JPH05265486A - 音声分析合成方法 - Google Patents
音声分析合成方法Info
- Publication number
- JPH05265486A JPH05265486A JP4092262A JP9226292A JPH05265486A JP H05265486 A JPH05265486 A JP H05265486A JP 4092262 A JP4092262 A JP 4092262A JP 9226292 A JP9226292 A JP 9226292A JP H05265486 A JPH05265486 A JP H05265486A
- Authority
- JP
- Japan
- Prior art keywords
- data
- pitch
- block
- unit
- sound
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title description 41
- 230000002194 synthesizing effect Effects 0.000 title description 34
- 238000004458 analytical method Methods 0.000 claims abstract description 75
- 238000001308 synthesis method Methods 0.000 claims description 37
- 238000003786 synthesis reaction Methods 0.000 abstract description 71
- 230000015572 biosynthetic process Effects 0.000 abstract description 68
- 239000000284 extract Substances 0.000 abstract description 5
- 239000011295 pitch Substances 0.000 description 168
- 238000001228 spectrum Methods 0.000 description 42
- 238000012545 processing Methods 0.000 description 36
- 238000000605 extraction Methods 0.000 description 26
- 238000010586 diagram Methods 0.000 description 22
- 230000006870 function Effects 0.000 description 20
- 238000006243 chemical reaction Methods 0.000 description 18
- 239000002131 composite material Substances 0.000 description 18
- 230000005284 excitation Effects 0.000 description 16
- 230000005236 sound signal Effects 0.000 description 14
- 230000005540 biological transmission Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 230000009466 transformation Effects 0.000 description 7
- 238000013139 quantization Methods 0.000 description 6
- 238000011867 re-evaluation Methods 0.000 description 6
- 238000009826 distribution Methods 0.000 description 4
- 238000002156 mixing Methods 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 230000003595 spectral effect Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 239000006185 dispersion Substances 0.000 description 3
- 230000000737 periodic effect Effects 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 2
- 230000003321 amplification Effects 0.000 description 2
- 238000005311 autocorrelation function Methods 0.000 description 2
- 238000005520 cutting process Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000006866 deterioration Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 230000001755 vocal effect Effects 0.000 description 2
- 125000004122 cyclic group Chemical group 0.000 description 1
Landscapes
- Electrophonic Musical Instruments (AREA)
Abstract
(57)【要約】
【構成】 分析部１０から合成部２０へは、伝送部２を
介してピッチ情報、有声音／無声音判別情報及び振幅情
報が伝送される。有声音合成部２１の位相予測部２２
は、ピッチ情報とフレーム初期位相に基づいてフレーム
終端位相を予測する。位相修正部２４は、ピッチ情報と
有声音／無声音判別情報とが供給される雑音付加部２３
からの例えばガウス性雑音を予測修正項として用い、正
弦波発声部２５から位相修正された正弦波を出力させ
る。そして、振幅増幅部２６で該出力を増幅し、無声音
合成部２７からの無声音と加算部２８で加算合成し、出
力端子３から合成音が出力される。 【効果】 合成音の音質が向上できる。また、エラーの
累積を防ぎ、母音部もしくは母音部から子音部の遷移点
での音質の劣化を防ぐことができる。
介してピッチ情報、有声音／無声音判別情報及び振幅情
報が伝送される。有声音合成部２１の位相予測部２２
は、ピッチ情報とフレーム初期位相に基づいてフレーム
終端位相を予測する。位相修正部２４は、ピッチ情報と
有声音／無声音判別情報とが供給される雑音付加部２３
からの例えばガウス性雑音を予測修正項として用い、正
弦波発声部２５から位相修正された正弦波を出力させ
る。そして、振幅増幅部２６で該出力を増幅し、無声音
合成部２７からの無声音と加算部２８で加算合成し、出
力端子３から合成音が出力される。 【効果】 合成音の音質が向上できる。また、エラーの
累積を防ぎ、母音部もしくは母音部から子音部の遷移点
での音質の劣化を防ぐことができる。
Description
【０００１】
【産業上の利用分野】本発明は、音声信号の分析合成符
号化装置に適用される音声分析合成方式に関する。
号化装置に適用される音声分析合成方式に関する。
【０００２】
【従来の技術】人間の聴覚は一種のスペクトル分析器で
あって、パワースペクトルが等しければ同じ音として聞
こえるという性質がある。この性質を利用して合成音を
得る方法が音声の分析合成方法である。
あって、パワースペクトルが等しければ同じ音として聞
こえるという性質がある。この性質を利用して合成音を
得る方法が音声の分析合成方法である。
【０００３】上記合成音を得るには、分析側で入力音声
信号を分析し、ピッチ情報、有声音／無声音の判別情
報、振幅情報等を抽出あるいは検出し、合成側に伝送
し、合成側でそれらの情報を基に人工的に音声を作り出
す。特に、合成側は、その合成の方式により、録音編集
方式、パラメータ編集方式、規則合成方式等に分類でき
る。
信号を分析し、ピッチ情報、有声音／無声音の判別情
報、振幅情報等を抽出あるいは検出し、合成側に伝送
し、合成側でそれらの情報を基に人工的に音声を作り出
す。特に、合成側は、その合成の方式により、録音編集
方式、パラメータ編集方式、規則合成方式等に分類でき
る。
【０００４】上記録音編集方式は、予め、人が発生した
音声を単語や文節等を単位にとって蓄積（録音）してお
き、必要に応じてそれらを読みだして接続（編集）し、
音声を合成するものである。
音声を単語や文節等を単位にとって蓄積（録音）してお
き、必要に応じてそれらを読みだして接続（編集）し、
音声を合成するものである。
【０００５】上記パラメータ編集方式は、上記録音編集
方式の場合と同様に単語、文節等を単位とするが、予め
人が発声した音声を音声生成モデルに基づいて分析し
て、パラメータ時系列の形で蓄え、必要に応じて接続し
たパラメータ時系列を用いて音声合成装置を駆動し、音
声を合成する方式である。
方式の場合と同様に単語、文節等を単位とするが、予め
人が発声した音声を音声生成モデルに基づいて分析し
て、パラメータ時系列の形で蓄え、必要に応じて接続し
たパラメータ時系列を用いて音声合成装置を駆動し、音
声を合成する方式である。
【０００６】上記規則合成方式は、文字や音声記号など
の離散的記号で表現された系列を、連続的に変換する技
術である。変換の過程で、音声生成の普遍的諸性質や人
為的諸性質が合成規則として適用される。
の離散的記号で表現された系列を、連続的に変換する技
術である。変換の過程で、音声生成の普遍的諸性質や人
為的諸性質が合成規則として適用される。
【０００７】上記各合成方式は、いずれも何らかの形で
声道特性を模擬し、それに音源波とほぼ同じスペクトル
を持つ信号を使って合成音を得ている。
声道特性を模擬し、それに音源波とほぼ同じスペクトル
を持つ信号を使って合成音を得ている。
【０００８】
【発明が解決しようとする課題】ところで、上記の音声
分析合成方法では、分析側の位相に合成側の位相を合わ
せる必要がある。この場合、合成側にて位相情報を得る
際、角周波数による線形予測及び白色雑音による修正を
用いる場合がある。しかし、位相の真値と予測による雑
音（エラー）の制御は、上記白色雑音では不可能であ
る。
分析合成方法では、分析側の位相に合成側の位相を合わ
せる必要がある。この場合、合成側にて位相情報を得る
際、角周波数による線形予測及び白色雑音による修正を
用いる場合がある。しかし、位相の真値と予測による雑
音（エラー）の制御は、上記白色雑音では不可能であ
る。
【０００９】また、全帯域中の無声音の占める割合で白
色雑音のレベルを変化させて修正項に用いているため、
有声音を多く含むブロックが連続した場合、予測のみで
修正が施されないため、結果として強い母音が長時間続
くようなときはエラーが累積し、音質の劣化が生じる。
色雑音のレベルを変化させて修正項に用いているため、
有声音を多く含むブロックが連続した場合、予測のみで
修正が施されないため、結果として強い母音が長時間続
くようなときはエラーが累積し、音質の劣化が生じる。
【００１０】そこで、本発明に係る音声分析合成方法
は、その大きさと分散を制御することができる雑音を予
測の修正に用いることで音質の向上を実現する音声分析
合成方法の提供と目的とする。
は、その大きさと分散を制御することができる雑音を予
測の修正に用いることで音質の向上を実現する音声分析
合成方法の提供と目的とする。
【００１１】
【課題を解決するための手段】本発明に係る音声分析合
成方法は、入力された音声信号をブロック単位で区分し
てブロック内でのピッチ情報を求める工程と、上記ブロ
ック毎の音声信号を周波数軸に変換して周波数軸上デー
タを求める工程と、この周波数軸上データを上記ピッチ
情報に基づいて複数の帯域に分割する工程と、分割され
た各帯域毎のパワー情報及び有声音か無声音かの判別情
報を求める工程と、これらの工程により求められた上記
ピッチ情報、各帯域毎のパワー情報及び有声音か無声音
かの判別情報を伝送する工程と、伝送されて得られた各
ブロック毎の上記ピッチ情報とブロック初期位相とに基
づいてブロック終端位相を予測する工程と、上記各帯域
に応じた分散を持つ雑音を用いて上記予測されたブロッ
ク終端位相を修正する工程とを有して上記課題を解決す
る。
成方法は、入力された音声信号をブロック単位で区分し
てブロック内でのピッチ情報を求める工程と、上記ブロ
ック毎の音声信号を周波数軸に変換して周波数軸上デー
タを求める工程と、この周波数軸上データを上記ピッチ
情報に基づいて複数の帯域に分割する工程と、分割され
た各帯域毎のパワー情報及び有声音か無声音かの判別情
報を求める工程と、これらの工程により求められた上記
ピッチ情報、各帯域毎のパワー情報及び有声音か無声音
かの判別情報を伝送する工程と、伝送されて得られた各
ブロック毎の上記ピッチ情報とブロック初期位相とに基
づいてブロック終端位相を予測する工程と、上記各帯域
に応じた分散を持つ雑音を用いて上記予測されたブロッ
ク終端位相を修正する工程とを有して上記課題を解決す
る。
【００１２】また、本発明に係る音声分析合成方法は、
上記雑音をガウス性雑音であることを特徴として上記課
題を解決する。
上記雑音をガウス性雑音であることを特徴として上記課
題を解決する。
【００１３】
【作用】本発明に係る音声分析合成方法は、ブロック毎
の音声信号を周波数軸に変換して得られる周波数軸上デ
ータをブロック毎の音声信号から求められたピッチ情報
に基づいて分割した複数帯域毎にパワー情報及び有声音
か無声音かの判別情報を分析側で求めて伝送し、合成側
では伝送されて得られた各ブロック毎の上記ピッチ情報
とブロック初期位相とに基づいてブロック終端位相を予
測し、該予測された終端位相を上記各帯域に応じた分散
を持つガウス性雑音を用いて修正することによって、予
測位相値と真値との誤差を制御できる。
の音声信号を周波数軸に変換して得られる周波数軸上デ
ータをブロック毎の音声信号から求められたピッチ情報
に基づいて分割した複数帯域毎にパワー情報及び有声音
か無声音かの判別情報を分析側で求めて伝送し、合成側
では伝送されて得られた各ブロック毎の上記ピッチ情報
とブロック初期位相とに基づいてブロック終端位相を予
測し、該予測された終端位相を上記各帯域に応じた分散
を持つガウス性雑音を用いて修正することによって、予
測位相値と真値との誤差を制御できる。
【００１４】
【実施例】以下、本発明に係る音声分析合成方法を、音
声信号の分析合成符号化装置（いわゆるボコーダ）に適
用した具体例について、図面を参照しながら説明する。
この分析合成符号化装置は、同時刻（同じブロックある
いはフレーム内）の周波数軸領域に有声音（Voiced) 区
間と無声音(Unvoiced)区間とが存在するというモデル化
を行っている。
声信号の分析合成符号化装置（いわゆるボコーダ）に適
用した具体例について、図面を参照しながら説明する。
この分析合成符号化装置は、同時刻（同じブロックある
いはフレーム内）の周波数軸領域に有声音（Voiced) 区
間と無声音(Unvoiced)区間とが存在するというモデル化
を行っている。
【００１５】図１は、上記音声信号の分析合成符号化装
置に本発明を適用した実施例の全体の概略構成を示す図
である。この図１において、本発明に係る音声分析合成
方法の実施例は、入力音声信号からピッチ情報等を分析
する分析部１０と、該分析部１０から伝送部２によって
伝送されてきた各種情報（ピッチ情報等）を受け取り、
有声音と無声音をそれぞれ合成し、さらに該有声音と無
声音とを合成する合成部２０とからなる。
置に本発明を適用した実施例の全体の概略構成を示す図
である。この図１において、本発明に係る音声分析合成
方法の実施例は、入力音声信号からピッチ情報等を分析
する分析部１０と、該分析部１０から伝送部２によって
伝送されてきた各種情報（ピッチ情報等）を受け取り、
有声音と無声音をそれぞれ合成し、さらに該有声音と無
声音とを合成する合成部２０とからなる。
【００１６】上記分析部１０は、入力端子１から入力さ
れた音声信号を所定サンプル数（Ｎサンプル）のブロッ
ク単位で取り出すブロック取り出し部１１と、このブロ
ック取り出し部１１からのブロック毎の入力音声信号か
ら、ピッチ情報を抽出するピッチ情報抽出部１２と、上
記ブロック取り出し部１１からのブロック毎の入力音声
信号から周波数軸上に変換されたデータを求めるデータ
変換部１３と、このデータ変換部１３からの周波数軸上
データを上記ピッチ情報抽出部１２のピッチ情報に基づ
いて複数の帯域に分割する帯域分割部１４と、この帯域
分割部１４の各帯域毎のパワー（振幅）情報及び有声音
Ｖか無声音ＵＮかの判別情報を求める振幅情報＆Ｖ／Ｕ
Ｖ判別情報検出部１５とを有する。
れた音声信号を所定サンプル数（Ｎサンプル）のブロッ
ク単位で取り出すブロック取り出し部１１と、このブロ
ック取り出し部１１からのブロック毎の入力音声信号か
ら、ピッチ情報を抽出するピッチ情報抽出部１２と、上
記ブロック取り出し部１１からのブロック毎の入力音声
信号から周波数軸上に変換されたデータを求めるデータ
変換部１３と、このデータ変換部１３からの周波数軸上
データを上記ピッチ情報抽出部１２のピッチ情報に基づ
いて複数の帯域に分割する帯域分割部１４と、この帯域
分割部１４の各帯域毎のパワー（振幅）情報及び有声音
Ｖか無声音ＵＮかの判別情報を求める振幅情報＆Ｖ／Ｕ
Ｖ判別情報検出部１５とを有する。
【００１７】上記合成部２０は、上記伝送部２により上
記分析部１０から伝送されてきたピッチ情報、Ｖ／ＵＶ
判別情報及び振幅情報を受け取り、有声音合成部２１で
有声音を無声音合成部２７で無声音を合成し、該合成さ
れた有声音と無声音とを加算部２８で加算合成し、該合
成音信号を出力端子３から取り出すようにしている。
記分析部１０から伝送されてきたピッチ情報、Ｖ／ＵＶ
判別情報及び振幅情報を受け取り、有声音合成部２１で
