JP2770581B2 - 音声信号のスペクトル分析方法とその装置 - Google Patents
音声信号のスペクトル分析方法とその装置Info
- Publication number
- JP2770581B2 JP2770581B2 JP3045465A JP4546591A JP2770581B2 JP 2770581 B2 JP2770581 B2 JP 2770581B2 JP 3045465 A JP3045465 A JP 3045465A JP 4546591 A JP4546591 A JP 4546591A JP 2770581 B2 JP2770581 B2 JP 2770581B2
- Authority
- JP
- Japan
- Prior art keywords
- matrix
- spectrum
- array
- upper triangular
- square
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims description 21
- 238000010183 spectrum analysis Methods 0.000 title claims description 5
- 239000011159 matrix material Substances 0.000 claims description 74
- 238000001228 spectrum Methods 0.000 claims description 59
- 230000003595 spectral effect Effects 0.000 claims description 21
- 238000005311 autocorrelation function Methods 0.000 claims description 19
- 230000005236 sound signal Effects 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000003491 array Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000007796 conventional method Methods 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
- G10L25/12—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters the extracted parameters being prediction coefficients
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Computational Linguistics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Compression, Expansion, Code Conversion, And Decoders (AREA)
- Complex Calculations (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
- Compression Of Band Width Or Redundancy In Fax (AREA)
Description
【0001】
【産業上の利用分野】本発明は、離散的な音声信号か
ら、そのスペクトル包絡特性を表すスペクトルパラメー
タを求める音声信号のスペクトル分析方法とその装置に
関する。
ら、そのスペクトル包絡特性を表すスペクトルパラメー
タを求める音声信号のスペクトル分析方法とその装置に
関する。
【0002】
【従来の技術】アナログの音声信号をサンプリングして
得た離散的な音声信号から、そのスペクトル包絡特性を
表すスペクトルパラメータを求める分析方式の一つに線
形予測分析(LPC;linear predicti
ve coding)法があり、この線形予測分析法の
一手法として共分散法が知られている(例えば米国特許
第4544919号参照)。以下、この従来方式につい
て説明する。
得た離散的な音声信号から、そのスペクトル包絡特性を
表すスペクトルパラメータを求める分析方式の一つに線
形予測分析(LPC;linear predicti
ve coding)法があり、この線形予測分析法の
一手法として共分散法が知られている(例えば米国特許
第4544919号参照)。以下、この従来方式につい
て説明する。
【0003】図4は上記の従来方式の処理手順を示すフ
ローチャートである。同図に示すように従来方式では、
先ず最初に、処理対象である離散的な音声信号s(n)
より数1に従って自己相関関数g(i,k)を求める
(ステップ401)。これによりg(i,k)を(i,
k)成分とする(Np+1)次正方行列が形成される。
ローチャートである。同図に示すように従来方式では、
先ず最初に、処理対象である離散的な音声信号s(n)
より数1に従って自己相関関数g(i,k)を求める
(ステップ401)。これによりg(i,k)を(i,
k)成分とする(Np+1)次正方行列が形成される。
【0004】
【数1】
【0005】なお、数1中、Npはスペクトルパラメー
タの次数,Naはスペクトルパラメータを求める際に必
要な音声信号の長さである。
タの次数,Naはスペクトルパラメータを求める際に必
要な音声信号の長さである。
【0006】次に、数2,数3,数4に従ってg(i,
k)よりf(i,k),c(i,k),b(i,k)を
計算する(ステップ402)。これにより、f(i,
