ピッチポストフィルタ

トップ :: G 物理学 :: G10 楽器;音響

【発明の名称】	ピッチポストフィルタ
【発明者】	【氏名】ビアリック，レオン【氏名】フロメン，フェリックス
【要約】	【課題】サブフレームの少なくともいくつかに対して将来及び過去の情報を使用するピッチポストフィルタ及び方法を提供する。【解決手段】本発明に係るピッチポストフィルタは、合成された音声のフレームを受け入れ、合成された音声のフレームの各サブフレームに対して、現在サブフレーム並びに先行及び未来の合成音声のウインドの関数である信号を発生する。各ウインドは、それがサブフレームに対して許容できる一致を与えるときにだけ使用される。

【特許請求の範囲】
【請求項１】複数のサブフレームに分解される合成音声のフレームとフレームに付随するピッチ値を受信し、合成音声の前記フレームの前記サブフレームに対して、前記ピッチ値に基づく遅れインデックスによって現在のサブフレームから遅延した合成音声の先行データおよび前記ピッチ値に基づく進みインデックスによって現在のサブフレームから進んだ合成音声の未来データ、ならびに合成音声の該未来データから構成されるグループの選択された一つでフィルタされた現在のサブフレームのピッチポストフィルタされたものである出力信号を発生するステップを具備する合成された音声のピッチポストフィルタリング方法。
【請求項２】複数のサブフレームに分解される合成音声のフレームとフレームに付随するピッチ値とを受信する手段と、合成音声の前記フレームの前記サブフレームに対して、前記ピッチ値に基づく遅れインデックスによって現在サブフレームから遅延した合成音声の先行データ及び前記ピッチ値に基づく進みインデックスによって現在のサブフレームから進んだ未来データ、ならびに合成音声の該未来データから構成されるグループの選択された一つでフィルタされた現在のサブフレームのピッチポストフィルタされたものである出力信号を発生する発生手段を具備する合成された音声のピッチポストフィルタリングするためのピッチポストフィルタ。

