JP2990051B2 - 音声認識装置 - Google Patents

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は音声認識装置に関
し、特に２つのマイクロフォンにより２入力音声検出を
行って音声区間を切り出し発声音声を認識処理する音声
認識装置に関する。

【０００２】

【従来の技術】２つのマイクロフォンを使用した２入力
音声検出により発声音声を認識処理する第１の従来技術
として特開昭６２−４２１９７号公報の「音声区間検出
方法」がある。この第１の従来技術である「音声区間検
出方法」を図３のブロック図を参照して説明すると、こ
の音声区間検出方法は、発声者の音声と周囲ノイズのＳ
Ｎ比が大きくなるように設置したメインマイクロフォン
１０１と、メインマイクロフォン１０１に比べてＳＮ比
が小さくなるように設置したサブマイクロフォン１０２
と、メインマイクロフォン１０１からの入力信号を前処
理するメインマイク前処理部１０３と、サブマイクロフ
ォン１０２からの入力信号を前処理するサブマイク前処
理部１０４と、メインマイクロフォン１０１からの入力
信号のパワーを算出するメインマイクパワー算出部と、
サブマイクロフォン１０４からの入力信号のパワーを算
出するサブマイクパワー算出部１０４からの入力のパワ
ーを算出するサブマイクパワー算出部１０６と、騒音学
習時にメインマイクパワー算出部１０５で算出した騒音
レベルのパワーに基づき音声区間算出のためのスレショ
ールドＰ_T を設定する騒音学習部１０７と、騒音学習部
１０７により設定されたスレショールドＰ_T と予め定め
られた時間のスレショールド時間のスレショールドｔ_T
に基づき音声区間候補を検出する音声区間候補検出部１
０８と、メインマイクパワー算出部１０５の出力とサブ
マイクパワー算出部１０６の出力との差（または比）を
求めるレベル差（または比）検出部１０９と、レベル差
検出部１０９の出力に基づき音声区間候補検出部１０８
により判定された音声区間候補を音声区間として採用す
るかまたはそれを棄却するかを決定する音声区間決定部
１１０と、音声区間決定部１１０で決定された音声区間
の発声音声を認識する音声認識部１１１とから構成され
る。この第１の従来例においては、入力用の２個のマイ
クロフォンの内メインマイクロフォン１０１は発声者の
正面２０ｃｍの位置に設置し、サブマイクロフォン１０
２は横８０ｃｍの位置に設置している。また両マイクロ
フォン共、周囲ノイズは同じような条件で入力するよう
に設置してある。図３において、先ず音声が入力される
以前の周囲ノイズのパワーのレベルを、メインマイクロ
フォン１０１を用いて騒音学習部１０７において学習し
ておく。以後メインマイクロフォン１０１の入力パワー
レベルの監視を続け、音声区間候補１０８においてその
レベルが騒音学習部１０７で設定したスレショールドＰ
_T より大である時間がスレショールドｔ_T 以上のときに
その区間を音声区間候補とし、その条件を満たさない場
合には以上の動作を続ける。音声区間候補が見い出され
た場合には、レベル差検出部１０９はその区間におけ
る、メインマイクロフォン１０１からの入力の平均パワ
ーレベル（ｄｂ）とサブマイクロフォン１０２からの入
力の平均パワーレベル（ｄｂ）との差を計算し、音声区
間決定部１１０はその差が予め定めたスレショールドＴ
_lem より大きいときにはその区間を音声区間とし、条件
を満たさないときにはその音声候補区間を棄却し、ノイ
ズレベル学習直後の動作に戻る。ここでパワーレベルの
スレショールドＰ_T は、前述の学習された周囲ノイズの
パワーレベルに、予め定められた適当な値を加えた値と
する。時間のスレショールドｔ_T 、およびパワーのレベ
ルの差のスレショールドＴ_lem は、予めそれぞれ適当に
定められた値である。

【０００３】次に、２つのマイクロフォンを使用した２
入力音声検出により、特に周囲に雑音がある環境下でも
良好に発声音声の認識処理が行なえる第２および第３の
従来技術として特開昭５８−１９６５９９号公報があ
る。

