図面 (/)

技術 予測パラメータ分析装置および予測パラメータ分析方法

出願人 株式会社東芝
発明者 三関公生
出願日 2001年5月18日 (19年1ヶ月経過) 出願番号 2001-149564
公開日 2002年11月29日 (17年7ヶ月経過) 公開番号 2002-341889
状態 特許登録済
技術分野 音声の分析・合成 圧縮、伸長・符号変換及びデコーダ 伝送媒体によって特徴づけられない伝送方式
主要キーワード 東海大 周期部分 高域通過型フィルタ 自己相関計算 前処理済み コサイン関数 自己相関係数 スペクトルパラメータ
関連する未来課題
重要な関連分野

この項目の情報は公開日時点(2002年11月29日)のものです。
また、この項目は機械的に抽出しているため、正しく解析できていない場合があります

図面 (10)

課題

本発明は、不要成分の混入を最小限に抑えることのできる、分析能力の高い予測パラメータ分析装置および方法を提供することを目的とする。

解決手段

入力信号自己相関係数を基に予測パラメータを求める予測パラメータ算出部15を備える予測パラメータ分析装置において、入力信号または入力信号に由来する信号に窓をかけて短時間入力信号x(n)を求める窓掛け手段11と、窓掛けにより生じる不要成分を前記短時間入力信号x(n)から取り除くことにより修正短時間入力信号y(n)を出力する不要成分除去部13と、修正短時間入力信号y(n)を基に自己相関係数を求める自己相関算出部14とが設けられる。

概要

背景

信号のスペクトル概形を表すために用いるスペクトルパラメータとして、音声符号化音声合成オーディオ符号化の分野ではLPパラメータ線形予測パラメータ)が広く用いられている。ここでは、音声符号化で行われるLPパラメータの分析(LP分析)を予測パラメータ分析の例として説明する。

従来による予測パラメータの分析は以下のようにして行われる。

まず、前処理により予測パラメータの分析に悪影響を及ぼす不要な低域周波数成分入力信号から取り除く。この処理は典型的にはカットオフ周波数が50−100Hz前後の高域通過フィルタを用いて実現される。こうして不要成分が除かれた入力信号に対して所定の時間窓w(n)が掛けられ、分析に用いる短時間入力信号x(n)を生成する。時間窓は窓関数分析窓とも言われ、ハミング窓がよく知られている。ITU−T勧告の8kbit/s音声符号化G729(文献1「Design and Description of CS-ACELP:A Toll Quality 8kb/s Speech Coder」IEEE Trans. On Speech and Audio Processing, R. Salami他著,pp.116-130,Vo1.6, No.2, March 1998)に採用されている、ハミング窓の半分とコサイン関数の1/4周期部分を合わせたハイブリッド窓なども最近よく使われている。このように、目的に応じて種々の時間窓が使われる。

次に、短時間入力信号x(n)を用いて以下の計算式により自己相関係数Rxx(i)を求める。

概要

本発明は、不要成分の混入を最小限に抑えることのできる、分析能力の高い予測パラメータ分析装置および方法を提供することを目的とする。

入力信号の自己相関係数を基に予測パラメータを求める予測パラメータ算出部15を備える予測パラメータ分析装置において、入力信号または入力信号に由来する信号に窓をかけて短時間入力信号x(n)を求める窓掛け手段11と、窓掛けにより生じる不要成分を前記短時間入力信号x(n)から取り除くことにより修正短時間入力信号y(n)を出力する不要成分除去部13と、修正短時間入力信号y(n)を基に自己相関係数を求める自己相関算出部14とが設けられる。