有声音を無声音合成部２７で無声音を合成し、該合成さ
れた有声音と無声音とを加算部２８で加算合成し、該合
成音信号を出力端子３から取り出すようにしている。
【００１８】なお、上記各情報は、上記Ｎサンプル（例
えば２５６サンプル）のブロック内のデータに対して処
理を施すことにより得られるものであるが、ブロックは
時間軸上を上記Ｌサンプルのフレームを単位として前進
することから、伝送するデータは上記フレーム単位で得
られる。すなわち、上記フレーム周期でピッチ情報、Ｖ
／ＵＶ判別情報及び振幅情報が更新されることになる。
えば２５６サンプル）のブロック内のデータに対して処
理を施すことにより得られるものであるが、ブロックは
時間軸上を上記Ｌサンプルのフレームを単位として前進
することから、伝送するデータは上記フレーム単位で得
られる。すなわち、上記フレーム周期でピッチ情報、Ｖ
／ＵＶ判別情報及び振幅情報が更新されることになる。
【００１９】上記有声音合成部２１は、上記ピッチ情報
と入力端子４から供給されるフレーム初期位相とに基づ
いてフレーム終端位相（次の合成フレームの先端の位
相）を予測する位相予測部２２と、この位相予測部２２
からの予測を上記ピッチ情報ととＶ／ＵＶ判別情報とが
供給される雑音付加部２３からの修正項を用いて修正す
る位相修正部２４と、この位相修正部２４からの修正位
相情報に基づいて図示しない正弦波ＲＯＭから正弦波を
読みだし出力する正弦波発生部２５と、上記振幅情報が
供給され上記正弦波発生部２５からの正弦波の振幅を増
幅する振幅増幅部２６とを有する。
と入力端子４から供給されるフレーム初期位相とに基づ
いてフレーム終端位相（次の合成フレームの先端の位
相）を予測する位相予測部２２と、この位相予測部２２
からの予測を上記ピッチ情報ととＶ／ＵＶ判別情報とが
供給される雑音付加部２３からの修正項を用いて修正す
る位相修正部２４と、この位相修正部２４からの修正位
相情報に基づいて図示しない正弦波ＲＯＭから正弦波を
読みだし出力する正弦波発生部２５と、上記振幅情報が
供給され上記正弦波発生部２５からの正弦波の振幅を増
幅する振幅増幅部２６とを有する。
【００２０】上記無声音合成部２７には、上記ピッチ情
報、Ｖ／ＵＶ判別情報及び振幅情報が供給され、例えば
ホワイトノイズを図示しないバンドパスフィルタでフィ
ルタリングして時間軸上の無声音波形を合成している。
報、Ｖ／ＵＶ判別情報及び振幅情報が供給され、例えば
ホワイトノイズを図示しないバンドパスフィルタでフィ
ルタリングして時間軸上の無声音波形を合成している。
【００２１】上記加算部２８では、上記有声音合成部２
１、無声音合成部２７において合成された有声音及び無
声音の各信号を適当な固定の混合比で加算する。そし
て、この加算された音声信号は、出力端子３から音声信
号として出力される。
１、無声音合成部２７において合成された有声音及び無
声音の各信号を適当な固定の混合比で加算する。そし
て、この加算された音声信号は、出力端子３から音声信
号として出力される。
【００２２】ここで、上記合成部２０の有声音合成部２
１内の位相予測部２２では、時刻０（フレームの先頭）
における第ｍ高調波の位相（フレーム初期位相）をψ0m
とすると、フレームの最後での位相ψLmを、 ψLm＝ψ0m＋ｍ（ωO1＋ωL1）Ｌ／２ ・・・（１） と予測する。また、各バンドの位相φm は、 φm ＝ψLm＋εm ・・・（２） となる。上記（１）、（２）式中でＬはフレームインタ
ーバル、ωO1は、合成フレームの先端（ｎ＝０）での基
本角周波数、ωL1は該合成フレームの終端（ｎ＝Ｌ：次
の合成フレーム先端）での基本角周波数、εm は各バン
ドでの予測修正項を示している。
１内の位相予測部２２では、時刻０（フレームの先頭）
における第ｍ高調波の位相（フレーム初期位相）をψ0m
とすると、フレームの最後での位相ψLmを、 ψLm＝ψ0m＋ｍ（ωO1＋ωL1）Ｌ／２ ・・・（１） と予測する。また、各バンドの位相φm は、 φm ＝ψLm＋εm ・・・（２） となる。上記（１）、（２）式中でＬはフレームインタ
ーバル、ωO1は、合成フレームの先端（ｎ＝０）での基
本角周波数、ωL1は該合成フレームの終端（ｎ＝Ｌ：次
の合成フレーム先端）での基本角周波数、εm は各バン
ドでの予測修正項を示している。
【００２３】上記（１）式より、上記位相予測部２２
は、第ｍ高調波の平均角周波数に時刻を乗じ、それに第
ｍ高調波の初期位相を加えた位相を時刻Ｌでの予測位相
として求めている。また、上記（２）式より、各バンド
の位相φm は、上記予測位相に予測修正項εm を加えた
値である。
は、第ｍ高調波の平均角周波数に時刻を乗じ、それに第
ｍ高調波の初期位相を加えた位相を時刻Ｌでの予測位相
として求めている。また、上記（２）式より、各バンド
の位相φm は、上記予測位相に予測修正項εm を加えた
値である。
【００２４】上記予測修正項εm は、各バンド間で分布
が乱れており（ランダム）、乱数を用いることができる
が本実施例では、ガウス雑音を用いている。このガウス
雑音は、図２に示すように帯域別にみて高域になるにつ
れ（例えば、ε1 からε10）分散が大きくなる雑音であ
る。このガウス雑音は、位相の真の値と予測による値と
の誤差を適切に近似する。
が乱れており（ランダム）、乱数を用いることができる
が本実施例では、ガウス雑音を用いている。このガウス
雑音は、図２に示すように帯域別にみて高域になるにつ
れ（例えば、ε1 からε10）分散が大きくなる雑音であ
る。このガウス雑音は、位相の真の値と予測による値と
の誤差を適切に近似する。
【００２５】ここで、今、図２に示すような分散が単純
にバンドにｍに比例するものとすれば、上記予測修正項
εm は、 εm ＝ｈ1 Ｎ（０，ｋi ） ・・・（３） と示される。ここで、ｈ1 は定数、ｋi は分数、０は平
均を表す。
にバンドにｍに比例するものとすれば、上記予測修正項
εm は、 εm ＝ｈ1 Ｎ（０，ｋi ） ・・・（３） と示される。ここで、ｈ1 は定数、ｋi は分数、０は平
均を表す。
【００２６】また、全帯域を有声音と無声音の二つの帯
域に分割したときに、無声音の部分が多ければ音声を構
成する各周波数成分の位相はよりランダムになるので、
上記予測修正項εm は、 εm ＝ｈ2 ｎujＮ（０，ｋi ） ・・・（４） と示すことができる。ここで、ｈ2 は定数、ｋi は分
数、０は平均、ｎujはブロックｊでの無声音バンドの数
を表す。
域に分割したときに、無声音の部分が多ければ音声を構
成する各周波数成分の位相はよりランダムになるので、
上記予測修正項εm は、 εm ＝ｈ2 ｎujＮ（０，ｋi ） ・・・（４） と示すことができる。ここで、ｈ2 は定数、ｋi は分
数、０は平均、ｎujはブロックｊでの無声音バンドの数
を表す。
【００２７】また、特に入力音声の母音が長く続くとき
のように上述したような各バンド間での分布の乱れがな
い時、もしくは母音から子音及び無音に遷移する時に
は、上記（３）、（４）式で示された予測修正項がかえ
って合成音声の音質を劣化させるので、遅延が許される
のであれば１フレーム先の振幅情報（パワー）Ｓレベ
ル、もしくは有声音部分の減少を調べて上記修正項εm
を、 εm ＝ｈ3 max(ａ，Ｓj −Ｓj+1 ）Ｎ（０，ｋi ） ・・・（５） εm ＝ｈ4 max(ｂ，ｎvj−ｎv(j+1)）Ｎ（０，ｋi ）・・・（６） とする。ここで、ａ，ｂ，ｈ3 ，ｈ4 は定数である。
のように上述したような各バンド間での分布の乱れがな
い時、もしくは母音から子音及び無音に遷移する時に
は、上記（３）、（４）式で示された予測修正項がかえ
って合成音声の音質を劣化させるので、遅延が許される
のであれば１フレーム先の振幅情報（パワー）Ｓレベ
ル、もしくは有声音部分の減少を調べて上記修正項εm
を、 εm ＝ｈ3 max(ａ，Ｓj −Ｓj+1 ）Ｎ（０，ｋi ） ・・・（５） εm ＝ｈ4 max(ｂ，ｎvj−ｎv(j+1)）Ｎ（０，ｋi ）・・・（６） とする。ここで、ａ，ｂ，ｈ3 ，ｈ4 は定数である。
【００２８】さらに、上記ピッチ情報抽出部１２でのピ
ッチ情報が低い場合は、周波数バンドが増え、位相が揃
うことによる悪影響の増大を考慮して、上記上記修正項
εmを、 εm ＝ｆ( Ｓj ，ｈj ）Ｎ（０，ｋi ） ・・・（７） とする。ここで、ｆは周波数
ッチ情報が低い場合は、周波数バンドが増え、位相が揃
うことによる悪影響の増大を考慮して、上記上記修正項
εmを、 εm ＝ｆ( Ｓj ，ｈj ）Ｎ（０，ｋi ） ・・・（７） とする。ここで、ｆは周波数
【００２９】以上より、上記音声信号の分析合成符号化
装置に本発明を適用した実施例は、位相予測の修正に用
いる雑音をガウス性にすることで、その大きさと分散を
制御することができる。
装置に本発明を適用した実施例は、位相予測の修正に用
いる雑音をガウス性にすることで、その大きさと分散を
制御することができる。
【００３０】以下、本発明に係る音声分析合成方法を、
音声信号の合成分析符号化装置（いわゆるボコーダ）の
一種であるＭＢＥ（Multiband Excitation: マルチバン
ド励起）ボコーダに適用した具体例について、図面を参
照しながら説明する。このＭＢＥボコーダは、D. W. Gr
iffin and J. S. Lim,"Multiband Excitation Vocode
r," IEEE Trans.Acoustics,Speech,and Signal Process
ing, vol.36, No.8, pp.1223-1235, Aug.1988 に開示さ
れているものであり、従来のＰＡＲＣＯＲ（PARtial au
to-CORrelation: 偏自己相関）ボコーダ等では、音声の
モデル化の際に有声音区間と無声音区間とをブロックあ
るいはフレーム毎に切り換えていたのに対し、ＭＢＥボ
コーダでは、同時刻（同じブロックあるいはフレーム
内）の周波数軸領域に有声音（Voiced）区間と無声音
（Unvoiced）区間とが存在するという仮定でモデル化し
ている。
音声信号の合成分析符号化装置（いわゆるボコーダ）の
一種であるＭＢＥ（Multiband Excitation: マルチバン
ド励起）ボコーダに適用した具体例について、図面を参
照しながら説明する。このＭＢＥボコーダは、D. W. Gr
iffin and J. S. Lim,"Multiband Excitation Vocode
r," IEEE Trans.Acoustics,Speech,and Signal Process
ing, vol.36, No.8, pp.1223-1235, Aug.1988 に開示さ
れているものであり、従来のＰＡＲＣＯＲ（PARtial au
to-CORrelation: 偏自己相関）ボコーダ等では、音声の
モデル化の際に有声音区間と無声音区間とをブロックあ
るいはフレーム毎に切り換えていたのに対し、ＭＢＥボ
コーダでは、同時刻（同じブロックあるいはフレーム
内）の周波数軸領域に有声音（Voiced）区間と無声音
（Unvoiced）区間とが存在するという仮定でモデル化し
ている。
【００３１】図３は、上記ＭＢＥボコーダに本発明を適
用した実施例の全体の概略構成を示すブロック図であ
る。この図３において、入力端子１０１には音声信号が
供給されるようになっており、この入力音声信号は、Ｈ
ＰＦ（ハイパスフィルタ）等のフィルタ１０２に送られ
て、いわゆるＤＣ（直流）オフセット分の除去や帯域制
限（例えば２００〜３４００Hzに制限）のための少なく
とも低域成分（２００Hz以下）の除去が行われる。この
フィルタ１０２を介して得られた信号は、ピッチ抽出部
１０３及び窓かけ処理部１０４にそれぞれ送られる。ピ
ッチ抽出部１０３では、入力音声信号データが所定サン
プル数Ｎ（例えばＮ＝２５６）単位でブロック分割され
（あるいは方形窓による切り出しが行われ）、このブロ
ック内の音声信号についてのピッチ抽出が行われる。こ
のような切り出しブロック（２５６サンプル）を、例え
ば図４のＡに示すようにＬサンプル（例えばＬ＝１６
０）のフレーム間隔で時間軸方向に移動させており、各
ブロック間のオーバラップはＮ−Ｌサンプル（例えば９
６サンプル）となっている。また、窓かけ処理部１０４
では、１ブロックＮサンプルに対して所定の窓関数、例
えばハミング窓をかけ、この窓かけブロックを１フレー
ムＬサンプルの間隔で時間軸方向に順次移動させてい
る。
用した実施例の全体の概略構成を示すブロック図であ
る。この図３において、入力端子１０１には音声信号が
供給されるようになっており、この入力音声信号は、Ｈ
ＰＦ（ハイパスフィルタ）等のフィルタ１０２に送られ
て、いわゆるＤＣ（直流）オフセット分の除去や帯域制
限（例えば２００〜３４００Hzに制限）のための少なく
とも低域成分（２００Hz以下）の除去が行われる。この
フィルタ１０２を介して得られた信号は、ピッチ抽出部
１０３及び窓かけ処理部１０４にそれぞれ送られる。ピ
ッチ抽出部１０３では、入力音声信号データが所定サン
プル数Ｎ（例えばＮ＝２５６）単位でブロック分割され
（あるいは方形窓による切り出しが行われ）、このブロ
ック内の音声信号についてのピッチ抽出が行われる。こ
のような切り出しブロック（２５６サンプル）を、例え
ば図４のＡに示すようにＬサンプル（例えばＬ＝１６
０）のフレーム間隔で時間軸方向に移動させており、各
ブロック間のオーバラップはＮ−Ｌサンプル（例えば９
６サンプル）となっている。また、窓かけ処理部１０４
では、１ブロックＮサンプルに対して所定の窓関数、例
えばハミング窓をかけ、この窓かけブロックを１フレー
ムＬサンプルの間隔で時間軸方向に順次移動させてい
る。
【００３２】このような窓かけ処理を数式で表すと、 ｘw (k,q) ＝ｘ(q) ｗ(kL-q) ・・・（８） となる。この（８）式において、ｋはブロック番号を、
ｑはデータの時間インデックス（サンプル番号）を表
し、処理前の入力信号のｑ番目のデータｘ(q) に対して
第ｋブロックの窓（ウィンドウ）関数ｗ(kL-q)により窓
かけ処理されることによりデータｘw (k,q) が得られる
ことを示している。ピッチ抽出部１０３内での図４のＡ
に示すような方形窓の場合の窓関数ｗr (r) は、 ｗr (r) ＝１ ０≦ｒ＜Ｎ ・・・（９） ＝０ ｒ＜０，Ｎ≦ｒ また、窓かけ処理部１０４での図４のＢに示すようなハ
ミング窓の場合の窓関数ｗh (r) は、 ｗh (r) ＝ 0.54 − 0.46 cos(２πr/(N-1)) ０≦ｒ＜Ｎ ・・・（10） ＝０ ｒ＜０，Ｎ≦ｒ である。このような窓関数ｗr (r) あるいはｗh (r) を
用いるときの上記（８）式の窓関数ｗ(r) （＝ｗ(kL-
q)）の否零区間は、 ０≦ｋＬ−ｑ＜Ｎ これを変形して、 ｋＬ−Ｎ＜ｑ≦ｋＬ 従って、例えば上記方形窓の場合に窓関数ｗr (kL-q)＝
１となるのは、図５に示すように、ｋＬ−Ｎ＜ｑ≦ｋＬ
のときとなる。また、上記（８）〜（10）式は、長さＮ
（＝２５６）サンプルの窓が、Ｌ（＝１６０）サンプル
ずつ前進してゆくことを示している。以下、上記（９）
式、（10）式の各窓関数で切り出された各Ｎ点（０≦ｒ
＜Ｎ）の否零サンプル列を、それぞれｘwr(k,r) 、ｘwh
(k,r) と表すことにする。
ｑはデータの時間インデックス（サンプル番号）を表
し、処理前の入力信号のｑ番目のデータｘ(q) に対して
第ｋブロックの窓（ウィンドウ）関数ｗ(kL-q)により窓
かけ処理されることによりデータｘw (k,q) が得られる
ことを示している。ピッチ抽出部１０３内での図４のＡ
に示すような方形窓の場合の窓関数ｗr (r) は、 ｗr (r) ＝１ ０≦ｒ＜Ｎ ・・・（９） ＝０ ｒ＜０，Ｎ≦ｒ また、窓かけ処理部１０４での図４のＢに示すようなハ
ミング窓の場合の窓関数ｗh (r) は、 ｗh (r) ＝ 0.54 − 0.46 cos(２πr/(N-1)) ０≦ｒ＜Ｎ ・・・（10） ＝０ ｒ＜０，Ｎ≦ｒ である。このような窓関数ｗr (r) あるいはｗh (r) を
用いるときの上記（８）式の窓関数ｗ(r) （＝ｗ(kL-
q)）の否零区間は、 ０≦ｋＬ−ｑ＜Ｎ これを変形して、 ｋＬ−Ｎ＜ｑ≦ｋＬ 従って、例えば上記方形窓の場合に窓関数ｗr (kL-q)＝
１となるのは、図５に示すように、ｋＬ−Ｎ＜ｑ≦ｋＬ
のときとなる。また、上記（８）〜（10）式は、長さＮ
（＝２５６）サンプルの窓が、Ｌ（＝１６０）サンプル
ずつ前進してゆくことを示している。以下、上記（９）
式、（10）式の各窓関数で切り出された各Ｎ点（０≦ｒ
＜Ｎ）の否零サンプル列を、それぞれｘwr(k,r) 、ｘwh
(k,r) と表すことにする。
【００３３】窓かけ処理部１０４では、図６に示すよう
に、上記（10）式のハミング窓がかけられた１ブロック
２５６サンプルのサンプル列ｘwh(k,r) に対して１７９
２サンプル分の０データが付加されて（いわゆる０詰め
されて）２０４８サンプルとされ、この２０４８サンプ
ルの時間軸データ列に対して、直交変換部１０５により
例えばＦＦＴ（高速フーリエ変換）等の直交変換処理が
施される。
に、上記（10）式のハミング窓がかけられた１ブロック
２５６サンプルのサンプル列ｘwh(k,r) に対して１７９
２サンプル分の０データが付加されて（いわゆる０詰め
されて）２０４８サンプルとされ、この２０４８サンプ
ルの時間軸データ列に対して、直交変換部１０５により
例えばＦＦＴ（高速フーリエ変換）等の直交変換処理が
施される。
【００３４】ピッチ抽出部１０３では、上記ｘwr(k,r)
のサンプル列（１ブロックＮサンプル）に基づいてピッ
チ抽出が行われる。このピッチ抽出法には、時間波形の
周期性や、スペクトルの周期的周波数構造や、自己相関
関数を用いるもの等が知られているが、本実施例では、
センタクリップ波形の自己相関法を採用している。この
ときのブロック内でのセンタクリップレベルについて
は、１ブロックにつき１つのクリップレベルを設定して
もよいが、ブロックを細分割した各部（各サブブロッ
ク）の信号のピークレベル等を検出し、これらの各サブ
ブロックのピークレベル等の差が大きいときに、ブロッ
ク内でクリップレベルを段階的にあるいは連続的に変化
させるようにしている。このセンタクリップ波形の自己
