JPS58113993A - 音声信号圧縮方式 - 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】 発明の技術分野 この発明は、音声信号を情報圧縮して記憶あるいは装置
に係り、特に音声信号波形のくり返しを利用して効率的
な圧縮を行なう音声信号圧縮方式に関する◎ 発明の技術的背景とその間鵬点 近年、コンピュータシステムの小型端末、さらには軍電
品等において、マン・マシンインターフェースとして音
声を発声させるという要求が高まっており、そのために
音声信号を低ビツトレートで記憶したり伝送する技術が
要求されている・ このような要求に対し、音声信号を波形のくり返しを利
用して情報圧縮する技術があるが、それには大別して２
つの方式が知られている。

鴫１は線型予測方式（ＬＰＧ）に代表されるような、予
め用意した単語や文章に対して分析を行ない、音声合成
に必要なホルマント情報と、音源情報としての有声／無
声音判別情報および有声音におけるくり返しくピッチ〕
情報とを抽出し、これらを合成フィルタの係数および音
源入力として音声を合成する方式であり、第２は音声信
号の波形のくり返しパターンを半ば手動でとらえて音声
を合成する方式（特開昭５６−４１９４等）である。　
　　　１′ しかしながら、第ｌの方式は有声音でピッチ情報を持つ
（り返し波形に対してはピッチ情報の伸出を正価に２行
なうことが大ｎｉＪ提となる方式音声を再生するときに
雑音を生じたり、音声の明瞭度を損ねるといった難点が
ある。また、現在ではこの方式による分析のために大型
コンピュータまたは相当大規模な専用Ｌ８１を必要とし
、さらに良質の音声を再生しようとすると分析結果の補
正も必要となる等から、コスト薗で不利である・ 一方、！＠２の方式はピッチ情報の抽出を正確に行なう
ことに加え１手動操作によりくり返しの単位波形の切り
出しを行なう必要があるため、実時間での圧縮が困難で
あった。

発明の目的 この発明の目的は、音声信号の波形のくり返しくピッチ
情報）を検出できなかったときでも再生音声の劣化が少
なく、シかも比較的簡単なハードウェアあるいは汎用小
型コンピューター二よって圧縮処理を行なうことができ
、さらに実時間処理が可能な音声信号圧縮方式を提供す
ることである・ 発明の概要 この発明Ｃ１係る音声イ＾号圧縮方式は、音声４３号の
有音区間のうち波形のくり返しが検出された区間は所定
のくり返し回数Ｎ毎にそのＮ回のくり返しの中での１つ
の単位波形を抽出して出力し、くり返しが検出されない
区間は音声信号波形をそのまま出力して音声４３号を出
力すること（二よって、圧縮を行なうことを基本的な特
徴としている。

この場合、くり返しくピッチ）が検出されたことをいか
に判定するかが重要であるが、この発明ではピップ周期
、つまりピッチ候補点から次のピッチ候補点までの時間
長を３つの脚値Ｃ二よって判定することＣ二よってこれ
を達成する。

即ち、各ピッチ候補点から次のピッチ候個点までの時間
を平均ピッチ周期の０．４〜０．８倍、１２〜１．８倍
および２．２〜２．６倍の値をそれぞれ持つ第１．＠２
および第３の開値Ｃ二より判定し、その時間長が１ｔＦ
４１の闇値未満のときは次のピッチ候補点を無視して時
間長の計測を続行し、第のくり返しが検出されたと判断
し、＠２の闇値を越え第３の闇値以下のときはピッチ候
補点を補間して波形のくり返しが２回検出されたと判断
し、第３の剛値を越えたときは波形のくり返しが検出さ
れなかったと判ｌＩｒするのである′・発明の効果 この発明（二よれば、音声４３号の波形のくり返しが検
出されなかったときは圧縮を行なわないため、くり返し
が検出できないこと１：よる再生音性の自然性や明瞭度
の低下といった劣化が少ない。また、ＬＰ（、’方式番
二比べて泣声信号から抽出すべき情報が少なくて済み、
また圧縮のための処理も簡単なため、ハードウェアも簡
単となり、マイクロコンピュータの使用も可能となる０
さらＳ二、マイクロコンピュータのような比較的処理速
度の遅いものを用いても、実時間での圧縮が可能である
＠ この発明３二係る音声信号圧縮方式の有効性は。

