JP3526911B2 - 音声認識装置及び音声認識方法 - Google Patents

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、音声を認識する装置
で、特に、騒音環境下で音声を認識する音声認識装置及
び騒音環境での音声認識方法に関する。

【０００２】

【従来の技術】従来の音声認識装置においては、このよ
うな騒音環境下で音声認識の認識率の低下を防止するた
めに、ＬＭＳ法やスペクトル・サブトラクション法（以
下「Ｓ．Ｓ法」という）等が採られていた。ＬＭＳ法と
は、適応フィルタ法により、発声音声と騒音成分が混在
したマイク入力信号であるメイン信号から、既知騒音信
号をリファレンス信号として騒音成分を除去する方法で
ある。また、Ｓ．Ｓ法とは、発声音声に含まれる騒音成
分を定常雑音とみなして除去する方法である。

【０００３】図２１はＳ．Ｓ法を適用した従来の音声認
識装置のブロック図である。この図において、１は発声
者（図示せず）からの音声、及び、オーディオ装置等の
別の発生源からの音楽騒音であるオーディオ信号による
音を受けて、電気信号のメイン信号ｍａとして送出する
マイクである。２はこのメイン信号ｍａを増幅するアン
プである。３は増幅されたメイン信号ｍａを、周波数分
割して複数のチャンネル信号を生成し、その一つのチャ
ンネル信号を択一的に送出するフィルタバンクである。

【０００４】フィルタバンク３は、メイン信号ｍａの全
帯域をチャンネル信号ｍo として通過させるオールパス
フィルタ３ａ、メイン信号ｍａを所定帯域ごとに分割し
て複数（ｎ個）のチャンネル信号ｍ1 ，ｍ2 ，…，ｍｎ
を送出するバンドパスフィルタ群３ｂ，３ｃ、チャンネ
ル信号ｍａ，ｍ1 ，ｍ2 ，…，ｍｎのうちの一つのチャ
ンネル信号ｍ（ＣＨ）（ＣＨ＝0,1,2,…, ｎ）を選択す
るマルチプレクサ３ｄ、この選択されたチャンネル信号
ｍ（ＣＨ）をデジタル信号に変換してチャンネル信号Ｍ
（ＣＨ）を送出するＡ／Ｄコンバータ３ｅで構成され
る。

【０００５】４はフィルタバンク３から送出されるメイ
ン音声データであるチャンネル信号Ｍ（ＣＨ）を音声認
識するＣＰＵであり、図には示さないが、演算部、プロ
グラム格納用のＲＯＭ、データ格納用のＲＡＭ等により
構成される。５は予め登録された比較音声データを格納
し、音声解析時にＣＰＵ４にその比較音声データを供給
するする登録辞書である。

【０００６】次に、上記従来の音声認識装置の動作につ
いて説明する。オーディオ騒音成分を含むメイン信号ｍ
ａは、フィルタバンク３を経た後、各チャンネルごとに
デジタル信号に変換され、音声認識すべきメイン音声デ
ータとしてＣＰＵ４に取り込まれる。その後、オーディ
オ騒音成分が既知騒音成分として除去されて、登録辞書
に予め登録されている比較音声データとパターンマッチ
ングされ音声認識される。

【０００７】

【発明が解決しようとする課題】しかしながら上記従来
の音声認識装置においては、ＬＭＳ法すなわち適応フィ
ルタ法の場合には、オーディオ騒音成分のような非定常
雑音に対しては、あまり急激な変化に対応できず、急激
な騒音の変化がない場合でも、フィルタの収束時間が長
くなるという問題があった。さらに、ＤＳＰ等の高速演
算処理が可能な処理装置を必要とするため、音声認識装
置のコストアップの要因になるという問題もあった。

【０００８】また、Ｓ．Ｓ法の場合も、オーディオ騒音
成分のような急激な変化を伴う騒音に対しては、正確な
雑音除去ができないので、認識率を高めることができな
いという問題があった。

【０００９】本発明による音声認識装置は、このような
従来の問題を解決するものであり、ＤＳＰ等の高価な高
速演算処理装置を必要とすることなく、急激な変化を伴
う騒音成分を正確に除去し、音声認識率を向上すること
ができる優れた音声認識を行なうことを目的とする。

【００１０】また、本発明による音声認識方法は、ファ
ジィ推論を用いることにより、さらに適応型Ｓ・Ｓ方式
の効果を向上させることを目的とする。

【００１１】

【課題を解決するための手段】本発明による音声認識装
置は上記目的を達成するために、発声者からの音声信号
に騒音成分が混在したメイン信号から前記騒音成分を除
去して予め登録した比較音声信号と照合して前記音声信
号の認識を行う音声認識装置であって、音源から基準信
号を抽出する手段と、前記メイン信号に前記音声信号が
含まれる音声区間か含まれない非音声区間かを判別する
音声区間判別手段と、前記非音声区間において前記メイ
ン信号に基づいて補正係数を生成しかつ更新する補正係
数更新手段と、前記音声区間において前記基準信号に前
記補正係数を乗じた値を前記メイン信号から減算する演
算手段と、該演算手段から得られる演算結果と前記比較
音声信号とを照合して音声認識を行う認識手段と、前記
メイン信号から前記基準信号に更新前の補正係数を乗じ
た値を減算した減算結果が所定値より大となるときを前
記音声信号の暫定音声始端とする音声始端検出手段と、
一定時間前の過去のメイン信号及び基準信号から遅延メ
イン信号及び遅延基準信号を生成する手段と、前記遅延
メイン信号に基づいて確定音声始端を決定して前記音声
区間を判別する音声区間判別手段と、前記遅延メイン信
号及び遅延基準信号の過去一定時間の累計値の比から補
正係数を生成しかつ更新する補正係数更新手段と、前記
音声区間において前記遅延基準信号に前記補正係数を乗
じた値を前記遅延メイン信号から減算する演算手段と、
を備えたことを特徴とする。

【００１２】また、本発明による音声認識方法は上記目
的を達成するために、発声者からの音声信号成分に騒音
成分が混在した入力信号から当該騒音成分を除去して前
記発声者の音声を認識する音声認識方法であって、前記
入力信号からファジィ推論により音声区間を検出し、こ
の音声区間に前記騒音成分が混在しているか否かを判別
して、当該判別結果に応じて前記音声信号成分を予測す
る補正係数の更新を行い、当該更新した補正係数の調整
を行い、当該調整された補正係数に基づいて減算処理を
行い、当該減算結果を前記音声信号成分として音声認識
を行うことを特徴とする。

【００１３】また、発声者からの音声信号成分に音響騒
音成分及び走行騒音成分が混在した入力信号から当該騒
音成分を除去して前記発声者の音声を認識する音声認識
方法であって、前記入力信号から音声区間を検出し、こ
の音声区間に前記走行騒音成分が混在しているか否かを
ファジィ推論により判別して、当該判別結果に応じて前
記音声信号成分を予測する補正係数の更新を行い、当該
更新した補正係数の調整を行い、当該調整された補正係
数に基づいて減算処理を行い、当該減算結果を前記音声
信号成分として音声認識を行うことを特徴とする。

【００１４】またさらに、発声者からの音声信号成分に
騒音成分が混在した入力信号から当該騒音成分を除去し
て前記発声者の音声を認識する音声認識方法であって、
前記入力信号から音声区間を検出し、この音声区間に前
記騒音成分が混在しているか否かを判別して、当該判別
結果に応じて前記音声信号成分を予測する補正係数の更
新を行い、ファジィ推論により当該更新した補正係数の
調整を行い、当該調整された補正係数に基づいて減算処
理を行い、当該減算結果を前記音声信号成分として音声
認識を行うことを特徴とする。

【００１５】

【作用】したがって本発明による音声認識装置は、音声
区間において基準信号に補正係数を乗じた値をメイン信
号から減算する演算において、補正係数を更新しつつ演
算を行うので、急激な変化を伴う騒音成分を正確に除去
し、音声認識率を向上することができる。

【００１６】また、本発明による音声認識方法は、音声
トリガレベルの決定方法、走行騒音判定レベルの決定方
法、及び、補正係数の調整量の決定方法をファジィ推論
により行うことにより、さらに適応型Ｓ・Ｓ方式の効果
を向上させることができる。

【００１７】

【実施例】以下、第１ないし第７の発明の実施例につい
て図を参照して詳細に説明する。

【００１８】１．第１の発明の実施例について説明す
る。

【００１９】図１は本発明の第１の実施例の音声認識装
置のブロック図である。図１において、１１は発声者
（図示せず）からの音声、及び、オーディオ装置等の別
の発生源からのオーディオ信号（これについては後述す
る）による音を受けて、電気信号のメイン信号ｍａとし
て送出するマイクである。１２はこのメイン信号ｍａを
増幅するアンプである。１３は増幅されたメイン信号ｍ
ａを、周波数分割して複数のチャンネル信号を生成し、
その一つのチャンネル信号を択一的に送出するフィルタ
バンクである。

【００２０】フィルタバンク１３は、メイン信号ｍａの
全帯域をチャンネル信号ｍo として通過させるオールパ
スフィルタ１３ａ、メイン信号ｍａを所定帯域ごとに分
割して複数（ｎ個）のチャンネル信号ｍ1 ，ｍ2 ，…，
ｍｎを送出するバンドパスフィルタ群１３ｂ，１３ｃ、
チャンネル信号ｍａ，ｍ1 ，ｍ2 ，…，ｍｎのうちの一
つのチャンネル信号ｍ（ＣＨ）（ＣＨ＝0,1,2,…, ｎ）
を選択するマルチプレクサ１３ｄ、この選択されたチャ
ンネル信号ｍ（ＣＨ）をデジタル信号に変換してチャン
ネル信号Ｍ（ＣＨ）を送出するＡ／Ｄコンバータ１３ｅ
で構成される。

【００２１】１４はフィルタバンク１３から送出される
メイン音声データであるチャンネル信号Ｍ（ＣＨ）を保
持するラッチ回路である。１５は制御手段としてのＣＰ
Ｕであり、演算手段である演算部１５ａ、補正係数格納
部１５ｂ、その他、図には示さないが、プログラム格納
用のＲＯＭ、データ格納用のＲＡＭ等により構成され
る。

【００２２】１６はオーディオ装置であり、オーディオ
信号ｏａを送出する。１７は電気信号のオーディオ信号
ｏａを音に変換するスピーカである。もっとも、このス
ピーカ１７から送出されるオーディオ信号は、上記した
発声者からの音声にとっては、除去されるべき音楽騒音
となる。

