JP4166405B2 - 駆動信号分析装置 - Google Patents
駆動信号分析装置 Download PDFInfo
- Publication number
- JP4166405B2 JP4166405B2 JP2000059861A JP2000059861A JP4166405B2 JP 4166405 B2 JP4166405 B2 JP 4166405B2 JP 2000059861 A JP2000059861 A JP 2000059861A JP 2000059861 A JP2000059861 A JP 2000059861A JP 4166405 B2 JP4166405 B2 JP 4166405B2
- Authority
- JP
- Japan
- Prior art keywords
- circuit
- equation
- group delay
- calculation circuit
- point
- 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
Images
Landscapes
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Description
【０００１】
【発明の属する技術分野】
本発明は、駆動信号分析装置に関するものである。
【０００２】
【従来の技術】
音声など、信号のエネルギーが時間とともに変動するような信号は、エネルギーの供給源となる駆動による応答が集まったものと解釈することができる。このそれぞれの駆動による応答を波形から得られる情報に基づいて、一つ一つの駆動による応答に分離することが求められている。また、そうして選択されたそれぞれの応答について、その応答の原因となった駆動がどのようなものであるかを推定することも求められている。
【０００３】
このような分離や推定は、例えば音声波形を１ピッチ毎に切出して編集することにより音声合成を行う波形編集合成方式において、適切な波形を切出すための鍵となる技術である。また、音声信号の振幅スペクトル成分に主に含まれる言語情報と、音声信号の駆動信号に主に含まれる感情等のパラ言語情報を精密に分離するための鍵となる分析技術である。しかし、これまでは、駆動による応答の適切な選択や応答の原因となった駆動の属性を合成に適した形で抽出する方法は無かった。
【０００４】
例えば、駆動情報を取り出そうとする初期の試みの一つに数ｋＨｚという比較的高い中心周波数を有する帯域フィルタの出力の包絡の変動に基づいて駆動による応答を抽出しようという検討がある（Ｔ．Ｖ Ａｎａｎｔｈａｐａｄｍａｕａｂｈａ ａｎｄ Ｂ．Ｙｅｇｎａｎａｒａｙａｎａ，“Ｅｐｏｃｈ ｅｘｔｒａｃｔｉｏｎ ｏｆ ｖｏｉｃｅｄ ｓｐｅｅｃｈ”ＩＥＥＥ Ｔｒａｎｓ．Ａｃｏｕｓｔ．Ｓｐｅｅｃｈ，Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ，Ｖｏｌ．ＡＳＳＰ−２３，ｐｐ．５６２−５７０，１９７５）。この方法では、包絡の変動の選択に適当な閾値を設けることで、音声における声門閉止という高い周波数成分においてエネルギーが時間的に集中する現象を抽出している。しかし、閾値の設定は恣意的であり、また、合成に使うための駆動そのものの性質を記述する方法を有していない。
【０００５】
音声合成という目的を明確にし、そのための駆動信号を求めようとする最近の提案に、合成と分析を繰返すことで逐次的に駆動信号の推定値を改良しようとするものがある（Ｗｅｎ Ｄｉｎｇ，Ｈｉｄｅｋｉ Ｋａｓｕｙａ，Ｓｈｕｉｃｈｉ Ａｄａｃｈｉ，“Ｓｉｍｕｌｔａｎｅｏｕｓ Ｅｓｔｉｍａｔｉｏｎ ｏｆ Ｖｏｃａｌ Ｔｒａｃｔ ａｎｄ ｖｏｉｃｅ Ｓｏｕｒｃｅ Ｐａｒａｍｅｔｅｒｓ Ｂａｓｅｄ ｏｎ ａｎ ＡＲＸ Ｍｏｄｅｌ，”ＩＥＩＣＥ Ｔｒａｎｓ．Ｉｎｆｏ．ａｎｄ Ｓｙｓｔｅｍ，Ｖｏｌ．Ｅ７８−Ｄ，Ｎｏ．６，ｐｐ．７３８−７４３，１９９５．）。しかし、この方法では、駆動信号のモデルとして自由度の少ないものを用いているため、現実の音声のように多様な発声に対しては、十分に近似できないことが生ずる。そのため、多様な発声の状況の全てにわたって高品質の音声合成を可能にするものではない。また、近似度を逐次的に改善する繰返し演算は計算量も多く、実時間処理を要求されるような応用には適していないという問題がある。
【０００６】
最近の試みの中には、突発的な現象の抽出に適した性質を有するｗａｖｅｌｅｔを用いて音声の駆動情報を抽出しようとするものがある（Ｓ．Ｋａｄａｍｂｅ，Ｇ．Ｆ．Ｂｏｕｄｒｅａｕｘ−Ｂａｒｔｅｌｓ，“Ａｐｐｌｉｃａｔｉｏｎ ｏｆ ｔｈｅ ｗａｖｅｌｅｔ ｔｒａｎｓｆｏｒｍ ｆｏｒ ｐｉｔｃｈ ｄｅｔｅｃｔｉｏｎ ｏｆ ｓｐｅｅｃｈ ｓｉｇｎａｌｓ，”ＩＥＥＥ Ｔｒａｎｓ．Ｉｎｆｏｒｍａｔｉｏｎ Ｔｈｅｏｒｙ，ｖｏｌ．３８，Ｎｏ．２，ｐｐ．９１７−９２４，Ｍａｒｃｈ １９９２）。しかし、この方法においても、信号の中の特異性を有する時点が一点であれば精密な抽出はできるものの、実際の音声のように厳密には特異性を有する一点が存在せず、ある範囲にランダムに拡がっているような場合には、適切な位置が抽出されるかは明らかでは無い。また、そのような駆動現象の拡がりを表すパラメータを持たないため、高品質の音声合成を可能にする情報の抽出の手段としては有効では無い。
【０００７】
このように、これまでの方法では、高品質の分析と加工および合成に適合した合理的な駆動信号の抽出方法は無かったといえる。
【０００８】
【発明が解決しようとする課題】
音声をはじめとする音響信号の性質を表す場合、信号の原動力となる駆動情報とそれによって駆動される伝達特性の双方の記述が必要となる。しかし、これまでは高品位の再合成に適した駆動情報を音響信号の分析により求めることは困難であった。すなわち、これまで、分析と加工の双方に適合した合理的な駆動信号の抽出方法は無かった。
【０００９】
本発明では、上記問題点を除去し、分析と加工の双方に適合した合理的な駆動信号の抽出を行うことができる駆動信号分析装置を提供することを目的とする。
【００１０】
【課題を解決するための手段】
本発明は、上記目的を達成するために、
〔１〕駆動信号分析方法において、下記式（１０）を用いて不動点としての駆動点の候補を抽出し、同時に、下記式（１３）により、継続時間を求める第１のステップと、それぞれの前記駆動点において、下記式（１８）を用いて最小位相インパルス応答に対応する群遅延を求める第２のステップと、前記第１のステップで求めた前記駆動点のそれぞれの候補における平均時刻と前記第２のステップで求めた前記最小位相インパルス応答に対する群遅延から、下記式（２０）を用いて前記駆動点の位置を求め、下記式（２１）を用いて駆動源の継続時間を求める第３のステップとを施し、駆動点の情報を抽出することを特徴とする。
【００１１】
ここで、
式（１０）は、
｛ｔ e ｝＝｛ｕ｜〈ｔ（ｕ）〉＝ｕ，〔ｄ〈ｔ（ｕ）〉〕／ｄｕ＜１｝（ただし、ｕは時間窓の中心がある時刻を、ｔ（ｕ）はイベントの平均時刻を、ｔ e はイベントの時刻をそれぞれ表している。）
式（１３）は、
σ t （ｔ e ）＝σ w √〔ｇ（ｔ e ）／２〕（ただし、σ w は不動点における写像の傾斜と分析に用いた時間窓の標準偏差を、ｇ（ｔ e ）は不動点における写像の傾斜を、σ t （ｔ e ）は継続時間をそれぞれ表している。）
式（１８）は、
【００１２】
【数９】
（ただし、τ m （ω，ｕ）は群遅延、ｑはケフレンシーである。）
式（２０）は、
【００１３】
【数１０】
【００１４】
式（２１）は、
【００１５】
【数１１】
【００１６】
〔２〕駆動信号分析装置において、自乗回路（１）と、多段遅延回路（２）と、Ｇａｕｓｓ（ガウス）型加重回路（３）と、第１の総和部分（Σ）（４）と、第２の総和部分（Σ）（６）と、微分Ｇａｕｓｓ型加重回路（５）と、不動点検出回路（７）と、不動点位置（８）と、傾斜計算回路（９）と、拡がり変換回路（１０）とを備えており、
