JPS58194099A - 音声分析システム - 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】 本発明は入力アナログ音声信号をディジタル音声信号に
変換する変換手段と；前記ディジタル音声信号のセグメ
ンｉ〜を蓄積する蓄積手段ど；各セグメントを順次のス
ペクトル成分に転換する転換手段にあって、離散的フー
リエ変換を行なう手段を貝え、これにより各々が順次の
スペクトル成分から成る一連の振幅スペク１−ルを発生
させる転換手段：どを具えている音声分析システムに関
するものである。

Ａ（２）従来技術の説明 断種の音声分析システムは従来のボ：１−ダから一般に
既知である。例えば’ＩＥＥＥ １−ｒａｎｓａｃｔｉｏｎｓ　　ｏｎ　　Ａｃｏｕｓｔ
ｉｃｓ、　５ｐｅｅｃｌ＋ａｎｄ　　３　ｉｇｎａｌ　
　ｐ　ｒｏｃｅｓｓｉｎｇ　”　　（Ｖ（１１。

ＡＳＳＰ、Ｎｏ、７．１９７８年８月、第３５８へ・３
６５頁）を参照することができ、ここに記載されている
従来のシステムでは振幅スペクトルを高調３− 汲ビツブ検出器に供給して、各振幅スペクトルの包１ｇ
（Ｉ形）のピーク値間における周波数離間距離からピッ
チ周期を検出するようにしている。

元来ピッチ検出器は、有声−無声（発声−無発声）（Ｖ
／ＬＪ）の判定をすると共に、有声音の期間中にｄシ番
プるピッチ周期の大きさを出ノＪさせる装置であるど云
われている。しかし、ピッチ検出アルゴリズムによって
は、音声の発生セグメントの期間中にお【ノるピッチ周
期だけを求めて、有声−無声の判定は別の方法で行なう
ようにしたものもある。このことについては’ｒＦＥＦ Ｊｒａｎｓａｃｔｉｏｎｓ　　ｏｎ　　Ａｃｏｕｓｔｉ
ｃｓ、　５ｐｅｅｃｌ＋ａｎｄ　　Ｓ　ｉｇｎａｌ　　
Ｐ　ｒｏｃｅｓｓｉｎｇ”　（Ｖ　ｏｆ。

、△５ＳＰ−２４．Ｎｏ　、５．１９７６年１０月第３
９９〜４１８頁）を参照することができる。

上記最後に述べた文献には、自己相関関数や、零交さ旧
教や、１〜レーニングセットを用いてのパターン認識技
法に基ずいたり、または幾つかのピッチ検出器間での一
致の度合に基ずく数種の有声無声検出アルゴリズムが記
載されている。これ４　− らの検出アルゴリズム１１音声信号、実際には全音声帯
域における時間範囲または周波数範囲のデータを入力ど
して用い、これに対し、ピッチ周期の検出には低域通過
フィルタにてろ彼した音声信号のデータを一般に用いて
いる。

Ｂ１発明の概要 本発明の目的は前述した音声分析システムにて、ピッチ
周期を検出Ｊるために入力として一般に用いられるのと
同じスペク１〜ルデータ、即ら低域通過フィルタにてろ
波した音声信号、特に約２００〜８００１１ｚの周波数
範囲内の音声信号のデータを入力として用いる有声−無
声検出方法を提供す′ることにある。

