JP2006079089A

JP2006079089A - 音声認識用ベースバンドのモデムと、それを用いる移動通信端末機

Info

Publication number: JP2006079089A
Application number: JP2005259381A
Authority: JP
Inventors: Chan Woo Kim; チャンウキム
Original assignee: LG Electronics Inc
Current assignee: LG Electronics Inc
Priority date: 2004-09-07
Filing date: 2005-09-07
Publication date: 2006-03-23
Also published as: CN1797542A; EP1632934B1; ATE370494T1; KR20060022490A; CN1797542B; DE602005001995T2; DE602005001995D1; EP1632934A1; US20060053011A1; KR100640893B1; US7593853B2

Abstract

【課題】音声認識に適したサンプリングレートで調節することによって音声認識率を高められると共に、音声認識のためのプロセッシングユニットの一部の処理部分をハードウェア的に実現できる音声認識用ベースバンドモデムと、それを用いる移動通信端末機を提供する。
【解決手段】音声認識のためのサンプリングレートと、音声通話のためのサンプリングレートのうち何れか一つを用いて、入力されたボイス信号に対して変調を実施するオーディオコーデックと、音声認識のためのサンプリングレートを用いて、変調されたオーディオコーデックの出力から特徴ベクトルを抽出する特徴ベクトル抽出ブロックと、特徴ベクトル抽出ブロックの出力を用いて、音声認識を行う音声認識ブロックと、音声通話のためのサンプリングレートを用いて、変調されたオーディオコーデックの出力をボコーディグするボコーダとを含んで構成される、ベースバンドモデム。
【選択図】図３

Description

本発明は、より高い音声認識率を保障する音声認識用ベースバンドのモデムと、それを用いる移動通信端末機に関する。

従来のベースバンドモデム（ベースバンドモデム）は、オーディオコーデックを含む。

一方、従来の音声認識技術を移動通信端末機に適用する時は、大部分音声通話のための音声コーディングと音声認識で同一のサンプリングレートの音声を用いた。

これは、１６ｋHｚマイクロフォンの入力を支援するベースバンドモデムが多くないためであり、現在、多くのベースバンドモデムがパルスコード変調（Pulse Code Modulation：以下、ＰＣＭ)データを得ることが難しいからである。

図１は従来技術に係るベースバンドモデムの構成図である。図２は、図１に示すベースバンドモデムを介した音声認識過程を説明した図面である。

図１を参照すると、従来のベースバンドモデムは、オーディオコーデック１３と、ボコーダ１５と、プロセッサー１７とで構成されている。

オーディオコーデック１３は、マイクロフォンからボイス信号が入力されると、そのボイス信号を所定のサンプリングレートで変調する。一例として、入力されたボイス信号を８ｋHｚのサンプリングレートでＰＣＭを実施する。

ボコーダ１５は、オーディオコーデック１３の出力に対してボコーディグを実施する。

一例として、音声コーディング方式としてＱＵＥＬＰ(Qualcomm Code Excited Linear Prediction)やＥＶＲＣ(Enhanced Variable Rate Coding)が用いられる。

プロセッサー１７は、ボコーダ１５の出力に対して音声認識を実施する。より詳細に、プロセッサー１７は、音声コーディングされたデータを復号化し、その復号化されたデータから特徴ベクトルを抽出する。そして、予め備えられた音声認識アルゴリズムに前記抽出された特徴ベクトルを用いて音声認識を実施する。

前記プロセッサー１７は、マイクロプロセッシングユニット(ＭＰＵ：Micro Processing Unit)やデジタルシグナリングプロセッサー(ＤＳＰ：Digital Signaling Processor)であることが好ましい。

反面、前記入力されたボイス信号が音声通話のためのものである場合は、プロセッサー１７は、ボコーダ１５の出力に対してコンボルーションコードやターボコードなどを用いるチャンネルコーディングを実施する。

