JP3205141B2 - 音声分析方式 - Google Patents
音声分析方式Info
- Publication number
- JP3205141B2 JP3205141B2 JP24658993A JP24658993A JP3205141B2 JP 3205141 B2 JP3205141 B2 JP 3205141B2 JP 24658993 A JP24658993 A JP 24658993A JP 24658993 A JP24658993 A JP 24658993A JP 3205141 B2 JP3205141 B2 JP 3205141B2
- Authority
- JP
- Japan
- Prior art keywords
- noise
- spectrum
- power spectrum
- voice
- unit
- 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
Description
【０００１】
【産業上の利用分野】本発明は音声認識方式に係り，特
に騒音下でも安定に動作する耐騒音型音声認識方式のた
めに用いる音声分析方式に関する。
に騒音下でも安定に動作する耐騒音型音声認識方式のた
めに用いる音声分析方式に関する。
【０００２】
【従来の技術】音声認識装置を実用化するためには，騒
音下で発声した音声でも正しく認識するような耐騒音化
技術が必要不可欠である。音声認識の分野では，音声に
混入した騒音を除去する手段としてスペクトルサブトラ
クション法が非常に有効な手法として知られている。こ
の手法は入力音声の短時間スペクトルから推定騒音スペ
クトルを差し引くことで騒音成分の除去をおこなう。
音下で発声した音声でも正しく認識するような耐騒音化
技術が必要不可欠である。音声認識の分野では，音声に
混入した騒音を除去する手段としてスペクトルサブトラ
クション法が非常に有効な手法として知られている。こ
の手法は入力音声の短時間スペクトルから推定騒音スペ
クトルを差し引くことで騒音成分の除去をおこなう。
【０００３】
【発明が解決しようとする課題】スペクトルサブトラク
ション法の欠点は，大きな処理量が必要となることであ
る。従来のスペクトルサブトラクション法ではフレーム
単位 (数十ms) で切り出された波形データを直接フーリ
エ変換してスペクトルを求め，推定騒音スペクトルを差
し引いたのち，再びフーリエ逆変換により波形データに
戻していた。つまり，フレーム毎に2回，256点のFFTの
計算が必要であった(8kHzサンプリング，フレーム周期2
0msの場合)。スペクトルサブトラクション法の処理量の
ほとんどはこのFFT によるスペクトルの計算が占めてい
る。したがって，処理量を余りかけずにスペクトルを計
算することができれば，スペクトルサブトラクションの
処理量を削減することができる。
ション法の欠点は，大きな処理量が必要となることであ
る。従来のスペクトルサブトラクション法ではフレーム
単位 (数十ms) で切り出された波形データを直接フーリ
エ変換してスペクトルを求め，推定騒音スペクトルを差
し引いたのち，再びフーリエ逆変換により波形データに
戻していた。つまり，フレーム毎に2回，256点のFFTの
計算が必要であった(8kHzサンプリング，フレーム周期2
0msの場合)。スペクトルサブトラクション法の処理量の
ほとんどはこのFFT によるスペクトルの計算が占めてい
る。したがって，処理量を余りかけずにスペクトルを計
算することができれば，スペクトルサブトラクションの
処理量を削減することができる。
【０００４】本発明の目的は，スペクトルサブトラクシ
ョンを用いた音声分析部の処理量を削減することにあ
る。
ョンを用いた音声分析部の処理量を削減することにあ
る。
【０００５】
【課題を解決するための手段】前記課題を解決するため
に，入力音声の短時間分析フレームデータから自己相関
係数を計算する手段と，前記自己相関係数からパワスペ
クトルに変換する手段と，騒音スペクトルを推定する手
段と，前記パワスペクトルからその騒音パワスペクトル
を引き算する手段と，前記騒音スペクトルを引き算され
た前記パワスペクトルを自己相関係数に逆変換する手段
と，前記逆変換された自己相関係数を用いて，ＬＰＣパ
ラメータを計算する手段とを設け，前記パワスペクトル
に変換する際の自己相関係数の計算は前記短時間フレー
ムのデータ点数よりも小さい次数で打ち切る。
に，入力音声の短時間分析フレームデータから自己相関
係数を計算する手段と，前記自己相関係数からパワスペ
クトルに変換する手段と，騒音スペクトルを推定する手
段と，前記パワスペクトルからその騒音パワスペクトル
を引き算する手段と，前記騒音スペクトルを引き算され
た前記パワスペクトルを自己相関係数に逆変換する手段
と，前記逆変換された自己相関係数を用いて，ＬＰＣパ
ラメータを計算する手段とを設け，前記パワスペクトル
に変換する際の自己相関係数の計算は前記短時間フレー
ムのデータ点数よりも小さい次数で打ち切る。
【０００６】
【作用】本発明には数々の変形が考えられるが，その中
で代表的な手段についてその作用を説明する。
で代表的な手段についてその作用を説明する。
【０００７】一定時間 (たとえば 20ms) ごとに切りだ
された短時間フレームデータに対して，フレーム毎に自
己相関係数を計算する。この際計算する自己相関係数の
次数を，あらかじめ定めた次数（たとえば20次）で打ち
切る。この自己相関係数に対して，フーリエ変換をおこ
