JP2005258068A - 音声抽出方法、音声抽出装置、音声認識装置、及び、プログラム - Google Patents

Abstract

【課題】 複数のマイクロフォンを用いず、単一のマイクロフォンの音声信号から、適切に雑音成分を除去して音声成分を抽出可能な音声抽出装置を提供すること。
【解決手段】 信号分解部４５では、互いに異なる周波数帯域の信号成分を通過させる複数のフィルタＦＬ０，ＦＬ１，ＦＬ２を用い、単一のマイクロフォンから入力された音声信号から、互いに独立な信号成分ｙ_０，ｙ_１，ｙ_２を抽出する。信号合成部４７では、第一の規則に従って信号成分ｙ_０，ｙ_１，ｙ_２を合成し、第一の合成信号Ｙ１を生成すると共に、第二の規則に従って信号成分ｙ_０，ｙ_１，ｙ_２を合成し、第二の合成信号Ｙ２を生成する。尚、第一及び第二の規則は、合成信号Ｙ１の確率密度関数ｐ１（ｚ）と、合成信号Ｙ２の確率密度関数ｐ２（ｚ）との差異が最大となるように決定される。選択出力部４９では、合成信号Ｙ１，Ｙ２の内、ガウス分布との差異の大きい合成信号を選択的に出力する。
【選択図】 図２

Description

本発明は、音声成分及び雑音成分からなるディジタル音声信号から、音声成分を選択的に抽出するための音声抽出方法及び音声抽出装置と、その音声抽出装置を備える音声認識装置と、音声抽出装置としての機能をコンピュータに実現させるためのプログラムと、に関する。

従来より、利用者が発した音声をマイクロフォンで集音し、これを予め認識語として記憶された音声のパターンと比較し、一致度の高い認識語を利用者が発声した語彙であると認識する音声認識装置が知られている。この種の音声認識装置は、例えばカーナビゲーション装置などに組み込まれる。

音声認識装置の音声認識率は、マイクロフォンから入力される音声信号に含まれる雑音成分の量によって左右されることが知られているが、この点の問題を解消するために、音声認識装置には、マイクロフォンから入力される音声信号から、利用者の音声の特徴を表す音声成分のみを選択的に抽出するための音声抽出装置が設けられる。

周知の音声抽出方法としては、複数のマイクロフォンにて同一空間の音を収集し、それら複数のマイクロフォンからの入力信号に基づいて、音声成分と雑音成分とを分離し、音声成分を抽出する方法が知られている。この音声抽出方法では、マイクロフォンの入力信号に含まれる音声成分と雑音成分とが統計的に独立であることを利用して、独立成分分析（ＩＣＡ）の手法を用い、音声成分を選択的に抽出する（例えば、非特許文献１参照）。
テ−ウォン・リー（Te-Won Lee），アンソニー・ジェイ・ベル（ Anthony J. Bell）， レインホールド・オーグルメイスター（Reinhold Orglmeister）著， 「実世界の源信号のブラインド分離（Blind Source Separation of Real World Signals）」, 「ＩＥＥＥ（米国電気電子技術者協会）主催神経回路網国際会議講演論論文集（Proceedings of IEEE International Conference Neural Networks）」，（米国），１９９７年６月，ｐ.２１２９−２１３５

しかしながら、上述の従来技術には以下のような問題があった。
即ち、独立成分分析を用いた従来の音声抽出方法では、目的とする音声成分を抽出するために、音声信号に含まれる独立成分の数と等しい数（即ち、雑音成分の数に、抽出すべき音声成分として１を加えた数）、マイクロフォンを空間内に設けなければならないといった問題があった。また、マイクロフォンを複数設けて、従来の独立成分分析の手法を用い、音声成分を抽出しても、雑音成分の数（即ち、雑音源の数）が時々刻々と変化する場合などには、音声成分を適切に抽出することができないといった問題があった。

その他、複数のマイクロフォンからの入力信号を処理する場合には、ハードウェアの構造が煩雑になるといった問題があった。特に、マイクロフォンからの入力信号をディジタル的に処理する場合には、その入力信号（ディジタルデータ）を記憶しておくための大容量の記憶媒体（メモリ等）を用意する必要があり、製品コストがアップするといった問題があった。

本発明は、こうした問題に鑑みなされたものであり、複数のマイクロフォンを用いることなく、単一のマイクロフォンの音声信号から、適切に音声成分を抽出可能な音声抽出方法及び音声抽出装置と、その音声抽出装置を備える音声認識装置と、その音声抽出装置に用いられるプログラムと、を提供することを目的とする。

かかる目的を達成するためになされた本発明の音声抽出方法は、複数のフィルタを用いて、マイクロフォンから入力される音声信号を、複数種（異なる周波数帯域）の信号成分に分解すれば、音声成分と雑音成分とが異なったスペクトラムを有するので、それを、雑音成分を多く含む信号成分と、音声成分を多く含む信号成分とに分離することができ、それら信号成分を、所定の規則により合成すれば、音声成分を強調した合成信号を生成することができるといった原理に基づくものである。

請求項１記載の音声抽出方法では、複数のフィルタを用いて、ディジタル音声信号から複数種類の信号成分を抽出し（ステップ（ａ））、その各信号成分を、第一の規則に従って合成して、第一の合成信号を生成する。又、各信号成分を、第一の規則とは異なる第二の規則に従って合成し、第二の合成信号を生成する（ステップ（ｂ））。そして、生成された第一及び第二の合成信号の内、音声成分の特徴が表れている合成信号を選択的に出力する（ステップ（ｃ））ことで、ディジタル音声信号から音声成分を抽出する。

尚、上記第一及び第二の合成信号の生成に際しては、第一及び第二の合成信号の統計的特徴量に基づき、第一及び第二の規則を決定する。ここでは、前回生成した第一及び第二の合成信号の統計的特徴量に基づき、第一及び第二の規則を決定してもよいし、仮生成した第一及び第二の合成信号の統計的特徴量に基づいて、第一及び第二の規則を決定してもよいし、生成される第一及び第二の合成信号の統計的特徴量を数学的な手法で事前予測し、その結果に基づいて、第一及び第二の規則を決定してもよい。

このように本発明では、統計的特徴量に基づいて、音声成分の特徴を表す合成信号が生成されるように、第一及び第二の規則を決定し、ディジタル音声信号から音声成分を抽出するので、音源の数だけマイクロフォンが必要な従来の音声抽出方法とは異なり、単一のマイクロフォンで、良好に音声成分を抽出することができる。従って、本発明によれば、雑音成分（雑音源）の数が時々刻々と変化する環境下であっても、音声成分を適切に抽出することができる。

また、本発明によれば、複数のマイクロフォンからの入力信号を処理する必要がなく、単一のマイクロフォンからの入力信号を処理する程度で音声成分を抽出することができるので、高性能なコンピュータや、大容量のメモリ等を用いなくても良く、本方法を用いた音声抽出装置を安価に製造することができる。

尚、上記音声抽出方法では、固定のフィルタ特性を示す複数のフィルタを用いて、複数種の信号成分を抽出してもよいが、好ましくは、請求項２記載のように、各フィルタにより抽出される信号成分が相互に独立又は無相関となるように、複数のフィルタのインパルス応答を設定し、それら複数のフィルタを用いて、ディジタル音声信号から、互いに独立又は無相関な複数種類の信号成分を抽出するとよい。

音声成分を強調した合成信号を生成するためには、フィルタにより抽出される信号成分が、音声成分及び雑音成分の一方を多く含む必要があるが、雑音源が特定されない空間では、固定のフィルタ特性を示すフィルタを用いても、それら各フィルタを用いて、ディジタル音声信号から、各音源の信号成分を最適に分離することができない。このため、各フィルタの特性を一定の状態にして、上述のように合成信号を生成しても、固定したフィルタを用いて抽出した信号成分では、音声成分を強調した合成信号を最適に生成できない可能性がある。

これに対し、各フィルタにより抽出される信号成分が相互に独立又は無相関となるように、各フィルタのインパルス応答を設定すれば、音声成分と雑音成分とは近似的には独立又は無相関と見なせるため、フィルタにて、各音源の信号成分を概ね適切に分離抽出することができ、それらを合成することで、音声成分を選択的に強調した合成信号を生成することができる。

従って、各フィルタにより抽出される信号成分が相互に独立又は無相関となるように、複数のフィルタのインパルス応答を設定する請求項２記載の音声抽出方法によれば、より高精度にディジタル音声信号から所望の音声成分を抽出することができる。

尚、各フィルタにより抽出される信号成分が相互に無相関となるように、フィルタのインパルス応答を設定する場合には、各フィルタにより抽出される信号成分が相互に独立となるようにフィルタのインパルス応答を設定する場合と比較して、インパルス応答の導出にかかる演算量が少なくて済むといった利点がある。また、各フィルタにより抽出される信号成分が相互に独立となるようにフィルタのインパルス応答を設定する場合には、各フィルタにより抽出される信号成分が相互に無相関となるように、フィルタのインパルス応答を設定する場合と比較して、高精度に音声成分を抽出することができるといった利点がある。

また、上記フィルタとしては、請求項３記載のように、ＦＩＲ（Finite Impulse Response）型又はＩＩＲ（Infinite Impulse Response）型のディジタルバンドパスフィルタを用いるとよい。ＩＩＲフィルタを用いる場合には、演算量が少なくて済むといった利点があり、ＦＩＲフィルタを用いる場合には、信号歪が少なく、高精度に所望の信号成分を抽出することができるといった利点がある。

その他、第一及び第二の規則を決定する際に用いる上記統計的特徴量としては、第一及び第二の合成信号の確率密度関数の差異を表す量（具体的には、後述の式（１５）で表される量）や、第一及び第二の合成信号についての相互情報量（具体的には、後述の式（３８）で表される量）を挙げることができる。

