JPH02157800A - 特徴抽出方式 - Google Patents
特徴抽出方式Info
- Publication number
- JPH02157800A JPH02157800A JP63310205A JP31020588A JPH02157800A JP H02157800 A JPH02157800 A JP H02157800A JP 63310205 A JP63310205 A JP 63310205A JP 31020588 A JP31020588 A JP 31020588A JP H02157800 A JPH02157800 A JP H02157800A
- Authority
- JP
- Japan
- Prior art keywords
- order
- stage
- prediction error
- entropy
- prediction
- 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.)
- Granted
Links
- 238000004458 analytical method Methods 0.000 claims abstract description 15
- 238000011156 evaluation Methods 0.000 claims abstract description 10
- 238000004364 calculation method Methods 0.000 claims description 50
- 238000000605 extraction Methods 0.000 claims description 8
- 229920006395 saturated elastomer Polymers 0.000 claims description 4
- 239000000284 extract Substances 0.000 claims description 3
- 238000000034 method Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 6
- 238000005311 autocorrelation function Methods 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- 239000004575 stone Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000005236 sound signal Effects 0.000 description 2
- 238000010183 spectrum analysis Methods 0.000 description 2
- 238000012916 structural analysis Methods 0.000 description 2
- 101000687448 Homo sapiens REST corepressor 1 Proteins 0.000 description 1
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 102100024864 REST corepressor 1 Human genes 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 230000001755 vocal effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
- G10L19/04—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using predictive techniques
- G10L19/08—Determination or coding of the excitation function; Determination or coding of the long-term prediction parameters
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。
め要約のデータは記録されません。
Description
【発明の詳細な説明】
（産業上の利用分野）
本発明は入力信号を自己回帰モデルにより線形予測分析
を行い、最適な次数を入力信号の特徴量として抽出する
特徴抽出方式に関するものである。
を行い、最適な次数を入力信号の特徴量として抽出する
特徴抽出方式に関するものである。
（従来の技術）
従来、この種の第１の方式として、例えば安居、中島共
著「コンピュータ音声処理」秋葉出版、Ｐ２Ｓ５−１６
７に開示されるものがあり、入力音声信号の特徴量とし
ては、ＰＡＲＣＯＲ係数線形予測係数、零交叉回数、エ
ネルギー、自己相関関数等が用いられている。
著「コンピュータ音声処理」秋葉出版、Ｐ２Ｓ５−１６
７に開示されるものがあり、入力音声信号の特徴量とし
ては、ＰＡＲＣＯＲ係数線形予測係数、零交叉回数、エ
ネルギー、自己相関関数等が用いられている。
また、入力信号の特徴量として自己回帰（ＡＲ）モデル
の次数（即ち、係数の数）を用いる第２の方式について
は、例えばステイツフ エム ケイ（Ｓｔｅｖｅｎ Ｍ
、 Ｋａｙ）他「スペクトル分析−現代展望（Ｓｐｅｃ
ｔｒｕｍ Ａｎａｌｙｓｉｓ −Ａ Ｍｏｄｅｒｎ Ｐ
ｅｒｓｐｅｃｔｉｖｅ）ＪＩＥＥＥ記要（Ｐｒｏｃｅｅ
ｄｉｎｇ ｏｆ ｔｈｅ ＩＥＥＥ）、Ｖｏｌ、 ６９
゜Ｎｏ、１１ 、１９８１１１月、Ｐ１３８０−１４１
９に開示されるものがあり、その次数の決定方法として
は次のようなものである。
の次数（即ち、係数の数）を用いる第２の方式について
は、例えばステイツフ エム ケイ（Ｓｔｅｖｅｎ Ｍ
、 Ｋａｙ）他「スペクトル分析−現代展望（Ｓｐｅｃ
ｔｒｕｍ Ａｎａｌｙｓｉｓ −Ａ Ｍｏｄｅｒｎ Ｐ
ｅｒｓｐｅｃｔｉｖｅ）ＪＩＥＥＥ記要（Ｐｒｏｃｅｅ
ｄｉｎｇ ｏｆ ｔｈｅ ＩＥＥＥ）、Ｖｏｌ、 ６９
゜Ｎｏ、１１ 、１９８１１１月、Ｐ１３８０−１４１
９に開示されるものがあり、その次数の決定方法として
は次のようなものである。
サンプルされたＮ個の入力データに次数Ｍ＝１．２．・
・・、 ＰＡＲモデルにあてはめ、予測誤差の２乗平均
値（パワー） ａ ｐ２の最尤推定値σ１゜σ２−・・
・、σ、′が得られた時、 ｉ）最終予測誤差（ＦＰＥ： Ｆｉｎａｌ Ｐｒｅｄｉ
ｃｔｉｏｎ Ｅｒｒｏｒ）ｉｉ）赤池情報基準 （ＡＩ
Ｃ；Ａｋａｉｋｅ ＩｎｆｏｒｍａｔｉｏｎＣｒｉｔｅ
ｒｉｏｎ） ＡＩＣ（ｐ）＝１ｎ（ａｐ） ＋ ２（ｐ＋１）／Ｎ
＝・・＝（２）ｉｉｉ）自己回帰伝達基準
（ＣＡＴ； ＣｒｉｔｅｒｉｏｎＡｕｔｏｒｅｇｒｅｓ
ｓｉｖｅ Ｔｒａｎｓｆｅｒ ｆｕｎｃｔｉｏｎ）のい
ずれかの情報量基準を用いて情報量基準が最小値をとっ