上記の構成による音声認識過程を図２に基づいて以下に説明する。

従来のベースバンドモデムは、マイクロフォンからボイス信号が入力されると、そのボイス信号を所定のサンプリングレートで変調する（Ｓ１２）。一例として、入力されたボイス信号を８ｋHｚのサンプリングレートでＰＣＭを実施する。

次いで、変調の結果に対してボイスコーディングを実施する（Ｓ１４）。音声コーディング方式としては、ＱＣＥＬＰ(Qualcomm Code Excited Linear Prediction)やＥＶＲＣが好ましい。

次いで、音声コーディングの出力に対してＭＰＵ(Micro Processing Unit)やＤＳＰ(digital Signaling Processer)の内部で音声認識を実施する。前記の音声認識のために、まず、音声コーディングされたデータを復号化する（Ｓ１６）。そして、復号化されたデータから特徴ベクトルを抽出する（Ｓ１８）。

最後に、音声認識アルゴリズムに前記抽出された特長ベクトルを用いて、音声認識を実施する（Ｓ２０）。

上記説明された従来技術で変調のためのサンプリングレートを８ｋHｚにする理由は、４ｋＨｚ以下のボイス成分でも十分に聞き取れるほどの音質水準を出すことができるからである。

しかしながら、従来の移動通信端末機で音声認識を実施する場合には、大部分音声通話のためにサンプリングを経たデータを、音声認識用として用いる。そのため、従来技術では、満足すべき音声認識率を保障できなかった。

また、従来技術においては、図２で説明したように、音声認識のためには必要のない声コーディングと復号化を経なければならない。

勿論、音声認識のためのデジタル信号処理プロセッサーチップや、音声認識用チップを移動通信端末機に用いる方法もあるが、これは端末機の単価を上昇させる要因となる。

一方、従来の一部のベースバンドモデムは、音声認識のためにＤＴＷ(Dynamic Time Warping)のような方法を用いた。しかし、この方法も音声通話のためにサンプリングを経たデータを音声認識用に用いるため、十分な音声認識率を保障することはできなかった。

また、従来は、音声認識のための動作時にも、ベースバンドモデムの内部に備えられたオーディオコーデックにサンプリングレートを上げたり、特徴ベクトルを抽出する部分がハードウェア的に具現されていなかった。

さらに、音声認識のためのまた他の方法としては、ベースバンドモデムの外部に音声認識に適したサンプリングレートを有する別途のオーディオコーデックを設置する方法がある。しかし、これはハードウェア的な具現が容易ではない。
要すると、従来技術では、移動通信端末機で音声認識を実施するにおいて、音声通話と音声認識とを区分して、ベースバンドモデムのサンプリングレートを調節できるようにする技術がなかった。また、ベースバンドモデムがＰＣＭデータを得ることが難しいという問題があった。

本発明は上記の問題点を解決するために案出したもので、音声認識に適したサンプリングレートで調節して、音声認識率を高めることのできる音声認識用ベースバンドモデムと、それを用いる移動通信端末機を提供することにその目的がある。

他の目的として、音声認識のためのプロセッシングユニットの一部の処理部分をハードウェア的に実現できる音声認識用ベースバンドモデムと、それを用いる移動通信端末機を提供することにある。

上記目的を達成するために、本発明に係るベースバンドモデムは、音声認識のためのサンプリングレートと、音声通話のためのサンプリングレートのうち何れか一つを用いて、入力されたボイス信号に対して変調を実施するオーディオコーデックと、前記音声認識のためのサンプリングレートを用いて、変調された前記オーディオコーデックの出力から特徴ベクトルを抽出する特徴ベクトル抽出ブロックと、前記特徴ベクトル抽出ブロックの出力を用いて、音声認識を行う音声認識ブロックと、前記音声通話のためのサンプリングレートを用いて、変調された前記オーディオコーデックの出力を音声コーディングするボコーダとを含んで構成されることを特徴とする。

