JP3034279B2 - 有音検出装置および有音検出方法 - Google Patents
有音検出装置および有音検出方法Info
- Publication number
- JP3034279B2 JP3034279B2 JP2172028A JP17202890A JP3034279B2 JP 3034279 B2 JP3034279 B2 JP 3034279B2 JP 2172028 A JP2172028 A JP 2172028A JP 17202890 A JP17202890 A JP 17202890A JP 3034279 B2 JP3034279 B2 JP 3034279B2
- Authority
- JP
- Japan
- Prior art keywords
- feature vector
- noise
- standard pattern
- frame
- input
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Landscapes
- Time-Division Multiplex Systems (AREA)
Description
【発明の詳細な説明】 ［発明の目的］ （産業上の利用分野） 本発明は、ATM（Asyncronus Transfer Mode）通信、D
SI（Digital Speech Interplation）、パケット通信や
音声認識の分野等において、音声信号中の有音区間を検
出するために用いられる有音検出装置に関する。
SI（Digital Speech Interplation）、パケット通信や
音声認識の分野等において、音声信号中の有音区間を検
出するために用いられる有音検出装置に関する。
（従来の技術） 有音検出装置は、通信や音声認識の分野において、通
信効率や認識率の向上を図る等の重要な役割を果してい
る。
信効率や認識率の向上を図る等の重要な役割を果してい
る。
第９図は従来の有音検出装置の構成を示す図であり、
まず入力信号の電力、零点差数、自己相関関数やスペク
トル等の特徴ベクトルを特徴ベクトル計算装置23により
計算する。その後、マッチング装置24によりこの特徴ベ
クトルと音声標準パターン及び雑音標準パターンとの距
離を測定する。そして、例えば特徴ベクトルと音声標準
パターンとの距離の方が短ければ音声と判定し、逆に特
徴ベクトルと雑音標準パターンとの距離の方が短ければ
雑音と判定している。
まず入力信号の電力、零点差数、自己相関関数やスペク
トル等の特徴ベクトルを特徴ベクトル計算装置23により
計算する。その後、マッチング装置24によりこの特徴ベ
クトルと音声標準パターン及び雑音標準パターンとの距
離を測定する。そして、例えば特徴ベクトルと音声標準
パターンとの距離の方が短ければ音声と判定し、逆に特
徴ベクトルと雑音標準パターンとの距離の方が短ければ
雑音と判定している。
また、第10図は従来の有音検出装置のもう一つの例を
示す図であり、電力計算装置25が入力フレームの平均電
力Ｐ（ｎ）を計算する。また、しきい値更新装置26は、
判定のためのしきい値Ｔ（ｎ）を、例えば もしＰ（ｎ）＜Ｔ（ｎ）−Ｐ（ｎ）×（α−１）なら
ば、Ｔ（ｎ＋１）＝Ｐ（ｎ＋１）×α もし（ｎ）≧Ｔ（ｎ）−Ｐ（ｎ）×（α−１）なら
ば、Ｔ（ｎ＋１）＝Ｐ（ｎ＋１）×γ と更新する。
示す図であり、電力計算装置25が入力フレームの平均電
力Ｐ（ｎ）を計算する。また、しきい値更新装置26は、
判定のためのしきい値Ｔ（ｎ）を、例えば もしＰ（ｎ）＜Ｔ（ｎ）−Ｐ（ｎ）×（α−１）なら
ば、Ｔ（ｎ＋１）＝Ｐ（ｎ＋１）×α もし（ｎ）≧Ｔ（ｎ）−Ｐ（ｎ）×（α−１）なら
ば、Ｔ（ｎ＋１）＝Ｐ（ｎ＋１）×γ と更新する。
ここで、α、γは定数である。
そして、しきい値比較装置27が、入力フレームを もしＰ（ｎ）≧Ｔ（ｎ）ならば音声 もしＰ（ｎ）＜Ｔ（ｎ）ならば雑音 と識別している。
尚、上記しきい値更新装置26によるしきい値の更新
は、 もしＰ（ｎ）＜Ｔ（ｎ）−αならば、 Ｔ（ｎ＋１）＝Ｔ（ｎ＋１）＋α もしＰ（ｎ）≧Ｔ（ｎ）−αならば、 Ｔ（ｎ＋１）＝Ｐ（ｎ＋１）＋γ とするものであってもよい。
は、 もしＰ（ｎ）＜Ｔ（ｎ）−αならば、 Ｔ（ｎ＋１）＝Ｔ（ｎ＋１）＋α もしＰ（ｎ）≧Ｔ（ｎ）−αならば、 Ｔ（ｎ＋１）＝Ｐ（ｎ＋１）＋γ とするものであってもよい。
ところで、一般的に母音の大半はその電力が背景雑音
電力を上回るが、子音の電力は背景雑音電力を下回るこ
とが多い。そのため、背景雑音の大きな環境において
は、子音区間でも特徴ベクトルに雑音の特徴が大きく出
てしまう。
電力を上回るが、子音の電力は背景雑音電力を下回るこ
とが多い。そのため、背景雑音の大きな環境において
は、子音区間でも特徴ベクトルに雑音の特徴が大きく出
てしまう。
ところが、上述した従来の有音検出装置においては、
背景雑音の影響を受けた特徴ベクトルをそのまま判定に
用いているため、背景雑音が大きい場合には、子音の検
出誤りが発生するという問題かある。また、音声の特徴
ベクトルとして電力のみを用いた従来の有音検出装置に
おいては、入力レベルが低いときには、音声を雑音と誤
判定することが多いという問題がある。しかして、かか
る事態は通信の分野においては音質の劣化を招き、また
音声認識の分野においては認識率の低下の原因となって
いた。
背景雑音の影響を受けた特徴ベクトルをそのまま判定に
用いているため、背景雑音が大きい場合には、子音の検