た時の次数を入力データの最適次数とする。
・・、 ＰＡＲモデルにあてはめ、予測誤差の２乗平均
値（パワー） ａ ｐ２の最尤推定値σ１゜σ２−・・
・、σ、′が得られた時、 ｉ）最終予測誤差（ＦＰＥ： Ｆｉｎａｌ Ｐｒｅｄｉ
ｃｔｉｏｎ Ｅｒｒｏｒ）ｉｉ）赤池情報基準 （ＡＩ
Ｃ；Ａｋａｉｋｅ ＩｎｆｏｒｍａｔｉｏｎＣｒｉｔｅ
ｒｉｏｎ） ＡＩＣ（ｐ）＝１ｎ（ａｐ） ＋ ２（ｐ＋１）／Ｎ
＝・・＝（２）ｉｉｉ）自己回帰伝達基準
（ＣＡＴ； ＣｒｉｔｅｒｉｏｎＡｕｔｏｒｅｇｒｅｓ
ｓｉｖｅ Ｔｒａｎｓｆｅｒ ｆｕｎｃｔｉｏｎ）のい
ずれかの情報量基準を用いて情報量基準が最小値をとっ
た時の次数を入力データの最適次数とする。
（発明が解決しようとする課題）
しかしながら、以上述べたいずれの方式も、入力信号の
定常性が成立たない短かい入力時系列データに対しては
望ましい特徴量が得られないという問題点がある。
定常性が成立たない短かい入力時系列データに対しては
望ましい特徴量が得られないという問題点がある。
即ち、第１の方式では、入力信号の特徴量として、ＰＡ
ＲＣＯＲ係数、線形予測係数、自己相関関数を用いるた
めには、信号の定常性が要求されるが、短い時系列デー
タは非定常ランダムデータとみなされるので正しい特徴
量が得られない。また、零交叉回数、エネルギーも統計
的分散が太き（なり、技術的に満足できる特徴量が得ら
れない。
ＲＣＯＲ係数、線形予測係数、自己相関関数を用いるた
めには、信号の定常性が要求されるが、短い時系列デー
タは非定常ランダムデータとみなされるので正しい特徴
量が得られない。また、零交叉回数、エネルギーも統計
的分散が太き（なり、技術的に満足できる特徴量が得ら
れない。
第２の方式でも、従来の次数算出方法では、例えば、次
数の値として実際の次数の値よりも太き（なり、そのた
め、この値を用いたスペクトル解析で余計な多（のにせ
のスペクトルが入りこんでしまうことなどである。即ち
、従来の次数決定方法は平均対数尤度推定法をペースと
しており、この尤度推定法は収束する正確値の存在を仮
定しているが実際の入力信号では何ら保証されない。例
えば（２）式で示されるＡＩＣの場合について考えると
、次数に比例する第２項の値が尤度に対応する第１項よ
り大きすぎるため、著しく推定精度を劣化させている。
数の値として実際の次数の値よりも太き（なり、そのた
め、この値を用いたスペクトル解析で余計な多（のにせ
のスペクトルが入りこんでしまうことなどである。即ち
、従来の次数決定方法は平均対数尤度推定法をペースと
しており、この尤度推定法は収束する正確値の存在を仮
定しているが実際の入力信号では何ら保証されない。例
えば（２）式で示されるＡＩＣの場合について考えると
、次数に比例する第２項の値が尤度に対応する第１項よ
り大きすぎるため、著しく推定精度を劣化させている。
本発明は以上述べた問題点を解決し、入力時系列データ
が短かくて定常性が保証されない場合にも正確に次数を
決定することが可能な特徴抽出方式を提供することを目
的とする。
が短かくて定常性が保証されない場合にも正確に次数を
決定することが可能な特徴抽出方式を提供することを目
的とする。
（課題を解決するための手段）
本発明は前記問題点を解決するために、入力信号を自己
回帰モデルにより線形予測分析を行い、最適な次数を入
力信号の特徴量として抽出する特徴抽出方式において、
（ａ）設定される第１段次数について入力信号の予測誤
差を最小にする線形予測係数を算出する係数算出手段、
（ｂ）前記係数算出手段からの線形予測係数に基づいて
入力信号の予測誤差信号を出力する予測誤差フィルタ、
（Ｃ）設定される第２段次数について前記予測誤差フィ
ルタの出力信号の予測誤差を最小とする予測誤差パワー
を算出するパワー算出手段、（ｄ）前記パワー算出手段
からの予測誤差パワーに基づいて０次の予測誤差パワー
で規格化されたエントロピー値を算出するエントロピー
算出手段、（ｅ）前記エントロピー算出手段からのエン
トロピー値に基づいて前記予測誤差信号の白色度を評価
し、白色化されたときの第２段次数を基準次数として出
力する白色度評価手段、（ｆ）前記白色度評価手段から
の基準次数について前記エントロピー算出手段からのエ
ントロピー値が飽和しはじめる第１段次数を最適次数と
して前記係数算出手段に設定すると共に特徴量として出
力する第１段次数決定手段、及び（ｇ）前記第１段次数
決定手段により最適次数が設定されたときに、前記エン
トロピー算出手段からのエントロピー値の変化量が所定
の閾値より大きい１又は複数の第２段次数を特徴量とし
て出力すると共にパワー算出手段に設定する第２段次数
決定手段を具備するものである。
回帰モデルにより線形予測分析を行い、最適な次数を入
力信号の特徴量として抽出する特徴抽出方式において、
（ａ）設定される第１段次数について入力信号の予測誤
差を最小にする線形予測係数を算出する係数算出手段、
（ｂ）前記係数算出手段からの線形予測係数に基づいて
入力信号の予測誤差信号を出力する予測誤差フィルタ、
（Ｃ）設定される第２段次数について前記予測誤差フィ
ルタの出力信号の予測誤差を最小とする予測誤差パワー
を算出するパワー算出手段、（ｄ）前記パワー算出手段
からの予測誤差パワーに基づいて０次の予測誤差パワー
で規格化されたエントロピー値を算出するエントロピー
算出手段、（ｅ）前記エントロピー算出手段からのエン
トロピー値に基づいて前記予測誤差信号の白色度を評価
し、白色化されたときの第２段次数を基準次数として出
力する白色度評価手段、（ｆ）前記白色度評価手段から
の基準次数について前記エントロピー算出手段からのエ
ントロピー値が飽和しはじめる第１段次数を最適次数と
して前記係数算出手段に設定すると共に特徴量として出
力する第１段次数決定手段、及び（ｇ）前記第１段次数
決定手段により最適次数が設定されたときに、前記エン
トロピー算出手段からのエントロピー値の変化量が所定
の閾値より大きい１又は複数の第２段次数を特徴量とし
て出力すると共にパワー算出手段に設定する第２段次数
決定手段を具備するものである。
（作用）
本発明の技術的手段は次のように作用する。第１段次数
決定手段は、予測誤差フィルタの出力信号（予測誤差信
号）の予測誤差パワーから算出されたエントロピー値（
モデルの適合度）に基づ（予測誤差信号の白色度の評価
結果及びエントロピー値の飽和特性により、最適な第１
段次数を決定し、第２段次数決定手段は最適な第１段次
数が設定されたときのエントロピー値の変化量に基づい
て１又は複数の最適な第２段次数を決定している。従っ
て、定常性の保証されない短かい入力信号の場合にも正
確に次数を決定し、決定した次数を入力信号の特徴量と
して抽出することができる。
決定手段は、予測誤差フィルタの出力信号（予測誤差信
号）の予測誤差パワーから算出されたエントロピー値（
モデルの適合度）に基づ（予測誤差信号の白色度の評価
結果及びエントロピー値の飽和特性により、最適な第１
