JPS5918717B2 - 適応形ピツチ抽出方式 - Google Patents

Description

【発明の詳細な説明】 本発明は音声のピッチ抽出方式に係り、特に実時間処理
により音声のピッチを抽出するための音声のピッチ抽出
方式の改善に関する。

本発明によるピッチ抽出方式は音声の分析及び合成に利
用することが出来る。

音声のピッチとは有声音の基本周波数をいい、通常（７
０〜４００）Ｈｚ程度であり、音声のスペクトルはピッ
チの周波数及びその整数倍の周波数でレベルが大きくな
る性質がある。ボコーダなどの音声高能率符号化伝送方
式においては、音声の基本的なパラメータのひとつであ
るピッチ周期を正確に抽出し伝送する必要があり、従来
から種々のピッチ抽出法が提案されている。しかし、従
来のいずれの方法においても、（１）ピッチ周波数と第
１ホルマントが近接している鼻音または鼻音化した母音
の部分、（２）波形レベルの定常性が保たれない部分、
および（３）有声音から有声音へのわたりの部分などで
、正しいピッチ周期の倍周期や半周期の成分などを誤つ
てピッチ周期として抽出する場合が多くピッチ抽出の正
確さが劣ること等の欠点がある。

本発明は従来の技術の上記欠点を改善するもので、その
目的は音声信号から実時間処理によりピッチを正確に抽
出することのできる適応形ピッチ抽出方式を提供するこ
とである。

この目的を達成するため、本発明では、ピッチ周期を２
０ｍｓ程度のインターバルで音声信号から抽出した場合
、母音はもとより鼻音や鼻音化された母音の部分及び有
声音から有声音へのわたりの部分においても近接した抽
出時点においてはピツチ周期はさほど変化しないこと、
すなわち、直前の抽出時点との相関関係が極めて高いこ
とに着目し、各区間内に倍数関係の周期成分を含まない
ようにした互いに異なる複数個のピッチ周期捜索区間を
用意し、ピツチ周期を捜索するに当つては直前に抽出さ
れたピツチ周期を基準として適応的にピツチ周期捜索区
間を変更することによりピツチ周期を抽出することを特
徴としている。

すなわち、直前の抽出時点においてピツチ周期が正しく
抽出された場合、次の抽出時点では直前の抽出時点で抽
出されたピツチ周期の近傍についてだけピツチ周期を捜
索すればその時点での正しいピツチ周期が得られること
になり、倍周期あるいは半周期への誤りを防ぐことが出
来るわけである。なお、本発明で採用しているピツチ抽
出法のアルゴリズムは公知技術である自己相関法を用い
るもので、自己相関係数φｉは次式で求められ、ピツチ
周期は自己相関係数φｉのうち最大値φＮｌａｘを与え
る遅延時間τとして求められる。

ここで、Ｓｔは、入力音声信号でΔｔ秒ごとにサンプリ
ングされた時系列である。

以下、図面を用いて本発明を詳細に説明する。

先ず、本発明の要部である適応的に遷移させる複数個の
ピツチ周期捜索区間の設定方法と、その遷移方法につい
て、モード０〜８の９種類のピツチ周期捜索区間を設け
た場合を例にとつて説明する。第１図には横軸に時間（
Ｍｓ）をとり、それぞれのピッチ捜索区間の占有領域を
示している。

モード０とは音声の始まり（語頭）や長いポーズの後、
または直前のピツチ周期抽出時点で正しくピッチ周期が
抽出されなかつた場合などに用いられ、ピツチ周期が存
在すると想定される全時間区間（前述のようにピツチ周
波数は一般的に７０Ｈｚ〜４００Ｈｚに存在するといわ
れ、その周期は１４−Ｍｓ〜２．５ｍｓである）を対象
としてピJ■■上記条件を満すため２．５ｍｓ〜１５ｍ
ｓ（１＝２０〜ｉ＝１２０）としている。モード１〜８
のピツチ周期捜索区間は、ピツチ周期抽出を正確にする
ためそれぞれの区間内には倍数関係の周期成分を含まな
いように時間区間を定めている。

特にモード１は予想されるピツチ周期のうち最小周期を
基準に設けられることは容易に理解できるであろう。さ
らにモード１〜８は、モード間の遷移を行なうため、図
中で上向き矢印または下向き矢印で示したように隣接す
るモードと互いにオーバラップする部分をもつている。

