JPH09212194A - ピッチ抽出装置及びピッチ抽出方法 - Google Patents

ピッチ抽出装置及びピッチ抽出方法

Info

Publication number
JPH09212194A
JPH09212194A JP8016433A JP1643396A JPH09212194A JP H09212194 A JPH09212194 A JP H09212194A JP 8016433 A JP8016433 A JP 8016433A JP 1643396 A JP1643396 A JP 1643396A JP H09212194 A JPH09212194 A JP H09212194A
Authority
JP
Japan
Prior art keywords
pitch
autocorrelation
evaluation parameter
audio signal
frequency bands
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
Application number
JP8016433A
Other languages
English (en)
Other versions
JP3840684B2 (ja
Inventor
Kazuyuki Iijima
和幸 飯島
Masayuki Nishiguchi
正之 西口
Atsushi Matsumoto
淳 松本
Shiro Omori
士郎 大森
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sony Corp
Original Assignee
Sony Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Sony Corp filed Critical Sony Corp
Priority to JP01643396A priority Critical patent/JP3840684B2/ja
Priority to US08/788,194 priority patent/US5930747A/en
Priority to MYPI97000322A priority patent/MY120918A/en
Priority to KR1019970002641A priority patent/KR100421817B1/ko
Priority to CNB971031762A priority patent/CN1146862C/zh
Publication of JPH09212194A publication Critical patent/JPH09212194A/ja
Application granted granted Critical
Publication of JP3840684B2 publication Critical patent/JP3840684B2/ja
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L13/00—Speech synthesis; Text to speech systems
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/90—Pitch determination of speech signals
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
    • F16H—GEARING
    • F16H48/00—Differential gearings
    • F16H48/20—Arrangements for suppressing or influencing the differential action, e.g. locking devices
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
    • G10L25/06—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters the extracted parameters being correlation coefficients
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
    • G10L25/18—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters the extracted parameters being spectral information of each sub-band

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Computational Linguistics (AREA)
  • Acoustics & Sound (AREA)
  • Signal Processing (AREA)
  • General Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Compression, Expansion, Code Conversion, And Decoders (AREA)
  • Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
  • Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
  • Electrophonic Musical Instruments (AREA)

Abstract

(57)【要約】 【課題】 様々な特性を持つ音声信号のピッチを正確に
抽出することができるピッチ抽出装置及びピッチ抽出方
法を提供する。 【解決手段】 ＨＰＦ１２及びＬＰＦ１６でそれぞれ周
波数帯域が制限されたフレーム単位の入力音声信号の自
己相関データを、自己相関算出部１３、１７でそれぞれ
求め、ピッチ強度／ピッチラグ算出部１４、１８でピッ
チラグを算出して正規化し、評価パラメータ算出部１
５、１９で、ＨＰＦ１２及びＬＰＦ１６で帯域制限され
た入力音声信号のピッチ信頼度を算出する。選択部２０
では、上記ピッチラグ及び評価パラメータ等を用いて、
ＨＰＦ１２及びＬＰＦ１６で帯域制限された入力音声信
号によって得られたパラメータの内の一方のパラメータ
を選択する。