目的

本発明は、不要成分の混入を最小限に抑えることのできる、分析能力の高い予測パラメータ分析装置および予測パラメータ方法を提供することを目的とする。

効果

実績

技術文献被引用数
0件
牽制数
2件

この技術が所属する分野

ライセンス契約や譲渡などの可能性がある特許掲載中! 開放特許随時追加・更新中 詳しくはこちら

請求項1

入力信号自己相関係数を基に予測パラメータを求める予測パラメータ算出手段を備える予測パラメータ分析装置において、入力信号または入力信号に由来する信号に窓をかけて短時間入力信号x(n)を求める窓掛け手段と、窓掛けにより生じる不要成分を前記短時間入力信号x(n)から取り除くことにより修正短時間入力信号y(n)を出力する成分除去手段と、前記修正短時間入力信号y(n)を基に自己相関係数を求める自己相関係数算出手段とを有することを特徴とする予測パラメータ分析装置。

請求項2

前記短時間入力信号x(n)に含まれる不要成分を推定する推定手段を有し、推定された不要成分に基づいて短時間入力信号x(n)から不要成分を取り除く成分除去手段を有することを特徴とする請求項1に記載の予測パラメータ分析装置。

請求項3

入力信号の自己相関係数を基に予測パラメータを求める予測パラメータ算出手段を備える予測パラメータ分析装置において、入力信号または入力信号に由来する信号に窓をかけて短時間入力信号x(n)を求める窓かけ手段と、窓掛けにより生じ、短時間入力信号x(n)に含まれる不要成分を推定する推定手段と、推定された不要成分と短時間入力信号x(n)を用いて自己相関係数を求める自己相関係数算出手段とを有することを特徴とする予測パラメータ分析装置。

請求項4

不要成分が直流成分であること特徴とする請求項1、2または3に記載の予測パラメータ分析装置。

請求項5

請求項1ないし4のいずれか1に記載の予測パラメータ分析装置を含む音声コーデックを含むベースバンド部と、前記音声コーデックで復号された音声信号を出力するスピーカを含む音声出力部とで構成される携帯電話

請求項6

入力信号の自己相関係数を基に予測パラメータを求める予測パラメータ分析方法において、入力信号または入力信号に由来する信号に窓をかけて短時間入力信号x(n)を生成し、窓掛けにより生じる不要成分を前記短時間入力信号x(n)から取り除くことにより修正短時間入力信号y(n)を生成し、前記修正短時間入力信号y(n)を基に自己相関係数を求めることを特徴とする予測パラメータ分析方法。

請求項7

短時間入力信号x(n)に含まれる不要成分を推定し、推定不要成分に基づいて短時間入力信号x(n)から不要成分を取り除くことを特徴とする請求項6に記載の予測パラメータ分析方法。

請求項8

入力信号の自己相関係数を基に予測パラメータを求める予測パラメータ分析方法において、入力信号または入力信号に由来する信号に窓をかけて短時間入力信号x(n)を生成し、短時間入力信号x(n)に含まれる不要成分を推定し、推定不要成分と短時間入力信号x(n)を用いて自己相関係数を求めることを特徴とする予測パラメータ分析方法。

請求項9

不要成分が直流成分であること特徴とする請求項6、7または8に記載の予測パラメータ分析方法。

請求項10

入力信号の自己相関関係を基に予測パラメータを求める予測パラメータ算出手段を備える予測パラメータ分析装置において、入力信号または入力信号に由来する信号から短時間入力信号を求める手段と、この短時間入力から直流成分または所定の周波数帯域成分を取り除く成分除去手段と、前記成分除去手段から得られる修正短時間入力信号を基に自己相関係数を求める自己相関係数算出手段とを有することを特徴とする予測パラメータ分析装置。

技術分野

0001

本発明は、入力信号から予測パラメータを求めるための予測パラメータ分析装置または予測パラメータ分析方法に関する。

背景技術

0002

信号のスペクトル概形を表すために用いるスペクトルパラメータとして、音声符号化音声合成オーディオ符号化の分野ではLPパラメータ線形予測パラメータ)が広く用いられている。ここでは、音声符号化で行われるLPパラメータの分析(LP分析)を予測パラメータ分析の例として説明する。

