帯域拡張装置及び音声補正装置
【課題】 聴認度の向上を図ることができる帯域拡張装置を提供する。
【解決手段】 時間領域の入力信号を時間フレームごとに分割する時間フレーム分割手段と、時間フレームをフーリエ変換して周波数領域の原音スペクトルを生成するフーリエ変換手段と、原音スペクトルに基づいて高調波スペクトルを生成する高調波スペクトル生成手段と、高調波スペクトルを前記原音スペクトルに加算する高調波スペクトル加算手段と、高調波スペクトルが加算された原音スペクトルをフーリエ逆変換して時間領域の出力信号成分を生成するフーリエ逆変換手段と、出力信号成分をそれぞれ加算して周波数帯域が拡張された出力信号を生成する出力信号生成手段と、を備える。
【解決手段】 時間領域の入力信号を時間フレームごとに分割する時間フレーム分割手段と、時間フレームをフーリエ変換して周波数領域の原音スペクトルを生成するフーリエ変換手段と、原音スペクトルに基づいて高調波スペクトルを生成する高調波スペクトル生成手段と、高調波スペクトルを前記原音スペクトルに加算する高調波スペクトル加算手段と、高調波スペクトルが加算された原音スペクトルをフーリエ逆変換して時間領域の出力信号成分を生成するフーリエ逆変換手段と、出力信号成分をそれぞれ加算して周波数帯域が拡張された出力信号を生成する出力信号生成手段と、を備える。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、入力信号の周波数帯域を拡張するための帯域拡張装置に関する。また、本発明は、骨導マイクロホンからの音声信号を補正するための音声補正装置に関する。
【背景技術】
【０００２】
従来より、入力信号の周波数帯域を拡張するための帯域拡張装置が提案されている（例えば、特許文献１及び特許文献２参照）。従来の帯域拡張装置は、入力信号から低域信号を生成する低域信号生成手段と、入力信号から高域信号を生成する高域信号生成手段と、生成した低域信号及び高域信号をそれぞれ入力信号に加算する加算手段と、を備えている。低域信号生成手段は、入力信号をオーバーサンプリングした後に全波整流（非線形処理）し、この全波整流した入力信号を周波数領域においてバンドパスフィルタリングすることにより低域信号を生成する。高域信号生成手段は、入力信号をオーバーサンプリングした後に、周波数領域において入力信号の低域の周波数帯域を高域側にコピーすることにより高域信号を生成する。このように生成された低域信号及び高域信号がそれぞれ入力信号に加算されることにより、周波数帯域が拡張された出力信号が生成される。このように周波数帯域を拡張することによって、電話の通話音質やデジタル音響機器の再生音質等を改善することができる。
【０００３】
また、従来より、骨導マイクロホンからの音声信号を補正するための音声補正装置が提案されている（例えば、特許文献３参照）。骨導マイクロホンは骨伝導マイクロホンとも呼ばれ、音声発声時の声帯振動によって生じる骨の振動を額や顎、頬、耳穴等で収録し、実際の音声の代用の信号として利用するための振動ピックアップの一つである。このような骨導マイクロホンは、気導マイクロホンに比べて高いＳ／Ｎ比を得ることができ、高騒音下の音声入力手段として有効に用いられる。従来の音声補正装置は、骨導マイクロホンと、骨導マイクロホンからの音声信号を時間フレームごとに分割する時間フレーム分割手段と、時間フレームに基づいてピッチ周波数データ及び骨導音声特徴パラメータを分析するＬＰＣ分析手段と、分析された骨導音声特徴パラメータを疑似気導音声特徴パラメータに変換する信号変換手段と、ピッチ周波数データ及び疑似気導音声特徴パラメータに基づいて疑似気導音声信号を生成するＬＰＣ合成手段と、疑似気導音声信号を長時間の信号に変換する平滑化手段と、を備えている。
【先行技術文献】
【特許文献】
【０００４】
【特許文献１】特許第３３０１４７３号公報
【特許文献２】特開２００３−１５６９５号公報
【特許文献３】特許第３３０６７８４号公報
【発明の概要】
【発明が解決しようとする課題】
【０００５】
第１に、上述のような従来の帯域拡張装置では、次のような問題がある。一般に、入力信号の性質を表す重要な要素として、スペクトル包絡のピークにおける周波数（以下、「ピーク周波数」という）がある。音声におけるスペクトル包絡のピーク周波数はホルマントピーク周波数であり、このホルマントピーク周波数は、声道伝達系の音韻を識別するために重要である。また、楽音におけるスペクトル包絡のピーク周波数は、楽器の種類及びその各部分の構造に基づく共振系の共鳴周波数であり、この共鳴周波数は、楽音の特徴を表すものとして重要である。このようなスペクトル包絡のピーク周波数は共鳴・共振現象であるため、１次共振モードに対して逓倍となる周波数に高次共振モードを有するのが一般的である。従って、高域信号を生成する際には、基本周波数の倍音と同様に、適切な周波数にスペクトル包絡の高次共振モードのピークを持たせることが重要となる。
【０００６】
しかしながら、上述のような従来の帯域拡張装置では、周波数領域において入力信号の低域の周波数帯域を高域側にコピーする際のシフト量は、スペクトル包絡のピーク周波数とは無関係であるため、高域信号においてスペクトル包絡の高次共振モードのピークを再現することができない。そのため、自然な特性の出力信号を得るのは難しく、聴認度の向上には限界があった。また、入力信号をオーバーサンプリングした後に全波整流することにより低域信号を生成しているが、このような構成では、入力信号にノイズが混入した際に、整流のタイミングであるゼロ交差付近でノイズの影響を大きく受けてしまう。そのため、出力音質が低下するおそれがある。
【０００７】
第２に、上述のような従来の音声補正装置では、次のような問題がある。従来の音声補正装置は、音声信号に基づいてピッチ周波数データ及び骨導音声特徴パラメータを分析するように構成されているが、骨導マイクロホンの特性上、音声信号が無声音である場合にはピッチ周波数データを得ることができない。そのため、無声音に対しては疑似気導音声信号を生成することができず、出力される音声が不自然なものとなってしまい、聴認度の向上を図ることが難しい。
【０００８】
本発明の目的は、聴認度の向上を図ることができる帯域拡張装置及び音声補正装置を提供することである。
【課題を解決するための手段】
【０００９】
本発明の請求項１に記載の帯域拡張装置では、入力信号の周波数帯域を拡張するための帯域拡張装置であって、
時間領域の入力信号を時間フレームごとに分割する時間フレーム分割手段と、前記時間フレームをフーリエ変換して周波数領域の原音スペクトルを生成するフーリエ変換手段と、前記原音スペクトルに基づいて高調波スペクトルを生成する高調波スペクトル生成手段と、前記高調波スペクトルを前記原音スペクトルに加算する高調波スペクトル加算手段と、前記高調波スペクトルが加算された前記原音スペクトルをフーリエ逆変換して時間領域の出力信号成分を生成するフーリエ逆変換手段と、前記出力信号成分をそれぞれ加算して周波数帯域が拡張された出力信号を生成する出力信号生成手段と、を備え、
前記高調波スペクトル生成手段は、前記原音スペクトルに含まれる原音スペクトル成分の周波数を算出し、この算出した周波数の逓倍の周波数を前記高調波スペクトルに含まれる高調波スペクトル成分の周波数として設定することを特徴とする。
【００１０】
また、本発明の請求項２に記載の帯域拡張装置では、前記高調波スペクトル生成手段は、前記原音スペクトルに含まれる前記原音スペクトル成分の位相角を算出し、この算出した位相角の逓倍の位相角を前記高調波スペクトルに含まれる前記高調波スペクトル成分の位相角として設定することを特徴とする。
【００１１】
また、本発明の請求項３に記載の帯域拡張装置では、前記高調波スペクトル生成手段は、前記原音スペクトルを分析する原音スペクトル分析手段と、前記原音スペクトル分析部の分析結果に基づいて、前記高調波スペクトルに含まれる前記高調波スペクトル成分の大きさに対して所定の加重係数で加重を施す加重手段と、を含むことを特徴とする。
【００１２】
また、本発明の請求項４に記載の帯域拡張装置では、前記原音スペクトル分析手段は、前記原音スペクトルの包絡線の傾斜を分析するように構成されており、前記加重手段は、分析された前記原音スペクトルの包絡線の傾斜に基づいて前記加重係数を変化させることを特徴とする。
【００１３】
また、本発明の請求項５に記載の帯域拡張装置では、前記高調波スペクトル生成手段は、前記高調波スペクトル成分を補間するための補間手段を含んでおり、前記補間手段は、前記原音スペクトルに含まれる第１原音スペクトル成分の周波数の逓倍の周波数と、前記第１原音スペクトル成分に隣接する第２原音スペクトル成分の周波数の逓倍の周波数との間の周波数を有する前記高調波スペクトル成分を補間することを特徴とする。
【００１４】
また、本発明の請求項６に記載の帯域拡張装置では、前記入力信号は、マイクロホンや振動ピックアップ、骨導マイクロホン、デジタル音響機器、電話システム、人工声帯等により生成される音声信号又は楽音信号であることを特徴とする。
【００１５】
また、本発明の請求項７に記載の音声補正装置では、骨導マイクロホンと、前記骨導マイクロホンからの音声信号を時間フレームごとに分割する時間フレーム分割手段と、前記時間フレームにおける音声信号の音声特性を分析する音声特性分析手段と、音声特性の分析結果に基づいて前記時間フレームにおける音声信号が有声音か無声音かを判別する音声性質判別手段と、有声音と判別された音声信号を補正して疑似気導音声信号を生成する第１信号補正手段と、無声音と判別された音声信号を補正して疑似気導音声信号を生成する第２信号補正手段と、前記第１信号補正手段による有声音補正モードと前記第２信号補正手段による無声音補正モードとを切り替える補正モード切替手段と、生成された疑似気導音声信号をそれぞれ加算して出力信号を生成する出力信号生成手段と、を備えることを特徴とする。
【００１６】
また、本発明の請求項８に記載の音声補正装置では、骨導音声道特性パラメータ、気導音声道特性パラメータ及び気導音音源特性パラメータが記憶されたパラメータ記憶手段を更に備え、前記音声特性分析手段は、前記時間フレームにおける音声信号の骨導音音源特性及び骨導音声道特性を分析するように構成されており、
前記第１信号補正手段は、前記音声特性分析手段により分析された音声信号の骨導音声道特性に基づいて、これに対応する前記気導音声道特性パラメータを前記記憶手段から読み出し、前記音声特性分析手段により分析された音声信号の骨導音音源特性と前記気導音声道特性パラメータとを合成して疑似気導音声信号を生成することを特徴とする。
【００１７】
また、本発明の請求項９に記載の音声補正装置では、前記第２信号補正手段は、前記音声特性分析手段により分析された音声信号の骨導音声道特性に基づいて、これに対応する前記気導音声道特性パラメータ及び前記気導音音源特性パラメータを前記記憶手段から読み出し、この読み出した前記気導音声道特性パラメータと前記気導音音源特性パラメータとを合成して疑似気導音声信号を生成することを特徴とする。
【発明の効果】
【００１８】
本発明の請求項１に記載の帯域拡張装置によれば、高調波スペクトル生成手段は、原音スペクトルに含まれる原音スペクトル成分の周波数を算出し、この算出した周波数の逓倍の周波数を高調波スペクトルに含まれる高調波スペクトル成分の周波数として設定するので、出力信号においてスペクトル包絡の高次共振モードのピークを再現することができる。それ故に、自然な特性の出力信号を得ることができ、聴認度の向上を図ることができる。また、原音スペクトル成分のＳ／Ｎ比を高調波スペクトル成分で復元することができ、ノイズの影響を受け難くすることができる。
【００１９】
また、本発明の請求項２に記載の帯域拡張装置によれば、高調波スペクトル生成手段は、原音スペクトルに含まれる原音スペクトル成分の位相角を算出し、この算出した位相角の逓倍の位相角を高調波スペクトルに含まれる高調波スペクトル成分の位相角として設定するので、原音スペクトルと高調波スペクトルとの時間関係を一定に保持することができる。これにより、時間領域の出力信号成分をそれぞれ加算した際に、各出力信号成分の高調波成分が互いに打ち消し合うのを防止することができ、出力信号を精度良く生成することができる。
【００２０】
また、本発明の請求項３に記載の帯域拡張装置によれば、加重手段は、原音スペクトル分析部の分析結果に基づいて、高調波スペクトルに含まれる高調波スペクトル成分の大きさに対して所定の加重係数で加重を施すので、例えば原音スペクトルの音韻を考慮した高調波スペクトルを生成することができ、より自然な特性の出力信号を得ることができる。
【００２１】