なうことで短時間パワスペクトルを得る。この短時間パ
ワスペクトルに対して，推定騒音スペクトルを引き算す
ることで，スペクトルサブトラクション法による騒音除
去をおこなう。騒音除去されたパワスペクトルはフーリ
エ逆変換することで，再び自己相関係数が得られる。
された短時間フレームデータに対して，フレーム毎に自
己相関係数を計算する。この際計算する自己相関係数の
次数を，あらかじめ定めた次数（たとえば20次）で打ち
切る。この自己相関係数に対して，フーリエ変換をおこ
なうことで短時間パワスペクトルを得る。この短時間パ
ワスペクトルに対して，推定騒音スペクトルを引き算す
ることで，スペクトルサブトラクション法による騒音除
去をおこなう。騒音除去されたパワスペクトルはフーリ
エ逆変換することで，再び自己相関係数が得られる。
【０００８】フレームデータから直接スペクトルを求め
る場合には，分析フレーム毎にフレームデータの点数
(たとえば160点) 以上の点数 (たとえば256点) のFFTの
計算が必要であった。一方，本発明の場合には，１フレ
ームのデータ数よりも次数の小さい (たとえば20次) 自
己相関係数からパワスペクトルを計算することで，従来
法よりも小さい点数 (たとえば64点) のFFTでパワスペ
クトルを求めることができる。FFTの計算点数をmとする
と，1回のFFTで必要となる複素演算の回数は m・log(m)
に比例するため，従来の手法に比べ大幅に計算量を削減
することができる。
る場合には，分析フレーム毎にフレームデータの点数
(たとえば160点) 以上の点数 (たとえば256点) のFFTの
計算が必要であった。一方，本発明の場合には，１フレ
ームのデータ数よりも次数の小さい (たとえば20次) 自
己相関係数からパワスペクトルを計算することで，従来
法よりも小さい点数 (たとえば64点) のFFTでパワスペ
クトルを求めることができる。FFTの計算点数をmとする
と，1回のFFTで必要となる複素演算の回数は m・log(m)
に比例するため，従来の手法に比べ大幅に計算量を削減
することができる。
【０００９】また，分析部におけるLPCパラメータを用
いた特徴ベクトルの計算は，一般にフレームデータの自
己相関係数を計算して，LPC係数を求める手順 (Levinso
n-Durnbin法) をとっているため，本手法で得られた自
己相関係数を利用して直接LPC係数を求めることができ
る。
いた特徴ベクトルの計算は，一般にフレームデータの自
己相関係数を計算して，LPC係数を求める手順 (Levinso
n-Durnbin法) をとっているため，本手法で得られた自
己相関係数を利用して直接LPC係数を求めることができ
る。
【００１０】したがって，本発明によれば，音声の特徴
分析において，スペクトルサブトラクション法による騒
音除去の処理量を大幅に削減できることが可能となる。
分析において，スペクトルサブトラクション法による騒
音除去の処理量を大幅に削減できることが可能となる。
【００１１】
【実施例】以下，本発明の実施例を示す。図１は本発明
の一実施例を説明するための音声認識システムのブロッ
ク図である。図１において，１０１は音声入力部，１０
２はＡ／Ｄ変換部，１０３はフレーム分割部，１０４は
音声分析部，１０５は音声区間検出部，１０６は標準パ
タン格納部，１０７は照合部，１０８は判定部である。
の一実施例を説明するための音声認識システムのブロッ
ク図である。図１において，１０１は音声入力部，１０
２はＡ／Ｄ変換部，１０３はフレーム分割部，１０４は
音声分析部，１０５は音声区間検出部，１０６は標準パ
タン格納部，１０７は照合部，１０８は判定部である。
【００１２】音声入力部１０１は音声コマンド等，シス
テムが認識するための音声を入力する部分である。音声
入力部１０１より入力した音声はＡ／Ｄ変換部１０２で
量子化された後，フレーム分割部１０３でフレーム単位
に分割される。フレーム分割部１０３は音声の特徴量を
分析するための区間を切り出すもので，通常数十 ms程
度の区間を一定間隔で切り出していく。音声分析部１０
４はフレーム分割した入力音声から特徴パラメータを計
算する部分である。音声分析部１０４の詳細については
後で説明する。
テムが認識するための音声を入力する部分である。音声
入力部１０１より入力した音声はＡ／Ｄ変換部１０２で
量子化された後，フレーム分割部１０３でフレーム単位
に分割される。フレーム分割部１０３は音声の特徴量を
分析するための区間を切り出すもので，通常数十 ms程
度の区間を一定間隔で切り出していく。音声分析部１０
４はフレーム分割した入力音声から特徴パラメータを計
算する部分である。音声分析部１０４の詳細については
後で説明する。
【００１３】音声区間検出部１０５は入力信号から音声
区間の検出をおこなう。音声区間の検出については古
井”ディジタル音声処理”(東海大学出版会)などが詳し
い。良く使用される手法としては，例えば，入力信号の
短時間パワを一定時間毎に抽出していき，閾値以上の短
時間パワが一定以上継続したか否かによって音声区間の
検出をおこなう。
区間の検出をおこなう。音声区間の検出については古
井”ディジタル音声処理”(東海大学出版会)などが詳し
い。良く使用される手法としては，例えば，入力信号の
短時間パワを一定時間毎に抽出していき，閾値以上の短
時間パワが一定以上継続したか否かによって音声区間の
検出をおこなう。
【００１４】標準パタン格納部１０６にはあらかじめ計
算しておいた認識対象語彙の特徴ベクトル(標準パタン)
が格納してある。照合部１０７は，標準パタン格納部１