段次数を決定し、第２段次数決定手段は最適な第１段次
数が設定されたときのエントロピー値の変化量に基づい
て１又は複数の最適な第２段次数を決定している。従っ
て、定常性の保証されない短かい入力信号の場合にも正
確に次数を決定し、決定した次数を入力信号の特徴量と
して抽出することができる。
（実施例）
以下、第１図乃至第５図を参照して本発明の詳細な説明
する。
する。
第１図は本発明の実施例を示すブロック図である。同図
において、１は入力信号の線形予測分析を行って予測誤
差信号を出力すると共に最適な第１段予測次数（丁）を
決定して特徴量として出力する第１構造（主構造）分析
部、２は予測誤差信号の線形予測分析を行って得られた
予測誤差パワーから情報エントロピーを算出して第１構
造分析部１へ出力すると共に算出した情報エントロピー
より最適な第２段予測次数（石）を決定して特徴量とし
て出力する第２構造（残差構造）分析部である。
において、１は入力信号の線形予測分析を行って予測誤
差信号を出力すると共に最適な第１段予測次数（丁）を
決定して特徴量として出力する第１構造（主構造）分析
部、２は予測誤差信号の線形予測分析を行って得られた
予測誤差パワーから情報エントロピーを算出して第１構
造分析部１へ出力すると共に算出した情報エントロピー
より最適な第２段予測次数（石）を決定して特徴量とし
て出力する第２構造（残差構造）分析部である。
第１構造分析部１は、設定される第１段次数について入
力信号ｘｋの予測誤差を最小にする予測係数ａ 、 ”
’を算出する第１段予測係数算出部１１、算出された予
測係数（正確には線形予測係数、以下同様に予測係数と
いう）に基づいて入力信号ｘ３の予測誤差信号ｅ （ｐ
、ｋ）を出力するｐ次子側誤差フィルタ部１２、第２構
造分析部２からの情報エントロピーｈ、、、に基づいて
予測誤差信号ｅ （ｐ、ｋ）の白色度を評価し、白色化
されたときの第２段次数を基準次数ｑ０として出力する
予測誤差白色度評価部１３、及び基準次数ｑ０と情報エ
ントロピーｈｓ１ｑに基づいて最適な第１段次数（π）
を決定して第１段予測係数算出部１１に設定すると共に
特徴量として出力する第１段次数決定部１４を備える。
力信号ｘｋの予測誤差を最小にする予測係数ａ 、 ”
’を算出する第１段予測係数算出部１１、算出された予
測係数（正確には線形予測係数、以下同様に予測係数と
いう）に基づいて入力信号ｘ３の予測誤差信号ｅ （ｐ
、ｋ）を出力するｐ次子側誤差フィルタ部１２、第２構
造分析部２からの情報エントロピーｈ、、、に基づいて
予測誤差信号ｅ （ｐ、ｋ）の白色度を評価し、白色化
されたときの第２段次数を基準次数ｑ０として出力する
予測誤差白色度評価部１３、及び基準次数ｑ０と情報エ
ントロピーｈｓ１ｑに基づいて最適な第１段次数（π）
を決定して第１段予測係数算出部１１に設定すると共に
特徴量として出力する第１段次数決定部１４を備える。
第２構造分析部２は、設定される第２段次数ｑについて
予測誤差信号ｅ （ｐ、ｋ）の予測誤差を最小にする予
測係数ａ ｋ＋ｑ’及び予測誤差パワーσｑ２を算出し
て出力する第２段予測係数算出部２１、予測係数ａ ｔ
＋ ”’に基づいて予測誤差信号ｅ （ｑ、ｋ）を出力
するｑ次子側誤差フィルタ部２２、予測誤差パワーσｑ
′に基づいて情報エントロピーｈＮ、Ｑを算出する情報
エントロピー算出部２３、及び情報エントロピーｈＮ、
ｑに基づいて最適な第２段次数石（ｑ＋ 、Ｑ＊ 、・
・・）を決定して第２段予測係数算出部２１に設定する
と共に特徴量として出力する第２段次数決定部２４を備
える。
予測誤差信号ｅ （ｐ、ｋ）の予測誤差を最小にする予
測係数ａ ｋ＋ｑ’及び予測誤差パワーσｑ２を算出し
て出力する第２段予測係数算出部２１、予測係数ａ ｔ
＋ ”’に基づいて予測誤差信号ｅ （ｑ、ｋ）を出力
するｑ次子側誤差フィルタ部２２、予測誤差パワーσｑ
′に基づいて情報エントロピーｈＮ、Ｑを算出する情報
エントロピー算出部２３、及び情報エントロピーｈＮ、
ｑに基づいて最適な第２段次数石（ｑ＋ 、Ｑ＊ 、・
・・）を決定して第２段予測係数算出部２１に設定する
と共に特徴量として出力する第２段次数決定部２４を備
える。
なお、本実施例では、第１構造分析部１及び第２構造分
析部２の２段構成のため、第２段予測係数算出部２１の
予測係数算出機能と、ｑ次子側誤差フィルタ部２２とは
実際には不要であり、これらは３段以上に拡張する場合
に必要となるものである。
析部２の２段構成のため、第２段予測係数算出部２１の
予測係数算出機能と、ｑ次子側誤差フィルタ部２２とは
実際には不要であり、これらは３段以上に拡張する場合
に必要となるものである。
次に本実施例の動作を説明する。
ここでは、入力（時系列）信号Ｘｋは入力アナログ信号
ｘ （ｔ）を周波数ｔ、でサンプリングした１フレーム
当りＮ個のブロックデータとして考える。
ｘ （ｔ）を周波数ｔ、でサンプリングした１フレーム
当りＮ個のブロックデータとして考える。
まず、第１段予測係数算出部１１では入力信号ｘｋにｐ
次の自己回帰モデル： ＡＲ（ｐ）、即ちルゴリズム）
と略称する。このＬＤアルゴリズムを用いると、 ｐ次子側誤差フィルタの予測係数は、再帰式但し、ｅｋ
；ガウス性白色雑音、 Ｅ［ｅ、ｌ ＝ Ｏ Ｅ［ｅｋ−ｅｎ］ ＝ ａ ”δに１ Ｅ［・１ が成り立つと仮定し、次のニール・ウォーカ（Ｙｕｌｌ
−Ｗａｌｋｅｒ）方程式（以下Ｙ−Ｗ方程式と略称する
） 但し、γＡ＋ｐ；ｐ次の平均反射係数 で算出され、ｐ次の自己相関関数ｒ、は、を満足するｐ
次子側誤差フィルタの予測係数ａ、％ｐｌ （ｋ＝ １
、２．・・・、ｐ）を算出する。
次の自己回帰モデル： ＡＲ（ｐ）、即ちルゴリズム）
と略称する。このＬＤアルゴリズムを用いると、 ｐ次子側誤差フィルタの予測係数は、再帰式但し、ｅｋ
；ガウス性白色雑音、 Ｅ［ｅ、ｌ ＝ Ｏ Ｅ［ｅｋ−ｅｎ］ ＝ ａ ”δに１ Ｅ［・１ が成り立つと仮定し、次のニール・ウォーカ（Ｙｕｌｌ
−Ｗａｌｋｅｒ）方程式（以下Ｙ−Ｗ方程式と略称する
） 但し、γＡ＋ｐ；ｐ次の平均反射係数 で算出され、ｐ次の自己相関関数ｒ、は、を満足するｐ
次子側誤差フィルタの予測係数ａ、％ｐｌ （ｋ＝ １
、２．・・・、ｐ）を算出する。
Ｙ−Ｗ方程式の解法としてはレビンソン・ダービン（Ｌ
ｅｖｉｎｓｏｎ−Ｄｕｒｖｉｎ）アルゴリズム（以下Ｌ
Ｄアとして算出される。予測係数ａｋｌｐｌを算出する
ために必要なｐ次の平均反射係数γ、、２は、例えば最
大エントロピー法（ＭＥＭ）を用いたときには、ｐ次の
予測誤差フィルタがＺ領域で、 Ａｐ（Ｚ−’Ｍ＋（ａ＋ ＣＤ−”＋ Ｔ ｐ ａｐ−
１”−目） ｚ −１＋ 、 、 、 。
ｅｖｉｎｓｏｎ−Ｄｕｒｖｉｎ）アルゴリズム（以下Ｌ
Ｄアとして算出される。予測係数ａｋｌｐｌを算出する
ために必要なｐ次の平均反射係数γ、、２は、例えば最
大エントロピー法（ＭＥＭ）を用いたときには、ｐ次の
予測誤差フィルタがＺ領域で、 Ａｐ（Ｚ−’Ｍ＋（ａ＋ ＣＤ−”＋ Ｔ ｐ ａｐ−
