JP2812184B2 - 音声の複素ケプストラム分析装置 - Google Patents
音声の複素ケプストラム分析装置Info
- Publication number
- JP2812184B2 JP2812184B2 JP6024594A JP2459494A JP2812184B2 JP 2812184 B2 JP2812184 B2 JP 2812184B2 JP 6024594 A JP6024594 A JP 6024594A JP 2459494 A JP2459494 A JP 2459494A JP 2812184 B2 JP2812184 B2 JP 2812184B2
- Authority
- JP
- Japan
- Prior art keywords
- spectrum
- buffer storage
- time
- fourier transform
- buffer
- 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
- 238000001228 spectrum Methods 0.000 claims abstract description 235
- 230000006870 function Effects 0.000 claims abstract description 74
- 230000001131 transforming effect Effects 0.000 claims abstract description 8
- 238000004458 analytical method Methods 0.000 claims description 22
- 238000006243 chemical reaction Methods 0.000 claims description 18
- 230000009466 transformation Effects 0.000 claims description 13
- 230000015654 memory Effects 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000005236 sound signal Effects 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 2
- 238000000034 method Methods 0.000 description 23
- 238000007796 conventional method Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 6
- 230000003595 spectral effect Effects 0.000 description 6
- 230000004069 differentiation Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000005070 sampling Methods 0.000 description 5
- 239000000284 extract Substances 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012546 transfer Methods 0.000 description 3
- 238000013519 translation Methods 0.000 description 3
- 230000014616 translation Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 101100459248 Mus musculus Mxra8 gene Proteins 0.000 description 1
- 101150016874 asp3 gene Proteins 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000012886 linear function 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
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R23/00—Arrangements for measuring frequencies; Arrangements for analysing frequency spectra
- G01R23/16—Spectrum analysis; Fourier analysis
-
- 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
- G10L25/24—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 the cepstrum
Landscapes
- Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Complex Calculations (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Transmission Systems Not Characterized By The Medium Used For Transmission (AREA)
Description
【０００１】
【産業上の利用分野】本発明は音声の複素ケプストラム
分析装置に関し、特に音声信号をディジタル化したデー
タを分析しデータの振幅スペクトルと位相特性を表すパ
ラメータである複素ケプストラムを抽出する音声の複素
ケプストラム分析装置に関する。
分析装置に関し、特に音声信号をディジタル化したデー
タを分析しデータの振幅スペクトルと位相特性を表すパ
ラメータである複素ケプストラムを抽出する音声の複素
ケプストラム分析装置に関する。
【０００２】
【従来の技術】従来から、音声信号の分析、特に有声音
の分析においては、ケプストラム分析はスペクトル包絡
を表すパラメータを精度良く抽出できるという点で優れ
た分析法として知られている。
の分析においては、ケプストラム分析はスペクトル包絡
を表すパラメータを精度良く抽出できるという点で優れ
た分析法として知られている。
【０００３】これは、例えば、次の文献１に示されてい
る。文献１、古井貞煕、ディジタル音声処理、第４章
４．４節、東海大学出版会。
る。文献１、古井貞煕、ディジタル音声処理、第４章
４．４節、東海大学出版会。
【０００４】ケプストラムは、対数振幅スペクトルの逆
フーリエ変換として以下のように求められる。
フーリエ変換として以下のように求められる。
【０００５】まず、ｘ（ｎ）を音声をサンプリングして
得られる離散的な信号で、さらに短時間分析のための窓
をかけたデータとする。窓の長さは、通常は１０ミリ秒
ないし数十ミリ秒に設定される。
得られる離散的な信号で、さらに短時間分析のための窓
をかけたデータとする。窓の長さは、通常は１０ミリ秒
ないし数十ミリ秒に設定される。
【０００６】Ｘ（ω）をそのフーリエ変換とすると、式
（１）のように定義される。 Ｘ（ω） ＝ Σｘ（ｎ）・ｅｘｐ（−ｉωｎ） （１） ｎは離散的な時刻または時間。ｅｘｐ（）は複素指数関
数、ｉは虚数単位、ωは角周波数である。式（１）の和
は時間ｎについての和であり、和の範囲は窓掛して得ら
れたデータの点数である。簡単のため、このフーリエ変
換を式（２）のように表すこととする。 Ｘ（ω） ＝ Ｆ［ｘ（ｎ）］ （２） このスペクトルの対数振幅スペクトルは次の式（３）で
定義される。 Ｙ（ω） ＝ ｌｏｇ（｜Ｘ（ω）｜） （３） ここに、｜Ｘ（ω）｜はスペクトルの絶対値である。
（１）のように定義される。 Ｘ（ω） ＝ Σｘ（ｎ）・ｅｘｐ（−ｉωｎ） （１） ｎは離散的な時刻または時間。ｅｘｐ（）は複素指数関
数、ｉは虚数単位、ωは角周波数である。式（１）の和
は時間ｎについての和であり、和の範囲は窓掛して得ら
れたデータの点数である。簡単のため、このフーリエ変
換を式（２）のように表すこととする。 Ｘ（ω） ＝ Ｆ［ｘ（ｎ）］ （２） このスペクトルの対数振幅スペクトルは次の式（３）で
定義される。 Ｙ（ω） ＝ ｌｏｇ（｜Ｘ（ω）｜） （３） ここに、｜Ｘ（ω）｜はスペクトルの絶対値である。
【０００７】これから、ケプストラムは次のように定義
される。 ｙ（ｎ） ＝ ＦI ［Ｙ（ω）］ ＝ ＦI ［ｌｏｇ（｜Ｘ（ω）｜）］ （４） ここにＦI ［・］は、かぎ括弧内の逆フーリエ変換を意
味するものとする。なお、ケプストラムの場合の時間変
数、即ち式（４）におけるｎはケフレンシーと呼ばれる
ことがあるが、ここでは時刻または時間と表現すること
で統一する。
される。 ｙ（ｎ） ＝ ＦI ［Ｙ（ω）］ ＝ ＦI ［ｌｏｇ（｜Ｘ（ω）｜）］ （４） ここにＦI ［・］は、かぎ括弧内の逆フーリエ変換を意
味するものとする。なお、ケプストラムの場合の時間変
数、即ち式（４）におけるｎはケフレンシーと呼ばれる
ことがあるが、ここでは時刻または時間と表現すること
で統一する。
【０００８】また、実際の計算においては、周波数を連
続値として求めることはできないので、離散的な周波数
として定義し、離散的フーリエ変換（ＤＦＴ：ディー
エフティー）またはその改良法であり、より実用的な高
速フーリエ変換（ＦＦＴ：エフ エフ ティー）を用い
て計算する。逆変換についても同様である。ＤＦＴはＦ
ＦＴを含む概念と考えられるから、簡単のため以降の説
明ではＤＦＴとしてのみ表現することにする。
続値として求めることはできないので、離散的な周波数
として定義し、離散的フーリエ変換（ＤＦＴ：ディー
エフティー）またはその改良法であり、より実用的な高
速フーリエ変換（ＦＦＴ：エフ エフ ティー）を用い
て計算する。逆変換についても同様である。ＤＦＴはＦ
ＦＴを含む概念と考えられるから、簡単のため以降の説
明ではＤＦＴとしてのみ表現することにする。
【０００９】このケプストラムを用いて、スペクトル包
絡を表すパラメータを抽出するときは、ピッチ周期程度
以下の時間の成分のみを取り出す処理が一般的である。
実際のスペクトル包絡は、この成分のケプストラムを再
びフーリエ変換して得られる。
絡を表すパラメータを抽出するときは、ピッチ周期程度
以下の時間の成分のみを取り出す処理が一般的である。
実際のスペクトル包絡は、この成分のケプストラムを再
びフーリエ変換して得られる。
【００１０】さらに、ケプストラム分析によりスペクト
ル包絡の抽出をより高精度にする方法としては、特開平
２―１３４６９９号に示されたものがある。これは、ピ
ッチ周期程度以下の時間の成分のみを取り出すのではな
く、ピッチ周期の近傍を除いた成分全てを用いるもので
ある。この例においても、ケプストラム自体は前述の文
献１の方法と同様に求めている。
ル包絡の抽出をより高精度にする方法としては、特開平
２―１３４６９９号に示されたものがある。これは、ピ
ッチ周期程度以下の時間の成分のみを取り出すのではな
く、ピッチ周期の近傍を除いた成分全てを用いるもので
ある。この例においても、ケプストラム自体は前述の文
献１の方法と同様に求めている。
【００１１】しかしながら、このケプストラム分析で
は、スペクトラム包絡は精度良く抽出されるものの位相
情報が切り捨てられるため、より高精度な音声分析の目
的のためには適さない。これに対しこのケプストラム分
析を発展させた複素ケプストラム分析は、スペクトル包
絡ばかりでなく位相をも抽出できるという特徴があるこ
とが知られている。
は、スペクトラム包絡は精度良く抽出されるものの位相
情報が切り捨てられるため、より高精度な音声分析の目
的のためには適さない。これに対しこのケプストラム分
析を発展させた複素ケプストラム分析は、スペクトル包
絡ばかりでなく位相をも抽出できるという特徴があるこ
とが知られている。
【００１２】複素ケプストラムは式（５）ように、スペ
クトルＸ（ω）の複素対数の逆フーリエ変換として定義
される。ここに、複素対数とは、その実数部はスペクト
ルの絶対値の対数で、その虚数部は周波数の連続関数と
しての位相である。 ｃ（ｎ） ＝ ＦI ［ｌｏｇ（Ｘ（ω））］ （５） スペクトルの複素対数を次のように表現するとすれば、
式（５）は式（７）のように表すことができる。 Ｃ（ω） ＝ ｌｏｇ（Ｘ（ω）） （６） ｃ（ｎ） ＝ ＦI ［Ｃ（ω）］ （７） なお、式（３）の対数は実数関数であり式（６）の対数
は複素対数であるが、式（３）においてスペクトルの絶
対値をとっているので、複素対数としても正しい定義で
あるから、どちらの対数関数も同一の表記を用いること
にする。
クトルＸ（ω）の複素対数の逆フーリエ変換として定義
される。ここに、複素対数とは、その実数部はスペクト
ルの絶対値の対数で、その虚数部は周波数の連続関数と
しての位相である。 ｃ（ｎ） ＝ ＦI ［ｌｏｇ（Ｘ（ω））］ （５） スペクトルの複素対数を次のように表現するとすれば、
式（５）は式（７）のように表すことができる。 Ｃ（ω） ＝ ｌｏｇ（Ｘ（ω）） （６） ｃ（ｎ） ＝ ＦI ［Ｃ（ω）］ （７） なお、式（３）の対数は実数関数であり式（６）の対数
は複素対数であるが、式（３）においてスペクトルの絶
対値をとっているので、複素対数としても正しい定義で
あるから、どちらの対数関数も同一の表記を用いること
にする。
【００１３】さて、この複素ケプストラムによる音声分
析を実現する場合、スペクトルの複素対数を求める際
に、実数部を求めることは容易に実現できるが、虚数部
については次のような困難が伴う。
析を実現する場合、スペクトルの複素対数を求める際
に、実数部を求めることは容易に実現できるが、虚数部
については次のような困難が伴う。
【００１４】即ち、通常は位相はスペクトルの実数部と
虚数部の偏角として求められるが、これは周波数の連続
関数とはならない。なぜならば、位相がπを越えてπ＋
αになると、偏角としては−π＋αとして観測されるた
め、ここで不連続な関数となるためである。
虚数部の偏角として求められるが、これは周波数の連続
関数とはならない。なぜならば、位相がπを越えてπ＋
αになると、偏角としては−π＋αとして観測されるた
め、ここで不連続な関数となるためである。
【００１５】従来、この点を解決する方法として、以下