相関データのピーク位置に基づいてピーク周期を決めて
いる。このとき、現在フレームに属する自己相関データ
（自己相関は１ブロックＮサンプルのデータを対象とし
て求められる）から複数のピークを求めておき、これら
の複数のピークの内の最大ピークが所定の閾値以上のと
きには該最大ピーク位置をピッチ周期とし、それ以外の
ときには、現在フレーム以外のフレーム、例えば前後の
フレームで求められたピッチに対して所定の関係を満た
すピッチ範囲内、例えば前フレームのピッチを中心とし
て±２０％の範囲内にあるピークを求め、このピーク位
置に基づいて現在フレームのピッチを決定するようにし
ている。このピッチ抽出部１０３ではオープンループに
よる比較的ラフなピッチのサーチが行われ、抽出された
ピッチデータは高精度（ファイン）ピッチサーチ部１０
６に送られて、クローズドループによる高精度のピッチ
サーチ（ピッチのファインサーチ）が行われる。
のサンプル列（１ブロックＮサンプル）に基づいてピッ
チ抽出が行われる。このピッチ抽出法には、時間波形の
周期性や、スペクトルの周期的周波数構造や、自己相関
関数を用いるもの等が知られているが、本実施例では、
センタクリップ波形の自己相関法を採用している。この
ときのブロック内でのセンタクリップレベルについて
は、１ブロックにつき１つのクリップレベルを設定して
もよいが、ブロックを細分割した各部（各サブブロッ
ク）の信号のピークレベル等を検出し、これらの各サブ
ブロックのピークレベル等の差が大きいときに、ブロッ
ク内でクリップレベルを段階的にあるいは連続的に変化
させるようにしている。このセンタクリップ波形の自己
相関データのピーク位置に基づいてピーク周期を決めて
いる。このとき、現在フレームに属する自己相関データ
（自己相関は１ブロックＮサンプルのデータを対象とし
て求められる）から複数のピークを求めておき、これら
の複数のピークの内の最大ピークが所定の閾値以上のと
きには該最大ピーク位置をピッチ周期とし、それ以外の
ときには、現在フレーム以外のフレーム、例えば前後の
フレームで求められたピッチに対して所定の関係を満た
すピッチ範囲内、例えば前フレームのピッチを中心とし
て±２０％の範囲内にあるピークを求め、このピーク位
置に基づいて現在フレームのピッチを決定するようにし
ている。このピッチ抽出部１０３ではオープンループに
よる比較的ラフなピッチのサーチが行われ、抽出された
ピッチデータは高精度（ファイン）ピッチサーチ部１０
６に送られて、クローズドループによる高精度のピッチ
サーチ（ピッチのファインサーチ）が行われる。
【００３５】高精度（ファイン）ピッチサーチ部１０６
には、ピッチ抽出部１０３で抽出された整数（インテジ
ャー）値の粗（ラフ）ピッチデータと、直交変換部１０
５により例えばＦＦＴされた周波数軸上のデータとが供
給されている。この高精度ピッチサーチ部１０６では、
上記粗ピッチデータ値を中心に、0.２〜0.５きざみで±
数サンプルずつ振って、最適な小数点付き（フローティ
ング）のファインピッチデータの値へ追い込む。このと
きのファインサーチの手法として、いわゆる合成による
分析 (Analysis by Synthesis)法を用い、合成されたパ
ワースペクトルが原音のパワースペクトルに最も近くな
るようにピッチを選んでいる。
には、ピッチ抽出部１０３で抽出された整数（インテジ
ャー）値の粗（ラフ）ピッチデータと、直交変換部１０
５により例えばＦＦＴされた周波数軸上のデータとが供
給されている。この高精度ピッチサーチ部１０６では、
上記粗ピッチデータ値を中心に、0.２〜0.５きざみで±
数サンプルずつ振って、最適な小数点付き（フローティ
ング）のファインピッチデータの値へ追い込む。このと
きのファインサーチの手法として、いわゆる合成による
分析 (Analysis by Synthesis)法を用い、合成されたパ
ワースペクトルが原音のパワースペクトルに最も近くな
るようにピッチを選んでいる。
【００３６】このピッチのファインサーチについて説明
する。先ず、上記ＭＢＥボコーダにおいては、上記ＦＦ
Ｔ等により直交変換された周波数軸上のスペクトルデー
タとしてのＳ(j) を Ｓ(j) ＝Ｈ(j) ｜Ｅ(j) ｜ ０＜ｊ＜Ｊ ・・・（11） と表現するようなモデルを想定している。ここで、Ｊは
πωs ＝ｆs ／２に対応し、サンプリング周波数ｆs ＝
２πωs が例えば８ｋHzのときには４ｋHzに対応する。
上記（11）式中において、周波数軸上のスペクトルデー
タＳ(j) が図７のＡに示すような波形のとき、Ｈ(j)
は、図７のＢに示すような元のスペクトルデータＳ(j)
のスペクトル包絡線（エンベロープ）を示し、Ｅ(j)
は、図７のＣに示すような等レベルで周期的な励起信号
（エキサイテイション）のスペクトルを示している。す
なわち、ＦＦＴスペクトルＳ(j) は、スペクトルエンベ
ロープＨ(j) と励起信号のパワースペクトル｜Ｅ(j) ｜
との積としてモデル化される。
する。先ず、上記ＭＢＥボコーダにおいては、上記ＦＦ
Ｔ等により直交変換された周波数軸上のスペクトルデー
タとしてのＳ(j) を Ｓ(j) ＝Ｈ(j) ｜Ｅ(j) ｜ ０＜ｊ＜Ｊ ・・・（11） と表現するようなモデルを想定している。ここで、Ｊは
πωs ＝ｆs ／２に対応し、サンプリング周波数ｆs ＝
２πωs が例えば８ｋHzのときには４ｋHzに対応する。
上記（11）式中において、周波数軸上のスペクトルデー
タＳ(j) が図７のＡに示すような波形のとき、Ｈ(j)
は、図７のＢに示すような元のスペクトルデータＳ(j)
のスペクトル包絡線（エンベロープ）を示し、Ｅ(j)
は、図７のＣに示すような等レベルで周期的な励起信号
（エキサイテイション）のスペクトルを示している。す
なわち、ＦＦＴスペクトルＳ(j) は、スペクトルエンベ
ロープＨ(j) と励起信号のパワースペクトル｜Ｅ(j) ｜
との積としてモデル化される。
【００３７】上記励起信号のパワースペクトル｜Ｅ(j)
｜は、上記ピッチに応じて決定される周波数軸上の波形
の周期性（ピッチ構造）を考慮して、１つの帯域（バン
ド）の波形に相当するスペクトル波形を周波数軸上の各
バンド毎に繰り返すように配列することにより形成され
る。この１バンド分の波形は、例えば上記図６に示すよ
うな２５６サンプルのハミング窓関数に１７９２サンプ
ル分の０データを付加（０詰め）した波形を時間軸信号
と見なしてＦＦＴし、得られた周波数軸上のある帯域幅
を持つインパルス波形を上記ピッチに応じて切り出すこ
とにより形成することができる。
｜は、上記ピッチに応じて決定される周波数軸上の波形
の周期性（ピッチ構造）を考慮して、１つの帯域（バン
ド）の波形に相当するスペクトル波形を周波数軸上の各
バンド毎に繰り返すように配列することにより形成され
る。この１バンド分の波形は、例えば上記図６に示すよ
うな２５６サンプルのハミング窓関数に１７９２サンプ
ル分の０データを付加（０詰め）した波形を時間軸信号
と見なしてＦＦＴし、得られた周波数軸上のある帯域幅
を持つインパルス波形を上記ピッチに応じて切り出すこ
とにより形成することができる。
【００３８】次に、上記ピッチに応じて分割された各バ
ンド毎に、上記Ｈ(j) を代表させるような（各バンド毎
のエラーを最小化するような）値（一種の振幅）｜Ａm
｜を求める。ここで、例えば第ｍバンド（第ｍ高調波の
帯域）の下限、上限の点をそれぞれａm 、ｂm とすると
き、この第ｍバンドのエラーεm は、
ンド毎に、上記Ｈ(j) を代表させるような（各バンド毎
のエラーを最小化するような）値（一種の振幅）｜Ａm
｜を求める。ここで、例えば第ｍバンド（第ｍ高調波の
帯域）の下限、上限の点をそれぞれａm 、ｂm とすると
き、この第ｍバンドのエラーεm は、
【００３９】
【数１】 で表せる。このエラーεm を最小化するような｜Ａm ｜
は、
は、
【００４０】
【数２】 となり、この（13）式の｜Ａm ｜のとき、エラーεm を
最小化する。このような振幅｜Ａm ｜を各バンド毎に求
め、得られた各振幅｜Ａm ｜を用いて上記（12）式で定
義された各バンド毎のエラーεm を求める。次に、この
ような各バンド毎のエラーεm の全バンドの総和値Σε
m を求める。さらに、このような全バンドのエラー総和
値Σεm を、いくつかの微小に異なるピッチについて求
め、エラー総和値Σεm が最小となるようなピッチを求
める。
最小化する。このような振幅｜Ａm ｜を各バンド毎に求
め、得られた各振幅｜Ａm ｜を用いて上記（12）式で定
義された各バンド毎のエラーεm を求める。次に、この
ような各バンド毎のエラーεm の全バンドの総和値Σε
m を求める。さらに、このような全バンドのエラー総和
値Σεm を、いくつかの微小に異なるピッチについて求
め、エラー総和値Σεm が最小となるようなピッチを求
める。
【００４１】すなわち、上記ピッチ抽出部１０３で求め
られたラフピッチを中心として、例えば 0.25 きざみで
上下に数種類ずつ用意する。これらの複数種類の微小に
異なるピッチの各ピッチに対してそれぞれ上記エラー総
和値Σεm を求める。この場合、ピッチが定まるとバン
ド幅が決まり、上記（13）式より、周波数軸上データの
パワースペクトル｜Ｓ(j) ｜と励起信号スペクトル｜Ｅ
(j) ｜とを用いて上記（12）式のエラーεm を求め、そ
の全バンドの総和値Σεm を求めることができる。この
エラー総和値Σεm を各ピッチ毎に求め、最小となるエ
ラー総和値に対応するピッチを最適のピッチとして決定
するわけである。以上のようにして高精度ピッチサーチ
部１０６で最適のファイン（例えば 0.25 きざみ）ピッ
チが求められ、この最適ピッチに対応する振幅｜Ａm ｜
が決定される。
られたラフピッチを中心として、例えば 0.25 きざみで
上下に数種類ずつ用意する。これらの複数種類の微小に
異なるピッチの各ピッチに対してそれぞれ上記エラー総
和値Σεm を求める。この場合、ピッチが定まるとバン
ド幅が決まり、上記（13）式より、周波数軸上データの
パワースペクトル｜Ｓ(j) ｜と励起信号スペクトル｜Ｅ
(j) ｜とを用いて上記（12）式のエラーεm を求め、そ
の全バンドの総和値Σεm を求めることができる。この
エラー総和値Σεm を各ピッチ毎に求め、最小となるエ
ラー総和値に対応するピッチを最適のピッチとして決定
するわけである。以上のようにして高精度ピッチサーチ
部１０６で最適のファイン（例えば 0.25 きざみ）ピッ
チが求められ、この最適ピッチに対応する振幅｜Ａm ｜
が決定される。
【００４２】以上ピッチのファインサーチの説明におい
ては、説明を簡略化するために、全バンドが有声音（Vo
iced）の場合を想定しているが、上述したようにＭＢＥ
ボコーダにおいては、同時刻の周波数軸上に無声音（Un
voiced）領域が存在するというモデルを採用しているこ
とから、上記各バンド毎に有声音／無声音の判別を行う
ことが必要とされる。
ては、説明を簡略化するために、全バンドが有声音（Vo
iced）の場合を想定しているが、上述したようにＭＢＥ
ボコーダにおいては、同時刻の周波数軸上に無声音（Un
voiced）領域が存在するというモデルを採用しているこ
とから、上記各バンド毎に有声音／無声音の判別を行う
ことが必要とされる。
【００４３】上記高精度ピッチサーチ部１０６からの最
適ピッチ及び振幅｜Ａm ｜のデータは、有声音／無声音
判別部１０７に送られ、上記各バンド毎に有声音／無声
音の判別が行われる。この判別のために、ＮＳＲ（ノイ
ズｔｏシグナル比）を利用する。すなわち、第ｍバンド
のＮＳＲは、
適ピッチ及び振幅｜Ａm ｜のデータは、有声音／無声音
判別部１０７に送られ、上記各バンド毎に有声音／無声
音の判別が行われる。この判別のために、ＮＳＲ（ノイ
ズｔｏシグナル比）を利用する。すなわち、第ｍバンド
のＮＳＲは、
【００４４】
【数３】 と表せ、このＮＳＲ値が所定の閾値（例えば0.３）より
大のとき（エラーが大きい）ときには、そのバンドでの
｜Ａm ｜｜Ｅ(j) ｜による｜Ｓ(j) ｜の近似が良くない
（上記励起信号｜Ｅ(j) ｜が基底として不適当である）
と判断でき、当該バンドをＵＶ（Unvoiced、無声音）と
判別する。これ以外のときは、近似がある程度良好に行
われていると判断でき、そのバンドをＶ（Voiced、有声
音）と判別する。
大のとき（エラーが大きい）ときには、そのバンドでの
｜Ａm ｜｜Ｅ(j) ｜による｜Ｓ(j) ｜の近似が良くない
（上記励起信号｜Ｅ(j) ｜が基底として不適当である）
と判断でき、当該バンドをＵＶ（Unvoiced、無声音）と
判別する。これ以外のときは、近似がある程度良好に行
われていると判断でき、そのバンドをＶ（Voiced、有声
音）と判別する。
【００４５】次に、振幅再評価部１０８には、直交変換
部１０５からの周波数軸上データ、高精度ピッチサーチ
部１０６からのファインピッチと評価された振幅｜Ａm
｜との各データ、及び上記有声音／無声音判別部１０７
からのＶ／ＵＶ（有声音／無声音）判別データが供給さ
れている。この振幅再評価部１０８では、有声音／無声
音判別部１０７において無声音（ＵＶ）と判別されたバ
ンドに関して、再度振幅を求めている。このＵＶのバン
ドについての振幅｜Ａm ｜UVは、
部１０５からの周波数軸上データ、高精度ピッチサーチ
部１０６からのファインピッチと評価された振幅｜Ａm
｜との各データ、及び上記有声音／無声音判別部１０７
からのＶ／ＵＶ（有声音／無声音）判別データが供給さ
れている。この振幅再評価部１０８では、有声音／無声
音判別部１０７において無声音（ＵＶ）と判別されたバ
ンドに関して、再度振幅を求めている。このＵＶのバン
ドについての振幅｜Ａm ｜UVは、
【００４６】
【数４】 にて求められる。
【００４７】この振幅再評価部１０８からのデータは、
データ数変換（一種のサンプリングレート変換）部１０
９に送られる。このデータ数変換部１０９は、上記ピッ
チに応じて周波数軸上での分割帯域数が異なり、データ
数（特に振幅データの数）が異なることを考慮して、一
定の個数にするためのものである。すなわち、例えば有
効帯域を３４００ｋHzまでとすると、この有効帯域が上
記ピッチに応じて、８バンド〜６３バンドに分割される
ことになり、これらの各バンド毎に得られる上記振幅｜
Ａm ｜（ＵＶバンドの振幅｜Ａm ｜UVも含む）データの
個数ｍMX+1も８〜６３と変化することになる。このため
データ数変換部１０９では、この可変個数ｍMX+1の振幅
データを一定個数ＮC （例えば４４個）のデータに変換
している。
データ数変換（一種のサンプリングレート変換）部１０
９に送られる。このデータ数変換部１０９は、上記ピッ
チに応じて周波数軸上での分割帯域数が異なり、データ
数（特に振幅データの数）が異なることを考慮して、一
定の個数にするためのものである。すなわち、例えば有
効帯域を３４００ｋHzまでとすると、この有効帯域が上
記ピッチに応じて、８バンド〜６３バンドに分割される
ことになり、これらの各バンド毎に得られる上記振幅｜
Ａm ｜（ＵＶバンドの振幅｜Ａm ｜UVも含む）データの
個数ｍMX+1も８〜６３と変化することになる。このため
データ数変換部１０９では、この可変個数ｍMX+1の振幅
データを一定個数ＮC （例えば４４個）のデータに変換
している。
【００４８】ここで本実施例においては、周波数軸上の
有効帯域１ブロック分の振幅データに対して、ブロック
内の最後のデータからブロック内の最初のデータまでの
値を補間するようなダミーデータを付加してデータ個数
をＮF 個に拡大した後、帯域制限型のＫOS倍（例えば８
倍）のオーバーサンプリングを施すことによりＫOS倍の
個数の振幅データを求め、このＫOS倍の個数（(
ｍMX+1) ×ＫOS個）の振幅データを直線補間してさらに
多くのＮM 個（例えば２０４８個）に拡張し、このＮM
個のデータを間引いて上記一定個数ＮC （例えば４４
個）のデータに変換する。
有効帯域１ブロック分の振幅データに対して、ブロック
内の最後のデータからブロック内の最初のデータまでの
値を補間するようなダミーデータを付加してデータ個数
をＮF 個に拡大した後、帯域制限型のＫOS倍（例えば８
倍）のオーバーサンプリングを施すことによりＫOS倍の
個数の振幅データを求め、このＫOS倍の個数（(
ｍMX+1) ×ＫOS個）の振幅データを直線補間してさらに
多くのＮM 個（例えば２０４８個）に拡張し、このＮM
個のデータを間引いて上記一定個数ＮC （例えば４４
個）のデータに変換する。
【００４９】このデータ数変換部１０９からのデータ
（上記一定個数ＮC の振幅データ）がベクトル量子化部
１１０に送られて、所定個数のデータ毎にまとめられて
ベクトルとされ、ベクトル量子化が施される。ベクトル
量子化部１１０からの量子化出力データは、出力端子１
１１を介して取り出される。また、上記高精度のピッチ
サーチ部１０６からの高精度（ファイン）ピッチデータ
は、ピッチ符号化部１１５で符号化され、出力端子１１
２を介して取り出される。さらに、上記有声音／無声音
判別部１０７からの有声音／無声音（Ｖ／ＵＶ）判別デ
ータは、出力端子１１３を介して取り出される。これら
の各出力端子１１１〜１１３からのデータは、所定の伝
送フォーマットの信号とされて伝送される。
（上記一定個数ＮC の振幅データ）がベクトル量子化部
１１０に送られて、所定個数のデータ毎にまとめられて
ベクトルとされ、ベクトル量子化が施される。ベクトル
量子化部１１０からの量子化出力データは、出力端子１
１１を介して取り出される。また、上記高精度のピッチ
サーチ部１０６からの高精度（ファイン）ピッチデータ
は、ピッチ符号化部１１５で符号化され、出力端子１１
２を介して取り出される。さらに、上記有声音／無声音
判別部１０７からの有声音／無声音（Ｖ／ＵＶ）判別デ
ータは、出力端子１１３を介して取り出される。これら
の各出力端子１１１〜１１３からのデータは、所定の伝
送フォーマットの信号とされて伝送される。
【００５０】なお、これらの各データは、上記Ｎサンプ
ル（例えば２５６サンプル）のブロック内のデータに対
して処理を施すことにより得られるものであるが、ブロ
ックは時間軸上を上記Ｌサンプルのフレームを単位とし
