JPS5817497A - 音声ピッチ検出装置 - 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】 この発明線、音声信号波形のピッチを検出する装置に関
する。

音声信号波形を低−情報密度で記録、再生し九シ、伝送
した〕する際に必要な処理の一つとして、有声音での♂
ツチ検出がある・こ９ビッチ検出の方法として、例えば
ＬＰＣ（線型予測）方式の音声分析合成システムでは、
一般に１０段程度の白色化フィルタでスペクトル包絡等
の他の必要な音声ａ４ラメータを抽出し死後の残差信号
をローＩ譬スフィルタを通し死後自己相関をとシ、また
移動平均処理等をしてピッチ情報を得る方法がとられて
いるが、その計算量は膨大であシ、ハードウェアも大規
模なものとなっている。またＬＰＣ方式の音声分析合成
システムでは、分析時のピッチ検出エラーが再生音声の
品質を損なう要因の一つとなっているが、その工２−訂
正が手作業で行なわれているため、分析コストが非常に
高くなっている。

これに対し、デルタ変ＩＭＩ（適応型デルタ変調も含む
、以下同じ）方式により音声信号波形を記録・再生した
〕伝送するシステムは、情報密度は１６　Ｋｂ　〜３２
　Ｋｂ／ｓ＠ａとさほど低くないが、そのハードウェア
の簡単さと実時間性の点でＬＰＣ方式より有利である。

発明者らはこのようなデルタ変調方式の記録再生あるい
は伝送システムにおいて、音声信号波形のうち有声音部
のく夛返し波形を実時間で例えば４波毎に１波で代表し
て記録あるいは伝送することによって情報密度の低減を
図ることを検討している。その場合、有声音部のくり返
しの有無を検出する操作がピッチ検出であるが、このピ
ッチ検出にＬＰＣ方式におけると同様な方法を用いたの
では構成上非常に無駄があるので、簡単な構成によ〕ピ
ッチ検出を行なうことが要求されてくる。

この発明は上記の点に鑑みてなされたもので、その目的
は簡単な構成によって音声信号波形のピッチを正確に検
出することがで龜る音声ビ。

チ検出装置を提供することＫある。

この発明では、音声信号波形の所定時間当シの平均傾斜
を逐次検出し、その傾斜が一定値を越えた期間に対応す
るノ譬ルスを得る。そして、この／４ルスの前縁を検出
して比較的細い／譬ルスを得、さらにこのパルスのうち
前回のパルスよシ一定時間以上経過した後のノ々ルスの
みを抽出して、音声信号波形のピッチに相当する間隔の
ノ譬ルス列を得る。

この発明によれば、ＬＰＣ方式におけるピッチ検出に比
べ著しく簡単な構成によって音声のビ、チを検出するこ
とかで睡るばかりでなく、検出−シを非常に少なくでき
る。

以下、この発明の実施例を図面を参照して説明する。

第１図は仁の発明の一実施例を示したものである０図に
おいて、入力端子１に入力される音声信号は入力フィル
タ２を介してデルタ変調方式のエンコーダ３に加えられ
、クロ、り発振器４からのクロック信号に同期した符号
化データとなる。そして、この符号化データが音声ピ。

チ検出部５に入力される。この音声ピッチ検出部５は次
のように構成されている。

エンコーダ３の出力データは、ピッチ検出部５内のシフ
トレジスタ１ノに、クロック発蚤器４からのクロ、り信
号に従いシリアル、に逐次入力される。シフトレジスタ
１１の各段の内容は並列に出力され、各々ラダー抵抗１
２を介して加算器１３で加算される。

