JPS6068000A - ピッチ抽出装置 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 本発明は音声のピッチ周期を抽出するだめのピッチ抽出
装置に関し、殊に可変長フレーム型ボコーダ等に必要な
実時間ピッチ抽出を可能としたピッチ抽出装置に係る。

音声波形における有声音部分は周期的な繰シ返し波形を
持ちその周期（ピッチ周期）の変化特性は音声の分析合
成、認識等における重要なパラメータであることが知ら
れている。例えば、音声の分析合成系においては分析部
で抽出されるピッチ抽出結果が合成部において合成され
る合成音の品質に大きな影響を及ぼす。

音声波形のピッチ周期の抽出方法としては、従来、ピッ
チ周期程度の時間長を持つフレーム毎に自己相関係数を
算出し抽出する方法等、種々の分析パラメータを用りる
方法が知られている。

自己相関係数に基づくピッチ抽出法は、自己相関係数が
時間領域内の処理でめ得る点と、被分析波形とフレーム
との位相の影響が比較的に小さい点とから広く用いられ
る。しかしながら自己相関係数に基づくピッチ抽出法は
、後述するようにピッチ周期の整数倍、又はピッチ周期
のＮ　１　／Ｎ　２倍の周期をピッチ周期として誤って
検出することが多いという欠点を有している。（但しＮ
ｌ、Ｎ２は整数であシ、Ｎｌ＜Ｎ２である）。前記欠点
の発生する被分析波形を、その波形形状から分類すると
、いわゆる有声音定常部と語頭等の有声音過渡部とに大
別される。

有声音定常部に前記欠点が発生ずる一つの原因は被分析
波形の定常性が著しく強いことである。

なぜならば、いわゆる有声音定常部は、例えば数百ｍ８
Ｂｃ程度の比較的に長時間について観察するならば、そ
のピッチ周期を一単位とする波形素片は、ピッチ周期、
波形素片共に、除々に変化していることが認められてい
る。しかし、有声音定常部の種々のセグメントについて
、フレーム周期毎に切出される波形の時間長（例えば３
０ｍ５ＥＣ）程度の比較的に短時間に限定して観察する
と、その波形は、はぼ完全な定常性、すなわち周期性を
示すことがしばしばある。例えば正弦波の自己相関係数
波形が前記正弦波と同一周期を有する余弦波となる等、
よく知られている様に１定常性、すなわち周期性を有す
る波形の自己相関係数波形は周期性を有する。従ってフ
レーム周期毎に例えば３０ｍ５Ｅｃ程度の時間長で切シ
出される波形がほぼ完全な定常性すなわち周期性を示す
場合には、その自己相関係数波形は、はぼ完全な周期性
を示す。故に例えば第１図に示す様にピッチ周期におけ
る良己相関係数の極大値１０１と倍ピツチ周期における
極大値１０２とがほとんど等しくなり、演算精度や、わ
ずかな外乱等の影響でピッチ周期における極大値１０１
よシも倍ピツチ周期における極大値１０２が大きくなる
ことが頻繁に発生するからである。

有声音定常部に前記欠点が発生する他の原因は被分析波
形の発声者において、例えば第１ポルマントの帯域中が
狭く、更に第１ホルマントの中心周波数がピッチ周波数
（ピッチ周期の逆数）の２倍等の整数倍の場合に、ピッ
チ周波数の例えば第２高調波が第１ホルマントと共撮し
、ピッチ周波数の２倍の周波数成券が極端に強調され被
分析波形の基本周波数が、あたかもピッチ周波数の２倍
となることに起因する。ピッチ周波数の２倍の周波数成
分が極端に強調された被分析波形の見かけ上の周期、す
なわち見かけ上の基本周波数の逆数が本来のピッチ周期
の１／２になると、被分析波形の自己相関係数波形は本
来のピッチ周期の１／２の周強で周期性を示す。故に例
えば第２図に示す様に、ホルマントとピッチとの共４辰
にょシ出現する自己相関係数の極大値２０１と本来のピ
ッチ周期における極太値２０２とがほとんど等しくなり
ピッチ周期の誤検出の原因となる。

