音声の分析合成について

質問

心理学の分野の聴覚実験で音声を分析合成したことを記述している論文の一部ですがなぜこのようなことをするのか意味がわかりません。

刺激音は男性日本語話者の単一発話から分析合成した２単語。

「刺激各音は、サンプリングレート10ｋＨｚ、12ｂｉｔで分析合成されたものを4.5ｋＨｚで低域濾波し、22.05
ｋＨｚ、16ｂｉｔで再サンプリングして用いた」

(1)サンプリングレートとはどういう意味？
(2)10ｋＨｚ、12ｂｉｔで分析合成されたものを22.05ｋＨｚ、16ｂｉｔで再サンプリングしたらどうなるのですか？
(3)4.5ｋＨｚで低域濾波したらどうなるですか？
(4)再サンプリングとはどういうことですか？

まったく基礎知識がないのでわかりやすく教えてください。おねがいいたします。

回答No.1

gamebakari · ベストアンサー

心理学はわかりませんが・・・

1）音声=空気の振動をデジタルデータとして取り込むときの「標本化」における帯域の数値。
http://illustrator-ok.com/illustrator_koza/digital/contents/digital3.html

2）おそらく資料としての統一フォーマットへリサンプルしたのだと思われますが、その際に折り返しノイズが発生するために4.5ｋHzのHPF(ハイパスフィルター）を通すのでしょう。

3）一般的には48db/oct以上のスロープを持つハイパスフィルターを使うと思われます。そのカットオフ(切捨て）の基準点を4.5kHzにして処理した、という意味でしょう。その処理により標本には無用の歪や雑音を切り捨てることができます。

4）デジタル音声は様々なサンプリング周波数や量子化ビット数でデータを変換できます。
たとえばCDのサンプリングレートは44.1kHz、DVDは48kHzというふうに。2）に述べたように、統一資料としての汎用性と音響設備コスト等の兼ね合いで22.05ｋＨｚ、16ｂｉｔというフォーマットへ再変換したのでしょう。様々なフォーマットの原サンプルのままでは評価の基準が見出せないでしょうから。
つまり原音からはフィルタリングされた標本ではあるが、そのことで評価のブレを収束できる、と理解でき、そのために再標本化をしてあると考えます。