の３種類が知られている。 第一の従来法：位相アンラップ法。 第二の従来法：スペクトルの微分とフーリエ変換の関係
に基づく方法。 第三の従来法：因数分解による方法。
の３種類が知られている。 第一の従来法：位相アンラップ法。 第二の従来法：スペクトルの微分とフーリエ変換の関係
に基づく方法。 第三の従来法：因数分解による方法。
【００１６】第一の従来法の位相アンラップ法は、例え
ば、次の文献に示されている。文献２、エイ．ブイ．オ
ッペンハイム、アール．ダブリュー．シェーファー
著、"デジタル シグナル プロセシング"、第１０章、
１９７５年（Ａ．Ｖ．Ｏｐｐｅｎｎｈｅｉｍ ａｎｄ
Ｒ．Ｗ．Ｓｃｈａｆｅｒ、”Ｄｉｇｉｔａｌ Ｓｉｇｎ
ａｌ Ｐｒｏｃｅｓｓｉｎｇ”、Ｃｈａｐｔｅｒ １
０、１９７５、邦訳：伊達玄訳「ディジタル信号処
理」、コロナ社）。
ば、次の文献に示されている。文献２、エイ．ブイ．オ
ッペンハイム、アール．ダブリュー．シェーファー
著、"デジタル シグナル プロセシング"、第１０章、
１９７５年（Ａ．Ｖ．Ｏｐｐｅｎｎｈｅｉｍ ａｎｄ
Ｒ．Ｗ．Ｓｃｈａｆｅｒ、”Ｄｉｇｉｔａｌ Ｓｉｇｎ
ａｌ Ｐｒｏｃｅｓｓｉｎｇ”、Ｃｈａｐｔｅｒ １
０、１９７５、邦訳：伊達玄訳「ディジタル信号処
理」、コロナ社）。
【００１７】前述の通常のケプストラムと同様に、スペ
クトルを離散的な周波数の関数として近似し、ＤＦＴを
用いて求める。そのスペクトルの複素対数関数として
は、実数部は絶対値の対数として求め、虚数部である位
相はまず偏角が−πからπに含まれる主値を求めて、位
相の連続性を判定しながら２πの倍数を加える処理を施
して求める。連続性の判定のためにはＤＦＴの点数を多
くして、離散的な周波数の間隔を細かくする。そして、
隣り合った周波数のサンプルでの偏角の値がπ付近から
−π付近へ変化したら、それ以降は偏角に２πの倍数を
加える。倍数は、何回このような変化が検出されたかで
決まる値である。一方、偏角が−πからπに変化した
ら、２πの倍数を１減らすという処理を施す。
クトルを離散的な周波数の関数として近似し、ＤＦＴを
用いて求める。そのスペクトルの複素対数関数として
は、実数部は絶対値の対数として求め、虚数部である位
相はまず偏角が−πからπに含まれる主値を求めて、位
相の連続性を判定しながら２πの倍数を加える処理を施
して求める。連続性の判定のためにはＤＦＴの点数を多
くして、離散的な周波数の間隔を細かくする。そして、
隣り合った周波数のサンプルでの偏角の値がπ付近から
−π付近へ変化したら、それ以降は偏角に２πの倍数を
加える。倍数は、何回このような変化が検出されたかで
決まる値である。一方、偏角が−πからπに変化した
ら、２πの倍数を１減らすという処理を施す。
【００１８】第二の従来法のスペクトルの微分とフーリ
エ変換の関係に基づく方法も、前述の文献２に示されて
いる。まず、式（１）を周波数について微分すると次式
を得る。 Ｘ'(ω） ＝ Σ｛−ｉｎ・ｘ（ｎ）・ｅｘｐ（−ｉωｎ）｝ ＝ Ｆ［−ｉｎ・ｘ（ｎ）］ （８） 従って、次の関係が成り立つ。これは、スペクトルばか
りでなく、フーリエ変換の関係にあるもの全てについて
成り立つ関係である。 ｉＸ'(ω）＝ Ｆ［ｎ・ｘ（ｎ）］ （９） ｘ（ｎ） ＝ ＦI ［ｉＸ’（ω）］／ｎ （１０） 一方、式（６）のＣ（ω）を微分すると、次式を得る。 Ｃ' （ω）＝ Ｘ'(ω）／Ｘ（ω） （１１） 式（１０）において、複素ケプストラムの場合を考える
と次の式が成り立つ。 ｃ（ｎ） ＝ ＦI ［ｉＣ’（ω）］／ｎ （１２） 式（１２）に式（１１）を代入し、さらに式（９）と式
（２）の関係を考えれば、複素ケプストラムは次に式
（１３）のように表されることが分かる。 ｃ（ｎ） ＝ ＦI ［ｉＸ'(ω）／Ｘ（ω）］／ｎ ＝ ＦI ［Ｆ［ｎ・ｘ（ｎ）］／Ｆ［ｘ（ｎ）］］／ｎ （１３） 式（１３）は、ｎ・ｘ（ｎ）のフーリエ変換をｘ（ｎ）
のフーリエ変換で割ったものを、逆変換してｎで割れ
ば、ｎ＝０以外の複素ケプストラムが求まることを示し
ている。ｎ＝０のときの複素ケプストラムは、別途求め
る必要があるが、これは通常のケプストラムのｎ＝０の
場合に等しい。この方法でも、実際のフーリエ変換の計
算にはＤＦＴを用いる。
エ変換の関係に基づく方法も、前述の文献２に示されて
いる。まず、式（１）を周波数について微分すると次式
を得る。 Ｘ'(ω） ＝ Σ｛−ｉｎ・ｘ（ｎ）・ｅｘｐ（−ｉωｎ）｝ ＝ Ｆ［−ｉｎ・ｘ（ｎ）］ （８） 従って、次の関係が成り立つ。これは、スペクトルばか
りでなく、フーリエ変換の関係にあるもの全てについて
成り立つ関係である。 ｉＸ'(ω）＝ Ｆ［ｎ・ｘ（ｎ）］ （９） ｘ（ｎ） ＝ ＦI ［ｉＸ’（ω）］／ｎ （１０） 一方、式（６）のＣ（ω）を微分すると、次式を得る。 Ｃ' （ω）＝ Ｘ'(ω）／Ｘ（ω） （１１） 式（１０）において、複素ケプストラムの場合を考える
と次の式が成り立つ。 ｃ（ｎ） ＝ ＦI ［ｉＣ’（ω）］／ｎ （１２） 式（１２）に式（１１）を代入し、さらに式（９）と式
（２）の関係を考えれば、複素ケプストラムは次に式
（１３）のように表されることが分かる。 ｃ（ｎ） ＝ ＦI ［ｉＸ'(ω）／Ｘ（ω）］／ｎ ＝ ＦI ［Ｆ［ｎ・ｘ（ｎ）］／Ｆ［ｘ（ｎ）］］／ｎ （１３） 式（１３）は、ｎ・ｘ（ｎ）のフーリエ変換をｘ（ｎ）
のフーリエ変換で割ったものを、逆変換してｎで割れ
ば、ｎ＝０以外の複素ケプストラムが求まることを示し
ている。ｎ＝０のときの複素ケプストラムは、別途求め
る必要があるが、これは通常のケプストラムのｎ＝０の
場合に等しい。この方法でも、実際のフーリエ変換の計
算にはＤＦＴを用いる。
【００１９】この第二の従来法の改良法として、以下の
文献に示されたものがある。文献３、ジェイ．トリボレ
ット、”ア ニュー フェーズ アンラッピング アル
ゴリズム”、アイ イー イー イー トランザクショ
ンズ、エイ エス エス ピー２５．ページ１７０〜１
７７、１９７７年４月、（Ｊ．Ｔｒｉｂｏｌｅｔ、”Ａ
Ｎｅｗ Ｐｈａｓｅ Ｕｎｗｒａｐｐｉｎｇ Ａｌｇ
ｏｒｉｔｈｍ”、ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎ
ｓ，ＡＳＳＰ−２５、ｐｐ．１７０−１７９、Ａｐｒｉ
ｌ １９７７） この方法は、式（１１）の右辺を式（８）を用いて求
め、数値積分によってＣ（ω）を求めるというものであ
る。ここでも、フーリエ変換にはＤＦＴを用いる。ただ
し、この例では位相を求めることを目的としているの
で、Ｃ（ω）の位相に関する部分のみ数値積分を行って
いる。
文献に示されたものがある。文献３、ジェイ．トリボレ
ット、”ア ニュー フェーズ アンラッピング アル
ゴリズム”、アイ イー イー イー トランザクショ
ンズ、エイ エス エス ピー２５．ページ１７０〜１
７７、１９７７年４月、（Ｊ．Ｔｒｉｂｏｌｅｔ、”Ａ
Ｎｅｗ Ｐｈａｓｅ Ｕｎｗｒａｐｐｉｎｇ Ａｌｇ
ｏｒｉｔｈｍ”、ＩＥＥＥ Ｔｒａｎｓａｃｔｉｏｎ
ｓ，ＡＳＳＰ−２５、ｐｐ．１７０−１７９、Ａｐｒｉ
ｌ １９７７） この方法は、式（１１）の右辺を式（８）を用いて求
め、数値積分によってＣ（ω）を求めるというものであ
る。ここでも、フーリエ変換にはＤＦＴを用いる。ただ
し、この例では位相を求めることを目的としているの
で、Ｃ（ω）の位相に関する部分のみ数値積分を行って
いる。
【００２０】第三の従来法の因数分解による方法は次の
文献に示されている。文献４、ケイ．スタイグリッツ、
ビー．ディッキンソン、”フェーズ アンラッピング
バイ ファクタライゼーション”、アイ イー イー
イー トランザクションズ、エイ エス エス ピー３
０．ページ９８４〜９９１、１９８２年１２月、（Ｋ．
Ｓｔｅｉｇｌｉｔｚ、”Ｐｈａｓｅ Ｕｎｗｒａｐｐｉ
ｎｇ ｂｙ Ｆａｃｔｏｒｉｚａｔｉｏｎ”、ＩＥＥＥ
Ｔｒａｎｓａｃｔｉｏｎｓ，ＡＳＳＰ−３０、ｐｐ．
９８４−９９１、Ｄｅｃｅｍｂｅｒ １９８２） これは、信号のスペクトルを表す関数を因数分解して、
その根から複素ケプストラムを求める方法である。因数
分解には数値解法によって高次方程式の根を求める方法
を用いる。スペクトルの関数が因数分解されていれば、
対数関数の性質から、スペクトルの対数は各因数の対数
の和で表される。従って、各項の複素ケプストラムが求
まれば、その和として全体の複素ケプストラムが求まる
ことになる。各項は一次の関数となるので、その複素ケ
プストラムは理論的に容易に求めることができることが
前述の文献２に示されている。
文献に示されている。文献４、ケイ．スタイグリッツ、
ビー．ディッキンソン、”フェーズ アンラッピング
バイ ファクタライゼーション”、アイ イー イー
イー トランザクションズ、エイ エス エス ピー３
０．ページ９８４〜９９１、１９８２年１２月、（Ｋ．
Ｓｔｅｉｇｌｉｔｚ、”Ｐｈａｓｅ Ｕｎｗｒａｐｐｉ
ｎｇ ｂｙ Ｆａｃｔｏｒｉｚａｔｉｏｎ”、ＩＥＥＥ
Ｔｒａｎｓａｃｔｉｏｎｓ，ＡＳＳＰ−３０、ｐｐ．
９８４−９９１、Ｄｅｃｅｍｂｅｒ １９８２） これは、信号のスペクトルを表す関数を因数分解して、
その根から複素ケプストラムを求める方法である。因数
分解には数値解法によって高次方程式の根を求める方法
を用いる。スペクトルの関数が因数分解されていれば、
対数関数の性質から、スペクトルの対数は各因数の対数
の和で表される。従って、各項の複素ケプストラムが求
まれば、その和として全体の複素ケプストラムが求まる
ことになる。各項は一次の関数となるので、その複素ケ
プストラムは理論的に容易に求めることができることが
前述の文献２に示されている。
【００２１】
【発明が解決しようとする課題】上述した従来の音声の
複素ケプストラム分析装置は、振幅スペクトルと位相特
性を表すパラメータである複素ケプストラムを抽出する
ことができるが、音声信号に適用しようとするとそれぞ
れ以下のような問題点がある。
複素ケプストラム分析装置は、振幅スペクトルと位相特
性を表すパラメータである複素ケプストラムを抽出する
ことができるが、音声信号に適用しようとするとそれぞ
れ以下のような問題点がある。
【００２２】第一の従来法である位相アンラップ法で
は、連続な変数である周波数の離散的な値においてスペ
クトルをサンプリングし、隣り合うサンプルの関数値が
連続であるか否かを判定するのでかなり無理があり、し
ばしば判定誤りを起すことがある。判定を誤って、２π
の倍数を足すべきところを足さなかったり、不必要な値
を足してしまったのでは正しい位相特性の推定はできな
い。非常に滑らかな位相特性ならば、周波数のサンプリ
ングをかなり細かくすることによってこのエラーは避け
られるが、音声信号、特に有声音の場合は、そのスペク
トルにピッチに応じた高調波構造が観測されるため、各
高調波の近傍で振幅スペクトルばかりでなく位相特性も
細かく変化する。その変化量はπに近いこともある。そ
のような場合は、２πの倍数を足すべきなのか引くべき
なのかの判定は困難であり、位相推定のエラーにつなが
ることになる。
は、連続な変数である周波数の離散的な値においてスペ
クトルをサンプリングし、隣り合うサンプルの関数値が
連続であるか否かを判定するのでかなり無理があり、し
ばしば判定誤りを起すことがある。判定を誤って、２π
の倍数を足すべきところを足さなかったり、不必要な値
を足してしまったのでは正しい位相特性の推定はできな
い。非常に滑らかな位相特性ならば、周波数のサンプリ
ングをかなり細かくすることによってこのエラーは避け
られるが、音声信号、特に有声音の場合は、そのスペク
トルにピッチに応じた高調波構造が観測されるため、各
高調波の近傍で振幅スペクトルばかりでなく位相特性も
細かく変化する。その変化量はπに近いこともある。そ
のような場合は、２πの倍数を足すべきなのか引くべき
なのかの判定は困難であり、位相推定のエラーにつなが
ることになる。
【００２３】次に、第二の従来法のスペクトルの微分と
フーリエ変換の関係に基づくものには以下のような問題
がある。理論的には、ケプストラムは通常のケプストラ
ムも複素ケプストラムも、無限の継続時間を有すること
が知られている。ＤＦＴを用いて計算する場合は、ωを
サンプリングすることになるため、無限の継続時間を有
するケプストラムは時間領域において折り返しが生じる
ことになる。これは、周波数領域において帯域制限され
ていない信号を時間領域でサンプリングすると周波数領
域において折り返しが生じて誤差の原因になるのと双対
な関係である。この時間領域での折返しは、ケプストラ
ムをＤＦＴを用いて算出する際には避けがたい問題であ
るが、ケプストラムは値が時間の逆数に比例して減少す
ることが知られているので、ＤＦＴの点数を十分に大き
くとればあまり影響を受けず問題にならない。
フーリエ変換の関係に基づくものには以下のような問題
がある。理論的には、ケプストラムは通常のケプストラ
ムも複素ケプストラムも、無限の継続時間を有すること
が知られている。ＤＦＴを用いて計算する場合は、ωを
サンプリングすることになるため、無限の継続時間を有
するケプストラムは時間領域において折り返しが生じる
ことになる。これは、周波数領域において帯域制限され
ていない信号を時間領域でサンプリングすると周波数領
域において折り返しが生じて誤差の原因になるのと双対
な関係である。この時間領域での折返しは、ケプストラ
ムをＤＦＴを用いて算出する際には避けがたい問題であ
るが、ケプストラムは値が時間の逆数に比例して減少す
ることが知られているので、ＤＦＴの点数を十分に大き
くとればあまり影響を受けず問題にならない。
【００２４】しかし、スペクトルの微分の逆変換を求め
る場合は、式（１３）にあるように１／ｎ倍にするまえ
に逆変換を施すため、この段階で折り返しが生じてその
影響を受けやすい。特に有声音のスペクトルの場合は前
述のようにピッチに応じた高調波構造が観測され、この
微分は周波数領域においてピッチ周波数ごとのパルス列
のように観測されることになる。それを逆変換したもの
は時間領域でのピッチ周期ごとのパルス列となり、これ
が通常のケプストラムより強調されたように観測され折
返しの影響が避けられない。実際の音声信号を１０ｋＨ
ｚでサンプリングし２０ミリ秒から３０ミリ秒の窓を掛
けたデータ、即ち２００サンプルから３００サンプル程
度のデータで分析実験を行ったところ、８１９２点の高
速フーリエ変換を用いて抽出したスペクトル包絡に折返
し誤差の影響が大きく表れていたことが確認された。
る場合は、式（１３）にあるように１／ｎ倍にするまえ