て前進することから、伝送するデータは上記フレーム単
位で得られる。すなわち、上記フレーム周期でピッチデ
ータ、Ｖ／ＵＶ判別データ、振幅データが更新されるこ
とになる。
ル（例えば２５６サンプル）のブロック内のデータに対
して処理を施すことにより得られるものであるが、ブロ
ックは時間軸上を上記Ｌサンプルのフレームを単位とし
て前進することから、伝送するデータは上記フレーム単
位で得られる。すなわち、上記フレーム周期でピッチデ
ータ、Ｖ／ＵＶ判別データ、振幅データが更新されるこ
とになる。
【００５１】次に、伝送されて得られた上記各データに
基づき音声信号を合成するための合成側（デコード側）
の概略構成について、図８を参照しながら説明する。こ
の図８において、入力端子１２１には上記ベクトル量子
化された振幅データが、入力端子１２２には上記符号化
されたピッチデータが、また入力端子１２３には上記Ｖ
／ＵＶ判別データがそれぞれ供給される。入力端子１２
１からの量子化振幅データは、逆ベクトル量子化部１２
４に送られて逆量子化され、データ数逆変換部１２５に
送られて逆変換され、得られた振幅データが有声音合成
部１２６及び無声音合成部１２７に送られる。入力端子
１２２からの符号化ピッチデータは、ピッチ復号化部１
２８で復号化され、データ数逆変換部１２５、有声音合
成部１２６及び無声音合成部１２７に送られる。また入
力端子１２３からのＶ／ＵＶ判別データは、有声音合成
部１２６及び無声音合成部１２７に送られる。
基づき音声信号を合成するための合成側（デコード側）
の概略構成について、図８を参照しながら説明する。こ
の図８において、入力端子１２１には上記ベクトル量子
化された振幅データが、入力端子１２２には上記符号化
されたピッチデータが、また入力端子１２３には上記Ｖ
／ＵＶ判別データがそれぞれ供給される。入力端子１２
１からの量子化振幅データは、逆ベクトル量子化部１２
４に送られて逆量子化され、データ数逆変換部１２５に
送られて逆変換され、得られた振幅データが有声音合成
部１２６及び無声音合成部１２７に送られる。入力端子
１２２からの符号化ピッチデータは、ピッチ復号化部１
２８で復号化され、データ数逆変換部１２５、有声音合
成部１２６及び無声音合成部１２７に送られる。また入
力端子１２３からのＶ／ＵＶ判別データは、有声音合成
部１２６及び無声音合成部１２７に送られる。
【００５２】有声音合成部１２６では例えば余弦(cosin
e)波合成により時間軸上の有声音波形を合成し、無声音
合成部１２７では例えばホワイトノイズをバンドパスフ
ィルタでフィルタリングして時間軸上の無声音波形を合
成し、これらの各有声音合成波形と無声音合成波形とを
加算部１２９で加算合成して、出力端子１３０より取り
出すようにしている。この場合、上記振幅データ、ピッ
チデータ及びＶ／ＵＶ判別データは、上記分析時の１フ
レーム（Ｌサンプル、例えば１６０サンプル）毎に更新
されて与えられるが、フレーム間の連続性を高める（円
滑化する）ために、上記振幅データやピッチデータの各
値を１フレーム中の例えば中心位置における各データ値
とし、次のフレームの中心位置までの間（合成時の１フ
レーム）の各データ値を補間により求める。すなわち、
合成時の１フレーム（例えば上記分析フレームの中心か
ら次の分析フレームの中心まで）において、先端サンプ
ル点での各データ値と終端（次の合成フレームの先端）
サンプル点での各データ値とが与えられ、これらのサン
プル点間の各データ値を補間により求めるようにしてい
る。
e)波合成により時間軸上の有声音波形を合成し、無声音
合成部１２７では例えばホワイトノイズをバンドパスフ
ィルタでフィルタリングして時間軸上の無声音波形を合
成し、これらの各有声音合成波形と無声音合成波形とを
加算部１２９で加算合成して、出力端子１３０より取り
出すようにしている。この場合、上記振幅データ、ピッ
チデータ及びＶ／ＵＶ判別データは、上記分析時の１フ
レーム（Ｌサンプル、例えば１６０サンプル）毎に更新
されて与えられるが、フレーム間の連続性を高める（円
滑化する）ために、上記振幅データやピッチデータの各
値を１フレーム中の例えば中心位置における各データ値
とし、次のフレームの中心位置までの間（合成時の１フ
レーム）の各データ値を補間により求める。すなわち、
合成時の１フレーム（例えば上記分析フレームの中心か
ら次の分析フレームの中心まで）において、先端サンプ
ル点での各データ値と終端（次の合成フレームの先端）
サンプル点での各データ値とが与えられ、これらのサン
プル点間の各データ値を補間により求めるようにしてい
る。
【００５３】以下、有声音合成部１２６における合成処
理を詳細に説明する。上記Ｖ（有声音）と判別された第
ｍバンド（第ｍ高調波の帯域）における時間軸上の上記
１合成フレーム（Ｌサンプル、例えば１６０サンプル）
分の有声音をＶm (n) とするとき、この合成フレーム内
の時間インデックス（サンプル番号）ｎを用いて、 Ｖm (n) ＝Ａm (n) cos(θm (n)) ０≦ｎ＜Ｌ ・・・（16） と表すことができる。全バンドの内のＶ（有声音）と判
別された全てのバンドの有声音を加算（ΣＶm (n) ）し
て最終的な有声音Ｖ(n) を合成する。
理を詳細に説明する。上記Ｖ（有声音）と判別された第
ｍバンド（第ｍ高調波の帯域）における時間軸上の上記
１合成フレーム（Ｌサンプル、例えば１６０サンプル）
分の有声音をＶm (n) とするとき、この合成フレーム内
の時間インデックス（サンプル番号）ｎを用いて、 Ｖm (n) ＝Ａm (n) cos(θm (n)) ０≦ｎ＜Ｌ ・・・（16） と表すことができる。全バンドの内のＶ（有声音）と判
別された全てのバンドの有声音を加算（ΣＶm (n) ）し
て最終的な有声音Ｖ(n) を合成する。
【００５４】この（16）式中のＡm (n) は、上記合成フ
レームの先端から終端までの間で補間された第ｍ高調波
の振幅である。最も簡単には、フレーム単位で更新され
る振幅データの第ｍ高調波の値を直線補間すればよい。
すなわち、上記合成フレームの先端（ｎ＝０）での第ｍ
高調波の振幅値をＡ0m、該合成フレームの終端（ｎ＝
Ｌ：次の合成フレームの先端）での第ｍ高調波の振幅値
をＡLmとするとき、 Ａm (n) ＝ (L-n)Ａ0m／Ｌ＋ｎＡLm／Ｌ ・・・（17） の式によりＡm (n) を計算すればよい。
レームの先端から終端までの間で補間された第ｍ高調波
の振幅である。最も簡単には、フレーム単位で更新され
る振幅データの第ｍ高調波の値を直線補間すればよい。
すなわち、上記合成フレームの先端（ｎ＝０）での第ｍ
高調波の振幅値をＡ0m、該合成フレームの終端（ｎ＝
Ｌ：次の合成フレームの先端）での第ｍ高調波の振幅値
をＡLmとするとき、 Ａm (n) ＝ (L-n)Ａ0m／Ｌ＋ｎＡLm／Ｌ ・・・（17） の式によりＡm (n) を計算すればよい。
【００５５】次に、上記（16）式中の位相θm (n) は、 θm (0) ＝ｍωO1ｎ＋ｎ2 ｍ（ωL1−ω01）／２Ｌ＋φ0m＋Δωｎ ・・・（18） により求めることができる。この（18）式中で、φ0mは
上記合成フレームの先端（ｎ＝０）での第ｍ高調波の位
相（フレーム初期位相）を示し、ω01は合成フレーム先
端（ｎ＝０）での基本角周波数、ωL1は該合成フレーム
の終端（ｎ＝Ｌ：次の合成フレーム先端）での基本角周
波数をそれぞれ示している。上記（18）式中のΔωは、
ｎ＝Ｌにおける位相φLmがθm (L) に等しくなるような
最小のΔωを設定する。
上記合成フレームの先端（ｎ＝０）での第ｍ高調波の位
相（フレーム初期位相）を示し、ω01は合成フレーム先
端（ｎ＝０）での基本角周波数、ωL1は該合成フレーム
の終端（ｎ＝Ｌ：次の合成フレーム先端）での基本角周
波数をそれぞれ示している。上記（18）式中のΔωは、
ｎ＝Ｌにおける位相φLmがθm (L) に等しくなるような
最小のΔωを設定する。
【００５６】これに、対して本発明の実施例では、上記
（18) 式のφ0m＋Δωｎを合成側に送らずに、合成側で
位相を予測算出している。すなわち、上記位相予測部２
２は、上記（１）式に示されるように時刻０（フレーム
の先頭）における第ｍ高調波の位相（フレーム初期位
相）ψ0mにｍ（ωO1＋ωL1）Ｌ／２ を加えフレームの
最後での位相ψLmを、予測算出している。また、各バン
ドの位相φm は、上記予測算出された位相ψLmにεm を
加えて示される。このεm は各バンドでの予測修正項を
示している。本発明では、この予測修正項εm にガウス
性の雑音を用いている。
（18) 式のφ0m＋Δωｎを合成側に送らずに、合成側で
位相を予測算出している。すなわち、上記位相予測部２
２は、上記（１）式に示されるように時刻０（フレーム
の先頭）における第ｍ高調波の位相（フレーム初期位
相）ψ0mにｍ（ωO1＋ωL1）Ｌ／２ を加えフレームの
最後での位相ψLmを、予測算出している。また、各バン
ドの位相φm は、上記予測算出された位相ψLmにεm を
加えて示される。このεm は各バンドでの予測修正項を
示している。本発明では、この予測修正項εm にガウス
性の雑音を用いている。
【００５７】ここで、図９のＡは、音声信号のスペクト
ルの一例を示しており、バンド番号（ハーモニクスナン
バ）ｍが８、９、１０の各バンドがＵＶ（無声音）とさ
れ、他のバンドはＶ（有声音）とされている。このＶ
（有声音）のバンドの時間軸信号が上記有声音合成部１
２６により合成され、ＵＶ（無声音）のバンドの時間軸
信号が無声音合成部１２７で合成されるわけである。
ルの一例を示しており、バンド番号（ハーモニクスナン
バ）ｍが８、９、１０の各バンドがＵＶ（無声音）とさ
れ、他のバンドはＶ（有声音）とされている。このＶ
（有声音）のバンドの時間軸信号が上記有声音合成部１
２６により合成され、ＵＶ（無声音）のバンドの時間軸
信号が無声音合成部１２７で合成されるわけである。
【００５８】以下、無声音合成部１２７における無声音
合成処理を説明する。ホワイトノイズ発生部１３１から
の時間軸上のホワイトノイズ信号波形を、所定の長さ
（例えば２５６サンプル）で適当な窓関数（例えばハミ
ング窓）により窓かけをし、ＳＴＦＴ処理部１３２によ
りＳＴＦＴ（ショートタームフーリエ変換）処理を施す
ことにより、図９のＢに示すようなホワイトノイズの周
波数軸上のパワースペクトルを得る。このＳＴＦＴ処理
部１３２からのパワースペクトルをバンド振幅処理部１
３３に送り、図９のＣに示すように、上記ＵＶ（無声
音）とされたバンド（例えばｍ＝８、９、１０）につい
て上記振幅｜Ａm ｜UVを乗算し、他のＶ（有声音）とさ
れたバンドの振幅を０にする。このバンド振幅処理部１
３３には上記振幅データ、ピッチデータ、Ｖ／ＵＶ判別
データが供給されている。バンド振幅処理部１３３から
の出力は、ＩＳＴＦＴ処理部１３４に送られ、位相は元
のホワイトノイズの位相を用いて逆ＳＴＦＴ処理を施す
ことにより時間軸上の信号に変換する。ＩＳＴＦＴ処理
部１３４からの出力は、オーバーラップ加算部１３５に
送られ、時間軸上で適当な（元の連続的なノイズ波形を
復元できるように）重み付けをしながらオーバーラップ
及び加算を繰り返し、連続的な時間軸波形を合成する。
オーバーラップ加算部１３５からの出力信号が上記加算
部１２９に送られる。
合成処理を説明する。ホワイトノイズ発生部１３１から
の時間軸上のホワイトノイズ信号波形を、所定の長さ
（例えば２５６サンプル）で適当な窓関数（例えばハミ
ング窓）により窓かけをし、ＳＴＦＴ処理部１３２によ
りＳＴＦＴ（ショートタームフーリエ変換）処理を施す
ことにより、図９のＢに示すようなホワイトノイズの周
波数軸上のパワースペクトルを得る。このＳＴＦＴ処理
部１３２からのパワースペクトルをバンド振幅処理部１
３３に送り、図９のＣに示すように、上記ＵＶ（無声
音）とされたバンド（例えばｍ＝８、９、１０）につい
て上記振幅｜Ａm ｜UVを乗算し、他のＶ（有声音）とさ
れたバンドの振幅を０にする。このバンド振幅処理部１
３３には上記振幅データ、ピッチデータ、Ｖ／ＵＶ判別
データが供給されている。バンド振幅処理部１３３から
の出力は、ＩＳＴＦＴ処理部１３４に送られ、位相は元
のホワイトノイズの位相を用いて逆ＳＴＦＴ処理を施す
ことにより時間軸上の信号に変換する。ＩＳＴＦＴ処理
部１３４からの出力は、オーバーラップ加算部１３５に
送られ、時間軸上で適当な（元の連続的なノイズ波形を
復元できるように）重み付けをしながらオーバーラップ
及び加算を繰り返し、連続的な時間軸波形を合成する。
オーバーラップ加算部１３５からの出力信号が上記加算
部１２９に送られる。
【００５９】このように、各合成部１２６、１２７にお
いて合成されて時間軸上に戻された有声音部及び無声音
部の各信号は、加算部１２９により適当な固定の混合比
で加算して、出力端子１３０より再生された音声信号を
取り出す。
いて合成されて時間軸上に戻された有声音部及び無声音
部の各信号は、加算部１２９により適当な固定の混合比
で加算して、出力端子１３０より再生された音声信号を
取り出す。
【００６０】したがって、本発明に係る音声分析合成方
法を、ＭＢＥに適用した具体例では、位相の予測に用い
る雑音をガウス性にすることでその大きさと分散を制御
することができる。
法を、ＭＢＥに適用した具体例では、位相の予測に用い
る雑音をガウス性にすることでその大きさと分散を制御
することができる。
【００６１】なお、上記図３の音声分析側（エンコード
側）の構成や図７の音声合成側（デコード側）の構成に
ついては、各部をハードウェア的に記載しているが、い
わゆるＤＳＰ（ディジタル信号プロセッサ）等を用いて
ソフトウェアプログラムにより実現することも可能であ
る。
側）の構成や図７の音声合成側（デコード側）の構成に
ついては、各部をハードウェア的に記載しているが、い
わゆるＤＳＰ（ディジタル信号プロセッサ）等を用いて
ソフトウェアプログラムにより実現することも可能であ
る。
【００６２】
【発明の効果】本発明に係る音声分析合成方法は、ブロ
ック毎の音声信号を周波数軸に変換して得られる周波数
軸上データをブロック毎の音声信号から求められたピッ
チ情報に基づいて分割した複数帯域毎にパワー情報及び
有声音か無声音かの判別情報を分析側で求めて伝送し、
合成側では伝送されて得られた各ブロック毎の上記ピッ
チ情報とブロック初期位相とに基づいてブロック終端位
相を予測し、該予測された終端位相を上記各帯域に応じ
た分散を持つガウス性雑音を用いて修正することによっ
て、雑音の大きさと分散を制御でき、音質の向上が期待
できる。また、音声の信号レベル及びその時間的変化を
利用することで、エラーの累積を防ぎ母音部もしくは母
音部から子音部の遷移点での音質劣化を防ぐことができ
る。
ック毎の音声信号を周波数軸に変換して得られる周波数
軸上データをブロック毎の音声信号から求められたピッ
チ情報に基づいて分割した複数帯域毎にパワー情報及び
有声音か無声音かの判別情報を分析側で求めて伝送し、
合成側では伝送されて得られた各ブロック毎の上記ピッ
チ情報とブロック初期位相とに基づいてブロック終端位
相を予測し、該予測された終端位相を上記各帯域に応じ
た分散を持つガウス性雑音を用いて修正することによっ
て、雑音の大きさと分散を制御でき、音質の向上が期待
できる。また、音声の信号レベル及びその時間的変化を
利用することで、エラーの累積を防ぎ母音部もしくは母
音部から子音部の遷移点での音質劣化を防ぐことができ
る。
【図１】本発明に係る音声分析合成方法をいわゆるボコ
ーダに適用した具体例の機能ブロック図である。
ーダに適用した具体例の機能ブロック図である。
【図２】本発明に係る音声分析合成方法に用いられるガ
ウス性雑音を説明するための特性図である。
ウス性雑音を説明するための特性図である。
【図３】本発明に係る音声分析合成方法が適用される装
置の具体例としての音声信号の合成分析符号化装置の分
析側（エンコード側）の概略構成を示す機能ブロック図
である。
置の具体例としての音声信号の合成分析符号化装置の分
析側（エンコード側）の概略構成を示す機能ブロック図
である。
【図４】窓かけ処理を説明するための図である。
【図５】窓かけ処理と窓関数との関係を説明するための
図である。
図である。
【図６】直交変換（ＦＦＴ）処理対象としての時間軸デ
ータを示す図である。
ータを示す図である。
【図７】周波数軸上のスペクトルデータ、スペクトル包
絡線（エンベロープ）及び励起信号のパワースペクトル
を示す図である。
絡線（エンベロープ）及び励起信号のパワースペクトル
を示す図である。
【図８】本発明に係る音声分析合成方法が適用される装
置の具体例としての音声信号の合成分析符号化装置の合
成側（デコード側）の概略構成を示す機能ブロック図で
ある。
置の具体例としての音声信号の合成分析符号化装置の合
成側（デコード側）の概略構成を示す機能ブロック図で
ある。
【図９】音声信号を合成する際の無声音合成を説明する
ための図である。
ための図である。
１０・・・・・分析部 ２０・・・・・合成部 ２１・・・・・有声音合成部 ２２・・・・・位相予測部 ２３・・・・・雑音付加部 ２４・・・・・位相修正部 ２５・・・・・正弦波発生部 ２６・・・・・振幅増幅部
─────────────────────────────────────────────────────
【手続補正書】
【提出日】平成５年４月５日
【手続補正１】
【補正対象書類名】明細書
【補正対象項目名】全文
【補正方法】変更
【補正内容】
【書類名】 明細書
【発明の名称】 音声分析合成方法
【特許請求の範囲】
【発明の詳細な説明】
【０００１】
【産業上の利用分野】本発明は、音声信号の分析合成符
号化装置に適用される音声分析合成方式に関する。
号化装置に適用される音声分析合成方式に関する。
【０００２】
【従来の技術】人間の聴覚は一種のスペクトル分析器で
あって、パワースペクトルが等しければ同じ音として聞
こえるという性質がある。この性質を利用して合成音を
得る方法が音声の分析合成方法である。
あって、パワースペクトルが等しければ同じ音として聞
こえるという性質がある。この性質を利用して合成音を
得る方法が音声の分析合成方法である。
【０００３】上記合成音を得るには、分析側で入力音声