【００２３】１８はオーディオ装置１６からのオーディ
オ信号ｏａを増幅して基準信号であるリファレンス信号
ｒａとして出力するアンプである。１９はこのリファレ
ンス信号ｒａを、周波数分割して複数のチャンネル信号
を生成し、その一つのチャンネル信号を択一的に送出す
るフィルタバンクである。

【００２４】フィルタバンク１９は、リファレンス信号
ｒａの全帯域をチャンネル信号ｒoとして通過させるオ
ールパスフィルタ１９ａ、リファレンス信号ｒａを所定
帯域ごとに分割して複数（ｎ個）のチャンネル信号ｒ1
，ｒ2 ，…，ｒｎを送出するバンドパスフィルタ群１
９ｂ，１９ｃ、チャンネル信号ｒａ，ｒ1 ，ｒ2 ，…，
ｒｎのうちの一つのチャンネル信号ｒ（ＣＨ）（ＣＨ＝
0,1,2,…, ｎ）を選択するマルチプレクサ１９ｄ、この
選択されたチャンネル信号ｒ（ＣＨ）をデジタル信号に
変換してチャンネル信号Ｒ（ＣＨ）を送出するＡ／Ｄコ
ンバータ１９ｅで構成される。

【００２５】２０はフィルタバンク１９から送出される
チャンネル信号Ｒ（ＣＨ）を保持するラッチ回路であ
る。２１はＣＰＵ１５で演算され出力されるチャンネル
信号Ｓ（ＣＨ）の音声解析データを認識する認識手段と
しての音声認識部であり、チャンネル信号を選択するた
めのチャンネル選択信号ＣＳを、ＣＰＵ１５並びにマル
チプレクサ１３ｄ及び１９ｄに供給する。２２は予め登
録された比較音声データを格納し、音声解析時に、音声
認識部２１にその比較音声データを供給するする登録辞
書である。

【００２６】２３はメイン信号ｍａに含まれる発声者か
らの音声信号の音声区間の始端を検出して始端信号（ト
リガ信号）ＴＲを発生し、ＣＰＵ１５に供給する音声区
間判別手段としての音声トリガ回路である。

【００２７】次に、補正係数格納部１５ｂに格納される
補正係数について説明する。

【００２８】マイク１１から入力されるメイン信号ｍａ
は、下記の（数１）で表される。

【００２９】

【数１】ｍａ＝ｓａ＋ｏａ・ｇ ここで、ｓａは発声者からの音声をうけて、マイク１１
で電気信号として出力される音声信号であり、マイク１
１の変換特性が加わったものである。また、ｏａはオー
ディオ装置１６から送出されるオーディオ信号である。
さらに、ｇはオーディオ信号ｏａがスピーカ１７の変換
特性により音に変換され、その発生した音が伝播してマ
イク１１に到達するまでに受ける伝送特性である。

【００３０】オーディオ信号ｏａはオーディオ装置１６
より直接得ることができるので、伝送特性ｇが解れば、
下記の（数２）より音声信号ｓａを求めることが可能で
ある。

【００３１】

【数２】 しかしながら、この伝送特性ｇを得るためには、高精度
測定を必要とし、しかもその正確な値を得ることは非常
に困難である。

【００３２】そこで、本実施例においては、メイン信号
ｍａ及びオーディオ信号ｏａを周波数解析し、デジタル
化したデータを用いて音声信号ｓａを求める手法を採
る。

【００３３】図１のＡ／Ｄコンバータ１３ｅ及び１９ｅ
から送出されるデジタル信号Ｍ（ＣＨ）及びＲ（ＣＨ）
の間には、次の（数３）の関係が成立する。

【００３４】

【数３】 もっともこの（数３）は、アナログ信号をデジタル化し
たために生ずる誤差により、左項と右項とは必ずしも完
全に等しくはならない。この（数３）において、Ｓ（Ｃ
Ｈ）は音声信号ｓａをデジタル化したデータであり、Ｇ
（ＣＨ）はＲ（ＣＨ）に乗じてメイン信号Ｍ（ＣＨ）に
含まれる音声信号成分Ｓ（ＣＨ）を予測するための補正
係数である。

【００３５】この（数３）により、音声信号Ｓ（ＣＨ）
は次に示す（数４）で表される。

【００３６】

【数４】 この（数４）により、メイン信号Ｍ（ＣＨ）に含まれる
音声信号Ｓ（ＣＨ）が予測できる。

【００３７】この補正係数Ｇ（ＣＨ）は、周波数分解能
であるチャンネル数ｎが大であるならば、音声が発生し
ていないときのＭ（ＣＨ）とＲ（ＣＨ）との比により推
測可能である。すなわち、Ｓ（ＣＨ）＝０とすると、Ｍ
（ＣＨ）＝Ｒ（ＣＨ）・Ｇ（ＣＨ）となり、補正係数Ｇ
（ＣＨ）は、Ｍ（ＣＨ）／Ｒ（ＣＨ）と表すことができ
るからである。非音声区間において算出された補正係数
Ｇ（ＣＨ）は、補正係数格納部１５ｂに格納される。

【００３８】図２は図１に示す音声認識装置のＣＰＵ１
５の動作を示すフローチャートである。以下、この動作
を説明する。この場合の補正係数は、非音声区間のＭ
（ＣＨ）及びＲ（ＣＨ）の各々数秒間（ここでは１秒間
とする）の累計値をΣＭ（ＣＨ）及びΣＲ（ＣＨ）と
し、次に示す（数５）により、その比を補正係数とす
る。

【００３９】

【数５】 図２において、音声認識部２１からチャンネル選択信号
ＣＳを取り込み、ラッチ回路１４及び１９へ出力し（ス
テップＳ１１）、ラッチタイミング及びラッチ回路１４
及び１９からデータを取り込むタイミングをつくる。そ
の後、ラッチ回路１４及び１９からデータＭ（ＣＨ）及
びＲ（ＣＨ）を取り込むとともに、音声トリガ回路２３
からのトリガ信号ＴＲを取り込む（ステップＳ１２）。
このトリガ信号ＴＲすなわち始端信号を受けた時点を音
声始端とし、その時点からタイマをセットして、１．６
秒間（この区間は、音声認識部２１の最大許容音声区間
長である）を音声区間とする。

【００４０】データＭ（ＣＨ）及びＲ（ＣＨ）を取り込
むごとに音声区間か否かを判別し（ステップＳ１３）、
音声区間でない区間が１秒以上継続した場合には、現在
より過去１秒間のストックデータＭ（ＣＨ）及びＲ（Ｃ
Ｈ）の更新を行い、その累計値ΣＭ（ＣＨ）及びΣＲ
（ＣＨ）を計算して、式（３）により最新の補正係数を
作成して、補正係数格納部１５ｂの補正係数の値を更新
する（ステップＳ１４）。

【００４１】一方、音声区間である場合には、補正係数
格納部１５ｂに格納されている（最新の）補正係数Ｇ
（ＣＨ）のデータを読出して、取り込んだデータＲ（Ｃ
Ｈ）に乗じて、オーディオ騒音成分であるＲ（ＣＨ）・
Ｇ（ＣＨ）を求め、（数４）によりメイン信号Ｍ（Ｃ
Ｈ）のデータからオーディオ騒音成分の減算を行う（ス
テップＳ１５）。この減算の結果である減算データを音
声信号Ｓ（ＣＨ）のデータとして出力する（ステップＳ
１６）。

【００４２】このように、上記第１の発明の実施例によ
れば、非音声区間のメイン信号及びリファレンス信号か
ら、常に最新の補正係数を求めることにより、急激に変
化するオーディオ騒音等の非定常雑音にも対応すること
ができ、さほど急激なオーディオ騒音の変化がない場合
には、フィルタの収束時間を短くすることができる。ま
た、ＤＳＰ等のような高速演算処理を可能とする高価な
処理装置を必要とすることもない。

【００４３】さらに、リファレンス信号に音声信号が含
まれることがないので、推定誤差を少なくすることがで
き、オーディオ騒音環境下においても高い音声認識が可
能となる。

【００４４】２．第２の発明の実施例について説明す
る。

【００４５】この発明の特徴は、第１の発明の実施例で
行っている補正係数の作成及び更新の際に、過去のデー
タを利用した遅延データを用いて作成・更新を行う点に
ある。

【００４６】図３は本発明の第１の実施例の音声認識装
置のブロック図である。図３において、図１に示す第１
の発明の実施例の構成と同じ構成のものは、同一の符号
で表しその説明は省略する。図３に示すように、この実
施例の構成には、音声トリガ回路は設けられていない。
ただし、ＣＰＵ１５内に、データの演算及び遅延処理を
行う演算手段とともに音声区間の検出を行う音声区間判
別手段である音声検出部１５ｃを備えた構成となってい
る。

【００４７】この音声検出部１５ｃにおいては、音声信
号の暫定的な始端を定めた後、その暫定的な始端から一
定時間過去の時点を確定的な始端とみなして音声区間を
定める。そのために、以下に記述するデータ遅延処理を
行う。

【００４８】図４は図３における音声認識装置の音声始
端を検出する様子を示す図であり、データ遅延の様子を
示す図である。図４（ａ）及び（ｂ）において、ＤＰは
オーディオ騒音成分除去後の音声波形の現在値データを
示すものである。実際はデジタル信号であるが、ここで
は説明の便宜上アナログ信号として表すことにする。ｔ
ｓはこの音声始端の暫定的な検出位置であり、後述する
所定のスレッショルドレベル以上になる点を検出位置と
する。

【００４９】ＤＤはこの現在値データＤＰを一定時間だ
け遅延させた音声波形のデータ、すなわち過去値データ
である。この実施例の場合、現在値データＤＰと過去値
データＤＤとの遅延時間Ｔｄは１秒間である。したがっ
て、過去値データＤＤは、現在値データＤＰを図示せぬ
ＲＡＭに格納した後、１秒後に読み出すことにより得ら
れる。遅延時間Ｔｄを１秒間としたのは、音声信号の真
の始端と暫定的な始端との間の最大誤差時間が１秒間で
あると推定できるからである。

