JPS60194499A - 音声分析方式 - 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】

（発明の分野） 本発明は、２以上のピッチ検出アルゴリズムを用いて人
間の音声区分のピッチを決定する音声分析方式に関する
ものである。 （従来技術の説明） 上述した音声分析方式は後述する参考文献（１）に記載
されており既知である。この参考文献に記載された方式
では、自己相関関数法、ケプストラム法および低域通過
フィルタ波形法を用いている。 この文献に記載されているように、これらの方法の選択
は適当に独立したピッチの概算値をいかにして得たいか
によって決定された。 自己相関関数法は時間領域Ｃ区分）からの１′＃報を直
接使用しており（後述する参考文献ｒ２１を参照）、一
方ケプスドラム法は周波数領域〔ＩＸ４分）からの情報
を用いている。周波ｒｋ４Ｘｌ域からの情報を用いる他
の方法、例えば後述の参考文献（８１に１竃された高１
波ふるい法も既知である。この場合、振幅スペクトルが
、サンプリングされた信号の短区分［４０ミＩＪ秒）に
対し決定され、その後＆［スペクトルにおいて、振幅の
有意ピークの周波数位置〔有意ピーク位ＩＷｌに対する
探索が行なわれ、最後に高調波ふるいと称されるように
振幅スペクトルの有意ピーク位置に最も接近して整合し
ている高１波を有するピッチを探索する。 音声におけるピッチを決定する上述した方法では各方法
に特有の問題が生じる。一般には、周波数領域で動作す
る方法は高ピツチに対し用いる場合にしばしば誤りを生
せしめ、また時間＠域で動作する方法は低ピツチに対し
誤りを生ぜしめ、実際のピッチの倍数をしばしばピッチ
として指示してしまうということができる。 （発明の概１か） 本発明の目的は、低ピツチから高ピツチまでの範囲に亘
って考慮され、情報の信頼性に関して相補を成す相補ピ
ッチデータを最適に形成する第１および第２検出アルゴ
リズムを用い、−万の検出アルゴリズムを低ピツチ範囲
に対して信頼的とし、他方のアルゴリズムを高ピツチ範
囲に対して信頼的とする前述した種類の音声分析方式を
提供せんとするにある。 本発明は２以上のピッチ検出アルゴリズムを用いて人間
の音声区分のピッチを決定する音声分析方式において、
第１要素ピツチ計で音声区分の振幅スペクトルを決定し
、この撮ＩＱスペクトル内で有意ピーク位置を決定し、
第２要素ピンチ計で音声区分の自己相関関数を決定し、
この自己相関関数内で有意ピーク位置を決定し、振幅ス
ペクトルの有意ピーク位置および自己相関関数の有意ピ
ーク位置を以って、 一ピッチおよび周期のそれぞれに対する値を選択し、こ
の値の順次の整数倍の列を決定し、この値およびその倍
数を含む間隔を決定し、これらの間隔によりマスクの了
パーチャを規定し、前記の倍数における倍率に相当する
晶調波数をこれらの７パーチヤに関連させる工程と、−
有意ピーク位置とマスクのアパーチャとが整合している
度合を表わす規準に応じて音質指数を計算する工程と、 一ピッチおよび周期のそれぞれの順次に高くなる値に対
し所定の最高値になるまで前の工程を繰返し、これらの
ピッチおよび周期のそれぞれの値と関連する音質指数の
列を得る工程と、−最高の音質指数を有する所定の個数
のビ・ソチおよび周期のそれぞれの値な選択する工程と
、−周期に対する値をピッチに対する値に変換する工程
と、 −これにより見い出したピ゛ンチに対する値を関連の音
質指虎と組合せて最も確率の高いピッチの概算値を形成
する工程とを有する一組の動作のそれぞれの入力データ
を構成することを特徴とする。 データの合成に際しては、他のデータ、例えば近時の過
去の測定データをも考慮し、ピッチの決定の時間的連続
性をも保鉦するようにすることができる。 Ｃ実施例） 第１図に示す本発明の一例の音声分析方式の目的は５　
（ｌ　Ｈｚ〜５０　（ｌ　Ｈｚの範囲中の音声信号のピ
ッチを決定することにある。この種類の音声分析方式に
おいてはこの目的を以下のようにして達成する。 −ブロックｌＯで示すように、４０ミリ秒の持続時間を
有する音声の区分子セグメント１を開始点として取り、 −ブロック１１で窓を用いることによりこの１イ分の振
幅スペクトルを決定し、ブロック１２でフーリエ変換し
、 一ブロック１８で示すように、この振幅スペクトルにお
ける有意ピーク位置を決定し、 −”ＨＲＭＳＶ”で表記したブロック１４で、県い出し
たピーク位１斤が高調波列に整合しているがどうかを検
査しくブロック１４の機能は高調波ふるい機能として表
わされ、 簀ピッチに対する値を洪択し、この値の順次の整数倍の
列を決定し、この値およびその倍数値を含むところの間