【０００４】一般に、周囲に雑音のある環境下で音声認
識が行なえるようにする場合には、図４に示すように音
声用マイクロフォン２０１以外に雑音用マイクロフォン
２０２を設け、この雑音用マイクロフォン２０２からの
出力信号を遅延器２０３で遅延させて利得制御器２０４
を通した後に減算器２０５に加え、この減算器２０５で
上記音声用マイクロフォン２０１からの出力信号との減
算処理を行なった後に上記減算器２０５の出力を特徴抽
出部２０６に加えて特徴部を抽出して記憶部２０７に記
憶しておき、音声認識に際して上記特徴抽出部２０６か
らの信号を認識部２０８にて上記記憶部２０７に記憶さ
れた特徴部とパターンマッチングの手法にて照合するこ
とにより行なっている。すなわち、この第２の従来技術
である音声認識装置においては、話者２０９が音声用マ
イクロホン２０１に向かって認識させる言葉を喋り、音
声用マイクロフォン２０１の出力信号から雑音用マイク
ロフォン２０２の出力信号を遅延器２０３で遅延させ、
利得制御器２０４で利得制御を行なった後に差し引くと
いう操作を行ない、話者２０９が発声する音声以外の音
（雑音）を除去して、その信号で音声認識を行なおうと
するものであった。しかしながら、この第２の従来技術
の音声認識装置では、雑音源から２つとマイクロフォン
２０１および２０２への伝幡距離の違いによって生じる
位相のずれを遅延器２０３にて補償することができる
が、この遅延器２０３は雑音源が単一の場合だけであ
り、雑音源が複数で異なる場所にある場合には位相のず
れを補正しきれず、音声認識は良好に行ないにくい欠点
があった。また、この音声認識装置を、自動車内等の狭
く閉じられた空間内で用いる場合には雑音源から発生す
る雑音による音声用のマイクロフォン２０１と雑音用マ
イクロフォン２０２の出力信号がレベルの差だけではな
く、音場特性により周波数もかなり変化しているので利
得制御器２０４により利得制御を行なっただけでは十分
に雑音を除去できず、音声認識は良好に行ないにくい欠
点があった。

【０００５】第３の従来技術である音声認識装置はこの
ような第２の従来技術の欠点を解消するためのものであ
り、音声用マイクロフォンと雑音用マイクロフォンの出
力信号をそれぞれ特徴抽出部で特徴部を抽出すると共に
上記雑音用マイクロフォンの出力信号について上記特徴
抽出部を構成する各チャンネル毎に利得制御し、これら
特徴抽出部で抽出したデータの差を取りパターンマッチ
ングして音声認識するように構成したものである。かか
る構成によれば、音声用マイクロフォンと雑音用マイク
ロフォンの出力信号のレベル差だけでなく、音場特性に
起因する周波数特性についても背景雑音の影響をあまり
受けることなく音声認識することができ、これによって
雑音環境下での音声認識を良好に行なうことができる利
点を有するものである。すなわち、音声認識においては
信号の位相情報は重要な意味を持たないので、特徴抽出
部では位相の情報は捨ててしまっている。よって、音声
用マイクロフォンと雑音用マイクロフォンの出力信号を
それぞれ特徴抽出部で特徴抽出した後に両信号の差をと
って、そのデータでパターンマッチングを行なっても、
背景雑音の影響をあまり受けずに音声認識を行なうこと
ができる。また、雑音用マイクロフォンの出力信号につ
いて特徴抽出部の各チャンネル信号毎に個々に利得制御
を行なうことによりレベル差および周波数特性の違いを
吸収することができるので、雑音の除去がより厳密に行
なえ、背景雑音が複雑に存在する場所でも安定した音声
認識をすることができる。

【０００６】図５のブロック図を参照して説明すると、
音声波を集音する音声用マイクロフォン３１０と雑音用
マイクロフォン３１１の出力信号は別々の特徴抽出部３
１２および３１３で特徴抽出し、雑音用マイクロフォン
３１１の出力信号から特徴抽出された各特徴抽出信号は
雑音が最も良く除去できるように各チャンネル毎に利得
制御器３１４にて利得制御した後に減算器３１５に加
え、この減算器３１５にて特徴抽出された音声用マイク
ロフォン３１０の信号から差し引く。登録時には上記減
算器３１５と出力を記憶部３１６に送り、認識時には上
記減算器３１５の出力を認識部３１７に送り、記憶部３
１６に登録されているデータとパターン・マッチングを
行ない、最も距離の近かったものを認識結果として出力
する。

