專利名稱：音調(diào)頻率估計裝置以及音調(diào)頻率估計方法
技術(shù)領(lǐng)域：
本發(fā)明涉及音調(diào)頻率估計裝置以及音調(diào)頻率估計方法，特別涉及在頻域進(jìn)行音調(diào)頻率估計的音調(diào)頻率估計裝置以及音調(diào)頻率估計方法。
背景技術(shù)：
一般來講，作為在時域或頻域估計語音的音調(diào)頻率的方法，有為眾所知的自相關(guān)法和修正的相關(guān)法(modified correlation)等，所述自相關(guān)法是根據(jù)語音波形的自相關(guān)函數(shù)的方法，而所述修正的相關(guān)法是根據(jù)LPC(LinearPredictive Coding，線性預(yù)測編碼)分析的殘差信號的自相關(guān)函數(shù)的方法。
另外，在頻域進(jìn)行噪聲抑制和語音編碼等語音處理的情況下，有時通過在頻域估計音調(diào)頻率，匹配性(consistency)會得到改善。作為在頻域的音調(diào)頻率估計方法，有通過對頻譜的自相關(guān)函數(shù)最大化來計算音調(diào)頻率的方法，其一般式如下式(1)所示。該式中，將使自相關(guān)函數(shù)R(i)最大的音調(diào)頻率候補(bǔ)(candidate)i作為估計音調(diào)頻率。
式1R(i)=ΣkP(k)·P(k+i)pMIN≤i≤pMAX...(1)]]>其中，k為離散頻率分量，P(k)為音調(diào)諧波頻譜的功率，PMIN和PMAX分別為音調(diào)頻率候補(bǔ)i的最小值和最大值。
可是，頻域中的使用自相關(guān)函數(shù)的音調(diào)頻率估計方法，由于語音信號的共振峰(formant)的影響，有時會錯誤地計算音調(diào)頻率的倍數(shù)(倍音調(diào)頻率誤差)。
作為降低共振峰的影響而進(jìn)行音調(diào)頻率估計的以往的方法，有例如非專利文獻(xiàn)1所公開的方法。該方法中，所用的頻譜為使用頻譜包絡(luò)的信息對頻譜進(jìn)行平滑之后的頻譜。
非專利文獻(xiàn)1″A spectral autocorrelation method for measurement of thefundamental frequency of noise-corrupted speech″，M.Lahat，IEEE Trans.onAcoustics，Speech，and Signal Processing，vol.ASSP-35，no.6，pp.741-750，1987發(fā)明內(nèi)容發(fā)明要解決的問題然而，由于上述以往的音調(diào)頻率估計方法中進(jìn)行頻譜的平滑處理，所以，存在音調(diào)頻率估計所需的運(yùn)算量會增加的問題。
本發(fā)明旨在提供一種音調(diào)頻率估計裝置以及音調(diào)頻率估計方法，能夠降低音調(diào)頻率估計所需的運(yùn)算量，并能準(zhǔn)確估計音調(diào)頻率。
解決問題的方案本發(fā)明的音調(diào)頻率估計裝置的結(jié)構(gòu)包括提取單元，用于從語音調(diào)譜中提取音調(diào)諧波頻譜；平均值計算單元，用于相對于多個音調(diào)頻率候補(bǔ)的每一個，計算所述音調(diào)諧波頻譜的功率的平均值；以及估計單元，用于使用所述平均值估計音調(diào)頻率。
本發(fā)明的音調(diào)頻率估計方法包括提取步驟，用于從語音調(diào)譜中提取音調(diào)諧波頻譜；平均值計算步驟，用于相對于多個音調(diào)頻率候補(bǔ)的每一個，計算所述音調(diào)諧波頻譜的功率的平均值；以及估計步驟，用于使用所述平均值估計音調(diào)頻率。
