JPS63500681A - マルチレベル・フィルタ励起を用いる音声合成 - 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】 マルチレベル・フィルタ励起を用いる音声合成茨五分互 本発明は圧縮して記ｔαまたは伝送し、その後に合成するための人間の音声信号 のディジクル符号化に係り、特に人間の音声の再生物を発生するべく合成フィル タを励起する合成器中で使用される信号の型の関する。

尖里■宣量 音声を低ビツト速度で記憶または伝送するために音声を表わすのに要求される１ 秒当りのビット数を最小化するように人間の音声をディジタル化し、次いで符号 化する方法が知られている。アナログ音声サンプルは通常幅が２０ミリ秒のオー ダの離散的な時間長を有するセグメント即ちフレームに分割される。サンプリン グは典型例では８ｋＨｚの速度で実行され、各サンプルはマルチビットのディジ タル数値Ｇこ符号化される。相続く符号化されたサンプルは更に人間の声道をモ デル化する適当なフィルタの係数／パラメータを決定する線形予測符号器（ＬＰ Ｇ）で処理される。フィルタのパラメータは予め定められた数の以前のサンプル 値の重み付けられた和に基づいて各信号サンプルの現在の値を推定するのに使用 することが出来る。フィルタのパラメータは声道の伝達関数のフォルマント構造 をモデル化する。音声信号は解析的には励起信号とフォルマント伝達関数より成 るものと見做される。励起成分は喉頭より生し、フォルマント成分は声道の残り の部分に対し励起成分を作用させることより生じる。励起成分は更に声帯により 空気流に分与された基本周波数が存在するか否かに依存して有声または無声に分 類される。声帯により空気流に分与された基本周波数が存在する場合には、励起 成分は有声と分類される。

励起が無声であると、励起成分は従来技術にあっては単に白色雑音と分類される 。音声を低ビツト速度で伝送するべ（符号化するためには、音声のセグメントに 対するＬＰＧ係数を決定し、音声を再生する復号回路にこれらの係数を転送する 必要がある。更に、励起成分を決定し、この成分を復号回路、即ち合成器に転送 する必要がある。

合成器で使用される励起を決定する１つの方法として米国特許第４，４７２，８ ３２号中で述べられているマルチパルス励起モデルがある。この方法では各フレ ームに対してパルスの数を決定し、該パルスはフォルマント・フィルタを励起す るべく合成器によって使用される。これらパルスは前出の特許で述べられている 合成による分析法によって決定される。このマルチ・パルス励起モデルは９、６ 　ｋｂｓのビット速度では良好に動作するがより低いピント速度では音声合成の 品質は劣化し始める。更に、音声の有声領域期間′中、合成された音声は多少粗 くなり、元の音声と異って来る。マルチ・パルス励起モデルの他の問題点はパル スの計算は多数の複雑な数学的操作を必要とするため各フレームに対しパルスを 決定するのに多大の計算を必要とすることである。

ＬＰＧ合成音声に対する励起を決定するのに使用される他の方法は音声領域期間 中に喉頭によって発生されるピンチ、即ち基本周波数を決定することである。合 成器はピッチを受信すると相応する周波数を発生してフォルマント・フィルタを 励起する。音声が無声であると考えられる期間中、その事実が合成器に伝送され 、合成器は白色雑音を使用してフォルマント・フィルタを励起する。

この方法の問題点は白色雑音励起は破裂性子音、有声と無声の音声フレーム系列 の変位点および無声であると誤って判定された有声フレームに対しては不十分な 励起であることである。この問題点の結果、合成された音声は元の音声と同じ音 には聞えないことになる。

前述のことより、音声の有声および無声領域の両方を正確にモデル化出来、無声 および有声フレーム系列の間の転移領域を適正に取扱い、かつ破裂性子音も再生 するような励起モデルの必要性が存在する。

又尻立旦！ 前述の問題点は本発明に従い図示の実施例により解決された。

この実施例では声道をモデル化するフィルタを励起するのに使用する励起として 音声の有声セグメント期間中は基本周波数を使用し、音声の雑音セグメント期間 中は白色雑音励起を使用し、有声でも無声でもないセグメント期間中は経済的に 効率的な方法で計算されたパルスを使用している。励起モデルは整流された残差 信号の平均振幅に関する音声サンプルの残差信号の分散と関連した闇値に基づい ていつ雑音またはパルス励起を使用するかを決定する。

図示の実施例は人間の音声に応動して音声をディジタル化および量子化して複数 個の音声フレームにするサンプルおよび量子化回路を含んでいる。パラメータ・ ユニットは各々の音声フレームに対する声道を定義する音声パラメータの組を計 算するのに使用され、他のユニットはフレームの内どれが有声であり、どれが無 声であるかを指示するのに使用される。各フレームに対し、ピッチ検出ユニット はフレームの各々に対するピッチを決定し、他の励起ユニットは複数個の他の型 の励起情報を発生する。チャネル符号器／組合せユニットは有声と指示されたフ レームに応動してピンチ情報を音声パラメータの組と組合わせて伝送し、無声と 指示されたフレームに応動して他の型の励起情報の１つを音声パラメータの組と 組合わせて伝送する。

他の励起ユニットはパルス型励起を発生するかあるいは雑音型励起を合成器で使 用すべきことを指示する。パルス型励起は各フレームに対する音声サンプルから 残差サンプルを計算し、これら残差サンプルから最大パルスの部分集合を決定す ることにより発生される。このパルスの部分集合は励起の１つの型としてチャネ ル符号器により伝送されるパルス型励起を表わす。

本システムは各フレームに対し残差サンプルの分散および整流された残差サンプ ルの平均振幅を計算することにより雑音型励起を使用するのか、あるいはパルス 型励起を使用するのかを選択する。次に残差の分散と整流された残差の平均振幅 の二乗の比較が行なわれる。分散と平均振幅の二乗の比較の結果、予め定められ た闇値より大である場合にはパルス型励起情報を選択すべきことが指示される。

また、音声パラメータの組はフレームの各々に対し線形予測符号化パラメータの 組を計算することにより得られる。更に、各フレームに対するピンチは複数個の 同一のピッチ検出器により発生される。この場合各々のピッチ検出器は各フレー ムに対する音声サンプルの個々の予め定められた部分に応動して個々のピンチ値 を推定する。選定ユニットは各々のピッチ検出器からの個々の推定されたピッチ 値に応動して各々のフレームに対する最終のピンチ値を決定する。

図示の実施例は各フレームに対する伝送された励起情報および音声パラメータを 受信するユニットを存する合成器サブシステムを含んでいる。合成器サブシステ ムはピッチ情報を含んでいる各フレームに応動してピッチ情報を使用して該フレ ームに対する音声パラメータに基づいて合成フィルタを励起する。励起情報がパ ルス型励起であると、音声バラメークと共に伝送されたパルスは合成フィルタを 励起するのに使用される。雑音型励起が指示されると、雑音発生器は雑音型励起 を発生して合成フィルタを駆動する合成サブシステム内において使用される。

先に詳述した機能はプログラム・インストラクションの組を実行するディジタル 信号プロセッサによって実行され得る。この場合プログラム・インストラクショ ンの組は更にディジタル信号プロセッサの実行を制御するインストラクションの 部分集合およびグループに細分割されている。

図示の方法はアナログ音声をディジタル・サンプルのフレームに変換する量子化 装置およびディジタイザを有するシステム中で機能し、該方法は各々が予め定め られた数のディジタル・サンプルを有する複数個の音声フレームを記憶し、各フ レームに対する声道を定義する音声パラメータの組を計算し、各フレームを有声 または無声と指示し、各フレームに対しピッチ型励起情報を発生し、各フレーム に対し複数個の他の型の励起情報を発生し、フレームが有声と指示されたときは ピッチ励起情報を音声パラメータと組合せ、フレームが無声であると指示された ときは音声パランまた、他の型の励起情報を発生するステップは、ディジタル音 声サンプルから各フレームに対する残差サンプルを計算し、残差サンプルからパ ルス型励起情報であるパルスを決定するステップを実行することによりパルス型 励起情報を発生することを含んでいる。更に、パルスは、残差サンプルから最大 振幅を有する各フレームに対する残差サンプル内のパルスの部分集合の位置を定 めることにより決定される。

