JPH01251000A - 音声信号分析方法 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 〔発明の目的〕 （産業上の利用分野） この発明は、音声信号を高能率に圧縮する符号化方式の
極零モデル分析方式に関する。

（従来の技術） 音声信号を線形予測に基づいて分析する方法が、音声の
符号化や分析・合成システム、認識などで広く用いられ
ている。この分析法は、音声の短時間スペクトルの包絡
を全極形のモデル（ＡＲモデルとも言う。）で近似する
ものであり、スペクトルの極をよく近似する。しかし、
零点はうまく近似できない特質をもつ。実際の音声には
子音や鼻音のようにスペクトルに零点が存在するため、
音声信号を精度よく分析する場合には全極形のモデルで
は不十分であると考えられていた。

そこで、音声の短時間スペクトル包絡を極零形のモデル
（ＡＲＭＡモテルとも言う。）で近似する方法がいくつ
か提案されている。たとえば「音声分析における極零モ
デルの次数の固定」（信学論（Ａ）。

Ｖｏｌ、　Ｊ６０−Ａ、　Ｎａ４．　ＰＰ４２３−４２
４（１９７７−４））がある。

この方法は、短時間スペクトルを次に示す極零形の伝達
関数で近似するものである。

（ここで、ａ□とｐ：各々、極モデルのパラメータと次
数、ｂ工とｑ：零モデルのパラメータと次数）この極零
形のモデルは現実の音声生成過程をよく表していると言
える。上記した文献の内容を、第９図に示すように構成
したとすると、入力された音声信号は、ます全極形モデ
ル（式（１）においてｔｇ＝ｏ、ｉ＝１．２．　　・・
＋ｑ）による分析が行われる。具体的には、自己相関法
処理部１０１により、全極形モデルのパラメータａ工（
ｉ＝１．２．　　・・。

ｐ）が求められる。次に、音声信号は、全極形逆フィル
タ１０２に通され、スペクトルの極が除去された残差信
号となる。

次にパワースペクトル部１０で残差信号のパワースペク
トルを求め逆数処理部１０４て逆数をとる。

このことにより、残差信号のスペクトルに残っていた零
点は極に置き換えられる。このため、逆フーリエ変換部
１０５により逆パワースペクトルの逆フーリエ変換が施
され１（）られる自己相関係数に全極形モデルの分析法
を適用することかでき、零モデルのパラメータｂ、（に
１．　＋　　２１　”’＋　　Ｑ）　を得ることができ
る。

しかしなからこの方法を実際の音声に適用する場合、大
きな問題点がある。これは、ピッチによるスペクｌ−ル
の微細構造により、零モデルパラメータの推定に大きな
誤りが生しることである。詳しく説明すると第１０１．
／Ｉの周波数８ｋＨｚのμ−ＰＣＭコーデックで入力し
た男性の音声信号のスペクトル、第１１図の極子明後の
残差信号のスペクトルの一例を示す回から分かるように
、音声信号及び残差信号のスペクトルに音源のピッチに
」ｋづく微細構造が表われている。この微細構造の深い
谷が零点のように作用したり、真の零点を強調したりす
＝３− る。例えば、第１１図の残差信号のスペク１−ルのＡ点
に示すものがそれである。このような零点を偽りの零点
、又は強調された零点と呼ぶことにする。

このため、上述した従来の方法で分析すると、得られる
極零モデルの周波数特性は第１２図に示すように音声信
号のスペクトル包絡とかけ離れたものとなる。

このように、従来の極零形モデルの分析法では、ピッチ
によるスペクトルの微細構造のため、零点の推定に誤り
を生じる問題点があり、全極形モデルと比べてもスペク
トル近似が悪くなる場合がある。この問題を解決する方
法として、残差信号のパワースペク１〜ルを２点平均に
より平滑化する方法が容易に考えられるが、ピッチ周期
は個人、特に男女の違いによって大きく異なり、また同
一人物の音声でも音韻によって変動する。このため、パ
ワースペクトルを単に平均化する方法では、パワースペ
クトルの平滑化が常に良好に行われると限らない。

（発明が解決しようとする課題） 」―述したように、従来の極零形モデルによる音声分析
法では、ピッチの影響により零点の抽出が精度良く行え
ず、得られるモデルのスペクトル近似が悪くなるという
問題がある。