本發(fā)明的音調(diào)頻率估計程序使計算機(jī)實現(xiàn)提取步驟，用于從語音調(diào)譜中提取音調(diào)諧波頻譜；平均值計算步驟，用于相對于多個音調(diào)頻率候補(bǔ)的每一個，計算所述音調(diào)諧波頻譜的功率的平均值；以及估計步驟，用于使用所述平均值估計音調(diào)頻率。
發(fā)明效果根據(jù)本發(fā)明，能夠降低音調(diào)頻率估計所需的運(yùn)算量，并能準(zhǔn)確地估計音調(diào)頻率。


圖1是表示本發(fā)明的一個實施例所涉及的音調(diào)頻率估計裝置的結(jié)構(gòu)的方框圖；圖2A是表示在本發(fā)明的一個實施例中所提取的語音功率譜的例子的圖；圖2B是在本發(fā)明的一個實施例中，在將乘數(shù)設(shè)為某個值的條件下將平均值與總和值相乘的結(jié)果的圖；以及圖2C是在本發(fā)明的一個實施例中，在將乘數(shù)設(shè)為另外的值的條件下將平均值與總和值相乘的結(jié)果的圖。
具體實施例方式
以下，參照附圖詳細(xì)說明本發(fā)明的實施例。
圖1是表示本發(fā)明的一個實施例所涉及的音調(diào)頻率估計裝置的結(jié)構(gòu)的方框圖。音調(diào)頻率估計裝置100包括海寧窗(hann window)單元101、FFT(FastFourier Transform)單元102、有聲性判定單元103、頻譜提取單元104、頻譜振幅限制單元105、頻譜平均值計算單元106、頻譜加法單元107、乘冪運(yùn)算單元108、乘法單元109以及最大值提取單元110。
海寧窗單元101，對分割為規(guī)定時間單位的、即幀單位的輸入語音信號，進(jìn)行使用海寧窗口等的窗處理，并將結(jié)果輸出到FFT單元102。
FFT單元102，對由海寧窗單元101輸入的幀，也就是分割為幀單位的語音信號進(jìn)行FFT，將語音信號變換至頻域。由此得到語音功率譜。于是，幀單位的語音信號就成為具有規(guī)定頻帶的語音功率譜。將如此生成的語音功率譜，輸出到有聲性判定單元103、頻譜提取單元104和頻譜振幅限制單元105。
有聲性判定單元103判定來自FFT單元102的語音功率譜的有聲性，也就是判定原來的語音信號是有聲還是無聲。判定結(jié)果輸出到頻譜提取單元104。
在由有聲性判定單元103判定為語音功率譜沒有有聲性時，頻譜提取單元104不進(jìn)行音調(diào)諧波頻譜的提取。由此能夠降低頻譜提取單元104的運(yùn)算量，進(jìn)而能夠降低音調(diào)頻率估計裝置100整體的運(yùn)算量。
相對于此，在判定為語音功率譜有有聲性時，頻譜提取單元104進(jìn)行音調(diào)諧波頻譜的提取。更具體來講，通過提取語音功率譜中的峰值，進(jìn)行音調(diào)諧波頻譜的提取。
另外，由頻譜振幅限制單元105進(jìn)行語音功率譜的振幅限制時，頻譜提取單元104將該振幅限制的結(jié)果反映到所提取的音調(diào)諧波頻譜，由此限制音調(diào)諧波頻譜的振幅。這樣，能夠降低共振峰對音調(diào)頻率估計的精確度的影響。音調(diào)諧波頻譜輸出到頻譜平均值計算單元106和頻譜加法單元107。
頻譜振幅限制單元105對由FFT單元102得到的語音功率譜的振幅進(jìn)行限制，以使其不超過規(guī)定的閾值。語音功率譜的振幅限制的結(jié)果輸出到頻譜提取單元104。
頻譜平均值計算單元106，相對于多個音調(diào)頻率候補(bǔ)的每一個，計算來自頻譜提取單元104的音調(diào)諧波頻譜的功率平均值。也就是說，在音調(diào)諧波頻譜中，一邊將音調(diào)頻率候補(bǔ)從規(guī)定的最小值漸漸移動到規(guī)定的最大值，一邊對相當(dāng)于音調(diào)頻率候補(bǔ)的整數(shù)倍的頻率分量的功率，進(jìn)行平均值計算。計算出的平均值輸出到乘法單元109。
另外，頻譜平均值計算單元106在計算平均值時，將與功率的最大值相對應(yīng)的頻率分量，作為在平均值計算的對象頻帶中的基準(zhǔn)頻率。