0003

従来による予測パラメータの分析は以下のようにして行われる。

0004

まず、前処理により予測パラメータの分析に悪影響を及ぼす不要な低域周波数成分を入力信号から取り除く。この処理は典型的にはカットオフ周波数が50−100Hz前後の高域通過フィルタを用いて実現される。こうして不要成分が除かれた入力信号に対して所定の時間窓w(n)が掛けられ、分析に用いる短時間入力信号x(n)を生成する。時間窓は窓関数分析窓とも言われ、ハミング窓がよく知られている。ITU−T勧告の8kbit/s音声符号化G729(文献1「Design and Description of CS-ACELP:A Toll Quality 8kb/s Speech Coder」IEEE Trans. On Speech and Audio Processing, R. Salami他著,pp.116-130,Vo1.6, No.2, March 1998)に採用されている、ハミング窓の半分とコサイン関数の1/4周期部分を合わせたハイブリッド窓なども最近よく使われている。このように、目的に応じて種々の時間窓が使われる。

0005

次に、短時間入力信号x(n)を用いて以下の計算式により自己相関係数Rxx(i)を求める。

0006

0007

ここでLは時間窓の長さを表す。自己相関係数は、単に自己相関と呼んだり、自己相関関数と呼んだりすることがあるが、本質的にどれも同じものを示している。

0008

次に、式(1)で求めた自己相関係数を用いるか、または、分析の安定化を図るためにこの自己相関係数に固定のラグ窓を掛けて固定の修正を行った自己相関係数を用いて予測パラメータを求めることが通常行われる。ラグ窓を用いた自己相関係数の修正については文献1を参照されたい。予測パラメータとしてLPパラメータを求める場合は、Levinson-Durbin algorithmやDurbinの再帰解法として知られている方法を用いることができる(詳しくは文献2「ディジタル音声処理」東海大出版会、古井貞煕氏著、pp.75参照)。

0009

このように、従来の予測パラメータ分析では、不要低域成分を除いた後の入力信号に時間窓をかけて得られる短時間入力信号x(n)の自己相関係数を算出している。ところが、図1波形例に示すように、入力信号(図1(a))から時間窓による切り出しによって得られた短時間入力信号x(n)(図1(b))には、不要な低域周波数成分(特に、図1(b)の破線でレベルを示した直流成分)が混入している。特に、短い時間窓を用いる予測分析の場合にこのような不要成分が大きくなる。こうした不要成分は低周波数帯域に偏る傾向があるため、予測パラメータの分析に影響を与え、予測パラメータが劣化して求まる問題がある。さらに、このような不要成分の混入の度合いは、窓によって切り出される入力信号の形状や位相に依存して変化する。このため、従来の予測パラメータ分析では定常な入力信号に対しても予測パラメータが安定して求めにくいという問題がある。

発明が解決しようとする課題

0010

従来の予測パラメータ分析では、入力信号に不要成分(特に直流成分)が加わるため、性能が劣化した予測パラメータが求まってしまうという問題がある。

0011

本発明は、不要成分の混入を最小限に抑えることのできる、分析能力の高い予測パラメータ分析装置および予測パラメータ方法を提供することを目的とする。

課題を解決するための手段

0012

本発明は、入力信号の自己相関係数を基に予測パラメータを求める予測パラメータ算出手段を備える予測パラメータ分析装置において、入力信号または入力信号に由来する信号に窓をかけて短時間入力信号x(n)を求める窓掛け手段と、窓掛けにより生じる不要成分を前記短時間入力信号x(n)から取り除くことにより修正短時間入力信号y(n)を出力する成分除去手段と、前記修正短時間入力信号y(n)を基に自己相関係数を求める自己相関係数算出手段とを有することを特徴とする予測パラメータ分析装置を提供する。

0013

本発明は、入力信号の自己相関係数を基に予測パラメータを求める予測パラメータ算出手段を備える予測パラメータ分析装置において、入力信号または入力信号に由来する信号に窓をかけて短時間入力信号x(n)を求める窓かけ手段と、窓掛けにより生じ、短時間入力信号x(n)に含まれる不要成分を推定する推定手段と、推定された不要成分と短時間入力信号x(n)を用いて自己相関係数を求める自己相関係数算出手段とを有することを特徴とする予測パラメータ分析装置を提供する。

