JP2002258882A - 音声認識システム及び情報記録媒体 - Google Patents

Abstract

(57)【要約】 【課題】 騒音レベルが急激に変動する環境でも音声区
間検出精度を上げて音声認識を行なうことができるシス
テムを提供する。 【解決手段】 入力信号（１）から着目する騒音成分を
減ずる第１フィルタ手段（２）と、前記入力信号から着
目する騒音成分を取り出す第２フィルタ手段（３）と、
前記双方のフィルタ手段の出力に基づいて前記入力信号
の音声区間を検出する音声区間検出手段（７）を有す
る。音声区間検出手段は、第１フィルタ手段の出力に基
づいて得られる第１の信号情報と閾値とを比較して音声
区間を検出し、認識手段（１５）がその音声区間で音声
認識を行なう。音声区間検出手段は、第２フィルタ手段
の出力に基づいて得られる第２の信号情報の変動に応じ
て前記閾値を変更するから、音声区間検出のための閾値
を騒音環境の変化に追従させて変更する事ができる。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、音声認識技術、特
にそのための音声区間検出技術に係り、例えば、カーナ
ビゲーションシステムや車載用ＰＣ（Personal Compute
r）、カーエレクトロニクスに代表されるカーマルチメ
ディア分野における騒音環境下での音声認識に適用して
音声認識率向上に有効な技術に関する。

【０００２】

【従来の技術】近年、音声認識技術を用いた小型情報シ
ステムが普及しつつある。カーナビゲーションシステム
をはじめとして、ＰＤＡ（Personal Digital Assistan
t）に代表される小型情報機器、携帯情報端末等であ
る。

【０００３】しかしながら音声認識技術の向上は目覚し
いものの、それらが搭載されたシステムが実際に使用さ
れる環境全てにおいて、満足されているとは言い難い。
特に、騒音環境下における認識率においては、まだまだ
改善しなければならない点が多いと考えられる。

【０００４】音声認識システムの改善例として、特開平
２−２３２６９７号公開公報には、音声認識装置とし
て、音声区間検出の精度を高め、音声認識率を向上させ
るための音声認識装置に関する技術が開示されている。

【０００５】上記公報の記載に代表されるような従来技
術にかかわる音声認識装置の概要を説明する。一連の音
声認識手段を備えた従来の音声認識装置は、音声でない
区間と、音声である区間を識別するための音声区間検出
部と、音声区間検出された音声に対して、音声の分析と
分析された結果に対してあらかじめ登録された音声デー
タと照合して、認識結果を判定出力するための音声分析
・照合部とを有する。また、前記音声区間検出部には、
その前段に騒音カットフィルタが用意されている。騒音
カットフィルタは騒音と音声からなる音声信号から、周
波数帯域の低域側の騒音を除去し、これを音声区間検出
部に与える。音声区間検出部はその入力信号を用いて、
音声でない区間と、音声の区間を識別する音声区間検出
を行なう。

【０００６】また、音声分析・照合部には、その前段に
バンドパスフィルタが用意されている。このバンドパス
フィルタは音声の周波数帯域である２００Ｈｚ〜４ｋＨ
ｚ以外の成分をカットする。音声分析・照合部はバンド
パスフィルタを通過した信号を用いて、一連の音声認識
処理を行なう。

【０００７】

【発明が解決しようとする課題】本発明者は、従来の音
声認識技術、特に従来の音声区間検出技術について検討
した。これによれば、従来の音声区間検出技術では、音
声が発声される騒音環境下で、特に、短時間の間に騒音
のレベル、例えば、背景ノイズパワーが音声の始端付近
と終端付近で変動する場合に、音声のパワーを用いた音
声区間検出では、特に、終端検出の精度が劣化して、認
識率を悪くする原因の一つになっていることを見出し
た。即ち、信号の音声パワーが所定の閾値を超えた地点
を音声区間の始点として検出し、音声パワーが閾値以下
になった地点を音声区間の終点として検出するとき、背
景ノイズを考慮して前記閾値が設定されているなら、そ
の背景ノイズが大きく変動すると最早その閾値では信号
と騒音の区間を精度良く弁別できなくなる。そのような
事態は、例えば、カーナビゲーションシステムで音声認
識を行なっている最中に自動車の窓を明けたり、或は路
面状態が突然変化したときに生ずる。

【０００８】また、騒音の種類によっても、認識率に大
きな影響を与えるため、音声認識のための音響モデルを
騒音種類別に作成し、使用環境の騒音に応じて切替える
のが好ましいということが本発明者により明らかにされ
た。

【０００９】本発明の目的は、騒音環境の変化に対して
音声区間検出を良好に追従させることができる音声区間
検出技術を提供することにある。

【００１０】本発明の別の目的は、音声を発声する環境
の、特に、騒音レベルが短時間の間に変動する環境で
も、音声区間検出精度を上げて、精度良く音声認識を行
なうことができる音声認識システム並びにデータ処理シ
ステムを提供することにある。

【００１１】本発明の前記並びにその他の目的と新規な
特徴は本明細書の記述及び添付図面から明らかになるで
あろう。

【００１２】

【課題を解決するための手段】本願において開示される
発明のうち代表的なものの概要を簡単に説明すれば下記
の通りである。

【００１３】〔１〕本発明に係る音声認識システムは、
入力信号から着目する騒音成分を減ずる第１フィルタ手
段と、前記入力信号から着目する騒音成分を取り出す第
２フィルタ手段と、前記第１フィルタ手段及び第２フィ
ルタ手段の出力に基づいて前記入力信号の音声区間を検
出する音声区間検出手段と、前記入力信号から音声の特
徴を抽出し抽出された音声の特徴情報に対して音声区間
で音声認識を行なう認識手段とを含む。前記音声区間検
出手段は、前記第１フィルタ手段の出力に基づいて得ら
れる第１の信号情報と閾値とを比較して音声区間の検出
を行なう。例えば、前記第１の信号情報が前記閾値を一
方から他方に向けて超える状態に基づいて音声区間の始
点を検出し、前記第１の信号情報が閾値を他方から一方
に向けて超える状態に基づいて音声区間の終点を検出す
る。更に前記音声区間検出手段は、前記第２フィルタ手
段の出力に基づいて得られる第２の信号情報に変動に応
じて前記閾値を変更するものである。上記夫々の手段に
ついては専用ハードウェアで構成し、或はマイクロコン
ピュータなどを用いてソフトウェア的に構成してもよ
い。

【００１４】上記音声区間検出手段により音声区間検出
のための閾値を騒音環境の変化に追従させて変更する事
ができる。したがって、騒音環境の変化に対して音声区
間検出を良好に追従させることができる。その結果とし
て、騒音レベルが短時間の間に変動する環境でも、精度
良く音声認識を行なうことができる。

