JP3550303B2 - ピッチパターン生成方法およびピッチパターン生成装置 - Google Patents

Description

【０００１】
【発明の属する技術分野】
本発明は、属性の情報から事例に対応する特徴量の選択（あるいは事例のクラス分類）を行うシステムに関する。
【０００２】
【従来の技術】
ある事例が、どのクラスに属するかを決定する問題について、人工知能などの分野でこれまで様々な研究がなされている。例えば、文献「ＡＩによるデータ解析、Ｊ．Ｒ．キンラン、（株）トッパン」には、決定木を用いて事例を分類する方法が開示されている。決定木による分類器は、属性に関するＩＦ−ＴＨＥＮのルールで記述されるものである。
【０００３】
例えば、属性を天侯、温度として、与えられた事例が「開催」または「中止」のいずれのクラスに属するかを決定する分類器の例を図１に示す。このような決定木は、すでに属性の値と正しいクラスが分かっている多数の事例を訓練事例として、訓練事例に対する分類の正解率が高くなるように学習される。
【０００４】
【発明が解決しようとする課題】
事例を分類する問題において、クラスの数が３つ以上である場合には、分類の正解率だけでなく、どのように誤るかが問題になることがある。例として、テキストを音声に変換するテキスト音声合成におけるピッチパターン生成処理について述べる。ピッチパターン生成処理は、テキストを解析して得られる品詞、アクセント型、音節数などの情報から、声の高さの時間変化バターンであるピッチパターンを生成する処理である。ピッチパターンの生成法として、アクセント句単位の典型的なピッチパターンである代表パターンを複数用意し、アクセント句毎の品詞、アクセント型、音節数などを属性として、代表パターンを選択し、これを用いてピッチパターンを生成する方法がある。この代表パターン選択においては、最適なパターンの選択率が高いだけでなく、最適なパターンからかけはなれたパターンが選ばれにくいことが重要である。
【０００５】
代表パターンが、図２に示した４つのパターンであるとすると、図２（ａ）に示すパターンが最適なパターンである場合に誤って図２（ｂ）に示すパターンを選択してしまうことはそれほど問題にならないが、誤って図２（ｃ）に示すパターンを選択してしまうとアクセントが全く違って聞こえることとなり、大きな問題となる。
【０００６】
従来の決定木による分類法を代表パターン選択に用いた場合、属性と最適なパターンの番号の組をトレーニング事例として、最適なパターンの選択率を高めることを基準として学習を行う。そのため、最適なパターンが選ばれなかった場合にかけはなれたパターンが選択されることを避けられないという問題がある。
【０００７】
そこで、本発明は以上の問題を考慮してなされたものであり、事例に対応する特徴量の選択（あるいは事例のクラス分類であってもよい）を行う際に、各選択肢を選択した場合の評価値を当該事例の属性情報に基づき推定してから該推定値に基づいて特徴量を選択することにより、正しい特徴量の選択がなされなかった場合でもより正解に近い特徴量の選択が行える情報処理方法を提供することをも目的とする。
【０００８】
【課題を解決するための手段】
本発明の情報処理方法は、ある事例に関する複数の属性（例えば、テキスト音声合成におけるアクセント句のアクセント型、モーラ数、当該アクセント句の係り先、先行アクセント句の係り先）の状態に従って、前記事例に関する特徴量（例えばテキスト音声合成における代表パターン）を複数の選択肢から選択する情報処理方法であって、
ｋ番目の選択肢に対応する特徴量の推定値ｙ_ｋ をｊ番目の属性の状態によって決定される属性値ｄ_ｊ の関数ｗ_ｋｊ（ｄ_ｊ ）と定数ｗ_ｋ０とを用いて、
【０００９】
【数２】