に逆変換を施すため、この段階で折り返しが生じてその
影響を受けやすい。特に有声音のスペクトルの場合は前
述のようにピッチに応じた高調波構造が観測され、この
微分は周波数領域においてピッチ周波数ごとのパルス列
のように観測されることになる。それを逆変換したもの
は時間領域でのピッチ周期ごとのパルス列となり、これ
が通常のケプストラムより強調されたように観測され折
返しの影響が避けられない。実際の音声信号を１０ｋＨ
ｚでサンプリングし２０ミリ秒から３０ミリ秒の窓を掛
けたデータ、即ち２００サンプルから３００サンプル程
度のデータで分析実験を行ったところ、８１９２点の高
速フーリエ変換を用いて抽出したスペクトル包絡に折返
し誤差の影響が大きく表れていたことが確認された。
【００２５】最後に第三の従来例の方法によれば、連続
性の判定エラーや、周波数のサンプリングによる時間領
域での折返し誤差の影響を受けることはない。しかしな
がら音声分析においては、例えばサンプリング周波数が
１０ｋＨｚ程度で、分析窓の長さが１０ミリ秒から数十
ミリ秒とすると、少なくとも１００点以上、数百点程度
のデータを用いて分析することになる。このため、この
ときのスペクトルの関数は１００次ないし数百次の多項
式となる。このような高次の多項式の因数分解を、フレ
ームごとに行うのは膨大な演算を要し事実上不可能であ
る。また、数値解法によってすべての因数を求められる
保証もない。
性の判定エラーや、周波数のサンプリングによる時間領
域での折返し誤差の影響を受けることはない。しかしな
がら音声分析においては、例えばサンプリング周波数が
１０ｋＨｚ程度で、分析窓の長さが１０ミリ秒から数十
ミリ秒とすると、少なくとも１００点以上、数百点程度
のデータを用いて分析することになる。このため、この
ときのスペクトルの関数は１００次ないし数百次の多項
式となる。このような高次の多項式の因数分解を、フレ
ームごとに行うのは膨大な演算を要し事実上不可能であ
る。また、数値解法によってすべての因数を求められる
保証もない。
【００２６】以上述べたごとく、これらの従来の技術を
音声の複素ケプストラム分析に適用するには、判定エラ
ーや誤差の影響が避けられないといった問題点や、現実
的に求めることができない等の問題点がある。
音声の複素ケプストラム分析に適用するには、判定エラ
ーや誤差の影響が避けられないといった問題点や、現実
的に求めることができない等の問題点がある。
【００２７】本発明の目的は、音声信号をディジタル化
したデータを分析し、これの対数振幅スペクトルと位相
特性を表すパラメータである複素ケプストラムを、比較
的少ない演算量で高精度に抽出する音声の複素ケプスト
ラム分析装置を提供することにある。
したデータを分析し、これの対数振幅スペクトルと位相
特性を表すパラメータである複素ケプストラムを、比較
的少ない演算量で高精度に抽出する音声の複素ケプスト
ラム分析装置を提供することにある。
【００２８】
【課題を解決するための手段】第１の音声の複素ケプス
トラム分析装置は、音声信号をディジタル化して窓を掛
けたデータを分析し複素ケプストラムを抽出する音声の
複素ケプストラム分析装置において、前記窓を掛けた音
声データの各サンプルを入力する入力端子と、この入力
端子と接続し入力する前記窓を掛けた音声データの各サ
ンプルに離散的フーリエ変換を施して音声のスペクトル
を出力する第１の離散的フーリエ変換手段と、前記入力
端子と接続し入力する前記窓を掛けた音声データの各サ
ンプルに第１の時刻発生手段の発生する各時刻の値を掛
ける掛算手段と、この掛算手段の出力に離散的フーリエ
変換を施して微分スペクトルとして出力する第２の離散
的フーリエ変換手段と、前記第１の離散的フーリエ変換
手段の出力する音声のスペクトルの絶対値の対数を算出
し対数振幅スペクトルとして出力する対数振幅スペクト
ル算出手段と、この対数振幅スペクトル算出手段が出力
する対数振幅スペクトルに対し離散的逆フーリエ変換を
施して対数振幅スペクトルに対応する時間関数として出
力する第１の離散的逆フーリエ変換手段と、前記第２の
離散的フーリエ変換手段から入力する微分スペクトルを
前記第１の離散的フーリエ変換手段から入力する音声の
スペクトルで割った商の実数部を出力する商実数部算出
手段と、この商実数部算出手段の出力する商の実数部に
対し離散的逆フーリエ変換を施して前記商の実数部に対
応する時間関数を出力する第２の離散的逆フーリエ変換
手段と、前記商の実数部に対応する時間関数の各サンプ
ルの値を第２の時刻発生手段の発生する各時刻の値で割
算し音声のスペクトルの位相に対応する時間関数として
出力する割算手段と、この割算手段の出力する音声のス
ペクトルの位相に対応する時間関数と前記第１の離散的
逆フーリエ変換手段の出力する対数振幅スペクトルに対
応する時間関数との各時刻の値を加え合わせて複素ケプ
ストラムの各時刻の値として求め出力端子に出力する加
算手段とを有する構成である。
トラム分析装置は、音声信号をディジタル化して窓を掛
けたデータを分析し複素ケプストラムを抽出する音声の
複素ケプストラム分析装置において、前記窓を掛けた音
声データの各サンプルを入力する入力端子と、この入力
端子と接続し入力する前記窓を掛けた音声データの各サ
ンプルに離散的フーリエ変換を施して音声のスペクトル
を出力する第１の離散的フーリエ変換手段と、前記入力
端子と接続し入力する前記窓を掛けた音声データの各サ
ンプルに第１の時刻発生手段の発生する各時刻の値を掛
ける掛算手段と、この掛算手段の出力に離散的フーリエ
変換を施して微分スペクトルとして出力する第２の離散
的フーリエ変換手段と、前記第１の離散的フーリエ変換
手段の出力する音声のスペクトルの絶対値の対数を算出
し対数振幅スペクトルとして出力する対数振幅スペクト
ル算出手段と、この対数振幅スペクトル算出手段が出力
する対数振幅スペクトルに対し離散的逆フーリエ変換を
施して対数振幅スペクトルに対応する時間関数として出
力する第１の離散的逆フーリエ変換手段と、前記第２の
離散的フーリエ変換手段から入力する微分スペクトルを
前記第１の離散的フーリエ変換手段から入力する音声の
スペクトルで割った商の実数部を出力する商実数部算出
手段と、この商実数部算出手段の出力する商の実数部に
対し離散的逆フーリエ変換を施して前記商の実数部に対
応する時間関数を出力する第２の離散的逆フーリエ変換
手段と、前記商の実数部に対応する時間関数の各サンプ
ルの値を第２の時刻発生手段の発生する各時刻の値で割
算し音声のスペクトルの位相に対応する時間関数として
出力する割算手段と、この割算手段の出力する音声のス
ペクトルの位相に対応する時間関数と前記第１の離散的
逆フーリエ変換手段の出力する対数振幅スペクトルに対
応する時間関数との各時刻の値を加え合わせて複素ケプ
ストラムの各時刻の値として求め出力端子に出力する加
算手段とを有する構成である。
【００２９】第２の音声の複素ケプストラム分析装置
は、音声信号をディジタル化して窓を掛けたデータを分
析し複素ケプストラムを抽出する音声の複素ケプストラ
ム分析装置において、前記窓を掛けた音声データの各サ
ンプルを入力する入力端子と接続する第１の緩衝記憶手
段と、前記入力端子と接続し入力する前記窓を掛けた音
声データの各サンプルに時刻発生手段の発生する各時刻
の値を掛ける掛算手段と、この掛算手段と接続し前記掛
算手段の出力を入力する第２の緩衝記憶手段と、前記第
１の緩衝記憶手段および第２の緩衝記憶手段と接続し入
力するデータに一時期には順変換および逆変換のいずれ
か一方の変換を行い結果を前記第１の緩衝記憶手段およ
び第２の緩衝記憶手段の前記データを入力した側の緩衝
記憶手段に折返し出力する離散的フーリエ変換手段とを
有し、まず前記第１の緩衝記憶手段に記憶した前記窓を
掛けた音声データの各サンプルに前記離散的フーリエ変
換手段が離散的フーリエ変換を施して出力する音声のス
ペクトルを前記第１の緩衝記憶手段に記憶し、続いて前
記第２の緩衝記憶手段に記憶した前記掛算手段の出力し
たデータの各サンプルに前記離散的フーリエ変換手段が
離散的フーリエ変換を施して出力する微分スペクトルを
前記第２の緩衝記憶手段に記憶し、さらに、前記第２の
緩衝記憶手段から入力した前記微分スペクトルを前記第
１の緩衝記憶手段から入力した前記音声のスペクトルで
割った商の実数部を前記第２の緩衝記憶手段に折返し出
力する商実数部算出手段と、前記第２の緩衝記憶手段に
入力した前記商の実数部に対し前記離散的フーリエ変換
手段が逆変換を施し前記第２の緩衝記憶手段に折返し格
納済の逆変換の結果に対し対応する時間関数の各サンプ
ルの値を前記時刻発生手段の発生する各時刻の値で割算
し音声のスペクトルの位相に対応する時間関数として前
記第２の緩衝記憶手段に折返し出力する割算手段と、前
記第１の緩衝記憶手段に記憶した前記音声のスペクトル
の絶対値の対数を算出し対数振幅スペクトルとして折返
し前記第１の緩衝記憶手段に出力する対数振幅スペクト
ル算出手段と、前記第１の緩衝記憶手段に入力した前記
対数振幅スペクトルに対し前記離散的フーリエ変換手段
が逆変換を施し前記第１の緩衝記憶手段に折返し格納済
の前記対数振幅スペクトルに対応する時間関数と前記第
２の緩衝記憶手段に格納済の音声のスペクトルの位相に
対応する時間関数との各時刻の値を加え合わせて複素ケ
プストラムの各時刻の値を求め出力端子に出力する加算
手段とを有する構成である。
は、音声信号をディジタル化して窓を掛けたデータを分
析し複素ケプストラムを抽出する音声の複素ケプストラ
ム分析装置において、前記窓を掛けた音声データの各サ
ンプルを入力する入力端子と接続する第１の緩衝記憶手
段と、前記入力端子と接続し入力する前記窓を掛けた音
声データの各サンプルに時刻発生手段の発生する各時刻
の値を掛ける掛算手段と、この掛算手段と接続し前記掛
算手段の出力を入力する第２の緩衝記憶手段と、前記第
１の緩衝記憶手段および第２の緩衝記憶手段と接続し入
力するデータに一時期には順変換および逆変換のいずれ
か一方の変換を行い結果を前記第１の緩衝記憶手段およ
び第２の緩衝記憶手段の前記データを入力した側の緩衝
記憶手段に折返し出力する離散的フーリエ変換手段とを
有し、まず前記第１の緩衝記憶手段に記憶した前記窓を
掛けた音声データの各サンプルに前記離散的フーリエ変
換手段が離散的フーリエ変換を施して出力する音声のス
ペクトルを前記第１の緩衝記憶手段に記憶し、続いて前
記第２の緩衝記憶手段に記憶した前記掛算手段の出力し
たデータの各サンプルに前記離散的フーリエ変換手段が
離散的フーリエ変換を施して出力する微分スペクトルを
前記第２の緩衝記憶手段に記憶し、さらに、前記第２の
緩衝記憶手段から入力した前記微分スペクトルを前記第
１の緩衝記憶手段から入力した前記音声のスペクトルで
割った商の実数部を前記第２の緩衝記憶手段に折返し出
力する商実数部算出手段と、前記第２の緩衝記憶手段に
入力した前記商の実数部に対し前記離散的フーリエ変換
手段が逆変換を施し前記第２の緩衝記憶手段に折返し格
納済の逆変換の結果に対し対応する時間関数の各サンプ
ルの値を前記時刻発生手段の発生する各時刻の値で割算
し音声のスペクトルの位相に対応する時間関数として前
記第２の緩衝記憶手段に折返し出力する割算手段と、前
記第１の緩衝記憶手段に記憶した前記音声のスペクトル
の絶対値の対数を算出し対数振幅スペクトルとして折返
し前記第１の緩衝記憶手段に出力する対数振幅スペクト
ル算出手段と、前記第１の緩衝記憶手段に入力した前記
対数振幅スペクトルに対し前記離散的フーリエ変換手段
が逆変換を施し前記第１の緩衝記憶手段に折返し格納済
の前記対数振幅スペクトルに対応する時間関数と前記第
２の緩衝記憶手段に格納済の音声のスペクトルの位相に
対応する時間関数との各時刻の値を加え合わせて複素ケ
プストラムの各時刻の値を求め出力端子に出力する加算
手段とを有する構成である。
【００３０】第３の音声の複素ケプストラム分析装置
は、音声信号をディジタル化して窓を掛けたデータを分
析し複素ケプストラムを抽出する音声の複素ケプストラ
ム分析装置において、前記窓を掛けた音声データの各サ
ンプルを入力する入力端子と接続する第１の緩衝記憶手
段と、前記入力端子と接続し入力する前記窓を掛けた音
声データの各サンプルに時刻発生手段の発生する各時刻
の値を掛ける掛算手段と、この掛算手段と接続し前記掛
算手段の出力を入力する第２の緩衝記憶手段と、前記第
１の緩衝記憶手段および第２の緩衝記憶手段と接続し入
力するデータに一時期には順変換および逆変換のいずれ
か一方の変換を行い結果を前記第１の緩衝記憶手段およ
び第２の緩衝記憶手段の前記データを入力した側の緩衝
記憶手段に折返し出力する離散的フーリエ変換手段とを
有し、まず前記第１の緩衝記憶手段に記憶した前記窓を
掛けた音声データの各サンプルに前記離散的フーリエ変
換手段が離散的フーリエ変換を施して出力する音声のス
ペクトルを前記第１の緩衝記憶手段に記憶し、続いて前
記第２の緩衝記憶手段に記憶した前記掛算手段の出力し
たデータの各サンプルに前記離散的フーリエ変換手段が
離散的フーリエ変換を施して出力する微分スペクトルを
前記第２の緩衝記憶手段に記憶し、さらに、前記第２の
緩衝記憶手段から入力した前記微分スペクトルを前記第
１の緩衝記憶手段から入力した前記音声のスペクトルで
割った商の実数部を前記第２の緩衝記憶手段に折返し出
力する商実数部算出手段と、前記第２の緩衝記憶手段に
入力した前記商の実数部に対し前記離散的フーリエ変換
手段が逆変換を施し前記第２の緩衝記憶手段に折返し格
納済の逆変換の結果に対し対応する時間関数の各サンプ
ルの値を前記時刻発生手段の発生する各時刻の値で割算
し音声のスペクトルの位相に対応する時間関数として前
記第２の緩衝記憶手段に折返し出力する割算手段と、前
記離散的フーリエ変換手段が前記第２の緩衝記憶手段か
ら前記音声のスペクトルの位相に対応する時間関数を受
け、離散的フーリエ変換を施してスペクトルの位相を求
めて前記第２の緩衝記憶手段に折返し出力した後を受
け、前記第１の緩衝記憶手段から入力する前記音声のス
ペクトルの実数部と虚数部の逆正接を算出して偏角を求
める偏角算出手段と、前記第２の緩衝記憶手段に記憶し
たスペクトルの位相を受け前記偏角算出手段の算出した
偏角の値で補正し前記第２の緩衝記憶手段に出力する位
相補正手段と、前記離散的フーリエ変換手段が前記第２
の緩衝記憶手段に記憶した補正したスペクトルの位相に
対し離散的逆フーリエ変換を施して補正したスペクトル
