JPH0343640B2 - - Google Patents

Description

【発明の詳細な説明】

本発明は音声分析装置における、話者の個人差
による音声の変動を除去（正規化）する前処理に
関するものである。 音声分析、特に音韻性情報（例えば｜音声｜は
｜onsei｜という５つの音韻から構成されてい
る。）を抽出する音声認識において、話者が変わ
るごとにその音声を表わす特徴空間が変動するの
は好ましくない。話者によつて変動する原因とし
ては、話者の発声器官の物理的違いや発声のく
せ、なまりなどがある。話者の発声器官の物理的
違いとしては主に声帯音源特性の違いと声道の違
い（大きさ、長さ、形状など）があげられる。本
発明は前者の声帯音源特性の違いによる個人差に
着目してその差を正規化する手段を提供するもの
である。この個人差は音声スペクトル概形の全体
的な傾斜の違いという形で現われてくる。 従来、上記スペクトル概形の傾斜を平坦化し
て、音源特性の違いによる個人差を除去（正規
化）する方法としては、電総研の中島らによつて
示された適応逆フイルタがある。（日本音響学会
音声研究会資料（昭和48、２、16））適応逆フイ
ルタは音源特性や唇での放射特性の逆フイルタを
構成して、音声の音韻情報に深く関与している声
道特性を抽出するものであり、一般に１〜３次の
零フイルタ（特に２，３次は各々零点が等しい臨
界制動型フイルタ）が考えられている。しかし１
次零フイルタでは完全にスペクトラム概形の傾き
を平坦化するには到らず、一方２〜３次零フイル
タは各々高次方程式を分析区間ごとに解かなけれ
ばならない。 従つて、本発明の目的は適応逆フイルタの構成
において、話者の音源特性を除去するために音声
のスペクトラム概形を完全に平坦化し、かつ処理
速度の速い音声分析装置を提供することにある。 上記目的を達成するために、本発明において
は、係数が１次の部分相関係数に等しい１次の適
応逆フイルタを用い、該フイルタの出力信号を新
たな入力信号として該フイルタに巡回的に入力す
ることにより、該フイルタを等価的に多段構成と
し、かつ適応逆フイルタの効果が入力音声によつ
て大きく異なる事に着目し、フイルタの係数であ
る１次の部分自己相関係数の絶対値がある閾値よ
りも小さくなつた場合で打ち切つて適応的に段数
を切り換え、処理速度を速めることを第１の特徴
としている。 第２の特徴は、各段の出力を音声波形レベルに
戻さず、入力波形の自己相関係数から直接次段の
自己相関係数を算出し、掛け算の回数を大幅に減
らして、処理速度を速めることにある。 以上の結果、高次方程式を解かずに、ハード的
に構成し易い１次１段の適応逆フイルタを時分割
的に利用することによつて、完全にスペクトラム
概形を平坦にできる。 なお、本発明においては、上記１次１段の適応
逆フイルタの係数を、その値によつて３段階
（０、±１）に置き換え、掛け算の回数を減少させ
た簡易型適応逆フイルタにより処理速度を速める
簡易化手法も併せて示す。 以下、第１図を参照して本発明の原理を説明す
る。 第１図は、音声｜ａ｜のある時間におけるスペ
クトラムの様子を図示したものである。実線Ａは
高速フーリエ変換（FFT）にて求めたもの、点
線Ｂは線形予測分析によつて求めた平滑化スペク
トラムである。第１図でわかるようにスペクトラ
ムは高域側が下がつた形状となつている。この原
因は声帯音源特性や唇の放射特性による約−
6dB／oct（周波数が２倍になれば6dB減衰する。）
という結果にもとづくものであるが、過去の研究
からこの傾きの度合は話者によつて大きく変動す
るということが判明している。電総研の中島らに
よつて提案された適応逆フイルタは、このスペク
トル概形の全体的傾斜を平坦化し、音源特性や放