出誤りが発生するという問題かある。また、音声の特徴
ベクトルとして電力のみを用いた従来の有音検出装置に
おいては、入力レベルが低いときには、音声を雑音と誤
判定することが多いという問題がある。しかして、かか
る事態は通信の分野においては音質の劣化を招き、また
音声認識の分野においては認識率の低下の原因となって
いた。
（発明が解決しようとする課題） このように従来の有音検出装置においては、背景雑音
の影響を受けた特徴ベクトルをそのまま判定に用いてい
るため、背景雑音が大きい場合には、子音の検出誤りが
発生するという問題かある。また、音声の特徴ベクトル
として電力のみを用いた従来の有音検出装置において
は、入力レベルが低いときには、音声を雑音と誤判定す
ることが多いという問題がある。
の影響を受けた特徴ベクトルをそのまま判定に用いてい
るため、背景雑音が大きい場合には、子音の検出誤りが
発生するという問題かある。また、音声の特徴ベクトル
として電力のみを用いた従来の有音検出装置において
は、入力レベルが低いときには、音声を雑音と誤判定す
ることが多いという問題がある。
本発明は、このような事情に基づき成されたもので、
背景雑音の大きな環境でもまた入力レベルに左右される
ことなく良好な検出率を得ることができる有音検出装置
を提供することを目的としている。
背景雑音の大きな環境でもまた入力レベルに左右される
ことなく良好な検出率を得ることができる有音検出装置
を提供することを目的としている。
［発明の構成］ （課題を解決するための手段） 本発明は、上述した課題を解決するために、入力信号
をフレーム単位に分けこの単位毎の入力信号の特徴ベク
トルを計算する特徴ベクトル計算手段と、この特徴ベク
トル計算手段により算出された特徴ベクトルに基づきこ
の特徴ベクトルの有音区間を推定する有音区間推定手段
と、この有音区間推定手段により有音区間でないと推定
されたフレームの特徴ベクトルに基づき雑音標準パター
ンを作成する雑音標準パターン作成手段と、この雑音標
準パターン作成手段により作成された雑音標準パターン
と予め作成しておいた音声標準パターンとを用いて前記
特徴ベクトル計算手段により算出された特徴ベクトルか
ら前記フレーム単位毎の入力信号が音声か雑音のどちら
であるかを判定する判定手段とを具備するものである。
をフレーム単位に分けこの単位毎の入力信号の特徴ベク
トルを計算する特徴ベクトル計算手段と、この特徴ベク
トル計算手段により算出された特徴ベクトルに基づきこ
の特徴ベクトルの有音区間を推定する有音区間推定手段
と、この有音区間推定手段により有音区間でないと推定
されたフレームの特徴ベクトルに基づき雑音標準パター
ンを作成する雑音標準パターン作成手段と、この雑音標
準パターン作成手段により作成された雑音標準パターン
と予め作成しておいた音声標準パターンとを用いて前記
特徴ベクトル計算手段により算出された特徴ベクトルか
ら前記フレーム単位毎の入力信号が音声か雑音のどちら
であるかを判定する判定手段とを具備するものである。
また、第２の発明は、入力信号からフレーム単位でこ
の入力信号の特徴ベクトルを計算する特徴ベクトル計算
手段と、この特徴ベクトル計算手段により算出された特
徴ベクトルを前記入力信号の変動が除去された変換ベク
トルに変換する特徴ベクトル変換手段と、前記特徴ベク
トルに基づき各フレーム単位で有音区間を推定する有音
区間推定手段と、この有音区間推定手段により有音区間
でないと推定された変換ベクトルに基づき雑音標準パタ
ーンを作成する雑音標準パターン作成手段と、 この雑音標準パターン作成手段により作成された雑音
標準パターンと予め作成されている音声標準パターンと
を用いて前記各フレーム毎の入力信号が音声か雑音のど
ちらであるかを判定する判定手段とを具備するものであ
る。
の入力信号の特徴ベクトルを計算する特徴ベクトル計算
手段と、この特徴ベクトル計算手段により算出された特
徴ベクトルを前記入力信号の変動が除去された変換ベク
トルに変換する特徴ベクトル変換手段と、前記特徴ベク
トルに基づき各フレーム単位で有音区間を推定する有音
区間推定手段と、この有音区間推定手段により有音区間
でないと推定された変換ベクトルに基づき雑音標準パタ
ーンを作成する雑音標準パターン作成手段と、 この雑音標準パターン作成手段により作成された雑音
標準パターンと予め作成されている音声標準パターンと
を用いて前記各フレーム毎の入力信号が音声か雑音のど
ちらであるかを判定する判定手段とを具備するものであ
る。
（作 用） 本発明では、雑音と推定された特徴／変換ベクトルを
用いて雑音標準パターンを作成し、この雑音標準パター
ンと予め作成しておいた音声標準パターンとを用いてフ
レーム単位毎の入力信号が音声か雑音のどちらであるか
を判定しているので、背景雑音の大きな環境でもまた入
力レベルに左右されることなく良好な検出率を得ること
ができる。
用いて雑音標準パターンを作成し、この雑音標準パター
ンと予め作成しておいた音声標準パターンとを用いてフ
レーム単位毎の入力信号が音声か雑音のどちらであるか
を判定しているので、背景雑音の大きな環境でもまた入
力レベルに左右されることなく良好な検出率を得ること
ができる。
（実施例） 以下、本発明の実施例の詳細を図面に基づき説明す
る。
る。
第１図は本発明の一実施例に係る有音検出装置の概略
的構成を示すブロック図である。
的構成を示すブロック図である。
以下では、入力信号をフレーム単位に分析し音声・雑