の位相に対応する時間関数を求めて前記第２の緩衝記憶
手段に折返し出力した後を受け、前記第１の緩衝記憶手
段に記憶した前記音声のスペクトルの絶対値の対数を算
出し対数振幅スペクトルとして折返し前記第１の緩衝記
憶手段に出力する対数振幅スペクトル算出手段と、前記
第１の緩衝記憶手段に入力した前記対数振幅スペクトル
に対し前記離散的フーリエ変換手段が逆変換を施し前記
第１の緩衝記憶手段に折返し格納済の前記対数振幅スペ
クトルに対応する時間関数と前記第２の緩衝記憶手段に
格納済の位相補正済の音声のスペクトルの位相に対応す
る時間関数との各時刻の値を加え合わせて複素ケプスト
ラムの各時刻の値を求め出力端子に出力する加算手段と
を有する構成である。
は、音声信号をディジタル化して窓を掛けたデータを分
析し複素ケプストラムを抽出する音声の複素ケプストラ
ム分析装置において、前記窓を掛けた音声データの各サ
ンプルを入力する入力端子と接続する第１の緩衝記憶手
段と、前記入力端子と接続し入力する前記窓を掛けた音
声データの各サンプルに時刻発生手段の発生する各時刻
の値を掛ける掛算手段と、この掛算手段と接続し前記掛
算手段の出力を入力する第２の緩衝記憶手段と、前記第
１の緩衝記憶手段および第２の緩衝記憶手段と接続し入
力するデータに一時期には順変換および逆変換のいずれ
か一方の変換を行い結果を前記第１の緩衝記憶手段およ
び第２の緩衝記憶手段の前記データを入力した側の緩衝
記憶手段に折返し出力する離散的フーリエ変換手段とを
有し、まず前記第１の緩衝記憶手段に記憶した前記窓を
掛けた音声データの各サンプルに前記離散的フーリエ変
換手段が離散的フーリエ変換を施して出力する音声のス
ペクトルを前記第１の緩衝記憶手段に記憶し、続いて前
記第２の緩衝記憶手段に記憶した前記掛算手段の出力し
たデータの各サンプルに前記離散的フーリエ変換手段が
離散的フーリエ変換を施して出力する微分スペクトルを
前記第２の緩衝記憶手段に記憶し、さらに、前記第２の
緩衝記憶手段から入力した前記微分スペクトルを前記第
１の緩衝記憶手段から入力した前記音声のスペクトルで
割った商の実数部を前記第２の緩衝記憶手段に折返し出
力する商実数部算出手段と、前記第２の緩衝記憶手段に
入力した前記商の実数部に対し前記離散的フーリエ変換
手段が逆変換を施し前記第２の緩衝記憶手段に折返し格
納済の逆変換の結果に対し対応する時間関数の各サンプ
ルの値を前記時刻発生手段の発生する各時刻の値で割算
し音声のスペクトルの位相に対応する時間関数として前
記第２の緩衝記憶手段に折返し出力する割算手段と、前
記離散的フーリエ変換手段が前記第２の緩衝記憶手段か
ら前記音声のスペクトルの位相に対応する時間関数を受
け、離散的フーリエ変換を施してスペクトルの位相を求
めて前記第２の緩衝記憶手段に折返し出力した後を受
け、前記第１の緩衝記憶手段から入力する前記音声のス
ペクトルの実数部と虚数部の逆正接を算出して偏角を求
める偏角算出手段と、前記第２の緩衝記憶手段に記憶し
たスペクトルの位相を受け前記偏角算出手段の算出した
偏角の値で補正し前記第２の緩衝記憶手段に出力する位
相補正手段と、前記離散的フーリエ変換手段が前記第２
の緩衝記憶手段に記憶した補正したスペクトルの位相に
対し離散的逆フーリエ変換を施して補正したスペクトル
の位相に対応する時間関数を求めて前記第２の緩衝記憶
手段に折返し出力した後を受け、前記第１の緩衝記憶手
段に記憶した前記音声のスペクトルの絶対値の対数を算
出し対数振幅スペクトルとして折返し前記第１の緩衝記
憶手段に出力する対数振幅スペクトル算出手段と、前記
第１の緩衝記憶手段に入力した前記対数振幅スペクトル
に対し前記離散的フーリエ変換手段が逆変換を施し前記
第１の緩衝記憶手段に折返し格納済の前記対数振幅スペ
クトルに対応する時間関数と前記第２の緩衝記憶手段に
格納済の位相補正済の音声のスペクトルの位相に対応す
る時間関数との各時刻の値を加え合わせて複素ケプスト
ラムの各時刻の値を求め出力端子に出力する加算手段と
を有する構成である。
【００３１】また、第２，第３の音声の複素ケプストラ
ム分析装置の各手段間の接続を共通バスとし、緩衝記憶
手段と離散的フーリエ変換手段とを時分割多重使用して
もよい。
ム分析装置の各手段間の接続を共通バスとし、緩衝記憶
手段と離散的フーリエ変換手段とを時分割多重使用して
もよい。
【００３２】
【作用】本願発明では、複素ケプストラムのうち位相に
対応する成分と対数振幅に対応する成分を個別に求めて
それぞれの和で複素ケプストラムを求める点に特徴があ
る。その際、微分スペクトルを音声のスペクトルで割っ
た値の実数部を求め、これに対し離散的逆フーリエ変換
を施したものの各時刻のサンプルに各時刻の値をかけて
位相に対応する時間関数を求めている点が、特に従来の
複素ケプストラム分析と異なる点である。本発明でも、
位相に対応する成分を求める際には、第二の従来法と同
様に、スペクトルの微分とフーリエ変換の関係を利用し
ている。しかし、第二の従来法では、前述の式（１３）
に従って、微分スペクトルを音声のスペクトルで割った
ものを逆変換し、さらに時刻の値を掛けて複素ケプスト
ラムを求めていたのに対し、本発明では微分スペクトル
を音声のスペクトルで割ったものの実数部のみを逆変換
し、さらに時刻の値を掛けて位相に対応する成分を求め
る点が異なっている。
対応する成分と対数振幅に対応する成分を個別に求めて
それぞれの和で複素ケプストラムを求める点に特徴があ
る。その際、微分スペクトルを音声のスペクトルで割っ
た値の実数部を求め、これに対し離散的逆フーリエ変換
を施したものの各時刻のサンプルに各時刻の値をかけて
位相に対応する時間関数を求めている点が、特に従来の
複素ケプストラム分析と異なる点である。本発明でも、
位相に対応する成分を求める際には、第二の従来法と同
様に、スペクトルの微分とフーリエ変換の関係を利用し
ている。しかし、第二の従来法では、前述の式（１３）
に従って、微分スペクトルを音声のスペクトルで割った
ものを逆変換し、さらに時刻の値を掛けて複素ケプスト
ラムを求めていたのに対し、本発明では微分スペクトル
を音声のスペクトルで割ったものの実数部のみを逆変換
し、さらに時刻の値を掛けて位相に対応する成分を求め
る点が異なっている。
【００３３】この背景としては、対数振幅スペクトルと
位相とで微分による時間領域での折返しの影響が異なる
という音声の性質を利用しようとするものである。
位相とで微分による時間領域での折返しの影響が異なる
という音声の性質を利用しようとするものである。
【００３４】即ち、前述の発明が解決しようとする課題
において指摘したように、音声の対数振幅スペクトルは
ピッチ周波数ごとの高調波構造があるため、これを微分
すると時間領域においては極めて長時間、理論的には無
限に継続するパルス列として観測されることになる。こ
のために、時間領域での折返しの影響を避けがたいとい
う問題があった。これに対し、スペクトルの位相は対数
振幅スペクトルに比べれば、ピッチ周波数ごとの変化は
比較的滑らかである。従って、これらの微分も対数振幅
スペクトルの微分のようにパルス状の特性にはならず、
また対応する時間関数も比較的短時間に減衰するという
性質があり折返しの影響を受けにくい。
において指摘したように、音声の対数振幅スペクトルは
ピッチ周波数ごとの高調波構造があるため、これを微分
すると時間領域においては極めて長時間、理論的には無
限に継続するパルス列として観測されることになる。こ
のために、時間領域での折返しの影響を避けがたいとい
う問題があった。これに対し、スペクトルの位相は対数
振幅スペクトルに比べれば、ピッチ周波数ごとの変化は
比較的滑らかである。従って、これらの微分も対数振幅
スペクトルの微分のようにパルス状の特性にはならず、
また対応する時間関数も比較的短時間に減衰するという
性質があり折返しの影響を受けにくい。
【００３５】なお、微分スペクトルをスペクトルで割っ
たものの実数部から位相に対応する成分が求められるこ
とは以下の原理による。まず、スペクトルの複素対数を
次のように表す。 Ｃ（ω）＝ ｌｏｇ（Ｘ（ω）） ＝ Ａ（ω）＋ｉＢ（ω） （１４） このとき、実数部Ａ（ω）が対数振幅スペクトルで、虚
数部Ｂ（ω）が位相である。それぞれの逆変換を次のよ
うにａ（ｎ）およびｂ（ｎ）とすれば、複素ケプストラ
ムは式（１７）のようになる。 ａ（ｎ）＝ ＦI ［Ａ（ω）］ （１５） ｂ（ｎ）＝ ＦI ［ｉＢ（ω）］ （１６） ｃ（ｎ）＝ ａ（ｎ） ＋ ｂ（ｎ） （１７） 一方、式（１３）から、微分スペクトルを音声のスペク
トルで割ったものは、式（１４）を微分して虚数単位を
掛けたものであるから、これを求めると以下のようにな
る。 ｉＣ'(ω）＝ Ｆ［ｎ・ｘ（ｎ）］／Ｆ［ｘ（ｎ）］ ＝ ｉＡ'(ω）−Ｂ'(ω） （１８） これから次式を得る。 −Ｂ'(ω）＝ Ｒe[Ｆ［ｎ・ｘ（ｎ）］／Ｆ［ｘ（ｎ）］］ （１９） ここに、Ｒe[ ］は実数部をとる演算を意味する。ここ
で、再び式（１０）の関係に式（１６）を適用して次式
が得られる。 ｂ（ｎ）＝ ＦI ［ ｉ（ｉＢ'(ω））］／ｎ ＝ ＦI ［ −Ｂ'(ω））］／ｎ ＝ ＦI ［Ｒe[Ｆ［ｎ・ｘ（ｎ）］／Ｆ［ｘ（ｎ）］］］／ｎ （２０） これは、微分スペクトルを音声のスペクトルで割ったも
のの実数部の逆変換の各時刻における値を時刻で割った
ものが、位相に対応する時間関数であることを示してい
る。このとき、割り算は複素数の演算として行う必要が
あるが、結果の実数部のみが必要なので、複素除算の後
に実数部を取り出すより、実数部のみを求めるようにし
た方が演算量は少ない。
たものの実数部から位相に対応する成分が求められるこ
とは以下の原理による。まず、スペクトルの複素対数を
次のように表す。 Ｃ（ω）＝ ｌｏｇ（Ｘ（ω）） ＝ Ａ（ω）＋ｉＢ（ω） （１４） このとき、実数部Ａ（ω）が対数振幅スペクトルで、虚
数部Ｂ（ω）が位相である。それぞれの逆変換を次のよ
うにａ（ｎ）およびｂ（ｎ）とすれば、複素ケプストラ
ムは式（１７）のようになる。 ａ（ｎ）＝ ＦI ［Ａ（ω）］ （１５） ｂ（ｎ）＝ ＦI ［ｉＢ（ω）］ （１６） ｃ（ｎ）＝ ａ（ｎ） ＋ ｂ（ｎ） （１７） 一方、式（１３）から、微分スペクトルを音声のスペク
トルで割ったものは、式（１４）を微分して虚数単位を
掛けたものであるから、これを求めると以下のようにな
る。 ｉＣ'(ω）＝ Ｆ［ｎ・ｘ（ｎ）］／Ｆ［ｘ（ｎ）］ ＝ ｉＡ'(ω）−Ｂ'(ω） （１８） これから次式を得る。 −Ｂ'(ω）＝ Ｒe[Ｆ［ｎ・ｘ（ｎ）］／Ｆ［ｘ（ｎ）］］ （１９） ここに、Ｒe[ ］は実数部をとる演算を意味する。ここ
で、再び式（１０）の関係に式（１６）を適用して次式
が得られる。 ｂ（ｎ）＝ ＦI ［ ｉ（ｉＢ'(ω））］／ｎ ＝ ＦI ［ −Ｂ'(ω））］／ｎ ＝ ＦI ［Ｒe[Ｆ［ｎ・ｘ（ｎ）］／Ｆ［ｘ（ｎ）］］］／ｎ （２０） これは、微分スペクトルを音声のスペクトルで割ったも
のの実数部の逆変換の各時刻における値を時刻で割った
ものが、位相に対応する時間関数であることを示してい
る。このとき、割り算は複素数の演算として行う必要が
あるが、結果の実数部のみが必要なので、複素除算の後
に実数部を取り出すより、実数部のみを求めるようにし
た方が演算量は少ない。
【００３６】なお、ここで微分スペクトルと略称してい
るものは、時間領域で時刻を掛けたもののフーリエ変換
であって、厳密には音声のスペクトルの微分に虚数単位
を掛けたものというべきであるが、簡単のためこのよう
に呼称する。
るものは、時間領域で時刻を掛けたもののフーリエ変換
であって、厳密には音声のスペクトルの微分に虚数単位
を掛けたものというべきであるが、簡単のためこのよう
に呼称する。
【００３７】第３の発明では、第１の発明と同様にして
位相に対応する成分を求めた後、直ちに対数振幅スペク
トルの成分と加え合わせるのではなく、一旦周波数領域
に変換して位相の第一次近似とし、これともとのスペク
トルの偏角との比較を行い、位相の値を修正したものを
再び逆変換し、これと対数振幅スペクトルの成分と加え
合わせることでより高精度な分析を行うものである。折
返しによる誤差はごくわずかであるから、位相の第一次
近似と偏角とを比較すれば、連続性の判定を行うことな
く２πの倍数を誤りなく求められる。位相の第一次近似
と偏角との差を整数に丸めたものが２πの倍数であり、
このときの丸め誤差が折返しによる誤差である。これを
もとに第一次近似の位相をより正確な位相に修正し、こ
の逆変換と振幅スペクトルに対応する成分の和でより高
精度な複素ケプストラム分析が可能になる。
位相に対応する成分を求めた後、直ちに対数振幅スペク
トルの成分と加え合わせるのではなく、一旦周波数領域
に変換して位相の第一次近似とし、これともとのスペク
トルの偏角との比較を行い、位相の値を修正したものを
再び逆変換し、これと対数振幅スペクトルの成分と加え
合わせることでより高精度な分析を行うものである。折
返しによる誤差はごくわずかであるから、位相の第一次
近似と偏角とを比較すれば、連続性の判定を行うことな
く２πの倍数を誤りなく求められる。位相の第一次近似
と偏角との差を整数に丸めたものが２πの倍数であり、
このときの丸め誤差が折返しによる誤差である。これを
もとに第一次近似の位相をより正確な位相に修正し、こ
の逆変換と振幅スペクトルに対応する成分の和でより高
精度な複素ケプストラム分析が可能になる。
【００３８】
【実施例】次に、本発明の実施例について図面を参照し
て説明する。
て説明する。
【００３９】以下に述べる複数の実施例に共通な事項と
しては、まず、音声信号をディジタル化して窓を掛けた
データを入力とするものとして説明し、このデータを単
に音声データと呼ぶこととする。従って、時間的に変化
するスペクトルを分析するためには、異なる時間の音声
データを次々と本実施例の装置に供給することが必要で
あるが、ここでは音声データの１フレーム分の分析を行
うものとして説明する。窓関数としては、ハニング窓や
ハミング窓あるいは矩形窓など目的に合ったものならど
れでも良い。離散的フーリエ変換の点数と窓の長さとは
一般に異なるが、この場合は窓を掛けたデータ以外は０
であるとして分析を行うことになる。図１は第１の発明
の一実施例のブロック図である。
しては、まず、音声信号をディジタル化して窓を掛けた
データを入力とするものとして説明し、このデータを単
に音声データと呼ぶこととする。従って、時間的に変化
するスペクトルを分析するためには、異なる時間の音声