k),c(i,k),b(i,k)を(i,k)成分と
するNp次正方行列F,C,Bが形成される。そして、
このようにして形成されたNp次正方行列F,C,Bに
相当する配列f,c,bがそれぞれメモリの別々の領域
に格納される。
k)よりf(i,k),c(i,k),b(i,k)を
計算する(ステップ402)。これにより、f(i,
k),c(i,k),b(i,k)を(i,k)成分と
するNp次正方行列F,C,Bが形成される。そして、
このようにして形成されたNp次正方行列F,C,Bに
相当する配列f,c,bがそれぞれメモリの別々の領域
に格納される。
【0007】
【数2】 f(i,k)=g(i,k) for 0≦i,k≦Np−1
【0008】
【数3】 c(i,k)=g(i,k+1) for 0≦i,k≦Np−1
【0009】
【数4】 b(i,k)=g(i+1,k+1) for 0≦i,k≦Np−1
【0010】次に、ループのカウント用の変数jの初期
値として1を設定する(ステップ403)。
値として1を設定する(ステップ403)。
【0011】次に上記の各々の配列f,c,bの所定の
要素、即ちf(i,k),c(i,k),b(i,k)
の最初と最後の合計6個の要素をメモリ中より参照して
スペクトルパラメータr[j]を計算する(ステップ4
04)。なお、このr[j]はスペクトル包絡特性を表
し、偏自己相関関数と呼ばれる。
要素、即ちf(i,k),c(i,k),b(i,k)
の最初と最後の合計6個の要素をメモリ中より参照して
スペクトルパラメータr[j]を計算する(ステップ4
04)。なお、このr[j]はスペクトル包絡特性を表
し、偏自己相関関数と呼ばれる。
【0012】次に、jがNpか否かを判定し、判定結果
が肯定的であれば処理を終了し、否定的であれば次のス
テップ406へ進む(ステップ405)。
が肯定的であれば処理を終了し、否定的であれば次のス
テップ406へ進む(ステップ405)。
【0013】ステップ406では、ステップ404で求
めたスペクトルパラメータr[j]を使ってメモリ中の
配列f,c,bの各要素を更新する。
めたスペクトルパラメータr[j]を使ってメモリ中の
配列f,c,bの各要素を更新する。
【0014】次に、jを+1し(ステップ407)、ス
テップ404へ戻る。このようにして、ステップ40
4,406を繰り返し、Np回繰り返した時点で分析を
終了する。
テップ404へ戻る。このようにして、ステップ40
4,406を繰り返し、Np回繰り返した時点で分析を
終了する。
【0015】以上のような処理は、通常、信号処理LS
I(DSP)を用いて実現される。
I(DSP)を用いて実現される。
【0016】
【発明が解決しようとする課題】従来は上述したように
して離散的な音声信号のスペクトル包絡特性を表すスペ
クトルパラメータを求めていたが、Np次正方行列に相
当する配列f,c,bを直接使用して次数分のスペクト
ルパラメータを求めるため、その更新時にはメモリに記
憶されたNp次正方行列3個分の要素(例えばNp=1
0の場合、300個)に対する更新演算,アドレッシン
グが必要になるという問題点があった。
して離散的な音声信号のスペクトル包絡特性を表すスペ
クトルパラメータを求めていたが、Np次正方行列に相
当する配列f,c,bを直接使用して次数分のスペクト
ルパラメータを求めるため、その更新時にはメモリに記
憶されたNp次正方行列3個分の要素(例えばNp=1
0の場合、300個)に対する更新演算,アドレッシン
グが必要になるという問題点があった。
【0017】そこで本発明の目的は、更新時の演算量お
よびアドレッシング量を低減することにある。
よびアドレッシング量を低減することにある。
【0018】
【課題を解決するための手段】本発明は上記の目的を達
成するために、離散的な音声信号の自己相関関数g
(i,k)(0≦i,k≦Np。Np;スペクトルパラ
メータの次数)を計算し、この自己相関関数g(i,
k)に対し、f(i,k)=g(i,k),c(i,
k)=g(i,k+1),b(i,k)=g(i+1,
k+1)(0≦i,k≦Np−1)なる関係を持つf
(i,k),c(i,k),b(i,k)を、それぞれ
(i,k)成分とする3種類の正方行列F,C,Bを求
め、この3種類の正方行列F,C,Bから前記音声信号
のスペクトル包絡特性を表すスペクトルパラメータを求
める音声信号のスペクトル分析方法において、 (a)前記正方行列Fの上三角行列F’,前記正方行列
Cの上三角行列C’,前記正方行列Cの転置行列の上三
角行列C1’および前記正方行列Bの上三角行列B’を
求めるステップと、 (b)前記4種類の上三角行列F’,C’,C1’,
B’の各要素を所定の順序に並べた配列tを算出してメ
モリに記憶するステップと、 (c)前記メモリに記憶された配列tの所定の要素を参
照してスペクトルパラメータを算出するステップと、 (d)新たに算出されたスペクトルパラメータを使って
前記メモリの配列tを更新するステップとを含み、 前記ステップ(c),(d)を必要な次数分のスペクト
ルパラメータが算出されるまで繰り返すようにしてい
る。
成するために、離散的な音声信号の自己相関関数g
(i,k)(0≦i,k≦Np。Np;スペクトルパラ
メータの次数)を計算し、この自己相関関数g(i,
k)に対し、f(i,k)=g(i,k),c(i,
k)=g(i,k+1),b(i,k)=g(i+1,
k+1)(0≦i,k≦Np−1)なる関係を持つf
(i,k),c(i,k),b(i,k)を、それぞれ
(i,k)成分とする3種類の正方行列F,C,Bを求
め、この3種類の正方行列F,C,Bから前記音声信号
のスペクトル包絡特性を表すスペクトルパラメータを求
