ピッチ周波数推定方法及びその装置
【目的】 必要に応じた精度でピッチ周波数を推定することができ，時間分解能が低下せず，少ない計算時間で高精度なピッチ周波数推定ができる。
【構成】 基本波とその高調波からなる音声信号の時間信号の短い区間を切り出して短区間スペクトラム分析を行い，分析結果からピッチ周波数の候補の検出を行い，その結果をダウンサンプリングして複数回ピッチ周波数推定を行って周波数分解能を向上させる。
【構成】 基本波とその高調波からなる音声信号の時間信号の短い区間を切り出して短区間スペクトラム分析を行い，分析結果からピッチ周波数の候補の検出を行い，その結果をダウンサンプリングして複数回ピッチ周波数推定を行って周波数分解能を向上させる。
【発明の詳細な説明】
【０００１】
【産業上の利用分野】本発明は、例えば音声認識・合成等の技術分野で用いられるピッチ周波数推定方法及びその装置に関するものである。
【０００２】
【従来の技術】従来から音声認識や話者識別、あるいは音声合成等の分野においては、ピッチ周波数は重要な音響パラメータと考えられており、その基本的な検出・推定方法として信号から切り出した短い区間に対してスペクトラム分析を行なう方法がある。
【０００３】
【発明が解決しようとする課題】上述した短区間の信号に対してスペクトラム分析を行なう方法では、高精度な推定を行なうためには分析区間を長くとる必要があり、その場合には以下の問題点が生じる。
１．分析に必要な演算量が分析区間長に応じて指数的に増大する。
２．結果として得られるピッチ周波数は分析区間内で平均化された値となるため時間分解能が低くなる。
本発明の目的は、上記１．２．の問題点を解決することにある。
【０００４】
【課題を解決するための手段】本発明は上述した課題を解決するために、時間信号の短かい区間を切り出してスペクトラム分析を行ない、分析結果からピッチ周波数の候補（近似値）の検出を行ない、検出された候補（近似値）付近に限り周波数分解能を上げることにより必要に応じた精度でピッチ周波数の推定を行なうようにしている。
【０００５】
【作用】時間信号の短かい区間を切り出してスペクトラム分析を行ない、分析結果からピッチ周波数の候補（近似値）の検出を行ない、検出された候補（近似値）付近に限り周波数分解能を上げることにより必要に応じた精度でピッチ周波数の推定を行なう。そのため、元の信号に対する分析区間を長くすることなく、少ない計算量で高精度なピッチ周波数推定を可能にする。
【０００６】
【実施例】以下、図面を参照し、本発明の実施例について説明する。図１は本発明の一実施例の全体の構成を示すブロック図、図２は本発明の一実施例の制御系を示すブロック図である。図１において、１０は音声信号が入力される信号入力部であり、１１は入力された音声信号をアナログ信号からディジタル信号へ変換するＡ−Ｄ変換部であり、１２は音声データやその周波数変換された結果を記憶するデータ記憶部であり、１３は処理の流れや各部へのデータの授受をつかさどる制御部であり、１４は周波数変換・逆変換を行なうデータ演算部であり、１５はピッチ周波数を検出するピッチ検出部であり、１６は周波数軸上の一部分について分解能を高める周波数分解能制御部である。
【０００７】次に、図２の制御ブロック図に基づいて実施例の動作の説明をする。このときには、図１の構成を示すブロック図を参照して説明する。Ａ−Ｄ変換部１１によりＡ−Ｄ変換された入力信号Ｓ（ｔ）２０に対して、適当な窓関数Ｗ（ｔ）２１をかけることによって短い区間を切り出す。この切り出されたデータＩ（ｔ）をデータ演算部１４内の周波数変換部２２で周波数変換しデータ記憶部１２に記憶するとともにその結果を用いてスペクトラム分析部２３によりスペクトラム分析を行ないピッチ検出部１５でピッチ周波数（近似値）検出２４を行なう。