データを次々と本実施例の装置に供給することが必要で
あるが、ここでは音声データの１フレーム分の分析を行
うものとして説明する。窓関数としては、ハニング窓や
ハミング窓あるいは矩形窓など目的に合ったものならど
れでも良い。離散的フーリエ変換の点数と窓の長さとは
一般に異なるが、この場合は窓を掛けたデータ以外は０
であるとして分析を行うことになる。図１は第１の発明
の一実施例のブロック図である。
【００４０】第１の発明の音声の複素ケプストラム分析
装置３１は、窓を掛けた音声データの各サンプルを入力
する入力端子２１と、入力端子２１と接続し入力する音
声データの各サンプルに離散的フーリエ変換を施して音
声のスペクトルを出力する離散的フーリエ変換器Ａ１
と、入力端子２１と接続し入力する音声データの各サン
プルに時刻発生器Ａ５の発生する各時刻の値を掛ける掛
算器４と、掛算器４の出力に離散的フーリエ変換を施し
て微分スペクトルとして出力する離散的フーリエ変換器
Ｂ６と、離散的フーリエ変換器Ａ１の出力する音声のス
ペクトルの絶対値の対数を算出し対数振幅スペクトルと
して出力する対数振幅スペクトル算出器２と、対数振幅
スペクトル算出器２が出力する対数振幅スペクトルに対
し離散的逆フーリエ変換を施して対数振幅スペクトルに
対応する時間関数として出力する離散的逆フーリエ変換
器Ａ３と、離散的フーリエ変換器Ｂ６から入力する微分
スペクトルを離散的フーリエ変換器Ａ１から入力する音
声のスペクトルで割った商の実数部を出力する商実数部
算出器７と、商実数部算出器７の出力する商の実数部に
対し離散的逆フーリエ変換を施して商の実数部に対応す
る時間関数を出力する離散的逆フーリエ変換器Ｂ８と、
商の実数部に対応する時間関数の各サンプルの値を時刻
発生器Ｂ１０の発生する各時刻の値で割算し音声のスペ
クトルの位相に対応する時間関数として出力する割算器
９と、割算器９の出力する音声のスペクトルの位相に対
応する時間関数と離散的逆フーリエ変換器Ａ３の出力す
る対数振幅スペクトルに対応する時間関数との各時刻の
値を加え合わせて複素ケプストラムの各時刻の値として
求め出力端子２２に出力する加算器１１とで構成してい
る。
装置３１は、窓を掛けた音声データの各サンプルを入力
する入力端子２１と、入力端子２１と接続し入力する音
声データの各サンプルに離散的フーリエ変換を施して音
声のスペクトルを出力する離散的フーリエ変換器Ａ１
と、入力端子２１と接続し入力する音声データの各サン
プルに時刻発生器Ａ５の発生する各時刻の値を掛ける掛
算器４と、掛算器４の出力に離散的フーリエ変換を施し
て微分スペクトルとして出力する離散的フーリエ変換器
Ｂ６と、離散的フーリエ変換器Ａ１の出力する音声のス
ペクトルの絶対値の対数を算出し対数振幅スペクトルと
して出力する対数振幅スペクトル算出器２と、対数振幅
スペクトル算出器２が出力する対数振幅スペクトルに対
し離散的逆フーリエ変換を施して対数振幅スペクトルに
対応する時間関数として出力する離散的逆フーリエ変換
器Ａ３と、離散的フーリエ変換器Ｂ６から入力する微分
スペクトルを離散的フーリエ変換器Ａ１から入力する音
声のスペクトルで割った商の実数部を出力する商実数部
算出器７と、商実数部算出器７の出力する商の実数部に
対し離散的逆フーリエ変換を施して商の実数部に対応す
る時間関数を出力する離散的逆フーリエ変換器Ｂ８と、
商の実数部に対応する時間関数の各サンプルの値を時刻
発生器Ｂ１０の発生する各時刻の値で割算し音声のスペ
クトルの位相に対応する時間関数として出力する割算器
９と、割算器９の出力する音声のスペクトルの位相に対
応する時間関数と離散的逆フーリエ変換器Ａ３の出力す
る対数振幅スペクトルに対応する時間関数との各時刻の
値を加え合わせて複素ケプストラムの各時刻の値として
求め出力端子２２に出力する加算器１１とで構成してい
る。
【００４１】次に動作について説明する。
【００４２】まず、離散的フーリエ変換器Ａ１は、入力
端子２１から信号線１０１を介して入力された音声デー
タに離散的フーリエ変換を施して当該音声データのスペ
クトルを求め、信号線１０２を介して対数振幅スペクト
ル算出器２と商実数部算出器７に送る。ここで得られる
音声データのスペクトルは、離散的な周波数における値
であり、複素数値である。対数振幅スペクトル算出器２
は、入力した音声データのスペクトルの絶対値の実数値
対数を各離散周波数ごとに求め、信号線１０３を介して
離散的逆フーリエ変換器Ａ３に送る。離散的逆フーリエ
変換器Ａ３は、入力した単数振幅スペクトルの逆フーリ
エ変換を求め、信号線１０４を介して加算器１１に送
る。
端子２１から信号線１０１を介して入力された音声デー
タに離散的フーリエ変換を施して当該音声データのスペ
クトルを求め、信号線１０２を介して対数振幅スペクト
ル算出器２と商実数部算出器７に送る。ここで得られる
音声データのスペクトルは、離散的な周波数における値
であり、複素数値である。対数振幅スペクトル算出器２
は、入力した音声データのスペクトルの絶対値の実数値
対数を各離散周波数ごとに求め、信号線１０３を介して
離散的逆フーリエ変換器Ａ３に送る。離散的逆フーリエ
変換器Ａ３は、入力した単数振幅スペクトルの逆フーリ
エ変換を求め、信号線１０４を介して加算器１１に送
る。
【００４３】一方、信号線１０１を介して入力された音
声データは、同時に掛算器４にも送られ、各サンプルの
時刻に応じた値を掛け、信号線１０５を介して離散的フ
ーリエ変換器Ｂ６に送られる。このとき、時刻発生器Ａ
５では、入力信号に同期して時刻の値を発生し、掛算器
４の乗数として信号線１１１を介して送る。次に、離散
的フーリエ変換器Ｂ６は、掛算器４から送られる時刻の
値を掛けた音声データのフーリエ変換を出力し、信号線
１０６を介して商実数部算出器７に送る。このデータ
は、微分スペクトル、より正確にいえば微分スペクトル
に虚数単位を掛けたものに相当し、これも複素数データ
である。
声データは、同時に掛算器４にも送られ、各サンプルの
時刻に応じた値を掛け、信号線１０５を介して離散的フ
ーリエ変換器Ｂ６に送られる。このとき、時刻発生器Ａ
５では、入力信号に同期して時刻の値を発生し、掛算器
４の乗数として信号線１１１を介して送る。次に、離散
的フーリエ変換器Ｂ６は、掛算器４から送られる時刻の
値を掛けた音声データのフーリエ変換を出力し、信号線
１０６を介して商実数部算出器７に送る。このデータ
は、微分スペクトル、より正確にいえば微分スペクトル
に虚数単位を掛けたものに相当し、これも複素数データ
である。
【００４４】商実数部算出器７は、離散的フーリエ変換
器Ｂ６から送られるデータを離散的フーリエ変換器Ａ１
から送られるデータで割った値の実数部を求め、信号線
１０７を介して結果を離散的逆フーリエ変換器Ｂ８に送
る。離散的逆フーリエ変換器Ｂ８は、商実数部算出器７
の出力の逆フーリエ変換を求め、結果を信号線１０８を
介して割算器９に送る。
器Ｂ６から送られるデータを離散的フーリエ変換器Ａ１
から送られるデータで割った値の実数部を求め、信号線
１０７を介して結果を離散的逆フーリエ変換器Ｂ８に送
る。離散的逆フーリエ変換器Ｂ８は、商実数部算出器７
の出力の逆フーリエ変換を求め、結果を信号線１０８を
介して割算器９に送る。
【００４５】複素ケプストラムは、負の時刻においても
意味を持つものであるが、離散的逆フーリエ変換を用い
る場合は、データ点数のうち後半が等価的に負の時刻に
相当するものであるから、時刻発生器Ｂ１０からは、後
半のデータの転送においてはここでの転送に同期して負
の値を減じるような時刻データを発生して信号線１１２
を介して割算器９に送る。
意味を持つものであるが、離散的逆フーリエ変換を用い
る場合は、データ点数のうち後半が等価的に負の時刻に
相当するものであるから、時刻発生器Ｂ１０からは、後
半のデータの転送においてはここでの転送に同期して負
の値を減じるような時刻データを発生して信号線１１２
を介して割算器９に送る。
【００４６】割算器９は、離散的逆フーリエ変換器Ｂ８
から送られるデータを、時刻発生器Ｂ１０から送られる
等価的な時刻データで割った値を求め、信号線１０９を
介して加算器１１に送る。加算器１１では、離散的逆フ
ーリエ変換器Ａ３から送られるデータと割算器９から送
られるデータを各時刻ごとに足し合わせて複素ケプスト
ラムデータとして信号線１１０を介して出力端子２２に
出力する。
から送られるデータを、時刻発生器Ｂ１０から送られる
等価的な時刻データで割った値を求め、信号線１０９を
介して加算器１１に送る。加算器１１では、離散的逆フ
ーリエ変換器Ａ３から送られるデータと割算器９から送
られるデータを各時刻ごとに足し合わせて複素ケプスト
ラムデータとして信号線１１０を介して出力端子２２に
出力する。
【００４７】なお、離散的フーリエ変換器Ａ１および離
散的フーリエ変換器Ｂ６は、サンプリング時刻の順に送
られるデータを内部でバッファメモリに一時記憶してフ
ーリエ変換を行う必要がある。いわゆる高速フーリエ変
換を用いる場合は離散的な周波数の点数分のメモリがあ
れば良いことはよく知られた通りである。変換の結果も
一時蓄えておき離散的な周波数の順に順次出力するもの
である。一方、離散的逆フーリエ変換器Ａ３および離散
的逆フーリエ変換器Ｂ８も同様に、各周波数ごとのデー
タを一時記憶して変換を行い、結果を時刻の順に出力す
るものである。ただし、前述のように、後半については
等価的には負の時刻におけるデータであると解釈され
る。
散的フーリエ変換器Ｂ６は、サンプリング時刻の順に送
られるデータを内部でバッファメモリに一時記憶してフ
ーリエ変換を行う必要がある。いわゆる高速フーリエ変
換を用いる場合は離散的な周波数の点数分のメモリがあ
れば良いことはよく知られた通りである。変換の結果も
一時蓄えておき離散的な周波数の順に順次出力するもの
である。一方、離散的逆フーリエ変換器Ａ３および離散
的逆フーリエ変換器Ｂ８も同様に、各周波数ごとのデー
タを一時記憶して変換を行い、結果を時刻の順に出力す
るものである。ただし、前述のように、後半については
等価的には負の時刻におけるデータであると解釈され
る。
【００４８】図２は第２の発明の一実施例のブロック図
である。本実施例の動作原理は、前述の第１の発明と同
一であるが、第１の発明の一実施例における同種の機能
を持ったものを共通化し、時分割多重使用することで構
成を簡単にしたものである。同時に、離散的フーリエ変
換は、変換の係数の切り替えによって、逆変換も順変換
と同様に行えることを利用して共通化を図っている。ま
た、時刻発生についても、離散的フーリエ変換における
後半のデータが負の時刻におけるものと考えることは前
半の処理においても正しい結果になるので、これらを共
通化するものである。
である。本実施例の動作原理は、前述の第１の発明と同
一であるが、第１の発明の一実施例における同種の機能
を持ったものを共通化し、時分割多重使用することで構
成を簡単にしたものである。同時に、離散的フーリエ変
換は、変換の係数の切り替えによって、逆変換も順変換
と同様に行えることを利用して共通化を図っている。ま
た、時刻発生についても、離散的フーリエ変換における
後半のデータが負の時刻におけるものと考えることは前
半の処理においても正しい結果になるので、これらを共
通化するものである。
【００４９】なお、名称および符号については、図１と
完全に同一機能のものは同一名称および符号を使用して
いる。
完全に同一機能のものは同一名称および符号を使用して
いる。
【００５０】第２の発明の音声の複素ケプストラム分析
装置３２は、窓を掛けた音声データの各サンプルを入力
する入力端子２１と、入力端子２１と接続するバッファ
Ａ１２と、入力端子２１と接続し入力する窓を掛けた音
声データの各サンプルに時刻発生器１５の発生する各時
刻の値を掛ける掛算器４と、掛算器４と接続し掛算器４
の出力を入力するバッファＢ１３と、バッファＡ１２お
よびバッファＢ１３と接続し入力するデータに一時期に
は順変換および逆変換のいずれか一方の変換を行い結果
をバッファＡ１２およびバッファＢ１３のデータを入力
した側のバッファに折返し出力する離散的フーリエ変換
器１４と、離散的フーリエ変換器１４が窓を掛けた音声
データの各サンプルに離散的フーリエ変換を施して出力
する音声のスペクトルをバッファＡ１２を介して受信し
音声のスペクトルの絶対値の対数を算出し対数振幅スペ
クトルとして折返しバッファＡ１２に出力する対数振幅
スペクトル算出器１６と、バッファＢ１３から入力した
微分スペクトルをバッファＡ１２から入力した音声のス
ペクトルで割った商の実数部をバッファＢ１３に折返し
出力する商実数部算出器１７と、バッファＢ１３に入力
した商の実数部に対し離散的フーリエ変換器１４が逆変
換を施しバッファＢ１３に折返し、格納済の逆変換の結
果に対し対応する時間関数の各サンプルの値を時刻発生
器１５の発生する各時刻の値で割算し、音声のスペクト
ルの位相に対応する時間関数としてバッファＢ１３に折
返し出力する割算器１８と、バッファＡ１２に入力した
対数振幅スペクトルに対し離散的フーリエ変換器１４が
逆変換を施しバッファＡ１２に折返し格納済の対数振幅
スペクトルに対応する時間関数とバッファＢ１３に格納
済の音声のスペクトルの位相に対応する時間関数との各
時刻の値を加え合わせて複素ケプストラムの各時刻の値
を求め出力端子２２に出力する加算器１１とで構成して
いる。
装置３２は、窓を掛けた音声データの各サンプルを入力
する入力端子２１と、入力端子２１と接続するバッファ
Ａ１２と、入力端子２１と接続し入力する窓を掛けた音
声データの各サンプルに時刻発生器１５の発生する各時
刻の値を掛ける掛算器４と、掛算器４と接続し掛算器４
の出力を入力するバッファＢ１３と、バッファＡ１２お
よびバッファＢ１３と接続し入力するデータに一時期に
は順変換および逆変換のいずれか一方の変換を行い結果
をバッファＡ１２およびバッファＢ１３のデータを入力
した側のバッファに折返し出力する離散的フーリエ変換
器１４と、離散的フーリエ変換器１４が窓を掛けた音声
データの各サンプルに離散的フーリエ変換を施して出力
する音声のスペクトルをバッファＡ１２を介して受信し
音声のスペクトルの絶対値の対数を算出し対数振幅スペ
クトルとして折返しバッファＡ１２に出力する対数振幅
スペクトル算出器１６と、バッファＢ１３から入力した
微分スペクトルをバッファＡ１２から入力した音声のス
ペクトルで割った商の実数部をバッファＢ１３に折返し