める音声信号のスペクトル分析方法において、 (a)前記正方行列Fの上三角行列F’,前記正方行列
Cの上三角行列C’,前記正方行列Cの転置行列の上三
角行列C1’および前記正方行列Bの上三角行列B’を
求めるステップと、 (b)前記4種類の上三角行列F’,C’,C1’,
B’の各要素を所定の順序に並べた配列tを算出してメ
モリに記憶するステップと、 (c)前記メモリに記憶された配列tの所定の要素を参
照してスペクトルパラメータを算出するステップと、 (d)新たに算出されたスペクトルパラメータを使って
前記メモリの配列tを更新するステップとを含み、 前記ステップ(c),(d)を必要な次数分のスペクト
ルパラメータが算出されるまで繰り返すようにしてい
る。
【0019】そして、このようなスペクトル分析方法を
実施する本発明の音声信号のパラメータ分析装置は、前
記正方行列Fの上三角行列F’,前記正方行列Cの上三
角行列C’,前記正方行列Cの転置行列の上三角行列C
1’および前記正方行列Bの上三角行列B’を求める上
三角行列生成手段と、前記4種類の上三角行列F’,
C’,C1’,B’の各要素を所定の順序に並べた配列
tを算出する配列生成手段と、この配列生成手段で生成
された配列tを記憶するメモリと、このメモリに記憶さ
れた配列tの所定の要素を参照してスペクトルパラメー
タを算出するスペクトルパラメータ算出手段と、このス
ペクトルパラメータ算出手段で新たに算出されたスペク
トルパラメータを使って前記メモリに記憶された配列t
を更新する更新手段とを備え、前記スペクトルパラメー
タ算出手段によるスペクトルパラメータの算出と前記更
新手段による配列tの更新とを必要な次数分のスペクト
ルパラメータが算出されるまで繰り返す構成を有してい
る。
実施する本発明の音声信号のパラメータ分析装置は、前
記正方行列Fの上三角行列F’,前記正方行列Cの上三
角行列C’,前記正方行列Cの転置行列の上三角行列C
1’および前記正方行列Bの上三角行列B’を求める上
三角行列生成手段と、前記4種類の上三角行列F’,
C’,C1’,B’の各要素を所定の順序に並べた配列
tを算出する配列生成手段と、この配列生成手段で生成
された配列tを記憶するメモリと、このメモリに記憶さ
れた配列tの所定の要素を参照してスペクトルパラメー
タを算出するスペクトルパラメータ算出手段と、このス
ペクトルパラメータ算出手段で新たに算出されたスペク
トルパラメータを使って前記メモリに記憶された配列t
を更新する更新手段とを備え、前記スペクトルパラメー
タ算出手段によるスペクトルパラメータの算出と前記更
新手段による配列tの更新とを必要な次数分のスペクト
ルパラメータが算出されるまで繰り返す構成を有してい
る。
【0020】
【作用】本発明においては、離散的な音声信号の自己相
関関数gを計算し、この自己相関関数gから3種類の正
方行列F,C,Bを求め、この3種類の正方行列F,
C,Bから前記音声信号のスペクトル包絡特性を表すス
ペクトルパラメータを求めるにあたって、上三角行列生
成手段が、前記正方行列Fの上三角行列F’,前記正方
行列Cの上三角行列C’,前記正方行列Cの転置行列の
上三角行列C1’および前記正方行列Bの上三角行列
B’を求め、配列生成手段が、この4種類の上三角行列
F’,C’,C1’,B’の各要素を所定の順序、たと
えばスペクトルパラメータの算出後の更新時のアドレッ
シングに適した順序に並べた配列tを算出してメモリに
記憶する。その後、スペクトルパラメータ算出手段が、
前記メモリに記憶された配列tの所定の要素を参照して
スペクトルパラメータを1つ算出する。そして、この算
出されたスペクトルパラメータを使って更新手段が前記
メモリの配列tを更新し、この更新後の配列tの所定の
要素を参照してスペクトルパラメータ算出手段が次のス
ペクトルパラメータを算出する。このような動作が、必
要な次数分のスペクトルパラメータが算出されるまで繰
り返される。
関関数gを計算し、この自己相関関数gから3種類の正
方行列F,C,Bを求め、この3種類の正方行列F,
C,Bから前記音声信号のスペクトル包絡特性を表すス
ペクトルパラメータを求めるにあたって、上三角行列生
成手段が、前記正方行列Fの上三角行列F’,前記正方
行列Cの上三角行列C’,前記正方行列Cの転置行列の
上三角行列C1’および前記正方行列Bの上三角行列
B’を求め、配列生成手段が、この4種類の上三角行列
F’,C’,C1’,B’の各要素を所定の順序、たと
えばスペクトルパラメータの算出後の更新時のアドレッ
シングに適した順序に並べた配列tを算出してメモリに
記憶する。その後、スペクトルパラメータ算出手段が、
前記メモリに記憶された配列tの所定の要素を参照して
スペクトルパラメータを1つ算出する。そして、この算
出されたスペクトルパラメータを使って更新手段が前記
メモリの配列tを更新し、この更新後の配列tの所定の
要素を参照してスペクトルパラメータ算出手段が次のス
ペクトルパラメータを算出する。このような動作が、必
要な次数分のスペクトルパラメータが算出されるまで繰
り返される。
【0021】
【実施例】図1は本発明の音声信号のスペクトル分析方
法の一実施例における処理手順を示すフローチャート、
図2はこのような方法を実施するスペクトル分析装置の
一例を示すブロック図である。
法の一実施例における処理手順を示すフローチャート、
図2はこのような方法を実施するスペクトル分析装置の
一例を示すブロック図である。
【0022】図2に示すスペクトル分析装置1は、離散
的な音声信号s(n)の自己相関関数gを計算する自己
相関関数算出手段2と、この自己相関関数gから3種類
の正方行列F,C,Bを生成する正方行列生成手段3
と、正方行列Fの上三角行列F’,正方行列Cの上三角
行列C’,正方行列Cの転置行列の上三角行列C1’お