音声信号の性質を考慮すれば明らかである・今、日本語
を例シーとると、単母音のみの音、（子音＋母音）の音
、および子音のみの音の３種類の昌によって構成されて
いる０これらのうち母音のみの音は°アイウニ第２の５
つ、子音のみの片は°ン″のみで、残りはすべて（子音
＋世情）の音である〇 母音と子音とでは性質が大きく異なり、まず母音はその
波形が音節の始めから終りまでほぼくり返し波形である
ということである◎つまり基本周波数成分の周期でほぼ
同一波形がくり返され１例えば２５０　Ｈｚで発生され
た母音の音は４ｍｓの周期を持っている。最密には基本
周波数も時間的３二少しずつ変化し、また音節の始めと
終りの部分は振幅が小さくなる性質がある・しかし例え
は２０　ｍｓ程度の短時間でみれはこれらはほぼ一足と
みなせる＠従って、この発明のようＣ二母音等の如くく
り返しか連続して検出されたときは、所定のくり返し回
数Ｎ＠、例えば４回毎（二その４回のくり返しの中での
音声信号の単位波形の１つを代表波形として扱っても。

再生音声の自然性はあまり損なわれない。

子音（二ついては、無声音であるか有声音であるか、ま
た閉錯音か摩擦音か鼻音か等６：よって、くり返しの有
無に関してもそれぞれ個有の性質がみられる。しかし、
この発明ではくり返しの検出だけを行なえばよく、例え
ばＬＰＣ方式で必らず必要な有声音／無声音の判別は必
要ない・即ち、子音部に関してはくり返しが検出された
ときのみ母音部と同様ζ：圧縮を行ない、検出されない
ときは波形のすべてを出力すること（二なるＯ 第１図≦二いくつかの代表的な（子音＋母音）の音の振
幅包絡線を示す・区かられかるように子音の継続時間は
種々異なる・しかし、音声の発声速度が変った場合のそ
の継続時間の変化は母音のそれほど大きくなく、音の押
類のみに応じた一定のに続時間を持つと考えることがで
き、またくり返しが検出されない子音の時間的割合は微
々たるものであるから、その区１ｈｊ圧縮が行なわれな
くとも、全体としての圧絹効ヰ（は十分である◎ セしてさら（；この発明ではピッチ周期６二相当する時
間長を前述した３つの酸価で判定して波形のくり返しが
検出されたかどうかを判断するため、くり返しが存在し
ないの（二もかかわらず誤って検出されたり、実際とは
異なるピッチ周期と判定されたりすることがなくなるの
で、このくり返し検出Ｃ二基く圧縮処理を正しく行なう
ことが可能となり、信頼性の同上を図ることができる・ 発明の実施例 第２肉はこの発明の一実施例を説明するための音声記録
再生装置の構成を示すものである・因において、入力端
子ｌに与えられる音声信号２はエンコーダ３（二導かれ
て符号化される。このイＪ号化方式は１’ＣＭ、ＤＰＣ
Ｍ、ＤＭ等どのようなものでもよい・音声４８号２は有
音区間か無音区間かを判別する打首／無音判別回路４に
も入力される・この判別回路４は例えばレベルセンサと
、このセンナ出力を適当なスレツンヨルドレドレベルで
レベル判定して１例えば有音区間の一方、エンコーダ８
の出力はピッチ検出Ｇ５と信号処理装置６に供給される
・ピッチ検出器５は音声信号２の波形のくり返しくピッ
チ情報）の有無を検出するもので、くり返しを検出する
毎にピッチ候補点検出パルスＶを発生する・このピッチ
検出器５は例えば公知の自己相関器等響二よっても実現
されるが、エンコーダ１がＤＭ方式の場合、より簡単６
；は第３図のように構成することもできる・ 纂３図において、入力端子３１１二はエンコーダＳから
の音声信号データが入力され、シフトレジスタ３２で直
並列変換される。シフトレジ　　　Ｊメタ３２の各段の
並列出力はラダー抵抗３１を介して加算ｔｆ、ｓａで加
算される・ここでシフトレジスタ３２の段数馨ｎ、シフ
トレジスタ１２Ｃユ与えられるクロック伯母ＵＫの周期
なτとすると、”Ｚの時間は音声信号の第１フオルマン
ト周期の１７２以下の適当な値（例えば０．５〜２　ｍ
５ｅｃ）に選ばれる・ラダー抵抗３３の抵抗値が等しい
とすれば、加算器３４の出力は音声信号波形の時間ｎ−
宅当りの平均傾斜を表わす・そこで、この加算器３４の
出力をコンパレータ３６で所定の基準レベルＶｒを越え
た点を検出すれば、ピッチ候補点検出パルスＦが得られ
る。

