JPH0972779A

JPH0972779A - 音声波形のピッチ検出装置

Info

Publication number: JPH0972779A
Application number: JP7226896A
Authority: JP
Inventors: Takahiko Terada; 隆彦寺田; Hiroaki Fukuda; 拓章福田; Mikio Higashiyama; 三樹夫東山; Takayoshi Hirata; 能睦平田
Original assignee: Pioneer Electronic Corp
Current assignee: Pioneer Corp
Priority date: 1995-09-04
Filing date: 1995-09-04
Publication date: 1997-03-18
Also published as: EP0762380A3; EP0762380A2

Abstract

(57)【要約】【課題】音声認識、音声合成、自動採譜、カラオケ採
点、機械診断等に用いられるピッチ検出装置において、
検出精度を上げると共に演算処理及び装置を単純化す
る。【解決手段】音声波形のピッチ検出装置は、音声波形
を入力として、その基本波のピッチを検出する。ピッチ
検出装置は、音声波形を形成する周期毎の直交関数成分
のうち音声波形に対するエネルギの寄与度が高いものか
ら順に複数個抜き取って出力する直交関数成分出力手段
と、出力された複数個の直交関数成分が夫々有する周期
の相対的な関係に基づいて、出力された複数個の直交関
数成分のうちの一つをピッチとして抽出するピッチ抽出
手段とを有する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、コンピュータを用
いた音声認識、音声合成、自動採譜、カラオケ採点、機
械診断等における音声波の周波数分析の技術分野に属
し、特に、音声波の基本波のピッチを検出するピッチ検
出装置の技術分野に属する。

【０００２】

【従来の技術】音波や振動波に対する周波数分析の実用
的な方法としては、ＦＦＴ（高速フーリエ変換）を利用
したものが知られている。しかしながら、このＦＦＴを
用いた方法では、観測区間（時間）Ｌに対応する波形の
高調波についてのスペクトル分析結果しか正確には得ら
れないため、比較的細かい周波数分布を有する音声波の
基本波のピッチ（周期）を抽出するためには、周波数に
ついての分解能や精度が十分ではない。

【０００３】そこで従来は、音声波のピッチを検出する
技術としては、例えば、音声波をピッチフィルタを用い
てフィルタリングし、得られた信号のゼロクロスタイミ
ング（振幅０レベルをクロスするタイミング）を検出し
て、ピッチを特定するものが知られている。このピッチ
フィルタの中心周波数としては、所定幅の窓関数で区切
られるフレーム周期毎に推定された平均ピッチが用いら
れる。

【０００４】このように、従来の技術によれば、ピッチ
フィルタの中心周波数の推定を適格に行うことを条件と
して、音声波のピッチ検出を比較的精度良く行うことが
できる。

【０００５】

【発明が解決しようとする課題】一般に、音声認識、音
声合成、自動採譜、カラオケ採点、機械診断等に用いら
れるピッチ検出装置においては、検出精度を上げると共
に演算処理及び装置を単純化する要請は強い。

【０００６】しかしながら、上述した従来の方法によれ
ば、ピッチ検出精度は、ピッチフィルタの中心周波数の
推定の確からしさに依存するため、正しい推定をするた
めには、例えばケプストラム法などの複雑な処理が必要
となる。この結果、ピッチ検出装置における演算処理及
び装置の複雑化を招いていた。

【０００７】そこで、本発明は、検出精度が高いと共に
演算処理及び装置が比較的単純であるピッチ検出装置を
提供することを目的とする。

【０００８】

【課題を解決するための手段】上記課題を解決するた
め、第１発明の音声波形のピッチ検出装置は、音声波形
を入力として該音声波形の基本波のピッチを検出するピ
ッチ検出装置であって、音声波形を形成する周期毎の直
交関数成分のうち音声波形に対するエネルギの寄与度が
高いものから順に複数個抜き取って出力する直交関数成
分出力手段と、該出力された複数個の直交関数成分が夫
々有する周期の相対的な関係に基づいて、出力された複
数個の直交関数成分のうちの一つをピッチとして抽出す
るピッチ抽出手段とを備えたことを特徴とする。

【０００９】第２発明の音声波形のピッチ検出装置は、
第１発明の音声波形のピッチ検出装置において、直交関
数成分出力手段は、抜き取った直交関数成分を再合成し
て得られる合成信号のエネルギの音声波形のエネルギに
対する割合が所定値を越えた時に抜き取り及び出力を停
止することを特徴とする。

【００１０】第３発明の音声波形のピッチ検出装置は、
第２発明の音声波形のピッチ検出装置において、直交関
数成分出力手段は、エネルギに対する割合が所定値を越
える前に、予め設定した個数の抜き取り及び出力を行っ
た場合には、当該抜き取り及び出力を停止することを特
徴とする。

【００１１】第４発明の音声波形のピッチ検出装置は、
第１から第３発明の音声波形のピッチ検出装置におい
て、ピッチ抽出手段は、出力された複数個の直交関数成
分のうち最も長い周期を有するものをピッチとして抽出
することを特徴とする。

【００１２】第５発明の音声波形のピッチ検出装置は、
第１から第３発明の音声波形のピッチ検出装置におい
て、ピッチ抽出手段は、出力された複数個の直交関数成
分のうち奇数次の倍音の関係にあるものを弁別し、該弁
別した直交関数成分のうち最も長い周期を有する直交関
数成分をピッチとして抽出することを特徴とする。

【００１３】第６発明の音声波形のピッチ検出装置は、
第１から第３発明の音声波形のピッチ検出装置におい
て、ピッチ抽出手段は、出力された複数個の直交関数成
分のうち周期が整数比の関係にある組み合わせを弁別
し、該弁別した組み合わせのうち最も多くの整数比の関
係を持つ組み合わせを選定し、該選定した組み合わせに
含まれる全ての直交関数成分の周期の整数倍となる周期
を持つ直交関数成分をピッチとして推定することを特徴
とする。