有声音過渡部に前記欠点が発生する原因は、有声音過渡
部はピッチ周期及び音声波形の形状の変化が大きく、か
つ比較的に不規則なことに起因する。ピッチ周期及び音
声波形の形状の変化が大きく、かつ比較的に不規則な被
分析波形の自己相関周期の整数倍の周期における自己相
関係数の極大値が比較的に不揃いとな９、しばしばピッ
チ周期における自己相関係数の極大値がピッチ周期の整
数倍周期における極大値よシ小さくなシ、いわゆる整数
倍ピッチ周期エラーが多く起る。

なお、有声音過渡部は７般に−２ツテ周彼数の変化が大
きく、ピッチ周波数の高調波とホルマント周波数との共
振による音声波形への影響は、有声音定常部における影
響と比較すると小さく、有声音過渡部におけるいわゆる
ホルマントピッチエラも −の発生頻度は有声音定常部における発光頻度よシ小さ
い。

ピッチ検出工２−の影響が音声分析合成系における合成
音の品質に与える影響は、聴覚的には、有声音定常部に
おけるエラーが大きく、有声音過渡部における工２−の
影響は比較台に軽微である。

従来、特に合成音の品質に大きな影響を与える有声音定
常部におけるピッチ検出エラーを軽減ないし除去するた
めに、種々の方法が試みられている。しかしながら従来
の方法は有声音の定常部と語頭等の過渡部とを一率に扱
っていたために、例えば語頭において、たまたまピッチ
検出誤りが発生すると、前記ピッチ検出ＭＣが将来のピ
ッチ検出特性に悪影響を及ぼすという欠点を有している
。

従来の方法として、例えば音声のピッチ周期の変化が比
較的にゆるやかであることを利用して相隣るフレームに
おけるピッチ周期の差分を、あらかじめ定められた範囲
内に限定してピッチ周期の抽出を行なうことによりピッ
チ周期の検出誤りを防ぐ方法が知られている。しかしな
がら、この様に検索範囲内に制限する方法、例えば第３
図に示すように基本ピッチ周期の曲１３０１上から１ゐ
出誤り等のだめ一度例えば２倍のピッチ周期を持つ倍ピ
ツチ周期曲線３０２上のいわゆる倍ピツチ周期を検出し
てしまうと、再び正しい基本ピッチ周期を検出すること
が困難となる欠点な持っている持にいわゆる語頭等の無
音部から有声音部に移行する場合、あるいは無声音部か
ら有声音部に移行する場合、には前記倍ピツチ周期をｆ
ｉって検出する危険性が大きい。

前記欠点を緩和するために、過去数フレームで検出され
たピッチ周期からピッチの検索範囲を決定する場合には
、いわゆる語頭におけるピッチの検索範囲の決定が困難
であるていう欠点を有していた。

本発明の目的は自己相関係数等に基づいピッチ抽出を行
なうピッチ抽出装置において、ピッチ周期の検出誤りを
防止し、より確実に正しいピッチの検出を可能とするピ
ッチ抽出装置を提給することにある。

本発明のピッチ抽出装置は一定時間長のピッチ決定区間
を用い、且つ時間的過去に隣接するピッチ決だ区間に於
ける最も時間的に新しいピッチ周期を唯一の始点とし、
虹にピッチ周期の連続性をピッチ周期の変化率を拘束す
る目的でピッチ周期の変化率に対応する傾斜制限を有す
る動的計画法によυ評価する手段と、最適なピッチ周期
列をピッチ決定区間の終端における複数のピッチ周期列
候補から唯一度決定する手段から構成されている。