【００５０】Ｔ0 は音声信号の真の音声区間であり、こ
の場合１．６秒とする。Ｔ1 はＣＰＵ１５が判断する音
声区間であり、この場合２．６秒とする。したがって、
図４（ａ）の場合は、音声信号の暫定的な始端ｔｓが、
真の始端から１秒間（最大誤差時間）遅れている場合で
ある。また、図４（ｂ）の場合は、音声信号の暫定的な
始端ｔｓが、真の始端から僅かな時間だけ遅れている場
合である。いずれの場合も、ＣＰＵ１５の判断する音声
区間内には、真の音声区間が含まれることになる。

【００５１】図５は第２の発明の第１の実施例における
音声認識装置におけるＣＰＵ１５の動作を表すフローチ
ャートである。以下、図５を参照しつつ本発明の第１の
実施例の動作について説明する。

【００５２】まず、音声認識部２１から供給されるチャ
ンネル選択信号ＣＳを監視して、ラッチ回路１４及び２
０へラッチタイミングの信号を出力し（ステップＳ２
１）、ラッチ回路１４及び２０よりデータＭ（ＣＨ）及
びＲ（ＣＨ）を取り込む（ステップＳ２２）。

【００５３】次に、取り込んだデータにより音声区間の
検出を行う（ステップＳ２３）。この音声区間の始端ｔ
ｓの検出は以下のようにして行う。フィルタバンク１３
のオールパスフィルタ１３ａから得られた更新前の補正
係数（これをＧ０（０）とする）を利用し、下記に示す
（数６）により、音声信号のレベルが所定のスレッショ
ルドレベルＴＨより大となる点（時間）すなわち始端ｔ
ｓを検出する。

【００５４】

【数６】 この（数６）で、Ｍ（０）及びＲ（０）は、オールパス
フィルタ１３ａから得られるメイン信号及びリファレン
ス信号である。上記したように、音声区間Ｔ1はこの始
端ｔｓから２．６秒間とする。

【００５５】さらに、始端ｔｓから過去１秒間のストッ
クデータを更新する。すなわち、過去１秒前の遅延デー
タＭＤ（ＣＨ），ＲＤ（ＣＨ）をＲＡＭから取り出す
（ステップＳ２４）。この遅延データを得ることによ
り、音声区間Ｔ1 内に１．６秒間の真の音声区間Ｔ0 を
包含することができる。また、音声データの遅延データ
を利用するのは、遅延データの音声始端よりも数ミリ早
く補正係数を更新しておくことにより、音声始端以前の
推定誤差によるオーディオ信号の残留成分を少なくし、
音声始端のトリガが早くかかり過ぎるのを防ぐという２
次的効果もある。

【００５６】次に、音声区間か否かを判別し（ステップ
Ｓ２５）、音声区間でない場合には、遅延データＭＤ
（ＣＨ），ＲＤ（ＣＨ）を補正係数計算用データとし
て、補正係数計算用ストックデータを更新する（ステッ
プＳ２６）。更新した遅延データＭＤ（ＣＨ），ＲＤ
（ＣＨ）を１秒間累計したΣＭＤ（ＣＨ），ΣＲＤ（Ｃ
Ｈ）は、音声成分を含んでいない遅延データの過去１秒
間の累計値である。この累計値を下記の（数７）に代入
して補正係数Ｇ（ＣＨ）を更新する。

【００５７】

【数７】 一方、ステップＳ２５において、音声区間である場合に
は、更新された補正係数Ｇ（ＣＨ）と遅延データＭＤ
（ＣＨ），ＲＤ（ＣＨ）を用いて、次の（数８）により
オーディオ騒音成分の減算を行い（ステップＳ２７）、
減算データすなわち遅延音声信号ＳＤ（ＣＨ）を得る。

【００５８】

【数８】 この減算データである遅延音声信号ＳＤ（ＣＨ）を音声
認識部２１に出力する（ステップＳ２８）。

【００５９】このように、メイン信号及びリファレンス
信号の現在値データと、更新前の補正係数を利用した音
声区間の検出、並びに、メイン信号及びリファレンス信
号の過去値データを利用することにより、以下に示す効
果を得ることができる。

【００６０】１）オーディオ騒音が大きい場合でも、更
新前補正係数を利用した減算データによって、予めある
程度のオーディオ騒音成分を除去しているので、音声信
号の始端の検出誤差を小さくすることができる。

【００６１】２）音声区間を自動的に検出するので、ユ
ーザが発声のたびにキー入力等の操作を行う負担を解消
することができる。

【００６２】３）音声信号のレベルが小さいために推定
誤りによるオーディオ騒音成分の残留成分が存在する場
合でも、音声信号を検出するスレッショルドレベルを大
きく設定することにより、オーディオ騒音による音声区
間の誤検出を少なくすることができ、補正係数の適正値
を求めることができる。したがって、音声認識部のスレ
ッショルドレベルに依存することがない。

【００６３】４）極めて単純な方法であるため、リアル
タイム処理が可能となる。

【００６４】本発明の第２の実施例の音声認識装置のブ
ロック図は、図３に示す第２の発明の実施例の構成と同
じ構成であり、その説明は省略する。

【００６５】この実施例の特徴は、適応型Ｓ．Ｓ法にお
ける補正係数の更新を発声ごとに毎回行うのではなく、
一定時間ごとに行うことにある。音声認識部にある程度
の定常雑音除去機能を有する場合、毎回ごとの補正係数
の更新を行うと、特にオーディオ成分の変動が大きい
と、減算量が毎回変動してしまう。その結果、推定誤差
によるオーディオ騒音の残留成分が毎回変動するため、
音声認識部の定常雑音除去機能が有効に働かない。図６
（ａ）は発声のたびに毎回補正係数を更新した場合のオ
ーディオ騒音の残留成分を示す図である。かかる場合に
は、音声認識部で音声区間の誤検出が起こり易いという
現象が生じる。すなわち、この第２の実施例は上記誤検
出を回避するためになされたものである。

【００６６】図７はこの第２の発明の第２の実施例の音
声認識装置のＣＰＵ１５の動作を示すフローチャートで
ある。このフローチャート及び図３に基づいて、この第
３の実施例の動作を説明する。

【００６７】まず、音声認識部２１からのチャンネル選
択信号ＣＳをモニタし、ラッチ回路１４及び２０へラッ
チタイミング信号を供給し（ステップＳ３１）、並び
に、ラッチ回路１４及び２０からＣＰＵ１５への取り込
みタイミングをつくり、データＭ（ＣＨ），Ｒ（ＣＨ）
を取り込む（ステップＳ３２）。

【００６８】この取り込んだデータより音声区間の検出
を行う（ステップＳ３３）。この検出は、オールパスフ
ィルタ１３ａから得られた更新前の補正係数Ｇ０（０）
を利用し、（数６）を満たすデータにより、音声の始端
とする。

【００６９】

【数６】音声区間はこの音声始端から２．６秒間（音声
認識装置の最大音声区間長）とする。

【００７０】次に、データのストックと遅延データの取
り出しを行う（ステップＳ３４）。現在より過去数秒間
（この場合１秒間とする）のストックデータを更新し、
これにより遅延データＭＤ（ＣＨ），ＲＤ（ＣＨ）を得
る。その後、音声区間か否かを判別し（ステップＳ３
５）、音声区間でない場合には、この遅延データをスト
ックして補正係数の候補を作成する（ステップＳ３
６）。具体的には、音声区間でないときに、得られた遅
延データＭＤ（ＣＨ），ＲＤ（ＣＨ）を補正係数計算用
データとして、補正係数計算用ストックデータを更新す
る。そして、音声成分が含まれていない過去１秒間分の
累計値ΣＭＤ（ＣＨ），ΣＲＤ（ＣＨ）を用いて下記の
（数９）により、補正係数候補Ｇｃ（ＣＨ）を求める。

【００７１】

【数９】 補正係数候補Ｇｃ（ＣＨ）を求めた後、一定時間ごとに
補正係数の更新を行う（ステップＳ３７）。すなわち、
カウンタを設定して、音声区間でないときにこのカウン
タをインクリメントし、一定時間（この場合、０．５
秒）ごとに補正係数候補Ｇｃ（ＣＨ）を補正係数Ｇ（Ｃ
Ｈ）として更新する。

【００７２】一方、音声区間でない場合には、Ｓ３６，
Ｓ３７は省く。次に、音声区間の有無に関わらず、オー
ディオ騒音成分の減算処理を行う（ステップＳ３８）。
この減算処理は、更新された補正係数Ｇ（ＣＨ）と遅延
データＭＤ（ＣＨ），ＲＤ（ＣＨ）とを用いて、（数
８）により音声信号ＳＤ（ＣＨ）を抽出し、その減算デ
ータを出力する（ステップＳ３９）。

【００７３】

【数８】図６（ｂ）は一定時間（０．５秒）ごとに補正
係数を更新した場合のオーディオ騒音の残留成分を示す
図である。この図で明らかなように、残留成分の変動が
少なくなるので、音声認識部の定常雑音除去機能によ
り、残留成分を除去することができる。

【００７４】次に、本発明の第３の実施例について説明
する。

【００７５】この実施例の音声認識装置のブロック図
も、図３に示す第２の発明の実施例の構成と同じ構成で
あるので、その説明は省略し、図８に示す動作フローチ
ャートに基づいてその動作について説明する。図８はこ
の第２の発明の第３の実施例の音声認識装置のＣＰＵ１
５の動作を表すフローチャートである。

【００７６】音声認識部２１から供給されるチャンネル
選択信号ＣＳを監視して、ラッチ回路１４及び２０へラ
ッチタイミングの信号を出力し（ステップＳ４１）、ラ
ッチ回路１４及び２０よりデータＭ（ＣＨ）及びＲ（Ｃ
Ｈ）を取り込む（ステップＳ４２）。

【００７７】次に、取り込んだデータにより音声区間の
検出を行う（ステップＳ４３）。この音声区間の始端ｔ
ｓの検出は以下のようにして行う。フィルタバンク１３
のオールパスフィルタ１３ａから得られた更新前の補正
係数（これをＧ０（０）とする）を利用し、下記に示す
（数６）により、音声信号のレベルが所定のスレッショ
ルドレベルＴＨより大となる点（時間）すなわち始端ｔ
ｓを検出する。

【００７８】

【数６】この（数６）で、Ｍ（０）及びＲ（０）は、オ
ールパスフィルタ１３ａから得られるメイン信号及びリ
ファレンス信号である。上記したように、音声区間Ｔ1
はこの始端ｔｓから２．６秒間とする。