このピッチ検出器５からのピッチ候補点検出パル１丁は
、有音無音判別信号Ｖと共に、４８号処ｆ！ＪＩ装置６
へ圧縮のための制御信号として与えられる・信号処理装
置６はこの例ではマイクロコンピュータ６二より構成さ
れ、演算、制御を行なうマイクロプロセッサ７と、エン
コーダ３よりの符号化された音声信号データを一定のア
ルゴリズムで編集するためのプログラムを格納したｌ（
（ＪＭ８と、プログラム実行時Ｃ；必要となるデータの
一時格納用のＲＡＭ９と、各部へのクロック信号ＧＫを
発生するクロック発生器１０等を含んでいる。

信号処理装置１は有音／無音判別信号Ｖとピッチ候補点
検出パルスＰに応じてエンコーダ３よりの音声信号デー
タ（波形情報）をＲＡＭよりなるバッファメモリｉｔに
一時格納しては圧縮のための編集を行なってメモ９１Ｈ
に書込むという操作を逐次少しずつ行なう・ 次に、この実施例の動作を説明する・信号処理装置６で
の処理内容は、第４因、第５図中１−示すＡ、Ｂ、Ｃ，
Ｄの４区間（二よって場合分けされる。第４図は有音／
無音判別信号Ｖと、ピッチＭ補点ｍ出パルスをマイクロ
プロセラｆＦで３２の　値で補正して得たくり返し検出
点ｉの例を示し、第５因はＡ、Ｂ、ｃ、Ｄの各区間≦二
おいてメモリ１２＋：蓄積されるデータ内容を示してい
るｅ ｙが高レベルとなる無音区間であるＡ区間においては、
マイクロプロセッサ８は丁が低レベルとなる有音区間の
始点までの間クロック信号ＵＫ（エンコーダ１のサンプ
ルグロック）をカウントし、そのカクント値を無音区間
の時ｌ５ｔＩ技データＰＮとして、無音区間識別コード
Ｐと共ζ＝メモリ１２へ語込む。

一方、有音区間であるＢ、Ｃ，Ｄ区間のうちＢ区間は、
有音区間始点より最初≦二くり返しが検出された時点支
での主に子音部Ｃ二相当する区間−で、この区間ではマ
イクロプロセッサ？は有音区間始点から音声信号データ
をそのデータ長をカウントしながらバッファメモリＩＩ
へ先順番地より順次格納していき、Ｂ区間の終りの時点
でバッファメモリｌＪへ格納された音声信号データ（波
形情報）ＱＤと、カウントによって得られた時間長デー
タＱＮをくり返し非検出コードＱと共に主メモ９１２へ
書込む◎即ち、このＢ区間では圧縮は行なわれない。