上向き矢印で示した部分を上位遷移領域、下向き矢印で
示した部分を下位遷移領域、矢印のない部分を安定領域
と呼ぶことにすれば、上位遷移領域は上位モードの安定
領域にほぼ等しく、下位遷移領域は下位モードの安定領
域にほぼ等しいように設けられている。次に第２図に示
したモード遷移の概念図を用い、モード０〜８の間のモ
ード遷移方法について説明する。

先ず音声が検出されると、モード０でピツチ周期を抽出
し、そのピツチ周期が後述の実施例の中で説明する条件
により正しいピツチ周期と判定されると、正しいピツチ
周期を安定領域に含むモードに遷移し、次のピツチ抽出
時点ではそのモードによりピツチ周期を抽出する。

その結果、ピツチ周期が、継続して安定領域にあればモ
ード遷移は行わず、そのモードに留まりピツチ周期の抽
出を続ける。もし、ピツチ周期が上位遷移領域に含まれ
れば、上位モードへ、下位遷移モードに含まれれば下位
モードへ遷移するわけである。また、ピツチ周期が正し
く抽出されなかつたと判定されれば、初期モードである
モード０へ遷移することとなる。次に第３図に示した本
発明の一実施例について説明する。

なお、本実施例は、ピツチ周期を２０ｍｓのインターバ
ルで抽出する例である。

また本実施例の動作の流れ図は第５図に示す通りである
。１は入力端子であり、音声信号が５００Ｈ７．の低域
フイルタを通過した後に、８ＫＨｚ（Δｔ一１２５μｓ
）でサンプリングされた時系列Ｓｔとして入力される。

この入力信号は２分岐され、一方は線形予測分析器２へ
、他方は自己相関器３へと導かれる。線形予測分析器２
は入力信号の入力エネルギに対する残差エネルギの割合
δを算出するために用いる。

この入力エネルギに対する残差エネルギの割合δは鼻音
や鼻音化された母音のようにその波形が正弦波に近いも
のに対しては極めて小さな値となり、他の有声性の音声
波形に対しては中位の値を、また無声音に対しては大き
な値を示すことが知られている。従つて、線形予測分析
器２の後にしきい値Ｖ，２をもち前記の割合δがＶ，２
以下の場合に論理レベル゛１”を出力するしきい値回路
１２と、しきい値Ｖｌ３をもち前記の割合δがＶｌ３以
下である場合に論理レベル゛１゛を出力するしきい値回
路１３を設け、Ｖｌ２〉Ｖｌ３として値を適当に設定し
ておけば、図中の４には有声性の音声が入力された際に
出力が現われ、図中の８には鼻音化された母音が入力さ
れた時のみ出力が現われることになる。本実施例ではＶ
ｌ２−０．２５、Ｖｌ３−０．０１としている。３は自
己相関器で前述の（１）式により自己相関係数φｉを求
めるとともに、入力波形の分析時点におけるエネルギＥ
Ｏを次式（２）により算出して出力している。

このエネルギＥ。

は有声音の場合は大きく、雑音に近い特性の無声音の場
合は小さい値となる。したがつて、しきい値Ｖｌ４をも
つしきい値回路１４においてＥＯがしきい値Ｖｌ４を超
えた場合、有声音が発声されていると判定することが出
来る。４は最大値検出回路であり、自己相関器３で算出
される自己相関係数φｉの中から最大値φＮｌａｘを検
出し出力するとともに、最大値φＭｌａＸを与える遅延
時間τを検出しピツチ周期の候補として出力する。

２０〜１２０は一種のゲート回路で、自己相関器３の出
力φ２０〜φ１２０のうちから最大値検出回路４へ導く
べきものを選択するものである。

従つて、ゲート回路２０〜１２０を制御することにより
、ピツチ周期捜索区間を自由に変更することができ、前
述した第１図に示すモード０〜８のピツチ周期捜索区間
の設定や、モード間の遷移を容易になし得ることが理解
されよう。５は最大値検出回路４の出力に重み付けをす
るための重み付け選択回路である。

すなわち、前述の（１）式により求まる自己相関係数φ
ｉは、式から明らかなようにｉの増加に従つて積和の項
数が減少することから、第４図に示すような重み付けが
なされている。そこで、自己相関係数を用いて種種の判
定を行なう場合には次式により補正を行わなくてはなら
ない。（３）式？酎るωｉを最大値検出回路４から出力
されるピツチ周期τを基準として選択するのが重み付け
選択回路５であり、重み付けを行なうのが掛算器２０１
である。