信号を分析し、ピッチ情報、有声音／無声音の判別情
報、振幅情報等を抽出あるいは検出し、合成側に伝送
し、合成側でそれらの情報を基に人工的に音声を作り出
す。特に、合成側は、その合成の方式により、録音編集
方式、パラメータ編集方式、規則合成方式等に分類でき
る。
信号を分析し、ピッチ情報、有声音／無声音の判別情
報、振幅情報等を抽出あるいは検出し、合成側に伝送
し、合成側でそれらの情報を基に人工的に音声を作り出
す。特に、合成側は、その合成の方式により、録音編集
方式、パラメータ編集方式、規則合成方式等に分類でき
る。
【０００４】上記録音編集方式は、予め、人が発生した
音声を単語や文節等を単位にとって蓄積（録音）してお
き、必要に応じてそれらを読みだして接続（編集）し、
音声を合成するものである。
音声を単語や文節等を単位にとって蓄積（録音）してお
き、必要に応じてそれらを読みだして接続（編集）し、
音声を合成するものである。
【０００５】上記パラメータ編集方式は、上記録音編集
方式の場合と同様に単語、文節等を単位とするが、予め
人が発声した音声を音声生成モデルに基づいて分析し
て、パラメータ時系列の形で蓄え、必要に応じて接続し
たパラメータ時系列を用いて音声合成装置を駆動し、音
声を合成する方式である。
方式の場合と同様に単語、文節等を単位とするが、予め
人が発声した音声を音声生成モデルに基づいて分析し
て、パラメータ時系列の形で蓄え、必要に応じて接続し
たパラメータ時系列を用いて音声合成装置を駆動し、音
声を合成する方式である。
【０００６】上記規則合成方式は、文字や音声記号など
の離散的記号で表現された系列を、連続的に変換する技
術である。変換の過程で、音声生成の普遍的諸性質や人
為的諸性質が合成規則として適用される。
の離散的記号で表現された系列を、連続的に変換する技
術である。変換の過程で、音声生成の普遍的諸性質や人
為的諸性質が合成規則として適用される。
【０００７】上記各合成方式は、いずれも何らかの形で
声道特性を模擬し、それに音源波とほぼ同じスペクトル
を持つ信号を使って合成音を得ている。
声道特性を模擬し、それに音源波とほぼ同じスペクトル
を持つ信号を使って合成音を得ている。
【０００８】
【発明が解決しようとする課題】ところで、上記の音声
分析合成方法では、分析側の位相に合成側の位相を合わ
せる必要がある。この場合、合成側にて位相情報を得る
際、角周波数による線形予測及び白色雑音による修正を
用いる場合がある。しかし、位相の真値と予測による雑
音（エラー）の制御は、上記白色雑音では不可能であ
る。
分析合成方法では、分析側の位相に合成側の位相を合わ
せる必要がある。この場合、合成側にて位相情報を得る
際、角周波数による線形予測及び白色雑音による修正を
用いる場合がある。しかし、位相の真値と予測による雑
音（エラー）の制御は、上記白色雑音では不可能であ
る。
【０００９】また、全帯域中の無声音の占める割合で白
色雑音のレベルを変化させて修正項に用いているため、
有声音を多く含むブロックが連続した場合、予測のみで
修正が施されないため、結果として強い母音が長時間続
くようなときはエラーが累積し、音質の劣化が生じる。
色雑音のレベルを変化させて修正項に用いているため、
有声音を多く含むブロックが連続した場合、予測のみで
修正が施されないため、結果として強い母音が長時間続
くようなときはエラーが累積し、音質の劣化が生じる。
【００１０】そこで、本発明に係る音声分析合成方法
は、その大きさと分散を制御することができる雑音を予
測の修正に用いることで音質の向上を実現する音声分析
合成方法の提供を目的とする。
は、その大きさと分散を制御することができる雑音を予
測の修正に用いることで音質の向上を実現する音声分析
合成方法の提供を目的とする。
【００１１】
【課題を解決するための手段】本発明に係る音声分析合
成方法は、入力された音声信号をブロック単位で区分し
てブロック内でのピッチ情報を求める工程と、上記ブロ
ック毎の音声信号を周波数軸に変換して周波数軸上デー
タを求める工程と、この周波数軸上データを上記ピッチ
情報に基づいて複数の帯域に分割する工程と、分割され
た各帯域毎のパワー情報及び有声音か無声音かの判別情
報を求める工程と、これらの工程により求められた上記
ピッチ情報、各帯域毎のパワー情報及び有声音か無声音
かの判別情報を伝送する工程と、伝送されて得られた各
ブロック毎の上記ピッチ情報とブロック初期位相とに基
づいてブロック終端位相を予測する工程と、上記各帯域
に応じた分散を持つ雑音を用いて上記予測されたブロッ
ク終端位相を修正する工程とを有して上記課題を解決す
る。
成方法は、入力された音声信号をブロック単位で区分し
てブロック内でのピッチ情報を求める工程と、上記ブロ
ック毎の音声信号を周波数軸に変換して周波数軸上デー
タを求める工程と、この周波数軸上データを上記ピッチ
情報に基づいて複数の帯域に分割する工程と、分割され
た各帯域毎のパワー情報及び有声音か無声音かの判別情
報を求める工程と、これらの工程により求められた上記
ピッチ情報、各帯域毎のパワー情報及び有声音か無声音
かの判別情報を伝送する工程と、伝送されて得られた各
ブロック毎の上記ピッチ情報とブロック初期位相とに基
づいてブロック終端位相を予測する工程と、上記各帯域
に応じた分散を持つ雑音を用いて上記予測されたブロッ
ク終端位相を修正する工程とを有して上記課題を解決す
る。
【００１２】また、本発明に係る音声分析合成方法は、
上記雑音をガウス性雑音であることを特徴として上記課
題を解決する。
上記雑音をガウス性雑音であることを特徴として上記課
題を解決する。
【００１３】
【作用】本発明に係る音声分析合成方法は、ブロック毎
の音声信号を周波数軸に変換して得られる周波数軸上デ
ータをブロック毎の音声信号から求められたピッチ情報
に基づいて分割した複数帯域毎にパワー情報及び有声音
か無声音かの判別情報を分析側で求めて伝送し、合成側
では伝送されて得られた各ブロック毎の上記ピッチ情報
とブロック初期位相とに基づいてブロック終端位相を予
測し、該予測された終端位相を上記各帯域に応じた分散
を持つガウス性雑音を用いて修正することによって、予
測位相値と真値との誤差を制御できる。
の音声信号を周波数軸に変換して得られる周波数軸上デ
ータをブロック毎の音声信号から求められたピッチ情報
に基づいて分割した複数帯域毎にパワー情報及び有声音
か無声音かの判別情報を分析側で求めて伝送し、合成側
では伝送されて得られた各ブロック毎の上記ピッチ情報
とブロック初期位相とに基づいてブロック終端位相を予
測し、該予測された終端位相を上記各帯域に応じた分散
を持つガウス性雑音を用いて修正することによって、予
測位相値と真値との誤差を制御できる。
【００１４】
【実施例】以下、本発明に係る音声分析合成方法を、音
声信号の分析合成符号化装置（いわゆるボコーダ）に適
用した具体例について、図面を参照しながら説明する。
この分析合成符号化装置は、同時刻（同じブロックある
いはフレーム内）の周波数軸領域に有声音（Voiced) 区
間と無声音(Unvoiced)区間とが存在するというモデル化
を行っている。
声信号の分析合成符号化装置（いわゆるボコーダ）に適
用した具体例について、図面を参照しながら説明する。
この分析合成符号化装置は、同時刻（同じブロックある
いはフレーム内）の周波数軸領域に有声音（Voiced) 区
間と無声音(Unvoiced)区間とが存在するというモデル化
を行っている。
【００１５】図１は、上記音声信号の分析合成符号化装
置に本発明を適用した実施例の全体の概略構成を示す図
である。この図１において、本発明に係る音声分析合成
方法の実施例は、入力音声信号からピッチ情報等を分析
する分析部１０と、該分析部１０から伝送部２によって
伝送されてきた各種情報（ピッチ情報等）を基に有声音
と無声音を得、さらに該有声音と無声音とを合成する合
成部２０とからなる。
置に本発明を適用した実施例の全体の概略構成を示す図
である。この図１において、本発明に係る音声分析合成
方法の実施例は、入力音声信号からピッチ情報等を分析
する分析部１０と、該分析部１０から伝送部２によって
伝送されてきた各種情報（ピッチ情報等）を基に有声音
と無声音を得、さらに該有声音と無声音とを合成する合
成部２０とからなる。
【００１６】上記分析部１０は、入力端子１から入力さ
れた音声信号を所定サンプル数（Ｎサンプル）のブロッ
ク単位で取り出すブロック取り出し部１１と、このブロ
ック取り出し部１１からのブロック毎の入力音声信号か
ら、ピッチ情報を抽出するピッチ情報抽出部１２と、上
記ブロック取り出し部１１からのブロック毎の入力音声
信号から周波数軸上に変換されたデータを求めるデータ
変換部１３と、このデータ変換部１３からの周波数軸上
データを上記ピッチ情報抽出部１２のピッチ情報に基づ
いて複数の帯域に分割する帯域分割部１４と、この帯域
分割部１４の各帯域毎のパワー（振幅）情報及び有声音
Ｖか無声音ＵＮかの判別情報を求める振幅情報＆Ｖ／Ｕ
Ｖ判別情報検出部１５とを有する。
れた音声信号を所定サンプル数（Ｎサンプル）のブロッ
ク単位で取り出すブロック取り出し部１１と、このブロ
ック取り出し部１１からのブロック毎の入力音声信号か
ら、ピッチ情報を抽出するピッチ情報抽出部１２と、上
記ブロック取り出し部１１からのブロック毎の入力音声
信号から周波数軸上に変換されたデータを求めるデータ
変換部１３と、このデータ変換部１３からの周波数軸上
データを上記ピッチ情報抽出部１２のピッチ情報に基づ
いて複数の帯域に分割する帯域分割部１４と、この帯域
分割部１４の各帯域毎のパワー（振幅）情報及び有声音
Ｖか無声音ＵＮかの判別情報を求める振幅情報＆Ｖ／Ｕ
Ｖ判別情報検出部１５とを有する。
【００１７】上記合成部２０は、上記伝送部２により上
記分析部１０から伝送されてきたピッチ情報、Ｖ／ＵＶ
判別情報及び振幅情報を受け取り、有声音合成部２１で
有声音を無声音合成部２７で無声音を合成し、該合成さ
れた有声音と無声音とを加算部２８で加算合成し、該合
成音信号を出力端子３から取り出すようにしている。
記分析部１０から伝送されてきたピッチ情報、Ｖ／ＵＶ
判別情報及び振幅情報を受け取り、有声音合成部２１で
有声音を無声音合成部２７で無声音を合成し、該合成さ
れた有声音と無声音とを加算部２８で加算合成し、該合
成音信号を出力端子３から取り出すようにしている。
【００１８】なお、上記各情報は、上記Ｎサンプル（例
えば２５６サンプル）のブロック内のデータに対して処
理を施すことにより得られるものであるが、ブロックは
時間軸上を上記Ｌサンプルのフレームを単位として前進
することから、伝送するデータは上記フレーム単位で得
られる。すなわち、上記フレーム周期でピッチ情報、Ｖ
／ＵＶ判別情報及び振幅情報が更新されることになる。
えば２５６サンプル）のブロック内のデータに対して処
理を施すことにより得られるものであるが、ブロックは
時間軸上を上記Ｌサンプルのフレームを単位として前進
することから、伝送するデータは上記フレーム単位で得
られる。すなわち、上記フレーム周期でピッチ情報、Ｖ
／ＵＶ判別情報及び振幅情報が更新されることになる。
【００１９】上記有声音合成部２１は、上記ピッチ情報
と入力端子４から供給されるフレーム初期位相とに基づ
いてフレーム終端位相（次の合成フレームの先端の位
相）を予測する位相予測部２２と、この位相予測部２２
からの予測を上記ピッチ情報ととＶ／ＵＶ判別情報とが
供給される雑音付加部２３からの修正項を用いて修正す
る位相修正部２４と、この位相修正部２４からの修正位
相情報に基づいて図示しない正弦波ＲＯＭから正弦波を
読みだし出力する正弦波発生部２５と、上記振幅情報が
供給され上記正弦波発生部２５からの正弦波の振幅を増
幅する振幅増幅部２６とを有する。
と入力端子４から供給されるフレーム初期位相とに基づ
いてフレーム終端位相（次の合成フレームの先端の位
相）を予測する位相予測部２２と、この位相予測部２２
からの予測を上記ピッチ情報ととＶ／ＵＶ判別情報とが
供給される雑音付加部２３からの修正項を用いて修正す
る位相修正部２４と、この位相修正部２４からの修正位
相情報に基づいて図示しない正弦波ＲＯＭから正弦波を
読みだし出力する正弦波発生部２５と、上記振幅情報が
供給され上記正弦波発生部２５からの正弦波の振幅を増
幅する振幅増幅部２６とを有する。
【００２０】上記無声音合成部２７には、上記ピッチ情
報、Ｖ／ＵＶ判別情報及び振幅情報が供給され、例えば
ホワイトノイズを図示しないバンドパスフィルタでフィ
ルタリングして時間軸上の無声音波形を合成している。
報、Ｖ／ＵＶ判別情報及び振幅情報が供給され、例えば
ホワイトノイズを図示しないバンドパスフィルタでフィ
ルタリングして時間軸上の無声音波形を合成している。
【００２１】上記加算部２８では、上記有声音合成部２
１、無声音合成部２７において合成された有声音及び無
声音の各信号を適当な固定の混合比で加算する。そし
て、この加算された音声信号は、出力端子３から音声信
号として出力される。
１、無声音合成部２７において合成された有声音及び無
声音の各信号を適当な固定の混合比で加算する。そし
て、この加算された音声信号は、出力端子３から音声信
号として出力される。
【００２２】ここで、上記合成部２０の有声音合成部２
１内の位相予測部２２では、時刻０（フレームの先頭）
における第ｍ高調波の位相（フレーム初期位相）をψ0m
とすると、フレームの最後での位相ψLmを、 ψLm＝ψ0m＋ｍ（ωO1＋ωL1）Ｌ／２ ・・・（１） と予測する。また、各バンドの位相φm は、 φm ＝ψLm＋εm ・・・（２） となる。上記（１）、（２）式中でＬはフレームインタ
ーバル、ωO1は、合成フレームの先端（ｎ＝０）での基
本角周波数、ωL1は該合成フレームの終端（ｎ＝Ｌ：次
の合成フレーム先端）での基本角周波数、εm は各バン
ドでの予測修正項を示している。
１内の位相予測部２２では、時刻０（フレームの先頭）
における第ｍ高調波の位相（フレーム初期位相）をψ0m
とすると、フレームの最後での位相ψLmを、 ψLm＝ψ0m＋ｍ（ωO1＋ωL1）Ｌ／２ ・・・（１） と予測する。また、各バンドの位相φm は、 φm ＝ψLm＋εm ・・・（２） となる。上記（１）、（２）式中でＬはフレームインタ
ーバル、ωO1は、合成フレームの先端（ｎ＝０）での基
本角周波数、ωL1は該合成フレームの終端（ｎ＝Ｌ：次
の合成フレーム先端）での基本角周波数、εm は各バン
ドでの予測修正項を示している。
【００２３】上記（１）式より、上記位相予測部２２
は、第ｍ高調波の平均角周波数に時刻を乗じ、それに第
ｍ高調波の初期位相を加えた位相を時刻Ｌでの予測位相
として求めている。また、上記（２）式より、各バンド
の位相φm は、上記予測位相に予測修正項εm を加えた
値である。
は、第ｍ高調波の平均角周波数に時刻を乗じ、それに第
ｍ高調波の初期位相を加えた位相を時刻Ｌでの予測位相
として求めている。また、上記（２）式より、各バンド
の位相φm は、上記予測位相に予測修正項εm を加えた
値である。
【００２４】上記予測修正項εm は、各バンド間で分布
が乱れており（ランダム）、乱数を用いることができる
が本実施例では、ガウス雑音を用いている。このガウス
雑音は、図２に示すように帯域別にみて高域になるにつ
れ（例えば、ε1 からε10）分散が大きくなる雑音であ
る。このガウス雑音は、位相の真の値と予測による値と
の誤差を適切に近似する。
が乱れており（ランダム）、乱数を用いることができる
が本実施例では、ガウス雑音を用いている。このガウス
雑音は、図２に示すように帯域別にみて高域になるにつ
れ（例えば、ε1 からε10）分散が大きくなる雑音であ
る。このガウス雑音は、位相の真の値と予測による値と
の誤差を適切に近似する。
【００２５】ここで、今、図２に示すような分散が単純
にバンドにｍに比例するものとすれば、上記予測修正項
εm は、 εm ＝ｈ1 Ｎ（０，ｋi ） ・・・（３） と示される。ここで、ｈ1 は定数、ｋi は分数、０は平
均を表す。
にバンドにｍに比例するものとすれば、上記予測修正項
εm は、 εm ＝ｈ1 Ｎ（０，ｋi ） ・・・（３） と示される。ここで、ｈ1 は定数、ｋi は分数、０は平
均を表す。
【００２６】また、全帯域を有声音と無声音の二つの帯
域に分割したときに、無声音の部分が多ければ音声を構
成する各周波数成分の位相はよりランダムになるので、
上記予測修正項εm は、 εm ＝ｈ2 ｎujＮ（０，ｋi ） ・・・（４） と示すことができる。ここで、ｈ2 は定数、ｋi は分
数、０は平均、ｎujはブロックｊでの無声音バンドの数
を表す。
域に分割したときに、無声音の部分が多ければ音声を構
成する各周波数成分の位相はよりランダムになるので、
上記予測修正項εm は、 εm ＝ｈ2 ｎujＮ（０，ｋi ） ・・・（４） と示すことができる。ここで、ｈ2 は定数、ｋi は分
数、０は平均、ｎujはブロックｊでの無声音バンドの数
を表す。
【００２７】また、特に入力音声の母音が長く続くとき
のように上述したような各バンド間での分布の乱れがな
い時、もしくは母音から子音及び無音に遷移する時に
は、上記（３）、（４）式で示された予測修正項がかえ
って合成音声の音質を劣化させるので、遅延が許される
のであれば１フレーム先の振幅情報（パワー）Ｓレベ
ル、もしくは有声音部分の減少を調べて上記修正項εm
を、 εm ＝ｈ3 max(ａ，Ｓj −Ｓj+1 ）Ｎ（０，ｋi ） ・・・（５） εm ＝ｈ4 max(ｂ，ｎvj−ｎv(j+1)）Ｎ（０，ｋi ）・・・（６） とする。ここで、ａ，ｂ，ｈ3 ，ｈ4 は定数である。
のように上述したような各バンド間での分布の乱れがな
い時、もしくは母音から子音及び無音に遷移する時に
は、上記（３）、（４）式で示された予測修正項がかえ
って合成音声の音質を劣化させるので、遅延が許される
のであれば１フレーム先の振幅情報（パワー）Ｓレベ
ル、もしくは有声音部分の減少を調べて上記修正項εm
を、 εm ＝ｈ3 max(ａ，Ｓj −Ｓj+1 ）Ｎ（０，ｋi ） ・・・（５） εm ＝ｈ4 max(ｂ，ｎvj−ｎv(j+1)）Ｎ（０，ｋi ）・・・（６） とする。ここで、ａ，ｂ，ｈ3 ，ｈ4 は定数である。