【発明の詳細な説明】【０００１】
【発明の属する技術分野】本発明は、一般的には音声処理装置に関連し、特にポストフィルタリング装置に関連する。
【０００２】
【従来の技術】音声処理は当該技術分野において周知であり、記憶あるいは伝送のために入力音声信号を圧縮するためにしばしば使用される。この処理は典型的には入力音声信号のフレームへの分割と、フレームの要素を決定するための各フレームの解析を含んでいる。そして、要素は記憶あるいは伝送のために符号化される。
【０００３】原音声信号の復調が要求されるときには、各フレームは解読され、典型的には近似的な逆解析操作である合成が実行される。このようにして生成された合成音声は、通常は原信号と完全に同一ではない。従って、信号音声を“より改善”するために通常はポストフィルタリング操作が実行される。
【０００４】ポストフィルタリングの一形式は、合成された信号をフィルタするために解読器から出力されるピッチ情報が使用されるピッチポストフィルタリングである。先行技術のピッチポストフィルタにおいては、合成された音声信号の一部であるピッチ値ｐ₀ の早期サンプルが検討されている。現在のサブフレームと最も良く一致するより早期の音声のサブフレームは、典型的には１：０．２５の比で（即ち、過去信号は３／４減衰されて）現在のサブフレームと結合される。
【０００５】不幸にして、音声信号は常に内部にピッチを有していはいない。これは単語の終わりあるいは始まりの単語間の場合であり、ピッチが変わり得る。先行技術のピッチポストフィルタは早期の音声を現在の音声と混合するために、また早期の音声は現在のサブフレームと同一のピッチを有していないために、単語の始めにおいて、このようなピッチポストフィルタの出力は貧弱なものとなり得る。話された単語が終了するサブフレームに対しても上記は正しい。もしサブフレームの大部分が沈黙あるいは雑音であれば（即ち、単語が終了していれば）、過去の信号のピッチは意味を持たない。
【０００６】
【発明が解決しようとする課題】出願人は、ピッチポストフィルタは音声信号のサブフレームに対してだけ作用するけれども、音声解読器は通常その効力を有する要素間で音声フレームを出力することを承知している。従って、サブフレームのいくつかに対しては、将来音声パターンに関する情報が利用可能である。
【０００７】従って、サブフレームの少なくともいくつかに対して将来及び過去の情報を使用するピッチポストフィルタ及び方法を提供することが本発明の目的である。
【０００８】
【課題を解決するための手段】本発明の好ましい実施例によれば、ピッチポストフィルタは、合成された音声のフレームを受け入れ、合成された音声のフレームの各サブフレームに対してサブフレーム並びに早期及び後期の合成音声のウインドの関数である信号を発生する。各ウインドは、それがサブフレームに対して許容できる一致を与えるときにだけ使用される。
【０００９】特に本発明の好ましい実施例によれば、ピッチポストフィルタは早期の合成音声のウインドをサブフレームと一致させ、サブフレームとウインドの重み付けされたものとの誤差が小さいときだけ早期の合成音声の一致ウインドを受け入れる。もし十分に遅れの大きい合成音声があれば、ピッチポストフィルタはまた後期の合成音声を一致させ、誤差が小さければそれを受け入れる。従って、出力信号はサブフレームと、それらが受け入れられたならばより早期及びより後期の合成音声のウインドの関数である。
【００１０】さらに、本発明の好ましい実施例によれば、マッチングは、より早期及びより後期の合成音声のウインドのそれぞれに対する早期及び後期の利得の決定を含んでいる。
【００１１】さらにまた、本発明の好ましい実施例によれば、出力信号に対する関数は、サブフレーム、早期の利得及び第一の可能化荷重によって重み付けされた合成音声のより早期のウインド及び後期の利得及び第二の可能化荷重によって重み付けされた合成された音声の後期のウインドの合計である。
【００１２】最後に、本発明の好ましい実施例によれば、第一及び第二の可能化荷重は受け入れのステップの結果に依存する。
【００１３】
【発明の実施の形態】本発明に係るピッチポストフィルタの動作を理解するために有効な図１、２及び３～５が今参照される。