【０００７】

【発明が解決しようとする課題】これらの従来の音声認
識装置では音声用マイクロフォンと雑音用マイクロフォ
ンとは区別されており、音声入力用のマイクロフォンが
どちらかを使用前に確認する煩らわしさがあった。

【０００８】また、音声マイクロフォンが視覚的に区別
されていても、装置への接続が誤って反対になっている
場合もあり得るため確認作業が不可欠であり、装置利用
上ミスを犯しやすいという問題があった。

【０００９】

【００１０】

【課題を解決するための手段】本発明による音声認識装
置は、第１および第２のマイクロフォンにより２入力音
声検出を行って発声音声を認識処理する音声認識装置に
おいて、第１の音声区間検出手段が、前記第１のマイク
ロフォンに向って発生されたときの発声音声前記第１の
マイクロフォンの第１の出力端から第１の音声信号とし
て音声入力端に入力するとともに前記第２のマイクロフ
ォンの第２の出力端から第１の騒音信号として雑音入力
端に入力して前記第１のマイクロフォンに向って発声さ
れた音声の音声区間を検出しその音声区間の前記第１の
音声信号を切り出して第３の音声信号として出力し、第
２の音声区間検出手段が、前記第２のマイクロフォンに
向って発声されたときの発声音声を前記第２とマイクロ
フォンの第１の出力端から第２の音声信号として音声入
力端に入力するとともに前記第１のマイクロフォンの第
２の出力端から第２の騒音信号として雑音入力端に入力
して前記第２のマイクロフォンに向って発声された音声
の音声区間を検出してその音声区間の前記第２の音声信
号を切り出して第４の音声信号として出力して、前記第
３の音声信号および前記第４の音声信号をもとに各々の
マイクロフォンに向って発声された発声音声の各々を認
識処理する。

【００１１】

【００１２】また、本発明による音声認識装置は、発声
音声を電気信号に変換する近接して設置される第１のマ
イクロフォンおよび第２のマイクロフォンと、前記第１
のマイクロフォンの第１の出力端から出力される第１の
電気信号を第１の入力端に第１の音声信号として入力し
かつ前記第２のマイクロフォンの第２の出力端から出力
される第２の電気信号を所定の第１の遅延時間を有する
第１の遅延手段を通して第２の入力端に第１の雑音信号
として入力して前記第１の音声信号のレベルが前記第１
の雑音信号のレベルより大きいときのみ前記第１のマイ
クロフォンに向って発声し出力された前記第１の音声信
号の音声区間を検出して第１の音声区間とするとともに
その第１の音声区間の前記第１の音声信号を切り出して
第２の音声信号として出力する第１の音声検出手段と、
前記第２のマイクロフォンの第１の出力端から出力され
る前記第２の電気信号を第１の入力端に第３の音声信号
として入力しかつ前記第１のマイクロフォンの第２の出
力端から出力される前記第１の電気信号を所定の第２の
遅延時間を有する第２の遅延手段を通して第２の入力端
に第２の雑音信号として入力して前記第３の音声信号の
レベルが前記第２の雑音信号のレベルより大きいときの
み前記第２のマイクロフォンに向って発声し出力された
前記第３の音声信号の音声区間を検出して第２の音声区
間とするとともにその第２の音声区間の前記第３の音声
信号を切り出して第４の音声信号として出力する第２の
音声検出手段と、前記第１の音声検出手段からの前記第
３の音声信号の特徴量を算出して特徴ベクトル系列に変
換し第１の特徴ベクトル系列として出力する第１の特徴
抽出手段と、前記第２の音声検出手段からの前記第４の
音声信号の特徴量を算出して特徴ベクトル系列に変換し
第２の特徴ベクトル系列として出力する第２の特徴抽出
手段と、前記第１の特徴抽出手段から入力される前記第
１の特徴ベクトル系列と前記第２の特徴抽出手段から入
力される前記第２の特徴ベクトル系列とを比較して最初
に音声区間の終端が検出された方の特徴ベクトル系列を
選択して第３の特徴ベクトル系列として出力する選択手
段と、前記選択手段から入力される前記第３の特徴ベク
トル系列から前記第１のマイクロフォンあるいは前記第
２のマイクロフォンに向って発声された発声音声を認識
処理する認識処理手段と、を備える。

