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 |