JPH05241596A

JPH05241596A - 音声の基本周波数抽出システム

Info

Publication number: JPH05241596A
Application number: JP4042679A
Authority: JP
Inventors: Takao Koyama; 貴夫小山; Noriya Murakami; 憲也村上
Original assignee: N T T DATA TSUSHIN KK; NTT Data Communications Systems Corp
Current assignee: N T T DATA TSUSHIN KK; NTT Data Corp
Priority date: 1992-02-28
Filing date: 1992-02-28
Publication date: 1993-09-21

Abstract

(57)【要約】【目的】音声の基本的な特徴量を示す基本周波数の抽
出を高速に、かつ、高精度に行ない、音声認識処理性能
や、音声合成処理性能などを向上させる。【構成】入力された音声から二種類の分析条件で抽出
したそれぞれのパワー波形を用いてローカルピーク位置
を抽出し、抽出したローカルピーク位置の出現周期か
ら、入力された音声の基本周波数を抽出する音声の基本
周波数抽出システムにおいて、ローカルピーク位置に基
づき抽出する基本周波数の値と、ローカルピーク位置の
出現周期から直線近似して得られる基本周波数の予測値
との誤差を算出し、この誤差に基づきローカルピーク位
置を補正して、基本周波数を補正する基本周波数補正部
を設けることを特徴とする音声の基本周波数抽出システ
ム。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、音声の基本的な特徴量
を示す基本周波数を抽出する音声の基本周波数抽出シス
テムに係わり、特に、基本周波数を、高速かつ高精度に
抽出し、音声の合成や認識処理性能を向上させるのに好
適な音声の基本周波数抽出システムに関するものであ
る。

【０００２】

【従来の技術】音声の基本周波数の高さは、音声の自然
さや、話者の個人性、感情などを表し、音声の合成や認
識システムなどにおいては、音声の基本周波数を、正
確、かつ、高速に抽出することが重要である。従来、音
声から基本周波数を抽出する技術として、ケプストラム
（音声信号のピッチ抽出などに有効）を用いるものや、
ＳＩＦＴ（ＳｉｍｐｌｉｆｉｅｄＩｎｖｅｒｓｅＦ
ｉｌｔｅｒＴｒａｃｋｉｎｇ）法などが、一般に良く
用いられている。しかし、これらの技術では、分析にか
かる時間が長いという欠点がある。

【０００３】これに対して、例えば、本発明の提案者ら
による「音声波形のローカルピーク抽出とピッチ制御へ
の応用」（平成３年１０月、音響学会講演論文集２−６
−１）に記載されているように、音声のパワー波形を用
いて、音声波形から、ローカルピークを抽出し、このロ
ーカルピークの出現周期から、音声の基本周波数を、高
速かつ高精度に抽出する技術がある。このローカルピー
ク位置抽出技術では、入力音声の有声音区間検出を行な
い、二種類の分析条件で音声波形と同期して計算された
パワー波形を比較することにより、ローカルピーク位置
の存在区間を決定し、この音声区間内から、振幅の最大
値を探索し、ローカルピーク位置を抽出する。そして、
抽出したそれぞれのローカルピーク位置からなるピーク
位置列の一周期の時間情報から、周波数変換を行ない、
入力音声の基本周波数を抽出する。

【０００４】しかし、このような従来技術では、語尾な
どの音声のパワーが小さい部分においては、ローカルピ
ークの誤抽出が多く見られる。また、音声波形中の急激
なパワー変動によるパワー抽出誤りも指摘される。これ
は、平滑化されたパワー波形が、急激なパワー変化に追
従できない場合があるためと考えられる。

【０００５】

【発明が解決しようとする課題】解決しようとする問題
点は、従来の技術では、音声のパワーが小さい部分にお
けるローカルピークの誤抽出や、急激なパワー変動によ
るローカルピークの誤抽出があり、音声波形中のローカ
ルピーク位置を高精度に抽出することができない点であ
る。本発明の目的は、これら従来技術の課題を解決し、
ローカルピーク位置の抽出に基づく音声の基本周波数の
抽出を高速に、かつ、高精度に行ない、音声認識処理性
能や、音声合成処理性能などを向上させることを可能と
する音声の基本周波数抽出システムを提供することであ
る。

