JPS5857758B2 - 音声ピッチ周期抽出装置 - Google Patents

Description

【発明の詳細な説明】 本発明は音声におけるピンチ周期を抽出する装置に関す
るものである。

現在音声に関し音声信号に含まれる冗長性を除去し、音
声を特徴パラメータで高能率符号化する分析法及びこの
符号をもとに音声を合成する合成法が開発されている。

これらの方法は既に音声研究分野では広く知られた方法
であり、詳しい記述は省略する。

これらの分析で得る音声の特徴パラメータの一つに音声
のピッチ周期（声帯の基本振動周期）がある。

ピッチ周期は合成音声の音質を決定する重要なパラメー
タであり、従来より、ピンチ抽出の誤り率の低減をめざ
し、数々の方法が検討されている。

これらの方法は主に音声信号の相関値による方法、音声
信号から声道のパラメータを抽出した後の波形（残差波
形）の相関値による方法、音声信号のフーリエ変換の対
数の逆フーリエ変換によるケプストラム法などに大別さ
れる。

これらの方法はハード構成を考えた場合、その演算の複
雑さにより、大規模になり、多くの演算時間を必要とす
るため音声の実時間分析には適さず、もっばらコンピュ
ータによるオフラインの分析に使用されてきた。

音声分析の応用としては音声を入力とする各種のコント
ロール装置、音声の記録再生装置が考えられるが、全て
実時間による処理でなげればその応用価値はない。

したがって実時間で音声分析する方法中でも音声のピッ
チ抽出をより高精度に短時間で簡略な構成で行なえるピ
ッチ抽出法の開発が是非とも必要となる。

本発明の目的は、上記した従来技術の欠点をなくし、音
声分析において、従来に比べより簡略で、抽出精度の高
い実時間のピッチ周期抽出装置を提供するにある。

本発明は、音声のピッチ周期を抽出する手段として、音
声波形をその振幅によりｍ個（ｍは３以上の自然数）に
分類符号化し、その符号化された波形の任意の範囲内に
含まれるすべての任意の時間開隔離れたものについて相
関をとり、その任意時間間隔離れた相間値の最大値をと
る時間間隔をピッチ周期とし、従来のピッチ周期抽出法
に比べ抽出精度を落すことなく演算回数の削減を計り、
ハード構成を簡略化するものである。

従来のピンチ抽出法として一般的なものに波形の自己相
関関数によりピッチ周期を求める方法がある。

今、音声波形をサンプリングした場合、波形の自己相関
関数は（１）式であられされる。

ここでＸｔはサンプリングされた離散的波形値、Ｎは１
分析フレーム周期内の波形サンプル総数、τは任意の時
間間隔、ρ７はτ時間間隔離れた波形の自己相関関数値
である。

当然τはサンプリン数）とすれば（２）式のような離散
値をとる。

（ｎは１．２．３・・・・・・・・・Ｎ、整数値）周知
のごとく、波形の自己相関関数は波形の線形の線形は関
連の度合いを示す尺度であり、波形が周期関数の時には
波形と同じ周期をもつ。

今、第１図に示される音声波形の自己相関関数とτとの
関係を図示すると第２図のごとく、音声波形のピンチ周
期とその整数倍の位置に極値をもち、その最大値をとる
τの値が音声波形のピッチ周期を表わす。

以上が自己相関関数によるピッチ抽出の概要である。

この方式では（１）式に示されるごとく、τに関する１
つの自己相関関数値を求めるためにはＮ−１回の積和演
算が必要となる。

一般に積演算は和演算に比べ４〜５倍の時間を要し、ハ
ード構成では掛算器を必要とする。

この積演算を削除するために、波形の極性相関によるピ
ンチ抽出方が考えられている。

これは第（１）式において、Ｘｔ、Ｘｔ＋７を波形の極
性（正、負の符号）のみ、すなわち波形の振幅情報を含
まないものに置き換え、Ｘｔ−Ｘｔ＋ｒ の演算を極性
の一致に置き換えたものである。

極性一致をとる演算は簡略なワイヤードロジックに置き
かえることが可能であるため、通常の相関に比べ積演算
の分だけ演算時間を短縮できる。

しかし、この極性相関によるピッチ抽出はその抽出精度
は低く特に男性の声の場合、ピッチ周期抽出誤りが多い
。

この理由はピンチ抽出に用いるサンプルデータ値は極性
のみであり、振幅情報を含んでいないためである。

以上により、自己相関関数によるピッチ周期抽出を抽出
精度を落さず簡略なハード構成で、短時間で行うために
は積演算をサンプリングされた波形値をある範囲に分類
し、その分類された値の相関（一致度）をワイヤードロ
ジックによる一致演算に置き換えればよく、極性のみの
相関に比べ、振幅情報をある程度含むためにピッチ周期
抽出の精度は向上する。