本発明は入力アナログ音声信号をディジタル音声信号に
変換する変換手段と；前記ディジタル音川信号のセグメ
ントを蓄積する蓄積手段と；各セグメントを順次のスペ
クトル成分に転換する転換手段にあって、朗散的フーリ
エ変換を行なう手段を具え、これにより各々が順次のス
ペクトル成分から成る一連の振幅スペクトルを発生さゼ
る転換手段；とを只えている音声分析システムに、有声
音の周期を指示ずべくセットシ得ると共に、無声音また
は音声の不在周期を指示Ｊべくりけットし得る双安定指
示器Ａ３よび：各セグメン１〜（番号１）に対し、約２
００・−８００１１７，の低周波数帯域にお【ノる該セ
グメントに関連する振幅スペクｉ〜ルのスペクトル強度
の内のピーク値（Ｍ（１））を決定する上程と；前記指
示器がセラ１へされる場合に、各セグメン１〜および多
数の以前のレグメン１−に対して、ｎ＝１．Ｉ−１、・
−Ｉ＋１−ｍｒ、ＩｌｌをセグメントＩとｌ　＋ｌ　−
ｍどの間では指示器の状態に変化がないにうな値として
、ピーク値Ｍ（ｎ）の最大１＋Ｉ’ｊ　（ＶＭ　（１）
　）を決定する■程ど：各はグメン１〜に対して、前記
指示器がゼットされる場合に、適応しきい値Δ１（Ｉ）
を最大値ＶＭ（１）の何分の１かに等しくセラ１〜する
ことにＪ、って、および前記指示器がリセットされる場
合に、ＡＴ（ｒ）をＡ　Ｔ　（１−１）の何分の１かに
等しくセットすることににっで適応しぎい値（ＡＴ（ｒ
））を決定づるＴ程と；ｋを予定数とする場合に、ｎ　
＝　ｌ　。

１−１　、　・Ｉ　＋１−にのビーク（直Ｍ（ｒ＋）が
、ｎの増分値に対して所定ファクター以上のファクター
で単調に増加し、かっＭ（１）が適応しぎい値ＡＴ（１
−１）双子となる場合に双安定指示器をゼッ１〜する工
程ど：ピーク値Ｍ（１）が最大値ＶＭ（［１）の所定数
分の１より小さくなるが、または予定したしきい値より
も小さくイＴる場合に双安定指示器をリセットする工程
；とを含む処理を実施すべくプログラムしたプログラマ
ブルの割算手段を設【プたことを特徴とする。

１１１ｉかる方法によれば、最新のものを含む順次のピ
ーク値（これはスペクトル強度とも称づる）が所定のフ
ァクター（実際にはこのファクターを３とづることがで
きる）双子のファクターで単調に増加する場合で、しか
も最新のスペクトル強度が所定の適応（アダプティブ）
しきい値以上となる場合に、有声−無声の判定が成され
る。言詔における発声音の始めには前述したスペクトル
強度の増加が殆ど常に伴なわれる。しかし、無声促音で
も帯域制限されているにも拘わらず、同様な強い７− スペク１〜ル強度の増加を呈することが時々ある。

実際ト、無声促音の内のいくつかのものは、それらの殆
どづべてのエネルギーが８００１１ｚ以上の帯域に位置
するため有効に除外されるが、２００−・８００臣の帯
域内にある他の無声促音は有効なスペクトル強度増分を
呈する。適応しきい値は無声促音ど発声音の到来（ｏｎ
ｓＯｔ　＞によるスペクトル強度の増分値の区別をづる
。そのしきい値は最初は以前の発声音の最大スペクトル
強度に比例させるため、粗い音声レベルに順することに
なる。無声音では適応しぎい値が大きな時定数で減衰す
るようにする。この時定数は適当に選定して、よどみの
ない話し方の２つの発声音間では適応しきい値が殆ど一
定となり、中間の無声促音が発声音として検出されない
ようにする必要がある−６しかし、個々の言葉が終った
後に（ま、適応しきい値が十分に減衰し−Ｃ１つぎの低
レベルの発声音を検出し得るようにする必要がある。こ
の場合、時定数が大き過ぎるどしぎい値にＪ：って発牛
到来音が誤って除外されてしまうことになる。代表的に
は１１４定数＝８− の値を数秒程度とづるのが好適である。

有声−無声の転換部は成るしきい値によって規定され、
イの大きさは最新発声音におりる最大スペクトル強度を
所定数で割った値とする。スペク１〜ル強度がこのしき
い値よりも小さくなると自ちに有声−無声の転換部が決
定される。