本発明は、このような問題に鑑みてなされたものであり
、その目的は、ピッチに影響されず、又発声者や音韻に
依存せずに常に零点の抽出を精度良く行える極零形モデ
ルのパラメータ抽出法を、つまり極零モデル分析方式を
提供することにある。

〔発明の構成〕 （課題を解決するための手段） 本発明は、全極モデルの残差信号のパワースペク１〜ル
又は、そのパワースペク１〜ルの逆数を平滑化し、平滑
化されたパワースペクトルの逆数から逆フーリエ変換に
より自己相関係数を求め、求めた自己相関係数に全極モ
デルの分析法を適用することにより零点のパラメータを
抽出するものである。ただし、平滑化の度合いはピッチ
周期の値に応じて適応的に変化される。また、平滑化の
ためにフィルタを用いる場合は、用いら汎るフィルタは
零位相となる。

（作用） ます、入力信号を全極モデルにより分析し、全極モデル
のパラメータを抽出する。次に入力信号を全極形の逆フ
ィルタに通し、残差信号を得る。

残差信号のスペクトルは、極が除去されたものとなり、
次に、パワースペクトルの逆数が取られ、スペク１ヘル
の零点が極に変換される。このとき、スペクトルを平滑
化することにより、ピンチに基づく微細構造が平滑化さ
れる。ピッチによるスペクトルの微細構造の間隔は、ピ
ッチ周期の逆数に比例し、個人によって、又同一人物で
も音韻によって変化する。しかして本方式によれば、ス
ペク１〜ル平滑化の度合を、ピッチ周期に応じて適応的
に変えているので、発声者や音韻に依らず常に、スペク
１〜ルの平滑化を良好に行うことができ、微細構造によ
る偽の零点や強調され過ぎた零点を除去することができ
る。また、本方式では、平滑化に用いられるフィルタを
零位相とすることにより、フィルタの位相特性のためス
ペク１−ルの零点かずれる問題を防止している。この結
果、音声のスペク１ヘルを良好に近似する極零モデルを
得ることができる。

（実施例） 以下本発明に係る一実施例を図面を参照して詳述する。

第１図は、本発明の一実施例に係る極零予測分析方法の
ブロック図を示す。図において、音声信号は端子１に入
力され、極パラメータ推定部２に入力される。極パラメ
ータの推定方法としては、いくつか知られているが、例
えば文献「ディジタル音声処理」　（東海大学出版会）
に示される自己相関法を用いることができる。入力信号
は、次にこの極パラメータ推定部２で得られた極パラメ
ータをもつ全極形逆フィルタ３に入力される。ここでは
、次式に従って予測残差信号ｄ（ｎ）を計算し、出力す
る。

ｄ　（ｎ）　＝Ｓ（ｎ）−Σａ１ｓ（ｎ−ｉ　）　−（
２）ｉ＝１ ここで、５（ｎ）は入力信号系列、Ｓ、は全極モデルの
パラメータ、ｐは予測次数である。

次に、高速フーリエ変換（ＦＦＴ）部４と２乗回路部５
により残差信号ｄ（ｎ）のパワースペクトルを求めると
共に、ピッチ分析処理部６により、ピッチ周期の抽出と
有声／無声の判定を行う。なお、ＦＦＴ部４の代りに離
散フーリエ変換（ＤＦＴ）を用いることもできる。また
、ピッチ分析の方法としては、例えば上記した文献「デ
ィジタル音声処理」に記載されている変形４・目間法を
用いることができる。

ＦＦＴ部４と２乗回路部５によって求められた残差信号
のパワースペクトルは、スムージング回路部７に入力さ
れる。スムージング回路部７は、ピッチ分析処理部６に
より得られたピッチ周期と有声／無声の状態をパラメー
タとしてパワースペクトルを平滑化する。

第２図は、本発明の一実施例に係るスムージング回路部
の具体例を示すブロック図である。この回路の時定数、
すなわちインパルス応答が１／ｅになるサンプル数］゛
は Ｔ＝−１／Ｑ、ｎ（α）　　　　　　　・・　　（３）
と表される。この時定数Ｔをピッチ周期の値に応じて適
応的に変化させる。ピッチ周期をＴｐ〔サンプル〕、サ
ンプリング周波数を１Ｓ〔１□、、ＦＦＴ又はＤＦＴの
次数をＮとすれば残差信号のパワースペクトルに現れる
ピッチによる微細構造の周期ｍ〔サンプル〕は次式で記
述することができる。