射特性の個人差を除去するものである。 以下、１次と２次の適応逆フイルタを例にとつ
て説明する。１次の適応逆フイルタのＺ領域での
伝達関数をＨ（Ｚ）とすれば（時間ｔでの音声信
号をx_t、１ｔＮとする。） Ｈ（Ｚ）＝１−k₁Z^-1 ………(1) ここで k₁＝v₁／v₀ 但し v_iN-1 〓^t-1 x_t・x_t+i(i=0、1、2…、p) となる。係数k₁は音声分野で重要なパラメータ、
すなわち１次の部分（あるいは偏）自己相関係数
であり、スペクトラム概形の傾斜に関係したパラ
メータである。有音声の場合はk₁の値が１に近
く、適応逆フイルタは微分特性を持ち、高域強調
の効果があり、また無声子音の場合はk₁の値は−
１に近く、適応逆フイルタは積分特性を持ち、高
域が下り、結果としてスペクトラムの傾斜を平坦
化する効果を持つ。 一方、２次の適応逆フイルタのＺ領域での伝達
関係Ｈ（Ｚ）は、 Ｈ（Ｚ）＝（１−βZ^-1）² ………(2) ここでβは β³−３v₁／v₀β＋（v₂／v₀＋２）β−v₁／v₀＝
０ ｜β｜＜１の実根 となる。 １次では完全にスペクトル概形が平坦化され
ず、２次以上では式(2)からわかるように、分析区
間ごとに高次の方程式を解かなければならない。 さて、従来の研究から１次の適応逆フイルタの
２段で構成されたフイルタが２次の適応逆フイル
タとほぼ効果の等しいことが知られている。ま
た、１次の適応逆フイルタの効果が入力音声によ
つて異なる。そこで１次の適応逆フイルタを多段
に重ね、１次の部分自己相関係数の絶対値がある
閾値よりも小さくなつた場合（式(1)から｜k₁｜
０ならばフイルタの効果はほとんどなくなる。）
を打ち切りとして、適応的に段数を切り換える１
次の適応逆フイルタの段数適応型多段構成にする
ことが有効となり、本発明はこの点に着目してな
されたものである。 １次の適応逆フイルタｎ段構成の伝達関係は、 Ｈ（Ｚ）＝H₁（Ｚ）H₂（Ｚ）……H_o（Ｚ）
………(3) 但し H_i（Ｚ）＝１−k₁ ^(i-1)Z^-1 k₁ ^(i-1)はｉ−１段での出力信号を新たに入力信
号とみなして求めた１次の部分自己相関係数とな
る。 以下、第２図を参照して適応的段数切り換え方
式の多段適応逆フイルタの原理を説明する。 第２図は１次の適応逆フイルタの多段構成フイ
ルタの各段における１次の部分自己相関係数k₁の
値の変化を図示したものである（第２図Ａが音韻
｜ａ｜、第２図Ｂが音韻｜ｉ｜の場合をそれぞれ
示す。）。第２図からわかるように、k₁の値は段数
の増加に伴い、０に収束する。更に、k₁の変化と
スペクトラムの変化とを視察して、音韻｜ａ｜で
は５段以上、音韻｜ｉ｜では３段以上での効果は
ほぼ認められないことから、k₁の値により段数を
適応的に（例えば｜ａ｜では５段｜ｉ｜では３
段）切り換えることによつて、処理量を少なく
し、効率的に多段構成が実現できる。k₁の閾値θ₁
は実験的にθ₁＝0.03とした。即ち、k₁の絶対値が
θ₁よりも小さくなつた場合をもつて、段数を打ち
切ることにする。 次に、従来の多段構成による適応逆フイルタと
本発明の第２の特徴である原音声信号の差分信号
波形を求めることなく自己相関係数を直接算出す
る方式、更には本発明の第１の特徴である適応的
段数切り換え方式との処理速度の違いを掛算処理
の回数に着目して説明する。 まず、直接自己相関係数算出方式の原理を述べ
る。 (3)式で示される多段構成の適応逆フイルタにた
いし、従来法では前段での出力信号（予測の差分
信号）を新たに入力信号とみなして、相関計算
（分析区間の総サンプル数をＮとすると、ほぼＮ
回の掛算処理）と予測差分演算（Ｎ回の掛算が必
要）とを各段ごとにしなければならない。これに
反し直接自己相関係数算出方式は、初段のみ相関