具體來講，使用從基準(zhǔn)頻率減去相當(dāng)于音調(diào)頻率候補(bǔ)的整數(shù)倍的頻率而得到的頻率處的功率，以及，對基準(zhǔn)頻率加上相當(dāng)于音調(diào)頻率候補(bǔ)的整數(shù)倍的頻率而得到的頻率處的功率，計算平均值。由此，能夠降低因語音的準(zhǔn)周期特性和噪聲的影響以及音調(diào)頻率估計誤差而產(chǎn)生的音調(diào)諧波中的誤差累積，能夠進(jìn)行更準(zhǔn)確的音調(diào)頻率的估計。
另外，音調(diào)諧波頻譜的功率平均值為將后述的音調(diào)諧波頻譜的功率的總和值除以特定的值而得到的值。因此，頻譜平均值計算單元106也可以得到由頻譜加法單元107計算的總和值，并使用該總和值進(jìn)行平均值的計算。
頻譜加法單元107，相對于多個音調(diào)頻率候補(bǔ)的每一個，計算來自頻譜提取單元104的音調(diào)諧波頻譜的功率的總和值。也就是說，在音調(diào)諧波頻譜中，一邊將音調(diào)頻率候補(bǔ)從規(guī)定的最小值漸漸移動到規(guī)定的最大值，一邊對相當(dāng)于音調(diào)頻率候補(bǔ)的整數(shù)倍的頻率分量的功率進(jìn)行相加。接著，將通過功率相加獲得的總和值輸出到乘冪運(yùn)算單元108。
另外，頻譜加法單元107在進(jìn)行功率的相加時，將與功率的最大值相對應(yīng)的頻率分量，作為在總和值計算的對象頻帶中的基準(zhǔn)頻率。
具體來講，使用從基準(zhǔn)頻率減去相當(dāng)于音調(diào)頻率候補(bǔ)的整數(shù)倍的頻率而得到的頻率處的功率，以及，對基準(zhǔn)頻率加上相當(dāng)于音調(diào)頻率候補(bǔ)的整數(shù)倍的頻率而得到的頻率處的功率，計算總和值。由此，能夠降低因語音的準(zhǔn)周期特性和噪聲的影響以及音調(diào)頻率估計誤差而產(chǎn)生的音調(diào)諧波中的誤差累積，能夠更準(zhǔn)確地進(jìn)行音調(diào)頻率的估計。
乘冪運(yùn)算單元108，對由頻譜加法單元107計算出的總和值進(jìn)行乘冪值的計算。計算出的乘冪值輸出到乘法單元109。此外，乘冪運(yùn)算單元108將用于乘冪運(yùn)算的乘數(shù)設(shè)為變量。對于乘數(shù)的變量設(shè)置即乘數(shù)的調(diào)整，將在后面敘述。
乘法單元109和最大值提取單元110的組合構(gòu)成估計單元，該估計單元使用與多個音調(diào)頻率候補(bǔ)的每一個相對應(yīng)地計算出的平均值估計音調(diào)頻率。
估計單元中，乘法單元109，相對于多個音調(diào)頻率候補(bǔ)的每一個，將音調(diào)諧波頻譜的功率平均值和音調(diào)諧波頻譜的功率的總和值進(jìn)行乘法運(yùn)算。更具體來講，將平均值乘以總和值的乘冪運(yùn)算結(jié)果。將乘法結(jié)果輸出到最大值提取單元110。
最大值提取單元110提取由乘法單元109計算出的乘法結(jié)果的最大值。此外，在從預(yù)定的最小值到預(yù)定的最大值的多個音調(diào)頻率候補(bǔ)中，將乘法結(jié)果為最大時的音調(diào)頻率候補(bǔ)確定為所估計的音調(diào)頻率，并輸出到未圖示的后級的處理單元。
接下來，對具有上述結(jié)構(gòu)的音調(diào)頻率估計裝置100中的音調(diào)頻率估計動作進(jìn)行說明。
首先，通過FFT單元102，獲得由下式(2)表示的語音功率譜SF2(k)。其中，k代表離散頻率分量。HF為用于音調(diào)頻率估計的上限頻率分量，例如HF＝1[kHz]。Re{DF(k)}和Im{DF(k)}分別代表經(jīng)FFT變換后的輸入語音頻譜DF(k)的實部和虛部。
