JP2018205512A - 電子機器及び雑音抑圧プログラム - Google Patents

Abstract

【課題】音声認識処理の内容に応じて音声信号に含まれるノイズを適切に抑圧する。【解決手段】電子機器は、ノイズ抑圧部と、音声認識部と、更新部とを備える。ノイズ抑圧部は、複数のノイズ抑圧パラメータのうちの１つのノイズ抑圧パラメータを使用して、音声信号に含まれるノイズを抑圧する。音声認識部は、音声信号に対する音声認識を行う。更新部は、ノイズを抑圧した音声信号に対する音声認識の結果に基づいて、複数のノイズ抑圧パラメータのそれぞれと対応付けられた音声認識の結果の正しさを示す認識確率のいずれかを更新する。当該電子機器におけるノイズ抑圧部は、複数のノイズ抑圧パラメータのそれぞれと対応付けられた認識確率に基づいて、使用するノイズ抑圧パラメータを決定する。【選択図】図１

Description

本発明は、電子機器及び雑音抑圧プログラムに関する。

近年、音声による操作や各種情報の入力等が可能な電子機器が増えている。この種の電子機器では、入力された音声信号に含まれるノイズを抑圧してから音声認識処理を行うことで誤認識を抑制し、電子機器の誤動作等を防止している。

音声信号に含まれるノイズを抑圧する技術として、電子機器の周囲の状況に応じて非定常雑音の抑圧方法を制御する技術がある（例えば、特許文献１を参照）。この種の技術では、電子機器の周囲の雑音状況に基づいて、非定常雑音を抑圧する場合と抑圧しない場合とのどちらが抑圧後の音声歪が少なくなるかを判定し、非定常雑音を抑圧しないほうが音声歪が少なくなる場合には非定常雑音の抑圧を行わないようにする。これにより、抑圧後の音声に過剰な歪が発生することによる音声認識性能の低下を防止することが可能となる。

特開２０００−３２１０８０号公報

しかしながら、音声認識性能は、音声認識処理の内容（アルゴリズム）に依存している。例えば、あるノイズ抑圧方法に従ってノイズを抑圧した音声信号を、アルゴリズムが異なる複数の音声認識処理のそれぞれで認識した場合、認識結果には差異が生じる。すなわち、ある音声信号に含まれるノイズを抑圧する際にどの程度抑圧すればよいかは音声認識処理の内容に応じて異なり、ノイズが適切に抑圧されていないと誤認識が発生して音声認識性能が低下する。

１つの側面において、本発明は、音声認識処理の内容に応じて音声信号に含まれるノイズを適切に抑圧することを目的とする。

１つの態様の電子機器は、ノイズ抑圧部と、音声認識部と、更新部とを備える。ノイズ抑圧部は、複数のノイズ抑圧パラメータのうちの１つのノイズ抑圧パラメータを使用して、音声信号に含まれるノイズを抑圧する。音声認識部は、音声信号に対する音声認識を行う。更新部は、ノイズを抑圧した音声信号に対する音声認識の結果に基づいて、複数のノイズ抑圧パラメータのそれぞれと対応付けられた音声認識の結果の正しさを示す認識確率のいずれかを更新する。当該電子機器におけるノイズ抑圧部は、複数のノイズ抑圧パラメータのそれぞれと対応付けられた認識確率に基づいて、使用するノイズ抑圧パラメータを決定する。

上述の態様によれば、音声認識処理の内容に応じて音声信号に含まれるノイズを適切に抑圧することが可能となる。

第１の実施形態に係る電子機器の機能的構成を示す図である。 抑圧係数の例を示すグラフ図である。 パラメータリストの例を示す図である。 第１の実施形態に係る電子機器が行う処理を説明するフローチャートである。 ノイズ抑圧パラメータの更新処理を含まない音声認識処理の内容を説明するフローチャートである。 第１の実施形態に係るノイズ抑圧パラメータの更新処理を含む音声認識処理の内容を説明するフローチャートである。 ノイズ抑圧処理の内容を説明するフローチャートである。 ノイズ抑圧パラメータ更新処理の内容を説明するフローチャートである。 パラメータリストの別の例を示す図である。 第２の実施形態に係る電子機器の機能的構成を示す図である。 単語リストの例を示す図である。 第２の実施形態に係るノイズ抑圧パラメータの更新処理を含む音声認識処理の内容を説明するフローチャートである。 第３の実施形態に係る電子機器の機能的構成を示す図である。 クリーン音声リストの例を示す図である。 第３の実施形態に係るノイズ抑圧パラメータの更新処理を含む音声認識処理の内容を説明するフローチャートである。 判定用音声信号を生成する処理の内容を説明するフローチャートである。 コンピュータのハードウェア構成を示す図である。

［第１の実施形態］
図１は、第１の実施形態に係る電子機器の機能的構成を示す図である。

図１に示すように、本実施形態の電子機器１は、認識処理制御部１１０と、認識性能観測部１２０と、ノイズ抑圧部１３０と、音声認識部１４０と、リスト更新部１５０と、情報処理部１６０とを備える。また、電子機器１は、観測値１９１及びパラメータリスト１９２を含む各種情報を記憶する記憶部（図示せず）を備える。

認識処理制御部１１０は、収音装置２から入力された音声信号に対する音声認識処理の制御を行う。認識処理制御部１１０は、例えば、まず、情報処理部１６０に含まれる第１の情報処理部１６１及び第２の情報処理部１６２のいずれによる処理を行うかに基づいて、音声認識部１４０の第１の認識部１４１及び第２の認識部１４２のいずれによる音声認識処理を行うかを決定する。例えば、認識処理制御部１１０は、第１の情報処理部１６１による処理を行う場合には音声認識処理を行う認識部を第１の認識部１４１に決定し、第２の情報処理部１６２による処理を行う場合には音声認識処理を行う認識部を第２の認識部１４２に決定する。

また、認識処理制御部１１０は、先に決定した第１の認識部１４１及び第２の認識部１４２のいずれかの音声認識性能を認識性能観測部１２０に観測させ、音声認識性能が閾値以上であるか否かを判定する。また、認識処理制御部１１０は、ノイズ抑圧部１３０に音声信号に含まれるノイズ（雑音）を抑圧させるとともに、先に決定した第１の認識部１４１及び第２の認識部１４２のいずれかに、ノイズを抑圧した音声信号に対する音声認識処理を行わせる。更に、本実施形態の電子機器１における認識処理制御部１１０は、音声認識性能が閾値よりも低い場合に、リスト更新部１５０にパラメータリスト１９２を更新させる。パラメータリスト１９２を更新した場合、ノイズ抑圧部１３０は、更新後のパラメータリスト１９２に基づいて、ノイズの抑圧に使用するパラメータを決定する。以下の説明では、ノイズ抑圧部１３０においてノイズの抑圧に使用するパラメータのことをノイズ抑圧パラメータという。

認識性能観測部１２０は、音声認識部１４０における音声認識処理の結果が蓄積された観測値１９１を参照し、音声信号のうちの処理対象となっている区間に対する音声認識性能を観測する。観測値１９１は、第１の認識部１４１による音声認識処理の結果が蓄積された第１の観測値１９１Ａと、第２の認識部１４２による音声認識処理の結果が蓄積された第２の観測値１９１Ｂとを含む。第１の認識部１４１により音声認識処理を行う場合、認識性能観測部１２０は、第１の観測値１９１Ａを参照して第１の認識部１４１の音声認識性能を観測する。一方、第２の認識部１４２により音声認識処理を行う場合、認識性能観測部１２０は、第２の観測値１９１Ｂを参照して第２の認識部１４２の音声認識性能を観測する。認識性能観測部１２０は、例えば、過去の音声認識処理の結果における複数の単語のそれぞれが観測される確率に基づいて音声認識性能を算出する。

ノイズ抑圧部１３０は、パラメータリスト１９２から選出したノイズ抑圧パラメータを使用して、音声信号に含まれるノイズ成分を抑圧する。パラメータリスト１９２は、第１の認識部１４１と対応付けられた第１のリスト１９２Ａと、第２の認識部１４２と対応付けられた第２のリスト１９２Ｂとを含む。ノイズ抑圧パラメータは、音声信号に適用する抑圧係数の最小値ＣＬ及び最大値ＣＨ、並びに抑圧係数を最小値ＣＬから最大値ＣＨまでの間で変化させる区間を指定する信号対ノイズ比を示す第１の閾値ＳＮＲ_Ｌ及び第２の閾値ＳＮＲ_Ｈ（＞ＳＮＲ_Ｌ）を含む。第１のリスト１９２Ａ及び第２のリスト１９２Ｂには、それぞれ、４個のノイズ抑圧パラメータＣＬ，ＣＨ，ＳＮＲ_Ｌ，及びＳＮＲ_Ｈを含むパラメータセットが複数組登録されている。第１の認識部１４１で音声認識を行う場合、ノイズ抑圧部１３０は、第１のリスト１９２Ａの複数組のパラメータセットのうちの１組のパラメータセットにおけるノイズ抑圧パラメータＣＬ，ＣＨ，ＳＮＲ_Ｌ，及びＳＮＲ_Ｈを使用してノイズ成分を抑圧する。一方、第２の認識部１４２で音声認識を行う場合、ノイズ抑圧部１３０は、第２のリスト１９２Ｂの複数組のパラメータセットのうちの１組のパラメータセットにおけるノイズ抑圧パラメータＣＬ，ＣＨ，ＳＮＲ_Ｌ，及びＳＮＲ_Ｈを使用してノイズ成分を抑圧する。ノイズ抑圧部１３０は、ノイズ抑圧パラメータを利用した既知の抑圧方法に従って、音声信号に含まれるノイズ成分を抑圧する。

音声認識部１４０は、収音装置２から入力された音声信号、或いは該音声信号に含まれるノイズ成分を抑圧した音声信号に対する音声認識処理を行う。音声認識部１４０は、上記のように、第１の情報処理部１６１と対応付けられた第１の認識部１４１と、第２の情報処理部１６２と対応付けられた第２の認識部１４２とを含む。第１の認識部１４１及び第２の認識部１４２は、それぞれ、既知の認識方法に従って、音声信号における発話区間の発話内容を認識してテキスト化する。なお、第１の認識部１４１と第２の認識部１４２とは、例えば、アルゴリズムが異なっており、同一の音声信号に対する音声認識処理の結果から算出される音声認識性能が同一であるとは限らない。

リスト更新部１５０は、音声認識性能が閾値よりも低い場合に音声認識性能が向上する方向にノイズ抑圧パラメータが更新されるよう、パラメータリスト１９２の情報を更新する。第１の認識部１４１による音声認識処理を行っている場合、リスト更新部１５０は、パラメータリスト１９２の第１のリスト１９２Ａに含まれる情報を更新する。一方、第２の認識部１４２による音声認識処理を行っている場合、リスト更新部１５０は、パラメータリスト１９２の第２のリスト１９２Ｂに含まれる情報を更新する。リスト更新部１５０は、１個のパラメータリストに含まれる複数組のパラメータセットのなかから１組のパラメータセットを選出し、当該パラメータセットに基づいてノイズを抑圧して音声認識を行った場合の音声認識結果の正しさを示す確率情報を更新する。以下の説明では、音声認識結果の正しさを示す確率情報を、認識確率或いは単に「確率」という。認識確率は、音声認識処理の結果として出力された単語について、与えられた入力の音響モデルと言語モデルとを照合し、該入力が出力された単語である確率とする。