音声成分と雑音成分とでは確率密度関数が大きく異なるから、請求項４記載のように、第一及び第二の合成信号の確率密度関数の差異を表す量、が最大となるように、第一及び第二の規則を決定すれば、音声成分が適切に強調された合成信号を生成することができ、良好に音声成分を抽出することができる。

また、音声成分及び雑音成分は、近似的には相互に独立であるから、請求項５記載のように、第一及び第二の合成信号の相互情報量が最小となるように第一及び第二の規則を決定すれば、上記確率密度関数の差異を表す量を指標として第一及び第二の規則を決定する場合と同様に、音声成分が適切に強調された合成信号を生成することができ、良好に音声成分を抽出することができる。

その他、請求項６記載のように、第一及び第二の合成信号の確率密度関数の差異を表す量、及び、第一及び第二の合成信号についての相互情報量の両者を指標にして、第一及び第二の規則を決定すれば、一層良好に音声成分を強調して合成信号を生成することができ、音声成分の抽出性能が向上する。

また、上述した音声抽出方法では、請求項７記載のように、第一及び第二の規則として、ステップ（ａ）にて抽出された各信号成分の重み付けに関する規則を決定し、合成信号を生成するとよい。尚、合成の際には、各信号成分を、第一の規則で重み付け加算することで、第一の合成信号を生成し、各信号成分を、第二の規則で重み付け加算することで、第二の合成信号を生成すればよい。このように、各信号成分を重み付け加算することで合成信号を生成する手法を採用すれば、上述の条件に適合する合成信号を簡単且つ高速に生成することができる。

その他、第一及び第二の合成信号の一方を、出力対象の合成信号として選択する際には、請求項８記載のように、ステップ（ｂ）で生成された第一の合成信号及び第二の合成信号の夫々について、ガウス分布との差異を評価し、ガウス分布との差異が最も大きく評価された合成信号を、音声成分の特徴が表れている合成信号として、選択すればよい。

周知のように、雑音成分は近似的にガウス分布をとる。従って、第一及び第二の合成信号の夫々について、ガウス分布との差異を評価すれば、両合成信号のいずれが最も音声成分の特徴を表すものであるのかを簡単且つ適切に判別することができる。

尚、上述の音声抽出方法に関する発明は、請求項９〜請求項１６のようにして音声抽出装置に適用されるとよい。請求項９記載の音声抽出装置は、複数のフィルタと、抽出手段と、第一合成手段と、第二合成手段と、選択出力手段と、決定手段と、を備え、抽出手段にて、外部入力されたディジタル音声信号から複数種類の信号成分を複数のフィルタを用いて抽出する。

第一合成手段は、抽出手段にて抽出された各信号成分を、第一の規則に従って合成して、第一の合成信号を生成し、第二合成手段は、抽出手段にて抽出された各信号成分を、第一の規則とは異なる第二の規則に従って合成して、第二の合成信号を生成する。第一及び第二の規則は、第一合成手段で生成される第一の合成信号及び第二合成手段で生成される第二の合成信号の統計的特徴量に基づき、上記決定手段によって決定される。選択出力手段は、このようにして第一合成手段で生成された第一の合成信号及び第二合成手段で生成された第二の合成信号の内、音声成分の特徴が表れている合成信号を選択的に出力する。

請求項９記載の音声抽出装置によれば、請求項１記載の音声抽出方法と同様、統計的特徴量に基づき第一及び第二の規則を決定して、音声成分を強調した合成信号を生成し、ディジタル音声信号から音声成分を抽出するので、単一のマイクロフォンで、良好に音声成分を抽出することができ、雑音成分（雑音源）の数が時々刻々と変化する環境下であっても、音声成分を適切に抽出することができる。また、この発明によれば、複数のマイクロフォンを用いずに済み、単一のマイクロフォンからの入力信号を処理する程度で済むので、高性能なコンピュータや、大容量のメモリ等を音声抽出装置に搭載しなくて済み、製品を安価に製造することができる。

また、請求項１０記載の音声抽出装置は、抽出手段が、各フィルタにより抽出される信号成分が相互に独立又は無相関となるように、上記複数のフィルタのインパルス応答を設定し、それら複数のフィルタを用いて、ディジタル音声信号から、相互に独立又は無相関な複数種類の信号成分を抽出する構成にされたものである。

この音声抽出装置によれば、請求項２記載の音声抽出方法と同様、雑音源の変化に対応して、適切な信号成分を抽出することができ、音声成分の特徴を良く表す合成信号を適切に生成・出力することができる。尚、上記音声抽出装置においては、請求項１１記載のように、フィルタとして、ＦＩＲ型又はＩＩＲ型のディジタルバンドパスフィルタを用いることができる。

また、請求項１２記載の音声抽出装置は、決定手段が、第一及び第二の合成信号の確率密度関数の差異を表す量が最大となるように、第一及び第二の規則を決定する構成にされたものである。その他、請求項１３記載の音声抽出装置は、決定手段が、第一及び第二の合成信号についての相互情報量が最小となるように、第一及び第二の規則を決定する構成にされたものである。請求項１２，１３記載の音声抽出装置のようにして、第一および第二の規則を決定すれば、請求項４，５記載の音声抽出方法と同様に、音声成分が適切に強調された合成信号を生成することができ、良好に音声成分を抽出することができる。

また、請求項１４記載の音声抽出装置のように、上記決定手段を、第一及び第二の合成信号の確率密度関数の差異を表す量と、第一及び第二の合成信号についての相互情報量と、に基づき、第一及び第二の規則を決定する構成とすれば、一層良好に音声成分を抽出することができる。

その他、請求項１５記載の音声抽出装置は、決定手段が、抽出手段にて抽出された各信号成分の重み付けに関する規則（第一及び第二の規則）を決定し、第一合成手段が、抽出手段にて抽出された各信号成分を、第一の規則で重み付け加算して第一の合成信号を生成し、第二合成手段が、抽出手段にて抽出された各信号成分を、第二の規則で重み付け加算して、第二の合成信号を生成する構成にされたものである。この音声抽出装置によれば、上述の条件に適合する合成信号を簡単且つ高速に生成することができる。

また、請求項１６記載の音声抽出装置は、選択出力手段が、第一合成手段で生成された第一の合成信号及び第二合成手段で生成された第二の合成信号の夫々について、ガウス分布との差異を評価する評価手段、を有し、その評価手段によってガウス分布との差異が最も大きく評価された合成信号を、音声成分の特徴が表れている合成信号として、選択的に出力する構成にされたものである。請求項１６記載の音声抽出装置によれば、両合成信号のいずれが最も音声成分の特徴を表すものであるのかを簡単且つ適切に評価することができる。

また、請求項１７記載の音声認識装置は、請求項９〜請求項１６記載の音声抽出装置の選択出力手段が出力する合成信号を用いて音声認識を行うものである。本発明の音声抽出装置では、選択出力手段から音声成分のみが選択的に強調された合成信号が出力されるので、その音声抽出装置から出力される信号を用いて音声認識を行う本発明の音声認識装置によれば、従来より高精度に音声認識を行うことができる。

尚、請求項９〜請求項１６記載の音声抽出装置が備える上記フィルタ、抽出手段、第一合成手段、第二合成手段、選択出力手段、及び、決定手段としての機能は、コンピュータに実現させてもよい。

請求項１８記載のプログラムは、上記フィルタ、抽出手段、第一合成手段、第二合成手段、選択出力手段、及び、決定手段としての機能を、コンピュータに実現させるためのプログラムである。このプログラムを、情報処理装置のＣＰＵに実行させれば、その情報処理装置を、本発明の音声抽出装置として機能させることができる。尚、このプログラムは、ＣＤ−ＲＯＭやＤＶＤ、ハードディスク、半導体製メモリに格納して、利用者に提供されてもよい。

以下に本発明の実施例について、図面とともに説明する。図１は、本発明が適用されたナビゲーションシステム１の構成を表すブロック図である。本実施例のナビゲーションシステム１は、車両内に構築されており、位置検出装置１１と、地図データ入力器１３と、各種情報（地図等）を表示するための表示装置１５と、音声出力を行うためのスピーカ１７と、利用者が当該システムへ各種指令を入力するための操作スイッチ群１９と、ナビ制御回路２０と、音声認識装置３０と、マイクロフォンＭＣとを備える。

位置検出装置１１は、ＧＰＳ衛星から送信されてくる衛星信号を受信して現在地の座標（緯度・経度等）を算出するＧＰＳ受信機１１ａや、周知のジャイロスコープ（図示せず）などの位置検出に必要な各種センサ類を備える。この位置検出装置１１が備えるセンサ類の出力は夫々性質の異なる誤差を有するため、当該位置検出装置１１は、それら各機器の複数を用いて、現在地を特定する構成にされている。尚、要求される位置検出精度によっては、上述したセンサ類の一部で位置検出装置１１を構成してもよいし、地磁気センサ、ステアリングの回転センサや各転動輪の車輪センサ、車速センサ、路面の傾斜角を検出する傾斜センサ等を更に位置検出装置１１に設けても良い。

地図データ入力器１３は、位置補正のためのマップマッチング用データ、道路の接続を表す道路データ等を、それらを記憶する記憶媒体からナビ制御回路２０に入力するものである。記憶媒体としては、ＣＤ−ＲＯＭ、ＤＶＤ、ハードディスク等が挙げられる。

また、表示装置１５は、液晶ディスプレイ等からなるカラー表示装置であり、ナビ制御回路２０から入力される映像信号に基づいて、画面上に、車両の現在位置や地図画像等を表示する。この他、スピーカ１７は、ナビ制御回路２０から入力される音声信号を再生するものであり、目的地までの経路を音声案内する際などに用いられる。