【００２８】さらに、上記ピッチ情報抽出部１２でのピ
ッチ情報が低い場合は、周波数バンドが増え、位相が揃
うことによる悪影響の増大を考慮して、上記上記修正項
εmを、 εm ＝ｆ( Ｓj ，ｈj ）Ｎ（０，ｋi ） ・・・（７） とする。ここで、ｆは周波数である。
ッチ情報が低い場合は、周波数バンドが増え、位相が揃
うことによる悪影響の増大を考慮して、上記上記修正項
εmを、 εm ＝ｆ( Ｓj ，ｈj ）Ｎ（０，ｋi ） ・・・（７） とする。ここで、ｆは周波数である。
【００２９】以上より、上記音声信号の分析合成符号化
装置に本発明を適用した実施例は、位相予測の修正に用
いる雑音をガウス性にすることで、その大きさと分散を
制御することができる。
装置に本発明を適用した実施例は、位相予測の修正に用
いる雑音をガウス性にすることで、その大きさと分散を
制御することができる。
【００３０】以下、本発明に係る音声分析合成方法を、
音声信号の合成分析符号化装置（いわゆるボコーダ）の
一種であるＭＢＥ（Multiband Excitation: マルチバン
ド励起）ボコーダに適用した具体例について、図面を参
照しながら説明する。このＭＢＥボコーダは、D. W. Gr
iffin and J. S. Lim,"Multiband Excitation Vocode
r," IEEE Trans.Acoustics,Speech,and Signal Process
ing, vol.36, No.8, pp.1223-1235, Aug.1988 に開示さ
れているものであり、従来のＰＡＲＣＯＲ（PARtial au
to-CORrelation: 偏自己相関）ボコーダ等では、音声の
モデル化の際に有声音区間と無声音区間とをブロックあ
るいはフレーム毎に切り換えていたのに対し、ＭＢＥボ
コーダでは、同時刻（同じブロックあるいはフレーム
内）の周波数軸領域に有声音（Voiced）区間と無声音
（Unvoiced）区間とが存在するという仮定でモデル化し
ている。
音声信号の合成分析符号化装置（いわゆるボコーダ）の
一種であるＭＢＥ（Multiband Excitation: マルチバン
ド励起）ボコーダに適用した具体例について、図面を参
照しながら説明する。このＭＢＥボコーダは、D. W. Gr
iffin and J. S. Lim,"Multiband Excitation Vocode
r," IEEE Trans.Acoustics,Speech,and Signal Process
ing, vol.36, No.8, pp.1223-1235, Aug.1988 に開示さ
れているものであり、従来のＰＡＲＣＯＲ（PARtial au
to-CORrelation: 偏自己相関）ボコーダ等では、音声の
モデル化の際に有声音区間と無声音区間とをブロックあ
るいはフレーム毎に切り換えていたのに対し、ＭＢＥボ
コーダでは、同時刻（同じブロックあるいはフレーム
内）の周波数軸領域に有声音（Voiced）区間と無声音
（Unvoiced）区間とが存在するという仮定でモデル化し
ている。
【００３１】図３は、上記ＭＢＥボコーダに本発明を適
用した実施例の全体の概略構成を示すブロック図であ
る。この図３において、入力端子１０１には音声信号が
供給されるようになっており、この入力音声信号は、Ｈ
ＰＦ（ハイパスフィルタ）等のフィルタ１０２に送られ
て、いわゆるＤＣ（直流）オフセット分の除去や帯域制
限（例えば２００〜３４００Hzに制限）のための少なく
とも低域成分（２００Hz以下）の除去が行われる。この
フィルタ１０２を介して得られた信号は、ピッチ抽出部
１０３及び窓かけ処理部１０４にそれぞれ送られる。ピ
ッチ抽出部１０３では、入力音声信号データが所定サン
プル数Ｎ（例えばＮ＝２５６）単位でブロック分割され
（あるいは方形窓による切り出しが行われ）、このブロ
ック内の音声信号についてのピッチ抽出が行われる。こ
のような切り出しブロック（２５６サンプル）を、例え
ば図４のＡに示すようにＬサンプル（例えばＬ＝１６
０）のフレーム間隔で時間軸方向に移動させており、各
ブロック間のオーバラップはＮ−Ｌサンプル（例えば９
６サンプル）となっている。また、窓かけ処理部１０４
では、１ブロックＮサンプルに対して所定の窓関数、例
えばハミング窓をかけ、この窓かけブロックを１フレー
ムＬサンプルの間隔で時間軸方向に順次移動させてい
る。
用した実施例の全体の概略構成を示すブロック図であ
る。この図３において、入力端子１０１には音声信号が
供給されるようになっており、この入力音声信号は、Ｈ
ＰＦ（ハイパスフィルタ）等のフィルタ１０２に送られ
て、いわゆるＤＣ（直流）オフセット分の除去や帯域制
限（例えば２００〜３４００Hzに制限）のための少なく
とも低域成分（２００Hz以下）の除去が行われる。この
フィルタ１０２を介して得られた信号は、ピッチ抽出部
１０３及び窓かけ処理部１０４にそれぞれ送られる。ピ
ッチ抽出部１０３では、入力音声信号データが所定サン
プル数Ｎ（例えばＮ＝２５６）単位でブロック分割され
（あるいは方形窓による切り出しが行われ）、このブロ
ック内の音声信号についてのピッチ抽出が行われる。こ
のような切り出しブロック（２５６サンプル）を、例え
ば図４のＡに示すようにＬサンプル（例えばＬ＝１６
０）のフレーム間隔で時間軸方向に移動させており、各
ブロック間のオーバラップはＮ−Ｌサンプル（例えば９
６サンプル）となっている。また、窓かけ処理部１０４
では、１ブロックＮサンプルに対して所定の窓関数、例
えばハミング窓をかけ、この窓かけブロックを１フレー
ムＬサンプルの間隔で時間軸方向に順次移動させてい
る。
【００３２】このような窓かけ処理を数式で表すと、 ｘw (k,q) ＝ｘ(q) ｗ(kL-q) ・・・（８） となる。この（８）式において、ｋはブロック番号を、
ｑはデータの時間インデックス（サンプル番号）を表
し、処理前の入力信号のｑ番目のデータｘ(q) に対して
第ｋブロックの窓（ウィンドウ）関数ｗ(kL-q)により窓
かけ処理されることによりデータｘw (k,q) が得られる
ことを示している。ピッチ抽出部１０３内での図４のＡ
に示すような方形窓の場合の窓関数ｗr (r) は、 ｗr (r) ＝１ ０≦ｒ＜Ｎ ・・・（９） ＝０ ｒ＜０，Ｎ≦ｒ また、窓かけ処理部１０４での図４のＢに示すようなハ
ミング窓の場合の窓関数ｗh (r) は、 ｗh (r) ＝ 0.54 − 0.46 cos(２πr/(N-1)) ０≦ｒ＜Ｎ ・・・（10） ＝０ ｒ＜０，Ｎ≦ｒ である。このような窓関数ｗr (r) あるいはｗh (r) を
用いるときの上記（８）式の窓関数ｗ(r) （＝ｗ(kL-
q)）の否零区間は、 ０≦ｋＬ−ｑ＜Ｎ これを変形して、 ｋＬ−Ｎ＜ｑ≦ｋＬ 従って、例えば上記方形窓の場合に窓関数ｗr (kL-q)＝
１となるのは、図５に示すように、ｋＬ−Ｎ＜ｑ≦ｋＬ
のときとなる。また、上記（８）〜（10）式は、長さＮ
（＝２５６）サンプルの窓が、Ｌ（＝１６０）サンプル
ずつ前進してゆくことを示している。以下、上記（９）
式、（10）式の各窓関数で切り出された各Ｎ点（０≦ｒ
＜Ｎ）の否零サンプル列を、それぞれｘwr(k,r) 、ｘwh
(k,r) と表すことにする。
ｑはデータの時間インデックス（サンプル番号）を表
し、処理前の入力信号のｑ番目のデータｘ(q) に対して
第ｋブロックの窓（ウィンドウ）関数ｗ(kL-q)により窓
かけ処理されることによりデータｘw (k,q) が得られる
ことを示している。ピッチ抽出部１０３内での図４のＡ
に示すような方形窓の場合の窓関数ｗr (r) は、 ｗr (r) ＝１ ０≦ｒ＜Ｎ ・・・（９） ＝０ ｒ＜０，Ｎ≦ｒ また、窓かけ処理部１０４での図４のＢに示すようなハ
ミング窓の場合の窓関数ｗh (r) は、 ｗh (r) ＝ 0.54 − 0.46 cos(２πr/(N-1)) ０≦ｒ＜Ｎ ・・・（10） ＝０ ｒ＜０，Ｎ≦ｒ である。このような窓関数ｗr (r) あるいはｗh (r) を
用いるときの上記（８）式の窓関数ｗ(r) （＝ｗ(kL-
q)）の否零区間は、 ０≦ｋＬ−ｑ＜Ｎ これを変形して、 ｋＬ−Ｎ＜ｑ≦ｋＬ 従って、例えば上記方形窓の場合に窓関数ｗr (kL-q)＝
１となるのは、図５に示すように、ｋＬ−Ｎ＜ｑ≦ｋＬ
のときとなる。また、上記（８）〜（10）式は、長さＮ
（＝２５６）サンプルの窓が、Ｌ（＝１６０）サンプル
ずつ前進してゆくことを示している。以下、上記（９）
式、（10）式の各窓関数で切り出された各Ｎ点（０≦ｒ
＜Ｎ）の否零サンプル列を、それぞれｘwr(k,r) 、ｘwh
(k,r) と表すことにする。
【００３３】窓かけ処理部１０４では、図６に示すよう
に、上記（10）式のハミング窓がかけられた１ブロック
２５６サンプルのサンプル列ｘwh(k,r) に対して１７９
２サンプル分の０データが付加されて（いわゆる０詰め
されて）２０４８サンプルとされ、この２０４８サンプ
ルの時間軸データ列に対して、直交変換部１０５により
例えばＦＦＴ（高速フーリエ変換）等の直交変換処理が
施される。
に、上記（10）式のハミング窓がかけられた１ブロック
２５６サンプルのサンプル列ｘwh(k,r) に対して１７９
２サンプル分の０データが付加されて（いわゆる０詰め
されて）２０４８サンプルとされ、この２０４８サンプ
ルの時間軸データ列に対して、直交変換部１０５により
例えばＦＦＴ（高速フーリエ変換）等の直交変換処理が
施される。
【００３４】ピッチ抽出部１０３では、上記ｘwr(k,r)
のサンプル列（１ブロックＮサンプル）に基づいてピッ
チ抽出が行われる。このピッチ抽出法には、時間波形の
周期性や、スペクトルの周期的周波数構造や、自己相関
関数を用いるもの等が知られているが、本実施例では、
センタクリップ波形の自己相関法を採用している。この
ときのブロック内でのセンタクリップレベルについて
は、１ブロックにつき１つのクリップレベルを設定して
もよいが、ブロックを細分割した各部（各サブブロッ
ク）の信号のピークレベル等を検出し、これらの各サブ
ブロックのピークレベル等の差が大きいときに、ブロッ
ク内でクリップレベルを段階的にあるいは連続的に変化
させるようにしている。このセンタクリップ波形の自己
相関データのピーク位置に基づいてピッチ周期を決めて
いる。このとき、現在フレームに属する自己相関データ
（自己相関は１ブロックＮサンプルのデータを対象とし
て求められる）から複数のピークを求めておき、これら
の複数のピークの内の最大ピークが所定の閾値以上のと
きには該最大ピーク位置をピッチ周期とし、それ以外の
ときには、現在フレーム以外のフレーム、例えば前後の
フレームで求められたピッチに対して所定の関係を満た
すピッチ範囲内、例えば前フレームのピッチを中心とし
て±２０％の範囲内にあるピークを求め、このピーク位
置に基づいて現在フレームのピッチを決定するようにし
ている。このピッチ抽出部１０３ではオープンループに
よる比較的ラフなピッチのサーチが行われ、抽出された
ピッチデータは高精度（ファイン）ピッチサーチ部１０
６に送られて、クローズドループによる高精度のピッチ
サーチ（ピッチのファインサーチ）が行われる。
のサンプル列（１ブロックＮサンプル）に基づいてピッ
チ抽出が行われる。このピッチ抽出法には、時間波形の
周期性や、スペクトルの周期的周波数構造や、自己相関
関数を用いるもの等が知られているが、本実施例では、
センタクリップ波形の自己相関法を採用している。この
ときのブロック内でのセンタクリップレベルについて
は、１ブロックにつき１つのクリップレベルを設定して
もよいが、ブロックを細分割した各部（各サブブロッ
ク）の信号のピークレベル等を検出し、これらの各サブ
ブロックのピークレベル等の差が大きいときに、ブロッ
ク内でクリップレベルを段階的にあるいは連続的に変化
させるようにしている。このセンタクリップ波形の自己
相関データのピーク位置に基づいてピッチ周期を決めて
いる。このとき、現在フレームに属する自己相関データ
（自己相関は１ブロックＮサンプルのデータを対象とし
て求められる）から複数のピークを求めておき、これら
の複数のピークの内の最大ピークが所定の閾値以上のと
きには該最大ピーク位置をピッチ周期とし、それ以外の
ときには、現在フレーム以外のフレーム、例えば前後の
フレームで求められたピッチに対して所定の関係を満た
すピッチ範囲内、例えば前フレームのピッチを中心とし
て±２０％の範囲内にあるピークを求め、このピーク位
置に基づいて現在フレームのピッチを決定するようにし
ている。このピッチ抽出部１０３ではオープンループに
よる比較的ラフなピッチのサーチが行われ、抽出された
ピッチデータは高精度（ファイン）ピッチサーチ部１０
６に送られて、クローズドループによる高精度のピッチ
サーチ（ピッチのファインサーチ）が行われる。
【００３５】高精度（ファイン）ピッチサーチ部１０６
には、ピッチ抽出部１０３で抽出された整数（インテジ
ャー）値の粗（ラフ）ピッチデータと、直交変換部１０
５により例えばＦＦＴされた周波数軸上のデータとが供
給されている。この高精度ピッチサーチ部１０６では、
上記粗ピッチデータ値を中心に、0.２〜0.５きざみで±
数サンプルずつ振って、最適な小数点付き（フローティ
ング）のファインピッチデータの値へ追い込む。このと
きのファインサーチの手法として、いわゆる合成による
分析 (Analysis by Synthesis)法を用い、合成されたパ
ワースペクトルが原音のパワースペクトルに最も近くな
るようにピッチを選んでいる。
には、ピッチ抽出部１０３で抽出された整数（インテジ
ャー）値の粗（ラフ）ピッチデータと、直交変換部１０
５により例えばＦＦＴされた周波数軸上のデータとが供
給されている。この高精度ピッチサーチ部１０６では、
上記粗ピッチデータ値を中心に、0.２〜0.５きざみで±
数サンプルずつ振って、最適な小数点付き（フローティ
ング）のファインピッチデータの値へ追い込む。このと
きのファインサーチの手法として、いわゆる合成による
分析 (Analysis by Synthesis)法を用い、合成されたパ
ワースペクトルが原音のパワースペクトルに最も近くな
るようにピッチを選んでいる。
【００３６】このピッチのファインサーチについて説明
する。先ず、上記ＭＢＥボコーダにおいては、上記ＦＦ
Ｔ等により直交変換された周波数軸上のスペクトルデー
タとしてのＳ(j) を Ｓ(j) ＝Ｈ(j) ｜Ｅ(j) ｜ ０＜ｊ＜Ｊ ・・・（11） と表現するようなモデルを想定している。ここで、Ｊは
ωs ／４πに対応し、サンプリング周波数ｆs ＝ωs ／
２πが例えば８ｋHzのときには４ｋHzに対応する。上記
（11）式中において、周波数軸上のスペクトルデータＳ
(j) が図７のＡに示すような波形のとき、Ｈ(j) は、図
７のＢに示すような元のスペクトルデータＳ(j) のスペ
クトル包絡線（エンベロープ）を示し、Ｅ(j) は、図７
のＣに示すような等レベルで周期的な励起信号（エキサ
イテイション）のスペクトルを示している。すなわち、
ＦＦＴスペクトルＳ(j) は、スペクトルエンベロープＨ
(j)と励起信号のパワースペクトル｜Ｅ(j) ｜との積と
してモデル化される。
する。先ず、上記ＭＢＥボコーダにおいては、上記ＦＦ
Ｔ等により直交変換された周波数軸上のスペクトルデー
タとしてのＳ(j) を Ｓ(j) ＝Ｈ(j) ｜Ｅ(j) ｜ ０＜ｊ＜Ｊ ・・・（11） と表現するようなモデルを想定している。ここで、Ｊは
ωs ／４πに対応し、サンプリング周波数ｆs ＝ωs ／
２πが例えば８ｋHzのときには４ｋHzに対応する。上記
（11）式中において、周波数軸上のスペクトルデータＳ
(j) が図７のＡに示すような波形のとき、Ｈ(j) は、図
７のＢに示すような元のスペクトルデータＳ(j) のスペ
クトル包絡線（エンベロープ）を示し、Ｅ(j) は、図７
のＣに示すような等レベルで周期的な励起信号（エキサ
イテイション）のスペクトルを示している。すなわち、
ＦＦＴスペクトルＳ(j) は、スペクトルエンベロープＨ
(j)と励起信号のパワースペクトル｜Ｅ(j) ｜との積と
してモデル化される。
【００３７】上記励起信号のパワースペクトル｜Ｅ(j)
｜は、上記ピッチに応じて決定される周波数軸上の波形
の周期性（ピッチ構造）を考慮して、１つの帯域（バン
ド）の波形に相当するスペクトル波形を周波数軸上の各
バンド毎に繰り返すように配列することにより形成され
る。この１バンド分の波形は、例えば上記図６に示すよ
うな２５６サンプルのハミング窓関数に１７９２サンプ
ル分の０データを付加（０詰め）した波形を時間軸信号
と見なしてＦＦＴし、得られた周波数軸上のある帯域幅
を持つインパルス波形を上記ピッチに応じて切り出すこ
とにより形成することができる。
｜は、上記ピッチに応じて決定される周波数軸上の波形
の周期性（ピッチ構造）を考慮して、１つの帯域（バン
ド）の波形に相当するスペクトル波形を周波数軸上の各
バンド毎に繰り返すように配列することにより形成され
る。この１バンド分の波形は、例えば上記図６に示すよ
うな２５６サンプルのハミング窓関数に１７９２サンプ
ル分の０データを付加（０詰め）した波形を時間軸信号
と見なしてＦＦＴし、得られた周波数軸上のある帯域幅
を持つインパルス波形を上記ピッチに応じて切り出すこ
とにより形成することができる。
【００３８】次に、上記ピッチに応じて分割された各バ
ンド毎に、上記Ｈ(j) を代表させるような（各バンド毎
のエラーを最小化するような）値（一種の振幅）｜Ａm
｜を求める。ここで、例えば第ｍバンド（第ｍ高調波の
帯域）の下限、上限の点をそれぞれａm 、ｂm とすると
き、この第ｍバンドのエラーεm は、
ンド毎に、上記Ｈ(j) を代表させるような（各バンド毎
のエラーを最小化するような）値（一種の振幅）｜Ａm
｜を求める。ここで、例えば第ｍバンド（第ｍ高調波の
帯域）の下限、上限の点をそれぞれａm 、ｂm とすると
き、この第ｍバンドのエラーεm は、
【００３９】
【数１】
【００４０】で表せる。このエラーεm を最小化するよ
うな｜Ａm ｜は、
うな｜Ａm ｜は、
【００４１】
【数２】
【００４２】となり、この（13）式の｜Ａm ｜のとき、
エラーεm を最小化する。このような振幅｜Ａm ｜を各