計算を行えば、逐次巡回的に適応逆フイルタを通
した結果の自己相関係数が算出されるものであ
る。 今、ｉ段目の出力音声信号をx_t ⁽ⁱ⁾とすれば、 x_t ⁽ⁱ⁾＝x_t ^(i-1)−k₁ ^(i-1)x_t-1 ^(i-1) ………(4) となる。従つて、ｉ段目のｐ次の自己相関係数v_p
^（ｉ）を（ｉ−１）段でのv_p ^(i-1)で表わせば次のよう
になる。 v_p ⁽ⁱ⁾＝_N-1 〓 〓^t-1 x_t ⁽ⁱ⁾x_t+p ⁽ⁱ⁾＝Σ（x_t ^(i-1)−k₁ ^(i-1)x_t-1 ^(i-1)）（
x_t+p ^(i-1)−k₁ ^(i-1)x_t+p-1 ^(i-1)） ＝v_p ^(i-1)＋k₁ ^(i-1)・（k₁ ^(i-1)v_p ^(i-1)−v_p-1 ^(i
-1)−v_p+1 ^(i-1)）………(5) 但しｐは１ｐＰなる次数を示す。 この結果、相関計算の掛け算処理が2N回から、
(5)式では２回になり大幅に減少する。 従来の多段構成での掛け算の回数（k₁を求める
割り算も数える）は、段数をｎ、ｐ次までの相関
計算を行うとして、ｎ＝０の時は2N、ｎ１の
時は新たにk₁ ^(i-1)x_t-1 ^(i-1)の掛け算が加わることと
最終段で２次〜Ｐ次までの相関計算を行うことに
注意して、 ｛2N＋ｎ（3N−１）＋ｎ｝＋ ｛（Ｎ−２）＋…、＋（Ｎ−Ｐ）｝ ＝（3n＋Ｐ＋１）Ｎ−（Ｐ−１）（Ｐ＋２）／２ 回となる。一方、本発明による直接相関係数を算
出する方法では、ｎ段目でＰまでの自己相関係数
を得るのに必要な初段での自己相関係数の次数は
（ｎ＋Ｐ）次であることを注意して、 （ｎ＋Ｐ＋１）Ｎ−（ｎ＋Ｐ）（ｎ＋Ｐ＋１）／２ ＋２｛（ｎ＋Ｐ）＋（ｎ＋Ｐ＋１） ＋…＋（Ｐ＋１）｝＋（ｎ＋１） ＝（ｎ＋Ｐ＋１）Ｎ＋ｎ（ｎ＋２・Ｐ＋１） −（ｎ＋Ｐ）（ｎ＋Ｐ＋１）／２＋（ｎ＋１） 回となる。 最大段数をｎ＝５、相関次数をＰ＝10、分析区
間のサンプル総数をＮ＝160とした場合の、従来
方式と新方式との掛け算の回数は表１のようにな
る。

【表】 以上の結果、打ち切り段数は一般に２、３回以
上であることから、本発明によつて大幅に掛け算
回数を減らすことができる。 次に、本発明の変形として多段を構成する１次
の適応逆フイルタの係数をk₁の値によつて、つぎ
の３段階に置き換え、掛算処理の不要な簡易型適
応逆フイルタの構成について説明する。 Ｈ（Ｚ）＝１−Z^-1（k₁θ₂） １（θ₁＜k₁＜θ₂） １−Z^-1（k₁θ₁） ……(6) θ₁、θ₂の値は実験的に求められるが、音声信号
を単一正弦波とした場合、k₁＝cosωT（ω；単一
正弦波の角周波数、Ｔ；サンプリング周期）とな
ることから、cosの偏角空間からの決定が望まし
い。たとえば、θ₂＝−θ₁＝0.5とした実験では良
好な結果（簡易型でない本来の適応逆フイルタを
構成要素とした場合に近い効果）を得た。 以下、実施例をもつて本発明を詳細に説明す
る。 第３図は本発明による適応的段数切り換え方式
の多段構成適応逆フイルタを前処理部とする音声
分析装置の構成ブロツク図である。 入力音声１（アナログ量）は低域通過波器２
（Low Pass Filter…以下、LPFとする）を通つ
て、アナログ−デイジタル変換器３（Analog to
Digital Converter…以下、ADCとする）により
デイジタル量に変換されて、入力バツフアメモリ
４に格納される。入力バツフアメモリ４は前処理
と入力との平行処理が可能な２面バツフア構成に
なつていて分析を行う期間分のデータを格納し、
制御部５の制御信号によつて本発明による前処理
部６に入力される。前処理部６では１次の部分自
己相関係数の絶対値が閾値θより小さくなるま
で、出力信号を再度入力バツフア４に転送し、再