０６に格納されている標準パタンと，音声分析部１０４
で分析された入力音声の特徴ベクトルとの間で類似度計
算をおこなう。判定部１０８は，各認識対象語彙のうち
照合部１０７で計算した類似度が一番高い語彙を認識結
果として出力する。
算しておいた認識対象語彙の特徴ベクトル(標準パタン)
が格納してある。照合部１０７は，標準パタン格納部１
０６に格納されている標準パタンと，音声分析部１０４
で分析された入力音声の特徴ベクトルとの間で類似度計
算をおこなう。判定部１０８は，各認識対象語彙のうち
照合部１０７で計算した類似度が一番高い語彙を認識結
果として出力する。
【００１５】次に，音声分析部１０４について詳細に述
べる。図２は音声分析部１０４の一実施例を説明するた
めのブロック図である。図２において，２０１は自己相
関計算部，２０２はフーリエ変換部，２０３は騒音除去
部，２０４は騒音参照用入力部，２０５はＡ／Ｄ変換
部，２０６はフレーム分割部，２０７は自己相関計算
部，２０８はフーリエ変換部，２０９は伝達特性補正
部，２１０はフーリエ逆変換部，２１１はＬＰＣパラメ
ータ計算部である。
べる。図２は音声分析部１０４の一実施例を説明するた
めのブロック図である。図２において，２０１は自己相
関計算部，２０２はフーリエ変換部，２０３は騒音除去
部，２０４は騒音参照用入力部，２０５はＡ／Ｄ変換
部，２０６はフレーム分割部，２０７は自己相関計算
部，２０８はフーリエ変換部，２０９は伝達特性補正
部，２１０はフーリエ逆変換部，２１１はＬＰＣパラメ
ータ計算部である。
【００１６】図１のフレーム分割部１０３でフレーム単
位に切り出された入力信号 x(n) は，自己相関計算部２
０１に入り，次式にもとづき T 次までの自己相関係数
r(n)が求められる。
位に切り出された入力信号 x(n) は，自己相関計算部２
０１に入り，次式にもとづき T 次までの自己相関係数
r(n)が求められる。
【００１７】
【数１】
【００１８】ここで，Nは１フレームのデータ数であ
る。自己相関計算部２０１で計算する自己相関係数 r
(n) の次数 T の決め方についてはあとで説明する。
る。自己相関計算部２０１で計算する自己相関係数 r
(n) の次数 T の決め方についてはあとで説明する。
【００１９】次に，フーリエ変換部２０２において，自
己相関係数 r(n) のフーリエ変換をおこなう。このとき
数学の定理から，ある信号の自己相関係数のフーリエ変
換はその信号のパワスペクトルに等しいことが証明され
ており(Wiener-Khintchineの定理)，フーリエ変換部２
０２の出力信号S(n)は入力信号の短時間パワスペクトル
と等しい。つまり，入力信号 x(n) のフーリエ変換を X
(n) とすると，
己相関係数 r(n) のフーリエ変換をおこなう。このとき
数学の定理から，ある信号の自己相関係数のフーリエ変
換はその信号のパワスペクトルに等しいことが証明され
ており(Wiener-Khintchineの定理)，フーリエ変換部２
０２の出力信号S(n)は入力信号の短時間パワスペクトル
と等しい。つまり，入力信号 x(n) のフーリエ変換を X
(n) とすると，
【００２０】
【数２】
【００２１】である。
【００２２】騒音除去部２０３は入力信号のパワスペク
トルから推定騒音のパワスペクトルを差し引く働きをす
る。このように，スペクトル上で入力音声から騒音成分
を除去する手法はスペクトルサブトラクション法と呼ば
れ，騒音下における音声認識性能の向上に非常に有効な
手段として知られている。スペクトルサブトラクション
法に関しては，Boll, "Suppression of Acoustic Nois
e in Speech Using Spectral Subtruction" ,IEEE Tran
s. on Acoustics, speech and Signal processing, Vo
l.Assp-27, No.2, April 1979, pp.113-120に詳しい。
いま，入力スペクトルをS(n)，推定騒音スペクトルをN
(n)とすると，スペクトルサブトラクションは次式で表
される。
トルから推定騒音のパワスペクトルを差し引く働きをす
る。このように，スペクトル上で入力音声から騒音成分
を除去する手法はスペクトルサブトラクション法と呼ば
れ，騒音下における音声認識性能の向上に非常に有効な
手段として知られている。スペクトルサブトラクション
法に関しては，Boll, "Suppression of Acoustic Nois
e in Speech Using Spectral Subtruction" ,IEEE Tran
s. on Acoustics, speech and Signal processing, Vo
l.Assp-27, No.2, April 1979, pp.113-120に詳しい。
いま，入力スペクトルをS(n)，推定騒音スペクトルをN
(n)とすると，スペクトルサブトラクションは次式で表
される。
【００２３】
【数３】
【００２４】ここで，αはサブトラクション係数と呼ば
れている。また，パワスペクトル上でのサブトラクショ
ンの代わりに，振幅スペクトル上でのサブトラクション
をおこなってもよい。
れている。また，パワスペクトル上でのサブトラクショ
ンの代わりに，振幅スペクトル上でのサブトラクション
をおこなってもよい。
【００２５】騒音スペクトルの推定手法に関してはいく
つかの手法が考えられるが，本実施例では，騒音のみが
選択的に入力する場所に騒音参照用入力部２０４を設け