隔ｆインターバル）を決定し、これらの間隔によりマス
クのアパーチャを規定し、前記の倍数値における倍率に
相当する高調波の数をこれらのアパーチャに関連させる
工程と、 苦ピッチの順次に高くなる値に対し所定のｗ高値になる
まで前の工程を繰返し、これらのピッチの値と関連する
音質指数の列を得る工程と、簀最高の音質指数を有する
ピッチの８つの値を選択する工程と よりｒにる）、 一音μＪ区分の自己相関関数を決定しＣブロック］５）
、ブロック１６においてその有意ピークイ＋１箔を決定
し、 一動作に関する限りブロック１４に類似するブロック１
７．で示すように、見い出したピーク位置が高１１！４
波列に整合しているがどぅがを検査しにのブロック１７
の機能は、 簀周期に関する値を選択し、この値の順次の整数倍の４
＋Ｈの列を決定し、この値およびその倍数値を含むとこ
ろの間隔を決定し、これらの間隔によりマスクの了パー
チャを規定し、前記の倍数値における倍率に相当する高
調波の数をこれらの了パーチャに関連させる工程と、 薫イｊ意ビーク位ｔｉとマスクのアパーチャとが整合す
る１す合を表わす規準に応じて音質指数を計算する工程
と、 昔周期の順次に高くなる値に対し所定の最高値になるま
で前の工程を繰返し、これらの周期の４Ｍと関連する音
質指数の例を得る工程と、簀最高の音質指数を有する１
■期の３つの値を選択する工程と より成る）、 一周期に対する値をピッチに対する値に変換し、−この
ようにしてピッチに対して見い出した値を関連の音質指
数と組合せて最もそれらしいピッチの概算をするＣブロ
ック１８１゜ ここに記載した音声分析方式においては、ブロック１４
および１７で示すいわゆる高１＃波のふるいが重要な要
素を構成する。 高調波のふるいの動作を第２図に示す。このふるいは周
波数（ブロック１４＋か或いは周期Ｃブロック１７）の
いずれかである有意ピーク位置ｐｌｉ＋で動作する。説
明は周波数Ｃピッチ）の点ではブロック１４に関するも
のであり、周波数が周期に変わると説明はブロック１７
に関するものである。 この処理中まず最初ピッチに対する値をブロック】９で
示すようにＦ６と仮定する。この初期値および多数のそ
の順次の整数倍をそれぞれ含むｎ個のパラグラフ間隔を
規定する。これらの間隔は、マスクの了パーチャと一致
する数値がマスクを透過するという点でマスクのアパー
チャとみなされる。この仮定においては、マスクは数値
に対する一紳のふるいとして機能する。これらの動作を
ＭＳＫと記したブロック２０によって表わす。 高鯛波数と称され、ピッチの選択値の関連の倍数値の倍
＊に相当する数はマスクのアパーチャと関連する。 有意ピーク位［ｐ（ｉ＋とマスクの了パーチャとが整合
する度合は次の動作で決定される。数個の有意ピーク位
置のみしかマスクを透過しない場合には、明らかに整合
不充分である。一方、多くのピーク位置がマスクのアパ
ーチャを透過するも、有意ピーク位置がマスクの多くの
了パーチャの位置に存在しない為にこれらの了パーチャ
を透過しない場合にも、整合が不充分である。 後に説明するように、整合の度合を音質指数の杉態で表
わしつる適切な規準を卵、い出すことができる。この点
で音質指数をマスクに対し計算すれば充分である。この
動作をＱＬＴ′ｆｉ：記したブロック２１で示す。 判定ダイアモンド２２では、ピッチに対し選択した値Ｆ
６が所定の般大値ＭＸよりも小さいか（Ｆ８〈ＭＸ）ど
うかを検査する。小さい場合（イエス：Ｙ）にはダイア
モンド２２のＹ分岐、すなわちブロック２４へのループ
に進む。このループではＦ６の値がある方法で、すなオ
つち所定の幇或いは所定のパーセントだけ増大させられ
る。この機能をＮ０ＲＦ８を付したブロック２４で示す
。 判定ダイアモンド２２が存在する為、ＦｓがＩＱ大値殿
に達するまで、ブロック２０および２１で示す動作が常
時Ｆ８の新たな値に対して連続的に繰返される。Ｆ８が
最大値お工に達すると、すなわち前記の判定ＩＦ８（Ｍ
ｘｌがノーｒＮｌである場合には、Ｎ分岐に進み、ルー
１２８が分離される０ 本例の音声分析方式における次の動作は、音質指数が最
大値をイアするＦＳの８つの値を選択することにある。 この動作は５ＬＯＴＦ８１付したブロック２５で行なう
。 本例の音声分析方式ではその後に、昶択したＦ８の８つ
の値から開始して確率（蓋然性）の高いピッチの概算を
する。ピッチを決定する処置におけるこの最後の工程を
ＳＴＭ　ＥＰｆｌ、、２．８１を付したブロック２６で
示し、その出力分岐にはピッチの８つの概算値ＥｐＨ，
２，８１が生じる。 このブロック２６では、基準マスクの了パーチャの間両
波数をこれらのアパーチャと一致する有意ピーク位置ｐ