によって求め、該特徴量の推定値に基づいて、前記事例に関する特徴量を前記複数の選択肢より選択することを特徴とすることにより、事例に対応する特徴量の選択を行う際に、各選択肢を選択した場合の評価値を属性の情報に基づき推定し、該推定値に基づいて特徴量を選択するため、正しい特徴量の選択がなされなかった場合でもより正解に近い特徴量の選択が行える。
【００１０】
ここで、属性とは、前記事例に関して事例の分類を行うに際して知ることができる情報の種類である。例えば、事例を「人間」とするならば、属性として性別、職業、身長、体重、年齢など種々の情報が考えられる。
【００１１】
属性値とは、この属性の状態を表す数値である。属性が、成績（優、良、可、不可）や服のサイズ（ＬＬ、Ｌ、Ｍ、Ｓ）などのように順序関係を持つもの（いわゆる順序尺度）である場合は、順序関係に従った適当な値を属性値とすることができる。例えば、成績であれば、優：４、良：３、可：２、不可：１などとしてもよい。属性が、身長、体重、年齢、摂氏温度などのように数値として測定されるもの（いわゆる間隔尺度または比尺度）である場合は、測定値を属性値とすることができる。あるいは、測定値を量子化して得られる代表値を順序尺度と同様に扱っても良い。属性が、性別・職業・色などのように順序関係を持たないもの（いわゆる分類尺度）である場合は、これらの分類のカテゴリに対して任意の値を対応させて属性値とすることができる。例えば、色であれば、赤：１、青：２、黄：３、などとしてもよい。
【００１２】
少なくとも１つの属性に対する属性値ｄ_ｊ が有限個（Ｎ個）の値（ｄ_ｊ１、ｄ_ｊ２、…、ｄ_ｊＮ）をとるものである場合、好ましくは、各属性値に対応する係数（ａ_ｋｊ１ 、 ａ_ｋｊ２ 、…、ａ_ｋｊＮ ）を用いて、ｋ番目の選択肢に対応する属性値の関数ｗ_ｋｊ（ｄ_ｊ ）が
ｗ_ｋｊ（ｄ_ｊｍ）＝ａ_ｋｊｍ
で表されるようにしてもよい。
【００１３】
属性の状態が不明であったり、属性が想定していない状態となるなどして、属性値が不明である場合、不明な属性値ｄ_ｊ の関数ｗ_ｋｊ（ｄ_ｊ ）が定数ｃ_ｋｊを用いて
ｗ_ｋｊ（ｄ_ｊ ）＝ｃ_ｋｊ
で表されるようにしてもよい。
【００１４】
好ましくは、前記選択肢が、テキストを音声に変換するテキスト音声合成に関する特徴パラメータの選択肢であるようにしてもよい。
好ましくは、前記特徴パラメータの選択肢が、ピッチパターン制御モデルの特徴バラメータの選択肢であるようにしてもよい。
【００１５】
好ましくは、前記ピッチパターン制御モデルが、複数の代表パターンより１つのパターンを選択し、該選択されたパターンに対して変形を施して得られるパターンをピッチパターンとするものであるようにしてもよい。
【００１６】
好ましくは、前記変形が、少なくとも対数周波数軸上の並行移動を含むようにしてもよい。
好ましくは、前記属性が、アクセント句のモーラ数、アクセント句の係り先、先行アクセント句の係り先を含むようにしてもよい。
【００１７】
【発明の実施の形態】
以下、本発明の実施形態について図面を参照して説明する。
ある人がラーメン、寿司、カレーライスのうちどれが最も好きかを、その人の年齢、性別、出身地方から推定する問題を例題として説明する。ここでは、トレーニング事例として、図３に示すようなアンケートの結果を用いるものとする。トレーニング事例（アンケート結果）の例を図４に示す。
【００１８】
本実施形態では、年齢、性別、出身地方が属性（ｊ）であり、ラーメン、寿司、カレーライスがそれぞれどのくらい好きかが推定すべき特徴量（ｋ）である。図４に示す年齢、性別、出身地方といった属性からラーメン、寿司、カレーライスがそれぞれどのくらい好きかを表す推定値を求め、好ましさの推定値が最大になるものを選択することにより、どの食べ物が最も好きかを推定する。
【００１９】
各属性の属性値は、アンケートの選択肢の番号をそのまま用いるものとし、年齢、性別、出身地方の属性値をそれぞれｄ_１ 、ｄ_２ 、ｄ_３ で表す。各特徴量（ｋ＝１、２、３）、各属性（ｊ＝１、２、３）毎に定めた属性値の関数ｗ_ｋｊと各特徴量毎に定めた定数ｗ_ｋ０を用いて、ラーメン、寿司、カレーライスの好ましさ（特徴量）の推定値ｙ_１ 、ｙ_２ 、ｙ_３ を次のようにモデル化する。
【００２０】
【数３】