情報処理部１６０は、音声認識部１４０における音声認識処理の結果に基づいて所定の処理を行い、該所定の処理の結果を表示装置３や外部装置４等に出力する。例えば、情報処理部１６０は、音声認識処理の結果を示す画像データを生成して表示装置３に出力する。また、例えば、情報処理部１６０は、音声認識テキストに含まれる所定の単語と関連する情報を外部装置４から取得し、取得した情報を表示装置３に出力する。なお、第１の認識部１４１で音声認識を行っている場合、情報処理部１６０は、第１の情報処理部１６１において、第１の認識部１４１での音声認識処理の結果に基づいた処理を行う。一方、第２の認識部１４２で音声認識を行っている場合、情報処理部１６０は、第２の情報処理部１６２において、第２の認識部１４２での音声認識処理の結果に基づいた処理を行う。

このように、本実施形態の電子機器１は、アルゴリズムが異なる２種類の音声認識処理のいずれかを選択して音声信号に対する音声認識処理を行うことが可能となっている。また、本実施形態の電子機器１は、入力された音声信号に含まれるノイズを抑圧してから音声認識処理を行うことが可能となっている。ノイズを抑圧する際、電子機器１は、選択した音声認識処理と対応付けられたパラメータリスト（第１のリスト１９２Ａ及び１９２Ｂのいずれか）に基づいて、音声信号に適用する抑圧係数を決定する。

図２は、抑圧係数の例を示すグラフ図である。
本実施形態の電子機器１におけるノイズ抑圧部１３０は、処理対象となる音声信号を周波数解析し、周波数帯域毎に、信号対ノイズ比に基づいて適用する抑圧係数を決定する。ノイズ抑圧部１３０は、例えば、図２のグラフに示した信号対ノイズ比ＳＮＲと、抑圧係数ＳＵＰとの関係を示す関数Ｇ(SNR)に基づいて、周波数帯域ｉの入力スペクトルＦ(i,t)に適用する抑圧係数ＳＵＰ(i,t)を決定する。ここで、変数ｔは音声信号における周波数解析の単位となる区間（フレーム）を識別する識別子であり、変数ｉは、周波数帯域を識別する識別子である。

入力スペクトルＦ(i,t)の信号対ノイズ比ＳＮＲ(i,t)が第１の閾値ＳＮＲ_Ｌ以下である場合、ノイズ抑圧部１３０は、該入力スペクトルＦ(i,t)に適用する抑圧係数ＳＵＰ(i,t)を最小値ＣＬに決定する。また、入力スペクトルＦ(i,t)の信号対ノイズ比ＳＮＲ(i,t)が第２の閾値ＳＮＲ_Ｈ以上である場合、ノイズ抑圧部１３０は、該入力スペクトルＦ(i,t)に適用する抑圧係数ＳＵＰ(i,t)を最大値ＣＨに決定する。更に、ノイズ抑圧部１３０は、信号対ノイズ比ＳＮＲ(i,t)がＳＮＲ_Ｌ＜ＳＮＲ(i,t)＜ＳＮＲ_Ｈである入力スペクトルＦ(i,t)に適用する抑圧係数ＳＵＰ(i,t)を、ＣＬ＜ＳＵＰ(i,t)＜ＣＨであり、かつＳＮＲ(i,t)に比例した値に決定する。

なお、本実施形態の電子機器１では、複数組のパラメータセットのそれぞれについての認識確率に基づいて、図２のグラフにおける抑圧係数の最小値ＣＬ及び最大値ＣＨと、信号対ノイズ比の閾値ＳＮＲ_Ｌ及びＳＮＲ_Ｈとを決定する。

図３は、パラメータリストの例を示す図である。
パラメータリスト１９２には、ノイズ抑圧パラメータＣＬ，ＣＨ，ＳＮＲ_Ｌ，及びＳＮＲ_Ｈと、確率（認識確率）とを含むパラメータセットが複数組登録されている。図３には、パラメータリスト１９２に含まれる第１のリスト１９２Ａの例を示している。図３の第１のリスト１９２Ａには、５組のパラメータセットが登録されている。

本実施形態の電子機器１では、まず、音声認識部１４０における第１の認識部１４１及び第２の認識部１４２のどちらで音声認識処理を行うかを決定する。第１の認識部１４１で音声認識処理を行う場合、電子機器１は、第１のリスト１９２Ａに登録された複数組のパラメータセットのうちの確率が最大値であるパラメータセットを選択する。その後、電子機器１は、選択したパラメータセットにおけるノイズ抑圧パラメータＣＬ，ＣＨ，ＳＮＲ_Ｌ，及びＳＮＲ_Ｈを使用して、入力された音声信号に含まれるノイズ成分を抑圧する。一方、第２の認識部１４２で音声認識処理を行う場合、電子機器１は、第２のリスト１９２Ｂに登録された複数組のパラメータセットのうちの確率が最大値であるパラメータセットを選択する。その後、電子機器１は、選択したパラメータセットにおけるノイズ抑圧パラメータＣＬ，ＣＨ，ＳＮＲ_Ｌ，及びＳＮＲ_Ｈを使用して、入力された音声信号に含まれるノイズ成分を抑圧する。

本実施形態の電子機器１は、ノイズ抑圧パラメータＣＬ，ＣＨ，ＳＮＲ_Ｌ，及びＳＮＲ_Ｈを使用して音声信号に含まれるノイズを抑圧する処理を含む処理として、例えば、図４のフローチャートに沿った処理を行う。

図４は、第１の実施形態に係る電子機器が行う処理を説明するフローチャートである。
本実施形態の電子機器１は、まず、入力される音声信号（入力音声）に対する音声認識処理を第１の認識部１４１及び第２の認識部１４２のどちらで行うかを決定し、ノイズ抑圧パラメータを設定する（ステップＳ１）。ステップＳ１の処理は、認識処理制御部１１０と、ノイズ抑圧部１３０とが行う。認識処理制御部１１０は、例えば、電子機器１の利用者（オペレータ）が電子機器１に対して行った入力操作に基づいて、第１の情報処理部１６１及び第２の情報処理部１６２のどちらで音声認識処理の結果に応じた処理を行うかを特定する。その後、認識処理制御部１１０は、入力される音声信号に対する音声認識処理を行う認識部を、特定した情報処理部と対応付けられた第１の認識部１４１又は第２の認識部１４２に決定する。音声認識処理を行う認識部を決定した後、認識処理制御部１１０は、決定した認識部（第１の認識部１４１又は第２の認識部１４２）を示す情報をノイズ抑圧部１３０に通知する。ノイズ抑圧部１３０は、認識処理制御部１１０からの通知に基づいて、パラメータリスト（第１のリスト１９２Ａ又は第２のリスト１９２Ｂ）において確率が最大値であるパラメータセットを読み出し、該パラメータセットをノイズ抑圧パラメータに設定する。

例えば、図１の電子機器１における第１の情報処理部１６１で音声認識処理の結果に応じた処理を行う場合、認識処理制御部１１０は、音声認識処理を第１の認識部１４１で行うと決定する。この場合、ノイズ抑圧部１３０は、第１の認識部１４１と対応付けられた第１のリスト１９２Ａにおいて確率が最大値であるパラメータセットＣＬ，ＣＨ，ＳＮＲ_Ｌ，及びＳＮＲ_Ｈを読み出してノイズ抑圧パラメータに設定する。

次に、電子機器１は、入力音声における処理対象のフレームを取得する（ステップＳ２）。ステップＳ２の処理は、例えば、認識処理制御部１１０が行う。認識処理制御部１１０は、収音装置２から入力される音声信号を所定の時間長（例えば２０ｍｓ）毎の複数のフレームに分割し、所定の選択規則に従って複数のフレームのうちのいずれかを処理対象のフレームに選択する。選択規則は、例えば、複数のフレームの音声信号内での時間による並び順とする。

次に、電子機器１は、ステップＳ１で決定した第１の認識部１４１又は第２の認識部１４２で行う音声認識処理についての音声認識性能を観測する（ステップＳ３）。ステップＳ３の処理は、認識性能観測部１２０が行う。認識性能観測部１２０は、ステップＳ１で決定した第１の認識部１４１又は第２の認識部１４２と対応付けられた観測値を参照して、音声認識性能の観測値を算出する。音声認識性能の観測値として、認識性能観測部１２０は、例えば、下記式（１）により現時点における認識確率の長期平均Ａｖｅ(t)を算出する。

Ave(t)＝α×Rate＋（１−α）×Ave(t-1) （１）

式（１）における変数ｔは、入力音声についての複数のフレームを識別する識別子である。また、式（２）におけるαは、現フレームに対する認識確率が長期平均に与える影響を示す寄与係数である。寄与係数αは、０＜α＜１の範囲で適宜設定すればよく、例えばα＝０．０１とする。

次に、電子機器１は、音声認識性能が閾値よりも低いか否かを判定する（ステップＳ４）。ステップＳ４の判定は、例えば、認識処理制御部１１０が行う。認識処理制御部１１０は、例えば、認識性能観測部１２０で算出した認識確率の長期平均Ａｖｅ（ｔ）が閾値よりも低いか否かを判定する。音声認識性能が閾値以上である場合（ステップＳ４；ＮＯ）、認識処理制御部１１０は、ノイズ抑圧パラメータの更新処理を含まない音声認識処理（ステップＳ５）を行うと決定する。ステップＳ５の音声認識処理において、認識処理制御部１１０は、ノイズ抑圧部１３０に処理対象のフレームに含まれるノイズ成分を抑圧させた後、音声認識部１４０（第１の認識部１４１又は第２の認識部１４２）に処理対象のフレームに対する音声認識処理を行わせる。以下の説明では、ステップＳ５のノイズ抑圧パラメータの更新処理を含まない音声認識処理を、第１の音声認識処理、或いは単に「更新処理を含まない音声認識処理」ともいう。

一方、音声認識性能が閾値よりも低い場合（ステップＳ４；ＹＥＳ）、認識処理制御部１１０は、ノイズ抑圧パラメータの更新処理を含む音声認識処理（ステップＳ６）を行うと決定する。ステップＳ６の音声認識処理において、認識処理制御部１１０は、ノイズ抑圧部１３０に処理対象のフレームに含まれるノイズ成分を抑圧させた後、音声認識部１４０（第１の認識部１４１又は第２の認識部１４２）に処理対象のフレームに対する音声認識処理を行わせる。更に、ステップＳ６の音声認識処理において、認識処理制御部１１０は、リスト更新部１５０にパラメータリスト（第１のリスト１９２Ａ又は第２のリスト１９２Ｂ）の確率を更新させるとともに、ノイズ抑圧部１３０にノイズ抑圧パラメータを更新させる。以下の説明では、ステップＳ６のノイズ抑圧パラメータの更新処理を含む音声認識処理を、第２の音声認識処理、或いは単に「更新処理を含む音声認識処理」ともいう。

第１の音声認識処理及び第２の音声認識処理のいずれかを行った後、電子機器１は、入力音声に対する音声認識処理を終了するか否かを判定する（ステップＳ７）。ステップＳ７の判定は、例えば、認識処理制御部１１０が行う。認識処理制御部１１０は、例えば、入力音声の発話区間を含むフレームに対する音声認識処理が終了したか否か、発話区間が終了してから所定の時間が経過したか否か等に基づいて、音声認識処理を終了するか否かを判定する。音声認識処理を続ける場合（ステップＳ７；ＮＯ）、認識処理制御部１１０は、ステップＳ２の処理を行う。その後、電子機器１は、ステップＳ３以降の処理を行う。

