JP3410789B2 - 音声認識装置 - Google Patents

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、入力された音声の特徴
量を予め用意された標準パターンの特徴量と比較するこ
とで入力された音声を認識する音声認識装置に関する。

【０００２】

【従来の技術】近年、人間が発生する言語の音韻性情報
を認識する音声認識技術が盛んに研究され、この音声認
識技術を具体的な装置に応用した音声認識装置の開発が
進められている。音韻性情報を認識するには、一般に、
予め単語や音節等を単位とする複数の標準パターンを用
意し、未知の入力音声と各標準パターンとを比較し、入
力音声に最も類似している標準パターンを見つけ出し、
この標準パターンが発声された音声であると判定する等
の手法が用いられる。このような音声認識技術を具体的
な装置に応用する際に必ず問題となるのが騒音である。
つまり、音声と騒音とを区別して認識することが困難な
ことから、入力音声に騒音が入り込むと認識精度が低下
してしまうという問題がある。

【０００３】このような騒音に対する対策として一番容
易に行うことができるのは、音声認識装置の集音部であ
るマイクロフォンに口を近付けることである。そこで、
音声認識装置にあっては、頭部にセットされる固定器具
からロット状のマイクロフォン素子を口の近くに位置す
るように延出させたヘッドセットと称される装置が広く
用いられている。このようなヘッドセットを使用するこ
とで音声信号と雑音との比率であるＳ／Ｎ比（signal-t
o-noise ratio ）を高くすることができ、騒音に強い音
声認識が可能になる。

【０００４】ところが、ヘッドセットには、使い勝手が
悪かったり、音源である口と受音点であるマイクロフォ
ン素子との間の僅かな距離変化が入力音声の特性に大き
な影響を及ぼしたり、更には、大きな騒音に対しては良
好な効果が得られない等の問題がある。そこで、従来、
騒音に対する対策として、入力された音声に所定の信号
処理を施すことによる種々の対策が提案されている。

【０００５】まず、騒音対策の第一の従来例として、入
力された音声信号を櫛形フィルタに通し、音声信号から
騒音だけを除去するような研究成果が発表されている
（長渕裕実：通信学会技報Ｓ７９−４８）。これは、母
音のスペクトル構造を利用し、櫛形フィルタで音声信号
をフィルタリングすることによって、音声信号中、倍音
構造を有するスペクトルのみを通過させてそうでないス
ペクトルを遮断し、音声信号から騒音信号を除去すると
いう提案である。ところが、このような騒音除去方式
は、個人性情報を持つ母音のスペクトルに櫛形フィルタ
の特性を合わせなければならず、また、騒音と類似した
特性を有する子音が櫛形フィルタに遮断され、このよう
な子音を音声信号として取り出すことができない。した
がって、汎用性を持たせるのが困難であり、音声認識の
正確さに欠けるという問題がある。

【０００６】次いで、騒音対策の第二の従来例として、
スペクトル・サブトラクションと称されている対策が発
表され（Steven F. Boll：IEEE Trans ASSP(1979) ）、
現在広く用いられている。この提案は、音声入力前の騒
音を音声入力用の集音部であるマイクロフォンで取り込
んでその周波数スペクトルを記憶しておき、その後にそ
のマイクロフォンを通じて入力された音声信号から騒音
の周波数スペクトルを差し引き、差し引いた残りの信号
を音声認識用に利用するというものである。しかしなが
ら、このような騒音除去方式は、騒音が一定の特徴量を
維持している場合には良好な騒音除去を実現できる反
面、騒音取り込み時と音声取り込み時とでの騒音の周波
数的特徴及び音の大きさが相違すると、確実な騒音除去
を実行することができないばかりか、却って音声の誤認
識を生じさせてしまうことがあるという問題がある。

【０００７】そこで、騒音対策の第三の従来例として、
ウィドロウが提案した適応フィルタの考え方を応用し、
音声入力用の集音部であるマイクロフォンを二つ用いる
方式の騒音対策が発表されている（梅田哲夫、尾関和
彦、安広輝夫：通信学会技報Ｓ８１−８１）。この第三
の従来例を実現させる装置の一例を図１０に示す。すな
わち、音声源用と雑音源用とに二つのマイクロフォン１
ａ，１ｂが設けられ、音声源用のマイクロフォン１ａは
加算器２を介して図示しない区間検出部や音声認識部等
に接続され、雑音源用のマイクロフォン１ｂは適応フィ
ルタ３を介して加算器２に接続されている。そして、加
算器２の出力が誤差εとして適応フィルタ３に入力され
るように構成されている。

【０００８】このような構造のものは、マイクロフォン
１ａからは雑音信号ｎを含んだ音声信号ｓである主信号
ｓｎが入力され、マイクロフォン１ｂからは雑音信号ｎ
´のみからなる参照信号ｎ´が入力される。そして、マ
イクロフォン１ａから入力された主信号ｓｎは、加算器
２を通過することで参照信号ｎ´が差し引かれて出力さ
れる。この際、参照信号ｎ´が減じられた主信号ｓｎ
は、適応フィルタ３に誤差εとして入力され、この誤差
εを加味した参照信号ｎ´が適応フィルタ３より加算器
２に入力される。これにより、適応フィルタ３では、主
信号ｓｎから参照信号ｎ´が差し引かれた絶対値が最小
となるように、参照信号ｎ´の振幅と位相とが制御され
る。つまり、その絶対値が最小となるということは、主
信号ｓｎ中の雑音信号ｎの値と参照信号ｎ´中の雑音信
号ｎ´の値とが一致しているということを意味する。し
たがって、主信号ｓｎから参照信号ｎ´を差し引いた絶
対値が最小となる場合の主信号ｓｎ中の音声信号ｓは、
雑音が除去された音声信号ということになる。そこで、
この音声信号ｓを区間検出部や音声認識部に対する出力
信号ｚとすることで、雑音の影響がない正確な音声認識
が実現する。

