JPS58211795A

JPS58211795A - 線形予測型音声分析合成装置

Info

Publication number: JPS58211795A
Application number: JP57095926A
Authority: JP
Inventors: 哲田口; 小林　雅徳; 孝行石川
Original assignee: Nippon Electric Co Ltd
Current assignee: NEC Corp
Priority date: 1982-06-04
Filing date: 1982-06-04
Publication date: 1983-12-09
Also published as: JPH0229235B2

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】本発明は線形予測型音声分析合成装置に関する。

音声分析合成装置は近年に至り、線形予測型音声合成法
（ＬＰＣ法）の確立によシ実用化された。

このＬＰＣ分析法は音声のスペクトラム包絡を全極型モ
デルで近似するものであるが、これには、従来、経験的
に知られたフォルマント帯域幅の過小推定と比較的にエ
ネルギの小さい第３フオルマントの近似性が悪いという
二つの欠点があるとされている。

上述の第１の欠点は第１７オルマント等エネルギの集中
する周波数にスペクトラムの極が過度に集中するために
起るものと考えられる。

最近、このような特定の周波数に極が集中するのを防ぐ
ために、音声帯域を複数のサブバンドに分割し、各サブ
バンドに対しそれぞれ適当な次数のＬＰＧ分析を行ない
極の適宜な分散を計る帯域分割型線形予測分析法が提案
されている。

この方式は、帯域の分割を適轟に選ぶことにより、上述
の第１の欠点ばかりでなく第２の欠点をも緩和し、ＬＰ
Ｃ型ボコーダの音質改善に貢献する有力な手段になる可
能性を秘めている。

しかしながら、一般の音声の中で無声音、とくに摩擦音
はもともと急峻なスペクトラム包絡？持たないので、こ
れに対しては上述の帯域分割を行なっても効果がないの
みならず、帯域分割のだめの余計な処理によシむしろ音
質劣化を起す可能性がある。

本発明の目的は上述の従来の欠点を除去した線型予測型
音声分析合成装置を提供するにある。

本発明の装置は入力音声が有声音であれば帯域分割型線
形予測分析を無声音であれば帯域非分割型線形予測分析
を選択的に実行する手段を有する。

次に図面を参照して本発明の詳細な説明する。

第１図、第２図および第３図は本発明の一実施例を示す
ブロック図で、ｌｌＸ１図は全体を、第２図は分析側を
第３図は合成側をそれぞれ示すブロック図である。

本実施例は第１図に示すように分析側１、合成側２およ
び伝送路３から構成される。

分析側１はさらに、第２図に示すように、低域フィルタ
およびＡ／Ｄ変換器１０１１　ウィンドウ処理器１０２
、フーリエ変換器１０３、パフ−スペクトラムメモリ１
０４．低域側自己相関係数計。

測器１０５、低域側線形予測係数分析器１０６、高域側
自己相関係数計測器１０７、高域側線形予測係数分析器
１０８、全帯域自己相関係数計測器１０９、全帯域線形
予測係数分析器１１０、有声／無声判別器１１１．ピッ
チ抽出器１１２および符号化器１１３を有する。

また合成側２はさらに、第３図に示すように復号化器２
０１、低域側ＬＰＣフィルタ２０２、低域側補間器２０
３、低域側帯域フィルタ２０４、高域側ＬＰＣフィルタ
２０５、高域側補間器２０６、周波数変換器２０７、高
域側帯域フィルタ２０８、低域高域合成器２０９、全帯
域ＬＰＣフィルタ２１０、ピップ発生器２１１、雑音発
生器２１２、音源切替器２１３、低域側可変利得増幅器
２１４、高域側可変利得増幅器２１５、全帯域可変利得
増幅器２１６、モード切替器２１７およびＤ／Ａ変換器
および低域フィルタ２１８を有している。