従って、時定数Ｔをｍに応して適応的に変化させるには
、 α−１／ｅｘｐ（〜ｂ−）Ｏ −Ｌ と定めればよい。ただし、Ｌはスムージングを行う微細
構造の数を表すパラメータである。また、無音声の場合
、ＴＰは得られないので、ピッチ分析処理部６が無声と
判定した場合には、Ｔｐを予め適当に定めた値に設定す
る。さらに、第２図に示したフィルタによりパワースペ
クトルを平滑化する際、フィルタは零位相とする。零位
相とするには、例えば、パワースペクトルを前向きと後
向きに各々、フィルタリングし、各々得られる出力を平
均すればよい。残差信号のパワースペクトルをＤ（ｎｃ
。）、前向きにフィルタリングした場合のフィルタ出力
をＤ（ｎｃ。）ｆ、　後向きにフィルタリングし場合の
フィルタ出力をＤ（ｎｃ、１）ｂ　とおくと、平滑化は
次のように記述される。

一 １５（ｎｃ、、）−−（Ｄ（ｎｃｏ）ｆ＋５（ｎｃ。）
ｂ）　　　−（８）ｎ＝ｏ、１，２．−、Ｎ−１ 一２π ω０−←　　　　　　　　　　・　　（９）但し、Ｄ（
ｎｃ。）は平滑化されたパワースペクトルであり、Ｎは
ＦＦＴ又はＤＦＴの次数である。

第３図に平滑化された残差信号のスペクトルの例を示す
。但し、スペクトルは２６５点ＦＦＴにより求めた。

以十のスムージング回路により平滑化されたスペクトル
は、逆数回路部８によって、逆スペク１〜ルに変換され
る。この結果、残差信号スペク１〜ルの零点は極へ変換
される。逆スペク１〜ルは逆ＦＦＴ処理部９により逆Ｆ
ＦＴが施され、自己相関系列へと変換され、零予測パラ
メータ推定部１０へ入力される。零予測パラメータ推定
部１０は、入力した自己相関系列から、自己相関法を用
いて零予測パラメータを求める。全零形逆フィルタ１１
は、全極形逆フィルタの残差信号を入力とし、零予測パ
ラメータ推定部１０により求められた零予測パラメータ
を用いて予４１すを行い予測残差信号ｅ（ｎ）を出力す
る。ｅ（ｎ）は次式に従い割算される。

ここで、ｂ３は零予測パラメータ、Ｑは零予測の次数で
ある。

以」二の処理により、音声信号の極零予測分析が行われ
る。第４図に得られた極零モデルの周波数特性を示す。

第１図に示すスフ１−ジング回路部として、パワ一スペ
クトルのピークを検出し、検出したピーク間を２次曲線
で補間する方法によっても行うことができる。具体的に
は、３点のピークを通る２次方程式の係数を求め、２点
のピーク間をその２次曲線で補間する。この場合、ピッ
チ分析が要らなくなるので演算量が少なくなるという効
果がある。

第１図に示すスムージング回路部は、逆数回路の次に挿
入することもでき、この場合の実施例を第５図に示す。

また、周波数領域で行っている第１図、第５図のスムー
ジングは時間領域で行うこともできる。残差信号ｄ（ｎ
）のパワースペクトルの逆数をＤ’（ｎｃ。）、（ｎ＝
ｏ、１．−Ｎ−１）第２図のディジタルフィルタのイン
パルス応答と伝達関数を各々ｈ（ｎ）、　Ｈ（ｎｃ。）
とおくと、スムージングは次式で表されるように周波数
領域でのフィルタリングによって行われる。

Ｄ（ｎｃ。）＝　ΣＤ’（ｎｃ、＋。）ｈ（ｎ−ｉ）　
　−−（１１）ｉ二〇 ω。＝２π／Ｎ　　　　　　　　　・・・・・（１２）
ここで５（ｎｃ。）はスムージングされたパワースぺり
１−ルである。１５（ｎｃ。）とＤ’　（ｎｃ。）の逆
フーリエ変換を各々ｙ　（ｎ）　、γ′（ｎ）とすれば
、フーリエ変換の性質から、式（１１）は時間領域で次
式のように記述される。