セーフガードどして大ぎな一定のしきい値を用いる。ス
ペクｉ・ル強度がこのしきい値以上となる場合、そのセ
グメンＩ〜は発声音どして直接識別される。このしぎい
値の値はスペク１〜ル強度がとり得る最大強度に関する
ものであり、実際には最大スペクトル強度の１０％とす
ることができる。

さらに、低レベルの予定したしぎい伯も用いる。

スペクトル強度がこのしきい値を越さないセグメン１〜
は無声音どして直接識別される。この低レベルしきい値
の値はスペクトル強度かとり得る最大強度に関連し、実
際にはその値を最大スペクトル強度の０．４％とするこ
とができる。

タイプの異なる種々のボコーダにＪＰＮノる順次のセグ
メン］へ間の時間遅れは通常１０　Ｉｌｌ　Ｓと３０ｍ
５との範回内の（「１である。僅゛実な判定をするだめ
のｈ声−無声検出器で観測Ｊへき最小時間間隔は４０〜
５０　ｍ　ｓと一すペきＣ・ある。最小時間遅れはｉｏ
ｍｓどする必要があることからして、あらゆる実際のケ
ースを網ｉｌｌ”ｌるには６個（ｋ　＝６）の順次のレ
グメン１〜を観測覆れば充分である。

Ω一実施例の説明 双手図面に−）き本発明を説明り−る。

第１図に流れ図を６って示１本発明ＩＬよる８−再分析
システムでは、リーンシリング速度が８ＫＩｌｚで、精
度が１２ピツｉ〜／ｌｊンプルのブロック１１に−（示
づアナ［］グーディジタル変換演幹部に対Ｊる入力とし
て１０にて示′？ｌ’　ｆ１７ｉｌ　ｉすｉ　ＩＪアノ
−ログ形態の音声信号を供給りる。ライン１２に現４つ
れるテ゛イシタル４ノ′ンプルをブロック１３にて表わ
すレグメン［ヘバツファ演Ｃ＋部に供給しｌ、２ｊ）６
個のリンプルに相当づ−る３２ｍｂのディジタル化した
音声のセグメントを蓄積する。。

本例（パはディジタル化した完全／、ｒ音声音声メグメ
ンが１０１１１　Ｓのインターバルでライン１４に現わ
れる。

１０　Ｉｌｌ　Ｓの各周期中に８０個の新規のリンプル
がブロック１３の演算部によってＡ槓され、８０個の最
古１ノンプルは放棄される。１丁記インターバルは１（
１ｍｓ以外の舶とすることができ、例えばボコーダにこ
のシスサムを用いるように約１０ｍｓ−３０ｍｓの範囲
内の飴と１−ることができる３゜ ついＣ゛、成るレグメン１〜の２５６個のリーンプルを
ブ［１ツク１５にて表わ？Ｉ演痺部によるハミング窓に
よって逓倍ツる。ライン１６に現われる窓掛番プしＩこ
リンプルをつぎにブ１］ツク１７にて表わす個所に−Ｃ
ＩｉＩ１１敗的にフーリ］変換し、ここで各離散的スペ
クトル成分の絶対値をぞの実部および虚数部から求める
１゜ ライン１８には１０　ｍ　ｓ　ｆＩｉに　１２８個のス
ペクトル強度（絶対値で）が順次用われ、これらのスペ
ク）〜ル成分をブ［１ツク１９に供給し、ここでは約２
００−。

８００　ｔｌｚの周波数範囲内にお（Ｊるスペクトル強
度のビーク仙を測定り−る。第１番目のレグメン１−に
対するビーク伯をＭ（＋）にて示し、このピーク伯のこ
とを上記周波数範囲における音声レグメン１〜−１１− のスペクｌ−ル強度とも称する１゜ つぎに１０ｍ５のインターバルでライン２０に現われる
スペクトル強度Ｍ（１）をブロック２１および２２に（
示づ個所にて処理づる。