ここで、属性値の関数ｗ_ｋｊを以下のように定義する。
【００２１】
【数４】

【００２２】
次に、推定モデルのパラメータをトレーニング事例を用いて決定する方法について説明する。全てのトレーニング事例に対するラーメン、寿司、カレーライスの好ましさの推定誤差の２乗和を表す評価関数Ｅ_１ 、Ｅ_２ 、Ｅ_３ を以下のように定義する。
【００２３】
【数５】

【００２４】
ただし、Ｍはトレーニング事例の数を、ｙ_１ ^ｉ 、ｙ_２ ^ｉ 、ｙ_３ ^ｉ は、それぞれｉ番目のトレーニング事例のラーメン、寿司、カレーライスの好ましさの値（アンケートの選択肢の番号）を表し、ｄ_ｊ ^ｉ はｉ番目のトレーニング事例のｊ番目の属性値を表すものとする。この評価関数を最小化するようなバラメータを探索すればよい。パラメータの探索は、何らかの公知の最適化手法を用いればよい。
【００２５】
例えば、ａ_１１１ ＝−０．２、ａ_１１２ ＝−０．１、ａ_１１３ ＝０．３、ａ_１１４ ＝０．５、ａ_１１５ ＝０．４と係数が求められたとすると、変数ｄ_１ を年代として関数Ｗ_ｋ１（ｄ_１ ）は、図５のように表される。また、図５の関数の代わりに、変数ｄ_１ を年齢として、図５の関数を滑らかに補間して得られる図６のような関数を用いてもよい。
【００２６】
求められたモデルを用いて最も好ましい食べ物（特徴量）を推定するためには、推走する人の年齢、性別、出身地方から、図３に従って属性値ｄ_１ 、ｄ_２ 、ｄ_３ を求め、これを（１）式に代入して各食べ物に対応する好ましさの推定値ｙ_１ 、ｙ_２ 、ｙ_３ を求めて、推定値が最大になった食べ物（最大の推定値がｙ_１ であればラーメン、ｙ_２ であれば寿司、ｙ_３ であればカレーライス）を最も好きな食べ物と推定する。
【００２７】
また、このモデルを用いて、ラーメン、寿司、カレーライスの中から好きな食べ物を全て推定して選択することもできる。例えば、閾値を「３．５」として、好ましさの推定値ｙ_ｋ が３．５以上であればその食べ物が好きであると推定すればよい。好ましさの推定値がｙ_１ ＝２．５、ｙ_２ ＝４．２、ｙ_３ ＝３．８であるとすれば、好きな食ぺ物は寿司とカレーライスであると推定される。
【００２８】
トレーニング事例として与えられる情報が、各食べ物の好ましさではなく、どれが最も好きかという情報のみである場合、最も好きな食べ物に対する好ましさの値を「５」とし、それ以外を「１」として、上記の方法と同様にモデルのパラメータを求めて推定を行うことができる。例えば、好きな食べ物が寿司の場合は、ｉ番目のトレーニング事例におけるラーメンの推定値はｙ_１ ^ｉ ＝１、寿司の推定値はｙ_２ ^ｉ ＝５、カレーライスの推定値はｙ_３ ^ｉ ＝１となる。
【００２９】
また、不明な属性値があるような事例に対して推定を行うために、ｄ_ｊ が不明な場合の関数の値を、
ｗ_ｋｊ（ｄ_ｊ ）＝ｃ_ｋｊ（ｄ_ｊ が不明） （６）
と定義する。ｃ_ｋｊは、例えばａ_ｋｊｍ （ｍ＝１、２、…）の乎均値としてもよい。あるいは、属性値の出現頻度で重み付けをして求めた加重平均値を用いてもよい。
【００３０】
なお、定数ｗ_ｋ０は、常に「０」として最適化を行わないようにしてもよい。
また、２つ以上の属性の組合せを新たに１つの属性と定義してもよい。例えば、「性別」と「出身地方」の２つの属性を組み合わせて１つの属性とし、図７に示すように属性値を付与することも可能である。
【００３１】
図８は、本発明の情報処理方法を実現する情報処理装置の構成を示すブロック図で、例えば、入力されたテキスト１０１を合成音声１１０に変換するテキスト音声合成処理を実現するものである。
【００３２】
言語処理部１０は、テキスト１０１に言語処理を行って、その処理結果、すなわち、アクセン卜型１０２、モーラ数１０３、当該アクセント句の係り先１０４、先行アクセント句の係り先１０５、音韻記号列１０６をそれぞれアクセント句毎に出力データとして出力する。
