチエラーの発生が回避され、ピッチ周期検出の精度が向上する。

前述の説明は、本発明の特定の実施形態にすぎず、本発明の保護範囲を限定することを意図するものではない。当業者によって、本発明において開示された技術的範囲内で容易に考え出されるいかなる変形又は置換も、本発明の保護範囲内に入る。従って、本発明の保護範囲は、特許請求の範囲の保護範囲によって決まる。

Claims (29)

1. 時間領域においてスピーチ信号に対してピッチ検出を実行して、初期ピッチ周期を取得し、
   前記スピーチ信号を周波数領域に変換して、前記スピーチ信号の、振幅スペクトルを含む周波数スペクトルを取得し、
   前記初期ピッチ周期と前記スピーチ信号の前記周波数スペクトルとに従って、特徴パラメータを抽出し、
   前記初期ピッチ周期と前記特徴パラメータとに従って、ファインピッチ周期検出を実行して、ファインピッチ周期を取得すること
   を含む、ピッチ検出方法。
2. 前記特徴パラメータは、平均振幅パラメータ、平均振幅と周波数点振幅との比率パラメータ、及びピーク位置パラメータを含む、請求項１に記載のピッチ検出方法。
3. 前記初期ピッチ周期と前記特徴パラメータとに従って、ファインピッチ周期検出を実行して、ファインピッチ周期を取得することは、平均振幅と周波数点振幅との比率パラメータ値と、平均振幅パラメータ値とに従って、判定を実行すること、又は、平均振幅と周波数点振幅との比率パラメータ値と、キャッシュ内に記憶された、現在のフレームより前の倍数ピッチ周波数の判定結果とに従って、判定を実行することを更に含む、請求項１に記載のピッチ検出方法。
4. 平均振幅と周波数点振幅との比率パラメータ値と、平均振幅パラメータ値とに従って、判定を実行することは、
   基本周波数点平均振幅と前記周波数点振幅との比率パラメータ値の、３倍ピッチ周波数点平均振幅と前記周波数点振幅との比率パラメータ値に対する比率が、第１のデフォルト値より大きいかどうかを判定し、
   前記基本周波数点平均振幅と前記周波数点振幅との前記比率パラメータ値の、前記３倍ピッチ周波数点平均振幅と前記周波数点振幅との前記比率パラメータ値に対する前記比率が、前記第１のデフォルト値より大きい場合、２倍ピッチ周波数点平均振幅と前記周波数点振幅との比率パラメータ値の、前記３倍ピッチ周波数点平均振幅と前記周波数点振幅との前記比率パラメータ値に対する比率が、第２のデフォルト値より大きいかどうかを判定し、
   前記２倍ピッチ周波数点平均振幅と前記周波数点振幅との前記比率パラメータ値の、前記３倍ピッチ周波数点平均振幅と前記周波数点振幅との前記比率パラメータ値に対する前記比率が、前記第２のデフォルト値より大きい場合、前記３倍ピッチ周波数点平均振幅のパラメータ値と、前記基本周波数点平均振幅のパラメータ値との間の差が、第３のデフォルト値より大きいかどうかを判定し、
   前記３倍ピッチ周波数点平均振幅の前記パラメータ値と、前記基本周波数点平均振幅の前記パラメータ値との間の前記差が、前記第３のデフォルト値より大きい場合、３倍ピッチ周波数が、必要とされるファインピッチ周波数であると判定すること
   を含む、請求項３に記載のピッチ検出方法。
5. 平均振幅と周波数点振幅との比率パラメータ値と、キャッシュ内に記憶された、現在のフレームより前の倍数ピッチ周波数の判定結果とに従って、判定を実行することは、
   基本周波数点平均振幅と前記周波数点振幅との比率パラメータ値の、３倍ピッチ周波数点平均振幅と前記周波数点振幅との比率パラメータ値に対する比率が、第４のデフォルト値より大きいかどうかを判定し、
   前記基本周波数点平均振幅と前記周波数点振幅との前記比率パラメータ値の、前記３倍ピッチ周波数点平均振幅と前記周波数点振幅との前記比率パラメータ値に対する前記比率が、前記第４のデフォルト値より大きい場合、２倍ピッチ周波数点平均振幅と前記周波数点振幅との比率パラメータ値の、前記３倍ピッチ周波数点平均振幅と前記周波数点振幅との前記比率パラメータ値に対する比率が、第５のデフォルト値より大きいかどうかを判定し、
   前記２倍ピッチ周波数点平均振幅と前記周波数点振幅との前記比率パラメータ値の、前記３倍ピッチ周波数点平均振幅と前記周波数点振幅との前記比率パラメータ値に対する前記比率が、前記第５のデフォルト値より大きい場合、３倍ピッチエラーが前のフレーム内で発生したかどうかを判定し、