Ｙ　（ｎ）−γ’（ｎ）　・Ｈ（ｎｃ。）　　　　　−
（１３）すなわち、窓Ｈ（ｎｃ。）をかけるのと等しい
。このとき、Ｈ（ｎｃ。）をラグウィンドと呼７３：。

Ｈ（ｎｃ（１）はピッチ周期に応じて適応的に変化する
。

第６図に、スフ１−ジングを時間領域で行う場合の一実
施例を示す。

また、第１図、第５図、第６図の実施例では、周波数領
域で零点の極への変換を行っているが、これを時間領域
で行うこともできる。極予測の残差信号ｄ　（ｎ）の自
己相関系列をγ（ｎ）、そのフーリエ変換であるパワー
スペクトルをＤ（ｎｃ。）とおくと、Ｄ（ｎｃ。）とそ
の逆数Ｄ’　（ｎｃ。）の間には次の関係がある。

Ｄ（ｎｃ。）　・Ｄ’（ｎｃ。）＝　」−（１４）フー
リエ変換の性質から、上式は時間領域で次のように表さ
れる。

ｙ　（ｎ）　−薗ｙ　（ｉ）　・ｙ　’　（ｎ−ｉ）−
δ（ｎ−ｎ。）、　ｎｏ＝Ｏ・−（１５）ｊ−０ 自己相関係数はγ（（１）についての対称であるのでこ
の式（１５）は１行列の形で次のように書くことができ
る。

この方程式は、Ｌｅｖｉｎｓｏｎアルゴリズムにより再
帰的に解くことができる。この方法は、例えば「ディジ
タル信号処理の理論１基礎・制御」　（コロナ社）に記
載されているものである。

時間領域で零点の変換とスムージングを行う場合の一実
施例を第７図と第８図に示す。これらの図において逆た
たみ込み回路部５７，６．７は式（１７）を計算するこ
とにより、式（１５）をγ′（ｎ）について解くもので
ある。

尚、第８図において、逆たたみ込み回路部６７にかえて
ラフウィンドー６６の出力を、ＦＦＴあるいはＤＦＴ処
理し、絶対値の２乗逆数（妻）を施しｌ・１ 逆ＦＦＴあるいは逆ＤＦＴ処理する方法もある。

この場合、演算景が逆たたみ込みによるものよりさらに
少なくなるという効果がある。

次に実音声に対する実験結果を以下に示す。

成人男女各１名の発声した１両」に対する分析結果を第
１３図と第１４図に示す。音声の入力は、サンプリング
周波数８　ｋＨｚのμｍＰＣＭコーデックで行い、前処
理は行っていない。分析の条件は、フレーム３０ｍ５　
（２４０サンプル）、分析長３２ｍ５（２５６サンプル
）、時間窓２５６サンプルのハミング窓、極の次数８、
零の次数８である。第１３図（ａ）と第１４図（ａ）は
、１６次の全極モデルのスペクトルとスペクトル平滑化
を行わない場合の極零モデルのスペクトルとピッチ周期
適応の平滑化を行った場合の極零モデルのスペクトルを
比較したものである。これらの図から分かるように、平
滑化を行わない場合には、極零モデルのスペクトルに偽
の零点や強調された零点が現れ、スペクトルの近似が悪
くなっている。しかし、平滑化を行った場合には、スペ
クトルの零点もよく近似している。第１３図（ｂ）と第
１４図（ｂ）は、スペクトル平滑化の方法を比較したも
のである。男性音声に対しては、平滑化法の違いによる
スペクトル近似の良悪に大きな差はない。これは、実験
に用いた男の声のピッチによるスペクトル微細構造の間
隔が３点平均により平滑化できる程度だったことによる
ものと考えられる。女性音声に対しては、平均法のスペ
クトル近似が悪くなっている。これは、女性音声の場合
、微細構造の間隔が広くなって、平均法ではうまく平滑
化ができなかったことによる。これに対し、ピーク間線
形補間法は平滑化の範囲が微細構造の間隔に応じて変化
するので、平均法よりスペクトル近似が良い。表１に平
滑化法を変えた場合のセフメンタル予測ゲインＧｓ＋４
とセグメンタルＳＦＭｓｅｇの逆数を示す。Ｇｓｅｇと
１　／ＳＦＭｓｅｇは各フレームにおける予測ゲインと
１　／ＳＦＭをｄＢ領領域平均したものである。表１や
第１３図、第１４図から分かるように、スペクトル平滑
化法としてピッチ適応法を用いた極零モデルは、発声者
の性別に依らず常に入カスベクトルを良好に推定できる
。

