JPS6151199A - 音声分析方法 - 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】 産業上の利用分野 本発明はデジタル音声信号処理分野において、少ない数
の乗算器で線形予測係数からＬＰＣケプストラム係数を
算出することのできる新しい計算方法を用いた音声分析
方法に関するものである。

従来例の構成とその問題点 ＬＰＣケプストラム係数は、線形予測分析法による分析
スペク＋ルを比較的少数の係数で効率よく表現したもの
であり、Ｊ、Ｍａｋｈｏｕｌによると、ＬＰＣケプスト
ラム係数と線形予測係数との関係は下記の第２式で与え
られている（ＰｒｏｃｅｅｄｉｎｇｓｏｆＩＥＥＥ、Ｖ
ｏｌ、６３　ｐｐ　６６１〜５８０　Ａｐｒ１９７５　
　”Ｌｉｎｅａｒ　　Ｐｒｅｄｉｃｔｉｏｎ：ＡＴｕｆ
ｏｒｉａｌＲｅｖｉｅｗ”より抜粋）。

寸 ここで　ａ１１ｍｍ形予測係数 予測：　ＬＰＣケプストラム係数 １　＜：　ｎ　（、ｐ ｐ：分析最大次数 なお、簡単のため、以下上記線形予測係数のことをＣ係
数、ＬＰＣケプストラム係数のことをＣ係数と呼ぶ０と
にする。

ところで前記第（２）式の総和記号内部にはｎによる除
算が存在しているため、この式の計算順序をその１ま装
置化することは除算の多用につながり、装置規模あるい
は処理の複雑さの点で好ましくない。処理装置の簡素化
を図るため第（２）式を変形して第（３）式を得、この
式において総和記号の内部を先に言−１算し、得られた
総和を予め求めておいたーで乗じ、以上の操作で得られ
た値をａｎから差し引くことは容易に着想される。

しかし前記χ・ｊ処をもってしても、第（３）式で明ら
かなように、総和記号内部の各項は自然数ｍと第ｍ次Ｃ
係数Ｃ１と、第ｎ−ｍ次ａ係数ａｎ−１との計３係数の
積になっているため、２変数入力型の乗算器では前記３
変数のうちの２変数の私の結果を一担乗算器出力から取
り出し、これを再び同ｉの−あるいは別個の乗算器に入
力することによって残りの１変数との積を得るという手
順を経なければならない。以上に述べた従来の方法を装
置化する際には各々の乗算器を別個に持つことも、単一
の乗算器を繰り返し利用することも可能である。しかし
前者の場合には乗算器の個数か多いため装置規模が大き
くなる問題点があり、後者の場合には全ての乗算を終了
するまでに時間がかかるという問題点があった。

第１図は前記問題点をより具体的に説明するために、従
来の音声分析方法に従って実現された音声分析装置の一
実施例の一部を図示したものであり、前記第３式の漸化
式におけるｎ　＝　５の段階の計算手順に対応している
。同図中１から６１ではそれぞれＣ係数Ｃ１からＣ５ま
での値が格納されている記憶回路を、６から９まではそ
れぞれＣ係数Ｃ１からＣ４までの値が格納されている記
憶回路を、１１から１９までは乗算回路を、２ｏから２
３までは加算回路を、２４から２８までは定数が格納さ
れた記憶回路を、１ｏは以上の回路から得られた計算結
果Ｃ５の値が格納される記憶回路を示している。

同図中、乗算器は合計９個使用されているが、一般にｎ
＝ｎ（ただしｎ〉１）の段階における乗算器は２・ｎ−
１個必要である。この個数は後に述べる本実施例におけ
る乗算器個数ｉ個と比較して約２倍になっており、従来
法の問題点が明らかである。

発明の目的 本発明は前記従来の問題点を解消するもので、Ｃ係数算
出にあたって限られた装置規模あるいは計算時間の範囲
内で実現できる係数計算手段を提供することを目的とす
る。

発明の＋ｊＩ成 本発明は線形予測係数からＬＰＣケプストラム係数を幻
°出する方法であって、その算出過程において上記第（
１）式に示す漸化式に基き、ｎ　＝　１の段階において
算出された第（１）式の左辺１・Ｃ１を第１の記憶手段
に蓄え、 ｎ　＝　２の段階の計算において、係数ａ２を２倍した
ものを累算器に初期設定し、前記第１の記憶手段に蓄え
られた１・ｃｌなる値を前記累算器から減算し、以上の
操作によって算出された第（１）式の左辺２・Ｃ２を第
２の記憶手段に蓄え、以後同様の操作を次数ｎを順次増
加させつつ行ない、 ｎ＝（ｉ−１）の段階において算出された第（１）式の
左辺（ｉ−１）・ｃｉ−１を第（ｉ−１）の記憶手段に
蓄え、 ｎ　＝　ｉの段階の計算においては、係数ａｉを１倍し
たものを累算器に初期設定し、前記第１から第（ｉ−１
）までのそれぞれの記憶手段に蓄えられた１・Ｃ１から
（ｉ−１）・Ｃ１−１までの値を前記累算器から順次減
算し、以上の操作によって１□　　　　　算出された第
（１）式の左辺ｉ　−ｃ、を第ｉの記憶手段に蓄え、 以上の操作を所定の最大次数ｐまで繰り返すことによっ
て各々のＨ−Ｃｎ（ｎ＝１，２．・・・・・・ｐ）を得
、 最後にそれぞれのｎ”ｃｎをｎで除すことによってそれ
ぞ１１．のＣｎを得るものであり、第（１）式の面出式
の各段階における左辺のｎ−Ｃｎと、右辺の総ａ記号中
のそれぞれのｍ−ｃｒＱとを各々−個の１とまった数値
として取り扱うことにより、四式右辺総和記号巾での各
項の乗算回数をそれぞれ２回以内におさえ、その結果限
られた装置規模あるいは計算時間の範囲内でＬＰＣケプ
ストラム係数８゛１算を行なうことができる方法を構成
′するものである。