その他、ナビ制御回路２０は、周知のマイクロコンピュータ等から構成されるものであり、操作スイッチ群１９から入力される指令信号に従い、ナビゲーションに係る各種処理を実行する。例えば、ナビ制御回路２０は、位置検出装置１１で検出された現在地周囲の道路地図を、表示装置１５に表示させると共に、その道路地図上に現在地を表すマークを表示させる。また、ナビ制御回路２０は、目的地までの経路を探索して、車両の運転者がその経路に沿って車両を走行させることができるように、表示装置１５に各種案内を表示させたり、スピーカ１７を通じて、音声案内を行う。その他、ナビ制御回路２０は、周辺施設案内や、表示装置１５に表示させる道路地図の地域・スケール変更など、周知のカーナビゲーション装置が行う各種処理を実行する。

また、このナビ制御回路２０は、音声認識装置３０から入力される音声認識結果に従い、その音声認識装置３０にて認識された音声に対応する各種処理を実行する。
音声認識装置３０は、マイクロフォンＭＣから入力されるアナログ音声信号を、ディジタル信号（以下、「ディジタル音声信号」と表現する。）に変換するアナログ−ディジタル変換器３１と、そのアナログ−ディジタル変換器３１から入力されるディジタル音声信号から、音声成分を選択的に抽出して出力する音声抽出部３３と、音声抽出部３３から出力される信号に基づいて、利用者がマイクロフォンＭＣを通じて入力した音声を認識する認識部３５と、を備える。

認識部３５は、音声抽出部３３の選択出力部４９から出力される後述の合成信号Ｙ１（ｕ）又は合成信号Ｙ２（ｕ）を音響分析し、その信号の特徴量（例えばケプストラム）を、周知の手法で、音声辞書に登録された音声パターンと比較し、一致度の高い音声パターンに対応する語彙を、利用者が発声した語彙であると認識して、その認識結果をナビ制御回路２０に入力するものである。

尚、この音声認識装置３０には、ＣＰＵ、ＲＡＭの他、ＣＰＵに音声抽出部３３及び認識部３５としての機能を実現させるためのプログラムを格納したＲＯＭを設けて、それらプログラムをＣＰＵに適宜実行させることにより、音声認識部３０内に、音声抽出部３３及び認識部３５を設けてもよいし、専用のＬＳＩを設けてもよい。

図２（ａ）は、この音声認識装置３０が備える音声抽出部３３の構成を表す機能ブロック図であり、図２（ｂ）は、音声抽出部３３が備える信号分解部４５の構成を表す機能ブロック図である。

音声抽出部３３は、利用者が発した声の成分である音声成分と周囲雑音についての雑音成分とからなる上記ディジタル音声信号から、音声成分を選択的に抽出して出力するものであり、ディジタル音声信号を格納するためのメモリ（ＲＡＭ）４１と、アナログ−ディジタル変換器３１から入力されるディジタル音声信号をメモリ４１に書き込む信号記録部４３と、そのディジタル音声信号から、複数種の信号成分を分離抽出する信号分解部４５と、信号分解部４５により分離抽出された複数の信号成分を、複数の規則で重み付けして合成し、それら各規則で合成した合成信号を夫々出力する信号合成部４７と、信号合成部４７から出力される合成信号の内、音声としての特徴を最もよく示す合成信号を選択し、それを上記音声成分の抽出信号として、出力する選択出力部４９と、を備える。

信号記録部４３は、アナログ−ディジタル変換器３１から入力される各時点のディジタル音声信号ｍｍ（ｕ）を順次メモリ４１に格納するものである。具体的に、本実施例の信号記録部４３は、現在時点から１秒遡った時点までのディジタル音声信号をメモリ４１に記録する構成にされている。マイクロフォンＭＣから入力される音声信号が、サンプリング周波数Ｎ（Ｈｚ）（例えばＮ＝１００００）でサンプリングされる場合、この信号記録部４３の動作により、メモリ４１には、現在時点から過去Ｎ個分のディジタル音声信号ｍｍ（Ｎ−１），ｍｍ（Ｎ−２），ｍｍ（０）が常に格納された状態にされる。

一方、信号分解部４５は、複数（具体的には三つ）のフィルタＦＬ０，ＦＬ１，ＦＬ２と、それらフィルタＦＬ０，ＦＬ１，ＦＬ２のインパルス応答（フィルタ係数）を設定するためのフィルタ学習部４５ａとを備える。フィルタＦＬ０，ＦＬ１，ＦＬ２は、ＦＩＲ（Finite Impulse Response）型のディジタルフィルタとして構成されており、フィルタＦＬ０には、フィルタ係数｛Ｗ_００，Ｗ_０１，Ｗ_０２｝が設定され、フィルタＦＬ１には、フィルタ係数｛Ｗ_１０，Ｗ_１１，Ｗ_１２｝が設定され、フィルタＦＬ２には、フィルタ係数｛Ｗ_２０，Ｗ_２１，Ｗ_２２｝が設定される。

これら各フィルタＦＬ０，ＦＬ１，ＦＬ２は、メモリ４１から読み出された時刻ｕ，ｕ−１，ｕ−２でのディジタル音声信号ｍｍ（ｕ），ｍｍ（ｕ−１），ｍｍ（ｕ−２）を用いて、ディジタル音声信号を濾波し、そのディジタル音声信号から複数種の信号成分ｙ_０（ｕ），ｙ_１（ｕ），ｙ_２（ｕ）を抽出する。尚、複数の信号成分ｙ_０（ｕ），ｙ_１（ｕ），ｙ_２（ｕ）と、ディジタル音声信号ｍｍ（ｕ），ｍｍ（ｕ−１），ｍｍ（ｕ−２）との関係は、次式で表わされる。

具体的に、フィルタＦＬ０，ＦＬ１，ＦＬ２は、後述する信号分解処理によるインパルス応答（フィルタ係数）の更新により、夫々異なる周波数帯域の信号成分を抽出するバンドパスフィルタとして構成され、フィルタＦＬ０は、信号成分ｙ_１（ｕ），ｙ_２（ｕ）とは独立な信号成分ｙ_０（ｕ）を、上記の式（３）のディジタル音声信号ｘ（ｕ）から抽出し出力する。また、フィルタＦＬ１は、信号成分ｙ_０（ｕ），ｙ_２（ｕ）とは独立な信号成分ｙ_１（ｕ）を、ディジタル音声信号ｘ（ｕ）から抽出し出力する。その他、フィルタＦＬ２は、信号成分ｙ_０（ｕ），ｙ_１（ｕ）とは独立な信号成分ｙ_２（ｕ）を、ディジタル音声信号ｘ（ｕ）から抽出し出力する。

尚、これらフィルタＦＬ０，ＦＬ１，ＦＬ２及びフィルタ学習部４５ａとして機能は、信号分解部４５が、図３に示す信号分解処理を実行することにより実現される。尚、図３は、信号分解部４５が実行する信号分解処理を表すフローチャートである。この信号分解処理は、１秒毎に繰り返し実行される。

信号分解処理を実行すると、信号分解部４５は、行列Ｗの各要素を初期値に設定すると共に（Ｓ１１０）、行列ｗ０の各要素の値を初期値に設定する（Ｓ１２０）。尚、行列Ｗは３行３列の、ｗ０は、３行１列の行列である。本実施例では、行列Ｗ及びｗ０の各要素の初期値として、一様乱数（例えば、−０．００１から＋０．００１までの一様乱数）を設定する。この後、信号分解部４５は、変数ｊを初期値ｊ＝１に設定すると共に（Ｓ１３０）、変数ｕを初期値ｕ＝２に設定し（Ｓ１３５）、フィルタ更新処理（Ｓ１４０）を実行する。

図３（ｂ）は、信号分解部４５が実行するフィルタ更新処理を表すフローチャートである。このフィルタ更新処理では、独立成分分析（ＩＣＡ）の一手法として知られるｉｎｆｏｍａｘ法に基づいて、フィルタ係数Ｗ_００，Ｗ_０１，Ｗ_０２，Ｗ_１０，Ｗ_１１，Ｗ_１２，Ｗ_２０，Ｗ_２１，Ｗ_２２を要素にもつ行列Ｗの各要素の値を更新し、信号成分ｙ_０（ｕ），ｙ_１（ｕ），ｙ_２（ｕ）が相互に独立となるようにする。

具体的に、フィルタ更新処理を実行すると、信号分解部４５は、現在設定されている変数ｕについての値ｖ（ｕ）を次式に従い算出する（Ｓ２１０）。

その後、値ｖ（ｕ）の各要素をシグモイド関数に代入して値ｃ（ｕ）を算出する（Ｓ２２０）。

Ｓ２２０での処理を終えると、信号分解部４５は、値ｃ（ｕ）を用いて、行列Ｗに代わる新しい行列Ｗ’を算出する（Ｓ２３０）。但し、ベクトルｅは、各要素の値が１である３行１列のベクトルである。また、αは、学習レートを表す定数、tは転置である。

その後、信号分解部４５は、Ｓ２３０で算出した行列Ｗ’を行列Ｗと置き換えて、行列Ｗを、Ｗ＝Ｗ’に更新する（Ｓ２４０）。Ｓ２４０での処理を終えると、信号分解部４５は、値ｃ（ｕ）を用いて、行列ｗ０に代わる新しい行列ｗ０’を算出する（Ｓ２５０）。

Ｓ２５０での処理を終えると、信号分解部４５は、Ｓ２５０で算出した行列ｗ０’を行列ｗ０と置き換えて、行列ｗ０を、ｗ０＝ｗ０’に更新する（Ｓ２６０）。その後、当該フィルタ更新処理を終了する。