【０００６】

【課題を解決するための手段】上記目的を達成するた
め、本発明の音声の基本周波数抽出システムは、（１）
入力された音声から、二種類の分析条件で抽出したそれ
ぞれのパワー波形を用いてローカルピーク位置を抽出
し、抽出したローカルピーク位置の出現周期から、入力
された音声の基本周波数を抽出する音声の基本周波数抽
出システムにおいて、ローカルピーク位置に基づき抽出
する基本周波数の値と、ローカルピーク位置の出現周期
から直線近似して得られる基本周波数の予測値との誤差
を算出し、この誤差に基づきローカルピーク位置を補正
して、基本周波数の抽出を行なう基本周波数補正部を設
けることを特徴とする。また、（２）上記（１）に記載
の音声の基本周波数抽出システムにおいて、基本周波数
補正部は、ローカルピーク位置の出現周期に基づき、基
本周波数に対する線形モデルによる回帰分析を行なう線
形回帰分析部と、この線形回帰分析部の回帰分析の対象
となる基本周波数の区間を決定する分析区間決定部と、
線形回帰分析部による回帰分析結果から、基本周波数の
予測値を計算し、この予測値と、ローカルピーク位置に
基づき抽出した基本周波数の値との誤差を算出する予測
誤差算出部と、予め設定されたしきい値に基づき、この
予測誤差算出部で算出した誤差値を評価するローカルピ
ーク位置評価部と、しきい値を超える誤差値のローカル
ピーク位置を、線形モデルによる予測値に基づき補正す
るローカルピーク位置補正部とを具備することを特徴と
する。また、（３）上記（２）に記載の音声の基本周波
数抽出システムにおいて、誤差値が過剰抽出によるもの
とのローカルピーク位置評価部による評価に基づくこの
誤差値の原因となったローカルピーク位置の除外処理
と、誤差値が抽出漏れによるものとのローカルピーク位
置評価部による評価に基づくこの誤差値の原因となった
ローカルピーク位置の挿入処理とを行なうローカルピー
ク位置補正部を設けることを特徴とする。また、（４）
上記（１）から（３）のいずれかに記載の音声の基本周
波数抽出システムにおいて、入力された音声の有声音の
連続区間を検出する有声音区間検出部と、直線近似の対
象となる区間内の基本周波数で、正極性のサンプル値の
みを用いて計算したパワー値と、負極性のサンプル値の
みを用いて計算したパワー値のそれぞれを保持し、有声
音区間検出部で検出した有声音区間毎に、両極性の平均
パワーを算出する短区間パワー計算部と、この短区間パ
ワー計算部で計算した平均パワーの大きい極性を優勢極
性として判定する優勢極性判定部と、この優勢極性判定
部で優勢極性として判定した極性側における短区間パワ
ーの移動平均値に基づき、しきい値パワーを算出するし
きい値パワー計算部とを設け、しきい値パワーと短区間
パワーから、ローカルピーク位置の存在区間を決定する
ことを特徴とする。

【０００７】

【作用】本発明においては、パワー波形の計算におい
て、連続する有声音区間毎に、正負それぞれの極性で、
別個に短区間パワーを計算し、その結果により、パワー
の優勢な極性を判断し、優勢な極性側の短区間パワーを
元に、しきい値パワーの計算を行なう。このことによ
り、ローカルピーク位置探索区間を、より狭くし、ま
た、極性統一による探索処理の簡素化が図れる。次に、
抽出されたローカルピーク位置から、基本周波数への変
換がなされ、基本周波数パターンの適当なフレーム長で
の線形回帰分析の結果を元に、ローカルピーク抽出の妥
当性を判断し、抽出したローカルピーク位置が間違いと
判断した場合は、線形回帰分析による予測値を、ローカ
ルピーク抽出処理にフィードバックし、ローカルピーク
の抽出位置の補正を行なう。このようにして、ローカル
ピーク位置を補正することで、より高精度のローカルピ
ーク抽出を行ない、信頼性の高い基本周波数を得ること
ができる。また、処理的には連続有声音区間内に閉じた
処理形態であり、入力音声が長時間に渡る場合でも、検
出した有声音区間単位で、パイプライン処理を行なうこ
とで、入力終了の見極めを必要とせず、処理を高速に行
なうことができる。

