12.1 窓長とかシフト長の適切な値が知りたい

Problem

最適な分析窓長とシフト長が知りたい．

Solution

Length は音声の分析窓長である． 一般に，20-40 [ms] に相当する長さを指定すればよい． サンプリング周波数 fs Hzならば，length = fs/1000 * x で求まる． x は 20-40[ms]である． Advance は，分析フレームシフト長である． 一般に，後続フレームとフレーム全体の 1/3 - 1/2 重なる量シフトを 指定する．

音声認識する場合，音響モデル作成にも同一の Length, Advance を使う必要がある．

Discussion

音声を扱う場合，信号が弱定常状態と仮定できる範囲が 20-40 [ms] であるから この方針で設定する．シフト長は，窓の実行幅で決まる．具体的には，窓関数の 持つエネルギーと等価なエネルギーを持つ，矩形窓の窓長を求める． この窓長は，連続するフレームを分析した時に，同一サンプルを重複してフレーム処理 せず，かつサンプルの取り零しのないフレーム処理が可能である． 一般に知られる音声分析用の窓関数のエネルギーは，矩形窓長で約 1/3 - 1/2 の エネルギーと同一になることから，フレームのシフト量を，この範囲で使う． 1/3 が保守的な設定で，同一サンプルを重複してフレーム処理する可能性はあるが， サンプルの取り零しがない．1/2 では，使用する窓関数によっては，サンプルの取り 零しが起る可能性があるが，重複してフレーム処理することはない． ただし，分析に矩形窓を使用するならば，シフト長は分析フレーム長にする． 三角窓の時，フレームシフト量は 1/2 である．