上記目的を達成するために、本発明に係る移動通信端末機は、音声認識用サンプリングレートと、音声通話用サンプリングデータのうち何れか一つを用いて、入力されたボイス信号に対してパルスコード変調を実施するオーディオコーデックと、前記音声認識用サンプリングレートで変調された前記オーディオコーデックの出力から特徴ベクトルを抽出する特徴ベクトル抽出ブロックと、前記特徴ベクトル抽出ブロックの出力を用いて音声認識アルゴリズムを行うプロセッサーを備えた音声認識経路と、前記音声通話用サンプリングレートで変調された前記オーディオコーデックの出力を音声コーディングするボコーダを備えた音声通話経路とを含んで構成されることを特徴とする。

上記目的を達成するために、本発明は、例えば、以下の手段を提供する。
（項目１）
音声認識のためのサンプリングレートと、音声通話のためのサンプリングレートのうち何れか一つを用いて、入力されたボイス信号に対して変調を実施するオーディオコーデックと、
前記音声認識のためのサンプリングレートを用いて、変調された前記オーディオコーデックの出力から特徴ベクトルを抽出する特徴ベクトル抽出ブロックと、
前記特徴ベクトル抽出ブロックの出力を用いて、音声認識を行う音声認識ブロックと、
前記音声通話のためのサンプリングレートを用いて、変調された前記オーディオコーデックの出力をボコーディグするボコーダとを含んで構成されることを特徴とするベースバンドモデム。
（項目２）
前記音声認識のためのサンプリングレートを用いて、変調された前記オーディオコーデックの出力を保存するバッファを更に含んで構成されることを特徴とする項目１に記載のベースバンドモデム。
（項目３）
前記特徴ベクトル抽出ブロックは、前記バッファに保存されたデータから前記特徴ベクトルを抽出することを特徴とする項目２に記載のベースバンドモデム。
（項目４）
前記バッファは、ピンポンバッファであることを特徴とする項目２に記載のベースバンドモデム。
（項目５）
前記特徴ベクトル抽出ブロックから抽出された前記特徴ベクトルを保存する特徴ベクトルバッファを更に含んで構成されることを特徴とする項目１に記載のベースバンドモデム。
（項目６）
前記入力されたボイス信号が前記音声認識のための信号であるか、前記音声通話のための信号であるかを区分する制御器を更に含んで構成されることを特徴とする項目１に記載のベースバンドモデム。
（項目７）
前記制御器は、
前記入力されたボイス信号を、前記音声認識のための信号と、前記音声通話のための信号のうち一つで区分することにより、前記オーディオコーデックの変調に用いるサンプリングレートの可変を制御することを特徴とする項目６に記載のベースバンドモデム。
（項目８）
前記制御器は、
前記入力されたボイス信号を、前記音声認識のための信号と、前記音声通話のための信号のうち一つで区分することにより、前記特徴ベクトル抽出ブロックと前記音声認識ブロックの活性化を制御することを特徴とする項目６に記載のベースバンドモデム。
（項目９）
前記入力されたオーディオ信号が前記音声認識のための信号である場合に、前記制御器は、前記特徴ベクトル抽出ブロックと、前記音声認識ブロックを活性化させることを特徴とする項目８に記載のベースバンドモデム。
（項目１０）
前記制御器は、前記ベースバンドモデムに備えられた音声認識のためのレジスターをオン/オフして、前記特徴ベクトル抽出ブロックと前記音声認識ブロックの活性化を制御することを特徴とする項目６に記載のベースバンドモデム。