音の判定を行っていく。例えば入力信号を8K Hzでサン
プリングし、160サンプルづつまとめて１フレームとす
る。ただし、フレーム長や分析周期は、常に一定長であ
る必要はない。
音の判定を行っていく。例えば入力信号を8K Hzでサン
プリングし、160サンプルづつまとめて１フレームとす
る。ただし、フレーム長や分析周期は、常に一定長であ
る必要はない。
特徴ベクトル計算装置１は、フレーム単位にDurbin法
等を用いて、線形予測係数を計算する。ここで、線形予
測係数変換して、PARCOR係数、LPCケプストラム、メル
ケプストラム等を計算し、特徴ベクトルとしてもよい。
また、電力、自己相関関数、零交差数等を計算してもよ
い。
等を用いて、線形予測係数を計算する。ここで、線形予
測係数変換して、PARCOR係数、LPCケプストラム、メル
ケプストラム等を計算し、特徴ベクトルとしてもよい。
また、電力、自己相関関数、零交差数等を計算してもよ
い。
現在音声か雑音かを判定しようとしているフレームを
以下では入力フレームと呼ぶ。また、特徴ベクトル計算
装置で得られた入力フレームの特徴ベクトルを とする。ｎは、フレームのシーケンシャルな番号であ
る。特徴ベクトルは、ｐ次元のベクトルで、 と書き表すことができる。
以下では入力フレームと呼ぶ。また、特徴ベクトル計算
装置で得られた入力フレームの特徴ベクトルを とする。ｎは、フレームのシーケンシャルな番号であ
る。特徴ベクトルは、ｐ次元のベクトルで、 と書き表すことができる。
雑音区間推定装置２は、例えば第２図に示すように、
電力計算装置３、しきい値更新装置４及びしきい値比較
装置５から構成される。
電力計算装置３、しきい値更新装置４及びしきい値比較
装置５から構成される。
ここで、電力計算装置３は、入力フレームの平均電力
Ｐ（ｎ）を計算する。また、しきい値更新装置４は、し
きい値Ｔ（ｎ）を次式を用いて更新する。
Ｐ（ｎ）を計算する。また、しきい値更新装置４は、し
きい値Ｔ（ｎ）を次式を用いて更新する。
もしＰ（ｎ）＜Ｔ（ｎ）−Ｐ（ｎ）×（α−１）なら
ば、Ｔ（ｎ＋１）＝Ｐ（ｎ＋１）×α もしＰ（ｎ）≧Ｔ（ｎ）−Ｐ（ｎ）×（α−１）なら
ば、Ｔ（ｎ＋１）＝Ｐ（ｎ＋１）×γ ここで、α、γは定数である。
ば、Ｔ（ｎ＋１）＝Ｐ（ｎ＋１）×α もしＰ（ｎ）≧Ｔ（ｎ）−Ｐ（ｎ）×（α−１）なら
ば、Ｔ（ｎ＋１）＝Ｐ（ｎ＋１）×γ ここで、α、γは定数である。
しきい値比較装置５は、入力フレームを もしＰ（ｎ）≧Ｔ（ｎ）ならば音声 もしＰ（ｎ）＜Ｔ（ｎ）ならば雑音 と識別する 出力スイッチ６は、雑音区間推定装置２により雑音と
推定された特徴ベクトル を雑音標準パターン作成装置７に転送する。
推定された特徴ベクトル を雑音標準パターン作成装置７に転送する。
雑音標準パターン作成装置７は、雑音標準パターンを
作成するもので、例えば第３図に示すように、バッファ
８及び平均・共分散行列計算装置９から構成される。バ
ッファ８は、雑音区間推定装置２により雑音と推定され
た特徴ベクトル を蓄積する。そして、平均・共分散行列計算装置９がバ
ッファ８内に蓄積された特徴ベクトルに基づき雑音標準
パターンを作成する。
作成するもので、例えば第３図に示すように、バッファ
８及び平均・共分散行列計算装置９から構成される。バ
ッファ８は、雑音区間推定装置２により雑音と推定され
た特徴ベクトル を蓄積する。そして、平均・共分散行列計算装置９がバ
ッファ８内に蓄積された特徴ベクトルに基づき雑音標準
パターンを作成する。
判定装置10は、特徴ベクトル計算装置１から出力され
る特徴ベクトル をもとに、有音区間を判定するもので、例えば第４図に
示すように、マッチング装置11、音声標準パターン蓄積
装置12及び上記雑音標準パターン作成装置７により作成
された雑音標準パターンを蓄積する雑音標準パターン蓄
積装置13から構成される。
る特徴ベクトル をもとに、有音区間を判定するもので、例えば第４図に
示すように、マッチング装置11、音声標準パターン蓄積
装置12及び上記雑音標準パターン作成装置７により作成
された雑音標準パターンを蓄積する雑音標準パターン蓄
積装置13から構成される。
マッチング装置11は、音声標準パターン及び雑音標準
パターンと特徴ベクトル計算装置１から出力される特徴
ベクトル との距離を測定し、音声標準パターンにマッチングされ
た場合には音声と判定し、雑音標準パターンにマッチン
グされた場合には雑音と判定する。
パターンと特徴ベクトル計算装置１から出力される特徴
ベクトル との距離を測定し、音声標準パターンにマッチングされ
た場合には音声と判定し、雑音標準パターンにマッチン
グされた場合には雑音と判定する。
具体的には、まず次式により各標準パターン（Σi,μ
ｉ）（ｉ＝1,2…Ｍ＋１）との距離を測定する。
ｉ）（ｉ＝1,2…Ｍ＋１）との距離を測定する。
なるwiに が属しているとする。もしwiが音声に属していれば、そ
のフレームは音声と判定し、wiが雑音に属していれば、
そのフレームは雑音であると判定する。
のフレームは音声と判定し、wiが雑音に属していれば、
そのフレームは雑音であると判定する。
ここで、音声標準パターン蓄積装置12に蓄積されてい
る音声標準パターンは、以下のように定義できる。
る音声標準パターンは、以下のように定義できる。
標準パターンは、マッチング装置11の構成から分るよ
うに、クラスｗに属する特徴ベクトルの平均値ベクトル
μ及び共分散行列Σとなる クラスｗに属するＬ個のｒ次元特徴ベクトルを とする。