式2SF2(k)=Re{DF(k)}2+Im{DF(k)}20≤k≤HF...(2)]]>另外，雖然在式(2)中使用了頻譜的功率值，也可以使用求取了平方根的頻譜振幅值代替功率值。
另外，有聲性判定單元103判定語音功率譜SF2(k)的有聲性。
更具體來講，第一，使用下式(3)和(4)，分別計算幀m的語音功率譜SF2(k)的總和值S2(m)，以及估計噪聲頻譜功率的移動平均值N2(m)。其中，α為移動平均系數(shù)，而ΘN為用于判定是語音還是噪聲的閾值。
式3S2(m)=Σk=1HFSF2(k)...(3)]]>式4N2(m)=N2(m-1)S2(m)>ΘN·N2(m-1)(1-α)·N2(m-1)+α·S2(m)S2(m)≤ΘN·N2(m-1)...(4)]]>
然后，第二，使用式(5)計算語音和噪聲的比率SNR，并根據(jù)該計算結(jié)果進(jìn)行有聲性的判定。例如，如式(6)所示，比率SNR大于閾值ΘN時判定為有有聲性，而比率SNR為閾值ΘN以下時判定為沒有有聲性。此外，在此以判定為有有聲性的情況為例，進(jìn)行音調(diào)頻率估計動作的說明。
式5SNR＝(S2(m)-N2(m))/N2(m) ...(5)式6
然后，頻譜提取單元104，使用式(7)提取語音功率譜SF2(k)的峰值，由此提取音調(diào)諧波頻譜PF(k)。
式7
此時，考慮因語音的準(zhǔn)周期特性和噪聲的影響而產(chǎn)生的音調(diào)諧波頻譜的位置偏差(displacement)，將位于所提取的峰值附近的語音功率譜SF2(k-1)和SF2(k+1)，作為音調(diào)諧波頻譜PF(k-1)和PF(k+1)一并提取，并將在其它頻率分量上的語音功率譜看作0。
另外，當(dāng)由頻譜振幅限制單元105對語音功率譜進(jìn)行振幅限制時，頻譜提取單元104將該振幅限制的結(jié)果反映到音調(diào)諧波頻譜PF(k)，由此限制音調(diào)諧波頻譜PF(k)的振幅。
也就是說，將所提取的音調(diào)諧波頻譜PF(k)與預(yù)定值比較。預(yù)定值為在頻帶HF上的語音功率譜SF2(k)的平均值和乘法系數(shù)δ的乘積，由式(8)得到。然后，當(dāng)音調(diào)諧波頻譜PF(k)超過預(yù)定值時，使用式(9)將音調(diào)諧波頻譜PF(k)的振幅乘以衰減系數(shù)，由此限制音調(diào)諧波頻譜PF(k)的振幅。衰減系數(shù)由式(10)得到。
式8SF2‾=Σk=1HFSF2(k)/HF...(8)]]>式9PF(k)⇐γ·PF(k)PF(k)>δ·SF2‾...(9)]]>式10γ=δ·SF2‾/PF(k)...(10)]]>
另外，對所提取的音調(diào)諧波頻譜PF(k-1)和PF(k+1)，同樣使用式(11)和式(12)進(jìn)行振幅的限制。
式11PF(k-1)⇐γ·PF(k-1)...(11)]]>式12PF(k+1)⇐γ·PF(k+1)...(12)]]>然后，由頻譜平均值計算單元106，使用式(13)計算音調(diào)諧波頻譜PF(k)的功率的平均值PA(i)。
式13PA(i)=1N(i)(Σn=1NL(i)PF(j-i·n)+Σn=1NH(i)PF(j+i·n))pMIN≤i≤pMAX...(13)]]>其中，N(i)＝NF/i、NL(i)＝j(luò)/i且NH(i)＝(HF-j)/i。此外，i為音調(diào)頻率候補(bǔ)，PMIN和PMAX分別為音調(diào)頻率候補(bǔ)的最小值和最大值。此外，j為與頻帶HF中的語音功率譜SF2(k)的最大值相對應(yīng)的頻率分量，n為音調(diào)頻率的整數(shù)倍的系數(shù)。
然后，由頻譜加法單元107，使用式(14)計算音調(diào)諧波頻譜PF(k)的功率的總和值PB(i)。