【０００８】

【実施例】以下、本発明の実施例を、図面により詳細に
説明する。図１は、本発明の音声の基本周波数抽出シス
テムの本発明に係わる構成の一実施例を示すブロック図
である。本実施例の音声の基本周波数抽出システムは、
それぞれ図示していない、音声を入力する入力装置と、
音声から抽出されたローカルピーク位置列の情報などを
格納する外部記憶装置と、基本周波数パターンを表示す
るディスプレイとに接続され、そして、入力端子１０１
から入力された音声信号に対して、低域通過フィルター
を通し、アナログ／ディジタル変換する前処理部１０２
と、本発明に係わる入力音声のパワー波形の計算を行な
うパワー計算部１０３と、このパワー波形を元に、ロー
カルピーク位置を抽出するローカルピーク抽出部１０４
と、抽出したローカルピーク位置列に基づき、周波数へ
の変換を行なう基本周波数計算部１０５と、この基本周
波数計算部１０５からの基本周波数に対して、本発明に
係わるローカルピーク位置の補正を行ない、基本周波数
を補正する基本周波数補正部１０６と、基本周波数パタ
ーンの表示、および、ローカルピーク位置列情報の出力
端子１０８への出力を行なう基本周波数パターン出力部
１０７とにより構成されている。

【０００９】以下、この音声の基本周波数抽出システム
の動作を説明する。まず、入力端子１０１から音声信号
が入力され、前処理部１０２に入力される。この前処理
部１０２では、入力された音声信号に対して、低域通過
フィルターを通し、アナログ／ディジタル変換を行な
い、パワー計算部１０３へ送出する。パワー計算部１０
３では、入力音声の有声音区間を検出し、この有声音区
間において、正負それぞれの極性に注目し、短区間パワ
ーの計算を行なう。この時、各フレーム毎のパワー計算
と同時に、連続する有声音区間内での正と負の両極の平
均パワー値を計算し、この平均パワー値が大きい方を、
パワーの値が優勢な極性として、ローカルピーク抽出の
対象とする。また、ここで得た優勢な極の短区間パワー
値を用いて、しきい値パワーの計算を行なう。ここで計
算する二つのパワー波形と音声波形などの関係を、後述
の図４に示す。また、パワー計算式は、以下に示すよう
に、ＲＭＳ（ＲｏｏｔＭｅａｎＳｑｕａｒｅ）パワ
ーの計算を元にしている。すなわち、正の極性の短区間
パワーＰ（＋）、および、負の極性の短区間パワーＰ
（−）は、それぞれ、次のようにして得られる。Ｐ（＋）＝√（（Σ（ｘｉ）²）／（Ｎ₁））但し、ｘｉ＞０で、Ｎ₁は、分析フレーム内で、ｘｉ＞
０を満たすサンプル数Ｐ（−）＝√（（Σ（ｘｉ）²）／（Ｎ₂））但し、ｘｉ＜０で、Ｎ₂は、分析フレーム内で、ｘｉ＜
０を満たすサンプル数

【００１０】パワー計算部１０３は、以上の処理で得た
パワー情報を、ローカルピーク抽出部１０４へ送出す
る。このローカルピーク抽出部１０４では、このように
して入力されたパワー波形を元に、ローカルピーク位置
を抽出し、基本周波数計算部１０５へ送出する。基本周
波数計算部１０５では、入力されたローカルピーク位置
列から、注目するローカルピーク位置と、時系列的に後
ろで隣合うローカルピーク位置までの時間を周期とし
て、基本周波数への変換を行なう。尚、この基本周波数
を表すサンプルの位置は、後述の図５に示すように、周
期とみなしたピークとピークの中間をその位置とする。
基本周波数計算部１０５は、このようにして得た基本周
波数パターンを、基本周波数補正部１０６へ送出する。

【００１１】本発明に係わる基本周波数補正部１０６で
は、線形回帰モデルを、基本周波数計算部１０５から送
出された基本周波数パターンに適用し、適当な分析区間
内で、基本周波数のモデル化を図る。そして、モデル化
した基本周波数パターンを用いて、分析区間内の基本周
波数サンプル値を評価することで、ローカルピーク抽出
の正誤を評価する。この評価処理において、ローカルピ
ーク抽出が不当（エラー）とされた場合は、抽出したロ
ーカルピーク位置の補正を行ない、補正を行なったロー
カルピーク位置から計算される基本周波数値を、エラー
を検出した同一区間で、ローカルピーク抽出位置の妥当
性を、再度、評価する。そして、この評価、および、抽
出位置補正処理を、入力音声全体で行ない、補正後のロ
ーカルピーク位置の情報と、基本周波数パターンを、基
本周波数パターン出力部１０７へ送出する。基本周波数
パターン出力部１０７では、音声波形と同期して、後述
の図１０に示すように、基本周波数パターンの表示を行
ない、かつ、ローカルピーク位置列の情報を、出力端子
１０８へ出力する。