0014

本発明は、入力信号の自己相関係数を基に予測パラメータを求める予測パラメータ分析方法において、入力信号または入力信号に由来する信号に窓をかけて短時間入力信号x(n)を生成し、窓掛けにより生じる不要成分を前記短時間入力信号x(n)から取り除くことにより修正短時間入力信号y(n)を生成し、前記修正短時間入力信号y(n)を基に自己相関係数を求めることを特徴とする予測パラメータ分析方法を提供する。

0015

本発明は、入力信号の自己相関係数を基に予測パラメータを求める予測パラメータ分析方法において、入力信号または入力信号に由来する信号に窓をかけて短時間入力信号x(n)を生成し、短時間入力信号x(n)に含まれる不要成分を推定し、推定不要成分と短時間入力信号x(n)を用いて自己相関係数を求めることを特徴とする予測パラメータ分析方法を提供する。

発明を実施するための最良の形態

0016

(第1実施形態)図1は、本発明の第1実施形態に基づいた予測パラメータ分析の原理を表した波形図である。図1(a)は予測分析に入力される入力信号の波形例を表している。

0017

入力信号は前処理において予測パラメータ分析に悪影響を及ぼす不要な低域周波数成分を入力信号から取り除いたものとする。このような前処理は典型的にはカットオフ周波数が50−100Hz前後の高域通過フィルタを用いて実現される。こうして不要成分が除かれた入力信号(図1(a))は窓掛けにより所定長(10msec〜20msec)の単位で切り出される。即ち入力信号aは時間窓w(n)によって窓掛けされ、短時間入力信号x(n)として切り出される(図1(b))。この場合、窓掛けによって両端のフレームの影響が減るように窓掛けを行う。1例としては、従来例で示したハミング窓やハイブリッド窓を用いる。

0018

このようにして得られた短時間入力信号x(n)を直接用いて自己相関を求めると従来の方法となる。しかし、上述した切り出しにより短時間入力信号x(n)に不要な成分(図1(b)に波線で示されるような直流成分)が混入する。この直流成分が混入した短時間入力信号を用いて自己相関を求めると、真のスペクトルに直流成分が乗ってしまいスペクトルに悪影響を及ぼす。

0019

そこで、本発明では、短時間入力信号を用いて自己相関係数を直接求めるのではなくて窓を掛けることによって生じる不要成分、例えば直流成分を除いて窓掛けにより切り出した後に不要成分、例えば直流成分がどれだけ混入しているかを調べて不要成分を除去する。この不要成分除去の方法として直流成分がゼロになるように切り出した入力信号の全体から直流成分を差し引く方法がある。

0020

上記のようにして不要成分が取り除かれた信号が修正短時間入力信号y(n)として得られる(図1(c))。最後に、修正された短時間入力信号y(n)を用いて自己相関係数を求め、この自己相関係数を基に予測パラメータを求める。こうすることにより、予測パラメータ分析に不要成分が混入することを抑えることができるので、より精度の高い予測パラメータを求めることができるようになる。

0021

以下、図2を参照して本発明の予測パラメータ分析装置の説明を行う。

0022

図2において、前処理部10は、入力音声フレーム単位で入力し、カットオフ周波数が例えば50−100Hz前後の高域通過フィルタを用いて入力信号の前処理を行う。

0023

前処理された入力信号は窓掛け部11に入力されると、窓掛け部11は、入力信号に対して時間窓w(n)(n:0,1,…,L−1)をかけ、入力信号短時間入力信号x(n)(n=0,1,…,L−1)を出力する。ここでLは時間窓の長さを表す。