   前記３倍ピッチエラーが前記前のフレーム内で発生した場合、前記現在のフレームより前に前記３倍ピッチエラーが発生した回数が、第６のデフォルト値より大きいかどうかを判定し、
   前記現在のフレームより前に前記３倍ピッチエラーが発生した前記回数が、前記第６のデフォルト値より大きい場合、３倍ピッチ周波数が、必要とされるファインピッチ周期であると判定すること
   を含む、請求項３に記載のピッチ検出方法。
6. 平均振幅と周波数点振幅との比率パラメータ値と、平均振幅パラメータ値とに従って、判定を実行することは、
   基本周波数点平均振幅と前記周波数点振幅との比率パラメータ値の、２倍ピッチ周波数点平均振幅と前記周波数点振幅との比率パラメータ値に対する比率が、第７のデフォルト値より大きいかどうかを判定し、
   前記基本周波数点平均振幅と前記周波数点振幅との前記比率パラメータ値の、前記２倍ピッチ周波数点平均振幅と前記周波数点振幅との前記比率パラメータ値に対する前記比率が、前記第７のデフォルト値より大きい場合、３倍ピッチ周波数点平均振幅と前記周波数点振幅との比率パラメータ値の、前記２倍ピッチ周波数点平均振幅と前記周波数点振幅との前記比率パラメータ値に対する比率が、第８のデフォルト値より大きいかどうかを判定し、
   前記３倍ピッチ周波数点平均振幅と前記周波数点振幅との前記比率パラメータ値の、前記２倍ピッチ周波数点平均振幅と前記周波数点振幅との前記比率パラメータ値に対する前記比率が、前記第８のデフォルト値より大きい場合、前記２倍ピッチ周波数点平均振幅のパラメータ値と、前記基本周波数点平均振幅のパラメータ値との間の差が、第９のデフォルト値より大きいかどうかを判定し、
   前記２倍ピッチ周波数点平均振幅の前記パラメータ値と、前記基本周波数点平均振幅の前記パラメータ値との間の前記差が、前記第９のデフォルト値より大きい場合、２倍ピッチ周波数が、必要とされるファインピッチ周波数であると判定すること
   を更に含む、請求項３に記載のピッチ検出方法。
7. 平均振幅と周波数点振幅との比率パラメータ値と、キャッシュ内に記憶された、現在のフレームより前の倍数ピッチ周波数の判定結果とに従って、判定を実行することは、
   基本周波数点平均振幅と前記周波数点振幅との比率パラメータ値の、２倍ピッチ周波数点平均振幅と前記周波数点振幅との比率パラメータ値に対する比率が、第１０のデフォルト値より大きいかどうかを判定し、
   前記基本周波数点平均振幅と前記周波数点振幅との前記比率パラメータ値の、前記２倍ピッチ周波数点平均振幅と前記周波数点振幅との前記比率パラメータ値に対する前記比率が、前記第１０のデフォルト値より大きい場合、３倍ピッチ周波数点平均振幅と前記周波数点振幅との比率パラメータ値の、前記２倍ピッチ周波数点平均振幅と前記周波数点振幅との前記比率パラメータ値に対する比率が、第１１のデフォルト値より大きいかどうかを判定し、
   前記３倍ピッチ周波数点平均振幅と前記周波数点振幅との前記比率パラメータ値の、前記２倍ピッチ周波数点平均振幅と前記周波数点振幅との前記比率パラメータ値に対する前記比率が、前記第１１のデフォルト値より大きい場合、２倍ピッチエラーが前のフレーム内で発生したかどうかを判定し、
   前記２倍ピッチエラーが前記前のフレーム内で発生した場合、前記現在のフレームより前に前記２倍ピッチエラーが発生した回数が、第１２のデフォルト値より大きいかどうかを判定し、
   前記現在のフレームより前に前記２倍ピッチエラーが発生した前記回数が、前記第１２のデフォルト値より大きい場合、２倍ピッチ周波数が、検出される必要があるファインピッチ周波数であると判定すること
   を更に含む、請求項３に記載のピッチ検出方法。
8. 前記初期ピッチ周期と前記スピーチ信号の前記周波数スペクトルとに従って、特徴パラメータを抽出することの前に、前記方法は、
   前記周波数スペクトルの前記振幅スペクトルに対して補間を実行して、前記スピーチ信号の高密度振幅スペクトルを取得すること
   を含む、請求項１に記載のピッチ検出方法。
9. 前記補間は、キュービックＢスプライン補間
   

   