【００１５】前記閾値の初期設定に関し、前記音声区間
検出手段は、着目する雑音成分を含み認識対象とする音
声信号を含まない信号が前記入力信号として前記第１フ
ィルタ手段に与えられたとき、前記第１フィルタ手段の
出力に基づいて得られる信号情報を基準に前記閾値を初
期設定するようにしてよい。これにより、音声区間検出
のための閾値の初期値を比較的精度良くしかも容易に設
定することが可能になる。

【００１６】本発明の更に具体的な態様として、例え
ば、前記認識手段については入力信号から音声の周波数
帯域の信号をバンドパスフィルタ手段で取り出して音声
の特徴を抽出するものとし、前記第１フィルタ手段につ
いてはハイパスフィルタ手段とし、前記第２フィルタ手
段についてはローパスフィルタ手段としてよい。これ
は、騒音成分が比較的低い周波数領域に存在する場合を
想定している。

【００１７】また、前記第１の信号情報は、前記第１フ
ィルタ手段の出力に対する単位時間毎のパワー値情報と
してよい。同様に前記第２の信号情報は、前記第２フィ
ルタ手段の出力に対する単位時間毎のパワー値情報とし
てよい。第２の信号情報は騒音成分に関する別の特徴情
報であってもよい。

【００１８】尚、音声認識部では、騒音の種類によって
騒音種類別音響モデルを切替えて音声認識処理を行なう
ようにしてよい。また、騒音カットフィルタとしての第
１フィルタ手段、騒音監視フィルタとしての第２フィル
タ手段の特性を制御するパラメータは、騒音種類に応じ
て変更するようにしてよい。

【００１９】〔２〕本発明に係る情報記録媒体は、入力
信号から抽出された音声の特徴情報に対して音声区間で
音声認識を行なうために、コンピュータに、前記入力信
号から着目する騒音成分を減ずる騒音カット処理と、前
記入力信号から着目する騒音成分を取り出す騒音監視処
理と、前記騒音カット処理の結果に基づいて得られる第
１の信号情報と閾値とを比較して音声区間を検出する音
声区間検出処理と、前記騒音監視処理の結果の基づいて
得られる第２の信号情報の変動に応じて前記閾値を変更
する閾値変更処理と、を実行せるためのプログラムをコ
ンピュータ読み取り可能に記録したものである。

【００２０】前記情報記録媒体により、そこに記録され
たプログラムをカーナビゲーションシステムなどの音声
認識システムに読取らせて実行させることにより、騒音
レベルが短時間の間に変動する環境でも、音声区間検出
精度を上げて、精度良く音声認識を行なうことができる
音声認識システムの実現が容易になる。

【００２１】閾値の初期設定に関して、前記プログラム
は、着目する雑音成分を含み認識対象とする音声信号を
含まない信号から騒音成分を減ずる信号処理を行ない、
その信号処理結果に基づいて得られる信号情報から前記
閾値を初期設定する閾値初期設定処理を更に実行させる
ものであってよい。

【００２２】前記騒音カット処理は例えばソフトウェア
的に実現されるハイパスフィルタ処理であり、前記騒音
監視処理は例えばソフトウェア的に実現されるローパス
フィルタ処理である。

【００２３】〔３〕前記プログラムを実行して前記音声
認識システムを実現するデータ処理システムの観点によ
る発明は、マイクロコンピュータ、メモリ及び入出力回
路を有し、入出力回路へ入力される入力信号から音声の
特徴情報を抽出し、抽出した特徴情報に対して音声区間
で音声認識を行なうデータ処理システムとして位置付け
られる。前記マイクロコンピュータは、前記メモリが保
有するプログラムを実行して、前記入力信号から着目す
る騒音成分を減ずる騒音カット手段、前記入力信号から
着目する騒音成分を取り出す騒音監視手段、前記騒音カ
ット手段及び騒音監視手段の出力に基づいて前記入力信
号の音声区間を検出する音声区間検出手段、及び前記入
力信号から音声の特徴を抽出し抽出された音声の特徴情
報に対して音声区間で音声認識を行なう認識手段を実現
する。前記音声区間検出手段は、前記騒音カット手段の
出力に基づいて得られる第１の信号情報と閾値とを比較
して音声区間を検出し、前記騒音監視手段の出力に基づ
いて得られる第２の信号情報の変動に応じて前記閾値を
変更する。

【００２４】〔４〕前記記録媒体に格納されない状態の
プログラムに着目する発明は、入力信号から抽出された
音声の特徴情報に対して音声区間で音声認識を行なうた
めに、コンピュータを、前記入力信号から着目する騒音
成分を減ずる騒音カット手段、前記入力信号から着目す
る騒音成分を取り出す騒音監視手段、及び前記騒音カッ
ト手段及び騒音監視手段の出力に基づいて前記入力信号
の音声区間を検出する音声区間検出手段、として機能さ
せることが可能な音声区間検出制御プログラムとして位
置付けられる。前記音声区間検出手段は、前記騒音カッ
ト手段の出力に基づいて得られる第１の信号情報と閾値
とを比較して音声区間を検出し、前記騒音監視手段の出
力に基づいて得られる第２の信号情報の変動に応じて前
記閾値を変更する。

【００２５】そのようなプログラムは特定のコンピュー
タに向けてコンパイルされたオブジェクトプログラムで
あっても、或はＣ言語のような高級言語で記述されたソ
ースプログラムであってもよい。そのようなプログラム
をソースプログラムレベルで提供すれば、目的とするコ
ンピュータに応じたオブジェクトプログラムを容易に得
ることができ、上記音声認識システムの開発期間短縮に
寄与することができる。

【００２６】

【発明の実施の形態】図１には本発明に係る音声認識シ
ステムの概略が示される。特に制限されないが、ここで
説明する音声認識システムは、情報の音声入力若しくは
音声による操作指示を行なうことができるカーナビゲー
ションシステムに適用され、その騒音環境は当該システ
ムを塔載する車両の運行状況や車内の操作環境に依存
し、突然変化することも多い。

【００２７】図１において音声信号１は、音声認識シス
テムにおいて、マイクやアンプやＡＤ変換器などを通過
して得られたデジタル音声信号である。また、予め用意
されたデジタル音声信号であっても、アナログ信号であ
ってもよい。この音声信号１には、発声された使用環境
の騒音も含まれている。この音声信号１は、騒音カット
フィルタ２、騒音監視フィルタ３、バンドパスフィルタ
４にそれぞれ入力される。