一方、音声認識処理を終了する場合（ステップＳ７；ＹＥＳ）、認識処理制御部１１０は、次に、情報処理部１６０（第１の情報処理部１６１又は第２の情報処理部１６２）に音声認識処理の結果に応じた処理を行わせる（ステップＳ８）。ステップＳ８の処理は、第１の情報処理部１６１及び第２の情報処理部１６２のうちの、ステップＳ１で決定した認識部（第１の認識部１４１又は第２の認識部１４２）と対応した情報処理部が行う。第１の情報処理部１６１又は第２の情報処理部１６２は、音声認識処理の結果を示す音声認識テキストにより示される発話内容に応じた所定の処理を行う。例えば、発話内容がある単語の意味を調べる内容である場合、第１の情報処理部１６１又は第２の情報処理部１６２は、外部装置４にアクセスして該当する単語の意味を含む情報を取得し、取得した情報を表示装置３に出力する。

本実施形態の電子機器１は、例えば、入力音声における音声認識の単位となる区間（例えば、発話区間）のそれぞれに対し、図４のフローチャートにおけるステップＳ１〜Ｓ８の処理を行う。なお、本実施形態の電子機器１は、例えば、ステップＳ１〜Ｓ７までの処理と、ステップＳ８の処理とを並行して行ってもよい。ステップＳ１〜Ｓ７までの処理と、ステップＳ８の処理とを並行して行う場合、電子機器１は、ステップＳ５又はＳ６での音声認識の結果を順次情報処理部１６０に出力する。

このように、本実施形態の電子機器１は、入力音声に対する音声認識処理における音声認識性能が閾値以上である場合には、ノイズ抑圧パラメータの更新処理を含まない音声認識処理を行う。一方、本実施形態の電子機器１では、入力音声に対する音声認識処理における音声認識性能が閾値よりも低い場合には、ノイズ抑圧パラメータの更新処理を含む音声認識処理を行う。なお、電子機器１が行う更新処理を含まない音声認識処理及び構成処理を含む音声認識処理は、いずれも、入力音声に含まれるノイズ成分を抑圧するノイズ抑圧処理を含む。

図５は、ノイズ抑圧パラメータの更新処理を含まない音声認識処理の内容を説明するフローチャートである。

ステップＳ５の更新処理を含まない音声認識処理を行う場合、電子機器１は、図５に示すように、まず、ノイズ抑圧処理（ステップＳ１１）を行う。ステップＳ１１のノイズ抑圧処理は、ノイズ抑圧部１３０が行う。ノイズ抑圧部１３０は、処理対象のフレームを時間領域の波形から周波数領域のスペクトルに変換し、該スペクトルとノイズ抑圧パラメータＣＬ，ＣＨ，ＳＮＲ_Ｌ，及びＳＮＲ_Ｈとに基づいて、処理対象のフレームにおけるノイズ成分を抑圧する。ここで、ノイズ抑圧パラメータは、ステップＳ１で設定したノイズ抑圧パラメータ、或いはステップＳ６の更新処理を含む音声認識処理において更新したノイズ抑圧パラメータである。また、ノイズ抑圧部１３０は、ノイズ成分を抑圧した周波数領域のスペクトルを時間領域の波形に逆変換する。

ステップＳ１１のノイズ抑圧処理を終えると、電子機器１は、次に、ノイズを抑圧したフレームの音声認識を行う（ステップＳ１２）。ステップＳ１２の処理は、第１の認識部１４１又は第２の認識部１４２が行う。第１の認識部１４１又は第２の認識部１４２は、ノイズ成分を抑圧した処理対象のフレームに対する音声認識処理を行う。第１の認識部１４１及び第２の認識部１４２は、それぞれのアルゴリズム（認識方法）に従って、処理対象のフレームに対する音声認識処理を行う。

ステップＳ１２の音声認識処理を終えると、電子機器１は、更新処理を含まない音声認識処理（ステップＳ５）を終了する。

図６は、第１の実施形態に係るノイズ抑圧パラメータの更新処理を含む音声認識処理の内容を説明するフローチャートである。

ステップＳ６の更新処理を含む音声認識処理を行う場合、本実施形態の電子機器１は、図６に示すように、まず、ノイズ抑圧処理（ステップＳ１１）を行う。ステップＳ１１のノイズ抑圧処理は、ノイズ抑圧部１３０が行う。すなわち、本実施形態の電子機器１は、ステップＳ５の音声認識処理と、ステップＳ６の音声認識処理とで同じ内容のノイズ抑圧処理を行う。

ステップＳ１１のノイズ抑圧処理を終えると、電子機器１は、次に、ノイズを抑圧したフレームの音声認識を行う（ステップＳ１２）。ステップＳ１２の音声認識処理は、第１の認識部１４１又は第２の認識部１４２が行う。すなわち、本実施形態の電子機器１は、ステップＳ５の音声認識処理と、ステップＳ６の音声認識処理とで同じ内容の音声認識処理を行う。

ステップＳ１２の音声認識処理を終えると、本実施形態の電子機器１は、次に、ノイズ抑圧パラメータ更新処理（ステップＳ１３）を行う。ノイズ抑圧パラメータ更新処理では、パラメータリスト（第１のリスト１９２Ａ又は第２のリスト１９２Ｂ）から選出した１組のパラメータセットについての認識確率を更新し、更新後の確率に基づいて、ノイズ抑圧パラメータの設定を更新する。ステップＳ１３のノイズ抑圧パラメータ更新処理は、リスト更新部１５０、ノイズ抑圧部１３０、及び音声認識部１４０（第１の認識部１４１又は第２の認識部１４２）が連携して行う。

ステップＳ１３のノイズ抑圧パラメータ更新処理を終えると、電子機器１は、更新処理を含む音声認識処理（ステップＳ６）を終了する。

更新処理を含まない音声認識処理、及び更新処理を含む音声認識処理のそれぞれにおけるノイズ抑圧処理（ステップＳ１１）は、ノイズ抑圧部１３０が行う。ノイズ抑圧処理として、例えば、図７のフローチャートに沿った処理を行う。

図７は、ノイズ抑圧処理の内容を説明するフローチャートである。
ノイズ抑圧部１３０は、まず、処理対象のフレームの周波数分析を行う（ステップＳ１１０１）。ステップＳ１１０１において、ノイズ抑圧部１３０は、高速フーリエ変換（Fast Fourier Transform：FFT）等の既知の分析方法に従って、時間領域の波形である処理対象のフレームを周波数領域のスペクトルに変換する。

次に、ノイズ抑圧部１３０は、周波数分析の結果に基づいて、処理対象のフレームにおけるノイズモデルを推定する処理を行う。本実施形態のノイズ抑圧部１３０は、ノイズモデルを推定する処理として、図７のステップＳ１１０２〜Ｓ１１０４の処理を行う。

ステップＳ１１０１の処理を終えると、ノイズ抑圧部１３０は、次に、処理対象のフレームにおけるピッチ周波数Ｐを算出する（ステップＳ１１０２）。ノイズ抑圧部１３０は、既知の算出方法に従って、ピッチ周波数Ｐを算出する。例えば、ノイズ抑圧部１３０は、まず、下記式（２）により、処理対象のフレームの自己相関ｃｏｒｒ（ｊ）を算出する。

式（２）の変数ｊは、自己相関を算出する際の２つの波形のずれ量を示す値である。
ノイズ抑圧部１３０は、変数ｊの値が異なる複数の自己相関ｃｏｒｒ(j)を算出し、自己相関ｃｏｒｒ(j)が最大値となる変数ｊの値ｍａｘ_ｊを決定する。その後、ノイズ抑圧部１３０は、下記式（３）によりピッチ周波数Ｐ（Ｈｚ）を算出する。

Ｐ＝ｆ／ｍａｘ_ｊ （３）

式（３）の変数ｆは、サンプリング周波数である。
ピッチ周波数Ｐを算出した後、ノイズ抑圧部１３０は、算出したピッチ周波数Ｐが所定の範囲内（ＰＬ≦Ｐ≦ＰＨ）であるか否かを判定する（ステップＳ１１０３）。例えば、ピッチ周波数Ｐの範囲を指定する最小値ＰＬ及び最大値ＰＨは、それぞれ、ＰＬ＝６０（Ｈｚ）及びＰＨ＝４００（Ｈｚ）とする。

ピッチ周波数ＰがＰ＜ＰＬ又はＰＨ＜Ｐである場合（ステップＳ１１０３；ＮＯ）、ノイズ抑圧部１３０は、次に、ノイズの周波数特性を更新する（ステップＳ１１０４）。ステップＳ１１０４において、ノイズ抑圧部１３０は、例えば、下記式（４）により、処理対象のフレームｔにおけるノイズの周波数特性Ｎ(i,t)を算出して更新する。

Ｎ(i,t)＝β×Ｎ(i,t-1)＋（１−β）×Ｐ(i,t) （４）

式（４）の変数ｉは、処理対象のフレームｔについての周波数スペクトルにおける周波数帯域を識別する識別子である。また、式（４）におけるＰ(i,t)は、処理対象のフレームｔについての周波数スペクトルにおける周波数帯域ｉのパワーである。また、式（４）のβは、更新係数である。更新係数βは、０＜β＜１の範囲で適宜設定すればよく、例えばβ＝０．９９とする。

ステップＳ１１０４の処理を終えると、ノイズ抑圧部１３０は、次に、処理対象のフレームについての周波数スペクトルにおける各周波数帯域の信号対ノイズ比ＳＮＲを算出する（ステップＳ１１０５）。また、ステップＳ１１０２で算出したピッチ周波数ＰがＰＬ≦Ｐ≦ＰＨである場合（ステップＳ１１０３；ＹＥＳ）、ノイズ抑圧部１３０は、ステップＳ１１０４の処理を省略し、次にステップＳ１１０５の処理を行う。ステップＳ１１０５において、ノイズ抑圧部１３０は、下記式（５）により、処理対象のフレームｔの周波数スペクトルにおける周波数帯域ｉ毎に、信号対ノイズ比ＳＮＲ(i,t)を算出する。

ＳＮＲ(i,t)＝Ｐ(i,t)−Ｎ(i,t) （５）

信号対ノイズ比を算出した後、ノイズ抑圧部１３０は、ノイズ抑圧パラメータに基づいて、フレームｔの周波数帯域ｉのスペクトルに適用する抑圧係数ＳＵＰを算出する（ステップＳ１１０６）。ノイズ抑圧部１３０は、ノイズ抑圧パラメータＣＬ，ＣＨ，ＳＮＲ_Ｌ，及びＳＮＲ_Ｈの設定時又は更新時に、各パラメータの値に基づいて、例えば、図２のグラフ５における関数Ｇ(SNR)を生成しておく。ステップＳ１６において、ノイズ抑圧部１３０は、関数Ｇ(SNR)と、フレームｔにおける周波数帯域ｉの信号対ノイズ比ＳＮＲ(i,t)とに基づいて、周波数帯域ｉのスペクトルに適用する抑圧係数ＳＵＰ(i,t)を算出する。