【００１３】

【００１４】

【発明の実施の形態】次に、本発明について図面を参照
して説明する。本発明の第１の実施例を示す図１を参照
すると、音声認識装置は、音声入力者から入力される発
声音声を電気信号に変換して出力端Ａから音声信号ａお
よび出力端Ｂから音声信号ｂを各々同一インピーダンス
および同一レベルで出力する単一指向性のマイクロフォ
ン１と、マイクロフォン１とは音声入力の方向を異にし
て音声入力者から入力される発声音声を電気信号に変換
して出力端Ａから音声信号ｃおよび出力端Ｂから音声信
号ｄを各各同一インピーダンスおよび同一レベルで出力
する単一指向性のマイクロフォン２と、マイクロフォン
１の出力端Ａから音声入力端Ｃに入力される音声信号ａ
をマイクロフォン１への音声入力者の発声音声として検
出するとともにマイクロフォン２の出力端Ｂから雑音入
力端Ｄに入力される音声信号ｃを雑音成分として検出し
てマイクロフォン１から入力される音声信号ａの音声区
間を特定しその切り出された音声区間の音声信号を音声
信号ｅとして出力する音声区間検出部３と、マイクロフ
ォン１の出力端Ｂから雑音入力端Ｄに入力される音声信
号ｂを雑音成分として検出するとともにマイクロフォン
２の出力端Ａから音声入力端Ｃに入力される音声信号ｃ
をマイクロフォン２への音声入力者の発声音声として検
出してマイクロフォン２から入力される音声信号ｃの音
声区間を特定しその切り出された音声区間の音声信号を
音声信号ｆとして出力する音声区間検出部４と、音声区
間検出部３から入力される音声信号ｅの特徴量を算出し
て時系列の特徴ベクトルに変換し特徴ベクトル系列ｇと
して出力する特徴抽出部５と、音声区間検出部４から入
力される音声信号ｆの特徴量を算出して時系列の特徴ベ
クトルに変換し特徴ベクトル系列ｈとして出力する特徴
抽出部６と、特徴抽出部５から入力される特徴ベクトル
系列ｇと特徴抽出部６から入力される特徴ベクトル系列
ｈとを同時刻で比較して音声検出結果の終端が早く検出
された方つまり音声信号ｅの終端と音声信号ｆの終端の
うちの早く終端が検出された方の特徴量を認識対象の特
徴量として選択するように特徴ベクトル系列を選択して
特徴ベクトル系列ｉとして出力する選択部７と、選択部
７から入力される特徴ベクトル系列ｉの特徴量に対して
認識処理を行うことにより選択部７で選択された側のマ
イクロフォンに入力される発声音声を認識処理する認識
処理部８とから構成される。

【００１５】以上の構成により、マイクロフォン１に向
って音声が発せられた場合は音声区間検出部３において
先に音声区間の終端が検出されるので、特徴抽出部５か
ら出力される特徴量つまり特徴ベクトル系列ｇが選択部
７で選択され、またマイクロフォン２に向って音声が発
せられた場合には音声区間検出部４において先に音声区
間の終端が検出されるので特徴抽出部６から出力される
特徴量つまり特徴ベクトル系列ｈが選択部７で選択され
るため、いずれのマイクロフォンに向って音声が発せら
れた場合でも、認識処理部８は各各の音声区間の特徴量
を個々に受理することができ、２つのマイクロフォンを
音声入力用および雑音入力用等に区別することなくいず
れのマイクロフォンをも音声入力用として使用すること
ができる。

【００１６】詳述すると、マイクロフォン１とマイクロ
フォン２とは共に同一の出力インピーダンスを持つ単一
指向性のマイクロフォンであり、例えばマイクロフォン
１を垂直上向きに設置した場合はマイクロフォン２は水
平横向きに設置し、逆にマイクロフォン２を垂直上向き
に設置した場合はマイクロフォン１は水平横向きに設置
する。つまり、２つのマイクロフォンの向きが９０度開
くように各々設置して一方のマイクロフォンに向って発
声された音声が他方のマイクロフォンに入力されるとき
にはその指向性により騒音相当レベルになるように設置
する。２つのマイクロフォン間の距離は例えば約６０ｃ
ｍとする。