【００２８】騒音カットフィルタ２は、例えば、ハイパ
スフィルタ（ＨＰＦ）で構成されて、音声信号の低域の
周波数をカットする特性を持ち、特に、低域の周波数帯
に存在する騒音の周波数成分を取り除くことで、音声で
ない区間と、音声の区間の識別がある程度可能な状態に
している。騒音カットフィルタ２から出力された音声信
号５は、音声区間検出部７へ入力される。

【００２９】騒音監視フィルタ３は、例えば、騒音カッ
トフィルタ２とは逆に、騒音の情報が得られるようなフ
ィルタ特性をもち、例えば、ローパスフィルタ（ＬＰ
Ｆ）で構成されて、音声の影響を極力受けずに、背景騒
音だけを監視可能にする。但し、この前提は一つのマイ
クからの入力の場合においてであり、二つのマイクの場
合は、片方のマイクに音声が入らなければ、騒音カット
フィルタ２でも代用できる。しかしながら、マイクの設
置場所などが、音声入力用マイクの設置場所から離れる
ため、多少の音声の影響を受けるのと、音声入力用マイ
クに入っている背景騒音とは異なってしまう。騒音監視
フィルタ３から出力された音声信号６は、音声区間検出
部７へ入力される。

【００３０】バンドパスフィルタ４は、通常の一定した
騒音レベルで、且つ、Ｓ／Ｎが１０ｄＢ程度確保されて
いる音声信号１において、騒音の周波数帯域が低域にピ
ークを持ち、音声の帯域以外であれば騒音の帯域を外し
て、例えば、音声帯域３００Ｈｚ〜５ｋＨｚの周波数帯
域だけの成分を取り込み、音声分析部８へ出力する。こ
のバンドパスフィルタ４からの音声信号３６は、音声区
間検出７に用いられる音声信号５，６に比べて、音声帯
域の成分が削られていないことから、本来の音声認識処
理に用いて、悪影響はない。

【００３１】音声分析部８は、バンドパスフィルタ４か
らの音声信号３６に対して、特徴パラメータを抽出し
て、音声照合部１５にその抽出データを渡す。音声照合
部１５は照合部１２と辞書連結部１３を有する。

【００３２】辞書連結部１２に接続される騒音種類別の
音響モデル１０は、音声データベースと、騒音種類別に
収集した雑音データベースとから作成された音響モデル
であり、騒音の種類に応じて切替えが可能なように、複
数のモデルを持ってる。実用化されている一般的な音声
認識システムでは、予め音声を登録しなくても、誰が話
し手でもその声を認識できる、いわゆる不特定話者対応
が主流になっている。このような音声認識に用いられる
音響モデルとしては、例えば、隠れマルコフモデル（Ｈ
ＭＭ：Ｈｉｄｄｅｎ Ｍａｒｋｏｖ Ｍｏｄｅｌ）を用い
ることができる。

【００３３】対象辞書１３は、ユーザシステムにおける
認識対象の辞書であり、いわゆるテキストコードのみで
構成されている。例えば、駅名で構成された一つの辞書
であれば、「東京」、「神田」、「お茶の水」などで構
成されている。アプリケーション側で複数用意している
辞書を状況に応じて差し替えている。

【００３４】辞書連結部１２は、音響モデル１０と、認
識対象辞書１３から、辞書が示すテキスト情報に音響情
報を連結してテーブル化し、図示を省略するシステムの
ワークメモリに展開する。

【００３５】照合部９では、辞書連結部１２によって展
開された辞書と音響モデルの連結情報に対して、実際に
入力された音声の音声分析部８からの特徴情報を照合す
る。展開された辞書と音響モデルの連結情報の中から、
照合結果のスコアが一番よい単語を、その音声に対する
認識結果１４として出力する。

【００３６】前記照合部９による照合は音声区間に対し
て行なう。即ち、音声分析部８から時系列的に供給され
る特徴情報の内、音声区間検出部７で検出された音声区
間の特徴情報に対してだけ音声照合を行なう。音声区間
の指示は信号１６で照合部９に与えられる。

【００３７】音声区間検出部７は、前記騒音カットフィ
ルタ２の出力信号５と騒音監視フィルタ３の出力６に基
づいて音声区間の始点と終点を検出し、検出された音声
区間を信号１６にて照合部９に与える。このとき、音声
区間の始点と終点の検出には、後で詳述するように、背
景雑音に相関する閾値を用いており、背景雑音の変化に
追従してその閾値を変化させることができるようになっ
ている。

【００３８】図１に示す音声認識システムは、マイクロ
コンピュータ上で動作するソフトウェア（ミドルウェ
ア）で構成してもよいし、複数のＬＳＩやＩＣにより構
成してもよい。或は、ＡＳＩＣ（Application Specific
Integrated Curcuits）等の一つの半導体素子上に構成
してもよい。要するに、図１の構成は、マイクロコンピ
ュータなどを用いてソフトウェア的に実現してもよい
し、専用ハードウェアで実現してもよい。

【００３９】図２には図１に示す音声認識システムをマ
イクロコンピュータを用いたデータ処理システムで実現
した例を示す。一連の音声認識処理は全て、マイクロコ
ンピュータ（ＭＰＵ）４６上のソフトウエアで行なう。
ＭＰＵ４６、フラッシュッメモリ４７、ランダムアクセ
スメモリ（ＲＡＭ）４８、インタフェース（Ｉ／Ｆ）ロ
ジック４４、入出力（Ｉ／Ｏ）ロジック４５，５０は、
システム制御、アドレス、データから構成されたシステ
ムバス４９に接続されている。

【００４０】マイク４１は、単一指向性のコンデンサマ
イク等であり、アンプ４２は、抵抗、コンデンサなどの
電子部品で構成されたアンプであり、雑音を除去するた
めのハイパスフィルタや、バンドパスフィルタを含んで
いる。それらフィルタは、図１で説明したソフトウェア
で実現する騒音カットフィルタ（ハイパスフィルタ）
２、騒音監視フィルタ（ローパスフィルタ）３、及びバ
ンドパスフィルタ４とは異なる。

【００４１】Ａ／Ｄ変換器４３は、アンプ４２を経由し
てマイク４１から入力された音声や雑音のアナログ信号
をデジタル信号に変換する。Ａ／Ｄ変換機４３は、Ｉ／
Ｆロジック４４に接続され、Ｉ／Ｆロジック４４は、Ａ
／Ｄ変換器４３に対するサンプリング等の制御や、ＭＰ
Ｕ４６との間のＩ／Ｏとして、デジタル信号に変換され
た音声データを一時的に貯えておく音声バッファとして
機能する。