うに、クラスｗに属する特徴ベクトルの平均値ベクトル
μ及び共分散行列Σとなる クラスｗに属するＬ個のｒ次元特徴ベクトルを とする。
また、μｉとΣｉの要素をm(i)k、σ(i)klとすると、
後述する第５図に示す平均・共分散行列計算装置14によ
り次式を用いて計算される。
後述する第５図に示す平均・共分散行列計算装置14によ
り次式を用いて計算される。
標準パターン１〜Ｍの作成法を第５図に示す。
同図に示すように、標準パターンを作成するために
は、各標準パターンのクラス毎に、音声データベース15
を作成する。
は、各標準パターンのクラス毎に、音声データベース15
を作成する。
その作成方法は、具体的には、まず複数の被験者に各
クラスに属する音韻を発音してもらい、それを録音す
る。
クラスに属する音韻を発音してもらい、それを録音す
る。
このようにして得られた音声信号に対し、フレーム単
位に、子音と雑音との区別を付けるためにラベルを付け
ていく。このラベル付けは、音声信号の波形やスペクト
ルを例えばCRTに表示して、それを見ながらフレーム単
位にラベルを付けていく。この音声データベース15に対
応したラベルをラベルデータベース16とする。
位に、子音と雑音との区別を付けるためにラベルを付け
ていく。このラベル付けは、音声信号の波形やスペクト
ルを例えばCRTに表示して、それを見ながらフレーム単
位にラベルを付けていく。この音声データベース15に対
応したラベルをラベルデータベース16とする。
そして、音声データベース15から特徴ベクトルを計算
する。その後、ラベルデータベース16を参照して、標準
パターンを作成しようとしているクラスに属するフレー
ムの特徴ベクトルならば、それを用いて平均・共分散行
列計算装置14により平均・共分散を計算する。
する。その後、ラベルデータベース16を参照して、標準
パターンを作成しようとしているクラスに属するフレー
ムの特徴ベクトルならば、それを用いて平均・共分散行
列計算装置14により平均・共分散を計算する。
しかして、本実施例装置は、雑音と推定された特徴ベ
クトルを用いて雑音標準パターンを作成し、この雑音標
準パターンと音声標準パターンとに基づき音声／雑音の
判定を行っているので、背景雑音の大きな環境でもまた
入力レベルに左右されることなく良好な検出率を得るこ
とができる。
クトルを用いて雑音標準パターンを作成し、この雑音標
準パターンと音声標準パターンとに基づき音声／雑音の
判定を行っているので、背景雑音の大きな環境でもまた
入力レベルに左右されることなく良好な検出率を得るこ
とができる。
次に、本発明の他の実施例を説明する。
第６図はこの実施例に係る有音検出装置の構成を示す
図である。
図である。
同図に示す特徴ベクトル計算装置１は、第１図に示し
たものと同一の構成である。
たものと同一の構成である。
特徴ベクトル変換装置17は、第７図に示すように構成
されている。
されている。
同図に示すバッファ18は、特徴ベクトル がバッファに蓄積される時間の順序関係を保存するため
に、特徴ベクトルがバッファに入力された順番で、当該
特徴ベクトルをバッファのヘッドからテイルに向かって
蓄積する。すなわち、時間的に一番新しい特徴ベクトル
をバッファのヘッドに、一番過去の特徴ベクトルをテイ
ルに蓄積する。このバッファ18の構成を第８図に示す。
同図に示すように、このバッファ18には、しきい値比較
装置19（第７図に示す。）により雑音と推定されたフレ
ームの特徴ベクトルが蓄積される。従って、バッファ18
内の特徴ベクトルは、必ずしも時間的に連続していると
は限らない。
に、特徴ベクトルがバッファに入力された順番で、当該
特徴ベクトルをバッファのヘッドからテイルに向かって
蓄積する。すなわち、時間的に一番新しい特徴ベクトル
をバッファのヘッドに、一番過去の特徴ベクトルをテイ
ルに蓄積する。このバッファ18の構成を第８図に示す。
同図に示すように、このバッファ18には、しきい値比較
装置19（第７図に示す。）により雑音と推定されたフレ
ームの特徴ベクトルが蓄積される。従って、バッファ18
内の特徴ベクトルは、必ずしも時間的に連続していると
は限らない。
ここで、バッファ18のヘッドのＳフレーム目からテイ
ルに向かってＮフレーム分の特徴ベクトルの集合をΩ
（ｎ）とし、以下のように表す。
ルに向かってＮフレーム分の特徴ベクトルの集合をΩ
（ｎ）とし、以下のように表す。
また、 のｉ番目の要素の集合Ωｉ（ｎ）は次式により表され
る。
る。
Ωｉ（ｎ）＝｛xLni（Ｓ）,xLni（Ｓ＋１），…xLni（Ｓ＋Ｎ−１｝ しきい値比較装置19では特徴ベクトル のうちの電力をしきい値Ｔ（ｎ）と比較し音声、雑音の
推定を行う。
推定を行う。
のうち電力の成分をx1（ｎ）とすると、 もしx1（ｎ）≧Ｔ（ｎ）ならば音声 もしx1（ｎ）＜Ｔ（ｎ）ならば雑音 とする。
しきい値発生装置20では、バッファ18に蓄積された特
徴ベクトルのうち入力フレームのＳフレームより過去
（バッファのヘッドからＳフレーム目）からバッファの
テイルに向かってＮフレーム分の特徴ベクトルの要素 の集合Ωｉ（ｎ）を取り出し、Ωｉ（ｎ）の平均値と標
準偏差を計算する。
徴ベクトルのうち入力フレームのＳフレームより過去
（バッファのヘッドからＳフレーム目）からバッファの
テイルに向かってＮフレーム分の特徴ベクトルの要素 の集合Ωｉ（ｎ）を取り出し、Ωｉ（ｎ）の平均値と標
準偏差を計算する。
まず、バッファ18で、ヘッドのＳフレーム目からテイ