第３図は本発明による抽出装置の一実施例である。

第３図において、１はＡ／Ｄコンバータ、２はデータバ
ッファメモリ、３はデータメモリ、４はデータ正規化回
路、５はｍ値分類回路、６は相関回路、７はピッチ周期
カウンタ、８は相関値カウンタ、９はピッチ周期レジス
タ、１０は相関値レジスタ、１１は比較回路である。

第３図の動作を説明する。

音声信号はＡ／Ｄコンバータ１に入力され、ここでサン
プリングを施され、離散的な信号値時系列に変換され、
順次データバッファメモリ２に、格納される。

このデータバッファメモリ２の容量は音声の分析フレー
ム周期（通常２０ｍ５ｅｃ）分のサンプリングデータを
収納する。

このデータバッファメモリ２がいっばいになった時点で
データバッファメモリ２のデータをデータメモリ３に時
系列を保存して転送する。

（データメモリ３にＸｌ、Ｘ２、Ｘｌ、・・・・・・・
・・、ＸＮという順にデータが転送される。

）次にデータメモリ３の各データはデータ正規化回路４
に送られ、データメモリ３内の絶対値の最大値で除算さ
れ、正規化されたデータとなり、データメモリ３に再び
もどされる。

もちろんこの場合データメモリ３の信号時系列は保存さ
れなければならない。

次にデータメモリ３の正規化されたデータ時系列はｍ値
分類回路５に送られ、各々のデータはあらかじめ定めら
れたしきい値によりｍ個の値に分類符号化され、データ
メモリ３にもどされる。

もちろんこの場合も信号時系列は保存されるのが望まし
い。

ｍ値分類回路はワイヤードロジックで構成されている。

この時点でデータメモリ３の内容はｍ値に分類符号化さ
れた時系列値となっている。

この時系列値を（Ｘ１１、心、Ｘ／３、＝・・・・・Ｘ
’Ｎ ）とする。

次にピッチ周期カウンタＴが示す値ｎ＝１６（τ＝１６
△Ｔ）だけ時間間隔離れた、データメモリ３内の最初の
一組（Ｘ／１、Ｘ／１−）−１６）を選び、相関回路６
に入力する。

相関回路６はワイヤードロジックで構成され、１組の符
号化データが一致した場合、相関値カウンタ８を１カウ
ントアツプする。

相関回路６はこの（Ｘ／１、Ｘ’ｌ ＋１ ａ ）の一
致をみて、一致した場合のみあらかじめ零に設定されて
いる相関値カウンタ８を１カウントアツプする。

ピッチ周期レジスタは音声のピッチ周期存在範囲の値を
とる。

人間音声のピッチ周期存在範囲は２ ｍ ｓｅｃ〜１５
ｍ ｓｅｃであるため、サンプリング周波数を８ＫＨ
ｚ （△Ｔ＝１２５μｓ）とするとｎは１６〜１２０
となる。

説明ではこの値を使用する。次に（Ｘ／２、Ｘ’２ ＋
１ａ ）を選択し、同様な動作をくり返す。

これらの動作はＮ−ｎ個くり返された後に、ピンチ周期
カウンタ７と相関値カウンタ８の値はピッチ周期レジス
タ９と相関値レジスタ１０にそれぞれ格納される。

この時点で相関値レジスタ１０には（１）式のρ１６と
等価な値が格納されていることになる。

つまり（１）式のＸｔ−Ｘｔ＋７を相関値回路６の符号
一致論理による符号の一致で置き換え、サムメーション
は相関値カウンタ８のカウントアツプ数に置き換えてい
る。

次にピンチ周期カウンタ７を１つカウントアツプしｎ＝
１７（τ＝１７△Ｔ）とするとともに相関カウンタ８を
零にリセットする。

そしてｎ−１６の場合と同様の動作をくり返しｎ＝１７
（τ＝１７△Ｔ）の場合の相関値を相関値カウンタ８の
カウンタ値として得る。

ここで相関値レジスタ１０の値（ここにはτ−１６△Ｔ
の時の相関値が格納されている。

）と相関値カウンタ８の値を比較回路１１を用い比較し
、相関値カウンタ８の値が大きい場合にはピッチ周期カ
ウンタ７と相関値カウンタ８の値をそれぞれピッチ周期
レジスタ９と相関値レジスタ１０に転送する。

