ケプストラム分析（Cepstrum Analysis）とは、音声や振動などの信号について、周波数スペクトルに現れる周期的な構造を分析する信号処理手法です。
音声の基本周波数（ピッチ）の推定をはじめ、機械の振動解析、回転機械の状態監視、エコーや反射の解析などに利用されています。
一般的なフーリエ解析が「信号にどのような周波数成分が含まれているか」を調べるのに対し、ケプストラム分析では「周波数スペクトルの中にどのような周期性があるか」に注目します。
ケプストラム分析とは
ケプストラム分析では、時間領域の信号をフーリエ変換して周波数領域へ変換し、そのスペクトルをさらに処理します。
代表的な実ケプストラムでは、信号のフーリエ変換によって得られた振幅スペクトルの対数を取り、それを逆フーリエ変換します。
実ケプストラムは、一般に次のように表されます。
c(τ) = F⁻¹{log|X(f)|}
X(f)は元の信号をフーリエ変換したもの、F⁻¹は逆フーリエ変換を表します。
処理の流れを簡単に示すと、次のようになります。
時間信号 → フーリエ変換 → 対数振幅スペクトル → 逆フーリエ変換 → ケプストラム
この処理によって、周波数スペクトルに一定間隔で現れる成分などの周期構造を捉えやすくなります。
「ケプストラム」という名前の由来
「Cepstrum」という名称は、「Spectrum（スペクトラム）」の文字を並べ替えて作られた造語です。
ケプストラムに関連する用語にも、この命名方法を踏襲した独特な言葉があります。
その代表例が「quefrency（ケフレンシー）」です。
通常のスペクトラムでは横軸として周波数を使用しますが、ケプストラムではケフレンシーを使用します。
ケフレンシーとは
ケフレンシーは、ケプストラムにおける独立変数で、時間の次元を持ちます。単位は秒です。
周期的な信号について考える場合、周波数と周期には次の関係があります。
周期 = 1 ÷ 周波数
例えば、基本周波数が100Hzの場合、
1 ÷ 100 = 0.01秒
となります。
0.01秒は10ミリ秒です。
したがって、100Hz間隔で高調波が並ぶような信号では、その周期性に対応して10ミリ秒付近のケフレンシーにピークが現れることがあります。
逆に、基本周期に対応するピークが10ミリ秒付近に存在する場合には、
1 ÷ 0.01 = 100Hz
として基本周波数を推定できます。
ケプストラム分析で何が分かるのか
ケプストラム分析の重要な特徴は、スペクトル上に繰り返し現れる構造を検出しやすいことです。
例えば、人間の有声音では声帯が周期的に振動するため、基本周波数と、その整数倍にあたる高調波が現れます。
基本周波数が100Hzなら、理想化した例では、
100Hz
200Hz
300Hz
400Hz
500Hz
というように、100Hz間隔で高調波が並びます。
周波数スペクトルを見るだけでも個々のピークを確認できますが、ケプストラム分析を行うことで、「一定の周波数間隔でピークが並んでいる」という構造を検出しやすくなります。
この性質は、音声の基本周期や基本周波数を推定するときに役立ちます。
フーリエ変換とケプストラム分析の違い
フーリエ変換とケプストラム分析は、分析する対象が異なります。
フーリエ変換では、時間とともに変化する信号を複数の周波数成分に分解します。これによって、信号にどのような周波数が含まれているかを調べられます。
一方、ケプストラム分析では、その周波数スペクトルをさらに解析し、スペクトルに存在する周期的な構造を調べます。
簡単に整理すると、
フーリエ変換：信号に含まれる周波数成分を調べる
ケプストラム分析：スペクトルに含まれる周期構造を調べる
という違いがあります。
ケプストラム分析自体もフーリエ変換を利用するため、両者は競合する手法ではありません。
なぜスペクトルの対数を取るのか
ケプストラム分析の重要なポイントの一つが、スペクトルの対数を取る処理です。
例えば、ある信号が時間領域において複数の要素の畳み込みとして表現できる場合、フーリエ変換すると周波数領域ではそれらの積として表現できます。
さらに対数を取ると、
log(A × B) = log(A) + log(B)
という性質によって、積を和として扱えるようになります。
その結果、元の信号を構成している異なる要素の特徴を、ケプストラム領域で分析しやすくなる場合があります。
この考え方は特に音声信号の解析で重要です。
ケプストラム分析と音声解析
人間の音声は、声帯などによる音源の特性と、喉や口腔などの声道による共鳴特性が組み合わさって生成されます。
音声生成の単純化されたモデルでは、音源信号と声道のインパルス応答との畳み込みとして音声を表現します。
これを周波数領域へ変換すると積になり、対数を取ることで和として扱えるようになります。
ケプストラム領域では、音源の周期性に関係する成分と、スペクトル包絡に関係する成分が異なるケフレンシー領域に現れる傾向があります。