Description

【発明の詳細な説明】
【０００１】
【発明の属する技術分野】本発明は、入力音声信号から
ピッチを抽出するピッチ抽出装置及びピッチ抽出方法に
関する。
【０００２】
【従来の技術】音声は、音の性質として、有声音と無声
音とに区別される。有声音は、声帯振動を伴う音声で、
周期的な振動として観測される。無声音は、声帯振動を
伴わない音声で、非周期的な雑音として観測される。通
常の音声では大部分が有声音であり、無声音は無声子音
と呼ばれる特殊な子音のみである。有声音の周期は、声
帯振動の周期で決まり、これをピッチ周期、その逆数を
ピッチ周波数という。これらピッチ周期及びピッチ周波
数は、声の高低やイントネーションを決める需要な要因
となる。従って、原音声波形から正確にピッチ周期を抽
出（以下、ピッチ抽出という）することは、音声を分析
し合成する音声合成の課程の中でも重要となる。
【０００３】上記ピッチ抽出の方法（以下、ピッチ抽出
方法）として、相関処理が波形の位相歪みに強いことを
利用した相関処理法があり、この相関処理法の一方法と
しては、自己相関法がある。この自己相関法では、一般
的には、入力音声信号を所定の周波数帯域に制限した後
に、所定のサンプル数の入力音声信号の自己相関を求め
てピッチ抽出を行い、ピッチを得る。入力音声信号を帯
域制限する際には、一般的に、ローパスフィルタ（以
下、ＬＰＦという）が用いられる。
【０００４】
【発明が解決しようとする課題】ところで、上述の自己
相関法において、例えば、低周波数成分にインパルス状
のピッチが含まれている音声信号を用いるときには、こ
の音声信号をＬＰＦに通すことによって、インパルス状
の成分が除去されてしまう。よって、このＬＰＦを通し
た音声信号のピッチ抽出を行って、低周波数成分にイン
パルス状のピッチが含まれている音声信号の正しいピッ
チを得ることは困難である。
【０００５】逆に、低周波数成分のインパルス状の成分
を除去しないために、低周波数成分にインパルス状のピ
ッチが含まれている音声信号をハイパスフィルタ（以
下、ＨＰＦという）のみに通すこととすると、この音声
信号波形がノイズ成分の多い波形である場合には、ピッ
チ成分とノイズ成分との区別がつかなくなり、やはり、
正しいピッチを得ることは困難となる。
【０００６】そこで、本発明は上述の実情に鑑み、様々
な特性を持つ音声信号のピッチを正確に抽出することが
できるピッチ抽出装置及びピッチ抽出方法を提供するも
のである。
【０００７】
【課題を解決するための手段】本発明に係るピッチ抽出
装置及びピッチ抽出方法は、入力音声信号を複数の異な
る周波数帯域に制限し、上記各周波数帯域の音声信号毎
の、所定単位の自己相関データからピークを検出してピ
ッチ強度を求め、ピッチ周期を算出し、また、上記ピッ
チ強度を用いて、ピッチ強度の信頼度を示す評価パラメ
ータを算出し、上記ピッチ周期及び上記評価パラメータ
に基づいて、上記複数の異なる周波数帯域の音声信号の
内の１つの周波数帯域の音声信号のピッチを選択する。
【０００８】
【発明の実施の形態】以下、本発明の実施の形態につい
て、図面を参照しながら説明する。
【０００９】図１には、本発明に係るピッチ抽出装置を
用いたピッチサーチ装置の実施の形態の概略的な構成を
示し、図２には、本発明に係るピッチ抽出装置の概略的
な構成を示す。
【００１０】この図２に示すピッチ抽出装置は、入力音
声信号を複数の異なる周波数帯域に制限するフィルタ手
段であるＨＰＦ１２、ＬＰＦ１６と、上記ＨＰＦ１２、
ＬＰＦ１６からの各周波数帯域の音声信号毎に、所定単
位の自己相関データを算出する自己相関算出手段である
自己相関算出部１３、１７と、上記自己相関算出部１
３、１７からの自己相関データからピークを検出して、
ピッチ強度を求め、ピッチ周期を算出するピッチ周期算
出手段であるピッチ強度／ピッチラグ算出部１４、１８
と、上記ピッチ強度／ピッチラグ算出部１４、１８から
のピッチ強度を用いて、ピッチ強度の信頼度を示す評価
パラメータを算出する評価パラメータ算出手段である評
価パラメータ算出部１５、１９と、上記ピッチ強度／ピ
ッチラグ算出部１４、１８からのピッチ周期及び上記評
価パラメータ算出部１５、１９からの評価パラメータに
基づいて、上記複数の異なる周波数帯域の音声信号の内
の１つの周波数帯域の音声信号のピッチを選択する選択
手段である選択部２０とを備えて成る。
【００１１】先ず、図１のピッチサーチ装置について説
明する。
【００１２】図１の入力端子１からの入力音声信号は、
フレーム区分部２に送られる。このフレーム区分部２
は、入力音声信号を所定のサンプル数のフレーム単位で
区分する。
【００１３】現フレームピッチ算出部３及び他フレーム
ピッチ算出部４は、所定のフレームのピッチを算出して
出力するものであり、図２に示すピッチ抽出装置の構成
から成る。具体的には後述するように、現フレームピッ
チ算出部３は、上記フレーム区分部２で区分された現フ
レームのピッチを算出し、他フレームピッチ算出部４
は、上記フレーム区分部２で区分された現フレーム以外
のフレームのピッチを算出する。
【００１４】本実施の形態では、入力音声信号波形を上
記フレーム区分部２により、例えば現フレーム、過去フ
レーム、及び未来フレームに区分している。そして、確
定している過去フレームのピッチを基に、現フレームを
決定し、さらに過去フレームのピッチ及び未来フレーム
のピッチを基に、上記決定された現フレームのピッチを
確定する方法である。このように、過去フレーム、現フ
レーム、及び未来フレームから現フレームのピッチを正
確に出そうという考え方を、Delayed decision（ディレ
イドディシジョン）という。
【００１５】比較検出部５は、上記現フレームピッチ算
出部３で検出されたピークが、上記他フレームピッチ算
出部４で算出されたピッチに対して、所定の関係を満た
すピッチ範囲内にあるか否かを比較し、この範囲内にあ
るときにピークを検出する。
【００１６】ピッチ決定部６は、上記比較検出部５で比
較検出されたピークから現フレームのピッチを決定す
る。
【００１７】次に、現フレームピッチ算出部３及び他フ
レームピッチ算出部４を構成する図２のピッチ抽出装置
におけるピッチ抽出の処理について、具体的に説明す
る。
【００１８】入力端子１１からのフレーム単位の入力音
声信号は、２つの周波数帯域に制限するために、ＨＰＦ
１２及びＬＰＦ１６にそれぞれ送られる。
【００１９】具体的には、例えば、サンプリング周波数
ｆｓが８ｋＨｚの入力音声信号を、２５６サンプル毎の
フレームに分割したときには、このフレーム毎の入力音
声信号の帯域制限を行うためのＨＰＦ１２のカットオフ
周波数ｆｃHは１ｋＨｚ、ＬＰＦ１６のカットオフ周波
数ｆｃLは３．２ｋＨｚに定める。このとき、ＨＰＦ１
２からの出力をｘH、ＬＰＦ１６からの出力をｘLとする
と、出力ｘHは３．２〜４．０ｋＨｚ、出力ｘLは０〜
１．０ｋＨｚにそれぞれ帯域制限されている。但し、入
力音声信号が予め帯域制限されている場合には、この限
りではない。
【００２０】自己相関算出部１３、１７では、ＦＦＴ
（高速フーリエ変換）によってそれぞれ自己相関データ
を求め、それらのピークをそれぞれ取り出す。
【００２１】ピッチ強度／ピッチラグ算出部１４、１８
では、これらのピークの値を大きい順に並べ換え、即ち
ソーティングした関数をそれぞれｒH（ｎ）、ｒL（ｎ）
とする。このとき、自己相関算出部１３で求められた自
己相関データのピークの総数をＮH、自己相関算出部１
７で求められた自己相関データのピークの総数をＮLと
すると、ｒH（ｎ）、ｒL（ｎ）は、それぞれ（１）、
（２）式で表される。
【００２２】 ｒH（０）、ｒH（１）、・・・、ｒH（ＮH−１） ・・・（１） ｒL（０）、ｒL（１）、・・・、ｒL（ＮL−１） ・・・（２） また、ｒH（ｎ）、ｒL（ｎ）に対応するピッチラグをそ
れぞれ算出し、ｌａｇH（ｎ）、ｌａｇL（ｎ）とする。
このピッチラグとは、ピッチ周期毎のサンプル数であ
る。
【００２３】さらに、ｒH（ｎ）の各ピーク値をｒ
H（０）で、ｒL（ｎ）の各ピーク値をｒL（０）でそれ
ぞれ除算し、正規化した関数を、ｒ'H（ｎ）及びｒ'
L（ｎ）とすると、ｒ'H（ｎ）、ｒ'L（ｎ）は、それぞ
れ（３）、（４）式で表される。
【００２４】 １．０＝ｒ'H（０）≧ｒ'H（１）≧ｒ'H（２）≧・・・≧ｒ'H（ＮH−１） ・・・（３） １．０＝ｒ'L（０）≧ｒ'L（１）≧ｒ'L（２）≧・・・≧ｒ'L（ＮL−１） ・・・（４） ここで、上記並べ換えたｒ'H（ｎ）、ｒ'L（ｎ）の中で
一番大きい値（ピーク）は、ｒ'H（０）、ｒ'L（０）で
ある。
【００２５】評価パラメータ算出部１５、１９では、Ｈ
ＰＦ１２で帯域制限された入力音声信号のピッチ信頼度
ｐｒｏｂH、ＬＰＦ１６で帯域制限された入力音声信号
のピッチ信頼度をｐｒｏｂLを算出する。このピッチ信
頼度ｐｒｏｂH、ｐｒｏｂLは、それぞれ（５）、（６）
式で算出する。
【００２６】 ｐｒｏｂH ＝ｒ'H（１）／ｒ'H（２） ・・・（５） ｐｒｏｂL ＝ｒ'L（１）／ｒ'L（２） ・・・（６） 選択部２０では、上記ピッチ強度／ピッチラグ算出部１
４、１８で算出された各ピッチラグ、及び上記評価パラ
メータ算出部１５、１９で算出されたピッチ信頼度に基
づいて、ＨＰＦ１２で帯域制限された入力音声信号によ
って得られたパラメータ、あるいは、ＬＰＦ１６で帯域
制限された入力音声信号によって得られたパラメータの
内のいずれか一方のパラメータを、上記入力端子１１か
らの入力音声信号のピッチサーチに用いるのかを判別し
て選択する。このとき、以下の表１に示す判別処理を行