前記自乗回路（１）と前記多段遅延回路（２）と前記Ｇａｕｓｓ型加重回路（３）と前記微分Ｇａｕｓｓ型加重回路（５）とにより、前記第２の総和部分（６）により下記式（３）の分子部分を計算し、前記第１の総和部分（４）により前記式（３）の分母部分を計算することにより、前記不動点検出回路（７）において平均時刻を計算し、下記式（１０）によって不動点として駆動点の位置を求め、また、前記傾斜計算回路（９）において下記式（１１）により定義される平均時間の導関数を上記で求めた駆動点の位置において求め、こうして求めた傾斜の値を前記拡がり変換回路（１０）において下記式（１４）により駆動点付近での信号の標準偏差（１１）に変換し、前記駆動点の特徴量とすることを特徴とする。
【００１７】
ここで、
式（３）は、
〈ｔ（ｕ）〉＝〔∫ｔ｜ｘ（ｔ，ｕ）｜ 2 ｄｔ〕／〔∫｜ｘ（ｔ，ｕ）｜ 2 ｄｔ〕（ただし、ｕは時間窓の中心がある時刻を、ｔ（ｕ）はイベントの平均時刻をそれぞれ表している。）
式（１０）は、
｛ｔ e ｝＝｛ｕ｜〈ｔ（ｕ）〉＝ｕ，〔ｄ〈ｔ（ｕ）〉〕／ｄｕ＜１｝（ただし、ｔ e はイベントの時刻を表している。）
式（１１）は、
【００１８】
【数１２】
（ただし、ｇ（ｔｅ）は不動点における写像の傾斜を表している。）
式（１４）は、
σ s （ｔ e ）＝σ w √｛ｇ（ｔ e ）／〔１−ｇ（ｔ e ）〕｝
（ただし、σ s （ｔ e ）はイベントのパラメータ、σ w は不動点における写像の傾斜と分析に用いた時間窓の標準偏差を表している。）
〔３〕駆動信号分析装置において、多段遅延回路（２１）と、Ｇａｕｓｓ型加重回路（２３）と、微分Ｇａｕｓｓ型加重回路（２５）と、ＦＦＴ（高速フーリエ変換）回路（２ ４，２６）と、パワースペクトル計算回路（２７）と、群遅延計算回路（２８）と、最小位相群遅延計算回路（２９）と、補償済み群遅延計算回路（３０）と、補償済み平均群遅延計算回路（３１）と、不動点計算回路（３２）と、群遅延標準偏差計算回路（３４）とを備え、
前記多段遅延回路（２１）と前記Ｇａｕｓｓ型加重回路（２３）と前記微分Ｇａｕｓｓ型加重回路（２５）と前記ＦＦＴ（高速フーリエ変換）回路（２４，２６）により、下記式（２３）の分母〔前記Ｇａｕｓｓ型加重回路（２３）と前記ＦＦＴ回路（２４）利用〕と、分子〔前記微分Ｇａｕｓｓ型加重回路（２５）と前記ＦＦＴ回路（２６）利用〕を計算し、前記群遅延計算回路（２８）によって前記式（２３）を実行して群遅延特性を求め、前記最小位相群遅延計算回路（２９）では下記式（１８）により前記パワースペクトル計算回路（２７）により下記式（１７）で求められる振幅スペクトルから複素ケプストラムを介して最小位相応答の位相成分を求め、その周波数成分により最小位相応答成分の群遅延特性を求め、前記補償済み群遅延計算回路（３０）では、前記群遅延計算回路（２８）で前記式（２３）により求められた群遅延特性の実測値から前記最小位相群遅延計算回路（２９）で求められた前記最小位相応答成分の群遅延特性を減算することで、受動的な伝達システムの影響を補償して駆動源だけに依存した補償済み群遅延特性を推定し、前記補償済み平均群遅延計算回路（３１）では、こうして求めた補償済み群遅延特性を、前記パワースペクトル計算回路（２７）により前記式（１７）の自乗で求められるパワースペクトルを、加重として用いて下記式（２０）によって定義される補償された平均時刻を求め、前記不動点計算回路（３２）では、補償された平均時刻が０を上から下に横切る点として不動点位置（３３）を求め、また、同時に、補償された群遅延の駆動点付近での標準偏差（３５）を前記群遅延標準偏差計算回路（３４）で計算し、駆動点の特徴量とすることを特徴とする。
【００１９】
ここで、
式（１７）は、
【００２０】
【数１３】
式（１８）は、
【００２１】
【数１４】
式（２０）は、
【００２２】
【数１５】
式（２３）は、
【００２３】
【数１６】
本発明によれば、駆動情報を駆動の位置および様々な周波数領域における時間的拡がりとして表し、それらのパラメータを、適切に設計された一組のフィルタによって信号波形の自乗を処理することにより求めることのできる装置を提供する。
【００２４】
さらに、信号波形の周波数スペクトルと群遅延特性の処理を加味することによって、未知の伝達特性による影響を自動的に補償でき、かつ、信号の中の信頼できる情報だけを選択的に利用することができる構成を明らかにしている。
【００２５】
【発明の実施の形態】
以下、本発明の実施の形態について詳細に説明する。
【００２６】
本発明は、駆動情報を駆動の位置および様々な周波数領域における時間的拡がりとして表し、それらのパラメータを、適切に設計された一組のフィルタによって信号波形の自乗を処理することにより求めることのできる装置を提供する。
【００２７】
さらに、信号波形の周波数スペクトルと群遅延特性の処理を加味することによって、未知の伝達特性による影響を自動的に補償でき、かつ、信号の中の信頼できる情報だけを選択的に利用することができる構成を明らかにしている。
【００２８】
以下、本発明の構成について順次に詳細に説明する。
（１−１）時間領域での表現
ある時間信号をｓ（ｔ）としたとき、その平均時刻〈ｔ〉と継続時間σt は以下のように表される（Ｌ．Ｃｏｈｅｎ．Ｔｉｍｅ−ｆｒｅｑｕｅｎｃｙ ａｎａｌｙｓｉｓ．Ｐｒｅｎｔｉｃｅ Ｈａｌｌ，Ｅｎｇｌｅｗｏｏｄ Ｃｌｉｆｆｓ，ＮＪ，１９９５参照）。
〈ｔ〉＝〔∫ｔ｜ｓ（ｔ）｜2 ｄｔ〕／〔∫｜ｓ（ｔ）｜2 ｄｔ〕 …（１）
σ2 t ＝〔∫（ｔ−〈ｔ〉）2 ｜ｓ（ｔ）｜2 ｄｔ〕／〔∫｜ｓ（ｔ）｜2 ｄｔ〕
…（２）
音声波形は複数のイベントを含むため、上記の量を意味のあるものとするためには、注目するイベントを時間窓等の操作によって予め分離しておくことが必要となる。
【００２９】
ある時間窓ｗ（ｔ）によって、ある一つの声門閉止の周囲を切出せば、次式によって、イベントの平均時刻〈ｔ（ｕ）〉と継続時間σt （ｕ）を求めることができる。
〈ｔ（ｕ）〉＝〔∫ｔ｜ｘ（ｔ，ｕ）｜2 ｄｔ〕／〔∫｜ｘ（ｔ，ｕ）｜2 ｄｔ
…（３）
σ2 t （ｕ）＝〔∫（ｔ−〈ｔ〉）2 ｜ｘ（ｔ，ｕ）｜2 ｄｔ〕／〔∫｜ｘ（ｔ，ｕ）｜2 ｄｔ〕 …（４）
ｘ（ｔ，ｕ）＝ｗ（ｔ−ｕ）ｓ（ｔ） …（５）
ここでｕは、時間窓の中心がある時刻を表し、積分の範囲は（−∞，∞）である。なお、σt （ｕ）は窓が掛けられた信号の見かけの継続時間である。
（１−１−１）窓の中心と平均時刻
ここで、以下の議論を簡単にするために次のようなガウス型の窓関数を用いる。
【００３０】
【数１７】
また、イベントの振幅包絡も次のようなガウス型を仮定する。
【００３１】
【数１８】
ｔe はイベントの時刻を表す。
【００３２】
すると、平均時刻は次のように表される。
【００３３】
【数１９】
ここでｐw （ｕ）＝∫｜ｘ（ｔ，ｕ）｜2 ｄｔは、切り出された波形のエネルギーを表す。式（８）より｜ｗ（ｔ−ｕ）ｓ（ｔ）｜は中心に対して対称となるので、平均時刻は指数部の導関数が０となる位置となり、次のように求められる。Ｌ（ｔ）＝−ｌｏｇ｜ｗ（ｔ−ｕ）ｓ（ｔ）｜2 とする。
【００３４】
【数２０】
このように、平均時刻は窓の中心の時刻とイベントの時刻の加重平均となる。イベントの継続時間が短ければ短いほどイベントの時刻の重みが増す。また、平均時刻がイベントの時刻と一致するのは、窓の中心がイベント位置に重なった時であることが分かる。したがって、イベントの時刻は、窓の中心の時刻から平均時刻への写像の不動点の中で以下の条件を満たすものから求められる。
｛ｔe ｝＝｛ｕ｜〈ｔ（ｕ）〉＝ｕ，〔ｄ〈ｔ（ｕ）〉〕／ｄｕ＜１｝ …（１０）
（１−１−２）写像の傾斜と継続時間
ところで、上記式（９）より、上記の条件を満たす不動点における写像の傾斜ｇ（ｔe ）は次式のように求められる。
【００３５】
【数２１】
この状態での波形の包絡は、不動点における写像の傾斜ｇ（ｔe ）を用いて次のように表されることに注意する。
【００３６】
【数２２】
