JP3877270B2 - 音声特徴量抽出装置 - Google Patents
音声特徴量抽出装置 Download PDFInfo
- Publication number
- JP3877270B2 JP3877270B2 JP2000212067A JP2000212067A JP3877270B2 JP 3877270 B2 JP3877270 B2 JP 3877270B2 JP 2000212067 A JP2000212067 A JP 2000212067A JP 2000212067 A JP2000212067 A JP 2000212067A JP 3877270 B2 JP3877270 B2 JP 3877270B2
- Authority
- JP
- Japan
- Prior art keywords
- signal
- voice
- noise reduction
- coefficient
- filter
- 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
- 238000000605 extraction Methods 0.000 title claims description 22
- 238000001228 spectrum Methods 0.000 claims description 17
- 230000003044 adaptive effect Effects 0.000 claims description 16
- 238000000034 method Methods 0.000 claims description 11
- 230000005236 sound signal Effects 0.000 claims description 11
- 230000003595 spectral effect Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 6
- 238000007792 addition Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000003111 delayed effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/20—Speech recognition techniques specially adapted for robustness in adverse environments, e.g. in noise, of stress induced speech
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/02—Feature extraction for speech recognition; Selection of recognition unit
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
- G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
- G10L21/0208—Noise filtering
Landscapes
- Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Circuit For Audible Band Transducer (AREA)
Description
【０００１】
【発明の属する技術分野】
本発明は、音声認識、話者認識、ラウドネス補償システム等において、周囲のノイズを減少しつつ、パワースペクトラムを用いて音声の特徴量を抽出する音声特徴量抽出装置に関する。
【０００２】
【従来の技術】
利用者が発声した音声を認識する音声認識装置、複数の人が話した中から特定の人の音声を識別する話者認識装置、あるいは周囲のノイズを除去するラウドネス補償システム等においては、対象とする特定の音声を抽出するため、マイクから入力した音声のパワースペクトラムを求め、特定の音声を抽出する処理が行われている。
【０００３】
このような特定の音声を抽出するためのシステムを採用する一分野としての音声認識装置における、例えば車両用ナビゲーション装置における目的地設定などを音声によって入力する音声認識装置にこれを用いる際には、車室内にはエンジン音、タイヤの摩擦音、風切り音、更にはオーディオ音等種々のノイズが存在する。そのような中でマイクに入力される利用者の音声は、ノイズによりＳＮ比が低下して不明瞭な音声となってしまい、このような状態では精度良く音声の特徴量をとらえて正確な音声認識を行うことができなくなる。したがって、周囲に大きな雑音が存在する環境下で音声認識装置を使用する際には、利用者の音声を周囲の雑音と分離して処理することが、音声認識率を高める上で重要な要件となっている。このようなことは車両用音声認識装置に限らず、種々の分野で用いられている音声認識装置において問題となるところであり、更に音声認識装置に限らず、上記のような種々の音響技術分野で問題となる。
【０００４】
このようなとき、従来の装置においては例えば図３のブロック図に示すように、マイク３０から入力した周囲の雑音も含めた音声Ｘ（ｎ）を、タップ長がＮのＦＩＲフィルタを備えたノイズリダクションシステム（ＮＲシステム）３１に入力する。このノイズリダクションシステムでは、サンプリング周波数をｆｓ（Ｈｚ）としたとき、１／ｆｓ（秒）毎に動作を行う。
【０００５】
その後ここで得られたｘ（ｎ）＊ｗ（ｎ）の信号を、ハニング窓やハミング窓３２の窓関数部を通し、サンプリングした１フレーム毎の間のデータ飛躍による高周波成分の発生を防止し、これをＬ点について処理するＦＦＴ演算部３３に入力する。このＦＦＴ演算部３３では、１フレーム毎に高速フーリエ変換を行い、時間軸信号を周波数成分に変換する。ここで得られたスペクトル信号Ｘ（ｎ）・Ｗ（ｎ）をパワー算出部３４に入力し、パワースペクトルの計算を行い、信号［Ｘ（ｗ）］２・［Ｗ（ｗ）］２を得ている。