さて、伝送すべき音声波形は第２図に示す分析側１の音
声入力端子１０００より入力され、低域フィルタおよび
Ａ／Ｄ変換器１０１の低域フィルタによシ、例えば３３
３３Ｈｚ以上の高域成分が遮断されたものが、例えば５
ｏｏｏｉ−ｉｚサンプリング周波数によりサンプルされ
、Ａ／Ｄ変換器により１サンプル当シ例えば１２ビツト
のデジタル信号に量子化され、ウィンドウ処理器１０２
に供給される。

ウィンドウ処理器１０２は、入力した量子化音声信号を
、一旦、内部のメモリに格納する。このメモリは前記量
子化音声信号の例えば３０ｍ５ＥＣ分（２４０サンプル
分）を記憶し、これにノーミンクウィンドウ、または矩
形ウィンドウ等のウィンドウ関数を乗するウィンドウ処
理を行なう。

このようなウィンドウ処理は、例えば１０ｍ５ＥＣ周期
で繰す返され、これが基本分析周期（以後基本フレーム
周期）となる。

さて、ウィンドウ処理された音声波形データは、基本フ
レーム周期ごとに、フーリエ変換器１０３、有声／無声
判別器１１１ｉおよびピッチ抽出器１１２に供給される
。

フーリエ変換器１０３は、入力した前述のウィンドウ処
理された音声波形データを用い、これをフーリエ変換す
ることによシ各周波数のスペクトラム成分を求め、さら
にこの絶対値の２乗をとることにより各周波数における
パワースペクトラム成分に変換して、これをパワースペ
クトラムメモ！ｊ１０４に格納する。こうしてメモリ１
０４に格納されたパワースペクトラム成分を表す各デー
タは、各種自己相関係数計測器１０５．１０７、および
１０９により自由に読み出され、以下に述べるように自
己相関係数を計測するのに用いられる。

さて、低域側自己相関係数計測器１ｏｓｔｉｂ前記パワ
ースペクトラムの低域側、例えば０から１３３３Ｈｚの
パワースペクト２ムの成分をメモリ１０４から読み出し
、これにフーリエ逆変換を施すことにより必要な範囲内
の各遅れ時間における自己相関係数を計測し、これを低
域側線形予測係数分析器１０６に供給する。

また、これとともに計測器１０５は、計測した遅れ時間
０の自己相関係数を、この基本フレーム周期における低
域側短時間平均電力として出力ライン１０５０を介し符
号化器１１３に供給する。

分析器１０６は、供給された自己相関係数データの組か
らにパラメータを所定の次数まで、例えばオートコリレ
ーション（ＡＵＴＯＣ０ＲＲＥＬＡＴＩＯＮ）法等の線
形予測分析法により抽出し、抽出された低域側にパラメ
ータを符号化器１１３に供給する。

一方、高域側自己相関係数計測器１０７は、前記パワー
スペクトラムの高域側、上記の例では１３３３Ｈｚから
３３３３Ｈｚのパワースペクトラムの成分をメモリ１０
４から読み出し、これにフーリエ逆変換を施すことによ
り必要な範囲内の各遅れ時間における自己相関係数を計
測し、これを高域側線形予測係数分析器１０８に供給す
る。但し、上述のフーリエ逆変換の演算に当って、１３
３３Ｈｚから３３３３Ｈｚのパワースペクトジム成分を
ｓ　　１３３３Ｈｚだけ周波数の低い方に周波数シフト
し、０から２０００Ｈ２のパワースペクトラムと見做し
てフーリエ逆変換を実行し、自己相関係数を計測する。

また、これとともに計測器１０７は、計測した遅れ時間
Ｏの自己相関係数を、この基本フレーム周期における高
域側短時間平均電力として、出力ライン１０７０を介し
符号化器１１３に供給する。

分析器１０８は、供給された自己相関係数のデータの組
から、Ｋパラメータを所定の次数まで、例えばオートコ
リレーアジン法等の線形予測分析法により抽出し、抽出
された高域側にパラメータを符号化器１１３に供給する
。

