文献

J-GLOBAL ID：201002298592330425   整理番号：10A0925897

局所変化率変換と時間軸変換に基づく有声音声の正弦波モデル

著者 (2件)： 伊藤仁 (東北工大) ,  伊藤彰則 (東北大 大学院工学研究科)
資料名： 電子情報通信学会論文誌 D  (IEICE Transactions on Information and Systems (Japanese Edition))
巻： J93-D  号： 9  ページ： 1745-1754  発行年： 2010年09月01日 
JST資料番号： S0757C  ISSN： 1880-4535  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 音声信号を振幅と周波数が時間変化する正弦波成分の和として近似する正弦波モデルでは,非定常部でのパラメータ推定精度が問題となる。本論文では,音声信号の時間軸を第1調波成分の位相軸に置き換える時間軸変換と,正弦波成分の振幅と周波数の非定常性を単純な時変関数で近似する局所変化率変換に基づく正弦波パラメータ推定法を提案する。成人男女75名が発話した900個の単語音声を用いた性能評価実験により,提案法の推定精度を二つの既存手法と比較した。各手法の推定精度は,パラメータから再合成した信号に基づいて入力対残差パワー比(S/R)として定量化した。提案法の平均S/Rは28.4dBで,時間軸変換を行わずパワースペクトルの局所ピークを用いるPeak-picking法(14.4dB)や,正弦波成分の振幅の非定常性を考慮しないIF-attractor法(23.4dB)より高かった。この推定精度の差は,特に入力音声の非定常性が高い場合に大きくなった。これらの結果から,非定常部を含む有声音声の正弦波パラメータの高精度推定において,時間軸変換と局所変化率変換を統合した提案法の有効性が確認された。(著者抄録)

シソーラス用語： *音声分析 ,  *モデル ,  *正弦波 ,  パラメータ推定 ,  音声信号 ,  信号 ,  発話
準シソーラス用語： *音声モデル ,  非定常信号

分類 (1件)： 音声処理  (JE05000E)

引用文献 (10件)：

• R. J. McAulay and T. F. Quatieri,“Speech analysis/synthesis based on a sinusoidal representation,” IEEE Trans. Acoust. Speech Signal Process., vol.ASSP-34, no.4, pp. 744-754, 1986.
• T. F. Quatieri and R. J. McAulay,“Speech transformations based on a sinusoidal representation,” IEEE Trans. Acoust. Speech Signal Process., vol.ASSP-34, no.6, pp. 1449-1464, 1986.
• T. F. Quatieri and R. J. McAulay,“Shape invariant time-scale and pitch modification of speech,” IEEE Trans. Signal Process., vol.40, no.3, pp. 497-510, 1992.
• J. S. Marques and L. B. Almeida,“Frequency-varying sinusoidal modeling of speech,” IEEE Trans. Acoust. Speech Signal Process., vol.37, no.5, pp. 763-765, 1989.
• E. B. George and M. J. T. Smith,“Speech analysis/synthesis and modification using an analysis-by-synthesis/overlap-add sinusoidal model,” IEEE Trans. Speech Audio Process., vol.5, no.5, pp. 389-406, 1997.

タイトルに関連する用語 (5件)： 変化率 ,  時間軸 ,  有声音 ,  正弦波 ,  モデル