抑圧係数を算出すると、ノイズ抑圧部１３０は、次に、周波数帯域ｉ毎に、算出した抑圧係数ＳＵＰ(i,t)を適用する（ステップＳ１１０７）。ステップＳ１１０７において、ノイズ抑圧部１３０は、下記式（６−１）及び式（６−２）により、抑圧係数を適用した抑圧信号の複素スペクトルにおける実部ＲＰ_ｒｅ(i,t)及び虚部ＰＲ_ｉｍ(i,t)を算出する。

ＲＰ_ｒｅ(i,t)＝Ｐ_ｒｅ(i,t)×ＳＵＰ(i,t) （６−１）
ＲＰ_ｉｍ(i,t)＝Ｐ_ｉｍ(i,t)×ＳＵＰ(i,t) （６−２）

式（６−１）のＰ_ｒｅ(i,t)は、抑圧係数を適用する前の音声信号の複素スペクトルにおける実部である。また、式（６−２）のＰ_ｉｍ(i,t)は、抑圧係数を適用する前の音声信号の複素スペクトルにおける虚部である。

抑圧係数を適用した後、ノイズ抑圧部１３０は、抑圧係数適用後の周波数スペクトル（抑圧信号の複素スペクトル）を時間領域の波形に変換する（ステップＳ１１０８）。ステップＳ１１０８において、ノイズ抑圧部１３０は、ステップＳ１１０１で時間領域の波形を周波数領域のスペクトルに変換する際の変換処理に対する逆変換処理を行う。ステップＳ１１０１において高速フーリエ変換により時間領域の波形を周波数領域のスペクトルに変換した場合、ステップＳ１１０８では、該高速フーリエ変換に対する逆高速フーリエ変換を行う。

ステップＳ１１０８の処理を終えると、ノイズ抑圧部１３０は、ノイズを抑圧したフレームｔの音声信号を認識処理制御部１１０に送信し、ノイズ抑圧処理を終了する。

本実施形態の電子機器１は、更新処理を含まない音声認識処理におけるノイズ抑圧処理、及び更新処理を含む音声認識処理におけるノイズ抑圧処理として、それぞれ、上記のノイズ抑圧処理（ステップＳ１１０１〜Ｓ１１０８）を行う。更新処理を含まない音声認識処理（ステップＳ５）を行っている場合、電子機器１は、ノイズ抑圧処理の後、ノイズを抑圧した音声信号に対する音声認識を行い（ステップＳ１２）、音声認識処理を終了する。これに対し、更新処理を含む音声認識処理（ステップＳ６）を行っている場合、電子機器１は、ノイズ抑圧処理の後、ノイズを抑圧した音声信号に対する音声認識（ステップＳ１２）と、ノイズ抑圧パラメータ更新処理（ステップＳ１３）とを行う。電子機器１は、ノイズ抑圧パラメータ更新処理として、例えば、図８のフローチャートに沿った処理を行う。

図８は、ノイズ抑圧パラメータ更新処理の内容を説明するフローチャートである。
ノイズ抑圧パラメータ更新処理は、認識処理制御部１１０による制御のもと、リスト更新部１５０、ノイズ抑圧部１３０、及び音声認識部１４０が連携して行う。

ノイズ抑圧パラメータ更新処理では、電子機器１は、まず、パラメータリストから1組のパラメータセットをランダムに読み出す（ステップＳ１３０１）。ステップＳ１３０１の処理は、リスト更新部１５０が行う。リスト更新部１５０は、現在行っている一連の処理において選択されている音声認識部と対応付けられたパラメータリストに登録されたＮ組のパラメータセットのうちの1組のパラメータセットをランダムに選出する。例えば、第１の認識部１４１により音声認識処理を行っており、かつ第１のリスト１９２Ａに登録されたパラメータセットが５組である場合、ステップＳ１３０１において、リスト更新部１５０は、まず、１〜５の整数のうちの１個の整数をランダムに発生させる。その後、リスト更新部１５０は、第１のリスト１９２Ａにおけるセット番号が発生させた整数値であるパラメータセットを読み出す。ステップＳ１３０１で読み出したパラメータセットは、認識確率を更新する更新対象のパラメータセットとなる。なお、ステップＳ１３０１では、例えば、現在ノイズ抑圧部１３０に設定されているパラメータセットを除く他のパラメータセットのなかから更新対象のパラメータセットをランダムに決定して読み出してもよい。

次に、電子機器１は、ステップＳ１３０１で読み出したパラメータセットに基づいて処理対象のフレームのノイズを抑圧する（ステップＳ１３０２）。ステップＳ１３０２の処理は、ノイズ抑圧部１３０が行う。ステップＳ１３０２の処理として、ノイズ抑圧部１３０は、例えば、図７のノイズ抑圧処理（ステップＳ１１０１〜Ｓ１１０８）と同様の処理を行う。なお、ステップＳ１３０２の処理として図７のノイズ抑圧処理を行う場合、ステップＳ１１０６において、ノイズ抑圧部１３０は、現在設定されているノイズ抑圧パラメータではなく、更新対象のパラメータセットに基づいて抑圧係数を決定する。

ステップＳ１３０２の処理が終わると、電子機器１は、次に、ステップＳ１３０２でノイズを抑圧したフレームの音声認識を行う（ステップＳ１３０３）。ステップＳ１３０３の処理は、現在行っている一連の処理において選択されている音声認識部（第１の認識部１４１又は第２の認識部１４２）が行う。

ステップＳ１３０３の処理が終わると、電子機器１は、ステップＳ１３０３の音声認識の結果に基づいて、更新対象のパラメータセットについての認識確率を算出して更新する（ステップＳ１３０４）。ステップＳ１３０４の処理は、リスト更新部１５０が行う。リスト更新部１５０は、例えば、下記式（７）により、更新対象のパラメータセットについての認識確率ＬＱ(t)を算出する。

ＬＱ(t)＝γ×ＬＱ(t-1)＋（１−γ）×Ｌ_ｃｕｒ （７）

式（７）のＬＱ(t-1)は、現在行っているノイズ抑圧パラメータ更新処理において更新対象のパラメータセットを読み出したときの、該パラメータセットについての認識確率である。式（７）のＬ_ｃｕｒは、現在行っているノイズ抑圧パラメータ更新処理における音声認識の結果に基づいて算出される認識確率である。また、式（７）におけるγは、更新係数である。更新係数γは、０＜γ＜１の範囲で適宜設定可能であり、例えばγ＝０．９９９とする。

確率ＬＱ(t)を算出した後、リスト更新部１５０は、パラメータリスト（第１のリスト１９２Ａ又は第２のリスト１９２Ｂ）における更新対象のパラメータセットについての確率を、算出した確率ＬＱ(t)に更新する。例えば、更新対象のパラメータセットが、図２の第１のリスト１９２Ａにおけるセット番号が３番のパラメータセットである場合、リスト更新部１５０は、３番のパラメータセットについての確率を示す値Ｌ３を算出した確率ＬＱ(t)に更新する。

ステップＳ１３０４の処理が終わると、電子機器１は、確率を更新したパラメータリストにおいて確率が最大値となるパラメータセットにノイズ抑圧パラメータを更新する（ステップＳ１３０５）。ステップＳ１３０５の処理は、ノイズ抑圧部１３０が行う。ノイズ抑圧部１３０は、現在行っている一連の処理において選択されている音声認識部（第１の認識部１４１又は第２の認識部１４２）と対応したパラメータリストを参照し、確率が最大値であるパラメータセットを特定する。その後、ノイズ抑圧部１３０は、確率が最大値であるパラメータセットにおける4個のパラメータＣＬ，ＣＨ，ＳＮＲ_Ｌ，及びＳＮＲ_Ｈの値を読み出し、読み出した各値を新たなノイズ抑圧パラメータＣＬ，ＣＨ，ＳＮＲ_Ｌ，及びＳＮＲ_Ｈに設定する。

ステップＳ１３０５の処理を終えると、電子機器１は、ノイズ抑圧パラメータ更新処理を終了する。

ノイズ抑圧パラメータ更新処理によりノイズ抑圧パラメータを更新した後、ノイズ抑圧部１３０は、更新後のノイズ抑圧パラメータに基づいて処理対象のフレームに含まれるノイズを抑圧する。

このように、ノイズ抑圧パラメータ更新処理では、ランダムに選択した更新対象のパラメータセットに基づいてノイズを抑圧して音声認識を行った場合の認識結果に基づいて、該パラメータセットについての認識確率を更新する。

図４のフローチャートにおけるステップＳ３の処理により得られる音声認識性能は、上記のように、認識確率の長期平均である。認識確率は、音声信号に含まれるノイズ成分が少ないほど高くなる。しかしながら、音声信号には定常的なノイズ（定常雑音）だけでなく、非定常的なノイズ（非定常雑音）も含まれるため、音声信号に含まれるノイズ成分は常に一定量であるとは限らない。よって、同一のノイズ抑圧パラメータを使用して長期間音声信号のノイズを抑圧した場合、認識確率は、音声信号に含まれるノイズ成分の量（割合）に応じて変動する。このため、認識確率が高いノイズ抑圧パラメータは、認識確率が低いノイズ抑圧パラメータと比べて、音声信号に含まれるノイズ成分をより適切に抑圧することが可能であるといえる。すなわち、認識確率は、ノイズ抑圧パラメータに基づいて入力音声のノイズが適切に抑制されている場合には大きな値となり、ノイズの抑圧が不十分である場合には小さな値となる。したがって、入力音声に対するノイズの抑圧が不十分である場合（言い換えるとノイズ抑圧パラメータが不適切な場合）には、音声認識性能が低くなる。本実施形態の電子機器１では、音声認識性能が低下した場合に、ノイズ抑圧パラメータ更新処理を行い、ノイズ抑圧パラメータを認識確率が最大値となるパラメータセットに更新する。これにより、本実施形態の電子機器１では、音声信号に含まれるノイズを該電子機器１の周囲における騒音状況に応じて適切に抑圧することが可能となる。よって、本実施形態によれば、音声信号に含まれるノイズによる音声認識性能の低下を抑制し、更には音声認識性能の向上（回復）させることが可能となる。

また、本実施形態の電子機器１のように、第１の情報処理部１６１と対応付けられた第１の認識部１４１と、第２の情報処理部１６２と対応付けられた第２の認識部１４２とで認識処理のアルゴリズムが異なる場合、認識部毎に特性が異なる。このため、第１の認識部１４１及び第２の認識部１４２のそれぞれで、同じノイズ抑圧パラメータに基づいてノイズを抑圧した音声信号に対する音声認識処理を行ったとしても、認識確率は、認識部毎に異なる値となる。この点を踏まえ、本実施形態の電子機器１では、音声認識処理を行う認識部毎にパラメータリストを用意し、選択した認識部についてのパラメータリストにおいて認識確率が最大値となるパラメータセットに従って入力音声のノイズを抑圧する。よって、本実施形態によれば、アルゴリズムが異なる複数種類の音声認識部（第１の認識部１４１及び第２の認識部１４２）のうちの選択した音声認識部による音声認識の特性に応じて、入力音声のノイズをより適切に抑圧することが可能となる。

なお、本実施形態では、音声認識処理のアルゴリズムが異なる２つの認識部（第１の認識部１４１及び第２の認識部１４２）を含む電子機器１を例示したが、認識部の数は３個以上であってもよい。また、電子機器１における音声認識の結果に応じた処理を行う情報処理部の数は、音声認識を行う認識部の数と一致していなくてもよい。例えば、電子機器１の情報処理部１６０は、第１の情報処理部１６１及び第２の情報処理部１６２の他に、第１の認識部１４１による音声認識の結果に応じた処理を行う第３の情報処理部（図示せず）を含んでいてもよい。更に、電子機器１の機能的構成は、図１の構成に限らず、本実施形態の要旨を逸脱しない範囲において変更可能である。