よび正方行列Bの上三角行列B’を求める上三角行列生
成手段4と、4種類の上三角行列F’,C’,C1’,
B’の各要素を所定の順序に並べた配列tを算出する配
列生成手段5と、生成された配列tの所定の要素を参照
してスペクトルパラメータr[j]を算出するスペクト
ルパラメータ算出手段6と、このスペクトルパラメータ
算出手段7で新たに算出されたスペクトルパラメータを
使って配列tを更新する更新手段7と、離散的な音声信
号s(n)を入力する入力部8と、算出されたスペクト
ルパラメータr[j]を出力する出力部9と、生成され
た配列tやスペクトルパラメータ等を記憶するRAM等
のメモリ10と、各部の制御を行う制御手段11と、各
部を相互に接続するバス12とで構成されている。
的な音声信号s(n)の自己相関関数gを計算する自己
相関関数算出手段2と、この自己相関関数gから3種類
の正方行列F,C,Bを生成する正方行列生成手段3
と、正方行列Fの上三角行列F’,正方行列Cの上三角
行列C’,正方行列Cの転置行列の上三角行列C1’お
よび正方行列Bの上三角行列B’を求める上三角行列生
成手段4と、4種類の上三角行列F’,C’,C1’,
B’の各要素を所定の順序に並べた配列tを算出する配
列生成手段5と、生成された配列tの所定の要素を参照
してスペクトルパラメータr[j]を算出するスペクト
ルパラメータ算出手段6と、このスペクトルパラメータ
算出手段7で新たに算出されたスペクトルパラメータを
使って配列tを更新する更新手段7と、離散的な音声信
号s(n)を入力する入力部8と、算出されたスペクト
ルパラメータr[j]を出力する出力部9と、生成され
た配列tやスペクトルパラメータ等を記憶するRAM等
のメモリ10と、各部の制御を行う制御手段11と、各
部を相互に接続するバス12とで構成されている。
【0023】次に、図1および図2を参照して本実施例
の動作を説明する。
の動作を説明する。
【0024】離散的な音声信号s(n)は制御手段11
の制御の下に入力部8を介してスペクトル分析装置1内
に取り込まれ、メモリ10に格納される。
の制御の下に入力部8を介してスペクトル分析装置1内
に取り込まれ、メモリ10に格納される。
【0025】その後制御手段11は、図1に示す流れに
沿って各部を制御することにより、音声信号s(n)の
スペクトル包絡特性を表すスペクトルパラメータを算出
する。
沿って各部を制御することにより、音声信号s(n)の
スペクトル包絡特性を表すスペクトルパラメータを算出
する。
【0026】先ず最初に、制御手段11は、自己相関関
数算出手段2を使って、メモリ10に記憶された音声信
号s(n)から自己相関関数g(i,k)を算出してメ
モリ10に記憶し(ステップ101)、次に正方行列生
成手段3を使って、メモリ10に記憶された自己相関関
数g(i,k)から3種類のNp次正方行列F,C,B
を算出してメモリ10に記憶する(ステップ102)。
なお、ステップ101による自己相関関数g(i,k)
の算出は前述した数1を用いて行われ、ステップ102
による3種類のNp次正方行列F,C,Bは前述した数
2,数3,数4を用いて行われる。
数算出手段2を使って、メモリ10に記憶された音声信
号s(n)から自己相関関数g(i,k)を算出してメ
モリ10に記憶し(ステップ101)、次に正方行列生
成手段3を使って、メモリ10に記憶された自己相関関
数g(i,k)から3種類のNp次正方行列F,C,B
を算出してメモリ10に記憶する(ステップ102)。
なお、ステップ101による自己相関関数g(i,k)
の算出は前述した数1を用いて行われ、ステップ102
による3種類のNp次正方行列F,C,Bは前述した数
2,数3,数4を用いて行われる。
【0027】次に、制御手段11は、上三角行列生成手
段4を使って、メモリ10に記憶された3種類のNp次
正方行列F,C,Bから4種類のNp次上三角行列
F’,C’,C1’,B’を算出してメモリ10に記憶
する(ステップ103)。ここで、F’はFの上三角行
列,C’はCの上三角行列,C1’はCの転置行列の上
三角行列,B’はBの上三角行列である。
段4を使って、メモリ10に記憶された3種類のNp次
正方行列F,C,Bから4種類のNp次上三角行列
F’,C’,C1’,B’を算出してメモリ10に記憶
する(ステップ103)。ここで、F’はFの上三角行
列,C’はCの上三角行列,C1’はCの転置行列の上
三角行列,B’はBの上三角行列である。
【0028】次に、制御手段11は、配列生成手段5を
使って、メモリ10に記憶された4種類のNp次上三角
行列F’,C’,C1’,B’の各(i,k)成分f’
(i,k),c’(i,k),c1’(i,k),b’
(i,k)を成分とするベクトル{ f’(i,k),
c’(i,k),c1’(i,k),b’(i,k)}
を(i,k)成分とする新たなNp次上三角行列Tを算
出してメモリ10に記憶する。ここで、i,kの範囲は
0≦i≦Np−1およびi≦k≦Np−1である。そし
て、同じく配列生成手段5を使って、このNp次上三角
行列Tの(i,k)成分を、添字iの小さい順に、添字
iが同じ中では添字kの小さい順に、(i,k)成分の
中ではf’(i,k),c’(i,k),c1’(i,
k),b’(i,k)の順にメモリ10に配置し、その
配置の先頭から順に配列名をt[0],t[1],t
[2],…,t[NN]と付け変えることにより新しい
配列t[i](0≦i≦NN−1)を形成する(ステッ
プ104)。但し、N,NNは下記の数5を満たす。
使って、メモリ10に記憶された4種類のNp次上三角
行列F’,C’,C1’,B’の各(i,k)成分f’
(i,k),c’(i,k),c1’(i,k),b’
(i,k)を成分とするベクトル{ f’(i,k),