【０００９】より詳細には、主信号ｓｎに含まれる音声
信号をｓ(ｔ)、雑音をｎ(ｔ)とし、参照信号ｎに含まれ
る雑音をｎ´(ｔ)とすると、適応フィルタ２を通過した
出力であるｚ(ｔ)は、 ｚ(ｔ)＝ｓ(ｔ)＋ｎ(ｔ)−ｎ´(ｔ) ………（１） である。ここで、ｚ(ｔ)をある時間区間で最小にするた
めには、 ＜ｚ²(ｔ)＞＝＜｛ｓ(ｔ)＋ｎ(ｔ)−ｎ´(ｔ)｝²＞ ＝＜ｓ²(ｔ)＞＋２・＜ｓ(ｔ)・｛ｎ(ｔ)−ｎ´(ｔ)｝＞ ＋＜｛ｎ(ｔ)−ｎ´(ｔ)｝²＞ ………（２） を最小にすれば良い。ここで、＜ ＞は時間平均を意味
している。そして、式（２）の第２項は、音声信号ｓ
(ｔ)と騒音ｎ(ｔ)及びｎ´(ｔ)との間に相関関係がない
ことを考えると０となるため、式（２）は ＜ｚ²(ｔ)＞＝＜ｓ²(ｔ)＞＋＜｛ｎ(ｔ)−ｎ´(ｔ)｝²＞ ………（３） となる。この式（３）を最小とするのは、ｎ(ｔ)＝ｎ´
(ｔ)の場合であるため、この場合に出力信号ｚ(ｔ)が本
来的に取り出したい音声信号ｓ(ｔ)となる。このよう
に、出力信号ｚ(ｔ)が最小となれば、騒音の特性を明確
にすることなく、騒音ｎを含む音声信号ｓである主信号
ｓｎから音声信号ｓのみを取り出すことができる。

【００１０】

【発明が解決しようとする課題】しかしながら、図１０
に例示した装置では、主信号ｓｎから音声信号ｓだけを
取り出すには、主信号ｓｎから参照信号ｎ´を差し引い
た絶対値が最小となるように、適応フィルタ３で参照信
号ｎ´の振幅と位相とを制御しなければならない。とこ
ろが、このような制御には膨大な演算量を必要とする。
すなわち、騒音対策の第三の従来例として説明した手法
は、ｎ(ｔ)−ｎ´(ｔ)＝０とするために、ｎ(ｔ)とｎ´
(ｔ)との間の振幅及び位相を合わせる必要があり、その
ための演算量が膨大になってしまうという欠点を有す
る。

【００１１】そこで、このような第三の従来例として説
明した手法の欠点を補う騒音対策として、主信号ｓｎと
参照信号ｎ´とを周波数変換した後に演算処理する手法
が提案され、発表されている（有吉敬、松下貢、藤本潤
一郎：音響学会講演論文集平成２年９月 第９頁〜第１
０頁）。この手法は、前述した式（１）を次式のように
変形し、 Ｚ(ω)＝Ｓ(ω)＋Ｎ(ω)＋ｋ・Ｎ´(ω) ………（４） Ｚ(ω)を音声認識に用いようというものである。ここ
で、ｚ(ｔ)をフーリエ変換したものをＺ(ω)、ｓ(ｔ)を
フーリエ変換したものをＳ(ω)、ｎ(ｔ)をフーリエ変換
したものをＮ(ω)、ｎ´(ｔ)をフーリエ変換したものを
Ｎ´(ω)とする。そして、上記式（４）において、係数
ｋは、音声入力前の主信号ＳＮ、すなわち、Ｓ＝０であ
る場合のＮと参照信号Ｎ´との比とする。このような手
法によれば、音声入力前に係数ｋが決定され、この係数
ｋに基づきＺ(ω)の最小値が容易に求まるため、第三の
従来例として説明した手法に比べ、演算量を大幅に少な
くすることができる。しかも、複数の周波数帯域毎に式
（４）の演算処理を適用することができるというメリッ
トもある。

【００１２】ところが、上記式（４）を用いる騒音対策
の手法では、現実に音声が入力されない状態で係数ｋが
決定されるため、音声入力中に騒音のスペクトルが変化
した場合には、正確な出力を得ることができないという
問題がある。しかも、参照信号Ｎ´が小さい場合には、
Ｎ／Ｎ´の分母が０に近くなり、誤差が大きくなってし
まうという問題もある。

【００１３】

【課題を解決するための手段】請求項１記載の発明は、
音声信号入力用の第一集音部と、この第一集音部から入
力された主信号を周波数変換する第一周波数変換部と、
騒音信号入力用の第二集音部と、この第二集音部から入
力された参照信号を周波数変換する第二周波数変換部
と、主信号と参照信号とに時間対応を付ける時間対応手
段と、周波数変換された主信号の周波数成分と参照信号
の周波数成分との差が最も小さくなる周波数成分を求め
る騒音除去手段と、この騒音除去手段により求められた
周波数成分に基づき音声認識処理を実行する音声認識部
とを含み、騒音除去手段では、主信号の周波数成分と参
照信号の周波数成分との差が最も小さくなる周波数成分
を算出する際の検出ステップ幅をファジィ制御で決定す
る。

【００１４】請求項２記載の発明は、音声信号入力用の
第一集音部と、この第一集音部から入力された主信号を
周波数変換する第一周波数変換部と、騒音信号入力用の
第二集音部と、この第二集音部から入力された参照信号
を周波数変換する第二周波数変換部と、主信号と参照信
号とに時間対応を付ける時間対応手段と、周波数変換さ
れた主信号の周波数成分と参照信号の周波数成分との差
が最も小さくなる周波数成分を求める騒音除去手段と、
この騒音除去手段により求められた周波数成分に基づき
音声認識処理を実行する音声認識部とを含み、騒音除去
手段は、周波数変換部により変換された周波数成分に主
信号の周波数成分と参照信号の周波数成分との差が最も
小さくなる補正係数を乗ずる補正係数乗算手段と、周波
数成分の差に関する現在値と過去値との誤差及び周波数
成分の差の値とをパラメータとするファジィ制御により
補正係数を決定する補正係数決定手段とを含む。