【００４２】Ｉ／Ｏロジック４５は、音声認識システム
へ起動をかけたり、認識結果を受けて次のアプリケーシ
ョンを動作させるためのインタフェースである。

【００４３】Ｉ／Ｏロジック５０はＡＴＡＰＩ（AT Att
achment Packet Interface）若しくはＡＴＡ（AT Attac
hment）などのディスクインタフェース回路であり、例
えばＤＶＤドライブ５１に接続される。ＤＶＤ（Digita
l Video Disk）ドライブ５１はＤＶＤディスク５２が挿
入されると、そこに記録されている情報を読取って再生
し、再生した情報をＭＰＵ４６などに向けて出力する。
ＤＶＤディスク５２は、音声、画像、プログラムなどの
情報がコンピュータ読み取り可能に記録された情報記録
媒体の一例とされ、ＤＶＤ−ＲＯＭ、ＤＶＤ−ＲＡＭ、
或はＣＤ−ＲＯＭ等のディスクであってもよい。

【００４４】ＭＰＵ４６は、図１で説明した一連の音声
認識処理や、アプリケーションをソフトウェアで実現す
るための中央処理装置（ＣＰＵ）及びその周辺回路を含
んで構成される。

【００４５】ＲＡＭ４８は、例えば、一連の音声認識、
辞書登録など全ての処理をソフトウエアで実行するため
のプログラムやデータ等が展開されて高速アクセス可能
に保持する。また、ＲＡＭ４８はＭＰＵ４６によるプロ
グラム実行中に必要なワークエリアを確保するためのメ
モリとしても利用される。

【００４６】フラッシュッメモリ４７には、音声認識シ
ステムの初期化、一連の音声認識、及び辞書登録など、
全ての処理をソフトウェアで実行するためのプログラム
が、電気的に書き換え可能に書き込まれている。また、
音声認識に必要な音響モデルや辞書、文法情報なども格
納されている。フラッシュッメモリ４７に格納されるプ
ログラムのバージョンアップなどに際して、プログラム
はＤＶＤディスク５２から供給されてよい。即ち、バー
ジョンアッププログラムを格納したＤＶＤディスク５２
をＤＶＤドライブ５１に装着するとき適宜の手段によっ
てＭＰＵ４６にプログラムモードを設定すると、ＭＰＵ
４６は書換え制御プログラムをＤＶＤディスク５２から
ＲＡＭ４８に転送し、ＲＡＭ４８上の書換え制御プログ
ラムを実行してフラッシュメモリ４７のプログラムをＤ
ＶＤディスク５２が保有するプログラムに書き換える制
御を行なう。

【００４７】図３には音声認識システムのさらに詳細な
構成が示される。これを基に、前記音声区間検出部７を
説明する。

【００４８】音声区間検出部７は環境適応部２０、区間
検出部２１、音声分析部２２を、及びセレクタ２３有す
る。３６はセレクタ２３の出力である。

【００４９】前記音声分析部２２はセレクタ２３を介し
て入力される音声信号１のノイズ成分を解析し、そのノ
イズの特徴から、ノイズが認識率に与える影響を少なく
するように、騒音監視フィルタ３、騒音カットフィルタ
２、バンドパスフィルタ４の特性を制御するパラメータ
を信号３１，３２，３４を介して設定する。

【００５０】また、前記音声分析部２２はセレクタ２３
を介してＨＰＦ２の出力５を入力し、入力音声信号５に
対する音声信号パワーを計算する。音声信号パワーの計
算は、音声認識処理の音声分析に必要なフレーム単位、
例えば、２０ｍ秒間にサンプリングされた音声信号１に
対して一つのパワー値情報を計算する。計算されたパワ
ー値情報（第１の信号情報）３３は区間検出部２１に与
えられる。

【００５１】区間検出部２１はパワー値情報３３を閾値
３５と比較して音声区間の検出を行なう。例えば、順次
入力されてくるパワー値情報３３が音声でない区間の情
報か、音声である区間の情報かを、入力音声信号１に対
応するパワー値情報３３が閾値２５を下から超えれば、
音声区間の開始及び音声の途中であると判定し、閾値３
５を所定時間以上下回れば、その時点が音声の終了であ
ると判定する。音声区間の検出結果は信号１６で音声照
合部１５に与えられる。バンドパスフィルタ（ＢＰＦ）
４を通過した信号３６は、音声区間であるフレーム単位
に、一連の音声認識処理を行なうために音声分析部８で
解析され、音声の特徴パラメータ毎の結果３７が、音声
照合部１５に転送される。特徴パラメータ毎の解析結果
３７の内、前記信号１６で指定される音声区間の解析結
果に対し、音響モデル１０並びに認識対象辞書１３から
作成された照合テーブルを照合し、照合結果のスコア
（近似する度合い）が登録単語毎に計算され、照合結果
のスコアが一番高い単語がその音声区間の語であること
が確からしいとして、その語に関するコード情報などが
認識結果１４として出力される。

【００５２】前記環境適応部２０は、音声区間検出のた
めの閾値３５を設定する。閾値３５の初期設定は音声照
合を開始する前、即ち、音声認識対象とされる信号情報
の入力直前に行なわれ、着目する雑音成分を含み認識対
象とする音声信号を含まない信号が前記音声信号１とし
て前記ＨＰＦ２に与えられたとき、前記環境適応部２０
は、そのときのＨＰＦ２の出力５を入力し、これに基づ
いて前述と同様に信号パワー値を計算し、数フレーム分
の信号パワー値の平均を計算し、それにある程度のマー
ジンを加えた信号パワー値を、前記閾値３５として初期
設定する。

【００５３】更に前記音声分析部２２は騒音監視用フィ
ルタ（ＷＰＦ）３を通過した信号６を入力し、その信号
パワー値をフレーム毎に計算して、そのパワー値情報
（第２の信号情報）３０をモニタする。要するに、音声
信号１に含まれる背景ノイズ若しくはノイズ成分の変動
をモニタする。パワー値以外の特徴パラメータによって
背景ノイズの変動をモニタするように構成することも可
能である。

【００５４】発声の途中で、背景騒音ノイズが急激に変
化した場合を想定すると、その急変を伝える音声信号１
が騒音監視用フィルタ３を通過し、その通過信号６が音
声分析部２２へ入力されており、その変動は、音声分析
部２２でモニタされている。このままの状態で、その後
に音声が終了すると、音声の終端を検出できなくなる場
合があり、直ちに、音声分析部２２はパワー値情報３０
を環境適応部２０へ伝える。