【０００６】
【発明が解決しようとする課題】
上記のような従来の音声特徴量抽出装置においては、このノイズリダクションシステム３１でのサンプリング周波数をｆｓ（Ｈｚ）とし、ＦＩＲフィルタのタップ長をＮとしたとき、１回の処理を行うのにＮ回の乗算と（Ｎ−１）回の和算を行う必要がある。その後、この特徴量を求めるためにＦＦＴ演算部３３に入力して処理を行うので、このときのＦＦＴ演算部３３の処理点数をＬ点とすると、Ｌ／２次の特徴量ベクトルを出力するためには、ノイズリダクションの出力がＬ点必要になる。そのため、結局このノイズリダクションシステムではＮ×Ｌ回の乗算と、（Ｎ−１）×Ｌ回の和算を行う必要がある。
【０００７】
このような処理を行うため、より正確な音声特徴量を抽出しようとして前記ＮやＬの値を大きく設定するとその演算処理量が莫大となり、この装置におけるプロセッサへの負担が大きくなる。そのため、処理速度も遅くならざるを得ず、時には他の処理にも影響を与え、システムの円滑な処理を行うことができなくなる。また、前記ＮやＬの値を小さくとると、当然正確な音声特徴量の抽出は行うことができない。
【０００８】
したがって本発明は、音声特徴量の抽出に際して従来と同様の正確な抽出性能を維持しつつ演算処理量を削減し、プロセッサへの負担を軽くし、その処理速度を上昇させることができるようにした音声特徴量抽出装置を提供することを目的とする。
【０００９】
【課題を解決するための手段】
本発明は上記課題を解決するため、音声認識装置を動作させるための音声が発声されていないときに模擬音声信号を発生させ、その信号を遅延させることで適応フィルタの目標信号を生成すると共に、模擬音声信号と車室内に設置されたマイクの出力信号により得られる車室内音を加算した信号を、適応フィルタの参照入力として用いることにより、適応フィルタを動作させて、使用するノイズリダクションシステムのフィルタ係数を確定するフィルタ係数算出手段と、前記適応フィルタが収束したフィルタ特性をＦＦＴ処理し、その結果から適応フィルタが収束したフィルタ特性の自乗振幅特性を求めることでノイズリダクション係数を得るパワー算出手段とからなり、予め使用するノイズリダクションシステムのノイズリダクションシステム係数を演算するノイズリダクションシステム係数演算手段と、被処理入力音声の時間軸信号を周波数成分に変換するＦＦＴ演算手段と、前記ＦＦＴ演算手段で得られたスペクトル信号からパワースペクトルベクトルを演算するパワー算出手段とを備え、前記音声認識装置を動作させるための音声が発声されているときには、車室内に設置したマイクから出力される音声信号とその他の車室内音信号の混合信号に、ハニングあるいはハミング窓をかけ、その結果をＦＦＴ処理してその結果から信号のパワースペクトルを算出した後に、前記のようにして求めたノイズリダクション係数をかけることにより、音声信号とその他の車室内音信号の内、主にその他の車室内音信号の成分を低減した信号を出力することを特徴とする音声特徴抽出装置としたものである。
【００１２】
また、前記模擬音声信号に対して所定のゲイン調整処理を行うことを特徴とする前記音声特徴量抽出装置としたものである。
【００１３】
また、前記音声特徴量抽出装置を、車両用ナビゲーション装置の音声認識装置に適用したものである。
【００１４】
【発明の実施の形態】
本発明の実施例を図面に沿って説明する。図１は本発明による音声特徴量抽出装置の基本的な機能ブロック図であり、前記従来の装置と同様の機能ブロック部分は同様に示している。同図において、例えば本発明による音声特徴量抽出装置が車両用ナビゲーション装置に適用される場合には、マイク１から目的地設定等の種々の操作用、指示用の音声や、それに伴って入力される周囲のエンジン音、タイヤの摩擦音、風切り音等の周囲の騒音が、信号ｘ（ｎ）として窓関数部２に入力される。
【００１５】
したがって、本発明における「被処理入力音声」は、この実施例においては利用者の音声と周囲のノイズを含んだ信号ｘ（ｎ）となる。この被処理入力音声は窓関数部２において、前記従来例と同様にハニング窓やハミング窓の窓関数を通すことにより、サンプリングした１フレーム毎の間のデータ飛躍による高周波成分の発生防止等の処理がなされる。
【００１６】
これをＬ点について演算するＦＦＴ演算部３に入力する。このＦＦＴ演算部３では、１フレーム毎に高速フーリエ変換を行い、時間軸信号を周波数成分に変換する。ここで得られたスペクトル信号Ｘ（ｗ）をパワー算出部４に入力し、Ｌ／２次のパワースペクトルを算出し出力信号［Ｘ（ｗ）］２を得る。本発明においては、このようにして得られた入力音声の特徴量であるＬ／２次のパワースペクトルベクトルに対して、ノイズリダクションシステム５によって従来と同様のノイズリダクション処理を行うこととなる。
【００１７】
このノイズリダクションシステム５においては、前記のように処理されて入力されるパワースペクトル信号はＬ／２次であるので、このシステムにおいて使用される係数値はＬ／２個となり、したがってここで計算されるＷｍにおけるｍの値は０からＬ／２まで行えば良いこととなる。
【００１８】
このノイズリダクションシステムでの処理において、前記のようにＬ／２次の特徴量ベクトルを出力する場合は、
入力される音声のパワースペクトルを
【数１】
後に説明する予め計算されたノイズリダクションシステムの係数を、
【数２】
としたとき、
出力される特徴量ベクトル
【数３】
は、
【数４】
となる。
【００１９】
このときのノイズリダクションシステムの演算量は、Ｌ／２回の乗算となるため、前記図３に示す従来の音声特徴量抽出装置における、ＮタップのＦＩＲフィルタによる時間領域のノイズリダクション処理と比較して、１／（４Ｎ−２）の演算量で済むこととなる。