この式（１２）を用いて継続時間を求めると、以下が得られる。
【００３７】
σt （ｔe ）＝σw √〔ｇ（ｔe ）／２〕 …（１３）
すなわち、不動点における写像の傾斜と分析に用いた時間窓の標準偏差σw を用いることにより、窓で切り出された信号の見かけの継続時間を表すことができることが分かる。また、次式によってイベントのパラメータであるσs （ｔe ）を求めることができる。
【００３８】
σs （ｔe ）＝σw √｛ｇ（ｔe ）／〔１−ｇ（ｔe ）〕｝ …（１４）
（１−２）周波数領域での表現
ここで、平均時刻と継続時間の周波数領域での表現（Ｌ．Ｃｏｈｅｎ．Ｔｉｍｅ−ｆｒｅｑｕｅｎｃｙ ａｎａｌｙｓｉｓ．Ｐｒｅｎｔｉｃｅ Ｈａｌｌ，Ｅｎｇｌｅｗｏｏｄ Ｃｌｉｆｆｓ，ＮＪ，１９９５）を利用し、窓を掛けた信号の平均時刻〈ｔ（ｕ）〉と継続時間σt （ｕ）を群遅延ｔg （ω，ｕ）＝−ψ′（ω，ｕ）を用いて表現する。ここで′はωに関する微分を表す。
〈ｔ（ｕ）〉＝−∫ψ′（ω，ｕ）｜Ｓ（ω，ｕ）｜2 ｄω …（１５）
σ2 t （ｕ）＝∫〔Ｂ′（ω，ｕ）／Ｂ（ω，ｕ）〕2 ・Ｂ2 （ω，ｕ）ｄω ＋∫〔ψ′（ω，ｕ）＋〈ｔ（ｕ）〉）2 ・Ｂ2 （ω，ｕ）ｄω …（１６）
【００３９】
【数２３】
上記の式（１６）の第一項は、スペクトルの振幅変動による継続時間への寄与分、第二項は、位相変動による寄与分を表す。Ｂ（ω，ｕ）は、スペクトルの振幅成分を表す。
（１−２−１）最小位相応答の補償
上記の式（１５）は、平均時刻が群遅延の加重平均であることを示している。すなわち、声門閉止に対応する不動点は、声道のインパルス応答の群遅延分だけ実際の声門の閉止時刻から遅れた位置に生ずることが分かる。声道のインパルス応答が因果律を満たしているのであれば、振幅スペクトルから例えば次のように複素ケプストラムＣ（ｑ，ｕ）を介して最小位相インパルス応答（Ａ．Ｏｐｐｅｎｈｅｉｍ ａｎｄ Ｒ．Ｓｃｈａｆｅｒ． Ｄｉｓｃｒｅｔｅ−Ｔｉｍｅ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ． Ｐｒｅｎｔｉｃｅ Ｈａｌｌ，Ｅｎｇｌｅｗｏｏｄ Ｃｌｉｆｆｓ，ＮＪ，１９８９参照）に対応する群遅延τm （ω，ｕ）を計算することができる。
【００４０】
【数２４】
【００４１】
【数２５】
ここでｑはケフレンシーである。この最小位相成分を用いて群遅延−ψ′（ω，ｕ）を補償すれば、声道の影響を受ける前の駆動信号の群遅延特性を求めることができる。
【００４２】
声道による群遅延を補償した平均時刻〈ｔ＊（ｕ）〉（ｔの上に〜が付く）と位相変動による寄与分σ2 ＊P （ｕ）（σの上に〜が付く）は次のように求められる。
【００４３】
【数２６】
【００４４】
【数２７】
声門閉止による駆動が高域ではインパルスで近似できるのであれば、声道の応答による群遅延を補償した位相変動による寄与分は、ほぼ０となる。なお、振幅成分を補償して平坦なスペクトルとすると第一項は０となる。これは逆フィルタ処理に外ならない。しかし、本発明は逆フィルタ処理を実際に行わずに声道の影響を受ける前の駆動信号の群遅延特性を求めるところに特徴がある。
（２）駆動情報の抽出手順
以上をまとめると、次の手続きによって駆動点の情報を抽出することができる。
【００４５】
ステップ１ 上記式（１０）を用いて不動点として駆動点の候補を抽出する。同時に、上記式（１３）により継続時間を求める。
ステップ２ それぞれの駆動点において、上記式（１８）を用いて最小位相インパルス応答に対応する群遅延を求める。
【００４６】
ステップ３ ステップ１で求めた駆動点のそれぞれの候補における平均時刻とステップ２で求めた最小位相インパルス応答に対応する群遅延から、上記式（２０）を用いて駆動点の位置を求め、上記式（２１）を用いて駆動源の継続時間を求める。
【００４７】
以下では、実際の音声を例として、各ステップの具体的動作について説明する。
（２−１）実音声の分析例
男性の発声した日本語母音の連鎖「アイウエオ」を例にとって、分析の各ステップを説明する。音声の収録には圧力型マイク（Ｓｏｎｙ ＥＭＣ−７７Ｓ）を用い、２２０５０Ｈｚ １６ｂｉｔで標本化した。
【００４８】
時間領域での不動点の抽出：図１に、時間窓の中心位置から平均時刻への写像を示す。図中の○印は抽出された不動点を示す。図の最上部に示した音声波形と比較すると、不動点は声門閉止の位置から少し遅れたところにあることが分かる。
【００４９】
本発明の方法で用いている写像は、窓内のエネルギーで正規化された無次元の量であり、図中の１２５ｍｓ附近のようにレベルが低い場合も、１６３ｍｓ附近のようにレベルが高い場合も、同様に安定に求めることができる。通常のイベント検出で必要な閾値の設定は、本発明の方法では不要である。
【００５０】
波形から求めたイベントの継続時間：図２に、それぞれ不動点について求めた継続時間を音声波形とともに示す。無声部分ではイベントの継続時間はほぼ窓長に一致し、有声部分では短くなっていることが分かる。
【００５１】
最小位相成分の補償による駆動情報の抽出：図３に、スペクトルの振幅情報を用いて補正したイベント時刻と、イベントの駆動信号の継続時間を示す。ここでも無声部分のイベントの継続時間は窓長のあたりに存在することが分かる。有声部分については、継続時間が明らかに小さな値を示しており、駆動源が非常に短い時間に集中していることが分かる。
【００５２】
修正されたイベント位置と駆動情報：図４に、修正されたイベント位置とイベントの鋭さを示す。イベントの鋭さη（ｕ）を表す指標として以下の式で表されるものを用いた。
【００５３】
【数２８】
この指標が１となるのは、駆動源がインパルスの場合で最小位相の補償が完全に行われた場合である。また、駆動源が定常的なランダム雑音の場合には、この指標は０．３よりもやや少ない値の周辺に分布する。
【００５４】
以下、本発明の具体的な信号分析装置の構成について説明する。
【００５５】
図５は本発明の第１実施例を示す信号分析装置の構成図であり、特に、波形に基づく駆動情報の抽出装置の構成を示している。
【００５６】
この図において、１は自乗回路、２は多段遅延回路、３はＧａｕｓｓ（ガウス）型加重回路、４，６は総和部分（Σ）、５は微分Ｇａｕｓｓ型加重回路、７は不動点検出回路、８は不動点位置、９は傾斜計算回路、１０は拡がり変換回路、１１は標準偏差である。
【００５７】
この図に示すように、自乗回路１、多段遅延回路２、Ｇａｕｓｓ型加重回路３、微分Ｇａｕｓｓ型加重回路５により、上の総和部分６により式（３）の分子部分を計算し、下の総和部分４により式（３）の分母部分を計算することにより、不動点検出回路７において平均時刻を計算し、式（１０）によって不動点として駆動点の位置を求める。また、傾斜計算回路９において式（１１）により定義される平均時間の導関数を上記で求めた駆動点の位置において求める。こうして求めた傾斜の値を拡がり変換回路１０において式（１４）により駆動点付近での信号の標準偏差１１に変換し、駆動点の特徴量とする。
【００５８】
本発明によれば、駆動情報を駆動の位置および様々な周波数領域における拡がりとして表し、それらのパラメータを、適切に設計された一組のフィルタによって信号波形の自乗を処理することにより求めることのできる装置を提供する。
【００５９】
図６は本発明の第２実施例を示す信号分析装置の構成図であり、特に、周波数スペクトルの振幅成分と群遅延との関係を利用して精密な駆動時刻と本来の駆動信号の拡がりを表す継続時間を求める装置の構成を示している。
【００６０】
本実施例は、信号波形の周波数スペクトルと群遅延特性の処理を加味することによって、未知の伝達特性による影響を自動的に補償でき、かつ、信号の中の信頼できる情報だけを選択的に利用することができる構成を明らかにしている。
【００６１】