（項目１１）
前記音声認識のためのサンプリングレートは、１２〜３２ｋHｚの範囲に含まれることを特徴とする項目１に記載のベースバンドモデム。
（項目１２）
前記音声認識のためのサンプリングレートは、１６kHzであることを特徴とする項目１に記載のベースバンドモデム。
（項目１３）
前記特徴ベクトル抽出ブロックは、ハードウェアで構成されることを特徴とする項目１に記載のベースバンドモデム。
（項目１４）
前記オーディオコーデックは、前記入力されたボイス信号に対してパルスコード変調を実施することを特徴とする項目１に記載のベースバンドモデム。
（項目１５）
前記ベースバンドモデムは、移動通信端末機に内装されることを特徴とする項目１に記載のベースバンドモデム。
（項目１６）
音声認識用サンプリングレートと、音声通話用サンプリングデータのうち何れか一つを用いて、入力されたボイス信号に対してパルスコード変調を実施するオーディオコーデックと、
前記音声認識用サンプリングレートで変調された前記オーディオコーデックの出力から特徴ベクトルを抽出する特徴ベクトル抽出ブロックと、前記特徴ベクトル抽出ブロックの出力を用いて音声認識アルゴリズムを行うプロセッサーを備えた音声認識経路と、
前記音声通話用サンプリングレートで変調された前記オーディオコーデックの出力を音声コーディングするボコーダを備えた音声通話経路とを含んで構成されることを特徴とする移動通信端末機。
（項目１７）
前記音声認識経路は、
前記音声認識用サンプリングレートで変調された前記オーディオコーデックの出力を保存するバッファを、特徴ベクトル抽出ブロックの入力端に更に備えることを特徴とする項目１６に記載の移動通信端末機。
（項目１８）
前記バッファは、ピンポンバッファであることを特徴とする項目１７に記載の移動通信端末機。
（項目１９）
前記音声認識経路は、
前記特徴ベクトル抽出ブロックから抽出された前記特徴ベクトルを保存する特徴ベクトルバッファを、前記プロセッサーの入力端に更に備えることを特徴とする項目１６に記載の移動通信端末機。
（項目２０）
前記入力されたボイス信号が前記音声認識用信号であるか、前記音声通話用信号であるかを区分して、前記経路の動作を制御する制御器を更に含んで構成されることを特徴とする項目１６に記載の移動通信端末機。
（項目２１）
前記制御器は、
前記入力されたボイス信号を、前記音声認識用信号と、前記音声通話用信号のうち一つで区分し、それによって前記オーディオコーデックの変調に用いるサンプリングレートを可変させることを特徴とする項目２０に記載の移動通信端末機。
（項目２２）
前記制御器は、
前記入力されたボイス信号が前記音声認識用信号である場合に、前記特徴ベクトル抽出ブロックと、前記音声認識ブロックの動作を活性化させることを特徴とする項目２０に記載の移動通信端末機。
（項目２３）
前記制御器は、前記移動通信端末機に備えられた音声認識用レジスターをオン/オフして、前記特徴ベクトル抽出ブロックと、前記音声認識ブロックの動作を制御することを特徴とする項目２０に記載の移動通信端末機。
（項目２４）
前記音声認識用サンプリングレートは、１２〜３２ｋHｚの範囲に含まれることを特徴とする項目１６に記載の移動通信端末機。
（項目２５）
前記音声認識用サンプリングレートは、１６ｋHｚであることを特徴とする項目１に記載の移動通信端末機。
（項目２６）
前記特徴ベクトルブロックは、ハードウェアで構成されることを特徴とする項目１に記載の移動通信端末機。