【００２０】
上記のノイズリダクションシステムの特性を決定する係数については、例えば図２に示すようなノイズリダクション係数算出システムによって予め得ておくことができる。ここで用いられるＣＮＲ係数を求めるシステムのブロック図においては、従来から用いられている１ｃｈの音声強調システムを応用した例を示しており、それにより比較的簡単なシステムにより前記係数算出を行うことができる。
【００２１】
即ち、このシステムにおいては、マイク１０で周囲の音を入力する一方、所定の模擬音声信号を発声する模擬音声発声部１１からの信号を入力してこれにゲイン調整部１２でゲイン調整を行い、これを加算器１３でマイク１０の信号と加算し、一方、ゲイン調整後の信号を遅延処理部１４でｍ段（Ｌ／２段）の遅延を行い信号ｄ（ｎ）を得る。前記加算器１３で加算された信号をタップ係数Ｗの適応フィルタ１５で処理し信号ｙ（ｎ）を得る。この信号と前記遅延処理部１４からの信号ｄ（ｎ）とを減算器１６にかけ、その誤差信号ｅ（ｎ）によりタップ係数Ｗを調整している。このような制御により得られたタップ係数の値を、この適応フィルタの係数、即ちこのノイズリダクションシステムのフィルタ係数ＷＣＮＲとして求める。上記処理部分が、本発明におけるフィルタ係数算出手段に相当する。
【００２２】
ここで求められる適応フィルタのタップ長は、特徴量を求める際の前記ＦＦＴの処理点数と同じに設定し、このようにして得られたこのノイズリダクションシステムの特性を示す適応フィルタ係数ＷＣＮＲに対してＦＦＴ演算部１７でＦＦＴ処理する。これをパワー算出部１８に入力し、前記ノイズリダクションシステムの係数を得る。上記処理部分が本発明におけるフィルタ係数をパワースペクトルベクトルに変換するパワー算出手段に相当し、前記フィルタ係数算出手段とこのパワー算出手段によって、本発明のノイズリダクションシステム係数演算手段が形成されている。
【００２３】
なお、図２に示すシステムにおいて、ゲイン調整部１２のゲインは、適応フィルタの出力ｙ（ｎ）の歪みとＳＮ比改善量とのトレードオフによって決められる。即ち、ゲインを大きくすると、歪みは小さくなる反面、ＳＮ比の改善量は小さくなり、逆にゲインを大きくすると、歪みは大きくなるがＳＮ比の改善量が大きくなる。したがって使用するシステムの特性に合わせて、前記ゲイン調整部１２のゲインを調整する。
【００２４】
このようにして、予め時間領域でノイズリダクションシステムの特性を求め、それにより予め確定してたフィルタ係数ＷＣＮＲをＦＦＴ処理し、パワーを算出することによりパワードメインでのノイズリダクション係数ベクトルが求まり、それにより予め前記式（２）に示すようなＬ／２次のノイズリダクションシステムの係数が求められることとなる。
【００２５】
図１に示すノイズリダクションシステム５においては、パワー算出部４で得られた前記式（１）に示すような音声のパワースペクトルベクトルに対して、前記のように求められた式（２）のノイズリダクションシステム係数を用いたノイズリダクションシステム５により、式（４）の演算処理を行うことによって特徴量ベクトルを得ることができる。
【００２６】
上記のように、本発明による音声特徴量抽出装置においては、予めノイズリダクションシステムの特性を表すノイズリダクション係数を求めておき、音声処理の最初にＦＦＴ処理してパワースペクトルを得て、これに対して前記ノイズリダクションシステムで処理するため、従来の装置のように最初にノイズリダクションシステムで処理し、これをＦＦＴ処理するもののように入力音声処理時の位相部分の処理が不要となり、その処理負担は従来の装置の１／（４Ｎ−２）の処理量となり、しかも精度は従来のものとほとんど変わることがない高精度の音声特徴量抽出を行うことができるようになる。
【００２７】
このような音声特徴量抽出装置は、上記のような車両用ナビゲーション装置の音声認識装置に限らず、各種音声認識装置、更には話者認識装置、ラウドネス補償システム等に広く用いることができる。
【００２８】
【発明の効果】
本発明は上記のように構成したので、音声特徴量の抽出に際して従来と同様の正確な抽出性能を維持しつつ演算処理量を削減し、プロセッサへの負担を軽くし処理速度を上げることができる。また、予め使用するノイズリダクションシステムのノイズリダクションシステム係数を簡単な手法により容易に、且つ正確に求めることができる。また、予め使用するノイズリダクションシステムのノイズリダクションシステム係数を、従来から既に１ｃｈの音声強調システム等で用いられている方式を用いて容易に、且つ正確に求めることができる。
【００３１】
前記模擬音声信号に対して所定のゲイン調整処理を行うものにおいては、そのゲインを大きくすると、歪みは小さくなる反面、ＳＮ比の改善量は小さくなり、逆にゲインを大きくすると、歪みは大きくなるがＳＮ比の改善量が大きくなるので、使用するシステムの特性に合わせてこれを調整することにより、所望の特性の音声特徴量抽出装置を得ることができる。
【００３２】
また、前記音声特徴量抽出装置を車両用ナビゲーション装置の音声認識装置に適用したものにおいては、エンジン音やタイヤの摩擦音、更には風切り音等、極めてノイズの多い音響上悪い環境条件下において、しかも大型の高価な演算処理装置を採用することが困難であり、且つ例えばナビゲーション装置の経路案内処理等にもその演算処理装置を併用しなければならないような環境下において、本発明を有効に利用することができる。
【図面の簡単な説明】
【図１】本発明による音声特徴量抽出装置に用いられる、主要処理部分を示す回路構成図である。
【図２】本発明に用いられるノイズリダクションシステムにおいて、予めそのノイズリダクションシステム係数を求める例を示す回路構成図である。
【図３】従来の音声特徴量抽出装置に用いられる、主要処理部分を示す回路構成図である。
【符号の説明】
１ マイク
２ 窓関数部
