JPS5925238B2 - 音声分析合成方式の音声区間判定方法 - Google Patents

Description

【発明の詳細な説明】 本発明は音声分析合成方式における、音声の有声区間、
無声区間、無声区間を短時間に判定する方法に関するも
のである。

一般に音声分析合成装置においては、音声情報の圧縮を
行なうために有声区間、無声区間、無音区間を決定し、
それぞれの区間において、最適で最少量になるように情
報を抽出する方法がとられている。

したがつて上記区間を決定する方法は音声分析合成等で
重要なポイントとなつている。従来の音声分析合成装置
において、例えばパーコール方式を用いた装置では音声
信号からフオルマント等の周波数スペクトル包絡成分を
除去した残差信号を作成し、その残差信号の自己相関関
数である変形相関関数を求めた後、その最大値と第一次
のパーコール係数に、によつて有声、無声の決定を行な
つている。しかし実用上、残差信号を求めたわ、変形相
関関数を求める処理にはかなわの時間を要する。演算処
理の高速化の一環として、音声波形の自己相関関数にデ
ィジタルフィルタをかける荷重移動平均操作によつて変
形相関関数を求め、その変形相関関数と第一次のパーコ
ール係数に１の組合せで有声、無声区間を判別するとか
、音声波形の遅れ時間零の自己相関関数の値φ０と、例
えば０＜に０＜１層ｓの範囲で示される小さな遅れ時間
ｒｏの自己相関関数φ（ｒｏ）との組合せにより、有声
無声区間を判別する方法等が考案されているが、前者は
演算時間に関してやや改善されてはいてもまだかなりの
時間を要する。後者は演算時間が短縮されてはいるもの
の判定結果にまだ難が多い。本発明は有声、無声、無音
区間の決定に際し、零交差率であらかじめ確実に無音、
無声区間を決定した後、未決定の区間に関してだけ、簡
単な前処理を施した音声波形の自己相関関数と第一次の
パーコール係数に、の組合せにより効率よく高速で、確
度よく有声、無声、無音区間の判定を行ない、今までの
欠点であつた演算時間の問題を改善するものである。

以下に図面を用いて、本発明の一実施例とともに説明す
る。

第１図はフローチャートである。１０１は音声波形デー
タで、この波形をある時間（例えば３０ｍｓ）毎にフレ
ームに区切わ、そのフレーム毎に有声、無声、無音の決
定を行なう。

１０２の処理ぱサイレントレベルで音声をクリツプし、
フレーム内全区間がサイレントレベル以下のフレームは
無音区間と決定し、以後の処理を行なわない。

このサイレントレベルとは理想的には零であるが、実際
には・・ムの影響やＡＤ変換器のオフセツトのズレ等を
カツトするために、ある程度のレベル（例えば±２０４
８レベルＱ整数型データとして±３）を設定する。１０
３の処理は零交差数をカウントする処理である。

第２図でその処理を説明する。第２図は音声データの一
例を示すが、この例では、データ数２２個に対して、零
交差数７となｂ１零交差率は７／２２となる。無声区間
ではこの零交差率が多くなり、有声、無声、判定の一つ
の鍵を握つている。この率を求める時、フレーム長が長
いためにフレームの切れ目が無声と有声にまたがつてい
る場合もあり得る。第３図にその例を示すが、このフレ
ームのデータの場合、フレーム内の左側が無声区間、右
側が有声区間にまたがつていると考えられる。日本語に
限つて言えば、約７０％が有声区間で残りの３０％が無
声あるいは無音区間である。このようなフレームを有声
と無声のどちらの区間と判定するかは難しい。本発明で
は、このような場合には無声区間と判定して無声音を強
調し、無声子音の明瞭度の低下を防止する。そのために
、零交差率を求める時に、フレーム内を２分割し、フレ
ーム前半の零交差率とフレーム後半の零交差率の大きい
方をそのフレーム内の代表値として採用している。１０
４は零交差率が無音区間と判定すべき閾値かどうかを判
定する処理である。

これは１０２の処理で取り切れなかつた・・ムやノイズ
の影響を避けて、無音区間と判定できる値（例えば１／
１００）を使用する。１０５は確実に無声区間であると
判定できる零交差率（例えば１／３）以上の値をとるフ
レームを無声区間と決定する処理である。