７’　ｒｌツク２１では最１４　ｔグメントを含む一連
のレグメンｌ−のスペク１〜ル強度が所定ファクター以
上のファクターで単調に増加するかどうかを測定Ｊる。

本例では６個のレグメン１−を考慮し、上記フン７クタ
ーを３どりる。まｌこ、ゾ［コック２１で゛はスペクｌ
−ル強度が適応（アダプティブ）しきい値を越づかどう
かも測定する。この適応しきい値は以前の発声期間にお
（プる最大スペクトル強度の所定数分の１どするか、ま
たは無発声音の期間に時間と」（に減少づる舶とする。

発声名を確実に識別覆る安全レベルとし１人ぎなしぎい
値を用いる。スペク１〜ル強度かこの値以上となる場合
にはセグメントが発声音として直接識別される。

ブ１：１ツク２１の条件が満たされる場合に、双安定指
示器２３がセラ１へされて、出力端子Ｑに発声音の期間
を指示づる。

＝　１２− ブロック２２ではスペク１〜ル強度が現時点の発声期間
における最大スペクトル強度の所定数分の１の限界値以
下に低下するか、または小さな一定しぎい値以下に低下
Ｊるかどうかを決定づる。これらの条件が満たされる場
合に双安定指示器２３はリヒッ１−されて反転出力端子
Ｑに無発声音の期間を指示づる。

第１図に基ずくプロセスでの所定の演綽操作は汎用ディ
ジタル］〉ピコータを適当にプログラミングすることに
よって満足させることができる。

ブロック２１Ｊ５よび２２の演幹を行なうためのコンビ
コータプログラムの流れ図を第２図に示す。このプログ
ラムの入力は連続音声セグメントのスペクトル強度を表
わす番号Ｍ（１）によって形成づる。

この流れ図におけるＩはレグメン１〜の番号を表わし、
Ａ］−は適応しきい値を、ＶＭは連続発声レグメン１〜
の最大強度を、Ｖ　ＩＪ　Ｖは出力パラメータをそれぞ
れ表わし、発声音に対してはＶＵＶ＝１どし、無発声音
に対しではＶＵＶ＝Ｏとする。、斯かる出力力パラメー
タは第１図につき前述した双安定指示器２３の状態にλ
１応する１゜なお、第２図の流れ図は敢え−（゛説明し
なくても容易に理解し得るものであるが、念のため、つ
ぎのＪ、うな：］メン１〜を下記に〒示する。

二ｌメン（・Ｃ１：特定強度Ｍが、ファクター３以十の
ファクターでルグメン１へ１． １−１、・・・Ｉ　−５にわたって単 調に増加づるかどうかを決定す る。

二コメントＣ２：Ｍ（１）が以前に設定した最大強度Ｖ
Ｍ（１−１）の所定数分 の１　（１／８）よりも小さい場 合に双安定指示器をリゼッ１〜 （ＶＵＶ＝０）　′？Ｉる。

一］メン１−Ｃ３：　ＶＵＶ　（１’）の出力を前述し
た双安定指示器２３の状態に対応さ せる。

」メン１〜Ｃ４：適応しきい値ＡＴを決定する。

コメン１−Ｃ５：大レベルの一定しきい値の値を３０７
２に固定し、低レベルの一定 しきい１直の値を１２８に固定Ｊる。

本発明にＪ：る音声分析システムは第３図に示す構成に
よるバードウＪ゛アて゛実施することかて゛きる。

このバードウェア（よ、 Ａ／Ｄ変換器３０（第１図のブロック１１に対応）と、 セグメン１〜バッファ３１（第１図のブロック１３）と
、 窓逓倍（窓掛【ブ）機能を同時に行なう１）［Ｔプロセ
ッサ３２（第１図のブロック１５および１７）ど、 マイクロ＝；ンピ」−夕３３（第１図のブロック１９．
２１および２２）と、 双安定指示器３４（第１図のブロック２３）とを具えて
いる。

ブロック１９の機能、即ち一連の値のピーク値を決定す
る機能はコンピュータを適当にプログラミングすること
により実行することができる。なおこの場合における適
当なプログラムの流れ図は容　１５− 易にくふうすることがて゛さる。