バンド毎に求め、得られた各振幅｜Ａm ｜を用いて上記
（12）式で定義された各バンド毎のエラーεm を求め
る。次に、このような各バンド毎のエラーεm の全バン
ドの総和値Σεm を求める。さらに、このような全バン
ドのエラー総和値Σεm を、いくつかの微小に異なるピ
ッチについて求め、エラー総和値Σεm が最小となるよ
うなピッチを求める。
エラーεm を最小化する。このような振幅｜Ａm ｜を各
バンド毎に求め、得られた各振幅｜Ａm ｜を用いて上記
（12）式で定義された各バンド毎のエラーεm を求め
る。次に、このような各バンド毎のエラーεm の全バン
ドの総和値Σεm を求める。さらに、このような全バン
ドのエラー総和値Σεm を、いくつかの微小に異なるピ
ッチについて求め、エラー総和値Σεm が最小となるよ
うなピッチを求める。
【００４３】すなわち、上記ピッチ抽出部１０３で求め
られたラフピッチを中心として、例えば 0.25 きざみで
上下に数種類ずつ用意する。これらの複数種類の微小に
異なるピッチの各ピッチに対してそれぞれ上記エラー総
和値Σεm を求める。この場合、ピッチが定まるとバン
ド幅が決まり、上記（13）式より、周波数軸上データの
パワースペクトル｜Ｓ(j) ｜と励起信号スペクトル｜Ｅ
(j) ｜とを用いて上記（12）式のエラーεm を求め、そ
の全バンドの総和値Σεm を求めることができる。この
エラー総和値Σεm を各ピッチ毎に求め、最小となるエ
ラー総和値に対応するピッチを最適のピッチとして決定
するわけである。以上のようにして高精度ピッチサーチ
部１０６で最適のファイン（例えば 0.25 きざみ）ピッ
チが求められ、この最適ピッチに対応する振幅｜Ａm ｜
が決定される。
られたラフピッチを中心として、例えば 0.25 きざみで
上下に数種類ずつ用意する。これらの複数種類の微小に
異なるピッチの各ピッチに対してそれぞれ上記エラー総
和値Σεm を求める。この場合、ピッチが定まるとバン
ド幅が決まり、上記（13）式より、周波数軸上データの
パワースペクトル｜Ｓ(j) ｜と励起信号スペクトル｜Ｅ
(j) ｜とを用いて上記（12）式のエラーεm を求め、そ
の全バンドの総和値Σεm を求めることができる。この
エラー総和値Σεm を各ピッチ毎に求め、最小となるエ
ラー総和値に対応するピッチを最適のピッチとして決定
するわけである。以上のようにして高精度ピッチサーチ
部１０６で最適のファイン（例えば 0.25 きざみ）ピッ
チが求められ、この最適ピッチに対応する振幅｜Ａm ｜
が決定される。
【００４４】以上ピッチのファインサーチの説明におい
ては、説明を簡略化するために、全バンドが有声音（Vo
iced）の場合を想定しているが、上述したようにＭＢＥ
ボコーダにおいては、同時刻の周波数軸上に無声音（Un
voiced）領域が存在するというモデルを採用しているこ
とから、上記各バンド毎に有声音／無声音の判別を行う
ことが必要とされる。
ては、説明を簡略化するために、全バンドが有声音（Vo
iced）の場合を想定しているが、上述したようにＭＢＥ
ボコーダにおいては、同時刻の周波数軸上に無声音（Un
voiced）領域が存在するというモデルを採用しているこ
とから、上記各バンド毎に有声音／無声音の判別を行う
ことが必要とされる。
【００４５】上記高精度ピッチサーチ部１０６からの最
適ピッチ及び振幅｜Ａm ｜のデータは、有声音／無声音
判別部１０７に送られ、上記各バンド毎に有声音／無声
音の判別が行われる。この判別のために、ＮＳＲ（ノイ
ズｔｏシグナル比）を利用する。すなわち、第ｍバンド
のＮＳＲは、
適ピッチ及び振幅｜Ａm ｜のデータは、有声音／無声音
判別部１０７に送られ、上記各バンド毎に有声音／無声
音の判別が行われる。この判別のために、ＮＳＲ（ノイ
ズｔｏシグナル比）を利用する。すなわち、第ｍバンド
のＮＳＲは、
【００４６】
【数３】
【００４７】と表せ、このＮＳＲ値が所定の閾値（例え
ば0.３）より大のとき（エラーが大きい）ときには、そ
のバンドでの｜Ａm ｜｜Ｅ(j) ｜による｜Ｓ(j) ｜の近
似が良くない（上記励起信号｜Ｅ(j) ｜が基底として不
適当である）と判断でき、当該バンドをＵＶ（Unvoice
d、無声音）と判別する。これ以外のときは、近似があ
る程度良好に行われていると判断でき、そのバンドをＶ
（Voiced、有声音）と判別する。
ば0.３）より大のとき（エラーが大きい）ときには、そ
のバンドでの｜Ａm ｜｜Ｅ(j) ｜による｜Ｓ(j) ｜の近
似が良くない（上記励起信号｜Ｅ(j) ｜が基底として不
適当である）と判断でき、当該バンドをＵＶ（Unvoice
d、無声音）と判別する。これ以外のときは、近似があ
る程度良好に行われていると判断でき、そのバンドをＶ
（Voiced、有声音）と判別する。
【００４８】次に、振幅再評価部１０８には、直交変換
部１０５からの周波数軸上データ、高精度ピッチサーチ
部１０６からのファインピッチと評価された振幅｜Ａm
｜との各データ、及び上記有声音／無声音判別部１０７
からのＶ／ＵＶ（有声音／無声音）判別データが供給さ
れている。この振幅再評価部１０８では、有声音／無声
音判別部１０７において無声音（ＵＶ）と判別されたバ
ンドに関して、再度振幅を求めている。このＵＶのバン
ドについての振幅｜Ａm ｜UVは、
部１０５からの周波数軸上データ、高精度ピッチサーチ
部１０６からのファインピッチと評価された振幅｜Ａm
｜との各データ、及び上記有声音／無声音判別部１０７
からのＶ／ＵＶ（有声音／無声音）判別データが供給さ
れている。この振幅再評価部１０８では、有声音／無声
音判別部１０７において無声音（ＵＶ）と判別されたバ
ンドに関して、再度振幅を求めている。このＵＶのバン
ドについての振幅｜Ａm ｜UVは、
【００４９】
【数４】
【００５０】にて求められる。
【００５１】この振幅再評価部１０８からのデータは、
データ数変換（一種のサンプリングレート変換）部１０
９に送られる。このデータ数変換部１０９は、上記ピッ
チに応じて周波数軸上での分割帯域数が異なり、データ
数（特に振幅データの数）が異なることを考慮して、一
定の個数にするためのものである。すなわち、例えば有
効帯域を３４００Hzまでとすると、この有効帯域が上記
ピッチに応じて、８バンド〜６３バンドに分割されるこ
とになり、これらの各バンド毎に得られる上記振幅｜Ａ
m ｜（ＵＶバンドの振幅｜Ａm ｜UVも含む）データの個
数ｍMX＋１も８〜６３と変化することになる。このため
データ数変換部１０９では、この可変個数ｍMX＋１の振
幅データを一定個数ＮC （例えば４４個）のデータに変
換している。
データ数変換（一種のサンプリングレート変換）部１０
９に送られる。このデータ数変換部１０９は、上記ピッ
チに応じて周波数軸上での分割帯域数が異なり、データ
数（特に振幅データの数）が異なることを考慮して、一
定の個数にするためのものである。すなわち、例えば有
効帯域を３４００Hzまでとすると、この有効帯域が上記
ピッチに応じて、８バンド〜６３バンドに分割されるこ
とになり、これらの各バンド毎に得られる上記振幅｜Ａ
m ｜（ＵＶバンドの振幅｜Ａm ｜UVも含む）データの個
数ｍMX＋１も８〜６３と変化することになる。このため
データ数変換部１０９では、この可変個数ｍMX＋１の振
幅データを一定個数ＮC （例えば４４個）のデータに変
換している。
【００５２】ここで本実施例においては、周波数軸上の
有効帯域１ブロック分の振幅データに対して、ブロック
内の最後のデータからブロック内の最初のデータまでの
値を補間するようなダミーデータを付加してデータ個数
をＮF 個に拡大した後、帯域制限型のＫOS倍（例えば８
倍）のオーバーサンプリングを施すことによりＫOS倍の
個数の振幅データを求め、このＫOS倍の個数（( ｍMX＋
１) ×ＫOS個）の振幅データを直線補間してさらに多く
のＮM 個（例えば２０４８個）に拡張し、このＮM 個の
データを間引いて上記一定個数ＮC （例えば４４個）の
データに変換する。
有効帯域１ブロック分の振幅データに対して、ブロック
内の最後のデータからブロック内の最初のデータまでの
値を補間するようなダミーデータを付加してデータ個数
をＮF 個に拡大した後、帯域制限型のＫOS倍（例えば８
倍）のオーバーサンプリングを施すことによりＫOS倍の
個数の振幅データを求め、このＫOS倍の個数（( ｍMX＋
１) ×ＫOS個）の振幅データを直線補間してさらに多く
のＮM 個（例えば２０４８個）に拡張し、このＮM 個の
データを間引いて上記一定個数ＮC （例えば４４個）の
データに変換する。
【００５３】このデータ数変換部１０９からのデータ
（上記一定個数ＮC の振幅データ）がベクトル量子化部
１１０に送られて、所定個数のデータ毎にまとめられて
ベクトルとされ、ベクトル量子化が施される。ベクトル
量子化部１１０からの量子化出力データは、出力端子１
１１を介して取り出される。また、上記高精度のピッチ
サーチ部１０６からの高精度（ファイン）ピッチデータ
は、ピッチ符号化部１１５で符号化され、出力端子１１
２を介して取り出される。さらに、上記有声音／無声音
判別部１０７からの有声音／無声音（Ｖ／ＵＶ）判別デ
ータは、出力端子１１３を介して取り出される。これら
の各出力端子１１１〜１１３からのデータは、所定の伝
送フォーマットの信号とされて伝送される。
（上記一定個数ＮC の振幅データ）がベクトル量子化部
１１０に送られて、所定個数のデータ毎にまとめられて
ベクトルとされ、ベクトル量子化が施される。ベクトル
量子化部１１０からの量子化出力データは、出力端子１
１１を介して取り出される。また、上記高精度のピッチ
サーチ部１０６からの高精度（ファイン）ピッチデータ
は、ピッチ符号化部１１５で符号化され、出力端子１１
２を介して取り出される。さらに、上記有声音／無声音
判別部１０７からの有声音／無声音（Ｖ／ＵＶ）判別デ
ータは、出力端子１１３を介して取り出される。これら
の各出力端子１１１〜１１３からのデータは、所定の伝
送フォーマットの信号とされて伝送される。
【００５４】なお、これらの各データは、上記Ｎサンプ
ル（例えば２５６サンプル）のブロック内のデータに対
して処理を施すことにより得られるものであるが、ブロ
ックは時間軸上を上記Ｌサンプルのフレームを単位とし
て前進することから、伝送するデータは上記フレーム単
位で得られる。すなわち、上記フレーム周期でピッチデ
ータ、Ｖ／ＵＶ判別データ、振幅データが更新されるこ
とになる。
ル（例えば２５６サンプル）のブロック内のデータに対
して処理を施すことにより得られるものであるが、ブロ
ックは時間軸上を上記Ｌサンプルのフレームを単位とし
て前進することから、伝送するデータは上記フレーム単
位で得られる。すなわち、上記フレーム周期でピッチデ
ータ、Ｖ／ＵＶ判別データ、振幅データが更新されるこ
とになる。
【００５５】次に、伝送されて得られた上記各データに
基づき音声信号を合成するための合成側（デコード側）
の概略構成について、図８を参照しながら説明する。こ
の図８において、入力端子１２１には上記ベクトル量子
化された振幅データが、入力端子１２２には上記符号化
されたピッチデータが、また入力端子１２３には上記Ｖ
／ＵＶ判別データがそれぞれ供給される。入力端子１２
１からの量子化振幅データは、逆ベクトル量子化部１２
４に送られて逆量子化され、データ数逆変換部１２５に
送られて逆変換され、得られた振幅データが有声音合成
部１２６及び無声音合成部１２７に送られる。入力端子
１２２からの符号化ピッチデータは、ピッチ復号化部１
２８で復号化され、データ数逆変換部１２５、有声音合
成部１２６及び無声音合成部１２７に送られる。また入
力端子１２３からのＶ／ＵＶ判別データは、有声音合成
部１２６及び無声音合成部１２７に送られる。
基づき音声信号を合成するための合成側（デコード側）
の概略構成について、図８を参照しながら説明する。こ
の図８において、入力端子１２１には上記ベクトル量子
化された振幅データが、入力端子１２２には上記符号化
されたピッチデータが、また入力端子１２３には上記Ｖ
／ＵＶ判別データがそれぞれ供給される。入力端子１２
１からの量子化振幅データは、逆ベクトル量子化部１２
４に送られて逆量子化され、データ数逆変換部１２５に
送られて逆変換され、得られた振幅データが有声音合成
部１２６及び無声音合成部１２７に送られる。入力端子
１２２からの符号化ピッチデータは、ピッチ復号化部１
２８で復号化され、データ数逆変換部１２５、有声音合
成部１２６及び無声音合成部１２７に送られる。また入
力端子１２３からのＶ／ＵＶ判別データは、有声音合成
部１２６及び無声音合成部１２７に送られる。
【００５６】有声音合成部１２６では例えば余弦(cosin
e)波合成により時間軸上の有声音波形を合成し、無声音
合成部１２７では例えばホワイトノイズをバンドパスフ
ィルタでフィルタリングして時間軸上の無声音波形を合
成し、これらの各有声音合成波形と無声音合成波形とを
加算部１２９で加算合成して、出力端子１３０より取り
出すようにしている。この場合、上記振幅データ、ピッ
チデータ及びＶ／ＵＶ判別データは、上記分析時の１フ
レーム（Ｌサンプル、例えば１６０サンプル）毎に更新
されて与えられるが、フレーム間の連続性を高める（円
滑化する）ために、上記振幅データやピッチデータの各
値を１フレーム中の例えば中心位置における各データ値
とし、次のフレームの中心位置までの間（合成時の１フ
レーム）の各データ値を補間により求める。すなわち、
合成時の１フレーム（例えば上記分析フレームの中心か
ら次の分析フレームの中心まで）において、先端サンプ
ル点での各データ値と終端（次の合成フレームの先端）
サンプル点での各データ値とが与えられ、これらのサン
プル点間の各データ値を補間により求めるようにしてい
る。
e)波合成により時間軸上の有声音波形を合成し、無声音
合成部１２７では例えばホワイトノイズをバンドパスフ
ィルタでフィルタリングして時間軸上の無声音波形を合
成し、これらの各有声音合成波形と無声音合成波形とを
加算部１２９で加算合成して、出力端子１３０より取り
出すようにしている。この場合、上記振幅データ、ピッ
チデータ及びＶ／ＵＶ判別データは、上記分析時の１フ
レーム（Ｌサンプル、例えば１６０サンプル）毎に更新
されて与えられるが、フレーム間の連続性を高める（円
滑化する）ために、上記振幅データやピッチデータの各
値を１フレーム中の例えば中心位置における各データ値
とし、次のフレームの中心位置までの間（合成時の１フ
レーム）の各データ値を補間により求める。すなわち、
合成時の１フレーム（例えば上記分析フレームの中心か
ら次の分析フレームの中心まで）において、先端サンプ
ル点での各データ値と終端（次の合成フレームの先端）
サンプル点での各データ値とが与えられ、これらのサン
プル点間の各データ値を補間により求めるようにしてい
る。
【００５７】以下、有声音合成部１２６における合成処
理を詳細に説明する。上記Ｖ（有声音）と判別された第
ｍバンド（第ｍ高調波の帯域）における時間軸上の上記
１合成フレーム（Ｌサンプル、例えば１６０サンプル）
分の有声音をＶm (n) とするとき、この合成フレーム内
の時間インデックス（サンプル番号）ｎを用いて、 Ｖm (n) ＝Ａm (n) cos(θm (n)) ０≦ｎ＜Ｌ ・・・（16） と表すことができる。全バンドの内のＶ（有声音）と判
別された全てのバンドの有声音を加算（ΣＶm (n) ）し
て最終的な有声音Ｖ(n) を合成する。
理を詳細に説明する。上記Ｖ（有声音）と判別された第
ｍバンド（第ｍ高調波の帯域）における時間軸上の上記
１合成フレーム（Ｌサンプル、例えば１６０サンプル）
分の有声音をＶm (n) とするとき、この合成フレーム内
の時間インデックス（サンプル番号）ｎを用いて、 Ｖm (n) ＝Ａm (n) cos(θm (n)) ０≦ｎ＜Ｌ ・・・（16） と表すことができる。全バンドの内のＶ（有声音）と判
別された全てのバンドの有声音を加算（ΣＶm (n) ）し
て最終的な有声音Ｖ(n) を合成する。
【００５８】この（16）式中のＡm (n) は、上記合成フ
レームの先端から終端までの間で補間された第ｍ高調波
の振幅である。最も簡単には、フレーム単位で更新され
る振幅データの第ｍ高調波の値を直線補間すればよい。
すなわち、上記合成フレームの先端（ｎ＝０）での第ｍ
高調波の振幅値をＡ0m、該合成フレームの終端（ｎ＝
Ｌ：次の合成フレームの先端）での第ｍ高調波の振幅値
をＡLmとするとき、 Ａm (n) ＝ (L-n)Ａ0m／Ｌ＋ｎＡLm／Ｌ ・・・（17） の式によりＡm (n) を計算すればよい。
レームの先端から終端までの間で補間された第ｍ高調波
の振幅である。最も簡単には、フレーム単位で更新され
る振幅データの第ｍ高調波の値を直線補間すればよい。
すなわち、上記合成フレームの先端（ｎ＝０）での第ｍ
高調波の振幅値をＡ0m、該合成フレームの終端（ｎ＝
Ｌ：次の合成フレームの先端）での第ｍ高調波の振幅値
をＡLmとするとき、 Ａm (n) ＝ (L-n)Ａ0m／Ｌ＋ｎＡLm／Ｌ ・・・（17） の式によりＡm (n) を計算すればよい。
【００５９】次に、上記（16）式中の位相θm (n) は、 θm (n) ＝ｍωO1ｎ＋ｎ2 ｍ（ωL1−ω01）／２Ｌ＋φ0m＋Δωｎ ・・・（18） により求めることができる。この（18）式中で、φ0mは
上記合成フレームの先端（ｎ＝０）での第ｍ高調波の位
相（フレーム初期位相）を示し、ω01は合成フレーム先
端（ｎ＝０）での基本角周波数、ωL1は該合成フレーム
の終端（ｎ＝Ｌ：次の合成フレーム先端）での基本角周
波数をそれぞれ示している。上記（18）式中のΔωは、
ｎ＝Ｌにおける位相φLmがθm (L) に等しくなるような
最小のΔωを設定する。
上記合成フレームの先端（ｎ＝０）での第ｍ高調波の位
相（フレーム初期位相）を示し、ω01は合成フレーム先
端（ｎ＝０）での基本角周波数、ωL1は該合成フレーム
の終端（ｎ＝Ｌ：次の合成フレーム先端）での基本角周
波数をそれぞれ示している。上記（18）式中のΔωは、
ｎ＝Ｌにおける位相φLmがθm (L) に等しくなるような
最小のΔωを設定する。
【００６０】これに、対して本発明の実施例では、上記