う。
【００２７】 〔表１〕 if lagH x 0.96 < lagL < lagH x 1.04 then ＬＰＦによるパラメータを用いる else if NH > 40 then ＬＰＦによるパラメータを用いる else if probH/probL > 1.2 then ＨＰＦによるパラメータを用いる else ＬＰＦによるパラメータを用いる この判別処理では、ＬＰＦ１６で帯域制限された入力音
声信号から求められたピッチのほうが信頼度が高くなる
ように処理を行っている。
【００２８】先ず、ＬＰＦ１６で帯域制限された入力音
声信号のピッチラグｌａｇLと、ＨＰＦ１２で帯域制限
された入力音声信号のピッチラグｌａｇHとを比較し
て、ｌａｇHとｌａｇLとの差が小さいときには、ＬＰＦ
１６で帯域制限された入力音声信号によって得られたパ
ラメータを選択する。具体的には、ＬＰＦ１６によるピ
ッチラグｌａｇLの値が、ＨＰＦ１２によるピッチラグ
ｌａｇHの０．９６倍の値より大きく、また、ピッチラ
グｌａｇHの１．０４倍の値より小さいならば、ＬＰＦ
１６で帯域制限された入力音声信号のパラメータを用い
る。
【００２９】次に、ＨＰＦ１２によるピークの総数ＮH
を所定数と比較し、ＮHが所定数より多いときにはピッ
チが出ていないと判別して、ＬＰＦ１６によるパラメー
タを選択する。具体的には、ＮHが４０以上であるなら
ば、ＬＰＦ１６で帯域制限された入力音声信号のパラメ
ータを用いる。
【００３０】次に、評価パラメータ算出部１５からのｐ
ｒｏｂHと評価パラメータ算出部１９からのｐｒｏｂLと
を比較し、判別を行う。具体的には、ｐｒｏｂHをｐｒ
ｏｂLで除算した値が１．２以上であるならば、ＨＰＦ
１２で帯域制限された入力音声信号のパラメータを用い
る。
【００３１】最後に、上述の３段階の判別処理で判別で
きないときには、ＬＰＦ１６で帯域制限された入力音声
信号のパラメータを用いる。
【００３２】この選択部２０で選択されたパラメータ
は、出力端子２１から出力される。
【００３３】次に、上記ピッチ抽出装置を用いたピッチ
サーチ装置におけるピッチサーチ方法の手順について、
図３及び図４のフローチャートを用いて説明する。
【００３４】先ず、図３のステップＳ１で、所定数の音
声信号をフレーム区分して、このフレーム単位の入力音
声信号を、ステップＳ２で、ＬＰＦに通して帯域制限を
行うとともに、ステップＳ３で、ＨＰＦに通して帯域制
限を行う。
【００３５】次に、ステップＳ４で、ステップＳ２の帯
域制限された入力音声信号の自己相関データが算出され
る。一方、ステップＳ５で、ステップＳ３の帯域制限さ
れた入力音声信号の自己相関データが算出される。
【００３６】ステップＳ４で求められた自己相関データ
を用いて、ステップＳ６で、複数あるいは全てのピーク
が検出される。また、それらのピーク値のソーティング
が行われて、ｒH（ｎ）及びｒH（ｎ）に対応するｌａｇ
H（ｎ）を求める。また、ｒH（ｎ）を正規化した関数
ｒ'H（０）を得る。一方、ステップＳ５で求められた自
己相関データを用いて、ステップＳ７で、複数あるいは
全てのピークが検出される。また、それらのピーク値の
ソーティングが行われて、ｒL（ｎ）及びｒL（ｎ）に対
応するｌａｇL（ｎ）を求める。また、ｒL（ｎ）を正規
化した関数ｒ'L（０）を得る。
【００３７】ステップＳ８で、ステップＳ６で得られた
ｒ'H（ｎ）の内のｒ'H（１）、ｒ'H（１）を用いてピッ
チ信頼度を求める。一方、ステップＳ９で、ステップＳ
７で得られたｒ'L（ｎ）の内のｒ'L（１）、ｒ'L（１）
を用いてピッチ信頼度を求める。
【００３８】この後、入力音声信号のピッチ抽出のため
のパラメータとして、ＬＰＦによるパラメータを用いる
か、あるいはＨＰＦによるパラメータを用いるかの判別
処理を行う。
【００３９】先ず、ステップＳ１０で、ＬＰＦ１６によ
るピッチラグｌａｇLの値が、ＨＰＦ１２によるピッチ
ラグｌａｇHの０．９６倍の値より大きく、また、ピッ
チラグｌａｇHの１．０４倍の値より小さいか否かを判
別する。ここでＹＥＳが判別されると、ステップＳ１３
に進み、ＬＰＦで帯域制限された入力音声信号の自己相
関データを基に得られたパラメータを使用する。一方、
ＮＯが判別されると、ステップＳ１１に進む。
【００４０】ステップＳ１１では、ＨＰＦによるピーク
の総数ＮHが４０以上であるか否かを判別する。ここ
で、ＹＥＳが判別されるならば、ステップＳ１３に進
み、ＬＰＦによるパラメータを使用する。一方、ＮＯが
判別されると、ステップＳ１２に進む。
【００４１】ステップＳ１２では、ピッチ信頼度である
ｐｒｏｂHをｐｒｏｂLで除算した値が１．２以下である
か否かを判別する。ここで、ＹＥＳが判別されるなら
ば、ステップＳ１３に進み、ＬＰＦによるパラメータを
使用する。一方、ＮＯが判別されるならば、ステップＳ
１４に進み、ＨＰＦで帯域制限された入力音声信号の自
己相関データを基に得られたパラメータを使用する。
【００４２】このようにして選択されたパラメータを用
いて、以下のピッチサーチを行う。尚、以下の説明で
は、選択されたパラメータである、自己相関データをｒ
（ｎ）、この自己相関データの正規化関数をｒ'
（ｎ）、この正規化関数を並べ換えたものをｒ's（ｎ）
として説明する。
【００４３】図４のフローチャートのステップＳ１５
で、上記並べ換えたピークの中で最大ピークｒ's（０）
がｋ＝０．４より大きいか否かを判別する。ここで、Ｙ
ＥＳ（最大ピークｒ's（０）が０．４より大きい）が判
別されると、ステップＳ１６に進む。一方、ＮＯ（最大
ピークｒ's（０）が０．４より小さい）が判別される
と、ステップＳ１７に進む。
【００４４】ステップＳ１６では、上記ステップＳ１５
でＹＥＳが判別された結果、Ｐ（０）を現フレームのピ
ッチＰ0とする。また、このときのＰ（０）を典型的な
ピッチＰtとする。
【００４５】ステップＳ１７では、前フレームにおい
て、ピッチＰ-1が無いのか否かを判別する。ここで、Ｙ
ＥＳ（ピッチが無かった）が判別されると、ステップＳ
１８に進む。一方、ＮＯ（ピッチがあった）が判別され
ると、ステップＳ２１に進む。
【００４６】ステップＳ１８では、最大ピーク値ｒ'
s（０）がｋ＝０．２５より大きいか否かを判別する。
ここで、ＹＥＳ（最大ピーク値ｒ's（０）がｋより大き
い）が判別されると、ステップＳ１９に進む。一方、Ｎ
Ｏ（最大ピーク値ｒ's（０）がｋより小さい）が判別さ
れると、ステップＳ２０に進む。
【００４７】ステップＳ１９では、上記ステップＳ１８
でＹＥＳが判別されたとき、即ち、最大ピーク値ｒ'
s（０）がｋ＝０．２５より大きいとき、Ｐ（０）を現
フレームのピッチＰ0とする。
【００４８】ステップＳ２０では、上記ステップＳ１８
でＮＯが判別されたとき、即ち、最大ピーク値ｒ'
s（０）がｋ＝０．２５より小さいとき、現フレームに
はピッチが無い（Ｐ0＝Ｐ（０））とする。
【００４９】ステップＳ２１では、上記ステップＳ１７
で過去フレームのピッチＰ-1が０でなかった、即ち、ピ
ッチがあることを受けて、この過去のピッチＰ-1でのピ
ーク値が０．２より大きいか否かを判別する。ここで、
ＹＥＳ（過去のピッチＰ-1が０．２より大きい）が判別
されると、ステップＳ２２に進む。一方、ＮＯ（過去の
ピッチＰ-1が０．２より小さい）が判別されると、ステ
ップＳ２５に進む。
【００５０】ステップＳ２２では、上記ステップＳ２１
でのＹＥＳの判別を受けて、過去フレームのピッチＰ-1
の８０％〜１２０％の範囲で、最大ピーク値ｒ'
s（Ｐ-1）を探す。つまり、既に求められている過去の
ピッチＰ-1に対して、０≦ｎ＜ｊの範囲でｒ's（ｎ）を
検索する。
【００５１】ステップＳ２３では、上記ステップＳ２２
によって探された現フレームのピッチの候補が、所定値
０．３より大きいか否かを判別する。ここで、ＹＥＳが
判別されると、ステップＳ２４に進み、ＮＯが判別され
ると、ステップＳ２８に進む。
【００５２】ステップＳ２４では、上記ステップＳ２３
でのＹＥＳの判別結果を受けて、上記現フレームのピッ
チの候補を現フレームのピッチＰ0とする。
【００５３】ステップＳ２５では、上記ステップＳ２１
で、過去のピッチＰ-1でのピーク値ｒ'（Ｐ-1）が０．
２より小さいという判別結果を受けて、このときの最大
ピーク値ｒ's（０）が０．３５より大きいか否かを判別
する。ここで、ＹＥＳ（最大ピーク値ｒ's（０）が０．
３５より大きい）が判別されると、ステップＳ２６に進
む。一方、ＮＯ（最大ピーク値ｒ's（０）が０．３５よ
り）が判別されると、ステップＳ２７に進む。
【００５４】ステップＳ２６では、上記ステップＳ２５
でＹＥＳが判別されたとき、即ち、最大ピーク値ｒ'
s（０）が０．３５より大きいとき、Ｐ（０）を現フレ
ームのピッチＰ0とする。
【００５５】ステップＳ２７では、上記ステップＳ２５
でＮＯが判別されたとき、即ち、最大ピーク値ｒ'
s（０）が０．３５より小さいとき、現フレームにはピ
ッチが無いとする。
【００５６】ステップＳ２８では、上記ステップＳ２３
でＮＯが判別された結果を受けて、典型的なピッチＰt
の８０％〜１２０％の範囲で、最大ピーク値ｒ'
s（Ｐt）を探す。つまり、既に求められている典型的な
ピッチＰtに対して、０≦ｎ＜ｊの範囲でｒ's（ｎ）を
検索する。
【００５７】ステップＳ２９は、上記ステップＳ２８で
探し出されたピッチを現フレームのピッチＰ0とする。
【００５８】このように、フレーム単位で、帯域制限さ
れた周波数帯域毎に、過去のフレームで算出されたピッ
チを基に現フレームのピッチを決定して、評価パラメー