信号は多段遅延回路２１、Ｇａｕｓｓ型加重回路２３、微分Ｇａｕｓｓ型加重回路２５とＦＦＴ（高速フーリエ変換）回路２４，２６により、式（２３）の分母（Ｇａｕｓｓ型加重回路２３とＦＦＴ回路２４利用）と、分子（微分Ｇａｕｓｓ型加重回路２５とＦＦＴ回路２６利用）を計算し、群遅延計算回路２８によって式（２３）を実行して群遅延特性を求める。最小位相群遅延計算回路２９では式（１８）によりパワースペクトル計算回路２７により式（１７）で求められる振幅スペクトルから複素ケプストラムを介して最小位相応答の位相成分を求め、その周波数成分により最小位相応答成分の群遅延特性を求める。補償済み群遅延計算回路３０では、群遅延計算回路２８で式（２３）により求められた群遅延特性の実測値から最小位相群遅延計算回路２９で求められた最小位相応答成分の群遅延特性を減算することで、受動的な伝達システム（この場合は例えば声道の伝達特性等）の影響を補償して駆動源だけに依存した補償済み群遅延特性を推定する。補償済み平均群遅延計算回路３１では、こうして求めた補償済み群遅延特性を、パワースペクトル計算回路２７により式（１７）の自乗で求められるパワースペクトルを、加重として用いて式（２０）によって定義される補償された平均時刻を求める。不動点計算回路３２では、補償された平均時刻が０を上から下に横切る点として不動点位置３３を求める。また、同時に、補償された群遅延の駆動点付近での標準偏差３５を群遅延標準偏差計算回路３４で計算し、駆動点の特徴量とする。
【００６２】
【数２９】
なお、本発明は上記実施例に限定されるものではなく、本発明の趣旨に基づいて種々の変形が可能であり、これらを本発明の範囲から排除するものではない。
【００６３】
【発明の効果】
以上、詳細に説明したように、本発明によれば、分析と加工の双方に適合した合理的な駆動信号の抽出を行うことができる。
【図面の簡単な説明】
【図１】 本発明に係る時間窓の中心位置から平均時刻への写像を示す図である。
【図２】 本発明に係るそれぞれ不動点について求めた継続時間を音声波形とともに示す図である。
【図３】 本発明に係るスペクトルの振幅情報を用いて補正したイベント時刻と、イベントの駆動信号の継続時間を示す図である。
【図４】 本発明に係る修正されたイベント位置とイベントの鋭さを示す図である。
【図５】 本発明の第１実施例を示す信号分析装置の構成図である。
【図６】 本発明の第２実施例を示す信号分析装置の構成図である。
【符号の説明】
１ 自乗回路
２，２１ 多段遅延回路
３，２３ Ｇａｕｓｓ（ガウス）型加重回路
４，６ 総和部分（Σ）
５，２５ 微分Ｇａｕｓｓ型加重回路
７ 不動点検出回路
８ 不動点位置
９ 傾斜計算回路
１０ 拡がり変換回路
１１，３５ 標準偏差
２４，２６ ＦＦＴ（高速フーリエ変換）回路
２７ パワースペクトル計算回路
２８ 群遅延計算回路
２９ 最小位相群遅延計算回路
３０ 補償済み群遅延計算回路
３１ 補償済み平均群遅延計算回路
３２ 不動点計算回路
３３ 不動点位置
３４ 群遅延標準偏差計算回路
【発明の属する技術分野】
本発明は、駆動信号分析装置に関するものである。
【０００２】
【従来の技術】
音声など、信号のエネルギーが時間とともに変動するような信号は、エネルギーの供給源となる駆動による応答が集まったものと解釈することができる。このそれぞれの駆動による応答を波形から得られる情報に基づいて、一つ一つの駆動による応答に分離することが求められている。また、そうして選択されたそれぞれの応答について、その応答の原因となった駆動がどのようなものであるかを推定することも求められている。
【０００３】
このような分離や推定は、例えば音声波形を１ピッチ毎に切出して編集することにより音声合成を行う波形編集合成方式において、適切な波形を切出すための鍵となる技術である。また、音声信号の振幅スペクトル成分に主に含まれる言語情報と、音声信号の駆動信号に主に含まれる感情等のパラ言語情報を精密に分離するための鍵となる分析技術である。しかし、これまでは、駆動による応答の適切な選択や応答の原因となった駆動の属性を合成に適した形で抽出する方法は無かった。
【０００４】
例えば、駆動情報を取り出そうとする初期の試みの一つに数ｋＨｚという比較的高い中心周波数を有する帯域フィルタの出力の包絡の変動に基づいて駆動による応答を抽出しようという検討がある（Ｔ．Ｖ Ａｎａｎｔｈａｐａｄｍａｕａｂｈａ ａｎｄ Ｂ．Ｙｅｇｎａｎａｒａｙａｎａ，“Ｅｐｏｃｈ ｅｘｔｒａｃｔｉｏｎ ｏｆ ｖｏｉｃｅｄ ｓｐｅｅｃｈ”ＩＥＥＥ Ｔｒａｎｓ．Ａｃｏｕｓｔ．Ｓｐｅｅｃｈ，Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ，Ｖｏｌ．ＡＳＳＰ−２３，ｐｐ．５６２−５７０，１９７５）。この方法では、包絡の変動の選択に適当な閾値を設けることで、音声における声門閉止という高い周波数成分においてエネルギーが時間的に集中する現象を抽出している。しかし、閾値の設定は恣意的であり、また、合成に使うための駆動そのものの性質を記述する方法を有していない。
【０００５】
音声合成という目的を明確にし、そのための駆動信号を求めようとする最近の提案に、合成と分析を繰返すことで逐次的に駆動信号の推定値を改良しようとするものがある（Ｗｅｎ Ｄｉｎｇ，Ｈｉｄｅｋｉ Ｋａｓｕｙａ，Ｓｈｕｉｃｈｉ Ａｄａｃｈｉ，“Ｓｉｍｕｌｔａｎｅｏｕｓ Ｅｓｔｉｍａｔｉｏｎ ｏｆ Ｖｏｃａｌ Ｔｒａｃｔ ａｎｄ ｖｏｉｃｅ Ｓｏｕｒｃｅ Ｐａｒａｍｅｔｅｒｓ Ｂａｓｅｄ ｏｎ ａｎ ＡＲＸ Ｍｏｄｅｌ，”ＩＥＩＣＥ Ｔｒａｎｓ．Ｉｎｆｏ．ａｎｄ Ｓｙｓｔｅｍ，Ｖｏｌ．Ｅ７８−Ｄ，Ｎｏ．６，ｐｐ．７３８−７４３，１９９５．）。しかし、この方法では、駆動信号のモデルとして自由度の少ないものを用いているため、現実の音声のように多様な発声に対しては、十分に近似できないことが生ずる。そのため、多様な発声の状況の全てにわたって高品質の音声合成を可能にするものではない。また、近似度を逐次的に改善する繰返し演算は計算量も多く、実時間処理を要求されるような応用には適していないという問題がある。
【０００６】
最近の試みの中には、突発的な現象の抽出に適した性質を有するｗａｖｅｌｅｔを用いて音声の駆動情報を抽出しようとするものがある（Ｓ．Ｋａｄａｍｂｅ，Ｇ．Ｆ．Ｂｏｕｄｒｅａｕｘ−Ｂａｒｔｅｌｓ，“Ａｐｐｌｉｃａｔｉｏｎ ｏｆ ｔｈｅ ｗａｖｅｌｅｔ ｔｒａｎｓｆｏｒｍ ｆｏｒ ｐｉｔｃｈ ｄｅｔｅｃｔｉｏｎ ｏｆ ｓｐｅｅｃｈ ｓｉｇｎａｌｓ，”ＩＥＥＥ Ｔｒａｎｓ．Ｉｎｆｏｒｍａｔｉｏｎ Ｔｈｅｏｒｙ，ｖｏｌ．３８，Ｎｏ．２，ｐｐ．９１７−９２４，Ｍａｒｃｈ １９９２）。しかし、この方法においても、信号の中の特異性を有する時点が一点であれば精密な抽出はできるものの、実際の音声のように厳密には特異性を有する一点が存在せず、ある範囲にランダムに拡がっているような場合には、適切な位置が抽出されるかは明らかでは無い。また、そのような駆動現象の拡がりを表すパラメータを持たないため、高品質の音声合成を可能にする情報の抽出の手段としては有効では無い。
【０００７】
このように、これまでの方法では、高品質の分析と加工および合成に適合した合理的な駆動信号の抽出方法は無かったといえる。
【０００８】
【発明が解決しようとする課題】
音声をはじめとする音響信号の性質を表す場合、信号の原動力となる駆動情報とそれによって駆動される伝達特性の双方の記述が必要となる。しかし、これまでは高品位の再合成に適した駆動情報を音響信号の分析により求めることは困難であった。すなわち、これまで、分析と加工の双方に適合した合理的な駆動信号の抽出方法は無かった。
【０００９】
本発明では、上記問題点を除去し、分析と加工の双方に適合した合理的な駆動信号の抽出を行うことができる駆動信号分析装置を提供することを目的とする。
【００１０】
【課題を解決するための手段】
本発明は、上記目的を達成するために、