【００５５】前記環境適応部２０は、先に設定した音声
区間検出のためのパワー値の閾値３５を、パワー値の変
動情報としてのパワー値情報３０に基いて、閾値を再計
算して、閾値３５の再設定を行ない、再設定されたパワ
ー値の閾値３５が音声区間検出部２１へ伝達される。音
声区間検出部２１は、再設定された閾値に対して、音声
区間検出を実行し、音声パワー値情報３３が、再設定さ
れた閾値３５をある一定区間以上下回ったら、音声が終
了しているものとして、その下回った時点を音声の終端
として検出する。その終端検出結果情報は信号１６にて
音声照合部１５へ伝達され、音声照合部１５は音声照合
処理を終了して、認識結果１４を出力する。

【００５６】次に、図３の音声認識システムによる音声
認識処理手順を更に詳細に説明する。

【００５７】図４には図３の構成を信号の流れ若しくは
処理順を追えるように表現してある。音声信号１は、音
声認識システムにおいて、マイクやアンプやＡＤ変換器
などを通過して得られたデジタル音声信号である。ま
た、あらかじめ用意されたデジタル音声信号であって
も、アナログ信号であってもよい。この音声信号は、発
声された使用環境の騒音も含まれている。この音声信号
１は、騒音監視用フィルタＷＰＦ３および騒音カットフ
ィルタＨＰＦ２および音声認識処理用バンドパスフィル
タＢＰＦ４に入力されている。

【００５８】図５にはフィルタ２，３，４に対するパラ
メータ設定処理に着目した手順が例示される。このパラ
メータ設定処理は、入力される音声信号１のノイズ成分
を分析し、そのノイズの特徴から、ノイズの認識率への
影響が少なくなるように、騒音監視フィルタ３、騒音カ
ットフィルタ２、バンドパスフィルタ４のフィルタ特性
を制御するパラメータの設定を行なう処理である。即
ち、音声信号１は、そのままの信号として、セレクタ２
３で選択され、音声分析部２２に入力される。音声分析
部２２は、音声信号１のノイズ成分を分析し、その結果
に基いて、騒音監視フィルタ３、騒音カットフィルタ
２、バンドパスフィルタ４の特性を最適に制御するパラ
メータ３２、３１、３４、３０を設定する。

【００５９】図６には音声区間検出のための閾値を初期
設定する処理に着目した手順が例示される。閾値は、実
際に認識対象とされる音声の始まりと終わりを検出する
ために、音声でない区間か、音声である区間かを、入力
される音声信号１の短時間毎のパワー値に対して判定す
るための参照レベルとされる。設定された閾値に対し
て、実際に入力される音声信号のパワー値が閾値を超え
れば、音声の開始及び音声の途中であり、閾値をある時
間以上下回れば、その時点が音声の終了であるというよ
うにして、音声区間が検出されることになる。

【００６０】図６に従えば、前記閾値を初期設定するた
めに、音声認識対象とされる信号情報の入力直前に、着
目する雑音成分を含み認識対象とする音声信号を含まな
い信号が前記音声信号１として前記ＨＰＦ２に与えら
れ、その信号がＨＰＦ２を通過することにより、そこか
ら雑音成分がある程度除去された信号５が環境適応部２
０に入力される。前記環境適応部２０は、そのときのＨ
ＰＦ２の出力５を入力し、これに基づいて前述と同様に
信号パワー値を計算し、数フレーム分の信号パワー値の
平均を計算し、それにある程度のマージンを加えた信号
パワー値を、前記閾値３５として初期設定し、これを区
間検出部２１に与える。

【００６１】図７には音声区間検出処理に着目した手順
が例示される。実際に発声入力された音声認識対処の音
声信号１は、騒音監視フィルタ（ＷＰＦ）３、騒音カッ
トフィルタ（ＨＰＦ）２、バンドパスフィルタ４に入力
される。騒音監視用フィルタ（ＷＰＦ）３を通過した信
号６は、音声分析部２２に入力され、例えば、フレーム
毎に音声信号６のパワー値が演算されて背景雑音のパワ
ー値情報（３０）をモニタする。尚、パワー値以外の特
徴パラメータにより背景雑音の変動を併せてモニタして
もよい。

【００６２】騒音カットフィルタ（ＨＰＦ）２を通過し
た音声信号５は、セレクタ２３で選択されて、音声分析
部２２に入力されて、音声分析される。あくまで音声分
析部２２によるその音声分析は、音声区間検出を目的と
する処理である。ここでは、フレーム毎にその音声信号
５のパワー値を演算し、これをパワー値情報３３として
音声区間検出部２１に転送する。音声区間検出部２１
は、そのパワー値情報３３と前記閾値３５とを比較し
て、前述のように、音声区間の検出を行なう。

【００６３】バンドパスフィルタ（ＢＰＦ）４を通過し
た信号３６は、音声区間であるフレーム単位に、一連の
音声認識処理を行なうため、音声分析部８に入力され
る。音声分析部８では音声の特徴パラメータ毎の分析結
果３７が得られ、これが音声照合部１５に転送される。
音声照合部１５は、音響モデル１０及び認識対象辞書１
３から作成された照合テーブルの内容と前記分析結果３
７を照合し、照合結果のスコアが最も高い候補を認識結
果１４として出力する。

【００６４】図８には閾値変更処理に着目した手順が例
示される。発声の途中で、背景騒音が急激に変化した場
合を想定する。その急変を伝える音声信号１は、騒音監
視用フィルタ（ＷＰＦ）３に入力され、そこを通過した
音声信号６は音声分析部２２へ入力される。音声分析部
２２は前述の通り、背景雑音の変動を音声信号６からモ
ニタしている。音声分析部２２はは畏敬雑音の変動を検
出すると、直ちに、モニタしたパワー値情報３０を環境
適応部２０へ伝達する。

【００６５】環境適応部２０は、先に設定した音声区間
検出のための閾値３５を、その変動情報であるパワー値
情報３０に基いて、再計算して、閾値３５の再設定を行
なう。その後、音声区間検出部２１は、再設定された閾
値３５を用いて音声区間検出処理を行なう。音声区間検
出部２１は、再設定された閾値３５に対して、音声区間
検出を実行し、認識対象音声のパワー値情報３３が、閾
値３５をある一定区間以上下回ったら、音声が終了して
いるものとして、その下回った時点を音声の終端として
検出する。その検出結果は情報１６により音声照合部１
５へ伝達され、音声照合部１５は、音声照合処理を終了
して、認識結果１４を出力する。

【００６６】図５乃至図８の手順より明らかなように、
発話音声の直前、直後、あるいは、発声途中で急激に変
動する背景騒音が存在しても、音声区間検出の精度を劣
化させることなく、認識率の面で、良好な認識性能を発
揮することができ、音声認識インタフェースの向上を期
待することができる。