タを算出し、この評価パラメータに基づいて基となるピ
ッチを決定した後に、この過去から決定された現フレー
ムのピッチを、過去フレームのピッチ、現フレームのピ
ッチ、及び未来フレームのピッチを基に決定することに
より、現フレームのピッチを正確なものとする。
【００５９】また、図１及び図２で示したピッチサーチ
装置の他の実施の形態を図５に示す。図５のピッチサー
チ装置では、現フレームピッチ算出部６０において、現
フレームの周波数帯域制限を行った後にフレーム区分を
行った、このフレーム単位の入力音声信号のパラメータ
を求めると共に、他フレームピッチ算出部６１におい
て、他フレームの周波数帯域制限を行った後にフレーム
区分を行った、このフレーム単位の入力音声信号のパラ
メータを求め、これらのパラメータを比較して、現フレ
ームのピッチを求める。
【００６０】尚、自己相関算出部４２、４７、５２、５
７は、図２の自己相関算出部１３、１７と同様の処理を
行い、ピッチ強度／ピッチラグ算出部４３、４８、５
３、５８は、図２のピッチ強度／ピッチラグ算出部１
４、１８と同様の処理を行い、評価パラメータ算出部４
４、４９、５４、５９は、図２の評価パラメータ算出部
１５、１９と同様の処理を行い、選択部３３、３４は、
図２の選択部２０と同様の処理を行い、比較検出部３５
は、図１の比較検出部５と同様の処理を行い、ピッチ決
定部３６は、図１のピッチ決定部６と同様の処理を行
う。
【００６１】先ず、入力端子３１から入力される現フレ
ームの音声信号は、ＨＰＦ４０及びＬＰＦ４５でそれぞ
れ周波数帯域を制限し、フレーム区分部４１、４６でフ
レーム単位に区分して、フレーム単位の入力音声信号と
して出力する。そして、自己相関算出部４２、４７でそ
れぞれ自己相関データを算出し、ピッチ強度／ピッチラ
グ算出部４３、４８でそれぞれピッチ強度及びピッチラ
グを算出し、評価パラメータ算出部４４、４９でそれぞ
れ評価パラメータであるピッチ強度の比較値を算出す
る。さらに、選択部３３で、ピッチラグや評価パラメー
タ等を用いて、ＨＰＦ４０で周波数帯域制限された入力
音声信号のパラメータ及びＬＰＦ４５で周波数帯域制限
された入力音声信号のパラメータの内のいずれか一方の
パラメータを選択する。
【００６２】同様にして、入力端子３２から入力される
他フレームの音声信号は、ＨＰＦ５０及びＬＰＦ５５で
それぞれ周波数帯域を制限し、フレーム区分部５１、５
６でフレーム単位に区分して、フレーム単位の入力音声
信号として出力する。そして、自己相関算出部５２、５
７でそれぞれ自己相関データを算出し、ピッチ強度／ピ
ッチラグ算出部５３、５８でそれぞれピッチ強度及びピ
ッチラグを算出し、評価パラメータ算出部５４、５９で
それぞれ評価パラメータであるピッチ強度の比較値を算
出する。さらに、選択部３４で、ピッチラグや評価パラ
メータ等を用いて、ＨＰＦ５０で周波数帯域制限された
入力音声信号のパラメータ及びＬＰＦ５５で周波数帯域
制限された入力音声信号のパラメータの内のいずれか一
方のパラメータを選択する。
【００６３】上記比較検出部３５では、上記現フレーム
ピッチ算出部６０で検出されたピークが、上記他フレー
ムピッチ算出部６１で算出されたピッチに対して、所定
の関係を満たすピッチ範囲内にあるか否かを比較し、こ
の範囲内にあるときにピークを検出する。上記ピッチ決
定部３６では、上記比較検出部３５で比較検出されたピ
ークから現フレームのピッチを決定する。
【００６４】尚、上記フレーム単位の音声信号に対して
ＬＰＣ（Linear Predictive Coding: 線形予測符号化）
を行い、得られる短期予測残差、即ちＬＰＣ（線形予測
符号化）残差を用いてピッチを算出することにより、よ
り正確なピッチ抽出を行うことができる。
【００６５】また、表１に示す判別処理及び判別処理に
用いる定数は一例であり、より正確なパラメータを選択
するために、表１に示す判別処理以外の判別処理を用い
たり、定数として他の値を用いたりしてもよい。
【００６６】また、上述のピッチ抽出装置では、フレー
ム単位の音声信号の周波数帯域を、ＨＰＦ及びＬＰＦを
用いて２つの周波数帯域に制限して、最適なピッチを選
択しているが、音声信号の周波数帯域の制限は２つに限
られることはなく、３つ以上の異なる周波数帯域に制限
し、各周波数帯域の音声信号のピッチをそれぞれ算出し
て、最適なピッチを選択するようにしてもよい。このと
き、表１に示す判別処理の代わりに、３つ以上の異なる
周波数帯域の入力音声信号のパラメータを選択するため
の他の判別処理を用いる。
【００６７】次に、上述のピッチサーチ装置を音声信号
符号化装置に適用した実施の形態について、図面を用い
て説明する。
【００６８】図６に示す音声信号符号化装置は、入力音
声信号の短期予測残差、例えばＬＰＣ（線形予測符号
化）残差を求めて、サイン波分析（sinusoidal analysi
s）符号化、例えばハーモニックコーディング（harmoni
c coding）を行い、入力音声信号に対して位相伝送を行
う波形符号化により符号化し、入力信号の有声音（Ｖ：
Voiced）の部分及び無声音（ＵＶ：Unvoiced）の部分を
それぞれ符号化するものである。
【００６９】この図６に示された音声信号符号化装置に
おいて、入力端子１０１に供給された音声信号は、ハイ
パスフィルタ（ＨＰＦ）１０９にて不要な帯域の信号を
除去するフィルタ処理が施された後、ＬＰＣ（線形予測
符号化）分析・量子化部１１３のＬＰＣ分析回路１３２
と、ＬＰＣ逆フィルタ回路１１１とに送られる。
【００７０】ＬＰＣ分析・量子化部１１３のＬＰＣ分析
回路１３２は、入力信号波形の２５６サンプル程度の長
さを１ブロックとしてハミング窓をかけて、自己相関法
により線形予測係数、いわゆるαパラメータを求める。
データ出力の単位となるフレーミングの間隔は、１６０
サンプル程度とする。サンプリング周波数ｆｓが例えば
８ｋHzのとき、１フレーム間隔は１６０サンプルで２０
ｍsec となる。
【００７１】ＬＰＣ分析回路１３２からのαパラメータ
は、α→ＬＳＰ変換回路１３３に送られて、線スペクト
ル対（ＬＳＰ）パラメータに変換される。これは、直接
型のフィルタ係数として求まったαパラメータを、例え
ば１０個、すなわち５対のＬＳＰパラメータに変換す
る。変換は例えばニュートン−ラプソン法等を用いて行
う。このＬＳＰパラメータに変換するのは、αパラメー
タよりも補間特性に優れているからである。
【００７２】α→ＬＳＰ変換回路１３３からのＬＳＰパ
ラメータは、ＬＳＰ量子化器１３４によりマトリクスあ
るいはベクトル量子化される。このとき、フレーム間差
分をとってからベクトル量子化してもよく、複数フレー
ム分をまとめてマトリクス量子化してもよい。ここで
は、２０ｍsec を１フレームとし、２０ｍsec 毎に算出
されるＬＳＰパラメータを２フレーム分まとめて、マト
リクス量子化及びベクトル量子化している。
【００７３】このＬＳＰ量子化器１３４からの量子化出
力、すなわちＬＳＰ量子化のインデクスは、端子１０２
を介して取り出され、また量子化済みのＬＳＰベクトル
は、ＬＳＰ補間回路１３６に送られる。
【００７４】ＬＳＰ補間回路１３６は、上記２０ｍsec
あるいは４０ｍsec 毎に量子化されたＬＳＰのベクトル
を補間し、８倍のレートにする。すなわち、２．５ｍse
c 毎にＬＳＰベクトルが更新されるようにする。これ
は、残差波形をハーモニック符号化復号化方法により分
析合成すると、その合成波形のエンベロープは非常にな
だらかでスムーズな波形になるため、ＬＰＣ係数が２０
ｍsec 毎に急激に変化すると異音を発生することがある
からである。すなわち、２．５ｍsec 毎にＬＰＣ係数が
徐々に変化してゆくようにすれば、このような異音の発
生を防ぐことができる。
【００７５】このような補間が行われた２．５ｍsec 毎
のＬＳＰベクトルを用いて入力音声の逆フィルタリング
を実行するために、ＬＳＰ→α変換回路１３７により、
ＬＳＰパラメータを例えば１０次程度の直接型フィルタ
の係数であるαパラメータに変換する。このＬＳＰ→α
変換回路１３７からの出力は、上記ＬＰＣ逆フィルタ回
路１１１に送られ、このＬＰＣ逆フィルタ１１１では、
２．５ｍsec 毎に更新されるαパラメータにより逆フィ
ルタリング処理を行って、滑らかな出力を得るようにし
ている。このＬＰＣ逆フィルタ１１１からの出力は、サ
イン波分析符号化部１１４、具体的には例えばハーモニ
ック符号化回路、の直交変換回路１４５、例えばＤＦＴ
（離散フーリエ変換）回路に送られる。
【００７６】ＬＰＣ分析・量子化部１１３のＬＰＣ分析
回路１３２からのαパラメータは、聴覚重み付けフィル
タ算出回路１３９に送られて聴覚重み付けのためのデー
タが求められ、この重み付けデータが後述する聴覚重み
付きのベクトル量子化器１１６と、第２の符号化部１２
０の聴覚重み付けフィルタ１２５及び聴覚重み付きの合
成フィルタ１２２とに送られる。
【００７７】ハーモニック符号化回路等のサイン波分析
符号化部１１４では、ＬＰＣ逆フィルタ１１１からの出
力を、ハーモニック符号化の方法で分析する。すなわ
ち、ピッチ検出、各ハーモニクスの振幅Ａｍの算出、有
声音（Ｖ）／無声音（ＵＶ）の判別を行い、ピッチによ
って変化するハーモニクスのエンベロープあるいは振幅
Ａｍの個数を次元変換して一定数にしている。
【００７８】図６に示すサイン波分析符号化部１１４の
具体例においては、一般のハーモニック符号化を想定し
ているが、特に、ＭＢＥ（Multiband Excitation: マル
チバンド励起）符号化の場合には、同時刻（同じブロッ