フィルタ更新処理を終了すると、信号分解部４５は、変数ｕの値を１インクリメントし（Ｓ１４５）、その後に、変数ｕの値が、最大値（Ｎ−１）より大きいか否か判断する（Ｓ１５０）。ここで、変数ｕの値が、最大値（Ｎ−１）以下であると判断すると（Ｓ１５０でＮｏ）、その変数ｕの値について、フィルタ更新処理を実行し（Ｓ１４０）、フィルタ更新処理の終了後、変数ｕを再び１インクリメントする（Ｓ１４５）。信号分解部４５は、これらの動作（Ｓ１４０〜Ｓ１５０）を、変数ｕの値が最大値（Ｎ−１）を超えるまで繰り返す。

そして、変数ｕの値が、最大値（Ｎ−１）を超えたと判断すると（Ｓ１５０でＹｅｓ）、変数ｊの値を１インクリメントする（Ｓ１５５）。この後、信号分解部４５は、変数ｊの値が、予め設定された最大値Ｊより大きいか否か判断し（Ｓ１６０）、変数ｊの値が定数Ｊ以下であると判断すると（Ｓ１６０でＮｏ）、Ｓ１３５に移行して、変数ｕを初期値ｕ＝２に設定し、上述したＳ１４０〜Ｓ１５５までの処理を実行する。尚、最大値Ｊは、行列Ｗが収束する速度を見込んで設定されるものであり、例えば、Ｊ＝１０に設定される。

一方、変数ｊの値が定数Ｊより大きいと判断すると（Ｓ１６０でＹｅｓ）、信号分解部４５は、変数ｕをｕ＝２に設定し（Ｓ１７０）、Ｓ２４０で更新された最新の行列Ｗを用いて、式（１）に従い、信号成分ｙ_０（ｕ），ｙ_１（ｕ），ｙ_２（ｕ）を算出し（Ｓ１８０）、出力する（Ｓ１８５）。

この後、信号分解部４５は、変数ｕの値を１インクリメントして（Ｓ１９０）、インクリメント後の変数ｕの値が最大値（Ｎ−１）より大きいか否か判断し（Ｓ１９５）、変数ｕの値が最大値（Ｎ−１）以下であると判断すると（Ｓ１９５でＮｏ）、Ｓ１８０に移行して、インクリメント後の変数ｕについての信号成分ｙ_０（ｕ），ｙ_１（ｕ），ｙ_２（ｕ）を算出し、それを出力する（Ｓ１８５）。一方、インクリメント後の変数ｕの値が最大値（Ｎ−１）より大きいと判断すると（Ｓ１９５でＹｅｓ）、信号分解処理を終了する。以上の動作により、信号分解部４５からは、相互に独立な信号成分ｙ_０（ｕ），ｙ_１（ｕ），ｙ_２（ｕ）が出力される。

続いて、信号合成部４７について説明する。この信号合成部４７は、図４に示す合成処理を実行することによって、信号分解部４５から出力される信号成分ｙ_０（ｕ），ｙ_１（ｕ），ｙ_２（ｕ）を、第一の規則で重み付けして合成し、第一の合成信号Ｙ１（ｕ）を生成すると共に、信号分解部４５から出力される信号成分ｙ_０（ｕ），ｙ_１（ｕ），ｙ_２（ｕ）を、第一の規則とは異なる第二の規則で重み付けして合成し、第二の合成信号Ｙ２（ｕ）を生成する。尚、図４は、信号合成部４７が実行する合成処理を表すフローチャートである。

合成処理を実行すると、信号合成部４７は、変数ｒを初期値ｒ＝１に設定し（Ｓ３１０）、信号分解部４５で信号成分ｙ_０（ｕ），ｙ_１（ｕ），ｙ_２（ｕ）が抽出された元の１秒間のディジタル音声信号ｍｍ（Ｎ−１），…，ｍｍ（０）における最大振幅値Ａｍａｘ及び最小振幅値Ａｍｉｎに基づき、値σ^２を算出する（Ｓ３２０）。

その後、信号合成部４７は、変数ａ_０，ａ_１，ａ_２を初期値に設定し（Ｓ３３０）、ｕ＝２，３，…，Ｎ−２，Ｎ−１について、仮の第一の合成信号Ｙ１（ｕ）及び第二の合成信号Ｙ２（ｕ）を生成する（Ｓ３４０，Ｓ３５０）。尚、式（１１）に示すように、ｓ（ａ_ｉ）は、変数ａ_ｉ（ｉ＝０，１，２）のシグモイド関数である。

合成信号Ｙ１（ｕ），Ｙ２（ｕ）を算出すると、信号合成部４７は、合成信号Ｙ１（ｕ）の確率密度関数ｐ１（ｚ）と、合成信号Ｙ２（ｕ）の確率密度関数ｐ２（ｚ）との差異を表す量Ｉ（ｐ１，ｐ２）について、Ｉ（ｐ１，ｐ２）の傾き∂Ｉ／∂ａ_０（ａ_０＝ｂ_０（ｒ）），∂Ｉ／∂ａ_１（ａ_１＝ｂ_１（ｒ）），∂Ｉ／∂ａ_２（ａ_２＝ｂ_２（ｒ））を算出する（Ｓ３６０）。尚、ここでは、変数ｒ＝１，２，…，Ｒ−１，Ｒであるときに、Ｓ３４０〜Ｓ３６０で変数ａ_ｉに設定されている値をｂ_ｉ（ｒ）と表記する。

次に、傾き∂Ｉ／∂ａ_０（ａ_０＝ｂ_０（ｒ）），∂Ｉ／∂ａ_１（ａ_１＝ｂ_１（ｒ）），∂Ｉ／∂ａ_２（ａ_２＝ｂ_２（ｒ））の算出方法について説明する。まず、Ｐａｒｚｅｎ法を用いて、合成信号Ｙ１（ｕ）の確率密度関数ｐ１（ｚ）、及び、合成信号Ｙ２（ｕ）の確率密度関数ｐ２（ｚ）を、以下のように推定する。尚、Ｐａｒｚｅｎ法については、「Simon S.Haykin編，”Unsupervised Adaptive Filtering，Volume 1， Blind Source Separation”，Wiley」の２７３ページを参考にされたい。

関数Ｇ（ｑ，σ^２）は、式（１４）に示すように、分散がσ^２のガウス確率密度関数である。ここでは、ｑ＝ｚ−Ｙ１（ｕ）又はｑ＝ｚ−Ｙ２（ｕ）とし、σ^２として、Ｓ３２０で求めた値σ^２を用いる。

一方、確率密度関数ｐ１（ｚ）と、確率密度関数ｐ２（ｚ）との差異を表す量Ｉ（ｐ１，ｐ２）は、確率密度関数ｐ１（ｚ）と、確率密度関数ｐ２（ｚ）との差を二乗して得られる二乗誤差を、変数ｚについて積分して得られる。

式（２０）に示す周知の関係式を用いて、式（１５）を展開すると、Ｉ（ｐ１，ｐ２）は、式（１６）で表すことができる。尚、式（２０）に示す周知の関係式については、「Simon S.Haykin編，”Unsupervised Adaptive Filtering，Volume 1，Blind Source Separation”，Wiley」の２９０ページを参考にされたい。

従って、Ｉ（ｐ１，ｐ２）の変数ａ_ｉ（ｉ＝０，１，２）についての偏微分∂Ｉ／∂ａ_ｉは、式（２１）で表すことができる。

よって、式（２１）〜式（２９）の関係式におけるＹ１（ｕ），Ｙ２（ｕ）（ｕ＝２，３，…，Ｎ−２，Ｎ−１）に、Ｓ３４０で求めた値及びＳ３５０で求めた値を代入し、ｙ_ｉ（ｕ）（ｉ＝０，１，２）に、信号分解部４５で算出された値を代入し、変数ａ_ｉに、現在の設定値ｂ_ｉ（ｒ）を代入すれば、ｂ_ｉ（ｒ）での傾き∂Ｉ／∂ａ_０（ａ_０＝ｂ_０（ｒ）），∂Ｉ／∂ａ_１（ａ_１＝ｂ_１（ｒ）），∂Ｉ／∂ａ_２（ａ_２＝ｂ_２（ｒ））が求められる。

信号合成部４７は、このような手法で現在の変数ａ_ｉに設定されている値ｂ_ｉ（ｒ）での傾き∂Ｉ／∂ａ_０（ａ_０＝ｂ_０（ｒ）），∂Ｉ／∂ａ_１（ａ_１＝ｂ_１（ｒ）），∂Ｉ／∂ａ_２（ａ_２＝ｂ_２（ｒ））を求め（Ｓ３６０）、その傾きに正の定数βを乗算した値と、現在設定されている変数ａ_ｉの値ｂ_ｉ（ｒ）とを加算して、値ｂ_ｉ（ｒ＋１）を得る。その後、変数ａ_ｉの値をｂ_ｉ（ｒ＋１）に更新する（Ｓ３７０）。

ａ_０＝ｂ_０（ｒ＋１）
ａ_１＝ｂ_１（ｒ＋１）
ａ_２＝ｂ_２（ｒ＋１）

この後、信号合成部４７は、変数ｒの値を１インクリメントし（Ｓ３８０）、そのインクリメント後の変数ｒの値が、予め定められた定数Ｒより大きいか否か判断する（Ｓ３９０）。ここで、変数ｒが定数Ｒ以下であると判断すると（Ｓ３９０でＮｏ）、信号合成部４７は、Ｓ３４０に移行し、先にＳ３７０で変数ａ_ｉに設定された値を用いて、上述のＳ３４０〜Ｓ３７０の処理を行う。その後、Ｓ３８０で変数ｒの値を再び１インクリメントし、Ｓ３９０で、インクリメント後の変数ｒの値が定数Ｒより大きいか否か判断する。