次に、Ｃ区間はくり返しがほぼ一定周期で検出されてい
る区間で、主≦二母音部に相当する区間である・このＣ
区間では、マイクロプロセッサ２はくり返し検出点「を
カウントし、かっ「の時点での音声（ｉｉ号データの位
置を記録しながら、バッファメモリ１１へ音声信号デー
タを格納する◎この場Ａ、前のＣ区間の編集処理は既に
終っているため、パップアメモリｌｌは先順番地よりマ
ル番＝使用できる◎マイクロプロセッサ１はくり返し検
出点百をＮ個、この例では４個カウントすると、例えば
３個目から４個目までの間の音声信号データをその４回
のくり返しの中での単位波形の情報ＲＤとして、これと
その時間長データＲＮをくり返し検出コードＲ（これは
データが圧縮されていることを表わす）と共にメモリ１
２へ書込む・以下、くり返しがほぼ一定周期で検出され
ている間は、Ｃ区間として同様の処理がくり返し行なわ
れる。こうして、Ｃ区間においては音声信号データが１
／ＩＬＪ（−の例では１／４）（二圧縮されてメモリ１
２に蓄積される。

最後（二り区間は、くり返しがＮ＝４回検小検出る前（
二無音区間じなってしまったときである。

このＤ区間での処理としては、例えば初期のうちはＣ区
間と同様にバッファメモリ／Ｊ（二會声４８号データを
格納しつつ、無音区間ζ二なった時点でバッファメモ９
ｔｉに格納されていた音声イ＝号データと、その時間長
データをくり返し非検出コードをＢ区間と同様にメモリ
１２へ書込む＠従って、このＤ区間では圧縮は行なわれ
ない・ なお、Ｄ区間での処理の他の形式として、その前のＣ区
間が時間的に長くて母音情報が十分メモ９ｚ２に蓄積さ
れている場合は、このＤ区間を次の無音区間の一部とみ
なして処理してもよい・このようにすると、自然性（＝
多少の劣化はきたしても明瞭性は十分確保されるので、
圧縮率をより下げる上では有効である〇 こうしてメモリ１２に蓄積されたデータは、適宜続出さ
れ、デコーダ１３によって第５図に示した各データに従
い音声信号１４として再生される。

次に、マイクロプロセッサ２におけるくり返し検出アル
ゴリズムを説明す、、る・第６図（ａｌは音声イー号の
周期性のある部分の波形例を示すもので、Ｐｌ、Ｐ、・
・・はくり返しのピーク点である◎また。第６図（ｂ）
はこのときのピッチ検出器５がらのピッチ候補点検出パ
ルスＰの例、　（Ｃ）はこのパル７１間の時間長を判定
するための３つの値Ｔｌ　　＃　Ｔｌ＃　Ｔｌ　　ｅ　
（ｄ）はこの判定によって得られたくり返し検出点「を
示している・第７図はくり返し検出アルゴリズムを示す
フローチャートであり、入ロア１４二はピップ候補点か
ら次のピッチ候補点までの時間長Ｔを計測する時間長カ
ウンタの出力が与えられる。この時間長Ｔは判定ステッ
プ７ｚでピッチ周期の下限に相当する第１の勲値Ｔｓよ
り小さいかどうかが判定される□この判定ステップｒ１
は第６図（ａ）のＰ；１のような本来のピップとは異な
る点が第６図（ｂ）の６ノのようにピッチ候補点として
検出され、これがくり返し検出点として誤って検出され
る（これをアディション・エラーという）ことを防ぐた
めのものであって、Ｔ、の偵は平均ピッチ周期をＴｏと
して０．４〜０．８倍の範囲内１例えは０．７　’ｌ’
・程良が適当である。この判定ステップ７２でＴ（Ｔ、
と判だされると、叩ち例えば＠６囚（ｂ）のピッチ候補
点６１に遭遇すると、これを無視して出口２９に移行し
、時間Ｔの計測を続行する・一方、Ｔ≧Ｔ１と判定され
ると処理７３で時間長カウンタをリセットした後、さら
（−判定ステップ７４でピッチ周期の上限に相当する第
２の闇値Ｔ、以下かどうかが判定される。Ｔ、は１．２
ＴＯ〜１．８ＴＯ，例えは１．５ＴＯ程度が適当である
・この結果、Ｔ≦Ｔ、と判定されると処理７５でその時
間長Ｔは本来のピッチ周期で、波形のくり返しが検出さ
れたと判断し、そのときのピッチ候補点。