さらにまた、全帯域自己相関係数計測器１０９は、前記
パワースペクトラムの全帯域、上述の例では０から３３
３３Ｈｚのパワースペクトラムの成分をメモリ１０４か
ら読み出し、これに７−りエ逆変換を施すことにより必
要な範囲内の各遅れ時間における自己相関係数を計測し
、これを全帯域線形予測係数分析器１１０に供給する。

なおまた、計測器１０９は、計測した遅れ時間０の自己
相関係数を、この基本フレーム周期における全帯域短時
間平均電力として、出力ライン１０９０を介し符号化器
１１３に供給する。

さて、分析器１１０は供給された自己相関係数データの
組からにパラメータを所定の次数まで、例えばオートコ
リレーション法等の線形予測分析法によシ抽出し、抽出
された全帯域にパラメータを符号化器１１３に供給する
。

なお、上述のオートコリレーアジン法の詳細については
、例えば、ジミンマッコール（ＪｏｈｎＭａｋｈｏｕｌ
）：　’　リニアフレディフレ目ン（］、１ｎｅａｒ　
　ｐｒｅｄｉｃｔｉｏｎ）ニアチュートリアル　レビｚ
−（Ａ　　ＴｕｔｏｒｉａｌＲｅｖｉｅｗ）’、ｐｒｏ
ｃｅｅｄｉｎｇｓ　　ｏｆｔｈｅ　　ＩＥＥＥ、ＶＱＩ
　、６３．Ｎ０４％　ｐｐ、５６１〜５８０　　Ａｐｒ
ｉｌ、１９７５を参照されたい。

なおまた、分析器１０６および１０８による低域側およ
び高域側の線形予測係数分析に際しては、これら入力さ
れる音声信号の最高周波数が、上述のように、低域側は
０から１３３３Ｈｚまで、また高域側は０から２０００
Ｈｚｔでとなり、その最高周波数かもとの標本化周期で
きまる最高周波数４ｏｏｏａｚに対し、それぞれ１／３
およびｌ／２に制限されているため、線形予測分析を行
なう場合の標本化周期は、それぞれもとの揮本化周期の
３倍および２倍にデシメート（ｄｅｃｉｍａｔｅ）した
ものを用いたことと−３「イ曲とｒ４’る。

さて、有声／無声判別器１１１は、ウィンドウ処理され
た前記音声波形ゲータの供給を受は各基本フレーム周期
ごとに、このフレーム中のｆ％倍信号有声音か無声音か
を判別し、その判別結果を符号化器１１３に供給する。

この有声／無声判別器としては例えば特開昭５４−９４
２１２または特開昭５４−１５１３０３を応用して容易
に構成できる。

また、ピッチ抽出器１１２は、供給された前記ウィンド
ウ処理された音声波形データから各基本フレームにおけ
るピッチ周波数データを抽出し、これを符号化器１１３
に供給する。

符号化器１１３紘、こうして供給された各種データを符
号化して伝送フレームを作成し、各基本フレームごとに
一伝送フレームづつ伝送路３を介して合成側２に送出す
る。但し、この伝送フレームの作成に際しては、とくに
下記のような処理を含ませる。

すなわち、各伝送フレームごとに有声／無声判別器１１
１からの有声／無声判別情報を含ませるとともに、有声
情報を含む伝送フレームにおいては、伝送すべきにパラ
メータとして、前記低域側にパラメータおよび前記高域
側にパラメータを組として符号化し、この場合には前記
全帯域にパラメータは用いない。

これに対し、無声情報を含む伝送フレームにおいては、
伝送すべきにパラメータとして前記全帯域にパラメータ
を用いて符号化し、高域側にパラメータおよび低域側に
パラメータは用いない。

短時間平均電力に関しても、同様に、有声情報を含む伝
送フレームにおいては、伝送すべき短時間平均電力とし
て、前記低域側短時間平均電力および前記高域側短時間
平均電力を組として符号化し、この場合には前記全帯域
短時間平均電力は用いない。