クあるいはフレーム内）の周波数軸領域いわゆるバンド
毎に有声音（Voiced）部分と無声音（Unvoiced）部分と
が存在するという仮定でモデル化することになる。それ
以外のハーモニック符号化では、１ブロックあるいはフ
レーム内の音声が有声音か無声音かの択一的な判定がな
されることになる。なお、以下の説明中のフレーム毎の
Ｖ／ＵＶとは、ＭＢＥ符号化に適用した場合には全バン
ドがＵＶのときを当該フレームのＵＶとしている。
【００７９】図６のサイン波分析符号化部１１４のオー
プンループピッチサーチ部１４１には、上記入力端子１
０１からの入力音声信号が、またゼロクロスカウンタ１
４２には、上記ＨＰＦ（ハイパスフィルタ）１０９から
の信号がそれぞれ供給されている。サイン波分析符号化
部１１４の直交変換回路１４５には、ＬＰＣ逆フィルタ
１１１からのＬＰＣ残差あるいは線形予測残差が供給さ
れている。このオープンループピッチサーチ部１４１
は、上述の本発明に係るピッチサーチ装置の実施の形態
を用いたものであり、このオープンループピッチサーチ
部１４１では、入力信号のＬＰＣ残差をとってオープン
ループによる比較的ラフなピッチのサーチが行われ、抽
出された粗ピッチデータは高精度ピッチサーチ１４６に
送られて、後述するようなクローズドループによる高精
度のピッチサーチ（ピッチのファインサーチ）が行われ
る。また、オープンループピッチサーチ部１４１から
は、上記粗ピッチデータと共にＬＰＣ残差の自己相関の
最大値をパワーで正規化した正規化自己相関最大値ｒ
(p) が取り出され、Ｖ／ＵＶ（有声音／無声音）判定部
１１５に送られている。
【００８０】直交変換回路１４５では例えばＤＦＴ（離
散フーリエ変換）等の直交変換処理が施されて、時間軸
上のＬＰＣ残差が周波数軸上のスペクトル振幅データに
変換される。この直交変換回路１４５からの出力は、高
精度ピッチサーチ部１４６及びスペクトル振幅あるいは
エンベロープを評価するためのスペクトル評価部１４８
に送られる。
【００８１】高精度（ファイン）ピッチサーチ部１４６
には、オープンループピッチサーチ部１４１で抽出され
た比較的ラフな粗ピッチデータと、直交変換部１４５に
より例えばＤＦＴされた周波数軸上のデータとが供給さ
れている。この高精度ピッチサーチ部１４６では、上記
粗ピッチデータ値を中心に、0.２〜0.５きざみで±数サ
ンプルずつ振って、最適な小数点付き（フローティン
グ）のファインピッチデータの値へ追い込む。このとき
のファインサーチの手法として、いわゆる合成による分
析 (Analysis by Synthesis)法を用い、合成されたパワ
ースペクトルが原音のパワースペクトルに最も近くなる
ようにピッチを選んでいる。このようなクローズドルー
プによる高精度のピッチサーチ部１４６からのピッチデ
ータについては、スイッチ１１８を介して出力端子１０
４に送っている。
【００８２】スペクトル評価部１４８では、ＬＰＣ残差
の直交変換出力としてのスペクトル振幅及びピッチに基
づいて各ハーモニクスの大きさ及びその集合であるスペ
クトルエンベロープが評価され、高精度ピッチサーチ部
１４６、Ｖ／ＵＶ（有声音／無声音）判定部１１５及び
聴覚重み付きのベクトル量子化器１１６に送られる。
【００８３】Ｖ／ＵＶ（有声音／無声音）判定部１１５
は、直交変換回路１４５からの出力と、高精度ピッチサ
ーチ部１４６からの最適ピッチと、スペクトル評価部１
４８からのスペクトル振幅データと、オープンループピ
ッチサーチ部１４１からの正規化自己相関最大値ｒ(p)
と、ゼロクロスカウンタ４１２からのゼロクロスカウン
ト値とに基づいて、当該フレームのＶ／ＵＶ判定が行わ
れる。さらに、ＭＢＥの場合の各バンド毎のＶ／ＵＶ判
定結果の境界位置も当該フレームのＶ／ＵＶ判定の一条
件としてもよい。このＶ／ＵＶ判定部１１５からの判定
出力は、出力端子１０５を介して取り出される。
【００８４】ところで、スペクトル評価部１４８の出力
部あるいはベクトル量子化器１１６の入力部には、デー
タ数変換（一種のサンプリングレート変換）部が設けら
れている。このデータ数変換部は、上記ピッチに応じて
周波数軸上での分割帯域数が異なり、データ数が異なる
ことを考慮して、エンベロープの振幅データ｜Ａm｜を
一定の個数にするためのものである。すなわち、例えば
有効帯域を３４００ｋHzまでとすると、この有効帯域が
上記ピッチに応じて、８バンド〜６３バンドに分割され
ることになり、これらの各バンド毎に得られる上記振幅
データ｜Ａm｜の個数ｍMX＋１も８〜６３と変化するこ
とになる。このためデータ数変換部１１９では、この可
変個数ｍMX＋１の振幅データを一定個数Ｍ個、例えば４
４個、のデータに変換している。
【００８５】このスペクトル評価部１４８の出力部ある
いはベクトル量子化器１１６の入力部に設けられたデー
タ数変換部からの上記一定個数Ｍ個（例えば４４個）の
振幅データあるいはエンベロープデータが、ベクトル量
子化器１１６により、所定個数、例えば４４個のデータ
毎にまとめられてベクトルとされ、重み付きベクトル量
子化が施される。この重みは、聴覚重み付けフィルタ算
出回路１３９からの出力により与えられる。ベクトル量
子化器１１６からの上記エンベロープのインデクスは、
スイッチ１１７を介して出力端子１０３より取り出され
る。なお、上記重み付きベクトル量子化に先だって、所
定個数のデータから成るベクトルについて適当なリーク
係数を用いたフレーム間差分をとっておくようにしても
よい。
【００８６】次に、第２の符号化部１２０について説明
する。第２の符号化部１２０は、いわゆるＣＥＬＰ（符
号励起線形予測）符号化構成を有しており、特に、入力
音声信号の無声音部分の符号化のために用いられてい
る。この無声音部分用のＣＥＬＰ符号化構成において、
雑音符号帳、いわゆるストキャスティック・コードブッ
ク（stochastic code book）１２１からの代表値出力で
ある無声音のＬＰＣ残差に相当するノイズ出力を、ゲイ
ン回路１２６を介して、聴覚重み付きの合成フィルタ１
２２に送っている。重み付きの合成フィルタ１２２で
は、入力されたノイズをＬＰＣ合成処理し、得られた重
み付き無声音の信号を減算器１２３に送っている。減算
器１２３には、上記入力端子１０１からＨＰＦ（ハイパ
スフィルタ）１０９を介して供給された音声信号を聴覚
重み付けフィルタ１２５で聴覚重み付けした信号が入力
されており、合成フィルタ１２２からの信号との差分あ
るいは誤差を取り出している。この誤差を距離計算回路
１２４に送って距離計算を行い、誤差が最小となるよう
な代表値ベクトルを雑音符号帳１２１でサーチする。こ
のような合成による分析（Analysis by Synthesis ）法
を用いたクローズドループサーチを用いた時間軸波形の
ベクトル量子化を行っている。
【００８７】このＣＥＬＰ符号化構成を用いた第２の符
号化部１２０からのＵＶ（無声音）部分用のデータとし
ては、雑音符号帳１２１からのコードブックのシェイプ
インデクスと、ゲイン回路１２６からのコードブックの
ゲインインデクスとが取り出される。雑音符号帳１２１
からのＵＶデータであるシェイプインデクスは、スイッ
チ１２７ｓを介して出力端子１０７ｓに送られ、ゲイン
回路１２６のＵＶデータであるゲインインデクスは、ス
イッチ１２７ｇを介して出力端子１０７ｇに送られてい
る。
【００８８】ここで、これらのスイッチ１２７ｓ、１２
７ｇ及び上記スイッチ１１７、１１８は、上記Ｖ／ＵＶ
判定部１１５からのＶ／ＵＶ判定結果によりオン／オフ
制御され、スイッチ１１７、１１８は、現在伝送しよう
とするフレームの音声信号のＶ／ＵＶ判定結果が有声音
（Ｖ）のときオンとなり、スイッチ１２７ｓ、１２７ｇ
は、現在伝送しようとするフレームの音声信号が無声音
（ＵＶ）のときオンとなる。
【００８９】
【発明の効果】以上の説明からも明かなように、本発明
に係るピッチ抽出装置及びピッチ抽出方法は、入力音声
信号を複数の異なる周波数帯域に制限し、上記各周波数
帯域の音声信号毎の、所定単位の自己相関データからピ
ークを検出してピッチ強度を求め、ピッチ周期を算出
し、また、上記ピッチ強度を用いて、ピッチ強度の信頼
度を示す評価パラメータを算出し、上記ピッチ周期及び
上記評価パラメータに基づいて、上記複数の異なる周波
数帯域の音声信号の内の１つの周波数帯域の音声信号の
ピッチを選択することにより、様々な特性を持つ音声信
号のピッチを正確に抽出して、高精度なピッチサーチを
行うことができる。
【図面の簡単な説明】
【図１】本発明に係るピッチ抽出装置を用いたピッチサ
ーチ装置の実施の形態の概略的な構成図である。
【図２】本発明に係るピッチ抽出装置の概略的な構成図
である。
【図３】ピッチサーチ処理を説明するためのフローチャ
ートである。
【図４】図３のピッチサーチ処理に続くピッチサーチ処
理のフローチャートである。
【図５】他のピッチサーチ装置の概略的な構成図であ
る。
【図６】本発明に係るピッチサーチ装置を適用した音声
信号符号化装置の概略的な構成図である。
【符号の説明】
２ フレーム区分部、 ３ 現フレームピッチ算出部、
４ 他フレームピッチ算出部、 ５ 比較検出部、
６ ピッチ決定部、 １２ ＨＰＦ、 １６ＬＰＦ、
１３，１７ 自己相関算出部、 １４，１８ ピッチ強
度／ピッチラグ算出部、 １５，１９ 評価パラメータ
算出部、 ２０ 選択部
───────────────────────────────────────────────────── フロントページの続き (72)発明者 大森 士郎 東京都品川区北品川６丁目７番35号 ソニ ー株式会社内