１”−目） ｚ −１＋ 、 、 、 。
”（ａｐ−＋ ”−” ＋γｐａ＋ ”−” ）Ｚ−”
−”” Ｔ ｐＺ−” ” （８）で表わされるとする
と、このｐ次子側誤差フィルタＡｐ（Ｚ−’）に定常な
入力信号Ｘ５を通過させたときの２乗平均値、即ち予測
誤差の２乗平均値を最小にするように決定する。
−”” Ｔ ｐＺ−” ” （８）で表わされるとする
と、このｐ次子側誤差フィルタＡｐ（Ｚ−’）に定常な
入力信号Ｘ５を通過させたときの２乗平均値、即ち予測
誤差の２乗平均値を最小にするように決定する。
今、（ｐａｌ）個のデータ列が（Ｎ−ｐ）個とすると、
即ちデータ列を （ｘｒｈ （１） ＋ Ｘｍ （２） 、・・・＋ Ｘ
＋ａ （ｐａｌ） ） ＋ （ｍ＝１ ＋ ２＋ ”・
＊ Ｎ−ｐ）とすると、前向きに信号を予測誤差フィル
タに通したときの予測誤差の２乗平均値工、は、＋ｐ−
１１ ＋（ａ、 ＋γｐａｐ−１）ｘ、（ｐ）＋ｘ、（ｐ
ａｌ）ｐ−１１ 十ａｐ−１Ｘｐ（Ｎ））＋（ａｐ−＋ Ｘ、、（２）
ｌ・・十ａｔ Ｃｐ−”ｘ＋ｍ（ｐ）”ｘｊｐ”ｌ））
となる。前方予測誤差ｆ ！１！Ｉｌｌを・・・・・・
（９） ｆｐ＋Ｍ＝ａｌｌ−１ｘｍ（２）十・ ｐ−１１ 一＋３． ｘｆｆｉ（ｐ）＋ｘ、（ｐａｌ）とし、
後方予測誤差ｂ 、、、、を ｂｐ、ｍ”ＸＪｌ）＋ａｌｘ、、（２）＋・・・＋ａｐ
−ｔ ｘ、（ｐ）・・・・・・（１０ｂ） とすると、予測誤差の２乗平均値工、は、となる。入力
信号Ｘ３の定常性が保証されているときに、後向きに信
号を予測誤差フィルタに通したときの予測誤差の２乗平
均値Ｉ２は、となる。また、定常性が成り立たなければ
工１←１１であるから、■、と工２の平均 工あ・（１，＋Ｉり／２を考え、ＩＡを最小にするｐ次
の平均反射係数γ、９．は、 ａＩＡｌａγえ９．＝０ とすると、 ・・・・・・（１０ａ） となる。
即ちデータ列を （ｘｒｈ （１） ＋ Ｘｍ （２） 、・・・＋ Ｘ
＋ａ （ｐａｌ） ） ＋ （ｍ＝１ ＋ ２＋ ”・
＊ Ｎ−ｐ）とすると、前向きに信号を予測誤差フィル
タに通したときの予測誤差の２乗平均値工、は、＋ｐ−
１１ ＋（ａ、 ＋γｐａｐ−１）ｘ、（ｐ）＋ｘ、（ｐ
ａｌ）ｐ−１１ 十ａｐ−１Ｘｐ（Ｎ））＋（ａｐ−＋ Ｘ、、（２）
ｌ・・十ａｔ Ｃｐ−”ｘ＋ｍ（ｐ）”ｘｊｐ”ｌ））
となる。前方予測誤差ｆ ！１！Ｉｌｌを・・・・・・
（９） ｆｐ＋Ｍ＝ａｌｌ−１ｘｍ（２）十・ ｐ−１１ 一＋３． ｘｆｆｉ（ｐ）＋ｘ、（ｐａｌ）とし、
後方予測誤差ｂ 、、、、を ｂｐ、ｍ”ＸＪｌ）＋ａｌｘ、、（２）＋・・・＋ａｐ
−ｔ ｘ、（ｐ）・・・・・・（１０ｂ） とすると、予測誤差の２乗平均値工、は、となる。入力
信号Ｘ３の定常性が保証されているときに、後向きに信
号を予測誤差フィルタに通したときの予測誤差の２乗平
均値Ｉ２は、となる。また、定常性が成り立たなければ
工１←１１であるから、■、と工２の平均 工あ・（１，＋Ｉり／２を考え、ＩＡを最小にするｐ次
の平均反射係数γ、９．は、 ａＩＡｌａγえ９．＝０ とすると、 ・・・・・・（１０ａ） となる。
（６）式、（７ｂ）式及び（１３）式より予測係数ａ
、 ＋ ｐが算出されて、ｐ次子側誤差フィルタ部１２
へ送られる。
、 ＋ ｐが算出されて、ｐ次子側誤差フィルタ部１２
へ送られる。
次にｐ次子側誤差フィルタ部１２では、第１段予測係数
算出部１１で同時に算出されたｐ次の予測誤差フィルタ
の予測係数ａ％ｐｌ （ｋ＝ １ 、２．・・・ｐ）を
有する予測誤差フィルタとＮ個の入力信号Ｘｋを再度畳
込み予測誤差信号ｅ （ｐ、ｋ）を算出する。即ち、（
４）式を変形した次式より算出され、第２段予測係数算
出部２１及びｑ次子側誤差フィルタ部２２へ送られる。
算出部１１で同時に算出されたｐ次の予測誤差フィルタ
の予測係数ａ％ｐｌ （ｋ＝ １ 、２．・・・ｐ）を
有する予測誤差フィルタとＮ個の入力信号Ｘｋを再度畳
込み予測誤差信号ｅ （ｐ、ｋ）を算出する。即ち、（
４）式を変形した次式より算出され、第２段予測係数算
出部２１及びｑ次子側誤差フィルタ部２２へ送られる。
ｑ次の予測誤差フィルタ部２２では、ｐ次の予測誤差フ
ィルタ部１２と同様にして予測誤差信号ｅ （ｑ、ｋ）
を出力する。
ィルタ部１２と同様にして予測誤差信号ｅ （ｑ、ｋ）
を出力する。
次に情報エントロピー算出部２３では、第２段予測係数
算出部２１からの予測誤差パワーａ ｑ２に基づいて各
次数での情報エントロピーを算出する。
算出部２１からの予測誤差パワーａ ｑ２に基づいて各
次数での情報エントロピーを算出する。
今、ｑ次の予測誤差フィルタで推定した予測誤差信号ｅ
（ｐ、ｋ）のバフ−スペクトルを５Ｑ（ｆ）、ナイキ
スト周波数をｆ、４＝ｆｓ／２とすると、エントロピー
密度ｈ ａ ＋ ｑは、 第２段予測係数算出部２１では、第１段予測係数算出部
１１と同様にしてｑ次の予測係数ｂ ｋ”’を算出する
と共に、同様にして得られたｑ次の平均反射係数γＡ＋
Ｑと次式の再帰式よりｑ次の予測誤差パワーσ、′を算
出する。
（ｐ、ｋ）のバフ−スペクトルを５Ｑ（ｆ）、ナイキ
スト周波数をｆ、４＝ｆｓ／２とすると、エントロピー
密度ｈ ａ ＋ ｑは、 第２段予測係数算出部２１では、第１段予測係数算出部
１１と同様にしてｑ次の予測係数ｂ ｋ”’を算出する
と共に、同様にして得られたｑ次の平均反射係数γＡ＋
Ｑと次式の再帰式よりｑ次の予測誤差パワーσ、′を算
出する。
σｑ２＝σ、−、２（１−γえ、ｑ′）・・・・・（１
５）となる。また（１５）式は と表わされ、この（１７）式よりエントロピー密度り０
９．は ・・・・・（１８） であるから、定数項を除去し、更に、０次の予測誤差パ
ワーσ。′で規格化したエントロピー密度より情報エン
ロトピー密度ｈｓ＋ｑは ｈＮ＋ｑ”ｈｌｌｌｑ−−ノｎ（ａｏ”／２ｆＮ）で算
出され、予測誤差白色度評価部１３、第１段次数決定部
１４及び第２段次数決定部２４へ送られる。
５）となる。また（１５）式は と表わされ、この（１７）式よりエントロピー密度り０
９．は ・・・・・（１８） であるから、定数項を除去し、更に、０次の予測誤差パ
ワーσ。′で規格化したエントロピー密度より情報エン
ロトピー密度ｈｓ＋ｑは ｈＮ＋ｑ”ｈｌｌｌｑ−−ノｎ（ａｏ”／２ｆＮ）で算
出され、予測誤差白色度評価部１３、第１段次数決定部
１４及び第２段次数決定部２４へ送られる。
予測誤差白色度評価部１３では、第１段次数ｐ（即ち第
１段予測係数算出部１１の次数ｐ）をパラメータとして
第２段次数ｑ（即ち第２段予測係数算出部２１の次数ｑ
）に対する情報エントロピー算出部２３の出力である情
報エントロピー値り、、ｑを評価し、その情報エントロ
ピー値に急激な変化がなくなった次数をもって白色化さ
れたとみなす。このときの第２段次数ｑを第１段予測係
数算出部１１の次数（即ち最適次数百）を決定するため
基準次数ｑ０とし、これを第１段次数決定部１４へ送る
。
１段予測係数算出部１１の次数ｐ）をパラメータとして
第２段次数ｑ（即ち第２段予測係数算出部２１の次数ｑ
）に対する情報エントロピー算出部２３の出力である情