１５はしきい値Ｖｌ５（本実施例では０．５）をもつし
きい値回路で、φ′Ｍａｘの値がしきい値以上である場
合に音声入力が有声性の音声であることを判定している
。

２０３はしきい値回路１２，１３および１４の出力の論
理和をとる０Ｒゲート回路である。

本実施例においてはφ′Ｍａｘが０．５以上又は入力エ
ネルギＥがＶｌ４以上あるいは残差エネルギの割合δが
０．２５以下のいずれかの条件が満たされた場合、０Ｒ
ゲート回路２０３の出力に論理レベル”１”が得られ、
音声入力が有声性の音声であると判定できる。有声性の
音声と判定された場合は、０Ｒゲート回路２０３の出力
で乗算器２０２（単にゲート回路でもよい）を動作させ
、最大値検出回路４で検出された遅延時間τをピツチ周
期とみなし出力端子３００に出力する。また同時にポー
ズカウンタ７をりセツトする。ポーズカウンタ７は、有
声性の音声でないと判定された場合その継続時間長を計
数するもので、０Ｒゲート回路２０３の出力をＮＯＴ回
路１１を介して得られる論理レベル゛１”をピツチ周期
の抽出するインターバル２０ｍｓで加算するものである
。

しきい値回路１６はポーズカウンタの内容を判定するも
ので、ポーズカウンタの内容が１６″、すなわち１２０
ｍｓになるとモードバツフア１０をりセツトする。

モードバツフア１０は、ゲート回路２０〜１２０および
スイツチ回路１２１を入力信号の条件によつて制御しモ
ード０〜８に設定するマトリツクス回路であり、りセツ
トされた場合はモード０を設定する。

スイツチ回路１２１は前述のようにモードバツフア１０
によつて、モード０の場合はφ′Ｍａｘをしきい値回路
１９に導き、モード１〜８の場合はφ′Ｍａｘをしきい
値回路１７および１８に導くことにより、モード０とモ
ード１〜８では別個の処理をさせようとするものである
。

すなわち、モード０において抽出されたピツチ周期を基
準として、次のピツチ周期の抽出時点に適するモードを
選択したとしても、抽出されたピツチ周期が鼻音や鼻音
化した母音のものである場合には、前述のようにピツチ
周期の抽出に正確さが乏しいので、正しいピッチ周期と
みなし得ない特殊性があり、他の有声音から正しくピッ
チ周期が抽出されるまでモード０においてピツチ周期の
抽出を継続する必要があるし、他方モード１〜８におい
ては、誤つたピツチ周期を抽出したとみなされる場合に
素早くモード０へ戻す必要があるからである。上述のモ
ード０に関する処理を行なうのが、Ｖｌ，のしきい値を
もつしきい値回路１９、モード選択回路９、ゲート回路
１２３およびＮＯＴゲート回路１２４である。

前述のようにモード０においては、音声入力の相関関係
が高く安定している時点で次のピッチ周期抽出時点に適
したモードを選択する必要があるため、本実施例ではし
きい値回路１９のしきい値Ｖｌ，を０．９という高い値
に設定している。モード選択回路９はしきい値回路１９
から出力される論理レベル゛１゛で起動され、乗算器２
０２の出力信号すなわち現在のピツチ抽出時点で抽出さ
れたピツチ周期を基準としてそのピツチ周期を安定領域
に包含するモードを識別し、それに対応する電圧値もし
くはコード化された符号を出力する。ゲート回路１２３
は、しきい値回路の出力信号によりゲートされ、モード
選択回路９の出力信号をそのままＮＯＴゲート回路１２
４に出力する０Ｎ０Ｔゲート回路１２４はしきい値回路
１３の出力信号が論理レベル“１”である場合、すなわ
ち音声入力が鼻音もしくは鼻音化された母音である場合
には、ゲートを閉じてモードバツフア１０の更新せずに
モード０に保持し、しきい値回路１３の出力信号が論理
レベル”０゛の場合、すなわち音声入力が鼻音もしくは
鼻音化された母音以外の有声性の音声である場合にはゲ
ート回路１２３の出力信号を次のピツチ周期抽出時点に
適しているとみなし、モードバツフア１０を更新するも
のである。他方前述のモード１〜８に関する処理を行な
うのがしきい値回路１７および１８、モード選択回路８
、ゲート回路１２２およびＡＮＤ回路２０４である。