【００１２】このように、本実施例の音声の基本周波数
抽出システムは、基本周波数補正部１０６を設け、ロー
カルピーク位置に基づき抽出する基本周波数の値と、ロ
ーカルピーク位置の出現周期から直線近似して得られる
基本周波数の予測値との誤差を算出し、この誤差に基づ
き、ローカルピーク位置を補正することができので、ロ
ーカルピーク抽出を、より高精度に行なうことができ
る。次に、パワー計算部１０３、および、ローカルピー
ク抽出部１０４の詳細な説明を、図３を用いて行なう。

【００１３】図３は、図１におけるパワー計算部および
ローカルピーク抽出部の本発明に係わる構成の一実施例
を示すブロック図である。パワー計算部１０３は、入力
された音声の有声音の連続区間を検出する有声音区間検
出部３０１と、この有声音区間検出部３０１で検出した
有声音区間毎に、正負の両極性の平均パワーを算出する
短区間パワー計算部３０２と、この短区間パワー計算部
３０２で計算した平均パワーの大きい極性を優勢極性と
して判定する優勢極性判定部３０３と、この優勢極性判
定部３０３で優勢極性として判定した極性側における短
区間パワーの移動平均値に基づき、しきい値パワーを算
出するしきい値パワー計算部３０４とにより構成されて
いる。また、ローカルピーク抽出部１０４は、パワー計
算部１０３のしきい値パワー計算部３０４から送出され
たしきい値パワーと短区間パワーから、ローカルピーク
位置の存在区間を決定するピーク位置探索区間抽出部３
０５、および、音声波形ピーク位置抽出部３０６により
構成されている。

【００１４】以下、このような構成のパワー計算部１０
３、および、ローカルピーク抽出部１０４の動作を説明
する。有声音区間検出部３０１は、前処理部１０２か
ら、入力端子１０１からの音声信号に基づく音声のディ
ジタルデータを得ると、適当なフレーム長で、ＲＭＳパ
ワーを計算する。このパワー値、および、継続時間がし
きい値を超えた場合、有声音区間とし、短区間パワー計
算部３０２へ、入力データを渡す。ここで、「か」など
の破裂音部分については、なるべく除外する処理を加え
る。また、連続している有声音区間の終了の判定は、短
区間パワー計算部３０２の情報を参照することにより行
なう。短区間パワー計算部３０２では、例えば、男性の
場合は「４ｍｓ」、また、女性の場合は「２ｍｓ」程度
のフレーム長で、フレームシフトは「０．５ｍｓ」によ
り、パワー分析を行なう。この時、フレーク内の正、お
よび、負のそれぞれの極性でパワーを計算し、また、連
続する有声音区間内で、それぞれの極性のサンプルの二
乗平均値を計算する。ここで、有声音区間が終了した場
合、優勢極性判定部３０３で、それぞれの極性での平均
値を判定し、優勢な極性の領域の短区間パワーを、ロー
カルピークを抽出するための短区間パワーとして採用す
る。この優勢極性の情報は、ローカルピーク抽出部１０
４へも送出する。しきい値パワー計算部３０４では、優
勢極性判定部３０３で判定した優勢な極性側の短区間パ
ワー値の移動平均値を求め、しきい値パワーとする。そ
して、パワー計算部１０３は、このしきい値パワー計算
部３０４で求めたしきい値パワーと、優勢な極性側の短
区間パワーの二種類のパワー波形を、ローカルピーク抽
出部１０４へ送出する。

【００１５】ローカルピーク抽出部１０４は、ピーク位
置探索区間抽出部３０５において、パワー計算部１０３
から送出された二種類のパワー波形を比較し、ローカル
ピーク位置探索区間を決定し、その情報を、音声波形ピ
ーク位置抽出部３０６へ送出する。音声波形ピーク位置
抽出部３０６では、先の短区間パワー計算部３０２で得
た優勢極性の情報と、ピーク位置探索区間抽出部３０５
からの探索区間の情報を元に、振幅の大きさに基づき、
ローカルピーク位置を判定し、ローカルピーク位置の抽
出を行ない、図１における基本周波数計算部１０５へ送
出する。