また、図４〜図８のフローチャートは、本実施形態に係る電子機器１が行う処理の一例に過ぎない。本実施形態に係る電子機器１が行う処理は、本実施形態の要旨を逸脱しない範囲において適宜変更可能である。例えば、ノイズ抑圧パラメータを設定する処理は、ステップＳ１の代わりに、ステップＳ１１のノイズ抑圧処理に含めてもよい。すなわち、ノイズ抑圧部１３０は、ステップＳ１１のノイズ抑圧処理を行う際に、都度パラメータリススト１９２を参照して確率が最大値となるパラメータセットを読み出し、ノイズ抑圧パラメータＣＬ，ＣＨ，ＳＮＲ_Ｌ，及びＳＮＲ_Ｈを設定してもよい。更に、本実施形態のノイズ抑圧パラメータ更新処理において複数のパラメータセットの中からランダムに選択するパラメータセットは、１組に限らず、複数組であってもよい。

また、図２の第１のリスト１９２Ａは、パラメータリストの一例に過ぎない。第１のリスト１９２Ａ等のパラメータリストに登録するパラメータセットの組数や、各パラメータセットにおけるノイズ抑圧パラメータの値の組み合わせは、適宜設定すればよい。更に、パラメータリストに登録するパラメータセットは、ノイズ抑圧パラメータＣＬ，ＣＨ，ＳＮＲ_Ｌ，及びＳＮＲ_Ｈの代わりに、ノイズ抑圧パラメータの値を調整する係数Ｄ１，Ｄ２，Ｄ３，及びＤ４を含むものであってもよい。

図９は、パラメータリストの別の例を示す図である。
図９には、パラメータリスト１９２における第１のリスト１９２Ａについての別の例を示している。図９の第１のリスト１９２Ａには、ノイズ抑圧パラメータＣＬ，ＣＨ，ＳＮＲ_Ｌ，及びＳＮＲ_Ｈの値を調整する係数Ｄ１，Ｄ２，Ｄ３，及びＤ４と、認識確率とを含むパラメータセットが登録されている。

図９の第１のリスト１９２Ａにおいて、Ｄ１はパラメータＣＬの値を調整する係数であり、Ｄ２はパラメータＣＨの値を調節する係数である。例えば、パラメータＣＬは下記式（８−１）により算出し、パラメータＣＨは下記式（８−２）により算出する。

ＣＬ＝Ｄ１×ＣＬmin＋（１−Ｄ１）×ＣＬmax （８−１）
ＣＨ＝Ｄ２×ＣＨmin＋（１−Ｄ２）×ＣＨmax （８−２）

式（８−１）におけるＣＬmin及びＣＬmaxは、それぞれ、パラメータＣＬの最小値及び最大値である。パラメータＣＬの最小値ＣＬmin及び最大値ＣＬmaxは、それぞれ、適宜設定する。例えば、ＣＬmin＝０、及びＣＬmax＝０．５に設定すると、係数Ｄ１の値が０．２である場合のパラメータＣＬの値は０．５となる。

一方、式（８−２）におけるＣＨmin及びＣＨmaxは、それぞれ、パラメータＣＨの最小値及び最大値である。パラメータＣＨの最小値ＣＨmin及び最大値ＣＨmaxは、それぞれ、適宜設定する。例えば、ＣＨmin＝０．５、及びＣＨmax＝１とすると、係数Ｄ２の値が０．２である場合のパラメータＣＨの値は０．９となる。

また、図９の第１のリスト１９２Ａにおいて、Ｄ３はパラメータＳＮＲ_Ｌを調整する係数であり、Ｄ４はパラメータＳＮＲ_Ｈを調節する係数である。例えば、パラメータＳＮＲ_Ｌは下記式（８−３）により算出し、パラメータＳＮＲ_Ｈは下記式（８−４）により算出する。

ＳＮＲ_Ｌ＝Ｄ３×ＳＮＲ_Ｌmin＋（１−Ｄ３）×ＳＮＲ_Ｌmax （８−３）
ＳＮＲ_Ｈ＝Ｄ４×ＳＮＲ_Ｈmin＋（１−Ｄ４）×ＳＮＲ_Ｈmax （８−４）

式（８−３）におけるＳＮＲ_Ｌmin及びＳＮＲ_Ｌmaxは、それぞれ、パラメータＳＮＲ_Ｌの最小値及び最大値である。パラメータＳＮＲ_Ｌの最小値ＳＮＲ_Ｌmin及び最大値ＳＮＲ_Ｌmaxは、それぞれ、適宜設定する。例えば、ＳＮＲ_Ｌmin＝−１５、及びＳＮＲ_Ｌmax＝１０に設定すると、係数Ｄ３の値が０．２である場合のパラメータＳＮＲ_Ｌの値は５となる。

一方、式（８−４）におけるＳＮＲ_Ｈmin及びＳＮＲ_Ｈmaxは、それぞれ、パラメータＳＮＲ_Ｈの最小値及び最大値である。パラメータＳＮＲ_Ｈの最小値ＳＮＲ_Ｈmin及び最大値ＳＮＲ_Ｈmaxは、それぞれ、適宜設定する。例えば、ＳＮＲ_Ｈmin＝１５、及びＳＮＲ_Ｈmax＝３０に設定すると、係数Ｄ４が０．２である場合のパラメータＳＮＲ_Ｈは、２７となる。

係数Ｄ１，Ｄ２，Ｄ３，及びＤ４をパラメータリストに登録した場合、ノイズ抑圧部１３０は、ステップＳ１及びＳ１３０５において、式（８−１）〜式（８−４）によりノイズ抑圧パラメータＣＬ，ＣＨ，ＳＮＲ_Ｌ，及びＳＮＲ_Ｈの値を算出して設定する。

なお、図９の第１のリスト１９２Ａは、ノイズ抑圧パラメータＣＬ，ＣＨ，ＳＮＲ_Ｌ，及びＳＮＲ_Ｈの値を調整する係数Ｄ１，Ｄ２，Ｄ３，及びＤ４を登録したパラメータリストの一例に過ぎない。パラメータリストに登録するパラメータセット（係数Ｄ１，Ｄ２，Ｄ３，及びＤ４の組）の組数や、各パラメータセットにおける係数Ｄ１，Ｄ２，Ｄ３，及びＤ４の組み合わせは、適宜設定すればよい。例えば、１組のパラメータセットにおける係数Ｄ１，Ｄ２，Ｄ３，及びＤ４の値は、全てが同じ値（Ｄ１＝Ｄ２＝Ｄ３＝Ｄ４）である必要はない。そのため、第１のリスト１９２Ａ等の各パラメータリストには、例えば、係数Ｄ１，Ｄ２，及びＤ４の値が同一であり、係数Ｄ３の値のみが異なる複数のパラメータセットが登録されていてもよい。

［第２の実施形態］
図１０は、第２の実施形態に係る電子機器の機能的構成を示す図である。

図１０に示すように、本実施形態の電子機器１は、認識処理制御部１１０と、認識性能観測部１２０と、ノイズ抑圧部１３０と、音声認識部１４０と、リスト更新部１５０と、情報処理部１６０と、特定単語検索部１７０とを備える。また、本実施形態の電子機器１は、観測値１９１と、パラメータリスト１９２と、単語リスト１９３とを含む各種情報を記憶させる記憶部（図示せず）を備える。

なお、図１０では省略しているが、音声認識部１４０は、第１の実施形態に係る電子機器１の音声認識部１４０と同様、音声認識処理の内容（アルゴリズム）が異なる複数の認識部（例えば、第１の認識部１４１及び第２の認識部１４２）を含む。また、情報処理部１６０は、第１の実施形態に係る電子機器１の情報処理部１６０と同様、音声認識処理の結果に応じた処理を行う複数の情報処理部（例えば、第１の情報処理部１６１及び第２の情報処理部１６２）を含む。ここで、複数の情報処理部は、それぞれ、アルゴリズムが異なる複数の認識部のいずれかと対応付けられており、対応付けられた認識部による音声認識の結果に基づいて所定の処理を行う。

観測値１９１には、音声認識部１４０に含まれる認識部毎の認識結果の確率についての情報が格納される。また、パラメータリスト１９２は、音声認識部１４０に含まれる複数の認識部のそれぞれと対応した複数のパラメータリスト（例えば、第１のリスト１９２Ａ及び第２のリスト１９２Ｂ）を含む。複数のパラメータリストは、それぞれ、図２の第１のリスト１９２Ａのように、ノイズ抑圧パラメータＣＬ，ＣＨ，ＳＮＲ_Ｌ，及びＳＮＲ_Ｈの値と、認識確率とを含むパラメータセットが複数組登録されている。なお、複数のパラメータリストは、それぞれ、図９の第１のリスト１９２Ａのように、ノイズ抑圧パラメータの値を調整する係数Ｄ１，Ｄ２，Ｄ３，及びＤ４と、認識確率とを含むパラメータセットが複数組登録されているリストであってもよい。

更に、本実施形態の電子機器１が備える特定単語検索部１７０は、単語リスト１９３を参照して、音声認識部１４０の所定の認識部における音声認識処理の結果（音声認識テキスト）に含まれる特定単語を検索する。そして、本実施形態の電子機器１におけるリスト更新部１５０は、音声認識処理の結果に特定単語が含まれる場合にのみ、ノイズ抑圧部１３０及び音声認識部１４０と連携してノイズ抑圧パラメータ更新処理を行う。

図１１は、単語リストの例を示す図である。
図１１には、Ｍ個の特定単語が登録された単語リスト１９３を示している。単語リスト１９３に登録する特定単語は、例えば、電子機器１において音声認識処理の結果に基づいた処理を開始する際に発話する単語等の、音声認識処理の結果に含まれる頻度が高い単語とする。図１１の単語リスト１９３における「教えて」という特定単語は、例えば、情報検索処理（サービス）により各種情報を調べる際に音声認識処理の結果に含まれる頻度が高い単語である。また、単語リスト１９３に登録する特定単語は、音声認識処理における認識精度の高い単語であることが好ましい。

本実施形態の電子機器１は、例えば、図４のフローチャートに沿った処理を行う。図４のフローチャートに沿った処理を行う場合、本実施形態の電子機器１は、ノイズ抑圧パラメータの更新処理を含む音声認識処理（ステップＳ６）を除くステップＳ１〜Ｓ５，Ｓ７，及びＳ８の各処理として、それぞれ、第１の実施形態で説明した処理を行う。また、本実施形態の電子機器１は、ステップＳ６の更新処理を含む音声認識処理として、例えば、図１２のフローチャートに沿った処理を行う。