【００３３】
例えば「あらゆる現実をすべて自分の方へねじ曲げたのだ」というテキストの場合、アクセント句は「あらゆる」「現実を」「すべて」「自分の」「方ヘ」「ねじ曲げたのだ」となり、これらの各アクセント句についてのアクセン卜型１０２、モーラ数１０３、当該アクセント句の係り先１０４、先行アクセント句の係り先１０５が出力される。
【００３４】
韻律生成部１１は、アクセント型１０２、モーラ数１０３、当該アクセント句の係り先１０４、先行アクセン卜句の係り先１０５、音韻記号列１０６から、基本周波数の時間変化パターンであるピッチパターンと音韻継続時間長を生成して、それぞれ出力データ１０７、１０８として出力する。
【００３５】
音声信号生成部１２は、音韻記号列１０６、ピッチパターン１０７、音韻継続時間長１０８より、合成音声１１０を生成する。
次に、韻律生成部１１の詳細な動作について、図９を参照して説明する。
【００３６】
代表パターン選択部２１は、言語処理部１０から出力されるアクセン卜型１０２、モーラ数１０３、当該アクセント句の係り先１０４、先行アクセント句の係り先１０５から、当該アクセント句に対して適した代表パターンを選択し、代表バターン番号２０１を出力する。
【００３７】
代表パターン記憶部２２は、複数の代表パターンを代表パターン番号に対応させて予め記憶している。その中から、代表パターン選択部２１から出力された代表バターン番号２０１に対応する代表バターン２０３を読みだして出力する。
【００３８】
代表バターンとは、例えば図１０に示すような、音声の基本周波数の代表的な時間変化バターンの時間軸をモーラ単位に正規化したものである。
移動量生成部２０は、入力したモーラ数１０３、当該アクセント句の係り先１０４、先行アクセン卜句の係り先１０５より、代表パターン２０３を対数周波数軸方向に並行移動する際の移動量２０２を求めて出力する。
【００３９】
音韻継続時間長生成部２３は、音韻記号列１０６に従って、各音韻の音韻継続時間長１０８を求めて出力する。
ピッチパターン生成部２４は、代表パターン２０３を、音韻継続時間長１０８に従って各モーラの長さが音韻継続時間長と等しくなるように時間方向に伸縮し、移動量２０２に従って対数周波数軸上で並行移動させて、ピッチパターン１０７を出力する。「あらゆる」というアクセント句に対して、ピッチパターンの生成を行った例を図１１に示す。
【００４０】
図１１（ａ）が代表バターン２０３を、図１１（ｂ）が、時間方向の伸縮を行って得られるバターンを、図１１（ｃ）が、対数周波数軸上で並行移動させて得られるピッチパターン１０７を表している。ただし、図１１の縦軸は対数周波数を表すものとし、移動量２０２は４．５とした。
【００４１】
次に、代表パターン選択部２１の詳細な動作について説明する。ここで、アクセント型１０２、モーラ数１０３、当該アクセント句の係り先１０４、先行アクセント句の係り先１０５を当該アクセン卜句に関する属性とし、代表パターンを特徴量とする。まず、属性値から各代表パターンに対する評価値を推定し、該推定値が最小となる代表パターンの番号を代表バターン番号２０１として出力する。
【００４２】
ここで、各代表バターンの推定値とは、各代表パターンを使用して生成されるピッチパターンと、属性の状態の組合せに対して理想的なピッチパターンとの距離を表している。
【００４３】
距離の推定値の求め方について説明する。各属性の状態に対する属性値を図１２のように定義する。
ｋ番目の代表パターンに対する距離の推定値ｙ_ｋ を、属性値の関数ｗ_ｋｊ（ｄ_ｊ ）、（ｋ＝１、２、…、Ｋ）（ｊ＝１、２、３、４）と定数ｗ_ｋｏを用いて次式によって求める。
【００４４】
【数６】