ここで、ａｎは線形予測係数、 ＣｎはＬＰＣケプストラム係数、 ｐは分析最大次数 である。（ただし１≦ｎ≦ｐ） 実施例の説明 第２図は本発明の音声分析方法に従って実現された音声
分析装置の一実施例の一部であり、ｎ＝５の段階の計算
手順に対応している。同図中３１から３６まではそれぞ
れＣ係数Ｃ１からＣ６までの値が格納されている記憶回
路を３６から３９まではそれぞれＣ係数Ｃ１からＣ４ま
でが自然数１から４までの倍率だけ拡大された値が格納
されている記憶回路を、４１から４６″！、では乗算回
路を、４６から４９までは加算回路を、４０は以上の回
路から得られた計算結果５・Ｃ５の値が格納される記憶
回路を、５ｏは定数６が格納されている記憶回路を示し
ている。

同図は入力としてａｌからＣ５ｒ　Ｃ１から４Ｃ４まで
の係数と定数１個とを受け、５・Ｃ５なる係数１個を出
力する。前記の第（１）式は漸化式であるから、このよ
うな回路構成が各計算段階毎に存在しており、ｎ＝（ｉ
−１）の計算段階で得られた（ｉ−１）・Ｃｉは、その
まま次のｎ＝ｉの計算段階における入力の一つとして使
用される。

同図中、乗算わは合計５個使用されているが、一般にｎ
＝ｎ（ただしｎ〉１）の段階における乗算器はｎ個必要
である。この個数は前記従来例にＱ おける場合の必要個数２・ｎ−１個に比べ、約半数にな
っており、本発明の方法を用いることにより乗算器の必
要個数が減少するという効果があることがわかる。

次に分析最大次ａＰまでに至る全てのＣ係数を求めるだ
めの所要乗算器総数をみると、前記従来例ではｐ２−１
個であるのに対し、本実施例では場合を考えると、前者
では１９５個、後者では１３０個となる。以上の点をま
とめたものが次表である。

（４”Ａ１　合、自　） 以上のように本実施例によれば、漸化式の各計算段階か
ら１（ＩられたｎＣｎを最後にＣｎに変換してやるだめ
に、ｎ−１個の乗算器が別個に必要となるが、これを加
えても本実施例では、乗算器数を減少することができる
。

発明の効果 本発明は線形予測係数からＬＰＣケプストラム係数を算
出する漸化式において、前述の第４式に示したＪ：うに
式の変形をした後、各次数のＬＰＣケプストラム係数に
その次数と等しい整数を乗じた値、即ち第（１）式の左
辺を新しい係数とみなしてひとまと１りに扱うことによ
り、所要乗算器の数を減少させることができるという優
れた効果をもつものである。

４、図面（７）　ｆ７ｉｉ　’ｌ’−す説明第１図は従
来のＬＰＣケプストラム係数算出方法に基いて実現され
たＬＰＣケプストラム係数算出装置の概略図、第２図は
本発明の一実施例における音声分析方法を行なうＬＰＣ
ケプストラム係数算出方法に基いて実現されたＬＰＣケ
プストラム係数算出装置の概略図である。

３１〜４０．５０・・・・・・記憶回路、４１〜４６・
・・・・・乗算回路、４６〜４９・・・・・・加算回路
。

Claims (1)

1. 【特許請求の範囲】 線形予測係数からＬＰＣケプストラム係数を算出する方
   法であって、その算出過程において下記第（１）式に示
   す漸化式に基き ｎ＝１の段階において算出された第（１）式の左辺１・
   ｃ＿１を第１の記憶手段に蓄え、 ｎ＝２の段階の計算においては、係数ａ＿２を２倍した
   ものを累算器に初期設定し、前記第１の記憶手段に蓄え
   られた１・ｃ＿１なる値を前記累算器から減算し、以上
   の操作によって算出された第（１）式の左辺２・ｃ＿２
   を第２の記憶手段に蓄え、 以後同様の操作を次数ｎを順次増加させつつ行ない、 ｎ＝（ｉ−１）の段階において算出された第１式の左辺
   （ｉ−１）・ｃ＿ｉ＿−＿１を第（ｉ−１）の記憶手段
   に蓄え、 ｎ＝ｉの段階の計算においては、係数ａ＿ｉをｉ倍した
   ものを累算器に初期設定し、前記第１から第（ｉ−１）
   までのそれぞれの記憶手段に蓄えられた１・ｃ＿１から
   （ｉ−１）・ｃ＿ｉ＿−＿１までの値を前記累算器から
   順次減算し、以上の操作によってｎ出された第（１）式
   の左辺ｉ・ｃ＿ｉを第ｉの記憶手段に蓄え、 以上の操作を所定の最大次数ｐまで、操り返すことによ
   って各々のｎ・ｃ＿ｎ（ｎ＝１，２、・・・・・・、ｐ
   ）を得、 さらにそれぞれのｎ−ｃ＿ｎをｎで除すことによってそ
   れぞれのｃ＿ｎを得ることを特徴とする音声分析力法。 ｎ・ｃ＿ｎ＝ｎ・ａ＿ｎ−Σ＾ｎ＾−＾１＿ｍ＿＝＿１
   ｍ・ｃ＿ｍ、ａ＿ｎ＿−＿ｍ・・・・・・（１）ただし
   、 ａ＿ｎ：線形予測係数 ｃ＿ｎ：ＬＰＣケプストラム係数 １≦ｎ≦ｐ ｐ：分析最大次数 である。