【図面の簡単な説明】 第１図は木ツを明による音声分析システムの順次の演砕
過程を示づ流れ図； 第２図は第１図に基ずくプ【］Ｉ？スで所定の潤いを実
施するのに用いられるコンビコータプログラムの流れ図
； 第３図は本発明による音声分析システムを実施覆る電子
装置の一例を示ずブ［］ツク線図である。 １０・・・音声信号入力部　１１・・・Ａ／Ｄ変換演算
部１３・・・レグメン（ヘバッファ演算部１５・・・ハ
ミング窓掛（Ｊ演幹部 １７・・・顛敗的ノーリエ変換演鋒部 １９・・・スペクトル強度のピーク値測定演算部２１・
・・スペクトル強度の単調増加検出兼適応しぎい伯との
比較演算部 ２２・・・スペクトル強度の最低しきい値どの比較演算
部 ２３・・・双安定指示器　　３０・・・Ａ／Ｄ変換器３
１・・・レグメントバッファ １６− ３２・・・Ｄ　Ｆ　Ｔプ［１ゼツリ ３３・・・マイク１コニ１ンビコータ ３４・・・双安定指示器。 特ｎ出願人　　　１ニヌ・べ−・フィリップス・フル−
イランペンフンノブリケン

Claims (1)

1. 【特許請求の範囲】 １、　入力アナログ音声信号をディジタル音声信号に変
   換する変換手段ど：前記ディジタル音声信号のセグメン
   トを蓄積する蓄積手段と；各セグメントを順次のスペク
   トル成分に転換する転換手段にあって、離散的フーリエ
   変換を行なう手段を具え、これにより各々が順次のスペ
   クトル成分から成る一連の振幅スペクトルを発生させる
   転換手段；とを具えている音声分析システムに、有声音
   の周期を指示すべくセットし得ると共に、無声音または
   音声の不在周期を指示すべくリセットし得る双安定指示
   器およびニ ー各セグメント（番号Ｉ）に対し、約２００〜８００　
   Ｈｚの低周波帯域における該セグメントに関連する振幅
   スペクトルのスペクトル成分の内のピーク値（Ｍ（１）
   ）を決定する工程と； 一前記指示器がセットされる場合に、各セグメントおよ
   び多数の以前のセグメントに対シテ、ｎ＝Ｉ、Ｉ−１＋
   −１＋１−ｍで、■をセグメン１〜Ｉとｌ＋ｌ−ｍとの
   間では指示器の状態に変化がないような値として、ピー
   ク値Ｍ（ｎ）の最大値（ＶＭ　（”Ｉ　）　）を決定す
   る工程と； 一各セグメン１〜に対して、前記指示器がセラ１〜され
   る場合に、適応しきい値ＡＴ（１）を最大値ＶＭＮ）の
   何分の１かに等しくセットすることによって、および前
   記指示器がリセットされる場合に、ＡＴ（＋＞をＡＴ（
   Ｉ−１）の何分の１かに等しくセットすることによって
   適応しきい値 （ＡＴ（１））を決定する工程と； −ｋを予定数とする場合に、ｎ−１゜ １−１、・　Ｉ＋１−にのピーク値Ｍ（ｎ）が、ｎの増
   分値に対して所定ファクター以上のファクターで単調に
   増加し、かつ Ｍ（１）が適応しきい値ＡＴ（１−１）以上どなる場合
   に双安定指示器をセットする工程と： ピーク値Ｍ（Ｉ）が最大値ＶＭＮ−１＞の所定数分の１
   より小さくなるが、または予定したしきい値よりも小ざ
   くなる場合に双安定指示器をリセッ１〜する二［程；と
   を含む処理を実施１べくプログラムしたプログラマブル
   の計算手段を設けたことを特徴とする音声分析システム
   。 ２、特許請求の範囲１記載のシステムにおいて、該シス
   テムが、 ピーク値Ｍ（１）が相対的に高い一定しきい値以十とな
   る場合に、双安定指示器をヒツトする工程と： ピーク値が相対的に低い一定のしきい値を越えない場合
   に双安定指示器をりけットする工程 とを含むことを特徴とする音声分析システム。 □