報エントロピー値り、、ｑを評価し、その情報エントロ
ピー値に急激な変化がなくなった次数をもって白色化さ
れたとみなす。このときの第２段次数ｑを第１段予測係
数算出部１１の次数（即ち最適次数百）を決定するため
基準次数ｑ０とし、これを第１段次数決定部１４へ送る
。
第１段次数決定部１４では、基準次数ｑ０について、第
１段次数ｐを順次１づつ増していったときの情報エント
ロピー算出部２３の出力値（即ち情報エントロピーｈ、
ｔ、、）を評価し、情報エントロピー値が飽和しはじめ
る次数をもって第１段予測係数算出部１１の最適次数〒
とし、これを第１段予測係数算出部１１へ送ると共に特
徴量として出力する。この結果、第１段予測係数部１１
により最適次数ｉについての予測係数ａｋ”が算出され
、ｐ次子側誤差フィルタ部１２で３次の予測誤差フィル
タが構成されて予測誤差信号ｅ（〒、ｋ）が出力される
。更に、この予測誤差信号ｅ （ｐ、ｋ）について、第
２段予測係数算出部２１で予測誤差パワーσＱ′が算出
され、情報エントロピー算出部２３で情報エントロピー
ｈ Ｎ、Ｑが算出されて第２段次数決定部２４へ送られ
る。
１段次数ｐを順次１づつ増していったときの情報エント
ロピー算出部２３の出力値（即ち情報エントロピーｈ、
ｔ、、）を評価し、情報エントロピー値が飽和しはじめ
る次数をもって第１段予測係数算出部１１の最適次数〒
とし、これを第１段予測係数算出部１１へ送ると共に特
徴量として出力する。この結果、第１段予測係数部１１
により最適次数ｉについての予測係数ａｋ”が算出され
、ｐ次子側誤差フィルタ部１２で３次の予測誤差フィル
タが構成されて予測誤差信号ｅ（〒、ｋ）が出力される
。更に、この予測誤差信号ｅ （ｐ、ｋ）について、第
２段予測係数算出部２１で予測誤差パワーσＱ′が算出
され、情報エントロピー算出部２３で情報エントロピー
ｈ Ｎ、Ｑが算出されて第２段次数決定部２４へ送られ
る。
第２段次数決定部２４では、情報エントロピー値ｈＮ＋
ｑの変化に着目して、その変化量Δｈ ｓ ＋ ｑがあ
る閾値Ｔ ｒｌ＋Ｑを越えたものから最適次数Ｑ （ｑ
＋ 、 ｑ２ 、 ・・・）を決定し、これを特徴量
として出力すると共に、そのうち１つを選択して第２段
予測係数算出部２１へ送って設定する。
ｑの変化に着目して、その変化量Δｈ ｓ ＋ ｑがあ
る閾値Ｔ ｒｌ＋Ｑを越えたものから最適次数Ｑ （ｑ
＋ 、 ｑ２ 、 ・・・）を決定し、これを特徴量
として出力すると共に、そのうち１つを選択して第２段
予測係数算出部２１へ送って設定する。
次に具体例で本実施例の動作を説明する。
予測誤差白色度評価部の動作説明するグラフを第２図に
示す。横軸は第２段予測係数算出部２１の次数ｑ、縦軸
は、情報エントロピー値を示しており、第１段予測係数
算出部１１の次数ｐをｐ＝ｌからｐ＝１０まで変化させ
て表示しである。図から明らかなように、どんなｐの値
に対してもｑ＝１０〜ｑ＝１００までの間には、Ｃ１＝
Ｏ−（１＝９までの情報エントロピーｈ８，９の変化に
比べて急激な変化はない。従って、同図ではｑ＝１０以
上で白色化されたとみなし、基準次数なｑ。＝１０とす
る。
示す。横軸は第２段予測係数算出部２１の次数ｑ、縦軸
は、情報エントロピー値を示しており、第１段予測係数
算出部１１の次数ｐをｐ＝ｌからｐ＝１０まで変化させ
て表示しである。図から明らかなように、どんなｐの値
に対してもｑ＝１０〜ｑ＝１００までの間には、Ｃ１＝
Ｏ−（１＝９までの情報エントロピーｈ８，９の変化に
比べて急激な変化はない。従って、同図ではｑ＝１０以
上で白色化されたとみなし、基準次数なｑ。＝１０とす
る。
第１段次数決定部１４の動作を説明するグラフを第３図
に示す。同図は、いくつかの入力データに対して第２段
予測係数算出部２１の次数ｑ＝ｌｏとした時、横軸を第
１段予測係数算出部１１の次数ｐ、縦軸を情報エントロ
ピー値ｈ ＮＩｑとして表示しである。同図かられかる
ように、どんな入力データでも、情報エントロピー値が
−０，０５以上で次数ｐに無関係に飽和しており、飽和
する次数をもって第１段予測係数算出部１４の最適次数
ｉとする。従って、最適次数を例えば石＝６とする。
に示す。同図は、いくつかの入力データに対して第２段
予測係数算出部２１の次数ｑ＝ｌｏとした時、横軸を第
１段予測係数算出部１１の次数ｐ、縦軸を情報エントロ
ピー値ｈ ＮＩｑとして表示しである。同図かられかる
ように、どんな入力データでも、情報エントロピー値が
−０，０５以上で次数ｐに無関係に飽和しており、飽和
する次数をもって第１段予測係数算出部１４の最適次数
ｉとする。従って、最適次数を例えば石＝６とする。
第２段次数決定部２４の動作を説明するグラフを第４図
に示す。横軸は第２段予測係数算出部の次数ｑ、縦軸は
、情報エントロピーの変化量Δｈ Ｎ＋ Ｑ ” ｈ
Ｎ＋ Ｑ −ｈ Ｎ＋ １１−１を示している。ここで
、ｈ ＮＩｑ ＋ １”１Ｎ１ｑ−１は各々、第２段予
測係数算出部２４の次数がｑ、（１−１次の時の情報エ
ントロピー値である。また、Δｈ ＮＩ４の平均値Δｈ
、、０、標準偏差σ７．９を求め、ΔｈＨ，ｑ−σ。、
９の値を閾値Ｔ ｈ ＋ ｑとして表示しである。本デ
ータの場合、ΔｈＮ、ｑ＝−３．２２ Ｘｌ０−３
σゎ、９＝３．９１Ｘ １０−”、Ｔｈ、９＝−７，１
３Ｘｌ０−３となっている。従って、情報エントロピー
の変化量Δｈ、４＋ｑが閾値Ｔ ｈ ＋ Ｑを越えたと
きの第２段次数ｑを最適次数τ（ｑ＋ 、 Ｃ１２、・
・・）として出力される。同図では、最高次数はｑ＋
＝ １０． ｑ ａ ＝ １７．・・・である。
に示す。横軸は第２段予測係数算出部の次数ｑ、縦軸は
、情報エントロピーの変化量Δｈ Ｎ＋ Ｑ ” ｈ
Ｎ＋ Ｑ −ｈ Ｎ＋ １１−１を示している。ここで
、ｈ ＮＩｑ ＋ １”１Ｎ１ｑ−１は各々、第２段予
測係数算出部２４の次数がｑ、（１−１次の時の情報エ
ントロピー値である。また、Δｈ ＮＩ４の平均値Δｈ
、、０、標準偏差σ７．９を求め、ΔｈＨ，ｑ−σ。、
９の値を閾値Ｔ ｈ ＋ ｑとして表示しである。本デ
ータの場合、ΔｈＮ、ｑ＝−３．２２ Ｘｌ０−３
σゎ、９＝３．９１Ｘ １０−”、Ｔｈ、９＝−７，１
３Ｘｌ０−３となっている。従って、情報エントロピー
の変化量Δｈ、４＋ｑが閾値Ｔ ｈ ＋ Ｑを越えたと
きの第２段次数ｑを最適次数τ（ｑ＋ 、 Ｃ１２、・
・・）として出力される。同図では、最高次数はｑ＋
＝ １０． ｑ ａ ＝ １７．・・・である。
第５図に入力信号ｘ３の解析結果（即ち特徴量の抽出結
果）を示す。同図（ａ）は入力信号の時間変化、同図（
ｂ）は第１段次数ｐの時間変化、同図（ｃ）は第２段次
数ｑの時間変化を夫々示す。各図とも横軸は時間［ｓｅ
ｃ ］ 、縦軸は同図（ａ）では、入力電圧［Ｖ］、同
図（ｂ）では第１段次数ｐ、同図（Ｃ）では、第２段次
数ｑを示している。図から明らかなように入力信号の過
渡的変化に対応して予測次数が変化している。
果）を示す。同図（ａ）は入力信号の時間変化、同図（