c’(i,k),c1’(i,k),b’(i,k)}
を(i,k)成分とする新たなNp次上三角行列Tを算
出してメモリ10に記憶する。ここで、i,kの範囲は
0≦i≦Np−1およびi≦k≦Np−1である。そし
て、同じく配列生成手段5を使って、このNp次上三角
行列Tの(i,k)成分を、添字iの小さい順に、添字
iが同じ中では添字kの小さい順に、(i,k)成分の
中ではf’(i,k),c’(i,k),c1’(i,
k),b’(i,k)の順にメモリ10に配置し、その
配置の先頭から順に配列名をt[0],t[1],t
[2],…,t[NN]と付け変えることにより新しい
配列t[i](0≦i≦NN−1)を形成する(ステッ
プ104)。但し、N,NNは下記の数5を満たす。
【0029】
【数5】
【0030】これによって、メモリ10には、f’
(0,0),c’(0,0),c1’(0,0),b’
(0,0),f’(0,1),c’(0,1),…,と
いった並びがそれぞれ配列t[0],t[1],t
[2],t[3],t[5],t[6],…として配置
される。
(0,0),c’(0,0),c1’(0,0),b’
(0,0),f’(0,1),c’(0,1),…,と
いった並びがそれぞれ配列t[0],t[1],t
[2],t[3],t[5],t[6],…として配置
される。
【0031】次に、制御手段11は、ループのカウント
用の変数jに初期値1を設定する(ステップ105)。
用の変数jに初期値1を設定する(ステップ105)。
【0032】次に、制御手段11は、スペクトルパラメ
ータ算出手段6を使って、メモリ10に記憶された配列
t[i]から次の数6に従って最初のスペクトルパラメ
ータr[1]を計算し、それをメモリ10に記憶する
(ステップ106)。
ータ算出手段6を使って、メモリ10に記憶された配列
t[i]から次の数6に従って最初のスペクトルパラメ
ータr[1]を計算し、それをメモリ10に記憶する
(ステップ106)。
【0033】
【数6】
【0034】次に、制御手段11はj=Npか否かを判
定する(ステップ107)。今の場合、j=1であり、
Np=10とすると、NOなのでステップ108へ進
む。
定する(ステップ107)。今の場合、j=1であり、
Np=10とすると、NOなのでステップ108へ進
む。
【0035】ステップ108では、制御手段11は更新
手段7を使って、ステップ106で求められたr[1]
を用いてメモリ10中の配列t[i]を更新する。この
更新手段7による更新処理ステップ108の詳細な方法
を例えばプログラミング言語Cで表すと図3に示すよう
になる。
手段7を使って、ステップ106で求められたr[1]
を用いてメモリ10中の配列t[i]を更新する。この
更新手段7による更新処理ステップ108の詳細な方法
を例えばプログラミング言語Cで表すと図3に示すよう
になる。
【0036】図3中、i,kはNp次上三角行列Tの
(i,k)成分の添字、jはスペクトルパラメータの次
数、kkは元の配列t[i]の添字、iiは新しい配列
t[i]の添字であり、部分300がf’(i,k)
を、部分301がc’(i,k)を、部分302がc
1’(i,k)を、部分303がb’(i,k)をそれ
ぞれ更新する箇所であり、これらを二重のループで実行
することにより、配列t中に存在する全てのf’(i,
k),c’(i,k),c1’(i,k),b’(i,
k)の更新を行うものである。
(i,k)成分の添字、jはスペクトルパラメータの次
数、kkは元の配列t[i]の添字、iiは新しい配列
t[i]の添字であり、部分300がf’(i,k)
を、部分301がc’(i,k)を、部分302がc
1’(i,k)を、部分303がb’(i,k)をそれ
ぞれ更新する箇所であり、これらを二重のループで実行
することにより、配列t中に存在する全てのf’(i,
k),c’(i,k),c1’(i,k),b’(i,
k)の更新を行うものである。
【0037】さて、次に制御手段11は、j=j+1と
し(ステップ109)、ステップ106へ戻って次の次
数のスペクトルパラメータr[i]を求め、この求めた
スペクトルパラメータr[i]でメモリ10中の配列t
[i]を再び更新する(ステップ108)という動作を
必要な次数分繰り返し、ステップ107でj=Npと判
定することにより、図1のスペクトルパラメータ分析処
理を終了する。
し(ステップ109)、ステップ106へ戻って次の次
数のスペクトルパラメータr[i]を求め、この求めた
スペクトルパラメータr[i]でメモリ10中の配列t
[i]を再び更新する(ステップ108)という動作を
必要な次数分繰り返し、ステップ107でj=Npと判
定することにより、図1のスペクトルパラメータ分析処
理を終了する。
【0038】その後、制御手段11はメモリ10に記憶
されたスペクトルパラメータr[i]を出力部9を使っ
て外部に出力する。
されたスペクトルパラメータr[i]を出力部9を使っ
て外部に出力する。
【0039】
【発明の効果】以上説明したように、本発明は、離散的
な音声信号の自己相関関数gから求めた3種類の正方行
列F,C,Bから直接に前記音声信号のスペクトル包絡
特性を表すスペクトルパラメータを求めるのではなく、
その3種類の正方行列から4種類の上三角行列F’,
C’,C1’,B’を求め、更にこの4種類の上三角行
列F’,C’,C1’,B’の各要素を所定の順序に並
べた配列tを算出し、この配列tを参照,更新しつつ必
要な数のスペクトルパラメータを求めるようにしたの
で、次のような効果を得ることができる。
な音声信号の自己相関関数gから求めた3種類の正方行
列F,C,Bから直接に前記音声信号のスペクトル包絡
特性を表すスペクトルパラメータを求めるのではなく、