そして、変数ｒの値が定数Ｒより大きいと判断すると（Ｓ３９０でＹｅｓ）、信号合成部４７は、最後にＳ３７０で変数ａ_ｉに設定された値ｂ_ｉ（Ｒ＋１）を用いて、式（９）に従い、第一の合成信号Ｙ１（ｕ）を生成する（Ｓ４００）。また、最後にＳ３７０で変数ａ_ｉに設定された値ｂ_ｉ（Ｒ＋１）を用いて、式（１０）に従い、第二の合成信号Ｙ２（ｕ）を生成する（Ｓ４１０）。即ち、信号合成部４７は、Ｓ３７０で変数ａ_ｉに値ｂ_ｉ（Ｒ＋１）を設定することで、確率密度関数の差異を表す量Ｉ（ｐ１,ｐ２）が最大となる重み付け規則（変数ａ_ｉ）を決定し、Ｓ４００及びＳ４１０で、確率密度関数の差異を表す量Ｉ（ｐ１,ｐ２）が最大となる合成信号Ｙ１（ｕ），Ｙ２（ｕ）を生成する。

この後、信号合成部４７は、Ｓ４００及びＳ４１０で生成した第一の合成信号Ｙ１（ｕ及び第二の合成信号Ｙ２（ｕ）を出力する（Ｓ４２０）。
続いて、この信号合成部４７から合成信号Ｙ１（ｕ），Ｙ２（ｕ）が入力される選択出力部４９の構成について説明する。図５は、選択出力部４９が、合成信号Ｙ１（ｕ），Ｙ２（ｕ）を信号合成部４７から取得すると実行する選択出力処理を表すフローチャートである。

選択出力部４９は、図５に示す選択出力処理を実行すると、信号合成部４７から取得した合成信号Ｙ１（ｕ），Ｙ２（ｕ）についてガウス分布との差異を評価するために、その合成信号Ｙ１（ｕ），Ｙ２（ｕ）をＹａ１（ｕ），Ｙａ２（ｕ）に変換して、平均値がゼロとなるようにする（Ｓ５１０）。

Ｙａ１（ｕ）＝Ｙ１（ｕ）−＜Ｙ１（ｕ）＞ …（３１）
Ｙａ２（ｕ）＝Ｙ２（ｕ）−＜Ｙ２（ｕ）＞ …（３２）
但し、＜Ｙ１（ｕ）＞は、Ｙ１（ｕ）の平均値、即ち、Ｙ１（２），Ｙ１（３），…，Ｙ１（Ｎ−２），Ｙ１（Ｎ−１）の総和を、データ数（Ｎ−２）で除算した値である。同様に、＜Ｙ２（ｕ）＞は、Ｙ２（ｕ）の平均値、即ち、Ｙ２（２），Ｙ２（３），…，Ｙ２（Ｎ−２），Ｙ２（Ｎ−１）の総和を、データ数（Ｎ−２）で除算した値である。

また、選択出力部４９は、Ｙａ１（ｕ），Ｙａ２（ｕ）を、Ｙｂ１（ｕ），Ｙｂ２（ｕ）に変換して、分散が１となるようにする（Ｓ５２０）。
Ｙｂ１（ｕ）＝Ｙａ１（ｕ）／＜Ｙａ１（ｕ）^２＞^１／２ …（３３）
Ｙｂ２（ｕ）＝Ｙａ２（ｕ）／＜Ｙａ２（ｕ）^２＞^１／２ …（３４）
但し、＜Ｙａ１（ｕ）^２＞は、Ｙａ１（ｕ）^２の平均値、即ち、Ｙａ１（２）^２，Ｙａ１（３）^２，…，Ｙａ１（Ｎ−２）^２，Ｙａ１（Ｎ−１）^２の総和を、データ数（Ｎ−２）で除算した値である。同様に、＜Ｙａ２（ｕ）^２＞は、Ｙａ２（ｕ）^２の平均値である。

この後、選択出力部４９は、Ｓ５３０に移行して、Ｙｂ１（ｕ），Ｙｂ２（ｕ）をガウス分布との差異を評価するための関数ｇ（ｑ（ｕ））に代入し、その関数値ｇ（Ｙｂ１（ｕ）），ｇ（Ｙｂ２（ｕ））を得る。

尚、関数ｇ（ｑ（ｕ））は、変数ｑ（ｕ）のガウス分布からのズレの大きさを表す関数である。関数gについては、「A. Hyvarinen. “New Approximations of Differential Entropy for Independent Component Analysis and Projection Pursuit”, In Advances in Neural Information Processing Systems 10 (NIPS*97), pp. 273-279, MIT Press, 1998.」を参照されたい。

この関数ｇ（ｑ（ｕ））は、変数ｑ（ｕ）についてガウス分布とのズレが大きいときに、大きな値を出力し、変数ｑ（ｕ）についてガウス分布とのズレが小さいときに、小さな値を出力する。周知のように、雑音はガウス分布を示す。従って、関数値ｇ（Ｙｂ１（ｕ））が関数値ｇ（Ｙｂ２（ｕ））より大きければ、合成信号Ｙ２（ｕ）の方が、合成信号Ｙ１（ｕ）に比べて雑音成分としての特徴を良く表しているということができる。換言すると、関数値ｇ（Ｙｂ１（ｕ））が関数値ｇ（Ｙｂ２（ｕ））より大きい場合には、合成信号Ｙ１（ｕ）の方が合成信号Ｙ２（ｕ）と比較して、音声成分としての特徴を良く表しているということができる。

従って、Ｓ５３０における関数値ｇ（Ｙｂ１（ｕ）），ｇ（Ｙｂ２（ｕ））算出の後には、関数値ｇ（Ｙｂ１（ｕ））が関数値ｇ（Ｙｂ２（ｕ））より大きいか否か判断し（Ｓ５４０）、関数値ｇ（Ｙｂ１（ｕ））が関数値ｇ（Ｙｂ２（ｕ））より大きいと判断すると（Ｓ５４０でＹｅｓ）、合成信号Ｙ１（ｕ），Ｙ２（ｕ）のうち、第一の合成信号Ｙ１（ｕ）を、出力対象の信号として選択し（Ｓ５５０）、第一の合成信号Ｙ１（ｕ）を認識部３５に向けて選択的に出力する（Ｓ５６０）。

一方、関数値ｇ（Ｙｂ１（ｕ））が関数値ｇ（Ｙｂ２（ｕ））以下であると判断すると（Ｓ５４０でＮｏ）、選択出力部４９は、合成信号Ｙ２（ｕ）を出力対象の信号として選択し（Ｓ５７０）、第二の合成信号Ｙ２（ｕ）を認識部３５に向けて選択的に出力する（Ｓ５８０）。Ｓ５６０又はＳ５８０での処理を終了すると、選択出力部４９は、当該選択出力処理を終了する。

以上、音声認識装置３０及びナビゲーションシステム１の構成について説明したが、信号分解部４５では、図３（ａ）に示す信号分解処理に代えて、図６に示す信号分解処理を実行することで、互いに無相関な複数の信号成分ｙ_０（ｕ），ｙ_１（ｕ），ｙ_２（ｕ）を抽出するようにしてもよい。

図６は、互いに無相関な複数の信号成分ｙ_０（ｕ），ｙ_１（ｕ），ｙ_２（ｕ）を抽出するために、信号分解部４５が実行する変形例の信号分解処理を表すフローチャートである。この信号分解処理は、１秒毎に繰り返し実行されるものであり、主成分分析の手法を用いて、互いに無相関な信号成分ｙ_０（ｕ），ｙ_１（ｕ），ｙ_２（ｕ）を抽出するものである。

図６に示す信号分解処理を実行すると、信号分解部４５は、１秒分のディジタル音声信号ｍｍ（Ｎ−１），ｍｍ（Ｎ−２），…，ｍｍ（１），ｍｍ（０）を用いて、次式で表される３行３列の行列Ｘ（所謂、分散マトリックス）を算出する（Ｓ６１０）。尚、ベクトルｘ（ｕ）は、式（３）で示した構成のものである。

その後、信号分解部４５は、Ｓ６１０で算出した行列Ｘの固有ベクトルγ_０，γ_１，γ_２を算出する（Ｓ６２０）。尚、固有ベクトルの算出方法は周知であるので、その説明をここでは省略する。

γ_０＝（γ_００ γ_０１ γ_０２）^ｔ
γ_１＝（γ_１０ γ_１１ γ_１２）^ｔ
γ_２＝（γ_２０ γ_２１ γ_２２）^ｔ
Ｓ６２０の処理後、信号分解部４５は、Ｓ６２０で算出した固有ベクトルγ_０，γ_１，γ_２を用いて、行列Γを生成する（Ｓ６３０）。

その後、信号分解部４５は、上記算出した行列Γを行列Ｗに設定（Ｗ＝Γ）して（Ｓ６３５）、フィルタＦＬ０，ＦＬ１，ＦＬ２に、互いに無相関な信号成分ｙ_０（ｕ），ｙ_１（ｕ），ｙ_２（ｕ）を抽出可能なインパルス応答（フィルタ係数）を設定し、後続の処理Ｓ６４０〜Ｓ６６５を実行することにより、ディジタル音声信号ｘ（ｕ）から、互いに無相関な信号成分ｙ_０（ｕ），ｙ_１（ｕ），ｙ_２（ｕ）を抽出する。