式14PB(i)=Σn=1NL(i)PF(j-i·n)+Σn=1NH(i)PF(j+i·n)pMIN≤i≤pMAX...(14)]]>在此，比較式(13)和式(14)可知，平均值PA(i)與總和值PB(i)之間存在式(15)所示的關(guān)系。因此，由頻譜加法單元107使用式(14)計算總和值PB(i)之后，再由頻譜平均值計算單元106使用式(15)代替式(13)來計算平均值PA(i)時，能夠進(jìn)一步降低音調(diào)頻率估計中的運(yùn)算量。
式15PA(i)=1N(i)PB(i)...(15)]]>然后，由乘冪運(yùn)算單元108，例如使用式(16)計算總和值PB(i)的乘冪。
式16PC(i)＝(PB(i))β...(16)然后，由乘法單元109，使用式(17)將乘冪運(yùn)算結(jié)果PC(i)乘以平均值PA(i)。
式17

PD(i)=PA(i)·PC(i)=1N(i)(PB(i))β+1...(17)]]>然后，由最大值提取單元110，提取乘法結(jié)果PD(i)的最大值PD_max，并將此時的音調(diào)頻率候補(bǔ)p確定為所估計的音調(diào)頻率。這樣進(jìn)行音調(diào)頻率估計操作。
接下來，對用于防止半音調(diào)頻率誤差及倍音調(diào)頻率誤差的條件(以下稱為“防止條件”)進(jìn)行說明。在此以如下兩個情形為例進(jìn)行說明僅使用音調(diào)諧波頻譜的功率的平均值進(jìn)行音調(diào)頻率估計的情形(以下稱為“第一種情形”)；以及使用音調(diào)諧波頻譜的功率的平均值與總和值進(jìn)行音調(diào)頻率估計的情形(以下稱為“第二種情形”)。
首先，定量求取第一種情形中的防止條件。
使用式(18)表示對于正確估計出的音調(diào)頻率p的平均值PA(p)，則由式(19)得到相對半音調(diào)頻率p/2的平均值PA(p/2)。
式18PA(p)=1N(p)PB(p)...(18)]]>式19PA(p/2)=12N(p)PB(p/2)=12N(p)(PB(p)+x·PB(p))=12N(p)(1+x)·PB(p)...(19)]]>其中，x為表示估計半音調(diào)頻率p/2時的、相對音調(diào)頻率p的總和值PB(p)的增加倍率的系數(shù)。在僅由平均值PA的最大化估計音調(diào)頻率的情況下，比較式(18)和式(19)可知，在滿足條件PA(p)＞PA(p/2)也就是x＜1時，能夠防止半音調(diào)頻率差錯的發(fā)生。也就是說，當(dāng)總和值PB的增加量不足PB(p)時，能夠防止半音調(diào)頻率差錯的發(fā)生。
另外，由式(20)得到對倍音調(diào)頻率2p的平均值PA(2p)。
式20PA(2p)=1N(p)/2PB(2p)=1N(p)/2(PB(p)-y·PB(p))=1N(p)/2(1-y)·PB(p)...(20)]]>其中，y為表示估計倍音調(diào)頻率2p時的、對于音調(diào)頻率p的總和值PB(p)的減小倍率的系數(shù)。僅由平均值PA的最大化估計音調(diào)頻率的情況下，比較式(18)和式(20)可知，在滿足條件PA(p)＞PA(2p)也就是y＞0.5時，能夠防止倍音調(diào)頻率差錯的發(fā)生。也就是說，總和值PB的減少量大于0.5PB(p)時，能夠防止倍音調(diào)頻率差錯的發(fā)生。
接下來，定量求取第二種情形中的防止條件。
對半音調(diào)頻率p/2和倍音調(diào)頻率2p分別求取上述式(17)所示的乘法結(jié)果PD(i)，則如式(21)和式(22)所示。
式21PD(p/2)=12N(p)(PB(p/2))β+1=12N(p)(PB(p)+x·PB(p))β+1=22N(p)(1+x)β+1·(PB(p))β+1...(21)]]>式22PD(2p)=1N(p)/2(PB(2p))β+1=1N(p)/2(PB(p)-y·PB(p))β+1=1N(p)/2(1-y)β+1·(PB(p))β+1...(22)]]>通過上述式(17)所示的乘法結(jié)果PD(i)的最大化估計音調(diào)頻率時，在滿足條件PD(p)＞PD(p/2)時，能夠防止半音調(diào)頻率差錯的發(fā)生。此外，在滿足條件PD(p)＞PD(2p)時，能夠防止倍音調(diào)頻率差錯的發(fā)生。