次に図面を参照して本発明の詳細な説明する。

第４図は本発明の実施例を示すブロック図であシ、一点
鎖＋％１４０１３で曲まれだ部分は本発明の構成範囲を
示す。

波形入力端子４００１を介して被分析音声波形がＡ／Ｄ
変換器４００２へ供給される。Ａ／Ｄ変換器４００２け
前記音声減産を例えば３．４Ｋｈに帯域制限した後にＢ
Ｋｌｌｚで標本化し、更に各標本を１２　ｂｉ、ｔｓで
線形触子化する。Ａ／Ｄ変換器４００２は前記量子化音
声信号をウィンド処理器４００３へ出力する。ウィンド
処理器４ｏ　Ｏ３は実施例に於いては２４０サンプル）
を一括して自己相関係数算出器４００４と有声無声判別
器４００５とへ出力する。なおウィンドウ処理器４００
３よりの出力繰返し周期はピッチ抽出処理に於けるフレ
ーム周期と一致するものであり、その値ｑ例えば１０　
ｍ５Ｅｃである。自己相関係数算出！４００４は入力さ
れた２４０サンプルの音声信号から下記但しｘ　（ｉ）
は量子化音声サンプル、ｊは基準音声サプル数（本実施
例に於いては１２０）である。算出された自己相関係数
列は極大値検索器４００６へ供給される極大値検索器４
００６は前記係数列の極大値を検索し、更に極大匝及び
極大値に対応する遅延時間を検索結果として伝送路４０
０７を人１　ノＴ％　Ｔ３　Ｍ＋ＩＩＩＪｌ　明Ｉ　Ａ
　Ａ　Ｏ９…十、−ｈｒ　Ｔ）ｌ）加郁器４００８は後
述の伝送路４００９を介して供給される時間的過去に隣
接するピッチ決定区間に於ける最も時間的に新しいピッ
チ周期を唯一の始点とし、極大値検索器４００６よシ伝
送器４００７を介して供給される前記極太値及び極太値
に対応する遅延時間の最適なパルスをピッチ周期の変化
率に対応する傾斜制限を有する動的計画法を用いて、ピ
ッチ決定区間（本実施例では２０アレーン、：　２００
ｍ５ＥＣ）について選択する。ＤＰ処処理媒４００８更
に選択されたパス（即ち本実施例では２０ケのピッチ周
期データ）をピッチ出力端子４０１０を介して出力する
。又ＤＰ処理器４００８は前記パスを構成する最も時間
的に新しい、云い換えればパスの終端に於けるピッチ周
期データを伝送路４００９を介してピッチメモリ４０１
１へ出力する。ピッチメモリ４０１１は前記ピッチ周期
データを一時的に記憶し、時間的未来に隣接するピッチ
決定区間におけるピッチ始点データとして伝送路４００
９を介してＤＰ処処理媒４００８返却する。

以上の説明はピッチ決定区間内に無声（無音を含む）フ
レームが存在しない場合の本発明の動作を述べたもので
ある。ピッチ決定区間内に無声フレームが存在する場合
には本発明の動作は以下の通シとなる。

有声無声判別器４００５はウィンド処理器枡よシ供給さ
れる３　０ｍ５Ｅｃ分の音声信号に対し、有声無声の刺
状を線形判別式等を用いて例えば判別パラメータとして
声道断面積比関数を利用する手法によシ実施する。なお
前記手法は例えば公開特許公報、昭５’４−１５１３０
３　″有声無声判別装置４”に記載されている手法であ
る。有声無声判別器４００５は判別結果を有声無声信号
として伝送路４０１２を介し−（Ｄｒ処理器４００８へ
出力する。

前記有声無声信号の場合にはＤＰ処処理媒４００８対応
するフレームのピッチデータを例えばＯ１′としピッチ
の存在しないことを表現する。又、前記有声無声信号が
有声から無声に変化するフレームについてはＤＰ処処理
媒４００８最終の有声）Ｖ−ムにおいて複数のピッチ周
期列候補から最適なピッチ周期列を選択する。又、前記
有声無声信号が無声から有声に変化するフレームについ
てはＤＰ処処理媒４００８最初の有声フレームを始端と
し、更に始端に於ける複数のピッチ周期候補を各々、始
点とする。