３ ＦＦＴ演算部
４ パワー算出部
５ ノイズリダクションシステム
１１ 模擬音声発声部
１２ ゲイン調整部
１５ 適応フィルタ
１７ ＦＦＴ演算部
１８ パワー算出部
【発明の属する技術分野】
本発明は、音声認識、話者認識、ラウドネス補償システム等において、周囲のノイズを減少しつつ、パワースペクトラムを用いて音声の特徴量を抽出する音声特徴量抽出装置に関する。
【０００２】
【従来の技術】
利用者が発声した音声を認識する音声認識装置、複数の人が話した中から特定の人の音声を識別する話者認識装置、あるいは周囲のノイズを除去するラウドネス補償システム等においては、対象とする特定の音声を抽出するため、マイクから入力した音声のパワースペクトラムを求め、特定の音声を抽出する処理が行われている。
【０００３】
このような特定の音声を抽出するためのシステムを採用する一分野としての音声認識装置における、例えば車両用ナビゲーション装置における目的地設定などを音声によって入力する音声認識装置にこれを用いる際には、車室内にはエンジン音、タイヤの摩擦音、風切り音、更にはオーディオ音等種々のノイズが存在する。そのような中でマイクに入力される利用者の音声は、ノイズによりＳＮ比が低下して不明瞭な音声となってしまい、このような状態では精度良く音声の特徴量をとらえて正確な音声認識を行うことができなくなる。したがって、周囲に大きな雑音が存在する環境下で音声認識装置を使用する際には、利用者の音声を周囲の雑音と分離して処理することが、音声認識率を高める上で重要な要件となっている。このようなことは車両用音声認識装置に限らず、種々の分野で用いられている音声認識装置において問題となるところであり、更に音声認識装置に限らず、上記のような種々の音響技術分野で問題となる。
【０００４】
このようなとき、従来の装置においては例えば図３のブロック図に示すように、マイク３０から入力した周囲の雑音も含めた音声Ｘ（ｎ）を、タップ長がＮのＦＩＲフィルタを備えたノイズリダクションシステム（ＮＲシステム）３１に入力する。このノイズリダクションシステムでは、サンプリング周波数をｆｓ（Ｈｚ）としたとき、１／ｆｓ（秒）毎に動作を行う。
【０００５】
その後ここで得られたｘ（ｎ）＊ｗ（ｎ）の信号を、ハニング窓やハミング窓３２の窓関数部を通し、サンプリングした１フレーム毎の間のデータ飛躍による高周波成分の発生を防止し、これをＬ点について処理するＦＦＴ演算部３３に入力する。このＦＦＴ演算部３３では、１フレーム毎に高速フーリエ変換を行い、時間軸信号を周波数成分に変換する。ここで得られたスペクトル信号Ｘ（ｎ）・Ｗ（ｎ）をパワー算出部３４に入力し、パワースペクトルの計算を行い、信号［Ｘ（ｗ）］２・［Ｗ（ｗ）］２を得ている。
【０００６】
【発明が解決しようとする課題】
上記のような従来の音声特徴量抽出装置においては、このノイズリダクションシステム３１でのサンプリング周波数をｆｓ（Ｈｚ）とし、ＦＩＲフィルタのタップ長をＮとしたとき、１回の処理を行うのにＮ回の乗算と（Ｎ−１）回の和算を行う必要がある。その後、この特徴量を求めるためにＦＦＴ演算部３３に入力して処理を行うので、このときのＦＦＴ演算部３３の処理点数をＬ点とすると、Ｌ／２次の特徴量ベクトルを出力するためには、ノイズリダクションの出力がＬ点必要になる。そのため、結局このノイズリダクションシステムではＮ×Ｌ回の乗算と、（Ｎ−１）×Ｌ回の和算を行う必要がある。
【０００７】
このような処理を行うため、より正確な音声特徴量を抽出しようとして前記ＮやＬの値を大きく設定するとその演算処理量が莫大となり、この装置におけるプロセッサへの負担が大きくなる。そのため、処理速度も遅くならざるを得ず、時には他の処理にも影響を与え、システムの円滑な処理を行うことができなくなる。また、前記ＮやＬの値を小さくとると、当然正確な音声特徴量の抽出は行うことができない。
【０００８】
したがって本発明は、音声特徴量の抽出に際して従来と同様の正確な抽出性能を維持しつつ演算処理量を削減し、プロセッサへの負担を軽くし、その処理速度を上昇させることができるようにした音声特徴量抽出装置を提供することを目的とする。
【０００９】
【課題を解決するための手段】
本発明は上記課題を解決するため、音声認識装置を動作させるための音声が発声されていないときに模擬音声信号を発生させ、その信号を遅延させることで適応フィルタの目標信号を生成すると共に、模擬音声信号と車室内に設置されたマイクの出力信号により得られる車室内音を加算した信号を、適応フィルタの参照入力として用いることにより、適応フィルタを動作させて、使用するノイズリダクションシステムのフィルタ係数を確定するフィルタ係数算出手段と、前記適応フィルタが収束したフィルタ特性をＦＦＴ処理し、その結果から適応フィルタが収束したフィルタ特性の自乗振幅特性を求めることでノイズリダクション係数を得るパワー算出手段とからなり、予め使用するノイズリダクションシステムのノイズリダクションシステム係数を演算するノイズリダクションシステム係数演算手段と、被処理入力音声の時間軸信号を周波数成分に変換するＦＦＴ演算手段と、前記ＦＦＴ演算手段で得られたスペクトル信号からパワースペクトルベクトルを演算するパワー算出手段とを備え、前記音声認識装置を動作させるための音声が発声されているときには、車室内に設置したマイクから出力される音声信号とその他の車室内音信号の混合信号に、ハニングあるいはハミング窓をかけ、その結果をＦＦＴ処理してその結果から信号のパワースペクトルを算出した後に、前記のようにして求めたノイズリダクション係数をかけることにより、音声信号とその他の車室内音信号の内、主にその他の車室内音信号の成分を低減した信号を出力することを特徴とする音声特徴抽出装置としたものである。
【００１２】
また、前記模擬音声信号に対して所定のゲイン調整処理を行うことを特徴とする前記音声特徴量抽出装置としたものである。
【００１３】