0024

不要成分推定部12は短時間入力信号x(n)に含まれる不要な成分を分析してその推定信号を生成し、これを不要成分除去部13へ出力する。

0025

短時間入力信号x(n)に含まれる不要成分の主要なものとして直流成分がある。直流成分の推定の一例は、次のように行うことができる。

0026

0027

ここでdcは直流成分の推定信号を表しており、f()は短時間入力信号x(n)の関数となっている。f()の具体的な一例は、

0028

を用いることができる。ここで、[ ]内は短時間入力信号x(n)の平均値に相当し、これと調整パラメータkdc。を用いて直流成分の推定信号とすることができる。kdcには0より大きく1程度以下の値を用いる。理論的最適値はkdc=1(平均値を直流成分の推定信号とすること)である。不要成分除去部13は、不要成分推定部12からの不要成分の推定信号をもとに、短時間入力信号x(n)から修正された短時間入力信号y(n)を求める。この具体的な方法は、例えばx(n)から以下のようにして不要成分の推定信号を取り除くことである。

0029

0030

ここでは、短時間入力信号x(n)から直流成分を除去する方法について示したが、所定の高域通過型フィルタ(=低域阻止型フィルタ)をx(n)に用いて不要な低域成分を取り除き、これを修正された短時間入力信号y(n)とすることも可能である。この場合は、フィルタリングの計算が必要になるが、不要成分の推定信号を使わなくてもよいので不要成分推定部12が不要になる。

0031

自己相関算出部14は修正された短時間入力信号y(n)から例えば以下のようにして自己相関係数を求める。

0032

0033

次に、予測パラメータ算出部15において、自己相関係数Ryy(i)を基に予測パラメータを求める。こうして自己相関係数を求めた後は、従来と同じようにして予測パラメータを求めることができる。すなわち、次に、式(5)で求めた自己相関係数を用いるか、または、分析の安定化を図るためにこの自己相関係数に固定のラグ窓を掛けて固定の修正を行った自己相関係数を用いて予測パラメータを求める。予測パラメータとしてLPパラメータを求める場合は、次の線形方程式解くことにより算出される。

0034

0035

ここでΦは自己相関係数φi=Ryy(i)(または自己相関係数に固定のラグ窓を掛けて固定の修正を行った自己相関係数)から構成される自己相関行列である。NはLPCパラメータ次数を表す。

0036

0037

Tは行列転置を表す。

0038

式(6)の方程式からLPパラメータ{αi}を求める方法は、Levinson-Durbin algorithmやDurbinの再帰的解法として知られている(詳しくは文献2「ディジタル音声処理」東海大学出版会、古井貞煕氏著、pp.75を参照されたい)ので、ここでは説明を省略する。

0039

以上が,本発明の方法による予測パラメータの分析例である。

0040

次に、本発明の第1実施形態に係る処理の流れを図3フローチャートを用いて説明する。

0041

まず、入力音声をフレーム単位で入力する(S1)。入力信号は、カットオフ周波数が例えば50−100Hz前後の高域通過フィルタを用いて前処理された入力信号を用いることが望ましい。

0042

次に、前処理された入力信号に時間窓w(n)をかけることにより短時間入力信号x(n)を求める(S2)。次に、短時間入力信号x(n)に含まれる不要な成分を推定する(S3)。

0043

次に、短時間入力信号x(n)から修正短時間入力信号y(n)を求める(S4)。

0044

次に、修正短時間入力信号y(n)をもとに自己相関係数を求める(S5)。そして、自己相関係数から予測パラメータを算出し(S6)、これをフレームに対応する入力信号の予測パラメータとして出力する。

0045

以上、ステップS1〜S6の処理を行うことでフレーム単位(入力信号が音声信号の場合、8kHzサンプリングで典型的なフレーム長は10〜20msec)に入力される入力信号の予測パラメータ分析処理が終る。この一連の処理をフレーム単位ごとに行い、連続して入力される入力信号の処理を行うことができる(S7)。