ｂ）は第１段次数ｐの時間変化、同図（ｃ）は第２段次
数ｑの時間変化を夫々示す。各図とも横軸は時間［ｓｅ
ｃ ］ 、縦軸は同図（ａ）では、入力電圧［Ｖ］、同
図（ｂ）では第１段次数ｐ、同図（Ｃ）では、第２段次
数ｑを示している。図から明らかなように入力信号の過
渡的変化に対応して予測次数が変化している。
以上のように、本実施例によれば次のような効果が得ら
れる。
れる。
（イ）次数決定に用いる情報量基準をエントロピー値と
したので、入力時系列信号に成る次数のモデルを仮定し
た時の適合度（あいまいさ）が正確に評価できる。
したので、入力時系列信号に成る次数のモデルを仮定し
た時の適合度（あいまいさ）が正確に評価できる。
（ロ）（イ）のエントロピー値は、０次の予測誤差パワ
ーσ。′で規格化した値なので、入力時系列信号のレベ
ルに依存せず、入力時系列信号の周波数構造を反映した
次数決定ができる。
ーσ。′で規格化した値なので、入力時系列信号のレベ
ルに依存せず、入力時系列信号の周波数構造を反映した
次数決定ができる。
（ハ）算出された次数とエントロピー差のみに注目して
次数を決定する方法なので、入力信号の統計的性質が定
常・非定常にかかわらず、信号の次数が決定できる。
次数を決定する方法なので、入力信号の統計的性質が定
常・非定常にかかわらず、信号の次数が決定できる。
（ニ）入力信号を主構造と残差構造に分けて分析したの
で、主構造からは、伝播路特性、音声入力の場合の声道
特性が評価でき、残差構造からは、音源の基本周波数、
高調波特性等が評価できる。
で、主構造からは、伝播路特性、音声入力の場合の声道
特性が評価でき、残差構造からは、音源の基本周波数、
高調波特性等が評価できる。
（ネ）主構造及び残差構造の分析結果を信号パターンと
して、用いることにより、音源の識別が可能である。
して、用いることにより、音源の識別が可能である。
（発明の効果）
以上詳細に説明したように本発明によれば、予測誤差信
号の予測誤差パワーより算出されるエントロピー値に基
づいて、第１段次数及び第２段次数を決定しているので
、定常性が成立たない短かい入力信号に対しても正確に
次数を決定することができる。
号の予測誤差パワーより算出されるエントロピー値に基
づいて、第１段次数及び第２段次数を決定しているので
、定常性が成立たない短かい入力信号に対しても正確に
次数を決定することができる。
従って、入力信号が音声信号の場合に決定した第１段次
数及び第２段次数を特徴量として用いることにより、正
確に音声認識を行うことが可能となる。
数及び第２段次数を特徴量として用いることにより、正
確に音声認識を行うことが可能となる。
第１図は本発明の一実施例を示を構成図、第２図は予測
誤差白色度評価部の動作説明図、第３図は第１段次数決
定部の動作説明図、第４図は第２段次数決定部の動作説
明図、第５図は本実施例の特徴量の抽出結果の具体例を
示す図である。 １・・・第１構造分析部、２・・・第２構造分析部、１
１・・・第１段予測係数算出部、１２・・・ｐ次子側誤
差フィルタ部、１３・・・予測誤差白色度評価部、１４
・・・第１段次数決定部、２１・・・第２段予測係数算
出部、２２・・・ｑ次子側誤差フィルタ部、２３・・・
情報エントロピー算出部、２４・・・第２段次数決定部
。 特許出願人 沖電気工業株式会社 特許出願代理人 弁理士 山本恵− 第２段予測係数算土部次数ｑ 予測誤差白色３ 第 ２ 図 次数ｐに対する情報エントロピーの飽和特性（ｂ） Ｆ！！間［５ｅｃ） （Ｃ） 特徴】の抽出７１！ｉ果を示す図 第５図 第２段予測係数算出部次数ｑ ｆｉｑに対する情報エントロピーの変化型の特恒第４図 手 続 補 正 書 く自 発）平成元年
４月１０日
誤差白色度評価部の動作説明図、第３図は第１段次数決
定部の動作説明図、第４図は第２段次数決定部の動作説
明図、第５図は本実施例の特徴量の抽出結果の具体例を
示す図である。 １・・・第１構造分析部、２・・・第２構造分析部、１
１・・・第１段予測係数算出部、１２・・・ｐ次子側誤
差フィルタ部、１３・・・予測誤差白色度評価部、１４
・・・第１段次数決定部、２１・・・第２段予測係数算
出部、２２・・・ｑ次子側誤差フィルタ部、２３・・・
情報エントロピー算出部、２４・・・第２段次数決定部
。 特許出願人 沖電気工業株式会社 特許出願代理人 弁理士 山本恵− 第２段予測係数算土部次数ｑ 予測誤差白色３ 第 ２ 図 次数ｐに対する情報エントロピーの飽和特性（ｂ） Ｆ！！間［５ｅｃ） （Ｃ） 特徴】の抽出７１！ｉ果を示す図 第５図 第２段予測係数算出部次数ｑ ｆｉｑに対する情報エントロピーの変化型の特恒第４図 手 続 補 正 書 く自 発）平成元年
４月１０日
Claims (1)
- 【特許請求の範囲】 入力信号を自己回帰モデルにより線形予測分析を行い、
最適な次数を入力信号の特徴量として抽出する特徴抽出
方式において、 （ａ）設定される第１段次数について入力信号の予測誤
差を最小にする線形予測係数を算出する係数算出手段、 （ｂ）前記係数算出手段からの線形予測係数に基づいて
入力信号の予測誤差信号を出力する予測誤差フィルタ、 （ｃ）設定される第２段次数について前記予測誤差フィ
ルタの出力信号の予測誤差を最小とする予測誤差パワー
を算出するパワー算出手段、 （ｄ）前記パワー算出手段からの予測誤差パワーに基づ
いて０次の予測誤差パワーで規格化されたエントロピー
値を算出するエントロピー算出手段、 （ｅ）前記エントロピー算出手段からのエントロピー値
に基づいて前記予測誤差信号の白色度を評価し、白色化
されたときの第２段次数を基準次数として出力する白色
度評価手段、 （ｆ）前記白色度評価手段からの基準次数について前記
エントロピー算出手段からのエントロピー値が飽和しは
じめる第１段次数を最適次数として前記係数算出手段に
設定すると共に特徴量として出力する第１段次数決定手
段、 （ｇ）前記第１段次数決定手段により最適次数が設定さ
れたときに、前記エントロピー算出手段からのエントロ
ピー値の変化量が所定の閾値より大きい１又は複数の第
２段次数を特徴量として出力すると共にパワー算出手段
に設定する第２段次数決定手段、 とを具備することを特徴とする特徴抽出方式。
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP63310205A JP2625998B2 (ja) | 1988-12-09 | 1988-12-09 | 特徴抽出方式 |
| US07/447,667 US5142581A (en) | 1988-12-09 | 1989-12-08 | Multi-stage linear predictive analysis circuit |