【００１４】第７発明の音声波形のピッチ検出装置は、
第１から第６発明の音声波形のピッチ検出装置におい
て、直交関数成分出力手段は、音声波形に対するエネル
ギの寄与度が最も高い直交関数成分を第１の直交関数成
分として出力すると共に該第１の直交関数成分を音声波
形から抜き取った第１の残波形を求め、続いて、該第１
の残波形を形成する周期毎の直交関数成分のうち該第１
の残波形に対するエネルギの寄与度が最も高い直交関数
成分を第２の直交関数成分として出力すると共に該第２
の直交関数成分を第１の残波形から抜き取った第２の残
波形を求め、以下同様に、第ｎ（ｎ：２以上の自然数）
の残波形を形成する周期毎の直交関数成分のうち該第ｎ
の残波形に対するエネルギの寄与度が最も高い直交関数
成分を第ｎ＋１の直交関数成分として出力すると共に該
第ｎ＋１の直交関数成分を第ｎの残波形から抜き取った
第ｎ＋１の残波形を求めることを特徴とする。

【００１５】

【作用】第１発明によれば、音声波形が入力されると、
直交関数成分出力手段は、音声波形を形成する周期毎の
直交関数成分のうち音声波形に対するエネルギの寄与度
が高いものから順に複数個抜き取って出力する。従っ
て、直交関数成分出力手段が、ピッチを検出すべき音声
波形の性質に応じて適当な個数の直交関数成分を抜き取
るようにすれば、基本波や基本波のハーモニクス（高調
波）が出力されることになる。かかる基本波及びそのハ
ーモニクスは、一定（即ち、整数倍）の関係をもってお
り、且つ一つの基本波のハーモニクス同志も、一定（整
数比）の関係をもっているので、ピッチ抽出手段は、出
力された複数個の直交関数成分が夫々有する周期の相対
的な関係に基づいて、出力された複数個の直交関数成分
のうちの一つをピッチとして抽出できることになる。

【００１６】第２発明によれば、第１発明において、直
交関数成分出力手段は、抜き取った直交関数成分を再合
成して得られる合成信号のエネルギの音声波形のエネル
ギに対する割合が、例えば９９％といったように予め定
めた所定値を越えた時に抜き取り及び出力を停止する。
この結果、ピッチ抽出手段によりピッチを検出するため
に適当な個数の基本波とそのハーモニクスとを自動的に
出力できることになり、不必要なまでに直交関数成分出
力手段による抜き取りを行わなくて済む。

【００１７】第３発明によれば、第２発明において、直
交関数成分出力手段は、音声波形のエネルギに対する割
合が所定値を越える前に、例えば１０個といったように
予め設定した個数の抜き取り及び出力を行った場合に
は、当該抜き取り及び出力を停止する。従って、第３発
明において、音声波形の性質などにより直交関数成分の
取り出しをいくら行っても、例えば９９％といった所定
値を越えない場合に、直交関数成分出力手段による抜き
取りを不必要なまでに続けなくて済む。

【００１８】第４発明によれば、第１から第３発明にお
いて、ピッチ抽出手段は、出力された複数個の直交関数
成分のうち最も長い周期を有するものをピッチとして抽
出する。ここで、直交関数成分出力手段により読み出さ
れた成分中に通常含まれている基本波とそのハーモニク
スとの周期については、基本波の周期がハーモニクスの
周期の整数倍となるという関係を有しているので、多く
の場合、最も長い周期を有するものとして基本波の成分
をピッチとして抽出できることになる。

【００１９】第５発明によれば、第１から第３発明にお
いて、ピッチ抽出手段は、出力された複数個の直交関数
成分のうち奇数次の倍音の関係にあるものを弁別し、該
弁別した直交関数成分のうち最も長い周期を有する直交
関数成分をピッチとして抽出する。ここで、直交関数成
分出力手段により読み出された成分中に通常含まれてい
る基本波とそのハーモニクスとの周期については、基本
波の周期がハーモニクスの周期の整数倍となるという関
係を有している。更に、直交関数成分出力手段により読
み出された成分中に含まれていることがある基本波のサ
ブハーモニクス（基本波の倍の周期を持つ音波成分）の
ハーモニクスのエネルギは、基本波のハーモニクスのエ
ネルギと比べて大変小さいため、直交関数成分出力手段
により適当な個数だけ読み出された成分中にはサブハー
モニクスのハーモニクスは殆ど又は全く含まれていな
い。従って、たとえ基本波の周期よりも長い周期を持つ
サブハーモニクスが直交関数成分出力手段により読み出
された場合であっても、読み出された成分のうち奇数次
の倍音の関係にあるのは基本波とそのハーモニクスに他
ならないので、かかる奇数次の倍音の関係にあるものの
うち最も長い周期を持つものとして基本波の成分をピッ
チとして抽出できることになる。

【００２０】第６発明によれば、第１から第３発明にお
いて、ピッチ抽出手段は、出力された複数個の直交関数
成分のうち周期が整数比の関係にある組み合わせを弁別
し、該弁別した組み合わせのうち最も多くの整数比の関
係を持つ組み合わせを選定する。ここで、音波検出時の
帯域制限等との関係から、直交関数成分出力手段により
読み出された成分中に基本波やその２倍音等が存在して
いない場合であっても、読み出されたハーモニクスの周
期については、基本波の周期の整数倍となり、よって読
み出されたハーモニクス相互間には互いに整数比の関係
が存在する。更に、直交関数成分出力手段により読み出
された成分中に含まれていることがある基本波のサブハ
ーモニクスのハーモニクスのエネルギは、基本波のハー
モニクスのエネルギと比べて大変小さいため、直交関数
成分出力手段により適当な個数だけ読み出されるサブハ
ーモニクスのハーモニクスの個数は、基本波のハーモニ
クスの数よりも少ない。従って、たとえ基本波や２倍音
等が読み出されない場合であっても、基本波のハーモニ
クスの集合（組み合わせ）は、周期が整数比の関係にあ
る組み合わせを弁別し、該弁別した組み合わせのうち最
も多くの整数比の関係を持つものとして選定することが
できる。よって、該選定した組み合わせに含まれる全て
の直交関数成分（即ち、基本波のハーモニクス）の周期
の整数倍となる周期を持つ直交関数成分を基本波のピッ
チとして推定することができる。このように、直交関数
成分出力手段により取り出された成分に存在しない基本
波の成分がピッチとして抽出できることになる。