【００１５】請求項３記載の発明は、音声信号入力用の
第一集音部と、この第一集音部から入力された主信号を
周波数変換する第一周波数変換部と、騒音信号入力用の
第二集音部と、この第二集音部から入力された参照信号
を周波数変換する第二周波数変換部と、主信号と参照信
号とに時間対応を付ける時間対応手段と、周波数変換さ
れた主信号の周波数成分と参照信号の周波数成分との差
が最も小さくなる周波数成分を求める騒音除去手段と、
この騒音除去手段により求められた周波数成分に基づき
音声認識処理を実行する音声認識部とを含み、騒音除去
手段は、周波数変換部により変換された周波数成分に主
信号の周波数成分と参照信号の周波数成分との差が最も
小さくなる補正係数を乗ずる補正係数乗算手段と、周波
数成分の差に関する現在値と過去値との誤差、第一周波
数変換部により周波数変換された主信号に関する現在値
と過去値との誤差及び第二周波数変換部により周波数変
換された参照信号に関する現在値と過去値との誤差をパ
ラメータとするファジィ制御により補正係数を決定する
補正係数決定手段とを含む。

【００１６】請求項４記載の発明は、音声信号入力用の
第一集音部と、この第一集音部から入力された主信号を
周波数変換する第一周波数変換部と、騒音信号入力用の
第二集音部と、この第二集音部から入力された参照信号
を周波数変換する第二周波数変換部と、主信号と参照信
号とに時間対応を付ける時間対応手段と、周波数変換さ
れた主信号の周波数成分と参照信号の周波数成分との差
が最も小さくなる周波数成分を求める騒音除去手段と、
この騒音除去手段により求められた周波数成分に基づき
音声認識処理を実行する音声認識部と、第一集音部及び
第二集音部から入力された主信号及び参照信号をサンプ
リングするサンプリング処理部とを含み、騒音除去手段
は、サンプリング処理部でサンプリングされた１フレー
ムのデータについて誤差の変化のみを目的関数とする複
数回の誤差最小化演算をファジー制御によって実行する
ことで主信号の周波数成分と参照信号の周波数成分との
差が最も小さくなる周波数成分を求める。

【００１７】

【作用】本発明では、第一集音部には音声信号に騒音信
号が混入した主信号が取り込まれ、この主信号は第一周
波数変換部により周波数変換される。また、第二集音部
には騒音のみの参照信号が取り込まれ、この参照信号は
第二周波数変換部により周波数変換される。この際、主
信号と参照信号とは、時間対応手段により時間対応が付
けられる。そして、主信号の周波数成分と参照信号の周
波数成分との差が最も小さくなる周波数成分、すなわち
主信号中から騒音信号が除去された残りの音声信号が騒
音除去手段により求められ、こうして求められた周波数
成分が音声認識部に送られて音声認識のための入力信号
として扱われる。したがって、音声認識部には、常に、
騒音が除去された音声信号だけが送られ、正確な音声認
識が実行される。この際、周波数変換された信号につい
て騒音除去のための演算処理がなされるため、その演算
量が少なくなり、処理が簡略化する。この際、騒音除去
手段による処理にファジィ制御が導入され、これにより
効率良く音声信号から駆動信号が除去され、この処理に
必要な演算量が少なくなる。また、請求項４記載の発明
では、デジタル変換された後に周波数変換された信号が
各種の処理で扱われるため、必要な演算量がより少なく
なる。

【００１８】

【実施例】本発明の第一の参考例を図１及び図２に基づ
いて説明する。まず、マイクロフォン等により構成され
ている第一集音部１１と第二集音部１２とが設けられ、
前記第一集音部１１は第一周波数変換部１３と加算器１
４とを介して区間検出部１５と音声認識部１６とに順に
接続されている。また、前記第二集音部１２は、時間対
応手段としての遅延回路１７を介して第二周波数変換部
１８を介して補正係数設定部１９に接続されている。そ
して、この補正係数設定部１９には前記加算器１４の出
力が入力され、この加算器１４に前記補正係数設定部１
９の出力が入力されるように構成されており、ここに騒
音除去手段２０が構成されている。

【００１９】ここで、前記第一集音部１１は、音声信号
ｓに騒音信号ｎが含まれた主信号ｓｎを取り込むための
ものであり、前記第二集音部１２は、騒音信号ｎ´のみ
からなる参照信号ｎ´を取り込むためのものである。ま
た、前記周波数変換部１３，１７は、前記集音部１１，
１２に入力された信号を周波数変換する構造のものであ
る。周波数変換は、例えば、ＦＦＴ（ fast Fourier tr
ansfer：高速フーリエ変換）等の方法によりなされる。
この際、前記第二集音部１２に入力された参照信号ｎ´
は、その周波数変換に先立って前記遅延回路１７で遅延
され、前記第一集音部１１により集音された主信号ｓｎ
と時間対応が付けられるように構成されている。

【００２０】次いで、前記加算器１４は、主信号ｓｎか
ら参照信号ｎ´を差し引いた値を出力する構造のもので
あり、前記補正係数設定部１９は、周波数変換された参
照信号ｎ´に所定の補正係数ｋを乗じた値を前記加算器
１４に送る構造のものである。この際、補正係数ｋは、
前記補正係数設定部１９に入力された前記加算器１４の
出力に基づき決定される。

【００２１】そして、前記区間検出部１５は、例えば、
連続ＤＰ法等のワードスポッティングを実現する構造の
ものであり、前記音声認識部１６は、その区間検出部１
５でワードスポッティングされた単語等を標準パターン
と比較し、その類似度を判定する構造のものである。