【００１６】図４は、図３におけるパワー計算部および
ローカルピーク抽出部による本発明に係わるパワー値の
抽出動作を示す説明図である。図４（ａ）において、４
０３は、ローカルピーク位置の探索範囲としてのピーク
探索区間であり、４０４は、ピーク探索区間４０３にお
けるローカルピーク位置である。また、図４（ｂ）にお
いて、４０１は、しきい値パワー波形であり、４０２
は、短区間パワー波形である。図１におけるパワー計算
部１０３では、図４（ａ）に示すピーク探索区間４０３
におけるローカルピーク位置４０４などに基づき、短区
間パワー４０２の計算を行なう。この時、有声音区間内
での正と負の両極の平均パワー値の計算し、この平均パ
ワー値が大きい方を、パワーの値が優勢な極性として、
ローカルピーク抽出の対象とする。このことにより、ロ
ーカル位置の探索区間を狭くする。そして、このように
して得た優勢な極性側の短区間パワー値４０２を用い
て、しきい値パワー４０１の計算が行なわれる。

【００１７】図５は、図１の基本周波数計算部の動作の
一実施例を示す説明図である。本図においては、図１の
基本周波数計算部１０５は、図５（ａ）におけるローカ
ルピーク位置５０１、５０２から、図５（ｂ）における
基本周波数５０３を決定している。すなわち、ローカル
ピーク位置に当たる時間情報の列が入力されと、例え
ば、隣合う時間ｔ₁と時間ｔ₂のローカルピーク位置５０
１、５０２と対応する基本周波数５０３は、「１／Ｔ
ｉ」（＝１／（ｔ₂−ｔ₁））として表され、その位置
を、ピークとピークの中心位置に代表させるものとす
る。この位置は、「（ｔ₁＋ｔ₂）／２」で計算される。

【００１８】次に、図１における基本周波数補正部１０
６に関する詳細な説明を、図２を用いて説明する。図２
は、図１における基本周波数補正部の本発明に係わる構
成の一実施例を示すブロック図である。本実施例の基本
周波数補正部１０６は、基本周波数計算部１０５で得た
基本周波数パターンに基づき、基本周波数に対する線形
モデルによる回帰分析を行なう線形回帰分析部２０２
と、この線形回帰分析部２０２による分析区間の決定を
行なう分析区間決定部２０１と、線形回帰分析部２０２
による回帰分析結果から、基本周波数の予測値を計算
し、この予測値と、ローカルピーク位置に基づき抽出し
た基本周波数の値との誤差を算出する予測誤差算出部２
０３と、予め設定されたしきい値に基づき、予測誤差算
出部２０３で算出した誤差値を評価するローカルピーク
位置評価部２０４と、しきい値を超える誤差値のローカ
ルピーク位置を、線形モデルによる予測値に基づき補正
するピーク位置補正部２０５とにより構成されている。

【００１９】このような構成により、基本周波数補正部
１０６は、基本周波数計算部１０５で得た基本周波数パ
ターンを入力として、分析区間決定部２０１で、分析区
間の決定を行なう。分析区間は、例えば、後述の図６に
示すように、基本周波数計算部１０５で決定した１０ピ
ッチとして、この１０ピッチのフレーム長をシフトし、
有声音の連続区間単位で、ローカルピーク位置の補正を
行なっていく。すなわち、線形回帰分析部２０２では、
決定した１０ピッチのフレーム内で、時間と周波数の軸
で、線形回帰分析により、基本周波数の線形モデルを導
出し、この結果を、予測誤差計算部２０３へ送出する。
予測誤差計算部２０３では、このようにして得たモデル
の直線と、実際の基本周波数サンプル値とから、それら
の誤差を算出して、ローカルピーク位置評価部２０４へ
送出する。この誤差の計算は、以下の式で定義する。誤差値＝（基本周波数値）−（線形回帰モデルによる予
測値）ローカルピーク位置評価部２０４では、予測誤差計算部
２０３で算出した誤差値が、予め設定したしきい値を超
えていれば、ピーク位置補正部２０５へ処理を移し、ま
た、誤差値がしきい値以内の場合は、フレームのシフト
を行なう。このフレームシフト以降の同様の処理によ
り、有声音の連続区間が終了した場合には、次の有声音
区間の先頭へ、処理対象を移動する。

【００２０】図６は、図２における線形回帰分析部の本
発明に係わる動作の一実施例を示す説明図である。本図
では、基本周波数パターンに対し、１０個のサンプルを
１フレームとして、時間軸対基本周波数軸の線形回帰分
析を行なう様子を示しており、６０１は、対象分析範囲
で、６０２は、この対象分析範囲６０１の各サンプル値
に基づき算出される回帰直線、６０３は、ローカルピー
ク抽出エラーの基本周波数サンプル値であり、６０４
は、ローカルピーク抽出エラーの基本周波数サンプル値
６０３の時間位置（ｔ₁）において、回帰直線６０２に
より算出される予測値である。図１、図２における基本
周波数補正部１０６は、この予測値６０４と、実際の周
波数サンプル値との誤差（予測誤差Ｐｅ）を評価し、ロ
ーカルピーク抽出の正誤判断を行なう。そして、誤差値
が、予め設定したしきい値以内の場合は、図中の矢印で
示すように、フレームのシフトを行ない、分析対象範囲
の移動を行なう。また、誤差値がしきい値を超えていれ
ば、ローカルピーク抽出を誤りと判断し、回帰直線６０
２からの予測値６０４、および、相互相関値などを用い
て、再度、ローカルピーク抽出処理を行ない、再度ロー
カルピーク位置抽出の妥当性評価を行なう。