出力する商実数部算出器１７と、バッファＢ１３に入力
した商の実数部に対し離散的フーリエ変換器１４が逆変
換を施しバッファＢ１３に折返し、格納済の逆変換の結
果に対し対応する時間関数の各サンプルの値を時刻発生
器１５の発生する各時刻の値で割算し、音声のスペクト
ルの位相に対応する時間関数としてバッファＢ１３に折
返し出力する割算器１８と、バッファＡ１２に入力した
対数振幅スペクトルに対し離散的フーリエ変換器１４が
逆変換を施しバッファＡ１２に折返し格納済の対数振幅
スペクトルに対応する時間関数とバッファＢ１３に格納
済の音声のスペクトルの位相に対応する時間関数との各
時刻の値を加え合わせて複素ケプストラムの各時刻の値
を求め出力端子２２に出力する加算器１１とで構成して
いる。
【００５１】次に動作について説明する。
【００５２】まず音声データが入力端子２１から信号線
２０１を介してバッファＡ１２と掛算器４に入力され
る。バッファＡ１２は、そのまま入力された音声データ
を一時記憶する。一方、掛算器４に入力される音声デー
タには、データの入力に同期して時刻発生器１５から信
号線２１３を介して送られる時刻の値が乗じられて、結
果が信号線１０２を介してバッファＢ１３に送られて一
時記憶される。
２０１を介してバッファＡ１２と掛算器４に入力され
る。バッファＡ１２は、そのまま入力された音声データ
を一時記憶する。一方、掛算器４に入力される音声デー
タには、データの入力に同期して時刻発生器１５から信
号線２１３を介して送られる時刻の値が乗じられて、結
果が信号線１０２を介してバッファＢ１３に送られて一
時記憶される。
【００５３】次にバッファＡ１２は、音声データを信号
線２０３を介して離散的フーリエ変換器１４に送る。離
散的フーリエ変換器１４は、ここで順変換を施す。変換
された音声スペクトルデータは、信号線２０４を介して
バッファＡ１２に送り返されここに記憶される。続いて
バッファＢ１３は、時刻を乗じた音声データを信号線２
０５を介して離散的フーリエ変換器１４に送る。離散的
フーリエ変換器１４は、ここで順変換を施す。変換によ
って得られる微分スペクトルは、信号線２０６を介して
バッファＢ１３に送り返されここに記憶される。
線２０３を介して離散的フーリエ変換器１４に送る。離
散的フーリエ変換器１４は、ここで順変換を施す。変換
された音声スペクトルデータは、信号線２０４を介して
バッファＡ１２に送り返されここに記憶される。続いて
バッファＢ１３は、時刻を乗じた音声データを信号線２
０５を介して離散的フーリエ変換器１４に送る。離散的
フーリエ変換器１４は、ここで順変換を施す。変換によ
って得られる微分スペクトルは、信号線２０６を介して
バッファＢ１３に送り返されここに記憶される。
【００５４】次に、バッファＡ１２は、音声スペクトル
データを信号線２０７を介して対数振幅スペクトル算出
器１６および商実数部算出器１７に送る。同時にバッフ
ァＢ１３は、微分スペクトルのデータを、信号線２０８
を介して商実数部算出器１７に送る。対数振幅スペクト
ル算出器１６は、受信した音声スペクトルデータの絶対
値の実数値対数を求め、信号線２１０を介してバッファ
Ａ１２に送り返す。一方、商実数部算出器１７は、バッ
ファＢ１３からから送られる微分スペクトルデータをバ
ッファＡ１２から送られる音声スペクトルデータで割っ
た値の実数部を求め、信号線２０９を介して結果をバッ
ファＢ１３に送り返す。
データを信号線２０７を介して対数振幅スペクトル算出
器１６および商実数部算出器１７に送る。同時にバッフ
ァＢ１３は、微分スペクトルのデータを、信号線２０８
を介して商実数部算出器１７に送る。対数振幅スペクト
ル算出器１６は、受信した音声スペクトルデータの絶対
値の実数値対数を求め、信号線２１０を介してバッファ
Ａ１２に送り返す。一方、商実数部算出器１７は、バッ
ファＢ１３からから送られる微分スペクトルデータをバ
ッファＡ１２から送られる音声スペクトルデータで割っ
た値の実数部を求め、信号線２０９を介して結果をバッ
ファＢ１３に送り返す。
【００５５】次に、バッファＡ１２から対数振幅スペク
トルが再び信号線２０３を介して離散的フーリエ変換器
１４に送られ、今度は逆変換処理が施されて結果が信号
線２０４を介してバッファＡ１２に送り返される。続い
て、バッファＢ１３から信号線２０５を介して微分スペ
クトルをスペクトルで割った値の実数部が離散的フーリ
エ変換器１４に送られ、逆変換が施されて結果が信号線
２０６を介してバッファＢ１３に送り返される。さら
に、このデータは信号線２１１を介して割算器１８に送
られ、そこでは時刻発生器５から送られる等価的な時刻
データで割った値を求め、結果は信号線２１２を介して
バッファＢ１３に送り返される。
トルが再び信号線２０３を介して離散的フーリエ変換器
１４に送られ、今度は逆変換処理が施されて結果が信号
線２０４を介してバッファＡ１２に送り返される。続い
て、バッファＢ１３から信号線２０５を介して微分スペ
クトルをスペクトルで割った値の実数部が離散的フーリ
エ変換器１４に送られ、逆変換が施されて結果が信号線
２０６を介してバッファＢ１３に送り返される。さら
に、このデータは信号線２１１を介して割算器１８に送
られ、そこでは時刻発生器５から送られる等価的な時刻
データで割った値を求め、結果は信号線２１２を介して
バッファＢ１３に送り返される。
【００５６】この段階でバッファＡ１２には対数振幅ス
ペクトルに対応する複素ケプストラムの成分が記憶され
ており、バッファＢ１３には位相に対応する複素ケプス
トラムの成分が記憶されている。最後に、バッファＡ１
２の内容が信号線２１５を介して加算器１１に送られ、
バッファＢ１３の内容が信号線２１６を介して加算器１
１に送られ、ここで足し合わされて複素ケプストラムが
求められ、信号線２１７を介して出力端子２２に出力さ
れる。
ペクトルに対応する複素ケプストラムの成分が記憶され
ており、バッファＢ１３には位相に対応する複素ケプス
トラムの成分が記憶されている。最後に、バッファＡ１
２の内容が信号線２１５を介して加算器１１に送られ、
バッファＢ１３の内容が信号線２１６を介して加算器１
１に送られ、ここで足し合わされて複素ケプストラムが
求められ、信号線２１７を介して出力端子２２に出力さ
れる。
【００５７】図３は第３の発明の一実施例のブロック図
である。本実施例においても前述の第２の発明と同様
に、同種の機能を持ったものを共通化し、時分割多重使
用することで構成を簡単にしたものである。
である。本実施例においても前述の第２の発明と同様
に、同種の機能を持ったものを共通化し、時分割多重使
用することで構成を簡単にしたものである。
【００５８】なお、名称および符号については、図１，
２と完全に同一機能のものは同一名称および符号を使用
している。
２と完全に同一機能のものは同一名称および符号を使用
している。
【００５９】第３の発明の音声の複素ケプストラム分析
装置３３は、窓を掛けた音声データの各サンプルを入力
する入力端子２１と、入力端子２１と接続するバッファ
Ａ１２と、入力端子２１と接続し入力する窓を掛けた音
声データの各サンプルに時刻発生器１５の発生する各時
刻の値を掛ける掛算器４と、掛算器４と接続し掛算器４
の出力を入力するバッファＢ１３と、バッファＡ１２お
よびバッファＢ１３と接続し入力するデータに一時期に
は順変換および逆変換のいずれか一方の変換を行い結果
をバッファＡ１２およびバッファＢ１３のデータを入力
した側のバッファに折返し出力する離散的フーリエ変換
器１４と、離散的フーリエ変換器１４が窓を掛けた音声
データの各サンプルに離散的フーリエ変換を施して出力
する音声のスペクトルをバッファＡ１２を介して受信し
音声のスペクトルの絶対値の対数を算出し対数振幅スペ
クトルとして折返しバッファＡ１２に出力する対数振幅
スペクトル算出器１６と、バッファＡ１２から入力する
音声のスペクトルの実数部と虚数部の逆正接を算出して
偏角を求める偏角算出器１９と、バッファＢ１３から入
力した微分スペクトルをバッファＡ１２から入力した音
声のスペクトルで割った商の実数部をバッファＢ１３に
折返し出力する商実数部算出器１７と、バッファＢ１３
に入力した商の実数部に対し離散的フーリエ変換器１４
が逆変換を施しバッファＢ１３に折返し、格納済の逆変
換の結果に対し対応する時間関数の各サンプルの値を時
刻発生器１５の発生する各時刻の値で割算し、音声のス
ペクトルの位相に対応する時間関数としてバッファＢ１
３に折返し出力する割算器１８と、バッファＢ１３から
音声のスペクトルの位相に対応する時間関数を受け偏角
算出器１９の算出した偏角の値で補正しバッファＢ１３
に出力する位相補償器２０と、バッファＡ１２に入力し
た対数振幅スペクトルに対し離散的フーリエ変換器１４
が逆変換を施しバッファＡ１２に折返し格納済の対数振
幅スペクトルに対応する時間関数とバッファＢ１３に格
納済の位相補正済の音声のスペクトルの位相に対応する
時間関数との各時刻の値を加え合わせて複素ケプストラ
ムの各時刻の値を求め出力端子２２に出力する加算器１
１とで構成している。
装置３３は、窓を掛けた音声データの各サンプルを入力
する入力端子２１と、入力端子２１と接続するバッファ
Ａ１２と、入力端子２１と接続し入力する窓を掛けた音
声データの各サンプルに時刻発生器１５の発生する各時
刻の値を掛ける掛算器４と、掛算器４と接続し掛算器４
の出力を入力するバッファＢ１３と、バッファＡ１２お
よびバッファＢ１３と接続し入力するデータに一時期に
は順変換および逆変換のいずれか一方の変換を行い結果
をバッファＡ１２およびバッファＢ１３のデータを入力
した側のバッファに折返し出力する離散的フーリエ変換
器１４と、離散的フーリエ変換器１４が窓を掛けた音声
データの各サンプルに離散的フーリエ変換を施して出力
する音声のスペクトルをバッファＡ１２を介して受信し
音声のスペクトルの絶対値の対数を算出し対数振幅スペ
クトルとして折返しバッファＡ１２に出力する対数振幅
スペクトル算出器１６と、バッファＡ１２から入力する
音声のスペクトルの実数部と虚数部の逆正接を算出して
偏角を求める偏角算出器１９と、バッファＢ１３から入
力した微分スペクトルをバッファＡ１２から入力した音
声のスペクトルで割った商の実数部をバッファＢ１３に
折返し出力する商実数部算出器１７と、バッファＢ１３
に入力した商の実数部に対し離散的フーリエ変換器１４
が逆変換を施しバッファＢ１３に折返し、格納済の逆変
換の結果に対し対応する時間関数の各サンプルの値を時
刻発生器１５の発生する各時刻の値で割算し、音声のス
ペクトルの位相に対応する時間関数としてバッファＢ１
３に折返し出力する割算器１８と、バッファＢ１３から
音声のスペクトルの位相に対応する時間関数を受け偏角
算出器１９の算出した偏角の値で補正しバッファＢ１３
に出力する位相補償器２０と、バッファＡ１２に入力し
た対数振幅スペクトルに対し離散的フーリエ変換器１４
が逆変換を施しバッファＡ１２に折返し格納済の対数振
幅スペクトルに対応する時間関数とバッファＢ１３に格
納済の位相補正済の音声のスペクトルの位相に対応する
時間関数との各時刻の値を加え合わせて複素ケプストラ
ムの各時刻の値を求め出力端子２２に出力する加算器１
１とで構成している。
【００６０】次に動作について説明する。
【００６１】まず音声データが入力端子２１から信号線
３０１を介してバッファＡ１２と掛算器４に入力され
る。バッファＡ１２は、そのまま入力された音声データ
を一時記憶する。一方、掛算器４に入力される音声デー
タには、データの入力に同期して時刻発生器１５から信
号線３１３を介して送られる時刻の値が乗じられて、結
果が信号線３０２を介してバッファＢ１３に送られて一
時記憶される。
３０１を介してバッファＡ１２と掛算器４に入力され
る。バッファＡ１２は、そのまま入力された音声データ
を一時記憶する。一方、掛算器４に入力される音声デー
タには、データの入力に同期して時刻発生器１５から信
号線３１３を介して送られる時刻の値が乗じられて、結
果が信号線３０２を介してバッファＢ１３に送られて一
時記憶される。
【００６２】次にバッファＡ１２は、音声データを信号
線３０３を介して離散的フーリエ変換器１４に送る。離
散的フーリエ変換器１４は、ここで順変換を施す。変換
された音声スペクトルデータは、信号線３０４を介して
バッファＡ１２に送り返されここに記憶される。続いて
バッファＢ１３は、時刻を乗じた音声データを信号線３
０５を介して離散的フーリエ変換器１４に送る。離散的
フーリエ変換器１４は、ここで順変換を施す。変換によ
って得られる微分スペクトルは、信号線３０６を介して
バッファＢ１３に送り返されここに記憶される。
線３０３を介して離散的フーリエ変換器１４に送る。離
散的フーリエ変換器１４は、ここで順変換を施す。変換
された音声スペクトルデータは、信号線３０４を介して
バッファＡ１２に送り返されここに記憶される。続いて
バッファＢ１３は、時刻を乗じた音声データを信号線３
０５を介して離散的フーリエ変換器１４に送る。離散的
フーリエ変換器１４は、ここで順変換を施す。変換によ
って得られる微分スペクトルは、信号線３０６を介して
バッファＢ１３に送り返されここに記憶される。
【００６３】次に、バッファＡ１２は、音声スペクトル
データを信号線３０７を介して商実数部算出器１７に送
る。同時にバッファＢ１３は、微分スペクトルのデータ
を、信号線３０８を介して商実数部算出器１７に送る。
商実数部算出器１７は、バッファＢ１３からから送られ
る微分スペクトルデータをバッファＡ１２から送られる
音声スペクトルデータで割った値の実数部を求め、信号
線３０９を介して結果をバッファＢ１３に送り返す。
データを信号線３０７を介して商実数部算出器１７に送
る。同時にバッファＢ１３は、微分スペクトルのデータ
を、信号線３０８を介して商実数部算出器１７に送る。
商実数部算出器１７は、バッファＢ１３からから送られ
る微分スペクトルデータをバッファＡ１２から送られる
音声スペクトルデータで割った値の実数部を求め、信号
線３０９を介して結果をバッファＢ１３に送り返す。
【００６４】なお、前述の第２の発明の実施例では、バ
ッファＡ１２から信号線３０７を介して、音声スペクト
ルデータを対数振幅スペクトル算出器１６および商実数
部算出器１７に同時に送り、対数振幅スペクトルを算出
してたが、第３の発明では、このタイミングにおけるバ
ッファＡ１２内に格納してある音声スペクトルデータを
保存しておき、位相の正確な値を求めてから対数振幅ス