本発明に係る音声認識用ベースバンドモデムと、それを用いる移動通信端末機によれば次のような効果がある。

第一に、オーディオコーデックによる変調時に音声認識に適したサンプリングレートを用いるので、音声認識率が向上する。

第二に、特徴ベクトルの抽出のための部分をハードウェアで実現することで、音声認識のためのプロセッシングユニットの演算量を減らすことができ、また、電力消費面でも経済的である。

第三に、音声認識アルゴリズムで固定点の移行やアルゴリズムの改善のための部分を、上述したＭＰＵまたはＤＳＰを介して実現することで、以後、必要による修正が容易である。

以下、本発明に係る音声用ベースバンドモデムと、それを用いる移動通信端末機についての好適な実施例を添付の図面に基づいて詳細に説明する。

図３は、本発明の一実施例によるベースバンドモデムの構成を示すブロックダイアグラムである。特に、図３のベースバンドモデムは、移動通信端末機に装着されることが好ましい。図２を参照すると、本発明に係るベースバンドモデムは、オーディオコーデック２２、制御器２７、ボコーダ２８、特徴ベクトル抽出ブロック２４、多数のバッファ２３、２５、そして音声認識ブロック２６で構成されている。

オーディオコーデック２２は、マイクロフォンからボイス信号が入力されると、そのボイス信号を所定のサンプリングレートで変調する。特に、オーディオコーデック２２は、入力されたボイス信号を、可変的なサンプリングレートでＰＣＭを実施する。

上記でマイクロフォンは、入力されるユーザーの音声を電気的な信号に変換する。

オーディオコーデック２２は、入力されるボイス信号が音声認識のための信号であるか、音声通話のための信号であるかによってサンプリングレートを変更して、ＰＣＭを行う。

より詳細には、オーディオコーデック２２は、音声通話のための信号に対しては、８ｋHｚ程度のサンプリングレートをＰＣＭに用いる。反面、音声認識のための信号に対しては、より高い１２〜３２ｋHｚ範囲のサンプリングレートをＰＣＭに用いる。

より好ましくは、音声認識のための信号に対しては１６ｋHｚのサンプリングレートをＰＣＭに用いる。これは、１６ｋHｚのサンプリングレートが音声認識率を向上させると知られているためである。

一方、入力される信号が音声認識のための信号であるか、音声通話のための信号であるかの区分は、ユーザーがどんなアプリケーションを選択するかによって実現される。

即ち、ユーザーが音声通話のためのアプリケーションを選択すると、以後オーディオコーデック２２に入力される信号は、音声通話のためのボイス信号である。そして、ユーザーが音声認識のためのアプリケーションを選択すると、以後オーディオコーデック２２に入力される信号は、音声認識のためのボイス信号である。

そのため、移動通信端末機の立場で入力される信号が、音声認識のための信号であるか音声通話のための信号であるかを区分する。

本発明では、制御器２７が現在のユーザーが選択したアプリケーションが何であるかを把握して、音声通話のための信号伝達経路と、音声認識のための信号伝達経路のうち、一つの経路を活性化させる。より正確には、制御器２７は、音声認識のための信号伝達経路の要素２３、２４、２５を活性化させたり、不活性化させる。もし、ユーザーが音声認識のためのアプリケーションを選択すると、制御器２７は、音声認識のための信号伝達経路の要素２３、２４、２５を活性化させる。

しかし、ユーザーが音声認識のためのアプリケーションを選択しない時は、制御器２７は、音声認識のための信号伝達経路の要素２３、２４、２５を不活性化させ、オーディオコーデック２２の出力がボコーダ２８に伝達されるように制御する。

また、制御器２７は、オーディオコーデック２２のサンプリングレートを制御する。即ち、制御器２７は、ユーザーがどんなアプリケーションを選択するかによって、オーディオコーデック２２に入力される信号が音声通話のためのものであるか、音声認識のためのものであるかが分かるので、各状況によってオーディオコーデック２２が適切なサンプリングレートを用いてＰＣＭを実行するように制御する。

制御器２７の制御動作に対する一例を説明する。即ち、ユーザーが音声認識を用いる自動ダイアリング、メニュー選択、名前の呼出など、音声認識のためのアプリケーションを選択すると、制御器２７は、ベースバンドモデムに備えられたレジスターのうち、音声認識モードを示す部分をオンにして、オーディオコーデック２２のサンプリングレートを音声認識用サンプリングレート（例えば、１６ｋHｚ）に設定する。そして、バッファ２３と、特徴ベクトル抽出ブロック２４と、特徴ベクトルバッファ２５で前記音声認識モードを示す部分をオン/オフにして制御する。

要すると、制御器２７は、オーディオコーデック２２が用いるサンプリングレートの可変を制御する。そして、制御器２７は、ユーザーが選択したアプリケーションによって、オーディオコーデック２２の出力が伝達された経路を決定する。