【００７９】さらに、始端ｔｓから過去１秒間のストッ
クデータを更新する。すなわち、過去１秒前の遅延デー
タＭＤ（ＣＨ），ＲＤ（ＣＨ）をＲＡＭから取り出す
（ステップＳ４４）。この遅延データをストックすると
ともに、補正係数候補を作成する（ステップＳ４５）。
すなわち、遅延データＭＤ（ＣＨ），ＲＤ（ＣＨ）を補
正係数計算用データとして、補正係数計算用ストックデ
ータを更新する。そして、遅延データの過去１秒分の累
計値ΣＭＤ（ＣＨ），ΣＲＤ（ＣＨ）を計算し、補正係
数の候補Ｇｃ（ＣＨ）を（数９）により求める。

【００８０】

【数９】次に、音声始端を検出したか否かを判別し（ス
テップＳ４６）、音声始端を検出した場合には、Ｇｃ
（ＣＨ）＝Ｇ（ＣＨ）として補正係数を更新する（ステ
ップＳ４７）。

【００８１】図９はこの実施例における音声認識装置の
音声始端を検出する様子を示す図である。この音声始端
の検出により補正係数の更新を行うものである。すなわ
ち、かかる方法による補正係数の更新は、図９における
音声始端であるａ点の２秒前（ｃ点）から１秒前（ｂ
点）のデータの累計値の比が補正係数となる。したがっ
て、出力データは遅延データであるため、ｂ点から補正
係数が更新されることになる。

【００８２】よって、毎回の発声ごとに補正係数を更新
するときも、オーディオ騒音の残留成分の変動が少なく
なり、図６（ｂ）に示すような波形が得られるので、音
声認識部２１がある程度の定常雑音除去機能を有する場
合には、残留成分は定常雑音として除去される可能性が
高くなる。

【００８３】この方式の場合、更新前の補正係数は前回
の発声の際に決定されるので、例えば、「ボイスコント
ロール」というような特定の単語の発声で音声認識装置
が音声起動し、その後コントロールワードを認識させる
ようなシステムの場合に有効となる。

【００８４】ステップＳ４６において音声始端でない場
合には、オーディオ騒音成分の減算を行い（ステップＳ
４８）、更新された補正係数Ｇ（ＣＨ）と遅延データＭ
Ｄ（ＣＨ），ＲＤ（ＣＨ）を用いて、（数８）により遅
延音声信号のデータＳＤ（ＣＨ）を抽出してデータの出
力を行う（ステップＳ４９）。

【００８５】

【数８】この第３の実施例によれば、音声始端検出位置
で補正係数を更新することにより、毎回の発声ごとに補
正係数を更新する場合でも、音声始端の誤検出が起こり
にくくなる。

【００８６】また、音声の発声間隔は通常２秒以上ある
ので、図９に示すｃ点からｂ点までは音声データが含ま
れないことか予想され、音声成分の有無を判定する必要
がなくなるという利点もある。

【００８７】３．第３の発明の実施例について説明す
る。

【００８８】この発明の特徴は、更新した補正係数に対
して、さらに所定の調整量を乗ずることにある。

【００８９】以下に述べるこの発明の第１及び第２の実
施例の音声認識装置のブロック図は、図３に示す第２の
発明の実施例の構成と同じ構成であり、その説明は省略
する。

【００９０】図１０はこの第３の発明の実施例における
音声認識装置のＣＰＵ１５の動作を表すフローチャート
である。このフローチャート及び図３に基づいて、この
第３の発明の第１の実施例の動作を説明する。

【００９１】まず、音声認識部２１からのチャンネル選
択信号ＣＳをモニタし、ラッチ回路１４及び２０へラッ
チタイミング信号を供給し（ステップＳ５１）、並び
に、ラッチ回路１４及び２０からＣＰＵ１５への取り込
みタイミングをつくり、データＭ（ＣＨ），Ｒ（ＣＨ）
を取り込む（ステップＳ５２）。

【００９２】この取り込んだデータより音声区間の検出
を行う（ステップＳ５３）。この検出は、オールパスフ
ィルタ１３ａから得られた更新前の補正係数Ｇ０（０）
を利用し、（数６）を満たすデータにより、音声の始端
とする。

【００９３】

【数６】音声区間はこの音声始端から２．６秒間（音声
認識装置の最大音声区間長）とする。

【００９４】次に、データのストックと遅延データの取
り出しを行う（ステップＳ５４）。現在より過去数秒間
（この場合１秒間とする）のストックデータを更新し、
これにより遅延データＭＤ（ＣＨ），ＲＤ（ＣＨ）を得
る。そして音声区間か否かを判別して（ステップＳ５
５）、音声区間でない場合には、遅延音声成分を含まな
い遅延データをストックして補正係数の候補を作成する
（ステップＳ５６）。具体的には、音声区間でないとき
に、得られた遅延データＭＤ（ＣＨ），ＲＤ（ＣＨ）を
補正係数計算用データとして、補正係数計算用ストック
データを更新する。そして、音声成分が含まれていない
過去１秒間分の累計値ΣＭＤ（ＣＨ），ΣＲＤ（ＣＨ）
を用いて下記の（数９）により、補正係数候補Ｇｃ（Ｃ
Ｈ）を求める。

【００９５】

【数９】補正係数候補Ｇｃ（ＣＨ）を求めた後、０．５
秒ごとに補正係数の更新を行う（ステップＳ５７）。す
なわち、カウンタを設定して、音声区間でないときにこ
のカウンタをインクリメントし、０．５秒ごとに補正係
数候補Ｇｃ（ＣＨ）を補正係数Ｇ（ＣＨ）として更新す
る。さらに更新した補正係数の調整を行う（ステップＳ
５８）。この調整は、遅延音声成分を含まない遅延デー
タＭＤ（ＣＨ）の累計値ΣＭＤ（ＣＨ）を利用して、調
整量αを調整量決定ルールより求め、オールパスフィル
タ（ＣＨ０）１３ａの補正係数をＧ′（０）（＝Ｇ
（０）・α）とする。

【００９６】図１１は第３及び後述する第４の発明の音
声認識装置における補正係数の調整量決定ルールを表す
図である。図１１において、横軸は遅延データＭＤ（Ｃ
Ｈ）の累計値ΣＭＤ（ＣＨ）の数であり、縦軸は調整量
αである。累計値の数が２００まではαは１であり、２
００から４００まではαは１．３となり、累計値に応じ
てαの値が増加する。このように、図１１に示す調整量
決定ルールにおけるαの値は常に１以上であり、次の処
理である調整量の修正のため、予め減算量が多めになる
ように設定されている。

【００９７】補正係数の修正処理（ステップＳ５９）に
おいては、ＣＨ０のオーディオ成分の減算時に、減算結
果が負となった場合に、減算量が多すぎることを示す減
算量過多フラグを立て、音声区間以外の過去一定時間
（この場合３秒間とする）の累計値を計算する。例え
ば、１フレーム１０ｍｓとした場合、累計値が３００で
あれば完全に減算のし過ぎであるということが解る。こ
のような場合には、調整量αをディクリメントして修正
することにより減算のし過ぎを回避できる。

【００９８】この場合のルールは、 累計値＞２８５ ならば 調整量のディクリメント 累計値＜２５０ ならば 調整量のインクリメント とし、累計データが３秒間データであるため、この判断
も３秒ごとに行う。

【００９９】ステップＳ５５において音声区間でない場
合には、オーディオ騒音成分の減算処理を行う（ステッ
プＳ６０）。この減算処理は、更新された補正係数Ｇ
（ＣＨ）と遅延データＭＤ（ＣＨ），ＲＤ（ＣＨ）とを
用いて、（数８）により音声信号ＳＤ（ＣＨ）を抽出
し、その減算データを出力する（ステップＳ６１）。

【０１００】この実施例による効果は、オーディオ騒音
レベルの変動に応じて補正係数を更新できることであ
る。

【０１０１】通常、オーディオ騒音レベルが大きくなる
と推定誤差が生じるため、オーディオ騒音の残留データ
が多く残ってしまい、音声認識部における音声区間の検
出誤りが多くなる。そこで、本実施例の発明を適用する
ことにより、オーディオ騒音レベルが大きいときは上記
調整量決定ルールに従い、オールパスフィルタにおいて
多めに減算することにより、音声区間の検出誤りを少な
くすることができる。

【０１０２】一方、オーディオ騒音レベルが小さいとき
には、オーディオ騒音の残留レベルは少ないので、多く
減算し過ぎると音声区間が狭まるために類似度が低下す
る。かかる場合には、調整量決定ルールに従い、オール
パスフィルタにおいて少なめになるように減算すること
により、類似度を高くすることができる。

【０１０３】次にこの発明の第２の実施例について説明
する。

【０１０４】第２の実施例の特徴は、第１の実施例と同
様に、更新した補正係数に対して、さらに所定の調整量
を乗ずることにある。もっともこの実施例の場合には補
正係数の修正は行わない点が第１の実施例と異なる。

【０１０５】図１２はこの第３の発明の第２の実施例に
おける音声認識装置のＣＰＵ１５の動作を示すフローチ
ャートである。このフローチャート及び図３に基づい
て、この第２の実施例の動作を説明する。

【０１０６】まず、音声認識部２１からのチャンネル選
択信号ＣＳをモニタし、ラッチ回路１４及び２０へラッ
チタイミング信号を供給し（ステップＳ７１）、並び
に、ラッチ回路１４及び２０からＣＰＵ１５への取り込
みタイミングをつくり、データＭ（ＣＨ），Ｒ（ＣＨ）
を取り込む（ステップＳ７２）。

【０１０７】この取り込んだデータより音声区間の検出
を行う（ステップＳ７３）。この検出は、オールパスフ
ィルタ１３ａから得られた更新前の補正係数Ｇ０（０）
を利用し、（数６）を満たすデータにより、音声の始端
とする。

【０１０８】

【数６】音声区間はこの音声始端から２．６秒間（音声
認識装置の最大音声区間長）とする。

【０１０９】次に、データのストックと遅延データの取
り出しを行う（ステップＳ７４）。現在より過去数秒間
（この場合１秒間とする）のストックデータを更新し、
これにより遅延データＭＤ（ＣＨ），ＲＤ（ＣＨ）を得
る。そして音声区間か否かを判別して（ステップＳ７
５）、音声区間でない場合には、遅延音声成分を含まな
い遅延データをストックして補正係数の候補を作成する
（ステップＳ７６）。具体的には、音声区間でないとき
に、得られた遅延データＭＤ（ＣＨ），ＲＤ（ＣＨ）を
補正係数計算用データとして、補正係数計算用ストック
データを更新する。そして、音声成分が含まれていない
過去１秒間分の累計値ΣＭＤ（ＣＨ），ΣＲＤ（ＣＨ）
を用いて下記の（数９）により、補正係数候補Ｇｃ（Ｃ
Ｈ）を求める。