また、本発明の請求項４に記載の帯域拡張装置によれば、加重手段は、分析された原音スペクトルの包絡線の傾斜に基づいて加重係数を変化させる。例えば、原音スペクトルの包絡線の傾斜が大きいときには、加重係数を小さく設定する。これにより、高調波スペクトル成分の大きさが小さくなる。一般に、母音のスペクトルでは、高域側におけるスペクトル成分の減衰が大きくなる特性があり、それ故に、上述のように加重係数を小さく設定することによって、母音をよりリアルに復元することができる。また例えば、原音スペクトルの包絡線の傾斜が小さいときには、加重係数を大きく設定する。これにより、高調波スペクトル成分の大きさが大きくなる。一般に、子音のスペクトルでは、高域側におけるスペクトル成分の減衰が小さくなる特性があり、それ故に、上述のように加重係数を大きく設定することによって、子音をよりリアルに復元することができる。
【００２２】
また、本発明の請求項５に記載の帯域拡張装置によれば、高調波スペクトル生成手段は、高調波スペクトル成分を補間するための補間手段を含んでいる。このように高調波スペクトル成分を補間することによって、高調波スペクトルをより精度良く生成することができる。
【００２３】
また、本発明の請求項６に記載の帯域拡張装置によれば、入力信号は、マイクロホンや振動ピックアップ、骨導マイクロホン、デジタル音響機器、電話システム、人工声帯等により生成される音声信号又は楽音信号である。このようなマイクロホンや振動ピックアップ、骨導マイクロホン、デジタル音響機器、電話システム、人工声帯等は、その特性不足により高音域を出力するのが難しいが、これらに本発明の帯域拡張装置を適用することにより、自然な高音域を再現することができ、聴認度の向上を図ることができる。
【００２４】
また、本発明の請求項７に記載の音声補正装置によれば、第１信号補正手段による有声音補正モードと第２信号補正手段による無声音補正モードとを切り替える補正モード切替手段を備えているので、従来のように有声音だけでなく無声音に対しても疑似気導音声信号を生成することができる。これにより、自然な特性の出力信号を得ることができ、聴認度の向上を図ることができる。
【００２５】
また、本発明の請求項８に記載の音声補正装置によれば、第１信号補正手段は、音声特性分析手段により分析された音声信号の骨導音声道特性に基づいて、これに対応する気導音声道特性パラメータを記憶手段から読み出し、音声特性分析手段により分析された音声信号の骨導音音源特性と気導音声道特性パラメータとを合成して疑似気導音声信号を生成する。これにより、有声音に対して疑似気導音声信号を容易に且つ精度良く生成することができる。
【００２６】
また、本発明の請求項９に記載の音声補正装置によれば、第２信号補正手段は、音声特性分析手段により分析された音声信号の骨導音声道特性に基づいて、これに対応する気導音声道特性パラメータ及び気導音音源特性パラメータを記憶手段から読み出し、この読み出した気導音声道特性パラメータと気導音音源特性パラメータとを合成して疑似気導音声信号を生成する。これにより、無声音に対して疑似気導音声信号を容易に且つ精度良く生成することができる。
【図面の簡単な説明】
【００２７】
【図１】本発明の一実施形態による帯域拡張装置の構成を示すブロック図である。
【図２】入力信号を時間フレームごとに分割した状態を説明するための図である。
【図３】出力信号の生成過程を説明するための図である。
【図４】（ａ）は、高調波スペクトルが加算された原音スペクトルを示すスペクトル図であり、（ｂ）は、原音スペクトルのうち例えば一つの原音スペクトル成分を複素平面上で表した図であり、（ｃ）は、図４（ｂ）の原音スペクトル成分に対応する一つの高調波スペクトル成分を複素平面上で表した図である。
【図５】本発明の他の実施形態による帯域拡張装置の構成を示すブロック図である。
【図６】原音スペクトルの包絡線の傾斜を分析する方法を説明するための図である。
【図７】（ａ）は、音韻が母音である原音スペクトルを示すスペクトル図であり、（ｂ）は、高調波スペクトルが加算された原音スペクトルを示すスペクトル図である。
【図８】（ａ）は、音韻が子音である原音スペクトルを示すスペクトル図であり、（ｂ）は、高調波スペクトルが加算された原音スペクトルを示すスペクトル図である。
【図９】本発明の一実施形態による音声補正装置の構成を示すブロック図である。
【図１０】パラメータ記憶部に記憶された各パラメータの対応関係を示す図である。
【図１１】気導音声道特性パラメータを作成するためのパラメータ作成装置の構成を示すブロック図である。
【図１２】骨導音声道特性パラメータ及び気導音音源特性パラメータを作成するためのパラメータ作成装置を示すブロック図である。
【発明を実施するための形態】
【００２８】
以下、添付図面を参照して、本発明に従う帯域拡張装置及び音声補正装置の各種実施形態について説明する。
［帯域拡張装置の実施形態］
まず、図１〜図４を参照して、帯域拡張装置の一実施形態について説明する。図１は、本発明の一実施形態による帯域拡張装置の構成を示すブロック図であり、図２は、入力信号を時間フレームごとに分割した状態を説明するための図であり、図３は、出力信号の生成過程を説明するための図であり、図４（ａ）は、高調波スペクトルが加算された原音スペクトルを示すスペクトル図であり、図４（ｂ）は、原音スペクトルのうち例えば一つの原音スペクトル成分を複素平面上で表した図であり、図４（ｃ）は、図４（ｂ）の原音スペクトル成分に対応する一つの高調波スペクトル成分を複素平面上で表した図である。
【００２９】
図１を参照して、図示の帯域拡張装置２は、入力端子４、オーバーサンプリング型ローパスフィルタ（ＬＰＦ）６、時間フレーム分割部８（時間フレーム分割手段を構成する）、フーリエ変換部１０（フーリエ変換手段を構成する）、高調波スペクトル生成部１２（高調波スペクトル生成手段を構成する）、高調波スペクトル加算部１４（高調波スペクトル加算手段を構成する）、フーリエ逆変換部１６（フーリエ逆変換手段を構成する）、出力信号生成部１８（出力信号生成手段を構成する）及び出力端子２０を含んでいる。
【００３０】
入力端子４には、サンプリング周波数８ｋＨｚでサンプリングされた時間領域の入力信号が入力される。なお、入力信号は、例えば電話システムにおける音声信号やデジタル音響機器における楽音信号である。
【００３１】
オーバーサンプリング型ローパスフィルタ６は、入力端子４からの入力信号のサンプリング周波数を８ｋＨｚから１６ｋＨｚにオーバーサンプリングするとともに、入力信号の４ｋＨｚ以上の周波数帯域を減衰させる。
【００３２】
時間フレーム分割部８は、ハニング窓を窓関数として、オーバーサンプリング型ローパスフィルタ６より出力された時間領域の入力信号を所定の時間長（例えば１６ｍｓｅｃ）を有する時間フレームごとに分割する（図２参照）。各時間フレームは、その両端部がそれぞれ両側に隣接する時間フレームと重複するようにして分割される。このように分割された各時間フレームより、２５６個のサンプルがそれぞれ取り出される。
【００３３】
フーリエ変換部１０は、時間フレーム分割部８により分割された時間フレームをそれぞれフーリエ変換（短時間フーリエ変換）することにより、周波数領域の原音スペクトルを生成する。本実施形態では、各原音スペクトルの周波数帯域はそれぞれ０〜４ｋＨｚとなる。
【００３４】
高調波スペクトル生成部１２は、原音スペクトル成分抽出部２２、高調波スペクトル演算部２４及び補間演算部２６（補間手段を構成する）を含んでいる。原音スペクトル成分抽出部２２は、原音スペクトルの２〜４ｋＨｚの周波数帯域より原音スペクトル成分を複数抽出する。高調波スペクトル演算部２４は、抽出された原音スペクトル成分に基づいて高調波スペクトル成分を後述するようにして演算し、この演算した高調波スペクトル成分を合成して４〜８ｋＨｚの周波数帯域を有する高調波スペクトルを生成する。また、補間演算部２６は、後述するようにして高調波スペクトル成分の補間演算を行う。
【００３５】
高調波スペクトル加算部１４は、上述のようにして生成された高調波スペクトルを原音スペクトルに加算する。これにより、４〜８ｋＨｚの周波数帯域が拡張された原音スペクトルが生成される。
【００３６】
フーリエ逆変換部１６は、高調波スペクトルが加算された原音スペクトルをフーリエ逆変換することにより、時間領域の出力信号成分を生成する。
【００３７】
出力信号生成手段１８は、上述のようにして生成された出力信号成分をそれぞれ加算することにより、時間領域の出力信号を生成する。各出力信号成分は、その両端部がそれぞれ両側に隣接する出力信号成分と重複するようにして加算される。このように生成された出力信号は、出力端子２０より外部に出力される。
【００３８】
次に、図３及び図４をも参照して、上述した帯域拡張装置２による出力信号の生成の流れについて説明する。まず、入力端子４より入力された時間領域の入力信号Ｔｉｎ（アナログ信号）は、図示しないＡ／Ｄ変換部にてデジタル信号に変換された後に、オーバーサンプリング型ローパスフィルタ６にてサンプリング周波数が８ｋＨｚから１６ｋＨｚにオーバーサンプリングされるとともに、４ｋＨｚ以上の周波数帯域が減衰される（図３（ａ）参照）。次いで、この入力信号は、時間フレーム分割部８にて時間フレームＴｎ（ｎ＝１，２，３，・・・）ごとに分割される（図３（ｂ）参照）。各時間フレームＴｎはそれぞれフーリエ変換部１０にてフーリエ変換され、これにより周波数領域の原音スペクトルＸｎが生成される（図３（ｃ）参照）。各原音スペクトルＸｎはそれぞれ、０〜４ｋＨｚの周波数帯域を有するようになる。
【００３９】
その後、高調波スペクトル生成部１２にて、原音スペクトルＸｎに基づいて高調波スペクトルＸｎ’が次のようにして生成される。まず、原音スペクトル成分抽出部２２によって、原音スペクトルＸｎの２〜４ｋＨｚの周波数帯域より原音スペクトル成分Ｘ（ｆｎ）が複数抽出される。原音スペクトル成分Ｘ（ｆｎ）を数式で表現すると、次式（１）で示すようになる。
【００４０】
【数１】
次いで、高調波スペクトル演算部２４によって、抽出された原音スペクトル成分Ｘ（ｆｎ）に基づいて高調波スペクトル成分Ｘ’（２ｆｎ）が演算される。具体的には、図４（ａ）〜（ｃ）に示すように、高調波スペクトル演算部２４は、原音スペクトル成分Ｘ（ｆｎ）の周波数ｆｎを算出し、この算出した周波数ｆｎの２倍の周波数２ｆｎを高調波スペクトル成分Ｘ’（２ｆｎ）の周波数として設定する。また、高調波スペクトル演算部２４は、原音スペクトル成分Ｘ（ｆｎ）の位相角θｎを算出し、この算出した位相角θｎの２倍の位相角２θｎを高調波スペクトル成分Ｘ’（２ｆｎ）の位相角として設定する。更に、高調波スペクトル演算部２４は、原音スペクトル成分Ｘ（ｆｎ）の大きさ（レベル）｜Ｘ（ｆｎ）｜を算出し、この算出した大きさ｜Ｘ（ｆｎ）｜の１／２倍の大きさ１／２｜Ｘ（ｆｎ）｜を高調波スペクトル成分Ｘ’（２ｆｎ）の大きさとして設定する。なお、図４では、原音スペクトルをＸ（ｆ）、高調波スペクトルをＸ’（ｆ）と表している。また、本実施形態では、高調波スペクトル成分Ｘ’（２ｆｎ）の大きさに対して加重を施す加重係数は、１／２（一定）である。高調波スペクトル成分Ｘ’（２ｆｎ）を数式で表現すると、次式（２）で示すようになる。
【００４１】
【数２】
上述した演算と同時に、補間演算部２６は、第１原音スペクトル成分Ｘ（ｆｎ）の周波数ｆｎの２倍の周波数２ｆｎと、第２原音スペクトル成分Ｘ（ｆｎ＋１）の周波数ｆｎ＋１の２倍の周波数２ｆｎ＋２との間の周波数２ｆｎ＋１を有する高調波スペクトル成分Ｘ’（２ｆｎ＋１）を例えば次式（３）の補間演算により求める。次式（３）において、高調波スペクトル成分Ｘ’（２ｆｎ＋１）の位相角については、第１原音スペクトル成分Ｘ（ｆｎ）及び第２原音スペクトル成分Ｘ（ｆｎ＋１）の各位相角にそれぞれ周波数比を乗じることによって算出している。
【００４２】
【数３】
このようにして演算された高調波スペクトル成分Ｘ’（２ｆｎ）、Ｘ’（２ｆｎ＋１）はそれぞれ、高調波スペクトル演算部２４によって合成され、４〜８ｋＨｚの周波数帯域を有する高調波スペクトルＸ’（ｆ）が生成される（図４（ａ）参照）。
【００４３】
上述のようにして生成された高調波スペクトルＸ’ｎは、高調波スペクトル加算部１４によって原音スペクトルＸｎに加算される（図３（ｄ）参照）。これにより、４〜８ｋＨｚの周波数帯域が拡張された原音スペクトルＸｎが生成される。
【００４４】
高調波スペクトルＸ’ｎが加算された原音スペクトルＸｎはそれぞれ、フーリエ逆変換部１６によってフーリエ逆変換され、これにより時間領域の出力信号成分Ｔｎ’が生成される（図３（ｅ）参照）。各出力信号成分Ｔｎ’はそれぞれ出力信号生成手段１８によって加算され、出力信号Ｔｏｕｔが生成される（図３（ｆ）参照）。生成された出力信号Ｔｏｕｔは、図示しないＤ／Ａ変換部にてアナログ信号に変換された後に、出力端子より外部に出力される。出力信号Ｔｏｕｔの周波数帯域は０〜８ｋＨｚとなり、入力信号Ｔｉｎの周波数帯域０〜４ｋＨｚの高域側が拡張されたものとなる。