【００６７】図９には図５乃至図８に基づいて説明した
一連の音声認識処理において、発声の前後、或は、発声
の途中においても、背景騒音レベルが一定に保たれてい
る場合における音声区間検出のための各信号の様子が例
示される。

【００６８】図９の（Ａ）は音声信号１を示し、横軸は
時間ｔ、縦軸は音声の振幅（例えば電圧Ｖ）である。発
声直前の音声信号１は、まだ音声ではない区間Ｅであ
り、例えば、Ｅで示す区間のパワーレベル（信号パワー
値）の平均を計算し、その値にマージンを加えたものを
音声区間検出用パワー閾値（Ｐｔｈ）即ち前記閾値３５
とする。閾値３５は図９の（Ｂ），（Ｃ）に示される。

【００６９】図９の（Ｂ）に音声信号１をパワー値でプ
ロットしたパワー値情報３３を示し、縦軸はパワーＰ、
横軸は時間ｔである。パワー値情報３３が前記閾値（Ｐ
ｔｈ）３５を上回っている部分が発声された音声の部分
で、下回っている部分が背景ノイズの部分である。この
音声の部分を正しく検出することが音声認識における認
識率向上に不可欠であり、騒音下の認識率を低下させな
いためには、この音声区間検出の精度が問題となる。

【００７０】尚、実際の音声認識処理については、検出
された音声区間の前後に続く音声でない区間のフレーム
まで音声区間として検出して音声照合し、また、実際の
ノイズには、非常に短い時間内で発声する突発性のノイ
ズなどもあり、パワーが急峻に立ち上がり、立ち下がる
場合などで、厳密には、それは音声ではないと判別する
処理など必要になるが、この点については本発明とは直
接関係ないので詳細な説明は省略する。

【００７１】図９の（Ｃ）は音声信号１の背景ノイズの
パワー値情報３０を例示する。ここでは、パワー値情報
３０は環境適応部２０で設定された閾値（Ｐｔｈ）３５
に対して、常に下回っている。これは、ノイズ変動があ
る程度定常的であることを表している。このような状況
では従来の音声認識処理の音声区間検出方法でも支障な
い。

【００７２】図１０には図５乃至図８に基づいて説明し
た一連の音声認識処理において発声の途中で、背景騒音
レベルが急激に変動した場合における音声区間検出のた
めの各信号の様子が例示される。

【００７３】図１０の（Ａ）は音声信号１を示し、横軸
は時間ｔ、縦軸は音声の振幅（例えば電圧Ｖ）である。
発声直前の音声信号１は、まだ音声ではない区間Ｅ０で
あり、例えば、Ｅ０で示す区間のパワーレベル（信号パ
ワー値）の平均を計算し、その値にマージンを加えたも
のを音声区間検出用パワー閾値（Ｐｔｈ）即ち前記閾値
３５とする。図１０の（Ｂ），（Ｃ）には一旦設定しさ
れたパワー閾値３５をそのまま維持する場合が示され、
図１０の（Ｄ），（Ｅ）は一旦設定されたパワー閾値３
５を再設定する場合が示される。

【００７４】図１０の（Ｂ）には、音声信号１をパワー
値でプロットしたパワー値情報３３が示され、縦軸はパ
ワーＰ、横軸は時間ｔである。パワー閾値情報３３が前
記閾値（Ｐｔｈ）３５を上回っている部分が発声された
音声の部分で、下回っている部分が背景ノイズの部分で
ある。

【００７５】ここで、図１０の（Ｃ）に示すように、発
声の途中から背景ノイズのパワー値情報３０が発声の直
前に比べて、高くなったものとする。このパワー値情報
３０は、発声の直前のＥ０の区間で設定した閾値（Ｐｔ
ｈ）３５の値を超えるレベルになっており、その背景ノ
イズの変化は図１０の（Ｂ）のパワー値情報３３の波形
に反映され、図１０の（Ｂ）においてパワー値情報３３
のレベルは途中から閾値３５を下回らなくなっている。
このままの状態では、発声された音声の終端を検出でき
ず、背景ノイズが閾値３５を下回るまで、発声された音
声区間が継続しているという誤った判断がなされること
になる。このままでは、正しく音声の終端が検出でき
ず、音声認識率を低下させる原因になる。

【００７６】図１０の（Ｄ）にはそのような背景ノイズ
の変動に対して閾値３５を再設定した場合の音声区間検
出作用が例示される。例えば、図１０の（Ａ）のＥ１の
音声区間において、その区間の背景ノイズのパワー値を
用いて、閾値（Ｐｔｈ）３５を再設定したものとする。
この閾値の再設定によって、背景ノイズのレベル変動を
含む音声信号に関するパワー値情報３３は、発声された
音声の終了時点において、再設定された閾値３５を下回
り、音声の終端を検出することが可能になる。

【００７７】図１０の（Ｅ）には音声信号１の背景ノイ
ズのパワー値情報３０と、再設定処理された閾値３５が
示されており、背景ノイズのパワー値情報３０は、Ｔ１
時点で再設定された閾値（Ｐｔｈ）３５に対して下回っ
ている。これにより、発声途中の変動ノイズに対して
も、音声の終端が検出可能になり、音声区間検出精度を
向上できる。

【００７８】図１１には騒音監視フィルの出力パワー値
と背景ノイズだけのパワー値との相違に着目したときに
閾値の変化の様子を例示する。図１１の（Ａ）には図３
に示した騒音監視フィルタ３のフィルタ特性の一例が示
される。横軸は周波数［ｋＨｚ］で、縦軸は電圧利得
［ｄＢ］である。例えば、騒音の分析を行なった結果、
６０で示したような３００Ｈｚ付近にピークを持った騒
音が背景に存在したとすると、その騒音の帯域だけを通
過させてモニタできるように、騒音監視フィルタ（ＷＰ
Ｆ）３の特性が制御され、６１で示されるような特性に
され、６０の騒音を通過させることができる。要する
に、騒音監視フィルタ３の特性は騒音の種類に応じて制
御されることになる。

【００７９】騒音監視フィルタ３の特性を６１に示す特
性とした場合、音声区間検出用閾値が、実際に、どのよ
うに再設定されるかを以下に説明する。

【００８０】図１１の（Ｂ）には騒音カットフィルタで
あるハイパスフィルタ（ＨＰＦ）２を通過した音声信号
５に関するパワー値５Ａが例示される。このパワー値５
Ａは前記パワー値３３と等価であると考えて差し支えな
い。