【００４５】
関数ｗ_ｋｊ（ｄ_ｊ ）、（ｋ＝１、２、…、Ｋ）（ｊ＝１、２、３、４）は、係数ａ_ｋｊｍ （ｋ＝１、２、…、Ｋ）（ｊ＝１、２、３、４）（ｍ＝０、１、２、…）とｃ_ｋｊを用いて以下のように定義される。
【００４６】
【数７】

【００４７】
ここで、ｄ_ｊ が不明であるとは、言語処理の失敗などの理由で、属性の状態を知ることができないような揚合を意味している。
（８）式の代わりに、次式のような多項式を用いてもよい。
【００４８】
ｗ_ｋｊ（ｄ_ｊ ）＝ｂ_ｋｊ２ ｄ_ｊ ^２ ＋ｂ_ｋｊ１ ｄ_ｊ ＋ｂ_ｋｊ０ （９）
（７）式のｗ_ｋ０および（８）式の係数ａ_ｋｊｍ あるいは（９）式の係数ｂ_ｋｊｍ は、トレーニング事例に対する距離の推定値の誤差が最小となるように決定される。
【００４９】
トレ−二ング事例とは、実音声から抽出されたピッチパターンと各代表パターンとの距離のデータと、対応するテキストの属性（アクセン卜型、モーラ数、当該アクセン卜句の係り先、先行アクセン卜旬の係り先）のデータの組合せである。トレ−二ング事例は、大量のテキストとそれを読み上げた実音声のデータを解析することにより得られる。
【００５０】
係数の最適化は、例えば距離の推定値の２乗平均誤差を評価関数として、公知の最適化手法を用いて行うことができる。
また、（８）式の係数ｃ_ｋｊは、ａ_ｋｊ０ 、ａ_ｋｊ１ …の平均値とするか、あるいは属性値の出現頻度を考慮して重み付けを行った加重平均値としてもよい。
【００５１】
本実施形態ではテキストの属性を、アクセント型、モーラ数、当該アクセン卜句の係り先、先行アクセン卜句の係り先としたが、その他にも、品詞、文中の位置、呼気段落中の位置、音韻の種類など様々な情報を属性とすることができる。
【００５２】
【発明の効果】
以上説明したように、本発明によれば、事例に対応する特徴量の選択を行う際に、各選択肢を選択した場合の評価値を属性の情報に基づき推定し、該推定値に基づいて特徴量を選択するため、正しい特徴量の選択がなされなかった場合でもより正解に近い特徴量の選択が行える。
【図面の簡単な説明】
【図１】従来からある決定木を用いた分類器の一例を示す図。
【図２】ピッチパターン生成処理における代表パターンの具体例を示す図。
【図３】トレーニング事例収集のためのアンケートの具体例を示す図。
【図４】トレーニング事例の具体例を示す図。
【図５】属性値の関数ｗ_ｋ１（ｄ_１ ）の具体例を示す図。
【図６】属性値の関数ｗ_ｋ１（ｄ_１ ）の具体例を示す図で、図５の関数を滑らかに補間したものである。
【図７】２つの属性の組合せを１つの属性として属性値を定めたテーブルの一例を示す図。
【図８】本発明の一実施形態に係るテキスト音声合成処理を実行するを情報処理装置の構成例を示す図。
【図９】韻律生成部の構成例を示す図。
【図１０】代表パターン記憶部に記憶される代表パターンを模式的に示す図。
【図１１】複数の選択肢の中から選択された代表パターンからピッチパターンを生成する過程を説明するための図。
【図１２】属性の状態に対する属性値を定めたテーブルの一例を示す図。
【符号の説明】
１０…言語処理部
１１…韻律生成部
１２…音声信号生成部
２０…移動量生成部
２１…代表パターン選択部
２２…代表パターン記憶部
２３…音韻継続時間長生成部
２４…ピッチパターン生成部

Claims (8)

1. 入力されたテキストからピッチパターンを生成するピッチパターン生成方法であって、
   音声の基本周波数の時間変化パターンである複数の代表パターンを記憶手段に記憶する第１のステップと、
   前記テキストから、前記ピッチパターンを生成する際に必要な情報であって複数の属性にそれぞれ対応する複数の属性値の組合せを求める第２のステップと、
   前記複数の代表パターンのうちのｋ番目の代表パターンを用いて生成されるピッチパターンと、前記組合せに対して理想的なピッチパターンとの距離を表す推定値ｙｋ を前記複数の属性のうちのｊ番目の属性の属性値ｄｊ の関数ｗｋｊ（ｄｊ ）と定数ｗｋ０とを用いて、
   

   