ルに向かってＮフレーム分の特徴ベクトルの要素 を取り出し、これを Ω１（ｎ）＝｛xLn1（Ｓ）,xLn1（Ｓ＋１），…xLn1（Ｓ＋Ｎ−１）｝ とする。
ルに向かってＮフレーム分の特徴ベクトルの要素 を取り出し、これを Ω１（ｎ）＝｛xLn1（Ｓ）,xLn1（Ｓ＋１），…xLn1（Ｓ＋Ｎ−１）｝ とする。
次に、次式を用いて特徴ベクトルの各要素ごとに、平
均値m1と標準偏差σ１を計算する。
均値m1と標準偏差σ１を計算する。
また、平均値m1（ｎ）と標準偏差σ１（ｎ）は以下の
ようにも書き表すことができる。
ようにも書き表すことができる。
ｊは次の条件を満たすもので、Σの範囲はｊの大きい
方から以下の条件を満足するＮフレームを取る。
方から以下の条件を満足するＮフレームを取る。
（x1（ｊ）∈Ω（ｎ）′）＆（ｉ＜ｎ−Ｓ） ここで、Ω（ｎ）′はしきい値比較装置19で雑音と判
断された特徴ベクトルの集合とする。
断された特徴ベクトルの集合とする。
しきい値Ｔ（ｎ）は、しきい値発生装置20で例えば以
下のように計算される。
下のように計算される。
Ｔ（ｎ）＝α×m1＋β×σ１ ここで、α、βは、任意の数である。
ただし、バッファ18の中にＮ＋Ｓフレーム分の特徴ベ
クトルが蓄積されるまでは、Ｔ（ｎ）は予め与えられた
しきい値T0を取るものとする。
クトルが蓄積されるまでは、Ｔ（ｎ）は予め与えられた
しきい値T0を取るものとする。
変換装置21は、Ω（ｎ）を用いて特徴ベクトル から背景雑音や入力信号のレベル変動の影響を除去し、 とする。変換ベクトルはｒ（≦ｐ）次元のベクトルであ
る。
る。
を計算するために、まず、Ω（ｎ）の各要素の平均値と
分散を次式により計算する。
分散を次式により計算する。
ここで、 を定義する。
各要素は、次式で定義される。
yi（ｎ）＝（xi（ｎ）−mi（ｎ））／σｉ（ｎ） また、次式でもよい。
yi（ｎ）＝xi（ｎ）−mi（ｎ） 変換ベクトル の計算例を以下に示す。
例１ は、Ω（ｎ）の平均ベクトル と の差をΩ（ｎ）の分散で正規化したものである。ここ
で、ｉ＝1,2,……,rであり、ｒ≦ｐである。
で、ｉ＝1,2,……,rであり、ｒ≦ｐである。
例２ 変換ベクトルを のノルムと定義してもよい。
ここで、 はベクトルのノルムを表す。
例３ 各要素の組ごとにノルムをとってもよい。例えば、 として、各ベクトルのノルムを用いて、次式で定義す
る。
る。
出力スイッチ22は、しきい値比較装置19により雑音と
推定された変換ベクトル を雑音標準パターン作成装置７に転送する。
推定された変換ベクトル を雑音標準パターン作成装置７に転送する。
雑音標準パターン作成装置７は、雑音標準パターンを
作成するもので、第１図に示したものと同様に構成され
る。ただし、ここでは、バッファ８（第３図参照）は、
変換ベクトル を蓄積する。
作成するもので、第１図に示したものと同様に構成され
る。ただし、ここでは、バッファ８（第３図参照）は、
変換ベクトル を蓄積する。
判定装置10も、第１図及び第４図に示したものと同様
に構成される。ただし、ここでは、特徴ベクトル変換装
置17から出力される変換ベクトル をもとに、有音区間を判定する。すなわち、マッチング
装置11は、音声標準パターン及び雑音標準パターンと特
徴ベクトル変換装置17から出力される変換ベクトル との距離を測定し、音声標準パターンにマッチングされ
た場合には音声と判定し、雑音標準パターンにマッチン
グされた場合には雑音と判定する。
に構成される。ただし、ここでは、特徴ベクトル変換装
置17から出力される変換ベクトル をもとに、有音区間を判定する。すなわち、マッチング
装置11は、音声標準パターン及び雑音標準パターンと特
徴ベクトル変換装置17から出力される変換ベクトル との距離を測定し、音声標準パターンにマッチングされ
た場合には音声と判定し、雑音標準パターンにマッチン
グされた場合には雑音と判定する。
具体的には、まず次式により各標準パターン（μi,Σ
ｉ）（ｉ＝1,2…Ｍ＋１）との距離を測定する。
ｉ）（ｉ＝1,2…Ｍ＋１）との距離を測定する。
なるクラスwiにＸが属しているとする。もしwiが音声に
属していれば、そのフレームは音声と判定し、wiが雑音
に属していれば、そのフレームは雑音であると判定す
る。
属していれば、そのフレームは音声と判定し、wiが雑音
に属していれば、そのフレームは雑音であると判定す
る。
ここで、音声標準パターン蓄積装置12に蓄積されてい
る音声標準パターンは、以下のように定義できる。
る音声標準パターンは、以下のように定義できる。
標準パターンは、マッチング装置11の構成から分るよ
うに、クラスｗに属する変換ベクトルの平均値ベクトル
μ及び共分散行列Σとなる。
うに、クラスｗに属する変換ベクトルの平均値ベクトル
μ及び共分散行列Σとなる。
クラスｗに属するＬ個のｒ次元変換ベクトルを とする。
また、μｉとΣｉの各要素をm(i)k、σ(i)klとする
と、平均・共分散行列計算装置14により次式を用いて計
算される。
と、平均・共分散行列計算装置14により次式を用いて計
算される。
しかして、本実施例装置によれば、特徴ベクトル変換
装置17によって音声の特徴ベクトルから雑音の影響を取
り除き、雑音の標準パターンを適応的に作成しているた
め、S/N比が20dBから14dB程の背景雑音の大きな環境で
も検出率が良好結果が得られた。また、入力レベルに左
右されない検出率が得られた。
装置17によって音声の特徴ベクトルから雑音の影響を取