組合わせを行うステップは各フレームに対する残差サンプルの分散および整流さ れた残差サンプルの平均振幅を計算し、計算された分散と計算された平均振幅の 二乗を比較し、比較の結果、予め定められた闇値より大であるとパルス型励起を 選択することにより他の型の励起の１つを選択することを含んでいる。

図面の眸度免匪所 第１図は本発明に従う音声分析器のブロック図；第２図は本発明に従う音声合成 器のブロック図；第３図は有声音声を模写する情報を含むパケットを示す図；第 ４図は雑音励起を使用する無声音声を模写する情報を含むパケットを示す図； 第５図はパルス励起を使用する無声音声を模写する情報を含むパケットを示す図 ； 第６図は第１図のピッチ検出器１０９のブロック図；第７図は音声フレームの候 補サンプルの図式表現図：第８図は第１図のピッチ選出器１１１のブロック図； 第９図は第１および２図のディジタル信号プロセッサの使用法を示す図； 第１０〜１４図は第１図の分析回路を実現する第９図のディジタル信号プロセッ サの実行を制御するプログラムのフローチャート； 第１５〜１７図は第２図の合成器を実現する第９図のディジタル信号プロセッサ の実行を制御するプログラムのフローチャートである。

詳末μ弓先吸 第１および２回は本発明の焦点である音声分析器および音声合成器を夫々示す図 である。第１図の音声分析器は導線１１３を介して受信されたアナログ音声信号 に応動してこれらの信号を低ビツト速度で符号化してチャネル１４０を介して第 ２図の合成器２００に伝送する。チャネル１４０は通信伝送路であっても良いし 、後の時点において合成された音声を要求する種々の応用用途に対して音声合成 を提供し得るような記憶装置であってもよい。

そのような応用用途の１例としてディジタル計算機からの音声出力がある。第１ 図に示す分析器はブロック１．００．１１２および１０１を使用してアナログ音 声情報をディジタル化し、量子化する。ブロック１０２は量子化され、ディジク ル化されたサンプルに応動して、人間の声道をモデル化する線形予測符号化（■ 、ＰＣ）係数を発生ずる。これらの係数の形成は米国特許第３，７４０，４７６ 号中で述べられている装置または当業者にあって周知の任意の他の装置に従って 実行される。チャネル符号器１２９を除く第１図の残りの素子はＬＰＧフィルタ 係数によって定義されたモデルを励起する第２図の合成器２００で使用される励 起信号を決定するのに使用される。チャネル符号器１２９はＬＰＧ係数および励 起を規定する情報に応動してこの情報を第３〜５図に示すようにパケットの形態 で合成器２００に伝送する。第３〜５図はパケットの形態で伝送される情報を示 しているが、当業者にあってはこの情報をメモリ中に記憶して合成器が後で使用 出来るようにすること、あるいはこの情報を合成器に並列に伝送し得ることは明 らかである。ＬＰＧ係数および励起成分の伝送はフレーム毎に実行される。

ここで１フレームは１６０サンプルより成る。励起成分は喉頭により音声に付与 された基本周波数を規定するピッチ、合成器が白色雑音発生器を使用するという 指示、あるいはピッチ検出器１０９および／または１１０によって決定された残 差サンプルの絹であって良い。

どの型の励起を伝送するかの決定は以下に示すような仕方でブロック１１１．１ ２５および１２６によって実行される。ピッチ検出器１０９および１１０はブロ ック１０２からの残差信号ｅ（ｎ）に応動してピッチ選出器１１１に対し信号が 有声であるか無声であるかを指示し；ブロック１０７および１０８はディジクル 化された音声サンプルｘ（ｎ）に応動して、これら信号が有声であるか無声であ るかを決定する。ピッチ選出器１１１はフレームが有声であるか無声であるかの 最終決定を行う。ピッチ選出器１１１がフレームは有声であると決定すると、こ の事実を指示する信号が信号路１３１を介してチャネル符号器１２９に伝送され る。チャネル符号器１２９はこの指示に応動して第３図に示すパケ７）を形成す る。このパケットはＬＰＧ係数、フレームは有声であるとの指示、ピンチ選出器 １１１からのピッチ情報、利得計算器１３６からの利得情報、および有声系列の 最初のフレームがピッチ選出器１１１から信号路１３２を介して処理されている 場合には第１のパルスの位置を含んでいる。

ピッチ選出Ｈ１ｌｌがフレームは無声であると決定すると、該ピッチ選出器１１ １はこのことを知らせるために信号路１３１を介して素子１２６およびチャネル 符号器１２９に信号を伝送する。

第１図の分析器は合成器が白色雑音を使用するという指示を送信すべきか否か、 あるいはピッチ検出器１０９または１１０によって決定されたパルスを合成器に 送信すべきか否かを決定しなければならない。後者の決定は次のようにして実行 される。即ちおよび とするとき なる条件が満されると、合成器における励起は白色雑音となる。

上記の条件が満されない場合には、パルス励起が合成器２００に伝送される。式 （１）は次のように書き直される：この式において、Ｎはフレーム当りのサンプ ル数である１６０で／あり、Ｔは約１．８なる値を有している。式（２）の右辺 は第１図のブロック１２０〜１２２によって計算され、左辺はブロック１２３お よび１２４によって計算される。比較器１２５は乗算器１２２および１２４の出 力に応動して式（２）を評価する。比較器１２５からのこの評価値は信号路１３ ３を介してチャネル符号器１２９および判定回路１２６に送信される。比較器１ ２５が乗算器１２４の出力は乗算器１２２の出力より小さいか等しいことを指示 すると比較器１２５は合成器において白色雑音励起が使用されるべきことを指示 する信号を信号路１３３を介して送信する。

チャネル符号器１２９はこの信号に応動して第４図に示すパケットを形成する。

このパケットは無声フレームを指示する“０”にセントされたＶ／ｖビットと、 白色雑音励起を使用すべきことを指示する１０′にセントされたパルス状ビット と、利得ブロック１３６からの利得と、ブロック１０２からのＬＰＧ係数とを有 している。

比較器１２５は乗算器１２４の出力が乗算器１２２の出力より大であると決定す ると、比較器１２５は励起にパルスを使用すべきことを指示する信号を信号路１ ３３を介して送信する。現在のフレームに対し、この信号に応動して判定回路１ ２６はピッチ検出器１０９および１１０からずべての候補パルスを送信すべきな のか、またはこれらパルスの１つの組のみを送信すべきなのかを決定する。両方 のピッチ検出器からの候補パルスの総数が７以下であると、判定回路１２６は信 号路１３８を介してチャネル符号器１２９に′１”を送信する。チャネル符号器 １２９は比較器１２５からの信号および判定回路１２６からの“１′に応動して 信号路１３４および１３５を介して伝送されるすべての候補パルスをすべて使用 して第５図に示すパケットを形成する。ピッチ検出器１０９および１１０からの 最大パルスの総数が７より大であると、判定回路１２６は信号路１３８を介して チャネル符号器１２９に“０”を送信し、信号路１３９を介してチャネル符号器 １２９に該チャネル符号器が信号路１３４または１３５上のパルスを利用しよう としているかを指示する。この決定はどのピッチ検出器が現在のフレームに対し て最大のパルスを有しているかに基づいて行なわれる。ピッチ検出器１０９が最 大のパルスを発生すると、判定回路１２６は“ｌ”をチャネル符号器１２９に送 信する。しかしピッチ検出器１１０が最大のパルスを発生すると、判定回路１２ ６は“０”をチャネル符号器１２９に送信する。チャネル符号器１２９は信号路 １３８を介して受信されたｏ”および信号路１３９を介して受信された信号に応 動して信号路１３３または１３４から指示されたパルスの組を選択し、第５図に 示すパケットを形成する。このパケットは無声フレームであることを指示する“ ０”にセントされたＶ／ｖピント、パルス励起が使用されることを指示する“１ ″にセントされたパルス・ビア　ｈ、パルスの位置と振幅およびＬＰＧ係数を有 している。