具体的に、信号分解部４５は、変数ｕを初期値ｕ＝２に設定し（Ｓ６４０）、Ｓ６３５で設定された行列Ｗを用いて、式（１）に従い、信号成分ｙ_０（ｕ），ｙ_１（ｕ），ｙ_２（ｕ）を算出し（Ｓ６５０）、出力する（Ｓ６５５）。この後、信号分解部４５は、変数ｕの値を１インクリメントして（Ｓ６６０）、インクリメント後の変数ｕの値が最大値（Ｎ−１）より大きいか否か判断し（Ｓ６６５）、変数ｕの値が最大値（Ｎ−１）以下であると判断すると（Ｓ６６５でＮｏ）、Ｓ６５０に処理を戻して、インクリメント後の変数ｕについての信号成分ｙ_０（ｕ），ｙ_１（ｕ），ｙ_２（ｕ）を算出し、それを出力する（Ｓ６５５）。一方、インクリメント後の変数ｕの値が最大値（Ｎ−１）より大きいと判断すると（Ｓ６６５でＹｅｓ）、当該信号分解処理を終了する。

その他、信号合成部４７では、合成信号Ｙ１（ｕ），Ｙ２（ｕ）の相互情報量Ｍ（Ｙ１，Ｙ２）が最小となるように、変数ａ_０，ａ_１，ａ_２を設定して、出力対象の合成信号Ｙ１（ｕ），Ｙ２（ｕ）を生成してもよい（図７参照）。相互情報量Ｍ（Ｙ１，Ｙ２）を最小とするのは、音声成分及び雑音成分が、近似的には独立であると解釈することができるためである。即ち、相互情報量Ｍ（Ｙ１，Ｙ２）を最小とすれば、合成信号Ｙ１（ｕ），Ｙ２（ｕ）の一方を、音声成分を表す信号とすることができ、他方を雑音成分を表す信号とすることができる。

図７は、信号合成部４７が実行する変形例の合成処理を表すフローチャートである。以下、変形例の合成処理について説明するが、まず始めに、変形例の合成処理の原理について簡単に説明する。周知のように、Ｙ１（ｕ），Ｙ２（ｕ）の相互情報量Ｍ（Ｙ１，Ｙ２）は、式（３８）で表すことができる。

ここで、ｐ１（ｚ）は、合成信号Ｙ１（ｕ）の確率密度関数であり、ｐ２（ｚ）は、合成信号Ｙ２（ｕ）の確率密度関数である（式（１２）（１３）参照）。また、Ｈ（Ｙ１）は、Ｙ１（ｕ）のエントロピーであり、Ｈ（Ｙ２）は、Ｙ２（ｕ）のエントロピーである。その他、Ｈ（Ｙ１，Ｙ２）は、複合事象Ｙ１，Ｙ２のエントロピーである。Ｈ（Ｙ１，Ｙ２）は、複合事象Ｙ１，Ｙ２のエントロピーであるため、元のディジタル音声信号のエントロピーと等しく、変数ａ_ｉについて一定である。

本実施例では、相互情報量Ｍ（Ｙ１，Ｙ２）が最小となる変数ａ_０，ａ_１，ａ_２を設定することが目的であるため、Ｈ（Ｙ１，Ｙ２）が一定であることを利用して、相互情報量Ｍ（Ｙ１，Ｙ２）と等価な量Ｄ（Ｙ１，Ｙ２）を以下のように定義する。

量Ｄ（Ｙ１，Ｙ２）を以上のように定義すれば、Ｄ（Ｙ１，Ｙ２）が最大となる変数ａ_０，ａ_１，ａ_２を設定することで、相互情報量Ｍ（Ｙ１，Ｙ２）を最小にすることができる。従って、図７に示す合成処理では、Ｄ（Ｙ１，Ｙ２）が最大となるように変数ａ_０，ａ_１，ａ_２を設定して、選択出力部４９に提供する合成信号Ｙ１（ｕ），Ｙ２（ｕ）を生成する。

図７に示す変形例の合成処理を実行すると、信号合成部４７は、変数ｒを初期値ｒ＝１に設定し（Ｓ７１０）、信号分解部４５で信号成分ｙ_０（ｕ），ｙ_１（ｕ），ｙ_２（ｕ）が抽出された元の１秒間のディジタル音声信号ｍｍ（Ｎ−１），…，ｍｍ（０）における最大振幅値Ａｍａｘ及び最小振幅値Ａｍｉｎに基づき、式（８）に従って値σ^２を算出する（Ｓ７２０）。

その後、信号合成部４７は、変数ａ_０，ａ_１，ａ_２を初期値に設定し（Ｓ７３０）、式（９）（１０）に従い、ｕ＝２，３，…，Ｎ−２，Ｎ−１について、仮の第一の合成信号Ｙ１（ｕ）及び第二の合成信号Ｙ２（ｕ）を生成する（Ｓ７４０，Ｓ７５０）。

合成信号Ｙ１（ｕ），Ｙ２（ｕ）を生成すると、信号合成部４７は、合成信号Ｙ１（ｕ）の確率密度関数ｐ１（ｚ）と、合成信号Ｙ２（ｕ）の確率密度関数ｐ２（ｚ）と、に基づき、合成信号Ｙ１（ｕ），Ｙ２（ｕ）の相互情報量Ｍ（Ｙ１，Ｙ２）に等価な量Ｄ（Ｙ１，Ｙ２）について、Ｄ（Ｙ１，Ｙ２）の傾き∂Ｄ／∂ａ_０（ａ_０＝ｂ_０（ｒ）），∂Ｄ／∂ａ_１（ａ_１＝ｂ_１（ｒ）），∂Ｄ／∂ａ_２（ａ_２＝ｂ_２（ｒ））を算出する（Ｓ７６０）。尚、ここでは、変数ｒ＝１，２，…，Ｒ−１，Ｒであるときに、Ｓ７４０〜Ｓ７６０で変数ａ_ｉに設定されている値をｂ_ｉ（ｒ）と表記する。

具体的に、∂Ｄ／∂ａ_０（ａ_０＝ｂ_０（ｒ）），∂Ｄ／∂ａ_１（ａ_１＝ｂ_１（ｒ）），∂Ｄ／∂ａ_２（ａ_２＝ｂ_２（ｒ））の算出に際しては、エントロピーＨ（Ｙ１）を、Ｙ１（ｕ）が一様分布でありエントロピーＨ（Ｙ１）が最大となるときの一様確率密度関数ｕ（ｚ）と、Ｙ１（ｕ）の確率密度関数ｐ１（ｚ）との差の二乗積分で近似する。同様に、エントロピーＨ（Ｙ２）を、Ｙ２（ｕ）が一様分布でありエントロピーＨ（Ｙ２）が最大となるときの一様確率密度関数ｕ（ｚ）と、Ｙ２（ｕ）の確率密度関数ｐ２（ｚ）との差の二乗積分で近似する。

このようにエントロピーＨ（Ｙ１），Ｈ（Ｙ２）を近似することで、上述したＩ（ｐ１，ｐ２）と同様の手法で、∂Ｄ／∂ａ_０（ａ_０＝ｂ_０（ｒ）），∂Ｄ／∂ａ_１（ａ_１＝ｂ_１（ｒ）），∂Ｄ／∂ａ_２（ａ_２＝ｂ_２（ｒ））を算出することができる。信号合成部４７は、このような手法で現在の変数ａ_ｉ（ｉ＝０，１，２）に設定されている値ｂ_ｉ（ｒ）での傾き∂Ｄ／∂ａ_０（ａ_０＝ｂ_０（ｒ）），∂Ｄ／∂ａ_１（ａ_１＝ｂ_１（ｒ）），∂Ｄ／∂ａ_２（ａ_２＝ｂ_２（ｒ））を求め（Ｓ７６０）、その傾きに正の定数βを乗算した値と、現在設定されている変数ａ_ｉ（ｉ＝０，１，２）の値ｂ_ｉ（ｒ）と、を加算して、値ｂ_ｉ（ｒ＋１）を得る。そして、変数ａ_ｉの値をｂ_ｉ（ｒ＋１）に変更する（Ｓ７７０）。

この後、信号合成部４７は、変数ｒの値を１インクリメントし（Ｓ７８０）、そのインクリメント後の変数ｒの値が、予め定められた定数Ｒより大きいか否か判断する（Ｓ７９０）。ここで、変数ｒが定数Ｒ以下であると判断すると（Ｓ７９０でＮｏ）、信号合成部４７は、処理をＳ７４０に戻し、Ｓ７７０で変数ａ_ｉに設定された値を用いて、上述のＳ７４０〜Ｓ７７０の処理を行う。その後、変数ｒを再び１インクリメントし（Ｓ７８０）、Ｓ７９０で、インクリメント後の変数ｒの値が、定数Ｒより大きいか否か判断する。

そして、変数ｒの値が定数Ｒより大きいと判断すると（Ｓ７９０でＹｅｓ）、信号合成部４７は、Ｓ８００に移行し、最後にＳ７７０で設定した変数ａ_ｉの値ｂ_ｉ（Ｒ＋１）を用いて、式（９）に従い第一の合成信号Ｙ１（ｕ）を生成する（Ｓ８００）。また、最後にＳ７７０で設定した変数ａ_ｉの値ｂ_ｉ（Ｒ＋１）を用いて、式（１０）に従い第二の合成信号Ｙ２（ｕ）を生成する（Ｓ８１０）。

即ち、信号合成部４７は、Ｓ７７０で変数ａ_ｉに値ｂ_ｉ（Ｒ＋１）を設定することで、量Ｄ（Ｙ１，Ｙ２）が最大、換言すると、相互情報量Ｍ（Ｙ１，Ｙ２）が最小となる重み付け規則（変数ａ_ｉ）を決定し、Ｓ８００及びＳ８１０で、相互情報量Ｍ（Ｙ１，Ｙ２）が最小となる合成信号Ｙ１（ｕ），Ｙ２（ｕ）を生成する。この後、信号合成部４７は、Ｓ８００及びＳ８１０で生成した第一の合成信号Ｙ１（ｕ）及び第二の合成信号Ｙ２（ｕ）を選択出力部４９に向けて出力し（Ｓ８２０）、当該合成処理を終了する。