在此，圖2A中表示由頻譜提取單元104提取的語音功率譜SF2(k)的例子。該例子中，假設(shè)由P2、P4、P5和P6表示的峰值構(gòu)成音調(diào)諧波頻譜。
另外，圖2B中表示，在將總和值PB(i)的乘冪的乘數(shù)設(shè)為1的條件下，平均值PA(i)與總和值PB(i)的相乘結(jié)果的例子，而圖2C中表示，在將總和值PB(i)的乘冪的乘數(shù)設(shè)為3的條件下，平均值PA(i)與總和值PB(i)的相乘結(jié)果的例子。
然后，使用式(21)變換半音調(diào)頻率差錯的防止條件PD(p)＞PD(p/2)的話，乘數(shù)為1時則x＜0.414，而乘數(shù)則為3時x＜0.189。此外，使用式(22)變換倍音調(diào)頻率差錯的防止條件PD(p)＞PD(2p)的話，乘數(shù)為1時y＞0.293，而乘數(shù)為3時y＞0.159。也就是說，在乘數(shù)為1的情況下總和值PB的增加量不足0.414PB(p)時，或者在乘數(shù)為3的情況下總和值PB的增加量不足0.189PB(p)時，能夠防止半音調(diào)頻率差錯的發(fā)生。而且，在乘數(shù)為1的情況下總和值PB的減小量大于0.293PB(p)時，或者在乘數(shù)為3的情況下總和值PB的減小量大于0.159PB(p)時，能夠防止倍音調(diào)頻率差錯的發(fā)生。
進(jìn)一步比較第一種情形中的防止條件和第二種情形中的防止條件。作為該比較的結(jié)果，可知對于倍音調(diào)頻率差錯的防止條件，第一種情形嚴(yán)于第二種情形。也就是說，發(fā)生倍音調(diào)頻率差錯的主要原因為因共振峰而產(chǎn)生的音調(diào)諧波頻譜振幅值的變動，而關(guān)于由該變動不再滿足倍音調(diào)頻率差錯的防止條件的概率，第二種情形低于第一種情形。因此，通過使用音調(diào)諧波頻譜的功率的平均值與總和值進(jìn)行音調(diào)頻率估計，能夠降低共振峰的影響，從而能夠提高音調(diào)頻率估計的精確度。
再者，通過調(diào)整乘冪的乘數(shù)，能夠自由地調(diào)整半音調(diào)頻率差錯的發(fā)生概率或倍音調(diào)頻率差錯的發(fā)生概率。例如，如上所述，與乘數(shù)為1時相比，乘數(shù)為3時雖然更容易發(fā)生半音調(diào)頻率差錯，但更不容易發(fā)生倍音調(diào)頻率差錯。反過來說，與乘數(shù)為3時相比，乘數(shù)為1時雖然更容易發(fā)生倍音調(diào)頻率差錯，但更不容易發(fā)生半音調(diào)頻率差錯。因此，在實際情況下，通過根據(jù)語音或噪聲的狀態(tài)選擇乘數(shù)，能夠更正確地估計音調(diào)頻率。例如，在噪聲較多的環(huán)境下進(jìn)行音調(diào)頻率估計時，通過將乘數(shù)設(shè)為相對較小的值，能夠降低半音調(diào)頻率差錯的發(fā)生概率。相對于此，通過將乘數(shù)設(shè)定為相對較大的值，能夠降低因共振峰的影響而產(chǎn)生的倍音調(diào)頻率差錯的發(fā)生。
在此，通過在相同的條件下且使用相同的音調(diào)諧波頻譜進(jìn)行仿真，分別計算基于式(1)所示的自相關(guān)法的音調(diào)頻率估計和本實施例所涉及的音調(diào)頻率估計的估計差錯率。仿真的諸條件如下。海寧窗長度為320、FFT變換長度為512、移動平均系數(shù)α為0.02、閾值ΘV為2、乘法系數(shù)δ為6、音調(diào)頻率候補(bǔ)的最小值PMIN為62.5Hz、而音調(diào)頻率候補(bǔ)的最大值PMAX為390Hz。此外，設(shè)乘數(shù)β為3。以下為計算出的估計差錯率的表格。從該表格可知，通過選擇適當(dāng)?shù)某藬?shù)，與基于自相關(guān)法的估計相比，本實施例所涉及的音調(diào)頻率估計能夠降低估計差錯率。