び制御信号によつて前処理部６に入力される。上
記θよりも小さい条件が満たされたなら、入力バ
ツフア４の内容が、分析部７へ入力され、音声の
分析が始まる。もし上記条件が決められた時間
（入力バツフア４の分析側に次の分析区間のデー
タが入力されるまでの時間など）内に満たされな
い場合は、前もつて決められた最終段階で打ち切
ることとし、次の分析部７での分析処理に移る。 第４図は本発明による第３図における前処理部
６の第１の実施例の構成ブロツク図である。 分析区間だけ音声信号が格納されている入力バ
ツフア４から、入力バツフア４に入力された順序
に従つて、音声信号がレジスタ６０１に転送され
る。このとき、１サンプリング周期だけ前にレジ
スタ６０１に入力されていた音声信号データはレ
ジスタ６０２に転送され、掛算器６０３，６０
４、累算器（Accumulator…以下、ACCとする）
６０５，６０６によつて各々v₀及びv₁が計算され
る。更にACC６０５の出力v₀は逆数ROM６０７
の読み出しアドレスとなり、逆数１／v₀に変換さ
れて、掛算器６０８の乗数となり、１次の部分自
己相関係数k₁が出力される。k₁の値はレジスタ６
０９を介して絶対値比較器６１０に入力され、閾
値θとの大小関係を比較し、｜k₁｜＜θの条件が
満足されれば割り込み信号INTが制御部へ送ら
れる。制御部に割り込みがかかると、入力バツフ
ア４の内容が前記第２図の分析部７へ転送され分
析が始まる。割り込みがない場合は以下の処理が
継続される。 音声信号は再び制御信号によつて、入力バツフ
ア４からレジスタ６０１，６０２に転送され、今
度はレジスタ６０２の出力が掛算器６１１の入力
となりレジスタ６０９の出力k₁との乗算が行われ
る。掛算器の出力は、レジスタ６０１の出力とと
もに減算器６１２に入力され、１段の前処理の出
力信号として再度入力バツフア４に格納され、１
次の自己相関係数k₁を求める最初の処理へ戻る。 以上によつて、k₁の絶対値が閾値θよりも小さ
くなるまで前処理が継続され、本発明による前処
理が実行される。 第５図は、直接相関係数を算出する場合の本発
明による前処理部６の第２の実施例の構成ブロツ
ク図である。初段のみ、レジスタ６２１（＃０〜
＃（ｎ＋Ｐ））、掛算器６２２（＃０〜＃（ｎ＋
Ｐ））、ACC６２３（＃０〜＃（ｎ＋Ｐ））を使つ
て、自己相関係数v₀〜v_o+pを求め、相関入力バツ
フア６２４に格納する。前記第４図と同様に逆数
ROM６２５、掛算器６２６は一次の自己相関係
数k₁を求める手段であつて、レジスタ６２７、絶
対値比較器６２８によつて、θとの大小関係を比
較する。k₁の絶対値がθよりも小さくなつたな
ら、割り込み信号INTが制御部へ入力され、処
理は分析部７へ移る。次段の自己相関係数v_p ⁽ⁱ⁾
（０Ｐｎ＋Ｐ−ｉ−１）は前記(5)式により、
前段の自己相関係数v_p ^(i-1)（０ｐｎ＋Ｐ−ｉ）
とk₁ ^(i-1)により演算器６２９により算出される。
次段の自己相関係数を求める手段である演算器６
２９は、掛算器m₁，m₂の２個、加算器a₁，a₂，
a₃の３個で構成され、出力は再度相関出力バツフ
ア６２４に格納される。 以上により、掛算処理の少ない、処理速度の速
い前処理部６が構成される。 第６図は、簡易型適応逆フイルタの一構成例を
図示したものである。(6)式に示すようにk₁の値を
３段階に分け制御部５から出力されるこの３段階
に対応した制御信号CR（−１，０，１）に従つ
て、入力x_t，x_t-1から条件付演算器６３１にて(7)
式により出力y_tが計算され入力バツフア４へ転送
される。 y_t＝x_t＋x_t-1CR＝−１ x_tCR＝０ x_t−x_t-1CR＝１ ……(7) 条件付演算器は掛算器を不要とする高々加算器