ｆｉ＋と関連させ、これらピーク位置ｐ（１）の各々に
より同じ基音の高調波の列におけるピーク位置の個所を
決定する高漕波数ｎ１．を得る。Ｆｏの良好な概算値Ｆ
。は＃後に記載した前記の有意ピーク位＠ｐＣｉ−＋と
確率の高い値の対応する乗算値ｎ工・Ｆｏとの間のずれ
ができるだけ小さくなる値として規定しつる。このずれ
を決定する為に平均二乗誤差規準を用いる場合には、Ｆ
ｏを次式（１）によって計算することができる。 この式中の加算は基準マスクの了パーチャと一致するす
べての有意ピーク位置に亘って行なわれ、その数をＫで
示しである。これとは別に、基準マスクと関連するピッ
チの値は既に、屋いｔｌ（シたピッチの第１概算値を形
成している。 第８図は有意ピーク位置の値を周波撒で得る処理を詳細
に示す。 ４０ミリ秒の持続時間を有する時間１に分を、サンプリ
ングした音声信号から取りＪ４３す。この機能を４０ｍ
Ｓで表わしたブロック２）で示す。次の動作はいわゆる
パハミング窓”を音声信号の区分に乗じることであり、
その機能をＷＮＤＷを刊したブロック２８で示しである
。そのｅ、ＤＦＴを付したブロック２９で示すように音
声信号区分のサンプルに個別の２５６点でフーリエ変換
する。 次のブロック８０（ＡＭＳＰＩのｎｔｌ＋作では、１２
８個のスペクトル成分の振幅を、ＤＦＴによって生ぜし
めた２５６個の実数および虚数値から決定する。これら
のスペクトル成分からはスペクトル中のピークの位置を
表わす有意ピーク位置ＰＦ（ｉ＋が導出される。 本例の音声分析方式のいくつかの動作は一般的な目的の
コンピュータのソフトウェアで実行しつる。他の動作は
外部のハードウェアを用いることにより加速させること
ができる。 ブロック３０から後は一般的な目的のコンピュータのソ
フトウェアによって実行する。 ブロック８１で示すようにコンピュータは入力データと
して振１１１１ｉ１スペクトルの成分Ａｙ（ｒｌ　、　
ｒ　−１、−−−、１２８を受ける。ルーチンに対する
初期値として値ｒ−２およびＮ’ｌ’０Ｐ−０を取る。 この機能をブロック８２で示す。ＮＴＯＰは見い出した
局部的な極大値の数を表わす変数である。 判定ダイアモンド３３では、スペクトル成分ＡＦ（２１
から開始してこのスペクトル成分ＡＦ（２１がしきい値
ＴＨＦを越えるか否かを判断する。このダイアモンド８
８のＮ（ノー）分岐はｒを１だけ増大させる必要がある
ということを表わすブロック８９に導ひかれる。その後
判定ダイアモンド４０でｒが１２７以上になるか否かが
判断される。 この判断カッ−（否）である場合にはダイアモンド８８
へのループ４１が形成される。これによりｒの新たな値
に対しダイアモンド８８の機能が絆返される。 判定ダイアモンド８８のＹ（イエス１分岐は判定ダイア
モンド８４に通じ、この判定ダイアモンド８４において
スペクトル成分ＡＦ（２１が前のスペクトル成分ＡＦ（
１１以上であるか否か、またスペクトル成分ＡＦ１２１
が次のスペクトル成分ＡＦ１８１を越えるか否かが判断
される。この機能を判定ダイアモンド８４で示す。スペ
クトル成分が局部的な極大値を形成すると、ダイアモン
ド８４のＹ分岐に進む。 ダイアモンド８４のＮ分岐はｒめ新たな値が１２７より
も低い限りｒを１だけ増大させることヲ示スブロック３
９に導かれている。しきい値ＴＨＦはまず第１に１ハミ
ング窓”および量子化に起因して生じる雑音のレベルに
よって決まる絶対値により形成される。 第２に、しきい値ＴＨＦの一部は、隣接のスペクトル成
分が著しく大きな振幅を有する場合にこれらの隣接スペ
クトルによりスペクトル成分をマスキングすることを考
慮する為に可変とすることができる。この効果は人間の
聴・室中に生じるものであり、ピ゛ンチの検出における
重要な要因となる。 判定ダイアモンド８４のＹ分岐に進むと、振幅スペクト
ルの局部的極大値の振幅および周波数を決定する動作が
行なわれる。この目的の為に、二次多項式で値ＡＢ’ｆ
ｒ−１１、ＡＦ（ｒｌおよびＡＦ（ｒｌ１１間の補間（
放物線補間）を用いる。この機能をＩＮ’Ｉ’ＲＰを付
したブロック３６で示す。次にブロック８７において局
部的な極大値の数を１だけ増大させる。 振幅スペクトルの局部的な極大値に対する探索は、６つ
の有意ピーク位ｆｔＰＦ（ｉｌの極大値が決定されるま
で継続させる。６つの有意ピーク位置が決定されると、
判定ダイアモンド８８のＹ分岐が有効となり、有意ピー
ク位置ＰＦ（ｉｌが導出されるＣブロック４２）。 第８図に示されるルーチンによって生ゼしめられる有意
ピーク位置ＰＴ（ｉｌは第４Ａおよび４Ｂ図に示すルー
チンに対する人力データを構成する。 これら第４Ａおよび４Ｂ図はその一方（第４Ｂ図）が他