【０１１０】

【数９】補正係数候補Ｇｃ（ＣＨ）を求めた後、０．５
秒ごとに補正係数の更新を行う（ステップＳ７７）。す
なわち、カウンタを設定して、音声区間でないときにこ
のカウンタをインクリメントし、０．５秒ごとに補正係
数候補Ｇｃ（ＣＨ）を補正係数Ｇ（ＣＨ）として更新す
る。さらに更新した補正係数の調整を行う（ステップＳ
７８）。この調整は、遅延音声成分を含まない遅延デー
タＭＤ（ＣＨ）の累計値ΣＭＤ（ＣＨ）を利用して、調
整量αを調整量決定ルールより求め、オールパスフィル
タ（ＣＨ０）１３ａの補正係数をＧ′（０）（＝Ｇ
（０）・α）とする。調整量決定ルールは第４の実施例
と同じく図９に示す通りである。

【０１１１】ステップＳ７５において音声区間でない場
合には、オーディオ騒音成分の減算処理を行う（ステッ
プＳ７９）。この減算処理は、更新された補正係数Ｇ
（ＣＨ）と遅延データＭＤ（ＣＨ），ＲＤ（ＣＨ）とを
用いて、（数８）により音声信号ＳＤ（ＣＨ）を抽出
し、その減算データを出力する（ステップＳ８０）。

【０１１２】

【数８】この実施例による効果は、オーディオ騒音レベ
ルの変動に応じて補正係数を更新できることである。

【０１１３】通常、オーディオ騒音レベルが大きくなる
と推定誤差が生じるため、オーディオ騒音の残留データ
が多く残ってしまい、音声認識部における音声区間の検
出誤りが多くなる。そこで、本実施例の発明を適用する
ことにより、オーディオ騒音レベルが大きいときは上記
調整量決定ルールに従い、オールパスフィルタにおいて
多めに減算することにより、音声区間の検出誤りを少な
くすることができる。

【０１１４】一方、オーディオ騒音レベルが小さいとき
には、オーディオ騒音の残留レベルは少ないので、多く
減算し過ぎると音声区間が狭まるために類似度が低下す
る。かかる場合には、調整量決定ルールに従い、オール
パスフィルタにおいて少なめになるように減算すること
により、類似度を高くすることができる。

【０１１５】４．第４の発明の実施例について説明す
る。

【０１１６】この発明の特徴は、特に車両等の移動体内
に設置された音声認識装置において、オーディオ騒音環
境下における音声認識装置の認識率の低下を防ぐため
に、既知オーディオ信号を基準信号として適応的にオー
ディオ騒音成分を除去する方式での、車両の走行騒音の
重畳時における対策を行うことにある。

【０１１７】この実施例の音声認識装置のブロック図
も、図３に示す第２の発明の実施例の構成と同じ構成で
あり、その説明は省略する。

【０１１８】図３において、マイク１１から入力される
メイン信号ｍａは、下記の（数１０）で表される。

【０１１９】

【数１０】ｍａ＝ｓａ＋ｏａ・ｇ＋ｎａ ここで、ｓａは発声者からの音声をうけて、マイク１１
で電気信号として出力される音声信号であり、マイク１
１の変換特性が加わったものである。また、ｏａはオー
ディオ装置１６から送出されるオーディオ信号である。
さらに、ｇはオーディオ信号ｏａがスピーカ１７の変換
特性により音に変換され、その発生した音が伝播してマ
イク１１に到達するまでに受ける伝送特性である。ま
た、ｎａは車両の走行騒音成分である。

【０１２０】入力信号（ｍａ，ｏａ）を周波数解析しデ
ジタル化したデータ、Ｍ（ＣＨ），Ｒ（ＣＨ）を用いる
と、（数１０）は次の（数１１）で表すことができる。

【０１２１】

【数１１】 もっともこの（数１１）はアナログ信号をデジタル化し
てるために生ずる誤差により、左項と右項とは必ずしも
完全に等しくはならない。この式において、Ｓ（ＣＨ）
は音声信号ｓａをデジタル化したデータであり、Ｇ（Ｃ
Ｈ）はＲ（ＣＨ）に乗じてメイン信号Ｍ（ＣＨ）に含ま
れる音声信号成分Ｓ（ＣＨ）を予測するための補正係数
である。また、Ｎ（ＣＨ）は走行騒音成分ｎａをデジタ
ル化したデータである。

【０１２２】この（数１１）により、走行音声成分Ｎ
（ＣＨ）を含む音声信号Ｓ（ＣＨ）は次に示す（数１
２）で表される。

【０１２３】

【数１２】 この（数１２）により、メイン信号Ｍ（ＣＨ）に含まれ
る音声信号Ｓ（ＣＨ）及び走行騒音成分Ｎ（ＣＨ）の合
成成分が予測できる。

【０１２４】この補正係数Ｇ（ＣＨ）は、周波数分解能
であるチャンネル数ｎが大であるならば、音声が発生し
ていないとき、かつ、走行騒音がゼロのときのＭ（Ｃ
Ｈ）とＲ（ＣＨ）との比により推測可能である。すなわ
ち、Ｓ（ＣＨ）＝０、Ｎ（ＣＨ）＝０とすると、Ｍ（Ｃ
Ｈ）＝Ｒ（ＣＨ）・Ｇ（ＣＨ）となり、補正係数Ｇ（Ｃ
Ｈ）は、Ｍ（ＣＨ）／Ｒ（ＣＨ）と表すことができるか
らである。

【０１２５】ここで、変動騒音及び基準信号に含まれな
い定常騒音の環境下において、Ｇ（ＣＨ）をいかに精度
良く推定できるかが重要となる。

【０１２６】この場合、音声認識部２１が定常騒音を除
去する機能を有するとすると、音声成分に定常騒音であ
る走行騒音を含んでいても良いので、音声認識部２１に
供給するデータは、Ｓ（ＣＨ）＋Ｎ（ＣＨ）で良い。な
お、音声認識部が定常騒音を除去する方式は、単一マイ
クによるＳ．Ｓ法とする。

【０１２７】図１３は第４の発明の実施例における音声
認識装置のＣＰＵ１５の動作を表すフローチャートであ
る。このフローチャート及び図３に基づいて、この第４
の発明の実施例の動作を説明する。

【０１２８】まず、音声認識部２１からのチャンネル選
択信号ＣＳをモニタし、ラッチ回路１４及び２０へラッ
チタイミング信号を供給し（ステップＳ８１）、並び
に、ラッチ回路１４及び２０からＣＰＵ１５への取り込
みタイミングをつくり、データＭ（ＣＨ），Ｒ（ＣＨ）
を取り込む（ステップＳ８２）。

【０１２９】この取り込んだデータより音声区間の検出
を行う（ステップＳ８３）。この検出は、オールパスフ
ィルタ１３ａから得られた更新前の補正係数Ｇ０（０）
を利用し、（数６）を満たすデータにより、音声の始端
とする。なおこの場合のトリガレベルは固定値である。

【０１３０】

【数６】音声区間はこの音声始端から２．６秒間（音声
認識装置の最大音声区間長）とする。

【０１３１】次に、データのストックと遅延データの取
り出しを行う（ステップＳ８４）。現在より過去数秒間
（この場合１秒間とする）のストックデータを更新し、
これにより遅延データＭＤ（ＣＨ），ＲＤ（ＣＨ）を得
る。そして音声区間か否かを判別して（ステップＳ８
５）、音声区間でない場合には、遅延音声成分を含まな
い遅延データをストックして補正係数の候補を作成する
（ステップＳ８６）。具体的には、音声区間でないとき
に、得られた遅延データＭＤ（ＣＨ），ＲＤ（ＣＨ）を
補正係数計算用データとして、補正係数計算用ストック
データを更新する。そして、音声成分が含まれていない
過去１秒間分の累計値ΣＭＤ（ＣＨ），ΣＲＤ（ＣＨ）
を用いて下記の（数９）により、補正係数候補Ｇｃ（Ｃ
Ｈ）を求める。

【０１３２】

【数９】次に、各種フラグの設定を行う（ステップＳ８
７）。この場合のフラグとしては、走行騒音環境下であ
るかどうかのフラグ（Ｎ−ＦＬＡＧ）、及び、音楽騒音
環境下であるかどうかのフラグ（Ｍ−ＦＬＡＧ）を設定
する。

【０１３３】Ｎ−ＦＬＡＧの設定は、ステップＳ８６で
得られたＣＨ１の遅延音声成分を含まないデータの累計
値ΣＭＤ（１），ΣＲＤ（１）と、走行音声成分を含ま
ない３０秒間の累計値ΣＭＤ（１），ΣＲＤ（１）のさ
らに累計値ΣΣＭＤ（１），ΣΣＲＤ（１）（これにつ
いては後述する）を用い、次の（数１３）を満たす場合
にＮ−ＦＬＡＧをたてる。

【０１３４】

【数１３】 Ｍ−ＦＬＡＧの設定は、ステップＳ８６で得られたＣＨ
０リファレンス信号の遅延音声成分を含まないデータの
累計値ΣＲＤ（０）を用い、次の（数１４）を満たす場
合にＭ−ＦＬＡＧをたてる。

【０１３５】

【数１４】 以下、Ｎ−ＦＬＡＧがたっている場合をＮＦ＝１、たっ
ていない場合をＮＦ＝０と表し、Ｍ−ＦＬＡＧがたって
いる場合をＭＦ＝１、たっていない場合をＭＦ＝０と表
す。

【０１３６】その後、これら２つのフラグを判定して、
補正係数の更新（ステップＳ８８）、補正係数の調整
（ステップＳ８９）、補正係数の修正（ステップＳ９
０）を行う。補正係数の更新については、ＮＦ＝０，Ｍ
Ｆ＝１の場合には、カウンタを設定し、音声区間でない
ときにカウンタをインクリメントし、一定時間（この場
合、０．５秒）おきにＧ（ＣＨ）＝Ｇｃ（ＣＨ）として
補正係数を更新する。