【００２１】ここで、しきい値は、正と負の二つがあ
り、それぞれ、ローカルピーク位置の除外と挿入による
図２のピーク位置補正部２０５のローカルピーク位置補
正のタイミング決定要素となる。例えば、線形回帰モデ
ルによる予測値に、０．５〜０．８程度の係数を乗じた
ものを、誤差が正の場合のしきい値とする。また、負の
誤差の評価予測値の二分の一の値に、正の誤差のしきい
値に乗じた値と同様の値を乗じて負の場合のしきい値と
する。そして、例えば、正の誤差の大きさがしきい値を
超えた場合や、負の誤差の大きさがしきい値を超えた場
合に、ローカルピーク位置の除外処理や挿入処理を行な
う。これらのしきい値の設定は、抽出誤りによる倍ピッ
チ、および、半ピッチに対応することを考慮している。
このような誤差に基づく、図２におけるピーク位置補正
部２０５の除外処理、および、挿入処理についての詳細
な説明を、以下の図７〜図１０を用いて説明する。

【００２２】図７は、ローカルピーク誤抽出が基本周波
数へ与える影響の第１の実施例を示す説明図である。図
７（ａ）において、７０１は、過剰抽出されたローカル
ピーク位置であり、この誤抽出により、図７（ｂ）にお
ける基本周波数エラー７０２、７０３が生じている。こ
のように、一つの誤抽出（過剰抽出）が、正確な抽出位
置にも影響を与えており、図１における基本周波数補正
部１０６は、この誤抽出した点を、近傍、例えば、直前
のピッチとの相互相関値から、除外するローカルピーク
位置を決定し、ローカルピーク位置からの除外を行な
う。すなわち、基本周波数エラー７０２、７０３が生じ
た場合は、予測値との誤差が正のしきい値を超えてお
り、半ピッチ周期となっている可能性があり、図２の基
本周波数補正部１０６におけるピーク位置補正部２０５
は、次の図８で示すように、ローカルピーク位置除外処
理を行なう。

【００２３】図８は、図２におけるピーク位置補正部に
よるローカルピーク位置除外動作の一実施例を示す説明
図である。図８（ａ）において、８０１ａ、ｂは、それ
ぞれ、ローカルピーク誤抽出による誤った基本周波数サ
ンプル値である。基本周波数サンプル値８０１ｂは、過
剰に抽出された基本周波数サンプル値８０１ａの影響を
受けて誤った基本周波数サンプル値となったものであ
り、回帰直線８００の予測値８０２との誤差、すなわ
ち、予測誤差Ｐｅ（１）が、正のしきい値を超えている
ものである。この場合、周期的に半ピッチになっている
可能性があり、図２におけるピーク位置補正部２０５
は、予測値８０２の基本周波数サンプル位置８０４と、
基本周波数サンプル位置８０３との相互相関値から、除
外するローカルピーク位置を決定し、基本周波数サンプ
ル値８０１ａに対する除外処理を行なう。図８（ｂ）に
おいて、８０５は、除外されたローカルピーク位置より
計算される基本周波数サンプル値であり、８０６は、ロ
ーカルピーク位置除外処理により、再度、基本周波数を
計算した場合の基本周波数サンプル値である。このよう
に、基本周波数を計算する場合に、誤った基本周波数サ
ンプル値８０１ａが除外され、他のローカルピークへの
悪影響が排除される。

【００２４】図９は、ローカルピーク誤抽出が基本周波
数へ与える影響の第２の実施例を示す説明図である。図
９（ａ）において、９０１は、抽出漏れのローカルピー
ク位置であり、この誤抽出（ローカルピーク抽出漏れ）
により、図９（ｂ）における基本周波数エラー９０２が
生じている。この基本周波数エラー９０２は、倍ピッチ
周期となっている。このような基本周波数エラー９０２
が生じる場合は、予測値との誤差が負のしきい値を超え
ており、図２におけるピーク位置補正部２０５は、ロー
カルピーク位置挿入処理を行なう。