方（第４Ａ図）の下側に位置するものである。 第４Ａおよび４Ｂ図は、マスク概念を用いてピッチの確
草の高い値を決定するプログラムの流れ図を示す。 このプログラムにはブロック４８で示すように入力デー
タにより有意ピーク位ＭＰＦ（ｉｌ　、　ｉ　−１。 −−−、Ｎが与えられる。これらのピーク位置をコンポ
ーネントとも称する。 まず最初、関連の音声指数ｑｌｉｌを有する８つのｆ　
の概算値ｆ。＋ｊ＋、ｊ−１．２．８を零に設定するＣ
ブロック４４）。 与えられたコンポーネントの数が１よりも小さい場合に
は（ダイアモンド４５）、ルーチンから（１６） 離れ、値ｆ。ｆｊｌ−ｏが導出されるＣブロック４６３
゜１つ以上のコンポーネントが導入される場合には、判
定ダイアモンド４５のＮ分岐を経てルーチンが継続され
る。 予備動作としてマスクの数を示す変数ｌを１に設定し、
このマスクと関連するピッチｆ。、を５０Ｈｚに設定す
るＣブロック４７）。その後、いくつかの変数を初期値
に設定するＣプロ・ンク４８）。 次の処理Ｃプロ・ンク４９１では、第１コンポーネント
ＰＦｒｌｌで開始してこのコンポーネントＰＦｒｌ・）
・と関連する高調波数’ｌｋの概算を行ない、この値を
最も近い整数のｎｌｋに丸める。 ｍｌｋが１１を越えると（判定ダイアモンド５０）、プ
ログラムの大部分がスキップされる。その理由は、本例
の音声分析方式では、１１よりも高い数を有する高調波
がピッチの決定に含まれていない為である。 その後、ｍ１ｋが値零を有するか否かを検査するＣ判定
ダイアモンド５２】。ノーである場合には、コンポーネ
ントＰＦｌｎ＋がピッチｆ。ｌを有するマスりの７パー
チヤ内に入るか否かを検査する。基音ｆｏｌの鰹も近い
ａ調波に対するＰＦ（ｎｌの相対的なずれが予定のパー
セント、本例の方式では５％よりも少ない場合には、Ｐ
Ｆｌｎｌが了パーチャ内に含まれていると仮定する（判
定ダイアモンド５４）。 コンポーネントＰＦｒｎｌがマスクの了パーチャ内に位
置する場合には、判定ダイアモンド５４のＮ分岐が有効
となる。 次の動作は、前に決定したｍＩＫ（Ｋ　＋１−　］（ｌ
に対する値と同じ値がｍ１ｋに対しり、い出される場合
に関するものである。この場合マスクの同じアパーチャ
内に２つのコンポーネントがある。本例の音声分析方式
は了パーチャの中心に最も近いコンポーネントのみを容
認し、他のコンポーネントは考慮しない。 変数Ｋによりアパーチャ中に位置するコンポーネントの
数を表わす。ｍｌｋがｍＩＫを越えると（判定ダイアモ
ンド５５１、その後にはｌだけ増大させられる（ブロッ
ク５８）。 しかし、ｍ１ｋがｍＩＫを越えないと、了パーチャの中
心に対する最小の相対的なずれが値ｍｌｋおよびｍＩＫ
のいずれに対して生じるかが決定される

【判定ダイアモ
ンド６ｆｌｌ。この最小の相対的なずれが値ｍｌｋに対
し生じる場合には、値ｍＩＫが値”ｌｋに等しいと仮定
される（ブロック５７）。他の場合には、値”ＩＫは変
化しない。これらの双方の場合、Ｋは増大させない。 プログラムが判定ダイアモンド５２のＹ分岐をたどるか
、判定ダイアモンド５４のＹ分岐をたどるか、判定ダイ
アモンド５６のＮ分岐をたどるか、■ブロック５７また
は５８の動作が終了すると、ｎの値を１だけ増大させる
〔プロ・ンク５９）。変＆ｎにより与えられたコンポー
ネントＰＦｒｉｌの数を表わし、ｎが与えられるコンポ
ーネントの総数Ｎよりも小さい場合には〔判定ダイアモ
ンド６０１．１ループ６１に入る。 この場合、上述したルーチンはｎの新たな値に対しブロ
ック４９で再開される。このようにしてルーチンはＮ個
のすべてのコンポーネントＰＦｒｉ＋に対し繰返される
。 （１９） ｎがＮよりも大きくなると、判定ダイアモンド６０のＹ
分岐をたどる。その後、指標１を有するマスクに対し、
考慮したコンポーネントの個数Ｎ１がＮに等しいという
ことを記録する【ブロック６２）。プログラムが判定ダ
イアモンド５ｏのＹ分岐をたどると、Ｍｌはｎに等しく
設定されるＣブロック６８１゜より一層高い指標値を有
するコンポーネントＰＦ（ｉｌは、ｌｌを越える概算高
調波数を有し、ピッチの決定には考慮されない。本例の
音声分析方式では、マスクが１１個の了パーチャを有し
、マスクの外側に位置する成分ＰＦ（ｉｌはピッチの決
定には含まれない。 次の処理は、コンポーネントＰＦｌｉｌとマスクの了パ
ーチャとが互いに整合する度合を示す音質指数Ｑの計算
に関するものである。 音質指数は、与えられたコンポーネン）　ＰＦｌｉ＋の
列とマスクのアパーチャの列とが多次元空間中のベクト
ルであると仮定することにより取出しつる。ベクトル間
の距離はコンポーネントＰＦｌｉ＋とマスクとが互いに
整合する度合を示す。従って、音質指数は距離分の１と