〔１〕駆動信号分析方法において、下記式（１０）を用いて不動点としての駆動点の候補を抽出し、同時に、下記式（１３）により、継続時間を求める第１のステップと、それぞれの前記駆動点において、下記式（１８）を用いて最小位相インパルス応答に対応する群遅延を求める第２のステップと、前記第１のステップで求めた前記駆動点のそれぞれの候補における平均時刻と前記第２のステップで求めた前記最小位相インパルス応答に対する群遅延から、下記式（２０）を用いて前記駆動点の位置を求め、下記式（２１）を用いて駆動源の継続時間を求める第３のステップとを施し、駆動点の情報を抽出することを特徴とする。
【００１１】
ここで、
式（１０）は、
｛ｔ e ｝＝｛ｕ｜〈ｔ（ｕ）〉＝ｕ，〔ｄ〈ｔ（ｕ）〉〕／ｄｕ＜１｝（ただし、ｕは時間窓の中心がある時刻を、ｔ（ｕ）はイベントの平均時刻を、ｔ e はイベントの時刻をそれぞれ表している。）
式（１３）は、
σ t （ｔ e ）＝σ w √〔ｇ（ｔ e ）／２〕（ただし、σ w は不動点における写像の傾斜と分析に用いた時間窓の標準偏差を、ｇ（ｔ e ）は不動点における写像の傾斜を、σ t （ｔ e ）は継続時間をそれぞれ表している。）
式（１８）は、
【００１２】
【数９】
式（２０）は、
【００１３】
【数１０】
式（２１）は、
【００１５】
【数１１】
〔２〕駆動信号分析装置において、自乗回路（１）と、多段遅延回路（２）と、Ｇａｕｓｓ（ガウス）型加重回路（３）と、第１の総和部分（Σ）（４）と、第２の総和部分（Σ）（６）と、微分Ｇａｕｓｓ型加重回路（５）と、不動点検出回路（７）と、不動点位置（８）と、傾斜計算回路（９）と、拡がり変換回路（１０）とを備えており、
前記自乗回路（１）と前記多段遅延回路（２）と前記Ｇａｕｓｓ型加重回路（３）と前記微分Ｇａｕｓｓ型加重回路（５）とにより、前記第２の総和部分（６）により下記式（３）の分子部分を計算し、前記第１の総和部分（４）により前記式（３）の分母部分を計算することにより、前記不動点検出回路（７）において平均時刻を計算し、下記式（１０）によって不動点として駆動点の位置を求め、また、前記傾斜計算回路（９）において下記式（１１）により定義される平均時間の導関数を上記で求めた駆動点の位置において求め、こうして求めた傾斜の値を前記拡がり変換回路（１０）において下記式（１４）により駆動点付近での信号の標準偏差（１１）に変換し、前記駆動点の特徴量とすることを特徴とする。
【００１７】
ここで、
式（３）は、
〈ｔ（ｕ）〉＝〔∫ｔ｜ｘ（ｔ，ｕ）｜ 2 ｄｔ〕／〔∫｜ｘ（ｔ，ｕ）｜ 2 ｄｔ〕（ただし、ｕは時間窓の中心がある時刻を、ｔ（ｕ）はイベントの平均時刻をそれぞれ表している。）
式（１０）は、
｛ｔ e ｝＝｛ｕ｜〈ｔ（ｕ）〉＝ｕ，〔ｄ〈ｔ（ｕ）〉〕／ｄｕ＜１｝（ただし、ｔ e はイベントの時刻を表している。）
式（１１）は、
【００１８】
【数１２】
式（１４）は、
σ s （ｔ e ）＝σ w √｛ｇ（ｔ e ）／〔１−ｇ（ｔ e ）〕｝
（ただし、σ s （ｔ e ）はイベントのパラメータ、σ w は不動点における写像の傾斜と分析に用いた時間窓の標準偏差を表している。）
〔３〕駆動信号分析装置において、多段遅延回路（２１）と、Ｇａｕｓｓ型加重回路（２３）と、微分Ｇａｕｓｓ型加重回路（２５）と、ＦＦＴ（高速フーリエ変換）回路（２ ４，２６）と、パワースペクトル計算回路（２７）と、群遅延計算回路（２８）と、最小位相群遅延計算回路（２９）と、補償済み群遅延計算回路（３０）と、補償済み平均群遅延計算回路（３１）と、不動点計算回路（３２）と、群遅延標準偏差計算回路（３４）とを備え、
前記多段遅延回路（２１）と前記Ｇａｕｓｓ型加重回路（２３）と前記微分Ｇａｕｓｓ型加重回路（２５）と前記ＦＦＴ（高速フーリエ変換）回路（２４，２６）により、下記式（２３）の分母〔前記Ｇａｕｓｓ型加重回路（２３）と前記ＦＦＴ回路（２４）利用〕と、分子〔前記微分Ｇａｕｓｓ型加重回路（２５）と前記ＦＦＴ回路（２６）利用〕を計算し、前記群遅延計算回路（２８）によって前記式（２３）を実行して群遅延特性を求め、前記最小位相群遅延計算回路（２９）では下記式（１８）により前記パワースペクトル計算回路（２７）により下記式（１７）で求められる振幅スペクトルから複素ケプストラムを介して最小位相応答の位相成分を求め、その周波数成分により最小位相応答成分の群遅延特性を求め、前記補償済み群遅延計算回路（３０）では、前記群遅延計算回路（２８）で前記式（２３）により求められた群遅延特性の実測値から前記最小位相群遅延計算回路（２９）で求められた前記最小位相応答成分の群遅延特性を減算することで、受動的な伝達システムの影響を補償して駆動源だけに依存した補償済み群遅延特性を推定し、前記補償済み平均群遅延計算回路（３１）では、こうして求めた補償済み群遅延特性を、前記パワースペクトル計算回路（２７）により前記式（１７）の自乗で求められるパワースペクトルを、加重として用いて下記式（２０）によって定義される補償された平均時刻を求め、前記不動点計算回路（３２）では、補償された平均時刻が０を上から下に横切る点として不動点位置（３３）を求め、また、同時に、補償された群遅延の駆動点付近での標準偏差（３５）を前記群遅延標準偏差計算回路（３４）で計算し、駆動点の特徴量とすることを特徴とする。
【００１９】
ここで、
式（１７）は、
【００２０】
【数１３】
【００２１】
【数１４】
【００２２】
【数１５】
【００２３】
【数１６】
【００２４】
さらに、信号波形の周波数スペクトルと群遅延特性の処理を加味することによって、未知の伝達特性による影響を自動的に補償でき、かつ、信号の中の信頼できる情報だけを選択的に利用することができる構成を明らかにしている。
【００２５】
【発明の実施の形態】
以下、本発明の実施の形態について詳細に説明する。
【００２６】
本発明は、駆動情報を駆動の位置および様々な周波数領域における時間的拡がりとして表し、それらのパラメータを、適切に設計された一組のフィルタによって信号波形の自乗を処理することにより求めることのできる装置を提供する。
【００２７】
さらに、信号波形の周波数スペクトルと群遅延特性の処理を加味することによって、未知の伝達特性による影響を自動的に補償でき、かつ、信号の中の信頼できる情報だけを選択的に利用することができる構成を明らかにしている。
【００２８】
以下、本発明の構成について順次に詳細に説明する。
（１−１）時間領域での表現
ある時間信号をｓ（ｔ）としたとき、その平均時刻〈ｔ〉と継続時間σt は以下のように表される（Ｌ．Ｃｏｈｅｎ．Ｔｉｍｅ−ｆｒｅｑｕｅｎｃｙ ａｎａｌｙｓｉｓ．Ｐｒｅｎｔｉｃｅ Ｈａｌｌ，Ｅｎｇｌｅｗｏｏｄ Ｃｌｉｆｆｓ，ＮＪ，１９９５参照）。
〈ｔ〉＝〔∫ｔ｜ｓ（ｔ）｜2 ｄｔ〕／〔∫｜ｓ（ｔ）｜2 ｄｔ〕 …（１）
σ2 t ＝〔∫（ｔ−〈ｔ〉）2 ｜ｓ（ｔ）｜2 ｄｔ〕／〔∫｜ｓ（ｔ）｜2 ｄｔ〕
…（２）
音声波形は複数のイベントを含むため、上記の量を意味のあるものとするためには、注目するイベントを時間窓等の操作によって予め分離しておくことが必要となる。
【００２９】
ある時間窓ｗ（ｔ）によって、ある一つの声門閉止の周囲を切出せば、次式によって、イベントの平均時刻〈ｔ（ｕ）〉と継続時間σt （ｕ）を求めることができる。
〈ｔ（ｕ）〉＝〔∫ｔ｜ｘ（ｔ，ｕ）｜2 ｄｔ〕／〔∫｜ｘ（ｔ，ｕ）｜2 ｄｔ
…（３）
σ2 t （ｕ）＝〔∫（ｔ−〈ｔ〉）2 ｜ｘ（ｔ，ｕ）｜2 ｄｔ〕／〔∫｜ｘ（ｔ，ｕ）｜2 ｄｔ〕 …（４）
ｘ（ｔ，ｕ）＝ｗ（ｔ−ｕ）ｓ（ｔ） …（５）
ここでｕは、時間窓の中心がある時刻を表し、積分の範囲は（−∞，∞）である。なお、σt （ｕ）は窓が掛けられた信号の見かけの継続時間である。
（１−１−１）窓の中心と平均時刻
ここで、以下の議論を簡単にするために次のようなガウス型の窓関数を用いる。
【００３０】
【数１７】
【００３１】
【数１８】
【００３２】
すると、平均時刻は次のように表される。
【００３３】
【数１９】
【００３４】
【数２０】
｛ｔe ｝＝｛ｕ｜〈ｔ（ｕ）〉＝ｕ，〔ｄ〈ｔ（ｕ）〉〕／ｄｕ＜１｝ …（１０）
（１−１−２）写像の傾斜と継続時間
ところで、上記式（９）より、上記の条件を満たす不動点における写像の傾斜ｇ（ｔe ）は次式のように求められる。