第２図に示す合成器２００はチャネル１４．０を介して受信された声道モデルお よび励起情報に応動して第１図の分析器によって符号化された元のアナログ音声 を再生する０合成器２００は以下のように機能する。第３図に示すように有声情 報パケットを受信すると、チャネル復号器２０１はＬＰＧ係数を信号路２１６を 介して合成フィルタ２０７に転送し、とッチ情和を信号路２１２を介して、電力 レベルを信号路２１１を介してピンチ発生器２０２に転送する。更に、それが有 声系列の最初の有声フレームであると、チャネル復号器は第１のパルスの開始位 置を信号路２１３を介してピッチ発生器２０２に送信する。Ｖ／νビントが有声 フレームを指示する“１”に等しいと、チャネル復号器はセレクタ２０６にピッ チ発生器２０２の出力を選択させ、このピンチ発生器２０２からの情報を信号路 ２１７を介して合成フィルタ２０７に加える。

ピッチ発生器２０２は信号路２１１〜２１３を介して受信された情報に応動して 実際の音声の期間中に喉頭により発生された基本周波数を再生する。合成フィル タ２０７は声道モデルを規定するＬＰＧ係数およびピッチ発生器２０２から受信 された励起に応動して音声を表わすディジタル・サンプルを発生する。ディジタ ル・アナログ変換器２０日はフィルタ２０７によって発生されたこれらディジタ ル・サンプルに応動して導線２１８上に音声のアナログ表現を発生させる。

チャネル復号器２０１は第４図に示すような雑音励起を存する無声パケットを受 信し、チャネル復号器２０１は信号路２１４を介して信号を送信し、セレクタ２ ０５に白色雑音発生器２０３の出力を選択させ、チャネル復号器２０１は信号路 ２１４を介して信号を送信し、セレクタ２０６にセレクタ２０５の出力を選択さ せる。更に、チャネル復号器２０１は電力ファクタを白色雑音発生器２０３に送 信する。合成フィルタ２０７は信号路２１６を介してチャネル復号器２０１から 受信された１、、　Ｐ　Ｃ係数およびセレクタ２０５および２０６を介して受信 された白色雑音発生器２０３の出力に応動して音声のディジタル・サンプルを発 生ずる。

チャネル復号器２０１がチャネル１４０から第５図に示すようなパルス励起を有 する無声フレームを受信すると、該復号器２０１は信号路２１０を介してパルス 発生器２０４に最大パルスの振幅に対するパルスの位置と相対振幅を送信し、信 号路２１】を介して最大パルスの振幅を送信する。更に、チャネル復号器２０１ はセレクタ２０５および２０６を信号路２１４および２１５を夫々介してパルス 発生器２０４の出力を選択させ、その出力を合成フィルタ２０７に転送させる。

次に合成フィルタ２０７およびディジタル・アナログ変ｔＩＡ器２０８は音声を 再生する。変換器２０８はその出力に独立した低域フィルタを有している。更に チャネル復号器２０１は信号路２１６を介してＬＰＧ係数を米国特許第３．７４ ０．４７６号で述べられているかまたは当業者にあっては周知の合成フィルタ２ ０７に送信する。

次に第１図に示すピッチ検出サブシステム１５０によって実行されるピンチ検出 機能について更に詳細に考察する。クリッパ１０３〜１０６は信号路１１５およ び１１６上の到来するＸおよびｅなるディジクル化された信号を正に向う波形お よび９、に向う波形に変換する。これらの信号を形成する目的は混合波形は明ら かな周期性を示さないかも知れないのに対し、クリップされた信号は明らかな周 期性を示し得ることによる。従って周期性の検出がより容易となる。クリッパ１ ０３および１０５はＸおよびｅ信号を夫々正に向う信号に変換し、クリッパ１０ ４および１０６はＸおよびｅ信号を夫々負に向う信号に変換する。

ピンチ検出器１０７および１１０は各々それ自身の個々の入力信号に応動して到 来信号の周期性を決定する。ピッチ検出器の出力はこれら信号を受信した２フレ ーム後に得られる。ここで各フレームはこの例では１６０のサンプル点から成っ ていることに注意されたい。ピッチ選出器１１１は４つのピンチ検出器の出力に 応動して最終ピンチを決定する。ピンチ選出器１１１の出力は信号路１１４を介 して伝送される。

第６図はピッチ検出器１０９のブロック回である。他のピッチ検出器も類似の設 計である。最大値位置検出器（ロケータ）６０１は各フレームのディジクル化さ れた信号に応動して周期性の検査を実行するパルスを検出する。最大値ロケータ ６０１の出力は２組の数値である。即ち候補サンプルである最大振幅を表わす数 値Ｍｉと、これら振幅のフレーム内の位置を表わす数ｊｌＴｉＤｉとである。こ れら２組の数値はまたピッチ選出器１１１が現在のフレームは無声であると決定 すると、励起パルスとして使用するべく遅延回路１４５に転送される。距離検出 器６０２はこれら２組の数値に応動して周期的を候補パルスの部分集合を決定す る。この部分集合は距離検出器６０２のこのフレームに対する周期性に関する決 定を表わす。距離検出器６０２の出力はピッチ追尾装置６０３に転送される。ピ ッチ追尾装置６０３０目的はディジタル化された信号の相続くフレーム間のピッ チ検出器のピッチに関する決定を制約することである。この機能を実行するため に、ピンチ追尾装置６０３は以前の２つのフレームに対して決定されたピッチを 使用する。

次に最大値ロケータ６０１によって実行される動作について詳細に考察する。最 大値ロケータ６０１はまずフレームからのサンプルの中でそのフレーム中の大局 的最大振幅Ｍ０とその位置Ｄ０を同定する。周期性チェックのために選択された 他の点は以下のすべての条件を満さねばならない。まず第１にパルスは局部最大 値を有するものでなければならない。即ち取り出される次のパルスは既に取り出 されるかあるいは除去されたすべてのパルスを除くフレーム中の最大振幅を有す るものでなければならない。何故ならばピンチ・パルスは通常フレーム中の他の サンプルより大きな振幅を有していると仮定しているのでこの条件が適用される 。

第２に選択されたパルスの振幅は大局的最大値のあるパーセントより大きいか等 しくなければならない。即ちｇを闇値振幅パーセント（例えば２５％）としてＭ ｉ＞ｇＭ、でなければならない。

第３に、パルスは既に位置が同定されたすべてのパルスから少くとも１８サンプ ルは離れていなければならない。この条件は人間の音声で生しる最大のピンチは 約４４４ｔｌｚであり、これを８ｋｌＬｚのサンプル速度でサンプルすると１８ サンプルになるという仮定に基づいている。

距離検出器６０２は再帰的動作をし、フレームの大局的最大値Ｍ０から最も近隣 の候補パルス′への距離を考察することより開始する。この距離は候補距離ｄｃ と呼ばれ、次式で与えられる。

ｄｃ＝ｌＤｏ　Ｄｉｌ ここでＤｉは最も近隣の候補パルスのフレーム内の位置である。

フレーム中のこのようなパルスの部分集合がこの距離から息継ぎ間隔Ｂを加減し たものだけ隔っていないならば、この候補距離は棄却され、新らしい候補距離を 用いて次の近隣候補パルスに対して再び同様な操作が開始される。Ｂは４から７ の間の値を有している。この新らしい候補距離は次に隣接するパルスと大局的最 大値パルスの距離である。

ピッチ検出器６０２が距離ｄｃ±Ｂだけ隔った候補パルスの部分集合を一度決定 すると、内挿振幅テストが適用される。内挿振幅テストＭ０と次に隣接する候補 パルスの各々の間の線形内挿を実行し、Ｍｏに直接隣接する候補パルスの振幅が これら内挿値の少くともｑ％であることを要求する。内挿振幅闇値ｑ％は７５％ である。第７図に示す候補パルスによって示される例を考察する。