| US07/870,883 US5243686A (en) | 1988-12-09 | 1992-04-20 | Multi-stage linear predictive analysis method for feature extraction from acoustic signals |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP63310205A JP2625998B2 (ja) | 1988-12-09 | 1988-12-09 | 特徴抽出方式 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH02157800A true JPH02157800A (ja) | 1990-06-18 |
| JP2625998B2 JP2625998B2 (ja) | 1997-07-02 |
Family
ID=18002451
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP63310205A Expired - Fee Related JP2625998B2 (ja) | 1988-12-09 | 1988-12-09 | 特徴抽出方式 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US5142581A (ja) |
| JP (1) | JP2625998B2 (ja) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH09258795A (ja) * | 1996-03-25 | 1997-10-03 | Nippon Telegr & Teleph Corp <Ntt> | ディジタルフィルタおよび音響符号化／復号化装置 |
| JP2009025497A (ja) * | 2007-07-18 | 2009-02-05 | Nippon Telegr & Teleph Corp <Ntt> | マルチチャネル線形予測符号化の予測係数決定方法及び装置、プログラム、記録媒体 |
| JP2009025496A (ja) * | 2007-07-18 | 2009-02-05 | Nippon Telegr & Teleph Corp <Ntt> | 線形予測符号化の予測次数決定方法及びそれを使った予測係数決定方法及び装置、プログラム、その記録媒体 |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3151874B2 (ja) * | 1991-02-26 | 2001-04-03 | 日本電気株式会社 | 音声パラメータ符号化方式および装置 |
| FR2742568B1 (fr) * | 1995-12-15 | 1998-02-13 | Catherine Quinquis | Procede d'analyse par prediction lineaire d'un signal audiofrequence, et procedes de codage et de decodage d'un signal audiofrequence en comportant application |
| US6032113A (en) * | 1996-10-02 | 2000-02-29 | Aura Systems, Inc. | N-stage predictive feedback-based compression and decompression of spectra of stochastic data using convergent incomplete autoregressive models |
| SG99314A1 (en) * | 2000-07-19 | 2003-10-27 | Ct For Signal Proc Nanyang Tec | Method and apparatus for the prediction of audio signals |
| WO2002067246A1 (en) * | 2001-02-16 | 2002-08-29 | Centre For Signal Processing, Nanyang Technological University | Method for determining optimum linear prediction coefficients |
| WO2011118977A2 (ko) * | 2010-03-23 | 2011-09-29 | 엘지전자 주식회사 | 오디오 신호 처리 방법 및 장치 |
| US9583115B2 (en) | 2014-06-26 | 2017-02-28 | Qualcomm Incorporated | Temporal gain adjustment based on high-band signal characteristic |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4184049A (en) * | 1978-08-25 | 1980-01-15 | Bell Telephone Laboratories, Incorporated | Transform speech signal coding with pitch controlled adaptive quantizing |
| JPS5853358B2 (ja) * | 1980-03-31 | 1983-11-29 | 株式会社東芝 | 音声分析装置 |
| US4378469A (en) * | 1981-05-26 | 1983-03-29 | Motorola Inc. | Human voice analyzing apparatus |
| US4472832A (en) * | 1981-12-01 | 1984-09-18 | At&T Bell Laboratories | Digital speech coder |
| US4544919A (en) * | 1982-01-03 | 1985-10-01 | Motorola, Inc. | Method and means of determining coefficients for linear predictive coding |
| US4944013A (en) * | 1985-04-03 | 1990-07-24 | British Telecommunications Public Limited Company | Multi-pulse speech coder |
| US4847906A (en) * | 1986-03-28 | 1989-07-11 | American Telephone And Telegraph Company, At&T Bell Laboratories | Linear predictive speech coding arrangement |