【０１３７】さらに、３０秒平均補正係数の計算を行
う。すなわち、ステップＳ８６で得られた遅延音声成分
を含まないデータの累計値ΣＭＤ（ＣＨ），ΣＲＤ（Ｃ
Ｈ）を一定時間（この場合、０．５秒間）ごとにストッ
クし、同時に過去３０秒間のさらなる累計値ΣΣＭＤ
（ＣＨ），ΣΣＲＤ（ＣＨ）を求める。ここで求めたＣ
Ｈ０の累計値が（数１３）に用いられるデータとなる。

【０１３８】ＮＦ＝１，ＭＦ＝１の場合には、次の（数
１５）により補正係数を決定する。

【０１３９】

【数１５】 補正係数の調整についても２つのフラグの値によってそ
れぞれ異なる調整を行い、ＮＦ＝０，ＭＦ＝１の場合に
は、メイン信号の遅延音声成分を含まないデータの累計
値ΣＭＤ（０）を利用して、調整量αを図９の調整量決
定ルールより求め、オールパスフィルタ（ＣＨ０）１３
ａの補正係数をＧ′（０）（＝Ｇ（０）・α）とする。
ここで調整量決定ルールは、次の調整量の修正のため予
め減算量が多めになるように設定されている。

【０１４０】一方、ＮＦ＝１，ＭＦ＝１の場合には、メ
イン信号の遅延音声成分を含まないデータの累計値ΣＭ
Ｄ（０）には走行騒音成分が含まれるため、次の（数１
６）によりΣＭＤ（０）の推定値ΣＭＤ inf（０）を求
める。

【０１４１】

【数１６】 その後、ＮＦ＝０，ＭＦ＝１の場合と同様に、調整量α
を図９の調整量決定ルールより求め、オールパスフィル
タ（ＣＨ０）１３ａの補正係数をＧ′（０）（＝Ｇ
（０）・α）とする。

【０１４２】次に、補正係数の修正については、Ｍ−Ｆ
ＬＡＧのみに注目し、ＭＦ＝１の場合に調整量の修正を
行う。ＣＨ０のオーディオ成分の減算時に、減算結果が
負となった場合に、減算量が多すぎることを示す減算量
過多フラグを立て、音声区間以外の過去一定時間（この
場合３秒間とする）の累計値を計算する。例えば、１フ
レーム１０ｍｓとした場合、累計値が３００であれば完
全に減算のし過ぎであるということが解る。このような
場合には、調整量αをディクリメントして修正すること
により減算のし過ぎを回避できる。

【０１４３】この場合のルールは、 累計値＞２８５ ならば 調整量のディクリメント 累計値＜２５０ ならば 調整量のインクリメント とし、累計データが３秒間データであるため、この判断
も３秒ごとに行う。

【０１４４】ステップＳ８５において音声区間でない場
合には、フラグの設定をして（ステップＳ９１）、オー
ディオ騒音成分の減算処理を行う（ステップＳ９２）。
この減算処理は、更新された補正係数Ｇ（ＣＨ）と遅延
データＭＤ（ＣＨ），ＲＤ（ＣＨ）とを用いて、（数
８）により音声信号ＳＤ（ＣＨ）を抽出し、その減算デ
ータを出力する（ステップＳ９３）。

【０１４５】この第４の発明の実施例によれば、既知雑
音環境下の適応型Ｓ．Ｓ法において、音声成分に走行騒
音が重畳した場合であっても、適正な補正係数でオーデ
ィオ騒音成分を除去し、走行騒音除去に対しては音声認
識部の機能をそのまま利用することができる。

【０１４６】第２の発明の第３の実施例における音声認
識装置の音声始端を検出する様子を示す図である。

【０１４７】５．第５ないし第７の発明の実施例につい
て説明する。

【０１４８】第５ないし第７の発明は、それぞれ、上記
第１ないし第４の発明における音声トリガレベルの決定
方法、走行騒音判定レベルの決定方法、及び、補正係数
の調整量の決定方法をファジィ推論により行うものであ
る。

【０１４９】なお、これらの実施例のシステム構成は図
３のブロック図と同一であるのでその説明は省略する。
図１４は第５ないし第７の発明における音声トリガレベ
ルの決定方法、走行騒音判定レベルの決定方法、及び、
補正係数の調整量の決定方法をファジィ推論により行っ
た場合の、ＣＰＵ１５の動作を表すフローチャートであ
る。

【０１５０】図３及び図１４において、音声認識部２１
のＣＨ信号をモニタし、それからラッチ回路１４及び２
０のラッチタイミングとＣＰＵ１５の取り込みタイミン
グをつくり、データ（Ｍ（ＣＨ），Ｒ（ＣＨ））を取り
込む（ステップＳ１０１）。次に、ファジィ推論によ
り、音声トリガレベルを決定して音声区間を検出する
（ステップＳ１０２）。この場合、更新前の補正係数を
Ｇ０（ＣＨ）としてこれをを利用し、

【０１５１】

【数６】を音声の始端とする。音声区間は音声始端から
２．６秒間（これは音声認識装置の最大音声区間長）と
する。この場合、上記第２ないし第４の発明と同様、音
声始端からすなわち現在から過去数秒間（この場合１秒
間）のストックデータをＲＡＭから読み出して、遅延デ
ータＭＤ（ＣＨ）、ＲＤ（ＣＨ）を得る。そして音声区
間かどうかを判別し（ステップＳ１０３）、音声区間で
ない場合には、遅延データＭＤ（ＣＨ）、ＲＤ（ＣＨ）
を補正係数の計算用データとして補正係数計算用ストッ
クデータを更新する。そして音声成分未含有の遅延デー
タの過去１秒間の累計値であるΣＭＤ（ＣＨ）とΣＲＤ
（ＣＨ）とを計算し、補正係数の候補Ｇｃ（ＣＨ）を、

【０１５２】

【数９】より作成する。

【０１５３】そして音響騒音すなわちオーディオ騒音成
分があるかどうかを判別する（ステップＳ１０４）。そ
の判別結果に応じて音響騒音環境下であるかどうかのフ
ラグ（これを「Ｍ ＦＬＡＧ」と称する）を設定する。
この設定は、ＣＨ０リファレンス信号の遅延音声成分未
含有データの累計値ΣＲＤ（１）を用い、

【０１５４】

【数１４】の条件を満たしたときにＭ ＦＬＡＧをたて
る。

【０１５５】オーディオ騒音成分があるときは走行騒音
があるかどうかを、ファジィ推論により判別する（ステ
ップＳ１０５）。その判別結果に応じて走行騒音環境下
であるかどうかのフラグ（これを「Ｎ ＦＬＡＧ」と称
する）を設定する。この設定において、走行騒音判定レ
ベルはファジィ推論により判別するが（ステップＳ１０
５）、このとき、前回求めた音響騒音レベルΣＭＤ
（０）を用いて決定する。そして、ＣＨ１の遅延音声成
分未含有データの累計値ΣＭＤ（１）、ΣＲＤ（１）
と、走行騒音成分の含まれない３０秒間の累計値（これ
については後述する）を用い、

【０１５６】

【数１３】の条件を満たしたときにＮ ＦＬＡＧをたて
る。

【０１５７】Ｍ ＦＬＡＧがたっていて、Ｎ ＦＬＡＧ
がたっていない場合には、適応的に補正係数を更新する
（ステップＳ１０６）。具体的には、カウンタを設定
し、音声区間でないときにこのカウンタを進ませ、かつ
数ミリ秒（この場合、０．５秒）おきにＧ（ＣＨ）＝Ｇ
ｃ（ＣＨ）として補正係数を更新する。さらにステップ
Ｓ１０３で得られた遅延音声成分未含有データの累積値
（ΣＭＤ（ＣＨ），ΣＲＤ（ＣＨ））を数秒間毎（ここ
では０．５秒）にストックし、同時に過去３０秒間の更
なる累積値（ΣΣＭＤ（ＣＨ），ΣΣＲＤ（ＣＨ））を
求める。そしてファジィ推定により調整量の決定及び修
正を行い（ステップＳ１０７）、さらに決定あるいは修
正した調整量により減算処理を行い（ステップＳ１０
８）、その減算結果を出力する（ステップＳ１０９）。

【０１５８】一方、Ｍ ＦＬＡＧ及びＮ ＦＬＡＧがと
もにたっている場合には、ステップＳ１０６で求めた遅
延音声成分未含有データの過去３０秒間の累計値である
ΣΣＭＤ（ＣＨ）、ΣΣＲＤ（ＣＨ）を用いて、次式、

【数１５】により補正係数を更新する（ステップＳ１１
０）。その更新した補正係数によりパラメータを推定し
（ステップＳ１１１）、ファジィ推論により調整量の決
定と修正を行い（ステップＳ１０７）、その決定あるい
は修正した調整量により減算処理を行い（ステップＳ１
０８）、その減算結果を出力する（ステップＳ１０
９）。なお、、ステップＳ１０３において音声区間であ
る場合、及びステップＳ１０４においてオーディオ騒音
成分がない場合には、調整量の決定及び修正を行うこと
なくステップＳ１０８に移行して減算処理を行う。

【０１５９】第５の発明による音声トリガレベル決定方
法を説明する。図１５にステップＳ１０２における音声
トリガレベルを決定するためのファジィ推論方法を示
す。すなわち、第４の発明の実施例においては、固定値
の音声トリガレベルにより音声区間を検出したが、本発
明においては、図１５のファジィルールに基づいて音声
トリガレベルを決定する。

【０１６０】適応型Ｓ．Ｓ．方式は、前処理的に減算を
行った結果に基づいて音声始端を決定する方式であるた
め、前処理的に減算を行った結果を参照して、本方式の
音声トリガレベル決定のファジィルールを作成した。こ
のファジィルールは、ＭＡＸ−ＭＩＮ重心法による方法
である。この重心法とは、各ルール（この場合、ルール
１ないし６）ごとに推論結果を求め、各ルールにおける
推論結果を総合して、その重心としてルール全体の推論
結果を得る方法である。図１６は、図１５のファジィル
ールに対応した減算結果を示すものであり、ルール１〜
６が各々図１６（ａ）〜（ｆ）の場合を想定している。
すなわち、残留レベルに応じて音声トリガレベルを調整
している。

【０１６１】本発明のファジィ推論による音声トリガレ
ベル決定方法により、次にような効果が得られる。

【０１６２】１．音響騒音レベルと走行騒音レベルに応
じて音声トリガレベルを決定することが可能となり、残
留成分が大きい時にはその残留成分でトリガが掛かる事
の無いようにトリガレベルを大きくし、残留成分が少な
い時には比較的発声レベルが低い発声者に対して発声音
に音声トリガが掛かり難くなることの無いようトリガレ
ベルを小さくする事により、適応型Ｓ．Ｓ．方式の効果
を向上させることが可能となった。