その3種類の正方行列から4種類の上三角行列F’,
C’,C1’,B’を求め、更にこの4種類の上三角行
列F’,C’,C1’,B’の各要素を所定の順序に並
べた配列tを算出し、この配列tを参照,更新しつつ必
要な数のスペクトルパラメータを求めるようにしたの
で、次のような効果を得ることができる。
【0040】(1)上三角行列4個分に相当する配列t
の参照,更新を行うため、更新対象が従来のNp次正方
行列3個分からNp次上三角行列4個分に減る。例え
ば、Np=10の場合220個で済む。従って、各更新
時にはNp次正方行列3個分の要素に対して更新処理を
行えば良く、更新時の演算量およびアドレッシング量が
低減される。
の参照,更新を行うため、更新対象が従来のNp次正方
行列3個分からNp次上三角行列4個分に減る。例え
ば、Np=10の場合220個で済む。従って、各更新
時にはNp次正方行列3個分の要素に対して更新処理を
行えば良く、更新時の演算量およびアドレッシング量が
低減される。
【0041】(2)従来方式において配列f,c,bを
メモリの各領域に別個に記憶すると、その更新処理時に
飛び飛びの要素をアドレッシングすることが余儀なくさ
れるが、本発明では事前に所定の順序に並べ変えた配列
tを使用するので、アドレッシングが容易になる。
メモリの各領域に別個に記憶すると、その更新処理時に
飛び飛びの要素をアドレッシングすることが余儀なくさ
れるが、本発明では事前に所定の順序に並べ変えた配列
tを使用するので、アドレッシングが容易になる。
【図1】本発明の音声信号のスペクトル分析方法の一実
施例の処理手順を示すフローチャートである。
施例の処理手順を示すフローチャートである。
【図2】本発明の音声信号のスペクトル分析装置の一実
施例のブロック図である。
施例のブロック図である。
【図3】プログラミング言語Cで表現した更新方法の一
例を示す図である。
例を示す図である。
【図4】従来のスペクトル分析方式の処理手順を示すフ
ローチャートである。
ローチャートである。
1…スペクトル分析装置 11…制御
手段 2…自己相関関数算出手段 3…正方行列生成手段 4…上三角行列生成手段 5…配列生成手段 6…スペクトルパラメータ算出手段 7…更新手段 8…入力部 9…出力部 10…メモリ
手段 2…自己相関関数算出手段 3…正方行列生成手段 4…上三角行列生成手段 5…配列生成手段 6…スペクトルパラメータ算出手段 7…更新手段 8…入力部 9…出力部 10…メモリ
Claims (2)
- 【請求項1】 離散的な音声信号の自己相関関数g
(i,k)(0≦i,k≦Np。Np;スペクトルパラ
メータの次数)を計算し、この自己相関関数g(i,
k)に対し、f(i,k)=g(i,k),c(i,
k)=g(i,k+1),b(i,k)=g(i+1,
k+1)(0≦i,k≦Np−1)なる関係を持つf
(i,k),c(i,k),b(i,k)を、それぞれ
(i,k)成分とする3種類の正方行列F,C,Bを求
め、この3種類の正方行列F,C,Bから前記音声信号
のスペクトル包絡特性を表すスペクトルパラメータを求
める音声信号のスペクトル分析方法において、 (a)前記正方行列Fの上三角行列F’,前記正方行列
Cの上三角行列C’,前記正方行列Cの転置行列の上三
角行列C1’および前記正方行列Bの上三角行列B’を
求めるステップと、 (b)前記4種類の上三角行列F’,C’,C1’,
B’の各要素を所定の順序に並べた配列tを算出してメ
モリに記憶するステップと、 (c)前記メモリに記憶された配列tの所定の要素を参
照してスペクトルパラメータを算出するステップと、 (d)新たに算出されたスペクトルパラメータを使って
前記メモリの配列tを更新するステップとを含み、 前記ステップ(c),(d)を必要な次数分のスペクト
ルパラメータが算出されるまで繰り返すことを特徴とす
る音声信号のスペクトル分析方法。 - 【請求項2】 離散的な音声信号の自己相関関数g
(i,k)(0≦i,k≦Np。Np;スペクトルパラ
メータの次数)を計算し、この自己相関関数g(i,
k)に対し、f(i,k)=g(i,k),c(i,
k)=g(i,k+1),b(i,k)=g(i+1,
k+1)(0≦i,k≦Np−1)なる関係を持つf
(i,k),c(i,k),b(i,k)を、それぞれ
(i,k)成分とする3種類の正方行列F,C,Bを求
め、この3種類の正方行列F,C,Bから前記音声信号
のスペクトル包絡特性を表すスペクトルパラメータを求
める音声信号のスペクトル分析装置において、 前記正方行列Fの上三角行列F’,前記正方行列Cの上
三角行列C’,前記正方行列Cの転置行列の上三角行列
C1’および前記正方行列Bの上三角行列B’を求める
上三角行列生成手段と、 前記4種類の上三角行列F’,C’,C1’,B’の各
要素を所定の順序に並べた配列tを算出する配列生成手
段と、 該配列生成手段で生成された配列tを記憶するメモリ
と、 該メモリに記憶された配列tの所定の要素を参照してス
ペクトルパラメータを算出するスペクトルパラメータ算
出手段と、 該スペクトルパラメータ算出手段で新たに算出されたス
ペクトルパラメータを使って前記メモリに記憶された配
列tを更新する更新手段とを備え、 前記スペクトルパラメータ算出手段によるスペクトルパ
ラメータの算出と前記更新手段による配列tの更新とを
必要な次数分のスペクトルパラメータが算出されるまで
繰り返すことを特徴とする音声信号のスペクトル分析装
置。
Priority Applications (7)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP3045465A JP2770581B2 (ja) | 1991-02-19 | 1991-02-19 | 音声信号のスペクトル分析方法とその装置 |