表１　平滑化法をパラメータとした Ｇｓｅｇ、、　（１／　Ｓ　Ｆ　Ｍ）　ｓｅｇ。

以上示したように従来の方法には、有声音駆動音源の周
期性に基づくスペク１−ルの微細構造のため、全極モデ
ルの残差信号のスペクトルに偽の零点や強調された零点
が生じ、そのため零パラメータの推定を誤る問題があっ
た。この問題を解決する方法として残差信号のパワース
ペクトルを平滑化する方法を検討し、ピッチ周期に応じ
て時定数を適応的に変化させるフィルタにより残差信号
のパワースペクトルを周波数領域で平滑化し、その後、
逆スペクトル化し零パラメータを抽出する方法を提案し
た。この方法により、スペクトルの微細構造に影響され
ず、常にパラメータが誤りなく抽出できるようになった
。また、周波数領域で行っていたスペク１−ル平滑化と
逆スペクトル化の処理を時間領域で行う方法を明らかに
した。

提案した分析法を実音声に適用し、スペク１−ル　□の
零点が良好に近似できていることを示した。

次に、上記実施例で示したものとは別の試みによるスペ
クトルと微細構造を除去する原理及び実施例を第１５図
乃至第２０図を用いて示す。

一般に知られているように有声音発生のメヵニズ１１を
モデル化すると、第１５図に示すように構成される。っ
まり声門信号としてのピッチパルスｅ（ｔ）（ピッチｒ
ｐ）が声道としてのフィルタＨ（ω）第１８図（ａ）に
通されると音声信号ｓ　（ｔ）が出力される。この場合
ピッチパルスｅ　（ｔ）の１周１０ｊ分の信号ｅ＋＋（
ｔ）で駆動された音声信号はＳ。（１）である。

ピッチパルスの１周期分の信号を上記の如く［Ｅｏ（ｔ
）とし、そのフーリエ変換を第１７Ｍ（ａ）に示すよう
にＥｌ、（ω）とおくと、ｅ（ｔ）のフーリエ変換Ｅ（
ω）は第１７図（ｂ）に示すようにＥ。（ω）を周波数
方向に２π／ＴＰことに離散化したものとなる。このた
め、音声信号５（ｔ）のスペクＩ−ルＳ（ω）も第１８
図（Ｃ）に示されるように周波数方向に離散化（サンプ
リング）されたものとなり、これが一般に言われている
スペク１−ルの微細構造である。

１ピッチ周期分の信号ｅ。（１）で駆動された場合の音
声信号を上記したようにＳ。（ｔ）、　５ｏ（ｔ）を第
１６図に示すように全横形逆フィルタ　（１＋Ａ（ω）
）を有する全極モデルで分析した場合の残差信号をｄｏ
（ｔ）とおくと、ｄＯ（ｔ）のスペクトルＤ。（ω）は
第１９図に示すように、Ｓ（ω）から極が除かれ、零が
残ったものとなる。一方、実際の残差信号ａ（ｔ）　（
第１６図）は、周期的なピッチパルスｅ　（ｔ）て駆動
されて出力された音声信号５（ｔ）を分析した場合の残
差信号であるので、そのスペク１〜ルは第１９図（ｂ）
に示すようにり。（ω）を周波数方向にサンプリングし
たものとなる。

ここで、Ｄ、（ω）とＤ（ω）のフーリエ変換を第２０
図（ａ）（ｂ）に示すようにＦＤ、、　（ｔ）　、ＦＤ
（ｔ）とおくと、ＦＤ（１）はＦＤ、　（ｔ）を周期Ｔ
Ｐの周期信号にしたものとなる。従って、Ｄ（ω）にカ
ッ１−オフ周波数Ｔｐ／２の理想ローパスフィルタをか
ければり。（ω）が復元でき、Ｄ（ω）からピッチによ
る微細構造を取り除くことができる。よって」−記した
第１図のスフ１−ジング処理部τとしてカッ１〜オフ周
波数Ｔｐ／２のローパスフィルタを用いればよい。

又、パワースペクトルの場合も同様であり、残差信号ｄ
　（ｔ）のパワースペクトル団（ω）１２にカットオフ
周波数Ｔｐ／２のローパスフィルタをがければ１０（ω
）１２から微細構造を除去できる。ＩＤ（ω）Ｉ２にＴ
Ｐ／２の理想ローパスフィルタをかけることは。