【００４５】
本実施形態の帯域拡張装置２では、上述したように原音スペクトル成分の周波数の逓倍（本実施形態では２倍）の周波数を高調波スペクトル成分の周波数として設定するので、出力信号においてスペクトル包絡の高次共振モード（本実施形態では２次共振モード）のピークを再現することができる。それ故に、自然な特性の出力信号を得ることができ、聴認度の向上を図ることができる。
【００４６】
なお、本実施形態の帯域拡張装置２は、種々の用途に適用することができる。例えば、帯域拡張装置２を電話システムに適用した場合には、自然な通話音声を得ることができるようになり、これにより、高齢者などが通話する際の聴認度を向上させることができ、また、他人になりすまして通話することによる犯罪行為（所謂、振り込め詐欺など）を防止することができる。また、帯域拡張装置２を喉頭摘出者向けの人工声帯などに適用した場合には、自然な音声を再現することができる。また、帯域拡張装置２をデジタル音響機器に適用した場合には、自然な再生音質を得ることができる。更に、入力信号を生成する例えばマイクロホンや振動ピックアップ、骨導マイクロホン等は、その特性不足により高音域を出力するのは難しいが、これらに対して本実施形態の帯域拡張装置２を適用することにより、自然な高音域を再現することが容易となる。
【００４７】
次に、図５〜図８を参照して、帯域拡張装置の他の実施形態について説明する。図５は、本発明の他の実施形態による帯域拡張装置の構成を示すブロック図であり、図６は、原音スペクトルの包絡線の傾斜を分析する方法を説明するための図であり、図７（ａ）は、音韻が母音である原音スペクトルを示すスペクトル図であり、図７（ｂ）は、高調波スペクトルが加算された原音スペクトルを示すスペクトル図であり、図８（ａ）は、音韻が子音である原音スペクトルを示すスペクトル図であり、図８（ｂ）は、高調波スペクトルが加算された原音スペクトルを示すスペクトル図である。なお、本実施形態において、上記実施形態と実質上同一の構成要素には同一の符号を付し、その説明を省略する。
【００４８】
図５を参照して、本実施形態の帯域拡張装置２Ａでは、高調波スペクトル生成部１２Ａは、原音スペクトル分析部２８（原音スペクトル分析手段を構成する）及び加重部３０（加重手段を構成する）を更に含んでいる。原音スペクトル分析部２８は、原音スペクトルの包絡線の傾斜を分析するものである。加重部３０は、分析された原音スペクトルの包絡線の傾斜に基づいて、高調波スペクトルに含まれる高調波スペクトル成分の大きさに対して、後述する加重係数で加重を施すものである。以下、これら原音スペクトル分析部２８及び加重部３０について説明する。
【００４９】
原音スペクトル分析部２８は、フーリエ変換により生成された原音スペクトルに含まれる原音スペクトル成分の周波数をオクターブ分割するとともに、原音スペクトル成分の大きさを対数化する（図６参照）。そして、最小二乗法による演算を行うことにより、原音スペクトルの包絡線の傾斜αを次式（４）で示す近似直線により分析する。
【００５０】
【数４】
加重部３０は、上述のようにして分析された傾斜αより、次式（５）で示す加重係数Ｚ（α）を算出する。更に、加重部３０は、高調波スペクトル演算部２４による高調波スペクトル成分Ｘ’（２ｆｎ）の演算の際に、次式（６）で示すように、算出された加重係数Ｚ（α）によって高調波スペクトル成分Ｘ’（２ｆｎ）の大きさに重みを付ける。
【００５１】
【数５】
【００５２】
【数６】
例えば入力信号が音声信号である場合には、原音スペクトルの音韻の種類によって、原音スペクトルの包絡線の傾斜αが変化する。図７（ａ）に示すように、原音スペクトルの音韻が母音であるときには、母音の特性上、原音スペクトルの包絡線の傾斜αはマイナス側に大きくなる。これにより、加重係数Ｚ（α）は小さくなり、図７（ｂ）に示すように、高調波スペクトル成分の大きさは小さくなる。一般に、母音のスペクトルでは、高域側におけるスペクトル成分の減衰が大きくなる特性がある。それ故に、上述のように加重係数Ｚ（α）を小さく設定することによって、母音をよりリアルに復元することができる。
【００５３】
また、図８（ａ）に示すように、原音スペクトルの音韻が子音であるときには、子音の特性上、原音スペクトルの包絡線の傾斜αは小さくなる。これにより、加重係数Ｚ（α）は小さくなり、図８（ｂ）に示すように、高調波スペクトル成分の大きさは大きくなる。一般に、子音のスペクトルでは、高域側におけるスペクトル成分の減衰が小さくなる特性がある。それ故に、上述のように加重係数Ｚ（α）を大きく設定することによって、子音をよりリアルに復元することができる。
【００５４】
なお、上記各実施形態では、高調波スペクトル演算部２４は、原音スペクトル成分Ｘ（ｆｎ）の周波数ｆｎの２倍の周波数２ｆｎを高調波スペクトル成分Ｘ’（２ｆｎ）の周波数として設定するように構成したが、３倍の周波数３ｆｎあるいは４倍の周波数４ｆｎでもよく、任意の整数ｍによる逓倍の周波数ｍｆｎを高調波スペクトル成分Ｘ’（ｍｆｎ）の周波数として設定することができる。これに対応して、高調波スペクトル演算部２４は、原音スペクトル成分Ｘ（ｆｎ）の位相角θｎの任意の整数ｍによる逓倍の位相角ｍθｎを高調波スペクトル成分Ｘ’（ｍｆｎ）の位相角として設定することができる。
【００５５】
また、上記各実施形態において、例えば、原音スペクトル成分Ｘ（ｆｎ）の周波数ｆｎの２倍の周波数２ｆｎを有する第１高調波スペクトル成分Ｘ’（２ｆｎ）と、原音スペクトル成分Ｘ（ｆｎ）の周波数ｆｎの３倍の周波数３ｆｎを有する第２高調波スペクトル成分Ｘ’（３ｆｎ）と、を生成し、これら第１及び第２高調波スペクトル成分Ｘ’（２ｆｎ）、Ｘ’（３ｆｎ）をそれぞれ合成して得られる第１及び第２高調波スペクトルを原音スペクトルに加算するように構成してもよい。
［音声補正装置の実施形態］
次に、図９〜図１２を参照して、音声補正装置の一実施形態について説明する。図９は、本発明の一実施形態による音声補正装置の構成を示すブロック図であり、図１０は、パラメータ記憶部に記憶された各パラメータの対応関係を示す図であり、図１１は、気導音声道特性パラメータを作成するためのパラメータ作成装置の構成を示すブロック図であり、図１２は、骨導音声道特性パラメータ及び気導音音源特性パラメータを作成するためのパラメータ作成装置を示すブロック図である。
【００５６】
図９を参照して、本実施形態の音声補正装置３２は、骨導マイクロホン３４、ローパスフィルタ（ＬＰＦ）３６、Ａ／Ｄ変換部３８、時間フレーム分割部４０（時間フレーム分割手段を構成する）、ＬＰＣ分析部４２（音声特性分析手段及び音声性質判別手段を構成する）、補正モード切替部４４（補正モード切替手段を構成する）、第１ＬＰＣ合成部４６（第１信号補正手段を構成する）、第２ＬＰＣ合成部４８（第１信号補正手段を構成する）、パラメータ記憶部５０（パラメータ記憶手段を構成する）、平滑化部５２（出力信号生成手段を構成する）、Ｄ／Ａ変換部５４、ローパスフィルタ５６及び出力端子６０を含んでいる。
【００５７】
骨導マイクロホン３４は、顔の部位、例えば額や顎、頬、耳穴等に装着され、骨や皮膚に伝達される発声者の声帯振動を収録するものである。ローパスフィルタ３６は、骨導マイクロホン３４からの音声信号の所定の周波数（例えば８ｋＨｚ）以上の周波数帯域を減衰させる。Ａ／Ｄ変換部３８は、音声信号をアナログ信号からデジタル信号に変換する。
【００５８】
時間フレーム分割部４０は、ハニング窓を窓関数として、時間領域の音声信号を所定の時間長（例えば１６ｍｓｅｃ）を有する時間フレームごとに分割する。各時間フレームは、その両端部がそれぞれ両側に隣接する時間フレームと重複するようにして分割される。
【００５９】
ＬＰＣ分析部４２は、各時間フレームにおける音声信号に対して線形予測分析（ＬＰＣ）を行い、音声信号の音声特性を分析する。この分析によって、音声信号が骨導音音源特性と骨導音声道特性とに分離される。分析された骨導音音源特性は、第１ＬＰＣ合成部４６に出力され、また分析された骨導音声道特性は、補正モード切替部４４を介して第１ＬＰＣ合成部４６又は第２ＬＰＣ合成部４８に出力される。
【００６０】
また、ＬＰＣ分析部４２は、分析された骨導音音源特性に基づいて、音声信号の音声性質を判別する。ＬＰＣ分析部４２は、骨導音音源特性にピッチ成分（即ち、有声音の音源特性を示すパルス列）が検出されたときには、音声信号が有声音であると判別し、また骨導音音源特性にピッチ成分が検出されないときには、音声信号が無声音であると判別する。
【００６１】
補正モード切替部４４は、ＬＰＣ分析部４２による音声信号の音声性質の判別結果に基づいて、骨導音声道特性の出力先を切り替えるためのスイッチである。補正モード切替部４４は、ＬＰＣ分析部４２により音声信号が有声音であると判別されると、骨導音声道特性の出力先を第１ＬＰＣ合成部４６に切り替える。これにより、第１ＬＰＣ合成部４６により音声信号の補正が行われる有声音補正モードとなる。また、補正モード切替部４４は、ＬＰＣ分析部４２により音声信号が無声音であると判別されると、骨導音声道特性の出力先を第２ＬＰＣ合成部４８に切り替える。これにより、第２ＬＰＣ合成部４８により音声信号の補正が行われる無声音補正モードとなる。
【００６２】
パラメータ記憶部５０には、骨導音声道特性パラメータ、気導音声道特性パラメータ及び気導音音源特性パラメータを一組のパラメータグループとして、複数組（例えば４０組）のパラメータグループが記憶されている（図１０参照）。これら各パラメータは、予め後述するパラメータ作成装置６２，７６によって作成され、パラメータ記憶部５０に記憶される。各パラメータの作成方法については後述する。
【００６３】
第１ＬＰＣ合成部４６は、ＬＰＣ分析部４２より出力された骨導音音源特性とパラメータ記憶部５０に記憶された気導音声道特性パラメータとをＬＰＣ合成（即ち、線形予測法による合成）することにより、疑似気導音声信号を生成する。また、第２ＬＰＣ合成部４８は、パラメータ記憶部５０に記憶された気導音音源特性パラメータと気導音声道特性パラメータとをＬＰＣ合成することにより、疑似気導音声信号を生成する。これら第１ＬＰＣ合成部４６及び第２ＬＰＣ合成部４８による疑似気導音声信号の生成方法については後述する。
【００６４】
平滑化部５２は、第１ＬＰＣ合成部４６又は第２ＬＰＣ合成部４８により生成された疑似気導音声信号をそれぞれ加算するとともに平滑化処理を行うことにより、出力信号を生成する。なお、平滑化処理としては、例えばハニング窓を窓関数として、信号の接合部の振幅値を零に近似した値とする方法が用いられる。Ｄ／Ａ変換部５４は、生成された出力信号をデジタル信号からアナログ信号に変換する。ローパスフィルタ５６は、アナログ信号に変換された出力信号の所定の周波数（例えば８ｋＨｚ）以上の周波数帯域を減衰させる。このように生成された出力信号は、出力端子６０より外部に出力される。
【００６５】
次に、上述した音声補正装置３２による音声信号の補正の流れについて説明する。まず、骨導マイクロホン３４を装着した発声者が発声すると、骨導マイクロホン３４より音声信号が出力される。骨導マイクロホン３４からの音声信号（アナログ信号）は、ローパスフィルタ３６にて所定の周波数以上の周波数帯域が減衰される。次いで、この音声信号は、Ａ／Ｄ変換部３８にてデジタル信号に変換された後に、時間フレーム分割部４０にて時間フレームごとに分割される。
【００６６】
各時間フレームにおける音声信号はそれぞれ、ＬＰＣ分析部４２にて骨導音音源特性と骨導音声道特性とに分離される。また、ＬＰＣ分析部４２にて、分析された骨導音音源特性に基づいて、各時間フレームにおける音声信号が有声音であるか無声音であるかが判別される。
【００６７】
時間フレームにおける音声信号が有声音であると判別されたときには、補正モード切替部４４によって有声音補正モードに切り替えられる。この有声音補正モードにおいては、ＬＰＣ分析部４２により分析された骨導音音源特性及び骨導音声道特性はそれぞれ、第１ＬＰＣ合成部４６に出力される。第１ＬＰＣ合成部４６においては、ＬＰＣ分析部４２より出力された骨導音声道特性に最も近い特性を有する骨導音声道特性パラメータ（例えばｂ１）がパラメータ記憶部５０より選択され、この選択された骨導音声道特性パラメータに対応する気導音声道特性パラメータ（例えばａ１）がパラメータ記憶部５０より読み出される。この読み出された気導音声道特性パラメータと骨導音音源特性とがＬＰＣ合成されることにより、疑似気導音声信号が生成される。
【００６８】