表1


如上所述，根據(jù)本實施例，由于使用與多個音調(diào)頻率候補(bǔ)的每一個相對應(yīng)地計算出的、音調(diào)諧波頻譜的功率的平均值估計音調(diào)頻率，也就是不使用頻率頻譜上的自相關(guān)而進(jìn)行音調(diào)頻率的估計，所以，不需要用于降低共振峰的影響的頻譜平滑處理，而且，例如在滿足有關(guān)音調(diào)諧波頻譜的功率的預(yù)定的定量條件時，能夠防止半音調(diào)頻率差錯和倍音調(diào)頻率差錯的發(fā)生，由此能夠降低音調(diào)頻率估計所需的運(yùn)算量并能夠準(zhǔn)確估計音調(diào)頻率。
另外，根據(jù)本實施例，通過將音調(diào)諧波頻譜的功率的平均值與總和值相乘，所述平均值與總和值相對于多個音調(diào)頻率候補(bǔ)的每一個計算，并將與乘法結(jié)果的最大值相對應(yīng)的音調(diào)頻率候補(bǔ)確定為估計音調(diào)頻率。也就是將平均值與總和值的乘法值作為函數(shù)進(jìn)行音調(diào)頻率的估計，所以，無需進(jìn)行頻譜平滑處理即能夠降低共振峰的影響，從而能夠提高音調(diào)頻率估計的精確度。
另外，本實施例的音調(diào)頻率估計裝置及音調(diào)頻率估計方法，可以適用于進(jìn)行語音編碼或語音增強(qiáng)等語音信號處理的語音信號處理裝置及語音信號處理方法。
另外，本發(fā)明可以采用各種各樣的實施例，而并不限于本實施例中說明的方式。例如，也可以將上述音調(diào)頻率估計方法作為軟件，讓計算機(jī)執(zhí)行。也就是說，通過將執(zhí)行上述實施例中所說明的音調(diào)頻率估計方法的程序預(yù)先記錄在例如ROM(Read Only Memory)等記錄介質(zhì)，而使CPU(Central ProcessorUnit)操作該程序，能夠執(zhí)行本發(fā)明的音調(diào)頻率估計方法。
另外，用于上述各實施例的說明中的各功能模塊，典型的由集成電路LSI來實現(xiàn)。這些模塊既可以分別作成一個芯片，也可以在一個芯片上包括其中一部分或者全部。
雖然每個功能塊在此作為LSI描述，但根據(jù)集成度的不同也可以稱為IC、系統(tǒng)LSI、超LSI以及極大LSI。
另外，集成電路的技術(shù)并不限于LSI，也可以使用專用電路或通用處理器來實現(xiàn)。制造LSI后，也可以利用LSI制造后能夠編程的FPGA(FieldProgrammable Gate Array，現(xiàn)場可編程門陣列)，或利用可以將LSI內(nèi)部的電路塊連接或設(shè)置重新配置的可重配置處理器(Reconfigurable Processor)。
而且，如果隨著半導(dǎo)體技術(shù)或者衍生的其他技術(shù)的的進(jìn)步，出現(xiàn)了替換LSI的集成電路技術(shù)，當(dāng)然，也可以利用該技術(shù)來實現(xiàn)功能模塊的集成。也有應(yīng)用生物工程學(xué)技術(shù)等的可能性。
本說明書根據(jù)2004年7月13日提交的日本專利特愿2004-206387號。其內(nèi)容全部包括在此作為參考。
工業(yè)實用性本發(fā)明的音調(diào)頻率估計裝置及音調(diào)頻率估計方法，可以適用于進(jìn)行語音編碼或語音增強(qiáng)等語音信號處理的裝置及方法。
權(quán)利要求
1.一種音調(diào)頻率估計裝置，包括提取單元，用于從語音調(diào)譜中提取音調(diào)諧波頻譜；平均值計算單元，用于相對于多個音調(diào)頻率候補(bǔ)的每一個，計算所述音調(diào)諧波頻譜的功率的平均值；以及估計單元，用于使用所述平均值估計音調(diào)頻率。