図１２は、第２の実施形態に係るノイズ抑圧パラメータの更新処理を含む音声認識処理の内容を説明するフローチャートである。

ノイズ抑圧パラメータの更新処理を含む音声認識処理は、第１の実施形態で説明したように、音声認識性能が低下して所定の閾値よりも低くなった場合に行われる。更新処理を含む音声認識処理を行う場合、本実施形態の電子機器１は、まず、ノイズ抑圧処理（ステップＳ１１）と、ノイズを抑圧したフレームの音声認識（ステップＳ１２）とを行う。ステップＳ１１のノイズ抑圧処理は、ノイズ抑圧部１３０が行う。ノイズ抑圧部１３０は、ステップＳ１１のノイズ抑圧処理として、例えば、図７のフローチャートに沿った処理を行う。また、ステップＳ１２の処理は、現在行っている一連の処理において選択されている第１の認識部１４１又は第２の認識部１４２が行う。第１の認識部１４１又は第２の認識部１４２は、所定のアルゴリズムに従って、ステップＳ１１でノイズを抑圧したフレームに対する音声認識処理を行う。

ステップＳ１２の音声認識処理を終えると、本実施形態の電子機器１は、次に、音声認識の結果に含まれる単語と単語リスト１９３の特定単語とを照合し（ステップＳ２１）、音声認識の結果に特定単語が含まれるか否かを判定する（ステップＳ２２）。ステップＳ２１の処理は、特定単語検索部１７０が行う。特定単語検索部１７０は、既知の検索方法に従って、音声認識の結果に含まれる単語と単語リスト１９３の特定単語とを照合し、音声認識の結果に含まれる特定単語を検索する。単語の照合を終えると、特定単語検索部１７０は、照合結果（検索結果）を認識処理制御部１１０に通知する。認識処理制御部１１０は、照合結果に基づいて、音声認識の結果に特定単語が含まれるか否かを判定する（ステップＳ２２）。音声認識の結果に特定単語が含まれる場合（ステップＳ２２；ＹＥＳ）、認識処理制御部１１０は、リスト更新部１５０等にノイズ抑圧パラメータ更新処理（ステップＳ１３）を行わせる。この場合、認識処理制御部１１０（電子機器１）は、リスト更新部１５０、ノイズ抑圧部１３０、及び音声認識部１４０を連携させて、例えば、図８のフローチャートに沿ったノイズ抑圧パラメータ更新処理を行う。ノイズ抑圧パラメータ更新処理を終えると、認識処理制御部１１０は、ノイズ抑圧パラメータの更新処理を含む音声認識処理（ステップＳ６）を終了する。

一方、音声認識の結果に特定単語が含まれない場合（ステップＳ２２；ＮＯ）、認識処理制御部１１０は、ノイズ抑圧パラメータ更新処理を省略し、ノイズ抑圧パラメータの更新処理を含む音声認識処理（ステップＳ６）を終了する。

このように、本実施形態の電子機器１では、音声認識性能が閾値よりも低く、かつ音声認識の結果に特定単語が含まれる場合に、ノイズ抑圧パラメータ更新処理（ステップＳ１３）を行う。特定単語は、入力音声に含まれる頻度が高く、しかも認識精度が高い単語である。このため、ノイズ抑圧パラメータ更新処理においてランダムに読み出したパラメータセットに基づいてノイズを抑圧して音声認識を行った場合の認識結果が正しいか否かを正確に判定することが可能となる。よって、パラメータリストにおける各パラメータセットについての認識確率の信頼度が高くなり、より適切なパラメータセット（ノイズ抑圧パラメータ）を選出してノイズを抑圧することが可能となる。

［第３の実施形態］
図１３は、第３の実施形態に係る電子機器の機能的構成を示す図である。

図１３に示すように、本実施形態の電子機器１は、認識処理制御部１１０と、認識性能観測部１２０と、ノイズ抑圧部１３０と、音声認識部１４０と、リスト更新部１５０と、情報処理部１６０と、音声生成部１８０とを備える。また、本実施形態の電子機器１は、観測値１９１と、パラメータリスト１９２と、クリーン音声リスト１９４と、ノイズ情報１９５とを含む各種情報を記憶させる記憶部（図示せず）を備える。

なお、図１３では省略しているが、音声認識部１４０は、第１の実施形態に係る電子機器１の音声認識部１４０と同様、音声認識処理の内容（アルゴリズム）が異なる複数の認識部（例えば、第１の認識部１４１及び第２の認識部１４２）を含む。また、情報処理部１６０は、第１の実施形態に係る電子機器１の情報処理部１６０と同様、音声認識処理の結果に応じた処理を行う複数の情報処理部（例えば、第１の情報処理部１６１及び第２の情報処理部１６２）を含む。ここで、複数の情報処理部は、それぞれ、アルゴリズムが異なる複数の認識部のいずれかと対応付けられており、対応付けられた認識部による音声認識の結果に基づいて所定の処理を行う。

観測値１９１には、音声認識部１４０に含まれる認識部毎の認識結果の確率についての情報が格納される。また、パラメータリスト１９２は、音声認識部１４０の複数の認識部のそれぞれと対応した複数のパラメータリスト（例えば、第１のリスト１９２Ａ及び第２のリスト１９２Ｂ）を含む。複数のパラメータリストは、それぞれ、図２の第１のリスト１９２Ａのように、ノイズ抑圧パラメータＣＬ，ＣＨ，ＳＮＲ_Ｌ，及びＳＮＲ_Ｈの値と、認識確率とを含むパラメータセットが複数組登録されている。なお、複数のパラメータリストは、それぞれ、図９の第１のリスト１９２Ａのように、ノイズ抑圧パラメータの値を調整する係数Ｄ１，Ｄ２，Ｄ３，及びＤ４と、認識確率とを含むパラメータセットが複数組登録されているリストであってもよい。

更に、本実施形態の電子機器１が備える音声生成部１８０は、クリーン音声リスト１９４に登録されたクリーン音声にノイズを重畳した音声信号を生成する。音声生成部１８０は、例えば、入力音声から抽出して保持しているノイズ情報１９５に基づいて、クリーン音声にノイズを重畳する。そして、本実施形態の電子機器１は、クリーン音声にノイズを重畳した音声信号に対する音声認識処理の結果が正しい場合にのみ、ノイズ抑圧パラメータ更新処理（ステップＳ１３）を行う。

図１４は、クリーン音声リストの例を示す図である。
図１４には、Ｍ個のクリーン音声が登録されたクリーン音声リスト１９４を示している。クリーン音声リスト１９４に登録するクリーン音声は、例えば、電子機器１において音声認識処理の結果に基づいた処理を行う際に出現する頻度が高い単語を低雑音環境下で発話して収音した、ノイズ成分の非常に少ない音声データ（波形データ）とする。また、クリーン音声は、例えば、音声合成ソフトウェアにより作成したノイズ成分を含まない音声データ（波形データ）であってもよい。クリーン音声リスト１９４には、クリーン音声の波形データと、該クリーン音声の発話内容（単語）を示すテキスト情報とを対応付けて登録しておく。

本実施形態の電子機器１は、例えば、図４のフローチャートに沿った処理を行う。図４のフローチャートに沿った処理を行う場合、本実施形態の電子機器１は、ノイズ抑圧パラメータの更新処理を含む音声認識処理（ステップＳ６）を除くステップＳ１〜Ｓ５，Ｓ７，及びＳ８の各処理として、それぞれ、第１の実施形態で説明した処理を行う。また、本実施形態の電子機器１は、ステップＳ６の更新処理を含む音声認識処理として、例えば、図１５のフローチャートに沿った処理を行う。

図１５は、第３の実施形態に係るノイズ抑圧パラメータの更新処理を含む音声認識処理の内容を説明するフローチャートである。

ノイズ抑圧パラメータの更新処理を含む音声認識処理は、第１の実施形態で説明したように、音声認識性能が低下して所定の閾値よりも低くなった場合に行われる。更新処理を含む音声認識処理を行う場合、本実施形態の電子機器１は、まず、判定用音声信号を生成する（ステップＳ３１）。ステップＳ３１の処理は、音声生成部１８０が行う。音声生成部１８０は、クリーン音声リスト１９４に登録された複数のクリーン音声のうちの１個のクリーン音声を選択し、該クリーン音声にノイズを重畳した判定用音声信号を生成する。音声生成部１８０は、生成した判定用音声信号と、クリーン音声の発話内容を示すテキスト情報とを認識処理制御部１１０に送信する。

次に、電子機器１は、判定用音声信号のノイズを抑圧し（ステップＳ３２）、ノイズを抑圧した判定用音声信号の音声認識（ステップＳ３３）を行う。ステップＳ３２の処理はノイズ抑圧部１３０が行う。ノイズ抑圧部１３０は、現在設定されているノイズ抑圧パラメータに基づいて、判定用音声信号に含まれるノイズを抑圧する。ステップＳ３２において、ノイズ抑圧部１３０は、例えば、入力音声における処理対象のフレームの代わりに判定用音声信号をノイズ抑圧の対象として、図７のフローチャートに沿った処理を行う。一方、ステップＳ３３の処理は、音声認識部１４０に含まれる認識部のうちの、現在行っている一連の処理において選択されている認識部（例えば、第１の認識部１４１及び第２の認識部１４１のいずれか）が行う。

ステップＳ３２及びＳ３３の処理を終えると、電子機器１は、次に、ステップＳ３３の音声認識処理の結果（認識結果）が正しいか否かを判定する（ステップＳ３４）。ステップＳ３４の判定は、認識処理制御部１１０が行う。認識処理制御部１１０は、ステップＳ３３の音声認識結果に含まれる単語と、判定用音声信号を生成する際に選択したクリーン音声の発話内容を示すテキスト情報とを比較して、認識結果が正しいか否かを判定する。認識結果が正しい場合（ステップＳ３４；ＹＥＳ）、認識処理制御部１１０は、リスト更新部１５０等にノイズ抑圧パラメータ更新処理（ステップＳ１３）を行わせる。この場合、リスト更新部１５０は、ノイズ抑圧部１３０及び音声認識部１４０と連携して、例えば、図８のフローチャートに沿ったノイズ抑圧パラメータ更新処理を行う。

ノイズ抑圧パラメータ更新処理を行った場合、該更新処理を終えると、電子機器１は、次に、入力音声のフレームに対するノイズ抑圧処理を行う（ステップＳ１１）。一方、判定用音声信号に対する認識結果が誤っている場合（ステップＳ３４；ＮＯ）、電子機器１は、ステップＳ１３のノイズ抑圧パラメータ更新処理を省略して、ステップＳ１１のノイズ抑圧処理を行う。ステップＳ１１の処理は、ノイズ抑圧部１３０が行う。ノイズ抑圧部１３０は、入力音声のフレームに対するノイズ抑圧処理として、例えば、図７のフローチャートに沿った処理を行う。

ステップＳ１１の処理を終えると、電子機器１は、次に、ノイズを抑圧した処理対象のフレームの音声認識を行う（ステップＳ１２）。ステップＳ１２の処理は、音声認識部１４０の認識部のうちの、現在行っている一連の処理において選択されている認識部（第１の認識部１４１又は第２の認識部１４１）が行う。ステップＳ１２の処理を終えると、電子機器１は、ノイズ抑圧パラメータの更新処理を含む音声認識処理（ステップＳ６）を終了する。

このように、本実施形態に係るノイズ抑圧パラメータの更新処理を含む音声認識処理では、電子機器１で判定用音声信号を生成し、該判定用音声信号に対する音声認識の結果に基づいてノイズ抑圧パラメータ更新処理を行うか否かを判定する。電子機器１で生成する判定用音声信号は、上記のように、発話内容が既知でありかつノイズが非常に少ないクリーン音声に現在の現在の電子機器１の周囲における雑音状況と対応したノイズを重畳して生成する。判定用音声信号を生成する処理（ステップＳ３１）は、電子機器１の音声生成部１８０が行う。ステップＳ３１の処理として、音声生成部１８０は、例えば、図１６のフローチャートに沿った処理を行う。