【００２５】図１０は、図２におけるピーク位置補正部
によるローカルピーク位置挿入動作の一実施例を示す説
明図である。図１０（ａ）において、１００１は、時間
ｔｘでのローカルピーク抽出漏れによる誤った基本周波
数サンプル値であり、回帰直線１０００の予測値との誤
差、すなわち、予測誤差Ｐｅ（２）が、負のしきい値を
超えているものである。この場合、周期的に倍ピッチに
なっている可能性があり、図２におけるピーク位置補正
部２０５は、回帰直線１０００を用いた予測値１００２
に対応するローカルピーク位置の挿入を行なう。挿入す
る位置１００４は、線形回帰モデルとローカルピークの
間隔から、次の式により求められる。ａｔｘ＋ｂ＝１／（ｔｘ−ｔｐ）但し、ａ、および、ｂは、回帰係数で、ｔｘは、求める
位置、ｔｐは、一つ前のローカルピーク位置１００３で
ある。この式で求められる位置ｔｘを用いて、音声波形
中で、位置ｔｘの基本周波数変換に伴う誤差修正処理を
した位置の近傍で、振幅の最大値を探索し、ローカルピ
ーク位置の挿入する位置１００４を決定する。そして、
図１０（ｂ）に示すように、挿入されたローカルピーク
位置より計算された基本周波数サンプル値１００５と、
ローカルピーク位置挿入処理により、再度、基本周波数
を計算した場合の基本周波数サンプル値１００６を得
る。この処理により、ローカルピークの挿入と同様に、
他のローカルピークへの悪影響を排除することができ
る。また、ローカルピークの挿入位置に関しても、近傍
の１ピッチとの相互相関値を計算して、挿入位置の確認
を行なうことが可能である。

【００２６】図１１は、図１における基本周波数抽出シ
ステムによる基本周波数変換動作の一実施例を示す説明
図である。図１１（ａ）において、「ｏ」印は、抽出さ
れるローカルピーク位置を示し、これらのローカルピー
ク位置に基づき、図１１（ｂ）の「ｏ」印で示すよう
に、精度の高い基本周波数値が得られる。

【００２７】以上、図１〜図１１を用いて説明したよう
に、本実施例の音声の基本周波数抽出システムでは、基
本周波数補正部を設け、ローカルピークの誤抽出を補正
し、高精度な基本周波数を抽出することができる。ま
た、ローカルピーク抽出の精度向上により、ローカルピ
ーク位置を用いたピッチ制御や、時間長制御方式への適
用により、さらに、正確なピッチ制御や時間長制御が可
能となる。尚、本発明は、図１〜図１１を用いて説明し
た実施例に限定されるものではない。

【００２８】

【発明の効果】本発明によれば、誤抽出したローカルピ
ーク位置を補正することにより、音声の基本的な特徴量
を示す基本周波数の抽出を高精度に行なうことができ、
音声認識処理性能や、音声合成処理性能などを向上させ
ることが可能である。