相関値カウンタ８の値が相関値レジスタ１０の値に比べ
小さい場合には上述の転送は行なわない。

以下順次ピンチ周期カウンタＴの値を１つづつカウント
アンプすると共に相関値カウンタ８を零にリセットしな
がら、同様な動作をくり返してゆく。

こうしてｎを１２０までカウントアンプを行いながら同
様な動作をくり返してゆくと最終的にはピッチ周期レジ
スタ９には相関値が最大値をとった時のピッチ周期カウ
ンタの値ｎ が保存されていることρｍａＸ になる。

すなわちこの値から音声信号のピッチ周期’ｒｐ＝＝
ｎｐｍａｘ△Ｔを得ることができる。

第４図は本発明の他の実施例である。

第４図において第３図と同一符号は同一物を示す。

第４図は第３図におけるデータ正規化回路４を省略した
ものであり、残りの動作は第３図と同様である。

正規化は各個のデータを、分析フレーム周期中の絶対値
の最大値で除算する必要がある。

この除算演算回数は分析フレーム周期中のサンプルデー
タ数であり、（１）式の積演算回数に比べ１桁以上少な
いのであるが、１演算に要する時間は積演算に比べ２倍
程かかる。

したがって、第３図においては相関演勲１）式の積演算
を符号の一致演算に置き換えて、演算時間の短縮を計っ
たが、この効果が除算演算時間のために薄らいでしまう
。

第４図は正規化回路を省略することにより、さらに演算
時間の短縮を計ったものである。

しかし、ここで正規化回路を省略することはピッチ周期
抽出の精度を落とす。

例えば同じピッチ周期をもつ同じ音声の平均振幅の大小
によるものを３値に分類する場合を考えると、第５図に
示すごとく、振巾小の場合（第５図Ｃ）、３値分類され
た値は第５図ｄのように全て零になり、相関によりピン
チ周期を抽出することが困難であることは明白である。

第６図は本発明の更に他の実施例である。

第６図において、第３図と同一符号は同一物を示す。

第６図において１２は双方性並列入力と、一方向性直列
入力を持つシフトレジスタ、１３はＯＲ回路、１４，１
５，１６，１７，１８はトランスファゲート回路Ａ、Ｂ
、Ｃ，Ｄ、Ｅである。

シフトレジスタ１２は１分析フレーム周期のデータ個数
Ｎだけ集められてデータメモリ３を構成する。

ＯＲ回路１３はデータメモリ３を構成する各シフトレジ
スタの各直列出力を入力とするＯＲ回路でありこの出力
はトランスフアゲ−）Ａ１４を制御する。

第６図の動作を説明する。

音声信号はＡ／Ｄコンバータ１に入力され、サンプリン
グされた後にその値は極性振幅表示に符号化され、デー
タバッファメモリ２に転送される。

データバッファメモリ２が−ばいになった時点で、デー
タバッファメモリ２のデータはデータメモリ３を構成す
るシフトレジスタに並列入力で転送される。

この場合転送は一度に各シフトレジスタに入力してもよ
いが、配線数が多くなるために、シフトレジスタの性質
を利用し、第６図における一番左側のシフトレジスタに
入力し、順次各シフトレジスタの内容を並列に右側にシ
フトを繰り返しながら転送するのが望ましい。

この場合トランスフアゲ−）Ｂ、Ｄはしゃ断状態にお（
。

こうして、データメモリ３を構成するシフトレジスタに
はデータバッファメモリ２の内容が時系列的に記憶され
る。

（極性振幅表示で、ＭＳＢは符号ビットである。

）各シフトレジスタのＭＳＢ側出力はすべてＯＲ回路１
３に入力されており、またこのＭＳＢ側出力は自分自身
のＬＳＢ側入力にトランスファゲートＡ１４を介して接
続されている。

まず谷シフトレジスタを直列方向に１ビツトシフト（Ｌ
ＳＢ側からＭＳＢ側に向けて）することにより各シフト
レジスタのＭＳＢはおのおののＬＳＢに転送される。

この時トランスフアゲ−）Ａ１４はＯＲ回路１３の出力
のいかんにかかわらず導通状態にする。

次に各シフトレジスタのＬＳＢの１ビツトを除く各ビッ
トを直列方向に１ビツトずつシフトしてい（。

この時、トランスファレジスタＡ１４の動作はＯＲ回路
１３の出力で制御される。

つまり、ＯＲ回路１３０入力のうち１つでも１があった
場合にはトランスフアゲ−）Ａ１４は導通状態となる。

ＭＳＢのＬＳＢへの転送を除いて最初にトランスフアゲ
−）Ａ１４が導通状態になった時からあらかじめ決られ
たビット数のシフト分だけ、トランスフアゲ−）Ａ１４
を導通状態に置き各レジスタのＬＳＢ側に転送する。