ペクトルを算出するため、ここでは対数振幅スペクトル
算出器１６へのデータ転送を行わない。これにより音声
スペクトルデータを保存しておくための、もう１つのバ
ッファを用意する必要がなくなる。
ッファＡ１２から信号線３０７を介して、音声スペクト
ルデータを対数振幅スペクトル算出器１６および商実数
部算出器１７に同時に送り、対数振幅スペクトルを算出
してたが、第３の発明では、このタイミングにおけるバ
ッファＡ１２内に格納してある音声スペクトルデータを
保存しておき、位相の正確な値を求めてから対数振幅ス
ペクトルを算出するため、ここでは対数振幅スペクトル
算出器１６へのデータ転送を行わない。これにより音声
スペクトルデータを保存しておくための、もう１つのバ
ッファを用意する必要がなくなる。
【００６５】続いて、バッファＢ１３は、信号線３０５
を介して微分スペクトルを音声のスペクトルで割った値
の実数部を離散的フーリエ変換器１４に送り、離散的フ
ーリエ変換器１４により逆変換が施されて結果が信号線
３０６を介してバッファＢ１３に送り返される。さら
に、バッファＢ１３は、このデータを信号線３１１を介
して割算器９に送る。割算器９は、このデータを時刻発
生器１５から送られる等価的な時刻データで割って値を
求め、結果を信号線３１２を介してバッファＢ１３に送
り返す。続いて、バッファＢ１３は、このデータを信号
線３０５を介して離散的フーリエ変換器１に送り、順変
換が施された結果を信号線３０６を介して受け取る。こ
のデータは位相の第一次近似に相当するものである。
を介して微分スペクトルを音声のスペクトルで割った値
の実数部を離散的フーリエ変換器１４に送り、離散的フ
ーリエ変換器１４により逆変換が施されて結果が信号線
３０６を介してバッファＢ１３に送り返される。さら
に、バッファＢ１３は、このデータを信号線３１１を介
して割算器９に送る。割算器９は、このデータを時刻発
生器１５から送られる等価的な時刻データで割って値を
求め、結果を信号線３１２を介してバッファＢ１３に送
り返す。続いて、バッファＢ１３は、このデータを信号
線３０５を介して離散的フーリエ変換器１に送り、順変
換が施された結果を信号線３０６を介して受け取る。こ
のデータは位相の第一次近似に相当するものである。
【００６６】次に、バッファＡ１２からは、音声スペク
トルデータが信号線３０７を介して偏角算出器１９に送
られ、実数部と虚数部とから偏角の値が算出され、結果
は信号線３１９を介して位相補正器２０に送られる。一
方、バッファＢ１３からは、第一次近似の位相の値が信
号線３１８を介して位相補正器２０に送られ、偏角の値
をもとに補正が行われ、より正確な位相の値が信号線３
２０を介してバッファＢ１３に送り返される。
トルデータが信号線３０７を介して偏角算出器１９に送
られ、実数部と虚数部とから偏角の値が算出され、結果
は信号線３１９を介して位相補正器２０に送られる。一
方、バッファＢ１３からは、第一次近似の位相の値が信
号線３１８を介して位相補正器２０に送られ、偏角の値
をもとに補正が行われ、より正確な位相の値が信号線３
２０を介してバッファＢ１３に送り返される。
【００６７】この位相データは、バッファＢ１３から信
号線３０５を介して離散的フーリエ変換器１４に送ら
れ、逆変換が施されて位相に対応する複素ケプストラム
の成分が求まり、信号線３１６を介してバッファＢ１３
に送り返される。
号線３０５を介して離散的フーリエ変換器１４に送ら
れ、逆変換が施されて位相に対応する複素ケプストラム
の成分が求まり、信号線３１６を介してバッファＢ１３
に送り返される。
【００６８】一方、バッファＡ１２からは、音声スペク
トルデータが信号線３０７を介して対数振幅スペクトル
算出器１６に送られ、対数振幅スペクトル算出器１６
は、入力した音声スペクトルデータの絶対値の実数値対
数を求め、信号線３１０を介してバッファＡ１２に送り
返す。次に、バッファＡ１２は、この対数振幅スペクト
ルを再び信号線３０３を介して離散的フーリエ変換器１
４に送り、今度は逆変換処理が施された結果を信号線３
０４を介して受け取る。このデータは対数振幅スペクト
ルに対応する複素ケプストラム成分である。
トルデータが信号線３０７を介して対数振幅スペクトル
算出器１６に送られ、対数振幅スペクトル算出器１６
は、入力した音声スペクトルデータの絶対値の実数値対
数を求め、信号線３１０を介してバッファＡ１２に送り
返す。次に、バッファＡ１２は、この対数振幅スペクト
ルを再び信号線３０３を介して離散的フーリエ変換器１
４に送り、今度は逆変換処理が施された結果を信号線３
０４を介して受け取る。このデータは対数振幅スペクト
ルに対応する複素ケプストラム成分である。
【００６９】この段階でバッファＡ１２には対数振幅ス
ペクトルに対応する複素ケプストラムの成分が記憶され
ており、バッファＢ１３には補正された位相に対応する
複素ケプストラムの成分が記憶されている。最後に、バ
ッファＡ１２は、格納しているデータを信号線３１５を
介して加算器１１に送り、バッファＢ１３も、格納して
いるデータを信号線３１６を介して加算器１１に送る。
加算器１１は、受信したデータを足し合わして複素ケプ
ストラムを求め、信号線３１７を介して出力端子２２か
ら出力する。
ペクトルに対応する複素ケプストラムの成分が記憶され
ており、バッファＢ１３には補正された位相に対応する
複素ケプストラムの成分が記憶されている。最後に、バ
ッファＡ１２は、格納しているデータを信号線３１５を
介して加算器１１に送り、バッファＢ１３も、格納して
いるデータを信号線３１６を介して加算器１１に送る。
加算器１１は、受信したデータを足し合わして複素ケプ
ストラムを求め、信号線３１７を介して出力端子２２か
ら出力する。
【００７０】
【発明の効果】以上説明したように、本発明は、入力さ
れた音声に対し、離散的フーリエ変換器でスペクトルを
求め、同時に掛算器で各サンプルの時刻に応じた値を掛
けて、結果を離散的フーリエ変換器で変換し微分スペク
トルを求め、商実数部算出器でこの微分スペクトルを音
声のスペクトルで割った値の実数部を求め、さらにこれ
を離散的逆フーリエ変換器で逆変換し、割算器でその結
果の各サンプルの値を各時刻の値で割って位相に対応す
る時間関数を求めておく。他方、対数振幅スペクトル算
出器と離散的逆フーリエ変換器によって、対数振幅スペ
クトルに対応する時間関数を求め、最後に加算器１１で
両時間関数を各時刻ごとに足し合わして複素ケプストラ
を求めることにより、音声信号をディジタル化したデー
タを分析する場合に、音声信号の対数振幅スペクトルと
位相特性を表すパラメータである複素ケプストラムを、
比較的少ない演算量で高精度にかつ誤りなく抽出するこ
とができるという効果が有る。
れた音声に対し、離散的フーリエ変換器でスペクトルを
求め、同時に掛算器で各サンプルの時刻に応じた値を掛
けて、結果を離散的フーリエ変換器で変換し微分スペク
トルを求め、商実数部算出器でこの微分スペクトルを音
声のスペクトルで割った値の実数部を求め、さらにこれ
を離散的逆フーリエ変換器で逆変換し、割算器でその結
果の各サンプルの値を各時刻の値で割って位相に対応す
る時間関数を求めておく。他方、対数振幅スペクトル算
出器と離散的逆フーリエ変換器によって、対数振幅スペ
クトルに対応する時間関数を求め、最後に加算器１１で
両時間関数を各時刻ごとに足し合わして複素ケプストラ
を求めることにより、音声信号をディジタル化したデー
タを分析する場合に、音声信号の対数振幅スペクトルと
位相特性を表すパラメータである複素ケプストラムを、
比較的少ない演算量で高精度にかつ誤りなく抽出するこ
とができるという効果が有る。
【図１】第１の発明の一実施例のブロック図である。
【図２】第２の発明の一実施例のブロック図である。
【図３】第３の発明の一実施例のブロック図である。
１ 離散的フーリエ変換器Ａ ２，１６ 対数振幅スペクトル算出器 ３ 離散的逆フーリエ変換器Ａ ４ 掛算器 ５ 時刻発生器Ａ ６ 離散的フーリエ変換器Ｂ ７，１７ 商実数部算出器 ８ 離散的逆フーリエ変換器Ｂ ９，１８ 割算器 １０ 時刻発生器Ｂ １１ 加算器 １２ バッファＡ １３ バッファＢ １４ 離散的フーリエ変換器 １５ 時刻発生器 １９ 偏角算出器 ２０ 位相補償器 ２１ 入力端子 ２２ 出力端子 ３１ 第１の発明の音声の複素ケプストラム分析装置 ３２ 第２の発明の音声の複素ケプストラム分析装置 ３３ 第３の発明の音声の複素ケプストラム分析装置
Claims (3)
- 【請求項１】 音声信号をディジタル化して窓を掛けた
データを分析し複素ケプストラムを抽出する音声の複素
ケプストラム分析装置において、前記窓を掛けた音声デ
ータの各サンプルを入力する入力端子と、この入力端子
と接続し入力する前記窓を掛けた音声データの各サンプ
ルに離散的フーリエ変換を施して音声のスペクトルを出
力する第１の離散的フーリエ変換手段と、前記入力端子
と接続し入力する前記窓を掛けた音声データの各サンプ
ルに第１の時刻発生手段の発生する各時刻の値を掛ける
掛算手段と、この掛算手段の出力に離散的フーリエ変換
を施して微分スペクトルとして出力する第２の離散的フ
ーリエ変換手段と、前記第１の離散的フーリエ変換手段
の出力する音声のスペクトルの絶対値の対数を算出し対
数振幅スペクトルとして出力する対数振幅スペクトル算
出手段と、この対数振幅スペクトル算出手段が出力する
対数振幅スペクトルに対し離散的逆フーリエ変換を施し
て対数振幅スペクトルに対応する時間関数として出力す
る第１の離散的逆フーリエ変換手段と、前記第２の離散
的フーリエ変換手段から入力する微分スペクトルを前記
第１の離散的フーリエ変換手段から入力する音声のスペ
クトルで割った商の実数部を出力する商実数部算出手段
と、この商実数部算出手段の出力する商の実数部に対し
離散的逆フーリエ変換を施して前記商の実数部に対応す
る時間関数を出力する第２の離散的逆フーリエ変換手段
と、前記商の実数部に対応する時間関数の各サンプルの
値を第２の時刻発生手段の発生する各時刻の値で割算し
音声のスペクトルの位相に対応する時間関数として出力
する割算手段と、この割算手段の出力する音声のスペク
トルの位相に対応する時間関数と前記第１の離散的逆フ
ーリエ変換手段の出力する対数振幅スペクトルに対応す
る時間関数との各時刻の値を加え合わせて複素ケプスト
ラムの各時刻の値として求め出力端子に出力する加算手
段とを有することを特徴とする音声の複素ケプストラム
分析装置。 - 【請求項２】 音声信号をディジタル化して窓を掛けた
データを分析し複素ケプストラムを抽出する音声の複素
ケプストラム分析装置において、前記窓を掛けた音声デ
ータの各サンプルを入力する入力端子と接続する第１の
緩衝記憶手段と、前記入力端子と接続し入力する前記窓
を掛けた音声データの各サンプルに時刻発生手段の発生
する各時刻の値を掛ける掛算手段と、この掛算手段と接
続し前記掛算手段の出力を入力する第２の緩衝記憶手段
と、前記第１の緩衝記憶手段および第２の緩衝記憶手段
と接続し入力するデータに一時期には順変換および逆変
換のいずれか一方の変換を行い結果を前記第１の緩衝記
憶手段および第２の緩衝記憶手段の前記データを入力し
た側の緩衝記憶手段に折返し出力する離散的フーリエ変
換手段とを有し、まず前記第１の緩衝記憶手段に記憶し
た前記窓を掛けた音声データの各サンプルに前記離散的
フーリエ変換手段が離散的フーリエ変換を施して出力す
る音声のスペクトルを前記第１の緩衝記憶手段に記憶
し、続いて前記第２の緩衝記憶手段に記憶した前記掛算
手段の出力したデータの各サンプルに前記離散的フーリ
エ変換手段が離散的フーリエ変換を施して出力する微分
スペクトルを前記第２の緩衝記憶手段に記憶し、さら
に、前記第２の緩衝記憶手段から入力した前記微分スペ
クトルを前記第１の緩衝記憶手段から入力した前記音声
のスペクトルで割った商の実数部を前記第２の緩衝記憶
手段に折返し出力する商実数部算出手段と、前記第２の
緩衝記憶手段に入力した前記商の実数部に対し前記離散
的フーリエ変換手段が逆変換を施し前記第２の緩衝記憶
手段に折返し格納済の逆変換の結果に対し対応する時間
関数の各サンプルの値を前記時刻発生手段の発生する各
時刻の値で割算し音声のスペクトルの位相に対応する時
間関数として前記第２の緩衝記憶手段に折返し出力する
割算手段と、前記第１の緩衝記憶手段に記憶した前記音
声のスペクトルの絶対値の対数を算出し対数振幅スペク
トルとして折返し前記第１の緩衝記憶手段に出力する対
数振幅スペクトル算出手段と、前記第１の緩衝記憶手段
に入力した前記対数振幅スペクトルに対し前記離散的フ
ーリエ変換手段が逆変換を施し前記第１の緩衝記憶手段
に折返し格納済の前記対数振幅スペクトルに対応する時
間関数と前記第２の緩衝記憶手段に格納済の音声のスペ
クトルの位相に対応する時間関数との各時刻の値を加え
合わせて複素ケプストラムの各時刻の値を求め出力端子
に出力する加算手段とを有することを特徴とする音声の
複素ケプストラム分析装置。 - 【請求項３】 音声信号をディジタル化して窓を掛けた
データを分析し複素ケプストラムを抽出する音声の複素
ケプストラム分析装置において、前記窓を掛けた音声デ
ータの各サンプルを入力する入力端子と接続する第１の
緩衝記憶手段と、前記入力端子と接続し入力する前記窓
を掛けた音声データの各サンプルに時刻発生手段の発生
する各時刻の値を掛ける掛算手段と、この掛算手段と接
続し前記掛算手段の出力を入力する第２の緩衝記憶手段
と、前記第１の緩衝記憶手段および第２の緩衝記憶手段
と接続し入力するデータに一時期には順変換および逆変
換のいずれか一方の変換を行い結果を前記第１の緩衝記
憶手段および第２の緩衝記憶手段の前記データを入力し
た側の緩衝記憶手段に折返し出力する離散的フーリエ変
換手段とを有し、まず前記第１の緩衝記憶手段に記憶し
た前記窓を掛けた音声データの各サンプルに前記離散的
フーリエ変換手段が離散的フーリエ変換を施して出力す
る音声のスペクトルを前記第１の緩衝記憶手段に記憶
し、続いて前記第２の緩衝記憶手段に記憶した前記掛算
手段の出力したデータの各サンプルに前記離散的フーリ
エ変換手段が離散的フーリエ変換を施して出力する微分
スペクトルを前記第２の緩衝記憶手段に記憶し、さら
に、前記第２の緩衝記憶手段から入力した前記微分スペ
クトルを前記第１の緩衝記憶手段から入力した前記音声
のスペクトルで割った商の実数部を前記第２の緩衝記憶
手段に折返し出力する商実数部算出手段と、前記第２の
緩衝記憶手段に入力した前記商の実数部に対し前記離散