以上では、確率密度関数の差異を表す量Ｉ（ｐ１，ｐ２）に代えて、量Ｄ（Ｙ１，Ｙ２）を指標にして、変数ａ_ｉを設定する変形例の合成処理について説明したが、Ｉ（ｐ１，ｐ２）及びＤ（Ｙ１，Ｙ２）の両者を指標にして、変数ａ_ｉを設定するように合成処理を構成してもよい。図８は、Ｉ（ｐ１，ｐ２）及びＤ（Ｙ１，Ｙ２）の両者を指標にして、変数ａ_ｉを設定するように構成された第二変形例の合成処理を表すフローチャートである。

図８に示す第二変形例の合成処理では、量Ｆを、Ｉ（ｐ１，ｐ２）及びＤ（Ｙ１，Ｙ２）を用いて以下のように定義し、量Ｆが最大となる変数ａ_ｉを探索することで、確率密度関数の差異を表す量Ｉ（ｐ１，ｐ２）が大きく、相互情報量Ｍ（Ｙ１，Ｙ２）の小さい合成信号Ｙ１（ｕ），Ｙ２（ｕ）を生成する。尚、式（４６）に示す定数εは、重み付け係数であり、ゼロより大きく１より小さい実数である。

図８に示す合成処理を実行すると、信号合成部４７は、上述したＳ７１０からＳ７５０までの処理を経て、仮の合成信号Ｙ１（ｕ），Ｙ２（ｕ）を生成する。その後、合成信号Ｙ１（ｕ）の確率密度関数ｐ１（ｚ）と、合成信号Ｙ２（ｕ）の確率密度関数ｐ２（ｚ）と、に基づき、量Ｆの傾き∂Ｆ／∂ａ_０（ａ_０＝ｂ_０（ｒ）），∂Ｆ／∂ａ_１（ａ_１＝ｂ_１（ｒ）），∂Ｆ／∂ａ_２（ａ_２＝ｂ_２（ｒ））を算出する（Ｓ８６０）。尚、ここでは、変数ｒ＝１，２，…，Ｒ−１，Ｒであるときに、Ｓ７４０，Ｓ７５０，Ｓ８６０で変数ａ_ｉに設定されている値をｂ_ｉ（ｒ）と表記する。

Ｓ８６０の処理後、信号合成部４７は、Ｓ８６０で算出した値ｂ_ｉ（ｒ）での傾き∂Ｆ／∂ａ_０（ａ_０＝ｂ_０（ｒ）），∂Ｆ／∂ａ_１（ａ_１＝ｂ_１（ｒ）），∂Ｆ／∂ａ_２（ａ_２＝ｂ_２（ｒ））に正の定数βを乗算した値と、現在設定されている変数ａ_ｉの値ｂ_ｉ（ｒ）と、を加算して、値ｂ_ｉ（ｒ＋１）を得る。そして、変数ａ_ｉの値をｂ_ｉ（ｒ＋１）に変更する（Ｓ８７０）。

この後、信号合成部４７は、変数ｒの値を１インクリメントし（Ｓ８８０）、そのインクリメント後の変数ｒの値が定数Ｒより大きいか否か判断し（Ｓ８９０）、変数ｒが定数Ｒ以下であると判断すると（Ｓ８９０でＮｏ）、処理をＳ７４０に戻し、変数ｒの値が定数Ｒより大きいと判断すると（Ｓ８９０でＹｅｓ）、最後にＳ８７０で設定した変数ａ_ｉの値ｂ_ｉ（Ｒ＋１）を用いて、式（９）に従い第一の合成信号Ｙ１（ｕ）を生成する（Ｓ９００）。また、最後にＳ８７０で設定した変数ａ_ｉの値ｂ_ｉ（Ｒ＋１）を用いて、式（１０）に従い第二の合成信号Ｙ２（ｕ）を生成する（Ｓ９１０）。

即ち、信号合成部４７は、Ｓ８７０で変数ａ_ｉに値ｂ_ｉ（Ｒ＋１）を設定することで、量Ｆが最大となる重み付け規則（変数ａ_ｉ）を決定し、Ｓ９００及びＳ９１０で、量Ｆが最大、換言すると、相互情報量Ｍ（Ｙ１，Ｙ２）が小さく、確率密度関数の差異を表す量Ｉ（ｐ１，ｐ２）が大きい合成信号Ｙ１（ｕ），Ｙ２（ｕ）を生成する。この後、信号合成部４７は、Ｓ９００及びＳ９１０で生成した第一の合成信号Ｙ１（ｕ）及び第二の合成信号Ｙ２（ｕ）を選択出力部４９に向けて出力し（Ｓ９２０）、当該合成処理を終了する。

以上、変形例を含む本実施例の音声認識装置３０及びナビゲーションシステム１について説明したが、この音声認識装置３０によれば、信号分解部４５が、複数のフィルタＦＬ０，ＦＬ１，ＦＬ２を用いて、ディジタル音声信号から、互いに独立又は無相関な複数種類の信号成分ｙ_０（ｕ），ｙ_１（ｕ），ｙ_２（ｕ）を抽出し、第一及び第二の合成信号Ｙ１（ｕ），Ｙ２（ｕ）の確率密度関数の差異を表す量Ｉ（ｐ１，ｐ２）が最大、又は、第一及び第二の合成信号Ｙ１（ｕ），Ｙ２（ｕ）についての相互情報量Ｍ（Ｙ１，Ｙ２）が最小、又は、確率密度関数の差異を表す量Ｉ（ｐ１，ｐ２）及び相互情報量Ｍ（Ｙ１，Ｙ２）と等価な量Ｄを加味した量Ｆが最大となるように、信号合成部４７が変数ａ_ｉの値を決定する。

また、信号合成部４７が、決定した変数ａ_ｉの値に基づき、各信号成分ｙ_０（ｕ），ｙ_１（ｕ），ｙ_２（ｕ）を、第一の規則である式（９）に従って重み付け加算し、第一の合成信号Ｙ１（ｕ）を生成すると共に、各信号成分ｙ_０（ｕ），ｙ_１（ｕ），ｙ_２（ｕ）を、第二の規則である式（１０）に従って重み付け加算し、第二の合成信号Ｙ２（ｕ）を生成する。

その他、この音声認識装置３０では、選択出力部４９によって、第一の合成信号Ｙ１（ｕ）及び第二の合成信号Ｙ２（ｕ）の夫々について、式（３５）の関数ｇに従いガウス分布との差異を評価し、第一及び第二の合成信号Ｙ１（ｕ），Ｙ２（ｕ）の内、関数値の高い合成信号を、音声成分の特徴が表れている合成信号として、選択的に出力する。以上の動作により、上記音声認識装置３０は、マイクロフォンＭＣから入力された音声信号から利用者の発声音に関する音声成分のみを選択的に抽出・出力する。

このように本実施例の音声認識装置３０では、フィルタＦＬ０，ＦＬ１，ＦＬ２を用いてディジタル音声信号から複数種の信号成分ｙ_０（ｕ），ｙ_１（ｕ），ｙ_２（ｕ）を抽出し、確率密度関数の差異を表す量Ｉ（ｐ１，ｐ２）又は相互情報量Ｍ（Ｙ１，Ｙ２）に基づいて各信号成分ｙ_０（ｕ），ｙ_１（ｕ），ｙ_２（ｕ）を合成して、音声成分に該当する信号成分のみを強調した合成信号を生成するので、音源の数だけマイクロフォンが必要な従来技術とは異なり、単一のマイクロフォンで、良好に音声成分を抽出することができる。

また、本実施例によれば、単一のマイクロフォンからの入力信号を処理する程度で、音声成分を抽出することができるので、高性能なコンピュータや、大容量のメモリ等を用いることなく、音声抽出性能に優れた製品（音声認識装置３０）を安価に製造することができる。

その他、量Ｆに基づいて変数ａ_ｉの値を決定する第二変形例によれば、第一及び第二の合成信号の確率密度関数の差異を表す量Ｉ（ｐ１，ｐ２）、及び、第一及び第二の合成信号についての相互情報量Ｍ（Ｙ１，Ｙ２）の両者を指標にして、合成信号Ｙ１（ｕ），Ｙ２（ｕ）を生成するので、確率密度関数の差異を表す量Ｉ（ｐ１，ｐ２）及び相互情報量Ｍ（Ｙ１，Ｙ２）のいずれか一方だけを指標にして、合成信号Ｙ１（ｕ），Ｙ２（ｕ）を生成する場合よりも、良好に音声成分を抽出することができる。

また、本実施例の音声認識装置３０では、合成信号Ｙ１（ｕ），Ｙ２（ｕ）の夫々について、上述の関数ｇを用いてガウス分布との差異を評価し、音声成分の特徴を表す合成信号を選択するので、高速且つ良好に信号選択を行うことができる。

尚、本発明の抽出手段は、信号分解部４５に相当する。また、第一合成手段は、信号合成部４７が実行するＳ４００，Ｓ８００，Ｓ９００の処理にて実現され、第二合成手段は、信号合成部４７が実行するＳ４１０，Ｓ８１０，Ｓ９１０の処理にて実現されている。その他、選択出力手段は、選択出力部４９に相当し、選択出力手段が備える評価手段は、選択出力部４９が実行するＳ５３０の処理にて実現されている。また、決定手段は、信号合成部４７が実行するＳ３１０〜Ｓ３９０の処理、図７に示すＳ７１０〜Ｓ７９０の処理、図８に示すＳ７１０〜Ｓ８９０の処理にて実現されている。