【００２２】このような構成において、第一集音部１１
に入力された主信号ｓｎは、第一周波数変換部１３で周
波数変換され、第二集音部１２に入力された参照信号ｎ
´は、遅延回路１７で遅延されて主信号ｓｎと時間対応
が付けられた後、第二周波数変換部１８で周波数変換さ
れる。そして、周波数変換された主信号ｓｎから周波数
変換された参照信号ｎ´が加算器１４で差し引かれ、騒
音信号ｎが取り除かれた音声信号ｓだけが区間検出部１
５、音声認識部１６に送られて音声認識に供される。

【００２３】この際、加算器１４の出力は補正係数設定
部１９にも出力され、この出力を参考に補正係数設定部
１９では補正係数ｋが演算される。この補正係数ｋは、
参照信号ｎ´に乗ぜられる補正係数ｋであり、加算器１
４の出力が最小となるような値をとる。その結果、主信
号ｓｎに含まれる騒音信号ｎと参照信号ｎ´における騒
音信号ｎ´とが一致することになり、加算器１４からは
騒音信号ｎが取り除かれた主信号ｓｎ、すなわち音声信
号だけが出力されることになる。これにより、区間検出
部１５及び音声認識部１６での判定結果の精度が向上す
る。

【００２４】ここで、本参考例における騒音除去方式の
原理を詳細に説明する。まず、主信号ｓｎに含まれてい
る音声信号をｓ(ｔ)、雑音信号をｎ(ｔ)とし、参照信号
ｎ´に含まれている騒音信号をｎ´(ｔ)とすると、加算
器１４の出力であるｚ(ｔ)は、 ｚ(ｔ)＝ｓ(ｔ)＋ｎ(ｔ)−ｎ´(ｔ) ………（５） である。これを周波数領域で書き直すと、 Ｚ(ω)＝Ｓ(ω)＋Ｎ(ω)−Ｎ´(ω) ………（６） となる。ここで、この式（６）が最小となる条件を考え
ると、 Ｚ²(ω)＝｛Ｓ(ω)＋Ｎ(ω)−Ｎ´(ω)｝² ＝｛Ｓ(ω)｝²＋２・Ｓ(ω)・｛Ｎ(ω)−Ｎ´(ω)｝ ＋｛Ｎ(ω)−Ｎ´(ω)｝² ………（７） である。ここで、 Ｘ(ω)＝Ｎ(ω)−Ｎ´(ω) ………（８） と置くと、この式（７）の第２項は、 Ｓ(ω)・｛Ｎ(ω)−Ｎ´(ω)｝＝Ｓ(ω)・Ｘ(ω) ………（９） となり、これは畳み込み積分に他ならず、 Ｓ(ω)・Ｘ(ω)＝Ｆ｛∫ｓ(τ)・ｘ(ｔ−τ)ｄτ｝ ………（10） である。右辺の積分は、ｓ(ｔ)とｘ(ｔ)とが無相関であ
ると仮定すれば０となり、したがって、 Ｓ(ω)・Ｘ(ω)＝０ ………（11） である。その結果、 Ｚ²(ω)＝｛Ｓ(ω)｝²＋｛Ｎ(ω)−Ｎ´(ω)｝² ………（12） もＮ＝Ｎ´の場合にＺが最小値Ｓ(ω)となる。この際、
Ｎの値が不明であるが、Ｎの値を不明としたまま式（1
2）を最小化することによって、望む信号であるＳ(ω)
を得ることができる。

【００２５】したがって、主信号ｓｎから騒音信号ｎを
除去して音声信号ｓのみを取り出すには、式（12）にお
けるＮ(ω)−Ｎ´(ω)を０に近付ければ良いので、騒音
除去手段２０における補正係数設定部１９では、 Ｎ(ω)−ｋ・Ｎ´(ω)＝０ ………（13） となるｋを演算処理で求めれば良いことになる。そこ
で、本参考例では、ｋの値を変化させ、加算器１４の出
力が最小になる処理が実行される。例えば、２０ｍｓ毎
に周波数変換されたスペクトルが得られるとすると、 Ｓ´(ω)＝Ｓ(ω)＋Ｎ(ω) と置き、現スペクトルをＳ´_n(ω)、Ｎ´_n(ω)とする
と、次のスペクトルＳ´_n+1(ω)、Ｎ´_n+1(ω)が得られ
るまでの２０ｍｓの間に、 |Ｚ_n(ω)｜＝｜Ｓ´_n(ω)−Ｎ´_n(ω)｜ ＝｜Ｓ´_n(ω)−ｋ_n・Ｎ´_n(ω)｜ ………（14） が最小となるようなｋ_nを見つければ良いことになる。
このようなｋ_nを見つける簡単な手法としては、例え
ば、ｋに所定の初期値を与えておき、式（14）を計算し
て山登り法等の周知の方法で値が小さくなる方向にｋを
変化させる手法がある。そして、この時に得られたＺ
(ω)を区間検出部１５、音声認識部１６に送ることで、
高精度な音声認識が実行される。この際、式（14）を最
小化することで、音声入力中の騒音の辺かに追従して望
む信号が得られ、また、参照信号ｎ´の入力レベルが低
くても誤差が大きくなるようなことがない。そして、ｋ
を求めるための演算量が少なく、処理速度を高速度化す
ることができる。

【００２６】なお、区間検出や音声認識の方式について
は、特に本参考例の方式に限定するものではないが、周
波数変換部１３，１８で信号をスペクトルに変換するこ
とから、認識の特徴量としてスペクトルを用いる方式が
望ましい。

【００２７】次いで、本参考例における遅延回路１７、
つまり時間対応手段の変形例を図２に基づいて説明す
る。ここでは、二つの変形例を説明するが、いずれの変
形例も遅延回路１７を省略した構造となっている。