【００１４】図１に示すように、１０が付されている本発明に係るピッチポストフィルタは、線型予測係数（ＬＰＣ）合成フィルタのような合成フィルタ１２からの合成音声のフレームを受け入れる。ピッチポストフィルタ１０はまた、音声符号化器から受信されたピッチ値も受け入れる。ピッチポストフィルタ１０は最初のポストフィルタであるべきではなく、ポストフィルタされた合成音声フレームを受け入れることができる。フィルタ１０は、現在フレームバッファ２５、先行フレームバッファ２６、進み／遅れ決定器２７及びポストフィルタ２８から構成される。現在フレームバッファ２５は合成音声の現在フレームを記憶し、サブフレームに分割する。先行フレームバッファ２６は合成音声の先行フレームを記憶する。進み／遅れ決定器２７はピッチ値ｐ₀ から進み及び遅れインデックスを決定する。ポストフィルタ２８は現在フレームバッファ２５からサブフレームｓ〔ｎ〕と未来ウインドｓ〔ｎ＋ＬＥＡＤ〕を受け入れ、過去フレームバッファ２６から過去ウインドｓ〔ｎ－ＬＡＧ〕を受け入れ、それらからポストフィルタされた信号を発生する。
【００１５】合成フィルタ１２は合成音声のフレームを合成し、ピッチポストフィルタ１０にそれらを出力することが望ましい。本発明に係るフィルタは、先行技術のピッチポストフィルタのように、合成音声のサブフレームに作用する。しかし、出願人が実現したように、サブフレームを処理したときに合成音声の全フレームが現在フレームバッファ２５で利用可能であるため、本発明に係るピッチポストフィルタ１０は、さらにサブフレームの少なくともいくつかに対して未来情報を使用する。
【００１６】これは、それぞれ現在フレームバッファ２５及び先行フレームバッファ２６に記憶されている２つのフレーム２２ａ及び２２ｂの８つのサブフレーム２０ａ－２０ｈを示す図２に描かれている。さらに、データの類似サブフレームが後期サブフレーム２０ｅ－２０ｈに対して取られ得る位置も示されている。矢印２４ｅで示されているように、第一のサブフレーム２０ｅに対してデータは、過去サブフレーム２０ｄ、２０ｃ及び２０ｂと未来サブフレーム２０ｅ、２０ｆ及び２０ｇから取られる。矢印２４ｆで示されているように、第二のサブフレーム２０ｆに対してデータは、先行サブフレーム２０ｅ、２０ｄ及び２０ｃと未来サブフレーム２０ｆ、２０ｇ及び２０ｈから取られる。未来サブフレーム２０ｇ及び２０ｈに対しては使用され得る未来データは少なくなり（実際サブフレーム２０ｈに対してはなにもない）が、使用され得る過去のデータは同量であることが承知される。
【００１７】本発明の進み／遅れ決定器２７は、過去及び未来の合成された音声信号を探索し、それらに対し遅れおよび進みサンプルで始まる過去及び未来の信号のサブフレーム長さウインドが現在のサブフレームに最もよく一致する遅れ及び進みサンプル位置あるいはインデックスを決定する。よく一致していなければ、ウインドは使用されない。典型的には探索範囲は、矢印２４に示されるように現在フレームの前後２０－１４６サンプル以内である。探索範囲は、未来データ（即ち、サブフレーム２０ｇ及び２０ｈ）に対しては少なくなる。
【００１８】そしてポストフィルタ２８は、一致されたウインドの一方あるいは両方を使用して合成された音声信号をポストフィルタする。
【００１９】本発明に係るピッチポストフィルタの一実施例は、一つのサブフレームに対する作用のフローチャートである図３～５に示されている。ステップ３０－７４は進み／遅れ決定器２７によって実行され、ステップ７６及び７８はポストフィルタ２８によって実行される。
【００２０】本方法は初期化（ステップ３０）から始まるが、そこで最小及び最大遅れ／進み値が最小標準値として設定される。本実施例においては、最小遅れ／進みは（ピッチ値－デルタ，２０）の最小値、最大遅れ／進みは（ピッチ値＋デルタ，１４６）の最大値である。本実施例では、デルタは３である。
【００２１】ステップ３４－４４は遅れ値を決定し、ステップ６０－７０はそれがあれば進み値を決定する。両方のセクションは同様の操作を行うが、前者は先行フレームバッファ２６に記憶された過去のデータに、後者は現在フレームバッファ２５に記憶された未来データに操作を行う。従って以下では操作は一度だけ記載される。しかしながら、式は以下に述べるように相違する。
【００２２】ステップ３２において遅れインデックスＭｇは最小値に設定され、ステップ３４及び３６において遅れインデックスＭｇに対応する利得ｇｇ及びその遅れインデックスに対する標準値Ｅｇが決定される。利得ｇｇは以下に示すように、サブフレームｓ〔ｎ〕と先行ウインドｓ〔ｎ－Ｍｇ〕の相互相関と先行ウインドｓ〔ｎ－Ｍｇ〕の自己関相の比である。
【００２３】
【数１】

