JPS62183500A - 音声のピツチ抽出装置 - 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、音声分析装置並びに音声情報伝達装置に関す
るものであり、音声のピッチ（基本周期）を正確にかつ
簡単に求める方式に関するものである。

従来の技術 従来、音声のピッチを求める方式の１つとして自己相関
方式がある。これを第６図に基づいて説明する。

音声信号１を前処理部２において、低域３波。

サンプリング、プリエンファシスによる高域強調などの
前処理を行った後、データフレーム制御部３においてフ
レーム単位に分割する。以後のデータ処理はフレーム単
位で行う。データフレーム制御部３では、音声データを
２０〜３０ｍ５程度の時間要分とり込む。また、データ
とり込み開始点を制御することによシ、フレームシフト
を自由に設定することが可能である。フレームに切り出
されたデータから、正規化自己相関係数演算部４におい
て正規化自己相関係数を求める。正規化自己相関係数は
以下に示すようにして求めることができる。

フレーム内のデータ系列をｙ　、ｙ　・・−・・、７Ｈ
と１　　　　２＋ すると、正規化自己相関係数ｒｊ（ｉ＝φ置、ｎ；ｎ　
＜　Ｎ　）は次式で求まる。

Ｎ−ｊ Σ　ｙｉ”Ｙｉ＋ｊ ｉ＝１ ”・＝　　Ｎ（ｉ＝＃・°″°・°２ ・・・・・・（１） 前記正規化自己相関係数は、データの相関の度合を表わ
しており、値が１に近いほど相関が高いことを示してい
る。適当な範囲の正規化自己相関係数列（ｒｊ　）　（
１＝”１　＋　”１　＋’　＋　”’　＋　ｎ２　；Ｏ
＜ｎｌ　＜ｎ２＜Ｎ）を求めた後、最大値検出部５にお
いて（ｒ、）の最大値ｒ７　を求める。ただし、ｒ　ｏ
　（＝＝　１）は対象から除外する。次に、比較部７に
おいて最大値検出部５で得られた正規化自己相関係数の
最大値ｒ７　　としきい値設定部６で設定したしきい値
ｒｔｈとを比較し、その結果に基づいてピッチ決定部１
゜において、ピンチを決定する。ピッチ決定部１゜にお
いては、以下のようにしてピンチを決定する。

ｔ、、〈ｒｔｈのとき、そのフレームは周期性の低い無
声部であると判定する。ｒ　？　ｒ　ｔｈ　　のとき、
周期性の高い有声部と判定して、ピッチを計算する。

音声データのサンプリング周波数をｆＫＨ２とすると、
ピッチＴを Ｔ＝τ／ｆ　　ｍｓ　　　　　　　　　　・・・・・・
（２）として求める。

発明が解決しようとする問題点 従来の自己相関方式やその改良方式においては、正規化
自己相関係数の最大値だけを用いて、音声のピッチを決
定していた。そのため、これらの方法では無声部である
にもかかわらず、正規化自己相関係数の最大値がしきい
値よりも大きい場合に有声部と判定してピッチを求めて
しまい、無声有声誤りを生じていた。第２図によってさ
らに詳しく説明する。第２図は人間のピッチの範囲（２
ｍｓ〜２０ｍ５程度）に相当する範囲の正規化自己相関
係数の分布を示している。第２図Ｃ１第２図すは有声音
の代表的な分布、第２図Ｃ１第２図ｄ１第２図θ、第２
図ｆは無声音の代表的な分布を示す。前記正規化自己相
関係数の最大値のみを用いてピッチを抽出する方式では
、無声音であっても第２図ｃ　−ｆに示すようにしきい
値を超えていれば、有声音と誤って判定されてしまう。

また、このような誤りをしきい値を高くすることによっ
て避けようとしても、今度は有声音でありながら無声音
と誤って判定してしまうという問題が生じる。

すなわち、正規化自己相関係数の最大値としきい値だけ
で正確なピッチ抽出を行うことは困難である。

本発明は、前記従来方式の欠点を除去し、ピッチ抽出誤
りを軽減した音声のピッチ抽出装置を提供することを目
的とする。

問題点を解決するための手段 本発明は、音声信号の正規化自己相関係数を得る正規化
自己相関係数演算手段と、この正規化自己相関係数演算
手段により得られた正規化自己相関係数列から最大値お
よび最大値をとる位置を検出する最大値検出手段と、前
記正規化自己相関係数演算手段により得られた正規化自
己相関係数列から極大点・極小点を抽出する極大極小点
抽出手段と、前記正規化自己相関係数の最大値および最
大値をとる位置、並びに正規化自己相関係数の極大点・
極小点に関する情報をもとにピッチを決定するピッチ決
定手段とを備えた音声のピッチ抽出装置である。