【００２８】まず、第一の変形例は、周波数変換部１
３，１７をサンプリング処理部及び周波数分析部として
構成し、第一集音部１１と第二集音部１２との間の間隔
を周波数変換部１３，１７での周波数分析の周期以下と
なる間隔に設定することで、時間対応手段が構成されて
いる。ここで、騒音も音声信号と同様に、２０ｍｓ程度
ではその周波数特性が変化しないものと仮定すると、２
０ｍｓ程度の間隔で周波数変換すれば良い。この際、図
２に示すように、音源２１に対して第一集音部１１と第
二集音部１２とを配置する。そして、音速を３４０ｍ／
ｓとすると、 ｘ／３４０＝２０×１０~³ ………（15） となるｘを求め、このｘより小さな値に集音部１１，１
２の間の間隔を設定する。この場合は、集音部１１，１
２の間の間隔ｘ＝６．８ｍ以下であれば良い。

【００２９】次いで、第二の変形例は、二つの集音部１
１，１２の間の間隔が予め決められている場合、この間
隔を音速で割った値よりも長い値に周波数変換部１３，
１７での周波数分析の周期を設定することで、時間対応
手段が構成されている。つまり、 ｘ／３４０＝ｆ ………（16） より、具体的な数値をｘに与えてｆを求めれば良い。こ
の変形例は、音声に比べて騒音の変化が激しく、長い窓
でフーリエ変換できないようなときに利用する。例え
ば、集音部１１，１２の間の間隔が１ｍであるなら、ｆ
＝２．９×１０~³となり、２．９ｍｓ以上の時間間隔で
フーリエ変換すれば良いことになる。

【００３０】次いで、請求項１記載の発明に対応する実
施例として、本発明の第一の実施例を図３ないし図５に
基づいて説明する。なお、第一の参考例と同一部分は同
一符号で示し説明も省略する（以下同様）。本実施例
は、騒音除去手段２０に関する。まず、加算器１４の出
力側に関数器３１が接続され、この関数器３１の出力側
には累積加算器３２、第二加算器３３及び波形合成部３
４を介して補正係数設定部１９が接続されている。ま
た、前記累積加算器３２にはレジスタ３５が接続されて
おり、前記関数器３１の出力側が区間検出部１５に接続
されている。

【００３１】このような構成において、本実施例では、
補正係数設定部１９で設定される補正係数ｋの検出ステ
ップ幅がファジー制御される。すなわち、加算器１４の
出力は関数器３１に入力されて検出ステップ幅について
の所定の関数計算がなされ、その値が累積加算器３２で
累積加算処理されてレジスタ３５に一時登録される。そ
して、レジスタ３５に一時登録されたデータと累積加算
器３２で更に演算処理されたデータとを基に第二加算器
３３で差し引き処理がなされ、その値に基づき所定の波
形が波形合成部３４で生成され、その生成されたデータ
に従って補正係数ｋが設定される。そして、この補正係
数ｋが参照信号に乗ぜられる。したがって、こうして補
正係数ｋを決定する補正係数決定手段とこのような補正
係数ｋを参照信号に乗ずる補正係数除算手段とが騒音除
去手段２０により構成されている。

【００３２】ここで、本実施例での処理をより詳細に説
明する。まず、本実施例では、前述した式（14）、すな
わち、 |Ｚ_n(ω)｜＝｜Ｓ´_n(ω)−ｋ_n・Ｎ´_n(ω)｜ ………（14） を最小にする際、ｋ_nを予め決められた一定のステップ
幅で変化させて最小値を求める場合、ステップ数が小さ
すぎると処理が遅くなって次の周波数データを得るまで
の限られた時間内に最小値が求まらず、ステップ数が大
きすぎると｜Ｓ´_n(ω)−ｋ_n・Ｎ´_n(ω)｜を０に近付
けることができないという問題の発生が予想される。そ
こで、本実施例では、 Ｅ_n＝｜Ｚ_n(ω)｜−｜Ｚ_n-1(ω)｜ ｋ_n＝ｋ_n-1＋δ・ｋ_n-1 とおき、Ｅ_nの大きさによってｋ_nを決定する。この決定
の仕方にファジー制御の手法が用いられる。つまり、予
め次のようなルールを決めておく。 ＜ルール１＞ １．誤差Ｅが大きければ、ステップ幅を大きくする。 ２．誤差Ｅが中くらいならば、ステップ幅を中くらいに
する。 ３．誤差Ｅが小ければ、ステップ幅を小さくする。 このようなルールの下、まず、補正係数ｋの初期値を予
め与えておき、参照信号ｎ´から第一集音部１１に混入
する騒音分を予測し、主信号ｓｎから差し引いて絶対値
｜Ｚ｜を求める。そして、この｜Ｚ｜とレジスタ３５の
登録内容との差をとってＥとするが、レジスタ３５の登
録内容は、最初は０である。そこで、現信号をレジスタ
３５に登録し、予め決めておいたメンバーシップ関数か
らｋのステップ幅を決定する。例えば、Ｅとステップ幅
のメンバーシップ関数の「小さい」、「中くらい」、
「大きい」は、図４（ａ）に例示するように定義してお
く。そして、この際の図４（ｂ）に示すδの求め方とし
ては、仮りに誤差ｅ₁ が与えられたとして説明すると、
誤差ｅ₁ は図４（ａ）のＥの大きさを定義するメンバー
シップ関数中、「小さい」には全く該当しないのでこれ
を省略し、図５（ａ）に例示する「中くらい」の一致度
からδの「中くらい」の大きさを定義するメンバーシッ
プ関数を帰属度で頭切りにし、図５（ｂ）に例示する
「大きい」の一致度からδの「大きい」の大きさを定義
するメンバーシップ関数を帰属度で頭切りにする。そし
て、二つの頭切りしたメンバーシップ関数を重ね合わ
せ、その重心からステップ幅δ₁ を決定する。この際の
符号は、レジスタ３５内の値と現在の値との差の符号と
現在の値とで考慮すれば良い。これによって、少ない演
算量で木目細かい制御が可能になる。