（第６図においては符号ビットを含めて３ビツト転送す
る場合を示している。

）この動作により、最初データメモリ３、すなわち各シ
フトレジスタに格納されていたデータは各シフトレジス
タのＬＳＢ側３ピットにほぼ正規化されたデータとして
たくわえられることになる。

（ビット数を減少させた分だけの誤差を伴って） 次にＬＳＢ側の３ビツトをトランスファゲートＢ１５を
導通状態にして順次ｍ値分類回路に入力し、あらかじめ
定められたしきい値によりｍ値に分類し、再びシフトレ
ジスタのＬＳＢ側（ｍ＋ｕ／２ビットに転送する。

（第６図では３ビツトのデータを３値（２ビツト）に分
類し転送する鼾を示している。

）この時点で各シフトレジスタのＬＳＢ側２ビットは３
値に分類され、符号化されたデータとなっている。

次に３値に分類された各シフトレジスタのＬＳＢ側２ビ
ットをトランスファゲートＣ１６を導通させ、順還させ
るとともに、トランスフアゲ−）Ｄ１７を導通させＭＳ
Ｂ側から１ビツト、２ビツト目の２ビツト、３ビツト、
４ビツト目の２ビツトにＬＳＢ側の３値分類された２ビ
ツトをそれぞれ転送する。

次にトランスフアゲ−）Ｅ１８をしゃ断状態のまま、Ｍ
ＳＢ狽ｌの１ビツト、２ビツト目のデータだけをピッチ
周期カウンタの値ｎ＝１６（τ＝１６△Ｔ）だけ右にシ
フトする。

こうすることにより、ＭＳＢ側の１ビツト、２ビツト目
の２ビツトデータと３ビツト、４ビツト目の２ビツトデ
ータは１６時間間隔だけずれた３値分類された２ビツト
データの１組として並ぶことになる。

次にトランスファゲートＥ１８を導通状態におき、シフ
トレジスタのＭＳＢ側４ビットのみを右にシフトしなが
ら相関値回路６に入力し、３値分類されたデータの一致
をとる。

この時のシフト数はＮ−ｎ回である。

以下の動作は第３図の動作と同様である。

こうしてまず相関値ρ１６の値をうろことができる。

以下同様な動作をｎ＝１６０まで行なえばピンチ周期レ
ジスタ９にピンチ周期の値をうろことができる。

このように第６図においては、第３図における正規化回
路における正規化を行う除算をシフト転送で行うために
第３図回路よりも時間短縮が可能であり、第４図の回路
よりもピンチ周期抽出の精度はあがることになる。

本発明によれば音声のピッチ周期抽出を高い精度で、簡
略なバード構成で短時間←実時間）で行なうことができ
る。

【図面の簡単な説明】

第１図は音声波形図、第２図は音声波形の自己相関関数
値を示す特性図、第３図は本発明の音声ピッチ周期抽出
装置の一実施例を示すブロック図、第４図は本発明の他
の一実施例を示すブロック図、第５図は音声波形と三値
分類された波形を示す波形図、第６図は本発明の他の一
実施例を示すブロック図である。 １：Ａ／Ｄコンバータ、２：データバソファメモリ、３
：データメモリ、４：データ正規化回路、５：ｍ領分類
回路、６：相関回路、７：ピッチ周期カウンタ、 期レジスタ、 回路、１２： １４．１５゜ −ト。 ８：相関値カウンタ、９：ピツチ周 １０：相関値レジスタ、１１：比較 シフトレジスタ、１３：ＯＲ回路、 １６．１７，１８：）ランスファゲ

Claims (1)

1. 【特許請求の範囲】 Ｉ Ａ／Ｄコンバータ、Ｎワードのデータバッファメ
   モリ、Ｎワードのデータメモリ、データ値を正規化する
   正規化回路、データ値をあらかじめ定められたしきい値
   でｍ個の値（ｍ≧３の自然数）に分類符号化するｍ値分
   類回路を有し、音声信号は該Ａ／Ｄコンバータを介して
   サンプリングと符号化を施され、該バッファメモリに転
   送され、該バッファメモリから該データメモリに転送し
   たのち、該データメモリ値を該正規化回路を通し正規化
   したのち、該データメモリ値を該ｍ値分類回路を通すこ
   とにより再符号化したのち、該データメモリ値を用い相
   関演算を行い音声信号のピンチ周期を抽出することを特
   徴とする音声ピッチ周期抽出装置。 ２ 前記データメモリに転送された信号を前記正規化回
   路を通さずに前記ｍ値分類回路に供給することを特徴と
   する特許請求の範囲第１項に記載された音声ピッチ周期
   抽出装置。