また、時間フレームにおける音声信号が無声音であると判別されたときには、補正モード切替部４４によって無声音補正モードに切り替えられる。この無声音補正モードにおいては、ＬＰＣ分析部４２により分析された骨導音声道特性は、補正モード切替部４４を介して第２ＬＰＣ合成部４８に出力される。第２ＬＰＣ合成部４８においては、ＬＰＣ分析部４２より出力された骨導音声道特性に最も近い特性を有する骨導音声道特性パラメータ（例えばｂ２）がパラメータ記憶部５０より選択され、この選択された骨導音声道特性パラメータに対応する気導音音源特性パラメータ（例えばａｖ２）及び気導音声道特性パラメータ（例えばａ２）がパラメータ記憶部５０より読み出される。この読み出された気導音音源特性パラメータと気導音声道特性とがＬＰＣ合成されることにより、疑似気導音声信号が生成される。
【００６９】
上述のようにして生成された各疑似気導音声信号はそれぞれ、平滑化部５２にて加算されるとともに平滑化され、これにより出力信号が生成される。生成された出力信号は、Ｄ／Ａ変換部５４にてアナログ信号に変換された後に、ローパスフィルタ５６で所定の周波数以上の周波数帯域が減衰され、出力端子６０より外部に出力される。
【００７０】
なお、パラメータ記憶手段５０に記憶された骨導音声道特性パラメータ、気導音声道特性パラメータ及び気導音音源特性パラメータはそれぞれ、例えば次のようにして作成される。まず、気導音声道特性パラメータの作成方法について説明する。気導音声道特性パラメータの作成には、図１１に示すようなパラメータ作成装置６２が用いられる。このパラメータ作成装置６２は、気導マイクロホン６４、ローパスフィルタ６６、Ａ／Ｄ変換部６８、時間フレーム分割部７０、ＬＰＣ分析部７２及び代表値選出部７４を含んでいる。
【００７１】
気導マイクロホン６４は、空気伝搬する発声者の肉声の音声信号を収録するものであり、所謂一般的なマイクロホンである。ローパスフィルタ６６、Ａ／Ｄ変換部６８及び時間フレーム分割部７０はそれぞれ、上述した音声補正装置３２のものとほぼ同様の機能を有するものである。
【００７２】
ＬＰＣ分析部７２は、時間フレーム分割部７０により分割された各時間フレームにおける音声信号に対して線形予測分析を行い、音声信号の気導音声道特性を分析する。代表値選出部７４は、ＬＰＣ分析部７２により分析された複数の気導音声道特性より後述するようにして代表値を選出し、この代表値を気導音声道特性パラメータとして設定する。
【００７３】
気導音声道特性パラメータの作成の流れについて説明すると、次の通りである。まず、発声者が、音声信号としてあらゆる特徴が表出した語彙や文章、例えば１００個の日本都市名等を発声する。発声された音声は、気導マイクロホン６４に入力される。気導マイクロホン６４からの音声信号は、ローパスフィルタ６６及びＡ／Ｄ変換部６８を介してデジタル信号に変換される。その後、この音声信号は、時間フレーム分割部７０にて時間フレームごとに分割され、ＬＰＣ分析部７２に出力される。ＬＰＣ分析部７２では、各時間フレームにおける音声信号に対して線形予測分析が行われ、音声信号の気導音声道特性が分析される。この分析された気導音声道特性は、複数の特性グループのいずれかに分類される。これら複数の特性グループは、性質の似ている気導音声道特性を分類するためのであり、各特性グループには、性質の似ている気導音声道特性が複数属するようになる。代表値選出部では、各特性グループより一つの気導音声道特性を代表値として選出する。この選出された代表値は、気導音声道特性パラメータとして設定され、パラメータ記憶部５０に記憶される。
【００７４】
次に、骨導音声道特性パラメータ及び気導音音源特性パラメータの作成方法について説明する。骨導音声道特性パラメータ及び気導音音源特性パラメータの作成には、図１２に示すようなパラメータ作成装置７６が用いられる。このパラメータ作成装置７６は、骨導マイクロホン７８、ローパスフィルタ８０、Ａ／Ｄ変換部８２、時間フレーム分割部８４、ＬＰＣ分析部８６、気導マイクロホン８８、ローパスフィルタ９０、Ａ／Ｄ変換部９２、時間フレーム分割部９４、ＬＰＣ分析部９６、パラメータ割当部９８及び平均化部１００を含んでいる。
【００７５】
ローパスフィルタ８０，９０、Ａ／Ｄ変換部８２，９２及び時間フレーム分割部８４，９４はそれぞれ、上述した音声補正装置３２のものとほぼ同様の機能を有するものである。ＬＰＣ分析部８６は、時間フレーム分割部８４により分割された各時間フレームにおける音声信号に対して線形予測分析を行い、音声信号の骨導音声道特性を分析する。また、ＬＰＣ分析部９６は、時間フレーム分割部９４により分割された各時間フレームにおける音声信号に対して線形予測分析を行い、音声信号の気導音声道特性及び気導音音源特性を分析する。パラメータ割当部９８は、後述するようにして骨導音声道特性パラメータ、気導音声道特性パラメータ及び気導音音源特性パラメータから構成されるパラメータグループを複数組作成する。平均化部１００は、複数組のパラメータグループのうち、重複したパラメータがある場合には平均化処理を行う。
【００７６】
骨導音声道特性パラメータ及び気導音音源特性パラメータの作成の流れについて説明すると、次の通りである。まず、上述したのと同様に、発声者が、音声信号としてあらゆる特徴が表出した語彙や文章、例えば１００個の日本都市名等を発声する。発声された音声は、骨導マイクロホン７８及び気導マイクロホン８８に同時に入力される。骨導マイクロホン７８からの音声信号は、ローパスフィルタ８０及びＡ／Ｄ変換部８２を介してデジタル信号に変換される。その後、この音声信号は、時間フレーム分割部８４にて時間フレームごとに分割され、ＬＰＣ分析部８６に出力される。ＬＰＣ分析部８６では、各時間フレームにおける音声信号に対して線形予測分析を行い、音声信号の骨導音声道特性を分析する。
【００７７】
また、気導マイクロホン８８からの音声信号は、ローパスフィルタ９０及びＡ／Ｄ変換部９２を介してデジタル信号に変換される。その後、この音声信号は、時間フレーム分割部９４にて時間フレームごとに分割され、ＬＰＣ分析部９６に出力される。ＬＰＣ分析部９６では、各時間フレームにおける音声信号に対して線形予測分析を行い、音声信号の気導音声道特性及び気導音音源特性を分析する。
【００７８】
パラメータ割当部９８では、上述のようにして作成された気導音声道特性パラメータと、各時間フレームにおける気導音声道特性とが照合され、時間フレーム（例えばＴ１）における気導音声道特性と最も特性の近い気導音声道特性パラメータ（例えばａ１）が選び出される。次いで、パラメータ割当部９８では、同じ時間フレーム（例えばＴ１）で分析された骨導音声道特性及び気導音音源特性に対して、上述のようにして選び出された気導音声道特性パラメータ（例えばａ１）と同じパラメータ番号（即ち、例えばａｎにおける番号「ｎ」）を有する骨導音声道特性パラメータ（例えばｂ１）及び気導音音源特性パラメータ（例えばａｖ１）がそれぞれ割り当てられる。このように時間フレームごとの骨導音声道特性及び気導音音源特性に対してそれぞれ気導音声道特性パラメータのパラメータ番号が割り当てられることにより、骨導音声道特性パラメータ及び気導音音源特性パラメータから構成されるパラメータグループが複数組作成される。
【００７９】
なお、このような処理を全時間フレームに渡って行うと、例えば、骨導音声道特性パラメータｂ１及び気導音音源特性パラメータａｖ１がそれぞれ複数個現れる場合がある。このような場合には、平均化部１００にて複数個の骨導音声道特性パラメータｂ１及び複数個の気導音音源特性パラメータａｖ１がそれぞれ平均化処理されることにより、骨導音声道特性パラメータｂ１及び気導音音源特性パラメータａｖ１がそれぞれ１個ずつ作成される。以上のようにして、各気導音声道特性パラメータに対応付けられた骨導音声道特性パラメータ及び気導音音源特性パラメータがそれぞれパラメータ記憶部５０に記憶される（図１０参照）。
【００８０】
以上、本発明に従う帯域拡張装置及び音声補正装置の各種実施形態について説明したが、本発明はかかる実施形態に限定されるものではなく、本発明の範囲を逸脱することなく種々の変形乃至修正が可能である。
【符号の説明】
【００８１】
２，２Ａ 帯域拡張装置
８，４０ 時間フレーム分割部
１０ フーリエ変換部
１２，１２Ａ 高調波スペクトル生成部
１４ 高調波スペクトル加算部
１６ フーリエ逆変換部
１８ 出力信号生成部
２６ 補間演算部
２８ 原音スペクトル分析部
３０ 加重部
３２ 音声補正装置
３４ 骨導マイクロホン
４２ ＬＰＣ分析部
４４ 補正モード切替部
４６ 第１ＬＰＣ合成部
４８ 第２ＬＰＣ合成部
５０ パラメータ記憶部
５２ 平滑化部
【技術分野】
【０００１】
本発明は、入力信号の周波数帯域を拡張するための帯域拡張装置に関する。また、本発明は、骨導マイクロホンからの音声信号を補正するための音声補正装置に関する。
【背景技術】
【０００２】
従来より、入力信号の周波数帯域を拡張するための帯域拡張装置が提案されている（例えば、特許文献１及び特許文献２参照）。従来の帯域拡張装置は、入力信号から低域信号を生成する低域信号生成手段と、入力信号から高域信号を生成する高域信号生成手段と、生成した低域信号及び高域信号をそれぞれ入力信号に加算する加算手段と、を備えている。低域信号生成手段は、入力信号をオーバーサンプリングした後に全波整流（非線形処理）し、この全波整流した入力信号を周波数領域においてバンドパスフィルタリングすることにより低域信号を生成する。高域信号生成手段は、入力信号をオーバーサンプリングした後に、周波数領域において入力信号の低域の周波数帯域を高域側にコピーすることにより高域信号を生成する。このように生成された低域信号及び高域信号がそれぞれ入力信号に加算されることにより、周波数帯域が拡張された出力信号が生成される。このように周波数帯域を拡張することによって、電話の通話音質やデジタル音響機器の再生音質等を改善することができる。
【０００３】
また、従来より、骨導マイクロホンからの音声信号を補正するための音声補正装置が提案されている（例えば、特許文献３参照）。骨導マイクロホンは骨伝導マイクロホンとも呼ばれ、音声発声時の声帯振動によって生じる骨の振動を額や顎、頬、耳穴等で収録し、実際の音声の代用の信号として利用するための振動ピックアップの一つである。このような骨導マイクロホンは、気導マイクロホンに比べて高いＳ／Ｎ比を得ることができ、高騒音下の音声入力手段として有効に用いられる。従来の音声補正装置は、骨導マイクロホンと、骨導マイクロホンからの音声信号を時間フレームごとに分割する時間フレーム分割手段と、時間フレームに基づいてピッチ周波数データ及び骨導音声特徴パラメータを分析するＬＰＣ分析手段と、分析された骨導音声特徴パラメータを疑似気導音声特徴パラメータに変換する信号変換手段と、ピッチ周波数データ及び疑似気導音声特徴パラメータに基づいて疑似気導音声信号を生成するＬＰＣ合成手段と、疑似気導音声信号を長時間の信号に変換する平滑化手段と、を備えている。
【先行技術文献】
【特許文献】
【０００４】
【特許文献１】特許第３３０１４７３号公報
【特許文献２】特開２００３−１５６９５号公報
【特許文献３】特許第３３０６７８４号公報
【発明の概要】
【発明が解決しようとする課題】
【０００５】
第１に、上述のような従来の帯域拡張装置では、次のような問題がある。一般に、入力信号の性質を表す重要な要素として、スペクトル包絡のピークにおける周波数（以下、「ピーク周波数」という）がある。音声におけるスペクトル包絡のピーク周波数はホルマントピーク周波数であり、このホルマントピーク周波数は、声道伝達系の音韻を識別するために重要である。また、楽音におけるスペクトル包絡のピーク周波数は、楽器の種類及びその各部分の構造に基づく共振系の共鳴周波数であり、この共鳴周波数は、楽音の特徴を表すものとして重要である。このようなスペクトル包絡のピーク周波数は共鳴・共振現象であるため、１次共振モードに対して逓倍となる周波数に高次共振モードを有するのが一般的である。従って、高域信号を生成する際には、基本周波数の倍音と同様に、適切な周波数にスペクトル包絡の高次共振モードのピークを持たせることが重要となる。
【０００６】
しかしながら、上述のような従来の帯域拡張装置では、周波数領域において入力信号の低域の周波数帯域を高域側にコピーする際のシフト量は、スペクトル包絡のピーク周波数とは無関係であるため、高域信号においてスペクトル包絡の高次共振モードのピークを再現することができない。そのため、自然な特性の出力信号を得るのは難しく、聴認度の向上には限界があった。また、入力信号をオーバーサンプリングした後に全波整流することにより低域信号を生成しているが、このような構成では、入力信号にノイズが混入した際に、整流のタイミングであるゼロ交差付近でノイズの影響を大きく受けてしまう。そのため、出力音質が低下するおそれがある。
【０００７】