0046

(第2実施形態)第1実施形態では、短時間入力信号から直流成分を直接差し引いているが、第2実施形態では、短時間入力信号から直接引かないで、自己相関のレベルで直流分の影響を除くようにしている。図4は、第2実施形態に係る予測パラメータ分析装置を示している。これによると、前処理部20は第1実施形態と同様に入力信号の前処理を行い、前処理の入力信号を窓掛け部21に入力する。窓掛け部21は前処理済み入力信号に窓掛けを施して短時間入力信号を切り出す。不要成分推定部22は短時間入力信号x(n)に含まれる不要成分を分析してその推定信号を生成し、自己相関算出部24に出力する。切り出した入力信号は自己相関算出部24に送られる。この自己相関算出部24に入力された短時間入力信号には、入力信号の窓掛において生じる不要成分、例えば直流成分が含まれているが、自己相関算出部24は不要成分推定部22からの推定信号を用いてこの不要成分を自己相関のレベルにおいて除去する。従って、自己相関算出部24は不要成分の影響を受けない自己相関係数Ryy(i)を出力する。予測パラメータ算出部25は自己相関係数Ryy(i)に基づいて予測パラメータを求める。

0047

図5は、本発明の第2実施形態の予測パラメータ分析方法を説明するフローチャートを示している。これによると、修正された短時間入力信号y(n)を求めずに、時間窓をかけることにより生じる不要成分を加味して、予測パラメータの算出に使う自己相関係数を求める方法を示している。

0048

この方法によると、まず、入力音声をフレーム単位で入力し(Sll)、次に、前処理された入力信号に時間窓w(n)をかけることにより短時間入力信号x(n)を求める(S12)。

0049

次に、短時間入力信号x(n)に含まれる不要成分を推定する(S13)。推定された不要成分と短時間入力信号x(n)を用いて自己相関係数を求める(S15)。そして、自己相関係数から予測パラメータを算出し(S16)、これをフレームに対応する入力信号の予測パラメータとして出力する。

0050

以上のステップの処理を行うことでフレーム単位(入力信号が音声信号の場合、8kHzサンプリングで典型的なフレーム長は10〜20msec)に入力される入力信号の予測パラメータ分析処理が終る。この一連の処理をフレーム単位ごとに行い、連続して入力される入力信号の処理を行うことができる(S17)。

0051

このように、時間窓をかけることにより生じる不要成分を加味して、予測パラメータの算出に使う自己相関係数を求める方法であれば、どのような実現であっても本発明に含まれることは言うまでもない。

0052

予測パラメータ抽出方法として、ここでは線形予測パラメータを用いて説明したが、これに限られるものではない。すなわち、本発明は自己相関係数を用いて求めることができるものであれば、予測パラメータが線形であるか、非線形であるかに限られるものではなく、どのような予測パラメータ(または予測パラメータを基に構成される合成フィルタ)の分析にも本発明の予測パラメータ分析方法が応用できる。

0053

(第3実施形態)図6は、第3実施形態の予測パラメータ分析装置を示している。この第3実施形態によると、予測パラメータ分析部は、入力信号または入力信号に由来する信号から短時間入力信号を生成する短時間入力信号生成部41,短時間入力信号から直流または所定の周波数帯域の成分を除去する成分除去部43,この成分除去部から得られる修正短時間入力信号に基づいて自己相関係数を算出する自己相関算出部44および得られた自己相関係数に基づいて予測パラメータを算出する予測パラメータ算出部45により構成される。

0054

図7は、本発明の第3実施形態の予測パラメータ分析方法を説明するフローチャートを示している。これによると、先ず、入力信号がフレーム単位で予測パラメータ分析部の短時間入力信号生成部41に入力される(S21)。これにより、短時間入力信号生成部41は入力信号に対応する短時間入力信号を生成する(S22)。この短時間入力信号が成分除去部43に入力されることにより短時間入力信号から直流成分または所定の周波数成分が除去される(S23)。これにより、成分除去部43から修正された短時間入力信号が得られる(S24)。この修正短時間入力信号は自己相関算出部44に入力されることにより修正された短時間入力信号を基に自己相関係数が算出される(S25)。この自己相関係数は予測パラメータ算出部45に入力されることにより自己相関係数から予測パラメータが算出される(S26)。この後、次のフレームが取り込まれるが、次のフレームが無ければ処理は終了し、次のフレームが取り込まれるとステップS21に戻る。