この１０５の処理はもし有声区間であれば、その区間の
音声の基本周波数を求めるために自己相関関数を求める
訳であるが、その演算処理が長くかかることを考慮して
、その演算を少しでも省くために前処理として、零交差
率で無声区間を決定するようにしている。即ち、完全に
、無声、無音区間であれば、その区間の音声基本周波数
を求める必要がないため自己相関関数の演算は行なわな
い。１０６は１０５までに無音区間、無声区間と決定さ
れなかつた区間についてのみ行なわれる処理でフオルマ
ントの影響を軽減したり、音声信号が零に近い部分での
高周波成分が自己相関関数に与える影響をなくするため
の処理である。

その具体的方法を第４図で説明する。第４図は１フレー
ム内の音声信号を表わす。図の如くフレームを３分割し
、前１／３区間の絶対値の最大値４０１と、後１／３区
間の絶対値の最大値４０２の小さい方の値４０２のＮ％
（例えば３０％）の値４０３でクリツプするという処理
を施す、この処理後１０７で自己相関関数φ（τ）を求
め、その値が極めて小さい時（例えば、土２０４８レベ
ルの整数型の３００ポイントの自己相関関数の最大値が
５以下であつた時等）、その区間を無声区間と決定する
処理が１０８である。また１０９は、音声のピツチ周波
数探索区間内に於る自己相関関数の最大値φ巾と、音声
波形の遅れ時間零の自己相関関数の値φＯとの比ψω）
＝φ（Ｔ）／φＯ）を求める。第５図はｘ軸に第一次の
パーコール係数Ｋ１、ｙ軸に１０９で求まつたψ（ト）
をとつたものである。一般的にψ（Ｔ）の値は、有声部
では周期性が強いので、大きい値をとり、Ｋ１は無声部
では小さな値をとることが知られている。１１０が、そ
のψ１とＫｌの組合せで有声区間、無声区間を判定する
処理である。

その処理の内容は第５図に示すように、Ａ，ｂを定数と
してψ（Ｔ）＋ＡＸＫｌが閾値ｂを越える区間５０１で
は有声区間に、下回る区間５０２は無声区間に判定する
。ここでＡ，ｂは統計的に決定されるが、例えばａ−＝
０．５，ｂ＝０．６のように設定することができる。こ
の判定論理は従来の残差波形から求めた変形相関関数を
求めてＫ１と組合せる方式に比べて、演算時間をかなり
短くすることができる。

第６図は自己相関関数φ（τ）と、遅れ時間τの関係を
示すグラフの→１であるが、ピツチ周期探索区間内のピ
ーク値に対応した遅れ時間τ＝Ｔ（第６図中６０１）が
、音声の基本周期であることは言うまでもない。

以上の説明から明らかなように、本発明によれば、零交
差率により前処理をした後音声波形の自己相関関数と、
別に求めてある第一次のパーコール係数Ｋ１を組合せる
ことにより、有声、無声、無音区間の高精度な検出が、
従来よりも短時間で可能になり、この１駆動音源成分を
使つて高い品質の合成音を得ることができる。

また、結果として、既存の音声分析合成装置の１駆動音
源信号分析部に容易に組込むことができる。

【図面の簡単な説明】 第１図は本発明の音声分析合成方式の音声区間判定方法
の処理概要フローチヤート、第２図は音声波形中の零交
差点を示す波形図、第３図は１フレーム内に無声、有声
区間の含まれる波形図、第４図は音声信号から、零レベ
ル付近の高周波成分と、フオルマントの影響を除く前処
理の説明図、第５図は最終的に無声、有声区間が決定さ
れる概念図、第６図はピツチ周期を求める方法の説明図
である。

Claims (1)

【特許請求の範囲】
1. １ 音声信号中のハム成分を取り除く第１のレベルのク
   リップを施した後、信号の零交差率を求め、その零交差
   率の値から、あらかじめ確実な無声区間と、無声区間を
   決定すると共に、それ以外の区間について、音声信号に
   その高周波成分とフオルマントの影響を少なくする第２
   のクリップ処理を施した後、自己相関関数φ（Ｔ）を求
   め、その最大値φ（Ｔ）と音声波形の遅れ時間零の自己
   相関関数の値φ（Ｏ）との比ψ（Ｔ）、及び第１次のパ
   ーコール係数Ｋ＿１をａ、ｂを定数とした式ψ（Ｔ）＋
   ａ×Ｋ＿１で組合せ、その値がある定められた閾値ｂ以
   上になるか、以下になるかによつてその音声区間が有声
   区間か無声区間かを判定することを特徴とする音声分析
   合成方式の音声区間判定方法。