図１６は、判定用音声信号を生成する処理の内容を説明するフローチャートである。
判定用音声信号を生成する処理において、音声生成部１８０は、まず、クリーン音声リスト１９４に登録された複数のクリーン音声のなかから１個のクリーン音声を選択する（ステップＳ３１０１）。ステップＳ３１０１において、音声生成部１８０は、例えば、クリーン音声リスト１９４に登録されたクリーン音声の総数Ｍに基づいて、１〜Ｍまでの整数のいずれかをランダムに生成し、生成した整数値を登録番号とするクリーン音声を選択する。

次に、音声生成部１８０は、入力音声における処理対象のフレームに対する音声検出処理（ステップＳ３１０２）を行い、有意な音声を検出したか否かを判定する（ステップＳ３１０３）。ステップＳ３１０２において、音声生成部１８０は、既知の音声検出処理に従って、処理対象のフレームに含まれる有意な音声（すなわち話者が発話していることを示す音声）を検出する。例えば、音声生成部１８０は、処理対象のフレームについてのパワーを算出し、該パワーが閾値よりも大きい場合には該フレームに有意な音声が含まれると判定する。

処理対象のフレームから音声が検出されなかった場合（ステップＳ３１０３；ＮＯ）、音声生成部１８０は、次に、ノイズ情報１９５を更新する（ステップＳ３１０４）。ノイズ情報１９５は、例えば、現在処理対象となっているフレームよりも時間的に前であり、かつ直近のフレームにおけるノイズ成分を示す情報が格納されている。現在処理対象のフレームに有意な音声が含まれない場合、音声生成部１８０は、例えば、該処理対象のフレームの波形に基づいてノイズ成分を抽出し、ノイズ情報１９５に格納したノイズ情報を抽出したノイズ成分を示す情報に更新する。

ステップＳ３１０４においてノイズ情報１９５を更新した場合、ノイズ情報の更新を終えると、音声生成部１８０は、次に、ノイズ情報１９５に基づいて、選択したクリーン音声にノイズを重畳して判定用音声信号を生成する（ステップＳ３１０５）。一方、処理対象のフレームから音声が検出された場合（ステップＳ３１０３；ＹＥＳ）、音声生成部１８０は、ステップＳ３１０４の処理を省略し、ステップＳ３１０５の処理を行う。判定用音声信号を生成すると、音声生成部１８０は、生成した判定用音声信号と、ステップＳ３１０１で選択したクリーン音声の発話内容を示す情報とを認識処理制御部１１０に送信して判定用音声信号を生成する処理を終了する。

判定用音声信号を生成する処理を終えると、電子機器１は、図１５のステップＳ３２以降の処理を行う。

このように、本実施形態の電子機器１では、音声認識性能が閾値よりも低く、かつ音声生成部１８０で生成した判定用音声信号に対する音声認識の結果が正しい場合に、ノイズ抑圧パラメータ更新処理（ステップＳ１３）を行う。判定用に生成した音声信号は、入力音声に含まれる頻度が高く、しかも認識精度が高い単語を低雑音環境下で発話して収音したクリーン音声に、現在の電子機器１の周囲における雑音状況と対応したノイズを重畳して生成した音声信号である。すなわち、判定用音声信号は、発話内容が既知であり、かつ現在の電子機器１の周囲における雑音状況と対応したノイズを含む音声信号である。このため、ノイズ抑圧パラメータ更新処理においてランダムに読み出したパラメータセットに基づいて判定用音声信号のノイズを抑圧して音声認識を行うと、認識結果が正しいか否かを正確に判定することが可能となる。したがって、本実施形態のノイズパラメータ更新処理では、例えば、式（７）により算出される、ランダムに読み出したパラメータセットについての認識確率ＬＱ(t)の精度がより一層高くなる。よって、本実施形態によれば、パラメータリストにおける各パラメータセットについての認識確率の信頼度が高くなり、より適切なパラメータセット（ノイズ抑圧パラメータ）を選出してノイズを抑圧することが可能となる。

上記の各実施形態に係る電子機器１は、それぞれ、コンピュータと、該コンピュータに実行させるプログラムとにより実現可能である。以下、図１７を参照して、コンピュータとプログラムとにより実現される電子機器１について説明する。

図１７は、コンピュータのハードウェア構成を示す図である。
図１７に示すように、コンピュータ９は、プロセッサ９０１と、主記憶装置９０２と、補助記憶装置９０３と、入力装置９０４と、出力装置９０５と、入出力インタフェース９０６と、通信制御装置９０７と、媒体駆動装置９０８と、を備える。コンピュータ９におけるこれらの要素９０１〜９０８は、バス９１０により相互に接続されており、要素間でのデータの受け渡しが可能になっている。

プロセッサ９０１は、Central Processing Unit（ＣＰＵ）やMicro Processing Unit（ＭＰＵ）等である。プロセッサ９０１は、オペレーティングシステムを含む各種のプログラムを実行することにより、コンピュータ９の全体の動作を制御する。また、プロセッサ９０１は、例えば、図５及び図６のフローチャートにおけるノイズ抑圧処理（ステップＳ１１）、及び図６のノイズ抑圧パラメータ更新処理（ステップＳ１３）を含む雑音抑圧プログラムを実行することにより、入力音声に含まれるノイズを適切に抑圧する。雑音抑圧プログラムにおけるノイズ抑圧処理は、例えば、図７のフローチャートの各処理を含む。雑音抑圧プログラムにおけるノイズ抑圧パラメータ更新処理は、例えば、図８のフローチャートの各処理を含む。更に、プロセッサ９０１は、例えば、図５及び図６の音声認識処理（ステップＳ１２）、及び図４の音声認識の結果に基づいた処理を実行して該処理の結果を出力する処理（ステップＳ８）を含むアプリケーションプログラムを実行する。

主記憶装置９０２は、図示しないRead Only Memory（ＲＯＭ）及びRandom Access Memory（ＲＡＭ）を含む。主記憶装置９０２のＲＯＭには、例えば、コンピュータ９の起動時にプロセッサ９０１が読み出す所定の基本制御プログラム等が予め記録されている。また、主記憶装置９０２のＲＡＭは、プロセッサ９０１が、各種のプログラムを実行する際に必要に応じて作業用記憶領域として使用する。主記憶装置９０２のＲＡＭは、例えば、音声認識結果の観測値１９１、パラメータリスト１９２、及び入力音声に対する音声認識処理の結果を記憶する電子機器１の記憶部として利用可能である。また、コンピュータ９を第２の実施形態に係る電子機器１として動作させる場合、主記憶装置９０２のＲＡＭは、単語リスト１９３の記憶にも利用可能である。更に、コンピュータ９を第３の実施形態に係る電子機器１として動作させる場合、主記憶装置９０２のＲＡＭは、クリーン音声リスト１９４及びノイズ情報１９５の記憶にも利用可能である。

補助記憶装置９０３は、例えば、Hard Disk Drive（ＨＤＤ）や、フラッシュメモリ等の不揮発性メモリ（Solid State Drive（ＳＳＤ）を含む）等の、主記憶装置９０２のＲＡＭと比べて容量の大きい記憶装置である。補助記憶装置９０３は、プロセッサ９０１によって実行される各種のプログラムや各種のデータ等の記憶に利用可能である。補助記憶装置９０３は、例えば、ノイズ抑圧処理（ステップＳ１１）、及びノイズ抑圧パラメータ更新処理（ステップＳ１３）を含む雑音抑圧プログラムの記憶に利用可能である。また、補助記憶装置９０３は、例えば、音声認識処理（ステップＳ１２）、及び音声認識の結果に基づいた処理を実行して該処理の結果を出力する処理（ステップＳ８）を含むアプリケーションプログラムの記憶に利用可能である。更に、例えば、音声認識結果の観測値１９１、及びパラメータリスト１９２を含む各種情報を記憶する電子機器１の記憶部として利用可能である。また、コンピュータ９を第２の実施形態に係る電子機器１として動作させる場合、補助記憶装置９０３は、単語リスト１９３の記憶にも利用可能である。また、コンピュータ９を第３の実施形態に係る電子機器１として動作させる場合、補助記憶装置９０３は、クリーン音声リスト１９４及びノイズ情報１９５の記憶にも利用可能である。

入力装置９０４は、例えば、キーボード装置やタッチパネル装置等である。コンピュータ９のオペレータ（利用者）が入力装置９０４に対して所定の操作を行うと、入力装置９０４は、その操作内容に対応付けられている入力情報をプロセッサ９０１に送信する。入力装置９０４としてのキーボード装置やタッチパネル装置は、例えば、音声認識の結果に基づいた処理を行うアプリケーションプログラムの選択に利用可能である。また、入力装置９０４は、マイクロフォン等の収音装置２を含んでもよい。入力装置９０４にマイクロフォンが含まれる場合、例えば、該マイクロフォンから入力される音声信号を入力音声（ノイズの抑圧及び音声認識の対象）とすることが可能である。

出力装置９０５は、例えば、液晶表示装置等の表示装置３やスピーカ等の音声再生装置である。出力装置９０５は、例えば、入力音声に対する音声認識の結果に基づいてアプリケーションプログラムにより実行された処理の結果等を出力に利用可能である。

入出力インタフェース９０６は、コンピュータ９と、他の電子装置等とを接続する。入出力インタフェース９０６は、例えば、Universal Serial Bus（ＵＳＢ）規格のコネクタ等を備える。入出力インタフェース９０６は、例えば、コンピュータ９と収音装置２との接続、及びコンピュータ９と表示装置３との接続等に利用可能である。

通信制御装置９０７は、コンピュータ９をインターネット等のネットワークに接続し、ネットワークを介したコンピュータ９と他の通信可能な電子装置との各種通信を制御する装置である。通信制御装置９０７は、例えば、コンピュータ９と、外部装置４との間での通信の制御等に利用可能である。

媒体駆動装置９０８は、可搬型記憶媒体１０に記録されているプログラムやデータの読み出しや、補助記憶装置９０３に記憶されたデータ等の可搬型記憶媒体１０への書き込みを行う。媒体駆動装置９０８には、例えば、１種類又は複数種類の規格に対応したメモリカード用リーダ／ライタが利用可能である。媒体駆動装置９０８としてメモリカード用リーダ／ライタを用いる場合、可搬型記憶媒体１０としては、メモリカード用リーダ／ライタが対応している規格、例えば、Secure Digital（ＳＤ）規格のメモリカード（フラッシュメモリ）等を利用可能である。また、可搬型記録媒体１０としては、例えば、ＵＳＢ規格のコネクタを備えたフラッシュメモリが利用可能である。更に、コンピュータ９が媒体駆動装置９０８として利用可能な光ディスクドライブを搭載している場合、当該光ディスクドライブで認識可能な各種の光ディスクを可搬型記録媒体１０として利用可能である。可搬型記録媒体１０として利用可能な光ディスクには、例えば、Compact Disc（ＣＤ）、Digital Versatile Disc（ＤＶＤ）、Blu-ray Disc（登録商標）等がある。可搬型記録媒体１０は、例えば、例えば、ノイズ抑圧処理（ステップＳ１１）、及びノイズ抑圧パラメータ更新処理（ステップＳ１３）を含む雑音抑圧プログラムの記憶に利用可能である。また、可搬型記録媒体１０は、例えば、音声認識処理（ステップＳ１２）、及び音声認識の結果に基づいた処理を実行して該処理の結果を出力する処理（ステップＳ８）を含むアプリケーションプログラムの記憶に利用可能である。更に、可搬型記録媒体１０は、例えば、音声認識結果の観測値１９１、及びパラメータリスト１９２を含む各種情報を記憶する電子機器１の記憶部として利用可能である。また、コンピュータ９を第２の実施形態に係る電子機器１として動作させる場合、可搬型記録媒体１０は、単語リスト１９３の記憶にも利用可能である。また、コンピュータ９を第３の実施形態に係る電子機器１として動作させる場合、可搬型記録媒体１０は、クリーン音声リスト１９４及びノイズ情報１９５の記憶にも利用可能である。