て騒音スペクトルを推定する。騒音参照用入力部２０４
より入力した騒音信号は，入力音声信号と同様，Ａ／Ｄ
変換部２０５からフーリエ変換部２０８に至る過程で騒
音パワスペクトルが求められる。伝達特性補正部２０９
は図１の音声入力部１０１と騒音参照用入力部２０４と
の間の位置関係によって決まる伝達特性のずれを補正す
る。
つかの手法が考えられるが，本実施例では，騒音のみが
選択的に入力する場所に騒音参照用入力部２０４を設け
て騒音スペクトルを推定する。騒音参照用入力部２０４
より入力した騒音信号は，入力音声信号と同様，Ａ／Ｄ
変換部２０５からフーリエ変換部２０８に至る過程で騒
音パワスペクトルが求められる。伝達特性補正部２０９
は図１の音声入力部１０１と騒音参照用入力部２０４と
の間の位置関係によって決まる伝達特性のずれを補正す
る。
【００２６】騒音除去部２０３で騒音成分を除去された
入力パワスペクトル S'(n) は，フーリエ逆変換部２１
０により再び，自己相関係数 r'(n) に変換される。
入力パワスペクトル S'(n) は，フーリエ逆変換部２１
０により再び，自己相関係数 r'(n) に変換される。
【００２７】ところで，自己相関係数の０次の項は，分
析区間の短時間パワーに相当するので，図１の音声区間
検出部１０５ではフーリエ逆変換部２１０で得られた自
己相関係数の０次の項を用いて音声区間の検出をおこな
うことも可能である。
析区間の短時間パワーに相当するので，図１の音声区間
検出部１０５ではフーリエ逆変換部２１０で得られた自
己相関係数の０次の項を用いて音声区間の検出をおこな
うことも可能である。
【００２８】ＬＰＣパラメータ計算部２１１は，フーリ
エ逆変換部２０１により入力した自己相関 r'(n) を使
ってＬＰＣ係数を求めたのち，音声の特徴パラメータと
してＬＰＣパラメータを計算する。音声認識において一
般によく用いられる特徴量として，ＬＰＣケプストラム
がある。ＬＰＣケプストラムはＬＰＣ係数から得られる
ケプストラムで，フーリエ変換から得られる通常のケプ
ストラムよりもスペクトルラムのピークを強調した特徴
がある。以下，本実施例の説明では音声の特徴パラメー
タとしてＬＰＣケプストラムを用いることにする。
エ逆変換部２０１により入力した自己相関 r'(n) を使
ってＬＰＣ係数を求めたのち，音声の特徴パラメータと
してＬＰＣパラメータを計算する。音声認識において一
般によく用いられる特徴量として，ＬＰＣケプストラム
がある。ＬＰＣケプストラムはＬＰＣ係数から得られる
ケプストラムで，フーリエ変換から得られる通常のケプ
ストラムよりもスペクトルラムのピークを強調した特徴
がある。以下，本実施例の説明では音声の特徴パラメー
タとしてＬＰＣケプストラムを用いることにする。
【００２９】図２のＬＰＣパラメータ計算部２１１でお
こなうＬＰＣ係数の計算アルゴリズムの一実施例の処理
フローを図３に示す。ＬＰＣ係数の計算にはいくつかの
手法が提案されているが，本実施例では Levinson-Durb
in のアルゴリズムを用いている。
こなうＬＰＣ係数の計算アルゴリズムの一実施例の処理
フローを図３に示す。ＬＰＣ係数の計算にはいくつかの
手法が提案されているが，本実施例では Levinson-Durb
in のアルゴリズムを用いている。
【００３０】図３において，処理３０１では初期設定を
設定をおこなう。ＬＰＣ係数の計算は逐次式で与えられ
ており，処理３０２では，ｍ−１次のＬＰＣ係数からｍ
次のＬＰＣ係数が計算される。
設定をおこなう。ＬＰＣ係数の計算は逐次式で与えられ
ており，処理３０２では，ｍ−１次のＬＰＣ係数からｍ
次のＬＰＣ係数が計算される。
【００３１】処理３０３は次数の判定をおこない，ｍが
求めたいＬＰＣの次数ｐに達していない場合には，ｍを
インクリメントした（３０４）後，再び処理３０２に移
り，ｍ次のＬＰＣ係数が計算される。一方，次数ｐに達
した場合には処理３０５に移り，ｐ次のＬＰＣ係数を出
力する。
求めたいＬＰＣの次数ｐに達していない場合には，ｍを
インクリメントした（３０４）後，再び処理３０２に移
り，ｍ次のＬＰＣ係数が計算される。一方，次数ｐに達
した場合には処理３０５に移り，ｐ次のＬＰＣ係数を出
力する。
【００３２】ｐ次のＬＰＣ係数a(n)が求まると，数４の
再帰式を用いてＬＰＣケプストラムc(n)を得ることがで
きる。
再帰式を用いてＬＰＣケプストラムc(n)を得ることがで
きる。
【００３３】
【数４】
【００３４】以上説明した音声分析部では，図２の自己
相関計算部２０１でおこなう自己相関係数の計算を，予
め設定した適当な次数 T で打ち切ることで，フーリエ
変換部２０２での FFT の点数を小さくすることができ
る。例えば，１フレーム分のデータ点数を 160 点とし
たとき (8kHz サンプリングで 20ms)，１フレーム分の
データを直接フーリエ変換する場合には 256点の FFT
が必要である。一方，図２の実施例によれば，自己相関
係数の次数 T を20 程度の値に設定することで，スペク
トルを求める際の FFT の点数は 64 点で十分である。F
FTの計算点数をmとすると，1回の FFT で必要となる複
素演算の回数は m・log(m) に比例する。つまり，本実施
例によれば，フレームデータを直接フーリエ変換する方
法に比べ，FFTの複素演算量は約１／５に削減されたこ
とになる。スペクトルサブトラクションの処理量の大部
分はこのスペクトルの計算であるので，本実施例を用い
ることでスペクトルサブトラクションを含めた音声分析