り除き、雑音の標準パターンを適応的に作成しているた
め、S/N比が20dBから14dB程の背景雑音の大きな環境で
も検出率が良好結果が得られた。また、入力レベルに左
右されない検出率が得られた。
［発明の効果］ 以上説明したように本発明によれば、雑音と推定され
た特徴／変換ベクトルのみを用いて雑音標準パターンを
作成し、この雑音標準パターンに基づき音声／雑音の判
定を行っているので、背景雑音の大きな環境でもまた入
力レベルに左右されることなく良好な検出率を得ること
ができる。
た特徴／変換ベクトルのみを用いて雑音標準パターンを
作成し、この雑音標準パターンに基づき音声／雑音の判
定を行っているので、背景雑音の大きな環境でもまた入
力レベルに左右されることなく良好な検出率を得ること
ができる。
【図面の簡単な説明】 第１図は本発明の一実施例に係る有音検出装置の構成を
示す図、第２図は第１図に示す雑音区間推定装置の構成
を示す図、第３図は第１図に示す雑音標準パターン作成
装置の構成を示す図、第４図は第１図に示す判定装置の
構成を示す図、第５図は音声標準パターンの作成方法を
説明するための図、第６図は本発明の他の実施例に係る
有音検出装置の構成を示す図、第７図は第６図に示す特
徴ベクトル変換装置の構成を示す図、第８図は第７図に
示すバッファの構成を示す図、第９図及び第10図は従来
の有音検出装置の構成を示す図である。 １……特徴ベクトル計算装置、２……雑音区間推定装
置、７……雑音標準パターン作成装置、10……判定装
置。
示す図、第２図は第１図に示す雑音区間推定装置の構成
を示す図、第３図は第１図に示す雑音標準パターン作成
装置の構成を示す図、第４図は第１図に示す判定装置の
構成を示す図、第５図は音声標準パターンの作成方法を
説明するための図、第６図は本発明の他の実施例に係る
有音検出装置の構成を示す図、第７図は第６図に示す特
徴ベクトル変換装置の構成を示す図、第８図は第７図に
示すバッファの構成を示す図、第９図及び第10図は従来
の有音検出装置の構成を示す図である。 １……特徴ベクトル計算装置、２……雑音区間推定装
置、７……雑音標準パターン作成装置、10……判定装
置。
───────────────────────────────────────────────────── フロントページの続き (56)参考文献 特開 昭61−48898（ＪＰ，Ａ) 特開 平２−282798（ＪＰ，Ａ) 特開 平２−26640（ＪＰ，Ａ) 特開 平３−48900（ＪＰ，Ａ) 特公 平５−56512（ＪＰ，Ｂ２) 1990年電子情報通信学会春季全国大会 第１分冊 「Ａ−228 背景雑音への 適応変換に基づく有音検出方式」ｐ．１ −228 1989年電子情報通信学会春季全国大会 第３分冊 「Ｂ−372 ＡＴＭ通信の ための音声セル化方式」ｐ．３−78 電子情報通信学会技術研究報告［通信 ］，Ｖｏｌ．89，Ｎｏ．132，ＣＳ89− 33「音声パケット通信のための有音検出 方式」ｐ．61−66（1989年７月19日発 表) (58)調査した分野(Int.Cl.7，ＤＢ名) G10L 11/02 G10L 15/04 ＪＩＣＳＴファイル（ＪＯＩＳ)
Claims (6)
- 【請求項１】ある長さごとに区切ったフレームを単位と
して入力された入力音声信号の特徴ベクトルを求める特
徴ベクトル計算手段と、 前記特徴ベクトル計算手段により算出された特徴ベクト
ルに基づき前記入力音声信号が雑音であるか否かをフレ
ームごとに仮に判定する有音区間推定手段と、 この有音区間推定手段により雑音であると仮に判定され
たフレームの前記特徴ベクトル計算手段により求められ
た特徴ベクトルに基づき雑音標準パターンを作成する雑
音標準パターン作成手段と、 この雑音標準パターン作成手段により作成された雑音標
準パターンと予め作成しておいた音声標準パターンとを
用いて、前記特徴ベクトル計算手段により算出された特
徴ベクトルから前記入力音声信号のフレームが音声に属
するか雑音に属するかを判定する判定手段とを具備する
ことを特徴とする有音検出装置。 - 【請求項２】ある長さごとに区切ったフレームを単位と
して入力された人力音声信号の特徴ベクトルを求める特
徴ベクトル計算手段と、 前記入力音声信号のフレームの特徴ベクトルを前記入力
音声信号の変動が除去された変換ベクトルに変換する特
徴ベクトル変換手段と、 前記特徴ベクトル計算手段により算出された特徴ベクト
ルに基づき前記入力音声信号が雑音であるか否かをフレ
ームごとに仮に判定する有音区間推定手段と、 この有音区間推定手段により雑音であると仮に判定され
たフレームの前記特徴ベクトル変換手段により求められ
た変換ベクトルに基づき雑音標準パターンを作成する雑
音標準パターン作成手段と、 この雑音標準パターン作成手段により作成された雑音標
準パターンと予め作成しておいた音声標準パターンとを
用いて、前記特徴ベクトル変換手段により算出された変
換ベクトルから前記入力音声信号のフレームが音声に属
するか雑音に属するかを判定する判定手段とを具備する
ことを特徴とする有音検出装置。 - 【請求項３】前記特徴ベクトル変換手段は、前記有音区
聞推定手段により雑音であると仮に判定されたフレーム
の前記特徴ベクトル計算手段により求められた特徴ベク
トルを複数フレーム分蓄積する蓄積手段と、この蓄積手
段に蓄積された前記複数フレーム分の特徴ベクトルを用
いて、前記入力音声信号のフレームの特徴ベクトルを変
換ベクトルに変換する変換手段とからなることを特徴と