【００２４】標準値Ｅｇは、以下のように誤差信号ｓ〔ｎ〕－ｇｇ＊ｓ〔ｎ－Ｍｇ〕中のエネルギである。
【００２５】
【数２】

【００２６】もし結果として生じる標準値が以前に決定された最小値よりも小であれば（ステップ３８）、現在の遅れインデックスＭｇ及び利得ｇｇは記憶され、最小値は現在の利得に設定される（ステップ４０）。遅れインデックスは１増加され（ステップ４２）、そしてこの処理は最大遅れ値に到達するまで繰り返される。
【００２７】ステップ４６－５０において、遅れ決定の結果はステップ３４－４４で決定された遅れ利得が、例えば０．６２５である予め定められたしきい値以上であるときにだけ受け入れられる。ステップ４６において遅れ可能化フラグは０に初期化され、ステップ４８において遅れ利得ｇｇがしきい値に対して検査される。ステップ５０において、遅れ可能化フラグを１に設定することによって、結果は受け入れられる。このように現在のサブフレームと同一でない過去音声信号に対して、例えば現在サブフレームが音声を有しており過去サブフレームが音声を有していなければ、過去サブクレームからのデータは使用されない。
【００２８】ステップ５２－５６において、進み可能化フラグは、現在位置Ｎ、サブフレームの長さ（典型的には６０サンプル長）及び最大遅れ／進み値の合計がフレーム長（典型的には２４０サンプル長）以下であるときにだけ設定される。この方法において、将来データは、その大部分が利用可能であるときだけ使用される。ステップ５２は進み可能化フラグを０に設定し、ステップ５４は合計が許容できれるか否かを検査し、もし許容できればステップ５６は進み可能化フラグを１に設定する。
【００２９】ステップ５８において、最小値が再初期化され、進みインデックスは最小遅れ値に設定される。上述したように、ステップ６０－７０はステップ３４－４４と同一であり、対象のサブフレームに最もよく一致する進みインデックスを決定する。進みはＭｄと記述され、利得はｇｄと記述され、基準値はＥｄと記述され、それらは以下に示すように式３及び式４で定義される。
【００３０】
【数３】

【００３１】
【数４】

【００３２】ステップ６０は利得ｇｄを決定し、ステップ６２は基準値Ｅｄを決定し、ステップ６４は基準値Ｅｄが最小値より小さいかを検査し、ステップ６６は進みＭｄ及び進み利得ｇｄを記憶し、最小値をＥｄに更新する。ステップ６８は進みインデックスを１増加し、ステップ７０は進みインデックスが最大インデックス値以上であるか否かを決定する。
【００３３】ステップ７２及び７４において、もしステップ６０－７０で決定された進み利得がステップ７２で実行される検査で非常に小であれば（即ち予め定められたしきい値以下であれば）、進み可能化フラグは不可能化される（ステップ７４）。
【００３４】ステップ７６において、遅れ及び進み荷重ｗｇ及びｗｄが遅れ及び進み可能化フラグからそれぞれ決定される。荷重ｗｇ及びｗｄは、もしあれば、将来及び過去のデータによって与えられる寄与を定義する。
【００３５】本実施例において、遅れ荷重ｗｇは（遅れ可能－（０．５＊進み可能））と０の最大値の０．２５倍である。進み荷重ｗｄは（進み可能－（０．５＊遅れ可能））と０の最大値の０．２５倍である。言い換えれば、荷重ｗｇ及びｗｄは、将来及び過去のデータがともに利用可能であり現在のサブフレームと一致していれば０．１２５であり、一方のみが一致しているときは０．２５であり、一致していないときは０である。
【００３６】ステップ７８において、信号ｓ〔ｎ〕の関数である出力信号ｐ〔ｎ〕、早期ウインドｓ〔ｎ－Ｍｇ〕及び未来ウインドｓ〔ｎ＋Ｍｇ〕が生成される。Ｍｇ及びＭｄは、記憶されている遅れ及び進みインッデクスである。式５及び６は本実施例において信号ｐ〔ｎ〕に対する関数を与える。
【００３７】
【数５】