【００２１】第７発明によれば、第１から第６発明にお
いて直交関数成分出力手段は、先ず、音声波形に対する
エネルギの寄与度が最も高い直交関数成分を第１の直交
関数成分として出力すると共に該第１の直交関数成分を
音声波形から抜き取った第１の残波形を求める。続い
て、該第１の残波形を形成する周期毎の直交関数成分の
うち該第１の残波形に対するエネルギの寄与度が最も高
い直交関数成分を第２の直交関数成分として出力すると
共に該第２の直交関数成分を第１の残波形から抜き取っ
た第２の残波形を求める。以下同様に、第ｎ（ｎ＝２，
３，４，．．．）の残波形を形成する周期毎の直交関数
成分のうち該第ｎの残波形に対するエネルギの寄与度が
最も高い直交関数成分を第ｎ＋１の直交関数成分として
出力すると共に該第ｎ＋１の直交関数成分を第ｎの残波
形から抜き取った第ｎ＋１の残波形を求める。よって、
直交関数成分出力手段は、極めて効率良く、音声波形を
形成する周期毎の直交関数成分のうち音声波形に対する
エネルギの寄与度が高いものから順に抜き取って出力す
ることができる。

【００２２】

【実施例】次に図面を参照して本発明の好適な実施例を
説明する。（１）第１実施例図１に、本発明の第１実施例であるピッチ検出装置を示
す。

【００２３】図１において、ピッチ検出装置１は、電気
音響変換機２、ｆ（周波数）スペクトル解析部３、ピッ
チ抽出部４及び記憶部５を備えて構成されている。ピッ
チ検出装置１は、音声波のピッチを検出する装置とし
て、音声認識装置、音声合成装置、自動採譜装置、カラ
オケ採点装置、機械診断装置等に好適に組み込まれるも
のである。電気音響変換機２は、入力された音声波を電
気信号に変換する装置であり、例えばマイクロフォンを
備えて構成されている。

【００２４】ｆスペクトル解析部３は、直交関数成分出
力手段の一例を構成しており、電気音響変換機２からの
信号で表された音声波形に対し、ＧＨＡ（一般調和解
析）によるｆスペクトル解析を行うように構成されてい
る。ここで、このｆスペクトル解析部３の動作について
具体的に説明する。

【００２５】ｆスペクトル解析部３は、以下の（Ｉ）〜
（ＩＩＩ）の動作を行う。即ち：（Ｉ）先ず、所定の時間幅を持つ観測区間Ｌにおいて観
測された連続信号ｘ₀（ｔ）からフーリエ係数Ｓ（ｆ）
を、次の式「数１」を用いて夫々計算する。

【００２６】

【数１】但し、それぞれの周波数成分の周期をＴ、周波数をｆ
（ｓ）として、Ｔ＝１／ｆ（ｓ）、ｎＴ≦Ｌ、ｎ：整
数、ｎＴ：整数であり、ｎは周期が観測区間Ｌの中に何
個入いっているかを示す数値である。なお、かかる所定
の観測区間Ｌの幅としては、音声波のピッチを抽出する
ためには、例えば１０〜２０ｍｓといった値が実用上適
度な幅であることが経験的に分かっている。従って音声
波のピッチ抽出用には、例えば、４８，０００Ｈｚのサ
ンプリング周波数の下、Ｌは例えば５１２サンプルから
なる。

【００２７】より具体的には、図２に示す様に、例えば
Ｌが５１２サンプルの長さを持つとすれば、ｎ＝１に対
して、Ｔ＝５１２（＝Ｌ）、５１１（＝Ｌ−１×１），
５１０（＝Ｌ−１×２），．．．，２５８（＝Ｌ／２＋
１×２），２５７（＝Ｌ／２＋１×１）の２５６個のＴ
夫々について、フーリエ係数を計算する。ｎ＝２に対し
て、Ｔ＝２５６（＝Ｌ／２），２５５．５（＝Ｌ／２−
０．５×１），２５５（＝Ｌ／２−０．５×
２），．．．，１２９（＝Ｌ／４＋０．５×２），１２
８．５（＝Ｌ／４＋０．５×１）の２５６個のＴ夫々に
ついて、フ−リエ係数を計算する。以下同様にサンプル
数５１２に対して取り得るｎ及びＴについて、フ−リエ
級数を計算する。

【００２８】このように、本実施例によれば、ＧＨＡに
より、基本周波数に対し十分に細かい周波数についてフ
−リエ解析結果が得られる。これは、前述のＦＦＴ（高
速フ−リエ変換）が基本周波数の１，２，３，
４，．．．，２５６（Ｌ／２）倍という粗い周波数につ
いての解析結果しか得られないことと比べて、本願発明
が目的とするピッチ抽出の精度を高めるためには大変有
効である。（ＩＩ）次に、計算された係数から区間Ｌに
おける、次の式「数２」で示した残差ε（ｔ、ｆ）の、
次の式「数３」で示したエネルギＥ（ｆ）を最小とする
周波数ｆ₁を、この時の係数Ｓ（ｆ₁）とＣ（ｆ₁）と
共に求める。

【００２９】

【数２】

【００３０】

【数３】（ＩＩＩ）次に、原信号ｘ₀（ｔ）から、上記（ＩＩ）
で求めたエネルギを最小とする周波数ｆ₁の周波数成分
を取り除いた残成分である、次の式「数４」で示した信
号ｘ₁（ｔ）を新たに原信号と見なして、上記（Ｉ）か
ら（ＩＩＩ）に示した計算を繰り返す。

【００３１】

【数４】以上のように、ｆスペクトル解析部３は、電気音響変換
機２からの信号で表された音声波形に対し、ＧＨＡによ
るｆスペクトル解析を行う。

【００３２】再び図１に戻って、ピッチ抽出部４は、以
上のようにしてｆスペクトル解析部３が得たＮ（Ｎ：自
然数）本の周波数成分の中から、図３のフローチャート
を用いて後で説明するように、ピッチ抽出手段の一例と
してピッチを抽出するように構成されている。

【００３３】記憶部５は、ＩＣメモリ、磁気ディスク、
光ディスク等から構成されており、以上のようにピッチ
抽出部４により観測区間毎に抽出されたピッチを記憶す
る。この区間毎に抽出されたピッチを全区間でつなぐこ
とにより、時間的な変化が記述できる。

【００３４】また、必要に応じて抽出したピッチを正弦
波として図示しないスピーカから出力する様にしても良
い。ここで、図３のフローチャートを用いて、第１実施
例におけるピッチ抽出動作について説明する。