第２に、上述のような従来の音声補正装置では、次のような問題がある。従来の音声補正装置は、音声信号に基づいてピッチ周波数データ及び骨導音声特徴パラメータを分析するように構成されているが、骨導マイクロホンの特性上、音声信号が無声音である場合にはピッチ周波数データを得ることができない。そのため、無声音に対しては疑似気導音声信号を生成することができず、出力される音声が不自然なものとなってしまい、聴認度の向上を図ることが難しい。
【０００８】
本発明の目的は、聴認度の向上を図ることができる帯域拡張装置及び音声補正装置を提供することである。
【課題を解決するための手段】
【０００９】
本発明の請求項１に記載の帯域拡張装置では、入力信号の周波数帯域を拡張するための帯域拡張装置であって、
時間領域の入力信号を時間フレームごとに分割する時間フレーム分割手段と、前記時間フレームをフーリエ変換して周波数領域の原音スペクトルを生成するフーリエ変換手段と、前記原音スペクトルに基づいて高調波スペクトルを生成する高調波スペクトル生成手段と、前記高調波スペクトルを前記原音スペクトルに加算する高調波スペクトル加算手段と、前記高調波スペクトルが加算された前記原音スペクトルをフーリエ逆変換して時間領域の出力信号成分を生成するフーリエ逆変換手段と、前記出力信号成分をそれぞれ加算して周波数帯域が拡張された出力信号を生成する出力信号生成手段と、を備え、
前記高調波スペクトル生成手段は、前記原音スペクトルに含まれる原音スペクトル成分の周波数を算出し、この算出した周波数の逓倍の周波数を前記高調波スペクトルに含まれる高調波スペクトル成分の周波数として設定することを特徴とする。
【００１０】
また、本発明の請求項２に記載の帯域拡張装置では、前記高調波スペクトル生成手段は、前記原音スペクトルに含まれる前記原音スペクトル成分の位相角を算出し、この算出した位相角の逓倍の位相角を前記高調波スペクトルに含まれる前記高調波スペクトル成分の位相角として設定することを特徴とする。
【００１１】
また、本発明の請求項３に記載の帯域拡張装置では、前記高調波スペクトル生成手段は、前記原音スペクトルを分析する原音スペクトル分析手段と、前記原音スペクトル分析部の分析結果に基づいて、前記高調波スペクトルに含まれる前記高調波スペクトル成分の大きさに対して所定の加重係数で加重を施す加重手段と、を含むことを特徴とする。
【００１２】
また、本発明の請求項４に記載の帯域拡張装置では、前記原音スペクトル分析手段は、前記原音スペクトルの包絡線の傾斜を分析するように構成されており、前記加重手段は、分析された前記原音スペクトルの包絡線の傾斜に基づいて前記加重係数を変化させることを特徴とする。
【００１３】
また、本発明の請求項５に記載の帯域拡張装置では、前記高調波スペクトル生成手段は、前記高調波スペクトル成分を補間するための補間手段を含んでおり、前記補間手段は、前記原音スペクトルに含まれる第１原音スペクトル成分の周波数の逓倍の周波数と、前記第１原音スペクトル成分に隣接する第２原音スペクトル成分の周波数の逓倍の周波数との間の周波数を有する前記高調波スペクトル成分を補間することを特徴とする。
【００１４】
また、本発明の請求項６に記載の帯域拡張装置では、前記入力信号は、マイクロホンや振動ピックアップ、骨導マイクロホン、デジタル音響機器、電話システム、人工声帯等により生成される音声信号又は楽音信号であることを特徴とする。
【００１５】
また、本発明の請求項７に記載の音声補正装置では、骨導マイクロホンと、前記骨導マイクロホンからの音声信号を時間フレームごとに分割する時間フレーム分割手段と、前記時間フレームにおける音声信号の音声特性を分析する音声特性分析手段と、音声特性の分析結果に基づいて前記時間フレームにおける音声信号が有声音か無声音かを判別する音声性質判別手段と、有声音と判別された音声信号を補正して疑似気導音声信号を生成する第１信号補正手段と、無声音と判別された音声信号を補正して疑似気導音声信号を生成する第２信号補正手段と、前記第１信号補正手段による有声音補正モードと前記第２信号補正手段による無声音補正モードとを切り替える補正モード切替手段と、生成された疑似気導音声信号をそれぞれ加算して出力信号を生成する出力信号生成手段と、を備えることを特徴とする。
【００１６】
また、本発明の請求項８に記載の音声補正装置では、骨導音声道特性パラメータ、気導音声道特性パラメータ及び気導音音源特性パラメータが記憶されたパラメータ記憶手段を更に備え、前記音声特性分析手段は、前記時間フレームにおける音声信号の骨導音音源特性及び骨導音声道特性を分析するように構成されており、
前記第１信号補正手段は、前記音声特性分析手段により分析された音声信号の骨導音声道特性に基づいて、これに対応する前記気導音声道特性パラメータを前記記憶手段から読み出し、前記音声特性分析手段により分析された音声信号の骨導音音源特性と前記気導音声道特性パラメータとを合成して疑似気導音声信号を生成することを特徴とする。
【００１７】
また、本発明の請求項９に記載の音声補正装置では、前記第２信号補正手段は、前記音声特性分析手段により分析された音声信号の骨導音声道特性に基づいて、これに対応する前記気導音声道特性パラメータ及び前記気導音音源特性パラメータを前記記憶手段から読み出し、この読み出した前記気導音声道特性パラメータと前記気導音音源特性パラメータとを合成して疑似気導音声信号を生成することを特徴とする。
【発明の効果】
【００１８】
本発明の請求項１に記載の帯域拡張装置によれば、高調波スペクトル生成手段は、原音スペクトルに含まれる原音スペクトル成分の周波数を算出し、この算出した周波数の逓倍の周波数を高調波スペクトルに含まれる高調波スペクトル成分の周波数として設定するので、出力信号においてスペクトル包絡の高次共振モードのピークを再現することができる。それ故に、自然な特性の出力信号を得ることができ、聴認度の向上を図ることができる。また、原音スペクトル成分のＳ／Ｎ比を高調波スペクトル成分で復元することができ、ノイズの影響を受け難くすることができる。
【００１９】
また、本発明の請求項２に記載の帯域拡張装置によれば、高調波スペクトル生成手段は、原音スペクトルに含まれる原音スペクトル成分の位相角を算出し、この算出した位相角の逓倍の位相角を高調波スペクトルに含まれる高調波スペクトル成分の位相角として設定するので、原音スペクトルと高調波スペクトルとの時間関係を一定に保持することができる。これにより、時間領域の出力信号成分をそれぞれ加算した際に、各出力信号成分の高調波成分が互いに打ち消し合うのを防止することができ、出力信号を精度良く生成することができる。
【００２０】
また、本発明の請求項３に記載の帯域拡張装置によれば、加重手段は、原音スペクトル分析部の分析結果に基づいて、高調波スペクトルに含まれる高調波スペクトル成分の大きさに対して所定の加重係数で加重を施すので、例えば原音スペクトルの音韻を考慮した高調波スペクトルを生成することができ、より自然な特性の出力信号を得ることができる。
【００２１】
また、本発明の請求項４に記載の帯域拡張装置によれば、加重手段は、分析された原音スペクトルの包絡線の傾斜に基づいて加重係数を変化させる。例えば、原音スペクトルの包絡線の傾斜が大きいときには、加重係数を小さく設定する。これにより、高調波スペクトル成分の大きさが小さくなる。一般に、母音のスペクトルでは、高域側におけるスペクトル成分の減衰が大きくなる特性があり、それ故に、上述のように加重係数を小さく設定することによって、母音をよりリアルに復元することができる。また例えば、原音スペクトルの包絡線の傾斜が小さいときには、加重係数を大きく設定する。これにより、高調波スペクトル成分の大きさが大きくなる。一般に、子音のスペクトルでは、高域側におけるスペクトル成分の減衰が小さくなる特性があり、それ故に、上述のように加重係数を大きく設定することによって、子音をよりリアルに復元することができる。
【００２２】
また、本発明の請求項５に記載の帯域拡張装置によれば、高調波スペクトル生成手段は、高調波スペクトル成分を補間するための補間手段を含んでいる。このように高調波スペクトル成分を補間することによって、高調波スペクトルをより精度良く生成することができる。
【００２３】
また、本発明の請求項６に記載の帯域拡張装置によれば、入力信号は、マイクロホンや振動ピックアップ、骨導マイクロホン、デジタル音響機器、電話システム、人工声帯等により生成される音声信号又は楽音信号である。このようなマイクロホンや振動ピックアップ、骨導マイクロホン、デジタル音響機器、電話システム、人工声帯等は、その特性不足により高音域を出力するのが難しいが、これらに本発明の帯域拡張装置を適用することにより、自然な高音域を再現することができ、聴認度の向上を図ることができる。
【００２４】
また、本発明の請求項７に記載の音声補正装置によれば、第１信号補正手段による有声音補正モードと第２信号補正手段による無声音補正モードとを切り替える補正モード切替手段を備えているので、従来のように有声音だけでなく無声音に対しても疑似気導音声信号を生成することができる。これにより、自然な特性の出力信号を得ることができ、聴認度の向上を図ることができる。
【００２５】
また、本発明の請求項８に記載の音声補正装置によれば、第１信号補正手段は、音声特性分析手段により分析された音声信号の骨導音声道特性に基づいて、これに対応する気導音声道特性パラメータを記憶手段から読み出し、音声特性分析手段により分析された音声信号の骨導音音源特性と気導音声道特性パラメータとを合成して疑似気導音声信号を生成する。これにより、有声音に対して疑似気導音声信号を容易に且つ精度良く生成することができる。
【００２６】
また、本発明の請求項９に記載の音声補正装置によれば、第２信号補正手段は、音声特性分析手段により分析された音声信号の骨導音声道特性に基づいて、これに対応する気導音声道特性パラメータ及び気導音音源特性パラメータを記憶手段から読み出し、この読み出した気導音声道特性パラメータと気導音音源特性パラメータとを合成して疑似気導音声信号を生成する。これにより、無声音に対して疑似気導音声信号を容易に且つ精度良く生成することができる。
【図面の簡単な説明】
【００２７】
【図１】本発明の一実施形態による帯域拡張装置の構成を示すブロック図である。
【図２】入力信号を時間フレームごとに分割した状態を説明するための図である。
【図３】出力信号の生成過程を説明するための図である。
【図４】（ａ）は、高調波スペクトルが加算された原音スペクトルを示すスペクトル図であり、（ｂ）は、原音スペクトルのうち例えば一つの原音スペクトル成分を複素平面上で表した図であり、（ｃ）は、図４（ｂ）の原音スペクトル成分に対応する一つの高調波スペクトル成分を複素平面上で表した図である。
【図５】本発明の他の実施形態による帯域拡張装置の構成を示すブロック図である。
【図６】原音スペクトルの包絡線の傾斜を分析する方法を説明するための図である。
【図７】（ａ）は、音韻が母音である原音スペクトルを示すスペクトル図であり、（ｂ）は、高調波スペクトルが加算された原音スペクトルを示すスペクトル図である。
【図８】（ａ）は、音韻が子音である原音スペクトルを示すスペクトル図であり、（ｂ）は、高調波スペクトルが加算された原音スペクトルを示すスペクトル図である。
【図９】本発明の一実施形態による音声補正装置の構成を示すブロック図である。
【図１０】パラメータ記憶部に記憶された各パラメータの対応関係を示す図である。
【図１１】気導音声道特性パラメータを作成するためのパラメータ作成装置の構成を示すブロック図である。
【図１２】骨導音声道特性パラメータ及び気導音音源特性パラメータを作成するためのパラメータ作成装置を示すブロック図である。
【発明を実施するための形態】
【００２８】
以下、添付図面を参照して、本発明に従う帯域拡張装置及び音声補正装置の各種実施形態について説明する。
［帯域拡張装置の実施形態］
まず、図１〜図４を参照して、帯域拡張装置の一実施形態について説明する。図１は、本発明の一実施形態による帯域拡張装置の構成を示すブロック図であり、図２は、入力信号を時間フレームごとに分割した状態を説明するための図であり、図３は、出力信号の生成過程を説明するための図であり、図４（ａ）は、高調波スペクトルが加算された原音スペクトルを示すスペクトル図であり、図４（ｂ）は、原音スペクトルのうち例えば一つの原音スペクトル成分を複素平面上で表した図であり、図４（ｃ）は、図４（ｂ）の原音スペクトル成分に対応する一つの高調波スペクトル成分を複素平面上で表した図である。
【００２９】
図１を参照して、図示の帯域拡張装置２は、入力端子４、オーバーサンプリング型ローパスフィルタ（ＬＰＦ）６、時間フレーム分割部８（時間フレーム分割手段を構成する）、フーリエ変換部１０（フーリエ変換手段を構成する）、高調波スペクトル生成部１２（高調波スペクトル生成手段を構成する）、高調波スペクトル加算部１４（高調波スペクトル加算手段を構成する）、フーリエ逆変換部１６（フーリエ逆変換手段を構成する）、出力信号生成部１８（出力信号生成手段を構成する）及び出力端子２０を含んでいる。