これに対し、無声情報を含む伝送フレームにおいては、
伝送すべき短時間平均電力として、前記全帯域平均電力
を用いて符号化し、高域側短時間平均電力および低域側
短時間平均電力は用いない。

かくして、有声音区間に対しては帯域分割されたにパラ
メータおよび短時間平均電力が、また無声音区間に対し
ては帯域非分割のにパラメータおよび短時間平均電力が
合成側２に送出される。

さて、合成側２においては、第３図に示すように、伝送
路３を介して伝送された前記伝送フレームが、復号／化
器２０１に次々に供給される。

復号／化器２０１は、これらの伝送フレームを復号化す
ることにより、分析側の各データを再生し、これらのデ
ータをそれぞれ下記のように供給する。

まず、前記有声／無声判別情報を判別し、これが有声情
報である伝送フレームの場合には、再生された低域側に
パラメータを低域側ＬＰＣフィルタ２０２．に、また再
生された高域側にパラメータを高域側ＬＰＣ７４ルタ２
０５にそれぞれ供給する。これに対して、判別情報が無
声情報である伝送フレームの場合には、再生された全体
域にパラメータを全帯域ＬＰＣフィルタ２１０に供給す
る。

復号２化器２０１は、さらに、伝送されたピッチ周波数
を指定する情報を再生し、これをピッチ周波数制御信号
としてピッチ発生器２１１に供給する。

また、復号ｌ化器２０１は前記有声／無声判別情報を再
生し、出力ライン２０１０を介し有声／無声切替信号と
して音源切替器２１３に供給し、またこれをモード切替
信号としてモード切替器２１７に供給する。

さらに、復号ｉ化器２０１は、有声／無声判別情報が有
声情報である伝送フレームの場合には、再生された低域
側短時間平均電力と高域側短時間平均電力とを、それぞ
れ低域側利得制御情報および高域側利得制御情報として
それぞれ出力ライン２０１１および２０１２を介し、そ
れぞれ低域側可変利得増幅器２１４および高域側可変利
得増幅器２１５に供給する。これに対し無声情報である
伝送フレームの場合には、再生された全帯域短時間平均
電力を全帯域利得制御情報として出力ライン２０１３を
介して全帯域、可変利得増幅器２１６に供給する。

さて、ピッチ発生器２１１は指定された周波数のピッチ
パルスデータを発生し音源切替器２１３に供給する。

音源切替器２１３は、ライン２０１Ｏを介して供給され
た有声／無声切替信号が有声音を指定する場合にはピッ
チ発生器２１１側の入力データを選択し、無声音を指定
する場合には雑音゛発生器２１２側の入力データを選択
してこれを各可変利得増幅器２１４．２１５および２１
６に供給する。

各可変利得増幅器２１４，２１５および２１６は、かく
して供給された。ピッチパルスデータまたは雑音信号デ
ータを、それぞれライン２０１１．２０１２および２０
１３を介して供給された前述の利得制御情報で荷重する
ことによね、可変増幅し、音源励振データを作成し、こ
れをそれぞれ励振信号ライン２１４０，２１５０、およ
び２１６０を介して低域側ＬＰＣフィルタ２０２、高域
側Ｌ　Ｉ）　Ｃフ゛イルタ２０５および全帯域Ｉ、ＰＣ
フィルタ２１０にそれぞれ音源励振データとして供給す
る。

さて、再生された低域側にパラメータの供給を受けた低
域側Ｌ　Ｌ）　Ｃフィルタ２０２は、その内部において
、供給されたにパラメータをαパラメータに変換し、と
のαパラメータをＬＰＧフィルタのフィルタ係数として
使用し、ライン２１４０を介して供給された音源励振デ
ータと、このフィルタ係数とより低域側の音声波形デー
タを合成し、これを低域側軸間器２０３に供給する。