（18) 式のφ0m＋Δωｎを合成側に送らずに、合成側で
位相を予測算出している。すなわち、上記位相予測部２
２は、上記（１）式に示されるように時刻０（フレーム
の先頭）における第ｍ高調波の位相（フレーム初期位
相）ψ0mにｍ（ωO1＋ωL1）Ｌ／２ を加えフレームの
最後での位相ψLmを、予測算出している。また、各バン
ドの位相φm は、上記予測算出された位相ψLmにεm を
加えて示される。このεm は各バンドでの予測修正項を
示している。本発明では、この予測修正項εm にガウス
性の雑音を用いている。
（18) 式のφ0m＋Δωｎを合成側に送らずに、合成側で
位相を予測算出している。すなわち、上記位相予測部２
２は、上記（１）式に示されるように時刻０（フレーム
の先頭）における第ｍ高調波の位相（フレーム初期位
相）ψ0mにｍ（ωO1＋ωL1）Ｌ／２ を加えフレームの
最後での位相ψLmを、予測算出している。また、各バン
ドの位相φm は、上記予測算出された位相ψLmにεm を
加えて示される。このεm は各バンドでの予測修正項を
示している。本発明では、この予測修正項εm にガウス
性の雑音を用いている。
【００６１】ここで、図９のＡは、音声信号のスペクト
ルの一例を示しており、バンド番号（ハーモニクスナン
バ）ｍが８、９、１０の各バンドがＵＶ（無声音）とさ
れ、他のバンドはＶ（有声音）とされている。このＶ
（有声音）のバンドの時間軸信号が上記有声音合成部１
２６により合成され、ＵＶ（無声音）のバンドの時間軸
信号が無声音合成部１２７で合成されるわけである。
ルの一例を示しており、バンド番号（ハーモニクスナン
バ）ｍが８、９、１０の各バンドがＵＶ（無声音）とさ
れ、他のバンドはＶ（有声音）とされている。このＶ
（有声音）のバンドの時間軸信号が上記有声音合成部１
２６により合成され、ＵＶ（無声音）のバンドの時間軸
信号が無声音合成部１２７で合成されるわけである。
【００６２】以下、無声音合成部１２７における無声音
合成処理を説明する。ホワイトノイズ発生部１３１から
の時間軸上のホワイトノイズ信号波形を、所定の長さ
（例えば２５６サンプル）で適当な窓関数（例えばハミ
ング窓）により窓かけをし、ＳＴＦＴ処理部１３２によ
りＳＴＦＴ（ショートタームフーリエ変換）処理を施す
ことにより、図９のＢに示すようなホワイトノイズの周
波数軸上のパワースペクトルを得る。このＳＴＦＴ処理
部１３２からのパワースペクトルをバンド振幅処理部１
３３に送り、図９のＣに示すように、上記ＵＶ（無声
音）とされたバンド（例えばｍ＝８、９、１０）につい
て上記振幅｜Ａm ｜UVを乗算し、他のＶ（有声音）とさ
れたバンドの振幅を０にする。このバンド振幅処理部１
３３には上記振幅データ、ピッチデータ、Ｖ／ＵＶ判別
データが供給されている。バンド振幅処理部１３３から
の出力は、ＩＳＴＦＴ処理部１３４に送られ、位相は元
のホワイトノイズの位相を用いて逆ＳＴＦＴ処理を施す
ことにより時間軸上の信号に変換する。ＩＳＴＦＴ処理
部１３４からの出力は、オーバーラップ加算部１３５に
送られ、時間軸上で適当な（元の連続的なノイズ波形を
復元できるように）重み付けをしながらオーバーラップ
及び加算を繰り返し、連続的な時間軸波形を合成する。
オーバーラップ加算部１３５からの出力信号が上記加算
部１２９に送られる。
合成処理を説明する。ホワイトノイズ発生部１３１から
の時間軸上のホワイトノイズ信号波形を、所定の長さ
（例えば２５６サンプル）で適当な窓関数（例えばハミ
ング窓）により窓かけをし、ＳＴＦＴ処理部１３２によ
りＳＴＦＴ（ショートタームフーリエ変換）処理を施す
ことにより、図９のＢに示すようなホワイトノイズの周
波数軸上のパワースペクトルを得る。このＳＴＦＴ処理
部１３２からのパワースペクトルをバンド振幅処理部１
３３に送り、図９のＣに示すように、上記ＵＶ（無声
音）とされたバンド（例えばｍ＝８、９、１０）につい
て上記振幅｜Ａm ｜UVを乗算し、他のＶ（有声音）とさ
れたバンドの振幅を０にする。このバンド振幅処理部１
３３には上記振幅データ、ピッチデータ、Ｖ／ＵＶ判別
データが供給されている。バンド振幅処理部１３３から
の出力は、ＩＳＴＦＴ処理部１３４に送られ、位相は元
のホワイトノイズの位相を用いて逆ＳＴＦＴ処理を施す
ことにより時間軸上の信号に変換する。ＩＳＴＦＴ処理
部１３４からの出力は、オーバーラップ加算部１３５に
送られ、時間軸上で適当な（元の連続的なノイズ波形を
復元できるように）重み付けをしながらオーバーラップ
及び加算を繰り返し、連続的な時間軸波形を合成する。
オーバーラップ加算部１３５からの出力信号が上記加算
部１２９に送られる。
【００６３】このように、各合成部１２６、１２７にお
いて合成されて時間軸上に戻された有声音部及び無声音
部の各信号は、加算部１２９により適当な固定の混合比
で加算して、出力端子１３０より再生された音声信号を
取り出す。
いて合成されて時間軸上に戻された有声音部及び無声音
部の各信号は、加算部１２９により適当な固定の混合比
で加算して、出力端子１３０より再生された音声信号を
取り出す。
【００６４】したがって、本発明に係る音声分析合成方
法を、ＭＢＥに適用した具体例では、位相の予測に用い
る雑音をガウス性にすることでその大きさと分散を制御
することができる。
法を、ＭＢＥに適用した具体例では、位相の予測に用い
る雑音をガウス性にすることでその大きさと分散を制御
することができる。
【００６５】なお、上記図３の音声分析側（エンコード
側）の構成や図７の音声合成側（デコード側）の構成に
ついては、各部をハードウェア的に記載しているが、い
わゆるＤＳＰ（ディジタル信号プロセッサ）等を用いて
ソフトウェアプログラムにより実現することも可能であ
る。
側）の構成や図７の音声合成側（デコード側）の構成に
ついては、各部をハードウェア的に記載しているが、い
わゆるＤＳＰ（ディジタル信号プロセッサ）等を用いて
ソフトウェアプログラムにより実現することも可能であ
る。
【００６６】
【発明の効果】本発明に係る音声分析合成方法は、ブロ
ック毎の音声信号を周波数軸に変換して得られる周波数
軸上データをブロック毎の音声信号から求められたピッ
チ情報に基づいて分割した複数帯域毎にパワー情報及び
有声音か無声音かの判別情報を分析側で求めて伝送し、
合成側では伝送されて得られた各ブロック毎の上記ピッ
チ情報とブロック初期位相とに基づいてブロック終端位
相を予測し、該予測された終端位相を上記各帯域に応じ
た分散を持つガウス性雑音を用いて修正することによっ
て、雑音の大きさと分散を制御でき、音質の向上が期待
できる。また、音声の信号レベル及びその時間的変化を
利用することで、エラーの累積を防ぎ母音部もしくは母
音部から子音部の遷移点での音質劣化を防ぐことができ
る。
ック毎の音声信号を周波数軸に変換して得られる周波数
軸上データをブロック毎の音声信号から求められたピッ
チ情報に基づいて分割した複数帯域毎にパワー情報及び
有声音か無声音かの判別情報を分析側で求めて伝送し、
合成側では伝送されて得られた各ブロック毎の上記ピッ
チ情報とブロック初期位相とに基づいてブロック終端位
相を予測し、該予測された終端位相を上記各帯域に応じ
た分散を持つガウス性雑音を用いて修正することによっ
て、雑音の大きさと分散を制御でき、音質の向上が期待
できる。また、音声の信号レベル及びその時間的変化を
利用することで、エラーの累積を防ぎ母音部もしくは母
音部から子音部の遷移点での音質劣化を防ぐことができ
る。
【図面の簡単な説明】
【図１】本発明に係る音声分析合成方法をいわゆるボコ
ーダに適用した具体例の機能ブロック図である。
ーダに適用した具体例の機能ブロック図である。
【図２】本発明に係る音声分析合成方法に用いられるガ
ウス性雑音を説明するための特性図である。
ウス性雑音を説明するための特性図である。
【図３】本発明に係る音声分析合成方法が適用される装
置の具体例としての音声信号の合成分析符号化装置の分
析側（エンコード側）の概略構成を示す機能ブロック図
である。
置の具体例としての音声信号の合成分析符号化装置の分
析側（エンコード側）の概略構成を示す機能ブロック図
である。
【図４】窓かけ処理を説明するための図である。
【図５】窓かけ処理と窓関数との関係を説明するための
図である。
図である。
【図６】直交変換（ＦＦＴ）処理対象としての時間軸デ
ータを示す図である。
ータを示す図である。
【図７】周波数軸上のスペクトルデータ、スペクトル包
絡線（エンベロープ）及び励起信号のパワースペクトル
を示す図である。
絡線（エンベロープ）及び励起信号のパワースペクトル
を示す図である。
【図８】本発明に係る音声分析合成方法が適用される装
置の具体例としての音声信号の合成分析符号化装置の合
成側（デコード側）の概略構成を示す機能ブロック図で
ある。
置の具体例としての音声信号の合成分析符号化装置の合
成側（デコード側）の概略構成を示す機能ブロック図で
ある。
【図９】音声信号を合成する際の無声音合成を説明する
ための図である。
ための図である。
【符号の説明】 １０・・・・・分析部 ２０・・・・・合成部 ２１・・・・・有声音合成部 ２２・・・・・位相予測部 ２３・・・・・雑音付加部 ２４・・・・・位相修正部 ２５・・・・・正弦波発生部 ２６・・・・・振幅増幅部
Claims (2)
- 【請求項１】 入力された音声信号をブロック単位で区
分してブロック内でのピッチ情報を求める工程と、 上記ブロック毎の音声信号を周波数軸に変換して周波数
軸上データを求める工程と、 この周波数軸上データを上記ピッチ情報に基づいて複数
の帯域に分割する工程と、 分割された各帯域毎のパワー情報及び有声音か無声音か
の判別情報を求める工程と、 これらの工程により求められた上記ピッチ情報、各帯域
毎のパワー情報及び有声音か無声音かの判別情報を伝送
する工程と、 伝送されて得られた各ブロック毎の上記ピッチ情報とブ
ロック初期位相とに基づいてブロック終端位相を予測す
る工程と、 上記各帯域に応じた分散を持つ雑音を用いて上記予測さ
れたブロック終端位相を修正する工程とを有することを
特徴とする音声分析合成方法。 - 【請求項２】 上記雑音は、ガウス性雑音であることを
特徴とする請求項１記載の音声分析合成方法。 【００００】
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP09226292A JP3398968B2 (ja) | 1992-03-18 | 1992-03-18 | 音声分析合成方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP09226292A JP3398968B2 (ja) | 1992-03-18 | 1992-03-18 | 音声分析合成方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH05265486A true JPH05265486A (ja) | 1993-10-15 |
| JP3398968B2 JP3398968B2 (ja) | 2003-04-21 |
Family
ID=14049497
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP09226292A Expired - Lifetime JP3398968B2 (ja) | 1992-03-18 | 1992-03-18 | 音声分析合成方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3398968B2 (ja) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2004049304A1 (ja) * | 2002-11-25 | 2004-06-10 | Matsushita Electric Industrial Co., Ltd. | 音声合成方法および音声合成装置 |
| JP2005208627A (ja) * | 2003-12-25 | 2005-08-04 | Casio Comput Co Ltd | 音声分析合成装置、及びプログラム |
| CN111081265A (zh) * | 2019-12-26 | 2020-04-28 | 广州酷狗计算机科技有限公司 | 音高处理方法、装置、设备及存储介质 |
-
1992
- 1992-03-18 JP JP09226292A patent/JP3398968B2/ja not_active Expired - Lifetime
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2004049304A1 (ja) * | 2002-11-25 | 2004-06-10 | Matsushita Electric Industrial Co., Ltd. | 音声合成方法および音声合成装置 |
| US7562018B2 (en) | 2002-11-25 | 2009-07-14 | Panasonic Corporation | Speech synthesis method and speech synthesizer |
| JP2005208627A (ja) * | 2003-12-25 | 2005-08-04 | Casio Comput Co Ltd | 音声分析合成装置、及びプログラム |
| CN111081265A (zh) * | 2019-12-26 | 2020-04-28 | 广州酷狗计算机科技有限公司 | 音高处理方法、装置、设备及存储介质 |
| CN111081265B (zh) * | 2019-12-26 | 2023-01-03 | 广州酷狗计算机科技有限公司 | 音高处理方法、装置、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP3398968B2 (ja) | 2003-04-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP3277398B2 (ja) | 有声音判別方法 | |
| KR100348899B1 (ko) | 캡스트럼 분석을 이용한 하모닉 노이즈 음성 부호화기 및부호화 방법 | |
| US5630012A (en) | Speech efficient coding method | |
| US6871176B2 (en) | Phase excited linear prediction encoder | |
| JPH0869299A (ja) | 音声符号化方法、音声復号化方法及び音声符号化復号化方法 | |
| JP3687181B2 (ja) | 有声音／無声音判定方法及び装置、並びに音声符号化方法 | |
| JPH0990968A (ja) | 音声合成方法 | |
| JP2779325B2 (ja) | ボコーダーにおける前処理の相関関係式を用いたピッチ検索時間短縮方法 | |
| US6115685A (en) | Phase detection apparatus and method, and audio coding apparatus and method | |
| US6535847B1 (en) | Audio signal processing | |
| JP3297749B2 (ja) | 符号化方法 | |
| JP3297751B2 (ja) | データ数変換方法、符号化装置及び復号化装置 | |
| JP3218679B2 (ja) | 高能率符号化方法 | |
| JP3237178B2 (ja) | 符号化方法及び復号化方法 | |
| JP3398968B2 (ja) | 音声分析合成方法 | |
| JP3362471B2 (ja) | 音声信号の符号化方法及び復号化方法 | |
| JP3223564B2 (ja) | ピッチ抽出方法 | |
| JP3297750B2 (ja) | 符号化方法 | |
| JP3271193B2 (ja) | 音声符号化方法 | |
| JP3321933B2 (ja) | ピッチ検出方法 | |
| JPH06202695A (ja) | 音声信号処理装置 | |
| JP3218681B2 (ja) | 背景雑音検出方法及び高能率符号化方法 | |
| JP3221050B2 (ja) | 有声音判別方法 | |
| JP3218680B2 (ja) | 有声音合成方法 | |
| JPH05265489A (ja) | ピッチ抽出方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20020910 |
|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20030121 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080221 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090221 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100221 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100221 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110221 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120221 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130221 Year of fee payment: 10 |
|
| EXPY | Cancellation because of completion of term | ||
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130221 Year of fee payment: 10 |