して＃算しつる。距離が最小である場合に最小である、
またその逆であるいかなる他の表現をも距離の代りに用
いることができる。 基本的には、距離りを次式（２）で表わすことができる
。 ここにＮはコンポーネントＰＦは）の個数を示し、Ｍは
マスクの了パーチャの個数を示し、Ｋはマスクの７パー
チヤ内に位置するコンポーネントＰＦ（ｉｌの個数を示
す。 音質指＆Ｑは次式（８）で示すことができる。 距離りはこれを次式（４）の単位ベクトルの長さで胡る
ことにより正規化しつる。 Ｅ−β＋Ｍ−Ｋ　−−−−−（４） 従って音質指数は次式（５）となる。 基本的な演算により、次式（６）によるＱ′がその最大
値になるとＱは式（５）によりその最大値になるという
ことを証明しつる。 音質指数は、マスク内に入るコンポーネントの個数が多
くなればなる程計算が一層信幀的となるという事実を表
わすのに用いるのが好ましい。このことを達成する為に
次式（７）を満足する音質指数Ｑ′を用いる。 有意ピーク位１ｉｉＰＦ（ｉｌを見い出すのに用いた方
式では、６つのピーク位置を見い出した際に探索を停止
する（第２因の判定ダイアモンド８８）。 最も理想的な測定は、６つのピーク位置がマスクの最初
の６つの了パーチャと一致し、従って音質指ｌ！ｌ／Ｑ
′に対し値８が見い吊される測定である。 音質指数Ｑ′を、達成しうるこの最大の値で標準化し、
新たな音質指数Ｑｎが次式（８１となるようにするのが
有利である。 理想的な場合には、この音質指数は値１に達し、理想的
でない他のすべての状態では音質指数はそれよりも低い
値に達する。 マスクの外部に出るコンポーネントＰＦ（ｉｔはマスク
の基音と高調波関係にあるようにしつるも、。 Ｋの値に寄与しない。Ｑに対する式において、量Ｎをマ
スクの範囲内に位置するコンポーネントの個数を示すＮ
１と置き挨えればより一層適した音質指数が得られる。 マスクのアパーチャは与えられたコンポーネントの範囲
の外部に出てしまい、従ってコンポーネントを通さない
場合が生じるおそれがある。この状態の場合、Ｑに対す
る式において歇Ｍを、コンボーネンｔを通しうる了パー
チャの最大個数であるｍｌｋで置き換えることにより音
質指数を補正することができる。 第４Ａおよび第８図に示す処理では、音質指数Ｑｎをブ
ロック６８において式（８）に応じて計算し、確率の高
いピッチの正確な概算をブロック６４において式（１）
に応じて計算する。 ブロック６５においては１の値が１だけ増大され、前の
値よりも８％だけ大きいｆ。ｌの新たな値・が決定され
る。判定ダイアモンド６６においては、１が限界値りを
越えるか否かを検査する。この限界値は本例の音声分析
方式では８０に設定する。 ｌがＬを越えない場合には、判定ダイアモンド６６から
Ｎ分岐を経てループ６りに進み、その後全探索が再開さ
れる。しかし、ｌが限界値りを越えると、判定ダイアモ
ンド６６からＹ分岐を経てブロック６８に進み、ピッチ
の関連の概算値を有する８つの最大の音質指数が探索さ
れ、これらがブロック６９における動作出力に得られる
。 第２５図は時間領域における有意位置の値を得る為の処
理を詳細に示す。この処理は第８図【ブロック２７）に
おけると同じ４０ミリ秒の音声区分（プロ・ンク７０）
に基づくものである。この信号のエネルギーはＮＲＧを
付したブロック７１で計算する。このエネルギーＥは次
式（９）で決定される０ 音声区分の正規化された自己相関関数はｊ−１゜−−−
、８０に対し次式〔１旧に応じてブロック７２で計算さ
れる。 几 この関数は変数ｊがｒで置き換えられてブロック７８に
示しである。この場合次のルーチンに対する初期値とし
てｒ−２およびＮ’［’０Ｐ−０がブロック７４で設定
される。 ブロック７５では自己相関関数係数ＡＴ（２１で開始し
て自己相関関数係′１ＩＩＡＴ１２１かしきい値ＴＨＡ
を越えるか否かを検査する。判定ダイアモンド７５のＮ
分岐はｒを１だけ増大させることを指示するブロック８
１に通じる。その後、判定ダイアモンド８８においてｒ
が７９以上になるか否かを判断する。ｒが７９に達しな
い限り判定ダイアモンド７５へのループ８２に進む。こ
の場合判定ダイアモンド７６の機能がｒの新たな値に対
して皆返される。 判定ダイアモンド７５のＹ分岐は判定ダイアモ否かを判
断する。自己相関関数ｆ−数ＡＴＩ２１が局部的な極大
値を形成すると、判定ダイアモンド７６のＹ分岐に通じ
る。判定ダイアモンド７６のＮ分岐はでを１だけ増大さ
せるということを指示するブロック８１に通じる。判定
ダイアモンド７６のＹ分岐に通じると、自己相関関数の
局部的な極大値の時間軸上の位置を決定する動作が行な
われる。 この目的の為に、二次多項式で値ＡＴｒｒ−１１、ＡＴ