ｄｃが正当な候補距離であるためには次式が成立しなければならない。

ｄｃ＝ｌ　Ｄｏ−Ｄ＋　ｌ　＞　１８ であり、前述の如く次式が成立する。

旧〉ｇＭ。　ｉ＝１．２，３．４．５ ピッチ追尾装置６０３は距離検出器６０２の出力に応動してピッチの周波数と関 連するピッチ距離推定値を評価する。ここでピッチ距離はピッチの周期を表わし ていることに注意されたい。ピッチ追尾装置６０３の機能は、必要な場合には４ つのテストを実行することによってピッチ検出器から受信された初期ピッチ距離 推定値を修正することによってフレーム間でピッチ距離の推定値が矛盾を生じな いように制約を加えることである。ここで４つのテストとは音声セグメント・ス タートアップ・テスト、最大息継ぎおよびピッチ倍化テスト、制限テストおよび 急激変更テストである。これらのテストの内の第１のテストである音声セグメン ト・スタートアップ・テストは有声領域の開始時点におけるピッチ距離の無矛盾 性を保証するために実行される。このテストは有声領域の開始とのみ関係してい るので、このテストは現在のフレームはＯでないピンチ周期を有しているものと 仮定している。この仮定は先行するフレームおよび現在のフレームが有声領域中 の第１および第２の音声フレームであるということに等しい。ピッチ距離の推定 値がＴ（ｉ）　（ここでｉは距離検出器６０２からの現在のピンチ距離の推定値 を表わす）であるとすると、ピッチ検出器６０３は（各検出器を通ると２フレ一 ム分の遅延を与えるので）Ｔ”（＋−２）を出力する。テストはＴ（ｉ−３）お よび　Ｔ（を−２）が０であるかまたはＴ　（ｉ−２）がＯでなくてＴ　（ｉ− ３）およびＴ（ｉ−４）が０であるときのみ（これはフレームｉ−２およびｉ− １が有声領域中の夫々第１および第２の有声フレームであることを意味する）実 行される。音声セグメント・スタートアップ・テストは２つの無矛盾性テストを 実行する。即ち一方は第１の有声フレームＴ（ｉ−２）に対するテストであり、 他方は第２の有声フレームＴ　（ｉ−１）に対するテストである。これら２つの テストは相続くフレーム期間中に実行される。音声セグメント・テストの目的は 、有声領域が実際には開始されていないときに有声領域の開始を定義する確率を 減少させることである。音声領域に対する他の無矛盾性テストが最大息継ぎおよ びピッチ倍化テストにおいて実行され、そこではただ１つの無矛盾性条件が要求 されるので前記２つのテストは重要な意味を有している。第１の無矛盾性テスト はＴ（ｉ−２）中の右の候補サンプルとＴ（ｉ−１）およびＴ（ｉ−２）中の最 も左の候補サンプルの距離がピッチ閾値Ｂ＋２内にあることを保証するために実 行される。

第１の無矛盾性テストに合格すると、次のフレーム期間中に第２の無矛盾性テス トが実行され、第１の無矛盾性テストが確認した結果と同じ結果がフレーム系列 を右に１つシフトしても得られることがＲｉ＝される。第２の無矛盾性テストに 合格しないと、Ｔ（ｉ−１）はＯにセントされ、（Ｔ（ｉ−２）がＯにセントさ れていなかったとすると）フレームｉ−１は第２の有声フレームとはなり得ない ことを表わす。しかし、両方の無矛盾性テストに合格すると、フレーム】−２お よびｉ−１は有声領域の開始を定義する。Ｔ（ｉ−１）が０にセットされ、Ｔ　 （ｉ−２）は０でないと決定され、Ｔ（ｉ−３）は０であると（これはフレーム ｉ−２が２つの無声フレームの間の有声フレームであることを指示する）、急激 変化テストがこの状況を認知するが、この特殊なテストについては後述する。

最大息継ぎおよびピッチ倍化テストは有声領域中の２つの隣接した有声フレーム にわたるピッチの無矛盾性を保証する。従ってこのテストはＴ　（ｉ−３）　、 Ｔ　（ｉ−２）およびＴ（ｉ−１＞が０でないときにのみ実行される。最大息継 ぎおよびピッチ倍化テストはまた距離検出器６０２によって生じたピッチ倍化誤 差をチェックし、補正する。チェックのピッチ倍化部はＴ　（＋−２）およびＴ （ｉ−１）が無矛盾であるかどうか、またはＴ（ｉ−２）がＴ（ｉ−１）の２倍 と無矛盾（これはピッチ倍化誤りを意味する）であるかどうかをチェックする。

このテストはまず、Ａが１０なる値を有するものとして ｌ　Ｔ（ｉ−２）　−Ｔ（ｉ−１）　ｌ　＜Ａなる式によって実行されるテスト の最大息継ぎ部の条件を満すがどうかをチェックする。削代が満されると、Ｔ　 （ｉ−１）はピッチ距離の良好な推定値であり、修正する必要はない。しかし、 テストの最大息継ぎ部の条件を満さないと、テストのビ、千倍化部の条件を満す かどうかを決定するテストを実行しなければならない。テストの第１の部分は、 Ｔロー３）を０でないものとするとき、 なる式で定義されるピンチ闇値内にＴ（ｉ−２）とＴ（ｉ−１）の２倍の差があ るかどうかをチェックする。この条件が満されると、Ｔ　（ｉ＝ｌ）はＴ　（＋ −２）にセットされる。この条件が満されないと、Ｔ　（ｉ−１）は０にセット される。このテストの第２の部分はＴ（ｉ−３）がＯに等しい場合に実行される 。

ｌ　Ｔ（ｉ−２）　−２Ｔ（ｉ−１）　ｔ　＜Ｂおよび ｌ　Ｔ（ｉ−］）〜Ｔ（ｉ）　ｌ　＞Ａであると Ｔ（ｉ−１）　＝Ｔ（ｉ−２） である。この条件が満されないとＴ（＋−１）はＯにセットされる。

Ｔ（ｉ−１）に対して実行される制限テストは計算されたピッチが５０Ｈｚ〜４ ００Ｈｚという人間の音声の範囲内にあることを保証する。計算されたピッチが この範囲内に入らない場合には、Ｔ（ｉ−１）はＯにセントされ、フレームｉ− １は計算されたピッチを有する有声フレームではあり得ないことを指示する。

急激変化テストは前述の３つのテストが実行された後に実行され、その目的は他 のテストが無声領域の中間にある有声フレームあるいは有声領域の中間にある無 声フレームと判定したと決定することである。人間は通常このような音声フレー ム系列を発生し得ないから、急激変化テストは有声−無声−有声あるいは無声− 存声一無声なる系列を除去することによって有声または無声区間は少くとも２フ レーム長を有することを保証する。急激変化テストは各々が前述の２つの系列を 検出するよう設計された２つの別個の手順より成る。ピッチ追尾装置６０３が前 述の４つのテストを一度実行すると、該装置６０３は第１図のピッチ・フィルタ １１１にＴ”（ｉ２）を出力する。ピンチ追尾装置６０３は距離検出器６０２か ら次に受信されるピンチ距離に対する計算を実行するために他のピッチ距離を保 持する。

第８図は第１図のピンチ・フィルタ１１１を更に詳細に示している。ピッチ値推 定器８０１はピンチ検出器１０７〜１１０の出力に応動して２フレーム前のピッ チの初期推定値Ｐ　（＋−２）を形成し、ピッチ値追尾装置８０２はピンチ値推 定器８０１の出力に応動して３フレーム前の最終ピッチ値Ｐ　（ｉ−３）をフレ ームの進行に応じて矛盾がないに制約する。ピッチ値の決定および送出に力■え て、ピッチ・フィルタ１１１はＶノμ信号と有声領域の開始点における最初のパ ルスの位置を発生し、送出する。

次にピッチ値推定器８０１が実行する機能について更に詳細に考察する。一般に 、ピンチ値推定器８０１によって受信された４つのピンチ距離の推定値がすべて 非Ｏ（これはを声フレームを指示）であると、最大および最小の推定値は棄却さ れ、Ｐ　（ｉ−２）は残りの２つの推定値の算術平均にセットされる。同様に、 ピッチ距離の推定値の内の３つが非０であると、最大および最小の推定値が棄却 され、ピッチ値推定器８０１はＰ　（ｉ−２）を残りの非０の推定値に等しくセ ットする。推定値の内２つだけが非０であると、ピンチ値推定器８０１は２つの 値の差がピッチの闇値Ａ内にあるときのみ２つのピッチ距離の推定値の算術平均 に等しくセントする。２つの値の差がピッチの闇値Ａ内にない場合には、ピッチ 値推定器８０１はＰ（ｉ−２）をＯに等しくセントする。