【００３０】
入力端子４には、サンプリング周波数８ｋＨｚでサンプリングされた時間領域の入力信号が入力される。なお、入力信号は、例えば電話システムにおける音声信号やデジタル音響機器における楽音信号である。
【００３１】
オーバーサンプリング型ローパスフィルタ６は、入力端子４からの入力信号のサンプリング周波数を８ｋＨｚから１６ｋＨｚにオーバーサンプリングするとともに、入力信号の４ｋＨｚ以上の周波数帯域を減衰させる。
【００３２】
時間フレーム分割部８は、ハニング窓を窓関数として、オーバーサンプリング型ローパスフィルタ６より出力された時間領域の入力信号を所定の時間長（例えば１６ｍｓｅｃ）を有する時間フレームごとに分割する（図２参照）。各時間フレームは、その両端部がそれぞれ両側に隣接する時間フレームと重複するようにして分割される。このように分割された各時間フレームより、２５６個のサンプルがそれぞれ取り出される。
【００３３】
フーリエ変換部１０は、時間フレーム分割部８により分割された時間フレームをそれぞれフーリエ変換（短時間フーリエ変換）することにより、周波数領域の原音スペクトルを生成する。本実施形態では、各原音スペクトルの周波数帯域はそれぞれ０〜４ｋＨｚとなる。
【００３４】
高調波スペクトル生成部１２は、原音スペクトル成分抽出部２２、高調波スペクトル演算部２４及び補間演算部２６（補間手段を構成する）を含んでいる。原音スペクトル成分抽出部２２は、原音スペクトルの２〜４ｋＨｚの周波数帯域より原音スペクトル成分を複数抽出する。高調波スペクトル演算部２４は、抽出された原音スペクトル成分に基づいて高調波スペクトル成分を後述するようにして演算し、この演算した高調波スペクトル成分を合成して４〜８ｋＨｚの周波数帯域を有する高調波スペクトルを生成する。また、補間演算部２６は、後述するようにして高調波スペクトル成分の補間演算を行う。
【００３５】
高調波スペクトル加算部１４は、上述のようにして生成された高調波スペクトルを原音スペクトルに加算する。これにより、４〜８ｋＨｚの周波数帯域が拡張された原音スペクトルが生成される。
【００３６】
フーリエ逆変換部１６は、高調波スペクトルが加算された原音スペクトルをフーリエ逆変換することにより、時間領域の出力信号成分を生成する。
【００３７】
出力信号生成手段１８は、上述のようにして生成された出力信号成分をそれぞれ加算することにより、時間領域の出力信号を生成する。各出力信号成分は、その両端部がそれぞれ両側に隣接する出力信号成分と重複するようにして加算される。このように生成された出力信号は、出力端子２０より外部に出力される。
【００３８】
次に、図３及び図４をも参照して、上述した帯域拡張装置２による出力信号の生成の流れについて説明する。まず、入力端子４より入力された時間領域の入力信号Ｔｉｎ（アナログ信号）は、図示しないＡ／Ｄ変換部にてデジタル信号に変換された後に、オーバーサンプリング型ローパスフィルタ６にてサンプリング周波数が８ｋＨｚから１６ｋＨｚにオーバーサンプリングされるとともに、４ｋＨｚ以上の周波数帯域が減衰される（図３（ａ）参照）。次いで、この入力信号は、時間フレーム分割部８にて時間フレームＴｎ（ｎ＝１，２，３，・・・）ごとに分割される（図３（ｂ）参照）。各時間フレームＴｎはそれぞれフーリエ変換部１０にてフーリエ変換され、これにより周波数領域の原音スペクトルＸｎが生成される（図３（ｃ）参照）。各原音スペクトルＸｎはそれぞれ、０〜４ｋＨｚの周波数帯域を有するようになる。
【００３９】
その後、高調波スペクトル生成部１２にて、原音スペクトルＸｎに基づいて高調波スペクトルＸｎ’が次のようにして生成される。まず、原音スペクトル成分抽出部２２によって、原音スペクトルＸｎの２〜４ｋＨｚの周波数帯域より原音スペクトル成分Ｘ（ｆｎ）が複数抽出される。原音スペクトル成分Ｘ（ｆｎ）を数式で表現すると、次式（１）で示すようになる。
【００４０】
【数１】
次いで、高調波スペクトル演算部２４によって、抽出された原音スペクトル成分Ｘ（ｆｎ）に基づいて高調波スペクトル成分Ｘ’（２ｆｎ）が演算される。具体的には、図４（ａ）〜（ｃ）に示すように、高調波スペクトル演算部２４は、原音スペクトル成分Ｘ（ｆｎ）の周波数ｆｎを算出し、この算出した周波数ｆｎの２倍の周波数２ｆｎを高調波スペクトル成分Ｘ’（２ｆｎ）の周波数として設定する。また、高調波スペクトル演算部２４は、原音スペクトル成分Ｘ（ｆｎ）の位相角θｎを算出し、この算出した位相角θｎの２倍の位相角２θｎを高調波スペクトル成分Ｘ’（２ｆｎ）の位相角として設定する。更に、高調波スペクトル演算部２４は、原音スペクトル成分Ｘ（ｆｎ）の大きさ（レベル）｜Ｘ（ｆｎ）｜を算出し、この算出した大きさ｜Ｘ（ｆｎ）｜の１／２倍の大きさ１／２｜Ｘ（ｆｎ）｜を高調波スペクトル成分Ｘ’（２ｆｎ）の大きさとして設定する。なお、図４では、原音スペクトルをＸ（ｆ）、高調波スペクトルをＸ’（ｆ）と表している。また、本実施形態では、高調波スペクトル成分Ｘ’（２ｆｎ）の大きさに対して加重を施す加重係数は、１／２（一定）である。高調波スペクトル成分Ｘ’（２ｆｎ）を数式で表現すると、次式（２）で示すようになる。
【００４１】
【数２】
上述した演算と同時に、補間演算部２６は、第１原音スペクトル成分Ｘ（ｆｎ）の周波数ｆｎの２倍の周波数２ｆｎと、第２原音スペクトル成分Ｘ（ｆｎ＋１）の周波数ｆｎ＋１の２倍の周波数２ｆｎ＋２との間の周波数２ｆｎ＋１を有する高調波スペクトル成分Ｘ’（２ｆｎ＋１）を例えば次式（３）の補間演算により求める。次式（３）において、高調波スペクトル成分Ｘ’（２ｆｎ＋１）の位相角については、第１原音スペクトル成分Ｘ（ｆｎ）及び第２原音スペクトル成分Ｘ（ｆｎ＋１）の各位相角にそれぞれ周波数比を乗じることによって算出している。
【００４２】
【数３】
このようにして演算された高調波スペクトル成分Ｘ’（２ｆｎ）、Ｘ’（２ｆｎ＋１）はそれぞれ、高調波スペクトル演算部２４によって合成され、４〜８ｋＨｚの周波数帯域を有する高調波スペクトルＸ’（ｆ）が生成される（図４（ａ）参照）。
【００４３】
上述のようにして生成された高調波スペクトルＸ’ｎは、高調波スペクトル加算部１４によって原音スペクトルＸｎに加算される（図３（ｄ）参照）。これにより、４〜８ｋＨｚの周波数帯域が拡張された原音スペクトルＸｎが生成される。
【００４４】
高調波スペクトルＸ’ｎが加算された原音スペクトルＸｎはそれぞれ、フーリエ逆変換部１６によってフーリエ逆変換され、これにより時間領域の出力信号成分Ｔｎ’が生成される（図３（ｅ）参照）。各出力信号成分Ｔｎ’はそれぞれ出力信号生成手段１８によって加算され、出力信号Ｔｏｕｔが生成される（図３（ｆ）参照）。生成された出力信号Ｔｏｕｔは、図示しないＤ／Ａ変換部にてアナログ信号に変換された後に、出力端子より外部に出力される。出力信号Ｔｏｕｔの周波数帯域は０〜８ｋＨｚとなり、入力信号Ｔｉｎの周波数帯域０〜４ｋＨｚの高域側が拡張されたものとなる。
【００４５】
本実施形態の帯域拡張装置２では、上述したように原音スペクトル成分の周波数の逓倍（本実施形態では２倍）の周波数を高調波スペクトル成分の周波数として設定するので、出力信号においてスペクトル包絡の高次共振モード（本実施形態では２次共振モード）のピークを再現することができる。それ故に、自然な特性の出力信号を得ることができ、聴認度の向上を図ることができる。
【００４６】
なお、本実施形態の帯域拡張装置２は、種々の用途に適用することができる。例えば、帯域拡張装置２を電話システムに適用した場合には、自然な通話音声を得ることができるようになり、これにより、高齢者などが通話する際の聴認度を向上させることができ、また、他人になりすまして通話することによる犯罪行為（所謂、振り込め詐欺など）を防止することができる。また、帯域拡張装置２を喉頭摘出者向けの人工声帯などに適用した場合には、自然な音声を再現することができる。また、帯域拡張装置２をデジタル音響機器に適用した場合には、自然な再生音質を得ることができる。更に、入力信号を生成する例えばマイクロホンや振動ピックアップ、骨導マイクロホン等は、その特性不足により高音域を出力するのは難しいが、これらに対して本実施形態の帯域拡張装置２を適用することにより、自然な高音域を再現することが容易となる。
【００４７】
次に、図５〜図８を参照して、帯域拡張装置の他の実施形態について説明する。図５は、本発明の他の実施形態による帯域拡張装置の構成を示すブロック図であり、図６は、原音スペクトルの包絡線の傾斜を分析する方法を説明するための図であり、図７（ａ）は、音韻が母音である原音スペクトルを示すスペクトル図であり、図７（ｂ）は、高調波スペクトルが加算された原音スペクトルを示すスペクトル図であり、図８（ａ）は、音韻が子音である原音スペクトルを示すスペクトル図であり、図８（ｂ）は、高調波スペクトルが加算された原音スペクトルを示すスペクトル図である。なお、本実施形態において、上記実施形態と実質上同一の構成要素には同一の符号を付し、その説明を省略する。
【００４８】
図５を参照して、本実施形態の帯域拡張装置２Ａでは、高調波スペクトル生成部１２Ａは、原音スペクトル分析部２８（原音スペクトル分析手段を構成する）及び加重部３０（加重手段を構成する）を更に含んでいる。原音スペクトル分析部２８は、原音スペクトルの包絡線の傾斜を分析するものである。加重部３０は、分析された原音スペクトルの包絡線の傾斜に基づいて、高調波スペクトルに含まれる高調波スペクトル成分の大きさに対して、後述する加重係数で加重を施すものである。以下、これら原音スペクトル分析部２８及び加重部３０について説明する。
【００４９】
原音スペクトル分析部２８は、フーリエ変換により生成された原音スペクトルに含まれる原音スペクトル成分の周波数をオクターブ分割するとともに、原音スペクトル成分の大きさを対数化する（図６参照）。そして、最小二乗法による演算を行うことにより、原音スペクトルの包絡線の傾斜αを次式（４）で示す近似直線により分析する。
【００５０】
【数４】
加重部３０は、上述のようにして分析された傾斜αより、次式（５）で示す加重係数Ｚ（α）を算出する。更に、加重部３０は、高調波スペクトル演算部２４による高調波スペクトル成分Ｘ’（２ｆｎ）の演算の際に、次式（６）で示すように、算出された加重係数Ｚ（α）によって高調波スペクトル成分Ｘ’（２ｆｎ）の大きさに重みを付ける。
【００５１】
【数５】
【００５２】
【数６】
例えば入力信号が音声信号である場合には、原音スペクトルの音韻の種類によって、原音スペクトルの包絡線の傾斜αが変化する。図７（ａ）に示すように、原音スペクトルの音韻が母音であるときには、母音の特性上、原音スペクトルの包絡線の傾斜αはマイナス側に大きくなる。これにより、加重係数Ｚ（α）は小さくなり、図７（ｂ）に示すように、高調波スペクトル成分の大きさは小さくなる。一般に、母音のスペクトルでは、高域側におけるスペクトル成分の減衰が大きくなる特性がある。それ故に、上述のように加重係数Ｚ（α）を小さく設定することによって、母音をよりリアルに復元することができる。
【００５３】
また、図８（ａ）に示すように、原音スペクトルの音韻が子音であるときには、子音の特性上、原音スペクトルの包絡線の傾斜αは小さくなる。これにより、加重係数Ｚ（α）は小さくなり、図８（ｂ）に示すように、高調波スペクトル成分の大きさは大きくなる。一般に、子音のスペクトルでは、高域側におけるスペクトル成分の減衰が小さくなる特性がある。それ故に、上述のように加重係数Ｚ（α）を大きく設定することによって、子音をよりリアルに復元することができる。
【００５４】
なお、上記各実施形態では、高調波スペクトル演算部２４は、原音スペクトル成分Ｘ（ｆｎ）の周波数ｆｎの２倍の周波数２ｆｎを高調波スペクトル成分Ｘ’（２ｆｎ）の周波数として設定するように構成したが、３倍の周波数３ｆｎあるいは４倍の周波数４ｆｎでもよく、任意の整数ｍによる逓倍の周波数ｍｆｎを高調波スペクトル成分Ｘ’（ｍｆｎ）の周波数として設定することができる。これに対応して、高調波スペクトル演算部２４は、原音スペクトル成分Ｘ（ｆｎ）の位相角θｎの任意の整数ｍによる逓倍の位相角ｍθｎを高調波スペクトル成分Ｘ’（ｍｆｎ）の位相角として設定することができる。
【００５５】
また、上記各実施形態において、例えば、原音スペクトル成分Ｘ（ｆｎ）の周波数ｆｎの２倍の周波数２ｆｎを有する第１高調波スペクトル成分Ｘ’（２ｆｎ）と、原音スペクトル成分Ｘ（ｆｎ）の周波数ｆｎの３倍の周波数３ｆｎを有する第２高調波スペクトル成分Ｘ’（３ｆｎ）と、を生成し、これら第１及び第２高調波スペクトル成分Ｘ’（２ｆｎ）、Ｘ’（３ｆｎ）をそれぞれ合成して得られる第１及び第２高調波スペクトルを原音スペクトルに加算するように構成してもよい。