ｒｒｌおよびＡＴ（ｒ＋１１間の補間〔放物線補間）を
用いる。 この機能をＩＮＴＲＰを付したブロック７７で示す。ブ
ロック７８では、局部的な極大値の個数を１だけ増大さ
せる。自己相関関数における局部的な極大値の探索は６
つの有意ピーク位置ＰＰ（ｉｌの極大値が決定されるま
で継続する。 ６つの有意ピーク位置が見い出されると、判定ダイアモ
ンド８０のＹ分岐が有効となり、有意ピーク位置が導出
される（プロ・ンク８４）。 第５図によるルーチンにより生ゼしぬられる有意ピーク
位置ＰＰｆｉ＋は第６Ａおよび６Ｂ図によるルーチンに
対する入力データを構成１する。これら第ｆｌＡおよび
６Ｂ図は一方（第６Ｂ図）が他方Ｃ第６Ａ図）の下側に
位置すべきものである。 第６Ａおよび６Ｂ図は、マスク概念を用いてピッチの８
つのそれらしい（確率の高い）値を決定する処理の流れ
図を示す。この場合マスク概念は、時間領域内に位置し
従って周期を示す有意ピーク位置ＰＰ（ｉｌに適用する
。 このプログラムにはブロック９０で示すように有意ピー
ク位Ｉ％）ＰＰ（ｉｌ　（ｉ　−１、−−−、Ｎ　ｌが
人力データとして与えられる。これらの人力データはコ
ンポーネントとも称する。まず最初、関連の音質指数ｓ
　（ｉ−１を有する８つのｔ。の概算値ｔ。１ｉｌｔｉ
−１，ｇ、８１を零に設定する【ブロック９１）。与え
られたコンポーネントの個数が１よりも小さい場合には
（判定ダイアモンド９２）、ダイアモンド９２のＹ分岐
を経てルーチンを離れ、値ｔ。＋ｉｌ　−０が導出され
る（ブロック９３）。１個以上のコンポーネントが導入
される場合にはダイアモンド９２のＮ分岐を経てルーチ
ンが継続されるＯ 準備段階で、マスクの個数を示す変数１が１に設定され
、このマスクと関連する周期ｔ。１が２ミリ秒に調整さ
れるＣブロック９４）。次の動作（ブロック９５）では
数個の変数がこれらの初期値に設定される。ブロック９
６では、第１コンポーネントＰＰｒｌｌから始まってこ
のコンポーネントＰＰＩＩＩと関連する高調波ｒｌｙｍ
１えの概算を行ない、この値を最も近い整”　ｍｌｋに
丸める。”ｌｋが１１を越える場合には（判定ブロック
９７）、ループ９８を経て処理の大部分がスキップされ
る。その理由は、本例の音声分析方式では、１１よりも
大きな数を有する高調波関係はピッチの決定に含まれて
いない為である。 その後、ｍ１ｋが値零を有するか否かが検出される（判
定ダイアモンド９９）。ノー（否）の場合には、Ｎ分岐
を経てダイアモンド９９を離れ、コンポーネントｐｐ（
ｎｌが周期ｔ。ｌを有するマスクのアパーチャ内に入る
か否かが検出される。基本周期ｔ。、の最も近い倍数に
対するＰＰ（ｎｌの相対的なずれが予定の百分率、本例
の方式では５％よりもｔＪ）ない場合には、ＰＰ（ｎｌ
がアパーチャ内に位置していると仮定するＣ判定ダイア
モンド１０１）。 コンポーネントＰＰ（ｎｌがマスクのアパーチャ内に　
゛位置すると、判定ダイアモンド１０１のＮ分岐が有効
となる。 次の動作は、前に決定されたｍＩＫ（Ｋ＋１．−　ｋ　
＋に対する値と同じ値を町、ｋに対し県い１１３す場合
に関するものである。この場合にはマスクの同じ了パー
チャ内に２つのコンポーネントがある。 本例の音声分析方式はアパーチャの中心に最も近く位置
するコンポーネントのみを受容し、他のコンポーネント
は考慮しない。変ＲＫはアバーヂャ内に位置するコンポ
ーネントの個数を表わす。 ｍｌｋがｍＩＫを越えるとｆ判定ダイアモンド１０２）
、その後Ｋを１だけ増大させる（ブロック１０５１゜し
かし、ｍ１ｋが”ＩＫを越えないと、Ｎ分岐を経てダイ
アモンド１０２を離れ、了パーチャの中心に対する最小
のずれが値ｍｌｋおよびｍＩＫのいずれに対し生じるか
が決定される（判定ダイアモンド１０８）。ｍｌｋに対
しｈψ小のずれが生じる場合には、ｍｌＫがｍｌｋに等
しく設定されるＣブロック１０４）。他の場合にはｍｌ
Ｋは変化しない。これらの双方の場合、Ｋは増大させら
れない。 プログラムが判定ダイアモンド９９のＹ分岐か、判定ダ
イアモンド】０１のＹ分岐か、判定ダイアモンド１０３
のＮ分岐に進むか、或いはブロック１（１４または１０
５によって示す動作後にｍの値が１だけ増大されるＣブ
ロック１０６）。 変１ｉｎは与えられたコンポーネン）　ＰＰ１ｎ）の個
数を表わし、この変ｋｎが与えられるコンポーネントの
総数を越えないと（判定ダイアモンド１０７）、ループ
】０８に都む。この場合上述したルーチンがｎの新たな
値に対しブロック９６以後繰返される。このようにして
Ｎ個のコンポーネントＰＰ（ｉｌのすべてに対しルーチ
ンが繰返される。 ｎがＮよりも大きくなると、判定ダイアモンド］０７の