部の処理量を削減することが可能となる。
相関計算部２０１でおこなう自己相関係数の計算を，予
め設定した適当な次数 T で打ち切ることで，フーリエ
変換部２０２での FFT の点数を小さくすることができ
る。例えば，１フレーム分のデータ点数を 160 点とし
たとき (8kHz サンプリングで 20ms)，１フレーム分の
データを直接フーリエ変換する場合には 256点の FFT
が必要である。一方，図２の実施例によれば，自己相関
係数の次数 T を20 程度の値に設定することで，スペク
トルを求める際の FFT の点数は 64 点で十分である。F
FTの計算点数をmとすると，1回の FFT で必要となる複
素演算の回数は m・log(m) に比例する。つまり，本実施
例によれば，フレームデータを直接フーリエ変換する方
法に比べ，FFTの複素演算量は約１／５に削減されたこ
とになる。スペクトルサブトラクションの処理量の大部
分はこのスペクトルの計算であるので，本実施例を用い
ることでスペクトルサブトラクションを含めた音声分析
部の処理量を削減することが可能となる。
【００３５】ここで，自己相関計算部１０４で計算する
自己相関の次数の決定法について述べる。自己相関の計
算を途中で打ち切ることは，自己相関係数からスペクト
ルを求める際にラグウインドをかけることに等しい。つ
まり，自己相関の計算次数 Tを小さく設定することは，
スペクトルサブトラクションをおこなう際のスペクトル
の周波数分解能を低下させることに相当する。ところ
で，スペクトルサブトラクションをおこなう際に必要な
周波数分解能は，入力する騒音成分によって異なると考
えられる。例えば，白色雑音のように広帯域にわたって
平坦な周波数特性を持つ騒音には，それほど高い周波数
分解能は必要としない。逆に，特定の周波数帯域にピー
クを持つような騒音に対しては，ピークの形状に応じた
周波数分解能が必要となる。つまり，音声認識システム
が使用される騒音環境に応じて，自己相関係数の最適な
次数 T を設定することが必要となる。
自己相関の次数の決定法について述べる。自己相関の計
算を途中で打ち切ることは，自己相関係数からスペクト
ルを求める際にラグウインドをかけることに等しい。つ
まり，自己相関の計算次数 Tを小さく設定することは，
スペクトルサブトラクションをおこなう際のスペクトル
の周波数分解能を低下させることに相当する。ところ
で，スペクトルサブトラクションをおこなう際に必要な
周波数分解能は，入力する騒音成分によって異なると考
えられる。例えば，白色雑音のように広帯域にわたって
平坦な周波数特性を持つ騒音には，それほど高い周波数
分解能は必要としない。逆に，特定の周波数帯域にピー
クを持つような騒音に対しては，ピークの形状に応じた
周波数分解能が必要となる。つまり，音声認識システム
が使用される騒音環境に応じて，自己相関係数の最適な
次数 T を設定することが必要となる。
【００３６】図４は自己相関係数の次数を決定するため
のフローの一実施例を示す。この実施例では，既知の音
声信号 x(n) と騒音信号 n(n) とを予め重畳した信号
を，図２で説明した分析部で分析し，この分析された分
析パラメータのスペクトル歪を用いて最適な次数 T の
決定をおこなっている。
のフローの一実施例を示す。この実施例では，既知の音
声信号 x(n) と騒音信号 n(n) とを予め重畳した信号
を，図２で説明した分析部で分析し，この分析された分
析パラメータのスペクトル歪を用いて最適な次数 T の
決定をおこなっている。
【００３７】図３において，騒音のない音声信号 x(n)
をサンプル音声として用意する（４０１）。このサンプ
ル音声を図２で説明した分析部で特徴パラメータを求め
る（４０２）。このとき，騒音のない入力音声に対して
は騒音除去を必要としないので，図２の２０２から２１
０の処理は省略する。ここで求めたＬＰＣケプストラム
をスペクトル歪を計算する際の参照パラメータとする。
をサンプル音声として用意する（４０１）。このサンプ
ル音声を図２で説明した分析部で特徴パラメータを求め
る（４０２）。このとき，騒音のない入力音声に対して
は騒音除去を必要としないので，図２の２０２から２１
０の処理は省略する。ここで求めたＬＰＣケプストラム
をスペクトル歪を計算する際の参照パラメータとする。
【００３８】つぎに，サンプル音声 x(n) に既知の騒音
信号 n(n) を重畳して騒音重畳音声x(n)+n(n) を作成す
る（４０３）。この騒音重畳音声 x(n)+n(n) を入力と
して，ＬＰＣケプストラムを求める。このとき，音声分
析部の初期値として自己相関係数の計算次数を設定する
（４０４）。この音声分析部で計算するＬＰＣ係数の次
数をpとすると，ＬＰＣ係数の計算でP次の自己相関係数
は最低必要となるため，T=p を初期値とする。
信号 n(n) を重畳して騒音重畳音声x(n)+n(n) を作成す
る（４０３）。この騒音重畳音声 x(n)+n(n) を入力と
して，ＬＰＣケプストラムを求める。このとき，音声分
析部の初期値として自己相関係数の計算次数を設定する
（４０４）。この音声分析部で計算するＬＰＣ係数の次
数をpとすると，ＬＰＣ係数の計算でP次の自己相関係数
は最低必要となるため，T=p を初期値とする。
【００３９】つぎに，図２で説明した音声分析部で入力
した騒音重畳音声の特徴パラメータc'(n) を求める（４
０５）。このとき，図２の自己相関計算部２０１で計算
する自己相関係数の次数はあらかじめ設定した次数 T
で打ち切ることとする。