しきい値回路１７は音声入力の相関関係が低くなつた場
合（本実施例ではφ／Ｍａｘの値が０．４以下）に論理
レベル“１”を出力する。ＡＮＤ回路２０４はしきい値
回路１２の出力信号４としき℃値回路１７の出力信号の
論理和を求めることにより、音声入力が有声性の音声で
あるにもかかわらず、その相関関係が低くなつたことを
判定し、これを誤つたモードを用いてピツチ抽出を行な
つている可能性があるとみなして、モードバツフア１０
をりセツトしてモード０を設定するものである。モード
選択回路８は、本実施例ではしきい値回路１８によりφ
／ＭｌａＸの値が０．８以上であると判定された場合す
なわち、ピツチ周期が安定に抽出できるという条件が満
たされている場合に、モード選択回路９と同一動作で乗
算器２０２の出力信号を基準として次のピツチ周期抽出
時点に適したモードを識別し、それに対応する電圧値ま
たはコード化された符号を出力しゲート回路１２２を介
してモードバツフア１０を更新せしめモード１〜８を適
応的に設定するものである。以上実施例について述べた
が、その説明で用いた定数は、前述のようにピツチ抽出
を２０ｍｓｅｃごとに行ない、入力音声は５００Ｈｚの
低域フイルタ一を通過した後に、８ＫＨｚでサンプリン
グした場合に対応するものである。

一般には、入力条件、サンプリング周波数及びピツチを
抽出する周期などに応じて変換する必要があり、本実施
例で用いた定数を適当に換算した定数により、本方式は
種々の条件下で正確に動作する。したがつて本発明方式
を用いることにより、従来の方法で問題となつているわ
たりの部分、語尾の部分及び連続音声中の鼻音などにつ
いて正確にピツチ周期を抽出することができ、連続した
音声に対して安定にピッチ周期を抽出できるわけである
。

以上説明したごとく、本発明により実時間処理において
、音声のピツチを従来の方法より正確に抽出することが
できる。

従つて、ボコーダ一などの音声高能率符号化伝送装置に
適用して高品質の音声を得ることができる。

【図面の簡単な説明】

第１図は本発明におけるモード０〜８の占有領域を説明
する図、第２図は本発明におけるモード遷移の概念図、
第３図は本発明の実施例を示すプロツク図、第４図は本
発明において用いる自己相関法による自己相関係数の重
み付けを説明する図、第５図は本発明の実施例の動作の
流れ図である。 １・・・・・・入力端子、２・・・・・・線形予測分析
器、３・・・・・迫己相関器、４・・・・・・最大値検
出回路、５・・・・・・重み付け選択回路、７・・・・
・・ポーズカウンタ、８，９・・・・・・モード選択回
路、１０・・・・・・モードバツフア、１１・・・・・
・ＮＯＴ回路、１２，１３，１４，１５，１６，１７，
１８，１９・・・・・化きい値回路、２０〜１２０・・
・・・・ゲート回路、１２１，１２２，１２３・・・・
・・ゲート回路、１２４・・・・・・ＮＯＴゲート回路
、２０１，２０２・・・・・・乗算器、２０３・・・・
・・０Ｒ回路、２０４・・・・・・ＡＮＤ回路、３００
・・・・・・出力端子。

Claims (1)

【特許請求の範囲】
1. １ 音声信号から所望の抽出周期ごとにピッチ周期を抽
   出する方式において、各区間には倍数関係の周期成分を
   含まない複数個のピッチ周期捜索区間を隣接のピッチ周
   期捜索区間相互間ではオーバーラップする部分がありか
   つ各ピッチ周期捜索区間には該オーバーラップ部分内に
   安定領域を有するように設け、前記ピッチ周期が抽出さ
   れるまではすべての前記複数のピッチ周期捜索区間を対
   象とするモード０によるピッチ周期の抽出を行うととも
   に、前記複数のピッチ周期捜索区間のうち該ピッチ周期
   が含まれているピッチ周期捜索区間を検知した抽出周期
   の次の抽出周期では前記安定領域に該ピッチ周期を含む
   ピッチ周期捜索区間を対象とするモードによるピッチ周
   期の抽出を行うことを特徴とする音声ピッチ抽出方式。