Ｙ分岐に進む。その後指標ｌを有するマスクに対し考慮
したコンポーネントＮ１の個数がＨに等しいということ
を記録する（ブロック１０９）。 プログラムが判定ダイアモンド９７のＹ分岐に進むと、
Ｎ１がｎに等しく設定される（ブロック１１Ｏ）。 より一層大きな指標値を有するコンポーネントＰＰ（ｉ
ｌは１１を越える概算高調波数を有し、ピッチの決定に
は考慮されない。本例の音声分析システムではマスクは
１１個のアパーチャを有し、マスクの外部に位置するコ
ンポーネントＰＰ（ｉｌ　４；ｊピッチの決定には含ま
ない。 ブロック］１１では音質指数が式（８）に従って計算さ
れ、ブロック１．１２では確率の高い周期が式（１）に
従って正確に計算される。 ブロック１１８ではｌが１だけ増大させられ、前の値よ
りも８％だけ高いｔ。ｌの新たな値が計算される。判定
ダイアモンド】１５では、ｌが限界値りよりも大きくな
ったか否かが検査される。本例の音声分析方式ではこの
限界値を８０に設定する。１がＬを越えない場合には、
ダイアモンド１１５からＮ分岐を経て進み、その後ルー
プ１１４に入り、全音声処理が再び開始される。しかし
、１が限界値Ｌ’ｅＭえる場合には判定ダイアモンド１
１５からＹ分岐を経て進み、その後ブロック１１６にお
いて関連する周期の概算値ｔ。ｌｋｌを有する最大の８
つの音質指数が探索される。関連の音質指数ｓ（ｊ　）
を有するこれら８つの最良整合周期がブロック１１７で
得られ、その後ブロック１１８においてｔ。（ｊ）の反
転を計算することによりこれらの周期がピッチの概算値
に変換される。 関連する音質指数を有するピッチに対する８つの１Ｌｔ
Ｊ値は、ブロック６９で示すように、ｆｏ（ｊ）（ｊ　
＝　１　＃　２１８　）で示す周波数領域内で作動する
ピッチ計から得られる。更に、関連の音質指数を有する
ｆ。に対する８つの概算値は、ブロック１１９で示すよ
うに、ｆｏ（ｉ）　（ｉ−４、５、６）で示す時間領域
中に作動する自己相関関数ピッチ計から得られる。これ
らの結果は次に進む合成処［ＯＭＢ（第１図のブロック
１８）において組合わされてピッチのより一層信頼しう
る測定値を形成する。 この処理に対しては、原理的に、最終的に割当てるべき
ピッチに関するマスク判定に前述したデータよりも多い
データを用いることができる。 更に特定すべきピッチ計に、或いは音質指数を減少させ
た（現在のピッチの決定中過去のデータに幾分小さい重
みを与える為に減少させる）前の測定間隔のピッチ概算
に、或いは近時の過去のデータ（トラッキング）から取
出した測定結果に考えを向けることができる。 合成処理を第７図に示す。この合成処理はブロック１２
０において関連の音質指数を有する６つの確率の高いピ
ッチの概算値であるデータから開始する。 ブロック１２１においては、計数用の変数ｍを１に設定
し、ブロック１２２において量ＳＯＲ（ｍ）を零に設定
する。ブロック１２８においてはルー１１２８で有効と
なる計数用の変数ｋを１に設定する。第ｍ番目のピッチ
の概算値と第に番目のピッチの概算値との間の相対的す
れが１２．６％よりも少ない場合には、判定ダイアモン
ド１２５からＹ分岐に進む。この場合には、ブロック１
２５において、第ｍ番目および第に番目のピッチの概算
値の音質指数の積をＳ　ＯＲ（ｍ）に加える。判定ダイ
アモンド１２４からＮ分岐に進む場合には、Ｓ　ＯＲ（
ｍ）に何も加えられず、ブロック１２６に入り、このブ
ロック１２８で変数ｋが１だけ増大させられる。判定ダ
イアモンド１ｇ？では、変数ｋが６よりも大きいか否か
が検査される。変数ｋが６よりも大きくない場合には、
判定ダイアモンド１２７のＮ分岐を経てループ１２８に
入る。変数ｋが６よりも大きくなった場合には、判定ダ
イアモンド１２７からＹ分岐を経て進み、その後ブロッ
ク１２９で変数ｍを１だけ増大させる。判定ダイアモン
ド１８０では変数ｍが６を越えるか否かが検査される。 変数ｍが６を越えない場合には、判定ダイアモンド１８
０からＮ分岐を経て進み、ループ１８１に入る。変数ｍ
が６を越える場合には、判定ダイアモンド１８０からＹ
分岐を経て進・む。このようにして、６つのピッチの概
算値すべてに対するｓ　ＯＲ（ｍ）において、６つのピ
ッチの概算値がいかに良好に整合１．ているかが計算さ
れる。ブロック１８２においては指標ｊが決定され、こ
れに対し関連のＳ　ＯＲ（ｊ）が最大値だとする。 最後にブロック１８８においてピッチ概算値ｆ。（ｊ）
が最もそれらしい概算値として得られるようになる。 （参考文献） （１）１”９７５年１２月発行の音響学、音声および信
号処理に関するアイ・イー・イー・イー会報（工ＥＫＥ
　Ｔｒａｎｓａｃｔｉｏｎｓ　）　、第ＡＳＳＰ−２８