【０００８】ここで、ピッチ周波数推定精度すなわちスペクトラム分析の周波数分解能を上げるために、検出された現在のピッチ周波数を含む帯域を通過させるフィルタ処理２６を周波数変換されデータ記憶部１２に記憶されているデータすなわち周波数領域のデータに対して行ない、データ演算部１４において逆変換２７することによって時間領域の信号に戻した後、ダウンサンプリング２８を施す。このダウンサンプリングされたデータをＩ（ｔ）として再び周波数変換２２にフィードバックし，この後スペクトラム分析２３、ピッチ周波数推定２５を行なえば、ピッチ周波数推定精度は２倍となる。
【０００９】以後同様にフィルタ処理２６、逆変換２７、ダウンサンプリング２８、周波数変換２２、スペクトラム分析２３、ピッチ周波数推定２５を合計ｎ回行なうことによって、ピッチ周波数推定精度を ２n 倍とすることができる。以下に具体的に各処理の詳細について説明する。窓関数Ｗ（ｔ）２１として、例えば式（１）のハミング窓を用いることができる。窓の大きさ（分析区間の長さ）Ｔは、推定の対象となる信号の基本周波数に合わせて決定する。このとき、Ｉ（ｔ）は式（２）となる。
【００１０】
【数１】
【００１１】
【数２】
【００１２】周波数変換２２は、高速フーリエ変換（以下ＦＦＴと略称する）により行なう。ＦＦＴにより、入力信号は周波数領域の−Ｆs ／２からＦs ／２の範囲のΔｆ＝Ｆs ／ＰFFT （Ｆs ：サンプリング周波数，ＰFFT ：ＦＦＴ点数）ごとの離散周波数ｆにおける複素数データＣ（ｆ）となる。スペクトラム分析２３は、ＦＦＴの結果の正の周波数領域について複素数データの絶対値（振幅）Ａ（ｆ）を求める演算である。 ピッチ周波数（近似値）検出２４は、図３に示すように、２３で得られた各周波数ごとの振幅のうち、最大のものからＮpeak番目までの周波数ｆp1，ｆp2，・・・，ｆPNpeakについて、式（３）に示すＰpeak（ｎ）（１≦ｎ≦Ｎpeak）を求め，そのＰpeak（ｎ）が最大となる周波数をピッチ周波数とする。
【００１３】
【数３】
【００１４】ただし、式（３）においてＮharmは、３〜５程度の整数とし、対象とするデータに応じて決定するものとする。フィルタ処理２６は、２４または２５で求められている‘現在の’ピッチ周波数ｆpitch に応じて、周波数領域のデータＣ（ｆ）のうち、ｆpitch ≦（Ｆupr ＋Ｆudr ／２）である場合にはｆ＞Ｆupr の範囲、ｆpitch ＞Ｆupr ／２である場合にはｆ＜Ｆupr の範囲について、Ｃ（ｆ）を０で置き換える処理である。この後、Ｃ（ｆ）＝０とした範囲がｆ＞Ｆupr であった場合、‘次の’周波数範囲の上限Ｆupr+及び下限Ｆudr+を、‘現在の’周波数範囲の上限下限をＦupr Ｆudr に対してそれぞれ、
【００１５】
【数４】
【００１６】とし、Ｃ（ｆ）＝０とした範囲がｆ＜Ｆupr であった場合には、
【００１７】
【数５】
【００１８】とする。これにより周波数分解能は２倍となる。逆変換２７は高速フーリエ逆変換（以下ＩＦＦＴと略称する）による。ダウンサンプリング２８は、逆変換２７で得られた時間領域のデータを一つおきにとりだし、Ｉ（ｔ）として並べる処理である。これにより、データの数が半分になるため、Ｉ（ｔ）の後半分すなわち、Ｔ／２からＴ−１の範囲は０となる。