［音声補正装置の実施形態］
次に、図９〜図１２を参照して、音声補正装置の一実施形態について説明する。図９は、本発明の一実施形態による音声補正装置の構成を示すブロック図であり、図１０は、パラメータ記憶部に記憶された各パラメータの対応関係を示す図であり、図１１は、気導音声道特性パラメータを作成するためのパラメータ作成装置の構成を示すブロック図であり、図１２は、骨導音声道特性パラメータ及び気導音音源特性パラメータを作成するためのパラメータ作成装置を示すブロック図である。
【００５６】
図９を参照して、本実施形態の音声補正装置３２は、骨導マイクロホン３４、ローパスフィルタ（ＬＰＦ）３６、Ａ／Ｄ変換部３８、時間フレーム分割部４０（時間フレーム分割手段を構成する）、ＬＰＣ分析部４２（音声特性分析手段及び音声性質判別手段を構成する）、補正モード切替部４４（補正モード切替手段を構成する）、第１ＬＰＣ合成部４６（第１信号補正手段を構成する）、第２ＬＰＣ合成部４８（第１信号補正手段を構成する）、パラメータ記憶部５０（パラメータ記憶手段を構成する）、平滑化部５２（出力信号生成手段を構成する）、Ｄ／Ａ変換部５４、ローパスフィルタ５６及び出力端子６０を含んでいる。
【００５７】
骨導マイクロホン３４は、顔の部位、例えば額や顎、頬、耳穴等に装着され、骨や皮膚に伝達される発声者の声帯振動を収録するものである。ローパスフィルタ３６は、骨導マイクロホン３４からの音声信号の所定の周波数（例えば８ｋＨｚ）以上の周波数帯域を減衰させる。Ａ／Ｄ変換部３８は、音声信号をアナログ信号からデジタル信号に変換する。
【００５８】
時間フレーム分割部４０は、ハニング窓を窓関数として、時間領域の音声信号を所定の時間長（例えば１６ｍｓｅｃ）を有する時間フレームごとに分割する。各時間フレームは、その両端部がそれぞれ両側に隣接する時間フレームと重複するようにして分割される。
【００５９】
ＬＰＣ分析部４２は、各時間フレームにおける音声信号に対して線形予測分析（ＬＰＣ）を行い、音声信号の音声特性を分析する。この分析によって、音声信号が骨導音音源特性と骨導音声道特性とに分離される。分析された骨導音音源特性は、第１ＬＰＣ合成部４６に出力され、また分析された骨導音声道特性は、補正モード切替部４４を介して第１ＬＰＣ合成部４６又は第２ＬＰＣ合成部４８に出力される。
【００６０】
また、ＬＰＣ分析部４２は、分析された骨導音音源特性に基づいて、音声信号の音声性質を判別する。ＬＰＣ分析部４２は、骨導音音源特性にピッチ成分（即ち、有声音の音源特性を示すパルス列）が検出されたときには、音声信号が有声音であると判別し、また骨導音音源特性にピッチ成分が検出されないときには、音声信号が無声音であると判別する。
【００６１】
補正モード切替部４４は、ＬＰＣ分析部４２による音声信号の音声性質の判別結果に基づいて、骨導音声道特性の出力先を切り替えるためのスイッチである。補正モード切替部４４は、ＬＰＣ分析部４２により音声信号が有声音であると判別されると、骨導音声道特性の出力先を第１ＬＰＣ合成部４６に切り替える。これにより、第１ＬＰＣ合成部４６により音声信号の補正が行われる有声音補正モードとなる。また、補正モード切替部４４は、ＬＰＣ分析部４２により音声信号が無声音であると判別されると、骨導音声道特性の出力先を第２ＬＰＣ合成部４８に切り替える。これにより、第２ＬＰＣ合成部４８により音声信号の補正が行われる無声音補正モードとなる。
【００６２】
パラメータ記憶部５０には、骨導音声道特性パラメータ、気導音声道特性パラメータ及び気導音音源特性パラメータを一組のパラメータグループとして、複数組（例えば４０組）のパラメータグループが記憶されている（図１０参照）。これら各パラメータは、予め後述するパラメータ作成装置６２，７６によって作成され、パラメータ記憶部５０に記憶される。各パラメータの作成方法については後述する。
【００６３】
第１ＬＰＣ合成部４６は、ＬＰＣ分析部４２より出力された骨導音音源特性とパラメータ記憶部５０に記憶された気導音声道特性パラメータとをＬＰＣ合成（即ち、線形予測法による合成）することにより、疑似気導音声信号を生成する。また、第２ＬＰＣ合成部４８は、パラメータ記憶部５０に記憶された気導音音源特性パラメータと気導音声道特性パラメータとをＬＰＣ合成することにより、疑似気導音声信号を生成する。これら第１ＬＰＣ合成部４６及び第２ＬＰＣ合成部４８による疑似気導音声信号の生成方法については後述する。
【００６４】
平滑化部５２は、第１ＬＰＣ合成部４６又は第２ＬＰＣ合成部４８により生成された疑似気導音声信号をそれぞれ加算するとともに平滑化処理を行うことにより、出力信号を生成する。なお、平滑化処理としては、例えばハニング窓を窓関数として、信号の接合部の振幅値を零に近似した値とする方法が用いられる。Ｄ／Ａ変換部５４は、生成された出力信号をデジタル信号からアナログ信号に変換する。ローパスフィルタ５６は、アナログ信号に変換された出力信号の所定の周波数（例えば８ｋＨｚ）以上の周波数帯域を減衰させる。このように生成された出力信号は、出力端子６０より外部に出力される。
【００６５】
次に、上述した音声補正装置３２による音声信号の補正の流れについて説明する。まず、骨導マイクロホン３４を装着した発声者が発声すると、骨導マイクロホン３４より音声信号が出力される。骨導マイクロホン３４からの音声信号（アナログ信号）は、ローパスフィルタ３６にて所定の周波数以上の周波数帯域が減衰される。次いで、この音声信号は、Ａ／Ｄ変換部３８にてデジタル信号に変換された後に、時間フレーム分割部４０にて時間フレームごとに分割される。
【００６６】
各時間フレームにおける音声信号はそれぞれ、ＬＰＣ分析部４２にて骨導音音源特性と骨導音声道特性とに分離される。また、ＬＰＣ分析部４２にて、分析された骨導音音源特性に基づいて、各時間フレームにおける音声信号が有声音であるか無声音であるかが判別される。
【００６７】
時間フレームにおける音声信号が有声音であると判別されたときには、補正モード切替部４４によって有声音補正モードに切り替えられる。この有声音補正モードにおいては、ＬＰＣ分析部４２により分析された骨導音音源特性及び骨導音声道特性はそれぞれ、第１ＬＰＣ合成部４６に出力される。第１ＬＰＣ合成部４６においては、ＬＰＣ分析部４２より出力された骨導音声道特性に最も近い特性を有する骨導音声道特性パラメータ（例えばｂ１）がパラメータ記憶部５０より選択され、この選択された骨導音声道特性パラメータに対応する気導音声道特性パラメータ（例えばａ１）がパラメータ記憶部５０より読み出される。この読み出された気導音声道特性パラメータと骨導音音源特性とがＬＰＣ合成されることにより、疑似気導音声信号が生成される。
【００６８】
また、時間フレームにおける音声信号が無声音であると判別されたときには、補正モード切替部４４によって無声音補正モードに切り替えられる。この無声音補正モードにおいては、ＬＰＣ分析部４２により分析された骨導音声道特性は、補正モード切替部４４を介して第２ＬＰＣ合成部４８に出力される。第２ＬＰＣ合成部４８においては、ＬＰＣ分析部４２より出力された骨導音声道特性に最も近い特性を有する骨導音声道特性パラメータ（例えばｂ２）がパラメータ記憶部５０より選択され、この選択された骨導音声道特性パラメータに対応する気導音音源特性パラメータ（例えばａｖ２）及び気導音声道特性パラメータ（例えばａ２）がパラメータ記憶部５０より読み出される。この読み出された気導音音源特性パラメータと気導音声道特性とがＬＰＣ合成されることにより、疑似気導音声信号が生成される。
【００６９】
上述のようにして生成された各疑似気導音声信号はそれぞれ、平滑化部５２にて加算されるとともに平滑化され、これにより出力信号が生成される。生成された出力信号は、Ｄ／Ａ変換部５４にてアナログ信号に変換された後に、ローパスフィルタ５６で所定の周波数以上の周波数帯域が減衰され、出力端子６０より外部に出力される。
【００７０】
なお、パラメータ記憶手段５０に記憶された骨導音声道特性パラメータ、気導音声道特性パラメータ及び気導音音源特性パラメータはそれぞれ、例えば次のようにして作成される。まず、気導音声道特性パラメータの作成方法について説明する。気導音声道特性パラメータの作成には、図１１に示すようなパラメータ作成装置６２が用いられる。このパラメータ作成装置６２は、気導マイクロホン６４、ローパスフィルタ６６、Ａ／Ｄ変換部６８、時間フレーム分割部７０、ＬＰＣ分析部７２及び代表値選出部７４を含んでいる。
【００７１】
気導マイクロホン６４は、空気伝搬する発声者の肉声の音声信号を収録するものであり、所謂一般的なマイクロホンである。ローパスフィルタ６６、Ａ／Ｄ変換部６８及び時間フレーム分割部７０はそれぞれ、上述した音声補正装置３２のものとほぼ同様の機能を有するものである。
【００７２】
ＬＰＣ分析部７２は、時間フレーム分割部７０により分割された各時間フレームにおける音声信号に対して線形予測分析を行い、音声信号の気導音声道特性を分析する。代表値選出部７４は、ＬＰＣ分析部７２により分析された複数の気導音声道特性より後述するようにして代表値を選出し、この代表値を気導音声道特性パラメータとして設定する。
【００７３】
気導音声道特性パラメータの作成の流れについて説明すると、次の通りである。まず、発声者が、音声信号としてあらゆる特徴が表出した語彙や文章、例えば１００個の日本都市名等を発声する。発声された音声は、気導マイクロホン６４に入力される。気導マイクロホン６４からの音声信号は、ローパスフィルタ６６及びＡ／Ｄ変換部６８を介してデジタル信号に変換される。その後、この音声信号は、時間フレーム分割部７０にて時間フレームごとに分割され、ＬＰＣ分析部７２に出力される。ＬＰＣ分析部７２では、各時間フレームにおける音声信号に対して線形予測分析が行われ、音声信号の気導音声道特性が分析される。この分析された気導音声道特性は、複数の特性グループのいずれかに分類される。これら複数の特性グループは、性質の似ている気導音声道特性を分類するためのであり、各特性グループには、性質の似ている気導音声道特性が複数属するようになる。代表値選出部では、各特性グループより一つの気導音声道特性を代表値として選出する。この選出された代表値は、気導音声道特性パラメータとして設定され、パラメータ記憶部５０に記憶される。
【００７４】
次に、骨導音声道特性パラメータ及び気導音音源特性パラメータの作成方法について説明する。骨導音声道特性パラメータ及び気導音音源特性パラメータの作成には、図１２に示すようなパラメータ作成装置７６が用いられる。このパラメータ作成装置７６は、骨導マイクロホン７８、ローパスフィルタ８０、Ａ／Ｄ変換部８２、時間フレーム分割部８４、ＬＰＣ分析部８６、気導マイクロホン８８、ローパスフィルタ９０、Ａ／Ｄ変換部９２、時間フレーム分割部９４、ＬＰＣ分析部９６、パラメータ割当部９８及び平均化部１００を含んでいる。
【００７５】
ローパスフィルタ８０，９０、Ａ／Ｄ変換部８２，９２及び時間フレーム分割部８４，９４はそれぞれ、上述した音声補正装置３２のものとほぼ同様の機能を有するものである。ＬＰＣ分析部８６は、時間フレーム分割部８４により分割された各時間フレームにおける音声信号に対して線形予測分析を行い、音声信号の骨導音声道特性を分析する。また、ＬＰＣ分析部９６は、時間フレーム分割部９４により分割された各時間フレームにおける音声信号に対して線形予測分析を行い、音声信号の気導音声道特性及び気導音音源特性を分析する。パラメータ割当部９８は、後述するようにして骨導音声道特性パラメータ、気導音声道特性パラメータ及び気導音音源特性パラメータから構成されるパラメータグループを複数組作成する。平均化部１００は、複数組のパラメータグループのうち、重複したパラメータがある場合には平均化処理を行う。
【００７６】
骨導音声道特性パラメータ及び気導音音源特性パラメータの作成の流れについて説明すると、次の通りである。まず、上述したのと同様に、発声者が、音声信号としてあらゆる特徴が表出した語彙や文章、例えば１００個の日本都市名等を発声する。発声された音声は、骨導マイクロホン７８及び気導マイクロホン８８に同時に入力される。骨導マイクロホン７８からの音声信号は、ローパスフィルタ８０及びＡ／Ｄ変換部８２を介してデジタル信号に変換される。その後、この音声信号は、時間フレーム分割部８４にて時間フレームごとに分割され、ＬＰＣ分析部８６に出力される。ＬＰＣ分析部８６では、各時間フレームにおける音声信号に対して線形予測分析を行い、音声信号の骨導音声道特性を分析する。
【００７７】
また、気導マイクロホン８８からの音声信号は、ローパスフィルタ９０及びＡ／Ｄ変換部９２を介してデジタル信号に変換される。その後、この音声信号は、時間フレーム分割部９４にて時間フレームごとに分割され、ＬＰＣ分析部９６に出力される。ＬＰＣ分析部９６では、各時間フレームにおける音声信号に対して線形予測分析を行い、音声信号の気導音声道特性及び気導音音源特性を分析する。