第２図は音声信号の有声曾部の典型的な波形例を示した
もので、Ｔ・はピッチ周期％Ｔｌは第１７オルマントの
周期を表わす。ここでシフトレジスタ１１の段数をＮ１
クロック信号の周期をτとすると、τ・Ｎ；Ｔの時間は
第２図のように第１フオルマントの周期Ｔ！の半分以下
の適当な値に設定される・この時間Ｔの最適値は発声者
の性別等によって異なるが、０．５〜２ｍｓ＠ｅ　４１
度の範囲内である。シフトレジスタ１１の各段の入力を
ラダー抵抗１２を介して加＠器１３で加算することは、
ラダー抵抗１ｚの値かはぼ等しい、つまシフトレジスタ
１１の各段の出力が＃１は同一ウェイトで加算されると
すれば、入力音声信号波形のでなる単位時間尚シの平均
傾斜を検出することに相当する。

例えば、入力端子１への音声信号波形を第３図（ａ）と
すると、エンコーダ３にお匹て伽）のクロ、り信号で符
号化したデータは（＠）とな、り、そのときの加算器１
８の出力波形は（ｄ）のように示される、すなわち、シ
フトレジスタ１１は１つデータが入るとＮピ、ト前のデ
ータを１つ出し、加算器１３はシフトレジスタ１１　内
ＯＮ　ｋ’　ｙ　）のデータの＠１”と＠０”との差に
応じ九出方を出すので、加算器１ｓの出方は、シフトレ
ジスタ１１が＠ｌ”が入り九とき＠１ｍを出せば不変で
＠Ｏ＃を出せば１ステ、／上昇し、逆にシフトレジスタ
１１が＠０”が入り九ときは不変かまたは１ステ、！減
少することになる。

加算器Ｊ３の出力はコンパレータｉ１４に人力され、第
３図（ｄ）中にｖｔｈで示す一定レベルと比較される。

この結果、コンパレータ１４の出力には、第３図（・）
に示すように加算器１３の出力がｖｔｈを越えた期間、
換百すれば入力音声信号波形の単位時間Ｔ当プの平均傾
斜が一定値を越え九期間に対応する／ｆルスが得られる
。

コンパレータ１４の出力は、第１の単安定マルｆ　ｔ４
イｆＶ−夕１５１１Ｃ加え・・られる。このマルチバイ
ブレータ１５は第３図（・）に示すコンパレータ１４の
出カッ譬ルスの立上シ、つまり前縁で発生する。この第
１の単安定マルチ・櫂イブレータ１５の出力は、ＡＮＤ
）ｌ’−）Ｊ７の一方の入力端に直接加えられるととも
に、第２の単安定マルチノ母イブレータ１６に加えられ
る。第２の単安定マルチバイブレータ１６は第１の単安
定マルチバイブレータ１５よ〕十分長い時定数（例えば
２．５〜ｌ０ｍ５＊ｅ）を持ち、第３図（ｆ）に示す第
１の単安定マルチバイブレータＪ５の出力Ｊ４ルスの立
下〕、つまり後縁でトリガされて同図（ｘ）に示すよう
な（ｆ）の・ぐルスよ〕十分広い・譬ルス幅のノ々ルス
を反転出力として発生する。そして、第２の単安定マル
チバイブレータ１６の出力がＡＮＤ　？　−トＪ　Ｆの
他方の入力端に加えられる。

従って、ＡＮＤｒ　−トＪ　７の出力には第３ｌ−）に
示すように、（ｆ）のパルスＰＩ、Ｐ、のうちＰｌに相
当する／譬ルスのみが出力される。

すなわち、有声音は駆動源がインパルス的であり、この
インパルス的ステム蓋、口唇で形成される音響管を通し
て放射するメカニズムなので、その波形は第２図に示し
たように励振点から減衰する形になるが、第１の単安定
マルチノ４イブレータ１４の出力でみると第３図に示す
ように入力音声信号波形の有声音部の第２の山でもぎ、
チが誤って検出されてしまうことがある。

これをａｄｄ口ｉｏｎ　＠ｒｒｏｒという。そこで、こ
の発明では第１の単安定マルチノ肴イブレータ１５の出
力／譬ルスのうち、前回の／４ルスよ）第２の単安定マ
ルチノ々イブレータ１６の出力パルスノ幅に相当する一
定時間以内にあるノ譬ルスはにΦゲート１１で禁止して
、この一定時間以上経過し死後のノ９ルスのみを出力す
る。この結果、駒ｆ−ドアＦの出力には入力音声信号波
形のビ。