【００１９】ここで、処理は周波数変換２２に戻るわけであるが、その場合には前述のようにスペクトラム分析２３の後にはピッチ周波数（近似値）検出２４の換わりにピッチ周波数推定２５の処理を行なう。ピッチ周波数推定２５は、スペクトラム分析２３で得られたＡ（ｆ）の‘現在の’ピッチ周波数Ｆpitch に最も近いピークとなる周波数を探索する処理であり、得られた周波数を新しく‘現在の’ピッチ周波数Ｆpitch とする。
【００２０】ここで必要な精度が得られている場合には処理を終わり、得られていない場合にはフィルタ処理２６、逆変換２７、ダウンサンプリング２８、周波数変換２２、スペクトラム分析２３、と順に処理を経て、必要な精度が得られるまでピッチ周波数推定２５を繰り返す。従って本発明では分析区間を長くすることなくｎ回のダウンサンプリングとｎ回の周波数分析を行なうことによって、２n 倍の精度でピッチ周波数を推定することができる。
【００２１】
【発明の効果】以上説明したように、本発明によれば必要に応じた精度てピッチ周波数を推定することができ、以下のような効果が得られる。
１．従来のように分析区間を長くすることなく周波数推定精度を上げることができるため、時間分解能が低下しない。
２．推定精度をｎ倍にするために必要な計算量が、分析区間を長くした場合にはｎ2 に比例するのに対して２Log2ｎに比例するので、より少ない計算時間で高精度なピッチ周波数推定を行なうことができる。
【図面の簡単な説明】
【図１】本発明の一実施例の全体の構成を示すブロック図である。
【図２】本発明の一実施例の制御系を示すブロック図である。
【図３】本発明の一実施例のピッチ周波数（近似値）検出を説明するための説明図である。
【符号の説明】
１０ 信号入力部
１１ Ａ−Ｄ変換部
１２ データ記憶部
１３ 制御部
１４ データ演算部
１５ ピッチ検出部
１６ 周波数分解能制御部
２０ 入力信号
２１ 窓関数
２２ 周波数変換
２３ スペクトラム分析
２４ ピッチ周波数（近似値）検出
２５ ピッチ周波数推定
２６ フィルタ処理
２７ 逆変換
２８ ダウンサンプリング
【０００１】
【産業上の利用分野】本発明は、例えば音声認識・合成等の技術分野で用いられるピッチ周波数推定方法及びその装置に関するものである。
【０００２】
【従来の技術】従来から音声認識や話者識別、あるいは音声合成等の分野においては、ピッチ周波数は重要な音響パラメータと考えられており、その基本的な検出・推定方法として信号から切り出した短い区間に対してスペクトラム分析を行なう方法がある。
【０００３】
【発明が解決しようとする課題】上述した短区間の信号に対してスペクトラム分析を行なう方法では、高精度な推定を行なうためには分析区間を長くとる必要があり、その場合には以下の問題点が生じる。
１．分析に必要な演算量が分析区間長に応じて指数的に増大する。
２．結果として得られるピッチ周波数は分析区間内で平均化された値となるため時間分解能が低くなる。
本発明の目的は、上記１．２．の問題点を解決することにある。
【０００４】
【課題を解決するための手段】本発明は上述した課題を解決するために、時間信号の短かい区間を切り出してスペクトラム分析を行ない、分析結果からピッチ周波数の候補（近似値）の検出を行ない、検出された候補（近似値）付近に限り周波数分解能を上げることにより必要に応じた精度でピッチ周波数の推定を行なうようにしている。
【０００５】
【作用】時間信号の短かい区間を切り出してスペクトラム分析を行ない、分析結果からピッチ周波数の候補（近似値）の検出を行ない、検出された候補（近似値）付近に限り周波数分解能を上げることにより必要に応じた精度でピッチ周波数の推定を行なう。そのため、元の信号に対する分析区間を長くすることなく、少ない計算量で高精度なピッチ周波数推定を可能にする。