【００８１】図１１の（Ｃ）には上記の特性を持つ騒音
監視フィルタ（ＷＰＦ）３を通過した音声信号６に関す
るパワー値６Ａを例示する。このパワー値６Ａは背景ノ
イズのパワー値として音声解析部２２で生成されるパワ
ー値３０と等価であると考えてよい。同図に示されるパ
ワー値６Ａは音声区間の発声音声の影響を受けて変動し
ているが、図１１の（Ｂ）に示すＨＰＦ２通過後のパワ
ー値５Ａに比べて変動は小さく、音声分析部２２で背景
ノイズの変動をモニタするにはその変動が問題にならな
い。

【００８２】図１１の（Ｄ）には前記パワー値５Ａに対
する閾値３５の変化の様子が例示される。閾値３５は前
記パワー値６Ａの変化の傾向に追従して変化されてい
る。６２で示される波形は背景ノイズのみのパワー値を
仮想的にプロットした波形である。波形には音声区間に
ける発生の影響が完全に除去されており、パワー値６Ａ
の傾向とは多少相違して当然である。このような相違が
あっても、実際には、閾値３５は、音声区間検出に用い
ているＨＰＦ２通過後の発話音声区間のパワー値５Ａを
超えることはないため、音声区間で多少高めに再設定さ
れてしまう区間が存在するが、音声が終了した時点で
は、音声の終端を検出可能なレベルに再設定されている
ので、音声の終端検出には全く影響なく、高精度な区間
終端検出を保証することができる。

【００８３】以上本発明者によってなされた発明を実施
形態に基づいて具体的に説明したが、本発明はそれに限
定されるものではなく、その要旨を逸脱しない範囲にお
いて種々変更可能であることは言うまでもない。

【００８４】例えば、騒音監視フィルタ（ＷＰＦ）６の
出力に基づいて把握する変動情報は信号パワー値に限る
ことはなく、ある周波数に限定した特徴パラメータなど
を用いてもよい。また、音声認識システムにおいて、騒
音カットフィルタ及び騒音監視フィルタの特性を制御す
るパラメータは、騒音種類に応じて変更するようにして
よい。また、マイクロコンピュータはディジタル信号処
理ユニットや浮動小数点演算ユニットなどの演算部を備
えてよい。

【００８５】また、記録媒体はＣＤ−ＲＯＭ、ＤＶＤ−
ＲＡＭに限定されず、ＦＤ（FloppyDisk）、ＣＤ―Ｒ
（Compact Disk - Recordable）、ＣＲ−ＲＷ（Compact
Disk- Rewritable）、ＤＶＤ−ＲＯＭ（Digital Video
Disk Read Only Memory）等、コンピュータ読み取り
可能なその他の記録媒体であってよい。

【００８６】本発明は、カーナビゲーションシステム、
車載用ＰＣ、カーエレクトロニクスや、ＰＤＡ、ハンド
ヘルドＰＣに代表される小型情報機器、携帯電話、携帯
型音声翻訳機、並びに、ゲーム機器、家電機器に用いる
音声認識システム等に広く適用することができる。

【００８７】

【発明の効果】本願において開示される発明のうち代表
的なものによって得られる効果を簡単に説明すれば下記
の通りである。

【００８８】音声区間検出手段により音声区間検出のた
めの閾値を騒音環境の変化に追従させて変更する事がで
きる。これにより、本発明に係る音声認識システム及び
データ処理システムは騒音環境の変化に対して音声区間
検出を良好に追従させることができ、騒音レベルが短時
間の間に変動する環境でも、精度良く音声認識を行なう
ことを可能にする。

【００８９】コンピュータに前記音声認識システムやデ
ータ処理システムを実現させるためのプログラムをコン
ピュータ読み取り可能に記録した記録媒体を提供するこ
とにより、そこに記録されたプログラムをカーナビゲー
ションシステムなどの音声認識システムに読取らせて実
行させることにより、騒音レベルが短時間の間に変動す
る環境でも、音声区間検出精度を上げて、精度良く音声
認識を行なうことができる音声認識システムの実現が容
易になる。

【００９０】そのようなプログラムを高級言語で記述さ
れたソースプログラムレベルで提供すれば、目的とする
コンピュータに応じたオブジェクトプログラムを容易に
得ることができ、上記音声認識システムの開発期間短縮
に寄与することができる。

【図面の簡単な説明】

【図１】本発明に係る音声認識システムの概略ブロック
図である。

【図２】図１に示す音声認識システムをマイクロコンピ
ュータを用いたデータ処理システムで実現した例を示す
ブロック図である。

【図３】音声認識システムのさらに詳細な構成を例示す
るブロック図である。

【図４】図３の構成を信号の流れ若しくは処理順を追え
るように表現した説明図である。

【図５】騒音カットフィルタ、騒音監視フィルタ、及び
バンドパスフィルタに対するパラメータ設定処理に着目
した手順を例示する説明図である。

【図６】音声区間検出のための閾値を初期設定する処理
に着目した手順を例示する説明図である。

【図７】音声区間検出処理に着目した手順を例示する説
明図である。

【図８】閾値変更処理に着目した手順を例示する説明図
である。

【図９】図５乃至図８に基づいて説明した一連の音声認
識処理において、発声の前後、或は、発声の途中におい
ても、背景騒音レベルが一定に保たれている場合におけ
る音声区間検出のための各信号の様子を例示する信号波
形図である。

【図１０】図５乃至図８に基づいて説明した一連の音声
認識処理において発声の途中で、背景騒音レベルが急激
に変動した場合における音声区間検出のための各信号の
様子を例示する信号波形図である。

【図１１】騒音監視フィルの出力パワー値と背景ノイズ
だけのパワー値との相違に着目したときに閾値の変化の
様子を例示する信号波形図である。

【符号の説明】

１ 音声信号 ２ 騒音カットフィルタ（ＨＰＦ） ３ 騒音監視フィルタ（ＷＰＦ） ４ バンドパスフィルタ（ＢＰＦ） ７ 音声区間検出部 ８ 音声分析部 ９ 照合部 １０ 音響モデル １２ 辞書連結部 １３ 対象辞書 １４ 認識結果 １５ 音声照合部 ２０ 環境適応部 ２１ 音声区間検出部 ２２ 音声分析部（１） ２３ セレクタ ４１ マイク ４２ アンプ ４３ Ａ／Ｄ変換機 ４４ Ｉ／Ｆロジック ４５，５０ Ｉ／Ｏロジック ４６ マイクロコンピュータ（ＭＰＵ） ４７ ＲＯＭ ４８ ＲＡＭ ４９ システムバス ５１ ＤＶＤドライブ ５２ ＤＶＤディスク

───────────────────────────────────────────────────── フロントページの続き (72)発明者 天野 明雄 東京都国分寺市東恋ケ窪一丁目280番地 株式会社日立製作所中央研究所内 Ｆターム(参考） 5D015 CC02 DD04 DD05 EE05

