JPH03245200A - 音声情報圧縮方法 - 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】 ［産業上の利用分野コ 本発明は音声情報圧縮装置に係り、特に高品質な再生音
を得ることに好適な音声情報圧縮方法に関する。

［従来の技術］ 従来の音声情報圧縮方法は、中島隆之、鈴木虎三Ｆ基本
周波数間隔標本化に基づく音声パワースペクト包線分析
法」　（信学技報Ｓ　Ｐ８６−９４　（１９８７１））
に記載のように、基本周波数に基づく新しい音声パワー
スペクトル包Ｒ（Ｉ〕ＳＴ：ｊの定義を「短時間パワー
スペクトル特性において、周波数軸上で零周波数を原点
とし、基本周波数間隔で標本化した値を原データ系列と
し、そこから雑音成分を除いて推定される最適特性であ
る。」とし、ケフレンシー軸に沿ったピークを中心にそ
の前後２点の合計５点を抽出し、５点内挿曲線のピーク
を得て、ここから基本周波数（ピッチ周波数）をネめて
いた。

［発明が解決しようとする課Ｍ］ 上記従来技術は実用化する上で入力音声データおよび対
数パワースペクトルに対して島速フーリエ変換（ＦＦＩ
”）のポイント数を削減した場合に。

入力音声の標本化周波数を８ｋＨｚとして対数パワース
ペクトル周波数軸の最小単位が２０４８ポイントで約４
止に対して２５６ポイントで約３１止と幅が大きいため
、ケプストラムでの最大値位置にも同等以上の誤差が生
じるものと考えられる。このように実用化のためにＦＦ
Ｔのポイント数を減らすとケプストラムの最大値位置か
ら得られるピッチ周期にも誤差が含まれ、これを使用し
て得たＰＳＥが対数パワースペクトルの極大値を標本化
できず、正常なＰＳＥが得られないという問題があった
６本発明の目的はＦＦＴのポイント数を減らして得たピ
ッチ周期を対数パワースペクトルを用いて補正し、補正
したピッチ周期に基づき対数パワースペクトル上の近傍
極大値を探索して内挿により正常なＰＳＥを得ることで
音声情報圧縮の高品質を保証できる音声情報圧縮方法を
提供することにある。

［課題を解決するための手段］ 上記目的を達成するために、本発明による音声情報圧縮
方法は、上記従来技術の文献によるＰＳＥの定義を用い
、ＦＦＴのポイント数が少ない場合においても入力音声
データを２回にＦＦＴすることにより得られるケプスト
ラムの最大値を与えるケフレンシー軸の値からピッチ周
期を求めた後に、対数パワースペクトル周波数軸上の対
応点に最も近い極大値を探索して前後の値から内挿する
ことにより真の極大値を与える周波数軸上の点を求め、
この点とピッチ周期の対応点との差からピッチ周期を補
正し、この補正したピッチ周期に基づき正確なＰＳＥを
求めるために対数パワースペクトルに対してピッチ周期
間隔で標本化する際に近傍極大値を探索し、その前後の
値から内挿することにより真の極大値を求めて、これを
ＰＳＥの原データ系列とするようにしたものである。

［作用コ 上記音声情報圧縮方法では、ピッチ周期は入力音声デー
タを２回ＦＦＴして得られたケプストラムの最大値を与
えるケフレンシー値から求められるが、１回目のＦＦＴ
で得られるパワースペクトルの周波数分解能は人力音声
の標本化周波数が８ｋｌ（ｚのときに２０４８ポイント
で３　、９　］　Ｈ２に対し２５６ポイントで３１．２
＆と悪く、２回目のＦＦＴで得られるケプストラムの最
大値を与えるケフレンシー値から求まるピッチ周期にも
誤差が伝播されるので、対数パワースペクトルに対して
ピッチ回期間隔で標本化したＰＳＥは極大値を通らずに
最適特性を示さないＰＳＥとなり、これに対してピッチ
周期を対数パワースペクトル上の最近傍極大値を与える
周波数で補正し、対数パワースペクトルに対してピッチ
間隔で標本化する際に最近傍極大値を原データとするの
で、ＰＳＥの標本化値はすべて極大値を通るようになり
、ＰＳＥの定義通りの標本化を行なうことができる。

［実施例］ 以下に本発明の一実施例を第１図および第２図により説
明する。

第１図は本発明による音声情報圧縮方法の一実施例を示
す音声情報圧縮装置送信側のブロック図である。本音声
情報圧縮装置としては受（３側も備えているが、本発明
の特徴となるのは送信側であるので受信側は省略しであ
る。第１図において、入力音声１はアナログ／ディジタ
ル（Ａ／Ｄ）変換器２を経て複数面構成のバッファメモ
リ３に入力される。このバッファメモリ３は必要な標本
化本数分の入力音声データを蓄えるために設けられてい
る。バッファメモリ３から入力音声データは一定の標本
化本数分揃うと分析音声設定部４に転送される。この音
声情報分析法としては上記文献の中貼らの「基本周波数
間隔標本化に基づく音声パワースペクトル色絡分析法」
を用いている。

この分析音声設定部４では入力音声データからスペクト
ル情報を分析するために分析窓を掛けてＦＦＴ用にデー
タの拡張を行なう。その分析窓長は２０〜６０ミリ秒の
固定長の区間とすることが多いが、ピッチ周期に依存し
てその３倍程度の可変長とすることもある。分析窓とし
てハミング窓等の窓関数を掛けた後に、前後に零データ
を埋め込んで２５６〜２０８６ポイントのＦＦＴ用デー
タとする。