【００３５】図３において、ｆスペクトル解析部３から
ＧＨＡによる読み出しを行う（ステップＳ１）。次に、
振幅の大きい順にｋ個の成分を取り出す（ステップＳ
２）。ｋの値は、対象とする音声波の特質に基づいて経
験的に定められる適当な値として予め設定されている。
取り出されたｋ個の成分のうち最も周期の長いものをピ
ッチとする（ステップＳ３）。ここで、基本波とそのハ
ーモニクス（高調波）との基本的な性質により、ＧＨＡ
により読み出した複数の成分のうちで最も周期の長い周
波数成分が音声波の基本波に対応する場合が多い。本実
施例のピッチ抽出は、このような基本波とそのハーモニ
クスとの基本的な性質に基づくものである。

【００３６】ここで、第１の実施例により、男性ボーカ
ルの音声信号に対しピッチ抽出を行った例を示す。この
例では、サンプリング周波数は、４８，０００Ｈｚであ
り、ＧＨＡにおける分析長は１０２４点（２１．３ｍ
ｓ）である。ＧＨＡにより抽出された正弦波を図４の表
１に示す。表１中、左列の成分番号“ｎ／６”は、取り
出された６個の成分の中でｎ番目にパワーが大きい成分
であることを示している。この例では、ＧＨＡにより分
析された結果から、パワーの大きい順にユーザーが予め
決定した本数である６個だけ取り出している。このＧＨ
Ａにより得られた分析結果から、ピッチを抽出すると、
図中矢印で示した周波数の低い（即ち、周期の長い）正
弦波である“成分番号１／６”の成分（２１２Ｈｚ付近
の信号成分）がピッチとして抽出される。このように、
第１実施例によれば基音のピッチが正しく検出されてい
る。（２）第２実施例第２実施例の構成は、図１に示した第１実施例の構成と
ほぼ同様であるが、ピッチ抽出部４は、以下のようにピ
ッチ抽出動作を行うように構成されている点が異なる。

【００３７】ここで、図５のフローチャートを用いて、
第２実施例におけるピッチ抽出部のピッチ抽出動作につ
いて説明する。なお、図３のフローチャートと同じステ
ップについては同じ参照符号を付す。

【００３８】図５において、ｆスペクトル解析部からＧ
ＨＡ結果を読み出すステップであるステップＳ２０は、
以下のように行われる。即ち、第１実施例においては一
定個数（ｋ個）の成分を取り出していたが（図３のステ
ップＳ２）、第２実施例においては、単純に一定個数の
成分を取り出すのではなく、入力信号のエネルギに対し
て、取り出した成分のエネルギの合計が、例えば９９％
といった所定割合に達するまで、取り出しを行う。但
し、幾ら読み込んでも所定パーセントに達しないという
不都合を回避するために、所定の回数を行っても所定パ
ーセントに達しない場合には、その時点で取り出しを中
止するものとしてある（ステップＳ２０）。なお、リア
ルタイムで、ＧＨＡとピッチ抽出を行う場合には、上記
所定割合に達するまで、ＧＨＡを繰り返せば不必要にＧ
ＨＡを行う必要がなくなり有利である。

【００３９】具体的には、かかるステップＳ２０におい
ては先ず、処理の対象とする、ある時間区間内で、離散
時間波形のエネルギ和Ｅｏを求める（ステップＳ２
１）。初期設定として、取り出した成分の個数をカウン
トするカウント値ｉを“０”にする（ステップＳ２
２）。次に、予め対象とする音声波の性質に応じて設定
した最大で何個まで成分を取り出すかを示す基準個数ｉ
ｓと、カウント値ｉとの大小を比較する（ステップＳ２
３）。ここで、ｉ＞ｉｓでなければ（ＮＯ）、ＧＨＡに
より得られた１番目からｉ番目までの正弦波の和のエネ
ルギＥｉを求める（ステップＳ２４）。更に、入力信号
のエネルギに対し取り出した成分のエネルギの合計が何
割に達するまで成分の取り出しを行うかを示す予め設定
され基準割合Ｅｓと、求めたエネルギの比Ｅｉ／Ｅｏと
の大小を比較する（ステップＳ２５）。ここで、Ｅｉ／
Ｅｏ＞Ｅｓでなければ（ＮＯ）、カウント値ｉを１つイ
ンクリメントして（ステップＳ２６）、上述のステップ
Ｓ２３へ戻る。ステップＳ２３で、ｉ＞ｉｓであれば
（ＹＥＳ）、ステップＳ２７に分岐して、現在のカウン
ト値ｉを、成分の取り出し回数Ｎとする（ステップＳ２
７）。ステップＳ２５で、Ｅｉ／Ｅｏ＞Ｅｓであれば
（ＹＥＳ）、同様にステップＳ２７に分岐して、現在の
カウント値ｉを、成分の取り出し回数Ｎとする（ステッ
プＳ２７）。次に、ステップＳ２８では、周期Ｔの長い
順に、ＧＨＡにより得られた正弦波に番号を付ける。具
体的には、夫々Ｔ₁，Ｔ₂，．．．，Ｔ_Nとする（ステ
ップＳ２８）。

【００４０】以上のようにして、全体としてステップＳ
２０で示したＧＨＡ結果の読み出し動作を終了する。続
いて、ステップＳ３に進み、第１実施例の場合と同様
に、取り出された成分のうち最も周期の長いものをピッ
チとして判断し、処理を終了する（ステップＳ３）。

【００４１】第２実施例によれば、ＧＨＡ結果の読み出
しを行うに際し、適当な回数までは、所定パーセントに
達するまで読み出しを行い、この適当な回数に達しても
所定パーセントに達しない場合には、その時点で読み出
しを止めるようにしたので、ピッチ抽出の精度を常に高
く維持することができると共に不必要なまでに処理を行
うという実用上の不都合を回避できる。（３）第３実施例第３実施例の構成は、図１に示した第１実施例の構成と
ほぼ同様であるが、ピッチ抽出部４は、以下のようにピ
ッチ抽出動作を行うように構成されている点が異なる。

【００４２】ここで、図６のフローチャートを用いて、
第３実施例におけるピッチ抽出部のピッチ抽出動作につ
いて説明する。なお、図３及び図５のフローチャートと
同じステップについては同じ参照符号を付す。