゛　以上の処理によシ無声区間が複数のピッチ決定区間
に渡って存在しても本発明はなんら制約を受けないこと
は自明である。

又、有声無声判別器４００５の判別結果を有声、無声の
二値に限定せず、連続量として出力するこけ容易であり
、下記の処理が可能となる。ピッチ周期の時間的変化特
性は以下の性質を持つ、即ち有声度が高い場合、例えば
音声のエネルギーが大きく、又、音韻の変化速度がゆる
やかな有声音定常部では、前記変化特性はゆるやかでお
り、有声度が低い場合、例えば音声のエネルギーが変化
し、又、音韻の変化速度のはやい有声音過渡部では前記
変化特性は激しいことが経験的に知られている１又、有
声無声判別器４００５に使麻される判別パラメータとし
ては例えば、音声のエネルギーや、音韻に対応するスペ
クトル包絡パラメータが用いられている。従ってＤＰ処
処理媒４００８於いて音声の有声度によシ傾斜制限の設
定値を適応的に変更し、よシ安定なピッチ抽出を可能に
し得る。

次に波形図を用いてＤＰ処処理媒４００８動作を詳細に
説明する。第５図はＤＰ処処理媒４００８動作を説明す
るだめの波形図である。点５１００はピッチ決定区間１
に時間的過去に隣接するピップ決定区間に於ける最も時
間的に新しいピッチ周期を表わす。点５２０１，５２０
２．５２０３はピッチ決定区間１に含まれる第１番目の
フレームに於ける自己相関係数の極大値に対応する遅れ
時間である。又、線分５１０１．５１０２は傾斜制限を
示す。点５１００と点５２０１とを結ぶ点線５２１１は
傾斜制限外にある。従って点５２０１に連るピッチ列候
補５００１と５００２とは候補から除外される。同様に
点５１００と５２０３とを結ぶ点線５２１３も又、傾斜
制限外にある。従って点５２０３に連るピッチ周期列候
補５００５も又、候補から除外される。点５１００と点
５１００点５２０２とを結ぶ実線５２１２は傾斜制限内
にある。従って点５２０２に連るピッチ周期列候補５０
０３と５００４とが、第１番目のフレームに於いては候
補として存在している。ピッチ決定区間１に於いて、第
２番目のフレームから第２０番目のフレームの全てにつ
いてピッチ周期列候補５００３と５００４とに含まれる
点は各々の前フレームよシの傾斜制限内にある。従って
最適々ピッチ周期列は第２０番目のフレームで以下の式
（２）但し胛参参番皓、自盃樫μｍ４はそれぞれピッチ
周５ｏｏ３ 期候補５００３と５００４とに含まれるピッチ周期にお
ける自己相関係数値である。今、仮に最適なピッチ周期
列として５００３が決定されたものとする。ピッチ決定
区間２の第１番目〜第９番目のフレームに含まれるピッ
チ周期列候補５００６゜５００７と５００８のうち、点
５１２０を基準とする傾斜制限内に始点を有する候補は
５００７のみで４ｊ５．５００７が最適なピッチ周期列
とじて決定される。熱論、点５１２０を基線とする傾斜
制限内に始点を有する他の候補５００９が存在する場合
には第９番目のフレニムに於いて、前述のピッチ決定区
間１の第２０番目のフレームで実施した式（２）による
ピッチ周期列の形定を行なえばよい。

第１０番目〜第１２番目のフレームについては無声７レ
一ム区間であるためピッチ周期を決定する必要がない。

第１３番目のフレームを始点とするピッチ周期列候補５
０１０．５０１１と５０１２は第２０番目のフレームで
式（２見等価な式により評価され最適なピッチ周期列が
決定される。

なお、無声フレーム区間付近の有声フレームは有声度が
低く、且つピッチ周期の変化が激しい特徴を有する。故
に有声度によシ傾斜制限を可変とすることはピッチ周期
を安定に検出する上で有効である。