一方、音声認識のための信号伝達経路上で、特徴ベクトル抽出ブロック２４の入力端に備えられたバッファ２３は、音声認識のための音声信号（ＰＣＭデータ）を保存する。前記バッファ２３は、ピンポンバッファであることが好ましい。ここで、ピンポンバッファは、二重バッファリングの構造を用いる。即ち、二つの保存領域に区分して、その二つの保存領域のうち一方の領域にデータを満たすと同時に、他方の領域では、保存されていたデータを出力する構造である。

一方、本発明では、上記の二重バッファリングの構造を用いたり、三つ以上の保存領域に区分して、その保存領域をリングの形態で構成した構造を用いる。ここで、前記バッファ２３は、２０〜４０ｍｓバッファである。

特徴ベクトル抽出ブロック２４は、入力端に位置したバッファ２３からＰＣＭデータの伝達を受け、そこから特徴ベクトルを抽出する。前記特徴ベクトル抽出ブロック２４は、ＭＦＣＣ(mel-frequency cepstral coefficients)、ＰＬＰ(perceptual linear prediction)、ＬＰＣ(Linear Predictive Coding)、又はＬＰＣＣ(Linear Predictive Cepstral Coefficients)のうち、何れかの方式を用いる。

そして、特徴ベクトル抽出ブロック２４の出力端に備えられた特徴ベクトル２５は、特徴ベクトル抽出ブロック２４から抽出された特徴ベクトルを保存する。

本発明では、２０〜４０ｍｓ程度の短時間単位で反復的に特徴ベクトルを抽出し、その特徴ベクトルをアレイ形態で特徴ベクトルバッファ２５に保存する。

一般的に、特徴ベクトルを抽出する時は、フィルターバンク、フィルタリング、ＦＦＴ(Fast Fourier Transform)、ＤＣＴ(Discrete Cosine Transform)、ＩＦＦＴ(Inverse Fast Fourier Transform)などの過程を経なければならない。そのため、多くの演算量が要求される。また、特徴ベクトルを抽出する過程は規則性が強い。したがって、本発明では、特徴ベクトルの抽出のためのブロック２４をハードウェアとして実現する。

別途の例として、特徴ベクトル抽出のためにソフトウェア的な実現も可能である。

音声認識ブロック２６は、特徴ベクトルバッファ２５に保存された特徴ベクトルを用いて、音声認識を実施する。前記音声認識ブロック２６は、音声認識用アルゴリズムを備えたＭＰＵやＤＳＰであることが好ましい。

音声認識アルゴリズム自体は変化可能性が多い。そして、トレイニングファイル及びパラメーターによって固定点の移行において差が生じ得る。そして、アルゴリズムの改善のためにビタビ復号化や言語モデリングや文法に当たる部分が用いられる。それにより、本発明では、音声認識アルゴリズムで固定点の移行やアルゴリズムの改善のための部分を、上述したＭＰＵ又はＤＰＳを介して実現する。

別途の例として、本発明では、ＭＰＵ又はＤＳＰを介した音声認識のために、予めノイズ除去を実施する。そのノイズの除去も上述したＭＰＵ又はＤＳＰを介して行うことが好ましい。

ボコーダ２８は、音声通話のためのオーディオコーデック２２の出力（８ｋHｚのサンプリングレートを用いたＰＣＭデータ）に対して音声コーディングを実施する。即ち、ボコーダ２８は、音声通話のための音声信号が入力されると、そのＰＣＭデータをＱＣＥＬＰ(Qualcomm Code Excited Linear Prediction)やＥＶＲＣ(Enhanced Variable Rate Coding)やＶＳＥＬＰ(Vector Sum Excited Linear Prediction)やＲＰＥ−ＬＴＰ(residual pulse excitation/long term prediction) などを用いて音声コーディングする。

ボコーダー２８の出力に対しては、コンボルーションコードやターボコードなどを用いるチャンネルコーディングを実施する。そして、チャンネルコーディングの以後に無線変調などの過程を更に経る。