チ周期に相当する間隔のノ臂ルス列が得られることにな
る。

以上のような構成によれば、音声信号波形のピッチを良
好に検出することができる。−例を挙げると、クロ、り
信号周波数１／τを１６　ｋＨｚ、シフトレジスタ１１
の段数Ｎを１２、つま９Ｔ　＝　０．７５　ｍｍ＠ｅと
し、コンパレータ１４のスレ、シ曹ルドレベルＶｔｈを
、シフトレジスタ１１内の１２ピツトのデータのうち８
ビット以上が＠１”のときコンパレータ１４の出力が反
転するように設定して、入力端子１に女性が ｒＯＹＡ８ＵＭＩ　Ｎｏ　ＪＩＫＡＮ　Ｊと発声したと
きの約１秒間の音声信号を入力して実際にピッチを検出
したとζろ、語尾の弱音部を除い友実際の波数２４４ビ
、チのうち、最小３　ｍ５ｅｃ　、最大４．２ｍｌ＠＠
　、平均３．３ｍｓ＠ａで３つのオミットエラーがあっ
ただけで、実に９８．７５９１と−う高い正答率が得ら
れた。しかも、とのオミ、トエラーの生じ九位置も低レ
ベルの音韻と音韻との間の無音とみなしても音質に差の
ない部分であった。

以上のように、この発明によれば音声のピッチを少ない
ｌｌｌ１シ率で正確に検出できる。を九、多段の白色フ
ィルタで他の音声・譬うメータを抽出した後の残差信号
からピッチ検出を行なう従来のＬＰＣ方式におけるピッ
チ検出手段と比べて、ハードウェアが著しく簡単で済み
、この点でデルタ変調方式の音声記録再生システム等に
極めて適している。

ま九、第１図の実施例によれば音声信号波形のピッチ検
出をエンコーダ３の出力データから行なっているので、
回路を全てディジタル回路で構成でき、ＩＣ化に適して
いる。なお、ピッチ検出部での処理は、マイクロコンビ
為−夕で実行することも可能である・ 次に１この発明の応用例を第４図、第５図を参照して説
明する。第４図は音声配録装置における自動波形圧縮装
置にこの発明を適用し九例でり夛、第１図と共通の部分
には同一符号を付しである。また、第５図は第４図の各
部の波形図である。ピッチ検出部５からは第５図（１）
に示すような音声信号波形のピッチ周期に和尚した間隔
のノ譬ルス列が得られるが、このパルス列はとすれば２
段のノ櫂イナリカウンタで構成され、ピッチ検出部５か
ら４個・ダルス入力が与えられる毎に、次の１個のΔル
ス入力が与えられるまでの１ピ、チ期間だけＡＮＤｒ−
）４５よプ第５図（ｂ）の？−）信号を発生せしめる。

ＡＮＤ　？　−）４４はＡＮＤｒ−）４３よりのｒ−）
信号で指定された期間に対応するエンコーダ３からの１
ピッチ分のデータを第５図（ｅ）の如く取出して、メモ
リシステム４５へ供給する。こうして有声音部の波形に
りいては、連続するＮビ、チのうちの１ビ、テの波形だ
けがメモリシステム４ｓに蓄積されることになる。すな
わち、有声音部の波形は１／ＩＩＪに圧縮されて蓄積さ
れる。