【００４３】図６において、ステップＳ２０までは、図
５に示した第２実施例と同じ動作を行う。なお、このス
テップＳ２０を、図３に示したステップＳ１及びＳ２で
置き換えても、以下の説明から明らかなように第３実施
例は有効に機能する。

【００４４】ここで、第１及び２実施例においては取り
出された成分のうち最も周期の長いものをピッチとして
判断していたが（図３及び図５のステップＳ３）、第３
実施例においては、単純に周期が最も長いものをピッチ
とするのではなく、ステップＳ３１以下で、ハーモニク
スの関係にある成分を先ず判断し、その並びの性質から
基本波を見付け出すことを特徴としている。

【００４５】具体的には、図６において、先ず初期設定
として、ハーモニクスの関係を順次判断するための第１
のカウンタのカウント値ｊを１にする（ステップＳ３
１）。次に、カウント値ｊとステップＳ２０で得られた
Ｎの値の大小を比較する（ステップＳ３２）。ここで、
ｊ≧Ｎでなければ（ＮＯ）、ハーモニクスの関係を順次
判断するための第２のカウンタのカウント値ｋをｊ＋１
とし（ステップＳ３３）、ｋ＞Ｎであるか否かを判断す
る（ステップＳ３４）。ここで、ｋ＞Ｎであれば（ＹＥ
Ｓ）、ｊを１つインクリメントして（ステップＳ３
５）、ステップＳ３２に戻る。また、ステップＳ３４
で、ｋ＞Ｎでなければ（ＮＯ）、Ｔｊ／Ｔｋに最も近い
整数をＩｊｋとして求める（ステップＳ３６）。なお、
Ｔｊ（Ｔｋ）とは、ステップＳ２８で並べられた周期の
並びの中でｊ（ｋ）番目の周期を表す。続いて、“Ｉｊ
ｋ−Ｔｊ／Ｔｋ”の絶対値が所定の微小数εよりも小さ
いか否かを判断する（ステップＳ３７）。ここで、小さ
くなければ（ＮＯ）、ｋを１つインクリメントした後
（ステップＳ３８）、ステップＳ３４に戻り、小さけれ
ば（ＹＥＳ）、更にＩｊｋは奇数であるか否かを判断す
る（ステップＳ３９）。ここで、Ｉｊｋが奇数でなけれ
ば（ＮＯ）、ｋを１つインクリメントした後（ステップ
Ｓ３８）、ステップＳ３４に戻る。一方、Ｉｊｋが奇数
であれば（ＹＥＳ）、ピッチはＴｊであると判断して
（ステップＳ４０）、処理を終了する。また、ステップ
Ｓ３２で、ｊ≧Ｎであれば（ＹＥＳ）、観測の誤差や条
件により、ピッチを見付けることは出来なかったとして
（ステップＳ４１）、処理を終了する。なお、このステ
ップＳ４１では、ピッチが発見できなかった旨の表示又
は出力をするのがピッチの検出精度をユーザに伝える見
地からは好ましい。更に、かかる表示や出力に代えて又
は加えて、最も長周期のＴ₁をピッチとして定めても良
い。

【００４６】図７の表２に、サンプリング周波数ｆｓ＝
４８，０００Ｈｚとし且つＮ＝５とした場合の、ＧＨＡ
により読み出された成分夫々の周期Ｔ₁〜Ｔ₅の値を、
周期の長い順に並べた例を具体的に示す。表２には、各
周期に対するｆ₁〜ｆ₅の値も示してあり、更に、基本
波のハーモニクス及びサブハーモニクスについては基本
波の何倍であるかも示してある。表２の中で、例えば周
波数ｆ₁の値９９．４８Ｈｚは、ｆ₁＝ｆｓ／Ｔ₁＝４
８，０００／４８２．５＝９９．４８Ｈｚとなってい
る。この例の場合、図６に示したフローチャート中のカ
ウント値ｊ及びｋは、図８の表３に示したように動く
（表３の上から下へ向かって動く）。この結果、（ｊ，
ｋ）＝（１，２）、（１，３）、（１，５）、（２，
５）は、例えばε＝０．１と定めた場合には、“Ｉｊｋ
−Ｔｊ／Ｔｋ”の絶対値が十分に小さくなるため、ハー
モニクスの関係にあると判断される。一方、表３の中
で、他の（ｊ，ｋ）の組み合わせの場合には、ハーモニ
クスの関係に無いと判断される。

【００４７】この様に測定誤差の許容値を示す基準値ε
を導入することによって、測定条件やＧＨＡの精度等に
起因して、読み出された２つの直交関数成分の周期の比
が正しく整数比とはならない場合であってもハーモニク
スの関係を捜し出すことができる。

【００４８】ここで、第１の条件たる、（ｊ，ｋ）がこ
の関係を有すること、及び第２の条件たる、“Ｔｊ／Ｔ
ｋ”に最も近い整数が奇数であることの二つの条件を同
時に満足するｊに対応する周期Ｔｊをピッチとして判断
する。たとえサブハーモニクスが無視できない程の大き
さを持つためＧＨＡにより読み出されたとしても、サブ
ハーモニクスのハーモニクスは、基本波のハーモニクス
に比べて遥かに小さいので、ＧＨＡにより読み出され難
い。このため、基本波の周波数よりも低いサブハーモニ
クスが含まれていたとしても、基本波及びそのハーモニ
クスの周波数との関係から、サブハーモニクスの場合に
は“Ｔｊ／Ｔｋ”に最も近い整数が偶数となってしまう
ため、この第２の条件を満たさないことになる。即ち、
この第２の条件を満たすのは、基本波の場合である。

【００４９】従って、この例では、二つの条件を満たす
（ｊ，ｋ）＝（２，５）に対応するＴ₂がピッチとして
判断される。一方、最も周期は長いが、基本波のサブハ
ーモニクスの周期である、（ｊ，ｋ）＝（１，２），
（１，３）及び（１，５）に対応するＴ₁については、
“Ｔｊ／Ｔｋ”が偶数となるので、基本波のピッチでは
ないと判断される。なお、この例の場合、実際の処理
は、図８の表３の上から順に進み、（ｊ，ｋ）＝（２，
５）においてＴ₂がピッチであると判断された時点で中
止される。