また、本発明の音声抽出方法、音声抽出装置、音声認識装置、及び、プログラムは、上記実施例に限定されるものではなく、種々の態様を採ることができる。
例えば、上記実施例では、フィルタＦＬ０，ＦＬ１，ＦＬ２として、ＦＩＲ型のディジタルフィルタを用いたが、ＩＩＲ（Infinite Impulse Response）型のディジタルバンドパスフィルタを用いてもよい。尚、ＩＩＲ型のディジタルフィルタを用いる場合には、周知の技法を用いて、インパルス応答をフィルタ学習部４５ａで更新して、信号成分ｙ_０（ｕ），ｙ_１（ｕ），ｙ_２（ｕ）が、互いに独立、若しくは、互いに無相関となるようにすればよい。

また、合成信号Ｙ１（ｕ），Ｙ２（ｕ）の選択出力に際しては、合成信号Ｙ１（ｕ），Ｙ２（ｕ）からＬＰＣケプストラムを導出して、その結果に基づき、合成信号Ｙ１（ｕ），Ｙ２（ｕ）のいずれに、音声成分の特徴が表れているか評価してもよい。

ナビゲーションシステム１の構成を表すブロック図である。 音声認識装置３０が備える音声抽出部３３の構成を表す機能ブロック図（ａ）及び信号分解部４５の構成を表す機能ブロック図（ｂ）である。 信号分解部４５が実行する信号分解処理を表すフローチャート（ａ）及び信号分解部４５が実行するフィルタ更新処理を表すフローチャート（ｂ）である。 信号合成部４７が実行する合成処理を表すフローチャートである。 選択出力部４９が実行する選択出力処理を表すフローチャートである。 信号分解部４５が実行する変形例の信号分解処理を表すフローチャートである。 信号合成部４７が実行する変形例の合成処理を表すフローチャートである。 信号合成部４７が実行する第二変形例の合成処理を表すフローチャートである。

符号の説明

１…ナビゲーションシステム、１１…位置検出装置、１１ａ…ＧＰＳ受信機、１３…地図データ入力器、１５…表示装置、１７…スピーカ、１９…操作スイッチ群、２０…ナビ制御回路、３０…音声認識装置、３１…アナログ−ディジタル変換器、３３…音声抽出部、３５…認識部、４１…メモリ、４３…信号記録部、４５…信号分解部、４５ａ…フィルタ学習部、４７…信号合成部、４９…選択出力部、ＦＬ０，ＦＬ１，ＦＬ２…フィルタ、ＭＣ…マイクロフォン

Claims (18)

1. 音声成分及び雑音成分からなるディジタル音声信号から、音声成分を選択的に抽出するための音声抽出方法であって、
   複数のフィルタを用いて、前記ディジタル音声信号から、複数種の信号成分を抽出するステップ（ａ）と、
   前記ステップ（ａ）にて抽出された各信号成分を、第一の規則に従って合成して、第一の合成信号を生成すると共に、前記ステップ（ａ）にて抽出された各信号成分を、第一の規則とは異なる第二の規則に従って合成し、第二の合成信号を生成するステップ（ｂ）と、
   前記ステップ（ｂ）にて生成された前記第一及び第二の合成信号の内、音声成分の特徴が表れている合成信号を選択的に出力するステップ（ｃ）と、
   を有し、
   前記ステップ（ｂ）では、第一及び第二の合成信号の統計的特徴量に基づき、第一及び第二の規則を決定すること
   を特徴とする音声抽出方法。
2. 前記ステップ（ａ）では、各フィルタにより抽出される信号成分が相互に独立又は無相関となるように、前記複数のフィルタのインパルス応答を設定し、それら複数のフィルタを用いて、前記ディジタル音声信号から、前記複数種の信号成分を抽出することを特徴とする請求項１記載の音声抽出方法。
3. 前記フィルタは、ＦＩＲ型又はＩＩＲ型のディジタルバンドパスフィルタであることを特徴とする請求項１記載の音声抽出方法。
4. 前記ステップ（ｂ）では、前記統計的特徴量としての第一及び第二の合成信号の確率密度関数の差異を表す量、が最大となるように、前記第一及び第二の規則を決定することを特徴とする請求項１〜請求項３のいずれかに記載の音声抽出方法。
5. 前記ステップ（ｂ）では、前記統計的特徴量としての第一及び第二の合成信号についての相互情報量、が最小となるように、前記第一及び第二の規則を決定することを特徴とする請求項１〜請求項３のいずれかに記載の音声抽出方法。
6. 前記ステップ（ｂ）では、前記統計的特徴量としての第一及び第二の合成信号の確率密度関数の差異を表す量と、該第一及び第二の合成信号についての相互情報量と、に基づき、前記第一及び第二の規則を決定することを特徴とする請求項１〜請求項３のいずれかに記載の音声抽出方法。
7. 前記ステップ（ｂ）では、前記第一及び第二の規則として、前記ステップ（ａ）にて抽出された各信号成分の重み付けに関する規則を決定し、前記ステップ（ａ）にて抽出された各信号成分を、該第一の規則で重み付けして加算することで、前記第一の合成信号を生成し、前記ステップ（ａ）にて抽出された各信号成分を、前記第二の規則で重み付けして加算することで、前記第二の合成信号を生成することを特徴とする請求項１〜請求項６のいずれかに記載の音声抽出方法。
8. 前記ステップ（ｃ）では、前記ステップ（ｂ）で生成された前記第一及び第二の合成信号の夫々について、ガウス分布との差異を評価し、ガウス分布との差異が最も大きく評価された合成信号を、前記音声成分の特徴が表れている合成信号として、選択的に出力することを特徴とする請求項１〜請求項７のいずれかに記載の音声抽出方法。
9. 音声成分及び雑音成分からなるディジタル音声信号から、音声成分を選択的に抽出するための音声抽出装置であって、
   複数のフィルタと、
   前記複数のフィルタを用いて、外部入力されたディジタル音声信号から複数種の信号成分を抽出する抽出手段と、
   前記抽出手段にて抽出された各信号成分を、第一の規則に従って合成して、第一の合成信号を生成する第一合成手段と、
   前記抽出手段にて抽出された各信号成分を、前記第一の規則とは異なる第二の規則に従って合成して、第二の合成信号を生成する第二合成手段と、
   前記第一合成手段で生成された第一の合成信号及び前記第二合成手段で生成された第二の合成信号の内、音声成分の特徴が表れている合成信号を選択的に出力する選択出力手段と、
   前記第一合成手段で生成される第一の合成信号及び前記第二合成手段で生成される第二の合成信号の統計的特徴量に基づき、第一及び第二の規則を決定する決定手段と、
   を備えることを特徴とする音声抽出装置。
10. 前記抽出手段は、前記各フィルタにより抽出される信号成分が相互に独立又は無相関となるように、前記複数のフィルタのインパルス応答を設定し、それら複数のフィルタを用いて、前記ディジタル音声信号から、複数種の信号成分を抽出することを特徴とする請求項９記載の音声抽出装置。
11. 前記各フィルタは、ＦＩＲ型又はＩＩＲ型のディジタルバンドパスフィルタであることを特徴とする請求項９記載の音声抽出装置。
12. 前記決定手段は、前記統計的特徴量としての第一及び第二の合成信号の確率密度関数の差異を表す量、が最大となるように、前記第一及び第二の規則を決定することを特徴とする請求項９〜請求項１１のいずれかに記載の音声抽出装置。
13. 前記決定手段は、前記統計的特徴量としての第一及び第二の合成信号についての相互情報量、が最小となるように、前記第一及び第二の規則を決定することを特徴とする請求項９〜請求項１１のいずれかに記載の音声抽出装置。
14. 前記決定手段は、前記統計的特徴量としての第一及び第二の合成信号の確率密度関数の差異を表す量と、該第一及び第二の合成信号についての相互情報量と、に基づき、前記第一及び第二の規則を決定することを特徴とする請求項９〜請求項１１のいずれかに記載の音声抽出装置。
15. 前記決定手段は、前記第一及び第二の規則として、前記抽出手段にて抽出された各信号成分の重み付けに関する規則を決定し、
    前記第一合成手段は、前記抽出手段にて抽出された各信号成分を、前記第一の規則で重み付けして加算することで、前記第一の合成信号を生成し、
    前記第二合成手段は、前記抽出手段にて抽出された各信号成分を、前記第二の規則で重み付けして加算することで、前記第二の合成信号を生成することを特徴とする請求項９〜請求項１４のいずれかに記載の音声抽出装置。
16. 前記選択出力手段は、
    前記第一合成手段で生成された第一の合成信号及び前記第二合成手段で生成された前記第二の合成信号の夫々について、ガウス分布との差異を評価する評価手段、
    を備え、該評価手段によってガウス分布との差異が最も大きく評価された合成信号を、前記音声成分の特徴が表れている合成信号として、選択的に出力することを特徴とする請求項９〜請求項１５のいずれかに記載の音声抽出装置。
17. 請求項９〜請求項１６のいずれかに記載の音声抽出装置を備え、該音声抽出装置の前記選択出力手段が出力する合成信号を用いて音声認識を行うことを特徴とする音声認識装置。
18. コンピュータに、
    複数のフィルタと、
    前記複数のフィルタを用いて、外部入力された音声成分及び雑音成分からなるディジタル音声信号から複数種の信号成分を抽出する抽出手段と、
    前記抽出手段にて抽出された各信号成分を、第一の規則に従って合成して、第一の合成信号を生成する第一合成手段と、
    前記抽出手段にて抽出された各信号成分を、前記第一の規則とは異なる第二の規則に従って合成して、第二の合成信号を生成する第二合成手段と、
    前記第一合成手段で生成された第一の合成信号及び前記第二合成手段で生成された第二の合成信号の内、音声成分の特徴が表れている合成信号を選択的に出力する選択出力手段と、
    前記第一合成手段で生成される第一の合成信号及び前記第二合成手段で生成される第二の合成信号の統計的特徴量に基づき、第一及び第二の規則を決定する決定手段、
    としての機能を実現させるためのプログラム。

Images