一方、無声音部や語尾等の、ピッチ検出部５でピッチを
検出できない部分の波形は、二ンコー〆３の出力データ
がＡＮＤＩ−）４９を通してそのｔｔメモリシステム４
５に蓄積される。この操作は、レベル検出部４６で音声
信号のレベルを検出して第５図（ｄ）に示す有声−無声
判別信号を得るとともに、インターバルカウンタ４Ｊで
ピッチ検出部５の出力Ｉ譬ルスの間隔を針側しそれが所
定の範凹内に入うているかどうかをウィンドウコンミ４
レータ４１でチェ、りして第５図（・）に示すオ建、ト
信号を得、ＡＮＤｐ　−）　４　ｇ７”第５図（ｆ）に
示す（ｄ）と（・）との一致信号を検出し、この信号（
ｆ）でＭＤｆ−ト４ｊをコントロールすることによって
実現てきる。

このような構成で、７前述と同様の女性のｒＯＹＡ８Ｕ
ＭＩ　Ｎｏ　ＪＩＫＡＮ　Ｊ　トイ５音声信号ａＣｔ／
モリシステム４ｓに蓄積したところ、エンコーダ３の出
力データを圧縮せずそのｔま蓄積し九部命は全体の約３
１ｓで、平均的な情報密度は約４　Ｋｂ／ｓ＠・にも低
減した。また、この場合第１゜トされる部分は有声音部
のレベルが大きくて一定しているとζろを除く語頭また
は音韻間に限られる傾向があるので、とのオミ、トエラ
ーの情報は音韻のセグメンテーシ四ンにも有効と見られ
る。

【図面の簡単な説明】

第１図社この発明の一実施例に係る音声♂ツチ検出装置
の構成を示す図、第２図は音声信号の有声音部の典型的
々波形例を示す図、第３図は第１図の動作を説明する丸
めの各部の波形図、・第４図はこの発明の応用例を示す
図、第５図は第４図の動作を説明するための各部の波形
図である。 １・・・音声信号入力端子、２・・・入力フィルタ、３
・・・エンコーダ、４・・・クロック発振器、５・・・
ピッチ検出部、１１・・・シフトレジスタ、１２・・−
ラメ−抵抗、１３・・・加算器、１４・・・コンミ４レ
ータ、１５．１６−・・単安定マルチバイブレータ、１
１・・−ＡＮＤＩ”−ト、４１・・・Ｎ進カウンタ、４
２・・・インターバルカウンタ、４５−・・メモリシス
テム、４Ｃ・・・レベル検［Ｌａｒ−・・ウィンドウコ
ン／臂レータ。

Claims (5)

【特許請求の範囲】
1. （１）音声信号波形の所定時間尚シの平均傾斜を逐次検
   出する第１の手段と、この第１の手段によシ検出された
   平均傾斜が一定値を越えた期間を検出してその期間に対
   応したＩ譬ルスを発生する第２の手段と、この第２の手
   段の出カッ譬ルスの前縁を検出してパルスを発生する第
   ３の手段と、この第３の手段の出力／４ルスのうち前回
   の一臂ルスよシ一定時間以上経過した後のノクルスのみ
   を抽出して前記音声信号波形のピッチ周期に和尚する間
   隔のノ々ルス列を得る第４の手段とを備えるヒとを特徴
   とする音声ピッチ検出装置。
2. （２）　　第１の手段は音声信号波形をデルタ変調によ
   シ符号化したデータ列を一定時間長さ分だけ蓄積するシ
   フトレジスタと、このシフトレジスタの各段の出力を加
   算する加算器とから構成されるものである特許請求の範
   囲第１項記載の音声ピッチ検出装置。
3. （３）［２の手段はコンノナレータである特許請求の範
   囲第１項記載の音声ピッチ検出装置。
4. （４）　　第３の手段は単安定マルチパイデレー！であ
   る特許請求の範囲第１項記載の音声ピッチ検出装置。
5. （５）　　第４の手段は第３の手段の出力パルスの後縁
   でトリガされて第３の手段の出力／４ルスより十分広い
   Ｉ帝ルス幅のパルスを発生する単安定マルチバイブレー
   タおよびこの単安定マルチバイブレータの出力と第３の
   手段の出力Ｉ４ルスとの一致を検出する？−）回路とか
   ら構成されるものである特許請求の範囲第１項記載の音
   声ピッチ検出装置。