【００１７】最初にマイクロフォン１に向って発声され
た音声を確認する場合の動作について説明する。今、マ
イクロフォン１に向って音声が発声されとすると、マイ
クロフォン１の出力端Ａから出力される音声信号ａは音
声区間検出部３の音声入力端Ｃに入力されるとともに同
じマイクロフォン１の出力端Ｂから出力される音声信号
ｂは音声信号ａと同じレベルで音声区間検出部４の雑音
入力端Ｄに入力される。一方、マイクロフォン１に向っ
て発声された音声はマイクロフォン２にも達するが、実
際にマイクロフォン２に入力されるマイクロフォン１に
向って発声された音声はマイクロフォン２の設置方向に
よる指向性のためマイクロフォン２で電気変換されて音
声信号ｃおよび音声信号ｄとして出力されるレベルは騒
音程度のレベルとなる。このようにしてマイクロフォン
１に向って発声された音声はマイクロフォン２の出力端
Ａから音声信号ｃとして音声区間検出部４の音声入力端
Ｃに入力され、また出力端Ｂから音声信号ｄとして音声
区間検出部３の雑音入力端Ｄに入力される。つまり、音
声区間検出部４に入力される騒音レベルの音声信号Ｃは
音声入力端Ｃに入力されるので音声として取り扱われ、
また音声区間検出部３に入力される騒音レベルの音声信
号ｄは雑音入力端Ｄに入力されるので雑音として取り扱
われることになる。そして、音声区間検出部３では、先
ずマイクロフォン１からの音声レベルとしての音声信号
ａとマイクロフォン２からの騒音レベルとしての音声信
号ｄとのレベルを比較、つまり音声信号ａをＳ（信号）
および音声信号ｄをＮ（雑音）としてＳ／Ｎ比すなわち
信号対雑音比を求め、そのＳ／Ｎ比が音声区間検出部３
内部で予め決められたＳ／Ｎ比スレショールドより大き
いときは音声入力端Ｃに入力される音声信号ａをマイク
ロフォン１に向って発声された正規の音声信号とみな
し、反面Ｓ／Ｎ比スレショールドより小さいときは音声
信号ａを正規の音声信号とはみなさない判定を行う。従
って、マイクロフォン１に向って音声が発声されたとき
は当然音声区間検出部３の入力端Ｃに入力される音声信
号ａのレベルが入力端Ｄに入力されるマイクロフォン２
からの音声信号ｄのレベルよりもはるかに大きく、その
Ｓ／Ｎ比はＳ／Ｎ比スレショールドより確実に大きくな
るので、音声信号ａをマイクロフォン１に向って発声さ
れた正規の音声として容易に判定することができる。一
方、音声区間検出部４では音声入力端Ｃに入力されるマ
イクロフォン２からの騒音レベルの音声信号ｃは雑音入
力端Ｄに入力されるマイクロフォン１からの正規の発声
音声レベルの音声信号ｂよりもはるかに小さく、そのＳ
／Ｎ比はＳ／Ｎ比スレショールドより確実に小さくなる
ので、音声信号ｃがマイクロフォン２に向って発生され
た正規の音声ではないことを容易に判定することができ
る。

【００１８】音声入力端Ｃに入力された音声信号ａを正
規の音声と判定した音声区間検出部３では、次にフレー
ム周期ごとに入力される音声信号ａの音声区間および音
声信号ａの始端および終端を求めるために、予めマイク
ロフォン１およびマイクロフォン２のいずれに対しても
音声が発声されていないときの周辺雑音を含む雑音入力
端Ｄに入力される雑音レベルからその雑音レベルの所定
時間内、つまり現時刻から一定時間さかのぼった区間の
平均パワーを求めて雑音スレショールドを算出し、音声
信号のａの平均パワーがこの雑音スレショールドを越え
るまで一定周期ごとに雑音スレショールドの算出を繰返
し、音声信号ａの平均パワーが最新の雑音スレショール
ド算出値を越えたときに音声信号ａの始端として認識
し、雑音スレショールドに特定の係数を掛けた値を雑音
パワーとして音声信号ａの平均パワーから差し引き、一
旦始端を認識した後は雑音スレショールドを固定して音
声信号ｂの終端が認識されるまで保持し続ける。そし
て、音声信号ａの平均パワーが雑音スレショールドより
小さくなったときに音声信号ａの終端を認識し、一旦終
端を認識した後は、その時刻から再び雑音スレショール
ドの算出を開始し、以後上述と同じ動作を繰返すことに
より音声信号ａの音声区間およびその始端，終端を検出
し、音声信号ｅとして出力する。