以上説明した様に本発明はピッチ周期の変化率に対応す
る領置制限を有する動的計画法を用いて最適なピッチ周
期列を評価、選択することによシ、ピッチ周期の連続性
を有するピッチ周期列候補中、最も尤もらしいピッチ周
期列を容易に決定すると七を可能とし、且つわずかな処
理遅延でのピッチ抽出処流を可能としだ。即ち、本発明
は、従来方法ではピッチ抽出誤りの多く発生する有声音
定常、部と有声音過渡部とについて、以下のピッチ抽出
誤シ軽減効果がある。まず、有声音過渡部では有声音過
渡部の時間的過去又は時間的未来に連接して存在し、又
、定常部のピッチ周期に関連して過渡部のピッチ周、期
が決定されるため、少なくとも有声音定常部にピッチ抽
出誤シが存在しなければ有声音過渡部にもピッチ抽出Ｉ
ｌｌが殆んど存在しない。次に有声音定常部では一連の
ピッチ周期列候補中から前記（２）式を用いた総合的評
価により最適なピッチ周期列を決定することによシ、倍
ピッチ周期誤シ等が除去される。なぜならば、通常、自
己相関係数値の最大体検索をフレーム毎に実施した場合
に後ピッチ周期誤りが発生するフレームの割合は０〜３
０％程度であり、ピッチ周期列と、後ピッチ周期列との
各々の自己相関係数の総和を比較するとほぼ確実にピッ
チ周期列の前記総和が大きいことが経験的に知られてい
るからである。

又、本発明の処理遅延時間は例えば高々２００ｍ８Ｅｃ
であシ、可変長フレーム型ボコーダに於けるスペクトル
包絡情報分析に要する処理遅延時間とほぼ等しく、従っ
て本発明は、安定なピッチ抽出を実時間処理で可能とす
る。

なお、本発明はピッチ抽出用のパラメータとしは必づし
も自己相関係数に限定されない。本発明ば、ケプストラ
ム、波形差分絶対値ボ等を用いて容易に実施し得ること
は明らかである。

【図面の簡単な説明】

第１同相ピッチ周期を説明するだめの波形図、第２図は
第１ホルマントの影響によるピッチ検出誤シを説明する
ための波形図、第３図はピッチ倹素範囲を制限するピッ
チ抽出法の欠点を説明するだめの波形図、第４図は本発
明の詳細な説明するためのブロック１、第５図はＤＰ処
理器４００８の動作を説報するための波形図である。 ４００１・・・・・・波形入力端子、４００２・・・・
・・Ｎつ変換器、４００３・・・・・・ウィンドウ処理
器、４ｏｏ４・・・・・・自己相関係数算出器、４００
５・・・・・・有声無声判別器、４００６・・・・・・
極大値検索器、４００７・・・・・・伝送路、４００８
・・・・・・ＤＰ処理器、４０ｏ９・・・・・・伝送路
、４０１０・・・・・・ピッチ出力端子、４０１１・・
・・・・ピッチメモリ、４０１２・山・・伝送路、４０
１３・・・・・・本発明の構成範囲。

Claims (1)

1. 【特許請求の範囲】 （１）　音声のピッチ周期の抽出するためのピッチ抽出
   装置に於いて、一定時間長のピッチ決定区間を用い、且
   つ時間的過去に隣接するピッチ決定区間に於ける最も時
   間的に新しいピッチ周期を唯一の始点とし、更にピッチ
   周期の連続性をピッチ周期の変化率を拘束する目的でピ
   ッチ周期の変化率に対応する傾斜制限を有する動的計画
   法によシ評価する手段と、最適なピッチ周期列をピッチ
   決定区間の終端における複数のピッチ周期列候補から唯
   一度決定する手段とを有する於いて、音声の有声度によ
   シ前記傾斜制限の設定値が変更可能であることを特徴と
   するピッチ抽出装置。 （３）特許請求の範囲第（１）項記載のピッチ抽出装置
   に於いて、前記ピッチ決定区間内に無声区間を有する場
   合に、無声区間に時間的過去に隣接する有声部分を終端
   として、ピッチ周期列を決定し、又、前記無声区間に時
   間的未来に隣接する有声部分を新だに始端とし、更に始
   端に於ける複数のピッチ周期候補を各々始点とする特徴
   とするピッチ抽出装置。