0055

上述した本発明の予測パラメータ分析装置において、予測パラメータ(または符号化された予測パラメータ)を用いて構成される予測フィルタ逆フィルタは合成フィルタと呼ばれ、分析に用いた入力信号のスペクトルの概形を表すことができる。図8(a)は従来の予測パラメータ分析によって得られる予測パラメータから構成される合成フィルタの周波数特性例を示している。一方、図8(b)は本発明の方法によって得られる予測パラメータから構成される合成フィルタの周波数特性例を示している。図8(a)と図8(b)の比較からわかるように、発明の方法によって得られる合成フィルタでは、従来の方法に比べ、窓掛けによって生じる不要な低域周波数成分がより少なくなっている。従って、本発明の方法によって得られる予測パラメータを用いることにより、合成フィルタを用いる音声符号化や音声合成で音声品質を改善することが可能である。

0056

図9は、上述した予測パラメータ分析装置を適用した携帯端末、例えば携帯電話を示している。この携帯電話は、無線部31,ベースバンド部32,入出力部33および電源部34により構成される。ベースバンド部32には、入出力部33の液晶表示器(LCD)37を制御するLCD制御部35およびスピーカ38およびマイクロフォン39に接続されている音声コーデック36が設けられている。この音声コーデック36に含まれるLPC回路に本発明に従った予測パラメータ分析装置が適用される。これにより音声品質が改善される。

発明の効果

0057

以上説明したように本発明によれば、入力信号を窓掛けしたときに生じる直流成分のような不要成分が除去されるので、予測パラメータ分析では定常な入力信号に対して安定した予測パラメータが得られる。これにより、本願発明は、音声符号化、オーディオ符号化、音声合成、音声認識など、予測分析を行う信号処理に利用できる。

図面の簡単な説明

0058

図1予測パラメータ分析の原理を表した波形図。
図2本発明の第1実施形態に従った予測パラメータ分析装置のブロック図。
図3第1実施形態に従った予測パラメータ分析装置により実施される予測パラメータ分析方法を示すフローチャート図。
図4本発明の第2実施形態に従った予測パラメータ分析装置のブロック図。
図5第2実施形態の予測パラメータ分析装置により実施される予測パラメータ分析方法を示すフローチャート図。
図6本発明の第3実施形態に従った予測パラメータ分析装置のブロック図。
図7第3実施形態の予測パラメータ分析装置により実施される予測パラメータ分析方法を示すフローチャート図。
図8従来方法と本発明の方法によって得られる合成フィルタの周波数特性を示す図。
図9本発明を適用した携帯電話のブロック図。

--

0059

10…前処理部
11…窓掛け部
12…不要成分推定部
13…不要成分除去部
14…自己相関計算
15…予測パラメータ算出部
20…前処理部
21…窓掛け部
24…自己相関計算部
25…予測パラメータ算出部
36…音声コーデック

ページトップへ

この技術を出願した法人

この技術を発明した人物

ページトップへ

関連する挑戦したい社会課題

関連する公募課題

ページトップへ

おススメ サービス

おススメ astavisionコンテンツ

新着 最近 公開された関連が強い技術

この 技術と関連性が強い人物

関連性が強い人物一覧

この 技術と関連する社会課題

関連する挑戦したい社会課題一覧

この 技術と関連する公募課題

関連する公募課題一覧

astavision 新着記事

サイト情報について

本サービスは、国が公開している情報(公開特許公報、特許整理標準化データ等)を元に構成されています。出典元のデータには一部間違いやノイズがあり、情報の正確さについては保証致しかねます。また一時的に、各データの収録範囲や更新周期によって、一部の情報が正しく表示されないことがございます。当サイトの情報を元にした諸問題、不利益等について当方は何ら責任を負いかねることを予めご承知おきのほど宜しくお願い申し上げます。

主たる情報の出典

特許情報…特許整理標準化データ(XML編)、公開特許公報、特許公報、審決公報、Patent Map Guidance System データ