した騒音重畳音声の特徴パラメータc'(n) を求める（４
０５）。このとき，図２の自己相関計算部２０１で計算
する自己相関係数の次数はあらかじめ設定した次数 T
で打ち切ることとする。
【００４０】４０６では，４０２で求めた参照用特徴パ
ラメータを用いて，４０６で求めた騒音成分を除去した
騒音重畳音声の特徴パラメータの設定した自己相関係数
のスペクトル歪を計算する。ＬＰＣケプストラム距離尺
度によるスペクトル歪CDは次式で計算される。
ラメータを用いて，４０６で求めた騒音成分を除去した
騒音重畳音声の特徴パラメータの設定した自己相関係数
のスペクトル歪を計算する。ＬＰＣケプストラム距離尺
度によるスペクトル歪CDは次式で計算される。
【００４１】
【数５】
【００４２】ここで，Ｄは距離尺度をデシベルに変換す
るための定数で，
るための定数で，
【００４３】
【数６】
【００４４】である。
【００４５】４０８では，４０７で求めたスペクトル歪
と前回 (T=T-1) のスペクトル歪との差をとり，あらか
じめ設定した閾値とを比較する。自己相関係数の打ち切
り次数 T が小さいときには，図２のフーリエ変換部２
０２と２０８で得られるスペクトルの分解能が低いた
め，４０７で得られるスペクトル歪は大きな値をとる。
そして，T を大きくするにしたがってスペクトル歪は徐
々に小さくなり，一定値に収束する。もし，スペクトル
歪の差が閾値よりも大きい場合には，自己相関係数の打
ち切り次数 T を増やし（４０９），４０４からの処理
を繰り返す。
と前回 (T=T-1) のスペクトル歪との差をとり，あらか
じめ設定した閾値とを比較する。自己相関係数の打ち切
り次数 T が小さいときには，図２のフーリエ変換部２
０２と２０８で得られるスペクトルの分解能が低いた
め，４０７で得られるスペクトル歪は大きな値をとる。
そして，T を大きくするにしたがってスペクトル歪は徐
々に小さくなり，一定値に収束する。もし，スペクトル
歪の差が閾値よりも大きい場合には，自己相関係数の打
ち切り次数 T を増やし（４０９），４０４からの処理
を繰り返す。
【００４６】逆に，スペクトル歪が閾値以下である場合
は，スペクトル歪がほぼ一定値に収束したとして，この
ときの T の値を自己相関係数の打ち切り次数の最適値
として決定する（４１０）。
は，スペクトル歪がほぼ一定値に収束したとして，この
ときの T の値を自己相関係数の打ち切り次数の最適値
として決定する（４１０）。
【００４７】以上説明したアルゴリスムをによって，対
象とする騒音環境に最適な自己相関係数の次数をあらか
じめ求めておくことができる。
象とする騒音環境に最適な自己相関係数の次数をあらか
じめ求めておくことができる。
【００４８】図２の音声分析部は，音声入力部以外に騒
音参照用の入力部を必要とする。ここで，騒音入力部を
必要としない，音声分析部の第二の実施例について説明
する。
音参照用の入力部を必要とする。ここで，騒音入力部を
必要としない，音声分析部の第二の実施例について説明
する。
【００４９】図５は，音声分析部の第二の実施例を説明
するためのブロック図である。図５において，５０１は
自己相関計算部，５０２はフーリエ変換部，５０３は騒
音スペクトル推定部，５０４は騒音除去部，５０５はフ
ーリエ逆変換部，５０６はＬＰＣパラメータ計算部であ
る。
するためのブロック図である。図５において，５０１は
自己相関計算部，５０２はフーリエ変換部，５０３は騒
音スペクトル推定部，５０４は騒音除去部，５０５はフ
ーリエ逆変換部，５０６はＬＰＣパラメータ計算部であ
る。
【００５０】図１のフレーム分割部１０３で分割したフ
レームデータは，図２で説明した手順と同様，自己相関
計算部５０１で自己相関係数を計算した後，フーリエ変
換部５０２でパワスペクトルに変換される。
レームデータは，図２で説明した手順と同様，自己相関
計算部５０１で自己相関係数を計算した後，フーリエ変
換部５０２でパワスペクトルに変換される。
【００５１】騒音スペクトル推定部５０３は，騒音スペ
クトルが定常であると仮定し，フーリエ変換部５０２で
計算された過去のフレームのスペクトルから騒音スペク
トルを推定する。たとえば，過去の複数フレーム分の入
力スペクトルから平均スペクトルを求め，このスペクト
ルを推定騒音スペクトルとする。
クトルが定常であると仮定し，フーリエ変換部５０２で
計算された過去のフレームのスペクトルから騒音スペク
トルを推定する。たとえば，過去の複数フレーム分の入
力スペクトルから平均スペクトルを求め，このスペクト
ルを推定騒音スペクトルとする。
【００５２】騒音除去部５０４は，スペクトルサブトラ
クション法により，フーリエ変換部５０２で計算された
パワスペクトルから騒音成分を除去する。スペクトルサ
ブトラクションには，騒音スペクトル推定部５０３で推
定された騒音スペクトルを用いる。
クション法により，フーリエ変換部５０２で計算された
パワスペクトルから騒音成分を除去する。スペクトルサ
ブトラクションには，騒音スペクトル推定部５０３で推
定された騒音スペクトルを用いる。
【００５３】騒音除去部５０４にて騒音スペクトルを除
去したパワスペクトルはフーリエ逆変換部５０５で再び
自己相関係数に変換した後，ＬＰＣパラメータ計算部で
ＬＰＣパラメータを求める。
去したパワスペクトルはフーリエ逆変換部５０５で再び
自己相関係数に変換した後，ＬＰＣパラメータ計算部で
ＬＰＣパラメータを求める。
【００５４】図５の第二の実施例でも図２の実施例と同
様，スペクトルを求める際の FFTの点数を小さくするこ