【００３８】
【数６】

【００３９】ステップ３０－７０は、各サブフレームに対して繰り返される。
【００４０】本発明は将来及び過去の情報を使用するすべてのピッチポストフィルタを包含することが望ましい。
【００４１】本発明がいままでに記述され示されたものに限定されないことが当該技術分野において技術を有する者にとって望ましい。
【００４２】なお、以上の実施形態から以下の実施態様も導出される。
【００４３】１．複数のサブフレームに分解される合成音声のフレームとフレームに付随するピッチ値を受信し、合成音声の前記フレームの前記サブフレームに対して、前記ピッチ値に基づく遅れインデックスによって現在のサブフレームから遅延した合成音声の先行データおよび前記ピッチ値に基づく進みインデックスによって現在のサブフレームから進んだ合成音声の未来データならびに合成音声の該未来データから構成されるグループの選択された一つでフィルタされた現在のサブフレームのピッチポストフィルタされたものである出力信号を発生するステップを具備する合成された音声のピッチポストフィルタリング方法であって、該発生ステップが、前記遅れインデックスにおいて始まる、前記合成音声のサブフレーム長の先行ウインドを前記サブフレームに一致させ、前記サブフレームと前記先行ウインドの重み付けされたものとの差が所定のしきい値以下であるときだけ、前記一致した先行ウインドを受け入れ、もし十分な未来の合成された音声があるならば、前記進みインデックスにおいて始まる、前記合成音声のサブフレーム長の未来ウインドを前記サブフレームに一致させ、前記サブフレームと前記未来ウインドの重み付けされたものとの差が所定のしきい値以下であるときだけ、前記一致した未来ウインドを受け入れ、前記先行および未来ウインドならびに前記未来ウインドから構成されるグループの選択された一つで前記サブフレームをポストフィルタリングすることによって出力信号を生成するステップを具備する合成された音声のピッチポストフィルタリング方法。
【００４４】２．前記一致ステップが、先行および未来ウインドのそれぞれに対し先行および未来利得を決定するものである態様１に記載の方法。
【００４５】３．前記生成ステップが、前記サブフレーム、前記先行利得および第一の可能化荷重によって重み付けされた合成音声の前記先行ウインド、ならびに前記未来利得および第二の可能化荷重によって重み付けされた合成音声の前記未来ウインドの和である信号を決定するものである態様２に記載の方法。
【００４６】４．前記第一および第二の可能化荷重が前記受け入れステップの出力に依存するものである態様３に記載の方法。
【００４７】５．複数のサブフレームに分解される合成音声のフレームとフレームに付随するピッチ値とを受信する手段と、合成音声の前記フレームの前記サブフレームに対して、前記ピッチ値に基づく遅れインデックスによって現在サブフレームから遅延した合成音声の先行データ及び前記ピッチ値に基づく進みインデックスによって現在のサブフレームから進んだ未来データ、ならびに合成音声の該未来データから構成されるグループの選択された１つでフィルタされた現在のサブフレームのピッチポストフィルタされたものである出力信号を発生する発生手段を具備する合成された音声のピッチポストフィルタリングするためのピッチポストフィルタであって、該発生手段が、前記遅れインデックスにおいて始まる、前記合成音声のサブフレーム長の先行ウインドを前記サブフレームに一致させる第一の一致手段と、前記サブフレームと前記先行ウインドの重み付けされたものとの差が所定のしきい値以下であるときだけ、前記一致させられた先行ウインドを受け入れるための第一の比較手段と、もし十分な未来の合成された音声があるならば、前記進みインデックスにおいて始まる、前記合成音声のサブフレーム長の未来ウインドを前記サブフレームに一致させる第二の一致手段と、前記サブフレームと前記未来ウインドの重み付けされたものとの差が所定のしきい値以下であるときだけ、前記一致させられた未来ウインドを受け入れるための第二の比較手段と、前記先行および未来ウインドならびに前記未来ウインドから構成されるグループの選択された一つで前記サブフレームをポストフィルタリングすることによって前記出力信号を生成するフィルタリング手段と、を具備する合成された音声のピッチポストフィルタリングするためのピッチポストフィルタ。
【００４８】６．前記第一および第二の一致手段が、先行および未来ウインドのそれぞれに対し先行および未来利得を決定する利得決定手段である態様５に記載のフィルタ。
【００４９】７．前記フィルタリング手段が、前記サブフレーム、前記先行利得によって重み付けされた合成された音声の前記先行ウインドおよび先行荷重、ならびに前記未来利得によって重み付けされた合成された音声の前記未来ウインドおよび未来荷重の和である信号を決定する手段である態様６に記載のフィルタ。
【００５０】８．前記先行および未来荷重が前記第一および第二の比較手段の出力に依存するものである態様７に記載のフィルタ。

【出願人】	【識別番号】５０１３６４６９０【氏名又は名称】オーディオコーズリミティド
【出願日】	平成７年４月２７日（１９９５．４．２７）
【代理人】	【識別番号】１０００７７５１７【弁理士】【氏名又は名称】石田敬（外２名）
【公開番号】	特開２００２－１８２６９７（Ｐ２００２－１８２６９７Ａ）
【公開日】	平成１４年６月２６日（２００２．６．２６）
【出願番号】	特願２００１－３１９６８０（Ｐ２００１－３１９６８０）