この決定は、幾つかの個々の検出器は誤っである周期性を検出したが、フレーム ｉ−２は無声であることを指示している。４つのピッチ距離推定値の内１つだけ が非０であると、ピッチ値推定器８０１はＰ　（ｉ−２）をその非０の値に等し くセットする。この場合、このピッチ距離の推定値の妥当性をチェックして以前 のピッチの推定値と矛盾がないようにするのがピッチ値追尾装置８０２の役目で ある。ピッチ距離の推定値がすべてＯに等しいと、ピッチ値推定２５８０１はＰ （ｉ−２）を０に等しくセントする。

次にピッチ値追尾装置８０２について詳細に考察する。ピッチ値追尾装置８０２ はピッチ値推定器８０１の出力に応動して３フレーム前のピッチ値の推定値Ｐ” （ｉ−３）を発生するが、この推定はＰ（ｉ−２）およびＰ　（ｉ−４）に基づ いて行なわれる。

ピッチ値Ｐ”（ｉ−３）はフレームからフレームへの変化に応じて矛盾が生じな いように選ばれる。

最初にチェックされることは有声−無声−有声、無声−有声−無声、あるいは有 声−有声−無声なる形を有するフレームの系列である。Ｐ（ｉ−４）およびＰ　 （ｉ−２）が非０で、Ｐ　（＋−３）がＯであることによって示される第１の系 列が生じると、最終ピッチ値Ｐ”（ｔ−３）はピッチ値追尾装置８０２によって Ｐ（ｉ−４）およびＰ（ｉ−２）の算術平均に等しくセットされる。第２の系列 が生起すると、最終ピンチ値Ｐ”（ｉ−３）は０にセントされる。第３の系列に 関しては、ピッチ値追尾装置はＰ　（＋−３）およびＰ（ｉ−４）の差がピッチ の闇値Ａ以内であるときＰ（ｉ−４）およびＰ　（ｉ−３＞が非Ｏであり、Ｐ（ ｉ−２）がＯであることに応動してＰ”（ｉ−３）をＰ　（ｉ−３）およびＰ（ ｉ−４）の算術平均にセットする。即ちピッチ値追尾装置８０２は Ｉ　Ｐ（ｉ−４）　Ｐ（ｉ−３）　ｌ　＜：Ａなることに応動して次の操作を実 行する。

Ｐ　（ｉ−３）およびＰ　（ｉ−４）が前述の条件を満さない（即ち、両者の差 がピンチ闇値Ａ内にない）とピンチ値追尾装置８０２が決定すると、該ピッチ値 追尾装置８０２はＰ”（ｉ−３）をＰ（＋−４）の値に等しくセントする。

前述の操作に加えて、ピンチ値追尾装置８０２はまたある型のを声−有声−有声 フレーム系列に対してピンチ値の推定値を平滑する操作を実行する。この平滑化 操作が実行される３つの型のフレーム系列が生起する。第１の系列は次の条件が 成立するときである。

Ｉ　Ｐ（ｉ−４）　−Ｐ（＋−２）　ｌ　＜Ａおよび Ｉ　Ｐ（＋−４）　−Ｐ（ｉ−３）　Ｉ　＞＾この条件が成立すると、ピッチ値 追尾装置８０２はとセットすることにより平滑化操作を実行する。

第２の条件の組は次の関係が成立するときである。

Ｉ　Ｐ（ｉ−４）　−Ｐ（ｉ−２）　ｌ　＞Ａおよび Ｉ　Ｐ（ｉ−４）　−Ｐ（ｉ−３）　ｌ≦Ａこの第２の条件の組が成立すると、 ピッチ値追尾装置１Ｚ８０２は次のようにセットする。

第３（最後）の条件の組は次式で定義される。

Ｉ　Ｐ（ｉ−４）−Ｐ（ｉ−２）　ｌ　＞Ａおよび Ｉ　Ｐ（＋−４）　−Ｐ（ｉ−３）　ｌ　＞Ａこの最後の条件が成立すると、ピ ッチ値追尾装置８０２は次のようにセットする。

ピ（ｉ−３）　＝Ｐ（ｉ−４） 第９図はディジタル信号プロセッサを用いて実現した第１および２図の分析器お よび合成器の実施例である。第１および第２図に示す機能を実現するため、第１ ０および１５図にフローチャートとして示すプログラムが第９０のＰＲＯＭ　９ ０１中に記憶されている。第９図の分析器／合成器の組合せはチャネル９０６を 介して類似のユニットに接続されており、音声会話はこれら２つの分析器／合成 器ユニットを用いて通信される。ＲＡＭ　９０２は第１図に示す各々のピッチ検 出器に対する個々のパラメータの記憶を含む種々の型の情報を記憶するのに使用 される。ピッチ検出器はＦＲＯＭ９０１中に記憶されたプログラムの命令を用い て実現される。

第９図の分析器／合成器はアナログ・ディジタル変換器９０４を用いて到来音声 をディジタル化し、ディジタル・アナログ変換器９０５を用いてチャネル９０６ を介して受信されたディジタル信号のアナログ表現を出力する。

第１０図はディジタル信号プロセッサ９０３によって実行する第１図のＬＰＧ符 号器およびフィルタ１０２のソフトウェア的実現法を示している。第１０図のフ ローチャートとして示すプログラムはブロック１００１〜１０１２を実行するこ とによりバーブ（Ｂｕｒｇ）のアルゴリズムを実現している。このアルゴリズム は各フレームに対するＬＰＧ係数および残差ｅ　（ｎ）を計算する。残差ｅ　（ ｎ）が決定された後、各フレームに対する電力がブロック１０１３．１０】４お よび１０１５によって残差サンプルから計算される。

次に、第１図のピッチ検出器１０７〜１１０は第１１図のブロック１１０１によ って実現される。ブロック１１０１は各々が第９図のＲＡＭ　９０２中に別個の 記憶パラメータを有するプログラム命令の共通の組を使用することによって正お よび負の音声サンプルならびに正および負の残差サンプルに対してピッチ検出が 実行される。残差サンプルに対し、ピンチ検出期間中に決定された候補パルスは 後でパルス励起として使用するために保存される。ピッチ検出が実行された後、 第１図のピッチ選出器１１１の機能はブロック１１０２および１１０３によって 実現される。Ｖ／ａピントはブロック１１０２によりセットされる。後者のビッ トは判定ブロック１１０４により検定される。Ｖ／ｕビットが“１”にセ・７ト されていて音声フレームが有声フレームであることを指示すると、第１４図のブ ロック１４０１〜１４０４および１４０６および１４０７が実行される。ブロッ ク１４０１および１４０２はピッチおよび電力情報をチャネル符号器に夫々送信 する。判定ブロック１４０３はその有声フレームが一連の有声フレーム中の最初 のフレームであるかどうかを決定する。最初のフレームであると、ブロック１４ ０４はチャネル符号器に第１のピンチ・パルスの位置を送信する。この情報は合 成器がピッチ情報を適正に使用するのに使われる。次に、ブロック１４０６およ び１４０７はＬＰＣ係数に、をチャネル符号器に送出する。次にチャネル符号器 は周知の技法を用いたバイト形態でチャネルを介して合成器に受信した情報を送 信する。

Ｖ／ＬＬビットが“０”にセントされていると、判定ブロック１１０４は制御を ブロック１１０５〜１２０１に切換える。このブロック１１０５〜１２０１は式 （２）の左辺および右辺を決定するのに必要な計算を実行する。これらの計算が 実行されると、パルス励起を用いるか雑音励起を用いるかに関する決定が式（２ ）の最終ステップを実現する判定ブロック１２０２により実行される。雑音励起 を使用すべきとの決定がなされると、制御は第１２図のブロック１２０３および 第１４図のブロック１４０５〜１４０７にわたされる。これらのブロックは合成 器が雑音励起を使用するためにチャネル符号器に対する情報を準備し転送する。