| US4961160A (en) * | 1987-04-30 | 1990-10-02 | Oki Electric Industry Co., Ltd. | Linear predictive coding analysing apparatus and bandlimiting circuit therefor |
-
1988
- 1988-12-09 JP JP63310205A patent/JP2625998B2/ja not_active Expired - Fee Related
-
1989
- 1989-12-08 US US07/447,667 patent/US5142581A/en not_active Expired - Fee Related
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH09258795A (ja) * | 1996-03-25 | 1997-10-03 | Nippon Telegr & Teleph Corp <Ntt> | ディジタルフィルタおよび音響符号化／復号化装置 |
| JP2009025497A (ja) * | 2007-07-18 | 2009-02-05 | Nippon Telegr & Teleph Corp <Ntt> | マルチチャネル線形予測符号化の予測係数決定方法及び装置、プログラム、記録媒体 |
| JP2009025496A (ja) * | 2007-07-18 | 2009-02-05 | Nippon Telegr & Teleph Corp <Ntt> | 線形予測符号化の予測次数決定方法及びそれを使った予測係数決定方法及び装置、プログラム、その記録媒体 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2625998B2 (ja) | 1997-07-02 |
| US5142581A (en) | 1992-08-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Hossan et al. | A novel approach for MFCC feature extraction | |
| US7016833B2 (en) | Speaker verification system using acoustic data and non-acoustic data | |
| US4908865A (en) | Speaker independent speech recognition method and system | |
| RU2731372C2 (ru) | Способ и система для разложения акустического сигнала на звуковые объекты, а также звуковой объект и его использование | |
| Ali et al. | Automatic speech recognition technique for Bangla words | |
| Singh et al. | Vector quantization approach for speaker recognition using MFCC and inverted MFCC | |
| US5651094A (en) | Acoustic category mean value calculating apparatus and adaptation apparatus | |
| US8831942B1 (en) | System and method for pitch based gender identification with suspicious speaker detection | |
| JPH0990974A (ja) | 信号処理方法 | |
| US5907826A (en) | Speaker-independent speech recognition using vowel/consonant segmentation based on pitch intensity values | |
| JPH02157800A (ja) | 特徴抽出方式 | |
| Gamit et al. | Isolated words recognition using mfcc lpc and neural network | |
| US8942977B2 (en) | System and method for speech recognition using pitch-synchronous spectral parameters | |
| Badran et al. | Speaker recognition using artificial neural networks based on vowel phonemes | |
| JPH01255000A (ja) | 音声認識システムに使用されるテンプレートに雑音を選択的に付加するための装置及び方法 | |
| JP4362072B2 (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 | |
| JP2001083978A (ja) | 音声認識装置 | |
| EP0190489B1 (en) | Speaker-independent speech recognition method and system | |
| Upadhyay et al. | Analysis of different classifier using feature extraction in speaker identification and verification under adverse acoustic condition for different scenario | |
| JPH01302300A (ja) | 自己回帰モデル自動次数決定方法 | |
| Buza et al. | Algorithm for detection of voice signal periodicity | |
| KR100721558B1 (ko) | 신호 처리 방법과, 그를 이용한 성대신호 특징추출 장치 및그 방법 | |
| JPH0477799A (ja) | ピッチ信号の特徴量抽出方法 | |
| Smith et al. | Speech Modelling: Models, Parameter Estimation and Its Application to Speech Enhancement | |
| JPH06324696A (ja) | 音声認識装置及び方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| LAPS | Cancellation because of no payment of annual fees |