メル尺度(メルしゃくど、英語: mel scale)は、音高の知覚的尺度である。メル尺度の差が同じであれば、人間が感じる音高の差が同じになることを意図している。 1937年、Stanley Smith Stevens、John Volkman、Edwin Newman が提案した[1]。この尺度と通常の周波数測定値との基準点として、1000Hzの音(聴取者のしきい値から40dB上)を1000メル (mels) の音高と定義する。約500Hzより高くなると、音高が同じだけ増加したと感じる音程(音高の差)は大きくなっていく。結果として、周波数で4オクターヴ上がる間にメル尺度では2オクターヴしか上がらない。メル (mel) という名称は、「メロディ (melody)」に由来し、音高の比較に基づく尺度であることを示している。 換算式[編集] 周波数パラメータの取り方によりいくつかの変種があるが、周
ヒトの音声を信号データとして扱い,コンピュータを用いて分析,変換,合成などの情報処理を行なう技術。音声の周波数分析,音声認識,音声合成,音声情報の圧縮,音声情報信号の効率的伝送・記録などが具体的な内容である。音声情報処理の研究は,1939年アメリカ合衆国のベル研究所が音声信号の符号化・復号化装置であるボコーダを開発したことに始まり,1970年代にアナログ信号である音声をサンプリングしデジタル化できるようになったことで大きく進展した。音声合成や音声圧縮などは,デジタル信号処理のハードウェア,ソフトウェア技術の進歩に伴い十分に実用化されているが,音声認識については,ヒト音声の多様性や環境雑音などの問題があり,実用化にはいたっていない。
Warped Linear Predictive Coding (WLPC、ワープLPC) 、あるいはWarped Linear Prediction(WLP、ワープLP)は線形予測符号の一種で、通常の線形予測での周波数特性をバーク尺度やメル尺度のような人間の聴感特性に合わせて変形させることに特徴がある。WLPC は、周波数スペクトルを人間の聴覚に合わせた分解能でモデル化することができ、より少ないパラメータで音の情報を表現することができるため、音声認識や広帯域音声符号化などに向いている。 概要[編集] 線形予測符号方式では、人間の声を声道の周波数選択特性と音源である声帯などの音の特性でモデル化し、声道に相当する合成フィルターのパラメータとして線形予測係数を用いる。 線形予測では一定の時間遅延ごとの信号から現在の信号を予測する。Warped Linear Predictive Coding(
MATLAB 音声信号処理 MATLAB 音声信号処理 new 音質評価のためのソフトウェア 2006/12 まずは試してみる (command windowにpasteして実行させてください) 正弦波信号を作成する ガウス雑音を作成する MATLABでハレルヤを聴く 電話機の音を再現する MATLABで音声を録音して再生する 録音した音をWAVEファイルとして保存する 声の変換 MATLABで笑う 様々な信号 インパルス ステップ ランプ 加速度 のこぎり波と方形波 sinc関数とDirichlet関数 chirp信号 正弦波信号を画像として見る 2次元の一様乱数 窓関数・種々の変換 矩形窓 ハミング窓 ハニング窓 高速フーリエ変換 (FFT) スペクトログラム 離散コサイン変換 (DCT) ヒルベルト変換 離散フーリエ変換デモ ディジタルフィルタの基礎 畳み込み積分 振幅特性と位相特性
スペクトラム(spectrum)とは † 音声や地震波などの周期性のある信号は、どれだけ複雑な信号であっても、単純な波に分解できる(フーリエの定理) 単純な波...単一の周波数と振幅をもつ正弦波、余弦波 上記の定理に従って、ある信号の周波数成分と振幅の成分を抽出したものが、周波数スペクトラム(スペクトル)です*1。 スペクトラムの求め方(MATLABによる説明) 以下のような複雑な波を考えます。 MATLABで上の波を生成するには、以下のコードを実行 time = 0 : 1 / 8820 : 0.05; sinwav_1 = 1.2 * sin(2 * pi * 130 * time); coswav_1 = 0.9 * cos(2 * pi * 200 * time); sinwav_2 = 1.8 * sin(2 * pi * 260 * time); coswav_2 = 1.4
音声信号の特徴 音声信号は,声帯の振動や摩擦による乱流などの音源信号に, 声道・口腔・鼻腔の形状などによって決まる調音フィルタ が畳み込まれたものであると考えることができる. ケプストラム分析とは, 調音フィルタの振幅伝達特性と音源信号のパワースペクトルでは, 前者が後者に比べて(周波数領域で)滑らかに変化する関数であるという性質を用いて, 両者を分離する信号処理手法である. ケプストラム(cepstrum)とは,スペクトラム(spectrum) のアナグラムによる導出語であり, 音声波形をフーリエ変換して得たパワースペクトルについて, その値の対数をとり,さらに逆フーリエ変換した結果を指す. ケプストラムの変数の次元は時間と同じになるが, これにはケフレンシ(quefrency)という言葉を用いることが多い. (これは周波数(frequency)のアナグラムである.) 一般に,音源信号の
車の運転時にカーナビゲーション・システムのボタンを押したい,料理中にテレビの音量を上げたいなど,手が離せない状況で機器を操作したい場面は少なくない。そういったシーンに有望なのが音声認識システムである。ところが,多くの音声認識システムはマイクの性能や周囲の雑音などに影響を受けやすく使いづらい。カーナビゲーション・システムであれば,車のエンジン音,再生中の音楽,街頭からの騒音など様々な音が混ざるため,うまく認識できない。ところが組み込み機器向け音声認識システムを開発・販売する米Fonix社は,雑音下でも認識できる音声認識エンジンを提供している。同社は2005年1月より日本での販売を本格化している。アジアセールスのディレクタのJohn Shepherd氏(写真)に話を聞いた。(聞き手=中道 理) ――なぜ雑音下でも認識できるのか。 ニューラルネットを使っていることが大きい。ニューラルネットは脳の
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く