【００３５】
【数２１】
【００３６】
【数２２】
【００３７】
σt （ｔe ）＝σw √〔ｇ（ｔe ）／２〕 …（１３）
すなわち、不動点における写像の傾斜と分析に用いた時間窓の標準偏差σw を用いることにより、窓で切り出された信号の見かけの継続時間を表すことができることが分かる。また、次式によってイベントのパラメータであるσs （ｔe ）を求めることができる。
【００３８】
σs （ｔe ）＝σw √｛ｇ（ｔe ）／〔１−ｇ（ｔe ）〕｝ …（１４）
（１−２）周波数領域での表現
ここで、平均時刻と継続時間の周波数領域での表現（Ｌ．Ｃｏｈｅｎ．Ｔｉｍｅ−ｆｒｅｑｕｅｎｃｙ ａｎａｌｙｓｉｓ．Ｐｒｅｎｔｉｃｅ Ｈａｌｌ，Ｅｎｇｌｅｗｏｏｄ Ｃｌｉｆｆｓ，ＮＪ，１９９５）を利用し、窓を掛けた信号の平均時刻〈ｔ（ｕ）〉と継続時間σt （ｕ）を群遅延ｔg （ω，ｕ）＝−ψ′（ω，ｕ）を用いて表現する。ここで′はωに関する微分を表す。
〈ｔ（ｕ）〉＝−∫ψ′（ω，ｕ）｜Ｓ（ω，ｕ）｜2 ｄω …（１５）
σ2 t （ｕ）＝∫〔Ｂ′（ω，ｕ）／Ｂ（ω，ｕ）〕2 ・Ｂ2 （ω，ｕ）ｄω ＋∫〔ψ′（ω，ｕ）＋〈ｔ（ｕ）〉）2 ・Ｂ2 （ω，ｕ）ｄω …（１６）
【００３９】
【数２３】
（１−２−１）最小位相応答の補償
上記の式（１５）は、平均時刻が群遅延の加重平均であることを示している。すなわち、声門閉止に対応する不動点は、声道のインパルス応答の群遅延分だけ実際の声門の閉止時刻から遅れた位置に生ずることが分かる。声道のインパルス応答が因果律を満たしているのであれば、振幅スペクトルから例えば次のように複素ケプストラムＣ（ｑ，ｕ）を介して最小位相インパルス応答（Ａ．Ｏｐｐｅｎｈｅｉｍ ａｎｄ Ｒ．Ｓｃｈａｆｅｒ． Ｄｉｓｃｒｅｔｅ−Ｔｉｍｅ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｉｎｇ． Ｐｒｅｎｔｉｃｅ Ｈａｌｌ，Ｅｎｇｌｅｗｏｏｄ Ｃｌｉｆｆｓ，ＮＪ，１９８９参照）に対応する群遅延τm （ω，ｕ）を計算することができる。
【００４０】
【数２４】
【数２５】
【００４２】
声道による群遅延を補償した平均時刻〈ｔ＊（ｕ）〉（ｔの上に〜が付く）と位相変動による寄与分σ2 ＊P （ｕ）（σの上に〜が付く）は次のように求められる。
【００４３】
【数２６】
【数２７】
（２）駆動情報の抽出手順
以上をまとめると、次の手続きによって駆動点の情報を抽出することができる。
【００４５】
ステップ１ 上記式（１０）を用いて不動点として駆動点の候補を抽出する。同時に、上記式（１３）により継続時間を求める。
ステップ２ それぞれの駆動点において、上記式（１８）を用いて最小位相インパルス応答に対応する群遅延を求める。
【００４６】
ステップ３ ステップ１で求めた駆動点のそれぞれの候補における平均時刻とステップ２で求めた最小位相インパルス応答に対応する群遅延から、上記式（２０）を用いて駆動点の位置を求め、上記式（２１）を用いて駆動源の継続時間を求める。
【００４７】
以下では、実際の音声を例として、各ステップの具体的動作について説明する。
（２−１）実音声の分析例
男性の発声した日本語母音の連鎖「アイウエオ」を例にとって、分析の各ステップを説明する。音声の収録には圧力型マイク（Ｓｏｎｙ ＥＭＣ−７７Ｓ）を用い、２２０５０Ｈｚ １６ｂｉｔで標本化した。
【００４８】
時間領域での不動点の抽出：図１に、時間窓の中心位置から平均時刻への写像を示す。図中の○印は抽出された不動点を示す。図の最上部に示した音声波形と比較すると、不動点は声門閉止の位置から少し遅れたところにあることが分かる。
【００４９】
本発明の方法で用いている写像は、窓内のエネルギーで正規化された無次元の量であり、図中の１２５ｍｓ附近のようにレベルが低い場合も、１６３ｍｓ附近のようにレベルが高い場合も、同様に安定に求めることができる。通常のイベント検出で必要な閾値の設定は、本発明の方法では不要である。
【００５０】
波形から求めたイベントの継続時間：図２に、それぞれ不動点について求めた継続時間を音声波形とともに示す。無声部分ではイベントの継続時間はほぼ窓長に一致し、有声部分では短くなっていることが分かる。
【００５１】
最小位相成分の補償による駆動情報の抽出：図３に、スペクトルの振幅情報を用いて補正したイベント時刻と、イベントの駆動信号の継続時間を示す。ここでも無声部分のイベントの継続時間は窓長のあたりに存在することが分かる。有声部分については、継続時間が明らかに小さな値を示しており、駆動源が非常に短い時間に集中していることが分かる。
【００５２】
修正されたイベント位置と駆動情報：図４に、修正されたイベント位置とイベントの鋭さを示す。イベントの鋭さη（ｕ）を表す指標として以下の式で表されるものを用いた。
【００５３】
【数２８】
【００５４】
以下、本発明の具体的な信号分析装置の構成について説明する。
【００５５】
図５は本発明の第１実施例を示す信号分析装置の構成図であり、特に、波形に基づく駆動情報の抽出装置の構成を示している。
【００５６】
この図において、１は自乗回路、２は多段遅延回路、３はＧａｕｓｓ（ガウス）型加重回路、４，６は総和部分（Σ）、５は微分Ｇａｕｓｓ型加重回路、７は不動点検出回路、８は不動点位置、９は傾斜計算回路、１０は拡がり変換回路、１１は標準偏差である。
【００５７】
この図に示すように、自乗回路１、多段遅延回路２、Ｇａｕｓｓ型加重回路３、微分Ｇａｕｓｓ型加重回路５により、上の総和部分６により式（３）の分子部分を計算し、下の総和部分４により式（３）の分母部分を計算することにより、不動点検出回路７において平均時刻を計算し、式（１０）によって不動点として駆動点の位置を求める。また、傾斜計算回路９において式（１１）により定義される平均時間の導関数を上記で求めた駆動点の位置において求める。こうして求めた傾斜の値を拡がり変換回路１０において式（１４）により駆動点付近での信号の標準偏差１１に変換し、駆動点の特徴量とする。
【００５８】
本発明によれば、駆動情報を駆動の位置および様々な周波数領域における拡がりとして表し、それらのパラメータを、適切に設計された一組のフィルタによって信号波形の自乗を処理することにより求めることのできる装置を提供する。
【００５９】
図６は本発明の第２実施例を示す信号分析装置の構成図であり、特に、周波数スペクトルの振幅成分と群遅延との関係を利用して精密な駆動時刻と本来の駆動信号の拡がりを表す継続時間を求める装置の構成を示している。
【００６０】
本実施例は、信号波形の周波数スペクトルと群遅延特性の処理を加味することによって、未知の伝達特性による影響を自動的に補償でき、かつ、信号の中の信頼できる情報だけを選択的に利用することができる構成を明らかにしている。
【００６１】
信号は多段遅延回路２１、Ｇａｕｓｓ型加重回路２３、微分Ｇａｕｓｓ型加重回路２５とＦＦＴ（高速フーリエ変換）回路２４，２６により、式（２３）の分母（Ｇａｕｓｓ型加重回路２３とＦＦＴ回路２４利用）と、分子（微分Ｇａｕｓｓ型加重回路２５とＦＦＴ回路２６利用）を計算し、群遅延計算回路２８によって式（２３）を実行して群遅延特性を求める。最小位相群遅延計算回路２９では式（１８）によりパワースペクトル計算回路２７により式（１７）で求められる振幅スペクトルから複素ケプストラムを介して最小位相応答の位相成分を求め、その周波数成分により最小位相応答成分の群遅延特性を求める。補償済み群遅延計算回路３０では、群遅延計算回路２８で式（２３）により求められた群遅延特性の実測値から最小位相群遅延計算回路２９で求められた最小位相応答成分の群遅延特性を減算することで、受動的な伝達システム（この場合は例えば声道の伝達特性等）の影響を補償して駆動源だけに依存した補償済み群遅延特性を推定する。補償済み平均群遅延計算回路３１では、こうして求めた補償済み群遅延特性を、パワースペクトル計算回路２７により式（１７）の自乗で求められるパワースペクトルを、加重として用いて式（２０）によって定義される補償された平均時刻を求める。不動点計算回路３２では、補償された平均時刻が０を上から下に横切る点として不動点位置３３を求める。また、同時に、補償された群遅延の駆動点付近での標準偏差３５を群遅延標準偏差計算回路３４で計算し、駆動点の特徴量とする。