【００３３】次いで、請求項２記載の発明に対応する実
施例として、本発明の第二の実施例を図６に基づいて説
明する。なお、本実施例でも第一の実施例と同様のメン
バーシップ関数を用いるため、これに関する部分につい
ては第一の実施例と同一符号で示し説明も省略する。ま
ず、加算器１４の出力側が関数器４１に接続され、この
関数器４１の出力側は累積加算器４２を介してレジスタ
４３とファジー制御部４４とに接続されている。また、
前記レジスタ４３の出力側は第二加算器４５を介して前
記ファジー制御部４４に接続され、その第二加算器４５
には前記累積加算器４２の出力側も接続されている。そ
して、前記ファジー制御部４４の出力側は補正係数設定
部１９に接続され、前記関数器４１の出力側は前記区間
検出部１５に接続されている。

【００３４】このような構成において、加算器１４の出
力と予めレジスタ４３に登録されているデータとの差が
求められ、現在のデータである加算器１４の出力がレジ
スタ４３に登録される。そして、レジスタ４３に登録さ
れていた一つ前のデータと現在のデータとの差が第二加
算器４５で算出されてその値がファジー制御部４４に入
力される。また、このファジー制御部４４には、加算器
１４の出力値である現在の値も入力され、これらの二つ
のデータを基にファジー制御がなされて補正係数ｋが決
定される。

【００３５】より詳細には、ここでのファジー制御を２
次元で考える場合には、例えば表１として示すマップを
使用する。

【００３６】

【表１】 このマップ中、各記号は、 Ｌ：「大きい」 Ｍ：「中くらい」 Ｓ：「小さい」 Ｚ：「ゼロ」 Ｐ：「正」 Ｎ：「負」 ￣：符号の逆転 と定義される。したがって、ＰＭを例にとると、このＰ
Ｍは「正の中くらいの大きさ」と定義される。そして、
このようなマップと図４及び図５に例示したメンバーシ
ップ関数とに基づき補正係数ｋが決定される。例えば、
現在の誤差が「中くらい」で誤差の差が「負の中くら
い」の場合には、Ｍに￣が付されたデータ、すなわちδ
は逆符号で中くらいの値に設定される。そして、それぞ
れのメンバーシップ関数の値から実際の制御値を求める
やり方は、第一の実施例で説明した通りのやり方に準ず
る。

【００３７】次いで、請求項３記載の発明に対応する実
施例として、本発明の第三の実施例を図７に基づいて説
明する。なお、本実施例でも第一の実施例と同様のメン
バーシップ関数を用いるため、これに関する部分につい
ては第一の実施例と同一符号で示し説明も省略する。ま
た、本実施例でも、第二の実施例で説明した手法で補正
係数ｋが決定されるため、そのための手法の説明は省略
する。まず、本実施例では、周波数変換部１３，１８の
出力側にレジスタ５１，レジスタ５２と第二加算器
５３，５４とを介して接続されるファジー制御部５５が
設けられている。また、加算器１４の出力側には関数器
５６と累積加算器５７とレジスタ５８がそれぞれ接続
され、累積加算器５７とレジスタ５８との出力は第三
加算器５９を介して前記ファジー制御部５５に入力され
るように構成されている。そして、このファジー制御部
５５の出力側は補正係数設定部１９に接続され、前記関
数器５６の出力が区間検出部１５に接続されている。

【００３８】このような構成において、本実施例では、
音声信号ｓｎと騒音信号ｎ´とのいずれが大きくなって
いるのかのデータを加味したファジー制御により補正係
数ｋが決定される。つまり、主信号ｓｎがレジスタ５
１に格納され、参照信号ｎ´がレジスタ５２に格納さ
れ、加算器１４の出力がレジスタ５８に格納される。
そして、レジスタ５１に格納された主信号と現在の主
信号との差及び現在の主信号、レジスタ５２に格納さ
れた参照信号と現在の参照信号との差及び現在の参照信
号、レジスタ５８に格納された加算器１４の出力信号
と現在の加算器１４の出力信号及び現在の加算器１４の
主力信号がそれぞれファジー制御部５５に入力される。
ファジー制御部５５では、これらの各信号に基づき所定
のルール２にしたがったファジー制御により補正係数ｋ
を決定する。

【００３９】ここで、ルール２は、例えば次のように決
められている。 ＜ルール２＞ １．騒音信号が大きくなっていて誤差の差が正で大きく
なっていれば、δの変化は小さくする。 ２．騒音信号が大きくなっていて誤差の差が正で小さく
なっていれば、δの値は０近くにする。 ３．騒音信号が大きくなっていて誤差の差が負で大きく
なっていれば、δの変化は逆符号で大きくする。 ４．騒音信号が小さくなっていて誤差の差が負で大きく
なっていれば、δの変化は逆符号で小さくする。 ５．騒音信号が小さくなっていて誤差の差が正で大きく
なっていれば、δの変化は０近くにする。 ６．騒音信号が小さくなっていて誤差の差が正で小さく
なっていれば、δの変化は小さくする。 ７．騒音信号が小さくなっていて誤差の差が負で大きく
なっていれば、δの値は逆符号で大きくする。 ８．騒音信号が小さくなっていて誤差の差が負で小さく
なっていれば、δの値は逆符号でで中くらいにする。 このルール２は、できるだけ簡単なルールとしたが、こ
れにレジスタ５８に格納された加算器１４の出力信号
と現在の加算器１４の出力信号の差を加味すると、 Ａ．参照信号は大きくなっていないが主信号のレベルが
大きくなっている。 Ｂ．参照信号は大きくなっていないが主信号のレベルが
小さくなっている。 Ｃ．参照信号のレベルも主信号のレベルも変化していな
い。 等の要素をルール２に加える必要がある。ここで、この
ルール２として、騒音信号と誤差の差とを「大きい」と
「小さい」との二通り以上に決め細かく設定するように
しても良い。そして、制御の仕方は第二の実施例と同様
である。これとは違う制御の仕方としては、例えば、菅
野：「ファジー制御」（日刊新聞社）等に詳しい。