パルス励起を使用するとの判定がなされると、判定ブロック１２０２は制御を第 １２図のブロック１２０４および１２０５にわたす。ブロック１２０４を実行す ると１”がチャネル符号器に送信され、パルス励起を実行すべきことを指示し、 ブロック１２０５を実行すると最大候補パルスの振幅がチャネル符号器に送信さ れる。最大候補パルスは第１１図のブロック１１０１によって実現されたピッチ 検出器により決定される。この情報がチャネル符号器に転送された後、第１３図 の判定ブロック１３０１が実行される。判定ブロック１３０１の目的は第１１図 のブロック１１０１によって見出された候補パルスの内どれを合成器に転送すべ きかを決定することである。残差ピッチ検出器によって見出された候補パルスの 総数が７以下であると、すべての候補パルスが転送される。見出された候補パル スの数が７より大であると、最大振幅の候補パルスを有していたピッチ検出器か らの候補パルスがチャネルに転送される。パルスの総数が７より大であると、最 大振幅の候補パルスが負マたは正の残差サンプルのいずれのサンプル中に存在し ていたかを決定する判定ブロック１３０２が実行される。最大パルス振幅が負の 残差サンプル中に存在するならば、ブロック１３０３および１３０４が実行され 、候補パルスが負の残差サンプルからチャネル符号器に転送される。最大振幅候 補パルスが正の残差サンプル中に存在するという決定が判定ブロック１３０２に よって行なわれると、ブロック１３０９および１３１０が実行され、候補パルス が正の残差サンプルからチャネル符号器に送信される。ブロック１３０４により 転送された情報は各候補パルスの振幅と位置である。振幅情報はブロック１２０ ５によりチャネル符号器に転送された最大振幅の候補パルスの振幅に対する相対 振幅である。

負および正の残差サンプル中の候補パルスの総数が７以下であると判定ブロック １３０１により決定されると、ブロック１３０５．１３０６．１３０７および１ ３０８が実行され、正および負の残差サンプルに対するすべての候補パルスがチ ャネル符号器に転送される。

前述の動作が実行された後、ブロック１３１１が実行され、チャネル符号器に対 しすべてのパルスが伝送されたことを指示する。

ブロック１３１１の実行後、第１４図のブロック１４０６および１４０７が実行 され、ＬＰＧ係数がチャネル符号器に転送される。

ピッチ、雑音またはパルス励起情報がＬＰＧ係数および電力情報と共にチャネル 符号器に転送されると、次のフレームに対して同様な操作が繰返される。

第２図の合成器を実現する第９図のディジタル信号プロセッサ９０３のプログラ ムが第１５．１６および１７図に示されている。

第１５図のフローチャート中に示されているプログラム・ステップは合成フィル タ２０７を実現するプログラム命令を駆動するのに使用される励起の型を決定す る。第１５図に示すプログラム・ステップはフレームの型を決定し、ある種のパ ラメータを読み出す、ブロック１５０１はまずチャネル復号器からν／Ｖビット を得、第２図のセレクタを実現する判定ブロック１５０２はＶ／ａビットが夫々 有声または無声音声情報を指示する°１”または“Ｏ”のいずれであるかを決定 する。有声情報であると指示されると、ブロック１５０３および１５０４が実行 され、チャネル復号器からピッチおよび電力情報が得られる。この情報を得た後 、判定ブロック１５０５の実行によってこれが有声領域の最初のフレームである か否かを決定するチェックが行なわれる。有声領域の最初のフレームである場合 には、ブロック１５０６が実行され、有声フレーム内の最初のピッチ・パルスの 位置が得られる。

情報が無声であると決定されると、ブロック１５０７が実行される。このブロッ クはチャネル復号器からパルス・ビットを得る。

パルス・ビットが“１”であるか“０゛であるかに基づいて判定を行うブロック １５０８はパルス励起または雑音励起を夫々使用するプログラム命令を実行し、 第２図のセレクタ２０５の役割を実行する。パルス・ビットが“Ｏ”で雑音励起 を指示する場合、電力はブロック１５１２によってチャネル復号器から得られる 。

パルス・ビットが“１”でパルス励起を指示する場合、ブロック１５０９〜１５ １１が実行され、パルス励起に使用される候補パルスの最初のパルス位置が得ら れる。

第１のフレーム型パルスが決定されると、第１６および１７図のフローチャート 中に示すプログラム・ステップが実行される。

ブロック１６０３〜１６１０は励起に使用されるパルスを決定し、ブロック１７ ０１〜１７０７は合成フィルタを実現している。判定ブロック１６０３は音声の フレームが完全に合成された時点を決定する。判定ブロック１６０４は再びフレ ームが有声であるか無声であるかを決定する。有声フレームであると、ブロック １６１０が実行され、ピンチ励起のための次のパルスが決定され、合成フィルタ のプログラムされた命令はその後に実行される。

フレームが無声であると、判定ブロック１６０５が実行され、雑音励起とパルス 励起のいずれを使用するかが決定される。雑音励起が使用される場合には、判定 ブロック１６０６が使用され、合成フィルタのプログラムされた命令によって使 用されるパルスが得られる。パルス励起が使用される場合には、プロ、り１６０ ７〜１６０９が実行され、使用される適正なパルス励起パルスが決定される。

合成フィルタは周知のＬＰＧ合成技法を使用してブロック１７０１〜１７０７に より実現される。音声のフレーム全体が合成された後、第１６〜１７図に示すプ ログラムされた命令は音声の次のフレームに対して繰返される。

前述の実施例は本発明の原理を単に例示するものであり、当業者にあっては本発 明の精神および範囲を逸脱することなく他の装置を考案し得ることを理解された い。

ＦＩＧ、７ ＦＩＧ、８ ゴロツク／σＯθへ　Ｆ／σ〃△ ＦＩ０．　１１ θＣ／ｚ八 ＦＩＧ、１２ Ｆ／（、Ｂへ ＦＩＧ、１３ １て／４八 ＦＩＧ、１４ ＦＩＧ、１５ ＦＩＧ、１Ｇ 、ｔ４（１７へ ＦＩＧ、１７ μ１５へ泉３ 国際調査報告 ＡＮＮＥＸ　Ｔｏ　ＴＫＥ　ＩＮＴＥＲＨＡＴＸＯＮＡＬ　５ＥＡＦｉＣＨ！’ ｔＥＰＯＲＴ　ＯＮ

Claims (32)