【００６２】
【数２９】
【００６３】
【発明の効果】
以上、詳細に説明したように、本発明によれば、分析と加工の双方に適合した合理的な駆動信号の抽出を行うことができる。
【図面の簡単な説明】
【図１】 本発明に係る時間窓の中心位置から平均時刻への写像を示す図である。
【図２】 本発明に係るそれぞれ不動点について求めた継続時間を音声波形とともに示す図である。
【図３】 本発明に係るスペクトルの振幅情報を用いて補正したイベント時刻と、イベントの駆動信号の継続時間を示す図である。
【図４】 本発明に係る修正されたイベント位置とイベントの鋭さを示す図である。
【図５】 本発明の第１実施例を示す信号分析装置の構成図である。
【図６】 本発明の第２実施例を示す信号分析装置の構成図である。
【符号の説明】
１ 自乗回路
２，２１ 多段遅延回路
３，２３ Ｇａｕｓｓ（ガウス）型加重回路
４，６ 総和部分（Σ）
５，２５ 微分Ｇａｕｓｓ型加重回路
７ 不動点検出回路
８ 不動点位置
９ 傾斜計算回路
１０ 拡がり変換回路
１１，３５ 標準偏差
２４，２６ ＦＦＴ（高速フーリエ変換）回路
２７ パワースペクトル計算回路
２８ 群遅延計算回路
２９ 最小位相群遅延計算回路
３０ 補償済み群遅延計算回路
３１ 補償済み平均群遅延計算回路
３２ 不動点計算回路
３３ 不動点位置
３４ 群遅延標準偏差計算回路
Claims (3)
- （ａ）下記式（１０）を用いて不動点としての駆動点の候補を抽出し、同時に、下記式（１３）により、継続時間を求める第１のステップと、
（ｂ）それぞれの前記駆動点において、下記式（１８）を用いて最小位相インパルス応答に対応する群遅延を求める第２のステップと、
（ｃ）前記第１のステップで求めた前記駆動点のそれぞれの候補における平均時刻と前記第２のステップで求めた前記最小位相インパルス応答に対する群遅延から、下記式（２０）を用いて前記駆動点の位置を求め、下記式（２１）を用いて駆動源の継続時間を求める第３のステップとを施し、駆動点の情報を抽出することを特徴とする駆動信号分析方法。
ここで、
式（１０）は、
｛ｔ e ｝＝｛ｕ｜〈ｔ（ｕ）〉＝ｕ，〔ｄ〈ｔ（ｕ）〉〕／ｄｕ＜１｝（ただし、ｕは時間窓の中心がある時刻を、ｔ（ｕ）はイベントの平均時刻を、ｔ e はイベントの時刻をそれぞれ表している。）
式（１３）は、
σ t （ｔ e ）＝σ w √〔ｇ（ｔ e ）／２〕（ただし、σ w は不動点における写像の傾斜と分析に用いた時間窓の標準偏差を、ｇ（ｔ e ）は不動点における写像の傾斜を、σ t （ｔ e ）は継続時間をそれぞれ表している。）
式（１８）は、
式（２０）は、
式（２１）は、
- 自乗回路（１）と、多段遅延回路（２）と、Ｇａｕｓｓ（ガウス）型加重回路（３）と、第１の総和部分（Σ）（４）と、第２の総和部分（Σ）（６）と、微分Ｇａｕｓｓ型加重回路（５）と、不動点検出回路（７）と、不動点位置（８）と、傾斜計算回路（９）と、拡がり変換回路（１０）とを備えており、
前記自乗回路（１）と前記多段遅延回路（２）と前記Ｇａｕｓｓ型加重回路（３）と前記微分Ｇａｕｓｓ型加重回路（５）とにより、前記第２の総和部分（６）により下記式（３）の分子部分を計算し、前記第１の総和部分（４）により前記式（３）の分母部分を計算することにより、前記不動点検出回路（７）において平均時刻を計算し、下記式（１０）によって不動点として駆動点の位置を求め、また、前記傾斜計算回路（９）において下記式（１１）により定義される平均時間の導関数を上記で求めた駆動点の位置において求め、こうして求めた傾斜の値を前記拡がり変換回路（１０）において下記式（１４）により駆動点付近での信号の標準偏差（１１）に変換し、前記駆動点の特徴量とすることを特徴とする駆動信号分析装置。
ここで、
式（３）は、
〈ｔ（ｕ）〉＝〔∫ｔ｜ｘ（ｔ，ｕ）｜ 2 ｄｔ〕／〔∫｜ｘ（ｔ，ｕ）｜ 2 ｄｔ〕（ただし、ｕは時間窓の中心がある時刻を、ｔ（ｕ）はイベントの平均時刻をそれぞれ表している。）
式（１０）は、
｛ｔ e ｝＝｛ｕ｜〈ｔ（ｕ）〉＝ｕ，〔ｄ〈ｔ（ｕ）〉〕／ｄｕ＜１｝（ただし、ｔ e はイベントの時刻を表している。）
式（１１）は、
式（１４）は、
σ s （ｔ e ）＝σ w √｛ｇ（ｔ e ）／〔１−ｇ（ｔ e ）〕｝
（ただし、σ s （ｔ e ）はイベントのパラメータ、σ w は不動点における写像の傾斜と分析に用いた時間窓の標準偏差を表している。） - 多段遅延回路（２１）と、Ｇａｕｓｓ型加重回路（２３）と、微分Ｇａｕｓｓ型加重回路（２５）と、ＦＦＴ（高速フーリエ変換）回路（２４，２６）と、パワースペクトル計算回路（２７）と、群遅延計算回路（２８）と、最小位相群遅延計算回路（２９）と、補償済み群遅延計算回路（３０）と、補償済み平均群遅延計算回路（３１）と、不動点計算回路（３２）と、群遅延標準偏差計算回路（３４）とを備え、
前記多段遅延回路（２１）と前記Ｇａｕｓｓ型加重回路（２３）と前記微分Ｇａｕｓｓ型加重回路（２５）と前記ＦＦＴ（高速フーリエ変換）回路（２４，２６）により、下記式（２３）の分母〔前記Ｇａｕｓｓ型加重回路（２３）と前記ＦＦＴ回路（２４）利用〕と、分子〔前記微分Ｇａｕｓｓ型加重回路（２５）と前記ＦＦＴ回路（２６）利用〕を計算し、前記群遅延計算回路（２８）によって前記式（２３）を実行して群遅延特性を求め、前記最小位相群遅延計算回路（２９）では下記式（１８）により前記パワースペクトル計算回路（２７）により下記式（１７）で求められる振幅スペクトルから複素ケプストラムを介して最小位相応答の位相成分を求め、その周波数成分により最小位相応答成分の群遅延特性を求め、前記補償済み群遅延計算回路（３０）では、前記群遅延計算回路（２８）で前記式（２３）により求められた群遅延特性の実測値から前記最小位相群遅延計算回路（２９）で求められた前記最小位相応答成分の群遅延特性を減算することで、受動的な伝達システムの影響を補償して駆動源だけに依存した補償済み群遅延特性を推定し、前記 補償済み平均群遅延計算回路（３１）では、こうして求めた補償済み群遅延特性を、前記パワースペクトル計算回路（２７）により前記式（１７）の自乗で求められるパワースペクトルを、加重として用いて下記式（２０）によって定義される補償された平均時刻を求め、前記不動点計算回路（３２）では、補償された平均時刻が０を上から下に横切る点として不動点位置（３３）を求め、また、同時に、補償された群遅延の駆動点付近での標準偏差（３５）を前記群遅延標準偏差計算回路（３４）で計算し、駆動点の特徴量とすることを特徴とする駆動信号分析装置。
ここで、
式（１７）は、
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2000059861A JP4166405B2 (ja) | 2000-03-06 | 2000-03-06 | 駆動信号分析装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2000059861A JP4166405B2 (ja) | 2000-03-06 | 2000-03-06 | 駆動信号分析装置 |
Publications (3)
| Publication Number | Publication Date |
|---|---|
| JP2001249674A JP2001249674A (ja) | 2001-09-14 |
| JP2001249674A5 JP2001249674A5 (ja) | 2005-08-18 |
| JP4166405B2 true JP4166405B2 (ja) | 2008-10-15 |
Family
ID=18580259