【０００６】
【実施例】以下、図面を参照し、本発明の実施例について説明する。図１は本発明の一実施例の全体の構成を示すブロック図、図２は本発明の一実施例の制御系を示すブロック図である。図１において、１０は音声信号が入力される信号入力部であり、１１は入力された音声信号をアナログ信号からディジタル信号へ変換するＡ−Ｄ変換部であり、１２は音声データやその周波数変換された結果を記憶するデータ記憶部であり、１３は処理の流れや各部へのデータの授受をつかさどる制御部であり、１４は周波数変換・逆変換を行なうデータ演算部であり、１５はピッチ周波数を検出するピッチ検出部であり、１６は周波数軸上の一部分について分解能を高める周波数分解能制御部である。
【０００７】次に、図２の制御ブロック図に基づいて実施例の動作の説明をする。このときには、図１の構成を示すブロック図を参照して説明する。Ａ−Ｄ変換部１１によりＡ−Ｄ変換された入力信号Ｓ（ｔ）２０に対して、適当な窓関数Ｗ（ｔ）２１をかけることによって短い区間を切り出す。この切り出されたデータＩ（ｔ）をデータ演算部１４内の周波数変換部２２で周波数変換しデータ記憶部１２に記憶するとともにその結果を用いてスペクトラム分析部２３によりスペクトラム分析を行ないピッチ検出部１５でピッチ周波数（近似値）検出２４を行なう。
【０００８】ここで、ピッチ周波数推定精度すなわちスペクトラム分析の周波数分解能を上げるために、検出された現在のピッチ周波数を含む帯域を通過させるフィルタ処理２６を周波数変換されデータ記憶部１２に記憶されているデータすなわち周波数領域のデータに対して行ない、データ演算部１４において逆変換２７することによって時間領域の信号に戻した後、ダウンサンプリング２８を施す。このダウンサンプリングされたデータをＩ（ｔ）として再び周波数変換２２にフィードバックし，この後スペクトラム分析２３、ピッチ周波数推定２５を行なえば、ピッチ周波数推定精度は２倍となる。
【０００９】以後同様にフィルタ処理２６、逆変換２７、ダウンサンプリング２８、周波数変換２２、スペクトラム分析２３、ピッチ周波数推定２５を合計ｎ回行なうことによって、ピッチ周波数推定精度を ２n 倍とすることができる。以下に具体的に各処理の詳細について説明する。窓関数Ｗ（ｔ）２１として、例えば式（１）のハミング窓を用いることができる。窓の大きさ（分析区間の長さ）Ｔは、推定の対象となる信号の基本周波数に合わせて決定する。このとき、Ｉ（ｔ）は式（２）となる。
【００１０】
【数１】
【００１１】
【数２】
【００１２】周波数変換２２は、高速フーリエ変換（以下ＦＦＴと略称する）により行なう。ＦＦＴにより、入力信号は周波数領域の−Ｆs ／２からＦs ／２の範囲のΔｆ＝Ｆs ／ＰFFT （Ｆs ：サンプリング周波数，ＰFFT ：ＦＦＴ点数）ごとの離散周波数ｆにおける複素数データＣ（ｆ）となる。スペクトラム分析２３は、ＦＦＴの結果の正の周波数領域について複素数データの絶対値（振幅）Ａ（ｆ）を求める演算である。 ピッチ周波数（近似値）検出２４は、図３に示すように、２３で得られた各周波数ごとの振幅のうち、最大のものからＮpeak番目までの周波数ｆp1，ｆp2，・・・，ｆPNpeakについて、式（３）に示すＰpeak（ｎ）（１≦ｎ≦Ｎpeak）を求め，そのＰpeak（ｎ）が最大となる周波数をピッチ周波数とする。
【００１３】
【数３】