巻第６号（ｖｏｌ。ＡＳＳＰ−２８ｍ　／１６６　）第
６７０〜６７４頁“半自動ピッチ検出器（ｐ、　ｓｅｍ
ｉ−ａｕｔｏ−ｍａｔｉｏ　ｐｉｔｃｈ　ｃｌｅｔｅｃ
ｔｏｒ　）　（５ＡＰＤ　）”（Ｌ、Ｒ。 ラビナー氏等著） （＄１）１９７７年２月発行の音響学、音声および信号
処理に関するアイ・イー・イー・イー会報第ＡＳＳＰ−
２６巻第１号、第２４ル８８しく　Ｏｎ　ｔｈｅ　ｕｓ
ｅ　ｏｆ　ａｕｔｏｏｏｒｒｅｌａｔｉｏｎ　ａｎａｌ
ｙｓｉｓｆｏｒ　ｐｉｔｃｈ　ｄａｔｅｏｔｉｏｎ　）
”（　Ｌ．Ｒ．ラビナー氏著） （８）オランダ国特許出願第７８１２１６１号（特公昭
５８−４８１１７号）明細書

【図面の簡単な説明】

第１図は、本発明の一例を示すブロック線図、第２図は
、入力端における数の列間の高調波関係を検出すること
を目的とし、繰返し用いられる処理を示すブロック線図
、 第８図は、振幅スペクトルにおける有意ピーク位置を決
定するフローチャートを示すブロック線図１ 第４図は、振幅スペクトルにおける有意ピーク位置に基
づし）で最大の音質指数を有する８つのｆ。 概算値を決定する処理の詳細な流れ図を示すブロック線
図、 第６図は、正規化した自己相関関数における有意ピーク
位置を決定するフローチャートを示すブロック線図、 第６図は、正規化した自己相関関数における有意ピーク
位置に基づいて最大音質指数を有する８つのｆ。概算値
を決定する処理のフローチャートを示すブロック線図、 第７図は、データを組合せてピッチの一層信頼しうる概
算値にする合成処理のフローチャートを示すブロック線
図である。 １０・・・４０ミリ秒の持続時間を有する音声の区分を
開始点として取るブロック １１・・・窓を用いることにより区分の振幅スペクトル
を決定するブロック １２・・・フーリエ変換ブロック １８・・・振幅スペクトルにおける有意ピーク位置を決
定するブロック １４　、１７・・・ピーク位置が高調波列に整合してい
るかどうかを検査するブロック １６・・・自己相関関数を決定するブロック１６・・・
自己相関関数の有意ピーク位置を決定するブロック １８・・・ピッチに対する値を関連の音質指数と組合せ
るブロック （８９ 手　続　補　正　書 昭和６０年４月ＩＯ日 特許庁長官　志　賀　学　殿 １、事件の表示 昭和６０年特許願第３８０１９号 ２、発明の名称 音声分析方式 ３、補正をする者 事件との関係　特許出願人 名称　エヌ・ベー・フィリップス・ フルーイランペンファブリケン ４、代理人 および図面 ｌ、明細書第１９頁第１６行の「変数Ｋにより」を「変
数Ｋによりすべての」に訂正し、 同頁第１６〜１７行の「コンポーネントの数」を［コン
ポーネントの合計数］に訂正する。 ２、同第２２頁第１０行及び第８１頁第７〜８行の「ア
パーチャ内」を「すべてのアパーチャ内Ｊにそれぞれ訂
正する。 ８、同第ｇ２頁第１１行及び第８１頁第８行の「個数」
を「合計数」にそれぞれ訂正する。 １、図面中、「第７図」を別紙訂正図の通りに訂正する
。 代理人弁理士　杉　村　暁　秀 外１名

Claims (1)

1. 【特許請求の範囲】 １２以上のピッチ検出アルゴリズムを用いて人間の音声
   区分のピッチを決定する音声分析方式において、第１要
   素ピツチ計で音声区分ノ振幅スペクトルを決定し、この
   振幅スペクトル内で有意ピーク位置を決定し、第２要素
   ピツチ計で音声１８分の自己相関関数を決定し、この自
   己相関関数内で有意ピーク４１７置を決定し、振幅スペ
   クトルの有意ピーク位Ｉ行および自己相関関数の有意ピ
   ーク位置を以って、−ピッチおよび周期のそれぞれに対
   する蛸を選択し、この値の一次の整数倍の列を決定し、
   この値およびその倍数を含む間隔を決定し、これらの間
   隔によりマスクの了パーチャを規定し、前記の倍数にお
   ける倍率に相当する高縛波数をこれらのアパーチャに関
   連させる工程と、 一有意ヒーク位置とマスクのアパーチャトカ整合してい
   る度合を表わす規準に応じて音質指数を計算する工程と
   、 一ピッチおよび周期のそれぞれの一次に高くなる値に対
   し所定の最高値になるまで前の工程を繰返し、これらの
   ピッチおよび周期のそれぞれの値と関連する音質指数の
   列を得る工程と、 一最高の音質指数を有する所定の個数のピッチおよび周
   期のそれぞれの値を選択する工程と、 一周期に対する値をピッチに対する値に変換する工程と
   、 −これにより見い出したピッチに対する値を関連の音質
   指数と組合せて最も確率の高いピッチの概算値を形成す
   る工程とを有する一組の動作のそれぞれの入力データを
   構成することを特徴とする音声分析方式。