また、前記音声特徴量抽出装置を、車両用ナビゲーション装置の音声認識装置に適用したものである。
【００１４】
【発明の実施の形態】
本発明の実施例を図面に沿って説明する。図１は本発明による音声特徴量抽出装置の基本的な機能ブロック図であり、前記従来の装置と同様の機能ブロック部分は同様に示している。同図において、例えば本発明による音声特徴量抽出装置が車両用ナビゲーション装置に適用される場合には、マイク１から目的地設定等の種々の操作用、指示用の音声や、それに伴って入力される周囲のエンジン音、タイヤの摩擦音、風切り音等の周囲の騒音が、信号ｘ（ｎ）として窓関数部２に入力される。
【００１５】
したがって、本発明における「被処理入力音声」は、この実施例においては利用者の音声と周囲のノイズを含んだ信号ｘ（ｎ）となる。この被処理入力音声は窓関数部２において、前記従来例と同様にハニング窓やハミング窓の窓関数を通すことにより、サンプリングした１フレーム毎の間のデータ飛躍による高周波成分の発生防止等の処理がなされる。
【００１６】
これをＬ点について演算するＦＦＴ演算部３に入力する。このＦＦＴ演算部３では、１フレーム毎に高速フーリエ変換を行い、時間軸信号を周波数成分に変換する。ここで得られたスペクトル信号Ｘ（ｗ）をパワー算出部４に入力し、Ｌ／２次のパワースペクトルを算出し出力信号［Ｘ（ｗ）］２を得る。本発明においては、このようにして得られた入力音声の特徴量であるＬ／２次のパワースペクトルベクトルに対して、ノイズリダクションシステム５によって従来と同様のノイズリダクション処理を行うこととなる。
【００１７】
このノイズリダクションシステム５においては、前記のように処理されて入力されるパワースペクトル信号はＬ／２次であるので、このシステムにおいて使用される係数値はＬ／２個となり、したがってここで計算されるＷｍにおけるｍの値は０からＬ／２まで行えば良いこととなる。
【００１８】
このノイズリダクションシステムでの処理において、前記のようにＬ／２次の特徴量ベクトルを出力する場合は、
入力される音声のパワースペクトルを
【数１】
【数２】
出力される特徴量ベクトル
【数３】
【数４】
【００１９】
このときのノイズリダクションシステムの演算量は、Ｌ／２回の乗算となるため、前記図３に示す従来の音声特徴量抽出装置における、ＮタップのＦＩＲフィルタによる時間領域のノイズリダクション処理と比較して、１／（４Ｎ−２）の演算量で済むこととなる。
【００２０】
上記のノイズリダクションシステムの特性を決定する係数については、例えば図２に示すようなノイズリダクション係数算出システムによって予め得ておくことができる。ここで用いられるＣＮＲ係数を求めるシステムのブロック図においては、従来から用いられている１ｃｈの音声強調システムを応用した例を示しており、それにより比較的簡単なシステムにより前記係数算出を行うことができる。
【００２１】
即ち、このシステムにおいては、マイク１０で周囲の音を入力する一方、所定の模擬音声信号を発声する模擬音声発声部１１からの信号を入力してこれにゲイン調整部１２でゲイン調整を行い、これを加算器１３でマイク１０の信号と加算し、一方、ゲイン調整後の信号を遅延処理部１４でｍ段（Ｌ／２段）の遅延を行い信号ｄ（ｎ）を得る。前記加算器１３で加算された信号をタップ係数Ｗの適応フィルタ１５で処理し信号ｙ（ｎ）を得る。この信号と前記遅延処理部１４からの信号ｄ（ｎ）とを減算器１６にかけ、その誤差信号ｅ（ｎ）によりタップ係数Ｗを調整している。このような制御により得られたタップ係数の値を、この適応フィルタの係数、即ちこのノイズリダクションシステムのフィルタ係数ＷＣＮＲとして求める。上記処理部分が、本発明におけるフィルタ係数算出手段に相当する。
【００２２】
ここで求められる適応フィルタのタップ長は、特徴量を求める際の前記ＦＦＴの処理点数と同じに設定し、このようにして得られたこのノイズリダクションシステムの特性を示す適応フィルタ係数ＷＣＮＲに対してＦＦＴ演算部１７でＦＦＴ処理する。これをパワー算出部１８に入力し、前記ノイズリダクションシステムの係数を得る。上記処理部分が本発明におけるフィルタ係数をパワースペクトルベクトルに変換するパワー算出手段に相当し、前記フィルタ係数算出手段とこのパワー算出手段によって、本発明のノイズリダクションシステム係数演算手段が形成されている。
【００２３】
なお、図２に示すシステムにおいて、ゲイン調整部１２のゲインは、適応フィルタの出力ｙ（ｎ）の歪みとＳＮ比改善量とのトレードオフによって決められる。即ち、ゲインを大きくすると、歪みは小さくなる反面、ＳＮ比の改善量は小さくなり、逆にゲインを大きくすると、歪みは大きくなるがＳＮ比の改善量が大きくなる。したがって使用するシステムの特性に合わせて、前記ゲイン調整部１２のゲインを調整する。
【００２４】
このようにして、予め時間領域でノイズリダクションシステムの特性を求め、それにより予め確定してたフィルタ係数ＷＣＮＲをＦＦＴ処理し、パワーを算出することによりパワードメインでのノイズリダクション係数ベクトルが求まり、それにより予め前記式（２）に示すようなＬ／２次のノイズリダクションシステムの係数が求められることとなる。
【００２５】
図１に示すノイズリダクションシステム５においては、パワー算出部４で得られた前記式（１）に示すような音声のパワースペクトルベクトルに対して、前記のように求められた式（２）のノイズリダクションシステム係数を用いたノイズリダクションシステム５により、式（４）の演算処理を行うことによって特徴量ベクトルを得ることができる。
【００２６】
上記のように、本発明による音声特徴量抽出装置においては、予めノイズリダクションシステムの特性を表すノイズリダクション係数を求めておき、音声処理の最初にＦＦＴ処理してパワースペクトルを得て、これに対して前記ノイズリダクションシステムで処理するため、従来の装置のように最初にノイズリダクションシステムで処理し、これをＦＦＴ処理するもののように入力音声処理時の位相部分の処理が不要となり、その処理負担は従来の装置の１／（４Ｎ−２）の処理量となり、しかも精度は従来のものとほとんど変わることがない高精度の音声特徴量抽出を行うことができるようになる。