１個で構成されうる。制御信号は、例えば前記第
４図の絶対値比較器６１０の出力信号を用いるこ
とによつて得られる。 次に、第７図を参照して本発明の効果を説明す
る。 第７図は、音声を表わす重要なパラメータであ
る部分自己相関係数の話者効果（実線）音韻効果
（一点鎖線）の度合を図示したものである。各効
果は分散比（級間分散／級内分散）という指標で
示され、値が大きい程、各要因による変動が大き
く、効果が大きいとみなされる。横軸は部分自己
相関係数の次数を表わしている。前処理をしない
場合ａと本発明による前処理を行つた場合ｂとの
結果を示した。図から、前処理なしの場合は音韻
効果と話者効果とは近接しているが、本発明によ
る前処理の結果、話者効果が低減、かつ音韻効果
が増加している事がわかる。 すなわち、本発明によれば話者の違いによる変
動は小さくなり、音韻の違いが検出されやすくな
りその効果は大きい。

【図面の簡単な説明】

第１図は音声｜ａ｜のある時刻における周波数
スペクトラムを示し、第２図は多段適応逆フイル
タの段数と１次の部分自己係数との関係を音声｜
ａ｜と｜ｉ｜の場合について示し、第３図は本発
明による前処理部を有する音声分析装置の構成を
示し、第４図は本発明による音声前処理部の第１
の実施例の構成を示し、第５図は本発明による音
声前処理部の第２の実施例の構成を示し、第６図
は簡易型適応逆フイルタの１構成例を示し、第７
図は部分自己相関係数の話者効果と音韻効果を分
散比の指標で示したものである。 ６……前処理部、７……分析部。

Claims (1)

1. 【特許請求の範囲】 １ 係数が１次の部分自己相関係数に等しい１次
   の適応逆フイルタを用い、該フイルタの出力信号
   を新たな入力信号として該フイルタに巡回的に入
   力することにより、該フイルタを等価的に多段構
   成とし、該フイルタの係数である１次の部分自己
   相関係数の絶対値の大きさに基づいて該フイルタ
   の段数を適応的に切り換える制御部を備えたこと
   を特徴とする音声分析装置。 ２ 上記制御部は、上記フイルタの係数である１
   次の部分自己相関係数の絶対値の大きさを所定の
   閾値と比較し、該閾値よりも小さい場合に上記フ
   イルタの処理を打ち切ることにより、上記フイル
   タの段数を切り換えることを特徴とする特許請求
   の範囲第１項に記載の音声分析装置。 ３ 上記フイルタの係数である１次の部分自己相
   関係数の絶対値の大きさが所定の時間内に上記閾
   値よりも小さくならない場合は、あらかじめ決め
   られた繰返し回数で上記フイルタの処理を打ち切
   ることを特徴とする特許請求の範囲第２項に記載
   の音声分析装置。 ４ 上記フイルタとして、入力音声信号の差分信
   号波形を出力し、該差分信号波形を新たな入力信
   号として入力する適応逆フイルタを用いることを
   特徴とする特許請求の範囲第１項乃至第３項のい
   ずれかに記載の音声分析装置。 ５ 上記フイルタとして、入力音声信号の自己相
   関係数列を求める手段と、該自己相関係数列とそ
   の１次の部分自己相関係数とから次段の自己相関
   係数列を直接算出する演算手段とからなる適応逆
   フイルタを用い、該演算手段の出力信号を新たな
   入力信号として該演算手段に巡回的に入力するこ
   とを特徴とする特許請求の範囲第１項乃至第３項
   のいずれかに記載の音声分析装置。 ６ 上記フイルタとして、該フイルタの係数であ
   る１次の部分自己相関係数を、その値によつて
   ０、±１のいずれかに置き換える簡易型適応逆フ
   イルタを用いることを特徴とする特許請求の範囲
   第１項乃至第３項のいずれかに記載の音声分析装
   置。