2.如權(quán)利要求1所述的音調(diào)頻率估計裝置，還包括總和值計算單元，用于相對于所述多個音調(diào)頻率候補(bǔ)的每一個，計算所述音調(diào)諧波頻譜的功率的總和值；其中，所述估計單元，使用所述總和值估計音調(diào)頻率。
3.如權(quán)利要求2所述的音調(diào)頻率估計裝置，其中，所述估計單元還包括乘法單元，用于相對于所述多個音調(diào)頻率候補(bǔ)的每一個，將所述平均值與所述總和值相乘；以及確定單元，用于在所述多個音調(diào)頻率候補(bǔ)中，將與所述乘法單元的乘法結(jié)果的最大值相對應(yīng)的音調(diào)頻率候補(bǔ)確定為所估計的音調(diào)頻率。
4.如權(quán)利要求2所述的音調(diào)頻率估計裝置，其中，所述平均值計算單元，使用與所述語音調(diào)譜中的功率的最大值相對應(yīng)的頻率分量作為基準(zhǔn)頻率，而計算所述平均值。
5.如權(quán)利要求2所述的音調(diào)頻率估計裝置，其中，所述總和值計算單元，使用與所述語音調(diào)譜中的功率的最大值相對應(yīng)的頻率分量作為基準(zhǔn)頻率，而計算所述總和值。
6.如權(quán)利要求3所述的音調(diào)頻率估計裝置，還包括乘冪運(yùn)算單元，用于計算所述總和值的乘冪；其中，所述乘法單元將由所述乘冪運(yùn)算單元的計算結(jié)果與所述平均值相乘；所述乘冪運(yùn)算單元將用于所述乘冪運(yùn)算的乘數(shù)設(shè)為變量。
7.如權(quán)利要求2所述的音調(diào)頻率估計裝置，其中，所述平均值計算單元使用所述總和值計算所述平均值。
8.如權(quán)利要求2所述的音調(diào)頻率估計裝置，還包括振幅限制單元，用于限制所述音調(diào)諧波頻譜的振幅。
9.如權(quán)利要求2所述的音調(diào)頻率估計裝置，還包括判定單元，用于判定所述語音調(diào)譜的有聲性；其中，所述提取單元，在根據(jù)所述判定單元的判定結(jié)果，所述語音調(diào)譜的有聲性為預(yù)定水平以下時，不進(jìn)行所述音調(diào)諧波頻譜的提取。
10.一種音調(diào)頻率估計方法，包括提取步驟，用于從語音調(diào)譜中提取音調(diào)諧波頻譜；平均值計算步驟，用于相對于多個音調(diào)頻率候補(bǔ)的每一個，計算所述音調(diào)諧波頻譜的功率的平均值；以及估計步驟，用于使用所述平均值估計音調(diào)頻率。
11.一種音調(diào)頻率估計程序，用于使計算機(jī)實現(xiàn)提取步驟，用于從語音調(diào)譜中提取音調(diào)諧波頻譜；平均值計算步驟，用于相對于多個音調(diào)頻率候補(bǔ)的每一個，計算所述音調(diào)諧波頻譜的功率的平均值；以及估計步驟，用于使用所述平均值估計音調(diào)頻率。
全文摘要
提供一種音調(diào)頻率估計裝置，其能夠降低音調(diào)頻率估計所需的運(yùn)算量，并能準(zhǔn)確地估計音調(diào)頻率。在該裝置中，頻譜提取單元(104)從語音調(diào)譜中提取音調(diào)諧波頻譜。頻譜平均值計算單元(106)，與多個音調(diào)頻率候補(bǔ)的每一個分別相對應(yīng)地計算由頻譜提取單元(104)提取的音調(diào)諧波頻譜的功率平均值。估計單元使用由頻譜平均值計算單元(106)計算出的平均值估計音調(diào)頻率。
文檔編號G10L25/90GK1998045SQ200580023748
公開日2007年7月11日 申請日期2005年6月23日 優(yōu)先權(quán)日2004年7月13日
發(fā)明者王幼華, 吉田幸司 申請人:松下電器產(chǎn)業(yè)株式會社