【００５０】図１５に、第３実施例によりピッチを抽出
した際の、原信号の波形とピッチの波形とを示す。な
お、図１５の中段の波形は、ＧＨＡにより読み出した６
つの主な成分を再度合成して得た波形を示している。

【００５１】図１５において、原波形Ｗ１とこれから取
り出された６つの主な周波数成分から合成した波の波形
Ｗ２とは、かなり似ていることが分かる。これは、６つ
の主な成分による寄与が大きいことを示している。一
方、これらの波形Ｗ１及びＷ２において肉眼で容易に見
受けられるため一見基本波のように見える最も長い周期
の周波数成分は、波形Ｗ３から分かるように、ピッチと
して抽出されていないことが分かる。

【００５２】以上のように、第３実施例によれば、ＧＨ
Ａにより読み出された成分中に存在する基本波及びその
ハーモニクスを、当該ハーモニクスが基本波の周期の正
数倍の周期を持つという性質を利用して、探し出す（判
断する）ので、基本波の周期よりも低い雑音や基本波の
半分の周期を持つサブハーモニクスが存在していたとし
ても、その雑音等を基本波として検出することはなくな
る。この結果、第１及び第２実施例より正確で信頼性の
高いピッチ検出を行える。

【００５３】ここで、第３実施例により、ピアノ音（Ａ
４）をスタジオで測定して得た音声信号に対しピッチ抽
出を行った例を示す。この例では、サンプリング周波数
は、４８，０００Ｈｚであり、ＧＨＡにおける分析長は
１０２４点（２１．３ｍｓ）である。ＧＨＡにより抽出
された正弦波を図９の表４に示す。表４中、左列の成分
番号“ｎ／６”は、取り出された６個の成分の中でｎ番
目にパワーが大きい成分であることを示している。この
例では、ＧＨＡによる分析を、“信号のパワー／元の信
号のパワー≧９９％”という基準により打ち切りを行っ
た結果として取り出された正弦波の数が６個になったも
のである。このＧＨＡにより得られた分析結果から、ピ
ッチを抽出すると、大きい振幅と低い周波数とを持つサ
ブハーモニクス（２２０Ｈｚ付近の信号成分）の影響を
受けること無く、図中矢印で示した“成分番号３／６”
の成分（４４０Ｈｚ付近の信号成分）がピッチとして抽
出される。このように、第３実施例により基音のピッチ
が正しく検出されている。（４）第４実施例第４実施例の構成は、図１に示した第１実施例の構成と
ほぼ同様であるが、ピッチ抽出部は、以下のようにピッ
チ抽出動作を行うように構成されている点が異なる。

【００５４】ここで、図１０のフローチャートを用い
て、第４実施例におけるピッチ抽出部のピッチ抽出動作
について説明する。なお、図３及び図５のフローチャー
トと同じステップについては同じ参照符号を付す。

【００５５】図１０において、ステップＳ２０までは、
図５に示した第２実施例と同じ動作を行う。なお、この
ステップＳ２０を、図３に示したステップＳ１及びＳ２
で置き換えても、以下の説明から明らかなように第４実
施例は有効に機能する。

【００５６】ここで、第３実施例においては、ハーモニ
クスの関係にある成分を先ず判断し、その並びの性質か
ら基本波を見付け出していたが、第４実施例では、更に
基本波が帯域制限などにより失われており、そのハーモ
ニクスのみが存在している場合にも、ハーモニクスの性
質を考慮することにより基本波を見付け出すことを特徴
としている。

【００５７】具体的には、図１０において、先ず初期設
定として、ハーモニクスの関係を順次判断するための二
つのカウンタのカウント値ｊ、ｋの組み合わせの最大数
を示すカウンタのカウント値Ｌｍａｘを０にする（ステ
ップＳ５１）。次に、カウント値ｊを１にする（ステッ
プＳ５２）。カウント値ｊとステップＳ２０で得られた
Ｎの値の大小を比較する（ステップＳ５３）。ここで、
ｊ≧Ｎでなければ（ＮＯ）、カウント値ｊ、ｋの組み合
わせの数を示すカウンタのカウント値Ｌを０にし（ステ
ップＳ５４）、カウント値ｋをｊ＋１にし（ステップＳ
５５）、ｋ＞Ｎであるか否かを判断する（ステップＳ５
６）。ここで、ｋ＞Ｎであれば（ＹＥＳ）、ｊを１つイ
ンクリメントして（ステップＳ５７）、ステップＳ５３
に戻る。また、ステップＳ５６で、ｋ＞Ｎでなければ
（ＮＯ）、何次のハーモニクスを考慮しているかを示す
カウンタのカウント値ｌを１にする（ステップＳ５
８）。ここで、何次のハーモニクスまで考慮するかを示
す所定数Ｈとカウント値ｌとの大小を比較する（ステッ
プＳ５９）。かかる所定数Ｈを例えば１０とすれば、実
用上測定可能なエネルギをもつような成分について考慮
するには十分である。従って、所定数Ｈは、例えば１０
以下の数字を適宜ピッチ抽出精度や目的に応じてユーザ
が定めれば良い。このステップＳ５９で、ｌ＞Ｈであれ
ば（ＹＥＳ）、カウント値ｋを１つインクリメントして
（ステップＳ６０）、ステップＳ５６に戻る。一方、ス
テップＳ５９で、ｌ＞Ｈでなければ（ＮＯ）、何次のハ
ーモニクスを考慮しているかを示す他のカウンタのカウ
ント値ｍをｌ＋１にし（ステップＳ６１）、ｍ＞Ｈであ
るか否かを判断する（ステップＳ６２）。ここで、ｍ＞
Ｈでなければ（ＮＯ）、“（Ｔｊ／Ｔｋ）／（ｍ／ｌ）
−１”の絶対値が所定の微小数εより小さいか否かを判
断する（ステップＳ６３）。ここで、小さくなければ
（ＮＯ）、ｍを１つインクリメントした後（ステップＳ
６４）、ステップＳ６２に戻り、小さければ（ＹＥ
Ｓ）、ｌを１つインクリメントしてから（ステップＳ６
５）、ｍを１つインクリメントした後（ステップＳ６
４）、ステップＳ６２に戻る。一方、ステップＳ６２
で、ｍ＞Ｈであれば（ＹＥＳ）、Ｌｍａｘ＜Ｌであるか
否かを判断する（ステップＳ６６）。ここで、Ｌｍａｘ
＜Ｌであれば（ＹＥＳ）、ＬｍａｘをＬとし、Ｊｍａｘ
をｊとし、ｌｍａｘをｌとした後（ステップＳ６７）、
ｌを１つインクリメントし（ステップＳ６８）、ステッ
プＳ５９に戻る。一方、ステップＳ６６で、Ｌｍａｘ＜
Ｌでなければ（ＮＯ）、ステップＳ６８にそのまま進
み、ｌを１つインクリメントした後、ステップＳ５９に
戻る。