【０１６３】２．ファジィ推論を利用することにより、
通常の制御では難しかった複数のパラメータ（ここでは
音響騒音レベルと走行騒音レベルの２パラメータ）によ
る制御ルールの作成、調整が容易となった。

【０１６４】３．該発明のファジィルールは６つのルー
ルで示されるが、ファジィ推論による補間効果により、
中間的な値に対しても適切な制御が可能となり、きめ細
かい制御が可能となった。

【０１６５】４．ロンバート効果を考えると、騒音レベ
ルが低い状態（結果として本方式による騒音の残留レベ
ルが小さい場合、例えば図１６（ｄ））では同一話者で
も発声レベルは低くなる。又、その逆の場合にはロンバ
ート効果により発声レベルは高くなる。よって、ロンバ
ート効果による音声レベルの変動にも本方式はマッチし
ている。

【０１６６】次に、第６の発明である走行騒音判定レベ
ル決定方法について説明する。図１７に図１４のステッ
プＳ１０５における走行騒音の有無を判定するための、
走行騒音判定フラグのしきい値決定ルールを示す。ルー
ル全体の推論結果の計算はＭＡＸ−ＭＩＮ重心法によ
る。

【０１６７】図１３におけるフラグ設定においては、走
行騒音を判定してフラグを立てるしきい値が固定であっ
た。この固定値は、音響騒音レベルが有る程度小さい時
に、走行騒音が音響騒音よりも支配的になる走行騒音レ
ベルの手前の走行騒音レベルを採用していた。しかし実
際には、音響騒音レベルがかなり大きいと、走行騒音が
音響騒音よりも支配的となる走行騒音レベルは上方にシ
フトする。

【０１６８】そのため、必要以上に走行騒音レベルが低
い位置で補正係数の更新及び学習がなされなくなり、適
応的な処理の効果が低減してしまった。そこで、ファジ
ィ推論により、音響レベルに応じて走行騒音判定フラグ
のしきい値を決定する。

【０１６９】このルールは音響騒音と走行騒音とがどち
らが支配的となるかを考慮している。つまり、音響騒音
レベルが「かなり大きい」時には全般的に音響騒音が支
配的となり易く、走行騒音が支配的となる走行騒音レベ
ルはかなり上方に位置するため、走行騒音判定フラグの
しきい値も「かなり大きい」とする。

【０１７０】逆に、音響騒音レベルが「有る程度小さ
い」時には、走行騒音が支配的となり易く、その走行騒
音レベルは低いレベルに位置されるため、走行騒音判定
フラグのしきい値は「小さい」とする。

【０１７１】この第６の発明によれば、ファジィ推論に
より、音響騒音レベルに応じて走行騒音判定フラグのし
きい値を決定することが可能となり、適応型Ｓ．Ｓ．方
式の効果を向上させることができる。

【０１７２】また、この発明の調整量決定ルールは音響
騒音レベルに応じて２つのルールで示されるが、ファジ
ィ推論による補間効果により、中間的な値に対しても適
切な制御が可能となり、きめ細かい制御が可能となっ
た。

【０１７３】次に、第７の発明であるファジィ推論によ
る調整量決定方法について説明する。図１８は図１４の
ステップＳ１０８における調整量を決定するための調整
量決定ルールを示す。また、図１９は走行騒音レベルに
より減算量を変化させた場合の減算結果を示す図であ
る。図１９（ａ）は走行騒音レベルが「かなり大きい」
時の通常の減算量の場合の減算結果を示し、図１９
（ｂ）は走行騒音レベルが「ある程度大きい」時に減算
量を少な目にした場合の減算結果を示し、図１９（ｃ）
は走行騒音レベルが「ある程度大きい」時に減算量を多
目にした場合の減算結果を示す。また、図２０は走行騒
音レベル及び音響騒音レベルと調整量との関係の概略を
示す図である。この図２０でａは走行騒音レベルが「小
さい」時の図１８におけるルール１及びルール２による
もので、ｂは走行騒音レベルが「ある程度大き」い時の
ルール１及びルール３によるもので、ｃは走行騒音レベ
ルが「かなり大きい」時のルール１及びルール４による
ものである。

【０１７４】図１８における調整量決定ルールの方式は
第３及び第４の発明における調整量決定ルールをさらに
改良したものである。このファジィルールは、ＭＡＸ−
ＭＩＮ重心法による方法である。

【０１７５】ルール１は走行騒音レベルにかかわらず、
音響騒音レベルが「かなり小さい」時には、調整量を
「小さい」に設定する。

【０１７６】ルール２は走行騒音レベルが「小さい」時
で、且つ、音響騒音レベルが「大き目」の時には、調整
量を「大きい」に設定する。

【０１７７】ルール３は走行レベルが「ある程度大き
い」時で、且つ、音響騒音レベルが「大き目」の時に
は、調整量を「かなり大きい」に設定する。

【０１７８】ルール４は走行騒音レベルが「かなり大き
い」時で、且つ、音響騒音レベルが「大き目」の時に
は、調整量を「大き目」に設定する。

【０１７９】このファジィルールは以下のような効果を
期待して作成されたものである。

【０１８０】１．走行騒音が「ある程度大きい」が、音
響騒音に対して余り支配的でない程度の環境下では、走
行騒音レベルが「小さい」時より調整量を大き目に設定
することで騒音成分を多目に減算した方が効果がある。
これは、騒音成分の推定誤差が大きい走行騒音重畳時に
は音響騒音成分が残り易い為、少な目に減算し走行騒音
成分＋音響騒音の残留成分を残すよりも（図１９（ｂ）
参照）、多目に減算し走行騒音成分も減算してしまい走
行騒音の残留成分を残した方が、図２０−ｃに示すよう
に、認識部での音声トリガが掛かり難くなるためであ
る。

【０１８１】２．走行騒音が「かなり大きい」状態で、
音響騒音よりも支配的である環境下では、音響騒音が走
行騒音に埋もれる状態となるために（図１９（ａ）参
照）、減算量は少な目でよい。

【０１８２】結局、走行騒音レベルに応じた音響騒音レ
ベルと調整量との関係は図２０に示すごとく設定され、
上記の効果が期待できる。

【０１８３】

【発明の効果】上記各実施例で明らかなように、第１の
発明ないし第７の発明により、以下のような効果を得る
ことができる。

【０１８４】１．第１の発明の効果 この発明によれば、非音声区間のメイン信号及びリファ
レンス信号から、常に最新の補正係数を求めることによ
り、急激に変化するオーディオ騒音等の非定常雑音にも
対応することができ、さほど急激なオーディオ騒音の変
化がない場合には、フィルタの収束時間を短くすること
ができる効果がある。また、ＤＳＰ等のような高速演算
処理を可能とする高価な処理装置を必要とすることもな
い。

【０１８５】さらに、リファレンス信号に音声信号が含
まれることがないので、推定誤差を少なくすることがで
き、オーディオ騒音環境下においても高い音声認識が可
能となる。

【０１８６】２．第２の発明の効果 第２の発明の効果としては以下に述べるものがある。

【０１８７】１）オーディオ騒音が大きい場合でも、更
新前補正係数を利用した減算データによって、予めある
程度のオーディオ騒音成分を除去しているので、音声信
号の始端の検出誤差を小さくすることができる。

【０１８８】２）音声区間を自動的に検出するので、ユ
ーザが発声のたびにキー入力等の操作を行う負担を解消
することができる。

【０１８９】３）音声信号のレベルが小さいために推定
誤りによるオーディオ騒音成分の残留成分が存在する場
合でも、音声信号を検出するスレッショルドレベルを大
きく設定することにより、オーディオ騒音による音声区
間の誤検出を少なくすることができ、補正係数の適正値
を求めることができる。したがって、音声認識部のスレ
ッショルドレベルに依存することがない。

【０１９０】４）極めて単純な方法であるため、リアル
タイム処理が可能となる。

【０１９１】３．第３の発明の効果 この発明の効果は、オーディオ騒音レベルの変動に応じ
て補正係数を更新できることである。

【０１９２】通常、オーディオ騒音レベルが大きくなる
と推定誤差が生じるため、オーディオ騒音の残留データ
が多く残ってしまい、音声認識部における音声区間の検
出誤りが多くなる。そこで、本実施例の発明を適用する
ことにより、オーディオ騒音レベルが大きいときは上記
調整量決定ルールに従い、オールパスフィルタにおいて
多めに減算することにより、音声区間の検出誤りを少な
くすることができる。

【０１９３】一方、オーディオ騒音レベルが小さいとき
には、オーディオ騒音の残留レベルは少ないので、多く
減算し過ぎると音声区間が狭まるために類似度が低下す
る。かかる場合には、調整量決定ルールに従い、オール
パスフィルタにおいて少なめになるように減算すること
により、類似度を高くすることができる。

【０１９４】４．第４の発明の効果 この発明によれば、既知雑音環境下の適応型スペクトル
・サブトラクション方式において、音声成分に走行騒音
が重畳した場合であっても、適正な補正係数でオーディ
オ騒音成分を除去し、走行騒音除去に対しては音声認識
部の機能をそのまま利用することができるという効果が
ある。

【０１９５】５．第５の発明の効果 第５の発明によれば次のような効果がある。

【０１９６】１）該発明のファジィ推論により、音響騒
音レベルと走行騒音レベルに応じて音声トリガレベルを
決定することが可能となり、残留成分が大きい時にはそ
の残留成分でトリガが掛かる事の無いようにトリガレベ
ルを大きくし、残留成分が少ない時には比較的発声レベ
ルが低い発声者に対して発声音に音声トリガが掛かり難
くなることの無いよう、トリガレベルを小さくする事に
より、適応型Ｓ．Ｓ．方式の効果を向上させることがで
きた。

【０１９７】２）ファジィ推論を利用することにより、
通常の制御では難しかった複数のパラメータ（ここでは
音響騒音レベルと走行騒音レベルの２パラメータ）によ
る制御ルールの作成、調整が容易となった。

【０１９８】３）該発明のファジィルールは６つのルー
ルで示されるが、ファジィ推論による補間効果により、
中間的な値に対しても適切な制御が可能となり、きめ細
かい制御が可能となった。