Claims (10)

    【特許請求の範囲】
  1. 【請求項１】 入力音声信号を複数の異なる周波数帯域
    に制限するフィルタ手段と、 上記フィルタ手段からの各周波数帯域の音声信号毎に、
    所定単位の自己相関データを算出する自己相関算出手段
    と、 上記自己相関算出手段からの自己相関データからピーク
    を検出して、ピッチ強度を求め、ピッチ周期を算出する
    ピッチ周期算出手段と、 上記ピッチ周期算出手段からのピッチ強度を用いて、ピ
    ッチ強度の信頼度を示す評価パラメータを算出する評価
    パラメータ算出手段と、 上記ピッチ周期算出手段からのピッチ周期及び上記評価
    パラメータ算出手段からの評価パラメータに基づいて、
    上記複数の異なる周波数帯域の音声信号の内の１つの周
    波数帯域の音声信号のピッチを選択する選択手段とを備
    えて成ることを特徴とするピッチ抽出装置。
  2. 【請求項２】 上記評価パラメータ算出手段では、上記
    ピッチ強度の比較値を算出することを特徴とする請求項
    １記載のピッチ抽出装置。
  3. 【請求項３】 上記フィルタ手段では、ハイパスフィル
    タ及びローパスフィルタを用い、２つの周波数帯域に制
    限された音声信号を出力することを特徴とする請求項１
    記載のピッチ抽出装置。
  4. 【請求項４】 上記フィルタ手段には、フレーム単位の
    音声信号を入力することを特徴とする請求項１記載のピ
    ッチ抽出装置。
  5. 【請求項５】 上記フィルタ手段では、ハイパスフィル
    タ及びローパスフィルタを用い、２つの周波数帯域に制
    限された音声信号を出力することを特徴とする請求項４
    記載のピッチ抽出装置。
  6. 【請求項６】 上記フィルタ手段で、複数の周波数帯域
    に制限された音声信号を、フレーム単位で出力すること
    を特徴とする請求項１記載のピッチ抽出装置。
  7. 【請求項７】 上記フィルタ手段では、ハイパスフィル
    タ及びローパスフィルタを用い、２つの周波数帯域に制
    限された音声信号を、フレーム単位で出力することを特
    徴とする請求項６記載のピッチ抽出装置。
  8. 【請求項８】 入力音声信号を複数の異なる周波数帯域
    に制限するフィルタ工程と、 上記各周波数帯域の音声信号毎に、所定単位の自己相関
    データを算出する自己相関算出工程と、 上記自己相関データからピークを検出して、ピッチ強度
    を求め、ピッチ周期を算出するピッチ周期算出工程と、 上記ピッチ強度を用いて、ピッチ強度の信頼度を示す評
    価パラメータを算出する評価パラメータ算出工程と、 上記ピッチ周期及び上記評価パラメータに基づいて、上
    記複数の異なる周波数帯域の音声信号の内の１つの周波
    数帯域の音声信号のピッチを選択する選択工程とから成
    ることを特徴とするピッチ抽出方法。
  9. 【請求項９】 上記評価パラメータ算出工程では、上記
    ピッチ強度の比較値を算出することを特徴とする請求項
    ８記載のピッチ抽出方法。
  10. 【請求項１０】 上記フィルタ工程では、ハイパスフィ
    ルタ及びローパスフィルタを用い、２つの周波数帯域に
    制限された音声信号を出力することを特徴とする請求項
    ８記載のピッチ抽出方法。
JP01643396A 1996-02-01 1996-02-01 ピッチ抽出装置及びピッチ抽出方法 Expired - Fee Related JP3840684B2 (ja)