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2000059861A Expired - Fee Related JP4166405B2 (ja) | 2000-03-06 | 2000-03-06 | 駆動信号分析装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP4166405B2 (ja) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6092345B2 (ja) * | 2012-01-10 | 2017-03-08 | 株式会社東芝 | 音声特徴量抽出装置、音声特徴量抽出方法及び音声特徴量抽出プログラム |
| JP2013164572A (ja) * | 2012-01-10 | 2013-08-22 | Toshiba Corp | 音声特徴量抽出装置、音声特徴量抽出方法及び音声特徴量抽出プログラム |
| US9368103B2 (en) * | 2012-08-01 | 2016-06-14 | National Institute Of Advanced Industrial Science And Technology | Estimation system of spectral envelopes and group delays for sound analysis and synthesis, and audio signal synthesis system |
| JP6344026B2 (ja) * | 2014-04-14 | 2018-06-20 | コニカミノルタ株式会社 | 超音波探触子及び超音波画像診断装置 |
| CN114464208A (zh) | 2015-09-16 | 2022-05-10 | 株式会社东芝 | 语音处理装置、语音处理方法以及存储介质 |
-
2000
- 2000-03-06 JP JP2000059861A patent/JP4166405B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JP2001249674A (ja) | 2001-09-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8972255B2 (en) | Method and device for classifying background noise contained in an audio signal | |
| CN103854646B (zh) | 一种实现数字音频自动分类的方法 | |
| Yegnanarayana et al. | Extraction of vocal-tract system characteristics from speech signals | |
| JP4177755B2 (ja) | 発話特徴抽出システム | |
| US10614827B1 (en) | System and method for speech enhancement using dynamic noise profile estimation | |
| CN111128213B (zh) | 一种分频段进行处理的噪声抑制方法及其系统 | |
| Bayya et al. | Spectro-temporal analysis of speech signals using zero-time windowing and group delay function | |
| JP4740609B2 (ja) | 有声音および無声音の検出装置、並びにその方法 | |
| JPS5850360B2 (ja) | 音声認識装置における前処理方法 | |
| EP1850328A1 (en) | Enhancement and extraction of formants of voice signals | |
| JP2006079085A (ja) | 音声品質向上方法及び装置 | |
| CN109473091A (zh) | 一种语音样本生成方法及装置 | |
| JPH10133693A (ja) | 音声認識装置 | |
| JP4166405B2 (ja) | 駆動信号分析装置 | |
| CN112151066A (zh) | 基于声音特征识别的语言冲突监测方法、介质及设备 | |
| CN111261192A (zh) | 一种基于lstm网络的音频检测方法、电子设备及存储介质 | |
| Yegnanarayana et al. | Analysis of instantaneous f 0 contours from two speakers mixed signal using zero frequency filtering | |
| Prakash et al. | Fourier-Bessel cepstral coefficients for robust speech recognition | |
| JP2002507776A (ja) | 音声信号の過渡現象を解析するための信号処理方法 | |
| 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 | |
| JP5752488B2 (ja) | 音声認識装置、音声認識方法、及び音声認識プログラム | |
| Kumar et al. | Speech quality evaluation for different pitch detection algorithms in LPC speech analysis–synthesis system | |
| Rahali et al. | Robust Features for Speech Recognition using Temporal Filtering Technique in the Presence of Impulsive Noise | |
| JP4537821B2 (ja) | オーディオ信号分析方法、その方法を用いたオーディオ信号認識方法、オーディオ信号区間検出方法、それらの装置、プログラムおよびその記録媒体 | |
| JP4313740B2 (ja) | 残響除去方法、プログラムおよび記録媒体 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A712 Effective date: 20031031 |
|
| RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20040129 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20050128 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20050128 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20070112 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20070206 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20070326 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20080729 |
|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20080730 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110808 Year of fee payment: 3 |
|
| LAPS | Cancellation because of no payment of annual fees |