CA002061395A CA2061395C (en) | 1991-02-19 | 1992-02-18 | Method and arrangement of determining coefficients for linear predictive coding |
ES92102767T ES2104746T3 (es) | 1991-02-19 | 1992-02-19 | Metodo y disposicion para determinar coeficientes para una codificacion de prediccion lineal. |
AU11110/92A AU645396B2 (en) | 1991-02-19 | 1992-02-19 | Method and arrangement of determining coefficients for linear predictive coding |
DE69220978T DE69220978T2 (de) | 1991-02-19 | 1992-02-19 | Verfahren und Einrichtung zur Bestimmung von Koeffizienten zur linearen Prädiktionskodierung |
EP92102767A EP0500076B1 (en) | 1991-02-19 | 1992-02-19 | Method and arrangement of determining coefficients for linear predictive coding |
US08/205,773 US5475790A (en) | 1991-02-19 | 1994-03-04 | Method and arrangement of determining coefficients for linear predictive coding |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP3045465A JP2770581B2 (ja) | 1991-02-19 | 1991-02-19 | 音声信号のスペクトル分析方法とその装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPH04264499A JPH04264499A (ja) | 1992-09-21 |
JP2770581B2 true JP2770581B2 (ja) | 1998-07-02 |
Family
ID=12720126
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP3045465A Expired - Fee Related JP2770581B2 (ja) | 1991-02-19 | 1991-02-19 | 音声信号のスペクトル分析方法とその装置 |
Country Status (7)
Country | Link |
---|---|
US (1) | US5475790A (ja) |
EP (1) | EP0500076B1 (ja) |
JP (1) | JP2770581B2 (ja) |
AU (1) | AU645396B2 (ja) |
CA (1) | CA2061395C (ja) |
DE (1) | DE69220978T2 (ja) |
ES (1) | ES2104746T3 (ja) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5664053A (en) * | 1995-04-03 | 1997-09-02 | Universite De Sherbrooke | Predictive split-matrix quantization of spectral parameters for efficient coding of speech |
GB2327021A (en) * | 1997-06-30 | 1999-01-06 | Ericsson Telefon Ab L M | Speech coding |
US20090204397A1 (en) * | 2006-05-30 | 2009-08-13 | Albertus Cornelis Den Drinker | Linear predictive coding of an audio signal |
CN101154381B (zh) * | 2006-09-30 | 2011-03-30 | 华为技术有限公司 | 一种获取线性预测滤波器系数的装置 |
US11032574B2 (en) | 2018-12-31 | 2021-06-08 | Tencent America LLC | Method and apparatus for video coding |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4544919A (en) * | 1982-01-03 | 1985-10-01 | Motorola, Inc. | Method and means of determining coefficients for linear predictive coding |
US4696040A (en) * | 1983-10-13 | 1987-09-22 | Texas Instruments Incorporated | Speech analysis/synthesis system with energy normalization and silence suppression |