時間領域では、残差信号の自己相関係数にＴｐ／２の方
形窓をかけることと等価である。よって上記した第８図
のラフウィンド６６としてＴｐ／２の方形窓を用いれば
よい。

残差信号のパワースペクトルから、上記の方法により微
細構造を除去した後、パワースペクトル逆数変換、逆フ
ーリエ変換により得られる自己相関係数に自己相関法を
適用することにより零パラメータを得る。このことによ
って、ピッチに影響されず、常に零パラメータを精度良
く求めることができる。

なお、自己相関係数にＴＰ／２の方形窓をかけた場合の
逆たたみ込みの処理は、次の行列方程式をＬｅｖｉｎｓ
ｏｎのアルゴリズムにより解くことになる。

（ただしＭ−Ｔｐ／２） 〔発明の効果〕 本発明によれば、ピッチによるスペク１−ルの微細構造
によって生じる零点の推定誤りを防止し、音声信号のス
ペクトルを良好に近似する極零モデルを得ることができ
る。

【図面の簡単な説明】

第１図はこの発明の一実施例に係る極零モデル分析方法
のブロック図、第２図は第１図の主要部であるスムージ
ング回路の一具体例を示すブロック図、第３図は平滑化
された残差信号のスペク１−ルの一例を示す図、第４図
は本発明の一実施例により得られた極零モデルの周波数
特性の一例を示す図、第５図〜第８図は本発明の他の実
施例に係る極零モデル分析方法のブロック図、第９図は
従来の極零モデル分析方法のブロック図、第１０図は音
声信号のスペク１〜ルの一例を示す図、第１１図は全極
形逆フイルタ出力である残差信号のスペク１〜ルの一例
を示す図、第１２図は従来の方法で得られた極零モデル
の周波数特性の一例を示す図、第１３図、第１４図は実
音声に対する分析結果を示す図、第１５図は有声発生の
モデルを示す図、第１６図は極零分析モデルを示す図、
第１７図は声門４６号（ピッチパルス）のフーリエ変換
を示す図、第１８図は１］（ω）、Ｓｏ（ω）、Ｓ（ω
）の特性を示す図、第１９図は１’ｔｏ（ω）、Ｄ（ω
）のスペク１−ルを示す図、第２０図はり、、（ω）、
Ｄ（ω）のフーリエ変換を示す図である。 １、．２０，２０，４１，５２，６］、１００・入力端
子、２．３１，４２，５３，６２　　極パラメータ推定
回路、３．３２，４３，５４，６３，１０２・全極形逆
フィルタ、４．３３．４４・ＦＦＴ回路、　５．３’４
．４５・・２乗回路、６．３５，４６，５６．６５　　
ピッチ分析回路、７．３７　　スムージング回路、 ８．３６，４７．１０’ｌ　　逆数回路、９．３８．４
８・逆ＦＦＴ回路、 １０．３９，５０，５９．６８　　零パラメータ推定回
路、１．１．．４０，５１，６０，６９，１．０７・全
極形逆フィルタ、２１．２３　　乗算器、　　　　２２
・加算器、２４・−単位遅延回路、４９，５８．６６・
ラグウィンド、５５．６４　　自己相関係数計算器、 ５７　、６７　　逆たたみ込み回路、 −２：３− １．０１，１０６・自己相関法実行回路、１０３　　パ
ワースペクトル計算器。 代理人　弁理士　則　近　憲　佑 同　　松山光之

Claims (3)

【特許請求の範囲】
1. （１）入力信号に全極モデルによる分析を行うことによ
   り極のパラメータを得、前記入力信号の前記パラメータ
   をもつ全極形のフィルタを介することにより得られる残
   差信号のパワースペクトルを得、このパワースペクトル
   の逆数を逆フーリエ変換を施すことにより得られる自己
   相関係数に全極モデルによる分析を適用することによっ
   て零点のパラメータを求める極零モデル分析方式であっ
   て、前記残差信号のパワースペクトル又は、この逆数を
   周波数領域又は時間領域で平滑化することを特徴とする
   極零モデル分析方式。
2. （２）残差信号のパワースペクトル又は、その逆数の平
   滑化は、入力信号又は、残差信号のピッチ周期の値によ
   って変化させることを特徴とする請求項１記載の極零モ
   デル分析方式。
3. （３）平滑化に用いられるフィルタは、零位相であるこ
   とを特徴とする請求項１記載 の極零モデル分析方式。