する請求項２記載の有音検出装置。 - 【請求項４】前記変換手段は、前記入力音声信号のフレ
ームの特徴ベクトルと前記蓄積手段に蓄積された前記複
数フレーム分の特徴ベクトルとの距離ベクトルを求める
ことによって、前記入力音声信号のフレームの特徴ベク
トルを前記変換ベクトルに変換することを特徴とする請
求項３記載の有音検出装置。 - 【請求項５】ある長さごとに区切ったフレームを単位と
して入力された入力音声信号の特徴ベクトルを求める特
徴ベクトル生成ステップと、 前記特徴ベクトル生成ステップにより算出された特徴ベ
クトルに基づき、前記入力音声信号が雑音であるか否か
をフレームごとに仮に判定する雑音判定ステップと、 前記雑音判定ステップにより雑音であると仮に判定され
たフレームの前記特徴ベクトル生成ステップにより求め
られた特徴ベクトルに基づき、雑音標準パターンを作成
する雑音標準パターン作成ステップと、 前記雑音標準パターン作成ステップにより作成された雑
音標準パターンと予め作成しておいた音声標準パターン
とを用いて、前記特徴ベクトル生成ステップにより算出
された特徴ベクトルから前記入力音声信号のフレームが
音声に属するか雑音に属するかを判定する有音判定ステ
ップとを有することを特徴とする有音検出方法。 - 【請求項６】ある長さごとに区切ったフレームを単位と
して入力された入力音声信号の特徴ベクトルを求める特
徴ベクトル生成ステップと、 前記特徴ベクトル生成ステップにより算出された特徴ベ
クトルに基づき、前記入力音声信号が雑音であるか否か
をフレームごとに仮に判定する雑音判定ステップと、 前記入力音声信号のフレームの特徴ベクトルを前記入力
音声信号の変動が除去された変換ベクトルに変換する特
徴ベクトル変換ステップと、 前記雑音判定ステップにより雑音であると仮に判定され
たフレームの前記特徴ベクトル変換ステップにより求め
られた変換ベクトルに基づき、雑音標準パターンを作成
する雑音標準パターン作成ステップと、 前記雑音標準パターン作成ステップにより作成された雑
音標準パターンと予め作成しておいた音声標準パターン
とを用いて、前記特徴ベクトル変換ステップにより算出
された変換ベクトルから前記入力音声信号のフレームが
音声に属するか雑音に属するかを判定する有音判定ステ
ップとを有することを特徴とする有音検出方法。
Priority Applications (5)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2172028A JP3034279B2 (ja) | 1990-06-27 | 1990-06-27 | 有音検出装置および有音検出方法 |
| CA002040025A CA2040025A1 (en) | 1990-04-09 | 1991-04-08 | Speech detection apparatus with influence of input level and noise reduced |
| EP91105621A EP0451796B1 (en) | 1990-04-09 | 1991-04-09 | Speech detection apparatus with influence of input level and noise reduced |
| DE69126730T DE69126730T2 (de) | 1990-04-09 | 1991-04-09 | Sprachdetektor mit vermindertem Einfluss von Engangssignalpegel und Rauschen |
| US07/682,079 US5293588A (en) | 1990-04-09 | 1991-04-09 | Speech detection apparatus not affected by input energy or background noise levels |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2172028A JP3034279B2 (ja) | 1990-06-27 | 1990-06-27 | 有音検出装置および有音検出方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH0458297A JPH0458297A (ja) | 1992-02-25 |
| JP3034279B2 true JP3034279B2 (ja) | 2000-04-17 |
Family
ID=15934189
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2172028A Expired - Fee Related JP3034279B2 (ja) | 1990-04-09 | 1990-06-27 | 有音検出装置および有音検出方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3034279B2 (ja) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3157788B2 (ja) | 1998-11-12 | 2001-04-16 | 埼玉日本電気株式会社 | 携帯型情報端末 |
| JP4497911B2 (ja) * | 2003-12-16 | 2010-07-07 | キヤノン株式会社 | 信号検出装置および方法、ならびにプログラム |