とで，スペクトルサブトラクションを含んだ音声分析部
の処理量を削減することができる。
様，スペクトルを求める際の FFTの点数を小さくするこ
とで，スペクトルサブトラクションを含んだ音声分析部
の処理量を削減することができる。
【００５５】
【発明の効果】以上述べてきたように，本発明によれ
ば，分析フレームのデータに対して，予め設定した次数
までの自己相関係数を計算した後，フーリエ変換をおこ
なうことで，FFT の計算点数を小さくすることができ，
スペクトルを求める際の計算量を大幅に削減できる。ス
ペクトルサブトラクションの処理量の大部分はこのスペ
クトル計算にある。したがって，本発明を用いることに
より，スペクトルサブトラクションを用いた音声分析部
の処理量を削減することが可能となる。
ば，分析フレームのデータに対して，予め設定した次数
までの自己相関係数を計算した後，フーリエ変換をおこ
なうことで，FFT の計算点数を小さくすることができ，
スペクトルを求める際の計算量を大幅に削減できる。ス
ペクトルサブトラクションの処理量の大部分はこのスペ
クトル計算にある。したがって，本発明を用いることに
より，スペクトルサブトラクションを用いた音声分析部
の処理量を削減することが可能となる。
【００５６】以上の説明では音声認識装置を例にとり説
明してきだが，音声符号化装置等，同様な構造を持つも
のに対しても本発明が適用できることは言うまでもな
い。
明してきだが，音声符号化装置等，同様な構造を持つも
のに対しても本発明が適用できることは言うまでもな
い。
【図１】音声認識システムの一実施例を説明するための
ブロック図である。
ブロック図である。
【図２】音声分析部の一実施例を説明するためのブロッ
ク図である。
ク図である。
【図３】図１のシステムで計算する自己相関係数の次数
を決定するためのアルゴリズムを説明するための図であ
る。
を決定するためのアルゴリズムを説明するための図であ
る。
【図４】ＬＰＣ係数の計算アルゴリズムを説明するため
の図である。
の図である。
【図５】音声分析部の第二の実施例を説明するためのブ
ロック図である。
ロック図である。
２０１，２０７．．．自己相関計算部，２０２，２０
８．．．フーリエ変換部，２０３．．．騒音除去部，２
０４．．．騒音参照用入力部，２０５．．．Ａ／Ｄ変換
部，２０６．．．フレーム分割部，２０９．．．伝達特
性補正部，２１０．．．フーリエ逆変換部，２１
１．．．ＬＰＣパラメータ計算部。
８．．．フーリエ変換部，２０３．．．騒音除去部，２
０４．．．騒音参照用入力部，２０５．．．Ａ／Ｄ変換
部，２０６．．．フレーム分割部，２０９．．．伝達特
性補正部，２１０．．．フーリエ逆変換部，２１
１．．．ＬＰＣパラメータ計算部。
───────────────────────────────────────────────────── フロントページの続き (56)参考文献 特開 平２−300636（ＪＰ，Ａ) 特開 昭61−90200（ＪＰ，Ａ) 特開 昭60−195599（ＪＰ，Ａ) 特開 平４−245300（ＪＰ，Ａ) 特開 平４−184400（ＪＰ，Ａ) (58)調査した分野(Int.Cl.7，ＤＢ名) G10L 11/00 G10L 15/02 G10L 15/20
Claims (6)
- 【請求項１】 音声を入力する手段と、入力した音声を短
時間のフレームに切り出す手段と、入力音声の短時間分
析フレームデータに基づき自己相関係数の次数が上記短
時間分析フレームデータ点数よりも小さくなるような次
数で計算し上記自己相関係数からパワスペクトルに変換
する手段と、騒音パワスペクトルを推定する手段と、上
記パワスペクトルから該騒音パワスペクトルを引き算す
る手段と、前記騒音パワスペクトルを引き算された前記
パワスペクトルを自己相関係数に逆変換する手段と、前
記逆変換された自己相関係数を用いて、ＬＰＣパラメー
タを計算する手段と、 計算された前記分析パラメータとあらかじめ登録してお
いた音声の分析パラメータとの類似度を求める手段と、
前記計算された類似度のうち一番大きい類似度を有する
登録音声を認識結果として出力する手段とを有すること
を特徴とする音声認識装置。 - 【請求項２】 上記次数は、前記ＬＰＣパラメータのスペ
クトル歪みに基づいてあらかじめ設定されていることを
特徴とする請求項１の音声認識装置。 - 【請求項３】 上記次数は、騒音環境に応じて設定される
ことを特徴とする請求項１の音声認識装置。 - 【請求項４】 前記パワスペクトルから推定騒音パワスペ
クトルを引き算する手段の代わりに、振幅スペクトルか
ら騒音振幅スペクトルを引き算した後、パワスペクトル
に逆変換する手段を有することを特徴とする請求項１か
ら３の何れかの音声認識装置。 - 【請求項５】 過去の分析フレームのスペクトルを記憶す
る手段を設け、前記騒音スペクトルは前記記憶された過
去のスペクトルより算出することを特徴とする請求項１
から４の何れかの音声認識装置。 - 【請求項６】 前記音声を入力する手段の他に、騒音を入
力する手段を設け、前記騒音スペクトルは上記騒音を入
力する手段から得られた情報により算出することを特徴
とする請求項１から４の何れかの音声認識装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP24658993A JP3205141B2 (ja) | 1993-10-01 | 1993-10-01 | 音声分析方式 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP24658993A JP3205141B2 (ja) | 1993-10-01 | 1993-10-01 | 音声分析方式 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH07104797A JPH07104797A (ja) | 1995-04-21 |