上述した前記ベースバンドモデムは、移動通信端末機の出荷時に内部の構成要素として予め装着させることが好ましい。しかし、本発明に係るベースバンドモデムを独立的なモジュールに実現して、移動通信端末機に後で装着するように構成してもよい。
即ち、本発明による技術的な範囲は、前記両者の場合に共に及ぶことができる。

以上で説明した内容を通じて当業者であれば本発明の技術思想を逸脱しない範囲で多様な変更及び修正が可能なことが分かる。したがって、本発明の技術的な範囲は明細書の詳細な説明に記載された内容に限定されるものではなく、特許請求の範囲によって定められなければならない。

以上のように、本発明の好ましい実施形態を用いて本発明を例示してきたが、本発明は、この実施形態に限定して解釈されるべきものではない。本発明は、特許請求の範囲によってのみその範囲が解釈されるべきであることが理解される。当業者は、本発明の具体的な好ましい実施形態の記載から、本発明の記載および技術常識に基づいて等価な範囲を実施することができることが理解される。

音声認識に適したサンプリングレートで調節することによって音声認識率を高められると共に、音声認識のためのプロセッシングユニットの一部の処理部分をハードウェア的に実現できる音声認識用ベースバンドモデムと、それを用いる移動通信端末機を提供する。

本発明に係るベースバンドモデムは、音声認識のためのサンプリングレートと、音声通話のためのサンプリングレートのうち何れか一つを用いて、入力されたボイス信号に対して変調を実施するオーディオコーデックと、前記音声認識のためのサンプリングレートを用いて、変調された前記オーディオコーデックの出力から特徴ベクトルを抽出する特徴ベクトル抽出ブロックと、前記特徴ベクトル抽出ブロックの出力を用いて、音声認識を行う音声認識ブロックと、前記音声通話のためのサンプリングレートを用いて、変調された前記オーディオコーデックの出力をボコーディグするボコーダとを含んで構成されることを特徴とする。

従来技術に係るベースバンドモデムの構成図である。図１に示したベースバンドモデムを介した音声認識過程を説明した図面である。本発明の一実施例によるベースバンドモデムの構成を示すブロックダイアグラムである。