Priority Applications (5)

Application Number Priority Date Filing Date Title
JP01643396A JP3840684B2 (ja) 1996-02-01 1996-02-01 ピッチ抽出装置及びピッチ抽出方法
US08/788,194 US5930747A (en) 1996-02-01 1997-01-24 Pitch extraction method and device utilizing autocorrelation of a plurality of frequency bands
MYPI97000322A MY120918A (en) 1996-02-01 1997-01-28 Pitch extraction method and device utilizing autocorrelation of a plurality of frequency bands.
KR1019970002641A KR100421817B1 (ko) 1996-02-01 1997-01-29 음성의피치추출방법및장치
CNB971031762A CN1146862C (zh) 1996-02-01 1997-02-01 音调提取方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP01643396A JP3840684B2 (ja) 1996-02-01 1996-02-01 ピッチ抽出装置及びピッチ抽出方法

Publications (2)

Publication Number Publication Date
JPH09212194A true JPH09212194A (ja) 1997-08-15
JP3840684B2 JP3840684B2 (ja) 2006-11-01

Family

ID=11916109

Family Applications (1)

Application Number Title Priority Date Filing Date
JP01643396A Expired - Fee Related JP3840684B2 (ja) 1996-02-01 1996-02-01 ピッチ抽出装置及びピッチ抽出方法

Country Status (5)

Country Link
US (1) US5930747A (ja)
JP (1) JP3840684B2 (ja)
KR (1) KR100421817B1 (ja)
CN (1) CN1146862C (ja)
MY (1) MY120918A (ja)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1999038156A1 (fr) * 1998-01-26 1999-07-29 Matsushita Electric Industrial Co., Ltd. Methode et dispositif d'accentuation de registre
KR100463417B1 (ko) * 2002-10-10 2004-12-23 한국전자통신연구원 상관함수의 최대값과 그의 후보값의 비를 이용한 피치검출 방법 및 그 장치
US7012186B2 (en) 2001-07-27 2006-03-14 Amusetec Co., Ltd. 2-phase pitch detection method and apparatus
KR100590561B1 (ko) * 2004-10-12 2006-06-19 삼성전자주식회사 신호의 피치를 평가하는 방법 및 장치
JP2007193294A (ja) * 2005-12-20 2007-08-02 Nippon Telegr & Teleph Corp <Ntt> 予測遅延探索方法、その方法を用いた装置、プログラム、および記録媒体
JP2007272118A (ja) * 2006-03-31 2007-10-18 Fujifilm Corp 楽曲テンポ抽出方法、装置及びプログラム
JP2008165125A (ja) * 2007-01-05 2008-07-17 Kenwood Corp 音声信号処理装置、音声信号処理方法、および、音声信号処理プログラム
JP2008538827A (ja) * 2005-04-25 2008-11-06 ガオンダ コーポレイション オーディオデータの自動生成方法及びこれを利用した使用者端末機及び記録媒体