【００１４】ただし、式（３）においてＮharmは、３〜５程度の整数とし、対象とするデータに応じて決定するものとする。フィルタ処理２６は、２４または２５で求められている‘現在の’ピッチ周波数ｆpitch に応じて、周波数領域のデータＣ（ｆ）のうち、ｆpitch ≦（Ｆupr ＋Ｆudr ／２）である場合にはｆ＞Ｆupr の範囲、ｆpitch ＞Ｆupr ／２である場合にはｆ＜Ｆupr の範囲について、Ｃ（ｆ）を０で置き換える処理である。この後、Ｃ（ｆ）＝０とした範囲がｆ＞Ｆupr であった場合、‘次の’周波数範囲の上限Ｆupr+及び下限Ｆudr+を、‘現在の’周波数範囲の上限下限をＦupr Ｆudr に対してそれぞれ、
【００１５】
【数４】
【００１６】とし、Ｃ（ｆ）＝０とした範囲がｆ＜Ｆupr であった場合には、
【００１７】
【数５】
【００１８】とする。これにより周波数分解能は２倍となる。逆変換２７は高速フーリエ逆変換（以下ＩＦＦＴと略称する）による。ダウンサンプリング２８は、逆変換２７で得られた時間領域のデータを一つおきにとりだし、Ｉ（ｔ）として並べる処理である。これにより、データの数が半分になるため、Ｉ（ｔ）の後半分すなわち、Ｔ／２からＴ−１の範囲は０となる。
【００１９】ここで、処理は周波数変換２２に戻るわけであるが、その場合には前述のようにスペクトラム分析２３の後にはピッチ周波数（近似値）検出２４の換わりにピッチ周波数推定２５の処理を行なう。ピッチ周波数推定２５は、スペクトラム分析２３で得られたＡ（ｆ）の‘現在の’ピッチ周波数Ｆpitch に最も近いピークとなる周波数を探索する処理であり、得られた周波数を新しく‘現在の’ピッチ周波数Ｆpitch とする。
【００２０】ここで必要な精度が得られている場合には処理を終わり、得られていない場合にはフィルタ処理２６、逆変換２７、ダウンサンプリング２８、周波数変換２２、スペクトラム分析２３、と順に処理を経て、必要な精度が得られるまでピッチ周波数推定２５を繰り返す。従って本発明では分析区間を長くすることなくｎ回のダウンサンプリングとｎ回の周波数分析を行なうことによって、２n 倍の精度でピッチ周波数を推定することができる。
【００２１】
【発明の効果】以上説明したように、本発明によれば必要に応じた精度てピッチ周波数を推定することができ、以下のような効果が得られる。
１．従来のように分析区間を長くすることなく周波数推定精度を上げることができるため、時間分解能が低下しない。
２．推定精度をｎ倍にするために必要な計算量が、分析区間を長くした場合にはｎ2 に比例するのに対して２Log2ｎに比例するので、より少ない計算時間で高精度なピッチ周波数推定を行なうことができる。
【図面の簡単な説明】
【図１】本発明の一実施例の全体の構成を示すブロック図である。
【図２】本発明の一実施例の制御系を示すブロック図である。
【図３】本発明の一実施例のピッチ周波数（近似値）検出を説明するための説明図である。
【符号の説明】
１０ 信号入力部
１１ Ａ−Ｄ変換部
１２ データ記憶部
１３ 制御部
１４ データ演算部
１５ ピッチ検出部
１６ 周波数分解能制御部
２０ 入力信号
２１ 窓関数
２２ 周波数変換
２３ スペクトラム分析
２４ ピッチ周波数（近似値）検出
２５ ピッチ周波数推定
２６ フィルタ処理
２７ 逆変換
２８ ダウンサンプリング
【特許請求の範囲】
【請求項１】 基本波とその高調波とから成り立つディジタル信号を周波数分析した結果から、そのピッチ周波数を推定する方法であって、時間信号の短かい区間を切り出して短区間スペクトラム分析を行ない、分析結果からピッチ周波数の候補の検出を行ない、検出された候補付近に限り周波数分解能を上げることによって必要に応じた精度でピッチ周波数の推定を行なうピッチ周波数推定方法。