【００５８】ステップＳ５３において、ｊ≧Ｎであれば
（ＹＥＳ）、ステップＳ６９に分岐し、Ｌｍａｘ＝０で
あるか否かを判断する。Ｌｍａｘ＝０でなければ（Ｎ
Ｏ）、ピッチは、Ｔｊｍａｘ＊ｌｍａｘ（但し、Ｔｊｍ
ａｘ：Ｔｊの最大値、ｌｍａｘ：ｌの最大値）であると
判断して（ステップＳ７０）、処理を終了する。一方、
ステップＳ６９において、Ｌｍａｘ＝０であれば、ピッ
チを見付けることができなかったとし（ステップＳ７
１）、処理を終了する。なお、ステップＳ７１で、ピッ
チが発見できなかった旨の表示又は出力をするのがピッ
チの検出精度をユーザに伝える見地からは好ましい。ま
た、この表示や出力に代えて又は加えて、最も長周期の
Ｔ₁をピッチとして判断しても良い。

【００５９】ここで、第４実施例において、１００Ｈｚ
を基音としたハーモニクスが混ざった音声信号に対しピ
ッチ抽出を行った例を示す。この例では、サンプリング
周波数は、４８，０００Ｈｚであり、ＧＨＡにおける分
析長は１０２４点（２１．３ｍｓ）である。図１１の表
５に、Ｎ＝５とした場合の、ＧＨＡにより読み出された
成分夫々の周期Ｔ₁〜Ｔ₅の値を、周期の長い順に並べ
た例を具体的に示す。表５には、各周期に対するｆ₁〜
ｆ₅の値も示してあり、基本波のハーモニクス及びサブ
ハーモニクスについては、基本波の何倍であるかも示し
てある。なお、この例では、ＧＨＡによる分析を、“信
号のパワー／元の信号のパワー≧９９％”という基準に
より打ち切りを行っている。この例の場合、図１０に示
したフローチャート中のカウント値ｊ及びｋは、図１２
の表６に示したように動く。なお、この表６中、（ｂ）
の“ｍ／ｌ”は、図１３の表７に示したように、ｌを１
からＨ、ｍをｌ＋１からＨで動かして、（ａ）の“Ｔｊ
／Ｔｋ”に最も近い値の組み合わせのものを選ぶように
している。この例では、Ｈ＝１０としている。なお、図
１２の表６の中で、“−”の印は、“（ａ）／（ｂ）−
１”の絶対値が基準となる微小値ε未満となるような
ｌ、ｍの組み合わせがなかったことを示している。

【００６０】図１２の表６を、ｌに注目して書き直す
と、図１４に示す表８が得られる。表８において、ｊと
ｌとを固定して、いくつのｍの値を取り得るかという組
み合わせの数を、ｌの小さいほうから順に見付けてい
く。この例では、ｊ＝２、ｌ＝４の場合が、相当する。
即ち、ｌｍａｘ＝３，ｌｍａｘ＝４ということになる。
本実施例では、組み合わせの数が同じ時には、ｊの小さ
い方（周波数の低い方）が優先されるものとする。この
結果、この例では、Ｔｊ×ｌ＝Ｔ₂×４＝４８１．２と
なり、ピッチに当たる周波数は、図１１の表５から分か
るようにＧＨＡにより取り出された成分としては存在し
ていないが、９９．７５Ｈｚであると判断される。この
ように、第４実施例によれば、基音やその２倍音や３倍
音が失われているにも拘らず、基音のピッチが正しく検
出されている。

【００６１】以上のように、第４実施例によれば、帯域
制限などの影響から、原信号の中ではピッチが失われて
いたとしても、ピッチを見付けることが可能となる。こ
の結果、より正確で信頼性の高いピッチ検出を行える。

【００６２】なお、以上の実施例においては、電気音響
変換機から音声信号を得る構成としたが、これを音声波
信号を発生させる装置で置き換えても、本実施例はほぼ
同様に有効に機能する。

【００６３】

【発明の効果】第１発明によれば、直交関数成分出力手
段は、音声波形を形成する周期毎の直交関数成分のうち
音声波形に対するエネルギの寄与度が高いものから順に
複数個抜き取って出力し、ピッチ抽出手段は、出力され
た複数個の直交関数成分が夫々有する周期の相対的な関
係に基づいて、出力された複数個の直交関数成分のうち
の一つをピッチとして抽出するので、比較単純な演算処
理及び装置を用いて、検出精度を高くできる。この結
果、第１発明の音声波形のピッチ検出装置を用いて、精
度の高い音声認識装置、音声合成装置、自動採譜装置、
カラオケ採点装置、機械診断装置等を比較的低コストで
作成できる。

【００６４】第２発明によれば、第１発明において、直
交関数成分出力手段は、抜き取った直交関数成分を再合
成して得られる合成信号のエネルギの音声波形のエネル
ギに対する割合が、予め定めた所定値を越えた時に抜き
取り及び出力を停止するので、不必要なまでに直交関数
成分出力手段による抜き取りを行わなくて済み、実用上
便利である。

【００６５】第３発明によれば、第２発明において、直
交関数成分出力手段は、音声波形のエネルギに対する割
合が所定値を越える前に、予め設定した個数の抜き取り
及び出力を行った場合には、当該抜き取り及び出力を停
止するので、第３発明において、直交関数成分出力手段
による抜き取りを無駄に続けなくて済み、実用上大変便
利である。

【００６６】第４発明によれば、第１から第３発明にお
いて、ピッチ抽出手段は、出力された複数個の直交関数
成分のうち最も長い周期を有するものをピッチとして抽
出するので、非常に単純な演算処理及び装置により、基
本波の成分をピッチとして抽出できる。