【特許請求の範囲】
1. １．人間の音声を分析および合成する処理システムであって、該システムは： 各々が予定められた数の前記音声の瞬時振幅の等間隔サンプルを有する複数個の 音声フレームを記憶する手段と；各々の音声フレームに対する声道を定義する音 声パラメータ信号の組を計算する手段と； フレームを有声および無声と命名する手段と；前記フレームの各々に対しピッチ 型励起情報を発生する手段と；前記フレームの各々に対し複数個の他の型の励起 情報を発生する手段と； 有声であると命名された前記フレームの各々に応動して前記ピッチ型励起情報と 前記音声パラメータ信号の前記の組を組合わせる手段とを含み； 該組合わせる手段は更に無声であると命名された各フレームに応動して前記音声 パラメータ信号の組と組合わされる前記他の型の励起の１つを選択する手段を含 むことを特徴とするシステム。
2. ２．第１項記載のシステムにおいて、前記発生手段はパルス型励起を提供するた めに前記フレームの各々に対し前記音声サンプルからパルスを決定する手段を含 むことを特徴とするシステム。
3. ３．第２項記載のシステムにおいて、前記決定手段は前記フレームの各々に対す る前記音声サンプルから残差サンプルを計算する手段と； 前記フレームの各々に対し最大振幅を有する前記残差サンプルのパルスの部分集 合の位置を決定する手段とを含むことを特徴とするシステム。
4. ４．第３項記載のシステムにおいて、前記選択手段は前記フレームの各々に対し 残差サンプルの分散を計算する手段と；前記フレームの各々中の整流された残差 サンプルの平均振幅の二乗を計算する手段と； 前記フレームの各々に対し、残差の計算された分散と整流された残差の平均振幅 の計算された二乗値を比較する手段と；比較の結果予め定められた閾値より大き いとき、前記パルス型励起情報を選択する手段とを含むことを特徴とするシステ ム。
5. ５．第３項記載のシステムにおいて、前記選択手段は前記フレームの各々の各残 差サンプルを二乗する手段と；前記フレームの各々に対する二乗された残差サン プルをすべて加算する手段と； 前記フレームの各々に対し値を発生するために二乗された残差サンプルの和を介 してフレーム中のサンプルの総数を乗ずる手段と； 前記フレームの各々の中の前記残差サンプルの各々に対する絶対値を得る手段と ； 前記フレームの各々に対し残差サンプルの絶対値をすべて加算する手段と； 他の値を発生するために前記フレームの各々に対し残差サンプルの絶対値を加算 したものを二乗する手段と；前記フレームの各々に対し前記値と前記他の値を比 較する手段と； 前記比較の結果、予め定められた閾値よりも大であると、前記パルス型励起情報 を選択する手段とを含むことを特徴とするシステム。
6. ６．第５項記載のシステムにおいて、前記音声パラメータ信号の組を計算する前 記手段は前記フレームの各々に対する線形予測符号化されたパラメータの組を計 算する手段を含むことを特徴とするシステム。
7. ７．第６項記載のシステムにおいて、前記ピッチ型励起情報を発生する前記手段 は： 各々が前記フレームの各々の前記音声サンプルの個々の予め定められた部分に応 動して前記フレームの各々に対するピッチ値を推定する複数個の同一の手段と； 前記推定手段の各々からの個々の推定されたピッチ値に応動して前記フレームの 各々に対する最終ピッチ値を決定する手段とを含むことを特徴とするシステム。
8. ８．第７項記載のシステムにおいて、前記決定手段は：前記フレームの各々に対 し前記推定されたピッチ値の内の前記のものに対する前記最終ピッチ値を計算す る手段と；前記最終ピッチ値を制約して、前記フレームの各々に対する計算され たピッチ値が前記フレームの内の以前のフレームから計算されたピッチ値と一致 するようにする手段とを含むことを特徴とするシステム。
9. ９．第５項記載のシステムであって更に、前記フレームの各々に対する前記送信 された組合わされた励起情報と音声パラメータ信号の前記の組を受信する手段と ； 前記ピッチ励起情報が送信されたとき、音声パラメータ信号の前記組と前記ピッ チ励起情報を使用して音声の各フレームを合成する手段とを含み； 前記合成手段は更に前記他の型の励起情報が送信されたとき、音声パラメータ信 号の前記組および前記複数個の他の型の励起情報の１つに応動して、前記他の型 の励起情報の内の前記１つを使用して音声の各フレームを合成することを特徴と するシステム。
10. １０．第９項記載のシステムにおいて、前記合成手段は前記他の型の励起情報が 雑音型励起情報であるとき、雑音型信号を発生する手段と； 前記パルス型励起情報が送信されたときパルス型信号を発生する手段と； 前記雑音型信号に応動して前記雑音型励起情報を発注する手段と； 前記パルス型信号に応動して前記パルス型励起情報を選択する手段とを含むこと を特徴とするシステム。
11. １１．人間の音声の分析および合成を行う処理システムであって、該システムは ： 各々が予め定められた数の前記音声の瞬時振幅の等間隔サンプルを有する複数個 の音声フレームを記憶する手段と；各々の音声フレームに対する声道を定義する 音声パラメータ信号の組を記算する手段と； 基本周波数を含むフレームに対しフレームのピッチから各フレームに対する励起 情報を形成する手段と；人間の喉頭中の雑音の如き信号源から発生されるフレー ムの音声に対し雑音の使用を指示するべく励起情報を形成する手段と；基本周波 数および雑音の如き信号源が存在しないとき、他の励起源から励起情報を形成す る手段と； 形成された励起情報と各フレームのパラメータ信号の組を送信するべく組合わせ る手段とを含むことを特徴とするシステム。
12. １２．第１１項記載のシステムにおいて、前記ピッチから前記情報を形成する手 段は： 前記フレームのサンプル中の前記基本周波数の存在を検出する手段と； 前記フレームの各々中の前記ピッチを計算する手段と；前記検出手段が前記基本 周波数の存在を決定するとき前記計算されたピッチを前記励起情報中に形成する 手段とを含むことを特徴とするシステム。
13. １３．第１２項記載のシステムにおいて、前記他の励起源から前記励起情報を形 成する前記手段は前記他の励起源からの励起情報を提供するために前記フレーム の各々に対する前記音声サンプルからパルスを決定する手段を含むことを特徴と するシステム。
14. １４．第１３項記載のシステムにおいて、前記パルスを決定する手段は前記フレ ームの各々に対する前記音声サンプルから残差サンプルを計算する手段と； 前記フレームの各々に対し最大振幅を有する前記残差サンプルのパルスの部分集 合の位置を決定する手段を含むことを特徴とするシステム。
15. １５．第１４項記載のシステムにおいて、前記他の励起源から前記励起情報を形 成する前記手段は更に前記フレームの各々に対し前記残差サンプルの分散を計算 する手段と；各フレーム中の整流された残差サンプルの平均振幅の二乗を計算す る手段と； 残差の計算された分散と前記フレームの端々に対する整流された残差の平均振幅 の二乗の計算値を比較する手段と；比較の結果予め定められた閾値より大である とき、前記他の励起源からの前記励起情報を選択すべき前記パルス型情報である と指示する手段とを含むことを特徴とするシステム。
16. １６．第１１項記載のシステムにおいて、音声パラメータ信号の前記組を計算す る前記手段は前記フレームの各々に対する線形予測符号化されたパラメータの組 を計算する手段を含むことを特徴とするシステム。
17. １７．第１５項記載のシステムにおいて、前記フレームの各々中の前記ピッチを 計算する前記手段は： 各々が前記フレームの各々に対するピッチ値を推定するために前記フレームの各 々の前記音声サンプルの個々の予め定められた部分に応動する複数個の同一の手 段と；前記推定手段の各々からの個々の推定されたピッチ値に応動して前記フレ ームの各々に対する最終ピッチ値を決定する手段とを含むことを特徴とするシス テム。
18. １８．第１７項記載のシステムにおいて、前記ピッチ値を決定する前記手段は： 前記フレームの各々に対し前記推定されたピッチ値の前記最終ピッチ値を計算す る手段と； 前記フレームの各々に対する計算されたピッチ値が前記フレームの内の以前のフ レームから計算されたピッチ値と一致するように前記最終ピッチ値を制約する手 段とを含むことを特徴とするシステム。
19. １９．第１１項記載のシステムにおいて、更に前記フレームの各々に対する前記 組合わされた励起情報と音声パラメータ信号の組とを受信する手段と； 前記ピッチ励起情報が伝送されると前記音声パラメータの組および前記ピッチ励 起情報を使用して音声の各フレームを合成する手段とを含み； 前記合成手段は更に前記音声パラメータ信号の組および前記複数個の他の型の励 起情報に応動して前記他の型の励起情報が伝送されたとき前記他の型の励起情報 の内の前記１つを使用して音声の各フレームを合成することを特徴とするシステ ム。
20. ２０．第１９項記載のシステムにおいて、前記合成手段は前記雑音型励起情報が 伝送されたとき雑音型信号を発生する手段と；前記パルス型励起情報が伝送され たときパルス型信号を発生する手段と； 前記雑音型信号に応動して前記雑音型励起情報を選択する手段と； 前記パルス型信号に応動して前記パルス型励起情報を選択する手段とを含むこと を特徴とするシステム。