   によって求める第３のステップと、
   前記複数の代表パターンのそれぞれに対し求めた前記推定値に基づいて、前記複数の代表パターンのうちの１つを選択する第４のステップと、
   選択された代表パターンを変形して前記組合せに対応するピッチパターンを生成する第５のステップと、
   を有することを特徴とするピッチパターン生成方法。
2. 前記第４のステップは、前記複数の代表パターンのうち前記推定値が最小の代表パターンを選択することを特徴とする請求項１記載のピッチパターン生成方法。
3. 前記複数の属性値のうちの少なくとも１つの属性値ｄｊが有限個の値（ｄｊ１、ｄｊ２…、ｄｊＮ）をとるものであって、当該有限個の各値に対応する係数（ａｋｊｌ 、ａｋｊ２ 、…、ａｋｊＮ ）を用いて、前記ｋ番目の代表パターンについて前記推定値ｙｋ を求める際の属性値ｄ_ｊに対応する関数ｗｋｊ（ｄｊ ）が
   ｗｋｊ（ｄｊｍ）＝ａｋｊｍ
   で表されることを特徴とする請求項１記載のピッチパターン生成方法。
4. 前記属性値ｄｊ が不明である場合、前記ｋ番目の代表パターンについて前記推定値ｙｋ を求める際の属性値ｄ_ｊに対応する関数ｗｋｊ （ｄｊ ）が、定数ｃｋｊを用いて
   ｗｋｊ（ｄｊ）＝ｃｋｊ
   で表されることを特徴とする請求項１記載のピッチパターン生成方法。
5. 前記属性は、少なくともアクセント句のモーラ数、アクセン卜句の係り先、先行アクセント句の係り先を含むことを特徴とする請求項１記載のピッチパターン生成方法。
6. 入力されたテキストからピッチパターンを生成するピッチパターン生成方法であって、
   音声の基本周波数の時間変化パターンである複数の代表パターンを記憶手段に記憶する第１のステップと、
   前記テキストから、前記ピッチパターンを生成する際に必要な情報であって複数の属性にそれぞれ対応する複数の属性値の組合せを求める第２のステップと、
   前記複数の代表パターンのそれぞれについて、各代表パターンを用いて生成されるピッチパターンと前記組合せに対して理想的なピッチパターンとの距離の推定値を算出する第３のステップと、
   前記複数の代表パターンのそれぞれに対し求めた前記推定値に基づいて、前記複数の代表パターンのうちの１つを選択する第４のステップと、
   選択された代表パターンを変形して前記組合せに対応するピッチパターンを生成する第５のステップと、
   を有することを特徴とするピッチパターン生成方法。
7. 入力されたテキストからピッチパターンを生成するピッチパターン生成装置であって、
   音声の基本周波数の時間変化パターンである複数の代表パターンを記憶する記憶手段と、
   前記テキストから、前記ピッチパターンを生成する際に必要な情報であって複数の属性にそれぞれ対応する複数の属性値の組合せを求める手段と、
   前記複数の代表パターンのうちのｋ番目の代表パターンを用いて生成されるピッチパターンと、前記組合せに対して理想的なピッチパターンとの距離を表す評価値ｙｋ を、前記複数の属性のうちのｊ番目の属性の属性値ｄｊ の関数ｗｋｊ（ｄｊ ）と定数ｗｋ０とを用いて、
   

   

   によって求める手段と、
   前記複数の代表パターンのそれぞれに対し求めた前記推定値に基づいて、当該複数の代表パターンのうちの１つを選択する手段と、
   選択された代表パターンを変形して前記組合せに対応するピッチパターンを生成する手段と、
   を具備したことを特徴とするピッチパターン生成装置。
8. 入力されたテキストからピッチパターンを生成するピッチパターン生成装置であって、
   音声の基本周波数の時間変化パターンである複数の代表パターンを記憶する記憶手段と、
   前記テキストから、前記ピッチパターンを生成する際に必要な情報であって複数の属性にそれぞれ対応する複数の属性値の組合せを求める手段と、
   前記複数の代表パターンのそれぞれについて、各代表パターンを用いて生成されるピッチパターンと前記組合せに対して理想的なピッチパターンとの距離の推定値を算出する手段と、
   前記複数の代表パターンのそれぞれに対し求めた前記推定値に基づいて、前記複数の代表パターンのうちの１つを選択する手段と、
   選択された代表パターンを変形して前記組合せに対応するピッチパターンを生成する手段と、
   を具備したことを特徴とするピッチパターン生成装置。

Images