| JP2007114413A (ja) * | 2005-10-19 | 2007-05-10 | Toshiba Corp | 音声非音声判別装置、音声区間検出装置、音声非音声判別方法、音声区間検出方法、音声非音声判別プログラムおよび音声区間検出プログラム |
| JP4282704B2 (ja) | 2006-09-27 | 2009-06-24 | 株式会社東芝 | 音声区間検出装置およびプログラム |
| JP4950930B2 (ja) | 2008-04-03 | 2012-06-13 | 株式会社東芝 | 音声／非音声を判定する装置、方法およびプログラム |
-
1990
- 1990-06-27 JP JP2172028A patent/JP3034279B2/ja not_active Expired - Fee Related
Non-Patent Citations (3)
| Title |
|---|
| １９８９年電子情報通信学会春季全国大会 第３分冊 「Ｂ−３７２ ＡＴＭ通信のための音声セル化方式」ｐ．３−７８ |
| １９９０年電子情報通信学会春季全国大会 第１分冊 「Ａ−２２８ 背景雑音への適応変換に基づく有音検出方式」ｐ．１−２２８ |
| 電子情報通信学会技術研究報告［通信］，Ｖｏｌ．８９，Ｎｏ．１３２，ＣＳ８９−３３「音声パケット通信のための有音検出方式」ｐ．６１−６６（１９８９年７月１９日発表） |
Also Published As
| Publication number | Publication date |
|---|---|
| JPH0458297A (ja) | 1992-02-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US5749068A (en) | Speech recognition apparatus and method in noisy circumstances | |
| EP2431972B1 (en) | Method and apparatus for multi-sensory speech enhancement | |
| JP2692581B2 (ja) | 音響カテゴリ平均値計算装置及び適応化装置 | |
| US6721699B2 (en) | Method and system of Chinese speech pitch extraction | |
| US5459815A (en) | Speech recognition method using time-frequency masking mechanism | |
| EP1355296B1 (en) | Keyword detection in a speech signal | |
| JPH05216490A (ja) | 音声コード化装置及び方法並びに音声認識装置及び方法 | |
| NZ316124A (en) | Pattern recognition for speech recognising noise signals signatures | |
| JP3298858B2 (ja) | 低複雑性スピーチ認識器の区分ベースの類似性方法 | |
| EP1693826A1 (en) | Vocal tract resonance tracking using a nonlinear predictor and a target-guided temporal constraint | |
| JP3533696B2 (ja) | 音声認識の境界推定方法及び音声認識装置 | |
| JPH10105187A (ja) | クラスタ構成をベースとする信号セグメント化方法 | |
| JP3034279B2 (ja) | 有音検出装置および有音検出方法 | |
| JP2898568B2 (ja) | 声質変換音声合成装置 | |
| JP4673828B2 (ja) | 音声信号区間推定装置、その方法、そのプログラム及び記録媒体 | |
| JP2002366192A (ja) | 音声認識方法及び音声認識装置 | |
| JP3039623B2 (ja) | 音声認識装置 | |
| JP4666129B2 (ja) | 発声速度正規化分析を用いた音声認識装置 | |
| JP4755555B2 (ja) | 音声信号区間推定方法、及びその装置とそのプログラムとその記憶媒体 | |
| JP2000075889A (ja) | 音声認識システム及び音声認識方法 | |
| JP4691079B2 (ja) | 音声信号区間推定装置、方法、プログラムおよびこれを記録した記録媒体 | |
| JPH11212588A (ja) | 音声処理装置、音声処理方法、及び音声処理プログラムを記録したコンピュータ読み取り可能な記録媒体 | |
| JP2001083978A (ja) | 音声認識装置 | |
| JP2000075888A (ja) | ヒドン・マルコフ・モデルの学習方法及び音声認識システム | |
| JP3032215B2 (ja) | 有音検出装置及びその方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| LAPS | Cancellation because of no payment of annual fees |