このＦ　Ｆ　Ｔ用データをフーリエ変換部５で）−Ｆ　
Ｔすることにより入力音声データの周波数成分すなわち
スペクトルを得る６対数パワ一スペクトル部６ではスペ
クトルの各成分を２乗して対数化することにより対数パ
ワースペクトルを得る。ケプストラム部７では対数パワ
ースペクトルをさらにＦＦＴすることにまりケプストラ
ムを得る。ピッチ抽出部８ではケプストラムの最大値に
対応するケフレンシー軸上の点よりピッチ周期を求め、
対数パワースペクトルによりピッチ周期を補正する。

その詳細な処理内容は後に第２図により説明する。

つぎのＰＳＥ標本化部９では対数パワースペクトルに対
してピッチ周期ごとのスペクトル値を標本化することに
よりＰＳＥ標本化データｙ、（１＝０．１．・・・、Ｎ
−１）を得る。レベル正規化部１０では入力音声データ
の大きさによるレベル変動を吸収するものであるが、余
弦変換部１】においてまとめて抽出することも可能であ
る。余弦変換部１１ではＰＳＥ標本化データを有限項の
余弦級数により誤差２乗和が最小となるように係数パラ
メータを求める。余弦級数として次の式を用いるが、他
に有限次数の近似多項式等を用いることも可能である。

ここでＡ、　（ｉ＝ｏ、ｉ、・・・、Ｍ）が係数パラメ
ータであり、最小２乗法もしくは連立１次方程式の解法
により求める。係数パラメータＡＩｌは音声レベル情報
としてスカラ量子化部１２に量子化され、係数パラメー
タＡ１〜ＡＭはベクトル量子化部１３で量子化される。

量子化されたピッチ周期とレベル情報と係数パラメータ
は多重化・送信部１４において多重化され、必要に応じ
て誤り訂正符号を付加して受信側へ送信される。

第２図は第１図のピッチ補正を含むピッチ抽出部８の処
理フロー図である。第２図において、ピッチ抽出部８で
のピッチ周期の抽出および補正についての処理の流れを
示している。ここでケプストラム部７で得られたケプス
トラムに対して、予想されるケフレンシー軸上の区間で
ケプストラムが最大となる値をピッチ周期とする。この
ピッチ周期を補正するために対数パワースペクトルの周
波数軸上の値に変換する９スペクトルは入力音声データ
が周期構造を有する場合にピッチの高調波に線スペクト
ル構造を有することにより、対数パワースペクトルの極
大点に位置するはずである。

したがって最も近い極大値を与える周波数軸上の点を求
め、ケプストラムから求めたピッチ周期の対応点のずれ
により、ピッチ周期を補正する。なお極大点の精度を向
上させるために極大値とその前後の値の３点もしくは５
点の内挿により真の極大点を求め、ケプストラムより求
めたピッチ周期との差の分だけ補正することにより最終
的なピッチ周期が求まる。

また上記のＰＳＥの定義に基づき対数パワースペクトル
をピッチ周期ごとの標本化する際に極大値でない要素が
あれば、最近傍の極大値について前後の３点もしくは５
点の内挿により真の極太点とし、ＰＳＥを構成すること
により精度の高い色絡線を得て、２５６　Ｆ　Ｆ　Ｔポ
イントで得るＰＳＥでも２０４８ＦＦＴポイントで得る
ＰＳＥと同等の粘度になる。

本実施例によれば、Ｆ　１丁のポイント数を減らして得
たピッチ周期を対数パワースペクトルを用いて補正し、
補正したピッチ周期に基づき対数パワースペクトル上の
近傍極大値を探索し、その内挿により正常なＰＳＥを得
ることにより、音声情報圧縮の高品質を保証することが
できる９［発明の効果コ 本発明によれば、従来は２０４８　ＦＦ　’Ｆポイント
なければ得られなかったピッチ周期を対数パワースペク
トルの極大点位置を利用して２５６ＦＦＴポイントで同
等の正確さで得られるので、Ｆ”　Ｆ　Ｔの計算量が約
２０分の１に削減でき、音声端Ｗｌ圧縮方法の装置化に
十分に適応できる効果がある。

また対数パワースペクトル上の極大値から補正してＰＳ
Ｅを構成しているので、ＰＳＥモデル化時の周波数取分
の取りこぼしのない理想的な色絡線となる効果がある。

【図面の簡単な説明】

第１図は本発明１．−よる音声情報圧縮方法の一実施例
を示す送信側のブロック図、第２図は第１図のピッチ抽
出部の処理フロー図である。 １　人力音声、２・・・Ａ／Ｄ変換器、３・・バッファ
メモリ、４　分析音声設定部、５・・フーリエ変換部、
６・対数パワースペクトル部、７・・・ケプストラム部
、８・　ピッチ抽出部、９・・・ＰＳＥｍ本化部、１０
・・レベル正規化部、１１・−余弦変換部、１２・・ス
カラ量子化部、１３・・ベクトル量子化部、　１４　　
多重化・送信部。

Claims (1)

【特許請求の範囲】
1. １、標本化された入力音声データと、入力音声データを
   高速フーリエ変換ＦＦＴして得られるパワースペクトル
   と、パワースペクトルを再度ＦＦＴしたケプストラムを
   用いてピッチ抽出を行なう音声情報圧縮方法において、
   ケプストラムの最大値を示す点より得られたピッチ周期
   をパワースペクトルの極大値を示す点により補正するこ
   とにより正確なピッチ周期を求め、パワースペクトル包
   絡ＰＳＥを得るためにパワースペクトルをピッチ周期間
   隔で標本化する際に近傍極大値を探索して３点ないし５
   点の内挿により正確なＰＳＥを得るようにしたことを特
   徴とする音声情報圧縮方法。