   を含み、上式で、ｆ（ｘ）は、補間される信号であり、ｃ（ｋ）は、トリプルＢスプライン補間の係数であり、β^３（ｘ）は、キュービックＢスプライン基底関数である、請求項８に記載のピッチ検出方法。
10. 前記キュービックＢスプライン補間の前に、前記方法は、
    前記振幅スペクトルの前部及び後部端点のそれぞれにおいて、Ｌ個の拡張点を挿入すること
    を更に含み、ここで、前記拡張点の値は、前記前部及び後部端点の値にそれぞれ等しい、請求項９に記載のピッチ検出方法。
11. 前記スピーチ信号を周波数領域に変換して、前記スピーチ信号の、振幅スペクトルを含む周波数スペクトルを取得することは、
    前記スピーチ信号のテールに対してゼロパディングが実行された後、前記スピーチ信号を前記周波数領域に変換して、前記スピーチ信号の高密度振幅スペクトルを取得すること
    を更に含む、請求項１に記載のピッチ検出方法。
12. 前記スピーチ信号の前記高密度振幅スペクトルが取得された後に、前記方法は、
    現在のフレームと前のフレームとに従って、前記高密度振幅スペクトルに対して重み付け処理を実行して、前記高密度振幅スペクトルを平滑化すること
    を含む、請求項８又は１１に記載のピッチ検出方法。
13. 前記初期ピッチ周期と前記特徴パラメータとに従って、ファインピッチ周期検出を実行して、ファインピッチ周期を取得することは、
    高密度振幅スペクトルにおいて、基本周波数点及び倍数ピッチ周波数点の付近の一定範囲内で振幅値を比較し、前記基本周波数点及び前記倍数ピッチ周波数点の付近の前記一定範囲内で、ピーク位置を判定し、
    前記基本周波数点及び前記倍数ピッチ周波数点のうち、周波数点の、平均振幅と周波数点振幅との比率パラメータ値の、他の周波数点のそれぞれの、平均振幅と周波数点振幅との比率パラメータ値に対する比率が、第１３のデフォルト値より大きい前記周波数点が存在するかどうかを判定し、ここで、前記周波数点は、ターゲット周波数点と呼ばれ、
    前記基本周波数点及び前記倍数ピッチ周波数点のうち、周波数点の、前記平均振幅と周波数点振幅との前記比率パラメータ値の、前記他の周波数点のそれぞれの、前記平均振幅と周波数点振幅との前記比率パラメータ値に対する前記比率が、前記第１３のデフォルト値より大きい前記周波数点が存在する場合、前記ターゲット周波数点から、前記ターゲット周波数点に対応するピーク位置までの距離が、前記他の周波数点から、前記他の周波数点に対応するピーク位置までの距離より小さいかどうかを判定し、
    前記ターゲット周波数点から、前記ターゲット周波数点に対応する前記ピーク位置までの前記距離が、前記他の周波数点から、前記他の周波数点に対応する前記ピーク位置までの前記距離より小さい場合、前記ターゲット周波数点に対応する周期がファインピッチ周期であると判定すること
    を更に含む、請求項１２に記載のピッチ検出方法。
14. 前記初期ピッチ周期と前記特徴パラメータとに従って、ファインピッチ周期検出を実行して、ファインピッチ周期を取得することは、
    ファインピッチ周波数の付近の一定範囲内で振幅ピークを探索し、前記ピークに対応する周波数点に対して逆数演算を実行して、前記ファインピッチ周期を取得すること
    を更に含む、請求項１に記載のピッチ検出方法。
15. 前記スピーチ信号を周波数領域に変換して、前記スピーチ信号の周波数スペクトルを取得することの前に、
    前記スピーチ信号に対して前処理を実行し、
    前処理されたフレーム信号に解析ウィンドウを適用すること
    を含む、請求項１に記載のピッチ検出方法。
16. 前記スピーチ信号を周波数領域に変換することは、
    前記解析ウィンドウが適用された前記スピーチ信号に対して、周波数領域変換を実行して、周波数スペクトル係数を取得し、
    前記周波数スペクトル係数に従って、エネルギースペクトルを計算すること
    を含む、請求項１５に記載のピッチ検出方法。
17. 前記エネルギースペクトルに従って、振幅スペクトルを計算することの前に、前記方法は、
    現在のフレームと前のフレームとに従って、前記エネルギースペクトルに対して重み付け処理を実行して、前記エネルギースペクトルを平滑化すること
    を含む、請求項１６に記載のピッチ検出方法。