例えば第６図（ｂ）の６２０位慰馨記憶し、第６図（ｄ
）のようにくり返し経出点ｉとする◎即も、これは粥４
図のＣ区間が検出されたことに相当し。

削赴の如く圧縮処理が行なわれる。一方、Ｔ）Ｔ、の場
合はさらに次の判ずステップ７６で時１１１ｊ長Ｔが第
３の開鎖Ｔ、より大きいかどうかが判定される・この判
定ステップ２６は例えは第６因（ａ）のピーク点Ｐ、の
よう６ニレベルが小さいため（ｂ）の６３の如くピッチ
候補点が検出されない。いわゆるオミットエラーに対処
するためのも占−で、Ｔ、の値は２．２Ｔ＠〜２．６　
Ｔ　（Ｉの帷囲内１例えば２．５　’ｌ’・程度に選ば
れる◎この場合。

Ｔ≦Ｔ、のときは例えばピーク点Ｐ、が検出されなかっ
たとして、処理１１（；おいて第６１Ｎ（ｂｌの６ｊＣ
４目当するピッチ゛候補点を前後のピッチ候補点Ｐ、、
Ｐ、かう推足して補間した後、処（ 理７５に移行する。また、Ｔ）Ｔ、のときは処理２８に
移行する。この処理では波形のくり返しが検出されたか
ったと判定して１例えば波形の平均レベル等から必要な
部分かどうかを判定　　　′し、必要なり分ならばエン
コーダ３からのデータをそのまま出力し、不必要ならば
例えばノイズとみなして、その間を無言区間として処理
する。

ところで、前記の平均周期Ｔ−は例えは女性で２．５〜
５　ｍｓ　、男性で４〜ｌ　Ｑｍｓというよう一二性別
１個人、あるいは発声方法等により大きく綾化するので
、これをいか５二定めるかが重要であるが、これには次
のような方法が有効である・第ｌは典型的な数種のＴ、
の値をメモリテーブル≦二予め用意しておき、それをセ
レクトスイッチで選択するか、ディジタルスイッチでＴ
、の値を人力する方法であるｏ第２は事前にチェックモ
ードとしてピッチが検出され易い単母酋等の波形を用・
いてＴ・を登録してから、くり返し検出馨行なう方法で
ある。この弗２の方法を実現するアルコ”リズムの具体
例を第８図のフローチャー）により説明する・ 第８肉において、入口８１．出口８８は第７図の７１．
７９と同様である０即ち、入口８１（二はピッチ候補点
間の時間長Ｔのデータが入力され、まず判定ステップ８
２でＴ　＜　２．５　ｍｓかどうかが判定されるｏ　Ｔ
（２，５ｍｓの場合は出口８Ｂへ行き、Ｔａ２．５　ｍ
ｓの場合はさらに判定ステップ８３で”　＞　１０ｍｓ
の場合はやはり出口８８≦二行く。ここでＴ≦ｌＱｍｓ
の場合、即ち２．５ｍｓ≦Ｔ≦１０ｍ１の場合は、処理
・′：８４で時間長カウンタがリセットされると共Ｃ二
、処理８５で上記軸囲内の時間長Ｔの総和ΣＴがとられ
、さら（＝処理８６でピッチ候補点の数Ｑがカウントさ
れる。そして、入口ｓ　ｔ　Ｉ＝大入力なくなるか、Ｑ
のが求められることになる。