【００６７】第５発明によれば、第１から第３発明にお
いて、ピッチ抽出手段は、出力された複数個の直交関数
成分のうち奇数次の倍音の関係にあるものを弁別し、該
弁別した直交関数成分のうち最も長い周期を有する直交
関数成分をピッチとして抽出するので、たとえ基本波の
周期よりも長い周期を持つサブハーモニクスが直交関数
成分出力手段により読み出された成分に含まれている場
合であっても、基本波の成分をピッチとして抽出でき、
即ち、非常に精度の高いピッチの検出が可能となる。

【００６８】第６発明によれば、第１から第３発明にお
いて、ピッチ抽出手段は、出力された複数個の直交関数
成分のうち周期が整数比の関係にある組み合わせを弁別
し、該弁別した組み合わせのうち最も多くの整数比の関
係を持つ組み合わせを選定するので、たとえ基本波や２
倍音等が読み出された成分として存在しない場合であっ
ても、基本波の成分をピッチとして抽出でき、即ち、非
常に精度の高いピッチの検出が可能となる。

【００６９】第７発明によれば、第１から第６発明にお
いて直交関数成分出力手段は、エネルギの寄与度が最も
高い直交関数成分を直交関数成分として出力すると共に
該直交関数成分を音声波形から抜き取った残波形を求め
て、残波形に対して同様の処理を繰り返すので、極めて
効率良く、直交関数成分を順に抜き取って出力すること
ができ、全体としても極めて効率良くピッチを検出する
ことができる。

【図面の簡単な説明】

【図１】本発明の実施例に係るピッチ検出装置のブロッ
ク図である。

【図２】本発明の実施例に係るＧＨＡにおいて解析され
る周波数成分を示す説明図である。

【図３】第１実施例の動作を示すフローチャートであ
る。

【図４】第１実施例によるピッチ検出の具体例を示す表
１である。

【図５】第２実施例の動作を示すフローチャートであ
る。

【図６】第３実施例の動作を示すフローチャートであ
る。

【図７】第３実施例の動作を説明するための表２であ
る。

【図８】第３実施例の動作を説明するための表３であ
る。

【図９】第３実施例によるピッチ検出の具体例を示す表
４である。

【図１０】第４実施例の動作を示すフローチャートであ
る。

【図１１】第４実施例の動作を説明するための表５であ
る。

【図１２】第４実施例の動作を説明するための表６であ
る。

【図１３】第４実施例の動作を説明するための表７であ
る。

【図１４】第４実施例の動作を説明するための表８であ
る。

【図１５】第３実施例のピッチ抽出にかかる波形を示す
チャートである。

【符号の説明】

１…ピッチ検出装置２…電気音響変換機３…ｆスペクトル解析部４…ピッチ抽出部５…記憶部

───────────────────────────────────────────────────── フロントページの続き (72)発明者平田能睦東京都八王子市石川町2568−９

Claims

【特許請求の範囲】

【請求項１】音声波形を入力として該音声波形の基本
波のピッチを検出するピッチ検出装置であって、前記音声波形を形成する周期毎の直交関数成分のうち前
記音声波形に対するエネルギの寄与度が高いものから順
に複数個抜き取って出力する直交関数成分出力手段と、該出力された複数個の直交関数成分が夫々有する周期の
相対的な関係に基づいて、前記出力された複数個の直交
関数成分のうちの一つをピッチとして抽出するピッチ抽
出手段とを備えたことを特徴とする音声波形のピッチ検
出装置。
【請求項２】前記直交関数成分出力手段は、前記抜き
取った直交関数成分を再合成して得られる合成信号のエ
ネルギの前記音声波形のエネルギに対する割合が所定値
を越えた時に抜き取り及び出力を停止することを特徴と
する請求項１に記載の音声波形のピッチ検出装置。
【請求項３】前記直交関数成分出力手段は、前記割合
が所定値を越える前に、予め設定した個数の抜き取り及
び出力を行った場合には、当該抜き取り及び出力を停止
することを特徴とする請求項２に記載の音声波形のピッ
チ検出装置。
【請求項４】前記ピッチ抽出手段は、前記出力された
複数個の直交関数成分のうち最も長い周期を有するもの
をピッチとして抽出することを特徴とする請求項１から
３のいずれか一項に記載の音声波形のピッチ検出装置。
【請求項５】前記ピッチ抽出手段は、前記出力された
複数個の直交関数成分のうち奇数次の倍音の関係にある
ものを弁別し、該弁別した直交関数成分のうち最も長い
周期を有する直交関数成分をピッチとして抽出すること
を特徴とする請求項１から３のいずれか一項に記載の音
声波形のピッチ検出装置。
【請求項６】前記ピッチ抽出手段は、前記出力された
複数個の直交関数成分のうち周期が整数比の関係にある
組み合わせを弁別し、該弁別した組み合わせのうち最も
多くの整数比の関係を持つ組み合わせを選定し、該選定
した組み合わせに含まれる全ての直交関数成分の周期の
整数倍となる周期を持つ直交関数成分をピッチとして推
定することを特徴とする請求項１から３のいずれか一項
に記載の音声波形のピッチ検出装置。
【請求項７】前記直交関数成分出力手段は、前記エネ
ルギの寄与度が最も高い直交関数成分を第１の直交関数
成分として出力すると共に該第１の直交関数成分を前記
音声波形から抜き取った第１の残波形を求め、続いて、
該第１の残波形を形成する周期毎の直交関数成分のうち
該第１の残波形に対するエネルギの寄与度が最も高い直
交関数成分を第２の直交関数成分として出力すると共に
該第２の直交関数成分を前記第１の残波形から抜き取っ
た第２の残波形を求め、以下同様に、第ｎ（ｎ：２以上
の自然数）の残波形を形成する周期毎の直交関数成分の
うち該第ｎの残波形に対するエネルギの寄与度が最も高
い直交関数成分を第ｎ＋１の直交関数成分として出力す
ると共に該第ｎ＋１の直交関数成分を前記第ｎの残波形
から抜き取った第ｎ＋１の残波形を求めることを特徴と
する請求項１から６のいずれか一項に記載の音声波形の
ピッチ検出装置。