【請求項２】 上記ピッチ周波数の候補の検出及び上記周波数分解能の向上を特定の方法で行なうことを特徴とする特許請求の範囲第１項に記載のピッチ周波数推定方法。
【請求項３】 上記特定の方法とは，上記検出された候補に近似させるため，ダウンサンプリング処理を施した後上記スペクトラム分析の前段にフィードバックしてピッチ周波数を推定する動作を複数回繰り返すことにより行われることを特徴とする特許請求の範囲第１項に記載のピッチ周波数推定方法。
【請求項４】 入力された音声信号をディジタル変換するＡＤ変換器と，該ＡＤ変換器から出力された音声信号は基本波とその高調波を含み，該音声信号を周波数軸に変換する周波数変換器と，該変換器の出力を周波数分析する周波数分析手段と，該分析された信号からピッチ周波数を検出する検出手段と，該検出結果をフィルタ処理するフィルタ手段と，該フィルタ手段の出力をダウンサンプリングする手段と，その出力を上記周波数変換器に入力するフィードバック経路とを有し，上記周波数分析手段の出力を上記検出手段に入力するに代えて，ピッチ周波数を推定する推定手段に入力し，上記フィードバック経路を複数回介して周波数分解能の向上を図ったことを特徴とするピッチ周波数推定装置。
【請求項１】 基本波とその高調波とから成り立つディジタル信号を周波数分析した結果から、そのピッチ周波数を推定する方法であって、時間信号の短かい区間を切り出して短区間スペクトラム分析を行ない、分析結果からピッチ周波数の候補の検出を行ない、検出された候補付近に限り周波数分解能を上げることによって必要に応じた精度でピッチ周波数の推定を行なうピッチ周波数推定方法。
【請求項２】 上記ピッチ周波数の候補の検出及び上記周波数分解能の向上を特定の方法で行なうことを特徴とする特許請求の範囲第１項に記載のピッチ周波数推定方法。
【請求項３】 上記特定の方法とは，上記検出された候補に近似させるため，ダウンサンプリング処理を施した後上記スペクトラム分析の前段にフィードバックしてピッチ周波数を推定する動作を複数回繰り返すことにより行われることを特徴とする特許請求の範囲第１項に記載のピッチ周波数推定方法。
【請求項４】 入力された音声信号をディジタル変換するＡＤ変換器と，該ＡＤ変換器から出力された音声信号は基本波とその高調波を含み，該音声信号を周波数軸に変換する周波数変換器と，該変換器の出力を周波数分析する周波数分析手段と，該分析された信号からピッチ周波数を検出する検出手段と，該検出結果をフィルタ処理するフィルタ手段と，該フィルタ手段の出力をダウンサンプリングする手段と，その出力を上記周波数変換器に入力するフィードバック経路とを有し，上記周波数分析手段の出力を上記検出手段に入力するに代えて，ピッチ周波数を推定する推定手段に入力し，上記フィードバック経路を複数回介して周波数分解能の向上を図ったことを特徴とするピッチ周波数推定装置。
【図１】
【図２】
【図３】
【図２】
【図３】
【公開番号】特開平６−９５６９７
【公開日】平成６年（１９９４）４月８日
【国際特許分類】
【出願番号】特願平４−２４３２０６
【出願日】平成４年（１９９２）９月１１日
【出願人】（０００００２１８５）ソニー株式会社 (34,172)
【公開日】平成６年（１９９４）４月８日
【国際特許分類】
【出願日】平成４年（１９９２）９月１１日
【出願人】（０００００２１８５）ソニー株式会社 (34,172)
[ Back to top ]