【００１９】一方、この間音声区間検出部４では音声入
力端Ｃに入力される音声信号ｃを正規の音声とは見做さ
ないので音声区間およびその始端，終端の検出は行わ
ず、従って音声区間検出部３が音声信号ｅを出力してい
る区間では音声区間検出部は音声信号ｆの出力を行わな
い。

【００２０】逆に、音声区間検出部４の音声入力端Ｃに
入力された音声信号ｃが正規の音声として判定されたと
きには、つまりマイクロフォン２に向って音声が発声さ
れたときは、音声区間検出部４は上述と同様に音声信号
ｃの音声区間およびその始端，終端を検出して音声信号
ｆを出力するが、音声区間検出部３ではこのとき音声入
力端Ｃに入力される音声信号ａをマイクロフォン１に向
って発声された正規の音声とは見做さないので音声区間
およびその始端，終端の検出は行わず、従ってこの区
間、つまり音声区間検出部４が音声信号ｆを出力してい
る区間は音声信号ｅを出力しない。

【００２１】このように、マイクロフォン１およびマイ
クロフォン２のいずれに向って音声が発声された場合で
も、音声が発生されたマイクロフォン側の音声区間検出
部では、自系統のマイクロフォンに向って発生された音
声の音声区間およびその始端，終端を正確に検出して、
その区間の発声音声信号を切り出すことができる。

【００２２】次に、特徴抽出部５では音声区間検出部３
で切り出され入力された音声信号ｅを帯域制限およびＦ
ＥＴ等のデータ変換により時間軸の音声波形から周波数
成分に変換し、さらにその変換された周波数成分を対数
スペクトル変換等によりスペクトル包絡を算出して時系
列の特徴ベクトルに変換し、その特徴ベクトルに音声区
間の始端および終端情報を付加して特徴ベクトル系列ｇ
として出力する。特徴抽出部６も同様に機能して音声区
間検出部４で切り出され入力された音声信号ｆを時系列
の特徴ベクトルに変換し、その特徴ベクトルに音声区間
の始端および終端情報を付加して特徴ベクトル系列ｈと
して出力する。そして、選択部７では特徴抽出部５から
入力される特徴ベクトル系列ｇと特徴抽出部６から入力
される特徴ベクトル系列ｈとを常時監視しており、各々
の特徴ベクトルに付加されている音声区間の終端情報が
早く検出された方の特徴ベクトル系列を選択して特徴ベ
クトル系列ｉとして出力し、認識処理部８へ供給する。

【００２３】以下、認識処理部８で特徴ベクトル系列か
ら発声音声を認識処理する技術は公知の技術であるので
説明を省略する。

【００２４】続いて、本発明の第２の実施例について説
明する。第２の実施例である図２のブロック図を参照す
ると、マイクロフォン１，マイクロフォン２，特徴抽出
部５，特徴抽出部６，選択部７および認識処理部８は図
１のブロック図における第１の実施例の同じ記号のブロ
ックと各々機能が同一であるので説明を省略する。第１
の実施例との違いは、マイクロフォン１の出力端Ｂから
出力する音声信号ｂを遅延回路１２を通して音声区間検
出部１０の音声入力端Ｄに入力し、マイクロフォン２の
出力端Ｂから出力する音声信号ｄを遅延回路１１を通し
て音声区間検出部９の音声入力端Ｄに入力する構成して
いることと、図１における音声区間検出部３および４に
おける各々の雑音入力端Ｄを図２における音声区間検出
部９および１０では上述のように各々音声入力端として
音声入力端Ｃと同じ扱いの構成にしている。