作　　用 本発明は、正規化自己相関係数の最大値およびその位置
情報に加えて、正規化自己相関係数の極大点・極小点に
関する情報を用いることにより、有声無声判定誤り、無
声有声判定誤りを軽減することが可能になり、正確なピ
ッチ抽出を行うことができる。

実施例 以下、図面に基づき、本発明について更に詳しく説明す
る。

第１図は本発明にかかる音声のピッチ抽出装置の構成を
示す。

２は音声信号１を低域ろ波した後サンプリングを行い、
さらにプリエンファシスによる高域強調など、前処理を
行う前処理部である。３は前処理部２で前処理を行った
音声データをフレーム単位に分割するデータフレーム制
御部、４はフレーム単位に分割した音声データから正規
化自己相関係数 数を得る正規化自己相関係数演算部、５は正規化自己相
関数の最大値を得る最大値検出部、了は最大値検出部５
で得た正規化自己相関係数の最大値としきい値設定部６
で設定したしきい値との比較を行う比較部、８は正規化
自己相関係数演算部４で得た正規化自己相関係数列に差
分演算を施す差分演算部、９は差分演算部８で得た正規
化自己相関係数列の差分データ列の零交叉位置を検出す
ることによって正規化自己相関係数分布の極大点・極小
点の検出を行う零交叉検出部、そして１０は比較部７の
結果と、差分演算部８、零交叉検出部９による正規化自
己相関係数分布の極大点・極小点に関する情報とによっ
てピッチを決定するピッチ決定部である。

以上のように構成された本実施例における音声のピッチ
抽出装置について、以下その動作を説明する。

音声信号１を前処理部２において低域ろ波、サンプリン
グ、プリエンファシスによる高域強調などの前処理を行
った後、データフレーム制御部３においてフレーム単位
に分割する。以降の音声データ処理はフレームごとに行
う。データフレーム制御部３では、フレームとして音声
データを２０〜３　Ｑ　ｍ　Ｂ程度の時間要分とり込む
。さらに、データとり込み開始点を制御することにより
、任意の時間長のフレームシフトを行うことが可能であ
る。フレームシフトは、音声の特性変化に追従するため
に５〜２０ｍ５程度に設定する。フレーム単位に切り出
しだ音声データから、正規化自己相関数演算部４におい
て正規化自己相関係数列を得る。フレーム内の音声デー
タ系列を７１，７２＋・・・。

７Ｎとした時、正規化自己相関係数列ｒ　、　（ｊ＝ｎ
１゜−・−、ｎ２：　Ｏ＜　ｎｌ（ｎ２＜Ｎ　）を（１
）式の演算によって得る。この正規化自己相関係数列（
ｒｉ）は人間のピッチの範囲（２ｍｇ〜２０ｍ５　　程
度）をカバーできる範囲で求める。例えばサンプリング
周波数１０　ｋ）ｈ　、フレーム長３０ｍ５の時、フレ
ーム内の音声データ数Ｎは３００であり、ピッチ抽出範
囲２ｍｇ〜２０　ｍ　ｓの正規化自己相ｍ列は（ｒ２゜
。

ｒ２１．・・・＋ｒ２゜。）である。上記のような範囲
で得た正規化自己相関係数列（ｒ、）より、最大値検出
部５において正規化自己相関係数の最大値ｒｒ（ｎｌく
τくｎ２）を求め、比較部６においてしきい値設定部６
で設定したしきい値ｒｔｈと比較する。この比較結果及
び、最大となる位置τがピッチ決定部に入力される。一
方、正規化自己相関係数演算部４で得た正規化自己相関
係数列（ｒ、’）　＜　＋＝ｎ１＋　　・ｎ１＋１．・
・・、ｎ２；○＜　ｎｌ＜　ｎ　２　＜Ｎ　）から、差
分演算部８において、正規化自己相関係数列の差分デー
タ列を得、さらに零交叉検出部９によって前記差分デー
タ列の零交叉位置を得る。零交叉検出部９によって零交
叉位置を検出する際には、前記差分データ列が負値から
正値に変化して零交叉する場合と、正値から負値に変化
して零交叉する場合とを区別する。例えば、負値から正
値に変化して零交叉する零交叉位置には−１の値を持た
せ、正値から負値に変化して零交叉する零交叉位置には
＋１の値を持たせることにより区別できる。第２図に示
す分布をもつ正規化自己相関係数列に上記差分演算部８
、零交叉検出部９における処理を施した結果を第３図に
示す。第２図ａが第３図ｑに、第２図すが第３図りに、
第２図Ｃが第３図ｉに、第２図ｄ、ｆが第３図ｊのよう
になる。すなわち、差分演算部８、零交叉検出部９にお
ける処理によって、正規化自己相関係数分布の極大点・
極小点を明確化させる。