前述の分析側におけるデシメートのため、こうして低域
側のにパラメータから合成された低域側音声波形データ
は、その標本化周期が正常の標本化周期の３倍になっ又
いる。低域側補間器２０３は供給されたこの音声波形デ
ータを１３３３１−１２の低域フィルタを通ずことによ
って補間し正常の標本化周期の音声波形データ全作成し
、これン低域側帯域フイルク２０４に供給う゛る。

低域側帯域フィルタ２０４は供給されたデータを、例え
ば３００　Ｈｚから１３３３Ｈｚ′までの帯域をもつ帯
域フィルタを通ずことにより不敬帯域の周波数成分を除
去して低域側の音声波形データを生成し、低域局城会成
器２０９の一方の入力側に供給する。

一方、再生された高域側にパラメータの供給を受けた高
域側ＬＰＣフィルタ２０５は、その内部において、供給
されたにパラメータをαパラメータに変換し、このαパ
ラメータをＬＰＣフィルタのフィルタ係数として使用し
、２イン２１５０を介して供給された音源励振データと
このフィルタ係数とより高域側の音声波形データを合成
し、これを高域側補間器２０６に供給する。

前述の分析側における処理のため、高域側にパラメータ
は、もとの音声信号の１３３３Ｈ２がら３３３３Ｈ１の
成分を周波数シフトすることにより０から２０００Ｈｚ
までの帯域にうつし、これを正常の２倍の標本化周期に
デシメートした音声波形に対するにパラメータとなって
いる。従って、このにパラメータから合成された音声波
形データは、その標本化周期が正常の標本化周期の２倍
であり、またその周波数が１３３３Ｈ２だけ低い方に周
波数シフトされた波形となっている。そこで、高域側補
間器２０６は、供給されたこの音声波形データを２００
０Ｈ２の低域フィルタを通すことによって補間し、正常
の標本化周期の音声波形データを作成し、これを周波数
変換器２０７に供給する。

周波数変換器２０７は、供給されたこの音声波形データ
に１３３３Ｈｚの正弦波を乗算して音声波形の周波数を
１３３３Ｈｚだけシフトし、これを高域側帯域フィルタ
２０８に供給する。

高域側帯域フィルタ２０８は、供給されたデータを１３
３３Ｈｚから３３３３Ｈ１までの帯域をもつ帯域フィル
タを通すことにより不要帯域の周波数成分を除去して高
域側音声波形データを生成゛し、低域高域合成器２０９
の他方の入力側に供給する。

低域高域合成器２０９は供給された低域側音声波形デー
タと高域側音声波形データとを加算して合成する。かく
してその出力２０９０には帯域分割型線形予測分析を行
なった場合の合成音声が生成され、これはモード切替器
２１７の一方の入力として供給される。

一方また、再生された全帯域にパラメータの供給を受け
だ全帯域ＬＰＣフィルタ２１０は、その内部において、
供給されたにパラメータをαパラメータに変換し、との
αパラメータｅＬＰｃフィルタのフィルタ係数として使
用し、ライン２１６０を介して供給された音源励振デー
タとこのフィルタ係数とよシ全帯域の音声波形データを
合成し、これを出力ライン２１００を介してモード切替
器２１７の他方の入力として供給する。

なお、上述の各ＬＰＣフィルタ２０２．２０５およ−び
２１０の内部で行なわれるにパラメータからαパラメー
タへの変換は、前述のオートコリレージ冒ン法等を応用
して容易に実行することができ、またＬＰＣフィルタそ
のものは巡回型フィルタとして容易に構成することがで
きる。

さて、モード切替器２１７は、２イン２０１Ｏを介して
供給されるモード切替信号により、伝送フレームが有声
音を合成する場合には出力ライン２ａ９０側の入力を選
択し、無声音を合成する場合には出力ライン２１００側
の入力を選択してこれをＤ／Ａ変換器および低域フィル
タ２１８に出力する。

Ｄ／Ａ変換器および低域フィルタ２１８は、供給された
音声データをＤ／Ａ変換器によりアナログ音声信号に変
換し、さらに低域フィルタにより３３３３Ｈｚ以上の成
分を遮断し、合成された音声信号として出力端子２００
０より出力する。