【００２５】詳述すると、マイクロフォン１に向って発
声された音声はマイクロフォン１の出力端Ａから音声信
号ａとして音声区間検出部９の音声入力端Ｃに入力され
るとともにマイクロフォン２の出力端Ｂから騒音レベル
の音声信号ｄとして出力され、遅延回路１１において所
定時間遅延されて音声信号ｄ′として同じ音声区間検出
部９の音声入力端Ｄに入力される。そして音声区間検出
部９では、音声信号ａと音声信号ｄ′とのレベルを比較
してそのレベル差が内部で予め決められたレベル差スレ
ショールドよりも大きいときに、そのレベルの大きい
方、つまりここでは音声信号ａを正規の発声音声信号と
判定し、その音声区間および始端，終端を検出する。一
方、音声区間検出部１０ではマイクロフォン２の出力端
Ａから入力される騒音レベルの音声信号ｃとマイクロフ
ォン１の出力端Ｂから出力されて遅延回路１２を通して
入力される音声信号ｂ′とのレベルを比較して、そのレ
ベル差が内部で予め決められたレベル差スレショールド
よりも大きいときに、そのレベルの大きい方、つまりこ
こでは音声信号ｂ′を正規の発声音声信号として判定
し、その音声区間および始端，終端を検出する。つま
り、音声区間検出部９ではマイクロフォン１に向って発
声された自系の本来の発声音声を検出するが、音声区間
検出部１０では自系のマイクロフォン２に向って発声さ
れた本来の発声音声を検出するのではなく、他系のマイ
クロフォン１に向って発声された発声音声をあたかも自
系のマイクロフォン２に向って発声された発声音声とし
て検出する。しかし、音声区間検出部１０で検出される
音声信号ｂ′の音声区間およびその始端，終端は、遅延
回路１２における遅延により、音声区間検出部９で検出
される音声信号ａの音声区間およびその始端，終端より
遅れて特徴抽出部ｈへ出力される。従って、選択部７に
は特徴抽出部５からと特徴ベクトル系列ｇと特徴抽出部
６からの特徴ベクトル系列ｈとが同時に入力されるが、
両信号を同時刻で比較した場合に特徴べクトル系列ｈに
付加されている音声信号ｂ′の終端の方が特徴ベクトル
系列ｇに付加されている音声信号ａの終端よりも必らず
遅れることになる。この結果、比較部７は終端が早く検
出された側の特徴ベクトル系列ｇを選択して認識処理部
８へ出力する。

【００２６】同様に、マイクロフォン２に向って音声が
発声された場合には、音声区間検出部１０で検出される
音声信号ｃの終端の方が音声区間検出部９で検出される
音声信号ａの終端より早いので、選択部７はマイクロフ
ォン２側からの特徴ベクトル系列ｈを選択して認識処理
部８へ出力する。

【００２７】このように、マイクロフォン１およびマイ
クロフォン２のいずれの側に向って音声が発声されて
も、音声が発声されたマイクロフォンからの発声音声を
確実に選択して認識処理することができるので、双方の
マイクロフォンの一方を音声入力用および他方を雑音入
力用として限定する必要がなく、例えばマイクロフォン
１を音声入力用として使用するときはマイクロフォン２
が雑音入力用となり、マイクロフォン２を音声入力用と
するときにはマイクロフォン１が雑音入力用となる。

【００２８】

【発明の効果】以上説明したように本発明によれば、２
入力音声検出を行う音声認識装置において、２つのマイ
クロフォンの一方を音声入力用および他方を雑音入力用
として限定する必要がなく、例えば一方を音声入力用と
した場合は他方が雑音入力用となり、かつ他方を音声入
力用とした場合は一方が雑音入力用となるので、双方の
マイクロフォンを区別することなく音声入力用として使
用することができる。この結果、使用前にマイクロフォ
ンを音声入力用および雑音入力用として確認する煩雑さ
がなくなり、また双方のマイクロフォンの接続系統が相
互に間違っていた場合でもそのまま使用できるため、接
続確認の煩雑さも解消することができ、装置利用上のミ
スを犯すことがない。

【図面の簡単な説明】

【図１】本発明の第１の実施例を示す音声認識装置のブ
ロック図である。

【図２】本発明の第２の実施例を示す音声認識装置のブ
ロック図である。

【図３】第１の従来例を示すブロック図である。

【図４】第２と従来例を示すブロック図である。

【図５】第３の従来例を示すブロック図である。

【符号の説明】

１，２ マイクロフォン ３，４ 音声区間検出部 ５，６ 特徴抽出部 ７ 選択部 ８ 認識処理部 ９，１０ 音声区間検出部 １１，１２ 遅延回路 ａ〜ｆ 音声信号 ｇ，ｈ，ｉ 特徴ベクトル系列 ｂ′，ｄ′ 音声信号

───────────────────────────────────────────────────── フロントページの続き (72)発明者 友岡 靖夫 東京都港区芝五丁目７番１号 日本電気 株式会社内 (56)参考文献 特開 昭62−42197（ＪＰ，Ａ) 特開 昭58−196599（ＪＰ，Ａ) 特開 平４−146498（ＪＰ，Ａ) 特開 平５−188997（ＪＰ，Ａ) 特開 平６−27994（ＪＰ，Ａ) 特開 平４−247498（ＪＰ，Ａ) (58)調査した分野(Int.Cl.⁶，ＤＢ名) G10L 3/02 301 G10L 3/00 511 G10L 3/00 513 G10L 9/00 H04R 3/00 320