| JP3205141B2 true JP3205141B2 (ja) | 2001-09-04 |
Family
ID=17150670
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP24658993A Expired - Fee Related JP3205141B2 (ja) | 1993-10-01 | 1993-10-01 | 音声分析方式 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3205141B2 (ja) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5413779B2 (ja) * | 2010-06-24 | 2014-02-12 | 株式会社日立製作所 | 音響−独自性データベース生成システム、音響データ類似判定システム、音響−独自性データベース生成方法、及び、音響データ類似判定方法 |
-
1993
- 1993-10-01 JP JP24658993A patent/JP3205141B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JPH07104797A (ja) | 1995-04-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP0660300B1 (en) | Speech recognition apparatus | |
| US6173258B1 (en) | Method for reducing noise distortions in a speech recognition system | |
| JP3451146B2 (ja) | スペクトルサブトラクションを用いた雑音除去システムおよび方法 | |
| US20060165202A1 (en) | Signal processor for robust pattern recognition | |
| US20080208578A1 (en) | Robust Speaker-Dependent Speech Recognition System | |
| JP2007523374A (ja) | 自動音声認識器のためのトレーニングデータを生成する方法およびシステム | |
| JPH0612089A (ja) | 音声認識方法 | |
| JP2000172292A (ja) | 自動音声認識方法及び装置 | |
| KR101892733B1 (ko) | 켑스트럼 특징벡터에 기반한 음성인식 장치 및 방법 | |
| WO2003094154A1 (en) | On-line parametric histogram normalization for noise robust speech recognition | |
| US4937871A (en) | Speech recognition device | |
| JP3907194B2 (ja) | 音声認識装置、音声認識方法及び音声認識プログラム | |
| JP4705414B2 (ja) | 音声認識装置、音声認識方法、音声認識プログラムおよび記録媒体 | |
| US20030036902A1 (en) | Method and apparatus for recognizing speech in a noisy environment | |
| Erell et al. | Filterbank-energy estimation using mixture and Markov models for recognition of noisy speech | |
| JP2836271B2 (ja) | 雑音除去装置 | |
| EP0474496B1 (en) | Speech recognition apparatus | |
| JP3270866B2 (ja) | 雑音除去方法および雑音除去装置 | |
| JPH10149191A (ja) | モデル適応方法、装置およびその記憶媒体 | |
| JP3205141B2 (ja) | 音声分析方式 | |
| KR20050051435A (ko) | 잡음 환경에서의 음성 인식을 위한 특징 벡터 추출 장치및 역상관 필터링 방법 | |
| JP4325044B2 (ja) | 音声認識システム | |
| US7155387B2 (en) | Noise spectrum subtraction method and system | |
| US20070124143A1 (en) | Adaptation of environment mismatch for speech recognition systems | |
| JPH11327593A (ja) | 音声認識システム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| LAPS | Cancellation because of no payment of annual fees |