【００２７】
このような音声特徴量抽出装置は、上記のような車両用ナビゲーション装置の音声認識装置に限らず、各種音声認識装置、更には話者認識装置、ラウドネス補償システム等に広く用いることができる。
【００２８】
【発明の効果】
本発明は上記のように構成したので、音声特徴量の抽出に際して従来と同様の正確な抽出性能を維持しつつ演算処理量を削減し、プロセッサへの負担を軽くし処理速度を上げることができる。また、予め使用するノイズリダクションシステムのノイズリダクションシステム係数を簡単な手法により容易に、且つ正確に求めることができる。また、予め使用するノイズリダクションシステムのノイズリダクションシステム係数を、従来から既に１ｃｈの音声強調システム等で用いられている方式を用いて容易に、且つ正確に求めることができる。
【００３１】
前記模擬音声信号に対して所定のゲイン調整処理を行うものにおいては、そのゲインを大きくすると、歪みは小さくなる反面、ＳＮ比の改善量は小さくなり、逆にゲインを大きくすると、歪みは大きくなるがＳＮ比の改善量が大きくなるので、使用するシステムの特性に合わせてこれを調整することにより、所望の特性の音声特徴量抽出装置を得ることができる。
【００３２】
また、前記音声特徴量抽出装置を車両用ナビゲーション装置の音声認識装置に適用したものにおいては、エンジン音やタイヤの摩擦音、更には風切り音等、極めてノイズの多い音響上悪い環境条件下において、しかも大型の高価な演算処理装置を採用することが困難であり、且つ例えばナビゲーション装置の経路案内処理等にもその演算処理装置を併用しなければならないような環境下において、本発明を有効に利用することができる。
【図面の簡単な説明】
【図１】本発明による音声特徴量抽出装置に用いられる、主要処理部分を示す回路構成図である。
【図２】本発明に用いられるノイズリダクションシステムにおいて、予めそのノイズリダクションシステム係数を求める例を示す回路構成図である。
【図３】従来の音声特徴量抽出装置に用いられる、主要処理部分を示す回路構成図である。
【符号の説明】
１ マイク
２ 窓関数部
３ ＦＦＴ演算部
４ パワー算出部
５ ノイズリダクションシステム
１１ 模擬音声発声部
１２ ゲイン調整部
１５ 適応フィルタ
１７ ＦＦＴ演算部
１８ パワー算出部
Claims (3)
- 音声認識装置を動作させるための音声が発声されていないときに模擬音声信号を発生させ、その信号を遅延させることで適応フィルタの目標信号を生成すると共に、模擬音声信号と車室内に設置されたマイクの出力信号により得られる車室内音を加算した信号を、適応フィルタの参照入力として用いることにより、適応フィルタを動作させて、使用するノイズリダクションシステムのフィルタ係数を確定するフィルタ係数算出手段と、前記適応フィルタが収束したフィルタ特性をＦＦＴ処理し、その結果から適応フィルタが収束したフィルタ特性の自乗振幅特性を求めることでノイズリダクション係数を得るパワー算出手段とからなり、予め使用するノイズリダクションシステムのノイズリダクションシステム係数を演算するノイズリダクションシステム係数演算手段と、
被処理入力音声の時間軸信号を周波数成分に変換するＦＦＴ演算手段と、
前記ＦＦＴ演算手段で得られたスペクトル信号からパワースペクトルベクトルを演算するパワー算出手段とを備え、
前記音声認識装置を動作させるための音声が発声されているときには、車室内に設置したマイクから出力される音声信号とその他の車室内音信号の混合信号に、ハニングあるいはハミング窓をかけ、その結果をＦＦＴ処理してその結果から信号のパワースペクトルを算出した後に、前記のようにして求めたノイズリダクション係数をかけることにより、音声信号とその他の車室内音信号の内、主にその他の車室内音信号の成分を低減した信号を出力することを特徴とする音声特徴抽出装置。 - 前記模擬音声信号に対して所定のゲイン調整処理を行うことを特徴とする請求項１記載の音声特徴量抽出装置。
- 前記音声特徴量抽出装置を、車両用ナビゲーション装置の音声認識装置に適用したことを特徴とする請求項１記載の音声特徴量抽出装置。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2000212067A JP3877270B2 (ja) | 2000-07-12 | 2000-07-12 | 音声特徴量抽出装置 |
| US09/891,876 US6959277B2 (en) | 2000-07-12 | 2001-06-26 | Voice feature extraction device |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2000212067A JP3877270B2 (ja) | 2000-07-12 | 2000-07-12 | 音声特徴量抽出装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2002023790A JP2002023790A (ja) | 2002-01-25 |
| JP3877270B2 true JP3877270B2 (ja) | 2007-02-07 |
Family
ID=18708035
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2000212067A Expired - Fee Related JP3877270B2 (ja) | 2000-07-12 | 2000-07-12 | 音声特徴量抽出装置 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US6959277B2 (ja) |