Families Citing this family (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB9811019D0 (en) * 1998-05-21 1998-07-22 Univ Surrey Speech coders
US6415252B1 (en) * 1998-05-28 2002-07-02 Motorola, Inc. Method and apparatus for coding and decoding speech
US7072832B1 (en) * 1998-08-24 2006-07-04 Mindspeed Technologies, Inc. System for speech encoding having an adaptive encoding arrangement
US6418407B1 (en) * 1999-09-30 2002-07-09 Motorola, Inc. Method and apparatus for pitch determination of a low bit rate digital voice message
WO2001078061A1 (en) * 2000-04-06 2001-10-18 Telefonaktiebolaget Lm Ericsson (Publ) Pitch estimation in a speech signal
US6640208B1 (en) * 2000-09-12 2003-10-28 Motorola, Inc. Voiced/unvoiced speech classifier
DE10123366C1 (de) * 2001-05-14 2002-08-08 Fraunhofer Ges Forschung Vorrichtung zum Analysieren eines Audiosignals hinsichtlich von Rhythmusinformationen
WO2003019527A1 (fr) * 2001-08-31 2003-03-06 Kabushiki Kaisha Kenwood Procede et appareil de generation d'un signal affecte d'un pas et procede et appareil de compression/decompression et de synthese d'un signal vocal l'utilisant
US6988064B2 (en) * 2003-03-31 2006-01-17 Motorola, Inc. System and method for combined frequency-domain and time-domain pitch extraction for speech signals
US8019597B2 (en) * 2004-10-28 2011-09-13 Panasonic Corporation Scalable encoding apparatus, scalable decoding apparatus, and methods thereof
CN1848240B (zh) * 2005-04-12 2011-12-21 佳能株式会社 基于离散对数傅立叶变换的基音检测方法、设备和介质
CN101199002B (zh) * 2005-06-09 2011-09-07 株式会社A.G.I. 检测音调频率的语音分析器和语音分析方法
KR100724736B1 (ko) 2006-01-26 2007-06-04 삼성전자주식회사 스펙트럴 자기상관치를 이용한 피치 검출 방법 및 피치검출 장치
KR100735343B1 (ko) * 2006-04-11 2007-07-04 삼성전자주식회사 음성신호의 피치 정보 추출장치 및 방법
EP1918909B1 (en) * 2006-11-03 2010-07-07 Psytechnics Ltd Sampling error compensation
US20110301946A1 (en) * 2009-02-27 2011-12-08 Panasonic Corporation Tone determination device and tone determination method
US8620646B2 (en) * 2011-08-08 2013-12-31 The Intellisis Corporation System and method for tracking sound pitch across an audio signal using harmonic envelope
CN103165133A (zh) * 2011-12-13 2013-06-19 联芯科技有限公司 一种最大相关系数的优化方法及其装置
US8645128B1 (en) * 2012-10-02 2014-02-04 Google Inc. Determining pitch dynamics of an audio signal
EP3306609A1 (en) * 2016-10-04 2018-04-11 Fraunhofer Gesellschaft zur Förderung der Angewand Apparatus and method for determining a pitch information
CN109448749B (zh) * 2018-12-19 2022-02-15 中国科学院自动化研究所 基于有监督学习听觉注意的语音提取方法、系统、装置
CN110379438B (zh) * 2019-07-24 2020-05-12 山东省计算中心（国家超级计算济南中心） 一种语音信号基频检测与提取方法及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3617636A (en) * 1968-09-24 1971-11-02 Nippon Electric Co Pitch detection apparatus

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1999038156A1 (fr) * 1998-01-26 1999-07-29 Matsushita Electric Industrial Co., Ltd. Methode et dispositif d'accentuation de registre
US7012186B2 (en) 2001-07-27 2006-03-14 Amusetec Co., Ltd. 2-phase pitch detection method and apparatus
KR100463417B1 (ko) * 2002-10-10 2004-12-23 한국전자통신연구원 상관함수의 최대값과 그의 후보값의 비를 이용한 피치검출 방법 및 그 장치
KR100590561B1 (ko) * 2004-10-12 2006-06-19 삼성전자주식회사 신호의 피치를 평가하는 방법 및 장치
JP2008538827A (ja) * 2005-04-25 2008-11-06 ガオンダ コーポレイション オーディオデータの自動生成方法及びこれを利用した使用者端末機及び記録媒体
JP2007193294A (ja) * 2005-12-20 2007-08-02 Nippon Telegr & Teleph Corp <Ntt> 予測遅延探索方法、その方法を用いた装置、プログラム、および記録媒体
JP4738260B2 (ja) * 2005-12-20 2011-08-03 日本電信電話株式会社 予測遅延探索方法、その方法を用いた装置、プログラム、および記録媒体
JP2007272118A (ja) * 2006-03-31 2007-10-18 Fujifilm Corp 楽曲テンポ抽出方法、装置及びプログラム
JP4632136B2 (ja) * 2006-03-31 2011-02-16 富士フイルム株式会社 楽曲テンポ抽出方法、装置及びプログラム
JP2008165125A (ja) * 2007-01-05 2008-07-17 Kenwood Corp 音声信号処理装置、音声信号処理方法、および、音声信号処理プログラム

Also Published As

Publication number Publication date
JP3840684B2 (ja) 2006-11-01
CN1146862C (zh) 2004-04-21
KR100421817B1 (ko) 2004-08-09
US5930747A (en) 1999-07-27
MY120918A (en) 2005-12-30
CN1165365A (zh) 1997-11-19
KR970061590A (ko) 1997-09-12

Similar Documents

Publication Publication Date Title
JP3840684B2 (ja) ピッチ抽出装置及びピッチ抽出方法
JP3277398B2 (ja) 有声音判別方法
CA2140329C (en) Decomposition in noise and periodic signal waveforms in waveform interpolation
EP1738355B1 (en) Signal encoding
US5751903A (en) Low rate multi-mode CELP codec that encodes line SPECTRAL frequencies utilizing an offset
EP0704088B1 (en) Method of encoding a signal containing speech
KR100487136B1 (ko) 음성복호화방법및장치
KR100526829B1 (ko) 음성부호화방법및장치음성복호화방법및장치
JP2002023800A (ja) マルチモード音声符号化装置及び復号化装置
US6243672B1 (en) Speech encoding/decoding method and apparatus using a pitch reliability measure
EP0837453A2 (en) Speech analysis method and speech encoding method and apparatus
JPH04270398A (ja) 音声符号化方式
JPH09281996A (ja) 有声音／無声音判定方法及び装置、並びに音声符号化方法
US6012023A (en) Pitch detection method and apparatus uses voiced/unvoiced decision in a frame other than the current frame of a speech signal
JP2779325B2 (ja) ボコーダーにおける前処理の相関関係式を用いたピッチ検索時間短縮方法
US6115685A (en) Phase detection apparatus and method, and audio coding apparatus and method
US6278971B1 (en) Phase detection apparatus and method and audio coding apparatus and method
JP4954310B2 (ja) モード判定装置及びモード判定方法
JP3321933B2 (ja) ピッチ検出方法
JPH0650440B2 (ja) Ｌｓｐ型パタンマツチングボコ−ダ
JPH05265489A (ja) ピッチ抽出方法
JPH05265486A (ja) 音声分析合成方法
JPH05281995A (ja) 音声符号化方法
JPH05297897A (ja) 有声音判別方法
JPH05265488A (ja) ピッチ抽出方法

Legal Events

Date Code Title Description
A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20041029

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20041124

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20050124

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20050712

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20050908

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20060718

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20060731

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20100818

Year of fee payment: 4

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20110818

Year of fee payment: 5

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20110818

Year of fee payment: 5

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20120818

Year of fee payment: 6

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20120818

Year of fee payment: 6

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20130818

Year of fee payment: 7

LAPS Cancellation because of no payment of annual fees