コンピュータ９を電子機器１として動作させる場合、オペレータは、入力装置９０４等を利用して音声認識処理を含むアプリケーションプログラムの実行開始命令をコンピュータ９に入力する。実行開始命令の入力を受け付けると、コンピュータ９のプロセッサ９０１は、補助記憶装置９０３等の非一時的な記録媒体に記憶させたアプリケーションプログラム及び雑音抑圧プログラムを読み出して実行する。このとき、コンピュータ９のプロセッサ９０１は、例えば、図４〜図８のフローチャートに沿った処理を実行する。

アプリケーションプログラム及び雑音抑圧プログラムを実行している間、プロセッサ９０１は、電子機器１における認識処理制御部１１０、認識性能観測部１２０、ノイズ抑圧部１３０、音声認識部１４０、リスト更新部１５０、及び情報処理部１６０として機能する（動作する）。また、例えば、図１２のステップＳ２１及びＳ２２の処理を含む雑音抑圧プログラムを実行している場合、プロセッサ９０１は、特定単語検索部１７０としても機能する（動作する）。また、図１５のステップＳ３１〜Ｓ３４の処理を含む雑音抑圧プログラムを実行している場合、プロセッサ９０１は、音声生成部１８０としても機能する（動作する）。

なお、電子機器１として動作させるコンピュータ９は、図１７に示した要素９０１〜９０８を全て含む必要はなく、用途や条件に応じて一部の要素を省略することも可能である。例えば、コンピュータ９は、媒体駆動装置９０８が省略されたものであってもよい。

また、コンピュータ９は、例えば、スマートフォン等の通話機能を備えた装置であってもよい。

以上記載した各実施例を含む実施形態に関し、更に以下の付記を開示する。
（付記１）
複数のノイズ抑圧パラメータのうちの１つのノイズ抑圧パラメータを使用して、音声信号に含まれるノイズを抑圧するノイズ抑圧部と、
前記音声信号に対する音声認識を行う音声認識部と、
前記ノイズを抑圧した前記音声信号に対する前記音声認識の結果に基づいて、前記複数のノイズ抑圧パラメータのそれぞれと対応付けられた前記音声認識の結果の正しさを示す認識確率のいずれかを更新する更新部と、を備え、
前記ノイズ抑圧部は、前記複数のノイズ抑圧パラメータのそれぞれと対応付けられた前記認識確率に基づいて、使用するノイズ抑圧パラメータを決定する、
ことを特徴とする電子機器。
（付記２）
前記音声認識部は、処理内容が異なる複数通りの音声認識処理のうちのいずれか１つを選択して前記音声信号に対する音声認識を行い、
前記ノイズ抑圧部は、前記音声認識部で選択した前記音声認識処理と対応付けられた前記複数のノイズ抑圧パラメータのそれぞれと対応付けられた前記認識確率に基づいて決定された前記ノイズ抑圧パラメータを使用して、前記音声信号に含まれる前記ノイズを抑圧する、
ことを特徴とする付記１に記載の電子機器。
（付記３）
前記更新部は、
前記音声認識部で選択した前記音声認識処理と対応付けられた前記複数のノイズ抑圧パラメータのなかから前記認識確率を更新するノイズ抑圧パラメータを選択し、
選択した前記ノイズ抑圧パラメータにより前記音声認識の対象である前記音声信号のノイズを抑圧して前記音声認識を行った場合の認識結果に基づいて、選択した前記ノイズ抑圧パラメータと対応付けられた前記認識確率を更新する、
ことを特徴とする付記１に記載の電子機器。
（付記４）
前記更新部は、前記複数のノイズ抑圧パラメータのなかから前記認識確率を更新するノイズ抑圧パラメータをランダムに選択する、
ことを特徴とする付記３に記載の電子機器。
（付記５）
前記電子機器は、前記音声認識の結果に基づいて音声認識性能を観測する認識性能観測部、を更に備え、
前記更新部は、前記ノイズを抑圧した音声信号に対する前記音声認識性能が所定の閾値よりも低くなった場合に、前記認識確率を更新する処理を行う、
ことを特徴とする付記１に記載の電子機器。
（付記６）
前記電子機器は、前記ノイズを抑圧した前記音声信号に対する前記音声認識の結果から所定の単語を検索する単語検索部、を更に備え、
前記更新部は、前記音声認識の結果に前記所定の単語が含まれる場合に、前記認識確率を更新する処理を行う、
ことを特徴とする付記１に記載の電子機器。
（付記７）
前記電子機器は、ノイズレベルが閾値以下であり、かつ発話内容が既知であるクリーン音声にノイズを重畳した判定用音声信号を生成する音声生成部、を更に備え、
前記更新部は、前記ノイズ抑圧パラメータを使用して前記ノイズを抑圧した前記判定用音声信号に対する前記音声認識の結果が前記発話内容と一致した場合に、前記認識確率を更新する処理を行う、
ことを特徴とする付記１に記載の電子機器。
（付記８）
前記電子機器は、前記音声信号に対する前記音声認識の結果に応じた処理を行う情報処理部、を更に備える、
ことを特徴とする付記１に記載の電子機器。
（付記９）
複数のノイズ抑圧パラメータのうちの１つのノイズ抑圧パラメータを使用して、音声信号に含まれるノイズを抑圧し、
前記音声信号に対する音声認識を行い、
前記ノイズを抑圧した前記音声信号に対する前記音声認識の結果に基づいて、前記複数のノイズ抑圧パラメータのそれぞれと対応付けられた前記音声認識の結果の正しさを示す認識確率のいずれかを更新し、
前記複数のノイズ抑圧パラメータのそれぞれと対応付けられた前記認識確率に基づいて、前記ノイズの抑圧に使用する前記ノイズ抑圧パラメータに決定する、
処理をコンピュータに実行させる雑音抑圧プログラム。

１ 電子機器
１１０ 認識処理制御部
１２０ 認識性能観測部
１３０ ノイズ抑圧部
１４０ 音声認識部
１４１ 第１の認識部
１４２ 第２の認識部
１５０ リスト更新部
１６０ 情報処理部
１６１ 第１の情報処理部
１６２ 第２の情報処理部
１７０ 特定単語検索部
１８０ 音声生成部
１９１ 観測値
１９１Ａ 第１の観測値
１９１Ｂ 第２の観測値
１９２ パラメータリスト
１９２Ａ 第１のリスト
１９２Ｂ 第２のリスト
１９３ 単語リスト
１９４ クリーン音声リスト
２ 収音装置
３ 表示装置
４ 外部装置
９ コンピュータ
９０１ プロセッサ
９０２ 主記憶装置
９０３ 補助記憶装置
９０４ 入力装置
９０５ 出力装置
９０６ 入出力インタフェース
９０７ 通信制御装置
９０８ 媒体駆動装置
１０ 可搬型記録媒体

Claims (8)

1. 複数のノイズ抑圧パラメータのうちの１つのノイズ抑圧パラメータを使用して、音声信号に含まれるノイズを抑圧するノイズ抑圧部と、
   前記音声信号に対する音声認識を行う音声認識部と、
   前記ノイズを抑圧した前記音声信号に対する前記音声認識の結果に基づいて、前記複数のノイズ抑圧パラメータのそれぞれと対応付けられた前記音声認識の結果の正しさを示す認識確率のいずれかを更新する更新部と、を備え、
   前記ノイズ抑圧部は、前記複数のノイズ抑圧パラメータのそれぞれと対応付けられた前記認識確率に基づいて、使用するノイズ抑圧パラメータを決定する、
   ことを特徴とする電子機器。
2. 前記音声認識部は、処理内容が異なる複数通りの音声認識処理のうちのいずれか１つを選択して前記音声信号に対する音声認識を行い、
   前記ノイズ抑圧部は、前記音声認識部で選択した前記音声認識処理と対応付けられた前記複数のノイズ抑圧パラメータのそれぞれと対応付けられた前記認識確率に基づいて決定された前記ノイズ抑圧パラメータを使用して、前記音声信号に含まれる前記ノイズを抑圧する、
   ことを特徴とする請求項１に記載の電子機器。
3. 前記更新部は、
   前記音声認識部で選択した前記音声認識処理と対応付けられた前記複数のノイズ抑圧パラメータのなかから前記認識確率を更新するノイズ抑圧パラメータを選択し、
   選択した前記ノイズ抑圧パラメータにより前記音声認識の対象である前記音声信号のノイズを抑圧して前記音声認識を行った場合の認識結果に基づいて、選択した前記ノイズ抑圧パラメータと対応付けられた前記認識確率を更新する、
   ことを特徴とする請求項１に記載の電子機器。
4. 前記電子機器は、前記音声認識の結果に基づいて音声認識性能を観測する認識性能観測部、を更に備え、
   前記更新部は、前記ノイズを抑圧した音声信号に対する前記音声認識性能が所定の閾値よりも低くなった場合に、前記認識確率を更新する処理を行う、
   ことを特徴とする請求項１に記載の電子機器。
5. 前記電子機器は、前記ノイズを抑圧した前記音声信号に対する前記音声認識の結果から所定の単語を検索する単語検索部、を更に備え、
   前記更新部は、前記音声認識の結果に前記所定の単語が含まれる場合に、前記認識確率を更新する処理を行う、
   ことを特徴とする請求項１に記載の電子機器。
6. 前記電子機器は、ノイズレベルが閾値以下であり、かつ発話内容が既知であるクリーン音声にノイズを重畳した判定用音声信号を生成する音声生成部、を更に備え、
   前記更新部は、前記ノイズ抑圧パラメータを使用して前記ノイズを抑圧した前記判定用音声信号に対する前記音声認識の結果が前記発話内容と一致した場合に、前記認識確率を更新する処理を行う、
   ことを特徴とする請求項１に記載の電子機器。
7. 前記電子機器は、前記音声信号に対する前記音声認識の結果に応じた処理を行う情報処理部、を更に備える、
   ことを特徴とする請求項１に記載の電子機器。
8. 複数のノイズ抑圧パラメータのうちの１つのノイズ抑圧パラメータを使用して、音声信号に含まれるノイズを抑圧し、
   前記音声信号に対する音声認識を行い、
   前記ノイズを抑圧した前記音声信号に対する前記音声認識の結果に基づいて、前記複数のノイズ抑圧パラメータのそれぞれと対応付けられた前記音声認識の結果の正しさを示す認識確率のいずれかを更新し、
   前記複数のノイズ抑圧パラメータのそれぞれと対応付けられた前記認識確率に基づいて、前記ノイズの抑圧に使用する前記ノイズ抑圧パラメータに決定する、
   処理をコンピュータに実行させる雑音抑圧プログラム。

Images