Claims (13)

【特許請求の範囲】
1. 【請求項１】 入力信号から着目する騒音成分を減ずる
   第１フィルタ手段と、前記入力信号から着目する騒音成
   分を取り出す第２フィルタ手段と、前記第１フィルタ手
   段及び第２フィルタ手段の出力に基づいて前記入力信号
   の音声区間を検出する音声区間検出手段と、前記入力信
   号から音声の特徴を抽出し抽出された音声の特徴情報に
   対して音声区間で音声認識を行なう認識手段とを含み、 前記音声区間検出手段は、前記第１フィルタ手段の出力
   に基づいて得られる第１の信号情報と閾値とを比較して
   音声区間を検出し、前記第２フィルタ手段の出力に基づ
   いて得られる第２の信号情報の変動に応じて前記閾値を
   変更するものであることを特徴とする音声認識システ
   ム。
2. 【請求項２】 前記音声区間検出手段は、前記第１の信
   号情報が前記閾値を一方から他方に向けて超える状態に
   基づいて音声区間の始点を検出し、前記第１の信号情報
   が前記閾値を他方から一方に向けて超える状態に基づい
   て音声区間の終点を検出して、音声区間の検出を行なう
   ものであることを特徴とする請求項１記載の音声認識シ
   ステム。
3. 【請求項３】 前記音声区間検出手段は、着目する雑音
   成分を含み認識対象とする音声信号を含まない信号が前
   記入力信号として前記第１フィルタ手段に与えられたと
   き、前記第１フィルタ手段の出力に基づいて得られる信
   号情報を基準に前記閾値を初期設定するものであること
   を特徴とする請求項１記載の音声認識システム。
4. 【請求項４】 前記認識手段は入力信号から音声の周波
   数帯域の信号をバンドパスフィルタ手段で取り出して音
   声の特徴を抽出するものであり、前記第１フィルタ手段
   はハイパスフィルタ手段であり、前記第２フィルタ手段
   はローパスフィルタ手段であることを特徴とする請求項
   １記載の音声認識システム。
5. 【請求項５】 前記第１の信号情報は、前記第１フィル
   タ手段の出力に対する単位時間毎のパワー値情報である
   ことを特徴とする請求項１記載の音声認識システム。
6. 【請求項６】 前記第２の信号情報は、前記第２フィル
   タ手段の出力に対する単位時間毎のパワー値情報である
   ことを特徴とする請求項１記載の音声認識システム。
7. 【請求項７】 入力信号から抽出された音声の特徴情報
   に対して音声区間で音声認識を行なうために、コンピュ
   ータに、前記入力信号から着目する騒音成分を減ずる騒
   音カット処理と、前記入力信号から着目する騒音成分を
   取り出す騒音監視処理と、前記騒音カット処理の結果に
   基づいて得られる第１の信号情報と閾値とを比較して音
   声区間を検出する音声区間検出処理と、前記騒音監視処
   理の結果に基づいて得られる第２の信号情報の変動に応
   じて前記閾値を変更する閾値変更処理と、を実行せるた
   めのプログラムをコンピュータ読み取り可能に記録した
   情報記録媒体。
8. 【請求項８】 前記プログラムは、着目する雑音成分を
   含み認識対象とする音声信号を含まない信号から騒音成
   分を減ずる信号処理を行ない、その信号処理結果に基づ
   いて得られる信号情報から前記閾値を初期設定する閾値
   初期設定処理を更に実行させるものであることを特徴と
   する請求項７記載の情報記録媒体。
9. 【請求項９】 前記騒音カット処理はハイパスフィルタ
   処理であり、前記騒音監視処理はローパスフィルタ処理
   であることを特徴とする請求項７記載の情報記録媒体。
10. 【請求項１０】 マイクロコンピュータ、メモリ及び入
    出力回路を有し、入出力回路へ入力される入力信号から
    音声の特徴情報を抽出し、抽出した特徴情報に対して音
    声区間で音声認識を行なうデータ処理システムであっ
    て、 前記マイクロコンピュータは、前記メモリが保有するプ
    ログラムを実行して、前記入力信号から着目する騒音成
    分を減ずる騒音カット手段、前記入力信号から着目する
    騒音成分を取り出す騒音監視手段、前記騒音カット手段
    及び騒音監視手段の出力に基づいて前記入力信号の音声
    区間を検出する音声区間検出手段、及び前記入力信号か
    ら音声の特徴を抽出し抽出された音声の特徴情報に対し
    て音声区間で音声認識を行なう認識手段を実現し、 前記音声区間検出手段は、前記騒音カット手段の出力に
    基づいて得られる第１の信号情報と閾値とを比較して音
    声区間を検出し、前記騒音監視手段の出力に基づいて得
    られる第２の信号情報の変動に応じて前記閾値を変更す
    ることを特徴とするデータ処理システム。
11. 【請求項１１】 入力信号から抽出された音声の特徴情
    報に対して音声区間で音声認識を行なうために、コンピ
    ュータを、前記入力信号から着目する騒音成分を減ずる
    騒音カット手段、前記入力信号から着目する騒音成分を
    取り出す騒音監視手段、及び前記騒音カット手段及び騒
    音監視手段の出力に基づいて前記入力信号の音声区間を
    検出する音声区間検出手段、として機能させることが可
    能な音声区間検出制御プログラムであって、 前記音声区間検出手段は、前記騒音カット手段の出力に
    基づいて得られる第１の信号情報と閾値とを比較して音
    声区間を検出し、前記騒音監視手段の出力に基づいて得
    られる第２の信号情報の変動に応じて前記閾値を変更す
    ることを特徴とする音声区間検出制御プログラム。
12. 【請求項１２】 入力信号から第1成分を減ずる第１フ
    ィルタ手段と、前記入力信号から第2成分を取り出す第
    ２フィルタ手段と、前記第１フィルタ手段及び第２フィ
    ルタ手段の出力に基づいて前記入力信号の音声区間を検
    出する音声区間検出手段と、前記入力信号から音声の特
    徴を抽出し抽出された音声の特徴情報に基づいて音声区
    間で音声認識を行なう認識手段とを含み、 前記音声区間検出手段は、前記第１フィルタ手段の出力
    に基づいて得られる第１の信号情報と閾値とを比較して
    音声区間を検出し、前記第２フィルタ手段の出力に基づ
    いて得られる第２の信号情報の変動に応じて前記閾値を
    変更するものであることを特徴とする音声認識システ
    ム。
13. 【請求項１３】 前記第１成分及び第２成分は、騒音成
    分であることを特徴とする請求項１２記載の音声認識シ
    ステム。