【００４０】次いで、請求項４記載の発明に対応する実
施例として、本発明の第四の実施例を図８に基づいて説
明する。騒音除去手段２０に関する。まず、主信号ｓｎ
用の周波数変換部１３の出力側にレジスタ６１が接続
され、参照信号ｎ´用の周波数変換部１８の出力側にレ
ジスタ６２が接続され、加算器１４の出力側にはレジ
スタ６３が接続されている。そして、前記周波数変換
部１３，１８は、集音部１１，１２より入力された信号
をサンプリング等してデジタル処理することができる構
造を有しており、サンプリング処理部ともなっている。

【００４１】このような構成において、集音部１１，１
２より入力された信号は周波数変換部１３，１８でサン
プリング、クォンタイジング及びコーディングされてデ
ジタル変換され、更に所定の関数窓が乗ぜられ、１フレ
ーム分のデータ中、主信号ｓｎがレジスタ６１に、参
照信号ｎ´がレジスタ６２にそれぞれ格納される。そ
して、これらのレジスタ６１及びレジスタ６２に格
納された１フレーム分のデータを基に加算器１４の出力
を最小にする最小化演算処理が実行される。この最小化
演算処理に際しては、加算器１４の出力、すなわちレジ
スタ６１のデータとレジスタ６２のデータとの値の
差をレジスタ６３に登録しておき、補正係数ｋの値を
順次変更していく。これにより変更される加算器１４の
出力がレジスタ６３に格納されている値よりも小さい
場合には補正係数ｋの値を変更する処理を続行し、その
値をレジスタ６３に登録する。そして、次のフレーム
のデータがレジスタ６１及びレジスタ６２に登録さ
れるタイミングで、レジスタに格納された最小値を区
間検出部１５に送るという処理が実行される。

【００４２】したがって、本実施例では、周波数変換さ
れる前に信号がデジタル化され、これにより、必要な演
算量がますます少なくなる。

【００４３】なお、１フレーム分のデータで最小化演算
処理を実行する場合には、集音部１１，１２から入力さ
れる信号の変化はその処理に重要性を持たない。したが
って、誤差の変化だけに注目すれば良いため、実施に当
たっては、最小化演算処理に際し、誤差の変化のみを目
的関数として最小化演算処理を実行するようにしても良
い。また、このような目的関数の最小化演算をファジー
制御によって実行するようにしても良い。これらの手法
を採用することで、より演算量を減少させることができ
る。

【００４４】次いで、本発明の第二の参考例を図９に基
づいて説明する。本参考例では、主信号ｓｎ用の周波数
変換部１３の出力側に補正係数設定部１９が接続され、
参照信号ｎ´用の周波数変換部１８の出力側に加算器１
４が接続され、この加算器１４の出力側は直接的に区間
検出部１５に接続されず、これらの加算器１４と区画検
出部１５との間には自動利得調整部７１が介在されてい
る。

【００４５】このような構成において、主信号ｓｎに対
して補正係数ｋが乗ぜられ、加算器１４の出力の最小化
処理がなされる。この場合、出力されるスペクトルの大
きさの変動が予想されるが、このような変動は自動利得
調整部７１により吸収されて是正される。

【００４６】

【発明の効果】本発明は、音声信号入力用の第一集音部
と、この第一集音部から入力された主信号を周波数変換
する第一周波数変換部と、騒音信号入力用の第二集音部
と、この第二集音部から入力された参照信号を周波数変
換する第二周波数変換部と、主信号と参照信号とに時間
対応を付ける時間対応手段と、周波数変換された主信号
の周波数成分と参照信号の周波数成分との差が最も小さ
くなる周波数成分を求める騒音除去手段と、この騒音除
去手段により求められた周波数成分に基づき音声認識処
理を実行する音声認識部とを設けたので、騒音除去手段
により主信号の周波数成分と参照信号の周波数成分との
差が最も小さくなる周波数成分、すなわち主信号中から
騒音信号が除去された残りの音声信号が求められ、こう
して求められた周波数成分に基づき音声認識部による音
声認識を実行することで音声認識の精度を向上させるこ
とができ、この際、周波数変換された信号について騒音
除去のための演算処理がなされるため、その演算量を少
なくして処理の簡略化を図ることができ、したがって、
音声信号に入り込んでしまう騒音の特性が音声の取り込
み中に変動する場合、少ない演算量でその騒音の認識結
果への影響を除去することができる。また、騒音除去手
段による処理にファジィ制御が導入され、これにより効
率良く音声信号から駆動信号を除去し、この処理に必要
な演算量を極めて少なくすることができ、したがって、
処理の高速度化を図ることができる等の効果を有する。
さらに、請求項４記載の発明は、デジタル変換された後
に周波数変換された信号を各種の処理で扱わせることが
できるため、必要な演算量をより少なくすることがで
き、したがって、処理の高速度化を図ることができる等
の効果を有する。

【図面の簡単な説明】

【図１】本発明の第一の参考例を示す各部のブロック図
である。

【図２】時間対応手段の二つの変形例を説明するための
概念図であり、音源に対する第一集音部と第二集音部と
の配置関係を示す。

【図３】本発明の第一の実施例を示す各部のブロック図
である。

【図４】適応フィルタの出力から第二集音部に入力され
た騒音に乗ずる係数ｋを決定するためのファジィ処理を
説明するためのグラフであり、（ａ）は適応フィルタの
出力とその誤差とのメンバーシップ関数を例示するグラ
フ、（ｂ）は係数ｋとその誤差とのメンバーシップ関数
を例示するグラフである。