【０１９９】４）ロンバート効果を考えると、騒音レベ
ルが低い状態（結果として本方式による騒音の残留レベ
ルが小さい場合（例えば第２図−ｄ））では同一話者で
も発声レベルは低くなる。又、その逆の場合にはロンバ
ート効果により発声レベルは高くなる。よって、ロンバ
ート効果による音声レベルの変動にも本方式はマッチし
ている。

【０２００】６．第６の発明の効果 第６の発明によれば次のような効果がある。

【０２０１】１）該発明のファジイ推論により、音響騒
音レベルに応じて走行騒音判定フラグのしきい値を決定
することが可能となり、従来方式よりも適応型Ｓ．Ｓ．
方式の効果を向上させることが出来た。

【０２０２】２）該発明の調整量決定ルールは音響騒音
レベルに応じて２つのルールで示されるが、ファジィ推
論による補間効果により、中間的な値に対しても適切な
制御が可能となり、きめ細かい制御が可能となった。

【０２０３】７．第７の発明の効果 第７の発明によれば次のような効果がある。

【０２０４】１）ファジィ推論により、音響騒音レベル
と走行騒音レベルに応じて調整量を決定することが可能
となり、ある程度走行騒音がある時には通常よりも調整
量を大き目にすることにより多めに減算し、走行騒音が
大きい時には通常よりも調整量を小さ目にすることによ
り少な目に減算する事により、従来方式よりも適応型
Ｓ．Ｓ．方式の効果を向上させることが出来た。

【０２０５】２）ファジィ推論を利用することにより、
通常の制御では難しかった複数のパラメータ（ここでは
音響騒音レベルと走行騒音レベルの２パラメータ）によ
る制御ルールの作成、調整が容易となった。

【０２０６】３）該発明の調整量決定ルールは音響騒音
レベルが「大き目」の場合には３つのルールで示される
が、ファジィ推論による補間効果により、中間的な値に
対しても適切な制御が可能となり、きめ細かい制御が可
能となった。

【図面の簡単な説明】

【図１】第１の発明の実施例における音声認識装置のブ
ロック図である。

【図２】図１に示す音声認識装置のＣＰＵ１５の動作を
表すフローチャートである。

【図３】第２の発明の第１の実施例における音声認識装
置のブロック図である。

【図４】図３に示す音声認識装置の音声始端を検出する
様子を示す図である。

【図５】第２の発明の第１の実施例における音声認識装
置のＣＰＵ１５の動作を表すフローチャートである。

【図６】（ａ）は発声のたびに毎回補正係数を更新した
場合のオーディオ成分の残留分を示す図である。（ｂ）
は一定時間ごとに補正係数を更新した場合のオーディオ
成分の残留分を示す図である。

【図７】第２の発明の第２の実施例における音声認識装
置の動作を表すフローチャートである。

【図８】第２の発明の第３の実施例における音声認識装
置のＣＰＵ１５の動作を表すフローチャートである。

【図９】

【図１０】第３の発明の第１の実施例における音声認識
装置のＣＰＵ１５の動作を表すフローチャートである。

【図１１】第３及び第４の発明の音声認識装置における
補正係数の調整量決定ルールを表す図である。

【図１２】第３の発明の第２の実施例における音声認識
装置のＣＰＵ１５の動作を表すフローチャートである。

【図１３】第４の発明の実施例における音声認識装置の
ＣＰＵ１５の動作を表すフローチャートである。

【図１４】第５ないし第７の発明における音声トリガレ
ベルの決定方法、走行騒音判定レベルの決定方法、及
び、補正係数の調整量の決定方法をファジィ推論により
行った場合の、ＣＰＵ１５の動作を表すフローチャート
である。

【図１５】図１４のステップＳ１０２における音声トリ
ガレベルを決定するためのファジィ推論方法を示す図で
ある。

【図１６】図１５のファジィルールに対応した減算結果
を示す図である。

【図１７】図１４のステップＳ１０５における走行騒音
の有無を判定するための走行騒音判定フラグのしきい値
決定ルールを示す図である。

【図１８】図１４のステップＳ１０８における調整量を
決定するための調整量決定ルールを示す図である。

【図１９】走行騒音レベルにより減算量を変化させた場
合の減算結果を示す図である。

【図２０】走行騒音レベル及び音響騒音レベルと調整量
との関係の概略を示す図である。

【図２１】従来の音声認識装置のブロック図である。

【符号の説明】

１１ マイク １３ フィルタバンク １５ ＣＰＵ １６ オーディオ装置 １８ アンプ １９ フィルタバンク ２１ 音声認識部（認識手段） ２２ 登録辞書

───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.⁷ 識別記号 ＦＩ Ｇ１０Ｌ 21/02 (56)参考文献 特開 昭60−103400（ＪＰ，Ａ) 特開 平３−274099（ＪＰ，Ａ) 特開 平３−274098（ＪＰ，Ａ) 特開 平３−80298（ＪＰ，Ａ) 特開 平４−318795（ＪＰ，Ａ) 実開 平５−66699（ＪＰ，Ｕ) 特許2797861（ＪＰ，Ｂ２) 特許3342740（ＪＰ，Ｂ２) (58)調査した分野(Int.Cl.⁷，ＤＢ名) G10L 11/00 - 11/02 G10L 15/00 - 15/28 G10L 21/00 - 21/02 ＪＩＣＳＴファイル（ＪＯＩＳ)

Claims (6)

(57)【特許請求の範囲】
1. 【請求項１】 発声者からの音声信号に騒音成分が混在
   したメイン信号から前記騒音成分を除去して予め登録し
   た比較音声信号と照合して前記音声信号の認識を行う音
   声認識装置であって、音源 から基準信号を抽出する手段と、 前記メイン信号に前記音声信号が含まれる音声区間か、
   含まれない非音声区間かを判別する音声区間判別手段
   と、 前記非音声区間において前記メイン信号に基づいて補正
   係数を生成しかつ更新する補正係数更新手段と、 前記音声区間において前記基準信号に前記補正係数を乗
   じた値を前記メイン信号から減算する演算手段と、 該演算手段から得られる演算結果と前記比較音声信号と
   を照合して音声認識を行う認識手段と、前記メイン信号から前記基準信号に更新前の補正係数を
   乗じた値を減算した減算結果が所定値より大となるとき
   を前記音声信号の暫定音声始端とする音声始端検出手段
   と、 一定時間前の過去のメイン信号及び基準信号から遅延メ
   イン信号及び遅延基準信号を生成する手段と、 前記遅延メイン信号に基づいて確定音声始端を決定して
   前記音声区間を判別する音声区間判別手段と、 前記遅延メイン信号及び遅延基準信号の過去一定時間の
   累計値の比から補正係数を生成しかつ更新する補正係数
   更新手段と、 前記音声区間において前記遅延基準信号に前記補正係数
   を乗じた値を前記遅延メイン信号から減算する演算手段
   と、 を備えたことを特徴とする音声認識装置。
2. 【請求項２】 前記遅延メイン信号及び遅延基準信号の
   過去一定時間の累計値の比から補正係数候補を生成する
   手段と、 一定時間ごとに前記補正係数候補を更新する補正係数更
   新手段と、遅延音声信号を含まない遅延メイン信号を利用して所定
   の調整量決定ルールに基づいて前記補正係数を調整する
   補正係数調整 手段と、調整された補正係数を修正する補正係数修正 手段と、を
   備えたことを特徴とする請求項１記載の音声認識装置。
3. 【請求項３】 前記遅延メイン信号及び遅延基準信号の
   過去一定時間の累計値の比から補正係数候補を生成する
   手段と、前記騒音成分が音楽騒音を含むか否かをかつ前記騒音成
   分が車両の走行騒音を含むか否かを判別する騒音成分判
   別 手段と、前記騒音成分が前記音楽騒音のみを含むときは、一定時
   間ごとに前記補正係数候補の値を補正係数として更新
   し、前記騒音成分が前記音楽騒音及び走行騒音を含むと
   きは、前記遅延メイン信号及び遅延基準信号の累計値の
   過去一定時間の累計値の比を補正係数とする補正係数更
   新 手段と、前記騒音成分が前記音楽騒音のみを含むときは、所定の
   調整量決定ルールに基づいて前記補正係数を調整し、前
   記騒音成分が前記音楽騒音及び走行騒音を含むときは、
   前記演算手段から得られる推定メイン信号を利用して前
   記所定の調整量決定ルールに基づいて前記補正係数を調
   整する補正係数調整 手段と、前記騒音成分が前記音楽騒音を含むときは、調整された
   補正係数を修正する補正係数修正手段と、 を備えたこと
   を特徴とする請求項１記載の音声認識装置。
4. 【請求項４】 発声者からの音声信号成分に騒音成分が
   混在した入力信号から当該騒音成分を除去して前記発声
   者の音声を認識する音声認識方法であって、 前記入力信号からファジィ推論により音声区間を検出
   し、この音声区間に前記騒音成分が混在しているか否か
   を判別して、当該判別結果に応じて前記音声信号成分を
   予測する補正係数の更新を行い、当該更新した補正係数
   の調整を行い、当該調整された補正係数に基づいて減算
   処理を行い、当該減算結果を前記音声信号成分として音
   声認識を行う ことを特徴とする音声認識方法。
5. 【請求項５】 発声者からの音声信号成分に音響騒音成
   分及び走行騒音成分が混在した入力信号から当該騒音成
   分を除去して前記発声者の音声を認識する音声認識方法
   であって、 前記入力信号から音声区間を検出し、この音声区間に前
   記走行騒音成分が混在しているか否かをファジィ推論に
   より判別して、当該判別結果に応じて前記音声信号成分
   を予測する補正係数の更新を行い、当該更新した補正係
   数の調整を行い、当該調整された補正係数に基づいて減
   算処理を行い、当該減算結果を前記音声信号成分として
   音声認識を行うことを特徴とする音声認識方法。
6. 【請求項６】 発声者からの音声信号成分に騒音成分が
   混在した入力信号から当該騒音成分を除去して前記発声
   者の音声を認識する音声認識方法であって、 前記入力信号から音声区間を検出し、この音声区間に前
   記騒音成分が混在しているか否かを判別して、当該判別
   結果に応じて前記音声信号成分を予測する補正係数の更
   新を行い、ファジィ推論により当該更新した補正係数の
   調整を行い、当該調整された補正係数に基づいて減算処
   理を行い、当該減算結果を前記音声信号成分として音声
   認識を行うことを特徴とする音声認識方法。