18. 前記エネルギースペクトルに対して平滑化処理を実行して、平滑なエネルギースペクトルを取得した後に、前記方法は、
    前記エネルギースペクトルに従って、前記周波数スペクトルの前記振幅スペクトル
    Ｓ（ｋ）＝η＋θｌｏｇ_１０（√（ε＋Ｅ（ｋ））， ｋ＝０，．．．，Ｋ−１
    を計算することを含み、上式で、Ｓ（ｋ）は、前記振幅スペクトルの関数である、請求項１７に記載のピッチ検出方法。
19. 時間領域においてスピーチ信号に対してピッチ検出を実行して、初期ピッチ周期を取得するように構成された、初期ピッチ周期取得モジュールと、
    前記スピーチ信号を周波数領域に変換して、前記スピーチ信号の、振幅スペクトルを含む周波数スペクトルを取得するように構成された、時間周波数変換モジュールと、
    前記初期ピッチ周期と前記スピーチ信号の前記周波数スペクトルとに従って、特徴パラメータを抽出するように構成された、特徴パラメータ抽出モジュールと、
    前記初期ピッチ周期と前記特徴パラメータとに従って、ファインピッチ周期検出を実行して、ファインピッチ周期を取得するように構成された、ファインピッチ周期取得モジュールと
    を備える、ピッチ検出装置。
20. 前記特徴パラメータは、平均振幅パラメータ、平均振幅と周波数点振幅との比率パラメータ、及びピーク位置パラメータを含む、請求項１９に記載のピッチ検出装置。
21. 前記ファインピッチ周期取得モジュールは、
    基本周波数点及び倍数ピッチ周波数点の特徴パラメータを比較し、ファインピッチ周波数を判定し、前記ファインピッチ周波数に対して逆数演算を実行して、前記ファインピッチ周期を取得するように構成された、倍数ピッチ周波数検出モジュール
    を更に備える、請求項１９に記載のピッチ検出装置。
22. 前記倍数ピッチ周波数検出モジュールは、
    ファインピッチ周波数の付近の一定範囲内で振幅ピークを探索し、前記ピークに対応する周波数点に対して逆数演算を実行して、前記ファインピッチ周期を取得するように構成された、ピーク探索モジュール
    を更に備える、請求項１９に記載のピッチ検出装置。
23. 前記スピーチ信号に対して前処理を実行するように構成された、前処理モジュールと、
    前処理されたフレーム信号に解析ウィンドウを適用するように構成された、ウィンドウ処理モジュールと
    を備える、請求項１９に記載のピッチ検出装置。
24. 前記時間周波数変換モジュールは、
    解析ウィンドウが適用された前記スピーチ信号に対して、周波数領域変換を実行して、周波数スペクトル係数を取得するように構成された、周波数スペクトル係数取得モジュールと、
    前記周波数スペクトル係数に従って、エネルギースペクトルを計算するように構成された、エネルギースペクトル取得モジュールと
    を更に備える、請求項１９に記載のピッチ検出装置。
25. 現在のフレームと前のフレームとに従って、前記エネルギースペクトルに対して重み付け処理を実行して、前記エネルギースペクトルを平滑化するように構成された、エネルギースペクトル平滑化モジュール
    を更に備える、請求項２４に記載のピッチ検出装置。
26. 前記エネルギースペクトルに従って、前記周波数スペクトルの前記振幅スペクトルを計算するように構成された、振幅スペクトル取得モジュール
    を更に備える、請求項２５に記載のピッチ検出装置。
27. 前記周波数スペクトルの前記振幅スペクトルに対して補間を実行して、前記スピーチ信号の高密度振幅スペクトルを取得するように構成された、振幅スペクトル補間モジュール
    を更に備える、請求項２６に記載のピッチ検出装置。
28. 前記時間周波数変換モジュールは、
    前記スピーチ信号のテールに対してゼロパディング補間が実行された後、前記スピーチ信号を前記周波数領域に変換して、前記スピーチ信号の高密度振幅スペクトルを取得するように構成された、スピーチ信号補間モジュール
    を更に備える、請求項１９に記載のピッチ検出装置。
29. 現在のフレームと前のフレームとに従って、前記高密度振幅スペクトルに対して重み付け処理を実行して、前記高密度振幅スペクトルを平滑化するように構成された、高密度振幅スペクトル平滑化モジュール
    を更に備える、請求項２７又は２８に記載のピッチ検出装置。

Images