【００２９】

【図面の簡単な説明】

【図１】本発明の音声の基本周波数抽出システムの本発
明に係わる構成の一実施例を示すブロック図である。

【図２】図１における基本周波数補正部の本発明に係わ
る構成の一実施例を示すブロック図である。

【図３】図１におけるパワー計算部およびローカルピー
ク抽出部の本発明に係わる構成の一実施例を示すブロッ
ク図である。

【図４】図１におけるパワー計算部およびローカルピー
ク抽出部によるパワー値の抽出動作を示す説明図であ
る。

【図５】図１における基本周波数計算部の動作の一実施
例を示す説明図である。

【図６】図２における線形回帰分析部の本発明に係わる
動作の一実施例を示す説明図である。

【図７】ローカルピーク誤抽出が基本周波数へ与える影
響の第１の実施例を示す説明図である。

【図８】図２におけるピーク位置補正部によるローカル
ピーク位置除外動作の一実施例を示す説明図である。

【図９】ローカルピーク誤抽出が基本周波数へ与える影
響の第２の実施例を示す説明図である。

【図１０】図２におけるピーク位置補正部によるローカ
ルピーク位置挿入動作の一実施例を示す説明図である。

【図１１】図１における基本周波数抽出システムによる
基本周波数変換動作の一実施例を示す説明図である。

【符号の説明】

１０１入力端子１０２前処理部１０３パワー計算部１０４ローカルピーク抽出部１０５基本周波数計算部１０６基本周波数補正部１０７基本周波数パターン出力部１０８出力端子２０１分析区間決定部２０２線形回帰分析部２０３予測誤差算出部２０４ピーク位置評価部２０５ピーク位置補正部３０１有声音区間検出部３０２短区間パワー計算部３０３優勢極性判定部３０４しきい値パワー計算部３０５ピーク位置探索区間抽出部３０６音声波形ピーク位置抽出部４０１しきい値パワー波形４０２短区間パワー波形４０３ピーク探索区間４０４ローカルピーク位置５０１、５０２ローカルピーク位置５０３基本周波数６０１対象分析範囲６０２回帰直線６０３基本周波数サンプル値６０４予測値７０１過剰抽出されたピーク位置７０２、７０３基本周波数エラー８０１ａ、ｂ基本周波数サンプル値８００回帰直線８０２予測値８０３、８０４基本周波数サンプル位置８０５、８０６基本周波数サンプル値９０１抽出漏れのピーク位置９０２基本周波数エラー１０００回帰直線１００１基本周波数サンプル値１００２予測値１００３一つ前のローカルピーク位置１００４挿入する位置１００５、１００６基本周波数サンプル値Ｐｅ、Ｐｅ（１）、Ｐｅ（２）予測誤差

Claims

【特許請求の範囲】

【請求項１】入力された音声から、二種類の分析条件
で抽出したそれぞれのパワー波形を用いてローカルピー
ク位置を抽出し、該抽出したローカルピーク位置の出現
周期から、上記入力された音声の基本周波数を抽出する
音声の基本周波数抽出システムにおいて、上記ローカル
ピーク位置に基づき抽出する基本周波数の値と、上記ロ
ーカルピーク位置の出現周期から直線近似して得られる
基本周波数の予測値との誤差を算出し、該誤差に基づき
上記ローカルピーク位置を補正して、上記基本周波数を
補正する基本周波数補正手段を設けることを特徴とする
音声の基本周波数抽出システム。
【請求項２】請求項１に記載の音声の基本周波数抽出
システムにおいて、上記基本周波数補正手段は、上記ロ
ーカルピーク位置の出現周期に基づき、上記基本周波数
に対する線形モデルによる回帰分析を行なう線形回帰分
析手段と、該線形回帰分析手段の回帰分析の対象となる
上記基本周波数の区間を決定する分析区間決定手段と、
上記線形回帰分析手段による回帰分析結果から、上記基
本周波数の予測値を計算し、該予測値と、上記ローカル
ピーク位置に基づき抽出した基本周波数の値との誤差を
算出する予測誤差算出手段と、予め設定されたしきい値
に基づき、該予測誤差算出手段で算出した誤差値を評価
するピーク位置評価手段と、上記しきい値を超える誤差
値のローカルピーク位置を、上記線形モデルによる予測
値に基づき補正するピーク位置補正手段とを具備するこ
とを特徴とする音声の基本周波数抽出システム。
【請求項３】請求項２に記載の音声の基本周波数抽出
システムにおいて、上記誤差値が過剰抽出によるものと
の上記ピーク位置評価手段による評価に基づく該誤差値
の原因となったローカルピーク位置の除外処理と、上記
誤差値が抽出漏れによるものとの上記ピーク位置評価手
段による評価に基づく該誤差値の原因となったローカル
ピーク位置の挿入処理とを行なう上記ピーク位置補正手
段を設けることを特徴とする音声の基本周波数抽出シス
テム。
【請求項４】請求項１から請求項３のいずれかに記載
の音声の基本周波数抽出システムにおいて、上記入力さ
れた音声の有声音の連続区間を検出する有声音区間検出
手段と、上記直線近似の対象となる区間内の上記基本周
波数で、正極性のサンプル値のみを用いて計算したパワ
ー値と、負極性のサンプル値のみを用いて計算したパワ
ー値のそれぞれを保持し、上記有声音区間検出手段で検
出した有声音区間毎に、両極性の平均パワーを算出する
短区間パワー計算手段と、該短区間パワー計算手段で計
算した平均パワーの大きい極性を優勢極性として判定す
る優勢極性判定手段と、該優勢極性判定手段で優勢極性
として判定した極性側における短区間パワーの移動平均
値に基づき、しきい値パワーを算出するしきい値パワー
計算手段とを設け、上記しきい値パワーと上記短区間パ
ワーから、上記ローカルピーク位置の存在区間を決定す
ることを特徴とする音声の基本周波数抽出システム。