【図５】適応フィルタの出力から係数ｋを決定するため
のファジィ処理を説明するためのグラフであり、（ａ）
は係数ｋのステップ幅が中であるグラフでの頭切り処理
を示し、（ｂ）は係数ｋのステップ幅が大であるグラフ
での頭切り処理を示し、（ｃ）は（ａ）と（ｂ）とに示
される処理から求められる係数ｋを例示するグラフであ
る。

【図６】本発明の第二の実施例を示す各部のブロック図
である。

【図７】本発明の第三の実施例を示す各部のブロック図
である。

【図８】本発明の第四の実施例を示す各部のブロック図
である。

【図９】本発明の第二の参考例を示す各部のブロック図
である。

【図１０】従来の一例を示す各部のブロック図である。

【符号の説明】

１１ 第一集音部 １２ 第二集音部 １３ 第一周波数変換部、サンプリング処理部、周
波数分析部 １６ 音声認識部 １７ 時間対応手段 １８ 第二周波数変換部、サンプリング処理部、周
波数分析部 ２０ 騒音除去手段、補正係数乗算手段、補正係数
決定手段 ｓｎ 主信号 ｎ´ 参照信号

───────────────────────────────────────────────────── フロントページの続き (56)参考文献 特開 昭58−194098（ＪＰ，Ａ) 特開 平１−239596（ＪＰ，Ａ) 特開 平４−16900（ＪＰ，Ａ) 特開 平５−216495（ＪＰ，Ａ) 特開 平５−66700（ＪＰ，Ａ) 特開 平４−184400（ＪＰ，Ａ) 特開 平３−258197（ＪＰ，Ａ) 特開 平５−297893（ＪＰ，Ａ) (58)調査した分野(Int.Cl.⁷，ＤＢ名) G10L 15/20 G10L 21/02

Claims (4)

(57)【特許請求の範囲】
1. 【請求項１】 音声信号入力用の第一集音部と、この第
   一集音部から入力された主信号を周波数変換する第一周
   波数変換部と、騒音信号入力用の第二集音部と、この第
   二集音部から入力された参照信号を周波数変換する第二
   周波数変換部と、主信号と参照信号とに時間対応を付け
   る時間対応手段と、周波数変換された主信号の周波数成
   分と参照信号の周波数成分との差が最も小さくなる周波
   数成分を求める騒音除去手段と、この騒音除去手段によ
   り求められた周波数成分に基づき音声認識処理を実行す
   る音声認識部とを含み、前記騒音除去手段では、主信号
   の周波数成分と参照信号の周波数成分との差が最も小さ
   くなる周波数成分を算出する際の検出ステップ幅をファ
   ジィ制御で決定することを特徴とする音声認識装置。
2. 【請求項２】 音声信号入力用の第一集音部と、この第
   一集音部から入力された主信号を周波数変換する第一周
   波数変換部と、騒音信号入力用の第二集音部と、この第
   二集音部から入力された参照信号を周波数変換する第二
   周波数変換部と、主信号と参照信号とに時間対応を付け
   る時間対応手段と、周波数変換された主信号の周波数成
   分と参照信号の周波数成分との差が最も小さくなる周波
   数成分を求める騒音除去手段と、この騒音除去手段によ
   り求められた周波数成分に基づき音声認識処理を実行す
   る音声認識部とを含み、前記騒音除去手段は、前記周波
   数変換部により変換された周波数成分に主信号の周波数
   成分と参照信号の周波数成分との差が最も小さくなる補
   正係数を乗ずる補正係数乗算手段と、前記周波数成分の
   差に関する現在値と過去値との誤差及び前記周波数成分
   の差の値とをパラメータとするファジィ制御により前記
   補正係数を決定する補正係数決定手段とを含むことを特
   徴とする音声認識装置。
3. 【請求項３】 音声信号入力用の第一集音部と、この第
   一集音部から入力された主信号を周波数変換する第一周
   波数変換部と、騒音信号入力用の第二集音部と、この第
   二集音部から入力された参照信号を周波数変換する第二
   周波数変換部と、主信号と参照信号とに時間対応を付け
   る時間対応手段と、周波数変換された 主信号の周波数成
   分と参照信号の周波数成分との差が最も小さくなる周波
   数成分を求める騒音除去手段と、この騒音除去手段によ
   り求められた周波数成分に基づき音声認識処理を実行す
   る音声認識部とを含み、前記騒音除去手段は、前記周波
   数変換部により変換された周波数成分に主信号の周波数
   成分と参照信号の周波数成分との差が最も小さくなる補
   正係数を乗ずる補正係数乗算手段と、前記周波数成分の
   差に関する現在値と過去値との誤差、前記第一周波数変
   換部により周波数変換された主信号に関する現在値と過
   去値との誤差及び前記第二周波数変換部により周波数変
   換された参照信号に関する現在値と過去値との誤差をパ
   ラメータとするファジィ制御により前記補正係数を決定
   する補正係数決定手段とを含むことを特徴とする音声認
   識装置。
4. 【請求項４】 音声信号入力用の第一集音部と、この第
   一集音部から入力された主信号を周波数変換する第一周
   波数変換部と、騒音信号入力用の第二集音部と、この第
   二集音部から入力された参照信号を周波数変換する第二
   周波数変換部と、主信号と参照信号とに時間対応を付け
   る時間対応手段と、周波数変換された主信号の周波数成
   分と参照信号の周波数成分との差が最も小さくなる周波
   数成分を求める騒音除去手段と、この騒音除去手段によ
   り求められた周波数成分に基づき音声認識処理を実行す
   る音声認識部と、前記第一集音部及び前記第二集音部か
   ら入力された主信号及び参照信号をサンプリングするサ
   ンプリング処理部とを含み、前記騒音除去手段は、前記
   サンプリング処理部でサンプリングされた１フレームの
   データについて誤差の変化のみを目的関数とする複数回
   の誤差最小化演算をファジー制御によって実行すること
   で主信号の周波数成分と参照信号の周波数成分との差が
   最も小さくなる周波数成分を求めることを特徴とする音
   声認識装置。