経験的モード分解による主構造抽出を介した雑音環境下における音声信号の基本周波数推定

摘要

A number of methods have already been developed for the estimation of fundamental frequencies of speech signals. However, almost all the methods observe the signals in a short time span and assume them being linear and stationary in the span, which is not correct strictly speaking. This situation limits precision of the estimation. While the empirical mode decomposition (EMD) is a method for signal analysis not assuming linear and stationary features of signals, it is rather difficult to apply it to the pitch estimation, since components corresponding to fundamental frequencies may spread to several functions after decomposition. This paper introduces a new method of pitch estimation based on EMD, where the problem is solved by applying EMD on the auto-correlation function of the signal. Since, in the lag-time domain, the signal energy concentrates to frequencies corresponding to signal structures, robust estimation of fundamental frequencies is realized by properly selecting a function from decomposed ones. Through experiments on pitch estimation in noisy environments, the robustness of the proposed method was shown.%これまで提案された基本周波数推定手法の多くは，音声信号の線形性や定常性を短時間区間内において仮定した処理を行っていた.しかし，この仮定は，厳密に言えば事実に反するものであり，推定精度低下の原因ともなり得る.一方，経験的モード分解は，非線形・非定常な信号を扱うのに適した解析手法であるが，基本周波数に関わる信号成分までをも複数の信号に分解してしまう問題を抱えており，基本周波数推定への応用は困難であった．本研究では，遅れ時間空間においては信号のエネルギーが特定の帯域ごとに集中するため，先述の問題が解消され，経験的モード分解の解析結果と周波数帯域との対応付けが可能となる点に着目し，信号の周期性によって生じる自己相関関数中の主たる構造の経験的モード分解による抽出を介した雑音にロバストな基本周波数推定手法を提案する．また，雑音環境における基本周波数の推定実験を通して，提案手法のロバスト性を評価する．