21. ２１．人間の音声を分析・合成する処理システムであって、該システムは： 前記人間の音声をディジタル的にサンプルしてディジタル化された音声サンプル のフレームとする手段と；プログラム・インストラクションの第１に応動して複 数個の前記音声フレームを記憶する処理手段とを含み；前記処理手段はインスト ラクションの第２の組に更に応動して各音声フレームに対する声道を定義する音 声パラメータ信号の組を計算し； 前記処理手段はプログラム・インストラクションの第３の組に更に応動して前記 フレームの各々を有声および無声と指示し；前記処理手段はプログラム・インス トラクションの第４の組に更に応動して前記フレームの各々に対しピッチ励起情 報を発注し；前記処理手段はプログラム・インストラクションの第５の組に更に 応動して前記フレームの各々に対し複数個の他の型の励起情報を発生し； 前記処理手段はプログラム・インストラクションの第６の組および有声であると 指示された前記フレームの各々に更に応動して前記ピッチ型励起情報および音声 パラメータ信号の前記組を組合わせ； 前記処理手段はプログラム・インストラクションの第７の組および無声であると 指示された各々のフレームに更に応動して前記音声パラメータ信号の組と組合わ される前記他の型の励起の１つを選択し； 前記処理手段はプログラム・インストラクションの第８の組に応動して前記フレ ームの各々に対し組合わされた励起情報と前記音声パラメータ信号の組を伝送す ることを特徴とする処理システム。
22. ２２．第２１項記載のシステムにおいて、前記プログラム・インストラクション の第５の組はプログラム・インストラクションの第１および第２の部分集合より 成り、前記処理手段はプログラム・インストラクションの前記第１の部分集合お よび前記音声サンプルに応動して前記サンプルの各々に対し残差サンプルを計算 し；前記処理手段はプログラム・インストラクションの前記第２の部分集合に更 に応動して前記フレームの各々に対し前記残差サンプルからパルスを決定してパ ルス型励起を提供することを特徴とするシステム。
23. ２３．第２２項記載のシステムにおいて、前記プログラム・インストラクション の第２の部分集合は更にインストラクションの第１のクループを含み、前記処理 手段はプログラム・インストラクションの前記第１のグループに応動して前記フ レームの各々に対し最大振幅を有する前記残差サンプルのパルスの部分集合の位 置を決定することを特徴とするシステム。
24. ２４．第２２項記載のシステムにおいて、前記プログラム・インストラクション の第７の組はプログラム・インストラクションの第３，第４，第５および第６の 部分集合を含み、前記処理手段は更に前記プログラム・インストラクションの第 ３の部分集合に更に応動して前記フレームの各々に対する残差サンプルの分散を 計算し； 前記処理手段は前記プログラム・インストラクションの第４の部分集合に更に応 動して前記フレームの各々中の整流された残差サンプルの平均振幅の二乗を計算 し； 前記処理手段は前記プログラム・インストラクションの第５の部分集合に更に応 動して残差の計算された分散と前記フレームの各々に対する整流された残差の平 均振幅の二乗の計算値を比較し；前記処理手段は前記プログラム・インストラク ションの第６の部分集合に応動して比較の結果予め定められた閾値より大である と前記パルス型情報を選択すべきであると指示することを特徴とするシステム。
25. ２５．第２２項記載のシステムにおいて、前記プログラム・インストラクション の第７の組はプログラム・インストラクションの第２，第３，第４，第５，第６ ，第７および第９のグループを含み、前記処理手段は前記プログラム・インスト ラクションの第２のグループに更に応動して前記フレームの各々に対する各々の 残差サンプルを二乗し； 前記処理手段は前記プログラム・インストラクションの第３のグループに応動し て前記フレームの各々に対しすべての二乗された残差サンプルを加算し； 前記処理手段は前記プログラム・インストラクションの第４のグループに更に応 動して１つのフレーム中のすべてのサンプルに前記フレームの各々に対する二乗 された残差サンプルの和を乗じてある数値を発生させ； 前記処理手段は前記プログラム・インストラクションの第５のグループに更に応 動して前記フレームの各々中の前記残差サンプルの各々に対する絶対値を求め； 前記処理手段は前記プログラム・インストラクションの第６のグループに更に応 動して前記フレームの各々に対し残差サンプルの絶対値をすべて加算し； 前記処理手段は前記プログラム・インストラクションの第７のグループに更に応 動して前記フレームの各々に対する加算された残差サンプルの絶対値を二乗して 他の数値を発生し；前記処理手段は前記インストラクションの第８のグループに 更に応動して前記数値と前記他の数値を比較し；前記処理手段は前記インストラ クションの第９のグループに更に応動して比較の結果予め定められた閾値より大 であるとき前記パルス型励起情報を選択すべきものと指示することを特徴とする システム。
26. ２６．第２４項記載のシステムにおいて、前記プログラム・インストラクション の第２の組はプログラム・インストラクションの第２のグループを含み、前記処 理手段は前記プログラム・インストラクションの第２のグループに更に応動して 前記フレームの各々に対する線形予測符号化パラメータの組を計算して前記フレ ームの各々に対し音声パラメータ信号の前記組を与えることを特徴とするシステ ム。
27. ２７．第２４項記載のシステムにおいて更にプログラム・インストラクションの 第９，第１０，第１１の組を含み、他の処理手段は前記プログラム・インストラ クションの第９の組に応動して前記フレームの各々に対し前記伝送された組合わ された励起情報と音声パラメータ信号の前記の組を受信し；前記他の処理手段は 前記プログラム・インストラクションの第１０の組に更に応動して前記ピッチ励 起情報が伝送されたとき前記音声パラメータ信号の組と前記ピッチ励起情報を使 用して音声の各フレームを合成し； 前記他の処理手段は前記プログラム・インストラクションの第７の組および前記 音声パラメータ信号の組および前記複数個の他の型の励起情報の１つに更に応動 して前記他の型の励起情報が伝送されたとき前記他の型の励起情報の内の前記１ つを使用して音声の各フレームを合成することを特徴とするシステム。
28. ２８．第２７項記載のシステムにおいて、前記プログラム・インストラクション の第１１の組はプログラム・インストラクションの第１，第２，第３および第４ の部分集合を含み、前記他の処理手段は前記プログラム・インストラクションの 第１の部分集合に更に応動して前記他の型の励起情報の前記１つが雑音型励起情 報であるとき雑音型信号を発生し； 前記他の処理手段は前記プログラム・インストラクションの前記第２の部分集合 に更に応動して前記パルス型励起情報が伝送されたときパルス型信号を発生し； 前記他の処理手段は前記雑音型信号に更に応動して前記雑音型励起情報を選択し ； 前記他の処理手段は前記プログラム・インストラクションの第４の部分集合およ び前記パルス型信号に更に応動して前記パルス型励起情報を選択することを特徴 とするシステム。
29. ２９．音声をディジタル・サンプルのフレームに変換する量子化装置を、音声を 分析し合成するべく複数個のプログラム・インストラクションに応動するディジ タル信号プロセッサとを含むシステムで人間の音声を分析・合成する方法であっ て、該方法は：各々が前記音声の瞬時振幅の等間隔サンプルを予め定められた数 だけ有する複数個の音声フレームを記憶し；各音声フレームに対し声道を規定す る音声パラメータ信号の組を計算し； フレームを有声および無声と指示し； 前記フレームの各々に対しピッチ型励起情報を発生し；前記フレームの各々に対 し複数個の他の型の励起情報を発生し；有声であると指示された前記フレームの 各々に対し前記ピッチ型励起情報と前記音声パラメータ信号の組を組合わせ；無 声であると指示された各フレームに対し前記音声パラメータ信号の組と組合わさ れる前記他の型の励起の１つを選択し；前記フレームの各々に対し組合わされた 励起情報および前記音声パラメータ信号の組を伝送するステップを含むことを特 徴とする方法。
30. ３０．第２９項記載の方法において、前記複数個の他の型の励起情報を発生する ステップは前記フレームの各々に対し前記音声サンプルから残差サンプルを計算 するステップと；前記フレームの各々に対する前記残差サンプルからパルスを決 定してパルス型励起を提供するステップとを含むことを特徴とする方法。
31. ３１．第３０項記載の方法において、前記パルスと決定するステップは前記フレ ームの各々に対する最大振幅を有する前記残差サンプルのパルスの部分集合の位 置を決定するステップを含むことを特徴とする方法。
32. ３２．第３１項記載の方法において、前記他の型の励起の１つを選択するステッ プは前記フレームの各々に対する残差サンプルの分散を計算するステップと； 前記各フレームの中の整流された残差サンプルの平均振幅の二乗を計算するステ ップと； 前記フレームの各々に対し計算された分散と平均振幅の二乗の計算を比較するス テップと； 比較の結果、予め定められた閾値より大であると前記パルス型情報を選択すべき であると指示するステップを含むことを特徴とする方法。