Claims (2)

(57)【特許請求の範囲】
1. 【請求項１】 第１および第２のマイクロフォンにより
   ２入力音声検出を行って発声音声を認識する音声認識装
   置において、 第１の音声区間検出手段が、第１のマイクロフォンに向
   って発声されたときの発声音声を前記第１のマイクロフ
   ォンの第１の出力端から第１の音声信号として第１の音
   声入力端に入力するとともに第２のマイクロフォンの第
   ２の出力端から第１の騒音信号として第１の遅延手段を
   通して第２の音声入力端に入力して前記第１のマイクロ
   フォンに向って発声された音声の音声区間を検出しその
   音声区間の前記第１の音声信号を切り出して第３の音声
   信号として出力し、 第２の音声区間検出手段が、前記第２のマイクロフォン
   に向って発声されたときの発声音声を前記第２のマイク
   ロフォンの第１の出力端から第２の音声信号として第１
   の音声入力端に入力するとともに前記第１のマイクロフ
   ォンの第２の出力端から第２の騒音信号として第２の遅
   延手段を通して第２の音声入力端に入力して前記第２の
   マイクロフォンに向って発声された音声の音声区間を検
   出してその音声区間の前記第２の音声信号を切り出して
   第４の音声信号として出力し前記第３の音声信号および
   前記第４の音声信号をもとに各々のマイクロフォンに向
   って発声された発声音声の各々を認識処理することを特
   徴とする音声認識装置。
2. 【請求項２】 発声音声を電気信号に変換する近接して
   設置される第１のマイクロフォンおよび第２のマイクロ
   フォンと、 前記第１のマイクロフォンの第１の出力端から出力され
   る第１の電気信号を第１の入力端に第１の音声信号とし
   て入力しかつ前記第２のマイクロフォンの第２の出力端
   から出力される第２の電気信号を所定の第１の遅延時間
   を有する第１の遅延手段を通して第２の入力端に第１の
   雑音信号として入力して前記第１の音声信号のレベルが
   前記第１の雑音信号のレベルより大きいときのみ前記第
   １のマイクロフォンに向って発声し出力された前記第１
   の音声信号の音声区間を検出して第１の音声区間とする
   とともにその第１の音声区間の前記第１の音声信号を切
   り出して第２の音声信号として出力する第１の音声検出
   手段と、 前記第２のマイクロフォンの第１の出力端から出力され
   る前記第２の電気信号を第１の入力端に第３の音声信号
   として入力しかつ前記第１のマイクロフォンの 第２の出
   力端から出力される前記第１の電気信号を所定の第２の
   遅延時間を有する第２の遅延手段を通して第２の入力端
   に第２の雑音信号として入力して前記第３の音声信号の
   レベルが前記第２の雑音信号のレベルより大きいときの
   み前記第２のマイクロフォンに向って発声し出力された
   前記第３の音声信号の音声区間を検出して第２の音声区
   間とするとともにその第２の音声区間の前記第３の音声
   信号を切り出して第４の音声信号として出力する第２の
   音声検出手段と、 前記第１の音声検出手段からの前記第３の音声信号の特
   徴量を算出して特徴ベクトル系列に変換し第１の特徴ベ
   クトル系列として出力する第１の特徴抽出手段と、 前記第２の音声検出手段からの前記第４の音声信号の特
   徴量を算出して特徴ベクトル系列に変換し第２の特徴ベ
   クトル系列として出力する第２の特徴抽出手段と、 前記第１の特徴抽出手段から入力される前記第１の特徴
   ベクトル系列と前記第２の特徴抽出手段から入力される
   前記第２の特徴ベクトル系列とを比較して最初に音声区
   間の終端が検出された方の特徴ベクトル系列を選択して
   第３の特徴ベクトル系列として出力する選択手段と、 前記選択手段から入力される前記第３の特徴ベクトル系
   列から前記第１のマイクロフォンあるいは前記第２のマ
   イクロフォンに向って発声された発声音声を認識処理す
   る認識処理手段と、 を備える ことを特徴とする音声認識装置。