| JP (1) | JP3877270B2 (ja) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7596709B2 (en) * | 2000-12-30 | 2009-09-29 | Intel Corporation | CPU power management based on utilization with lowest performance mode at the mid-utilization range |
| US7716712B2 (en) * | 2003-06-18 | 2010-05-11 | General Instrument Corporation | Narrowband interference and identification and digital processing for cable television return path performance enhancement |
| DE102004008225B4 (de) * | 2004-02-19 | 2006-02-16 | Infineon Technologies Ag | Verfahren und Einrichtung zum Ermitteln von Merkmalsvektoren aus einem Signal zur Mustererkennung, Verfahren und Einrichtung zur Mustererkennung sowie computerlesbare Speichermedien |
| JP4235128B2 (ja) * | 2004-03-08 | 2009-03-11 | アルパイン株式会社 | 入力音処理装置 |
| GB0427968D0 (en) * | 2004-12-21 | 2005-01-26 | Davy Process Technology Switze | Process |
| GB2437559B (en) * | 2006-04-26 | 2010-12-22 | Zarlink Semiconductor Inc | Low complexity noise reduction method |
| US9401058B2 (en) | 2012-01-30 | 2016-07-26 | International Business Machines Corporation | Zone based presence determination via voiceprint location awareness |
| US20140025374A1 (en) * | 2012-07-22 | 2014-01-23 | Xia Lou | Speech enhancement to improve speech intelligibility and automatic speech recognition |
| US9530407B2 (en) * | 2014-06-11 | 2016-12-27 | Honeywell International Inc. | Spatial audio database based noise discrimination |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA1310709C (en) * | 1989-06-26 | 1992-11-24 | Simon Haykin | Adaptive interference canceller |
| US5274560A (en) * | 1990-12-03 | 1993-12-28 | Audio Navigation Systems, Inc. | Sensor free vehicle navigation system utilizing a voice input/output interface for routing a driver from his source point to his destination point |
| JP2797949B2 (ja) | 1994-01-31 | 1998-09-17 | 日本電気株式会社 | 音声認識装置 |
| FR2722631B1 (fr) * | 1994-07-13 | 1996-09-20 | France Telecom Etablissement P | Procede et systeme de filtrage adaptatif par egalisation aveugle d'un signal telephonique numerique et leurs applications |
| US6263307B1 (en) * | 1995-04-19 | 2001-07-17 | Texas Instruments Incorporated | Adaptive weiner filtering using line spectral frequencies |
| US5805696A (en) * | 1996-12-09 | 1998-09-08 | Lucent Technologies, Inc. | Echo canceller adaptation technique |
| US6182036B1 (en) | 1999-02-23 | 2001-01-30 | Motorola, Inc. | Method of extracting features in a voice recognition system |
-
2000
- 2000-07-12 JP JP2000212067A patent/JP3877270B2/ja not_active Expired - Fee Related