Claims

音声認識のためのサンプリングレートと、音声通話のためのサンプリングレートのうち何れか一つを用いて、入力されたボイス信号に対して変調を実施するオーディオコーデックと、
前記音声認識のためのサンプリングレートを用いて、変調された前記オーディオコーデックの出力から特徴ベクトルを抽出する特徴ベクトル抽出ブロックと、
前記特徴ベクトル抽出ブロックの出力を用いて、音声認識を行う音声認識ブロックと、
前記音声通話のためのサンプリングレートを用いて、変調された前記オーディオコーデックの出力をボコーディグするボコーダとを含んで構成されることを特徴とするベースバンドモデム。
前記音声認識のためのサンプリングレートを用いて、変調された前記オーディオコーデックの出力を保存するバッファを更に含んで構成されることを特徴とする請求項１に記載のベースバンドモデム。
前記特徴ベクトル抽出ブロックは、前記バッファに保存されたデータから前記特徴ベクトルを抽出することを特徴とする請求項２に記載のベースバンドモデム。
前記バッファは、ピンポンバッファであることを特徴とする請求項２に記載のベースバンドモデム。
前記特徴ベクトル抽出ブロックから抽出された前記特徴ベクトルを保存する特徴ベクトルバッファを更に含んで構成されることを特徴とする請求項１に記載のベースバンドモデム。
前記入力されたボイス信号が前記音声認識のための信号であるか、前記音声通話のための信号であるかを区分する制御器を更に含んで構成されることを特徴とする請求項１に記載のベースバンドモデム。
前記制御器は、
前記入力されたボイス信号を、前記音声認識のための信号と、前記音声通話のための信号のうち一つで区分することにより、前記オーディオコーデックの変調に用いるサンプリングレートの可変を制御することを特徴とする請求項６に記載のベースバンドモデム。
前記制御器は、
前記入力されたボイス信号を、前記音声認識のための信号と、前記音声通話のための信号のうち一つで区分することにより、前記特徴ベクトル抽出ブロックと前記音声認識ブロックの活性化を制御することを特徴とする請求項６に記載のベースバンドモデム。
前記入力されたオーディオ信号が前記音声認識のための信号である場合に、前記制御器は、前記特徴ベクトル抽出ブロックと、前記音声認識ブロックを活性化させることを特徴とする請求項８に記載のベースバンドモデム。
前記制御器は、前記ベースバンドモデムに備えられた音声認識のためのレジスターをオン/オフして、前記特徴ベクトル抽出ブロックと前記音声認識ブロックの活性化を制御することを特徴とする請求項６に記載のベースバンドモデム。
前記音声認識のためのサンプリングレートは、１２〜３２ｋHｚの範囲に含まれることを特徴とする請求項１に記載のベースバンドモデム。
前記音声認識のためのサンプリングレートは、１６kHzであることを特徴とする請求項１に記載のベースバンドモデム。
前記特徴ベクトル抽出ブロックは、ハードウェアで構成されることを特徴とする請求項１に記載のベースバンドモデム。
前記オーディオコーデックは、前記入力されたボイス信号に対してパルスコード変調を実施することを特徴とする請求項１に記載のベースバンドモデム。
前記ベースバンドモデムは、移動通信端末機に内装されることを特徴とする請求項１に記載のベースバンドモデム。
音声認識用サンプリングレートと、音声通話用サンプリングデータのうち何れか一つを用いて、入力されたボイス信号に対してパルスコード変調を実施するオーディオコーデックと、
前記音声認識用サンプリングレートで変調された前記オーディオコーデックの出力から特徴ベクトルを抽出する特徴ベクトル抽出ブロックと、前記特徴ベクトル抽出ブロックの出力を用いて音声認識アルゴリズムを行うプロセッサーを備えた音声認識経路と、
前記音声通話用サンプリングレートで変調された前記オーディオコーデックの出力を音声コーディングするボコーダを備えた音声通話経路とを含んで構成されることを特徴とする移動通信端末機。
前記音声認識経路は、
前記音声認識用サンプリングレートで変調された前記オーディオコーデックの出力を保存するバッファを、特徴ベクトル抽出ブロックの入力端に更に備えることを特徴とする請求項１６に記載の移動通信端末機。
前記バッファは、ピンポンバッファであることを特徴とする請求項１７に記載の移動通信端末機。
前記音声認識経路は、
前記特徴ベクトル抽出ブロックから抽出された前記特徴ベクトルを保存する特徴ベクトルバッファを、前記プロセッサーの入力端に更に備えることを特徴とする請求項１６に記載の移動通信端末機。
前記入力されたボイス信号が前記音声認識用信号であるか、前記音声通話用信号であるかを区分して、前記経路の動作を制御する制御器を更に含んで構成されることを特徴とする請求項１６に記載の移動通信端末機。
前記制御器は、
前記入力されたボイス信号を、前記音声認識用信号と、前記音声通話用信号のうち一つで区分し、それによって前記オーディオコーデックの変調に用いるサンプリングレートを可変させることを特徴とする請求項２０に記載の移動通信端末機。
前記制御器は、
前記入力されたボイス信号が前記音声認識用信号である場合に、前記特徴ベクトル抽出ブロックと、前記音声認識ブロックの動作を活性化させることを特徴とする請求項２０に記載の移動通信端末機。
前記制御器は、前記移動通信端末機に備えられた音声認識用レジスターをオン/オフして、前記特徴ベクトル抽出ブロックと、前記音声認識ブロックの動作を制御することを特徴とする請求項２０に記載の移動通信端末機。
前記音声認識用サンプリングレートは、１２〜３２ｋHｚの範囲に含まれることを特徴とする請求項１６に記載の移動通信端末機。
前記音声認識用サンプリングレートは、１６ｋHｚであることを特徴とする請求項１に記載の移動通信端末機。
前記特徴ベクトルブロックは、ハードウェアで構成されることを特徴とする請求項１に記載の移動通信端末機。