以上のようにし上書た正規化自己相関係数の最大値１τ
とその位置τ、および正規化自己相関係数列に差分演算
部８、零交叉検出部９の処理を施して得た正規化自己相
関係数分布の極太点・極小点の情報によシ、ピッチ決定
部においてピッチを求める。

第４図にピッチ決定部１ｏにおけるピッチ決定処理の流
れを示す。まず、比較部アにおける正規化自己相関係数
の最大値ｒｆとしきい値設定部６で設定されたｒｔｈと
の比較結果がｒ　、（ｒ　ｔｈ　　の時にはピッチＴ　
＝ｏとする。ここで、しきい値ｒｔｈは従来の自己相関
法におけるしきい値よりも低くしておく方が良い。すな
わち、この段階では明らかな無声部だけをピッチＴ＝ｏ
とするようにしきい値設定をする。ｒ７≧ｒｔｈの時に
は以下の処理を行う。極大点および極小点の有無を見、
極大点・極小点が存在しない場合にはピッチＴ＝ｏとす
る。

すなわち、この段階では正規化自己相関係数列が第２図
ｄ、ｅ　、ｆのような分布をする場合に、有声音と誤判
定しピッチを求めることを回避する。

極大点・極小点が存在する場合には、正規化自己相関係
数が最大値をとる位置τの他に、２τまたはτ／２近傍
における、正規化自己相関係数分布の極大点の有無を調
べる。すなわち、倍ピッチ或いは半ピツチの情報を利用
する。２τまたはτ／２近傍に極大点が存在する場合に
はピッチＴをサンプリング周波数’ＫＨ２とするとＴ＝
τ／　ｆ　ｍｓとする。２τまたは％τ近傍に正規化自
己相関係数分布の極大点が存在しない場合において、他
の極大点が存在しない場合、すなわち正規化自己相関係
数が最大となる位置でのみ極大となる時には、ピッチＴ
＝τ／ｆｍｓとする。２τまたはτ／２近傍に極大点が
存在せず、他の位置に極大点が存在する時にはピッチＴ
＝ｏとする。

上記ピッチ抽出装置により、第２図ｃ　−ｆにみられる
ような、従来の方式では無声音として分離できなかった
ものを分離することが可能になり、ピッチ抽出を正確に
行える。

本実施例では、正規化自己相関係数分布の極大点・極小
点を明確化する手段として、差分演算部８、零交叉極出
部９を用いることにより、極大点・極小点の情報を複雑
な操作なく簡単に行うことができる。

発明の詳細 な説明したように本発明によれば、音声信号処理におい
て、有声部を無声部と誤判定、あるいは無声部を有声部
と誤判定する誤りを軽減し、簡単で正確なピッチ抽出が
可能である。

また本発明を音声分析合成装置に用いて正確なピッチ抽
出を行うことにより、従来のピッチ情報の誤りを修正す
るという作業を軽減し、かつ正確なピッチ情報による明
瞭な合成音声を得ることができる。

【図面の簡単な説明】

第１図は本発明にかかるピッチ抽出装置の一実施例を示
すブロック図、第２図は各種音声の正規化自己相関係数
の分布図、第３図は正規化自己相関係分布の極大点・極
小点の抽出動作の説明図、第４図は本発明にかかる実施
例のピッチ決定部における処理のフローチャート、第５
図は従来装置のブロック図である。 １・・・・・・音声信号、２・・・・・・前処理部、３
・・・・・・データフレーム制御部、４・・・・・・正
規化自己相関係数演算部、６・・・・・・最大値検出部
、６・・・・・・しきい値設定部、７・・・・・・比較
部、８・・・・・・差分演算部、９・・・・・・零交叉
検出部、１０・・・・・・ピッチ決定部。 代理人の氏名　弁理士　中　尾　敏　男　ほか１名第２
図 第３図 第４図 ンｐ 浴　　　　　　　　　　　壊

Claims (1)

【特許請求の範囲】
1. 音声信号の正規化自己相関係数を得る正規化自己相関係
   数演算手段と、この正規化自己相関係数演算手段により
   得られた正規化自己相関数列から最大値および最大値を
   とる位置を検出する最大値検出手段と、前記正規化自己
   相関係数演算手段により得られた正規化自己相関係数列
   から極大点・極小点を抽出する極大極小点抽出手段と、
   前記正規化自己相関係数の最大値および最大値をとる位
   置、並びに正規化自己相関係数の極大点・極小点に関す
   る情報をもとにピッチを決定するピッチ決定手段とを備
   えた音声のピッチ抽出装置。