以上の説明で明らかなように、本実施例の音声分析合成
装置は、入力音声が有声音であれば分析側が帯域分割型
線形予測分析を行なった結果のデータを合成側に伝送し
、合成側ではこれに対応する音声合成を行ない、また入
力音声が無声音であれば分析側が帯域非分割型線形予測
分析を行なった結果のデータを合成側に伝送し、合成側
ではこれに対応する音声合成を行なう。

この結果、最初に述べた従来のＬＰＣ分析法の欠点であ
るフォルマント帯域幅の過小推定と比較的にエネルギー
の小さい第３フオルマントの近似性が悪いという欠点を
緩和するとともに、無声音の場合にも余計な処理により
音質劣化を招く可能性のない線形予測型音声分析合成を
行なうことができる。

なお、上述の実施例においては、帯域分割型動作を行な
う場合に、音声帯域を高域側と低域側とに２分割したが
、これは−例であシ、この分割数を更に増すこともでき
る。

また、２分割の場合に使用した１３３３Ｈｚの分割周波
数も単なる一例でありこれに限るものではない。

同様に、デシメートの比率も一例を示したにすぎない。

また、本実施例においては、分析側で帯域分割を行なう
に当って、まず全帯域のパワースペクトラムを求めこれ
を各帯域に分割したが、このかわりに時間軸上で取シ扱
かい、入力波形を帯域フィルタを用いて分割してから周
波数シフトにより基底帯域におとし、この波形を帯域幅
に応じてデシノートしてから、線形予測分析を行なうと
いう構成をとることもできる。

以上のように１本発明を用いると線形予測型音声合成装
置の音質改善を達成できる。

【図面の簡単な説明】

第１図は本発明の一実施例の全体を示すブロック図、第
２図はこの実施例の分析側を示すブロック図および第３
図はこの実施例の合成側を示すブロック図である。図において、ｌ・・・・・・分析側、２・・曲合成側、
３・・・・・・伝送路、１０１・・・・・・低域フィル
タおよびＡ／Ｄ変換器、１０２・・・・・・ウィンドウ
処理器、１０３・・・°°・フーリエ変換器、１０４・
・・・・・パワースペクトラムメモ１ハ　１０５・・・
・・・低域側自己相関係数計測器、１０６・・・・・・
低域側線形予測係数分析器、１０７・・・・・・高域側
自己相関係数計測器、１０８・・・・・・高域側線形予
測係数分析器、１０９・・・・・・全帯域自己相関係数
計測器、１１０・・・・・・全帝域線瘉予測係数分析器
、１１１・・・・・・有声／無・声判別器、１１２・・
・・・・ピッチ抽出器、１１３・・・・・・符号化器、
２０１・・・・・・復号化器、２ｏ２・・・・・・低域
側ＬＰＣフィルタ、２ｏ３・・・・・・低域側補間器、
２０４・・・・・・低域側帯域フィルタ、２０５・・・
・・・高域側ＬＰＣフィルタ、２０６・・・・・・高域
側補間器、２０７・・・・・・周波数変換器、２０８・
・・・・°高域側帯域フィルタ、２０９・・・・・・低
域高域合成器、２１Ｏ・・・・・・全帯域ＬＰＣフィル
タ、２１１・・・・・・ピッチ発生器、２１２・・・・
・・雑音発生器、２１３・・・・・・音源切替器、２１
４・・・・・・低域側可変利得増幅器、２１５・・・・
・・高域側可変利得増幅器、２１６・・・・・・全帯域
可変利得増幅器、２１７・・・・・・モード切替器、２
１８・・・・・・Ｄ／Ａ変換器および低域フィルタ。

Claims

【特許請求の範囲】

入力音声が有声音であれば帯域分割型線形予測分析を無
声音であれば帯域非分割型線形予測分析を選択的に実行
する手段を有することを特徴とする線形予測型音声分析
合成装置。