US4847906A (en) * | 1986-03-28 | 1989-07-11 | American Telephone And Telegraph Company, At&T Bell Laboratories | Linear predictive speech coding arrangement |
US5068597A (en) * | 1989-10-30 | 1991-11-26 | General Electric Company | Spectral estimation utilizing a minimum free energy method with recursive reflection coefficients |
-
1991
- 1991-02-19 JP JP3045465A patent/JP2770581B2/ja not_active Expired - Fee Related
-
1992
- 1992-02-18 CA CA002061395A patent/CA2061395C/en not_active Expired - Fee Related
- 1992-02-19 AU AU11110/92A patent/AU645396B2/en not_active Ceased
- 1992-02-19 ES ES92102767T patent/ES2104746T3/es not_active Expired - Lifetime
- 1992-02-19 EP EP92102767A patent/EP0500076B1/en not_active Expired - Lifetime
- 1992-02-19 DE DE69220978T patent/DE69220978T2/de not_active Expired - Fee Related
-
1994
- 1994-03-04 US US08/205,773 patent/US5475790A/en not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
ES2104746T3 (es) | 1997-10-16 |
CA2061395C (en) | 1997-01-21 |
DE69220978T2 (de) | 1998-03-12 |
EP0500076A3 (en) | 1993-06-16 |
JPH04264499A (ja) | 1992-09-21 |
EP0500076A2 (en) | 1992-08-26 |
DE69220978D1 (de) | 1997-08-28 |
US5475790A (en) | 1995-12-12 |
AU645396B2 (en) | 1994-01-13 |
AU1111092A (en) | 1992-08-27 |
EP0500076B1 (en) | 1997-07-23 |
CA2061395A1 (en) | 1992-08-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP0223014B1 (en) | Reference speech pattern generating method | |
US4389540A (en) | Adaptive linear prediction filters | |
EP0732687A2 (en) | Apparatus for expanding speech bandwidth | |
KR900700994A (ko) | 개선된 벡터 여기 소스를 구비한 디지탈 음성 코더 | |
JPS5930280B2 (ja) | 音声合成装置 | |
JPH04181996A (ja) | 音源装置 | |
US5270954A (en) | Filter device and electronic musical instrument using the filter device | |
JP2770581B2 (ja) | 音声信号のスペクトル分析方法とその装置 | |
CN101149916B (zh) | 滤波装置以及使用滤波装置的电子乐器 | |
JPH0772900A (ja) | 音声合成の感情付与方法 | |
JP2697192B2 (ja) | 電子楽器 | |
JP2951514B2 (ja) | 声質制御型音声合成装置 | |
US4461200A (en) | Electronic musical instrument | |
US7877263B2 (en) | Signal processing | |
JPS6239758B2 (ja) | ||
JP3927701B2 (ja) | 音源信号推定装置 | |
JP3228389B2 (ja) | 利得形状ベクトル量子化装置 | |
JP2615856B2 (ja) | 音声合成方法とその装置 | |
JP2611242B2 (ja) | 振幅圧縮伸長回路 | |
JP2624958B2 (ja) | 音声合成装置 | |
JP2753716B2 (ja) | 音声変換装置 | |
JPH0644199B2 (ja) | 可変長フレ−ム音声分析合成方式 | |
JPH05232994A (ja) | 統計コードブック | |
JPH01211799A (ja) | 多言語を扱う音声の規則合成装置 | |
JP3063088B2 (ja) | 音声分析合成装置、音声分析装置及び音声合成装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
LAPS | Cancellation because of no payment of annual fees |