的フーリエ変換手段が逆変換を施し前記第２の緩衝記憶
手段に折返し格納済の逆変換の結果に対し対応する時間
関数の各サンプルの値を前記時刻発生手段の発生する各
時刻の値で割算し音声のスペクトルの位相に対応する時
間関数として前記第２の緩衝記憶手段に折返し出力する
割算手段と、前記離散的フーリエ変換手段が前記第２の
緩衝記憶手段から前記音声のスペクトルの位相に対応す
る時間関数を受け、離散的フーリエ変換を施してスペク
トルの位相を求めて前記第２の緩衝記憶手段に折返し出
力した後を受け、前記第１の緩衝記憶手段から入力する
前記音声のスペクトルの実数部と虚数部の逆正接を算出
して偏角を求める偏角算出手段と、前記第２の緩衝記憶
手段に記憶したスペクトルの位相を受け前記偏角算出手
段の算出した偏角の値で補正し前記第２の緩衝記憶手段
に出力する位相補正手段と、前記離散的フーリエ変換手
段が前記第２の緩衝記憶手段に記憶した補正したスペク
トルの位相に対し離散的逆フーリエ変換を施して補正し
たスペクトルの位相に対応する時間関数を求めて前記第
２の緩衝記憶手段に折返し出力した後を受け、前記第１
の緩衝記憶手段に記憶した前記音声のスペクトルの絶対
値の対数を算出し対数振幅スペクトルとして折返し前記
第１の緩衝記憶手段に出力する対数振幅スペクトル算出
手段と、前記第１の緩衝記憶手段に入力した前記対数振
幅スペクトルに対し前記離散的フーリエ変換手段が逆変
換を施し前記第１の緩衝記憶手段に折返し格納済の前記
対数振幅スペクトルに対応する時間関数と前記第２の緩
衝記憶手段に格納済の位相補正済の音声のスペクトルの
位相に対応する時間関数との各時刻の値を加え合わせて
複素ケプストラムの各時刻の値を求め出力端子に出力す
る加算手段とを有することを特徴とする音声の複素ケプ
ストラム分析装置。
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP6024594A JP2812184B2 (ja) | 1994-02-23 | 1994-02-23 | 音声の複素ケプストラム分析装置 |
| CA002142509A CA2142509C (en) | 1994-02-23 | 1995-02-14 | Complex cepstrum analyzer for speech signals |
| US08/392,482 US5677984A (en) | 1994-02-23 | 1995-02-23 | Complex cepstrum analyzer for speech signals |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP6024594A JP2812184B2 (ja) | 1994-02-23 | 1994-02-23 | 音声の複素ケプストラム分析装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH07234696A JPH07234696A (ja) | 1995-09-05 |
| JP2812184B2 true JP2812184B2 (ja) | 1998-10-22 |
Family
ID=12142489
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP6024594A Expired - Fee Related JP2812184B2 (ja) | 1994-02-23 | 1994-02-23 | 音声の複素ケプストラム分析装置 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US5677984A (ja) |
| JP (1) | JP2812184B2 (ja) |
| CA (1) | CA2142509C (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2011038835A (ja) * | 2009-08-07 | 2011-02-24 | Kajima Corp | トンネル覆工厚測定装置、測定方法および型枠 |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AU2001294974A1 (en) * | 2000-10-02 | 2002-04-15 | The Regents Of The University Of California | Perceptual harmonic cepstral coefficients as the front-end for speech recognition |
| EP1485015A1 (en) * | 2002-02-22 | 2004-12-15 | Datex-Ohmeda, Inc. | Cepstral domain pulse oximetry |
| US20040039273A1 (en) * | 2002-02-22 | 2004-02-26 | Terry Alvin Mark | Cepstral domain pulse oximetry |
| US6751564B2 (en) * | 2002-05-28 | 2004-06-15 | David I. Dunthorn | Waveform analysis |
| US10773038B2 (en) * | 2009-02-11 | 2020-09-15 | ResMed Pty Ltd | Acoustic detection for respiratory treatment apparatus |
| GB2508417B (en) | 2012-11-30 | 2017-02-08 | Toshiba Res Europe Ltd | A speech processing system |
| WO2020220091A1 (en) * | 2019-05-02 | 2020-11-05 | ResMed Pty Ltd | Acoustic component identification for respiratory therapy systems |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US3662108A (en) * | 1970-06-08 | 1972-05-09 | Bell Telephone Labor Inc | Apparatus for reducing multipath distortion of signals utilizing cepstrum technique |
| US4374304A (en) * | 1980-09-26 | 1983-02-15 | Bell Telephone Laboratories, Incorporated | Spectrum division/multiplication communication arrangement for speech signals |
-
1994
- 1994-02-23 JP JP6024594A patent/JP2812184B2/ja not_active Expired - Fee Related
-
1995
- 1995-02-14 CA CA002142509A patent/CA2142509C/en not_active Expired - Fee Related
- 1995-02-23 US US08/392,482 patent/US5677984A/en not_active Expired - Lifetime
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2011038835A (ja) * | 2009-08-07 | 2011-02-24 | Kajima Corp | トンネル覆工厚測定装置、測定方法および型枠 |
Also Published As
| Publication number | Publication date |
|---|---|
| US5677984A (en) | 1997-10-14 |
| JPH07234696A (ja) | 1995-09-05 |
| CA2142509C (en) | 1999-03-16 |
| CA2142509A1 (en) | 1995-08-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Ghahremani et al. | A pitch extraction algorithm tuned for automatic speech recognition | |
| JP5275612B2 (ja) | 周期信号処理方法、周期信号変換方法および周期信号処理装置ならびに周期信号の分析方法 | |
| Plante et al. | Improvement of speech spectrogram accuracy by the method of reassignment | |
| Rajan et al. | Using group delay functions from all-pole models for speaker recognition | |
| US20130311189A1 (en) | Voice processing apparatus | |
| Morise | Error evaluation of an F0-adaptive spectral envelope estimator in robustness against the additive noise and F0 error | |
| JP2812184B2 (ja) | 音声の複素ケプストラム分析装置 | |
| JP2011253133A (ja) | 音声特徴量を出力するための音声信号処理システム、音声信号処理方法、及び音声信号処理プログラム | |
| Sluyter et al. | A novel method for pitch extraction from speech and a hardware model applicable to vocoder systems | |
| EP2519944B1 (en) | Pitch period segmentation of speech signals | |
| Kraft et al. | Improved PVSOLA time-stretching and pitch-shifting for polyphonic audio | |
| JPH0777979A (ja) | 音声制御音響変調装置 | |
| JP2940835B2 (ja) | ピッチ周波数差分特徴量抽出法 | |
| Chowdhury et al. | Formant estimation from speech signal using the magnitude spectrum modified with group delay spectrum | |
| JP2006215228A (ja) | 音声信号分析方法およびこの分析方法を実施する装置、この音声信号分析装置を用いた音声認識装置、この分析方法を実行するプログラムおよびその記憶媒体 | |
| CN107657962B (zh) | 一种语音信号的喉声和气声识别与分离方法及系统 | |
| Erro et al. | Efficient spectral envelope estimation from harmonic speech signals | |
| EP3447767A1 (en) | Method for phase correction in a phase vocoder and device | |
| Nechifor et al. | COMPARISON OF ALGORITHMS FOR FUNDAMENTAL FREQUENCY DETECTION IN THE CONTEXT OF AUDIO PLUG-INS | |
| Rao et al. | A comparative study of various pitch detection algorithms | |
| JP2018141924A (ja) | 声道スペクトル推定装置、方法、及びプログラム | |
| WO2021193637A1 (ja) | 基本周波数推定装置、アクティブノイズコントロール装置、基本周波数の推定方法及び基本周波数の推定プログラム | |
| JP3027014B2 (ja) | Ｆｆｔスペクトルアナライザ | |
| El-Jaroudi et al. | Discrete all-pole modeling for voiced speech | |
| Gaikwad et al. | Tonic note extraction in indian music using hps and pole focussing technique |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 19980707 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20070807 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080807 Year of fee payment: 10 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080807 Year of fee payment: 10 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090807 Year of fee payment: 11 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090807 Year of fee payment: 11 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100807 Year of fee payment: 12 |
|
| LAPS | Cancellation because of no payment of annual fees |