このようＩ：、この発明では音声信号の有音区間のうち
の時間的に大部分を占める母音部等のくり返しが良好に
検出される部分は１／Ｎ−二圧縮し、くり返しが検出さ
れない子音部は音声信号の波形情報をそのまま出力する
ため、再生音声の明瞭度等の劣化の少ない効率的な圧縮
が可能となる・これによって、実施例の如き音声記録再
生装置にこの発明を適用した場合、メモリの各員を効率
よく使用でき、コスト面で極めて有利となる・ そして特Ｃ二、この発明ではくり返しかアデイション・
エラーやオミット・エラーを生じることなく正しく検出
：されるため、適鑵な圧絹処理か可能となり、再生音声
品實のより一層の同上を図ることができる◎ なお、第２因の実施例ではピッチ候補点の検出と、有音
区間と無音区間の判別を八−ドウエアによって実現した
が、マイクロプロセラｆ２を含む＜Ｓ号処理装置（ニソ
フトウェアによってその機能を持たせてもよい口その場
合、前記実施例の如く実時間処理が可能かどうかが間細
となるが１例えば無音区間は主にその時間長のカウント
のみが必要であって、処理時間としては十分かつ余りあ
る区間であり、しかも音声信号の中で無音区間が占める
時間的割合は大きいことを考慮すれば、問題ない・即ち
１例えば連続する有音区間と無音区間を１プロツグと考
えると。

処理速度の遅いマイクロプロセッサを用いてくり返しの
検出と有音／無音区間の判別をソフトウェアで実行し、
かつ圧縮処理馨行なう場合、有音区間では実時間処理が
不可能でも、その不可能な分を無音区間で補なうことに
よって、１ブロツク内では実時間処理が可能となる・こ
の発明は１日本語のみならず外国語の音声４５１号に対
しても有効であることはいうまでもないＯ

【図面の簡単な説明】

第１図は子音＋母音の音声の回路線、波形を示す図、第
２図はこの発明の一実施例の構成図、第３図は同実施例
３；おけるピッチ検出器の構成例を示すｌ／、１！４図
は同実施例の動作を説明するためのタイムチャート、第
５図は同実施例Ｃ−おいて編集されメモリに蓄積される
データの構成を示す図、第６因および第７図は同実施例
≦；おけるくり返し検出アルゴリズムを説明するための
タイムチャートおよびフローチャート、第８因は平均ピ
ッチ周期自動算出のためのアルコ、リズムを説明するた
めのフローチャートであるート・・音声信号入力端子、
Ｓ・・・エンコーダ、４・・・有音／無音判別回路、Ｓ
・・・ピッチ検出器、６・・・信号処理装置、１・・・
マイクロプロセッサ、１１・・・バッファメモリ、１２
・・・メモリ、１３・・・デコーダ、３２・・・シフト
レジスタ、３３・・・加算器、３４…コンパレータ◎ 出願人代理人　弁理士　鈴　江　武　彦第４（！Ｉ 第５図　　Ｉ 第６！Ｉｌ

Claims (1)

1. 【特許請求の範囲】 （１）　　音声信号の有音区間のうち波形のくり返しが
   検出された区間は所定のくり返し回数Ｎ毎にそのＮ回の
   くり返しの中での１つの単位波形を抽出して出力し、く
   り返しが検出されない区間は音声信号波形をそのまま出
   力して音声信号を圧縮する方式Ｃ二おい【、音声信号の
   ピッチ候補点を検出して、各ピッチ候補点から次のピッ
   チ候補点までの時間長を計測し、この時間長を平均ピッ
   チ周期の０．４〜０．８倍、１．２〜１．８倍および２
   ．２〜２．６倍の値をそれぞれ持つ第１゜第２および第
   ３の闇値Ｃ＝より判定し、その時間長が第１の闇値未満
   のときは削記次のピッチ候補点を無視して時間長の計測
   を続行し、第１の１９値以上かつ第２の闇値以下のとき
   は波形のくり返しが検出されたと判断し、第２の闇値を
   越え第３の闇値以下のときはピッチ候補点を補間して波
   形のくり返しが２回検出されたと判断し、第３の閾値を
   越えたときは波形のくり返しが検出されなかったと判断
   することを特徴とする音声信号圧縮方式・ （２平均ピッチ周期の値は任意（二設定可能である特許
   請求の範囲第１項記載の音声信号圧縮方式。 （３）平均ピッチ周期の値は各ピッチ候補点から次のピ
   ッチ候補点までの時間長のうち所定範囲内の時間長の平
   均値である特許請求の範囲第１項記載の音声信号圧縮方
   式。