この性質を利用して、音声の基本周期の推定やスペクトル包絡の解析などが行われます。
ただし、実際の信号では各成分が常に明確に分離できるわけではありません。
MFCCとケプストラム分析の関係
音声認識では、MFCC（Mel-Frequency Cepstral Coefficients：メル周波数ケプストラム係数）という特徴量が広く利用されています。
MFCCでは一般的に、音声信号を短時間ごとに分割して周波数スペクトルを求め、メル尺度に基づいたフィルターバンク処理を行います。
その出力の対数を取り、離散コサイン変換（DCT）を行うことでMFCCを求めます。
MFCCは人間の聴覚特性を考慮しながら音声スペクトルの特徴を少数の係数として表現できるため、音声認識や話者認識などで利用されてきました。
ただし、MFCCと一般的な実ケプストラムでは計算方法が異なるため、両者を同一のものとして扱わないことが重要です。
機械の振動解析における活用
ケプストラム分析は、機械設備の振動解析にも利用されます。
歯車や軸受などを含む回転機械では、機械の状態によって周波数スペクトル上に高調波や一定間隔の側帯波が現れる場合があります。
複雑なスペクトルでは個々の成分だけを見ても規則性を把握しにくいことがありますが、ケプストラム分析を利用すると、スペクトル上の一定間隔の構造を検出しやすくなります。
そのため、回転機械の状態監視や異常診断を補助する分析方法として利用されることがあります。
ただし、ケプストラムだけで具体的な故障原因を断定できるわけではありません。
実際の設備診断では、時間波形、周波数スペクトル、包絡線解析、回転速度、機械構造などの情報と組み合わせて判断する必要があります。
エコーや反射の解析
ケプストラム分析は、信号に含まれるエコーや反射の解析にも利用できます。
元の信号に一定時間遅れた信号が重なると、周波数スペクトルに周期的な変動が生じる場合があります。
ケプストラム分析では、この周期構造を利用して遅延時間に対応する特徴を検出できることがあります。
そのため、音響信号に含まれるエコーや反射の検出などにも応用されています。
実ケプストラムと複素ケプストラム
ケプストラムには複数の種類があります。
代表的なものが実ケプストラムと複素ケプストラムです。
実ケプストラムは、一般に対数振幅スペクトルを逆フーリエ変換して求めます。
一方、複素ケプストラムでは、振幅だけでなく位相情報を適切に扱った複素対数スペクトルを利用します。
そのため、実ケプストラムと複素ケプストラムでは保持される情報や利用目的が異なります。
リフタリングとは
ケプストラム分析では、「リフタリング（liftering）」と呼ばれる処理が使われることがあります。
これはケプストラム領域で特定のケフレンシー範囲を強調したり抑制したりする処理です。
通常の周波数分析におけるフィルタリングに対応する考え方ですが、処理対象がケプストラムであることから「liftering」という名称が使われています。
例えば、低ケフレンシー側の成分を利用してスペクトル包絡を扱ったり、基本周期に対応する成分を調べたりする目的で利用されます。
ケプストラム分析のメリット
ケプストラム分析には、周波数スペクトル上の周期構造を捉えやすいというメリットがあります。
多数の高調波や側帯波が存在する複雑なスペクトルでも、それらが一定間隔で並んでいれば、対応するケフレンシーに特徴が現れることがあります。
そのため、基本周期の推定、高調波間隔の解析、側帯波間隔の検出、エコーの遅延時間解析などに活用できます。
ケプストラム分析の注意点
ケプストラム分析を行えば、あらゆる信号から周期性を正確に検出できるわけではありません。
ノイズが多い信号、周期性が弱い信号、複数の周期成分が混在する信号などでは、ケプストラム上のピークが不明瞭になることがあります。
また、サンプリング周波数、解析区間の長さ、窓関数、前処理なども分析結果に影響します。
そのため、実際の信号解析ではケプストラムだけに依存せず、時間波形や周波数スペクトルなどの分析結果と組み合わせて評価することが重要です。
まとめ
ケプストラム分析とは、音声や振動などの信号について、周波数スペクトルに含まれる周期的な構造を調べるための信号処理手法です。
代表的な実ケプストラムでは、時間信号をフーリエ変換し、得られた振幅スペクトルの対数を取った後、逆フーリエ変換を行います。
通常のフーリエ解析が「信号にどのような周波数成分が含まれているか」を調べるのに対し、ケプストラム分析は「スペクトルにどのような周期構造が存在するか」を調べることを得意とします。
この特徴から、音声のピッチ推定や音声処理、機械の振動解析、回転機械の状態監視、エコーや反射の解析など幅広い分野で利用されています。
ケプストラム分析を理解するときは、「信号のスペクトルを求めて終わるのではなく、そのスペクトルに隠れた周期性をさらに分析する方法」と考えると、その役割を理解しやすくなります。
コメント