-
2001
- 2001-06-26 US US09/891,876 patent/US6959277B2/en not_active Expired - Lifetime
Also Published As
| Publication number | Publication date |
|---|---|
| US20020022957A1 (en) | 2002-02-21 |
| US6959277B2 (en) | 2005-10-25 |
| JP2002023790A (ja) | 2002-01-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP4283212B2 (ja) | 雑音除去装置、雑音除去プログラム、及び雑音除去方法 | |
| JP4753821B2 (ja) | 音信号補正方法、音信号補正装置及びコンピュータプログラム | |
| US6173258B1 (en) | Method for reducing noise distortions in a speech recognition system | |
| US9113241B2 (en) | Noise removing apparatus and noise removing method | |
| US10580428B2 (en) | Audio noise estimation and filtering | |
| US20070232257A1 (en) | Noise suppressor | |
| WO2006123721A1 (ja) | 雑音抑圧方法およびその装置 | |
| JP4957810B2 (ja) | 音処理装置、音処理方法及び音処理プログラム | |
| JP2003534570A (ja) | 適応ビームフォーマーにおいてノイズを抑制する方法 | |
| EP3276621B1 (en) | Noise suppression device and noise suppressing method | |
| JP3877270B2 (ja) | 音声特徴量抽出装置 | |
| WO2020110228A1 (ja) | 情報処理装置、プログラム及び情報処理方法 | |
| US7917359B2 (en) | Noise suppressor for removing irregular noise | |
| JP2000330597A (ja) | 雑音抑圧装置 | |
| JP2836271B2 (ja) | 雑音除去装置 | |
| US7542577B2 (en) | Input sound processor | |
| WO2018173526A1 (ja) | 音声処理用コンピュータプログラム、音声処理装置及び音声処理方法 | |
| JPH11265199A (ja) | 送話器 | |
| JP3110201B2 (ja) | ノイズ除去装置 | |
| JP3270866B2 (ja) | 雑音除去方法および雑音除去装置 | |
| JP2005157086A (ja) | 音声認識装置 | |
| JP2001228893A (ja) | 音声認識装置 | |
| JP2007058237A (ja) | 雑音除去方法 | |
| CN111226278A (zh) | 低复杂度的浊音语音检测和基音估计 | |
| JPH04235600A (ja) | 適応型フィルタを用いた雑音除去装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20040730 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20060428 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20060627 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20060814 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20061010 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20061030 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20061030 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20091110 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20101110 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20101110 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111110 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111110 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121110 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121110 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20131110 Year of fee payment: 7 |
|
| LAPS | Cancellation because of no payment of annual fees |