【００７８】
パラメータ割当部９８では、上述のようにして作成された気導音声道特性パラメータと、各時間フレームにおける気導音声道特性とが照合され、時間フレーム（例えばＴ１）における気導音声道特性と最も特性の近い気導音声道特性パラメータ（例えばａ１）が選び出される。次いで、パラメータ割当部９８では、同じ時間フレーム（例えばＴ１）で分析された骨導音声道特性及び気導音音源特性に対して、上述のようにして選び出された気導音声道特性パラメータ（例えばａ１）と同じパラメータ番号（即ち、例えばａｎにおける番号「ｎ」）を有する骨導音声道特性パラメータ（例えばｂ１）及び気導音音源特性パラメータ（例えばａｖ１）がそれぞれ割り当てられる。このように時間フレームごとの骨導音声道特性及び気導音音源特性に対してそれぞれ気導音声道特性パラメータのパラメータ番号が割り当てられることにより、骨導音声道特性パラメータ及び気導音音源特性パラメータから構成されるパラメータグループが複数組作成される。
【００７９】
なお、このような処理を全時間フレームに渡って行うと、例えば、骨導音声道特性パラメータｂ１及び気導音音源特性パラメータａｖ１がそれぞれ複数個現れる場合がある。このような場合には、平均化部１００にて複数個の骨導音声道特性パラメータｂ１及び複数個の気導音音源特性パラメータａｖ１がそれぞれ平均化処理されることにより、骨導音声道特性パラメータｂ１及び気導音音源特性パラメータａｖ１がそれぞれ１個ずつ作成される。以上のようにして、各気導音声道特性パラメータに対応付けられた骨導音声道特性パラメータ及び気導音音源特性パラメータがそれぞれパラメータ記憶部５０に記憶される（図１０参照）。
【００８０】
以上、本発明に従う帯域拡張装置及び音声補正装置の各種実施形態について説明したが、本発明はかかる実施形態に限定されるものではなく、本発明の範囲を逸脱することなく種々の変形乃至修正が可能である。
【符号の説明】
【００８１】
２，２Ａ 帯域拡張装置
８，４０ 時間フレーム分割部
１０ フーリエ変換部
１２，１２Ａ 高調波スペクトル生成部
１４ 高調波スペクトル加算部
１６ フーリエ逆変換部
１８ 出力信号生成部
２６ 補間演算部
２８ 原音スペクトル分析部
３０ 加重部
３２ 音声補正装置
３４ 骨導マイクロホン
４２ ＬＰＣ分析部
４４ 補正モード切替部
４６ 第１ＬＰＣ合成部
４８ 第２ＬＰＣ合成部
５０ パラメータ記憶部
５２ 平滑化部
【特許請求の範囲】
【請求項１】
入力信号の周波数帯域を拡張するための帯域拡張装置であって、
時間領域の入力信号を時間フレームごとに分割する時間フレーム分割手段と、前記時間フレームをフーリエ変換して周波数領域の原音スペクトルを生成するフーリエ変換手段と、前記原音スペクトルに基づいて高調波スペクトルを生成する高調波スペクトル生成手段と、前記高調波スペクトルを前記原音スペクトルに加算する高調波スペクトル加算手段と、前記高調波スペクトルが加算された前記原音スペクトルをフーリエ逆変換して時間領域の出力信号成分を生成するフーリエ逆変換手段と、前記出力信号成分をそれぞれ加算して周波数帯域が拡張された出力信号を生成する出力信号生成手段と、を備え、
前記高調波スペクトル生成手段は、前記原音スペクトルに含まれる原音スペクトル成分の周波数を算出し、この算出した周波数の逓倍の周波数を前記高調波スペクトルに含まれる高調波スペクトル成分の周波数として設定することを特徴とする帯域拡張装置。
【請求項２】
前記高調波スペクトル生成手段は、前記原音スペクトルに含まれる前記原音スペクトル成分の位相角を算出し、この算出した位相角の逓倍の位相角を前記高調波スペクトルに含まれる前記高調波スペクトル成分の位相角として設定することを特徴とする請求項１に記載の帯域拡張装置。
【請求項３】
前記高調波スペクトル生成手段は、前記原音スペクトルを分析する原音スペクトル分析手段と、前記原音スペクトル分析部の分析結果に基づいて、前記高調波スペクトルに含まれる前記高調波スペクトル成分の大きさに対して所定の加重係数で加重を施す加重手段と、を含むことを特徴とする請求項１又は２に記載の帯域拡張装置。
【請求項４】
前記原音スペクトル分析手段は、前記原音スペクトルの包絡線の傾斜を分析するように構成されており、前記加重手段は、分析された前記原音スペクトルの包絡線の傾斜に基づいて前記加重係数を変化させることを特徴とする請求項３に記載の帯域拡張装置。
【請求項５】
前記高調波スペクトル生成手段は、前記高調波スペクトル成分を補間するための補間手段を含んでおり、前記補間手段は、前記原音スペクトルに含まれる第１原音スペクトル成分の周波数の逓倍の周波数と、前記第１原音スペクトル成分に隣接する第２原音スペクトル成分の周波数の逓倍の周波数との間の周波数を有する前記高調波スペクトル成分を補間することを特徴とする請求項１〜４のいずれかに記載の帯域拡張装置。
【請求項６】
前記入力信号は、マイクロホンや振動ピックアップ、骨導マイクロホン、デジタル音響機器、電話システム、人工声帯等により生成される音声信号又は楽音信号であることを特徴とする請求項１〜５のいずれかに記載の帯域拡張装置。
【請求項７】
骨導マイクロホンと、前記骨導マイクロホンからの音声信号を時間フレームごとに分割する時間フレーム分割手段と、前記時間フレームにおける音声信号の音声特性を分析する音声特性分析手段と、音声特性の分析結果に基づいて前記時間フレームにおける音声信号が有声音か無声音かを判別する音声性質判別手段と、有声音と判別された音声信号を補正して疑似気導音声信号を生成する第１信号補正手段と、無声音と判別された音声信号を補正して疑似気導音声信号を生成する第２信号補正手段と、前記第１信号補正手段による有声音補正モードと前記第２信号補正手段による無声音補正モードとを切り替える補正モード切替手段と、生成された疑似気導音声信号をそれぞれ加算して出力信号を生成する出力信号生成手段と、を備えることを特徴とする音声補正装置。
【請求項８】
骨導音声道特性パラメータ、気導音声道特性パラメータ及び気導音音源特性パラメータが記憶されたパラメータ記憶手段を更に備え、前記音声特性分析手段は、前記時間フレームにおける音声信号の骨導音音源特性及び骨導音声道特性を分析するように構成されており、
前記第１信号補正手段は、前記音声特性分析手段により分析された音声信号の骨導音声道特性に基づいて、これに対応する前記気導音声道特性パラメータを前記記憶手段から読み出し、前記音声特性分析手段により分析された音声信号の骨導音音源特性と前記気導音声道特性パラメータとを合成して疑似気導音声信号を生成することを特徴とする請求項７に記載の音声補正装置。
【請求項９】
前記第２信号補正手段は、前記音声特性分析手段により分析された音声信号の骨導音声道特性に基づいて、これに対応する前記気導音声道特性パラメータ及び前記気導音音源特性パラメータを前記記憶手段から読み出し、この読み出した前記気導音声道特性パラメータと前記気導音音源特性パラメータとを合成して疑似気導音声信号を生成することを特徴とする請求項８に記載の音声補正装置。
【請求項１】
入力信号の周波数帯域を拡張するための帯域拡張装置であって、
時間領域の入力信号を時間フレームごとに分割する時間フレーム分割手段と、前記時間フレームをフーリエ変換して周波数領域の原音スペクトルを生成するフーリエ変換手段と、前記原音スペクトルに基づいて高調波スペクトルを生成する高調波スペクトル生成手段と、前記高調波スペクトルを前記原音スペクトルに加算する高調波スペクトル加算手段と、前記高調波スペクトルが加算された前記原音スペクトルをフーリエ逆変換して時間領域の出力信号成分を生成するフーリエ逆変換手段と、前記出力信号成分をそれぞれ加算して周波数帯域が拡張された出力信号を生成する出力信号生成手段と、を備え、
前記高調波スペクトル生成手段は、前記原音スペクトルに含まれる原音スペクトル成分の周波数を算出し、この算出した周波数の逓倍の周波数を前記高調波スペクトルに含まれる高調波スペクトル成分の周波数として設定することを特徴とする帯域拡張装置。
【請求項２】
前記高調波スペクトル生成手段は、前記原音スペクトルに含まれる前記原音スペクトル成分の位相角を算出し、この算出した位相角の逓倍の位相角を前記高調波スペクトルに含まれる前記高調波スペクトル成分の位相角として設定することを特徴とする請求項１に記載の帯域拡張装置。
【請求項３】
前記高調波スペクトル生成手段は、前記原音スペクトルを分析する原音スペクトル分析手段と、前記原音スペクトル分析部の分析結果に基づいて、前記高調波スペクトルに含まれる前記高調波スペクトル成分の大きさに対して所定の加重係数で加重を施す加重手段と、を含むことを特徴とする請求項１又は２に記載の帯域拡張装置。
【請求項４】
前記原音スペクトル分析手段は、前記原音スペクトルの包絡線の傾斜を分析するように構成されており、前記加重手段は、分析された前記原音スペクトルの包絡線の傾斜に基づいて前記加重係数を変化させることを特徴とする請求項３に記載の帯域拡張装置。
【請求項５】
前記高調波スペクトル生成手段は、前記高調波スペクトル成分を補間するための補間手段を含んでおり、前記補間手段は、前記原音スペクトルに含まれる第１原音スペクトル成分の周波数の逓倍の周波数と、前記第１原音スペクトル成分に隣接する第２原音スペクトル成分の周波数の逓倍の周波数との間の周波数を有する前記高調波スペクトル成分を補間することを特徴とする請求項１〜４のいずれかに記載の帯域拡張装置。
【請求項６】
前記入力信号は、マイクロホンや振動ピックアップ、骨導マイクロホン、デジタル音響機器、電話システム、人工声帯等により生成される音声信号又は楽音信号であることを特徴とする請求項１〜５のいずれかに記載の帯域拡張装置。
【請求項７】
骨導マイクロホンと、前記骨導マイクロホンからの音声信号を時間フレームごとに分割する時間フレーム分割手段と、前記時間フレームにおける音声信号の音声特性を分析する音声特性分析手段と、音声特性の分析結果に基づいて前記時間フレームにおける音声信号が有声音か無声音かを判別する音声性質判別手段と、有声音と判別された音声信号を補正して疑似気導音声信号を生成する第１信号補正手段と、無声音と判別された音声信号を補正して疑似気導音声信号を生成する第２信号補正手段と、前記第１信号補正手段による有声音補正モードと前記第２信号補正手段による無声音補正モードとを切り替える補正モード切替手段と、生成された疑似気導音声信号をそれぞれ加算して出力信号を生成する出力信号生成手段と、を備えることを特徴とする音声補正装置。
【請求項８】
骨導音声道特性パラメータ、気導音声道特性パラメータ及び気導音音源特性パラメータが記憶されたパラメータ記憶手段を更に備え、前記音声特性分析手段は、前記時間フレームにおける音声信号の骨導音音源特性及び骨導音声道特性を分析するように構成されており、
前記第１信号補正手段は、前記音声特性分析手段により分析された音声信号の骨導音声道特性に基づいて、これに対応する前記気導音声道特性パラメータを前記記憶手段から読み出し、前記音声特性分析手段により分析された音声信号の骨導音音源特性と前記気導音声道特性パラメータとを合成して疑似気導音声信号を生成することを特徴とする請求項７に記載の音声補正装置。
【請求項９】
前記第２信号補正手段は、前記音声特性分析手段により分析された音声信号の骨導音声道特性に基づいて、これに対応する前記気導音声道特性パラメータ及び前記気導音音源特性パラメータを前記記憶手段から読み出し、この読み出した前記気導音声道特性パラメータと前記気導音音源特性パラメータとを合成して疑似気導音声信号を生成することを特徴とする請求項８に記載の音声補正装置。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【公開番号】特開２０１２−２０８１７７（Ｐ２０１２−２０８１７７Ａ）
【公開日】平成２４年１０月２５日（２０１２．１０．２５）
【国際特許分類】
【出願番号】特願２０１１−７１８３７（Ｐ２０１１−７１８３７）
【出願日】平成２３年３月２９日（２０１１．３．２９）
【出願人】（５０４０１７６８１）日本ロジックス株式会社 (8)
【出願人】（５１００８７６２３）株式会社システムアドバンス (2)
【出願人】（５０７０２２８０２）Ｔａｋｕｍｉ Ｖｉｓｉｏｎ株式会社 (14)
【公開日】平成２４年１０月２５日（２０１２．１０．２５）
【国際特許分類】
【出願日】平成２３年３月２９日（２０１１．３．２９）
【出願人】（５０４０１７６８１）日本ロジックス株式会社 (8)
【出願人】（５１００８７６２３）株式会社システムアドバンス (2)
【出願人】（５０７０２２８０２）Ｔａｋｕｍｉ Ｖｉｓｉｏｎ株式会社 (14)
[ Back to top ]